TED2007
Emily Oster: Flip your thinking on AIDS in Africa
Emily Oster membalikkan pemikiran kita tentang AIDS di Afrika
Filmed:
Readability: 4.2
921,618 views
Emily Oster memeriksa ulang statistik tentang AIDS di Afrika dari perspektif ekonomi dan mencapai kesimpulan yang mengejutkan, semua hal yang kita tahu tentang penyebaran HIV di benua itu salah.
Emily Oster - Assumption-busting economist
Emily Oster, a University of Chicago economist, uses the dismal science to rethink conventional wisdom, from her Harvard doctoral thesis that took on famed economist Amartya Sen to her recent work debunking assumptions on HIV prevalence in Africa. Full bio
Emily Oster, a University of Chicago economist, uses the dismal science to rethink conventional wisdom, from her Harvard doctoral thesis that took on famed economist Amartya Sen to her recent work debunking assumptions on HIV prevalence in Africa. Full bio
Double-click the English transcript below to play the video.
00:26
So I want to talk to you today about AIDS in sub-Saharan Africa.
0
1000
3000
Hari ini saya ingin berbicara tentang AIDS di Afrika sub-Sahara.
00:29
And this is a pretty well-educated audience,
1
4000
2000
Anda adalah penonton yang cukup berpendidikan,
00:31
so I imagine you all know something about AIDS.
2
6000
3000
jadi saya anggap Anda tahu tentang AIDS.
00:34
You probably know that roughly 25 million people in Africa
3
9000
2000
Anda mungkin tahu bahwa sekitar 25 juta orang di Afrika
00:36
are infected with the virus, that AIDS is a disease of poverty,
4
11000
4000
terkena virus ini dan AIDS adalah penyakit kemiskinan.
00:40
and that if we can bring Africa out of poverty, we would decrease AIDS as well.
5
15000
4000
Dan jika kita dapat mengangkat Afrika dari kemiskinan, kita juga akan mengurangi AIDS.
00:44
If you know something more, you probably know that Uganda, to date,
6
19000
3000
Jika Anda tahu lebih banyak, mungkin Anda tahu bahwa Uganda
00:47
is the only country in sub-Saharan Africa
7
22000
2000
adalah satu-satunya negara di Afrika sub-Sahara
00:49
that has had success in combating the epidemic.
8
24000
3000
yang berhasil memerangi wabah ini
00:52
Using a campaign that encouraged people to abstain, be faithful, and use condoms --
9
27000
4000
dengan kampanye yang mengajak orang untuk menjauhkan diri, beriman, dan menggunakan kondom --
00:56
the ABC campaign -- they decreased their prevalence in the 1990s
10
31000
4000
kampanye ABC yang mengurangi tingkat penyebarannya pada tahun 90-an
01:00
from about 15 percent to 6 percent over just a few years.
11
35000
4000
dari 15 persen hingga 6 persen hanya dalam beberapa tahun.
01:04
If you follow policy, you probably know that a few years ago
12
39000
3000
Jika Anda mengikuti kebijakan politik, Anda mungkin tahu beberapa tahun lalu
01:07
the president pledged 15 billion dollars to fight the epidemic over five years,
13
42000
4000
presiden menjanjikan 15 miliar dolar untuk melawan wabah ini selama 5 tahun
01:11
and a lot of that money is going to go to programs that try to replicate Uganda
14
46000
3000
dan banyak uang akan digunakan pada program yang mencoba meniru Uganda
01:14
and use behavior change to encourage people and decrease the epidemic.
15
49000
6000
dan mendorong perubahan perilaku orang-orang dan mengurangi wabah ini.
01:20
So today I'm going to talk about some things
16
55000
2000
Jadi saya ingin berbicara tentang beberapa hal
01:22
that you might not know about the epidemic,
17
57000
2000
yang mungkin Anda tidak ketahui tentang wabah ini.
01:24
and I'm actually also going to challenge
18
59000
2000
Lalu saya akan menyanggah
01:26
some of these things that you think that you do know.
19
61000
2000
beberapa hal yang Anda pikir sudah Anda ketahui.
01:28
To do that I'm going to talk about my research
20
63000
3000
Dan untuk melakukannya saya ingin berbicara tentang penelitian saya
01:31
as an economist on the epidemic.
21
66000
2000
sebagai seorang ekonom tentang wabah.
01:33
And I'm not really going to talk much about the economy.
22
68000
2000
Dan saya tidak akan terlalu banyak bicara tentang ekonomi.
01:35
I'm not going to tell you about exports and prices.
23
70000
3000
Saya tidak akan mengatakan tentang ekspor dan harga.
01:38
But I'm going to use tools and ideas that are familiar to economists
24
73000
4000
Namun saya akan menggunakan alat dan ide yang akrab bagi para ekonom
01:42
to think about a problem that's more traditionally
25
77000
2000
untuk berpikir tentang masalah yang sebenarnya
01:44
part of public health and epidemiology.
26
79000
2000
lebih terkait pada kesehatan dan epidemiologi.
01:46
And I think in that sense, this fits really nicely with this lateral thinking idea.
27
81000
4000
dan saya rasa, hal itu cocok dengan ide pemikiran lateral.
01:50
Here I'm really using the tools of one academic discipline
28
85000
3000
Di sini saya akan menggunakan salah satu disiplin ilmu
01:53
to think about problems of another.
29
88000
2000
untuk berpikir tentang masalah demi masalah.
01:55
So we think, first and foremost, AIDS is a policy issue.
30
90000
3000
Jadi yang pertama dan paling kita pikirkan, AIDS adalah masalah kebijakan.
01:58
And probably for most people in this room, that's how you think about it.
31
93000
3000
Dan mungkin bagi kebanyakan orang di sini, itulah yang Anda pikirkan.
02:01
But this talk is going to be about understanding facts about the epidemic.
32
96000
4000
Namun presentasi ini adalah tentang memahami fakta tentang wabah ini.
02:05
It's going to be about thinking about how it evolves, and how people respond to it.
33
100000
3000
Tentang berpikir bagaimana hal ini berkembang dan bagaimana tanggapan orang.
02:08
I think it may seem like I'm ignoring the policy stuff,
34
103000
3000
Saya pikir itu tampak mengabaikan hal-hal berbau kebijakan
02:11
which is really the most important,
35
106000
2000
yang sebenarnya sangat penting
02:13
but I'm hoping that at the end of this talk you will conclude
36
108000
2000
namun saya harap di akhir presentasi ini Anda akan menyimpulkan
02:15
that we actually cannot develop effective policy
37
110000
2000
bahwa kita tidak dapat membuat kebijakan yang efektif
02:17
unless we really understand how the epidemic works.
38
112000
3000
kecuali kita memahami bagaimana wabah ini.
02:20
And the first thing that I want to talk about,
39
115000
2000
Dan hal pertama yang ingin saya bicarakan
02:22
the first thing I think we need to understand is:
40
117000
2000
hal pertama yang saya rasa perlu kita pahami adalah:
02:24
how do people respond to the epidemic?
41
119000
2000
Bagaimana tanggapan orang terhadap wabah ini?
02:26
So AIDS is a sexually transmitted infection, and it kills you.
42
121000
4000
AIDS adalah penyakit menular seksual yang membunuh Anda.
02:30
So this means that in a place with a lot of AIDS,
43
125000
2000
Ini berarti bahwa jika ada banyak AIDS
02:32
there's a really significant cost of sex.
44
127000
2000
ada harga yang besar untuk seks.
02:34
If you're an uninfected man living in Botswana, where the HIV rate is 30 percent,
45
129000
4000
Jika Anda bukan penderita HIV di Botswana, di mana tingkat penyakit ini adalah 30 persen,
02:38
if you have one more partner this year -- a long-term partner, girlfriend, mistress --
46
133000
4000
jika Anda berhubungan seks dengan satu orang lain -- pasangan, kekasih, simpanan --
02:42
your chance of dying in 10 years increases by three percentage points.
47
137000
4000
kemungkinan Anda meninggal dalam 10 tahun meningkat 3 persen.
02:46
That is a huge effect.
48
141000
2000
Itu dampak yang besar.
02:48
And so I think that we really feel like then people should have less sex.
49
143000
3000
Jadi saya pikir kita merasa, orang-orang harus mengurangi berhubungan seks.
02:51
And in fact among gay men in the US
50
146000
2000
Dan sebenarnya, di antara pria homoseksual di Amerika
02:53
we did see that kind of change in the 1980s.
51
148000
2000
kita melihat perubahan itu pada tahun 80-an.
02:55
So if we look in this particularly high-risk sample, they're being asked,
52
150000
4000
Jadi jika kita melihat pada contoh beresiko tinggi ini, dan mereka ditanya
02:59
"Did you have more than one unprotected sexual partner in the last two months?"
53
154000
3000
"Apa Anda berhubungan seks dengan lebih dari satu orang dalam 2 bulan terakhir tanpa perlindungan?"
03:02
Over a period from '84 to '88, that share drops from about 85 percent to 55 percent.
54
157000
6000
Selama tahun '84 hingga '88, persentasenya berkurang dari 85 menjadi 55 persen.
03:08
It's a huge change in a very short period of time.
55
163000
2000
Itu adalah perubahan besar dalam jangka waktu singkat.
03:10
We didn't see anything like that in Africa.
56
165000
2000
Kita tidak melihat hal seperti itu di Afrika.
03:12
So we don't have quite as good data, but you can see here
57
167000
3000
Kita tidak memiliki data yang sama bagusnya, namun Anda dapat melihat
03:15
the share of single men having pre-marital sex,
58
170000
2000
persentase dari pria lajang yang berhubungan seks
03:17
or married men having extra-marital sex,
59
172000
2000
atau pria beristri yang berhubungan seks dengan bukan istrinya
03:19
and how that changes from the early '90s to late '90s,
60
174000
3000
dan bagaimana hal itu berubah dari awal hingga akhir 90-an
03:22
and late '90s to early 2000s. The epidemic is getting worse.
61
177000
3000
dan dari akhir 90-an ke awal 2000-an. Wabah ini menjadi lebih buruk.
03:25
People are learning more things about it.
62
180000
2000
Orang-orang belajar lebih banyak hal tentang itu,
03:27
We see almost no change in sexual behavior.
63
182000
2000
hampir tidak ada perubahan dalam perilaku seksual.
03:29
These are just tiny decreases -- two percentage points -- not significant.
64
184000
4000
Hanya ada penurunan kecil -- 2 persen -- tidak signifikan.
03:33
This seems puzzling. But I'm going to argue that you shouldn't be surprised by this,
65
188000
4000
Hal ini tampak membingungkan, namun Anda seharusnya tidak terkejut dengan hal ini.
03:37
and that to understand this you need to think about health
66
192000
3000
Untuk memahami hal ini, Anda harus berpikir tentang kesehatan
03:40
the way than an economist does -- as an investment.
67
195000
3000
seperti para ekonom -- sebagai investasi.
03:43
So if you're a software engineer and you're trying to think about
68
198000
3000
Jika Anda adalah seorang insinyur piranti lunak dan mencoba berpikir
03:46
whether to add some new functionality to your program,
69
201000
3000
tentang apakah harus menambah kegunaan baru dalam program Anda,
03:49
it's important to think about how much it costs.
70
204000
2000
Anda harus memikirkan berapa biaya
03:51
It's also important to think about what the benefit is.
71
206000
2000
dan apa manfaatnya.
03:53
And one part of that benefit is how much longer
72
208000
2000
Dan salah satu bagian manfaat itu adalah
03:55
you think this program is going to be active.
73
210000
2000
berapa lama program ini akan aktif.
03:57
If version 10 is coming out next week,
74
212000
2000
Jika versi 10 akan keluar minggu depan
03:59
there's no point in adding more functionality into version nine.
75
214000
3000
tidak ada gunanya menambah kegunaan baru pada versi 9.
04:02
But your health decisions are the same.
76
217000
2000
Keputusan bagi kesehatan Anda juga sama.
04:04
Every time you have a carrot instead of a cookie,
77
219000
2000
Setiap kali Anda memilih wortel dibandingkan biskuit,
04:06
every time you go to the gym instead of going to the movies,
78
221000
3000
setiap kali Anda pergi ke gedung olahraga dibandingkan bioskop,
04:09
that's a costly investment in your health.
79
224000
2000
itu adalah biaya investasi dalam kesehatan Anda.
04:11
But how much you want to invest is going to depend
80
226000
2000
Namun berapa banyak yang ingin Anda investasikan akan bergantung
04:13
on how much longer you expect to live in the future,
81
228000
2000
pada berapa lama Anda berharap akan hidup --
04:15
even if you don't make those investments.
82
230000
2000
walau Anda tidak membuat investasi itu.
04:17
AIDS is the same kind of thing. It's costly to avoid AIDS.
83
232000
3000
AIDS adalah hal yang sama. Mencegah AIDS itu mahal.
04:20
People really like to have sex.
84
235000
3000
Orang-orang menyukai seks.
04:23
But, you know, it has a benefit in terms of future longevity.
85
238000
6000
Anda tahu, seks juga dapat memperpanjang usia.
04:29
But life expectancy in Africa, even without AIDS, is really, really low:
86
244000
4000
Namun harapan hidup di Afrika, bahkan tanpa AIDS masih sangat rendah
04:33
40 or 50 years in a lot of places.
87
248000
3000
di banyak tempat hanya 40 hingga 50 tahun.
04:36
I think it's possible, if we think about that intuition, and think about that fact,
88
251000
4000
Saya rasa mungkin, jika kita berpikir tentang lembaga, dan tentang kenyataan
04:40
that maybe that explains some of this low behavior change.
89
255000
3000
bahwa mungkin hal itu menjelaskan perilaku yang tidak berubah ini.
04:43
But we really need to test that.
90
258000
2000
Namun kita harus menguji hal itu.
04:45
And a great way to test that is to look across areas in Africa and see:
91
260000
3000
Dan cara yang bagus untuk mengujinya adalah mencari ke seluruh Afrika dan melihat:
04:48
do people with more life expectancy change their sexual behavior more?
92
263000
4000
apakah orang dengan harapan hidup lebih besar lebih cenderung mengubah perilaku seksnya?
04:52
And the way that I'm going to do that is,
93
267000
2000
Dan cara saya melakukan hal itu adalah
04:54
I'm going to look across areas with different levels of malaria.
94
269000
3000
saya melihat daerah dengan tingkat malaria yang berbeda.
04:57
So malaria is a disease that kills you.
95
272000
3000
Malaria adalah penyakit yang membunuh Anda.
05:00
It's a disease that kills a lot of adults in Africa, in addition to a lot of children.
96
275000
3000
Malaria membunuh banyak orang dewasa dan anak-anak di Afrika.
05:03
And so people who live in areas with a lot of malaria
97
278000
3000
Sehingga orang-orang yang tinggal di daerah dengan tingkat malaria tinggi
05:06
are going to have lower life expectancy than people who live in areas with limited malaria.
98
281000
4000
memiliki harapan hidup yang lebih rendah daripada orang-orang di daerah dengan tingkat malaria rendah.
05:10
So one way to test to see whether we can explain
99
285000
2000
Jadi satu cara untuk melihat apakah kita dapat menjelaskan
05:12
some of this behavior change by differences in life expectancy
100
287000
3000
perubahan perilaku ini dengan perbedaan harapan hidup
05:15
is to look and see is there more behavior change
101
290000
3000
adalah melihat apakah ada perubahan perilaku yang lebih besar
05:18
in areas where there's less malaria.
102
293000
2000
di daerah dengan tingkat malaria rendah.
05:20
So that's what this figure shows you.
103
295000
2000
Jadi inilah yang ditunjukkan gambar ini.
05:22
This shows you -- in areas with low malaria, medium malaria, high malaria --
104
297000
4000
Gambar ini menunjukkan -- daerah dengan tingkat malaria rendah, sedang, dan tinggi --
05:26
what happens to the number of sexual partners as you increase HIV prevalence.
105
301000
4000
apa yang terjadi dengan jumlah pasangan seksual saat tingkat penyebaran HIV meningkat.
05:30
If you look at the blue line,
106
305000
2000
Jika Anda melihat pada garis biru
05:32
the areas with low levels of malaria, you can see in those areas,
107
307000
3000
daerah dengan tingkat malaria rendah, Anda bisa melihat di daerah itu
05:35
actually, the number of sexual partners is decreasing a lot
108
310000
3000
jumlah pasangan seksual berkurang banyak
05:38
as HIV prevalence goes up.
109
313000
2000
saat tingkat penyebaran HIV naik.
05:40
Areas with medium levels of malaria it decreases some --
110
315000
2000
Daerah dengan tingkat malaria sedang agak berkurang --
05:42
it doesn't decrease as much. And areas with high levels of malaria --
111
317000
3000
tidak berkurang sebanyak sebelumnya. Dan daerah dengan tingkat malaria tinggi --
05:45
actually, it's increasing a little bit, although that's not significant.
112
320000
5000
sebenarnya, justru sedikit meningkat, walaupun tidak signifikan.
05:50
This is not just through malaria.
113
325000
2000
Ini bukan hanya tentang malaria.
05:52
Young women who live in areas with high maternal mortality
114
327000
3000
Wanita muda yang tinggal di daerah dengan tingkat kematian tinggi saat melahirkan
05:55
change their behavior less in response to HIV
115
330000
3000
lebih tidak mengubah perilaku mereka terhadap HIV
05:58
than young women who live in areas with low maternal mortality.
116
333000
3000
dibandingkan wanita muda yang tinggal di daerah dengan tingkat kematian rendah saat melahirkan.
06:01
There's another risk, and they respond less to this existing risk.
117
336000
4000
Ada resiko lainnya, dan mereka kurang menanggapi resiko itu dibanding resiko yang sudah ada.
06:06
So by itself, I think this tells a lot about how people behave.
118
341000
3000
Jadi dengan sendirinya, ini banyak menceritakan bagaimana orang berperilaku.
06:09
It tells us something about why we see limited behavior change in Africa.
119
344000
3000
Ini menjelaskan sesuatu tentang mengapa ada perubahan perilaku terbatas di Afrika.
06:12
But it also tells us something about policy.
120
347000
2000
Namun ini juga menjelaskan tentang kebijakan.
06:14
Even if you only cared about AIDS in Africa,
121
349000
3000
Walaupun Anda hanya peduli tentang AIDS di Afrika,
06:17
it might still be a good idea to invest in malaria,
122
352000
3000
masih merupakan ide bagus untuk berinvestasi memerangi malaria,
06:20
in combating poor indoor air quality,
123
355000
2000
memerangi mutu udara yang rendah,
06:22
in improving maternal mortality rates.
124
357000
2000
mengurangi tingkat kematian ibu saat melahirkan.
06:24
Because if you improve those things,
125
359000
2000
Karena jika Anda meningkatkan hal-hal ini
06:26
then people are going to have an incentive to avoid AIDS on their own.
126
361000
4000
orang akan lebih terdorong untuk menghindari AIDS.
06:30
But it also tells us something about one of these facts that we talked about before.
127
365000
4000
Namun hal ini juga menjelaskan sesuatu tentang fakta yang kita bicarakan sebelumnya.
06:34
Education campaigns, like the one that the president is focusing on in his funding,
128
369000
4000
Kampanye pendidikan, seperti yang dipusatkan oleh presiden dalam pendanaannya
06:38
may not be enough, at least not alone.
129
373000
2000
mungkin tidak cukup. Setidaknya tidak dengan sendirinya
06:40
If people have no incentive to avoid AIDS on their own,
130
375000
2000
jika orang tidak memiliki dorongan untuk mencegah AIDS --
06:42
even if they know everything about the disease,
131
377000
2000
meskipun dia tahu semua tentang penyakit itu --
06:44
they still may not change their behavior.
132
379000
2000
mereka masih tidak akan mengubah perilaku mereka.
06:46
So the other thing that I think we learn here is that AIDS is not going to fix itself.
133
381000
3000
Hal lain yang saya rasa kita pelajari di sini adalah AIDS tidak akan reda sendiri.
06:49
People aren't changing their behavior enough
134
384000
2000
Orang-orang tidak cukup mengubah perilaku mereka
06:51
to decrease the growth in the epidemic.
135
386000
3000
untuk menurunkan laju wabah ini.
06:54
So we're going to need to think about policy
136
389000
2000
Jadi kita harus berpikir tentang kebijakan
06:56
and what kind of policies might be effective.
137
391000
2000
dan kebijakan apa yang mungkin efektif.
06:58
And a great way to learn about policy is to look at what worked in the past.
138
393000
3000
Cara yang baik untuk belajar tentang kebijakan adalah melihat pengalaman masa lalu.
07:01
The reason that we know that the ABC campaign
139
396000
2000
Alasan kita tahu bahwa kampanye ABC
07:03
was effective in Uganda is we have good data on prevalence over time.
140
398000
3000
efektif di Uganda adalah ada data baik tentang laju penyebaran dari waktu ke waktu.
07:06
In Uganda we see the prevalence went down.
141
401000
2000
Di Uganda tingakt penyebarannya turun.
07:08
We know they had this campaign. That's how we learn about what works.
142
403000
3000
Kita tahu mereka mengadakan kampanye sehingga kita tahu apa yang bisa berhasil.
07:11
It's not the only place we had any interventions.
143
406000
2000
Itu bukan hanya tempat di mana kita ikut campur tangan.
07:13
Other places have tried things, so why don't we look at those places
144
408000
4000
Kita juga telah mencoba di tempat lain, lalu mengapa kita tidak melihat tempat itu
07:17
and see what happened to their prevalence?
145
412000
3000
dan melihat apa yang terjadi?
07:20
Unfortunately, there's almost no good data
146
415000
2000
Sayangnya, hampir tidak ada data yang bagus
07:22
on HIV prevalence in the general population in Africa until about 2003.
147
417000
5000
dari tingkat penyebaran HIV di Afrika sampai sekitar tahun 2003.
07:27
So if I asked you, "Why don't you go and find me
148
422000
2000
Jadi jika saya bertanya, "Mengapa kita tidak mencari tahu
07:29
the prevalence in Burkina Faso in 1991?"
149
424000
3000
penyebaran di Burkina Faso di tahun 1991?"
07:32
You get on Google, you Google, and you find,
150
427000
3000
Anda membuka Google -- dan Anda menemukan
07:35
actually the only people tested in Burkina Faso in 1991
151
430000
3000
bahwa orang yang diuji di Burkina Faso pada tahun 1991
07:38
are STD patients and pregnant women,
152
433000
2000
hanyalah penderita penyakit kelamin dan wanita hamil.
07:40
which is not a terribly representative group of people.
153
435000
2000
Bukan contoh yang benar-benar buruk.
07:42
Then if you poked a little more, you looked a little more at what was going on,
154
437000
3000
Lalu jika Anda melihat lagi tentang apa yang terjadi
07:45
you'd find that actually that was a pretty good year,
155
440000
3000
Anda menemukan bahwa itu adalah tahun yang cukup bagus.
07:48
because in some years the only people tested are IV drug users.
156
443000
3000
Karena pada beberapa tahun orang yang diuji hanyalah pengguna obat-obatan IV.
07:51
But even worse -- some years it's only IV drug users,
157
446000
2000
Lebih buruk lagi -- di beberapa tahun hanya pengguna obat-obatan IV,
07:53
some years it's only pregnant women.
158
448000
2000
beberapa tahun lainnya hanya wanita hamil.
07:55
We have no way to figure out what happened over time.
159
450000
2000
Kita tidak dapat mencari tahu apa yang terjadi dari waktu ke waktu.
07:57
We have no consistent testing.
160
452000
2000
Tidak ada pengujian yang konsisten.
07:59
Now in the last few years, we actually have done some good testing.
161
454000
5000
Dan dalam beberapa tahun terakhir, kita melakukan beberapa pengujian yang bagus
08:04
In Kenya, in Zambia, and a bunch of countries,
162
459000
3000
di Kenya, Zambia, dan beberapa negara,
08:07
there's been testing in random samples of the population.
163
462000
3000
kami telah menguji populasi secara acak.
08:10
But this leaves us with a big gap in our knowledge.
164
465000
3000
Namun hal ini meninggalkan celah besar dalam pengetahuan kita.
08:13
So I can tell you what the prevalence was in Kenya in 2003,
165
468000
3000
Jadi saya dapat memberi tahu tingkat penyebaran di Kenya pada tahun 2003,
08:16
but I can't tell you anything about 1993 or 1983.
166
471000
3000
namun tidak pada tahun 1993 atau 1983.
08:19
So this is a problem for policy. It was a problem for my research.
167
474000
4000
Ini adalah masalah kebijakan. Ini adalah masalah bagi penelitian saya.
08:23
And I started thinking about how else might we figure out
168
478000
4000
Dan saya mulai berpikir bagaimana lagi kita dapat mencari
08:27
what the prevalence of HIV was in Africa in the past.
169
482000
2000
tingkat penyebaran HIV di Afrika di masa lalu.
08:29
And I think that the answer is, we can look at mortality data,
170
484000
4000
Dan saya pikir jawabannya adalah, kita dapat melihat data kematian
08:33
and we can use mortality data to figure out what the prevalence was in the past.
171
488000
4000
dan menggunakan data kematian itu untuk mencari tahu tingkat penyebarannya di masa lalu.
08:37
To do this, we're going to have to rely on the fact
172
492000
2000
Untuk melakukannya, kita harus bersandar pada kenyataan
08:39
that AIDS is a very specific kind of disease.
173
494000
2000
bahwa AIDS adalah penyakit yang sangat khusus.
08:41
It kills people in the prime of their lives.
174
496000
2000
AIDS membunuh orang pada usia emasnya.
08:43
Not a lot of other diseases have that profile. And you can see here --
175
498000
3000
Tidak banyak penyakit yang seperti itu. Dan Anda dapat lihat di sini
08:46
this is a graph of death rates by age in Botswana and Egypt.
176
501000
4000
inilah grafik tingkat kematian berdasarkan umur di Botswana dan Mesir.
08:50
Botswana is a place with a lot of AIDS,
177
505000
2000
Botswana adalah tempat dengan banyak AIDS,
08:52
Egypt is a place without a lot of AIDS.
178
507000
2000
Mesir adalah tempat dengan sedikit AIDS.
08:54
And you see they have pretty similar death rates among young kids and old people.
179
509000
3000
Dan Anda lihat ada tingkat kematian yang cukup serupa di antara anak muda dan orang tua.
08:57
That suggests it's pretty similar levels of development.
180
512000
3000
Hal itu menunjukkan tingkat perkembangan yang serupa.
09:00
But in this middle region, between 20 and 45,
181
515000
3000
Namun di tengah, antara usia 20 hingga 45 tahun,
09:03
the death rates in Botswana are much, much, much higher than in Egypt.
182
518000
4000
tingkat kematian di Botswana jauh lebih tinggi daripada di Mesir.
09:07
But since there are very few other diseases that kill people,
183
522000
4000
Namun karena hanya ada beberapa penyakit lain yang membunuh orang-orang itu
09:11
we can really attribute that mortality to HIV.
184
526000
3000
kita dapat menghubungkan tingkat kematian itu dengan HIV.
09:14
But because people who died this year of AIDS got it a few years ago,
185
529000
4000
Namun karena orang yang meninggal karena AIDS tahun ini terjangkit beberapa tahun lalu
09:18
we can use this data on mortality to figure out what HIV prevalence was in the past.
186
533000
5000
kita dapat menggunakan data ini untuk mencari tahu tingkat penyebaran HIV di masa lalu.
09:23
So it turns out, if you use this technique,
187
538000
2000
Ternyata, jika Anda menggunakan teknik ini,
09:25
actually your estimates of prevalence are very close
188
540000
2000
sebenarnya perkiraan tingkat penyebarannya sangat dekat
09:27
to what we get from testing random samples in the population,
189
542000
3000
dengan yang kita dapatkan dari menguji populasi secara acak --
09:30
but they're very, very different than what UNAIDS tells us the prevalences are.
190
545000
5000
namun sangat berbeda dibandingkan tingkat penyebaran yang diberitakan UNAIDS.
09:35
So this is a graph of prevalence estimated by UNAIDS,
191
550000
3000
Ini adalah perkiraan tingkat penyebaran oleh UNAIDS
09:38
and prevalence based on the mortality data
192
553000
2000
dan tingkat penyebarannya berdasarkan data kematian
09:40
for the years in the late 1990s in nine countries in Africa.
193
555000
4000
selama akhir 1990-an di sembilan negara Afrika.
09:44
You can see, almost without exception,
194
559000
2000
Anda dapat melihat hampir tanpa kecuali,
09:46
the UNAIDS estimates are much higher than the mortality-based estimates.
195
561000
4000
perkiraan UNAIDS jauh lebih tinggi daripada perkiraan berdasarkan data kematian.
09:50
UNAIDS tell us that the HIV rate in Zambia is 20 percent,
196
565000
4000
UNAIDS memperkirakan tingkat HIV di Zambia adalah 20 persen
09:54
and mortality estimates suggest it's only about 5 percent.
197
569000
4000
dan perkiraan dari data kematian memperkirakan hanya 5 persen.
09:58
And these are not trivial differences in mortality rates.
198
573000
3000
dan ini bukanlah perbedaan yang dapat disepelekan.
10:01
So this is another way to see this.
199
576000
2000
Jadi ini adalah cara lain untuk melihatnya.
10:03
You can see that for the prevalence to be as high as UNAIDS says,
200
578000
2000
Anda dapat melihat jika tingkat penyebarannya setinggi yang dilaporkan UNAIDS,
10:05
we have to really see 60 deaths per 10,000
201
580000
2000
seharusnya ada 60 kematian per 10.000 orang
10:07
rather than 20 deaths per 10,000 in this age group.
202
582000
4000
ketimbang 20 kematian per 10.000 orang pada kelompok ini.
10:11
I'm going to talk a little bit in a minute
203
586000
2000
Saya akan berbicara sedikit
10:13
about how we can use this kind of information to learn something
204
588000
3000
tentang bagaimana kita dapat menggunakan informasi ini untuk mempelajari sesuatu
10:16
that's going to help us think about the world.
205
591000
2000
yang akan membantu kita berpikir tentang dunia ini.
10:18
But this also tells us that one of these facts
206
593000
2000
Hal ini juga memberi tahukan bahwa salah satu fakta
10:20
that I mentioned in the beginning may not be quite right.
207
595000
3000
yang saya sebutkan di awal presentasi mungkin tidak tepat.
10:23
If you think that 25 million people are infected,
208
598000
2000
Jika Anda berpikir ada 25 juta orang yang terjangkit,
10:25
if you think that the UNAIDS numbers are much too high,
209
600000
3000
jika Anda merasa angka dari UNAIDS terlalu tinggi
10:28
maybe that's more like 10 or 15 million.
210
603000
2000
mungkin jumlah itu sekitar 10 atau 15 juta orang.
10:30
It doesn't mean that AIDS isn't a problem. It's a gigantic problem.
211
605000
4000
Ini bukan berarti AIDS bukanlah masalah. Ini masalah yang besar.
10:34
But it does suggest that that number might be a little big.
212
609000
4000
Namun hal ini menunjukkan bahwa angkanya mungkin terlalu besar.
10:38
What I really want to do, is I want to use this new data
213
613000
2000
Apa yang ingin saya lakukan adalah menggunakan data baru ini
10:40
to try to figure out what makes the HIV epidemic grow faster or slower.
214
615000
4000
untuk mencoba mencari tahu apa yang membuat wabah HIV berkembang lebih cepat atau lambat.
10:44
And I said in the beginning, I wasn't going to tell you about exports.
215
619000
3000
Seperti tadi saya katakan, saya tidak akan menjelaskan tentang ekspor.
10:47
When I started working on these projects,
216
622000
2000
Saat kami mulai bekerja pada proyek ini,
10:49
I was not thinking at all about economics,
217
624000
2000
saya sama sekali tidak berpikir tentang ekonomi,
10:51
but eventually it kind of sucks you back in.
218
626000
3000
namun cukup menjengkelkan saat Anda harus kembali.
10:54
So I am going to talk about exports and prices.
219
629000
3000
Saya akan berbicara tentang ekspor dan biaya.
10:57
And I want to talk about the relationship between economic activity,
220
632000
3000
Dan tentang hubungan antara aktivitas ekonomi
11:00
in particular export volume, and HIV infections.
221
635000
4000
khususnya volume ekspor dengan infeksi HIV.
11:04
So obviously, as an economist, I'm deeply familiar
222
639000
4000
Jadi sudah pasti sebagai seorang ekonom saya sangat akrab
11:08
with the fact that development, that openness to trade,
223
643000
2000
dengan fakta bahwa pembangunan, perdagangan terbuka
11:10
is really good for developing countries.
224
645000
2000
sangat baik bagi negara berkembang,
11:12
It's good for improving people's lives.
225
647000
3000
bagus untuk meningkatkan kesejahteraan orang.
11:15
But openness and inter-connectedness, it comes with a cost
226
650000
2000
Namun keterbukaan dan keterhubungan mengorbankan sesuatu
11:17
when we think about disease. I don't think this should be a surprise.
227
652000
3000
saat kita berpikir tentang penyakit. Saya rasa ini bukan kejutan.
11:20
On Wednesday, I learned from Laurie Garrett
228
655000
2000
Pada hari Rabu, saya belajar dari Laurie Garrett,
11:22
that I'm definitely going to get the bird flu,
229
657000
2000
bahwa saya pasti akan terjangkit flu burung,
11:24
and I wouldn't be at all worried about that
230
659000
3000
dan saya tidak terlalu khawatir akan hal itu
11:27
if we never had any contact with Asia.
231
662000
3000
jika kita tidak pernah berhubungan dengan Asia.
11:30
And HIV is actually particularly closely linked to transit.
232
665000
4000
Dan HIV sebenarnya cukup berhubungan dekat dengan transit.
11:34
The epidemic was introduced to the US
233
669000
2000
Wabah ini mulai terjadi di Amerika Serikat.
11:36
by actually one male steward on an airline flight,
234
671000
4000
dari seorang pramugara di pesawat udara
11:40
who got the disease in Africa and brought it back.
235
675000
2000
yang terjangkit di Afrika dan membawanya kembali.
11:42
And that was the genesis of the entire epidemic in the US.
236
677000
3000
Dan itu adalah awal dari seluruh wabah di Amerika Serikat.
11:45
In Africa, epidemiologists have noted for a long time
237
680000
4000
Di Afrika, pakar epidemiologi telah mencatat bahwa sejak lama
11:49
that truck drivers and migrants are more likely to be infected than other people.
238
684000
4000
pengemudi truk dan orang yang pindah tempat jauh lebih mungkin terinfeksi.
11:53
Areas with a lot of economic activity --
239
688000
2000
Daerah dengan banyak aktivitas ekonomi --
11:55
with a lot of roads, with a lot of urbanization --
240
690000
3000
dengan banyak jalanan dan perkotaan --
11:58
those areas have higher prevalence than others.
241
693000
2000
daerah itu memiliki tingkat penyebaran yang lebih tinggi.
12:00
But that actually doesn't mean at all
242
695000
2000
Namun hal itu tidak berarti
12:02
that if we gave people more exports, more trade, that that would increase prevalence.
243
697000
4000
bahwa jika ekspor meningkat, perdagangan meningkat, tingkat penyebarannya akan semakin tinggi.
12:06
By using this new data, using this information about prevalence over time,
244
701000
4000
Dengan menggunakan data baru ini, informasi tentang tingkat penyebarannya dari waktu ke waktu
12:10
we can actually test that. And so it seems to be --
245
705000
4000
kita dapat menguji hal itu. Dan tampaknya --
12:14
fortunately, I think -- it seems to be the case
246
709000
2000
untungnya saya pikir -- itulah yang terjadi
12:16
that these things are positively related.
247
711000
2000
bahwa hal-hal ini berhubungan.
12:18
More exports means more AIDS. And that effect is really big.
248
713000
4000
Lebih banyak ekspor berarti lebih banyak AIDS. Dan pengaruhnya sangat besar.
12:22
So the data that I have suggests that if you double export volume,
249
717000
4000
Jadi data yang saya tunjukkan adalah jika volume ekspor naik 2 kali lipat
12:26
it will lead to a quadrupling of new HIV infections.
250
721000
5000
infeksi HIV baru akan meningkat 4 kali lipat.
12:31
So this has important implications both for forecasting and for policy.
251
726000
3000
Jadi hal ini memiliki dampak penting baik untuk memperkirakan dan membuat kebijakan.
12:34
From a forecasting perspective, if we know where trade is likely to change,
252
729000
4000
Dari segi perkiraan, jika kita tahu ke mana perdagangan akan berubah,
12:38
for example, because of the African Growth and Opportunities Act
253
733000
3000
sebagai contoh, karena Undang-Undang Pertumbuhan dan Kesempatan Afrika
12:41
or other policies that encourage trade,
254
736000
2000
atau kebijakan lainnya yang mendorong perdagangan,
12:43
we can actually think about which areas are likely to be heavily infected with HIV.
255
738000
5000
kita dapat memperkirakan daerah mana yang akan sangat terjangkit HIV.
12:48
And we can go and we can try to have pre-emptive preventive measures there.
256
743000
6000
Dan kita dapat pergi dan mencoba mengusahakan pencegahan.
12:54
Likewise, as we're developing policies to try to encourage exports,
257
749000
3000
Sama juga, saat kebijakan mencoba mendorong ekspor,
12:57
if we know there's this externality --
258
752000
2000
jika kita tahu hal ini secara eksternal --
12:59
this extra thing that's going to happen as we increase exports --
259
754000
2000
penyebaran ini akan terjadi jika kita meningkatkan ekspor --
13:01
we can think about what the right kinds of policies are.
260
756000
3000
kita dapat berpikir tentang jenis kebijakan apa yang tepat.
13:04
But it also tells us something about one of these things that we think that we know.
261
759000
3000
Hal ini juga memberi tahu tentang salah satu hal yang kita pikir sudah kita ketahui.
13:07
Even though it is the case that poverty is linked to AIDS,
262
762000
3000
Walaupun kemiskinan memang berhubungan dengan AIDS
13:10
in the sense that Africa is poor and they have a lot of AIDS,
263
765000
3000
dalam hal Afrika itu miskin dan ada banyak AIDS di sana,
13:13
it's not necessarily the case that improving poverty -- at least in the short run,
264
768000
4000
mengurangi kemiskinan tidak selalu -- setidaknya dalam jangka pendek --
13:17
that improving exports and improving development --
265
772000
2000
meningkatkan ekspor dan pembangunan,
13:19
it's not necessarily the case that that's going to lead
266
774000
2000
tidak selalu akan membawa
13:21
to a decline in HIV prevalence.
267
776000
2000
pengurangan tingkat penyebaran HIV.
13:24
So throughout this talk I've mentioned a few times
268
779000
2000
Jadi selama presentasi ini saya telah beberapa kali menyebutkan
13:26
the special case of Uganda, and the fact that
269
781000
2000
kasus spesial tentang Uganda, dan kenyataan bahwa
13:28
it's the only country in sub-Saharan Africa with successful prevention.
270
783000
4000
itulah satu-satunya negara sub-Sahara Afrika yang sukses mencegah HIV.
13:32
It's been widely heralded.
271
787000
2000
Hal itu sudah banyak digembar-gemborkan.
13:34
It's been replicated in Kenya, and Tanzania, and South Africa and many other places.
272
789000
6000
Hal itu telah ditiru di Kenya, Tanzania, Afrika Selatan, dan banyak tempat lain,
13:40
But now I want to actually also question that.
273
795000
4000
Namun saya ingin mempertanyakan hal itu.
13:44
Because it is true that there was a decline in prevalence
274
799000
3000
Karena memang benar ada penurunan dalam tingkat penyebaran
13:47
in Uganda in the 1990s. It's true that they had an education campaign.
275
802000
4000
di Uganda pada tahun 1990-an. Benar bahwa mereka melakukan kampanye pendidikan.
13:51
But there was actually something else that happened in Uganda in this period.
276
806000
6000
Namun sebenarnya ada hal lain yang terjadi di Uganda saat itu.
13:57
There was a big decline in coffee prices.
277
812000
2000
Ada penurunan drastis dalam harga kopi.
13:59
Coffee is Uganda's major export.
278
814000
2000
Kopi adalah ekspor utama Uganda.
14:01
Their exports went down a lot in the early 1990s -- and actually that decline lines up
279
816000
5000
Ekspor mereka turun drastis pada awal 1990-an -- dan penurunan itu sama
14:06
really, really closely with this decline in new HIV infections.
280
821000
4000
benar, benar dekat dengan penurunan infeksi HIV baru.
14:10
So you can see that both of these series --
281
825000
3000
Jadi Anda dapat melihat dalam kedua garis ini --
14:13
the black line is export value, the red line is new HIV infections --
282
828000
3000
garis hitam adalah nilai ekspor, garis merah adalah infeksi HIV baru --
14:16
you can see they're both increasing.
283
831000
2000
Anda dapat melihat keduanya menigkat.
14:18
Starting about 1987 they're both going down a lot.
284
833000
2000
Sekitar tahun 1987, keduanya sedikit menurun.
14:20
And then actually they track each other
285
835000
2000
Lalu kemudian keduanya saling berhubungan
14:22
a little bit on the increase later in the decade.
286
837000
2000
sedikit kenaikan dalam dekade itu.
14:24
So if you combine the intuition in this figure
287
839000
2000
Jadi jika Anda menggabungkan perasaan Anda dan gambar ini
14:26
with some of the data that I talked about before,
288
841000
3000
dan beberapa data yang saya bicarakan sebelumnya.
14:29
it suggests that somewhere between 25 percent and 50 percent
289
844000
4000
Grafik ini menunjukkan bahwa sekitar 25 atau 50 persen
14:33
of the decline in prevalence in Uganda
290
848000
2000
dari penurunan tingkat penyebaran di Uganda
14:35
actually would have happened even without any education campaign.
291
850000
4000
sebenarnya akan terjadi tanpa kampanye pendidikan apapun.
14:39
But that's enormously important for policy.
292
854000
2000
Namun hal ini sangat penting bagi kebijakan.
14:41
We're spending so much money to try to replicate this campaign.
293
856000
2000
Kita menghabiskan begitu banyak uang untuk mencoba mengulangi kampanye ini.
14:43
And if it was only 50 percent as effective as we think that it was,
294
858000
3000
Dan tingkat keefektifannya hanya sekitar 50 persen dari perkiraan kita
14:46
then there are all sorts of other things
295
861000
2000
sehingga ada beberapa hal lain
14:48
maybe we should be spending our money on instead.
296
863000
2000
di mana sebaiknya kita menanamkan uang kita.
14:50
Trying to change transmission rates by treating other sexually transmitted diseases.
297
865000
4000
Mencoba mengubah tingkat penyebaran dengan merawat penyakit menular seksual lainnya.
14:54
Trying to change them by engaging in male circumcision.
298
869000
2000
Mencoba mengubah dengan mendorong penyunatan.
14:56
There are tons of other things that we should think about doing.
299
871000
2000
Ada banyak hal lain yang harus kita lakukan.
14:58
And maybe this tells us that we should be thinking more about those things.
300
873000
4000
Dan mungkin hal ini memberi tahu kita mengapa kita harus lebih banyak berpikir tentang hal ini.
15:02
I hope that in the last 16 minutes I've told you something that you didn't know about AIDS,
301
877000
5000
Saya harap dalam 16 menit ini saya telah memberi tahu sesuatu yang tidak Anda ketahui tentang AIDS
15:07
and I hope that I've gotten you questioning a little bit
302
882000
2000
dan saya harap saya harus sedikit mempertanyakan
15:09
some of the things that you did know.
303
884000
2000
beberapa hal yang Anda ketahui.
15:11
And I hope that I've convinced you maybe
304
886000
2000
Dan saya harap saya telah meyakinkan Anda
15:13
that it's important to understand things about the epidemic
305
888000
2000
bahwa penting untuk memahami hal-hal tentang wabah
15:15
in order to think about policy.
306
890000
2000
untuk berpikir tentang kebijakan.
15:18
But more than anything, you know, I'm an academic.
307
893000
2000
Namun lebih penting lagi, saya seorang pengarjar.
15:20
And when I leave here, I'm going to go back
308
895000
2000
Dan saat saya pergi, saya ingin kembali
15:22
and sit in my tiny office, and my computer, and my data.
309
897000
3000
dan duduk di kantor saya, dengan komputer dan data saya --
15:25
And the thing that's most exciting about that
310
900000
2000
dan hal yang paling menarik tentang hal itu
15:27
is every time I think about research, there are more questions.
311
902000
3000
adalah setiap kali saya berpikir tentang penelitian, ada lebih banyak pertanyaan.
15:30
There are more things that I think that I want to do.
312
905000
2000
ADa lebih banyak hal yang saya ingin lakukan.
15:32
And what's really, really great about being here
313
907000
2000
dan apa yang sangat hebat dari keberadaan saya di sini
15:34
is I'm sure that the questions that you guys have
314
909000
2000
adalah saya yakin pertanyaan yang Anda miliki
15:36
are very, very different than the questions that I think up myself.
315
911000
3000
sangat berbeda dengan pertanyaan yang saya pikirkan.
15:39
And I can't wait to hear about what they are.
316
914000
2000
Dan saya tidak sabar mendengar pertanyaan itu.
15:41
So thank you very much.
317
916000
2000
Terima kasih banyak.
ABOUT THE SPEAKER
Emily Oster - Assumption-busting economistEmily Oster, a University of Chicago economist, uses the dismal science to rethink conventional wisdom, from her Harvard doctoral thesis that took on famed economist Amartya Sen to her recent work debunking assumptions on HIV prevalence in Africa.
Why you should listen
Emily Oster, an Assistant Professor of Economics at the University of Chicago, has a history of rethinking conventional wisdom.
Her Harvard doctoral thesis took on famed economist Amartya Sen and his claim that 100 million women were statistically missing from the developing world. He blamed misogynist medical care and outright sex-selective abortion for the gap, but Oster pointed to data indicating that in countries where Hepetitis B infections were higher, more boys were born. Through her unorthodox analysis of medical data, she accounted for 50% of the missing girls. Three years later, she would publish another paper amending her findings, stating that, after further study, the relationship between Hepetitis B and missing women was not apparent. This concession, along with her audacity to challenge economic assumptions and her dozens of other influential papers, has earned her the respect of the global academic community.
She's also investigated the role of bad weather in the rise in witchcraft trials in Medieval Europe and what drives people to play the Powerball lottery. Her latest target: busting assumptions on HIV in Africa.
And she's an advice columnist too >>
Emily Oster | Speaker | TED.com