Menakar Kualitas Prediksi Data Covid-19 (terbit di Gatra Review edisi April 2020)

oleh Dedi Rosadi

Wabah Covid-19 menyita perhatian dunia pada kurun waktu tiga bulan terakhir, tidak terkecuali di Indonesia. Ulasan dan prediksi seputar data Covid-19 menjadi bahan diskusi diberbagai media. Muncul pertanyaan, bagaimanakah caranya melakukan prediksi secara ilmiah? Apa tantangan dan kendala dalam melakukan prediksi? Bagaimanakah cara membaca hasil prediksi? Tulisan ini akan mencoba memberikan gambaran terhadap pertanyaan-pertanyaan praktis tersebut.

Melakukan Prediksi Secara Ilmiah

Kajian prediksi ilmiah dalam konteks penyebaran penyakit menular termasuk pemodelan prediksi data pasien Covid-19 mengandung dua hal penting yang berbeda maksud dan tujuannya. Bagian pertama adalah kajian metode peramalan, yakni kajian mengenai metode kuantitatif seperti apakah yang dapat digunakan untuk memprediksikan proses penyebaran penyakit dimasa yang akan datang. Bagian kedua adalah kajian metode proyeksi, yakni kajian terhadap metode yang dapat digunakan untuk memperkirakan perilaku penyebaran di masa yang akan datang dibawah asumsi-asumsi dan hipotesa tertentu.

Untuk maksud prediksi ilmiah, secara umum ada empat kelas model utama yang sering digunakan didalam literatur.  Kelas model pertama disebut sebagai model kompartemen. Model yang paling dasar dalam kelas model ini disebut model SIR dimana penduduk yang mungkin tertular dibagi menjadi kelompok orang yang rentan terinfeksi (Susceptible), terinfeksi (Infectious), dan sembuh (Recovered) dengan transisi antar kelompok menggambarkan proses epidemi yang terjadi sebagai fungsi waktu yang diasumsikan kontinyu atau bersifat diskrit. Perluasan dari model basic sangat beragam seperti SIQR (S-I -Quarantine-R), SIRU (S-I-R-Unreported),  SEIR(S-Exposed-I-R),  SIRS, SIQRS, SEIRS, SEIRD (S-E-I-R-Dead), SEIQDR, SEIRDC (S-E-I-R-D-Cumulative), SEIAHR (S-E-I-Asymptomatic-Hospitalized- R), SELMAHRD (S-E-Latent-Symptomatic-Asymptomatic-H-R-D), dan lain lain.

Kelas model ke dua sering disebut sebagai model stokastik yang dikembangkan menggunakan bantuan logika proses pencabangan (branching process) pada proses stokastik. Proses penyebaran penyakit dalam kelas model ini digambarkan menggunakan konsep probabilistik. Sebagai contoh,  untuk populasi kecil dikenal model rantai binomial dimana berapa banyak orang yang tertular dan berapa peluang besarnya seseorang sakit digambarkan dengan distribusi peluang yang disebut distribusi Binomial. Dikombinasikan dengan asumsi untuk waktu lamanya seseorang sejak terpapar sampai menjadi sakit mengikuti distribusi peluang tertentu, diketahui kelas distribusi ini telah sejak lama ditunjukkan dapat digunakan untuk menggambarkan penyebaran penyakit pandemi tertentu. Jika digunakan untuk ukuran populasi besar, beberapa pendekatan telah digunakan dalam literatur untuk approksimasi. Salah satu model approksimasi yang populer adalah kelas model proses penghitungan (counting process) yang disebut Proses Poisson tak homogen (Inhomogeneous Poisson process).

Kelas model ketiga berfokus kepada pemodelan kurve epidemi yakni kurve penambahan penderita penyakit atau insidensi dalam suatu waktu menggunakan sejumlah model tertentu seperti model kurve Richard, kurve logistik yang diperluas, kurve eksponensial ataupun model fungsi waktu lainnya. Secara umum model ini baik digunakan pada kasus pemodelan kurve epidemiologi dengan puncak tunggal.

Kelas model ke empat, adalah kelas model predictive modeling yang banyak digunakan oleh data scientist dan statistikawan, seperti model-model ekonometri dan runtun waktu, expert systems, machine learning atau artificial Intellegence lainnya dan lain-lain.  Model-model ini relatif akurat untuk melakukan peramalan dan proyeksi jangka pendek untuk variabel-variabel penyusun model epidemiologi. Perluasan model ini juga diberikan dengan menggabungkan kelas model ini dengan model lainnya menjadi suatu model hybrid untuk keperluan prediksi jangka panjang.

Prediksi data Covid-19

Keempat kelas model prediksi yang dijelaskan didepan, baik model waktu kontinyu maupun model waktu diskrit, telah tersedia di literatur peer-review untuk prediksi data pasien Covid-19 (baik untuk maksud peramalan maupun proyeksi). Sejumlah model telah digunakan dalam membuat prediksi data Covid-19 di beberapa negara, seperti China, Korea Selatan, Italia, Jerman, ataupun negara-negara lainnya. Sejumlah model juga telah digunakan berbagai pihak dalam pemodelan data Indonesia dan telah dipublikasikan dikhalayak ramai lewat berbagai media. Untuk membaca tren pergerakan data pasien penderita Covid-19 yang telah dipublikasikan resmi oleh pemerintah, pada kelas model stokastik, model sederhana dan bersifat data-driven telah dikembangkan oleh tim kami dan diberi nama model Probabilistic Data-Driven Model (disingkat PDDM). Selain itu, model stokastik yang kompleks (dengan PDDM merupakan kasus khususnya) sudah berhasil di analisis dan diujikan sebelumnya oleh penulis.

Paradigma Pemodelan dan Membaca Hasil Prediksi

Meskipun terlihat sederhana, sebenarnya seorang pemodel yang ingin melakukan prediksi menghadapi banyak tantangan yang sifatnya sangat teknis dan kompleks. Diantaranya, pertama, prediksi yang dibuat oleh pemodel pada faktanya hanya didasari atas satu contoh trajektori atau realisasi data dalam waktu, yakni informasi mengenai keseluruhan proses nyata yang menggambarkan data sesungguhnya tidak tersedia dalam praktis. Kedua, heterogenitas dan dinamika dalam proses penyebaran penyakit didunia nyata sangatlah kompleks, bergantung kepada sangat banyak faktor. Seperti misalnya, kondisi geografis dan spasial wilayah, kondisi demografis (seperti banyaknya kelahiran, banyaknya kematian, struktur penduduk menurut umur, tingkat kepadatan penduduk), pola sosio-kultural masyarakat, pola pergerakan migrasi spasial penduduk (domestik maupun internasional), pola perubahan interaksi manusia antar waktu, variasi genetis dari penduduk (seperti tingkat imunitas tiap penduduk yang beragam, jenis vaksinasi yang pernah dan akan diterima berbeda beda dan lain lain), ragam kebiasaan, kedisiplinan, “mental” dan riwayat kesehatan masyarakat, variasi kualitas dan ketersediaan fasilitas kesehatan, keragaman pola informasi dan khususnya informasi kesehatan yang diterima, variasi tingkat kebijakan pengendalian penyakit, pola perubahan dinamik sesuai dengan karakteristik epidemik dari penyakit itu sendiri, dan lain-lain sebagainya.

Dalam konteks ini lah paradigma pemodelan sering kali harus dipahami dengan bijak dan penuh kehati hatian. “All models are wrong but some are useful” (Box, 1976), yakni semua model secara prinsip adalah salah namun ada beberapa yang dapat memberi manfaat, demikian paradigma yang sering disitir. Biasanya dalam pengembangan model, seseorang pasti akan melakukan sejumlah simplifikasi terhadap proses yang sesungguhnya. Dengan demikian, seluruh model-model (teoritik) pasti memiliki limitasi dan keunggulan sendiri-sendiri karena hakikatnya merupakan hasil penyederhanaan dari proses yang jauh lebih kompleks. Karena limitasi-limitasi dan penyederhanaan ini lah seseorang yang melakukan prediksi sesungguhnya tidak pernah bisa memperkirakan secara seratus persen pasti bagaimana proses penyebaran yang terjadi secara dinamik sebagai fungsi waktu. Sehingga perlu dipahami bahwa hasil prediksi waktu kedepan yang disampaikan merepresentasikan hasil approksimasi simulasi dari pendekatan yang dipilih untuk pemodelan. Kajian sensitifitas terhadap parameter pembangun model dan what if analysis wajib untuk disampaikan mendampingi hasil utama prediksi. Dengan demikian insight dari setiap model dapat dipahami dengan utuh dan menghasilkan pemahaman lebih proporsional terhadap hasil prediksi.

Terakhir, untuk rekomendasi praktis dari sisi pendekatan model, guna mengurangi laju kecepatan pertumbuhan penyebaran virus, pengendalian maksimal terhadap cluster-cluster dan epicenter penyebaran yang telah ada dan upaya-upaya untuk meminimalkan (jika mungkin menghilangkan)  tumbuhnya cluster penyebaran yang baru penting terus dilakukan secara terus menerus oleh pemerintah dan seluruh stakeholders sampai pandemi benar-benar berakhir. Kunci terpenting dari semuanya sesungguhnya adalah masyarakat itu sendiri sebagai salah satu garda terdepan untuk pertempuran melawan penyakit ini, sangat penting semuanya untuk memiliki kesadaran dan kedisiplinan secara maksimal melaksanakan instruksi pemerintah untuk memutus mata rantai penyebaran virus ini. Semoga kita semua bersatu padu bersama sama melewati ujian badai Covid-19 ini.