Indonesia memiliki tantangan meningkatkan kualitas layanan dalam menyusun dan melaksanakan program Sustainable Development Goals (SDGs) yang memuat 17 tujuan dan 169 target yang berlaku dari tahun 2016 hingga 2030. SDGs mengakomodir permasalahan pembangunan secara komprehensif, baik secara kualitatif maupun secara kuantitatif yang menargetkan penyelesaian secara utuh dari setiap tujuan dan sasarannya. Salah satu tujuan yang ingin dicapai adalah Good Health and Well-Being dengan menjamin kehidupan yang sehat dan mendorong kesejahteraan hidup bagi semua orang di segala usia. Namun, munculnya wabah Covid-19 di seluruh dunia dapat berdampak pada tujuan kesehatan SDGs yang ingin dicapai.
Covid-19 adalah penyakit menular yang disebabkan oleh coronavirus yang baru ditemukan ketika wabah dimulai di Wuhan, Cina pada Desember 2019. Pandemi ini menjadi perhatian global karena kecepatan penularannya, menyebabkan ribuan orang terinfeksi dan ribuan lainnya meninggal dunia. Pandemi ini berdampak pada negara dengan penduduk padat seperti kasus di India yang kini mengalami peningkatan pesat. Indonesia dengan jumlah penduduk terpadat keempat di dunia juga mendapatkan dampak dari kehadiran Covid-19.
Pandemi ini berdampak pada semua sektor kehidupan manusia, termasuk sektor ekonomi dan kesehatan. Menurut data dari BPS, pertumbuhan ekonomi di Indonesia mengalami penurunan sebesar -5,32% pada kuartil kedua tahun 2020. Di sisi lain, terdapat dampak ketika diterapkannya kebijakan zonasi yang mengakibatkan perlambatan ekonomi baik secara gradual maupun drastis. Sektor kesehatan juga terkena dampak pandemi. Pemerintah Indonesia telah menambah jumlah rumah sakit rujukan menjadi 227 untuk mengatasi peningkatan jumlah pasien Covid-19. Namun, upaya tersebut tidak cukup karena jumlah korban terus meningkat pesat. Akibatnya, sebagian pasien Covid-19 hanya bisa melakukan isolasi mandiri, karena keterbatasan fasilitas kesehatan. Secara tidak langsung, hal ini dapat mengakibatkan tidak tercapainya target SDGs.
Data dapat berperan penting dalam memproyeksikan dan memprediksi kasus Covid-19, karena data dapat digunakan sebagai dasar dalam proses pengambilan kebijakan untuk memprediksi kondisi di masa mendatang. Pentingnya data dalam pembuat kebijakan (data-driven policy), termasuk menganalisis dan memprediksi kasus Covid-19 dalam mendukung Pemerintah Indonesia menjalankan kebijakan dan intervensi publik untuk menekan penyebaran Covid-19 nasional dan memastikan kehidupan yang sehat terpenuhi kesejahteraan seluruh masyarakat, sesuai dengan tujuan SDGs.
Penelitian ini menggunakan pendekatan parametrik dan nonparametrik untuk memprediksi kasus konfirmasi positif Covid-19 di Indonesia. Metode ARIMA dapat digunakan sebagai pendekatan parametrik, karena lebih sederhana dan mudah untuk diinterpretasikan. Namun diperlukan uji asumsi yaitu uji white noise dan uji residual berdistribusi normal. Tidak semua data yang dianalisis dengan pendekatan parametrik dapat memenuhi semua uji asumsi, sehingga pendekatan nonparametrik dapat menjadi salah satu alternatif dalam mengatasi masalah tersebut. Pendekatan nonparametrik hanya mengasumsikan smooth dan fleksibilitas dalam memperkirakan pola data. Estimator yang digunakan dalam pendekatan nonparametrik menggunakan fungsi Deret Fourier. Data yang digunakan berupa data harian kasus konfirmasi positif Covid-19 di Indonesia dari Komite Penanganan Covid-19 dan Pemulihan Ekonomi Nasional (KPCPEN) yang diperoleh melalui web covid19.go.id mulai tanggal 1 November 2020 hingga tanggal 14 Februari 2021. Data dibagi menjadi dua bagian yaitu data training dan data testing. Data training adalah data yang digunakan dalam pemodelan sedangkan data testing adalah data yang digunakan untuk membandingkan hasil peramalan dengan data sebenarnya. Data training menggunakan data dari tanggal 1 November 2020 sampai dengan 8 Februari 2021, sedangkan data testing menggunakan data dari tanggal 9-14 Februari 2021.
Hasil yang diperoleh dengan pendekatan parametrik didapatkan model ARIMA (0,1,0) (0,0,2)3 karena memiliki nilai MSE yang minimal. Namun model ini tidak memenuhi hasil asumsi white noise sehingga metode ARIMA yang diperoleh tidak layak untuk digunakan. Alternatif yang dapat dilakukan adalah dengan pemodelan menggunakan estimator regresi nonparametrik Deret Fourier. Berdasarkan estimator Deret Fourier didapatkan nilai MSE sebesar 12.472,11 dan R2 sebesar 98,12671%. Kemudian dilakukan pengujian terhadap data testing di mana menghasilkan prediksi dengan nilai MAPE sebesar 17,64%. Berdasarkan hal tersebut dapat disimpulkan bahwa hasil pendekatan nonparametrik memiliki kemampuan prediksi yang baik. Hal ini menunjukkan bahwa pendekatan nonparametrik lebih baik daripada pendekatan parametrik karena pendekatan parametrik menggunakan ARIMA (0,1,0) (0,0,2)3 tidak memenuhi asumsi. Artinya pendekatan nonparametrik estimator Deret Fourier cocok untuk memodelkan kasus positif Covid-19 di Indonesia.
Kesimpulan yang diperoleh adalah pendekatan parametrik tidak dapat digunakan dalam memprediksi kasus positif Covid-19 di Indonesia, dikarenakan tidak memenuhi asumsi white noise. Oleh karena itu, dilakukan analisis dengan pendekatan nonparametrik estimator Deret Fourier. Berdasarkan analisis Deret Fourier menghasilkan nilai MSE sebesar 12.472,11, R2 sebesar 98,12671% serta prediksi dengan MAPE sebesar 17,64%. Penggunaan regresi nonparametrik Deret Fourier yang diperoleh dalam penelitian ini dapat digunakan untuk memprediksi perkembangan kasus konfirmasi positif Covid-19 di Indonesia sehingga pemerintah dapat mempersiapkan perencanaan yang matang di masa mendatang dan dapat melakukan upaya pencegahan penyebaran kasus secara intensif. Selain itu, pemerintah perlu menekan jumlah kasus terkonfirmasi positif Covid-19 melalui 3T, yaitu Testing, Tracing, dan Treatment. Hal ini sebagai upaya percepatan vaksinasi Covid-19 di Indonesia agar tujuan SDGs yaitu Good Health and Well-Being dapat tercapai.
Informasi detail dari riset ini dapat dilihat pada artikel ilmiah berikut:
Prediction of Positive Covid-19 Confirmation Cases in Indonesia with Parametric and Nonparametric Approaches published in AIP Conference Proceedings 2554, 030014 (2023). Authors: M. Fariz Fadillah Mardianto, Ahmad Yusuf Albadri, dan Idrus Syahzaqi dengan link berikut:
