Persebaran Penduduk Kelompok Usia Rentan COVID-19 di Provinsi Daerah Istimewa Yogyakarta

06 April 2021

By: Wahyu Ramadhan

Open Project

Kelompok Usia Penduduk Rentan COVID-19 di Provinsi Daerah Istimewa Yogyakarta

Persebaran Penduduk Kelompok Usia Rentan COVID-19
di Provinsi Daerah Istimewa Yogyakarta

Persebaran Penduduk Kelompok Usia Rentan COVID-19
di Provinsi Daerah Istimewa Yogyakarta

Seperti yang kita semua tahu bahwa pandemi COVID-19 sudah berlangsung lebih dari setahun. Faktor-faktor yang meningkatkan risiko seseorang tertular dan terinfeksi COVID-19 beragam, mulai dari kebersihan, akses rendah terhadap pelayanan kesehatan hingga usia pun mempengaruhi. Masyarakat dengan kelompok usia tua (elderly) memiliki kecenderungan untuk terinfeksi COVID-19 lebih tinggi dibanding dengan kelompok usia muda (Yang, 2020).

Dari sini saya penasaran untuk melakukan analisis sederhana dari hubungan antara masyarakat kelompok rentan COVID-19 jika ditinjau melalui faktor usia dengan radius (jarak) dari lokasi fasilitas kesehatan. Sedangkan wilayah kajian yang saya pilih adalah Provinsi Daerah Istimewa Yogyakarta (DIY).

Praproses Data

Data yang saya gunakan adalah kepadatan penduduk Indonesia usia diatas dari Facebook 60 tahun

disini

dan lokasi fasilitas kesehatan di Provinsi Yogyakarta dari BPPSDM Kementerian Kesehatan

disini

Konversi Raster ke Polygon

Persebaran Penduduk Kelompok Usia Rentan COVID-19
di Provinsi Daerah Istimewa Yogyakarta

Pertama-tama saya melakukan pemotongan (clip) data penduduk usia diatas 60 tahun dari Facebook menggunakan batas wilayah administrasi Provinsi DIY supaya ukuran filenya nanti tidak terlalu besar. Seluruh pemrosesan data saya lakukan dalam software QGIS.

Persebaran Penduduk Kelompok Usia Rentan COVID-19
di Provinsi Daerah Istimewa Yogyakarta

Data penduduk usia diatas 60 tahun dari Facebook adalah data yang berformat raster. Karena saya ingin membuat peta interaktif di platform MAPID dari data tersebut, maka saya ubah format datanya menjadi vektor (polygon).

Persebaran Penduduk Kelompok Usia Rentan COVID-19
di Provinsi Daerah Istimewa Yogyakarta

Maka tampilan data setelah di clip dan konversi menjadi vektor adalah sebagai berikut.

Persebaran Penduduk Kelompok Usia Rentan COVID-19
di Provinsi Daerah Istimewa Yogyakarta

Selanjutnya, unggah data yang telah berformat vektor diatas ke dalam platform MAPID.

Persebaran Penduduk Kelompok Usia Rentan COVID-19
di Provinsi Daerah Istimewa Yogyakarta

Visualisasi Lokasi Fasilitas Kesehatan

Selanjutnya saya melakukan visualisasi data lokasi fasilitas kesehatan hasil crawling dari website Kemenkes yang berformat CSV.

Persebaran Penduduk Kelompok Usia Rentan COVID-19
di Provinsi Daerah Istimewa Yogyakarta Persebaran Penduduk Kelompok Usia Rentan COVID-19
di Provinsi Daerah Istimewa Yogyakarta

Setelah divisualisasikan, saya menemukan beberapa titik lokasi fasilitas kesehatan yang kurang sesuai dengan lokasi sesungguhnya. Misalnya terdapat fasilitas kesehatan yang berada diluar wilayah Provinsi DIY, bahkan ada yang di tengah laut. Jika melihat dari hal distorsi lokasi ini, saya asumsikan bahwa data ini kurang akurat.

Persebaran Penduduk Kelompok Usia Rentan COVID-19
di Provinsi Daerah Istimewa Yogyakarta

Ketika saya lihat melalui Google Map, pada beberapa titik memang tidak sesuai dengan label atau toponimi yang ditampilkan. Tampilan Peta Google Map menunjukkan keterangan lokasi yang berbeda dari data Kemenkes.

Persebaran Penduduk Kelompok Usia Rentan COVID-19
di Provinsi Daerah Istimewa Yogyakarta

Saya memutuskan untuk mengganti data lokasi fasilitas kesehatan dengan data OpenStreetMap (OSM), data ini saya pilih karena lokasinya relatif lebih akurat daripada data Kemenkes. Memang, konsekuensi dari pilihan ini adalah tidak bisa menampilkan detail fasilitas kesehatan seperti jumlah tenaga medis dsb seperti yang terdapat pada data Kemenkes.

Lokasi fasilitas kesehatan dari OSM ini sudah tersedia dalam platform MAPID, jadi saya memanfaatkan fitur Attach Layer pada Map Editor untuk memanggil data ini.

Persebaran Penduduk Kelompok Usia Rentan COVID-19
di Provinsi Daerah Istimewa Yogyakarta

Layer atau data yang dipanggil melalui fitur ini akan langsung ditampilkan pada peta.

Persebaran Penduduk Kelompok Usia Rentan COVID-19
di Provinsi Daerah Istimewa Yogyakarta

Sebagai tambahan, saya juga memanggil data demografi penduduk Provinsi DIY dengan memanfaatkan fitur Attach Layer. Di dalam data yang bersumber dari Dukcapil tahun 2020 ini juga memuat informasi jumlah penduduk berdasarkan usia.

Persebaran Penduduk Kelompok Usia Rentan COVID-19
di Provinsi Daerah Istimewa Yogyakarta

Tampilan peta demografi Provinsi DIY akan terlihat seperti gambar berikut.

Persebaran Penduduk Kelompok Usia Rentan COVID-19
di Provinsi Daerah Istimewa Yogyakarta

Analisis Peta

Saya ingin mencari hubungan dari tiga data diatas yaitu kepadatan penduduk usia diatas 60 tahun, demografi penduduk diatas 60 tahun dan sebaran lokasi fasilitas kesehatan.

Analisis yang saya lakukan menggunakan fitur Analyze 3D dalam platform MAPID, saya ingin mengetahui hubungan tiga data diatas yang sudah saya tambahkan ke dalam project peta.

Mengacu kepada SNI 03-1733- 2014, tentang tata cara perencanaan perumahan di perkotaan, fasilitas kesehatan dibagi menjadi tujuh jenis. Namun saya hanya akan menggunakan dua jenis yaitu Puskesmas Pembantu dan Balai Pengobatan Linkungan dengan radius pencapaian 1500m serta Puskesmas dan Balai Pengobatan dengan radius 3000m.

Persebaran Penduduk Kelompok Usia Rentan COVID-19
di Provinsi Daerah Istimewa Yogyakarta

Jenis pertama yakni Puskesmas Pembantu dan Balai Pengobatan Lingkungan dengan radius 1500m menunjukkan bahwa wilayah DIY yang mayoritas sudah tercover adalah bagian barat. Lokasi fasilitas kesehatan pada bagian timur atau bisa dibilang Kabupaten Gunungkidul masih sedikit wilayah yang masuk dalam radius 1500m.

Persebaran Penduduk Kelompok Usia Rentan COVID-19
di Provinsi Daerah Istimewa Yogyakarta

Sedangkan dalam radius 3000m, pada beberapa wilayah di Kabupaten Gunungkidul juga masih belum masuk ke dalam jangkauan.

Persebaran Penduduk Kelompok Usia Rentan COVID-19
di Provinsi Daerah Istimewa Yogyakarta

Asumsi saya hal ini karena Kabupaten Gunungkidul memiliki geomorfologi atau medan yang masih sulit untuk pembangunan fasilitas. Jika saya aktifkan basemap satellite akan terlihat sebagian besar wilayah gunungkidul adalah hutan dan pegunungan, lebih tepatnya pegunungan karst (Mongabay, 2016).

Persebaran Penduduk Kelompok Usia Rentan COVID-19
di Provinsi Daerah Istimewa Yogyakarta

Sementara itu, fasilitas kesehatan jenis rumah sakit dengan radius 3000m menunjukkan hasil yang kurang lebih sama. Sebagian besar wilayah Kabupaten Gunungkidul belum tercover.

Persebaran Penduduk Kelompok Usia Rentan COVID-19
di Provinsi Daerah Istimewa Yogyakarta

Sementara itu, fasilitas kesehatan jenis rumah sakit dengan radius 3000m menunjukkan hasil yang kurang lebih sama. Sebagian besar wilayah Kabupaten Gunungkidul belum tercover.

Persebaran Penduduk Kelompok Usia Rentan COVID-19
di Provinsi Daerah Istimewa Yogyakarta

Ketika saya bandingkan data demografi dengan fasilitas kesehatan, Kabupaten Gunungkidul yang sebagian wilayahnya belum tercover menunjukkan warna hijau muda hingga kuning. Hal ini berarti lebih dari 1000 orang penduduk usia diatas 60 tahun pada setiap desa belum memiliki aksesibilitas yang baik terhadap fasilitas kesehatan. Sehingga, dikhawatirkan juga akan berdampak kepada kualitas penanganan untuk masyarakat yang terinfeksi COVID-19.

Persebaran Penduduk Kelompok Usia Rentan COVID-19
di Provinsi Daerah Istimewa Yogyakarta

Kesimpulan

Cakupan lokasi fasilitas kesehatan terhadap persebaran dan penduduk kelompok usia rentan COVID-19 yakni diatas 60 tahun di Provinsi DIY mayoritas sudah menjangkau seluruh wilayah. Namun, sebagian wilayah Provinsi DIY belum memiliki jangkauan terhadap fasilitas kesehatan yang baik terutama Kabupaten Gunungkidul. Oleh karena itu, jika kedepannya akan dilakukan pembangunan infrastruktur seperti fasilitas kesehatan, hendaknya Kabupaten Gunungkidul perlu menjadi prioritas oleh pemangku kebijakan.

Terakhir sebagai catatan, untuk analisis lebih akurat mengenai aksesibilitas masyarakat kelompok usia diatas 60 tahun terhadap fasilitas kesehatan dibutuhkan data-data dan beberapa parameter tambahan seperti kecepatan tempuh dari fasilitas kesehatan ke lokasi masing-masing, kondisi geomorfologi (kemiringan lahan, elevasi), penggunaan lahan dll.

Referensi :

  • Ekowisata Goa Pegunungan Sewu, Seperti Apa?. 2016. Retrieved April 04, 2021, from https://www.mongabay.co.id/2016/01/23/ekowisata-goa-pegunungan-sewu-seperti-apa/
  • SNI. (1989). Standar Nasional Indonesia Nomor 03 – 1733 Tahun 1989 Tentang Tata Cara Perencanaan Kawasan Perumahan Kota
  • Yang, H., & Ma, J. (2020). How an Epidemic outbreak IMPACTS Happiness: Factors that worsen (vs. Protect) emotional well-being during THE Coronavirus Pandemic. Psychiatry Research, 289, 113045. doi:10.1016/j.psychres.2020.113045

Data Publikasi

Final Project : Analisis Kerawanan Bencana Erupsi Gunung Merapi Lokasi Wisata di Kabupaten Sleman

Iklim dan Bencana

15 Jun 2025

Anggara Yudha

Final Project : Analisis Kerawanan Bencana Erupsi Gunung Merapi Lokasi Wisata di Kabupaten Sleman

Analisis Kerawanan

5 menit baca

87 dilihat

Analisis Kesesuaian Lahan Untuk Mendukung Program Reaktivasi Jalur Kereta Api Antarkota Kalisat - Panarukan di Kabupaten Bondowoso

Transportasi

11 Jun 2025

Safira Ramadhani

Analisis Kesesuaian Lahan Untuk Mendukung Program Reaktivasi Jalur Kereta Api Antarkota Kalisat - Panarukan di Kabupaten Bondowoso

Pemerintah Indonesia mendorong program reaktivasi jalur kereta api nonaktif sebagai bagian dari revitalisasi infrastruktur dan pengembangan wilayah. Salah satu yang direncanakan adalah jalur kereta api antarkota Kalisat – Panarukan yang melintasi Kabupaten Bondowoso. Kajian kesesuaian lahan dibutuhkan untuk meminimalkan dampak lingkungan pada lahan yang akan difungsikan kembali pada program reaktivasi. Dengan memanfaatkan Sistem Informasi Geografis (SIG), kajian ini ditujukan untuk mengetahui tingkat kesesuaian lahan yang ada.

25 menit baca

291 dilihat

7 Data

Analisis Kasus Stunting Menggunakan Metode Geographically Weighted Regression (GWR) di Provinsi Jawa Barat

Kesehatan

05 Jun 2025

HIMA SAIG UPI

Analisis Kasus Stunting Menggunakan Metode Geographically Weighted Regression (GWR) di Provinsi Jawa Barat

Penelitian ini membahas analisis spasial kasus stunting di Provinsi Jawa Barat, khususnya di Kota Bandung, dengan menggunakan metode Geographically Weighted Regression (GWR). Studi ini bertujuan untuk memahami pengaruh variabel sosial-ekonomi dan lingkungan—seperti kemiskinan, akses air bersih dan sanitasi, pendidikan ibu, serta cakupan posyandu—terhadap prevalensi stunting di tingkat lokal. Hasil penelitian menunjukkan adanya variasi spasial yang signifikan: beberapa kecamatan seperti Gedebage, Rancasari, dan Buahbatu memiliki kecocokan model yang sangat tinggi namun jumlah kasus stunting yang rendah, sedangkan Bandung Kulon dan Babakan Ciparay menunjukkan jumlah kasus tinggi dengan kecocokan model yang lebih rendah. Model GWR secara keseluruhan memiliki kemampuan prediktif yang sangat baik (R² global 0,9822), menandakan efektivitas pendekatan spasial dalam mendukung perumusan kebijakan intervensi stunting yang lebih terarah dan sesuai karakteristik wilayah.

9 menit baca

166 dilihat

2 Data

1 Proyek

Analisis Spasial Keterjangkauan Fasilitas Kesehatan Rumah Sakit dan Puskesmas di Kota Bukittinggi

Kesehatan

11 Jun 2025

Muhammad Reza Zulkarnain

Analisis Spasial Keterjangkauan Fasilitas Kesehatan Rumah Sakit dan Puskesmas di Kota Bukittinggi

Publikasi ini menyajikan analisis spasial keterjangkauan fasilitas kesehatan berupa Puskesmas dan Rumah Sakit di Kota Bukittinggi menggunakan platform Geo Mapid. Dengan pendekatan buffer dan isochrone, kajian ini mengidentifikasi wilayah-wilayah yang belum terlayani secara optimal dan memberikan rekomendasi berbasis data untuk pemerataan layanan kesehatan.

18 menit baca

105 dilihat

1 Data

1 Proyek

Syarat dan Ketentuan
Pendahuluan
  • MAPID adalah platform yang menyediakan layanan Sistem Informasi Geografis (GIS) untuk pengelolaan, visualisasi, dan analisis data geospasial.
  • Platform ini dimiliki dan dioperasikan oleh PT Multi Areal Planing Indonesia, beralamat
  • mapid-ai-maskot