Pratiwi, Galuh (2015) Analisis Dan Prediksi Human Error Dari Pengemudi Sepeda Motor Terhadapn Kecelakaan Lalu Lintas Studi Kasus Kota Surabaya. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
2510100099-Undergraduate Thesis.pdf - Published Version Download (2MB) | Preview |
Abstract
Seiring dengan meningkatnya jumlah kendaraan bermotor, angka
kecelakaan lalu lintas di Surabaya pun selalu meningkat setiap tahun. Pada tahun
2006, kecelakaan lalu lintas di Indonesia disebabkan oleh beberapa faktor
diantaranya adalah faktor manusia atau pengemudi (93,52%), faktor kendaraan
(2,76%), faktor jalan (3,23%), dan faktor lingkungan atau cuaca (0,49%). Telah
dilakukan lima buah program olah Kepolisian Resor Kota Besar Surabaya sebagai
upaya pencegahan kecelakaan lalu lintas, yaitu pemetaan kawasan berpotensi
kecelakaan lalu lintas, kampanye Global Road Safety, pembentukan forum lalu
lintas, revitalisasi kawasan tertib lalu lintas, dan Road Safety Partnership Action.
Namun, kelima upaya tersebut masih belum dapat mengurangi angka kecelakaan
lalu lintas secara signifikan, sehingga diperlukan penelitian mengenai human
error oleh pengemudi sepeda motor untuk dapat mengetahui human error apakah
yang paling berpengaruh terhadap kecelakaan lalu lintas di Surabaya.
Penelitian ini berfokus pada human error dari pengemudi sepeda motor
yang dapat dibedakan menjadi dua, yaitu perilaku berbahaya dan kelelahan
(fatigue). Contoh dari perilaku berbahaya adalah tidak tertib, berkecepatan tinggi,
berkendara saat mabuk, lengah, dan penggunaan teknologi yang tidak tepat.
Sedangkan fatigue adalah kasus dimana pengemudi mengantuk, tidak konsentrasi,
dan sakit. Bayesian Networks (BNs) digunakan untuk memprediksi angka
kecelakaan lalu lintas selama tahun 2014 akibat human error.
Berdasarkan hasil kalkulasi menggunakan Bayesian Networks, diprediksi
bahwa kecelakaan lalu lintas terbanyak pada tahun 2014 melibatkan sepeda motor
dengan pejalan kaki dan sepeda motor dengan traktor atau truk. Dalam kedua
kasus, pengemudi sepeda motor mengalami luka ringan. Kecelakaan lalu lintas
yang melibatkan pejalan kaki sebagian besar disebabkan oleh tidak tertib
(85,01%) dan penggunaan teknologi yang tidak tepat (11,59%). Sementara
kecelakaan lalu lintas yang melibatkan traktor atau truk sebagian besar disebabkan
oleh tidak tertib (68,40%) dan lengah (21,75%). Untuk mengurangi angka
kecelakaan lalu lintas maupun jumlah pengemudi yang cedera tiap tahun,
rekomendasi yang diberikan adalah meningkatkan kualitas dari kampanye Global
Road Safety, revitalisasi kawasan tertib lalu lintas, dan mengadakan penggunaan
template prediksi untuk meramalkan jumlah kecelakaan lalu lintas di masa depan.
Kata Kunci: Bayesian Networks, Human Error, Kecelakaan Lalu Lintas,
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSI 363.125 9 Pra a |
| Uncontrolled Keywords: | Bayesian Networks, Human Error, Kecelakaan Lalu Lintas, Kelelahan, Perilaku Berbahaya |
| Subjects: | T Technology > TL Motor vehicles. Aeronautics. Astronautics |
| Divisions: | Faculty of Industrial Technology > Industrial Engineering > 26201-(S1) Undergraduate Thesis |
| Depositing User: | ansi aflacha |
| Date Deposited: | 22 Mar 2019 06:28 |
| Last Modified: | 22 Mar 2019 06:28 |
| URI: | http://repository.its.ac.id/id/eprint/62567 |
Actions (login required)
 |
View Item |