Menurut Organisasi Kesehatan Dunia (WHO), dunia telah memerangi penyebaran penyakit coronavirus 2019 atau pandemi COVID-19 sejak Maret 2020, dengan lebih dari 118.319 kasus positif dan 4292 kematian secara global. Surabaya, ibu kota Jawa Timur, memiliki populasi terbesar kedua di Indonesia dengan 2.874.314 jiwa dan merupakan kota terbesar kedua setelah Jakarta. Termasuk juga sebagai kawasan metropolitan terbesar di kawasan timur Indonesia yang dikenal dengan Gerbangkertosusila (Gresik–Bangkalan–Mojokerto–Surabaya–Sidoarjo—Lamongan). Menurut Satgas Jawa Timur, Kota Surabaya memiliki jumlah kematian tertinggi di provinsi tersebut, dengan total 1382 kematian.
Pemahaman spatiotemporal regional tentang COVID-19 sangat penting untuk memberikan wawasan tentang bagaimana pandemi terjadi dan pertumbuhan dan penurunannya yang berkelanjutan. Penyebaran virus dapat disebabkan oleh beberapa faktor, selain dari variabel spasial. Sebuah studi oleh Hassan et al, menunjukkan hubungan spasial antara kasus COVID-19 dan beberapa variabel, seperti polusi udara, geometeorologi, dan parameter sosial. Studi ini menemukan hubungan kuat yang signifikan antara variabel-variabel tersebut di kota-kota dengan kasus positif yang signifikan. Selain itu, temuan korelasi menunjukkan bahwa kualitas udara buruk jangka panjang dapat memperburuk gejala klinis penyakit.
Namun, tidak ada penelitian yang dilakukan pada korelasi bersamaan antara spasial, temporal, dan polusi udara. Oleh karena itu, penelitian ini bertujuan untuk (1) mengkaji pola spatiotemporal COVID-19 menggunakan data harian terupdate yang tercatat selama 26 minggu, dan (2) menyelidiki berbagai faktor, seperti kasus terkonfirmasi, pasien sembuh, kasus suspek, dan polusi udara (CO, SO2, O3, dan parameter NO) dengan melakukan regresi berbobot geografis (GWR) dan regresi kuadrat terkecil biasa (OLS). Ini bertujuan untuk (3) menganalisis hubungan antara konsentrasi polusi udara dan kasus COVID-19 selama 26 minggu, yang diperkirakan oleh citra Sentinel-5P. Penelitian ini difokuskan pada kota Surabaya sebagai salah satu daerah dengan angka kematian yang tinggi selama periode varian delta, menurut laporan WHO pada 23 Juni 2021. Oleh karena itu, hasil penelitian ini diharapkan dapat membantu pemerintah Surabaya membuat kebijakan dan strategi yang lebih tepat untuk menekan penyebaran virus tersebut.
Data COVID-19 yang diperoleh di Surabaya dari tanggal 28 April hingga 26 Oktober 2021 menggunakan statistik spasial CGD, Moran’s I, General-G, Gi*, dan model GWR untuk menyimpulkan bahwa varian delta memiliki korelasi spasial yang signifikan dengan variabel. Meskipun statistik I dan G global Moran digunakan untuk mengidentifikasi pola spasial yang kuat dari virus mengenai variabel, pendekatan ini hanya mempertimbangkan distribusi lapisan tunggal pada waktu tertentu. Studi ini dapat mengidentifikasi desa mana yang menunjukkan kemungkinan infeksi yang tinggi menggunakan analisis hotspot Gi* dan titik dingin. Oleh karena itu, penelitian masa depan perlu menyelidiki korelasi lain, seperti variabel ekologi, klimatologi, dan sosial ekonomi, untuk secara efektif menentukan hubungan antara hotspot COVID-19, titik dingin, dan kepadatan populasi. Meski penularannya saat ini menunjukkan tren menurun, situasi epidemi di Surabaya timur dan selatan sulit. Analisis spatiotemporal yang ditunjukkan dalam penelitian ini menunjukkan bahwa model bahaya temporal berdasarkan tingkat infeksi mingguan menghasilkan pemahaman yang lebih baik tentang perubahan. Hasil pengolahan polutan dengan jumlah kasus terkonfirmasi COVID-19 khususnya varian delta menunjukkan nilai korelasi positif yang cukup kuat sebesar 0,577 pada minggu ketiga yang merupakan tertinggi. Oleh karena itu, COVID-19 berkorelasi dengan tingkat polusi. Studi ini diharapkan dapat memberikan strategi yang berguna dalam meningkatkan sistem surveilans penyakit menular dan intervensi pengendalian di setiap daerah yang terkena dampak untuk tujuan masa depan. GIS digunakan untuk memetakan kejadian penyakit terhadap beberapa parameter, termasuk demografi, lingkungan, geografi, dan kejadian masa lalu, untuk mengetahui kejadian wabah, penyebaran penyakit, dan supporting implementasi untuk control, penvegahan dan pengukuran surveilans.
Ada beberapa peringatan dan keterbatasan yang melekat dalam penelitian ini. Pertama, Sentinel-5P memiliki resolusi geografis yang rendah dibandingkan dengan wilayah pedesaan, sehingga menuntut penggunaan fotografi satelit resolusi menengah. Sentinel-5, di sisi lain, memiliki misi dan sensor unik untuk memantau troposfer dalam skala kota, memungkinkan peneliti untuk mengumpulkan data tentang O3, CO, SO2, dan NO2. Karena sifat penyakit yang sangat dinamis, seperti varian delta yang sangat menular, maka perlu ditambahkan analisis tingkat vaksinasi di setiap wilayah untuk mengurangi jumlah sebaran dan kasus positif. Untuk penelitian selanjutnya, penambahan variabel vaksinasi untuk setiap wilayah dapat ditambahkan untuk melihat tingkat infeksi dan penyebaran COVID 19.
Penulis: Dr. Christrijogo Soemartono W, dr., SpAn., KAR., KIC
Informasi detail dari riset ini dapat dilihat pada tulisan kami di:
https://www.mdpi.com/1660-4601/19/3/1614
Cahyadi MN, Handayani HH, Warmadewanthi IDAA, Rokhmana CA, Sulistiawan SS, Waloedjo CS, et al. Spatiotemporal Analysis for COVID-19 Delta Variant Using GIS-Based Air Parameter and Spatial Modeling. Int J Environ Res Public Health [Internet]. 2022;19(3):1–21. Available from: https://www.mdpi.com/1660-4601/19/3/1614
