FIOLENTA MARPAUNG
DEPARTEMEN GEOFISIKA DAN METEOROLOGI
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
(Studi Kasus Kabupaten Sukabumi, Jawa Barat). Dibimbing oleh IDUNG RISDIYANTO dan AGUS WIBOWO.
Jumlah kasus malaria meningkat drastis di Kabupaten Sukabumi sejak tahun 2003. Peningkatan tersebut dipengaruhi oleh pola penyebaran vektor malaria (Anopheles sp.). Lingkungan (Altitude, LandUsed, dan Slope) mempengaruhi tempat perindukan nyamuk sedangkan unsur cuaca mempengaruhi metabolisme, pertumbuhan, perkembangan dan populasi nyamuk Anopheles. Pemahaman dan analisis data lingkungan dan unsur cuaca terhadap pola penyebaran vektor malaria dapat digunakan dalam penyususunan rancangan model spasial untuk membantu memprediksi pola penyebaran malaria di Kabupaten Sukabumi, Jawa Barat.
Overlay data lingkungan digunakan untuk menduga zona risiko malaria. Sedangkan prediksi jumlah kasus malaria dimodelkan menggunakan robust regresi Poisson dengan input suhu rata minimum mingguan, suhu rata maksimum mingguan serta jumlah curah hujan rata-rata mingguan dengan PDL (Polynomial Distribution Lag) of weather di Kabupaten Sukabumi. Arithmetic Overlay antara zona risiko dan prediksi kasus malaria menunjukkan zona risiko lonjakan kasus malaria tiap bulan di Kabupaten Sukabumi.
Sebaran zona risiko malaria menyebar di seluruh Kabupaten Sukabumi. Zona risiko tinggi terkonsentrasi di daerah pantai. Sedangkan zona tidak berisiko (non risk) terkonsentrasi di daerah pegunungan. Prediksi kasus malaria tiap bulan dengan PDL of weather 6 lag untuk suhu udara rata-rata dan 7 lag untuk curah hujan menunjukkan jumlah kasus tertinggi terjadi di daerah pantai dan jumlah kasus terendah terjadi di daerah pegunungan. Sebaran lonjakan kasus malaria tertinggi juga terjadi di daerah pantai dan terendah di daerah pantai. Sedangkan pola sebaran lonjakan mengikuti pola curah hujan bulanan di Kabupaten Sukabumi.
Interaksi antara data lingkungan dan unsur cuaca terhadap siklus perindukan dan metabolisme nyamuk merupakan faktor utama dalam memprediksi jumlah kasus malaria. Peringatan dini dapat dilakukan 1-1,5 bulan sebelum terjadinya lonjakan zona kasus malaria tinggi (high risk) di Kabupaten Sukabumi.
FIOLENTA MARPAUNG
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Sains
pada
Departemen Geofisika dan Meteorologi
DEPARTEMEN GEOFISIKA DAN METEOROLOGI
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
Judul Skripsi : Penyusunan Model Spasial untuk Memprediksi Penyebaran Malaria (Studi Kasus Kabupaten Sukabumi, Jawa Barat)
Nama : FIOLENTA MARPAUNG NRP : G 24102002
.
Menyetujui,
Pembimbing I Pembimbing II
Idung Risdiyanto, S.Si., M.Sc in IT Ir. Agus Wibowo, M.Sc. NIP. 132206238 NIP. 680003126
Mengetahui,
Dekan
Fakultas Matematika dan Ilmu pengetahuan Alam
Prof. Dr. Ir. Yonny Koesmaryono, MS NIP. 131473999
Y\b_XagT `TecThaZ
Everything is wonderfull
at that time
My Mom and Dad
My Big Brother Davidson my My sisters (Denni, Netty, Ria and Rita)
This Little Masterpiece Is Dedicated to
RIWAYAT HIDUP
Penulis dilahirkan di Medan pada tanggal 29 September 1984 dari ayah Arsenius Marpaung dan ibu Aratlan Adriana Saragih . Penulis merupakan anak keenam dari enam bersaudara.
Tahun 2002 penulis lulus dari SMA Swasta Cahaya Medan dan pada tahun yang sama lulus seleksi masuk IPB melalui Undangan Seleksi Masuk IPB (USMI). Penulis memilih program studi Meteorologi, Departemen Geofisika dan Meteorologi, Fakultas Matematika dan Ilmu Pengetahuan Alam.
PRAKATA
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas segala karunianya sehingga skripsi ini berhasil diselesaikan. Tema yang dipilih dalam penelitian ini adalah pemodelan prediksi malaria dengan judul Penyusunan Model Spasial untuk Memprediksi Penyebaran Malaria (Studi Kasus Kabupaten Sukabumi, Jawa Barat).
Terima kasih penulis ucapkan kepada Bapak Idung Risdiyanto, S.Si., M.Sc in IT dan Bapak Ir. Agus Wobowo, M.Sc selaku pembimbing yang telah banyak memberikan pengarahan, dukungan dan nasihat sehingga karya ilmiah ini dapat diselesaikan dengan baik.
Penulis juga mengucapkan terima kasih kepada Bapak Prof. Dr.Ir. Yonny Koesmaryono, MS selaku penguji, Bapak Prof. Dr. Ir. Ahmad Bey, M.Sc dan Bapak Ir. Sutikno, MS; yang telah banyak memberikan saran selama penyusunan karya ilmiah ini. Penulis mengucapkan terima kasih kepada Laboratorium Hidrometeorologi Departemen Geofisika dan Meteorologi, Fakultas Matematika dan Ilmu Pengetahuan Alam IPB, Dinas PPM&PL (Pemberantas Penyakit Menular dan Penyehatan Lingkungan), Kabupaten Sukabumi dan BTIC-SEMEAO BIOTROP yang telah membantu penulis dalam ketersediaan data.
Terima kasih yang sedalam-dalamnya penulis ucapkan kepada Papa, Mama, Denni’s family, Kak Netty, Ria’s family, Kak Rita dan Bang David atas segala doa, dukungan, bantuan serta kasih sayangnya kepada penulis. Untuk K’Maria, K’Benni, K’Erwin, K’Micky-BIOTROP terima kasih atas bantuannya dalam kesabarannya untuk mengajariku. K’Denni, K’Dani, K’Bongot, terima kasih atas bantuannya dalam pemahaman penyakit malaria dan kesehatan.
Penghargaan penulis sampaikan kepada keluarga besar civitas Departemen Geofisika dan Meteorologi (GFM); seluruh dosen, para pegawai GFM (Pak Jun, Pak Toro, Pak Pono, Kak Aziz, Bu Indah, Mbak Wanti, Pak Koiruddin, Pak Udin). Crew GFM’39 (Nana, Ana, Nti, Kiki, Sapta, Rudi, Ode, Joko, Mian, Nida, Yo, Basyar, Ani, Aprian, Away, Deni, Lina, Gian, Samba, Ipit, Tado, Lupi, Vivi, Eko, Anton, Zainul, Misna, Linda, Made, An2, Sasat dan Dwinita) serta penghuni Novia IC (Maria, Natha, Ellen, Mila, Riri, Elsa, Opink, Meli, Andri, Ana, mbak Anjar, Angel, Nisa, Mita, Lina, Nita, Mbak Loli, Ayu, Ika dst) - thanks atas segala semangat, keceriaan dan kebersamannya. Mauliate.
Bogor, Agustus 2006
DAFTAR ISI
Halaman
DAFTAR TABEL ... ... ix
DAFTAR GAMBAR ... x
DAFTAR LAMPIRAN ... xi
I. PENDAHULUAN 1.1. Latar Belakang ... 1
1.2. Tujuan ... 1
1.3. Hipotesis ... 1
II. TINJAUAN PUSTAKA 2.1. Deskripsi Penyakit dan Vektor Malaria ... 1
2.2. Siklus Hidup Parasit dan Vektor Malaria ... 2
2.2.1. Siklus Hidup Parasit Malaria ... 2
2.2.1.1. Plasmodium vivax ... 2
2.2.1.2. Plasmodium falciparum ... 2
2.2.2. Siklus Hidup Vektor Malaria ... 3
2.3. Hubungan Cuaca dan Topografi dengan Vektor Malaria ... 5
2.3.1. Suhu ... 5
2.3.2. Kelembaban Udara ... 6
2.3.3. Curah Hujan ... 6
2.3.4. Radiasi ... 6
2.3.5. Angin ... 6
2.3.6. Topografi ... 6
2.4. Sistem Informasi Geografis (SIG) ... 7
2.4.1. Konsep Dasar dan Pengertian SIG ... 7
2.4.2. Subsistem SIG ... 7
2.4.3. Data SIG ... 8
2.4.3.1. Model Raster ... 8
2.4.3.2. Model Vektor ... 8
2.4.4. Fungsi Analisis ... 8
2.4.4.1. Fungsi Analisis Atribut ... 9
2.4.4.2. Fungsi Analisis Spasial ... 9
2.4.5. Pemanfaatan SIG dalam Penyebaran Malaria ... 10
2.4.6. Protokol SIG Malaria ... 10
2.4.6.1. Subsistem Manajemen Data Dasar Populasi Malaria ... 10
2.4.6.2. Subsistem Manajemen Data Geografis ... 10
2.4.6.3. Subsistem Analisis dan Pemanggilan Data ... 11
2.5. Penginderaan Jauh ... 11
2.5.1. Klasifikasi Citra ... 11
2.5.2. Klasifikasi Terbimbing (Supervised Classification) ... 11
2.6. Weather Monitoring Model (WMM) ... 12
2.7. Artikel dan Jurnal Malaria Secara Spasial dan Statistik ... 12
III. KEADAAN UMUM KABUPATEN SUKABUMI 3.1. Kondisi Geografis ... 13
3.2. Topografi ... 13
3.3. Iklim ... 14
3.4. Penyebaran Malaria di Kabupaten Sukabumi ... 15
IV. BAHAN DAN METODE 4.1. Waktu dan Tempat ... 17
4.2. Ruang Lingkup Penelitian ... 18
4.3. Asumsi ... 18
4.4. Alat dan Bahan ... 18
4.4.1. Alat yang Digunakan ... 18
4.5. Metode Penelitian ... 19
4.5.1. Pengekstrasian dan Pengolahan Citra Satelit untuk Klasifikasi LandUsed (Penggunaan Lahan) ... 19
4.5.2. Klasifikasi Daerah Endemis Malaria dan Interaksi Kasus Positif terhadap Lingkungan ... 19
4.5.3. Pemodelan Spasial untuk Memprediksi Penyebaran Malaria ... 19
4.5.3.1. Model Spasial Zona Risiko Malaria ... 19
4.5.3.2. Pemodelan Numerik Hubungan Antara Prediktor dan Kasus Malaria ... 19
4.5.4. Integrasi Model Spasial ... 20
V. HASIL DAN PEMBAHASAN 5.1. Klasifikasi Penutupan Lahan (LandUsed) Kabupaten Sukabumi ... 20
5.2. Sebaran Daerah Endemis Malaria dan Interaksi Kasus Positif Malaria terhadap Lingkungan ... 20
5.2.1. Sebaran Daerah Endemis di Kabupaten Sukabumi ... 22
5.2.2. Interaksi Kasus Positif Malaria terhadap Lingkungan ... 22
5.3. Model Spasial untuk Memprediksi Penyebaran Malaria ... 28
5.3.1. Zona Risiko Malaria Berdasarkan Unsur Lingkungan ... 28
5.3.2. Pemodelan Numerik Prediktor dan Kasus Malaria ... 35
5.4. Integrasi Model Spasial Berdasarkan Unsur Lingkungan dan Unsur Cuaca ... 40
VI. KESIMPULAN DAN SARAN 6.1. Kesimpulan ... 43
6.2. Saran ... 43
VII. DAFTAR PUSTAKA ... 43
DAFTAR TABEL
No. Judul Halaman
1. Tempat Perindukan Larva, Tempat Peristirahatan dan Perilaku Nyamuk Anopheles sp.
Dewasa Sebagai Vektor Malaria ... ... 4
2. Pengaruh Suhu Udara Rata-Rata terhadap Siklus Nyamuk Anoheles sp. dan Siklus Sprogoni Parasit Plasmodium sp. serta Pengaruhnya terhadap Jumlah Luasan Perindukan Menjadi Kejadian Kasus Malaria ... 6
3. Daftar Data dan Peta Populasi Dan Malaria dalam SIG Malaria ... 10
4. Artikel/ Jurnal Secara Spasial Maupun Statistik ... 12
5. Klasifikasi Penggunaan Lahan Kabupaten Sukabumi Tahun 2005 ... 20
6. Klasifikasi Penutupan Lahan (LandUsed) di Daerah Endemis Malaria Kabupaten Sukabumi ... 22
7. Klasifikasi Pengaruh Ketinggian Tempat (Altitude) Terhadap Penentuan Zona Risiko Malaria Di Kabupaten Sukabumi ... 31
8. Klasifikasi Pengaruh Kemiringan Lereng (Slope) terhadap Penentuan Zona Risiko Malaria di Kabupaten Sukabumi ... 31
9. Klasifikasi Pengaruh Penggunaan Lahan (LandUsed) terhadap Penentuan Zona Risiko Malaria di Kabupaten Sukabumi ... 31
10. Pengaruh Variabel Lingkungan dalam Penentuan Zona Risiko Malaria di Kabupaten Sukabumi ... 31
FIOLENTA MARPAUNG
DEPARTEMEN GEOFISIKA DAN METEOROLOGI
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
(Studi Kasus Kabupaten Sukabumi, Jawa Barat). Dibimbing oleh IDUNG RISDIYANTO dan AGUS WIBOWO.
Jumlah kasus malaria meningkat drastis di Kabupaten Sukabumi sejak tahun 2003. Peningkatan tersebut dipengaruhi oleh pola penyebaran vektor malaria (Anopheles sp.). Lingkungan (Altitude, LandUsed, dan Slope) mempengaruhi tempat perindukan nyamuk sedangkan unsur cuaca mempengaruhi metabolisme, pertumbuhan, perkembangan dan populasi nyamuk Anopheles. Pemahaman dan analisis data lingkungan dan unsur cuaca terhadap pola penyebaran vektor malaria dapat digunakan dalam penyususunan rancangan model spasial untuk membantu memprediksi pola penyebaran malaria di Kabupaten Sukabumi, Jawa Barat.
Overlay data lingkungan digunakan untuk menduga zona risiko malaria. Sedangkan prediksi jumlah kasus malaria dimodelkan menggunakan robust regresi Poisson dengan input suhu rata minimum mingguan, suhu rata maksimum mingguan serta jumlah curah hujan rata-rata mingguan dengan PDL (Polynomial Distribution Lag) of weather di Kabupaten Sukabumi. Arithmetic Overlay antara zona risiko dan prediksi kasus malaria menunjukkan zona risiko lonjakan kasus malaria tiap bulan di Kabupaten Sukabumi.
Sebaran zona risiko malaria menyebar di seluruh Kabupaten Sukabumi. Zona risiko tinggi terkonsentrasi di daerah pantai. Sedangkan zona tidak berisiko (non risk) terkonsentrasi di daerah pegunungan. Prediksi kasus malaria tiap bulan dengan PDL of weather 6 lag untuk suhu udara rata-rata dan 7 lag untuk curah hujan menunjukkan jumlah kasus tertinggi terjadi di daerah pantai dan jumlah kasus terendah terjadi di daerah pegunungan. Sebaran lonjakan kasus malaria tertinggi juga terjadi di daerah pantai dan terendah di daerah pantai. Sedangkan pola sebaran lonjakan mengikuti pola curah hujan bulanan di Kabupaten Sukabumi.
Interaksi antara data lingkungan dan unsur cuaca terhadap siklus perindukan dan metabolisme nyamuk merupakan faktor utama dalam memprediksi jumlah kasus malaria. Peringatan dini dapat dilakukan 1-1,5 bulan sebelum terjadinya lonjakan zona kasus malaria tinggi (high risk) di Kabupaten Sukabumi.
FIOLENTA MARPAUNG
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Sains
pada
Departemen Geofisika dan Meteorologi
DEPARTEMEN GEOFISIKA DAN METEOROLOGI
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
Judul Skripsi : Penyusunan Model Spasial untuk Memprediksi Penyebaran Malaria (Studi Kasus Kabupaten Sukabumi, Jawa Barat)
Nama : FIOLENTA MARPAUNG NRP : G 24102002
.
Menyetujui,
Pembimbing I Pembimbing II
Idung Risdiyanto, S.Si., M.Sc in IT Ir. Agus Wibowo, M.Sc. NIP. 132206238 NIP. 680003126
Mengetahui,
Dekan
Fakultas Matematika dan Ilmu pengetahuan Alam
Prof. Dr. Ir. Yonny Koesmaryono, MS NIP. 131473999
Y\b_XagT `TecThaZ
Everything is wonderfull
at that time
My Mom and Dad
My Big Brother Davidson my My sisters (Denni, Netty, Ria and Rita)
This Little Masterpiece Is Dedicated to
RIWAYAT HIDUP
Penulis dilahirkan di Medan pada tanggal 29 September 1984 dari ayah Arsenius Marpaung dan ibu Aratlan Adriana Saragih . Penulis merupakan anak keenam dari enam bersaudara.
Tahun 2002 penulis lulus dari SMA Swasta Cahaya Medan dan pada tahun yang sama lulus seleksi masuk IPB melalui Undangan Seleksi Masuk IPB (USMI). Penulis memilih program studi Meteorologi, Departemen Geofisika dan Meteorologi, Fakultas Matematika dan Ilmu Pengetahuan Alam.
PRAKATA
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas segala karunianya sehingga skripsi ini berhasil diselesaikan. Tema yang dipilih dalam penelitian ini adalah pemodelan prediksi malaria dengan judul Penyusunan Model Spasial untuk Memprediksi Penyebaran Malaria (Studi Kasus Kabupaten Sukabumi, Jawa Barat).
Terima kasih penulis ucapkan kepada Bapak Idung Risdiyanto, S.Si., M.Sc in IT dan Bapak Ir. Agus Wobowo, M.Sc selaku pembimbing yang telah banyak memberikan pengarahan, dukungan dan nasihat sehingga karya ilmiah ini dapat diselesaikan dengan baik.
Penulis juga mengucapkan terima kasih kepada Bapak Prof. Dr.Ir. Yonny Koesmaryono, MS selaku penguji, Bapak Prof. Dr. Ir. Ahmad Bey, M.Sc dan Bapak Ir. Sutikno, MS; yang telah banyak memberikan saran selama penyusunan karya ilmiah ini. Penulis mengucapkan terima kasih kepada Laboratorium Hidrometeorologi Departemen Geofisika dan Meteorologi, Fakultas Matematika dan Ilmu Pengetahuan Alam IPB, Dinas PPM&PL (Pemberantas Penyakit Menular dan Penyehatan Lingkungan), Kabupaten Sukabumi dan BTIC-SEMEAO BIOTROP yang telah membantu penulis dalam ketersediaan data.
Terima kasih yang sedalam-dalamnya penulis ucapkan kepada Papa, Mama, Denni’s family, Kak Netty, Ria’s family, Kak Rita dan Bang David atas segala doa, dukungan, bantuan serta kasih sayangnya kepada penulis. Untuk K’Maria, K’Benni, K’Erwin, K’Micky-BIOTROP terima kasih atas bantuannya dalam kesabarannya untuk mengajariku. K’Denni, K’Dani, K’Bongot, terima kasih atas bantuannya dalam pemahaman penyakit malaria dan kesehatan.
Penghargaan penulis sampaikan kepada keluarga besar civitas Departemen Geofisika dan Meteorologi (GFM); seluruh dosen, para pegawai GFM (Pak Jun, Pak Toro, Pak Pono, Kak Aziz, Bu Indah, Mbak Wanti, Pak Koiruddin, Pak Udin). Crew GFM’39 (Nana, Ana, Nti, Kiki, Sapta, Rudi, Ode, Joko, Mian, Nida, Yo, Basyar, Ani, Aprian, Away, Deni, Lina, Gian, Samba, Ipit, Tado, Lupi, Vivi, Eko, Anton, Zainul, Misna, Linda, Made, An2, Sasat dan Dwinita) serta penghuni Novia IC (Maria, Natha, Ellen, Mila, Riri, Elsa, Opink, Meli, Andri, Ana, mbak Anjar, Angel, Nisa, Mita, Lina, Nita, Mbak Loli, Ayu, Ika dst) - thanks atas segala semangat, keceriaan dan kebersamannya. Mauliate.
Bogor, Agustus 2006
DAFTAR ISI
Halaman
DAFTAR TABEL ... ... ix
DAFTAR GAMBAR ... x
DAFTAR LAMPIRAN ... xi
I. PENDAHULUAN 1.1. Latar Belakang ... 1
1.2. Tujuan ... 1
1.3. Hipotesis ... 1
II. TINJAUAN PUSTAKA 2.1. Deskripsi Penyakit dan Vektor Malaria ... 1
2.2. Siklus Hidup Parasit dan Vektor Malaria ... 2
2.2.1. Siklus Hidup Parasit Malaria ... 2
2.2.1.1. Plasmodium vivax ... 2
2.2.1.2. Plasmodium falciparum ... 2
2.2.2. Siklus Hidup Vektor Malaria ... 3
2.3. Hubungan Cuaca dan Topografi dengan Vektor Malaria ... 5
2.3.1. Suhu ... 5
2.3.2. Kelembaban Udara ... 6
2.3.3. Curah Hujan ... 6
2.3.4. Radiasi ... 6
2.3.5. Angin ... 6
2.3.6. Topografi ... 6
2.4. Sistem Informasi Geografis (SIG) ... 7
2.4.1. Konsep Dasar dan Pengertian SIG ... 7
2.4.2. Subsistem SIG ... 7
2.4.3. Data SIG ... 8
2.4.3.1. Model Raster ... 8
2.4.3.2. Model Vektor ... 8
2.4.4. Fungsi Analisis ... 8
2.4.4.1. Fungsi Analisis Atribut ... 9
2.4.4.2. Fungsi Analisis Spasial ... 9
2.4.5. Pemanfaatan SIG dalam Penyebaran Malaria ... 10
2.4.6. Protokol SIG Malaria ... 10
2.4.6.1. Subsistem Manajemen Data Dasar Populasi Malaria ... 10
2.4.6.2. Subsistem Manajemen Data Geografis ... 10
2.4.6.3. Subsistem Analisis dan Pemanggilan Data ... 11
2.5. Penginderaan Jauh ... 11
2.5.1. Klasifikasi Citra ... 11
2.5.2. Klasifikasi Terbimbing (Supervised Classification) ... 11
2.6. Weather Monitoring Model (WMM) ... 12
2.7. Artikel dan Jurnal Malaria Secara Spasial dan Statistik ... 12
III. KEADAAN UMUM KABUPATEN SUKABUMI 3.1. Kondisi Geografis ... 13
3.2. Topografi ... 13
3.3. Iklim ... 14
3.4. Penyebaran Malaria di Kabupaten Sukabumi ... 15
IV. BAHAN DAN METODE 4.1. Waktu dan Tempat ... 17
4.2. Ruang Lingkup Penelitian ... 18
4.3. Asumsi ... 18
4.4. Alat dan Bahan ... 18
4.4.1. Alat yang Digunakan ... 18
4.5. Metode Penelitian ... 19
4.5.1. Pengekstrasian dan Pengolahan Citra Satelit untuk Klasifikasi LandUsed (Penggunaan Lahan) ... 19
4.5.2. Klasifikasi Daerah Endemis Malaria dan Interaksi Kasus Positif terhadap Lingkungan ... 19
4.5.3. Pemodelan Spasial untuk Memprediksi Penyebaran Malaria ... 19
4.5.3.1. Model Spasial Zona Risiko Malaria ... 19
4.5.3.2. Pemodelan Numerik Hubungan Antara Prediktor dan Kasus Malaria ... 19
4.5.4. Integrasi Model Spasial ... 20
V. HASIL DAN PEMBAHASAN 5.1. Klasifikasi Penutupan Lahan (LandUsed) Kabupaten Sukabumi ... 20
5.2. Sebaran Daerah Endemis Malaria dan Interaksi Kasus Positif Malaria terhadap Lingkungan ... 20
5.2.1. Sebaran Daerah Endemis di Kabupaten Sukabumi ... 22
5.2.2. Interaksi Kasus Positif Malaria terhadap Lingkungan ... 22
5.3. Model Spasial untuk Memprediksi Penyebaran Malaria ... 28
5.3.1. Zona Risiko Malaria Berdasarkan Unsur Lingkungan ... 28
5.3.2. Pemodelan Numerik Prediktor dan Kasus Malaria ... 35
5.4. Integrasi Model Spasial Berdasarkan Unsur Lingkungan dan Unsur Cuaca ... 40
VI. KESIMPULAN DAN SARAN 6.1. Kesimpulan ... 43
6.2. Saran ... 43
VII. DAFTAR PUSTAKA ... 43
DAFTAR TABEL
No. Judul Halaman
1. Tempat Perindukan Larva, Tempat Peristirahatan dan Perilaku Nyamuk Anopheles sp.
Dewasa Sebagai Vektor Malaria ... ... 4
2. Pengaruh Suhu Udara Rata-Rata terhadap Siklus Nyamuk Anoheles sp. dan Siklus Sprogoni Parasit Plasmodium sp. serta Pengaruhnya terhadap Jumlah Luasan Perindukan Menjadi Kejadian Kasus Malaria ... 6
3. Daftar Data dan Peta Populasi Dan Malaria dalam SIG Malaria ... 10
4. Artikel/ Jurnal Secara Spasial Maupun Statistik ... 12
5. Klasifikasi Penggunaan Lahan Kabupaten Sukabumi Tahun 2005 ... 20
6. Klasifikasi Penutupan Lahan (LandUsed) di Daerah Endemis Malaria Kabupaten Sukabumi ... 22
7. Klasifikasi Pengaruh Ketinggian Tempat (Altitude) Terhadap Penentuan Zona Risiko Malaria Di Kabupaten Sukabumi ... 31
8. Klasifikasi Pengaruh Kemiringan Lereng (Slope) terhadap Penentuan Zona Risiko Malaria di Kabupaten Sukabumi ... 31
9. Klasifikasi Pengaruh Penggunaan Lahan (LandUsed) terhadap Penentuan Zona Risiko Malaria di Kabupaten Sukabumi ... 31
10. Pengaruh Variabel Lingkungan dalam Penentuan Zona Risiko Malaria di Kabupaten Sukabumi ... 31
DAFTAR GAMBAR
No. Judul Halaman
1. Nyamuk Anopheles sp. dewasa ... 2
2. Uraian subsistem-subsistem SIG ... 7
3. Data SIG dalam bentuk layers/ themes... 8
4. Ilustrasi model data vektor dan model data raster ... 8
5. Query spasial unruk mencari luas penutupan lahan kurang dari 40000m2 ... 9
6. Klasifikasi data spasial dari 7 kelas (a) menjadi 5 kelas (b) ... 9
7. Prinsip dasar overlay poligon. Dua buah poligon layer A dan B akan menghasilkan data spasial baru (data atribut) yang merupakan hasil interaksi layer A dan B ... 9
8. Kerangka umum SIG Malaria ... 11
9. Peta topografi Kabupaten Sukabumi ... 15
10. Suhu udara rata-rata Kabupaten Sukabumi periode 11 tahun (1994-2004) ... 14
11. Curah hujan rata-rata Kabupaten Sukabumi periode 11 tahun (1994-2004) ... 14
12. Pola musim penyebaran penyakit malaria di Kabupaten Sukabumi pada tahun 1994-2004 16
13. Pola penyebaran kasus malaria di Kabupaten Sukabumi patda tahun 1999-2004 ... 16
14. Sebaran spasial kasus positif malaria tiap desa di Kabupaten Sukabumi tahun 2004 ... 17
15. Area studi ... 18
16. Klasifikasi penggunan lahan Kabupaten Sukabumi ... 21
17. Peta sebaran desa perindukan Anopheles sp. di Kabupaten Sukabumi ... 23
18. Peta sebaran desa endemis Kabupaten Sukabumi ... 24
19. Peta sebaran daerah pemukiman kasus malaria di daerah perindukan Nyamuk Anopheles Pada jelajah terbang 1mil ... 25
20. Peta sebaran daerah pemukiman kasus malaria di daerah perindukan Nyamuk Anopheles Pada jelajah terbang 2mil ... 26
21. Peta sebaran daerah pemukiman kasus malaria di daerah perindukan Nyamuk Anopheles Pada jelajah terbang 3mil ... 27
22. Hubungan kerapatan kasus terhadap luasan perindukan dan pemukiman tiap desa perindukan dengan jelajah nyamuk (a) 1 mil, (b) 2 mil dan (c) 3 mil ... 28
23. Peta sebaran klasifikasi pembobotan (scoring) dari ketinggian tempat (altitude) ... 30
24. Peta sebaran klasifikasi pembobotan (scoring) dari kemiringan tempat (slope) ... 32
25. Peta sebaran klasifikasi pembobotan (scoring) dari penggunaan lahan (LandUsed) ... 33
26. Klasifikasi zona risiko malaria Kabupaten Sukabumi ... 36
27. Sebaran kasus malaria terhadap zona risiko malaria di Kabupaten Sukabumi tahun 2004 . 37 28. Hubungan kerapatan kasus terhadap zona risiko malaria di Kabupaten Sukabumi ... 35
30. Sebaran prediksi kasus malaria bulanan tiap desa di Kabupaten Sukabumi tahun 2004 ... 39 31. Sebaran kasus prediksi malaria bulan Januari 2004 menurut zona risiko malaria di
Kabupaten Sukabumi ... 41 32. Prediksi ebaran zona lonjakan kasus malaria di Kabupaten Sukabumi tahun 2004 ... 42
DAFTAR LAMPIRAN
No. Judul Halaman
I. PENDAHULUAN
1.1. Latar BelakangMalaria merupakan masalah kesehatan utama di Kabupaten Sukabumi. Dari data PPM&PL Depkes (Pemberantas Penyakit Menular dan Penyehatan Lingkungan Departemen Kesehatan) tahun 2002, tercatat 143 kasus positif malaria dan 18 orang meninggal dunia. Sedangkan dari data tahun 2003, sebanyak 1.790 kasus malaria dan 27 orang meninggal dunia tercatat terjadi di Kabupaten Sukabumi. Kondisi tersebut menyebabkan kembalinya Kabupaten Sukabumi sebagai daerah KLB (Kejadian Luar Biasa) Malaria (www.depkes.go.id).
Peningkatan kasus malaria cenderung dipengaruhi oleh perubahan pola distribusi vektor malaria. Pola distribusi vektor malaria (nyamuk Anopheles sp.) berkembang dari skala lokal menjadi skala global (http://www.who.ch/). Kondisi tersebut didukung oleh perubahan daerah endemik malaria yang bertambah luas dan peningkatan jumlah penduduk tanpa disertai dengan peningkatan sarana kesehatan. Perpindahan penduduk dari satu tempat ke tempat lain, khususnya dari daerah rawan penyakit menular ke daerah lain, menyebabkan daerah yang telah bebas dari penyakit terkena kembali (www.depkes.go.id).
Berbagai upaya dilakukan untuk memberantas penyakit maupun vektor malaria. Upaya tersebut mencakup pengobatan pasien, penggunaan obat-obatan anti malaria, pemusnahan nyamuk vektor pembawa penyakit serta pemusnahan tempat pembiakan nyamuk. Tetapi upaya tersebut kurang efektif karena obat anti-malaria maupun obat pembasmi nyamuk memberikan dampak yang kecil terhadap penurunan kepadatan transmisi nyamuk. (Hargreaves K et al., 2000 dalam Mushinzimana et al., 2005). Oleh karena itu diperlukan sistem kewaspadaan dini serta perencanaan pemberantasan malaria yang tepat dan berkesinambungan oleh pemerintah dan masyarakat setempat.
Pendugaan Sistem Kewaspadaan/ Peringatan Dini Malaria atau Early Warning System Malaria (EWSM) berdasarkan pada pendugaan kepadatan larva vektor serta penentuan tempat perindukan dan habitat vektor. Pendugaan faktor-faktor tersebut dibatasi oleh lingkungan habitat dan tempat perindukan vektor itu sendiri. Hal ini disebabkan oleh lingkungan mampu mengatur atau mereduksi transmisi malaria secara
signifikan (Killen et al., 2002 dalam Mushinzimana et al., 2005).
Unsur-unsur cuaca/iklim juga merupakan input pendugaan sistem peringatan dini. Unsur cuaca merupakan faktor pembatas perkembangbiakan vektor tiap fase dan populasi nyamuk. Pendugaan peringatan dini berdasarkan unsur-unsur cuaca/iklim dapat memprediksi lonjakan kasus malaria dari waktu ke waktu. Hal ini disebabkan oleh kasus malaria tersebut dapat dipresentasikan sebagai vektor malaria (Teklehaimot et al., 2004).
1.2. Tujuan
Tujuan penelitian ini adalah menyusun rancangan model spasial untuk membantu memprediksi pola penyebaran malaria berdasarkan kondisi penutupan lahan dan unsur-unsur cuaca.
1.3. Hipotesis
Penyebaran kasus malaria ditentukan dari pendugaan penyebaran vektor malaria.
II. TINJAUAN PUSTAKA
2.1.Deskriptif Penyakit dan VektorMalaria
Penyakit malaria merupakan penyakit menular yang berasal dari infeksi parasit Plasmodium sp. Parasit Plasmodium berkembang di dalam sistem imun (kekebalan tubuh) manusia, menginfeksi hati, dan menghancurkan sel darah merah. Pada masa inkubasi, Plasmodium hidup dan berkembang biak dalam sel hati. Beberapa hari sebelum gejala pertama terjadi, organisme tersebut menyerang dan menghancurkan sel darah merah sejalan dengan perkembangan mereka, sehingga menyebabkan demam. Demam ini dapat terjadi selama dua minggu setelah infeksi (FKUI, 1990).
kematian terutama pada anak-anak di bawah 5 tahun (FKUI, 1990).
Plasmodium vivax dan Plasmodium falcifarum merupakan penyebab penyakit malaria utama di Kabupaten Sukabumi. Dari data kesediaan darah pasien malaria, tercatat lebih dari 90% mengandung Plasmodium falciparum maupun Plasmodium vivax. Plasmodium malariae dan kasus indegenous tercatat jarang terjadi di Kabupaten Sukabumi (PPM&PL Depkes).
Anopheles sp. merupakan subfamili dari Anophelinae seperti Anopheles sundaicus dan Anopheles aconicus. Kedua nyamuk ini banyak ditemukan di daerah Sukabumi (PPM&PL Depkes). Nyamuk Anopheles sp. merupakan genus yang utama dalam subgenus ini. Menurut Brown (1986) dalam Soviana et al., (2000), Anopheles sp. dapat diklasifikasikan sebagai berikut:
Kingdom : Animal Filum : Invertebrata Kelas : Insekta Subkelas : Pterygota Ordo : Diptera Subordo : Nematocera Famili : Culicidae Subfamili : Anophelinae Genus : Anopheles
Species :Anophleles sundaicus, Anopheles aconicus, dan lain-lain
Gambar 1 Nyamuk Anopheles sp. dewasa.
Nyamuk Anopheles sp. merupakan ektoparasit yang berbentuk langsing baik tubuh, sayap maupun probosisnya. Anophleles sp. mempunyai morfologi yang hampir sama dengan jenis nyamuk lainnya. Nyamuk Anopheles mempunyai maksilari papi yang sama panjang dengan probosis (alat untuk menusuk dan menghisap cairan makanan atau darah) tetapi pada nyamuk jantan, ujung palpi membesar (club-shaped). Posisi hinggap nyamuk menungging, dengan kaki-kaki yang panjang dan langsing (Brown, 1986 dalam Soviana et al., 2000).
2.2.Siklus Hidup Parasit dan Vektor Malaria
2.2.1. Siklus Hidup Parasit Malaria 2.2.1.1. Plasmodium vivax
Ketika nyamuk Anopheles betina (yang mengandung parasit malaria) menggigit manusia, Plasmodium vivax akan mengeluarkan sporozoit dari kelenjar ludah nyamuk masuk ke dalam peredaran perifer manusia. Setelah kira-kira 30 menit, sporozoit masuk ke dalam sel hati dan tumbuh menjadi skizon hati dan menjadi hipnozoit. Hipnozoit tetap beristirahat dalam sel hati selama beberapa waktu (kira-kira 3 bulan), sampai aktif kembali dan mulai dengan daur eksoeritrosit sekunder (FKUI, 1990).
Merozoit dari skizon hati masuk ke peredaran darah, menghinggapi eritrosit dan mulai dengan daur eritrosit untuk perkembangbiakan aseksual (skizogoni darah). Merozoit skizon eritrosit tersebut tumbuh menjadi trifozoit muda yang berbentuk cincin dengan ukuran sepertiga eritrosit. Eritrosit yang dihinggapi parasit Plasmodium vivax akan mengalami perubahan ukuran menjadi lebih besar, berwarna pucat dan berbentuk seperti titik Schuffner (FKUI, 1990).
Daur eritrosit pada Plasmodium vivax berlangsung selama 48 jam secara berkesinambungan. Hal ini ditandai dengan berubahnya trifozoit muda menjadi trifozoit tua yang sangat aktif. Pigmen parasit semakin nyata dan berwarna kuning. Sedangkan eritosit dipenuhi oleh merozoit dari skizon yang telah matang (FKUI, 1990).
Siklus seksual (sporogoni) parasit Plasmodium vivax dalam nyamuk, dipengaruhi oleh suhu lingkungan. Siklus akan berlangsung selama 16 hari jika berada pada suhu 20°C dan 8-9 hari pada suhu 27°C. Sedangkan dibawah 15°C, perkembangbiakan seksual parasit tidak berlangsung (FKUI, 1990).
2.2.1.2. Plasmodium falciparum
Perkembangan aseksual parasit Plasmodium falciparum berbeda dengan Plasmodium vivax. Perkembangan aseksual dalam hati hanya berlangsung hingga fase pra-eritrosit. Parasit tidak mengalami fase eksoeritrosit yang dapat menimbulkan relaps jangka panjang (rekuens) seperti Plasmodium vivax yang mempunyai hipnozoit dalam hati (FKUI, 1990).
Plasmodium falciparum sangat kecil dan halus dengan ukuran seperenam eritrosit. Trofozoit tua akan menghilang dari darah tepi setelah 24 jam tertahan di kapiler-kapiler darah, seperti otak, jantung, plasenta, usus dan sumsum tulang belakang; di tempat-tempat ini, parasit akan berkembang secara skizogoni. Skizon yang telah matang akan membentuk merozoit dan mengisi dua per-tiga eritrosit. Kondisi ini cenderung menyebabkan penyumbatan kapiler-kapiler darah (FKUI, 1990).
Pembentukan gametosit parasit berlangsung di alat-alat dalam dan darah tepi kapiler. Gametosit (makrogametosit dan mikrogametosit) mengalami skigozoni. Sitoplasma bertambah besar, tidak padat dan berwarna merah muda (FKUI, 1990). Jumlah gametosit pada infeksi Plasmodium falciparum lebih banyak dibandingkan dengan jumlah gametosit Plasmodium lainnya. Hal inilah yang menyebabkan Plasmodium falcifarum merupakan species penyakit malaria yang paling berbahaya (http://www.ppmplp.depkes.go.id).
Siklus seksual Plasmodiun falciparum dalam nyamuk hampir sama dengan Plasmodium vivax. Siklus seksual berlangsung 22 hari pada suhu lingkungan 20°C, 15-17 hari pada suhu 23°C dan 10-11 hari pada suhu 25°C-28°C. Sedangkan dibawah 15°C, perkembangbiakan seksual parasit tidak berlangsung (FKUI, 1990).
2.2.2. Siklus Hidup Vektor Malaria
Seekor nyamuk betina Anopheles yang telah menghisap darah, dapat menghasilkan telur antara 100-400 butir dalam satu kali masa telur (Brown, 1983). Nyamuk Anopheles sp. mengalami metamorfosis sempurna yaitu telur, larva, pupa dan dewasa. Telur akan menetas menjadi larva kemudian melakukan pengelupasan kulit sebanyak 4 kali; lalu tumbuh menjadi pupa dan akhirnya menjadi nyamuk dewasa. Waktu yang diperlukan untuk pertumbuhan sejak telur diletakkan sampai dewasa bervariasi antara 2-10 minggu bergantung pada sumber darah dan suhu udara. Keempat fase metamorfosis tersebut memerlukan lingkungan untuk perkembangannya (FKUI, 1990).
• Perkembangan Telur Anopheles sp.
Telur Anopheles menyerupai perahu dengan pelampung dari chorion yang berlekuk-lekuk disebelah lateral. Telur tersebut memiliki panjang kira-kira 0,7 mm. Nyamuk Anopheles meletakan telurnya di dalam air dan umumnya akan menetas dalam
waktu 1-3 hari pada suhu 30°C, tetapi akan membutuhkan 7 hari pada suhu 16°C. Telur Anopheles sangat resisten terhadap pengeringan dan suhu yang sangat tinggi maupun suhu rendah. Telur Anopheles akan musnah pada suhu diatas 40°C dan tidak berkembang pada suhu di bawah 12°C (Brown, 1983).
• Perkembangan Larva Anopheles sp.
Stadium larva membutuhkan air untuk kehidupannya. Larva mengalami 4 stadium perkembangan untuk mencapai panjang kira-kira 10 mm. Larva Anopheles sp. memiliki kebiasaan beristirahat dengan mengantung secara horizontal terhadap permukaan air. Larva nyamuk Anopheles memakan algae, bakteri dan bahan-bahan organik kecil yang berukuran 20-100 mikron dari permukaan air (Brown, 1983). Waktu yang dibutuhkan stadium larva menjadi pupa berkisar antara 9-12 hari (Cander, 1981 dalam Derhana, 2005), dan pada suhu dibawah 10°C, larva tidak menjadi pupa (Borror et al. 1989 dalam Derhana, 2005).
• Perkembangan Pupa Anopheles sp.
Stadium pupa merupakan fase tanpa makan dan sangat sensitif terhadap pergerakan air. Stadium ini berlangsung dalam waktu 2-3 hari, tetapi dapat diperpanjang hingga 10 hari jika berada pada suhu rendah, di bawah suhu 10°C. Pupa nyamuk tidak mengalami perkembangan. Waktu menetas (ekslosi), kulit pupa terkelupas akibat gesekan gelembung udara dan kegiatan bentuk nyamuk dewasa yang ingin melepaskan diri (Soviana dan Hadi, 2000).
• Perkembangan Anopheles sp. dewasa Nyamuk yang telah melepaskan diri dari kulit pupa akan mencari pasangan untuk mengadakan perkawinan. Perkawinan akan terjadi antara 1-2 hari setelah keluar dari pupa. Nyamuk jantan dewasa umumnya dapat bertahan hidup selama 6-7 hari sedangkan nyamuk betina dapat bertahan hidup selama 2 minggu di alam (Soviana dan Hadi, 2000).
Kebiasaan
Setiap jenis nyamuk memiliki jarak terbang yang berbeda-beda. Nyamuk Anopheles sp. mempunyai jarak terbang efektif antara tempat perindukan dan sumber makanan darah. Sedangkan jarak terbang maksimum berkisar 1-3 mil (Brown, 1983).
dan hewan sebagai sumber makanan darah. Daya tarik jarak jauh disebabkan oleh adanya perangsangan bau dari zat-zat yang dikeluarkan oleh hewan ataupun manusia, seperti CO2 dan beberapa zat asam amino.
Lokalisasi suhu hangat dan kelembaban turut mempengaruhi pola penyebaran nyamuk (Brown, 1983).
Umumnya species nyamuk Anopheles sp. sebagai host definitive memiliki perilaku yang berbeda-beda. Perilaku tersebut menentukan proses penularan malaria seperti tempat
hinggap/istirahat yang eksofilik (senang hinggap di luar rumah) dan endofilik (suka hinggap di dalam rumah). Anopheles sp. juga memiliki tempat menggigit yang berbeda-beda yakni eksofagik (menggigit di luar rumah) dan endofagik (lebih suka menggigit di dalam rumah). Obyek yang digigit Anopheles sp. juga berbeda-beda, yakni antrofilik ( menggigit manusia) dan zoofilik ( menggigit hewan). Perilaku nyamuk dewasa di Kabupaten Sukabumi secara terperinci dapat dilihat pada Tabel 1.
Tabel 1 Tempat Perindukan Larva, Tempat Peristirahatan dan Perilaku Nyamuk Anopheles sp. Dewasa Sebagai Vektor Malaria
Vektor Tempat Perindukan Larva Perilaku Nyamuk Dewasa
An.
sundaicus*†
Muara sungai yang dangkal pada musim kemarau,tambak ikan yang kurang terpelihara, parit-parit disepanjang pantai bekas galian yang berisi air payau.
Antrofilik > Zoofilik, menggigit sepanjang malam.
Tit: di dalam dan luar rumah
An. aconicus*†
Persawahan dengan saluran irigasi, tepi sungai pada musim kemarau, kolam ikan dengan tanaman kecil di dalamnya.
Zoofilik > Antrofilik, Eksofagik menggigit diwaktu senja hingga dini hari Tit: di luar rumah (pit traps)
An.
barbirostris*†
Sawah dan saluran irigasi, kolam, rawa, mata air, sumur, dan lain-lain.
Zoofilik
Eksofagik > Endofagik dan menggigit pada malam hari Tit: di luar (pada tanaman)
An.
malculatus*†
Mata air dan sungai dengan air jernih yang mengalir lambat di daerah pegunungan dan daerah perkebunan teh.
Zoofilik > Antrofilik menggigit pada malam hari
Tit: di luar rumah (sekitar kandang)
An. subpicus†
Kumpulan air yang permanen/ sementara, celah tanah bekas kaki binatang, tambak ikan dan bekas galian.
Antrofillik > Zoofilik menggigit pada malam hari
Tit: di dalam dan di luar rumah (kandang)
An.
balabacensis†
Bekas roda yang tergenang air, air, bekas jejak kaki binatang pada tanah lumpur yang berair, tepi sungai pada musim kemarau, kolam atau kali yang berbatu di hutan dan daerah pedalaman.
Antrofilik < Zoofilik Tis: Endofilik menggigit pada malam hari
Tit: di luar tumah (sekitar kandang).
An.
nigerrimus†‡
Sawah, kolam dan rawa yang ada tanaman air.
Zoofilik > Antrofilik dan menggigit dari senja hingga malam hari
Tit: di luar rumah (kandang)
Keterangan:
An : Anopheles
Tit : tempat tinggal tetap Tis : tempat tinggal sementara
* : jenis nyamuk Anopheles sp. dominan di Kabupaten Sukabumi (PPM&PL Depkes Kab. Sukabumi) † : jenis nyamuk Anopheles sp. yang di temukan di Jawa Barat
‡ : jenis nyamuk Anopheles sp. yang ditemukan di Kabupaten Sukabumi (Sumber: Depkes, 1990 dalam FKUI, 1990)
Walaupun memiliki tempat hinggap, tempat menggigit dan objek yang digigit yang berbeda-beda, nyamuk Anopheles memiliki ciri-ciri siklus hidup yang hampir sama, sebagai berikut:
• Mengalami siklus genotropik.
• Nyamuk betina hanya mengalami satu kali kawin.
• Spermatozoa dikeluarkan oleh nyamuk jantan ke spermateka betina untuk membuahi sel telur.
• Menghisap darah untuk memperoleh nutrien yang dibutuhkan dalam perkembangan telur dalam ovaria. (Beberapa species dapat bersifat autogeni pada kelompok telur pertama).
• Setelah menghisap darah, abodemen yang berwarna merah muda akan membesar dan berwarna merah tua (gelap) setelah darah diserap oleh telur di dalam ovari yang besar.
• Telur diletakkan satu per satu langsung di permukaan air alam (Soviana dan Hadi, 2000).
Pola penyebaran malaria dipengaruhi oleh tiga faktor utama yaitu host (manusia/nyamuk), agent (parasit Plasmodium) dan environment (lingkungan). Penyebaran malaria akan terjadi apabila ketiga komponen tersebut mendukung. Manusia sebagai Host Intermediate dapat terinfeksi oleh agent dan merupakan tempat berkembangbiaknya agent (FKUI, 1990). Epidiomologi
Faktor-faktor yang mempengaruhi penentuan vektor malaria di suatu daerah endemis malaria adalah:
1. Kebiasaan nyamuk Anopheles menghisap darah manusia.
2. Lama hidup nyamuk betina dewasa lebih dari 10 hari.
3. Nyamuk Anopheles dengan kepadatan tinggi dan mendominasi species lain yang ditemukan.
4. Hasil infeksi percobaan di laboratoriun yang menunjukkan kemampuan untuk mengembangkan Plasmodium menjadi stadiun sporozoit (FKUI, 1990).
Data epidiomologi malaria juga dapat ditentukan/ dianalisis dengan membandingkan jumlah kasus, SPR, ABER dan API, AMI tiap tahun (Saleh, 2002).
Entomologi Kesehatan
Faktor-faktor yang menyebabkan timbulnya penyakit malaria adalah:
1. Peningkatan kerentanan penduduk 2. Peningkatan penderita reservoir 3. Peningkatan jumlah dan umur vektor 4. Peningkatan jumlah penderita
5. Pengaruh indegenous malaria (DEPKES, 1990 dalam Saleh, 2002).
Transmisi penyakit malaria dominan dipengaruhi oleh faktor lingkungan dan faktor sosial. Transmisi malaria terjadi akibat adanya kontak langsung antara manusia dan vektor malaria akibat pengaruh lingkungan; yaitu jenis pemukiman (perkampungan atau berada di pinggir hutan), jenis pekerjaan, sanitasi dan penempatan kandang ternak (DEPKES, 1990 dalam Saleh, 2002). Penempatan kandang ternak di sekitar rumah dapat mereduksi transmisi penyakit malaria terhadap manusia nyamuk Anopheles sp. Hal ini disebabkan oleh ketersedian sumber darah di alam. Kebiasaan nyamuk untuk menggigit di luar rumah (alam) juga turut mempengaruhi transmisi tersebut (Tabel 1). Pengaruh lingkungan mempengaruhi pola penyebaran vektor malaria (Host Definitive).
Faktor sosial ataupun manusia itu sendiri juga mempengaruhi transmisi malaria. Usia, jenis kelamin, ras, sosial ekonomi, status perkawinan, riwayat penyakit sebelumnya, gaya dan cara hidup, hereditas (keturunan), status gizi dan tingkat imunitas turut mempengaruhi transmisi malaria (http://www.ppmplp.depkes.go.id).
2.3. Hubungan Cuaca dan Topografi dengan Vektor Malaria
2.3.1. Suhu
Suhu merupakan karakteristik tempat perindukan yang mempengaruhi metabolisme, perkembangan, pertumbuhan, adaptasi dan sebaran geografik larva nyamuk. Peningkatan suhu 1°C dapat meningkatkan kecepatan angka metabolisme dengan rata-rata konsumsi O2 dan CO2 sebesar 10%. Pengaruh
peningkatan suhu juga mempengaruhi proses biologis nyamuk seperti kegiatan gerakan bernafas, detak jantung, ritme sirkulasi darah dan kegiatan enzim. (Ward, 1992 dalam Saleh, 2002).
Tabel 2 Pengaruh Suhu Udara Rata-Rata Terhadap Siklus Nyamuk Anopheles sp. dan Siklus Sporogoni Parasit Plasmodium sp. serta Pengaruhnya Terhadap Jumlah Luasan Perindukan Menjadi Kejadian Kasus Malaria
Faktor Cuaca Fase dan Durasi Siklus Nyamuk Anopheles sp. dan Siklus Sporogony Parasit Plasmodium sp. yang Dipengaruhi Oleh Faktor Cuaca
Luasan Perindukan nyamuk ---Æ Kasus Malaria Siklus Nyamuk
Anopheles sp.
Siklus Sporogony parasit Plasmodium sp. Suhu Udara
Rata-Rata
LarvaÆDewasa (hari)
Gigitan PertamaÆ infeksi (hari)
Periode Inkubasi di dalam Tubuh Manusia
16°C 17°C 18°C 20°C 22°C 30°C 35°C 39C 40°C 47 37 31 23 18 10 7,9 6,7 6,5 111 56 28 19 7,9 5,8 4,8 4,8 4,8 10-16 hari
(Sumber: Teklehaimot et al., 2004)
2.3.2. Kelembaban Udara
Kelembaban udara dapat mempengaruhi longevity (umur) nyamuk. Sistem pernafasan nyamuk menggunakan pipa-pipa udara yang disebut trachea dengan lubang-lubang dinding yang disebut spiracle. Pada waktu kelembaban rendah, spiracle terbuka lebar tanpa ada mekanisme pengaturnya sehingga menyebabkan penguapan air dari dalam tubuh nyamuk (Suroso, 2001). Penambahan kelembaban udara di laboratoruim menunjukkan adanya pengaruh yang signifikan terhadap populasi nyamuk, tetapi kondisi tersebut tidak signifikan di alam (Saleh, 2002). Kisaran kelembaban udara dipengaruhi oleh suhu udara. Namun jelas bagi serangga, kelembaban udara yang optimum untuk perkembangan adalah 73% - 100% (Sunjaya, 1970, Andrewartha & Birch 1974 dalam Koesmaryono, 1999).
2.3.3. Curah Hujan
Frekuensi curah hujan yang moderat dengan penyinaran yang relatif panjang menambah habitat nyamuk. Luasan habitat nyamuk tiap species Anopheles bervariasi. Hal tersebut dipengaruhi oleh jumlah dan frekuensi hari hujan, keadaan geografi, dan sifat fisik lahan. Curah hujan yang terus berkurang pada lahan pertanian akan menciptakan kondisi lagoon dan tambak menjadi payau sehingga menciptakan habitat bagi Anopheles sundaicus (Sukowati, 2004).
2.3.4. Radiasi
Radiasi mempengaruhi secara langsung perkembangan dan umur serangga. Inframerah dengan panjang gelombang 760 µm–3.105 µm memberikan efek pemanasan optimum untuk perkembangan serangga. Sedangkan ultra violet dengan panjang gelombang 0.1 µm- 400 µm memberikan efek mematikan
(Koesmaryono, 1999).
Cahaya tampak (400 µm - 760 µm) mempengaruhi fototropisme dan fotoperioditas serangga. Fotoperioditas (lamanya terang dan gelap – panjang hari) mempengaruhi aktifitas serangga. Kegiatan mengigit nyamuk aktif sepanjang malam mulai pukul 18.00 – 06.00 dan puncak mengigit terjadi pada pukul 24.00–01.00 (Marsaulina, 2002).
2.3.5. Angin
Angin tidak memberikan pengaruh langsung terhadap pertumbuhan dan perkembangan serangga. Angin memberikan peranan yang besar dalam pola penyebaran serangga (Koesmaryono, 1999).
2.3.6. Topografi
tempat perindukan nyamuk Anopheles juga relatif berubah. Hal tersebut disebabkan oleh perubahan suhu udara pada masing-masing ketinggian (Srivastava et al., 2003).
2.4. Sistem Informasi Geografis (SIG) 2.4.1. Konsep Dasar dan Pengertian SIG
Sistem informasi geografis pada hakekatnya merupakan sebuah rangkaian kegiatan yang dilakukan untuk mendapatkan gambaran situasi muka bumi atau informasi tentang ruang muka bumi yang diperlukan untuk dapat menjawab atau menyelesaikan masalah yang terdapat dalam ruang muka bumi yang bersangkutan. SIG mampu mengintegrasikan deskripsi lokasi dengan karakteristik fenomena yang ditemukan pada suatu lokasi sehingga dapat mendukung dalam pengambilan keputusan spasial. Kegiatan tersebut meliputi pengumpulan, penataan, pengolahan, penganalisaan, dan penyajian data/fakta spasial yang ada atau terdapat dalam ruang muka bumi tertentu (Prahasta, 2001).
Menurut ESRI (1996) dalam Prahasta (2001), SIG merupakan kumpulan yang terorganisir dari perangkat keras komputer, perangkat lunak, data geografi dan data personil yang dirancang secara efisien untuk memperoleh, menyimpan, meng-update, memanipulasi, menganalisis dan menampilkan semua bentuk informasi yang bereferensi geografi.
2.4.2. Subsistem SIG
Subsistem-subsistem yang terdapat dalam SIG adalah:
• Data Input; data input merupakan subsistem yang bertugas untuk mengumpulkan dan mempersiapkan data spasial dan data atribut dari berbagai sumber. Subsistem ini bertanggung jawab dalam mengkonversi atau mentransformasikan format data asli menjadi format yang digunakan dalam SIG (Gistut, 1994 dalam Prahasta, 2001). • Data Output; data output merupakan
subsistem yang berfungsi untuk menampilkan atau mengeluarkan keluaran seluruh atau sebagian basisdata, baik dalam bentuk softcopy maupun hardcopy seperti tabel, grafik dan peta (Demers, 1997 dalam Prahasta, 2001).
• Data Management; data menagement berfungsi untuk mengorganisasikan data spasial dan data atribut ke dalam sebuah basisdata sehingga mudah untuk dipanggil, di-update maupun di-edit (Aronoff, 1989 dalam Prahasta, 2001).
• Data Manipulation dan Analysis; subsistem ini berfungsi untuk menentukan informasi-informasi yang dapat dihasilkan oleh SIG. Subsistem ini juga dapat melakukan manipulasi dan pemodelan data untuk menghasilkan informasi yang diiginkan (Demers, 1997 dalam Prahasta, 2001).
Uraian jenis masukan, proses, dan jenis keluaran dari keempat subsistem tersebut, dapat ditunjukkan seperti Gambar 2.
Gambar 2 Uraian subsistem-subsistem SIG.
(Sumber: Prahasta, 2001)
DATA INPUT
Tabel Laporan Pengukuran Lapangan Data Digital Peta (Tematik, Topografi, dll)
Citra Satelit, Foto Udara, dll Storage (database) Input Retrieval Processing Output Peta Tabel Laporan Informasi Digital (Softcopy)
DATA MANAGEMENT DAN MANIPULATION
2.4.3. Data SIG
Data basisdata SIG disusun dalam bentuk layer/ theme (Gambar 3). Satu layer dapat memuat informasi tertentu, seperti: penggunaan lahan (LandUsed), jaringan jalan, sungai, batas administrasi, lokasi stasiun kilmatologi. Presentasi masing-masing layer tersebut dilakukan dengan manipulasi obyek dasar atau entity spasial yang memiliki atribut geometri. Bentuk reprenstasi entity spasial tersebut berupa konsep data vektor dan konsep data raster yang disajikan dengan menggunakan model data raster atau model data vektor (Prahasta, 2001).
2.4.3.1. Model Raster
Model data raster menampilkan, menempatkan, dan menyimpan data spasial dengan menggunakan struktur matriks atau piksel-piksel yang membentuk grid. Setiap piksel memiliki atribut tersendiri, termasuk koordinatnya yang unik (di sudut grid (pojok), di pusat grid, atau di tempat lainnya). Akurasi model data raster tergantung pada resolusi atau ukuran pikselnya (sel grid) di permukaan bumi. Entity spasial raster disimpan di dalam layers yang secara fungsionalitas direlasikan dengan unsur-unsur petanya. Contoh sumber-sumber entity spasial raster adalah citra satelit, citra radar, dan model ketinggian dijital (DEM –Digital Elevation Model). Pada model raster, data geografi ditandai oleh nilai-nilai (bilangan) elemen matriks persegi panjang dari suatu obyek (Prahasta, 2001).
2.4.3.2. Model Vektor
[image:31.612.330.508.77.400.2]Model data vektor menampilkan, menempatkan, dan menyimpan data spasial dengan menggunakan titik-titik (entity titik), garis-garis (entity garis) atau poligon (entity area) beserta atribut-atributnya. Bentuk dasar representasi data spasial ini didefinisikan oleh sistem koordinat kartesian dua dimensi (x,y). Representasi vektor suatu obyek disajikan dalam ruang atau dimensi koordinat yang diasumsikan bersifat kontiniu (Prahasta, 2001). Perbedaan data spasial antara model vektor dan model raster ditunjukkan oleh Gambar 4.
Gambar 3 Data SIG dalam bentul layers/ themes
(Sumber: Wibowo, 2005)
Gambar 4 Ilustrasi model data vektor dan model data raster.
(Sumber: Wibowo, 2005)
2.4.4. Fungsi Analisis
Secara umum terdapat dua jenis fungsi analisis dalam SIG, yaitu fungsi analisis atribut (basisdata atribut) dan fungsi analisis spasial (Prahasta, 2001).
2.4.4.1. Fungsi Analisis Atribut
Fungsi analisis atribut terdiri atas operasi dasar sistem pengolahan basisdata (DBMS) dan perluasannya, yaitu:
• Operasi dasar basisdata, seperti membuat dan menghapus basisdata atau tabel basisdata, menyisipkan data baru ke dalam tabel basisdata, mencari data dari tabel basisdata, meng-edit data dan menghapus data dari tabel basisdata serta membuat indeks untuk setiap tabel basisdata.
2.4.4.2. Fungsi Analisis Spasial
Beberapa fungsi analisis spasial dalam SIG sebagai berikut:
[image:32.612.330.509.78.202.2]• Fungsi pengukuran, query spasial dan fungsi klasifikasi (Reclassify); fungsi pengukuran mencakup pengukuran jarak suatu obyek, luas area dalam 2 dimensi atau 3 dimensi. Query spasial berfungsi mengidentifikasikan obyek secara selektif, definisi pengguna, maupun melalui kondisi logika. Contoh query spasial adalah mencari suatu area yang kurang dari 40000 m2 pada area penutupan lahan (Gambar 5.). Sedangkan fungsi klasifikasi bertugas untuk mengklasifikasikan kembali suatu data (data spasial atau data atribut) menjadi data spasial yang baru dengan menggunakan kriteria tertentu. Misalnya penggunaan data spasial ketinggian muka bumi (topografi) untuk diturunkan menjadi data spasial seperti kemiringan lereng (slope), arah hadap sebuah permukaan (aspect), variasi bentukan dalan dalam degradasi kecerahan (hillshade) dan kontur. Fungsi ini merupakan fungsi yang meng-eksplore data tanpa membuat perubahan yang mendasar. Fungsi eksplore umumnya digunakan sebelum analisis data. Fungsi klasifikasi juga digunakan untuk menyederhanakan kelas data spasial (Gambar 6.).
Gambar 5 Query spasial untuk mencari luas penutupan lahan kurang dari 40000m2.
(Sumber: Prahasta 2001)
• Jaringan (network); fungsi jaringan merujuk data spasial titik-titik (points) atau garis-garis (lines) sebagai suatu jaringan yang tidak dapat dipisahkan. Misalnya menghitung jarak titik awal dan titik akhir dan mengakumulasi jarak-jarak dari segmen yang membentuknya.
Gambar 6 Klasifikasi data spasial dari 7 kelas (a) menjadi 5 kelas (b).
(Sumber: Prahasta 2001)
[image:32.612.329.509.393.573.2]• Tumpang Susun (overlay); fungsi ini menghasilkan data spasial baru dari minimal dua data spasial yang menjadi input-nya. Ilustrasi fungsi overlay ditunjukkan seperti Gambar 7. Fungsi overlay ini juga berlaku untuk model data raster. Prinsip overlay juga mengikuti operasi aritmatik (seperti penjumlahan, pengurangan dan perkalian), operasi statistik (seperti minimum dan maksimum), operasi boolean (seperti and dan or), kondisional (if condition) dan operasi lainnya.
Gambar 7 Prinsip dasar overlay poligon. Dua buah poligon layer A dan B akan menghasilkan
data spasial baru (data atribut) yang merupakan hasil interaksi layer A dan B.
(Sumber: Prahasta 2001)
• Buffering; fungsi buffering akan
menghasilkan data spasial baru berupa poligon-poligon yang melingkupi gari-garis tersebut. Sedangkan data spasial poligon akan menghasilkan data spasial baru yang besar dan konsentris.
• 3D analysis; fungsi ini terdiri dari sub-sub fungsi yang berhubungan dengan presentasi data spasial dalam ruang tiga dimensi. Fungsi ini banyak menggunakan fungsi interpolasi (Prahasta, 2001).
2.4.5. Pemanfaatan SIG dalam Penyebaran Malaria
SIG dapat dapat dimanfaatkan untuk membantu penentuan penyebaran malaria. Secara umum SIG Malaria terdiri atas serangkaian subsistem manajemen data dasar (data dasar dan data geografis), serta subsistem analisis dan pemanggilan (retrival) data. Inventarisasi data populasi dan data malaria yang distandarisasi, peta-peta SIG malaria, dan fungsi analisis spasial dari SIG antara lain klasifikasi, penilaian, tumpang susun, dan fungsi-fungsi lingkungan digunakan dalam SIG Malaria (Wibowo, 2005).
2.4.6. Protokol SIG Malaria
Menurut Luo, 2001 , kerangka umum SIG malaria sebagai berikut:
2.4.6.1. Subsistem Manajemen Data Dasar Populasi Malaria
Data kasus malaria (Plasmodium sp. dan jumlah penderita) dan data populasi merupakan data dasar dalam SIG. Data tersebut membutuhkan identifer (kode umum) yang digunakan untuk menghubungkan data populasi dan kasus malaria dengan
karakterisrik geografis, seperti desa, puskesmas, puskesmas pembantu, rumah sakit, stasiun klimatologi, dan lain-lain. Kode desa digunakan sebagai identifer unik yang distandarisasi secara nasional untuk menghubungkan data atribut (kasus malaria dan populasi) dengan karakteristik geografis (peta).
Sistem surveilens di Jawa-Bali melibatkan dua mekanisme pengumpulan data, yaitu Active Case Detection (ACD) dan Passive Case Detection (PCD). ACD merupakan mekanisme pengumpulan data secara langsung di lapangan. Petugas lapangan secara teratur mengunjungi lokasi yang berada di wilayah kerja masing-masing puskesmas. Sedangkan PCD merupakan mekanisme pengumpulan data secara tidak langsung. Data diperoleh dari puskesmas dan puskesmas pembantu.
Indikator sistem surveilens ditentukan oleh API rate, AMI rate, ABER dan SPR. Annual Parasite Incidence Rate (API rate) dan Annual Malaria Incidence Rate (AMI rate) merupakan indikator utama dalam sistem surveilens. API dan AMI merupakan indikator yang digunakan untuk mengetahui tingkat epidemis malaria suatu wilayah. Penggunakan API dan AMI tersebut secara nasional ditetapkan masing-masing untuk pulau Jawa-Bali dan pulau-pulau di luar Jawa-Jawa-Bali. Sedangkan Annual Blood Examination Rate (ABER) dan Slide Positive Rate (SPR) merupakan indikator sekunder yang digunakan dalam penilaian kegiatan surveilens. Rincian data dan indikator SIG Malaria dapat dilihat pada Tabel 3.
Tabel 3 Daftar Data dan Peta Populasi dan Malaria dalam SIG Malaria
Daftar Data Atribut Daftar Peta 1. Jumlah populasi tiap desa 1. Peta titik desa 2. Jumlah kasus malaria klinis 2. Peta titik rumah sakit 3. Jumlah sediaan darah yang diperiksa 3. Peta titik puskesmas
4. Jumlah kasus positif 4. Peta titik puskesmas pembantu 5. Jumlah kasus positif bagi Plasmodium falciparum 5. Peta batas desa
6. Jumlah kasus positif bagi Plasmodium vivax 6. Peta batas kecamatan 7. Jumlah kasus indigenous 7. Peta penggunaan lahan 8. Jumlah kasus indigenous Plasmodium falciparum 8. Peta topografi 9. Jumlah kasus indigenous Plasmodium vivax 9. Peta hidrologi
10.Daftar puskesmas pembantu yang memiliki laboratoriun 10. Peta jaringan jalan raya
2.4.6.2. Subsistem Manajemen Data Geografis
Subsistem manajemen data geografis merupakan sistem berupa vektor yang dikenal sebagai model ”topologi”. Objek pada sub
Sub sistem manajemen data dasar dan malaria
Sub sistem manajemen data geografis (peta)
SIG
Sub sistem analisis spasial dan pemanggilan daerah
[image:34.612.132.311.600.704.2]Grafik Peta Tabel
Gambar 8 Kerangka umum SIG jaringan hidrologi (sungai dan anak sungai), jaringan Wilayah Kerja Puskesmas (WKP) dan kontur digambarkan sebagai garis. Sedangkan batas desa, batas kecamatan, dan batas kabupaten digambarkan sebagai poligon. Data lingkungan seperti bentang wilayah, hidrologi, penggunaan lahan, pola perlindungan tanah (land cover) dan jaringan jalan raya juga termasuk dalam data geografis. Data lingkungan tersebut digunakan dalam pengambilan keputusan untuk mempelajari pola penyebaran spasial malaria. Sedangkan peta jaringan jalan raya digunakan untuk menilai pemberian pelayanan kesehatan dalam kegiatan surveilens dan penanggulangan malaria.
2.4.6.3. Subsistem Analisis dan Pemanggilan Data
Sub sistem analisis dan pemanggilan data merupakan subsistem yang berperan penting untuk meningkatkan kemampuan pengguna, terutama dalam kegiatan pengambilan keputusan. Sub sistem ini berperan dalam output SIG Malaria. Hal ini disebabkan oleh cakupan subsistem sebagian besar berupa karakteristik SIG, seperti visualisasi, query (pemanggilan) data atribut dan spasial, klasifikasi, operasi hitung, operasi tumpang susun dan fungsi lingkungan.
Ketiga subsistem SIG Malaria saling berkorelasi menghasilkan tampilan Output berupa grafik, peta, dan tabel. Subsistem manajemen data dasar populasi dan malaria serta subsistem data geografis mempengaruhi hasil yang akan dikeluarkan oleh subsistem analisis dan pemanggilan data. Keterkaitan antar ketiga subsistem tersebut ditunjukan pada Gambar 8.
2.5. Penginderaan Jauh
Penginderaan jauh merupakan salah satu teknik dalam SIG untuk mengumpulkan informasi dari jarak tertentu (Aronoff, 1991 dalam Prahasta, 2001). Pernyataan “dari jarak tertentu” secara umum menggambarkan bahwa tidak ada kontak langsung dengan informasi yang ingin
diperoleh tadi. Penginderaan jauh memanfaatkan berbagai perangkat seperti kamera, radiometer, penyiam (scanner), atau sensor seperti satelit.
2.5.1. Klasifikasi Citra
Citra penginderaan jauh dianalisis secara digital untuk mendapatkan informasi tematik. Klasifikasi multispektral adalah suatu metode yang digunakan untuk mengekstrak informasi, terutama informasi penutup lahan. Klasifikasi multispektral menggunakan pendekatan kuantitatif dan mengurangi subyektifitas pada kegiatan interpretasi. Metode klasifikasi multispektral dapat menggunakan algoritma-algoritma berikut : (1) Klasifikasi Tegas (Hard Classifier), (2) Klasifikasi Samar (Soft Classifier), dan (3) Klasifikasi Hibrid (Jensen, 1996 dalam Prahasta 2001). Algoritma Klasifikasi Tegas pada umumnya terbagi menjadi dua kelompok besar yaitu Klasifikasi Terbimbing (Supervised Classification) dan Klasifikasi Tak Terbimbing (Unsupervised Classification).
2.5.2. Klasifikasi Terbimbing (Supervised Classification)
Klasifikasi Terbimbing menggunakan pengetahuan yang telah didapatkan sebelumnya yang dapat berasal dari hasil ekstraksi informasi/interpretasi foto udara, peta dan lain-lain. Pengetahuan ini akan digunakan untuk mengidentifikasi piksel-piksel contoh dan menetapkan kelas ciri yang bersesuaian. Parameter-parameter statistika dari contoh kelas digunakan untuk mengkelaskan ciri yang mirip dari sebuah piksel, seperti pencarian daerah yang homogen dan memiliki kisaran variabilitas yang baik. Estimasi ciri kelas umumnya menggunakan klasifikasi Bayes Maximum Likelihood dengan asumsi distribusi normal (normal class distribution) dan vektor rataan kelas dan matriks kovarian harus dihitung (Schowengerdt, 1983). Swain (1978) menyatakan bahwa untuk mendapatkan statistik kelas yang memenuhi syarat, piksel contoh yang diperlukan berkisar antara 10 – 100, dengan notasi vektor pengukuran sebagai berikut:
Xc = [BVij1, BVij2, …, BVijk] ...(1)
dengan BVijk menyatakan nilai piksel (brightness value) untuk piksel ke-i,j dan pada band ke-k. Selanjutnya akan didapatkan pula vektor pengukuran rataan untuk setiap kelas sebagai berikut:
Mc = [µc1, µc2, …, µck] ...(2)
dengan µck merepresentasikan nilai rataan dari data yang diperoleh untuk kelas c pada band k. Selain itu bisa didapatkan pula matrik kovarian pada setiap kelas c sebagai berikut:
dengan Covckl adalah kovarian dari kelas c dari band k sampai l.
Aturan keputusan dalam algoritma Bayes Maximum Likelihood merupakan penentu penggolongan setiap piksel ke dalam kelas yang bersesuaian dengan menempatkan piksel berdasar kemiripan atau kemungkinan yang paling tinggi. Hal ini mengasumsikan bahwa statistik dari data training set untuk setiap kelas dan setiap band menyebar secara normal (Gaussian). Aturan keputusan pada algoritma ini dapat dinotasikan sebagai berikut:
X ada dalam kelas c, jika dan hanya jika: Pc ≥ Pi, i adalah kelas ke-1, 2, …, m
Pc = { -0.5loge[det(Vc)]} – [0.5(X-Mc)
T
Vc
-1
(X-Mc)] ...(3)
dengan det(Vc) adalah determinan dari matriks kovarian Vc.
Persamaan 3. mengasumsikan bahwa setiap kelas memiliki kemungkinan kejadian yang sama pada permukaan bumi. Kejadian pada data penginderaan jauh menunjukkan bahwa ada kemungkinan kejadian yang tinggi bagi suatu kelas daripada kelas yang lain. Sebagai ilustrasi, bila kelas air mendominasi
suatu citra, maka dapat diharapkan bahwa akan semakin banyak piksel yang akan dikelaskan sebagai air. Dengan demikian, dimungkinkan untuk memasukkan informasi a priori pada pengambilan keputusan dalam klasifikasi. Pemasukan informasi ini dapat dilakukan dengan pembobotan setiap kelas c dengan kemungkinan a priori ac sehingga:
X ada dalam kelas c, jika dan hanya jika: Pc(ac) ≥ Pi(ai), i adalah kelas ke-1, 2, …, m
Pc(ac) = loge(ac) - { -0.5loge[det(Vc)]} –
[0.5(X-Mc)
T
Vc
-1
(X-Mc)]...(4)
2.6. Weather Monitoring Model
Weather Monitoring Model [WMM] yang dikembangkan oleh Risdiyanto (2001), merupakan model untuk memonitor kondisi cuaca harian. WMM mengintegrasikan model numerik (sebagai model mekanistik) dan model spasial sehingga menghasilkan sebuah informasi spasial cuaca. WMM dapat memberikan informasi data-data cuaca seperti temperature udara, tekanan udara, kecepatan dan arah angin, radiasi matahari, dan estimasi kandungan uap air. WMM juga dapat digunakan untuk membangkitkan data cuaca harian.
2.7. Artikel dan Jurnal Malaria Secara Spasial dan Statiktik
Penelitian mengenai prediksi malaria secara spasial dan statistik telah banyak dilakukan. Penelitian tersebut menyangkut berbagai aspek seperti aspek biologi, aspek ekologi dari parasit dan vektor malaria maupun manusia. Sejumlah penelitian mengenai spasial dan statistik malaria yang telah dipublikasikan, dapat dilihat secara terperinci pada tabel 4.
Tabel 4 Artikel/ Jurnal Malaria Secara Spasial Dan Statistik*
Penulis Features Metodologi
Bourna et al.,
1997 Prediksi zona risiko malaria.
Hubungan El Nino terhadap outbreak kasus malaria.
Luo, 2001 Penentuan pola penyebaran
kasus klinis malaria. Integrasi SIG.
Srivastava, 2001 Prediksi habitat vektor malaria.
Pendekatan SIG dan model algoritma parameter ekologi dan intergrasi penyebaran nyamuk Anopheles dirus. Srivastava, 2003 Penentuan habitat vektor
malaria.
Arithmetic Overlay dari unsur-unsur lingkungan.
Zhou et al.,
2003 Persamaan kasus malaria.
Penulis Features Metodologi Levine et al.,
2004
Prediksi distribusi ekologi dan
geografi vektor malaria. Model genetik algoritma parasit malaria. Omumbo et al.,
2004
Persamaan regresi antara trasmisi malaria, parasit malaria dan iklim.
Analisis MARA Fuzzy ClimateSuitability Index dan model statistk berdasarkan data kasus malaria.
Paul et al., 2004
Interpretasi trasmisi malaria berdasarkan parasit malaria, vektor malaria dan outbreak malaria.
Model statistik antar parasit dan vektor malaria.
Smith and McKenzie, 2004
Persamaan dinamik malaria berdasarkan parasit, vektor malaria dan manusia.
Model statistik hubungan antara parasit, vektor malaria dan manusia.
Teklehaimanot et al., 2004
Prediksi pola kasus malaria berdasarkan mekanisme biologi parasit malaria.
Regresi Poisson dengan PDL
(Polynomial Distribusi Lag) model dari unsur cuaca.
Teklehaimanot et al., 2004
Prediksi kasus epidemik berdasarkan parasit malaria.
Regresi Poisson dengan PDL
(Polynomial Distribusi Lag) model dari unsur cuaca.
Briet et al., 2005 Peta penyebaran malaria sebelum dan setelah tsunami.
Analisis kasus malaria sebelum dan setelah tsunami.
Chen et al., 2005
Identifikasi Anopheles arabiensis dan transmisi.
Penentuan tempat perindukan nyamuk dan kasus malaria.
Hulden et al.,
2005 Zona epidemik malaria.
Analisis API (Annual Parasite Incidence) Malaria.
Kopec et al., 2005
Early Warning System Malaria (EWSM) berbasis curah hujan.
Monitoring Online curah hujan di daerah epidemik malaria.
Krishnamoorthy, et al., 2005
Penentuan zona risiko malaria dan perubahan lahan.
Survei kasus dan analisis perubahan lahan sebelum dan setelah tsunami. Mushinzimana,
et al., 2005
Penentuan tempat nyamuk Anopheles sp.
Perbandingan LandCover dari citra LANDSAT ETM 7+, IKONOS, dan Aerial Photo.
Wibowo, 2005 Early Warming System Malaria
(EWMS). Integrasi SIG dan kegiatan surveilens
Keterangan:
* : data diurutkan berdasarkan tahun artikel/ jurnal malaria (Sumber: www.malariajournal.com dan www.pnas.com)
III. KEADAAN UMUM
KABUPATEN SUKABUMI
3.1. Kondisi GeografisKabupaten Sukabumi merupakan salah satu kabupaten di provinsi Jawa Barat. Kabupaten Sukabumi terletak pada batas meridian 6043'-7029' Lintang Selatan dan 106049'-107000' Bujur Timur. Kabupaten Sukabumi berjarak tempuh 120 km dari ibukota negara dan 95 km dari ibukota provinsi Jawa Barat.
Wilayah Kabupaten Sukabumi merupakan wilayah kabupaten terluas di Jawa–Bali, sekaligus sebagai salah satu kabupaten tertinggal di Jawa Barat. Luas wilayah administratif Kabupaten Sukabumi adalah 41280 km2 atau 412799.54 ha. Secara fisik
wilayah dibatasi oleh 60 % daratan dan 40 % lautan dengan batas wilayah sebagai berikut: • Sebelah utara berbatasan dengan
Kabupaten Bogor
• Sebelah selatan berbatasan dengan Samudera Hindia
• Sebelah barat berbatasan dengan Kabupaten Lebak, Provinsi Banten dan Samudera Hindia
• Sebelah timur berbatasan dengan Kabupaten Cianjur [ www.bappeda-sukabumi.go.id]
3.2. Topografi
atas permukaan laut (mdpl). Sekitar 4128 km2 topografinya Kabupaten Sukabumi berupa bukit-bukit dan gunung-gunung dengan kemiringan yang terjal. Gunung-gunung yang tinggi adalah gunung-gunung berapi yang terletak di sebelah utara, yaitu: Gunung Gede Pangrango ya
