Menghitung Kesiapan Dunia dan Indonesia Menuju Status Endemi Covid-19

Oleh: Nurvirta Monarizqa, Ingki Rinaldi, & Palupi Annisa Auliani

SETELAH lebih dari dua tahun menghadapi pandemi Covid-19, sejumlah negara mulai melonggarkan berbagai aturan yang ditujukan untuk mengatasi persebaran virus corona.

Spanyol, pada Januari 2022, sebagaimana dikutip dari Bloomberg, menjadi negara Eropa pertama yang secara terbuka menggagas diperlukannya evolusi perlakuan terhadap Covid-19, yaitu perubahan dari status pandemi menjadi endemi.

Sejumlah negara lain, sebagaimana dilaporkan dalam beragam pemberitaan, tercatat mulai melonggarkan sebagian aturan atau kebijakan pembatasan aktivitas yang sebelumnya diterapkan untuk menghambat persebaran Covid-19. Misalnya, sebagaimana terjadi di Inggris, Denmark, dan Perancis.

Indonesia bukanlah pengecualian. Dikutip dari Kompas.com edisi 2 Maret 2022, pemerintah tengah menyiapkan peta jalan transisi dari pandemi ke endemi. Di dalamnya tercakup prakondisi kesehatan dan yang terkait dengan pelayanan kesehatan.

Sementara itu, Organisasi Kesehatan Dunia (WHO), yang pada 11 Maret 2020 mendeklarasikan Covid-19 sebagai pandemi, menyatakan bahwa pandemi masih jauh dari selesai. Seperti dikutip dari Kompas.id edisi 10 Maret 2022, pernyataan tersebut merujuk pada keterangan Direktur Jenderal WHO Tedros Adhanom Ghebreyesus.

Status endemi, dikutip dari artikel yang ditulis Novrina W Resti di laman itjen.kemdikbud.id, merujuk artinya pada penyakit yang berjangkit di suatu daerah atau pada suatu golongan masyarakat. Kemunculan penyakit terjadi secara konstan, dengan contohnya endemi demam berdarah dengue.

Adapun pandemi merupakan wabah yang berjangkit serempak di mana-mana, meliputi daerah geografi yang luas. Contohnya, Covid-19 dalam status saat ini.

Sementara itu, epidemi adalah penyakit menular dengan cepat di daerah luas dengan menimbulkan banyak korban. Contohnya, epidemi virus Ebola.

Guna menyigi lebih detail kesiapan sejumlah negara, dan juga Indonesia, terkait kemungkinan transisi dari status pandemi ke endemi, Kudu melakukan analisis di sejumlah negara dengan menghitung sejumlah indikator terkait.

Basis dan indikator analisis

Beberapa negara dipilih dalam analisis ini. Pertama, sejumlah negara yang melakukan pelonggaran internal maupun eksternal, yakni Thailand, Perancis, Portugal, Israel, Belanda, Jerman, Italia, Singapura, Norwegia, Jepang, Afrika Selatan, Austria, Australia, Yunani, Spanyol, Fiji, Swedia, Kanada, Denmark, Inggris, Maroko, Irlandia, Selandia Baru, Bahama, Uni Emirat Arab, Swiss, Vietnam, Filipina, dan Amerika Serikat.

Kemudian, beberapa negara yang melakukan pengetatan, seperti India, Hong Kong, Brasil, China, dan Meksiko. Pemilihan ini berdasarkan data yang dikutip dari laman Northstar Meetings Group pada 5 Maret 2022, sejumlah pemberitaan di beberapa media, serta pengalaman penulis di sebagian negara-negara tersebut.

Adapun sejumlah indikator yang digunakan sebagian di antaranya adalah jumlah kasus baru per sejuta orang, jumlah vaksinasi penuh baru per seratus orang, jumlah total vaksin booster per seratus orang, jumlah tempat tidur di rumah sakit per seribu orang, dan jumlah dokter per seribu orang.

Seluruh data diambil dari laman Our World in Data pada Senin (7/3/2022). Akan tetapi perlu digarisbawahi bahwa tidak seluruh data yang terdapat di laman tersebut berisikan data terkini. Misalnya, data mengenai jumlah rumah sakit di Indonesia, yang merupakan data dari tahun 2017. Di luar itu, indikator lain merupakan data terbaru.

Visualisasi di bawah ini memberikan gambaran mengenai posisi Indonesia di antara sejumlah negara lain, dalam konteks catatan kasus-kasus yang baru muncul dan tingkat kematian per sejuta orang.

Masing-masing dibedakan antara negara-negara yang diidentifikasi cenderung melakukan pelonggaran sebagian aturan atau kebijakan pembatasan aktivitas yang sebelumnya diterapkan untuk menghambat persebaran Covid-19, relatif melakukan pengetatan, dan kondisi Indonesia.

KUDU INSIGHT/NURVIRTA MONARIZQA/PALUPI ANNISA AULIANI Visualisasi kasus-kasus baru Covid-19 dan tingkat kematian baru per sejuta orang. Gambaran ini adalah kondisi di negara-negara yang diidentifikasi cenderung melakukan pelonggaran sebagian aturan atau kebijakan pembatasan aktivitas yang sebelumnya diterapkan untuk menghambat persebaran Covid-19, relatif melakukan pengetatan, dan kondisi Indonesia.

Dari hasil analisis di atas, terlihat bahwa jumlah kasus baru Covid-19 per sejuta orang dan tingkat kematian baru per sejuta orang di Indonesia relatif rendah. Hal ini terutama manakala disandingkan dengan catatan dari negara-negara lain.

Sekalipun demikian, terdapat indikator lain yang menuju pada arah terbentuknya kekebalan di tingkatan populasi. Hal ini cenderung berkaitan dengan penentuan status endemi atau pandemi, dan relatif berhubungan dengan jumlah atau persentase penduduk yang sudah mendapatkan vaksin penuh dan vaksin booster.

Lalu, visualisasi di bawah ini memberikan gambaran mengenai posisi Indonesia di antara sejumlah negara lain, dalam konteks persentase penduduk yang sudah mendapat vaksin booster dan persentase penduduk yang telah mendapatkan vaksin penuh.

Masing-masing dibedakan antara negara-negara yang diidentifikasi cenderung melakukan pelonggaran sebagian aturan atau kebijakan pembatasan aktivitas yang sebelumnya diterapkan untuk menghambat persebaran Covid-19, relatif melakukan pengetatan, dan kondisi Indonesia.

KUDU INSIGHT/NURVIRTA MONARIZQA/PALUPI ANNISA AULIANI Visualisasi persentase penduduk mendapatkan vaksin booster dan persentase penduduk beroleh vaksin penuh. Gambaran ini adalah kondisi di negara-negara yang diidentifikasi cenderung melakukan pelonggaran sebagian aturan atau kebijakan pembatasan aktivitas yang sebelumnya diterapkan untuk menghambat persebaran Covid-19, relatif melakukan pengetatan, dan kondisi Indonesia.

Berdasarkan data tersebut, tampak bahwa Indonesia berada di jajaran bawah dalam hal persentase penduduk yang sudah memperolah vaksin booster. Adapun untuk persentase penduduk yang mendapatkan vaksin penuh, Indonesia berada di kisaran sekitar 60 persen.

Berikutnya, kami menyigi data terkait jumlah fasilitas kesehatan per seribu orang penduduk. Masing-masing adalah indikator mengenai jumlah tempat tidur (kasur) di rumah sakit per seribu orang penduduk, dokter per seribu penduduk, dan perawat per seribu penduduk.

Data-data terkait kami nilai mewakili arah peta jalan Indonesia menuju status endemi yang disiapkan pemerintah. Di dalamnya termasuk hal-hal yang terkait dengan prakondisi kesehatan dan yang berhubungan dengan pelayanan kesehatan.

KUDU INSIGHT/NURVIRTA MONARIZQA/PALUPI ANNISA AULIANI Visualisasi jumlah tempat tidur (kasur) di rumah sakit per seribu orang penduduk, jumlah dokter per seribu penduduk, dan jumlah perawat per seribu penduduk. Gambaran ini adalah kondisi di negara-negara yang diidentifikasi cenderung melakukan pelonggaran sebagian aturan atau kebijakan pembatasan aktivitas yang sebelumnya diterapkan untuk menghambat persebaran Covid-19, relatif melakukan pengetatan, dan kondisi Indonesia.

Transisi dari status pandemi ke endemi, atau fase respons yang bertransisi menuju fase pemulihan dalam konteks penilaian risiko bencana, jelas tidak hanya tergantung pada sejumlah indikator dari berbagai kumpulan data di atas.

Diperlukan berbagai macam pertimbangan matang dan menyeluruh sebelum peralihan status tersebut dilakukan. Dukungan dari berbagai pihak, jelas sangat dibutuhkan.

Dikutip dari Fakhruddin dkk (2020), tatkala dunia tengah bertransisi menuju pemulihan dari Covid-19, pihak-pihak yang mengembangkan proses pemulihan tersebut membutuhkan dukungan dalam menyesuaikan dan meningkatkan kebijakan-kebijakan dan tindakan-tindakan mereka.

Pandemi, masih dikutip dari Fakhruddin dkk, tidak akan membiarkan negara-negara melakukan transisi secara sederhana menuju kondisi pemulihan skala penuh. Malah yang bakal terjadi adalah “rebound” dari fase pemulihan kembali lagi ke fase respons, cenderung akan terjadi selama periode tertentu hingga imunisasi (vaksinasi) diselesaikan.

Kondisi “rebound” yang dimaksud berhubungan kemunculan sejumlah gelombang Covid-19 sejak pertama kali dinyatakan sebagai pandemi pada Maret 2020.

Menghitung kata kunci, memperkirakan tren

Menyusul sifat pandemi Covid-19 yang terjadi dalam beberapa gelombang dan membuat fase respons, transisi, dan pemulihan cenderung bakal terjadi dalam siklus tertentu, diperlukan analisis yang sifatnya lebih cenderung untuk membaca tren.

Dua tahun sejak kasus Covid-19 terdeteksi di Indonesia, data memperlihatkan kecenderungan terjadi tren kenaikan dan penurunan kasus pada sejumlah periode tertentu. Variabel-variabel seperti kebijakan pengetatan mobilitas, penegakan protokol kesehatan, cakupan vaksinasi, dan mutasi virus SARSCoV-2 menjadi sejumlah varian, turut menentukan tren tersebut.

Pengetahuan mengenai tren ini menjadi modal penting bagi pemangku kebijakan. Salah satu kegunaan pentingnya adalah agar pemerintah dapat memformulasikan dan menetapkan kebijakan yang tepat untuk menangani pandemi Covid-19. Maka, prediksi tren kenaikan atau penurunan kasus Covid-19 relatif penting untuk dilakukan.

Sejumlah metode dan pemodelan pun dikembangkan untuk dapat memprediksi tren dimaksud, antara lain metode Autoregressive Integrated Moving Average (ARIMA), Autoregressive Model, Moving Average, dan Autoregressive Moving Average (ARMA), yang digunakan di sebagian negara (Wiguna dkk, 2020).

Sebagaimana dikutip dari Wiguna dkk (2020) dalam makalah berjudul Kebijakan Berbasis Data: Analisis dan Prediksi Penyebaran COVID-19 di Jakarta dengan Metode Autoregressive Integrated Moving Average (ARIMA), metode ARIMA digunakan pula untuk melakukan analisis prediktif guna mengetahui perkiraan jumlah kasus Covid-19, selain untuk memberikan informasi mengenai situasi dan kondisi terkini tentang pandemi Covid-19 di DKI Jakarta.

Metode ARIMA untuk tujuan tersebut, masih dikutip dari makalah yang sama, menggunakan basis data Dinas Kesehatan DKI Jakarta. Basis data tersebut digunakan oleh dinas kesehatan, puskesmas, dan rumah sakit untuk kebutuhan dimaksud.

Selain metode-metode yang telah disebutkan di atas, metode lain yang relatif populer adalah prediksi tren wabah dengan memakai data penggunaan kata kunci tertentu di mesin pencari Google. Pada 2009, para insinyur di Google berhasil memprediksi di mana wabah flu babi (H1N1) telah menyebar dalam waktu nyaris seketika.

Prediksi oleh Google itu tidak seperti informasi serupa yang dihasilkan Pusat Pengendali dan Pencegahan Penyakit (Centers for Disease Control and Prevention atau CDC) Amerika Serikat, yang muncul lebih lambat satu atau dua pekan setelah fakta persebaran virus tersebut terjadi.

Para insinyur di Google melakukannya dengan menggunakan 50 juta istilah pencarian yang paling kerap diketikkan orang-orang di Amerika. Daftar itu lantas dibandingkan dengan data CDC tentang persebaran flu musiman antara 2003 hingga 2008.

Gagasannya, mengidentifikasi wilayah-wilayah yang terinfeksi virus flu berdasarkan hal-hal yang dicari warga di internet (Mayer-Schönberger dan Cukier, 2013).

Masih dikutip dari Mayer-Schönberger dan Cukier (2013), sistem yang dikembangkan Google itu melihat korelasi antara frekuensi dari pencarian terhadap kata kunci tertentu dan penyebaran virus flu dalam ruang dan waktu tertentu.

Tidak kurang 450 juta model matematika dipakai untuk menguji istilah-istilah pencarian tersebut, dan kemudian dibandingkan dengan kasus-kasus flu dari data CDC selama 2007 hingga 2008.

Hasilnya, kombinasi 45 istilah-istilah pencarian, yang tatkala dipergunakan bersamaan dalam model matematika, membuktikan bahwa antara prediksi Google dan angka resmi secara nasional punya korelasi kuat.

Berdasarkan hal tersebut, Kudu mencoba melakukan hal serupa, dalam ruang lingkup yang relatif lebih terbatas. Hal ini dilakukan dengan terlebih dahulu mencari dan menentukan beberapa kata atau frasa yang diasumsikan kerap dipergunakan sebagai kata pencarian melalui media sosial dan media massa.

Terkumpul beberapa kata yang dimaksud, yakni: “antigen,” “swab”, "gejala covid", “ct value” “pcr”, "batuk", “anosmia”, “tabung oksigen”, “saturasi”, “proning”, “isoman”, dan “tenggorokan”. Dari situ, satu per satu dilihat trennya melalui Google Trends yang akan memberikan nilai intensitas dari 0-100.

Nilai intensitas ini diperoleh Google dari membandingkan jumlah pencarian di wilayah geografis tertentu (dalam hal ini, Indonesia) dalam waktu tertentu sesuai dengan pencarian tren. Lantas, hasilnya dinormalisasi dalam rentang 0-100. Penjelasan lebih detail mengenai perhitungan nilai intensitas tersebut dapat disimak di link ini. 

Nilai intensitas ini kemudian dibandingkan dengan angka kasus baru dan kematian baru tiap minggunya. Ini juga diubah skalanya dari 0 ke 1 dengan mengurangi nilainya dengan nilai minimum, kemudian dibagi dengan nilai maksimum dikurangi nilai minimum.

KUDU INSIGHT/NURVIRTA MONARIZQA/PALUPI ANNISA AULIANI Jumlah kasus baru Covid-19 di Pulau Jawa dan luar Pulau Jawa dibandingkan dengan intensitas pencarian kata-kata tertentu yang dicari di mesin pencari Google. Kata-kata yang dipergunakan diketahui berkaitan dengan Covid-19.

Mendahului puncak kasus harian

Secara kasat mata, terlihat bahwa intensitas pencarian kata kunci ini puncaknya mendahului puncak kasus harian. Kata “antigen”, “swab”, “gejala covid”, “ct value”, “pcr” misalnya, memuncak dua minggu sebelum puncak kasus di Jawa dan tiga minggu sebelum puncak kasus di luar Jawa saat varian Delta menjamur pada pertengahan Juli 2021.

Hal ini juga berlaku pada varian Omicron di mana kata-kata tersebut mulai naik kembali aktivitasnya pada akhir Januari 2022, dua pekan sebelum puncak kasus di Jawa.

Selain itu, kata kunci yang berhubungan dengan gejala spesifik seperti “batuk”, “anosmia”, dan “tenggorokan” memuncak seminggu setelahnya, dibarengi dengan kata kunci yang berhubungan dengan kondisi lebih serius seperti “tabung oksigen”, “saturasi”, “proning”, “isoman”.

Kata kunci yang mewakili kondisi atau fase serius setelah terpapar Covid-19 tersebut memuncak pada periode dua hingga tiga minggu sebelum puncak angka kematian harian di Jawa, tatkala gelombang varian Delta melanda.

Adapun untuk varian Omicron, penggunaan kata kunci “saturasi” dan “isoman” terlihat memiliki aktivitas pada akhir Januari dan minggu pertama Februari 2022, atau tepat dua minggu dan satu  minggu sebelum angka puncak kasus baru pada minggu kedua dan ketiga Februari 2022.

Puncak Google Trends

Bagaimana cara praktis menggunakan Google Trends?

Puncak pada Google Trends hanya dapat dilihat pada waktu pencarian, secara real time atau sudah melewati pucuknya. Hal ini membuat upaya mitigasi yang hendak dilakukan bisa jadi sudah terlewati.

Untuk mengatasinya, Kudu melihat perbedaan antara nilai intensitas pencarian pada pekan tersebut dibandingkan dengan pekan sebelumnya, yang lantas dibagi lagi dengan dengan nilai pekan sebelumnya untuk beroleh persentase akhirnya.

KUDU INSIGHT/NURVIRTA MONARIZQA/PALUPI ANNISA AULIANI Jumlah kasus baru Covid-19 di Pulau Jawa dan luar Pulau Jawa versus persentase intensitas pencarian kata-kata tertentu yang dicari di mesin pencari Google. Kata-kata yang dipergunakan diketahui berkaitan dengan Covid-19.

Dari sini terlihat bahwa sebelum terjadi puncak kasus pada minggu kedua Juli 2021, beberapa minggu sebelumnya banyak kata kunci yang sudah memiliki kenaikan intensitas lebih dari 80 persen (merah).

Kata kunci “gejala covid”, “ct value”, “anosmia”, dan “saturasi”, misalnya, naik lebih dari 80 persen dibanding pekan sebelumnya pada minggu kedua Juni 2021, atau satu bulan sebelum puncak gelombang Delta di Pulau Jawa. Kata kunci “isoman” bahkan naik lebih dari 80 persen dari pekan sebelumnya, yakni pada pekan pertama Juni 2021.

Lalu, kata kunci “pcr”, “tabung oksigen”, dan “proning” yang biasanya berhubungan dengan keadaan serius, naik lebih dari 80 persen dari pekan sebelum minggu ketiga Juni 2021, empat minggu sebelum puncak kematian baru di Jawa.

Pada rentang September 2021 hingga pekan pertama Januari 2022, memang terlihat beberapa spot merah atau merah muda, tetapi biasanya dibarengi dengan spot biru muda, menandakan nilai intensitas yang relatif rendah sehingga memungkinkan terjadi nilai persentase perubahan nilai yang tinggi.

Namun, pada pekan kedua Januari 2022, mulai terlihat spot merah dan merah muda konsisten untuk dua minggu atau lebih, menunjukkan kemungkinan adanya gelombang baru.

Benar saja, pencarian dengan kata kunci seperti “tenggorokan” yang merupakan ciri atau gejala khas Omicron, disertai dengan “isoman”, “saturasi”, “pcr”, “gejala covid”, “swab”, dan “antigen”, mengalami kenaikan lebih dari 20 persen.

Kenaikan ini terjadi selama dua minggu atau lebih, jika dibandingkan dari pekan sebelum minggu keempat Januari 2022. Kondisi ini, terjadi tiga minggu sebelum puncak kasus di Jawa untuk varian Omicron. Bahkan, kata kunci “ct value” sudah mendahului naik pada pekan kedua Januari 2022.

Menariknya lagi, pada varian Delta dan Omicron ternyata puncak kasus ditandai dengan menurunnya sebagian besar intensitas pencarian pada pekan tersebut dibanding dengan pekan sebelumnya.

Bisa jadi, rule of thumb-nya adalah, jika pencarian menurun maka pada minggu tersebut bisa dipastikan adalah pekan puncak gelombang, yang mana tentunya sudah terlambat jika ingin melakukan tindakan tertentu.

Pencarian yang naik 80 persen atau lebih dari intensitas pekan sebelumnya dapat menjadi acuan untuk segera melakukan hal tertentu, termasuk di dalamnya menerbitkan kebijakan khusus, karena hal tersebut biasanya terjadi 2-4 minggu sebelum puncak kasus.

Walaupun terlihat bahwa Google Trends dapat digunakan sebagai alat untuk mitigasi karena menangkap gejala-gejala pandemi, Kudu tidak menemukan—dan mungkin tidak akan ada—kata kunci yang dapat digunakan untuk menangkap gejala-gejala endemi.

Dalam hal ini, data kesiapan tiap daerah atau negaralah yang lebih mewakili. Sebagian di antaranya termasuk soal jumlah tenaga kesehatan, warga tervaksin, dan ketersediaan tempat tidur rumah sakit.

Harus pula diingat bahwa prediksi persebaran virus flu dengan analisis mahadata yang dilakukan Google bukan tanpa kekurangan. Lazer dkk (2014), mengutip jurnal ilmiah Nature pada 2013 menulis, Google Flu Trends (GFT) memprediksi jumlah kunjungan dokter untuk penyakit yang mirip influenza lebih dari dua kali lipat dibandingkan catatan CDC.

Masih menurut Lazer dkk (2014), kesalahan prediksi itu terjadi karena sejumlah hal, antara lain “keangkuhan mahadata” dan dinamika algoritma.

Meski demikian, analisis kata-kata tertentu yang terkait dengan Covid-19 dan penggunaannya oleh masyarakat di mesin pencari Google untuk dihubungkan dengan tren kenaikan kasus-kasus baru Covid-19 dan kematian-kematian baru Covid-19, sebagaimana dilakukan Kudu, terbukti masih relevan.

Sumber kutipan:

1. https://www.bloomberg.com/news/articles/2022-01-11/omicron-has-spain-looking-past-pandemic-as-europe-surge-persists  (Diakses 9 Maret 2022 pukul 14.35 WIB)
2. https://nasional.kompas.com/read/2022/03/02/19361341/pemerintah-siapkan-roadmap-transisi-dari-pandemi-ke-endemi?page=all  ( (Diakses 19 Maret 2022 pukul 14.28 WIB)
3. https://www.kompas.id/baca/kesehatan/2022/03/10/who-setelah-dua-tahun-pandemi-masih-jauh-dari-selesai (Diakses 19 Maret 2022 pukul 13.51 WIB)
4. https://itjen.kemdikbud.go.id/webnew/covid19/memahami-istilah-endemi-epidemi-dan-pandemi/  (Diakses 19 Maret 2022 pukul 14.07 WIB)