Analisis Pelaksanaan Vaksinasi dan Pemodelan Prediksi Kasus Positif COVID-19 di Provinsi Jawa Timur

Abstract

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.