Ngebut Benjut vs Corona

Hancur!

Ngebut benjut sering saya baca di gang-gang daerah Jawa Timur. Irama kata yang pas makin sempurna. Memberi pesan singkat penuh makna. Jika kamu ngebut maka kamu benjut. Kamu akan benjut, hancur, karena dihajar warga sekitar.

Di Jatim banyak gang-gang kecil. Kadang sepi. Kadang banyak anak-anak bermain. Maka pengendara motor bisa saja ngebut karena dikiranya sepi. Tiba-tiba muncul anak-anak keluar dari rumah masuk gang. Kecelakaan tak terhindarkan. Untuk mencegah itu ada pesan singkat “ngebut benjut”.

Ras manusia menghadapi corona: ngebut benjut.

Jika manusia tetap maju penuh semangat dengan ngebut maka resiko hancur, benjut, kemanusiaan di depan mata. Bukan dihajar warga. Manusia dihajar covid 19 yang perilakunya tidak diketahui dengan pasti. Virus baru ini benar-benar baru. Para ahli hanya bisa menduga-duga. Lalu salah. Dikoreksi. Ternyata salah lagi.

Beberapa minggu lalu, WHO menyatakan OTG kecil sekali kemungkinan menularkan virus covid 19. Lalu dikoreksi, oleh WHO sendiri, hanya ada bukti sedikit bahwa OTG menularkan virus. Yang kecil adalah buktinya bukan penularannya untuk saat ini. Tapi kemudian ada ahli yang menunjukkan justru WHO adalah yang paling banyak menularkan covid 19. Mana yang benar? Kita benar-benar belum punya pengetahuan final.

Bagaimana menurut Anda?

Bahaya Sholat Jamaah

Sholat jamaah di masjid dilarang di berbagai negara. Termasuk di Arab sempat dilarang. Masjidil Haram sempat ditutup untuk umum. Hal ini sebagai upaya meredam penyebaran virus corona yang kian cepat.

Kali ini beberapa masjid telah dibuka. Jamaah boleh sholat jumat di masjid dengan protokol kesehatan yang ketat.

Di sini saya akan menyoroti resiko. Atau sisi bahaya dari berkumpulnya banyak orang.

Makin banyak orang berkumpul maka makin besar peluang terjadi penularan virus corona. Tapi sampai sekarang kita belum tahu pasti berapa angka peluang penularan corona. Maka mari kita misalkan

peluang penularan = p = 1/1000

A. Misal di suatu musola terdapat 10 orang solat berjamaah dengan menerapkan standar protokol kesehatan.

Harapan kejadian

= p x 10 orang
= 1/1000 x 10 orang
= 0,01 orang

Maknanya kecil sekali peluang terjadi penularan di musola tersebut. Angka 0,01 setara dengan 1 per 100. Bisa bermakna akan terjadi penularan 1 kali dari 100 kejadian itu. Bila musola itu terdiri dari warga setempat yang dalam 14 hari terakhir tidak ada gejala covid maka kemungkinan besar akan aman-aman saja.

B. Ada jamaah 100 orang di masjid. Harapan terjadi penularan,

= p x 100 orang
= 1/1000 x 100 orang
= 1/10 orang
= 0,1 orang

Kita lihat angka 0,1 orang terasa lebih besar. Bermakna juga 1 dari 10. Bila jamaah ini dilakukan 1 kali maka kemungkinan besar masih aman. Tetapi dalam 1 hari bisa terjadi 5 kali jamaah. Dalam 2 hari terjadi 10 kali jamaah.

Resiko menjadi besar. Ketika kita kali dengan 10. Maka

0,1 orang x 10 = 1 orang

Peluang terjadi penularan 1 orang dalam 2 hari. Maka kita perlu lebih waspada.

C. Ada 1000 orang berjamaah maka resiko makin besar. Harapan kejadian,

= p x 1000 orang
= 1/1000 x 1000 orang
= 1 orang

Nah, angka 1 orang menjadi makin beresiko. Bermakna terjadi 1 penularan dari 1 kali jamaah yang dihadiri 1000 orang. Bila yang berjamaah 2000 orang maka naik penularan kepada 2 orang dalam 1 kali solat berjamaah.

Angka-angka di atas adalah sekedar ilustrasi saja. Belum ada data angka yang pasti. Tapi kita bisa melihat bila jumlah makin banyak maka resiko makin besar.

Sementara Sholat Jumat kemarin sempat diberitakan ada sebuah masjid besar di kota Bandung yang dihadiri sekitar 2000 orang jamaah. Kita perlu lebih hati-hati.

Beberapa tips sholat jamaah yang aman bisa dicoba: patuhi protocol kesehatan, pilih jumlah jamaah kecil, pilih lokasi terbatas.

Bagaimana menurut Anda?

Angka R Jakarta Lebih Besar

Sudah pasti wabah makin menyebar karena R lebih dari 1. Itu sudah kepastian definisi. Misal ketika R di DKI lebih dari 1 artinya di Jakarta virus corona masih terus mewabah. Bisa bahaya.

Tetapi kita tidak bisa membaca langsung nilai R. Kita hanya bisa menghitung dengan pendekatan. Kita hanya bisa estimasi saja. Sehingga hasil perhitungan R kita bisa saja salah. Umumnya kita pakai confidence interval = 95%.

Contoh gambar di atas adalah, hasil estimasi Bonza, pada tanggal 09 Juni 2020 nilai Rt Jakarta = 1.28 yang lebih besar dari 1.

Estimasi ini berbeda dengan hasil estimasi saya. Nilai R di Jakarta 09 Juni sampai 11 Juni masih di bawah 1. Tepatnya bisa kita lihat di gambar bawah ini.

R = 0,939 masih di bawah 1. Meskipun nilai ini juga sudah dekat dengan batas ambang.

Untuk estimasi R ini saya menggunakan metode geometric mean of ratio. Saya sudah menjelaskan metode ini pada tulisan tentang angka reproduksi.

Sedangkan metode yang digunakan oleh Bonza saya tidak menemukan info lebih detil.

Bagaimana pun perbedaan hasil dan metodologi adalah hal yang wajar secara ilmiah. Kita bisa menyikapi dengan wajar. Perbedaan ini bisa menjadi feedback untuk semua.

Pengamatan sekilas saya: Rt estimasi beberapa pihak berkorelasi dengan trend penambahan kasus baru. Bila trend naik maka Rt lebih dari 1 sedangkan bila trend turun maka Rt kurang dari 1.

Jakarta, grafik warna agak kuning, trend datar lalu agak naik. Maka Rt lebih dari 1.

Sedangkan metode geometric mean of ratio yang saya kembangkan lebih berkorelasi dengan trend total kasus aktif. Saya sudah membuktikan keabsahan metode ini pada tulisan sebelumnya: bukti formal realtime.

Dua warna paling gelap terbawah cenderung datar lalu turun. Maka R bernilai di bawah 1.

Masing-masing metode dilengkapi dengan algoritma untuk menghitung dengan lebih detil.

Bagaimana menurut Anda?

Surat Terbuka Pak Jokowi dan Mas Nadiem: Zonasi Lagi

Yth Mas Menteri Nadiem dan Bapak Presiden Jokowi,

Dengan hormat, saya yakin Mas Nadiem dan Pak Jokowi tahu hiruk-pikuk PPDB karena zonasi tahun 2019. Pak Jokowi sudah memerintahkan revisi tapi jawabannya hanya menambah rentang jadi 15% untuk jalur prestasi. Dan Mas Nadiem menambah lagi jadi 30%. Apakah itu revisi yang diharapkan oleh seorang presiden Pak Jokowi?

Perkenalkan saya adalah Paman APIQ, seorang youtuber edukasi spesialis matematika, pendukung utama konsep zonasi tetapi menolak permen zonasi 2018 yang berlaku 2019. Saya punya 5 orang anak yang semuanya saya sekolahkan berdasarkan konsep zonasi. Ketika SD, 5 anak saya sekolah di SD terdekat rumah. Ketika SMP, 4 anak saya sekolah di SMP terdekat. Meski orang mengatakan itu bukan SMP favorit tapi saya tetap pakai konsep zonasi dengan persetujuan anak saya tentunya. SMA juga anak-anak saya pakai konsep zonasi ke SMA terdekat.

Tetapi saya menolak permen zonasi. Mengapa? Saya kira Mas Menteri dan Pak Jokowi juga merasakan ada yang salah dengan permen zonasi. Salah dalam konsep dan salah dalam pelaksanaan. Saya kira tidak ada yang salah bagi panitia pelaksana yang diwajibkan menerapkan permen zonasi. Di sisi orang tua dan siswa bingung dengan semua salah dan ketidakpastian.

Mas Menteri dan Pak Jokowi yang saya hormati,

Saya mencatat ada minimal 3 poin kesalahan permen zonasi. Dan saya menyertakan beberapa ide solusinya.

Pertama, kesalahan fatal, menentukan seleksi berdasar jarak terdekat. Ini jelas tidak adil bagi siswa, tidak adil bagi orang tua. Bagaimana lokasi rumah menjadi diskriminan – pembeda – masa depan sekolah seorang bocah? Tidak adil bahkan bisa jadi tidak masuk akal. Ilustrasi dari teman saya ada yang rumahnya berjarak 500 meter diterima di sekolah tapi tetangga sebelahnya berjarak 520 meter tidak diterima di sekolah. Sulit memahaminya.

Dan banyak orang mengatakan siswa tidak perlu belajar apa pun. Asal rumah mepet rapat – dekat – sekolah pasti diterima masuk sekolah. Seburuk apa pun nilai siswa.

Ide solusi dari saya adalah menetapkan zona siswa hanya sebagai syarat untuk mendaftar. Bila siswa berada dalam zona maka bisa daftar ke sekolah terdekat – kemudian jarak tidak lagi diperhitungkan. Berikutnya akan diperhitungkan beragam kriteria yang adil terbuka misal: prestasi, nilai, karya, kondisi ekonomi, dan lain-lain.

Ide dasar zonasi adalah zonasi itu sendiri. Tetapi, di kita, zonasi berubah menjadi radiusisasi – ditentukan berdasar radius. Itu berbeda sekali dari konsep zonasi. Radius hanya valid ketika daya tampung sekolah mampu menampung semua calon siswa. Selain itu radius tidak valid.

Misal siswa A dan siswa B bisa diterima di SMA 1 atau SMA 2 di suatu kota – karena daya tampung yang masih longgar. Apakah SMA 1 akan memilih siswa A atau B? Maka radius bisa kita pakai di sini. Bila siswa A radius lebih dekat ke SMA 1 maka siswa A diterima di SMA 1 sedangkan siswa B diterima di SMA 2. Dan masih ada formula lebih detil untuk radiusisasi. Tetapi yang kita perlukan bukan radiusisasi. Kita perlu zonasi. Karena daya tampung terbatas.

Kedua, kesalahan sudut pandang, zonasi dengan fokus utama sekolah seharusnya fokus utama adalah siswa. Karena zona dilakukan kepada sekolah maka siswa, sebagiannya, diperlakukan tidak adil. Terdapat beberapa lokasi siswa yang tidak mungkin diterima di sekolah mana pun. Di mana letak adilnya?

Misalkan saya berada di kota Bandung di mana kira-kira berjarak 1,2 km ke SMA 1, SMA 2, dan SMA 15 Kota Bandung. Lokasi saya tidak jauh dari sekolah tersebut tapi juga tidak dekat. Anak-anak di lingkungan saya sulit diterima di SMA terdekat karena kalah bersaing dengan anak-anak lain yang berjarak kurang dari 1 km. Apakah ini adil? Tidak!

Masalah juga terjadi ketika di suatu kabupaten, SMA-SMA negeri dibangun di kawasan pendidikan tertentu. Misal kota Rembang, SMA-SMA di kisaran pantura. Maka anak-anak di sekitar pantura dapat memilih beragam sekolah tetapi anak-anak yang berada di Rembang bagian selatan tidak punya kesempatan untuk mendaftar ke wilayah pantura.

Ide solusi saya adalah dengan menetapkan zona siswa bukan zona sekolah. Setiap kelurahan/desa, sebagai zona siswa, mendapat hak untuk mendaftar ke 3 sekolah terdekat. Dengan demikian semua siswa terjamin haknya untuk memilih sekolah. Dalam istilah matematika, zona siswa misal kelurahan sebagai domain sedangkan kelompok sekolah sebagai kodomain.

Ketiga, kesalahan tak seimbang, di mana orang tua siswa diminta untuk memahami permen zonasi di sisi lain tidak tampak kementrian memahami dengan baik keberatan orang tua siswa. Orang tua dan siswa mengeluh karena tidak adil tapi kementrian menilai hanya karena kurang sosialisasi. Padahal memang ada masalah substansial. Orang tua dan siswa menilai ada sekolah favorit sementera kementrian menganggap semua sekolah adalah setara.

Ide solusi saya adalah meningkatkan kualitas sekolah dengan transparan. Sehingga orang tua dan siswa yakin bahwa semua sekolah kualitasnya sedang meningkat untuk sama-sama jadi favorit. Tugas mengajar guru dapat saja ditukar lokasinya tiap semester dari sekolah A ke sekolah B. Jadi semua sekolah memiliki guru yang hakikatnya sama. Tentu fasilitas sekolah perlu ditingkatkan.

Karena ini semua perlu proses maka penerapan zonasi juga perlu proses. Tidak serta merta dan tidak berubah tiap tahun tanpa konsistensi. Misalkan peraturan zonasi sudah diperbaiki dan asumsikan 90% siswa zonasi maka bisa ditetapkan bertahap tahun 2020 = 50%, tahun 2021 = 60%, dan 2024 = 90%. Seiring kementrian meningkatkan kualitas semua sekolah jadi setara, orang tua dan siswa juga siap menyesuaikan.

Mas Menteri dan Pak Jokowi yang saya hormati, demikianlah sedikit surat terbuka dari saya. Oh…ya… barangkali Pak Jokowi berkenan kapan-kapan kita bisa kolaborasi sebagai youtuber. Sedikit info, banyak penonton youtube yang mengatakan suara saya di youtube mirip dengan suara Pak Jokowi. Padahal saya asli dari Jatim sedangkan Pak Jokowi dari Jateng. Masih bertetanggalah…!

Berikut ini saya sertakan chanel edukasi saya http://www.youtube.com/pamanapiq

Saya tidak tahu apakah surat terbuka ini sampai dibaca oleh Mas Nadiem dan Pak Jokowi. Tapi saya berharap sistem pendidikan Indonesia makin maju.

Terima kasih.

Salam hormat

Paman APIQ / Agus Nggermanto

Mas Nadiem: Siswa Kesepian

Mas Menteri Nadiem sadar sepenuhnya. Siswa kesepian. Meski secara kognitif siswa bisa belajar jarak jauh. Tetapi bersosial tidak bisa jarak jauh. Siswa kangen dengan sekolah. Kangen dengan teman, kantin, dan hiruk pikuknya.

Saya kagum dengan Mas Nadiem yang bisa memahami masalah dengan baik. Kemudian merumuskan solusi. Melalui komputasional thinking tentunya bisa.

Dalam sebuah wawancara, beberapa bulan lalu, Mas Nadiem menekankan pentingnya sosialisasi di sekolah. Itu karena anaknya jadi sadar bahwa ada kehidupan sosial di luar sana. Ada tas bukan milik anaknya. Tapi tas milik orang lain. Tas itu milik teman-temannya.

Beda dengan kehidupan di rumah. Semua tas di rumah adalah milik bersama antara anak Mas Nadiem, bapaknya, atau ibunya. Yang intinya anak bisa memiliki semua tas di rumah.

Di luar sana, anak harus menghadapi kehidupan sosial.

Pengalaman pribadi itu dirasakan Mas Nadiem. Berikutnya kita akan menunggu solusi kreatif dari Mas Menteri.

Hal ini saya analogikan dengan kisah sukses gojek. Saya mendengar cerita gojek dari orang dalam gojek sendiri yang penuh inspirasi.

Mas Nadiem ketika bekerja di Jakarta sering menghadapi masalah: macet total lalu lintas. Solusinya adalah naik ojek. Motor terbebas dari macet. Bisa masuk jalan-jalan alternatif bahkan yang tidak ada di peta.

Naik ojek menimbulkan masalah baru bagi Mas Nadiem. Ojek berlimpah di pinggir jalan saat tidak dibutuhkan. Tapi ketika dibutuhkan ojek tidak ada sama sekali.

Masalah kedua: biaya naik ojek tidak pasti. Yang tahu biaya naik ojek hanya tukang ojek itu sendiri dan tuhan saja.

Mas Nadiem berpikir memecahkan masalah pribadinya dengan ojek. Singkat cerita ia mendirikan perusahaan gojek. Mulai dari awal. Lalu jadi start up. Jadi unicorn sampai decacorn. Dan seperti kita tahu, Mas Nadiem jadi menteri pendidikan nasional Indonesia.

Kali ini besar harapan Indonesia. Mas Nadiem memanfaatkan semua pengalaman pribadinya untuk kemudian membangun pendidikan nasional Indonesia.

Tidak terbatas pengalaman pribadi. Pengalaman seluruh anak negeri. Pengalaman seluruh siswa-siswi. Pengalaman seluruh insan edukasi. Untuk menjadikan pendidikan yang terbaik bagi seluruh negeri.

Bagaimana menurut Anda?

Surabaya Tanpa PSBB Saat Wabah Bertambah

Diberitakan media bahwa Surabaya Raya tidak memperpanjang PSBB. Meski kondisi wabah masih bertambah dengan nilai R = 1,1. Nilai ini turun dibanding sebelum pelaksanaan PSBB R = 1,7. Seperti kita ketahui nilai R lebih dari 1 bermakna wabah masih bertambah.

Secara umum, Jatim nilai R naik dari 1,020 ke 1,047. R nasional Indonesia juga naik masih di atas 1. Sementara DKI dan Jabar berhasil bertahan di bawah 1. Pun masih berlangsung masa PSBB.

Kabupaten Tulungagung Jatim juga bertambah meski masih di bawah 1. Sementara Jateng bertambah lagi dan di atas 1.

Bagaimana menurut Anda?

Disclaimer:
Tulisan ini ditujukan hanya untuk kajian ilmiah. Penggunaan untuk keperluan lain harus ada kajian lebih mendalam lagi.

Nilai R diestimasi dengan metode geometric mean of ratio yang dikembangkan paman APIQ.

Penghitungan dilakukan dengan menggunakan ms excel.

Sumber data mengacu kepada pengumuman resmi gugus tugas diambil dari berbagai web.

Interest: penulis tidak berkepentingan dengan pihak tertentu.

Ditulis

Kelayakan New Normal: Reproduction Number Secara Realtime

Melaksanakan new normal diancam corona covid gelombang kedua, ketiga, dan seterusnya. Gelombang kedua bisa lebih parah dari gelombang pertama. Tidak melaksanakan new normal maka roda ekonomi berhenti. Kehidupan pun tidak bisa dipertahankan.

Solusinya: new normal dengan hati-hati.

Salah satu yang paling penting adalah adanya indikator new normal secara realtime. Para epidemiolog meyakini angka reproduksi R sebagai indikator yang perlu. Di tulisan ini, saya merumuskan cara menghitung R secara realtime yang mudah. Bisa dihitung dengan kalkulator atau ms excel saja.

Realtime ini, misalnya, data diambil tiap 1 jam. Diolah langsung tiap jam tersebut. Maka kita memiliki nilai R realtime tiap jam.

Pengambil kebijakan dapat memantau langsung. Apakah new normal masih aman dilanjutkan atau harus dihentikan? Cepat dengan resiko minimal.

Bagi yang berminat cara menghitung R secara bertahap silakan membaca tulisan saya sebelumnya: Reproduction Number.

Pada tulisan saya kali ini, saya akan menjelaskan argumen rasional metode menghitung R dengan geometric mean of ratio.

Estimasi R dengan kasus paling sederhana

Kasus sederhana kita ambil R = 2. Dengan periode inkubasi I = 1 hari. Dan periode keluar = 1 hari. Keluar bisa terjadi karena sembuh lalu imun atau karena meninggal.

Kondisi ini adalah setiap orang yang terinfeksi virus akan menulari 2 orang lainnya. Gejala akan muncul dalam 1 hari. Dalam 1 hari kemudian orang tersebut akan keluar.

Nilai R kita estimasi dengan rasio, perbandingan total kasus aktif. Kita bisa mulai menghitung di hari kedua.

R = total aktif hari kedua / total aktif hari kesatu = 2/1 = 2
R = total aktif hari ketiga / total aktif hari kedua = 4/2 = 2

Perhitungan bisa kita lanjutkan terus dan menghasilkan nilai tepat R = 2.

Kasus masa keluar lebih lama dari inkubasi

Periode inkubasi = 1 hari. Periode keluar = 2 hari. Terjadi penumpukan kasus aktif pada kondisi ini.

R kita estimasi dengan perbandingan total kasus aktif.

R = total kasus aktif hari kedua / total kasus aktif hari kesatu = 3/1 = 3
R = total kasus aktif hari ketiga / total kasus aktif hari kedua = 6/3 = 2
R = total kasus aktif hari keempat / total kasus aktif hari ketiga = 12/6 = 2

Kita perhatikan hasil estimasi salah pada hari kedua. Tapi memberi hasil yang benar pada hari ketiga dan seterusnya.

Kasus-kasus yang lebih beragam dapat kita lihat di tabel berikut ini.

Kasus inkubasi 3 hari dan keluar 4 hari

Kasus hari kedua dan ketiga tidak dipengaruhi oleh kasus hari kesatu. Kasus hari kesatu mempengaruhi kasus pada hari keempat. Terjadi penumpukan kasus karena akan keluar setelah 4 hari.

Nilai R kita estimasi,

R = total kasus aktif keempat / total kasus aktif hari kesatu = 7/1 = 7
R = total kasus aktif kelima / total kasus aktif hari kedua = 8/2 = 4
R = total kasus aktif keenam / total kasus aktif hari ketiga = 13/4 = 3,25
R = total kasus aktif ketujuh / total kasus aktif hari keempat = 14/7 = 2

Kita perhatikan estimasi R mulai benar sejak hari ketujuh dan seterusnya.

Populasi Besar dan Heterogen

Pada kenyataanya kita menghadapi kasus yang lebih besar, beragam, dan kompleks megenai covid 19 ini. Maka konsep statistik kita terapkan untuk estimasi R.

Periode inkubasi 5 sampai 6 hari adalah sesuai data dari WHO yang merupakan nilai mean dengan rentang 2 – 14 hari. Bila memperhitungkan outlier antara 0 – 28 hari.

Confidence interval 95% sering kita pilih sesuai kaidah statistik.

Kita bisa menggunakan geometric mean untuk tiga hari terakhir agar menghasilkan data lebih stabil dan mempertimbangkan pengaruh histori.

Estimasi Nilai R Realtime

Saya berpikir kita bisa menyusun strategi untuk menghitung R realtime misal tiap 1 jam. Di mana data kita ambil tiap jam lalu kita olah dan menghasilkan R dalam bentuk tabel dan grafik.

Dari data ini pengambil kebijakan dapat merespon dengan cepat. New normal berhenti atau lanjut.

Bagaimana menurut Anda?

Disclaimer:
Tulisan ini ditujukan hanya untuk kajian ilmiah. Penggunaan untuk keperluan lain harus ada kajian lebih mendalam lagi.

Nilai R diestimasi dengan metode geometric mean of ratio yang dikembangkan paman APIQ.

Penghitungan dilakukan dengan menggunakan ms excel.

Sumber data mengacu kepada pengumuman resmi gugus tugas diambil dari berbagai web.

Interest: penulis tidak berkepentingan dengan pihak tertentu.

Covid Indonesia Gawat Tapi Membaik

Sudah lebih tiga bulan kita mengurung diri di rumah. Sejak awal Maret resmi diumumkan kasus corona covid 19 ada di Indonesia. Belum mereda kondisi pandemi di negeri ini. Angka reproduksi masih di atas 1 yaitu R = 1, 05.

R Nasional di atas 1 tapi cenderung turun.

Seperti kita tahu nilai R di atas 1 artinya virus corona masih terus mewabah. Sedangkan bila R di bawah 1 maka wabah akan mereda. Bisa kita lihat di grafik di atas. Pada 24 Mei nilai tertinggi R = 1,20. Kondisi ini berbahaya karena wabah bisa terus meluas. Pun hari itu bertepatan dengan lebaran idul fitri.

Tetapi kabar baiknya nilai R ini terus turun mencapai 1,05 di 5 Juni 2020. Sayangnya tidak berlanjut turun. Tertahan di dua hari berikutnya.

Dengan displin jaga jarak dan mematuhi protokol kesehatan semoga kita semua terjaga tetap sehat dan menurunkan nilai R sampai di bawah 1.

R DKI Jakarta konsisten di bawah 1

DKI termasuk wilayah yang paling rawan dari serangan corona covid 19. Banyak pihak yang ingin membuka PSBB agar roda ekonomi ibu kota segera berputar kembali. Tapi tampaknya gubernur memilih melanjutkan PSBB dengan transisi.

Akhir Mei sempat nilai R = 1,075 tentu sangat menghawatirkan. Berhasil turun menembus R = 1.00 di bulan Juni 2020. Dan mampu bertahan sampai 7 Juni di R = 0,946. Bila sampai 14 hari berhasil konsisten di bawah 1 tentu ini kabar baik untuk kebangkitan roda ekonomi Indonesia dimulai dari ibu kota. Semoga Indonesia berhasil.

Jawa Timur Menghitam Memudar

Kota Surabaya, ibu kota Jatim, menjadi zona hitam – merah tua. Awal Juni nilar R terus menanjak sampai puncaknya R = 1.184. Untunglah beberapa hari kemudian jadi turun. Bahkan 7 Juni menyentuh R = 1,00 (pembulatan dari 1,020).

Bu Risma, wali kota Surabaya, sudah ingin membuka kembali semua kegiatan bisnis. Roda ekonomi perlu berputar. Di satu sisi ini diperlukan. Di sisi lain ini masih mengandung resiko besar.

Semoga Jatim sehat selalu dan R menuju bawah 1.

R Jateng Sempat di Bawah 1 Lalu Naik Lagi

Akhir Mei masih di atas 1. Lalu meluncur ke bawah. Berhasil menembus R = 0,9971 di 2 Juni 2020. Sayang hanya mampu bertahan beberapa hari saja. Nilai R kembali naik mencapai 1.0790 di 7 Juni 2020.

Jateng konsistem melanjutkan PSBB. Keputusan yang baik dari pimpinan.

Pengalaman Jateng bisa jadi pelajaran bagi kita semua. Nilai R dinamis dan sensitif. Bisa berubah-ubah setiap waktu. Yang sudah berhasil di bawah 1 pun harus hati-hati. Tetap disiplin sesuai protokol kesehatan. Semoga sehat selalu!

Jawa Barat Sempat R di Bawah 1

Banyak pelajaran menarik dari Jabar. Pertengahan Mei sempat R di bawah 1. Bahkan PSBB Jabar akan dicabut waktu itu. Tetapi R naik lagi di atas 1 maka PSBB dilanjutkan, tidak jadi dicabut.

Akhir Mei Jabar kembali berhasil turun ke bawah 1. Selang 3 hari kembali menanjak ke atas 1. Dan di 7 Juni ini kembali di bawah 1 dengan nilai R = 0,935.

Sekali lagi, corona ini sensitif. Bagaimana perilaku masyarakat, perilaku kita menentukan perkembangan wabah covid 19. Semoga sehat selalu.

Kabupaten Tulungagung dari Bahaya Menuju Aman

Habis lebaran R di Tulungagung Jatim hampir 1,20 tentu bahaya. Tapi bulan Juni berhasil menembus R = 1,00 dan mampu bertahan di bawah 1 sampai tanggal 7 Juni.

Bagaimana pun perlu tetap hati-hati karena tiga hari terakhir nilai R cenderung naik. Meskipun masih aman tetap di bawah 1.

Bagaimana menurut Anda?

Disclaimer:
Tulisan ini ditujukan hanya untuk kajian ilmiah. Penggunaan untuk keperluan lain harus ada kajian lebih mendalam lagi.

Nilai R diestimasi dengan metode geometric mean of ratio yang dikembangkan paman APIQ.

Penghitungan dilakukan dengan menggunakan ms excel.

Sumber data mengacu kepada pengumuman resmi gugus tugas diambil dari berbagai web.

Interest: penulis tidak berkepentingan dengan pihak tertentu.

Zona Hitam Surabaya Memudar: Corona Jatim Membaik

Kalang kabut karena minggu lalu wilayah Surabaya jadi zona hitam. Ada yang berkilah itu bukan hitam tapi merah tua. Sama saja itu menunjukkan bahwa terlalu banyak kasus positif corona covid 19 di Surabaya. Tapi minggu ini semoga kabar baik datang dari Surabaya dan Jatim.

Saya menghitung puncak nilai R Jatim terjadi minggu lalu. Sekitar 1,18. Sempat bertahan. Lalu turun. Kemarin mencapai R = 1,04. Semoga hari ini turun lagi menjadi di bawah 1.

Seperti kita tahu nilai R di atas 1 menunjukkan bahwa virus masih terus mewabah. Sedangkan R di bawah 1 menunjukkan perkembangan virus mulai mereda. Bagaimana pun kita tetap perlu disiplin sesuai protokol kesehatan.

Awal Juni, DKI Jakarta telah berhasil menurunkan R = 0,99. Sampai hari ini pun konsisten turun mejadi R = 0,95.

Bersama-sama kita kompak menghadapi corono.

Bagaimana menurut Anda?

Disclaimer: Analisis dalam tulisan ini dimaksudkan hanya untuk kajian ilmiah. Tidak dimaksudkan untuk keperluan lain. Perlu kajian lebih mendalam untuk penggunaan lain.

Interest: Penulis tidak memiliki kepentingan ke pihak tertentu.

Herd Immunity Lebih Mudah

Sebuah rekayasa bisa mencapai herd immunity hanya dengan ambang batas 5%.

Masyarakat mulai jenuh dengan pandemi corona. Tapi mengatasi pandemi covid 19 tidak mudah. Beberapa negara berhasil dengan baik lalu muncul gelombang kedua. Bisa saja lebih mengerikan.

Herd immunity menjadi harapan. Mudahnya, herd immunity (HI) adalah kelompok masyarakat yang imun. Kebal terhadap virus. Masyarakat jadi aman terhadap virus. Bagaimana bisa?

HI bisa kita capai bila jumlah orang yang imun terhadap virus melebihi ambang batas minimal. Untuk corona, ambang batas sekitar 60% atau lebih. Angka 60% ini ngeri. Karena 60% dari sekitar 250 juta jiwa penduduk Indonesia adalah 150 juta orang terserang virus. Tidak ada fasilitas kesehatan yang mampu menampung pasien sebanyak itu. Bahkan meskipun setengah di antara mereka tidak perlu dirawat karena OTG – orang tanpa gejala.

Masih ada harapan! HI ini lebih mudah kita capai dengan rekayasa dan matematika. Angka ambang 60% bisa kita geser menjadi hanya 5%. Penurunan yang drastis.

Untuk mencapai HI dengan ambang hanya 5% kita coba memahami hitungan angka reproduksi R.

Angka R menunjukkan berapa banyak orang berikutnya yang akan ditulari oleh 1 orang yang sudah terinfeksi virus. Misal angka R = 2 menunjukkan bawah 1 orang yang terserang virus akan menulari kepada 2 orang lain. Mudah kita lihat bila R lebih dari 1 maka virus akan terus berkembang.

Tetapi bila R lebih kecil dari 1 maka virus akan mereda. Wabah selesai. Misal R = 1/2 dan ada 4 orang sudah terinfeksi. Maka berikutnya akan menulari 2 orang. Dan selanjutnya hanya menulari 1 orang. Sementara 1 orang terakhir tidak bisa lagi menulari.

4 + 2 + 1 … … …

HI adalah sebuah cara untuk membuat nilai R di bawah 1 sehingga pandemi berakhir. Caranya dengan memperbanyak orang imun (orang kebal = K). Sehingga orang yang akan terserang virus jadi berkurang (orang akan terserang = T).

R = a x T

Nilai R tergantung dengan banyaknya orang yang akan terserang T dan suatu nilai a yang barangkali tergantung sifat virus, interaksi manusia, cuaca dan lain-lain. Misalnya R awal = Ro = 4 untuk kasus virus corona yang akan menyerang 100 orang T.

Ro = 4 = a x T = a x 100

Agar terjadi HI maka R harus turun ke bawah ambang batas 1. Caranya adalah menurunkan T yang awal 100 orang menjadi 25 orang. Misal R menjadi Re = 1

Re = 1 = a x T = a x 25

Mudah kita pahami bahwa a x 25 = 1 karena asalnya a x 100 = 4. Bagaimana caranya mengubah T dari 100 menjadi 25 itu?

Caranya meningkatkan orang yang kebal = K = 75.

Awalnya semua orang 100 adalah T,

100 = T + K
100 = 100 + 0

Kemudian 75 orang jadi kebal, K = 75,

Seluruh orang =

100 = 25 + 75
100 = T + K

Orang kebal K = 75 ini berhasil kebal karena imunisasi atau karena terpapar virus lalu imun. Sayangnya untuk corona belum ditemukan vaksin maka terpaksa K = 75 ini karena terpapar virus covid. Angka 75% ini terlalu besar. Penuh resiko.

Kali ini kita perlu rekayasa untuk menurunkan angka 75% menjadi 10% atau 5% atau lebih kecil lagi.

Simulasi kasus di Indonesia misal banyak orang yang akan terserang 200 juta. R nasional saat ini adalah 1,05 = Rn.

Rn = 1,05 = a x 200

Untuk mencapai HI maka kita perlu menurunkan R menjadi 1 = Re,

Re = 1 = a x M

maka

M = 200/1,05 = 190 (pembulatan)

Karena T turun, dari 200 juta menjadi 190 jt, sebesar 10 juta maka banyak orang yang imun atau kebal,

K = 200 – 190 = 10

Secara persentase,

10/200 = 5%

Jadi untuk mencapai HI hanya butuh 5% orang yang imun. Angka ini jauh di bawah 75% atau 60%.

Perhitungan di atas bisa kita terapkan dengan baik. Tapi penerapan nyata ke kasus Indonesia masih perlu kajian lebih mendalam.

Bagaimana menurut Anda?