LINEARISASI SISTEM PERSAMAAN DIFERENSIAL PARSIAL

PADA MODEL EPIDEMI SIR BERDASARKAN KELOMPOK UMUR

Dwi Lestari1 and Widodo2
1
) Jurusan Pendidikan Matematika UNY
Email: dwilestari@uny.ac.id
2
) Jurusan Matematika,
Universitas Gadjah Mada, Yogyakarta, Indonesia
Abstrak
Model Epidemi SIR berdasarkan kelompok umur berbentuk sistem persamaan diferensial parsial dengan variabel
umur dan waktu sebagai variabel bebas. Model ini memiliki distribusi umur steady state trivial dan non trivial
berbentuk fungsi yang bergantung pada variabel umur. Selain itu, model berbentuk sistem nonlinear sehingga
diperlukan linearisasi untuk mengetahui perilaku solusi sistem nonlinear melalui sistem linear. Linearisasi dilakukan
dengan deret Taylor ataupun perturbasi di sekitar distribusi umur steady state.
Kata kunci: linearisasi, sistem persamaan diferensial parsial.

A. Pendahuluan
Masalah yang dijumpai dalam kehidupan sehari-hari dapat dimodelkan dalam bentuk model
matematika. Sebagian besar model matematika yang muncul berbentuk non linear. Untuk mendapatkan
solusi masalah yang berbentuk sistem non linear tidaklah mudah. Namun demikian, hal ini tidak menjadi
masalah karena bentuk model matematika khususnya yang berbentuk sistem persamaan diferensial non
linear dapat dilihat perilaku solusinya melalui sistem persamaan diferensial linear dengan syarat bagian
real akar karakteristik tidak nol. Linearisasi dilakukan untuk mendapatkan sistem linear dari sistem non
linear.
Pada paper ini akan dibahas mengenai model epidemi berbentuk SIR dengan memperhatikan
kelompok umur. Umur dapat diartikan sebagai waktu dari masuk ke dalam kelas populasi rentan
(susceptibles), kelas terjangkit (infective), atau kelas bebas penyakit (recovered). Contoh yang relevan
adalah pada model penyerapan obat dalam darah. Pemodelan epidemi berdasarkan umur berkaitan dengan
model populasi berdasarkan distribusi umur. Beberapa penyakit seperti, cacar air (measles), influenza tipe
A, kolera, gondong (mumps), tubercoluses, AIDS, dan SARS penting untuk diperhatikan variabel umur
individunya dalam pemodelan penyakit. Dalam hal ini model yang akan dibahas adalah model SIR
berdasarkan kelompok umur.
Model Epidemi SIR berdasarkan kelompok umur berbentuk sistem persamaan diferensial parsial
dengan variabel umur dan waktu sebagai variabel bebas. Model yang berbentuk sistem non linear tidak
mudah diselidiki perilaku solusinya. Oleh sebab itu, perilaku solusi sistem diselidiki melalui bentuk
sistem linearnya. Untuk mendapatkan sistem linear dari sistem non linear perlu dilakukan linearisasi.
Linearisasi yang dilakukan menggunakan Deret Taylor.

B. Linearisasi Persamaan Diferensial Parsial

Untuk mempelajari perilaku sistem dinamik non linear dilakukan melalui linearisasi di sekitar
titik ekuilibrium. Diberikan sistem

dx
= f ( x, y )
dt
dy
= g ( x, y )
dt
(1)

(a, b); f (a, b) = g ( a, b) = 0

dengan titik ekuilibrium

. Pendekatan linear fungsi f(x,y) di sekitar (a,b)

diperoleh dengan menderetkan fungsi f(x,y) sebagai berikut

f ( x, y ) @ f (a , b ) +

f
f
(a, b)( x - a ) + (a, b)( y - b) +Q f
x
y
.

(2)

Sedangkan Deret Taylor fungsi g(x,y) di sekitar (a,b) adalah

g ( x, y ) @ g ( a , b) +

g
g
(a, b)( x - a) + (a, b)( y - b) +Q g
x
y
(3)

Qf
dengan

Qg
dan

suku-suku non linear yang selanjutnya dapat dihilangkan. Dari (1) dan (2) diperoleh

pendekatan linear untuk Sistem (1), yakni

dx f
f
=
(a, b)( x - a ) + (a, b)( y - b)
dt x
y
dy g
g
=
(a, b)( x - a ) + (a, b)( y - b)
dt x
y
.

(4)

Persamaan (4) dapat dituliskan sebagai matriks

f
dx f
( a, b)
( a, b)
( x - a )
x
y
dt

g
( y - b )
dy g

( a, b)
( a, b)

dt
x
y

v = y- b

u = x- a
Substitusi

dan

diperoleh persamaan yang lebih sederhana, yaitu

(5)


f
du f
( a, b)
( a, b)
u
x
y
dt

=
v
g
dv g
( a, b )
(a, b)

y
dt

x

dengan

f
( a, b)
( a, b)
x

J =
g

g
( a, b)
( a , b)

y
x

(6)

dikenal sebagai matriks Jacobian Sistem (1) pada titik (a,b).

x = ( x1 , x2 ,..., xn )
Diberikan

variabel bebas dan u merupakan fungsi yang bergantung pada

x1 , x2 ,..., xn
variabel

u : n
, yakni fungsi

x n
dengan

. Secara umum sistem persamaan

diferensial parsial berbentuk

F1 (x, u , u x1 ,K , u xn , u x1x2 ,K , u xi K xn ) = 0,
F2 (x, u , u x1 , K , u xn , u x1x2 , K , u xi K xn ) = 0,
M
Fn (x, u, ux1 , K , uxn , ux1x2 , K , uxi K xn ) = 0.
(7)
Sistem persamaan diferensial parsial dua variabel orde satu berbentuk sebagai berikut:

u1 u1

f1 (u)
x t
u2 u2

f 2 (u )
x
t

(8)

:
:

un un

f n (u )
x
t

u = (u1 , u2 ,..., un )
dengan

u 0 = (u01 , u02 ,..., u0 n )

dan nilai awal

. Solusi Sistem (8) dengan nilai awal

u ( x,t ) = u ( u 0 , x, t )

u 0 = u ( x , t0 )
dinyatakan sebagai

u* x
Vektor

u* x
disebut distribusi umur steady state Sistem (8), jika

memenuhi Sistem berikut.

(Brauer, 2008)

du1* ( x)
f1[u* x ]
dx
du2* ( x )
f 2 [u* x ]
dx
(9)
:

dun* ( x )
f n [u* x ]
dx
u* x

u* (0) u*0
Andaikan Sistem (9) dengan nilai awal yang diberikan misal

, memiliki solusi

kestabilan distribusi umur steady state tersebut dapat diselidiki dengan melakukan linearisasi Sistem (8).
Selanjutnya, linearisasi sistem persamaan diferensial parsial di sekitar kondisi steady state

u* ( x) [u1* ( x), u2* ( x)]

sebagai berikut. Diperhatikan dua persamaan awal pada Sistem (8), yakni

u1 u1

f1 (u1 , u2 )
x t

u2 u2

f 2 (u1 , u2 )
x
t

(10)

Diberikan transformasi

v ( x, t ) [v1 ( x, t ), v2 ( x, t )] [u1 ( x, t ) u1* ( x), u2 ( x, t ) u2* ( x)]

. Dengan mengambil deret Taylor f1 dan
f2 Sistem (10), diperoleh

v1 v1
f
f

f1 (u* ) 1 (u* )[u1 u1* ] 1 (u* )[u2 u2* ] 1

x t
u1
u2
,

f1 *
f
(u )v1 1 (u* )v2
u1
u2
,

v2 v2
f
f

f 2 (u* ) 2 (u* )[u1 u1* ] 2 (u* )[u2 u2* ] 2

x t
u1
u2

f 2 *
f
(u )v1 2 (u* )v2
u1
u2
,

1 , 2
dengan

suku suku non linear sehingga dapat diabaikan. Hasil linearisasi Sistem (10), yakni

v1 v1 f1 *
f

(u )v1 1 (u* )v2

x t u1
u2
v2 v2 f 2 *
f

(u )v1 2 (u* )v2

x t u1
u2
.

(11)

C. Model Epidemi SIR Berdasarkan Kelompok Umur

Pembentukan model epidemi SIR didasari oleh adanya penyakit menular yang memiliki masa
inkubasi singkat. Misalnya, populasi yang diberikan dibagi ke dalam tiga kelas, yakni kelas populasi
rentan (susceptibles), kelas populasi terinfeksi (infectious), dan kelas populasi bebas penyakit (recovered).
Perhatikan diagram alir perubahan keadaan suatu populasi akibat adanya penyebaran penyakit.

l (t )b(a) S (a, t )
S(a,t)

I(a,t)

m(a) S (a, t )

gI (a, t )

m(a) I (a, t )

R(a,t)

m(a) R(a, t )

Gambar 3.1 Bagan Alir Model Epidemi SIR

Kelas populasi yang dibagi menjadi tiga dinotasikan sebagai S(a,t), I(a,t), dan R(a,t) yang

r,
merupakan fungsi densitas peluang yang berkaitan dengan kelompok umur. Misalnya,

banyaknya

g
kelahiran, b(a) dan

b
parameter yang menggambarkan laju kontak dan laju kesembuhan. Selain itu,

m( a)
merupakan faktor skala transmisi dan

laju kematian yang tidak dipengaruhi oleh penyakit. Pada

model ini, laju kontak antara individu rentan berumur a dan satu individu terinfeksi berumur a sebanding

l (t )
dengan b(a)b(a). Oleh karena itu, didefinisikan laju serangan infeksi pada saat t yakni

Dalam hal ini, perubahan populasi pada tiap kelas masing-masing bergantung pada variabel
waktu t dan umur a. Oleh karena itu, diperoleh sistem integro-diferensial yang berupa sistem persamaan
diferensial parsial orde satu. Berdasarkan Asumsi (3.1.1), perubahan populasi menurut Gambar 3.1
dirumuskan sebagai berikut.

S (a, t ) S ( a, t )
+
=- l (t )b(a ) S (a, t ) - m(a ) S (a, t )
t
a

(12.a)

I (a, t ) I (a, t )
+
= l (t )b(a ) S ( a, t ) - [ g + m(a) ] I (a, t )
t
a
,

R (a, t ) R ( a, t )
+
= gI (a, t ) - m(a ) R ( a, t )
t
a

(12.b)

(12.c)

l (t ) = b b(a ') I ( a ', t ) da '

0

(12.d)

S (a,0) = S 0 (a ) I ( a, 0) = I 0 ( a) R (a, 0) = R0 ( a)
,

S (0, t ) = r =

(12.e)

- M ( a ')

M (a) = ma
( )d a

da '

I (0, t ) = 0, R (0, t ) = 0
.

(12.f)

Persamaan (12.a) (12.c) menyatakan perubahan populasi rentan, populasi terinfeksi, dan populasi

sembuh terhadap umur a dan waktu tertentu t. Misal,

S (a, t )
a

yang bertambah umurnya menjadi lebih tua, sedangkan

S (a, t )
t

menyatakan perubahan populasi rentan

menyatakan perubahan populasi rentan

S ( a, t ) S (a, t )
+
t
a
terhadap waktu t. Oleh karena itu, bisa dianggap bahwa

menyatakan laju perubahan

populasi rentan terhadap waktu t. Persamaan (12.d) merupakan laju serangan infeksi. Persamaan (12)
dipandang sebagai masalah nilai awal dan syarat batas, yakni Persamaan (12.e) sebagai syarat awal dan
Persamaan (12.f) sebagai syarat batas.
D. Linearisasi Persamaan Diferensial Parsial pada Model Epidemi SIR Berdasarkan Kelompok
Umur
Beberapa teknik yang dapat digunakan untuk menganalisa distribusi umur steady state yakni
dengan linearisasi menggunakan deret Taylor, didefinisikan lebih dahulu

S (a, t ) = S * (a) + x(a, t )

,

(13)

(14)

I (a, t ) = I * (a ) + h(a, t )
l (t ) = l * + q(t )
,

(15)

x(a, t ), h(a, t ), q(t )

dengan

regangan atau displacement.

Selanjutnya, Persamaan (13) (15) disubstitusikan ke Persamaan (12.a) dan (12.b) , diperoleh

x(a, t ) x(a, t )
+
=-
l * + q(t )
b( a )
S * (a ) + x(a, t )
- m(a )
S * (a ) + x(a, t )

a
t
=- l *b(a ) S * (a ) - l *b(a)x(a, t ) - q(t )b(a ) S * ( a)

- q(t )b(a )x(a, t ) - m(a ) S * (a ) - m(a )x(a, t )

=- l *b(a ) S * (a ) - m(a ) S * (a ) - l *b(a )x(a, t )

- q(t )b(a ) S * (a ) - q(t )b(a )x( a, t ) - m(a )x( a, t )

.

- l *b( a) S * (a ) - m(a ) S * ( a ) = 0
Karena

- q(t )b( a)x( a, t )

dan

suku non linear, maka diperoleh

x(a, t ) x(a, t )
+
=- l *b(a )x(a, t ) - q(t )b(a ) S * (a ) - m(a)x(a, t )
a
t

Selanjutnya linearisasi persamaan (12.b),yakni

h(a, t ) h(a, t ) *
b(a ) S * (a ) + x(a, t )- [ g + m(a ) ] I * (a ) + h(a, t )
+
=
l + q(t )

a
t

= l *b( a) S * ( a) +l *b( a) x( a, t ) + q(t )b( a) S * ( a)

+q(t )b(a )x(a, t ) - gI * - gh(a, t ) - m(a) I * (a ) - m(a )h(a, t )

= l *b(a ) S * ( a ) - gI * - m(a ) I * (a) +l *b( a )x( a, t ) + q(t )b(a ) S * (a)

+q(t )b( a)x(a, t ) - gh( a, t ) - m( a)h( a, t )

.

l *b(a )S * (a ) - gI * - m(a ) I * (a ) = 0
Karena

q(t )b(a )x(a, t )

dan

suku non linear, diperoleh

h(a, t ) h(a, t )
+
= l *b(a)x(a, t ) + q(t )b( a ) S * (a ) - [ g + m( a) ] h(a, t )
a
t

Dari linearisasi Persamaan (12.a) dan (12.b), diperoleh

x(a, t ) x(a, t )
+
=- l *b(a )x(a, t ) - q(t )b(a ) S * (a ) - m(a)x(a, t )
a
t

h(a, t ) h(a, t )
+
= l *b(a)x(a, t ) + q(t )b( a ) S * (a ) - [ g + m( a) ] h(a, t )
a
t
dengan

(16)

(17)

q(t ) = b b(a )h(a, t )da

0

(18)

x(0, t ) = h(0, t ) = 0
,

(19)

x(a, 0) = S0 (a ) - S * (a ) h(a, 0) = I 0 ( a ) - I * ( a)
,

(20)

Diasumsikan Persamaan (16) (18) mempunyai solusi yang bentuknya

^

x(a, t ) = x(a )e pt
,

(21)

(22)

h(a, t ) = h(a)e pt
^

q(t ) = qe pt

= konstanta

(23)

sehingga dipenuhi persamaan berikut.

^

^
^
^
x(a)
x( a)
e
+ pe pt
=- l *b(a ) x(a)e pt - qe pt b(a ) S * ( a) - m(a ) x(a )e pt
a
t
pt

,
^

^
^
^
x( a)
x( a)
+p
=- l *b(a ) x(a ) - qb(a ) S * (a) - m(a) x(a)
a
t

(24)

dan
^
^
^
^
pt h( a, t )
pt h(a, t )
pt ^
pt
pt
e
+ pe
= l *b( a) x(a, t )e + q(t )e b( a) S * ( a ) - [ g + m( a) ] h( a, t )e
a
t

^
^
^
^
^
( a, t )
( a, t )
p
*b(a) (a, t ) (t )b(a) S * (a) (a ) (a, t )
a
t

.
(25)

Persamaan (24) dan (25) merupakan masalah nilai eigen p. Selanjutnya akan dicari penyelesaiannya
pada kondisi steady state, yakni
^

^
^
^
d (a )
* b(a ) (a) b(a ) S * (a ) (a ) (a )
da

^
^
d (a )
* b ( a ) ( a ) ( a ) b ( a ) S * ( a )
da

(26)

dan

^
^
^
^
d (a )
*b(a) (a) b(a) S * (a ) (a) ( a)
da
,

^
^
^
^
d (a )
(a ) (a) *b(a) (a ) b(a ) S * (a )
da
.

(27)

Persamaan (26) dan (27) dengan Syarat batas (19) memiliki penyelesaian
a

x(a) =- e

l *b ( s )+ms
( )
ds

a
a

l *b ( s )+ms
( )
ds

qb(a ) S * (a )e a
da

-
l B ( a )+M ( a )

=- r qe

a
b(a )e

p ( a- a )

da

dan
a
a

( )]d s a
( ) ]d s
[ g+ms

^
^
[ g+ms

*
*
0
a

l b( a) x( a) + qb(a ) S (a ) e
h(a) = e
da

a
a

a'
( ) ]d s
[ g+ms

^ - l * B ( a )+M ( a )
^
*
[ g+ms( )]d s a *

- l B ( a ) +M ( a )
p
(
a
a
')

a
- l b(a)r qe

=e 0
b
(
a
')
e
da
'
+
q
b
(
a
)
r
e
e
d
a

= r qe- M ( a ) b(a ')e

-
( p+g)( a- a ') +l * B ( a ')

1- l

a'
*

b(a )e

p ( a '- a )

dengan
a

B( a) = b(a ) d a M (a ) = ma
( )d a
0

, dan

da
da '

(28)

q = b b( a ) h( a)da
0

(29)

Persamaan (28) disubstitusikan ke Persamaan (29), diperoleh

^
^
- g( a- a ') +l * B ( a ')

q = b b(a )r qe- M ( a ) b( a ')e

e

^
^
a
- g( a- a ') +l * B ( a ')

q- b b(a )r qe- M ( a ) b(a ')e

e
0

^
- g( a- a ') +l * B ( a ')

q 1- b b(a )r e- M ( a ) b(a ')e

e

a'
p ( a- a ')

- l

b(a )e

p ( a- a )

a'
p ( a- a ')

- l

b(a )e

p ( a- a )

a'
p ( a- a ')

- l

b(a )e

p ( a- a )

da
da
da
'

da = 0
da
da
'

= 0
d a
da
'
da

(30)
^

q= 0
Persamaan (30) mempunyai akar

q 0
atau

jika dipenuhi persamaan karakteristik Lotka untuk p,

yakni

1 = b b( a ) r e
0

- M (a)

b(a ')e- g( a- a ') +l *B ( a ')e

a'
p ( a- a ')

- l

b(a )e

- p ( a- a )

da
da
'
da

(31)

Menurut Teorema dalam ([4] dan [5]), jika semua akar Persamaan (31) memiliki bagian real negatif,
maka semua solusi Persamaan (21)-(23) menuju nol untuk

ambang batas yang diberikan pada Persamaan (12), untuk

* 0

. Dengan menggunakan kriteria

tidak ada nilai p non negatif yang

memenuhi Persamaan (31). Untuk mempelajari sifat dari akarakar Persamaan (31) sangat sulit. Namun
demikian, untuk kasus khusus dapat ditentukan secara numerik bahwa hal ini berkorespondensi dengan
distribusi umur steady state non trivial yang stabil asimtotik lokal.
Untuk distribusi umur steady state trivial yakni

* 0

, persamaan (31) menjadi


a
- g( a- a ') 1 = b b ( a ) r e- M ( a )
b(a ')e

0
0

p ( a- a ')

da '
da

(32)

Jika Persamaan (12) tidak dipenuhi, maka karakter monoton dari integran pada Persamaan (32) berakibat

p0 0
mempunyai akar real tunggal

p0 0
dan

hanya pada kriteria ambang batas.

Teorema 1
(i) Jika

* 0

R0 1
dan

maka distribusi umur steady state trivial Sistem (12) stabil asimtotik

lokal.
(ii) Jika

* 0

R0 1
dan

, maka tidak stabil.

Bukti: Lihat [3]

E. Penutup
Pada sistem persamaan diferensial nonlinear dapat diselidiki perilaku solusinya melalui sistem
linear dengan linearisasi. Proses linearisasi dapat dilakukan dengan Deret Taylor dari fungsi non linear.
Model epidemi SIR berdasarkan kelompok umur berbentuk sistem persamaan diferensial parsial non
linear. Linearisasi dilakukan untuk mendapatkan sistem linear sehingga dapat diselidiki perilaku solusi
sistem non linear melalui sistem linear dengan syarat titik ekuilibrium berupa titik ekuilibrium hiperbolik.
F. Daftar Pustaka
[1] Brauer F., dkk, 2008, Mathematical Epidemiology, Springer-Verlag, Berlin-Heidelberg- New
York.
[2] Chavez, dkk, 1989, Epidemiological Models with Age Structure, Proportionate Mixing, and
Cross- immunity, Journal of Mathematical Biology 27: 233-258.
[3] D Lestari. 2010. Model Epidemi SIR Berdasarkan Kelompok Umur. Thesis. UGM, Yogyakarta.
[4] Olsder, G.J., 1994, Mathematical Systems Theory, Delftse Uitgevers Maatschappij, b.v.
[5] Wiggins, 1990. Introduction to Applied Nonlinear Dynamical Systems and Chaos. SpringerVerlag, Berlin-Heidelberg- New York.
[6] Zauderer, E. 1989. Partial Differential Equations of Applied Mathematics, JohnWiley and Sons,
Inc, New York.