Epidemi adalah keadaan ketika suatu daerah mempunyai jumlah kasus individu yang terinfeksi suatu penyakit menular dalam jumlah yang sangat tinggi pada waktu yang singkat. Pada beberapa kasus, individu yang telah terinfeksi akan menunjukkan gejala klinis sebelum benar-benar terinfeksi dan individu sembuh dapat terinfeksi ulang karena kekebalan tubuh tidak permanen. Berdasarkan situasi tersebut, model epidemi SIR dapat diperluas menjadi model epidemi SEIRS. Perubahan jumlah individu Susceptible (S), Exposed (E), Infected (I), dan Recovered (R) dalam suatu populasi adalah suatu peristiwa acak yang mengikuti proses Markov dengan rentang waktu diskrit. Oleh karena itu, hal ini dapat dijelaskan dengan model Discrete Time Markov Chain Susceptible Exposed Infected Recovered Susceptible (DTMC SEIRS). Penelitian ini bertujuan untuk membahas model epidemi DTMC SEIRS dan simulasinya pada epidemi COVID-19. Metode penelitian yang digunakan adalah penurunan ulang model epidemi DTMC SEIRS dan disimulasikan pada pola penyebaran penyakit COVID-19 di Indonesia dan Nigeria dengan menggunakan parameter laju kontak, laju infeksi, laju kesembuhan, dan laju penurunan imun. Hasil yang diperoleh berdasarkan penelitian ini yaitu model epidemi DTMC SEIRS yang berupa probabilitas transisi dan kesimpulan simulasi yaitu epidemi di Nigeria dapat berakhir lebih cepat dari Indonesia karena laju kesembuhan lebih besar dan jumlah individu kelompok individu susceptible di Nigeria cenderung menurun lebih baik daripada Indonesia karena laju penurunan imun di Nigeria lebih kecil dari Indonesia.