Analisis Pelaksanaan Vaksinasi dan Pemodelan Prediksi Kasus Positif COVID-19 di Provinsi Jawa Timur
Date
2023-03-30Author
Hasanah, Siti Nur
Herdiyeni, Yeni
Hardhienata, Medria Kusuma Dewi
Metadata
Show full item recordAbstract
Pandemi COVID-19 telah menjadi salah satu permasalahan kesehatan
berbagai negara di dunia, termasuk Indonesia. Provinsi Jawa Timur menjadi salah
satu provinsi di Indonesia yang terdampak COVID-19 cukup parah. Sampai dengan
September 2022, Provinsi Jawa Timur menempati urutan ke-empat, provinsi
dengan total kasus positif tertinggi. Total kasus positif COVID-19 di Provinsi Jawa
Timur menyumbang 9,4% dari kasus nasional. Berbagai upaya dilakukan untuk
mencegah penyebaran virus yang semakin meluas, salah satunya dengan
melaksanakan program vaksinasi. Namun, pada pelaksanaan vaksinasi antar daerah
tidak menyebar dengan merata. Terdapat perbedaan tingkat pelaksanaan vaksinasi
antar daerah dengan karakteristik sosial, ekonomi, dan demografi yang berbeda.
Di Provinsi Jawa Timur, beberapa daerah sudah memiliki capaian vaksinasi
yang baik, namun ada beberapa daerah lainnya yang masih memiliki capaian
vaksinasi yang rendah. Kajian mengenai kaitan faktor sosial, ekonomi, demografi
terhadap pelaksanaan vaksinasi dinilai sangat diperlukan untuk menentukan strategi
yang tepat dalam pendistribusian vaksin COVID-19. Faktor sosial, ekonomi, dan
demografi dipercaya tidak hanya berkaitan dengan adanya perbedaan pelaksanaan
vaksinasi antar daerah. Faktor-faktor tersebut juga berhubungan dengan pola
penyebaran kasus positif COVID-19. Model prediksi yang dapat
mempertimbangkan faktor sosial, ekonomi, dan demografi daerah dapat
memberikan informasi yang lebih baik mengenai perkembangan kasus COVID-19
di suatu wilayah.
Penelitian ini melakukan analisis pelaksanaan vaksinasi dan jumlah kasus
positif COVID-19. Analisis dilakukan pada kelompok kabupaten/kota di Provinsi
Jawa Timur yang dikelompokkan berdasarkan data sosial, ekonomi, demografi, dan
vaksinasi menggunakan teknik agglomerative hierarchical clustering. Kemudian
pada setiap cluster dilakukan analisis jeda waktu antar data deret waktu yang
digunakan, yaitu data COVID-19 dan data vaksinasi. Terakhir dikembangkan
model prediksi kasus positif COVID-19 menggunakan teknik Facebook Prophet
dengan mempertimbangkan data vaksinasi. Model prediksi dikembangkan untuk
masing-masing cluster.
Analisis pelaksanaan vaksinasi dan jumlah kasus positif COVID-19 terdiri
dari beberapa tahapan yaitu transformasi data, pemeriksaan multikolinearitas,
analisis komponen utama, pengelompokkan kabupaten/kota, evaluasi hasil
clustering, identifikasi jumlah cluster, dan terakhir interpretasi hasil cluster.
Selanjutnya adalah analisis jeda waktu antara data deret waktu yang digunakan.
Ada beberapa analisis jeda waktu yang dilakukan yang pertama analisis jeda waktu
antara data COVID-19 dengan data vaksinasi pertama, vaksinasi kedua, dan
vaksinasi ketiga. Berikutnya analisis jeda waktu antara data vaksinasi pertama
dengan vaksinasi kedua, serta vaksinasi kedua dan vaksinasi ketiga. Analisis jeda
waktu dilakukan menggunakan teknik cross-correlation. Tahapan terakhir pada
penelitian ini adalah pemodelan prediksi COVID-19 di setiap cluster dengan
mempertimbangkan data vaksinasi. Pemodelan prediksi menggunakan data representasi cluster sebagai masukan. Ada beberapa tahapan prediksi yang
dilakukan yaitu smoothing dan transformasi data, pemodelan menggunakan model
default Prophet, hyperparameter tuning, evaluasi model, prediksi kasus positif, dan
analisis komponen Prophet.
Hasil penelitian ini mengelompokkan 38 kabupaten/kota di Provinsi Jawa
Timur ke dalam empat cluster. Persentase penduduk yang sudah menerima
vaksinasi ditemukan lebih tinggi pada daerah perkotaan dengan kepadatan
penduduk yang tinggi serta kondisi perekonomian, pembangunan manusia, dan
tingkat pendidikan lebih baik. Pada penelitian ini ditunjukkan pada daerah di cluster
3 dan cluster 4. Penyebaran COVID-19 juga ditemukan di daerah tersebut, yang
ditunjukkan dengan kasus kumulatif COVID-19 per kapitanya yang lebih tinggi.
Analisis jeda waktu dilakukan untuk mengetahui hubungan antara data deret
waktu yang digunakan. Pada analisis jeda waktu antara data vaksinasi pertama dan
data kasus positif COVID-19 di cluster 1 dan cluster 2 tren kasus COVID-19 terjadi
terlebih dahulu sebelum tren vaksinasi pertama. Berbeda halnya dengan di cluster
3 dan cluster 4, yang mana tren vaksinasi pertama terjadi terlebih dahulu sebelum
adanya tren kasus positif COVID-19. Di cluster 1, cluster 2, dan cluster 4 tren
COVID-19 terjadi terlebih dahulu sebelum tren vaksinasi kedua. Hal yang berbeda
terjadi di cluster 3, yang mana tren vaksinasi kedua terjadi sebelum tren COVID-
19. Analisis antara data COVID-19 dengan data vaksinasi ketiga, di setiap cluster,
tren COVID-19 terjadi sebelum tren vaksinasi ketiga. Jeda waktu antara
pelaksanaan vaksinasi pertama dan vaksinasi kedua di setiap cluster yaitu sekitar
31-44 hari. Untuk jeda waktu antara vaksinasi ketiga dan vaksinasi kedua terjadi
sekitar 140-178 hari.
Model prediksi menggunakan Facebook Prophet yang dibangun pada setiap
cluster mampu melaukan prediksi dengan baik. Model dengan parameter terbaik
untuk setiap cluster memiliki nilai Mean Absolute Percentage Error (MAPE) yang
berkisar antara 8,93% hingga 14,76%. Di cluser 1 regressor divaksin 1 memberikan
dampak lebih besar terhadap hasil prediksi kasus positif COVID-19. Di cluster 2
dan cluster 3 regressor divaksin 3 memberikan dampak yang lebih besar. Dan di
cluster 4, regressor divaksin 2 memberikan dampak lebih besar terhadap kenaikan
jumlah kasus positif COVID-19 dibandingkan regressor lainnya. Berdasarkan hasil
analisis di setiap cluster diperkirakan terjadi kenaikan kasus positif COVID-19
pada periode prediksi. Kenaikan paling tinggi diperkirakan terjadi di cluster 3.