Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKInfluenza merupkan penyakit yang disebabkan oleh virus bernama virus Influenza. Penyakit Influenza menyerang bagian pernapasan dan menyebar melalui udara. Model penyebaran penyakit Influenza dibahas dalam tugas akhir ini. Model penyebaran penyakit Influenza melibatkan mobilitas individu dari satu kota pusat ke satu kota satelit serta satu kota pusat ke dua kota satelit dan sebaliknya. Terdapat berbagai intervensi untuk mencegah tidak terserang penyakit Influenza, namun intervensi yang paling efektif adalah dengan mendapatkan intervensi vaksinasi. Dari model ini diperoleh nilai bilangan reproduksi dasar yang menjadi faktor untuk penyakit ini dikatakan endemik atau tidak dalam suatu populasi. Melalui kajian sensitivitas bilangan reproduksi dasar dan simulasi numerik, dapat diperoleh hasil bahwa mobilitas manusia dan keheterogenan spasial dapat mempengaruhi penyebaran penyakit Influenza serta penggunaan intervensi vaksinasi merupakan intervensi yang paling efektif dan signifikan dalam mengurangi penyebaran penyakit Influenza.

---

ABSTRACTInfluenza is a disease caused by virus called Influenza virus. Influenza attacks the respiratory part and spreads through the air. Mathematical model of Influenza will be discussed in this undergraduate thesis. This model involves the mobility of individuals from one central city to one satellite city also one central city to two satellite city and the otherwise. There are many interventions to prevent Influenza, but the most effective intervention is to get Influenza vaccination. From this model, basic reproduction number will be obtained as the main value factor whether the disease will become epidemic in a population or not. According to the sensitivity analysis of and numerical anaylisis results how human mobility and spatial heterogenity can affect the spread of Inflenza Disease, and so the intervention of vaccination is the most effective and significant intervention when reducing the spread of Influenza."

"Model matematika penyebaran dan penanggulangan penyakit flu dengan pendekatan persamaan diferensial stokastik (PDS) yang dibangun dari model deterministik epidemi SIS dibahas dalam skripsi ini. Model PDS dikonstruksi dengan cara menambahkan gangguan pada parameter laju kontak sukses infeksi. Selanjutnya, kajian analitik untuk memperoleh ambang batas stokastik 0 dilakukan dan dikaitkan dengan kondisi kepunahan dan kebertahanan dari banyaknya individu terinfeksi I(t). Jika 0 B 1 maka penyakit akan punah dari populasi dengan probabilitas satu, dan sebaliknya, penyakit akan bertahan jika 0 > 1. Dari hasil ini 0 pada model PDS dapat dikatakan memiliki peran yang sama dengan R0 pada model deterministik. Simulasi dilakukan untuk mendukung teori-teori yang telah dibahas.

---

Mathematical model for influenza spread and prevention from stochastic differential equation (SDE) approach extended from SIS epidemic deterministic model is discussed in this skripsi. The SDE model was constructed by introducing a random perturbation in successful contact rate parameter. Furthermore, analytical study to obtain stochastic threshold parameter 0 was determined and the parameter was linked to extinction and persistence conditions for infected individual I(t). If 0 B 1, the disease dies out from population with probability one, otherwise the disease persists if 0 > 1. Based on these result,0 in SDE model has similar role to R0 in the deterministic model. Numerical simulations were generated to support the corresponding theories."

"ABSTRAKBanyak model matematika yang telah menunjukkan bahwa bilangan reproduksi dasar R0 adalah hal terpenting dalam model matematika penyakit menular. Perhitungan ini menentukan keadaan dan stabilitas lokal terkadang stabilitas global dari model. Namun, tidak selalu mudah untuk menentukan nilai bilangan reproduksi dasar dari model penyakit multi grup, terutama model matematika penyebaran penyakit demam berdarah dengue karena kompleksitas yang ada. Dalam skripsi ini, akan dijelaskan konstruksi dari bilangan reproduksi dasar menggunakan metode Matriks Generasi Selanjutnya dimana setiap populasi mengandung tiga kompartemen manusia dan dua kompartemen nyamuk."

---

""ABSTRACT"Many mathematical model have been shown that the basic reproduction number R0 is the most important quantity in infectious disease mathematical models. This quantity determine the existence and local stability sometimes the global stability of those models. Unfortunately, it is not always easy to determine the basic reproduction number of a multi group disease model, especially for dengue model because of the complexity. In this talk, the construction of the basic reproduction number using Next Generation Matrix method will be discussed. The connection between population will be described as a star graph connection where each group of population is consist of 3 compartments of human and 2 compartments of mosquitoes. "

"ABSTRAKInfluenza merupakan penyakit menular yang dapat mengancam nyawa kelompok orang dengan resiko tinggi terkena komplikasi. Karena vaksin merupakan cara ampuh mencegah suatu penyakit termasuk influenza, maka pada skripsi ini dibahas model SVIRS yang merupakan model penyebaran penyakit influenza yang mempertimbangkan vaksinasi dan penjagaan jarak sosial. Populasi manusia dibagi menjadi empat subpopulasi, yaitu manusia rentan terhadap penyakit influenza, manusia yang telah diberi vaksin influenza, manusia terinfeksi influenza, serta manusia yang sembuh dari influenza. Subpopulasi manusia yang telah diberi vaksin dan manusia yang sembuh dari influenza diasumsikan dapat kembali rentan karena efektivitas vaksin tidak sempurna. Karena kami berasumsi bahwa daya tahan tubuh tidak bertahan untuk waktu yang panjang, maka ada kemungkinan individu yang sembuh dapat terinfeksi kembali. Kajian analitik mengenai proses nondimensionalisasi, eksistensi dan kestabilan titik keseimbangan juga dilakukan terhadap model. Berdasarkan kajian analitik yang dilakukan, (R0) dapat menjadi penentu strategi terbaik untuk mencegah penyebaran influenza pada populasi. Terakhir, beberapa simulasi numerik dilakukan untuk beberapa skenario vaksinasi dan strategi penjagaan jarak sosial.

---

ABSTRACTInfluenza is an infectious disease that can threaten the lives of a group of people at high risk of complications. Since vaccines are a powerful way of preventing disease including influenza, then this research discusses the SVIRS model which is a model of the spread of influenza disease which consider vaccination and social distancing. The human population is divided into four subpopulations, namely humans susceptible to influenza, humans who have been given influenza vaccines, humans infected with influenza, and humans who recover from influenza. Subpopulations of people who have been given the vaccine are assumed can be infected by influenza because of the imperfect vaccine effectiveness. Since we assume that the immunity is not for long-life, then there is a possibility that recovered individual may get re-infected. Analytical studies of the nondimensionalization process, the existence and stability of the equilibrium points are carried out on the model. Based on the analytical studies, (R0) give an insight to determine the best strategies to prevent the spread of influenza among the population. At last, some numerical simulations were carried out using for several scenarios of vaccination and social distancing strategy."

"Model epidemik SIS (Susceptible Infected Susceptible) diaplikasikan dalam pembuatan model matematis penyebaran penyakit flu dengan intervensi masker kesehatan dan obat pada populasi manusia yang totalnya diasumsikan konstan. Model penyebaran penyakit flu dibuat dengan pendekatan deterministik dan stokastik. Model deterministik dibentuk dengan menggunakan persamaan diferensial biasa berdasarkan banyaknya orang terinfeksi. Kajian analitik dan numerik mengenai titik ekuilibrium, basic reproduction number R0, serta kriteria terjadinya endemik yang bergantung pada beberapa parameter dibahas dalam skripsi ini. Dari kajian analitik, didapatkan bahwa titik ekuilibrium dalam model bergantung pada nilai R0. Model stokastik yang digunakan dalam skripsi ini adalah model Discrete Time Markov Chain (DTMC). Pada model DTMC, dikonstruksi probabilitas transisi dan limit distribusi dari banyaknya orang yang terinfeksi penyakit flu dengan asumsi banyaknya orang terinfeksi hanya dapat bertambah satu, berkurang satu atau tetap selama satu satuan waktu Δt (Δt ➝ 0). Dari kajian tentang limit distribusi, didapatkan bahwa probabilitas tidak ada orang terinfeksi adalah satu saat t ! 1. Probabilitas terjadinya outbreak dibahas dengan pendekatan gambler's ruin problem dan dapat disimpulkan bahwa nilainya bergantung pada basic reproduction number R0 dan banyaknya infeksi awal i0. Simulasi numerik untuk membandingkan dinamik jumlah orang terinfeksi pada model deterministik dan stokastik DTMC diberikan sebagai pendukung untuk interpretasi model.

---

Two mathematical models for influenza spread with medical mask and treatment intervention using SIS (Susceptible Infected Susceptible) Epidemic Model for constant total human population size is discussed in this undergraduate thesis. These influenza models was made with deterministic and stochastic approach. The deterministic model was constructed using ordinary differential equation based on the number of infected people. Analytic and numerical analyses used to explain equilibrium points, basic reproduction number R0, and endemic criteria which is depend on some parameter that can be explained further in this thesis. From analytic analyses, it can be obtained that the equilibrium point depends on R0 value. Stochastic model that used in this thesis is Discrete Time Markov Chain (DTMC). In DTMC model, transition probability and limiting distribution are constructed from number of infected people with assumption that the number of infected people might change by increasing one, decreasing one, or still in a time step Δt (Δt ➝ 0). From limiting distribution analyses, probability that there are no infected people at t ! 1is one. Approximation probability of an outbreak with gambler?s ruin problem is present and depend on basic reproduction number R0, number of initial infection i0. Some numerical simulation to compare between deterministic and DTMC approach is given to give a better interpretation and a better understanding about the model interpretation."

"ABSTRAKModel epidemik SIS (Susceptible Infected Susceptible) diaplikasikan dalampembuatan model matematis penyebaran penyakit influenza. Model penyebaranpenyakit flu dibuat dengan pendekatan stokastik. Model stokastik yang digunakandalam skripsi ini adalah model Continuous Time Markov Chain (CTMC). Padamodel CTMC, dikonstruksi probabilitas transisi, ekspektasi, dan limit distribusidari banyaknya individu yang terinfeksi penyakit flu dengan asumsi banyaknyaindividu terinfeksi hanya dapat bertambah satu, berkurang satu atau tetap dalaminterval waktu yang sangat pendek (
t 􀀀 0). Ekspektasi dari banyaknya individuyang terinfeksi flu tidak dapat diselesaikan secara langsung, tetapi dapat diketahuibahwa rata- rata pada model stokastik lebih kecil dibandingkan dengan solusideterministik. Dari kajian tentang limit distribusi, didapatkan bahwa probabilitastidak ada individu terinfeksi adalah satu saat t 􀀀 ª. Simulasi numerik padapenyebaran penyakit flu diberikan sebagai pendukung untuk interpretasi model

---

ABSTRACTMathematical model for the spread of influenza using SIS (Susceptible InfectedSusceptible) Epidemic Model for constant total human population size is discussedin this undergraduate thesis. These influenza model was made with stochasticapproach. Stochastic model that used in this thesis is Continuous Time MarkovChain (CTMC). Transition probability, expectation, and limiting distribution forthe number of infected people were constructed in CTMC with assumption that thenumber of infected people might change by increasing one, decreasing one, or stillin the time interval that tends to zero (
t 􀀀 0). The expectation for the number ofinfected people cannot be solved directly, but we will know that the mean of thestochastic SIS epidemic model is less than the deterministic solution. Fromlimiting distribution analyses, probability that there are no infected people att 􀀀 ª is one. Some numerical simulation for the spread of influenza is given togive a better interpretation and a better understanding about the modelinterpretation"

"Penyakit Influenza adalah salah satu penyakit ISPA yang mendapat perhatian karena dapat menimbulkan wabah. Di Indonesia positivity rate influenza mencapai 40,3%, dimana virus yang teridentifikasi adalah virus A (subtype H1N1Pdm09 dan AH3) dan virus B (subtype Victoria). Studi cross sectional dan analisis cox regression dengan estimasi nilai Prevalence Ratio (PR) dengan memanfaatkan data sekunder surveilans Influenza Like Illness di DKI Jakarta tahun 2021-2022. Hasil penelitian didapatkan prevalensi Influenza positif sebesar 27,8%. Hasil analisis multivariat menunjukkan usia <5 tahun dan ≥65 tahun berisiko 0,51 kali (p-value=0,006; 95% CI=0,31-0,82), kontak orang sakit berisiko 2,27 kali (p-value=<0,001; 95% CI=1,45-3,56), dan musim hujan memiliki PR 3,26 kali (p-value=<0,001; 95%CI=1,68–6,33) mengalami influenza A dan B dibandingkan dengan pasien yang tidak terkonfirmasi influenza A dan B. Musim hujan merupakan faktor dominan yang mempengaruhi Kejadian influenza A dan B di DKI Jakarta Tahun 2021-2022.

---

Influenza is one of the ARI diseases that receives concern because it can cause outbreaks. In Indonesia, the positivity rate of influenza reached 40.3%, where the identified viruses were virus A (subtypes H1N1Pdm09 and AH3) and virus B (subtype Victoria). Cross sectional study and cox regression analysis with estimation of Prevalence Ratio (PR) value by utilizing secondary data of Influenza Like Illness surveillance in DKI Jakarta in 2021-2022. The results showed that the prevalence of positive Influenza was 27.8%. The results of multivariate analysis showed that age <5 years and ≥65 years had a risk of 0.51 times (p-value=0.006; 95% CI=0.31-0.82), contact with patients had a risk of 2.27 times (p-value=0.001; 95% CI=1.45-3.56), and the rainy season had a PR of 3.26 times (p-value=0.001; 95% CI=1.45-3.56). 26 times (p-value=<0.001; 95% CI=1.68-6.33) to experience influenza A and B compared to patients who did not have confirmed influenza A and B. The rainy season is the dominant factor influencing the incidence of influenza A and B in DKI Jakarta in 2021-2022."

"Kemampuan virus Influenza A dalam menginfeksi manusia sangat bergantung pada receptor binding yang dimiliknya. Protein yang berfungsi sebagai receptor binding pada virus ini adalah haemagglutinin. Influenza A akan mampu menginfeksi manusia dan dapat menyebar antar manusia apabila protein haemagglutinin telah mengenali SA α-2,6 Gal sebagai receptor pada manusia. Virus Influenza A subtipe H5N1 telah ditemukan dapat menginfeksi manusia namun belum mampu menular antar manusia. Dari hasil analisis mutasi terhadap sekuan haemagglutinin didapatkan bahwa sekuen protein haemagglutinin pada virus H5N1 belum menyamai sekuan protein haemagglutinin pada virus Influenza A yang telah menjadi pandemik yaitu subtipe H1N1, H2N2, dan H3N2 sehingga belum mampu menyebar antar manusia. Sekuan utama yang mendukung penyebaran pada manusia adalah asam amino posisi 226 dan 228 pada protein Haemagglutinin. Pada saat virus menjadi pendemik maka asam amino posisi 226 telah berubah menjadi Leu dan pada posisi 228 telah berubah menjadi Ser. Sedangkan pada virus H5N1 masih berupa Gln pada posisi 226 dan Gly pada posisi 228 yang merupakan pengenal SA α-2,3 Gal receptor pada burung. Selain pada posisi tersebut perbedaan juga ditemukan pada posisi 251 dan posisi 258. Pada subtipe yang telah menjadi pandemik sekuen posisi 251 adalah Leu dan posisi 258 adalah Phe, sedangkan pada H5N1 Phe pada 251 dan Tyr pada 258. Dari hasil ini dapat diprediksi sekuen H5N1 yang dapat menjadi pandemik yaitu apabila telah terjadi perubahan pada sekuen posisi 226 dan 228 serta didukung dengan perubahan pada posisi 251 dan 258."

"Tesis ini membahas pengelompokan virus-virus influenza A. Virus influenza A adalah virus RNA yang berbahaya, karena memiliki kemampuan mutasi yang tinggi dan menyebabkan wabah di beberapa negara. Dengan kemajuan bioinformatika, virus-virus dapat dikelompokkan dengan menganalisis sekuens-sekuens protein dari virus-virus tersebut. Markov clustering (MCL) telah diaplikasikan dengan baik pada bioinformatika, seperti; mengelompokkan jaringan-jaringan antara protein yang satu dengan yang lain, jaringan kemiripan antar protein, dan penentuan keluarga protein. Tujuan penelitian ini adalah mengelompokkan virus-virus influenza A berdasarkan protein hemaglutinin (HA) menggunakan algoritma Markov clustering (MCL) dan program menggunakan perangkat lunak Octave berbasis open source. Simulasi program menggunakan tiga buah faktor penggelembungan yang berbeda, yaitu; r = 1.5, r = 2.0, dan r = 2.5. Pengelompokan virus-virus influenza A menghasilkan dua kelompok. Kelompok pertama dengan pusat kelompoknya A/duck/Jiangsu/115/2011(H4N2) dan kelompok kedua dengan pusat kelompoknya A/duck/Victoria/0305-2/2012 (H5N3). Struktur pengelompokan virus-virus influenza A berdasarkan sekuens protein hemaglutinin (HA) yang diperoleh dengan menggunakan algoritma Markov clustering (MCL) mempunyai kemiripan struktur dengan struktur pengelompokan protein hemaglutinin (HA), dengan demikian pengelompokan virus-virus influenza A dapat mengacu pada pengelompokan keluarga protein hemaglutinin (HA).

---

The focus of this study is the clustering of influenza A viruses. Influenza A virus is an RNA virus that is dangerous, because it has a high mutation capability and caused outbreaks in several countries. With the development of bioinformatics, the viruses can be clustered by analyzing the protein sequences of these viruses. Markov clustering (MCL) has been very well applied to bioinformatics, such as to cluster protein-protein interactions (PPI) networks, determine the similarity between the protein network, and determine the protein families.

The aim of this study is to cluster influenza A viruses based on hemagglutinin protein (HA) using Markov clustering (MCL) and programs using software Octave which based on open source. The simulation of program using three different inflation factors, ie; r = 1.5, r = 2.0 and r = 2.5.

Clustering of influenza A viruses resulted in two clusters. The center of the first cluster is A / duck / Jiangsu / 115/2011 (H4N2) and the center of the second cluster is A / duck / Victoria / 0305-2 / 2012 (H5N3). Clustering structure of influenza A viruses using Markov clustering (MCL) have the similar structure with clustering structure of the hemaglutinin protein (HA), thus clustering of influenza A viruses can refer to the clustering of hemagglutinin proteins (HA) families."

"Tujuan: Mengetahui proporsi kasus SARI yang disebabkan oleh virus infl uenza. Metode yang digunakan untuk mendeteksi keberadaan virus infl uenza adalah metode Reverse Transkriptase - Polymerase Chain Reaction (RT-PCR). Metode: Usap tenggorok yang diambil dari pasien yang memiliki simptom mengarah ke SARI di ekstrak untuk memperoleh RNA, kemudian diamplifi kasi menggunakan 5 pasang primer dan probe (infl uenza A, Infl uenza B, A/H1N1, A/H3N2 dan A/H5N1) dengan metode real-time RT-PCR. Hasil: Dari 549 sampel diketahui bahwa 6% pasien SARI disebabkan oleh virus Infl uenza, dan 4% disebabkan oleh virus Infl uenza A, 2% disebabkan oleh virus Infl uenza B. Virus infl uenza A yang paling banyak menyebabkan SARI adalah virus A/H3N2. Sedangkan 94% dari keseluruhan sampel SARI yang diterima menunjukan hasil negatif terhadap Infl uenza. Kesimpulan: Sebagian besar kasus SARI tidak disebabkan oleh virus infl uenza. Virus infl uenza A yang paling sering menyebabkan SARI adalah A/H3N2. Kondisi bahwa Kasus fl u burung A/H5N1 sudah pernah diidentifi kasi di Indonesia serta penyebaran virus baru infl uenza A/H1N1 pada tahun 2009 meningkatkan kembali pentingnya survelians SARI.

---

Aim: To access the proportion of Infl uenza which caused SARI cases Methods: From April 2008 until March 2009, 549 samples of nasal and throat swabs were collected from SARI patients from eight hospitals in eight provinces in Indonesia.

Methods: The samples were analyzed for Infl uenza by real-time RT-PCR method using several specifi c primers for infl uenza A (A/H1N1, A/H3N2 and A/H5N1) and Infl uenza B. The sequence of these primers was provided by CDC, Atlanta.

Results: We found 516 (94%) of the specimens testing results were not infl uenza A or B viruses. There was 21 (4%) cases caused by infl uenza A and 12 (2%) caused by infl uenza B. From the infl uenza A cases, one case of SARI was caused by A/H1N1, two cases were A/H5N1, 17 cases were A/H3N2 and one case was unsubtypeable Infl uenza A.

Conclusion: The majority of SARI cases were not caused by infl uenza viruses. From this surveillance the most common infl uenza A related to SARI is A/H3N2. Facts of the avian infl uenza virus A/H5N1 cases have been found in Indonesia and the spread of novel virus infl uenza A/H1N1 in 2009 raised our concern about the importance of SARI surveillance."