Perpustakaan Digital ITB

Pandemi virus COVID-19 di Indonesia telah berlangsung sejak bulan Maret 2020 dan hingga saat ini masih berlangsung dengan kondisi yang perlu diwaspadai. Hal ini dapat terlihat dari sebaran penambahan kasus aktif harian di Indonesia yang masih terus berubah secara dinamis. Alternatif solusi yang dapat membantu untuk menganalisis penanggulangan penyebaran virus tersebut adalah dilakukannya pemodelan dan simulasi kasus penyebaran untuk memperkirakan gambaran kondisi pandemi yang mungkin terjadi di Indonesia. Pemodelan berbasis epidemiologi yang umum dan banyak digunakan adalah pemodelan SIR, yang mengelompokkan individu terdampak pandemi menjadi sejumlah kompartemen. Menggunakan pemodelan tersebut dan memanfaatkan konsep teknologi machine learning, maka proses pemodelan tersebut dapat dilakukan secara lebih efisien dan akurat. Dalam tugas akhir ini dikembangkan dua buah model yakni SIR dan salah satu turunannya yaitu SIR-F, dengan berbasis konsep machine learning untuk melakukan estimasi serta simulasi berbagai skenario penyebaran virus. Terdapat 3 buah skenario yang dikembangkan untuk dianalisis, yakni skenario tanpa program vaksinasi, program vaksinasi dengan protokol kesehatan yang dipatuhi, dan program vaksinasi yang tidak diikuti dengan protokol kesehatan. Berdasarkan simulasi skenario tersebut, didapatkan bahwa program vaksinasi secara nyata dapat memberi dampak positif pada usaha penanggulangan pandemi COVID-19 secara lebih efektif bila dibanding dengan skenario tanpa vaksinasi. Adapun bila program vaksinasi tidak didukung dengan protokol kesehatan yang memadai, maka vaksinasi menjadi tidak memiliki dampak apapun bagi usaha penanggulangan tersebut. Hasil tersebut berlaku secara uniform pada hasil dari model SIR maupun SIR-F. Secara keseluruhan dapat disimpulkan bahwa model yang dikembangkan dapat menjalankan seluruh fungsinya sesuai dengan kebutuhan, dengan tingkat akurasi melalui metriks MAPE mencapai 0,412 untuk model SIR serta 0,022 untuk model SIRF.