Prediction of the peak Covid-19 pandemic in Indonesia using SIR model

Penelitian ini menyajikan penggunaan model Susceptible, Infected, and Removed (SIR) untuk memprediksi kondisi penularan Covid-19 di Indonesia. Data resmi pemerintah yang terdiri dari kasus positif, meninggal, dan sembuh digunakan sebagai data aktual untuk menginterpolasi model, melalui metode pencocokan data dengan minimum mean squared error (MSE). Salah satu metode pencarian Quasi-Newton yaitu algoritme Broyden, Fletcher, Goldfarb, and Shanno (BFGS) digunakan untuk menentukan nilai optimal koefisien interaksi pada model dengan nilai MSE minimum. Berdasarkan data per 18 Juli 2020, model memprediksi bahwa puncak penambahan kasus positif infeksi akan terjadi pada bulan Oktober dengan jumlah mendekati 14% persen total populasi dan galat MSE 18,42, relatif terhadap periode data aktual. Tingkat penyebaran diestimasi dengan nilai 2,035 dimana lebih kecil 29 % dibandingkan dengan tingkat penyebaran relatif dari data aktual.This research implements the Susceptible, Infected, and Removed (SIR) model to predict the Covid-19 outbreak in Indonesia. The government official data, consisting of infected, dead, and recovered, are used as actual data to interpolate the model through matching data with minimum mean squared error (MSE). The study uses one of the Quasi-Newton search methods, the Broyden, Fletcher, Goldfarb, and Shanno (BFGS) algorithm, to determine the interaction coefficient's optimal value in the model with the minimum MSE value. Based on data as of July 18, 2020, it predicts that the peak of the infected number will be in October 2020 with around 14 % of the total population infected, and the MSE of 18.42 is relative to the period of the actual data. Meanwhile, the basic reproduction rate is calculated to be 2.035 from the model, where it is underestimated by about 29 % compared to the relative basic reproduction rate from the provided actual data