BAB IV ANALISIS MODEL 2
|
|
- Yanti Hartono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB V AAL MODEL BAB V AAL MODEL Pada bab ini akan dibahas titik-titik kesetimbangan Model tanpa delay dan dengan delay. Model yang akan dibahas adalah Model Persamaan elain itu, pada bab ini juga diberikan simulasi Model untuk Persamaan yang sama. 4.1 Titik Kesetimbangan Tanpa Delay Modelnya adalah d () () t t V () t = γ mab γ () t (4.1) V d ( ) () t t τi V ( t τi) = mab γ () t (4.) V dv () () t V t () t = λ V ac λ V () t (4.3) dv ( ) () t V t τe ( t τe) = exp( λτ ) e ac λv ( t) (4.4) dengan tanpa delay terhadap waktu atau diasumsikan τ i dan τ e sama dengan nol, maka keempat Model diatas akan berbentuk d () () t t V () t = γ mab γ () t (4.5) V 3
2 BAB V AAL MODEL d () () t t V () t = mab γ () t (4.6) V dv () () t V t () t = λ V ac λ V () t (4.7) dv () () t V t () t = ac λv () t (4.8) Model diatas akan dinormalisasikan dengan mengasumsikan () t () t =, () t () t =, V () t V () t =, V V V () t () t = sehingga diperoleh Persamaan baru d () t = γ mab () t V() t γ (4.9) d () t = mab () t V() t γ () t (4.1) dv () t = λ acv() t () t λ V() t (4.11) dv () t = acv() t () t λv() t (4.1) Model ini memiliki dua titik kesetimbangan yaitu E = (1,,1, ) dan ( ) E1 = s*, *, Vs*, V * dengan γ ( ac + λ) ma bc γλ s* =, * = ac( mab + γ) ( mab + γ) ca λ( mab + γ) ma bc γλ Vs* =, V* = mab( ac + λ) mab( ac + λ) V Titik kesetimbangan yang pertama merupakan titik kesetimbangan bebas penyakit sedangkan titik yang kedua merupakan titik kesetimbangan endemik. 4
3 BAB V AAL MODEL a. Titik Kesetimbangan on Endemik (Titik Kesetimbangan Bebas Penyakit) Matrik Jacobi dari Model tanpa delay terhadap waktu di titik kesetimbangan bebas penyakit E = ( 1,,1, ) adalah -γ amb γ amb ac λ ac λ Persamaan karakteristik dari matriks Jacobi di titik kesetimbangan bebas penyakit adalah adalah ( s+ γ )( s+ λ)( s + sλ + sγ a cmb +γλ ) (4.13) Dari Persamaan diatas diperoleh dua nilai eigen yang negatif yaitu λ, γ, dan akar dari polinom (s + sλ + sγ a cmb +γλ) (4.14) elanjutnya dengan aturan Descartes akan ditentukan apakah akar dari polinom tersebut benilai negatif. Dari Persamaan 4.14 koefisien-koefisien Persamaan karakteristik pada saat s = s adalah x x x = 1 = ( γ + λ) 1 = a cmb+ γλ Koefisien x bernilai positif dan koefisien x 1 bernilai negatif, maka menurut aturan Descartes koefisien x a cmb γλ = + haruslah bernilai positif agar didapatkan dua kali perubahan tanda yang mengindikasikan ada dua akar negatif, sehingga x dapat ditulis dalam bentuk x = γλ(1 R ) dengan R = ambc γλ 5
4 BAB V AAL MODEL sehingga x akan bernilai positif jika R < 1. Maka dapat diketahui bahwa titik kesetimbangan bebas penyakit dari Model tanpa delay akan stabil asimtotik lokal jika dan hanya jika R < 1 dan tidak stabil untuk R > 1 b. Titik Kesetimbangan Endemik Titik kesetimbangan endemiknya yaitu E ( V V ) 1 = *, *, *. * dengan γ ( ac + λ) ma bc γλ * =, * = ac( mab + γ) ( mab + γ) ca λ( mab + γ) ma bc γλ V V* =, * = mab( ac + λ) mab( ac + λ) Matrik Jacobinya di titik tersebut adalah mbc + mb ac + γ ac + λ c( mab + γ ) γλ γ ( + λ) γ ac + λ c( mab + γ) cλ( mab+ γ) a mbc+ γλ λ mb( ac + λ) mab + γ cλ( mab + γ) a mbc + γλ λ mb( ac + λ) mab + γ -a γλ γ( λ) a mbc mb ac Persamaan karakteristik dari matrik Jacobi di titik kesetimbangan endemik adalah ( s + γ)( s + λ)( s + sλ + sγ + sambv + sac + mabv λ + γac a mbcv + γλ + a mbcv ) (4.15) Dari Persamaan 4.15 diperoleh dua nilai eigen yang negatif yaitu λ, γ dan akar dari polinom 6
5 BAB V AAL MODEL ( s + sλ + sγ + sambv + sac + mabvλ + γac ambcv γλ ambcv ) + + Persamaan karakteristiknya pada saat s = s adalah (4.16) elanjutnya dengan aturan Descartes akan ditentukan apakah akar dari polinom tersebut bernilai negatif. Dengan mensubtitusikan titik E 1 kesetimbangan ke Persamaan 16, maka akan diperoleh koefisien-koefisien x1 = 1 a mbc γλ a mbc γλ x = λ γ ac + λ amb + γ x 3 λ( a mbc γλ) γ ( a mbc γλ) ( a mbc γλ) ac + λ amb + γ ( ac + λ)( amb + γ) = + + yarat agar titik kesetimbangan stabil, menurut aturan Descartes adalah koefisien x bernilai positif, x 1 bernilai negatif dan x bernilai positif. Aturan Descartes akan terpenuhi jika ambc γλ > atau γλ( R 1) > dengan R = ambc γλ Artinya x 1 akan bernilai negatif dan x bernilai positif jika. Maka kestabilan titik kesetimbangan endemik Model dua akan stabil asimtotik lokal jika dan hanya jika R >. 1 R > 1 4. imulasi Model elanjutnya akan ditunjukkan dinamik dari ( t ), ( t ), V ( t ) dan V ( t) yang diperoleh dari Persamaan Model Tanpa Delay Waktu Misalkan diberikan nilai parameter untuk Model tanpa delay waktu yang telah dinormalisasikan, yaitu sebagai berikut 7
6 BAB V AAL MODEL m =, a =.35, b =.15, c =.5, λ =.5, γ =.3 Berdasarkan parameter diatas, akan diperoleh nilai R =.5733 < 1. imulasi ini menggunakan nilai awal () =.9, () =.1, V () = 1, dan V () = Maka Grafik ( t ), ( t ), V ( t ), dan V ( t ) terhadap waktu () t adalah sebagai berikut Gambar 4.1 Model Tanpa Delay Waktu untuk on Endemik Pada Grafik ( t), dapat dilihat bahwa banyaknya susceptible host naik ke titik kesetimbangannya karena ada faktor kelahiran alami. Pada Grafik ( t), dalam populasi terdapat host yang terinfeksi akibat terjadinya kontak antara susceptible host dengan infectious vector sehingga menjadi infectious host. elanjutnya, banyaknya infectious host dalam populasi terus berkurang karena kematian dari infectious host. al ini akan berlangsung terus hingga pada waktu yang lama akan habis menuju kondisi kesetimbangan. Begitu juga dengan Grafik V ( t), pada waktu awal banyaknya susceptible vector akan berkurang disebabkan karena adanya kontak antara susceptible vector dengan 8
7 BAB V AAL MODEL infectious host dan kematian dari susceptible vector. amun, akan bertambah karena adanya kelahiran susceptible vector. Penambahan ini akan terus terjadi sampai pada saat menuju kondisi kesetimbangan untuk waktu yang lama. edangkan untuk Grafik V ( t), dalam populasi vektor mulai ada vektor yang terinfeksi akibat terjadinya kontak antara susceptible vector dengan infectious host sehingga menjadi infectious vector. elanjutnya, banyaknya infectious vector dalam populasi terus berkurang menuju titik kesetimbangannya karena kematian alami dari infectious vector. elanjutnya Model akan dianalisis jika beberapa koefisiennya diganti. Misalkan dengan menaikkan parameter menjadi m =.1, a =.45, b =.5, c =.35. Maka diperoleh hasil seperti pada Gambar 4. sampai 4.5 Gambar 4. Kenaikan Parameter m Gambar 4.3 Kenaikan Parameter a 9
8 BAB V AAL MODEL Gambar 4.4 Kenaikan Parameter b Gambar 4.5 Kenaikan Parameter c Dari beberapa simulasi diatas, secara keseluruhan untuk R < 1 Grafik,, V dan V konvergen ke nilai kesimbangan bebas penyakitnya yaitu (1,, 1, ). amun jika nilai parameter m, a, b dan c dinaikkan maka Grafiknya jika dibandingkan dengan Grafik 4.1 akan semakin lambat menuju titik kesetimbangan bebas penyakitnya. Artinya semakin lambat menuju keadaan bebas penyakit. elain itu, R akan semakin besar dan mendekati satu yang berarti semakin mendekati epidemi penyakitnya. Misalkan diberikan nilai parameter untuk Model tanpa delay terhadap waktu yang telah dinormalisasikan, yaitu sebagai berikut m =, a =.5, b =.65, c =.35, λ =.5, γ =.3 Berdasarkan parameter diatas, akan diperoleh nilai R = > 1 dengan titik kesetimbangannya adalah (.5678,.43,.995,.75) seperti yang terlihat pada Gambar 4.6. imulasi ini menggunakan nilai awal () = 1, () =, V () =.99, dan V () =.1 Maka Grafik ( t ), ( t ), V ( t ), dan V ( t ) terhadap waktu () t adalah sebagai berikut 3
9 BAB V AAL MODEL Gambar 4.6 Model Tanpa Delay Waktu untuk Endemik Pada Grafik ( t), karena semakin meningkatnya jumlah host yang terinfeksi disebabkan oleh adanya kontak antara susceptible host dengan infectious vector mengakibatkan jumlah susceptible host mengalami penurunan, selain itu juga karena kematian dari susceptible host. Penurunan ini akan terus berlangsung hingga mencapai titik kesetimbangannya. Pada Grafik ( t), di awal terjadinya endemik, jumlah infectious host meningkat akibat terjadinya kontak antara susceptible host dengan infectious vector. al ini akan berlangsung terus hingga pada waktu yang lama akan menuju kondisi kesetimbangannya. Begitu juga dengan Grafik V ( t), pada waktu awal banyaknya susceptible vector akan naik karena ada kelahiran. amun akan berkurang disebabkan karena adanya kontak antara susceptible vector dengan infectious host dan kematian dari susceptible vector. Pengurangan ini akan terus terjadi sampai menuju kondisi kesetimbangan. edangkan untuk Grafik V ( t), pada mulanya dalam populasi vektor ada vektor yang terinfeksi. Kemudian, banyaknya infectious vector dalam populasi berkurang karena 31
10 BAB V AAL MODEL mengalami kematian. amun dengan bertambahnya populasi susceptible vector menyebabkan infectious vector ikut naik karena kontak antara susceptible vector dengan infectious host sehingga menjadi infectious vector. Pertambahan ini akan naik terus mencapai titik kesetimbangannya. elanjutnya Model akan dianalisis jika beberapa koefisiennya diganti. Misalkan dengan menaikkan parameter menjadi m =.1, a =.35, b =.165, c =.135. Maka diperoleh hasil seperti pada Gambar 4.7 sampai 4.1. Gambar 4.7 Kenaikan Parameter m Gambar 4.9 Kenaikan Parameter b Gambar 4.8 Kenaikan Parameter a Gambar 4.1 Kenaikan Parameter c 3
11 BAB V AAL MODEL Dari Gambar 4.7 diperoleh R = > 1dengan titik kesetimbangannya adalah (.541,.459,.99,.8). edangkan pada Gambar 4.8 diperoleh R = > 1dengan titik kesetimbangannya (.95,.775,.983,.17). Begitu juga dengan Gambar 4.9 dan Gambar 4.1 dimana diperoleh R = > 1 dan R = > 1 dengan titik kesetimbangan (.5,.775,.9866,.134) dan (.1544,.8456,.946,.54). ecara keseluruhan, berdasarkan kenaikan parameter-parameter diatas diperoleh nilai R >, dan Grafik ( t ), ( t ), V ( t ), dan V ( t) konvergen ke nilai 1 kesetimbangan endemiknya. Dari beberapa simulasi di atas, dapat diketahui bahwa jika nilai m, a, b dan c kita naikkan (R akan naik) maka jumlah susceptible host dan susceptible vector mengalami penurunan lebih cepat sedangkan infectious host dan infectious vector mengalami kenaikan lebih cepat. Artinya terjadinya epidemi demam berdarah lebih cepat jika nilai R semakin besar. elain itu, kenaikan parameter menyebabkan () t, ( t ), V ( t ), dan V ( t) semakin cepat menuju titik kesetimbangan endemiknya. Dari semua simulasi numerik Model Persamaan 4.9 sampai 4.1 dengan tanpa delay, diperoleh hasil seperti yang terlihat pada Gambar 4.1 sampai 4.1. imulasi diatas dilihat untuk mengetahui sensitivitas parameter Model 4.9 sampai 4.1 terhadap nilai R. 33
12 BAB V AAL MODEL ecara umum diperoleh hasil untuk nilai a. R < 1 Jika nilai parameter m, a, b dan c dinaikkan maka ( t ), ( t ), V ( t), dan V () t b. R > 1 akan semakin lambat menuju titik kesetimbangan bebas penyakitnya. Kenaikan parameter menyebabkan ( t ), ( t ), V ( t ), dan V ( t) semakin cepat menuju titik kesetimbangan endemiknya. Jumlah susceptible host dan susceptible vector mengalami penurunan lebih cepat sedangkan infectious host dan infectious vector mengalami kenaikan lebih cepat. Artinya terjadinya epidemik demam berdarah lebih cepat jika nilai R semakin besar. asil yang diperoleh diatas adalah dengan menggunakan nilai awal yang telah ditetapkan. Oleh sebab itu dilakukan simulasi untuk nilai awal yang berbeda-beda, yakni a. () = 1, () =, V () =.9, dan V () =.1 dan () = 1, () =, V () =.75, dan V () =.5 Gambar 4.11 Kenaikan ilai Awal nfectious Vector Jika nilai awal V di perbanyak menjadi.5 (Gambar kanan), maka dan V akan semakin cepat turun sedangkan dan V akan semakin cepat naik. 34
13 BAB V AAL MODEL b. () =.9, () =.1, V () = 1, dan V () = dan () =.75, () =.5, V () = 1, dan V () = Gambar 4.1 Kenaikan ilai Awal nfectious ost Pada mulanya tidak ada vektor yang terinfeksi, namun karena ada host yang terinfeksi kontak dengan susceptible vector menyebabkan mulai bertambahnya vektor yang terinfeksi. Kemudian jika diperbanyak menjadi.5 (Gambar 4.1 kanan), maka penurunan jumlah V dan pertambahan V akan semakin cepat. Dari beberapa simulasi nilai awal diatas dapat ditarik kesimpulan bahwa Jika nilai awal V diperbesar, menyebabkan jumlah akan ikutan naik sehingga dan V akan turun. Jika nilai awal diperbesar, menyebabkan kenaikan pada jumlah V sehingga V dan juga akan turun. Adanya sangat mempengaruhi pertambahan V atau sebaliknya, walaupun pada keadaan awal nilainya sama dengan nol. ehingga dapat disimpulkan bahwa pemilihan skenario nilai awal tidak terlalu berpengaruh dalam simulasi ini. 35
14 BAB V AAL MODEL 4.. Model dengan Delay Waktu Misalkan diberikan nilai parameter untuk Model dengan delay waktu, yaitu sebagai berikut m =, a =.3, b =.95, c =.75, λ =.5, γ =.3, = 1, = 1, τ = 4, dan τ = 6 V i e Berdasarkan parameter diatas, akan diperoleh nilai R =.3984 < 1. imulasi ini menggunakan fungsi awal ( t) = exp( t), ( t) = exp( t), V ( t) = exp( t), dan V ( t) = exp( t) Maka Grafik ( t ), ( t ), V ( t ), dan V ( t ) terhadap waktu () t adalah sebagai berikut Gambar 4.15 Model dengan Delay Waktu untuk on Endemik elanjutnya Model akan dianalisis jika beberapa koefisiennya diganti. Misalkan dengan menaikkan parameter menjadi m =.1, a =.4, b =.195, dan c =.175, Maka diperoleh hasil seperti pada Gambar 36
15 BAB V AAL MODEL Gambar 4.16 Kenaikan Parameter m, a, b, dan c Dari beberapa simulasi diatas diperoleh nilai R < 1. Jika nilai parameter m, a, b dan c dinaikkan, dibandingkan dengan Gambar 4.15 keempat Gambar 4.16 akan semakin lambat menuju titik kesetimbangan bebas penyakitnya. Artinya semakin lambat menuju keadaan bebas penyakit. Misalkan diberikan nilai parameter untuk Model dengan delay waktu, yaitu sebagai berikut m =, a =.45, b =.15, c =.85, λ =.5, γ =.3, = 1, = 1, τ = 4, dan τ = 6 V i e Berdasarkan parameter diatas, akan diperoleh nilai R = > 1. imulasi ini menggunakan fungsi awal 37
16 BAB V AAL MODEL ( t) = exp( t), ( t) = exp( t), V ( t) = exp( t), dan V ( t) = exp( t) Maka Grafik ( t ), ( t ), V ( t ), dan V ( t ) terhadap waktu () t adalah sebagai berikut Gambar 4.17 Model dengan Delay Waktu untuk Endemik elanjutnya Model akan dianalisis jika beberapa koefisiennya diganti. Misalkan dengan menaikkan parameter menjadi m =.1, a =.5, b =.5, c =.185, τ = 8, dan τ = 7 Maka diperoleh hasil seperti pada Gambar i e 38
17 BAB V AAL MODEL Gambar 4.18 Kenaikan Parameter m, a, b, dan c Dari beberapa simulasi di atas, dapat diketahui bahwa jika nilai m, a, b dan c kita naikkan maka ( t ), ( t ), V ( t ), dan V ( t) semakin cepat menuju titik kesetimbangan endemiknya. Kemudian hasil yang diperoleh diatas adalah dengan menggunakan fungsi awal ( t) = exp( t), ( t) = exp( t), V ( t) = exp( t), dan V ( t) = exp( t) Oleh sebab itu dilakukan simulasi untuk fungsi awal yang berbeda-beda, yakni a. ( t) = exp(1 + t), ( t) = exp( t), V ( t) = exp( t), dan V ( t) = exp( t) Gambar
18 BAB V AAL MODEL b. ( t) = exp( t), ( t) = exp(1 3 t), V ( t) = exp(1 + t), dan V ( t) = exp( t) Gambar 4. Dari hasil simulasi nilai awal diatas dapat disimpulkan bahwa skenario fungsi awal juga tidak terlalu berpengaruh dalam simulasi ini. elanjutnya akan dibandingkan analisis numerik Model dengan delay dan tanpa delay waktu untuk parameter yang sama yaitu m =, a =.45, b =.15, c =.85, λ =.5, γ =.3, = 1, = 1, τ = 4, dan τ = 6 Maka akan diperoleh hasil sebagai berikut V i e Gambar 4.1 imulasi dengan Delay Gambar 4. imulasi tanpa Delay 4
19 BAB V AAL MODEL Dari simulasi diatas dapat disimpulkan bahwa penggunaan delay waktu membuat,, V dan V lebih lama naik dan turun serta lebih lama menuju titik kesetimbangannya. Artinya dengan adanya delay waktu menyebabkan maksimum kejadian demam berdarah dengue akan semakin lama jika dibandingkan dengan tidak ada delay waktu. 41
BAB III BASIC REPRODUCTION NUMBER
BAB III BASIC REPRODUCTIO UMBER Dalam kaitannya dengan kejadian luar biasa, dalam epidemiologi matematika dikenal suatu besaran ambang batas (threshold) yang menjadi indikasi apakah dalam suatu populasi
Lebih terperinciOleh Nara Riatul Kasanah Dosen Pembimbing Drs. Sri Suprapti H., M.Si
Oleh Nara Riatul Kasanah 1209100079 Dosen Pembimbing Drs. Sri Suprapti H., M.Si JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2014 PENDAHULUAN
Lebih terperinciBAB IV PENGEMBANGAN MODEL KAPLAN
BAB IV PENGEMBANGAN MODEL KAPLAN Pada bab ini akan dibahas model yang dikembangkan dari model Kaplan. Terdapat beberapa asumsi Kaplan yang akan dimodifikasi. Selain itu, pada bab ini juga diberikan analisis
Lebih terperinciBAB III MODEL KAPLAN. 3.1 Model Kaplan
BAB III MODEL KAPLAN Pada bab ini akan dipaparkan model Kaplan secara terperinci sebelum memodifikasinya menjadi model yang lebih realistis pada bab selanjutnya. Kaplan memberikan suatu model deterministik
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Sistem Persamaan diferensial Persamaan diferensial merupakan persamaan yang melibatkan turunanturunan dari fungsi yang tidak diketahui (Waluya, 2006). Contoh 2.1 : Diberikan persamaan
Lebih terperinciAnalisa Kualitatif pada Model Penyakit Parasitosis
Analisa Kualitatif pada Model Penyakit Parasitosis Nara Riatul Kasanah dan Sri Suprapti H Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember (ITS) Jl.
Lebih terperinciModel Matematika Penyebaran Internal Demam Berdarah Dengue dalam Tubuh Manusia
BAB IV Model Matematika Penyebaran Internal Demam Berdarah Dengue dalam Tubuh Manusia Bab ini menjelaskan model penyebaran virus Dengue dalam tubuh manusia, atau dikenal sebagai model internal. Bagian
Lebih terperinciBab V Model Dengan Faktor Denda Bagi Para Perokok
Bab V Model Dengan Faktor Denda Bagi Para Perokok V.1 Pembentukan Model Model ketiga ini merupakan pengembangan dari model kedua yaitu dengan memasukkan faktor yang dapat menekan laju pertambahan jumlah
Lebih terperinciIV HASIL DAN PEMBAHASAN
IV HASIL DAN PEMBAHASAN 4.1 Penentuan Titik Tetap Analisis titik tetap pada sistem persamaan diferensial sering digunakan untuk menentukan suatu solusi yang tidak berubah menurut waktu, yaitu pada saat
Lebih terperinciBab II Teori Pendukung
Bab II Teori Pendukung II.1 Sistem Autonomous Tinjau sistem persamaan differensial berikut, = dy = f(x, y), g(x, y), (2.1) dengan asumsi f dan g adalah fungsi kontinu yang mempunyai turunan yang kontinu
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Sistem Persamaan Diferensial Definisi 2.1.1 Persamaan Diferensial Persamaan diferensial adalah persamaan yang memuat variabel bebas, variabel tak bebas dan derivative-derivatif
Lebih terperinciBab III Model Awal Kecanduan Terhadap Rokok
Bab III Model Awal Kecanduan Terhadap Rokok III.1 Pembentukan Model Model kecanduan terhadap rokok dibentuk menggunakan model dasar dalam epidemiologi yaitu model SIR (Susceptible, Infective, Removed)
Lebih terperinciModel Matematika Penyebaran Eksternal Demam Berdarah Dengue
BAB II Model Matematika Penyebaran Eksternal Demam Berdarah Dengue Bab ini terbagi menjadi tiga bagian. Bagian pertama berisi penurunan model matematika penyebaran penyakit DBD yang selanjutnya akan disebut
Lebih terperinciBAB III HASIL DAN PEMBAHASAN. ekuilibrium bebas penyakit beserta analisis kestabilannya. Selanjutnya dilakukan
BAB III HASIL DAN PEMBAHASAN Pada bab ini akan dijelaskan mengenai model matematika penyakit campak dengan pengaruh vaksinasi, diantaranya formulasi model penyakit campak, titik ekuilibrium bebas penyakit
Lebih terperinciKesimpulan serta Masalah yang masih Terbuka
BAB VI Kesimpulan serta Masalah yang masih Terbuka VI.1 Kesimpulan Secara umum model yang dihasilkan dapat menunjukkan adanya endemik di suatu daerah untuk nilai parameter tertentu. Hal ini dapat dilihat
Lebih terperinciFAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2014
JURUSAN MATEMATIKA Nurlita Wulansari (1210100045) Dosen Pembimbing: Drs. M. Setijo Winarko, M.Si Drs. Lukman Hanafi, M.Sc FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER
Lebih terperinciIII PEMBAHASAN. μ v. r 3. μ h μ h r 4 r 5
III PEMBAHASAN 3.1 Perumusan Model Model yang akan dibahas dalam karya ilmiah ini adalah model SIDRS (Susceptible Infected Dormant Removed Susceptible) dari penularan penyakit malaria dalam suatu populasi.
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini akan dibahas tinjauan pustaka yang akan digunakan untuk tesis ini, yang selanjutnya akan di perlukan pada Bab 3. Tinjauan pustaka yang dibahas adalah mengenai yang mendukung
Lebih terperinciIV HASIL DAN PEMBAHASAN
4. Penentuan Titik Tetap I HAIL DAN PEMBAHAAN Analisis titik tetap pada sistem persamaan diferensial sering digunakan untuk menentukan suatu solusi yang tidak berubah terhadap waktu (solusi konstan). Titik
Lebih terperinciIV. HASIL DAN PEMBAHASAN. 4.1 Asumsi yang digunakan dalam sistem mangsa-pemangsa. Dimisalkan suatu habitat dimana spesies mangsa dan pemangsa hidup
IV. HASIL DAN PEMBAHASAN 4.1 Asumsi yang digunakan dalam sistem mangsa-pemangsa Dimisalkan suatu habitat dimana spesies mangsa dan pemangsa hidup berdampingan. Diasumsikan habitat ini dibagi menjadi dua
Lebih terperinciBAB V KESIMPULAN DAN SARAN. 5.1 Kesimpulan Berdasarkan hasil analisis model epidemik beserta simulasinya, diperoleh kesimpulan sebagai berikut:
BAB V KESIMPULAN DAN SARAN Pada bab ini disimpulkan hasil analisa model epidemik bertipe SIA dengan transmisi vertikal, dan penyakit menyebar melalui transfer transpacental (bersifat turun temurun) dengan
Lebih terperinciBab 3 MODEL DAN ANALISIS MATEMATIKA
Bab 3 MODEL DAN ANALISIS MATEMATIKA Pada bab ini akan dimodelkan permasalahan penyebaran virus flu burung yang bergantung pada ruang dan waktu. Pada bab ini akan dibahas pula analisis dari model hingga
Lebih terperinciBAB IV PEMBAHASAN. 4.1 Analisis Kestabilan Model Matematika AIDS dengan Transmisi. atau Ibu menyusui yang positif terinfeksi HIV ke anaknya.
BAB IV PEMBAHASAN Pada bab ini dilakukan analisis model penyebaran penyakit AIDS dengan adanya transmisi vertikal pada AIDS. Dari model matematika tersebut ditentukan titik setimbang dan kemudian dianalisis
Lebih terperinciPENYELESAIAN NUMERIK DAN ANALISA KESTABILAN PADA MODEL EPIDEMIK SEIR DENGAN PENULARAN PADA PERIODE LATEN
PENYELESAIAN NUMERIK DAN ANALISA KESTABILAN PADA MODEL EPIDEMIK SEIR DENGAN PENULARAN PADA PERIODE LATEN Oleh: Labibah Rochmatika (12 09 100 088) Dosen Pembimbing: Drs. M. Setijo Winarko M.Si Drs. Lukman
Lebih terperinciANALISIS STABILITAS SISTEM DINAMIK UNTUK MODEL MATEMATIKA EPIDEMIOLOGI TIPE-SIR (SUSCEPTIBLES, INFECTION, RECOVER)
Jurnal Euclid, Vol.4, No.1, pp.646 ANALISIS STABILITAS SISTEM DINAMIK UNTUK MODEL MATEMATIKA EPIDEMIOLOGI TIPE-SIR (SUSCEPTIBLES, INFECTION, RECOVER) Herri Sulaiman Program Studi Pendidikan Matematika
Lebih terperinciModel Matematika SIV Untuk Penyebaran Virus Tungro Pada Tanaman Padi
Seminar Matematika dan Pendidikan Matematika UNY 2017 Model Matematika SIV Untuk Penyebaran Virus Tungro Pada Tanaman Padi Sischa Wahyuning Tyas 1, Dwi Lestari 2 Universitas Negeri Yogyakarta 1 Universitas
Lebih terperinciADLN PERPUSTAKAAN UNIVERSITAS AIRLANGGA BAB IV PEMBAHASAN. optimal dari model untuk mengurangi penyebaran polio pada dengan
BAB IV PEMBAHASAN Pada bab ini akan dilakukan analisis model dan kontrol optimal penyebaran polio dengan vaksinasi. Dari model matematika penyebaran polio tersebut akan ditentukan titik setimbang dan kemudian
Lebih terperinciKENDALI OPTIMAL PADA PENCEGAHAN WABAH FLU BURUNG DENGAN ELIMINASI, KARANTINA DAN PENGOBATAN
KENDALI OPTIMAL PADA PENCEGAHAN WABAH FLU BURUNG DENGAN ELIMINASI, KARANTINA DAN PENGOBATAN OLEH : TASLIMA NRP : 1209201728 DOSEN PEMBIMBING 1. SUBCHAN, M.Sc, Ph.d 2. Dr. ERNA APRILIANI, M.Sc ABSTRAK Salah
Lebih terperinciInisialisasi Sistem Peringatan Dini Penyebaran Penyakit Demam Berdarah Dengue
BAB V Inisialisasi Sistem Peringatan Dini Penyebaran Penyakit Demam Berdarah Dengue Bab ini menjelaskan konstruksi perangkat lunak sistem peringatan dini outbreaks DBD. Sistem peringatan dini ini dirancang
Lebih terperinciOleh : Dinita Rahmalia NRP Dosen Pembimbing : Drs. M. Setijo Winarko, M.Si.
PERMODELAN MATEMATIKA DAN ANALISIS STABILITAS DARI PENYEBARAN PENYAKIT FLU BURUNG (MATHEMATICAL MODEL AND STABILITY ANALYSIS THE SPREAD OF AVIAN INFLUENZA) Oleh : Dinita Rahmalia NRP 1206100011 Dosen Pembimbing
Lebih terperinciDinamik Model Epidemi SIRS dengan Laju Kematian Beragam
Jurnal Matematika Integratif ISSN 1412-6184 Volume 10 No 1, April 2014, hal 1-7 Dinamik Model Epidemi SIRS dengan Laju Kematian Beragam Ni matur Rohmah, Wuryansari Muharini Kusumawinahyu Jurusan Matematika,
Lebih terperinciBAB II KAJIAN TEORI. digunakan pada bab pembahasan. Teori-teori ini digunakan sebagai bahan acuan
BAB II KAJIAN TEORI Pada bab ini akan dijelaskan mengenai landasan teori yang akan digunakan pada bab pembahasan. Teori-teori ini digunakan sebagai bahan acuan yang mendukung tujuan penulisan. Materi-materi
Lebih terperinciBAB I PENDAHULUAN. adalah penyakit menular karena masyarakat harus waspada terhadap penyakit
BAB I PENDAHULUAN A. Latar Belakang Kesehatan adalah suatu hal yang sangat penting dalam kehidupan karena jika seseorang mengalami masalah kesehatan maka aktivitas seseorang tersebut akan terganggu. Masalah
Lebih terperinciBAB 3 MODEL DASAR DINAMIKA VIRUS HIV DALAM TUBUH
BAB 3 MODEL DASA DINAMIKA VIUS HIV DALAM TUBUH 3.1 Moel Dasar Moel asar inamika virus HIV alam tubuh menggunakan beberapa asumsi sebagai berikut: Mula-mula tubuh alam keaaan tiak terinfeksi virus atau
Lebih terperinciANALISIS KESTABILAN DAN PROSES MARKOV MODEL PENYEBARAN PENYAKIT EBOLA
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 04, No. 3 (2015), hal 163-172 ANALISIS KESTABILAN DAN PROSES MARKOV MODEL PENYEBARAN PENYAKIT EBOLA Auliah Arfani, Nilamsari Kusumastuti, Shantika
Lebih terperinciKESTABILAN MODEL SUSCEPTIBLE VACCINATED INFECTED RECOVERED (SVIR) PADA PENYEBARAN PENYAKIT CAMPAK (MEASLES) (Studi Kasus di Kota Semarang)
KESTABILAN MODEL SUSCEPTIBLE VACCINATED INFECTED RECOVERED (SVIR) PADA PENYEBARAN PENYAKIT CAMPAK (MEASLES) (Studi Kasus di Kota Semarang) Melita Haryati 1, Kartono 2, Sunarsih 3 1,2,3 Jurusan Matematika
Lebih terperinciBAB I PENDAHULUAN. Dalam perkembangan zaman saat ini yang terus maju, diperlukan suatu
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam perkembangan zaman saat ini yang terus maju, diperlukan suatu analisis yang dapat diterima secara ilmiah terhadap setiap peristiwa yang terjadi dalam kehidupan
Lebih terperinciBAB III PEMBAHASAN. Ebola. Setelah model terbentuk, akan dilanjutkan dengan analisa bifurkasi pada
BAB III PEMBAHASAN Pada bab ini akan dibentuk model matematika dari penyebaran penyakit virus Ebola. Setelah model terbentuk, akan dilanjutkan dengan analisa bifurkasi pada parameter laju transmisi. A.
Lebih terperinciStudi Penyebaran Penyakit Flu Burung Melalui Kajian Dinamis Revisi Model Endemik SIRS Dengan Pemberian Vaksinasi Unggas. Jalan Sukarno-Hatta Palu,
Studi Penyebaran Penyakit Flu Burung Melalui Kajian Dinamis Revisi Model Endemik SIRS I. Murwanti 1, R. Ratianingsih 1 dan A.I. Jaya 1 1 Jurusan Matematika FMIPA Universitas Tadulako, Jalan Sukarno-Hatta
Lebih terperinciMODEL SIR (SUSCEPTIBLE, INFECTIOUS, RECOVERED) UNTUK PENYEBARAN PENYAKIT TUBERKULOSIS
e-jurnal Matematika Vol 1 No 1 Agustus 2012, 52-58 MODEL SIR (SUSCEPTIBLE, INFECTIOUS, RECOVERED) UNTUK PENYEBARAN PENYAKIT TUBERKULOSIS K QUEENA FREDLINA 1, TJOKORDA BAGUS OKA 2, I MADE EKA DWIPAYANA
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN Pada Bab I Pendahuluan ini dijelaskan mengenai latar belakang yang mendasari penelitian yang kemudian dirumuskan dalam rumusan masalah. Berdasarkan latar belakang dan rumusan masalah
Lebih terperinciANALISIS DAN SIMULASI MODEL MATEMATIKA PENYAKIT DEMAM DENGUE DENGAN SATU SEROTIF VIRUS DENGUE
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 3 (2014), hal 153 162. ANALISIS DAN SIMULASI MODEL MATEMATIKA PENYAKIT DEMAM DENGUE DENGAN SATU SEROTIF VIRUS DENGUE Hendri Purwanto,
Lebih terperinciPEMODELAN MATEMATIKA DAN ANALISIS KESTABILAN MODEL PADA PENYEBARAN HIV-AIDS
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 04, No. 2 (2015), hal 101 110 PEMODELAN MATEMATIKA DAN ANALISIS KESTABILAN MODEL PADA PENYEBARAN HIV-AIDS Dwi Haryanto, Nilamsari Kusumastuti,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Sistem Persamaan Diferensial Banyak sekali masalah terapan dalam ilmu teknik, ilmu fisika, biologi, dan lain-lain yang telah dirumuskan dengan model matematika dalam bentuk pesamaan
Lebih terperinciPenyelesaian Numerik dan Analisa Kestabilan pada Model Epidemik SEIR dengan Memperhatikan Adanya Penularan pada Periode Laten
Penyelesaian Numerik dan Analisa Kestabilan pada Model Epidemik SEIR dengan Memperhatikan Adanya Penularan pada Periode Laten Labibah Rochmatika,Drs. M. Setijo Winarko, M.Si dan Drs. Lukman Hanafi, M.Sc
Lebih terperinciIV PEMBAHASAN. jika λ 1 < 0 dan λ 2 > 0, maka titik bersifat sadel. Nilai ( ) mengakibatkan. 4.1 Model SIR
9 IV PEMBAHASAN 4.1 Model SIR 4.1.1 Titik Tetap Untuk mendapatkan titik tetap diperoleh dari dua persamaan singular an ) sehingga dari persamaan 2) diperoleh : - si + s = 0 9) si + )i = 0 didapat titik
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Sistem Persamaan diferensial Persamaan diferensial adalah suatu persamaan yang di dalamnya terdapat turunan-turunan. Jika terdapat variabel bebas tunggal, turunannya merupakan
Lebih terperinciModel Deterministik Masalah Kecanduan Narkoba dengan Faktor Kontrol Terhadap Pemakai dan Pengedar Narkoba
Vol. 7 No. 3-22 Juli 2 Model Deterministik Masalah Kecanduan Narkoba dengan Faktor Kontrol Terhadap Pemakai dan Pengedar Narkoba Kasbawati Syamsuddin Toaha Abstrak Salah satu epidemi yang sedang mengancam
Lebih terperinciBAB III PEMBAHASAN. tenggorokan, batuk, dan kesulitan bernafas. Pada kasus Avian Influenza, gejala
BAB III PEMBAHASAN A. Permasalahan Nyata Flu Burung (Avian Influenza) Avian Influenza atau yang lebih dikenal dengan flu burung adalah suatu penyakit menular yang disebabkan oleh virus influenza tipe A.
Lebih terperinciOleh : HASNAN NASRUN SUBCHAN, MAHMUD YUNUS
Oleh : HASNAN NASRUN SUBCHAN, MAHMUD YUNUS ABSTRAK Penyakit Tuberkulosis (TB) merupakan salah satu penyakit menular tertua yang menyerang manusia. Badan kesehatan dunia (WHO) menyatakan bahwa sepertiga
Lebih terperinciKESTABILAN DAN BIFURKASI MODEL EPIDEMIK SEIR DENGAN LAJU KESEMBUHAN TIPE JENUH. Oleh: Khoiril Hidayati ( )
KESTABILAN DAN BIFURKASI MODEL EPIDEMIK SEIR DENGAN LAJU KESEMBUHAN TIPE JENUH Oleh: Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya 2013 Latar
Lebih terperinciAnalisis Kestabilan Model MSEIR Penyebaran Penyakit Difteri Dengan Saturated Incidence Rate
Analisis Kestabilan Model MSEIR Penyebaran Penyakit Difteri Dengan Saturated Incidence Rate I Suryani 1 Mela_YuenitaE 2 12 Jurusan Matematika Fakultas Sains dan Teknologi UIN Sultan Syarif Kasim Riau Jl
Lebih terperinciIII. MODEL MATEMATIK PENYEBARAN PENYAKIT DBD
III. MODEL MATEMATIK PENYEBARAN PENYAKIT DBD 8 3.1 Model SIR Model SIR pada uraian berikut mengacu pada kajian Derouich et al. (2003). Asumsi yang digunakan adalah: 1. Total populasi nyamuk dan total populasi
Lebih terperinciMODEL EPIDEMIK SIR UNTUK PENYAKIT YANG MENULAR SECARA HORIZONTAL DAN VERTIKAL
MODEL EPIDEMIK SIR UNTUK PENYAKIT YANG MENULAR SECARA HORIZONTAL DAN VERTIKAL ILMIYATI SARI 1, HENGKI TASMAN 2 1 Pusat Studi Komputasi Matematika, Universitas Gunadarma, ilmiyati@staff.gunadarma.ac.id
Lebih terperinciMODEL MATEMATIKA PENYAKIT DIABETES DENGAN PENGARUH TRANSMISI VERTIKAL
MODEL MATEMATIKA PENYAKIT DIABETES DENGAN PENGARUH TRANSMISI VERTIKAL T - 5 Debby Agustine Jurusan Matematika, Universitas Negeri Jakarta, Indonesia debbyagustine@gmail.com Abstrak Diabetes merupakan salah
Lebih terperinciAnalisis Stabilitas Model SIR (Susceptibles, Infected, Recovered) Pada Penyebaran Penyakit Demam Berdarah Dengue di Provinsi Maluku
Analisis Stabilitas Model SIR (Susceptibles, Infected, Recovered) Pada Penyebaran Penyakit Demam Berdarah Dengue di Provinsi Maluku Zeth Arthur Leleury Jurusan Matematika Fakultas MIPA Universitas Pattimura
Lebih terperinciOLEH : IKHTISHOLIYAH DOSEN PEMBIMBING : Dr. subiono,m.sc
OLEH : IKHTISHOLIYAH 1207 100 702 DOSEN PEMBIMBING : Dr. subiono,m.sc JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2011 Pemodelan matematika
Lebih terperinciAPLIKASI METODE MATRIKS GENERASI DALAM MENENTUKAN NILAI MATEMATIKA PENYEBARAN VIRUS HIV/AIDS. 10 Makassar, kode Pos 90245
APLIKASI METODE MATRIKS GENERASI DALAM MENENTUKAN NILAI MATEMATIKA PENYEBARAN VIRUS HIV/AIDS MODEL Septiangga Van Nyek Perdana Putra 1), Kasbawati 2), Syamsuddin Toaha 3) 1) Mahasiswa Jurusan Matematika,
Lebih terperinciKESTABILAN MODEL EPIDEMIK SEIR DENGAN WAKTU TUNDA STABILITY OF SEIR EPIDEMIC MODEL WITH TIME DELAY
KESTABILAN MODEL EPIDEMIK SEIR DENGAN WAKTU TUNDA STABILITY OF SEIR EPIDEMIC MODEL WITH TIME DELAY Wahyudi Rusdi, Syamsuddin Toaha, Jeffry Kusuma Bagian Matematika Terapan, Fakultas Matematika dan Ilmu
Lebih terperinciDengan maraknya wabah DBD ini perlu adanya suatu penelitian dan pemikiran yang
BAB I Pendahuluan Dari sisi pandang WHO, Demam Berdarah Dengue (selanjutnya disingkat DBD) telah menjadi salah satu penyakit yang tergolong epidemik dan endemik serta belum ditemukan obatnya. Sejak tahun
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan makhluk hidup ini banyak permasalahan yang muncul seperti diantaranya banyak penyakit menular yang mengancam kehidupan. Sangat diperlukan sistem untuk
Lebih terperinciPEMODELAN MATEMATIKA DAN ANALISIS STABILITAS DARI PENYEBARAN PENYAKIT FLU BURUNG
PEMODELAN MATEMATIKA DAN ANALISIS STABILITAS DARI PENYEBARAN PENYAKIT FLU BURUNG Dinita Rahmalia Universitas Islam Darul Ulum Lamongan, Abstrak. Di Indonesia terdapat banyak peternak unggas sebagai matapencaharian
Lebih terperinciANALISIS STABILITAS MODEL MATEMATIKA DARI PENYEBARAN PENYAKIT MENULAR MELALUI TRANSPORTASI ANTAR DUA KOTA
ANALISIS STABILITAS MODEL MATEMATIKA DARI PENYEBARAN PENYAKIT MENULAR MELALUI TRANSPORTASI ANTAR DUA KOTA ANALYSIS OF STABILITY OF SPREADING DISEASE MATHEMATICAL MODEL WITH TRANSPORT-RELATED INFECTION
Lebih terperinciAnalisis Kestabilan Pada Model Transmisi Virus Hepatitis B yang Dipengaruhi Oleh Migrasi
Analisis Kestabilan Pada Model Transmisi Virus Hepatitis B yang Dipengaruhi Oleh Migrasi 1 Firdha Dwishafarina Zainal, Setijo Winarko, dan Lukman Hanafi Jurusan Matematika, Fakultas MIPA, Institut Teknologi
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Hama adalah organisme yang mengganggu atau merusak tanaman sehingga pertumbuhan dan perkembangannya terganggu. Secara umum, organisme tersebut adalah mikroorganisme
Lebih terperinciANALISIS DINAMIK MODEL EPIDEMI SIRS DENGAN MODIFIKASI TINGKAT KEJADIAN INFEKSI NONMONOTON DAN PENGOBATAN
ANALISIS DINAMIK MODEL EPIDEMI SIRS DENGAN MODIFIKASI TINGKAT KEJADIAN INFEKSI NONMONOTON DAN PENGOBATAN Suryani, Agus Suryanto, Ratno Bagus E.W Pelaksana Akademik Mata Kuliah Universitas, Universitas
Lebih terperinciBAB II LANDASAN TEORI. eigen dan vektor eigen, persamaan diferensial, sistem persamaan diferensial, titik
BAB II LANDASAN TEORI Pada bab ini, akan dijelaskan landasan teori yang akan digunakan dalam bab selanjutnya sebagai bahan acuan yang mendukung dan memperkuat tujuan penelitian. Landasan teori yang dimaksud
Lebih terperinciANALISIS KESTABILAN MODEL MANGSA-PEMANGSA DENGAN MANGSA YANG TERINFEKSI DI LINGKUNGAN TERCEMAR
ANALISIS KESTABILAN MODEL MANGSA-PEMANGSA DENGAN MANGSA YANG TERINFEKSI DI LINGKUNGAN TERCEMAR Oleh: Drs. M. Setijo Winarko, M.Si Drs. I Gusti Ngurah Rai Usadha, M.Si Subchan, Ph.D Drs. Kamiran, M.Si Noveria
Lebih terperinciAnalisa Kestabilan dan Penyelesaian Numerik Model Dinamik SIRC pada Penyebaran. Virus Influenza
JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2013) 1-6 1 Analisa Kestabilan dan Penyelesaian Numerik Model Dinamik SIRC pada Penyebaran Virus Influenza Ika Novitasari, M. Setijo Winarko dan Lukman Hanafi
Lebih terperinciUNNES Journal of Mathematics
Info Artikel UJM 5 (2) (2016) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm ANALISIS KESTABILAN TITIK KESETIMBANGAN MODEL MATEMATIKA PROSES TRANSMISI VIRUS DENGUE DI DALAM TUBUH
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini dibahas mengenai tinjauan pustaka yang digunakan dalam penelitian ini, khususnya yang diperlukan dalam Bab 3. Teori yang dibahas adalah teori yang mendukung pembentukan
Lebih terperinciIII MODEL MATEMATIKA S I R. δ δ δ
9 III MODEL MATEMATIKA 3.1 Model SIRS Model dasar yang digunakan untuk menggambarkan penyebaran pengguna narkoba adalah model SIRS. Model ini dikemukakan oleh Kermac dan McKendric (1927) sebagai model
Lebih terperinciANALISIS STABILITAS DAN OPTIMAL KONTROL PADA MODEL EPIDEMI TIPE SIR DENGAN VAKSINASI
ANALISIS STABILITAS DAN OPTIMAL KONTROL PADA MODEL EPIDEMI TIPE SIR DENGAN VAKSINASI Oleh Ikhtisholiyah 127 1 72 Dosen Pembimbing Dr. Subiono, M.Sc ABSTRAK Pemodelan matematika dan teori banyak digunakan
Lebih terperinciANALISIS KESTABILAN PADA MODEL TRANSMISI VIRUS HEPATITIS B YANG DIPENGARUHI OLEH MIGRASI
ANALISIS KESTABILAN PADA MODEL TRANSMISI VIRUS HEPATITIS B YANG DIPENGARUHI OLEH MIGRASI STABILITY ANALYSIS OF THE HEPATITIS B VIRUS TRANSMISSION MODELS ARE AFFECTED BY MIGRATION Oleh : Firdha Dwishafarina
Lebih terperinciAbstrak: Makalah ini bertujuan untuk mengkaji model SIR dari penyebaran
ANALISIS KESTABILAN PENYEBARAN PENYAKIT CAMPAK (MEASLES) DENGAN VAKSINASI MENGGUNAKAN MODEL ENDEMI SIR Marhendra Ali Kurniawan Fitriana Yuli S, M.Si Jurdik Matematika FMIPA UNY Abstrak: Makalah ini bertujuan
Lebih terperinciPengembangan Model Matematika SIRD (Susceptibles- Infected-Recovery-Deaths) Pada Penyebaran Virus Ebola
JURNAL FOURIER April 2016, Vol. 5, No. 1, 23-34 ISSN 2252-763X Pengembangan Model Matematika SIRD (Susceptibles- Infected-Recovery-Deaths) Pada Penyebaran Virus Ebola Endah Purwati dan Sugiyanto Program
Lebih terperinciKESTABILAN TITIK EQUILIBRIUM MODEL SIR (SUSPECTIBLE, INFECTED, RECOVERED) PENYAKIT FATAL DENGAN MIGRASI
KESTABILAN TITIK EQUILIBRIUM MODEL SIR (SUSPECTIBLE, INFECTED, RECOVERED) PENYAKIT FATAL DENGAN MIGRASI Mohammad soleh 1, Leni Darlina 2 1,2 Jurusan Matematika Fakultas Sains Teknologi Universitas Islam
Lebih terperinciANALISIS KESTABILAN MODEL MANGSA-PEMANGSA DENGAN MANGSA YANG TERINFEKSI DI LINGKUNGAN TERCEMAR
TUGAS AKHIR ANALISIS KESTABILAN MODEL MANGSA-PEMANGSA DENGAN MANGSA YANG TERINFEKSI DI LINGKUNGAN TERCEMAR ( S TA B I L I T Y A N A LY S I S O F A P R E D AT O R - P R E Y M O D E L W I T H I N F E C T
Lebih terperinciBAB II KAJIAN TEORI. representasi pemodelan matematika disebut sebagai model matematika. Interpretasi Solusi. Bandingkan Data
A. Model Matematika BAB II KAJIAN TEORI Pemodelan matematika adalah proses representasi dan penjelasan dari permasalahan dunia real yang dinyatakan dalam pernyataan matematika (Widowati dan Sutimin, 2007:
Lebih terperinciDINAMIKA MODEL EPIDEMIK SVIR
DNAMKA MODEL EPDEMK R TERHADAP PENYEBARAN PENYAKT CAMPAK DENGAN TRATEG AKNA KONTNU Anis ahni *), Tonaas Kabul Wangkok Yohanis Marentek 1), uwandi, pd 2) 1&2) Program tudi Pendidikan Matematika, Fakultas
Lebih terperinciTUGAS AKHIR KAJIAN SKEMA BEDA HINGGA TAK-STANDAR DARI TIPE PREDICTOR-CORRECTOR UNTUK MODEL EPIDEMIK SIR
TUGAS AKHIR KAJIAN SKEMA BEDA HINGGA TAK-STANDAR DARI TIPE PREDICTOR-CORRECTOR UNTUK MODEL EPIDEMIK SIR STUDY OF A NONSTANDARD SCHEME OF PREDICTORCORRECTOR TYPE FOR EPIDEMIC MODELS SIR Oleh:Anisa Febriana
Lebih terperinciT - 1 PEMODELAN MATEMATIKA UNTUK MENSIMULASIKAN EFEK POPULASI KARANTINA TERHADAP PENYEBARAN PENYAKIT HIV/AIDS DI PAPUA
T - 1 PEMODELAN MATEMATIKA UNTUK MENSIMULASIKAN EFEK POPULASI KARANTINA TERHADAP PENYEBARAN PENYAKIT HIV/AIDS DI PAPUA Abraham 1, Mahmudi 2 1 Program Studi Matematika FMIPA Universitas Cenderawasih 2 Program
Lebih terperinciANALISIS KESTABILAN MODEL MATEMATIKA IMMUNOTERAPI BCG PADA KANKER KANDUNG KEMIH
LIKHITAPRAJNA Jurnal Ilmiah Volume 19 Nomor 2 September 217 p-issn: 141-8771 e-issn: 258-4812 2 ANALISIS KESTABILAN MODEL MATEMATIKA IMMUNOTERAPI BCG PADA KANKER KANDUNG KEMIH Liza Tridiana Mahardhika
Lebih terperinciANALISIS STABILITAS PENYEBARAN VIRUS EBOLA PADA MANUSIA
ANALISIS STABILITAS PENYEBARAN VIRUS EBOLA PADA MANUSIA Mutholafatul Alim 1), Ari Kusumastuti 2) 1) Mahasiswa Jurusan Matematika, Universitas Islam Negeri Maulana Malik Ibrahim Malang 1) mutholafatul@rocketmail.com
Lebih terperinciSTUDI KESTABILAN SISTEM BERDASARKAN PREDIKSI VOLTAGE COLLAPSE PADA SISTEM STANDAR IEEE 14 BUS MENGGUNAKAN MODAL ANALYSIS
STUDI KESTABILAN SISTEM BERDASARKAN PREDIKSI VOLTAGE COLLAPSE PADA SISTEM STANDAR IEEE 14 BUS MENGGUNAKAN MODAL ANALYSIS OLEH : PANCAR FRANSCO 2207100019 Dosen Pembimbing I Prof.Dr. Ir. Adi Soeprijanto,
Lebih terperinciANALISA KESTABILAN MODEL DINAMIK PENYEBARAN VIRUS FLU BURUNG PADA POPULASI MANUSIA DAN BURUNG SKRIPSI. Oleh : Septiana Ragil Purwanti J2A
ANALISA KESTABILAN MODEL DINAMIK PENYEBARAN VIRUS FLU BURUNG PADA POPULASI MANUSIA DAN BURUNG SKRIPSI Oleh : Septiana Ragil Purwanti J2A 005 049 PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA
Lebih terperinciAnalisis Kestabilan Model Veisv Penyebaran Virus Komputer Dengan Pertumbuhan Logistik
Analisis Kestabilan Model Veisv Penyebaran Virus Komputer Dengan Pertumbuhan Logistik Mohammad soleh 1, Seri Rodia Pakpahan 2 Jurusan Matematika Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan
Lebih terperinciANALISIS MODEL SEIR (SUSCEPTIBLE, EXPOSED, INFECTIOUS, RECOVERED) UNTUK PENYEBARAN PENYAKIT TUBERKULOSIS DI KABUPATEN BOGOR
ANALII MODEL EIR (UCEPTIBLE, EXPOED, INFECTIOU, RECOVERED) UNTUK PENYEBARAN PENYAKIT TUBERKULOI DI KABUPATEN BOGOR, Rahayu Cipta Lestari Embay Rohaeti Ani Andriyati Program tudi Matematika Fakultas Matematika
Lebih terperinciBAB III METODOLOGI PENELITIAN. Alam, Universitas Lampung pada semester genap tahun akademik 2011/2012.
BAB III METODOLOGI PENELITIAN 3.1 Tempat dan Waktu Penelitian Penelitian ini dilakuakan di Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Lampung pada semester genap tahun
Lebih terperinciBAB IV PEMBAHASAN. 4.1 Proses Pencabangan model DTMC SIR
BAB IV PEMBAHASAN 4.1 Proses Pencabangan model DTMC SIR Proses pencabangan suatu individu terinfeksi berbentuk seperti diagram pohon dan diasumsikan bahwa semua individu terinfeksi adalah saling independent
Lebih terperinciANALISIS KESTABILAN MODEL DINAMIK PENYEBARAN VIRUS INFLUENZA
ANALISIS KESTABILAN MODEL DINAMIK PENYEBARAN VIRUS INFLUENZA SKRIPSI Oleh Elok Faiqotul Himmah J2A413 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS DIPONEGORO SEMARANG 28
Lebih terperinciSIFAT-SIFAT DINAMIK DARI MODEL INTERAKSI CINTA DENGAN MEMPERHATIKAN DAYA TARIK PASANGAN
Jurnal Matematika UNAND Vol. 5 No. 2 Hal. 50 55 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND SIFAT-SIFAT DINAMIK DARI MODEL INTERAKSI CINTA DENGAN MEMPERHATIKAN DAYA TARIK PASANGAN AIDA BETARIA Program
Lebih terperinciIV PEMBAHASAN. 4.1 Penentuan Titik Tetap Model Dinamika Virus HIV Titik tetap persamaan (3.1) diperoleh dengan menentukan dt 0, dt *
6 IV PEMBAHASAN 4. Penentuan Titik Teta Model Dinamika Titik teta ersamaan (3. dieroleh dengan menentukan dt, dt dan dv. Sehingga menurut ersamaan tersebut dieroleh titik teta s d N s dt T, T, V, T, kn
Lebih terperinciBAB 1 PENDAHULUAN. Malaria adalah penyakit infeksi yang disebabkan oleh protozoa parasit
BAB 1 PENDAHULUAN 1.1 Latar Belakang Malaria adalah penyakit infeksi yang disebabkan oleh protozoa parasit yang merupakan golongan plasmodium yang hidup dan berkembang biak dalam sel darah merah manusia.
Lebih terperincikoefisien a n dan b n pada persamaan (36) dan (37), yaitu
4 Metode Birge-Vieta Metode Birge-Vieta menggunakan kombinasi dari metode pembagian sintetik dan metode Newton-Raphson untuk memperoleh akar-akar polinomial Pollaczek. Prosedur pembagian sintetik dari
Lebih terperinciT 3 Model Dinamika Sel Tumor Dengan Terapi Pengobatan Menggunakan Virus Oncolytic
T 3 Model Dinamika Sel Tumor Dengan Terapi Pengobatan Menggunakan Virus Oncolytic Oleh : Ali Kusnanto, Hikmah Rahmah, Endar H. Nugrahani Departemen Matematika FMIPA-IPB Email : alikusnanto@yahoo.com Abstrak
Lebih terperinciPEMODELAN MATEMATIKA DAN ANALISIS STABILITAS DARI PENULARAN PENYAKIT GONORE
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 04, No. 1 (2015), hal 47-56. PEMODELAN MATEMATIKA DAN ANALISIS STABILITAS DARI PENULARAN PENYAKIT GONORE Tri Wahyuni, Bayu Prihandono, Nilamsari
Lebih terperinciTUGAS AKHIR. Oleh Erdina Sri Febriyanti NRP Dosen Pembimbing Dr. Erna Apriliani, M.Si Drs. Setijo Winarko, M.Si
TUGAS AKHIR ANALISIS STABILITAS DAN OPTIMAL KONTROL PADA NYAMUK AEDES AEGYPTI DENGAN TEKNIK STERILISASI SERANGGA DAN INSEKTISIDA Oleh Erdina Sri Febriyanti NRP. 1207100028 Dosen Pembimbing Dr. Erna Apriliani,
Lebih terperinciMODEL EPIDEMI SIRS DENGAN TIME DELAY
MODEL EPIDEMI SIRS DENGAN TIME DELAY TESIS Oleh FERDINAND SINUHAJI 127021034/MT FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2014 MODEL EPIDEMI SIRS DENGAN TIME DELAY
Lebih terperinciBAB II LANDASAN TEORI. dalam penulisan skripsi ini. Teori-teori yang digunakan berupa definisi-definisi serta
BAB II LANDASAN TEORI Pada bab ini akan diuraikan beberapa teori-teori yang digunakan sebagai acuan dalam penulisan skripsi ini. Teori-teori yang digunakan berupa definisi-definisi serta teorema-teorema
Lebih terperinci