Loading... Logo Sehat di Rumah
Bantu kami untuk terus dapat mencerdaskan Indonesia
catatan kaki perhitungan data situs sehatdirumah.com

Catatan Kaki

Setiap analisis yang kami lakukan memiliki dasar perhitungan, serta input data dari sumber terpercaya.

Cari tahu lebih lanjut mengenai penjelasan setiap bagian perhitungan yang meragukan pada bagian berikut.

Jangan ragu untuk memberikan masukan kepada kami apabila anda menemukan hal yang meragukan dan butuh informasi tambahan terkait hal itu.

Hubungi kami melalui email halo@sehatdirumah.com.

Tetap di rumah, jaga kesehatan dan kebersihan.

sehat dirumah .com
pahami, mengerti, antisipasi.

Daftar Catatan Kaki

[1] Jumlah kasus per provinsi

Merupakan nilai jumlah orang yang terinfeksi oleh virus corona di setiap provinsinya. Nilai ini divisualisasikan dengan warna. Pewarnaan setiap provinsi tidak berupa skala linear, melainkan menggunakan persentil. Peringkat provinsi = Jumlah provinsi yang nilainya dibawah provinsi tersebut / Total provinsi * 100%. Pemeringkatan digunakan untuk mengetahui secara lebih baik kasus di satu provinsi terhadap provinsi lainnya dan tidak terdominasi oleh provinsi yang nilainya sangat besar. Sebagai contoh, pada tanggal 29 April, total kasus di DKI Jakarta sebanyak 4092, dan provinsi yang berada di peringkat kedua adalah Jawa Barat dengan 1009 kasus. Apabila dibuat skala linear, maka kasus di Jawa Barat hanya 4x lebih kecil dari Jakarta, tetapi di dalam peringkat, Jawa Barat menempati urutan nomor 2 terbesar. Begitu juga dengan provinsi lainnya.

[2] Total kasus

Jumlah orang yang dikonfirmasi positif virus corona. Nilai ini adalah akumulasi dari seluruh pertambahan yang terjadi di setiap harinya.

[3] Total meninggal

Jumlah orang yang dikonfirmasi positif virus corona dan meninggal. Nilai ini adalah akumulasi dari seluruh pertambahan yang terjadi di setiap harinya.

[4] Total sembuh

Jumlah orang yang dikonfirmasi positif virus corona dan telah dinyatakan sembuh. Nilai ini adalah akumulasi dari seluruh pertambahan yang terjadi di setiap harinya.

[5] Kasus aktif

Pengurangan dari jumlah orang yang terkonfirmasi positif virus corona dengan total meninggal dan total sembuh. Kasus aktif = total kasus - (total meninggal + total sembuh). Nilai ini menunjukkan orang yang terkonfirmasi positif, baik yang masih dalam perawatan di rumah sakit maupun perawatan secara mandiri di rumah.

[6] Kasus aktif (dalam persentase)

Memiliki pengertian yang sama dengan kasus aktif, namun hanya dalam bentuk persentase. Kasus aktif (%) = kasus aktif / total kasus * 100%

[7] Kasus selesai

Penjumlahan dari total meninggal dan total sembuh. Kasus selesai = total meninggal + total sembuh. Menunjukkan orang yang sudah selesai dalam pemantauan positif corona, baik yang selesai karena sembuh, maupun yang meninggal karena terinfeksi.

[8] Pertambahan kasus

Perbedaan antara jumlah kasus di hari tersebut dengan hari sebelumnya. Pertambahan kasus = Jumlah kasus hari tersebut - jumlah kasus hari sebelumnya.

[9] % Pertambahan kasus

Pertambahan jumlah kasus pada hari tersebut, relatif terhadap jumlah kasus di hari sebelumnya. % Pertambahan kasus = Pertambahan kasus heri tersebut / Jumlah kasus hari sebelumnya * 100%. Nilai yang lebih tinggi dari hari sebelumnya mengartikan terjadi percepatan pertumbuhan, sedangkan yang lebih kecil dari hari sebelumnya memiliki arti perlambatan pertumbuhan.

[10] Pertambahan kematian

Perbedaan antara jumlah kematian di hari tersebut dengan hari sebelumnya. Pertambahan kematian = Jumlah kematian hari tersebut - jumlah kematian hari sebelumnya.

[11] % Pertambahan kematian

Pertambahan jumlah kematian pada hari tersebut, relatif terhadap jumlah kematian di hari sebelumnya. % Pertambahan kematian = Pertambahan kematian hari tersebut / Jumlah kematian hari sebelumnya * 100%. Nilai yang lebih tinggi dari hari sebelumnya mengartikan terjadi percepatan pertumbuhan kematian, sedangkan yang lebih kecil dari hari sebelumnya memiliki arti terjadi perlambatan pertumbuhan kematian.

[12] Pertambahan kesembuhan

Perbedaan antara jumlah kesembuhan di hari tersebut dengan hari sebelumnya. Pertambahan kesembuhan = Jumlah kesembuhan di hari tersebut - jumlah kesembuhan di hari sebelumnya.

[13] % Pertambahan kesembuhan

Pertambahan jumlah kesembuhan pada hari tersebut, relatif terhadap jumlah kesembuhan di hari sebelumnya. % Pertambahan kesembuhan = Pertambahan kesembuhan di hari tersebut / Jumlah kesembuhan di hari sebelumnya * 100%. Nilai yang lebih tinggi dari hari sebelumnya mengartikan terjadi percepatan pertumbuhan kesembuhan, sedangkan yang lebih kecil dari hari sebelumnya memiliki arti terjadi perlambatan pertumbuhan kesembuhan.

[14] Kesembuhan/kematian

Rasio antara orang yang telah dinyatakan sembuh dari gejala virus corona, dengan mereka yang dinyatakan meninggal akibat positif virus corona. Kesembuhan/kematian = Total kesembuhan / Total kematian * 100%. Nilai yang mendekati 100% memiliki arti semakin banyak orang yang keluar dari perawatan dengan kondisi yang sehat. Sedangkan nilai yang menjauhi 100% memiliki arti semakin banyak orang yang keluar dari perawatan dengan kondisi meninggal. Rasio ini diharapkan senantiasa bergerak ke arah positif (+, mendekati 100%).

[15] Tingkat kematian

Merupakan rasio antara orang yang dinyatakan meninggal akibat positif virus corona dengan total orang yang telah terinfeksi. Tingkat kematian = Total kematian / Total kasus * 100%. Persentase yang semakin kecil menandakan bahwa semakin banyak orang yang dinyatakan sembuh dari virus corona.

[16] Pertambahan kasus daerah

Data kasus daerah yang ditampilkan merupakan data pada hari sebelumnya, karena disadur dari publikasi pada laman Infeksi Emerging Kementerian Kesehatan RI di infeksiemerging.kemkes.go.id.

[17] Pertambahan kasus daerah : Tertinggi harian

Merupakan provinsi yang persentase pertambahan kasus hariannya tertinggi dibandingkan dengan hari sebelumnya. Perhitungan % Pertambahan kasus menggunakan algoritma pada catatan kaki [9].

[18] Pertambahan kasus daerah : Tertinggi mingguan

Merupakan provinsi yang persentase pertambahan kasus mingguannya tertinggi dibandingkan dengan minggu sebelumnya. Perhitungan % Pertambahan kasus menggunakan algoritma pada catatan kaki [9], hanya perbedaannya penyebut pada perhitungannya adalah jumlah kasus 7 hari sebelumnya, bukan jumlah kasus di hari sebelumnya.

[19] Pertambahan kasus daerah : Terendah harian

Merupakan provinsi yang persentase pertambahan kasus hariannya terendah dibandingkan dengan hari sebelumnya. Perhitungan % Pertambahan kasus menggunakan algoritma pada catatan kaki [9]. Perhitungan pada bagian ini tidak menyertakan pertambahan kasus dengan nilai 0, dan hanya memasukkan yang pertambahan kasusnya (+).

[20] Pertambahan kasus daerah : Terendah mingguan

Merupakan provinsi yang persentase pertambahan kasus mingguannya terendah dibandingkan dengan minggu sebelumnya. Perhitungan % Pertambahan kasus menggunakan algoritma pada catatan kaki [9], hanya perbedaannya penyebut pada perhitungan adalah jumlah kasus 7 hari sebelumnya, bukan jumlah kasus di hari sebelumnya. Perhitungan pada bagian ini tidak menyertakan pertambahan kasus dengan nilai 0, dan hanya memasukkan yang pertambahan kasusnya (+).

[21] Pertambahan kasus daerah : Tidak ada pertambahan harian

Merupakan provinsi yang menurut data jumlah kasus pada hari tersebut sama dengan hari sebelumnya.

[22] Pertambahan kasus daerah : Tidak ada pertambahan mingguan

Merupakan provinsi yang menurut data jumlah kasus pada hari tersebut sama dengan minggu sebelumnya.

[23] Region Sumatera

Merupakan pengelompokan daerah, dimana di dalamnya terdapat Provinsi Aceh, Provinsi Bengkulu, Provinsi Jambi, Provinsi Kepulauan Bangka Belitung, Provinsi Kepulauan Riau, Provinsi Lampung, Provinsi Riau, Provinsi Sumatera Barat, Provinsi Sumatera Selatan, dan Provinsi Sumatera Utara.

[24] Region Jawa

Merupakan pengelompokan daerah, dimana di dalamnya terdapat Provinsi Daerah Khusus Ibukota Jakarta, Provinsi Jawa Barat, Provinsi Jawa Tengah, Provinsi Jawa Timur, Provinsi Banten, dan Provinsi Daerah Istimewa Yogyakarta.

[25] Region Kalimantan

Merupakan pengelompokan daerah, dimana di dalamnya terdapat Provinsi Kalimantan Barat, Kalimantan Selatan, Kalimantan Tengah, Kalimantan Timur, dan Kalimantan Utara.

[26] Region Bali, NTT, NTB

Merupakan pengelompokan daerah, dimana di dalamnya terdapat Provinsi Bali, Provinsi Nusa Tenggara Timur, dan Provinsi Nusa Tenggara Barat.

[27] Region Maluku, Papua

Merupakan pengelompokan daerah, dimana di dalamnya terdapat Provinsi Maluku Utara, Provinsi Maluku, Provinsi Papua Barat, dan Provinsi Papua.

[28] Region Sulawesi

Merupakan pengelompokan daerah, dimana di dalamnya terdapat Provinsi Gorontalo, Provinsi Sulawesi Barat, Provinsi Sulawesi Selatan, Provinsi Sulawesi Tengah, Provinsi Sulawesi Tenggara, dan Provinsi Sulawesi Utara.

[29] Jumlah Penduduk

Adalah semua orang yang berdomisili di wilayah teritorial Indonesia selama 6 bulan atau lebih dan atau mereka yang berdomisili kurang dari 6 bulan tetapi bertujuan menetap (Katalog Statistik Indonesia 2019, halamaan 76). Merupakan data yang didapatkan dari katalog Statistik Indonesia 2019 (No 1101001) Hal 81 mengenai Penduduk pada tabel 3.1.1.

[30] Luas Wilayah

Ukuran panjang-lebarnya sebuah provinsi. Merupakan data yang didapatkan dari katalog Statistik Indonesia 2019 (No 1101001) Hal 257 mengenai Luas Wilayah pada tabel 5.1.4.

[31] Jumlah Dokter

Merupakan jumlah dokter kandungan dan dokter umum. Data didapatkan dari katalog Statistik Indonesia 2019 (No 1101001) Hal 190 mengenai Jumlah Tenaga Kesehatan Menurut Provinsi, 2018 pada tabel 4.2.4.

[32] Jumlah Perawat

Merupakan jumlah perawat dan tenaga medis lainnya (pada tahun 2017 tenaga kesehatan lainnya adalah perawat). Data didapatkan dari katalog Statistik Indonesia 2019 (No 1101001) Hal 190 mengenai Jumlah Tenaga Kesehatan Menurut Provinsi, 2018 pada tabel 4.2.4.

[33] Jumlah Rumah Sakit

Merupakan penjumlahan dari Rumah Sakit Umum dan Rumah Sakit Khusus. Data didapatkan dari katalog Statistik Indonesia 2019 (No 1101001) Hal 195 mengenai Jumlah Rumah Sakit Umum dan Rumah Sakit Khusus menurut Provinsi tahun 2018 pada tabel 4.2.8.

[34] Rasio Tempat Tidur

Merupakan perbandingan antara jumlah tempat tidur rumah sakit yang tersedia untuk setiap 1000 penduduk. Data didapatkan dari Kementerian Kesehatan pada Bulan Maret 2019 melalui databoks.katadata.co.id.

[35] Jumlah Tempat Tidur

Data ini didapatkan dari perkalian antara rasio tempat tidur dengan dengan jumlah penduduk setiap provinsinya.

[36] Rasio Keterisian Tempat Tidur

Disebut juga Bed Occupancy Ratio ialah persentase pemakaian tempat tidur pada satu satuan waktu tertentu. Indikator ini memberikan gambaran tinggi rendahnya tingkat pemanfaatan dari tempat tidur rumah sakit. Nilai normal dari BOR adalah 60-80% (Depkes RI, 2005). Semakin besar nilai BOR, maka utilisasi rumah sakit semakin besar (terutilisasi baik), sedangkan semakin kecil maka bisa diartikan rumah sakit belum termanfaatkan dengan baik. Namun, nilai ini perlu dijaga di antara 60-80% menurut peraturan Depkes RI tahun 2005. Karena nilai yang lebih dari 80% artinya rumah sakit cukup sibuk sehingga bisa jadi pelayanannya kurang maksimal. Data untuk setiap provinsinya didapatkan dari publikasi tahunan dinas kesehatan masing-masing provinsinya. Untuk lebih jelasnya ada di laman Sumber Data.

[37] Jarak 1 Pasien Positif Corona dari Anda

Merupakan pendekatan persebaran rata-rata dari total orang terinfeksi dengan luas wilayah provinsi. Parameter ini digunakan untuk mengetahui jarak rata-rata seseorang yang sehat dengan lokasi pasien positif corona di wilayahnya. Nilai yang semakin kecil (misalnya dalam jarak ratusan atau puluhan meter) mengartikan bahwa ketika seseorang berjalan keluar dalam radius tersebut, ia memiliki kemungkinan yang cukup besar untuk bertemu dengan 1 pasien positif corona. Nilai ini bisa juga digunakan sebagai batasan seseorang di suatu wilayah untuk berpergian dengan aman. Jarak 1 Pasien Positif Corona dari Anda = sqrt(Luas wilayah/(pi*Total kasus)).

[38] Beban Rumah Sakit

Merupakan pendekatan lanjutan dari Kasus Aktif [5] dan Rasio Keterisian Tempat Tidur [36]. Beban Rumah Sakit = 1- [((Rasio Keterisian Tempat Tidur*Jumlah Tempat Tidur) + Kasus Aktif)/Jumlah Tempat Tidur]. Rasio keterisian tempat tidur dan jumlah kasus yang masih membutuhkan perawatan di rumah sakit digunakan untuk memperkirakan beban rumah sakit eksisting. Nilai ini akan lebih akurat pada provinsi yang memiliki rasio kasus per penduduknya cukup besar. Pada rasio kasus per penduduk yang kecil, nilainya akan tidak terlalu akurat, karena tidak mempengaruhi beban rumah sakit secara signifikan, dan besar kecilnya akan lebih ditentukan oleh nilai Rasio Keterisian Tempat Tidur rata-rata per tahunnya.

[39] Waktu Menuju RS

Merupakan pendekatan lanjutan dari jumlah rumah sakit dan jarak rata-rata untuk mencapi rumah sakit di provinsi terkait. Metode perhitungannya mirip dengan Jarak 1 Pasien Positif Corona dari Anda [37], namun ada faktor kecepatan rata-rata berkendara, yakni diambil nilai 30 km/jam. Waktu menuju RS = [sqrt(Luas Wilayah/(pi*Jumlah Rumah Sakit))]/Kecepatan Rata-Rata*60. Nilai yang kecil berarti dibutuhkan waktu singkat untuk mencapai rumah sakit dari tempat tinggal di provinsi tersebut. Memiliki arti yang sebaliknya pada nilai yang besar, berarti dibutuhkan persiapan serta waktu yang tidak sebentar untuk mencapi rumah sakit dari suatu tempat tinggal di provinsi tersebut.

[40] Dokter per 1 Pasien Aktif

Merupakan pendekatan beban rumah sakit [38] yang dinyatakan dalam jumlah tempat tidur[35] yang sedang digunakan, dengan Jumlah Dokter yang tersedia[31] di provinsi tersebut. Dokter per 1 Pasien Aktif = Jumlah Dokter / (Beban Rumah Sakit * Jumlah Tempat Tidur). Semakin kecil nilainya, maka beban dokter semakin besar karena banyak pasien yang berada di bawah tanggung jawab setiap dokter. Sedangkan, semakin besar nilainya, idealnya beban dokter tidak terlalu besar, karena lebih sedikit pasien yang berada di bawah tanggung jawab setiap dokternya.

[41] Perawat per 1 Pasien Aktif

Merupakan pendekatan beban rumah sakit [38] yang dinyatakan dalam jumlah tempat tidur[35] yang sedang digunakan, dengan Jumlah Perawat yang tersedia[32] di provinsi tersebut. Perawat per 1 Pasien Aktif = Jumlah Perawat / (Beban Rumah Sakit * Jumlah Tempat Tidur). Semakin kecil nilainya, maka beban perawat semakin besar karena banyak pasien yang berada di bawah tanggung jawab setiap perawat. Sedangkan, semakin besar nilainya, idealnya beban perawat tidak terlalu besar, karena lebih sedikit pasien yang berada di bawah tanggung jawab setiap perawatnya.

[42] Peta Panas Pertumbuhan Kasus Per hari

Peta panas ini digunakan sebagai visualisasi lanjutan dari nilai Persentase Pertambahan Kasus [9] selama 28 hari terakhir. Warna yang lebih gelap menyatakan bahwa persentase pertumbuhan kasusnya lebih besar secara relatif terhadap persentase pertumbuhan kasus dengan warna yang lebih terang.

[43] Pertumbuhan Kasus Per Hari Melambat

Kecepatan pertumbuhan kasus relatif lebih lambat daripada nilai pertumbuhan kasus di tanggal peninjauan lainnya. Nilai ini merupakan pengembangan visualisasi dari Persentase Pertambahan Kasus [9] pada Peta Panas Pertumbuhan Kasus Per Hari [42].

[44] Pertumbuhan Kasus Per Hari Lebih Cepat

Kecepatan pertumbuhan kasus relatif lebih cepat daripada nilai pertumbuhan kasus di tanggal peninjauan lainnya. Nilai ini merupakan pengembangan visualisasi dari Persentase Pertambahan Kasus [9] pada Peta Panas Pertumbuhan Kasus Per Hari [42].

[45] Peta Panas Pertumbuhan Kesembuhan Per hari

Peta panas ini digunakan sebagai visualisasi lanjutan dari nilai Persentase Pertambahan Kesembuhan [13] selama 28 hari terakhir. Warna yang lebih gelap menyatakan bahwa persentase pertumbuhan kesembuhannya lebih besar secara relatif terhadap persentase pertumbuhan kesembuhan dengan warna yang lebih terang.

[46] Pertumbuhan Kesembuhan Per Hari Melambat

Kecepatan pertumbuhan kesembuhan relatif lebih lambat daripada nilai pertumbuhan kesembuhan di tanggal peninjauan lainnya. Nilai ini merupakan pengembangan visualisasi dari Persentase Pertambahan Kesembuhan [13] pada Peta Panas Pertumbuhan Kesembuhan Per Hari [45].

[47] Pertumbuhan Kesembuhan Per Hari Lebih Cepat

Kecepatan pertumbuhan kasus relatif lebih cepat daripada nilai pertumbuhan kasus di tanggal peninjauan lainnya. Nilai ini merupakan pengembangan visualisasi dari Persentase Pertambahan Kesembuhan [13] pada Peta Panas Pertumbuhan Kesembuhan Per Hari [45].

[48] Peta Panas Pertumbuhan Kematian Per hari

Peta panas ini digunakan sebagai visualisasi lanjutan dari nilai Persentase Pertambahan Kematian [11] selama 28 hari terakhir. Warna yang lebih gelap menyatakan bahwa persentase pertumbuhan kematiannya lebih besar secara relatif terhadap persentase pertumbuhan kematian dengan warna yang lebih terang.

[49] Pertumbuhan Kematian Per Hari Melambat

Kecepatan pertumbuhan kematian relatif lebih lambat daripada nilai pertumbuhan kematian di tanggal peninjauan lainnya. Nilai ini merupakan pengembangan visualisasi dari Persentase Pertambahan Kematian [11] pada Peta Panas Pertumbuhan Kematian Per Hari [48].

[50] Pertumbuhan Kematian Per Hari Lebih Cepat

Kecepatan pertumbuhan kematian relatif lebih cepat daripada nilai pertumbuhan kematian di tanggal peninjauan lainnya. Nilai ini merupakan pengembangan visualisasi dari Persentase Pertambahan Kematian [11] pada Peta Panas Pertumbuhan Kematian Per Hari [48].

[51] Kasus Per Satu Juta Penduduk

Merupakan parameter yang digunakan untuk mengetahui banyaknya infeksi yang terjadi, relatif terhadap banyaknya penduduk di suatu wilayah. Parameter ini menggunakan mendekatan banyaknya kasus positif corona[2] dan jumlah penduduk[29]. Kasus per 1 juta penduduk = Total Kasus/Jumlah Penduduk*1000000. Nilai yang semakin besar maka penetrasi virus di tengah penduduk juga semakin besar.

[52] Peringkat Kasus Per Satu Juta Penduduk

Merupakan pendekatan dari kasus per satu juga penduduk [51]. Nilai setiap provinsi dihitung, lalu diurutkan dari yang paling besar hingga paling kecil, sehingga bisa didapatkan peringkat kasus per satu juga penduduk untuk setiap provinsinya. Peringkat yang semakin besar (urutannya kecil) menggambarkan kasus per 1 juga penduduk yang relatif banyak. Begitu juga untuk peringkat yang kecil (urutannya besar) manggambarkan kasus per 1 juta penduduk yang relatif sedikit.

[53] Peringkat Beban Rumah Sakit

Merupakan pendekatan dari beban rumah sakit di suatu wilayah[38]. Nilai setiap provinsi dihitung, lalu diurutkan dari yang paling besar hingga paling kecil, sehingga bisa didapatkan peringkat beban rumah sakit untuk setiap provinsinya. Peringkat yang semakin besar (urutannya kecil) menggambarkan beban rumah sakit yang relatif berat. Begitu juga untuk peringkat yang kecil (urutannya besar) manggambarkan beban rumah sakit yang relatif ringan.

[54] Peringkat Waktu Menuju RS

Merupakan pendekatan dari waktu yang dibutuhkan rata-rata penduduk di suatu wilayah untuk menuju rumah sakit[39]. Nilai setiap provinsi dihitung, lalu diurutkan dari yang paling kecil hingga paling besar, sehingga bisa didapatkan peringkat waktu menuju rumah sakit untuk setiap provinsinya. Peringkat yang semakin besar (urutannya kecil) menggambarkan waktu menuju rumah sakit yang relatif singkat. Begitu juga untuk peringkat yang kecil (urutannya besar) manggambarkan waktu menuju rumah sakit yang relatif membutuhkan waktu lama.

[55] Peringkat Jarak 1 Pasien Positif Corona dari Anda

Merupakan pendekatan dari jarak satu pasien positif corona di suatu wilayah [37]. Nilai setiap provinsi dihitung, lalu diurutkan dari yang paling kecil hingga paling besar, sehingga bisa didapatkan peringkat jarak 1 pasien positif corona untuk setiap provinsinya. Peringkat yang semakin besar (urutannya kecil) menggambarkan semakin besar kemungkinan seseorang bertemu 1 orang positif corona dalam radius yang relatif kecil. Begitu juga untuk peringkat yang kecil (urutannya besar) menggambarkan kemungkinan seseorang bertemu 1 orang positif corona dalam suatu radius yang relatif lebih besar di bandingkan di provinsi lainnya.

[56] Peringkat Dokter Per 1 Pasien Aktif

Merupakan pendekatan dari banyaknya dokter yang menangani setiap 1 pasien aktif di rumah sakit [40]. Nilai setiap provinsi dihitung, lalu diurutkan dari yang paling kecil hingga paling besar, sehingga bisa didapatkan peringkat dokter per 1 pasien aktif untuk setiap provinsinya. Peringkat yang semakin besar (urutannya kecil) menggambarkan semakin sedikit dokter yang tersedia untuk menangani sejumlah pasien. Begitu juga untuk peringkat yang kecil (urutannya besar) manggambarkan dokter yang tersedia relatif lebih banyak untuk menangani sejumlah pasien. Peringkat ini juga berkorelasi dengan beban dokter dalam menangani pasien di rumah sakit.

[57] Peringkat Perawat Per 1 Pasien Aktif

Merupakan pendekatan dari banyaknya perawat yang menangani setiap 1 pasien aktif di rumah sakit [41]. Nilai setiap provinsi dihitung, lalu diurutkan dari yang paling kecil hingga paling besar, sehingga bisa didapatkan peringkat perawat per 1 pasien aktif untuk setiap provinsinya. Peringkat yang semakin besar (urutannya kecil) menggambarkan semakin sedikit perawat yang tersedia untuk menangani sejumlah pasien. Begitu juga untuk peringkat yang kecil (urutannya besar) manggambarkan perawat yang tersedia relatif lebih banyak untuk menangani sejumlah pasien. Peringkat ini juga berkorelasi dengan beban perawat dalam menangani pasien di rumah sakit.

[58] Tingkat Kesembuhan

Merupakan rasio antara total orang yang dinyatakan sembuh dari virus corona [4] dengan total orang yang telah terinfeksi [2]. Tingkat kesembuhan = Total kesembuhan / Total kasus * 100%. Persentase yang semakin kecil menandakan bahwa semakin sedikit orang yang dapat diselamatkan dari infeksi virus corona.

[59] Tentang Region

Region adalah bagian dari wilayah yang luas, kawasan, atau daerah tertentu [kbbi]. Dalam hal ini merujuk pada pembagian provinsi di Indonesia berdasarkan wilayah, baik itu pulau, ataupun kondisi geografis tertentu. Terdapat 6 pengelompokan untuk 34 provinsi di Indonesia. Empat kelompok pertama merupakan pendekatan geografis berdasarkan pulau, yakni Region Sumatera (seluruh provinsi di Pulau Sumatera dan gugus kepulauannya, Provinsi Kepulauan Riau dan Provinsi Bangka Belitung), Region Jawa (seluruh provinsi di Pulau Jawa), Region Kalimantan (seluruh provinsi di Pulau Kalimantan), dan Region Sulawesi (seluruh provinsi di Pulau Sulawesi). Dua region selanjutnya merupakan pengelompokkan provinsi berdasarkan gugus kepulauannya. Region Bali dan Nusa Tenggara (Pulau Bali, Pulau Lombok, Pulau Sumbawa, Pulau Sumba, Pulau Timor, Pulau Alor, Pulau Lembata, dan gugus kepulauan berukuran kecil yang melingkupinya), atau umum disebut Kepulauan Sunda Kecil, mencakup Provinsi Bali, Provinsi Nusa Tenggara Barat, dan Provinsi Nusa Tenggara Timur. Sedangkan kelompok terakhir adalah Region Maluku dan Papua (kepulauan di dalam region lengkung tektonik-vulkanik Banda, dimana terdapat 2 daerah administratif, yakni Provinsi Maluku Utara dan Provinsi Maluku), serta Provinsi Papua dan Provinsi Papua Barat yang memiliki kedekatan kultur dan budaya dengan 2 provinsi lainnya. Pembagian ini hanya digunakan untuk mempermudah penyebutan berdasarkan letak geografis dan kondisi kewilayahan, bukan untuk mengelompokkan masyarakat-masyarakat. Oleh sebab itu, penggunaaan region cukup untuk informasi secara kewilayahan saja.

[60] Pembaharuan Data

Situs sehatdirumah.com merupakan portal informasi virus corona di Indonesia, dan kami murni menggunakan data yang secara dinamis diperbaharui setiap harinya. Data tersebut akan diperbaharui dua kali sehari, yakni pukul 11.00 (GMT+7 / WIB) untuk kasus virus corona dunia, dan pukul 17.00 (GMT+7 / WIB) untuk kasus virus corona Indonesia secara harian, dan Dunia.

[61] Data Regional Lebih Lambat Satu Hari

Berkaitan dengan informasi pembaharuan data [60], khusus untuk kasus virus corona setiap provinsi di Indonesia, pembaharuannya tetap mengikuti waktu pada catatan no [60], namun data yang diberikan merupakan data pada hari sebelumnya. Hal ini merujuk keterbatasan informasi resmi yang bisa didapatkan berkaitan dengan virus corona setiap provinsinya. Kami menggunakan portal informasi infeksiemerging.kemkes.go.id yang menampilkan update virus corona provinsi setiap harinya (namun satu hari lebih lambat). Untuk informasi data yang digunakan, kami menyediakan data mentah pada bagian sumber data sehatdirumah.com.

[62] Pertumbuhan Kasus Melambat

Merupakan interpretasi secara peringkat dan pengolahan lanjutan dari persen pertambahan kasus [9]. Dalam hal ini, dilakukan perhitungan kecepatan pertumbuhan kasus setiap harinya selama 60 hari terakhir untuk tiap provinsinya, lalu dihitung persentil [82] untuk 60 data yang ada, kemudian diinterpretasikan menggunakan 2 warna yang diinterpolasi, sehingga didapatkan visual yang lebih mudah dipahami. Pertumbuhan diinterpretasikan lebih lambat ketika warna yang dihasilkan lebih hijau dibandingkan data yang lain.

[63] Pertumbuhan Kasus Lebih Cepat

Merupakan interpretasi secara peringkat dan pengolahan lanjutan dari persen pertambahan kasus [9]. Dalam hal ini, dilakukan perhitungan kecepatan pertumbuhan kasus setiap harinya selama 60 hari terakhir untuk tiap provinsinya, lalu dihitung persentil [82] untuk 60 data yang ada, kemudian diinterpretasikan menggunakan 2 warna yang diinterpolasi, sehingga didapatkan visual yang lebih mudah dipahami. Pertumbuhan diinterpretasikan lebih cepat ketika warna yang dihasilkan lebih jingga dibandingkan data yang lain.

[64] Gambar Kasus Per Satu Juta Penduduk

Setiap gambar pada bagian kasus per 1 juta penduduk menggambarkan 20 orang. Hal ini dilakukan untuk memudahkan pembacaan data dengan jumlah yang banyak. Pada visualisasinya, gambar orang ini akan diberi warna sesuai dengan banyaknya kasus yang sudah sembuh (warna hijau), meninggal (warna hitam), dan yang masih dalam perawatan akan diberi warna jingga.

[65] Jarak Dengan Pasien Positif Corona Relatif Jauh

Menggunakan data jarak 1 pasien positif corona [37], dilakukan pemeringkatan dari provinsi yang memiliki radius kecil sampai radius yang besar. Radius yang besar menggambarkan kemungkinan seseorang bertemu 1 orang positif corona dalam jarak yang relatif lebih jauh.

[66] Jarak Dengan Pasien Positif Corona Relatif Dekat

Menggunakan data jarak 1 pasien positif corona [37], dilakukan pemeringkatan dari provinsi yang memiliki radius kecil sampai radius yang besar. Radius yang kecil menggambarkan bahwa semakin besar kemungkinan seseorang bertemu 1 orang positif corona dalam jarak yang relatif dekat.

[67] Ulasan Kondisi Regional

Membantu menggambarkan secara singkat keadaan yang terjadi di setiap provinsi menggunakan parameter tertentu (umumnya jumlah kasus), sehingga dapat dengan mudah diketahui keadaan yang ada dalam waktu yang singkat. Untuk ulasan lebih lengkapnya dapat merujuk kepada ulasan regional di bagian Tinjauan Regional.

[68] Tentang Region (tabel halaman utama)

Adalah Provinsi-provinsi yang ada di Indonesia, ditambah Indonesia dan Dunia.

Mulai tanggal 6 Juni 2020, kami mulai menggunakan data WHO sebagai acuan perkembangan kasus di Dunia. Hal ini sekaligus menambahkan 6 region baru, yang dibagi berdasarkan lokasi Kantor Regional WHO [dapat dibaca pada laman ini].

Region ini meliputi :
EMRO (Timur Tengah), EURO (Eropa), AFRO (Afrika), AMRO (Amerika), WPRO (Pasifik Barat), dan SEARO (Asia Tenggara).
Perlu diperhatikan bahwa anda mungkin kurang familiar dengan pembagiannya, karena cukup berbeda dengan yang biasa diketahui masyarakat (khususnya untuk Asia Tenggara dan Timur Tengah). Oleh sebab itu, untuk pembagian detil negara-negara yang ada di setiap region, harap langsung merujuk ke laman resmi WHO.

[69] Kecepatan Pertumbuhan

Adalah kata lain dari persen pertambahan kasus [9]. Karena pertumbuhan tidak dapat diinterpretasikan sebagai besarnya pertambahan (secara jumlah), maka digunakanlah persentase, yang dapat secara adil mengetahui banyaknya pertambahan setiap harinya relatif terhadap nilai sebelumnya. Hal ini akan adil untuk semua jenis data, baik yang nilai kasusnya 20, 200, ataupun 2000. Pertumbuhan sebesar 20% setiap hari berarti bertambah 4 pada provinsi dengan kasus 20, bertambah 40 pada provinsi dengan kasus 200, ataupun bertambah 400 pada provinsi dengan kasus 2000.

[70] Beban Rumah Sakit Relatif Ringan

Adalah interpretasi pemeringkatan dari data yang dihasilkan pada beban rumah sakit [38]. Warna hijau terang menggambarkan beban rumah sakit cukup ringan, relatif terhadap data provinsi yang lain, dan bukan kondisi lapangan yang mungkin terjadi.

[71] Beban Rumah Sakit Relatif Berat

Adalah interpretasi pemeringkatan dari data yang dihasilkan pada beban rumah sakit [38]. Warna hijau gelap menggambarkan beban rumah sakit cukup berat, relatif terhadap data provinsi yang lain, dan bukan kondisi lapangan yang mungkin terjadi.

[72] Estimasi Kemampuan Rumah Sakit

Merupakan pendekatan dari beban rumah sakit [38]. Nilai absolut maksimal diambil 100%, yang merupakan persentase maksimal, dimana rumah sakit sudah berada pada kapasitas maksimum yang mungkin ditangani. Jarak antara beban rumah sakit eksisting dengan 100%, diestimasikan sebagai kemampuan rumah sakit yang masih bisa ditoleransi untuk menangani pasien.

[73] Kapasitas Rumah Sakit Terpakai oleh Virus Corona

Merupakan pendekatan dari beban rumah sakit [38] dan rasio keterisian tempat tidur [36]. Nilai beban rumah sakit dikurangi dengan rasio keterisian tempat tidur (keduanya dalam %), diinterpretasikan sebagai kapasitas rumah sakit yang terpakai untuk menangani pasien virus corona (diasumsikan pada kondisi normal rumah sakit beroperasi pada beban yang digambarkan dengan rasio keterisian rumah sakit).

[74] Rasio Keterisian Tempat Tidur Rata Rata

Merupakan angka yang menunjukkan persentase penggunaan tempat tidur di unit rawat inap. Nilai ini tidak dipublikasikan secara nasional, namun secara tahunan melalui laporan tahunan dinas kesehatan setiap provinsi di Indonesia (selengkapnya laporan dilampirkan pada bagian sumber data). Secara perhitungan, rasio ini membandingkan jumlah tempat tidur yang terpakai dengan yang tersedia (pada unit rawat inap). Pada perhitungan data pada sehatdirumah.com, rasio ini digunakan secara lebih jauh untuk mengetahui beban rumah sakit pada kondisi pandemi dengan memperhitungkan rasio keterisian tempat tidur pada tahun publikasi terakhir. Rasio ini hanya digunakan untuk kebutuhan pendekatan, bukanlah representasi lapangan kondisi yang mungkin terjadi.

[75] Gejala Umum Corona pada 56000 Kasus yang Dikonfirmasi

Dikutip dari laporan berjudul 'Report of the WHO-China Joint Mission on Coronavirus Disease 2019 (COVID-19)' yang dilakukan pada tanggal 16-24 Februari 2020. Pada halaman 12 disebutkan bahwa 'based on 55924 laboratory confirmed cases, typical signs and symptoms include : fever (87.9%), dry cough (67.7%), fatigue (38.1%), sputum production (33.4%), shortness of breath (18.6%), sore throat (13.9%), headache (13.6%), myalgia or arthralgia (14.8%), chills (11.4%), nausea or vomiting (5.0%), nasal congestion (4.8%), diarrhea (3.7%), and hemoptysis (0.9%), and conjunctival congestion (0.8%).' Data tersebut diterjemahkan ke dalam Bahasa Indonesia kemudian di presentasikan dalam bentuk grafik.

[76] Angka Kematian dan Kondisi Kesehatan

Merujuk pada publikasi yang dikeluarkan oleh Hasan Vally, Associate Professor di La Trobe University dengan judul 'Why are older people more at risk of coronavirus', dijelaskan bahwa kondisi yang mendasari seperti penyakit jantung, diabetes, pernapasan kronis, darah tinggi, ataupun kanker dapat memperparah kondisi dan meningkatkan risiko kematian.

[77] CDC - Hanya 20% Orang yang Membutuhkan Perawatan di Rumah Sakit

Merujuk pada publikasi yang oleh China CDC Weekly pada artikel berjudul 'Vital Surveillances: The Epidemiological Characteristics of an Outbreak of 2019 Novel Coronavirus Diseases (COVID-19) - China, 2020' yang mengatakan bahwa 'Most patients reported Wuhan-related exposures (85.8%) and were classified as mild cases (80.9%)', dimana gejalanya ringan dan membutuhkan sedikit atau tanpa intervensi medis. Sehingga, ketika anda merasa tidak membutuhkan perawatan, anda dapat mengikuti anjuran menangani sendiri gejala virus corona di rumah pada bagian selanjutnya.

[78] Tanda Anda Membutuhkan Perawatan di Rumah Sakit

Mengutip anjuran who pada gejala serius virus corona, antara lain kesulitan bernapas, sakit pada dada, dan laporan who yang berjudul 'Report of the WHO-China Joint Mission on Coronavirus Disease 2019 (COVID-19)' yang dilakukan pada tanggal 16-24 Februari 2020 pada halaman 13 mengenai infografis 4 jenis kondisi pasien dan kebutuhan akan rumah sakit.

[79] Tips Meredakan Gejala Virus Corona di Rumah

Mengutip anjuran who pada gejala serius virus corona yang sifatnya ringan, antara lain demam, batuk kering, dan kelelahan, dan laporan who yang berjudul 'Report of the WHO-China Joint Mission on Coronavirus Disease 2019 (COVID-19)' yang dilakukan pada tanggal 16-24 Februari 2020 pada halaman 13 mengenai infografis 4 jenis kondisi pasien dan kebutuhan akan rumah sakit, who memberikan arahan bahwa orang yang mengalami gejala ringan dapat kembali sembuh tanpa membutuhkan perawatan di rumah sakit. Beberapa caranya adalah dengan beristirahat cukup, minum banyak cairan, dan mandi air hangat.

[80] Anjuran Menerapkan Pola Hidup Sehat

Mengutip anjuran protokol kesehatan untuk publik yang dikeluarkan oleh who, antara lain mencuci tangan dengan sabun, menjaga jarak, menghindari menyentuh wajah, menjauhi kelompok orang, dan tetap berada di rumah untuk menghentikan penyebaran.

[81] Virus Corona Menular Melalui Tetesan Air Liur

Mengutip ringkasan konten publikasi terkait ringkasan virus corona yang dikeluarkan who.

[82] Tentang Persentil

Persentil adalah nilai yang membagi data yang sudah diurutkan dari terkecil hingga terbesar menjadi 100 bagian yang sama. Persentil digunakan untuk memahami dan menafsirkan data, dimana mampu menunjukkan banyaknya data yang berada di bawah suatu data yang dimiliki. Dalam kata lain, misalnya terdapat 5 data, dimana nilainya adalah 1,2,4,2,10. Persentil dari 10 adalah 5 (jumlah data yang lebih kecil atau sama dengan 10) / 5 (jumlah data) * 100, sehingga nilainya adalah 100. Persentil akan sangat berpengaruh pada pemeringkatan data yang nilainya kecil. Misalnya persentil dari 1 adalah 1/5*100 = 20 (satu per lima), dimana apabila dihitung menggunakan persen, nilainya hanya 1/10*100 = 10 (satu per sepuluh). Penggunaan ini akan sangat bias pada contoh total kasus virus corona di Indonesia. Sebagai contoh, pada tanggal 24 Mei, Kasus di Aceh adalah 19, dan di Jakarta berjumlah 6515. Dengan persentase, Aceh hanya 0.3% dari Jakarta, namun secara peringkat, Aceh berada pada urutan 34 (1/34*100 = 2.94%). Contoh lainnya adalah Jawa Barat 2045 kasus. Dalam persentase, Jawa Barat hanya 31% dari Jakarta, namun dalam persentil, Jawa Barat berada pada urutan ke-3 (32/34*100 = 94%). Keunggulan persentil dalam memberi gambaran secara lebih akurat akan banyak sekali digunakan dalam perhitungan data di sehatdirumah.com, terutama pada penggambaran yang menggunakan warna sebagai media visualisasi data.

[83] Penggunaan Persentil

Keunggulan persentil dalam mengakomodasi data dengan variasi yang besar (ada yang sangat besar dan sangat kecil) membuat pemeringkatan ini banyak digunakan untuk penggambaran secara warna, antara lain Kondisi Regional (peta Indonesia), Kecepatan Pertumbuhan pada halaman utama, dan Kecepatan Pertumbuhan (kasus/kesembuhan/kematian) pada tinjauan regional setiap provinsi.

[84] Kondisi yang Mendasari pada Pasien Corona

Merujuk pada artikel pada laman who, bahwa setiap tubuh manusia merespon dengan cara yang berbeda-beda, dan hal tersebut dipengaruhi oleh banyak hal, salah satunya adalah kondisi yang mendasari.

[85] Tren Pertambahan Kasus 90 Hari Terakhir

Adalah visualisasi sederhana pertambahan kasus yang dihitung menggunakan pergerakan rata-rata 5 hari. Digunakan untuk menunjukkan kecenderungan pergerakan infeksi virus corona di region/provinsi terkait. Tren yang bergerak ke atas menunjukkan infeksi yang semakin menyebar, dan tren yang bergerak ke bawah menunjukkan infeksi cenderung terkendali, ditandai dengan berkurangnya pertambahan kasus per hari.