Академический Документы
Профессиональный Документы
Культура Документы
net/publication/302868952
CITATIONS READS
0 313
2 authors:
Some of the authors of this publication are also working on these related projects:
MAPPING OF INVASIVE SPECIES (ARENGA OBTUSIFOLIA) IN JAVAN RHINOS HABITAT,UJUNG KULON WEST JAVA, BASED ON LANDSAT-8 IMAGE ANALYSIS AND
GEOGRAPHICAL INFORMATION SYSTEMS View project
Image Mining in Remote Sensing for Coastal Wetlands Monitoring View project
All content following this page was uploaded by Projo Danoedoro on 10 May 2016.
59
Pendahuluan menjadi masukan dalam kegiatan perencanaan
Penyakit demam berdarah dengan kesehatan masyarakat. Penyakit DBD sendiri
berbagai manifestasinya seperti Dengue Shock merupakan penyakit yang dipengaruhi oleh
Syndrome dan Dengue Haemorraghic Fever atau kondisi lingkungan. Kenyataan tersebut sangat
Demam Berdarah Dengue (DBD) saat ini relevan dengan konsep spasial dalam bidang
menjadi salah satu permasalahan utama ilmu geografi. Analisis spasial dapat digunakan
kesehatan masyarakat internasional. Menurut untuk melihat bagaimana faktor‐faktor
Gubler (1998), distribusi spasial penyakit DBD lingkungan mempengaruhi tingkat kerentanan
yang semakin meluas diakibatkan oleh suatu wilayah terhadap terjadinya penyakit
perubahan kondisi demografis dan sosial besar‐ DBD. Salah satu metode yang kini banyak
besaran dalam kurun waktu 50 tahun terakhir. dikembangkan sebagai basis analisa terkait
Pertumbuhan penduduk terjadi dengan cepat, di permasalahan tersebut adalah Sistem Informasi
sisi lain pengembangan area permukiman Geografis (SIG) dan penggunaan data
cenderung tidak terkontrol dan tidak tertata Penginderaan Jauh sebagai input data yang
dengan baik, khususnya pada daerah beriklim digunakan.
tropis. Permukiman tak terencana yang kumuh
dan padat, dengan manajemen pengaturan air Berbicara tentang pemodelan spasial
dan sampah yang buruk, menciptakan kondisi tentu saja tidak terbatas pada sistem pemodelan
yang ideal bagi perkembangan maupun indeks, yang memang sejauh ini paling umum
transmisi vektor penyakit DBD. Perkembangan digunakan karena relatif mudah dan praktis
teknologi dalam bidang transportasi juga turut dalam pengaplikasiannya. Seiring berjalannya
mendorong penyebaran distribusi penyakit waktu, sistem pemodelan dalam SIG lainnya,
DBD, di mana mobilitas manusia antar wilayah yang sebelumnya oleh Chang (2002) dibedakan
menjadi semakin mudah sehingga memudahkan menjadi lima yaitu model biner, model regresi,
terjadinya mobilisasi vektor penyakit DBD. model proses, model jaringan, dan model indeks
sendiri, mengalami perkembangan yang pesat.
Kota Yogyakarta merupakan salah Model spasial tidak melulu dipandang
satu wilayah di Indonesia yang menjadi daerah berdasarkan format data yang digunakan
epidemi DBD. Dalam kurun waktu lima tahun (vektor dan raster) namun berdasarkan konsep
terakhir hingga 2009 selalu dijumpai kasus DBD dan logika analisis serta sistem inferensi yang
dan cenderung meningkat tiap tahunnya digunakan. Pemodelan spasial SIG juga sangat
(Dinkes Yogyakarta, 2009). Bila menilik kriteria adaptif dalam hal integrasi dengan operasi
angka kesakitan (morbiditas) di Indonesia, di selain aritmatika, operasi aljabar, dan statistika
mana angka yang diperkenankan adalah tidak dalam kaitannya dengan sistem inferensi
lebih dari 0,75 maka angka insidensi DBD di (pengambilan keputusan). Salah satunya adalah
Kota Yogyakarta dapat dikatakan tinggi karena logika fuzzy (logika samar), sebuah logika
telah melewati batas tersebut, seperti pengambilan keputusan yang diperkenalkan
ditunjukkan oleh grafik berikut: oleh Zadeh (1965), yang merupakan salah satu
metode dalam sistem kecerdasan buatan
1.8 (artificial intelligence). Logika fuzzy saat ini
1.7
1.6 cukup banyak digunakan untuk diintegrasikan
1.4
1.2
1.37
dalam pemodelan spasial SIG sebagai metode
1 0.83
0.99
analisis.
0.8
pemodelan spasial SIG pada dasarnya berangkat
0.4
0.2
0 dari kenyataan bahwa berbagai fenomena di
2002 2003 2004 2005 2006
permukaan bumi yang sifatnya kontinyu
(kemiringan lereng, intensitas hujan, kepadatan
Tingkat Morbiditas Kasus DBD di Kota Yogyakarta Th. 2002- penduduk, dsb.) kurang representatif saat
2006 disajikan dengan klasifikasi yang tegas (crisp).
(Sumber: Dinkes Yogyakarta, 2009) Logika fuzzy merupakan sebuah alternatif solusi
yang dapat digunakan untuk mengklasifikasikan
fenomena tersebut semirip mungkin dengan
Berkaitan dengan kegiatan prinsip kerja otak manusia yang juga bersifat
pencegahan dan pengendalian DBD, pemetaan fuzzy. Tujuannya tentu saja meminimalisir
kerentanan wilayah terhadap terjadinya kasus dampak generalisasi akibat crisp classification
DBD adalah hal yang cukup penting. Pemetaan dalam sebuah pemodelan spasial.
tingkat kerentanan wilayah terhadap DBD dapat
60
Tujuan Penelitian DBD. Aspek lingkungan penyebab penyakit DBD
diwakili oleh variabel tingkat kepadatan
1. Mengkaji kondisi tingkat kerentanan DBD bangunan dan persentase tutupan vegetasi
dan melihat pengaruh aspek epidemiologi dengan sumber data citra Quickbird, serta
DBD terhadap kondisi kerentanan DBD di variabel curah hujan yang bersumber dari
Kota Yogyakarta. pengukuran data di beberapa stasiun penakar
2. Mengkaji kemampuan logika fuzzy sebagai hujan di Kota Yogyakarta dan sekitarnya. Aspek
metode analisis dalam pemodelan spasial manusia diwakili oleh variabel tingkat
tingkat kerentanan DBD di Kota kepadatan penduduk yang bersumber dari data
Yogyakarta. statistik BPS Kota Yogyakarta tahun 2007.
Sementara aspek vektor diwakili oleh variabel
House Index yang bersumber dari pengukuran
Metode Penelitian lapangan oleh tenaga survailans kelurahan di
Yogyakarta pada tahun 2007. Variabel insidence
Alat yang digunakan dalam penelitian ini: rate dalam penelitian ini digunakan untuk
1. Seperangkat komputer dengan spesifikasi menggambarkan kondisi aktual tingkat
dan kelengkapan sbb: kerentanan DBD di Kota Yogyakarta pada tahun
Processor Intel P6100 2.00 GHz 2007 yang nantinya digunakan sebagai acuan
Random Access Memory (RAM) 4.00 Gb untuk validasi pemodelan spasial tingkat
Video Graphic NVIDIA 512 Mb kerentanan DBD yang dilakukan.
2. Perangkat lunak ArcGIS 9.3 dan extend tool
Spatial Modeler Toolbox untuk pengolahan Unit analisis yang digunakan dalam
peta (input data/interpretasi citra satelit, penelitian ini adalah unit raster grid dengan
pengolahan data atribut, analisis statistik ukuran 100 x 100 meter (1 hektar). Ukuran
spasial, dan layout peta), analisis Fuzzy tersebut dipilih dengan pertimbangan bahwa
Membership, dan analisis Fuzzy Overlay. pada ukuran tersebut, beberapa aspek
3. Perangkat lunak Microsoft Office 2010 epidemiologi memiliki unit pengukuran yang
untuk proses pembuatan laporan (reports) paling sesuai. Ketika diamati pada kenampakan
baik laporan tertulis maupun presentasi. citra Quickbird, blok permukiman di Kota
Yogyakarta rata‐rata memiliki ukuran luas yang
Bahan yang digunakan dalam penelitian ini: relatif mendekati ukuran tersebut. Terkait
1. Citra satelit QuickBird liputan Kota dengan variable kepadatan bangunan, pada
Yogyakarta, rekaman tahun 2007; untuk ukuran tersebut, variasi kepadatan bangunan
ekstraksi informasi persentase tutupan yang dihasilkan lebih besar dibandingkan
vegetasi dan tingkat kepadatan bangunan. ukuran lainnya (250 x 250 m, 50 x 50 m) yang
2. Data sebaran kasus DBD Kota Yogyakarta cenderung menghasilkan variasi kepadatan
tahun 2007 (sumber: Survey Lapangan) bangunan yang seragam.
3. Data House Index Kota Yogyakarta tahun
2007 (sumber: Dinas Kesehatan Kota Pemetaan Variabel Penentu Kerentanan DBD
Yogyakarta)
4. Data jumlah penduduk Kota Yogyakarta Tingkat Kepadatan Bangunan
tahun 2007 (sumber: Kota Yogyakarta
dalam Angka 2007, BPS Daerah Istimewa Informasi kepadatan bangunan dapat
Yogyakarta) diekstraksi melalui interpretasi pada citra
5. Data intensitas curah hujan Kota Yogyakarta QuickBird (resolusi spasial 0,64 m) liputan Kota
dan sekitarnya tahun 2007 (sumber: Yogyakarta. Merujuk pada Erlangga (2007),
beberapa stasiun penakar hujan di Daerah individu bangunan dapat dikenali dari kanopi‐
Istimewa Yogyakarta) nya, yaitu atap bangunan dan batas persil
bangunan yang tidak tertutup oleh penutup
lahan lain. Melalui citra QuickBird akan dapat
Pemilihan variabel penelitian dalam cepat mendeteksi atap bangunan, tetapi untuk
pemodelan spasial kerentanan penyakit DBD di dapat mengenali dan memutuskan bahwa atap
Kota Yogyakarta tahun 2007 dengan tersebut adalah satu individu bangunan tidaklah
menggunakan logika fuzzy sebagai metode mudah karena adanya variasi bentuk atap tiap
analisis ini didasarkan pada konsep segitiga bangunan dan juga adanya beberapa kompleks
epidemiologi penyakit DBD. Artinya, variabel bangunan. Pengenalan individu bangunan
penelitian yang dilibatkan harus mewakili ketiga melalui citra QuickBird dikenali melalui kunci
aspek epidemiologi DBD, yaitu aspek interpretasi bentuk, ukuran, pola, dan warna
lingkungan, aspek manusia, dan aspek vektor dari tiap bangunan.
61
Informasi spasial curah hujan
didapatkan dari hasil interpolasi nilai rerata
curah hujan bulanan beberapa titik stasiun
penakar hujan di sekitar daerah penelitian.
Interpolasi adalah metode untuk mendapatkan
data berdasarkan beberapa data yang telah
diketahui. Dalam pemetaan, interpolasi adalah
proses estimasi nilai pada wilayah yang tidak
disampel atau diukur, sehingga terbentuk peta
atau sebaran nilai pada seluruh wilayah.
Metode interpolasi yang digunakan
Hasil identifikasi bangunan akan dalam penelitian ini adalah metode Inverse
menggambarkan kondisi sebaran bangunan di Distance Weighted (IDW), yaitu metode
Kota Yogyakarta. Informasi spasial kepadatan deterministik yang sederhana dengan
bangunan dapat dilakukan dengan menghitung mempertimbangkan titik disekitarnya. Asumsi
jumlah bangunan pada grid seluas 100 m x 100 dari metode ini adalah nilai interpolasi akan
m. lebih mirip pada data sampel yang dekat
daripada yang lebih jauh. Bobot (weight) akan
Tutupan Vegetasi berubah secara linear sesuai dengan jaraknya
dengan data sampel. Bobot ini tidak akan
Informasi tingkat kerapatan vegetasi dipengaruhi oleh letak dari data sampel
dalam penelitian ini didapatkan dengan (Pramono, 2008). Interpolasi IDW dapat
menghitung luasan tutupan vegetasi yang digambarkan melalui fungsi berikut:
terdapat pada setiap grid (unit analisis)
berukuran 1 hektar. Luasan tutupan vegetasi
didapatkan dari sebaran vegetasi pepohonan
dan vegetasi rendah yang sebelumnya Kepadatan Penduduk
diidentifikasi pada Citra Quickbird liputan Kota
Yogyakarta rekaman tahun 2007 melalui Informasi tingkat kepadatan
interpretasi visual. Obyek terkecil yang penduduk tiap kelurahan Kota Yogyakarta
dipetakan adalah individu yang masih mampu diambil dari data stastistik kependudukan kota
teridentifikasi pada Citra Quickbird. Yogyakarta tahun 2007 yang bersumber dari
Biro Pusat Statistik (BPS) Daerah Istimewa
Informasi tutupan vegetasi disajikan Yogyakarta. Informasi kepadatan penduduk
dalam bentuk persentase, yang dihitung dengan tersebut kemudian dimasukkan dalam data
menggunakan persamaan berikut ini: atribut tiap kelurahan Kota Yogyakarta.
House Index
62
Data House Index Kota Yogyakarta kepadatan penduduk, tingkat kepadatan
tahun 2007 diperoleh dari data sekunder yang bangunan, tingkat kerapatan vegetasi, dan curah
dikeluarkan oleh Dinas Kesehatan Kota hujan.
Yogyakarta. Pengukuran data tersebut
dilakukan oleh petugas survailans di setiap Sifat hubungan positif yang searah
kelurahan Kota Yogyakarta. pada variabel‐variabel tersebut di atas dalam
penelitian ini akan direpresentasikan dengan
Sehubungan dengan penggunaan unit menggunakan kurva fuzzifikasi Sigmoid (S)
analisis grid sebagai unit analisis yang Pertumbuhan, yang menghasilkan peningkatan
digunakan dalam penelitian ini, maka perlu nilai derajat keanggotaan fuzzy seiring dengan
dilakukan respasialisasi dengan mengubah unit semakin besar nilai input variabel yang
pemetaan ke dalam unit grid. Respasialisasi dimasukkan dengan peningkatan nilai yang
dilakukan dengan menginterpolasi nilai House relatif lebih smooth dibandingkan dengan kurva
Index dengan mengambil nilai tengah (centroid) fuzzifikasi linear. Penulis lebih memilih kurva
House Index dari setiap kelurahan di Kota fuzzifikasi sigmoid pertumbuhan secara
Yogyakarta. subyektif dibandingkan dengan kurva linear
yang sebenarnya juga dapat digunakan untuk
Sebaran Kasus DBD Tahun 2007 menggambarkan hubungan searah yang positif.
Hal tersebut disebabkan dalam beberapa
Pemetaan sebaran kasus DBD tahun penelitian sebelumnya, variabel‐variabel
2007 dilakukan dengan cara menghitung jumlah tersebut di atas memang memiliki hubungan
kasus dalam setiap unit analisis grid berukuran searah yang positif terhadap tingkat kerentanan
100 x 100 m. Informasi spasial sebaran kasus DBD yang dihasilkan, namun ketika diuji dengan
DBD sendiri didapatkan dari survey lapangan uji linearitas justru tidak menunjukkan hasil
dengan cara plotting GPS berdasarkan data yang sangat signifikan.
Dinas Kesehatan Kota Yogyakarta tahun 2009.
Informasi tingkat kerentanan DBD kemudian
dapat diturunkan dari informasi jumlah kasus
tersebut, dengan menggunakan klasifikasi
density slicing sesuai data pemetaan yang
dihasilkan.
Tahap Pengolahan Data
Fuzzifikasi
63
Pemodelan spasial tingkat kerentanan
DBD di Kota Yogyakarta pada tahun 2007 yang
telah dihasilkan dalam penelitian ini perlu diuji
akurasinya. Pengujian tersebut perlu dilakukan
untuk melihat tingkat kebenaran model dengan
menggunakan logika fuzzy dalam
menggambarkan kondisi kerentanan DBD di
Kota Yogyakarta yang sesungguhnya sekaligus
untuk melihat operator fuzzy mana yang paling
baik dalam menggambarkan kondisi kerentanan
DBD di Kota Yogyakarta.
64
mm/bulan fuzzy terendah pada penelitian ini menghasilkan
4. Kepadatan Sigmoid {49 409} dalam derajat keanggotaan fuzzy tingkat kerentanan
Penduduk Pertumbuhan satuan
jiwa/hektar DBD di Kota Yogyakarta pada tahun 2007 relatif
5. House Index Trapesium {0 100} dalam rendah, dengan interval nilai 0 – 0,43. Artinya
satuan % tingkat kerentanan DBD yang dihasilkan relatif
mendekati rendah. Namun perlu diperhatikan
Berdasarkan tabel hasil analisis bahwa operator AND ini merupakan operator
fuzzifikasi variabel penelitian di atas, dapat fuzzy yang paling sesuai untuk digunakan dalam
dilihat bahwa beberapa variabel cenderung pemodelan spasial tingkat kerentanan DBD, di
dapat memicu kejadian DBD dengan kondisi mana dalam operator fuzzy AND, logika intersect
kerentanan yang tinggi di Kota Yogyakarta pada menggambarkan bahwa semua input variables
tahun 2007, yaitu antara lain variabel kepadatan memiliki proporsi yang sama dan semua
penduduk, house index (HI), dan kepadaan variabel harus disertakan dalam menentukan
bangunan. Variabel‐variabel tersebut cenderung hasil keluaran fuzzy. Kondisi tersebut sesuai
memiliki derajat keanggotaan fuzzy yang tinggi dengan kenyataan dalam pemodelan tingkat
terhadap tingkat kejadian DBD. Sementara itu kerentanan DBD, bahwa sesuai teori
variabel penelitian yang lain, yaitu tutupan epidemiologi DBD, semua faktor epidemiologi
vegetasi dan curah hujan cenderung memicu DBD (faktor lingkungan, manusia, dan vektor)
tingkat kerentanan DBD yang relatif rendah yang direpresentasikan dalam variabel
hingga sedang di mana derajat keanggotaan penelitian haruslah dilibatkan semua. Tidak
fuzzy yang dihasilkan cenderung rendah adanya 1 saja faktor epidemiologi tersebut,
(mendekati derajat keangggotaan fuzzy 0). maka kasus DBD tidak akan dapat terjadi.
65
menuju sedang yang cenderung variatif (0 – kelas pada metode histogram slicing tersebut
0,66), yang dapat diartikan bahwa tingkat mengacu pada kumpulan nilai yang terdapat
kerentanan DBD yang dihasilkan berdasarkan pada histogram hasil pengolahan fuzzy, di mana
operator fuzzy SUM di Kota Yogyakarta pada nilai‐nilai yang mengumpul menjadi sebuah
tahun 2007 relatif rendah cenderung mendekati bukit grafik mengindikasikan sebuah
sedang (mendekati batas nilai tengah derajat kenampakan yang seragam, dalam hal ini
keanggotaan fuzzy yaitu 0,5). dianggap sebagai kelas kerentanan yang sama.
AND (Gambar 4.20), operator OR (Gambar 4.21), Selatan. Skripsi. Yogyakarta:
operator PRODUCT (Gambar 4.22), operator Fakultas Geografi UGM.
SUM (Gambar (4.23), dan operator Akar Al Rahmadi, Muhammad. (2005). Penentuan
Perkalian (Gambar 4.24) dengan peta tingkat Tingkat Kerawanan Wilayah
kerentanan DBD aktual tahun 2007 yang Terhadap Wabah Penyakit Demam
didasarkan pengkategorian jumlah kasus DBD Berdarah Dengue dengan Teknik
dalam setiap unit analisis grid. Pengujian Penginderaan Jauh dan Sistem
dilakukan dengan menggunakan uji confusion Informasi Geografi di Kota
matrix (terlampir). Rekapitulasi hasil pengujian Yogyakarta. Skripsi. Yogyakarta:
tersebut dapat disimak pada tabel berikut ini: Fakultas Geografi UGM.
Albert, D. P. (2005). Spatial Analysis, GIS, and
No. Tingkat Kerentanan DBD Akurasi yang Remote Sensing Applications in the
Dihasilkan
1. Berdasarkan Operator Fuzzy 46,4%
Health Sciences. Chelsea: Ann Arbor
AND Press.
2. Berdasarkan Operator Fuzzy 2,97% Bonham‐Carter, Graeme F. (1997). Geographic
OR Information Systems for
3. Berdasarkan Operator Fuzzy 2,56% Geoscientists, Modelling with GIS.
SUM
4. Berdasarkan Operator Fuzzy 17,04% Chapter 9, Fuzzy logic section with
PRODUCT related tables and figures. London:
5. Berdasarkan Operator Akar 11,9% CRC Press, Taylor and Francis
Perkalian Group.
Danoedoro, Projo dan Suharyadi. (2004). Sistem
Informasi Geografis: Konsep Dasar
Kesimpulan dan Beberapa Catatan
Perkembangannya Saat Ini. Dalam:
1. Berdasarkan hasil analisis fuzzy membership
Sains Informasi Geografis: Dari
(fuzzifikasi), variabel tingkat kepadatan
Perolehan dan Analisis Citra hingga
bangunan, kepadatan penduduk, dan
Pemetaan dan Pemodelan Spasial.
kepadatan vektor melalui house index (HI)
Yogyakarta: Jurusan Kartografi dan
cenderung memicu tingkat kerentanan DBD
Penginderaan Jauh Fakultas
di Kota Yogyakarta tahun 2007 yang relatif
Geografi UGM.
tinggi, dengan derajat keanggotaan fuzzy
Dinas Kesehatan Yogyakarta. (2009). Laporan
terkait kejadian DBD yang cenderung
Kegiatan: Epidemiologi Demam
mendekati derajat keanggotaan fuzzy 1.
Berdarah di Kota Yogyakarta Tahun
2. Berdasarkan hasil analisis fuzzy membership
2006 – 2008. Yogyakarta: Dinas
(fuzzifikasi), variabel tingkat tutupan
Kesehatan Kota Yogyakarta.
vegetasi dan rerata curah hujan bulanan
Erlangga, Satya. (2009). Pemodelan Spasial
cenderung memicu tingkat kerentanan DBD
Kejadian Tuberkulosis Melalui
di Kota Yogyakarta tahun 2007 yang relatif
Analisis Citra QuickBird dan Sistem
rendah, dengan derajat keanggotaan fuzzy
Informasi Geografis (Kasus: Kota
terkait kejadian DBD yang cenderung
Yogyakarta, Provinsi DIY). Thesis.
mendekati derajat keanggotaan 0.
Yogyakarta: Fakultas Geografi UGM.
3. Logika fuzzy dapat digunakan sebagai
Gubler, D. J. (1998). Dengue and Dengue
metode analisis dalam pemodelan spasial
Hemorrhagic Fever. Journal of
tingkat kerentanan DBD di Kota Yogyakarta
Clinical Microbiology Reviews, July
tahun 2007, namun dengan akurasi
1998.
pemodelan spasial terbaik yang cukup
Iswari, Lizda. (2008). Pemanfaatan Sistem
rendah, yaitu sebesar 46,4% berdasarkan
Inferensi Fuzzy dalam Pengolahan
penggunaan operator fuzzy AND.
Peta Tematik (Studi Kasus: Sistem
Informasi Gepgrafis Daerah Rawan
Daftar Pustaka Penyakit Demam Berdarah). Dalam:
Proceeding Seminar Nasional
Aisyah, Siti. (2000). Aplikasi Foto Udara dan Aplikasi Teknologi Informasi
Sistem Informasi Geografis untuk (SNATI) 2008, Yogyakarta.
Penentuan Tingkat Kerentanan Khim, P. C. (2007). Bionomics of Aedes aegypti
Wilayah Terhadap and Aedes albopictus in Relation to
Perkembangbiakan Nyamuk Aedes Dengue Incidence on Penang Island
aegypti dan Aedes albopictus dan and the Application of Sequential
Prioritas Penanganannya Di Jakarta
67
Sampling in the Control of Dengue
Vectors. Thesis. Malaysia: Universiti
Sains Malaysia.
Kusumadewi, S. dan Hari P.. (2004). Aplikasi
Logika Fuzzy untuk Pendukung
Keputusan. Yogyakarta.
68
Lampiran
69
70