Penerapan Data Spasial Kebijakan Satu Peta untuk Pemodelan Kerawanan Malaria Terintegrasi, Kasus Malaria Perbukitan Menoreh

Barandi Sapta Widartono; Suharyadi Suharyadi; Tri Baskoro Tunggul Satoto; Triwibowo Ambar Garjito; Dwi Sarwani Sri Rejeki

doi:10.22146/mgi.74927

Penerapan Data Spasial Kebijakan Satu Peta untuk Pemodelan Kerawanan Malaria Terintegrasi, Kasus Malaria Perbukitan Menoreh

https://doi.org/10.22146/mgi.74927

Barandi Sapta Widartono^(1*), Suharyadi Suharyadi⁽²⁾, Tri Baskoro Tunggul Satoto⁽³⁾, Triwibowo Ambar Garjito⁽⁴⁾, Dwi Sarwani Sri Rejeki⁽⁵⁾

(1) Fakultas Geografi, Universitas Gadjah Mada, Yogyakarta
(2) Fakultas Geografi, Universitas Gadjah Mada, Yogyakarta
(3) Fakultas Kedokteran, Kesehatan Masyarakat, dan Keperawatan, Universitas Gadjah Mada
(4) Kelompok Riset Penyakit Tular Vektor dan Zoonosis, Pusat Riset Kesehatan Masyarakat dan Gizi, Organisasi Kesehatan, Badan Riset dan Inovasi Nasional
(5) Jurusan Kesehatan Masyarakat, Fakultas Ilmu-ilmu Kesehatan, Universitas Jenderal Soedirman
(*) Corresponding Author

Abstract

Abstrak. Kebijakan Satu Peta (KSP) atau One Map Policy (OMP) merupakan salah satu program prioritas pemerintah dalam pelaksanaan Nawa Cita. Implementasi KSP diharapkan dapat membantu percepatan pelaksanaan pembangunan nasional di berbagai bidang, yang diantaranya adalah di bidang kesehatan. Salah satu program di bidang kesehatan yang dipandang relevan dengan implementasi KSP adalah program pengendalian malaria. Penelitian ini bertujuan untuk mengeksplorasi dan mengidentifikasi data KSP yang dapat digunakan untuk memetakan kerawanan malaria. Eksplorasi dan identifikasi data KSP dilakukan dengan menggunakan pendekatan spasial ekologis yaitu habitat nyamuk vektor malaria. Menggunakan metode Spatial Multi Criteria Analysis (SMCA) yang diintegrasikan dengan SIG. Data KSP terpilih yang digunakan adalah pada kelompok tematik batas wilayah serta sumberdaya alam dan lingkungan yaitu diantaranya batas wilayah administrasi, sistem lahan, geologi, dan penutup lahan, ditambah dengan data kerapatan vegetasi yang di ekstraksi dari citra Landsat. Pemetaan dilakukan di daerah reseptif malaria di Perbukitan Menoreh. Peta kerawanan malaria yang dihasilkan dari implementasi KSP secara umum selaras dengan kondisi kejadian malaria yang terjadi sehingga nantinya dapat digunakan sebagai bahan kajian untuk informasi spasial terpadu.

Abstract. One Map Policy (OMP) is a priority government program in the implementation of Nawa Cita. One Map Policy implementation can help national acceleration development in every sector, such as health. One of the programs in the health sector that is relevant to OMP implementation is the malaria control program. The purposes of this research are to explore and identify OMP data that can be used to map the malaria hazard. Exploration and identification of OMP data was carried out using a spatial ecology approach that is the habitat of the malaria vector mosquito. This research uses the spatial multicriteria analysis (SMCA) method which is integrated with a geographic information system (GIS). The selected OMP data are boundary and natural resources and environment thematics groups, such as administrative boundaries, land system, geology, land cover, and vegetation density extracted from Landsat imagery. This mapping is located in an endemic malaria area, Menoreh Hills. The resulting malaria hazard map from OMP implementation is generally in line with the conditions of malaria incidence that occur so that it can be used as a study for spatial integrated information.

Keywords

Kebijakan Satu Peta (KSP); SIG; Kerawanan Malaria; Informasi Spasial Terpadu; SMCA.

Full Text:

PDF

References

Abdelsattar, A. & Hassan, A.N., (2021). Assestmen of Malaria Resurgence Vulnerability in Fayoum, Egypt Using Remote Sensing and GIS. The Egyptian Journal of Remote Sensing and Space Science, vol. 24(2021): 77 – 84.

Ariati, J., Ibrahim, I.N., Perwitisari, D. (2014). Sebaran Habitat Perkembangbiakan Larva Anopheles SPP di Kecamatan Bula, Kabupaten Seram Bagian Timur, Provinsi Maluku. Jurnal Ekologi Kesehatan, vol. 13 (1):10 – 22.

Barodji, dkk. (2000). Laporan Akhir Penelitian Rutin: Bionomik Vektor Malaria di Kecamatan Kokap, Kabupaten Kulonprogo, DIY. Balai Penelitian Vektor dan Reservoir Penyakit Salatiga.

Boesri, Hasan. (2001). Laporan Akhir Penelitian Rutin: Bionomik Vektor Malaria (An. maculatus dan An. aconitus) di Daerah Endemis Kecamatan Borobudur, Kabupaten Magelang. Balai Penelitian Vektor dan Reservoir Penyakit Salatiga.

Dale, P., dkk, (2005). Malaria in Indonesia: A Summary of Recent Research Into Its Environmental Relationships. South East Asian J Trop Med Public Health, vol. 36(1): 1 – 13.

Ferrao, J.L., et al, (2018). Mapping and Modelling Malaria Risk Areas Using Climate, Socio-Demographic and Clinical Variables in Chimoio, Mozambique. Enviromental Research and Public Health, 15(795).

Hanafi-Bojd, A.A., et al, (2012). Spatial Analysis and Mapping of Malaria Risk in An Endemic Area, South of Iran: A GIS Based Decision Making for Planning of Control. Acta Tropica, 122 (2012) 132 – 137.

Jeganathan, C., et al, (2001). Characterisation of Malaria Vector Habitats Using Remote Sensing and GIS. Journal of the Indian Society of Remote Sensing, vol. 29(1&2): 31 – 36.

Kementerian Koordinator Bidang Pembangunan Manusia dan Kebudayaan, (2018). Pedoman Koordinasi Lintas Sektor Menghadapi Kejadian Luar Biasa (KLB)/Wabah Zoonosis dan Penyakit Infeksi Emerging (PIE). Jakarta.

Kumar, V., dkk, (2014). Forecasting Malaria Cases Using Climatic Factors in Delhi, India: A Time Series Analysis. Malaria Research and Treatment. DOI:10.1155/2014/482851.

Mazher, M.H., et al, (2018). Modeling Spatio-Temporal Malaria Risk Using Remote Sensing and Environmental Factors. Iran J Public Health, vol. 47(9): 1281 – 1291.

Mohan, V.R. and Naumova, E.N., (2014). Temporal Changes in Land Cover Types and The Incidence of Malaria in Mangalore, India. International Journal of Biomedical Research, vol. 5(8): 494 – 498.

Murhandarwati, E Elsa H. et al, (2014). Early Malaria Resurgence in Pre-Elimination Areas in Kokap Sub District, Kulon Progo, Indonesia. Malaria Journal, 13:130.

Murhandarwati, E Elsa H. et al, (2015). Change of Strategy is Required for Malaria Elimination: A Case Study in Purworejo District, Central Java Province, Indonesia. Malaria Journal, 14:318.

Pemerintah Indonesia. (2021). Peraturan Presiden Nomor 23 Tahun 2021 Tentang Perubahan Atas Peraturan Presiden Nomor 9 Tahun 2016 Tentang Percepatan Pelaksanaan Kebijakan Satu Peta Pada Tingkat Ketelitian Peta Skala 1:50.000. Sekretariat Negara. Jakarta.

Raharjo, Mursid. (2011). Malaria Vulnerability Index (MLI) untuk Manajemen Risiko Dampak Perubahan Iklim Global Terhadap Ledakan Malaria di Indonesia. Disajikan dalam Seminar Nasional Penelitian dan Pengembangan Vektor dan Reservoar Penyakit Sebagai Lokomotif Pemberantasan Penyakit Bersumber Binatang Tahun 2011.

Store, Ron & Jokimaki, Jukka. (2003). A GIS-Based Multi-Scale Approach to Habitat Suitability Modeling. Ecological Modelling, vol. 169: 1 – 15.

Sugiarto, Hadi, U.K., Soviana, S., Hakim, L., dan Jusniar, (2018). Indikator Entomologi Dalam Pengendalian Vektor Terpadu (Pvt) Menuju Eliminasi Malaria Di Kabupaten Nunukan, Kalimantan Utara, Jurnal Ekologi Kesehatan Vol. 17, No. 2.

Suwito, Hadi, U.K., Sigit, S.H., (2010). Hubungan Iklim, Kepadatan Nyamuk Anopheles dan Kejadian Penyakit Malaria. J. Entomol. Indon., vol. 7(1): 42 – 53.

Thaharuddin, Soeyoko, Sutomo, A.H., (2004). Lingkungan Perumahan, Kondisi Fisik, Tingkat Pengetahuan, Perilaku Masyarakat dan Angka Kejadian Malaria di Kota Sabang. Jurnal Manusia dan Lingkungan, vol. 11(3): 126 – 133.

Watofa, Abner F., dkk, (2017). Risiko Lingkungan Fisik Terhadap Kejadian Malaria di Wilayah Danau Sentani, Kabupaten Jayapura, Provinsi Papua. J. Manusia dan Lingkungan, vol. 24(1): 31 – 38.

Widayani P. dan Yuliantari E., (2017). Penggunaan Spatial Multicriteria Analysis Untuk Menentukan Daerah Rawan Malaria di Kabupaten Purworejo. Jurnal Manusia dan Lingkungan, vol. 24(2): 81 – 88.

Youssefi, F., et al, (2022). Predicting the Location of Larval Habitats of Anopheles Mosquitoes Using Remote Sensing and Soil Type Data. International Journal of Applied Earth Observations and Geoinformation 108 (2022) 102746.

DOI: https://doi.org/10.22146/mgi.74927