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
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
(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)
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
a3 a1 a 2 a3
0 a3 0
a1 a 2 a3
......
.... .... .....
dimana nilai bi, ci, di,....didefinisikan sebagai
berikut:
b1
a1 a 2 a 3 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
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)
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
m
M
0
I ( S g m) 0
m g
sehingga diperoleh I 0 * 0 atau S1 *
m
1
m
a1 (m11 m 22 ) (m m g )
1
; sebab
2m g 0
m g
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
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
; sebab
2m g 0
1
m g
a 2 (m11 m 22 m12 m 21 )
[m( (m g )] [ (0)]
m mg m
maka
m g
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
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
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
Pv 2 ( S v1 *, I v1 *)
, (1 p) R0 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 )
1
1
. Nilai p c 1
R
R0
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
1
R0
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)
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
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 )
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
1.4
0.8
V.
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
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
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
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
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