Abstract:
Pada tahun 2020 pandemi COVID-19 melanda dunia, termasuk Indonesia.
Menurut WHO telah terjadi beberapa pandemi melanda dunia seperti influenza, H1N1,
dan COVID-19 pada saat ini. Menurut cnbcindonesia.com (2021), Menteri Kesehatan
Indonesia Budi Gunadi Sadikin mengatakan, Indonesia tidak siap menghadapi pandemi
COVID-19 atau SARS-Cov-1 meski telah mengalami SARS pada 2003. Tujuan yang
ingin dicapai dari penelitian ini adalah membuat model klasifikasi yang dapat mengaitkan
tingkat keberhasilan penanganan pandemi dengan variabel-variabel prediktornya serta
merancang usulan kepada Pemerintah Indonesia agar dapat menangani pandemi secara
lebih baik dimasa depan.
Model klasifikasi dalam penelitian ini diolah dengan metode Data Mining dan
Machine Learning Ordinal Forest dengan Rstudio. Model ini memiliki satu variabel
dependen dalam skala ordinal yaitu cluster rating penanganan pandemi COVID-19 yang
dibuat dengan K-means Clustering. Kemudian variabel dependen model satu sebanyak
21 serta model kedua sebanyak 49 variabel dengan sampel sebanyak 91 negara. Kedua
model Ordinal Forest ini memiliki kemampuan klasifikasi yang baik dengan tingkat
prediction error sebesar 0. Model Ordinal Forest memberikan informasi mengenai
Variable Importance untuk mengetahui variabel yang memiliki pengaruh terbesar dalam
proses klasifikasi. Model kedua terpilih menjadi dasar pembuatan usulan karena
menampilkan Variable Importance secara lebih spesifik.
Banyaknya variabel yang akan dibuat usulan ditentukan dengan Pareto
Diagram. Dengan demikian terdapat 13 variabel yang dibuat usulannya dalam penelitian
ini. Usulan yang dirancang meliputi memberi edukasi pengendalian pertumbuhan
penduduk, hidup sehat, pentingnya imunisasi, peningkatan sumber daya manusia,
pemerataan fasilitas pendidikan dan kesehatan, peningkatan jumlah test, serta
membangun kepercayaan masyarakat pada pemerintah.
