BAB II LANDASAN TEORI
|
|
- Liani Lesmono
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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 penulisan yang berisi definisi-definisi dan teori. Pada bagian ketiga disusun kerangka pemikiran yang menjelaskan alur pemikiran penulisan skripsi. 2.1 Tinjauan Pustaka Menurut Hethcote [3], model matematika merupakan alat yang dapat digunakan untuk mempelajari pola penyebaran penyakit. Model SIR menjelaskan tentang penyebaran penyakit, dengan individu yang sembuh dari penyakit tidak dapat terinfeksi kembali karena memiliki kekebalan. Model epidemi SIR pertama kali diperkenalkan oleh Kermack dan McKendrick [5] pada tahun Dargatz [2], pada tahun 2006 telah meneliti mengenai model SIR dengan menentukan model penyebaran penyakit influenza di Jerman. Pada tahun 2005 Tuckwell dan Williams [9] melakukan penelitian pada model SIR secara probabilistik. Salah satu penelitian yang telah membahas mengenai model epidemi secara probabilistik dengan menentukan probabilitas berhentinya epidemi dan probabilitas puncak epidemi dilakukan oleh Allen [1], pada tahun Pada penelitian ini dilakukan penurunan ulang bagaimana menentukan probabilitas puncak epidemi yang merujuk dari Allen [1], dengan terlebih dahulu menentukan probabilitas berakhirnya epidemi dengan menggunakan proses pencabangan. Selanjutnya menerapkan model tersebut dalam suatu kasus, dan mencari nilai puncak epidemi melalui simulasi serta memberikan interpretasi terhadap hasil simulasi. 4
2 2.2 Teori Penunjang Pada bab ini diberikan teori yang mendukung untuk mencapai tujuan penulisan. Teori yang diberikan meliputi proses stokastik, proses Markov, model Discrete Time Markov Chain (DTMC) SIR, dan proses pencabangan Proses Stokastik Perubahan banyaknya individu terinfeksi berkaitan erat dengan probabilitas suatu kejadian. Hal tersebut menunjukkan bahwa penyebaran penyakit merupakan suatu kejadian random yang bergantung pada variabel waktu dan berkaitan dengan probabilitas sehingga dapat disebut sebagai proses stokastik. Menurut Parzen [6], serta Taylor dan Karlin [7], proses stokastik merupakan kumpulan dari variabel random {I t (s)/t T, s S}, dengan T himpunan indeks yang dinyatakan sebagai himpunan waktu dan S ruang sampel. Jika T = {0, 1, 2, 3,..}, maka dikatakan proses stokastik dengan waktu diskrit, sedangkan jika T = [0, ), maka dikatakan proses stokastik dengan waktu kontinu Proses Markov Perubahan banyaknya individu susceptible, infected, dan recovered pada saat t n hanya dipengaruhi oleh banyaknya individu susceptible, infected, dan recovered pada saat t n 1. Proses kejadian tersebut menunjukkan bahwa penyebaran penyakit merupakan suatu kejadian khusus dari proses stokastik yaitu proses Markov. Menurut Parzen [6], suatu proses stokastik dikatakan sebagai proses Markov, jika diberikan suatu nilai I(t), maka nilai I(s) dengan s > t tidak bergantung pada nilai I(u) dengan (u < t). Jadi dapat disimpulkan bahwa probabilitas bersyarat dari I(t n ) dengan syarat I(t 1 ),..., I(t n 1 ), hanya bergantung pada nilai I(t n 1 ). Probabilitas bersyarat dapat dituliskan sebagai P [I(t n ) = i n I(t 1 ) = i 1,..., I(t n 1 ) = i n 1 ] = P [I(t n ) = i n I(t n 1 ) = i n 1 )] Suatu nilai i tertentu dikatakan sebagai nilai yang mungkin atau suatu state dari proses stokastik I(t), t T jika terdapat suatu t dalam himpunan waktu T 5
3 sehingga probabilitas P [i h < I(t) < i + h] bernilai positif untuk h > 0. Salah satu kejadian khusus dari proses Markov adalah rantai Markov, yaitu suatu proses Markov yang mempunyai ruang state diskrit. Himpunan yang mungkin dari suatu proses stokastik disebut ruang state Model Discrete Time Markov Chain (DTMC) SIR Model susceptible infected recovered (SIR) merupakan model yang menjelaskan penyebaran penyakit dari individu susceptible (S) menjadi infected (I ) kemudian akan sembuh recovered (R) dan tidak terinfeksi kembali karena memiliki kekebalan. Pada model ini populasi dibagi menjadi tiga kelompok yaitu kelompok individu yang rentan terinfeksi penyakit (susceptible (S)), kelompok individu yang terinfeksi penyakit (infected (I )), dan kelompok individu yang sembuh dari penyakit dan tidak dapat terinfeksi kembali (recovered (R)). Asumsi yang digunakan dalam model DTMC SIR adalah 1. penyakit menyebar pada populasi tertutup, artinya tidak terjadi emigrasi dan imigrasi dalam populasi serta jumlah individu dalam populasi konstan, 2. hanya satu penyakit yang menyebar dalam populasi, 3. laju kelahiran dan laju kematian diabaikan, 4. populasi bercampur homogen, artinya setiap individu memiliki kemungkinan yang sama untuk melakukan kontak dengan individu lain dalam populasi. Perubahan besarnya probabilitas individu S dan I pada saat t n hanya dipengaruhi oleh besarnya probabilitas individu S dan I pada saat t n 1. Kejadian tersebut menunjukkan bahwa penyebaran penyakit merupakan proses Markov. Penyebaran penyakit dengan karakteristik tersebut dapat digambarkan dengan menggunakan model DTMC SIR. 6
4 Pada model DTMC SIR variabel random yang dikaji adalah S(t) dan I(t), dalam selang waktu diskrit, t = 0, 1, 2,... Misalkan S(t) dan I(t) masing-masing merupakan banyaknya individu rentan terinfeksi dan banyaknya individu terinfeksi pada waktu t, diberikan probabilitas bersama p (s,i) (t) = P [S(t) = s, I(t) = i] dengan s,i = 0, 1, 2, 3,..., N dan t = 0, 1, 2, 3,... Banyaknya individu S dan I dapat berubah setiap waktu. Jika besarnya perubahan banyaknya individu S pada selang waktu t yaitu k dan besarnya perubahan banyaknya individu I pada selang waktu t yaitu j, maka perpindahan dari state s ke s + k dan dari state i ke i + j disebut transisi. Probabilitas perubahan banyaknya individu terinfeksi dari state s ke s + k dan dari state i ke i + j pada selang waktu t disebut probabilitas transisi yang dapat dituliskan sebagai p (s,i),(s+k,i+j) ( t) = P r{(s(t+ t), I(t+ t)) = (s+k, i+j) (S(t), I(t)) = (s, i)}. Transisi terjadi pada selang waktu yang sangat kecil dan diasumsikan hanya terdapat satu individu yang bertransisi dari state (s, i) ke state (s+k, i+j). Oleh karena itu, ada tiga kemungkinan transisi yang terjadi, yaitu dari state (s, i) ke state (s 1, i + 1), dari state (s, i) ke state (s, i 1), dan dari state (s, i) ke state (s, i). Pada saat terjadi transisi dari state (s, i) ke state (s 1, i+1) berarti terjadi perpindahan satu individu dari kelompok S ke I. Jika β adalah laju penularan dan terdapat sebanyak s individu susceptible yang melakukan kontak dengan individu infected, maka probabilitas transisi dari state (s, i) ke state (s 1, i + 1) adalah p (s,i),(s 1,i+1) ( t) = β is t. (2.1) N Pada saat terjadi transisi dari state (s, i) ke state (s, i 1) berarti banyaknya individu infected berkurang satu. Pengurangan satu individu terinfeksi tersebut terjadi karena terjadinya kesembuhan dengan laju kesembuhan sebesar γ. Jadi, 7
5 besarnya probabilitas transisi dari state (s, i) ke state (s, i 1) adalah p (s,i),(s,i 1) ( t) = γi t. (2.2) Pada saat terjadi transisi dari state (s, i) ke state (s, i) berarti tidak terjadi penambahan maupun pengurangan banyaknya individu susceptible maupun infected. Probabilitas transisi dari state (s, i) ke state (s, i) adalah p (s,i),(s,i) ( t) = 1 (β is ) N + γi t. (2.3) Perpindahan individu dari suatu state ke state lain pada selang waktu yang sangat kecil hanya dimungkinkan terdapat satu individu yang bertransisi. Kemungkinan banyaknya individu yang bertransisi lebih dari atau sama dangan dua sangatlah kecil. Sehingga besarnya probabilitas transisi banyaknya individu yang terinfeksi maupun yang sembuh lebih dari atau sama dengan dua dalam selang waktu t adalah nol. Sebagaimana yang telah dituliskan oleh Allen [1], model DTMC SIR yang diperoleh berdasarkan persamaan (2.1), (2.2), dan (2.3) dapat dituliskan dalam persamaan β is t, (k, j) = ( 1, 1) N γi t, (k, j) = (0, 1) p (s,i),(s+k,i+j) ( t) = ) 1 (β isn + γi t, (k, j) = (0, 0) 0, yang lain.. (2.4) Proses Pencabangan Setiap individu pada saat t dapat menghasilkan sejumlah keturunan secara random pada saat t+1 dengan probabilitas sama untuk tiap individu. Pada awal pengamatan terdapat sekelompok individu, kelompok ini disebut generasi ke-0. Individu baru yang dihasilkan pada generasi ke t akan masuk pada generasi ke t + 1. Diasumsikan bahwa semua keturunan adalah saling independent satu sama lain. Proses I t adalah bentuk khusus Markov chain yang disebut dengan proses pencabangan, dimana I t adalah banyaknya individu pada waktu t. 8
6 Proses pencabangan dapat juga diterapkan pada penyebaran penyakit menular, dimana setiap individu terinfeksi pada waktu t dapat menginfeksi secara random individu lain pada waktu t + 1. Proses pencabangan terjadi apabila pada selang waktu t terjadi kontak antara individu terinfeksi (I) dengan individu yang rentan terinfeksi (S), sehingga mengakibatkan adanya individu baru yang terinfeksi. Sifat Markov pada proses pencabangan dapat dijelaskan sebagai berikut, pada waktu ke-t terdapat sejumlah individu terinfeksi I t, secara independent dapat menginfeksi individu lain I (n) I n (n), yang secara komulatif menjadi individu terinfeksi pada saat t + 1 sebagai berikut : I t+1 = I (n) I (n) n. Proses pencabangan suatu individu terinfeksi berbentuk seperti diagram pohon dan diasumsikan bahwa semua individu terinfeksi adalah saling independent satu sama lain dan masing- masing individu terinfeksi dapat menginfeksi individu lain dengan probabilitas yang sama yaitu {P (I = k)} = p k, k = 0, 1, 2,... (2.5) dengan I merupakan variabel random diskrit dari banyaknya individu terinfeksi. Menurut Trapman [8], Proses pencabangan dapat digunakan untuk mencari probabilitas berakhirnya epidemi. Pada proses pencabangan terdapat asumsi bahwa 0 p 0 + p 1 < 1 yang berarti bahwa individu terinfeksi dapat menularkan lebih dari satu individu. Sebagaimana yang ditulis oleh Allen [1], probabilitas berakhirnya epidemi dapat ditunjukkan berdasarkan teorema berikut, Teorema Diberikan pgf f(x) memenuhi 0 f(0)+f (0) < 1 dan P {I 0 = i 0 } = 1, dengan i 0 > jika R 0 1 maka lim t P {I t = 0} = 1 2. jika R 0 > 1 maka lim t P {I t = 0} = q i 0, dimana q adalah titik tetap tunggal dalam interval [0, 1) sedemikian commit sehingga to user f(q) = q 9
7 2.3 Kerangka Pemikiran Berdasarkan landasan teori yang telah diuraikan dapat disusun kerangka pemikiran sebagai berikut. Penyebaran penyakit dapat digambarkan dengan model matematika. Model SIR merupakan model untuk menggambarkan penyebaran penyakit dalam suatu populasi dengan setiap individu yang telah sembuh memiliki kekebalan sehingga tidak dapat terinfeksi kembali. Penyebaran penyakit dapat dipandang sebagai kejadian random yang bergantung pada variabel waktu sehingga disebut sebagai proses stokastik. Perubahan banyaknya individu S, I dan R merupakan proses stokastik yang ditinjau dalam selang waktu diskrit, sehingga dapat dijelaskan dengan model Discrete Time Markov Chain (DTMC ) SIR. Pada model tersebut variabel random yang dikaji adalah variabel banyaknya individu yang rentan terinfeksi (S(t)) dan banyaknya individu yang terinfeksi (I(t)) dengan waktu diskrit, t = 0, 1, 2, 3,... Penurunan ulang model probabilitas puncak epidemi dilakukan dengan terlebih dahulu mencari probabilitas berakhirnya epidemi. Proses penyebaran penyakit dikatakan berakhir ketika banyaknya individu yang terinfeksi sama dengan nol. Probabilitas berakhirnya epidemi pada suatu populasi dapat ditentukan dengan menggunakan proses pencabangan. Proses I t adalah bentuk khusus Markov chain yang disebut dengan proses pencabangan, apabila pada saat t terdapat individu awal yang terinfeksi, dimana individu tersebut dapat menginfeksi individu lain secara random pada saat t + 1 dengan probabilitas sama untuk tiap individu, dimana I t adalah banyaknya individu terinfeksi pada waktu t. Selanjutnya, untuk mengetahui nilai puncak epidemi maka dilakukan penerapan dan simulasi terhadap model DTMC SIR. 10
BAB 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 terperinciIII. MODEL MATEMATIK PENYEBARAN PENYAKIT DBD
III. MODEL MATEMATIK PENYEBARAN PENYAKIT DBD 8 3.1 Model SIR Model SIR pada uraian berikut mengacu pada kajian Derouich et al. (2003). Asumsi yang digunakan adalah: 1. Total populasi nyamuk dan total populasi
Lebih terperinciMODEL 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 terperinciPr { +h =1 = } lim. Suatu fungsi dikatakan h apabila lim =0. Dapat dilihat bahwa besarnya. probabilitas independen dari.
6.. Proses Kelahiran Murni Dalam bab ini, akan dibahas beberapa contoh penting dari waktu kontinu, state diskrit, proses Markov. Khususnya, dengan kumpulan dari variabel acak {;0 } di mana nilai yang mungkin
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 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 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 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 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 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 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 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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Sistem Persamaan diferensial Persamaan diferensial adalah suatu persamaan yang di dalamnya terdapat turunan-turunan. Jika terdapat variabel bebas tunggal, turunannya merupakan
Lebih terperinciMODEL 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 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 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 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 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 terperinciDinamik Model Epidemi SIRS dengan Laju Kematian Beragam
Jurnal Matematika Integratif ISSN 1412-6184 Volume 10 No 1, April 2014, hal 1-7 Dinamik Model Epidemi SIRS dengan Laju Kematian Beragam Ni matur Rohmah, Wuryansari Muharini Kusumawinahyu Jurusan Matematika,
Lebih terperinciBAB 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 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 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 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 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 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 terperinciBIFURKASI PADA MODEL SUSCEPTIBLE INFECTED RECOVERED (SIR) DENGAN WAKTU TUNDA DAN LAJU PENULARAN BILINEAR SKRIPSI
BIFURKASI PADA MODEL SUSCEPTIBLE INFECTED RECOVERED (SIR) DENGAN WAKTU TUNDA DAN LAJU PENULARAN BILINEAR SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta
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 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 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 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 SEIR PENYAKIT CAMPAK DENGAN VAKSINASI DAN MIGRASI TUGAS AKHIR. Oleh : SITI RAHMA
MODEL SEIR PENYAKIT CAMPAK DENGAN VAKSINASI DAN MIGRASI TUGAS AKHIR Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Sains Pada Jurusan Matematika Oleh : SITI RAHMA 18544452 FAKULTAS SAINS
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 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 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 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 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 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 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 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 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 TITIK EQUILIBRIUM MODEL SIR (SUSCEPTIBLE, INFECTED, RECOVERED) PENYAKIT FATAL DENGAN MIGRASI TUGAS AKHIR
KESTABILAN TITIK EQUILIBRIUM MODEL SIR (SUSCEPTIBLE, INFECTED, RECOVERED) PENYAKIT FATAL DENGAN MIGRASI TUGAS AKHIR Disusun sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Sistem Persamaan diferensial Persamaan diferensial merupakan persamaan yang melibatkan turunanturunan dari fungsi yang tidak diketahui (Waluya, 2006). Contoh 2.1 : Diberikan persamaan
Lebih 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 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 terperinciRANTAI MARKOV ( MARKOV CHAIN )
RANTAI MARKOV ( MARKOV CHAIN ) 2.1 Tujuan Praktikum Rantai markov (Markov Chain ) merupakan salah satu materi yang akan dipelajari dalam praktikum stokastik. Berikut ini terdapat beberapa tujuan yang akan
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 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 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peluang Peluang mempunyai banyak persamaan arti, seperti kemungkinan, kesempatan dan kecenderungan. Peluang menunjukkan kemungkinan terjadinya suatu kejadian yang bersifat acak.
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 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 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 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 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 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 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 terperinciBAB III METODOLOGI PENELITIAN. Alam, Universitas Lampung pada semester genap tahun akademik 2011/2012.
BAB III METODOLOGI PENELITIAN 3.1 Tempat dan Waktu Penelitian Penelitian ini dilakuakan di Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Lampung pada semester genap tahun
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Dalam kehidupan makhluk hidup, banyak permasalahan yang muncul, diantaranya banyak penyakit menular yang mengancam kehidupan. Diperlukan suatu alat untuk mengontrol
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 terperinciKESTABILAN MODEL SUSCEPTIBLE VACCINATED INFECTED RECOVERED (SVIR) PADA PENYEBARAN PENYAKIT CAMPAK (MEASLES) (Studi Kasus di Kota Semarang)
KESTABILAN MODEL SUSCEPTIBLE VACCINATED INFECTED RECOVERED (SVIR) PADA PENYEBARAN PENYAKIT CAMPAK (MEASLES) (Studi Kasus di Kota Semarang) Melita Haryati 1, Kartono 2, Sunarsih 3 1,2,3 Jurusan Matematika
Lebih terperinciBAB 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 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 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 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 terperinciOleh Nara Riatul Kasanah Dosen Pembimbing Drs. Sri Suprapti H., M.Si
Oleh Nara Riatul Kasanah 1209100079 Dosen Pembimbing Drs. Sri Suprapti H., M.Si JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2014 PENDAHULUAN
Lebih terperinciBAB 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 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 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 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 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 IV PEMBAHASAN. 4.1 Analisis Kestabilan Model Matematika AIDS dengan Transmisi. atau Ibu menyusui yang positif terinfeksi HIV ke anaknya.
BAB IV PEMBAHASAN Pada bab ini dilakukan analisis model penyebaran penyakit AIDS dengan adanya transmisi vertikal pada AIDS. Dari model matematika tersebut ditentukan titik setimbang dan kemudian dianalisis
Lebih 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 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini dibahas mengenai tinjauan pustaka yang digunakan dalam penelitian ini, khususnya yang diperlukan dalam Bab 3. Teori yang dibahas adalah teori yang mendukung pembentukan
Lebih 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 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 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 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 terperinciKATA PENGANTAR. Penulis
KATA PENGANTAR Bismillahirrahmaanirrahiim... Puji dan syukur penulis panjatkan ke hadirat Allah SWT yang telah memberikan rahmat dan hidayah-nya sehingga penulisan tugas akhir ini dapat terselesaikan dengan
Lebih terperinciPengantar Proses Stokastik
Bab 6: Rantai Markov Waktu Kontinu Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia 2015 Pendahuluan Rantai Markov Waktu Kontinu Pendahuluan Pada bab ini, kita akan belajar mengenai
Lebih terperinciMODEL EPIDEMI SIRS STOKASTIK DENGAN STUDI KASUS INFLUENZA
MODEL EPIDEMI SIRS STOKASTIK DENGAN STUDI KASUS INFLUENZA Skripsi disusun sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains Program Studi Matematika oleh Novia Nilam Nurlazuardini 4111411024
Lebih terperinciBAB I PENDAHULUAN. adalah penyakit menular karena masyarakat harus waspada terhadap penyakit
BAB I PENDAHULUAN A. Latar Belakang Kesehatan adalah suatu hal yang sangat penting dalam kehidupan karena jika seseorang mengalami masalah kesehatan maka aktivitas seseorang tersebut akan terganggu. Masalah
Lebih terperinciBAB II LANDASAN TEORI. dalam penulisan skripsi ini. Teori-teori yang digunakan berupa definisi-definisi serta
BAB II LANDASAN TEORI Pada bab ini akan diuraikan beberapa teori-teori yang digunakan sebagai acuan dalam penulisan skripsi ini. Teori-teori yang digunakan berupa definisi-definisi serta teorema-teorema
Lebih 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 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 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 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 terperinci