ZALISA PRIMA DIANA, 081311833013 (2017) PEMODELAN TINGKAT KEPARAHAN KORBAN KECELAKAAN LALU LINTAS DI KABUPATEN PASURUAN DENGAN PENDEKATAN REGRESI LOGISTIK ORDINAL. Skripsi thesis, UNIVERSITAS AIRLANGGA.
|
Text (abstrak)
ST.S.-53-17 Dia p abstrak.pdf Download (19kB) | Preview |
|
Text (fulltext)
ST.S.-53-17 Dia p fulltext.pdf Restricted to Registered users only until 16 November 2020. Download (1MB) | Request a copy |
Abstract
Kecelakaan lalu lintas adalah salah satu penyebab kematian tertinggi di dunia. Dalam kasus Indonesia, Provinsi Jawa Timur memiliki jumlah kecelakaan tertinggi dibandingkan dengan provinsi-provinsi lain dalam negeri. Berbicara lebih spesifik, menurut data Direktorat Lalu Lintas Polda Jawa Timur, Kabupaten Pasuruan menempati posisi kelima dalam hal kabupaten dengan tingkat kematian akibat kecelakaan lalu lintas tertinggi selama dua tahun terakhir. Mengingat fakta tersebut, penting untuk menemukan solusi guna dapat mencegah timbulnya semakin banyak terjadinya kasus kecelakaan lalu lintas dan korban jiwa. Lebih lanjut, penelitian harus dilakukan untuk dapat mengidentifikasi faktor-faktor yang mempengaruhi tingkat keparahan dari kecelakaan lalu lintas terhadap korban di Kabupaten Pasuruan dengan menggunakan analisis regresi logistik ordinal. Tingkat keparahan kecelakaan lalu lintas terhadap korban tersebut dapat dibagi menjadi tiga kategori yakni luka ringan, luka berat, serta meninggal dunia. Berdasarkan hasil penelitian diperoleh gambaran bahwa sebagian besar korban kecelakaan lalu lintas mengalami luka ringan selanjutnya diikuti oleh korban meninggal dan korban luka berat. Pada analisis regresi logistik ordinal diperoleh variabel prediktor yang signifikan mempengaruhi keparahan korban kecelakaan antara lain adalah jenis kecelakaan, kendaraan lawan, waktu kecelakaan dan cuaca. Demikian, uji kesesuaian model menunjukkan bahwa tingkat keparahan korban kecelakaan lalu lintas memenuhi model Regresi Logistik Ordinal dengan ketepatan klasifikasian model sebesar 64,8%.
Actions (login required)
View Item |