Analisis Kesesuaian Jangkauan Puskesmas Terhadap Prediksi Perkembangan Permukiman Menggunakan Pemodelan Landuse/Landcover (LULC) Dan Network Analysis Di Kabupaten Blitar

Abstract

Kesehatan merupakan hak dasar setiap manusia yang harus dijamin ketersediaannya secara merata, termasuk melalui akses masyarakat terhadap fasilitas pelayanan kesehatan tingkat pertama, yaitu Pusat Kesehatan Masyarakat (Puskesmas). Standar Nasional Indonesia (SNI) 03-1733-2004 menetapkan jangkauan ideal pelayanan Puskesmas berada pada radius 3 km dari lokasi fasilitas. Namun, pertumbuhan penduduk dan alih fungsi lahan pertanian menjadi kawasan permukiman yang terus terjadi di Kabupaten Blitar berpotensi menciptakan wilayah permukiman baru yang berada di luar jangkauan pelayanan Puskesmas eksisting. Kondisi ini diperparah oleh tren peningkatan kasus penyakit tidak menular dan gangguan jiwa di wilayah tersebut, sementara distribusi fasilitas kesehatan primer belum sepenuhnya merata, terutama di kawasan peri-urban yang mengalami pertumbuhan permukiman paling pesat. Penelitian ini bertujuan untuk menganalisis keterjangkauan Puskesmas terhadap perkembangan permukiman eksisting, memprediksi arah perkembangan permukiman di masa mendatang, serta menilai kesesuaian jangkauan pelayanan Puskesmas terhadap prediksi tersebut di Kabupaten Blitar. Penelitian ini menggunakan pendekatan kuantitatif berbasis penginderaan jauh dan Sistem Informasi Geografis (SIG) dengan mengintegrasikan dua metode utama, yaitu pemodelan Land Use/Land Cover (LULC) dan Network Analysis. Klasifikasi tutupan lahan dilakukan terhadap citra satelit Landsat 8 tahun 2015, 2020, dan 2025 menggunakan metode Maximum Likelihood Classifier (MLC), sedangkan prediksi perkembangan permukiman hingga tahun 2055 dilakukan melalui pendekatan Cellular Automata–Artificial Neural Network (CA-ANN) menggunakan plugin MOLUSCE pada perangkat lunak QGIS. Sementara itu, penilaian keterjangkauan Puskesmas dilakukan melalui Network Analysis berbasis Service Area dengan mempertimbangkan jaringan jalan dan mengacu pada standar radius pelayanan 3 km sesuai SNI 03-1733-2004. Hasil penelitian menunjukkan bahwa keterjangkauan Puskesmas terhadap permukiman eksisting di Kabupaten Blitar masih belum optimal. Dari total luas permukiman eksisting sebesar 131.769,73 ha, hanya 19,17% (25.262,84 ha) yang berada pada zona ideal (<3 km), sedangkan 26,48% (34.887,84 ha) berada pada zona transisi (3–5 km) dan sisanya sebesar 54,35% (71.619,05 ha) masih berada pada zona belum terjangkau (>5 km). Hasil pemodelan LULC menunjukkan bahwa kawasan permukiman diproyeksikan tumbuh sebesar 0,52%, dari 26.686,71 ha pada tahun 2025 menjadi 26.825,4 ha pada tahun 2055, dengan pola pertumbuhan yang cenderung mengikuti koridor jaringan jalan utama dan terkonsentrasi di kawasan peri-urban seperti Kecamatan Kanigoro, Sanankulon, Nglegok, Ponggok, dan Srengat. Validasi model menghasilkan nilai Kappa sebesar 0,95 yang menunjukkan tingkat akurasi sangat tinggi. Analisis kesesuaian jangkauan Puskesmas terhadap prediksi permukiman tahun 2055 menunjukkan bahwa dari total 23.153,70 ha permukiman hasil prediksi, sebesar 33,28% (7.706,04 ha) berada pada Zona Ideal, 31,85% (7.373,45 ha) pada Zona Transisi, dan 34,87% (8.074,21 ha) pada Zona Jauh (>5 km). Kecamatan Kademangan, Panggungrejo, dan Binangun teridentifikasi sebagai wilayah dengan kesenjangan pelayanan terbesar. Berdasarkan temuan tersebut, penelitian ini merekomendasikan agar Pemerintah Kabupaten Blitar memprioritaskan pembangunan Puskesmas atau Puskesmas Pembantu baru di wilayah dengan proporsi Zona Jauh terbesar, menjadikan hasil prediksi perkembangan permukiman sebagai acuan dalam penyusunan Rencana Tata Ruang Wilayah (RTRW), meningkatkan konektivitas jaringan jalan menuju permukiman terisolir, serta mengoptimalkan program pelayanan kesehatan bergerak (mobile health service) di kawasan yang secara geografis sulit dijangkau. Dengan demikian, hasil penelitian ini diharapkan dapat menjadi dasar pertimbangan strategis bagi pemerintah daerah dalam merumuskan kebijakan pemerataan fasilitas kesehatan yang lebih antisipatif dan berbasis data spasial.