Malaria merupakan penyakit yang disebabkan oleh infeksi parasit dari genus Plasmodium, yang dapat menyerang manusia. Penyakit malaria menular melalui gigitan nyamuk, yang membunuh ribuan orang setiap tahunnya. Pada penelitian ini disajikan sebuah model dalam bentuk sistem persamaan diferensial biasa bagi penyebaran malaria pada populasi manusia dan nyamuk.
Pada model yang telah dirumuskan oleh Chitnis, populasi manusia dibagi menjadi empat subpopulasi, yaitu manusia rentan (susceptible), manusia terpapar (exposed), manusia terinfeksi (infected), dan manusia sembuh (recovered), sedangkan populasi nyamuk dibagi menjadi tiga subpopulasi, yaitu nyamuk rentan (susceptible), nyamuk terpapar (exposed), dan nyamuk terinfeksi (infected). Manusia rentan dapat terinfeksi saat digigit oleh nyamuk yang terinfeksi. Mereka kemudian berpindah ke kelas terpapar, infeksi, dan sembuh, sebelum kembali memasuki kelas rentan. Nyamuk rentan dapat terinfeksi ketika menggigit manusia terinfeksi atau manusia sembuh, dan mereka akan berpindah pada kelas terpapar dan terinfeksi. Model yang diusulkan dalam penelitian ini merupakan modifikasi dari model yang telah dirumuskan oleh Chitnis dengan menambahkan parameter laju pemulihan manusia dari subpopulasi terinfeksi ke subpopulasi rentan.
Model ini menunjukkan adanya endemik maupun tanpa penyakit di suatu daerah untuk nilai parameter tertentu. Hal ini dapat dilihat dari perhitungan titik tetap model. Perhitungan menunjukkan adanya dua titik tetap, yaitu titik tetap tanpa penyakit (disease-free equilibrium) yang terdiri dari sub-subpopulasi yang tidak mengandung parasit dalam tubuhnya dan titik tetap endemik (endemic equilibrium) yang terdiri dari sub-subpopulasi yang mengandung parasit dalam tubuhnya. Selanjutnya dilakukan analisis kestabilan pada titik tetap dengan mempertimbangkan bilangan reproduksi dasar (R_0). Bilangan reproduksi dasar merupakan nilai harapan banyaknya infeksi tiap satuan waktu. Bilangan ini menjadi tolok ukur penularan penyakit dalam populasi. Jika R_0 < 1, maka rata-rata setiap individu terinfeksi akan menginfeksi kurang dari satu individu baru, sehingga penyakit tidak akan menyebar. Jika R_0 > 1, maka rata-rata setiap individu terinfeksi akan menghasilkan lebih dari satu individu baru terinfeksi, sehingga penyakit akan menyebar.
Hasil analisis dan simulasi numerik menunjukkan bahwa jumlah tiap subpopulasi manusia dan nyamuk mencapai kondisi stabil di sekitar titik tetap tanpa penyakit pada kondisi R0<1,>1. Simulasi juga menunjukkan adanya kontribusi parameter laju pemulihan manusia dari subpopulasi terinfeksi ke subpopulasi rentan terhadap perubahan nilai bilangan reproduksi dasar. Jika laju pemulihan manusia ditingkatkan, maka R0 akan semakin kecil. Dengan demikian, peningkatan nilai parameter ini dapat membantu menekan laju penularan penyakit dalam populasi.
Ada banyak cara untuk menyelesaikan suatu sistem persamaan linear diantaranya dengan menggunakan metode langsung, misalnya Gauss dan variasi-variasinya dan metode iterasi, diantaranya Jacobi dan Gauss-Seidel. Metode iterasi Gauss-Seidel merupakan proses rekursi berulang untuk mendekati bilangan tidak diketahui. Sebagai titik awal pada proses rekursi tersebut diperlukan nilai awal dan biasanya X = 0. Pada proses selanjutnya nilai yang sudah diketahui tahap sebelumnya dipergunakan untuk mencari nilai pada tahap berikutnya. Proses tersebut terus berulang hingga diperoleh nilai yang sesungguhnya atau berhenti jika toleransi kesalahan tertentu telah dicapai.
Ada banyak cara untuk menyelesaikan suatu sistem persamaan linear diantaranya dengan menggunakan metode langsung, misalnya Gauss dan variasi-variasinya dan metode iterasi, diantaranya Jacobi dan Gauss-Seidel. Metode iterasi Gauss-Seidel merupakan proses rekursi berulang untuk mendekati bilangan tidak diketahui. Sebagai titik awal pada proses rekursi tersebut diperlukan nilai awal dan biasanya X = 0. Pada proses selanjutnya nilai yang sudah diketahui tahap sebelumnya dipergunakan untuk mencari nilai pada tahap berikutnya. Proses tersebut terus berulang hingga diperoleh nilai yang sesungguhnya atau berhenti jika toleransi kesalahan tertentu telah dicapai.
Ukuran Pemusatan data
Ukuran Pemusatan data yaitu “suatu nilai tunggal yang mewakili suatu kumpulan data dan menunjukkan karakteristik dari data tersebut.”
Ukuran penyebaran data
Ukuran Penyebaran adalah “suatu ukuran untuk mengetahui seberapa jauh penyebaran data dari nilai rata-ratanya.”
Berikut ini merupakan tugas mata kuliah teori bilangan saat masih di Program Studi Pendidikan Matematika Universitas Nusa Cendana..
Semoga Bermanfaat..
Pendampingan Individu 2 Modul 1 PGP 10 Kab. Sukabumi Jawa BaratEldi Mardiansyah
Di dalamnya mencakup Presentasi tentang Pendampingan Individu 2 Pendidikan Guru Penggerak Aangkatan ke 10 Kab. Sukabumi Jawa Barat tahun 2024 yang bertemakan Visi dan Prakarsa Perubahan pada SMP Negeri 4 Ciemas. Penulis adalah seorang Calon Guru Penggerak bernama Eldi Mardiansyah, seorang guru bahasa Inggris kelahiran Bogor.
Laporan Pembina Pramuka SD dalam format doc dapat anda jadikan sebagai rujukan dalam membuat laporan. silakan download di sini https://unduhperangkatku.com/contoh-laporan-kegiatan-pramuka-format-word/
SOAL SBDP KELAS 3 SEMESTER GENAP TAHUN PELAJARAN 2023 2024
Mathematical modelling for malaria
1. MATHEMATICAL MODELLING
L I N K
Tujuan
Metode
Ngwa
Chitnis
Gabung
Hasil
Simpulan
Latar B
RESMAWAN G 551 11 0021
Komisi Pembimbing
Dr. Paian Sianturi
Dr. Ir. Endar H Nugrahani, MS
Bogor, 31 Juli 2013
3. MATHEMATICAL MODELLING
L I N K
Tujuan
Metode
Ngwa
Chitnis
Gabung
Hasil
Simpulan
Latar B
Sumber: Ditjen PP & PL
Latar Belakang
4. MATHEMATICAL MODELLING
L I N K
Tujuan
Metode
Ngwa
Chitnis
Gabung
Hasil
Simpulan
Latar B
Latar Belakang
1911
1957
2000 2005
R. Ross ⟹ Model Ross
MacDonald ⟹ Model Ross-MacDonald
Ngwa & Shu Chitnis
Model
5. MATHEMATICAL MODELLING
L I N K
Tujuan
Metode
Ngwa
Chitnis
Gabung
Hasil
Simpulan
Latar B
Tujuan
Menentukan titik tetap dan analisis
kestabilan pada model SEIRS-SEI
Melakukan simulasi terhadap model untuk
melihat dinamika populasi manusia dan
nyamuk pada kondisi tanpa penyakit
dan endemik
Menunjukkan kontribusi laju pemulihan
manusia dari subpopulasi terinfeksi ke
subpopulasi rentan terhadap laju
penyebaran penyakit
Merekonstruksi model matematika
penyakit malaria
6. MATHEMATICAL MODELLING
L I N K
Tujuan
Metode
Ngwa
Chitnis
Gabung
Hasil
Simpulan
Latar BMetode
Merekonstruksi Model Penyakit Malaria
Menentukan Titik Tetap
Bilangan Reproduksi Dasar
Analisis Kestabilan Titik Tetap
Simulasi Numerik
7. MATHEMATICAL MODELLING
L I N K
Tujuan
Metode
Ngwa
Chitnis
Gabung
Hasil
Simpulan
Latar B
SPD
Diagram Kompartmen SEIRS-SEI
Ngwa & Shu
2000
Keterangan :
Perpindahan Individu
Pengaruh
𝜓 𝑚
𝛿ℎ
𝑓ℎ(𝑁ℎ) 𝑓ℎ(𝑁ℎ)
𝑓𝑚(𝑁 𝑚)
𝛾ℎ
𝑓𝑚(𝑁 𝑚)
𝑓ℎ(𝑁ℎ)
Sh Eh Ih
Sm Em
𝑓ℎ(𝑁ℎ)
𝑣 𝑚
𝑓𝑚(𝑁 𝑚)
𝑣ℎ
𝜌ℎ
Rh
Im
𝜆ℎ
𝜆 𝑚
𝜓ℎ
𝜔ℎ
8. MATHEMATICAL MODELLING
L I N K
Tujuan
Metode
Ngwa
Chitnis
Gabung
Hasil
Simpulan
Latar B
SPD
Chitnis
2005Diagram Kompartmen SEIRS-SEI
Keterangan :
Perpindahan Individu
Pengaruh
Λℎ
𝜓 𝑚
𝛿ℎ
𝑓ℎ(𝑁ℎ) 𝑓ℎ(𝑁ℎ)
𝑓𝑚(𝑁 𝑚)
𝛾ℎ
𝑓𝑚(𝑁 𝑚)
𝑓ℎ(𝑁ℎ)
Sh Eh Ih
Sm Em
𝑓ℎ(𝑁ℎ)
𝑣 𝑚
𝑓𝑚(𝑁 𝑚)
𝑣ℎ
𝜌ℎ
Rh
Im
𝜆ℎ
𝜆 𝑚
𝜓ℎ
9. MATHEMATICAL MODELLING
L I N K
Tujuan
Metode
Ngwa
Chitnis
Gabung
Hasil
Simpulan
Latar B
Imigrasi
𝑰 𝒉 → 𝑺𝒉
Ngwa & Shu
?
Chitnis
10. MATHEMATICAL MODELLING
L I N K
Tujuan
Metode
Ngwa
Chitnis
Gabung
Hasil
Simpulan
Latar B
SPD
Diagram Kompartmen SEIRS-SEI
Keterangan :
Perpindahan Individu
Pengaruh
Λℎ
𝜓 𝑚
𝛿ℎ
𝑓ℎ(𝑁ℎ) 𝑓ℎ(𝑁ℎ)
𝑓𝑚(𝑁 𝑚)
𝛾ℎ
𝑓𝑚(𝑁 𝑚)
𝑓ℎ(𝑁ℎ)
Sh Eh Ih
Sm Em
𝑓ℎ(𝑁ℎ)
𝑣 𝑚
𝑓𝑚(𝑁 𝑚)
𝑣ℎ
𝜌ℎ
Rh
Im
𝜆ℎ
𝜆 𝑚
𝜓ℎ
𝜔ℎ
Gabungan
2013
15. MATHEMATICAL MODELLING
L I N K
Tujuan
Metode
Ngwa
Chitnis
Gabung
Hasil
Simpulan
Latar B
Hasil Penelitian
𝒙 𝑑𝑓𝑒 ( 𝑒ℎ, 𝑖ℎ, 𝑟ℎ, 𝑁ℎ, 𝑒 𝑚 , 𝑖 𝑚 , 𝑁 𝑚 ) = (0, 0, 0, 𝑁ℎ
∗
, 0, 0, 𝑁 𝑚
∗ )
𝑁ℎ
∗
=
( 𝜓ℎ − 𝜇1ℎ) + ( 𝜓ℎ − 𝜇1ℎ)2 + 4 𝜇2ℎΛℎ
2 𝜇2ℎ
𝑁 𝑚
∗ =
( 𝜓 𝑚 − 𝜇1𝑚)
𝜇2𝑚
Titik tetap tanpa penyakit
Titik Tetap
Titik tetap endemik
𝑥 𝑒𝑒 ( 𝑒ℎ, 𝑖ℎ, 𝑟ℎ, 𝑁ℎ, 𝑒 𝑚 , 𝑖 𝑚 , 𝑁 𝑚 ) = ( 𝑒ℎ
∗∗
, 𝑖ℎ
∗∗
, 𝑟ℎ
∗∗
, 𝑁ℎ
∗∗
, 𝑒 𝑚
∗∗
, 𝑖 𝑚
∗∗
, 𝑁 𝑚
∗∗)
16. MATHEMATICAL MODELLING
L I N K
Tujuan
Metode
Ngwa
Chitnis
Gabung
Hasil
Simpulan
Latar B
Hasil PenelitianBilangan Reproduksi Dasar
𝓡 𝟎 = 𝑲 𝒎𝒉 𝑲 𝒉𝒎
KET
𝑲 =
𝟎 𝑲 𝒉𝒎
𝑲 𝒎𝒉 𝟎
Diekman (1990)
Bilangan Reproduksi Dasar: Nilai eigen
Modulus Terbesar dari matriks K
(Driessche&Wathmough, 2005)
𝐾ℎ𝑚 = 𝛼ℎ𝑚. 𝑏 𝑚
∗
. 𝛽ℎ𝑚. 𝜃ℎ𝑚
𝐾 𝑚ℎ = 𝛼ℎ𝑚. 𝑏ℎ
∗
𝛽 𝑚ℎ. 𝜃 𝑚ℎ + 𝛽 𝑚ℎ. 𝜃 𝑚ℎ. 𝜁 𝑚ℎ
17. MATHEMATICAL MODELLING
L I N K
Tujuan
Metode
Ngwa
Chitnis
Gabung
Hasil
Simpulan
Latar B
Hasil PenelitianAnalisis Kestabilan Titik Tetap
Matriks Jacobi
𝑱 𝒙 𝒅𝒇𝒆
=
𝑱 𝟏𝟏 𝟎 𝟎 𝟎 𝟎 𝑱 𝟏𝟔 𝟎
𝑱 𝟐𝟏 𝑱 𝟐𝟐 𝟎 𝟎 𝟎 𝟎 𝟎
𝟎
𝟎
𝟎
𝟎
𝟎
𝑱 𝟑𝟐
𝑱 𝟒𝟐
𝑱 𝟓𝟐
𝟎
𝟎
𝑱 𝟑𝟑
𝟎
𝑱 𝟓𝟑
𝟎
𝟎
𝟎
𝑱 𝟒𝟒
𝟎
𝟎
𝟎
𝟎
𝟎
𝑱 𝟓𝟓
𝑱 𝟔𝟓
𝟎
𝟎
𝟎
𝟎
𝑱 𝟔𝟔
𝟎
𝟎
𝟎
𝟎
𝟎
𝑱 𝟕𝟕
SPD
𝒙 𝒅𝒇𝒆
Pelinearan
18. MATHEMATICAL MODELLING
L I N K
Tujuan
Metode
Ngwa
Chitnis
Gabung
Hasil
Simpulan
Latar B
Hasil PenelitianAnalisis Kestabilan Titik Tetap
Matriks Jacobi
Nilai Eigen
Stabil jika semua nilai eigen negatif
Tidak Stabil jika ada minimal 1 nilai eigen taknegatif
Kondisi Kestabilan
19. MATHEMATICAL MODELLING
L I N K
Tujuan
Metode
Ngwa
Chitnis
Gabung
Hasil
Simpulan
Latar B
Hasil Penelitian
𝓡 𝟎 < 𝟏
Simulasi Numerik
𝒙 𝒅𝒇𝒆 = 0, 0, 0, 583, 0, 0, 2425 Nilai Parameter
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
480
500
520
540
560
580
PopulasiManusia
Nh
Sh
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000
0
20
40
60
Waktu (Hari)
PopulasiManusia
Eh
Ih
Rh
20. MATHEMATICAL MODELLING
L I N K
Tujuan
Metode
Ngwa
Chitnis
Gabung
Hasil
Simpulan
Latar B
Hasil Penelitian
𝓡 𝟎 < 𝟏
Simulasi Numerik
𝒙 𝒅𝒇𝒆 = 0, 0, 0, 583, 0, 0, 2425
0 100 200 300 400 500 600 700 800 900 1000
2000
3000
4000
5000
PopulasiNyamuk
Nm
Sm
0 100 200 300 400 500 600 700 800 900 1000
0
20
40
60
80
100
Waktu (Hari)
PopulasiNyamuk
Em
Im
21. MATHEMATICAL MODELLING
L I N K
Tujuan
Metode
Ngwa
Chitnis
Gabung
Hasil
Simpulan
Latar B
Hasil Penelitian
𝓡 𝟎 > 𝟏
Simulasi Numerik
𝒙 𝒆𝒆 = 0.0085, 0.1516, 0.7435, 492, 0.1463, 0.1024, 4850
0 200 400 600 800 1000
0
200
400
600
PopulasiManusia
Nh
Sh
Eh
Ih
Rh
0 200 400 600 800 1000
0
1000
2000
3000
4000
5000
Waktu (Hari)
PopulasiNyamuk
Nm
Sm
Em
Im
22. MATHEMATICAL MODELLING
L I N K
Tujuan
Metode
Ngwa
Chitnis
Gabung
Hasil
Simpulan
Latar B
Hasil Penelitian
Parameter 𝝎 𝒉
Bilangan Reproduksi
Dasar
𝜔ℎ = 1.0 × 10−3 ℛ0 = 0.99
𝜔ℎ = 1.4 × 10−3 ℛ0 = 0.96
𝜔ℎ = 1.8 × 10−3 ℛ0 = 0.92
𝜔ℎ = 2.2 × 10−3 ℛ0 = 0.89
𝜔ℎ = 2.6 × 10−3 ℛ0 = 0.86
Pengaruh nilai 𝝎 𝒉 terhadap laju penyebaran penyakit
Simulasi Numerik
23. MATHEMATICAL MODELLING
L I N K
Tujuan
Metode
Ngwa
Chitnis
Gabung
Hasil
Simpulan
Latar B
Hasil Penelitian
Pengaruh nilai 𝝎 𝒉 terhadap laju penyebaran penyakit
Simulasi Numerik
0 50 100 150 200 250 300 350 400
0
20
40
60
Waktu (Hari)
ManusiaTerinfeksi
0 50 100 150 200 250 300 350 400
20
30
40
50
Waktu (Hari)
NyamukTerinfeksi
0 100 200 300 400
0
20
40
60
Waktu (Hari)
ManusiaTerinfeksi
omg=1.0e-3
omg=1.4e-3
omg=1.8e-3
omg=2.2e-3
omg=2.6e-3
0 100 200 300 400
20
30
40
50
Waktu (Hari)
NyamukTerinfeksi
omg=1.0e-3
omg=1.4e-3
omg=1.8e-3
omg=2.2e-3
omg=2.6e-3
0 100 200 300 400
0
20
40
60
Waktu (Hari)
ManusiaTerinfeksi
omg=1.0e-3
omg=1.4e-3
omg=1.8e-3
omg=2.2e-3
omg=2.6e-3
0 100 200 300 400
20
30
40
50
Waktu (Hari)
NyamukTerinfeksi
omg=1.0e-3
omg=1.4e-3
omg=1.8e-3
omg=2.2e-3
omg=2.6e-3
24. MATHEMATICAL MODELLING
L I N K
Tujuan
Metode
Ngwa
Chitnis
Gabung
Hasil
Simpulan
Latar B
Simpulan
Simulasi numerik menunjukkan bahwa jumlah tiap
subpopulasi manusia dan nyamuk mencapai kondisi stabil
di sekitar titik tetap tanpa penyakit pada kondisi 𝓡 𝟎 < 𝟏,
dan stabil di sekitar titik tetap endemik pada kondisi
𝓡 𝟎 > 𝟏.
25. MATHEMATICAL MODELLING
L I N K
Tujuan
Metode
Ngwa
Chitnis
Gabung
Hasil
Simpulan
Latar B
Simpulan
Simulasi juga menunjukkan adanya kontribusi parameter
laju pemulihan manusia dari subpopulasi terinfeksi ke
subpopulasi rentan (𝝎 𝒉) terhadap penurunan bilangan
reproduksi dasar (𝓡 𝟎). Jika laju pemulihan manusia
ditingkatkan, maka bilangan reproduksi dasar akan
semakin kecil. Dengan demikian, peningkatan nilai
parameter ini dapat membantu menekan laju penularan
penyakit dalam populasi.
27. MATHEMATICAL MODELLING
L I N K
Tujuan
Metode
Ngwa
Chitnis
Gabung
Hasil
Simpulan
Latar BHasil
Titik Tetap
Bilangan Reproduksi Dasar
Kestabilan Titik Tetap
Simulasi Numerik