Penerapan Metode Ensemble Kalman Filter Dalam Estimasi Parameter Dan Variabel Pada Model Penyebaran Penyakit Tuberkulosis

Sari, Rizky Kartika (2026) Penerapan Metode Ensemble Kalman Filter Dalam Estimasi Parameter Dan Variabel Pada Model Penyebaran Penyakit Tuberkulosis. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5002211102-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Tuberkulosis (TBC) merupakan penyakit menular yang disebabkan oleh bakteri Mycobacterium tuberculosis dan masih menjadi masalah kesehatan global dengan jumlah kasus tinggi. Indonesia menduduki posisi kedua di dunia. Kondisi tersebut menjadikan pemahaman tentang parameter penyebaran TBC seperti tingkat penularan dan faktor risiko, sebagai aspek penting dalam perancangan strategi pencegahan dan pengendalian yang efektif. Penelitian ini bertujuan untuk mengestimasi parameter dan variabel pada model penyebaran penyakit Tuberkulosis menggunakan metode Ensemble Kalman Filter (EnKF) serta menganalisis hasil estimasi yang diperoleh. Metode Ensemble Kalman Filter merupakan pengembangan dari Kalman Filter yang memanfaatkan sekumpulan ensemble untuk merepresentasikan distribusi keadaan sistem, sehingga lebih adaptif dalam menangani sistem dinamik nonlinier dan ketidakpastian data observasi. Dalam penelitian ini, estimasi dilakukan melalui dua tahapan, yaitu estimasi parameter model terlebih dahulu, kemudian dilanjutkan dengan estimasi variabel penyebaran penyakit. Hasil penelitian menunjukkan bahwa metode Ensemble Kalman Filter (EnKF) dapat diterapkan untuk mengestimasi parameter dan variabel pada model penyebaran penyakit Tuberkulosis. Estimasi parameter yang paling sesuai diperoleh dari skema nilai parameter rata-rata. Hasil estimasi variabel Infected (I) didapatkan nilai Mean Absolute Percentage Error (MAPE) sebesar 13,6437% yang berada pada kategori baik, sehingga menunjukkan bahwa hasil estimasi yang diperoleh cukup akurat. Dengan demikian, metode EnKF dinilai mampu memberikan kontribusi dalam kajian pemodelan matematika epidemiologi, khususnya pada estimasi sistem dinamik nonlinier penyakit menular.
====================================================================================================================================
Tuberculosis (TB) is an infectious disease caused by the bacterium Mycobacterium tuberculosis and remains a significant global health issue with a high number of cases. Indonesia currently ranks second in the world for TB prevalence. Given this situation, understanding TB transmission parameters such as infection rates and risk factors is a crucial aspect of designing effective prevention and control strategies. This study aims to estimate the parameters and variables of a Tuberculosis spread model using the Ensemble Kalman Filter (EnKF) method and to analyze the resulting estimates. The Ensemble Kalman Filter is an extension of the Kalman Filter that utilizes a set of ensembles to represent the state distribution of a system, making it more adaptive in handling nonlinear dynamic systems and observational data uncertainty. In this study, the estimation is conducted in two stages: first, the estimation of model parameters, followed by the estimation of disease spread variables. The results indicate that the EnKF method is applicable for estimating parameters and variables in the Tuberculosis transmission model. The most suitable parameter estimation was obtained through the average parameter value scheme. The estimation of the Infected (I) variable yielded a Mean Absolute Percentage Error (MAPE) of 13,6437%, which falls into the good category, demonstrating that the estimates are sufficiently accurate. Consequently, the EnKF method is considered capable of contributing to the field of mathematical epidemiological modeling, particularly in the estimation of nonlinear dynamic systems for infectious diseases.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Estimasi, Ensemble Kalman Filter, Model SLITR, Paremeter, Variabel. Estimation, Ensemble Kalman Filter, SLITR Model, Parameter, Variable.
Subjects:	Q Science Q Science > QA Mathematics > QA401 Mathematical models.
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	Rizky Kartika Sari
Date Deposited:	27 Jan 2026 06:33
Last Modified:	27 Jan 2026 06:33
URI:	http://repository.its.ac.id/id/eprint/130482

Actions (login required)

View Item