Analisis Spasial Intensitas Kasus Hipertensi untuk Identifikasi Wilayah Prioritas Intervensi Kesehatan di Kabupaten Probolinggo Berbasis QGIS

Authors

  • Dian Kartika Sari Politeknik Negeri Jember image/svg+xml
  • Iwan Abdi Suandana Politeknik Negeri Jember
  • Malinda Capri Nurul Satya Politeknik Negeri Jember
  • Mochammad Choirur Roziqin Politeknik Negeri Jember

DOI:

https://doi.org/10.37385/ceej.v7i2.11735

Keywords:

Hipertensi, Analisis Spasial, Intensitas Kasus, SIG, QGIS

Abstract

Hipertensi merupakan salah satu penyakit tidak menular yang masih menjadi masalah kesehatan masyarakat karena prevalensinya terus meningkat. Hipertensi didefinisikan sebagai kondisi tekanan darah ≥140/90 mmHg yang dapat meningkatkan risiko penyakit jantung, stroke, dan gangguan ginjal. Distribusi kasus hipertensi yang tidak merata antarwilayah menuntut adanya pendekatan analisis spasial untuk mengidentifikasi wilayah dengan intensitas kasus tinggi sebagai dasar penentuan prioritas intervensi kesehatan. Penelitian ini bertujuan untuk menganalisis intensitas spasial kasus hipertensi dan mengidentifikasi wilayah prioritas intervensi kesehatan di Kabupaten Probolinggo berbasis aplikasi QGIS. Penelitian ini menggunakan desain kuantitatif deskriptif dengan pendekatan Sistem Informasi Geografis (SIG). Data penelitian berupa data sekunder jumlah kasus hipertensi per kecamatan tahun 2023 yang diperoleh dari Dinas Kesehatan Kabupaten Probolinggo serta data batas administrasi wilayah dalam format shapefile. Analisis dilakukan melalui tahapan data cleaning, join attribute, perhitungan Indeks Intensitas Kasus Hipertensi (IIKH) menggunakan normalisasi Min–Max, klasifikasi intensitas kasus dengan metode Natural Breaks (Jenks), dan visualisasi peta tematik. Hasil penelitian menunjukkan nilai Indeks Intensitas Kasus Hipertensi tertinggi terletak di Kecamatan Tongas (IIKH=1) dan Kecamatan Sukapura terendah (IIKH=0). Sebanyak 2 kecamatan termasuk kategori sangat tinggi, yaitu Tongas dan Leces, serta 3 kecamatan berada pada kategori tinggi, yaitu Gending, Sumberasih, dan Banyuanyar. Analisis spasial berbasis QGIS efektif untuk memetakan intensitas kasus hipertensi dan mendukung penentuan prioritas intervensi kesehatan berbasis wilayah secara objektif.

References

Cromley, E. K., & McLafferty, S. L. (2012). GIS and Public Health (2nd ed.). Guilford Press.

Dewati, C. A., Natavany, A. R., Putri, Z. M., Nurfaizi, A., Rumbrawer, S. O., & Sri Rejeki, D. S. (2023). Literature Review: Faktor Risiko Hipertensi di Indonesia. Jurnal Kesehatan Masyarakat, 11(3), 290–307. https://doi.org/10.14710/jkm.v11i3.34514

Imtinani, A. I., & Qurniyawati, E. (2024). Distribution of Hypertension Cases Based on Primary Health Care 2017–2021 in Malang, Indonesia: Spatial Analysis. Althea Medical Journal. https://doi.org/10.15850/amj.v11n3.3291

Kementerian Kesehatan Republik Indonesia. (2018). Laporan Nasional Riskesdas 2018.

Jenks, G. F. (1967). The Data Model Concept in Statistical Mapping. International Yearbook of Cartography.

Lenda, D. A. I., Weraman, P., Syamruth, Y. K., Adu, A. A., & Roga, A. U. (2025). Spatial Analysis of Determinants of Hypertension Incidence in Kota Lama Subdistrict, Kupang, Indonesia. Journal of Epidemiology and Public Health, 10(2), 204–216. https://doi.org/10.26911/jepublichealth.2025.10.02.07

Maulidah Ayyub, I., Aini Isnawati, I., Studi, P. S., & Fakultas Ilmu Kesehatan, K. (2025). Analisis Faktor Yang Mempengaruhi Kejadian Hipertensi Lansia Di Desa Karangbong Kecamatan Pajarakan Kabupaten Probolinggo. Jurnal Ilmu Kesehatan Mandira Cendekia, (4). https://journal-mandiracendikia.com/jikmc

World Health Organization. (2023). Hypertension. https://www.who.int/news-room/fact-sheets/detail/hypertension

Patro, S. G. K., & Sahu, K. K. (2015). Normalization: A Preprocessing Stage. International Advanced Research Journal in Science, Engineering and Technology. https://doi.org/10.17148/IARJSET.2015.2305

Dinas Kesehatan Kabupaten Probolinggo. (2023). Profil Kesehatan Kabupaten Probolinggo Tahun 2023.

Rey, S. J., Stephens, P., & Laura, J. (2017). An Evaluation of Sampling and Full Enumeration Strategies for Fisher–Jenks Classification in Big Data Settings. Transactions in GIS. https://doi.org/10.1111/tgis.12236

Tasya Amelia, M. (2025). Pengaruh Faktor Risiko Kejadian Hipertensi Pada Pra Lansia Di Wilayah Kerja Puskesmas Landasan Ulin Tahun 2023. Jurnal Ilmu Gizi Dan Kesehatan, 1(1). https://ojs.univsm.ac.id/index.php/nutri

Zhou, B., Carrillo-Larco, R. M., Danaei, G., Riley, L. M., Paciorek, C. J., Stevens, G. A., Gregg, E. W., Bennett, J. E., Solomon, B., Singleton, R. K., Sophiea, M. K., Iurilli, M. L. C., Lhoste, V. P. F., Cowan, M. J., Savin, S., Woodward, M., Balanova, Y., Cifkova, R., Damasceno, A., … Ezzati, M. (2021). Worldwide trends in hypertension prevalence and progress in treatment and control from 1990 to 2019: a pooled analysis of 1201 population-representative studies with 104 million participants. The Lancet, 398(10304), 957–980. https://doi.org/10.1016/S0140-6736(21)01330-1

Downloads

Published

2026-07-31

How to Cite

Analisis Spasial Intensitas Kasus Hipertensi untuk Identifikasi Wilayah Prioritas Intervensi Kesehatan di Kabupaten Probolinggo Berbasis QGIS. (2026). Community Engagement and Emergence Journal (CEEJ), 7(2), 1974-1983. https://doi.org/10.37385/ceej.v7i2.11735