Model analisa tingkat keparahan kecelakaan lalu lintas di dki jakarta dengan regresi logistik ordinal
Info Katalog
File Repositori
Penerbit : FTSP - Usakti
Kota Terbit : Jakarta
Tahun Terbit : 2026
Pembimbing 1 : Budi Hartanto Susilo
Pembimbing 2 : Darmawan Pontan
Kata Kunci : traffic accidents, accident severity, Ordinal Logistic Regression, road safety, accident severity ri
Status Posting : Published
Status : Lengkap
File Repositori
| No. | Nama File | Hal. | Link |
|---|---|---|---|
| 1. | 2026_TS_MTS_151012310003_Halaman-Judul.pdf | ||
| 2. | 2026_TS_MTS_151012310003_Surat-Pernyataan-Revisi-Terakhir.pdf | 1 | |
| 3. | 2026_TS_MTS_151012310003_Surat-Hasil-Similaritas.pdf | 1 | |
| 4. | 2026_TS_MTS_151012310003_Halaman-Pernyataan-Persetujuan-Publikasi-Tugas-Akhir-untuk-Kepentingan-Akademis.pdf | 1 | |
| 5. | 2026_TS_MTS_151012310003_Lembar-Pengesahan.pdf | 1 | |
| 6. | 2026_TS_MTS_151012310003_Pernyataan-Orisinalitas.pdf | 1 | |
| 7. | 2026_TS_MTS_151012310003_Formulir-Persetujuan-Publikasi-Karya-Ilmiah.pdf | 1 | |
| 8. | 2026_TS_MTS_151012310003_Bab-1.pdf | ||
| 9. | 2026_TS_MTS_151012310003_Bab-2.pdf |
|
|
| 10. | 2026_TS_MTS_151012310003_Bab-3.pdf |
|
|
| 11. | 2026_TS_MTS_151012310003_Bab-4.pdf |
|
|
| 12. | 2026_TS_MTS_151012310003_Bab-5.pdf | ||
| 13. | 2026_TS_MTS_151012310003_Daftar-Pustaka.pdf | ||
| 14. | 2026_TS_MTS_151012310003_Lampiran.pdf |
|
K Kecelakaan lalu lintas merupakan permasalahan keselamatan transportasi yang berdampak pada aspek sosial, ekonomi, dan kemanusiaan. dki jakarta sebagai wilayah metropolitan dengan mobilitas tinggi memiliki risiko kecelakaan yang kompleks. penelitian ini bertujuan mengembangkan model regresi logistik ordinal untuk menganalisis faktor-faktor yang memengaruhi tingkat keparahan kecelakaan lalu lintas berdasarkan data irsms korlantas polri periode 2022 - 2024. variabel dependen meliputi kerugian material, luka ringan, luka berat, dan meninggal dunia, sedangkan variabel independen terdiri atas waktu kejadian, kondisi cuaca, lokasi kejadian, jenis kecelakaan, jenis kendaraan, usia korban, dan jenis kelamin korban. analisis dilakukan menggunakan statistik deskriptif, proportional odds model, serta evaluasi model melalui model fitting information, goodness of fit, pseudo r-square, dan test of parallel lines. hasil penelitian menunjukkan bahwa model secara umum memenuhi asumsi statistik. model tahun 2023 merupakan model terbaik dengan model fitting information sebesar 0,006 dan nagelkerke r² sebesar 0,360, sehingga mampu menjelaskan 36,0% variasi tingkat keparahan kecelakaan. sebaliknya, model tahun 2022 dan 2024 memiliki kemampuan penjelasan yang lebih rendah (nagelkerke r² masing-masing 0,142 dan 0,144). sebagian besar variabel belum berpengaruh signifikan pada taraf 5%, namun usia korban menunjukkan kecenderungan memiliki pengaruh terbesar berdasarkan nilai odds ratio, meskipun tidak signifikan secara statistik. keterbatasan jumlah data valid dan missing value menyebabkan model lebih sesuai digunakan sebagai alat eksplorasi risiko daripada model operasional. penelitian ini memberikan kontribusi dalam penerapan regresi logistik ordinal pada data mikro kecelakaan di indonesia serta menghasilkan model yang dapat mendukung penyusunan kebijakan keselamatan lalu lintas berbasis data.
T Traffic accidents are a major transportation safety issue that have significant social, economic, and humanitarian impacts. as a metropolitan area with high mobility, jakarta experiences complex traffic accident risks. this study aims to develop an ordinal logistic regression model to analyze the factors influencing traffic accident severity using irsms (integrated road safety management system) data from the indonesian national police traffic corps (korlantas polri) for the period 2022–2024. the dependent variable consists of four accident severity levels: property damage only, minor injury, serious injury, and fatality. the independent variables include time of occurrence, weather conditions, accident location, accident type, vehicle type, victim age, and victim gender. the analysis was conducted using descriptive statistics, the proportional odds model, and model evaluation through model fitting information, goodness of fit, pseudo r-square, and the test of parallel lines. the results indicate that the models generally satisfied the required statistical assumptions. the 2023 model was identified as the best-performing model, with a model fitting information significance value of 0.006 and a nagelkerke r² of 0.360, indicating that it explained 36.0% of the variation in accident severity. in contrast, the 2022 and 2024 models demonstrated lower explanatory power, with nagelkerke r² values of 0.142 and 0.144, respectively. although most independent variables were not statistically significant at the 5% significance level, victim age consistently showed the strongest tendency as the dominant factor based on the highest odds ratio. the limited number of valid observations and the high proportion of missing values reduced the predictive capability of the models, making them more appropriate for risk exploration rather than operational. this study contributes to the application of ordinal logistic regression using micro-level traffic accident data in indonesia and provides a model that can support evidence-based road safety policy development through the identification of accident severity risk patterns.