Bayangkan Anda seorang dokter. Apakah Anda mengukur "kesehatan" pasien hanya dengan menghitung "jumlah serangan jantung"? Tentu tidak. Anda mengukur kolesterol, tekanan darah, dan gula darah.
Itulah "Safety Performance Indicators" (SPIs) untuk keselamatan jalan.
Makalah ini mengkritik model lama yang "berorientasi pada pengukuran" (measure-oriented). Model lama melihat intervensi (misalnya, "kami memasang 10 kamera kecepatan") dan mengukur output-nya (misalnya, "kami mengeluarkan 500 surat tilang").
Sebagai gantinya, laporan ini mengusulkan "logika top-down". Logika ini dimulai dari masalah (kecelakaan) dan bertanya: Apa "kondisi operasional yang tidak aman" yang menyebabkannya?.
Di sinilah letak kecerdasannya. SPI yang baik harus "independen dari intervensi". SPI harus mengukur masalahnya, bukan solusinya.
Contoh terbaik ada di laporan itu sendiri :
-
Masalah (Kondisi Operasional): "Kecepatan yang tidak sesuai."
-
Intervensi 1: Memasang kamera kecepatan.
-
Intervensi 2: Memasang Intelligent Speed Adaptation (ISA) di mobil (yang secara otomatis membatasi kecepatan mobil).
Jika SPI Anda adalah "jumlah kamera kecepatan" (berorientasi intervensi), Anda akan gagal total mengukur dampak dari ISA. Tapi, jika SPI Anda adalah "persentase mobil yang melaju dengan kecepatan tidak sesuai" (berorientasi masalah), SPI itu akan menangkap dampak dari kedua intervensi tersebut.
SPI sejati mengukur "problem related," bukan "intervention related". Laporan ini kemudian mengidentifikasi 7 "masalah" utama yang harus kita ukur.
Tujuh Indikator Vital yang Seharusnya Kita Ukur (Tapi Ternyata Datanya Kosong)
Laporan SafetyNet ini mengidentifikasi 7 area penelitian untuk SPI: Alkohol & Narkoba, Kecepatan, Sistem Pelindung, Lampu Siang Hari (DRL), Kendaraan, Jalan, dan Manajemen Trauma.
Di sinilah letak ironi terbesar dari laporan 177 halaman ini. Setelah menguraikan 7 SPI yang brilian ini, tim peneliti mengirim kuesioner ke 27 negara... dan menemukan kenyataan yang mengejutkan:
Hampir tidak ada yang memiliki data ini secara sistematis.
Ini bukan hiperbola. Ini adalah kesimpulan yang tersembunyi di setiap bab:
-
Tentang Kecepatan: "...informasi... tidak mudah diakses di sumber terpusat".
-
Tentang Sistem Pelindung: "...informasi survei terperinci... mungkin baru-baru ini tidak tersedia untuk banyak negara".
-
Tentang Kendaraan: Hanya 8 dari 27 negara yang mengirim "respons penuh".
-
Tentang Jalan: "...hanya beberapa negara yang dapat menyediakan data yang diminta".
-
Tentang Manajemen Trauma: "Tidak ada informasi sistematis yang lengkap... yang tersedia secara rutin di sebagian besar negara".
Laporan ini secara tidak sengaja bukan hanya 'State of the Art Report' (Laporan Mutakhir), tapi juga 'State of the Ignorance Report' (Laporan Ketidaktahuan). Ini adalah kerangka kerja yang brilian untuk sebuah dasbor yang sebagian besar lampunya mati.
Mari kita bedah 7 SPI ini, satu per satu, dan lihat apa yang seharusnya kita ukur.
#1: Kecepatan (SPEEDS) — Masalahnya Bukan Ngebut, tapi Kacau
Kita semua pikir masalahnya adalah ngebut. Ternyata salah.
Laporan ini jelas: masalahnya ada tiga. Pertama, kecepatan terkait dengan "keparahan kecelakaan". Kedua, terkait dengan "risiko terlibat kecelakaan". Ketiga, dan ini kuncinya, "tingkat kecelakaan... juga terkait dengan dispersi kecepatan (speed dispersion)".
Bayangkan Anda berada di jalan tol, dan semua orang melaju 100 km/jam. Itu relatif aman. Sekarang bayangkan di jalan yang sama, setengah orang melaju 60 km/jam dan setengah lagi 120 km/jam. Itulah dispersi kecepatan. Itu kacau. Kekacauan itulah yang menyebabkan kecelakaan.
Jadi, SPI-nya bukanlah "jumlah pelanggar batas kecepatan". SPI-nya ada dua:
-
Ukuran tendensi sentral (seperti kecepatan median).
-
Ukuran variabilitas (seperti deviasi absolut median).
Mengapa median (nilai tengah) dan bukan mean (rata-rata)? Laporan ini cerdas. Mean bisa terdistorsi oleh beberapa pembalap liar (outlier). Median memberi tahu kita apa yang sebenarnya dilakukan oleh lalu lintas normal. Ini adalah wawasan analisis data yang sangat penting.
-
🚀 Hasilnya luar biasa: Mengukur variabilitas (kekacauan) lalu lintas lebih penting daripada mengukur kecepatan tertinggi.
-
🧠 Inovasinya: Menggunakan median (nilai tengah) bukan rata-rata, karena lebih "robust" (tangguh) terhadap data aneh.
-
💡 Pelajaran: Berhenti terobsesi dengan "batas kecepatan," mulailah terobsesi dengan "kelancaran arus lalu lintas" (dispersi).
-
Kenyataan Data: "...informasi tentang data kecepatan tidak mudah diakses di sumber terpusat". Hanya 10 dari 27 negara yang memberikan data lengkap.
#2: Sistem Pelindung (PROTECTIVE SYSTEMS) — Angka-Angka yang Seharusnya Menampar Kita
Masalahnya sederhana. "Tubuh manusia rentan" terhadap "kekuatan besar" saat kecelakaan. Kita butuh perlindungan.
Ini adalah bagian favorit saya dari laporan ini. Laporan ini mengutip data efektivitas yang gamblang dari berbagai studi :
-
Sabuk pengaman 3-titik: 45% efektif mengurangi kematian di mobil.
-
Kursi keselamatan anak: 71% efektif mengurangi kematian anak-anak.
-
Airbag (saja): Hanya 13% efektif.
-
Airbag + Sabuk Pengaman: 50% efektif!
Data ini menceritakan sebuah kisah. Banyak orang merasa aman karena airbag (sistem pasif), tapi keselamatan sejati datang dari perilaku aktif memakai sabuk pengaman. Efektivitas airbag melonjak hampir 4x lipat jika dipakai dengan sabuk (dari 13% ke 50%). Laporan ini menghancurkan mitos "saya sudah punya airbag, jadi tidak perlu sabuk pengaman."
Berdasarkan wawasan itu, SPI-nya sangat jelas. Bukan "jumlah mobil dengan airbag," tapi "tingkat pemakaian (wearing and usage rates) sistem pelindung".
-
🚀 Hasilnya luar biasa: Kursi anak 71% efektif! Airbag saja (13%) hampir tidak berguna dibandingkan dengan airbag + sabuk (50%).
-
🧠 Inovasinya: SPI ini fokus pada perilaku (tingkat pemakaian sabuk), bukan fitur (ketersediaan airbag).
-
💡 Pelajaran: Jika Anda tidak memakai sabuk pengaman, airbag Anda hanyalah bantal mahal yang meledak.
-
Kenyataan Data: Lagi-lagi. "...informasi survei terperinci... mungkin baru-baru ini tidak tersedia untuk banyak negara".
#3: Kendaraan (VEHICLES) — Ini Bukan Soal Mobil Anda Baru atau Lama
Masalahnya adalah "adanya sejumlah kendaraan di dalam armada yang tidak akan melindungi penumpangnya dengan baik dalam tabrakan".
Mengukur ini secara langsung tidak mungkin. Jadi, mereka mengusulkan "indikator tidak langsung" : Peringkat EuroNCAP dari armada kendaraan nasional.
Bayangkan jika Anda bisa memberi "skor kesehatan" rata-rata untuk semua mobil di negara Anda. Bukan berdasarkan usia atau merek, tapi murni berdasarkan "seberapa besar kemungkinan Anda selamat jika terjadi tabrakan." Itulah SPI ini.
-
🚀 Hasilnya luar biasa: Usia mobil adalah metrik yang buruk. Rating EuroNCAP adalah metrik yang bagus.
-
🧠 Inovasinya: Mengusulkan analisis tingkat armada (fleet-level) berdasarkan skor EuroNCAP, bukan hanya data penjualan mobil baru.
-
💡 Pelajaran: Kebijakan publik seharusnya tidak hanya mendorong "pembelian mobil baru," tapi "penggantian mobil bintang-1 dengan mobil bintang-5."
-
Kenyataan Data: Ini adalah kritik ganda. Pertama, ketersediaan data. Kuesioner meminta data "total armada kendaraan berdasarkan usia, merek, dan model". Hasilnya? Hanya "8 negara mengirim respons penuh". Kedua, perbandingan data. Laporan ini mencatat: "...sebuah Ford Fusion XYZ mungkin memiliki ESP/ECU sebagai standar di satu Negara Anggota tetapi tidak di negara lain". Ini adalah mimpi buruk analisis data.
#4: Jalan (ROADS) — Infrastruktur yang 'Memaafkan'
"Tata letak dan desain infrastruktur memiliki dampak kuat pada... keselamatan". Laporan ini sangat fokus pada jalan pedesaan (rural roads), di mana 4 tipe kecelakaan menyumbang 80% fatalitas: "keluar jalur (run-off-the-road)," "tabrakan di persimpangan," "tabrakan berhadapan (head-on)," dan "kecelakaan dengan pengguna jalan rentan (VRU)".
Konsep kuncinya adalah jalan yang "memaafkan" (forgiving). Ini adalah pergeseran filosofis. Ini berarti desain jalan harus mengasumsikan "kesalahan pengguna jalan tidak dapat dihilangkan sepenuhnya".
Daripada menghitung "black spots" (titik rawan kecelakaan) , SPI ini mengukur desain jalan itu sendiri:
-
Mengatasi "Run-off-road": Berapa persen jalan yang memiliki "zona bebas hambatan (obstacle-free zone)" atau "pagar pengaman (safety barrier)"?.
-
Mengatasi "Head-on": Berapa persen jalan (non-tol) yang memiliki "median atau barrier" fisik?.
-
Mengatasi "Persimpangan": Berapa persen persimpangan yang merupakan "bundaran (roundabouts)" (lebih aman) vs. "simpang empat biasa"?.
-
🚀 Hasilnya luar biasa: Desain jalan yang "memaafkan" (seperti zona bebas hambatan) adalah SPI yang lebih baik daripada hanya menghitung kecelakaan di "black spots".
-
🧠 Inovasinya: EuroRAP (yang dikutip makalah) memiliki "Road Protection Score" (RPS). Ini seperti EuroNCAP tapi untuk jalan.
-
💡 Pelajaran: Jangan salahkan pengemudi karena "mengantuk dan keluar jalur" jika desain jalan Anda tidak memberinya "zona bebas hambatan" untuk pulih.
-
Kenyataan Data: "...pada tahap proyek ini hanya beberapa negara yang dapat menyediakan data yang diminta...".
#5: Manajemen Trauma (TRAUMA MANAGEMENT) — 'Golden Hour' yang Hilang
Ini adalah SPI favorit saya. Keselamatan bukan hanya mencegah kecelakaan. "Fungsi yang tidak tepat dari sistem perawatan pasca-kecelakaan menyebabkan lebih banyak kematian... yang sebenarnya dapat dihindari".
Laporan ini menyoroti "Golden Hour". Kematian terjadi dalam 3 periode. Periode kedua (1-2 jam pasca-insiden) adalah "golden hour" di mana kelangsungan hidup "sangat bergantung pada intervensi medis yang cepat dan tepat".
Studi lain memperkirakan 10% - 13% kematian "dapat dicegah" dengan perawatan trauma yang lebih baik.
Kita harus mengukur kecepatan dan kualitas perawatan pasca-kecelakaan. Laporan ini mengusulkan dua set SPI :
-
Set A (Dasar): Data yang seharusnya dimiliki semua orang. Contoh: "Rata-rata waktu respons EMS" (Ambulans), "Jumlah stasiun EMS per 100 km jalan," "Persentase dokter vs paramedis".
-
Set B (Lanjutan): Data yang lebih kaya dari "Trauma Registry" (basis data rumah sakit). Contoh: "Rata-rata lama tinggal di rumah sakit," "Tingkat kematian selama rawat inap".
-
🚀 Hasilnya luar biasa: Hingga 13% kematian di jalan raya dapat dicegah setelah kecelakaan terjadi.
-
🧠 Inovasinya: Menggunakan data "Trauma Registry" sebagai SPI, bukan hanya data ambulans. Ini menghubungkan data polisi dengan data rumah sakit.
-
💡 Pelajaran: "Golden Hour" adalah nyata. Kecepatan ambulans dan kualitas rumah sakit adalah indikator keselamatan jalan.
-
Kenyataan Data: Ini adalah krisis data terparah. "Tidak ada informasi sistematis yang lengkap... yang tersedia secara rutin di sebagian besar negara". Dan yang paling parah: "Database Trauma Registry tersedia hanya di 2 negara" (dari 13 responden).
#6 & #7: Dua SPI Lainnya (Alkohol & DRL) yang Melengkapi Gambaran
-
Alkohol & Narkoba: Masalahnya adalah "salah satu faktor terpenting yang meningkatkan risiko kecelakaan parah". SPI yang diusulkan jauh lebih fokus daripada tes acak di jalan: "Persentase pengguna jalan yang terlibat dalam kecelakaan fatal dan terganggu (impaired) oleh alkohol atau narkoba". Tentu saja, "kurang dari setengah dari 27 negara... memiliki data".
-
Lampu Siang Hari (DRL): Masalahnya adalah visibilitas buruk. SPI-nya sederhana: "Persentase kendaraan yang menggunakan lampu siang hari". Kenyataannya: "...hanya untuk empat negara... tingkat penggunaan DRL tersedia".
Kesimpulan Saya: Laporan Brilian tentang Data yang Tidak Kita Miliki
Saya baru saja membedah 177 halaman laporan teknis ini , dan kesimpulan saya yang paling jujur bukanlah tentang 7 SPI itu.
Kesimpulan saya adalah: Kita tidak tahu apa-apa.
Meskipun temuannya hebat, dan metodologinya sangat cerdas, laporan ini secara esensial adalah sebuah studi kasus tentang "krisis data" global dalam keselamatan jalan. Ini adalah cetak biru yang fantastis untuk sebuah dasbor di mana sebagian besar lampunya mati.
Laporan ini mengungkap bahwa kita bahkan tidak memiliki data dasar untuk mengukur hal-hal yang paling penting—seperti variabilitas kecepatan , tingkat pemakaian sabuk pengaman , atau data trauma rumah sakit. Ini bukan kritik terhadap para peneliti; ini adalah kritik terhadap infrastruktur data kita.
Dampak Nyata yang Bisa Saya Terapkan Hari Ini (Dan Anda Juga)
Apa artinya ini bagi Anda? Jika Anda seorang analis data, data scientist, atau bekerja di pemerintahan kota atau perusahaan: Berhentilah membuat laporan bulanan tentang "jumlah kecelakaan". Itu data malas.
Mulailah proyek kecil untuk mengukur satu dari 7 SPI ini di komunitas Anda.
-
Bayangkan jika kamu mencoba mengukur SPI #2: Ambil clipboard, berdiri di lampu merah selama satu jam, dan hitung "tingkat pemakaian sabuk pengaman". Itu SPI yang jauh lebih baik daripada data kecelakaan bulan lalu.
-
Bayangkan jika kamu mencoba mengukur SPI #1: Daripada hanya meminta menambah kamera kecepatan (intervensi), gunakan data API publik (seperti Waze atau Google Maps) untuk mengukur speed dispersion (masalahnya) di arteri utama kota Anda.
-
Bayangkan jika kamu mencoba mengukur SPI #7: Hubungi UGD rumah sakit terdekat dan tanyakan apakah mereka memiliki "Trauma Registry". Jika tidak, mulailah percakapan tentang mengapa itu penting.
Tentu saja, untuk melakukan ini, Anda perlu tahu cara mengelola dan menganalisis data dalam skala besar. Jika Anda ingin mulai membangun dashboard yang benar-benar penting ini—dasbor yang mengukur risiko, bukan hanya kegagalan—Anda harus menguasai(https://diklatkerja.com/course/big-data-analytics-data-visualization-and-data-science/).
Laporan SafetyNet ini bukan sekadar laporan, tapi sebuah manifesto. Ini adalah peta jalan untuk beralih dari pemadam kebakaran (reaktif) menjadi arsitek sistem (proaktif). Kita perlu mengubah dasbor kita—dari menghitung kematian menjadi menghitung risiko.