Pemodelan Spasial Risiko Malaria di Indonesia

Mengapa Malaria Masih Menjadi Masalah di Indonesia

Malaria masih menjadi salah satu penyakit menular utama di Indonesia, terutama di wilayah tropis dengan kondisi lingkungan yang mendukung perkembangan nyamuk pembawa penyakit (Bhatt et al., 2015). Penyakit ini disebabkan oleh parasit Plasmodium dan ditularkan melalui gigitan nyamuk Anopheles (Hay et al., 2004).

Data nasional menunjukkan bahwa jumlah kasus malaria meningkat dari 418.569 kasus pada tahun 2023 menjadi 543.965 kasus pada tahun 2024 (Rahmi Yuningsih, 2025). Namun, kasus malaria tidak tersebar secara merata (Kementerian Kesehatan RI, 2024). Lebih dari 90% kasus nasional terkonsentrasi di wilayah Papua, menunjukkan bahwa malaria di Indonesia memiliki pola sebaran yang sangat dipengaruhi oleh kondisi wilayah (Kementerian Kesehatan RI, 2023).

Secara rinci, Papua mencatat sekitar 229.000 kasus, diikuti oleh Papua Tengah dengan sekitar 168.000 kasus, Papua Selatan sekitar 57.000 kasus, dan Papua Pegunungan sekitar 38.000 kasus (Rahmi Yuningsih, 2025). Sementara itu, Papua Barat dan Papua Barat Daya masing-masing mencatat sekitar 7.800 dan 7.200 kasus (Rahmi Yuningsih, 2025). Perbedaan ini menunjukkan bahwa malaria merupakan permasalahan kesehatan yang berkaitan erat dengan faktor lingkungan, akses layanan kesehatan, dan kondisi sosial masyarakat (World Health Organization, 2023).

Penelitian ini menggunakan pendekatan machine learning dan deep learning, yaitu metode analisis berbasis komputer yang mampu mengenali pola dari data dalam jumlah besar. Pendekatan ini dikombinasikan dengan data lingkungan dan sosial ekonomi untuk memahami wilayah mana yang paling berisiko terhadap malaria.

Analisis dilakukan dengan mempertimbangkan jumlah dan sebaran kasus malaria, kondisi lingkungan yang memengaruhi perkembangbiakan nyamuk, serta ketersediaan dan kemudahan akses fasilitas kesehatan. Dengan pendekatan ini, penelitian tidak hanya melihat di mana malaria terjadi, tetapi juga mengapa risiko malaria lebih tinggi di wilayah tertentu.

Kerentanan Malaria dan Tantangannya di Indonesia

Hasil pemodelan menunjukkan bahwa tingkat kerentanan malaria tertinggi umumnya berada di wilayah Indonesia bagian timur. Papua Tengah memiliki indeks kerentanan tertinggi dengan nilai 8,13, diikuti oleh Kalimantan Selatan (8,1), Nusa Tenggara Timur (7,3–8,1), dan Sulawesi Selatan (6,8–7,6).

Menariknya, beberapa wilayah dengan akses layanan kesehatan yang relatif lebih baik, seperti Jawa Tengah (6,6–11,5) dan Bengkulu (6,8–7,3), juga menunjukkan tingkat kerentanan yang cukup tinggi. Hal ini menunjukkan bahwa risiko malaria tidak hanya ditentukan oleh fasilitas kesehatan, tetapi juga oleh kondisi lingkungan dan sosial di wilayah tersebut.

Sejalan dengan tingkat kerentanan, risiko malaria tertinggi ditemukan di Papua, Maluku, dan Maluku Utara. Wilayah-wilayah ini termasuk dalam kategori risiko tinggi hingga sangat tinggi, dengan nilai Malaria Suitability Index (MSI) di atas 0,85. Risiko paling besar umumnya terdapat di wilayah pesisir, dataran rendah, dan daerah dengan iklim lembap, yang merupakan lingkungan ideal bagi nyamuk malaria.

Tantangan Akses Layanan Kesehatan

Peta distribusi fasilitas kesehatan pada Gambar 3 menunjukkan adanya ketimpangan yang jelas antara tingkat risiko malaria dan ketersediaan layanan kesehatan di Indonesia bagian timur. Gradasi warna pada peta merepresentasikan tingkat risiko malaria yang dikombinasikan dengan besaran populasi, di mana warna yang semakin gelap menunjukkan wilayah dengan risiko malaria dan jumlah penduduk yang lebih tinggi. Sementara itu, ukuran simbol lingkaran menggambarkan tingkat aksesibilitas fasilitas kesehatan, dengan simbol yang lebih besar menunjukkan akses menuju fasilitas kesehatan yang semakin terbatas, dan simbol yang lebih kecil menunjukkan akses yang relatif lebih baik.

Berdasarkan Gambar 3, ketimpangan paling menonjol terlihat di Papua Tengah, yang ditandai oleh tingkat risiko malaria yang tinggi, populasi relatif rendah, serta keterbatasan akses terhadap fasilitas kesehatan. Kondisi serupa juga teridentifikasi di Kota Ambon (Maluku) serta Kota Ternate dan Kota Tidore Kepulauan (Maluku Utara), di mana risiko malaria tetap berada pada kategori tinggi sementara akses layanan kesehatan masih menjadi kendala utama. Temuan ini menunjukkan bahwa wilayah-wilayah tersebut merupakan area prioritas yang memerlukan intervensi pengendalian malaria yang lebih terfokus dan berbasis bukti.

Strategi Pengendalian Malaria Berbasis Data untuk Indonesia

Pengendalian malaria di Indonesia memerlukan strategi yang tepat sasaran dengan memprioritaskan wilayah berisiko tinggi, khususnya Papua, Maluku, Kalimantan Selatan, dan Sulawesi Selatan. Di Indonesia bagian timur, intervensi perlu difokuskan pada peningkatan akses dan kapasitas fasilitas kesehatan, penguatan layanan di wilayah terpencil, serta penyesuaian strategi pengendalian sesuai dengan karakteristik lingkungan dan sosial lokal.

Keberhasilan upaya eliminasi malaria sangat bergantung pada ketepatan identifikasi wilayah prioritas dan alokasi sumber daya yang sejalan dengan tingkat risiko dan kerentanan masing-masing daerah. Oleh karena itu, pemanfaatan data spasial dan pendekatan analitik berbasis sains menjadi elemen kunci dalam mendukung pengambilan keputusan yang lebih efektif.

GISACT mendorong kolaborasi antara pemerintah, peneliti, organisasi kesehatan, dan komunitas lokal untuk memanfaatkan data dan teknologi ini dalam upaya pengendalian dan eliminasi malaria. Dengan strategi berbasis bukti ilmiah, Indonesia memiliki peluang yang lebih besar untuk mencapai target bebas malaria dan mewujudkan masa depan kesehatan masyarakat yang lebih berkelanjutan.

Publikasi Lengkap:

Studi ini merupakan bagian dari publikasi ilmiah yang telah diterbitkan pada jurnal internasional bereputasi International Journal of Applied Earth Observation and Geoinformation. Artikel tersebut berjudul “Malaria Risk Assessment in Indonesia: A Machine and Deep Learning Framework” dan menyajikan kerangka analisis berbasis machine dan deep learning untuk penilaian risiko malaria di Indonesia.

Akses publikasi lengkap: https://bit.ly/MalariaRiskAssessmen

Referensi:

1. Bhatt, S., Weiss, D. J., Cameron, E., Bisanzio, D., Mappin, B., Dalrymple, U., & Gething, P. W. (2015). The effect of malaria control on Plasmodium falciparum in Africa between 2000 and 2015. Nature, 526(7572), 207–211.
2. Hay, S. I., Snow, R. W., & Rogers, D. J. (2004). Predicting malaria seasons using environmental and climatic variables. Transactions of the Royal Society of Tropical Medicine and Hygiene, 100(01), 1–12.
3. Rahmi Yuningsih. (2025). Strategi Eliminasi Malaria di Papua.
4. Kementerian Kesehatan RI. (2024). Keputusan Kementerian Kesehatan RI No. HK.01.07/MENKES/1988/2024.
5. Kementerian Kesehatan RI. (2023). National Action Plan for Acceleration of Malaria Elimination 2020-2026.
6. World Health Organization. (2023). Menengok Masa Lalu untuk Merencanakan Masa Depan Bebas Malaria di Indonesia.