digilib@itb.ac.id +62 812 2508 8800

"Berapa banyak kasus hari ini?" dan "Kapan pandemi ini akan berakhir?", merupakan dua pertanyaan yang tidak hentinya dilontarkan oleh seluruh dunia selama pandemi COVID-19—entah kapan pertanyaan tersebut akan muncul kembali. Oleh karena itu, dengan perkembangan alat pemodelan dan ketersediaan data yang mudah diakses, membuat model prediksi merupakan hal yang penting untuk menghadapi tantangan serupa di masa depan. Penelitian ini memiliki fokus untuk membuat model prediksi pada jumlah penambahan kasus COVID-19 setiap harinya menggunakan proses Gauss dengan rentang data kasus dari Maret 2020 sampai dengan Juni 2024. Tantangan utama dalam penelitian ini adalah bagaimana memodelkan jumlah kasus yang merupakan data hitungan, sehingga perlu adanya modifikasi pada proses Gauss. Perbandingan fungsi kovariansi (kernel) yang digunakan juga dipertimbangkan untuk mendapatkan paramer kernel yang paling baik dalam menjelaskan data hitungan jumlah kasus. Hasil evaluasi metriks MAE, RMSE, R squared, dan cakupan peluang menunjukkan bahwa model tidak baik. Namun, menggunakan kombinasi penjumlahan kernel RBF dan kernel periodik, model yang dibangun dapat menggambarkan data hitungan dengan baik (pola naik dan turun), khususnya saat menggunakan bangkitan paramater kernel dari lag ACF data.