Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRACTCampak (morbili atau measles) adalah penyakit sangat menular yang disebabkan oleh virus dalam keluarga Paramyxovirus melalui kontak langsung dan udara. Di Indonesia, sejak tahun 2014 hingga Juli 2018, Kementerian Kesehatan mencatat terdapat 57.056 kasus terduga campak dan rubella (campak Jerman), dengan 8.964 kasus di antaranya merupakan kasus positif campak. Pada skripsi ini dibahas mengenai model matematis yang digunakan untuk menggambarkan perilaku dari data insiden lapangan penyakit campak di DKI Jakarta. Pada model tersebut, estimasi parameter laju penularan penyakit campak dilakukan agar parameter dapat menggambarkan data insiden lapangan penyakit campak di DKI Jakarta. Pendekatan yang digunakan dalam estimasi parameter adalah teori kontrol optimal dengan metode langsung yang meminimumkan selisih antara hasil I simulasi dan I data insiden penyakit campak di DKI Jakarta. Simulasi dilakukan untuk membahas skenario yang mungkin dapat menghasilkan estimasi parameter β terbaik. Hasil simulasi numerik menunjukkan bahwa hasil estimasi parameter terbaik diperoleh jika menggunakan dengan 1 sebagai koefisien pemberat pada selisih antara hasil simulasi I dan data I. Hasil simulasi numerik juga menunjukkan bahwa hasil estimasi parameter hanya baik digunakan untuk menghampiri satu periode kejadian penyakit campak, tetapi kurang baik dalam memprediksi kejadian campak di masa mendatang.

---

ABSTRACTMeasles is a highly contagious disease caused by a virus in the Paramyxovirus family through direct contact and air. In Indonesia, from 2014 to July 2018, Ministry of Health noted 57,056 cases of suspected measles and rubella, with 8,964 cases were positive cases of measles. In this thesis, a mathematical model explaining the behavior of incident data of measles in DKI Jakarta, is discussed. On the model, parameter of the rate of transmission of measles ( ) is estimated so the parameter could describe the behavior from incident data of measles in DKI Jakarta. The approach used is the optimal control theory with the direct method which minimizes the difference between the simulation results and the incident data in DKI Jakarta. Simulations are carried out to disscus which scenario that can provide the best parameter estimation. The numerical simulation results indicate that the estimated parameter is best generated if with 1 as the weight coefficient on the difference between the results of the I simulation and I data. Numerical simulation results also show that the results of parameter estimation are only good for approaching a period of measles incidence, but not good at predicting the incidence of measles in the future."

"Model pertumbuhan populasi dalam persamaan diferensial parsial (PDP) menggambarkan evolusi jumlah populasi dalam spasial dan waktu. Dalam penerapannya, telah diaplikasikan model PDP dalam ilmu matematika biologi yang disebut Model Diffusive Malthus dan Model Fisher-Kolmogorov.  Pada skripsi ini, model tersebut dikaji kembali dan dimodifikasi menjadi Model Modifikasi Fisher-Kolmogorov, di mana termasuk ke dalam persamaan reaksi-difusi yang dibentuk dari persamaan difusi dan persamaan logistik dengan melibatkan efek perburuan sebagai suku reaksinya. Kedua suku tersebut dan masing-masing parameter di dalamnya memiliki peranan penting karena digunakan untuk mempelajari perilaku solusi, baik secara analitik maupun numerik. Analisis numerik serta simulasinya untuk solusi model ini dikerjakan menggunakan metode beda hingga eksplisit berdasarkan kondisi nilai awal.

---

Population growth model on partial differential equation (PDE) describes the evolution of the number of population in spatial and time. In this application, there has been applied the PDE model in mathematical biology that is called Diffusive Malthus Model and Fisher-Kolmogorov Model. In this thesis, those model are reviewed and modified becoming Fisher-Kolmogorov Modified Model, where is classified as reaction-diffusion equation which is formed from diffusion equation and logistic equation with involving harvest effect as a reaction term. Both of those terms and each of the parameters on it have important roles that study the solution trajectories, both analytical and numerical. Numerical analysis and its simulation for this model solution are worked using explicit finite difference based on initial conditions."

"Demam Berdarah Dengue (DBD) masih menjadi masalah kesehatan yang utama di Indonesia.  Berdasarkan data dari Kemenkes RI, pada tahun 2022 jumlah insiden DBD dicatat sebanyak 131.265 yang mana sekitar 40% adalah anak-anak usia 0 sampai 14 tahun dengan jumlah kasus kematian mencapai 1.135 jiwa dengan 73% terjadi pada anak-anak usia 0 sampai 14 tahun. DBD disebabkan oleh virus dengue yang disebarkan melalui gigitan nyamuk Aedes aegypti  dan Aedes albopictus.. Selain faktor kebersihan lingkungan dan kebiasaan masyarakat, tingginya insiden DBD di Indonesia juga dipengaruhi oleh beberapa faktor iklim seperti curah hujan, temperatur, dan kelembapan. Memaksimalkan proses pencegahan DBD oleh pemerintah dan masyarakat dapat menekan tingginya kasus DBD di Indonesia. Salah satu cara untuk memaksimalkan proses pencegahan DBD adalah dengan melakukan prediksi jumlah insiden DBD yang akan terjadi kedepannya. Dengan mengetahui hasil prediksi jumlah insiden DBD, diharapkan masyarakat dan pemerintah dapat memaksimalkan proses pencegahan DBD. Pada tugas akhir ini, dilakukan prediksi jumlah insiden DBD menggunakan convolutional neural network dan extreme gradient boosting, dengan jumlah insiden sebelumnya dan faktor cuaca sebelumnya yang terdiri dari temperatur, curah hujan, dan kelembapan relatif sebagai variabel prediktor. Variabel prediktor yang digunakan ditentukan berdasarkan time lag dari masing-masing variabel prediktor terhadap jumlah insiden DBD menggunakan korelasi silang. Model convolutinal neural network dan extreme gradient boosting yang dibentuk dievaluasi dan dibandingkan berdasarkan nilai Root Mean Square Error (RMSE), Mean Absolute Error (MAE), dan waktu simulasi. Pada tugas akhir ini, convolutional neural network memberikan performa yang lebih baik dibandingkan dengan extreme gradient boosting berdasarkan nilai RMSE dan MAE dengan rata-rata 13,3586 untuk RMSE dan 9,2249 untuk MAE. Berdasarkan waktu simulasi, extreme gradient boosting memberikan performa yang lebih cepat dibandingkan convolutional neural network.

---

Dengue Hemorrhagic Fever (DHF) remains a major health problem in Indonesia. Based on data from the Ministry of Health of Indonesia, in 2022, the number of DHF incidents recorded was 131,265, of which approximately 40% were children aged 0 to 14 years, with a total of 1,135 deaths, 73% of which occurred in children aged 0 to 14 years. DHF is caused by the dengue virus, which is transmitted through the bites of Aedes aegypti and Aedes albopictus mosquitoes. In addition to environmental cleanliness and societal habits, the high incidence of DHF in Indonesia is also influenced by several climate factors such as rainfall, temperature, and humidity. Maximizing the DHF prevention process by the government and the community can help reduce the number of DHF cases in Indonesia. One way to maximize the DHF prevention process is by predicting the future number of DHF incidents. By knowing the predicted number of DHF incidents, it is hoped that the community and the government can maximize the DHF prevention process. In this final project, the prediction of the number of DHF incidents is carried out using convolutional neural network and extreme gradient boosting, with the previous incident counts and previous weather factors consisting of temperature, rainfall, and relative humidity as predictor variables. The predictor variables used are determined based on the time lag of each predictor variable on the number of DHF incidents using cross-correlation. In this final project, the convolutional neural network outperforms extreme gradient boosting based on the RMSE and MAE values, with an average of 13.3586 for RMSE and 9.2249 for MAE. However, in terms of simulation time, extreme gradient boosting demonstrates faster performance compared to the convolutional neural network."

"ABSTRAKPada skripsi ini dibahas model Susceptible Infected Susceptible (SIS) dengan mempertimbangkan tingkat kepedulian manusia terhadap bahaya penyakit menular. Diasumsikan bahwa total populasi bersifat konstan dan dapat dibagi berdasarkan status kesehatannya, yaitu kelompok individu rentan yang tidak peduli terhadap penyakit, kelompok individu rentan yang peduli terhadap penyakit, dan kelompok individu terinfeksi. Selanjutnya, diasumsikan pula bahwa kepedulian terhadap penyakit dapat terbentuk karena adanya interaksi antara individu yang peduli dengan tidak peduli. Banyaknya pelaporan kasus infeksi dan kampanye reguler tentang bahaya penyakit menular diasumsikan juga dapat meningkatkan kepedulian masyarakat. Model dibentuk dengan pendekatan sistem persamaaan diferensial biasa nolinier berdimensi empat. Analisa terkait eksistensi titik keseimbangan bebas penyakit dan endemik serta keberadaan basic reproduction number (R0) sebagai indikator keendemikan suatu penyakit pada model diperoleh secara analitik dan numerik. Disimpulkan bahwa titik keseimbangan bebas penyakit bersifat stabil jika R0 < 1,dan tidak stabil jika R0 > 1. Dari kajian analisis sensitivas R0, ditemukan bahwa terdapat intensitas paling minimum untuk suatu kampanye agar level kepedulian manusia terhadap penyakit yang diwujudkan dalam upaya individu untuk melindungi dirinya dari penyakit berhasil mengurangi penyakit dari komunitas. Hal ini menunjukkan upaya individu dalam melindungi diri, dapat memberikan efek secara masiv pada eksistensi penyakit dikomunitas. Beberapa simulasi numerik ditunjukkan pada skripsi ini untuk memberikan interpretasi visual yang lebih komprehensif terhadap hasil kajian model.

---

ABSTRACT

In this thesis discussed the mathematical model Susceptible-Infected-Susceptible (SIS) by considering the level of disease awareness. The dynamical behaviour of the model is analyzed. It is assumed that the recruitment rate of the population is constant, and we divided the population based on their health status into susceptible unaware and aware of the disease, and infectious. The level of awareness includes private awareness associated with direct contacts between unaware and aware populations, global awareness due to reported cases of infection and regular awareness campaign. The disease-free, endemic equilibria and basic reproduction number are shown in this model analytically and numerically. It was concluded that the disease-free equilibrium point would be stable if R0<1 , and unstable if R0>1. From the sensitivity of R0 analysis study, it was found that there is the minimum intensity for the awareness campaign so that the level of awareness manifested in the efforts of individuals to protect themselves from disease successfully eradicate the disease from the community. So, it means the efforts of individuals in protecting themselves, can have a massive effect on the existence of the disease in the community. Some numerical simulations are also included in this thesis to provide a more comprehensive visual interpretation of the results of the model study."