COVID-19 sebagai pandemi global tidak hanya berdampak pada infeksi dan kematian manusia, tetapi juga menyebabkan kekacauan ekonomi globa. COVID-19 memiliki kekuatan untuk menghapus kehidupan pribadi, keuangan, pasar, industri, dan seluruh ekonomi. Model peramalan COVID-19 telah dilakukan oleh banyak peneliti. Model logistik dan machine learning digunakan sebagai alat untuk meramalkan tren pandemi COVID-19 di Brasil, Rusia, India, Peru, dan Indonesia. Fungsi Boltzmann telah diterapkan untuk memperkirakan tingkat kasus COVID-19 di Brasil. Pandemi COVID-19 di Mesir telah diprediksi dengan menerapkan nonlinear autoregressive artificial neural networks. Pengukuran dampak kematian COVID-19 di Jakarta, Indonesia telah dianalisis dengan menggunakan ARIMA. Namun, penelitian tentang perbandingan model peramalan kasus COVID-19 di Indonesia belum dilakukan.
Data Corona Virus (COVID-19) diperoleh dari https://ourworldindata.org/coronavirussource-data. Ada 80 dataset harian dari 27 Maret 2020 hingga 14 Juni 2020. Dalam penelitian ini dataset akan dikelompokkan menjadi dua kelompok yaitu train dan test dataset. Berdasarkan penelitian sebelumnya, rasio optimal dari dataset adalah 3:1 untuk training dan testing. Pembuatan data stasioner dilakukan melalui proses differencing. Data stasioner merupakan asumsi utama dalam model peramalan klasik (exponential smoothing, moving average, ARIMA, dll). Metode ini memiliki sifat statistik yang konstan sehingga dapat diprediksi dengan mudah. Plot ACF (Autocorrelation Function) akan dengan cepat mendekati nol dalam keadaan stasioner. Namun, peneliti berusaha untuk mencapai tingkat stasioner meskipun tidak ada tingkat stasioner yang sesungguhnya.
Penggunaan empat model telah dievaluasi dalam penelitian ini untuk meramalkan kasus konfirmasi COVID-19 di Indonesia. Hasil peramalan dari tanggal 26 Mei 2020 sampai dengan 14 Juni 2020. Setelah itu hasil peramalan tersebut akan dievaluasi dengan testing dataset menggunakan RMSE (Root Mean Squared Error). RMSE terkecil adalah model neural network. Artinya, neural network memiliki model paling kuat untuk meramalkan kasus konfirmasi COVID-19 di Indonesia. Untuk optimasi model fuzzy time series, weighted fuzzy time series dapat diterapkan untuk meramalkan kasus konfirmasi COVID-19. Sekali lagi, untuk memperluas penelitian tentang COVID-19, perlu menambah data karena tren kasus konfirmasi masih naik.
Penelitian ini bertujuan untuk mengusulkan model prediksi COVID-19 dengan penerapan exponential smoothing, ARIMA, neural network, dan fuzzy time series serta membandingkan performa dari masing-masing model dengan menggunakan RMSE sebagai alat evaluasi. Dalam penelitian ini, dataset telah diklasifikasikan menjadi dua kelompok yang masing-masing 75% dan 25%, melatih dan menguji dataset. Hasil penelitian ini menyatakan bahwa neural network telah menjadi model terbaik dalam prediksi kasus konfirmasi COVID-19 di Indonesia.
Penulis: Tofan Agung Eka Prasetya, S.Kep., M.KKK.
Sumber:
Septiarini, T. W., Taufik, M. R., & Prasetya, T. A. E. (2021). A comparative forecasting model of COVID-19 case in Indonesia. Journal of Physics: Conference Series, 1918(4), 042020. https://doi.org/10.1088/1742-6596/1918/4/042020
