Electronic Theses and Dissertation

Tuberkulosis (tb) adalah salah satu penyakit menular utama di indonesia, dengan tantangan besar yang dihadapi terkait tb resisten obat yaitu mdr-tb dan xdr-tb serta kebutuhan akan prediksi penyebaran yang lebih akurat untuk membantu mencapai target eliminasi tb oleh who pada tahun 2030. penelitian ini mengembangkan model epidemiologi se3i3r dengan parameter epidemiologi berdistribusi normal untuk mengestimasi angka kejadian tb hingga tahun 2030. penelitian ini menggunakan model epidemiologi se3i3r yang memodifikasi model epidemiologi seir dengan delapan kompartemen, mencakup jenis tb aktif dan laten. data epidemiologi tahun 2023 digunakan sebagai input awal. parameter epidemiologi dimodelkan dengan distribusi normal untuk mencerminkan ketidakpastian. estimasi dilakukan dengan metode persamaan diferensial biasa menggunakan metode runge-kutta orde empat dan menghasilkan proyeksi angka kejadian tb dari tahun 2024 hingga tahun 2030. analisis deskriptif dan evaluasi dilakukan untuk menilai ketercapaian target eliminasi tb. model epidemiologi se3i3r memberikan prediksi dinamis angka kejadian tb, dengan parameter epidemiologi yang berdistribusi normal untuk menghasilkan proyeksi yang lebih realistis. hasil estimasi menunjukkan penurunan angka kejadian tb di indonesia yang relatif kecil yaitu 319 kasus per 100.000 penduduk. evaluasi lebih lanjut diperlukan untuk memastikan ketercapaian target eliminasi who yaitu 65 kasus per 100.000 penduduk pada tahun 2030. model se3i3r dengan parameter berdistribusi normal memberikan pendekatan komprehensif untuk memprediksi angka kejadian tb sehingga mendukung perencanaan kebijakan berbasis data dalam pengendalian tb di indonesia. integrasi distribusi normal meningkatkan akurasi prediksi dan relevansi model terhadap dinamika penyakit menular kompleks seperti tb.

Tuberculosis (TB) is one of the major infectious diseases in Indonesia, with major challenges faced related to drug-resistant TB, namely MDR-TB and XDR-TB, and the need for more accurate prediction of spread to help achieve the WHO's TB elimination target by 2030. This study developed the SE3I3R epidemiological model with normally distributed epidemiological parameters to estimate the incidence of TB until 2030. This study uses the SE3I3R epidemiological model that modifies the SEIR epidemiological model with eight compartments, including active and latent TB types. Epidemiologic data for 2023 were used as initial input. Epidemiological parameters were modeled with a normal distribution to reflect uncertainty. Estimation was performed with ordinary differential equations using the fourth-order Runge-Kutta method and resulted in projections of TB incidence rates from 2024 to 2030. Descriptive analysis and evaluation were conducted to assess the achievement of TB elimination targets. The SE3I3R epidemiological model provides dynamic predictions of TB incidence rates, with normally distributed epidemiological parameters to produce more realistic projections. The estimation results show a relatively small decrease in TB incidence in Indonesia at 319 cases per 100,000 population. Further evaluation is needed to ensure the achievement of the WHO elimination target of 65 cases per 100,000 population by 2030. The SE3I3R model with normally distributed parameters provides a comprehensive approach to predicting TB incidence rates, supporting data-driven policy planning for TB control in Indonesia. Integration of the normal distribution improves prediction accuracy and model relevance to the dynamics of complex infectious diseases such as TB.