PENGEMBANGAN MODEL PENYEBARAN PENGGUNA NARKOBA WHITE-COMISKEY LESTARI
|
|
- Erlin Chandra
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PENGEMBANGAN MODEL PENYEBARAN PENGGUNA NARKOBA WHITE-COMISKEY LESTARI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2012
2
3 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan bahwa tesis dengan judul Pengembangan Model Penyebaran Pengguna Narkoba White-Comiskey adalah karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apapun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini. Bogor, Agustus 2012 Lestari NRP G
4
5 ABSTRACT LESTARI. The Development of White-Comiskey Model on Drug Users Dynamics. Under direction of TONI BAKHTIAR and ALI KUSNANTO. This thesis aims to discuss and analyze mathematical models of the spread of drug users based on the model of White and Comiskey (2007). In this model, population is divided into three classes, namely susceptibles, drug users, and drug users undergoing treatment. The model has three equilibrium points, i.e. one drug free and two endemic points. The stability of those points are determined according to the eigenvalues of the Jacobian matrices. The existence of the drug users are then controlled by a basic reproduction number. If the basic reproduction number is less than one, then the number of drug users will gradually decrease and disappear from the population. On the other hand, if the basic reproduction number is greater than one, then the number of drug users will gradually increase so that a number of drug users will stay in the population. In this thesis, the dynamical analysis of interaction between drug users and susceptible and the simulation was performed by varying the probability of becoming a drug user (β 1 ) and the portion of drug users who enter treatment (ρ). In the former case, decreasing of β 1 can be undertaken by government through law enforcement, no-drug campaign, etc. While in the later case, increasing of ρ can be done by improving government, family, and society initiative for saving drug users. Keywords: White-Comiskey model, drug users, basic reproduction number.
6
7 RINGKASAN LESTARI. Pengembangan Model Penyebaran Pengguna Narkoba White- Comiskey. Dibimbing oleh TONI BAKHTIAR dan ALI KUSNANTO. Pemodelan matematika dapat dipandang sebagai alat utama dalam perencanaan epidemik dan salah satu alat yang dapat membantu mempermudah penyelesaian masalah dalam kehidupan nyata. Salah satu masalah yang ada di dalam kehidupan nyata adalah peningkatan penyebaran penggunaan narkotika, psikotropika, dan bahan berbahaya lainnya (narkoba). Narkoba dikatakan berbahaya jika penggunaannya tidak tepat. Oleh karena itu, penggunaan, pembuatan, dan peredarannya diatur dalam undang-undang. Penyalahgunaan narkoba berdampak negatif terhadap kesehatan, ekonomi, dan sosial, termasuk kriminalitas, tidak saja penyalahguna dan keluarga, tetapi dalam skala besar juga masyarakat, bangsa, dan negara. Dalam tulisan ini model yang dikaji adalah pengembangan model penyebaran pengguna narkoba yang didasarkan pada model White dan Comiskey (2007). Pada model ini, populasi individu dibagi menjadi tiga kelas, yakni individu yang rentan menjadi pengguna narkoba, individu pengguna narkoba tidak dalam masa pengobatan, dan individu pengguna narkoba dalam masa pengobatan. Tujuan dari penelitian ini adalah mengembangkan model penyebaran pengguna narkoba dari White dan Comiskey dengan menambahkan asumsi ada proporsi pengguna narkoba tidak dalam masa pengobatan berhenti menggunakan narkoba dan ada proporsi pengguna narkoba dalam masa pengobatan berhenti menggunakan narkoba. Selanjutnya dari model tersebut dianalisis kestabilan model, serta dibuat simulasi numerik dari model yang dikembangkan. Dari hasil analisis model diperoleh tiga titik tetap yaitu: satu titik tetap bebas narkoba dan dua titik tetap endemik di mana kestabilannya ditentukan oleh nilai eigen dan bilangan reproduksi dasar (R o ). Jika R o <1 maka jumlah pengguna narkoba akan semakin berkurang dan pada saat tertentu akan menjadi tidak ada. Sedangkan jika R o >1 maka jumlah pengguna narkoba akan bertambah sehingga penyebaran narkoba dapat terjadi. Simulasi model dilakukan dengan memberikan nilai yang berbeda untuk parameter β 1 (peluang individu menjadi pengguna narkoba) dan ρ (proporsi pengguna narkoba yang masuk pengobatan). Dua parameter ini dipilih karena dianggap berpengaruh dalam menekan laju penyebaran pengguna narkoba. Dari hasil simulasi, diperoleh informasi, jika peluang individu menjadi pengguna narkoba menurun dari peluang semula, ini dapat terjadi karena individu tersebut telah mengetahui dan menyadari akibat buruk yang ditimbulkan dari penyalahgunaan narkoba, maka populasi individu yang rentan menjadi pengguna narkoba akan meningkat, sedangkan populasi pengguna narkoba tidak dalam masa pengobatan akan turun. Dan jika proporsi pengguna narkoba yang masuk pengobatan meningkat dari proporsi semula, hal ini dapat melalui usaha pemerintah meningkatkan upaya pengobatan bagi pengguna narkoba, maka populasi individu yang rentan menjadi pengguna narkoba akan naik, sedangkan populasi pengguna narkoba tidak dalam masa pengobatan akan turun. Dari hasil simulasi juga diperoleh informasi ketika bilangan reproduksi dasar kurang dari satu maka kurva stabil di titik tetap bebas narkoba atau di T 1. Hal ini
8 berarti jumlah pengguna narkoba akan semakin berkurang dan pada saat tertentu akan menjadi tidak ada. Tetapi ketika bilangan reproduksi dasar lebih dari satu maka kurva stabil di titik tetap endemik atau di T 2. Hal ini berarti jumlah pengguna narkoba akan semakin bertambah sehingga penyebaran narkoba dapat terjadi. Kata kunci: model White dan Comiskey, pengguna narkoba, bilangan reproduksi dasar
9 Hak Cipta milik Institut Pertanian Bogor, tahun 2012 Hak Cipta dilindungi Undang-Undang 1. Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan atau menyebutkan sumbernya. a. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilmiah, penyusunan laporan, penulisan kritik atau tinjauan suatu masalah. b. Pengutipan tidak merugikan kepentingan yang wajar Institut Pertanian Bogor. 2. Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis dalam bentuk apapun tanpa izin Institut Pertanian Bogor.
10
11 PENGEMBANGAN MODEL PENYEBARAN PENGGUNA NARKOBA WHITE-COMISKEY LESTARI Tesis sebagai salah satu syarat untuk memperoleh gelar Magister Sains pada Program Studi Matematika Terapan SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2012
12 Penguji Luar Komisi pada Ujian Tesis : Dr. Ir. Endar H. Nugrahani, M.S.
13 Judul Tesis Nama NIM Program Studi : Pengembangan Model Penyebaran Pengguna Narkoba White-Comiskey : Lestari : G : Matematika Terapan Disetujui Komisi Pembimbing Dr. Toni Bakhtiar, M.Sc. Ketua Drs. Ali Kusnanto, M.Si. Anggota Diketahui Ketua Program Studi Matematika Terapan Dekan Sekolah Pascasarjana Dr. Ir. Endar H. Nugrahani, M.S. Dr. Ir. Dahrul Syah, M.Sc.Agr. Tanggal Ujian: 31 Agustus 2012 Tanggal Lulus:
14
15 Karya ini aku persembahkan untuk: Ibuku Hj Suparni Suamiku Ali Masrokan, M.Pd. dan anak-anakku tercinta: Laila Nurhasanah dan Muhammad Al Jabbar
16
17 PRAKATA Puji dan syukur penulis panjatkan kepada Allah SWT atas segala karunia- Nya sehingga karya ilmiah ini berhasil diselesaikan dengan baik. Penelitian ini diberi judul Pengembangan Model Penyebaran Pengguna Narkoba White- Comiskey. Terimakasih penulis ucapkan kepada Bapak Dr. Toni Bakhtiar, M.Sc. dan Bapak Drs. Ali Kusnanto, M.Si. selaku pembimbing, serta Ibu Dr. Ir. Endar H. Nugrahani, M.S. selaku penguji yang telah banyak memberikan saran. Disamping itu, penulis mengucapkan terimakasih kepada Kementerian Agama Republik Indonesia yang telah memberikan beasiswa. Ungkapan terima kasih juga penulis sampaikan kepada ibu, kakak-kakakku, suami, anak-anakku, rekan-rekan seperjuangan di S2 angkatan 2009, dan keluarga besar MTs As-Syafi iyah 01 Jakarta, serta berbagai pihak yang tak dapat penulis sebutkan satu per satu, atas segala doa dan kasih sayangnya. Semoga karya ilmiah ini bermanfaat. Bogor, Agustus 2012 Lestari
18
19 RIWAYAT HIDUP Penulis dilahirkan di Jakarta pada tanggal 03 Agustus 1980 dari Bapak (Alm) H Suliyo dan Ibu Hj Suparni. Penulis merupakan anak keenam dari enam bersaudara. Pendidikan sarjana ditempuh di Jurusan Pendidikan Matematika, FMIPA Universitas Negeri Jakarta, lulus pada tahun Tahun 2005 penulis menjadi staf pengajar di Madrasah Tsanawiyah As-Syafi iyah 01 Jakarta. Pada tahun 2009 penulis lulus seleksi masuk Program Magister pada Program Studi Matematika Terapan di Institut Pertanian Bogor melalui jalur Beasiswa Utusan Daerah Kementerian Agama Republik Indonesia.
20
21 DAFTAR ISI Halaman DAFTAR TABEL.... xiii DAFTAR GAMBAR... DAFTAR LAMPIRAN... xiv xv I PENDAHULUAN Latar Belakang Tujuan Penelitian... 3 II TINJAUAN PUSTAKA Sistem Persamaan Diferensial Titik Tetap Pelinearan Sistem Persamaan Taklinear Nilai Eigen dan Vektor Eigen Kestabilan Titik Tetap Bilangan Reproduksi Dasar... 8 III MODEL MATEMATIKA Model SIRS Model Dasar Penyebaran Pengguna Narkoba Model yang Dikembangkan Metode Penelitian 13 IV HASIL DAN PEMBAHASAN Penentuan Titik Tetap Analisis Kestabilan Titik Tetap Kestabilan Titik Tetap T Kestabilan Titik Tetap T V SIMULASI MODEL Nilai Parameter Hasil Simulasi Simulasi untuk R o <1 dengan Nilai β 1 Berbeda Simulasi untuk R o <1 dengan Nilai ρ Berbeda Simulasi untuk R o >1 dengan Nilai β 1 Berbeda Simulasi untuk R o >1 dengan Nilai ρ Berbeda VI SIMPULAN DAN SARAN Simpulan Saran.. 32 DAFTAR PUSTAKA. 33 LAMPIRAN 35
22
23 DAFTAR TABEL Halaman 1 Nilai parameter model dalam simulasi numerik Simulasi untuk R o <1 dengan nilai β 1 berbeda Simulasi untuk R o <1 dengan nilai ρ berbeda Simulasi untuk R o >1 dengan nilai β 1 berbeda Simulasi untuk R o >1 dengan nilai ρ berbeda. 26
24
25 DAFTAR GAMBAR Halaman 1 Model SIRS Model dasar penyebaran pengguna narkoba Model pengembangan penyebaran pengguna narkoba 12 4 Dinamika populasi individu yang rentan menjadi pengguna narkoba (S) (atas) dan populasi pengguna narkoba tidak dalam masa pengobatan) (U 1 ) (bawah) terhadap waktu t untuk kondisi R o <1 dengan nilai β 1 berbeda 21 5 Dinamika populasi individu yang rentan menjadi pengguna narkoba (S) (atas) dan populasi pengguna narkoba tidak dalam masa pengobatan (U 1 ) (bawah) terhadap waktu t untuk kondisi R o <1 dengan nilai ρ berbeda Dinamika populasi individu yang rentan menjadi pengguna narkoba (S) (atas) dan populasi pengguna narkoba tidak dalam masa pengobatan (U 1 ) (bawah) terhadap waktu t untuk kondisi R o >1 dengan nilai β 1 berbeda 25 7 Dinamika populasi individu yang rentan menjadi pengguna narkoba (S) (atas) dan populasi pengguna narkoba tidak dalam masa pengobatan (U 1 ) (bawah) terhadap waktu t untuk kondisi R o >1 dengan nilai ρ berbeda.. 27
26
27 DAFTAR LAMPIRAN Halaman 1 Penurunan persamaan (3.2) dari model yang dikembangkan Penentuan titik tetap 38 3 Simulasi untuk R o <1 dengan nilai β 1 berbeda Simulasi untuk R o <1 dengan nilai ρ berbeda Simulasi untuk R o >1 dengan nilai β 1 berbeda Simulasi untuk R o >1 dengan nilai ρ berbeda... 43
28
29 I PENDAHULUAN 1.1 Latar Belakang Pemodelan matematika dapat dipandang sebagai alat utama dalam perencanaan epidemik dan salah satu alat yang dapat membantu mempermudah penyelesaian masalah dalam kehidupan nyata. Salah satu masalah yang ada di dalam kehidupan nyata adalah peningkatan penyebaran penggunaan narkotika, psikotropika, dan bahan berbahaya lainnya (narkoba) (BNN 2002). Narkoba dikatakan berbahaya jika penggunaannya tidak tepat. Oleh karena itu, penggunaan, pembuatan, dan peredarannya diatur dalam undang-undang. Menurut UU RI No 22/1997, narkotika adalah zat atau obat yang berasal dari tanaman atau bukan tanaman baik sintetis maupun semi sintetis yang dapat menyebabkan penurunan atau perubahan kesadaran, hilangnya rasa, mengurangi sampai menghilangkan rasa nyeri, dan dapat menimbulkan ketergantungan. Narkotika terdiri atas tiga golongan: 1. Golongan I: Narkotika yang hanya dapat digunakan untuk tujuan pengembangan ilmu pengetahuan, dan tidak digunakan dalam terapi, serta mempunyai potensi sangat tinggi mengakibatkan ketergantungan, contoh: heroin, kokain, ganja. 2. Golongan II: Narkotika yang berkhasiat pengobatan digunakan sebagai pilihan terakhir dan dapat digunakan dalam terapi dan/atau untuk tujuan pengembangan ilmu pengetahuan serta mempunyai potensi tinggi mengakibatkan ketergantungan, contoh: morfin, petidin. 3. Golongan III: Narkotika yang berkhasiat pengobatan dan banyak digunakan dalam terapi dan/atau tujuan pengembangan ilmu pengetahuan serta mempunyai potensi ringan mengakibatkan ketergantungan, contoh: kodein. Sedangkan menurut UU RI No 5/1997, psikotropika adalah zat atau obat, baik alamiah maupun sintetis bukan narkotika, yang berkhasiat psikoaktif melalui pengaruh selektif pada susunan saraf pusat yang menyebabkan perubahan khas pada aktifitas mental dan perilaku. Psikotropika terdiri atas empat golongan: 1. Golongan I: Psikotropika yang hanya dapat digunakan untuk tujuan ilmu pengetahuan dan tidak digunakan dalam terapi, serta mempunyai potensi amat kuat mengakibatkan ketergantungan, contoh: ekstasi.
30 2 2. Golongan II: Psikotropika yang berkhasiat pengobatan dan dapat digunakan dalam terapi dan/atau untuk tujuan ilmu pengetahuan serta mempunyai potensi kuat mengakibatkan ketergantungan, contoh: amphetamine. 3. Golongan III: Psikotropika yang berkhasiat pengobatan dan banyak digunakan dalam terapi dan/atau untuk tujuan ilmu pengetahuan serta mempunyai potensi sedang mengakibatkan ketergantungan, contoh: pentobarbital. 4. Golongan IV: Psikotropika yang berkhasiat pengobatan dan sangat luas digunakan dalam terapi dan/atau untuk tujuan ilmu pengetahuan serta mempunyai potensi ringan mengakibatkan ketergantungan, contoh: diazepam. Yang termasuk bahan berbahaya lainnya adalah zat psiko aktif yaitu zat/ bahan lain bukan narkotika dan psikotropika yang berpengaruh pada kerja otak. Jenis ini tidak tercantum dalam perundang-undangan tentang narkotika dan psikotropika. Zat psiko aktif yang sering disalahgunakan antara lain: 1. Alkohol, terdapat pada berbagai jenis minuman keras. 2. Inhalansia (gas yang dihirup) dan solven (zat pelarut) yaitu gas atau zat yang mudah menguap terdapat pada berbagai barang keperluan rumah tangga, kantor, dan pabrik. Yang sering disalahgunakan adalah lem, tiner, penghapus cat kuku, bensin. 3. Nikotin yang terdapat pada tembakau. 4. Kafein, pada kopi. Hasil penelitian Badan Narkotika Nasional (BNN) bekerjasama dengan Pusat Penelitian Kesehatan Universitas Indonesia (PPKUI), menunjukkan kejadian penyalahgunaan narkoba mendunia. Survei rumah tangga di Amerika Serikat tahun 2000 menunjukkan tiga di antara 100 penduduk menggunakan narkoba dalam setahun terakhir, survei di Australia tahun 2007 menunjukkan 13 di antara 100 penduduk dewasa menggunakan setidaknya satu jenis obat-obatan terlarang dalam setahun terakhir (BNN dan PPKUI 2010). Sedangkan di Indonesia jumlah pengguna narkoba diperkirakan sekitar 3,1 juta sampai 3,6 juta orang pada tahun 2008 yang terdiri atas 26% coba pakai, 27% teratur pakai, 40% pecandu bukan suntik, dan 7% pecandu suntik (BNN dan PPKUI 2008). Definisi operasional pengguna narkoba dibagi menjadi tiga tingkatan, yaitu coba pakai, teratur pakai, dan pecandu. Pecandu dipilih menurut faktor resiko,
31 3 yaitu pecandu bukan suntik dan pecandu suntik. Kelompok coba pakai adalah mereka yang pernah menggunakan jenis narkoba apapun maksimal sebanyak lima kali dalam seumur hidupnya. Kelompok teratur pakai adalah mereka yang pernah menggunakan narkoba jenis apapun (selain cara suntik) dimana frekuensi untuk jumlah pakai narkoba kurang dari 49 kali dalam setahun terakhir. Sedangkan pecandu adalah mereka yang pernah menggunakan narkoba jenis apapun dengan frekuensi lebih dari 49 kali dalam setahun terakhir (pecandu bukan suntik) atau pernah menggunakan narkoba dengan cara suntik dalam setahun terakhir (pecandu suntik) (BNN dan PPKUI 2008). Seperti penyakit kronis lainnya, kecanduan narkoba dapat diobati. Pengobatan bagi pengguna narkoba memerlukan sebuah prosedur yang membutuhkan biaya sangat besar dan merupakan beban yang berat dalam sistem kesehatan di banyak negara (Mulone dan Straughan 2009). Biaya ekonomi dan sosial akibat penyalahgunaan narkoba yang terjadi di Indonesia diperkirakan sebesar Rp32,4 triliun pada tahun 2008, dan diperkirakan akan terus meningkat menjadi Rp57 triliun pada tahun 2013 (BNN dan PPKUI 2008). Penyalahgunaan narkoba berdampak negatif terhadap kesehatan, ekonomi, dan sosial, termasuk kriminalitas, tidak saja penyalahguna dan keluarga, tetapi dalam skala besar juga masyarakat, bangsa, dan negara. Pemerintah telah melakukan berbagai upaya dan daya melalui kebijakan dan tindakan penanggulangan masalah narkoba, termasuk menghentikan atau mengurangi peredaran gelap narkoba dan mencegah penyalahgunaan narkoba di masyarakat. Dalam tulisan ini akan dibahas dan dianalisis model matematika penyebaran pengguna narkoba yang didasarkan pada model White dan Comiskey (2007). Dalam model ini, populasi individu dibagi menjadi tiga kelas, yakni individu yang rentan menjadi pengguna narkoba, individu pengguna narkoba tidak dalam masa pengobatan, dan individu pengguna narkoba dalam masa pengobatan. 1.2 Tujuan Penelitian Adapun tujuan dari penelitian ini ialah: 1. Merekonstruksi model penyebaran pengguna narkoba dari White dan Comiskey.
32 4 2. Mengembangkan model White dan Comiskey dengan menambahkan asumsi ada proporsi pengguna narkoba tidak dalam masa pengobatan berhenti menggunakan narkoba dan ada proporsi pengguna narkoba dalam masa pengobatan berhenti menggunakan narkoba. 3. Menganalisis kestabilan model penyebaran pengguna narkoba. 4. Membuat simulasi numerik model penyebaran pengguna narkoba.
33 II TINJAUAN PUSTAKA 2.1 Sistem Persamaan Diferensial Definisi 1 (Sistem Persamaan Diferensial Linear) Persamaan diferensial orde-1 yang dinyatakan sebagai (2.1) dengan a(t) dan adalah fungsi dari waktu t disebut persamaan diferensial linear. Bila a(t) = A adalah suatu matriks berukuran n n dengan koefisien konstan dan dinyatakan sebagai vektor konstan b maka diperoleh bentuk (2.2) disebut sistem persamaan diferensial linear. Definisi 2 (Sistem Persamaan Diferensial Taklinear) Sistem persamaan diferensial dinyatakan sebagai dengan (Farlow 1994) (2.3) Jika F(t,x) fungsi taklinear pada, maka sistem ini disebut sebagai sistem persamaan diferensial taklinear dan jika F linear maka sistem persamaan diferensial (2.3) disebut linear. (Braun 1983) Definisi 3 (Sistem Persamaan Diferensial Mandiri) Perhatikan sistem persamaan diferensial (SPD) linear dengan dua persamaan dan dua variabel x dan y berikut: (2.4) dengan F dan G adalah fungsi kontinu dari x dan y, dengan turunan parsial pertama kontinu, dengan laju perubahan x dan y dinyatakan dengan fungsi eksplisit dari x dan y sendiri dan tidak mengandung t di dalamnya. Sistem
34 6 persamaan diferensial di atas disebut sebagai sistem persamaan diferensial mandiri (autonomous). (Farlow 1994) 2.2 Titik Tetap Definisi 4 (Titik Tetap) Diberikan sistem persamaan diferensial mandiri (2.5) dengan. Suatu titik x * yang memenuhi F(x * ) = 0 disebut titik tetap atau titik kritis atau titik kesetimbangan dari sistem (2.5). (Keshet 1988) Definisi 5 (Titik Tetap Stabil) Titik x * adalah titik tetap sebuah sistem persamaan diferensial dan x(t) adalah solusi yang memenuhi kondisi awal x(0) =, di mana Titik x * dikatakan titik tetap stabil jika terdapat yang memenuhi sifat berikut: untuk setiap, terdapat, sedemikian sehingga jika maka untuk setiap t > 0. (Verhulst 1990) Definisi 6 (Titik Tetap Takstabil) Misalkan adalah titik tetap sebuah SPD mandiri dan x(t) adalah sebuah solusi SPD mandiri dengan nilai awal x(0) = dengan Titik dikatakan titik tetap takstabil jika terdapat radius > 0 dengan ciri sebagai berikut: untuk sebarang r > 0 terdapat posisi awal memenuhi, berakibat solusi x(t) memenuhi, untuk paling sedikit satu t > 0. (Verhulst 1990) 2.3 Pelinearan Sistem Persamaan Taklinear Analisis kestabilan sistem persamaan diferensial taklinear dilakukan melalui pelinearan. Misalkan diberikan sistem persamaan diferensial taklinear: (2.6) dengan Dengan menggunakan ekspansi Taylor di sekitar titik tetap, maka persamaan (2.6) dapat ditulis sebagai berikut:
35 7 + (2.7) Persamaan (2.7) merupakan sistem persamaan diferensial taklinear dengan adalah matriks Jacobi, yang dapat ditulis sebagai (2.8) dan adalah suku berorde tinggi yang bersifat Selanjutnya pada persamaan (2.8) disebut pelinearan dari sistem taklinear persamaan (2.7) dan ditulis dalam bentuk:. (2.9) (Tu 1994) 2.4 Nilai Eigen dan Vektor Eigen Jika A adalah matriks n n, maka sebuah vektor taknol x di dalam disebut vektor eigen dari A, jika Ax adalah sebuah kelipatan skalar dari x; yaitu: Ax = λx, (2.10) untuk suatu skalar λ. Skalar disebut nilai eigen dari A, dan x disebut sebagai vektor eigen dari A terkait dengan Untuk memperoleh nilai eigen dari sebuah matriks persamaan (2.10) dapat ditulis kembali sebagai: (A λi) x = 0, (2.11) dengan I matriks identitas. Persamaan (2.11) mempunyai solusi taknol jika dan hanya jika (2.12) Persamaan (2.12) disebut persamaan karakteristik dari matriks A. (Anton 2000) 2.5 Kestabilan Titik Tetap Analisis kestabilan di setiap titik tetap adalah sebagai berikut: 1. Sistem adalah stabil jika dan hanya jika setiap nilai eigen dari A bernilai negatif. 2. Sistem adalah tidak stabil jika dan hanya jika minimal satu nilai eigen dari A bernilai taknegatif. (Borelli dan Coleman 1998)
36 8 2.6 Bilangan Reproduksi Dasar (R o ) Bilangan reproduksi dasar ditulis R o adalah nilai harapan terjadinya infeksi per satuan waktu. Infeksi ini terjadi pada suatu populasi yang seluruhnya rentan yang dihasilkan oleh satu jenis individu yang sudah terinfeksi. (Diekmann dan Heesterbeek 2000) Kondisi yang akan timbul, yaitu: 1. Jika R o <1, jumlah pengguna narkoba akan semakin berkurang dan pada saat tertentu akan menjadi tidak ada. 2. Jika Ro>1, jumlah pengguna narkoba akan semakin bertambah sehingga penyebaran narkoba dapat terjadi.
37 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 dasar dari pengembangan pemodelan epidemiologi (Keshet 1988). Model ini mempunyai tiga kompartemen yang menggambarkan proses penyebaran penyakit pada suatu populasi. Kompartemen-kompartemen tersebut adalah susceptible (S), menyatakan kelompok awal populasi yang rentan terkena penyakit, infective (I) menyatakan lanjutan dari S yang terinfeksi penyakit, dan terakhir removed (R) menyatakan populasi yang telah sembuh dari sakit. Hubungan kompartemen-kompartemen tersebut diberikan pada Gambar 1. γ δn β S I R ν δ δ δ Gambar 1 Model SIRS. Pada model ini N menyatakan jumlah keseluruhan populasi. Beberapa definisi parameter yang digunakan pada model SIRS adalah sebagai berikut: β menyatakan rata-rata penyebaran virus, ν menyatakan rata-rata populasi yang sembuh, δ menyatakan rata-rata kelahiran atau kematian populasi, menyatakan rata-rata populasi yang rentan kembali terkena penyakit. 3.2 Model Dasar Penyebaran Pengguna Narkoba Model yang akan dibahas adalah model penyebaran penggunaan narkoba berdasarkan model White dan Comiskey (2007). Total populasi manusia, dinotasikan dengan N, dibagi menjadi tiga kelas, yaitu kelas individu yang rentan (susceptible) menjadi pengguna narkoba dinotasikan dengan S, kelas individu pengguna narkoba tidak dalam masa pengobatan dinotasikan dengan U 1, dan kelas individu pengguna narkoba dalam masa pengobatan dinotasikan dengan U 2.
38 10 Dapat dituliskan, N=S+U 1 +U 2. Model dasar penyebaran pengguna narkoba dapat digambarkan pada Gambar 2 berikut: Gambar 2 Model dasar penyebaran pengguna narkoba. Dari Gambar 2 dapat dijelaskan: 1. Laju individu yang rentan menjadi pengguna narkoba adalah jumlah individu dalam populasi yang memasuki populasi rentan dikurangi hasil bagi antara peluang individu menjadi pengguna narkoba dengan total populasi manusia dikurangi dengan laju kematian alami, ditulis: 2. Laju individu pengguna narkoba tidak dalam masa pengobatan adalah hasil bagi antara peluang individu menjadi pengguna narkoba dengan total populasi manusia dikurangi dengan proporsi pengguna narkoba yang masuk pengobatan ditambah hasil bagi antara peluang pengguna narkoba dalam masa pengobatan yang kambuh menggunakan narkoba dan tidak diobati dengan total populasi manusia dikurangi laju kematian pengguna narkoba tidak dalam masa pengobatan, ditulis: 3. Laju individu pengguna narkoba dalam masa pengobatan adalah proporsi pengguna narkoba yang masuk pengobatan dikurangi hasil bagi antara peluang pengguna narkoba dalam masa pengobatan yang kambuh menggunakan narkoba dan tidak diobati dengan total populasi manusia dikurangi laju kematian pengguna narkoba dalam masa pengobatan, ditulis:
39 11 Keterangan parameter yang ada pada model di atas: Λ = jumlah individu dalam populasi yang memasuki populasi rentan, yaitu semua individu berusia tahun (orang), µ = laju kematian alami dari populasi (per satuan waktu), δ 1 δ β β = tambahan laju kematian pengguna narkoba tidak dalam masa pengobatan (per satuan waktu), = tambahan laju kematian pengguna narkoba dalam masa pengobatan (per satuan waktu), = peluang individu menjadi pengguna narkoba, = peluang pengguna narkoba dalam masa pengobatan yang kambuh menggunakan narkoba dan tidak diobati, ρ = proporsi pengguna narkoba yang masuk pengobatan, Beberapa asumsi yang digunakan dalam model di atas: 1. Total populasi N dianggap konstan dalam periode waktu pemodelan dan diasumsikan, 2. Ada sebuah proporsi pengguna narkoba yang masuk pengobatan di setiap periode waktu pemodelan, 3. Pengguna narkoba tidak dalam masa pengobatan dapat menginfeksi individu yang rentan dan pengguna narkoba dalam masa pengobatan, 4. Pengguna narkoba dalam masa pengobatan dapat menjadi kambuh jika melakukan kontak dengan pengguna narkoba yang tidak dalam pengobatan, 5. Pengguna narkoba dalam masa pengobatan tidak dapat menginfeksi individu yang rentan, 6. Seluruh individu dalam populasi diasumsikan sama-sama rentan terhadap kecanduan narkoba. Karena dan konstan maka sistem persamaan dari model di atas ditulis menjadi:
40 12 Untuk menganalisis persamaan di atas, sederhanakan persamaan di atas dengan mendefinisikan variabel baru yaitu: dengan sehingga diperoleh persamaan: Dengan mensubstitusikan ke dalam persamaan di atas menjadi: Setelah disederhanakan, akhirnya diperoleh persamaan: 3.3 Model yang Dikembangkan Model yang akan dibahas dalam karya tulis ini adalah pengembangan model White dan Comiskey (2007). Dalam model ini diasumsikan ada proporsi pengguna narkoba tidak dalam masa pengobatan berhenti menggunakan narkoba (γu 1 ) dan ada proporsi pengguna narkoba dalam masa pengobatan berhenti menggunakan narkoba (αu 2 ). Berdasarkan asumsi di atas maka model penyebaran pengguna narkoba dapat digambarkan pada Gambar 3 berikut: U2 Gambar 3 Model pengembangan penyebaran pengguna narkoba.
41 13 Analog dengan model White dan Comiskey diperoleh persamaan berikut: (3.1) Setelah disederhanakan, akhirnya diperoleh persamaan: (3.2) di mana dengan Penurunan persamaan (3.2) dapat dilihat pada Lampiran Metode Penelitian Metode yang diterapkan dalam penelitian ini adalah studi literatur. Langkahlangkah yang dilakukan untuk mencapai tujuan dalam penelitian ini adalah sebagai berikut: 1. Merekonstruksi ulang model penyebaran pengguna narkoba yang selanjutnya disebut dengan model dasar, 2. Mengembangkan model dasar dengan menambahkan asumsi ada proporsi pengguna narkoba yang tidak dalam masa pengobatan berhenti menggunakan narkoba dan ada proporsi pengguna narkoba dalam masa pengobatan berhenti menggunakan narkoba. Model ini selanjutnya disebut model pengembangan, 3. Menganalisis model pengembangan dengan menentukan titik tetap, nilai eigen, dan kestabilannya, 4. Melakukan simulasi model pengembangan dengan menetapkan nilai-nilai parameter yang mendekati kondisi nyata.
42 14
43 IV HASIL DAN PEMBAHASAN 4.1 Penentuan Titik Tetap Untuk menentukan titik tetap pada sistem persamaan diferensial dari model pada persamaan (3.2), dicari dengan menentukan, dan dengan syarat sehingga sistem persamaan (3.2) dapat ditulis sebagai berikut: (4.1) Dari hasil analisis didapat tiga jenis titik tetap yaitu titik tetap bebas narkoba (drug-free equilibrium) T 1 (s,u 1 ) = (1,0) dan dua titik tetap endemik (endemic equilibrium) yaitu: T2(s,u 1 ) = T3(s,u 1 ) = dengan ). Penentuan titik tetap ini dapat dilihat pada Lampiran 2. Salah satu titik tetap endemik ini, yaitu T 3, memiliki nilai u 1 negatif sehingga titik tetap endemik yang akan dibahas adalah T Analisis Kestabilan Titik Tetap Misalkan dari sistem persamaan (4.1) didefinisikan fungsi-fungsi berikut: (4.2) Dengan melakukan pelinearan persamaan-persamaan di atas akan diperoleh matriks Jacobi sebagai berikut:
44 Kestabilan Titik Tetap T 1 (4.3) Untuk memperoleh kestabilan sistem di titik T1 terlebih dahulu dilakukan pelinearan di sekitar titik tetap T 1 sehingga diperoleh matriks Jacobi sebagai berikut: Dengan menyelesaikan persamaan karakteristik det akan diperoleh nilai-nilai eigen dari dari matriks, yaitu:. Karena semua parameter yang terlibat bernilai positif maka. Berdasarkan Borelli dan Coleman (1998) titik tetap T 1 bersifat stabil jika kondisi berikut terpenuhi: dengan (4.4) disebut bilangan reproduksi dasar. Dengan kata lain, syarat terjadinya kondisi bebas narkoba adalah bilangan reproduksi dasar harus kurang dari satu.
45 Kestabilan Titik Tetap T 2 Untuk memperoleh kestabilan sistem di titik T2 terlebih dahulu dilakukan pelinearan di sekitar titik tetap T 2 sehingga diperoleh matriks Jacobi sebagai berikut: dengan Dengan menyelesaikan persamaan karakteristik diperoleh persamaan: det dengan
46 18 sehingga diperoleh nilai-nilai eigen dari dari matriks, yaitu: T 2 stabil jika: dan maka akan bernilai negatif. dan maka akan bernilai negatif. T 2 sadel jika: dan maka akan bernilai negatif. dan maka akan bernilai positif.
47 19 V SIMULASI MODEL 5.1 Nilai Parameter Untuk melakukan simulasi maka diperlukan beberapa parameter yang mendukung, parameter ditetapkan berdasarkan data-data sekunder yang diperoleh dari Nyabadza dan Musekwa (2010). Nilai-nilai parameter dapat dilihat pada Tabel 1 berikut. Tabel 1 Nilai parameter model dalam simulasi numerik Parameter Notasi Kisaran Nilai Laju kematian alami dari populasi per satuan waktu µ Tambahan laju kematian pengguna narkoba tidak dalam masa pengobatan per satuan waktu δ Tambahan laju kematian pengguna narkoba dalam masa pengobatan per satuan waktu δ Peluang individu menjadi pengguna narkoba β1 0 1 Peluang pengguna narkoba dalam masa pengobatan yang kambuh menggunakan narkoba dan tidak diobati β2 0 1 Proporsi pengguna narkoba yang masuk pengobatan ρ Proporsi pengguna narkoba tidak dalam masa pengobatan berhenti menggunakan narkoba γ Proporsi pengguna narkoba dalam masa pengobatan berhenti menggunakan narkoba α Hasil Simulasi Dinamika populasi yang dianalisis adalah untuk kondisi R o <1 dan R o >1. Dalam hal ini, R o adalah bilangan reproduksi dasar (persamaan 4.4). R o adalah hasil bagi antara peluang individu yang menjadi pengguna narkoba dengan jumlah proporsi pengguna narkoba yang masuk pengobatan, laju kematian alami dari populasi, tambahan laju kematian pengguna narkoba tidak dalam masa pengobatan serta proporsi pengguna narkoba tidak dalam masa pengobatan berhenti menggunakan narkoba. Untuk menganalisis dinamika populasi, dilakukan dengan memberikan nilai yang berbeda untuk parameter β1 (peluang individu menjadi pengguna narkoba) dan ρ (proporsi pengguna narkoba yang masuk pengobatan). Dua parameter ini dipilih karena dianggap berpengaruh dalam menekan laju penyebaran pengguna narkoba. Sedangkan untuk nilai parameter lainnya dipilih berdasarkan Tabel 1.
48 20 Proporsi awal individu yang rentan menjadi pengguna narkoba adalah S(0) = 0.9, dan proporsi populasi pengguna narkoba tidak dalam masa pengobatan adalah U 1 (0) = 0.1. Simulasi model dilakukan dengan menggunakan program Mathematica. Program ini dapat dilihat pada Lampiran 3 sampai Lampiran 6. Berikut adalah simulasi untuk melihat dinamika populasi individu yang rentan menjadi pengguna narkoba dan populasi pengguna narkoba tidak dalam masa pengobatan yang dilakukan dengan mengubah nilai β1 dan ρ untuk R o <1 dan R o > Simulasi untuk R o <1 dengan Nilai 1 Berbeda Simulasi untuk Ro<1 dengan nilai β 1 berbeda dilakukan untuk menggambarkan dinamika bebas narkoba dari model penyebaran pengguna narkoba. Nilai-nilai parameter yang dipilih diberikan pada Tabel 2 sehingga diperoleh R o <1. Dari hasil simulasi akan terlihat bahwa pengguna narkoba tidak dalam masa pengobatan akan semakin berkurang serta pada saat tertentu menjadi tidak ada dan masuk ke kelas individu yang rentan menjadi pengguna narkoba, dengan demikian tidak terjadi penyebaran narkoba. Tabel 2 Simulasi untuk R o <1 dengan nilai β 1 berbeda Parameter Nilai µ δ δ α γ ρ β β Ro
49 s Hasil simulasi diberikan pada gambar berikut: 0.98 β 1 = β 1 = t u β 1 = β 1 = t Gambar 4 Dinamika populasi individu yang rentan menjadi pengguna narkoba (S) (atas) dan populasi pengguna narkoba tidak dalam masa pengobatan (U 1 ) (bawah) terhadap waktu t untuk kondisi R o <1 dengan nilai β 1 berbeda. Gambar 4 (atas) menunjukkan jika peluang individu menjadi pengguna narkoba menurun dua kali lipat dari peluang semula maka populasi individu yang rentan menjadi pengguna narkoba akan naik, sedangkan Gambar 4 (bawah) menunjukkan populasi pengguna narkoba tidak dalam masa pengobatan akan turun. Gambar 4 juga menunjukkan bahwa kurva S naik dan stabil menuju satu, sedangkan pada kurva U 1 turun dan stabil ke nol atau kurva stabil di titik tetap
50 22 bebas narkoba (drug free equilibrium). Hal ini berarti bahwa jumlah pengguna narkoba tidak dalam masa pengobatan akan sermakin berkurang dan pada saat tertentu akan menjadi tidak ada (nol) sehingga seluruh populasi manusia akan menjadi rentan menjadi pengguna narkoba dengan demikian tidak terjadi penyebaran narkoba. Kurva dengan β 1 = 0.1 lebih cepat stabil dibandingkan dengan kurva dengan β 1 = 0.2 hal ini karena bilangan reproduksi dasar yang dihasilkan semakin lebih kecil dan kurang dari satu. Jadi semakin kecil bilangan reproduksi dasar maka kestabilan kurva akan semakin cepat Simulasi untuk R o <1 dengan Nilai Berbeda Simulasi untuk Ro<1 dengan nilai ρ berbeda dilakukan untuk menggambarkan dinamika bebas narkoba dari model penyebaran pengguna narkoba. Nilai-nilai parameter yang dipilih diberikan pada Tabel 3 sehingga diperoleh R o <1. Dari hasil simulasi akan terlihat bahwa pengguna narkoba tidak dalam masa pengobatan akan semakin berkurang serta pada saat tertentu menjadi tidak ada dan masuk ke kelas individu yang rentan menjadi pengguna narkoba, dengan demikian tidak terjadi penyebaran narkoba. Tabel 3 Simulasi untuk R o <1 dengan nilai ρ berbeda Parameter Nilai µ δ δ α γ β β ρ Ro
51 23 s Hasil simulasi diberikan pada gambar berikut: = ρ = u t = = t Gambar 5 Dinamika populasi individu yang rentan menjadi pengguna narkoba (S) (atas) dan populasi pengguna narkoba tidak dalam masa pengobatan (U 1 ) (bawah) terhadap waktu t untuk kondisi R o <1 dengan nilai ρ berbeda. Gambar 5 (atas) menunjukkan jika proporsi pengguna narkoba yang masuk pengobatan meningkat tiga kali lipat dari proporsi semula maka populasi individu yang rentan menjadi pengguna narkoba akan naik, sedangkan Gambar 5 (bawah) menunjukkan populasi pengguna narkoba tidak dalam masa pengobatan akan turun. Gambar 5 juga menunjukkan bahwa kurva S naik dan stabil menuju satu, namun pada kurva U 1 turun dan stabil ke nol. Ini berarti bahwa kurva stabil di titik tetap bebas narkoba (drug free equilibrium) dan jumlah pengguna narkoba tidak dalam masa pengobatan akan semakin berkurang serta pada saat tertentu
52 24 akan menjadi tidak ada (nol) sehingga seluruh populasi manusia akan menjadi rentan menjadi pengguna narkoba dengan demikian tidak terjadi penyebaran narkoba. Kurva dengan ρ = 0.3 lebih cepat stabil dibandingkan dengan kurva dengan ρ = 0.1 hal ini karena bilangan reproduksi dasar yang dihasilkan semakin lebih kecil dan kurang dari satu. Jadi semakin kecil bilangan reproduksi dasar maka kestabilan kurva akan semakin cepat. Dari Gambar 4 dan Gambar 5 dapat disimpulkan, ketika bilangan reproduksi dasar kurang dari satu maka kurva stabil di titik tetap bebas narkoba atau di T1(s,u 1 ) = (1,0) Simulasi untuk R o >1 dengan Nilai 1 Berbeda Simulasi untuk Ro>1 dengan nilai β 1 berbeda dilakukan untuk menggambarkan dinamika populasi terjadinya endemik narkoba di suatu daerah karena adanya kontak antara pengguna narkoba tidak dalam pengobatan dengan individu yang rentan menjadi pengguna narkoba. Nilai-nilai parameter yang dipilih diberikan pada Tabel 4 sehingga diperoleh R o >1. Dari hasil simulasi akan terlihat bahwa pengguna narkoba tidak dalam masa pengobatan akan berkurang dan individu yang rentan menjadi pengguna narkoba akan bertambah. Namun narkoba tetap akan ada dalam populasi karena kondisi R o >1 terpenuhi dengan demikian dapat terjadi penyebaran narkoba. Tabel 4 Simulasi untuk R o >1 dengan nilai β 1 berbeda Parameter Nilai µ δ δ α γ ρ β β Ro
53 25 s 1.0 Hasil simulasi diberikan pada gambar berikut: β 1 = β 1 = t 0.7 u1 β 1 = β 1 = t Gambar 6 Dinamika populasi individu yang rentan menjadi pengguna narkoba (S) (atas) dan populasi pengguna narkoba tidak dalam masa pengobatan (U 1 ) (bawah) terhadap waktu t untuk kondisi R o >1 dengan nilai β 1 berbeda. Gambar 6 (atas) menunjukkan jika peluang seorang individu menjadi pengguna narkoba menurun dua kali lipat dari peluang semula maka populasi individu yang rentan menjadi pengguna narkoba akan naik, sedangkan Gambar 6 (bawah) menunjukkan populasi pengguna narkoba tidak dalam masa pengobatan akan turun.
54 26 Pada Gambar 6 (atas) menunjukkan bahwa kurva S dengan β 1 = 0.4 akan turun dan stabil menuju , sedangkan pada Gambar 6 (bawah) kurva U 1 akan naik dan stabil menuju Artinya bahwa kurva stabil di titik tetap endemik atau di T 2 (s,u 1 ) = (0.1868; ). Begitu pula untuk kurva dengan β 1 = 0.2, kurva akan stabil di titik tetap endemik atau di T 2 (s,u 1 ) = (0.4062; ). Hal ini berarti jumlah pengguna narkoba tidak dalam masa pengobatan akan bertambah dan seiringnya waktu akan stabil ke titik endemik sehingga penyebaran narkoba dapat terjadi dan meluas menjadi wabah sedangkan jumlah individu yang rentan menjadi pengguna narkoba akan berkurang. Kurva dengan β1 = 0.4 lebih cepat stabil dibandingkan dengan kurva dengan β 1 = 0.2 karena bilangan reproduksi dasar yang dihasilkan semakin besar dan lebih dari satu. Jadi semakin besar bilangan reproduksi dasar maka kestabilan kurva akan semakin cepat Simulasi untuk R o >1 dengan Nilai Berbeda Simulasi untuk Ro>1 dengan nilai ρ berbeda dilakukan untuk menggambarkan dinamika populasi terjadinya endemik narkoba di suatu daerah karena adanya kontak antara pengguna narkoba tidak dalam pengobatan dengan individu yang rentan menjadi pengguna narkoba. Nilai-nilai parameter yang dipilih diberikan pada Tabel 5 sehingga diperoleh R o >1. Tabel 5 Simulasi untuk R o >1 dengan nilai ρ berbeda Parameter Nilai µ δ δ α γ β β ρ Ro
55 27 s Hasil simulasi diberikan pada gambar berikut: ρ = ρ = t u1 ρ = ρ = t Gambar 7 Dinamika populasi individu yang rentan menjadi pengguna narkoba (S) (atas) dan populasi pengguna narkoba tidak dalam masa pengobatan (U 1 ) (bawah) terhadap waktu t untuk kondisi R o >1 dengan nilai ρ berbeda. Gambar 7 (atas) menunjukkan jika proporsi pengguna narkoba yang masuk pengobatan meningkat dua kali lipat dari proporsi semula maka populasi individu yang rentan menjadi pengguna narkoba akan naik, sedangkan Gambar 7 (bawah) menunjukkan populasi pengguna narkoba tidak dalam masa pengobatan akan turun. Pada Gambar 7 (atas) menunjukkan bahwa kurva S dengan ρ = 0.1 akan turun dan stabil menuju , sedangkan pada Gambar 7 (bawah) kurva U 1 akan naik dan stabil menuju Artinya bahwa kurva stabil di titik tetap
56 28 endemik atau di T 2 (s,u 1 ) = (0.1868; ). Begitu pula untuk kurva dengan ρ = 0.2 kurva akan stabil di titik tetap endemik atau di T 2 (s,u 1 ) = (0.2684; ). Hal ini berarti jumlah pengguna narkoba tidak dalam masa pengobatan akan bertambah dan seiringnya waktu akan stabil ke titik endemik sehingga penyebaran narkoba dapat terjadi dan meluas menjadi wabah sedangkan jumlah individu yang rentan menjadi pengguna narkoba akan berkurang. Kurva dengan ρ = 0.1 lebih cepat stabil dibandingkan dengan kurva dengan ρ = 0.2 hal ini karena bilangan reproduksi dasar yang dihasilkan semakin besar dan lebih dari satu. Jadi semakin besar bilangan reproduksi dasar maka kestabilan kurva akan semakin cepat. Dari Gambar 6 dan Gambar 7 dapat disimpulkan, ketika bilangan reproduksi dasar lebih dari satu maka titik tetap endemik bersifat stabil. Dari Gambar 4 dan Gambar 6 disimpulkan penyebab turunnya peluang individu menjadi pengguna narkoba (β ) terjadi karena individu tersebut telah 1 mengetahui dan menyadari akibat buruk yang ditimbulkan dari penyalahgunaan narkoba. Dalam buku Benteng Remaja Menolak Narkoba, akibat buruk yang dapat ditimbulkan antara lain: 1. Akibat buruk terhadap fisik pemakainya yaitu anggota tubuh atau organ-organ fisiknya akan mengalami kerusakan bahkan sampai menyebabkan kematian. 2. Akibat buruk terhadap kejiwaan pemakainya, bisa terlihat dari adanya tingkah laku yang tidak wajar yang dilakukan oleh si pemakai, antara lain rasa kepercayaan dirinya hilang, apatis (sikap masa bodoh), penghayal, sering tegang, gelisah, sulit berkosentrasi, cenderung menyakiti diri, perasaan tidak aman, bahkan bisa melakukan bunuh diri. Sedangkan dari Gambar 5 dan Gambar 7 dapat disimpulkan meningkatnya proporsi individu pengguna narkoba yang masuk pengobatan dapat terjadi karena pemerintah meningkatkan upaya pengobatan bagi penguna narkoba. Dalam Bab IV Undang-Undang No. 23 Tahun 1992 tentang Kesehatan dinyatakan bahwa pemerintah bertugas menyelenggarakan upaya kesehatan yang merata dan terjangkau oleh masyarakat. Upaya kesehatan yang merata dan terjangkau oleh masyarakat adalah merata dalam arti tersedianya sarana pelayanan di seluruh wilayah sampai daerah terpencil yang mudah terjangkau oleh seluruh masyarakat,
57 29 termasuk fakir miskin, orang terlantar, dan orang kurang mampu. Dalam hubungannya untuk meningkatkan upaya pengobatan bagi pengguna narkoba, hendaknya pengobatan yang diberikan dilakukan dengan pendekatan pemeliharaaan, peningkatan kesehatan (promotif), pencegahan penyakit (preventif), penyembuhan penyakit (kuratif), dan pemulihan kesehatan (rehabilitatif) yang dilakukan secara menyeluruh, terpadu, dan berkesinambungan (Ali dan Duse 2007).
58 30
59 VI SIMPULAN DAN SARAN 6.1 Simpulan Berdasarkan hasil pembahasan, dari pengembangan model penyebaran pengguna narkoba diperoleh tiga titik tetap, yaitu satu titik tetap bebas narkoba dan dua titik tetap endemik. Analisis kestabilan titik tetap tersebut bergantung pada nilai R o, yakni bilangan reproduksi dasar. Jika R o <1, maka titik tetap bebas narkoba T 1 bersifat stabil artinya jumlah pengguna narkoba akan semakin berkurang dan pada saat tertentu akan menjadi tidak ada. Pada titik tetap endemik T 2 bersifat stabil jika R o >1 artinya jumlah pengguna narkoba akan semakin bertambah sehingga penyebaran narkoba dapat terjadi. Selanjutnya dari hasil simulasi numerik dapat dilihat, bahwa: a. Jika peluang individu menjadi pengguna narkoba menurun dari peluang semula maka populasi individu yang rentan menjadi pengguna narkoba akan meningkat, sedangkan populasi pengguna narkoba tidak dalam masa pengobatan akan turun. Penyebab turunnya peluang individu menjadi pengguna narkoba terjadi karena individu tersebut telah mengetahui dan menyadari akibat buruk yang ditimbulkan dari penyalahgunaan narkoba. b. Jika proporsi pengguna narkoba yang masuk pengobatan meningkat dari proporsi semula maka populasi individu yang rentan menjadi pengguna narkoba akan naik, sedangkan populasi pengguna narkoba tidak dalam masa pengobatan akan turun. Meningkatnya proporsi individu pengguna narkoba yang masuk pengobatan terjadi karena pemerintah meningkatkan upaya pengobatan bagi penguna narkoba. Artinya pengobatan yang diberikan dilakukan dengan pendekatan pemeliharaan, peningkatan kesehatan (promotif), pencegahan penyakit (preventif), penyembuhan penyakit (kuratif), dan pemulihan kesehatan (rehabilitatif) yang dilakukan secara menyeluruh, terpadu, dan berkesinambungan. c. Peluang individu menjadi pengguna narkoba harus dibatasi serendah mungkin agar bilangan reproduksi dasar yang diperoleh kurang dari satu sehingga akan timbul kondisi dimana jumlah pengguna narkoba tidak dalam masa pengobatan akan semakin berkurang dan pada saat tertentu akan menjadi tidak ada.
60 Saran 1. Upaya pencegahan penyalahgunaan narkoba, upaya pengobatan, dan rehabilitasi untuk pengguna narkoba harus lebih digalakkan oleh seluruh pihak agar peluang individu menjadi pengguna narkoba semakin kecil. 2. Proporsi pengguna narkoba yang masuk pengobatan harus lebih besar dari peluang individu menjadi pengguna narkoba. Langkah itu dapat dicapai melalui upaya pengobatan yang maksimal bagi pengguna narkoba, memerangi dan memberantas peredaran narkoba secara menyeluruh serta pemberian sanksi hukuman yang tegas tanpa pandang bulu dari pemerintah bagi penyalahguna narkoba.
61 DAFTAR PUSTAKA Ali MAP, Duse I Narkoba Ancaman Generasi Muda. Kalimantan Timur: DPD Kaltim, BNP Kaltim, PemKab Kutai Kartanegara, GERPANA Kaltim kerjasama dengan PustakaTimur. Anton H Elementary Linear Algebra. Eighth Edition. USA: Lehigh Press Inc. [BNN] Badan Narkotika Nasional Kamus Narkoba. go. id/ portal/index.php [22 April 2011]. [BNN] Badan Narkotika Nasional, [PPKUI] Pusat Penelitian Kesehatan Universitas Indonesia Laporan Survei Penyalahgunaan Narkoba di Indonesia Tahun [13 Agustus 2011]. [BNN] Badan Narkotika Nasional, [PPKUI] Pusat Penelitian Kesehatan Universitas Indonesia Survei Narkoba Rumah Tangga Tahun pdf [28 Juli 2011]. Borelli RL, Coleman CS Differential Equations. USA: John Wiley and Sons, Inc. Braun M Differential Equations and Their Applications. New York: Springer-Verlag. Diekmann O, Heesterbeek JAP Mathematical Epidemiology of Infectious Diseases. USA: John Wiley and Son, Ltd. Dodo RW Benteng Remaja Menolak Narkoba. Jakarta: Nobel Edumedia. Farlow SJ An Introduction to Differential Equation and Their Applicantions. New York: McGraw Hill. Keshet L Mathematical Models in Biology. New York: Random House. Mulone G, Straughan B A Note on Heroin Epidemics. Mathematical Biosciences 218 : Nyabadza F, Musekwa SDH From Heroin Epidemics to Methamphetamine Epidemics: Modelling Substance Abuse in A South African Province. Mathematical Biosciences 225 : Tu PNV Dynamical Systems. An Introduction with Applicants in Economics and Biology. New York: Springer-Verlag.
62 34 [DPR] Dewan Perwakilan Rakyat Undang-Undang Narkotika dan Psikotropika Beserta Penjelasannya. Jakarta: Restu Agung. Vershult F Nonlinear Differential Equations and Dynamical Systems. Berlin: Springer-Verlag. White E, Comiskey C Heroin Epidemics, Treatment and ODE Modelling. Mathematical Biosciences 208 :
63 L A M P I R A N
64
65 36 Lampiran 1. Penurunan persamaan (3.2) dari model yang dikembangkan Diketahui persamaan (3.1) adalah: dengan dan didefinisikan variabel baru yaitu: Kemudian substitusikan skala di atas ke dalam persamaan (3.1) sehingga diperoleh persamaan (1), (2), (3), (4). (1) (2) (3)
66 37 (4) dengan mensubstitusikan persamaan (5), (6), (7), dan (8). ke dalam persamaan (2) dan (3) diperoleh (5) (6) (7) Persamaan (6) dan (8) diatas merupakan sistem persamaan (3.2) dari model yang dikembangkan. Sehingga diperoleh sistem persamaan: (8) (i) (ii)
67 38 Lampiran 2. Penentuan titik tetap Penentuan titik tetap bebas narkoba Dari sistem persamaan (3.2) model yang dikembangkan (i) (ii) Titik tetap akan diperoleh dengan menetapkan dan. Dari persamaan (ii) dapat disederhanakan sehingga diperoleh nilai atau atau atau atau Dari persamaan (i) Ketika nilai maka akan diperoleh titik tetap bebas narkoba. Sekarang substitusikan nilai ke persamaan (i) maka akan diperoleh nilai. Diperoleh titik tetap bebas narkoba yaitu T 1 (1,0).
68 39 Penentuan titik tetap endemik dengan program Mathematica Program: Diperoleh titik tetap endemik sebagai berikut : T 2 (s,u 1 )= ( ). T 3 (s,u 1 ) = ( ). Titik tetap T 2 dan T 3 dapat disederhanakan menjadi T2 (s,u 1 ) =, T3 (s,u 1 ) = dengan nilai A, B, dan C sebagai berikut: ).
III 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 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 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 terperinciII. LANDASAN TEORI. Definisi 1 (Sistem Persamaan Diferensial Biasa Linear) Definisi 2 (Sistem Persamaan Diferensial Biasa Taklinear)
3 II. LANDASAN TEORI 2.1 Sistem Persamaan Diferensial Biasa Definisi 1 (Sistem Persamaan Diferensial Biasa Linear) Misalkan suatu sistem persamaan diferensial biasa dinyatakan sebagai = + ; =, R (1) dengan
Lebih terperinciPEMODELAN SISTEM PENDULUM TERBALIK GANDA DAN KARAKTERISASI PARAMETER PADA MASALAH REGULASI OPTIMAL HASBY ASSIDIQI
PEMODELAN SISTEM PENDULUM TERBALIK GANDA DAN KARAKTERISASI PARAMETER PADA MASALAH REGULASI OPTIMAL HASBY ASSIDIQI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN
Lebih terperinciMODEL MATEMATIKA STRUKTUR UMUR INFEKSI VIRUS HIV DENGAN KOMBINASI TERAPI OBAT MUHAMMAD BUWING
MODEL MATEMATIKA STRUKTUR UMUR INFEKSI VIRUS HIV DENGAN KOMBINASI TERAPI OBAT MUHAMMAD BUWING SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan
Lebih terperinciMODEL PEMBERIAN KOMPENSASI BAGI PENGANGGUR UNTUK MENCAPAI KESEJAHTERAAN EKONOMI HADI KUSWANTO
MODEL PEMBERIAN KOMPENSASI BAGI PENGANGGUR UNTUK MENCAPAI KESEJAHTERAAN EKONOMI HADI KUSWANTO SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan
Lebih terperinciANALISIS DINAMIKA PENYEBARAN VIRUS DEMAM BERDARAH DENGUE DENGAN DUA SEROTIPE AHMAD SUYUTI LATIF
ANALISIS DINAMIKA PENYEBARAN VIRUS DEMAM BERDARAH DENGUE DENGAN DUA SEROTIPE AHMAD SUYUTI LATIF SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan
Lebih terperinciKETERKONTROLAN BEBERAPA SISTEM PENDULUM SAKIRMAN
KETERKONTROLAN BEBERAPA SISTEM PENDULUM SAKIRMAN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan bahwa tesis Keterkontrolan
Lebih terperinciPengaruh Hukuman Mati terhadap Dinamika Jumlah Pengguna Narkoba di Indonesia
Pengaruh Hukuman Mati terhadap Dinamika Jumlah Pengguna Narkoba di Indonesia Riry Sriningsih Jurusan Matematika, Universitas Negeri Padang, Padang, Indonesia Email: srirysriningsih@yahoo.com Abstrak. Tulisan
Lebih terperinciPEMODELAN SISTEM PENDULUM TERBALIK DENGAN LINTASAN MIRING DAN KARAKTERISASI PARAMETER PADA MASALAH TRACKING ERROR OPTIMAL BAMBANG EDISUSANTO
PEMODELAN SISTEM PENDULUM TERBALIK DENGAN LINTASAN MIRING DAN KARAKTERISASI PARAMETER PADA MASALAH TRACKING ERROR OPTIMAL BAMBANG EDISUSANTO SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN
Lebih terperinciMODEL SKEDUL MIGRASI DAN APLIKASINYA DALAM PROYEKSI PENDUDUK MULTIREGIONAL MUSLIMAH
MODEL SKEDUL MIGRASI DAN APLIKASINYA DALAM PROYEKSI PENDUDUK MULTIREGIONAL MUSLIMAH SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya
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 terperinciMODEL MATEMATIKA PENYEBARAN PENYAKIT DEMAM BERDARAH DENGUE JUMADI
MODEL MATEMATIKA PENYEBARAN PENYAKIT DEMAM BERDARAH DENGUE JUMADI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan bahwa
Lebih terperinciKETERKONTROLAN BEBERAPA SISTEM PENDULUM SAKIRMAN
KETERKONTROLAN BEBERAPA SISTEM PENDULUM SAKIRMAN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan bahwa tesis Keterkontrolan
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 terperinciII LANDASAN TEORI 2.1 Sistem Persamaan Diferensial Definisi 1 [Sistem Persamaan Diferensial Linear (SPDL)]
II LANDASAN TEORI 2.1 Sistem Persamaan Diferensial Definisi 1 [Sistem Persamaan Diferensial Linear (SPDL)] Suatu sistem persamaan diferensial dinyatakan sebagai berikut: A adalah matriks koefisien konstan
Lebih terperinciMODEL EPIDEMI SIRS DENGAN TIME DELAY
MODEL EPIDEMI SIRS DENGAN TIME DELAY TESIS Oleh FERDINAND SINUHAJI 127021034/MT FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2014 MODEL EPIDEMI SIRS DENGAN TIME DELAY
Lebih terperinciPERAN TRANSFORMASI TUSTIN PADA RUANG KONTINU DAN RUANG DISKRET SAMSURIZAL
PERAN TRANSFORMASI TUSTIN PADA RUANG KONTINU DAN RUANG DISKRET SAMSURIZAL SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan
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 terperinciFORMULASI HAMILTONIAN UNTUK MENGGAMBARKAN GERAK GELOMBANG INTERNAL PADA LAUT DALAM RINA PRASTIWI
FORMULASI HAMILTONIAN UNTUK MENGGAMBARKAN GERAK GELOMBANG INTERNAL PADA LAUT DALAM RINA PRASTIWI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan
Lebih terperinciANALISIS STABILITAS MODEL MATEMATIKA DARI PENYEBARAN PENYAKIT MENULAR MELALUI TRANSPORTASI ANTAR DUA KOTA
ANALISIS STABILITAS MODEL MATEMATIKA DARI PENYEBARAN PENYAKIT MENULAR MELALUI TRANSPORTASI ANTAR DUA KOTA ANALYSIS OF STABILITY OF SPREADING DISEASE MATHEMATICAL MODEL WITH TRANSPORT-RELATED INFECTION
Lebih terperinciMODEL DISTRIBUSI PERTUMBUHAN EKONOMI ANTARKELOMPOK PADA DUA DAERAH ADE LINA HERLIANI
MODEL DISTRIBUSI PERTUMBUHAN EKONOMI ANTARKELOMPOK PADA DUA DAERAH ADE LINA HERLIANI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya
Lebih terperinciMODEL MATEMATIKA PERPINDAHAN KELOMPOK BELALANG DENGAN METODE GELOMBANG BERJALAN NURUDIN MAHMUD
MODEL MATEMATIKA PERPINDAHAN KELOMPOK BELALANG DENGAN METODE GELOMBANG BERJALAN NURUDIN MAHMUD SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan
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 Matematika Jumlah Pemakai Narkoba dengan Program Rehabilitasi
Model Matematika Jumlah Pemakai arkoba dengan Program Rehabilitasi Eli Yuliza #1, Media Rosha #2, Riry Sriningsih #3 # Mathematics Department State University of Padang Jl. Prof. Dr. Hamka Air Tawar Padang,
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 terperinciPEMODELAN SISTEM PENDULUM TERBALIK DENGAN LINTASAN MIRING DAN KARAKTERISASI PARAMETER PADA MASALAH TRACKING ERROR OPTIMAL BAMBANG EDISUSANTO
PEMODELAN SISTEM PENDULUM TERBALIK DENGAN LINTASAN MIRING DAN KARAKTERISASI PARAMETER PADA MASALAH TRACKING ERROR OPTIMAL BAMBANG EDISUSANTO SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN
Lebih terperinciPENDUGAAN PARAMETER BEBERAPA SEBARAN POISSON CAMPURAN DAN BEBERAPA SEBARAN DISKRET DENGAN MENGGUNAKAN ALGORITME EM ADE HARIS HIMAWAN
PENDUGAAN PARAMETER BEBERAPA SEBARAN POISSON CAMPURAN DAN BEBERAPA SEBARAN DISKRET DENGAN MENGGUNAKAN ALGORITME EM ADE HARIS HIMAWAN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN
Lebih terperinciPERAN TRANSFORMASI TUSTIN PADA RUANG KONTINU DAN RUANG DISKRET SAMSURIZAL
PERAN TRANSFORMASI TUSTIN PADA RUANG KONTINU DAN RUANG DISKRET SAMSURIZAL SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan
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 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 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 terperinciModel Matematika Penyebaran Penyakit HIV/AIDS dengan Terapi pada Populasi Terbuka
Model Matematika Penyebaran Penyakit HIV/AIDS dengan Terapi pada Populasi Terbuka M Soleh 1, D Fatmasari 2, M N Muhaijir 3 1, 2, 3 Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sultan Syarif Kasim
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 terperinciPENENTUAN PELUANG BERTAHAN DALAM MODEL RISIKO KLASIK DENGAN MENGGUNAKAN TRANSFORMASI LAPLACE AMIRUDDIN
PENENTUAN PELUANG BERTAHAN DALAM MODEL RISIKO KLASIK DENGAN MENGGUNAKAN TRANSFORMASI LAPLACE AMIRUDDIN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI
Lebih terperinciPREDIKSI KECEPATAN PHASE GELOMBANG SOLITER TERGANGGU AHMAD HAKIM
PREDIKSI KECEPATAN PHASE GELOMBANG SOLITER TERGANGGU AHMAD HAKIM SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan bahwa
Lebih terperinciDINAMIKA PENYEBARAN PENYAKIT KOLERA OLEH BAKTERI VIBRIO CHOLERAE BERTIPE HYPERINFECTIOUS NUR RAHMI
DINAMIKA PENYEBARAN PENYAKIT KOLERA OLEH BAKTERI VIBRIO CHOLERAE BERTIPE HYPERINFECTIOUS NUR RAHMI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2016 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI
Lebih terperinciMODEL MATEMATIK DEMAM BERDARAH DENGUE DENGAN NYAMUK Aedes albopictus SEBAGAI VEKTOR JAMES U. L. MANGOBI
MODEL MATEMATIK DEMAM BERDARAH DENGUE DENGAN NYAMUK Aedes albopictus SEBAGAI VEKTOR JAMES U. L. MANGOBI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2011 i PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI
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 terperinciKAJIAN PERILAKU MODEL MATEMATIKA PENULARAN PENYAKIT TUBERCULOSIS
Jurnal Matematika UNAND Vol. 5 No. 2 Hal. 26 32 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND KAJIAN PERILAKU MODEL MATEMATIKA PENULARAN PENYAKIT TUBERCULOSIS FAIZAL HAFIZ FADILAH, ZULAKMAL Program
Lebih terperinciMODIFIKASI METODE RELE UNTUK MODEL PENDUDUK QUASI-STABIL CECEP A.H.F. SANTOSA
MODIFIKASI METODE RELE UNTUK MODEL PENDUDUK QUASI-STABIL CECEP A.H.F. SANTOSA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 Hak Cipta milik Institut Pertanian Bogor, tahun 2008 Hak Cipta dilindungi
Lebih terperinciPREDIKSI KECEPATAN PHASE GELOMBANG SOLITER TERGANGGU AHMAD HAKIM
PREDIKSI KECEPATAN PHASE GELOMBANG SOLITER TERGANGGU AHMAD HAKIM SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan bahwa
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 terperinciMODEL DISTRIBUSI PERTUMBUHAN EKONOMI ANTARKELOMPOK PADA DUA DAERAH ADE LINA HERLIANI
MODEL DISTRIBUSI PERTUMBUHAN EKONOMI ANTARKELOMPOK PADA DUA DAERAH ADE LINA HERLIANI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya
Lebih terperinciMETODE PEMOTONGAN DERET FOURIER UNTUK MENYELESAIKAN PERSAMAAN GERAK GELOMBANG INTERNAL YANG PERIODIK PADA FLUIDA DUA LAPISAN MUHBAHIR
METODE PEMOTONGAN DERET FOURIER UNTUK MENYELESAIKAN PERSAMAAN GERAK GELOMBANG INTERNAL YANG PERIODIK PADA FLUIDA DUA LAPISAN MUHBAHIR SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN
Lebih terperinciANALISIS KESTABILAN MODEL SEIR DENGAN VAKSINASI PADA PENYEBARAN PENYAKIT CAMPAK DI KABUPATEN SLEMAN PROVINSI DIY TUGAS AKHIR SKRIPSI
ANALISIS KESTABILAN MODEL SEIR DENGAN VAKSINASI PADA PENYEBARAN PENYAKIT CAMPAK DI KABUPATEN SLEMAN PROVINSI DIY TUGAS AKHIR SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperinciPERBANDINGAN ANTARA UNWEIGHTED LEAST SQUARES (ULS) DAN PARTIAL LEAST SQUARES (PLS) DALAM PEMODELAN PERSAMAAN STRUKTURAL MUHAMMAD AMIN PARIS
PERBANDINGAN ANTARA UNWEIGHTED LEAST SQUARES (ULS) DAN PARTIAL LEAST SQUARES (PLS) DALAM PEMODELAN PERSAMAAN STRUKTURAL MUHAMMAD AMIN PARIS SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN
Lebih terperinciANALISIS KESTABILAN MODEL MATEMATIKA PENYEBARAN PENYAKIT DBD DENGAN INKUBASI INTRINSIK DAN GABUNGAN INKUBASI INTRINSIK DAN EKSTRINSIK RINANCY TUMILAAR
ANALISIS KESTABILAN MODEL MATEMATIKA PENYEBARAN PENYAKIT DBD DENGAN INKUBASI INTRINSIK DAN GABUNGAN INKUBASI INTRINSIK DAN EKSTRINSIK RINANCY TUMILAAR SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR
Lebih terperinciFAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2014
JURUSAN MATEMATIKA Nurlita Wulansari (1210100045) Dosen Pembimbing: Drs. M. Setijo Winarko, M.Si Drs. Lukman Hanafi, M.Sc FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER
Lebih terperinciANALISIS MODEL SPASIAL TEMPORAL PADA DINAMIKA PENYEBARAN PENYAKIT MALARIA RAHMAT
i ANALISIS MODEL SPASIAL TEMPORAL PADA DINAMIKA PENYEBARAN PENYAKIT MALARIA RAHMAT SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2011 ii PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini
Lebih terperinciMODEL MATEMATIKA TIPE SEIRS-SEI UNTUK TRANSMISI PENYAKIT MALARIA RESMAWAN
MODEL MATEMATIKA TIPE SEIRS-SEI UNTUK TRANSMISI PENYAKIT MALARIA RESMAWAN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2013 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*
Lebih terperinciMODEL MATEMATIKA UNTUK PERUBAHAN SUHU DAN KONSENTRASI DOPANT PADA PEMBENTUKAN SERAT OPTIK MIFTAHUL JANNAH
MODEL MATEMATIKA UNTUK PERUBAHAN SUHU DAN KONSENTRASI DOPANT PADA PEMBENTUKAN SERAT OPTIK MIFTAHUL JANNAH SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERYATAAN MENGENAI TESIS DAN SUMBER INFORMASI
Lebih terperinciANALISIS POLA KELAHIRAN MENURUT UMUR STUDI KASUS DI INDONESIA TAHUN 1987 DAN TAHUN 1997 SUMIHAR MEINARTI
ANALISIS POLA KELAHIRAN MENURUT UMUR STUDI KASUS DI INDONESIA TAHUN 1987 DAN TAHUN 1997 SUMIHAR MEINARTI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Tuberkulosis adalah penyakit yang penularannya langsung dari penderita TB yang terinfeksi oleh strain TB yaitu Microbacterium tuberculosis. Menurut
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 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 terperinciANALISIS STABILITAS PENYEBARAN VIRUS EBOLA PADA MANUSIA
ANALISIS STABILITAS PENYEBARAN VIRUS EBOLA PADA MANUSIA Mutholafatul Alim 1), Ari Kusumastuti 2) 1) Mahasiswa Jurusan Matematika, Universitas Islam Negeri Maulana Malik Ibrahim Malang 1) mutholafatul@rocketmail.com
Lebih 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 SEIRS-LSEI PADA PENYAKIT CHIKUNGUNYA SUAEDAH
MODEL SEIRS-LSEI PADA PENYAKIT CHIKUNGUNYA SUAEDAH SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2012 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan bahwa tesis dengan
Lebih terperinciKAJIAN MODEL MIKROSKOPIK DAN MODEL KINETIK LALU LINTAS KENDARAAN DAN SIMULASINYA DESYARTI SAFARINI TLS
KAJIAN MODEL MIKROSKOPIK DAN MODEL KINETIK LALU LINTAS KENDARAAN DAN SIMULASINYA DESYARTI SAFARINI TLS SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI
Lebih terperinciPENGARUH SERTIFIKASI GURU TERHADAP KESEJAHTERAAN DAN KINERJA GURU DI KABUPATEN SUMEDANG RIZKY RAHADIKHA
1 PENGARUH SERTIFIKASI GURU TERHADAP KESEJAHTERAAN DAN KINERJA GURU DI KABUPATEN SUMEDANG RIZKY RAHADIKHA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2014 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI
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 terperinciPERBANDINGAN METODE INTERPOLASI ABRIDGED LIFE TABLE
PERBANDINGANN METODE INTERPOLASI ABRIDGED LIFE TABLE DAN APLIKASINYA PADA DATAA KEMATIAN INDONESIA VANI RIALITA SUPONO SEKOLAH PASCASARJANAA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS
Lebih terperinciKESTABILAN MODEL EPIDEMIK SIS DETERMINISTIK DENGAN ASUMSI KELAHIRAN DAN KEMATIAN
KESTABILAN MODEL EPIDEMIK SIS DETERMINISTIK DENGAN ASUMSI KELAHIRAN DAN KEMATIAN SKRIPSI Oleh: ERNA MEGAWATI NIM: 11321394 PROGRAM STUDI PENDIDIKAN MATEMATIKA FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN UNIVERSITAS
Lebih terperinciANALISIS MODEL PELUANG BERTAHAN HIDUP DAN APLIKASINYA SUNARTI FAJARIYAH
ANALISIS MODEL PELUANG BERTAHAN HIDUP DAN APLIKASINYA SUNARTI FAJARIYAH SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 2 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan
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 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 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 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 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 terperinciPENETAPAN HARGA JAMINAN POLIS ASURANSI JIWA DENGAN PREMI TAHUNAN DAN OPSI SURRENDER WELLI SYAHRIZA
PENETAPAN HARGA JAMINAN POLIS ASURANSI JIWA DENGAN PREMI TAHUNAN DAN OPSI SURRENDER WELLI SYAHRIZA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI
Lebih terperinciPERBANDINGAN KEKONVERGENAN BEBERAPA MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA PONCO BUDI SUSILO
PERBANDINGAN KEKONVERGENAN BEBERAPA MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA PONCO BUDI SUSILO SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 SUMBER INFORMASI Dengan ini saya menyatakan
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 terperinciCreated By Aristastory.Wordpress.com BAB I PENDAHULUAN. Teori sistem dinamik adalah bidang matematika terapan yang digunakan untuk
BAB I PENDAHULUAN 1.1 Latar Belakang Teori sistem dinamik adalah bidang matematika terapan yang digunakan untuk memeriksa kelakuan sistem dinamik kompleks, biasanya dengan menggunakan persamaan diferensial
Lebih terperinciANALISIS POLA KELAHIRAN MENURUT UMUR STUDI KASUS DI INDONESIA TAHUN 1987 DAN TAHUN 1997 SUMIHAR MEINARTI
ANALISIS POLA KELAHIRAN MENURUT UMUR STUDI KASUS DI INDONESIA TAHUN 1987 DAN TAHUN 1997 SUMIHAR MEINARTI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI
Lebih terperinciMODEL MATEMATIKA SEL BATANG HEMATOPOIETIC PADA LEUKEMIA MYELOGENOUS KRONIS DENGAN DAN TANPA TERAPI OBAT NURHAYATI MANSYUR
MODEL MATEMATIKA SEL BATANG HEMATOPOIETIC PADA LEUKEMIA MYELOGENOUS KRONIS DENGAN DAN TANPA TERAPI OBAT NURHAYATI MANSYUR SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2011 PERNYATAAN MENGENAI TESIS
Lebih terperinciANALISIS PENYEBARAN PENYAKIT DIARE SEBAGAI SALAH SATU PENYEBAB KEMATIAN PADA BALITA MENGGUNAKAN MODEL MATEMATIKA SIS
ANALISIS PENYEBARAN PENYAKIT DIARE SEBAGAI SALAH SATU PENYEBAB KEMATIAN PADA BALITA MENGGUNAKAN MODEL MATEMATIKA SIS (SUSCEPTIBLE-INFECTED-SUSCEPTIBLE) SKRIPSI Diajukan Kepada Fakultas Matematika dan Ilmu
Lebih terperinciMODEL PELATIHAN ULANG (RETRAINING) PEKERJA PADA SUATU PERUSAHAAN BERDASARKAN PENILAIAN REKAN KERJA
ISSN: 288-687X 13 ODEL PELATIHAN ULANG (RETRAINING) PEERJA PADA SUATU PERUSAHAAN BERDASARAN PENILAIAN REAN ERJA Dwi Lestari Jurusan Pendidikan atematika FIPA Universitas Negeri Yogyakarta E-mail: dwilestari@uny.ac.id
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 terperinciANALISIS BIPLOT UNTUK MEMETAKAN MUTU SEKOLAH YANG SESUAI DENGAN NILAI UJIAN NASIONAL SUJITA
ANALISIS BIPLOT UNTUK MEMETAKAN MUTU SEKOLAH YANG SESUAI DENGAN NILAI UJIAN NASIONAL SUJITA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan
Lebih terperinciMANAJEMEN RISIKO DI PERUSAHAAN BETON (STUDI KASUS UNIT READYMIX PT BETON INDONESIA) MUAMMAR TAWARUDDIN AKBAR
MANAJEMEN RISIKO DI PERUSAHAAN BETON (STUDI KASUS UNIT READYMIX PT BETON INDONESIA) MUAMMAR TAWARUDDIN AKBAR SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2014 PERNYATAAN MENGENAI TESIS DAN SUMBER
Lebih terperinciBAB II KAJIAN TEORI. representasi pemodelan matematika disebut sebagai model matematika. Interpretasi Solusi. Bandingkan Data
A. Model Matematika BAB II KAJIAN TEORI Pemodelan matematika adalah proses representasi dan penjelasan dari permasalahan dunia real yang dinyatakan dalam pernyataan matematika (Widowati dan Sutimin, 2007:
Lebih terperinciANALISIS MATEMATIKA MODEL GOMPERTZ, MODEL GYLLENBERG-WEBB DAN MODIFIKASINYA PADA PERTUMBUHAN TUMOR KHAIRIDA ISKANDAR
ANALISIS MATEMATIKA MODEL GOMPERTZ, MODEL GYLLENBERG-WEBB DAN MODIFIKASINYA PADA PERTUMBUHAN TUMOR KHAIRIDA ISKANDAR SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2011 PERNYATAAN MENGENAI TESIS
Lebih terperinciKATA PENGANTAR. Puji syukur penulis panjatkan kehadirat Allah SWT yang telah memberikan rahmat dan
KATA PENGANTAR Puji syukur penulis panjatkan kehadirat Allah SWT yang telah memberikan rahmat dan karunia-nya sehingga Tugas Akhir ini dapat terselesaikan. Tugas Akhir yang berjudul Analisis Kestabilan
Lebih terperinciBAB II LANDASAN TEORI. eigen dan vektor eigen, persamaan diferensial, sistem persamaan diferensial, titik
BAB II LANDASAN TEORI Pada bab ini, akan dijelaskan landasan teori yang akan digunakan dalam bab selanjutnya sebagai bahan acuan yang mendukung dan memperkuat tujuan penelitian. Landasan teori yang dimaksud
Lebih terperinciT 3 Model Dinamika Sel Tumor Dengan Terapi Pengobatan Menggunakan Virus Oncolytic
T 3 Model Dinamika Sel Tumor Dengan Terapi Pengobatan Menggunakan Virus Oncolytic Oleh : Ali Kusnanto, Hikmah Rahmah, Endar H. Nugrahani Departemen Matematika FMIPA-IPB Email : alikusnanto@yahoo.com Abstrak
Lebih terperinciSTRATEGI PENGEMBANGAN DAYA SAING PRODUK UNGGULAN DAERAH INDUSTRI KECIL MENENGAH KABUPATEN BANYUMAS MUHAMMAD UNGGUL ABDUL FATTAH
i STRATEGI PENGEMBANGAN DAYA SAING PRODUK UNGGULAN DAERAH INDUSTRI KECIL MENENGAH KABUPATEN BANYUMAS MUHAMMAD UNGGUL ABDUL FATTAH SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2016 iii PERNYATAAN
Lebih terperinciMODEL MATEMATIKA PENENTUAN WAKTU PANEN OPTIMAL PADA POPULASI IKAN DENGAN UKURAN AWAL HOMOGEN DAN HETEROGEN M U S T O P A
MODEL MATEMATIKA PENENTUAN WAKTU PANEN OPTIMAL PADA POPULASI IKAN DENGAN UKURAN AWAL HOMOGEN DAN HETEROGEN M U S T O P A SEKOLAH PASCA SARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS
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 terperinciBIFURKASI HOPF MODEL MANGSA-PEMANGSA DENGAN WAKTU TUNDA NI NYOMAN SURYANI
BIFURKASI HOPF MODEL MANGSA-PEMANGSA DENGAN WAKTU TUNDA NI NYOMAN SURYANI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014 PERNYATAAN MENGENAI SKRIPSI
Lebih terperinciMODEL MATEMATIKA PENYEBARAN VIRUS WORM PADA JARINGAN SENSOR NIRKABEL SKRIPSI
MODEL MATEMATIKA PENYEBARAN VIRUS WORM PADA JARINGAN SENSOR NIRKABEL SKRIPSI RADIFA AFIDAH SYAHLANI PROGRAM STUDI S-1 MATEMATIKA DEPARTEMEN MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS AIRLANGGA
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 terperinciMODEL MANGSA PEMANGSA DENGAN RESPON FUNGSIONAL TAK MONOTON RIDWAN IDHAM
MODEL MANGSA PEMANGSA DENGAN RESPON FUNGSIONAL TAK MONOTON RIDWAN IDHAM DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011 ABSTRAK RIDWAN IDHAM. Model
Lebih terperinciRISIKO GEMUK (FAT-TAILED ADRINA LONY SEKOLAH
PENENTUAN BESARNYA PREMI UNTUK SEBARAN RISIKO YANG BEREKOR GEMUK (FAT-TAILED RISK DISTRIBUTION) ADRINA LONY SEKOLAH PASCASARJANAA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER
Lebih terperinciANALISIS KESTABILAN PADA MODEL DINAMIKA PENULARAN TUBERKULOSIS SATU STRAIN DAN DUA STRAIN
ANALISIS KESTABILAN PADA MODEL DINAMIKA PENULARAN TUBERKULOSIS SATU STRAIN DAN DUA STRAIN Melisa 1 dan Widodo 2 1 Universitas Islam Darul Ulum Lamongan, melisamathugm@yahoocom 2 Universitas Gadjah Mada,
Lebih terperinciANALISIS KESTABILAN MODEL SEII T (SUSCEPTIBLE-EXPOSED-ILL- ILL WITH TREATMENT) PADA PENYAKIT DIABETES MELLITUS TUGAS AKHIR SKRIPSI
ANALISIS KESTABILAN MODEL SEII T (SUSCEPTIBLE-EXPOSED-ILL- ILL WITH TREATMENT) PADA PENYAKIT DIABETES MELLITUS TUGAS AKHIR SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperinciModel Matematika SIV Untuk Penyebaran Virus Tungro Pada Tanaman Padi
Seminar Matematika dan Pendidikan Matematika UNY 2017 Model Matematika SIV Untuk Penyebaran Virus Tungro Pada Tanaman Padi Sischa Wahyuning Tyas 1, Dwi Lestari 2 Universitas Negeri Yogyakarta 1 Universitas
Lebih 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 terperinciMODEL PERTUMBUHAN EKONOMI DUA DAERAH BERDASARKAN MODAL DAN KNOWLEDGE MUHAMMAD TAUFIK NUSA TAJAU
MODEL PERTUMBUHAN EKONOMI DUA DAERAH BERDASARKAN MODAL DAN KNOWLEDGE MUHAMMAD TAUFIK NUSA TAJAU SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan
Lebih terperinci