See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/343057544

PEMODELAN SUSCEPTIBLE INFECTED RECOVERED (SIR) UNTUK ESTIMASI

ANGKA REPRODUKSI COVID-19 DI KALIMANTAN TIMUR DAN SAMARINDA

Article  in  MEDIA STATISTIKA · July 2020

CITATIONS READS

0 942

2 authors:

Sifriyani Sifriyani Dedi Rosadi

Universitas Mulawarman Universitas Gadjah Mada
13 PUBLICATIONS   36 CITATIONS    137 PUBLICATIONS   475 CITATIONS   

SEE PROFILE SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Pengoptimuman Portofolio (Portfolio Optimization) View project

Doctoral Research Grant View project

All content following this page was uploaded by Sifriyani Sifriyani on 19 July 2020.

The user has requested enhancement of the downloaded file.

 p-ISSN 1979 – 3693 e-ISSN 2477 – 0647
MEDIA STATISTIKA
http://ejournal.undip.ac.id/index.php/media_statistika

PEMODELAN SUSCEPTIBLE INFECTED RECOVERED (SIR) UNTUK

ESTIMASI ANGKA REPRODUKSI COVID-19 DI KALIMANTAN TIMUR DAN
SAMARINDA

Sifriyani1, D. Rosadi2
1
Study Program of Statistics, Departement of Mathematics, Faculty of Mathematics and Natural
Sciences, Mulawarman University, Samarinda Indonesia
2
Departement of Mathematics, Faculty of Mathematics and Natural Sciences, Gadjah Mada
University, Yogyakarta, Indonesia

e-mail: sifriyani@fmipa.unmul.ac.id

Article Info: Abstract: Modeling and analysis of Covid-19 data, especially

Received: 15 Juni 2020
Accepted: 20 Juli 2020
Available Online:
Keywords:
COVID-19, Estimate, SIR,
Simulation, Reproduction,
.
on the modeling the spread and the prediction of the total
number of cases for Indonesian data, has been conducted by
several researchers. However, to the best of our knowledge, it
has not been studied specifically for East Kalimantan Province
data. The study of the data on the level of provincial and
District/City level could help the government in making
policies. In this study, we estimate the Covid-19 reproduction
rate, calculate the recovery rate, the rate of infection, and the
rate of death of the Province of East Kalimantan and
Samarinda City. We also provide a prediction of the peak of
the infection cases and forecast the total incidence of Covid-19
cases until the end of 2020. The model used in this research is
the Susceptible Infected Recovered (SIR) model and the data
used in the study was obtained from the Dinas Kesehatan
Provinsi Kalimantan Timur.

1. PENDAHULUAN
Novel Corona virus 2019 atau Covid-19 adalah penyakit menular yang disebabkan
oleh salah satu jenis corona virus SARS-CoV-2. Infeksi virus Corona disebut Covid-19
(Corona Virus Disease 2019) dan pertama kali ditemukan di kota Wuhan, China pada
akhir Desember 2019. Virus ini menular dengan sangat cepat dan telah menyebar ke
hampir semua negara, termasuk Indonesia. Hal tersebut membuat beberapa negara
menerapkan kebijakan untuk memberlakukan lockdown dalam rangka mencegah
penyebaran virus Corona. Di Indonesia sendiri, diberlakukan kebijakan Pembatasan Sosial
Berskala Besar (PSBB) untuk menekan penyebaran virus tersebut.
Penyebaran Covid-19 di Indonesia, telah menyebar ke seluruh provinsi. Menurut
data yang disampaikan oleh Gugus Tugas Percepatan Penanganan Covid-19 pada tanggal
10 Juni 2020 tercatat kasus positif terkonfirmasi sebanyak 1.241 orang, sehingga total
jumlah kumulatif kasus terkonfirmasi positif sebanyak 34.316 kasus di Indonesia.
Pertambahan kasus tertinggi selama data terkonfirmasi sejak Maret 2020. Pemerintah juga
mencatat ada penambahan 715 pasien yang telah dinyatakan sembuh, dengan demikian

Media Statistika 1
total pasien sembuh 12.129 orang. Sedangkan penambahan pasien meninggal berjumlah 36
orang atau totalnya menjadi 1.959 orang (https://covid19.go.id/p/berita/kasus-positif-
Covid-19-melesat-naik-1241-total-34316).
Penyebaran Covid-19 di Kalimantan Timur sesuai informasi data Dinas Kesehatan
Provinsi Kaltim pada tanggal 10 Juni 2020 tercatat jumlah kumulatif kasus terkonfirmasi
positif sebanyak 362 kasus. Total sembuh sebanyak 221 orang dan dinyatakan meninggal 3
orang (https://dinkes.kaltimprov.go.id/). Data pertumbuhan Covid-19 di Kalimantan timur
diperlihatkan pada Gambar 1.

Media Statistika

Gambar 1. Grafik Time Series Data akumulatif Covid-19 Kalimantan Timur

Pada Gambar 1 terlihat data akumulatif pasien yang dinyatakan positif Covid-19
terus meningkat dan kurva belum melandai atau kasus terus bertambah setiap harinya.
Untuk pasien sembuh mengalami peningkatan berbeda dengan jumlah pasien meninggal
yang masih berada pada angka yang sama.
Beberapa peneliti telah melakukan penelitian pemodelan Covid-19 untuk
memprediksi sejauh mana penyebaran dan estimasi puncak kasus Covid-19 baik di
Indonesia dan beberapa provinsi lainnya. Pada penelitian ini, akan diteliti khusus
menggunakan data Covid-19 Kalimantan Timur dan Samarinda dengan menggunakan
pemodelan penyebaran penyakit. Data yang digunakan pada penelitian ini berdasarkan data
yang telah dipublikasikan oleh Dinas Kesehatan Provinsi Kalimantan Timur pada Laman
https://dinkes.kaltimprov.go.id/ dan data Dinas Komunikasi dan Informatika Provinsi
Kalimantan Timur di laman https://covid19.kaltimprov.go.id/.
Pada penelitian ini digunakan pemodelan matematika Epidemiologi Susceptible
Infected Recovered atau disingkat SIR. Ada tiga indikator dalam mengukur indeks
reproduksi Covid-19 dengan menggunakan SIR yakni jumlah kasus positif, jumlah
kesembuhan dan jumlah kematian berdasarkan waktu harian. Pada penelitian ini, akan
digunakan Model SIR untuk tujuan analisis estimasi angka reproduksi Covid-19 di
kalimantan timur dan Samarinda, selanjutnya memberikan prediksi puncak kasus infeksi di
Kalimantan Timur dan prediksi kejadian kasus Covid-19 di Kalimantan Timur dan
Samarinda hingga akhir Tahun 2020.

2 Sifriyani (SIR Covid-19)

 2. PEMODELAN MATEMATIKA EPIDEMIOLOGI
Model Susceptible Infected Recovered (SIR) adalah salah satu pemodelan
matematika Epidemiologi dalam penanganan wabah penyakit menular, model ini
diperkenalkan oleh W.O. Kermack dan A.G. McKendrick pada Tahun 1927. Model
tersebut terdiri dari tiga kompartemen: S untuk Susceptible atau jumlah yang rentan
terhadap penyakit, I untuk Infectious atau jumlah yang menular atau orang yang terinfeksi
dan R untuk Recovered atau jumlah orang yang sembuh dari infeksi. Model SIR dapat
digunakan untuk estimasi penyakit menular yang ditularkan dari manusia ke manusia dan
pemulihan memberikan resistensi yang tahan lama (Hethcote, H.W., 2000; Diekmann dan
Heesterbeek, 2000).
2.1. Model Susceptible Infected Recovered (SIR)
Model SIR dapat digunakan untuk memprediksi bagaimana suatu penyakit
menyebar, jumlah total yang terinfeksi, lamanya epidemi dan untuk memperkirakan
berbagai parameter epidemiologis seperti jumlah reproduksi. Model ini dapat menunjukkan
bagaimana intervensi kesehatan masyarakat yang berbeda dapat mempengaruhi hasil
epidemi. Berikut penjelasan tentang Metode SIR. Model SIR dapat ditampilkan pada
diagram alir dan panah transisi antara kompartemen, seperti pada Gambar 2.

𝛽𝑆𝐼 𝛾𝐼
Susceptible Infectious Recovered

Gambar 2. Diagram Model SIR

Panah harus diberi label dengan laju transisi antar kompartemen. Antara S dan I, laju
transisi adalah

( ⁄ )
⁄ (1)
Model SIR Kermack-McKendrick dapat diuraikan dalam serangkaian persamaan
diferensial berikut (Hethcote, H.W., 2000).

(2)

Model SIR pada persamaan (2) memiliki parameter yang menyatakan laju
penularan suatu penyakit melalui kontak, parameter adalah laju kesembuhan dari infeksi
penyakit, adalah jumlah individu yang rentan terhadap penyakit, I adalah jumlah individu
yang terinfeksi, R adalah jumlah individu yang sembuh dari infeksi dan N total populasi
yang diamati.

Media Statistika 3
2.2 Angka Reproduksi Dasar

Angka reproduksi dasar adalah rata-rata banyaknya individu rentan yang

terinfeksi (kasus sekunder) secara langsung oleh individu lain yang telah terinfeksi (kasus
primer) dalam populasi yang masih rentan (Diekmann dan Heesterbeek, 2000). Jadi, 0
mengandung informasi penyebaran wabah penyakit menular. Nilai ini menujukkan indeks
terjadinya penularan wabah. Berikut penjelasan tentang .
1. Jika , mengindikasikan bahwa suatu penyakit menular pada suatu ketika tidak
akan berhenti mewabah bahkan menghilang dengan sendirinya. Titik ekuilibrium non-
endemik tersebut ini bersifat stabil global asimtotik, artinya untuk setiap jumlah
individu yang terinfeksi pada awal waktu namun seiring waktu akan hilang dengan
sendirinya. Apabila nilai suatu daerah dapat menjadi rekomendasi kehidupan
New Normal
2. Jika , mengindikasikan bahwa maka jumlah individu terinfeksi akan terus
bertambah hingga mencapai titik ekuilibriumnya.
3. Jika 0 = 1, mengindikasikan infeksi akan menjadi endemik dan tetap ada pada
populasi

2.3 Angka Reproduksi Efektif

Angka reproduksi efektif (R) adalah jumlah rata-rata kasus sekunder terinfeksi pada
populasi yang terdiri dari inang yang rentan dan yang tidak rentan. Angka Reproduksi
tersebut berasal dari angka reproduksi efektif dimana terdapat intervensi ataupun imunitas
pada penyakit menular tersebut. Ketika individu-individu homogen dan bercampur secara
seragam, R didefinisikan sebagai jumlah rata-rata infeksi yang dihasilkan selama periode
pada satu infeksi. Jika R > 1, maka jumlah kasus akan meningkat, seperti pada awal
epidemi. Namun, jika R < 1 , maka mengindikasikan penurunan jumlah kasus dan dapat
diterapkan kehidupan new normal. Angka reproduksi efektif dalam penelitian ini
menggunakan beberapa estimasi salah satunya angka reproduksi dengan melibatkan
kompartemen S untuk Susceptible atau jumlah yang rentan terhadap penyakit dan
( ) ( ) ( ) ( ) ( ).

( )
( ( )
) (3)

dengan adalah angka reproduksi efektif dan adalah angka reproduksi dasar. Metode
reproduksi yang lain menggunakan metode Time Dependent diperkenalkan oleh Jacco
Wallinga pada penelitian di jurnal epidemiologi (Jacco W dan Peter, T, 2003). Metode
tersebut Menghitung angka reproduksi dengan mencari nilai mean dan probabilitas dari
dinamika pertumbuhan Covid-19 setiap harinya. perhitungan individu kasus i dan individu
kasus j pada masing-masing waktu dan , probabilitas transmisi infeksi dari kasus i
kepada kasus j.

( )
∑ ( )
(4)

Jumlah reproduksi efektif untuk semua kasus adalah jumlah probabilitas (4) dari
keseluruhan kasus Covid-19.

4 Sifriyani (SIR Covid-19)

 ∑ (5)

Angka reproduksi pada persamaan (5) akan digunakan untuk analisis reproduksi Covid-19
di Provinsi Kaltim untuk data terkonfirmasi 19 Maret hingga 6 Juni 2020.

3. Pemodelan SIR Untuk Data Covid-19 di Kalimantan Timur

3.1. Peningkatan Kasus Covid-19
Data kasus Covid-19 Kalimantan Timur dari laman Dinas Kesehatan Provinsi
Kalimantan Timur telah mempublikasikan data Covid-19 harian mencakup data positif
Covid-19 terkonfirmasi, Pasien yang dirawat, PDP, ODP, OTG dan data lainnya yang
berhubungan dengan kasus Covid-19. Berdasarkan data yang telah dipublish oleh Dinas
Kesehatan, dianalisis statistika deskriptif untuk peningkatan dan dinamika kasus harian
untuk data Covid-19 yang telah terkonfirmasi ditunjukkan pada Gambar 3.

Media Statistika

Gambar 3. Peningkatan kasus Covid-19 harian daerah Kaltim

Media Statistika

Gambar 4 peningkatan harian ODP, PDP dan positif Covid-19 Kaltim

Setiap titik mengartikan selisih antara kejadian hari sekarang t dengan kejadian hari
kemarin t-1. Gambar 4 menujukkan dinamika peningkatan data harian untuk ODP, PDP
dan kasus positif. Dinamika peningkatan kasus harian dan jumlah kasus tertinggi untuk

Media Statistika 5
tanggal 4 april 2020 hingga 28 mei 2020, ada pada tanggal 7 Mei 2020 dengan kasus
harian bertambah sebesar 27 kasus positif dan rata-rata peningkatan kasus positif sebanyak
4 kasus perhari.
3.2.Estimasi Angka Reproduksi
Pemodelan SIR yang digunakan untuk estimasi kasus Covid-19 di Kalimantan
Timur dan Samarinda menggunakan data yang telah dipublikasikan oleh dinas kesehatan
provinsi Kalimantan Timur di laman https://dinkes.kaltimprov.go.id/. Model SIR yang
akan diaplikasikan pada penelitian ini berdasarkan modifikasi model SIR pada persamaan
(2) dengan menggunakan beberapa parameter penunjang yaitu parameter sebagai laju
infeksi, parameter sebagai laju kesembuhan dan parameter adalah laju kematian.
Modifikasi dari model SIR persamaan (2) dengan menambahkan parameter laju
kematian untuk memperoleh turunan dari populasi terinfeksi diperoleh dari populasi
suspek dikurangi pasien sembuh dan meninggal (Yuni, Y., dkk, 2020), Modifikasi model
SIR tersebut diberikan pada persamaan (6). Pada persamaan tersebut menggunakan
kompartemen sebagai jumlah populasi yang rentan terhadap penyakit pada selang waktu
t, diperoleh dari jumlah akumulasi populasi ODP, PDP dan OTG di Provinsi Kaltim.
adalah jumlah populasi yang terinfeksi pada selang waktu t dan diperoleh dari jumlah
populasi yang terinfeksi. selanjutnya adalah jumlah populasi yang sembuh dari infeksi
pada selang waktu t dan N adalah jumlah dari ketiganya.

( )

( ) (6)

Pada persamaan (6) parameter adalah parameter yang menyatakan tingkat infeksi,
yaitu banyaknya interaksi antara individu yang rentan dengan individu yang telah terinfeksi
yang dapat berakibat seseorang terinfeksi. Parameter adalah parameter yang mengartikan
tingkat kesembuhan seorang pasien terinfeksi. Selanjutnya untuk parameter adalah laju
kematian. Parameter dalam model SIR akan diestimasi menggunakan metode
kuadrat terkecil nonlinear dan dan solusi model menggunakan metode Runge-Kutta dan
model tersebut diaplikasikan pada data Covid-19 di Provinsi Kalimantan Timur.
Estimasi parameter model SIR menggunakan optimasi kuadrat terkecil nonlinear
dan solusi model menggunakan metode Runge-Kutta. Fungsi objektif model SIR (Yuni, Y.
dkk., 2020) dibentuk sebagai berikut:

‖ ( )‖ ( ) (7)
( )

∑( ( ) ( )) ∑( ( ) ( )) ∑( ( ) ( ))

6 Sifriyani (SIR Covid-19)

dengan fungsi dalam dan menyatakan banyaknya data dari setiap kasus.
Parameter masing-masing diestimasi pada interval [ ]. Parameter adalah laju
infeksi, Parameter adalah laju kesembuhan dan Parameter adalah laju kematian.
Hasil Pemodelan matematika epidemiologi SIR sesuai persamaan (6) dengan
metode estimasi pada persamaan (7). Metode numerik yang digunakan pada estimasi SIR
dalam penelitian ini adalah metode Runge-Kutta (Karim, M.A. dkk., 2018; Karim, M.A.
dkk., 2020). Sedangkan untuk metode optimasi menggunakan metode kuadrat terkecil
nonlinear (Madsen, K. dkk, 2004; Bates D M, dkk., 1988). Hasil analisis memberikan
penjelasan tiga estimasi parameter yaitu parameter untuk laju infeksi, laju kesembuhan dan
laju kematian. Hasil estimasi SIR dapat ditunjukkan pada Gambar 5 hingga Gambar 8.
Gambar 5 Estimasi SIR pada waktu awal Covid-19 terkonfirmasi sejak 19 Maret hingga
akhir April 2020, Gambar 6 estimasi SIR sejak awal April dimana masa lockdown
beberapa tempat dan sekolah diterapkan, hingga akhir mei 2020 dan Gambar 7 untuk data
yang terkonfirmasi 4 April hingga 6 Juni 2020.

Media Statistika

Gambar 5. Hasil Estimasi Parameter Kasus Covid-19 untuk Data 19 Maret – April 2020 di
Provinsi Kalimantan Timur

Media Statistika

Gambar 6. Hasil Estimasi Parameter Kasus Covid-19 untuk Data April – Mei 2020 di
Provinsi Kalimantan Timur

Media Statistika 7
 Pada Gambar 5 terdapat tiga kurva, yaitu untuk kurva berwarna merah dengan
tanda bintang putus-putus menyatakan data kasus terinfeksi (I), yaitu individu yang
terkonfirmasi Covid-19 dan dalam perawatan Covid-19 dan kurva merah lainnya
menyatakan solusi kasus terinfeksi. tanda lingkaran pada kurva putus-putus hijau
menyatakan data kasus sembuh (R) dan kurva hijau lainnya menyatakan solusi kasus
sembuh. sedangkan kurva berwarna hitam menyatakan data dan solusi kasus kematian (D).
Berdasarkan hasil estimasi SIR, Gambar 6 untuk data Provinsi Kalimantan Timur per 4
april hingga 28 Mei 2020, diperoleh laju infeksi dengan nilai nilai ini
menujukkan terdapat 70 orang terinfeksi dari 1000 orang yang dinyatakan suspek.
Selanjutnya untuk laju kesembuhan Provinsi Kaltim sebesar yang berarti
dinyatakan 19 orang sembuh dari 1000 orang yang terinfeksi dan laju kematian
yang artinya terdapat 1 orang meninggal dari 1000 penduduk terinfeksi Covid-19.
Bilangan reproduksi dasar diperoleh dari dan menghasilkan
⁄( ). Berdasarkan nilai-nilai parameter pada persamaan (6) maka diperoleh
nilai dan kurva solusi model (3). Hasil analisis simulasi SIR pada data 4 April hingga
28 Mei menghasilkan Nilai dengan MAPE 18%. Nilai mempunyai pengertian
setiap 1 individu terinfeksi (I) dapat menghasilkan 3 individu baru terinfeksi. Nilai
> 1, yang mengindikasikan bahwa jumlah individu terinfeksi akan terus bertambah
hingga mencapai titik ekuilibriumnya. Kriteria dalam MAPE dengan nilai
menyatakan pendugaan baik dan hasil prediksi forecast dapat diterima
(Gazpers, 2008). Selanjutnya dianalisis kembali data Covid-19 untuk tanggal 4 April
hingga 6 Juni 2020 yang ditampilkan pada Gambar 7.

Media Statistika

Gambar 7. Hasil Estimasi Parameter Kasus Covid-19 untuk Data April hingga Juni 2020 di
Provinsi Kalimantan Timur
Untuk data Provinsi Kalimantan Timur per 4 April hingga 6 Juni 2020, diperoleh
laju infeksi dengan nilai nilai ini menujukkan terdapat 71 orang terinfeksi dari
1000 orang yang dinyatakan suspek. Selanjutnya untuk laju kesembuhan Provinsi Kaltim
sebesar yang berarti dinyatakan 24 orang sembuh dari 1000 orang yang
terinfeksi dan laju kematian yang artinya terdapat 1 orang meninggal dari
1000 penduduk terinfeksi Covid-19. Rangkuman hasil analisis estimasi SIR untuk
beberapa waktu yang telah diterangkan dirangkum dalam Tabel 1.

8 Sifriyani (SIR Covid-19)

 Tabel 1. Solusi Numerik Model SIR
Data Covid-19 Data Covid-19 Data Covid-19
terkonfirmasi terkonfirmasi terkonfirmasi
Parameter Pengukuran
sejak Maret – sejak April – April hingga
April 2020 Mei 2020 Juni 2020
Laju Infeksi 0,0725 0,07 0,0707
Laju Kesembuhan 0,0079 0,019 0,0238
Laju Kematian 0,001 0,001 0,0013
Reproduksi 8,0053 3 2,8179
Angka
Reproduksi 8,004115 2,998 2,81
efektif (3)
time Independent 1,0658 1,0397 1,03189
MAPE Ketepatan
0,0779 0,018 0,02341
Pemodelan
Cakupan
Vaksinasi dari 0,87 0,67 0,65
nilai
Cakupan
Vaksinasi dari 0,87 0,66 0,64
nilai
Berdasarkan hasil simulasi SIR dan asumsi yang digunakan dalam estimasi Angka
reproduksi Covid-19 di Kalimantan Timur, untuk nilai Reproduksi pada data
terkonfirmasi semenjak maret hingga april 2020 diperoleh nilai reproduksi = 8,0053
atau . Nilai reproduksi tersebut diartikan 1 individu yang terinfeksi dapat
mengakibatkan 8 individu lain terinfeksi, selanjutnya apabila 8 individu terinfeksi berarti
dapat mengakibatkan 64 individu lain terinfeksi atau ( ) sebagai laju peningkatan kasus.
Dengan adanya kebijakan pemerintah provinsi Kaltim yang diterapkan seperti lockdown di
sekolah, kampus dan tempat-tempat tertentu, hal ini berdampak baik yang mengakibatkan
angka reproduksi semakin menurun. Kondisi tersebut diperlihatkan pada estimasi data
April hingga akhir Mei 2020 dan estimasi SIR untuk data hingga 6 Juni 2020. Pada periode
April hingga akhir Mei 2020 diperoleh nilai reproduksi , mengartikan 1 individu
terinfeksi dapat mengakibatkan 3 individu lain terinfeksi, apabila 3 telah terinfeksi
berdampak 9 individu juga rentan terinfeksi. Untuk data terkonformasi Covid-19 hingga 6
Juni 2020 diperoleh nilai reproduksi . Kebijakan yang diberikan
pemerintah provinsi Kaltim mempengaruhi laju reproduksi penyebaran covid-19.

Cakupan vaksinasi pada Tabel 1 dihitung berdasarkan angka reproduksi, baik dari
dan yaitu dan , dengan dan adalah proporsi individu
yang harus divaksin (Brides, C. B., dkk, 2004). Hasil simulasi untuk data terkonfirmasi
Covid-19 hingga 6 Juni 2020 menghasilkan nilai cakupan vaksinasi sebesar 0,65 atau
65% individu perlu divaksin (jika para ahli menemukan vaksin Covid-19).

Media Statistika 9
 Media Statistika

Gambar 8. Hasil Estimasi Parameter Kasus Covid-19 untuk Data Maret hingga 30 Mei
2020 di Kota Samarinda

Selanjutnya Analisis SIR persamaan (6) dan optimasi (7) untuk data Covid-19 di
Kota Samarinda. Diperoleh laju infeksi dengan nilai nilai ini menujukkan
terdapat 51 orang terinfeksi dari 1000 orang yang dinyatakan suspek. Selanjutnya untuk
laju kesembuhan Provinsi Kaltim sebesar yang berarti dinyatakan 38 orang
sembuh dari 1000 orang yang terinfeksi Covid-19. Angka reproduksi dasar berada pada
dengan nilai MAPE 2%. Angka reproduksi tersebut masih berada di atas angka
1 ( )yang mengartikan jumlah individu terinfeksi akan terus bertambah hingga
mencapai titik ekuilibriumnya.
3.3. Prediksi Puncak Kasus Infeksi Covid-19 di Kalimantan Timur
Pada data Covid-19 yang terkonfirmasi pada bulan April hingga 6 Juni 2020 di
Kalimantan Timur, untuk estimasi SIR dapat memperoleh prediksi puncak kasus terinfeksi
(I) pada tanggal 27 September hingga 11 Media
Oktober 2020 dengan estimasi 14.000 orang yang
Statistika
terinfeksi atau sekitar 28% per 50.000 jumlah penduduk di Provinsi Kalimantan Timur.
Hasil prediksi puncak SIR dapat ditunjukkan pada Gambar 9.

Media Statistika

Ganbar 9. Prediksi puncak kasus terinfeksi dan kematian untuk data 4 April – 6 Juni 2020
di Kalimantan Timur

10 Sifriyani (SIR Covid-

19)
 Media Statistika

Gambar 10. Kurva Prediksi +2 minggu

Hasil prediksi kasus Covid-19 untuk dua minggu kedepan diperlihatkan pada
Gambar 10, berdasarkan hasil forecasting terdapat peningkatan untuk dua minggu
kedepan. Peningkatan juga terjadi pada pasien sembuh dan begitupun kasus kematian
akibat Covid-19.

4. KESIMPULAN

1. Berdasarkan hasil simulasi pemodelan SIR dengan asumsi data jumlah populasi yang
rentan terhadap penyakit (Susceptible) adalah jumlah akumulasi populasi ODP, PDP
dan OTG di Provinsi Kalimantan Timur, maka diperoleh angka reproduksi dasar untuk
data hingga 6 juni 2020 adalah 2,8179 dan angka reproduksi efektif berkisar
antara 1,03 dan artinya bahwa jumlah individu terinfeksi Covid-19 akan semakin
meningkat hingga suatu saat akan mencapai titik stabil, nilai reproduksi tersebut
mengartikan bahwa 1 individu terinfeksi Covid-19 di Kalimantan Timur dapat
menghasilkan 3 individu baru terinfeksi. Berdasarkan nilai reproduksi tersebut
banyaknya individu yang perlu dilakukan vaksinasi apabila para ahli menemukan
vaksin Covid-19 berdasarkan dan adalah 64% hingga 65%.
2. Adanya kebijakan pemerintah daerah Provinsi Kaltim memberikan dampak yang baik
terhadap angka reproduksi Covid-19 di Kalimantan Timur, hal ini berdasarkan
pemodelan simulasi SIR untuk angka reproduksi mengalami penurunan. Berdasarkan
data maret hingga april 2020 diperoleh nilai reproduksi = 8,0053 atau .
Dengan adanya kebijakan pemerintah provinsi Kaltim yang diterapkan seperti
lockdown di sekolah, kampus dan tempat-tempat tertentu, hal ini mengakibatkan angka
reproduksi semakin menurun. Kondisi tersebut diperlihatkan pada estimasi data April
hingga akhir Mei 2020 angka reproduksi dan untuk data terkonfirmasi hingga
6 juni 2020 diperoleh nilai reproduksi . Kebijakan yang diberikan
pemerintah provinsi Kaltim mempengaruhi laju reproduksi penyebaran covid-19.
3. Pemodelan SIR dengan menggunakan beberapa asumsi untuk data Provinsi
Kalimantan Timur per 4 april hingga 6 Juni 2020, diperoleh laju infeksi

Media Statistika 11
 atau terdapat 71 orang terinfeksi dari 1000 orang yang dinyatakan suspek. Selanjutnya
untuk laju kesembuhan Provinsi Kaltim sebesar yang berarti dinyatakan
24 orang sembuh dari 1000 orang yang terinfeksi dan laju kematian yang
artinya terdapat 1 orang meninggal dari 1000 penduduk terinfeksi Covid -19. Hasil
forecasthing untuk 2 minggu kedepan jumlah kasus akan terus mengalami
peningkatan.
4. Estimasi SIR untuk prediksi puncak kasus terinfeksi (I) terjadi pada tanggal 27
September hingga 11 oktober 2020 dengan estimasi 14.000 orang yang terinfeksi atau
sekitar 28% per50.000 jumlah penduduk di Provinsi Kalimantan Timur.
5. Analisis simulasi SIR untuk kota Samarinda diperoleh laju infeksi nilai ini
menujukkan terdapat 51 orang terinfeksi dari 1000 orang yang dinyatakan suspek.
Selanjutnya untuk laju kesembuhan Provinsi Kaltim sebesar yang berarti
dinyatakan 38 orang sembuh dari 1000 orang yang terinfeksi Covid-19. Angka
reproduksi dasar berada pada dengan nilai MAPE 2%. Angka reproduksi
tersebut mengartikan jumlah individu terinfeksi akan terus bertambah hingga
mencapai titik ekuilibriumnya. Saran untuk penelitian selanjutnya akan diteliti
reproduksi Covid -19 untuk 9 Kabupaten/Kota lainya di Kalimantan Timur.

DAFTAR PUSTAKA
Bates D M, Watts D. G. 1988. Nonlinear Regression Analysis and its Application. Wiley.
DOI: 10.1002/9780470316757.
Bridges, C. B., Harper, S.A., Fukuda, K., Uyeki, T. M., Cox, N.J., Singleton, J.A. 2004.
Prevention and control of influenza. Recommendations of the advisory committee on
immunization practices (ACIP). MMWR Recomm. Vol 53 (RR-6): 1-40
Dinas Kesehatan Provinsi Kalimantan Timur. diakses 30 mei 2020. Data Kasus Covid-19
yang terkonfirmasi. URL: https://dinkes.kaltimprov.go.id/.
Diekmann, O. and Heesterbeek, J.A.P. 2000. Mathematical Epidemiology of Infectious
Diseases. Wiley. New York.
Gugus Tugas percepatan penanganan Covid -19. diakses 11 Juni 2020 Kasus Positif Covid
-19 Melesat naik 1.241, Total 34.316. URL: https://covid19.go.id/p/berita/kasus-positif-
Covid-19-melesat-naik-1241-total-34316.
Hethcote, H.W. 2000. The mathematics of infectious diseases. SIAM, Vol. 42, No. 599
Karim, M.A., Gunawan, A.Y., Apri, M., dan Sidarto, K.A. 2018. Solving a Parameter
Estimation Problem of Goodwin Model with Fuzzy Initial Values. Far East Journal of
Mathematical Sciences, Vol. 107 (2), Hal. 321-338.
Karim, M.A. dan Gunawan, A.Y. 2020. Parameter Estimations of Fuzzy Forced Duffing
Equation: Numerical Performances by the Extended Runge-Kutta Method. Abstract and
Applied Analysis, Vol. 2020

12 Sifriyani (SIR Covid-

19)
 Madsen, K. dkk. 2004. Methods for Non- Linear Least Squares Problems. Informatics and
Mathematical Modelling, 2nd Edition, Denmark.
Wallinga, J., Teunis, P. 2004. Different epidemic curves for severe acute repiratory
syndrome reveal similar impacts of control measures. American Journal Epidemiology 160
(6): 509-516.
Yuni, Y dan Karim, M.A. 2020. Pemodelan Matematika penyebaran Covid-19 di Provinsi
Kalimantan Selatan. Binawakya. Vol. 14. No 10.

Media Statistika 13

View publication stats