PENYELESAIAN NUMERIK DAN ANALISIS PERILAKU MODEL SIR

DENGAN VAKSINASI UNTUK PENCEGAHAN PENULARAN PENYAKIT

(NUMERICAL SOLUTION AND BEHAVIOR ANALYTICAL OF SIR EPIDEMIC MODEL
WITH VACCINATION TO PREVENT CONTAGIOUS DISEASE)
Nama Mahasiswa
NRP
Jurusan
Dosen Pembimbing

: Anggraeni Eka Sarrayu

: 1206 100 025
: Matematika
: Drs. M. Setijo Winarko, M.Si
Drs. Lukman Hanafi, M.Sc

Abstrak
Pada Tugas Akhir ini dikaji masalah tingkat vaksinasi yang dilakukan untuk pencegahan epidemik
sebagai fungsi dari laju kelahiran dan kematian penduduk (demographic parameter), laju kontak antara
penderita dan orang sehat, serta laju kesembuhan dari penyakit (epidemiological parameters). Strategi
yang digunakan adalah mengurangi jumlah populasi yang rentan terhadap penyakit dengan menganalisis
model Matematika SIR yang menggambarkan penyebaran penyakit diantara sejumlah individu yang
belum terinfeksi dan rentan untuk terinfeksi (susceptibles), individu yang sudah terinfeksi dan dapat
menyebarkan penyakit ke sejumlah individu lain (infectious), serta individu yang telah sembuh / bebas
dari penyakit (removal). Untuk menganalisa model digunakan pendekatan sistem dinamik (eksistensi titik
setimbang dan stabilitasnya).
Tugas akhir ini merupakan kelanjutkan penelitian (Supriatna, 2004) dengan hasil penelitiannya
adalah mengoptimalkan vaksinasi melalui pendekatan numerik yakni dengan metode Runge-Kutta orde
empat yang ditunjukkan dengan adanya penurunan jumlah populasi susceptible untuk mencegah terjadi
nya penularan penyakit.
Kata kunci: Model SIR; Vaksinasi; Titik kesetimbangan; Metode Runge-Kutta orde empat.
Abstract
The final project studied about vaccination level which is carried out to prevent epidemic as the
function of demographic parameter, acceleration contact between infectious, susceptible, and removal.
The used strategy to reduce susceptible by analysing SIR Mathematics model which describe the
spreading of disease in susceptible, infectious, and removal. To analyze model is used approximation of
dynamic system (existence equilibrium point and its stability) .
This final project is continuing (Supriatna, 2004) research which the result to optimize the
vaccination by approximation of Runge-Kutta fourth order as numeric solution that shown reducing
susceptible to prevent contagious disease.
Keywords: SIR model; Vaccination; Equilibrium point; Runge-Kutta fourth order.
keberhasilan pengendalian dengue bergantung
pada parameter pertumbuhan aedes aegypti yang
menjadi vektor penyebaran penyakit tersebut.
Kemudian dengan model yang sama, (Supriatna,
2004) mengembangkan penelitiannya pada
tingkat vaksinasi minimum untuk mencegah
terjadinya penyakit menular.
Pada tugas ini dikaji penyelesaian numerik
dan analisis perilaku dari model epidemik tipe
SIR sehingga dapat menghambat penyebaran
penyakit menular. Untuk simulasi digunakan
Minitab, Matlab, dan Maple.

I.

PENDAHULUAN
Model Epidemik tipe SIR adalah salah satu
model matematika yang
menyatakan pola
penyebaran
penyakit
menular
dengan
memperhatikan upaya pengendaliannya. Dalam
hal ini terdapat tiga sub-populasi manusia yang
terdiri dari individu rentan terinfeksi penyakit
(susceptible), individu yang sudah terinfeksi dan
dapat menyebarkan penyakit ke sejumlah
individu lain (infectious), serta individu yang
telah sembuh / bebas dari penyakit (removal).
Berdasarkan penelitian (Soewono dan
Supriatna,
2001)
menunjukkan
bahwa
1

 b
d
S H H N H H S H IV H S H
dt
NH

1.2 Perumusan Masalah

1. Bagaimana mengkaji model SIR dengan
memperhatikan pengaruh vaksinasi
dalam upaya pencegahan terjadinya
epidemik.
2. Bagaimana menentukan keterkaitan
antara parameter vaksinasi dengan
ambang batas (threshold) R0 (ambang
batas terjadi atau tidak terjadi
penyebaran penyakit).
3. Bagaimana menginterpertasikan hasil
analisis dari model SIR dengan vaksinasi
melalui metode Runge-Kutta orde
empat.
1.3 Batasan Masalah
Batasan masalah di dalam penelitian ini
adalah parameter vaksinasi hanya mempengaruhi
faktor demografi (laju kelahiran dan kematian).
1.4 Tujuan Penelitian
1. Mengkaji model SIR dengan vaksinasi
dalam upaya pencegahan terjadinya
epidemik.
2. Mengetahui cara mendapatkan ambang
batas R0 melalui uji kestabilan titik
kesetimbangan bebas penyakit (diseasefree
equilibrium)
dan
titik
kesetimbangan
endemik
(endemic
equilibrium).
3. Menginterpertasikan hasil analisa dari
model SIR dengan vaksinasi secara
numerik melalui metode Runge-Kutta.
1.5 Manfaat Penelitian
Manfaat penulisan proposal kali ini adalah
memberikan informasi mengenai proporsi
pemberian vaksin dan kaitannya dengan
penurunan jumlah pengidap penyakit melalui
model SIR dengan solusi numerik sehingga
diharapkan dapat diambil langkah-langkah yang
tepat untuk mencegah terjadinya epidemik yang
semakin meluas.
II. TINJAUAN PUSTAKA
2.1 Studi dari penelitian sebelumnya
(Soewono
dan
Supriatna,
menganalisa model SIR dengan bentuk:

b
d
I H H S H I H ( H ) I H
dt
NH
d
RH H I H H RH
dt
b
d
SV A V SV I V V SV
dt
NH

b
d
I V V SV I V V I V
dt
NH

Kemudian (Supriatna, 2004) mengembangkan

model SIR untuk pencegahan epidemik sebagai
berikut:
dS
m ( I m) S
dt
dI
IS ( m g ) I
dt
dR
gI mR
dt

Dari model diatas laju kelahiran dan kematian

dianggap sama, yaitu m. Laju infeksi susceptible
adalah I dengan menunjukkan laju kontak.
Setiap individu yang infectious akan sembuh
dengan laju kesembuhan g.
2.2 Kestabilan Titik Tetap (Widiarto, 2009)
Pandang persamaan diferensial
dx
f ( x, y )
dt
dy
g ( x, y )
dt

(2.1)

Sebuah titik
( x0 , y0 ) merupakan titik
kesetimbangan dari persamaan (2.1) jika
memenuhi f ( x0 , y0 ) = 0 dan
g ( x0 , y 0 ) =
0 . Karena turunan suatu konstanta sama dengan
nol, maka sepasang fungsi konstan. x(t ) x0
dan
merupakan penyelesaian
y(t ) y0
kesetimbangan dari persamaan (2.1) untuk
semua t 0.
Stabil Asimtotis Lokal
Kestabilan asimtotis lokal merupakan
kestabilan dari sistem linear atau kestabilan dari
sistem linearisasi dari sistem tak linear.
Kestabilan lokal pada titik kesetimbangan
ditentukan oleh tanda pada bagian real dari akarakar karakteristik sistem
Kestabilan linear dapat diketahui melalui
tanda bagian real dari akar-akar karakteristik
matriks Jacobian yang dihitung disekitar titik
kesetimbangan.

2001)

Supaya akar-akar karakteristik bernilai negatif

pada bagian realnya maka kolom pertama pada
table (2.2) harus mempunyai tanda yang sama
yaitu :
1. a1 0

Kriteria Kestabilan Routh-Hurwitz

Kriteria kestabilan Routh-Hurwitz adalah
suatu metode untuk menunjukkan kestabilan
sistem dengan memperhatikan koefisien dari
persamaan karakteristik tanpa menghitung akarakar karakteristik secara langsung.
Jika diketahui suatu persamaan karakteristik
dengan orde ke-n sebagai berikut
a0 n a1

n 1

a2

n2

a3

n 3

2.

n 1

n2

......

a1

a3

a5

b1

b2

b3

c1

c2

c3

3.

a a a 2 a 0 a3
a1

b3

a1 a 6 a 0 a 7
.......... ....
a1

c1

b1 a3 a1 a 2
b1

c3

b1 a 7 a1b4
.......... .......
b1

b2

c2

y n 1 y n

a1

0
1

a1 a2

a3 / a1

k
h
, yn 1 )
2
2
k2
h
k 3 hf ( x n , y n )
2
2
k 4 hf ( x n h, y n k 3 )
k 2 hf ( x n

b1 a5 a1b3
b1

a3 a1 a2 a3 / a1 a3 a3

1
(k1 2k 2 2k 3 k 4 ) dimana:
6

k1 hf ( x n , y n )

a1 a 4 a 0 a 6
a1

Tabel (2.1) tersebut dilanjutkan mendatar dan

menurun hingga diperoleh nilai nol. Semua akar
tersebut dilanjutkan bernilai negative pada
bagian realnya jika dan hanya jika elemenelemen dari kolom pertama tabel (2.1)
mempunyai tanda yang sama. Selanjutnya ambil
persamaan karakteristik oder ke-3 berikut
3 a12 a 2 a3 0
(2.2)
Sehingga akan diperoleh table Routh-Hurwitz
sebagai berikut
Table 2.2 tabel Routh-Hurwitz
3

a3 a1 a 2 a3
0 a3 0
a1 a 2 a3

Jadi dari perhitungan diatas dapat diperoleh

bahwa untuk persamaan (2.2) akan diperoleh
akar-akar karakteristik yang bernilai negative
pada bagian realnya jika memenuhi
a1 0 ; a 2 0 ; a3 0 ; a1a2 a3
2.3 Metode Runge-Kutta
Metode
Runge-Kutta
orde
empat
mempunyai bentuk persamaan berikut :

......
.... .... .....
dimana nilai bi, ci, di,....didefinisikan sebagai
berikut:
b1

a1 a 2 a 3 0

a1a2 a3 supaya memenuhi maka nilai a2 > 0

.......... . a n 0

Kemudian
susun
koefisien
persamaan
karakteristik sehingga menjadi sebuah table
sebagai berikut. Tabel 2.1 tabel koefisien
persamaan karakteristik
n
a0 a2 a4

a1 a 2 a 3
0
a1

a2

a3

III. METODOLOGI
1. Kajian Pustaka , meliputi pemahaman
teoritis seputar model SIR.
2. Mengkaji kembali model SIR dengan
vaksinasi.
3. Analisis
stabilitas
dengan
menguji
kestabilan dari model SIR
4. Mencari solusi numerik model SIR dengan
metode Runge-Kutta orde empat.
5. Interpertasi hasil analisis matematis dari
model SIR dengan vaksinasi agar hasil
analisis mendekati fenomena alam yang
sesungguhnya.
6. Kesimpulan.
IV. PEMBAHASAN
4.1 Analisis Titik Kesetimbangan Model SIR
Tanpa Vaksinasi

Diketahui model SIR tanpa vaksinasi

(Supriatna, 2004) adalah:
dS
m ( I m) S
dt
dI
IS (m g ) I
dt
dR
gI mR
dt

Dari
uraian
tersebut
diperoleh
titik
kesetimbangan P1 (S 0 *, I 0 *) (1,0) disebut
titik kesetimbangan bebas penyakit (disease-free
equilibrium) dan
m g m 1

P2 ( S 1 *, I 1 *)
, (
1)
S1 *

(4.1)

Titik tersebut disebut titik kesetimbangan

endemik (endemic equilibrium).
Adapun syarat agar kondisi bebas endemik
adalah S 1 * 1dan R0 1. R0 adalah basic
reproductive ratio.
Misalkan persamaan (4.2) dinotasikan
dengan F dan G, maka bentuk matriks Jacobian
dari sistem persamaan diferensial tersebut adalah

Karena variabel R tidak muncul pada persamaan

untuk variabel S dan I dari (4.1), maka
persamaan tersebut dapat dituliskan kembali
menjadi:
dS
m ( I m) S
dt
dI
(4.2)
IS (m g ) I
dt

F
F
S
I
M ( mij )
(4.3)
G G

I
S
Titik kesetimbangan P1 (S 0 *, I 0 *) (1,0)
disubtitusikan ke persamaan (4.3) maka
diperoleh matriks Jacobian:

S (0) 0 ; I (0) 0

Dengan mengambil

dS
0 dan
dt

dI
0 pada
dt

persamaan (4.2) maka diperoleh:

IS (m g ) I 0

m
M
0

I ( S g m) 0
m g
sehingga diperoleh I 0 * 0 atau S1 *

Selanjutnya akan dilakukan pengujian terhadap

kasus R0 1 dengan menggunakan Kriteria
Stabilitas
Routh-Hurwitz,
sebuah
titik
kesetimbangan akan stabil bila a1 > 0 ; a 2 > 0
sehingga
untuk
koefisien
persamaan
karakteristik diperoleh:

kemudian subtitusikan I 0 * 0 ke persamaan

dS
0 sehingga m (0) S mS 0
dt
m mS 0
S0 *

m
1
m

a1 (m11 m 22 ) (m m g )

1
; sebab
2m g 0
m g

Dari dS 0 dan I 0 * 0 didapatkan titik

dt
kesetimbangan P1 (S 0 *, I 0 *) (1,0) .
Sedangkan titik kesetimbagan endemik diperoleh
dari dS 0 sehingga m mS IS
dt

a 2 (m11 m 22 m12 m 21 )
[m( (m g )] [ (0)]

m mg m 2
m(m g ) 0 ; sebab m > 0 dan

(m mS ) IS

I1*

m g m 1

P2 ( S 1 *, I 1 *)
, (
1)

S
*
1

m
m)
S1 *
(

disubtitusikan ke persamaan
diperoleh matriks Jacobian:
m

(m g )
m g

M
m m 1

0
S *

atau
I1*

S1 *

m g

Dengan demikian P1 (S 0 *, I 0 *) stabil untuk R0 1

Sedangkan saat titik kesetimbangan

1 m
( m) I
S
maka diperoleh

(m g )

1)

(4.3)

maka

sehingga diperoleh

dS
m(1 p ) ( I m) S
dt
dI
IS (m g ) I
dt

m
m

a1 ( m11 m 22 )
0
m g m g
a 2 ( m11 m 22 m12 m 21 )
m

(0) (m g )

m
m g
m g

(m g )
m
m g

m(m g )
1 0 ; sebab m g 1
m g

Didapatkan titik kesetimbangan P2 ( S1 *, I 1 *)

tidak stabil untuk R0 .1 Dengan cara yang
sama dilakukan analisis kestabilan untuk R0 1
yakni
mengsubtitusikan
titik
kesetimbangan P1 sehingga:
a1 (m11 m 22 ) (m m g )

; sebab
2m g 0
1
m g
a 2 (m11 m 22 m12 m 21 )
[m( (m g )] [ (0)]
m mg m

maka

m(m g ) 0 ; sebab m > 0 dan

m g

dari persamaan (4.2)

IS (m g ) I 0
I ( S g m) 0
I v 0 * 0 atau S v1 *

m g

Selanjutnya subtitusikan I v 0 * 0 ke
persamaan dS = 0 sehingga
dt

m(1 p ) ( I m) S 0
(1 p ) ( (0) m) S 0
m(1 p ) mS
S v 0 * (1 p)

dS
dI
0 dan
0
dt
dt

Ambil

(4.4)

dS

Dengan demikian P1 (S 0 *, I 0 *) tidak stabil

untuk .R0 1 sedangkan saat
m
m

a1 (m11 m 22 )
0
m g m g

Dari dt = 0 dan I v 0 * 0 didapatkan

titik
kesetimbangan Pv1 (S v 0 *, I v 0 *) (1 p,0)
Sedangkan titik kesetimbangan endemik dari
sistem tersebut dapat dicari dari dS = 0
dt
m(1 p ) ( I m) S 0

a 2 (m11 m 22 m12 m 21 )

IS m(1 p S )

(0) (m g )

m
m g
m g

m (1 p) 1

(m g )
m
m g

1
m(m g )
1 0 ; sebab
m g
m g

Dengan demikian P2 ( S1 *, I 1 *)stabil untuk

R 0 1.
4.2 Analisis Titik Kesetimbangan Model SIR
dengan Vaksinasi
Diasumsikan sebagian populasi susceptible
mendapatkan vaksinasi dengan proporsi
vaksinasi adalah p. Karena itu persamaan (4.2)
akan
berubah
menjadi

m (1 p)

1
S v1 *

I I v1 *
1

Karena S1 *
dan
dalam
hal
R
ini S v1 * S1 * 0 maka
diperoleh titik
kesetimbangan
m g m

Pv 2 ( S v1 *, I v1 *)
, (1 p) R0 1

Dari perhitungan tersebut didapatkan titik

kesetimbangan berikut:
Pv1 ( S v 0 *, I v 0 *) (1 p,0)

disebut titik kesetimbangan bebas penyakit

(disease-free equilibrium) dan
m g m

Pv 2 ( S v1 *, I v1 *)
, (1 p) R0 1

disebut titik kesetimbangan endemik (endemic

equilibrium).
Pada titik kesetimbangan endemik terlihat
bahwa pada akhirnya tidak ada penderita
apabila (1 p) R0 1 yang ekivalen
dengan p .1

disubtitusikan ke persamaan
diperoleh matriks Jacobian
( m(1 p ) R 0 1) m
Mv
m(1 p ) R 0 1

(4.5)

maka

(m g )

Dengan menggunakan Kriteria Stabilitas RouthHurwitz sehingga diperoleh:

1
1
. Nilai p c 1
R
R0
0

a1 (m11 m22 ) (m(1 p) R0 1) m 0

disebut
critical vaccination level yang
merupakan nilai terkecil dari p pc sehingga
populasi dapat terhindar dari penyebaran
penyakit menular.
Misalkan persamaan (4.4) dinotasikan
Fv m(1 p) ( I m) S
maka
bentuk
Gv IS (m g ) I

(m(1 p ) R0 1) m
m m(1 p ) R0 1
m(1 p ) R0 0

; sebab

p 1

a 2 (m11m22 m12 m21 )

1
R0

(m(1 p) R0 1)(0) ((m g )(m(1 p) R0 1))

m g (m(1 p) R0 1)

matriks Jacobian dari sistem tersebut adalah

Fv

M v (m ij ) v S
G
v
S

Fv
I
G v

(m 2 (1 p) R0 1) ( gm(1 p) R0 1)
(m(1 p) R0 1)(m g ) 0 ; sebab m 0;
p 1

(4.5)

Dengan demikian Pv 2 ( S v1 *, I v1 *) stabil

untuk p p.c
Dengan cara yang sama dilakukan analisis
kestabilan untuk p p c yakni mengsubtitusikan
titik kesetimbangan Pv1sehingga

Titik kesetimbangan Pv1 (S v 0 *, I v 0 *) (1 p,0)

disubtitusikan ke persamaan (4.5) maka
diperoleh matriks Jacobian
(1 p)
m

Mv

0 (1 p) (m g )
Selanjutnya akan dilakukan pengujian terhadap
..p pc Dengan menggunakan Kriteria Stabilitas
Routh-Hurwitz sehingga diperoleh:
a1 (m11 m22 ) (m ( (1 p ) (m g ))

a1 (m11 m 22 ) (m ( (1 p) (m g ))

(m ( (1 p) m g )
1
2m g (1 p) 0 ; sebab p 1
R0
a 2 (m11 m 22 m12 m 21 )
m( (1 p) (m g )) ( (1 p)(0))
m( (1 p) m g )

(m ( (1 p) m g )
2m g (1 p) 0 ; sebab p 1 1
R0
a 2 (m11 m 22 m12 m 21 )
m( (1 p) (m g )) ( (1 p)(0))
m( (1 p) m g )

m 2 mg m (1 p) 0; sebab m 0;
1
p 1
R
Dengan demikian Pv1 (S v 0 *, I v 0 *) stabil 0
untuk p pc . Sedangkan saat
a1 (m11 m 22 ) (m(1 p ) R0 1) m 0

m 2 mg m (1 p) 0 ; sebab m 0;
p 1

Dengan demikian Pv1 (S v 0 *, I v 0 *) tidak

stabil untuk .p pc
Sedangkan saat titik kesetimbangan
m g m

Pv 2 ( S v1 *, I v1 *)
, (1 p) R0 1

1
R0

(m(1 p ) R0 1) m
m m(1 p ) R0 1

1
R0

m(1 p ) R0 0 ; sebab p 1

1
R0

1.4

a 2 ( m11 m 22 m12 m 21 )

(m(1 p) R0 1)(0) ((m g )(m(1 p)

1.2

R0 1))

1
I(t)

m g (m(1 p) R0 1)
(m 2 (1 p) R0 1) ( gm(1 p) R0 1)
(m(1 p) R0 1)( g m) 0 ; sebab m 0;

0.6

1
p 1
R0
Dengan demikian Pv 2 ( S v1 *, I v1 *) tidak
stabil untuk p p. c
4.3 Simulasi dengan Matlab

0.4
0.1

1.2

I(t)

0.8

0.6

0.4

0.2

0.1

0.2

0.3

0.4

0.5
s(t)

0.6

0.7

0.8

0.9

0.2

0.3

0.4

0.5
S(t)

0.6

0.7

0.8

0.9

Gambar 4.2 Simulasi model SIR dengan

vaksinasi
Gambar 4.2 menunjukkan populasi
infectious menularkan penyakit kepada populasi
susceptible sehingga terjadi peningkatan jumlah
individu yang terinfeksi. Oleh karena itu,
dilakukan pemberian vaksin sebanyak 66%
kepada populasi susceptible dan mengakibatkan
jumlah individu yang rentan menjadi kebal
sedangkan individu yang terinfeksi mengalami
kesembuhan dengan sendirinya (dengan
antibodi)
atau
mati
(ditandai
dengan
berkurangnya jumlah populasi infectious).

1.4

0.8

V.

Gambar 4.1 Simulasi model SIR tanpa vaksinasi

PENYELESAIAN NUMERIK

Tabel
Gambar 4.1 menunjukkan jumlah populasi
susceptible dan populasi infectious tanpa
vaksinasi. Pada saat individu yang terinfeksi
menularkan penyakit kepada individu yang
rentan
mengakibatkan
jumlah
populasi
susceptible berkurang dan infectious bertambah.
Kemudian individu individu yang terinfeksi
mengalami kesembuhan
sehingga terjadi
penurunan
jumlah
populasi
infectious
(ditunjukkan dengan garis mendatar yang
berwarna tebal). Kondisi ini berulang terusmenerus hingga tercapai jumlah populasi
susceptible sama dengan infectious.

5.1

Syarat Awal

Hasil rekapitulasi penyelesaian

numerik baik sebelum
maupun
setelah divaksinasi dengan metode
Runge-Kutta orde empat
Nilai Tanpa Vaksinasi

Nilai Dengan Vaksinasi

S(0)

I(0)

S(0.005)

I(0.005)

Sv(0.005)

Iv(0.005)

0.999

0.001

0.99899

0.0010049044

0.99892

0.0010049042

0.9

0.1

0.8993

0.1004156

0.8992

0.1004155

0.5

0.5

0.4982

0.5005719

0.4981

0.5005717

Selanjutnya diberikan proporsi vaksinasi

sebarang untuk mengetahui pengaruh vaksin
terhadap penurunan atau peningkatan jumlah
populasi susceptible. Berikut ini hasil simulasi
dengan Maple.

Tabel 5.2 Hasil simulasi proporsi vaksinasi:

Syarat Awal
Proporsi
vaksinasi

Syarat awal

50%
66%

S(0)=0.999;
I(0)=0.001

80%

50%
66%

S(0)=0.9;
I(0)=0.1

80%

50%
66%
80%

S(0)=0.5;
I(0)=0.5

Jumlah individu
(jiwa)
Sv = 998942
Iv = 1005
Sv = 998926
Iv = 1005
Sv = 998912
Iv = 1005
Sv = 899284
Iv = 100415
Sv = 899268
Iv = 100415
Sv = 899254
Iv = 100415
Sv = 498127
Iv = 500572
Sv = 498111
Iv = 500572
Sv = 498097
Iv = 500572

Jumlah
penurunan
(jiwa)
Sv = 16
Iv = 0
Sv = 30
Iv = 0

Nilai Tanpa Vaksinasi

Nilai Dengan Vaksinasi

S(0)

I(0)

S(0.005)

I(0.005)

Sv(0.005)

Iv(0.005)

0.999

0.001

0.99899

0.0010049044

0.99892

0.0010049042

0.9

0.1

0.8993

0.1004156

0.8992

0.1004155

0.5

0.5

0.4982

0.5005719

0.4981

0.5005717

6.2 Saran
Pada pembahasan Tugas Akhir ini Model
Epidemik SIR yang digunakan adalah dengan
menggunakan satu parameter vaksinasi atau
pengendalian pada penyakit tersebut sehingga
penelitian selanjutnya dapat dikembangkan
dengan pemberian lebih dari satu parameter
vaksinasi. Sementara itu, model SIR ini hanya
bergantung pada faktor demografi saja,
diharapkan pada penelitian berikutnya analisis
model epidemik dapat bergantung pada faktor
non demografi.

Sv = 16
Iv = 0
Sv = 30
Iv = 0

Sv = 16
Iv = 0
Sv = 30
Iv = 0

VI. KESIMPULAN DAN SARAN

6.1 Kesimpulan
Berdasarkan pembahasan tentang bagaimana
analisis model epidemik tipe SIR dengan
vaksinasi dapat disimpulkan bahwa:
1. Pemberian vaksin kepada sebagian populasi
susceptible
yakni
sebanyak
66%
menyebabkan kekebalan individu individu
yang rentan semakin kuat sehingga jumlah
populasi ini menurun. Jadi, proporsi
vaksinasi yang diberikan haruslah melebihi
level vaksinasi kritis (critical vaccination
level) untuk mencegah terjadinya penularan
penyakit. Sementara itu, pengaruh vaksin
sangat kecil pengaruhnya terhadap populasi
infectious karena individu yang terinfeksi
dapat sembuh dengan sendirinya atau mati.
2. Semakin besar R0 proporsi vaksinasi yang
diberikan kepada populasi susceptible
semakin banyak, sebaliknya jika R0 kecil
maka vaksin yang diperlukan juga sedikit.
Dalam hal ini, kondisi bebas penyebaran
penyakit dicapai saat R0 .1
3. Hasil analisis dari model SIR dengan
vaksinasi melalui metode
Runge-Kutta
orde empat dapat dilihat pada tabel berikut:

DAFTAR PUSTAKA
Anggriani, N., Chaerani, D., Firdaniza.,
Supriatna, A.k. 2007. Laporan Penelitian:
Aplikasi Matematika Untuk Menentukan
Vaksinasi
Optimal
Dalam
Meminimumkan Biaya Pengendalian
Penyebaran Penyakit Demam Berdarah.
Universitas Padjajaran.
Arenas, J., Charpentier., and Parra. 2009.An
Accurate
Nonstandard
Scheme
of
Predictor-Corrector Type for a SIR
Epidemic Model. The University of
Texas, Arlington. Technical Report 01.
<URL:http://www.uta.edu/math/preprint/>
Feng, Runhuan & Garrido, Jose. 2006.
Application of Epidemiological Models
in
Actuarial
Mathematics.Canada:Department
of
Statistics
and
Actuarial
Science,
University Avenue West., Department of
Mathematics and Statistics, Concordia
University.
Jack. 2006. Metode Numerik. UNILA.
Soewono, E., dan Supriatna, A.k. 2001.A TwoDimensional Model for The Transmission
of Dengue Fever Disease. Bull. Malay.
Math. Sc. Soc. 24(1): 49-57.
Supriatna, A.K. 2004.Tingkat Vaksinasi
Minimum untuk Pencegahan Epidemik
8

Berdasarkan Model Matematika SIR.

Matematika Integratif. Vol 2 :41-49.
Widiarto, H. 2009. Analisa Stabilitas dari Model
Epidemik AIDS dengan Transmisi
Vertikal. Tugas Akhir. Surabaya: Institut
Teknologi Sepuluh Nopember.