JURNAL GEOGRAFI VOLUME 14 NO. 1 JANUARI 2017
JURNAL GEOGRAFI Media Pengembangan Ilmu dan Profesi Kegeografian http://journal.unnes.ac.id/sju/index.php/ujet
PEMODELAN SPASIAL KERAWANAN PENYAKIT DEMAM BERDARAH DENGUE (DBD) MENGGUNAKAN LOGIKA FUZZY DI KABUPATEN KUDUS Trida Ridho Fariz Staff Divisi Remote Sensing, Earthline Email:
[email protected]
Info Artikel ________________ Sejarah Artikel: Diterima November 2016 Disetujui Januari 2017 Dipublikasikan Januari 2017
________________ Keywords: DBD, fuzzy, modeling ____________________
Abstract ___________________________________________________________________ Dengue Fever is a tropical infectious diseases which often cause epidemic in Indonesia. Kudus Regency is one of the area which every years increased extremly Dengue Fever distribution. The one of act for prevention and controlling of Dengue Fever is build a hazard mapping of this disease. The purpose of this research is build a spatial modelling of Dengue Fever hazard with fuzzy logic. This modeling is built from determinant hazard level indicators of Dengue Fever like rainfall index, settlement density, land elevation and water supply. Analisys used fuzzyfication then fuzzy overlay with operators are: AND, OR, SUM, PRODUCT, GAMMA-0,5 and GAMMA-09. The best result is a Overlay PRODUCT with correlation value of 0,57 and defuzzyfication area with high level of Dengue Fever hazard are Jati District, Kudus District and partially of Bae District dan Kaliwungu District. Conclussion from this research, fuzzy logic is pretty good for build spatial modelling of Dengue Fever hazard in Kudus Regency, other than that model still needs to be tested accuracy in modelling of Dengue Fever hazard in other places. Abstrak Demam Berdarah Dengue (DBD) merupakan jenis penyakit tropis yang sering menimbulkan kejadian luar biasa (KLB) di Indonesia. Kabupaten Kudus merupakan salah satu wilayah yang pada setiap tahunnya mengalami peningkatan penyebaran penyakit DBD yang cukup pesat. Salah satu kegitaan pencegahan dan pengendalian DBD adalah pembuatan peta kerawanan penyakit ini. Tujuan dari penelitian ini adalah pembuatan model spasial kerawanan penyakit DBD dengan menggunakan logika fuzzy. Pemodelan ini dibangun dari beberapa indikator penentu tingkat kerawanan DBD seperti curah hujan, kepadatan permukiman, ketinggian tempat dan penyediaan air. Analisa yang dilakukan meliputi proses fuzifikasi lalu dilakukan proses overlay fuzzy dengan beberapa operator fuzzy yaitu: AND, OR, SUM, PRODUCT, GAMMA-0,5 dan GAMMA-09. Hasil overlay terbaik ditunjukkan oleh Overlay PRODUCT dengan nilai korelasi sebesar 0,57 dan hasil defuzifikasi menunjukkan bahwa wilayah kerawanan tinggi DBD adalah Kecamatan Jati, Kecamatan Kudus dan sebagian Kecamatan Bae dan Kecamatan Kaliwungu. Kesimpulan dari penelitian ini adalah logika fuzzy cukup baik dalam pemodelan spasial kerawanan DBD di Kabupaten Kudus, selain itu model yang dibuat masih perlu diuji coba keakuratannya dalam memodelkan kerawanan DBD didaerah lainnya.
Alamatkorespondensi: Gedung C1 Lantai 1 FIS UNNES Kampus Sekaran, Gunungpati, Semarang, 50229 E-mail :
[email protected]
90
JURNAL GEOGRAFI VOLUME 14 NO. 1 JANUARI 2017 1. PENDAHULUAN Demam
mengahasilkan
Berdarah
Dengue
model
pemberian
skor
spasial
pada
dari
parameter
merupakan jenis penyakit menular yang
pembangunnya.
sering menimbulkan kejadian luar biasa
skor
(KLB) di Indonesia. Kabupaten Kudus
pembuatan model spasial, contohnya untuk
merupakan salah satu wilayah yang pada
bidang mitigasi bencana dan fungsi lahan.
setiap
tahunnya
mengalami
peningkatan
telah
Metode overlay dengan
diaplikasikan
Namun
dalam
metode
ini
untuk
memiliki
penyebaran penyakit DBD yang cukup
beberapa kelemahan, diantaranya adalah
pesat. Berdasarkan data Kabupaten Kudus
kurang memliki
Dalam Angka tahun 2014 pada tahun 2013
kuat dalam pembobotan dan pemberian
jumlah kasus DBD di Kabupaten Kudus
skor, serta hasil dan akurasi
ada 501 kasus (penderita) jauh meningkat
ditampilkan
dari tahun sebelumnya yaitu 148 kasus
pemberian skornya (Malczewski, 2004).
(penderita) pada tahun 2011 dan 162 kasus
Pemodelan tidak
(penderita) pada tahun 2012.
menggunakan metode
Berkaitan
dengan
landasan ilmiah yang
sangat
peta yang
tergantung
akan
cara
realistis apabila tersebut
karena
kegiatan
keterbatasan dari data yang tersedia (baik
pencegahan dan pengendalaian penyakit
dari segi temporal maupun spasial) serta
DBD
adanya ketidakpastian dalam asosiasi di
di Kabupaten Kudus,
pemetaan
wilayah yang rawan terhadap penyakit ini
setiap
adalah hal yang cukup penting. Pembuatan
logika fuzzy dapat mengatasi hal tersebut
model kerentanan wilayah terhadap suatu
(Khasanah
penyakit menggunakan data penginderaan
Penggunaan
jauh dan SIG merupakan salah satu upaya
pembuatan
dalam mendukung program pemberantasan
SIG
penyakit. (Widayani dan Kusuma, 2014)
kenyataan bahwa berbagai fenomena di
SIG memliki keunggulan dalam pemetaan
permukaan bumi ini kurang representatif
wilayah dibandingkan pemetaan manual.
saat
disajikan
Beberapa
proses
tegas
(Adzan
diilakukan
dengan
pemetaan mudah,
dapat
cepat
dan
parameter.
Pemodelan
dan
dengan
Setyawan,
2015).
fuzzy
dalam
logika
model spasial menggunakan
pada
dasarnya
dengan
berangkat
dari
klasifikasi yang
dan Danoedoro,
2012).
Fenomena yang direpresentatifkan dengan
murah. Dalam pemetaan wilayah rawan
logika fuzzy memiliki rentang nilai
DBD
dengan nilai 0 berarti absolut salah, dan 1
dapat
dilakukan
dengan
analisis
benar
sehingga
0-1,
spasial dari SIG. Salah satunya adalah
absolut
menguranggi
analisis overlay. Dengan analisis ini dapat
generalsiasi yang terlalu berlebihan saat 91
JURNAL GEOGRAFI VOLUME 14 NO. 1 JANUARI 2017 suatu fenomena disajikan dalam bentuk
bertambah banyaknya
klasifikasi yang tegas.
diluar
Berdasarkan hal tersebut, penelitian ini bertujuan untuk
mengetahui wilayah
rumah
lingkungan pada
sarang
sebagai
nyamuk
akibat
sanitasi
yang kurang bersih, sedang
musim
kemarau
Aedes
aegypti
rawan DBD dengan pemodelan spasial
bersarang di bejana yang selalu terisi air
menggunakan logika fuzzy.
seperti bak mandi, tempayan, drum dan penampungan
II. METODE PENELITIAN Penelitian
ini
Surveilans
dilakukan
di
air
(Pusat
Epidemiologi
Data
dan
Kemenkes
RI,
2010).
Kabupaten Kudus. Kabupaten seluas 42.52
Yanti
(2004)
menyatakan
jumlah
Ha atau sekitar 1,31% dari luas Provinsi
hari hujan yang banyak dengan curah
Jawa Tengah ini secara astronomis terletak
hujan tinggi akan mengakibatkan banjir
pada 110˚36’-110˚50’ BT dan 6˚51’- 7˚16’
yang
LS.
perindukan Dalam
kerawanan data
pembuatan DBD,
yaitu:
Kudus
spasial
dibutuhkan
beberapa
Profil
Kesehatan
Data
Kabupaten
model
Tahun
informasi
menghanyutkan
nyamuk. curah
Oleh
hujan
yang
tempat
karena
itu
digunakan
dalam pembuatan pemodelan spasial ini adalah
nilai indeks
curah hujan yang
Data
didapat dari perkalian curah hujan dan
Kabupaten Kudus Dalam Angka Tahun
hari hujan dibagi dengan jumlah hari pada
2014, Data DEM ASTER GDEM, Peta
bulan tersebut. Data tersebut berasal dari
Administrasi
beberapa titik stasiun hujan di sekitar
dan
2014,
akan
Penggunaan
Lahan
Kabupaten Kudus. Pengolahan dan analisis
daerah penelitian.
data tersebut terdiri beberapa tahapan,
Proses
antara lain:
dengan
2.1 Pemetaan
a.
Indikator
Kerawanan
spasialisasi data dilakukan
metode
interpolasi.
Interpolasi
adalah metode untuk mendapatkan data
DBD
berdasarkan beberapa data yang telah
Curah Hujan
diketahui.
Metode
digunakan
adalah
Musim penularan demam berdarah pada
umumnya
musim hujan
terjadi
(permulaan
pada
awal
tahun
dan
interpolasi Inverse
yang Distance
Weighted (IDW). Metode IDW merupakan metodecinterpolasi
konvesional
akhir tahun). Hal ini dikarenakan pada
memperhitungkan
musim
Jarak yang dimaksud disini adalah jarak
hujan vektor
penyakit
demam
berdarah populasinya meningkat dengan
(datar)
dari
jarak
sebagai
yang bobot.
titik data (sampel) terhadap 92
JURNAL GEOGRAFI VOLUME 14 NO. 1 JANUARI 2017 blok yang akan
diestimasi. Jadi semakin
Informasi
tingkat
kepadatan permukiman
dekat jarak antara titik sampel dan blok
di Kabupaten Kudus berasal dari Peta
yang akan diestimasi maka semakin besar
Penggunaan
bobotnya, begitu juga sebaliknya (Hadi,
Tahun
2013).
Density.
Dari hasil interpolasi, menunjukkan bahwa
curah
hujan
tertinggi
adalah
Lahan
2010
Kabupaten
dengan
Analisis
menghasilkan
analisis kernel
Kudus Kernell density
gambaran
persebaran
kepadatan di sekitar fitur point (titik)
1272,66 per hari di Kecamatan Gebog.
ataupun
Sedangkan curah hujan terendah adalah
bidang (poligon) yang diketahui sebagai
887,47 per hari di Kecamataan Undaan.
daerah dengan volume tertentu (volume
b. Kepadatan Permukiman
dalam
Kepadatan permukiman adalah salah
line
hal
permukiman)
(garis),
ini
dengan
adalah
perlu
demikian
kepadatan
di transformasi ke
satu indikator dalam penentuan tingkat
dalam bentuk point dan berbasis raster.
kerawanan
Dari hasil Kernell Density ditunjukkan
DBD.
Boekoesoe
(2013)
menyatakan bahwa penyebaran populasi
bahwa
Aedes
Kecamatan Jati adalah wilayah dengan
aegypti erat kaitannya dengan
perkembangan akibat yang
permukiman
didirikannya
penduduk
rumah-rumah
dilengkapi sarana
baru
pengadaan dan
penyimpanan air untuk keperluan sehari-
Kecamatan
kepadatan
Kudus
permukiman
Kota
tertinggi
dan
di
Kabupaten Kudus. c. Ketinggian Tempat Faktor
ketinggian
tempat
hari. Terdapat keterkaitan antara pola/tata
mempengaruhi penyebaran penyakit DBD.
letak permukiman dengan
perkembangan
WHO (2009) menyatakan bahwa nyamuk
nyamuk Aedes aegypti, asumsinya bahwa
Aedes aegypti dapat berkembang dengan
pada daerah yang permukimannya padat
baik pada ketinggian di bawah 1000 meter
dan tidak teratur menyebabkan kendala
di atas permukaan laut.
seperti saluran
pembuangan limbah dan
Informasi ketinggian tempat berasal
saluran air hujan yang tidak memadai,
dari data DEM ASTER GDEM dengan
banyak rumah yang asal
resolusi 30m. Data DEM ASTER GDEM
sehingga
tidak
terdapat
membangun cukup
cahaya
kemudian
dilakukan
proses
reklasifikasi
masuk. Hal ini mengakibatkan kelembaban
sehingga dengan tegas dapat dibedakan
udara
wilayah mana yang mempunyai ketinggian
tinggi
yang
mempermudah
perkembangbiakan nyamuk Aedes aegypti.
diatas 1000m dan dibawah 1000m.
93
JURNAL GEOGRAFI VOLUME 14 NO. 1 JANUARI 2017 Berdasarkan data DEM ASTER GDEM
digunakan setiap kepala keluarga (KK)
menunjukkan
dimana
bahwa
ketinggian
di
sumber
penyediaan
air
yang
Kabupaten Kudus adalah 4 – 1518 mdpl.
digunakan dalam pembuatan model spasial
Kabupaten
wilayah
ini adalah sumber penyediaan air yang
kebawah.
meliputi sumur galian, sumur bor, mata air
Kudus
dengan
ketinggian
Wilayah
diatas
berada
di
Kecamatan
didominasi 700m
700m
sebagian
besar
dan penampungan air hujan. Data tersebut
Dawe
dan
kemudian dimasukkan dalam data atribut
merupakan
tiap kecamatan di Kabupaten Kudus dan
Kecamatan Gebog
yang
wilayah lereng Gunung Muria.
dikonversi
dalam
d. Sumber Penyediaan Air
pemetaan
menunjukkan
Beberapa
faktor
lingkungan
penyediaan
air
bentuk
raster.
bahwa
yang
sumber
rawan
perkembangan
seperti penyediaan air bersih dan sanitasi.
sumur, penampung air hujan dan mata air
WHO (Dalam Kesmas, 2011) menyatakan
paling banyak digunakan di Kecamatan
sistem penyediaan air pada tingkat rumah
Jati dan sebagian Kecamatan Bae.
tangga,
2.2 Pemodelan Dengan Logika Fuzzy
langsung
pada
kepadatan vektor DBD. Jika sistem itu telah
meminimalisasi
a.
DBD
bagi
mempengaruhi penyebaran penyakit DBD
berpengaruh
penyakit
Hasil
meliputi
Fuzifikasi
tempat
Setiap parameter penentu kerawanan
penampungan air, misalnya karena sudah
DBD diubah dalam rentang nilai fuzzy (0-
menggunakan
1).
sangat juga
jaringan
dimungkinkan akan
perpipaan, kepadatan
menurun.
maka vektor
Sebagaimana kita
Dalam
proses
fuzifikasi,
parameter
menggunakan
keanggotaan
linier.
merepresentasikan
(kontainer)
derajat keanggotaan seiring
yang
menjadi tempat
larva,
pupa
penduduk
Aedes.
kehidupan
telur,
Oleh karena itu,
dengan
peningkatan
nilai
meningkatnya
b.
Fuzzy Overlay Analisis
Fuzzy
Overlay
dilakukan
untuk mengetahui tingkat kerawanan DBD
Informasi sumber penyediaan air di
berdasarkan indikator penentu kerawanan
Kabupaten Kudus diambil dari data Profil
DBD
Kesehatan
Tahun
Fuzzy
Kesehatan
Kabupaten
2014
linier
nilai variabel.
menggunakan
penampungan air hujan
fungsi
Kurva
ketahui, tempat-tempat penampungan air pada tingkat rumah tangga
semua
(yang
telah
Overlay
difuzifikasi). akan
Analisis
dari
Dinas
menghasilkan
Kudus.
Data
keluaran tingkat kerawanan penyakit DBD
tersebut menunjukkan sumber air yang
di Kabupaten Kudus secara fuzzy pula 94
JURNAL GEOGRAFI VOLUME 14 NO. 1 JANUARI 2017 dengan rentang derajat keanggotaan 0-1,
keanggotaan 1, maka tingkat kerawanan
dimana semakin mendekati nilai derajat
semakin
Ada beberapa operator fuzzy yang akan
dipahami.
digunakan
overlay. Yang
dengan mengkatagorikan nilai hasil fuzzy
digunakan dalam pembuatan pemodelan
overlay ke dalam 3 (tiga) tingkat kelas
spasial ini adalah operator AND, operator
kerawanan.
dalam
fuzzy
tinggi,
begitu pula sebaliknya.
Proses
defuzzifikasi dilakukan
OR, operator SUM, operator PRODUCT, operator
GAMMA-0,5
dan
operator
GAMMA-0,9. Hasil dari fuzzy overlay akan
dilakukan
proses
uji
akurasi
III. HASIL DAN PEMBAHASAN 3.1 Pemetaan dan Fuzifikasi Indikator Penentu Kerawanan DBD
pemodelan. Uji akurasi dilakukan dengan
Hasil fuzifikasi adalah indeks fuzzy
analisa korelasi product moment antara
menunjukkan derajat kerawanan DBD di
hasil pemodelan dengan data wilayah yang
setiap indikatornya. Nilai yang semakin
terdapat kasus DBD pada tahun 2013 dari
dekat
Data Profil Kesehatan Kabupaten Kudus
kontribusi dalam tingkat kerawanan DBD.
Tahun 2014.
Hasil fuzifikasi terlihat semua indikator
c. Defuzifikasi
memiliki nilai tertinggi yaitu 1. Hal ini
Defuzifikasi
adalah
pengklasifikasikan untuk
proses
mengembalikan
nilai hasil fuzzy overlay ke dalam bentuk
dengan
menunjukkan memiliki
1
diasumsikan
bahwa
pengaruh
semua yang
sama
memiliki
indikator dalam
penentu tingkat kerawanan DBD.
yang tegas (crisp) sehingga pemodelan yang dibuat
menjadi lebih mudah untuk
95
Gambar 1. Peta Curah Hujan dan Hasil Fuzifikasinya
JURNAL GEOGRAFI VOLUME 14 NO. 1 JANUARI 2017
Gambar 2. Peta Kepadatan Permukiman dan Hasil Fuzifikasinya
Gambar 3. Peta Ketinggian Tempat dan Hasil Fuzifikasinya
96
JURNAL GEOGRAFI VOLUME 14 NO. 1 JANUARI 2017
Gambar 4. Peta Sumber Penyediaan Air dan Hasil Fuzifikasinya
3.2
Fuzzy Overlay
operator PRODUCT dengan nilai sebesar
Dalam penelitian ini tipe operasi
0,57 yang
memiliki tingkat hubungan
yang digunakan adalah AND, OR, SUM,
yang sedang. Operator PRODUCT dan
PRODUCT, GAMMA-0,5 dan GAMMA-
SUM
0,9. Nilai variasi terbesar ditunjukkan oleh
operator AND dan OR, karena operator ini
model dari operator AND sedangkan nilai
mengakomodasi
variasi terendah ditunjukkan oleh model
dikeluarkan dalam proses fuzzy overlay.
dari operator SUM.
Perbedaan operator PRODUCT dengan
Semua hasil fuzzy overlay dilakukan
lebih
operator
bersifat
spasial
semua
SUM
input
adalah
yang
proses
validasi model berdasarkan data kasus
penghitungannya,
DBD di Kabupaten Kudus dengan analisa
PRODUCT
korelasi product moment. Korelasi paling
indikator sedangkan operator SUM adalah
tinggi
penjumlahan antar indikator.
ditunjukkan
oleh
model
dari
adalah
dimana
daripada
perkalian
operator antar
97
JURNAL GEOGRAFI VOLUME 14 NO. 1 JANUARI 2017 Tabel 1. Statistik Hasil Fuzzy Overlay Operator
Min
Max
Mean
St. Deviasi
Korelasi
AND
0,00
0,48
0,13
0,48
0,15
OR
0,50
1,00
0,95
0,09
0,12
SUM
0,69
1,00
0,98
0,03
0,11
PRODUCT
0,00
0,34
0,03
0,05
0,57
GAMMA-0,5
0,00
0,58
0,13
0,13
0,44
GAMMA-0,9
0,00
0,90
0,50
0,29
0,21
yang
termasuk
kerawanan
Sumber: Hasil Analisis, 2016
3.3 Wilayah Rawan DBD Di Kabupaten Kudus
tinggi
berdasarkan hasil pemodelan merupakan
Hasil
fuzzy
overlay
dengan
nilai
kecamatan yang terdapat jumlah kasus
korelasi tertinggi akan dilakukan proses
DBD terbanyak
defuzifikasi.
Kecamatan
Proses
defuzzifikasi
di Kabupaten Kudus.
Jati,
Kecamatan
Kudus,
dilakukan agar model yang dibuat lebih
Kecamatan Kaliwungu,
mudah dipahami dengan mengkatagorikan
dan Kecamatan Undaan adalah kecamatan
nilai hasil fuzzy overlay ke dalam 3 (tiga)
dengan jumlah kasus DBD sebanyak 50
tingkat
Proses
keatas
metode
Kecamatan
kelas
pengkelasan Natural
kerawanan.
dilakukan
Break
defuzifikasi,
dengan
(Jenks).
Dari
hasil
menujukkan bahwa wilayah
selama
tahun
Undaan
Kecamatan Bae
2013. yang
Hanya
merupakan
wilayah dengan kasus sebanyak 54 kasus tetapi
tidak
terdapat
wilayah
dengan
yang memiliki tingkat kerawanan DBD
kategori rawan DBD berdasarkan hasil
yang
pemodelan spasial. Kecamatan Gebog dan
tinggi
adalah
Kecamatan
Kudus
Kecamatan
Bae
Kecamatan dan dan
Jati,
sebagian Kecamatan
Kaliwungu.
per
Kecamatan
Mejobo
yang
merupakan
wilayah dengan kerawanan DBD rendah berdasarkan
hasil
pemodelan
spasial
Berdasarkan data jumlah kasus DBD
merupakan wilayah di Kabupaten Kudus
kecamatan
dengan
di
Kabupaten
Kudus
(Tabel. 2), menunjukkan bahwa wilayah
jumlah
kasus
DBD
terendah
dengan jumlah kasus sebanyak 38 dan 32.
98
JURNAL GEOGRAFI VOLUME 14 NO. 1 JANUARI 2017 Tabel 2. Jumlah Kasus dan Insidence Rate DBD Di Kabupaten Kudus Kecamatan
Jumlah Penduduk
Kasus
IR 2013
Kaliwungu
90.912
50
1
Kota Kudus
97.674
74
8
Jati
97.227
103
11
Undaan
71.353
54
8
Mejobo
72.484
32
5
Jekulo
100.003
43
4
Bae
66.767
59
9
Gebog
94.387
38
4
Dawe
10.508
48
5
Sumber: Data Profil Kesehatan Kab. Kudus Tahun 2014
Gambar 5. Peta Kerawanan DBD Kabupaten Kudus
99
JURNAL GEOGRAFI VOLUME 14 NO. 1 JANUARI 2017 Penggunaan
logika
fuzzy
untuk
dengan
wilayah yang termasuk
wilayah
mengkaji demam berdarah juga pernah
kerawanan terendah dari hasil pemodelan
dilakukan
adalah
(2012).
oleh
Adzan
Logika
fuzzy
membuat
pemodelan
dan
Danoedoro
digunakan spasial
untuk
wilayah
dengan
kasus
DBD
terendah di Kabupaten Kudus.
kerentanan
Kesimpulan
yang
dari
logika
fuzzy
demam berdarah di Yogyakarta dan dari
penelitian
hasil validasi menggunakan
peta aktual
mempunyai kemampuan yang cukup baik
kerentanan demam berdarah menunjukkan
dalam pemodelan spasial kerawanan DBD
bahwa
operator
dan
akurasi
paling
AND
memiliki
tinggi
yaitu
nilai
46,4%.
wilayah
Jati,
mengkaji
Kecamatan
selain
itu
wilayah
Kecamatan
Kudus
Bae
dan
dan
sebagian Kecamatan
penelitian ini menggunakan korelasi antara
penelitian ini adalah bahwa model yang
rata-rata nilai piksel hasil fuzzy overlay
dibuat
dengan
dalam memodelkan kerawanan DBD di
pembuatan perlu
akurasi
merupakan
Kaliwungu. Untuk saran yang didapat dari
jumlah
uji
berdarah,
yang
dalam
masih
proses
demam
adalah
kerawanan DBD tinggi adalah Kecamatan
Penelitian ini memiliki perbedaan karena kerawanan
ini
didapat
kasus
DBD.
model dengan
logika
diuji keakuratannya
Dalam fuzzy
masih
wilayah
perlu
lainnya.
diuji keakuratannya
Indikator
penentu
dalam
kerawanan DBD juga harus disesuaikan
memodelkan kerawanan DBD di wilayah
dengan karasteristik wilayah dan penyebab
lainnya. Indikator penentu kerawanan DBD
terjadinya
juga harus disesuaikan dengan karasteristik
tersebut. Selain itu data yang digunakan
wilayah dan penyebab terjadinya penyakit
sebagai validasi model harus benar-benar
DBD diwilayah tersebut.
mewakili
penyakit
kondisi
DBD
dilapangan,
diwilayah
mengingat
dalam penelitian ini memiliki kelemahan IV. KESIMPULAN
yaitu
Pemodelan spasial kerawanan DBD
dalam
validasi
administrasi desa.
tertinggi
berdasarkan
menggunakan
0,57
operator
dengan PRODUCT.
kasus
yang
kerawanan
pemodelan spasial.
adalah
wilayah
dengan
kasus
Validasi model harus DBD
per
blok
permukiman yang mewakili luasan piksel
Beberapa wilayah yang termasuk wilayah tinggi dari hasil pemodelan
yang
menggunakan data sebaran kasus DBD per
di Kabupaten Kudus ini memiliki korelasi sebesar
model
sesuai
dengan
keluaran
hasil
DBD
terbanyak di Kabupaten Kudus begitu juga 100
JURNAL GEOGRAFI VOLUME 14 NO. 1 JANUARI 2017 V. DAFTAR PUSTAKA Adzan, Gemasakti dan Danoedoro, Projo. 2012. Penggunaan Logika Fuzzy Dalam Pemodelan Spasial Kerentanan DBD Di Kota Yogyakarta. Jurnal Bumi Indonesia Volume 1, Nomor 3, Tahun 2012 Badan Pusat Statistik Kabupaten Kudus. 2014. Data Kabupaten Kudus Dalam Angka Tahun 2014. Kudus: BPS Kabupaten Kudus. Boekoesoe, Lintje. 2013. Kajian Faktor Lingkungan Terhadap Kasus Demam Berdarah Dengue (DBD) Studi Kasus Di Kota Gorontalo Provinsi Gorontalo. Laporan Akhir Hibah Disertasi Doktor. Universitas Negeri Gorontalo.
Hadi, Bambang Syaeful. 2013. Metode Interpolasi Spasial dalam Studi Geografi (Ulasan Singkat dan Contoh Aplikasinya). Geomedia Volume 11 Nomor 2 November 2013. Kesmas. 2011. Faktor Lingkungan yang Berhubungan dengan DBD. publichealth.com/2015/01/faktorling kungan-yang-berhubungan-dengan dbd.html. Diunduh pada 20/12/2015 06.00am Khasanah, Alfiatun Nur dan Setyawan, M. Anggri. 2015. Pemodelan Potensi Erosi Di DAS Serang Hulu Berbasis Logika Fuzzy. Simposium Nasional Sains Geoinformasi IV 2015 Pusat Data dan Surveilans Epidemiologi Kemenkes RI. 2010. Buletin Jendela
101