Pemodelan Celular Automata Untuk Visualisasi Dan Prediksi Pola Penyebaran Penyakit Demam Berdarah.
View/ Open
Date
2015Author
Hosen, Puspa Eosina
Djatna, Taufik
Khusun, Helda
Metadata
Show full item recordAbstract
Pemodelan adalah penyederhaan dari sebuah masalah atau fenomena di dunia nyata yang bertujuan untuk mempelajari dan memahaminya. Pada epidemiologi, pemodelan pada umumnya digunakan untuk melihat proses epidemik. Oleh karena itu, visualisasi diperlukan sebagai langkah awal, antara lain pada analisis epidemiologi untuk memahami karakter spasial dari dataset, mengidentifikasi pola penyebaran penyakit pada area geografis tertentu, dan memprediksi pola penyebaran penyakit pada periode selanjutnya. Selama ini, Ordinary Diferential Equation (ODE) atau statistik, sebagai model yang paling umum digunakan pada analisis epidemiologi, tidak dapat mengelaborasi proses dari pola spasial dan interaksinya, seperti pada kasus visualisasi dan prediksi penyebaran penyakit. Model Cellular Automata (CA) diperkenalkan sebagai model yang dapat mengatasi keterbatasan dari model ODE dan statistik tersebut. Penggunaan model CA pada banyak kasus, seperti analisis proses epidemik dan analisis pola spatio-temporal memperlihatkan CA cukup baik dalam memecahkan permalahan yang berkaitan dengan pola spasial. Model CA adalah pendekatan sistem dinamik yang mengimplementasikan konsep diskritasi ruang dan waktu. Model ini terdiri atas sel-sel yang disebar pada ruang selular, sebuah koneksi lokal yang menghubungkan sel yang satu dengan sel yang lain, serta kondisi batas. Setiap sel berada pada nilai state tertentu yang dapat berubah ke nilai state lain setiap waktu. Perubahan state dipengaruhi oleh state sel tersebut dan lingkungannya (neighborhood) pada periode sebelumnya. Oleh karena itu, konsep neighborhood menjadi penting. Aspek penting lainnya yang menentukan akurasi model CA adalah aturan trasmisi perubahan state untuk setiap sel yang merupakan sebuah fungsi yang bersifat probabilistik. Pada penelitian ini, diusulkan suatu pendekatan dalam mengembangkan model penyebaran penyakit Demam Berdarah Dengue (DBD) berbasis CA. Penelitian ini difokuskan pada penentuan fungsi probabilisitik, sebagai CA rule, menggunakan pendekatan Hidden Markov Model (HMM) yang belum pernah digunakan oleh peneliti-peneliti sebelumnya untuk model CA. HMM adalah model probabilistik yang sesuai untuk memecahkan permasalahan data sekuensial temporal. Untuk memperlihatkan efektivitas model yang diusulkan, pendekatan ini diimplementasikan pada kasus DBD di wilayah Bogor Barat tahun 2013. Dari dataset ini didefinisikan beberapa kriteria state untuk memodelkan proses spasial kondisi terinfeksi (infective state) kelurahan-kelurahan di Bogor Barat. Evaluasi dilakukan dengan membandingkan hasil simulasi data dari model yang diusulkan terhadap hasil simulasi data yang diperoleh dari model Susceptible-Infected-Recovered (SIR), yaitu salah satu pendekatan klasik yang paling sering digunakan dalam bidang epidemiologi karena sudah diakui tingkat keakuratannya. Hasil evaluasi memperlihatkan bahwa model CA dapat menghasilkan pola yang serupa dengan pola yang dihasilkan model SIR dengan nilai similaritas sebesar 0.95.