Ramalan ISPA di 69 Distrik Türkiye, Model Sederhana Paling Jitu

Wabah ISPA ternyata bisa diramal seminggu sebelumnya. Hal itu terbukti di 69 distrik di empat provinsi Türkiye. Kuncinya bukan algoritma rumit, melainkan jumlah kasus beberapa minggu terakhir yang diolah dengan model sederhana dan mudah ditafsirkan oleh petugas kesehatan.

Temuan itu ditulis Kamer Kalip, Melik Toptaş, Fatma Durmuş, Priyakanta Nayak, Mehmet Balcı, Erdoğan Öz, Muhammed Emin Demirkol, dan Şuayip Birinci dalam artikel Hyperlocal forecasting of acute respiratory infections using machine learning and digital epidemiology signals: a multi-province study in Türkiye. Artikel itu terbit di BMC Public Health tahun 2026 sebagai naskah dalam proses terbit, sehingga belum bervolume dan bernomor. Para penulis bernaung di Kementerian Kesehatan Türkiye dan Kantor WHO di Ankara.

ISPA yang dimaksud adalah infeksi saluran pernapasan akut disertai demam, termasuk influenza. Datanya mencakup 256 minggu di Denizli, Diyarbakır, Kocaeli, dan Samsun, dari Januari 2020 hingga Desember 2024. Rentang itu memuat musim flu sekaligus gelombang COVID-19.

Seminggu Cukup Akurat

Ramalan satu minggu ke depan memberi hasil terbaik. Median R², ukuran ketepatan yang dipakai naskah, mencapai 0,45. Median galatnya, yang diukur dengan RMSE, sebesar 292,9 kasus per distrik untuk ramalan seminggu ke depan.

Ketepatan itu turun saat jangkauan ramalan diperpanjang. Untuk dua minggu ke depan, median R² tinggal 0,26 dan median RMSE naik sekitar 15 persen. Menurut para penulis, ketidakpastian meningkat cepat begitu ramalan melewati jendela penularan terdekat.

Meski begitu, sebagian besar distrik tetap lolos ambang keandalan. Sebanyak 64 dari 69 distrik, atau 92,8 persen, mencatat MAPE di bawah 50 persen. MAPE adalah rata-rata persentase galat mutlak, dan ambang 50 persen ditetapkan penulis sebagai batas andal untuk kerja lapangan.

Ambang itu dipilih karena petugas kesehatan terutama perlu tahu skala dan arah gelombang wabah. Ketepatan titik demi titik dianggap kurang penting. Dengan ukuran yang lebih ketat, 69,6 persen distrik masuk kategori Baik atau Sangat baik.

Baca juga Model SEIQR Covid-19 dari Unand: Tracing Menekan R0 ke 1,18

Model Sederhana Menang

Tim menguji beberapa model pembelajaran mesin. Pilihannya mulai dari Ridge Regression yang linear hingga XGBoost yang lebih rumit, ditambah model gabungan dan ARIMA sebagai pembanding. Hasilnya berlawanan dengan anggapan yang sering muncul bahwa model rumit selalu lebih jitu.

Untuk ramalan seminggu, Ridge Regression menjadi model terbaik di 55 persen distrik. Model gabungan menyusul sebagai pilihan terbaik di 26 persen distrik. Keunggulan model gabungan terutama tampak di distrik yang laporan kasusnya naik-turun tajam dari minggu ke minggu.

XGBoost justru sering terjebak overfitting, yakni terlalu menghafal data latih. Masalah itu muncul terutama di distrik berkasus sedikit atau berpola mingguan yang fluktuatif. Pada ramalan dua minggu, model gabungan menjadi lebih menonjol, sementara Ridge Regression dan Random Forest tetap berperan di kedua jangkauan.

Para penulis membaca pola itu dengan lugas. Sebagian besar daya ramal ISPA tingkat distrik datang dari pola waktu yang sederhana dan linear. Ridge Regression juga lebih hemat komputasi, lebih mudah ditafsirkan, dan lebih gampang dipasang di sistem pemantauan kesehatan.

Kasus Terbaru Menentukan

Prediktor terkuat hampir di semua distrik adalah riwayat kasus terbaru. Dua yang paling berpengaruh ialah rata-rata bergulir tiga minggu dan jumlah kasus seminggu sebelumnya. Pengaruh kasus lampau melemah makin jauh jarak waktunya, persis seperti yang diduga para penulis.

Penjelasan para penulis cukup sederhana. Menurut mereka, jumlah kasus saat ini sudah memuat gabungan pengaruh kekebalan populasi, respons perilaku, dan kondisi lingkungan. Karena itu, tingkat ISPA dalam waktu dekat banyak mengikuti tren yang sedang berjalan.

Cuaca ternyata tidak banyak membantu. Suhu dan kelembapan hanya menambah sedikit daya ramal setelah tren kasus masuk ke dalam model. Pola musiman juga berperan relatif kecil dalam memperbaiki kinerja ramalan, meski siklus tahunan jelas terlihat di data.

Para penulis tidak menafikan peran iklim. Menurut mereka, faktor lingkungan lebih berguna untuk menjelaskan pola musim yang luas. Untuk memprediksi naik-turun kasus mingguan di wilayah kecil seperti distrik, sumbangan cuaca terbatas karena tren kasus sudah menangkap pengaruhnya.

Baca juga Suhu Panas Ikut Mendorong Naiknya Kasus Flu di China

Jejak di Mesin Pencari

Data pencarian Google Trends ikut memberi sinyal. Tim memakai 80 kata kunci, dari gejala seperti batuk dan demam sampai istilah flu dan COVID-19. Pencarian soal gejala bergerak hampir bersamaan dengan kasus ISPA yang tercatat di fasilitas kesehatan.

Artinya, pencarian gejala menjadi cermin langsung beban penyakit saat itu. Para penulis menduga orang mencari informasi ketika mereka atau orang di sekitarnya sedang sakit. Sinyal ini melengkapi data kasus dan membantu kesiagaan petugas, bukan menggantikan data kasus itu sendiri.

Pencarian yang lebih umum bergerak lain. Pencarian bertema kesadaran penyakit atau pandemi, seperti COVID, kadang muncul sebelum kasus turun. Para penulis menyebutnya hipotesis: saat cemas, orang mungkin lebih berjaga, memakai masker, dan mengurangi kontak.

Kota dan Desa Berbeda

Ketepatan ramalan tidak merata antarprovinsi. Distrik di Kocaeli mencatat kinerja terkuat dengan median R² 0,58. Distrik di Diyarbakır lebih bervariasi, kemungkinan karena jumlah kasusnya lebih sedikit dan fluktuasi penularannya lebih acak.

Menurut kategori MAPE, gambarannya bergeser. Samsun menjadi yang paling konsisten, dengan 94 persen distriknya masuk kategori Baik atau Sangat baik. Kocaeli justru lebih rendah, yakni 57,7 persen distrik, meski provinsi itu unggul menurut ukuran R².

Distrik kota yang padat menghasilkan interval prediksi lebih sempit dan galat lebih stabil. Distrik perdesaan lebih mudah meleset besar, terutama pada minggu berkasus sangat rendah. Saat kasus sedikit, variasi acak berdampak jauh lebih besar sehingga tren wabah sungguhan sulit dibedakan dari gangguan latar.

Utara Lebih Dulu

Temuan lain menyangkut waktu datangnya wabah. Siklus tahunan 52 sampai 54 minggu terdeteksi di 89,9 persen distrik. Awal wabahnya pun berbeda menurut wilayah, dan perbedaan itu cukup konsisten dari tahun ke tahun.

Di Samsun, di pesisir utara kawasan Laut Hitam, wabah mulai sekitar minggu ke-31. Di Denizli, Diyarbakır, dan Kocaeli, median awal wabah baru jatuh pada minggu ke-38. Selisihnya tujuh minggu, dan para penulis menyebut pola utara-selatan ini mirip variasi musim influenza di berbagai belahan dunia.

Dari situ para penulis mengajukan usul kebijakan. Kalender vaksinasi nasional yang seragam dinilai bisa membuat warga utara kurang terlindungi saat puncak awal mereka. Mereka mendorong jadwal imunisasi bertahap, dimulai lebih awal di wilayah utara.

Usul kedua menyangkut peringatan dini. Laporan epidemiologi di Türkiye biasanya tertinggal seminggu, dan ramalan seminggu ke depan menutup jeda itu. “Untuk peringatan dini tingkat distrik, model sederhana yang digerakkan tren kasus terbaru lebih andal dan praktis ketimbang algoritma yang rumit,” tulis Kamer Kalip dari Direktorat Jenderal Kesehatan Masyarakat Kementerian Kesehatan Türkiye bersama rekan-rekannya dalam naskah berbahasa Inggris itu.

Baca juga Debu PM2.5 Menaikkan Risiko Influenza di Xinjiang 6,7 Persen

Batas Penelitian

Temuan ini punya sejumlah batas. ISPA diukur dari diagnosis gejala, bukan konfirmasi laboratorium, sehingga datanya kemungkinan mencakup banyak patogen. Kasus juga dicatat menurut lokasi fasilitas kesehatan tempat pasien berobat, bukan menurut alamat tinggal pasien.

Akibatnya, warga desa yang berobat ke kota bisa menggelembungkan angka kota dan mengecilkan beban desa. Data Google Trends pun hanya tersedia per provinsi. Angka itu lalu disamaratakan ke semua distrik di dalamnya, sehingga perbedaan perilaku antardistrik dalam satu provinsi ikut terhapus.

Periode penelitian juga beririsan dengan pandemi COVID-19. Menurut para penulis, intervensi dan perubahan perilaku berobat kala itu kemungkinan menggeser pola ISPA yang biasa. Data kementerian yang dipakai pun tidak dibuka untuk publik.

Kejanggalan dalam Naskah

Ada beberapa hal yang bisa diperiksa pembaca sendiri. Abstrak dan diskusi menyebut awal wabah di utara sekitar tujuh minggu lebih cepat. Bagian kesimpulan justru menyebutnya selisih satu bulan antara provinsi utara dan selatan, angka yang lebih pendek dari tujuh minggu.

Soal provinsi terbaik juga tidak seragam. Satu paragraf menyebut Kocaeli paling kuat dan paling konsisten, sedangkan paragraf berikutnya menyebut Samsun paling konsisten. Kocaeli pun hanya punya 57,7 persen distrik berkategori Baik atau Sangat baik.

Hitungan jendela waktu tidak dijabarkan. Latar belakang menyebut jeda laporan satu sampai dua minggu, sedangkan diskusi menyebut seminggu. Ramalan seminggu ke depan lalu disebut memberi jendela operasional dua sampai tiga minggu tanpa rincian hitungan.

Kalimat tentang batas 25 prediktor per distrik juga tercetak dua kali berturut-turut. Daftar keterbatasan langsung melompat ke kata Fourthly tanpa penanda urutan sebelumnya. Naskah memang masih berstatus dalam proses terbit, sehingga versi final nanti bisa saja berbeda.

Penelitian ini menunjukkan ramalan wabah tidak selalu butuh mesin rumit. Di 69 distrik Türkiye, catatan kasus beberapa minggu terakhir, ditambah jejak pencarian warga di internet, sudah cukup memberi aba-aba seminggu lebih awal.