Hasil Pencarian  ::  Simpan CSV :: Kembali

"Covid-19 adalah penyakit menular yang muncul pertama kali di Wuhan, China. Sejak teridentifikasi pertama kali di Indonesia pada Maret 2020, penyebaran virus Covid-19 terus mengalami perluasan, khususnya di kota-kota besar dengan kepadatan penduduk dan tingkat mobilitas yang tinggi. Salah satunya adalah Kota Surakarta. Kota Surakarta merupakan salah satu wilayah awal dengan temuan kasus Covid-19 di Indonesia. Tujuan dari penelitian ini adalah untuk melakukan analisis pola penyebaran Covid-19 secara spasiotemporal dan faktor-faktor yang mempengaruhinya. Pola penyebaran Covid-19 dianalisis menggunakan space time scan statistic, sedangkan untuk melihat faktor-faktor pendorong yang mempengaruhi dilakukan tabulasi silang. Hasil menunjukkan bahwa wilayah sekitar pusat kegiatan di bagian tengah Kota Surakarta berisiko tinggi terhadap penyebaran Covid-19. Selain itu, keberadaan pasar tradisional menjadi faktor yang mempengaruhi penyebaran virus Covid-19.

---

Covid-19 is an infectious disease that first appeared in Wuhan, China. Since it was first identified in Indonesia in March 2020, the spread of the Covid-19 virus has continued to expand, especially in large cities with population density and high levels of mobility. One of them is the city of Surakarta. Surakarta City was one of the initial areas with the discovery of Covid-19 cases in Indonesia. The aim of this research is to analyze the spatiotemporal distribution pattern of Covid-19 and the factors that influence it. The pattern of the spread of Covid-19 was analyzed using space time scan statistics, while cross-tabulation was carried out to see the influencing driving factors. The results show that the area around the activity center in the central part of Surakarta City is at high risk for the spread of Covid-19. Then, the existence of traditional markets is a factor that influences the spread of the Covid-19 virus."

"Corona Virus Disease 2019 atau yang biasa disingkat Covid-19 adalah penyakit menular yang disebabkan oleh SARS-CoV-2. Provinsi DKI Jakarta merupakan salah satu provinsi di Indonesia yang paling terdampak oleh virus ini dengan jumlah kasus tertinggi pada tahun 2021 sejumlah 96.785 kasus. Oleh karena itu, pada tahun 2021 silam, diberlakukan kebijakan PPKM untuk menekan pola persebaran virus Covid-19 tersebut. Pada penelitian ini, akan dikaji bagaimana persebaran Covid-19 di DKI Jakarta pada periode PPKM Mikro yang berlangsung dari tanggal 9 Februari 2021 hingga 25 Juli 2021 terhadap faktor lingkungan, yaitu kualitas udara serta faktor sosial, yaitu kepadatan penduduk, keberadaan transportasi umum, dan sirkulasi penduduk (penduduk keluar masuk). Selama periode ini, nantinya pola persebaran virus Covid-19 akan dianalisa menggunakan bantuan GIS atau Geographic Information System dengan metode hot spot analisis. Hasil dari penelitian ini menunjukkan bahwa penderita Covid-19 di DKI Jakarta pada periode PPKM Mikro lebih banyak berdomisili di kecamatan yang terletak di pinggiran Jakarta atau yang berbatasan langsung dengan Provinsi Jawa Barat. Sedangkan kecamatan yang terletak di bagian tengah Jakarta, persebarannya cenderung terkendali. Adapun faktor-faktor yang mempengaruhi persebaran Covid-19 seperti faktor lingkungan alam dan sosial, diketahui tidak memiliki pengaruh dan signifikansi yang kuat terhadap tiap faktor yang diduga mempengaruhi persebaran Covid-19 di DKI Jakarta.

---

Corona Virus Disease 2019, commonly abbreviated as Covid-19, is an infectious disease caused by SARS-CoV-2. DKI Jakarta Province is one of the provinces in Indonesia most affected by this virus, with the highest number of cases in 2021 totaling 96,785 cases. Therefore, in 2021, the PPKM policy was implemented to suppress the pattern of the spread of the Covid-19 virus. In this study, it will be studied how the spread of Covid-19 in DKI Jakarta occurred during the Micro PPKM period, which took place from February 9th, 2021, to July 25th, 2021,regarding environmental factors, namely air quality, and social factors, namely population density, availability of public transportation, and circulation residents (population in and out). During this period, the pattern of the spread of the Covid-19 virus will be analyzed with the help of GIS, or Geographic Information System, using the hot spot analysis method. The results of this study indicate that more sufferers of Covid-19 in DKI Jakarta during the Micro-PPKM period lived in sub-districts located on the outskirts of Jakarta or directly adjacent to West Java Province. While the sub-districts are located in the central part of Jakarta, their distribution tends to be controlled. The factors that influence the spread of Covid-19, such as natural and social environmental factors, are known to have no strong influence or significance for each factor that is suspected of influencing the spread of Covid-19 in DKI Jakarta."

"Covid-19 merupakan penyakit yang berasal dari strain virus corona terbaru yaitu SARS-CoV-2. Covid-19 pertama kali ditemukan di kota Wuhan, China, dan menyebar ke seluruh dunia menjadi pandemi. Covid-19 merupakan penyakit yang mudah menular, terlebih jika melakukan kontak langsung antara manusia sehat dan manusia terinfeksi. Pemodelan matematika merupakan salah satu pendekatan yang dilakukan dalam penelitian ini dan bertujuan untuk memberikan gambaran mengenai penyebaran dan penanganan Covid19. Beberapa kebijakan telah dilakukan untuk menanggulangi penyebaran Covid-19 diantaranya adalah menerapkan karantina dan pembatasan sosial berskala besar (PSBB). Pada penelitian ini intervensi karantina hanya diberikan kepada manusia yang telah terpapar Covid-19. Analisis kasus sederhana terkait eksistensi dan kestabilan titik keseimbangan, estimasi parameter, basic reproduction number (R0) dilakukan secara analitik. Kajian analitik untuk model sederhana menunjukkan fenomena bifurkasi maju ketika > 1. Kajian analitik kasus lengkap hanya dilakukan untuk menunjukkan eksistensi dan kestabilan titik keseimbangan bebas penyakit. Sedangkan eksistensi dan kestabilan titik keseimbangan endemik diuji secara numerik. Beberapa simulasi numerik terhadap intervensi karantina dan PSBB dilakukan untuk memberikan intrepretasi dari hasil kajian analitik

---

Covid-19 is a disease that originates from the latest coronavirus strain, namely SARS-CoV-2. Covid-19 was first discovered in the city of Wuhan, China, and spread around the world into a pandemic. Covid-19 is an easily transmitted disease, especially the direct contact between healthy humans and infected humans. Mathematical modeling is one of the approaches performed in this study and aims to provide an overview of the spread and handling of Covid-19. Several policies have implemented to tackle the spread of Covid-19, including implementing quarantine and large-scale social restrictions (PSBB). In this study, quarantine interventions have only given to humans who had infected to Covid-19. Simple case analysis related to the existence and stability of equilibrium points, parameter estimation, basic reproduction number (R0) is conducted analytically. The analytical study for the special case of the model without quarantine shows the phenomenon of forward bifurcation when R0 > 1. Analytical study for cases with quarantine were only carried out to show the existence and stability of a disease-free equilibrium point. Meanwhile, the existence and stability of endemic equilibrium points tested numerically. Several numerical simulations of quarantine and PSBB interventions were carried out to provide interpretations of the results of the analytical study."

"Vaksinasi dan penggunaan antivirus remdesivir dan favipiravir merupakan strategi yang dapat digunakan untuk menekan pertumbuhan COVID-19. Namun penelitian tentang pengaruh vaksinasi terhadap efektivitas terapi antivirus pada pasien COVID-19 secara klinis masih terbatas. Penelitian ini bertujuan untuk menganalisis pengaruh vaksinasi terhadap efektivitas terapi remdesivir dan favipiravir pada pasien terkonfirmasi COVID-19. Penelitian ini merupakan penelitian observasional dengan desain kohort retrospektif dilakukan di rumah sakit Universitas Indonesia, Depok. Data diambil dari rekam medis RS periode Januari 2021 hingga Agustus 2022. Efektivitas terapi ditentukan dengan menilai kelompok sudah vaksin dan belum vaksin berdasarkan perbaikan kondisi klinis pasien, lama rawat inap, dan kematian pada pasien COVID-19. Hasil analisis menunjukkan bahwa vaksinasi memiliki pengaruh yang signifikan terhadap perbaikan kondisi klinis, lama rawat inap, dan kematian (p < 0,05) pada pasien yang diberi terapi remdesivir dan telah divaksin dibandingkan dengan pasien yang belum divaksin. Pada pasien yang diberi terapi favipiravir vaksinasi tidak menunjukkan pengaruh yang signifikan terhadap perbaikan kondisi klinis, lama rawat inap, dan kematian pada pasien yang telah divaksin dibandingkan dengan pasien yang belum vaksin. Vaksinasi memiliki pengaruh yang baik terhadap efektivitas terapi remdesivir pada pasien COVID-19, yaitu dapat meningkatkan perbaikan kondisi klinis pasien kearah yang lebih baik, mengurangi lama rawat inap dan kematian. Namun tidak memiliki pengaruh yang signifikan terhadap efektivitas terapi favipiravir.

---

Vaccination and the use of the antivirals remdesivir and favipiravir are strategies that can be used to suppress the growth of COVID-19. However, clinical research on the effect of vaccination on the effectiveness of antiviral therapy in COVID-19 patients is still limited. This study aims to analyze the effect of vaccination on the effectiveness of remdesivir and favipiravir therapy in patients with confirmed COVID-19. This study was an observational study with a retrospective cohort design conducted at Universitas Indonesia Hospital, Depok. Data were taken from medical records for the period from January 2021 to August 2022. The effectiveness of therapy was determined by assessing the vaccine and non-vaccine groups based on improvement in the patient's clinical condition, length of stay, and mortality in COVID-19 patients. The results of the analysis showed that vaccination had a significant effect on improving clinical condition, length of stay, and mortality (p <0.05) in patients who were given remdesivir therapy and vaccinated compared to patients who not vaccinated. In patients who were given favipiravir, the vaccination did not show a significant effect on improving clinical conditions, length of stay, and death in patients who had been vaccinated compared to patients who not vaccinated. Vaccination has a positive effect on the effectiveness of remdesivir therapy in COVID-19 patients, which can improve the patient's clinical condition, reducing length of stay and mortality. However, it does not have a significant effect on the effectiveness of favipiravir therapy."

"Rapid swab antigen SARS-CoV-2 merupakan pemeriksaan alternatif dalam mendeteksi SARS-CoV-2. Salah satu faktor yang mempengaruhi pemeriksaan rapid swab antigen SARS-CoV-ialah viral load yang direpresentasikan dengan cycle threshold (CT) pada pemeriksaan rRT-PCR. Hasil CT yang tinggi membuat sensitivitas pemeriksaan rapid swab antigen SARS-CoV-2 rendah. Tujuan utama pada penelitian ialah untuk menentukan nilai CT tertinggi pada pemeriksaan rRT-PCR yang mampu memberikan hasil reaktif pada pemeriksaan COVID-19 Ag (Standard Q SD Biosensor). Penelitian merupakan penelitian observasional dengan metode potong lintang dilakukan pada poliklinik demam RS dr. Cipto Mangunkusumo pada tanggal Juli 2020- Desember 2021. Total subjek dalam penelitian berjumlah 235 terdiri dari 24,7% subjek dengan rRT-PCR SARS-CoV-2 positif dan 75,3% subjek dengan rRT-PCR SARS-CoV-2 negatif. Median CT tertinggi pada pemeriksaan rRT-PCR SARS-CoV-2 yang mampu memberikan hasil reaktif pada pemeriksaan COVID-19 Ag (Standard Q SD Biosensor) ialah 28,22 (13,33- 39,16), sedangkan median CT tertinggi pada COVID-19 Ag (Standard Q SD Biosensor) non-reaktif ialah 34,45 (26,08-39,65). Sensitivitas, spesifisitas, NPV, PPV, dan LR positif dan LR negatif hasil COVID-19 Ag (Standard Q SD Biosensor) pada CT ≤ 40 adalah 63.8%, 99.4%, 89.3%, 97.4%, 112.9, dan 0.4. Pada CT ≤ 33 sensitivitas, spesifisitas, NPV, PPV, dan LR positif dan LR negatif ialah 77.1%, 99.4%, 95.7%, 96.4%, 136.5, dan 0.2 sedangkan pada CT ≤ 25 sensitivitas, spesifisitas, NPV, PPV, dan LR positif dan LR negatif adalah 92.3%, 99.4%, 99.4%, 92.3%, 163.4, dan 0.1. Titik potong CT rRT-PCR SARS-CoV-2 tertinggi ialah 26,06 dengan hasil sensitivitas 100% dan spesifisitas 99,4%. Pemeriksaan COVID-19 Ag (Standard Q SD Biosensor) dapat dipakai untuk keperluan diagnosis, contact tracing atau community surveilance.

---

SARS-CoV-2 rapid antigen swab is an alternative test for detecting SARS-CoV-2 infection. One of the factors that influence the examination is viral load, which is represented by the cycle threshold (CT) in the rRT-PCR examination. The higher CT value will result in lower sensitivity of SARS-CoV-2 rapid antigen swab examination. The main objective of the study was to determine the highest CT value in rRT-PCR examination which still able to give reactive results on the COVID-19 Ag test (Standard Q SD Biosensor). The study was a cross-sectional study carried out at the fever polyclinic in dr. Cipto Mangunkusumo Hospital between July 2020 - December 2021. The study consisted of 235 subjects, 24.7% of subjects were SARS-CoV-2 positives and 75.3% of subjects were negative for SARS-CoV-2 infections. Median highest CT value in the SARS-CoV-2 rRT-PCR examination which able to give reactive results on the COVID-19 Ag (Standard Q SD Biosensor) test was 28.22 (13.33-39.16) while the median CT value on the non-reactive COVID-19 Ag (Standard Q SD Biosensor) was 34.45 (26.08-39.65). The sensitivity, specificity, NPV, PPV, and LR positive and LR negative results of COVID-19 Ag (Standard Q SD Biosensor) were 63.8%, 99.4%, 89.3%, 97.4%, 112.9, and 0.4 at CT value ≤ 40. The sensitivity, specificity, NPV, PPV, and LR positive and LR negative at CT value ≤ 33 were 77.1%, 99.4%, 95.7%, 96.4%, 136.5, and 0.2, while at CT ≤ 25 sensitivity, specificity, NPV, PPV, and LR positive and LR negative were 92.3%, 99.4%, 99.4%, 92.3%, 163.4, and 0.1. The cut-off point for the highest CT value was 26.06 with a sensitivity of 100% and a specificity of 99.4%. In conclusion, COVID-19 Ag (Standard Q SD Biosensor) was acceptable for diagnosis, contact tracing or community surveillance."

"Latar Belakang: Virus COVID-19 pertama kali diidentifikasi pada tanggal 31 Desember 2019. Sejak ditemukan, virus ini telah menginfeksi lebih dari 700 juta orang di seluruh dunia. Varian delta pertama kali ditemukan pada Oktober 2020 di India. Virus ini sangat mudah menular dengan tingkat penularan 50-60% lebih tinggi dibandingkan dengan varian sebelumnya. Varian ini juga lebih sulit untuk diobati dikarenakan adanya mutasi pada sisi penempelan antigen-antibodi. Data epidemiologi dan dampak dari varian ini di Indonesia masih belum banyak diketahui. Penelitian ini bertujuan untuk mengetahui faktor-faktor yang mempengaruhi mortalitas pada pasien COVID-19 varian delta di Rumah Sakit Universitas Indonesia (RSUI).Metode: Penelitian ini menggunakan desain kasus-kontrol dengan melibatkan 224 rekam medis pasien COVID-19 dari bulan Juni-Agustus 2021. Faktor-faktor yang dianalisis adalah usia, jenis kelamin, derajat keparahan, komorbiditas, D-dimer, SGOT, dan temuan radiologi.Hasil: Analisis regresi logistik menunjukkan bahwa semua faktor meningkatkan odds ratio mortalitas kecuali jenis kelamin. CKD/AKI (p=0,01), kerusakan hati (p=0,01), derajat kritis-berat (p=<0,01), dan peningkatan SGOT (p=<0,01) secara signifikan berkontribusi pada model akhir.Kesimpulan: Hubungan signifikan ditemukan antara mortalitas dan usia, tingkat keparahan, komorbiditas, peningkatan D-dimer dan SGOT, serta temuan radiologi yang abnormal. Selain itu, semua faktor ini berkontribusi dalam meningkatkan odds ratio mortalitas.

---

Introduction: The COVID-19 virus was first identified on December 31st of 2019. Ever since it was discovered, the virus has infected more than 700 million people worldwide. The delta variant was first discovered in October 2020 in India. The virus was found to be highly transmissible with 50-60% higher transmission rate compared to the previous variant. The variant was also found to be more difficult to treat and manage. The epidemiological data and the impact of this variant in Indonesia is still undermined. This study intends to investigate the factors that affects mortality in COVID-19 patients during the delta variant in Rumah Sakit Universitas Indonesia (RSUI).

Method: This research utilizes a case-control design including 224 COVID-19 patients’ medical records from June-August 2021. Factors analyzed are age, gender, degree of severity, comorbidities, D-dimer, SGOT, and radiology findings.

Results: Logistic regression analysis revealed all factors increases the odds ratio of mortality except for gender. CKD/AKI (p=0.01), liver injury (p=0.01), severe-critical degree (p=<0.01), and SGOT elevation (p=<0.01) were significantly contributing to the final model.

Conclusion: Significant relationship between mortality and age, degree of severity, comorbidities, D-dimer and SGOT elevation, and abnormal radiology findings. Additionally, these factors are all contributing to increasing the odds ratio for mortality."

"Anosmia merupakan salah satu gejala COVID-19 yang spesifik. Mekanisme anosmia pada COVID-19 belum dapat dijelaskan dengan pasti. Beberapa studi melaporkan perubahan kemampuan penciuman disertai perubahan komposisi mikrobioma nasal. Saat ini studi mikrobioma nasal pasien COVID-19 yang mengalami gejala anosmia masih kurang. Penelitian ini bertujuan untuk mengetahui profil mikrobioma nasal pasien COVID-19 dengan dan tanpa anosmia di Laboratorium Mikrobiologi Klinik FKUI tahun 2021. Studi potong lintang ini dilakukan di Laboratorium Mikrobiologi Klinik FKUI Juli sampai September 2021 yang memenuhi kriteria inklusi dan tidak memenuhi kriteria eksklusi. Diagnosis anosmia ditegakkan menggunakan metode subjektif. Pengambilan spesimen usap nasofaring dan orofaring untuk pemeriksaan RT-PCR COVID-19 dan usap nasal untuk pemeriksaan mikrobioma dilakukan pada pasien tersangka COVID-19. Bila didapatkan hasil RT-PCR positif, maka pada spesimen usap nasal dilakukan pemeriksaan sekuensing 16S RNA-Next Generation Sequencing. Didapatkan 17 spesimen usap nasal dari subjek yang mengalami gejala anosmia dan 8 spesimen yang tidak mengalami gejala anosmia. Pada mikrobioma nasal pasien COVID-19 yang mengalami gejala anosmia terjadi berupa penurunan kelimpahan filum Actinobacteria, Ordo Propionibacteriales, Famili Propionibacteriaceae, genus Cutibacterium dan Peptoniphilus. Dari penelitian ini, terdapat perubahan komposisi mikrobioma nasal pada pasien COVID-19 dengan gejala anosmia.

---

Anosmia is a specific symptom of COVID-19. The mechanism of anosmia in COVID-19 cannot be explained with certainty. Changes in nasal microbiome composition are associated with olfactory function. SARS-CoV-2 infection alters the respiratory microbiota and influence the susceptibility to COVID-19 infection. There are also changes in the composition of nasal microbioms of COVID-19 patients experiencing anosmia. Studies of the nasal microbiome in COVID-19 patients who experience symptoms of anosmia are rare. The aim of this study is to determine the nasal microbiome profile of COVID-19 patients with and without anosmia.

This cross-sectional study was conducted at the Clinical Microbiology Laboratory of the FKUI from July to September 2021 which met the inclusion criteria and did not meet the exclusion criteria. Anosmia is determined subjectively. Nasopharyngeal and oropharyngeal swab specimens for RT-PCR COVID-19 examination and nasal swabs for microbiome are collected from patients. If a positive RT-PCR result is obtained, then the nasal swab specimen is subjected to a RNA-Next Generation Sequencing. There were 17 nasal swab specimens from subjects with anosmic symptoms and 8 specimens without anosmic symptoms. In the nasal microbiome of COVID-19 patients who experience symptoms of anosmia, there is a decrease in the abundance of the Actinobacteria, Propionibacteriales, Propionibacteriaceae, Cutibacterium and Peptoniphilus. From this study, there were changes in the composition of the nasal microbiome in COVID-19 patients with anosmia symptoms."

"Coronavirus Disease 2019 (COVID-19)adalah sebuah penyakit yang menyerang sistem pernafasan dan merupakan penyakit menular yang menyebar secara cepat keseluruh dunia. Penyebaran COVID-19 di Indonesia khusus nya Provinsi DKI Jakarta terus mengalami peningkatan yang cukup signifikan, kasus terkonfirmasi positif maupun meninggal terus bertambah setiap harinya. Informasi mengenai prediksi angka kasus harian COVID-19 dapat membantu pihak-pihak terkait dalam melakukan tindakan preventif penyebaran COVID-19. Dalam memprediksi kasus harian COVID-19, pendekatan machine learning dapat digunakan untuk menyelesaikan permasalahan ini. Salah satu algoritma di dalam machine learning yang dapat digunakan dalam memprediksi kasus harian COVID-19 yaitu Bidirectional LSTM (Bi-LSTM). Data yang digunakan diambil dari Website Jakarta Tanggap COVID-19 yang tercatat mulai 03 Maret 2020 hingga 15 Mei 2021. Bi-LSTM cocok digunakan untuk prediksi data yang bersifat time-series. Dalam implementasinya, data kasus harian COVID-19 dinormalisasi terlebih dahulu dan kemudian diimplementasikan pada metode Bi-LSTM untuk memprediksi kasus positif harian, sembuh harian, dan meninggal harian COVID-19 di DKI Jakarta. Fungsi aktivasi ReLU dan fungsi optimasi Adam digunakan dalam proses prediksi kemudian untuk evaluasi model digunakan Root Mean Squared Error (RMSE). Nilai RMSE terkecil yang diperoleh untuk prediksi kasus positif harian sebesar 203,193 dengan menggunakan perbandingan 95% data training:5% data testing; sembuh harian sebesar 211,068 dengan menggunakan perbandingan 95% data training:5% data testing; dan meninggal harian sebesar 6,758 dengan menggunakan perbandingan 80% data training:20% data testing. Hasil RMSE yang didapat lebih baik dibandingkan dengan penelitian sebelumnya.

---

Coronavirus Disease 2019 (COVID-19) is an infectious disease that attacks respiratory system and it spreads rapidly throughout the world. The spread of COVID-19 in Indonesia, especially in DKI Jakarta, the confirmed positive cases and deaths continue to increase every day. Information regarding the prediction of the daily number of COVID-19 cases can assist related parties in taking preventive actions against the spread of COVID-19. To predict the daily cases of COVID-19, a machine learning algorithm approach can be used to solve this problem. One of the algorithms in machine learning that can be used to predict daily cases of COVID-19 is Bidirectional LSTM (Bi-LSTM). The data used is taken from Jakarta Tanggap COVID-19 which was recorded from March 3, 2020 to May 15, 2021. Bi-LSTM is suitable for predicting time-series data. In its implementation, the daily cases data of COVID-19 is normalized first and then implemented on the Bi-LSTM method to predict daily positive cases, daily recovery cases, and daily death cases of COVID-19 in DKI Jakarta. ReLU activation function and Adam optimization are used for the prediction process, while Root Mean Squared Error (RMSE) is used for the model evaluation. The smallest RMSE value for daily positive cases prediction is 203,193 using comparison 95% data training:5% data testing; daily recovery cases 211,068 using comparison 95% data training:5% data testing; and daily death cases 6,758 using comparison 80% data training:20% data testing. The RMSE value obtained is better than previous studies. "

"Transmisi Covid-19 dapat berlangsung dengan cepat melalui droplets, aerosol, maupun direct contact. Salah satu bentuk pencegahan yang dapat dilakukan adalah dengan pengaturan ventilasi untuk mengurangi kontaminasi pada udara sehingga dapat mengendalikan transmisi virus via aerosol. Oleh karena itu, penting diketahui hubungan antara ventilasi terhadap risiko penularan Covid-19 melalui udara. Desain penelitian yang dilakukan adalah cross sectional. Data yang diambil berasal dari data primer dengan dilakukan pengukuran pada ruangan yang menjadi sampel yang sesuai dengan kriteria inklusi dan eksklusi. Kemudian data diolah dengan uji analisis statistik bivariat. Dari 8 ruangan yang diteliti, terdapat 2 ruangan yang berisiko tinggi terhadap transmisi Covid-19. Hubungan antara jumlah ventilasi outlet dengan penularan Covid-19 melalui udara memiliki hubungan yang signifikan terbukti dengan hasil uji statistik Mann-Whitney U (U = 0,5, p = 0,049). Selain itu, jumlah ventilasi outlet juga dapat meningkatkan ACH outlet dan memiliki korelasi sangat kuat yang signifikan (p = 0,001) serta besar koefisien korelasi 0,993. Pengaturan ventilasi terutama ventilasi outlet pada ruang kuliah kampus Depok dan Salemba perlu ditingkatkan supaya bisa mencapai laju udara > 12 ACH sehingga risiko transmisi virus Covid-19 dapat ditekan menjadi lebih rendah.

---

Covid-19 transmission can be done rapidly through droplets, aerosol, or direct contact. It can be prevented by regulating ventilation to reduce contamination in the air so that virus transmission via aerosol can be controlled. Therefore, it is important to know the relationship between ventilation and risk of Covid-19 transmission through the air. This study design is cross sectional. Data was taken from primary data by measuring room that is the sample that fits the inclusion and exclusion criteria. After that, data was processed by a bivariate statistical analysis test. Of the 8 rooms studied, there are 2 rooms that are at high risk of transmitting Covid-19. The relationship between the amount of outlet ventilation and transmission of Covid-19 through the air has a significant relationship as evidenced by the results of the Mann-Whitney U test (U = 0,5, p = 0,049). Furthermore, outlet ventilation can increase outlet ACH which has very strong correlation with correlation coefficient 0,993 and is statistically significant (p = 0,001). The ventilation arrangements especially outlet ventilation for the lecture halls in Depok and Salemba need to be increased to ventilation that can reach an air rate of > 12 ACH so that the risk of transmitting Covid-19 virus is lower."

"Masalah COVID-19 cukup menghebohkan dunia sejak pertama kali ditemukan di kota Wuhan, Provinsi Hubei, China pada tanggal 31 Desember 2019. Epidemi ini membawa berbagai dampak negatif di berbagai belahan dunia tidak terkecuali Indonesia yang juga terkena dampak khususnya dari segi sosial dan ekonomi masyarakat. Pada tanggal 26 Juni 2020, Indonesia berada di peringkat 29 untuk negara dengan total kasus kumulatif COVID-19 terbanyak di dunia dengan DKI Jakarta sebagai episentrum penyebaran COVID-19 di Indonesia. Sejak saat itu, berbagai disiplin ilmu mencoba memberikan kontribusi dalam upaya penanggulangan dan pemahaman bagaimana penyakit COVID-19 menyebar salah satunya melalui pendekatan matematika. Berbagai pendekatan matem- atika telah diperkenalkan oleh banyak penulis, salah satunya menggunakan pendekatan sistem persamaan diferensial biasa. Dalam skripsi ini, pendekatan yang sama akan dilakukan dimana populasi manusia akan dibagi berdasarkan status kesehatannya untuk mengetahui bagaimana COVID-19 menyebar. Beberapa hal dipertimbangkan dalam pengkonstuksian model antara lain keberadaan individu tanpa gejala, fase laten pada masa infeksi COVID-19, dan intervensi-intervensi yang telah dilakukan oleh Pemerintah Kota DKI Jakarta. Adapun intervensi yang telah diberlakukan diantaranya kebijakan Pembatasan Sosial Berskala Besar (PSBB), intervensi penggunaan masker, dan kebijakan mengenai rapid test. Dari model matematika tersebut, skripsi yang dikerjakan akan mengulas penurunan model, analisis model baik secara analitik maupun numerik, dan pemberian intepretasi. Data yang digunakan dalam skripsi akan mengacu pada data kasus COVID-19 di DKI Jakarta sejak tanggal 1 Maret 2020 sampai tanggal 11 Agustus 2020.

---

The COVID-19 epidemic has shocked the world since it was first discovered in Wuhan, Hubei Province, China, on December 31, 2019. As of June 26, 2020, Indonesia ranked 29 for the country with the highest number of COVID-19 cumulative cases globally, with DKI Jakarta as the epicenter of the spread of COVID-19 in Indonesia. Since then, vari- ous disciplines have tried to contribute to the efforts to overcome and understand how the COVID-19 disease spreads through mathematical approaches. Many authors have intro- duced different mathematical methods; one of them uses an ordinary differential equa- tions system. This thesis will use the same approach where the human population will be divided into sub-populations based on their health status to find out how COVID-19 spread. We consider several things in the model’s construction, including asymptomatic individuals, the latent phase during the COVID-19 infection, and interventions that have been carried out by Government. The interventions that have been implemented include the Large-Scale Social Restriction (PSBB) policy, the use of masks intervention, and the policy regarding the procurement of Rapid Test. From the mathematical model, this thesis will review the model’s derivation, analyze the model both analytically and numerically, and give the interpretation. The data used in this thesis will refer to data on COVID-19 cases in DKI Jakarta from March 1, 2020, to August 11, 2020."