Panik vs Serius

Dunia dalam keadaan genting.

Banyak sepertinya orang yang masih tidak bisa membedakan perbedaan antara panik dan serius. Untuk menghadapi pandemi seperti sekarang ini orang harus serius. Melakukan segala sesuatu dengan lebih hati-hati dan terukur agar tidak terjadi bencana bagi kita semua.

Orang pertama harus menyadari betapa bahayanya Covid19 ini. Virus ini sangat menular dan bisa menyebabkan kematian. Buktinya sudah banyak. Setelah sadar itu maka kita harus melakukan aksi agar penyebarannya tidak secepat sekarang.

Jika penambahan infeksi terus sama seperti ini maka sebentar lagi orang yang sakit tidak bisa di rawat lagi di rumah sakit. Kalau fasilitas rumah sakit tidak ada maka orang harus di rawat di rumah. Jika isolasi di rumah tidak berjalan baik maka satu rumah akan terjangkit penyakit.

Sebagian banyak orang memang bukan pegawai teatap dan harus bekerja agar bisa memenuhi kebutuhan hidup. Maka dari itu mulailah merubah pola pikir. Jangan terus mencari-cari alasan untuk tidak mengurangi pergerakan karena faktor ekonomi. Tapi mulailah bersuara apa yang diharapkan jika anda berhenti bekerja.

Saya kasih contoh.

Saya ingin bekerja dari rumah tetapi gaji jalan terus.

Saya tidak ingin dipecat ketika berdiam di rumah menghindari wabah.

Saya ingin ada pembagian sembako ketika kehilangan mata pencaharian karena wabah

Ingatlah kalau di Indonesia itu ikatan kekeluargaannya sangat tinggi. Kita harus manfaatkan ini. Semua harus saling bahu membahu. Orang yang kelebihan uang bisa menyumbang untuk kebutuhan hidup sehari-hari warga sekitar. Orang yang tidak punya uang bisa menyumbang tenaga.

Administrator kependudukan masuk sampai tinggat RT. Kini saatnya menggunakan struktur RT/RW dalam menghadapi masalah virus. Kita harus sudah mengunci diri sendiri. Setiap RT/RW harusnya bisa mengkoordinir pembatasan pergerakan orang di wilayahnya masing-masing. Lakukan pendataan penduduk yang sehat atau sakit. Kerahkan anak-anak muda agar bisa menjaga lingkungan. Kerahkan kas RT/RW untuk pengadaan Sembako untuk warga yang membutuhkan. Buat pasar RT/RW agar orang tidak perlu berjalan jauh ke pasar-pasar.

Pemerintah daerah dan pusat bisa fokus untuk menjaga agar bahan pangan bisa terus tersedia. Pelayanan dan bisnis yang esensial harus terus beroperasi. Pihak kepolisian harus bisa menjaga ketertiban.

Perkiraan jumlah kasus Covid-19 di Indonesia

Perkiraan Jumlah Kasus

Metoda tentang polinomial fit untuk memproyeksikan jumlah kasus terkonfirmasi Covid-19 ada diposting sebelumnya (link). Di sini ditunjukkan hasil proyeksi dengan menggunakan data terbaru yang tersedia sampai tanggal 21 Maret 2020.

Gambar 1. Grafik perkiraan jumlah kasus Covid-19 di Indonesia dengan persamaan polinomial yang diperoleh dari data jumlah kasus sampai dengan tanggal 21 Maret 2020. Garis abu-abu menunjukkan nilai perkiraan jumlah kasus maximum dan minimum berdasarkan perkiraan error.

Perkiraan jumlah kasus terkonfirmasi sehari setelah data terakhir atau tanggal 22 Maret 2020 adalah 541 kasus dengan error ±29 (Gambar 1). Untuk tanggal 23 Maret 2020 diperkirakan akan terdapat 643±62 kasus (Gambar 1). Proyeksi untuk hari ketiga dari data terakhir yang digunakan memberikan angka kasus sebesar 758±97. Dapat dilihat dari angka error, bahwa semakin jauh melihat kemasa depan maka error menjadi semakin besar atau prediksi menjadi semakin kurang meyakinkan. Pada akhir bulan Maret diperkirakan jumlah pasien mencapai 2000 orang (Gambar 2).

Perkiraan Jumlah Orang Terinfeksi

Sebagaimana dijelaskan sebelumnya ini adalah proyeksi berdasarkan data kasus yang terkonfirmasi. Tetapi diduga kuat banyak orang yang terinfeksi Covid-19 yang tidak teridentifikasi.

Diperlukan suatu pendekatan untuk memperkirakan seberapa banyak orang yang terinfeksi. Karena orang yang terinfeksi tetapi tidak diisolasi akan menularkan virus ini orang lain.

Untuk kasus di Indonesia jumlah pasien yang meninggal sampai dengan tanggal 21 Maret 2020 adalah 38 jiwa. Dengan jumlah total pasien teridentifisi sejumlah 450 berarti presentasi kematian pasien adalah 8.4%. Ini lebih besar dibandingkan nilai dari Tiongkok yakni 3.9%.

Gambar 2. Perkiraan jumlah total orang yang terinfeksi dan terkonfirmasi Covid-19 di Indonesia.

Untuk mengestimasi jumlah terinfeksi digunakan jumlah kematian di Indonesia (38) pada saat ini (21/03/20) dibagi dengan persentasi kematian di Tiongkok karena wabah di sana sudah hampir selesai. Dengan pendekatan ini diestimasi jumlah orang yang terinfeksi setidaknya 1027 orang. Ini artinya sekitar 550 orang tidak dalam pengawasan dan berpotensi menyebarkan Covid-19 di Indonesia. Dengan menggunakan proyeksi pasien terkonfirmasi maka jumlah total pasien terinfekfi juga dapat diperkirakan.

Untuk Tanggal 22 Maret 2020 jumlah total infeksi termasuk orang yang tidak teridentifikasi mencapai 1236. Saat ini pemerintah Indonesia sedang berusaha meningkatkan jumlah pemeriksaan Covid-19. Dengan semakin banyaknya orang yang diperiksa maka akan semakin banyak kasus terkonfirmasi. Dengan menggunakan anggapan ini jumlah kasus terkonfirmasi di Indonesia pada tanggal 22 Maret 2020 akan berkisar antara 541 sampai 1236.

Perkiraan kasus Covid-19 di Indonesia (2)

Tulisan ini adalah kelanjutan dari perkiraan jumlah kasus Covid-19 di Indonesia sebelumnya yang dapat dibaca di sini https://adityagusman.wordpress.com/2020/03/19/perkiraan-jumlah-kasus-covid-19-di-indonesia/. Data yang digunakan sekarang adalah yang sudah diperbaharui yaitu sampai dengan tanggal 20 Maret 2020.

Dari data kasus Covid-19 kita bisa melihat tren arah pergerakan ke mana grafiknya menuju. Tampak jelas bahwa saat ini untuk indonesia jumlah kasus akan bertambah terus. Sangat menarik untuk mencoba memperkirakan jumlah kasus Covid-19 di Indonesia berdasarkan data kasus yang ada.

Data

Data yang digunakan adalah jumlah kasus terkonfirmasi sampai dengan tanggal 20 Maret 2020. Data diambil secara berkala dari Kementerian Kesehatan Republik Indonesia https://www.kemkes.go.id/. Jumlah kasus teridentifikasi kemungkinan besar lebih rendah dari jumlah sebenarnya dari orang yang terjangkit. Pasti ada orang yang terjangkit tetapi mereka tidak terindentifikasi. Hal ini bisa terjadi utamanya karena kemampuan identifikasi yang masih rendah. Bisa juga karena orang yang terjangkit tidak merasakan sakit yang parah sehingga menganggap tidak perlu memeriksakan diri.

Perkiraan Jumlah Kasus

Untuk memperkirakan jumlah kasus digunakan persamaan matematik yang sangat sederhana. Data jumlah kasus perhari difitting dengan menggunakan persamaan polinomial orde dua yang memiliki bentuk umum:

Nilai x merupakan hari semenjak terkonfirmasinya kasus pertama. Sedangkan y adalah jumlah kasus harian. Setelah koefisien a, b dan c di dapat maka persamaan tersebut digunakan untuk menghitung prediksi jumlah kasus harian. nilai ini kemudian digunakan untuk menghitung perkiraan kasus kumulatif.

Gambar 1. Grafik perkiraan jumlah kasus Covid-19 di Indonesia dengan persamaan polinomial yang diperoleh dari data jumlah kasus sampai dengan tanggal 20 Maret 2020. Garis abu-abu menunjukkan nilai perkiraan jumlah kasus maximum dan minimum berdasarkan perkiraan error.

Error dalam perkiraan kasus juga dapat dikuantifikasi dengan menghitung error harian. Karena tampaknya error harian semakin lama nilainya semakin meningkat maka digunakan persamaan polinomial juga untuk menfitting nilai errornya.

Perkiraan jumlah kasus terkonfirmasi sehari setelah data terakhir atau tanggal 21 Maret 2020 adalah 449 kasus dengan error ±27 (Gambar 1). Dengan kata lain diperkirakan akan ada peningkatan sebanyak 80 jumlah kasus terkonfirmasi dari jumlah kasus terkonfirmasi sebenarnya di hari sebelumnya (369 kasus). Sedangkan untuk tanggal 22 Maret 2020 diperkirakan akan terdapat 538±56 kasus (Gambar 1).

Perkiraan jumlah kasus Covid-19 di Indonesia

Dari data kasus Covid-19 kita bisa melihat tren arah pergerakan ke mana grafiknya menuju. Tampak jelas bahwa saat ini untuk indonesia jumlah kasus akan bertambah terus. Sangat menarik untuk mencoba memperkirakan jumlah kasus Covid-19 di Indonesia berdasarkan data kasus yang ada.

Data

Data yang digunakan adalah jumlah kasus terkonfirmasi sampai dengan 19 Maret 2020. Data diambil secara berkala dari Kementerian Kesehatan Republik Indonesia https://www.kemkes.go.id/. Jumlah kasus teridentifikasi kemungkinan besar lebih rendah dari jumlah sebenarnya dari orang yang terjangkit. Pasti ada orang yang terjangkit tetapi mereka tidak terindentifikasi. Hal ini bisa terjadi utamanya karena kemampuan identifikasi yang masih rendah. Bisa juga karena orang yang terjangkit tidak merasakan sakit yang parah sehingga menganggap tidak perlu memeriksakan diri.

Perkiraan Jumlah Kasus

Untuk memperkirakan jumlah kasus digunakan persamaan matematik yang sangat sederhana. Data jumlah kasus perhari difitting dengan menggunakan persamaan polinomial orde dua yang memiliki bentuk umum:

Nilai x merupakan hari semenjak terkonfirmasinya kasus pertama. Sedangkan y adalah jumlah kasus harian. Setelah koefisien a, b dan c di dapat maka persamaan tersebut digunakan untuk menghitung prediksi jumlah kasus harian. nilai ini kemudian digunakan untuk menghitung perkiraan kasus kumulatif.

Error dalam perkiraan kasus juga dapat dikuantifikasi dengan menghitung error harian. Karena tampaknya error harian semakin lama nilainya semakin meningkat maka digunakan persamaan polinomial juga untuk menfitting nilai errornya.

Gambar 1. Grafik perkiraan jumlah kasus Covid-19 di Indonesia dengan persamaan polinomial yang diperoleh dari data jumlah kasus sampai dengan tanggal 19 Maret 2020
Gambar 2. Grafik perkiraan jumlah kasus Covid-19 di Indonesia seperti Gambar 1, dengan rentang waktu yang lebih pendek dan tambahan garis error maximum dan minimum (garis abu-abu).

Perkiraan jumlah kasus terkonfirmasi sehari setelah data terakhir atau tanggal 20 Maret 2020 adalah 386 kasus dengan error ±24 (Gambar 1 dan 2). Dengan kata lain diperkirakan akan ada peningkatan sebanyak 77 jumlah kasus terkonfirmasi dari hari sebelumnya. Sedangkan untuk tanggal 21 Maret 2020 diperkirakan akan terdapat 472±51 kasus (Gambar 1 dan 2).

Perkiraan Jumlah Orang Terinfeksi

Jumlah kasus yang terkonfirmasi hanyalah sebagian dari total orang yang terinfeksi. Argumen ini berdasarkan tingkah laku orang untuk tidak memeriksakan diri ketika kondisi sakitnya ringan. Dari data pasien yang ada di Cina saat ini (19 Maret 2020), 67% kondisinya ringan sedangkan 33% kondisinya parah. Sedangkan di Italia angkanya adalah 96% ringan dan 4% parah. Jika diasumsikan bahwa angka-angka diatas merupakan hasil dari pengamatan di mana tidak ada orang yang tidak teridentifikasi. Maka persentasinya dapat digunakan untuk memperkirakan berapa orang yang sebenarnya terinfeksi di Indonesia. Karena persentasinya cukup beragam, maka untuk perhitungan digunakan nilai 80% kondisi ringan dan 20% kondisi parah. Saat ini belum didapatkan data kondisi pasien di Indosia. Karena itu diasumsikan 40% pasien yang dirawat memiliki kondisi yang parah dan semua orang yang terinfeksi dengan kondisi parah telah menjadi pasien yang dirawat. Ini artinya 40% dari pasien ini adalah 20% dari jumlah yang terinfeksi.

Gambar 3. Perkiraan jumlah total orang yang terinfeksi dan terkonfirmasi Covid-19 di Indonesia

Dapat dihitung kemungkinan jumlah total orang yang terinfeksi di Indonesia. Jumlah kumlatif kasus positif terkonfirmasi pada tanggal 19 Maret 2020 adalah 309. Berdasarkan perhitungan dengan pendekatan di atas maka diperkirakan total orang yang terinfeksi di Indonesia mencapai 622 orang. Artinya saat ini ada sekitar lebih dari 300 orang di Indonesia yang terinfeksi tetapi masih berkeliaran di luar pengawasan pihak berwenang.

Jika grafiknya di ekstrapolasi degan menggunakan kecepatan penambahan pasien yang dibuat di sini maka dapat diperkirakan jumlah pasien Covid-19 pada akhir bulan Maret mencapai sekitar 2100 orang. Sayangnya perkiraan ini memiliki tingkat kepercayaan yang rendah dengan error yang cukup besar yaitu ±496. Dengan menggunakan formula yang sudah dijelaskan di atas maka diperkirakan akan ada sekitar 4200 orang yang terinfeksi (Gambar 3). Sekitar 2100 orang yang terinfeksi ini kemungkinan akan berada diluar pengawasan.

Angka Kematian

Gambar 4. Proyeksi angka kematian pasien kasus Covid-19 dengan menggunakan persentase angka kematian 8% dari data tanggal 19 Maret 2020.

Saat ini jumlah pasien yang meninggal karena Covid-19 mencapai 25 orang. Ini berarti persentase angka kematiannya adalah 8% dari total jumlah pasien yang dirawat. Jika presentase angka kematian ini tetap maka jumlah pasien yang meninggal mencapai 178 diakhir bulan Maret (Gambar 4).

Validasi (update)

Pada tanggal 20 Maret pemerintah Indonesia mengumumkan bahwa jumlah kasus terkonfirmasi adalah 369 (Gambar 5, https://kawalcovid19.id). Angka ini masih dalam rentang perkiraan model matematik yaitu 362 – 410 dan berada di quardran terendah yang berarti model matematiknya cenderung overestimate.

Gambar 5. Jumlah kasus terkonfirmasi, dalam perawatan, sembuh dan meninggal. Sumber dari https://kawalcovid19.id

Wave Maker Module Try

Paling gampang untuk test model yang sedang dikembangkan adalah menggunakan model batimetri dan gelombang sederhana. Sayangnya modul wave maker comcot yang ada saat ini tidak bisa langsung di jalankan. Modelnya malah nge hang ketika dijalankan.

Harus ngobrol dulu sama yang buat modul ini untuk cari tau gimana ngebenerinnya.

Integrasi Model Sediment Transport ke dalam COMCOT

Niat untuk mengintegrasikan model sedimen transport yang saya kembangkan semenjak kuliah S3 di Jepang sudah ada semenjak menginjakkan kaki di GNS dua tahun yang lalu. Tetapi ternyata sistem kerja di sini tidak memungkinkan untuk melakukannya langsung pada saat itu.

Saya harus mendapatkan dulu funding untuk membayar diri sendiri mengerjakan pengintegrasiannya. Untuk melancarkan coding tentunya saya mendapatkan bantuan yang sangat diperlukan dari Xiaoming Wang. Xiaoming adalah developer utama COMCOT di GNS. Dia adalah muridnya Philip F. Liu, developer awal dari COMCOT.

Akhirnya saya bisa mulai mengintegrasikan model sedimen transport ke dalam COMCOT. Sekarang baru tahap awal. Kerjaan utama adalah mentransfer semua subroutines yang saya tulis dulu ke dalam format yang digunakan oleh COMCOT. Sepertinya untuk highest level dari codesnya harus Xiaoming yang handle karena ini sangat berkaitan dengan bagaimana control file yang ada bisa mengakomodasi pilihan untuk perhituang sediment transport tanpa menggangu kestabilan features lain yang sudah ada.

Supersite for the 2018 Palu Earthquake (Mw 7.5)

 

 

USGS event page:

https://earthquake.usgs.gov/earthquakes/eventpage/us1000h3p4/executive

Indonesian Tsunami Early Warning System (InaTEWS)

http://inatews.bmkg.go.id/light/?

The list of warning messages from InaTEWS

http://inatews.bmkg.go.id/new/tsunami15.php

First warning http://inatews.bmkg.go.id/new/view_event.php?eventid=20180928170738&tab=7

Second warning (cancellation) http://inatews.bmkg.go.id/new/view_event.php?eventid=20180928173612&tab=7

Google crisis maps of before and after the earthquake and tsunami:

https://goo.gl/u8YaGg

Satellite images before and after the earthquake and tsunami from Digital Globe:

http://go.digitalglobe.com/m000uz3070EhiUfOENR0PE0

Geospatial vector data (shapefiles) for GIS from the Indonesia Geospatial Agency:

https://cloud.big.go.id/index.php/s/sxb9TEStoDYT276

Reuters page

https://fingfx.thomsonreuters.com/gfx/rngs/INDONESIA-QUAKE/010080KV15C/index.html

Peta lokasi pengungsian, jumlah pengungsi, dan kebutuhan yang diperlukan https://www.google.com/maps/d/u/0/viewer?mid=1rWj-k3enEZl5cRLXDnG_T7MBjHs15lua&ll=-0.9019903921434881%2C119.87124221732904&z=14

 

Tsunami videos

 

 

Tsunami video from afar

Tsunami Data Assimilation with MOANA Network

Mungkin ini salah satu kerjaan yang gak beres-beres. Waktu yang dialokasikan untuk pekerjaan ini tidak pernah terlalu lama. Sehigga perkejaannya tidak bisa langsung selesai. Selain itu karena  saya bukan penulis pertamanya. Jadi tidak mau terlalu proaktif.

Pada dasarnya pekerjaan berawal dengan penentuan source model dengan menggunakan data tsunami. Selain data tsunami ada juga data GPS yang bisa digunakan. Tetapi untuk menggunakan kedua data secara bersamaan, parametrerisasi inversi menjadi lebih banyak. Karena data GPS bisa memberikan informasi sudut rake, akan lebih baik jika sudut rake dijadikan sebagai variabel yang dicari dalam inversi. Tetapi desain awalnya sudut rake di fix-kan. Hasil yang diperoleh diperuntukkan untuk koreksi gelombang yang terekam oleh pressure gauges MOANA stations. Jadi setelah dapat tsunami fit yang cukup bagus, maka disudahkanlah pekerjaan source modeling. Dengan membuat rake sebagai variable sebenarnya waveform fitting bisa lebih bagus. Begitulah seharusnya.

Saat ini koreksi hanya menggunakan hasil dari tsunami waveform inversion. Setelah waveforms dikoreksi selanjutnya dilakukan eksperimen prediksi tsunami dengan metoda tsunami data assimilation. Hasilnya sudah lumayan. Meskipun sebenarnya waveform fit di tide gauge yang dijadikan sebagai target masih kurang sempurna. Plot yang diperlukan untuk keperluan publikasi seperti wave-field plots and animasi sudah dibuat. Plot yang menunjukkan imporvement jika menggunakan data yang lebih banyak atau time window yang lebih lama sudah dibuat. Sepertinya untuk saat ini segini dulu. Kalau mengikuti apa yang diinginkan bisa lebih lama lagi pekerjaan ini berjalan sebelum bisa publikasi.

 

Optimum sea surface displacement and fault slip distribution of the 2017 Tehuantepec earthquake (Mw 8.2) in Mexico estimated from tsunami waveforms

Key Points:

  1. Tsunami waveforms resolve the optimum sea surface displacement with maximum sea surface uplift of 0.5 m and subsidence of 0.8 m.
  2. Large fault slip (3 – 6 m) located at depths between 30 – 90 km is estimated from the optimum sea surface displacement.
  3. Large tsunami amplitudes up to 2.5 m due to edge waves are estimated inside and around a lagoon between Salina Cruz and Puerto Chiapas.

 

Abstract

The 2017 Tehuantepec earthquake (Mw 8.2) was the first great normal fault event ever instrumentally recorded to occur in the Middle America Trench. The earthquake generated a tsunami with an amplitude of 1.8 m (height=3.5 m) in Puerto Chiapas, Mexico. Tsunami waveforms recorded at coastal tide gauges and offshore buoy stations were used to estimate the optimum sea surface displacement without assuming any fault. Our optimum sea surface displacement model indicated that the maximum uplift of 0.5 m is located near the trench and the maximum subsidence of 0.8 m on the coastal side near the epicenter. We then estimated the fault slip distribution that can best explain the optimum sea surface displacement assuming ten different fault geometries.  The best model suggests that a compact region of large slip (3 – 6 m) extends from a depth of 30 km to 90 km, centered at a depth of 60 km.

Keywords: the 2017 Tehuantepec earthquake, tsunami waveform inversion, optimum sea surface displacement, fault slip distribution, tsunami simulation.

See manuscript here

The 2017 Mexico Tsunami – GRL

Terpilih sebagai salah satu AGU’s Outstanding Reviewer 2016

Pada akhir bulan Maret 2017 dihubungi oleh kantor editor AGU Journals. Karena terpilih sebagai salah satu Outstanding Reviewer (Pemeriksa Luar Biasa). Mereka dipilih karena banyak sekali memeriksa naskah ilmiah dan memberikan kualitas pemeriksaan yang bagus secara berulang ulang. Waktu itu saya agak menggerutu karena baru saja dapat undangan untuk memeriksa naskah ilmiah. Rasaya sudah banyak sekali naskah yang saya periksa. Seorang reviewer (pemeriksa) ini hampir tidak dikenali kontribusinya karena biasanya memberikan laporannya secara anonymous (tidak bernama). Memeriksa naskah ilmiah bukan perkara mudah karena kita juga harus membulak balik banyak referensi, setidaknya untuk memeriksa satu naskah saya harus baca lagi 5 atau 6 referensi penting. Kemudian harus bisa memberikan diantaranya, komentar membangun untuk naskah yang sedang di periksa dan memastikan tidak ada kesalahan fatal. Tapi di akhir hari saat saya hampir menolak tugas mereview itu, datang pemberitahuan “Outsanding Reviewer” ini.

Halaman tentang penghargaan ini dapat dilihat di sini: https://eos.org/agu-news/in-appreciation-of-agus-outstanding-reviewers-of-2016