Peran sistem informasi geografis dalam pemetaan pandemi: studi kasus Kecamatan Banjarsari, Kota Surakarta

Murtanti Jani Rahayu, Paramita Rahayu, Rufia Andisetyana Putri, Erma Fitria Rini

Abstract

Pandemi Covid-19 telah menjadi tantangan berat bagi Indonesia yang merupakan salah satu negara dengan jumlah kasus terkomfirmasi positif yang sangat tinggi. Pulau Jawa merupakan episentrum pandemi Covid-19 di Indonesia. Pemutakhiran data dan pemetaan data yang cepat sangat dibutuhkan untuk bisa memetakan kategorisasi zonasi Covid-19 pada skala administrasi yang paling kecil, yaitu kelurahan. Hal ini penting untuk memastikan strategi dan antisipasi yang tepat dapat diimplementasikan. Penelitian ini bertujuan untuk bagaimana sistem informasi geografis (SIG) dalam pemetaan data berperan dalam penanganan pandemi Covid-19. Penelitian ini menggunakan analisis regresi untuk mengkonfirmasi data-data yang penting untuk dipetakan secara spasial. Hasil analisis regresi menunjukkan bahwa kepadatan penduduk dalam suatu area permukiman, jumlah penduduk total, dan jumlah rumah tangga kurang mampu adalah variabel yang secara signifikan berpengaruh pada jumlah kasus terkonfirmasi Covid-19 pada empat belas kelurahan di Kecamatan Banjarsari. Dengan pemetaan variabel-variabel tersebut, dapat diidentifikasi kelurahan-kelurahan yang berisiko lebih tinggi dan memerlukan penanganan spesifik berdasarkan faktor kunci pada level kelurahan.

Keywords

pandemic covid-19, geographic information system, urban village, Surakarta

Full Text:

PDF

References

[1] Aini A. Sistem Informasi Geografis Pengertian dan Aplikasinya 2007.

[2] Cinderby S, Forrester J. Facilitating the Local Governance of Air Pollution Using GIS for Participation. Appl Geogr 2005;25:143–58.

[3] Budiyanto E. Sistem Informasi Geografis Menggunakan ArcView GIS. Yogyakarta: Andi; 2002.

[4] Narulita I, Rahmat A, Maria R. No Title. Ris Geol Dan Pengemb 2008;18:23–35.

[5] Indrajit A, van Loenen B, van Oosterom PJM. Multi-Domain Master Spatial Information Management for Open SDI in Indonesian Smart Cities. Wageningen: Wageningen University; n.d.

[6] Ahasan R, Hossain MM. Leveraging GIS and Spatial Analysis for Informed Decision-Making in COVID-19 Pandemic. Heal Policy Technol 2021;10:7–9. https://doi.org/https://doi.org/10.1016%2Fj.hlpt.2020.11.009.

[7] Xiong Y, Wang Y, Chen F, Zhu M. Spatial Statistics and Influencing Factors of the Epidemic of Novel Coronavirus Pneumonia 2019 in Hubei Province, China. Int J Environ Res Public Heal 2020;17:3903. https://doi.org/https://doi.org/10.3390%2Fijerph17113903.

[8] Franch-Pardo I, Napoletano BM, Rosete-Vergas F, Billa L. Spatial Analysis and GIS in The Study of COVID-19. A Review. Sci Total Environ 2020;739:140033. https://doi.org/https://doi.org/10.1016/j.scitotenv.2020.140033.

[9] Yin RK. Case Study Research: Design and Methods. Can J Progr Eval 2016;30. https://doi.org/http://dx.doi.org/10.3138/cjpe.30.1.108.

[10] Flyvbjerg B. Five Misunderstandings About Case-Study Research 2006;12. https://doi.org/https://doi.org/10.1177/1077800405284363.

[11] BPS Kota Surakarta. Kecamatan Banjarsari Dalam Angka 2019. Surakarta: BPS Kota Surakarta; 2019.

[12] Pemerintah Daerah Kota Surakarta. Situasi Covid-19 Kota Surakarta. SurakartaGoId 2021. https://surakarta.go.id/?page_id=10806 (accessed January 17, 2023).

[13] BPS Kota Surakarta. Kecamatan Banjarsari Dalam Angka 2020. Surakarta: BPS Kota Surakarta; 2020.

[14] Wonnacott TH, Wonnacott RJ. Introductory Statistics for Business and Economics. New York: John Wiley & Sons; 1984.

DOI: https://doi.org/10.20961/region.v18i2.55588

Refbacks

  • There are currently no refbacks.