TUGAS AKHIR SEMESTER

Simulasi Model Matematika Penyebaran Covid-19 di Indonesia

Berdasarkan Data Endemik Awal

Oleh

Kelompok 8:

Afridho Afnanda (17030035)

Meilina Latifah (17030047)
Riska Amalia Batubara (17030034)
Siska Permata Sari (17030055)

Dosen Pembimbing : Rara Sandhy Winanda, S.Pd, M.Pd

JURUSAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS NEGERI PADANG

2021
 KATA PENGANTAR

Segala puji adalah milik Allah. Dialah yang telah mengajarkan ilmu
dengan perantaraan kalam, memberikan rahmat dan ampunan serta
memudahkan segala urusan hingga penulis telah menyelesaikan satu makalah
berjudul “Simulasi Model Matematika Penyebaran Covid-19 di Indonesia
Berdasarkan Data Endemik Awal”. Penulisan makalah ini bertujuan untuk
memenuhi tugas akhir mata kuliah Matematika Biologi.

Ucapan terima kasih penulis sampaikan kepada Ibu Rara Sandhy

Winanda S.Pd, M.Pd selaku dosen pengampu mata kuliah Matematika Biologi
yang memotivasi penulis hingga makalah ini selesai. Kemudia ucapan
terimakasih juga penulis sampaikan kepada orang tua yang senantiasa
memberikan semangat dan motivasi dalam penulisan makalah ini. Selanjutnya
kepada semua pihak yang telah membatu penulisan makalah ini yang tidak
dapat penulis sebutkan satu persatu.

Penulis menyadari bahwa makalah ini masih jauh dari kesempurnaan.

Untuk itu penulis mengharapkan kritik dan saran dari pembaca untuk
kesempurnaan makalah ini. Semoga makalah ini dapat memberikan manfaat
kepada penulis dan pembaca.

Payakumbuh, 9 Januari 2021

 BAB I

PENDAHULUAN

A. Latar Belakang

Di awal tahun 2020, dunia digemparkan dengan merembaknya virus

baru yaitu coronavirus jenis baru (SARS-CoV-2) yang kemudian pada ahli
memberinya nama Coronavirus Disease 2019 (COVID-19). Diketahui asal
virus ini berasal dari Wuhan, Tiongkok. Ditemukan pada akhir Desember
2019. Sampai saat ini sudah dipastikan terdapat 65 negara yang sudah
terjangkit virus ini ( Data WHO, 1 Maret 2020) (PDPI 2020).

Pada awalnya data epidemiologi menunjukkan 66% pasien berkaitan

dengan satu pasar seafood atau live market di Wuhan, Provinsi hubei
Tiongkok (Huang,et.al.,2020). Sampel isolat dari pasien diteliti dengan hasil
menunjukkan adanya infeksi coronavirus, jenis betacoronavirus tipe baru,
diberi nama dengan 2019 novel Coronavirus (2019-nCoV).

Secara virologi coronavirus merupakan virus dengan ukuran partikel

120-160 nm. Virus ini utamanya menginveksi hewan, terutamanya kelelawar
dan unta. Sebelum virus COVID-19 mewabah di dunia, terdapat 6
coronavirus yang dapat menginfeksi manusia diantaranya adalah Severe
Acture Respiratory Illness Coronavirus (SARS-CoV) dan Middle East
Respiratory Syndrome Coronavirus ( MERS-CoV). Berdasarkan hasil analisis
filogenik menunjukkan bahwa virus COVID-19 masuk dalam subgenus yang
sama dengan coronavirus yang menyebabkan wabah Severe Acute
Respiratory Illness (SARS-CoV) pada tahun 2002-2004 silam, yaitu
Sarbecovirus. Kemudian atas dasar inilah diajukannya nama SARS-CoV-2
oleh International Commite on Taxonomy of Viruses.
 Virus yang merupakan virus RNA strain tunggal positif ini
menginfeksi saluran pernafasan. Infeksi COVID-19 dapat menimbulkan gejala
ringan, sedang atau berat. Gejala klinis utama yang muncul yaitu demam,
batuk dan kesulitan bernafas. Selain itu dapat disertai dengan sesak memberat,
fatigue, myalgia, gejala gastrointestinal seperti diare dan gejala saluran napas
lain. Penegakan diagnosis dimulai dari gejala umum berupa demam, batuk
kering(sebahagian kecil berdahak) , dan sulit bernapas atau sesak hingga
adanya kontak erat dengan negara-negara yang sudah terinfeksi. Pengambilan
swab tenggorokan dan saluran nafas menjadi dasar penegakan diagnosis
coronavirus diseas.

Saat ini penyebaran SARS-CoV-2 dari manusia ke manusia menjadi

sumber transmisi utama sehingga penyebaran menjadi lebih agresif. Transmisi
SARS-CoV-2 dari pasien simptomatik terjadi melalui droplet yang keluar
saat batuk atau bersin. Selain itu, telah diteliti bahwa SARS-CoV-2 dapat
viable pada aerosol selama setidanya 3 jam.

Hingga saat ini sudah tercapat sebanyak 89 juta jiwa yang sudah
terpapar COVID-19 1,92 juta diantaranya meninggal dunia. Sedangkan di
Indonesia sendiri, pada tanggal 2 Maret 2020 sebanyak dua kasus positif
COVID-19 pertama kali dilaporkan. Terkonfirmasi berjumlah 1.528 kasus dan
136 kasus kematian pada 31 Maret 2020. Tingkat kematian COVID-19 di
Indonesia sebesar 8,9%, adalah jumlah tertinggi di Asia Tenggara.

Jurnalis David Adam mengatakan bahwa ilmuan sedang berjuang

untuk memprediksi bagaimana perilaku penyebaran COVID-19 ini. John
Edmunds dari Center for the Mathematical Modelling of Infection Disease di
London School of Hygiene and Tropical menyatakan bahwa Sebagian besar
karya pemodelan belum menyajikan model dan prediksi, melainkan berfokus
disekitar karakterisasi epidemiologis. Dalam makalah ini, akan diberikan
analisis dengan perhitungan sederhana terkait dengan laju peningkatan kasus
 COVID-19 di Indonesia. Akibat masifnya infeksi tersebut, China, Korea
Selatan, Italia, Iran, dan Amerika Serikat dipilih sebagai acuan untuk
menentukan parameter model untuk data di Indonesia. Selain itu,
perbandingan dengan akumulasi kasus di seluruh dunia juga ditampilkan.

B. Rumusan Masalah
Pada makalah ini yang akan menjadi rumusan masalahnya adalah
1. Bagaimana simulasi model matematika COVID-19 di Indonesia
berdasarkan pada endemic awal?
2. Kapan awal, puncak dan akhir dari pandemic COVID-19 di Indonesia?

C. Tujuan
Tujuan penyusunan makalah ini adalah:
1. Membentuk model matematika penyebaran COVID-19 di Indonesia
berdasarkan pada data endemic awal
2. Memberikan prediksi awal, puncak dan berakhirnya pandemic COVID-19
di Indonesia.

D. Manfaat

Manfaat disusunnya makalah ini adalah:

1. Memberikan informasi pada pembaca tentang prediksi awal, puncak dan

berakhirnya pandemic COVID-19
2. Sebagai bahan pertimbangan bagi peneliti selanjutnya dalam memperluas
dan mengembangkan cakupan penelitian.
 BAB II

PEMBAHASAN DAN HASIL

A. Formulasi Model
Untuk membangun model pada makalah ini, digunakan beberapa data
perkembangan Covid-19 di beberapa negara seperti Cina, Italia, Iran, Korea
Selatan, dan USA. Data yang diberikan oleh Universitas Oxford ini
merupakan data harian dimana banyaknya orang yang terinfeksi diamati dari
21 Januari sampai 10 maret 2020. Data ini lah yang nanti akan digunakan
dalam membangun model yang ditunjukkan pada gambar -gambar berikut:

Gambar 1. Jumlah penderita dari 21 Januari-10 Maret 2020; (a)Cina, (b) Italia, (c) Iran, (d)

Korea Selatan, (e) USA, (f) seluruh dunia

(a) Cina, berdasarkan kurva dapat kita lihat bahwa jumlah penderita
mengalami penaikan yang sangat drastis hingga mencapai 80.000 lebih kasus
pada 10 Maret 2020

(b) Italia, kasus pertama di Italia berdasarkan kurva dimulai pada tanggal 03
Maret, dan terus mengalami kenaikan disaat Cina mulai konstan pada jumlah
80.000 penderita.

(c) Iran, hampir sama dengan Italia, Iran mengalami kenaikan penderita mulai
tanggal03 Maret. Jumlah kasus di Italia lebih banyak dari pada di Iran

(d) Korea Selatan. Memulai kasus pertama pada bulan Februari dan mencapai
hampir 8000 kasus hingga 10 Maret 2020. Hal ini hampir serupa dengan awal
kasus di Indonesia yaitu dimulai pada bulan awal Februari.

(e) USA. Berdasarkan kurva,kenaikan jumlah penderita sangat tajam terjadi

pada pada 3 maret hingga 10 Maret 2020.

Pada makalah ini, penelitian dilakukan dengan menjalankan simulasi

dan pemodelan sederhana mengenai prediksi penyebaran Covid-19. Model
yang digunakan yakni pengembangan model logistik dari kurva Richard
(fungsi logistik umum) oleh F.J Richard. Menurut richard, fungsi
pertumbuhan bisa diselesaikan dengan mencari solusi dari persamaan
differensial berikut:

= 1− (1)

Dimana,

y(t) = Jumlah penderita per satuan waktu

r = tingkat pertumbuhan awal (orang/hari)
K = daya dukung (jumlah maksimum individu yang dapat didukung oleh
sumber daya)
α = efek asimtotik
 Pada saat α=1, persamaan tersebut akan berubah menjadi persamaan
diferensial logistik klasik. Untuk mencari fungsi pertumbuhannya maka solusi
dari persamaan (1) adalah sebagai berikut:

= 1−

=
1−

=
1−

=
−

=
−

1
=
−

=
( − )

=
( − )
 =
( − )

Dari hasil integral tersebut didapatkan solusi:

( )= (2)
( )

Terdapat empat parameter yang perlu diestimasi yaitu K, r, α, dan tm.

Dengan menggunakan metode kuadrat terkecil kita dapat menemukan

karakteristik kejadian (Covid-19) untuk setiap negara yang telah dipilih untuk
diamati dalam penelitian ini. Hasil dapat dilihat pada tabel 1.

Negara K r α tm RMSE
Cina 82.000 0,2 1,017 20,41 2940,85
Italia 132983 0,081 0,148 63,92 91,00
Iran 12860 0,2 0,182 46,49 67,48
Korea 8495 0,2 0,41 40,12 51,77
Selatan
Seluruh 60292 0,1 0,166 69,19 33,73
dunia
Tabel 1. Nilai parameter model kurva Richard untuk kejadian Covid-19 di
lima negara

Dinamika yang diperoleh dengan menggunakan nilai parameter

ditunjukkan oleh gambar 2 dan 3
Gambar 2
 Gambar 3

Parameter yang dibutuhkan diestimasi dengan metode kuadrat terakhir

sehingga menghasilkan kurva Richard yang mempresentasikan dinamika
penderita disetiap negara yang ditinjau. Contohnya, model menunjukkan
bahwa jumlah pasien di Cina relatif konstan sekitar 80.000 setelah 25 Februari
2020. Model juga menunjukkan bahwa jumlah dari kasus baru yang telah
menurun secara signifikan setelah 11 Februari, satu minggu lebih lambat dari
yang ditunjukkan data. Namun itu masih relatif baik. Perilaku serupa juga
terjadi di Korea Selatan dimana model relatif dapat memuat data dengan
cukup baik.
Setelah mengkontruksikan model untuk lima negara diatas, parameter
pada tabel 1 digunakan untuk simulasi dugaan jumlah kasus COVID-19 di
Indonesia melalui pendekatan kurva Richard. Jadi, setiap parameter yang
ditetapkan dari masing -masing negara pada tabel 1 digunakan untuk prediksi
dan membandingkan hasilnya. Berdasarkan data, Indonesia memulai kasus
pada 2 Februari 2020 dengan dua pasien yang jumlahnya tidak bertambah
hingga 7 Maret 2020. Dengan demikian, sebuah simulasi dilakukan dengan
nilai awal dari dua pasien. Hasil simulasi dan perbandingan dengan data nyata
di Indonesia hingga 14 Maret 2020 ditunjukkan pada gambar 4.
Gambar 4. Data dan prediksi jumlah orang yang terinfeksi Covid-19 di Indonesia. Nilai parameter yang
digunakan yaitu ; (a)Cina, (b) Italia, (c) Iran, (d) Korea Selatan, (e) USA,

Jika kita amati kurva, didapatkan hasil bahwa kurva Richard dengan
data di Indonesia relatif baik dengan menggunakan nilai parameter Korea
Selatan. Hal ini dapat kita lihat dari kurva estimasi dari berbagai negara yang
paling mendekati data aslinya adalah nilai parameter yang berasal dari Korea
Selatan. Pada bagian selanjutnya, kita akan memprediksi jumlah kasus Covid-
 19 di Indonesia menggunakan nilai parameter dari Korea Selatan dengan
asumsi bahwa situasi atau strategi untuk menangani pandemi di Indonesia
efektif seperti atau sama dengan Korea Selatan.

B. Hasil

Untuk penggunaan nilai parameter Korea Selatan, diperoleh data

seperti tabel berikut :

K r  tm RMSE
Korea Selatan 8495 0,2 0,41 40,12 51,77
Dari tabel dapat dilihat nilai dari daya tampung adalah sebesar 8495,
artinya Korea selatan memilki daya tampung atau daya pelayanan jumlah
penderita Covid-19 adalah sebesar 8495 dengan laju pertumbuhan awal
sebesar 0,2 orang/hari serta efek asimtotik sebesar 0,41 yang nantinya akan
dimasukkan pada data nyata kasus awal Covid-19 di Indonesia. Kemudian
akan dilihat apakah cara tersebut efektif berdasarkan kurva Richard.

Gambar 5

Berdasarkan kurva Richard dari hasil simulasi pada gambar 5, epidemi

Covid-19 di Indonesia menghasilkan:
a. Awal epidemi : pertengahan/awal Maret 2020

b. Puncak epidemi : akhir Maret 2020

 c. Akhir epidemi : pertengahan April 2020

d. Jumlah kasus : lebih dari 8000 kasus

Adapun hal yang perlu digaris bawahi dari hasil yang diperoleh
dengan menggunakan nilai parameter model yang diestimasi dari data Korea
Selatan dianggap cukup berhasil dalam mengimplementasi strategi yang
bagus untuk mencegah penyabaran Covid-19. Dari hal itu juga dapat kita lihat
bahwa jika tindakan pencegahan di Indonesia tidak dianggap serius
(disepelekan) maka jumlah kasus mejadi berlipat ganda, ratusan hingga ribuan
bahkan jutaan kasus dari yang diprediksi.
 BABIII
PENUTUP
A. Kesimpulan

1. Model yang diperoleh ialah

= 1−

Menggunakan solusi

( )=
1+ exp(− ( − ))

2. Model dibangun secara sederhana untuk memprediksi pandemi Covid-19

di Indonesia. Model ini didasarkan pada kurva Richard, karena tren awal
data di Indonesia hingga 14 Maret 2020 serupa dengan di Korea Selatan,
maka digunakan nilai parameter yang sama yang diperoleh dari data di
Korea Selatan. Sesuai dengan asumsi bahwa strategi di Indonesia sama
efektif dan efisiennya seperti di Korea Selatan. Dengan hasilnya:
Awal epidemi : awal Maret 2020
Puncak epidemi : akhir Maret 2020
Akhir epidemi : pertengahan April 2020
Jumlah kasus : lebih dari 8000 kasus

B. Saran

Dalam pembuatan model ini, dibangun masih dengan model sederhana

yang disebut dengan model prediksi optimis karena menurut prediksi
pandemi akan segera berakhir. Namun, jika asumsi keberhasilan strategi
gagal untuk dipenuhi, maka prediksi mungkin benar-benar menyimpang dari
data nyata. Dalam hal ini, model harus diperbarui dengan memasukkan
informasi baru dan perkembangan data nyata penyebaranCovid-19.
 DAFTAR PUSTAKA
A. Susilo et al. Coronavirus Diseas 2019 : TTinjauan Literatur Terkini.
Jurnal Penyakit Dalam Indonesia,Vol. 7, No.1,2020

Coronavirus Data. https://www.worldometers.info/coronavirus/, diakses

pada 7 Januari 2021.

Hanoatubun, Silpa. 2020. Dampak COVID-19 Terhadap Perekonomian

Indonsia.
Universitas Kristen Satya Wacana. Vol.2 No.1(2020), 2716-4446.

Huang,C.,Wang,Y.,Li,X.,Ren,L.,Zan,gLi.,Fan, G.,etc. 2020. Critical

Features of Patients Infected with 2019 Novel Coronavirus in
Wuhan,China. The lancet. 24 Jan 2020
https://nasional.kompas.com/read/2020/03/03/06314981/fakta-
lengkap-kasus-pertama-virus-corona-di-indonesia?page=all.
Diakses tgl 7 Januari 2021
https://www.kompas.com/tren/read/2021/01/08/070300365/update-
covid-19-dunia-8-januari--88-3-juta-kasus-who-desak-eropa-
bertindak?page=all. Diakses tgl 8 Januari 2021
https://www.liputan6.com/news/read/4244241/menelusuri-asal-
muasal-munculnya-virus-corona-covid-19. Diakses tgl 8 Januari
2021
N. Dwitri et al. Penerapan Algoritma K-Means dalam Menentukan
Tingkat Penyebaran Pandemi Covid-19 di Indonesia. Jurnal
Teknologi Informasi, Vol.4, No.1,2020
Perhimpunan Dokter Paru Indonesia. 2020. Panduan Praktik Klinis :
Pneumonia 2019-nCoV. PDPI : Jakarta.
Richards, F. J., A Flexible Growth Function for Empirical Use, Journal of
Experimental Botany. 10 (2), pp. 290-300, June, 1959.
Roser, M., Ritchie, H., and Ortiz-Ospina, E., COVID-19 Research and
Statistic. https://ourworldindata.org/coronavirus, diakses pada 8
Januari 2021

Sari, Marina Ika. 2020. Kebijakan Korea Selatan dalam Meratakan Kurva
COVID-19 tanpa Lockdown: Sebuah Pelajaran. THC INSIGHTS.

Suharyato.2020.Covid 19:Sumber dan Rujukan Karya Ilmiah : Jakarta,

Ikatan Pustakawan Indonesia.

Syiah Kuala University.2020,Antologi dari Bumi Paguntaka Covid-19 :

Dampak dan SolusiAceh: Syiah Kuala University Press
Wikipedia.2010. Generalised logistic function. Diakses pada 8 Januari
2021