DESKRIPSI MODUL
Tiga bulan setelah mulai bertugas
dr. Nindi akhirnya mendapat jawaban atas pertanyaan yang terus mengganggunya: mengapa dua kecamatan di Kabupaten Sumbawa Barat menyumbang 67% dari seluruh kematian ibu, padahal hanya 31% dari total populasi?
Jawaban itu tidak ia temukan di tumpukan laporan bulanan di mejanya.
Ia menemukannya ketika seorang mahasiswa magang dari Fakultas Kesehatan Masyarakat memperlihatkan sebuah peta sederhana yang ia buat menggunakan data yang ada: titik-titik merah untuk setiap kematian ibu, lingkaran biru untuk setiap Puskesmas, dan garis kuning untuk jalan yang dapat dilalui kendaraan roda empat.
"Data ini sudah ada sejak dulu," pikir dr. Nindi. "Tapi tidak pernah terlihat sampai dipetakan."
Pengalaman dr. Nindi menggambarkan kekuatan unik Sistem Informasi Geografis (GIS) dalam kesehatan masyarakat: kemampuan untuk menemukan pola spasial yang tidak terlihat dalam tabel dan grafik biasa. Modul ini membangun pemahaman tentang GIS sebagai alat surveilans dan perencanaan dalam konteks kesehatan reproduksi — dari konsep dasar hingga aplikasi praktis yang dapat diimplementasikan dengan sumber daya yang realistis di tingkat kabupaten.
Visualisasi Spasial: Titik merah = kematian ibu | Lingkaran biru = Puskesmas | Garis kuning = jalan dapat dilalui
Pola terungkap: hampir semua titik merah berada di luar jangkauan 10 km dari lingkaran biru
CAPAIAN PEMBELAJARAN MODUL
Setelah menyelesaikan modul ini, peserta didik mampu:
- 1 Menjelaskan konsep dasar GIS dan komponen-komponennya dalam konteks kesehatan masyarakat
- 2 Mengidentifikasi aplikasi GIS yang relevan untuk surveilans dan perencanaan kesehatan reproduksi di Indonesia
- 3 Menganalisis penggunaan analisis spasial untuk mengidentifikasi disparitas akses layanan KIA dan cluster kematian ibu
- 4 Mengevaluasi keterbatasan dan tantangan implementasi GIS di tingkat kabupaten dengan sumber daya terbatas
- 5 Merancang penggunaan GIS sederhana untuk mendukung pengambilan keputusan berbasis bukti dalam konteks kesehatan reproduksi
MATERI INTI
C.1. Konsep Dasar GIS dalam Kesehatan Masyarakat
C.1.1. Apa itu GIS dan Mengapa Relevan untuk KIA
Definisi GIS: Sistem yang dirancang untuk menangkap, menyimpan, memanipulasi, menganalisis, mengelola, dan menyajikan semua jenis data geografis dan spasial.
Mengapa Spasial Penting untuk KIA
Kesehatan Tidak Terdistribusi Merata
- Kematian ibu terkonsentrasi di wilayah dengan akses rendah
- Stunting mengelompok di desa-desa dengan sanitasi buruk
- Cakupan ANC rendah berkorelasi dengan jarak ke Puskesmas
Intervensi Harus Ditargetkan
- Anggaran terbatas tidak bisa disebar merata ke seluruh wilayah
- GIS memungkinkan identifikasi wilayah prioritas secara objektif
- "Di mana anggaran paling dibutuhkan" adalah pertanyaan spasial
Faktor Risiko Bersifat Spasial
- Jarak ke fasilitas
- Kondisi jalan dan transportasi
- Ketinggian dan topografi
- Kepadatan penduduk
- Banjir musiman
Komponen Utama GIS
1. Hardware
- Komputer, GPS receiver, scanner, printer peta
- Minimal: laptop dengan RAM 8GB sudah cukup untuk GIS tingkat kabupaten
2. Software
- Komersial: ArcGIS (Esri)
- Open source: QGIS (gratis, fitur hampir setara ArcGIS)
- Berbasis web: Google Earth Engine, ArcGIS Online
- Smartphone: ODK Collect + KoboToolbox untuk data collection lapangan
3. Data
- Spatial data: koordinat GPS fasilitas, batas wilayah, jaringan jalan
- Attribute data: AKI per kecamatan, cakupan ANC, jumlah bidan
4. People
- Operator GIS terlatih
- Pengambil keputusan yang dapat membaca dan menggunakan output GIS
- Di kabupaten: tidak harus ada GIS specialist — kompetensi dasar sudah cukup
5. Procedures
- SOP pengumpulan data GPS
- Protokol update peta
- Mekanisme berbagi data antar program
C.1.2. Jenis Data Spasial yang Relevan untuk Kesehatan Reproduksi
Point Data (Titik)
- Lokasi fasilitas kesehatan (RS, Puskesmas, Pustu, Polindes)
- Lokasi kematian ibu (berdasarkan alamat pasien)
- Lokasi Posyandu
- Lokasi ibu hamil risiko tinggi (dari e-Kohort KIA)
Line Data (Garis)
- Jaringan jalan (kondisi: aspal, tanah, hanya ojek)
- Sungai yang memutus akses di musim hujan
- Rute ambulans atau rujukan
Polygon Data (Area)
- Batas administrasi: kabupaten, kecamatan, desa
- Wilayah kerja Puskesmas
- Area yang tidak terjangkau dalam radius tertentu
- Daerah banjir musiman
Raster Data (Permukaan)
- Peta elevasi/topografi (DEM — Digital Elevation Model)
- Citra satelit
- Peta curah hujan
Sumber Data Gratis yang Tersedia
- Batas Administrasi: BPS (bps.go.id) — shapefile batas desa/kelurahan seluruh Indonesia
- Jaringan Jalan: OpenStreetMap (openstreetmap.org) — data jalan yang terus diperbarui oleh komunitas
- Data Elevasi: SRTM (NASA) — resolusi 30m, tersedia gratis
- Citra Satelit: Google Earth untuk visualisasi | Google Earth Engine untuk analisis
- Fasilitas Kesehatan: ASPAK Kemenkes (sudah termasuk koordinat GPS)
C.2. Analisis Spasial untuk Surveilans Kematian Ibu
C.2.1. Service Area Analysis: Mengukur Akses Geografis
Service Area Analysis: Analisis untuk mengidentifikasi wilayah yang dapat dilayani oleh suatu fasilitas dalam batas waktu atau jarak tertentu.
Penerapan untuk KIA
Catchment Area Puskesmas:
- Pertanyaan: Berapa persen penduduk dapat mencapai Puskesmas dalam <30 menit?
- Metode: Buffer analysis (lingkaran radius tertentu) ATAU Network analysis (berbasis jaringan jalan nyata)
Buffer (Euclidean)
Lingkaran sempurna di sekeliling fasilitas. Asumsi: orang bergerak lurus. Mudah dihitung, tidak akurat untuk daerah berbukit.
Network Analysis
Berbasis jaringan jalan nyata. Mempertimbangkan: panjang jalan, kondisi jalan, kecepatan tempuh. Lebih akurat, memerlukan data jalan yang baik.
Contoh Aplikasi di Indonesia
Studi di Nusa Tenggara Timur menunjukkan bahwa meskipun secara buffer 78% penduduk berada dalam 10 km dari Puskesmas, hanya 52% yang dapat mencapainya dalam 60 menit dengan transportasi yang tersedia — karena kondisi jalan dan topografi yang berat.
Implikasi: Buffer analysis melebih-lebihkan akses nyata di daerah dengan infrastruktur jalan yang buruk.
Threshold Waktu Tempuh dalam Literatur KIA
30 menit: WHO threshold untuk akses "acceptable" ke fasilitas BEMONC
60 menit: "Golden hour" untuk komplikasi obstetri kritis
2 jam: Batas atas yang dikaitkan dengan peningkatan signifikan risiko kematian
C.2.2. Cluster Analysis: Mengidentifikasi Konsentrasi Kematian
Spatial Cluster Analysis: Metode statistik untuk mengidentifikasi apakah kasus (kematian, komplikasi) terkonsentrasi di area tertentu lebih dari yang diharapkan secara kebetulan.
1. Scan Statistics (SaTScan)
- Software gratis (satscan.org)
- Mengidentifikasi cluster spasial dan spasio-temporal kematian
- Output: lokasi dan ukuran cluster, p-value, relative risk
- Aplikasi KIA: menemukan desa atau kecamatan dengan kematian ibu lebih tinggi dari yang diharapkan
2. Kernel Density Estimation (KDE)
- Menghasilkan "heatmap" kepadatan kejadian
- Tersedia di QGIS (gratis)
- Mudah divisualisasikan untuk presentasi kepada pemangku kepentingan non-teknis
- Aplikasi KIA: peta kerapatan kematian ibu untuk identifikasi zona prioritas
3. Moran's I
- Mengukur spatial autocorrelation: apakah wilayah dengan nilai tinggi cenderung berdekatan satu sama lain?
- Aplikasi KIA: apakah AKI tinggi mengelompok geografis atau tersebar acak?
Interpretasi yang Hati-hati
- Modifiable Areal Unit Problem (MAUP): Hasil cluster analysis dapat berubah tergantung unit analisis yang digunakan (desa vs kecamatan vs kabupaten). Cluster yang terlihat di level kecamatan mungkin menghilang atau berubah di level desa.
- Jumlah Kasus yang Kecil: Di kabupaten kecil dengan 10–20 kematian/tahun, cluster analysis bisa menghasilkan false positive karena variasi acak. Pertimbangkan agregasi data beberapa tahun untuk mendapatkan jumlah kasus yang cukup bermakna.
C.2.3. Spatial Correlation: Menghubungkan Kematian dengan Faktor Risiko
Spatial Correlation Analysis: Analisis hubungan antara distribusi spasial kematian ibu dengan distribusi faktor-faktor yang diduga mempengaruhinya.
Variabel yang Sering Dianalisis
- Akses: Jarak/waktu ke Puskesmas PONED/RS PONEK, ketersediaan ambulans, kondisi jalan
- Pelayanan: Cakupan ANC K1/K4, cakupan persalinan di fasilitas, kepadatan bidan, fungsi PONEK
- Sosio-demografis: Kemiskinan, pendidikan perempuan, prevalensi pernikahan dini, indeks kerentanan bencana
Contoh Temuan dari Studi di Indonesia
- Sulawesi Tengah (2019): Jarak ke RSUD >60 menit adalah prediktor terkuat kematian ibu (OR 3,2; 95% CI 1,8–5,7) setelah mengendalikan cakupan ANC
- Papua (2021): Cluster kematian ibu tertinggi berkorelasi sangat kuat dengan wilayah tanpa akses jalan (hanya dapat dicapai dengan pesawat atau perahu)
Catatan Metodologis
Korelasi spasial BUKAN kausalitas: Bahwa kematian ibu lebih tinggi di daerah jauh dari fasilitas tidak membuktikan bahwa jarak adalah penyebab — mungkin ada confounders seperti kemiskinan yang mempengaruhi keduanya.
GIS adalah alat untuk MENGHASILKAN HIPOTESIS yang kemudian diuji dengan metode lain (epidemiologi analitik, kualitatif) — bukan untuk membuktikan kausalitas.
C.3. Aplikasi GIS untuk Perencanaan Layanan KIA
C.3.1. Gap Analysis: Mengidentifikasi Wilayah Tanpa Layanan Adekuat
Gap Analysis dalam Konteks KIA: Pemetaan perbedaan antara distribusi KEBUTUHAN layanan (populasi ibu hamil, berisiko tinggi) dan distribusi KETERSEDIAAN layanan (fasilitas, tenaga, kemampuan).
1
Petakan Fasilitas
Petakan semua fasilitas kesehatan dengan kemampuan PONED/PONEK beserta kapasitasnya (tempat tidur, ketersediaan SpOG, jam operasional)
2
Buat Service Area
Buat service area masing-masing fasilitas berdasarkan waktu tempuh (30 menit, 60 menit, 2 jam)
3
Overlay dengan Populasi
Overlay dengan peta distribusi penduduk (dari data BPS) untuk mengidentifikasi jumlah perempuan usia reproduksi di luar jangkauan
4
Prioritaskan Wilayah
Prioritaskan berdasarkan: jumlah penduduk di luar jangkauan, jarak ke fasilitas, AKI historis, ketersediaan tenaga kesehatan
Output Gap Analysis
- Peta wilayah "underserved": daerah dengan >X% penduduk di luar jangkauan 60 menit
- Estimasi jumlah kelahiran yang terjadi di zona risiko tinggi setiap tahun
- Ranking prioritas wilayah untuk intervensi: penempatan bidan, penguatan Puskesmas PONED, pembangunan RS baru, atau sistem rujukan berbasis komunitas
C.3.2. Optimasi Lokasi Fasilitas dan Sumber Daya
Location-Allocation Analysis: Analisis untuk menentukan di mana seharusnya fasilitas baru ditempatkan (atau sumber daya dialokasikan) untuk memaksimalkan akses populasi.
Pertanyaan yang Dapat Dijawab
- "Jika kita dapat membangun 1 Puskesmas PONED baru, di kecamatan mana penempatannya akan mengurangi jumlah perempuan yang >60 menit dari fasilitas paling banyak?"
- "Di desa mana penempatan bidan desa baru akan memberikan dampak terbesar pada cakupan ANC?"
- "Jika anggaran ambulans terbatas untuk 2 unit, di Puskesmas mana penempatannya mengoptimalkan waktu respons untuk seluruh populasi kabupaten?"
Tools yang Dapat Digunakan
- ArcGIS Network Analyst: Fitur Location-Allocation (berbayar)
- QGIS dengan plugin: ORSTOOLS (menggunakan OpenRouteService API — gratis)
- Pendekatan sederhana: Overlay manual + kalkulasi dalam spreadsheet sudah dapat memberikan insight yang sangat berguna meskipun tidak seoptimal analisis algoritma
Catatan Penting
Rekomendasi lokasi dari GIS harus selalu diintegrasikan dengan:
- Pertimbangan politik dan administratif (batas kewenangan, preferensi daerah)
- Ketersediaan lahan
- Faktor sosial dan budaya (apakah komunitas akan menggunakan fasilitas tersebut?)
- Keberlanjutan operasional (tersedia SDM untuk mengisi fasilitas baru?)
C.3.3. GIS untuk Respons Bencana dan Situasi Darurat KIA
GIS dalam Konteks Kedaruratan
- Peta Risiko Bencana + KIA: Overlay daerah rawan banjir/gempa/longsor dengan peta ibu hamil terdaftar → identifikasi berapa ibu hamil terdampak jika skenario bencana X terjadi
- Tracking Ibu Hamil Terdampak: Pasca-bencana: peta rencana persalinan ibu hamil yang terdisrupsi; koordinasi fasilitas mana yang masih berfungsi
- Navigasi Rujukan Real-Time: Aplikasi berbasis GIS untuk bidan dan tim ambulans mengidentifikasi rute alternatif ketika jalan utama terputus
Contoh Implementasi: Pasca-Gempa Lombok 2018
- Tim kesehatan menggunakan Google Maps dan data Posyandu untuk mengidentifikasi lokasi ibu hamil di wilayah yang terdampak
- Koordinasi lintas OPD: BPBD untuk akses wilayah, Dinkes untuk data ibu hamil
- Keterbatasan: Tidak ada database ibu hamil yang dapat langsung diakses secara spasial karena e-Kohort KIA belum terisi lengkap di sebagian besar Puskesmas terdampak
C.4. Platform dan Tools GIS untuk Tingkat Kabupaten
C.4.1. QGIS: Solusi Open Source untuk Kabupaten
QGIS (Quantum GIS): Open source, gratis | Download: qgis.org | Komunitas besar, dokumentasi lengkap dalam bahasa Indonesia
Visualisasi Dasar
- Membuat peta tematik AKI per kecamatan (choropleth)
- Overlay titik kematian dengan jaringan jalan
- Membuat peta fasilitas kesehatan dengan simbologi berdasarkan kapasitas
Analisis Spasial
- Buffer analysis (lingkaran jangkauan fasilitas)
- Overlay analysis (irisan antar layer)
- Kernel Density Estimation (heatmap kematian)
- Join data tabular ke peta (misalnya: AKI per desa dari spreadsheet ke shapefile)
Integrasi Data
- Import dari CSV dengan kolom latitude/longitude
- Koneksi ke Google Sheets
- Plugin OpenStreetMap untuk data jalan real-time
Realisme Implementasi di Kabupaten
Yang Dibutuhkan:
1 orang dengan pelatihan QGIS dasar (3–5 hari) | Laptop standar (RAM 8GB) | Data dasar: batas wilayah, koordinat fasilitas
1 orang dengan pelatihan QGIS dasar (3–5 hari) | Laptop standar (RAM 8GB) | Data dasar: batas wilayah, koordinat fasilitas
Yang Dapat Dihasilkan dalam 1–2 Bulan Pertama:
Peta sebaran fasilitas KIA | Peta AKI per kecamatan (choropleth sederhana) | Buffer analysis jangkauan fasilitas | Peta overlay kematian ibu dengan jalan
Peta sebaran fasilitas KIA | Peta AKI per kecamatan (choropleth sederhana) | Buffer analysis jangkauan fasilitas | Peta overlay kematian ibu dengan jalan
Yang Memerlukan Lebih Banyak Waktu dan Kapasitas:
Network analysis berbasis waktu tempuh nyata | Spatial statistics (SaTScan, Moran's I) | GIS real-time berbasis web (memerlukan infrastruktur server)
Network analysis berbasis waktu tempuh nyata | Spatial statistics (SaTScan, Moran's I) | GIS real-time berbasis web (memerlukan infrastruktur server)
C.4.2. Dashboard GIS Nasional yang Tersedia
INARISK (BNPB)
inarisk.bnpb.go.idPlatform penilaian risiko bencana nasional
- Relevansi KIA: overlay wilayah berisiko bencana dengan distribusi populasi ibu hamil
SIGIZI TERPADU (Kemenkes)
sigizi.kemkes.go.idPlatform GIS untuk pemantauan status gizi berbasis peta
- Relevansi KIA: distribusi spasial stunting dan KEK ibu hamil
Peta Fasilitas Kesehatan (ASPAK)
aspak.kemkes.go.idPeta interaktif seluruh fasilitas kesehatan di Indonesia
- Dapat diekspor sebagai data untuk QGIS
Geoportal BIG
tanahair.indonesia.go.idSumber data spasial referensi resmi Indonesia
- Batas administrasi, topografi, jaringan jalan nasional
Integrasi dengan SATU SEHAT
Visi jangka panjang SATU SEHAT mencakup komponen spasial — setiap kunjungan pasien, fasilitas, dan kejadian kesehatan akan memiliki referensi geografis.
Jika ini terwujud sepenuhnya:
- Near-real-time mapping kematian ibu dan near-miss
- Tracking ibu hamil risiko tinggi secara spasial
- Dashboard AKI per wilayah yang diperbarui otomatis
Status saat ini (2024): Komponen spasial SATU SEHAT masih dalam pengembangan — belum semua fitur tersedia di seluruh kabupaten.
C.5. Keterbatasan dan Tantangan GIS dalam Konteks Indonesia
C.5.1. Keterbatasan Teknis dan Data
Kualitas Data Input
"Garbage In, Garbage Out":
- GIS hanya mengolah data yang ada — jika data kematian ibu underreported, peta kematian akan juga underrepresent kenyataan
- Koordinat fasilitas yang salah (masalah umum di ASPAK) akan menghasilkan analisis jangkauan yang menyesatkan
- Batas desa yang tidak diperbarui setelah pemekaran akan menghasilkan peta administratif yang tidak akurat
Keterbatasan Analisis
- GIS TIDAK MENJELASKAN MENGAPA: Peta menunjukkan di mana masalah berada — tidak menjelaskan penyebabnya. Diperlukan: metode kualitatif, epidemiologi analitik.
- Ecological Fallacy: Korelasi di level wilayah tidak berlaku untuk individu. Contoh: wilayah dengan ANC rendah DAN AKI tinggi tidak berarti setiap ibu yang meninggal adalah yang tidak ANC.
- Edge Effects: Fasilitas di perbatasan kabupaten sering melayani penduduk kabupaten tetangga — analisis yang hanya melihat satu kabupaten akan underestimate akses populasi perbatasan.
C.5.2. Tantangan Implementasi di Kabupaten
Kapasitas SDM
- Sebagian besar pengelola data di Dinkes kabupaten belum terlatih GIS
- Pelatihan satu kali tidak cukup — perlu praktik berkelanjutan agar kemampuan terjaga
- Rotasi staf yang tinggi menyebabkan knowledge loss: staf yang sudah terlatih dipindah/keluar, tidak ada transfer pengetahuan
Infrastruktur
- Koneksi internet tidak stabil untuk platform berbasis web
- Komputer kantor Dinkes sering tidak cukup kuat untuk software GIS
- Data spasial lokal (batas desa terbaru, koordinat fasilitas akurat) sering tidak tersedia atau tidak diperbarui
Keberlanjutan
- GIS sering diimplementasikan sebagai proyek bantuan teknis — setelah proyek selesai, penggunaan berhenti karena tidak ada dukungan internal
- Peta yang dibuat tidak diintegrasikan ke dalam proses perencanaan rutin sehingga tidak digunakan
Strategi untuk Keberlanjutan
Mulai Sederhana
Satu peta yang berguna dan digunakan lebih baik dari sepuluh peta canggih yang tidak pernah dibuka
Integrasikan ke Proses yang Ada
Peta harus menjadi bagian dari dokumen perencanaan (Renstra, RUK) yang sudah ada — bukan alat terpisah
Bangun Kapasitas Internal
Minimal 2–3 orang di Dinkes yang terlatih agar tidak bergantung pada satu orang
Gunakan Tools Gratis
QGIS + OpenStreetMap + data BPS — tidak memerlukan anggaran software yang besar
PERTANYAAN DISKUSI
Pertanyaan 1: Kekuatan dan Keterbatasan Visualisasi Spasial
Peta sederhana yang dibuat mahasiswa magang memperlihatkan kepada dr. Nindi pola yang tidak terlihat dalam tabel laporan selama bertahun-tahun. Analisis fenomena ini dari perspektif yang lebih dalam: (a) mengapa visualisasi spasial mampu mengungkap pola yang tidak terlihat dalam angka tabular? Apa keterbatasan kognitif manusia yang GIS bantu atasi, dan apa keterbatasan GIS yang justru dapat memperburuk bias kognitif tertentu (misalnya: apakah peta selalu lebih "objektif" dari tabel)? (b) dr. Nindi akan mempresentasikan temuan spasial ini kepada Bupati dan DPRD untuk mengadvokasi penambahan Puskesmas PONED di dua kecamatan prioritas. Rancang pendekatan presentasi yang menggunakan temuan GIS secara efektif kepada audiens non-teknis — apa yang perlu disederhanakan, apa yang harus tetap ditampilkan untuk menjaga akurasi, dan bagaimana mengantisipasi pertanyaan yang mungkin tidak mendukung rekomendasi Anda?
Pertanyaan 2: Evaluasi Kritis Konsep "Golden Hour"
Konsep "golden hour" (60 menit) sebagai threshold waktu tempuh ke fasilitas obstetri darurat sering digunakan dalam perencanaan layanan KIA berbasis GIS. Evaluasi kritis konsep ini: (a) apa bukti ilmiah di balik threshold 60 menit — seberapa kuat dan seberapa dapat digeneralisasi ke konteks Indonesia yang beragam? Apakah ada kondisi obstetri di mana threshold ini terlalu longgar (harus lebih cepat) atau terlalu ketat (tidak realistis)? (b) service area analysis berbasis threshold 60 menit menunjukkan bahwa 40% penduduk Kab. Sumbawa Barat berada di luar jangkauan — tetapi angka ini dihitung berdasarkan kondisi jalan normal. Bagaimana Anda akan memodifikasi analisis ini agar mencerminkan kondisi aksesibilitas yang berubah secara musiman (banjir, longsor)? Apa implikasinya untuk perencanaan?
RANGKUMAN
- GIS bukan sekadar alat pembuatan peta, melainkan sistem analisis spasial yang memungkinkan pengambil keputusan melihat pola distribusi masalah kesehatan dan sumber daya yang tidak dapat terdeteksi melalui tabel atau grafik biasa — kemampuan inilah yang membuat GIS sangat relevan untuk mengidentifikasi disparitas akses layanan KIA yang bersifat geografis
- Analisis spasial untuk surveilans kematian ibu mencakup tiga pendekatan komplementer: service area analysis untuk mengukur akses geografis populasi ke fasilitas, cluster analysis untuk mengidentifikasi konsentrasi kematian yang melebihi ekspektasi acak, dan spatial correlation analysis untuk menghubungkan distribusi kematian dengan faktor risiko yang juga berdistribusi secara spasial
- Gap analysis spasial antara kebutuhan layanan obstetri dan ketersediaan fasilitas menghasilkan output yang sangat berguna untuk advokasi anggaran dan perencanaan infrastruktur, namun harus diinterpretasikan dengan mempertimbangkan faktor-faktor yang tidak terwakili dalam data spasial seperti kualitas layanan, kepercayaan komunitas, dan hambatan sosial-ekonomi
- QGIS sebagai platform open source yang gratis, dikombinasikan dengan data yang tersedia secara publik dari BPS, OpenStreetMap, dan ASPAK Kemenkes, sudah cukup untuk implementasi GIS tingkat dasar hingga menengah di kabupaten — hambatan utama bukan teknologi atau biaya, melainkan kapasitas SDM dan keberlanjutan institusional
- Keterbatasan fundamental GIS yang harus selalu diingat mencakup tiga hal: garbage in garbage out (kualitas output bergantung mutlak pada kualitas data input), GIS hanya menunjukkan di mana masalah berada tetapi tidak menjelaskan mengapa, dan ecological fallacy (pola di level wilayah tidak dapat diaplikasikan langsung pada level individu) — ketiga keterbatasan ini menuntut GIS selalu digunakan bersama metode epidemiologi dan kualitatif lainnya
TUGAS KELOMPOK 1 (TK1) — MINGGU 3
| Nama Tugas | Tugas Kelompok 1 — Pemetaan Spasial Disparitas Layanan KIA |
|---|---|
| Mata Kuliah | Teknologi Informasi & Surveilans Kesehatan Reproduksi |
| Bobot | 15% dari nilai akhir MK |
| Format | Laporan analitik + produk visual (peta/infografis) — Word/PDF + file visual terpisah |
| Panjang | 2.000–3.000 kata laporan analitik (tidak termasuk lampiran visual) |
| Referensi | Minimal 6 referensi |
| Anggota | Kelompok (4–5 orang) |
| Pengumpulan | LMS — akhir Minggu ke-3 |
Petunjuk Umum
- Tugas ini mengintegrasikan konsep dari Modul 1, 2, dan 3 — kelompok yang hanya merujuk satu modul tidak akan mendapat nilai penuh
- Produk visual (peta atau infografis) adalah komponen wajib yang dinilai tersendiri — bukan ilustrasi tambahan tetapi bagian inti dari tugas
- Kelompok tidak diharuskan menggunakan software GIS profesional — peta konseptual yang akurat dan informatif menggunakan tools yang tersedia (termasuk Google Maps, Canva, PowerPoint) dapat diterima jika disertai justifikasi metodologis yang baik
- Identifikasi anggota kelompok dan pembagian peran di halaman pertama laporan
Skenario: Kabupaten Kolaka Utara, Sulawesi Tenggara
Geografi dan Demografi
- Luas wilayah: 3.391 km² — memanjang dari pesisir barat ke pegunungan Mekongga di timur
- 15 kecamatan, 133 desa/kelurahan
- Penduduk: 126.000 jiwa; estimasi kelahiran hidup: ±3.000/tahun
- 4 kecamatan pegunungan di bagian timur hanya dapat dicapai dengan perjalanan 3–5 jam dari ibukota kabupaten, sebagian hanya via jalan tanah yang tidak dapat dilalui saat hujan lebat
Fasilitas Kesehatan
- 1 RSUD di ibukota kabupaten (Lasusua) — PONEK, namun SpOG hanya tersedia 3 hari/minggu karena dokter spesialis masih PTT dari RS Provinsi
- 9 Puskesmas: 3 Rawat Inap/PONED di kecamatan pesisir-tengah; 6 tanpa rawat inap (termasuk 3 di kecamatan pegunungan)
- 47 Pustu dan 89 Posyandu
- Rasio bidan: 1 bidan per 2.800 penduduk (rata-rata nasional: 1 per 1.000)
Data Kesehatan Ibu (Tahun Terakhir)
- AKI dilaporkan: 12 kematian = AKI 400/100.000 kelahiran hidup (jauh di atas rata-rata nasional)
- Distribusi kematian: 8 kematian di 4 kecamatan pegunungan timur (67%); 4 kematian di 11 kecamatan lainnya (33%)
- Penyebab kematian: 5 perdarahan, 3 eklamsia, 2 sepsis, 2 tidak terdokumentasi
- Cakupan ANC K4: 58% (terendah di provinsi)
- Cakupan persalinan di fasilitas: 61%
- Estimasi kematian yang tidak dilaporkan: Puskesmas setempat memperkirakan ada 3–5 kematian tambahan di komunitas yang tidak masuk laporan resmi
Konteks Tambahan
- RPJMD Kabupaten Kolaka Utara 2025–2029 sedang dalam penyusunan — Kepala Bappeda meminta Dinkes untuk menyiapkan analisis berbasis bukti tentang prioritas investasi kesehatan ibu untuk dimasukkan ke dalam dokumen perencanaan
- Anggaran DAK fisik kesehatan tahun depan: Rp 8,2 miliar — harus diprioritaskan untuk investasi yang paling berdampak pada penurunan AKI
- Kepala Dinkes meminta tim teknis untuk menyiapkan analisis spasial yang dapat dipresentasikan kepada Bupati dan DPRD dalam rapat koordinasi bulan depan
Pertanyaan
Bagian A — Analisis Situasi Spasial (±700 kata)
Lakukan analisis situasi spasial layanan KIA di Kabupaten Kolaka Utara berdasarkan data yang tersedia:
- Gambarkan distribusi spasial masalah secara sistematis: di mana konsentrasi kematian ibu terjadi, bagaimana hubungannya dengan distribusi fasilitas dan aksesibilitas, dan apa pola yang muncul dari data yang tersedia
- Identifikasi dan analisis minimal tiga zona/wilayah prioritas berdasarkan kombinasi: tingginya beban kematian ibu, rendahnya akses ke fasilitas, dan rendahnya cakupan pelayanan — justifikasikan setiap zona dengan data yang ada dalam skenario
- Gunakan kerangka Tiga Terlambat (Thaddeus & Maine, 1994) untuk menganalisis bagaimana faktor spasial berkontribusi pada setiap jenis keterlambatan di kabupaten ini — berikan contoh konkret untuk masing-masing
Bagian B — Produk Visual Spasial (Wajib, Dinilai Tersendiri)
Buat satu produk visual yang menggambarkan situasi layanan KIA di Kabupaten Kolaka Utara secara spasial. Produk visual dapat berupa:
- Peta konseptual yang menggambarkan distribusi fasilitas, zona akses, dan distribusi kematian (tidak harus dibuat dengan software GIS profesional — akurasi konseptual dan informatifnya lebih penting dari estetika teknis)
- Infografis spasial yang mengintegrasikan data kuantitatif dengan representasi geografis
- Diagram alur spasial yang menggambarkan rantai rujukan dari berbagai titik di kabupaten ke fasilitas terdekat yang capable
Produk visual harus mencakup:
- Representasi lokasi relatif fasilitas utama (RSUD, Puskesmas PONED, Puskesmas non-PONED)
- Indikasi zona akses (misalnya: <30 menit, 30–60 menit, >60 menit dari fasilitas PONED)
- Distribusi kematian ibu berdasarkan wilayah
- Legenda dan keterangan yang jelas
Sertakan dalam laporan: deskripsi singkat tentang tool yang digunakan, sumber data yang menjadi dasar visual, dan keterbatasan visualisasi yang dibuat.
Bagian C — Rekomendasi Berbasis Bukti untuk Perencanaan (±900 kata)
Tim teknis Dinkes diminta menyiapkan rekomendasi investasi untuk dokumen RPJMD 2025–2029 dan alokasi DAK fisik Rp 8,2 miliar. Susun rekomendasi dengan:
- Tiga prioritas investasi yang secara spasial paling berdampak pada penurunan AKI di Kabupaten Kolaka Utara — untuk setiap prioritas:
- Jelaskan secara spesifik apa yang diinvestasikan dan di mana (lokasi spesifik berdasarkan analisis spasial)
- Estimasikan dampak potensial: berapa persen populasi yang akan meningkat aksesnya?
- Berikan justifikasi spasial yang eksplisit: mengapa lokasi ini, bukan lokasi lain?
- Perkirakan kebutuhan anggaran relatif (besar/sedang/kecil dari total DAK)
- Sistem pemantauan berbasis GIS yang direkomendasikan untuk Dinkes Kolaka Utara — rancang sistem yang realistis dengan kapasitas yang ada (bukan sistem ideal yang tidak mungkin diimplementasikan), mencakup: data apa yang dikumpulkan, siapa yang mengelola, seberapa sering diperbarui, dan bagaimana outputnya digunakan dalam pengambilan keputusan
Bagian D — Refleksi Metodologis Kelompok (±300 kata)
Sebagai kelompok, refleksikan:
- Dalam membuat produk visual Bagian B, data apa yang paling Anda butuhkan tetapi tidak tersedia dalam skenario? Bagaimana ketidaktersediaan data ini mempengaruhi kualitas analisis yang dapat Anda lakukan?
- Jika analisis spasial Anda menunjukkan bahwa investasi di kecamatan pegunungan timur adalah prioritas tertinggi, tetapi secara politik Bupati cenderung menginvestasikan di ibukota kabupaten yang lebih "terlihat" — bagaimana tim teknis Dinkes seharusnya menavigasi ketegangan ini?
Rubrik Penilaian
| Komponen | Indikator Penilaian | Bobot |
|---|---|---|
| Analisis Situasi Spasial (A) | Ketajaman identifikasi pola spasial; ketepatan penggunaan kerangka Tiga Terlambat; hubungan antara faktor spasial dan data kematian | 25% |
| Produk Visual (B) | Akurasi konseptual representasi spasial; informatif dan dapat dibaca pemangku kepentingan non-teknis; kelengkapan elemen wajib; kejujuran tentang keterbatasan | 30% |
| Rekomendasi Perencanaan (C) | Spesifisitas dan justifikasi spasial prioritas; realisme sistem monitoring yang dirancang; integrasi antara analisis dan rekomendasi | 35% |
| Refleksi Kelompok (D) | Kedalaman refleksi tentang keterbatasan data; kematangan analisis tentang navigasi tekanan politik vs bukti | 10% |
Referensi Minimal yang Disarankan
- Thaddeus S, Maine D. Too far to walk: maternal mortality in context. Social Science & Medicine. 1994.
- Gething PW, et al. Geographical access to care at birth in Ghana. BMC Public Health. 2012.
- WHO. Evaluating the Quality of Care for Severe Pregnancy Complications. 2011.
- Kementerian Kesehatan RI. Profil Kesehatan Indonesia 2022.
- Badan Informasi Geospasial. Panduan Penggunaan Data Geospasial untuk Perencanaan.
- Ronsmans C, Graham WJ. Maternal mortality: who, when, where, and why. The Lancet. 2006.
REFERENSI
- Bosco C, de Sherbinin A, Alegana V, et al. Exploring the high-resolution mapping of gender-disaggregated development indicators. Journal of Human Development and Capabilities. 2017;18(3):293–310. https://doi.org/10.1080/19452829.2017.1330597
- Gething PW, Johnson FA, Frempong-Ainguah F, et al. Geographical access to care at birth in Ghana: a barrier to safe motherhood. BMC Public Health. 2012;12:991. https://doi.org/10.1186/1471-2458-12-991
- Manyeh AK, Amu A, Akpakli DE, et al. Spatial analysis of maternal mortality in a rural district of southern Ghana. BMC Pregnancy and Childbirth. 2019;19:400. https://doi.org/10.1186/s12884-019-2549-6
- Luo W, Wang F. Measures of spatial accessibility to health care in a GIS environment: synthesis and a case study in the Chicago region. Environment and Planning B. 2003;30(6):865–884. https://doi.org/10.1068/b29120
- Thaddeus S, Maine D. Too far to walk: maternal mortality in context. Social Science & Medicine. 1994;38(8):1091–1110. https://doi.org/10.1016/0277-9536(94)90226-7
- Mayaka SM, Mwangi JG, Ngugi AK, et al. Geographic information systems for assessment of health care access: application to HIV services in western Kenya. Journal of the International AIDS Society. 2019;22(S3):e25305. https://doi.org/10.1002/jia2.25305
- Badan Informasi Geospasial (BIG). Kebijakan Satu Peta: Panduan Penggunaan Data Geospasial untuk Perencanaan Pembangunan. Bogor: BIG; 2019. https://tanahair.indonesia.go.id
- Ricketts TC (ed). GIS and Public Health. 2nd ed. New York: Guilford Press; 2015.
- McLafferty SL. GIS and health care. Annual Review of Public Health. 2003;24:25–42. https://doi.org/10.1146/annurev.publhealth.24.012902.141012
- Kementerian Kesehatan RI / Badan Litbang Kesehatan. Riset Fasilitas Kesehatan (Rifaskes) 2019: Peta Distribusi dan Kemampuan Fasilitas Pelayanan Kesehatan. Jakarta: Kemenkes RI; 2020. https://www.litbang.kemkes.go.id