pendahulan hingga daftar pustaka

of 54/54
1 BAB I PENDAHULUAN 1.1. Latar Belakang Malaria adalah penyakit parasit yang ditularkan melalui gigitan nyamuk Anopheles. Spesies penyebab parasit malaria antara lain P. falciparum, P. vivax, P. ovale, P. malariae 1 . Jenis plasmodium yang banyak ditemukan di Indonesia adalah P. falciparum dan P. vivax 2 . Penyakit malaria ditandai dengan demam dan menggigil yang terjadi berulang yang timbul akibat lisis sel darah merah yang diserang parasit 1 . Malaria masih merupakan salah satu masalah kesehatan masyarakat yang dapat menyebabkan kematian terutama pada kelompok risiko tinggi yaitu bayi, anak balita dan ibu hamil. Secara global, pada tahun 2011 diperkirakan 3,3 juta orang atau setengah dari populasi dunia, hidup di area berisiko terinfeksi malaria 3 . Daerah endemik malaria biasanya merupakan daerah tropis dan subtropis yang memiliki iklim hangat sehingga dapat mendukung kehidupan nyamuk Anopheles sp. Terdapat 106 negara yang merupakan endemik malaria salah satunya Indonesia 3 . Di Indonesia malaria ditemukan tersebar luas pada semua pulau dengan derajat dan berat infeksi yang

Post on 24-Nov-2015

28 views

Category:

Documents

9 download

Embed Size (px)

TRANSCRIPT

35

BAB I

PENDAHULUAN

1.1. Latar Belakang

Malaria adalah penyakit parasit yang ditularkan melalui gigitan nyamuk Anopheles. Spesies penyebab parasit malaria antara lain P. falciparum, P. vivax, P. ovale, P. malariae1. Jenis plasmodium yang banyak ditemukan di Indonesia adalah P. falciparum dan P. vivax2. Penyakit malaria ditandai dengan demam dan menggigil yang terjadi berulang yang timbul akibat lisis sel darah merah yang diserang parasit1.

Malaria masih merupakan salah satu masalah kesehatan masyarakat yang dapat menyebabkan kematian terutama pada kelompok risiko tinggi yaitu bayi, anak balita dan ibu hamil. Secara global, pada tahun 2011 diperkirakan 3,3 juta orang atau setengah dari populasi dunia, hidup di area berisiko terinfeksi malaria3. Daerah endemik malaria biasanya merupakan daerah tropis dan subtropis yang memiliki iklim hangat sehingga dapat mendukung kehidupan nyamuk Anopheles sp. Terdapat 106 negara yang merupakan endemik malaria salah satunya Indonesia3.

Di Indonesia malaria ditemukan tersebar luas pada semua pulau dengan derajat dan berat infeksi yang bervariasi. Angka kesakitan malaria di Indonesia masih cukup tinggi. Pada tahun 2009, angka kesakitan malaria adalah 1,85 per 1000 penduduk2. Berdasarkan Annual Parasite Incidence (API), wilayah Kalimantan termasuk dalam stratifikasi malaria sedang. Kementerian Kesehatan RI sendiri telah menetapkan Kalimantan Bebas Malaria tahun 20204.

Penyakit malaria masih merupakan masalah kesehatan masyarakat di Kalimantan Barat. Dinas Kesehatan Provinsi Kalbar mencatat angka Annual Parasite Incidence (API) tahun 2011 masih menetapkan wilayah Kalimantan Barat sebagai daerah endemis sedang malaria walaupun telah terjadi penurunan signifikan dibandingkan tahun sebelumnya. API Kalimantan Barat pada tahun 2011 mencapai 3,9 per 1000 penduduk5. Beberapa kabupaten dengan angka API yang tertinggi, antara lain Kabupaten Sintang (14,19) dan Kabupaten Sekadau (10,95)5.

Upaya pengendalian malaria Indonesia telah menjadi wewenang pemerintah daerah masing-masing. Meskipun panduan pelaksanaan disediakan oleh Kemenkes RI namun pelaksanaannya tergantung pada sumber daya dan kebijakan tiap daerah. Salah satu upaya pengendalian yang paling penting adalah kontrol vektor yang bertujuan untuk mengurangi penularan dan menurunkan kapasitas vektor dalam menyebarkan penyakit.

Upaya pengendalian vektor malaria di Kalimantan Barat masih terbatas pada pengendalian vektor nyamuk dewasa misalnya penyemprotan insektisida untuk membunuh nyamuk dewasa. Usaha lainnya yang dilakukan adalah pembagian kelambu gratis kepada masyarakat. Sayangnya kedua usaha tersebut biasanya dilakukan pemerintah secara insidentil ketika suatu daerah mengalami peningkatan kasus malaria.

Usaha pengendalian vektor nyamuk dewasa juga tidak diikuti dengan usaha pengendalian larva nyamuk. Salah satu penyebab belum berjalannya pengendalian larva nyamuk adalah kurangnya pengetahuan dan studi mengenai daerah yang berpotensi menjadi habitat/tempat perkembangbiakan nyamuk (breeding places). Dengan luas daerah sekitar 146.807 km2 atau 7,53 persen luas Indonesia atau 1,13 kali pulau Jawa, eksplorasi untuk mencari dan mempelajari tempat perkembangbiakan larva nyamuk di Kalimantan Barat menjadi sulit, lama dan mahal untuk dilakukan. Kesulitan dalam melakukan pemetaan tempat perkembangbiakan nyamuk mengakibatkan kontrol larva misalnya larvasida dan pengelolaan lingkungan akan sulit diterapkan.

Sudah seharusnya pemerintah melakukan inovasi dalam mengendalikan vektor malaria untuk menggantikan metode konvensional yang cenderung tidak efektif dan efisien. Salah satu inovasi yang menjanjikan saat ini adalah pemanfaatan sistem informasi geografis khususnya penginderaan jauh yang telah berkembang pesat saat ini. Melalui sistem informasi geografis, kita dapat menggali informasi dari area yang luas dan sulit dijelajah dari gambaran ruang muka bumi yang didapatkan baik melalui foto udara ataupun satelit. Sistem informasi geografis dan teknologi penginderaan jauh memungkinkan pemerintah dalam mengidentifikasi dan memantau area yang berisiko menjadi tempat perkembangbiakan nyamuk. Pada akhirnya, pemerintah akan mampu memetakan habitat nyamuk sehingga studi dan kontrol vektor nyamuk akan berkembang pesat. Pemerintah juga dapat menilai risiko dan menemukan akar penyebab penularan malaria di suatu tempat. 1.2. Perumusan Masalah

Berdasarkan latar belakang di atas, dapat dirumuskan beberapa permasalahan sebagai berikut :

1. Bagaimana usaha pemerintah Indonesia khususnya Kalimantan Barat dalam mengendalikan vektor malaria saat ini serta kendala dan kelemahan metode kontrol malaria yang telah dilakukan ?

2. Bagaimana perkembangan pemanfaatan sistem informasi geografis khususnya teknologi penginderaan jauh untuk mempelajari tempat perkembangbiakan nyamuk ?

3. Bagaimana cara pemanfaatan teknologi sistem informasi geografis untuk mengidentifikasi tempat potensial tempat perkembangbiakan nyamuk di Kalimantan Barat sebagai usaha awal dalam pengendalian larva nyamuk yang efektif dan efisien ?1.3. Tujuan

1. Mengetahui pelaksanaan dan tingkat keberhasilan kontrol vektor malaria yang telah dilakukan sebagai usaha dalam mengurangi angka terinfeksi parasit malaria di Kalimantan Barat2. Mengetahui kendala yang dihadapi pemerintah dalam melaksanakan kontrol vektor malaria khususnya mengendalikan tempat perkembiangbiakan nyamuk.3. Mengetahui perkembangan penggunaan teknologi sistem informasi geografis dalam mengidentifikasi, mengenali, memetakan, memantau dan mengendalikan tempat perkembangbiakan nyamuk Anopheles sp.4. Memperkenalkan dan merumuskan pemanfaatan teknologi sistem informasi geografis dalam mengidentifikasi tempat yang berpotensi sebagai habitat nyamuk sebagai awal pengendalian vektor nyamuk secara komprehensif.1.3. Manfaat Penulisan1. Bagi Penulis :Sebagai sarana dan bahan pembelajaran bagi penulis untuk mengetahui pemanfaatan sistem informasi geografis sebagai upaya pengendalian vektor malaria.2. Bagi Pihak Pemerintah

Sebagai salah satu bahan pertimbangan dan solusi pemerintah khususnya dinas kesehatan untuk mengendalikan vektor malaria secara efektif sebagai upaya mencapai target bebas malaria tahun 2020.3. Bagi Peneliti dan AkademisiSistem informasi geografi dapat digunakan sebagai salah satu metode untuk mengembangkan studi bionomik dan entomologis nyamuk Anopheles sp. yang ada di Kalimantan Barat.BAB II

TELAAH PUSTAKA2.1. Sistem Informasi Geografis

2.1.1. Konsep Dasar Dan Pengertian SIG

Sistem Informasi Geografis pada hakekatnya merupakan sebuah rangkaian kegiatan yang dilakukan untuk memndapatkan 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 karateristik 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 tertentu6.

SIG merupakan kumpulan yang terorganisir dari perangkat keras computer, perangkat lunak, data biografi, dan data personil yang dirancang secara efisien untuk memperoleh, menyimpan, meng-update, memanipulasi, menganalisis dan menampilkan semua bentuk informasi yang bereferensi geografi6.2.1.2. 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 mentranformasikan format data asli menjadi format yang digunakan dalam SIG.

Data Output; data output merupakan subsistem yang berfungsi untuk menampilkan atau mengeluarkan keluaran seluruh atau sebagian basisdata, baik yang berbentuk softcopy maupun hardcopy seperti table, grafik dan peta. Data Management; data management berfungsi dalam mengorganisasikan data spasial dan data atribut ke dalam sebuah basisdata, sehingga mudah untuk dipanggil, di-update maupun di-edit. 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 diinginkan. Uraian jenis masukan, proses, dan jenis keluar dari keempat subsistem tersebut dapat ditunjukkan seperti gambar berikut.

DATA INPUT

DATA MANAGEMENT DAN OUTPUT

MANIPULATION

Data SIG

Gambar 2.1 Uraian subsistem-subsistem SIG2.1.3. Data SIG

Data basis data SIG disusun dalam bentuk layer/theme. Satu layer dapat memuat informasi tertentu, seperti : pengguna 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 representasi entity spasial tersebut berupa konsep data vektor dan konsep data raster yang disajikan dengan menggunakan model data raster atau model data vektor6.2.1.3.1. 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 direalisasikan dengan unsure-unsur petanya. Contoh sumber-sumber entity spasial raster adalah citra sateli, citra radar, dan model ketinggian digital (DEM-Difital Elevation Model). Para model raster, data geografi ditandai oleh nilai-nilai (bilangan elemen matriks persegi panjang dari suatu obyek6.2.1.3.2. Model Vektor

Model data vektor menampilkan, menempatkan, dan menyimpan data spasial dengan menggunakan titik-titik (entity titik), garis-garis (entity garis) atau polygon (entity area) beserta atribut-atributnya. Bentuk dasar representasi data spasial ini didefinisikan oleh sistem koordinat kartesien dua dimensi (x,y). Representasi vektor suatu obyek disajikan dalam ruang atau dimensi koordinat yang diasumsikan bersifat kontinu6.2.1.4. Fungsi Analisis

Secara umum terdapat dua jenis fungsi analisis dalam SIG, yaitu fungsi analisis atribut (basisdata atribut) dan fungsi analisis spasial6 .2.1.4.1. Fungsi Analisis Atribut

Fungsi analisis atribut terdiri atas operasi dasar sistem pengolahan basisdata (DBMS) dan perluasannya, yaitu6 :

a. Operasi dasar basisdata, seperti membuat dan menghapus basisdata atau tabel basisdata, menyisipkan data baru kedalam tabel basisdata, mencari data baru kedalam tabel basisdata, meng-edit data dan menghapus data dari tabel basisdata serta membuat indeks untuk setiap tabel basisdata.

b. Perluasan operasi basis data; seperti mengekspor atau mengimpor basisdata kedalam sistem basisdata lain dan berkomunikasi dengan sistem basisdata yang lainnya .2.1.4.2. Fungsi Analisis Fasial

Beberapa fungsi analisis fasial dalam SIG sebagai berikut6 :

a. Fungsi pengukuran, query spasial dan fungsi klasifiksi (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 40.000 m2 pada area penutupan lahan. 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 dalam degradasi kecerahan (hillsade) 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.

b. Jaringan (net work); 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 sekmen yang membentuknya.

c. Tumpang Susun (overlay); fungsi ini menghasilkan data spasial baru dari minimal dua data spasial yang menjadi input-nya. Fungsi overlay ini juga berlaku untuk model data rester. 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.

d. Buffering; fungsi buffering akan menghasilkan data spasial baru yang berbentuk poligon atau zona dengan jarak tertentu dari data spasial yang menjadi input-nya. Data spasial titik akan menghasilkan data spasial berupa lingkaran-lingkaran yang mengelilingi titik pusatnya. Data spasial garis akan menghasilkan data spasial baru berupa poligon-poligon yang melingkupi garis-garis tersebut. Sedangkan data spasial poligon akan menghasilkan data spasial baru yang besar dan konsentris.

e. 3D Analysis; fungsi ini terdiri dari sub-sub fungsi yang berhubungan dengan presentasi data spasial dalam ruang 3 dimensi. Fungsi ini banyak menggunakan fungsi interpolasi.2.2. Teknologi Penginderaan Jauh (Remote Sensing)

2.2.1. Sistem Penginderaan Jauh

Penginderaan jauh adalah ilmu dan seni untuk memperoleh informasi tentang suatu objek, daerah, atau fenomena melalui nalisis data yang diperoleh dengan suatu alat tanpa kontak langsung dengan objek, daerah, atau fenomena yang dikaji7 .

Berdasarkan cara analisis dan interpretasi datanya, yaitu interpretasi secara visual dan interpretasi secara digital.

Data penginderaan jauh dapat berupa citra foto dan citra digital. Citra adalah gambaran rekaman suatu objek atau biasanya berupa gambaran objek pada foto. Terdapat beberapa alasan yang melandasi peningkatan penggunaan citra penginderaan jauh, yaitu sebagai berikut7.

1. Citra menggambarkan objek, daerah, dan gejala di permukaan bumi dengan wujud dan letaknya yang mirip dengan di permukaan bumi.

2. Citra menggambarkan objek, daerah, dan gejala yang relatif lengkap, meliputi daerah yang luas dan permanen.

3. Dari jenis citra tertentu dapat ditimbulkan dapat ditimbulkan gambaran tiga dimensi apabila pengamatannya dilakukan dengan stereoskop.

4. Citra dapat dibuat secara cepat meskipun untuk daerah yang sulit dijelajahi secara terrestrial.2.2.2. Interpretasi Citra

Interpretasi citra adalah perbuatan mengkaji foto udara atau citra dengan maksud untuk mengidentifikasi objek dan menilai arti pentingnya objek tersebut.

Di dalam pengenalan objek yang tergambar pada citra, ada tiga rangkaian kegiatan yang diperlukan, yaitu deteksi, identifikasi dan analisis. Deteksi ialah pengamatan atas adanya objek, identifikasi ialah upaya mencirikan objek yang telah dideteksi dengan menggunakan keterangan yang cukup, sedangkan analisis ialah tahap mengumpulkan keterangan lebih lanjut.

a. Interpretasi visual

Interpretasi visual dilakukan pada citra hardcopy ataupun citra yang tertayang pada monitoring computer. Interpretasi visual adalah aktifitas visual untuk mengkaji gambaran muka bumi yang tergambar pada citra untuk tujuan identifikasi objek dan menilai maknanya.

Unsur interpretasi citra terdiri atas sembilan unsur, yaitu rona atau warna, ukuran, bentuk tekstur, pola tinggi, banyangan, situs dan asosiasi dan konvergensi bukti7.

b. Interpretasi Citra Digital

Interpretasi citra digital melalui tahapan-tahapan sebagai berikut8.

1. Menginstal terlebih dahulu program (software) untuk mengolah citra misalnya ArcView.

2. Import data, mengimpor data satelit yang akan digunakan ke dalam format pengolah citra3. Menampilkan citra, untuk mengetahui kualitas citra yang akan digunakan. Jika kualitas citranya jelek seperti banyak awan proses pengolahan citra tidak dilanjutkan.

4. Rektifikasi data, untuk mengoreksi kesalahan geometric sehingga koordinat citra sama dengan koordinat bumi.

5. Mozaik citra, yaitu menggabungkan beberapa citra yang saling bertampalan.

6. Penajaman citra, yaitu memperbaiki kualitas citra sehingga mempermudah pengguna dalam menginterpretasi citra.

7. Komposisi peta, yaitu membuat peta hasil interpretasi citra dengan menambahkan unsur-unsur peta seperti symbol, legenda, skala, koordinat dan arah mata angin.

8. Pencetakan, yaitu output data peta citra yang hasilnya dapat digunakan tergantung keperluan.

2.3. Bionomik Vektor Malaria di Kalimantan Barat

Bionomik nyamuk mencakup pengertian tentang perilaku, perkembangbiakan, umur, populasi, penyebaran nyamuk yang berbeda pada tiap spesiesnya9. Bionomik nyamuk diperlukan sebagai data untuk pemberantasan vektor sebagai usaha untuk memberantas malaria. Data bionomik nyamuk akan memberikan informasi penting, misalnya musim penularan serta perilaku vektor, yang akan digunakan menentukan metode pemberantasan yang tepat guna.

Salah satu informasi yang penting yakni tempat yang diperlukan nyamuk untuk kelangsungan hidupnya. Jika kita tinjau kehidupan nyamuk ada tiga macam tempat yang diperlukan untuk kelangsungan hidupnya. Hubungan ketiga tempat tersebut dapat dilukiskan dengan bagan sebagai berikut9

Gambar 2.2. Skema Tempat Hidup Nyamuk

Ketiga tempat tersebut saling berkaitan dan berhubungan dalam perkembangan hidup nyamuk. Nyamuk Anopheles betina akan memilih tempat perindukan yang sesuai dengan kebutuhannya. Misalnya Anopheles sundaicus senang pada tempat yang terkena sinar matahari langsung9. Setelah berkembang biak nyamuk akan terbang untuk mencari darah di tempat sumber darah misalnya nyamuk Antropofilik, yang senang dengan darah manusia, akan menuju pemukiman penduduk sejauh jarak terbangnya. Nyamuk juga mempunyai tempat untuk istirahat. Nyamuk beristirahat ketika menunggu proses perkembangan telur atau jika ketika sedang aktif mencari darah.

Untuk mempermudah dalam mempelajari bionomik nyamuk di Kalimantan Barat maka akan dibahas 3 spesies nyamuk Anopheles yang menjadi vektor predominan di Kalimantan Barat yakni An. balabacensis, An. maculatus dan An. sundaicus10.

2.3.1. An. Sundaicus

Vektor jenis ini umumnya lebih sering menghisap darah manusia daripada darah binatang. Nyamuk ini aktif menggigit sepanjang malam tetapi paling sering antara pukul 22.00-01.00 dini hari. Pada waktu malam hari, nyamuk masuk ke dalam rumah untuk mencari darah dan menghinggap di dinding baik sebelum maupun sesudah menghisap darah9.

Jarak terbang An. sundaicus betina cukup jauh. Pada musim densitas tinggi, masih dijumpai nyamuk betina dalam jumlah cukup banyak di suatu tempat yang berjarak kurang lebih 3 km dari tempat perindukan nyamuk tersebut 9.

Vektor An. sundaicus biasanya berkembang biak di air payau, dengan kadar garam optimum antara 12%- 18 %. Penyebaran jentik di tempat perindukan tidak merata di permukaan air, tetapi terkumpul di tempat-tempat tertutup seperti di antara tanaman air yang mengapung, sampah dan rumput-rumput di pinggir sungai atau pun parit9.

Genangan air payau yang digunakan sebagai berkembang biak, adalah yang terbuka yang mendapat sinar matahari langsung. Seperti pada muara sungai, tambak ikan, galian-galian yang terisi air di sepanjang pantai dan lain-lain.2.3.2. An. Maculatus

Vektor An. Maculatus betina lebih sering menghisap darah binatang daripada darah manusia. Vektor jenis ini aktif mencari darah pada malam hari antara pukul 21.00 hingga 03.00 WIB9.

Nyamuk ini berkembang biak di daerah pegunungan. Di mana tempat perindukan yang spesifik vektor An. Maculatus adalah sungai yang kecil dengan air jernih, mata air yang mendapat sinar matahari langsung. Di kolam dengan air jernih juga ditemukan jentik nyamuk ini, meskipun densitasnya rendah. Densitas An. Maculatus tinggi pada musim kemarau, sedangkan pada musim hujan vektor jenis ini agak berkurang karena tempat perindukan hanyut terbawa banjir 9.

2.3.3. An. balabacensisHabitat An. balabacensis ialah berupa hutan yang cukup basah yang memiliki genangan air tawar dalam hutan yang permanen ataupun yang sementara, tetapi tidak ditemukan pada habitat yang terkena matahari langsung. Nyamuk An. balabacensis adalah nyamuk yang bersifat eksofagik dan aktif menggigit pada malam hari. Populasi An. balabacensis lebih banyak ditemukan di luar rumah. Nyamuk An. balabacensis lebih suka darah binatang seperti kera namun sering juga ditemukan menghisap darah manusia 11. 2.4. Pemanfaatan Sistem Informasi Geografis dalam Pengendalian Vektor Malaria

Pemanfaatan teknologi sistem informasi geografis telah merevolusi metode penelitian epidemiologi saat ini terutama penyakit yang penularannya berhubungan dengan faktor lingkungan misalnya malaria. Hubungan antara prevalensi penyakit dan distribusi vektor tidak akan pernah mampu dipelajari secara komprehensif tanpa teknologi ini. Informasi keadaan geografis mengenai area yang luas dan sulit diakses dapat dengan mudah didapatkan melalui gambar ruang muka bumi yang dihasilkan melalui teknologi ini. Manajemen vektor malaria dapat lebih mudah dilakukan dengan bantuan teknologi ini 12.

Berbagai studi telah menunjukkan berbagai pemanfaatan teknologi sistem informasi geografis dalam mempelajari tempat perkembangbiakan dan penyebaran vektor malaria. Sistem informasi geografis menyediakan metode baru dalam mengumpulkan data dengan menggunakan teknologi salah satunya adalah penginderaan jauh (Remote Sensing). Penginderaan jauh dilakukan baik dengan foto udara ataupun gambar satelit. Data yang didapatkan melaui penginderaan jauh telah digunakan secara luas untuk mengidentifikasi, mengenali, memantau, mensurvei habitat larva dan memetakan risiko malaria12. Peta yang dikembangkan dari foto udara di Dar Es Salam, Tanzania memfasilitasi surveilans dan kontrol larva yang efisien13. Penginderaan jauh juga digunakan di Korea Selatan untuk mengenali daerah yang berpotensi menjadi tempat perkembangbiakan nyamuk14.

Sistem informasi geografis memungkinkan untuk memprediksi tempat perkembangbiakan nyamuk melalui Digital Elevation Model (DEM). DEM menyajikan data topografis , misalnya lereng dan kelembapan, suatu daerah yang memungkinkan untuk mengenali titik-titik yang dapat menjadi tempat genangan air. Contohnya yakni indeks kelembapan membantu dalam mempelajari karakteristik pola spasial tempat perkembangbiakan nyamuk di daerah barat laut Thailand15.

Sistem informasi geografis juga memudahkan dalam perhitungan jarak antara habitat vektor nyamuk dengan rumah penduduk. Misalnya studi di Srilanka menunjukkan hubungan kuat antara jarak rumah yang kurang dari 750 meter dari tempat perkembangbiakan nyamuk dengan adanya Anopheles culicifacies di rumah penduduk16.

Analisis buffering juga marak dilakukan untuk mengenali area penduduk yang berisiko menjadi temoat penyebaran nyamuk. Sistem informasi geografis digunakan untuk membuat zona buffer 2 km di sekitar danau Natroun di Mesir untuk menggambarkan area yang berisiko dijelajahi nyamuk17. Buffer juga dibentuk di sekitar kamp tentara Amerika di Korea Selatan berdasarkan jarak jelajah An. sinensis yang dilaporkan dapat terbang hingga 1 km18. Habitat nyamuk yang berada di zona buffer kemudian dicari dan diukur untuk memperkirakan anggaran larvasida di area sekitar kamp. Kontrol vektor malaria dilakukan untuk melindungi tentara Amerika dari infeksi malaria.

Analisis spasial dan pemetaan risiko malaria sangat mungkin dilakukan dengan teknologi ini. Pemetaan dan peralatan analisis spasial saat ini telah berkontribusi sangat besar terhadap perkembangan epidemiologi malaria. Peralatan analisis spasial, misalnya ARCGIS, memungkinkan analisis yang dapat menghasilkan informasi baru yang penting dalam mempelajari vektor malaria. misalnya analisis spasial telah digunakan untuk memetakan penyebaran An. gambiae berdasarkan parameter lingkungan seperti hujan dan temperature di Afrika19. Secara sistematis Craig, et al telah menyusun model yakni Malaria Climatic Convenience Index (MCCI) agar dapat memetakan area berisiko malaria berdasarkan curah hujan dan suhu yang mendukung perkembangbiakan nyamuk20. Romero, et al kemudian menambahkan variabel alam yakni Malaria Geomorphologic Condition Index (MGCI) pada model ini. MGCI adalah kondisi fisik muka bumi yang memungkinkan untuk menjadi habitat vektor malaria. Model baru ini dinamakan Malaria Natural Convenience Index (MNCI) 21.

2.5. Pengendalian Vektor Di Indonesia Saat Ini

Timbulnya penyakit malaria erat kaitannya dengan nyamuk Anopheles. Berbagai upaya pengendalian terhadap penyakit malariatelah lama dilakukan, namun KLB selalu ada dan kasus meningkat dibeberapa daerah. Kejadian ini akan terus berlangsung apabila pengendalian vektor yang dilakukan hanya berdasarkan pada tingginya kasus klinis saja tanpa mengetahui perilaku vektor, kondisi lingkungan termasuk kebiasaan masyarakat.

Di Indonesia dikenal beberapa metode pengendalian vektor malaria yang dikelompokkan dalam lima kegiatan, yaitu (1) pemakaian kelambu berinsektisida, (2) penyemprotan rumah, (3) pengendalian hayati, (4) Larvasidasi, (5) pengelolaan lingkungan22.Usaha-usaha tersebut belum memperoleh hasil yang maksimal karena usaha kontrol vektor nyamuk masih terbatas pada penyemprotan rumah dan pemakaian kelambu berinsektisida. Usaha pengendalian vektor malaria sejak perkembangbiakan (larva) belum menjadi prioritas pelaksanaan vektor malaria karena sulitnya memetakan tempat perkembangbiakan nyamuk.

BAB IIIMETODE PENULISAN3.1. Pengumpulan Data dan Informasi

Penulisan gagasan ini didasarkan atas beberapa sumber data sekunder, dalam penulisan ini juga diutamakan sumber sekunder dengan validitas tertinggi yakni buku dan jurnal ilmiah paling aktual yang berhubungan dengan subtema penulisan ini yakni mengenai sistem informasi geografis.Data dan informasi juga diperoleh dari data kesehatan Kalimantan Barat untuk dapat menggambarkan kejadian malaria. Kemudian data/informasi yang didapat ditulis secara naratif dengan pendekatan semikuantitatif tanpa hipotesis mengingat tulisan ini adalah berbentuk gagasan tertulis.3.2. Analisis Sintesis

Masalah yang didapat dari data/informasi dianalisis secara objektif sesuai dengan fakta yang diungkapkan sumber informasi kemudian dihubungkan dengan gagasan yang diajukan untuk menemukan titik temu yang akan dijadikan benang merah penulisan. Pokok permasalahan yang didapat kemudian dilanjutkan dengan tinjauan pustaka yaitu berupa penelitian/telaah aktual yang sebelumnya dilakukan sebagai dasar dan informasi pendukung ide/gagasan.

Gagasan yang dibuat disesuaikan dengan pokok permasalahan dimana hal ini diharapkan terbentuk gagasan yang benar-benar menjadi solusi nyata dari permasalahan yang terjadi. Gagasan didapatkan dari mengintisari penelitian/telaah aktual sebelumnya yang dilakukan di tempat lain. Gagasan dibuat dengan menyesuaikan keadaan geografis dan sumber daya yang ada di Kalimantan Barat sehingga gagasan tersebut dapat dengan mudah diaplikasikan.

BAB IV

ANALISIS & SINTESIS

4.1. Analisis

4.1.1. Ketidakefektifan Program Pemberantasan Nyamuk Anopheles di Kalimantan Barat

Malaria masih termasuk salah satu masalah kesehatan utama di Kalimantan Barat. Berdasarkan Dinas Kesehatan Provinsi Kalbar, walaupun telah terjadi penurunan signifikan dibandingkan tahun sebelumnya, angka Annual Parasite Incidence (API) tahun 2011 masih menetapkan wilayah Kalimantan Barat sebagai derah endemis sedang malaria. Beberapa kabupaten dengan angka API yang tertinggi, antara lain Kabupaten Sintang (14,19) dan Kabupaten Sekadau (10,95)5.

Menteri Kesehatan RI, Siti Fadillah Supari telah mencanangkan eliminasi malaria di Indonesia yang merupakan tindak lanjut dari pertemuan WHO ke-60 dimana telah disepakati komitmen global untuk mengupayakan eliminasi malaria di setiap negara terutama yang endemis malaria4. Menteri kesehatan telah mencanangkan kebijakan eliminasi malaria di Kalimantan tahun 2020 yang berarti dalam tujuh tahun kedepan Kalimanatan Barat harus bebas malaria4. Dengan angka API yang cukup tinggi, diperlukan pencanangan program penanganan malaria yang efektif oleh pemerintah Kalimantan Barat.

Pengendalian vektor malaria di Kalimantan Barat masih menggunakan cara konvensional yakni penyemprotan rumah dengan insektisida atau dikenal dengan fogging. Pelaksanaan fogging cenderung bersifat insidentil, biasanya dilakukan setelah terjadi peningkatan kasus malaria di suatu tempat. Fogging juga belum dilakukan secara merata di Kalimantan Barat Beberapa upaya pengendalian vektor sistematis yang dimulai dari pemberantasan jentik nyamuk misalnya larviciding (tindakan pengendalian larva Anopheles sp. secara kimiawi, menggunakan insektisida), biological control (menggunakan ikan pemakan jentik) dan manajemen lingkungan belum menjadi fokus program pemberantasan malaria di Kalimantan Barat.

Pengendalian malaria berupa fogging memiliki beberapa kelemahan. Walaupun penggunaan insektisida kimia yang ekstensif dianggap sukses dalam memberantas nyamuk malaria disuatu tempat namun insektisida tersebut mempunyai dampak negatif pada lingkungan sekitar. Efek samping zat kimia menjadi stressor yang kuat terhadap lingkungan serta dapat memberikan efek yang tidak diinginkan pada organisme yang tidak menjadi sasarannya 23. Selain itu juga nyamuk dapat beradaptasi dengan mengubah perilaku makannya. Populasi nyamuk dapat berespon dengan mengubah perilaku yakni menggigit di luar rumah dan tidak beristirahat di dalam rumah untuk menghindari insektisida yang disemprotkan di rumah. Hal ini terbukti terjadi pada nyamuk An. Sundaicus24.

Secara umum, ketika habitat nyamuk disemprot dengan insektisida, populasi nyamuk setempat dapat beradaptasi dengan cara berikut 1)populasi nyamuk di area tersebut mengembangkan resistensi fisiologis terhadap insektisisida sehingga nyamuk yang terpapar insektisida tidak mati, 2) terjadi perubahan komposisi atau jenis nyamuk di tempat tersebut, 3) perubahan perilaku pada spesies nyamuk tertentu. Dari fenomena tersebut resistensi fisiologis menjadi salah satu fenomena yang sering ditemukan dan telah didokumentasikan di berbagai studi24.

Selain fogging pemerintah juga mencanangkan program pembagian kelambu baik dengan insektisida ataupun tanpa insektisida. Penggunaan kelambu ditujukan untuk mengurangi kemungkinan kontak antara nyamuk dan manusia. Sayangnya pembagian kelambu tersebut tidak merata dan sasarannya tidak sesuai. Selain itu kelambu yang telah diberikan digunakan hanya selama 1-3 bulan saja setelah itu tidak digunakan lagi dengan berbagai macam alasan seperti kepanasan, tidak terbiasa, merasa terganggu, malas, merasa takut dengan warnanya yang putih, ada yang masih menggunakan anti nyamuk bakar dan elektrik sehingga kelambu yang dibagikan tidak digunakan 25.4.1.2. Tantangan Studi Vektor di Kalimantan Barat

Kontrol vektor malaria harus bersifat REESAA (rational, effective, efficient, sustainable, and affordable) mengingat kondisi geografis Indonesia yang luas dan bionomik vektor yang beraneka ragam sehingga pemetaan breeding places (tempat pembiakan nyamuk) dan perilaku nyamuk menjadi sangat penting. Beberapa hasil studi menunjukan bahwa kontrol larva menunjukan peranan penting dalam program kontrol malaria yang efektif. Agar kontrol larva Anopheles berjalan efektif maka diperlukan pengetahuan yang akurat mengenai kondisi geografis, biologis, dan ekologis tempat pembiakan nyamuk. Diharapkan dengan manajemen dan studi tempat pembiakan nyamuk dapat menekan penyebaran vektor dan malaria di Kalimantan Barat.

Surveilans vektor lapangan terutama studi mengenai tempat pembiakan nyamuk di Kalimantan Barat menjadi tantangan tersendiri untuk diterapkan. Kalimantan Barat adalah salah satu provinsi di Indonesia yang memiliki wilayah yang cukup luas, terbesar keempat setelah Irian Jaya, Kalimantan Timur dan Kalimantan Tengah. Dengan luas wilayah demikian maka pemetaan dan studi habitat vektor lapangan di Kalimantan Barat menjadi mahal dan sulit dilakukan 26.

Secara umum selain luas wilayah faktor penting yang menentukan mengapa cukup sulit dilakukan studi habitat vektor di lapangan adalah karena keberadaan habitat nyamuk sangat ditentukan oleh banyak faktor terutama di Kalimantan Barat. Salah satu faktornya adalah variasi iklim yang tidak menentu akibat pemanasan global. Pemanasan global akan menyebabkan peningkatan suhu yang berdampak pada peningkatan transmisi malaria. Udara panas lembab terutama di daerah tropis akan mendukung perkembangbiakan nyamuk Anopheles. Curah hujan di Kalimantan Barat juga merupakan salah satu yang mendukung perkembangan nyamuk malaria di Kalimantan Barat. Perkembangan nyamuk malaria akan berjalan optimal jika satu tempat memiliki curah hujan 350-950 mm. Pada tahun 2010, rata-rata curah hujan tertinggi terjadi di Stasiun Meteorologi Pangsuma pada bulan Agustus 776,8 mm dan terendah terjadi di Stasiun Meteorologi Paloh yaitu pada bulan Maret mencapai 70,4 mm. Dengan rentang demikian maka perkembangbiakan nyamuk di Kalimantan Barat berubah-ubah tiap waktu tergantung pada curah hujan26.

Selain iklim, topografi juga menjadi salah satu faktor timbulnya habitat nyamuk di suatu tempat. Topografi yang memungkinkan sebagai tempat tergenangnya air tempat perkembangbiakan nyamuk adalah area yang hampir datar dengan lereng yang sedikit atau daerah dengan sudut inklinasi 100. Topografi wilayah Kalimantan Barat berupa dataran rendah memungkinkan hampir setiap daerah di Kalimantan Barat berpotensi menjadi tempat genangan air untuk perkembangbiakan nyamuk. Sebagian daerah Kalimantan Barat merupakan rawa-rawa dan hutan mangrove yang dapat menjadi tempat perkembangbiakan nyamuk26.

4.1.3. Penerapan GIS untuk Studi Vektor Malaria secara Komprehensif

Semakin majunya teknologi saat ini dapat membantu memudahkan dalam surveilans vektor terutama untuk memetakan tempat potensial perkembangbiakan nyamuk. Salah satu alat atau metode yang dapat digunakan untuk surveilans vektor nyamuk adalah Sistem Informasi Geografis (SIG). Salah satu teknologi yang digunakan adalah remote sensing. Teknologi remote sensing merupakan alat yang dapat diandalkan untuk mendapatkan gambaran situasi muka bumi atau informasi tentang ruang muka bumi yang berhubungan dengan penyebaran penyakit menular melalui vektor. Remote sensing selain dapat digunakan untuk mengidentifikasi tempat perkembangbiakan nyamuk Anopheles juga dapat digunakan untuk menentukan faktor-faktor topografis yang berhubungan dengan tempat perkembangbiakan nyamuk.

Penerapan GIS dapat menjadi solusi untuk mengatasi kesulitan dalam studi vektor. Penjelajahan yang dilakukan untuk menemukan tempat perkembangbiakan nyamuk lebih efektif dan efesien dari segi dana. Studi vektor terutama dalam segi geografis dan ekologis dapat dengan mudah dikembangkan. Usaha-usaha pemerintah untuk memberantas jentik nyamuk misalnya larvasida dan manajemen lingkungan dapat dengan mudah dilakukan seiring dengan mudahnya menemukan tempat perkembangbiakan nyamuk. Seiring dengan berkurangnya habitat larva maka kemungkinan terjadinya kontak nyamuk dengan manusia dapat diturunkan dengan signifikan sehingga kejadian malaria pun dapat dihindari di suatu daerah. Target bebas malaria 2020 di Kalimantan khususnya di Kalbar akan menjadi sesuatu yang realistis.

Gambar 4.1 Pemetaan Risiko Malaria dengan MNCI4.2. Sintesis

4.2.1. Lokasi Penginderaan Jauh berdasarkan Jumlah Kasus dan Peta Risiko Malaria

Dengan luas wilayah hingga sekitar 146.807 km2 , pemilihan lokasi tempat dilaksanakan pengambilan data geografis melalui penginderaan jauh harus dilakukan dengan tepat. Pemilihan lokasi dilakukan secara bertingkat melalui jumlah kasus (API) dan hasil pemetaan risiko malaria berdasarkan model Malaria Natural Convenience Index (MNCI) yang diajukan Romero, et al. Sistem informasi geografis, secara prioritas dilaksanakan di kabupaten/kota dengan angka API tertinggi. Kabupaten dengan angka API yang tertinggi, antara lain Kabupaten Sintang (14,19) dan Kabupaten Sekadau (10,95) dapat menjadi wilayah tempat aplikasi sistem informasi geografis untuk mengenali risiko penyebaran malaria khususnya faktor risiko yang berhubungan dengan tempat potensial perkembangbiakan nyamuk.Penentuan lokasi kemudian ditujukan pada penentuan wilayah pemukiman (tingkat dusun) yang berisiko terjadi penyebaran penyakit malaria. Model yang dapat diajukan pada penentuan wilayah tingkat dusun ini yakni model Malaria Natural Convenience Index (MNCI) 21. Data yang diperlukan untuk menggunakan model ini adalah antara lain:

1. Citra satelit dengan resolusi kasar misalnya LANDSAT TM/ETM+

2. Peta spasial administrasi kabupaten untuk memperoleh data jalan dan tempat pelayanan publik misalnya puskemas dan rumah sakit

3. Data iklim seperti suhu dan curah hujan kabupaten dari stasiun meteorologI (BMG) setempat

4. Data penyebaran kasus malaria selama periode tertentu dari dinas kesehatan kabupaten setempat

5. Peta rupa bumi tiap-tiap kecamatan yang ada di suatu kabupaten yang didapat dari BAKOSURTANAL setempat.

Model MNCI adalah model hasil penggabungan antara Malaria Climatic Convenience Index (MCCI) dan Malaria Geomorphologic Condition Index (MGCI). Model MNCI cocok digunakan untuk memetakan risiko malaria di daerah luas misalnya di tingkat propinsi atau kabupaten yang luas 21. Indikator tiap-tiap variabel ditentukan untuk mendapatkan indeks risiko terhadap infeksi malaria.

Tabel 4.1. Indikator Variabel MNCIIndeks atau variabel spasialDeskripsiSumber DataRentang Nilai

ConvenienceNo convenience

Curah HujanDistribusi spasial rataan curah hujan bulananStasiun BMG350 mm < X < 950 mmDi luar rentang

SuhuDistribusi spasial rataan suhu bulananStasiun BMG18 0C < X < 40o CDi luar rentang

MCCINilai antara 0-1Pemetaan spasial curah hujan dan suhuNilai 1 atau mendekati 1Nilai 0 atau mendekati 0

DDNFJarak suatu tempat dengan sungai atau sejenisnyaPeta atau citra satelit< 2000 m> 2000 m

SSP Area dengan kemiringan yang hampir datarPeta topografis atau citra satelitSudut inklinasi 0 -10o>10o

DVUJarak suatu tempat dari daerah habitat nyamukKlasifikasi LandUsed dari ArcGis< 3000 m>3000 m

MGCIKondisi fisik bumi yang cocok sebagai tempat pembiakan nyamukDDNF, SSPNilai 1 atau mendekati 1Nilai 0 atau mendekati 0

MNCIKondisi fisik bumi dan iklim yang cocok sebagai tempat pembiakan nyamukMGCI, MCCI Nilai 1 atau mendekati 1Nilai 0 atau mendekati 0

Berdasarkan tabel diatas tiap daerah akan memiliki nilai 1 bila memenuhi kritera convenience dan nilai 0 bila tidak memenuhi kriteria convenience. Nilai indeks tiap variabel berkisar di antara 0-1. MCCI dihitung dengan model operasi aljabar yang akan menghasilkan nilai indeks yang kemudian akan digambarkan secara spasial. MCCI dihitung berdasarkan formula berikut

MCCI = Indeks curah hujan dan indeks suhu didapatkan minimal dari dua hasil pengambilan data. MCCI ini akan diperbarui tiap bulannya agar perubahan suhu dan curah hujan dapat dipantau secara berkesinambungan.

Selain MCCI, variabel lainnya yang dihitung adalah MGCI. MGCI adalah indeks risiko penyebaran malaria yang dihitung berdasarkan variabel permukaan bumi yang berpotensi menjadi tempat perkembangbiakan nyamuk. Data yang digunakan adalah peta muka bumi yang didapatkan dari BAKOSURTANAL setempat dan citra satelit LANDSAT. Variabel yang digunakan untuk menghitung MGCI adalah jarak suatu tempat dari sungai (Distance to drainage network for flooding/ DDNF), sudut kemiringan suatu permukaan (Suitable slope for pooling/SSP), dan jarak dengan tempat habitat nyamuk (Distance to Vector Habitat). Ketiga variabel tersebut digunakan karena merupakan variabel yang berhubungan erat dengan tempat perkembangbiakan nyamuk. Berikut penjelasan mengenai kedua variabel tersebut 21:

Distance to Drainage Network for FloodingDDNF merupakan indeks jarak euclidan suatu tempat dari aliran sungai, danau , dll. Semakin dekat jarak suatu tempat misalnya dari aliran sungai maka semakin besar kemungkinan tempat tersebut menjadi daerah genangan air terutama saat musim penghujan datang. Bila suatu tempat memilki jarak dengan aliran sungai < 2000 m maka akan memiliki kemungkinan menjadi tempat genangan air yang berpotensi menjadi tempat perkembangbiakan nyamuk. Daerah sekitar sungai juga merpakan habitat An. maculatus Suitable Slope for PoolingKemiringan suatu permukaan merupakan faktor yang menentukan terhadap kemungkinan tergenangnya air. Daerah dengan kemiringan permukaan yang landai akan cenderung menjadi tempat genangan air. Sudut inklinasi 0-10o C menjadi kondisi yang cocok untuk stagnansi pergerakan air sehingga memiliki nilai indeks 1.

Distance to Vector Habitat

Penggunaan lahan merupakan faktor yang dapat digunakan dalam menentukan habitat vektor malaria. Ada beberapa tempat yang dapat menjadi area perkembangbiakan nyamuk misalnya hutan (An. balabacensis), tambak dan hutan bakau (An. sundaicus) dan sawah. Daerah yang berjarak 3000 meter dari hutan, tambak, laguna dan sawah memiliki indeks satu.

DDNF dan SSP dibuat untuk menghasilkan MGCI yang dihitung berdasarkan formula berikut

MGCI = Kemudian MNCI dihitung sebagai berikut

MNCI =

Hasil perhitungan MNCI akan memiliki rentang antara nol sampai satu. Perhitungan MNCI disimpan dalam model pixel yang mewakili suatu lokasi. Pixel yang memiliki nilai satu atau mendekati satu berarti tempat tersebut berpotensi menjadi tempat perkembangbiakan nyamuk. Sebaliknya, suatu tempat yang memiliki nilai nol atau mendekati nol maka tempat tersebut mempunyai risiko rendah menjadi tempat perkembangbiakan nyamuk.

Proses perhitungan secara aljabar dan peta hasil perhitungan indeks dilakukan dengan software ARCGIS 9.1. Kita dapat mengidentifikasi suatu daerah menjadi 1) daerah berisiko sangat tinggi dengan indeks 0,75 < X < 1, 2) daerah berisiko tinggi dengan indeks 0,5 < X < 0,75, 3) daerah berisiko sedang dengan indeks 0,25 < X < 0,5, dan 4) daerah berisiko rendah dengan indeks 0 < X < 0,25. Dusun atau pemukiman penduduk yang berada di daerah berisiko sangat tinggi dan tinggi menjadi tempat perkembangbiakan nyamuk akan menjadi lokasi prioritas tempat pelaksanaan penginderaan jauh (remote sensing) untuk mengetahui secara lebih detail mengenai tempat genangan air yang terbentuk di daerah tersebut 21. 4.2.2. Penginderaan Jauh (Remote Sensing) untuk Identifikasi Tempat Perkembangbiakan Nyamuk

Lokasi yang dipilih untuk menjadi tempat pelaksanaan remote sensing dilakukan berdasarkan 1) kasus infeksi malaria, dan/atau 2) daerah berisiko berdasarkan parameter iklim dan lingkungan. Lokasi pengamatan berpusat pada daerah dusun/desa. Pengumpulan data atribut dilakukan dengan cara mendata populasi penduduk dan mengelompokkan penduduk berdasarkan umur. Buffer kemudian dibuat dengan radius 3 km dari pusat yakni dusun/desa. Penginderaan jauh dilakukan pada daerah yang berada dalam buffer tersebut. Penginderaan jauh menggunakan citra satelit dengan resolusi tinggi yakni IKONOS27. Bila dibandingkan dengan foto udara dan citra satelit LANDSAT, IKONOS mempunyai banyak keunggulan yakni memiliki resolusi tinggi sehingga dapat mencitrakan tempat perkembangbiakan nyamuk bahkan yang ukurannya kurang dari 0,5 m2 27.

Pertama-tama kita klasifikasikan penggunaan lahan dari tempat yang kita jadikan objek penginderaan jauh. Metode yang digunakan untuk klasifikasi adalah klasifikasi terbimbing (supervised classification). Klasifikasi tersebut dapat dibagi menjadi hutan, pemukiman, perkebunan, sawah, lahan terbuka, sungai, rawa, dan jalan. Masing-masing klasifikasi mempunyai karakteristik yang khas bila diamati melalui citra satelit yang dapat dikenali melalui tiga aspek yakni melalui spektrum warna, tekstur dan struktur. Gambar muka bumi diklasifikasikan dan digitalisasi dengan menggunakan ArcView.

Sebelum diadakan penginderaan jauh, survey lapangan dilakukan untuk mengenali variasi genangan air dan tempat perkembangbiakan nyamuk yang ada di daerah tersebut. Di Kalimantan Barat ada beberapa daerah yang berpotensi menjadi tempat perkembangiakan nyamuk misalnya kolam, tempat galian, rawa, kolam, sawah, irigasi, kubangan air, tambak, dll. Masing-masing jenis habitat tersebut dikunjungi, kemudian ditentukan posisinya dengan GPS dan dikenali karakteristiknya bila dilihat dengan menggunakan citra satelit IKONOS.

Penginderaan jauh kemudian dilakukan untuk mengetahui lokasi tempat dimana daerah potensial perkembangbiakan nyamuk berada. Lokasi kemudian ditentukan dan didatangi untuk dipelajari karakteristik, luas habitat, spesies Anopheles yang ditemukan dan banyaknya larva. Penentuan lokasi perkembangbiakan nyamuk dengan menggunakan GIS memudahkan kita dalam mengontrol vektor secara efisien. Misalnya kita dapat menghitung jumlah biaya insektisida yang diperlukan untuk larvasidasi. Kita juga dapat melakukan manajemen lingkungan yang dapat mengubah fisik lingkungan secara permanen agar tempat perkembangbiakan nyamuk hilang seperti penimbunan, pengeringan, dan pengaturan pengairan.

Salah satu manfaat penting lainnya ketika mengaplikasikan sistem informasi geografis adalah kita dapat menganalisis karakteristik tempat perkembangbiakan nyamuk. misalnya kita menggunakan variabel topografis untuk mengestimasikan habitat nyamuk. Variabel topografis dianalisis dengan menggunakan analisis dengan Digital Elevation Model. Variabel topografis yang berpengaruh terhadap terbentuknya tempat perkembangbiakan nyamuk adalah ketinggian, kelembapan, jarak aliran ke sungai dan kurvatura.

Gambar 4.2 Gambaran Muka Bumi melalui Satelit IKONOSBAB V

PENUTUP5.1. Kesimpulan

1. Dengan angka API yang cukup tinggi yakni 3,9 per 1000 penduduk, diperlukan pencanangan program penanganan malaria yang efektif oleh pemerintah Kalimantan Barat untuk mencapai target target bebas malaria tahun 2020.

2. Usaha pengendalian vektor malaria hingga saat ini terbukti belum mampu mengendalikan jumlah vektor di Kalimantan Barat karena belum berkembangnya studi dan pemahaman mengenai bionomik vektor malaria di Kalimantan Barat.3. Salah inovasi yang dapat diterapkan pemerintah adalah pemanfaatan sistem informasi geografis yang dapat digunakan untuk mengidentifikasi, mempelajari, mengawasi dan memanajemen area yang berpotensi menjadi tempat perkembangbiakan nyamuk.

4. Metode SIG yang diperkenalkan pada ialah Malaria Natural Convenience Index dan Remote Sensing. Kedua teknik ini digunakan karena dapat mempermudah dalam memperkirakan dan menemukan dareah potensial perkembangbiakan nyamuk. 5.2. Saran

1. Sebaiknya sistem informasi geografis segera dapat diterapkan pada kabupaten/kota yang endemis malaria sebagai langkah awal strategis untuk usaha eliminasi malaria di daerah tersebut2. Pemerintah sebaiknya melibatkan akademisi khususnya di bidang entomologis dan informasi untuk mengembangkan penggunaan sistem informasi geografis Daftar Pustaka1. Goldman L, Ausiello D, editor. Cecil Medicin, 23rd edition. Philadelpia: Saunders; 20072. Depkes RI. Epidemiologi Malaria di Indonesia. Jakarta: Depkes RI; 20113. WHO. Guidelines for the treatment of malaria. Geneva: World Health Organization; 20064. Depkes RI. Mari Kita Berantas Malaria [Internet]. Jakarta: Depkes RI; 2012 (diakses 12 Mei 2013) . Available from: www.depkes.go.id/index.php/berita/press-release/1055-bersama-%20kita-berantas-malaria.pdf5. Dinas Kesehatan Provinsi Kalimantan Barat. Indikator Kesehatan Kalimantan Barat 2007-2011. Pontianak: Dinas Kesehatan Provinsi Kalimantan Barat; 2012

6. Prahasta E. Konsep-Konsep Dasar Sistem Informasi Geografis. Bandung : Informatika Bandung; 2011

7. Lilesand TM, Kiefer W, Chipman JW. Remote Sensing and Image Interpretation, 5th edition. John Wiley & Sons, Inc: New York; 2004

8. Mather PM. Computer Processinh of Remotely-Sensed Images. John Wiley & Sons, Inc: New York; 2004

9. Hiswani. Gambaran Penyakit dan Vektor Malaria di Indonesia. USU Digital Library: Medan; 2004

10. Arsin AA. Malaria di Indonesia: Tinjauan Aspek Epidemiologi. Masagena Press: Makassar; 2012

11. Eyles DE, Whrton RH, Warren M. Studies on Malaria and Anopheles balabacensis in Cambodia. Bull World Health Organ. 1964; 30 (1): 7-21

12. Saxena R, Nagpal BN, Srivastava A, Gupta SK, Dash AP. Application of Spatial Technology in Malaria Research & Control: Some New Insights. Indian J Med Res 130, 2009: 125-132

13. Dongus S, Nyika D, Kannady K, Mtasiwa D, Mshinda H, Fillinger U, et al. Participatory mapping of target areas to enable operational larval source management to suppress malaria vector mosquitoes in Dar es Salaam, Tanzania. Int J Health Geogr 2007; 6 : 37.

14. Sithiprasasna R, Lee WJ, Ugsang DM, Linthicum KJ. Identification and characterization of larval and adult anopheline mosquito habitats in the Republic of Korea: potential use of remotely sensed data to estimate mosquito distributions. Int J Health Geogr 2005; 4 : 1-11. 15. Sithiprasasna R, Linthicum KJ, Liu GJ, Jones JW, Singhasivanon P. Use of GIS-based spatial modeling approach to characterize the spatial patterns of malaria mosquito vector breeding habitats in northwestern Thailand. Southeast Asian JTrop Med Public Health 2003; 34 : 517-28. 16. Brit OJT, Galappaththy GNL, Konradsen F, Amerasinghe PH, Amerasinghe FP. Maps of the Sri Lanka malaria situation preceding the tsunami and key aspects to be considered in the emergency phase and beyond. Malaria J 2005; 4 : 1-11.

17. Hassan AN, Onsi HM. Remote sensing as a tool for mapping mosquito breeding habitats and associated health risk to assist control efforts and development plans: a case study in Wadi El Natroun, Egypt. J Egypt Soc Parasitol 2004; 34 : 367-82.

18. Claborn DM, Masuoka PM, Klein TA, Hooper T, Lee A, Andre RG. A cost comparison of two malaria control methods in Kyunggi province, Republic of Korea, using remote sensing and geographic information systems. Am J Trop Med Hyg 2002; 66 : 680-5.

19. Coetzee M, Craig M, le Sueur D. Distribution of African malaria mosquitoes belonging to the Anopheles gambiae complex. Parasitol Today 2000; 16 : 74-7.20. Craig MH, Snow RW, Sueur D le. A climate-based Distribution Model of Malaria Transmission in Sub-Saharan Africa. Parasitology Today 1999; 15(3); 105-111.21. Rincon-Romero ME, Londono JE. Mapping Malaria Risk Using Environmental and Anthropic Variables. Rev Bras Epidemiol 2009;12(3): 338-5422. Departemen Kesehatan RI. Vektor Malaria dan Cara Pengendaliannya. Jakarta: Departemen Kesehatan RI.

23. Ahmad R, et al. Mapping of Mosquito Breeding Sites in Malaria Endemic Areas inj Pos Lenjang, Kuala Lipis, Pahang, Malaysia. Malaria Journal 2011; 10: 361

24. Russel TL, et al. Succesful Malaria Elimination Strategies Require Interventions That Target Changing Vector Behaviours. Malaria Journal 2013. 12: 56

25. Yusuf R. Gambaran Cakupan Program Kelambunisasi Dalam Mencegah Kejadian Malaria di Desa Tunggulo Kecamatan Limboto Barat Kabupaten Gorontalo Tahun 2012. 2012.

26. Dinas Kesehatan Provinsi Kalimantan Barat. Profil Kesehatan Provinsi Kalimantan Barat Tahun 2010. Jakarta: Dinas Kesehatan Kalbar; 2011

27. Mushinzimana E, et al. Landscape Determinanyts and Remote Sensing of Anopheline Mosquito Larval Habitats in The Western Kenya Highlands. Malaria Journal 2006 5:13 DAFTAR RIWAYAT HIDUP

1. Nama

: Muhammad Luthfi Taufik

No. Induk Mahasiswa: I11111049

Tempat, tanggal lahir: Pontianak, 18 April 1993

Asal Universitas

: Universitas Tanjungpura Pontianak

Asal Fakultas

: Fakultas Kedokteran

Program Studi

: Pendidikan Dokter (2011)

E-mail

: [email protected]

Alamat

: Jalan Silat Baru No. K 46 Komp. UNTANNo. Telepon

: 085248059235Pengalaman Karya Ilmiah :

-

2. Nama Lengkap

: Kartika Sari

No. Induk Mahasiswa: I31112030

Tempat Tanggal Lahir : Pemangkat, 28 Desember 1994

Asal Universitas

: Universitas Tanjungpura Pontianak

Asal Fakultas

: Fakultas Kedokteran

Program Studi

: Ilmu Keperawatan (2012)

Email

: [email protected]

Alamat

: Jalan Alianyang Asrama Pangeran Hidayat M No. 2No. Telepon/Hp

: 089693214945/085393541162

Pengalaman Karya Ilmiah :

1. Desa Temajuk Sebagai Potensi Pariwisata Lokal Kalimantan Barat (2012)

2. Pemanfaatan Kebun Tanaman Dapur Atau Tanaman Obat Sebagai Alternatif Pelestarian Lingkungan (2011)

3. Kumis Kucing (Orthosiphon aristatus (B1) Mig) Pencegah Infeksi Pada Saluran Pembuangan (2010)3. Nama

: Ivo Tomy Pompang TotonNo. Induk Mahasiswa: I31112064Tempat, tanggal lahir: Belangin, 19 Mei 1995Asal Universitas

: Universitas Tanjungpura Pontianak

Asal Fakultas

: Fakultas Kedokteran

Program Studi

: Ilmu Keperawatan (2012)

E-mail

: Alamat

: Jl. Dr. Wahidin SudirohusodoNo. Telepon

: 085754689219Pengalaman Karya Ilmiah : 1. Upaya Meningkatkan Daya Tarik Keraton Suray Negara Menuju Percepatan Pembangunan Kabupaten Sanggau Sebagai Daerah Tertinggal (2012)Tabel

Laporan

Pengukuran Lapangan

Data Digital

Peta (Tematik, Topografi, dll)

Citra Satelit, Foto Udara, dll

Storage (database)

Retrieval

Processing

Input

Output

Peta

Tabel

Laporan

Informasi Digital (Softcopy

Tempat untuk berkembang biak

Tempat untuk

beristirahat

Tempat untuk mencari darah