MODEL EPIDEMI RANTAI MARKOV WAKTU DISKRIT SUSCEPTIBLE INFECTED RECOVERED DENGAN DUA PENYAKIT
|
|
- Harjanti Susanto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 MODEL EPIDEMI RANTAI MARKOV WAKTU DISKRIT SUSCEPTIBLE INFECTED RECOVERED DENGAN DUA PENYAKIT Wisnu Wardana, Respatiwulan, dan Hasih Pratiwi Program Studi Matematika FMIPA UNS ABSTRAK. Pola penyebaran penyakit menular dapat digambarkan dalam model matematika. Model matematika telah banyak dikembangkan, salah satunya adalah model susceptible infected recovered SIR). Model epidemi SIR yang mengikuti proses Markov dan ditinjau dalam waktu diskrit disebut model rantai Markov waktu diskrit RMWD) SIR. Model ini dikembangkan menjadi model epidemi RMWD SIR dengan dua penyakit karena terdapat kemungkinan ada lebih dari satu penyakit yang menyebar. Tujuan penelitian ini adalah menurunkan ulang dan menerapkan model epidemi RMWD SIR dengan dua penyakit. Model RMWD SIR dengan dua penyakit berupa probabilitas transisi. Penerapan mengacu pada Kirupaharan dan diperoleh bahwa dalam waktu t = 250 individu susceptible berkurang bersamaan dengan bertambahnya individu infected. Saat individu infected berkurang, individu recovered bertambah. Setelah t = 218 banyaknya individu pada masing-masing kelompok tidak lagi mengalami perubahan. Kata Kunci : model epidemi, rantai Markov waktu diskrit, SIR, dua penyakit 1. Pendahuluan Kesehatan merupakan hal yang sangat penting dalam menunjang aktivitas manusia, tetapi kesehatan manusia bisa terganggu karena serangan penyakit. Penyakit adalah sesuatu yang menyebabkan gangguan pada makhluk hidup. Salah satu jenis penyakit adalah penyakit menular. Penyakit menular disebabkan oleh bakteri, virus, atau jamur melalui kontak antar individu baik secara langsung maupun tidak langsung. Penyebaran penyakit menular yang tidak dapat dikendalikan dalam waktu yang cukup lama dapat menyebabkan epidemi. Menurut Hethcote [4], penyebaran penyakit dapat dinyatakan dengan model epidemi SIR. Kondisi individu dalam suatu populasi pada model SIR dibagi menjadi tiga kelompok, yaitu susceptible S) adalah kelompok individu sehat yang rentan tertular penyakit, infected I) adalah individu yang sudah terinfeksi penyakit, dan recovered R) adalah kelompok individu yang sudah sembuh dan memiliki kekebalan permanen. Setiap individu susceptible dapat terinfeksi oleh penyakit apabila melakukan kontak dengan individu infected. Kemudian individu infected akan mengalami kesembuhan secara alami ataupun dengan bantuan medis menjadi individu recovered. Setelah sembuh, individu ini tidak dapat terinfeksi kembali oleh penyakit yang sama karena mempunyai kekebalan yang permanen. Allen [3] dalam artikelnya menjelaskan model epidemi RMWD SIR. Banyaknya individu susceptible, infected, dan recovered pada suatu populasi merupakan 1
2 kejadian random dan bergantung pada waktu sehingga disebut proses stokastik. Banyaknya individu susceptible, infected, dan recovered pada waktu t n diasumsikan hanya dipengaruhi oleh banyaknya individu susceptible, infected, dan recovered pada waktu t n 1 sehingga mengikuti proses Markov. Penyebaran penyakit ini ditinjau dalam waktu diskrit. Ackleh dan Allen [1] mengembangkan model RMWD SIR dengan multi penyakit yang menyebar dalam suatu wilayah. Pada penelitian ini dikonstruksikan ulang model epidemi RMWD SIR dengan dua penyakit dan diterapkan model RMWD SIR dengan dua penyakit. 2. Proses Stokastik Banyaknya individu susceptible, infected, dan recovered pada proses penyebaran penyakit dapat dipandang sebagai proses stokastik. Menurut Allen [3], proses stokastik merupakan himpunan dari beberapa variabel random {Xt; h) t T, h H}, dengan T sebagai himpunan waktu dan H ruang sampel. Suatu proses stokastik dikatakan sebagai proses stokastik waktu diskrit jika T =. {0, 1, 2, 3,...}, dan proses stokastik dikatakan sebagai proses stokastik waktu kontinu jika T =. [0, ). Pada model epidemi RMWD SIR, St), It), dan Rt) merupakan banyaknya individu susceptible, infected, dan recovered pada waktu t. 3. Rantai Markov Waktu Diskrit Menurut Parzen [7], suatu proses stokastik dikatakan sebagai proses Markov {Xt), t 0} jika diberikan nilai t 1 < t 2 <...< t n dengan t 1, t 2,..., t n t, maka Xt n ) hanya dipengaruhi oleh Xt n 1 ) atau probabilitas dari beberapa kejadian yang akan datang hanya dipengaruhi oleh kejadian sebelumnya dan tidak dipengaruhi kejadian waktu lampau. Rantai Markov waktu diskrit adalah proses Markov dengan ruang sampel berhingga dan waktu diskrit T = {0, 1, 2, 3,...}. Berikut definisi rantai Markov waktu diskrit dan probabilitas transisi menurut Allen [2]. Definisi 3.1. Suatu proses stokastik dengan waktu diskrit {X t } dikatakan memenuhi sifat Markov jika P {X t = i t X 0 = i 0,..., X t 1 = i t 1 } = P {X t = i t X t 1 = i t 1 }. Proses ini disebut rantai Markov, atau lebih spesifik lagi disebut rantai Markov waktu diskrit. Definisi 3.2. Probabilitas transisi satu langkah dari state i pada waktu t ke state j lada waktu t+1 yang dinyatakan sebagai p ij t) didefinisikan sebagai p ij t) = P {X t+1 = j X t = i},
3 4. Model Epidemi RMWD SIR Model epidemi SIR pertama kali diperkenalkan tahun 1927 oleh Kermack dan McKendrik [5]. Allen [2] pada tahun 2003 menjelaskan tentang lima asumsi model epidemi RMWD SIR yaitu 1) ukuran populasi konstan sebesar N, 2) laju kelahiran sama dengan laju kematian, 3) populasi homogen, 4) individu yang lahir adalah individu sehat yang rentan terhadap penyakit, dan 5) individu yang sudah sembuh mempunyai kekebalan yang permanen. Berdasarkan asumsi ukuran populasi konstan sebesar N, berarti St) + It) + Rt) = N. Jika dimisalkan St) = s dan It) = i, maka St) dan It) mempunyai fungsi probabilitas bersama p s,i) t) = P {St) = s, It) = i}, dengan s, i = 1, 2,..., N dan t = 0, t, 2 t,.... Perubahan banyaknya individu susceptible, infected dan recovered dalam selang waktu t disebut transisi. Dipilih t cukup kecil sehingga dalam selang waktu t paling banyak terjadi satu individu yang bertransisi. Jika perubahan banyaknya individu S pada selang waktu t yaitu y dan perubahan banyaknya individu I pada selang waktu t yaitu z dengan y, z = 1, 0, 1 maka probabilitas transisi dari state s, i) ke state s + y, i + z) adalah p s+y,i+z),s,i) t) = P { S, I) = y, z) St), It)) = s, i)}, dengan S = St + t) St) dan I = It + t) It). Menurut Allen [3], model epidemi RMWD SIR yaitu β i s t, y, z) = 1, 1) N γi t, y, z) = 0, 1) bi t, y, z) = 1, 1) p s+y,i+z),s,i) t) = bn s i) t, y, z) = 1, 0) 1 β i N s t) + γi + bn s) ) ) t, y, z) = 0, 0) 0, yang lain, dengan β adalah laju kontak, b adalah laju kematian yang nilainya sama dengan laju kelahiran, dan γ adalah laju penyembuhan. 5. Hasil dan Pembahasan 5.1. Model Epidemi RMWD SIR dengan Dua Penyakit. Model epidemi RMWD SIR dengan dua penyakit adalah pengembangan dari model RMWD
4 SIR. Konstruksi model RMWD SIR dengan dua penyakit mengacu pada Allen [3], dengan memberikan asumsi tambahan yaitu terdapat cross immunity. Cross immunity adalah suatu kondisi jika individu sudah terinfeksi suatu penyakit maka individu tersebut tidak bisa terinfeksi oleh penyakit yang lain dalam waktu yang sama. Variabel random pada model RMWD SIR dengan dua penyakit ada tiga, yaitu St) yang menunjukkan banyaknya individu susceptible pada waktu t, I k t) yang menunjukkan banyaknya individu infected oleh penyakit 1 dan 2 pada waktu t, dan Rt) yang menunjukkan banyaknya individu recovered pada waktu t. Ukuran populasi pada model RMWD SIR diasumsikan konstan sehingga total individu pada masing-masing kelompok pada waktu tertentu sama dengan N atau St) + I 1 t) + I 2 t) + Rt) = N. Jika St) = s dan k adalah I k t) = i k, maka probabilitas bersama St) dan I k t) yaitu p s,ik ) t) = P {St) = s, I k t) = i k }, dengan s, i k = 1, 2,..., N dan t = 0, t, 2 t,... Jika perubahan banyaknya individu s pada selang waktu t yaitu y dan perubahan banyaknya individu i k pada selang waktu t yaitu z, maka perpindahan dari state s, i) ke state s + y, i + z) pada selang waktu t mempunyai probabilitas transisi p s+y,ik +z),s,i k ) t) = P {St+ t), I k t+ t)) = s+y, i k +z) St), I k t)) = s, i k )}. Saat individu susceptible terinfeksi oleh penyakit k berarti terjadi transisi dari state s, i k ) ke state s 1, i k + 1). Jika dalam suatu populasi N terdapat i k individu yang terinfeksi penyakit k, maka probabilitas individu infected penyakit k melakukan kontak dengan individu susceptible sebesar i k N. Laju kontak untuk penyakit k dinyatakan sebagai β k. Probabilitas transisi dari state s, i k ) ke state s 1, i k + 1) adalah p s 1,ik +1),s,i k ) t) = β k i k N s t. Saat individu infected penyakit k mengalami kesembuhan, terjadi transisi dari state s, i k ) ke state s, i k 1). Jika γ k diasumsikan sebagai besar laju kesembuhan untuk penyakit k, maka probabilitas transisi dari state s, i k ) ke state s, i k 1) adalah p s,ik 1),s,i k ) t) = γ k i k t. Jika kelompok individu infected terjadi pengurangan, maka terdapat penambahan pada individu susceptible. Berarti terjadi perpindahan dari state s, i k ) ke state s + 1, i k 1). Perpindahan state ini terjadi karena terdapat kematian pada
5 kelompok individu infected, karena ukuran populasi diasumsikan konstan berarti terdapat satu kelahiran pada kelompok individu susceptible. Jika b k adalah laju kematian, maka probabilitas transisi dari state s, i k ) ke state s+1, i k 1) adalah p s+1,ik 1),s,i k ) t) = b k i k t. Jika terdapat satu kelahiran maka terjadi perpindahan dari state s, i k ) ke state s + 1, i k ). Ukuran populasi konstan berarti terdapat satu kematian, dalam hal ini kematian terjadi pada kelompok individu recovered. Jika laju kelahiran yang nilainya sama dengan laju kematian dinyatakan sebagai b k, maka probabilitas transisi dari state s, i k ) ke state s + 1, i k ) adalah p s+1,ik ),s,i k ) t) = b k N s i k ) t. Jika tidak terjadi perubahan banyaknya individu pada masing-masing kelompok dalam selang waktu t, maka tidak terjadi perpindahan state. Probabilitas transisi dari state s, i k ) ke state s, i k ) adalah i 1 p s,ik ),s,i k ) t) = 1 β 1 N s t+β i 2 2 N s t+ γ 1 i 1 +b 1 N s)+γ 2 i 2 +b 2 N s) ) ) t. Jadi, model RMWD SIR dengan dua penyakit adalah i β kn k s t, y, z) = 1, 1) p s+y,ik +z),s,i k ) t) = γ k i k t, y, z) = 0, 1) b k i k t, y, z) = 1, 1) b k N s i k ) t, y, z) = 1, 0) i 1 β 1N i 1 s t + β 2N 2 s t+ γ1 i 1 + b 1 N s) + γ 2 i 2 + b 2 N s) ) t), y, z) = 0, 0) 0, yang lain. 5.1) 5.2. Penerapan. Pada penerapan model epidemi RMWD SIR ini nilai parameter yang diberikan mengacu pada Kirupaharan [6]. Terdapat dua penyakit menyebar dalam suatu populasi dan dapat dimodelkan dengan model epidemi SIR. Diasumsikan terdapat cross immunity sehingga satu individu tidak bisa terkena dua penyakit pada waktu yang sama. Ukuran populasi N =100, nilai awal I 1 0) = I 2 0) = 1 dan S0) = 98, laju kontak β 1 = 0.01, β 2 = 0.01, laju penyembuhan penyakit γ 1 = 0.005, γ 2 = , dan laju kelahiran serta laju kematian untuk kedua penyakit b 1 = b 2 = 0. Dari penyelesaian model 5.1) dengan parameter dan nilai awal tersebut diperoleh nilai probabilitas transisi. Dengan diketahuinya probabilitas transisi, diketahui pula transisi yang terjadi dari state s, i k ) ke state s + y, i k + z) sehingga diperoleh banyaknya individu susceptible, infected, dan recovered pada waktu t. Banyaknya individu susceptible, infected,
6 dan recovered untuk t yang lebih besar ditentukan dengan menggunakan algoritme Allen [2] yang telah dimodifikasi. Banyaknya individu susceptible, infected, dan recovered dalam 250 satuan waktu pertama ditunjukkan pada Gambar 1. Gambar 1. Banyaknya individu susceptible, infected, dan recovered dalam 250 satuan waktu pertama pada model RMWD SIR dengan dua penyakit Banyaknya individu susceptible yang ditunjukkan dengan grafik berwarna biru mengalami penurunan karena terinfeksi penyakit satu dan penyakit dua. Penurunan individu susceptible dari nilai awal sebanyak 98 menjadi 16 individu pada t = 218. Bersamaan dengan penurunan banyaknya individu susceptible, banyaknya individu infected penyakit satu dan individu infected penyakit dua mengalami kenaikan. Banyaknya individu yang terinfeksi penyakit satu yang digambarkan dengan grafik berwarna merah mengalami kenaikan dari nilai awal sampai ke puncak epidemi pada t = 112 sebanyak 26 individu, setelah itu kembali menurun hingga tidak ada lagi yang terinfeksi penyakit satu pada waktu t = 218. Individu yang terinfeksi penyakit dua digambarkan dengan grafik berwarna ungu naik dari nilai awal 1 menjadi 11 individu saat t = 158, setelah itu menurun dan kembali mengalami kenaikan menjadi 11 saat t = 183 kemudian turun menjadi 0 saat t = 215. Sedangkan banyaknya individu recovered yang ditunjukkan dengan grafik berwarna hijau mengalami kenaikan dari nilai awal 0 menjadi 84 individu saat t = 218. Banyaknya individu yang terinfeksi penyakit satu sebanyak 0 saat t = 218 dan banyaknya individu yang terinfeksi penyakit dua sebanyak 0 saat t =
7 yang berarti setelah t = 218 tidak ada lagi individu infected yang dapat menginfeksi individu susceptible. Karena perubahan banyaknya individu pada masingmasing kelompok dipengaruhi oleh individu infected dan sudah tidak ada lagi individu infected yang menyebar dalam populasi, maka banyaknya individu pada masing-masing kelompok individu tidak lagi mengalami perubahan. Dari Gambar 1 dapat dilihat jika setiap individu infected mengalami kenaikan maka banyaknya individu susceptible mengalami penurunan. Jika individu infected mengalami penurunan maka banyaknya individu recovered akan mengalami kenaikan. Artinya perubahan banyaknya individu pada masing-masing kelompok dipengaruhi oleh individu infected. Untuk mempermudah mengamati perubahan banyaknya individu, ditampilkan tabel perubahan individu selama 10 satuan waktu pertama yang dapat dilihat pada Tabel 1. Tabel 1. Perubahan banyaknya individu S, I 1, I 2, dan R selama 10 satuan waktu pertama t S I 1 I 2 R Dari Tabel 1 dapat dilihat perubahan banyaknya individu infected dari I 2 1) = 1 ke I 2 2) = 2, artinya dalam selang waktu t = 1 terjadi satu transisi yaitu terdapat satu individu susceptible terinfeksi penyakit dua. Dengan dihitung menggunakan model 5.1), probabilitas transisi dari I 2 1) = 1 ke I 2 2) = 2 sebesar Saat t = 5 banyaknya individu I 2 = 2 dan banyaknya individu R = 1, sedangkan pada saat t = 6 banyaknya individu I 2 = 1 dan banyaknya individu R = 2. Berarti dalam selang waktu t terdapat satu transisi yaitu individu I 2 mengalami kesembuhan. Probabilitas transisi dari I 2 5) = 2 ke I 2 6) = 1 dihitung dengan menggunakan model 5.1) sebesar Dengan cara yang sama dapat dihitung probabilitas transisi untuk setiap waktu
8 berikut. 6. Kesimpulan Dari pembahasan yang telah dilakukan, dapat diambil kesimpulan sebagai 1) Model epidemi RMWD SIR dengan dua penyakit yaitu i β kn k s t, y, z) = 1, 1) p s+y,ik +z),s,i k ) t) = γ k i k t, y, z) = 0, 1) b k i k t, y, z) = 1, 1) b k N s i k ) t, y, z) = 1, 0) i 1 β 1N i 1 s t + β 2N 2 s t+ γ1 i 1 + b 1 N s) + γ 2 i 2 + b 2 N s) ) t), y, z) = 0, 0) 0, yang lain. 2) Penerapan yang mengacu pada Kirupaharan menunjukkan individu susceptible mengalami penurunan seiring dengan bertambahnya jumlah individu infected. Saat individu infected mengalami penurunan, individu recovered mengalami kenaikan. Epidemi untuk penyakit satu berakhir pada t = 218 sedangkan epidemi untuk penyakit dua berakhir pada t = 215. Setelah epidemi kedua penyakit berakhir, banyaknya individu pada masing-masing kelompok tidak lagi mengalami perubahan. Daftar Pustaka 1. Ackleh, A.S. and L.J.S. Allen, Competitive Exclusion in SIS and SIR Epidemic Models with Total Cross Immunity and Density-Dependent Host Mortality, Discrete and Continuous Dynamical System ), Allen, L. J. S., An Introduction to Stochastic Processes with Applications to Biology, Prentice Hall, Upper Saddle River, New Jersey, Allen, L. J. S., An Introduction to Stochastic Epidemic Models, Texas Tech University, Texas, Hethcote, H. W., The Mathematics of Infectious Diseases, SIAM Review ), Kermack, W. O. and A. G. McKendrick, A Contribution to the Mathematical Theory of Epidemics, Proceeding of the Royal Society of London, Series A, Containing Papers of a Mathematical and Physical Character ), Kirupaharan, N., Deterministic and Stochastic Epidemic Models with Multiple Pathogens, A Dissertation in Mathematics, Texas Tech University, Texas, Parzen, E., Stochastic Process, Holden-Day,Inc., United States of America,
T - 11 MODEL STOKASTIK SUSCEPTIBLE INFECTED RECOVERED (SIR)
T - 11 MODEL STOKASTIK SUSCEPTIBLE INFECTED RECOVERED (SIR) Felin Yunita 1, Purnami Widyaningsih 2, Respatiwulan 3 Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sebelas
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab ini terdiri dari 3 bagian. Pada bagian pertama diberikan tinjauan pustaka dari penelitian-penelitian sebelumnya. Pada bagian kedua diberikan teori penunjang untuk mencapai tujuan
Lebih terperinciPENYEBARAN PENYAKIT CAMPAK DI INDONESIA DENGAN MODEL SUSCEPTIBLE VACCINATED INFECTED RECOVERED (SVIR)
PEYEBARA PEYAKIT CAMPAK DI IDOESIA DEGA MODEL SUSCEPTIBLE VACCIATED IFECTED RECOVERED (SVIR) Septiawan Adi Saputro, Purnami Widyaningsih, Dewi Retno Sari Saputro Program Studi Matematika FMIPA US Abstrak.
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kesehatan merupakan bagian yang penting dalam kehidupan manusia karena kesehatan memengaruhi aktifitas hidup manusia. Dengan tubuh yang sehat manusia dapat menjalankan
Lebih terperinciT 4 Simulasi Level Sanitasi Pada Model Sir Dengan Imigrasi Dan Vaksinasi
T 4 Simulasi Level Sanitasi Pada Model Sir Dengan Imigrasi Dan Vaksinasi Anita Kesuma Arum dan Sri Kuntari Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sebelas Maret Surakarta
Lebih terperinciMODEL EPIDEMI DISCRETE TIME MARKOV CHAIN (DTMC ) SUSCEPTIBLE INFECTED SUSCEPTIBLE (SIS) SATU PENYAKIT PADA DUA DAERAH
MODEL EPIDEMI DISCRETE TIME MARKOV CHAIN (DTMC ) SUSCEPTIBLE INFECTED SUSCEPTIBLE (SIS) SATU PENYAKIT PADA DUA DAERAH oleh FIRDAUS FAJAR SAPUTRA M0112034 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian
Lebih terperinciMODEL EPIDEMI CONTINUOUS TIME MARKOV CHAIN (CTMC) SUSCEPTIBLE INFECTED RECOVERED (SIR)
MODEL EPIDEMI COTIUOUS TIME MARKOV CHAI (CTMC) SUSCEPTIBLE IFECTED RECOVERED (SIR) oleh DETA URVITASARI M1836 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains
Lebih terperinciArisma Yuni Hardiningsih. Dra. Laksmi Prita Wardhani, M.Si. Jurusan Matematika. Surabaya
ANALISIS KESTABILAN DAN MEAN DISTRIBUSI MODEL EPIDEMIK SIR PADA WAKTU DISKRIT Arisma Yuni Hardiningsih 1206 100 050 Dosen Pembimbing : Dra. Laksmi Prita Wardhani, M.Si Jurusan Matematika Institut Teknologi
Lebih terperinciMODEL STOKASTIK PENYEBARAN PENYAKIT DEMAM BERDARAH DI KOTA DEPOK PENDAHULUAN
MODEL STOKASTIK PENYEBARAN PENYAKIT DEMAM BERDARAH DI KOTA DEPOK H. SUMARNO 1, P. SIANTURI 1, A. KUSNANTO 1, SISWADI 1 Abstrak Kajian penyebaran penyakit dengan pendekatan deterministik telah banyak dilakukan.
Lebih terperinciSKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
MODEL EPIDEMI DISCRETE TIME MARKOV CHAINS(DT M C) SUSCEPTIBLE INFECTED SUSCEPTIBLE (SIS) DUA PENYAKIT PADA DUA DAERAH oleh EKA LISMAWATI M0112028 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinciPENENTUAN PROBABILITAS ABSORPSI DAN EKSPEKTASI DURASI PADA MASALAH KEBANGKRUTAN PENJUDI
PENENTUAN PROBABILITAS ABSORPSI DAN EKSPEKTASI DURASI PADA MASALAH KEBANGKRUTAN PENJUDI Aditya Candra Laksmana, Respatiwulan, dan Ririn Setiyowati Program Studi Matematika Fakultas Matematika dan Ilmu
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 terperinciT 7 Model Sir (Suspectible Infected Recovered) Dengan Imigrasi Dan Pengaruh Sanitasi Serta Perbaikan Tingkat Sanitasi
T 7 Model Sir (Suspectible Infected Recovered) Dengan Imigrasi Dan Pengaruh Sanitasi Serta Perbaikan Tingkat Sanitasi Evy Dwi Astuti dan Sri Kuntari Jurusan Matematika FMIPA Universitas Sebelas Maret math_evy@yahoo.com
Lebih terperinciT 1 Simulasi Laju Vaksinasi Dan Keefektifan Vaksin Pada Model Sis
T 1 Simulasi Laju Vaksinasi Dan Keefektifan Vaksin Pada Model Sis Adi Tri Ratmanto dan Respatiwulan Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sebelas Maret adi.triratmanto@yahoo.com Abstrak
Lebih terperinciPROSES PERCABANGAN PADA DISTRIBUSI POISSON
PROSES PERCABANGAN PADA DISTRIBUSI POISSON Nur Alfiani Santoso, Respatiwulan, dan Nughthoh Arfawi Kurdhi Program Studi Matematika FMIPA UNS Abstrak. Proses percabangan merupakan suatu proses stokastik
Lebih terperinciBAB I PENDAHULUAN. penyebabnya adalah gaya hidup dan lingkungan yang tidak sehat. Murwanti dkk,
BAB I PENDAHULUAN A. Latar Belakang Berbagai jenis penyakit semakin banyak yang muncul salah satu penyebabnya adalah gaya hidup dan lingkungan yang tidak sehat. Murwanti dkk, (2013: 64) menyebutkan bahwa
Lebih terperinciMODEL EPIDEMI STOKASTIK SUSCEPTIBLE INFECTED SUSCEPTIBLE (SIS)
MODEL EPIDEMI STOKASTIK SUSCEPTIBLE INFECTED SUSCEPTIBLE (SIS) oleh SILVIA KRISTANTI M0109060 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
Lebih terperinciPROBABILITAS PUNCAK EPIDEMI MODEL RANTAI MARKOV DENGAN WAKTU DISKRIT SUSCEPTIBLE INFECTED SUSCEPTIBLE (SIS)
PROBABILITAS PUNCAK EPIDEMI MODEL RANTAI MARKOV DENGAN WAKTU DISKRIT SUSCEPTIBLE INFECTED SUSCEPTIBLE (SIS) oleh IQROK HENING WICAKSANI M0109038 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
Lebih terperinciPROBABILITAS WAKTU DELAY MODEL EPIDEMI ROUTING
PROBABILITAS WAKTU DELAY MODEL EPIDEMI ROUTING T - 9 Dyah Wardiyani Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sebelas Maret Surakarta Abstrak Model epidemi routing menjelaskan
Lebih terperinciPenentuan Probabilitas Absorpsi dan Ekspektasi Durasi pada Masalah Kebangkrutan Penjudi
Penentuan Probabilitas Absorpsi dan Ekspektasi Durasi pada Masalah Kebangkrutan Penjudi Aditya Candra Laksmana 1*, Respatiwulan 2, dan Ririn Setiyowati 3 1, 3 Program Studi Matematika Fakultas MIPA, Universitas
Lebih terperinciSIMULASI PADA MASALAH KEBANGKRUTAN PENJUDI
SIMULASI PADA MASALAH KEBANGKRUTAN PENJUDI Dwi Ardian Syah, Respatiwulan, dan Vika Yugi Kurniawan Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sebelas Maret ABSTRAK.
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 terperinciKAJIAN MODEL EPIDEMIK SIR DETERMINISTIK DAN STOKASTIK PADA WAKTU DISKRIT. Oleh: Arisma Yuni Hardiningsih
KAJIAN MODEL EPIDEMIK SIR DETERMINISTIK DAN STOKASTIK PADA WAKTU DISKRIT Oleh: Arisma Yuni Hardiningsih 126 1 5 Dosen Pembimbing: Dra. Laksmi Prita Wardhani, M.Si Jurusan Matematika Fakultas Matematika
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 terperinciKAJIAN MODEL MARKOV WAKTU DISKRIT UNTUK PENYEBARAN PENYAKIT MENULAR PADA MODEL EPIDEMIK SIR. Oleh: RAFIQATUL HASANAH NRP.
TUGAS AKHIR KAJIAN MODEL MARKOV WAKTU DISKRIT UNTUK PENYEBARAN PENYAKIT MENULAR PADA MODEL EPIDEMIK SIR Oleh: RAFIQATUL HASANAH NRP. 1208 100 021 Dosen Pembimbing: Dra. Laksmi Prita Wardhani, M.Si. Drs.
Lebih terperinciAnalisis Model SIR dengan Imigrasi dan Sanitasi pada Penyakit Hepatitis A di Kabupaten Jember
Prosiding Seminar Nasional Matematika, Universitas Jember, 19 November 2014 346 Analisis Model SIR dengan Imigrasi dan Sanitasi pada Penyakit Hepatitis A di Kabupaten Jember (Analysis of SIR Model with
Lebih terperinciMODEL EPIDEMI DISCRETE TIME MARKOV CHAINS SUSCEPTIBLE EXPOSED INFECTED RECOVERED (DTMC SEIR)
MODEL EPIDEMI DISCRETE TIME MARKOV CHAINS SUSCEPTIBLE EXPOSED INFECTED RECOVERED (DTMC SEIR) oleh AISYAH AL AZIZAH M0111004 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar
Lebih terperinciABSTRAK. Kata Kunci: SEIS, masa inkubasi, titik kesetimbangan, pertussis, simulasi. iii
ABSTRAK Wahyu Setyawan. 2015. MODEL SUSCEPTIBLE EXPOSED INFECTED SUSCEPTIBLE (SEIS). Fakultas Matematika dan Ilmu Pengetahuan Alam. Universitas Sebelas Maret. Model matematika yang menggambarkan pola penyebaran
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 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 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 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 terperinciMODEL EPIDEMI SUSCEPTIBLE INFECTED RECOVERED (SIR) DENGAN PROSES POISSON. oleh LUCIANA ELYSABET M
MODEL EPIDEMI SUSCEPTIBLE INFECTED RECOVERED (SIR) DENGAN PROSES POISSON oleh LUCIANA ELYSABET M0111051 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
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 I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Metode statistika adalah prosedur-prosedur yang digunakan dalam pengumpulan, penyajian, analisis, dan penafsiran data. Metode statistika dibagi ke dalam dua kelompok
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 terperinciANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION
ANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION Oleh: Desi Nur Faizah 1209 1000 17 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA
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 terperinciPROSES POISSON MAJEMUK DAN PENERAPANNYA PADA PENENTUAN EKSPEKTASI JUMLAH PENJUALAN SAHAM PT SRI REJEKI ISMAN TBK
PROSES POISSON MAJEMUK DAN PENERAPANNYA PADA PENENTUAN EKSPEKTASI JUMLAH PENJUALAN SAHAM PT SRI REJEKI ISMAN TBK Ririn Dwi Utami, Respatiwulan, dan Siswanto Program Studi Matematika FMIPA UNS Abstrak.
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 SIR UNTUK PENYEBARAN PENYAKIT FLU BURUNG
MODEL SIR UNTUK PENYEBARAN PENYAKIT FLU BURUNG MANSYUR A. R.1 TOAHA S.2 KHAERUDDIN3 Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Hasanuddin Jln. Perintis Kemerdekaan Km.
Lebih terperinciMODEL SUSCEPTIBLE INFECTED RECOVERED (SIR) DENGAN IMIGRASI DAN SANITASI
MODEL SUSCEPTIBLE INFECTED RECOVERED (SIR) DENGAN IMIGRASI DAN SANITASI oleh EVY DWI ASTUTI M0108087 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
Lebih terperinciAnalisis Kestabilan Global Model Epidemik SIRS menggunakan Fungsi Lyapunov
Analisis Kestabilan Global Model Epidemik SIRS menggunakan Fungsi Lyapunov Yuni Yulida 1, Faisal 2, Muhammad Ahsar K. 3 1,2,3 Program Studi Matematika FMIPA Unlam Universitas Lambung Mangkurat Jl. Jend.
Lebih terperinciBAB 2 BEBERAPA MODEL EPIDEMI. Laju pertumbuhan populasi akan dapat diketahui apabila kelahiran, kematian
BAB 2 BEBERAPA MODEL EPIDEMI 2.1 Model Pertumbuhan Populasi Laju pertumbuhan populasi akan dapat diketahui apabila kelahiran, kematian dan laju migrasi diketahui. Pada populasi tertutup, pertumbuhan populasi
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 terperinciSimulasi Pengaruh Imigrasi pada Penyebaran Penyakit Campak dengan Model Susceptible Exposed Infected Recovered (SEIR)
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 T - 11 Simulasi Pengaruh Imigrasi pada Penyebaran Penyakit Campak dengan Model Susceptible Exposed Infected Recovered (SEIR) Purnami Widyaningsih
Lebih terperinciIII PEMODELAN. (Giesecke 1994)
4 2.2 Bilangan Reproduksi Dasar Bilangan reproduksi dasar adalah potensi penularan penyakit pada populasi rentan, merupakan rata-rata jumlah individu yang terinfeksi secara langsung oleh seorang penderita
Lebih terperinciKestabilan Model SIRS dengan Pertumbuhan Logistik dan Non-monotone Incidence Rate
Kestabilan Model SIRS dengan Pertumbuhan Logistik dan Non-monotone Incidence Rate Mohammad soleh 1, Syamsuri 2 1,2 Jurusan Matematika Fakultas Sains dan Teknologi UIN Suska Riau Jln. HR. Soebrantas Km
Lebih terperinciPROSES PERCABANGAN PADA PEMBELAHAN SEL
PROSES PERCABANGAN PADA PEMBELAHAN SEL Nisfiatul Laili, Respatiwulan, dan Sutrima Program Studi Matematika FMIPA UNS Abstrak. Proses percabangan merupakan suatu rantai Markov, dimana setiap individu menghasilkan
Lebih terperinciDINAMIKA PERKEMBANGAN HIV/AIDS DI SULAWESI UTARA MENGGUNAKAN MODEL PERSAMAAN DIFERENSIAL NONLINEAR SIR (SUSCEPTIBLE, INFECTIOUS AND RECOVERED)
DINAMIKA PERKEMBANGAN HIV/AIDS DI SULAWESI UTARA MENGGUNAKAN MODEL PERSAMAAN DIFERENSIAL NONLINEAR SIR (SUSCEPTIBLE, INFECTIOUS AND RECOVERED) Amir Tjolleng 1), Hanny A. H. Komalig 1), Jantje D. Prang
Lebih terperinciPENERAPAN MODEL PERTUMBUHAN LOGISTIK DENGAN MEMPERHATIKAN LAJU INTRINSIK
PENERAPAN MODEL PERTUMBUHAN LOGISTIK DENGAN MEMPERHATIKAN LAJU INTRINSIK Andrian Guntur Nugrahanto, Respatiwulan dan Siswanto Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperinciBAB I PENDAHULUAN. terdapat pada pengembangan aplikasi matematika di seluruh aspek kehidupan manusia. Peran
BAB I PENDAHULUAN A. Latar Belakang Masalah Perkembangan dunia yang semakin maju tidak dapat dipisahkan dari peranan ilmu matematika. Penggunaan ilmu pengetahuan di bidang matematika dalam kehidupan sehari-hari
Lebih terperinciKAJIAN PERILAKU MODEL MATEMATIKA PENYEBARAN PENYAKIT SIFILIS
Jurnal Matematika UNAND Vol 3 No Hal 40 45 ISSN : 2303 290 c Jurusan Matematika FMIPA UNAND KAJIAN PERILAKU MODEL MATEMATIKA PENYEBARAN PENYAKIT SIFILIS ARDIANSYAH Program Studi Magister Matematika Fakultas
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Saat ini banyak sekali penyakit menular yang cukup membahayakan, penyakit menular biasanya disebabkan oleh faktor lingkungan yang cukup baik untuk perkembangbiakan
Lebih terperinciSIMULASI MODEL EPIDEMIK TIPE SIR DENGAN STRATEGI VAKSINASI DAN TANPA VAKSINASI
SIMULASI MODEL EPIDEMIK TIPE SIR DENGAN STRATEGI VAKSINASI DAN TANPA VAKSINASI Siti Komsiyah Mathematics & Statistics Department, School of Computer Science, Binus University Jl. K.H. Syahdan No. 9, Palmerah,
Lebih terperinciSOLUSI POSITIF MODEL SIR
Jurnal UJMC, Volume 3, omor 1, Hal. 21-28 piss : 2460-3333 eiss : 2579-907X SOLUSI POSITIF MODEL SIR Awawin Mustana Rohmah 1 1 Universitas Islam Darul Ulum Lamongan, awawin.emer@gmail.com Abstract Model
Lebih terperinciRantai Markov Diskrit (Discrete Markov Chain)
#10 Rantai Markov Diskrit (Discrete Markov Chain) 10.1. Pendahuluan Berbagai teknik analitis untuk mengevaluasi reliability dari suatu sistem telah diuraikan pada bab terdahulu. Teknik analitis ini mengasumsikan
Lebih terperinciBAB I PENDAHULUAN. ibu kepada anaknya melalui plasenta pada saat usia kandungan 1 2 bulan di
BAB I PENDAHULUAN A. Latar Belakang Masalah Maternal antibody merupakan kekebalan tubuh pasif yang ditransfer oleh ibu kepada anaknya melalui plasenta pada saat usia kandungan 1 2 bulan di akhir masa kehamilan.
Lebih terperinciMODEL SEIR PENYAKIT CAMPAK DENGAN VAKSINASI DAN MIGRASI
MODEL SEIR PENYAKIT CAMPAK DENGAN VAKSINASI DAN MIGRASI Mohammmad Soleh 1, Siti Rahma 2 Universitas Islam Negeri Sultan Syarif Kasim Riau Jl HR Soebrantas No 155 KM 15 Simpang Baru Panam Pekanbaru muhammadsoleh@uin-suskaacid
Lebih terperinciPENGARUH PARAMETER PENGONTROL DALAM MENEKAN PENYEBARAN PENYAKIT FLU BURUNG. Rina Reorita, Niken Larasati, dan Renny
JMP : Volume 3 Nomor 1, Juni 11 PENGARUH PARAMETER PENGONTROL DALAM MENEKAN PENYEBARAN PENYAKIT FLU BURUNG Rina Reorita, Niken Larasati, dan Renny Program Studi Matematika, Jurusan MIPA, Fakultas Sains
Lebih terperinciBAB I PENDAHULUAN. Model matematika merupakan sekumpulan persamaan atau pertidaksamaan yang
BAB I PENDAHULUAN A. Latar Belakang Model matematika merupakan sekumpulan persamaan atau pertidaksamaan yang mengungkap perilaku suatu permasalahan yang nyata. Model matematika dibuat berdasarkan asumsi-asumsi.
Lebih terperinciKontrol Optimal pada Model Epidemi SEIQR dengan Tingkat Kejadian Standar
Prosiding SI MaIs (Seminar asional Integrasi Matematika dan ilai Islami Vol.1, o.1, Juli 2017, Hal. 41-51 p-iss: 2580-4596; e-iss: 2580-460X Halaman 41 Kontrol Optimal pada Model Epidemi SEIQR dengan Tingkat
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Penyakit infeksi (infectious disease), yang juga dikenal sebagai communicable disease atau transmissible disease adalah penyakit yang nyata secara klinik (yaitu, tanda-tanda
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Penyakit merupakan sesuatu yang sangat berhubungan dengan makhluk hidup, baik itu manusia, hewan, maupun tumbuhan. Penyakit dapat mempengaruhi kehidupan makhluk
Lebih terperinciOleh: Isna Kamalia Al Hamzany Dosen Pembimbing : Dra. Laksmi Prita W, M.Si. Dra. Nur Asiyah, M.Si
Oleh: Isna Kamalia Al Hamzany 1207 100 055 Dosen Pembimbing : Dra. Laksmi Prita W, M.Si. Dra. Nur Asiyah, M.Si Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh
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 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 terperinciKestabilan Titik Ekuilibrium Model SIS dengan Pertumbuhan Logistik dan Migrasi
Kestabilan Titik Ekuilibrium Model SIS dengan Pertumbuhan Logistik Migrasi Mohammad soleh 1, Parubahan Siregar 2 1,2 Jurusan Matematika Fakultas Sains Teknologi Universitas Islam Negeri Sultan Syarif Kasim
Lebih terperinciANALISIS KESTABILAN MODEL DINAMIKA PENYEBARAN PENYAKIT FLU BURUNG
Buletin Ilmiah Math. Stat. Dan Terapannya (Bimaster) Volume 03, No. 3 (2014), hal 235-244 ANALISIS KESTABILAN MODEL DINAMIKA PENYEBARAN PENYAKIT FLU BURUNG Hidayu Sulisti, Evi Noviani, Nilamsari Kusumastuti
Lebih terperinciTingkat Vaksinasi Minimum untuk Pencegahan Epidemik Berdasarkan Model Matematika SIR
Matematika Integratif 2(Edisi Khusus): 4-49 Tingkat Vaksinasi Minimum untuk Pencegahan Epidemik Berdasarkan Model Matematika SIR Asep K Supriatna Abstrak Dalam paper ini dibahas sebuah model SIR sederhana
Lebih terperinciProsiding Seminar Hasil-Hasil PPM IPB 2015 Vol. I : ISBN :
Vol. I : 214 228 ISBN : 978-602-8853-27-9 MODEL EPIDEMIK STOKASTIK PENYEBARAN PENYAKIT DEMAM BERDARAH DENGUE DI JAWA BARAT (Stochastic Epidemic Model of Dengue Fever Spread in West Java Province) Paian
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 terperinciPenggabungan dan Pemecahan. Proses Poisson Independen
Penggabungan dan Pemecahan Proses Poisson Independen Hanna Cahyaningtyas 1, Respatiwulan 2, Pangadi 3 1 Mahasiswa Program Studi Matematika/FMIPA, Universitas Sebelas Maret 2 Dosen Program Studi Statistika/FMIPA,
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 terperinciBab 2 Tinjauan Pustaka
Bab 2 Tinjauan Pustaka 2.1 Penelitian Terdahulu Penelitian yang pernah dilakukan sebelumnya Stabilitas Global Model SEIR Pada Penyakit Mewabah. Penelitian ini membahas tentang pembentukan model Epidemis
Lebih terperinciBAB 1 PENDAHULUAN. Wabah penyakit infeksi seperti penyakit SARS, flu burung, flu babi yang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Wabah penyakit infeksi seperti penyakit SARS, flu burung, flu babi yang terjadi berturut-turut pada tahun 2002, 2003 dan 2006 yang mencemaskan dan memakan banyak korban
Lebih terperinciKestabilan Model SIS dengan Non-monotone Incidence Rate & Treatment
Seminar Nasional Teknologi Informasi Komunikasi dan Industri SNTIKI 7 ISSN :085-990 Pekanbaru November 05 Kestabilan Model SIS dengan Non-monotone Incidence Rate & Treatment Mohammad Soleh Jurusan Matematika
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 terperinciANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2014) 2337-3520 (2301-928X Print) 1 ANALISA SIFAT-SIFAT ANTRIAN M/M/1 DENGAN WORKING VACATION Desi Nur Faizah, Laksmi Prita Wardhani. Jurusan Matematika, Fakultas
Lebih terperinciBAB I PENDAHULUAN. penyakit menular. Salah satu contohnya adalah virus flu burung (Avian Influenza),
BAB I A. Latar Belakang PENDAHULUAN Masalah lingkungan adalah masalah dasar dalam kehidupan manusia dan menjadi tanggung jawab bersama. Banyak permasalahan lingkungan yang bermunculan terkait lingkungan
Lebih terperinciKAJIAN MODEL EPIDEMIK SIS DETERMINISTIK DAN STOKASTIK WAKTU DISKRET DENGAN TOTAL POPULASI TIDAK KONSTAN FRISKA YULIANTIKA SAPUTRI
KAJIAN MODEL EPIDEMIK SIS DETERMINISTIK DAN STOKASTIK WAKTU DISKRET DENGAN TOTAL POPULASI TIDAK KONSTAN FRISKA YULIANTIKA SAPUTRI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciBab 1 Pendahuluan. 1.1 Latar Belakang
Bab 1 Pendahuluan 1.1 Latar Belakang Diperkirakan sekitar sepertiga penduduk dunia telah terinfeksi oleh Mycobacterium tuberkulosis. Pada Tahun 1995, WHO (World Health Organisation) mencanangkan kedaruratan
Lebih terperinciBAB I PENDAHULUAN. yang lebih dari 4 kali pada bayi dan lebih dari 3 kali pada dewasa, konsistensi
BAB I PENDAHULUAN A. Latar Belakang Diare merupakan penyakit yang ditandai dengan frekuensi buang air besar yang lebih dari 4 kali pada bayi dan lebih dari 3 kali pada dewasa, konsistensi feces encer,
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 terperinciKONTROL OPTIMAL VAKSINASI MODEL EPIDEMIOLOGI TIPE SIR
KOTROL OPTIMAL VAKSIASI MODEL EPIDEMIOLOGI TIPE SIR Jonner ainggolan 1, Sudradjat Supian 2, Asep K. Supriatna 3, dan ursanti Anggriani 4 2,3,4 Jurusan Matematika FMIPA Universitas Padjadjaran Bandung 1
Lebih terperinciEksistensi dan Kestabilan Model SIR dengan Nonlinear Insidence Rate
LEMMA VOL NO NOV 04 Eksistensi dan Kestabilan Model R dengan Nonlinear nsidence Rate Mohammad oleh ) dan Riry riningsih ) ) Jurusan Matematika Fakultas ains dan Teknologi UN uska Riau ) Jurusan Matematika
Lebih terperinciBAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai definisi-definisi dan teorema-teorema
BAB II LANDASAN TEORI Pada bab ini akan dibahas mengenai definisi-definisi dan teorema-teorema yang akan menjadi landasan untuk pembahasan pada bab III nanti, di antaranya model matematika penyebaran penyakit,
Lebih terperinciEsai Kesehatan. Disusun Oleh: Prihantini /2015
Esai Kesehatan Analisis Model Pencegahan Penyebaran Penyakit Antraks di Indonesia Melalui Vaksin AVA sebagai Upaya Mewujudkan Pemerataan Kesehatan Menuju Indonesia Emas 2045 Disusun Oleh: Prihantini 15305141044/2015
Lebih terperinciJurnal Euclid, vol.3, No.2, p.501 MODEL MATEMATIKA TERHADAP PENYEBARAN VIRUS AVIAN INFLUENZA TIPE-H5N1 PADA POPULASI MANUSIA
Jurnal Euclid, vol.3, No.2, p.501 MODEL MATEMATIKA TERHADAP PENYEBARAN VIRUS AVIAN INFLUENZA TIPE-H5N1 PADA POPULASI MANUSIA Dian Permana Putri 1, Herri Sulaiman 2 FKIP, Pendidikan Matematika, Universitas
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 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 TITIK TETAP MODEL PENULARAN PENYAKIT TIDAK FATAL
Jurnal Matematika UNAND Vol. 2 No. 3 Hal. 58 65 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND KESTABILAN TITIK TETAP MODEL PENULARAN PENYAKIT TIDAK FATAL AKHIRUDDIN Program Studi Matematika, Fakultas
Lebih terperinciELSA HERLINA AGUSTIN:
SIMULASI NUMERIK ESTIMASI PARAMETER MODEL DTMC SIS MENGGUNAKAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE) DENGAN PENDEKATAN NEWTON-RAPHSON Oleh ELSA HERLINA AGUSTIN 12321577 Skripsi Ini Ditulis untuk Memenuhi
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 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 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 terperinciModel Matematika Untuk Kontrol Campak Menggunakan Vaksinasi
JURNAL FOURIER Oktober 2013, Vol. 2, No. 2, 81-89 ISSN 2252-763X Model Matematika Untuk Kontrol Campak Menggunakan Vaksinasi Maesaroh Ulfa dan Sugiyanto Program Studi Matematika Fakultas Sains dan Teknologi,
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 terperinciPENYELESAIAN MODEL EPIDEMI SEIV DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI HANI ASRI GUARDIANI
PENYELESAIAN MODEL EPIDEMI SEIV DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI HANI ASRI GUARDIANI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014
Lebih terperinciKAJIAN ANTRIAN TIPE M/M/ DENGAN SISTEM PELAYANAN FASE CEPAT DAN FASE LAMBAT
KAJIAN ANTRIAN TIPE M/M/ DENGAN SISTEM PELAYANAN FASE CEPAT DAN FASE LAMBAT QUEUES ANALYSIS M/M/ TYPE WITH SLOW AND FAST PHASE SERVICE SYSTEM Oleh: Erida Fahma Nurrahmi NRP. 1208 100 009 Dosen Pembimbing:
Lebih terperinci