IV HASIL DAN PEMBAHASAN

dokumen-dokumen yang mirip
BAB II LANDASAN TEORI

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

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

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

STRATEGI VAKSINASI KONTINU PADA MODEL EPIDEMIK SVIR TONAAS K W Y MARENTEK

BAB II LANDASAN TEORI

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

ANALISA MATEMATIS EFEK DARI STRATEGI VAKSINASI KONTINU TERHADAP PENYEBARAN PENYAKIT CAMPAK DENGAN MENGGUNAKAN MODEL EPIDEMIK SVIR

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

IV HASIL DAN PEMBAHASAN

BAB II LANDASAN TEORI

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

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

ANALISIS KESTABILAN MODEL MATEMATIKA IMMUNOTERAPI BCG PADA KANKER KANDUNG KEMIH

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

MODEL SEIR PENYAKIT CAMPAK DENGAN VAKSINASI DAN MIGRASI TUGAS AKHIR. Oleh : SITI RAHMA

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

Suatu sistem persamaan diferensial dinyatakan sebagai berikut : Misalkan suatu sistem persamaan diferensial (SPD) dinyatakan sebagai

Model Matematika SIV Untuk Penyebaran Virus Tungro Pada Tanaman Padi

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

DINAMIKA MODEL EPIDEMIK SVIR

BAB II TINJAUAN PUSTAKA

OLEH : IKHTISHOLIYAH DOSEN PEMBIMBING : Dr. subiono,m.sc

Analisis Kestabilan Model Veisv Penyebaran Virus Komputer Dengan Pertumbuhan Logistik

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

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

BAB I PENDAHULUAN Latar Belakang

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

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

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

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

Analisa Kualitatif pada Model Penyakit Parasitosis

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

Abstrak: Makalah ini bertujuan untuk mengkaji model SIR dari penyebaran

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

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

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

BAB II LANDASAN TEORI

ANALISIS STABILITAS PENYEBARAN VIRUS EBOLA PADA MANUSIA

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

Bab 3 MODEL DAN ANALISIS MATEMATIKA

BAB I PENDAHULUAN Latar Belakang

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

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

BAB 2 TINJAUAN PUSTAKA

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

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN Latar Belakang Masalah

BAB 2 TINJAUAN PUSTAKA

BAB II LANDASAN TEORI

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

BAB II KAJIAN TEORI. dinamik, sistem linear, sistem nonlinear, titik ekuilibrium, analisis kestabilan

Analisis Kestabilan Model MSEIR Penyebaran Penyakit Difteri Dengan Saturated Incidence Rate

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

BAB I PENDAHULUAN. disebut dengan sistem dinamik kontinu dan sistem dinamik yang. menggunakan waktu diskrit disebut dengan sistem dinamik diskrit.

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

Arisma Yuni Hardiningsih. Dra. Laksmi Prita Wardhani, M.Si. Jurusan Matematika. Surabaya

PEMODELAN MATEMATIKA DAN ANALISIS KESTABILAN MODEL PADA PENYEBARAN HIV-AIDS

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

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

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

III PEMODELAN. (Giesecke 1994)

BAB VII MATRIKS DAN SISTEM LINEAR TINGKAT SATU

Kesimpulan serta Masalah yang masih Terbuka

MODEL SEIR PENYAKIT CAMPAK DENGAN VAKSINASI DAN MIGRASI

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

ANALISIS KESTABILAN SISTEM GERAK PESAWAT TERBANG DENGAN MENGGUNAKAN METODE NILAI EIGEN DAN ROUTH - HURWITZ (*) ABSTRAK

MODEL EPIDEMIK SIR UNTUK PENYAKIT YANG MENULAR SECARA HORIZONTAL DAN VERTIKAL

ANALISIS KESTABILAN MODEL DINAMIKA PENYEBARAN PENYAKIT FLU BURUNG

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

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

ANALISIS TITIK EKUILIBRIUM MODEL EPIDEMI SIR DENGAN EFEK DEMOGRAFI

PENGARUH STRATEGI VAKSINASI KONTINU PADA MODEL EPIDEMIK SVIRS

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

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

Oleh : HASNAN NASRUN SUBCHAN, MAHMUD YUNUS

BAB III MODEL KAPLAN. 3.1 Model Kaplan

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

TUGAS AKHIR KAJIAN SKEMA BEDA HINGGA TAK-STANDAR DARI TIPE PREDICTOR-CORRECTOR UNTUK MODEL EPIDEMIK SIR

KESTABILAN TITIK EQUILIBRIUM MODEL SIR (SUSCEPTIBLE, INFECTED, RECOVERED) PENYAKIT FATAL DENGAN MIGRASI TUGAS AKHIR

ANALISIS KESTABILAN DAN PROSES MARKOV MODEL PENYEBARAN PENYAKIT EBOLA

PEMODELAN MATEMATIKA DAN ANALISIS STABILITAS DARI PENULARAN PENYAKIT GONORE

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

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

PEMODELAN MATEMATIKA DAN ANALISIS STABILITAS DARI PENYEBARAN PENYAKIT FLU BURUNG

TINJAUAN MATA KULIAH... Kegiatan Belajar 2: PD Variabel Terpisah dan PD Homogen Latihan Rangkuman Tes Formatif

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

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

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

BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan

ANALISIS MODEL MATEMATIKA PENYEBARAN KOINFEKSI MALARIA-TIFUS

ANALISIS KESTABILAN MODEL SEII T (SUSCEPTIBLE-EXPOSED-ILL- ILL WITH TREATMENT) PADA PENYAKIT DIABETES MELLITUS TUGAS AKHIR SKRIPSI

BAB IV PENGEMBANGAN MODEL KAPLAN

BAB V PERSAMAAN LINEAR TINGKAT TINGGI (HIGHER ORDER LINEAR EQUATIONS) Persamaan linear tingkat tinggi menarik untuk dibahas dengan 2 alasan :

Bab 15. Interaksi antar dua spesies (Model Kerjasama)

BAB II LANDASAN TEORI

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

Esai Kesehatan. Disusun Oleh: Prihantini /2015

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

Bab II Teori Pendukung

Transkripsi:

4. Penentuan Titik Tetap I HAIL DAN PEMBAHAAN Analisis titik tetap pada sistem persamaan diferensial sering digunakan untuk menentukan suatu solusi yang tidak berubah terhadap waktu (solusi konstan). Titik tetap dari persamaan diferensial (3.) akan diperoleh dengan d d di menentukan,, d d di, dan direduksi menjadi : d d di tidak bergantung pada persamaan I I I I I I sehingga akan diperoleh persamaan-persamaan di bawah ini : d d di d dan. Karena persamaan d, maka (3.) dapat (4.) I (4.) I I I I I dengan menyelesaikan seara bersamaan maka akan diperoleh dua titik tetap yaitu titik tetap bebas penyakit dan titik tetap endemik.. Titik tetap bebas penyakit E (,, I),,. Titik tetap endemik E (,, I ) dengan, I I I I dan I adalah akar positif dari g() I A I A I A dengan : A ( ) 3

A A ( ) ( ) ( ) ( )( )( ) ( ) 3 4. Analisis Kestabilan Misalkan pada persamaan (4.) dinotasikan sebagai berikut : f (,, I) I g(,, I) h(,, I) I I I I I (4.3) dengan melakukan pelinearan persamaan-persamaan di atas akan diperoleh matriks Jaobi sebagai berikut. J (,, I) f f f I g g g I h h h I I I I I 4.. Kestabilan Titik Tetap Bebas Penyakit berikut : Pelinearan pada titik tetap E akan menghasilkan matriks Jaobi sebagai J E sehingga akan diperoleh nilai eigen dengan menyelesaikan persamaan karakteristik det J E I. Persamaan karakteristik dari J E adalah : 3 ( ) 3 dengan

3 ( ) (4.4) yang selanjutnya disebut sebagai bilangan reproduksi dasar penyebaran penyakit pada strategi vaksinasi C. Perhatikan bahwa nilai eigen yang kesemuanya adalah bilangan real akan negatif jika. Jadi kestabilan di titik tetap bebas penyakit bergantung pada. Kondisi stabil yang dipenuhi ketika dimana disini merupakan bilangan reproduksi dasar individu yang terinfeksi seara langsung oleh individu lain yang sudah terinfeksi bila individu yang terinfeksi tersebut masuk kedalam populasi yang seluruhnya masih rentan. Kondisi stabil asimtotik ketika karena individu yang terinfeksi hanya akan menularkan kurang dari satu individu baru yang terinfeksi yang artinya penyakit akan menghilang dari populasi. ebaliknya, ketika merupakan kondisi yang tidak stabil karena penyakit dapat bertahan dan meningkat dalam populasi. 4.. Kestabilan Titik Tetap Endemik berikut : Pelinearan pada titik tetap E akan menghasilkan matriks Jaobi sebagai J E I I I I I I Jika semua nilai eigen yang diperoleh dari matriks Jaobi J E mempunyai bagian real negatif, maka solusi titik tetap endemik adalah stabil. Nilai eigen tersebut dapat ditentukan dengan menghitung det J E I dan akan diperoleh persamaan karakteristik J E yaitu :

4 3 a a a 3 (4.5) dengan a trae J E J J J J J J a I I 3 3 J J J3 J33 J3 J33 I I a3 det J E I Berdasarkan kriteria outh-hurwitz kondisi kestabilan sistem (3.) pada titik tetap endemik akan stabil jika dan hanya jika persamaan (4.5) memenuhi syarat-syarat berikut : a, a dan aa a 3. Perhatikan bahwa koefisien-koefisien pada persamaan (4.5) bernilai positif, berarti untuk memeriksa kestabilan titik tetap endemik ukup dibuktikan bahwa aa a 3. ehingga : aa a3 I I I I I I I I I I I berdasarkan kriteria outh-hurwits maka disimpulkan titik tetap endemik E adalah stabil asimtotik jika titik tetap endemik ini ada. Berikut ini akan ditunjukkan bahwa keberadaan titik tetap E akan dipengaruhi oleh yaitu akan ada jika. Nilai I adalah akar positif dari g() I A I A I A dengan A A A 3 ( ) ( ) ( ) ( ) ( )( )( ) ( ) 3 Karena maka persamaan g() I A I A I A dapat diubah menjadi 3

5 g( I) A I A I A ( ) dengan A 4 ( )( )( ). 4 Keberadaan titik tetap endemik yaitu E dimana I adalah akar real yang bernilai positif dari persamaan g( I) A I A I A ( ) terpenuhi jika. Jadi 4 titik tetap endemik E akan ada dan stabil jika. Tabel Kondisi Kestabilan Titik Tetap Kondisi E E tabil asimtotik Tidak ada Tidak stabil tabil asimtotik Tabel menunjukkan bahwa dinamika sistem pada strategi vaksinasi C adalah sepenuhnya ditentukan oleh bilangan reproduksi dasar. Ketika titik tetap bebas penyakit E akan stabil asimtotik yang berarti bahwa penyakit tidak akan menyebar dalam populasi atau dengan kata lain pada akhirnya penyakit akan hilang dari populasi. Ketika titik tetap endemik E akan stabil asimtotik yang berarti bahwa penyakit akan tetap ada dan menyebar dalam populasi. _. _. (t).... (t) I(t) _ (t) Gambar 3 Dinamika Populasi,, I dan dengan.5833< Pada Gambar 3 di atas, diberikan parameter.,.5,.5,.6 dan.6 dengan nilai awal ().3, ()., I ().3, () dan.8 yaitu 8% populasi rentan divaksinasi yang

6 menyebabkan.5833 terlihat bahwa kurva,, I dan akan menuju ke titik tetapnya yaitu (.,.555556,,.333333). Kurva I akan menuju nol dan stabil yang artinya bahwa pada akhirnya penyakit akan hilang dari populasi. Program untuk menampilkan Gambar 3 dapat dilihat pada lampiran 4. _. _. (t).... (t) I(t) _ (t) Gambar 4 Dinamika Populasi,, I dan dengan,787 edangkan pada gambar 4, dengan. yaitu % populasi rentan divaksinasi yang menyebabkan.787 kurva,, I dan akan menuju titik tetapnya yaitu (.8574,.3463,.,.67966). Kurva I akan stabil menuju. yang artinya bahwa penyakit akan tetap ada dalam populasi. Progam untuk menampilkan Gambar 4 dapat dilihat pada lampiran 5..6.5.4.3... 3 4 5 t Gambar 5 Dinamika Populasi I terhadap waktu dengan.5833

7 Pada Gambar 5, diberikan nilai awal yang berbeda yaitu I().3, I().4, I().5 dan I ().6 terlihat pada akhirnya kurva I yaitu populasi yang terinfeksi akan stabil menuju nol untuk t yang semakin besar sehingga nilai awal tidak berpengaruh jika berapapun nilai awalnya, pada akhirnya akan menuju nol. Program untuk menampilkan Gambar 5 dapat dilihat pada lampiran 6. 4.3 Efek Dari trategi aksinasi C Hasil analisis pada strategi vaksinasi C menunjukkan bahwa dinamika sistem sepenuhnya ditentukan oleh bilangan reproduksi dasar. ehingga efek dari vaksinasi bergantung pada bilangan reproduksi dasarnya. eara matematis diuraikan sifat-sifat bilangan reproduksi dasar strategi vaksinasi C sebagai berikut :. Ketika yang berarti tidak ada vaksinasi, maka akan tereduksi menjadi yang adalah bilangan reproduksi dasar model I.. Ketika, maka akan terdapat dua kasus, yaitu : i. Kasus yang berarti bahwa individu yang divaksinasi tidak akan terinfeksi maka bilangan reproduksi dasarnya menjadi dan untuk nilai yang semakin besar ( )( ) maka akan mendekati nol. ii. Kasus yang berarti bahwa individu yang divaksinasi masih memiliki kemungkinan untuk terinfeksi maka bilangan reproduksi dasarnya adalah sama dengan dan untuk nilai maka akan mendekati nilai ( )( ). yang semakin besar ehingga untuk menganalisa efek dari strategi vaksinasi C diasumsikan bahwa tanpa vaksinasi penyakit akan endemik atau tetap ada dalam populasi ( maka ).

8 Tabel Bilangan eproduksi Dasar Kasus lim ( )( ) lim Untuk mengamati efek dari strategi vaksinasi C ini perlu diimplementasikan kedalam suatu ontoh penyakit yang sesuai dengan model I dalam hal ini penyakit ampak. ehingga dilakukan simulasi komputer dengan bantuan perangkat lunak Mathematia 7. dengan nilai-nilai parameter yang diambil dari d Onofrio et al (7).. merupakan laju rekrutmen atau laju kematian alami manusia, yakni. L hidup. D 75 365.43/hari terinfeksi mendapatkan kekebalan..3653/hari, dimana L adalah angka harapan, D 7 hari adalah waktu rata-rata individu yang 3. Dimisalkan.5 maka diperoleh nilai.5/hari adalah waktu rata-rata individu yang rentan terinfeksi sebelum mengalami proses vaksinasi. 4.3. Kasus Dimisalkan individu yang divaksinasi tidak akan terinfeksi ( ) yang berarti bahwa efektivitas vaksin sangat tinggi. eara matematis akan sama dengan yang akan menuju ke nol untuk nilai yang semakin besar. Karena lim maka dapat disimpulkan bahwa penyakit bisa diberantas dengan

9 strategi C. Namun jika kemungkinan bagi penerima vaksin terinfeksi diabaikan, hal ini dapat menyebabkan over evaluating dari efek vaksinasi C..... Gambar 6 Bilangan eproduksi Dasar pada kasus Pada Gambar 6 terlihat bahwa akan stabil turun menuju ke nol seiring dengan membesarnya nilai. Jika maka akan diperoleh nilai kritis.83787 dan agar maka. Artinya dengan strategi vaksinasi C maka minimal.83787% populasi rentan harus divaksinasi setiap hari. Program untuk menampilkan Gambar 6 dapat dilihat pada lampiran 8. _. _. (t).... (t) I(t) _ (t) Gambar 7 Dinamika populasi,, I dan, pada kasus dan.973 Pada Gambar 7, ketika dilakukan strategi vaksinasi C dengan. atau.% populasi rentan divaksinasi yang divaksinasi setiap hari yang menyebabkan.973 terlihat bahwa kurva stabil naik menuju ke.8 dan kurva akan turun stabil dari nilai awal.3 menuju titik tetapnya.,

kurva turun stabil menuju nol begitu juga dengan kurva I. edangkan pada Gambar 8 ketika dengan strategi. atau.% populasi rentan yang divaksinasi setiap hari yang menyebabkan.877, akan berlaku hal yang sama dengan gambar 7. Program untuk menampilkan Gambar 7 dan Gambar 8 dapat dilihat pada lampiran 9 dan lampiran. _. _. (t).... (t) I(t) _ (t) Gambar 8 Dinamika populasi,, I dan, pada kasus dan.877 Pada Gambar 7 dan Gambar 8 terlihat bahwa terjadi over evaluating karena kemungkinan individu yang divaksinasi terinfeksi diabaikan yang berarti bahwa kondisi yang diperlukan untuk memberantas penyakit ( ) akan hilang, sehingga dengan strategi vaksinasi C ini maka penyakit akan bisa diberantas dengan strategi vaksinasi apapun atau nilai berapapun. 4.3. Kasus Dimisalkan individu yang divaksinasi bisa terinfeksi ( ), seara matematis adalah penurunan fungsi dari sehingga akan turun menuju untuk nilai yang semakin besar. Karena lim, ( )( ) maka kondisi yang diperlukan agar penyakit bisa diberantas haruslah. Jika, maka akan terdapat konstanta yang unik yaitu yang menyebabkan sehingga kondisi untuk memberantas penyakit haruslah.

ebaliknya jika maka yang mengakibatkan penyakit tidak bisa diberantas untuk setiap nilai. Kasus ketika dan Pada kasus ini diasumsikan.5.75 dan..4.......8.6.4....5..5. Gambar 9 Bilangan eproduksi Dasar pada kasus.4.......8.6.4....5..5. Gambar Bilangan eproduksi Dasar untuk memberantas penyakit pada kasus dengan. Pada Gambar 9 terlihat bahwa kurva akan stabil turun menuju ketika semakin besar artinya dengan strategi vaksinasi C ini adalah kondisi yang diperlukan untuk memberantas penyakit. Jika dimisalkan maka akan diperoleh nilai kritis.7638555 seperti yang terlihat pada Gambar

. ehingga haruslah minimal.7638555% dari populasi rentan harus divaksinasi setiap hari agar penyakit bisa diberantas. Program untuk menampilkan Gambar 9 dan Gambar dapat dilihat pada lampiran. Kasus ketika dan Pada kasus ini diasumsikan.5.55 dan..... Gambar Bilangan eproduksi Dasar untuk memberantas penyakit pada kasus dengan. Pada Gambar, ketika, terlihat bahwa nilai kritis agar penyakit bisa diberantas adalah.74946 yang berarti bahwa minimal.74946% populasi rentan harus divaksinasi setiap hari. Nilai kritis ini lebih keil dari nilai kritis ketika. Hal ini berarti bahwa ketika kemungkinan individu yang divaksinasi untuk terinfeksi lebih keil dari kemungkinan individu yang divaksinasi mendapatkan kekebalan yaitu dengan efektivitas vaksin yang tinggi akan melemahkan nilai kritis yang diperlukan untuk memberantas penyakit. Program untuk menampilkan Gambar dapat dilihat pada lampiran. Dari hasil simulasi pada penyakit ampak, didapatkan dua nilai kritis yaitu, ( ).7638555 dan ( ).74946 yang artinya bahwa minimal,7638555% populasi rentan harus divaksinasi setiap hari ketika atau,74946% populasi rentan harus

3 divaksinasi setiap hari ketika, terlihat bahwa ketika efektifitas vaksin semakin tinggi yang menyebabkan pengurangan nilai dan kenaikan nilai akan semakin melemahkan nilai kritis yang diperlukan untuk memberantas penyakit. Dari hasil analisis matematis dan simulasi didapatkan nilai parameter dan sangat mempengaruhi nilai, dimana adalah laju individu yang divaksinasi terinfeksi dan / adalah waktu rata-rata penerima vaksin mendapatkan kekebalan penuh, nilai kedua parameter ini ditentukan oleh efektifitas vaksin. Jika vaksin semakin efektif maka nilai akan semakin meningkat dan mengurangi nilai sehingga nilai akan semakin keil yang artinya melemahkan kondisi yang diperlukan untuk memberantas penyakit. aksinasi sangat membantu untuk mengendalikan penyebaran penyakit dengan dapat menurunkan bilangan reproduksi dasarnya dan mengurangi fraksi individu yang terinfeksi pada tahap endemik. Tapi ada kondisi yang diperlukan agar penyakit bisa diberantas. Jika kemungkinan bagi individu penerima vaksin untuk terinfeksi diabaikan, hal ini dapat menyebabkan over evaluating dari efek vaksinasi yang berarti bahwa kondisi yang diperlukan untuk memberantas penyakit akan hilang, sehingga penyakit akan bisa diberantas dengan strategi apapun atau nilai berapapun. Efektifitas strategi vaksinasi bergantung pada kemungkinan penerima vaksin untuk terinfeksi keil ( keil) atau waktu untuk mendapatkan kekebalan singkat ( besar). Jadi semakin tinggi efektifitas vaksin akan semakin melemahkan kondisi yang diperlukan untuk memberantas penyakit.