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?

Anies Baswedan Vs Kang Emil: Adil?

Saya bingung juga. Reproduksi virus di Jakarta R di bawah 1. Tandanya virus mulai mereda. Pak Anies sukses.

Semoga covid-19 segera mereda.

Sedangkan di Jawa Barat, nilai R lebih dari 1. Artinya wabah masih terus berkembang. Maka Kang Emil, sebagai gubernur, belum berhasil meredakan pandemi?

Bisakah disimpulkan bahwa kondisi pandemi Jakarta lebih baik dari Jabar?

Dari sisi nilai R memang benar. DKI sudah mereda. Jabar masih membara.

Tapi dari ukuran jumlah kasus bisa beda. Di Jabar hanya ada sekitar 1800 kasus aktif. Sedangkan di Jakarta ada hampir 4000 kasus aktif. Jakarta dua kali lebih besar dari Jabar, beratnya, dalam menangani kasus aktif corona.

Jadi, saya pikir mempertimbangkan R saja tidak adil. Maka R harus disandingkan dengan besaran lain. Saya mendefinisikan,

M = masa = melandai = magnitude,

dalam satuan hari.

Misal Jakarta, R = 0,96 dan M = 185 hari. Bermakna kasus mulai mereda karena R di bawah 1. Dan dibutuhkan waktu sekitar 185 hari sampai kasus benar-benar selesai.

Sedangkan Jabar, R = 1,25 dan M = 168 hari. Bermakna wabah di Jabar memang masih membara karena R lebih dari 1. Tapi hanya dibutuhkan waktu 168 hari untuk menyelesaikan kasus agar benar-benar selesai.

Jadi, Jabar lebih baik dari Jakarta? Karena lebih cepat mereda kasus coronanya? Silakan dijawab masing-masing.

Saya menghitung M dengan asumsi bahwa wilayah tersebut berhasil menurunkan R = 0,80 secara konsisten. Kasus dianggap selesai bila hanya ada kurang dari 1 orang yang aktif covid-19 (sama saja 0 kasus aktif).

n adalah satuan waktu dalam 5 harian sesuai periode inkubasi virus corona.

Maka saya mengubahnya menjadi harian dengan besaran M,

Misal kita pilih kasus aktif a = 4000

Solusi M = 185 hari adalah mirip dengan kasus di DKI Jakarta.

Sedangkan untuk kasus aktif a = 1800, mirip Jabar,

Solusi M = 167 hari juga mirip dengan kasus Jabar.

Bagaimana menurut Anda?

Amerika Vs Jogja untuk Indonesia

Amerika merupakan potret terburuk di dunia dalam menghadapi pandemi covid-19. Dari 12 jutaan orang di dunia terjangkit corona, ada 3 jutaan sendiri dari USA. Korban jiwa pun lebih dari 100 ribu orang.

Tapi Amerika bukan Indonesia!?

Meskipun banyak hal mirip juga antara usa dan Indonesia. Jumlah penduduk sama-sama 300 jutaan jiwa. Pada tulisan ini saya akan membahas sedikit perkembangan corona di Indonesia, usa, dan Jogja.

  1. Covid-19 di Indonesia masih membara

Sebagian besar wilayah di Indonesia sudah bebas. Tidak ada lagi pembatasan sosial. Maka diharapkan roda ekonomi mulai berputar. Di saat yang sama belum ada tanda-tanda corona mereda.

Awal Juli kasus positif sudah di atas 60 ribu orang. Diprediksi akan mencapai 91 ribu orang lebih di awal Agustus. Dengan angka reproduksi R = 1,10 maka wabah masih terus melanda.

Perlu manajemen perilaku untuk menurunkan parameter perilaku dari 11% menjadi 5% atau ke bawah. Semoga angka kesembuhan makin tinggi di atas 3% atau lebih. Berharap R bisa turun di bawah 1.

Seandainya R = 0,8 konsisten maka perlu waktu 232 hari untuk meredakan covid-19 di Indonesia.

2. Corona di Amerika jadi pembelajaran dunia

Warga dunia bisa belajar dari kasus usa menghadapi covid-19. Sangat mahal resiko yang harus ditanggung Amerika.

Diprediksi pada tengah Agustus akan menembus 4 juta kasus di Amerika. Dan ada 2 juta lebih yang harus dirawat. Beban yang sangat berat.

Sedangkan nilai R = 1,05 belum menunjukkan tanda-tanda menurun.

Manajemen perilaku di usa cenderung bebas akhir-akhir ini cukup mengkhawatirkan. Angka kesembuhan juga hanya 1,4% tidak terlalu tinggi.

Seandainya berhasil menurunkan R = 0,80 konsisten maka perlu waktu 320 hari untuk meredakan kasus – hampir 1 tahun penuh.

Untung saja Indonesia tidak menanggung beban seberat Amerika. Mereka masih punya dolar dalam jumlah besar.

3. Jogja miniatur Indonesia yang dinamis

Yogyakarta hampir saja berhasil menekan corona sampai pertengahan Juni. Sayang sekali R naik ke atas 1 pada awal Juli 2020 ini.

Sulit sekali memprediksi kondisi Jogja akhir-akhir ini. Tiba-tiba nilai R melompat jauh di atas 1. Maka berpotensi ada 624 kasus total di akhir Agustus 2020. Sedangkan kasus aktif ada 285 orang. Ini jauh lebih tinggi dari kasus aktif sekarang yang di kisaran 50 orang.

Padahal angka kesembuhan cukup bagus di 5% yang lebih tinggi dari nasional dan usa sekali pun.

Maka di Jogja diperlukan manajemen perilaku yang efektif menurunkan parameter perilaku P = 20% menjadi 10%. Selanjutnya turun lagi menjadi 5%. Dan berangsur wabah mereda.

Seandainya berhasil menurunkan R = 0,80 secara konsisten maka perlu waktu 86 hari untuk meredakan wabah.

Saya berharap pemerintah pusat dapat menjadikan Jogja sebagai miniatur Indonesia. Melakukan uji coba manajemen perilaku di Jogja. Jika berhasil maka bisa disebarkan ke seluruh Indonesia.

Dengan serius menangani Jogja maka kita akan memperoleh banyak data-data penting tentang corona. Kita bisa menganalisis untuk kemudian menghasilkan kesimpulan.

Jika suatu pendekatan perilaku di Jojga gagal, misalnya, maka kita bisa mengkajinya. Lalu memperbaikinya. Pengalaman menangani Jogja menjadi data nyata untuk mengambil keputusan tingkat pusat. Tidak hanya berdasar kira-kira saja.

Bagaimana menurut Anda?