Bab III Model Matematika Transmisi Filariasis Tanpa Pengobatan

dokumen-dokumen yang mirip
Bab II Teori Pendukung

Proses Penularan Penyakit

Kesimpulan serta Masalah yang masih Terbuka

BAB III HASIL DAN PEMBAHASAN. ekuilibrium bebas penyakit beserta analisis kestabilannya. Selanjutnya dilakukan

ADLN PERPUSTAKAAN UNIVERSITAS AIRLANGGA BAB IV PEMBAHASAN. optimal dari model untuk mengurangi penyebaran polio pada dengan

Model Penyebaran Penyakit Kaki Gajah di Kelurahan Jati Sampurna

BAB I PENDAHULUAN. 1

II. LANDASAN TEORI. Definisi 1 (Sistem Persamaan Diferensial Biasa Linear) Definisi 2 (Sistem Persamaan Diferensial Biasa Taklinear)

III. MODEL MATEMATIK PENYEBARAN PENYAKIT DBD

BAB III BASIC REPRODUCTION NUMBER

BAB I PENDAHULUAN.

BAB 1 PENDAHULUAN. Deklarasi Milenium yang merupakan kesepakatan para kepala negara dan

III MODEL MATEMATIKA S I R. δ δ δ

III PEMBAHASAN. μ v. r 3. μ h μ h r 4 r 5

BAB 1 RANGKUMAN Judul Penelitian yang Diusulkan Penelitian yang akan diusulkan ini berjudul Model Penyebaran Penyakit Kaki Gajah.

Analisis Kestabilan Pada Model Transmisi Virus Hepatitis B yang Dipengaruhi Oleh Migrasi

ANALISIS STABILITAS SISTEM DINAMIK UNTUK MODEL MATEMATIKA EPIDEMIOLOGI TIPE-SIR (SUSCEPTIBLES, INFECTION, RECOVER)

BAB I PENDAHULUAN. disebabkan oleh cacing filaria dan ditularkan oleh nyamuk Mansonia, Anopheles,

PEMODELAN MATEMATIKA DAN ANALISIS STABILITAS DARI PENYEBARAN PENYAKIT FLU BURUNG

ANALISIS MODEL MATEMATIKA PENYEBARAN KOINFEKSI MALARIA-TIFUS

Oleh : HASNAN NASRUN SUBCHAN, MAHMUD YUNUS

Oleh Nara Riatul Kasanah Dosen Pembimbing Drs. Sri Suprapti H., M.Si

BAB IV PEMBAHASAN. 4.1 Analisis Kestabilan Model Matematika AIDS dengan Transmisi. atau Ibu menyusui yang positif terinfeksi HIV ke anaknya.

Dinamik Model Epidemi SIRS dengan Laju Kematian Beragam

BAB I. Pendahuluan. A. latar belakang. Di indonesia yang memiliki iklim tropis. memungkinkan nyamuk untuk berkembang biak dengan baik

BAB II LANDASAN TEORI. selanjutnya sebagai bahan acuan yang mendukung tujuan penulisan. Materi-materi

IV HASIL DAN PEMBAHASAN

Oleh : Dinita Rahmalia NRP Dosen Pembimbing : Drs. M. Setijo Winarko, M.Si.

Model Matematika Penyebaran Eksternal Demam Berdarah Dengue

II MODEL MATEMATIKA PENYEBARAN PENYAKIT DBD

BAB 2 TINJAUAN PUSTAKA

Model Matematika Penyebaran Internal Demam Berdarah Dengue dalam Tubuh Manusia

Bab III Model Awal Kecanduan Terhadap Rokok

Model Deterministik Masalah Kecanduan Narkoba dengan Faktor Kontrol Terhadap Pemakai dan Pengedar Narkoba

MODEL SIR (SUSCEPTIBLE, INFECTIOUS, RECOVERED) UNTUK PENYEBARAN PENYAKIT TUBERKULOSIS

Bab V Model Dengan Faktor Denda Bagi Para Perokok

BAB II LANDASAN TEORI. dalam penulisan skripsi ini. Teori-teori yang digunakan berupa definisi-definisi serta

Analisa Kestabilan dan Penyelesaian Numerik Model Dinamik SIRC pada Penyebaran. Virus Influenza

BAB III METODOLOGI PENELITIAN. Alam, Universitas Lampung pada semester genap tahun akademik 2011/2012.

BAB III MODEL KAPLAN. 3.1 Model Kaplan

BAB 4 HASIL PENELITIAN

BAB I PENDAHULUAN. 1.1 Latar Belakang. Filariasis (penyakit kaki gajah) adalah penyakit menular yang

IDENTIFIKASI FILARIASIS YANG DISEBABKAN OLEH CACING NEMATODA WHECERERIA

Analisa Kualitatif pada Model Penyakit Parasitosis

Bab 3 MODEL DAN ANALISIS MATEMATIKA

BAB II LANDASAN TEORI. eigen dan vektor eigen, persamaan diferensial, sistem persamaan diferensial, titik

MODEL MATEMATIKA DALAM KASUS EPIDEMIK KOLERA DENGAN POPULASI KONSTAN. Renny, M.Si Program Studi Matematika Universitas Jenderal Soedirman

BAB II KAJIAN TEORI. representasi pemodelan matematika disebut sebagai model matematika. Interpretasi Solusi. Bandingkan Data

Dinamika dan Aplikasi dari Model Epidemologi Hepatitis C Ema Hardika S. ( )

Prosiding Seminar Hasil-Hasil PPM IPB 2015 Vol. I : ISBN :

ANALISIS KESTABILAN PADA MODEL TRANSMISI VIRUS HEPATITIS B YANG DIPENGARUHI OLEH MIGRASI

BAB II LANDASAN TEORI. pada bab pembahasan. Materi-materi yang akan dibahas yaitu pemodelan

DINAMIKA PROBLEMA PENYAKIT MALARIA

Model Dan Simulasi Transmisi Virus Dengue Di Dalam Tubuh Manusia

Pemodelan dan Simulasi Matematika Pengendalian Epidemi DBD di Wilayah Bandung dan Sekitarnya

Inisialisasi Sistem Peringatan Dini Penyebaran Penyakit Demam Berdarah Dengue

Model Matematika SIV Untuk Penyebaran Virus Tungro Pada Tanaman Padi

BAB I PENDAHULUAN. terdapat pada pengembangan aplikasi matematika di seluruh aspek kehidupan manusia. Peran

Esai Kesehatan. Disusun Oleh: Prihantini /2015

MODEL MATEMATIKA PENYAKIT DIABETES DENGAN PENGARUH TRANSMISI VERTIKAL

BAB IV PENGEMBANGAN MODEL KAPLAN

BAB II KAJIAN TEORI. digunakan pada bab pembahasan. Teori-teori ini digunakan sebagai bahan acuan

BAB 2 TINJAUAN PUSTAKA

BAB I PENDAHULUAN. distribusinya kosmopolit, jumlahnya lebih dari spesies, stadium larva

BAB III PEMBAHASAN. Ebola. Setelah model terbentuk, akan dilanjutkan dengan analisa bifurkasi pada

Abstrak: Makalah ini bertujuan untuk mengkaji model SIR dari penyebaran

ANALISIS STABILITAS PENYEBARAN VIRUS EBOLA PADA MANUSIA

BAB II TINJAUAN PUSTAKA. penyakit menular menahun yang disebabkan oleh infeksi cacing filaria dan ditularkan

ANALISIS KESTABILAN BEBAS PENYAKIT MODEL EPIDEMI CVPD (CITRUS VEIN PHLOEM DEGENERATION) PADA TANAMAN JERUK DENGAN FUNGSI RESPON HOLLING TIPE II

Bab I PENDAHULUAN. A. Latar Belakang

Kata kunci: filariasis; IgG4, antifilaria; status kependudukan; status ekonomi; status pendidikan; pekerjaan

BAB III PEMBAHASAN. tenggorokan, batuk, dan kesulitan bernafas. Pada kasus Avian Influenza, gejala

KESTABILAN MODEL SUSCEPTIBLE VACCINATED INFECTED RECOVERED (SVIR) PADA PENYEBARAN PENYAKIT CAMPAK (MEASLES) (Studi Kasus di Kota Semarang)

Analisis Stabilitas Model SIR (Susceptibles, Infected, Recovered) Pada Penyebaran Penyakit Demam Berdarah Dengue di Provinsi Maluku

ANALISIS KESTABILAN MODEL DINAMIKA PENYEBARAN PENYAKIT FLU BURUNG

SOLUSI POSITIF MODEL SIR

ANALISIS KESTABILAN MODEL MATEMATIKA MSIR PADA PENCEGAHAN PENYEBARAN PENYAKIT HEPATITIS B DENGAN PEMBERIAN VAKSINASI SKRIPSI

BAB 1 PENDAHULUAN. Malaria adalah penyakit infeksi yang disebabkan oleh protozoa parasit

APLIKASI METODE MATRIKS GENERASI DALAM MENENTUKAN NILAI MATEMATIKA PENYEBARAN VIRUS HIV/AIDS. 10 Makassar, kode Pos 90245

ANALISIS DINAMIK MODEL EPIDEMI SIRS DENGAN MODIFIKASI TINGKAT KEJADIAN INFEKSI NONMONOTON DAN PENGOBATAN

Matematika dan Statistika

III PEMODELAN. (Giesecke 1994)

BAB III PEMBAHASAN. genetik (genom) yang mengandung salah satu asam nukleat yaitu asam

ANALISIS KESTABILAN ENDEMIK MODEL EPIDEMI CVPD (CITRUS VEIN PHLOEM DEGENERATION) PADA TANAMAN JERUK

BAB I PENDAHULUAN. I.1 Latar Belakang. Penyakit kaki gajah atau dalam bahasa medis. disebut filariasis limfatik atau elephantiasis adalah

ANALISIS KESTABILAN MODEL MATEMATIKA IMMUNOTERAPI BCG PADA KANKER KANDUNG KEMIH

BAB II LANDASAN TEORI

BAB 1 PENDAHULUAN. daerah tropis antara lain adalah malaria dan filariasis merupakan masalah

Kestabilan dan Bifurkasi Model Epidemik SEIR dengan Laju Kesembuhan Tipe Jenuh

STUDl KOMUNITAS NYAMUK TERSANGKA VEKTOR FILARIASIS DI DAERAH ENDEMIS DESA GONDANGLEGI KULON MALANG JAWA TIMUR. Oleh : Akhmad Hasan Huda

Studi Penyebaran Penyakit Flu Burung Melalui Kajian Dinamis Revisi Model Endemik SIRS Dengan Pemberian Vaksinasi Unggas. Jalan Sukarno-Hatta Palu,

ANALISIS KESTABILAN MODEL MATEMATIKA PENYEBARAN PENYAKIT DBD DENGAN INKUBASI INTRINSIK DAN GABUNGAN INKUBASI INTRINSIK DAN EKSTRINSIK RINANCY TUMILAAR

BAB II LANDASAN TEORI

BAB IV PEMBAHASAN. 4.1 Proses Pencabangan model DTMC SIR

Analisis Model SIR dengan Imigrasi dan Sanitasi pada Penyakit Hepatitis A di Kabupaten Jember

BAB II TINJAUAN PUSTAKA

ANALISIS KESTABILAN DAN PROSES MARKOV MODEL PENYEBARAN PENYAKIT EBOLA

FAKTO-FAKTOR YANG BERHUBUNGAN DENGAN KEJADIAN FILARIASIS DI PUSKESMAS TIRTO I KABUPATEN PEKALONGAN

BAB 1 : PENDAHULUAN. Filariasis adalah penyakit yang disebabkan oleh cacing filaria yang

ANALISIS DAN SIMULASI MODEL MATEMATIKA PENYAKIT DEMAM DENGUE DENGAN SATU SEROTIF VIRUS DENGUE

Transkripsi:

Bab III Model Matematika Transmisi Filariasis Tanpa Pengobatan Situasi filariasis dalam kehidupan nyata telah dijelaskan di Bab I dan II Selanjunya, penyederhanaan masalah untuk memudahkan pembentukan model akan diuraikan pada asumsi berikut : 1 Populasi yang virgin terhadap penyakit filariasis Suatu populasi dikatakan virgin terhadap penyakit filariasis jika anggota dari populasi tersebut belum pernah terkena penyakit filariasis sebelumnya 2 Jarak terbang nyamuk 100-200 meter oleh karena itu penyebaran penyakit diamati pada komunitas tertutup dan berskala kecil Lingkungan yang dimodelkan adalah kelurahan 3 Satu jenis cacing Wuchereria bancrofti 4 Satu jenis vektor Culex quinquefasciatus 5 Hospes reservoir diabaikan 6 Faktor lingkungan diabaikan 7 Populasi total manusia konstan Artinya jumlah penduduk dalam populasi berada dalam keadaan stabil dimana laju kelahiran dan kematian bernilai sama 8 Populasi total nyamuk konstan Artinya jumlah nyamuk dalam populasi berada dalam keadaan stabil dimana laju kelahiran dan kematian bernilai sama 9 Setiap manusia dan nyamuk yang lahir sehat

8 10 Kontak didefinisikan sebagai interksi antara nyamuk dan manusia Setelah proses transmisi berlangsung, populasi manusia dibagi menjadi tiga subpopulasi, pertama, populasi manusia sehat yang rentan terhadap filariasis (S h ), populasi manusia pembawa penyakit (A) yang merupakan populasi manusia terinfeksi filaria tanpa gejala klinis dan dapat menularkan penyakit, populasi manusia cacat kronis (K) dimana populasi manusia yang telah sembuh dari infeksi filaria tetapi organ tubuhnya tidak dapat berfungsi normal karena cacat Semua subpopulasi manusia digabung menjadi populasi total manusia yang didefinisikan dengan ( ) Pada nyamuk yang merupakan vektor pembawa filaria dibagi menjadi dua subpopulasi, pertama, populasi nyamuk sehat yang rentan terinfeksi filaria (S v ), kedua, populasi nyamuk terinfeksi (I v ) Diketahui bahwa umur nyamuk sangat pendek, oleh karena itu nyamuk terinfeksi filaria akan mati sebelum sembuh Dengan demikian subpopulasi nyamuk sembuh tidak ada Semua subpopulasi nyamuk digabung menjadi populasi total nyamuk yang didefinisikan dengan (N v ) Faktor-faktor yang mempengaruhi pembentukan model adalah : 1 Rata-rata pertambahan manusia per satuan waktu (R h ) 2 Rata-rata kematian alami manusia per satuan waktu (µ h ) 3 Rata-rata keberhasilan transmisi filaria dari nyamuk terinfeksi ke manusia sehat (p h ) 4 Rata-rata gigitan pada manusia yang disebabkan satu ekor nyamuk per satuan waktu (b) 5 Laju munculnya gejala klinis per satuan waktu (δ) 6 Rata-rata pertambahan nyamuk per satuan waktu (R v )

9 7 Rata-rata kematian alami nyamuk per satuan waktu (µ v ) 8 Rata-rata keberhasilan transmisi filaria dari manusia terinfeksi ke nyamuk yang belum terinfeksi (p v ) III1 Populasi Manusia Sehat (S h ) Selama selang waktu t, perubahan jumlah populasi manusia sehat (S h ) dipengaruhi oleh : 1 Rata-rata pertambahan manusia per satuan waktu, yaitu R h 2 Banyaknya kematian alami pada (S h ) per satuan waktu µ h S h, yang merupakan perkalian antara rata-rata kematian alami manusia per satuan waktu dengan banyaknya populasi manusia sehat S h 3 Perpindahan populasi S h menjadi populasi A, yang mempunyai konstruksi sebagai berikut : i Peluang terambilnya satu orang dari populasi S h secara acak S h ii Rata-rata satu orang yang berasal dari populasi S h tergigit oleh satu ekor nyamuk terinfeksi per satuan waktu b S h iii Rata-rata satu orang yang berasal dari populasi S h terinfeksi filaria akibat dari gigitan satu ekor nyamuk terinfeksi per satuan waktu p h b S h iv Rata-rata satu orang orang yang berasal dari S h terinfeksi filaria akibat tergigit oleh nyamuk terinfeksi selama selang waktu t I v p h b S h

10 Dengan demikian rata-rata perubahan populasi manusia sehat (S h ) per satuan waktu adalah ds h = R h I v p h b S h µ h S h III2 Populasi Manusia Pembawa Penyakit (A) Selama selang waktu t, perubahan jumlah populasi manusia pembawa penyakit (A) dipengaruhi oleh : 1 Perpindahan populasi S h menjadi populasi A per satuan waktu p h b Iv S h 2 Perpindahan populasi A menjadi populasi K per satuan waktu δa, yang merupakan perkalian antara laju munculnya gejala klinis per satuan waktu dengan banyaknya A 3 Banyaknya kematian alami pada A per satuan waktu µ h A, yang merupakan perkalian antara rata-rata kematian alami manusia per satuan waktu dengan banyaknya A Dengan demikian rata-rata perubahan populasi manusia pembawa penyakit (A) per satuan waktu adalah S h da = bi v p h δa µ h A III3 Populasi Manusia Cacat (K) Selama selang waktu t, perubahan jumlah populasi manusia cacat dipengaruhi oleh :

11 1 Perpindahan populasi A menjadi populasi K per satuan waktu δa 2 Banyaknya kematian alami pada populasi K per satuan waktu µ h K, yang merupakan perkalian antara rata-rata kematian alami manusia per satuan waktu dengan banyaknya populasi K Dengan demikian rata-rata perubahan populasi manusia cacat per satuan waktu adalah dk = δa µ hk III4 Populasi Nyamuk Sehat (S v ) Selama selang waktu t, perubahan jumlah populasi nyamuk sehat (S v ) dipengaruhi oleh : 1 Rata-rata pertambahan nyamuk per satuan waktu (R v ) 2 Banyaknya kematian alami pada populasi S v per satuan waktu µ v S v, yang merupakan perkalian rata-rata kematian alami nyamuk per satuan waktu dengan banyaknya S v 3 Perpindahan populasi S v menjadi populasi I v, mempunyai konstruksi sebagai berikut : i Rata-rata terambilnya satu orang A pada populasi manusia A

12 ii Rata-rata satu ekor nyamuk yang berasal dari populasi S v menggigit satu orang manusia terinfeksi A per satuan waktu b A iii Rata-rata satu ekor nyamuk yang berasal dari populasi S v menggigit satu orang manusia terinfeksi filaria per satuan waktu dan nyamuk tersebut terinfeksi filaria p v b A iv Rata-rata satu ekor nyamuk yang berasal dari populasi S v menggigit satu orang manusia terinfeksi filaria yang menyebabakan nyamuk tersebut terinfeksi filaria selama selang waktu t, S v p v b A Dengan demikian rata-rata perubahan populasi nyamuk sehat (S v ) per satuan waktu adalah ds v = R v bs v A p v µ v S v III5 Populasi Nyamuk Terinfeksi (I v ) Selama selang waktu t, perubahan jumlah populasi nyamuk terinfeksi dipengaruhi oleh : 1 Banyaknya kematian alami nyamuk terinfeksi per satuan waktu µ v I v, yang merupakan perkalian rata-rata kematian alami nyamuk per satuan waktu dengan banyaknya populasi I v 2 Perpindahan populasi S v menjadi populasi I v per satuan waktu S v p v b I h

13 Dengan demikian rata-rata perubahan populasi nyamuk terinfeksi (I v ) per satuan waktu adalah di v = bs A v p v µ v I v III6 Model Matematika Tanpa Pengobatan Dari proses pembentukan model yang sudah dijelaskan sebelumnya diperoleh model transmisi filariasis tanpa pengobatan sebagai berikut : ds h = R h bi v S h p h µ h S h da = bi v S h p h δa µ h A dk = δa µ h K (31) ds v = R v bs v A p v µ v S v di v = bs v A p v µ v I v III7 Populasi Total Manusia Populasi total manusia adalah banyaknya populasi nyamuk secara keseluruhan = S h + A + K (32) Persamaan rata-rata perubahan pada populasi total manusia adalah d = ds h + da + dk = R h (µ h S h + µ h A + µ h K) = R h µ h (S h + A + K) = R h µ h Berdasarkan asumsi bahwa populasi total manusia konstan maka rata-rata perubahan populasi total manusia sama dengan nol d = 0

14 Dengan demikian, pada saat populasi total manusia konstan = R h µ h (33) Dari persamaan (33), populasi total manusia dipengaruhi oleh rata-rata pertambahan manusia per satuan waktu (R h ) dan rata-rata kematian alami manusia per satuan waktu (µ h ) III8 Populasi Total Nyamuk Populasi total nyamuk adalah banyaknya populasi nyamuk secara keseluruhan N v = S v + I v (34) Persamaan rata-rata perubahan pada populasi total nyamuk adalah dn v = ds v + di v = R v (µ v S v + µ v I v ) = R v µ v (S v + I v ) = R v µ v N v Berdasarkan asumsi bahwa populasi total nyamuk konstan maka rata-rata perubahan populasi total nyamuk sama dengan nol dn v = 0 Dengan demikian, pada saat populasi total nyamuk konstan N v = R v µ v (35) Dari persamaan (35), populasi total nyamuk dipengaruhi oleh rata-rata pertambahan nyamuk per satuan waktu (R v ) dan rata-rata kematian alami nyamuk per satuan waktu (µ v )

15 Pada program eliminasi filariasis komponen yang sangat diperhatikan adalah populasi manusia pembawa penyakit (A), populasi manusia cacat (K) dan populasi nyamuk terifeksi (I v ) Asumsi populasi manusia dan nyamuk konstan mengakibatkan sistem dinamik model transmisi filarisis pada persamaan (31) menjadi lebih sederhana, yaitu R h A K da µ = bi h v R h p h δa µ h A µ h dk = δa µ h K di v = b( Rv µ v I v ) A R h µ h p v µ v I v (36) III9 Titik Kesetimbangan Titik stationer dapat dicari pada saat da = 0, dk = 0 dan di v = 0 Dari persamaan (36) diperoleh titik kesetimbangan tak endemik (E 1 ) yang terjadi pada saat populasi manusia terinfeksi (A) dan populasi nyamuk terinfeksi (I v ) masing-masing bernilai nol Akibatnya populasi manusia cacat (K) juga bernilai nol, E 1 = (A, K, I v ) = (0, 0, 0) (37) Kemudian titik kesetimbangan endemik adalah E 2 = (A, K, I v ), (38) dimana A = K = Eksistensi titik endemik ada jika R h (p vb 2 µ h R vp h µ 2 vr h δ µ v 2 R h µ h ) p v bµ h (µ v R h δ+br v δp h +µ v R h µ h +bµ h R v p h ) δr h (p vb 2 µ h R vp h µ 2 vr h δ µ v 2 R h µ h ) p vbµ h 2 (µ vr h δ+br vδp h +µ vr h µ h +bµ h R vp h ) I v = p vb 2 µ h R v p h µ 2 vr h δ µ v 2 R h µ h bµ v p h (p v bµ h +µ h µ v +µ v δ) p v b 2 µ h R v p h µ v2 R h (δ + µ h ) > 1 (39)

16 III10 Basic Reproduction Number Definisi Basic Reproduction Number (R 0 ) adalah ekspektasi banyaknya kasus sekunder yang timbul akibat dari satu kasus primer dalam suatu populasi yang virgin (10) Prosedur mencari R 0 pada persamaan (36) menggunakan next generation matrix (10) sebagai berikut 1 Komponen yang menularkan penyakit pada persamaan (36) adalah A dan I v Misalkan da = f(a, K, I v ) dan di v = g(a, K, I v ) 2 Diketahui titik kesetimbangan bebas penyakit adalah E 1 = (A, K, I v ) = (0, 0, 0) 3 Misalkan J 0,0,0 = f A g A f I v g I v = δ µ h p h b p vbr vµ h µ v R h µ v 4 Misalkan J 0,0,0 ditulis dalam J 0,0,0 = M D, dengan M 0 (m i,j 0) dan D 0 suatu mariks diagonal Dengan demikian M = 0 pb p v br v µ h µ vr h 0 dan D = δ + µ h 0 0 µ v 5 R 0 = ρ(md 1 ) dimana MD 1 disebut next generation matrix Dengan demikian R 0 = ρ 0 p h b µ v p v br v µ h (δ+µ h )µ vr h 0 (310) Sehingga nilai eigen maksimum dari persamaan (310) adalah R 0 = b Rh (δ + µ h )p v µ h R v p h R h (δ + µ h )µ v (311) R 0 adalah suatu kondisi ambang batas untuk menentukan kasus endemik pada populasi manusia Parameter R 0 mempunyai nilai ambang batas 1 Artinya, jika R 0 > 1 maka akan terjadi endemik yang ditandai dengan meningkatnya

17 populasi manusia terinfeksi Jika R 0 < 1 maka tidak terjadi endemik yang ditandai dengan menurunnya populasi manusia terinfeksi (10) Parameter yang bisa dikontrol di R 0 adalah b dan R v dengan cara memakai obat nyamuk atau kelambu dan membasmi tempat-tempat perindukan nyamuk Jika prosentase b dan R v dikurangi maka R 0 akan berkurang secara signifikan seperti yang terlihat pada Gambar III1 berikut 6 b Rv 5 4 R0 3 2 1 0 0 01 02 03 04 05 06 07 08 09 1 Prosentase Reduksi Gambar III1: Grafik R 0 terhadap prosentase reduksi b dan R v