Analisis Dan Prediksi Human Error Dari Pengemudi Sepeda Motor Terhadapn Kecelakaan Lalu Lintas Studi Kasus Kota Surabaya

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