Bab 11 Agent-Based Model - Bab 11
Bab 11
Agent-Based Model
MA 2151 Simulasi dan Komputasi Matematika
Agen dalam Interaksi
Pinkeye (infectious bovine keratoconjunctivitis) adalah penyakit menular
pada ternak dan sangat berbahaya bagi sapi betina.
Bakteri Moraxella bovis merupakan penyebab utama dari penyakit ini.
Karena pada wal masa infeksi ternak akan memiliki sejumlah besar bakteri,
penyakit ini dapat menular dengan cepat melalui kontak langsung maupun
tidak langsung (peralatan yang terkontaminasi atau serangga seperti lalat)
Penyakit ini akan menyerang kornea dan akhirnya merusak mata. Jika tidak
diobati, kebutaan akan muncul setelah 72 jam. Pengobatan yang dapat
diberikan adalah berupa antibiotik dan steroid yang disuntikkan secara rutin
di bawah kelopak mata. Pengobatan ini cukup efektif jika dilakukan secara
dini.
Di samping kebutaan, infeksi dapat berakibat pada kesulitan mencerna yang
berakibat pada penurunan berat badan.
Beberapa Data dan Fakta
Anak sapi lahir di musim semi dengan berat badan 60 - 100 lb. Di Amerika, anak sapi dapat bergerak
secara bebas dalam peternakan selama 6 - 9 bulan hingga mencapai berat 600 lb.
Sapi dari berbagai sumber akan dibawa ke gudang penjualan untuk dijual. Selama masa penjualan
ini, sapi dapat menambah berat badan sampai dengan 900 lb (Liu et al. 2012).
Sapi akan digemukkan dalam kandang selama 4 - 6 bulan hingga mencapai berat 1200 - 1400 lb dan
kemudian akan siap untuk dijual di pasar (Cattlemen’s Beef Board 2009).
Dengan adanya interaksi sapi dari berbagai sumber di kandang yang sama, penyakit menular dapat
mewabah. Pemodelan dapat membantu membangun strategi dalam menghindari wabah dan
kerugian.
Dalam model ini, pandang suatu penyakit yang disebarkan oleh kontak fisik, di mana ternak dapat
terinfeksi selama beberapa hari, dan setelah sembuh, tidak dapat mengidap penyakit tersebut
kembali. Akan dimodelkan ternak sejak kelahiran di musim semi sampai mereka mencapai pasar
dan menentukan situasi mana saja yang dapat menyebabkan wabah.
Model Berdasarkan Agen (Agent-Based Model)
Salah satu teknik untuk memodelkan pergerakan seekor sapi
dan penyebaran penyakit di antara ternak adalah dengan
menggunakan simulasi selular automata (serupa dengan
pergerakan semut).
Alternatif lain adalah dengan menggunakan simulasi
berdasarkan matriks yang juga berdasarkan agen (individu).
Cellular Automaton vs Agent-Based
cellular automaton simulation
agent-based simulation
Keadaan dalam setiap sel menginformasikan banyaknya
ternak di dalam lokasi tersebut beserta dengan atribut
ternak, seperti berat.
Setiap ternak dimodelkan sebagai agen yang autonom,
dapat mengambil keputusan dan memiliki keadaan, yang
direpresentasikan dalam variabel keadaan dan perilaku,
yang menentukan tindakannya.
Agen akan beroperasi dalam lingkungan berupa matriks.
Aturan transisi berdasarkan hubungan antara suatu sel
dengan sel tetangga akan menentukan keadaan sel pada
iterasi berikut.
Suatu prosedur dari agen adalah fungsi yang menyatakan
perilaku agen.
Sering terdapat variabel simulasi global yang mempengaruhi
semua agen. Keadaan suatu agen pada iterasi berikut
dipengaruhi oleh lingkungan, agen yang bertetangga,
keadaan dan perilaku dari agen tersebut pada iterasi
sebelumnya.
Dalam setiap iterasi, simulasi selular automata memandang
dan memperbaharui keadaan setiap sel di matriks.
Dalam setiap iterasi, simulasi berdasarkan agen memandang
setiap agen dan memperbaharui keadaannya.
Cellular Automaton vs Agent-Based
Dalam kedua simulasi, aksi individu dan interaksi lokal dapat dikaji
pengaruhnya terhadap sistem secara keseluruhan.
Keduanya juga dapat memvisualisasikan pola yang muncul.
Kedua simulasi dapat secara efektif memodelkan sistem yang dinamis
dan kompleks.
Model ini dapat membantu untuk memahami sistem, mengevaluasi
berbagai skenario, dan memberikan informasi mengenai keputusan
yang harus diambil.
Formulasi Model
Akan disimulasikan efek penyakit ketika ternak dibawa ke pasar.
Seekor ternak dapat terinfeksi pada setiap saat. Infeksi akan terjadi selama
40 hari dan kemudian ternak akan imun terhadap penyakit yang sama.
Dalam model sederhana ini, tidak dipertimbangkan isolasi atau pengurangan
berat badan karena penyakit.
Semua ternak memiliki siklus kehidupan yang sama. Setiap ternak akan
muncul sebagai anak sapi dengan berat 60 - 100 lb dan hidup di padang
rumput sampai mencapai berat 600 lb. Ternak kemudian dibawa ke gudang
penjualan dan dijual pada stocker untuk kemudian digemukkan kembali di
padang rumput milik stocker. Setelah mencapai berat 900 lb, sapi
dikembalikan ke gudang penjualan dan dijual kepada feedlot. Sapi kemudian
tetap tinggal di kandang feedlot hingga mencapai berat 1300 lb. Sapi
kemudian dipindahkan ke pejagalan untuk diproses.
Asumsi yang Menyederhanakan
Sapi yang sedang hamil dan baru lahir tidak dipertimbangkan.
Makanan selalu tersedia di sekitar sapi, sehingga tidak perlu berpindah jauh untuk
mendapatkan makanan.
Kecuali pada saat dipindahkan ke lokasi lain, sapi bergerak secara random di padang
rumput dan tidak memiliki kecenderungan untuk berkumpul.
Perpindahan lokasi dilakukan dengan berjalan sepanjanga jalan satu arah ke gudang
penjualan.
Setiap kali mengunjungi gudang penjualan, seekor sapi berada di sana paling lama 2 hari.
Penyakit tersebat hanya melalui kontak langsung.
Sapi yang sembuh dari penyakit tidak dapat tertular kembali.
Tidak ada sapi yang mati sebelum mencapai pejagalan.
Sapi yang terinfeksi maupun tidak terinfeksi dapat mencapai berat badan yang sama.
Parameter Input dan Output
Input
• Peluang padang rumput memuat seekor sapi.
• Peluang seekor sapi tertular ketika berada di dekat sapi lain yang terinfeksi.
• Banyaknya iterasi
Output
• Banyaknya sapi
• Banyaknya sapi yang susceptible, infected, dan recovered pada setiap iterasi
Desain Simulasi
Simulasi ini merepresentasikan ternak dan lingkungannya.
Misalkan terdapat 6 padang rumput, 1 gudang penjualan, 1 padang rumput stocker,
1 kandang feedlot, dan 1 pejagalan.
Agen digunakan untuk merepresentasikan sapi.
Setiap lingkungan: padang rumput, jalan satu arah ke Barat, jalan satu arah ke
Timur, gudang penjualan, padang rumput stocker, kandang feedlot, dan pejagalan
terbentuk dari matriks yang setiap selnya dapat ditempati oleh agen.
Simulasi dilakukan dalam iterasi yang berdurasi ¼ hari.
Pada setiap iterasi, sapi di padang rumput, padang rumput stocker, atau kandang
feedlot, akan bertambah berat badannya. Setelah mencapai ambang berat
tertentu, sapi akan bergerak ke lokasi yang telah ditentukan.
Sapi yang susceptible dapat terkena penyakit karena kontak dengan sapi yang
infected.
Model Lingkungan
There 7 tipe lingkungan yang masing-masing dapat dianggap sebagai agen,
yang merupakan tempat di mana sapi bergerak: padang rumput (Farm), jalan
satu arah ke Timur (RoadEast), jalan satu arah ke Barat (RoadWest), gudang
penjualan (SaleBarn), padang rumput stocker (Stocker), kandang feedlot
(Feedlot), dan pejagalan (Abattoir).
Pada inisialisasi dari Farm agen sapi yang susceptible, Susceptible, akan
ditempatkan secara random pada sel Farm. Untuk ini didefinisikan suatu
variabel simulasi global, INIT_CATTLE_ PROBABILITY, yang merupakan
persentase sapi susceptible dan mengukur kepadatan awal di padang
rumput.
Untuk membedakan, digunakan huruf kapital untuk semua konstanta,
awalan kapital untuk agen, dan huruf kecil untuk metoda, prosedur, dan
variabel.
Inisialisasi Padang Rumput
Lingkungan
Misalkan setiap padang rumput
berukuran 95x16, sehingga secara
total terdapat 7505 agen Farm.
Setiap agen Farm pada awalnya
memiliki peluang
INIT_CATTLE_PROBABILITY = 0.02 =
2% untuk memiliki agen
Susceptible.
Diletakkan seekor agen infected di
padang rumput yang pertama.
Pada tahap inisialisasi, terdapat 154
agen susceptible dan 1 agen
infected.
Keadaan Agen
Agen Susceptible adalah sapi yang susceptible terhadap penyakit.
Jika agen tersebut tertular penyakit, ia menjadi agen Infected.
Setelah sembuh, agen ini menjadi agen Recovered.
Setelah melewati pejagalan, sapi menjadi agen Processed.
Karena berat badan merupakan factor utama yang menentukan lokasi
ternak, setiap agen sapi memiliki atribut weight. Pada awal simulasi, setiap
agen Susceptible diinisialisasi dengan berat 60 - 100 lb secara random
(uniform).
Atribut time1InSale dan time2InSale merupakan waktu di mana agen berada
di gudang penjualan untuk pertama atau kedua kali. Atribut ini digunakan
untuk mengatur waktu tinggal agen di dalam gudang.
Keadaan Agen
Agen Infected memiliki atribut daysSick. Dalam simulasi ini, kita
memulai dengan 1 agen Infected, dengan berat random di antara 60 100 lb dan dengan daysSick = 0 hari.
Didefinisikan properti simulasi global untuk menghitung jumlah setiap
tipe agen (numSusceptible, numInfected, dan numRecovered), jumlah
akumulatif agen infected (cummulativeInfected), dan jumlah total agen
(num-Cattle).
Inisialisasi Ternak
Hitung SIR
Perilaku Agen
Lokasi dan berat agen merupakan penentu utama dalam simulasi.
Pada setiap iterasi, setiap agen mengeksekusi algoritma cattle
scheduler yang akan mendefinisikan perilaku agen Susceptible,
Infected, Recovered, dan Processed.
Agen lainnya (Farm, RoadEast, RoadWest, SaleBarn, Stocker, FeedLot,
dan Abattoir) merupakan agen lingkungan yang tidak memiliki prosedur
(kecuali inisialisasi Farm).
Cattle Scheduler
sir
Dalam setiap iterasi, metoda sir selalu dipanggil untuk agen yang tidak dibawa ke
pejagalan.
Terdapat 2 atribut utama yang berkaitan dengan penyakit tidak mematikan: laju infeksi, β,
dan laju penyembuhan, μ. Asumsikan agen akan sakit selama INFECTIOUS_PERIOD = 40
hari, μ = 1/(40 hari) = 0.025/hari; artinya sekitar 0.025 = 2.5% dari agen infected sembuh
setiap harinya. Setelah 40 hari, agen Infected menjadi agen Recovered. Sebelum 40 hari,
daysSick untuk agen yang sakit bertambah satu selang waktu dt = 0.25 days. Dengan
demikian, agen sakit memerlukan 160 iterasi untuk sembuh.
Pada setiap iterasi, peluang agen Susceptible akan ternyata penyakit yang ditularkan
tetangga yang merupakan agen Infected adalah laju infeksi (per hari) dikali selang waktu (dt
= 0.25 days), β · dt. Konstanta ini kemudian dinamakan INFECTION_PROBABILITY = 0.125.
Di samping menentukan progress penyakit, algoritma juga perlu menambah atau
mengurangi jumlah agen dalam setiap tipe. Setelah agen sakit selama INFECTIOUS_PERIOD
= 40 hari sembuh, numInfected dikurangi 1 dan numRecovered ditambah 1. Pada saat agen
susceptible menjadi infected, num-Susceptible dikurangi 1 dan numInfected serta
cummulativeInfected ditambah 1.
Algoritma sir
Hitung SIR di Pejagalan
Pada saat agen masuk pejagalan, perhitungan yang berbeda dengan prosedur sir
akan terjadi.
Dibuat prosedur sirAbattoir yang mengurangi numSusceptible, numInfected, atau
numRecovered yang bersesuaian.
Di Padang Rumput
Di padang rumput, asumsikan agen melakukan random walk.
Rata-rata anak sapi perlu 6 - 9 bulan untuk mencapai berat 540 - 500 lb. Dengan
demikian selama 200 hari agen harus menambah berat badan 2.5 lb/hari atau
0.625 lb/dt. Untuk memperoleh variasi dalam penambahan berat badan,
penambahan weight dilakukan dengan bilangan random di antara 0.50 - 0.75 lb/dt.
Perpindahan dari Padang Rumput ke Gudang
Penjualan
Pembatasan Waktu di Gudang Penjualan
Pergerakan dalam Gudang Penjualan
Perpindahan ke Padang Rumput Stocker
Perpindahan dalam Kandang Feedlot
Simulasi
Simulasi (2)
Simulasi (3)
Agent-Based Model
MA 2151 Simulasi dan Komputasi Matematika
Agen dalam Interaksi
Pinkeye (infectious bovine keratoconjunctivitis) adalah penyakit menular
pada ternak dan sangat berbahaya bagi sapi betina.
Bakteri Moraxella bovis merupakan penyebab utama dari penyakit ini.
Karena pada wal masa infeksi ternak akan memiliki sejumlah besar bakteri,
penyakit ini dapat menular dengan cepat melalui kontak langsung maupun
tidak langsung (peralatan yang terkontaminasi atau serangga seperti lalat)
Penyakit ini akan menyerang kornea dan akhirnya merusak mata. Jika tidak
diobati, kebutaan akan muncul setelah 72 jam. Pengobatan yang dapat
diberikan adalah berupa antibiotik dan steroid yang disuntikkan secara rutin
di bawah kelopak mata. Pengobatan ini cukup efektif jika dilakukan secara
dini.
Di samping kebutaan, infeksi dapat berakibat pada kesulitan mencerna yang
berakibat pada penurunan berat badan.
Beberapa Data dan Fakta
Anak sapi lahir di musim semi dengan berat badan 60 - 100 lb. Di Amerika, anak sapi dapat bergerak
secara bebas dalam peternakan selama 6 - 9 bulan hingga mencapai berat 600 lb.
Sapi dari berbagai sumber akan dibawa ke gudang penjualan untuk dijual. Selama masa penjualan
ini, sapi dapat menambah berat badan sampai dengan 900 lb (Liu et al. 2012).
Sapi akan digemukkan dalam kandang selama 4 - 6 bulan hingga mencapai berat 1200 - 1400 lb dan
kemudian akan siap untuk dijual di pasar (Cattlemen’s Beef Board 2009).
Dengan adanya interaksi sapi dari berbagai sumber di kandang yang sama, penyakit menular dapat
mewabah. Pemodelan dapat membantu membangun strategi dalam menghindari wabah dan
kerugian.
Dalam model ini, pandang suatu penyakit yang disebarkan oleh kontak fisik, di mana ternak dapat
terinfeksi selama beberapa hari, dan setelah sembuh, tidak dapat mengidap penyakit tersebut
kembali. Akan dimodelkan ternak sejak kelahiran di musim semi sampai mereka mencapai pasar
dan menentukan situasi mana saja yang dapat menyebabkan wabah.
Model Berdasarkan Agen (Agent-Based Model)
Salah satu teknik untuk memodelkan pergerakan seekor sapi
dan penyebaran penyakit di antara ternak adalah dengan
menggunakan simulasi selular automata (serupa dengan
pergerakan semut).
Alternatif lain adalah dengan menggunakan simulasi
berdasarkan matriks yang juga berdasarkan agen (individu).
Cellular Automaton vs Agent-Based
cellular automaton simulation
agent-based simulation
Keadaan dalam setiap sel menginformasikan banyaknya
ternak di dalam lokasi tersebut beserta dengan atribut
ternak, seperti berat.
Setiap ternak dimodelkan sebagai agen yang autonom,
dapat mengambil keputusan dan memiliki keadaan, yang
direpresentasikan dalam variabel keadaan dan perilaku,
yang menentukan tindakannya.
Agen akan beroperasi dalam lingkungan berupa matriks.
Aturan transisi berdasarkan hubungan antara suatu sel
dengan sel tetangga akan menentukan keadaan sel pada
iterasi berikut.
Suatu prosedur dari agen adalah fungsi yang menyatakan
perilaku agen.
Sering terdapat variabel simulasi global yang mempengaruhi
semua agen. Keadaan suatu agen pada iterasi berikut
dipengaruhi oleh lingkungan, agen yang bertetangga,
keadaan dan perilaku dari agen tersebut pada iterasi
sebelumnya.
Dalam setiap iterasi, simulasi selular automata memandang
dan memperbaharui keadaan setiap sel di matriks.
Dalam setiap iterasi, simulasi berdasarkan agen memandang
setiap agen dan memperbaharui keadaannya.
Cellular Automaton vs Agent-Based
Dalam kedua simulasi, aksi individu dan interaksi lokal dapat dikaji
pengaruhnya terhadap sistem secara keseluruhan.
Keduanya juga dapat memvisualisasikan pola yang muncul.
Kedua simulasi dapat secara efektif memodelkan sistem yang dinamis
dan kompleks.
Model ini dapat membantu untuk memahami sistem, mengevaluasi
berbagai skenario, dan memberikan informasi mengenai keputusan
yang harus diambil.
Formulasi Model
Akan disimulasikan efek penyakit ketika ternak dibawa ke pasar.
Seekor ternak dapat terinfeksi pada setiap saat. Infeksi akan terjadi selama
40 hari dan kemudian ternak akan imun terhadap penyakit yang sama.
Dalam model sederhana ini, tidak dipertimbangkan isolasi atau pengurangan
berat badan karena penyakit.
Semua ternak memiliki siklus kehidupan yang sama. Setiap ternak akan
muncul sebagai anak sapi dengan berat 60 - 100 lb dan hidup di padang
rumput sampai mencapai berat 600 lb. Ternak kemudian dibawa ke gudang
penjualan dan dijual pada stocker untuk kemudian digemukkan kembali di
padang rumput milik stocker. Setelah mencapai berat 900 lb, sapi
dikembalikan ke gudang penjualan dan dijual kepada feedlot. Sapi kemudian
tetap tinggal di kandang feedlot hingga mencapai berat 1300 lb. Sapi
kemudian dipindahkan ke pejagalan untuk diproses.
Asumsi yang Menyederhanakan
Sapi yang sedang hamil dan baru lahir tidak dipertimbangkan.
Makanan selalu tersedia di sekitar sapi, sehingga tidak perlu berpindah jauh untuk
mendapatkan makanan.
Kecuali pada saat dipindahkan ke lokasi lain, sapi bergerak secara random di padang
rumput dan tidak memiliki kecenderungan untuk berkumpul.
Perpindahan lokasi dilakukan dengan berjalan sepanjanga jalan satu arah ke gudang
penjualan.
Setiap kali mengunjungi gudang penjualan, seekor sapi berada di sana paling lama 2 hari.
Penyakit tersebat hanya melalui kontak langsung.
Sapi yang sembuh dari penyakit tidak dapat tertular kembali.
Tidak ada sapi yang mati sebelum mencapai pejagalan.
Sapi yang terinfeksi maupun tidak terinfeksi dapat mencapai berat badan yang sama.
Parameter Input dan Output
Input
• Peluang padang rumput memuat seekor sapi.
• Peluang seekor sapi tertular ketika berada di dekat sapi lain yang terinfeksi.
• Banyaknya iterasi
Output
• Banyaknya sapi
• Banyaknya sapi yang susceptible, infected, dan recovered pada setiap iterasi
Desain Simulasi
Simulasi ini merepresentasikan ternak dan lingkungannya.
Misalkan terdapat 6 padang rumput, 1 gudang penjualan, 1 padang rumput stocker,
1 kandang feedlot, dan 1 pejagalan.
Agen digunakan untuk merepresentasikan sapi.
Setiap lingkungan: padang rumput, jalan satu arah ke Barat, jalan satu arah ke
Timur, gudang penjualan, padang rumput stocker, kandang feedlot, dan pejagalan
terbentuk dari matriks yang setiap selnya dapat ditempati oleh agen.
Simulasi dilakukan dalam iterasi yang berdurasi ¼ hari.
Pada setiap iterasi, sapi di padang rumput, padang rumput stocker, atau kandang
feedlot, akan bertambah berat badannya. Setelah mencapai ambang berat
tertentu, sapi akan bergerak ke lokasi yang telah ditentukan.
Sapi yang susceptible dapat terkena penyakit karena kontak dengan sapi yang
infected.
Model Lingkungan
There 7 tipe lingkungan yang masing-masing dapat dianggap sebagai agen,
yang merupakan tempat di mana sapi bergerak: padang rumput (Farm), jalan
satu arah ke Timur (RoadEast), jalan satu arah ke Barat (RoadWest), gudang
penjualan (SaleBarn), padang rumput stocker (Stocker), kandang feedlot
(Feedlot), dan pejagalan (Abattoir).
Pada inisialisasi dari Farm agen sapi yang susceptible, Susceptible, akan
ditempatkan secara random pada sel Farm. Untuk ini didefinisikan suatu
variabel simulasi global, INIT_CATTLE_ PROBABILITY, yang merupakan
persentase sapi susceptible dan mengukur kepadatan awal di padang
rumput.
Untuk membedakan, digunakan huruf kapital untuk semua konstanta,
awalan kapital untuk agen, dan huruf kecil untuk metoda, prosedur, dan
variabel.
Inisialisasi Padang Rumput
Lingkungan
Misalkan setiap padang rumput
berukuran 95x16, sehingga secara
total terdapat 7505 agen Farm.
Setiap agen Farm pada awalnya
memiliki peluang
INIT_CATTLE_PROBABILITY = 0.02 =
2% untuk memiliki agen
Susceptible.
Diletakkan seekor agen infected di
padang rumput yang pertama.
Pada tahap inisialisasi, terdapat 154
agen susceptible dan 1 agen
infected.
Keadaan Agen
Agen Susceptible adalah sapi yang susceptible terhadap penyakit.
Jika agen tersebut tertular penyakit, ia menjadi agen Infected.
Setelah sembuh, agen ini menjadi agen Recovered.
Setelah melewati pejagalan, sapi menjadi agen Processed.
Karena berat badan merupakan factor utama yang menentukan lokasi
ternak, setiap agen sapi memiliki atribut weight. Pada awal simulasi, setiap
agen Susceptible diinisialisasi dengan berat 60 - 100 lb secara random
(uniform).
Atribut time1InSale dan time2InSale merupakan waktu di mana agen berada
di gudang penjualan untuk pertama atau kedua kali. Atribut ini digunakan
untuk mengatur waktu tinggal agen di dalam gudang.
Keadaan Agen
Agen Infected memiliki atribut daysSick. Dalam simulasi ini, kita
memulai dengan 1 agen Infected, dengan berat random di antara 60 100 lb dan dengan daysSick = 0 hari.
Didefinisikan properti simulasi global untuk menghitung jumlah setiap
tipe agen (numSusceptible, numInfected, dan numRecovered), jumlah
akumulatif agen infected (cummulativeInfected), dan jumlah total agen
(num-Cattle).
Inisialisasi Ternak
Hitung SIR
Perilaku Agen
Lokasi dan berat agen merupakan penentu utama dalam simulasi.
Pada setiap iterasi, setiap agen mengeksekusi algoritma cattle
scheduler yang akan mendefinisikan perilaku agen Susceptible,
Infected, Recovered, dan Processed.
Agen lainnya (Farm, RoadEast, RoadWest, SaleBarn, Stocker, FeedLot,
dan Abattoir) merupakan agen lingkungan yang tidak memiliki prosedur
(kecuali inisialisasi Farm).
Cattle Scheduler
sir
Dalam setiap iterasi, metoda sir selalu dipanggil untuk agen yang tidak dibawa ke
pejagalan.
Terdapat 2 atribut utama yang berkaitan dengan penyakit tidak mematikan: laju infeksi, β,
dan laju penyembuhan, μ. Asumsikan agen akan sakit selama INFECTIOUS_PERIOD = 40
hari, μ = 1/(40 hari) = 0.025/hari; artinya sekitar 0.025 = 2.5% dari agen infected sembuh
setiap harinya. Setelah 40 hari, agen Infected menjadi agen Recovered. Sebelum 40 hari,
daysSick untuk agen yang sakit bertambah satu selang waktu dt = 0.25 days. Dengan
demikian, agen sakit memerlukan 160 iterasi untuk sembuh.
Pada setiap iterasi, peluang agen Susceptible akan ternyata penyakit yang ditularkan
tetangga yang merupakan agen Infected adalah laju infeksi (per hari) dikali selang waktu (dt
= 0.25 days), β · dt. Konstanta ini kemudian dinamakan INFECTION_PROBABILITY = 0.125.
Di samping menentukan progress penyakit, algoritma juga perlu menambah atau
mengurangi jumlah agen dalam setiap tipe. Setelah agen sakit selama INFECTIOUS_PERIOD
= 40 hari sembuh, numInfected dikurangi 1 dan numRecovered ditambah 1. Pada saat agen
susceptible menjadi infected, num-Susceptible dikurangi 1 dan numInfected serta
cummulativeInfected ditambah 1.
Algoritma sir
Hitung SIR di Pejagalan
Pada saat agen masuk pejagalan, perhitungan yang berbeda dengan prosedur sir
akan terjadi.
Dibuat prosedur sirAbattoir yang mengurangi numSusceptible, numInfected, atau
numRecovered yang bersesuaian.
Di Padang Rumput
Di padang rumput, asumsikan agen melakukan random walk.
Rata-rata anak sapi perlu 6 - 9 bulan untuk mencapai berat 540 - 500 lb. Dengan
demikian selama 200 hari agen harus menambah berat badan 2.5 lb/hari atau
0.625 lb/dt. Untuk memperoleh variasi dalam penambahan berat badan,
penambahan weight dilakukan dengan bilangan random di antara 0.50 - 0.75 lb/dt.
Perpindahan dari Padang Rumput ke Gudang
Penjualan
Pembatasan Waktu di Gudang Penjualan
Pergerakan dalam Gudang Penjualan
Perpindahan ke Padang Rumput Stocker
Perpindahan dalam Kandang Feedlot
Simulasi
Simulasi (2)
Simulasi (3)