Pemodelan Matematika Pada Penyebaran Penyakit Hiv (Final)
Pemodelan Matematika Pada Penyebaran Penyakit Hiv (Final)
Disusun Oleh:
Suparli Suardi 1309819001
B. RUMUSAN MASALAH
Rumusan masalah dalam penelitian ini adalah
1. Bagaimana model SIA dalam penyebaran penyakit HIV/AIDS?
2. Bagaimana analisis titik kesetimbangan?
3. Bagaimana simulasi model matematika SIA dengan software Maple?
C. TUJUAN PENELITIAN
Tujuan dari penelitian ini membangun model, menganalisis dan
menginterpretasikan simulasi model matematika SIA untuk penyakit
HIV/AIDS.
2. Penggolongan ARV
Ada tiga golongan ARV, yaitu (Depkes RI, 2006):
a. Penghambat masuknya virus yaitu bekerja dengan cara berikatan
dengan subunit GP41 selubung glikoprotein virus sehingga fusi virus
ke target sel dihambat. Satu – satunya obat penghambat fusi ini
adalahenfuvirtid.
b. Penghambat Reverse Trancriptase Inhibitor (RTI), terdiri dari 3 bagian,
yaitu:
1) Analog nukleosida (NRTI), NRTI diubah secara intraseluler dalam
3 tahap penambahan atau 3 gugus fosfat dan selanjutnya
berkompetisi dengan natural nukleotida menghambat RT sehingga
perubahan RNA menjadi DNA terhambat. Selain itu, NRTI juga
menghentikan pemanjangan DNA.
2) Analog nukleotida (NtRTI), mekanisme kerjanya pada
penghambatan replikasi HIV sama dengan NRTI tetapi hanya
memerlukan 2 tahapan proses fosforilasi.
3) Non nukleosida (NNRTI), mekanisme kerjanya tidak melalui
tahapan fosforilasi intraseluler tetapi berikatan langsung dengan
reseptor pada RT dan tidak berkompetisi dengan nukleotida
natural. Aktivitas antiviral terhadap HIV–2 tidak kuat.
c. Protease inhibitor (PI), berikatan secara reversible dengan enzim
protease yang mengkatalisa pembentukan protein yang dibutuhkan
untuk proses akhir pematangan virus. Akibatnya virus yang terbentuk
tidak masuk dan tidak mampu menginfeksi sel lain.
3. Manfaat Pengobatan/TerapiARV
Manfaat pengobatan/terapi antiretroviral adalah sebagai berikut
(Depkes RI, 2006) :
a. Menurunkan morbiditas dan mortalitas
b. Pasien yang ARV tetap produktif
c. Memulihkan sistem kekebalan tubuh sehingga kebutuhan profilaksis
infeksi oportunistik berkurang atau tidak perlu lagi.
d. Mengurangi penularan karena viral load menjadi rendah atau tidak
terdeteksi, namun ODHA dengan viral load tidak terdeteksi, namun
harus dipandang tetap menular.
F. VAKSIN MOSAIK
1. Dafinisi Vaksin Mosaik
Vaksin mosaik merupakan strategi potensial untuk meningkatkan
cakupan imunologi humoral dan seluler keanekaragaman HIV-1 global
dibandingkan dengan antigen urutan alami konvensional, dan oleh karena
itu menjanjikan untuk pengembangan vaksin HIV.
2. Manfaat Vaksin Mosaik
Menurut Barouch et al., 2013 Vaksin mosaik mewakili dua strategi
potensial untuk mengatasi tantangan HIV global. Vaksin mosaik bertujuan
untuk meningkatkan luasnya respon imun humoral dan seluler untuk
meningkatkan cakupan imunologi dari rangkaian yang beragam, sedangkan
vaksin yang dilestarikan bertujuan untuk memfokuskan respon imun seluler
pada daerah konservasi urutan terbesar. Dengan demikian, vaksin HIV
mosaik memberikan perlindungan parsial terhadap penularan infeksi setelah
tantangan SHIV-SF162P3 yang berulang, intrarektal, dan heterolog.
3. Penggunaan Vaksin Mosaik
Vaksin mosaik juga dapat menawarkan strategi praktis untuk
mencapai cakupan imunologis yang sebanding dengan menggunakan
antigen vaksin yang lebih sedikit daripada yang dibutuhkan dengan koktail
antigen urutan alami. Evaluasi klinis dari virus mosaik HIV bivalen pada
manusia direncanakan (Barouch et al., 2013)
G. METODE
Metodologi yang digunakan dalam pemodelan ini adalah studi literature
dengan mengumpulkan berbagai informasi terhadap materi-materi yang
berkaitan dengan penelitian yang diperoleh dari jurnal international dan
kumpulan artikel. Adapun langkah-langkah dari penelitian ini adalah sebagai
berikut:
1. Mendefinisikan variabel dan parameter yang digunakan.
2. Menentukan asumsi pada model matematika. Penyebaran penyakit
HIV/AIDS dengan vaksin mosaik dan terapi antiretroviral.
3. Menggambar diagram transfer untuk membentuk diagram matematika.
4. Mencari titik ekuilibrium dari model. Titik ekuilibrium yang akan dicari
adalah titik ekuilibrium bebas penyakit dan endemik penyakit, tetapi yang
akan disertakan dalam simulasi model ini adalah titik ekuilibrium bebas
penyakit.
5. Menentukan nilai rasio reproduksi dasar (R0).
6. Menganalisa kestabilan dari titik ekuilibrium yang diperoleh dari model.
7. Membuat simulasi numerik menggunakan software maple.
8. Menampilkan grafik pergerakan setiap kelas populasi terhadap waktu.
𝜇𝑇 𝜑𝑇 𝜇𝑇1
𝑇 𝑇1
𝛾𝑇1
𝜀𝑇1
𝜇𝑆 𝜔𝐼
𝑏 𝜌 𝑆𝐹
𝑆
𝜎𝐼
𝛽𝑉 𝐹 𝐴
𝛼𝑆 𝜇𝐼 (𝜇 + 𝛿)𝐴
𝑉
𝜃𝑉
𝑌 𝜇𝑉
𝜇𝑌
2. Titik Ekuilibrium
a. Titik Ekuilibrium Bebas Penyakit
Selanjutnya akan ditentukan titik ekuilibirium.Titik ekuilibirum
yang dimaksud ialah titik ekuilibirum bebas penyakit, yang berarti di
dalam populasi tersebut tidak ada indvidu yang dapat menyebarkan
virus HIV atau tidak ada individu yang terkena penyakit AIDS.
Adapun persamaan titik ekulibirum bebas penyakit sebagai berikut:
𝑑𝑆 ≔ −𝜌𝑆𝐹 − 𝛼𝑆 − 𝜇𝑆 + 𝛽𝑉 + 𝑏
𝑑𝑉 ≔ 𝛼𝑆 − 𝛽𝑉 − 𝜇𝑉 − 𝜃𝑉
𝑑𝑌 ≔ 𝜃𝑉 − 𝜇𝑉
𝑑𝐹 ≔ 𝜌𝑆𝐹 − 𝜇𝐹 − 𝜔𝐹 − 𝜎𝐹
𝑑𝐴 ≔ 𝜎𝐹 + 𝜖𝑇1 − (𝜇 + 𝛿)𝐴
𝑑𝑇 ≔ 𝜔𝐹 − 𝜇𝑇 − 𝜙𝑇 + 𝛾𝑇1
𝑑𝑇1 ≔ 𝜙𝑇 − 𝜖𝑇1 − 𝛾𝑇1 − 𝜇𝑇1
Dengan demikian diperoleh titik keseimbangan bebas penyakit
adalah sebagai berikut:
4. Nilai Eigen
Dari matriks Jacobian titik ekuilibrium diperoleh nilai eigen sebagai
berikut:
𝜆1 = −𝜖 − 𝛾 − 𝜇
𝜆2 = −𝜇 − 𝜙
𝜆3 = −𝛿 − 𝜇
𝜆4 = 𝑆𝜌 − 𝜇 − 𝜔 − 𝜎
𝜆5 = −𝜇
𝜆6 = −𝛽 − 𝜇 − 𝜃
𝜆7 = −𝐹𝜌 − 𝛼 − 𝜇
6. Simulasi
Pada bagian ini dilakukan simulasi untuk memperlihatkan titik
ekuilibrium bebas penyakit dan endemik penyakit. Untuk menentukan titik
ekuilibrium bebas penyakit dan endemic penyakit digunakan nilai-nilai
parameter sebagai berikut:
𝑏 : 2,38
𝜇 : 0,0059684879
𝛼 : 0,00374321
𝛽 : 0,3
𝜃 : 0,7
𝜌 : 0,0014084288
𝜔 : 0,717234694
𝜑 : 0,1540904324
𝛾 : 0,103744001
𝜀 : 0,0016
𝜎 : 0,654004963 (nilai diambil sepenuhnya dari jurnal)
𝛿 : 0,106042949
Selanjutnya nilai inisial pada masing-masing kelas populasi
didapat dari data Biro Pusat Statistik dan kementrian Kesehatan Republik
Indonesia terkait jumlah penduduk Indonesia mulai dari populasi rentan,
populasi terinveksi HIV, populasi terinveksi HIV yang sedang menerima
perawatan antiretroviral, dan populasi pengidap penyakit AIDS. Data yang
diambil adalah data tahun 2008 sampai tahun 2019. Nilai inisial pada
masing-masing kelas populasi disajikan dalam tabel berikut:
S : 268074600
V : 2680746
Y : 1876522,2
F : 377564
T : 270802
T1 : 58179
A : 121101
Dengan mensubsitusikan setiap variabel tersebut ke dalam persamaan 𝑅0 ,
akan didapat nilai 𝑅0 = 0.2831693895 sehingga memenuhi untuk kondisi
𝑅0 < 1.
7. Grafik
Berdasarkan hasil perhitungan dengan menggunakan maple
didapat nilai sebagai berikut:
J. REFERENSI
Anwar, Y., Nugroho, S. A., & Tantri, N. D. (2018). Karakteristik
sosiodemografi, klinis, dan pola terapi antiretroviral pasien HIV/AIDS di
RSPI Prof. Dr. Sulianti Saroso periode Januari-Juni 2016. PHARMACY:
Jurnal Farmasi Indonesia (Pharmaceutical Journal of Indonesia), 15(1),
72-89.
Barouch, D. H., Stephenson, K. E., Borducchi, E. N., Smith, K., Stanley, K.,
McNally, A. G., … Michael, N. L. (2013). XProtective efficacy of a
global HIV-1 mosaic vaccine against heterologous SHIV challenges in
rhesus monkeys. Cell, 155(3), 531.
https://doi.org/10.1016/j.cell.2013.09.061
Hariastuti, Nur I., et al. "Potensi Resistensi Virus HIV-1 terhadap Terapi Anti
Retroviral (ART) pada Pasien Voluntary Counseling And Testing (VCT)
di Beberapa Kota di Indonesia." Media Penelitian dan Pengembangan
Kesehatan, vol. 26, no. 3, 2016, pp. 151-156.
Hia ME, Balatif O, Ferjouchia H, Labriji EH, Rachik M. Modelling the Spread
of HIV/AIDS in Morocco. International Journal of Computer Sciences
Issues Morocco. 2012;9(6).
Kementrian Kesehatan Republik Indonesia. (2020). Laporan Hasil
Perkembangan HIV/AIDS dan Penyakit Inveksi Menular Seksual
(PIMS) Triwulan IV Tahun 2019.
Leleury, Z. A., Rumlawang, F. Y., dan Naraha, A. G. (2020). Analisis Stabilitas
dan Simulasi Model Penyebaran Penyakit HIV/AIDS Tipe SIA
(Susceptible, Infected, Abstained). TENSOR Pure and Applied
Mathematics Journal, 1(1), 31-40.
Maimunah, A. D. (2018). Mathematical model for HIV spreads control
program with ART treatment. In J. Phys.: Conf. Ser (Vol. 974, p.
012035).
Marsudi, M. (2017). Strategi kontrol kampanye edukasi dan terapi ARV
optimal pada dinamika penyebaran HIV. In Proceedings of National
Colloquium Research and Community Service (Vol. 1).
Mega, E. R. (2019). 'Mosaic' HIV vaccine to be tested in thousands of people
across the world. Nature, 572(7768), 165+.
Ondondo, B., Murakoshi, H., Clutton, G., Abdul-Jawad, S., Wee, E. G.,
Gatanaga, H., ... & Hanke, T. (2016). Novel conserved-region T-cell
mosaic vaccine with high global HIV-1 coverage is recognized by
protective responses in untreated infection. Molecular Therapy, 24(4),
832-842.
Rossella, M., & Sofro, M. A. U. (2013). Faktor-Faktor yang Berpengaruh
Terhadap Harapan Hidup 5 Tahun Pasien Human Immunodeficiency
Virus (HIV)/Acquired Immune Deficiency Syndrome (AIDS) di RSUP Dr.
Kariadi Semarang (Doctoral dissertation, Faculty of Medicine
Diponegoro University).
Sifriyani, S., & Mulawarman, U. (2020). Pemodelan Susceptible Infected
Recovered ( Sir ) Untuk Estimasi Angka Reproduksi Covid-19 Di
Kalimantan Timur Dan Samarinda. (July), 1–13.
Viktoria, M. (2015). Profil Penderita HIV/AIDS Di Wilayah Kabupaten Belu
Tahun 2012-2014. Karya Tulis Ilmiah, Jurusan Analis Kesehatan,
Politeknik Kesehatan Kemenkes Kupang. Kupang.
Zamzami, A. J., Waluya, S. B., dan Kharis, M. (2018). Permodelan Matematika
dan Analisis Kestabilan Model Penyebaran HIV/AIDS dengan
Treatment. UNNES Journal of Mathematics, 7(2), 142-154.