51动漫

51动漫 Official Website

Model matematika QSIQR tentang epidemi Covid-19 di Indonesia

Ilustrasi AIP (Foto: UNAIR NEWS)
Ilustrasi AIP (Foto: UNAIR NEWS)

Penelitian ini membahas dinamika penyebaran COVID-19 di Indonesia melalui pendekatan model matematika QSIQR untuk menggambarkan kondisi endemik serta memprediksi perkembangan wabah di masa mendatang. Model dikembangkan dengan memasukkan unsur karantina bagi populasi pendatang dan menggunakan variabel tak berdimensi pada populasi yang tidak konstan. Berdasarkan hasil estimasi parameter dan pencocokan data periode 13 Juni 2021 hingga 30 November 2021, diperoleh nilai basic reproduction ratio () sebesar 0,184492232. Nilai ini digunakan sebagai indikator untuk memahami kecenderungan penyebaran penyakit serta stabilitas dinamika model.

Analisis sensitivitas yang dilakukan menunjukkan bahwa laju infeksi () dan tingkat karantina penderita (p4) merupakan dua parameter yang paling berpengaruh terhadap dinamika penyebaran COVID-19. Tingginya sensitivitas terhadap kedua parameter ini menunjukkan bahwa perubahan kecil pada laju infeksi atau efektivitas karantina dapat memberikan dampak signifikan terhadap peningkatan atau penurunan jumlah kasus. Berdasarkan temuan tersebut, kedua parameter kemudian didefinisikan dalam bentuk fungsi keanggotaan fuzzy dengan suhu sebagai nilai tegas (crisp number). Pendekatan ini menghubungkan faktor lingkungan dengan efektivitas kebijakan pemerintah serta tingkat kepatuhan masyarakat dalam menerapkan protokol kesehatan.

Hasil analisis model menegaskan bahwa kebijakan pemerintah memiliki peran penting dalam menekan penyebaran COVID-19. Meskipun laju infeksi tergolong tinggi, wabah tetap dapat dikendalikan melalui penerapan kebijakan yang efektif dan peningkatan kepatuhan masyarakat. Kebaruan penelitian ini terletak pada integrasi karantina populasi pendatang, penggunaan variabel tak berdimensi dalam populasi tidak konstan, serta penerapan fungsi keanggotaan fuzzy berbasis suhu. Untuk penelitian selanjutnya, disarankan pengembangan fungsi fuzzy berdasarkan zona iklim berbeda, yaitu seperti zona tropis, subtropis, sedang, dan dingin serta pemisahan kelompok terinfeksi menjadi kasus terdeteksi dan tidak terdeteksi guna memperoleh gambaran dinamika yang lebih komprehensif.

Penulis: Dr. Miswanto, M.Si.

Link:

AKSES CEPAT