Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Jurnal Teknik Sipil Jurnal Teknik Sipil
Sugiarto Sugiarto
Jurusan Teknik Sipil, Fakultas Teknik, Universitas Syiah Kuala
Civil Engineering, Building, Construction & Architecture Engineering Transportation

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Persepsi Keselamatan Berkendara Pengguna Sepeda Motor di Kota Banda Aceh terhadap Pelanggaran Lalu Lintas dan Kelengkapan Atribut Renni Anggraini; Alvisyahri Alvisyahri; Sugiarto Sugiarto
Jurnal Teknik Sipil Vol 28 No 3 (2021): Jurnal Teknik Sipil
Publisher : Institut Teknologi Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.5614/jts.2021.28.3.10

Abstract

Abstrak Kecelakaan sepeda motor merupakan salah satu penyebab kecelakaan yang tertinggi di Indonesia. Salah satu penyebabnya adalah kurangnya pemahaman mengenai keselamatan berkendara oleh pengguna sepeda motor, sehingga menyebabkan terjadinya pelanggaran lalu lintas yang berakibat pada kecelakaan lalu lintas. Penelitian ini bertujuan untuk mengetahui persepsi pengendara sepeda motor terhadap keselamatan berkendara ditinjau dari pelanggaran lalu lintas dan kelengkapan atribut keselamatan lalu lintas. Metode analisis yang digunakan adalah Confirmatory Factor Analysis (CFA) dengan jumlah data yang digunakan sebanyak 200 sampel. Penyebaran kuesioner dilakukan kepada pengendara sepeda motor, sebagai responden, yang berada di Kota Banda Aceh. Hasil yang diperoleh menunjukkan bahwa faktor keselamatan berkendara sangat signifikan dipengaruhi oleh faktor penentu pelanggaran lalu lintas dan kelengkapan atribut keselamatan. Hal ini berarti jika responden taat dalam mengikuti peraturan lalu lintas, akan berpengaruh terhadap faktor keselamatan berkendara, seperti selalu hati-hati dan fokus dalam berkendara, memperhatikan kaca spion, dan peduli dengan pengguna jalan lain. Walaupun pemahaman dan kesadaran pengendara sepeda motor cukup baik, tetap direkomendasikan agar pengendara sepeda motor perlu lebih berhati-hati dalam berkendara supaya menghindari terjadinya kecelakaan lalu lintas. Kata-kata Kunci: Kecelakaan lalu lintas, persepsi pengendara sepeda motor, confirmatory factor analysis, keselamatan berkendara. Abstract Motorcycle crashes are one of the most prevalent forms of accidents in Indonesia. One of the causes is motorcycle riders' lack of understanding on safety riding, which frequently results in traffic violations and traffic accidents. The objective of this study is to find out how motorcyclists perceive about safety riding in terms of traffic violations and the usage of safety attributes. The analysis method used is Confirmatory Factor Analysis (CFA) with a total number of sampel was 200. Questionnaires were distributed to respondents, i.e., motorcycle riders, residing in the city of Banda Aceh. The findings revealed that traffic violations and the use of safety attributes had a significant impact on safety riding implying that if the respondent follows the traffic rules, it will have an impact on safety riding factors, such as always being cautious and focused while riding, paying attention to the rear-view mirror, and caring about other road users. Although the understanding and awareness of motorcyclists is quite good, it is still recommended that motorcyclists need to be more careful on riding in order to avoid the traffic accidents. Keywords: Traffic accidents, motorcyclists’ perception, confirmatory factor analysis, structural equation model, traffic safety.  
MODELING SAFETY PERFORMANCE FUNCTION (SPFs) USING POISON-GENERALIZED LINEAR MODEL Sugiarto Sugiarto
JURNAL TEKNIK SIPIL Vol 1, No 2 (2012): Volume 1, Nomor 2, Januari 2012
Publisher : Jurusan Teknik Sipil, Fakultas Teknik, Universitas Syiah Kuala

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstract: The generalized linear model-poison distribution was employed incorporating available geometric data, exposure, etc. The explanotary variables used were average annual daily traffic (AADT), length of segment, heavy vehicle percentage, median, availability of shoulder, number of acces, number of intersection, number of curve per km, and amount of rain fall in a year in two Major National Highways in Thailand. Maximum Likelihood Method (MLM) was used for determining of estimation parameters by using Statistical Package for the Social Sciences (SPSS) version 16. Poison regression models were selected for the model SPFs of the accident, fatality and injury with the total explained variation (RD2) on average 0.44%, 0.25%, and 0.36% respectively. The final of developed models can be used for identifying and analyzing of hazardous locations, prioritizing an effective maintenance strategy tool with the identified hazardous locations along the road section.Keywords: Generalized Linear Models (GLM), Safety Performance Function (SPFs), Maximum Likelihood Model (MLM), Poisson Regresion, Total Explained Variation, SPSS, Hazardous Locations.Abstrak: Distribusi Poison yang digeneralkan sebagai model linier digunakan dalam penelitian ini dengan mengakomodir data geometrik, parameter traffic (exposure), dan lainya. Parameter penjelas (explanotary) diambil di dua Jalan Raya (highway) utama di Thailand termasuk data didalamnya average annual daily traffic (AADT), panjang segmen yang ditinjau, persen kendarangan berat, jenis dan keberadaan median, jenis dan keberadaan bahu jalan, jumlah bukaan akses, jumlah persimpangan, jumlah kurva per km, dan nilai curah hujan per tahun. Metode Maximum Likelihood Model (MLM) digunakan untuk mendeterminasi parameter estimasi model dengan bantuan perangkat lunak SPSS (Statistical Package for the Social Sciences) versi 16. Hasil regresi menggunakan distribusi poison digunakan sebagai model keselamatan untuk model jumlah kecelakaan, kematian, dan luka-luka. Katagori pemilihan model terbaik berdasarkan nilai total explained variation (RD2) yang berturut-turut dengan nilai rata-rata 0.44%, 0.25%, and 0.36% utuk model jumlah kecelakaan, kematian, dan luka-luka. Hasil final model dapat digunakan untuk identifikasi dan analisis segment rawan kecelakan, dan juga dapat digunakan untuk menganalisis prioritas penanganan daerah rawan kecelakaan yang telah teridentifikasi.Kata Kunci: Generalized Linear Models (GLM), Model Keselamatan Lalulintas, Maximum Likelihood Model (MLM), Poisson Regresion, Total Explained Variation, SPSS, Rawan kecelakaan.
Co-Authors Alvisyahri Alvisyahri Renni Anggraini