Usulan peningkatan kesiapan Indonesia menghadapi pandemi berdasarkan model klasifikasi ordinal penanganan pandemi Covid-19

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.