Model PDDM merupakan penyempurnaan dari model statistika dasar yang dikembangkan oleh Heribertus Joko Kristadi.
Dedi bersama sejumlah mahasiswa S3 bimbingannya, telah mencoba model PDDM dan dibandingkan dengan berbagai model statistika, pembelajaran mesin (machine learning), dan runtun waktu seperti kurva Gompertz, Logistic model, Model Eksponensial, ARIMA, dan lain lain. Namun, model PDDM ini lebih baik untuk menggambarkan total data penderita Covid-19.
Alasan pertama, model PDDM meskipun sederhana tetapi mampu memberikan akurasi prediksi satu harian ke depan yang sangat baik. Sebanding dengan kemampuan prediksi model machine learning yang kompleks.
“Alasan kedua, model PDDM juga memiliki sejumlah keunggulan yang tidak dimiliki oleh model-model lain yang diuji dan dikembangkan sebelumnya,” kata seperti dikutip Ugm.ac.id.
Model PPDM rata-rata eror kesalahan prediksi selama dua minggu terakhir hanyalah sebesar 1,5 persen. Setelah diujikan prediksi selama empat hari terakhir sejak Kamis (26/3) model ini ternyata sangat akurat, dengan eror yang dihasilkan selalu di bawah 1 persen.
Keunggulan lainnya, model PDDM ini mampu untuk memprediksikan waktu terparah dan waktu berakhirnya pandemi Covid-19 di Indonesia.
Menurut Dedi, model PDDM ini akan terus diperbarui setiap hari sehingga prediksi dari model akan betul-betul mencerminkan perubahan dari data yang ada. Kajian tersebut didasari oleh skenario optimis, namun dapat pula digunakan untuk menguji berbagai skenario akibat intervensi dan atau pengaruh faktor-faktor penting eksternal.
Komentar tentang post