IV PEMBAHASAN. ,, dan, dengan menggunakan bantuan software Mathematica ( ) ( ) ( ) ( ) ( ) ( )

dokumen-dokumen yang mirip
MODEL MATEMATIKA SEL BATANG HEMATOPOIETIC PADA LEUKEMIA MYELOGENOUS KRONIS DENGAN DAN TANPA TERAPI OBAT NURHAYATI MANSYUR

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

IV HASIL DAN PEMBAHASAN

IV. HASIL DAN PEMBAHASAN. 4.1 Asumsi yang digunakan dalam sistem mangsa-pemangsa. Dimisalkan suatu habitat dimana spesies mangsa dan pemangsa hidup

T 3 Model Dinamika Sel Tumor Dengan Terapi Pengobatan Menggunakan Virus Oncolytic

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

IV PEMBAHASAN. jika λ 1 < 0 dan λ 2 > 0, maka titik bersifat sadel. Nilai ( ) mengakibatkan. 4.1 Model SIR

BAB I PENDAHULUAN Latar Belakang Masalah

III MODEL MATEMATIKA S I R. δ δ δ

BAB 4 MODEL DINAMIKA NEURON FITZHUGH-NAGUMO

IV HASIL DAN PEMBAHASAN

BAB II LANDASAN TEORI

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

BAB II LANDASAN TEORI

II LANDASAN TEORI 2.1 Sistem Persamaan Diferensial Definisi 1 [Sistem Persamaan Diferensial Linear (SPDL)]

BAB I PENDAHULUAN Latar Belakang Masalah

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

ANALISIS KESTABILAN MODEL INTERAKSI PEMANGSA DAN MANGSA PADA DUA HABITAT YANG BERBEDA ADE NELVIA

BAB I PENDAHULUAN Latar Belakang

Selanjutnya didefinisikan fungsional objektif yang diperbesar (augmented) J ( u ) sebagai:

BIFURKASI HOPF PADA MODEL SILKUS BISNIS KALDOR-KALECKI TANPA WAKTU TUNDA

ANALISIS KESTABILAN MODEL MATEMATIKA IMMUNOTERAPI BCG PADA KANKER KANDUNG KEMIH

Model Matematika SIV Untuk Penyebaran Virus Tungro Pada Tanaman Padi

DINAMIKA PERKEMBANGAN HIV/AIDS DI SULAWESI UTARA MENGGUNAKAN MODEL PERSAMAAN DIFERENSIAL NONLINEAR SIR (SUSCEPTIBLE, INFECTIOUS AND RECOVERED)

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

BIFURKASI HOPF PADA MODEL MANGSA PEMANGSA DENGAN WAKTU TUNDA DAN TINGKAT PEMANENAN KONSTAN LOLA OKTASARI

BAB 3 MODEL DASAR DINAMIKA VIRUS HIV DALAM TUBUH

Bab 3 MODEL DAN ANALISIS MATEMATIKA

BAB II LANDASAN TEORI

ANALISIS MODEL SEIR (SUSCEPTIBLE, EXPOSED, INFECTIOUS, RECOVERED) UNTUK PENYEBARAN PENYAKIT TUBERKULOSIS DI KABUPATEN BOGOR

ANALISIS KESTABILAN MODEL MANGSA-PEMANGSA HOLLING-TANNER TIPE II INTAN SELVYA

PEMODELAN MATEMATIKA DAN ANALISIS KESTABILAN MODEL PADA PENYEBARAN HIV-AIDS

BAB I PENDAHULUAN Latar Belakang Masalah

LANDASAN TEORI. Model ini memiliki nilai kesetimbangan positif pada saat koordinat berada di titik

ANALISIS STABILITAS PENYEBARAN VIRUS EBOLA PADA MANUSIA

SOLUSI MODEL SIKLUS BISNIS KALDOR-KALECKI TANPA WAKTU TUNDA DENGAN METODE RUNGE-KUTTA ORDE EMPAT NUR AISYAH MUKARROMAH

PEMODELAN MATEMATIKA DAN ANALISIS KESTABILAN LOKAL PADA PERUBAHAN POPULASI PENDERITA DIABETES MELITUS

ANALISIS KESTABILAN MODEL MANGSA-PEMANGSA DENGAN INTERFERENSI ANTARPEMANGSA FIKRI AZHARI

Analisis Kestabilan Model MSEIR Penyebaran Penyakit Difteri Dengan Saturated Incidence Rate

BAB IV HASIL DAN PEMBAHASAN

MODEL MANGSA PEMANGSA DENGAN RESPON FUNGSIONAL TAK MONOTON RIDWAN IDHAM

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

PENGARUH MAKANAN TAMBAHAN DALAM MODEL MANGSA PEMANGSA BEDDINGTON DEANGELIS

I::: 1: J mempunyai persamaan karakteristik sebagai - - x,, matriks berukuran nxn.

Analisa Kualitatif pada Model Penyakit Parasitosis

BAB I PENDAHULUAN 1.1 LATAR BELAKANG

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

BAB I PENDAHULUAN Latar Belakang

III. MODEL MATEMATIK PENYEBARAN PENYAKIT DBD

MODEL SIR UNTUK PENYEBARAN PENYAKIT FLU BURUNG

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Pada bagian ini, akan dibahas system predator-prey dengan respon fungsi tak

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

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

BAB I PENDAHULUAN Latar Belakang

PENYELESAIAN NUMERIK DAN ANALISA KESTABILAN PADA MODEL EPIDEMIK SEIR DENGAN PENULARAN PADA PERIODE LATEN

BIFURKASI HOPF MODEL MANGSA-PEMANGSA DENGAN WAKTU TUNDA NI NYOMAN SURYANI

Sidang Tugas Akhir - Juli 2013

Bab III Model Awal Kecanduan Terhadap Rokok

BAB I PENDAHULUAN Latar Belakang Masalah

PENERAPAN METODE RUNGE-KUTTA ORDE EMPAT PADA MODEL INFEKSI HIV SEL CD4 + T RIZKY HERMAWAN

ANALISIS KESTABILAN LOKAL MODEL DINAMIKA PENULARAN TUBERKULOSIS SATU STRAIN DENGAN TERAPI DAN EFEKTIVITAS CHEMOPROPHYLAXIS

ANALISIS MODEL MATEMATIKA PENYEBARAN KOINFEKSI MALARIA-TIFUS

BAB I PENDAHULUAN. adalah penyakit menular karena masyarakat harus waspada terhadap penyakit

IV PEMBAHASAN. 4.1 Penentuan Titik Tetap Model Dinamika Virus HIV Titik tetap persamaan (3.1) diperoleh dengan menentukan dt 0, dt *

ANALISIS DINAMIKA MODEL KOMPETISI DUA POPULASI YANG HIDUP BERSAMA DI TITIK KESETIMBANGAN TIDAK TERDEFINISI

ANALISIS MODEL MANGSA-PEMANGSA HOLLING-TANNER TIPE II DENGAN MANGSA YANG TERLINDUNG DAN ADANYA PEMANENAN POPULASI EKA PUJIYANTI

BAB II LANDASAN TEORI

KENDALI OPTIMAL PADA PENCEGAHAN WABAH FLU BURUNG DENGAN ELIMINASI, KARANTINA DAN PENGOBATAN

MODEL MATEMATIKA PENYAKIT DIABETES DENGAN PENGARUH TRANSMISI VERTIKAL

Dinamik Model Epidemi SIRS dengan Laju Kematian Beragam

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

KONTROL PENGOBATAN OPTIMAL PADA MODEL PENYEBARAN TUBERKULOSIS TIPE SEIT

PENGEMBANGAN MODEL PENYEBARAN PENGGUNA NARKOBA WHITE-COMISKEY LESTARI

ANALISIS KESTABILAN DAN PROSES MARKOV MODEL PENYEBARAN PENYAKIT EBOLA

BAB II KAJIAN PUSTAKA

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

BAB IV ANALISIS DINAMIK MODEL SUBTHALAMIK NUKLEUS. Pada model matematika yang dibangun di Bab III, diperoleh 5 persamaan diferensial,

SIMULASI MODEL EPIDEMIK TIPE SIR DENGAN STRATEGI VAKSINASI DAN TANPA VAKSINASI

ANALISIS KESTABILAN MODEL PENYEBARAN PENYAKIT TUBERCULOSIS SKRIPSI. Oleh : Lisa Prihutami J2A

ANALISIS KESTABILAN MODEL MANGSA-PEMANGSA HUTCHINSON DENGAN WAKTU TUNDA DAN PEMANENAN KONSTAN LILIS SAODAH

BIFURKASI HOPF PADA MODEL SIKLUS BISNIS KALDOR-KALECKI TANPA DAN DENGAN WAKTU TUNDA NURRACHMAWATI

BAB IV PENUTUP. Berdasarkan hasil analisis bifurkasi pada model predator-prey dengan dua

ANALISIS KESTABILAN MODEL INFEKSI VIRUS HEPATITIS B DENGAN PERTUMBUHAN HEPATOSIT YANG BERSIFAT LOGISTIK DEWI SENJA RAHMAHWATI

ANALISIS MODEL SPASIAL TEMPORAL PADA DINAMIKA PENYEBARAN PENYAKIT MALARIA RAHMAT

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

BAB VII MATRIKS DAN SISTEM LINEAR TINGKAT SATU

BAB I PENDAHULUAN 1.1 Latar Belakang

III PEMBAHASAN. 3.1 Analisis Metode. dan (2.52) masing-masing merupakan penyelesaian dari persamaan

BAB I PENDAHULUAN 1.1 Latar Belakang

Interaksi Jamur Parasit dengan Tumbuhan Perennial : Model Matematika dan Simulasi

BAB II LANDASAN TEORI. Pada bab ini, akan diuraikan definisi-definisi dan teorema-teorema yang

BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan

MODEL SEIR PENYAKIT CAMPAK DENGAN VAKSINASI DAN MIGRASI

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

KAJIAN MODEL EPIDEMIK SIR DETERMINISTIK DAN STOKASTIK PADA WAKTU DISKRIT. Oleh: Arisma Yuni Hardiningsih

Transkripsi:

IV PEMBAHASAN 4.1 Analisis Model HSC Tanpa Terapi 4.1.1 Penentuan Titik Tetap Model HSC Tanpa Terapi Titik tetap dari persamaan (3.1) (3.3) akan diperoleh dengan menetapkan,, dan, dengan menggunakan bantuan software Mathematica 7.0, diperoleh dua titik tetap dan dengan Penentuan titik tetap ini dapat dilihat pada lampiran 1. (4.1) (4.2) (4.3) 4.1.2 Analisis Kestabilan Titik Tetap Model HSC tanpa Terapi Pelinearan Misalkan persamaan (3.1) (3.3) dituliskan sebagai berikut: dengan mendeferensialkan persamaan (3.1) (3.3) terhadap Q, N, P dan mengatur, dan, maka pelinearan diperoleh dengan cara ( ) (4.4) (4.5) (4.6) Sehingga diperoleh

14, - (4.7) (4.8) (4.9) dan pelinearan diperoleh (4.10) (4.11) (4.12) dengan. Penurunan selengkapnya proses pelinearan ini dapat dilihat pada lampiran 2. Untuk memperoleh nilai kestabilan maka diperoleh matriks Jacobi (lihat lampiran 3) dari persamaan (4.9) (4.11) sebagai berikut J = (4.13) Nilai eigen akan diperoleh dengan menyelesaikan persamaan karakteristik dari ( ), yaitu: det ( ) = 0 (4.14) sehingga persamaan karakteristik (lihat pada lampiran 4)

15 (4.15) dan nilai eigen diperoleh ** + * + * ++ (4.16) 4.1.3 Analisis Kestabilan di Titik Tetap T 1 Nilai eigen di titik tetap diperoleh dengan mensubsitusi nilai parameter pada Tabel 1 {{ }, { }, { }}. (4.17) Proses selengkapnya dapat dilihat pada lampiran 5. Artinya nilai-nilai eigen dititik tetap T 1 adalah dan real positif. Hal ini menunjukkan titik tetapnya bersifat sadel. 4.1.4 Analisis Kestabilan di Titik Tetap Pada analisis kestabilan titik tetap ini dipengaruhi adanya kematian sel dan laju perkembangan sel. Untuk memperoleh kestabilan sistem di titik tetap, penyelesaian nilai eigen sangat sulit untuk diperoleh dengan menyelesaikan persamaan karakteristik, Untuk memperoleh kestabilan sistem di titik tetap terlebih dahulu melakukan pelinearan titik tetap dengan mensubstitusikan nilai parameter pada Tabel 1, maka akan diperoleh matriks Jacobi sebagai berikut: (4.18) dan nilai eigen diperoleh: {{ 1.77}, { = 0.15}, { 2.4}}, artinya dan real positif, nilai-nilai eigen yang diperoleh menunjukkan titik tetapnya bersifat sadel. Untuk mengamati pengaruh pertumbuhan populasi ketiga kompartemen HSC tanpa terapi G-CSF, maka diperlukan bidang solusi yang menunjukkan

16 hubungan antara banyaknya populasi sel terhadap waktu. Solusi numerik menggunakan software Mathematica 7.0 dilakukan dengan mensubsitusi nilainilai parameter Tabel 1 ke persamaan model sel batang HSC tanpa terapi G-CSF, sehingga diperoleh hubungan antara perkembangan hematopoietic, leukosit, dan platelet, berdasarkan analisis kestabilan titik tetapnya. 4.1.5 Dinamika Populasi Kompartemen HSC tanpa Terapi Dalam simulasi model, penulis membuat simulasi proses dinamika populasi kompartemen HSC mulai dari awal terinfeksi hingga benar-benar terinfeksi atau dikatakan memasuki fase CML, dapat dilihat pada gambar berikut: Gambar 2 Dinamika populasi HSC dengan waktu kematangan sel Gambar 2 menunjukkan dinamika populasi HSC pada awal terinfeksi leukemia dengan. Dinamika yang terjadi tanpa osilasi dan meningkat stabil. (lihat lampiran 6) Gambar 3 Dinamika populasi HSC dengan waktu kematangan sel

17 Gambar 3 menunjukkan dinamika populasi HSC setelah 10 hari terinfeksi leukemia dengan. Dinamika osilasi tak stabil mulai terjadi kemudian berosilasi. (lihat lampiran 7) Gambar 4 Dinamika populasi HSC dengan waktu kematangan sel Gambar 4 menunjukkan dinamika populasi HSC setelah 20 hari terinfeksi leukemia dengan. Dinamika dengan osilasi tak stabil terus terjadi sampai hari ke-300. (lihat lampiran 8) Gambar 5 Dinamika populasi HSC dengan waktu kematangan sel Gambar 5 menunjukkan dinamika populasi HSC setelah 40 hari terinfeksi leukemia dengan. Dinamika dengan osilasi tak stabil ini bisa dikatakan memasuki fase kronis atau disebut CML. (lihat lampiran 9)

18 Gambar 6 Dinamika populasi HSC dengan waktu kematangan sel Gambar 6 menunjukkan dinamika populasi HSC setelah 80 hari terinfeksi leukemia dengan waktu kematangan sel,. Dinamika dengan osilasi tak stabil ini bisa dikatakan memasuki fase leukemia akut. (lihat lampiran 10) Hasil simulasi HSC diatas menunjukkan dinamika populasi mulai dari awal terinfeksi hingga dapat dikatakan memasuki fase kronis atau CML. Hasil analisis kestabilan titik tetap HSC tanpa terapi G-CSF yang diperoleh sama dengan hasil simulasi menggunakan software Mathematica 7.0 yaitu sadel tak stabil. Ini berarti penyakit akan berkembang terus hingga memasuki fase akut jika tidak ada terapi obat. Gambar 7 Dinamika populasi Leukosit dengan waktu kematangan sel Gambar 7 menunjukkan dinamika populasi leukosit pada awal terinfeksi leukemia dengan. Dinamika populasi meningkat tanpa osilasi dan stabil. (lihat lampiran 11)

19 Gambar 8 Dinamika populasi leukosit dengan Waktu kematangan sel Gambar 8 menunjukkan dinamika populasi leukosit setelah 10 hari terinfeksi leukemia dengan. Dinamika dengan osilasi tak stabil dan rentang osilasi yang terjadi per 10 hari. (lihat lampiran 12) Gambar 9 Dinamika populasi Leukosit dengan waktu kematangan sel Gambar 9 menunjukkan dinamika populasi leukosit setelah 20 hari terinfeksi leukemia dengan. Dinamika dengan osilasi tak stabil terus terjadi sampai hari ke-300. (lihat lampiran 13)

20 Gambar 10 Dinamika populasi Leukosit dengan waktu kematangan sel Gambar 10 menunjukkan dinamika populasi leukosit setelah 40 hari terinfeksi leukemia dengan. Dinamika dengan osilasi tak stabil ini bisa dikatakan memasuki fase kronis atau disebut CML dengan rentang osilasi per 40 hari. (lihat lampiran 14). Gambar 11 Dinamika populasi Leukosit dengan waktu kematangan sel Gambar 11 menunjukkan dinamika populasi leukosit setelah 80 hari terinfeksi leukemia dengan. Dinamika dengan osilasi tak stabil ini bisa dikatakan memasuki fase akut. (lihat lampiran 15). Hasil simulasi leukosit diatas menunjukkan dinamika populasi mulai dari awal terinfeksi hingga dapat dikatakan memasuki fase kronis atau CML. Populasi terus berkembang tidak terkontrol, jika tidak ada terapi yang diberikan maka fase

21 kronis tersebut akan memasuki fase akut yang artinya penyakit semakin parah dan sulit untuk disembuhkan. Gambar 12 Dinamika populasi Platelet dengan waktu kematangan sel (,,,, ) Gambar 12 diatas menunjukkan bahwa terinfeksinya HSC hanya dipengaruhi oleh laju perubahan leukosit yang meningkat, tetapi tidak berpengaruh terhadap dinamika populasi platelet. Hasil yang didapat tetap sama sejak awal terinfeksi leukemia sampai memasuki fase kronis atau CML. Ini artinya memang platelet selalu memproduksi sesuai dengan kebutuhan diri. (lihat lampiran 16). Dari gambar 2 gambar 12 dapat disimpulkan bahwa dinamika populasi HSC tanpa terapi G-CSF akan meningkat dan terjadi osilasi tak stabil mulai hari ke 10 dan memasuki fase leukemia pada hari ke 40 80 sampai menuju ke fase akut. 4.2 Analisis Model HSC Dengan Terapi G-CSF 4.2.1Penentuan Titik Tetap Model HSC Dengan Terapi G-CSF Titik tetap dari persamaan (3.7) (3.11) akan diperoleh dengan menetapkan,,,, dan dengan menggunakan bantuan software Mathematica 7.0, diperoleh titik tetap (Q,N,P,X,G) dengan:

22,,,, Selengkapnya dapat dilihat pada lampiran 17 (4.19) 4.2.2 Analisis Kestabilan Titik Tetap Model HSC Dengan Terapi G-CSF Dari persamaan (3.7) (3.11) diperoleh matriks Jacobi (lihat pada lampiran 18) yaitu: (4.20) ( ) Untuk memperoleh nilai eigen dengan menyelesaikan persamaan karakteristik yang terdapat pada lampiran 19, yaitu: det = 0 ( Dan diperoleh nilai eigennya (lihat pada lampiran 20) yaitu ) (4.21) ** + * + * + * + * ++ (4.22) Dengan mensubsitusi nilai-nilai parameter pada Tabel 1 nilai eigen dapat diperoleh sebagai berikut

23 {{ = 0 }, { = 0.103104 }, { = 0.25 }, { = -0.379289 330161 i}, { -0.379289 + 3301.61 i}} (4.23) dapat disimpulkan bahwa nilai-nilai eigen menunjukkan titik tetapnya bersifat spiral stabil. Untuk mengamati pengaruh pertumbuhan populasi ketiga kompartemen HSC dengan terapi G-CSF, maka diperlukan bidang solusi yang menunjukkan hubungan antara banyaknya populasi sel terhadap waktu. Solusi numerik menggunakan software Mathematica 7.0 dilakukan dengan mensubsitusi nilainilai parameter ke persamaan model sel batang HSC dengan terapi G-CSF, sehingga diperoleh hubungan antara perkembangan hematopoietic, leukosit, dan platelet, berdasarkan analisis kestabilan titik tetapnya. Pengaruh yang signifikan pada model terapi pengobatan G-CSF ini adalah jadwal pemberian suntikan I(t). 4.2.3 Dinamika Populasi Kompartemen HSC dengan terapi G-CSF Solusi numerik menggunakan software Mathematica 7.0 dilakukan dengan mensubsitusi nilai-nilai parameter Tabel 1 ke persamaan (3.7) (3.11), sehingga diperoleh hubungan antara populasi Q, N, P yang menggunakan terapi pengobatan G-CSF yang ditunjukkan dalam gambar berikut : Gambar 13 Dinamika HSC dengan Terapi G-CSF

24 Gambar 13 menunjukkan dinamika populasi HSC saat sudah terinfeksi leukemia dengan yang meningkat kemudian turun dan berosilasi stabil. (lihat lampiran 21) Gambar 14 Dinamika Leukosit dengan Terapi G-CSF Gambar 14 menunjukkan dinamika populasi leukosit yang sudah terinfeksi leukemia dengan menurun setelah diberikannya terapi G-CSF dan kemudian stabil. (lihat lampiran 22) Gambar 15 Dinamika Platelet dengan Terapi G-CSF Gambar 15 menunjukkan dinamika populasi platelet saat sudah terinfeksi leukemia dengan yang menurun dan stabil tanpa osilasi. (lihat lampiran 23)

25 Dari gambar 13, 14, dan 15 diperoleh informasi bahwa jika sel batang hematopoietic, leukosit dan platelet disimulasikan dengan menggunakan terapi pengobatan G-CSF, perkembangan dapat menurun setelah beberapa saat untuk kemudian berosilasi stabil pada sel batang hematopoietic, sedangkan pada leukosit dan platelet populasi menurun kemudian stabil tanpa osilasi. Dengan terapi pengobatan G-CSF menghasilkan pengaruh dinamika perkembangan ketiga kompartemen, yaitu memperlambat perkembangan dan menurunkan jumlah populasi hematopoietic, leukosit dan platelet.