KODE : ST
LAPORAN AKHIR PENELITIAN
Pengelolaan dan Mitigasi Bencana
Pembuatan Model Transmisi dan Dinamika Persebaran Virus H5N1 Sebagai Sistem Manajemen Bencana Endemik Flu Burung di Kabupaten Semarang Provinsi Jawa Tengah Dengan Pedekatan Statistik Suprihadi, S.Si., M.Kom. Rudy Latuperissa, SE. M.Cs.
FAKULTAS TEKNOLOGI INFORMASI UNIERSITAS KRISTEN SATYA WACANA 2011
i
HALAMAN PENGESAHAN LAPORAN AKHIR 1. Judul Penelitian
: Pembuatan Model Transmisi dan Dinamika Persebaran Virus H5N1 Sebagai Sistem Manajemen Bencana Endemik Flu Burung di Kabupaten Semarang Provinsi Jawa Tengah Dengan Pedekatan Statistik
2. Ketua Peneliti a. Nama Lengkap : Suprihadi, S.Si., M.Kom. b. Jenis Kelamin : L aki‐laki c. NIP : 0163 d. Jabatan Fungsional : Asisten Ahli e. Jabatan Struktural : ‐ f. Bidang Keahlian : Pemrograman dan database g. Fakultas/Jurusan : FTI / Teknik Informatika h. Perguruan Tinggi : Universitas Kristen Satya Wacana i. Tim Peneliti : No. Nama Bidang Keahlian 1.
Rudy Latuperissa, SE. M.Cs.
Fakultas / Jurusan
Universitas
FTI/SI
UKSW
Sistem Informasi
3. Pendanaan dan jangka waktu penelitian a. Jangka waktu penelitian yang diusulkan b. Biaya total yang diusulkan c. Biaya yang disetujui tahun d. Sumber pendanaan UKSW e. Sumber pendanaan lain …. (sebutkan) Mengetahui, Dekan Fakultas/Ketua Pusat Studi Andeka Rocky Tanaamah, S.E.,M.Cs.
: 1 (satu) tahun : Rp. 11.950.000,‐ : Rp. 11.950.000,‐ : Rp. 11.950.000,‐ : ‐
Salatiga, 1 Juli 2011 Ketua Peneliti,
Suprihadi, S.SI., M.Kom. Menyetujui,
Ka. Biro Penelitian, Publikasi Dan Pengabdian Masyarakat
Universitas Kristen Satya Wacana Harry Jocom, M.Si ii
PERNYATAAN
Penelitian yang berikut ini : Judul
: Pembuatan Model Transmisi dan Dinamika Persebaran Virus H5N1 Sebagai Sistem Manajemen Bencana Endemik Flu Burung di Kabupaten Semarang Provinsi Jawa Tengah Dengan Pedekatan Statistik
Adalah benar hasil karya saya : Nama
: Suprihadi, S.Si., M.Kom
Nip
: 0163
Saya menyatakan tidak mengambil sebagian atau seluruhnya dari hasil karya orang lain kecuali sebagaimana yang tertulis pada daftar pustaka. Pernyataan ini dibuat dengan sebenar-benarnya sesuai dengan ketentuan yang berlaku dalam penulisan karya ilmiah. Salatiga, Juni 2011
Suprihadi, S.Si., M.Kom
iii
DAFTAR ISI
Halaman HALAMAN JUDUL………………………………………………………………….. i HALAMAN PENGESAHAN………………………………………………………… ii HALAMAN PERNYATAAN KEASLIAN…..……………………………………… iii DAFTAR ISI……….…………………………………………………………………..iv ABSTRAK……………………………………………………………………………. 1 BAB I.
PENDAHULUAN…..……………………………...………………..............1
BAB II. STUDI PUSTAKA DAN ROADMAP …………………………...…………4 BAB III. METODE PENELITIAN……………………………………………........... 9 BAB IV. HASIL, ANALISIS DAN PEMBAHASAN…..………………………...… 11 BAB V. KESIMPULAN…………………………………………………………...…15 UCAPAN TERIMA KASIH….………………………………………………............. 16 DAFTAR PUSTAKA…………………………………………………………............. 17 LAPORAN KEUANGAN ……………………………………………………............. 20
iv
ABSTRAK Penelitian ini bertujuan untuk mengembangkan model transmisi dan dinamika persebaran virus H5N1 dalam suatu sistem manajemen bencana wabah penyakit H5N1. Metode yang digunakan adalah model SIR (Suceptible Infectious Recovered). Model ini dibangun dalam tiga tahapan penelitian. Pertama pengurusan perijinan ke dinas kesehatan provinsi, dinas peternakan dan Bappeda. Kedua, penelitian data sekunder dan ketiga pengembangan model matematis. Hasil penelitian ini adalah model transmisi dan dinamika persebaran virus H5N1 dalam suatu populasi masyarakat. Hasil ini diharapkan dapat dimanfaatkan sebagai framework untuk sistem manajemen bencana wabah penyakit. Luaran penelitian berupa model matematis dan kebijakan strategis untuk pengembangan dimasa depan. Kata Kunci: SIR, model transmisi, dinamika persebaran, H5N1
BAB I. PENDAHULUAN Wabah avian influenza atau flu burung (yang disebabkan oleh virus subtipe H5N1) pertama kali terdeteksi pada unggas di Korea Selatan pada bulan Desember 2003. Virus ini secara bertahap terus berkembang dan menyerang burung peliharaan, burung liar dan burung yang bermigrasi serta hewan lain seperti babi, kucing dan harimau, dan terus menyebar ke negara-negara lain. Saat ini virus ini telah menyerang unggas di 12 negara, termasuk Indonesia. Hingga saat ini, tercatat 150 juta ayam yang mati atau dimusnahkan karena terserang flu burung. Virus flu burung terus terdeteksi di 6 negara, yaitu Vietnam, Indonesia, Thailand, Cina, Kamboja dan Laos. Sebenarnya virus flu burung tidak mudah menular kepada manusia. Tetapi hal ini bisa berubah karena terjadinya mutasi atau reassortment genetis (bercampurnya gen influenza pada hewan dan manusia) sehingga dalam perkembangannya penyakit flu burung tidak hanya menyerang unggas, tetapi juga menyerang manusia (zoonotik). Hingga 25 Agustus 2005, di seluruh dunia tercatat 112 kasus yang telah terkonfirmasi (confirmed case) pada manusia, 57 di antaranya meninggal.
1
Di Indonesia wabah flu burung yang menyerang pada hewan saat ini sangat serius, dan telah menyebar ke 23 propinsi, meliputi 151 kabupaten/kota. Penyebaran flu burung yang semakin meluas wilayahnya disebabkan oleh tidak terkontrolnya pergerakan unggas yang terinfeksi flu burung, produk hasil unggas dan limbahnya, tenaga kerja serta kendaraan pengangkut dari wilayah terinfeksi ke wilayah yang masih bebas, serta rendahnya kapasitas kelembagaan kesehatan hewan dan tenaga kesehatan hewan yang terlatih. Kemunculan penyakit flu burung mematikan pada ternak unggas di peternakan ayam ras pertama kali dilaporkan terjadi bulan Agustus 2003 di beberapa kabupaten di Jawa Tengah. Hasil pengujian laboratorium diagnostik kesehatan hewan ditemukan bahwa penyakit tersebut adalah akibat virus tetelo atau ND (Newcastle Disease) yang mematikan. Hingga bulan Oktober – November 2003, kasus penyakit tersebut telah meningkat dengan jumlah kematian tinggi dan menyebar ke lokasi lainnya yang kemudian diketahui sebagai flu burung. Penyakit tersebut selanjutnya menyerang juga pada peternakan perbibitan serta peternakan ayam petelur (layer) dan ayam pedaging (broiler). Jenis ternak unggas lainnya yang diserang adalah ayam kampung, itik, dan burung puyuh. Wilayah yang terjangkit flu burung pada tahun 2003 telah mencapai 9 propinsi yang meliputi 51 kabupaten dan jumlah ayam/unggas yang mati mencapai 4,7 juta ekor. Sampai dengan Desember 2004, jumlah kumulatif kasus kematian ternak unggas akibat flu burung mencapai lebih dari 8 juta ekor. Jumlah propinsi yang terjangkit kasus penyakit flu burung bertambah menjadi 16 propinsi, yang mencakup 100 kabupaten/kota. Paling banyak jumlah kematian ternak unggas akibat kasus penyakit flu burung ini dialami di propinsi Jawa Tengah, Jawa Barat, Jawa Timur, dan Lampung dengan jumlah kasus kematian unggas masingmasing mencapai lebih dari 1 juta ekor. Sampai dengan November 2005 wilayah penyebaran penyakit flu burung telah mencapai 23 propinsi yang meliputi 151 kabupaten/kota. Jumlah kematian unggas akibat serangan wabah flu burung sejak ditemukannya kasus kematian unggas akibat flu burung pada Agustus 2003 sampai dengan November 2005 telah mencapai 10,45 juta ekor dan sebagian besar yang terkena adalah peternakan rakyat. Proses serangan virus flu burung pada manusia perlu diwaspadai karena dapat berpotensi untuk menular antar manusia dan menyebabkan kematian. Kasus pertama pada manusia di Indonesia ditemukan pada bulan Juni 2005 adalah di Kabupaten Tangerang. Sampai dengan 12 Desember 2005 tercatat 14 confirmed case kasus flu burung pada manusia dan 9 diantaranya meninggal. Dari analisis kasus flu burung
2
pada manusia di Indonesia terlihat adanya kecenderungan menurunnya patogenisitas dan meningkatnya angka serangan (Suzzeta, 2005) Di Indonesia, penularan pada manusia telah dilaporkan sebanyak 241 kasus infeksi dan 141 diantaranya telah meninggal dunia sejak bulan Agustus 2006 (Asmara, 2007). Antara tahun 2006 sampai tahun 2008 Indonesia secara global merupakan negara yang paling parah terkena wabah virus H5N1 dengan jumlah kasus 137 dan jumlah penderita meninggal sebanyak 112 orang (Hasan, 2008). Kerugian jangka pendek pandemi flu burung di Indonesia diperkirakan sebesar Rp 14 – 48 triliun (Basuno, 2008). Di provinsi Jawa Tengah terdapat kabupaten dan kota yang memiliki risiko tinggi terhadap persebaran virus H5N1, yaitu Kabupaten Wonogiri, Sukoharjo, Karanganyar, Sragen, Surakarta, Boyolali, Klaten, Grobogan, Magelang, Tegal, Banyumas, Kota Semarang, Kabupaten Semarang, dan Rembang. Dalam bidang epidemiologi, diperlukan pemodelan pola persebaran penyakit H5N1 yang diidentifikasi melalui kontak fisik di sepanjang mobilitas individu antar lokasi spesifik. Secara kuantitas, individu yang telah terinfeksi dapat disimulasikan secara grafis menggunakan data sensus, data pola perubahan tata guna lahan dan data mobilitas penduduk.
Model matematis dan analisis statistik dalam
epidemiologi difokuskan untuk membuat prediksi faktor – faktor yang menjadi parameter terhadap transmisi penyakit dalam populasi (vektor maupun manusia)(Maiti, 2004). Model matematis persebaran penyakit yang memiliki validitas dan akurasi tinggi merupakan konsep dasar untuk memahami dampak penyakit dan menyusun strategi pengendaliannya. Dalam perumusan strategi pengendalian, model harus sudah memiliki parameter kunci seperti struktur sosiodemografi dalam populasi, konektivitas individu dalam populasi dan struktur geografi dimana populasi berada(Barthelemy, 2005). Pemodelan epidemiologi terdiri dari tiga kategori, pertama berbasis persamaan (model analisis), kedua berbasis agen (populasi direpresentasikan sebagai suatu sistem yang dapat berinteraksi) dan ketiga berbasis jaringan (interaksi sosial didasarkan pada teori jaringan)(Scvortsov, 2007). Pemodelan epidemiologi berbasis persamaan (model analisis) diawali dengan munculnya model SIR (Susceptible, Infectious, Recovered). Model ini digunakan untuk menentukan apakah seseorang dalam suatu populasi berada dalam fase rentan, terinfeksi atau penyembuhan/mortalitas. Model SIR digunakan untuk menghitung jumlah teoritis individu yang terinfeksi dan seberapa cepat terjadi penularan dalam suatu populasi yang tertutup(Teri, 2009). Pemodelan SIR dapat dilakukan menggunakan aplikasi komputasi seperti Matlab dan R. SIR telah diterapkan untuk menganalisis kejadian demam 3
berdarah dengue Kota Salatiga tahun 2000 – 2008 menggunakan Package Amei pada lingkungan pemrograman R (Yulianto dan Subanar, 2010). Penelitian tentang H5N1 yang pernah dilakukan adalah pembangunan model kontrol endemik H5N1 dengan tujuan untuk menentukan target vaksinasi dan model surveillans yang dikembangkan (Guan dkk, 2007).Penelian sejenis lain adalah analisis statistika model transmisi virus H5N1 dan menghasilkan pola spasial endemik serta potensi distribusi penyakit di wilayah sekitarnya (2008). Penelitian yang berjudul “ Pembuatan Model Transmisi dan Dinamika Persebaran Virus H5N1 Sebagai Sistem Manajemen Bencana Endemik Flu Burung di Kabupaten Semarang” ini bertujuan untuk merancang, membangun dan menerapkan model spasial statistik pola transmisi dan persebaran virus H5N1 serta mengembangkan sebagai perangkat penting dalam kebijakan manajemen bencana wabah penyakit.
BAB II. STUDI PUSTAKA DAN ROADMAP II.1. Pengembangan Metode Analisis menggunakan Suceptible Infectious Recovered (SIR) Terdapat berbagai type formulasi penyusun model (compartments), pemilihan penggunaan formulasi pembangun model berdasarkan pada karakteristik khusus penyakit yang akan dimodelkan dan tujuan pemodelan. Beberapa pola compartments yang sering digunakan adalah MSEIR, MSEIRS, SEIR, SEIRS, SIR, SIRS, SEI, SEIS, SI, and SIS (Hethcote, 2000). Pemodelan persebaran penyakit dalam suatu populasi tertentu, bersifat epidemis dan disebabkan oleh virus dimodelkan menggunakan Suceptible Infectious Recovered (SIR)(Galuzzo, 2008). SIR adalah klasifikasi populasi berdasarkan pada
derajad kerentanan terhadap penyakit dan
mekanisme proses transmisi peyakit pada manusia. Ada tiga klasifikasi, kelompok populasi yang potensial/beresiko tertular (Susceptible), kelompok populasi yang telah terinfeksi/penyebaran penyakit
(Infectious)
dan
kelompok
populasi
yang
telah
mengalami
penyembuhan
(Removed/Recovered) sebagai akibat mekanisme sistem imun, atau proses karantina atau mengalami kematian (Regoes, 2009) (Lekone dan Barbel, 2006). Kelompok populasi pada vektor nyamuk terdiri dari dua klasifikasi, yaitu kelompok populasi yang potensial/beresiko menular (Susceptible) dan kelompok populasi terinfeksi/penyebaran penyakit (Infectious). Beberapa asumsi dasar model SIR adalah sebagai berikut :
4
1. Populasi bersifat tertutup, tidak ada kelahiran, kematian dan migrasi yang terepresentasi dalam model. 2. Populasi bersifat homogen dan acak, probabilitas kontak antar dua individual tidak hanya ditentukan oleh dua individu tersebut, dengan demikian memiliki karakteristik kontak yang sama dengan individu lainnya. 3. Populasi/penduduk suatu daerah diinisialisasi sebagai N − m , adanya individu yang telah terinfeksi pada suatu populasi/penduduk yang potensial/beresiko tertular. 4. Proses penularan terjadi jika terjadi kontak antara kelompok individu yang potensial/beresiko menular (Susceptible) dan kelompok populasi terinfeksi/penyebaran penyakit (Infectious). 5. Kejadian kontak pada setiap individu dengan individu lainnya pada waktu tertentu dihitung sebagai proses Poisson dengan parameter
β N
yang mana β adalah rerata kontak
atau rerata terinfeksi pada suatu populasi/penduduk N . (Trapman, 2006)
Adapun keterhubungan antara compartments dalam dua kelompok populasi tersebut adalah sebagaimana pada Gambar 1.
5
λNT
bβvektor→manusiatinggi NT + m
Stinggi bβ vektor → manusiarendah NT + m
I vektor Srendah
μvSv
A
μtinggi
μI manusia tinggi
μtinggi
Sv
I v Stinggi
I tinggi
I rendah μI manusia rendah bβ manusiatinggi →vektor NT + m
bβmanusiarendah→vektor NT + m
I tinggi
Rtinggi
I rendah
μvIv
I manusia tinggi S vektor
Iv I manusiarendahSvektor
μv
μv
Gambar 1. Keterhubungan antara compartments kelompok populasi manusia dan vektor Variabel SIR dan SI bersifat dependen dan masing – masing memiliki variabel yang bersifat independen yaitu waktu t () . Artinya keseluruhan variabel tersebut berlangsung pada suatu satuan waktu tertentu. Aliran dari Susceptible menuju Infectious disebut sebagai fase Transmission( β ) sedangkan aliran dari Infectious menuju Recovered disebut fase Recovery( α ). Apabila populasi seluruh Salatiga dinyatakan sebagai N maka S/N = s, I/N = i dan R/N = r. Proses epidemis dapat dimodelkan sebagai berikut : ds = − β si dt di = β si − αi dt dr = αi dt
(persamaan 1)
yang mana β adalah rerata transmisi penyakit melalui rerata kontak, α adalah proses recovery, penyembuhan melalui imun, atau kematian yang tidak berpengaruh terhadap proses transmisi 6
penyakit. Sesuai dengan persamaan dasar pada persamaan 1 maka dinamika transmisi penyakit pada manusia dapat diuraikan sebagai berikut :
bβ vektor →manusiatinggi bβ vektor →manusiarendah dsmanusia = λN T − ( μ mausia + IV + IV ) smanusia dt NT + m NT + m ditinggi dt
=
bβ vektor →htinggi NT + m
IVektor smanusia − ( μ manusia + r ) I manusiatinggi
direndah bβ vektor →manusiarendah = I vektor smanusia − ( μ hmanusia + r ) I hrendah dt NT + m dr = r ( I manusiatinggi + I manusiarendah ) − μ hmanusia Rmanusia dt (persamaan 2)
Dinamika transmisi penyakit pada vektor dapat diuraikan sebagai berikut :
bβ manusiatinggi →vektor bβ manusiarendah →vektor ds manusia I tinggi + I manusiarendah ) s hmanusia = A − (μ v + dt NT + m NT + m bβ manusiarendah →vektor divektor bβ manusiatinggi →vektor = I tinggi + I manusiarendah ) s manusia − μ vektor I vektor dt NT + m NT + m (persamaan 3)
NT
adalah jumlah keseluruhan populasi manusia/penduduk suatu daerah
S tinggi
adalah jumlah populasi manusia/penduduk yang beresiko tinggi tertular (Susceptible)
I tinggi
adalah jumlah populasi manusia/penduduk yang terinfeksi endemis tinggi
I rendah
adalah jumlah populasi manusia/penduduk yang terinfeksi endemis rendah
Rtinggi
adalah jumlah populasi manusia/penduduk yang mengalami penyembuhan
bβ vektor→manusiatinggi adalah peluang terjadinya transmisi virus dari vektor ke manusia dalam 7
endemis tinggi bβ vektor → manusia rendah adalah peluang terjadinya transmisi virus dari vektor ke manusia dalam
endemis rendah
NT − m
adalah individu yang telah terinfeksi pada suatu populasi/penduduk yang potensial/beresiko tertular
μI manusiatinggi
peluang
terjadinya
kematian
sebagai
akibat
terinfeksi
pada
suatu
populasi/penduduk
μ tinggi
peluang terjadinya kematian pada masa penyembuhan
bβ manusiatinggi →vektor adalah peluang terjadinya transmisi virus dari manusia ke vektor dalam endemis tinggi bβ manusia rendah →vektor adalah peluang terjadinya transmisi virus dari manusia ke vektor dalam
endemis rendah
I manusia tinggi Svektor adalah peluang terjadinya infeksi pada manusia dalam endemis tinggi yang berasal dari vektor yang beresiko tinggi tertular. I manusia rendah S vektor adalah peluang terjadinya infeksi pada manusia dalam endemis rendah yang berasal dari vektor yang beresiko tinggi tertular. Sv
adalah jumlah populasi vektor yang beresiko menularkan penyakit (Susceptible)
Iv
adalah jumlah populasi vektor yang beresiko terinfeksi penyakit (Infected)
μv
peluang terjadinya kematian vektor
II.2. Roadmap Penelitian
8
BAB III. METODE PENELITIAN Proses penelitian dilakukan melalui tiga tahapan/langkah. Adapun kegiatan, metode dan hasil dari setiap langkah adalah sebagaimana pada Gambar 2. 9
Gambar 2.Tahapan pengembangan sistem peringatan dini langkah 1 - 3
Langkah ke 1 Langkah ke 1 adalah kegiatan pengurusan perijinan penelitian dilokasi penelitian yang meliputi : 1. Dinas Kesehatan Kabupaten Semarang. 2. Kesbangpolinmas Kabupaten semarang. 3. Dinas Peternakan Kabupaten semarang. 4. Bappeda Kabupaten Semarang.
Langkah ke 2 Langkah ke 2 adalah inventarisasi data primer dan sekunder. Metode yang digunakan adalah : 1. Inventarisasi data primer menggunakan wawancara dan kuosiner. Wawancara dilakukan pada kelompok masyarakat yang telah dinyatakan sembuh oleh rumah sakit dari suspect H5N1. Kuesioner diberikan pada kelompok masyarakat yang selama ini bekerja pada sektor peternakan unggas. 2. Diskusi kelompok terfokus (Focus Group Discussion). 3. Mengkaji data sekunder (Secondary Data Review) yang meliputi : a. Data Sosial dan Kependudukan b. Data klimatologi c. Data penyelidikan epidemiologi (PE) 10
Langkah ke 3 Langkah ke 3 terdiri atas beberapa kegiatan, yaitu : 1. Penetapan parameter kunci KLB dengan metode FGD dan SDR. Parameter kunci ditetapkan setelah dilakukan proses inventarisasi dan analisis data yang diperoleh dari langkah ke 2. Analisis data dilakukan untuk mengetahui sejauh mana keterhubungan antara parameter dengan kasus H5N1. 2. Penetapan metode analisis. Metode analisis yang digunakan dalam penelitian ini adalah sebagai beriku : a. Asosiasi antar parameter ditentukan menggunakan persamaan Moran’s dan Geary dan tool OpenGeoda. b. Pola transmisi penyakit ditentukan menggunakan Package Amei dalam lingkungan pemorgraman R.
BAB IV. HASIL, ANALISIS DAN PEMBAHASAN IV.1. HASIL Dari wawancara dan kuisioner, maupun FGD dan setelah melakukan pengkajian data dari instansi terkait didapatkan gambaran data sebagai berikut, dari data klimatologi didapatkan data curah hujan, temperature dan kelembaban yang terjadi sepanjang tahun 2001-2010 sebagaimana seperti grafik yang diperlihatkan pada Gambar 3.
11
Gambar 3. Data curah hujan, kelembaban, dan temperature sepanjang tahun 2001-2010
Dan dari data yang diperoleh dari dinas perternakan memperlihatkan data populasi dari unggas-unggas yang terdapat pada masing-masing kecamatan yang terdapat sejak tahun 20012010 seperti yang terlihat pada Gambar 4.
12
Gambar 4. Populasi unggas kabupaten Semarang dari 2001-2010
Sedangkan data yang diterima dari dinas kesehatan memberikan gambaran yang nyata mengenai jumlah unggas yang meninggal di masing-masing kecamatan dan jenis dari unggas yang meninggal. Data tersebut dapat dilihat pada grafik yang ada pada gambar 5.
30 26 25 20 16 12 12 15 1110 10 99 9 99 8 7 778 7 10 5 54 4 44 5 3 3 3 3 3 3 2 2 2 223 2 5 00 01 0 01 001 0 JANUARI FEBRUARI MARET APRIL MEI JUNI JULI AGUSTUS SEPTEMBER OKTOBER NOVEMBER DESEMBER JANUARI FEBRUARI MARET APRIL MEI JUNI JULI AGUSTUS SEPTEMBER OKTOBER NOVEMBER DESEMBER JANUARI FEBRUARI MARET APRIL MEI JUNI JULI AGUSTUS SEPTEMBER OKTOBER NOVEMBER DESEMBER JANUARI FEBRUARI MARET APRIL MEI JUNI JULI AGUSTUS SEPTEMBER OKTOBER NOVEMBER DESEMBER
JML KASUS
TABEL KASUS AI DI KABUPATEN SEMARANG
2007
2008
TAHUN
2009
2010
Gambar 5. Grafik kematian unggas dari tahun 2007 – 2010 di kabupaten Semarang
IV.2. ANALISIS DAN PEMBAHASAN Untuk membuat pemodelan SIR diperlukan data rerata transmisi virus(b), rerata penyembuhan (v),rerata kematian (µ) (dalam SIR dibuat asumsi nol) dan tingkat pencampuran populasi individu terinfeksi (k) [8]. Parameter biaya (cost) vaksinasi dihitung sebagai biaya vaksinasi tunggal dan perawatan individual. Dalam penelitian ini biaya vaksinasi diasumsikan nol (dengan pemikiran bahwa sebelum terjangkit, setiap individu belum mendapatkan vaksin dari Puskesmas setempat). Untuk melakukan simulasi jumlah populasi yang terjangkit, dan tingkat individu yang berada dalam Suspected, Infected dan Recovery dalam skala eksperimen maka digunakan fungsi Mcepi (Monte Carlo Epidemics). Parameter costs merupakan biaya untuk indikator vaksinasi, kematian dan terinfeksi. Pada penelitian ini diasumsikan tidak ada biaya yang dikeluarkan sehingga bernilai nol. Artinya jumlah yang divaksinasi, jumlah yang meninggal dan jumlah terinfeksi tidak ada biaya. 13
Untuk melakukan simulasi strategi jumlah biaya vaksinasi terendah digunakan fungsi optvac yang bekerja secara stokastik epidemis, dapat dilihat pada gambar 6.
Gambar 6. model SIR pada jumlah penderita infeksi flu burung kabupaten Semarang tahun 2000 – 2008 Pola distribusi posterior parameter SIR kejadian demam berdarah dengue Kota Salatiga dapat dianalisis melalui parameter rerata transmisi, parameter dispersi, rerata mortalitas dan rerata penyembuhan. Nilai setiap parameter digambarkan dengan titik, nilai tengah posterior digambarkan dengan nilai x dan wilayah distribusi posterior sebesar 95% digambarkan dengan arsir.
Gambar 7. Pola distribusi posterior parameter SIR kejadian flu burung pada kabupaten Semarang 2001 – 2009
14
Dan sebagai gambaran secara langsung dapat dilihat pada gambar peta dibawah ini, diambil tahun 2007 karena pada tahun itu tigkat kematian unggas sangat tinggi, dan curah hujan yang cukup rapat pada setiap harinya.
Gambar 8a. Pesebaran Penduduk pada tahun 2007
Gambar 8b. Pesebaran Penduduk dan kematian unggas tahun 2007
V. KESIMPULAN
Package
Amei
efektif
diterapkan
sebagai
tool
untuk pemodelan
optimasi
epidemiologi pada kejadian epidemis demam flu burung di kabupaten Semarang pada tahun 2000 sampai dengan 2008. Dengan tool ini dapat dilakukan analisis perbandingan pola penurunan jumlah individu yang berada dalam
Suspected Infected dan Recovery secara
lebih signifikan sebagai dampak proses vaksinasi. Pola distribusi posterior parameter SIR kejadian
flu burung di kabupaten Semarang dapat
dianalisis
melalui
parameter
rerata
transmisi, parameter dispersi, rerata mortalitas dan rerata penyembuhan. Nilai setiap parameter, nilai tengah posterior, dan wilayah distribusi posterior sebesar 95%.
15
UCAPAN TERIMA KASIH Puji dan syukur kepada Tuhan Yesus Kristus yang telah memberikan berkat dan rahmatNya, sehingga peneliti dapat menyelesaikan penelitian yang berjudul “Pembuatan Model Transmisi dan Dinamika Persebaran Virus H5N1 Sebagai Sistem Manajemen Bencana Endemik Flu Burung di Kabupaten Semarang Provinsi Jawa Tengah Dengan Pedekatan Statistik”. Pada kesempatan ini peneliti mengucapkan terima kasih yang sebesar‐besarnya kepada : 1. Prof. Pdt. John A. Titaley, Th.D, selaku Rektor Universitas Kristen Satya Wacana. 2. Bapak Bibit Waluyo, selaku Gubernur Jawa Tengah yang telah memberikan ijin penelitian di lokasi kabupaten Semarang. 3. Dr. Ferdy Rondonuwu, M.Sc., selaku Pembantu Rektor V Universitas Kristen Satya Wacana. 4. Harry Jocom, M.Si., selaku Kepala Biro Penelitian, Publikasi Dan Pengabdian Masyarakat Universitas Kristen Satya Wacana. 5. Andeka Rocky Tanaamah, SE., M.Cs. selaku Dekan Fakultas Teknologi Informasi Universitas Kristen Satya Wacana. 6. DR.rer.nat. A. Ign. Kristijanto, MS., selaku reviewer yang telah memberikan pengarahan penelitian ini. 7. Kepala Dinas Peternakan Kabupaten Semarang yang telah membantu memberi data dalam penelitian ini. 8. Pak Yul dan Pak Kristoko selaku peneliti senior yang juga selalu memberi pengarahan dan bimbingan dalam penelitian ini. 9. Teman‐teman staf pengajar pada Universitas Kristen Satya Wacana khususnya dosen Fakultas Teknologi Informasi, serta seluruh civitas akademika. 10. Istri dan anak‐anakku atas segala semangat dan dukungan yang diberikan kepada peneliti dalam menyelesaikan penelitian ini. 11. Semua pihak yang telah membantu peneliti dari awal hingga penyelesaian penelitian yang tidak dapat peneliti sebutkan satu persatu. Peneliti menyadari bahwa dalam penulisan laporan akhir penelitian ini masih terdapat banyak kekurangan, baik dalam segi teknik penyajian penulisan, maupun materi penulisan. sehingga merupakan suatu kehormatan bila peneliti menerima kritik dan saran untuk peningkatan kualitas penelitian ini. Salatiga, 28 Juni 2011 Peneliti
16
DAFTAR PUSTAKA Soetaert Karline dan Thomas Petzoldt, 2010, Inverse Modelling, Sensitivity and Monte Carlo Analysis in R Using Package FME, Netherlands Institute of Ecology. Netherland cran.r‐ Project.org/web/packages/FME/ vignettes/FMEother.pdf, Eubank Stephen, Hasan Guclu, S. Anil Kumar, Madhav V. Marathe, Aravind Srinivasan, Zolta Toroczkai, dan Nan Wang, Modelling disease outbreaks in realistic urban social networks, Basic and Applied Simulation Science Group, Los Alamos National Laboratory, MS M997, Los Alamos, New Mexico 87545, USA ndssl.vbi.vt.edu/Publications/modellingDisease.pdf. Harvey Neil, Aaron Reeves, Mark A. Schoenbaumc, Francisco J. Zagmutt‐Vergara, Caroline Dube, Ashley E. Hill, Barbara A. Corso, W. Bruce McNab, Claudia I. Cartwright dan Mo D. Salman, 2007, The North American Animal Disease Spread Model: A simulation model to assist decision making in evaluating animal disease incursions, Preventive Veterinary Medicine 82 (2007) 176–197, USA, www.ncbi.nlm.nih.gov/pubmed/17614148. Maiti A, S. Pathak dan Samanta G.P., 2004, Rich dynamics of an SIR epidemic model, Nonlinear Analysis: Modelling and Control, 2010, Vol. 15, No. 1, 71–81, Department of Mathematics, Presidency College, Kolkata‐700073, India, http://www.lana.lt/journal/36/Pathak.pdf. Barthelemy Marc, Alain Barrat, Romualdo Pastor‐Satorras dan Alessandro Vespignani, 2005, Dynamical patterns of epidemic outbreaks in complex heterogeneous networks, Journal of Theoretical Biology 235 (2005) 275–288, School of Informatics and Biocomplexity Center, Indiana University, Bloomington, IN 47408, USA www.cc.gatech.edu/classes/AY2010/cs8803ns_fall/barthelemy.pdf, 17
Skvortsov, Connell, Dawson dan Gailis, 2007, Epidemic Modelling: Validation of Agent‐ based Simulation by Using Simple Mathematical Models, Defence Science and Technology Organisation, PO Box 4331, Melbourne, VIC, 3001, http://mssanz.org.au/MODSIM07/papers/13_s20/EpidemicModeling_s20_Skvortsov_.pdf. Johnson Teri, 2009, Mathematical Modeling of Diseases: Susceptible‐Infected‐Recovered (SIR) Model, University of Minnesota, Morris, http://www.morris.umn.edu/academic/math/Ma4901/Sp09/Final/Teri‐Johnson‐Final.pdf. Merl Daniel, Leah R. Johnson, Robert B. Gramacy dan Marc S. Mangel, 2009, amei: an R package for the Adaptive Management of Epidemiological Interventions, Department of Statistical Science, Duke University, Durham NC. cran.r‐project.org/web/pa ck ag es /am ei /vignettes /am ei .pdp Yulianto Sri, Sri Kasmiyati, Kristoko D.H.,Maria Marina H., 2009, Pengurangan Potensi bencana epidemi, wabah dan KLB beberapa penyakit tropis melalui penerapan paradigma pengurangan resiko yang diintegrasikan dengan kurikulum pembelajaran pada sistem manajemen bencana, Laporan Akhir Hibah Strategis Nasional Batch IV, Tahun ke 1,Universitas Kristen Satya Wacana Salatiga. Zaman Gul, Yong Han Kang dan Il Hyo Jung, 2007, Optimal vaccination and treatment in the SIR epidemic model, Department of Mathematics, Pusan National University, Busan 609‐735, Korea. www.ksiam.org/conference/annual072/upfile/Optimal%2 0SIR.pdf. Keeling Matt dan Ken T.D Eames, 2005, Networks and epidemic models, Department of Biological Sciences & Mathematics Institute, University of Warwick, Gibbet Hill Road, Coventry CV4 7AL, UK. 18
http://ukpmc.ac.uk/articlerender.cgi?artid=1259156. Yulianto Sri , Kristoko Dwi Hartomo, Krismiyati, 2010, Spatial Autocorrelation Modelling for determining High Risk Dengue Fever Transmission Area in Salatiga, Central Java, Indonesia, International Conference on Soft Computing, Intelligent System and Information Technology Petra Christian University Surabaya. Pang Wan‐Kai, Shui Hung Hou, Marvin D.Trout, Wing‐Tong Yu, Ken W, 2007, A Markov Chain Monte Carlo Approach to Estimate the Risks of Extremely Large Insurance Claims, International Journal of Business and Economics, 2007, Vol. 6, No. 3, 225‐236, Department of Applied Mathematics, The Hong Kong Polytechnic University, Hong Kong http://www.ijbe.org/table%20of%20content/pdf/vol6‐3/vol.6‐3‐04.pdf Atchade Yves, Gersende Fort and Eric Moulines dan Pierre Priouret, Adaptive Markov Chain Monte Carlo: Theory and Methods, University of Michigan, 1085 South University, Ann Arbor, 48109, MI, United States. http://www.stat.lsa.umich.edu/~yvesa/afmp.pdf Karandikar Rajeeva, 2006, On the Markov Chain Monte Carlo (MCMC) method, Indian Statistical Institute, Sadhana Vol. 31, Part 2, April 2006, pp. 81–104. www.ias.ac.in/sadhana/Pdf2006Apr/81.pdf
19