Estimasi parameter-parameter tidak konstan model SIRD dengan metode segmentasi dan Artificial Neural Network (ANN) untuk data penyebaran Covid-19 di Indonesia

Abstract

Penyebaran penyakit COVID-19 merupakan masalah global yang berdampak besar, sehingga masalah tersebut perlu diteliti lebih lanjut untuk menekan dampak jika terjadi pandemi serupa di masa mendatang. Penyebaran penyakit COVID-19 di Indonesia dapat dimodelkan dengan model SIRD. Model tersebut membagi manusia menjadi empat kompartemen: manusia rentan, terinfeksi, sembuh, dan meninggal. Informasi dan strategi untuk mengantisipasi penyebaran penyakit dapat disimpulkan jika parameter-parameter pada model SIRD ini diketahui. Oleh sebab itu, pada skripsi ini parameter-parameter model SIRD diestimasi dengan segmentasi dan pembelajaran mesin. Parameter-parameter model SIRD tersebut menginterpretasikan tingkat penyebaran penyakit, kesembuhan, dan kematian yang tidak selalu konstan sepanjang waktu, sehingga hasil estimasi parameter-parameter merupakan fungsi tidak konstan. Parameter-parameter model SIRD yang diestimasi dengan segmentasi dapat dianalisa lebih lanjut berdasarkan kejadian-kejadian di dunia nyata. Berdasarkan analisa tersebut terdapat relevansi vaksinasi, libur lebaran, dan masuknya varian COVID-19 Omicron terhadap perubahan parameter-parameter model SIRD. Parameter-parameter model SIRD yang diestimasi dengan segmentasi diaplikasikan untuk peramalan sebulan mendatang. Berdasarkan peramalan yang dilakukan, didapat MAPE total yang relatif rendah yaitu 6,9%.