Download
1 / 53
E N D
See discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/342078073 Pemanfaatan Informasi Geospasial Untuk Manajemen Pengurangan Resiko Bencana Non-Alam Covid-19 Presentation · June 2020 DOI: 10.13140/RG.2.2.20571.80166 CITATIONS 0 READS 1,312 1 author: Hasanuddin Z. Abidin Bandung Institute of Technology 290PUBLICATIONS 2,834CITATIONS SEE PROFILE Some of the authors of this publication are also working on these related projects: LUSI ProjectView project Land subsidence in Indonesian citiesView project All content following this page was uploaded by Hasanuddin Z. Abidin on 10 June 2020. The user has requested enhancement of the downloaded file.
Pemanfaatan Informasi Geospasial Untuk Manajemen Pengurangan Resiko Bencana Non-Alam Covid-19 Prof. Dr. Hasanuddin Z. Abidin Kepala Badan Informasi Geospasial (BIG) Kuliah Umum Webinar Prodi Perencanaan Wilayah dan Kota Fak. Sains dan Teknologi, Universitas Terbuka Rabu, 10 Juni 2020
Alur Presentasi 1.Pendahuluan: Informasi Geospasial dan Manajemen Pengurangan Resiko Bencana 2.Memahami Resiko Bencana Covid-19: Apa yang telah dilakukan BIG Terkait Penyediaan IG Untuk Pengurangan Resiko Bencana Covid-19? 3.Sekilas: Peran Data dan Informasi Geospasial untuk Tatanan Kehidupan Baru (New Normal): “Masyarakat Produktif dan Aman Covid-19” 4.Catatan Penutup
Data dan Informasi Geospasial Semua jenis data dan informasi yang memiliki elemen lokasi (georeferensi), baik di permukaan, di dalam, dan di atas permukaan Bumi. 1 5 3 2 4 Elemen Geospasial: • Lokasi • Bentuk • Informasi : Atribut (karakteristik objek) : L, B, h atau X, Y, Z : Point, Line, Area (Poligon) 5 1 4 3 2
Data dan Informasi Geospasial Jarak, Sudut, Ketinggian, Kedalaman, Koordinat, Gayaberat, Pasut, Foto Terestris, Foto Udara, Citra Satelit, Point Cloud, dll Data dan Informasi Geospasial umumnya punya volume yang sangat besar DATA Big Spatial Data Jaring Kontrol Koordinat/Tinggi/ Gayaberat, Peta Dasar, Peta Tematik, DEM, Model 3D, Basis Data, SIG, BIM, Geoportal, dll INFORMATION Geodesy, Geomatics, Geography, Geosciences, Geospatial Economy, Geospatial Intelligence, Geostatistics, etc. KNOWLEDGE • • • • • • • Pembangunan Berkelanjutan Pengelolaan Sumberdaya Alam Mitigasi dan Adaptasi Bencana Pengayaan Khasanah Keilmuan Pertahanan dan Keamanan Negara Pengembangan Ekonomi Dijital Pembangunan Wilayah & Masyarakat Cerdas Kepentingan Bangsa dan Negara WISDOM
REGULATOR (1) Tupoksi BIG (Badan Informasi Geospasial) Merumuskan dan mengendalikan kebijakan teknis di bidang Informasi Geospasial (IG). Permasalahan saat ini cenderung semakin kompleks dan saling berkaitan. Diperlukan pendekatan spasial untuk menyelesaikan permasalahan secara holistik dan terintegrasi. UU 4/2011 tentang Informasi Geospasial (IG) bertujuan untuk: EKSEKUTOR (2) • Menyelenggarakan IGD. • Menyelenggarakan JIGN. • Dapat menyelenggarakan IGT yg tdk diselenggarakan K/L/Pemda. • Dapat mengintegrasikan lebih dari satu IGT (penggunaan). 1. menjamin ketersediaan dan akses terhadap IG yang dapat dipertanggungjawabkan; SPATIAL PLANNING BOUNDARIES POVERTY DEFORESTRATIO N CLIMATE CHANGES 2. mewujudkan penyelenggaraan IG yang berdaya guna dan berhasil guna melalui kerja sama, koordinasi, integrasi, dan sinkronisasi; dan ECONOMIC GROWTH FOOD SECURITY HEALTH EDUCATION ENVIRONMENT KOORDINATOR (3) NATURAL RESOURCES TERORISM POLITICS Mengkoordinasikan, mengintegrasikan dan mensinkronkan program penyelenggaraan IG nasional DEVELOPMENT CONTROL & MONITORING SOCIAL CONFLICT DEMOGRAPHY 3. mendorong penggunaan IG dalam penyelenggaraan pemerintahan dan dalam berbagai aspek kehidupan masyarakat. DISASTER RISK REDUCTION FINANCIAL CRISIS NATIONAL ELECTION DEFENCE & SECURITY FOREST FIRE AGRARIAN REFORM PEMBINA (4) STATISTICS Pembinaan terhadap Penyelenggara IG Tematik dan Pengguna IG: •Kapasitas Penyelenggara IGT. •Kapasitas Pengguna IG Data & Informasi Geospasial
Informasi Geospasial Untuk Negeri Wilayah laut sekitar 63% 5000 km x 2000 km 8 Jam Terbang 3 Zona Waktu 17.504 Pulau 270 juta penduduk 1340 Etnis 6 Agama Utama Sekitar 5000 km Sabang - Merauke: 5146 km London - Baghdad: 4092 km • Pembangunan Berkelanjutan • Pengelolaan Sumberdaya Alam • Mitigasi dan Adaptasi Bencana • Pengayaan Khasanah Keilmuan • Pertahanan dan Keamanan Negara • Pembangunan Ekonomi Dijital Data dan Informasi Geospasial sangat diperlukan untuk mengelola NKRI secara efektif dan efisien. Indonesia kaya dengan Sumberdaya Alam Hayati dan Non-Hayati di Darat dan Laut
Peran Informasi Geospasial Untuk Bangsa dan Negara Pengelolaan Sumber Daya Alam (Darat dan Laut) Mitigasi dan Adaptasi Bencana Alam Pembangunan Berkelanjutan Survei Pemetaan (Darat & Laut) Penentuan Posisi & Navigasi Pengembangan Ekonomi Dijital Reforma Agraria Pertahanan dan Keamanan Negara Pemetaan Desa Pemberdayaan Location-based Services Pengembangan Smart City Penetapan Batas (Desa Negara) Penataan Ruang Penglolaan Lingkungan dan Kehutanan Pemetaan Neraca Sumber Daya Alam Pengayaan Khasanah Keilmuan Pembangunan Infrastruktur
INDONESIA Rentan Bencana Alam Ph. Sea Eurasia Burma Pacfic Molucca Bird Head Informasi Geospasial diperlukan untuk mendukung berbagai tahapan Manajemen Pengurangan Resiko Bencana Sunda Maoke Banda Timor Australia • Earthquakes • Tsunami • Volcano Eruption • Flooding • Landslide • Land subsidence • Drought • Flooding • Forest fire • Windstorm
Prioritas dalam Manajemen Pengurangan Risiko Bencana (MPRB) (Sendai Framework 2015) Early Warning Preparedness DISASTER RISK REDUCTION CYCLE P-1: Understanding disaster risk. P-2: Strengthening disaster risk governance to manage disaster risk. P-3: Investing in disaster risk reduction for resilience. P-4: Enhancing disaster preparedness for effective response and to “Build Back Better” in recovery, rehabilitation and reconstruction. Data dan Informasi Geospasial akan memiliki peran penting untuk sejumlah kegiatan prioritas MPRB
Informasi Geospasial penting untuk Pengelolaan Pengurangan Resiko Bencana Peringatan Dini SIKLUS PENGURANGAN RESIKO BENCANA Kesiapsiagaan Jaring Kontrol (JK) Geodesi JK Horisontal Nasional, JK Vertikal Nasional, JK Gayaberat Nasional, GPS CORS, Pasut, Geoid Peta Dasar Informasi Geospasial Peta Rupa Bumi Indonesia (RBI), Peta Lingkungan Pantai Indonesia (LPI), dan Peta Lingkungan Laut Nasional (LLN) Jaringan Informasi Geospasial Nasional Pengelolaan Pengurangan Resiko Bencana Peta-Peta Tematik Kebijakan Satu Peta (KSP), 85 Peta Tematik InaGeoportal
Prioritas dalam Manajemen Pengurangan Risiko Bencana Non-Alam Covid-19 DALAM KONTEKS BENCANA COVID-19 Memahami risiko bencana Covid-19 untuk manusia dan berbagai sektor kehidupan P-1 Memperkuat tata kelola risiko bencana Covid-19. SENDAI FRAMEWORK 2015 P-2 P-1: Understanding disaster risk. Stimulus ekonomi dan bantuan sosial untuk pengurangan risiko bencana akibat Covid-19 demi mempertahankan ketahanan nasional dalam berbagai sektor kehidupan yang strategis. P-2: Strengthening disaster risk governance to manage disaster risk. P-3 P-3: Investing in disaster risk reduction for resilience. Meningkatkan kesiapsiagaan bencana untuk menyiapkan Tatanan Kehidupan Baru (New Normal): “Masyarakat Produktif dan Aman Covid-19)” P-4 P-4: Enhancing disaster preparedness for effective response and to “Build Back Better” in recovery, rehabilitation and reconstruction. Bagaimana supaya Data dan Informasi Geospasial dapat berperan maksimal dalam Manajemen Pengurangan Risiko Bencana Covid-19 ?
Data Spasial Data Statistik Data Keuangan Negara Data Lainnya Data Kesehatan Covid-19 Data Kependudukan Data Sosial-Ekonomi-Bisnis Data Ketanagakerjaan Data dari Publik Data pihak Swasta Satu Data Untuk Penanganan Covid-19 Manajemen Pengurangan Resiko Bencana Covid-19 Korban & Dampak Minimal Memahami risiko bencana Covid-19 untuk manusia dan berbagai sektor kehidupan P-1 Akurat Memperkuat tata kelola risiko bencana Covid-19. P-2 Terpadu Mutakhir Stimulus ekonomi dan bantuan sosial untuk pengurangan risiko bencana akibat Covid-19 demi mempertahankan ketahanan nasional dalam berbagai sektor kehidupan yang strategis. DATA P-3 Pemerintah Dapat Mudah Diakses Dipertanggung jawabkan Meningkatkan kesiapsiagaan bencana untuk menyiapkan Tatanan Kehidupan Baru (New Normal): “Masyarakat Produktif dan Aman Covid-19)” Mudah P-4 Dibagipakaikan Perpres No. 39/2019
Gotong Royong Pengadaan Data Terkait Covid-19 Bappenas Gugus Tugas Nasional http://covid19.bnpb.go.id/ PENTING Koordinasi Integrasi Sinkronisasi Berbagi-pakai Kementerian Lembaga Universitas Pemerintah Daerah
Sumber Data dan Informasi Geospasial Pemerintah Penyelenggaraan Kebijakan Satu Peta (KSP) DATA TERINTEGRASI Kompilasi Integrasi Sinkronisasi Geospasial Statistik Keuangan Negara Lainnya Perenca- naan Pengum- pulan Pemerik- saan Penyebar luasan PENGGUNA Penyelenggaraan Satu Data Indonesia (SDI) Penyebar luasan Penggunaan/ Pemanfaatn Pengumpulan Pengolahan Pengelolaan Penyelenggaraan Informasi Geospasial oleh BIG
Jenis Informasi Geospasial di Indonesia (UU 4/2011) Horizontal Vertikal JKHN Pasal 6 Pasal 8 Jaring Kontrol Geodesi Kerangka Referensi Geospasial Sistem Referensi Geospasial Nasional JKVN Pasal 9 Pasal 27 Pasal 10 JKGN Pasal 5 Pasal 7: Penyajian IGD Pasal 12: Konten 1000K, 500K, 250K, 100K, 50K, 25K, 10K, 5K, 2.5K, 1K RBI • Garis pantai • Hipsografi • Perairan • Nama rupabumi • Batas wilayah • Transportasi dan utilitas • Bangunan dan faslitas umum • Penutup lahan Peta Dasar LPI 250K, 50K, 25K, 10K Pasal 4 Pasal 18 IG LLN 500K, 250K, 50K Legenda: IGD = Informasi Geospasial Dasar IGT = Informasi Geospasial Tematik JKHN = Jaring Kontrol Horisontal Nasional JKVN = Jaring Kontrol Vertikal Nasional JKGN = Jaring Kontrol Gayaberat Nasional RBI = Rupa Bumi Indonesia LPI = Lingkungan Pantai Indonesia LLN = Lingkungan Laut Nasional Pasal 23 IGT Sektoral (K/L) Pasal 19, 20 IGT Strategis Nasional (Non Sektoral) IGT Pasal 24 (2) Pasal 24 (1) IGT Hasil Integrasi
Kebijakan Satu Peta Tentang Percepatan Pelaksanaan Kebijakan Satu Peta Pada Tingkat Ketelitian Peta Skala 1:50.000 Diundangkan pada tanggal 4 Februari 2016 PERATURAN PRESIDEN NO. 9 TAHUN 2016 1 Manfaat KSP (KSP) Program Utama KSP Tujuan KSP REFERENSI Kompilasi STANDAR BASIS DATA GEOPORTAL Integrasi 85 PETA TEMATIK Sinkronisasi Berbagi-pakai Sebagai acuan untuk peningkatan kualitas: Perencanaan Tata Ruang. Pengelolaan Sumberdaya Alam. Perencanaan Pembangunan Berkelanjutan. Manajemen Pengurangan Resiko Bencana. Penyusunan Kebijakan & Pengambilan Keputusan. Pembangunan Ekonomi Digital. 19 KEMENTERIAN /LEMBAGA 34 PROVINSI KEBIJAKAN SATU PETA
Status Satu Data Indonesia KEUANGAN NEGARA - KEMENKEU Satu Data Indonesia Satu Standar Data DUKCAPIL - KEMENDAGRI Kebutuhan Mendesak Diampu oleh Bappenas Satu Metadata Baku DATA STATISTIK - BPS Interoperabilitas SDGs GEOSPASIAL - BIG Satu Kode Referensi BIG DATA - BAPPENAS Perencanaan& Penganggaran Ref: Kemen. PPN/Bappenas (2020) DATA LAINNYA
Berbagi Data dan Informasi Geospasial Data dan Informasi Geospasial Indonesia disimpan di InaGEOPORTAL: http://tanahair.indonesia.go.id dan umumnya dapat diunduh oleh publik secara gratis. Saat ini produk KSP belum terbuka untuk publik. Dashboard Covid19 BIG
Memahami Resiko Bencana Covid-19: Apa yang telah dilakukan BIG Terkait Penyediaan IG Pengurangan Resiko Bencana Covid-19? Integrasi Data dan Informasi Geospasial dalam Penanganan COVID-19 01 Meluncurkan Dashboard COVID-19 BIG https://covid19.big.go.id 02 03 Kajian Spasial COVID-19 04 Penyampaian Hasil Kajian Spasial COVID-19
21 Tim BIG untuk Penyiapan Data dan Informasi Geospasial Tematik Covid-2019 Pengarah Ketua Wakil Ketua Kepala BIG, Deputi IGD, IGT, IIG, Sestama BIG Kapus PPIG dan PPKS Kapus PPIT Bidang Pemetaan Tematik Covid-19 Bid. Penelitian Pemetaan Tematik Covid-19 Bidang Penyebarluasan Bid. Promosi & Kerjasama Kabid Penyebarluasan IG Kabid Promosi dan Kerjasama Kabid PKPI dan Atlas Kabid Penelitian
01 Integrasi Data dan Informasi Geospasial Penanganan COVID-19 Contoh Integrasi IG dalam Penyiapan Data Data Kerentanan Badan Nasional Penanggulangan Bencana Data Kapasitas Kesehatan, Data ODP, PDP, Positif Kementerian Kesehatan Peta Dasar (Tutupan Lahan, Jaringan Jalan, Batas Wilayah, Bangunan, Infrastruktur, dll) Badan Informasi Geospasial Update Data Lokal Penyebaran Kasus Pemerintah Daerah Integrasi Data Spasial dengan Data Lainnya penting untuk manajemen pengurangan risiko bencana COVID-19.
02 Meluncurkan Dashboard COVID-19 BIG https://covid19.big.go.id 03 DATA DAN INFORMASI GEOSPASIAL YANG DITAMPILKAN, MELIPUTI: 01 Peta wilayah terjangkit COVID-19, peta analisis cluster, jangkauan rumah sakit, analisis resiko, dan lain-lain. 02 Data harian pasien positif, sembuh dan meninggal, dan jumlah kasus harian per provinsi. 03 Story Map Deskripsi ringkas mengenai hasil analisis spasial. 02 Hasil analisis spasial Data kasus per provinsi 01 04 04 Total kasus Indonesia Data harian kasus positif, sembuh dan meninggal dalam bentuk angka dan grafik.
03 Kajian Spasial COVID-19 Peta Jangkauan dan Akses Rumah Sakit Rujukan
03 Kajian Spasial COVID-19 Peta Jangkauan 132 Rumah Sakit Rujukan di Indonesia • Input data: 132 rumah sakit rujukan berdasarkan Keputusan Menteri Kesehatan No. HK.01.07/ MENKES/169/2020 tanggal 10 Maret 2020. • Dibuat menggunakan Network Analyst tool di software ArcGIS. • Hasil analisis menunjukkan masih banyak daerah yang belum terjangkau layanan RS Rujukan. • Saran: perlu penambahanfasilitas layanan kesehatan di area yang masih belum terlayani Rumah Sakit Rujukan. Sumber data: pusatkrisis.kemkes.go.id/ tanahair.indonesia.go.id/ Area yang belum terlayani rumah sakit rujukan COVID19 Area yang belum terlayani rumah sakit rujukan COVID19 Area yang belum terlayani rumah sakit rujukan COVID19
03 Kajian Spasial COVID-19 Peta Indeks Kapasitas dan Jangkauan RS Rujukan di Jabodetabek • Input data : jangkauan RS Rujukan , kapasitas tempat tidur ruang isolasi RS, dan tenaga medis (update data per tanggal 8 Mei 2020). • Dibuat menggunakan tools di ArcGIS Pro. • Hasil : menunjukkan indeks kapasitas dan keterjangkauan r RS Rujukan dalam waktu tempuh 30 menit. • Warna biru menunjukkan area yang memiliki kapasitas dan keterjangkauan tinggi menunjukkan ketersediaan RS beserta fasilitasnya yang tinggi; • Warna oranye menunjukkan area yang memiliki kapasitas dan keterjangkauan rendah menunjukkan ketersediaan RS beserta fasilitasnya yang rendah. • Ketika dioverlay dengan data pemukiman, diketahui bahwa 48% area pemukiman di Jabodetabek masih berada diluar jangkauan RS Rujukan COVID-19. • Saran: • Perlu penambahan rumah sakit di area yang masih belum terlayani RS Rujukan . • Area dengan indeks kapasitas rendah (oranye) perlu penambahan peralatan medis seperti ketersediaan tempat tidur, tenaga dokter dan perawat, ventilator, ketersediaan ruang ICU, APD. Area yang belum terlayani rumah sakit rujukan COVID-19 Area yang belum terlayani rumah sakit rujukan COVID-19 Indeks kapasitas dan jangkauan
03 Kajian Spasial COVID-19 Peta Akses Pasien ke 132 Rumah Sakit Rujukan di Jakarta Daerah yang tidak terlayani oleh RS Rujukan COVID-19 membutuhkan RS Rujukan tambahan di area tersebut. • Dibuat menggunakan Origin Destination (OD) matrix analysis tool di ArcGIS Pro. • Hasil analysis OD matrix memperlihatkan aksesibilitas pasien menuju RS Rujukan yang ada di Jakarta. • Hasil analisis menunjukkan beberapa lokasi tidak mendapat layanan RS Rujukan. • Saran: perlu penambahanrumah sakit di area yang belum terlayani RS Rujukan. RS Rujukan/Destination Origin (Centroid desa/point pasien) Garis Origin Destination (OD) Sumber data: pusatkrisis.kemkes.go.id/ tanahair.indonesia.go.id/ Open Street Map Jangkauan rumah sakit rujukan 5km Wilayah Prov. DKI Jakarta
03 Kajian Spasial COVID-19 Peta Rentan Bahaya dan Resiko COVID-19
03 Kajian Spasial COVID-19 Peta Analisis Temporal Kerentanan Bahaya Pandemik COVID-19 di Jakarta (contoh 25 Maret – 14 April 2020) • Input data : cluster suspect positif (25/3/20 – 14/4/20), titik-titik pusat keramaian, sebaran hub transportasi, sektor ekonomi yang masih berjalan, usia rentan, serta kepadatan penduduk. • Analisis ini merupakan kombinasi analisis bahaya dan kerentanan untuk mengidentifikasi bagaimana kecenderungan penyebaran kerentanan bahaya Covid-19 yang dapat menginfeksi orang-orang yang rentan (misal usia > 50thn) di suatu wilayah. • Arti warna: • Warna hijau menunjukkan area dengan nilai indeks kerentanan bahaya rendah; • Warna merah menunjukkan area dengan nilai indeks kerentanan bahaya tinggi. • Hasil analisis: Beberapa daerah mengalami peningkatan kerentanan dari hari ke hari selama masa pengamatan, misalnya Jakarta Timur, Jakarta Barat, Jakarta Pusat dan Jakarta Selatan. • Saran: Untuk penanganan COVID-19, prioritas utama diberikan bagi wilayah yang mengalami peningkatan kerentanan, misalnya berupa penambahan peralatan medis (tempat tidur, tenaga dokter/perawat, ventilator, ruang ICU, APD). Mengalami peningkatan kerentanan
03 Kajian Spasial COVID-19 Peta Analisis Resiko Pandemik COVID-19 di Jakarta (contoh 21 Maret 2020) • Input data: cluster suspect positif (21/3/20), titik-titik pusat keramaian, sebaran hub transportasi, sektor ekonomi yang masih berjalan, usia rentan, serta kepadatan penduduk. • Analisis ini merupakan kombinasi analisis bahaya dan kerentanan untuk mengidentifikasi bagaimana kecendrungan penyebaran bahaya Covid-19 yang dapat menginfeksi orang- orang yang rentan di suatu wilayah. • Arti warna: • Warna hijau menunjukkan area dengan nilai indeks resiko bahaya rendah; • Warna merah menunjukkan area dengan nilai indeks resiko tinggi. • Saran: area yang mempunyai tingkat resiko tinggi (merah) harus diprioritaskan untuk dilakukan tindak pengendalian resiko (misal PSBB), namun demikian untuk tingkat resiko sedang hingga rendah tetap dilakukan pengawasan ketat (misal physical distancing, penggunaan masker, dll). Sumber data: pusatkrisis.kemkes.go.id/; https://corona.jakarta.go.id/id; tanahair.indonesia.go.id/
03 Kajian Spasial COVID-19 Peta Analisis Kerentanan Bahaya Pandemik COVID-19 di Jabodetabek • Data Input: cluster suspect positif, titik-titik pusat keramaian, sebaran hub transportasi, sektor ekonomi yang masih berjalan, usia rentan, serta kepadatan penduduk (update data per tanggal 8 Mei 2020). • Menunjukkan nilai indeks kerentanan bahaya pandemic COVID-19. Arti warna: • Warna hijau menunjukkan area dengan nilai indeks kerentanan bahaya rendah; • Warna merah menunjukkan area dengan nilai indeks kerentanan bahaya tinggi. • Hasil: Ketika dioverlay dengan data pemukiman, diketahui bahwa 54% wilayah pemukiman di Jabodetabek saat ini rentan terhadap pandemik Covid-19, dengan konsentrasi terbesar ada di wilayah Provinsi DKI Jakarta. • Persentase ini didapatkan dari perhitungan luasan wilayah rentan bahaya terhadap luasan lahan terbangun/pemukiman di wilayah Jabodetabek. Peta analisis kerentanan bahaya pandemik COVID-19 di Jabodetabek Area yang tidak terdampak COVID19 Area yang tidak terdampak COVID19
03 Kajian Spasial COVID-19 Peta Analisis Resiko Pandemik COVID-19 di Jabodetabek • Peta ini disusun dari peta analisis kerentanan bahaya dan peta indeks kapasitas dan jangkauan. • Hasil: menunjukkan nilai indeks risiko pandemic COVID-19. • Warna hijau menunjukkan area dengan nilai indeks risiko rendah; • Warna merah menunjukkan area dengan nilai indeks risiko tinggi. • Hasil overlay antara peta analisis kerentanan bahaya dan peta indeks kapasitas dan jangkauan menunjukkan bahwa 80% wilayah Jabodetabek punya risiko terdampak pandemik COVID-19, dengan nilai indeks tertinggi ada di wilayah Jakarta Pusat dan Kota Bogor. • Persentase ini didapatkan dari perhitungan luasan wilayah dengan risiko COVID-19 terhadap luasan wilayah rentan bahaya di wilayah Jabodetabek. • Saran: untuk area dengan indeks risiko tinggi (merah), perlu: • Menambah peralatan medis (tempat tidur, tenaga dokter/perawat, ventilator, ruang ICU, APD). • Menunjuk RS Daerah menjadi RS Rujukan Covid • Menerapkan PSBB sehingga dapat menghambat/mengurangi laju penularan ke area dengan risiko rendah. Area yang tidak ada risiko COVID19 Area yang tidak ada risiko COVID19
03 Kajian Spasial COVID-19 Kajian Spasial COVID-19 Wilayah Kabupaten Bogor
03 Kajian Spasial COVID-19 Peta Distribusi Kepadatan Kasus Positif Covid-19 di Kab. Bogor • Data Input: data cluster suspect positif 7 Maret - 14 Mei 2020. • Dibuat menggunakan fungsi Kernel Density. • Hasil Analisis : Pola distribusi terpusat di bagian utara yang lebih dekat dengan wilayah Kota Depok atau wilayah DKI Jakarta Konsentrasi tinggi berasosiasi dengan akses transportasi wilayah Bogor - DKI Jakarta. meliputi jalur kereta (KRL), jalan arteri (Jl. Raya Jakarta-Bogor), maupun jalan tol (Jagorawi). Memiliki kepadatan penduduk >100 jiwa/ Ha. • Saran: Prioritas penanganan Covid-19 berada pada wilayah dengan pola distribusi terpusat/konsentrasi tinggi, baik berupa: penerapan physical distancing dan protokol Covid-19 yang lebih ketat atau penerapan PSBB Penambahan rumah sakit rujukan atau penambahan peralatan kesehatan. Sumber data: bappedalitbang.bogorkab.go.id/ inarisk.bnpb.go.id/ tanahair.indonesia.go.id/
03 Kajian Spasial COVID-19 Peta Analisis Kerentanan Bahaya Pandemik COVID-19 di Kab. Bogor • Data Input: cluster suspect positif (antara 12 April – 12 Mei), titik-titik pusat keramaian, sebaran hub transportasi, sektor ekonomi yang masih berjalan, usia rentan, serta kepadatan penduduk. • Hasil: Wilayah dengan kerentanan bahaya tinggi terhadap COVID-19 adalah di lokasi yang berbatasan dengan Kota Bogor dan di jalur transportasi antara Jakarta ke Kota Bogor, serta sebagian perbatasan Cijeruk, Cigombang dan Caringin.
03 Kajian Spasial COVID-19 Peta Indeks Kapasitas dan Jangkauan Rumah Sakit Rujukan di Kab. Bogor • Data Input: jangkauan rumah sakit rujukan, kapasitas tempat tidur ruang isolasi RS, dan tenaga medis. • Hasil: menunjukkan indeks kapasitas dan keterjangkauan rumah sakit rujukan dalam waktu tempuh 30 menit. Warna biru abu menunjukkan area yang memiliki kapasitas dan keterjangkauan tinggi menunjukkan ketersediaan rumah sakit beserta fasilitasnya yang tinggi; Warna oranye menunjukkan area yang memiliki kapasitas dan keterjangkauan rendah menunjukkan ketersediaan rumah sakit beserta fasilitasnya yang rendah. • Sekitar 65% lahan terbangun di seluruh wilayah Kabupaten Bogor masih belum tercover fasilitas kesehatan rujukan COVID-19. • Saran: Perlu penambahan rumah sakit di area yang masih belum terlayani rumah sakit rujukan. Area dengan indeks kapasitas rendah perlu penambahan peralatan medis seperti ketersediaan tempat tidur, tenaga dokter dan perawat, ventilator, ketersediaan ruang ICU, APD.
03 Kajian Spasial COVID-19 Peta Analisis Risiko Pandemik di Kab. Bogor • Peta ini disusun dari peta analisis kerentanan bahaya dan peta indeks kapasitas dan jangkauan . • Hasil: menunjukkan nilai indeks risiko pandemik Covid-19. Warna hijau menunjukkan area dengan nilai indeks risiko rendah; Warna merah menunjukkan area dengan nilai indeks risiko tinggi. • Hasil overlay antara peta analisis kerentanan bahaya dan peta indeks kapasitas dan jangkauan menunjukkan bahwa 86% wilayah lahan terbangun di Kab. Bogor saat ini berisiko sebagai wilayah terdampak pandemik COVID- 19, dengan nilai indeks tertinggi ada di wilayah lokasi yang berbatasan dengan Kota Bogor dan di jalur transportasi antara Jakarta ke Kota Bogor, serta sebagian perbatasan Cijeruk, Cigombang dan Caringin. • Saran: untuk area dengan indeks risiko tinggi (merah), perlu: Menambah peralatan medis (tempat tidur, tenaga dokter/perawat, ventilator, ruang ICU, APD). Menunjuk RS Daerah menjadi RS Rujukan Covid Menerapkan PSBB sehingga dapat menghambat/ mengurangi laju penularan ke area dengan risiko rendah.
03 Kajian Spasial COVID-19 Peta Estimasi Tingkat Prevalensi, Standard Deviational Ellips Model dan Analisa Hot Spot Covid-19
03 Kajian Spasial COVID-19 Peta Rasio Tersangka Positif dan Estimasi Tingkat Prevalensi Kejadian Covid-19 di Jakarta • Data Input: klaster tersangk positif (21/3, 24/3, dan 31/3), dan kepadatan penduduk. • Hasil analisis: Nilai rasio tersangka positif Covid-19 menjelaskan rasio jumlah kejadian positif Covid-19 terhadap jumlah ODP/PDP pada level kelurahan di Jakarta. Peta estimasi tingkat prevalensi kejadian ini menunjukkan jumlah kasus Covid-19 pada suatu populasi di wilayah Jakarta. • Saran: Nilai rasio tinggi (biru), disarankan untuk menambah peralatan medis seperti ketersediaan tempat tidur, dokter/perawat, ventilator, ketersediaan ruang ICU, dan APD. Nilai rasio rendah (hijau), menunjukkan suspect positif Covid-19 masih sedikit, mungkin disebabkan masih sedikitnya tes SWAB atau PCR, oleh karena itu disarankan untuk menambah jumlah test. Sumber data: corona.jakarta.go.id/id/data inarisk.bnpb.go.id/covid-19/ tanahair.indonesia.go.id/
03 Kajian Spasial COVID-19 Peta Arah Distribusi Tingkat Prevalensi Tersangka Positif COVID-19 di Jakarta • Data Input: klaster tersangka positif (21/3, 24/3, dan 31/3), dan kepadatan penduduk. • Dibuat menggunakan tool Standard Deviational Ellipse (SDE) di ArcGIS. • Model SDE digunakan untuk menunjukkan distribusi spasial berupa pola dispersi dan perubahan arah kasus COVID-19 di Jakarta. • Hasil model SDE menunjukkan geometri elips yang berbeda- beda baik dari sisi ukuran dan arah. • Karakteristik pola kejadian dari hari ke hari menggambarkan: • sebagian besar kasus positif COVID-19 terjadi di Jakarta Pusat dan sekitarnya ditunjukkan oleh elips kuning sebagai pusat distribusi karena area tersebut terletak di daerah yang paling tumpang tindih dengan elips lainnya. • arah dan distribusi tren kejadian bervariasi di masing- masing kota. • tendensi sentral yang cenderung ke arah selatan. • Saran: harus diprioritaskan untuk dilakukan tindakan pembatasan pergerakan orang (misal PSBB). Sumber data: corona.jakarta.go.id/id/data inarisk.bnpb.go.id/covid-19/ tanahair.indonesia.go.id/
03 Kajian Spasial COVID-19 Peta Pola Spasial (High-Low Clustering) COVID-19 di Jakarta menggunakan data 3 hari • Data Input: data cluster suspect positif 3 hari (21, 24, dan 31 Maret 2020). • Dibuat menggunakan tool Getis-Ord G* statistics di ArcGIS. • Peta dibuat dengan menggunakan autokorelasi spasial yang menganalisa pola suatu lokasi berdasarkan hubungannya dengan lokasi lain yang memiliki hubungan ketetanggaan. • Hasil analisis menunjukkan: kelas cold spot (biru) atau kejadian positif Covid-19 rendah dan pola menyebar terdapat di Jakarta Pusat dan di timur Jakarta Barat (ellips cyan). kelas hot spot (oranye) atau kejadian positif Covid-19 tinggi dan pola mengumpul terdapat di barat Jakarta Barat dan selatan Jakarta Timur (ellips merah). • Saran: kelas hot spot: menambah peralatan medis (ketersediaan tempat tidur, dokter/perawat, ventilator, ketersediaan ruang ICU, dan APD) atau menambah rumah sakit rujukan. kelas cold spot, menunjukkan suspect positif Covid-19 masih sedikit, mungkin disebabkan masih sedikitnya tes SWAB atau PCR; oleh karena itu disarankan untuk menambah jumlah test. Sumber data: corona.jakarta.go.id/id/data tanahair.indonesia.go.id/
03 Kajian Spasial COVID-19 Peta Pola Spasial (High-Low Clustering) COVID-19 di Jakarta menggunakan data 30 hari • Data Input: data cluster suspect positif 30 hari (25/3 - 23/4 2020). • Dibuat menggunakan tool Emerging Hot Spot Analysis (HSA) di ArcGIS. • Hasil analisis menunjukkan: • kelas cold spot (biru) atau kejadian positif Covid-19 rendah dan pola menyebar terdapat di timur Jakarta Barat (ellips cyan). • kelas hot spot (oranye-merah) atau kejadian positif Covid-19 tinggi dan pola mengumpul terdapat di banyak lokasi di Jakarta (titik warna oranye-merah). • sebaran pola hot spot yang jumlahnya lebih banyak dibandingkan pola cold spot di wilayah DKI Jakarta • Dengan menggunakan rentang data yang lebih panjang, kita dapat melihat kecenderungan perubahan pola kejadian di suatu lokasi sehingga dapat membantu dalam menentukan daerah prioritas yang memerlukan penanganan Covid-19, misalnya dimana harus menambah fasilitas kesehatan dan dimana mesti melakukan lebih banyak test SWAB atau PCR. Sumber data: corona.jakarta.go.id/id/data tanahair.indonesia.go.id/
03 Kajian Spasial COVID-19 Peta Analisis Spasial-Temporal COVID-19 di Jakarta • Data Input: data cluster suspect positif 30 hari (25/3 – 23/4 2020). • Dibuat menggunakan tool EmergingHot Spot Analysis di ArcGIS. • Hasil analisis menunjukkan muncul dan hilangnya klaster hot & cold spot; • Saran: Pola tertentu memberikan rekomendasi berbeda dalam penanganan COVID-19. misalnya: New hot spot dan diminishing cold spot : diprioritaskan untuk penambahan fasilitas kesehatan (meliputi penambahan rumah sakit rujukan ataupun peralatan medis); Oscilating hot spot penerapan PSBB sehingga tidak terjadi pergerakan orang yang dapat menularkan COVID-19. Jumlah Kelurahan Tipe Pola Keterangan pola kejadian COVID-19 Consecutive Hot Spot 47 kelurahan Hot spot yang relatif konstan terhadap waktu Oscillating Hot Spot Hot spot yang signifikan, namun dulunya juga termasuk cold spot 138 kelurahan Lokasi baru yang secara statistik berpeluang tinggi menjadi hot spot New Hot Spot 13 kelurahan Diminishing Cold Spot 3 kelurahan Cold spot yang signifikan, berdasar intensitas waktu mengalami perubahan signifikan (peningkatan ancaman) Historical Cold Spot 1 kelurahan Berdasar waktu terbaru bukan merupakan cold spot, namun dulunya adalah cold spo Sumber data: corona.jakarta.go.id/id/data riwayat-file-covid-19-dki-jakarta- jakartagis.hub.arcgis.com/ tanahair.indonesia.go.id/ No Pattern Detected 59 kelurahan Tidak menunjukkan pola apapun
04 Penyampaian Hasil Kajian Spasial Covid-19 Sebagai bentuk dukungan BIG terhadap penanggulangan Covid-19, hasil kajian spasial Covid-19 di Kabupaten Bogor sudah disampaikan pada tanggal 28 Mei 2020 yang lalu, yaitu kepada Ketua Gugus Tugas Percepatan Penanganan Covid-19 Kabupaten Bogor.
Sekilas Peran Data dan Informasi Geospasial untukTatanan Kehidupan Baru (New Normal): “Masyarakat Produktif dan Aman Covid-19”.
3 Kriteria Menuju Tatanan Kehidupan Baru (New Normal): “Masyarakat Produktif dan Aman Covid-19” Ref: Kementerian PPN/ Bappenas (2020) Republik Indonesia Klaster Indikator Data yang Dibutuhkan Rt = Ro pada waktu t <1 selama 2 minggu Apabila Rt dipandang kurang credible, maka digunakan proxy Keterangan: Rt = Ro x (St/Nt) disederhanakan Ro Dunia : 1,9 – 5,7 Ro Indonesia: 2,5* Ro pada waktu t < 1 (untuk memenuhi syarat pengurangan pembatasan) Data: • Jumlah kasus positif baru per hari Proxy pengganti Rt adalah sbb: • Penurunan kasus minimal 50% sejak puncak selama 3 minggu (dengan syarat jumlah tes yang relatif stabil) • Penurunan PDP yang konsisten selama 2 minggu • Penurunan jumlah kematian dengan protokol COVID-19 1 1 Epidemiologi Data: • Jumlah TT RS COVID-19 • Jumlah kasus COVID-19 yang memerlukan perawatan Persyaratan: • TT RS didukung dengan ketersediaan ventilator (20% dari total perawatan COVID-19) dan APD • Tersedia ruang isolasi 2 Sistem Kesehatan Semua Indikator harus dispasialkan, sebaiknya sampai level Kabupaten/Kota, dan bahkan sampai level Desa/Kelurahan kalau memungkinkan. Sumber: WHO ; *Hasil Diskusi Bappenas dengan WHO dan Ahli Epidemiologi
3 Kriteria Menuju Tatanan Kehidupan Baru (New Normal): “Masyarakat Produktif dan Aman Covid-19” Ref: Kementerian PPN/ Bappenas (2020) Republik Indonesia Klaster Indikator Data yang Dibutuhkan Jumlah tes per 1 juta penduduk ≥ 3500 (Catatan: Jumlah total tes lab harus dilaporkan setiap hari dan threshold masing-masing provinsi berbeda*) Keterangan**: Indonesia: 743 (19 Mei 21.00)*** 1 bulan @10.000 test, maka pada tgl 19 Juni mencapai 1838 India: 1744 Malaysia: 14304 Data: • Jumlah tes (PCR dan TCM) per hari di provinsi/kab kota • Jumlah kematian kasus COVID-19 di RS dan masyarakat Persyaratan: • 80% dari closed contact dilacak dalam 72 jam & dikarantina • Min 80% kontak kasus baru dipantau 14 hari • Pemantauan terhadap orang-orang yang bergerak antar daerah terutama dari daerah dengan Rt tinggi. • Peningkatan kapasitas lab 3 Surveillans Thailand: 4099 Filipina: 2238 Vietnam: 2828 Brazil : 3462 Semua Indikator harus dispasialkan, sebaiknya sampai level Kabupaten/Kota, dan bahkan sampai level Desa/Kelurahan kalau memungkinkan. TANTANGAN: Bagaimana mengumpulkan semua data yang diperlukan secara lengkap, terpadu, mutakhir, akurat, dan dapat dipertanggung jawabkan. Sumber: WHO ; **Sumber: Worldometer ***Arahan Presiden: 10.000 test per hari, tanggal 18 Mei 2020 dilakukan 12.000 test
Catatan Penutup Peta-Peta Hasil Kajian Spasial Covid-19 oleh BIG: Berdasarkan data-data resmi dari pemerintah sehingga diharapkan menjadi data spasial yang dapat dipertanggung jawabkan dan dapat dimanfaatkan dalam pengambilan kebijakan penanggulangan Covid-19 di suatu wilayah. Mudah diakses dan diberbagipakaikan melalui JIGN (Jaringan Informasi Geospasial Nasional). Saran Tindak Lanjut: Meningkatkan koordinasi para stakeholdersserta sinergitas K/L, Pemda, Akademisi, Mitra Pembangunan (NGO), dan Media, dalam penyediaan data dan akses pemanfaatan data yang dapat digunakan untuk analisis Covid-19 serta pemanfaatan hasil analisisnya. Meningkatkan ketersediaan data spasial sebagai input untuk analisis spasial terkait Covid-19 baik jenis data, format data maupun cakupan. Penguatan SDM IG pada K/L dan daerah serta stakeholder yang dapat menyediakan data spasial terkini misalnya fasilitas, data jumlah kasus dan lokasi pasien, dan data lainnya. Harmonisasi model dan pendekatan untuk pengambilan kebijakan antara Pemerintah Daerah dan Pemerintah Pusat.
