Prediksi puncak pandemi Covid-19 di Indonesia dengan model SIR

Abstract

Penelitian ini menyajikan penggunaan model Susceptible, Infected, and Removed (SIR) untuk memprediksi kondisi penularan Covid-19 di Indonesia. Data resmi pemerintah yang terdiri dari kasus positif, meninggal, dan sembuh digunakan sebagai data aktual untuk menginterpolasi model, melalui metode pencocokan data dengan minimum mean squared error (MSE). Salah satu metode pencarian Quasi-Newton yaitu algoritme Broyden, Fletcher, Goldfarb, and Shanno (BFGS) digunakan untuk menentukan nilai optimal koefisien interaksi pada model dengan nilai MSE minimum. Berdasarkan data per 18 Juli 2020, model memprediksi bahwa puncak penambahan kasus positif infeksi akan terjadi pada bulan Oktober dengan jumlah mendekati 14% persen total populasi dan galat MSE 18,42, relatif terhadap periode data aktual. Tingkat penyebaran diestimasi dengan nilai 2,035 dimana lebih kecil 29 % dibandingkan dengan tingkat penyebaran relatif dari data aktual.

Keywords

• model sir
• bfgs
• mse
• prediksi pandemik
• covid-19