Perpustakaan Digital ITB

Model matematika memiliki peran penting dalam kehidupan sehari-hari karena model matematika dapat merepresentasikan suatu keadaan atau sistem nyata, misalnya model penyebaran penyakit (epidemiologi). Model epidemiologi sering digunakan dalam melakukan prediksi penyebaran penyakit, seperti penyakit COVID-19. Prediksi yang dihasilkan model dapat memberikan hasil yang kurang baik karena beberapa faktor, sehingga menyebabkan adanya ketidakpastian parameter pada model karena hasil estimasi parameter belum menggambarkan nilai yang sebenarnya. Ketidakpastian parameter penting untuk diukur agar output model dapat memberikan hasil yang baik, sehingga model yang digunakan dapat diaplikasikan pada berbagai kondisi di kehidupan nyata. Ketidakpastian parameter dapat diukur dengan melakukan identifikasi parameter. Identifikasi parameter dibagi menjadi dua, yaitu Identifikasi secara Struktural dan Identifikasi secara Praktikal. Ketidakpastian diukur dengan mendapatkan suatu selang kepercayaan dari parameter model. Pada Tugas Akhir ini, metode Profile Likelihood digunakan untuk mengukur ketidakpastian parameter dan nilai awal kompartemen untuk model penyebaran penyakit SIRD dan SEIRD dengan data harian COVID-19 di Indonesia periode 11 Maret 2020 – 10 April 2020. Metode ini memanfaatkan fungsi likelihood dengan mem-profil-kan suatu parameter model, sementara parameter lain pada model dioptimasi ulang, sehingga mendapatkan selang kepercayaan tertentu dengan menggunakan data observasi. Seluruh parameter dan nilai awal model SIRD dapat teridentifikasi, tetapi terdapat parameter dan nilai awal model SEIRD yang belum dapat teridentifikasi. Penambahan data yang cukup pada penerapan metode ini menyebabkan selang kepercayaan 95% parameter model menjadi terbatas serta cenderung lebih kecil, sehingga menyebabkan ketidakpastian parameter juga akan semakin kecil.