Yogyakarta, 25 Juni 2025 — Sesi “Modelling 101” yang merupakan bagian dari rangkaian kegiatan MIDSEA Summer School sukses diselenggarakan di Arjuna Room, Alana Hotel Yogyakarta. Kegiatan ini diikuti oleh 13 peserta dari berbagai negara, termasuk Indonesia, Filipina, Jepang, dan Thailand. Para peserta berasal dari latar belakang yang beragam, mulai dari dosen, peneliti, perwakilan WHO, hingga mahasiswa.
Sesi ini menghadirkan tiga pemateri utama, yakni Dr. Hannah Clapham, asisten profesor dari Saw Swee Hock School of Public Health; Prof. Jomar Fajardo Rabajante dari University of the Philippines Los Baños; serta Dr. Wirichada Pan-Ngum dari Mahidol-Oxford Tropical Medicine Research Unit (MORU). Ketiganya menyampaikan materi yang saling melengkapi tentang dasar-dasar pemodelan dalam epidemiologi penyakit menular.
Materi pada sesi pagi difokuskan pada penggunaan program R untuk menyimulasikan model epidemiologi. Peserta diminta untuk menjalankan simulasi secara mandiri hingga berhasil, dengan pembagian kelompok yang menggabungkan peserta yang belum terbiasa menggunakan R dengan mereka yang sudah lebih berpengalaman.
Materi pertama disampaikan oleh Dr. Hannah Clapham. Dalam sesi ini, peserta mempelajari simulasi penyebaran penyakit menular menggunakan model SIR (Susceptible–Infectious–Recovered) yang dibangun dengan bahasa pemrograman R dan paket deSolve. Model ini digunakan untuk menggambarkan dinamika infeksi dalam populasi sebesar 5,7 juta jiwa, dengan asumsi satu kasus infeksi pada awalnya. Parameter utama yang digunakan meliputi angka reproduksi dasar (R0) dan laju pemulihan (γ), yang merepresentasikan tingkat penularan dan rata-rata lama infeksi. Persamaan diferensial biasa (ODE) disusun untuk menghitung perubahan jumlah individu dalam setiap kategori dari waktu ke waktu, dan hasil simulasi divisualisasikan dalam bentuk grafik. Peserta juga menghitung insidensi harian kasus yang dilaporkan dengan mempertimbangkan proporsi pelaporan sebesar 25 persen. Simulasi dijalankan selama enam bulan dan dieksplorasi lebih lanjut dengan variasi nilai R0 (1, 3, 4, dan 5) untuk melihat dampaknya terhadap pola penyebaran penyakit.
Materi kedua disampaikan oleh Dr. Wirichada Pan-Ngum. Dalam sesi ini, peserta membangun model SEIR yang memodelkan penyebaran Hepatitis E, dengan mempertimbangkan kelahiran, kematian, infeksi, pemulihan, serta proporsi pelaporan kasus. Parameter utama dalam model ini diestimasi menggunakan metode Maximum Likelihood Estimation (MLE) melalui fungsi optim dan algoritma Nelder-Mead. Hasil simulasi kemudian dibandingkan dengan data mingguan kasus nyata untuk mengevaluasi kesesuaian model.
Terdapat dua model yang digunakan dalam praktikum ini. Model pertama menjelaskan penyebaran Hepatitis E tanpa intervensi, menggunakan pendekatan SEIR yang mempertimbangkan berbagai faktor demografi dan epidemiologi. Parameter penting seperti angka reproduksi dasar (R0) dan populasi awal diperkirakan melalui MLE dan disesuaikan dengan data mingguan. Sementara itu, model kedua merupakan pengembangan dari model pertama dengan menambahkan dua jenis intervensi: vaksinasi dan perbaikan sanitasi (latrine), yang bertujuan mengurangi laju transmisi penyakit. Penyesuaian waktu dan efektivitas intervensi memungkinkan model mengevaluasi dampak kebijakan kesehatan secara lebih komprehensif. Selain itu, penambahan kompartemen vaksinasi (V) memungkinkan simulasi kampanye imunisasi yang berlangsung secara bertahap. Evaluasi model dilakukan tidak hanya berdasarkan jumlah kasus mingguan, tetapi juga terhadap ukuran akhir wabah (final size) berdasarkan laporan kumulatif. Perbedaan struktur kedua model ini menghasilkan estimasi parameter yang berbeda dan memberikan wawasan lebih luas terhadap strategi penanganan epidemi.
Salah satu hal penting yang ditekankan dalam track ini adalah bahwa dalam membangun model, seorang modeller tidak seharusnya memulai membuat model dengan bertanya “data apa saja yang saya butuhkan?”, melainkan dengan mengidentifikasi terlebih dahulu data apa yang tersedia, dan menyusun model berdasarkan data tersebut. Selain itu, data insiden yakni data jumlah kasus baru dalam periode waktu tertentu menjadi komponen penting yang perlu diketahui lebih dahulu, karena berperan besar dalam proses validasi model terhadap data nyata.
Kata Kunci: MIDSEA, Modelling, Infectious Diseases Modelling
Penulis: Leniy Eka Watiy
Foto: Lucetta Amarakamini