TUGAS AKHIR – SS 145561
PEMETAAN KECELAKAAN LALU LINTAS
PADA TIAP RAYON POLRES DI JAWA TIMUR
DENGAN PENDEKATAN ANALISIS KORESPONDENSI
CICILIA AJENG PRATIWI NRP 1313 030 034 Dosen Pembimbing Dr. Wahyu Wibowo, S.Si, M.Si PROGRAM STUDI DIPLOMA III JURUSAN STATISTIKA Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya 2016
TUGAS AKHIR – SS 145561
PEMETAAN KECELAKAAN LALU LINTAS PADA TIAP RAYON POLRES DI JAWA TIMUR DENGAN PENDEKATAN ANALISIS KORESPONDENSI CICILIA AJENG PRATIWI NRP 1313 030 034 Dosen Pembimbing Dr. Wahyu Wibowo, S.Si, M.Si PROGRAM STUDI DIPLOMA III JURUSAN STATISTIKA Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya 2016
FINAL PROJECT – SS 145561
MAPING OF THE TRAFFIC ACCIDENT LEVEL IN EACH POLICE DISTRICT OF EAST JAVA WITH ANALYSIS OF CORRESPONDENCE APPROACH CICILIA AJENG PRATIWI NRP 1313 030 034 Supervisor Dr. Wahyu Wibowo, S.Si, M.Si DIPLOMA III STUDY PROGRAM DEPARTEMENT OF STATISTICS Faculty of Mathematics and Natural Sciences Institut Teknologi Sepuluh Nopember Surabaya 2016
LEMBAR PENGESAIIAN
PE\{ETAAN KECELAKAAI\ LALU LINTAS PADATI TP RAYON POLRES DI JAWA TIMUR DENGAI\
PE \-DEKATAI\ ANALISIS KORESPONDENSI
TUGAS AKIIIRDiejukan Untuk Memenuhi Salah Safu Syarat
Memperoleh Gelar Ahli MadYaPada
Pnogram Studi Diploma III Jurusan Statistika;rLultas Matematika dan Ilmu Pengetahuan Alam
I nstitut Teknologi Sepuluh Nopember
Oleh:CICILIA AJENG PRATIWI
NRP. 1313 030 034
.-:r urrr oleh Pembimbing Tugas Akhir:
," r* r rr u \\' ibowo. S-Si. M.Si" !' : r".+432E 199802 1 001
{r$hrtyyy_f8
MengetahuiKetua Jurusan Statistika FMIPA-ITS
: l
. . i ' -
.?n,Qf. sunartono\rP. 19710929 L99512 1 001
ST'RABAYA, JTJM 2016
xi
KATA PENGANTAR
Alhamdulillah, segala puji bagi Allah, Tuhan semesta alam atas berkat rahmat, hidayah, dan karunia-Nya penulis dapat menyelesaikan penyusunan Tugas Akhir yang berjudul “PEMETAAN KECELAKAAN LALU LINTAS PADA TIAP RAYON POLRES DI JAWA TIMUR DENGAN PENDEKATAN ANALISIS KORESPONDENSI”. Penulis tidak lupa mengucapkan banyak terima kasih kepada berbagai pihak yang telah bersedia membantu, mendukung, dan membimbing dalam penyususnan Tugas Akhir ini. Oleh karena itu, penulis mengucapkan terima kasih yang sebesar-besarnya kepada: 1. Bapak Dr. Wahyu Wibowo, S.Si, M.Si selaku dosen
pembimbing dan Ketua Prodi D-III Statistika ITS yang telah mendukung, memberi motivasi, dan membimbing penulis dalam menyelesaikan Tugas Akhir ini.
2. Ibu Dra. Sri Mumpuni Retnaningsih, MT selaku dosen wali dan dosen penguji yang selalu memberikan dukungan, motivasi, saran, kritik yang membangun dan membagi pengalamannya kepada penulis.
3. Bapak Prof. Dr. I Nyoman Budiantara, M.Si. selaku dosen penguji yang telah memberikan saran dan kritiknya yang membangun.
4. Bapak Dr. Suhartono selaku Ketua Jurusan Statistika, FMIPA ITS
5. Dosen Statistika maupun petugas TU yang banyak membantu dalam kelancaran penyelesaian Tugas Akhir penulis.
6. Ibu Handayati dan Dimas Agung Dermawan selaku pihak Dinas Perhubungan dan Lalu Lintas Angkutan Jalan (LLAJ) Provinsi Jawa Timur yang memberikan bantuan untuk mendapatkan data yang digunakan dan dukungan penulis untuk menyelesaikan Tugas Akhir ini.
xii
7. Bapak Ngadianto dan Bapak Sulis selaku pihak Kepolisian yang memberikan arahan, saran, dan bantuan dalam menyelesaikan Tugas Akhir ini.
8. Bapak Tutur Sunyoto dan Ibu Susilowati sebagai orangtua penulis yang selalu memberikan doa terbaik, kasih sayang, semangat, dan memotivasi penulis sehingga dapat menyelesaikan Tugas Akhir ini.
9. Titus Wahibi Hidayat sebagai adik penulis yang selalu memberikan semangat penulis dalam menyelesaikan Tugas Akhir ini.
10. Fuad Cholidi Arifin sebagai seseorang yang selalu memberikan doa, semangat, dukungan, bantuan, dan menjadi penyemangat setiap harinya bagi penulis untuk bisa menyelesaikan Tugas Akhir ini.
11. Annisa, Wiwin, Sendy, Milan, Dimas F, Sabella, Riskha, Dita, Elok, Amik, Farah, Vio, Rima, Inung, Nanda, Ani, Titik, Shinta, Wulan, Novy, Intan, Linda yang selalu memberikan doa, semangat, dan dukungan penulis untuk menyelesaikan Tugas Akhir ini.
12. Seluruh teman-teman mahasiswa Diploma III Statistika ITS 2013 telah memberikan semangat dan dorongan sehingga terselesaikannya Tugas Akhir ini.
13. Semua pihak yang membantu selama penyusunan Tugas Akhir ini.
Penulis sangat berharap hasil Tugas Akhir ini dapat memberikan manfaat bagi pembaca dan dapat dijadikan bahan pertimbangan dalam pengerjaan tugas akhir berikutnya serta saran dan kritik yang bersifat membangun guna perbaikan di masa mendatang.
Surabaya, Juni 2016
Penulis
xiii
DAFTAR ISI
Halaman HALAMAN JUDUL ...................................................................... i LEMBAR PENGESAHAN .......................................................... v ABSTRAK ................................................................................... vii ABSTRACT ................................................................................... ix KATA PENGANTAR .................................................................. xi DAFTAR ISI ...............................................................................xiii DAFTAR TABEL ........................................................................ xv DAFTAR GAMBAR ................................................................ xvii DAFTAR LAMPIRAN .............................................................. xix BAB I PENDAHULUAN
1.1 . Latar Belakang ................................................................ 1 1.2 . Perumusan Masalah ....................................................... 3 1.3 . Tujuan Penelitian ........................................................... 4 1.4 . Batasan Masalah ............................................................. 4 1.5 . Manfaat Penelitian .......................................................... 4
BAB II TINJAUAN PUSTAKA 2.1 Tabel Kontingensi ........................................................... 5 2.2 Uji Independensi ............................................................. 5 2.3 Analisis Korespondensi ................................................... 6
2.3.1 Matriks Data .......................................................... 7 2.3.2 Singular Value Decomposition (SVD) .................. 9 2.3.3 Dekomposisi Inersia ............................................ 10 2.3.4 Jarak Euclidean ................................................... 12
2.4 Kecelakaan Lalu Lintas ................................................. 12 BAB III METODOLOGI PENELITIAN
3.1 Sumber Data .................................................................. 15 3.2 Variabel Penelitian ........................................................ 15 3.3 Langkah Analisis dan Diagram Alir ............................. 20
BAB IV ANALISIS DATA DAN PEMBAHASAN 4.1 Pola Kecenderungan Keparahan Korban
Kecelakaan Lalu Lintas ................................................. 24 4.2 Pola Kecenderungan Usia Korban
xiv
Kecelakaan Lalu Lintas ................................................. 30 4.3 Pola Kecenderungan Pendidikan Korban
Kecelakaan Lalu Lintas ................................................. 37 4.4 Pola Kecenderungan Kendaraan yang Terlibat
Dalam Kecelakaan Lalu Lintas ..................................... 44 BAB V PENUTUP
5.1 Kesimpulan ................................................................... 53 5.2 Saran ............................................................................. 54
DAFTAR PUSTAKA ................................................................. 55 LAMPIRAN ................................................................................ 57 BIODATA PENULIS ................................................................. 81
xv
DAFTAR TABEL
Halaman Tabel 2.1 Tabel Kontingensi Dua Dimensi ................................ 5 Tabel 2.2 Bentuk Umum Tabel Profil Baris dan Kolom ........... 8 Tabel 3.1 Variabel Penelitian ................................................... 16 Tabel 3.2 Variabel Penelitian Berdasarkan Kategorinya ......... 16 Tabel 3.3 Struktur Data Keparahan Korban ............................ 19 Tabel 3.4 Struktur Data Usia Korban ...................................... 19 Tabel 3.5 Struktur Data Pendidikan Korban ............................ 19 Tabel 3.6 Struktur Data Jenis Kendaraan Terlibat ................... 20 Tabel 4.1 Reduksi Dimensi Keparahan Korban ...................... 25 Tabel 4.2 Output Profil Baris Keparahan Korban.................... 25 Tabel 4.3 Output Profil Kolom Keparahan Korban ................. 26 Tabel 4.4 Koordinat Profil Baris Keparahan Korban .............. 27 Tabel 4.5 Koordinat Profil Kolom Keparahan Korban ............ 28 Tabel 4.6 Jarak Euclidean Keparahan Korban ........................ 30 Tabel 4.7 Reduksi Dimensi Usia Korban ................................ 31 Tabel 4.8 Output Profil Baris Usia Korban ............................. 32 Tabel 4.9 Output Profil Kolom Usia Korban ........................... 33 Tabel 4.10 Koordinat Profil Baris Usia Korban ........................ 35 Tabel 4.11 Koordinat Profil Kolom Usia Korban ..................... 35 Tabel 4.12 Jarak Euclidean Usia Korban .................................. 37 Tabel 4.13 Reduksi Dimensi Pendidikan Korban ...................... 38 Tabel 4.14 Output Profil Baris Pendidikan Korban ................... 39 Tabel 4.15 Output Profil Kolom Pendidikan Korban ................ 40 Tabel 4.16 Koordinat Profil Baris Pendidikan Korban .............. 41 Tabel 4.17 Koordinat Profil Kolom Pendidikan Korban ........... 42 Tabel 4.18 Jarak Euclidean Pendidikan Korban ........................ 43 Tabel 4.19 Reduksi Dimensi Kendaraan yang Terlibat Kecelakaan ............................................................... 45 Tabel 4.20 Output Profil Baris Kendaraan yang Terlibat Kecelakaan ............................................................... 46 Tabel 4.21 Output Profil Kolom Kendaraan yang Terlibat Kecelakaan ............................................................... 47
xvi
Tabel 4.22 Koordinat Profil Baris Kendaraan yang Terlibat ..... 48 Tabel 4.23 Koordinat Profil Kolom Kendaraan yang Terlibat .. 49 Tabel 4.24 Jarak Euclidean Kendaraan yang Terlibat Kecelakaan ............................................................... 51
xvii
DAFTAR GAMBAR
Halaman Gambar 3.1 Diagram Alir Penelitian ...................................... 22 Gambar 4.1 Jumlah Korban Kecelakaan ............................... 23 Gambar 4.2 Plot Korespondensi Keparahan Korban .............. 29 Gambar 4.3 Plot Korespondensi Usia Korban ........................ 36 Gambar 4.4 Plot Korespondensi Pendidikan Korban ............. 43 Gambar 4.5 Plot Korespondensi Kendaraan yang Terlibat Kecelakaan ............................................ 50
xix
DAFTAR LAMPIRAN
Halaman Lampiran 1 Data Keparahan Korban Kecelakaan Lalu Lintas Provinsi Jawa Timur Tahun 2015 ............ 57 Lampiran 2 Data Usia Korban Kecelakaan Lalu Lintas Provinsi Jawa Timur Tahun 2015 ............ 58 Lampiran 3 Data Pendidikan Korban Kecelakaan Lalu Lintas Provinsi Jawa Timur Tahun 2015 ............ 59 Lampiran 4 Data Kendaraan yang Terlibat Kecelakaan Lalu Lintas Provinsi Jawa Timur Tahun 2015 .... 60 Lampiran 5 Output Uji Independensi ..................................... 61 Lampiran 6 Output Pola Korespondensi Keparahan Korban Kecelakaan dengan Jenis Rayon ........... 63 Lampiran 7 Output Pola Korespondensi Usia Korban Kecelakaan dengan Jenis Rayon ........... 67 Lampiran 8 Output Pola Korespondensi Pendidikan Korban Kecelakaan dengan Jenis Rayon ........... 71 Lampiran 9 Output Pola Korespondensi Kendaraan yang Terlibat Kecelakaan dengan Jenis Rayon ........... 75
1
BAB I PENDAHULUAN
1.1 Latar Belakang
Indonesia merupakan salah satu Negara yang memiliki kepadatan penduduk yang tinggi. Khususnya Provinsi Jawa Timur merupakan salah satu provinsi yang memiliki kepadatan penduduk tertinggi kedua di Indonesia sebesar 38.847.600 jiwa setelah Provinsi Jawa Barat pada tahun 2015 menurut data BPS. Hal tersebut sering dihubungkan dengan berbagai permasalahan salah satunya permasalahan transportasi yang berujung pada terjadinya kecelakaan lalu lintas akibat banyaknya kendaraan yang memadati tiap ruas jalan raya. Kecelakaan lalu lintas merupakan masalah yang membutuhkan penanganan serius agar korban kecelakaan tidak semakin meningkat. Pada Provinsi Jawa Timur terdapat Kota Surabaya yang merupakan kota metropolitan kedua setelah Ibukota Jakarta sehingga kebanyakan penduduk memilih mengadu nasib di Surabaya yang menyebabkan kepadatan penduduk semakin tinggi dengan jumlah kendaraan yang cukup tinggi. Sebagian besar penduduk lebih memilih untuk menghindari kemacetan di jalan yaitu dengan mengendarai sepeda motor sehingga menyebabkan tingginya jumlah kendaraan roda dua. Hal tersebut yang memicu tingginya angka kecelakaan di kab/kota Provinsi Jawa Timur.
Berbagai kejadian kecelakaan terjadi pada anak seusia SD, SLTP, SLTA, dst dengan keparahan korban bermacam-macam seperti korban mengalami luka ringan, luka berat, atau bahkan meninggal dunia. Kejadian kecelakaan lalu lintas di Jawa Timur mengalami peningkatan dari tahun 2014 dengan jumlah 18.896 kejadian menjadi 20.531 kejadian pada tahun 2015 menurut data Dinas Perhubungan dan Lalu Lintas Angkutan Jalan (LLAJ) Provinsi Jawa Timur. Jumlah korban kecelakaan berdasarkan keparahan korban yang meninggal dunia pada tahun 2014 sebanyak 4.954 korban mengalami peningkatan pada tahun 2015 yaitu sebanyak 5.288 korban. Korban yang mengalami luka
2
ringan 24.288 orang pada tahun 2014 dan mengalami peningkatan jumlah korbannya pada tahun 2015 sebanyak 26.281 orang. Kecelakaan terjadi berdasarkan usia yaitu 16-30 tahun yang merupakan usia yang paling tinggi angka kecelakaan pada tahun 2015 sebanyak 11.990. Jika kecelakaan yang terjadi berdasarkan tingkat pendidikan, pelajar SMA menempati tingkat teratas dengan angka kecelakaan pada tahun 2015 sebanyak 21.986. Kendaraan yang paling sering terlibat dalam kecelakaan lalu lintas adalah sepeda motor berdasarkan data Dinas Perhubungan dan LLAJ Provinsi Jawa Timur tahun 2015.
Berdasarkan data dari Dinas Perhubungan dan LLAJ Provinsi Jawa Timur sebagian besar angka kecelakaan tertinggi terdapat pada usia remaja dalam masa produktif. Hal ini dikarenakan para remaja tersebut kurang memahami tentang rambu, marka, peraturan lalu lintas dan safety riding. Remaja perlu memiliki banyak pengetahuan tentang hal tersebut untuk mengurangi jumlah angka kecelakaan yang terjadi (Jatiputro, 2014). Beberapa upaya telah dilakukan untuk menurunkan tingginya angka kecelakaan di jalan raya yaitu perbaikan infrastruktur, pemasangan rambu-rambu peringatan, dan berbagai hal yang mendukung keselamatan pengguna jalan raya. Segala hal telah dilakukan untuk keselamatan pengguna jalan raya khususnya pengendara sepeda motor, namun masih banyak kecelakaan yang terjadi akibat kelalaian pengguna atau kondisi jalan.
Pada permasalahan kecelakaan lalu lintas di Provinsi Jawa Timur, diperlukan adanya pemetaan wilayah yang menjadi penyumbang utama terjadinya kecelakaan. Pemetaan tersebut didasarkan pada rayon polres di Jawa Timur sesuai keparahan, usia, dan pendidikan korban serta jenis kendaraan yang terlibat kecelakaan sehingga analisis korespondensi lebih cocok digunakan. Analisis korespondensi yang merupakan prosedur grafis yang digambarkan dalam bentuk tabel frekuensi (Johnson & Wichern, 2007). Alasan penggunaan analisis tersebut dikarenakan data yang diperoleh berupa diskrit dan sudah dalam
3
bentuk tabel kontingensi sehingga sesuai jika menggunakan analisis korespondensi. Sebagian besar penelitian terhadap kecelakaan lalu lintas diteliti pada wilayah Surabaya oleh karena itu, dilakukan penelitian angka kecelakaan lalu lintas di Jawa Timur untuk melihat pola kecenderungan pada tiap rayon polres.
Penelitian sebelumnya telah dilakukan oleh Dermawan (2012) menunjukkan bahwa variabel yang berpengaruh signifikan terhadap kecelakaan dengan korban jiwa adalah panjang jalan nasional. Kecelakaan dengan korban luka berat dipengaruhi oleh kepadatan penduduk, panjang jalan nasional, panjang jalan kabupaten dan kepemilikan kendaraan bermotor. Kecelakaan dengan korban luka ringan dipengaruhi oleh kepadatan penduduk, panjang jalan nasional, panjang jalan kabupaten, lebar jalan dan kepemilikan kendaraan bermotor. Damayanti (2014) menyimpulkan bahwa terbentuk 6 cluster polres kota/kabupaten di Provinsi Jawa Timur pada faktor pengemudi, pada cluster kelompok faktor kendaraan dan faktor jalan terbentuk 4 cluster. Saragih (2014) menyatakan bahwa pada analisis regresi multinomial korban yang rentan meninggal dunia dan korban yang mengalami luka berat adalah umur lanjut usia serta korban anak-anak memiliki peluang yang tinggi untuk mengalami luka ringan. Susilo (2010) menyatakan baahwa faktor utama terjadinya kecelakaan lalu lintas di ruas jalan Sukowati Kabupaten Sragen adalah manusia, umur korban kecelakaan lalu lintas yang terbanyak berumur 26-35 tahun untuk mengurangi tingkat kecelakaan yang terjadi yaitu dengan memberikan pendidikan lalu lintas dan sanksi yang tegas pada pengguna jalan.
1.2 Perumusan Masalah Provinsi Jawa Timur merupakan salah satu provinsi dengan
kepadatan penduduk yang cukup tinggi sehingga menimbulkan berbagai permasalahan salah salah satunya masalah kecelakaan lalu lintas. Kecelakaan lalu lintas dari tahun 2014 sampai 2015 mengalami kenaikan. Berdasarkan hal tersebut diperlukan analisis pola kecenderungan dari angka kecelakaan berdasarkan
4
keparahan, usia, dan pendidikan korban serta jenis kendaraan yang terlibat kecelakaan lalu lintas. Diperlukan penanganan untuk mengurangi tingginya korban kecelakaan pada beberapa daerah sekitar polres di Jawa Timur.
1.3 Tujuan Penelitian Tujuan yang ingin dicapai pada penelitian ini adalah
sebagai berikut. 1. Mendapatkan pola kecenderungan keparahan korban
kecelakaan lalu lintas di setiap rayon polres Jawa Timur. 2. Mendapatkan pola kecenderungan usia korban kecelakaan
lalu lintas di setiap rayon polres Jawa Timur. 3. Mendapatkan pola kecenderungan pendidikan korban
kecelakaan lalu lintas di setiap rayon polres Jawa Timur. 4. Mendapatkan pola kecenderungan jenis kendaraan yang
terlibat kecelakaan lalu lintas di setiap rayon polres Jawa Timur.
1.4 Batasan Masalah Batasan masalah pada penelitian ini adalah data rekap
kejadian kecelakaan dari bulan Januari sampai Desember 2015. Pengkategorian usia korban sudah ditetapkan oleh keasatuan Polres di Jawa Timur sehingga tidak ada perubahan kategori.
1.5 Manfaat Penelitian Manfaat yang ingin diperoleh dari penelitian ini adalah
memperoleh hasil pemetaan terhadap kecenderungan terjadinya kecelakaan pada setiap rayon polres di Jawa Timur yang akan dijadikan acuan untuk dilakukan perbaikan mengenai marka, rambu, ataupun perbaikan infrastruktur pada daerah polres yang rawan kecelakaan. Bagi pemerintah Provinsi Jawa Timur dapat dijadikan acuan membuat kebijakan untuk menurunkan angka kecelakaan dan bagi pengguna jalan agar lebih waspada terhadap kecelakaan di jalan raya.
5
BAB II TINJAUAN PUSTAKA
2.1 Tabel Kontingensi Diberikan X dan Y sebagai dua variabel kategori, X dengan I kategori dan Y dengan J kategori. Klasifikasi kedua variabel mempunyai IJ kemungkinan kombinasi. Variabel (X,Y) dipilih secara random dari populasi yang yang mempunyai distribusi peluang. Sebuah tabel persegi panjang mempunyai I baris untuk kategori X dan J kolom untuk kategori Y. Sel pada tabel menunjukkan hasil kemungkinan IJ. Sel dari tabel tersebut terdiri dari jumlah frekuensi sampel, sehingga dikatakan sebagai tabel kontingensi. Tabel kontingensi dengan I baris dan J kolom disebut I x J (Agresti, 2002). Berikut adalah gambaran tabel kontingensi.
Tabel 2.1 Tabel Kontingensi Dua Dimensi
Variabel II (Y) Total 1 2 … J
Variabel I (X)
1 n11 n12 … n1J n1. 2 n21 n22 … n2J n2. . .
.
. . .
.
. . .
.
. I nI1 nI2 … nIJ nI.
Total n.1 n.2 … n.J n..
2.2 Uji Independensi Uji independensi dalam bentuk tabel kontingensi dua
dimensi, H0: independen menggunakan X2 dengan nij pada ni dan dengan jiij n .. pada i
(Agresti, 2002). H0 : Tidak ada hubungan antara dua variabel yang diamati
(independen) H1 : Ada hubungan antara dua variabel yang diamati (dependen)
6
Peluang marginal menetapkan peluang bersama. Untuk menguji H0, maka didefinisikan jiijij nn ..
sebagai nilai
ekspektasi (harapan). Disini ijij E yang diasumsikan
independen. Biasanya .i dan j. tidak diketahui. Berikut estimasi nilai ekspektasi untuk mengganti ukuran sampel jika peluang tidak diketahui maka didapatkan (Agresti, 2002).
....
nnn
E jiij (2.1)
Statistik uji X2 pada tabel kontingensi I x J adalah sebagai berikut.
I
1i
J
1j ij
2ijij2
EEn )(
(2.2)
Dengan df = (IJ – 1) – (I – 1) – (J – 1) = (I – 1)(J – 1) Keterangan: nij : nilai distribusi frekuensi bersama untuk observasi baris
ke-i, kolom ke-j
ijE : nilai ekspektasi dari nij pada observasi baris ke-i, kolom ke-j
Kriteria penolakan untuk hipotesis nol apabila 2
112
,ji
2.3 Analisis Korespondensi Analisis korespondensi merupakan prosedur grafis yang
digambarkan dalam bentuk tabel frekuensi. Pada tabel kontingensi memiliki baris I dan J kolom, plot yang dihasilkan oleh analisis korespondensi berisi dua titik terpenting yaitu titik pertama didasarkan pada baris dan titik kedua didasarkan pada kolom. Hasil dari analisis korespondensi menunjukkan dimensi terbaik untuk mempresentasikan data yang berupa peta persepsi (Johnson & Wichern, 2007).
7
2.3.1 Matriks Data Diberikan X dengan elemen nij, sebuah I x J tabel frekuensi
dua dimensi. Baris dan kolom dari tabel kontingensi X cocok untuk kategori berbeda dari dua karakteristik berbeda. Jika n adalah total frekuensi matriks X, yang pertama dilakukan adalah menyusun matriks proporsi P = {pij} dengan membagi masing-masing elemen dari X dengan n.
n..n
p ijij , i = 1, 2, …, I, j = 1, 2, …, J
atau XP(IxJ)(IxJ) n
1 (2.3)
ij2.1.
.22221
.11211
ppp
pppppp
P (2.4)
Matriks P disebut matriks korespondensi. Kemudian mencari vektor baris r dan kolom c, dan diagonal matriks Dr dan Dc dengan elemen r dan c pada diagonal, sehingga
J
1j .i
ijJ
1jiji n
npr , i = 1, 2, …, I atau
J(Jx1)(IxJ)(Ix1)1Pr (2.5)
I
1i j
jI
1ijj
.nin
ipc , j = 1, 2, …, J atau I
(Ix1)(JxI)(Jx1)1P'c (2.6)
Dimana ir adalah massa baris dan jc adalah massa kolom,
J1 adalah vektor J x 1 dan I1 adalah vektor I x 1. Berikut adalah vektor baris r dan kolom c.
8
J
2
1
I
2
1
c
cc
,
r
rr
c r (2.7)
Tabel 2.2 Bentuk Umum Tabel Profil Baris dan Profil Kolom
Variabel II Massa Baris 1 2 … J
Variabel I
1 p11 p12 … p1J p1. 2 p21 p22 … p2J p2. . .
.
. . .
.
. . .
.
. I pI1 pI2 … pIJ pI.
Massa Kolom p.1 p.2 … p.J 1
Kemudian membentuk diagonal massa matriks baris dan kolom dari matriks korespondensi adalah sebagai berikut.
I
2
1
r0000r0000r
rD (2.8)
J
2
1
c0000c0000c
cD (2.9)
Menghitung diagonal massa matriks akar kuadrat adalah sebagai berikut.
I1 r,...,rdiag1/2rD
I1 r
1,...,
r
1diag1/2-
rD (2.10)
9
J1 c,...,cdiag1/2cD
J1 c
1,...,
c
1diag1/2-
cD (2.11)
Profil baris dan kolom dari matriks P yang didefinisikan sebagai vektor baris dan kolom matriks P dibagi dengan massanya (Greenacre, 1984). Berikut adalah matriks profil baris dan profil kolom.
Matriks profil baris
'
'
~
~
I
r
r
r
PDR 1
1 (2.12)
Matriks profil kolom
'
'
'
~
~
J
c
c
c
PDC 1
1 (2.13)
Kedua profil yaitu profil baris I~r dengan i=1,2,..,I dan profil
kolom J~c dengan j=1,2,…,J dituliskan secara berturut-turut dalam
baris R dan kolom C (Greenacre, 1984). 2.3.2 Singular Value Decomposition (SVD)
Singular value decomposition (SVD) adalah satu dari banyak cara pada algoritma matriks dan terdiri atas konsep dekomposisi eigen value atau eigen vektor (Johnson & Wichern, 2007). Analisis korespondensi dapat dirumuskan dengan kuadrat terkecil terboboti (Weighted Least Squares) untuk ijp̂ˆ P , sebuah matriks dilakukan spesifikasi untuk direduksi. Berikut menghitung banyaknya dimensi dan nilai inersia.
k = min[(I-1),(J-1)] (2.14) 0 IP (2.15)
10
Dimana: k = banyaknya dimensi terbentuk P = matriks korespondensi I = matriks identitas Penguraian nilai singular (SVD) dan matriks korespondensi dapat dirumuskan pada persamaan sebagai berikut.
'K
1kk kckr vDuDrc'P 2
12
1
(2.16)
Dimana 'rcP adalah nilai singular dekomposisi (SVD) dari matriks P,
k adalah nilai singular merupakan hasil akar kuadrat dari eigenvalue matriks P, vektor
ku dengan ukuran I x 1 dan vektor
kv dengan ukuran J x 1 merupakan singular vektor korespondensi matriks yang berukuran I x J pada matriks
21
21
cr DrcPD ' (Johnson & Wichern, 2007). Sedangkan k menyatakan banyaknya dimensi dalam matiks P dengan banyak dimensi k=min[(I-1),(J-1)] (Greenacre, 1984). Berikut adalah menentukan koordinat profil baris dan kolom (Johnson & Wichern, 2007).
Koordinat profil baris: krk uDF 21
(2.17) Koordinat profil kolom: kck vDG 2
1 (2.18)
2.3.3 Dekomposisi Inersia
Total inersia adalah ukuran dari variasi data dan ditentukan dengan jumlah kuadrat terboboti (Johnson & Wichern, 2007).
1
1
22
'
Inersia
'' Inersia 21
21
21
21
J
kk
i j ji
jiij
crcr
crcrp
DrcPDDrcPDtr
(2.19)
Dimana k adalah nilai singular yang diperoleh dari penguraian
nilai singular (SVD) 21
21
cr DrcPD ' . Total inersia adalah
11
hubungan dari chi-square yang berasal dari tabel kontingensi dua
dimensi yaitu
I
1i
J
1j ij
2ijij2
EEn )(
Total inersia =
I
i
J
j ji
jiij
..ncrcrp
1 1
22
(2.20)
Berikut adalah nilai inersia baris dan kolom (Greenacre, 1984).
Inersia baris
i
ic'
ii cr~Dcr~r1 (2.21)
Inersia kolom
j
jr'
jj rc~Drc~c1 (2.22)
Kontribusi baris/kolom menuju dimensi inersia atau korelasi baris ke-i atau kolom ke-j dengan dimensi k adalah kontribusi axis ke inersia baris ke-i atau kolom ke-j, dinyatakan dalam persentase inersia baris ke-i atau kolom ke-j.
Kontribusi baris ke-i menuju inersia = k
2iki fr
(2.23)
Kontribusi kolom ke-j menuju inersia = k
jkj gc
2
(2.24)
Dimana: 2ikf = koordinat profil baris ke-i menuju axis dengan
dimensi ke-k 2jkg = koordinat profil kolom ke-j menuju axis dengan
dimensi ke-k k = inersia dimensi ke-k
Kontribusi dimensi ke inersia baris/kolom adalah proporsi keragaman yang diterangkan masing-masing inersia terhadap sumbu utamanya (Greenacre, 2007). Berikut adalah kontribusi dari axis menuju inersia baris ke-i atau kolom ke-j.
12
Kontribusi dari axis menuju inersia baris ke-i = k
2ik
2ik
ff (2.25)
Kontribusi dari axis menuju inersia kolom ke-j = k
2jk
2jk
gg (2.26)
2.3.4 Jarak Euclidean Salah satu pengukuran untuk mengukur seberapa jauh dari
dua titik yang terpisah jaraknya adalah dengan jarak garis lurus antara dua titik. Jarak garis lurus dari dua titik ditunjukkan sebagai jarak Euclidean antara dua titik. Teorema pytharoras dapat digunakan untuk menghitung jarak Euclidean antara dua titik (Sharma, 1996). Secara umum jarak Euclidean antara dua titik dalam sebuah k yaitu banyaknya solusi dimensi (k = 1,2,…K) adalah sebagai berikut.
K
1k
2kk GFd GF, (2.27)
Dimana: F merupakan nilai koordinat titik profil baris untuk membuat plot korespondensi dan G menunjukkan nilai koordinat titik profil kolom untuk membuat plot korespondensi. d(F, G) = jarak euclidean antara titik koordinat profil baris
dengan titik koordinat profil kolom. Fk = nilai koordinat profil baris pada dimensi ke-k Gk = nilai koordinat profil kolom pada dimensi ke-k
2.4 Kecelakaan Lalu Lintas Kecelakaan lalu lintas menurut Pasal 1 ke 24 UU/22 th
2009 adalah suatu peristiwa dijalan yang tidak diduga dan tidak disengaja melibatkan kendaraan dengan atau tanpa pengguna jalan lain yang mengakibatkan korban manusia dan kerugian harta benda. Definisi kecelakaan lalu lintas juga dijelaskan dalam
13
Peraturan Pemerintah No. 43 Tahun 1993 Pasal 93 ayat (1), sebagai berikut. “Suatu peristiwa dijalan yang tidak disangka-sangka dan tidak disengaja melibatkan kendaraan dengan atau tanpa pemakai jalan lainnya mengakibatkan korban manusia atau kerugian harta benda”
Berdasarkan beberapa definisi dari kecelakaan lalu lintas, dapat disimpulkan bahwa kecelakaan lalu lintas merupakan suatu kejadian yang tidak terduga di jalan raya atau tempat terbuka lainya yang melibatkan pemakai jalan dan mengakibatkan korban manusia atau kerugian harta benda. Kecelakaan lalu lintas berdasarkan korbannya menurut Peraturan Pemerintah No. 43 Tahun 1993 Pasal 93 ayat (2) dibedakan menjadi tiga, yaitu:
a. Korban mati (fatality), korban yang pasti mati sebagai akibat kecelakaan lalu lintas dalam jangka waktu paling lama 30 hari setelah kecelakaan tersebut (ayat 3).
b. Korban luka berat (serious injury), korban yang karena luka-lukanya menderita cacat tetap atau harus dirawat dalam jangka waktu 30 hari sejak terjadi kecelakaan (ayat 4).
c. Korban luka ringan (light injury), korban yang mengalami luka-luka yang tidak memerlukan rawat inap di rumah sakit dalam jangka waktu 30 hari setelah kecelakaan (ayat 5).
Definisi korban kecelakaan adalah seseorang yang terlibat dalam kecelakaan lalu lintas dan mengalami kerugian baik material maupun moral yang sudah ditetapkan oleh polisi berdasarkan barang bukti, saksi, dan keterangan dari korban/tersangka. Pelaku kecelakaan adalah seseorang yang sudah dinyatakan bersalah atau menjadi tersangka kecelakaan lalu lintas dan telah merugikan orang lain.
15
BAB III METODOLOGI PENELITIAN
3.1 Sumber Data
Data yang digunakan pada penelitian ini adalah data sekunder berupa data angka kecelakaan Provinsi Jawa Timur periode Januari sampai Desember 2015 diambil dari Dinas Perhubungan dan Lalu Lintas Angkutan Jalan (LLAJ) Provinsi Jawa Timur. Data tersebut berasal dari Unit Kecelakaan Satuan Lalu Lintas Polrestabes Surabaya.
3.2 Variabel Penelitian Berikut variabel yang digunakan pada penelitian ini
adalah angka kecelakaan berdasarkan keparahan, usia, dan pendidikan korban kecelakaan serta jenis kendaraan yang terlibat kecelakaan lalu lintas yang tercatat pada setiap rayon polres di Jawa Timur tahun 2015. Jenis Polres pada tiap rayon di Jawa Timur: a. Rayon I terdiri atas Polrestabes Surabaya, Polres KPPP,
Polres Gresik, Polres Sidoarjo, Polres Mojokerto Kota, dan Polres Mojokerto.
b. Rayon II terdiri atas Polres Malang Kota, Polres Malang, Polres Batu, Polres Pasuruan Kota, Polres Pasuruan, Polres Probolinggo Kota, dan Polres Probolinggo.
c. Rayon III terdiri atas Polres Jember, Polres Lumajang, Polres Situbondo, Polres Banyuwangi, dan Polres Bondowoso.
d. Rayon IV terdiri atas Polres Kediri Kota, Polres Kediri, Polres Nganjuk, Polres Jombang, Polres Tulungagung, Polres Blitar Kota, Polres Blitar, dan Polres Trenggalek.
e. Rayon V terdiri atas Polres Madiun Kota, Polres Madiun, Polres Ngawi, Polres Pacitan, Polres Ponorogo, dan Polres Magetan.
16
f. Rayon VI terdiri atas Polres Bojonegoro, Polres Tuban, dan Polres Lamongan.
g. Rayon VII terdiri atas Polres Sumenep, Polres Pamekasan, Polres Sampang, dan Polres Bangkalan.
Tabel 3.1 Variabel Penelitian Variabel Definisi Operasional Kategori
Keparahan Korban (Y1)
Tingkat cedera korban kecelakaan menurut hasil visum yang dilakukan.
1: Meninggal Dunia 2: Luka Berat 3: Luka Ringan
Usia Korban (Y2)
Usia korban kecelakaan yang mengalami cedera akibat kecelakaan lalu lintas.
1: 0-9 2: 10-15 3: 16-30 4: 31-40 5: 41-50 6: > 51
Pendidikan Korban (Y3)
Pendidikan korban yang mengalami cedera akibat terjadinya kecelakaan lalu lintas
1: SD 2: SLTP 3: SLTA 4: Perguruan Tinggi 5: Lain-Lain
Jenis Kendaran Terlibat (Y4)
Jenis kendaraan yang dikendarai oleh pelaku maupun korban saat terjadinya kecelakaan lalu lintas
1: Sepeda motor 2: Mobil Penumpang 3: Mobil Barang 4: Bus 5: Kendaraan Khusus
Tabel 3.2 Variabel Penelitian Berdasarkan Kategorinya Variabel Kategori Definisi Operasional
Keparahan Korban
(Y1)
Meninggal Dunia (MD)
Korban dapat dikatakan meninggal dunia apabila korban tersebut langsung meninggal di tempat kejadian atau sebelum jangka waktu 30 hari sejak kejadian kecelakaan korban meninggal dunia dengan perawatan di rumah sakit.
Luka Berat (LB)
Korban termasuk luka berat jika mengalami cacat atau memerlukan perawatan di rumah sakit selama 30 hari sejak kejadian kecelakaan dan setelah melakukan
17
Tabel 3.2 Variabel Penelitian Berdasarkan Kategorinya (Lanjutan) Variabel Kategori Definisi Operasional
Keparahan Korban
Luka Berat (LB)
visum dinyatakan bahwa korban memang tergolong luka berat
Luka Ringan (LR)
Korban mengalami luka ringan apabila setelah dilakukan visum di rumah sakit memang dinyatakan luka ringan dan tidak memerlukan perawatan di rumah sakit dalam jangka 30 hari setelah kejadian kecelakaan berlangsung
Usia Korban
(Y2)
0-9 Rata-rata korban yang mengalami kecelakaan adalah seusia bayi yang masih digendong ibunya, usia anak TK, dan seusia Sekolah Dasar
10-15 Korban dengan usia tersebut sebagian besar adalah anak seusia SMP yang menjadi korban kecelakaan (yang merasa dirugikan)
16-30 Korban yang masuk dalam rentang usia tersebut adalah pelajar SMA, mahasiswa/mahasiswi, maupun orang bekerja. Usia tersebut tergolong usia produktif.
31-40 Korban kecelakaan yang tergolong usia tersebut rata-rata orang yang sudah bekerja atau bahkan tidak bekerja
41-50 Rentang usia tersebut menunjukkan korban kecelakaan adalah seusia ibu/bapak yang sudah berkeluarga
> 51 Sebagian besar korban kecelakaan yang masuk dalam kategori usia tersebut adalah orang yang sudah lanjut usia seperti kakek atau nenek.
Pendidikan Korban
(Y3)
SD Korban kecelakaan yang tergolong pendidikannya SD adalah anak yang memang masih SD, belum lulus SD, pendidikan terakhirnya SD, atau tidak tamat SD
SLTP
Korban yang masuk dalam kategori pendidikan SLTP adalah anak tersebut belum lulus SLTP, terdapat tanda pengenal masih SLTP, pendidikan terakhirnya SLTP, tidak tamat SLTP, atau mengikuti kejar paket C
SLTA
Korban dapat tergolong pendidikannya SLTA apabila pelajar tersebut masih berstatus pelajar SLTA, terdapat tanda pengenal masih pelajar SLTA, tidak lulus SLTA, tidak tamat SLTA, atau pendidikan terakhirnya SLTA.
18
Tabel 3.2 Variabel Penelitian Berdasarkan Kategorinya (Lanjutan) Variabel Kategori Definisi Operasional
Pendidikan Korban
(Y3)
Perguruan Tinggi
Korban kecelakaan yang masuk dalam kategori pendidikan Perguruan Tinggi apabila ada tanda pengenal yang menunjukkan bahwa seorang mahasiswa, masih berstatus mahasiswa, putus kuliah, atau pendidikan terakhirnya Perguruan Tinggi
Lain-Lain
Kategori korban kecelakaan lain-lain untuk pendidikan adalah anak seusia TK atau di bawah umur, orang gila, atau korban yang tidak ada tanda pengenalnya (identitas pribadi)
Jenis Kendaraan
Terlibat (Y4)
Sepeda motor
Kendaraan yang terlibat sepeda motor apabila korban maupun pelaku kecelakaan lalu lintas menggunakan sepeda motor atau salah satu dari korban/pelaku menggunakan sepeda motor. Perhitungan jumlah sepeda motor yang terlibat dihitung berdasarkan korban/pelaku pengguna kendaraan
Mobil Penumpang
Kendaraan yang masuk dalam kategori mobil penumpang adalah mobil pribadi, taksi, bemo, bajai, atau mobil yang khusus penumpang manusia
Mobil Barang
Kendaraan yang tergolong dalam mobil barang adalah mobil pickup, truk, atau mobil yang khusus mengangkut barang yang terlibat dalam kecelakaan lalu lintas.
Bus
Kendaraan yang terlibat tergolong bus apabila kejadian kecelakaan tersebut melibatkan salah satu atau keduanya bus contohnya bus kota, bus pariwisata, bus mini, atau semua jenis bus.
Kendaraan Khusus
Kendaraan yang masuk kategori kendaraan khusus adalah kereta api yang terlibat dalam kecelakaan
Berikut adalah struktur data jenis rayon polres di Jawa Timur berdasarkan kategori keparahan korban, usia,
19
pendidikan korban, dan jenis kendaraan yang terlibat dalam kecelakaan.
Tabel 3.3 Struktur Data Keparahan Korban Jenis
Rayon Keparahan Korban
MD LB LR 1 n11 n12 n13 2 n21 n22 n23 3 n31 n32 n33 4 n41 n42 n43 5 n51 n52 n53 6 n61 n62 n63 7 n71 n72 n73
Tabel 3.4 Struktur Data Usia Korban Jenis
Rayon Usia Korban
0-9 10-15 16-30 31-40 41-50 > 51 1 n11 n12 n13 n14 n15 n16 2 n21 n22 n23 n24 n25 n26 3 n31 n32 n33 n34 n35 n36 4 n41 n42 n43 n44 n45 n46 5 n51 n52 n53 n54 n55 n56 6 n61 n62 n63 n64 n65 n66 7 n71 n72 n73 n74 n75 n76
Tabel 3.5 Struktur Data Pendidikan Korban Jenis
Rayon Pendidikan Korban
SD SLTP SLTA Perguruan Tinggi Lain-lain 1 n11 n12 n13 n14 n15 2 n21 n22 n23 n24 n25 3 n31 n32 n33 n34 n35 4 n41 n42 n43 n44 n45 5 n51 n52 n53 n54 n55 6 n61 n62 n63 n64 n65 7 n71 n72 n73 n74 n75
20
Tabel 3.6 Struktur Data Jenis Kendaraan Terlibat Jenis
Rayon
Kendaraan Terlibat Kecelakaan Sepeda Motor
Mobil Penumpang
Mobil Barang Bus Kendaraan
Khusus 1 n11 n12 n13 n14 n15 2 n21 n22 n23 n24 n25 3 n31 n32 n33 n34 n35 4 n41 n42 n43 n44 n45 5 n51 n52 n53 n54 n55 6 n61 n62 n63 n64 n65 7 n71 n72 n73 n74 n75
3.3 Langkah Analisis dan Diagram Alir
Langkah-langkah analisis yang dilakukan pada penelitian ini adalah sebagai berikut. 1. Mengumpulkan data mengenai angka kecelakaan di
Provinsi Jawa Timur tahun 2015 berdasarkan keparahan, usia, dan pendidikan korban serta jenis kendaraan yang terlibat kecelakaan pada tiap rayon polres.
2. Melakukan analisis korespondensi terjadinya kecelakaan lalu lintas pada tiap rayon polres di Jawa Timur tahun 2015 berdasarkan keparahan korban. a. Menyusun matriks korespondensi dengan membagi
elemen baris dan kolom b. Menyusun matriks profil baris dan profil kolom c. Menentukan nilai Singular Decomposition (SVD) d. Menghitung koordinat profil baris dan kolom e. Menghitung nilai inersia f. Menghitung kontribusi relatif dan kontribusi mutlak g. Menentukan jarak euclidean h. Visualisasi plot antara profil vektor baris dan profil
vektor kolom data keparahan korban kecelakaan dengan jenis polres pada tiap rayon di Jawa Timur.
21
3. Melakukan analisis korespondensi berdasarkan usia korban kecelakaan pada tiap rayon polres di Jawa Timur tahun 2015. a. Menyusun matriks korespondensi dengan membagi
elemen baris dan kolom b. Menyusun matriks profil baris dan profil kolom c. Menentukan nilai Singular Decomposition (SVD) d. Menghitung koordinat profil baris dan kolom e. Menghitung nilai inersia a. Menghitung kontribusi relatif dan kontribusi mutlak f. Menentukan jarak euclidean g. Visualisasi plot antara profil vektor baris dan profil
vektor kolom data usia korban kecelakaan dengan jenis polres pada tiap rayon di Jawa Timur.
4. Menganalisis korespondensi berdasarkan pendidikan korban kecelakaan pada tiap rayon polres di Jawa Timur tahun 2015. a. Menyusun matriks korespondensi dengan membagi
elemen baris dan kolom b. Menyusun matriks profil baris dan profil kolom c. Menentukan nilai Singular Decomposition (SVD) d. Menghitung koordinat profil baris dan kolom e. Menghitung nilai inersia f. Menghitung kontribusi relatif dan kontribusi mutlak g. Menentukan jarak euclidean h. Visualisasi plot antara profil vektor baris dan profil
vektor kolom data pendidikan korban kecelakaan dengan jenis polres pada tiap rayon di Jawa Timur.
5. Melakukan analisis korespondensi berdasarkan jenis kendaraan yang terlibat kecelakaan pada tiap rayon polres di Jawa Timur tahun 2015. b. Menyusun matriks korespondensi dengan membagi
elemen baris dan kolom c. Menyusun matriks profil baris dan profil kolom
22
d. Menentukan nilai Singular Decomposition (SVD) e. Menghitung koordinat profil baris dan kolom f. Menghitung nilai inersia g. Menghitung kontribusi relatif dan kontribusi mutlak h. Menentukan jarak euclidean i. Visualisasi plot antara profil vektor baris dan profil
vektor kolom data kendaraan yang terlibat kecelakaan dengan jenis polres pada tiap rayon di Jawa Timur.
6. Menarik kesimpulan dan saran. Berikut adalah gambaran mengenai diagram alir
berdasarkan langkah analisis yang telah dijabarkan.
Gambar 3.1 Diagram Alir Penelitian
23
BAB IV ANALISIS DAN PEMBAHASAN
Gambaran mengenai karakteristik dari jumlah kejadian
kecelakaan yang tercatat pada setiap rayon polres di Jawa Timur tahun 2015. Berikut adalah diagram batang yang menunjukkan banyaknya jumlah kejadian kecelakaan berdasarkan keparahan korban.
Gambar 4.1 Jumlah Korban Kecelakaan
Gambar 4.1 menunjukkan bahwa dari 7 rayon polres di Jawa Timur jika dilihat berdasarkan keparahan korbannya sebagian besar korban kecelakaannya mengalami luka ringan. Rayon IV menunjukkan jumlah korban kecelakaan yang mengalami luka ringan paling besar dibandingkan rayon lain sedangkan jumlah korban kecelakaan terendah untuk korban mengalami luka ringan berada pada Rayon VII. Jumlah korban luka berat paling tinggi terdapat pada Rayon III dan terendah
0 2,000 4,000 6,000 8,000
Rayon I
Rayon II
Rayon III
Rayon IV
Rayon V
Rayon VI
Rayon VII
1161
368
762
96
7276
703
KORBAN LR
KORBAN LB
KORBAN MD
24
pada Rayon V. Selain itu ditunjukkan bahwa Rayon IV jumlah korban meninggal dunia akibat kecelakaan paling banyak dan paling rendah terdapat pada Rayon VII.
1.1 Pola Kecenderungan Keparahan Korban Kecelakaan Lalu Lintas Melakukan analisis korespondensi terjadinya
kecelakaan lalu lintas pada tiap rayon polres di Jawa Timur tahun 2015 berdasarkan keparahan korban. Berikut adalah pengujian independensi dan analisis korespondensi antara jenis rayon polres dan jenis keparahan korban. Hipotesis: H0: Tidak ada hubungan antara jenis keparahan korban dengan
jenis rayon polres (independen). H1: Ada hubungan antara jenis keparahan korban dengan
jenis rayon polres (dependen). Taraf signifikan: 05,0 Daerah kritis: Tolak H0, jika 2
db,2
atau P-value < )05,0( Berdasarkan persamaan (2.2) diperoleh nilai chi-square sebesar 2405 yang dapat dilihat pada hasil output pada Lampiran 5a. Ini menunjukkan bahwa terdapat hubungan antara jenis keparahan korban dengan jenis rayon polres di Jawa Timur. Hal tersebut dibuktikan dengan nilai chi-square sebesar 2405 lebih besar dari 21,026 sehingga diperoleh keputusan tolak H0. Setelah dilakukan pengujian independensi akan dianalisis korespondensi antara jenis rayon polres dan jenis keparahan korban.
a. Reduksi Dimensi Analisis korespondensi salah satunya digunakan untuk
mereduksi dimensi variabel. Berdasarkan persamaan (2.14) dan persamaan (2.19) maka diperoleh hasil output pada Lampiran 6d diringkas pada Tabel 4.2 untuk mengetahui pola kecenderungan antarajenis keparahan korban dengan jenis rayon polres.
25
Tabel 4.1 Reduksi Dimensi Keparahan Korban
Dimensi Inersia Proporsi Proporsi Kumulatif
1 0,066 0,904 0,904 2 0,007 0,096 1,000
Tabel 4.1 menunjukkan bahwa dimensi 1 memiliki nilai inersia sebesar 0,066 dan secara keseluruhan dimensi 1 dapat menjelaskan keragaman data sebesar 90,4%.
b. Kontribusi dari Profil Baris Tabel 4.2 adalah nilai kontribusi baris menuju dimensi
inersia atau sebaliknya disetiap profil baris untuk mengetahui pola kecenderungan antara jenis keparahan korban dengan jenis rayon polres. Berdasarkan persamaan (2.23) maka diperoleh nilai kontribusi baris menuju dimensi inersia dan persamaan (2.25) digunakan untuk mendapatkan nilai kontribusi dimensi ke inersia baris sesuai Lampiran 6e yang diringkas pada Tabel 4.3 berikut.
Tabel 4.2 Output Profil Baris Keparahan Korban
Jenis Rayon Kontribusi Baris Ke
Dimensi Inersia Kontribusi Dimensi Ke
Inersia Baris Dimensi 1 Dimensi 2 Dimensi 1 Dimensi 2
Rayon 1 0,016 0,079 0,653 0,347 Rayon 2 0,001 0,109 0,073 0,927 Rayon 3 0,688 0,146 0,978 0,022 Rayon 4 0,128 0,006 0,995 0,005 Rayon 5 0,040 0,093 0,801 0,199 Rayon 6 0,048 0,056 0,890 0,110 Rayon 7 0,079 0,511 0,594 0,406
Tabel 4.2 diketahui bahwa anggota rayon yang masuk dalam dimensi 1 dengan nilai kontribusi terbesar pertama adalah Rayon III sebesar 68,8% dan nilai kontribusi terbesar kedua sebesar 12,8% pada Rayon IV. Jadi nilai total kontribusi pada dimensi 1 sebesar 81,6%. Penyusun kontribusi dimensi
26
menuju inersia baris terbesar pada dimensi 1 sebesar 99,5% terdapat pada Rayon IV yang artinya dimensi 1 dapat menjelaskan 99,5% terhadap kategori Rayon IV.
Kategori yang termasuk pada dimensi 2 dengan nilai kontribusi terbesar pertama adalah Rayon VII sebesar 51,1% dilanjutkan dengan Rayon II dengan nilai kontribusinya sebesar 10,9%. Selanjutnya adalah Rayon V dengan nilai kontribusi sebesar 9,3% dan kontribusi terbesar keempat adalah Rayon I sebesar 7,9%. Nilai kontribusi terbesar kelima pada dimensi 2 terdapat pada rayon VI sebesar 5,6%. Kelima kategori rayon polres nilai total kontribusinya sebesar 84,8% artinya kategori Rayon I, Rayon II, Rayon V sampai Rayon VII mampu menjelaskan keragaman data pada dimensi 2 sebesar 84,8%. Penyusunan kontribusi dimensi menuju inersia baris terbesar pada dimensi 2 terdapat pada Rayon II sebesar 92,7%. Sehingga dapat dikatakan bahwa dimensi 2 dapat menjelaskan 92,7% terhadap kategori Rayon II.
c. Kontribusi dari Profil Kolom Hasil pengelompokkan pada profil kolom untuk mengetahui pola kecenderungan antara jenis keparahan korban dengan jenis rayon polres. Berdasarkan persamaan (2.24) dan persamaan (2.26) diperoleh hasil output sesuai Lampiran 6f yang diringkas pada Tabel 4.3.
Tabel 4.3 Output Profil Kolom Keparahan Korban Profil Kolom Keparahan
Korban
Kontribusi Kolom Ke Dimensi Inersia
Kontribusi Dimensi Ke Inersia Kolom
Dimensi 1 Dimensi 2 Dimensi 1 Dimensi 2 Meninggal Dunia 0,072 0,768 0,469 0,531
Luka Berat 0,816 0,139 0,982 0,018 Luka Ringan 0,112 0,093 0,920 0,080
Tabel 4.3 menunjukkan bahwa keparahan korban kecelakaan yang masuk dalam dimensi 1 dengan kontribusi
27
terbesar pertama adalah luka berat sebesar 81,6% sedangkan kontribusi terbesar kedua sebesar 11,2% pada kategori luka ringan. Jadi total kontribusi pada dimensi 1 sebesar 92,8%. Penyusun kontribusi dimensi menuju titik inersia kolom terbesar pada dimensi 1 sebesar 98,2% yaitu dari kategori korban luka berat artinya dimensi 1 dapat menjelaskan 98,2% terhadap variabel luka berat. Pada variabel korban luka berat mempunyai kontribusi terbesar pada dimensi 2 sebesar 76,8%. Penyusun kontribusi dimensi menuju titik inersia kolom terbesar dimensi 2 terdapat pada kategori korban meninggal dunia sebesar 53,1%. Sehingga dapat dikatakan bahwa dimensi 2 mampu menjelaskan 53,1% terhadap kategori korban meninggal dunia.
d. Plot Korespondensi Sebelum melakukan visualisasi dalam bentuk plot
terhadap pengelompokan kecenderungan antara jenis keparahan korban dengan jenis rayon polres di Jawa Timur maka perlu menentukan nilai koordinat profil baris dan koordinat profil kolom. Berikut adalah nilai koordinat profil baris diperoleh dari persamaan (2.17) sesuai Lampiran 6e yang disajikan pada Tabel 4.4 dan nilai koordinat profil kolom disajikan pada Tabel 4.5 yang didapatkan dari persamaan (2.18) berdasarkan hasil output Lampiran 6f.
Tabel 4.4 Koordinat Profil Baris Keparahan Korban Jenis Rayon Dimensi 1 Dimensi 2 Rayon 2 -0,04 0,25 Rayon 3 -1,101 -0,289 Rayon 4 0,357 -0,045 Rayon 5 0,284 -0,248 Rayon 6 0,319 -0,196 Rayon 7 -0,754 1,093
28
Tabel 4.4 menunjukkan nilai koordinat profil baris diperoleh dari nilai kontribusi baris/kolom menuju dimensi inersia ataupun sebaliknya. Nilai koordinat tersebut digunakan untuk menggambarkan plot korespondensi berdasarkan letak dari profil baris dan profil kolom yaitu dengan melihat jarak terdekat antara profil baris dan profil kolom.
Tabel 4.5 Koordinat Profil Kolom Keparahan Korban Keparahan
Korban Dimensi 1 Dimensi 2
MD -0,340 0,633 LB -2,156 -0,508 LR 0,190 -0,099
Tabel 4.5 menunjukkan nilai koordinat profil kolom untuk membuat plot korespondensi. Selanjutnya melihat jarak terdekat antara profil baris dan profil kolom sehingga diperoleh pola kecenderungan antara jenis rayon polres dan jenis keparahan korban. Visualisasi plot penggabungan antara koordinat profil baris dan profil kolom yang digunakan untuk melihat pola kecenderungan antara jenis rayon polres dengan jenis keparahan korban. Berikut adalah gambaran mengenai pola kecenderungan antara jenis rayon polres di Jawa Timur dengan jenis keparahan korban.
29
Gambar 4.2 Plot Korespondensi Keparahan Korban
Gambar 4.2 secara visual dapat dijelaskan pola kecenderungan yaitu pada Rayon VII mempunyai kecenderungan korban kecelakaannya meninggal dunia (MD) dan pada Rayon III korban kecelakaan cenderung mengalami luka berat (LB) khususnya di daerah Polres Banyuwangi. Sebagian besar korban kecelakaan pada Rayon I, Rayon II, Rayon IV, Rayon V, dan Rayon VI cenderung keparahan korbannya adalah luka ringan (LR) yang disebabkan kecelakaan tunggal. Pada Rayon VII paling sering terjadi kecelakaan tabrak lari dan menyebabkan korbannya meninggal dunia menurut data Dinas Perhubungan dan LLAJ Provinsi Jawa Timur.
e. Jarak Euclidean Perhitungan jarak euclidean untuk melihat pola
kecenderungan antara jenis keparahan korban dengan jenis
30
rayon polres secara matematis berdasarkan persamaan (2.27) maka dapat diringkas pada Tabel 4.6.
Tabel 4.6 Jarak Euclidean Keparahan Korban
Kesatuan Polres
Jenis Keparahan Korban Meninggal
Dunia Luka Berat Luka Ringan
Rayon 1 0,65906904 2,4176834 0,29993333 Rayon 2 0,48650694 2,2476699 0,41797249 Rayon 3 1,19549362 1,0774906 1,30490651 Rayon 4 0,97236464 2,5552961 0,17551353 Rayon 5 1,07960039 2,4538134 0,17617321 Rayon 6 1,05901936 2,4945879 0,16140012 Rayon 7 0,61886671 2,1280989 1,52052622
Tabel 4.6 yang menunjukkan bahwa pada Rayon VII cenderung korban kecelakaannya meninggal dunia. Pada Rayon III korban kecelakaan cenderung mengalami luka berat. Rayon I, Rayon II, Rayon IV, Rayon V, dan Rayon VI cenderung mengalami keparahan korban kecelakaan mengalami luka ringan.
1.2 Pola Kecenderungan Usia Korban Kecelakaan Lalu Lintas
Analisis korespondensi dilakukan untuk membuat pola kecenderungan antara jenis rayon polres di Jawa Timur dengan usia korban kecelakaan. Berikut adalah pengujian independensi dan analisis korespondensi antara jenis rayon polres dan kategori usia korban. Berikut adalah pengujian independensi untuk melihat apakah ada hubungan atau tidak antara jenis rayon polres dengan kategori usia korban kecelakaan. Hipotesis: H0: Tidak ada hubungan antara kategori usia korban dengan
jenis rayon polres (independen).
31
H1: Ada hubungan antara kategori usia korban dengan jenis rayon polres (dependen).
Taraf signifikan: 05,0 Daerah kritis: Tolak H0, jika 2
,2
db atau P-value < )05,0(
Hasil pengujian independensi diperoleh melalui perhitungan pada persamaan (2.2) sesuai Lampiran 5b. Diperoleh nilai chi-square sebesar 761,5 lebih besar dari 43,773 sehingga diperoleh keputusan tolak H0. Kesimpulan yang dapat diambil adalah terdapat hubungan antara kategori usia korban dengan jenis rayon polres. Maka selanjutnya akan dilakukan analisis korespondensi antara jenis rayon polres dan kategori usia korban.
a. Reduksi Dimensi Mereduksi dimensi untuk melihat pola kecenderungan
antara kategori usia korban dengan jenis rayon polres berdasarkan persamaan (2.14) dan persamaan (2.19) maka diperoleh hasil output pada Lampiran 7d diringkas pada Tabel 4.7 adalah sebagai berikut.
Tabel 4.7 Reduksi Dimensi Usia Korban
Dimensi Inersia Proporsi Proporsi Kumulatif
1 0,017 0,725 0,725 2 0,004 0,179 0,904 3 0,001 0,059 0,964 4 0,001 0,026 0,989 5 0,000 0,011 1,000
Tabel 4.7 dapat dilihat bahwa dimensi 1 mempunyai nilai inersia sebesar 0,017 dan proporsi sebesar 0,725. Nilai inersia pada dimensi 2 sebesar 0,004 dengan proporsi sebesar 0,179 dan pada dimensi 3 diperoleh nilai inersia sebesar 0,001 dengan proporsi sebesar 0,059. Selanjutnya diperoleh nilai inersia pada dimensi 4 sebesar 0,001 dengan nilai proporsinya
32
sebesar 0,026. Secara keseluruhan dari keempat dimensi mampu menjelaskan keragaman data sebesar 98,9%. b. Kontribusi dari Profil Baris Berdasarkan persamaan (2.23) dan persamaan (2.25) sesuai Lampiran 7e dapat diringkas pada Tabel 4.8 mengenai hasil pengelompokkan pada profil baris berupa kontribusi baris ke dimensi inersia atau sebaliknya untuk mengetahui pola kecenderungan antara kategori usia korban dengan jenis rayon polres sebagai berikut.
Tabel 4.8 Output Profil Baris Usia Korban
Jenis Rayon Polres
Kontribusi Baris Ke Dimensi Inersia
Kontribusi Dimensi Ke Inersia Baris
Dimensi 1 Dimensi 2 Dimensi 1 Dimensi 2 Rayon 1 0,002 0,028 0,070 0,276 Rayon 2 0,304 0,021 0,925 0,016 Rayon 3 0,035 0,705 0,166 0,818 Rayon 4 0,538 0,005 0,971 0,002 Rayon 5 0,018 0,003 0,288 0,013 Rayon 6 0,045 0,235 0,396 0,506 Rayon 7 0,058 0,003 0,707 0,009
Tabel 4.8 menunjukkan bahwa kesatuan polres yang masuk ke dalam dimensi 1 dengan nilai kontribusi terbesar pertama adalah Rayon IV sebesar 53,8%, nilai terbesar kedua dengan kontribusinya sebesar 30,4% pada Rayon II, dan ketiga terdapat pada Rayon VII dengan nilai kontribusi sebesar 5,8%. Nilai kontribusi terkecil terdapat pada Rayon V sebesar 1,8%.. Jadi nilai total kontribusi pada dimensi 1 adalah sebesar 91,8% yang artinya kategori Rayon II, Rayon IV, Rayon V, dan Rayon VII dapat menjelaskan keragaman data pada dimensi 1 sebesar 91,8%. Penyusun kontribusi dimensi menuju titik inersia baris terbesar pada dimensi 1 sebesar 97,1% terdapat pada Rayon IV yang artinya dimensi 1 mampu menjelaskan 97,1% terhadap kategori Rayon IV.
33
Pada kategori rayon polres yang masuk pada dimensi 2 dengan nilai kontribusi terbesar pertama adalah Rayon III sebesar 70,5%, selanjutnya Rayon VI dengan nilai kontribusi sebesar 23,5%. Nilai kontribusi terkecil pada dimensi 2 sebesar 2,8% pada Rayon I. Jadi ketiga kategori rayon polres mempunyai nilai total kontribusi sebesar 96,8% artinya kategori Rayon I, Rayon III, dan Rayon VI dapat menjelaskan keragaman data pada dimensi 2 sebesar 96,8%. Penyusunan kontribusi dimensi menuju titik inersia baris terbesar pada dimensi 2 terdapat pada Rayon III sebesar 81,8%. Jadi dapat dikatakan bahwa dimensi 2 mampu menjelaskan 81,8% terhadap kategori Rayon III.
c. Kontribusi dari Profil Kolom Analisis korespondensi salah satunya digunakan untuk mengelompokkan kriteria dari variabel menjadi 2 dimensi berdasarkan persamaan (2.24) maka diperoleh nilai kontribusi kolom menuju dimensi inersia dan persamaan (2.26) digunakan untuk mendapatkan nilai kontribusi dimensi ke inersia kolom sesuai hasil output Lampiran 7f yang diringkas pada Tabel 4.9 adalah sebagai berikut.
Tabel 4.9 Output Profil Kolom Usia Korban Profil
Kolom Usia Korban
Kontribusi Kolom Ke Dimensi Inersia
Kontribusi Dimensi Ke Inersia Kolom
Dimensi 1 Dimensi 2 Dimensi 1 Dimensi 2 0-9 0,111 0,008 0,679 0,012 10-15 0,287 0,021 0,944 0,017 16-30 0,507 0,007 0,983 0,003 31-40 0,021 0,079 0,313 0,287 41-50 0,067 0,560 0,304 0,630 > 51 0,006 0,324 0,057 0,750
Tabel 4.9 dapat ditunjukkan bahwa kategori usia korban yang terdapat dalam dimensi 1 adalah korban berusia 16-30 tahun dengan kontribusi terbesar pertama sebesar 50,7%, kontribusi terbesar kedua sebesar 28,7% pada kategori usia 10-
34
15 tahun. Nilai kontribusi terbesar ketiga dalam dimensi 1 terdapat pada kategori usia 0-9 tahun. Penyusun kontribusi dimensi menuju titik inersia kolom terbesar pada dimensi 1 sebesar 98,3% yaitu kategori korban berusia 16-30 tahun artinya dimensi 1 mampu menjelaskan 98,3% terhadap kategori usia 16-30 tahun. Kontribusi terbesar pertama pada dimensi 2 adalah kategori korban berusia 41-50 tahun sebesar 56% dan kontribusi terbesar kedua terdapat pada korban berusia lebih dari 51 tahun sebesar 32,4%. Pada usia korban 31-40 tahun mempunyai kontribusi sebesar 7,9%. Jadi total kontribusi yang masuk ke dalam dimensi 2 sebesar 96,3%. Penyusun kontribusi dimensi menuju titik inersia kolom terbesar pada dimensi 2 adalah kategori korban berusia lebih dari 51 tahun sebesar 75%. Sehingga dapat dikatakan bahwa dimensi 2 mampu menjelaskan 75% terhadap kategori korban berusia lebih dari 51 tahun.
d. Plot Korespondensi Pengelompokan kecenderungan antara kategori usia
korban dengan jenis rayon polres berdasarkan nilai koordinat profil baris dan koordinat profil kolom sesuai di setiap dimensi yang berkaitan menggunakan plot korespondensi. Nilai koordinat profil baris diperoleh dari persamaan (2.17) sesuai Lampiran 7e yang disajikan pada Tabel 4.10 dan nilai koordinat profil kolom disajikan pada Tabel 4.11 yang didapatkan dari persamaan (2.18) berdasarkan hasil output Lampiran 7f.
35
Tabel 4.10 Koordinat Profil Baris Usia Korban Jenis
Rayon Dimensi 1 Dimensi 2
Rayon 1 -0,037 0,104 Rayon 2 -0,519 0,096 Rayon 3 -0,177 -0,558 Rayon 4 0,519 0,036 Rayon 5 0,134 -0,04 Rayon 6 -0,219 0,351 Rayon 7 -0,459 0,073
Tabel 4.10 diperoleh nilai koordinat profil baris dari nilai kontribusi baris/kolom menuju dimensi inersia maupun sebaliknya. Nilai koordinat tersebut digunakan untuk menggambarkan plot korespondensi berdasarkan letak dari profil baris dan profil kolom.
Tabel 4.11 Koordinat Profil Kolom Usia Korban Usia
Korban Dimensi 1 Dimensi 2
0-9 0,560 -0,107 10-15 0,655 0,125 16-30 -0,425 -0,036 31-40 0,127 0,173 41-50 0,221 -0,451 >51 0,071 0,364
Tabel 4.11 menggambarkan nilai koordinat profil kolom untuk membuat plot korespondensi. Penentuan pola kecenderungan antara jenis rayon polres dan kategori usia korban dengan melihat jarak terdekat antara profil baris dan profil kolom. Visualisasi plot penggabungan antara koordinat profil baris dan profil kolom yang digunakan untuk melihat pola
36
kecenderungan antara jenis rayon polres dengan kategori usia korban adalah sebagai berikut.
Gambar 4.3 Plot Korespondensi Usia Korban
Gambar 4.3 dapat dilihat secara visual menunjukkan pola kecenderungan pada Rayon II dan Rayon VII cenderung korban kecelakaannya berusia 16-30 tahun. Pada Rayon VI korban kecelakaan cenderung berusia lebih dari 51 tahun. Rayon I dan Rayon V cenderung korbannya berusia 31-40 tahun sedangkan Rayon III korban kecelakaan cenderung berusia 41-50 tahun. Pada Rayon IV korban cenderung berusia 0-9 tahun. e. Jarak Euclidean
Perhitungan jarak euclidean untuk melihat pola kecenderungan antara kategori usia korban dengan jenis rayon polres secara matematis berdasarkan persamaan (2.27) maka dapat diringkas pada Tabel 4.12 adalah sebagai berikut.
37
Tabel 4.12 Jarak Euclidean Usia Korban Rayon Polres
Usia Korban 0-9 10-15 16-30 31-40 41-51 >51
Rayon 1 0,6332 0,6923 0,4125 0,1779 0,612 0,2815 Rayon 2 1,0979 1,1744 0,162 0,6506 0,9202 0,648 Rayon 3 0,864 1,0764 0,5779 0,7917 0,4121 0,9548 Rayon 4 0,1488 0,1625 0,9467 0,4153 0,5709 0,5552 Rayon 5 0,4312 0,5465 0,559 0,2131 0,4201 0,4089 Rayon 6 0,9037 0,9027 0,4384 0,3891 0,9148 0,2903 Rayon 7 1,0348 1,1152 0,1142 0,5945 0,8585 0,6046
Tabel 4.12 ditunjukkan bahwa pada Rayon IV cenderung korban kecelakaannya berusia 0-9 tahun. Rayon II dan Rayon VII memiliki kecenderungan korban kecelakaan berusia 16-30 tahun. Pada Rayon I dan Rayon V korban cenderung berusia 31-40 tahun. Pada Rayon III cenderung korbannya berusia 41-51 tahun dan Rayon VI korban cenderung berusia lebih dari 51 tahun.
1.3 Pola Kecenderungan Pendidikan Korban Kecelakaan Lalu Lintas Analisis korespondensi untuk mendapatkan pola
kecenderungan pendidikan korban kecelakaan lalu lintas pada rayon polres di Jawa Timur. Selanjutnya dilakukan pengujian independensi untuk melihat apakah ada hubungan atau tidak antara jenis rayon polres dengan kategori pendidikan korban kecelakaan adalah sebagai berikut. Hipotesis: H0: Tidak ada hubungan antara pendidikan korban dengan
jenis rayon polres (independen). H1: Ada hubungan antara pendidikan korban dengan jenis
rayon polres (dependen). Taraf signifikan: 05,0 Daerah kritis: Tolak H0, jika 2
db,2
atau P-value < )05,0(
38
Berdasarkan persamaan (2.2) sesuai hasil output Lampiran 5c diperoleh nilai chi-square sebesar 2133. Sehingga dapat ditunjukkan bahwa terdapat hubungan antara pendidikan korban dengan jenis rayon polres. Hal tersebut dibuktikan dengan nilai chi-square sebesar 2133 lebih besar dari 36,415 sehingga diperoleh keputusan tolak H0. Selanjutnya dilakukan analisis korespondensi antara jenis rayon polres dan pendidikan korban. a. Reduksi Dimensi
Analisis korespondensi dilakukan untuk mereduksi dimensi dengan melihat pola kecenderungan antara pendidikan korban dan jenis rayon polres berdasarkan persamaan (2.14) dan persamaan (2.19) maka diperoleh hasil output pada Lampiran 8d diringkas pada Tabel 4.13 adalah sebagai berikut.
Tabel 4.13 Reduksi Dimensi Pendidikan Korban
Dimensi Inersia Proporsi Proporsi Kumulatif
1 0,043 0,662 0,662 2 0,016 0,247 0,909 3 0,006 0,086 0,995 4 0,000 0,005 1,000
Tabel 4.13 menunjukkan bahwa dimensi 1 mempunyai nilai inersia sebesar 0,043 dengan proporsi sebesar 0,662 sedangkan dimensi 2 didapatkan nilai inersia sebesar 0,016 dengan proporsi sebesar 0,247. Selanjutnya diperoleh nilai inersia sebesar 0,006 pada dimensi 3 dengan nilai proporsi sebesar 0,086. Jadi secara keseluruhan ketiga dimensi mampu menjelaskan keragaman data sebesar 99,5%.
b. Kontribusi dari Profil Baris Berdasarkan persamaan (2.23) maka diperoleh nilai kontribusi baris menuju dimensi inersia dan persamaan (2.25) digunakan untuk mendapatkan nilai kontribusi dimensi ke
39
inersia baris sesuai Lampiran 8e yang diringkas pada Tabel 4.14 berikut.
Tabel 4.14 Output Profil Baris Pendidikan Korban
Jenis Rayon Polres
Kontribusi Baris Ke Dimensi Inersia
Kontribusi Dimensi Ke Inersia Baris
Dimensi 1 Dimensi 2 Dimensi 1 Dimensi 2 Rayon 1 0,189 0,053 0,877 0,092 Rayon 2 0,041 0,007 0,501 0,030 Rayon 3 0,006 0,077 0,077 0,392 Rayon 4 0,048 0,651 0,163 0,828 Rayon 5 0,065 0,030 0,660 0,115 Rayon 6 0,071 0,013 0,893 0,059 Rayon 7 0,581 0,170 0,868 0,095
Tabel 4.14 dapat dilihat bahwa kesatuan polres yang masuk dalam dimensi 1 adalah Rayon VII dengan nilai kontribusi terbesar pertama sebesar 58,1% diikuti Rayon I dengan nilai kontribusi sebesar 18,9%. Nilai kontribusi terbesar ketiga terdapat pada Rayon VI sebesar 7,1%, pada Rayon V nilai kontribusinya sebesar 6,5%, dan nilai kontribusi terbesar kelima pada Rayon II sebesar 4,1%. Jadi nilai total kontribusi pada dimensi 1 adalah sebesar 94,7% yang artinya kategori Rayon I, Rayon II, Rayon V sampai Rayon VII dapat menjelaskan keragaman data pada dimensi 1 sebesar 94,7%. Penyusun kontribusi dimensi menuju inersia baris terbesar pada dimensi 1 sebesar 89,3% terdapat pada Rayon VI yang artinya dimensi 1 dapat menjelaskan 89,3% terhadap kategori Rayon VI.
Kategori kesatuan polres yang masuk dalam dimensi 2 dengan nilai kontribusi terbesar pertama adalah Rayon IV sebesar 65,1% lalu nilai kontribusi terbesar kedua terdapat pada Rayon III sebesar 7,7%. Nilai total kontribusi yang masuk pada dimensi 2 sebesar 72,8% artinya Rayon III, Rayon IV dapat menjelaskan keragaman data pada dimensi 2 sebesar 72,8%. Penyusunan kontribusi dimensi menuju inersia baris
40
terbesar pada dimensi 2 terdapat pada Rayon IV sebesar 82,8%. Jadi dapat dikatakan bahwa dimensi 2 mampu menjelaskan 82,8% terhadap kategori Rayon IV.
c. Kontribusi dari Profil Kolom Tabel 4.15 adalah gambaran analisis korespondensi
untuk mengelompokkan kriteria dari variabel pada 2 dimensi maka diperoleh nilai kontribusi kolom menuju dimensi inersia pada persamaan (2.23) dan persamaan (2.25) digunakan untuk mendapatkan nilai kontribusi dimensi ke inersia kolom sesuai Lampiran 8f yang diringkas pada Tabel 4.15 berikut.
Tabel 4.15 Output Profil Kolom Pendidikan Korban
Pendidikan Korban
Kontribusi Kolom Ke Dimensi Inersia
Kontribusi Dimensi Ke Inersia Kolom
Dimensi 1 Dimensi 2 Dimensi 1 Dimensi 2 SD 0,691 0,119 0,934 0,060 SLTP 0,021 0,707 0,072 0,916 SLTA 0,228 0,097 0,859 0,137 Perguruan Tinggi 0,031 0,056 0,406 0,273
Lain-lain 0,030 0,021 0,212 0,055
Tabel 4.15 diketahui bahwa pendidikan korban kecelakaan yang masuk ke dalam dimensi 1 adalah korban yang berpendidikan SD dengan kontribusi terbesar pertama sebesar 69,1%. Nilai kontribusi terbesar ketiga pada korban yang berpendidikan SLTA sebesar 22,8% dan nilai kontribusi terbesar ketiga sebesar 3% terdapat pada kategori pendidikan korbannya adalah lain-lain berupa anak seusia Taman Kanak-kanak (TK) atau korban tanpa tanda pengenal. Penyusunan kontribusi dimensi menuju inersia kolom terbesar pada dimensi 1 sebesar 93,4% yaitu dari kategori tingkat pendidikan SD artinya dimensi 1 dapat menjelaskan 93,4% terhadap tingkat pendidikan SD. Nilai kontribusi terbesar pertama pada dimensi 2 adalah korban dengan tingkat pendidikan SLTP sebesar 70,7% diikuti
41
kontribusi terbesar kedua pada korban yang berpendidikan di Perguruan Tinggi sebesar 5,6%. Jadi total nilai kontribusi pada dimensi 2 sebesar 76,3%. Penyusun kontribusi dimensi menuju inersia kolom terbesar pada dimensi 2 adalah kategori pendidikan korban SLTP sebesar 91,6%. Jadi dapat dikatakan bahwa dimensi 2 mampu menjelaskan 91,6% terhadap kategori korban yang berpendidikan SLTP.
d. Plot Korespondensi Pengelompokan kecenderungan antara pendidikan
korban dengan jenis rayon polres di Jawa Timur menggunakan plot korespondensi berdasarkan nilai koordinat profil baris dan koordinat profil kolom di setiap dimensi yang berkaitan.
Nilai koordinat profil baris diperoleh dari persamaan (2.17) sesuai Lampiran 8e yang disajikan pada Tabel 4.16 dan nilai koordinat profil kolom disajikan pada Tabel 4.17 yang didapatkan dari persamaan (2.18) berdasarkan hasil output Lampiran 8f.
Tabel 4.16 Koordinat Profil Baris Pendidikan Korban Jenis Rayon Dimensi 1 Dimensi 2
Rayon 1 -0,483 -0,201 Rayon 2 0,241 -0,075 Rayon 3 0,09 -0,259 Rayon 4 0,196 0,564 Rayon 5 -0,327 -0,174 Rayon 6 -0,347 -0,114 Rayon 7 1,833 -0,775
Tabel 4.16 diperoleh nilai koordinat profil baris dari nilai kontribusi baris/kolom menuju dimensi inersia maupun sebaliknya. Nilai koordinat tersebut digunakan untuk menggambarkan plot korespondensi berdasarkan letak dari profil baris dan profil kolom.
42
Tabel 4.17 Koordinat Profil Kolom Pendidikan Korban Pendidikan
Korban Dimensi 1 Dimensi 2
SD 1,177 -0,382 SLTP 0,161 0,737 SLTA -0,266 -0,136 Perguruan Tinggi 0,399 0,419
Lain-lain 0,479 -0,311
Tabel 4.17 menggambarkan nilai koordinat profil kolom untuk membuat plot korespondensi. Penentuan pola kecenderungan antara jenis rayon polres dan kategori pendidikan korban dengan melihat jarak terdekat antara profil baris dan profil kolom. Visualisasi plot penggabungan antara koordinat profil baris dan profil kolom yang digunakan untuk melihat pola kecenderungan antara jenis rayon polres dengan kategori pendidikan korban. Secara visual dapat dilihat pada Gambar 4.4 pola kecenderungan pada Rayon IV korban kecelakaan cenderung berpendidikan SLTP sedangkan pada Rayon I, Rayon V, dan Rayon VI cenderung korban kecelakaan masuk dalam kategori tingkat pendidikan korbannya adalah SLTP. Korban kecelakaan pada Rayon II masuk dalam kategori tingkat pendidikan lain-lain berupa anak seusia Taman Kanak-kanak (TK) atau korban tanpa tanda pengenal. Pada Rayon VII kecenderungan korban kecelakaannya mempunyai tingkat pendidikan SD.
43
Gambar 4.4 Plot Korespondensi Pendidikan Korban
e. Jarak Euclidean Jarak euclidean digunakan untuk menggambarkan pola
kecenderungan antara kategori tingkat pendidikan korban dengan jenis rayon polres secara matematis berdasarkan persamaan (2.27) maka dapat diringkas pada Tabel 4.18 adalah sebagai berikut.
Tabel 4.18 Jarak Euclidean Pendidikan Korban
SD SLTP SLTA Perguruan Tinggi
Lain-lain
Rayon 1 1,6698 1,1378 0,2265 1,0781 0,9683 Rayon 2 0,9851 0,8159 0,5107 0,5187 0,3352 Rayon 3 1,0939 0,9985 0,3766 0,7451 0,3925 Rayon 4 1,3628 0,1765 0,8387 0,2495 0,9196 Rayon 5 1,5183 1,0335 0,0719 0,9374 0,8176 Rayon 6 1,5474 0,9911 0,0839 0,9168 0,8492 Rayon 7 0,7647 2,2543 2,1941 1,866 1,4313
44
Tabel 4.18 menunjukkan bahwa Rayon VII cenderung korban kecelakaannya berpendidikan SD. Rayon IV korban kecelakaannya cenderung berpendidikan SLTP dan Rayon II cenderung korban kecelakaan masuk dalam kategori pendidikan adalah lain-lain berupa anak seusia Taman Kanak-kanak (TK) atau korban tanpa tanda pengenal. Pada Rayon I, Rayon III, Rayon V, dan Rayon VI cenderung korbannya berpendidikan SLTA.
1.4 Pola Kecenderungan Kendaraan yang Terlibat
dalam Kecelakaan Lalu Lintas Analisis korespondensi terhadap jenis kendaraan yang
terlibat dalam kecelakaan lalu lintas pada rayon polres di Jawa Timur. Namun akan dilakukan pengujian independensi untuk melihat apakah ada hubungan atau tidak antara jenis rayon polres dengan jenis kendaraan yang terlibat kecelakaan adalah sebagai berikut. Hipotesis: H0: Tidak ada hubungan antara jenis kendaraan yang terlibat
kecelakaan dengan jenis rayon polres (independen). H1: Ada hubungan antara jenis kendaraan yang terlibat
kecelakaan dengan jenis rayon polres (dependen). Taraf signifikan: 05,0 Daerah kritis: Tolak H0, jika 2
db,2
atau P-value < )05,0( Berdasarkan persamaan (2.2) sesuai hasil output Lampiran 5d menunjukkan bahwa keputusan yang diperoleh adalah tolak H0 dikarenakan nilai chi-square sebesar 706,8 lebih besar dari 36,415 dan nilai p-value (0,000) lebih kecil dari 0,05. Jadi dapat dikatakan bahwa terdapat hubungan antara jenis kendaraan yang terlibat kecelakaan dengan jenis rayon polres. Setelah itu dilanjutkan analisis korespondensi antara jenis rayon polres dengan jenis kendaraan yang terlibat kecelakaan.
45
a. Reduksi Dimensi Analisis korespondensi dilakukan untuk mereduksi dimensi dengan melihat pola kecenderungan antara jenis kendaraan yang terlibat kecelakaan dengan jenis rayon polres di Jawa Timur. Berdasarkan persamaan (2.14) dan persamaan (2.19) maka diperoleh hasil output pada Lampiran 9d diringkas pada Tabel 4.19 adalah sebagai berikut.
Tabel 4.19 Reduksi Dimensi Kendaraan yang Terlibat Kecelakaan
Dimensi Inersia Proporsi Proporsi Kumulatif
1 0,011 0,552 0,552 2 0,007 0,380 0,931 3 0,001 0,054 0,985 4 0,000 0,015 1,000
Reduksi dimensi pada Tabel 4.23 menunjukkan bahwa dimensi 1 mempunyai nilai inersia sebesar 0,011 dengan nilai proporsi sebesar 0,552 dan diperoleh nilai inersia sebesar 0,007 pada dimensi 2 dengan proporsi sebesar 0,38. Jadi secara keseluruhan dimensi 1 sampai dimensi 3 mampu menjelaskan keragaman data sebesar 98,5%.
a. Kontribusi dari Profil Baris Tabel 4.20 adalah hasil dari kontribusi baris menuju dimensi inersia atau sebaliknya pada profil baris untuk melihat pola kecenderungan antara jenis kendaraan yang terlibat kecelakaan dengan jenis rayon polres. Berdasarkan persamaan (2.23) untuk mendapatkan nilai kontribusi baris menuju dimensi inersia dan nilai kontribusi dimensi menuju inersia baris didapatkan dari persamaan (2.25) sesuai Lampiran 9e yang diringkas pada Tabel 4.20
46
Tabel 4.20 Output Profil Baris Kendaraan yang Terlibat Kecelakaan
Jenis Rayon Polres
Kontribusi Baris Ke Dimensi Inersia
Kontribusi Dimensi Ke Inersia Baris
Dimensi 1 Dimensi 2 Dimensi 1 Dimensi 2 Rayon 1 0,028 0,013 0,656 0,212 Rayon 2 0,468 0,000 0,967 0,000 Rayon 3 0,017 0,155 0,125 0,786 Rayon 4 0,369 0,004 0,989 0,008 Rayon 5 0,075 0,180 0,338 0,558 Rayon 6 0,001 0,643 0,003 0,990 Rayon 7 0,042 0,005 0,383 0,031
Tabel 4.20 yang menunjukkan bahwa jenis rayon polres yang masuk dalam dimensi 1 adalah Rayon II dengan nilai kontribusi terbesar pertama sebesar 46,8%, pada Rayon IV mempunyai nilai kontribusi terbesar kedua sebesar 36,9%. Nilai kontribusi terbesar ketiga terdapat pada Rayon VII sebesar 4,2% dan kontribusi terbesar keempat pada Rayon I sebesar 2,8%. Jadi total kontribusi baris menuju dimensi inersia pada dimensi 1 sebesar 90,7%. Penyusun kontribusi dimensi menuju inersia baris terbesar pada dimensi 1 sebesar 98,9% terdapat pada Rayon IV yang artinya dimensi 1 dapat menjelaskan 98,9% terhadap kategori Rayon IV.
Pada kategori rayon polres yang masuk dalam dimensi 2 mempunyai nilai kontribusi terbesar pertama sebesar 64,3% terdapat pada Rayon VI, nilai kontribusi terbesar kedua terdapat pada Rayon V sebesar 18%. Selanjutnya nilai kontribusi ketiga pada dimensi 2 adalah Rayon III dengan nilai kontribusi sebesar 15,5%. Jadi nilai total kontribusi yang masuk ke dalam dimensi 2 sebesar 97,8% artinya kategori Rayon III, Rayon V, dan Rayon VI dapat menjelaskan keragaman data pada dimensi 2 sebesar 97,8%. Penyusun kontribusi dimensi menuju titik inersia baris terbesar pada dimensi 2 terdapat pada Rayon VI sebesar 99%. Jadi dapat
47
dikatakan bahwa dimensi 2 mampu menjelaskan 99% terhadap kategori Rayon VI.
b. Kontribusi dari Profil Kolom Analisis korespondensi salah satunya digunakan untuk mengelompokkan kriteria dari variabel menjadi 2 dimensi berdasarkan persamaan (2.24) maka diperoleh nilai kontribusi kolom menuju dimensi inersia dan persamaan (2.26) digunakan untuk mendapatkan nilai kontribusi dimensi ke inersia kolom sesuai hasil output Lampiran 9f yang diringkas pada Tabel 4.21 adalah sebagai berikut.
Tabel 4.21 Output Profil Kolom Kendaraan yang Terlibat Kecelakaan
Kendaraan Terlibat Kecelakaan
Kontribusi Kolom Ke Dimensi Inersia
Kontribusi Dimensi Ke Inersia Kolom
Dimensi 1 Dimensi 2 Dimensi 1 Dimensi 2 Sepeda Motor 0,150 0,039 0,845 0,151 Mobil Penumpang 0,221 0,019 0,794 0,046 Mobil Barang 0,518 0,150 0,819 0,163 Bus 0,002 0,007 0,029 0,067 Kendaraan Khusus 0,110 0,786 0,167 0,821
Tabel 4.21 diketahui bahwa kendaraan yang terlibat kecelakaan yang masuk ke dalam dimensi 1 adalah mobil barang dengan kontribusi terbesar pertama sebesar 51,8% dan nilai kontribusi terbesar selanjutnya adalah mobil penumpang sebesar 22,1%. Nilai kontribusi terbesar ketiga pada dimensi 1 terdapat pada jenis kendaraan yang terlibat kecelakaan adalah sepesa motor sebesar 15%. Jadi total kontribusi yang masuk ke dalam dimensi 1 sebesar 88,9% yang artinya jenis kendaraan sepeda motor, mobil penumpang, dan mobil barang yang terlibat kecelakaan mampu menjelaskan keragaman data pada dimensi 1 sebesar 88,9%. Penyusunan kontribusi dimensi menuju titik inersia kolom terbesar pada dimensi 1 sebesar 84,5% yaitu kategori kendaraan sepeda motor artinya dimensi
48
1 dapat menjelaskan 84,5% terhadap kategori kendaraan sepeda motor. Nilai kontribusi terbesar pertama pada dimensi 2 adalah kategori kendaraan khusus sebesar 78,6% dan kontribusi terbesar selanjutnya terdapat pada kendaraan bus sebesar 0,7%. Total kontribusi pada dimensi 2 sebesar 79,3%. Penyusun kontribusi dimensi menuju inersia kolom terbesar pada dimensi 2 adalah kategori kendaraan khusus sebesar 82,1%. Jadi dapat dikatakan bahwa dimensi 2 mampu menjelaskan 82,1% terhadap kategori kendaraan khusus.
c. Plot Korespondensi Pengelompokan kecenderungan antara jenis kendaraan
yang terlibat kecelakaan dengan jenis rayon polres menggunakan gambaran plot korespondensi berdasarkan nilai koordinat profil baris dan koordinat profil kolom di setiap dimensi yang berkaitan adalah sebagai berikut.
Berikut adalah nilai koordinat profil baris diperoleh dari persamaan (2.17) sesuai Lampiran 9e yang disajikan pada Tabel 4.22 dan nilai koordinat profil kolom disajikan pada Tabel 4.23 yang didapatkan dari persamaan (2.18) berdasarkan hasil output Lampiran 9f.
Tabel 4.22 Koordinat Profil Baris Kendaraan yang Terlibat Jenis
Rayon Dimensi 1 Dimensi 2
Rayon 1 -0,124 -0,077 Rayon 2 -0,591 0,008 Rayon 3 -0,113 -0,309 Rayon 4 0,388 0,038 Rayon 5 0,259 -0,365 Rayon 6 0,031 0,646 Rayon 7 -0,360 0,113
Tabel 4.22 diperoleh nilai koordinat profil baris dari nilai kontribusi baris/kolom menuju dimensi inersia maupun sebaliknya. Nilai koordinat tersebut digunakan untuk
49
menggambarkan plot korespondensi berdasarkan letak dari profil baris dan profil kolom.
Tabel 4.23 Koordinat Profil Kolom Kendaraan yang Terlibat Kendaraan
yang Terlibat Dimensi 1 Dimensi 2
Sepeda Motor 0,140 -0,065 Mobil Penumpang -0,515 -0,136
Mobil Barang -0,720 0,353 Bus -0,124 0,209 Kendaraan Khusus 1,165 2,833
Tabel 4.23 menggambarkan nilai koordinat profil kolom untuk membuat plot korespondensi. Penentuan pola kecenderungan antara jenis rayon polres dan jenis kendaraan yang terlibat kecelakaan dengan melihat jarak terdekat antara profil baris dan profil kolom. Visualisasi plot penggabungan antara koordinat profil baris dan profil kolom yang digunakan untuk melihat pola kecenderungan antara jenis rayon polres dengan jenis kendaraan yang terlibat kecelakaan. Secara visual ditunjukkan pada Gambar 4.5 pola kecenderungan pada Rayon II mempunyai kecenderungan kendaraan yang sering terlibat kecelakaan adalah mobil penumpang. Hal tersebut dikarenakan pada Rayon II merupakan kawasan wisata sehingga sebagian besar menggunakan kendaraan pribadi. Rayon VI dan Rayon VII cenderung kendaraan yang terlibat kecelakaan adalah bus. Sebagian besar kecelakaan pada Rayon VI dikarenakan banyak tikungan tajam. Pada Rayon I, Rayon III, Rayon IV, dan Rayon V cenderung kendaraan yang terlibat kecelakaan adalah sepeda motor. Rayon I khususnya pada daerah Polres Gresik sebagian besar jalanan tidak ada marka jalan sehingga sering terjadi kecelakaan. Selain itu, pada daerah Polres Sidoarjo kondisi jalan banyak yang berlubang
50
yang menyebabkan terjadinya kecelakaan menurut data Dinas Perhubungan dan LLAJ Provinsi Jawa Timur.
Gambar 4.5 Plot Korespondensi Kendaraan yang Terlibat Kecelakaan
d. Jarak Euclidean Jarak euclidean digunakan untuk menggambarkan pola
kecenderungan antara jenis kendaraan yang terlibat kecelakaan dengan jenis rayon polres di Jawa Timur secara matematis berdasarkan persamaan (2.27) maka dapat diringkas pada Tabel 4.24.
51
Tabel 4.24 Jarak Euclidean Kendaraan yang Terlibat Kecelakaan
Sepeda Motor
Mobil Penumpang
Mobil Barang Bus Kendaraan
Khusus Rayon 1 0,26427 0,39543 0,73493 0,286 3,18271 Rayon 2 0,73464 0,16283 0,36833 0,50842 3,32628 Rayon 3 0,35149 0,43764 0,89816 0,51812 3,39197 Rayon 4 0,26854 0,91961 1,15191 0,5398 2,90099 Rayon 5 0,32274 0,80717 1,21407 0,69005 3,32386 Rayon 6 0,71931 0,95375 0,80613 0,46367 2,46352 Rayon 7 0,53074 0,2933 0,43267 0,25478 3,11834
Tabel 4.24 mengenai perhitungan jarak euclidean menunjukkan bahwa Rayon I, Rayon III, Rayon IV, dan Rayon V cenderung kendaraan yang sering terlibat kecelakaan adalah sepeda motor. Pada Rayon II kendaraan yang cenderung terlibat kecelakaan adalah mobil penumpang. Pada Rayon VI dan Rayon VII mempunyai kecenderungan kendaraan bus sering terlibat kecelakaan.
53
BAB V PENUTUP
5.1 Kesimpulan Kesimpulan yang diperoleh dari penelitian yang
dilakukan berdasarkan hasil analisis dan pembahasan adalah sebagai berikut. 1. Rayon I, Rayon II, Rayon IV, Rayon V, dan Rayon VI
cenderung korban mengalami luka ringan. Rayon VII korban kecelakaannya cenderung meninggal dunia dan Rayon III korban mengalami luka berat.
2. Pada Rayon II dan Rayon VII cenderung korban kecelakaan berusia 16-30 tahun. Rayon IV cenderung korban kecelakaannya berusia 0-9 tahun. Rayon I dan Rayon V korban cenderung berusia 31-40 tahun. Pada Rayon III cenderung korbannya berusia 41-51 tahun dan Rayon VI korban cenderung berusia lebih dari 51 tahun.
3. Pada Rayon I, Rayon III, Rayon V, dan Rayon VI cenderung korbannya berpendidikan SLTA. Rayon VII cenderung korban kecelakaannya berpendidikan SD dan korban kecelakaan Rayon IV cenderung berpendidikan SLTP. Pada Rayon II korban cenderung masuk dalam kategori pendidikan adalah lain-lain berupa anak seusia Taman Kanak-kanak (TK) atau korban tanpa tanda pengenal.
4. Rayon I, Rayon III, Rayon IV, dan Rayon V cenderung kendaraan yang sering terlibat kecelakaan adalah sepeda motor. Pada Rayon II kendaraan yang cenderung terlibat kecelakaan adalah mobil penumpang. Pada Rayon VI dan Rayon VII mempunyai kecenderungan kendaraan bus sering terlibat kecelakaan.
54
5.2 Saran Saran yang dapat diberikan dari hasil penelitian yang
telah dilakukan adalah sebagai berikut. 1. Rayon VII yaitu pada Polres Sumenep, Pamekasan,
Sampang, dan Bangkalan cenderung korban kecelakaan meninggal dunia, berusia 16-30 tahun sehingga diperlukan sosialisasi kepada masyarakat mengenai rambu, marka, dan peraturan lalu lintas untuk mengurangi kecelakaan lalu lintas.
2. Pada Rayon I, Rayon III, Rayon V, dan Rayon VI kendaraan yang sering terlibat kecelakaan adalah sepeda motor sehingga diperlukan sosialisasi mengenai safety riding pada masyarakat di setiap rayon polres tersebut.
3. Rayon III cenderung korban mengalami luka berat dan pendidikan korbannya SLTA sehingga diperlukan sosialisasi mengenai keamanan berkendara pada daerah sekitar rayon tersebut.
4. Kendaraan yang cenderung terlibat kecelakaan pada Rayon VI dan Rayon VII adalah bus. Sebagian besar kecelakaan pada Rayon VI dikarenakan banyak tikungan tajam sehingga diperlukan perluasan jalan untuk mengurangi tingginya kecelakaan.
5. Kendaraan yang sering terlibat kecelakaan pada Rayon II adalah mobil penumpang berupa mobil pribadi, taksi, bemo, dst. Hal tersebut disebabkan karena pada rayon tersebut merupakan kawasan wisata sehingga diperlukan pengalokasian kendaraan tiap jalur masuk ke tempat wisata.
55
DAFTAR PUSTAKA
Agresti, A. (2002). Categorical Data Analysis Second Edition. Canada: John Wiley& Sons, Inc.
Damayanti, C. (2014). Pengelompokan Polres Di Provinsi Jawa Timur Berdasarkan Penyebab Kecelakaan Lalu Lintas Pada Tahun 2013. Surabaya: Institut Teknologi Sepuluh Nopember (ITS).
Dermawan, D. A. (2012). Seemmingly Unrelated Regression (SUR) Spasial untuk Memodelkan Jumlah Kecelakaan Lalu Lintas Di Kabupaten Tuban. Tesis Jurusan Statistika Institut Teknologi Sepuluh Nopember Surabaya , 29-53.
Greenacre, M. (2007). Correspondence Analysis in Practice Second Edition . Boca Raton: Chapman & Hall/CRC.
Greenacre, M. (1984). Theory and Applications of Correspondence Analysis. London: Academic.
Jatiputro, A. H. (2014). Pemahaman Pelajar SMA Pengguna Sepeda Motor Terhadap Rambu, Marka, Peraturan Lalu Lintas dan Safety Riding (Studi Kasus Di SMA Batik 2 Surakarta). Tugas Akhir Thesis, Universitas Muhammadiyah Surakarta , 3.
Johnson, R. A., & Wichern, D. W. (2007). Applied Multivariate Statistical Analysis (6th ed.). New Jersey: Prentice-Hall.
Saragih, S. R. (2014). Analisis Keparahan Korban Kecelakaan Lalu Lintas Di Surabaya Tahun 2012, Analisa Statistik Log Linear Dan Logistik. Surabaya: Institut Teknologi Sepuluh Nopember (ITS).
Sharma, S. (1996). Applied Multivariate Techniques. Canada: John Wiley & Sons, Inc.
Susilo, A. (2010). Analisis Kecelakaan Lalu Lintas Di Ruas Jalan Sukowati Kabupaten Sragen. Laporan Tugas Akhir Program Studi Teknik Sipil Universitas Atma Jaya Yogyakarta , 12.
57
LAMPIRAN
Lampiran 1. Data Keparahan Korban Kecelakaan Lalu Lintas Provinsi Jawa Timur Tahun 2015
No Kesatuan Korban MD LB LR
1 Rayon I 948 140 4435 2 Rayon II 903 208 3707 3 Rayon III 916 762 3130 4 Rayon IV 1161 97 7276 5 Rayon V 496 96 3562 6 Rayon VI 496 75 3468 7 Rayon VII 368 110 703
58
Lampiran 2. Data Usia Korban Kecelakaan Lalu Lintas Provinsi Jawa Timur Tahun 2015
No Kesatuan Korban 0-9 10-15 16-30 31-40 41-50 > 51
1 Rayon I 218 452 1989 947 965 952 2 Rayon II 179 265 2133 837 692 712 3 Rayon III 217 340 1914 691 1033 613 4 Rayon IV 547 1000 2447 1554 1613 1373 5 Rayon V 150 387 1384 773 808 652 6 Rayon VI 153 321 1586 659 577 743 7 Rayon VII 47 95 537 176 161 165
59
Lampiran 3. Data Pendidikan Korban Kecelakaan Lalu Lintas Provinsi Jawa Timur Tahun 2015
No Kesatuan Pendidikan Korban SD SLTP SLTA Perguruan Tinggi Lain-Lain
1 Rayon I 309 704 4264 158 88 2 Rayon II 631 823 3000 150 214 3 Rayon III 562 674 3194 154 224 4 Rayon IV 903 2021 4957 467 186 5 Rayon V 314 539 3095 159 47 6 Rayon VI 259 552 2976 160 92 7 Rayon VII 432 128 500 83 38
60
Lampiran 4. Data Kendaraan yang Terlibat Kecelakaan Lalu Lintas Provinsi Jawa Timur Tahun 2015
No Kesatuan Kendaraan Yang Terlibat Laka Lantas
Sepeda Motor
Mobil Penumpang
Mobil Barang Bus Kendaraan
Khusus 1 Rayon I 5286 627 748 74 37 2 Rayon II 3644 544 751 88 11 3 Rayon III 4022 475 517 45 0 4 Rayon IV 7660 646 693 111 123 5 Rayon V 3532 319 301 70 7 6 Rayon VI 3663 354 610 74 114 7 Rayon VII 886 161 141 9 14
61
Lampiran 5. Ouput Uji Independensi a. Ouput Uji Independensi Keparahan Korban dengan Jenis
Rayon
Chi-Square Tests
Value df Asymp. Sig. (2-sided)
Pearson Chi-Square 2.405E3a 12 .000
Likelihood Ratio 1.952E3 12 .000
Linear-by-Linear Association 36.829 1 .000
N of Valid Cases 33057 a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 53.16.
b. Ouput Uji Independensi Usia Korban dengan Jenis
Rayon
Chi-Square Tests
Value df Asymp. Sig. (2-sided)
Pearson Chi-Square 7.615E2a 30 .000
Likelihood Ratio 762.557 30 .000
Linear-by-Linear Association 1.049 1 .306
N of Valid Cases 33057 a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 53.98.
62
c. Ouput Uji Independensi Pendidikan Korban dengan Jenis Rayon
Chi-Square Tests
Value df Asymp. Sig. (2-sided)
Pearson Chi-Square 2.133E3a 24 .000
Likelihood Ratio 1.829E3 24 .000
Linear-by-Linear Association 57.568 1 .000
N of Valid Cases 33057 a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 31.76.
d. Ouput Uji Independensi Kendaraan yang Terlibat
Kecelakaan dengan Jenis Rayon
Chi-Square Tests
Value df Asymp. Sig. (2-sided)
Pearson Chi-Square 7.068E2a 24 .000
Likelihood Ratio 718.437 24 .000
Linear-by-Linear Association .011 1 .916
N of Valid Cases 36357 a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 10.19.
63
Lampiran 6. Ouput Pola Korespondensi Keparahan Korban Kecelakaan dengan Jenis Rayon
a. Tabel Korespondensi Keparahan Korban Kecelakaan dengan Jenis Rayon
Correspondence Table
Jenis_Rayon
Keparahan_Korban
MD LB LR Active Margin
Rayon 1 948 140 4435 5523
Rayon 2 903 208 3707 4818
Rayon 3 916 762 3130 4808
Rayon 4 1161 97 7276 8534
Rayon 5 496 96 3562 4154
Rayon 6 496 75 3468 4039
Rayon 7 368 110 703 1181
Active Margin 5288 1488 26281 33057
b. Profil Baris Keparahan Korban Kecelakaan dengan Jenis
Rayon Row Profiles
Jenis_Rayon
Keparahan_Korban
MD LB LR Active Margin
Rayon 1 .172 .025 .803 1.000
Rayon 2 .187 .043 .769 1.000
Rayon 3 .191 .158 .651 1.000
Rayon 4 .136 .011 .853 1.000
Rayon 5 .119 .023 .857 1.000
Rayon 6 .123 .019 .859 1.000
Rayon 7 .312 .093 .595 1.000
Mass .160 .045 .795
64
c. Profil Kolom Keparahan Korban Kecelakaan dengan Jenis Rayon
Column Profiles
Jenis_Rayon
Keparahan_Korban
MD LB LR Mass
Rayon 1 .179 .094 .169 .167
Rayon 2 .171 .140 .141 .146
Rayon 3 .173 .512 .119 .145
Rayon 4 .220 .065 .277 .258
Rayon 5 .094 .065 .136 .126
Rayon 6 .094 .050 .132 .122
Rayon 7 .070 .074 .027 .036
Active Margin 1.000 1.000 1.000 d. Reduksi Dimensi Antara Keparahan Korban Kecelakaan
dengan Jenis Rayon
Summary
Dimension Singular Value Inertia
Chi Square Sig.
Proportion of Inertia Confidence Singular
Value
Accounted for Cumulative
Standard Deviation
Correlation
2
1 .256 .066 .904 .904 .007 .124
2 .083 .007 .096 1.000 .007 Total .073 2404.577 .000a 1.000 1.000
a. 12 degrees of freedom
65
e. Gambaran Titik Baris Keparahan Korban Kecelakaan dengan Jenis Rayon
Overview Row Pointsa
Jenis_Rayon Mass
Score in Dimension
Inertia
Contribution
1 2
Of Point to Inertia of Dimension
Of Dimension to Inertia of Point
1 2 1 2 Total
Rayon 1 .167 .156 .199 .002 .016 .079 .653 .347 1.000
Rayon 2 .146 -.040 .250 .001 .001 .109 .073 .927 1.000
Rayon 3 .145 -1.101 -.289 .046 .688 .146 .978 .022 1.000
Rayon 4 .258 .357 -.045 .008 .128 .006 .995 .005 1.000
Rayon 5 .126 .284 -.248 .003 .040 .093 .801 .199 1.000
Rayon 6 .122 .319 -.196 .004 .048 .056 .890 .110 1.000
Rayon 7 .036 -.754 1.093 .009 .079 .511 .594 .406 1.000
Active Total 1.000 .073 1.000 1.000 a. Symmetrical normalization
f. Gambaran Titik Kolom Keparahan Korban Kecelakaan
dengan Jenis Rayon
Overview Column Pointsa
Keparahan_ Korban Mass
Score in Dimension
Inertia
Contribution
1 2
Of Point to Inertia of Dimension
Of Dimension to Inertia of Point
1 2 1 2 Total
MD .160 -.340 .633 .010 .072 .768 .469 .531 1.000
LB .045 -2.156 -.508 .055 .816 .139 .982 .018 1.000
66
LR .795 .190 -.099 .008 .112 .093 .920 .080 1.000
Active Total 1.000 .073 1.000 1.000 a. Symmetrical normalization
g. Plot Korespondensi Keparahan Korban Kecelakaan
dengan Jenis Rayon
67
Lampiran 7. Ouput Pola Korespondensi Usia Korban Kecelakaan dengan Jenis Rayon
a. Tabel Korespondensi Usia Korban Kecelakaan dengan Jenis Rayon
Correspondence Table
Jenis_Rayon
Usia_Korban
0-9 10-15 16-30 31-40 41-50 >51 Active Margin
Rayon 1 218 452 1989 947 965 952 5523
Rayon 2 179 265 2133 837 692 712 4818
Rayon 3 217 340 1914 691 1033 613 4808
Rayon 4 547 1000 2447 1554 1613 1373 8534
Rayon 5 150 387 1384 773 808 652 4154
Rayon 6 153 321 1586 659 577 743 4039
Rayon 7 47 95 537 176 161 165 1181
Active Margin 1511 2860 11990 5637 5849 5210 33057
b. Profil Baris Usia Korban Kecelakaan dengan Jenis
Rayon Row Profiles
Jenis_Rayon
Usia_Korban
0-9 10-15 16-30 31-40 41-50 >51 Active Margin
Rayon 1 .039 .082 .360 .171 .175 .172 1.000
Rayon 2 .037 .055 .443 .174 .144 .148 1.000
Rayon 3 .045 .071 .398 .144 .215 .127 1.000
Rayon 4 .064 .117 .287 .182 .189 .161 1.000
Rayon 5 .036 .093 .333 .186 .195 .157 1.000
Rayon 6 .038 .079 .393 .163 .143 .184 1.000
Rayon 7 .040 .080 .455 .149 .136 .140 1.000
Mass .046 .087 .363 .171 .177 .158
68
c. Profil Kolom Usia Korban Kecelakaan dengan Jenis Rayon
Column Profiles
Jenis_Rayon
Usia_Korban
0-9 10-15 16-30 31-40 41-50 >51 Mass
Rayon 1 .144 .158 .166 .168 .165 .183 .167
Rayon 2 .118 .093 .178 .148 .118 .137 .146
Rayon 3 .144 .119 .160 .123 .177 .118 .145
Rayon 4 .362 .350 .204 .276 .276 .264 .258
Rayon 5 .099 .135 .115 .137 .138 .125 .126
Rayon 6 .101 .112 .132 .117 .099 .143 .122
Rayon 7 .031 .033 .045 .031 .028 .032 .036
Active Margin 1.000 1.000 1.000 1.000 1.000 1.000 d. Reduksi Dimensi Antara Usia Korban Kecelakaan
dengan Jenis Rayon Summary
Dimension Singular Value Inertia
Chi Square Sig.
Proportion of Inertia Confidence Singular
Value
Accounted for Cumulative
Standard Deviation
Correlation
2
1 .129 .017 .725 .725 .005 -.018
2 .064 .004 .179 .904 .005 3 .037 .001 .059 .964 4 .024 .001 .026 .989 5 .016 .000 .011 1.000 Total .023 761.515 .000a 1.000 1.000 a. 30 degrees of freedom
69
e. Gambaran Titik Baris Usia Korban Kecelakaan dengan Jenis Rayon
Overview Row Pointsa
Jenis_Rayon Mass
Score in Dimension
Inertia
Contribution
1 2
Of Point to Inertia of
Dimension Of Dimension to Inertia of Point
1 2 1 2 Total
Rayon 1 .167 -.037 .104 .000 .002 .028 .070 .276 .346
Rayon 2 .146 -.519 .096 .005 .304 .021 .925 .016 .941
Rayon 3 .145 -.177 -.558 .004 .035 .705 .166 .818 .984
Rayon 4 .258 .519 .036 .009 .538 .005 .971 .002 .973
Rayon 5 .126 .134 -.040 .001 .018 .003 .288 .013 .300
Rayon 6 .122 -.219 .351 .002 .045 .235 .396 .506 .902
Rayon 7 .036 -.459 .073 .001 .058 .003 .707 .009 .716
Active Total 1.000 .023 1.000 1.000 a. Symmetrical normalization
f. Gambaran Titik Kolom Usia Korban Kecelakaan dengan
Jenis Rayon Overview Column Pointsa
Usia_Korban Mass
Score in Dimension
Inertia
Contribution
1 2
Of Point to Inertia of
Dimension Of Dimension to Inertia of Point
1 2 1 2 Total
0-9 .046 .560 -.107 .003 .111 .008 .679 .012 .691
10-15 .087 .655 .125 .005 .287 .021 .944 .017 .960
16-30 .363 -.425 -.036 .009 .507 .007 .983 .003 .987
31-40 .171 .127 .173 .001 .021 .079 .313 .287 .600
70
41-50 .177 .221 -.451 .004 .067 .560 .304 .630 .934
>51 .158 .071 .364 .002 .006 .324 .057 .750 .807
Active Total 1.000 .023 1.000 1.000 a. Symmetrical normalization
g. Plot Korespondensi Usia Korban Kecelakaan dengan
Jenis Rayon
71
Lampiran 8. Ouput Pola Korespondensi Pendidikan Korban Kecelakaan dengan Jenis Rayon
a. Tabel Korespondensi Pendidikan Korban Kecelakaan dengan Jenis Rayon
Correspondence Table
Jenis_Rayon
Pendidikan_Korban
SD SLTP SLTA Perguruan
Tinggi Lain-lain
Active Margin
Rayon 1 309 704 4264 158 88 5523
Rayon 2 631 823 3000 150 214 4818
Rayon 3 562 674 3194 154 224 4808
Rayon 4 903 2021 4957 467 186 8534
Rayon 5 314 539 3095 159 47 4154
Rayon 6 259 552 2976 160 92 4039
Rayon 7 432 128 500 83 38 1181
Active Margin
3410 5441 21986 1331 889 33057
b. Profil Baris Pendidikan Korban Kecelakaan dengan Jenis
Rayon Row Profiles
Jenis_Rayon
Pendidikan_Korban
SD SLTP SLTA Perguruan Tinggi Lain-lain Active Margin
Rayon 1 .056 .127 .772 .029 .016 1.000
Rayon 2 .131 .171 .623 .031 .044 1.000
Rayon 3 .117 .140 .664 .032 .047 1.000
Rayon 4 .106 .237 .581 .055 .022 1.000
Rayon 5 .076 .130 .745 .038 .011 1.000
Rayon 6 .064 .137 .737 .040 .023 1.000
Rayon 7 .366 .108 .423 .070 .032 1.000
Mass .103 .165 .665 .040 .027
72
c. Profil Kolom Pendidikan Korban Kecelakaan dengan Jenis Rayon
Column Profiles
Jenis_Rayon
Pendidikan_Korban
SD SLTP SLTA Perguruan Tinggi Lain-lain Mass
Rayon 1 .091 .129 .194 .119 .099 .167
Rayon 2 .185 .151 .136 .113 .241 .146
Rayon 3 .165 .124 .145 .116 .252 .145
Rayon 4 .265 .371 .225 .351 .209 .258
Rayon 5 .092 .099 .141 .119 .053 .126
Rayon 6 .076 .101 .135 .120 .103 .122
Rayon 7 .127 .024 .023 .062 .043 .036
Active Margin 1.000 1.000 1.000 1.000 1.000 d. Reduksi Dimensi Antara Pendidikan Korban Kecelakaan
dengan Jenis Rayon Summary
Dimension Singular Value Inertia
Chi Square Sig.
Proportion of Inertia Confidence Singular
Value
Accounted for Cumulative
Standard Deviation
Correlation
2
1 .207 .043 .662 .662 .007 .169
2 .126 .016 .247 .909 .006 3 .074 .006 .086 .995 4 .017 .000 .005 1.000 Total .065 2132.928 .000a 1.000 1.000
a. 24 degrees of freedom
73
e. Gambaran Titik Baris Pendidikan Korban Kecelakaan dengan Jenis Rayon
Overview Row Pointsa
Jenis_Rayon Mass
Score in Dimension
Inertia
Contribution
1 2
Of Point to Inertia of
Dimension Of Dimension to Inertia of Point
1 2 1 2 Total
Rayon 1 .167 -.483 -.201 .009 .189 .053 .877 .092 .970
Rayon 2 .146 .241 -.075 .003 .041 .007 .501 .030 .531
Rayon 3 .145 .090 -.259 .003 .006 .077 .077 .392 .470
Rayon 4 .258 .196 .564 .013 .048 .651 .163 .828 .991
Rayon 5 .126 -.327 -.174 .004 .065 .030 .660 .115 .774
Rayon 6 .122 -.347 -.114 .003 .071 .013 .893 .059 .952
Rayon 7 .036 1.833 -.775 .029 .581 .170 .868 .095 .963
Active Total 1.000 .065 1.000 1.000 a. Symmetrical normalization
f. Gambaran Titik Kolom Pendidikan Korban Kecelakaan
dengan Jenis Rayon
Overview Column Pointsa
Pendidikan_Korban Mass
Score in Dimension
Inertia
Contribution
1 2
Of Point to Inertia of
Dimension Of Dimension to Inertia of Point
1 2 1 2 Total
SD .103 1.177 -.382 .032 .691 .119 .934 .060 .994
SLTP .165 .161 .737 .012 .021 .707 .072 .916 .987
SLTA .665 -.266 -.136 .011 .228 .097 .859 .137 .996
Perguruan Tinggi .040 .399 .419 .003 .031 .056 .406 .273 .679
74
Lain-lain .027 .479 -.311 .006 .030 .021 .212 .055 .267
Active Total 1.000 .065 1.000 1.000 a. Symmetrical normalization
g. Plot Korespondensi Pendidikan Korban Kecelakaan
dengan Jenis Rayon
75
Lampiran 9. Ouput Pola Korespondensi Kendaraan yang Terlibat Kecelakaan dengan Jenis Rayon
a. Tabel Korespondensi Kendaraan yang Terlibat Kecelakaan dengan Jenis Rayon
Correspondence Table
Jenis_Rayon
Kendaraan_Terlibat
Sepeda Motor
Mobil Penumpang
Mobil Barang Bus
Kendaraan Khusus
Active Margin
Rayon 1 5286 627 748 74 37 6772
Rayon 2 3644 544 751 88 11 5038
Rayon 3 4022 475 517 45 0 5059
Rayon 4 7660 646 693 111 123 9233
Rayon 5 3532 319 301 70 7 4229
Rayon 6 3663 354 610 74 114 4815
Rayon 7 886 161 141 9 14 1211
Active Margin
28693 3126 3761 471 306 36357
b. Profil Baris Kendaraan yang Terlibat Kecelakaan dengan
Jenis Rayon Row Profiles
Jenis_Rayon
Kendaraan_Terlibat
Sepeda Motor
Mobil Penumpang
Mobil Barang Bus
Kendaraan Khusus
Active Margin
Rayon 1 .781 .093 .110 .011 .005 1.000
Rayon 2 .723 .108 .149 .017 .002 1.000
Rayon 3 .795 .094 .102 .009 .000 1.000
Rayon 4 .830 .070 .075 .012 .013 1.000
Rayon 5 .835 .075 .071 .017 .002 1.000
Rayon 6 .761 .074 .127 .015 .024 1.000
Rayon 7 .732 .133 .116 .007 .012 1.000
Mass .789 .086 .103 .013 .008
76
c. Profil Kolom Kendaraan yang Terlibat Kecelakaan dengan Jenis Rayon
Column Profiles
Jenis_Rayon
Kendaraan_Terlibat
Sepeda Motor
Mobil Penumpang
Mobil Barang Bus
Kendaraan Khusus Mass
Rayon 1 .184 .201 .199 .157 .121 .186
Rayon 2 .127 .174 .200 .187 .036 .139
Rayon 3 .140 .152 .137 .096 .000 .139
Rayon 4 .267 .207 .184 .236 .402 .254
Rayon 5 .123 .102 .080 .149 .023 .116
Rayon 6 .128 .113 .162 .157 .373 .132
Rayon 7 .031 .052 .037 .019 .046 .033
Active Margin
1.000 1.000 1.000 1.000 1.000
d. Reduksi Dimensi Antara Kendaraan yang Terlibat
Kecelakaan dengan Jenis Rayon Summary
Dimension Singular Value Inertia
Chi Square Sig.
Proportion of Inertia Confidence Singular
Value
Accounted for Cumulative
Standard Deviation
Correlation
2
1 .104 .011 .552 .552 .005 -.041
2 .086 .007 .380 .931 .006 3 .032 .001 .054 .985 4 .017 .000 .015 1.000 Total .019 706.809 .000a 1.000 1.000 a. 24 degrees of freedom
77
e. Gambaran Titik Baris Kendaraan yang Terlibat Kecelakaan dengan Jenis Rayon
Overview Row Pointsa
Jenis_Rayon Mass
Score in Dimension
Inertia
Contribution
1 2
Of Point to Inertia of Dimension
Of Dimension to Inertia of Point
1 2 1 2 Total
Rayon 1 .186 -.124 -.077 .000 .028 .013 .656 .212 .868
Rayon 2 .139 -.591 .008 .005 .468 .000 .967 .000 .967
Rayon 3 .139 -.113 -.309 .001 .017 .155 .125 .786 .911
Rayon 4 .254 .388 .038 .004 .369 .004 .989 .008 .996
Rayon 5 .116 .259 -.365 .002 .075 .180 .338 .558 .897
Rayon 6 .132 .031 .646 .005 .001 .643 .003 .990 .993
Rayon 7 .033 -.360 .113 .001 .042 .005 .383 .031 .414
Active Total 1.000 .019 1.000 1.000 a. Symmetrical normalization
78
f. Gambaran Titik Kolom Kendaraan yang Terlibat Kecelakaan dengan Jenis Rayon
Overview Column Pointsa
Kendaraan_ Terlibat Mass
Score in Dimension
Inertia
Contribution
1 2
Of Point to Inertia of
Dimension Of Dimension to Inertia of Point
1 2 1 2 Total
Sepeda Motor
.789 .140 -.065 .002 .150 .039 .845 .151 .996
Mobil Penumpang
.086 -.515 -.136 .003 .221 .019 .794 .046 .840
Mobil Barang .103 -.720 .353 .007 .518 .150 .819 .163 .983
Bus .013 -.124 .209 .001 .002 .007 .029 .067 .096
Kendaraan Khusus
.008 1.165 2.833 .007 .110 .786 .167 .821 .989
Active Total 1.000 .019 1.000 1.000 a. Symmetrical normalization
79
g. Plot Korespondensi Kendaraan yang Terlibat Kecelakaan dengan Jenis Rayon
81
BIODATA PENULIS
Penulis bernama lengkap Cicilia Ajeng Pratiwi dilahirkan di Sidoarjo, 29 Juli 1995, merupakan anak pertama dari dua bersaudara. Penulis telah menempuh pendidikan formal yaitu TK Darma Wanita, SDN Jatikalang 1 Krian, SMP Negeri 3 Krian, dan SMA Negeri 1 Sidoarjo. Setelah lulus dari SMAN 1 Sidoarjo tahun 2013, Penulis mengikuti tes seleksi masuk ITS dan diterima di Jurusan Statistika FMIPA-ITS program studi Diploma III pada tahun 2013 terdaftar dengan NRP
1313030034. Penulis pernah mengikuti kegiatan Basket di ITS, sempat aktif di FORSIS ITS periode 2014/2015 sebagai staff Departemen Media, dan pernah mengikuti kegiatan mengajar mengaji ITS untuk ibu-ibu. Penulis juga pernah mengikuti kepanitiaan PEKSIMITS (Pekan Seni Mahasiswa ITS), panitia acara PKM-GT, Panitia Seminar Enterpreuner, dst. Penulis mengembangkan minatnya dalam mengajar dengan menjadi asisten dosen mata kuliah Metode Regresi pada semester 5 dan Metode Multivariat Terapan pada semester 6 serta pernah menjadi tutor mata kuliah Teori Statistika untuk mahasiswa angkatan 2014 dalam persiapan menghadapi EAS. Selain itu, kegiatan yang dilakukan penulis selain perkuliahan adalah menjadi guru les private SMP maupun SMA dari mulai semester 2 sampai semester 6. Apabila ada kritik dan saran tentang Tugas Akhir ini dapat menghubungi penulis melalui email dan kontak berikut ini. E-mail : [email protected] No. Teepon : 08885310088
Top Related