.webp)
Metode
Riset ini menggunakan permodelan SEIRQD, yakni Susceptible (rentan)-Exposed (terpapar)-Infected (tertular)-Quarantine (karantina)-Recovery (sembuh)-Death (kematian). Tujuannya, pertama, menganalisis perkiraan kepadatan kasus COVID-19 per 100 ribu jumlah penduduk. Kedua, menunjukkan seberapa besar perkiraan kasus yang tidak terdeteksi dari provinsi-provinsi di Indonesia.
SCROLL TO CONTINUE WITH CONTENT
Data kematian yang diasumsikan lebih dapat dipercaya dibandingkan data kasus terlaporkan. Melalui permodelan SEIRQD diketahui, 1 kematian diprediksi disertai dengan 385 kasus. Satu orang terinfeksi bisa menulari 3 orang sehat. Namun studi ini hanya terbatas untuk provinsi dengan jumlah kematian yang lebih dari nol (0). Permodelan ini valid apabila sebagian besar pasien yang akhirnya meninggal dunia itu tidak berpindah provinsi selama dua pekan.
Riset ini juga menggunakan metode Extended Kalman Filter. Tujuan penggunaan metode ini adalah memberi nilai angka reproduksi penularan COVID-19 dengan tepat dan memproyeksikan waktu puncak serta jumlah kasus kematian dari beberapa skenario kebijakan pemerintah.
Penelitian dengan draf bertanggal 6 April 2020 ini didasarkan pada data sampai 31 Maret 2020. Hasil permodelan ini belum melalui penelaahan sejawat (peer review).
Soal penularan, ada istilah Ro atau angka reproduksi kasus positif COVID-19. Ro mengindikasikan jumlah kelahiran kasus baru akibat satu orang terinfeksi saat masuk suatu populasi. Angka Ro harus kurang dari 1 supaya tidak ada penularan. Diperlukan penerapan karantina wilayah bila ingin Ro kurang dari 1.
"Upaya social distancing saja tidak mengakibatkan parameter Ro kurang dari satu, yang merupakan indikator epidemiologi terjadinya pandemi atau tidak di suatu wilayah, untuk bisa menghasilkan nilai Ro yang kurang dari satu diperlukan upaya lebih, misalnya karantina wilayah," tulis tim dalam poin kesimpulan.
(dnu/fjp)
