Inisialisasi Sistem Peringatan Dini Penyebaran Penyakit Demam Berdarah Dengue

Transkripsi

1 BAB V Inisialisasi Sistem Peringatan Dini Penyebaran Penyakit Demam Berdarah Dengue Bab ini menjelaskan konstruksi perangkat lunak sistem peringatan dini outbreaks DBD. Sistem peringatan dini ini dirancang untuk mendeteksi ada tidaknya kemungkinan suatu daerah mengalami outbreaks DBD. Sistem ini dirancang agar dapat mudah digunakan oleh siapa saja yang dapat mengoperasikan komputer. Sebagai langkah awal digunakan peta Kota Bandung yang diperoleh dari Dinas Kesehatan Kotamadya Bandung. Selanjutnya akan dijelaskan rancangan, algoritma serta analisis program dalam sub bab - sub bab berikut. V.1 Rancangan Sistem Peringatan Dini Rancangan sistem peringatan dini ini dimulai dengan pengumpulan data jumlah populasi manusia dan populasi vektor dalam hal ini adalah nyamuk Aedes aegypti, namun data ini tidak mudah untuk diperoleh, sehingga dalam rancangan ini digunakan data simulasi untuk tiap kecamatan di Kodya Bandung. Diharapkan untuk beberapa tahun ke depan apabila program vector survailance nyamuk DBD ini telah dilaksanakan maka dapat diperoleh data untuk mengisi indeks perbandingan antara jumlah total individu dalam populasi dengan nyamuk DBD. Data populasi nyamuk ini dipilih karena jika digunakan data penderita DBD pada suatu daerah maka peringatan yang dilakukan seringkali terlambat. Sistem ini dirancang untuk mengeluarkan peringatan kemungkinan terjadinya outbreaks DBD atau tidak dalam suatu daerah, hal ini dapat dihitung dari nilai basic reproduction ratio atau R 0 dari suatu daerah, hal ini memerlukan beberapa nilai input parameter, yakni jumlah populasi manusia terhadap nyamuk, periode infeksi penyakit DBD, peluang sukses transmisi dari manusia ke nyamuk dan sebaliknya, nilai rata-rata gigitan nyamuk DBD, survival rate nyamuk dan manusia. Dari data- 85

2 data tersebut akan diperoleh nilai R 0 untuk masing-masing daerah dan pada sistem ini peta suatu daerah akan menunjukkan warna tertentu berdasarkan hasil perhitungan R 0. Untuk nilai R 0 < 1 daerah dinyatakan aman dari outbreaks DBD, dan peta daerah akan menunjukkan warna merah dadu. Untuk nilai R 0 = 1 daerah dinyatakan waspada terhadap outbreaks DBD dan peta daerah akan menunjukkan warna kuning. Sedangkan untuk nilai R 0 > 1 daerah dinyatakan terancam outbreaks DBD dan peta daerah akan menunjukkan warna merah. Selanjutnya pada sistem ini diberikan pula simulasi perbandingan dinamika penderita infeksi primer dan infeksi sekunder sebelum dan sesudah adanya penerapan vaksinasi. Strategi vaksinasi yang dibahas adalah vaksin tetravalent skenario satu dan skenario dua yang telah dijelaskan pada Bab III. Strategi ini dipilih karena strategi inilah yang diasumsikan paling aman untuk diterapkan pada populasi manusia. Sedangkan model yang digunakan untuk mensimulasikan dinamik ini adalah model yang digunakan oleh Esteva dan Vargas (2002) dan model yang dikembangkan pada penelitian ini seperti yang diberikan pada Bab III persamaan (III.1 dan III.2). Perbedaan dari dua model ini adalah pada model Esteva dan Vargas (2002) tidak terdapat sub populasi penderita yang diisolasi di rumah sakit, sedangkan pada model yang dikembangkan pada penelitian ini sudah memperhatikan sub populasi penderita yang dirawat di rumah sakit. Dengan membandingkan kedua model ini akan dilihat apakah model yang telah dibangun pada penelitian ini memberikan hasil yang lebih baik bila dibanding model sebelumnya. Selain itu sistem peringatan dini ini juga bertujuan untuk melihat perbedaan dinamik jangka pendek dari kedua model untuk penderita infeksi primer dan kedua. Namun yang dapat diperbandingkan hanya skenario untuk vaksinasi tetravalent 86

3 yang diterapkan pada sub populasi susceptible saja, karena penerapan skenario vaksinasi tetravalent pada bayi tidak mempengaruhi dinamik penderita infeksi primer maupun kedua dalam jangka pendek untuk model Esteva dan Vargas (2002), hasil ini dijelaskan oleh Nuraini dkk, (2006) dan Nuraini dkk, (2007a). Selanjutnya semua simulasi numerik yang ditampilkan pada perangkat lunak ini menggunakan metode Runge-Kutta orde empat, detil program terdapat pada lampiran. Pada bagian selanjutnya akan dijelaskan langkah penggunaan perangkat lunak sistem peringatan dini ini. V.2 Langkah Penggunaan Perangkat Lunak Algoritma program sistem peringatan dini ini memiliki diagram alir seperti yang digambarkan pada Gambar V.1. Gambar V.1. Diagram Alir Program Sistem Peringatan Dini DBD Sedangkan langkah - langkah program diberikan dalam butir-butir berikut. 1. Pada saat menjalankan program DENGUESIM1.0 akan muncul tampilan seperti pada Gambar V Selanjutnya input program ini diberikan melalui Map Source seperti pada tampilan Gambar V.3. 87

4 Gambar V.2. Tampilan Awal Program Gambar V.3. Tampilan Input Map Source 3. Setelah memasukkan semua nilai data gambar yang diberikan akan muncul kotak yang berisi input nilai parameter-parameter yang berkaitan dengan simulasi ini seperti pada Gambar V.4. Apabila nilai parameter tidak diubah sesuai dengan default program, maka dapat langsung dijalankan dengan terlebih dahulu memilih model yang akan disimulasikan. 4. Model yang tersedia adalah model yang dikembangkan oleh Esteva dan Vargas (2002) yang dalam program ini disebut dengan Runge Model, dan model yang dikembangkan dalam penelitian ini yang disebut dengan model Hans. Pilihan model ini dapat diaktifkan dengan tombol radio button pada bagian kanan 88

5 Gambar V.4. Tampilan Input Parameter Simulasi Gambar V.5. Tampilan Model Esteva dan Vargas (2002) atas tampilan program. 5. Model Runge akan menghasilkan grafik seperti pada Gambar V.5. Pada grafik sebelah kiri bawah memuat simulasi dinamik penderita infeksi primer sebelum dan sesudah vaksinasi. Sedangkan pada gambar kanan bawah memuat simulasi dinamik penderita infeksi sekunder. 6. Sedangkan untuk Model Hans akan menghasilkan grafik seperti pada Gambar V.6. Pada tampilan ini, grafik sebelah kiri bawah menunjukkan penderita infeksi primer dan sekunder untuk penerapan skenario vaksin satu dan dua, sedangkan grafik sebelah kanan bawah memuat simulasi penderita pada sub 89

6 Gambar V.6. Tampilan Model Persamaan III.1 dan III.2 populasi D sebelum dan sesudah vaksinasi untuk dua jenis skenario di atas. V.3 Interpretasi dari Hasil Perangkat Lunak Perangkat lunak yang dikonstruksi memiliki beberapa keluaran. Keluaran pertama berupa warna yang muncul pada peta masukan dalam hal ini adalah peta wilayah Bandung. Keluaran kedua adalah simulasi model Esteva dan Vargas (2002) untuk dinamik penderita pertama dan kedua sebelum dan sesudah vaksinasi. Sedangkan keluaran ketiga adalah dinamik untuk model Hans yang memperlihatkan dinamik untuk penderita pertama, kedua dan penderita pada sub populasi D. Pertama, untuk setiap kelurahan yang ditunjuk akan mengeluarkan jendela masukan, yang berisi tiga bagian masukan, pertama di sebelah kiri adalah masukan untuk model Esteva dan Vargas (2002), bagian tengah masukan untuk model Hans, sedangkan sebelah kanan adalah masukan untuk peta kelurahan. Pengguna harus mengisi ketiga jenis masukan ini secara sekaligus, dengan rincian parameter yang harus dimasukkan adalah 1. Parameter ν, parameter ini adalah parameter rasio populasi nyamuk terhadap populasi manusia yang digunakan pada model Esteva dan Vargas (2002), nilai dapat disamakan dengan masukan parameter rasio populasi. 90

7 2. Parameter b, parameter ini adalah parameter rata-rata gigitan nyamuk tiap hari (biting rate) yang diterima oleh manusia. Secara akurat data tentang hal ini belum ada terutama untuk Indonesia, namun di Singapura telah dilakukan survey mengenai rata-rata gigitan nyamuk Aedes aegypti ini berada pada selang 1 sampai 2 gigitan per hari per manusia. 3. Parameter r dan q, parameter ini secara berturut-turut merupakan parameter proporsi vaksinasi serta efektivitas vaksin yang digunakan dalam model Esteva dan Vargas (2002). Sedangkan parameter p dan r adalah parameter proporsi vaksinasi serta efektivitas vaksin untuk model Hans. Penurunan dinamik penderita infeksi primer dan sekunder untuk kedua model di atas cukup signifikan apabila proporsi vaksinasinya lebih besar dari 40 persen dan efektivitas vaksin kurang dari 100 persen. 4. Masukan yang lain adalah parameter a, d serta j, parameter ini adalah waktu awal perhitungan dinamik dilakukan, waktu akhir perhitungan dinamik serta banyaknya iterasi antara waktu awal dan waktu akhir. Masukan ini sama untuk model Esteva dan Vargas (2002) maupun model Hans. 5. Parameter masukan untuk model Hans yang berbeda adalah adanya indeks suseptibilitas atau susceptibility index, parameter ini menunjukkan kriteria besarnya seseorang akan menderita Dengue untuk kedua kalinya atau lebih. Nilai σ 1 dan σ 2 sama dengan nol, memberikan arti bahwa tidak terjadi infeksi sekunder dalam tubuh manusia. Nilai σ 1 dan σ 2 antara nol dan satu menunjukkan bahwa pada penyebaran penyakitnya dimungkinkan terjadi kekebalan parsial sehingga mungkin ada penderita infeksi kedua dalam populasi. Sedangkan nilai σ 1 dan σ 2 di atas satu, menunjukkan bahwa dalam populasi tersebut berpeluang cukup tinggi untuk mengalami infeksi sekunder. 6. Masukan untuk pewarnaan peta hanya berdasarkan pada rasio populasi antara manusia dan nyamuk, hal ini digunakan dalam perhitungan nilai parameter ambang, basic reproduction ratio, untuk menentukan apakah suatu kelurahan 91

8 merupakan daerah yang aman, berbahaya atau sudah menjadi daerah outbreaks DBD. Hasil luaran dari sistem perangkat lunak deteksi peringatan dini ini, masih berdasarkan data simulasi yang belum divalidasi dengan data yang ada di lapangan. Karena hingga saat ini data yang terkumpul secara cohort sedang dilaksanakan di Bandung oleh Dr. Bachti Alisyahbana dari RS Hasan Sadikin Bandung. Nantinya diharapkan apabila data tersebut telah lengkap maka dapat digunakan untuk memvalidasi simulasi hasil sistem peringatan dini ini. 92