Kesenjangan Ekonomi RI – Ngeri GINI

Pandemi jelas saja kondisi ekonomi makin ngeri.

Tapi seberapa ngeri?

Ngeri GINI. Rasio GINI memberi kita banyak informasi. Dengan mengolah index Gini kita memperoleh banyak informasi ekonomi negeri ini.

10% orang terkaya di Indonesia menguasai aset 600 juta kali dari 10% orang termiskin di Indonesia.

Bukan 600 juta lebih banyak. Tapi 600 juta kali, lebih banyak, lebih kaya dari orang termiskin di Indonesia.

Seharusnya kita memperoleh data resmi dari BPS tentang kurva Lorenz. Baik kurva Lorenz pengeluaran penduduk Indonesia mau pun kurva kekayaan. Karena tidak ada kurva Lorenz resmi maka kita bisa melakukan analisis dari rasio GINI atau index Gini = G = 0,381 untuk pengeluaran di Indonesia. Sedangkan untuk kekayaan G = 0,83.

Untuk lebih mudahnya G = 0,83 kita bulatkan menjadi G = 0,8 saja. (Pembulatan ke bawah menunjukkan bahwa kita menganggap Indonesia lebih baik.)

1. Seperti kita tahu G = 0 menunjukkan bahwa kekayayan di Indonesia terbagi merata ke seluruh warga Indonesia. Benar-benar merata. Kekayaan penduduk sama persis. Jelas hal ini tidak terjadi di Indonesia. Pun tidak terjadi di belahan dunia mana saja.

2. Sedangkan G = 1 = 100% menunjukkan bahwa tidak merata sama sekali. Maksudnya hanya ada 1 orang mahakaya di Indonesia yang menguasai seluruh aset kekayaan 100%. Sedangkan orang lain – selain yang mahakaya itu – tidak memiliki kekayaan sama sekali. Jelas kondisi Indonesia tidak seperti ini. Kondisi negara lain di dunia juga tidak seperti ini.

3. Indonesia G = 0,8 menunjukkan kekayaan tidak merata. Orang terkaya di Indonesia memang superkaya. Sementara orang termiskin barangkali miskin sekali. Kita akan menganalisisnya di sini.

G = 0,8 kita bagi 2 menjadi H = 0,4

0.5 – 1/P = 0,4

1/P = 0,1 = 1/10

P = 10 = n + 1

maka

n = 9

(catatan: saya menemukan cara lebih mudah menghitung n berikut ini,

n = (1+0,8)/(1-0,8) = 1,8/0,2 = 9 )

Kita bisa mendekati kurva Lorenz Indonesia dengan fungsi x pangkat n = x pangkat 9.

Bisa kita hitung balik bahwa integral dari x pangkat 9 akan menghasil G = 0,8. Selanjutkan kita bisa dengan mudah membandingkan kelas-kelas kekayaan dengan pangkat n = 9 ini.

A. 10% orang terkaya Indonesia terhadap 10% orang termiskin.

Asumsikan 10% orang termiskin hanya memiliki kekayaan 1 juta rupiah tiap orangnya. Mungkin mereka tidak punya rumah dengan kekayaan 1 juta itu. Orang termiskin itu hanya punya baju di badan, beberapa baju di lemari, lemari itu sendiri, beberapa piring dan sendok, tikar, kursi meja, tempat tidur, dan beberapa aset sederhana: sandal, sepatu, tas dan lain-lain.

10% penduduk Indonesia setara 27 juta jiwa termiskin hanya punya aset 1 juta rupiah seperti di atas.

Berapa kekayaan 10% orang terkaya di Indonesia? Luar biasa!

1 juta x[ (10 pangkat 9) – (9 pangkat 9)]

= 1 juta x 600 juta

= 600 trilyun rupiah

adalah kekayan orang terkaya di Indonesia.

Ada 10% yang setara dengan 27 juta jiwa kaya raya di Indonesia. Terasa sangat timpang dengan kondisi ini? Kita barangkali perlu cek dengan data di lapangan.

B. 20% orang terkaya

Dengan asumsi yang sama, 20% orang termiskin di Indonesia hanya memiliki aset 1 juta rupiah. Ada 54 juta jiwa termiskin ini.

Maka 20% orang terkaya di Indonesia memiliki harta kekayaan,

= 1juta x [(5 pangkat 9) – (4 pangkat 9)]

= 1,5 trilyun rupiah (pembulatan)

Ada orang kaya Indonesia punya aset 1,5 trilyun rupiah sebanyak 54 juta orang.

C. 1% orang terkaya Indonesia

1% penduduk setara dengan 2,7 juta orang – masih banyak juga. Orang termiskin memiliki kekayaan 1 juta rupiah. Orang terkaya memiliki kekayaan,

= 1 juta x [(100 pangkat 9) – (99 pangkat 9)]

= 86 x 10 pangkat 21 rupiah

Tampaknya terlalu besar?

Maka kita harus memperkecil aset orang termiskin di Indonsia dari 1 juta menjadi lebih miskin lagi.

Bagaimana menurut Anda?

Grafik G = 0,8 untuk rasio Gini kekayaan Indonesia setara dengan f(x) = x^9

Grafik di bawah ini G = 0,38 untuk rasio Gini pendapatan Indonesia

Kesenjangan Ekonomi RI – Klasifikasi Rasio Gini

Akibat pandemi kesenjangan ekonomi di Indonesia makin menganga. Hal ini didasarkan pada rasio Gini Maret 2020 adalah 0,381 yang lebih besar dari September 2019 yaitu 0,380. Hanya beda sedikit. Tapi Maret 2020 ini lebih baik dari Maret 2019 yang bernilai 0,382.

Dari rasio Gini di atas kita belum bisa menyimpulkan kesenjangan ekonomi Indonesia. Kita perlu grafik dari kurva Lorenz. Sayangnya saya tidak menemukan kurva Lorenz dari kesenjangan ekonomi RI. Maka saya akan mengkajinya dengan pendekatan aljabar sederhana – melanjutkan pendekatan geometri pada tulisan saya sebelumnya.

Dan kajian saya menyimpulkan benar-benar terjadi kesenjangan ekonomi di Indonesia. Yang diukur dari rasio Gini pendapatan atau belanja. Lebih buruk lagi bila diukur dari rasio Gini kekayaan (wealth).

Untuk memudahkan perhitungan saya ambil rasio Gini = 0,380 = 38% yang masuk pada kategori buruk. Saya mengelompokkan rasio Gini menjadi:

0,5 – 1 : buruk sekali
0,33 – 0,5 : buruk
0,2 – 0,33 : sedang
0 – 0,2 : bagus

Klasifikasi di atas saya kelompokkan berdasar integral dari PDF yang masing-masing berupa polinom sederhana.

  1. Rasio Gini Indonesia = 0,38

Arti 0,38 bisa kita pahami jika kita tahu grafik kurva Lorenz. Tapi BPS, setahu saya, tidak menerbitkan kurva Lorenz. Barangkali tidak mudah membuatnya. Atau tidak ada untung membuatnya tapi justru ada resiko atau lainnya.

Rasio Gini = 0 adalah sempurna. Tidak ada kesenjangan. Ini terjadi jika PDF berupa y = x. Garis lurus.

Gini Indonesia = 0,38 bila dibagi 2 = 0,19 = 19/100

Integral dari 0 sampai 1 memudahkan kita. Batas bawah = 0 bisa kita abaikan karena selalu menghasilkan perkalian 0. Sedangkan batas atas 1 juga bisa kita abaikan karena perkalian dengan 1 pangkat berapa pun tidak mengubah koefisien. Maka kita cukup fokus kepada koefisien saja.

Integral dari x menghasilkan koefisien 1/2 dan integral PDF menghasilkan 1/p yang akan kita cari nilainya.

Dan hasil integral polinom kita tahu,

Sehingga,

adalah pangkat dari polinom PDF yang sedang kita cari.

Makna rasio Gini Indonesia

Asumsikan hanya ada 2 kelas ekonomi di Indonesia yaitu kelas kaya dan kelas miskin maka perbandingan kelas kaya dan kelas miskin adalah,

Setara dengan 4,67 = 5.

Maknanya adalah kelas kaya di Indonesia 5 kali lebih kaya dibanding dengan kelas miskin. Jika kelas miskin, misal belanja 1 juta per bulan maka kelas kaya belanja 5 juta per bulan. Cukup baik dan merata. (Untuk memudahkan tidak dikurangi dengan kelas di bawahnya).

2. Terkaya 20% terhadap termiskin

Membagi kelas hanya menjadi 2, kaya dan miskin, tidaklah wajar. Telalu sederhana. Umumnya kita perlu membagi menjadi 5 kelas sehingga masing-masing kelas interval 20%. Kita dapat membandingkan 20% kelas terkaya dengan 20% kelas termiskin. Untuk di Indonesia kita estimasi dengan,

Setara dengan 35,96 = 36 kemudian kita kurangi dengan akumulasi kelas sebelumnya maka menghasilkan kelipatan 14 kali.

Maknanya jika orang termiskin di Indonesia belanja 1 juta rupiah tiap bulan maka orang terkaya di Indonesia belanja 14 juta rupiah tiap bulannya. Mulai terasa kesenjangannya kah?

3. Terkaya 10% di Indonesia

Kita bisa melanjutkan dengan membagi kelas jadi 10 masing-masing 10%. Maka perbandingan terkaya dengan termiskin adalah,

Setara dengan 168 kita kurangi dengan kelas sebelumnya jadi = 35 lipat. Artinya bila orang miskin belanja 1 juta tiap bulan maka orang kaya belanja 35 juta tiap bulan tiap orangnya. Terasa tidak baguskan kesenjangan sebesar ini?

4. Dasar-dasar klasifikasi rasio Gini

Dengan cara analisis seperti di atas maka wajar saja kita mengelompokkan baik buruknya rasio Gini berdasar perbandingan kelas terkaya dengan kelas termiskin. Untuk lebih mudahnya kita akan anlisis 20% terkaya terhadap 20% termiskin.

Keterangan foto tidak tersedia.

0,5 – 1 : buruk sekali

Rasio Gini 0,5 diperoleh jika PDF berpangkat n = 3.

Maka perbandingan 20% terkaya dengan 20% termiskin adalah,

5^3 – 4^3 = 61,

tentu saja buruk sekali. Lebih terasa lagi untuk 10% terkaya adalah 271 kali dari termiskin.

0,33 – 0,5 : buruk

Rasio Gini = 0,33 = 1/3 kita peroleh dari PDF berpangkat n = 2.

Perbandingan 20% terkaya terhadap termiskin adalah,

5^2 – 4^2 = 9.

Sedangkan 10% terkaya adalah,

10^2 – 9^2 = 19, (lengkapnya 19 – 271)

tentu saja buruk.

0,2 – 0,33 : sedang

Rasio Gini = 0,2 kita peroleh dari PDF berpangkat n = 3/2.

Perbandingan 20% terkaya terhadap termiskin,

5^(3/2) – 4^(3/2) = 3

Sedangkan 10% terkaya adalah,

10^(3/2) – 9^(3/2) = 5, (lengkapnya 5 – 19 kali)

tidak terlalu buruk. Bisa kita katakan sedang.

0,2 – 0 : baik

Perbandingan 20% terkaya dengan termiskin barangkali 5 atau kurang. Tentu saja cukup bagus untuk kondisi seperti ini.

Bagaimana menurut Anda?


Kesenjangan Ekonomi Indonesia – Gini Rasio 0,381

Jelas ada kesenjangan kekayaan di Indonesia. Rasio Gini menunjukkan 0,381 besarnya ketimpangan itu di Maret 2020.

Seberapa besarkah itu?

Memang makin timpang dibanding September 2019 dengan Gini = 0,380. Tapi justru lebih tidak timpang dibanding Maret 2019, dengan rasio Gini = 0,382.

Makin besar Gini rasio maka menunjukkan makin timpang wilayah bersangkutan dalam hal pengeluaran atau lebih umum kesejahteraan.

Gini = 0 menunjukkan ketimpangan 0 atau tidak ada ketimpangan. Terjadi bila semua pendudukan memiliki kesejahteraan sama persis. Merata sempurna. Sepertinya tidak akan pernah terjadi ya?

Sementara Gini = 1 = 100% atau mendekati 100% adalah bila semua orang tidak punya kekayaan kecuali hanya 1 orang saja kaya raya berkuasa atas semua kekayaan. Hal ini juga sulit terjadi. Barangkali bisa terjadi bila di suatu wilayah ada 1 orang maharaja menguasai semua kekayaan. Sementara semua orang lain adalah hamba sahaya.

Maka nilai Gini rasio, secara praktis, lebih dari 0% dan kurang dari 100%.

Kembali ke Indonesia dengan Gini = 0,381 bermakna apa?

Tidak cukup dengan Gini rasio saja untuk mengukur kesenjangan masyarakat. Barangkali BPS perlu menerbitkan grafik Gini rasio seperti di atas.

Saya buat grafik diidealkan menjadi linear seperti di atas. Agar mudah menghitungnya. Panjang sisi segitiga adalah 1 = 100%.

Kondisi terburuk di Indonesia

Terjadi seperti grafik bagian kiri. Di mana 38% penduduk miskin kita tidak memiliki kekayaan sama sekali. Atau memiliki kekayaan yang sangat kecil. Miskin dengan esktrem miskin.

Sementara 62% penduduk yang lebih kaya menguasai seluruh 100% kekayaan Indonesia.

Dengan Gini rasio 0,380 kondisi semacam ini sangat buruk.

Kondisi terbaik di Indonesia

Grafik sebelah kanan menunjukkan kondisi yang lebih baik meski dengan Gini rasio = 0,380.

Dengan sedikit bantuan geometri dasar kita bisa menghitung luas segitiga kekayaan ekonomi.

PA = 50 + 19 = 69

69% penduduk Indonesia menguasai (15,50% diralat ya, 69 x 31 = 2139) 21,39% kekayaan ekonomi Indonesia.

Atau bisa dibalik, 21,39/69 = 31%

Yang berarti penduduk miskin kita hanya menguasai 31% kekayaan dari selayaknya 100% itu. Penduduk miskin ini sebanyak 69% penduduk kita.

Kondisi ini lebih baik dari pada tidak punya kekayaan sama sekali kan?

Sementara penduduk kaya yang jumlahnya 31% menguasai seluruh 69% dari total kekayaan Indonesia.

Kondisi nyata di Indonesia

Kondisi nyata di Indonesia bisa kita baca bila kita memperoleh grafik lengkap dari BPS. Sayangnya saya belum menemukan grafik yang dimaksud.

Bisa saja grafik itu tidak linear, tentu saja. Tapi kemungkinan besar kondisinya akan berkisar di antara kondisi terburuk dan kondisi terbaik di atas.

Barangkali ada yang punya grafik Gini dari BPS?

Simulasi Herd Immunity – Model Matematis

Herd immunity sangat menarik. Bayangkan kekebalan kelompok. Kita sebagai masyarakat menjadi kebal corona. Pandemi covid-19 jadi usai. Tambahan lagi, herd immunity bisa terjadi dengan sendirinya.

Mengapa tidak kita raih herd immunity?

Perlu ada yang dikorbankan. Kadang tidak murah. Korban nyawa. Maka saya buatkan simulasi matematis untuk estimasi berbagai macam skenario.

  1. Herd immunity normal

Kondisi normal seperti sekarang bila diteruskan bisa menuntun kita ke herd immunity dengan cara mudah.

Kondisi HI, herd immunity, tercapai sekitar September 2021. Pandemi selesai karena tidak ada yang bisa diserang corona. Masyarakat sudah imun.

Lihat pada kondisi puncak, kita lihat, ada kasus harian bertambah 2 juta orang. Apa kita mampu menanggung nya?

Total kasus bisa mencapai 150 juta orang. Dan 15 jutaan di antaranya meninggal, 15 juta yang lain sakit parah, sisanya akhirnya sembuh.

Besaran ini tergantung dengan Ro. Batas agar HI = 1 – 1/Ro.

2. Herd immunity diperkecil

Barangkali HI bisa diturunkan puncaknya dengan asumsi Ro yang lebih kecil. Misal Ro = 1,5 maka hanya perlu 1/3 populasi imun untuk mencapai HI.

HI terjadi antara Juni-Juli 2021, pandemi selesai. Puncaknya terjadi penambahan 1 juta kasus baru per hari. Lebih ringan dari skenario sebelumnya.

Total orang terjangkit sekitar 85 juta orang. Dan 8 juta di antaranya meninggal dunia. Tetap lebih ringan dari skenario 1.

3. Herd immunity lebih kecil lagi

Tentu saja HI bisa lebih ringan lagi bila R0 lebih kecil. Misal Ro = 1,1 maka hanya butuh sekitar 10% populasi saja yang harus imun.

HI tercapai bulan Mei 2021. Pandemi selesai ketika musim lebaran. Asyik…!

Total hanya ada 27 juta orang terjangkit. Barangkali kurang dari 3 juta meninggal dunia. Puncak penambahan kasus harian sekitar 400 ribu. Lebih rendah dari skenario yang sudah-sudah.

Sayangnya, saya menghitung Ro Indonesia Ro = 4,7. Maka perlu 80% populasi imun agar HI. Semoga Ro memang lebih kecil mendekati 1.

Bagaimana menurut Anda?

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?

Solusi Covid-19: Model Matematis

Tampaknya mudah saja. Ternyata tidak semudah tampaknya.

Solusi untuk corona ada tiga saja. Pertama, perilaku manusia. Kedua, inovasi meningkatkan kesembuhan. Dan ketiga, menemukan vaksin.

Saya membuat model matematika untuk menyusun solusi covid-19. Sebagian besar sudah tuntas. Tetapi sebagian lebih besar masih perlu terus dikembangkan.

  1. Angka reproduksi virus R sudah bisa kita hitung dengan mudah. Sementara kita bisa mengandalkan laporan resmi dari gugus tugas. Sedangkan untuk memperoleh kasus aktual barangkali kita bisa melakukan beberapa koreksi yang diperlukan.

Pembuktian matematis angka R dan cara praktis menghitung sudah saya tuliskan di tulisan-tulisan saya sebelumnya. Silakan kunjungi beberapa di antaranya ada di pamanapiq.com .

2. Simulasi total kasus corona ke depan berdasar nilai R. Mudah saja kita dapat membuat simulasi setelah memperoleh nilai R. Lebih mudah lagi bila kita asumsikan nilai R ada pada rentang tertentu.

Misal untuk Jabar, berdasar data-data yang ada, nilai R kadang di bawah 1 dan di atas 1. Maka bisa kita simulasikan dan hasilnya jelas. Total kasus corona akan terus bertambah. Meski pun total kasus aktif kadang turun lalu naik lagi tanpa pernah berhenti.

Untuk keperluan simulasi kita memanfaatkan persamaan sederhana total kasus aktif.

a[h] = R*a[h-I]

Dari sini kita estimasi total kasus positif.

c[h] = c[h-I] + b

b = kasus baru; Kita estimasi proporsional terhadap a[h]. Jika R > 1 maka b cenderung besar.

3. Manajemen meredakan covid.

Bagian selanjutnya saya menyusun model untuk mengendalikan covid. Barangkali ini paling penting. Tujuan awal adalah menurunkan nilai R ke bawah 1 untuk kemudian R = 0 secara konsisten.

Ditemukannya vaksin yang terjangkau dapat menjadi solusi. Tapi masih harus menunggu waktu yang tidak tentu.

Alternatif yang lebih pasti adalah dengan menajemen perilaku dan inovasi meningkatkan angka kesembuhan.

Parameter perilaku P yang naik, gaya hidup bebas, akan menyebabkan R naik pula dan virus makin menyebar. Sementara kenaikan angka sembuh S akan membuat R makin turun.

Parameter P benar-benar hanya parameter. Sehingga arti nyata dari nilai P barangkali tidak pernah kita ketahui. Kita hanya bisa mengartikan kenaikan atau penurunan nilai P. Juga kita tidak bisa membandingkan nilai P dari sistem satu ke sistem lainnya. Beda sistem maka P juga beda makna.

Sedangkan nilai S juga bisa sekedar parameter seperti P. Tetapi S dapat juga berupa nilai hasil pengamatan yaitu banyaknya orang sembuh dibagi dengan banyaknya orang total aktif. Saya biasanya mengambil banyaknya orang sembuh harian.

Koreksi stokastik

Dari model yang dikembangkan kita bisa menghitung semua besaran ketika tersedia data yang diperlukan. Tetapi beda hal bila kita harus memprediksi kondisi masa depan.

Kita perlu memasukkan faktor koreksi stokastik agar memperoleh hasil yang lebih akurat. Dengan memasukkan parameter terbaru maka perlu kita cek dua besaran terpenting yaitu kasus baru dan perubahan kasus aktif (positif atau negatif).

Umumnya, jika R > 1 maka kita perlu mengalikan dengan faktor koreksi yang lebih besar dari 1 juga kepada kasus baru. Hal ini dapat kita pahami sebagai akibat dari proses stokastik. Misal, kasus covid-19 bahwa kasus baru tidak hanya disebabkan oleh kasus aktif pada h – I saja. Barangkali ada pengaruh kasus aktif pada h-1, h-2, dan lainnya.

Hal yang sama juga perlu kita mengalikan dengan faktor koreksi kepada perubahan total kasus aktif.

Setelah kita peroleh parameter-parameter yang diperlukan maka kita dapat melakukan simulasi dan prediksi ke masa depan.

Simulasi dan Prediksi

Kita banyak memanfaatkan parameter stokastik. Maka perubahan paramater disarankan untuk menggunakan perkalian.

Misal parameter P = 8%. Daripada menyatakan penambahan P menjadi P = 8% + 4% = 12% maka lebih baik perkalian,

P = 8% x 1,5 = 12%

Untuk pengurangan dapat kita ubah menjadi perkalian dengan bilangan kurang dari 1.

Dari pada

P = 8% – 4% = 4%

maka lebih baik,

P = 8% x 0,5 = 4%.

Perubahan berupa perkalian ini menjamin aman, kita terhindar dari bilangan negatif dan pembagian oleh 0.

Bagaimana menurut Anda?

Jejak Amerika Juara Corona

Covid-19 terus melonjak. Amerika menembus di atas 3 juta orang terinfeksi. Dalam sehari bisa lebih 60 ribu kasus positif baru. Di dunia pun penambahan sehari bisa lebih 200 ribu orang.

Apakah Indonesia akan menyusul Amerika yang sudah juara? Anda bisa menebaknya sendiri. Penduduk usa ada 300 juta orang lebih sedikit. Sedangkan penduduk Indonesia 300 juta kurang sedikit.

Pertumbuhan kasus di Amerika sekitar R = 1,07 (bisa lebih) adalah cukup besar.

Meski begitu, Presiden Trump mengklaim, secara salah, bahwa 99% kasus corona tidak bahaya sama sekali.

Apa yang akan terjadi berikutnya di Amerika masih tanda tanya besar. Saya membuat beberapa simulasi untuk Amerika sang juara corona. Barangkali kita bisa belajar dari usa untuk menghindari atau meniru mereka.

Jika angka reproduksi R berkisar di atas 1 kadang di bawah 1 maka kasus tidak akan selesai.

Kasus melonjak mencapai 37 juta orang dalam 40 pekan ke depan. Total aktif sempat terendah di bawah 1 juta tapi bisa naik lagi sampai 2,5 juta. Ini jumlah orang yang terlampau besar untuk dirawat di rumah sakit.

Tetapi dua bulan terakhir saya tidak melihat nilai R di bawah 1. Hampir konsisten di atas 1 nilai reproduksi corona di Amerika. Maka saya buatkan simulasi dengan R = 1,03 konsisten.

Total kasus terus menanjak mencapai 85 juta orang lebih di 40 pekan (10 bulan) ke depan. Total kasus aktif saat itu lebih dari 7 juta orang. Jumlah orang meninggal tentu saja banyak. Barangkali sekitar 3 jutaan orang.

Tentu saja ini kasus yang sangat berat.

Pelajaran apa yang bisa kita ambil dari Amerika?

Kang Emil, Kami Siap Dipimpin: Covid-19

Jawa Barat menghenyakkan Indonesia. Jadi juara dalam penambahan kasus baru sehari kemarin: 962 orang. Plus ada kluster baru, seberang jalan rumah saya, Secapa AD ada 1262 kasus positif.

Sekaligus Indonesia mencetak rekor yang teramat tinggi: 2657 kasus baru dalam sehari. Tapi jangan sombong karena sehari sebelumnya, usa juga mencetak rekor di atas 60 000 kasus baru positif dalam sehari.

Saya ingin menyampaikan suara pribadi, dan barangkali warga Jabar umumnya, “Kang Emil, kami siap dipimpin menghadapi covid-19. Kami dukung program-program Kang Gubernur menangani corona. Pimpin kami ke jalan yang lurus, Kang!”

Ayo warga Jabar kita hadapi pandemi sepenuh hati. Demi masa depan kita dan anak negeri. Kita bisa berkontribusi.

Apa resiko bila gagal menghadapi pandemi?

Resiko seperti saya tampilkan di grafik di atas. Bila kita berperilaku mirip-mirip dengan akhir Juni dan awal Juli maka akan ada 17 ribuan total kasus corona di Jabar pada 8 Agustus 2020. Dan sekitar 11 ribuan orang di antaranya masih harus dirawat. Tentu ngeri. Melebihi DKI bahkan Jatim.

Apa yang bisa kita lakukan?

  1. Menurunkan nilai R

Nilai R di bawah 1 maka pandemi mereda. Maka kita perlu terus membaca setiap saat pergerakan nilai R. Saya sudah membuat grafik nilai R tiap hari update, silakan cek di pamanapiq.com/covid .

2. Manajemen prilaku

Baik secara pribadi atau terpimpin kita perlu manajemen perilaku. Akhir Juni, parameter perilaku Jabar naik di atas 10% sampai menembus 20%. Kita perlu menurunkannya misal menjadi P = 5% maka pandemi berangsur mereda.

Caranya jaga jarak, pakai masker, cuci tangan, hindari keramaian, dan lain-lain. Saya berharap K Emil mempunyai dashboard yang menampilkan parameter perilaku dan nilai R realtime. Kita bisa membuatnya. Kita punya ITB di Tamansari Ganesha.

Jika berhasil menurunkan perilaku jadi P = 5% maka kita mampu menahan kasus hanya di 6000 total pada 8 Agustus. Meskipun masih ada 3000 lebih kasus aktif yang masih dirawat. Ini hasil yang cukup bagus.

3. Meningkatkan angka kesembuhan

Angka kesembuhan Jabar 1,7% bisa ditingkatkan menjadi 3,4% maka seperti grafik di atas.

Semoga kita beruntung dapat meningkatkan angka sembuh menjad S = 6,8% maka seperti grafik di bawah ini.

Nilai R berhasil turun jadi 0,977 dan wabah mulai mereda.

Semoga kita semua sehat selalu!

Bagaimana menurut Anda?

Meredakan Pandemi dari Jogja

Yogyakarta selalu unik. Masa pandemi tetap unik. Kita bisa banyak belajar untuk menyelesaikan pandemi covid-19 dari Jogja.

Pada bulan Juni 2020, pandemi di Jogja sudah hampir reda. Nilai reproduksi R sebagian besar di bawah 1. Menandakan wabah memang mereda. Total kasus aktif pun terjadi di sekitar 40an orang. Dan makin berkurang.

Meski total kasus positif sekitar 200 tapi sebagian besar sudah sembuh. Angka kematian juga terbilang rendah.

Corona, bagaimana pun, memang dinamis. Awal Juli 2020 kondisi berubah. Nilai R menanjak ke atas 1 dan bahkan 8 Juli 2020, R = 1,32. Lebih besar dari R nasional. Pandemi di Jogja berkembang lagi.

Kasus aktif yang semula 42 orang melonjak jadi 56 orang di 8 Juli 2020. Angka kesembuhan termasuk tinggi S = 5,36%. Sayangnya parameter perilaku juga tinggi P = 24,40%.

  1. Skenario normal Yogya makin membara

Solusi apa yang tersedia untuk Yogya? Tentu ada. Semoga segera mereda. Pertama mari kita lihat apa yang akan terjadi bila skenario normal ini berlanjut.

Total kasus menjadi 1057 orang pada 1 September. Total kasus aktif melonjak 676 orang. Tentu hal ini tidak boleh terjadi. Maka solusi manajemen perilaku perlu diterapkan.

2. Manajemen perilaku sosial menekan wabah

Solusi pertama yang bisa kita lakukan adalah dengan manajemen perilaku. Kita bisa memperketat perilaku, misal disiplin pakai masker, jaga jarak, rajin cuci tangan, dindari kerumunan. Misal berhasil menekan P = 20% menjadi P = 10%.

Berhasil menahan laju wabah. Tetapi total kasus masih tinggi 475 orang di 1 September 2020. Bahkan total kasus aktif masih 139 orang. Maka kita perlu kombinasi dengan meningkatkan angka kesembuhan.

3. Meningkatkan angka kesembuhan

Bagaimana pun kita ingin pasien corona sembuh semua. Butuh usaha keras untuk meningkatkan angka kesembuhan. Misal kita berhasil meningkat dari S = 5% menjadi S = 10% maka dampaknya bagus.

Berhasil menahan total kasus aktif di 87 orang pada 1 September. Tetapi angka R = 1,06 masih terlalu tinggi.

Maka kita perlu manajemen perilaku yang lebih ketat lagi agar pandemi mereda.

Berhasil. Total kasus aktif tinggal 31 orang di 1 September. Pun nilai R = 0,91 sudah di bawah 1. Maka pandemi segera mereda di Yogya.

Pelajaran untuk Indonesia

Saya berharap kita bisa belajar banyak dari Yogya. Kita bisa memandang Yogya sebagai miniatur Indonesia. Apa yang berhasil di Jogja maka bisa dikopi untuk diterapkan di seluruh Indonesia. Pun apa yang gagal di Jogja perlu dicegah agar tidak terjadi di Indonesia.

Sedikit catatan tentang perilaku di Jogja. Penularan terakhir, di antaranya, terjadi dari seorang nakes. Di sini kita gagal melindungi nakes dari serangan virus. Maka perlu “perlindungan mumpuni” untuk seluruh nakes kita.

Testing yang cepat sangat penting. Nakes yang positif tidak segera diketahui bahwa dia positif. Sudah terjadi penularan, transmisi lokal, kepada suami dan seorang anak dari nakes tersebut. Lagi, kita perlu sistem yang lengkap melindungi nakes dan orang-orang dekat nakes.

Kasus lainnya adalah berasal dari orang luar Jogja atau orang Jogja yang keluar lalu masuk kembali ke Jogja. Ternyata mereka positif. Dan berpotensi menularkan ke penduduk Jogja. Di sini kita perlu sistem yang lengkap bagaimana orang dari luar agar tetap aman bagi warga Jogja.

Contoh hal-hal di atas adalah yang menyebabkan parameter perilaku P meningkat. Kita perlu manajemen perilaku agar parameter turun. Reproduksi turun. Dan wabah berakhir.

Jogja juga bisa kita pandang sebagai laboratorium Indonesia. Mari bersatu melawan corona. Semoga segera mereda.

Bagaimana menurut Anda?