Abstract
Demam berdarah dengue (DBD) masih menjadi masalah utama kesehatan masyarakat di Sulawesi Selatan, dengan pola penularan yang bervariasi secara spasial maupun temporal. Pada tahun 2024, provinsi ini mencatat insidens DBD sebesar 66,04 per 100.000 penduduk, di mana hanya 12,5% kabupaten/kota yang mencapai target nasional (≤10 per 100.000). Belum diketahui pola spasial yang membentuk klaster yang persisten atau berubah antar waktu, sehingga dilakukan penelitian ini untuk menganalisis pola spasiotemporal serta persistensi klaster spasial kejadian DBD di Sulawesi Selatan. Penelitian ini merupakan studi ekologi dengan pendekatan repeated cross-sectional menggunakan data surveilans DBD tingkat kabupaten/kota periode 2021–2024 yang mencakup 24 kabupaten/kota. Analisis meliputi perhitungan incidence rate per 100.000 penduduk serta analisis spasial menggunakan Global Moran's I dan Local Indicators of Spatial Association dengan matriks bobot K-Nearest Neighbor (K=4), diuji dengan 999 permutasi pada α=0,05. Hasil menunjukkan bahwa insidens DBD berfluktuasi dan meningkat pada tahun 2024. Nilai Global Moran's I mendekati nol dan tidak signifikan secara statistik di semua tahun, menunjukkan tidak adanya autokorelasi spasial global. Analisis lokal mengidentifikasi klaster Low-Low dan outlier spasial dalam jumlah terbatas yang berubah setiap tahun (79–92% wilayah tidak signifikan) dan tidak ditemukan hotspot High-High yang persisten. Disimpulkan bahwa pola spasial DBD di Sulawesi Selatan tidak membentuk klaster yang persisten pada tingkat kabupaten/kota selama periode 2021–2024. Hal ini mengindikasikan dinamika spasial DBD perlu dipantau secara berkala melalui surveilans spasial untuk mendeteksi perubahan pola penularan dari waktu ke waktu.
References
1. Rahmawati Y, Jamil IR, Hidayah I. A Spatial Analysis on Heterogenous Determinant of Dengue Fever Cases in Indonesia. Journal of Geovisualization and Spatial Analysis. 2025;9:10. doi:10.1007/s41651-024-00212-1
2. Kaligis EC, Ratag BT, Langi FFL. Analysis of Dengue Hemorrhagic Fever Surveillance Data (2012-2021) in Indonesia. Indonesian Journal of Public Health and Preventive Medicine. 2023;2(1).
3. Rakhmatsani L, Susanna D. Studi Ekologi Hubungan Iklim Terhadap Kejadian Demam Berdarah Dengue (DBD) di Kabupaten Bogor Tahun 2013-2022. Jurnal Kesehatan Lingkungan Indonesia. 2024;23(2):207–14. doi:10.14710/jkli.23.2.207-214
4. Enduri MK, Jolad S. Dynamics of dengue disease with human and vector mobility. Spat Spatiotemporal Epidemiol. 2018;25:57–66. doi:10.1016/j.sste.2018.03.001
5. Harish V, Colón-González FJ, Moreira FRR, Gibb R, Kraemer MUG, Davis M, et al. Human movement and environmental barriers shape the emergence of dengue. Nat Commun. 2024;15:4205. doi:10.1038/s41467-024-48465-0
6. Badan Pusat Statistik. Profil Statistik Kesehatan 2025. Jakarta: Badan Pusat Statistik ; 2025.
7. Roswati, Arsin A, Zulkifli A, Ansariadi, Amqam H, Khuzaimah A. Spatial analysis and correlation study of dengue hemorrhagic fever in Palopo city, Indonesia. Gac Med Caracas. 2024;132(2):420–7. doi:10.47307/GMC.2024.132.2.13
8. Zhang WX, Zhao TY, Wang CC, He Y, Lu HZ, Zhang HT, et al. Assessing the global dengue burden: Incidence, mortality, and disability trends over three decades. PLoS Negl Trop Dis. 2025;19(3):e0012932. doi:10.1371/journal.pntd.0012932
9. BPS Provinsi Sulawesi Selatan. Provinsi Sulawesi Selatan Dalam Angka 2022. Makassar: BPS Provinsi Sulawesi Selatan; 2022.
10. BPS Provinsi Sulawesi Selatan. Provinsi Sulawesi Selatan Dalam Angka 2023. Makassar: BPS Provinsi Sulawesi Selatan; 2023.
11. BPS Provinsi Sulawesi Selatan. Provinsi Sulawesi Selatan Dalam Angka 2024. Makassar: BPS Provinsi Sulawesi Selatan; 2024.
12. BPS Provinsi Sulawesi Selatan. Provinsi Sulawesi Selatan Dalam Angka 2025. Makassar: BPS Provinsi Sulawesi Selatan; 2025.
13. Moran PAP. A Test for the Serial Independence of Residuals. Biometrika. 1950;37(1/2):178–81. doi:10.2307/2332162
14. Anselin L. Local Indicators of Spatial Association—LISA. Geogr Anal. 1995;27(2):93–115. doi:10.1111/j.1538-4632.1995.tb00338.x
15. Bivand RS, Wong DWS. Comparing implementations of global and local indicators of spatial association. TEST. 2018;27(3):716–48. doi:10.1007/s11749-018-0599-x
16. Jenks GF, Caspall FC. Error On Choroplethic Maps: Definition, Measurement, Reduction. Annals of the Association of American Geographers. 1971;61(2):217–44. doi:10.1111/j.1467-8306.1971.tb00779.x
17. Cliff AD, Ord JK. 1973: Spatial autocorrelation. Prog Hum Geogr. 1995;19(2):245–9. doi:10.1177/030913259501900205
18. Tiefelsdorf M, editor. The exact distribution of Moran’s I. In: Modelling Spatial Processes. Berlin/Heidelberg: Springer-Verlag; 2006. p. 75–88. doi:10.1007/BFb0048761
19. Carrijo TB, da Silva AR. Modified Moran’s I for Small Samples. Geogr Anal. 2017;49(4):451–67. doi:10.1111/gean.12130
20. Hossain K, Chowdhury S, Shanta IS, Hossain MS, Ghosh PK, Alam MS. Spatio-temporal patterns of dengue in Bangladesh during 2019 to 2023: Implications for targeted control strategies. PLoS Negl Trop Dis. 2024;18(9):e0012503. doi:10.1371/journal.pntd.0012503
21. Trpis M, Hausermann W. Dispersal and other Population Parameters of Aedes aegypti in an African Village and their Possible Significance in Epidemiology of Vector-Borne Diseases. Am J Trop Med Hyg. 1986;35(6):1263–79. doi:10.4269/ajtmh.1986.35.1263
22. Moore TC, Brown HE. Estimating Aedes aegypti (Diptera: Culicidae) Flight Distance: Meta-Data Analysis. J Med Entomol. 2022;59(4):1164–70. doi:10.1093/jme/tjac070
23. Kementerian Kesehatan RI. Pedoman Pencegahan dan Pengendalian Demam Berdarah Dengue di Indonesia. Jakarta: Kementerian Kesehatan RI; 2017.
24. Yuningrum H, Daulay SA. Autokorelasi Spasial Kejadian Demam Berdarah Dengue (DBD) di Kecamatan Kandangan, Temanggung, Jawa Tengah. Jurnal Formil (Forum Ilmiah) Kesmas Respati. 2024;9(2):160–8. doi:10.35842/formil.v9i2.556
25. Pasaribu AP, Tsheten T, Yamin M, Maryani Y, Fahmi F, Clements ACA, et al. Spatio-Temporal Patterns of Dengue Incidence in Medan City, North Sumatera, Indonesia. Trop Med Infect Dis. 2021;6(1):30. doi:10.3390/tropicalmed6010030
26. Nurjana MA, Srikandi Y, Anastasia H, Veridiana NN, Kurniawan A, Nurul H, et al. Pola Spasial Temporal Kasus Demam Berdarah Dengue di Kota Palu Provinsi Sulawesi Tengah Tahun 2011-2016. Media Penelitian dan Pengembangan Kesehatan. 2022;32(2):123–32.
27. Syukri M, Wardiah R. Spatial Autocorrelation of Dengue Haemorrhagic Fever (DHF) Cases Using the Moran’s Index Method in Muaro Jambi District, Indonesia. Indonesian Journal of Global Health Research. 2023;5(2):361–72.
28. Norjanah N, Ridha MR. Spatial Autocorrelation of Dengue and Its Relationship with Population Density in South Kalimantan, Indonesia. Althea Medical Journal. 2024;11(2):113–9. doi:10.15850/amj.v11n2.3190
29. Espinosa M, Weinberg D, Rotela CH, Polop F, Abril M, Scavuzzo CM. Temporal Dynamics and Spatial Patterns of Aedes aegypti Breeding Sites, in the Context of a Dengue Control Program in Tartagal (Salta Province, Argentina). PLoS Negl Trop Dis. 2016;10(5):e0004621. doi:10.1371/journal.pntd.0004621
30. Modifiable Areal Unit Problem (MAUP). In: Encyclopedia of Geographic Information Science. Thousand Oaks : SAGE Publications, Inc.; 2008. doi:10.4135/9781412953962.n133
Recommended Citation
Salahuddin, Nurul Muthiah; Anggondowati, Trisari; and Nurhakiki, Syifa
(2026)
"Dinamika Spasial Dengue di Provinsi Sulawesi Selatan: Fragmentasi Spasial tanpa Hotspot Persisten,"
Jurnal Biostatistik, Kependudukan, dan Informatika Kesehatan: Vol. 6:
No.
2, Article 5.
DOI: 10.7454/bikfokes.v6i2.1177
Available at:
https://scholarhub.ui.ac.id/bikfokes/vol6/iss2/5
