VISUALISASI PERSEBARAN ENDEMIK MALARIA DI KABUPATEN

MANOKWARI BERBASIS WEB GIS TAHUN 2018

(Studi Kasus: Kabupaten Manokwari, Papua Barat)

Silvester Sari Sai [1], Adkha Yuliananda[2], Jefry Sitindaon [3]
Jefrytindaon1@gmail.com
ABSTRACT
Manokwari District, located in West Papua Province, is a region with a
record number of 4.284 people suffering from malaria in 2018. The large amount
is due to the lack of public knowledge about the endemic distribution of malaria
and its relationship to the factors of temperature, humidity, rainfall and land use in
Manokwari District. However, in the era of technology there is now an information
system that can be applied to the health sector in particular. Geographic Information
System (GIS) has a function as an application that is able to provide information
related to the spread of disease and the number of sufferers in an area in the form
of digital mapping. With the application of the Geographic Information System
(GIS), the people of Manokwari District are able to access free information related
to the endemic distribution of malaria more quickly and efficiently.
The purpose of this research is to analyze, know and inform endemic
distribution of malaria in Manokwari District, using Geographic Information
Systems (GIS) starting with the stages of preparation, data collection, data editing,
topology, selection and grouping of data, development and manufacturing of data
bases, spatial data storage and attributes, data development, scoring, overlays,
analysis and validation, importing PostGis data and testing data to ensure the
success or failure of the program.
The results of the study are the mapping of distribution cases and potential
factors of malaria in Manokwari District, which are intended for the community
and work in the health sector.
Keywords: Malaria Endemic Distribution, Geographic Information Systems (GIS),
Digital Mapping

ABSTRAK

Kabupaten Manokwari yang terletak di Provinsi Papua Barat merupakan

wilayah dengan catatan jumlah penderita penyakit malaria 4.284 jiwa pada tahun
2018. Besarnya jumlah tersebut diakibatkan kurangnya pengetahuan masyarakat
tentang persebaran endemik penyakit malaria serta hubungannya dengan faktor
suhu, kelembaban, curah hujan dan penggunaan lahan di Kabupaten Manokwari.
Namun, pada era teknologi sekarang terdapat sistem informasi yang dapat
diterapkan pada bidang kesehatan khususnya. Sistem Informasi Geografis (SIG)
memiliki fungsi sebagai aplikasi yang mampu memberi informasi terkait
persebaran penyakit dan jumlah penderita pada suatu wilayah dalam bentuk
pemetaan digital. Dengan penerapan Sistem Informasi Geografis (SIG), masyarakat
Kabupaten Manokwari mampu mengakses informasi secara gratis terkait
persebaran endemik penyakit malaria secara lebih cepat dan efisien.
Tujuan penelitan adalah menganalisis, mengetahui dan menginformasikan
persebaran endemik penyakit malaria di Kabupaten Manokwari menggunakan
Sistem Informasi Geografis (GIS), dimulai dengan tahapan persiapan,
pengumpulan data, editing data, topologi, pemilihan dan pengelompokan data,
pengembangan dan pembuatan basis data, penyimpanan data spasial dan atribut,
pembangunan data, skoring, overlay, analisis dan validasi, import data PostGis serta
uji coba data untuk memastikan berhasil atau gagalnya program.
Hasil penelitian adalah pemetaan kasus persebaran dan faktor potensial
penyakit malaria di Kabupaten Manokwari yang peruntukan informasinya bagi
masyarakat dan pekerjaan di bidang kesehatan.
Kata Kunci : Persebaran Endemik Malaria, Sistem Informasi Geografis (SIG),
Pemetaan Digital
PENDAHULUAN adalah data hardware, software,
metode, pengguna (Prahasta, 2007).
Penyakit malaria tergolong Dengan menggunakan jaringan
suatu penyakit lama, dan masih internet masyarakat di Kabupaten
menjadi masalah kesehatan yang
Manokwari mampu mengakses gratis
besar bagi penduduk di sebagian
besar wilayah Negara tropis data persebaran endemik penyakit
termaksud Indonesia. Penyakit malaria secara lebih cepat, mudah,
malaria merupakan masalah efisien, serta masyarakat dapat
kesehatan masyarakat yang mengetahui lokasi-lokasi persebaran
berbahaya, hampir di semua wilayah endemik malaria di Kabuapaten
luar Pulau Jawa dan Bali (sutrisna, Manokwari.
2004). Dampak penyakit malaria Tujuan dari penelitian skripsi ini
ialah dapat menimbulkan gangguan adalah untuk menganalisis serta
kesehatan, menurunkan produktifitas mengetahui dan menginformasikan
kerja dan bahkan dapat persebaran endemik penyakit malaria
mengakibatkan kematian. Di di Kabupaten Manokwari dengan
Indonesia penyakit malaria tersebar di menggunakan Sistem Informasi
seluruh pulau dengan derajat endemik Geografis (SIG).
yang bervariasi. Berdasarkan daerah Berdasarkan latar belakang diatas,
dengan kasus malaria klinis tinggi landasan teori, dan juga kebutuhan
masih dilaporkan dari kawasan timur akan adanya Sistem Informasi
Indonesia antara lain: Papua, Papua Geografis berbasis web yang mudah
barat, Nusa Tengara Timur, Maluku di akses oleh semua kalangan yang
Utara, dan Sulawesi Tenggara. membutuhkan, maka permasalahan
Sistem informasi geografis tentang persebaran endemik penyakit
(SIG) adalah sistem informasi untuk malaria di Kabupaten Manokwari
mengoleksi, menyimpan, sebagai berikut:
menganalisis, dan menampilkan data 1. Bagaimana cara agar
geografis (Chang, 2006). SIG mengetahui persebaran
diciptakan untuk mengumpulkan, penyakit malaria di kabupaten
menyimpan, dan menganalisis objek manokwari menggunakan
atau fenomena dimana lokasi Perhitungan Annual Parasite
geografis menjadi karakteristik incidence (API)?
penting untuk analisis. SIG di 2. Bagaimana cara memprediksi
terapakan dalam berbagai bidang, atau menganalisa daerah
seperti bidang kesehatan misalnya rawan penyakit malaria
aplikasi SIG yang dapat menyediakan dengan penggunaan lahan,
data atribut dan data spasial yang suhu, curah hujan, ketinggian
menggambarkan persebaran suatu dan kelembahan?
penyakit didaerah pada peta tersebut,
dan serta dapat menyimpan METODE PENELITIAN
informasi-informasi (nama jalan, Indikator sistem surveilens
nama daerah, jumlah penduduk, ditentukan oleh API rate, AMI rate,
jumlah penderita) didalamnya. ABER dan SPR. Annual Parasite
Komponen-komponen yang Incidence Rate (API rate) dan
menyusun sebuah SIG antara lain Annual Malaria Incidence Rate (AMI
rate) merupakan indikator utama Biasanya menjadi laporan tahunan
dalam sistem surveilens. API dan dan terhitung per 1000 penduduk.
AMI merupakan indikator yang Targetnya atau indikasi baik jika di
digunakan untuk mengetahui tingkat bawah 170 orang per 1000 penduduk.
epidemis malaria suatu wilayah. Stratifikasi Peraturan Dasar endemik
Penggunakan API dan AMI tersebut Malaria disuatu daerah menggunakan
secara nasional ditetapkan masing- indikator metode AMI dan API
masing untuk pulau Jawa- Bali dan (Sumber : Ditjen PP & PL RI,2009) :
pulau-pulau di luar Jawa-Bali. Upaya
penanggulangan penyakit malaria di AMI
Indonesia sejak tahun 2007 dapat  High inciden Area (HIA)
dipantau dengan menggunakan : AMI ≥50 ‰
indikator Annual Parasite Incidence  Medium Incidence Area
(API). Hal ini sehubungan dengan (MIA) : AMI 25-50 ‰
kebijakan Kementerian Kesehatan  Low Incidence Area (LIA)
Tahun 2009 mengenai penggunaan : AMI <25 ‰
satu indikator untuk mengukur angka API
kejadian malaria, yaitu dengan API.  High Case Incidence (HCI)
Rumus untuk menghitung parameter : API >5 ‰
yang biasa digunakan pada
 Moderate Case Incidence
pengamatan rutin malaria dalam
(MCI) : API 1-5 ‰
persebaran di suatu wilayah:
 Low Case Incidence (LCI)
API (Annual Parasite Incidence) : API< 1 ‰
1000 ‰ Hubungan Antara Cuaca Dan
....(2.1) Topografi Terhadap Vektor Malaria
Positif malaria: dinyatakan positif Suhu merupakan karakteristik tempat
malaria (ditemukan parasit perindukan yang mempengaruhi
plasmodium) dari pemeriksaan darah metabolisme, perkembangan,
lewat mikroskop. pertumbuhan, adaptasi dan sebaran
geografik larva nyamuk. Peningkatan
Biasanya menjadi laporan tahunan suhu 1°C dapat meningkatkan
dan terhitung per 1000 penduduk. kecepatan angka metabolisme dengan
Targetnya atau indikasi baik jika di rata-rata konsumsi O2 dan CO2
bawah 50 orang per 1000 orang sebesar 10%. Pengaruh peningkatan
penduduk. suhu. juga mempengaruhi proses
AMI (Annual Malaria Incidence) = biologis nyamuk seperti kegiatan
gerakan bernafas, detak jantung,
1000 ‰
ritme sirkulasi darah dan kegiatan
...(2.2) enzim. (Ward, 1992 dalam Saleh,
2002). Pada suhu diatas 32°C -35°C,
Malaria klinis: penderita dengan
metabolisme serangga akan
gejala klasik malaria (demam secara
terganggu menuju proses fisiologi.
berkala, menggigil, berkeringat dan
Suhu udara rata-rata yang optimum
sakit kepala) atau dengan kata lain
untuk perkembangan nyamuk adalah
penderita yang diduga malaria karena
25°C-27°C. Sedangkan
gejala-gejala tersebut dan tanpa
perkembangan nyamuk akan terhenti
pemeriksaan darah lewat mikroskop.
dibawah suhu 10°C dan diatas suhu menggunakan pipa-pipa udara yang
40°C (Sukowati, 2004). (Macan, disebut trachea dengan lubang-lubang
1963) dalam (Saleh, 2002), dinding yang disebut spiracle. Pada
menemukan suhu air 18°C waktu kelembaban rendah, spiracle
merupakan suhu yang paling rendah terbuka lebar tanpa ada mekanisme
dibutuhkan larva nyamuk di daerah pengaturnya sehingga menyebabkan
tropis, sedangkan suhu 36°C selama 2 penguapan air dari dalam tubuh
bulan berturut turut dapat mematikan nyamuk (Suroso, 2001). Penambahan
semua larva nyamuk. Pengaruh suhu kelembaban udara di laboratoruim
udara terhadap perkembangan menunjukkan adanya pengaruh yang
nyamuk secara terperinci dapat dilihat signifikan terhadap populasi nyamuk,
dari tabel 2.1: Pengaruh Suhu Udara tetapi kondisi tersebut tidak signifikan
Rata-Rata Terhadap Siklus Nyamuk di alam (Saleh, 2002). Kisaran
Anopheles sp. dan Siklus Sporogoni kelembaban udara dipengaruhi oleh
Parasit Plasmodium sp. serta suhu udara. Namun jelas bagi
Pengaruhnya Terhadap Jumlah serangga, kelembaban udara yang
Luasan Perindukan Menjadi Kejadian optimum untuk perkembangan
Kasus Malaria (Sumber: Teklehaimot adalah 73% - 100% (Sunjaya, 1970,
et al., 2004). Andrewartha&Birch1974 dalam
Tabel 2.2 Pembagian Klasifikasi Koesmaryono, 1999).
Suhu (Sukowati, 2004).
Klasifikasi Unsur Curah hujan
klasifikasi unsur Suhu (˚C) (per-Tahun)
100-200 mm/tahun
18˚C - 22˚C
200-300 mm/tahun
23°C -24°C
>300 mm/tahun
25˚C - 32˚C

Curah Hujan Frekuensi curah hujan Penggunaan lahan berkaitan dengan

yang moderat dengan penyinaran habitat yang paling cocok untuk
yang relatif panjang menambah nyamuk Anopheles spp.
habitat nyamuk. Luasan habitat melangsungkan hidup dan
nyamuk tiap species Anopheles berkembang biak. Pada siklus telur
bervariasi. Hal tersebut dipengaruhi dan larva, nyamuk memilih daerah
oleh jumlah dan frekuensi hari hujan, yang memiliki genangan air dengan
keadaan geografi, dan sifat fisik kondisi air yang cukup jernih atau
lahan. Curah hujan yang terus pada air mengalir yang memiliki
berkurang pada lahan pertanian aliran yang cukup tenang.
akan menciptakan kondisi lagoon Berbeda dengan kondisi
dan tambak menjadi payau sehingga lingkungan yang dibutuhkan untuk
menciptakan habitat bagi Anopheles tempat tinggal nyamuk dewasa.
sundaicus (Sukowati, 2004). Nyamuk dewasa lebih menyukai
Kelembaban udara dapat tempat lembab dengan penyinaran
mempengaruhi longevity (umur) yang tidak terlalu banyak. Oleh
nyamuk. Sistem pernafasan nyamuk sebab pada area yang digunakan
sebagai hutan, ladang, kebun, rawa,
semak atau belukar, tambak, lahan Alat Penelitian
pertanian terutama pertanian lahan
basah dan lain-lain memiliki potensi Adapun alat dan bahan yang
yang lebih tinggi. dibutuhkan dalam proses penelitian
ini baik itu perangkat lunak
Klasifikasi terhadap Kelembaban (%) (Software) maupun perangkat
keras (hardware) antara lain:
70% - 75% 1.Perangkat Keras (Hardware)
Hardware yang digunakan dalam
75% - 80% pembuatan program ini adalah
Notebook TOSHIBA Satellite L645
80% – 85% dengan spesifikasi :
a) Laptop Core i5 , 2.40 GHz
Ketinggianlokasi. Persebaran kasus series A455L
Malaria sangat dipengaruhi oleh b) LCD 14.0”
faktor-faktor iklim seperti suhu, c) Printer
kelembaban, dan hujan (CDC, 2.Perangkat Lunak (Software)
2004). Seperti kita ketahui, tiap Software yang diperlukan dalam
kenaikan ketinggian 100 meter maka pembuatan program yaitu:
selisih suhu udara dengan tempat a) Microsoft Office 20013 ( Ms.
semula adalah 0,6°C. Bila perbedaan Word & Ms. Excel 20013 ).
tempat cukup tinggi, maka b) ArcGis 10.4.1 digunakan
perbedaan suhu udara juga cukup untuk proses editing peta
banyak dan akan mempengaruhi serta penggabungan data
faktor-faktor yang lain seperti spasial dan data Atribut.
penyebaran nyamuk, siklus c) OpenGeo Suite dan
pertumbuhan parasit di dalam tubuh Geoexplorer.
nyamuk dan musim penularan
(Depkes,2004). Secara umum Diagram Alir Penelitian
Malaria berkurang pada ketinggian Dalam proses penelitian
yang semakin bertambah. Pada haruslah dibuat suatu kerjangka kerja
ketinggian di atas 1.000 m jarang penelitian yang sistematis agar mudah
ada transmisi Malaria (Gunawan dipahami dan mempermudah dalam
dalam Harijanto, 2000). Ini berarti penelitian adapun langkah atau
bahwa semakin rendah lokasi, diagram alir penelitian yang akan
semakin banyak kasus Malaria. dilakuakan sebagai berikut:
Klasifikasi pengaruh Ketinggian
terhadap perkembangan malaria
(Sumber: BAPPEDA Kabupaten
Manokwari 2019)
Klasifikasi Unsur ketinggian (m dpl)
0-400 m
400-1000 m
 Mulai

Persiapan

Pengumpulan Data Spasial Dan Data Atribut

Data Spasial : Data Atribut :

 Data Admistrasi Kabupaten Manokwari
 Peta Admistrasi  Data Curah Hujan
 Data Kelembaban
Kabupaten Manokwari  Data Suhu
 Data Penggunaan Lahan
 Data Penyakit Malaria Tahun 2018

NO
Proses Editing Data Pemilihan Dan Pengelompokan Data

YES
Editing
Penyusunan Data Base
NO
NO
Membangun Topologi

YES
Data Base
Topologi

YES YES

Penyimpanan Data Spasial Penyimpanan Data Atribut

A
 A Berikut ini adalah tahap prosesnya
:Proses overlay ini dilakukan antara
data spasial peta ketinggian dengan
informasi suhu.
Join Data Spasial Dan
1) Peta hasil overlay dari peta
Data Atribut
ketinggian dan peta suhu
kemudian di overlay dengan peta
curah hujan sehingga
Proses Pembuatan Scoring menghasilkan peta ketinggian dan
peta suhu dengan informasi curah
Dan Overlay Di Argis 10.4 hujan.
2) Selanjutnya hasil overlay dari
peta ketinggian, peta suhu, peta
curah hujan kemudian di overlay
dengan data peta kelembaban
Hasil Perhitungan Annual Parasite Incidence
udara , sehingga menghasilkan
Dan Analisis Faktor Lingkungan peta ketinggian, peta suhu, peta
curah hujan dengan informasi
kelembaban.
3) Kemudian hasil dari overlay dari
Peta Persebaran Malaria Dari Perhitungan Annual Parasite peta ketinggian, peta suhu, peta
Incidence Dan Analisis Faktor Lingkunganfile Shp curah hujan, peta kelembaban
udara selanjutnya di overlay
dengan peta penggunaan lahan,
sehingga menghasilkan peta
Import Data Hasil Perhitungan Annual Parasite Include ketinggian, peta suhu, peta curah
hujan, peta kelembaban udara
Dan Hasil Analisis Faktor Lingkungan Rawan Malaria dengan informasi penggunaan
Kabupaten Manokwari Ke Qgis lahan.
4) Akhir dari hasil overlay semua
akan di overlay dengan peta batas
administrasi, sehingga
Upload Atau Export Data Ke menghasilkan peta persebaran
rawan malaria di Kabupaten
Artisteer Dan Visualisasikan Manokwari.

Hasil Analisis Menggunakan

Perhitungan Annual Parasite
Incide (API)
Uji Coba Di Localhost Dan Upload Data Ke
Web Site Yang Sudah Di Desain Lalu masukkan analisis / tingkat
kerawanan malaria yaitu Tidak
Rawan, Rawan dan Sangat Rawan.
Annual Parasite Inclide =
Selesai 1000 ‰
 Proses Export ke Web Map Hasil
Persebaran
Untuk memasukkan tingkat
Proses Export dilakukan
kerawanan malaria, klik kanan pada
dengan langkah sebagai berikut :
field kerawanan malaria pilih field
calculator kemudian masukkan 1. Aktifkan QGIS dari jendela
analisa kerawanan malarianya dengan project
diawali dan diakhiri dengan tanda 2. Klik peta yang sudah di buat
petik misalnya “Tidak rawan” lalu dari Argis 10.4.1
klik Ok. Setelah itu semua diisi 3. Klik Hasil Peta persebaran
kemudian klik Editing pilih Stop yang sudah di olah
Editing 4. Export Peta persebaran yang
berada di QGIS
Peraturan Dasar endemik Malaria
5. Peta sudah siap di
disuatu daerah menggunakan
Visualisasikan dan siap di
Publikasikan di Internet

indikator metode API (Sumber :

Ditjen PP & PL RI,2009) :
API
 High Case Incidence (HCI)
: API >5 ‰
 Moderate Case Incidence (MCI)
: API 1-5 ‰
 Low Case Incidence (LCI)
Lalu masukkan analisis /
: API< 1 ‰
tingkat kerawanan malaria yaitu
Tidak Rawan,
Proses Visualisasikan Peta Persebaran Rawan dan Sangat Rawan. Dapat
dilihat pada tabel dibawah ini.
Malaria Di QGIS ! "
Untuk penyajian hasil peta
Jumlah skor tertinggi − jumlah skor terendah
yang akan di QGIS harus disiapkan =
678 ℎ : "
dengan baik dalam sebuah view yang ∑t = jumlah skor tertinggi
akan memberikan satu buah tampilan
∑r = jumlah skor terendah
pada layout peta, berikut ini adalah
n = jumlah kelas
hasil di QGIS :
EF,HIEJ,H
;<=>?@AB C>BAD =
K

=2,66
Kelas Total Skor Tingkat/Interval Kesimpulan
Kerawanan
I 20,50 – 22,00 Tidak Rawan Dari penelitian ini dapat
disimpulkan bahwa Sistem Informasi
II 22,01 – 25,50 Rawa Geografis (SIG) memiliki
n kemampuan yang sangat cocok dan
III 25,51 – 28,50 Sangat Rawan mudah dalam pengendalian dan
survailans penyakit-penyakit
menular, terlebih lagi terhadap
penyakit-penyakit yang erat berkaitan
dengan lingkungan maupun faktor
yang sering kali ditemukan pada
wilayah-wilayah yang memiliki
karakteristik tertentu. Berikut
beberapa kesimpulan yang dapat di
ambil dari penelitian ini adalah :
1. Tingkat Persebaran penyakit
malaria dapat dilihat dengan
perhitungan indikator Annual
Parasite Include (API) di
Kabupaten Manokwari tahun
Hasil Kelas Kerawanan Malaria
2018 yang didapat dari indikator
Hasil Import Peta ke Internet tersebut digolongkan menjadi
Dari proses semua yang telah daerah yang Sangat Rawan
dilakukan akan berakhir pada tahap (Warna Merah).
visualisasi peta ke internet yang akan 2. Penggunhan lahan, curah hujan,
di akses oleh semua kalangan yang suhu, kelembaban, ketinggian
memerlukan informasi pesebaran menjadi parameter penting dalam
endemik malaria di Kabupaten mempengaruhi lingkungan untuk
Manokwari dengan mengunjungi berpotensi sebagai tempat
alamat perkembangbiakan vektor
“https://petamalariamkw.online” malaria. Suhu udara menjadi
dengan gratis. parameter yang kurang berperan
karena temporalnya yang sangat
pendek dan cepat mengalami
perubahan menjadi kurang sesuai
bila disandingkan dengan
parameter yang temporalnya jauh
lebih lama.
Saran
1. Untuk penelitian selanjutnya
sebaiknya menggunakan data
kasus Malaria per 5 tahun
sehingga bisa di buat grafik
tingkat persebaran Malaria dari
Dinas Kesehatan.
Untuk penelitian selanjutnya supaya Prahasta, E., 2001, Konsep-
membuat parameter lebih banyak konsep Dasar Sistem Informasi
sehinga bisa menjadi Analisa yang Geografis, CV.Informatika,
akurat. Bandung.
Saleh, DS. 2002. Studi Habitat
DAFTAR PUSTAKA Anopheles nigerrimus gilles 1900
Anonim. 2005, Badan Koordinasi dan Epidiomologi Malaria di
Survei dan Pemetaan Nasional Desa Lengkong, Kabupaten
(Bakosurtanal). Sukabumi. Tesis. Program
Chang, K. T., 2006, Introduction Pascasarjana.
to Geographic Information Systems Steve, P. 1994. Interactive
3rd ed., McGraw-Hill, New York information services using World
Depkes.Pedoman Ekologi dan Wide Web HyperText.
Aspek Perilaku Vektor. Ditjen Switzerland.
PPM-PL Departemen Sukowati, S. 2004. Hubungan
Kesehatan RI. Jakarta. 2004. Iklim/Cuaca Dengan Penyakit
Depkes RI,. 2009. Pedoman Menular Vektor (DBD dan
Penatalaksanaan Kasus Malaria di Malaria). Seminar Sosialisasi
Indonesia. Departemen Hasil Penelitian dampak
Kesehatan, Direktorat Jenderal Perubahan Iklim terhadap
P2PL. Kesehatan.
Fonseca dan Davis. 1999. Using DEPKES. JakartaSunjaya.
the Internet to Access Geographic Sutrisna, P., 2004, Malaria secara
Information: An Open Gis Ringkas dari Pengetahuan Dasar
Prototype sampai Terapan, Buku
Miller, M. J., J. V. Neel & F. B. Kedokteran, Jakarta.
Livingstone. 1956. Distribution of
parasites in the cells of sickle-
cell trait carriers infected with P.
fakiparum. Trans. Roy. SOC.
Trop. Med. Hyg. 60: 294.
Munif, A. 1990. Investasi
Cendawan pada Larva dan Pupa
Nyamuk Anopheles dan Culex di
Tiga Kondisi Perairan Berbeda dan
Kemungkinan Penggunaannya
untuk Pengendalian Hayati. Fakultas
Pascasarjana, Institut Pertanian
Bogor.
Painho, M. 2001. WebGIS as a
Teaching Tool. San Diego.
California.
Prahasta, E. Konsep-konsep
Sistem Informasi Geografis,
Bandung. 2009.
Prahasta, E. Sistem Informasi
Geografis: ArcView Lanjut.
Informatika. Bandung.2003.