Pendekatan Kawalan Optimum Adaptif dalam Pemodelan Wabak Influenza
3 April 2026
Embedded Files
Ditulis oleh:
Prof. Madya. Ts. Dr. Saratha Sathasivam
Pensyarah
Pusat Pengajian Sains Matematik,
Universiti Sains Malaysia
Mr. Muraly Velavan Doraisamy
Pensyarah
School of General and Foundation Studies,
Asian Institute of Medicine,
Science and Technology University
Penyakit berjangkit seperti influenza masih menjadi cabaran besar dalam sistem kesihatan awam di seluruh dunia, termasuk di Malaysia. Influenza bukan sekadar selesema biasa, tetapi merupakan penyakit pernafasan yang mudah merebak dan sering menunjukkan corak bermusim yang tidak menentu. Keadaan ini menyukarkan pihak berkuasa kesihatan untuk meramal dan mengawal penularannya dengan tepat. Oleh itu, penggunaan pendekatan yang lebih sistematik, khususnya yang berasaskan data dan pemodelan matematik adalah mustahak bagi membantu membuat keputusan yang lebih berkesan dalam menangani wabak.
Berdasarkan dapatan kajian, tumpuan diberikan kepada pembangunan strategi kawalan optimum yang bersifat adaptif bagi menangani wabak influenza. Pendekatan ini menggabungkan beberapa elemen penting seperti model epidemiologi, teori kawalan optimum, serta teknik berangka untuk menghasilkan satu kerangka yang lebih menyeluruh. Matlamat utamanya adalah untuk mengurangkan jumlah jangkitan dalam populasi sambil memastikan penggunaan sumber kesihatan, terutamanya vaksin, dilakukan secara optimum dan tidak membazir. Pada masa yang sama, penggunaan teknologi moden seperti Penapis Kalman Lanjutan membolehkan anggaran parameter dibuat secara masa nyata, sekaligus meningkatkan keupayaan model untuk mencerminkan situasi sebenar wabak dengan lebih tepat.
Model asas yang digunakan dalam kajian ini ialah model SIR, yang membahagikan populasi kepada tiga kumpulan utama iaitu individu yang mudah terdedah, individu yang dijangkiti, dan individu yang telah pulih. Model ini sering digunakan kerana strukturnya yang ringkas dan mudah difahami. Namun begitu, ia mempunyai keterbatasan, khususnya dalam menggambarkan intervensi kesihatan seperti vaksinasi. Bagi mengatasi kekangan ini, kajian ini telah menambah baik model tersebut dengan memasukkan vaksinasi sebagai pemboleh ubah kawalan yang boleh berubah mengikut masa. Penyesuaian ini menjadikan model lebih realistik dan lebih sesuai digunakan dalam situasi sebenar.
Di Malaysia, pola penularan influenza didapati dipengaruhi oleh pelbagai faktor seperti keadaan cuaca, persekitaran, dan interaksi sosial dalam kalangan masyarakat. Data pemantauan kes menunjukkan bahawa terdapat peningkatan kes pada waktu-waktu tertentu setiap tahun, menjadikan influenza sebagai masalah kesihatan yang repitasi. Oleh itu, pemodelan yang mengambil kira perubahan masa serta ketidakpastian dalam parameter adalah sangat penting bagi memastikan ramalan yang dibuat lebih tepat dan boleh dipercayai.
Pendekatan kawalan optimum dalam kajian ini digunakan untuk menentukan strategi vaksinasi yang paling sesuai dengan mengambil kira keseimbangan antara keberkesanan dalam mengurangkan jangkitan dan kos pelaksanaan. Dalam hal ini, Penapis Kalman Lanjutan memainkan peranan penting kerana ia membolehkan kadar penularan penyakit dianggarkan secara dinamik berdasarkan data terkini. Ini membolehkan model sentiasa dikemas kini mengikut keadaan semasa wabak, sekali gus meningkatkan ketepatan unjuran yang dihasilkan.
Selain itu, dua kaedah berangka digunakan bagi menyelesaikan model matematik yang terlibat, iaitu Kaedah Transformasi Pembezaan dan Kaedah Perbezaan Terhingga. Kedua-dua kaedah ini mempunyai kelebihan masing-masing dari segi ketepatan, kestabilan, dan kecekapan pengiraan. Oleh itu, pemilihan kaedah yang sesuai bergantung kepada jenis simulasi dan keperluan kajian yang dijalankan.
Hasil kajian menunjukkan bahawa strategi vaksinasi yang dilaksanakan secara agresif pada peringkat awal wabak memberikan kesan yang paling ketara. Pendekatan ini bukan sahaja dapat mengurangkan jumlah kes jangkitan pada tahap puncak, tetapi juga membantu memendekkan tempoh keseluruhan wabak. Sebaliknya, strategi yang dilaksanakan secara lambat atau kurang intensif didapati kurang berkesan. Walaupun pembendungan sepenuhnya mungkin sukar dicapai, pendekatan kawalan optimum ini terbukti mampu meratakan lengkung wabak dan seterusnya mengurangkan tekanan terhadap sistem kesihatan.
Kajian ini juga mendapati bahawa pendekatan kawalan adaptif lebih berkesan berbanding pendekatan tetap. Ini kerana strategi adaptif membolehkan kadar vaksinasi diselaraskan mengikut perubahan keadaan wabak semasa. Keupayaan untuk menyesuaikan strategi ini amat penting dalam situasi sebenar yang sentiasa berubah-ubah dan tidak menentu.
Dari sudut pembangunan mampan, kajian ini memberikan sumbangan yang signifikan, terutamanya dalam aspek kesihatan, inovasi, dan pengurusan sumber. Ia bukan sahaja membantu meningkatkan keberkesanan intervensi kesihatan, tetapi juga menggalakkan penggunaan teknologi dan analitik data secara lebih meluas. Di samping itu, ia turut menyokong penggunaan sumber yang lebih cekap dan bertanggungjawab.
Secara keseluruhannya, kajian ini menunjukkan bahawa pendekatan kawalan optimum adaptif merupakan satu kaedah yang berpotensi tinggi dalam pengurusan wabak influenza. Gabungan pemodelan matematik, teknologi penganggaran parameter, dan teknik berangka telah menghasilkan strategi vaksinasi yang lebih berkesan dalam mengurangkan penularan penyakit serta kos pelaksanaan. Pendekatan ini seterusnya menyumbang kepada pembangunan sistem kesihatan yang lebih cekap, responsif, dan berdaya tahan dalam menghadapi cabaran kesihatan global yang semakin kompleks.
Para penulis merakamkan setinggi-tinggi penghargaan kepada editor dan para penilai atas saranan serta ulasan bernas yang telah membantu mempertingkat mutu manuskrip ini. Penulis juga merakamkan penghargaan atas sokongan kewangan yang diberikan oleh Universiti Sains Malaysia melalui Skim Geran Bridging (R501-LR-RND003-0000002089-0000).
Rujukan
Aljunid S. M., Mad Tahir N. S., Ismail A., Abdul Aziz A. F., Azzeri A., Zafirah S. & Aizuddin A. N. 2023. Cost effectiveness of quadrivalent influenza vaccines in the elderly population of malaysia. Scientific Reports 13 (1): 18771.
Ashgi R., Pratama M. A. A. & Purwani S. 2021. Comparison of numerical simulation of epidemiological model between euler method with 4th order runge kutta method. International Journal of Global Operations Research 2 (1): 37–44.
Barua Y. 2024. Network models of epidemics. Tesis PhD, University of Saskatchewan Saskatoon.
Darus M. & Thomas D. K. 2000. The fekete-szego theorem for strongly close-to-convex functions. Scientiae Math- ematicae 3 (2): 201 – 212.
Edogbanya H. O. E., Emmanuel S., Artes R. G. A. J. & Rasid R. A. 2024. Dynamical and optimal control analysis of lymphatic filariasis and buruli ulcer co-infection. Journal of the Nigerian Society of Physical Sciences. pp. 1972–1972.
Emmanuel S., Sathasivam S., Hasmadi N. H. I., Mohamad Nasir N. & Velavan M. 2024. Estimating upsurge of hiv cases in malaysia by using heun’s predictor-corrector method. Journal of Science and Mathematics Letters 12 (1): 43–52.
Emmanuel S., Sathasivam S. & Yong L. X. 2025. Theoretical and practical perspectives on mathematical modelling of water contaminants in klang river: Analysis and insights into pollution dynamics. JSM: Jurnal Sains dan Matematika 1 (1): 45–61.
Kamarulzaman I. & Abdul Aziz J. 1997. On an application of sequential bayesian techniques for estimating the fatality rate of dengue in malaysia. Sains Malaysiana .
Mehdizadeh Khalsaraei M., Shokri A., Noeiaghdam S. & Molayi M. 2021. Nonstandard finite difference schemes for an sir epidemic model. Mathematics 9 (23): 3082.
Norrulashikin M. A., Yusof F., Hanafiah N. H. M. & Norrulashikin S. M. 2021. Modelling monthly influenza cases in malaysia. Plos one 16 (7): e0254137.
Sameni R. 2020. Mathematical modeling of epidemic diseases; a case study of the covid-19 coronavirus. arXiv preprint arXiv:2003.11371 .
Shaharir M. Z. 1998. A review of islamic socio-scientific order and world system by mahmud alam choudry. Muslim Education Quarterly 16 (1): 83–87.
Siaw E. S., Sathasivam S. & Emmanuel S. 2025. Pemodelan ramalan trend penyakit influenza h1n1 meng- gunakan model bersepadu seiqre. Journal of Quality Measurement and Analysis JQMA 21 (1): 87–104.
Troeger C. E., Blacker B. F., Khalil I. A., Zimsen S. R., Albertson S. B., Abate D., Abdela J., Adhikari T. B., Aghayan
Wan Puteh S. E., Aazmi M. S., Aziz M. N., Kamarudin N. Sam J. I.-C., Thayan R., Wan Mahiyuddin W. R., Wan Mohamed Noor W. N., Cheong A., El Guerche-Se´blain C. et al. 2024. Cross-sectional study of influenza trends and costs in malaysia between 2016 and 2018. Plos one 19 (3): e0301068.
Page updated
Google Sites
Report abuse