Arsip Bulanan: Juli 2021

Foto : Fusion Medical Animation (Unsplash)

Pantauan Data COVID-19 Indonesia: Tren Kasus, Tes, Mobilitas, Herd Immunity (30/07/2021)

Berikut adalah beberapa pola data yang dapat ditemukan pada visualisasi data pandemi COVID-19 terbaru di Indonesia.

Sumber: NadiData.net

Sumber: NadiData.net

Kasus positif harian nasional masih dalam posisi mencuat tapi sudah menurun dari puncaknya. Grafik kasus positif harian tampak berfluktuasi secara drastis selama beberapa hari terakhir. Pola tersebut mirip dengan pola jumlah tes harian. Jumlah kasus aktif nasional mulai menurun dari posisi puncak.

Jumlah vaksinasi dosis 1 harian tampak menurun jauh dari puncaknya pada awal Juli 2021. Di sisi lain, jumlah vaksinasi dosis 2 harian tampak meningkat.

Sumber: NadiData.Net

Sumber: NadiData.Net

Jumlah vaksinasi dosis 1 ada 17% dari keseluruhan jumlah penduduk Indonesia. Sementara jumlah vaksinasi dosis 2 mencapai 8% dari keseluruhan penduduk Indonesia. Dengan kecepatan vaksinasi rata-rata selama 30 hari terakhir (225.806 vaksinasi dosis 2 per hari), Indonesia akan mencapai kekebalan kelompok (herd immunity) pada tanggal 17 Agustus 2023.

Sumber: NadiData.net

Sumber: NadiData.net

Tingkat positivitas tampak menurun setelah mencapai puncaknya pada pertengahan Juli 2021. Tingkat kematian tampak konstan. Tingkat kesembuhan tampak kembali meningkat setelah sebelumnya mengalami penurunan.

Sumber: NadiData.net

Sumber: NadiData.net

Mobilitas masyarakat di luar rumah (kecuali mobilitas di toko pangan dan apotek) berada di tren menurun mulai dari awal atau pertengahan Juni 2021 sampai sekarang (akhir Juli 2021). Tren penurunan mobilitas luar rumah tersebut bahkan dimulai sebelum Pemberlakuan Pembatasan Kegiatan Masyarakat (PPKM) di awal Juli 2021.

Sumber: NadiData.net

Sumber: NadiData.net

Apakah PPKM berhasil menurunkan jumlah kasus positif harian? Pertanyaan itu agak susah untuk kami jawab. Setidaknya PPKM punya dampak sedikit menurunkan laju kenaikan kasus positif. Yang pasti, pola kenaikan kasus lebih mirip dengan tren jumlah tes harian.

Sumber: NadiData.net

Sumber: NadiData.net

Vaksinasi berkorelasi positif dengan kesembuhan dan berkorelasi negatif dengan tingkat kematian. Tapi vaksinasi juga masih berkorelasi positif dengan jumlah kasus positif harian dan kasus aktif.

Provinsi-provinsi di Pulau Jawa mendominasi jumlah kasus aktif dan kasus positif harian, dengan Jawa Barat memiliki jumlah kasus positif harian dan kasus aktif terbanyak, disusul oleh Jawa Timur.

Sumber: NadiData.net

Sumber: NadiData.net

Perihal mobilitas di luar rumah, hampir semua provinsi memiliki mobilitas luar rumah yang lebih rendah daripada mobilitas luar rumah di masa sebelum pandemi. Beberapa provinsi yang paling tinggi mobilitas di luar rumahnya bahkan sampai melebihi mobilitas di masa sebelum pandemi adalah Sulawesi Barat, Gorontalo, dan Sulawesi Tenggara.

Visualisasi data selengkapnya dapat dilihat di COVID-19 Indonesia.

Foto : Fusion Medical Animation (Unsplash)

Kapan Wabah COVID-19 di Indonesia Berakhir? Mari Perkirakan Berdasarkan Kecepatan Vaksinasi Kita

Pastinya, sulit bagi siapapun untuk meramalkan kapan pandemi berakhir. Akan tetapi, ada satu kondisi yang menjadi pertanda bahwa pandemi akan mereda, yaitu ketika telah tercapai kekebalan kelompok atau herd immunity. Untuk COVID-19, kekebalan kelompok tercapai ketika setidaknya 70% anggota populasi telah mendapatkan imunitas dari virus SARS-Cov-2. Dengan kata lain, kekebalan kelompok tercapai ketika 70% penduduk telah mendapatkan vaksinasi COVID-19.

Dengan pengetahuan soal kekebalan kelompok serta data proses vaksinasi yang dilakukan di Indonesia, kita dapat memperkirakan kapan Indonesia mencapai kekebalan kelompok. Logikanya, dari informasi perihal seberapa banyak dan seberapa cepat vaksinasi yang telah kita lakukan selama ini, kita dapat memperkirakan kapan kita akan berhasil mengimunisasi 70% dari penduduk Indonesia. Ini adalah perhitungan sederhana. Ada asumsi-asumsi besar yang diambil untuk mendapatkan perkiraan yang spesifik ini. Para ahli epidemiologi dan ahli ilmu-ilmu terkait tentunya dapat mengoreksi dan menyempurnakan perhitungan seperti ini.

Asumsi-asumsi yang diambil dalam memperkirakan akhir pandemi berdasarkan laju vaksinasi di Indonesia adalah:

Pertama, kekebalan kelompok terjadi setelah 70% dari populasi telah divaksinasi.

Kedua, imunitas terjadi setelah seseorang mendapatkan vaksinasi dosis penuh, yaitu vaksinasi dosis pertama dan kedua. Karena vaksinasi dosis penuh pasti tercapai ketika seseorang tercatat melakukan vaksinasi dosis kedua, laju vaksinasi dihitung memakai jumlah vaksinasi dosis kedua.

Ketiga, laju vaksinasi dihitung berdasarkan rata-rata jumlah orang yang divaksinasi setiap harinya dalam periode 30 hari terakhir. Periode 30 hari dipilih karena rentang waktu tersebut kami anggap cukup stabil untuk mewakili laju vaksinasi yang sedang diusahakan. Laju vaksinasi yang ditentukan berdasarkan satu hari acuan saja akan rawan mendapatkan angka yang terlalu cepat (jika kebetulan di hari acuan tersebut terjadi peningkatan kapasitas vaksinasi drastis) atau terlalu lambat (jika kebetulan di hari acuan tersebut terjadi penurunan kapasitas vaksinasi drastis). Penentuan laju vaksinasi memakai rata-rata harian dalam keseluruhan hari sejak vaksinasi dimulai juga menyebabkan angka hasilnya lebih rawan akan ketidakakuratan. Angka laju yang didapat dari perhitungan semacam itu rawan dipengaruhi hari-hari ketika kapasitas vaksinasi berada di luar batas normal.

Keempat, tidak muncul varian baru virus corona yang lebih ganas yang meningkatkan syarat batas persentase kekebalan kelompok menjadi lebih dari 70%. Asumsi-asumsi lain yang kami ambil, misalnya, jumlah penduduk yang masuk dalam perhitungan adalah keseluruhan populasi dengan tidak memandang usia.

Sumber: NadiData.Net

Sumber: NadiData.Net

Proses vaksinasi nasional kita masih menemukan banyak kendala. Kendala tersebut, antara lain, misinformasi atau hoaks yang menyebabkan sebagian masyarakat enggan divaksinasi. Proses administrasi vaksinasi juga dapat memperlambat vaksinasi secara keseluruhan. Hasil perkiraan waktu akhir pandemi berdasarkan laju vaksinasi diharapkan dapat memacu kita sebagai masyarakat untuk mempercepat vaksinasi supaya pandemi cepat selesai.

Perhitungan perkiraan akhir pandemi berdasarkan laju vaksinasi kami tampilkan di visualisasi data pandemi COVID-19 Indonesia (dataset yang menjadi dasar perhitungan juga tersedia di laman tersebut). Angka perhitungan kami bersifat dinamis, yaitu berubah seiring dengan perubahan rata-rata jumlah vaksinasi selama periode 30 terakhir dari hari rilis data terbaru. Maka itu, angka yang didapat sekarang hampir pasti berubah besok. Ketika pemerintah dan masyarakat konsisten mempercepat laju vaksinasi, tanggal perkiraan akhir pandemi akan menjadi lebih awal. Sebaliknya, ketika laju vaksinasi melambat, waktu perkiraan akhir pandemi akan mundur.

Jumlah penduduk Indonesia menurut sensus penduduk terbaru (tahun 2020) adalah 270.200.000 jiwa. Maka itu, kekebalan kelompok atau herd immunity akan tercapai jika 189.140.000 orang Indonesia telah mendapatkan vaksin COVID-19 (70% dari jumlah penduduk Indonesia). Berdasarkan data dari KawalCovid, selama 30 hari terakhir sejak data terakhir (dari tanggal 29 Mei hingga 28 Juli 2021) ada tambahan 6.096.577 mendapatkan vaksinasi COVID-19 dosis kedua. Jadi dalam periode 30 hari tersebut rata-rata 203.219 orang divaksinasi. Dengan kecepatan rata-rata 203.219 divaksinasi setiap hari, kekebalan kelompok akan tercapai pada 835 hari setelah 28 Juli 2021, yaitu tanggal 10 November 2023.

Pantauan Harian Data Pandemi COVID-19 Indonesia 28-07-2021

Tulisan ini adalah hasil pantauan data pandemi COVID-19. Tampilan datanya dapat dilihat di tautan tersebut.

Pertambahan kasus positif harian nasional mencapai puncaknya pada tanggal 15 Juli 2021 dengan jumlah 56.757. Selanjutnya pertambahan kasus menurun tapi disertai dengan penurunan dan kenaikan drastis. Sebagai contoh, kasus positif harian pada tanggal 27 adalah 45 ribuan sementara sehari sebelumnya kasus positif harian berjumlah 28 ribuan atau hampir setengahnya. Jumlah kasus positif harian pada data terbaru tanggal 27 Juli menunjukkan kenaikan sebesar 60% dari hari sebelumnya. Pada periode 7 hari, jumlah kenaikan kasus selama 7 hari ke belakang mengalami penurunan sebesar 13% dari periode 7 hari sebelumnya.

Kasus aktif juga menunjukkan penurunan tapi tidak disertai naik turun drastis seperti pada kasus positif harian. Kasus aktif mencapai puncaknya pada tanggal 25 Juli dengan jumlah 574.135 kasus. Jumlah kematian harian ikut menanjak. Berbeda dengan kasus aktif atau kasus positif harian, jumlah kematian harian belum menunjukkan tren menurun. Data terbaru tanggal 27 Juli masih menunjukan jumlah kematian harian tertinggi dengan jumlah 2.069. Jumlah kasus harian pada tanggal 27 Juli mengalami penurunan sebesar 71% dari hari sebelumnya. Jumlah kasus aktif pada periode 7 hari ke belakang mengalami kenaikan sebesar 9% dari periode 7 hari sebelumnya. Jumlah meninggal dunia harian pada hari terbaru mengalami kenaikan sebesar 39% dari hari sebelumnya. Pada periode 7 hari, periode 7 hari terakhir mengalami kenaikan sebesar 33% dari periode 7 hari sebelumnya.

Jumlah vaksinasi dosis 1 harian mencapai puncaknya pada tanggal 9 Juli, tetapi kemudian mengalami tren menurun hingga sekarang. Jumlah vaksinasi dosis 2 harian mulai menunjukkan lonjakan signifikan mulai tanggal 24 Juli setelah sebelumnya membentuk tren mendatar.

Jumlah orang yang dites harian sekarang sedang mengalami tren menurun setelah sebelumnya mencapai puncak pada tanggal 22 Juli dengan jumlah 228 ribu tes. Jumlah tes harian tanggal 27 Juli naik 16% dari hari sebelumnya. Periode 7 hari terbaru naik 48% dari hari sebelumnya.

Semua jenis mobilitas di luar rumah menunjukkan tren menurun sejak jumlah kasus harian mengalami lonjakan.

Tingkat kematian mengalami kenaikan baik periode harian maupun 7 harian, tetapi mengalami penurunan jika memakai periode 30 hari.

Tingkat kesembuhan mengalami kenaikan pada periode harian dan 7 harian, tetapi mengalami penurunan dalam periode 30 harian.

Foto : Fusion Medical Animation (Unsplash)

Tren-Tren Menarik di Data Pandemi COVID-19 Indonesia

Pandemi virus COVID-19 di Indonesia sudah berjalan lebih dari setahun. Vaksinasi, protokol kesehatan, dan usaha lain terus dilakukan, tetapi ujung dari pandemi belum nampak. Selama pandemi berjalan, data dikumpulkan dan disampaikan ke publik untuk membantu kita memahami situasi pandemi kita.

Pemerintah Indonesia setiap hari mempublikasikan data jumlah kasus positif, jumlah kesembuhan, jumlah kematian terkait COVID-19. Data ini kemudian dikumpulkan dan diolah oleh tim sukarelawan KawalCovid. Data lain terkait COVID-19 juga dikeluarkan oleh Google. Google sebagai raksasa teknologi informasi mempublikasikan data harian mobilitas masyarakat dunia. Seperti kita ketahui, penyebaran COVID-19 sangat dipengaruhi oleh mobilitas masyarakat.

Kami melakukan pemrosesan lebih lanjut terhadap data dari pemerintah Indonesia (yang dikumpulkan oleh KawalCovid) dan Google. Hasilnya adalah visualisasi data kondisi pandemiĀ  COVID-19 Indonesia. Dari visualisasi tersebut ditemukan tren-tren menarik, yang dapat dilihat pada grafik berikut. Grafik ini adalah gabungan variabel-variabel penting terkait pandemi yang disamakan skalanya (distandarisasi) memakai rumus Google Sheets. Data yang dimasukkan ke dalam grafik ini adalah data sampai tanggal 22 Juli 2021 (menyesuaikan dengan ketersediaan data mobilitas Google).

Sumber: NadiData.net

Sumber: NadiData.net

Sumber : NadiData.net

Sumber : NadiData.net

Seperti yang kami tulis di tulisan sebelumnya, kita sedang berada di puncak lonjakan kasus positif harian. Di awal tahun 2021 terjadi puncak lonjakan kasus pertama yang berlangsung dari akhir November 2021, mencapai puncaknya di akhir Januari 2021, dan surut di awal Maret 2021. Puncak lonjakan kasus yang kita alami sekarang di bulan Juli 2021 tingginya sekitar 3 kali tinggi puncak pandemi pertama. Dan lonjakan kasus sekarang jauh lebih curam dari lonjakan di akhir tahun 2020. Penyebab fenomena ini kemungkinan besar adalah virus COVID-19 varian delta yang tingkat penularannya lebih tinggi.

Sumber : NadiData.net

Sumber : NadiData.net

Tingkat kematian sekarang sudah jauh menurun dibandingkan dengan awal pandemi. Akan tetapi, tidak tampak ada penurunan berarti antara tingkat kematian pada lonjakan kasus sekarang dibandingkan dengan tingkat kematian pada lonjakan kasus sebelumnya. Hal ini agak tidak sesuai dengan pemahaman bahwa virus varian delta kurang mematikan dibandingkan dengan virus SARS-Cov-2 biasa.

Sumber : NadiData.net

Sumber : NadiData.net

Beberapa hari terakhir terjadi penurunan kasus harian yang drastis seiring dengan penurunan jumlah tes. Dan penurunan kedua variabel tersebut tidak mulus. Puncak pandemi pertama di awal 2021 juga diiringi oleh penurunan jumlah tes walaupun diikuti oleh lonjakan jumlah tes tidak lama setelah penurunan itu. Tingkat positivitas mingguan melonjak seiring dengan tiap lonjakan kasus.

Sumber : NadiData.net

Sumber : NadiData.net

Pada grafik vaksinasi harian terdapat pola bentuk ‘palung’ yang terjadi setiap akhir minggu hingga awal minggu. Kemungkinan penyebabnya adalah aktivitas vaksinasi atau pencatatan menurun drastis pada akhir minggu hingga awal minggu. Jumlah vaksinasi harian dosis 1 mengalami lonjakan yang mencapai puncaknya pada awal Juli 2021. Sayangnya, jumlah vaksinasi dosis 1 menurun hingga saat ini. Jumlah vaksinasi dosis 2 cenderung stabil, tidak mengalami lonjakan berarti. Sejauh ini, di Indonesia kenaikan jumlah vaksinasi masih beriringan dengan jumlah kasus. Akan tetapi, seperti yang kami tuliskan di artikel sebelumnya, tingkat kematian menunjukkan korelasi negatif dengan jumlah vaksinasi, terutama vaksinasi dosis 2.

Sumber : NadiData.net

Sumber : NadiData.net

Lonjakan mobilitas di luar rumah selalu memicu lonjakan kasus. Masyarakat dan pemerintah kemudian merespons dengan penurunan mobilitas. Penurunan ini kemudian diikuti oleh penurunan jumlah kasus. Kemudian, masyarakat mulai menaikkan mobilitas lagi dan mungkin ini akan memicu lonjakan kasus lagi. Pembahasan efek jenis-jenis mobilitas (mobilitas di toko pangan / apotek, pusat angkutan umum, tempat kerja / kantor, tempat tinggal, retail / rekreasi, taman) terhadap kenaikan kasus dapat dilihat di artikel sebelumnya.

Sumber : NadiData.net

Sumber : NadiData.net

Dengan menampilkan korelasi mobilitas rata-rata luar rumah dengan kasus positif harian pada grafik, kami ingin mengusulkan pemakaian grafik korelasi tersebut sebagai indikator keberhasilan penerapan protokol kesehatan dan vaksinasi. Belum ada literatur ilmiah yang secara tegas memakai korelasi tersebut sebagai indikator penanganan pandemi. Dasar pemikirannya adalah bahwa semakin sukses protokol kesehatan dan vaksinasi, nilai korelasi akan stabil mendekati 0 (karena makin tidak saling terkait). Pada kondisi jumlah kasus menurun dan nilai korelasi stabil mendekati 0, dapat disimpulkan bahwa pandemi telah mereda. Tetapi ketika nilai korelasi masih naik turun seiring fluktuasi jumlah kasus, pandemi masih bergejolak. Di sisi lain, grafik korelasi juga dapat menunjukkan adanya ‘dystopia’ pandemi, yaitu ketika angka korelasi mendekati 0 tetapi angka kasus melonjak. Ini menunjukkan bahwa dalam tingkat mobilitas setinggi atau serendah apapun, virus tetap menjangkiti banyak orang.

Korelasi antara vaksinasi dengan jumlah kasus telah dibahas pada tulisan sebelumnya. Dalam dasbor visualisasi data pandemi kami, kami juga menampilkan nilai mobilitas, jumlah kasus, serta korelasi antara mobilitas dan jumlah kasus untuk tiap provinsi. Kami juga menampilkan peringkat provinsi berdasarkan mobilitas terkininya. Visualisasi-visualisasi tersebut dapat menjadi alat eksplorasi lebih lanjut untuk menemukan wawasan-wawasan di tingkat provinsi. Yang ingin kami sampaikan di sini adalah bahwa kami menemukan ada provinsi tertentu yang memiliki mobilitas tinggi tetapi ditemukan banyak kekosongan di datanya.

Foto : Fusion Medical Animation (Unsplash)

Hasil Pantauan Data Mobilitas dan Pandemi COVID-19 Indonesia

 

Tulisan ini memuat wawasan dari data mobilitas masyarakat dalam konteks pandemi COVID-19 di Indonesia. Sebelum membahas soal data, kami mau menyampaikan di awal rekomendasi berdasarkan pemahaman kami soal situasi pandemi sekarang:

Ketika mencapai posisi yang kritis karena desakan antara kebutuhan akan mobilitas dengan kebutuhan untuk menurunkan angka kasus positif, cara terbaik adalah menurunkan pembatasan tetapi dengan tetap membatasi sektor yang kurang penting, serta mutlak disertai peningkatan penerapan protokol kesehatan jauh lebih ketat dari sebelumnya dan percepatan vaksinasi jauh lebih cepat dari sebelumnya.

Kami baru saja membuat tampilan data pandemi yang disandingkan dengan data mobilitas Indonesia. Dataset yang kami pakai adalah dataset dari KawalCovid dan Google Mobility Reports. Berikut poin-poin wawasan yang ditemukan:

  • Evaluasi dampak vaksinasi
  • Pola permulaan lonjakan kasus positif
  • Pola-pola mobilitas di provinsi-provinsi
  • Jenis-jenis mobilitas dan skala prioritasnya

Evaluasi dampak vaksinasi

Korelasi Vaksinasi COVID-19 (NadiData..net)

Visualisasi data kami menunjukkan bahwa vaksinasi berkorelasi positif dengan tingkat kesembuhan, dan berkorelasi negatif dengan tingkat kematian akibat COVID-19. Hal ini kemungkinan besar akibat kombinasi efek vaksinasi dengan efek lebih rendahnya tingkat kematian virus varian delta. Data yang tampak dapat dipakai untuk menunjukkan efektivitas vaksin adalah korelasi negatif antara vaksinasi dengan tingkat positivitas harian. Antara korelasi negatif vaksinasi dosis 1 dan vaksinasi dosis 2 dengan tingkat positivitas harian, vaksinasi dosis 2 memiliki korelasi yang lebih negatif. Ini menunjukkan bahwa vaksinasi, khususnya vaksinasi dengan dosis 1 yang dilanjutkan dengan dosis 2 efektif untuk menurunkan penularan virus Corona penyebab COVID-19. Saat ini, vaksinasi terlihat memiliki korelasi positif dengan jumlah kenaikan kasus positif dan kasus aktif. Akan tetapi, kemungkinan besar itu bukan karena vaksinasi menyebabkan kenaikan kasus positif dan kasus aktif, tetapi karena saat ini baru dimulai program vaksinasi secara luas. Malah ada kemungkinan sebaliknya, lonjakan kasus positif memicu masyarakat dan pemerintah untuk mempercepat vaksinasi.

Pola permulaan lonjakan kasus positif

Mobilitas Nasional dan Kasus Positif (NadiData.net)

Mobilitas Nasional dan Kasus Positif (NadiData.net)

Gelombang lonjakan kasus positif yang sedang kita alami di pertengahan Juli 2021 ini dimulai dari awal Mei 2021. Masa itu hampir bertepatan dengan awal masuknya virus COVID-19 varian delta ke Indonesia dan libur Lebaran 2021. Puncak lonjakan kasus positif sebelumnya terjadi mulai dari akhir Noveber 2020, lalu diikuti dengan liburan Natal dan Tahun Baru 2021. Lonjakan kasus sebelumnya tersebut mencapai puncak pada akhir Januari 2021, lalu baru reda pada akhir Maret 2021. Pola awal kemunculan puncak loncakan kasus positif selalu diikuti dengan kenaikan mobilitas di luar rumah. Puncak kali ini jauh lebih tinggi kemungkinan disebabkan oleh kombinasi faktor virus varian delta dan mobilitas di luar rumah yang mencapai level tertinggi sejak pandemi dimulai.

Pola-pola mobilitas di provinsi-provinsi

Peringkat Mobilitas Retail dan Rekreasi di Provinsi Indonesia (NadiData.net)

Peringkat Mobilitas Retail dan Rekreasi di Provinsi Indonesia (NadiData.net)

Data mobilitas Google menunjukkan bahwa saat ini, mobilitas tertinggi terjadi di wilayah bukan di tempat paling banyak terjadinya lonjakan kasus. Ini bisa terjadi karena memang virus COVID-19 tidak tersebar di daerah-daerah tersebut. Tetapi, untuk mendapatkan info lebih pasti, sebaiknya dicek kembali kondisi di wilayah-wilayah tersebut, untuk memastikan bahwa memang tidak terjadi lonjakan kasus positif di sana dan bukannya ada faktor lain. Wilayah-wilayah dengan mobilitas tinggi yang dimaksud, antara lain Sulawesi Barat, Gorontalo, Kalimantan Selatan, Maluku Utara, Kalimantan Utara.

Jenis-jenis mobilitas dan skala prioritasnya

Mobilitas Nasional (NadiData.net)

Mobilitas Nasional (NadiData.net)

Google membuka akses publik untuk data mobilitas para pengguna smartphone Android. Data mobilitas tersebut terdiri atas enam jenis, yaitu :

  • Mobilitas di toko pangan dan apotek
  • Mobilitas di tempat kerja
  • Mobilitas di pusat angkutan umum
  • Mobilitas di retail dan rekreasi
  • Mobilitas di taman
  • Mobilitas di tempat tinggal

Untuk menyesuaikan dengan konteks pandemi, kami mengelompokkan keenam mobilitas di atas dalam beberapa tingkat. Keenam mobilitas di atas dapat dikelompokkan menjadi mobilitas di dalam rumah dan mobilitas di luar rumah. Mobilitas di luar rumah terdiri dari kelima jenis mobilitas selain mobiitas di tempat tinggal. Selanjutnya, mobilitas di luar rumah kami kelompokkan menjadi mobilitas primer, sekunder, dan tersier sebagai berikut:

  • Mobilitas primer : mobilitas di toko pangan dan apotek
  • Mobilitas sekunder : mobilitas di tempat kerja, mobilitas di pusat angkutan umum
  • Mobilitas tersier : mobilitas di retail dan rekreasi, mobilitas di taman

Pengelompokkan mobilitas primer, sekunder, dan tersier dapat menjadi patokan untuk penentuan prioritas dalam pembatasan sosial. Dalam situasi kenaikan kasus positif yang sangat tinggi, pembatasan semua jenis mobilitas di luar rumah sebaiknya diterapkan. Ketika pertambahan kasus mulai terlihat terkendali, pelonggaran pembatasan dapat dilakukan dimulai dari mobilitas primer, lalu dilanjutkan dengan mobilitas sekunder, lalu terakhir pelonggaran mobilitas tersier.

Korelasi Mobilitas Nasional (NadiData.net)

Korelasi Mobilitas Nasional (NadiData.net)

Dalam tampilan visualisasi data pandemi kami, kami menampilkan nilai korelasi Pearson antara variabel setiap jenis mobilitas dengan jumlah kasus positif harian, kasus aktif baik di tingkat nasional maupun tingkat provinsi. Korelasi antara variabel dapat menjadi indikator penting dalam kemajuan (atau kegagalan) kita dalam menangani pandemi. Korelasi menunjukkan keterkaitan antara dua variabel. Ketika dua variabel menunjukkan korelasi positif, kenaikan nilai satu variabel berbanding lurus dengan kenaikan nilai variabel lainnya. Sebaliknya, ketika dua variabel berkorelasi negatif, kenaikan satu variabel berbanding terbalik dengan kenaikan nilai variabel lainnya. Ketika nilai korelasi bernilai 0, maka kedua variabel yang dihitung tidak saling terkait.

Ada beberapa poin yang mesti diketahui perihal korelasi. Ketika dua variabel memiliki nilai korelasi, itu tidak berarti satu variabel itu menjadi penyebab naik atau turunnya nilai variabel lainnya. Contoh nyatanya adalah sebagai berikut. Di tampilan data kami tampak bahwa jumlah vaksinasi berkorelasi positif dengan jumlah kasus positif. Ini tidak otomatis berarti kenaikan jumlah vaksinasi secara langsung menyebabkan kenaikan jumlah kasus positif atau sebaliknya. Kemungkinan penjelasannya adalah bahwa secara kebetulan lonjakan kasus terjadi ketika program vaksinasi mulai dijalankan. Hubungan kausalitas secara tidak langsung dapat mungkin terjadi dalam hal ini, yaitu bahwa lonjakan kasus memicu kita untuk menaikkan jumlah vaksinasi. Ketika dua variabel memiliki korelasi positif atau negatif, ada kemungkinan bahwa faktor-faktor luar yang berbeda menyebabkan kedua variabel bergerak ke arah mereka masing-masing. Pada contoh vaksinasi dan jumlah kasus, kemungkinan faktor eksternalnya adalah faktor baru datangnya vaksin ke Indonesia yang menaikkan jumlah vaksinasi, serta faktor virus varian delta dan musim liburan yang menaikkan jumlah kasus positif.

Nilai korelasi mobilitas terhadap jumlah kasus positif dan kasus aktif menunjukkan angka yang mendekati 0. Itu dapat diartikan bahwa mobilitas hanya terkait secara lemah dengan penularan COVID-19. Akan tetapi, dalam visualisasi data kami, kami memakai asumsi bahwa mobilitas masyarakat memiliki keterkaitan lebih kuat dengan kasus COVID-19. Dasar asumsi tersebut adalah pengetahuan bahwa penularan COVID-19 terjadi ketika manusia berinteraksi secara fisik, sementara interaksi fisik tersebut akan makin mungkin terjadi ketika manusia memiliki mobilitas yang tinggi. Dasar asumsi selanjutnya adalah adanya metode pemrosesan data yang wajar yang dapat menunjukkan nilai korelasi lebih tinggi antara mobilitas dengan kasus COVID-19. Sebagai contoh, pada visualisasi data mobilitas yang kami lakukan pada tahun 2020, data mobilitas pada akhir pekan kami abaikan karena nilai mobilitas pada akhir pekan akan menyerupai nilai mobilitas pada masa sebelum pandemi. Skor mobilitas Google secara keseluruhan didasarkan pada mobilitas di suatu rentang waktu patokan (baseline) sebelum pandemi. Selain itu, ada kemungkinan cara pemrosesan data yang dapat menunjukkan nilai korelasi yang lebih tinggi, yaitu dengan memajukan data mobilitas untuk disandingkan dengan data kasus positif beberapa hari setelahnya. Ini karena penularan yang terjadi akibat mobilitas di luar rumah seseorang pada suatu hari baru dapat terdeteksi pada data kasus positif beberapa hari setelahnya. Pada visualisasi data kami sekarang, cara-cara pemrosesan data di atas tidak dilakukan.

Untuk skala nasional, nilai korelasi terbesar dengan kasus aktif maupun kasus positif harian ditunjukkan oleh mobilitas di toko pangan dan apotek. Ini bisa jadi karena kerumunan di toko pangan dan apotek meningkatkan jumlah kasus positif. Atau sebaliknya, karena meningkatnya kasus positif orang-orang jadi memanfaatkan waktu yang tadinya untuk ke tempat lain menjadi ke toko pangan dan apotek. Korelasi kasus positif terbesar kedua, yaitu dengan mobilitas di retail dan rekreasi mungkin disebabkan dua hal, yaitu bahwa banyaknya aktivitas masyarakat di retail dan rekreasi menyebabkan kenaikan kasus positif. Kemungkinan lainnya adalah aktivitas masyarakat di retail dan rekreasi tidak disertai protokol kesehatan yang cukup sehingga lebih mudah terjadi penularan di aktivitas tersebut. Korelasi positif dengan kasus positif juga ditemukan pada mobilitas di pusat angkutan umum dan di taman. Pada umumnya, tingginya korelasi kasus positif dengan suatu mobilitas dapat menjadi isyarat untuk mengurangi dan/mengurangi mobilitas tersebut. Kecilnya korelasi antara mobilitas di tempat kerja dengan kasus positif mungkin terjadi karena biasanya praktek bekerja dari rumah atau work from home (WFH) paling cepat diterapkan ketika terjadi lonjakan kasus positif. Selain di level nasional, analisis di atas dapat diterapkan pada level provinsi dengan nilai mobilitas dan korelasi provinsi masing-masing.