Analisa Data Science Gelombang Ketiga COVID-19: Fiksi atau Realitas?

ADVERTISEMENT

Kolom Telematika

Analisa Data Science Gelombang Ketiga COVID-19: Fiksi atau Realitas?

Dimitri Mahayana - detikInet
Senin, 15 Nov 2021 12:57 WIB
Corona Viruses against Dark Background
Analisa Data Science Gelombang Ketiga Pandemi COVID-19: Fiksi atau Realitas? (Foto: Getty Images/loops7)
Jakarta -

Setelah lebih dari 20 bulan menjalani pandemi, total kasus COVID-19 di Indonesia sudah mencapai lebih 4,2 juta kasus dengan kasus aktif 10.825 kasus (Sumber: kawalCOVID19.id). Dengan semakin bertambahnya jumlah masyarakat divaksinasi dan usaha pemerintah mengurangi penyebaran COVID-19, penurunan kasus baru sangat efektif (444 kasus baru per 7 November 2021) sekalipun penyebaran COVID-19 belum dapat dinyatakan selesai.

Indonesia bukanlah negara pertama yang mencoba memulihkan dampak COVID-19 dengan memakai slogan New Normal. Misalnya Singapura, pada pertengahan tahun 2021, sudah mengumumkan hidup berdampingan dengan COVID-19 antara lain dengan mengambil langkah pelonggaran virus Corona secara bertahap. Kebijakan-kebijakan tersebut awalnya dipandang optimistis dilakukan karena melihat penambahan kasus baru di Singapura dari September 2020 sampai Mei 2021 yang dapat dikatakan sangat sedikit sekali yaitu maksimum hanya puluhan penambahan kasus baru tiap hari. Tetapi pada Juni 2021, pemerintah memikirkan kembali relaksasi kebijakan yang dilakukan karena ledakan kasus COVID-19 yang terjadi tiba-tiba.

Mengutip CNN pada 9 Oktober 2021, pusat pencegahan penyakit di Amerika Serikat, CDC, memasukkan Singapura ke kategori level 4 yang merupakan negara dengan paling tidak 500 kasus per 100.000 penduduk. Hal ini tentu menimbulkan masalah-masalah baru yang lebih krisis dari sebelumnya, seperti fasilitas-fasilitas kesehatan yang tidak lagi mampu menangani kasus COVID-19 dan bahkan semakin tingginya tingkat pengunduran diri tenaga kesehatan.

Belajar dari Singapura, relaksasi kebijakan Corona virus untuk mendukung pemulihan pascapandemi, bukanlah berarti kewaspadaan masyarakat maupun pemerintah otomatis diturunkan. Malah seharusnya kewaspadaan pemerintah dan masyarakat semakin meningkat untuk mendukung diimplementasikannya pelonggaran pembatasan yang terjadi saat ini. Untuk kasus di Indonesia sendiri, hal ini tentu sangat diperlukan guna menghindari terjadinya wave ketiga setelah puncak kedua yang terjadi pasca lebaran 2021.

Salah satu usaha meningkatkan kewaspadaan penyebaran COVID-19 yaitu dengan memodelkan dan mensimulasikan skenario-skenario yang mungkin terjadi dari setiap kebijakan yang ingin diimplementasikan. Prediksi kemungkinan-kemungkinan yang terjadi ke depannya ini diharapkan dapat mencegah skenario buruk yang mungkin terjadi.

Salah satu pendekatannya yaitu memodelkan proses transmisi virus Corona di populasi. Model ini dilakukan dengan membagi masing-masing individu dalam suatu populasi dalam kategori-kategori tertentu, misalnya kelompok rentan-terinfeksi-sembuh-vaksin atau yang lebih sering disebut dengan SIRV model. Model ini merupakan pengembangan model Kermack-McKendrick dan telah banyak digunakan memodelkan transmisi penyakit yang disebabkan virus.

Permodelan SIRV

Melalui tulisan ini, dari pemodelan dan simulasi COVID-19 dengan menggunakan model SIRV akan ditampilkan dan dijelaskan untuk melihat kemungkinan gambaran penyebaran COVID-19 ke depannya di Indonesia. Pada penelitian ini, software yang digunakan melakukan pengolahan data dan simulasi yaitu MATLAB R2020. Karena model yang digunakan melibatkan faktor vaksinasi, data vaksinasi Indonesia akan digunakan untuk menggambarkan kelompok vaksinasi dari model. Untuk data historikal yang digunakan dalam penelitian ini adalah kasus penyebaran COVID19 untuk puncak kedua yaitu data dari 16 Mei 2021 sampai 04 Oktober 2021.

Grafik garis-garis putus berwarna merah dengan marker lingkaran pada Gambar 1 di bawah menunjukkan kasus penambahan COVID-19 dari tanggal 16 Mei 2021 sampai dengan 04 Oktober yang terjadi di Indonesia secara keseluruhan. Pertama-pertama, model akan dimanfaatkan untuk menggambarkan dinamika penyebaran COVID-19 yang terjadi di Indonesia untuk memvalidasi bahwa model SIRV dapat digunakan untuk menggambarkan kasus penyebaran COVID-19. Data prediksi dari model ditunjukkan garis hitam pada gambar di bawah. Dari hasil prediksi yang ditunjukkan gambar, diperoleh rata-rata perbedaan data asli dengan data prediksi yaitu 1,16% dengan rata-rata bilangan reproduksi dasar dari kasus COVID-19 yaitu 1,1132 pada periode waktu tersebut.

Analisa Dimitri Mahayana Soal COVID-19Gambar 1 (dok Dimitri Mahayana)

Melihat baiknya model SIRV ini dalam mengambarkan dinamika penyebaran COVID-19, maka langkah selanjutnya melakukan simulasi data yang diperoleh melalui pemodelan SIRV dengan melihat berbagai kasus-kasus yang mungkin terjadi.

Halaman selanjutnya: Vaksinasi dan laju kesembuhan >>>

ADVERTISEMENT

ADVERTISEMENT

ADVERTISEMENT

ADVERTISEMENT