Isu Kerdil yang Besar

Apa masalahnya dengan kerdil? Bukankah itu soal genetis atau turunan orang tua? Apakah itu sesuatu yang dapat dicegah? Daftar pertanyaan semacam ini dapat diperpanjang. Tapi apapun jawabannya, yang jelas pemerintah menilai serius urusan ini. Indikasinya, untuk mengurusi isu ini, pemerintah telah membentuk P2AK: Tim Percepatan Pencegahan Anak Kerdil[1]. Secara administrasi Tim ini berada di bawah Sekretariat Kantor Wakil Presiden dan ini menunjukkan besar, serius dan kompleksnya isu ini

Dari kepanjangan TP2AK terlihat beberapa hal berikut: (1) fokus perhatian pada anak, (2) pengerdilan anak diasumsikan dapat dicegah, dan (3) upaya pencegahan itu perlu dipercepat. Tapi apa masalahnya dengan kekerdilan ini? Inilah yang akan dicoba dijawab secara sederhana melalui tulisan singkat ini, sekadar untuk memperoleh gambar besarnya.

Definsi dan Dampak Stunting

Padanan Bahasa Inggris untuk kata kerdil adalah swarf (kata benda) sementara untuk kata pengerdilan adalah stunting (kata kerja). Yang menjadi isu bukan swarf tetapi stunting. Asumsi dasarnya, berbeda dengan swarf yang lebih bersifat genetis atau terjadi karena kelainan hormonal yang tidak dapat dicegah, stunting dapat dicegah. UNICEF menggunakan istilah yang terakhir ini untuk merujuk pada rendahnya tinggi badan anak relatif terhadap umurnya karena kurangnya asupan gizi dalam jangka panjang dan seringnya infeksi: “Stunting, or low height for age, is caused by long-term insufficient nutrient intake and frequent infections”.

Dampak stunting ternyata luas termasuk lambatnya pertumbuhan motorik dan rusaknya fungsi kognitif anak, kedua hal ini pada gilirannya berakibat  pada buruknya kinerja sekolah anak. Dampak lebih jauh, menurut WHO stunting membawa dampak negatif terhadap produktivitas ekonomi nasional. Yang ‘menakutkan’, menurut UNICEF dampak stunting terhadap pertumbuhan motorik dan kognitif anak bersifat permanen (irreversible).

Prevalensi Stunting

Menurut UNICEF hampir sepertiga anak balita secara global tergolong stunting. Angka ini tidak berbeda jauh dari angka Indonesia yang dalam periode 2010-2019 sekitar 27-35%[2]. Dinyatakan secara berbeda, tidak terlalu berlebihan jika dikatakan bahwa angka stunting Indonesia merepresentasikan angka stunting global.

…. angka stunting Indonesia representasi angka stunting global.

Prevalensi stunting relatif tinggi di negara-negara berkembang. Walaupun demikian, angkanya sangat bervariasi menurut kawasan. Angka untuk kawasan Asia Timur (Pasifk), misalnya, hanya 16%, jauh lebih rendah dari angka kawasan Asia Selatan (46%). Yang layak-catat, angka stunting Indonesia kira-kira dua kali lipat angka Asia Timur.

Highest levels are found in South Asia
Prevalence of stunting in children under five, by region (2000–2006)

Source: UNICEF

Angka stunting Indonesia kira-kira dua kali lipat angka Asia Timur.

Sebagai catatan, proses pengumpulan data untuk menghitung angka pengukuran stunting secara langsung relatif kompleks sehingga sulit diajarkan pada petugas Survey Sosial Ekonomi Nasional (Susenas). Di sisi lain, kuesioner Susenas menyediakan sejumlah variabel yang dapat digunakan untuk membangun variabel penjelas (explanatory variables) bahkan untuk menghitung proksi indikator stunting. Dengan demikian data Susenas secara umum berpotensi untuk digunakan sebagai alat pemantauan status stunting secara berkala.

Tantangannya, rancangan sampel Susenas utamanya dimaksudkan untuk mengukur karakteristik rumah tangga secara umum, bukan karakteristik sub-populasi anggota rumah tangga secara spesifik seperti balita apalagi baduta. Dalam konteks ini, kajian mengenai kecukupan sampel Susenas serta kecermatan hasil perhitungan bukan merupakan pilihan tetapi merupakan keharusan metodologis ketika datanya digunakan untuk mengukur karakteristik terkait stunting.

…. kajian mengenai kecukupan sampel Susenas serta kecermatan hasil perhitungan … merupakan keharusan metodologis ketika datanya digunakan untuk mengukur karakteristik terkait stunting.

Faktor Pengaruh

Terkait anak stunting ini catatan pentingnya adalah bahwa kondisinya merupakan akibat dari sejumlah faktor yang terjadi bahkan sebelum anak itu terlahir. Itulah sebabnya upaya penanganannya mencakup 1000 hari pertama termasuk ketika anak itu masih berbentuk janin dalam rahim ibunya. Dengan demikian faktor ibu turut menentukan: asupan gizi dan kesehatan reproduksi ibu ketika mengandung turut menentukan. Jika asupan gizinya buruk atau secara fisik belum siap (akibat pernikahan dini) maka besar kemungkinan dia melahirkan bayi dengan berat badan rendah (BBLR).

Banyak faktor yang mempengaruhi stunting termasuk sejarah kesakitan neonatal dan kemiskinan. Menurut suatu penelitian (2017) terhadap anak berumur 12-23 bulan, bayi dengan sejarah kesakitan neonatal (neonatal illness) memilki OR=1.23; artinya, memiliki risiko menjadi stunting 23% lebih tinggi dari bayi yang tidak memiliki sejarah itu. Sementara itu, risiko kemiskinan (tidak langsung) memiliki OR=1.3.

Menurut penelitian yang sama, risiko BBLR lebih tinggi dibandingkan dengan risiko dua faktor sebelumnya. Angka OR-nya sekitar 1.74. Dengan kata lain, bayi yang lahir dengan berat badan rendah atau di bawah normal (<2.5 kg) berisiko 74% lebih tinggi untuk menjadi stunting dibandingkan bayi yang lahir dengan berat badan normal (>=2.5 kg[3]). Yang juga layak-catat dari penelitian ini adalah bahwa bayi laki-laki 27% berisiko lebih tinggi menjadi stunting dari pada bayi perempuan. Apakah angka terakhir menunjukkan bahwa wanita lebih “tangguh” dari pria sejak masih bayi?

Wallahualam…. @

[1] Penulis baru saja kenal istilah TP2AK karena kebetulan beberapa hari lalu (3/6/20) berpartisipasi dalam suatu Zoom Meeting terkait isu ini.

[2] Menurut suatu penelitian (2017), prevalensi stunting anak umur 12-23 bulan di Indonesia sekitar 40.4%.

[3] Angka ini lebih kecil dari 2 standar deviasi median dari standar tinggi badan per umur menurut standar WHO.

Estimasi Populasi Global Sepanjang Masa

Global dan Sepanjang Masa. Ini adalah dua kata kunci untuk menghindari keliru-baca judul tulisan dan keliru-paham isinya. Kata global mengimplikasikan faktor migrasi tidak relevan. Kata sepanjang masa mengimplikasikan status kelangsungan hidup (masih hidup atau sudah meninggal) juga tidak relevan. Singkatnya, dua faktor pertumbuhan penduduk ini, Migrasi (M) dan Kematian (D), tidak relevan dalam tulisan ini. Satu-satunya yang relevan adalah faktor Kelahiran (B). Dengan kata lain, populasi dalam judul tulisan identik dengan total Kelahiran, tepatnya total kelahiran-hidup[1], atau populasi yang pernah hidup (ever lived). Tulisan ini bermaksud mengestimasi populasi yang dimaksud.

Klarifikasi Teknis

Pertanyaannya, apakah mengestimasi populasi yang dimaksud secara teknis dimungkinkan dalam arti menghasilkan angka yang masuk akal. Jawabannya positif. Berikut ini adalah penjelasan singkatnya.

Estimasi suatu populasi apa pun dimungkinkan asalkan dipenuhi dua syarat. Pertama, fungsi matematis dari populasi yang dimaksud dapat diketahui. Teknik demografi memastikan fungsi itu diketahui untuk organisme hidup termasuk manusia. Kedua, ruang lingkup fungsi itu dapat didefinisikan. Begitulah persyaratan kalkulus (definite integral). Dalam konteks tulisan ini, ruang lingkup yang dimaksud adalah batasan waktu dari “sepanjang masa”. Catatan sejarah demografi global memungkinkan pendefinisian ruang lingkup itu

Seperti yang akan segera terlihat, batas bawah “sepanjang masa” dalam tulisan ini adalah tahun 600,000 SM ketika hanya ada seorang populasi global, batas atasnya 2011 ketika total penduduk mencapai tujuh milyar, 107. Dengan demikian, bahasan dalam tulisan ini mencakup periode sekitar (6×106 + 2011) tahun, periode yang mencakup era sebelum maupun sesudah banjir akbar, era Nabi Nuh AS[2].

Metodologi

Populasi tahun t2 (=N2) merupakan fungsi dari populasi tahun t1 (=N1), rentang periode  yang menjadi perhatian (t2 -t1) dan pertumbuhan populasi dalam periode itu:

N2= f(N1, r, (t2 -t1))

Fungsi N2 dapat dinyatakan dalam model eksponensial[3] berikut:

N2 = N1exp(r(t2 -t1)) atau

(N2/N1) = exp(r(t2 -t1)) …. (1)

Dari persamaan (1) dapat dirumuskan pertumbuhan penduduk:

r = log(N2/N1)/(t2-t1)] …. (2)

Fokus tulisan ini adalah total kelahiran atau populasi yang pernah hidup yang dalam tulisan ini dinotasikan dengan n1 (untuk t1) dan n2 (untuk t2). Menggunakan analogi persamaan (1), total kelahiran dapat dinyatakan sebagaiJika persamaan (1) disubstitusikan ke persamaan (3) maka hasilnya

B = [((n2-n1) (t2-t2)] / [log(n2)-log((n1)] ….. (4)

di mana B adalah total kelahiran hidup atau populasi yang pernah hidup. B inilah yang menjadi tujuan akhir dari estimasi populasi dalam tulisan ini.

Hasil Perhitungan

Tabel 1 menyajikan hasil perhitungan berdasarkan persamaan (4). Sumber data diperoleh dari Keyfitz dan Caswell[4] dan hasil olahan data yang bersumber Worldmeter.

Tabel 1: Penghitungan Orang Pernah Dilahirkan

Seperti yang tampak pada tabel itu, rentang waktu dibagi dalam 8 periode mulai 600,000 SM. Catatan singkat mengenai empat periode pertama layak disisipkan di sini:

  • 600,000 SM: Di Afrika diduga Homo sapiens mulai berkembang;
  • 6,000 SM: Di Eropa mulai ada kehidupan Cro-magnous (Homo sapiens sapiens) mulai kehidupan di Eropa, jelas jelas apakah mereka  migran dari Afrika;
  • 1650: IPTEK mulai maju pesat; jarak antara bumi-matahari telah dapat dihitung dan dijadikan sebagai 1 unit astronomi oleh Kepler (1619); dan
  • 1962: Umur Battle (Grup Musik Inggris) baru berumur 2 tahun dan Yuri Gagarin baru saja bermanuver di Ruang Angkasa.

Tabel 1 (Kolom (3) juga menunjukkan betapa cepatnya populasi ‘manusia modern” (Homo Sapiens) tumbuh dalam lintasan waktu. Berikut ini adalah ilustrasi mengenai kecepatan pertumbuhan itu:

  • Pada fase awal, manusia perlu waktu hampir 600 milenium agar secara agregat berjumlah 250,000 jiwa;
  • Dalam fase berikutnya, makhluk ini perlu waktu kurang dari 8 milenium untuk menjadi 100 kali lipat dari fase sebelumnya; menjadi 25,000 juta jiwa. Dari sini mulai tampak akselerasi dari kecepatan pertumbuhan populasi manusia; dan
  • Dalam enam fase terakhir (1650-2011), populasi manusia hanya perlu waktu sekitar 3.5 abad untuk melipatkan-diri sebanyak 38 kali; dari 25 juta menjadi 7 milyar jiwa.

Fokus tulisan adalah Kolom terakhir pada Tabel 1. Pada kolom itu tampak pada awal, dari 600,000 SM–6000 SM, sudah ada hampir  sampai 12 milyar penduduk yang pernah hidup atau peristiwa kelahiran hidup. Yang mencolok adalah pertambahan kelahiran-hidup dalam periode 1974-1987 ketika kelahiran-hidup bertambah dari sekitar 13 milyar menjadi 58 miliar; lebih dari 4.5 kali lipat hanya dalam waktu hanya 12 tahun. Atas dasar ini maka masuk akal jika istilah ledakan penduduk (population explosion) menjadi keprihatinan hampir semua pihak di era 1970-90-an.

Kolom terakhir baris jumlah menunjukkan sampai 2011 sekitar 284 milyar jiwa yang pernah dilahirkan-hidup di muka bumi ini. “Populasi” yang sudah meninggal, dengan demikian, berjumlah sekitar 277 miliar jiwa. Proporsi yang “masih hidup” sekitar 2.5% (=7/284). Angka ini lebih rendah dari perhitungan Winter (1959) dan Fuhs (1951) yaitu 4-6% sebagaimana dikutip Keyfitz-Caswell (1977:13)[5]. Catatannya, yang terakhir ini mengomentari angka 4-6% ketinggian,

…. a proportion that would be somewhat smaller if we moved human origin back in time. The corresponding fraction for adults is greater, and the fraction of those with specific modern occupations who have lived, for instance engineers, much greater.

******

“Populasi” yang sudah meninggal yang berjumlah sekitar 277miliar jiwa itu (sampai 2011), menggunakan terminologi Islam, adalah populasi alam barzah (alam antara), antara alam dunia dan alam akhirat. Populasi Alam Dunia: Populasi Alam Barzah = 1:40. Jumlah mereka pasti terus bertambah karena sifatnya monotonously increasing menurut istilah orang matematik. Demikianlah faktanya karena “yang pernah hidup” pasti akan memasuki “pintu kematian”, meminjam istilah Hadits: “Kematian adalah pintu dan setiap orang akan memasukinya”.

 Dalam Weltanschauung Al-Quran, sebelum memasuki alam akhirat, setiap individu dalam populasi alam barzah akan dihitung satu-persatu untuk memastikan keadilan-Nya berlaku secara sempurna. Yang layak catat, soal perhitungan ini secara eksplisit tercantum dalam QS (19:93-95):

  • Tidak ada seorang pun di langit dan di bumi, melainkan datang kepada (Allah) Yang Maha Pengasih sebagai seorang hamba.
  • Dia Allah benar-benar telah menentukan jumlah mereka dan menghitung mereka dengan hitungan yang teliti.
  • Dan setiap orang dari mereka akan datang kepada Allah sendiri-sendiri pada hari Kiamat.

Wallahualam….. @

[1] Menurut definisi, kelahiran hidup adalah kelahiran yang diikuti oleh tanda-tanda kehidupan seperti menangis walaupun sesaat. Istilah kematian hanya berlaku bagi kelahiran hidup, istilah kematian tidak relevan untuk kasus lahir mati.

[2] Menurut catatan sejarah terjadi sekitar tahun 7,550 Sebelum Masehi.

[3] Rumus geometrik bisa diterapkan tetapi proses perhitungan menjadi rumit dan –ini yang mendasar– hasilnya tidak berbeda secara signifikan.

[4] Keyfitz, Nathan and Hal Caswell (1977), Applied Mathematical Demography (3rd Edition), Springer.

[5] Ibid.

Pandemi Covid-19: Tujuh Rekomendasi Endcoronavirus

Konteks

Perang melawan pandemi Covid-19. Tidak banyak negara yang sudah berhasil memenangkan peperangan ini; lebih banyak yang “baru akan” menang, lebih banyak lagi yang perlu “bertindak cepat” agar berpeluang menang. Masing-masing kategori ini bisa dilabeli Zona Hijau, Kuning, dan Merah, tergantung status kemenangannya. Sejauh ini tidak ada daftar lengkap negara berdasarkan label Hijau, Kuning dan Merah. Walaupun demikian, Endcoronavius berhasil mendaftar sekitar 60 negara berdasarkan label itu dan menawarkan tujuh rekomendasi yang relevan. Tulisan ini meringkas daftar dan rekomendasi yang dimaksud.

Zona Hijau-Kuning-Merah

Endcoronavius mendaftar 15 negara yang dinilai berada pada zona Hijau: Australia, Austria,  Kamboja, Cina, Kroasia, Estonia, Yunani, Islandia, Yordania, Lebanon, Luxembourg, Mauritius, New Zealand, Norwegia, Slovakia, Slovenia, Korea Selatan, Taiwan, Thailand, dan Vietnam. Endcoronavirus agaknya melabel Hijau suatu negara jika berhasil membentuk kurva kasus baru Covid-19 sudah membentuk secara ajeg pola U terbalik, topi atau lonceng. Pola itu diilustrasikan oleh kasus Australia, Austria, Cina, Thailand dan Vietnam. Lima negara ini, termasuk dua negara ASEAN di dalamnya, termasuk negara yang berhasil memenangkan peperangan melawan Covid-19 versi Endcoronavirus.

Australia_05_06.pngCambodia_05_06.png

China_05_07.pngThailand_05_06.png

Vietnam_05_06.png

Endcornavirus mendaftar 17 negara dalam Zona Kuning: Azerbaijan, Belgia, Costa Rica, Kroasia, Denmark, Prancis, Jerman, Iran, Irlandia, Israel, Italia, Jepang, Kyrgyzstan, Malaysia, Belanda, Portugal, Spanyol, Swiss, Tunisia, Turki dan Uzbekistan. Terlihat satu negara ASEAN masuk daftar ini. Kurva Kuning menyerupai Kurva Hijau tetapi belum ajeg. Hal ini diilustrasikan oleh lima negara berikut.

Dalam dua daftar di atas tidak tercantum Indonesia. Negara ini pasti berada di zona sisa, Zona Merah, bersama 31 negara lainnya versi Endcoronavirus. Daftar ke-32 negara yang berada Zona Merah adalah Argentina, Bahrain, Bangladesh, Belorusia, Brasil, Kanada, Chili, Kolombia, Ekuador, Mesir, Finlandia, Hongaria, India, Indonesia, Irak, Mali, Meksiko, Pakistan, Panama, Peru, Filipina, Polandia, Qatar, Romania, Rusia, Singapura, Swedia, UEA, Ukraina, Inggris dan Amerika Serikat.

Kurva Zona Merah secara umum belum membentuk pola Huruf U terbalik sebagaimana diilustrasikan oleh lima negara berikut. Pada kelompok ini, ini di luar dugaan, termasuk AS. Yang layak dicatat adalah kurva Irak yang mengilustrasikan pengalaman arus-balik-arah atau lonjakan-kedua (second spike) kasus baru Covid-19, pengalaman yang konon sudah diingatkan ada kemungkinan dialami oleh AS.

Tujuh Rekomendasi

Rekomendasi  endcoronavius berlaku untuk semua negara terlepas dari Zona Hijau, Kuning atau Merah. Walaupun demikian, rekomendasi tentu lebih serius bagi Zona Merah dan Zona Kuning dari pada bagi Zona Hijau. Berikut adalah tujuh rekomendasi yang dimaksud.

1) CEPATLAH BERTINDAK

Jangan menunggu “lebih banyak data” atau hasil dari model yang rumit. Belum terlambat untuk memulai sekarang. Semakin dini Anda bertindak; hal-hal sebelumnya dapat kembali normal.

2) SIAPKAN FASILITAS ISOLASI INDIVIDU

Siapkan fasilitas untuk mengisolasi individu yang terinfeksi dari anggota keluarga mereka. Sekitar 80% transmisi di Wuhan ada di dalam rumah.

3) PERKETAT PEMBATASAN PERJALANAN

Jika Anda berada di zona hijau dengan sedikit atau tanpa transmisi komunitas, lakukan pembatasan perjalanan dan buka kembali ekonomi lokal. Untuk zona merah, batasi perjalanan keluar agar tidak menulari orang lain. Untuk perjalanan penting, miliki karantina wajib untuk menghindari penyebaran virus.

4) TINGKATKAN JANGKAUAN PENGUJIAN

Pengujian memungkinkan Anda mengidentifikasi individu yang terinfeksi dan memisahkan mereka dari komunitas yang lain.

5) MINTA AGAR SEMUA ORANG MEMAKAI MASKER

Mengurangi penularan dengan meminta setiap orang memakai masker wajah itu sederhana, murah, dan sangat efektif.

6) LANJUTKAN PRAKTEK JARAK SOSIAL

Jauhi area yang ramai dan jaga jarak sejauh mungkin antara tetangga terdekat. Mereka yang memiliki komorbiditas (orang tua, kelebihan berat badan, immunocompromised, dll.) harus menjadi orang terakhir yang diperkenalkan kembali ke masyarakat, karena mereka yang paling rentan.

7) SABARLAH, JANGAN BUKA-KEMBALI TERLALU DINI

Buka-kembali (reopening) terlalu dini berisiko memicu pertumbuhan eksponensial lagi. Ini mungkin menghapus semua manfaat yang diperoleh dari penguncian sejauh ini. Ini dapat meningkatkan jumlah total kematian, membanjiri sistem medis, dan membuat skenario di mana penguncian lain diperlukan.

*****

Demikian tujuh rekomendasi endcoronavius. Rekomendasi itu berlaku bagi semua negara terlepas apakah berada dalam Zona Hijau, Kuning atau Merah. Yang Hijau perlu bersyukur dengan tetap waspada, yang Kuning perlu bersabar untuk tidak buru-buru reopening, yang Merah perlu “beristighfar” serta disiplin tinggi. Syukur, sabar dan istighfar. Trilogi ini yang dalam pandangan para bijak-bestari ampuh untuk menghadapi suatu bencana kemanusiaan. Dalam pandangan mereka, cobaan hidup merupakan suatu keniscayaan eksistensial[1] bagi manusia (QS 2:155) . Pandangan mereka mengena jika tekanan psikologis (psychological distress) masuk dalam kalkulus dampak Covid-19[2], gejala yang kabarnya mulai bermunculan.di Amerika Serikat (AS)

Wallahualam….@

[1]Tulisan mengenai keniscyaan ini dapat dilihat diakses di  https://uzairsuhaimi.blog/2020/04/26/covid-19-spiritual-reflection/

[2] Menurut Endcoronavius, “Lockdowns hurt the economy, which in turn can cause many problems. Unemployment, psychological distress….” (garis bawah tambahan).

Pandemi Covid-19: Gambar Besar

Ketersediaan informasi terkait Covid-19 dapat dikatakan melimpah dan sangat beragam. Tantangannya, limpahan dan ragam informasi dapat mengaburkan citra utuh atau gambar besar dari isu pokok yang dalam konteks kali ini adalah pandemi Covid-19. Tulisan ini bermaksud memotret gambar utuh yang dimaksud. Yang ingin dipotret adalah gambaran global secara holistik; fokusnya, agar manageable, diberikan pada beberapa negara yang dinilai paling terinfeksi. Pertanyaan yang ingin dijawab, seberapa luas kasus Covid-19 menginfeksi masyarakat global, bagaimana statusnya saat ini, dan bagaimana kecenderungannya secara umum. Juga, bagaimana kinerja Indonesia dalam kancah global. Sumber data diperoleh dari Worlmeter dan John Hopkins, dua sumber yang secara luas diakui kredibilitasnya.

Sebaran Kasus Antar Negara

Menurut data Worldmeter, per 27/4/2020 sekitar Pukul 6.00 GMT, secara global ada sekitar 3.0 juta orang yang terinfeksi Covid-19, sekitar 207,000 di antaranya meninggal. Angka-angka ini tersebar di lebih 210 negara[1] dengan sangat tidak merata dan sangat terkonsentrasi di belasan negara. Indikasinya, 2 dari 3 kasus Covid-19 ditemukan di 7 negara paling terinfeksi yaitu Amerika Serikat (AS), Italia, Spanyol, Prancis, Jerman, Inggris dan Turki. Angka kasus di masing-masing tujuh negara ini 6 digit atau ratus-ribuan. Khusus untuk AS, angkanya hampir 7 digit.

Di kebanyakan negara, kasus terinfeksi Covid-19 sebenarnya relatif kecil, Hal ini terlihat dari angka mediannya yang hanya 425 (lihat Tabel 1). Ini berarti 50% negara yang terinfeksi Covid-19 hanya memiliki kasus 425 atau kurang. Dengan mengacu pada tabel itu, Indonesia dengan sekitar 9,000 kasus  berada posisi antara persentil 75% dan 90% atau 10%-25% tertinggi di Dunia.

Tabel 1: Sebaran Total Kasus Covid-19 menurut Negara

Sumber: Diolah dari  Worldmeter

Besarnya variasi kasus antar negara terlihat dari angka varian (11 digit); kumencengangnya terlihat dari angka Skewness dan angka Kurtosis. Kemencengannya juga terlihat dari besar perbedaan antara angka rata-rata dan mediannya.

Profil 10 Negara Paling Terinfeksi

Tabel 2, kolom 1, memotret sangat terkonsentrasinya kasus global: secara rata-rata, 7 dari 10 kasus terinfeksi Covid-19 berasal dari 10 negara terdaftar pada tabel itu. Yang perlu dicatat, angka-angka pada kolom ini termasuk kasus yang sudah dinyatakan meninggal (kolom 3) atau tersembuhkan (kolom 4). Jika dua kategori kasus ini dikeluarkan maka hasilnya adalah kasus aktif sebagaimana disajikan pada kolom 2. Kasus aktif (kolom 2) inilah yang menyajikan gambar besar masalah Covid-19 secara lebih cermat dibandingkan total kasus (kolom 1). Totalnya secara global ada sekitar dua juta kasus aktif.

Seperti yang ditunjukkan oleh Tabel 2, kasus aktif (kolom 2) mengoreksi urutan negara jika dibandingkan urutan sebelumnya menggunakan kasus total (kolom 1). Sebagai ilustrasi, Inggris terkoreksi dari urutan-6 (kolom 1) ke urutan-2 (kolom 2) sementara Cina dari peringkat-8 (kolom 1) ke peringkat-10 (kolom 2).

Tabel 2: Profil Pandemi Covid-19 di 10 Negara Terpilih

Sumber: Diolah dari Worldmeter

Kolom 5 Tabel 2 menunjukkan baru sekitar 30% total kasus yang terinfeksi Covid-19 dapat disembuhkan (recovered). Ini berlaku di 10 negara terinfeksi maupun di luar negara-negara itu. Sisanya yang 70% masih aktif atau sudah meninggal. Ini merefleksikan masih besarnya tantangan global untuk menangani kasus Covid-19. Dalam konteks ini Indonesia masih sangat terbelakang.

Kolom 6 Tabel itu menyajikan angka proporsi kasus yang ditutup (closed cases) yang berakhir dengan kematian. Diukur dengan indikator ini kinerja global adalah 19%. Angka ini jauh lebih tinggi dari angka 10 negara paling terinfeksi (22%), apalagi Indonesia (36%). Kembali Indonesia terlihat paling terpuruk (setelah Belgia).

Perkembangan Kasus Baru

Grafik 1 menyajikan tren kasus di 10 negara paling terinfeksi (versi Johns Hopkins). Grafik ini secara umum menunjukkan perkembangan yang mulai agak melegakan dalam arti kasusnya sudah melalui titik puncak. Fakta ini yang membuat sebagian negara (atau negara bagian) berani “adu nyali” dengan mulai mengizinkan beroperasi kembali beberapa jenis kegiatan bisnis dan kegiatan sekolah.

Grafik 1: Tren Kasus baru di 10 Negara Paling Terinfeksi

Amerika Serikat

Tren kasus baru di AS sudah merata (flattening) bahkan mulai turun. Walaupun demikian kecenderungan turunnya masih belum meyakinkan. Para ahli epidemiologi di sana secara umum memperkirakan pandemi masih akan terjadi di musim gugur mendatang. Tim dari para ahli ini telah membangun model ramalan untuk setiap negara bagian yang hasilnya dijadikan acuan oleh para gubernur untuk menyikapi kebijakan stay-at-home atau lock down. Tidak semua gubernur mematuhi rekomendasi para ahli.

Grafik 2: Tren Kasus Baru di Amerika Serikat

Cina dan Iran

Seperti tampak pada Grafik 3, bagi Cina puncak kasus sudah dilalui sejak pertengahan Februari; sejak awal Maret kecenderungannya tetap pada level relatif rendah. Bagi Iran, puncak kasus terkesan juga sudah dilalui pada akhir Maret, kecenderungannya angka turun secara konsisten walaupun pada level yang relatif tinggi (dibandingkan Cina).

Grafik 3: Tren Kasus Baru di Cina dan Iran

Eropa

Di tujuh negara Eropa yang diamati kasus baru sudah melalui titik puncak dan mulai menurun walaupun ada perbedaan pola di antara mereka. Denmark (data tidak disajikan) dan Jerman mulai membuka kembali kegiatan sekolah dan beberapa jenis kegiatan usaha. Negara lain seperti Inggris tampak masih agak waswas.

Grafik 4: Tren Kasus Baru di Tujuh Negara Eropa

Indonesia

Grafik 5 menunjukkan kasus baru Covid-19 Indonesia sampai 12/4/20 angkanya cenderung naik. Setelah tanggal itu polanya secara umum berfluktuasi walaupun terjadi penurunan dalam empat hari terakhir. Pola ini ditunjukkan oleh angka rata-rata bergerak 5-harian (berwarna merah). Dengan pola semacam ini masih sulit menduga titik puncak puncak kasus. Implikasinya berbeda dengan pengalaman oleh 10 negara terinfeksi, kebijakan untuk melonggarkan kebijakan PSBB aganya masih terlalu berisiko.

Grafik 5: Tren Kasus Baru di Indonesia

Kesimpulan

Kasus Covid-19 sangat bervariasi antar negara dan sangat didominasi oleh belasan negara khususnya 10 negara paling terinfeksi yaitu AS, Spanyol, Italia, Prancis, Inggris, Jerman, Belgia, Belanda, Cina dan Iran. Secara kasar, dua dari tiga kasus global diwakili oleh 10 negara ini. Diukur dengan kasus baru, tren kasus di 10 negara ini sudah melalui titik puncak dan menurun. Agaknya atas dasarnya ini sebagian negara (dan negara bagian di AS) sudah mulai berani melunakkan kebijakan lock down atau berpikir ke arah sana. Pikiran ke arah sana belum waktunya bagi Indonesia dimana kasus puncak sampai sekarang masih sulit diramalkan. Selain itu, diukur dengan proporsi total kasus yang tersembuhkan dan proporsi kasus ditutup yang meninggal, Indonesia tergolong paling terbelakang. Singkatnya, Indonesia masih perlu bersabar, patience,  “…. So Patience is best benefitting for me… ” (QS 12:83).

Wallahualam.….@

[1] Angka ini termasuk wilayah ‘jajahan” (not-being self governing) dan kapal pesiar Diamond Princes. Kini ada 145 negara yang semuanya anggota PBB kecuali Holy Se dan Palestina.

Covid-19: Pelajaran dari Denmark

Konteks

Denmark agaknya suka bikin kejutan. Sekitar 24 tahun silam negara Scandinavia ini mengejutkan karena menjuarai turnamen persepakbolaan Eropa padahal tidak lolos babak kualifikasi. Kali ini mengejutkan karena memelopori pengenduran kebijakan lock down (karena Covid-19) padahal negara ini tergolong paling sigap menginisiasi kebijakan ini. Tulisan ini bukan mengenai sepakbola tetapi mengenai kebijakan yang mengejutkan ini. Pertanyaannya: (1) apakah alasan yang mendasari kebijakan itu, dan (2) adakah ukuran yang masuk akal yang melatarbelakanginya. Karena bukan ahli epidemiologi penulis tidak memiliki kapasitas untuk menjawab yang ke-1. Yang penulis miliki adalah beberapa data dasar terkait pandemi Covid-19 di negara itu yang dalam tulisan ini digunakan untuk menjawab pertanyaan ke-2.

Memaknai Total Kasus

Menurut Worldmeter total kasus Covid-19 di Denmark per tanggal 21 April 2020 pukul 011.04 MT berjumlah 7,695 kasus. Angka ini lebih besar dari Indonesia, 7,135 kasus. Lebih mencolok lagi jika faktor penduduk dipertimbangkan: Denmark 1,329 kaus per sejuta penduduk, Indonesia 26 per juta penduduk. Jadi, total kasus agaknya bukan ukuran yang melatarbelakangi kebijakan ini. Bagaimana dengan trennya? Seperti yang akan segera terlihat, tren total kasus di negara ini terus meningkat. Jadi agaknya juga bukan ukuran.

Tapi ada logikanya. Pertama, menurut definisi, total kasus pada hari ke (h), t(h), mencakup “sejarah” kasus-kasus sebelumnya, t(h-k). Implikasinya, ukuran ini membawa pesan campuran, signal dan noise menurut istilah mentor penulis Alex Korns. Implikasinya, pesan yang dibawa menjadi kabur jika digunakan memotret situasi terkini. Ada logika lain. Menurut definisi ukuran ini mengabaikan kasus-kasus yang telah ditutup (closed cases, CC); artinya kasus yang telah dinyatakan sembuh atau meninggal. Apakah make sense mengkategorikan kasus yang sudah ditutup sebagai kasus? Jika “ya” apa makna ditutup dalam konteks ini?

Pertanyaannya selanjutnya, lalu apa ukuran yang lebih tepat untuk memotret dan menilai situasi terkini. Untuk menjawab ini perlu ditinjau terlebih dahulu beberapa persamaan berikut ini, katakanlah untuk mudahnya persamaan Covid-19.

Persamaan Covid-19

Persamaan Covid–19 dapat dinyatakan secara sangat sederhana sebagai sebagai

TC = AC + CC ….(1)

di mana TC : Total kasus (kumulatif), AC: Kasus Aktif, dan CC: Kasus Ditutup.

Dari persamaan ini jelas TC akan minimal (kondisi yang dikehendaki) jika AC minimal. Tetapi kondisi itu pada saat yang sama berarti CC maksimal karena sesuai persamaan 1,  AC = TC – CC. Dalam bahasa praktis ini berati bahwa kondisi yang dikehendaki ditengarai oleh turunnya kasus aktif atau naiknya kasus ditutup[1]. Kondisi ini berarti hampir semua kasus aktif sudah sudah sangat berkurang dan sudah “ditangani” sehingga dapat ditentukan status akhirnya: sembuh atau meninggal.

Ada ukuran lain untuk mengukur kondisi yang dikehendaki. Menurut definisi

CC = R + D ….. (2)

di mana D: total kasus yang dinyatakan sembuh (recovered) dan D: total kasus yang dinyatakan meninggal (death). Yang dikehendaki tentu proporsi yang sembuh (=R/CC) maksimal atau proporsi yang meninggal minimal (=D/CC).

Denmark VS Indonesia

Dua persamaan di atas mengimplikasikan dua indikator yang dapat memotret kondisi atau situasi yang dikehendaki: (1) turunnya kasus aktif (atau naiknya kasus yang ditutup), dan  (2) turunnya proporsi kasus yang ditutup dengan status meninggal. Berdasarkan dua indikator ini kita siap menilai situasi pandemi Covid-19 di Denmark. Agar gambarannya jelas, penilaian ini dikontraskan dengan situasi Indonesia.

Kasus Aktif

Grafik 1 memotret tren total kasus aktif di Denmark. Pada grafik itu tampak kasus aktif pada awalnya naik tetapi kira-kira awal April trennya cenderung turun secara relatif konsisten. Pada grafik itu juga tampak angka total kasus masih cenderung terus meningkat. Penulis menduga Denmark menggunakan fakta menurunnya kasus aktif sebagai salah satu dasar untuk mengendurkan kebijakan lock down.

Grafik 1: Tren Total Kasus dan Kasus Aktif Covid-19 Denmark

Bagaimana dengan Indonesia? Berbeda dengan Denmark, tren angka kasus aktif Indonesia masih cenderung terus naik. Grafik 2 memotret kecenderungan itu.

Grafik 2: Tren Total Kasus dan Kasus Aktif Covid-19 Indonesia

Kasus Kematian

Denmark agaknya memiliki sumber daya dan kapasitas medis yang memadai serta kemampuan menangani kasus aktif secara efektif. Indikasinya, tren angka proporsi kematian dapat terus ditekan. Grafik 3 memotret tren itu. Penulis menduga Denmark menggunakan fakta menurunnya proporsi kasus aktif yang meninggal sebagai salah satu dasar untuk mengendurkan kebijakan lock down.

Grafik 3: Tren Proporsi Kasus Ditutup Meninggal (%), Denmark

Bagaimana dengan Indonesia? Seperti halnya di Denmark, tren proporsi kasus yang cenderung turun. Bedanya, Indonesia masih memiliki level proporsi yang relatif masih sangat tinggi, masih di atas 40%. (Denmark sudah di bawah 10%.)

Grafik 4: Tren Proporsi Kasus Ditutup Meninggal (%), Indonesia

Kesimpulan

Denmark mengambil kebijakan meredakan lock down terkait pandemi Covid-19 kemungkinan karena dua alasan: (1) turunnya kasus aktif, dan (2) turun dan rendahnya kasus yang ditutup karena kematian. Indonesia belum memiliki alasan pertama dan sebagian alasan kedua: proporsi kematian cenderung turun tetapi levelnya masih tinggi.

*****

Agaknya terlalu dini bagi Indonesia untuk mengikuti jejak Denmark terkait lock down bahkan hanya untuk memikirkannya saat ini. Mungkin, jika mau mengikuti jejak Denmark, fokus masih harus diberikan kepada test sesuai aksioma Cuomo (Gubernur New York): the more test, the better. Penulis yakin Indonesia, seperti dikatakan Cuomo (penyiar CNN) ketika menutup siarannya dua hari lalu (21/4/20), Can Do More and Must Now!

Wallahualam.…@

[1] Kondisi ideal tentu dicapai ketika AC=0 sehingga TC=CC.  Ini berarti sudah tidak ada lagi kasus aktif dan semua kasus telah ditutup, kondisi ketika pandemi sudah berakhir.

Pandemi Covid-19: Posisi Indonesia dalam Kancah ASEAN

Dari sisi pembangunan manusia , Indonesia (IPM=0.707) berada di posisi ke-6 dari 10 negara ASEAN, di bawah Filipina (0.712) dan di atas Vietnam (0.693). Singapura? Dengan IPM=0.935 Singapura bukan tandingan. Pertanyaannya bagaimana posisi Indonesia dari sisi korban pandemi Covid-19). Tulisan ini membahas topik ini lebih jauh. Sumber data berasal dari Wordmeter.

Kasus

Di kawasan ASEAN secara keseluruhan tercatat ada lebih 22,000 kasus total (kumulatif) terkonfirmasi infeksi Covid-19 (lihat Tabel-1, Kolom-3). Rentang angka antar negara sangat besar: dari 8 (Timor-Leste) sampai 5,453 (Filipina). Indonesia dengan angka 5,136 kasus berada pada rangking ke-2 tertinggi, hanya di bawah Filipina.

Menggunakan angka kasus kumulatif sebagai alat banding antar negara sebenarnya kurang bermakna atau tidak adil. Paling tidak ada dua alasan mengenai ini. Alasan pertama, perbedaan jumlah penduduk antar negara sangat bervariasi. Dalam konteks ini penduduk, khususnya yang berumur 20 tahun ke atas dan lanjut usia, dapat dilihat sebagai sub-populasi yang berisiko terpapar pandemi Covid-19. Implikasinya, agar perbandingan lebih adil, angka kolom-3 perlu disesuaikan dengan mempertimbangkan faktor besar dan struktur umur penduduk, lebih baik lagi juga dengan komposisi gender karena menurut laporan laki-laki lebih berisiko terpapar dibandingkan pada perempuan.

Untuk keperluan cepat, besar penduduk dapat digunakan sebagai satu-satunya faktor penyesuaian (adjustment factor) yang dimaksud. Hasilnya disajikan pada Kolom-10. Angka pada kolom ini juga menyajikan total kasus (kumulatif) tetapi setelah mempertimbangkan faktor besar penduduk: Kolom-1 dibagi dengan besar populasi di negara yang bersangkutan dan dikalikan satu juta (agar terlihat). Hasilnya, angka Indonesia hanya 19 (baca: 19 kasus per sejuta penduduk), jauh lebih rendah dari rata-rata ASEAN yaitu 115. Sebagai perbandingan, angka untuk Singapura adalah 556, jauh lebih tinggi dari angka rata-rata itu. Dapat dikatakan kepadatan kasus (case density) Covid-19 Indonesia secara relatif sebenarnya masih sangat rendah.

Alasan kedua kenapa Kolom-3 kurang bermakna, sebagian besar kasus yang tersembuhkan dan sebagian kecil meninggal; mereka jelas tidak logis masih dikategorikan sebagai kasus. Implikasinya, agar lebih bermakna, Kolom-3 perlu dikurangi dengan Kolom-5 dan Kolom-8; hasilnya, Kolom-9, kasus aktif (active cases). Jika diasumsikan mereka semua dirawat di rumah sakit maka angkanya dapat dianggap sebagai “angka rumah sakit” (hospitalization rate). Di kawasan Eropa (khususnya Jerman) angka ini dilaporkan mulai berkurang dan hal ini dijadikan basis bagi pemerintah untuk mengurangi intensitas pelaksanaan kebijakan “PSBB” di sana. Sebagai catatan, menurut sejumlah hasil penelitian, sebagian besar kasus Covid-19 sembuh setelah 14 hari dan dan sebagian kecil meninggal setelah 21 hari masa perawatan. Ini angka rata-rata dan dapat bervariasi antar negara[1].

Posisi Indonesia sebagai rangking ke-2 di ASEAN tidak berubah jika angka kasus aktif (Kolom-9) yang digunakan sebagai ukuran. Walaupun demikian, ukuran ini membuat perbedaan jarak Indonesia dengan tiga tetangganya, Malaysia, Thailand dan Singapura, makin mencolok: angka tersembuhkan (Kolom-8) di tiga negara ini jauh lebih tinggi dari angka Indonesia.

Kematian

Rangking Indonesia “membaik”, menjadi rangking pertama, jika total kematian (Kolom-5) atau kasus kematian baru (Kolom-6) digunakan sebagai ukuran. Sekitar 5 dari 10 kematian (total) Covid-19 di ASEAN sumbangan Indonesia; sekitar dan 4 dari 10 kasus kematian baru di kawasan ini juga sumbangan Indonesia.

Test

Jika Indonesia unggul dalam hal kasus dan kematian Covid-19, bagaimana jika ukuran yang digunakan adalah angka pemeriksaan (test) kasus. Seperti tampak pada Kolom-12, dengan jumlah test 116 per sejuta penduduk, Indonesia menempati urutan ke-3 terendah setelah Myanmar dan Timor-Leste. Yang perlu dicatat, total kasus di dua negara relatif sangat rendah dibandingkan Indonesia.

Rendahnya angka test Indonesia terlihat lebih jelas jika isunya diletakkan dalam kancah global. Dari 162 negara yang menyelenggarakan test Covid-19, Indonesia, dengan angka 19 per sejuta penduduk, berada pada posisi 5% terendah di dunia. Sebagai perbandingan, Singapura dengan angka 12,423 per sejuta penduduk, berada pada posisi 25% tertinggi di dunia. Tabel 2 menyajikan gambaran yang lebih rinci.

Terkait dengan test ini, layak dipertimbangkan pendapat Mr. Cuomo– Gubernur New York, Amerika Serikat (AS)– bahwa angka kasus sebenarnya lebih mencerminkan angka test dari pada angka kasus yang sebenarnya[2]. Selain itu, menyadari pola pergerakan data kematian sangat sulit diduga, di AS kini ada upaya untuk memperluas konsep suspect cases melalui konsep probable cases, entah bagaimana operasionalisasinya. Yang layak diduga, perluasan ini mendorong upaya perluasan domain test Covid-19.

Kesimpulan

Kesimpulannya, dalam kancah ASEAN, Indonesia “unggul” dalam hal kasus total (kumulatif) Covid-19, rangking ke-2. Posisi Indonesia tidak berubah jika yang dijadikan ukuran adalah kasus aktif. Posisinya menjadi lebih unggul jika yang jadi ukuran adalah kasus kematian Covid-19. Secara kontras Indonesia terbelakang jika yang jadi ukuran adalah jumlah pemeriksaan kasus Covid-19, bukan hanya dalam kancah ASEAN, tetapi juga dalam kancah global. Pertanyannya, adakah harapan realistis Indonesia mampu memperbaiki posisinya di kancah ASEAN?

Wallahualam…..@

1] Angka-angka digunakan dalam tulisan terdahulu: https://uzairsuhaimi.blog/2020/04/13/covid19-indonesia-prediction-lesson-learned/

[2] Lihat https://uzairsuhaimi.blog/2020/04/15/data-covid-19-comparison-data-usa-indonesia/.

Data Covid-19: Perbandingan Indonesia dan Amerika

Konteks

Indonesia dan Amerika Serikat dapat dibandingkan. Dalilnya, besar populasi beda-tipis: Indonesia rangking ke-4, AS ke-3 (setelah Cina dan India). Ini dalil ke-1. Dalil ke-2, jika Indonesia punya Jakarta yang menjadi episentrum Covid-19, maka AS punya New York. Bagaimana dengan gubernurnya?

Mengenai gubernur penulis tidak berani menilai. Dalilnya, konteks dan tradisi governance kedua negara ini berbeda: dibandingkan gubernur di Indonesia, gubernur di AS terkesan memiliki ruang-gerak yang lebih leluasa, tidak terlalu terkekang aturan birokratis pemerintahan federal. Yang jelas, Cuomo, Gubernur New York, mengomandoi secara langsung upaya menghadapi ancaman Covid-19, lebih mengandalkan fakta dari pada opini (dia sering menegaskan perbedaan keduanya), menyajikan laporan perkembangan keadaan secara langsung setiap hari kepada publik (CNN selalu menayangkannya), dan, mungkin ini yang khas, tak henti-henti memuji warganya: kuat  cerdas, peduli pada orang lain, dan penuh kasih.

Mungkin dapat ditambahkan dalil ke-3: kedua negara dikritik telat merespons penyebaran Covid-19. Paling tidak demikianlah menurut para kritikus. Jika tuduhan ini benar maka pelajarannya bagi pejabat publik ini: ada momentous decision, istilah Lazzerini dan Putoto terkait dengan isu Covid-19 di Italia, yang dapat membuat perbedaan besar.

Tujuan dan Pendekatan

Tulisan ini dimaksudkan sebagai upaya untuk mengembangan pemahaman mengenai besarnya potensi ancaman Covid-19 di Indonesia. Pendekatannya sederhana: membandingkan data Covid-19 di Indonesia dan AS. Penulis mendefinisikan data sebagai sesuatu mengenai sesuatu yang dapat diketahui, dapat diungkapkan, atau dapat diukur (measurable). Dengan definisi ini maka data perlu dibedakan dari fakta (sebenarnya): selalu ada peluang tidak semua fakta terungkap dalam data, selalu ada peluang kesenjangan antara keduanya. Dalam konteks ini maka analogi fenomena gunung es menjadi relevan untuk menggambarkan kemungkinan adanya kesenjangan itu. Implikasinya, ketika membaca data (apa pun) diperlukan semacam reservasi mengenai fenomena gunung es itu.

Tulisan ini sekadar mengikuti data. Sesederhana itu: tidak ada rumus, tidak model, tidak ada prediksi. Juga tidak ada asumsi mengenai tingkat keabsahan (validitas) atau kecermatan (reliabilitas) data. Alat analisis yang digunakan hanya grafik, alat “sejuta umat” karena kesederhanaannya. Harapannya, dengan alat sederhana ini pembaca pembaca tidak perlu mengerutkan kening untuk mencerna tulisan ini. Data yang digunakan adalah data harian, bukan data kumulatif[1]. Sumber data berasal dari Wroldmeter.

Kasus Harian

AS mulai melaporkan kasus Covid-19 pada 10/3/2020, 8 hari lebih lambat dibandingkan Indonesia (2/3/2020). Penulis tidak berani menilai apakah keduanya termasuk terlambat. Yang jelas, Trump konon telah diingatkan oleh sejumlah pembantunya mengenai ancaman Covid-19 yang serius bagi warga AS dan disarankan untuk segera mengambil kebijakan social distancing.

Grafik 1 dan 2 membandingkan hasil perbandingan data Covid-19 untuk Indonesia dan AS. Seperti terlihat dalam kedua grafik itu, Indonesia menggunakan skala 50-an sementara grafik AS 500-an. Ini adalah isyarat singkat mengenai besarnya kasus AS relatif terhadap kasus Indonesia; perbandingannya, 1:100.

Grafik 1: Tren Kasus Covid-19 Indonesia

Grafik 2: Tren Kasus Covid-19 Amerika Serikat

Paling tidak ada empat poin yang layak-catat pada kedua grafik di atas:

  • Secara kasat mata terlihat kasus di Indonesia masih berkecenderungan naik. Kenaikan dalam 4 hari terakhir mencolok. Penulis tidak berkompeten serta tidak memiliki data pendukung untuk menilai kenaikan mencolok ini: cerminan membaiknya cakupan pemeriksaan terinfeksi Covid-19[2], atau belum efektifnya kebijaksanaan PSBB[3].
  • Berbeda dengan kasus Indonesia, kasus di AS sudah kecenderungan turun sekalipun perlu waktu untuk memastikan keajegan penurunannya.
  • Perkembangan kasus Indonesia masih sulit diramal. Sukar untuk menduga, misalnya, apakah angka terakhir yang mencolok (374 kasus) sudah merupakan puncak tertinggi yang diikuti penurunan, atau masih akan adan angka yang lebih mencolok.
  • Berbeda dengan kasus Indonesia, kasus AS, jika polanya dianggap sudah ajeg, sudah mencapai puncak tertinggi pada 4/4/2020 dengan 34,196 kasus. Angka ini relatif sangat tinggi. Sebagai perbandingan, angka puncak tertinggi bagi Cina yang dicapai pada 12/2/2020 hanya 14,148 kasus atau sekitar 41% lebih angka puncak tertinggi AS.

Apakah mencoloknya perbedaan kasus AS dan kasus Indonesia terkait degan banyaknya pemeriksaan kasus? Yang jelas bagi Cuomo, angka kasus yang dilaporkan lebih mencerminkan banyaknya pemeriksaan kasus dari pada kasus sebenarnya di lapangan. Ini adalah pernyataan radikal, pertanyaan mengenai validitas angka, bukan sekadar reliabilitasnya. Yang juga jelas, angka pemeriksaan kasus per kapita di New York menurut Cuomo paling tinggi di dunia.

Kasus Kematian

Grafik 3 dan 4 menyajikan angka jumlah kematian harian. Kedua grafik ini menunjukkan angka kematian jauh lebih tinggi di AS dari pada di Indonesia. Indikatornya (tidak langsung terlihat pada grafik): angka rata-rata per hari AS adalah 789 kasus (Indonesia: 12 kasus) atau sekitar dua kali lipat angka kumulatif Indonesia (399 kasus).

Grafik 3: Kasus Kematian Covid-19 Indonesia

Grafik 4: Kasus Kematian Covid-19 Amerika Serikat

Yang juga layak-dicatat pada Grafik 4 adalah penurunan konsisten angka jumlah kematian di AS. Menanggapi hal Cuomo menilai keadaan telah melampaui situasi terburuk. Tetapi dia mengingatkan perlunya tetap waspada dan prihatin. Ini terungkap dalam suatu laporan:

“I believe the worst is over if we continue to be smart,” Mr. Cuomo said at his daily briefing. “I believe we can start on the path to normalcy.” … “The worst can be over, and it is over, unless we do something reckless,” he said. “And you can turn those numbers on two or three days of reckless behavior… “Even if the outbreak had reached its apex, the governor said, there would be weeks of suffering to come. He noted how many people were still dying of the virus.

Demikianlah gaya Sang Gubernur itu…..@

Catatan kaki

[1] Bagi penulis, angka harian jauh lebih mudah dibaca dari pada angka kumulatif walaupun yang terakhir ini lebih umum disajikan. Selain itu, bagi penulis, untuk memahami pola distribusi, jauh lebih sederhana menggunakan angka perbedaan data harian (perbedaan absolut maupun relatif) dari pada data kumulatif. Tulisan terakhir bertajuk “Kasus Covid-19 Indonesia…. ” mengilustrasikan hal ini.

[2] Yang mencakup pemeriksaan melalui pemeriksaan cepat berdasarkan sampel darah atau swab test berdasarkan sampel lendir

[3] PSBB singkatan dari Pembatasan Sosial Berskala Besar