III MODEL MATEMATIKA S I R. δ δ δ

dokumen-dokumen yang mirip
PENGEMBANGAN MODEL PENYEBARAN PENGGUNA NARKOBA WHITE-COMISKEY LESTARI

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

III. MODEL MATEMATIK PENYEBARAN PENYAKIT DBD

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Analisa Kualitatif pada Model Penyakit Parasitosis

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

Dinamik Model Epidemi SIRS dengan Laju Kematian Beragam

Model Matematika SIV Untuk Penyebaran Virus Tungro Pada Tanaman Padi

Bab 3 MODEL DAN ANALISIS MATEMATIKA

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

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

Oleh : HASNAN NASRUN SUBCHAN, MAHMUD YUNUS

III PEMODELAN. (Giesecke 1994)

PEMODELAN MATEMATIKA DAN ANALISIS STABILITAS DARI PENYEBARAN PENYAKIT FLU BURUNG

BAB IV PENGEMBANGAN MODEL KAPLAN

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

Esai Kesehatan. Disusun Oleh: Prihantini /2015

Abstrak: Makalah ini bertujuan untuk mengkaji model SIR dari penyebaran

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

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

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

Bab III Model Awal Kecanduan Terhadap Rokok

Kesimpulan serta Masalah yang masih Terbuka

BAB III MODEL KAPLAN. 3.1 Model Kaplan

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

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

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

BAB I PENDAHULUAN Latar Belakang

KAJIAN PERILAKU MODEL MATEMATIKA PENYEBARAN PENYAKIT SIFILIS

II MODEL MATEMATIKA PENYEBARAN PENYAKIT DBD

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

BAB I PENDAHULUAN Latar Belakang Masalah

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

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

BAB I PENDAHULUAN. Model matematika merupakan sekumpulan persamaan atau pertidaksamaan yang

BAB I PENDAHULUAN. penyakit menular. Salah satu contohnya adalah virus flu burung (Avian Influenza),

BAB I PENDAHULUAN Latar Belakang Masalah

SIMULASI MODEL EPIDEMIK TIPE SIR DENGAN STRATEGI VAKSINASI DAN TANPA VAKSINASI

FOURIER April 2013, Vol. 2, No. 1, MODEL PENYEBARAN PENYAKIT POLIO DENGAN PENGARUH VAKSINASI. RR Laila Ma rifatun 1, Sugiyanto 2

ANALISIS KESTABILAN MODEL DINAMIKA PENYEBARAN PENYAKIT FLU BURUNG

MODEL STOKASTIK PENYEBARAN PENYAKIT DEMAM BERDARAH DI KOTA DEPOK PENDAHULUAN

Pengaruh Hukuman Mati terhadap Dinamika Jumlah Pengguna Narkoba di Indonesia

Bab III Model Matematika Transmisi Filariasis Tanpa Pengobatan

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

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

BAB II LANDASAN TEORI

Jurnal Euclid, vol.3, No.2, p.501 MODEL MATEMATIKA TERHADAP PENYEBARAN VIRUS AVIAN INFLUENZA TIPE-H5N1 PADA POPULASI MANUSIA

PEMODELAN MATEMATIKA DAN ANALISIS KESTABILAN MODEL PADA PENYEBARAN HIV-AIDS

Bab 2 Tinjauan Pustaka

Bab II Teori Pendukung

T - 1 PEMODELAN MATEMATIKA UNTUK MENSIMULASIKAN EFEK POPULASI KARANTINA TERHADAP PENYEBARAN PENYAKIT HIV/AIDS DI PAPUA

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

Rifqi Choiril Affan, Purnami Widyaningsih, Dewi Retno Sari Saputro Program Studi Matematika FMIPA UNS

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

Kontrol Optimal pada Model Epidemi SEIQR dengan Tingkat Kejadian Standar

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN. ibu kepada anaknya melalui plasenta pada saat usia kandungan 1 2 bulan di

KESTABILAN TITIK EQUILIBRIUM MODEL SIR (SUSPECTIBLE, INFECTED, RECOVERED) PENYAKIT FATAL DENGAN MIGRASI

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

BIFURKASI PADA MODEL SUSCEPTIBLE INFECTED RECOVERED (SIR) DENGAN WAKTU TUNDA DAN LAJU PENULARAN BILINEAR SKRIPSI

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

BAB III BASIC REPRODUCTION NUMBER

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

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai definisi-definisi dan teorema-teorema

BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan

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

BAB I PENDAHULUAN Latar Belakang Masalah

MODEL SEIR PENYAKIT CAMPAK DENGAN VAKSINASI DAN MIGRASI

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

BAB II LANDASAN TEORI

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

BAB 2 BEBERAPA MODEL EPIDEMI. Laju pertumbuhan populasi akan dapat diketahui apabila kelahiran, kematian

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

ANALISIS STABILITAS MODEL MATEMATIKA DARI PENYEBARAN PENYAKIT MENULAR MELALUI TRANSPORTASI ANTAR DUA KOTA

MODEL SIR UNTUK PENYEBARAN PENYAKIT FLU BURUNG

SOLUSI POSITIF MODEL SIR

MODEL MATEMATIKA. Gambar 1 Proses Infeksi Virus HIV terhadap sel Darah Putih Sehat (Feng dan Rong 2006)

ANALISIS KESTABILAN DAN PROSES MARKOV MODEL PENYEBARAN PENYAKIT EBOLA

BAB I PENDAHULUAN. Penyakit virus Ebola merupakan salah satu penyakit menular dan mematikan

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

IV HASIL DAN PEMBAHASAN

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2014

Model Dan Simulasi Transmisi Virus Dengue Di Dalam Tubuh Manusia

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

ANALISIS KESTABILAN DARI SISTEM DINAMIK MODEL SEIR PADA PENYEBARAN PENYAKIT CACAR AIR (VARICELLA) DENGAN PENGARUH VAKSINASI SKRIPSI

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

Analisis Kestabilan Global Model Epidemik SIRS menggunakan Fungsi Lyapunov

Model Matematika Penyebaran Penyakit HIV/AIDS dengan Terapi pada Populasi Terbuka

Model Matematika Penyebaran Internal Demam Berdarah Dengue dalam Tubuh Manusia

KAJIAN MODEL MARKOV WAKTU DISKRIT UNTUK PENYEBARAN PENYAKIT MENULAR PADA MODEL EPIDEMIK SIR. Oleh: RAFIQATUL HASANAH NRP.

Lampiran 1 Penentuan titik tetap Model Gyllenberg-Webb. 1 ln

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

ANALISA KESTABILAN MODEL DINAMIK PENYEBARAN VIRUS FLU BURUNG PADA POPULASI MANUSIA DAN BURUNG SKRIPSI. Oleh : Septiana Ragil Purwanti J2A

ANALISIS KESTABILAN MODEL MANGSA-PEMANGSA DENGAN MANGSA YANG TERINFEKSI DI LINGKUNGAN TERCEMAR

PENYEBARAN PENYAKIT CAMPAK DI INDONESIA DENGAN MODEL SUSCEPTIBLE VACCINATED INFECTED RECOVERED (SVIR)

ANALISIS MODEL MATEMATIKA PENYEBARAN KOINFEKSI MALARIA-TIFUS

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

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

Transkripsi:

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 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: 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.

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:

11 Keterangan parameter yang ada pada model di atas: Λ = jumlah individu dalam populasi yang memasuki populasi rentan, yaitu semua individu berusia 15-64 tahun (orang), µ = laju kematian alami dari populasi (per satuan waktu), δ 1 δ 2 1 2 = 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:

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.

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 1. 3.4 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.