Penerapan Model Kompartemen Rantai Markov Waktu Kontinu Terhadap Kasus COVID-19 di Indonesia (Studi Kasus : Kasus COVID-19 di Indonesia)

Abstract

Penelitian ini mengajukan model kompartemen SVIRD untuk menjelaskan dinamika COVID-19 melalui proses Continuous-Time Markov Chain (CTMC). Model ini direpresentasikan secara matematis menggunakan Persamaan Diferensial Biasa (ODE), dan probabilitas transisi antar state ditentukan untuk menggambarkan perpindahan rinci antar kompartemen yang meliputi susceptible, vaccinated, infectious, recovered, dan dead. Data COVID-19 dari Indonesia diintegrasikan ke dalam model melalui fitting distribusi guna menentukan distribusi yang paling sesuai untuk kasus konfirmasi, sembuh, dan meninggal. Hasil fitting distribusi tersebut digunakan sebagai dasar untuk pemodelan lebih lanjut, dengan nilai likelihood dihitung berdasarkan kesesuaian antara parameter dan data observasi, yang menjadi dasar evaluasi model yang diestimasi. Estimasi parameter dilakukan menggunakan metode Iterated Filtering untuk memperoleh estimasi maksimum likelihood (MLE). Evaluasi model dilakukan melalui 100 kali simulasi untuk membandingkan prediksi model dengan data aktual. Hasil evaluasi menunjukkan bahwa model CTMC SVIRD mampu memprediksi kasus meninggal dengan sangat baik, ditunjukkan oleh nilai MAPE terkecil sebesar 0.4046%. Namun, untuk kasus terkonfirmasi dan sembuh, prediksi model kurang baik dengan nilai MAPE terkecil masing-masing sebesar 71.872% dan 62.9%, menunjukkan adanya ketidakcocokan antara prediksi model dengan data aktual pada kedua kategori tersebut.