ANALISIS DAERAH RAWAN KECELAKAAN LALU LINTAS BERDASARKAN METODE CUMULATIVE SUMMARY DAN EQUIVALENT ACCIDENT NUMBER (Studi Kasus: Ruas Jalan Bolodewo Desa Lemahbangkulon Kabupaten Banyuwangi)

Abstrak

Tingginya angka kecelakaan lalu lintas merupakan permasalahan serius yang dipengaruhi oleh faktor manusia, kendaraan, lingkungan, dan infrastruktur jalan. Kondisi geometrik jalan yang tidak memenuhi standar keamanan sering kali menjadi faktor utama terjadinya kecelakaan. Tujuan  penelitian ini adalah untuk menentukan titik rawan kecelakaan  (blackspot) pada Jalan Ruas Jalan Bolodewo Desa Lemahbangkulon Kabupaten Banyuwangi.  Metode penelitian yang digunakan adalah metode kuantitatif deskriptif. Identifikasi lokasi rawan kecelakaan dilakukan dengan menggunakan metode Cumulative Summary (CUSUM) dan Metode Equivalent Accident Number (EAN) berdasarkan data kecelakaan periode tahun 2022-2024. Hasil penelitian menunjukkan bahwa berdasarkan analisis EAN diperoleh nilai rata-rata segmen 1 sebesar 42,33 dan pada segemen 2 sebesar 48 sedangkan untuk analisis CUSUM, terdapat pada segmen 1 jalan yang teridentifikasi sebagai titik rawan kecelakaan (blackspot) dengan nilai tertinggi sebesar 2,67 dan pada segmen 2 sebesar 0,67. Rekomendasi yang diusulkan meliputi perbaikan rekayasa geometrik, pemasangan fasilitas perlengkapan jalan seperti rambu peringatan, pita penggaduh (rumble strip), dan peningkatan penerangan jalan pada area rawan tersebut.

The high number of traffic accidents is a serious problem influenced by human, vehicle, environmental, and road infrastructure factors. Road geometric conditions that do not meet safety standards are often the main factor in accidents. The purpose of this study is to determine accident-prone points (blackspots) on the Bolodewo Road in Lemahbangkulon Village, Banyuwangi Regency. The research method used is a descriptive quantitative method. The identification of accident-prone locations was carried out using the Cumulative Summary (CUSUM) method and the Equivalent Accident Number (EAN) method based on accident data from 2022 to 2024. The results showed that based on the EAN analysis, the average value for segment 1 was 42,33 and for segment 2 was 48, while for the CUSUM analysis, segment 1 of the road was identified as an accident-prone point (blackspot) with the highest value of 2.67 and segment 2 had a value of 0.67. The proposed recommendations include geometric engineering improvements, installation of road facilities such as warning signs, rumble strips, and improved street lighting in these accident-prone areas.