KAJIAN MODEL PERTUMBUHAN TUMOR MENGGUNAKAN MODEL PERTUMBUHAN RICHARD DAN MODEL GOMPERTZ

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

THE EFFECT OF DELAYED TIME OF OSCILLATION IN THE LOGISTIC EQUATION

MODEL PEMANENAN LOGISTIK DENGAN DAYA DUKUNG BERGANTUNG WAKTU

Perbandingan Proyeksi Penduduk Jawa Barat Menggunakan Model Malthus dan Verhulst dengan Variasi Interval Pengambilan Sampel

METODOLOGI PENELITIAN. Untuk melihat karakteristik laju hazard distribusi Gompertz dalam penelitian ini

MODEL LOGISTIK PENGARUH POHON TERHADAP POPULASI BURUNG

MODEL LOGISTIK DENGAN DIFUSI PADA PERTUMBUHAN SEL TUMOR EHRLICH ASCITIES. Hendi Nirwansah 1 dan Widowati 2

MODEL PREDATOR-PREY DENGAN DUA PREDATOR

Estimasi Solusi Model Pertumbuhan Logistik dengan Metode Ensemble Kalman Filter

Simulasi Model Mangsa Pemangsa Di Wilayah yang Dilindungi untuk Kasus Pemangsa Tergantung Sebagian pada Mangsa

Solusi Numerik Persamaan Logistik dengan Menggunakan Metode Dekomposisi Adomian Dan Metode Milne

Analisis Regresi Nonlinear (I)

Simulasi Kestabilan Model Predator Prey Tipe Holling II dengan Faktor Pemanenan

FUNGSI ACKLEY DAN PENCARIAN NILAI OPTIMUMNYA MENGGUNAKAN ALGORITMA STROBERI. Muhamad Fadilah Universitas Jenderal Soedirman

PERLUNYA STATISTIK/MATEMATIKA, PADA DINAPOPKAN

MODEL PELATIHAN ULANG (RETRAINING) PEKERJA PADA SUATU PERUSAHAAN BERDASARKAN PENILAIAN REKAN KERJA

IDENTIFIKASI PARAMETER PENENTU KESTABILAN MODEL PERTUMBUHAN LOGISTIK DENGAN WAKTU TUNDA

Analisis Kestabilan Model Penurunan Sumber Daya Hutan Akibat Industri

FUNGSI GRIEWANK DAN PENENTUAN NILAI OPTIMUMNYA MENGGUNAKAN ALGORITMA STROBERI. Tri Nadiani Solihah

Analisis Matematika Kurva Isoprofit Model Stackelberg dalam Pasar Duopoli Mathematical Analysis Isoprofit Curve of Stackelberg Model in Duopoly Market

PRISMA FISIKA, Vol. III, No. 3 (2015), Hal ISSN :

Agus Suryanto dan Isnani Darti

Interaksi Jamur Parasit dengan Tumbuhan Perennial : Model Matematika dan Simulasi

MODEL EPIDEMI STOKASTIK SUSCEPTIBLE INFECTED SUSCEPTIBLE (SIS)

PENGARUH PARAMETER PENGONTROL DALAM MENEKAN PENYEBARAN PENYAKIT FLU BURUNG. Rina Reorita, Niken Larasati, dan Renny

ANALISIS MODEL MATEMATIKA TENTANG PENGARUH KEMOTERAPI TERHADAP DINAMIK PERTUMBUHAN SEL TUMOR DAN SEL NORMAL

MASALAH NILAI AWAL ITERASI NEWTON RAPHSON UNTUK ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG)

Penaksiran Parameter Regresi Linier Logistik dengan Metode Maksimum Likelihood Lokal pada Resiko Kanker Payudara di Makassar

(R.2) KAJIAN PREDIKSI KLASIFIKASI OBYEK PADA VARIABEL RESPON BINER

MODEL LOGISTIK UNTUK SATU SPESIES

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah. Populasi adalah kumpulan individu dari suatu spesies yang sama yang

ANALISIS KESTABILAN MODEL MATEMATIKA IMMUNOTERAPI BCG PADA KANKER KANDUNG KEMIH

MENENTUKAN MODEL PERTUMBUHAN PENDUDUK PROVINSI SUMATERA BARAT

UNNES Journal of Mathematics

II. TINJAUAN PUSTAKA. Dalam bab ini akan dijelaskan mengenai teori-teori yang mendukung dalam

PENGARUH PERUBAHAN NILAI PARAMETER TERHADAP NILAI ERROR PADA METODE RUNGE-KUTTA ORDE 3

SIMULASI LAJU PERTUMBUHAN PENJUALAN AUTOMOTIF DENGAN METODE EKSPONENSIAL DAN GUI MATLAB DI JAWA TIMUR

HUBUNGAN DERIVASI PRIME NEAR-RING DENGAN SIFAT KOMUTATIF RING

Kestabilan Titik Ekuilibrium Model SIS dengan Pertumbuhan Logistik dan Migrasi

PENERAPAN MODEL PERTUMBUHAN LOGISTIK DENGAN MEMPERHATIKAN LAJU INTRINSIK

MATEMATIKA EKONOMI DAN BISNIS MINGGU IX

INFERENSI PARAMETER SIMPANGAN BAKU POPULASI NORMAL DENGAN METODE BAYESIAN OBYEKTIF

TINJAUAN PUSTAKA. Model Matematika. Model Pertumbuhan Tumor Tanpa Perlakuan

Penerapan Model Persamaan Diferensi dalam Penentuan Probabilitas Genotip Keturunan dengan Dua Sifat Beda

Bagan Kendali Rasio Likelihood dan Aplikasinya pada Data Kurs Mata Uang dan Industri

MODEL MATEMATIK UNTUK MENENTUKAN LAMA JATUH BATANG KENDALI. Elfrida Saragi *, Utaja **

Aplikasi Persamaan Bessel Orde Nol Pada Persamaan Panas Dua dimensi

Analisis Matematika Kurva Isoprofit Model Cournot dalam Pasar Duopoli Mathematical Analysis Isoprofit Curves Of Cournot Model in Duopoly Market

FORMULA PENGGANTI METODE KOEFISIEN TAK TENTU ABSTRACT

MENGEFISIENSIKAN PENGGUNAAN ENERGI LISTRIK : STUDI KASUS PADA MODEL ALIRAN PANAS PADA WATER COOKER (PEMANAS AIR ELEKTRIK)

MODUL ATAS RING MATRIKS ( ) Arindia Dwi Kurnia Universitas Jenderal Soedirman Ari Wardayani Universitas Jenderal Soedirman

PENDUGAAN ANGKA PUTUS SEKOLAH DI KABUPATEN SEMARANG DENGAN METODE PREDIKSI TAK BIAS LINIER TERBAIK EMPIRIK PADA MODEL PENDUGAAN AREA KECIL SKRIPSI

S 10 Studi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis)

Analisis Kestabilan Model Veisv Penyebaran Virus Komputer Dengan Pertumbuhan Logistik

ANALISIS PERAMALAN DENGAN MENGGUNAKAN METODE PEMULUSAN EKSPONENSIAL TUNGGAL ABSTRACT

Sumbu X (horizontal) memiliki range (rentang) dari minus takhingga. ( ) hingga positif takhingga (+ ). Kurva normal memiliki puncak pada X

METODE ITERASI BARU BERTIPE SECANT DENGAN KEKONVERGENAN SUPER-LINEAR. Rino Martino 1 ABSTRACT

MODIFIKASI METODE NEWTON-RAPHSON UNTUK MENCARI SOLUSI PERSAMAAN LINEAR DAN NONLINEAR

DERET TAYLOR UNTUK METODE DEKOMPOSISI ADOMIAN ABSTRACT

digunakan untuk menyelesaikan persamaan yang nantinya akan diperoleh dalam

MODEL MATEMATIKA TERAPI GEN UNTUK PERAWATAN PENYAKIT KANKER

PERTUMBUHAN DAN MORTALITAS IKAN TAWES (Barbonymus gonionotus) DI DANAU SIDENRENG KABUPATEN SIDRAP Nuraeni L. Rapi 1) dan Mesalina Tri Hidayani 2)

BAB IV HASIL DAN PEMBAHASAN

PEMODELAN ARUS LALU LINTAS ROUNDABOUT

METODE DEKOMPOSISI ADOMIAN UNTUK MENYELESAIKAN PERMASALAHAN NILAI BATAS PADA PERSAMAAN DIFERENSIAL PARSIAL NONLINEAR ABSTRACT

I PENDAHULUAN. dari generasi ke generasi di Indonesia sebagai unggas lokal hasil persilangan itik

Bab 3 MODEL DAN ANALISIS MATEMATIKA

Growth Projections of Private Cars (Black Plate) in Manado Using Differential Equations with Continuous Population Growth Model (Logistic Model)

PENERAPAN PRINSIP MAKSIMUM PONTRYAGIN PADA SISTEM INVENTORI-PRODUKSI. Nurus Sa adah, Toni Bakhtiar, Farida Hanum

INTERVAL PENGGANTIAN PENCEGAHAN SUKU CADANG BAGIAN DIESEL PADA LOKOMOTIF KERETA API PARAHYANGAN * (STUDI KASUS DI PT. KERETA API INDONESIA)

3. METODE PENELITIAN

Kestabilan Model SIRS dengan Pertumbuhan Logistik dan Non-monotone Incidence Rate

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

PEMODELAN KASUS KEMISKINAN DI JAWA TENGAH MENGGUNAKAN REGRESI NONPARAMETRIK METODE B-SPLINE

BAB 2 LANDASAN TEORI

BAB 4 LOGICAL VALIDATION MELALUI PEMBANDINGAN DAN ANALISA HASIL SIMULASI

Penyandian Citra Digital Menggunakan Modifikasi Sandi Hill. Digital Image Encryption by Using a Modified Hill Code. Abstract

BAB I PENDAHULUAN. Ekologi merupakan cabang ilmu yang mempelajari tentang interaksi antara

: METODE GRAFIK. Metode grafik hanya bisa digunakan untuk menyelesaikan permasalahan dimana hanya

Catatan Kuliah 7 Memahami dan Menganalisa Optimisasi Sederhana Tanpa Kendala dengan Satu Variabel Keputusan

PENURUNAN MODEL BLACK SCHOLES DENGAN PERSAMAAN DIFERENSIAL STOKASTIK UNTUK OPSI TIPE EROPA

Generalized Ordinal Logistic Regression Model pada Pemodelan Data Nilai Pesantren Mahasiswa Baru FMIPA Universitas Islam Bandung Tahun 2017

MODEL DINAMIK PERTUMBUHAN BIOMASSA UDANG WINDU DENGAN FAKTOR MORTALITAS BERGANTUNG WAKTU. Sulanjari 1 dan Sutimin 2

Jurnal Dinamika, April 2015, halaman Vol. 06. No. 1 ISSN

MODUL FUNGSI TRANSENDENTAL

Edisi Juni 2011 Volume V No. 1-2 ISSN SIFAT-SIFAT RUANG HASIL KALI DALAM-n KOMPLEKS

BAB III METODOLOGI PENELITIAN. penawaran umum saham perdana di Bursa Efek Indonesia pada tahun 2008

RANCANGAN D-OPTIMAL UNTUK MODEL EKSPONENSIAL GENERAL. Abstract

Model Matematika Terapi Gen untuk Perawatan Penyakit Kanker

SIFAT-SIFAT DINAMIK DARI MODEL INTERAKSI CINTA DENGAN MEMPERHATIKAN DAYA TARIK PASANGAN

Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Riau Kampus Binawidya Pekanbaru (28293), Indonesia.

PERBANDINGAN TRANSFORMASI BOX-COX DAN REGRESI KUANTIL MEDIAN DALAM MENGATASI HETEROSKEDASTISITAS

REGRESI ROBUST UNTUK MENGATASI OUTLIER PADA REGRESI LINIER BERGANDA. Isma Hasanah

Kata Kunci: Model Regresi Logistik Biner, metode Maximum Likelihood, Demam Berdarah Dengue

ELSA HERLINA AGUSTIN:

ANALISIS ANTRIAN MENGGUNAKAN METODE SIMULASI MONTE CARLO. Fajar Etri Lianti ABSTRACT

PENGGUNAAN METODE DEKOMPOSISI ADOMIAN UNTUK MENYELESAIKAN PERMASALAHAN PADA KALKULUS VARIASI ABSTRACT

KONSTRUKSI PERSAMAAN GARIS LURUS MELALUI ANALISIS VEKTORIS DALAM RUANG BERDIMENSI DUA

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Transkripsi:

Prosiding Seminar Nasional Matematika dan Terapannya 206 p-issn : 2550-0384; e-issn : 2550-0392 AJIAN MODEL PERTUMBUHAN TUMOR MENGGUNAAN MODEL PERTUMBUHAN RICHARD DAN MODEL GOMPERTZ Norman Apriliyadi Jurusan Matematika, FMIPA, Universitas Jenderal Soedirman Email : Oman77@rocketmail.com Mashuri Jurusan Matematika, FMIPA, Universitas Jenderal Soedirman Rina Reorita Jurusan Matematika, FMIPA, Universitas Jenderal Soedirman ABSTRACT. This article examine about tumor growth model with Richard growth model and Gompertz model. Richard growth model is generalized growth model specially for tumor growth. Richard growth model have a parameter is coefficient determinant inflection value. This parameter examine that each growth curve organism have different curve point and point of inflection then following this parameter growth model more than flexible for prediction tumor growth. If Richard growth model is generalized growth model then Gompertz model is special case from Richard growth model. Relationship between Richard growth model and Gompertz model in coefficient determinant inflection value.the smaller this coefficient then Richerd growth model closer to Gompertz model so it can be concluded that Gompertz model obtained from Richard growth model by changing the value of the coefficient determinant inflection value toward 0. eywords: Curve point, point of inflektion. Richard Growth Model, Gompertz Model. ABSTRA. Makalah ini mengkaji model pertumbuhan tumor menggunakan model pertumbuhan Richard dan model Gompertz. Model pertumbuhan Richard merupakan perumuman dari beberapa model matematika yang digunakan dalam memprediksi model pertumbuhan, khususnya model pertumbuhan tumor. Model pertumbuhan Richard memiliki sebuah parameter yaitu koefisien penentu nilai influksi. Parameter ini menjelaskan bahwa titik belok dan nilai influksi kurva pertumbuhan suatu organisme berbeda-beda sehingga melalui parameter ini, model pertumbuhan lebih fleksibel dalam memprediksi pertumbuhan tumor. Jika model pertumbuhan Richard merupakan perumuman model petumbuhan organisme maka model Gompertz merupakan kasus khusus dari model pertumbuhan Richard. eterkaitan antara model pertumbuhan Richard

ajian Model Pertumbuhan Tumor 9 dan model Gompertz terletak pada koefisien penentu nilai influksinya. Semakin kecil koefisien ini, maka model pertumbuhan Richard semakin mendekati model Gompertz sehingga dapat disimpulkan bahwa model Gompertz diperoleh dari model pertumbuhan Richard dengan mengubah nilai koefisien penentu nilai influksi menuju 0. ata unci: Titik belok, nilai influksi,model pertumbuhan Richard, Model Gompertz.. PENDAHULUAN Sel tumor merupakan sel normal yang hidup pada suatu makhluk hidup yang menjadi inangnya.sel tersebut bermutasi menjadi sel tumor dengan pertumbuhan yang tidak terkendali. Pertumbuhan volume sel tumor akan terus berlangsung hingga menginfeksi jaringan di dekatnya dan juga menyebar ke jaringan yang tempatnya lebih jauh (Nussbaum, dkk, 200). Pertumbuhan volume sel tumor akan terhenti ketika inang dari sel tumor mengalami kematian. Dengan demikian volume sel tumor akan terus menerus bertambah, namun terbatas pada carrying capacity (daya dukung lingkungannya). Berdasarkan asumsi tersebut model pertumbuhan volume sel tumor dapat diformulasikan sebagai model pertumbuhan logistik. Seiring berjalannya waktu, setidaknya terdapat sembilan model klasik pertumbuhan tumor diantaranya yaitu model eksponensial linier, model eksponensial, model eksponensial, model logistik, model pertumbuhan Richard, model Gompertz, model dinamika carrying capacity, model Bertalanffy, dan model power law (Benzekry, 204). Semua model yang ada mempunyai kemampuan deskriptif masing-masing sehingga untuk meningkatkan keberhasilan dari suatu model dalam kasus tumor tertentu diperlukan beberapa parameter yang sesuai (Benzekry, 204). Salah satu model klasik pertumbuhan tumor yang memiliki kemampuan deskriptif yang baik yaitu model pertumbuhan Richard dan model Gompertz. Oleh karena itu, penulis tertarik untuk mengkaji model pertumbuhan volume sel tumor dengan menggunakan model pertumbuhan Richard dan model Gompertz beserta keterkaitannya. Artikel ini mengkaji perkembangan pertumbuhan sel tumor pada sebuah jaringan. Adapun tujuan dari penulisan artikel yaitu mengkaji model pertumbuhan Purwokerto, 3 Desember 206

92 N. Apriliyadi d.k.k. volume sel tumor dengan menggunakan model pertumbuhan Richard dan model Gompertz beserta keterkaitannya. Selanjutnya membandingkan hasil simulasi antara model pertumbuhan Richard dengan model Gompertz pada pertumbuhan volume sel tumor. 2. METODE PENELITIAN Metode yang digunakan dalam penelitian adalah studi pustaka yang dilakukan dengan cara mengumpulkan informasi yang relevan dengan masalah yang akan dikaji. Langkah-langkah yang dilakukan pada penelitian ini yaitu menurunkan model pertumbuhan Richard dan Gompertz, menentukan solusi analitik model pertumbuhan logistik, model pertumbuhan tumor Richard dan Gompertz beserta keterkaitannya, melakukan simulasi model dengan mengubah parameter influksi, setelah itu menganalisis solusi model pertumbuhan Richard dan Gompertz. Analisis model dilakukan dengan mengubah parameter influksi pada model Richard. Hasil dari simulasi tersebut kemudian dibandingkan dengan hasil simulasi model Gompertz. Selanjutnya, diamati pengaruh perubahan nilai α pada grafik pertumbuhan sel tumor. 3. HASIL DAN PEMBAHASAN 3. Asumsi Model Sel tumor merupakan sel normal yang hidup pada suatu makhluk hidup yang menjadi inangnya. Sel tersebut bermutasi menjadi sel tumor dengan pertumbuhan yang tidak terkendali. Pertumbuhan volume sel tumor akan terus berlangsung hingga menginfeksi jaringan di dekatnya dan juga menyebar ke (jaringan) yang tempatnya lebih jauh (Nussbaum, dkk, 200). Pertumbuhan volume sel tumor akan terhenti ketika inang dari sel tumor mengalami kematian. Dengan demikian volume sel tumor akan terus menerus bertambah, namun terbatas pada carrying capacity (daya dukung lingkungannya). Berdasarkan asumsi tersebut model pertumbuhan volume sel tumor dapat diformulasikan sebagai model pertumbuhan logistik Purwokerto, 3 Desember 206

ajian Model Pertumbuhan Tumor 93 dv V = rv - dt (4.) dengan V merupakan volume sel tumor pada saat t, r adalah laju pertumbuhan intrinsik (intrinsic growth rate), adalah carrying capacity, dan dv dt merupakan laju perubahan volume tumor terhadap waktu. Dalam hal ini diasumsikan r > 0, yaitu laju kelahiran sel tumor lebih besar daripada laju kematiannya dan t dengan satuan hari. Nilai saat terjadi laju maksimum dari suatu grafik disebut nilai influksi. Adanya nilai influksi menunjukkan bahwa laju pertumbuhan tercepat terjadi pada saat tumor mencapai volume tertentu. Nilai influksi dari persamaan (4.) adalah, yang artinya volume sel tumor pada saat laju maksimum adalah V 2 2. Dalam kenyataannya hal ini tidak selamanya berlaku karena laju pertumbuhan dari suatu organisme hidup tidak selamanya membentuk suatu kurva simetris yang mengakibatkan nilai influksi tidak selalu setengah dari carrying capacity sehingga diperlukan parameter baru untuk menjelaskan hal tersebut. Parameter ini menjelaskan bahwa titik belok pada kurva pertumbuhan suatu organism berbedabeda. Penambahan parameter baru ini bertujuan agar model tersebut menjadi lebih fleksibel dalam menggambarkan kurva pertumbuhan. Berdasarkan asumsi tersebut Richard merumuskan model sebagai berikut dv V = rv - dt α, (4.2) dengan α merupakan koefisien penentu influksi dan α > 0, sehingga model ini dapat mengeneralisir beberapa model pertumbuhan yang berkaitan. Solusi khusus dari model pertumbuhan Richard adalah V 0 α rt 0 0 V V -V e (4.3) denganα merupakan koefisien penentu influksi. Model pertumbuhan Richard memiliki nilai influksi yang berbeda beda. Nilai infuksi pada model ini juga berkaitan dengan nilai α. Nilai influksi dari Purwokerto, 3 Desember 206

94 N. Apriliyadi d.k.k. model pertumbuhan Richard adalah, yang artinya volume sel tumor pada saat laju maksimum adalah V. Jika α = maka akan diperoleh model pertumbuhan logistik dengan nilai influksinya adalah. 2 Menurut Zeide (993), meskipun model pertumbuhan Richard memiliki kefleksibelan yang lebih baik dalam menggambarkan laju pertumbuhan namun model ini banyak mengalami kritikan. ritikan ini berkaitan dengan parameter α yang tidak memiliki interpretasi biologi yang jelas sehingga diperlukan model baru yang berkaitan dengan model ini dan menggambarkan laju pertumbuhan volume tumor secara lebih nyata. Model Gompertz dapat menjawab permasalahan tersebut. Hal ini dikarenakan setiap parameter pada model Gompertz mempunyai interpretasi biologi yang jelas dan juga terdapat keterkaitan yang unik antara model pertumbuhan Richard dan model Gompertz. Jika model pertumbuhan Richard merupakan perumuman model petumbuhan organisme maka model Gompertz merupakan kasus khusus dari model pertumbuhan Richard. Model Gompertz khusus dibentuk untuk kasus tumor dimana pertumbuhannya sangat cepat sehingga laju pertumbuhan intrinsik yang ada dalam model Gompertz nilainya jauh lebih besar dibandingkan dengan nilai laju pertumbuhan intrinsik yang ada pada model lainnya. Asumsi lainnya adalah pertumbuhan volume sel tumor mencapai nilai influksi dengan sangat cepat sehingga parameter α dapat diasumsikan mendekati nol. Berdasarkan kedua asumsi tersebut, nilai r r disubstitusikan ke persamaan (4.2) sehingga diperoleh dv dt r V (4.4) V -. emudian dengan mengasumsikan α 0 pada persamaan (4.4), maka diperoleh dv rv ln. dt V Purwokerto, 3 Desember 206

ajian Model Pertumbuhan Tumor 95 Dengan demikian diperoleh model khusus dari pertumbuhan Richard dengan α 0 yaitu dv(t) dt rv ln. V Persamaan (4.5) mempunyai solusi khusus sebagai berikut V V e 0 rt exp(ln ). (4.5) (4.6) Jika persamaan (4.6) diubah dalam bentuk persamaan logaritma natural, maka diperoleh V lnv ln ln e ln e ln. V V 0 rt rt 0 Misalkan A ln maka diperoleh V 0 rt Ae ln. V (4.7) Selanjutnya, substitusikan persamaan (4.7) ke dalam persamaan (4.5) sehingga diperoleh dv rvae dt rt (4.8) Dengan demikian terlihat ada keterkaitan antara model Richard pada persamaan (4.5) dan model Gompertz pada persamaan (4.8). Pada umumnya model Gompertz hanya memiliki 3 parameter sehingga perlu dimisalkan r A R, dengan demikian diperoleh model pertumbuhan Gompertz dv dt = RV rt e. Jika dimisalkan V(0) = solusi khusus dari persamaan (4.9) yaitu: ' V t =V exp. 0 A e rt (4.9) (4.0) Purwokerto, 3 Desember 206

96 N. Apriliyadi d.k.k. Selanjutnya, nilai influksi dari model Gompertz diperoleh berdasarkan persamaan e. dengan α 0, sehingga nilai influksi dari model Gompertz adalah 3.2 Simulasi Model Diberikan tiga simulasi untuk melihat perilaku model pertumbuhan tumor dengan mengubah nilai α pada persamaan (4.4) yakni simulasi pertama menggunakan nilai parameter α, simulasi kedua menggunakan nilai perameter 0 < α < dan simulasi terakhir yakni menggunakan nilai parameter α 0 yaitu model Gompertz. Nilai awal yang digunakan dalam simulasi model V(0) = dan untuk nilai parameter yang lain selain parameter α menggunakan nilai pada Tabel 4.. Tabel 4. nilai parameter Model r Α R Richard 00 0 - Gompertz - 0-00 0ln 3.2. Model Pertumbuhan Richard dengan α Pertumbuhan volume sel tumor dapat digambarkan berdasarkan model pertumbuhan Richard dengan α. Nilai parameter α berkaitan dengan letak titik belok kurva maka dari itu diambil beberapa nilai α untuk melihat kurva pertumbuhan dari volume sel tumor. Dalam penelitian ini, diambil secara acak nilai parameter α yaitu α =, α = 3, dan α = 6. Berikut merupakan grafik model pertumbuhan tumor berdasarkan nilai parameter α yang ditentukan. Purwokerto, 3 Desember 206

ajian Model Pertumbuhan Tumor 97 Gambar 4. Grafik model pertumbuhan Richard dengan α Gambar 4.2 Grafik laju pertumbuhan model Richard dengan α berdasarkan waktu Gambar 4.3 Grafik laju pertumbuhan model Richard dengan α berdasarkan volume eterangan : Grafik model pertumbuhan Richard α =. Grafik model pertumbuhan Richard α = 3. Grafik model pertumbuhan Richard α = 6. Gambar 4. menunjukkan simulasi pertumbuhan volume sel tumor dengan mengubah nilai parameter α. Grafik tersebut menunjukkan semakin kecil nilai parameter α maka pertumbuhan volume sel tumor akan semakin cepat sehingga mengakibatkan volume sel tumor semakin cepat menuju carrying capacity. Setelah mencapai carrying capacity, pertumbuhan volume sel tumor akan tetap atau dapat dikatakan laju pertumbuhannya telah berhenti Gambar 4.2 menjelaskan bahwa semakin kecil nilai α laju pertumbuhan volume sel tumor akan semakin besar. Nilai α = mempunyai laju pertumbuhan terbesar diikuti juga dengan laju maksimumnya. Hal ini juga berlaku untuk volume sel tumor dalam mencapai laju maksimumnya, semakain kecil nilai α maka semakin cepat pula volume sel tumor dalam mencapai laju maksimumnya. Namun, berbeda halnya dengan kedekatan antara nilai influksi dan carrying capacity. Gambar 4.3 menunjukkan semakin besar α maka keberadaan nilai influksi semakin mendekati carrying capacity namun dengan laju maksimum yang kecil. Hal ini mengakibatkan grafik laju pertumbuhan semakin condong ke kanan. Dari simulasi diatas untuk α dapat ditarik kesimpulan bahwa semakin kecil nilai α maka laju pertumbuhan akan semakin cepat dan mempunyai laju maksimum terbesar. Hal ini juga berlaku dengan waktu terjadinya nilai influksi, semakin kecil α maka nilai influksi juga semakin cepat. Hal ini mengakibatkan, semakin kecil α letak nilai influksi juga semakin jauh dengan carrying capacity. Purwokerto, 3 Desember 206

98 N. Apriliyadi d.k.k. Akibatnya grafik laju pertumbuhan Richard berdasarkan volumenya akan condong ke kanan. 3.2.2 Model Pertumbuhan Richard dengan 0 < α < Grafik laju pertumbuhan volume sel tumor untuk model pertumbuhan Richard dengan α > menggambarkan bahwa semakin besar α maka kurva akan condong kekanan. Selanjutnya, akan dilihat pertumbuhan volume sel tumor dengan mengambil nilai parameter α sebesar 0 < α <. Nilai α yang digunakan diambil secara acak yaitu α = 0.5, α = 0.3, dan α = 0.09. Berikut merupakan grafik model pertumbuhan tumor berdasarkan nilai parameter α yang ditentukan. Gambar 4.4 Grafik model pertumbuhan Richard dengan 0 < α < Gambar 4.5 Grafik laju pertumbuhan model Richard dengan 0 < α < berdasarkan waktu Gambar 4.5 Grafik laju pertumbuhan model Richard dengan 0 < α < berdasarkan volume eterangan : Grafik model pertumbuhan Richard α = 0.09. Grafik model pertumbuhan Richard α = 0.3. Grafik model pertumbuhan Richard α = 0.5. Gambar 4.4 menunjukkan simulasi pertumbuhan volume sel tumor dengan merubah nilai parameter α. Grafik tersebut menunjukkan semakin kecil nilai parameter α maka pertumbuhan volume sel tumor akan semakin cepat sehingga mengakibatkan volume sel tumor semakin cepat menuju carrying capacity. Setelah mencapai carrying capacity, pertumbuhan volume sel tumor akan tetap. Hal ini serupa dengan α, namun pada gambar 4.4 pertumbuhan berlangsung secara cepat. Pada simulasi 0 < α <, volume sel tumor mencapai carrying capacity kurang dari sehari sedangkan untuk α volume sel tumor dalam mencapai carrying capacity membutuhkan waktu 2 sampai 4 hari. Perbedaan Purwokerto, 3 Desember 206

ajian Model Pertumbuhan Tumor 99 waktu volume sel tumor dalam mencapai carrying capacity berkaitan dengan laju pertumbuhannya. Gambar 4.5 menjelaskan hal serupa dengan gambar 4.2 namun dengan nilai influksi dari masing-masing grafik yang lebih besar.gambar 4.5 juga menjelaskan bahwa nilai influksi terjadi lebih cepat yaitu terjadi kurang dari setengah hari.hal ini mengakibatkan nilai influksi terjadi semakin jauh dengan carrying capacity. Gambar 4.6 menjelaskan bahwa semakin kecil nilai α maka letak nilai influksi semakin jauh dari carrying capacity yang artinya nilai influksi terjadi pada awal-awal waktu. Hal ini mengakibatkan kurva laju pertumbuhan berdasarkan volume lebih condong ke kiri. Dari simulasi diatas untuk 0 < α < dapat ditarik kesimpulan bahwa semakin kecil nilai α maka laju pertumbuhan akan semakin cepat dan mempunyai laju maksimum terbesar. Hal ini juga berlaku dengan waktu terjadinya nilai influksi, semakin kecil α maka nilai influksi juga semakin cepat. Ini mengakibatkan, semakin kecil α letak nilai influksi juga semakin jauh dengan carrying capacity. Akibatnya grafik laju pertumbuhan Richard berdasarkan volumenya akan condong ke kiri. 3.2.3 Model Gompertz Model Gompertz merupakan salah satu bentuk khusus dari model pertumbuhan Richard dengan merubah nilai α 0. Dalam artikel ini model Gompertz digunakan sebagai model pembanding untuk melihat kecocokan pertumbuhan volume sel tumor dengan model matematika yang ada. Dalam simulasi pada bagian ini, nilai parameter yang diambil α tertinggi dari setiap simulasi yang telah dilakukan yaitu α = 6 dan α = 0.5. Selanjutnya, parameter tersebut akan dibandingkan dengan model Gompertz. Berikut merupakan grafik model pertumbuhan tumor berdasarkan nilai parameter pada Tabel 4.2. Purwokerto, 3 Desember 206

00 N. Apriliyadi d.k.k. eterangan : Gambar 4.7 Grafik model pertumbuhan tumor Grafik model pertumbuhan Richard α = 0.5. Gambar 4.8 Grafik laju pertumbuhan volume sel tumor berdasarkan waktu Grafik model pertumbuhan Richard α = 6. Grafik model Gompertz. Gambar 4.7 menjelaskan bahwa model Gompertz memiliki pertumbuhan tercepat. Untuk model pertumbuhan Richard dengan α = 6 merupakan model yang paling lambat. Model ini memerlukan waktu hampir 4 hari untuk mencapai carrying capacity. Hal tersebut selaras dengan simulasi dan simulasi 2 yaitu semakin kecil nilai α maka pertumbuhan volume sel tumor semakin cepat. Selanjutnya akan dilihat laju pertumbuhan dari ketiga model tersebut. Gambar 4.8 menjelaskan bahwa dalam mencapai nilai influksinya, model Gompertz menjadi yang tercepat diikuti oleh model pertumbuhan Richard dengan α = 0.5 dan α = 6. Gambar 4.8 juga menjelaskan bahwa semakin kecil nilai α yaitu model Gompertz maka semakin besar juga laju maksimumnya. Dalam mencapai nilai influksinya pun model Gompertz menjadi yang tercepat sedangkan untuk model pertumbuhan Richard dengan α terbesar yaitu α = 6 menjadi model terlama dalam mencapai nilai influksinya. Berdasarkan simulasi, simulasi 2, dan simulasi 3 dapat ditarik kesimpulan bahwa semakin kecil nilai α yaitu model Gompertz dengan α 0 maka laju pertumbuhan akan semakin cepat dan mempunyai laju maksimum terbesar. Hal ini juga berlaku dengan waktu terjadinya nilai influksi, semakin kecil α maka nilai influksi juga semakin cepat. Hal ini mengakibatkan, semakin kecil α letak nilai influksi juga semakin jauh dengan carrying capacity. Purwokerto, 3 Desember 206

ajian Model Pertumbuhan Tumor 0 4. ESIMPULAN Berdasarkan penelitian yang telah dilakukan, diperoleh kesimpulan yaitu pertumbuhan volume sel tumor dapat dimodelkan dengan menggunakan model pertumbuhan Richard. Model pertumbuhan Richard merupakan perumuman dari model pertumbuhan matematika dan model Gompertz merupakan salah satu kasus khusus pada model pertumbuhan Richard dengan merubah nilai α 0. r ' r dan Simulasi pada model pertumbuhan Richard yang telah dimodifikasi dengan melakukan perubahan nilai r menggambarkan bahwa semakin kecil nilai α maka pertumbuhan volume sel tumor semakin cepat dengan laju maksimum terbesar.model Gompertz merupakan bentuk lain dari model Richard dengan α 0. Model ini merupakan model dengan pertumbuhan volume sel tumor tercepat dan memiliki laju maksimum terbesar. Simulasi pada model pertumbuhan Richard juga menjelaskan bahwa semakin kecil nilai α maka nilai influksi akan semakin jauh nilainya dengan carrying capacity. Berikut merupakan bagan penggambaran model pertumbuhan Richard. α α 0 Gambar 4.9 Bagan Model Pertumbuhan Richard Purwokerto, 3 Desember 206

02 N. Apriliyadi d.k.k. DAFTAR PUSTAA Benzekry, S., Classical Mathematical Methods for Description and Prediction of Experimental Tumor Growth, PloS Comput Bio, 0(8) (204), e003800.doi0.37/jornal.pcbi.003800. Nussbaum, R.L., McInnes, R.R., dan Willard, H.F., Thompson and Thompson Genetics in Medicine 6th ed., WB Saunders Company, Philadelphia, 200. Zeide, B., Analysis of growth equations. Forest Science 39: 594 66, 993. Purwokerto, 3 Desember 206