Analisis risiko penyebaran COVID-19 di Indonesia menggunakan pendekatan Frekuentis, pendekatan Bayesian, rasio rata-rata geometrik, dan model SIR

Abstract

COVID-19 adalah penyakit pernapasan menular yang disebabkan oleh SARS-CoV-2. Penyakit ini telah menjadi pandemi global karena penularannya memerlukan waktu yang singkat dan sudah tersebar luas, termasuk di Indonesia. Pemerintah Indonesia berupaya menekan angka penularan dan penyebaran dengan menerapkan Pemberlakuan Pembatasan Kegiatan Masyarakat (PPKM). PPKM memiliki empat level pembatasan yang ditentukan oleh beberapa kriteria, termasuk nilai risiko relatif dan bilangan reproduksi dasar. Dalam skripsi ini dianalisis nilai risiko relatif dan bilangan reproduksi dasar untuk penyebaran penyakit COVID-19. Estimasi nilai risiko relatif dilakukan menggunakan pendekatan frekuentis dengan model SMR dan pendekatan Bayesian dengan model Poisson-gamma, log-normal, BYM, serta mixture. Sementara itu, estimasi bilangan reproduksi dasar dilakukan menggunakan metode rasio rata-rata geometrik (GMR) dan model epidemik Susceptible–Infectious–Removed (SIR). Penghitungan estimasi nilai risiko relatif dilakukan menggunakan metode Markov Chain Monte Carlo (MCMC) dengan algoritma Gibbs Sampling. Dari setiap estimasi nilai risiko relatif menggunakan pendekatan Bayesian, dihitung nilai Deviance Information Criterion (DIC) untuk menentukan model yang cocok digunakan pada data. Data yang digunakan untuk estimasi nilai risiko relatif adalah data penduduk Indonesia tahun 2020 dan data kasus baru COVID-19 tahun 2021 di Indonesia. Selain itu, dilakukan pemetaan nilai risiko relatif dengan simpangannya untuk melihat ketelitian kelima model. Data kasus aktif, kasus positif kumulatif, kasus sembuh kumulatif, dan kasus meninggal kumulatif COVID-19 tahun 2021 diterapkan dalam menghitung estimasi bilangan reproduksi dasar. Selanjutnya, dilakukan pemetaan nilai risiko relatif dan bilangan reproduksi dasar dari 34 provinsi di Indonesia. Dari hasil penghitungan nilai DIC diperoleh bahwa model mixture adalah model terbaik untuk data. Pemetaan nilai risiko relatif dengan simpangannya menunjukkan bahwa semakin besar nilai risiko relatif, simpangan yang dihasilkan semakin besar. Dari hasil estimasi dan pemetaan nilai risiko relatif menggunakan kelima model, penyebaran COVID-19 di DKI Jakarta dan DI Yogyakarta berisiko sangat tinggi atau tinggi setiap bulannya di tahun 2021. Sebaliknya hasil estimasi bilangan reproduksi dasar menggunakan metode GMR di DKI Jakarta dan DI Yogyakarta berada pada level rendah atau sangat rendah, dan hasil estimasi bilangan reproduksi dasar menggunakan model SIR berada pada level sedang atau rendah setiap bulannya pada tahun 2021. Hasil estimasi dan pemetaan nilai risiko relatif model mixture sedikit berbeda dengan hasil estimasi dan pemetaan nilai risiko relatif menggunakan keempat model lainnya. Hasil estimasi dan pemetaan bilangan reproduksi dasar menggunakan model SIR lebih variatif daripada hasil estimasi dan pemetaan menggunakan metode GMR.