Simulasi Matematis Covid-19: Linearisasi

Cara paling mudah simulasi dan menghitung adalah dengan model linear – garis lurus.

Saya membuat model hasil linearisasi kasus corona di Indonesia. Bagaimana pun hakikat pandemi oleh virus adalah tidak linear. Kita dapat menjadikan linear dengan cara memilih selang waktu yang terkecil yang memungkinkan.

Grafik di atas adalah hasil simulasi model matematis linear untuk kasus corona di Indonesia. Bila kita lihat dalam rentang waktu 1 tahun, sampai Agustus 2021 maka tampak grafik tidak linear – tetapi eksponensial.

Kasus total meledak pada Agustus 2021 menjadi lebih dari 150 juta orang terinfeksi. Tentu saja mengerikan. Jumlah orang yang meninggal, asumsi 5%, maka sekitar 7,5 juta orang. Tetapi karena terlalu banyak orang sakit barangkali fasilitas kesehatan tidak akan memadai. Sehingga total meninggal bisa 10% atau lebih. Bisa 15 juta orang atau lebih.

Setelah Agustus 2021 maka terbentuk herd immunity.

R = 1,125 dengan cepat jatuh menuju di bawah 1 dan kasus baru menuju 0 di bulan September 2021.

Linearisasi

Model linear bisa kita lihat di sisi kiri. Bulan Juli – Agustus 2020. Dari grafik tampak datar saja. Mirip dengan fungsi linear.

Ketika kita simulasi R = 1,13 bulan Juli – Agustus 2020 grafik menunjukkan cukup linear.

Total kasus mencapai 120 ribu orang di 8 Agustus. Total kasus aktif mencapai 53 ribu orang. Kasus harian lebih dari 1500 orang. Barangkali sekitar 1855 orang tiap hari.

Tentu saja hal ini harus dicegah. Mumpung belum terlalu besar beban pandemi ini.

Kita bisa menurunkan R menjadi R = 1.

Masih cukup tinggi, total kasus mencapai 108 ribu orang di awal Agustus 2020. Tetapi kasus harian turun menuju 1000an orang.

Memang kita perlu menurunkan R ke bawah 1 misal R = 0,9.

Masih cukup tinggi total kasus mencapai 102 orang. Tetapi kasus total aktif turun menjadi 17 ribuan orang. Penambahan kasus baru harian turun menuju 600an.

Semoga skenario terbaik ini bisa terjadi. Bahkan semoga lebih baik lagi.

Cara membuat simulasi linear

  1. Hitung nilai R dengan GMR untuk beberapa hari terakhir.
  2. Gunakan nilai R di atas untuk memprediksi total kasus aktif berikutnya. a[h] = R*a[h-I].
  3. Buat rata-rata reproduksi harian r = R^(1/5)
  4. Buat faktor koreksi, pengali a[h] agar hasil prediksi mendekati data-data terakhir.
  5. Total kasus dihitung dengan c[h] = c[h-I] + b; di mana b proporsional terhadap a[h] dan pilih koefisien koreksi agar hasil mendekati data-data terakhir.

Selanjutkan tinggal membuat simulasi seperti contoh saya di atas. Simulasi dapat memilih beragam nilai R dan rentang waktu.

Bagaimana menurut Anda?

Diterbitkan oleh Paman APiQ

Lahir di Tulungagung. Hobi: baca filsafat, berlatih silat, nonton srimulat. Karena Srimulat jarang pentas, diganti dengan baca. Karena berlatih silat berbahaya, diganti badminton. Karena baca filsafat tidak ada masalah, ya lanjut saja. Menyelesaikan pendidikan tinggi di ITB (Institut Teknologi Bandung). Kini bersama keluarga tinggal di Bandung.

Tinggalkan komentar

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout /  Ubah )

Foto Google

You are commenting using your Google account. Logout /  Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout /  Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout /  Ubah )

Connecting to %s

%d blogger menyukai ini: