BAB 1 PENDAHULUAN. Wabah penyakit infeksi seperti penyakit SARS, flu burung, flu babi yang
|
|
- Herman Halim
- 7 tahun lalu
- Tontonan:
Transkripsi
1 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 serta menimbulkan berbagai dampak psikologis maupun kerugian material, membuat para peneliti berpikir tentang pentingnya pemahaman dan prediksi dinamika penyebaran penyakit infeksi, sehingga dampak dari penyebaran penyakit tersebut dapat diminamilisir. Pakar dan ilmuan merasa mempunyai tantangan dan kesempatan untuk terus menerus menggali dan menemukan ilmu pengetahuan baru guna mengatasi masalah ini. Ilmuan Matematika termasuk didalamnya ikut berperan serta ingin memberikan kontribusi dan sumbangan pemikiran mengurai permasalahan yang ada. Model matematika diharapkan dapat memberikan pemahaman tentang dinamika epidemi dan dapat pula digunakan sebagai dasar membuat keputusan mengenai kebijakan yang berkaitan dengan kesehatan masyarakat, baik untuk mengurangi kemungkinan penyebaran wabah maupun menghentikan infeksi. Model matematika telah dipakai sejak lama untuk memprediksi dinamika epidemi penyebaran penyakit menular serta untuk menguji strategi pengendalian yang diajukan. 1
2 2 Model yang berkaitan dengan efek vaksinasi pada epidemi penyakit cacar dikemukakan oleh Daniel Bernoulli seorang matematikawan Perancis yang mengusulkan model deterministik untuk memperlihatkan bahwa inokulasi dengan bentuk lunak dari virus cacar dapat mengurangi laju kematian penderita di Perancis. Selanjutnya Hamer mempostulasikan bahwa peluang suatu penularan dalam periode waktu berikutnya (dalam model waktu diskrit) berbanding lurus dengan jumlah individu tertular dikalikan dengan jumlah individu rentan. Ide ini dikenal sebagai prinsip aksi massa (mass-action) dan telah banyak dipakai dalam berbagai bidang keilmuan. Model epidemi dapat merupakan model sederhana yang terdiri dari beberapa persamaan atau dapat pula berbentuk model kompleks yang dalam hal demikian ini model tersebut perlu disimulasikan pada komputer super. Belakangan ini, muncul Perdebatan hangat tentang matematika epidemiologi yang berkenaan dengan seberapa rinci faktor yang perlu diikut sertakan dalam model epidemi (Smieszek, 2009). Model sederhana dibangun berdasarkan sedikit asumsi dan karena itu lebih transparan, sehingga model-model ini dapat memberikan pemahaman yang jelas terhadap faktor yang dapat menimbulkan epidemi. Akan tetapi, apabila suatu model merepresentasikan kenyataan yang sangat sederhana, besar kemungkinan bahwa model tersebut kurang bermanfaat bila digunakan sebagai alat untuk memberi pemahaman dan peramalan epidemi. Model kompleks membutuhkan banyak asumsi dan karena itu terlihat lebih realistik dan akurat dibandingkan dengan model yang sederhana. Realitanya, asumsi yang ada
3 3 seringkali tidak dievaluasi kebenarannya, asumsi-asumsi ini mengandung banyak parameter yang nilainya tidak diketahui atau hanya diketahui secara kurang akurat. Stehle et al. (2011) mengetengahkan isu tentang kesederhaan dan kompleksitas model, dan hasilnya memperlihatkan bahwa peningkatan kompleksitas suatu model tidak selalu berakibat pada peningkatan akurasi. Pada pemodelan epidemi, terdapat dua jenis model matematika yaitu; model deterministik dan model stokastik. Model deterministik, yang dikenal juga sebagai model kompartemen, mengkategorikan individu ke dalam subkelompok yang berbeda (kompartemen). Misalnya individu dikategorikan ke dalam tiga subkelompok yang saling eksklusif, subkelompok rentan (susceptible), subkelompok tertular (infected) dan subkelompok sembuh (recovered). Model klasik kompartemen dari tipe rentan (susceptible) tertular (infected) sembuh (recovered) rentan (susceptible), yang lebih popular dengan sebutan SIRS (yang selanjutnya dipakai dalam desertasi ini), dibentuk sebagai himpunan persamaan differensial biasa (Kermack dan McKendrick, 1927). Akibatnya, beberapa pengandaian penyederhanaan dipakai, seperti, waktu dan perubahan ukuran populasi pada skala kontinu, dengan semua proses terjadi secara kontinu dan bersamaan; terdapat percampuran lengkap dalam kompartemen model, kemudian himpunan syarat awal yang diberikan selalu membawa pada hasil sama (Anderson dan May, 1992). Secara matematis model SIRS dapat dinyatakan sebagai berikut ini. Andaikan N menyatakan ukuran populasi. Untuk t 0, andaikan S(t) jumlah individu rentan pada waktu t, I(t) jumlah individu tertular pada waktu t, R(t)
4 4 jumlah individu sembuh hingga waktu t, kemudian s(t) = S(t) I(t), i(t) = N N r(t) = R(t). Dalam sembarang selang waktu [t, t + t] individu rentan sangat N berkemungkinan terjadi kontak dengan sembarang individu yang pada saat ini telah tertular. Dalam selang waktu sama, setiap individu tertular dapat sembuh dan imun sementara, selanjutnya individu yang imun tersebut dapat saja kehilangan imunitasnya dan menjadi rentan kembali. Karena S(t)+ I(t)+ R(t) = N, pasangan (I(t),R(t)) atau (i(t),r(t)) secara lengkap memberikan status dari sistem pada sembarang waktu t. dan Sistem biologi cenderung melanggar beberapa asumsi yang melatarbelakangi pembentukan model kompartemen klasik epidemi penyakit, antara lain, misalnya populasi terdiri dari individu-individu. Karena itu ukuran populasi hanya dapat berubah secara diskrit (dengan skala bilangan bulat) dan pada kejadian diskrit (lahir, mati, dan lain-lain), syarat awal tidak dapat didefinisikan secara sempurna, yang terakhir, tidak semua individu dapat berinteraksi satu dengan lainnya. Model yang lebih kompleks dapat mengatasi kekurangan ini. Model stokastik sederhana dapat mengatasi skala diskrit (terhadap waktu dan ukuran populasi) dan dapat membentuk rentang hasil berbeda dengan mengimplementasikan pengaruh stokastik (acak). Namun, model ini tetap memandang semua individu sama dan dapat dipertukarkan. Mengakibatkan dua individu dapat berinteraksi satu dengan lainnya dengan peluang sama. Pada sistem nyata hal seperti ini tidak sesuai dengan kenyataan. Kebanyakan interaksi, dan transmisi penyakit, menghendaki kedekatan atau setidak-tidaknya menjadi lebih lemah de-
5 5 ngan semakin jauhnya jarak antar dua individu.dalam populasi, individu yang berpindah-pindah memiliki pola kedekatan yang dapat ditelusuri dengan cara memantau jaringan kontak antar individu, yang disebut jaringan sosial. Dewasa ini, model matematika telah dikembangkan untuk memeriksa pengaruh heterogenitas pencampuran antara individu didalam pola penyebaran penyakit menular (Hethcote, 2000). Pada berbagai teknik yang ada, model jaringan yang paling banyak diusulkan, terutama yang berkaitan dengan kontak sosial. Hal ini mendefinisikan interaksi antara pasangan atau grup individu dan memperhitungkannya sebagai rute transmisi penyakit (Meyers et al., 2005; Eubank, 2006; Newman, 2002). Jaringan kontak semakin dikenal sebagai titik sentral untuk dinamika penyakit menular dan fenomena transmisi lainnya (Lloyd dan May, 2001; Barabasi, 2002; Newman et al., 2006). Sebagai akibat dari struktur jaringan kontak, sebagian besar populasi tercampur secara heterogen yang mengakibatkan asumsi aksi-massa (mass-action) tidak dapat dipakai untuk mendeskripsikan penyebaran penyakit epidemi. Hasil perkembangan dari penyebaran penyakit dalam jaringan telah memberikan tantangan terhadap formalisme yang masih dipakai secara luas tentang model epidemi yang didasarkan pada persamaan Kermack dan McKendrik (1927) (Lihat misalnya, Morris, 1995; May dan Lloyd, 2001); Eames dan Keeling, 2002; Newman, 2002). Model deterministik yang diperkenalkan oleh Ermack dan McKendrik beserta kebanyakan turunannya dikenal sebagai model mean-field, atau kompartemen, atau aksi-massa. Karena model-
6 6 model ini menggunakan asumsi utamanya adalah pencampuran individu yang homogen(anderson dan May, 1992). Untuk populasi yang berukuran besar, setiap individu membuat kontak dengan subpopulasi yang kecil dan terkelompok. Kemudian lokal korelasi yang dihasilkan dari transmisi dalam jaringan terstruktur demikian tidak dapat ditampung oleh model baku mean-field secara sempurna (Keeling, a,b). Meskipun adanya keberatan tentang asumsi populasi yang tercampur homogen, banyak teori yang telah diajukan berdasarkan asumsi tersebut (lihat misalnya, Anderson dan May, 1992; Smith, 2005). Kesederhanaan model yang diperoleh membuat asumsi tersebut menarik dan menantang. Perluasan dari teori tersebut telah banyak dikembangkan untuk mengakomodasi ketercampuran heterogen dalam suatu populasi (atau komunitas spesies). Hal ini dilakukan dengan cara memperhatikan subkelompok host ganda dan matriks transmisi yang menspesifikasi individu yang terkena infeksi berasal dari individu yang mana dikenal sebagai matriks WAIFW (Anderson dan May, 1984; Schenzle, 1984; Diekmann, 1990; Dobson, 2004). Akan tetapi, dalam kerangka dasar ini transmisi dalam subkelompok tetap homogen. Hal yang lebih ekstrim lagi, transmisi dapat dinyatakan pada tingkat individu dalam jaringan kontak sebagai suatu proses stokastik. Model jaringan menambah realitas pada struktur kontak, namun informasi empiris untuk mendeskripsikan secara lengkap lintasan transmisi sering kali tidak mudah atau tidak mungkin diperoleh. Keseimbangan yang sama terbukti dalam model pada proses transmisi penyakit lainnya, misalnya, penyebaran
7 7 perilaku, rumor dan virus komputer, serta pada sistem dinamika ekologi yang mencakup interaksi individu. Karena keseimbangan ini merupakan penggabungan dalam ekologi dan epidemiologi, model yang berbasis individu telah dilakukan secara paralel dan merupakan usaha yang masih terus berlanjut, terutama untuk penyederhanaan yang dapat mengaproksimasi dinamika sistem kompleks (lihat, Bolker dan Pacala, 1997; Levin dan Pacala, 1997; Keeling, 1999a,b; Iwasa, 2000; Law and Dieckmann, 2000; Pascual, 2005). Misalnya, konsep empiris dari efektif sekitar minimum telah dikembangkan untuk menguji pentingnya korelasi lokal dan ketidakpastian demograpi, serta kinerja yang terkait dengan model meanfield dalam dinamika epidemi (Keeling dan Grenfell, 2000). Begitupun, asumsi dasar untuk penelitian demikian ini ialah bahwa jaringan dipandang statis: artinya setelah asosiasi terbentuk antara dua individu, asosiasi ini akan tetap tidak berubah. Sayangnya, asosiasi antara individu dalam jaringan sosial biasanya berubah dengan terbentuknya hubungan baru dan hilangnya hubungan lama. Kondisi demikian ini terjadi secara kontinu. Model deterministik, juga dikenal sebagai model Kompartmental yang mengkategorikan individu ke dalam subkelompok yang berbeda (Kompartemen). Misalnya Individu dikategorikan kedalam tiga subkelompok yang saling eksklusif; subkelompok rentan (Susceptibles), subkelompok infeksi/tertular (infektives) dan subkelompok yang pindah (removed) yang mewakili individu yang meninggal karena penyakit, sembuh dari infeksi dan memiliki kekebalan tubuh yang tetap atau individu yang sudah diasingkan dari sisa populasi. Sebagian besar model
8 8 yang menggambarkan perilaku penyakit menular, yang telah digunakan sampai sekarang, adalah deterministik. Karena model ini hanya membutuhkan sedikit data, dan relatif lebih mudah menerapkannya. Model stokastik bergantung pada variasi kesempatan dalam exposure risiko, penyakit, dan faktor lainnya. Model jenis ini memberikan wawasan lebih ke pemodelan tingkat individu, mempertimbangkan ukuran populasi kecil di mana setiap individu memainkan peran penting dalam model. Oleh karena itu, model ini digunakan ketika heterogeneitas penting untuk dipertimbangkan. Para peneliti dalam memodelkan penyakit epidemi, mengasumsikan bahwa populasi yang terkait sebagai berikut: 1. Semua anggota populasi yang terpapar (susceptible) identik dari pandangan pemodelan 2. Terdapat masukan konstanta mendasar untuk model, yaitu basic reproduction number R 0 yang menunjukkan rata-rata jumlah terinfeksi baru yang diakibatkan oleh setiap individu baru terinfeksi 3. Kelompok lokal yang mencakup sekurang-kurangnya satu individu terinfeksi dikarakterisasi oleh pencampuran homogen yang berarti bahwa setiap anggota terpapar memiliki peluang yang sama untuk terjangkit dari individu yang sudah terjangkit
9 9 1.2 Permasalahan Penelitian disertasi ini terfokus pada model epidemi penyakit menular, untuk populasi yang bersifat heterogen. Model ini diajukan mengingat karakteristik individu dalam sebuah populasi berbeda (tidak homogen). Disini, populasi terpapar heterogen dalam berbagai cara antara lain dapat dipandang dari individu yang berinteraksi sosial aktif dengan individu lainnya, individu yang secara relatif tidak aktif berinteraksi dengan individu lainnya pada suatu waktu. Model yang diselidiki pada penelitian disertasi ini didasarkan pada model mean-field baku. Parameter utama yang menjadi ukuran untuk pengendalian epidemi yang dikenal dengan basic reproductive number dengan model mean-filed akan diselidiki secara lebih detil dalam rangka pengembangan model. Model modifikasi meanfiled yang dihasilkan pada hakekatnya mengandung secara tersirat beberapa efek penting dari pencampuran heterogen dalam jaringan kontak pada epidemi. 1.3 Tujuan Penelitian Penelitian Disertasi ini bertujuan membangun model penyebaran penyakit menular dalam jaringan dinamis tipe SIRS untuk populasi yang bersifat heterogen. Model yang dibangun dengan menggunakan kerangka dasar model mean-field baku ini menyelidiki sebuah parameter yang dikenal sebagai basic reproductive number secara detail, khususnya apabila asumsi dasar dari model, pencampuran populasi homogen, tidak berlaku. Dalam model SIRS, parameter ini memiliki peran yang sangat penting sebagai ambang aba-aba adanya wabah,
10 10 terhadap relevansi untuk menguji ukuran pengendalian penyebaran. Hasil penyelidikan terhadap relevansi untuk menguji ukuran pengendalian penyebaran. Hasil penyelidikan terhadap parameter tersebut akan memberikan arah pada pengembangan model mean-field yang pada hakekatnya mengandung secara tersirat beberapa efek penting dari pencampuran heterogen dalam jaringan kontak pada epidemi penyakit menular. 1.4 Urgensi Model Epidemi Epidemiologi merupakan studi tentang distribusi dan determinan penyakit prevalensi pada manusia. Salah satu fungsi epidemiologi adalah untuk menggambarkan distribusi penyakit, yaitu mencari tahu siapa, berapa banyak, dari apa, dimana dan kapan suatu penyakit menyebar. Fungsi lainnya adalah untuk mengidentifikasi penyebab atau faktor risiko dari suatu penyakit, selanjutnya adalah untuk membangun dan menguji teori serta untuk membuat perencanaan, melaksanakan, mengevaluasi, kontrol dan selanjutnya membuat program pencegahan. Pemodelan epidemiologi dapat memainkan peran penting dalam hal mengontrol dan membuat program pencegahan yang dalam hal ini difokuskan pada pemodelan penyakit menular pada populasi manusia. Sebagian besar pemodelan penyakit menular mengacu pada pemodelan deterministik dimana populasi dibagi menjadi kompartemen berdasarkan status epidemi(misalnya rentan, infeksi, pulih). Kemunculan penyakit menular masih menyebabkan penderitaan dan kematian di dunia terutama dinegara berkembang,
11 11 sedangkan di negara maju penyakit kronis seperti kanker dan penyakit jantung telah menyita perhatian yang lebih dari penyakit menular. Mekanisme transmisi dari susceptibles kemudian terjadinya infeksi dapat dipahami untuk hampir semua penyakit menular dan penyebaran penyakit melalui rantai infeksi. Namun, transmisi interaksi dalam suatu populasi sangat kompleks, sehingga sulit untuk memahami dinamika pada skala penyebaran yang besar pada suatu penyakit tanpa struktur formal dari suatu model matematika. Model matematika telah menjadi alat penting dalam menganalisis penyebaran dan pengendalian penyakit menular yang dapat menjelaskan asumsi, variabel, dan parameter. Model matematika dan simulasi komputer adalah alat eksperimental yang berguna untuk membangun dan pengujian teori-teori, menilai dugaan kuantitatif, menjawab pertanyaan spesifik, menentukan kepekaan terhadap perubahan nilai parameter, dan parameter kunci dalam prediksi melalui data. Memahami karakteristik transmisi dari penularan penyakit pada masyarakat, daerah dan negara dapat mempermudah mengadakan pendekatan untuk mengurangi penularan penyakit. Model matematis yang digunakan dalam membandingkan, merencanakan, melaksanakan, mengevaluasi, dan mengoptimalkan berbagai program deteksi, pencegahan, terapi dan kontrol. Pemodelan epidemiologi dapat berkontribusi pada desain dan analisis epidemiologi.
12 12 Dalam banyak ilmu adalah mungkin untuk melakukan percobaan untuk mendapatkan informasi dan untuk menguji hipotesis. Percobaan dengan penyebaran infeksi penyakit pada populasi manusia, hal tersebut sering tidak mungkin dilakukan, tidak etis atau mahal. Data kadang-kadang tersedia dari epidemi yang terjadi secara alami atau darikejadian alami penyakit endemik, namun karena sesuatu hal data yang ada sering tidak lengkap. Kurangnya data yang dapat diandalkan membuat parameter yang akan diestimasi secara akurat menjadi sulit, sehingga hanya mungkin untuk memperkirakan kisaran nilai untuk beberapa parameter. Arena percobaan berulang dan data yang akurat biasanya tidak tersedia dalam epidemiologi, maka model matematika dan simulasi komputer dapat digunakan untuk melakukan eksperimen teoritis sehingga perhitungan dapat dilakukan dengan mudah untuk berbagai nilai parameter. Pemodelan sering dapat digunakan untuk membandingkan penyakit yang berbeda di populasi yang sama, penyakit yang sama pada populasi yang berbeda, atau penyakit yang sama pada waktu yang berbeda. Model epidemiologi dapat juga berguna dalam membandingkan efek dari prosedur pencegahan atau kontrol. Hethcote dan Yorke, menggunakan model untuk membandingkan prosedur pengendalian wabah gonore seperti pemeriksaan, rescreening, melacak infectors, infectees pelacakan, pasca pengobatan melalui vaksinasi. Prediksi kuantitatif dari model epidemiologi biasanya akan mengarah pada beberapa ketidakpastian karena model yang diperoleh dan nilai parameter yang tersedia hanya dapat diperkirakan (Hethcote & Yorke, 1984).
13 13 Pemodelan epidemiologi mengarah pada suatu pernyataan yang jelas dari asumsi tentang mekanisme biologis dan sosiologis yang mempengaruhi penyebaran penyakit. Parameter yang digunakan dalam model epidemiologi harus memiliki interpretasi yang jelas seperti durasi infeksi dan model diharapkan dapat digunakan untuk memprediksi dugaan yang bersifat kuantitatif. Model epidemiologi kadang-kadang dapat digunakan untuk memprediksi penyebaran atau timbulnya penyakit. Sebagai contoh, Hethcote memperkirakan bahwa Sindrom Rubella kongenital rubella dan akan menghilang di Amerika Serikat karena tingkat vaksinasi saat ini menggunakan gabungan vaksin campakgondong-rubela secara signifikan di atas ambang batas diperlukan untuk kekebalan kawanan untuk rubela. Model epidemiologis juga dapat digunakan untuk menentukan sensitivitas prediksi perubahan dalam nilai-nilai parameter. Setelah mengidentifikasi parameter yang memiliki pengaruh terbesar pada prediksi, dimungkinkan untuk merancang penelitian untuk mendapatkan estimasi parameter yang lebih baik.
BAB 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 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 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 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 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 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 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 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 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 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 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 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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN Bab ini memuat tentang latar belakang yang mendasari penelitian. Berdasarkan pada latar belakang tersebut, ditentukan tujuan penelitian yang ingin dicapai. Pada bab ini juga dijelaskan
Lebih terperinciBAB I PENDAHULUAN. Middle East Respiratory Syndrome-Corona Virus atau biasa disingkat MERS-
A. Latar Belakang Penelitian BAB I PENDAHULUAN Middle East Respiratory Syndrome-Corona Virus atau biasa disingkat MERS- CoV adalah penyakit sindrom pernapasan yang disebabkan oleh Virus-Corona yang menyerang
Lebih terperinciMODEL EPIDEMI RANTAI MARKOV WAKTU DISKRIT SUSCEPTIBLE INFECTED RECOVERED DENGAN DUA PENYAKIT
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
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN Pada bab ini akan dijelaskan mengenai latar belakang yang mendasari penelitian yang kemudian dirumuskan dalam rumusan masalah. Berdasarkan latar belakang dan rumusan masalah yang telah
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 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 terperinciBAB 3 ANALISIS DAN PERANCANGAN. 3.1 Analisis Kegunaan dari Program Aplikasi yang Dirancang
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Analisis Kegunaan dari Program Aplikasi yang Dirancang Telah disinggung pada bagian pendahuluan bahwa para epidemiolog menggunakan model matematika untuk merunut kemajuan
Lebih terperinciAnalisis Kestabilan Model Matematika Penyebaran Infeksi Penyakit SARS (Severe Acute Respiratory Syndrome) dengan Faktor Host dan Vaksinasi
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Analisis Kestabilan Model Matematika Penyebaran Infeksi Penyakit SARS (Severe Acute Respiratory Syndrome) dengan Faktor Host dan Vaksinasi
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 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 terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Influenza atau lebih dikenal dengan flu, merupakan salah satu penyakit yang menyerang pernafasan manusia. Penyakit ini disebabkan oleh virus influenza yang
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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 terperinciANALISIS KESTABILAN DARI SISTEM DINAMIK MODEL SEIR PADA PENYEBARAN PENYAKIT CACAR AIR (VARICELLA) DENGAN PENGARUH VAKSINASI SKRIPSI
ANALISIS KESTABILAN DARI SISTEM DINAMIK MODEL SEIR PADA PENYEBARAN PENYAKIT CACAR AIR (VARICELLA) DENGAN PENGARUH VAKSINASI SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperinciBab 1 PENDAHULUAN. 1.1 Latar Belakang
Bab 1 PENDAHULUAN 1.1 Latar Belakang Penyakit flu burung telah membuat masyarakat resah terutama di Indonesia. Jutaan unggas mati. Tidak hanya itu, yang lebih fatal penyakit ini telah mulai menular dari
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 terperinciBAB I PENDAHULUAN 1.1.Latar Belakang
BAB I PENDAHULUAN 1.1.Latar Belakang Perkembangan ilmu pengetahuan dibidang Matematika memberikan peranan penting dalam membantu menganalisa dan mengontrol penyebaran penyakit. Kejadian-kejadian yang ada
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 terperinciDinamika dan Aplikasi dari Model Epidemologi Hepatitis C Ema Hardika S. ( )
Dinamika dan Aplikasi dari Model Epidemologi Hepatitis C Ema Hardika S. (081112005) Abstrak Jurnal ini membahas tentang simulasi model SEIC pada transimi virus hepatitis C (VHC) yang dibangun oleh Suxia
Lebih terperinciLANDASAN TEORI HERD IMMUNITY
LANDASAN TEORI HERD IMMUNITY Sub Topik Kuliah Epidemiologi Penyakit Menular Universitas Esa Unggul Jakarta, November 2015 Oleh: Ade Heryana LANDASAN TEORI HERD IMMUNITY Oleh: Ade Heryana Terdapat 3 teori
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 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 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 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 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 terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Semakin berkembangnya ilmu pengetahuan dan ilmu pengobatan tidak menjamin manusia akan bebas dari penyakit. Hal ini disebabkan karena penyakit dan virus juga
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Penyakit menular merupakan masalah kesehatan utama di hampir setiap negara, termasuk Indonesia. Beberapa penyakit dapat menyebar dalam populasi hingga menyebabkan
Lebih terperinciT - 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 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 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 terperinciMODEL MATEMATIKA DALAM KASUS EPIDEMIK KOLERA DENGAN POPULASI KONSTAN. Renny, M.Si Program Studi Matematika Universitas Jenderal Soedirman
MODEL MATEMATIKA DALAM KASUS EPIDEMIK KOLERA DEGA POPULASI KOSTA T 10 Renny, M.Si Program Studi Matematika Universitas Jenderal Soedirman ABSTRAK. Dalam paper ini dibahas tentang model penyebaran penyakit
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 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 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 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 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 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 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 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 terperinciBAB I PENDAHULUAN. Penyakit virus Ebola merupakan salah satu penyakit menular dan mematikan
BAB I PENDAHULUAN A. Latar Belakang Penyakit virus Ebola merupakan salah satu penyakit menular dan mematikan yang pertama kali muncul pada tahun. Rata-rata tingkat kematian penyakit virus Ebola mencapai,
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 terperinciBAB I PENDAHULUAN. kematian nomor tujuh di Indonesia dengan persentase 5,7 persen dari keseluruhan
BAB I PENDAHULUAN A. Latar Belakang Masalah Tumor merupakan penyakit yang mengkhawatirkan karena menjadi penyebab kematian nomor tujuh di Indonesia dengan persentase 5,7 persen dari keseluruhan penduduk
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 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 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 terperinciII MODEL MATEMATIKA PENYEBARAN PENYAKIT DBD
8 II MODEL MATEMATIKA PENYEBARAN PENYAKIT DBD 3.1 Penyebaran Virus DBD DBD adalah penyakit yang disebabkan oleh virus dengue. Penyebaran virus demam berdarah dengue ditularkan oleh nyamuk. Nyamuk Aedes
Lebih terperinciPemodelan dan Simulasi Matematika Pengendalian Epidemi DBD di Wilayah Bandung dan Sekitarnya
LAPORAN EKSEKUTIF HASILPENELITIAN HIBAH PENELITIAN PASCASARJANA HPTP (HIBAH PASCA) Pemodelan dan Simulasi Matematika Pengendalian Epidemi DBD di Wilayah Bandung dan Sekitarnya Oleh: Prof. Dr. Edy Soewono
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 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 PADA PENYEBARAN PENYAKIT CAMPAK DAN DEMAM BERDARAH DENGUE DI KABUPATEN JEMBER SKRIPSI. Oleh Andy Setyawan NIM
ANALISIS STABILITAS PADA PENYEBARAN PENYAKIT CAMPAK DAN DEMAM BERDARAH DENGUE DI KABUPATEN JEMBER SKRIPSI diajukan guna melengkapi tugas akhir dan memenuhi salah satu syarat untuk menyelesaikan Program
Lebih terperinciBab 11 Agent-Based Model. MA 2151 Simulasi dan Komputasi Matematika
Bab 11 Agent-Based Model MA 2151 Simulasi dan Komputasi Matematika Agen dalam Interaksi Pinkeye (infectious bovine keratoconjunctivitis) adalah penyakit menular pada ternak dan sangat berbahaya bagi sapi
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 terperinciBAB I PENDAHULUAN. terjadinya penyakit Acquired Immune Deficiency Syndrome (AIDS). Kasus HIV-
BAB I PENDAHULUAN 1.1. Latar Belakang Infeksi Human Immunodeficiency Virus (HIV) merupakan salah satu masalah kesehatan utama dan salah satu penyakit menular yang dapat mempengaruhi kematian penduduk di
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 terperinciBAB II LANDASAN TEORI. selanjutnya sebagai bahan acuan yang mendukung tujuan penulisan. Materi-materi
BAB II LANDASAN TEORI Pada bab ini akan dibahas tentang landasan teori yang digunakan pada bab selanjutnya sebagai bahan acuan yang mendukung tujuan penulisan. Materi-materi yang diuraikan berupa definisi-definisi
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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Sekilas Mengenai Tuberkulosis 2.1.1 Pengertian dan Sejarah Tuberkulosis Tuberkulosis TB adalah penyakit menular yang disebabkan oleh bakteri Mycobacterium Tuberculosis. Bakteri
Lebih terperinciBAB I PENDAHULUAN. Feces (kotoran manusia) yang terinfeksi oleh bakteri Vibrio cholerae
BAB I PENDAHULUAN A. Latar Belakang Masalah Feces (kotoran manusia) yang terinfeksi oleh bakteri Vibrio cholerae banyak ditemui di permukaan air. Melalui makanan, seperti sayuran yang telah dipupuk dengan
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 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 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 terperinciMinggu 9. MA2151 Simulasi dan Komputasi Matematika
Minggu 9 MA2151 Simulasi dan Komputasi Matematika Model SIR Merupakan model penyebaran penyakit yang diperkenalkan oleh Kermack dan McKendrick pada 1927. Terdapat 3 populasi dalam model ini: Susceptible
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 terperinciBAB I PENDAHULUAN. Perkembangan ilmu pengetahuan dan teknologi serta perubahan lingkungan
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan ilmu pengetahuan dan teknologi serta perubahan lingkungan hidup dapat mempengaruhi perubahan pola penyakit yang dapat menimbulkan epidemik dan membahayakan
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 terperinciMODEL SEIR PADA PENULARAN HEPATITIS B
97 MODEL SEIR PADA PENULARAN HEPATITIS B Syafruddin Side Jurusan Matematika FMIPA, Universitas Negeri Makassar syafruddin.side@yahoo.com Abstrak Penyakit Hepatitis B dapat ditafsirkan dengan persamaan
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 terperinciFOURIER April 2013, Vol. 2, No. 1, MODEL PENYEBARAN PENYAKIT POLIO DENGAN PENGARUH VAKSINASI. RR Laila Ma rifatun 1, Sugiyanto 2
FOURIER April 2013, Vol. 2, No. 1, 13 23 MODEL PENYEBARAN PENYAKIT POLIO DENGAN PENGARUH VAKSINASI RR Laila Ma rifatun 1, Sugiyanto 2 1, 2 Program Studi Matematika Fakultas Sains dan Teknologi UIN Sunan
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 terperinciBab 2 LANDASAN TEORI. 2.1 Pengantar Proses Stokastik
Bab 2 LANDASAN TEORI Pada bab ini akan diberikan penjelasan singkat mengenai pengantar proses stokastik dan rantai Markov, yang akan digunakan untuk analisis pada bab-bab selanjutnya. 2.1 Pengantar Proses
Lebih terperinciModel Penyebaran Penyakit Menular MERS-CoV: Suatu Langkah Antisipasi Untuk Calon Jamaah Umrah/Haji Indonesia. Disusun Oleh: Benny Yong, S.Si., M.Si.
Perjanjian No: III/LPPM/2015-02/40-P Model Penyebaran Penyakit Menular MERS-CoV: Suatu Langkah Antisipasi Untuk Calon Jamaah Umrah/Haji Indonesia Disusun Oleh: Benny Yong, S.Si., M.Si. Livia Owen, S.Si.,
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 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 terperinciBAB 1 PENDAHULUAN. mulai dari SARS (Severe Acute Respiratory Syndrom Sindrom Pernafasan Akut
BAB 1 PENDAHULUAN 1.1 Latar Belakang Akhir-akhir ini, penyakit menular sepertinya menjadi berita hampir setiap hari, mulai dari SARS (Severe Acute Respiratory Syndrom Sindrom Pernafasan Akut Berat), penyakit
Lebih terperinci1. Relatif cepat dan murah untuk mendeteksi adanya kejadian luar biasa.
JENIS DESAIN PENELITIAN 1. Cross-Sectional Survey cross sectional ialah suatu penelitian untuk mempelajari dinamika kolerasi antara faktorfaktor resiko dengan efek, dengan cara pendekatan, observasi atau
Lebih terperinci