Electronic Theses and Dissertation

Pertumbuhan jumlah kepemilikan kendaraan bermotor sebesar 3,2% pertahun berbanding lurus dengan jumlah kecelakaan lalu lintas yang mengalami kenaikan sebesar 3 % pertahun. Tujuan penelitian ini adalah memodelkan kecelakaan yang terjadi pada ruas jalan nasional di Kota Banda Aceh. Metode yang digunakan pada penelitian ini adalah Generalized Linear Modelling (GLM) dengan regresi poisson yang menggunakan data primer berupa volume lalu lintas, kecepatan lalu lintas, dan geometrik jalan. Data sekunder yang digunakan pada penelitian ini didapatkan dari Polres Kota Banda Aceh berupa data kecelakaan lalu lintas ruas jalan nasional Kota Banda Aceh tahun 2018- 2020. Terdapat empat model prediksi yang dianalisis pada penelitian ini yaitu , jumlah kecelakaan lalu lintas (Number of Accidents/ NA), jumlah korban luka ringan akibat kecelakaan (Slight Casualty/ SC), jumlah kecelakan lalu lintas sepeda motor (Motorcycle Accidents/ MCA), dan jumlah kecelakaan lalu lintas mobil (Car Accidents/ CA). Hasil pemodelan dengan variabel terikat NA, SC, dan MCA didapatkan hasil bahwa volume lalu lintas, keberadaan median, keberadaan u-turn, dan keberadaan simpang berpengaruh secara positif terhadap jumlah kecelakaan, sedangkan lebar total lajur dan keberadaan lampu jalan berpengaruh secara negatif terhadap jumlah kecelakaan. Berbeda dengan model dengan variabel CA, hanya variabel volume lalu lintas yang berpengaruh secara positif terhadap terjadinya kecelakaan lalu lintas.

The growth in the number of motorized vehicle ownership by 3.2% year is directly proportional to the number of traffic accidents which has increased by 3% year. This study aims to model accidents on national roads in Banda Aceh City. The method used Generalized Linear Modeling (GLM) with Poisson regression. This study used primary data in the form of traffic volume, traffic speed, and road geometry. The secondary data were obtained from the Banda Aceh City Police in the form of traffic accident data on the national road in 2018-2020. In this study, the overdispersion case was ignored. This study analyzed four predictive models including the number of traffic accidents (NA), the number of victims of minor injuries due to accidents (SC), the number of motorcycle accidents (MCA), and the number of car accidents (CA). The results of modeling with the dependent variables of NA, SC, and MCA showed that traffic volume, the presence of median, the presence of u-turns, and the presence of intersections had a positive effect on the number of traffic accidents, while the presence of total lane width and street lighting had a negative effect on traffic accidents. Unlike the model with the CA variable, only traffic volume had an effect on traffic accidents.