Pemodelan Matematika

Epidemi HIV Di Indonesia

Tahun 2008 - 2014
KPA
1
DAFTAR ISI
Kata Pengantar 3
I. PENDAHULUAN 5
I.A. Pengertian Model Secara Umum 5
I.B. Model Epidemi HIV 5
I.C. Proses Pemodelan 5
I.D. Sejarah Pemodelan Epidemi HIV di Indonesia 6
II. TUJUAN 9
III. METODOLOGI 11
III.A. Pembagian distribusi geografs 11
III.B. Pemilihan Alat Bantu 11
III.C. Penetapan Data Dasar dan Asumsi 11
III.D. Proses Pemodelan 12
IV. HASIL & DISKUSI 17
IV.A. Hasil Modul Asian Epidemic Modeling 17
IV.B. Hasil Modul Spectrum 18
V. KETERBATASAN DAN REKOMENDASI 23
VI. LAMPIRAN 25
VI.A. Daftar Istilah dan Singkatan 25
VI.B. Kelompok Kerja Pemodelan Epidemi 26
VI.C. Data dan Asumsi Lembar Kerja Population AEM 27
VI.D. Data dan Asumsi Lembar Kerja Heterosexual AEM 28
VI.E. Data dan Asumsi Lembar Kerja IDU AEM 32
VI.F. Data dan Asumsi Lembar Kerja MSM AEM 33
VI.G. Data dan Asumsi Lembar Kerja Epidemic AEM 34
VI.H. Data Lembar Kerja Prev 35
VI.I. Results of the AEM Module:
Estimation and Projection of the PLWHA by Population 37
Daftar Kontributor 39
Kata Pengantar
8
Kata Pengantar
Peningkatan epidemi HIV telah terjadi di Indonesia sejak 10 tahun terakhir ini, penularan pertama
terjadi akibat penggunaan jarum suntik bersama pada pengguna Narkoba Suntik dan hubungan seks
berisiko.
Pada tahun 2006 Departemen Kesehatan telah melakukan estimasi populasi dewasa rawan terinfeksi
HIV, estimasi kelompok risiko tinggi sebesar 6.503.430 orang terdiri dari pria sebesar 4.355.310
sedangkan wanita 2.148.120, dengan Estimasi populasi Orang dengan HIV - AIDS (ODHA) sebesar
193.030 orang, Dari hasil perhitungan pada tahun 2013 estimasi sebesar 482.800, sedangkan infeksi
baru pada tahun 2008 sebesar 51.300 dan pada tahun 2013 sebesar 63.000.
Pemodelan Epidemi HIV untuk memberikan gambaran yang lebih jelas tentang situasi epidemi HIV saat
ini dan proyeksi kedepannya sehingga dapat digunakan oleh berbagai pihak dalam merencanakan
program penanggulangan HIV dan AIDS di Indonesia yang lebih baik dan terarah. Lebih dari itu,
pemodelan epidemi tersebut juga diharapkan dapat digunakan sebagai dasar dalam melakukan
evaluasi pelaksanaan berbagai program penanggulangan HIV dan AIDS yang sedang berjalan serta
advokasi untuk meningkatkan komitmen berbagai pihak yang terlibat secara langsung maupun tidak.
Setelah melalui diskusi dilakukan untuk mendapatkan hasil yang menjadi milik kita bersama, harapan
kami hasil pemodelan dapat digunakan sebagai dasar dalam kita melakukan upaya penanggulangan
HIV dan AIDS di Indonesia.
Kami menyampaikan ucapan terima kasih yang sedalam-dalamnya kepada semua pihak yang terlibat
dalam proses pemodelan, mudah-mudahan kerja keras dapat berguna demi menyelamatkan bangsa
Indonesia dari ancaman HIV dan AIDS melalui program penanggulangan HIV dan AIDS
Direktur Jenderal PP & PL Depkes RI
Jakarta 1 Desember 2008
Prof. Dr. Tjandra Y Aditama, SpP(K), MARS, DTMH
BAB I
PENDAHULUAN
I.A. Pengertian Model Secara Umum
I.B. Model Epidemi HIV
I.C. Proses Pemodelan
I.D. Sejarah Pemodelan Epidemi HIV di Indonesia

5
I. PENDAHULUAN

I.A. Pengertian Model Secara Umum
Pemodelan bisa diartikan sebagai usaha penggambaran sesuatu sehingga menjadi lebih jelas memahaminya. Dengan
melihat hasil pemodelan, diharapkan menjadi lebih mudah untuk memahami bentuk keseluruhan suatu masalah (didalam
model bentuk keseluruhan disebut sistem), komponen-komponen pembentuk sistem (misalnya populasi dan perilaku dalam
pemodelan epidemi HIV), susunan komponen, dan hubungan antar komponen. Model juga berarti penyederhanaan, karena
tidak semua komponen penyusun sistem mampu tergambarkan oleh model.
Di dalam model ada istilah simulasi, validasi, error (kesalahan). Simulasi adalah mencoba-coba berbagai alternatif, untuk
melihat perubahan dan hasil yang terbentuk. Misalnya karena situasti yang tidak memungkinkan intervensi pada populasi
Penasun, maka bisa mencoba intervensi di kelompok remaja, dan seterusnya. Bisa dibayangkan jika coba-coba tersebut
dilakukan pada keadaan sesungguhnya (bukan model), betapa repot dan mahalnya coba-coba itu.
Bagaimanapun model adalah tiruan yang diharapkan dapat menyerupai aslinya. Maka dilakukan pembandingan model
dengan yang sesungguhnya. Kegiatan membandingkan model dengan yang asli dikenal dengan validasi. Besarnya
perbedaan tersebut disebut dengan kesalahan (error). Kegiatan validasi bertujuan agar kesalahan (error) dapat ditekan
sekecil mungkin.
Model matematika adalah model yang digambarkan dalam persamaan matematika. Persamaan ini merupakan pendekatan
terhadap suatu fenomena fsik. Pembuktian kebenaran hubungan suatu fenomena fsik dengan sebuah persamaan
matematik, dapat dilakukan dengan riset laboratorium. Kemudian dicari hubungan antara hasil laboratorium dengan hasil
perhitungan matematika. Jika hasilnya sangat memuaskan, maka dihasilkanlah persamaan empiris. Pembuktian empiris
banyak menggunakan cabang ilmu statistik.
Dengan kemajuan komputer, model matematika ini dapat diubah ke dalam bahasa program komputer, sehingga proses
simulasi menjadi lebih mudah dan cepat.
I.B. Model Epidemi HIV
Model epidemi suatu penyakit pada dasarnya menggambarkan suatu sistem/fenomena penyakit kedalam bentuk yang lebih
sederhana. Berdasarkan acuan waktu model epidemi dapat digolongkan menjadi model statik dan dinamik:
Model Statik, yaitu model yang mengabaikan pengaruh waktu. Biasanya model ini menggambarkan sistem dalam
bentuk persamaan matematika. Untuk memperoleh hasil, perhitungan dilakukan cukup satu kali saja dan variabel yang
digunakan dalam persamaan merupakan nilai rata-rata.
Model dinamik menempatkan waktu sebagai variabel bebas, sehingga model jenis ini menggambarkan dinamika suatu
sistem sebagai fungsi dari waktu. Untuk memperoleh hasil, perhitungan dilakukan secara berulang-ulang (iterasi)
sampai tercapai nilai kesalahan (error) yang minimal.
I.C. Proses Pemodelan
Tahap-tahap yang umum digunakan dalam pengembangan suatu model adalah :
Deniai muauluh, dalam tahap ini masalah yang sulit didefnisikan dan diurai menjadi unsur-unsur pembentuk
masalah. Didefnisikan juga sistem dan faktor eksternal (di luar sistem). Dicari komponen masalah yang paling
penting dan signifkan dalam pemecahan masalah. Dicari pula komponen masalah yang bisa dijadikan titik acuan awal
pemecahan masalah.
5trukturiauai mndel knnaetuul, pada tahap ini diuraikan hubungan antara komponen penyusun masalah, sistem
dan tujuan pemodelan.
lnrmuluai mndel, yaitu proses merumuskan perilaku model, dan hubungan antar variabel. Interaksi antar variabel
yang kompleks sering disederhanakan dengan menggunakan asumsi.
Kulibruai mndel yaitu menyesuaikan parameter-parameter dalam model sesuai dengan kondisi nyata di lapangan.
Validasi model yaitu tahap pengujian keakuratan model dengan membandingkan perilaku model dan perilaku sistem
nyata.
Uji 5enaititua yaitu tahap pengujian perilaku model dengan mengubah-ubah nilai variabel model.
Anuliaia dun anluai mndel. Model akan menghasilkan alternatif solusi sesuai dengan skenario yang kita buat. Hasil
6
model yang dirasa kurang tepat, perlu dijalankan ulang, sampai tercapai solusi yang memuaskan. Proses ini dikenal
dengan simulasi model.
lmlementuai mndel. Agar model dapat diterapkan dengan baik, maka pihak perancang model dan pengguna model
(misalnya para pengambil keputusan) perlu bekerja sama sejak awal. Perancang model akan membuat model sedinamis
dan semudah mungkin operasionalnya (user friendly), dan pengguna model akan memberi masukan-masukan sesuai
dengan kebutuhan pengguna.
I.D. Sejarah Pemodelan Epidemi HIV di Indonesia
Pemodelan epidemi HIV terkenal sulit, khususnya pada awal epidemi dan dimana data yang dapat diandalkan terkait
dengan parameter perilaku yang menggerakan epidemi tidak tersedia. Walaupun demikian, proyeksi epidemi HIV sangat
dibutuhkan untuk menggambarkan kebutuhan bebagai layanan untuk program pencegahan, pengobatan, dukungan dan
perawatan serta memperkirakan potensi infeksi baru yang dapat dicegah ketika melakukan analisis biaya yang sudah dan
akan diinvestasikan dalam upaya penanggulangan HIV dan AIDS.
1
Beberapa pemodelan epidemi HIV yang pernah dilakukan untuk Indonesia adalah:
EpiModel yang berdasarkan model proyeksi epidemi HIV dari WHO/CDC dikerjakan oleh Jalal dkk pada tahun 1994.
Pemodelan tersebut menggunakan penyesuaian kurva epidemi (curve ftting) dan memproyeksikan satu juta ODHA
dalam 4 tahun berikutnya. Hasil tersebut sepuluh kali lebih tinggi dari estimasi ODHA di Indonesia oleh UNAIDS dan
lebih dari 3,400 kali dari jumlah HIV reaktif yang ditemukan pada surveilans HIV di populasi WPS (40,000 orang).
IwgAIDS yang dikembangkan oleh Stephen Seitz dari University of Illinois, merupakan pemodelan epidemi HIV di
Indonesia dengan memperhitungkan dinamika demograf dan prevalensi. Pemodelan yang kompleks ini mengikuti
struktur epidemi di Afrika dan membutuhkan input data perilaku dan biologi yang sangat detail. Beberapa ahli
epidemiologi memandang IwgAIDS kurang tepat digunakan untuk pemodelan epidemi HIV di kawasan Asia yang masih
terkonsentrasi pada populasi tertentu seperti WPS, Penasun dan MSM.
HIV Epidemiological Modelling and Impact (HEMI), dikembangkan oleh John Kaldor dkk dari University of New South
Wales pada tahun 2006. Pemodelan ini sudah memperhitungkan dinamika demograf dan prevalensi HIV pada populasi
tertentu dan kemungkinan penularan HIV pada daerah pedesaan dan perkotaan. Selain itu juga, pemodelan ini juga
sudah membuatkan simulasi hasil intervensi dengan beberapa skenario.
BAB II
TUJUAN
0
II. TUJUAN
Tujuan dari Pemodelan Epidemi HIV di Indonesia tahun 2008 2014 adalah untuk memberikan gambaran yang lebih jelas
tentang situasi epidemi HIV saat ini dan proyeksi kedepannya sehingga dapat digunakan oleh berbagai pihak dalam me-
rencanakan program penanggulangan HIV dan AIDS di Indonesia yang lebih baik dan terarah. Lebih dari itu, pemodelan
epidemi tersebut juga diharapkan dapat digunakan sebagai dasar dalam melakukan evaluasi pelaksanaan berbagai program
penanggulangan HIV dan AIDS yang sedang berjalan serta advokasi untuk meningkatkan komitmen berbagai pihak yang
terlibat secara langsung maupun tidak.
Hasil Pemodelan Epidemi HIV di Indonesia tahun 2008 2014 juga dapat digunakan untuk melakukan analisis kebijakan
dalam penanggulangan HIV dan AIDS, menentukan prioritas program dan memperkirakan kebutuhan sumber daya untuk
pelaksanaan berbagai program.
BAB III
METODOLOGI
III.A. Pembagian distribusi geografs
III.B. Pemilihan Alat Bantu
III.C. Penetapan Data Dasar dan Asumsi
III.D. Proses Pemodelan

11
III. METODOLOGI
Sub-Direktorat PMS/AIDS Departemen Kesehatan membentuk Kelompok Kerja Pemodelan Epidemi HIV yang mengerjakan
beberapa langkah utama untuk mempersiapkan Pemodelan Epidemi HIV Nasional. Hasil kerja kelompok tersebut kemudian
dibawa kedalam forum terbatas untuk dikaji, disesuaikan dan kemudian disetujui bersama sebagai Pemodelan Epidemi HIV
di Indonesia 2008 - 2014.
Beberapa langkah yang dilakukan oleh Kelompok Kerja Pemodelan Epidemi HIV dijabarkan dibawah ini.
III.A. Pembagian distribusi geografs.
Indonesia adalah sebuah negara yang terdiri dari 13,000 pulau terbentang dalam tiga zona waktu dengan budaya yang ber-
beda-beda. Perilaku berisiko tertular dan menularkan HIV seperti hubungan seks yang tidak aman dan penggunaan jarum
suntik secara bersama-sama dipengaruhi oleh situasi sosial, budaya, ekonomi, agama dan populasi. Hal ini menyebabkan
tingkat epidemi HIV di Indonesia berbeda-beda antara satu wilayah dengan lainnya. Selain itu juga, data-data epidemiologi
dan perilaku berisiko populasi utama dalam epidemi HIV tidak tersedia di semua wilayah.
Oleh karena itu, dengan mempertimbangkan ketersediaan data dan perbedaan tingkat epidemi serta keterbatasan alat
bantu yang digunakan maka Kelompok Kerja memutuskan untuk membagi pemodelan epidemi HIV di Indonesia menjadi
dua yaitu:
(i) Pemodelan pertama meliputi provinsi Papua dan Papua Barat, dan
(ii) Pemodelan kedua meliputi 31 provinsi lainnya.
Hasil akhir dari kedua pemodelan tersebut kemudian digabungkan untuk menghasilkan estimasi dan proyeksi epidemi HIV
di Indonesia 2008 - 2014.
III.B. Pemilihan Alat Bantu
Ada beberapa jenis alat bantu pemodelan epidemi HIV banyak digunakan oleh berbagai negara diantaranya adalah :
(i) Workbook dari UNAIDS adalah alat bantu pemodelan epidemi HIV paling sederhana, cukup hanya menggunakan data-
data estimasi populasi berisiko dan ODHA dari minimal 3 tahun berbeda;
(ii) Estimation and Projections Package (EPP) juga dari UNAIDS yang menggunakan kurva pemodelan epidemi dari setiap
populasi berisiko untuk menghasilkan pemodelan nasional. Hasil kurva pemodelan epidemi yang sudah disesuaikan
dengan data prevalensi HIV (curve ftting) masing-masing populasi dapat digunakan untuk memproyeksikan pola preva-
lensi jangka pendek di masa mendatang;
(iii) Asian Epidemic Modeling (AEM) dari East West Center yang merupakan pemodelan proses epidemi dengan menentu-
kan faktor-faktor yang paling mempengaruhi terjadinya infeksi HIV. Oleh karena itu AEM membutuhkan banyak data-
data perilaku dari populasi berisiko selain data prevalensi HIV sebagai kalibrator. AEM juga dapat digunakan untuk
memodelkan hasil dari program pencegahan dan menganalisa kebijakan dari upaya penanggulangan AIDS yang dibuat.
(iv) Spectrum adalah alat bantu untuk pemodelan dampak epidemi HIV yang didalamnya terdapat modul untuk membuat
estimasi dan proyeksi demograf dan epidemi HIV dan AIDS. Specrum dikembangkan oleh POLICY Project yang didanai
oleh USAID. Perangkat lunak Spectrum beserta petunjuk teknisnya dapat diunduh di http://www.FuturesGroup.com
Setelah melakukan kajian terhadap kelebihan dan keterbatasan masing-masing model diatas serta ketersediaan data dan
tujuan dari Pemodelan Epidemi di Indonesia, maka Kelompok Kerja memutuskan untuk menggunakan AEM dan Spectrum
dalam membuat Pemodelan Epidemi HIV di Indonesia tahun 2008 2014.
III.C. Penetapan Data Dasar dan Asumsi
Secara umum data yang ditetapkan oleh kelompok kerja untuk digunakan sebagai data dasar dalam membuat pemodelan
epidemi HIV di Indonesia dengan AEM dan Spectrum adalah :
1. Data Demograf
a. Data Sensus Penduduk 1980, 1990 dan 2000
b. Data Survei Penduduk Antar Sensus 1985, 1995 dan 2005
c. Proyeksi Penduduk Indonesia 2000 2025
1

Buku Proyeksi Penduduk Indonesia tahun 2000 2025, Bappenas-BPS-UNFPA 2005, http://www.datastatistik-indonesia.com/proyeksi
12
d. Estimasi Populasi Dewasa Rawan Tertular HIV dan ODHA Tahun 2006
2

2. Data Perilaku dan Epidemiologi Populasi Utama
a. Data Survei Surveilans Perilaku pada populasi WPS dan Pekerja tahun 1996, 1998 dan 2000
b. Data Survei Surveilans Perilaku pada populasi Penasun, WPS, Pria Risti, Waria dan LSL tahun 2002 dab 2004
c. Data Survei Demograf Kesehatan Indonesia tahun 2003
d. Data Penelitian Infeksi Saluran Reproduksi pada populasi WPS tahun 2003, 2005 dan 2007
e. Data Survei Terpadu HIV dan Perilaku pada Masyarakat Umum di Tanah Papua tahun 2006
f. Data Survei Terpadu Perilaku dan HIV pada populasi Penasun, WPS, Pria Risti, Waria dan LSL tahun 2007
g. Laporan Surveilans HIV pada populasi WPS, Penasun dan Pria Risti tahun 1998 2007.
h. Laporan kasus AIDS tahun 2000 - 2008
Kelompok kerja juga menyepakati beberapa asumsi dan penggunaan data dari sumber lainnya untuk melengkapi semua
paramater yang dibutuhkan oleh AEM dan Spectrum dalam menghasilkan pemodelan epidemi HIV di Indonesia. Beberapa
asumsi tersebut adalah :
1. Jumlah populasi utama (WPS, Penasun, MSM, Waria, Pelanggan Penjaja Seks) dan pertumbuhannya
di tahun 2008 2014
2. Rata-rata tahun menjadi populasi utama
3. Distribusi umur orang dengan Infeksi Menular Seksual
4. Progresiftas HIV dan AIDS
5. Total Fertility Rate pada populasi dengan HIV positip
6. Proprosi metode pemberian asupan makanan untuk bayi yang dilahirkan dari Ibu dengan HIV positip
Selain itu, Kelompok Kerja juga menyepakati hasil penyesuaian beberapa parameter yang merupakan ftting parameter
dalam proses validasi hasil pemodelan dengan prevalensi HIV dari hasil surveilans seperti :
1. Tahun dimulainya epidemi HIV secara umum maupun pada populasi Penasun dan LSL
2. Probabilitas infeksi baru HIV pada populasi Penasun, hubungan seks laki-laki dengan laki-laki dan laki-laki dengan
perempuan
3. Co-factor infeksi baru HIV akibat IMS dan sirkumsisi
4. Proporsi Penasun yang berjejaring
Rincian sumber data, asumsi dan hasil penyesuaian (ftting) untuk setiap parameter dalam modul AEM dan modul Spectrum
dapat dilihat pada lampiran.
III.D. Proses Pemodelan
Proses pemodelan epidemi HIV di Indonesia tahun 2008 2014 dimulai dengan memasukan data pada modul AEM yang
terdiri dari 6 lembar kerja perangkat lunak Microsoft Excel yaitu :
1. Lembar Kerja Populasi yang diisi dengan data populasi usia 15 tahun keatas dan 15 tahun saja menurut jenis kelamin
(laki-laki dan perempuan) mulai tahun 1980 2020.
2. Lembar Kerja Heteroseksual yang diisi dengan proporsi WPS dari populasi perempuan 15 49 tahun dan proporsi
pelanggan WPS dari populasi laki-laki 15 49 tahun. Lembar Kerja Heteroseksual juga diisi dengan durasi menjadi
WPS dan Pelanggan WPS, perilaku seks dan pemakaian kondom pada hubungan seks komersial maupun dengan pas-
angan tetap serta prevalensi IMS dan laki-laki yang di sirkumsisi.
3. Lembar Kerja IDU (Injecting Drug User atau Pengguna Napza Suntik) yang diisi dengan proporsi Penasun dari populasi
laki-laki 15-49 tahun, perilaku berbagi jarum dan seks berisiko serta tingkat pemakaian kondomnya.
4. Lembar Kerja MSM yang diisi dengan proporsi MSM dari populasi laki-laki 15-49 tahun, perilaku seks berisiko terma-
suk seks anal dan tingkat pemakaian kondomnya serta prevalensi IMS.
5. Lembar Kerja Epidemic yang diisi dengan tingkat fertilitas, jumlah kasus IMS pada laki-laki dan perempuan menurut
kelompok umur serta data-data yang akan disesuaikan (ftting parameter) dalam proses validasi dengan prevalensi HIV
hasil surveilans.
6. Lembar Kerja HIV Prev yang diisi dengan data tren prevalensi HIV untuk populasi WPS, Penasun, MSM, Waria dan
Masyarakat Umum di Tanah Papua.
2 Estimasi Populasi Dewasa Rawan Terinfeksi HIV tahun 2006, KPAN Depkes. http://www.aidsindonesia.or.id/index.php?option=com_content&task=view&id=789&Itemid=84
18
Kelompok Kerja membuat tiga modul AEM yaitu modul Tanah Papua, 31 Provinsi dan Waria untuk menghasilkan estimasi
dan proyeksi prevalensi HIV pada populasi usia 15-49 tahun di Indonesia tahun 2008 - 2014. Hal ini dilakukan karena
keterbatasan modul AEM yang tidak bisa menampung lebih dari satu pemodelan dalam satu modul dan tidak tersedianya
ruang hitung untuk populasi Waria.
Estimasi dan proyeksi prevalensi HIV dari hasil dengan AEM digunakan sebagai asupan data Spectrum untuk memproyek-
sikan konsekuensi dari angka-angka estimasi tersebut. Dua modul dalam Spectrum digunakan, yaitu DemProj dan AEM.
DemProj memproyeksikan populasi berdasarkan umur dan jenis kelamin dan menunjukkan indikator-indikator demografs
lainnya sedangkan AEM menghitung jumlah orang yang terinfeksi HIV, kasus-kasus AIDS, kematian akibat AIDS, anak den-
gan HIV dan AIDS dan akibat-akibat AIDS lainnya. Hubungan antara kedua alat bantu tersebut dijabarkan dalam gambar 1
di bawah ini
Gambar 1. Alur Proses Pemodelan Epidemi HIV di Indonesia 2008 - 2014
Proyeksi demografs dalam Spectrum sebagian besar menggunakan data-data Proyeksi Penduduk Indonesia tahun 2000 -
2025 dari Badan Pusat Statistik. Berikut adalah sumber data untuk input-input demografs pada modul DemProj-Spectrum:
1. Data Demograf
Menggunakan data yang sama dengan data demograf untuk modul AEM
2. Angka harapan hidup, Total Fertility Rate dan Age Spesifc Fertility Rate
Menggunakan hasil Survei Demograf Kesehatan Indonesia dan Proyeksi Penduduk Indonesia tahun 20002025 serta
tabel model hidup harapan hidup penduduk di kawasan Asia Tenggara yang sudah tersedia dalam modul DemProj
Spectrum
3. Rasio jenis kelamin pada tiap kelahiran
Menggunakan hasil perhitungan berdasarkan hasil Survei Demograf Kesehatan Indonesia (SDKI) tahun 2003 dan 2007.
4. Migrasi International
Menggunakan data dari buku Proyeksi Penduduk Indonesia tahun 20002025, hasil Sensus Penduduk 1990 dan 2000
serta Survei Penduduk Antar Sensus (SUPAS) 1995 dan 2005
14
15
Sedangkan data-data terkait dengan epidemiologi HIV dan AIDS untuk modul AEM- Spectrum dijabarkan dari sumber data
dan asumsi sebagai berikut :
1. Prevalensi HIV pada kelompok populasi orang dewasa (15 49 Tahun) menggunakan luaran dari 3 modul AEM
(Papua, Non-Papua dan Waria) yang sudah dikompilasikan
2. Tahun awal terjadinya epidemi menggunakan luaran dari modul AEM untuk Non-Papua. Hal ini dilakukan mengingat
modul AEM Non-Papua berisi populasi berisiko tinggi yang lebih lengkap dari kedua modul AEM lainnya serta meru-
pakan hasil penyesuaian dengan prevalensi HIV hasil surveilans dari beberapa populasi berisiko tinggi.
3. Progesiftas HIV menjadi AIDS dan membutuhkan ART dan Progresiftas ODHA yang membutuhkan ART sampai dengan
meninggal karena tidak menerima ART, mengikuti rekomendasi UNAIDS untuk kategori cepat. Katergori tersebut
menggunakan waktu median dari awal terjadinya infeksi hingga kematian akibat AIDS tanpa ART untuk orang dewasa
diasumsikan 9 tahun (8,6 tahun untuk pria dan 9,4 tahun untuk wanita). Untuk anak-anak diasumsikan waktu perkem-
bangan menuju kematian lebih cepat
3
.
4. Distribusi usia orang dengan HIV dan AIDS setiap tahunnya menggunakan angka yang disediakan oleh modul AEM-
Spectrum untuk negara dengan tingkat epidemi HIV terkonsentrasi pada populasi tertentu. Sedangkan rasio jenis
kelamin orang dengan HIV dan AIDS dihitung dari distribusi kasus-kasus AIDS yang dilaporkan.
5. Distribusi pemberian makanan bayi dari Ibu dengan HIV positip menggunakan angka tersebut dari populasi umum
mengingat belum adanya data tersebut di Indonesia.
6. Rasio Total Fertility Rate dari perempuan yang terinfeksi HIV dengan yang tidak terinfeksi menggunakan angka yang
disediakan oleh modul Spectrum dengan alasan yang sama seperti poin 5.
7. Jumlah ODHA yang menerima ART didapat dari hasil monitoring ART Subdit AIDS/PMS Departemen Kesehatan tahun
2004 Juni 2008. Sedangkan cakupan ART tahun 2009 2014 dianggap sama dengan tahun 2008.
Setelah semua data yang dibutuhkan oleh Spectrum di masukan, maka alat bantu tersebut menghitung secara otomatis
estimasi dan proyeksi epidemi HIV. Kelompok Kerja kemudian membandingkan hasil perhitungan modul Spectrum dengan
hasil dari modul AEM serta Estimasi Populasi Rawan Tertular HIV dan ODHA tahun 2006.
Ada beberapa hasil perhitungan estimasi dan proyeksi dari modul Spectrum yang kemudian disepakati untuk tidak digu-
nakan dalam laporan ini, seperti dampak epidemi HIV terhadap epidemi TB dan perhitungan anak yang kehilangan Ibu dan
atau ayahnya akibat kematian AIDS. Hal ini dilakukan mengingat cara perhitungan dalam modul Spectrum didasari oleh
hasil-hasil penelitian dampak epidemi di Afrika dan belum tersedianya data-data tersebut untuk Indonesia.
UNAIDS Reference Group on Estimates, Modelling and Projections. Improved methods and assumptions of the HIV/AIDS epidemic and its impact: Recommendations of the UNAIDS Reference
Group on Estimates, Modelling and Projections AIDS 2002. 14:W1-W16.
BAB IV
HASIL & DISKUSI
IV.A. Hasil Modul Asian Epidemic Modeling
IV.B. Hasil Modul Spectrum
11
IV. HASIL & DISKUSI
IV.A. Hasil Modul Asian Epidemic Modeling
Dengan menggunakan asumsi perilaku risiko berisiko tertular dan menularkan HIV pada populasi utama (Penasun, WPS,
Pelanggan PS, MSM dan Waria) tahun 2008 2014 sama dengan hasil Surveilans Terpadu Perilaku dan HIV tahun 2007,
maka modul AEM memproyeksikan terjadinya peningkatan prevalensi HIV pada populasi usia 15 49 tahun dari 0.22%
pada tahun 2008 menjadi 0.37% di tahun 2014.
Gambar 2. Estimasi dan Proyeksi Proporsi ODHA Menurut Populasi

Selain estimasi dan proyeksi prevalensi HIV, dari modul AEM didapatkan juga estimasi dan proyeksi proporsi ODHA
menurut populasi, dimana proporsi ODHA dari populasi Penasun menurun dari 41% pada tahun 2008 menjadi 26% di
tahun 2014. Sedangkan peningkatan proporsi terjadi pada populasi lainnya perempuan termasuk didalamnya populasi umum
perempuan di Tanah Papua serta Istri/Pasangan Tetap dari laki-laki Pelanggan PS dan Penasun.
Peningkatan proporsi yang signifkan juga terjadi pada populasi Laki-laki yang melakukan hubungan seks dengan Laki-laki
termasuk MSM dan Waria.
Tabel 1. Estimasi & Proyeksi Prevalensi HIV pada Populasi Usia 15-49 Tahun di Indonesia, 2008 - 2014
Modul AEM juga memberikan estimasi dan proyeksi proporsi infeksi baru HIV menurut populasi, dimana hingga tahun 2014
populasi Penasun masih merupakan penyumbang terbesar untuk infeksi baru HIV walaupun proporsinya terus menurun dari
40% pada tahun 2008 menjadi 28% pada tahun 2014. Sedangkan peningkatan proporsi infeksi baru HIV secara signifkan
terjadi pada populasi Laki-laki yang melakukan hubungan seks dengan Laki-laki termasuk MSM dan Waria.

Estimasi dan Proyeksi 2008 2009 2010 2011 2012 2013 2014
0.22 0.24 0.27 0.30 0.32 0.35 0.37 Prevalensi HIV pada Populasi Usia 15-49 thn
41
38
35
32
30
28
26
17
18
18
18
18
18
18
2
3
3
4
5
6
7
9
9
10
10
10
9
9
12
12
13
13
14
14
14
19
20
22
23
24
25
26
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
2008
2009
2010
2011
2012
2013
2014
Penasun Pelanggan PS Laki-laki Seks dengan Laki-laki
WPS Populasi Lainnya (Laki-laki) Populasi Lainnya (Perempuan)
18
Gambar 3. Estimasi dan Proyeksi Proporsi Infeksi Baru HIV Menurut Populasi
Hasil dari modul AEM yang akan digunakan selanjutnya sebagai asupan modul Spectrum adalah estimasi dan proyeksi
Prevalens HIV pada populasi usia 15 49 tahun dan tahun dimulainya epidemi HIV. Hasil dari Modul AEM ini juga
ditetapkan oleh Kelompok Kerja sebagai Modul dasar AEM untuk pengkajian analisa kebijakan dan hasil berbagai upaya
pencegahan HIV kedepannya.
Modul AEM yang dihasilkan ini juga sebaiknya selalu diperbaharui setiap ada sumber data yang lebih baru dan lebih baik
kualitasnya.
IV.B. Hasil Modul Spectrum
Menggunakan asupan data estimasi dan proyeksi prevalensi HIV pada populasi usia 15-49 tahun dari modul AEM dan
data serta asumsi epidemiologi lainnya, Modul Spectrum memberikan hasil peningkatan estimasi jumlah total ODHA dari
293.200 pada tahun 2008 menjadi 541.700 pada tahun 2014. Selain itu juga jumlah ibu hamil yang membutuhkan layanan
pencegahan penularan HIV dari ibu ke bayinya dan bayi yang dilahirkan dengan HIV positip meningkat setiap tahunnya.
Hasil dari kesepakatan Kelompok Kerja tentang asumsi cakupan ART pada orang dewasa maupun anak tahun 20092014
sama dengan tahun 2008 menghasilkan proyeksi jumlah kumulatif kematian terkait AIDS pada tahun 2014 sebanyak
185,700 orang. Dari data tersebut dapat dihitung rata-rata kematian terkait dengan AIDS setiap tahunnya pada
tahun 2009 2014 adalah 23,000.
Tabel 2. Estimasi & Proyeksi Jumlah ODHA, Kumulatif Kematian AIDS, Kebutuhan PMTCT dan Anak yang Dilahirkan dengan HIV Positip di Indonesia
40
37
34
33
31
29
28
16
18
19
19
20
20
20
4
5
7
8
10
12
14
22
23
23
23
23
23
22
1
2
2
2
2
2
2
16
16
15
15
14
14
13
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
2008
2009
2010
2011
2012
2013
2014
Penasun Pelanggan PS Laki-laki Seks dengan Laki-laki
WPS Populasi Lainnya (Laki-laki) Populasi Lainnya (Perempuan)

0DHA
1ntul
La||-|a||
|c.ccpuau
Kumulutif Kemutiun AlD5
1ntul
La||-|a||
|c.ccpuau
Kebutuhun Luyunun PM1C1
1ntul
Anuk diluhirkun dengun Hlv+
1ntul

208.200
221.200
72.00
80.000
2/./00
6.o00
4.560
888.500
2/.00
88.600
48.500
8/.800
.200
5.110
811.800
276.00
/.00
62.000
/8.800
18.200
5.180
418.000
80o.700
107./00
85.800
66.00
18./00
6.840
451.100
882.800
11./00
114.000
8.100
2/.00
6.800
482.800
8o2.00
12.00
141.600
11o.000
82.700
1.820
541.100
88.700
1/8.000
185.100
1//.000
/1.700
8.110
1.010 1.010 1.100 1.220 1.840 1.420 1.500
10
Modul Spectrum juga menghasilkan beberapa estimasi dan proyeksi terkait dengan epidemi HIV dan AIDS pada populasi
usia subur (15-49 tahun) sebagaimana tergambar pada Tabel 3. Jumlah ODHA usia 15-49 tahun diproyeksikan terus
bertambah dari 277,700 pada tahun 2008 menjadi 501,400 pada tahun 2014. Hasil tersebut dengan asumsi bahwa tidak ada
perubahan perilaku berisiko yang signifkan dari populasi utama pada tahun 2008-2014.
Tabel 3 juga menggambarkan kebutuhan ART untuk populasi usia 15-59 tahun yang meningkat dari 30,100 pada tahun
2008 hingga hampir tiga kali lipat pada tahun 2014. Begitu juga dengan jumlah kematian terkait AIDS pada populasi 15-19
tahun meningkat hingga lebih tiga kali lipat dari 10,400 pada tahun 2008 menjadi 32,900 di tahun 2014. Proyeksi kematian
terkait AIDS tersebut dihasilkan dengan asumsi cakupan ART untuk ODHA usia 15-49 tahun pada tahun 2009 hingga
2014 sama dengan tahun 2008. Kedua data proyeksi tersebut dapat digunakan lebih jauh sebagai dasar perencanaan
penyediaan ART untuk tahun 2009-2014 dan mengukur cakupan layanan ART di tahun 2008.
Selain itu, Modul Spectrum juga memberikan hasil estimasi dan proyeksi jumlah infeksi baru HIV pada populasi usia 15-49
tahun sehingga dengan menggunakan proporsi infeksi baru menurut populasi dari modul AEM bisa diperkirakan jumlah
infeksi baru menurut populasi setiap tahunnya. Ada peningkatan estimasi dan proyeksi jumlah infeksi baru HIV dari 51,300
pada tahun 2008 menjadi 79,200 di tahun 2014.
Tabel 3. Estimasi & Proyeksi Jumlah ODHA, Infeksi Baru HIV, Kematian AIDS dan Kebutuhan ART Populasi Usia 15-49 Tahun di Indonesia
Hasil estimasi ODHA usia 15-49 tahun dari Spectrum (Spectrum mengeluarkan hasil estimasi dan proyeksi dari tahun 1992
2015) juga diperbandingkan dengan hasil estimasi ODHA yang dilakukan oleh Depkes dan KPAN di tahun 2006 dengan
mengumpulkan data dari tingkat Kabupaten/Kota diseluruh Indonesia dimana hasil estimasi jumlah ODHA usia 15-49 tahun
dari Spectrum ternyata masih dibawah estimasi tinggi (216,000) tetapi diatas estimasi rata-rata (193,000) dari estimasi tahun
2006.
Perbandingan beberapa hasil proyeksi dan estimasi tahun dari modul Spectrum juga dilakukan terhadap hasil hasil proyeksi
dan estimasi dari modul AEM dimana perbedaannya tidak signifkan baik dari segi jumlah maupun persentasi.
Sama seperti populasi kelompok umur 15-49 tahun, estimasi dan proyeksi ODHA, infeksi baru HIV, kematian terkait AIDS
dan kebutuhan ART pada anak-anak juga terjadi peningkatan setiap tahunnya. Hasil ini didapat dengan asumsi cakupan
program pencegahan penularan dari ibu ke bayinya pada tahun 2009 hingga 2014 sama seperti cakupan pada tahun 2008.
Estimasi dan proyeksi ODHA pada anak-anak berusia dibawah 15 tahun yang tertular HIV melalui ibunya pada saat
dilahirkan atauppun melalui pemberian air susu ibu yang positip HIV mengalami peningkatan hingga hampir tiga kali lipat
dari 2,470 pada 2008 menjadi 6,240 pada tahun 2014.
0DHA Uaiu 15-40 1hn
1ntul
La||-|a||
|c.ccpuau
lnfekai Buru Hlv
1ntul
La||-|a||
|c.ccpuau
Kemutiun AlD5
1ntul
La||-|a||
|c.ccpuau
Kebutuhun AR1
1ntul
La||-|a||
|c.ccpuau
2008 200 2010 2011 2012 2018 201/
211.100
211.000
66.700
51.800
88.800
18.000
10.400
8./00
2.000
80.100
2/.o00
o.600
814.500
287./00
77.100
51.000
88.o00
18./00
11.200
8.00
2.200
40.200
82.o00
7.700
840.100
261.00
87.100
55.100
/1.200
1/.o00
16.400
18.000
8./00
50.400
/0./00
10.000
886.800
288.200
8.100
62.600
/o.00
16.700
20.500
16.100
/./00
60.800
/8.000
12.800
421.100
288.200
8.100
68.200
/6.600
16.o00
25.200
1.600
o.o00
60.500
oo.000
1/.o00
411.000
880.700
117.200
66.600
/.000
17.600
20.800
22.700
6.600
18.400
61.o00
16.800
501.400
868./00
188.000
10.200
o7.600
21.600
82.000
2o.800
7.600
86.800
67.700
1.100
20
Sedangkan estimasi dan proyeksi infeksi baru HIV pada anak-anak meningkat dari 1,070 pada tahun 2008 menjadi 1,590
ditahun 2014. Kematian anak terkait dengan AIDS juga meningkat dari 520 anak pada tahun 2008 menjadi 860 ditahun
2014. Begitu juga dengan kebutuhan ART untuk anak meningkat lebih dari 100% dari 930 pada tahun 2008 menjadi 2,660
pada tahun 2014.
Gambar 4. Estimasi dan Proyeksi Proporsi Infeksi Baru HIV dan ODHA Hasil Spectrum dengan Hasil Estimasi ODHA Tahun 2006
Lstluasl oan |royoksl |nloksl 8aru R|v usla 1-40 tahun
Lstluasl oan |royoksl 0URA usla 1-40 tahun
Klsaran Lstluasl 0URA
1ahun 2000
2000 2008 2000 2010 2011 2012 2018 2014
44.000
277.700
814.00
840.100
880.800
421.100
447.000
01.400
100.000
204.400
210.000
1.800
1.000 .700
02.000 08.200
00.000
70.200
21
Tabel 4. Estimasi & Proyeksi Jumlah ODHA, Infeksi Baru HIV, Kematian AIDS dan Kebutuhan ART Pada Anak di Indonesia Tahun 2008-2014
0DHA Anuk
1ntul
La||-|a||
|c.ccpuau
lnfekai Buru Hlv
1ntul
La||-|a||
|c.ccpuau
Kemutiun AlD5
1ntul
La||-|a||
|c.ccpuau
Kebutuhun AR1
1ntul
La||-|a||
|c.ccpuau
2008 200 2010 2011 2012 2018 201/
2.410
1.260
1.210
520
270
2o0
080
/80
/o0
8.080
1.oo0
1./80
510
260
2o0
1.120
o70
oo0
8.500
1.8/0
1.7o0
580
270
260
1.860
700
670
4.210
2.1o0
2.060
600
810
20
1.660
8o0
810
4.860
2./0
2.870
610
8o0
880
1.010
1.010
60
5.520
2.820
2.60
150
880
870
2.200
1.170
1.120
6.240
8.10
8.0o0
1.010
oo0
o20
1.010
oo0
o20
1.100
o60
o/0
1.220
680
600
1.840
680
6o0
1.420
780
60
1.500
820
780
860
//0
/20
2.660
1.860
1.800
Data-data estimasi dan proyeksi epidemi HIV pada anak-anak ini dapat digunakan oleh berbagai pihak sebagai dasar
dalam perencanaan berbagai program terkait dengan pencegahan penuralan HIV dari ibu ke bayinya, penyediaan berbagai
layanan kesehatan terkait HIV dan AIDS untuk anak dan mengevaluasi cakupan dari program-program tersebut. Selain itum
data-data ini juga sangat bermanfaat untuk kepentingan advokasi kepada pemangku kebijakan agar dapat meningkatkan
komitmennya dalam berbagai upaya penanggulangan HIV dan AIDS.
BAB V
KETERBATASAN DAN
REKOMENDASI
28
V. KETERBATASAN DAN REKOMENDASI
Pemodelan matematika epidemi HIV di Indonesia tahun 20082014 ini masih memiliki berbagai keterbatasan seperti tidak
tersedianya semua data yang dibutuhkan oleh dua alat bantu pemodelan (AEM dan Spectrum) yang dipilih dan beberapa
cara perhitungan estimasi dan proyeksi di Modul Spectrum yang tidak dapat disesuaikan dengan data-data yang ada.
Sehingga perlu direncanakan pengumpulan data-data yang dibutuhkan secara sistematis agar dapat meningkatkan kualitas
data pemodelan yang dihasilkan di masa mendatang.
Pemodelan ini juga perlu diperbaharui setiap adanya data-data utama baru seperti data surveilans perilaku dan HIV baru
maupun data-data epidemiologi lainnya.
Hasil pemodelan matematika epidemi HIV tahun 2008-2014 masih perlu ditindak lanjuti dengan melakukan analisis lanjutan
terhadap berbagai skenario target program yang ditetapkan agar dapat memberikan kontribusi yang lebih maksimal dalam
berbagai upaya penanggulangan HIV dan AIDS di Indonesia.
Pemanfaatan lebih lanjut dari pemodelan epidemi HIV ini seperti proyeksi kebutuhan sumberdaya juga perlu dilakukan untuk
melengkapi informasi bagi pemangku kebijakan sehingga dapat menentukan prioritas program dengan berbasiskan data.
Selain itu juga perlu dikaji kemungkinan membuat alat bantu pemodelan epidemi HIV yang lebih spesifk untuk Indonesia
sehingga dapat mengakomodir keberagaman epidemi HIV di berbagai wilayah nusantara.
BAB VI
LAMPIRAN
VI.A. Daftar Istilah dan Singkatan
VI.B. Kelompok Kerja Pemodelan Epidemi
VI.C. Data dan Asumsi Lembar Kerja Population AEM
VI.D. Data dan Asumsi Lembar Kerja Heterosexual AEM
VI.E. Data dan Asumsi Lembar Kerja IDU AEM
VI.F. Data dan Asumsi Lembar Kerja MSM AEM
VI.G. Data dan Asumsi Lembar Kerja Epidemic AEM
VI.H. Data Lembar Kerja Prev
VI.I. Results of the AEM Module:
Estimation and Projection of the PLWHA by Population
25
VI. LAMPIRAN
VI.A. Daftar Istilah dan Singkatan
AEM
AIDS
ART
Bappenas
BPS
CDC
Depkes
EPP
HEMI
HIV
IMS
KPAN
LSL
MSM
ODHA
Penasun
PMS
PMTCT
PS
SDKI
SSP
SUPAS
STBP
STHP
TB
UNAIDS
UNFPA
USAID
WHO
WPS
Asian Epidemic Modeling
Acquired Immunodefciency Syndroms
Anti Retroviral Therapy
Badan Perencanaan Pembangunan Nasional
Badan Pusat Statistik
Communicable Disease Control
Departemen Kesehatan
Estimation and Projection Package
HIV Epidemiological Modelling and Impact
Human Immunodefciency Virus
Infeksi Menular Seksual
Komisi Penanggulangan AIDS Nasional
Laki-laki Seks dengan Laki-laki
Male Sex with Male
Orang Dengan HIV/AIDS
Pengguna Napza Suntik
Penyakit Menular Seksual
Prevention Mother to Child Transmission
Penjaja Seks
Survei Demograf Kesehatan Indonesia
Survei Surveilans Perilaku
Survei Penduduk Antar Sensus
Survei Terpadu Biologi dan Perilaku
Survei Terpadu HIV dan Perilaku
Tuberkulosis
Joint United Nations Programme on HIV/AIDS
UNFPA
United States Agency in Development
World Health Organization
Wanita Penjaja Seks
26
1. S Happy Hardjo BPS
2. Wendi Hartanto BPS
3. Sigit Priohutomo Subdit AIDS dan PMS
4. Pandu Riono Pakar Pemodelan Matematika Epidemi
5. Aang Sutrisna Pakar Pemodelan Matematika Epidemi
6. Dyah Erti Mustikawati Subdit AIDS dan PMS
7. Asik Surya Subdit AIDS dan PMS
8. Eko Saputro Subdit AIDS dan PMS
9. Lely Wahyuniar UNAIDS
10. Asep Kurniawan KPAN
11. Eli Winardi Subdit AIDS dan PMS
12. Subhash Hira WHO
13. Sri Pandham WHO
14. Veera Mendoca Unicef
15. Gelora Manurung Unicef
16. Budi Utomo HCPI
17. Susan Blogg HCPI
18. Nurcholish Madjid FHI
19. Crystal Ng CHAI
20. Indang Trihandini FKM-UI
21. Wiwat Paerapatanapokin Expert Mathematic
Epidemic Modelling
VI.B. Kelompok Kerja Pemodelan Epidemi 2008-2014
21
VI.C. Data dan Asumsi Lembar Kerja Population AEM
Data demograf yang harus dimasukan dalam lembar kerja Population dalam modul AEM adalah rasio penduduk usia 15
49 tahun terhadap penduduk usia 15 tahun keatas dan jumlah penduduk usia 15 tahun keatas serta 15 tahun dari 1980
sampai dengan 2020 yang dipisahkan menurut jenis kelamin.
Berikut adalah data demograf dan sumber datanya yang digunakan untuk mengembangkan pemodelan epidemi di 31
provinsi dan Tanah Papua.

Rasio penduduk usia 15 49 tahun terhadap penduduk usia 15 tahun keatas menggunakan rasio pada tahun 2008
dari hasil proyeksi penduduk Indonesia tahun 2005
1
Jumlah penduduk laki-laki dan perempuan 15 tahun keatas diambil dari beberapa sumber seperti:
Sensus Penduduk tahun 1980, 1990 dan 2000
Survei Penduduk Antar Sensus tahun 1995 dan 2005

Proyeksi Penduduk tahun 2000 2025
1

Perhitungan interpolasi jumlah penduduk tahun 1981-1989, 1991-1994 dan 1996- 1999 dengan asumsi
pertumbuhan penduduk sama setiap tahunnya
Jumlah penduduk laki-laki dan perempuan usia 15 tahun tidak tersedia dari hasil survei diatas sehingga dihitung
dengan cara menjumlahkan jumlah penduduk kelompok umur 10-14 tahun dan 15-19 tahun lalu dibagi 10. Asumsi
yang digunakan adalah sebagian penduduk usia 15 tahun ada di kelompok umur 10-14 tahun dan sebagian lagi ada di
kelompok umur 15-19 tahun serta distribusi penduduk pada kelompok umur 10-19 tahun sama rata.
Buku Proyeksi Penduduk Indonesia tahun 2000 2025, Bappenas-BPS-UNFPA 2005, http://www.datastatistik-indonesia.com/proyeksi
Gambar 5. Isian Lembar Kerja Population AEM Pemodelan Epidemi 31 Provinsi
|at|o o| 1o-/ popu|at|ou to 1o auo o|oc. popu|at|ou |u t|c p.cscut . 0.80 |opu|at|ou 1o auo aooc
180
181
182
188
18/
18o
186
187
188
18
10
11
12
18
1/
1o
16
17
18
1
2000
/2.027.10
/8.80o.8/
//.628.671
/o.81.o0/
/7.880.6oo
/8.822.880
o0.21.16/
o1.710./27
o8.26o.088
o/.8o/.888
oo./oo.00
o6.88./00
o8.//1.600
60.0/.700
61.770.100
68./8o.00
6o.126.200
66.727.o00
68.818.800
6.80./00
70.02/.800
//.812.808
/o.621.1o8
/6.2.o08
/8.287.8o2
/.o/6.202
o0.8o/.oo2
o2.162.01
o8./71.2o1
o/.77.601
o6.087.o0
o7.86.800
o8.728.820
60.061.8/0
61.88.860
62.726.880
6/.0o8.00
6o.81./20
66.728./0
68.0o6./60
6.888.80
70.721.o00
1.18o.16/
1.22/.8o7
1.268.oo0
1.802.7/8
1.8/1.86
1.881.128
1./20.821
1./o.o1/
1./8.707
1.o87.8
1.o77.02
1.616.28o
1.6oo./78
1.6/.671
1.7/1.17
1.70.802
1.886.oo
1.881.716
1.26.//
1.70.0
2.066.210
1.20o.808
1.2//.027
1.282.7/o
1.821./6/
1.860.188
1.88.01
1./87.620
1./76.888
1.o1o.0o7
1.oo8.77o
1.o61.17
1.o.871
1.68.1o
1.682.28o
1.726.287
1.7//.222
1.81o.16o
1.8o8.668
1.02.278
1./o.868
2.02o.60
2001
2002
2008
200/
200o
2006
2007
2008
200
2010
2011
2012
2018
201/
201o
2016
2017
2018
201
2020
71.88/.00
72.8/8.200
7/.886.600
7o.8o7.600
77.88.100
78.866.6..
80.87/.700
81.887.00
88.88.600
8/.82.700
86.166.00
87./86.800
88.67.o00
8./o.o00
1.17.700
2./08.600
8.680.800
/.868.100
6.101.100
7.812.700
72.17.00
78.6o/./00
7o.1//./00
76.6/7.600
78.1o/.100
7.67./00
81.21/.o00
82.7oo.00
8/.22.700
8o.81/.o00
87.188.000
88.//0.200
8.7o0.200
1.0/7.600
2.888.000
8.6o8.800
/.66.600
6.2o2.600
7.o12.00
8.761.o00
2.071.o10
2.080.120
2.087.6o0
2.0o.o20
2.102.80
2.088.10
2.07o./80
2.062./70
2.0/.680
2.088.8o0
2.028.280
2.00.070
1././80
1.80.100
1.6o.8o0
1.7o.860
1.8o./80
1.8.0
2.002.780
2.00.80
2.02.000
2.081.8/0
2.082.8/0
2.088.0
2.08/./0
2.022.60
2.010.o00
1.8.80
1.87.880
1.76.8/0
1.61.880
1./6.780
1.82.620
1.17./80
1.02.820
1.11.810
1.20.280
1.28.110
1.8/.8o0
1./1.060
lcca|cs
/qc 1o
Ma|cs
/qc 1o lcca|cs 1o Ma|cs 1o
lcca|cs
/qc 1o
Ma|cs
/qc 1o lcca|cs 1o Ma|cs 1o Yca. Yca.
28
Gambar 6. Isian Lembar Kerja Population AEM Pemodelan Epidemi Tanah Papua
VI.D. Data dan Asumsi Lembar Kerja Heterosexual AEM
Lembar kerja Heterosexual berisi data-data perilaku seksual dari populasi Wanita Penjaja Seks dan pelanggannya serta
dari penduduk 15-49 tahun pada umumnya. Banyak asumsi yang digunakan untuk mengisi data-data perilaku yang harus
diisikan setiap tahunnya karena survei dan atau penelitian tidak dikerjakan setiap tahun.
Berikut adalah sumber data dan asumsi yang digunakan untuk mengisi lembar kerja Heterosexual AEM:
Proporsi WPS dari penduduk perempuan usia 15-49 tahun menggunakan beberapa data dan asumsi sebagai berikut :
19802006 (31 provinsi = 0.35%; Tanah Papua =1.1% ) menggunakan % estimasi WPS dari jumlah estimasi populasi
perempuan usia 15-49 tahun di 31 provinsi dan Tanah Papua (Provinsi Papua dan Papua Barat) pada tahun 2006
2

2007-2012 di 31 provinsi adalah 0.36%, 0.38%, 0.39%, 0.4% dan 0.42%, menggunakan asumsi pertumbuhan pop
ulasi WPS sama dengan proporsi pertambahan jumlah WPS di 11 kota hasil pemetaan SSP tahun 2004 dan 2007
serta RTI Study di 7 kota tahun 2005 dan 2007. Sedangkan di Tanah Papua adalah 1.1% sama dengan estimasi
pertumbuhan penduduk perempuan usia 15-49 tahun di Tanah Papua.
2013 2020 menggunakan angka yang sama dengan tahun 2012 atau sama dengan estimasi pertumbuhan
penduduk perempuan usia 15-49 tahun
Proporsi higher frequency menggunakan proporsi WPS Langsung dari jumlah WPS (31 provinsi = 58%; Tanah Papua
=61%) dari hasil di estimasi populasi WPS tahun 2006.
Proporsi higher frequency yang pindah menjadi lower frequency setiap tahunnya (1%) menggunakan % dari nilai
anggapan (default value) yang disediakan AEM karena tidak ada datanya baik 31 propinsi maupun Tanah Papua.
Rata-rata pelanggan per hari higher frequency menggunakan rata-rata pelanggan WPS Langsung dari hasil STBP 2007
(31 provinsi = 1.8; Tanah Papua =1.59). Sedangkan untuk lower frequency menggunakan rata-rata pelanggan WPS
tidak langsung dari survei yang sama (31 provinsi = 1.2; Tanah Papua =0.92).
2 Estimasi Populasi Dewasa Rawan Terinfeksi HIV tahun 2006, KPAN Depkes. http://www.aidsindonesia.or.id/index.php?option=com_content&task=view&id=789&Itemid=84
|at|o o| 1o-/ popu|at|ou to 1o auo o|oc. popu|at|ou |u t|c p.cscut . 0.7o |opu|at|ou 1o auo aooc
180
181
182
188
18/
18o
186
187
188
18
10
11
12
18
1/
1o
16
17
18
1
2000
2o8.28
282.721
807.208
881.68o
8o6.167
/0o.o7o
/20./6
/86.o2
/o8./1
/70./60
/88./00
o11./00
o86700
o/7.800
o2.800
628.000
6o8.200
682.o00
718.700
7/o.800
7/6.o00
278.202
22.6/
812.186
881.678
8o1.171
877.2/
82./oo
/0/.761
o0.8/
/8.616
//2.800
/62.700
/82.000
o0/.600
o27.00
oo/.100
o82./00
610.000
688.700
670.800
670.200
12.o27
18.o28
1/./86
1o./16
16.812
18.800
18.708
1.12/
1.o/0
1.o2
20.882
20.6
21.671
21.728
28.118
28.888
2/.60/
2o.2/o
2o.1o
26.o7o
2o.170
12.60
18.70o
1/./26
1o.128
1o.77
16.788
17.172
17./62
21.68o
18./26
18.288
18.826
1.816
1.12
20.o07
21.18o
21.10
22.o7/
28.2//
28.88
22.o80
2001
2002
2008
200/
200o
2006
2007
2008
200
2010
2011
2012
2018
201/
201o
2016
2017
2018
201
2020
788.800
818.00
88.800
868.o00
888.100
21.000
o/.700
8o.700
1.016./00
1.016./00
1.0/8.800
1.07.200
1.121.o00
1.1/o.600
1.170./00
1.1.100
1.281.800
1.2o7.100
1.28o.700
1.818.00
6o.800
71/.00
7/2.800
766.800
72.000
828.800
8o2.600
888.000
18.o00
//.o00
6.100
1.100
1.01o.200
1.088.100
1.061.o00
1.08.800
1.118.200
1.1/6./00
1.17/.700
1.208.200
26.o20
27./20
28.110
28.o0
2.680
2.660
2.220
2.070
28.710
28.2o0
28.180
28.080
27.10
27.760
27.o80
28.1/0
28.70
2.8/0
2.60
80.//0
28./20
2/.8/0
2o.260
26.100
26.10
26.80
26.70
26.8o0
26.800
26.800
26.780
26.780
26.o0
26./o0
26.870
27.000
27.o70
28.10
28.660
2.260
lcca|cs
/qc 1o
Ma|cs
/qc 1o lcca|cs 1o Ma|cs 1o
lcca|cs
/qc 1o
Ma|cs
/qc 1o lcca|cs 1o Ma|cs 1o Yca. Yca.
20
Hari kerja per minggu higher frequency menggunakan rata-rata hari kerja WPS Langsung dari hasil STBP 2007 (31
provinsi = 3.8; Tanah Papua = 3.8). Sedangkan untuk lower frequency menggunakan rata-rata hari kerja WPS tidak
langsung dari survei yang sama (31 provinsi = 3.6; Tanah Papua = 2.3).
% pemakaian kondom higher frequency diambil dari proporsi pemakaian kondom WPS Langsung pada hubungan
seks komersial terakhir dari hasil STBP tahun 2007. Sedangkan untuk % pemakaian kondom untuk lower frequency
menggunakan data yang sama untuk WPS Tidak Langsung (31 provinsi = 1.2; Tanah Papua = 2).
Data rata-rata lama kerja sebagai WPS tidak tersedia di 31 provinsi maupun tanah Papua , oleh karena itu dihitung dari
data STBP 2007 dengan asumsi populasi WPS stabil dimana yang keluar jumlahnya sama dengan yang baru sehingga
dapat diperkirakan dengan cara sebagai berikut :
% WPS Langsung yang bekerja kurang dari satu tahun adalah 27.75% untuk 31 provinsi dan 20.5% untuk Tanah
Papua sehingga estimasi lama kerja sebagai WPS Langsung di 31 Provinsi adalah 1/27.75% = 3.6 tahun, dan di
Tanah Papua adalah 1/20.5% = 4.9 tahun
% WPS Tidak Langsung yang bekerja kurang dari satu tahun di 31 provinsi adalah 34.9% dan 51% untuk di Tanah
Papua sehingga estimasi lama kerja sebagai WPS Langsung di 31 Provinsi adalah 1/34.9% = 2.9 tahun, dan di Tanah
Papua adalah 1/51% = 1.97 tahun
% WPS dengan Infeksi Menular Seksual pada AEM 31 provinsi diambil dari WPS yang terinfeksi Neisseria gonorhoeae
dan atau Chlamydia trachomatis pada STBP tahun 2007 di 6 kota (WPS Langsung 39% dan WPS Tidak Langsung
31%) sedangkan pada AEM Tanah Papua digunakan data dari survei yang sama di 2 Kota di Tanah Papua (WPS
Langsung 52% dan WPS Tidak Langsung 41%)
% laki-laki usia 15-49 tahun yang membeli seks dalam 1 tahun terakhir menggunakan hasil estimasi Pelanggan WPS di
Indonesia tahun 2006 (8%).5 Proporsi ini digunakan untuk semua tahun dengan asumsi pertumbuhan jumlah Pelanggan
WPS sama dengan pertumbuhan penduduk laki-laki usia 15-49 tahun.
Sama seperti lama kerja sebagai WPS, data lama laki-laki usia 15-49 tahun sebagai Pelanggan WPS juga tidak tersedia
dan dihitung dengan cara yang sama dari hasil SSP di populasi pekerja di 5 provinsi pada tahun 2005
% laki-laki usia 15-49 tahun yang disunat diasumsikan dari proporsi jumlah penduduk laki-laki 15-49 tahun yang
beragama Islam
% laki-laki dan perempuan usia 15-49 tahun yang punya pasangan seks selain pasangan tetap dan seks komersial
diasumsikan dari data
Tingkat pemakaian kondom dan jumlah hubungan seks dengan bukan pasangan tetap dan bukan seks komersial
menggunakan hasil STBP pada populasi pria berisiko tinggi di beberapa kota tahun 2007.
Data jumlah hubungan seks dengan pasangan seks tetap dalam satu minggu dan tingkat pemakaian kondomnya
diambil dari data STBP tahun 2007. Sedangkan prevalens IMS pada penduduk dewasa secara umum tidak tersedia di
Indonesia, oleh karena itu data ini dibuat dengan mengasumsikannya dari proporsi Pelanggan WPS dan kemungkinan
mereka terinfeksi IMS dengan prevalensi IMS yang ada pada populasi WPS.
80
Gambar 7. Isian pada Lembar Kerja Heterosexual Pemodelan AEM 31 Provinsi
1.8 1.8 1.8 1.8 1.8 1.8 1.8
8.8 8.8 8.8 8.8 8.8 8.8 8.8
8.6 8.6 8.6 8.6 8.6 8.6 8.6
8` 8` 8` 8` 8` 8` 8`
67` 67` 67` 67` 67` 67` 67`
1.2 1.2 1.2 1.2 1.2 1.2 1.2
8.6 8.6 8.6 8.6 8.6 8.6 8.6
2. 2. 2. 2. 2. 2. 2.
81` 81` 81` 81` 81` 81` 81`
2008 2000 2010 2011 2012 2018 2014
8ohavloral lnuts to ALM
lor hotorosoxual oulatlons
Sc wo.|c. - Ccuc.a|
|c.ccut o| |cca|cs aqc 1o-/ w|o a.c sc wo.|c.s
|c.ccut o| sc wo.|c.s w|o a.c ||qc. |.coucuc,
||q| |.coucuc, to |ow |.coucuc, cocccut cac| ,ca.
Sc wo.|c. - ||q|c. |.coucuc, q.oup
|ucoc. o| c||cuts pc. oa, - ||q|c. |.coucuc, Sw
|a,s wo.|co pc. wcc| - ||q|c. |.coucuc, sc wo.|c.s
|c.ccut couooc usc w|t| c||cuts - ||q|c. |.coucuc, Sw
/a.aqc ou.at|ou |o. ||q|c. |.coucuc, sc wo.|c.s (,ca.s)
|c.ccut ||q|c. |.coucuc, Sw w|t| S1|
Sc wo.|c.s - Lowc. |.coucuc, q.oup
|ucoc. o| c||cuts pc. oa, - |owc. |.coucuc, Sw
|a,s wo.|co pc. wcc| - |owc. |.coucuc, sc wo.|c.s
|c.ccut couooc usc w|t| c||cuts - |owc. |.coucuc, Sw
/c.aqc ou.uat|ou |o. |owc. |.coucuc, sc wo.|c.s (,ca.s)
|c.ccut |owc. |.coucuc, Sw w|t| S1|
C||cuts o| sc wo.|c.s
|c.ccut o| ca|cs aqc 1o-/ w|s|t|uq sc wo.|c.s |u |ast ,ca.
/c.aqc ou.at|ou o| oc|uq a c||cut (,ca.s)
|c.ccutaqc o| aou|t ca|c c|.cucc|sco
Ma|c lcca|c casua| sc (uou-coccc.c|a|,
uou-.cqu|a. pa.tuc.)
|c.ccutaqc o| ca|cs |a|uq casua| sc |u |ast ,ca.
|c.ccutaqc o| |cca|cs |a|uq casua| sc |u |ast ,ca.
|c.ccut o| couooc usc |u casua| sc
/c.aqc uucoc. o. casua| coutacts |u |ast ,ca.s
Sc w|t| spouscs o. .cqu|a. pa.tuc.s (||)
|ucoc. o| scua| coutacts w|t| spousc o. || (pc. wcc|)
|c.ccut couooc usc w|t| spouscs o. .cqu|a. pa.tuc.s
|c.ccut aou|t popu|at|ou w|t| S1|
0.88` 0.8` 0./0` 0./1` 0./2` 0./2` 0./2`
o8` o8` o8` o8` o8` o8` o8`
o8` o8` o8` o8` o8` o8` o8`
10.0 10.0 10.0 10.0 10.0 10.0 10.0
80` 80` 80` 80` 80` 80` 80`
o` o` o` o` o` o` o`
20` 20` 20` 20` 20` 20` 20`
2 2 2 2 2 2 2
2.o` 2.o` 2.o` 2.o` 2.o` 2.o` 2.o`
0` 0` 0` 0` 0` 0` 0`
1` 1` 1` 1` 1` 1` 1`
1` 1` 1` 1` 1` 1` 1`
1.0 1.0 1.0 1.0 1.0 1.0 1.0
1.8` 1.8` 1.8` 1.8` 1.8` 1.8` 1.8`
81
Gambar 8. Isian pada Lembar Kerja Heterosexual Pemodelan AEM Tanah Papua
1.o 1.o 1.o 1.o 1.o 1.o 1.o
8.8 8.8 8.8 8.8 8.8 8.8 8.8
/. /. /. /. /. /. /.
o2` o2` o2` o2` o2` o2` o2`
80` 80` 80` 80` 80` 80` 80`
0.2 0.2 0.2 0.2 0.2 0.2 0.2
2.8 2.8 2.8 2.8 2.8 2.8 2.8
2.0 2.0 2.0 2.0 2.0 2.0 2.0
/1` /1` /1` /1` /1` /1` /1`
2008 2000 2010 2011 2012 2018 2014
8ohavloral lnuts to ALM
lor hotorosoxual oulatlons
Sc wo.|c. - Ccuc.a|
|c.ccut o| |cca|cs aqc 1o-/ w|o a.c sc wo.|c.s
|c.ccut o| sc wo.|c.s w|o a.c ||qc. |.coucuc,
||q| |.coucuc, to |ow |.coucuc, cocccut cac| ,ca.
Sc wo.|c. - ||q|c. |.coucuc, q.oup
|ucoc. o| c||cuts pc. oa, - ||q|c. |.coucuc, Sw
|a,s wo.|co pc. wcc| - ||q|c. |.coucuc, sc wo.|c.s
|c.ccut couooc usc w|t| c||cuts - ||q|c. |.coucuc, Sw
/a.aqc ou.at|ou |o. ||q|c. |.coucuc, sc wo.|c.s (,ca.s)
|c.ccut ||q|c. |.coucuc, Sw w|t| S1|
Sc wo.|c.s - Lowc. |.coucuc, q.oup
|ucoc. o| c||cuts pc. oa, - |owc. |.coucuc, Sw
|a,s wo.|co pc. wcc| - |owc. |.coucuc, sc wo.|c.s
|c.ccut couooc usc w|t| c||cuts - |owc. |.coucuc, Sw
/c.aqc ou.uat|ou |o. |owc. |.coucuc, sc wo.|c.s (,ca.s)
|c.ccut |owc. |.coucuc, Sw w|t| S1|
C||cuts o| sc wo.|c.s
|c.ccut o| ca|cs aqc 1o-/ w|s|t|uq sc wo.|c.s |u |ast ,ca.
/c.aqc ou.at|ou o| oc|uq a c||cut (,ca.s)
|c.ccutaqc o| aou|t ca|c c|.cucc|sco
Ma|c lcca|c casua| sc (uou-coccc.c|a|,
uou-.cqu|a. pa.tuc.)
|c.ccutaqc o| ca|cs |a|uq casua| sc |u |ast ,ca.
|c.ccutaqc o| |cca|cs |a|uq casua| sc |u |ast ,ca.
|c.ccut o| couooc usc |u casua| sc
/c.aqc uucoc. o. casua| coutacts |u |ast ,ca.s
Sc w|t| spouscs o. .cqu|a. pa.tuc.s (||)
|ucoc. o| scua| coutacts w|t| spousc o. || (pc. wcc|)
|c.ccut couooc usc w|t| spouscs o. .cqu|a. pa.tuc.s
|c.ccut aou|t popu|at|ou w|t| S1|
1.10` 1.10` 1.10` 1.10` 1.10` 1.10` 1.10`
61` 61` 61` 61` 61` 61` 61`
o6` o6` o6` o6` o6` o6` o6`
/.2 /.2 /.2 /.2 /.2 /.2 /.2
17` 17` 17` 17` 17` 17` 17`
` ` ` ` ` ` `
11` 11` 11` 11` 11` 11` 11`
o.6 o.6 o.6 o.6 o.6 o.6 o.6
2o` 2o` 2o` 2o` 2o` 2o` 2o`
7` 7` 7` 7` 7` 7` 7`
1` 1` 1` 1` 1` 1` 1`
2` 2` 2` 2` 2` 2` 2`
1.2 1.2 1.2 1.2 1.2 1.2 1.2
8` 8` 8` 8` 8` 8` 8`
82
VI.E. Data dan Asumsi Lembar Kerja IDU AEM
Lembar kerja IDU hanya diisi pada pemodelan di 31 Provinsi, sedangkan untuk pemodelan di Tanah Papua dikosongkan.
Lembar kerja IDU berisi data perilaku berisiko pengguna Napza suntik (Penasun) sebagai berikut:
Proporsi penduduk laki-laki usia 15-49 tahun yang menjadi Penasun pada tahun 2008 (0.3%) diambil dari hasil estimasi
yang dilakukan oleh KPAN dan Departemen Kesehatan tahun 2006.5 Pertumbuhan jumlah Penasun diasumsikan sama
dengan pertumbuhan penduduk laki-laki 15-49 tahun sehingga proporsinya sama dengan tahun 2006.
Proporsi Penasun yang ada di jejaring berisiko tinggi (95%), berbagi jarum (48%), selalu berbagi jarum seminggu
terakhir (70%), rata-rata menyuntik per hari (2), % yang beli seks setahun terakhir (40%) dan tingkat konsistensi
pemakaian kondomnya (35%) menggunakan hasil STBP pada populasi Penasun tahun 2007. Sedangkan rata-rata tahun
menjadi Penasun dihitung dengan rumus dan asumsi yang sama untuk menghitung rata-rata tahun WPS menjadi WPS.
Tidak seperti di beberapa negara Asia lainnya, proporsi WPS yang juga Penasun di Indonesia masih sangat kecil ( WPS
L = 1.2%; WPS TL = 1.6%), oleh karena itu perilaku risiko menyuntiknya sebagian diasumsikan tidak memberi dampak
besar pada epidemi dari populasi Penasun, sedangkan perilaku pemakaian kondomnya disamakan dengan populasi
WPS secara umum.
Gambar 9. Isian pada Lembar Kerja IDU Pemodelan AEM di 31 Provinsi
67` 67` 67` 67` 67` 67` 67`
2 2 2 2 2 2 2
2 2 2 2 2 2 2
8 8 8 8 8 8 8
2 2 2 2 2 2 2
8 8 8 8 8 8 8
8.0 8.0 8.0 8.0 8.0 8.0 8.0
20.0` 20.0` 20.0` 20.0` 20.0` 20.0` 20.0`
/0` /0` /0` /0` /0` /0` /0`
8o` 8o` 8o` 8o` 8o` 8o` 8o`
8o` 8o` 8o` 8o` 8o` 8o` 8o`
28` 28` 28` 28` 28` 28` 28`
86` 86` 86` 86` 86` 86` 86`
1` 1` 1` 1` 1` 1` 1`
0` 0` 0` 0` 0` 0` 0`
0` 0` 0` 0` 0` 0` 0`
0` 0` 0` 0` 0` 0` 0`
0` 0` 0` 0` 0` 0` 0`
1.6` 1.6` 1.6` 1.6` 1.6` 1.6` 1.6`
0` 0` 0` 0` 0` 0` 0`
0` 0` 0` 0` 0` 0` 0`
1 1 1 1 1 1 1
2008 2000 2010 2011 2012 2018 2014
2008 2000 2010 2011 2012 2018 2014
8ohavloral lnuts to ALM lor |U0s & |njoctlng sox workors
Malo |U0s
|u,cct|uq 8c|a|o.s
|c.ccut o| aou|t ca|cs aqc 1o-/ w|o |u,cct
|c.ccut |u ||q| .|s| uctwo.|s
||0 co.ta||t, (aoo|t|oua| co.ta||t, pc. ,ca. |u pc.ccut)
|c.ccut o| ||0s S|a.|uq
|c.ccut o| a|| |u,cct|ous s|a.co (o, t|osc |u s|a.|uq q.oup)
|ucoc. o| |u,cct|ous cac| oa,
/c.aqc ou.at|ou o| |u,cct|uq |u a ,ca.
S|a.|uq to uou s|a.|uq cocccut |u a ,ca.
Scua| oc|a|o.s
|c.ccut |s|t|uq |cca|c sc wo.|c.s
|c.ccut couooc usc w|t| ||q|c. |.coucuc, sc wo.|c.s
|c.ccut couooc usc w|t| |owc. |.coucuc, sc wo.|c.s
|c.ccut couooc usc w|t| spousc o. .cqu|a. pa.tuc.
|ucoc. o| coutacts w|t| .cqu|a. pa.tuc.s (pc. wcc|)
|u,cct|uq 8c|a|o.s - ||q|c. |.coucuc, sc wo.|c.s
|c.ccut o| ||q|c. |.coucuc, sc wo.|c.s w|o |u,cct
|c.ccut o| ||q|c. |.coucuc, |Sw |u ||q| .|s| uctwo.|s
|c.ccut o| ||q|c. |.coucuc, |Sw s|a.|uq
|c.ccut o| a|| |u,cct|ous s|a.co ( S|a.|uq || |.coucuc, Sw)
|ucoc. o| oa||, |u,cct|ous |o. ||q|c. |.coucuc, |Sw
/c.aqc ou.at|ou o| |u,cct|uq |o. ||q|c. |.co |Sw (,ca.s)
|c.ccut couooc usc w|t| c||cuts (|| |.coucuc, |Sws)
|u,cct|uq oc|a|o.s - |owc. |.coucuc, |u,cct|uq Sws
|c.ccut o| |owc. |.coucuc, sc wo.|c.s w|o |u,cct
|c.ccut o| |owc. |.coucuc, |Sw |u ||q| .|s| uctwo.|s
|c.ccut o| |owc. |.coucuc, |Sw s|a.|uq
|c.ccut o| a|| |u,cct|ous s|a.co ( S|a.|uq |ow |.coucuc, Sw)
|ucoc. o| oa||, |u,cct|ous |o. |owc. |.coucuc, |Sw
/c.aqc ou.at|ou o| |u,cct|uq |o. |owc. |.co |Sw (,ca.s)
|c.ccut couooc usc w|t| c||cuts (|ow |.coucuc, |Sws)
0.80` 0.80` 0.80` 0.80` 0.80` 0.80` 0.80`
o` o` o` o` o` o` o`
1.0` 1.0` 1.0` 1.0` 1.0` 1.0` 1.0`
/8` /8` /8` /8` /8` /8` /8`
70.0` 70.0` 70.0` 70.0` 70.0` 70.0` 70.0`
|njoctlng sox workors (|Sw)
88
VI.F. Data dan Asumsi Lembar Kerja MSM AEM
Lembar kerja MSM berisi data-data perilaku berisiko populasi homoseksual laki-laki. Seperti juga isian lembar kerja
Heterosexual dan IDU, data untuk isian lembar kerja MSM sebagian besar berasal STBP tahun 2007.
Berikut rincian isian lembar kerja MSM:
Estimasi proporsi penduduk laki-laki usia 15-49 tahun yang homoseksual adalah 0.6%. Data tersebut diambil dari hasil
estimasi rendah populasi homoseksual di Indonesia yang dilakukan oleh KPAN dan Departemen Kesehatan tahun 2006.
Asumsi pertumbuhan jumlah homoseksual setiap tahunnya juga disamakan dengan pertumbuhan penduduk laki-laki usia
15-49 tahun.
Rata-rata tahun sebagai homoseksual dihitung dengan cara dan asumsi yang sama dengan rata-rata tahun sebagai
WPS
Beberapa parameter perilaku yang diambil dari hasil STBP pada populasi homoseksual tahun 2007 dan disamakan
untuk semua tahun adalah :
% homoseksual yang melakukan anal seks 1 tahun terakhir = 74%
Rata-rata anal seks per minggu = 1%
biseksual (punya pasangan seks perempuan) = 10%
% selalu pakai kondom pada seks anal seminggu terakhir = 53%
Gambar 10. Isian pada Lembar Kerja MSM Pemodelan AEM di 31 Provinsi
67` 67` 67` 67` 67` 67` 67` 67`
6` 6` 6` 6` 6` 6` 6` 6`
o8` o8` o8` o8` o8` o8` o8` o8`
o8` o8` o8` o8` o8` o8` o8` 8o`
82` 82` 82` 82` 82` 82` 82` 82`
1.6 1.6 1.6 1.6 1.6 1.6 1.6 1.6
8` 8` 8` 8` 8` 8` 8` 8`
8` 8` 8` 8` 8` 8` 8` 8`
8` 8` 8` 8` 8` 8` 8` 8`
8./` 8./` 8./` 8./` 8./` 8./` 8./` 8./`
1` 1` 1` 1` 1` 1` 1` 1`
0.02` 0.02` 0.02` 0.02` 0.02` 0.02` 0.02` 0.02`
/.0 /.0 /.0 /.0 /.0 /.0 /.0 /.0
2o` 2o` 2o` 2o` 2o` 2o` 2o` 2o`
8` 8` 8` 8` 8` 8` 8` 8`
80` 80` 80` 80` 80` 80` 80` 80`
2008 2000 2010 2011 2012 2018 2014 201
2008 2000 2010 2011 2012 2018 2014 201
Mon who havo sox wlth uon (MSM)
Scua| oc|a|o. w|t| uou-coccc.c|a| pa.tuc.s auo S1|
|c.ccut o| ca|cs aqc 1o-/ cuqaq|uq |u sacc-sc oc|a|o.
|c.ccut o| MSM .cpo.t|uq aua| sc |u |ast ,ca.
|ucoc. aua| sc coutacts |ast wcc| (|o. MSM w/ aua| sc)
/c.aqc ou.at|ou o| sacc-sc oc|a|o. (,ca.s)
|c.ccut o| MSM w|t| ot|c. |cca|c pa.tuc.s
|c.ccut couooc usc |u aua| sc w|t| ot|c. MSM
|c.ccut MSM w|t| u.ct|.a| S1|
|c.ccut MSM w|t| aua| S1|
Scua| oc|a|o.s w|t| coccc.c|a| pa.tuc.s
|c.ccut o| MSM |s|t|uq ca|c sc wo.|c.s
|c.ccut o| MSM |s|t|uq |cca|c sc wo.|c.s
|c.ccut couooc usc |u aua| sc w|t| ca|c sc wo.|c.s
|c.ccut couooc usc w|t| ||q|c. |.coucuc, |cca|c sc wo.|c.s
|c.ccut couooc usc w|t| |owc. |.coucuc, |cca|c Sw
MSw s|zc auo ou.at|ou
|c.ccut o| ca|cs aqc 1o-/ w|o a.c ca|c sc wo.|c.s
/c.aqc ou.at|ou o| ca|c sc wo.| (,ca.s)
S|||tw |.oc MSM to MSw
Scua| oc|a|o.s auo S1| w|t| c||cuts
|c.ccut o| MSw .cpo.t|uq aua| sc w|t| c||cuts |u |ast ,ca.
|ucoc. aua| sc coutacts |ast wcc| (|o. MSw w/aua| sc)
|c.ccut MSw w|t| aua| S1|
lcca|c pa.tuc.s o| MSw
|c.ccut MSw |s|t|uq |cca|c sc wo.|c.s |u |ast ,ca.
|c.ccut MSw w|t| ot|c. |cca|c pa.tuc.s |u |ast ,ca.
0.6` 0.6` 0.6` 0.6` 0.6` 0.6` 0.6` 0.6`
7/` 7/` 7/` 7/` 7/` 7/` 7/` 7/`
1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
20.0` 20.0` 20.0` 20.0` 20.0` 20.0` 20.0` 20.0`
10` 10` 10` 10` 10` 10` 10` 10`
Malo sox workors (MSw)
84
% yang pernah mengalami gejala IMS = 3%
% yang beli seks dari PPS = 3.4%
% Yang beli seks dari WPS = 1%
Tingkat pemakaian kondom dengan PPS = 69%
% PPS yang melakukan anal seks daam 1 tahun terakhir = 82%
Rata-rata anal seks per minggu = 1.6
% yang pernah mengalami gejala IMS = 3%
% Yang beli seks dari WPS = 8%
Tingkat pemakaian kondom dengan WPS = 30%
Sementara data tingkat pemakaian kondom homoseksual dengan WPS Langsung dan Tidak Langsung disamakan
dengan data dari lembar kerja heterosexual, sedangkan % homoseksual yang menjadi penjaja seks setiap tahunnya
diambil dari data di tingkat regional (Asia Tenggara) karena data tersebut tidak tersedia di Indonesia

VI.G. Data dan Asumsi Lembar Kerja Epidemic AEM
Lembar kerja Epidemic berisi data-data klinis terkait IMS dan HIV/AIDS. Ketersediaan data-data tersebut di Indonesia
secara umum sangat terbatas dan sulit untuk di akses. Oleh karena itu data-data seperti distribusi IMS menurut kelompok
umur dan probalitas penularan dari ibu ke anaknya diambil dari negara lain di Asia Tenggara (Thailand) yang memiliki data
tersebut. Sementara data fertilitas menurut kelompok umur menggunakan data SDKI dan data probilitas penularan HIV
dari populasi berisiko tinggi serta tahun dimulainya epidemi merupakan hasil proses peyesuaian pemodelan dengan data
Gambar 11. Isian pada Lembar Kerja Epidemic Pemodelan AEM 31 Provinsi
85
Gambar 12. Isian pada Lembar Kerja Epidemic Pemodelan AEM Tanah Papua
VI.H. Data Lembar Kerja Prev
Lembar kerja Prev berisi data surveilans HIV dari beberapa populasi risiko tinggi di 31 Provinsi dan Tanah Papua. Data-date
tersebut berasal dari surveilans sentinel HIV yang dilakukan oleh Dinas Kesehatan dan tempat-tempat layanan VCT serta
STBP 2007.
Data prevalens HIV dari beberapa tempat sentinel untuk populasi WPS dirata-ratakan karena modul AEM hanya bisa
menampung satu serial data untuk setiap populasi berisiko. Sedangkan data prevalens HIV beberapa populasi seperti
homoseksual laki-laki dan penduduk usia 15-49 tahun tidak tersedia atau data yang tersedia tidak cukup untuk membuat
sebuah tren prevalens HIV.
Data prevalens HIV dalam pemodelan AEM digunakan sebagai acuan dalam penyesuaian (adjustment) hasil perhitungan
dari data-data perilaku dan probabilitas infeksi serta progresiftas HIV/AIDS sehingga hasil pemodelan bisa lebih sesuai
dengan keadaan di Indonesia. Oleh karena itu kualitas data-data surveilans HIV sangat penting dalam pemodelan epidemi
HIV dan menentukan kualitas hasil pemodelan.
86
1 R|v
1.801
R|v |rovaloncos
Rl-|roquoncy sox workors Lo-|roquoncy sox workors Con |o ualos
Month - yoar
8/1/1008
8/1/1000
8/1/2000
8/1/2002
8/1/200
8/1/2007
Month - yoar
8/1/1008
8/1/1000
8/1/2000
8/1/2002
8/1/200
8/1/2007
1 R|v
0.801
1.001
8.001
8.001
14.001
1.701
1 R|v
0.001
0.201
0.01
2.001
8.001
.441
Month - yoar
12/1/2000
Con |o loualos
Month - yoar
12/1/2000
1 R|v
2.001
Gambar 14. Isian pada Lembar Kerja Prev Pemodelan AEM Tanah Papua
|rovaloncos
Rl-|roquoncy sox workors Lo-|roquoncy sox workors |njoctlng orug usors
Nuubor ol olnts 18 Nuubor ol olnts 0 Nuubor ol olnts 7
Month - yoar
0/1/100
0/1/1000
0/1/1007
0/1/1008
0/1/1000
0/1/2000
0/1/2001
0/1/2002
0/1/2008
0/1/2004
0/1/200
0/1/2000
0/1/2007
1 R|v
0.081
0.001
0.181
0.411
0.801
1.101
1.471
12.181
2.021
2.801
0.001
0.801
10.81
Month - yoar
0/1/2000
0/1/2001
0/1/2002
0/1/2008
0/1/2004
0/1/2007
1 R|v
0.881
0.821
1.11
2.001
2.101
4.01
Month - yoar
0/1/1000
0/1/2000
0/1/2001
0/1/2002
0/1/2008
0/1/200
0/1/2007
1 R|v
41
01
01
101
21
481
01
Gambar 13. Isian pada Lembar Kerja Prev Pemodelan AEM 31 Provinsi
N
u
m
b
e
r

C
u
r
r
e
n
t

H
I
V

I
n
f
e
c
t
i
o
n
s

b
y

Y
e
a
r
D
e
f
i
n
i
t
i
o
n
P
o
p
u
l
a
t
i
o
n
/

Y
e
a
r
2
0
0
8
2
0
0
9
2
0
1
0
2
0
1
1
2
0
1
2
2
0
1
3
2
0
1
4
H
i
g
h
e
r

r
i
s
k

p
o
p
u
l
a
t
i
o
n
s

-

m
a
l
e





C
u
r
r
e
n
t

m
a
l
e

c
l
i
e
n
t
s

o
f

s
e
x

w
o
r
k
e
r
s
C
l
i
e
n
t
5
0
,
2
9
6
5
8
,
1
7
1
6
5
,
7
9
1
7
2
,
9
9
4
7
9
,
6
0
6
8
5
,
7
3
4
9
1
,
4
3
4





I
n
j
e
c
t
i
n
g

d
r
u
g

u
s
e
r
s
I
D
U
1
1
8
,
0
2
7
1
2
2
,
6
7
6
1
2
6
,
3
1
8
1
2
9
,
3
0
1
1
3
1
,
8
2
3
1
3
4
,
0
1
6
1
3
5
,
9
9
1





M
a
l
e

s
e
x

w
o
r
k
e
r
s
M
S
W
1
8
4
2
4
2
3
1
8
4
1
5
5
4
1
7
0
0
9
0
2





M
e
n

w
h
o

h
a
v
e

s
e
x

w
i
t
h

m
e
n
M
S
M
6
,
9
7
5
9
,
2
2
9
1
2
,
1
5
4
1
5
,
9
4
2
2
0
,
8
2
3
2
7
,
0
5
9
3
4
,
9
5
0
H
i
g
h
e
r

r
i
s
k

p
o
p
u
l
a
t
i
o
n
s

-

f
e
m
a
l
e





H
i

f
r
e
q
u
e
n
c
y

s
e
x

w
o
r
k
e
r
s

w
h
o

d
o

n
o
t

i
n
j
e
c
t
H
F

S
W
1
8
,
7
1
9
2
1
,
9
6
5
2
4
,
9
2
7
2
7
,
6
4
8
3
0
,
0
8
7
3
1
,
9
4
2
3
3
,
4
7
3





L
o

f
r
e
q
u
e
n
c
y

s
e
x

w
o
r
k
e
r
s

w
h
o

d
o

n
o
t

i
n
j
e
c
t
L
F

S
W
6
,
8
8
8
8
,
1
6
4
9
,
3
4
6
1
0
,
4
4
7
1
1
,
4
4
7
1
2
,
2
2
7
1
2
,
8
8
2





A
l
l

s
e
x

w
o
r
k
e
r
s

w
h
o

d
o

n
o
t

i
n
j
e
c
t
N
I

S
W
2
5
,
6
0
7
3
0
,
1
2
9
3
4
,
2
7
3
3
8
,
0
9
5
4
1
,
5
3
5
4
4
,
1
6
9
4
6
,
3
5
5





I
n
j
e
c
t
i
n
g

s
e
x

w
o
r
k
e
r
s

-

h
i

f
r
e
q
u
e
n
c
y
I
S
W

H
F
2
3
9
2
8
1
3
1
9
3
5
3
3
8
3
4
0
3
4
2
0





I
n
j
e
c
t
i
n
g

s
e
x

w
o
r
k
e
r
s

-

l
o

f
r
e
q
u
e
n
c
y
I
S
W

L
F
1
2
8
1
5
3
1
7
7
1
9
8
2
1
8
2
3
2
2
4
4





A
l
l

s
e
x

w
o
r
k
e
r
s

w
h
o

i
n
j
e
c
t
I
S
W
3
6
7
4
3
5
4
9
6
5
5
2
6
0
1
6
3
5
6
6
4





A
l
l

s
e
x

w
o
r
k
e
r
s

(
i
n
c
l
u
d
i
n
g

i
n
j
e
c
t
i
n
g

a
n
d

n
o
n
-
i
n
j
e
c
t
i
n
g
)
F
S
W
2
5
,
9
7
4
3
0
,
5
6
4
3
4
,
7
6
9
3
8
,
6
4
7
4
2
,
1
3
5
4
4
,
8
0
4
4
7
,
0
1
9
C
u
r
r
e
n
t
l
y

l
o
w
e
r

r
i
s
k

p
o
p
u
l
a
t
i
o
n
s






M
a
l
e
s

w
h
o

a
r
e

n
o
t

n
o
w

i
n

a
t
-
r
i
s
k

p
o
p
u
l
a
t
i
o
n
s

L
o
-
r
i
s
k

m
e
n
3
3
,
2
3
5
3
9
,
6
7
0
4
6
,
6
8
3
5
3
,
7
2
1
6
0
,
0
0
6
6
6
,
1
3
2
7
2
,
1
2
1





F
e
m
a
l
e
s

w
h
o

a
r
e

n
o
t

n
o
w

i
n

a
t
-
r
i
s
k

p
o
p
u
l
a
t
i
o
n
L
o
-
r
i
s
k

w
o
m
e
n
5
3
,
3
1
5
6
6
,
3
5
3
7
9
,
9
0
1
9
3
,
6
8
2
1
0
7
,
4
9
9
1
2
1
,
4
0
4
1
3
4
,
7
9
3





T
o
t
a
l

p
o
p
u
l
a
t
i
o
n

n
o
w

a
t

l
o
w
-
r
i
s
k
L
o
-
r
i
s
k

p
o
p
u
l
a
t
i
o
n
8
6
,
5
5
0
1
0
6
,
0
2
3
1
2
6
,
5
8
4
1
4
7
,
4
0
2
1
6
7
,
5
0
5
1
8
7
,
5
3
7
2
0
6
,
9
1
4
P
o
p
u
l
a
t
i
o
n

t
o
t
a
l

p
r
e
v
a
l
e
n
c
e





M
a
l
e

o
v
e
r
a
l
l

p
r
e
v
a
l
e
n
c
e
A
d
u
l
t

m
a
l
e
2
0
8
,
7
1
7
2
2
9
,
9
8
8
2
5
1
,
2
6
4
2
7
2
,
3
7
3
2
9
2
,
7
9
7
3
1
3
,
6
4
2
3
3
5
,
3
9
7





F
e
m
a
l
e

o
v
e
r
a
l
l

p
r
e
v
a
l
e
n
c
e
A
d
u
l
t

f
e
m
a
l
e
7
9
,
2
8
9
9
6
,
9
1
7
1
1
4
,
6
6
9
1
3
2
,
3
2
8
1
4
9
,
6
3
5
1
6
6
,
2
0
8
1
8
1
,
8
1
1





T
o
t
a
l

p
o
p
u
l
a
t
i
o
n

p
r
e
v
a
l
e
n
c
e
A
d
u
l
t

p
o
p
u
l
a
t
i
o
n
2
8
8
,
0
0
6
3
2
6
,
9
0
5
3
6
5
,
9
3
3
4
0
4
,
7
0
2
4
4
2
,
4
3
2
4
7
9
,
8
5
0
5
1
7
,
2
0
8
H
I
V

I
n
c
i
d
e
n
c
e

i
n

a
d
u
l
t

p
o
p
u
l
a
t
i
o
n
s

b
y

y
e
a
r

(
#

n
e
w

H
I
V

i
n
f
e
c
t
i
o
n
s
)
D
e
f
i
n
i
t
i
o
n
P
o
p
u
l
a
t
i
o
n
/

Y
e
a
r
2
0
0
8
2
0
0
9
2
0
1
0
2
0
1
1
2
0
1
2
2
0
1
3
2
0
1
4
H
i
g
h
e
r

r
i
s
k

p
o
p
u
l
a
t
i
o
n
s

-

m
a
l
e





C
u
r
r
e
n
t

m
a
l
e

c
l
i
e
n
t
s

o
f

s
e
x

w
o
r
k
e
r
s
C
l
i
e
n
t
7
,
9
9
7
9
,
2
3
1
1
0
,
4
0
0
1
1
,
4
7
6
1
2
,
4
6
7
1
3
,
3
0
2
1
3
,
9
9
7





I
n
j
e
c
t
i
n
g

d
r
u
g

u
s
e
r
s
I
D
U
1
9
,
3
1
7
1
9
,
2
0
0
1
9
,
2
3
9
1
9
,
3
6
4
1
9
,
5
5
3
1
9
,
7
8
6
2
0
,
0
4
7





M
a
l
e

s
e
x

w
o
r
k
e
r
s
M
S
W
7
4
9
8
1
2
8
1
6
7
2
1
6
2
7
8
3
5
5





M
e
n

w
h
o

h
a
v
e

s
e
x

w
i
t
h

m
e
n
M
S
M
2
,
0
4
2
2
,
6
9
2
3
,
5
2
9
4
,
5
9
9
5
,
9
5
5
7
,
6
5
3
9
,
7
4
7
H
i
g
h
e
r

r
i
s
k

p
o
p
u
l
a
t
i
o
n
s

-

f
e
m
a
l
e





H
i

f
r
e
q
u
e
n
c
y

s
e
x

w
o
r
k
e
r
s

w
h
o

d
o

n
o
t

i
n
j
e
c
t
H
F

S
W
7
,
3
8
3
8
,
1
6
2
8
,
8
6
1
9
,
4
8
5
1
0
,
0
5
9
1
0
,
4
9
6
1
0
,
8
2
1





L
o

f
r
e
q
u
e
n
c
y

s
e
x

w
o
r
k
e
r
s

w
h
o

d
o

n
o
t

i
n
j
e
c
t
L
F

S
W
3
,
1
2
2
3
,
5
0
7
3
,
8
6
0
4
,
1
8
2
4
,
4
7
9
4
,
7
1
4
4
,
8
9
5





A
l
l

s
e
x

w
o
r
k
e
r
s

w
h
o

d
o

n
o
t

i
n
j
e
c
t
N
I

S
W
1
0
,
5
0
5
1
1
,
6
6
9
1
2
,
7
2
1
1
3
,
6
6
7
1
4
,
5
3
9
1
5
,
2
1
0
1
5
,
7
1
7





I
n
j
e
c
t
i
n
g

s
e
x

w
o
r
k
e
r
s

-

h
i

f
r
e
q
u
e
n
c
y
I
S
W

H
F
9
6
1
0
6
1
1
5
1
2
3
1
3
0
1
3
4
1
3
7





I
n
j
e
c
t
i
n
g

s
e
x

w
o
r
k
e
r
s

-

l
o

f
r
e
q
u
e
n
c
y
I
S
W

L
F
6
1
6
9
7
7
8
3
9
0
9
4
9
7





A
l
l

s
e
x

w
o
r
k
e
r
s

w
h
o

i
n
j
e
c
t
I
S
W
1
5
6
1
7
5
1
9
2
2
0
6
2
1
9
2
2
8
2
3
4





A
l
l

s
e
x

w
o
r
k
e
r
s

(
i
n
c
l
u
d
i
n
g

i
n
j
e
c
t
i
n
g

a
n
d

n
o
n
-
i
n
j
e
c
t
i
n
g
)
F
S
W
1
0
,
6
6
2
1
1
,
8
4
4
1
2
,
9
1
2
1
3
,
8
7
3
1
4
,
7
5
8
1
5
,
4
3
8
1
5
,
9
5
1
C
u
r
r
e
n
t
l
y

l
o
w
e
r

r
i
s
k

p
o
p
u
l
a
t
i
o
n
s






M
a
l
e
s

w
h
o

a
r
e

n
o
t

n
o
w

i
n

a
t
-
r
i
s
k

p
o
p
u
l
a
t
i
o
n
s

L
o
-
r
i
s
k

m
e
n
7
1
3
8
6
0
1
,
0
0
9
1
,
1
5
9
1
,
3
1
8
1
,
4
8
6
1
,
6
5
4





F
e
m
a
l
e
s

w
h
o

a
r
e

n
o
t

n
o
w

i
n

a
t
-
r
i
s
k

p
o
p
u
l
a
t
i
o
n
L
o
-
r
i
s
k

w
o
m
e
n
7
,
7
9
2
8
,
1
8
5
8
,
5
2
1
8
,
8
3
8
9
,
0
7
7
9
,
2
5
4
9
,
4
1
9





T
o
t
a
l

p
o
p
u
l
a
t
i
o
n

n
o
w

a
t

l
o
w
-
r
i
s
k
L
o
-
r
i
s
k

p
o
p
u
l
a
t
i
o
n
8
,
5
0
5
9
,
0
4
5
9
,
5
3
0
9
,
9
9
7
1
0
,
3
9
6
1
0
,
7
4
0
1
1
,
0
7
3
P
o
p
u
l
a
t
i
o
n

t
o
t
a
l

p
r
e
v
a
l
e
n
c
e





M
a
l
e

o
v
e
r
a
l
l

i
n
c
i
d
e
n
c
e
A
d
u
l
t

m
a
l
e
3
0
,
1
4
3
3
2
,
0
8
1
3
4
,
3
0
5
3
6
,
7
6
4
3
9
,
5
0
8
4
2
,
5
0
4
4
5
,
7
9
9





F
e
m
a
l
e

o
v
e
r
a
l
l

i
n
c
i
d
e
n
c
e
A
d
u
l
t

f
e
m
a
l
e
1
8
,
4
5
3
2
0
,
0
2
9
2
1
,
4
3
4
2
2
,
7
1
1
2
3
,
8
3
5
2
4
,
6
9
2
2
5
,
3
7
1





T
o
t
a
l

p
o
p
u
l
a
t
i
o
n

i
n
c
i
d
e
n
c
e
A
d
u
l
t

p
o
p
u
l
a
t
i
o
n
4
8
,
5
9
7
5
2
,
1
1
0
5
5
,
7
3
9
5
9
,
4
7
5
6
3
,
3
4
4
6
7
,
1
9
6
7
1
,
1
6
9
38
H
I
V

i
n

c
h
i
l
d
r
e
n

(
n
e
w
,

c
u
r
r
e
n
t
,

a
n
d

c
u
m
u
l
a
t
i
v
e

i
n
f
e
c
t
i
o
n
s
)
H
I
V

M
e
a
s
u
r
e






N
e
w

H
I
V

i
n
f
e
c
t
i
o
n
s

i
n

c
h
i
l
d
r
e
n
N
e
w

c
h
i
l
d

H
I
V
2
,
4
4
8
3
,
0
4
5
3
,
6
3
7
4
,
2
1
4
4
,
7
7
4
5
,
2
9
7
5
,
7
7
5






C
u
m
u
l
a
t
i
v
e

H
I
V

i
n
f
e
c
t
i
o
n
s

i
n

c
h
i
l
d
r
e
n
C
u
m
u
l
a
t
i
v
e

c
h
i
l
d

H
I
V
7
,
5
4
6
1
0
,
5
9
1
1
4
,
2
2
8
1
8
,
4
4
2
2
3
,
2
1
5
2
8
,
5
1
2
3
4
,
2
8
7






C
h
i
l
d
r
e
n

c
u
r
r
e
n
t
l
y

l
i
v
i
n
g

w
i
t
h

H
I
V
C
u
r
r
e
n
t

c
h
i
l
d

H
I
V
4
,
0
4
8
5
,
5
0
3
7
,
1
5
2
8
,
9
6
2
1
0
,
9
0
2
1
2
,
9
3
4
1
5
,
0
1
8
T
o
t
a
l

e
p
i
d
e
m
i
c

(
a
d
u
l
t

a
n
d

c
h
i
l
d
r
e
n
)
H
I
V

M
e
a
s
u
r
e






N
e
w

H
I
V

i
n
f
e
c
t
i
o
n
s
N
e
w

H
I
V
5
1
,
0
4
5
5
5
,
1
5
5
5
9
,
3
7
5
6
3
,
6
8
9
6
8
,
1
1
7
7
2
,
4
9
3
7
6
,
9
4
4






C
u
m
u
l
a
t
i
v
e

H
I
V

i
n
f
e
c
t
i
o
n
s
C
u
m
u
l
a
t
i
v
e

H
I
V
3
1
9
,
7
6
6
3
7
4
,
9
2
1
4
3
4
,
2
9
7
4
9
7
,
9
8
5
5
6
6
,
1
0
3
6
3
8
,
5
9
6
7
1
5
,
5
4
0






C
u
r
r
e
n
t

H
I
V

i
n
f
e
c
t
i
o
n
s
C
u
r
r
e
n
t

H
I
V
2
9
2
,
0
5
4
3
3
2
,
4
0
8
3
7
3
,
0
8
6
4
1
3
,
6
6
4
4
5
3
,
3
3
4
4
9
2
,
7
8
4
5
3
2
,
2
2
6
P
o
p
u
l
a
t
i
o
n
s
D
e
f
i
n
i
t
i
o
n
P
o
p
u
l
a
t
i
o
n
/

Y
e
a
r
2
0
0
8
2
0
0
9
2
0
1
0
2
0
1
1
2
0
1
2
2
0
1
3
2
0
1
4
M
a
l
e
s

a
b
o
v
e

a
g
e

1
5
M
a
l
e

1
5
+
8
3
,
8
5
9
,
3
0
0
8
5
,
4
2
6
,
4
0
0
8
6
,
9
5
7
,
4
0
0
8
8
,
2
8
7
,
1
0
0
8
9
,
9
3
0
,
7
0
0
9
0
,
9
4
0
,
5
0
0
8
2
,
2
3
6
,
7
0
0
F
e
m
a
l
e
s

a
b
o
v
e

a
g
e

1
5
F
e
m
a
l
e

1
5
+
8
4
,
5
2
1
,
9
0
0
8
6
,
1
1
9
,
7
0
0
8
7
,
7
0
3
,
5
0
0
8
9
,
0
7
1
,
2
0
0
9
0
,
4
2
2
,
4
0
0
9
1
,
7
8
1
,
2
0
0
9
3
,
1
2
3
,
8
0
0
C
l
i
e
n
t
s

o
f

f
e
m
a
l
e

s
e
x

w
o
r
k
e
r
s
C
l
i
e
n
t
s
3
,
3
3
4
,
9
5
0
3
,
4
7
9
,
5
2
0
3
,
5
4
0
,
7
6
0
3
,
5
9
5
,
9
0
9
3
,
6
6
4
,
6
5
8
3
,
7
0
6
,
5
4
3
3
,
3
5
9
,
8
7
3
N
o
n
-
i
n
j
e
c
t
i
n
g

h
i
g
h

f
r
e
q
u
e
n
c
y

s
e
x

w
o
r
k
e
r
s
H
F

S
W
1
3
9
,
7
2
5
1
4
2
,
4
6
1
1
4
5
,
1
7
9
1
4
7
,
5
1
1
1
4
9
,
7
9
9
1
5
2
,
1
1
3
1
5
4
,
3
9
4
N
o
n
-
i
n
j
e
c
t
i
n
g

l
o
w

f
r
e
q
u
e
n
c
y

s
e
x

w
o
r
k
e
r
s
L
F

S
W
1
0
0
,
1
0
1
1
0
2
,
0
5
0
1
0
3
,
9
8
6
1
0
5
,
6
4
9
1
0
7
,
2
8
2
1
0
8
,
9
3
2
1
1
0
,
5
5
9
I
n
j
e
c
t
i
n
g

h
i
g
h

f
r
e
q
u
e
n
c
y

s
e
x

w
o
r
k
e
r
s
I
S
W

H
F
1
,
6
2
9
1
,
6
6
0
1
,
6
9
0
1
,
7
1
6
1
,
7
4
1
1
,
7
6
7
1
,
7
9
3
I
n
j
e
c
t
i
n
g

l
o
w

f
r
e
q
u
e
n
c
y

s
e
x

w
o
r
k
e
r
s
I
S
W

L
F
1
,
5
0
6
1
,
5
3
4
1
,
5
6
2
1
,
5
8
6
1
,
6
1
0
1
,
6
3
3
1
,
6
5
7
M
a
l
e

i
n
j
e
c
t
i
n
g

d
r
u
g

u
s
e
r
s
I
D
U
2
2
3
,
0
6
2
2
3
2
,
8
5
0
2
3
7
,
1
2
5
2
4
0
,
6
6
0
2
4
4
,
9
7
6
2
4
7
,
6
6
0
2
2
3
,
2
2
5
M
e
n

w
h
o

h
a
v
e

s
e
x

w
i
t
h

m
e
n
M
S
M
8
3
0
,
8
3
4
8
6
7
,
2
9
3
8
8
3
,
2
1
6
8
9
6
,
3
8
1
9
1
2
,
4
5
8
9
2
2
,
4
5
4
8
3
1
,
4
3
3
M
a
l
e

s
e
x

w
o
r
k
e
r
s
M
S
W
1
2
,
1
4
3
1
2
,
6
7
6
1
2
,
9
0
9
1
3
,
1
0
1
1
3
,
3
3
6
1
3
,
4
8
2
1
2
,
1
5
2
80
1. Wiwat Paerapatanapokin Konsultan UNAIDS
2. S Happy Hardjo BPS
3. Aang Sutrisna Konsultan Pemodelan Epidemi
4. Pandu Riono Konsultan Pemodelan Epidemi
5. Sigit Priohutomo Subdit AIDS dan PMS
6. Dyah Erti Mustikawati Subdit AIDS dan PMS
7. Asik Surya Subdit AIDS dan PMS
8. Made Diah Subdit Bina Kesehatan Bayi
9. Nurcholish Madjid FHI/ASA
10. Crystal Ng CHAI
11. Indang Trihandini FKM-UI
12. Eko Saputro Subdit AIDS
13. Sri Pandham WHO
14. Subhash Hira WHO
15. Lely Wahyuniar UNAIDS
16. Veera Mendoca UNICEF
17. Moh Ilhamy Dit Kesehatan Ibu
18. Budi Utomo HCPI
19. Gustom BAPENAS
20. Novia Amelia BAPENAS
21. Susan Blogg HCPI
22. Asep Kurniawan KPAN
23. Berton Suar Panjaitan Subdit AIDS
24. Eli Winardi Subdit AIDS
22. Gelora Manurung UNICEF
23. Viny Sutriani Subdit AIDS
DAFTAR KONTRIBUTOR PEMODELAN MATEMATIKA EPIDEMI HIV
DI INDONESIA TAHUN 2008 2014