GEOID

Program GEOID (Geology in Discussion) berisi diskusi penelitian dan diskusi akademik. Program ini dilaksanakan di Laboratorium Teknik Geologi, Jurusan Ilmu dan Teknologi Kebumian, Fakultas MIPA, Universitas Negeri Gorontalo. Program dilaksanakan atas usul Kepala Laboratorium. Luaran diskusi penelitian diantaranya penelitian dosen dan mahasiswa. Hasil penelitian kemudian dipublikasikan dalam jurnal dan international conference. Sedangkan diskusi akademik dilakukan untuk merefresh kembali materi-materi kuliah dan untuk mendiskusikan penemuan terbaru di bidang geologi.
Gambar 1. Tim peneliti geothermal Pangi
Beberapa diskusi penelitian yang menghasilkan judul-judul penelitian diantaranya diskusi tentang Geothermal Pangi Gorontalo, diskusi longsor di Gorontalo Outer Ring Road, serta diskusi tentang struktur dan litologi yang ada di Gorontalo. Penelitian Geothermal Pangi dan longsor di GORR adalah penelitian mahasiswa Teknik Geologi yang didanai oleh KEMENRISTEKDIKTI.

Gambar 2. Diskusi +selengkapnya

Model SIR untuk Penyebaran Penyakit

Posted on 02/07/2018 by Resmawan
Author(s): David Smith and Lang Moore

Artikel ini dapat digunakan sebagai salah satu referensi pada mata kuliah Pemodelan Matematika. Ikuti tautan berikut untuk pembaahasan selengkapnya.

Model SIR untuk Penyebaran Penyakit - Latar Belakang
Model SIR untuk Penyebaran Penyakit - Model Persamaan Diferensial
Model SIR untuk Penyebaran Penyakit - Metode Euler
Model SIR untuk Penyebaran Penyakit - Hubungan Parameter dengan Data
Model SIR untuk Penyebaran Penyakit - Jumlah Kontak
Model SIR untuk Penyebaran Penyakit - Kekebalan
Model SIR untuk Penyebaran Penyakit - Ringkasan

 

Model SIR untuk Penyebaran Penyakit - Ringkasan

Posted on 02/07/2018 by Resmawan
Author(s): David Smith and Lang Moore                                                               Kembali

Explain briefly the modeling steps that lead to the SIR model.
Given a population and disease combination for which the SIR model is appropriate, what are the possible outcomes when a trace of infection is introduced into the population? How can you tell whether there will be an epidemic?
Does "epidemic" mean that almost everyone will get the disease? If so, what keeps the spread of disease going? If not, what causes the epidemic to end before everyone gets sick?
How can it happen that a large percentage of a population may get sick during an epidemic even though only a small percentage is sick at any one time?
Explain briefly the key idea for finding solutions of an SIR model without finding explicit solution formulas.
Describe +selengkapnya

Model SIR untuk Penyebaran Penyakit - Kekebalan

Posted on 02/07/2018 by Resmawan
Author(s): David Smith and Lang Moore                                                               Kembali

Setiap strain flu memberi kekebalan di masa yang akan datang bagi pengidapnya. Untuk penyakit seperti ini, jika hampir semua orang mengalaminya, maka mereka yang belum mengalami akan terlindung dari darinya sehingga tidak cukup suseptibilitas tersisa di populasi untuk memungkinkan epidemi terjadi. Perlindungan seperti ini disebut kekebalan kelompok.
Pada Bagian 3 kita bereksperimen dengan ukuran relatif pada b dan k, dan kita temukan bahwa, jika b lebih kecil dari k, maka tidak ada epidemi yang dapat berkembang. Kemudian pada Bagian 4, jika jumlah kontak c = b/k cukup kecil, maka tidak akan ada kasus epidemi. Namun cara lain untuk mencegah terjadinya epidemi adalah dengan mengurangi populasi pada individu rentan secara +selengkapnya

Model SIR untuk Penyebaran Penyakit - Jumlah Kontak

Posted on 29/06/2018 by Resmawan
Author(s): David Smith and Lang Moore                                                               Kembali

Pada Bagian sebelumnya kita anggap parameter b dan k dapat diperkirakan, sehingga dimungkinkan untuk menghasilkan solusi numerik dari persamaan diferensial. Bahkan, seperti yang telah kita lihat, proporsi k yang pulih dari infeksi pada hari tertentu dapat diperkirakan melalui pengamatan pada individu terinfeksi. Secara khusus, k kurang lebih adalah kebalikan dari jumlah hari yang dibutuhkan bagi individu yang sakit untuk dapat menginfeksi orang lain. Pada sebagian besar penyakit menular, waktu infeksi diperkirakan sama untuk kebanyakan orang terinfeksi dan dikenal melalui observasi.
Pada bagian ini kita akan melihat cara tak langsung untuk mengamati parameter b. Pertimbangkan rasio dari b ke k :



b/k  +selengkapnya
About
Planet Blog adalah jendela untuk melihat kegiatan dan aktifitas dosen Universitas Negeri Gorontalo.