BAB I

PENDAHULUAN

1.1

Latar Belakang Masalah

Pemodelan matematika merupakan bidang matematika yang berusaha untuk

merepresentasi dan menjelaskan sistem-sistem fisik atau problem pada dunia riil
dalam pernyataan matematik, sehingga diperoleh pemahaman dari problem dunia
riil menjadi lebih tepat. Representasi matematika yang dihasilkan dari proses ini
dikenal sebagai Model Matematika. Konstruksi, analisis dan penggunaan model
matematika dipandang sebagai salah satu aplikasi matematika yang paling penting
[8].
Model matematika digunakan dalam banyak disiplin ilmu dan bidang studi
yang berbeda. Kita dapat mencari aplikasi model matematika di bidang-bidang
seperti fisika, ilmu sosial dan politik, ekonomi, bisnis dan keuangan, problemproblem jaringan komputer, serta ilmu biologi dan kedokteran. Diantara aplikasi
model matematika pada bidang ilmu biologi dan kedokteran adalah model
matematika yang berkaitan dengan penyakit menular. Pemodelan penyakit
menular mendapat perhatian besar dalam studi epidemiologi. Tujuan utama dari
pemodelan adalah menjawab peran infeksi penyakit dalam mengatur populasi
alami, yaitu mengurangi fluktuasi alami populasi yang terinfeksi. Dalam
epidemiologi, populasi dapat diklasifikasikan menjadi dua kelas, yaitu kelas
rentan (susceptible) dan terinfeksi (infected). Populasi rentan, rentan terhadap
infeksi dan populasi yang terinfeksi dapat memindahkan infeksi ke individu
rentan. Dalam model S-I-S ukuran jumlah populasi adalah N = S + I, dimana S
adalah populasi rentan dan I populasi terinfeksi [3].
Pada model sederhana S-I-S populasi dari kelas rentan bergabung atau
pindah ke kelas yang terinfeksi, tapi dalam prakteknya proses ini tidak tetap.
Individu tetap rentan untuk beberapa jangka waktu tertentu setelah meninggalkan
kelas rentan dan bergabung dengan kelas yang terinfeksi, masa menengah ini
dapat disebut sebagai masa inkubasi [3]. Masa inkubasi didefinisikan masa dari
saat penyebab penyakit masuk (saat penularan) sampai ke saat timbulnya penyakit
1

[10]. Masa inkubasi berguna tidak hanya untuk membuat tebakan hidup bebas
sehingga ditetapkan penyebab dan sumber infeksi, tetapi juga untuk
mengembangkan strategi pengobatan untuk memperpanjang masa inkubasi.
Menjaga pendapat di atas, dalam tulisan ini penulis akan mempelajari peran
masa inkubasi dalam penularan penyakit dengan asumsi sebagai kelas menengah,
yaitu kelas populasi inkubasi antara kelas populasi rentan dan terinfeksi.
1.2 Rumusan Masalah
Adapun rumusan masalah dalam pengerjaan literatur ini dapat diuraikan
sebagai berikut:
1. Bagaimana model matematika yang berkaitan dengan peran masa
inkubasi dalam penularan penyakit?
2. Bagaimana kestabilan model matematika yang berkaitan dengan peran
1.3

masa inkubasi dalam penularan penyakit?

Batasan Masalah
Pembahasan literatur ini hanya mempelajari dan menganalisis peran masa

inkubasi dalam penularan penyakit dimana hanya terdapat 3 kompartement yaitu

populasi rentan (susceptible), inkubasi (incubated), dan infeksi (infected).
Kemudian parameter yang berkaitan dengan model bernilai positif.
1.4 Tujuan Penelitian
Tujuan dari penulisan ini dapat diuraikan sebagai berikut:
1. Mempelajari model matematika yang berkaitan dengan peran masa
inkubasi dalam penularan penyakit.
2. Mempelajari dan menjelaskan analisis kestabilan dari model matematika
yang berkaitan dengan peran masa inkubasi dalam penularan penyakit.

1.5 Metode Penelitian

Metode penelitian ini hanya melalui pendekatan teoritis atau studi literatur
dari buku-buku yang berkaitan, tesis, skripsi sampai artikel-artikel yang ada di
website untuk menunjang literatur ini.
1.6 Sistematika Penulisan
Sistematika penulisan literatur ini hanya memuat 4 bab. Dengan perincian
sebagai berikut.
BAB I

PENDAHULUAN
Pada bab ini akan dipaparkan tentang latar belakang masalah,
rumusan masalah, batasan masalah, tujuan penelitian, metode
penelitian, sistematika penulisan serta kerangka berfikir dari
masalah yang dikaji.

BAB II

LANDASAN TEORI
Dalam bab ini akan dipaparkan tentang landasan teori yang
dijadikan ukuran standarisasi dalam pembahasan yang terdiri dari
model matematika epidemi, sistem persamaan diferensial tak linear,
titik kesetimbangan, matriks Jacobi, nilai eigen, kestabilan titik
kesetimbangan, kriteria Routh-Hurwitz, dan bifurkasi Hopf.

BAB III

PERAN MASA INKUBASI DALAM PENULARAN PENYAKIT

Dalam bab ini akan dipaparkan hasil kajian yang meliputi analisis
model matematika yang berkaitan dengan masa inkubasi dalam
penularan penyakit yang terdiri dari formulasi model, menentukan
titik kesetimbangan, serta jenis kestabilan dari titik kesetimbangan.

BAB IV

PENUTUP
Dalam bab ini akan dipaparkan kesimpulan sebagai jawaban dari
rumusan

permasalahan

yang

diajukan

serta

saran

untuk

pengembangan tulisan yang berbeda dimasa yang akan datang.

DAFTAR PUSTAKA
3

1.7 Kerangka Berfikir

Dalam studi literatur ini penulis akan mempelajari dan menganalisis model
matematika yang berkaitan dengan peran masa inkubasi dalam penularan
penyakit. Analisis yang pertama adalah mengidentifikasi titik kesetimbangan dari
model matematika dengan cara me-nol-kan turunan pertamanya. Analisis yang
kedua adalah mengidentifikasi jenis kestabilan titik kesetimbangan. Kestabilan
titik kesetimbangan dapat ditentukan dengan memperhatikan nilai-nilai eigen
yang diperoleh dari persamaan karakteristik. Jika tanda bagian riil nilai eigen
tidak mudah ditentukan maka digunakan kriteria kestabilan Routh-Hurwitz.
Berikut diagram dari kerangka berfikir tersebut

Formulasi model

Analisis model

Menentukan titik
kesetimbangan
Menentukan jenis
kestabilan
Gambar 1.1

Diagram Kerangka Berfikir

BAB II
LANDASAN TEORI

2.1

Model Matematika Epidemi

4

Perilaku dinamik dari

sistem untuk menganalisis dinamika penyebaran

penyakit terdapat beberapa model matematika yang sering digunakan. Modelmodel tersebut memiliki konsep yang sama yaitu compartmental epidemiologi
(pembagian kelas) yang menggambarkan penyebaran penyakit dari masingmasing kelas. Jadi dalam suatu populasi akan terbagi menjadi beberapa kelas
dimana masing-masing kelas mewakili tahapan yang berbeda. Kelas S
(susceptible) digunakan untuk mewakili individu-individu yang rentan terhadap
infeksi virus, kemudian kelas I (infectious) digunakan untuk mewakili individuindividu yang telah terinfeksi dan mampu menularkan atau menyebarkan penyakit
ke individu pada populasi rentan, untuk kelas R (recovered) digunakan untuk
mewakili individu-individu terinfeksi yang telah sembuh dari penyakit dan
memiliki kekebalan permanen yang artinya individu tersebut tidak akan terinfeksi
lagi untuk jenis penyakit yang sama. Namun pada model SIRS, kelas
R(recovered) mewakili individu-individu yang telah sembuh dan akan terbebas
dari infeksi virus kemudian akan memasuki populasi rentan (susceptible) kembali.
Pada model-model epidemik yang memperhatikan adanya periode laten(masa
inkubasi) seperti model SEIR, MSEIR terdapat kelas E(exposed) yang digunakan
untuk mewakili individu-individu yang baru terinfeksi dan memasuki periode
latent, dalam periode ini individu tersebut tidak memiliki kemampuan untuk
menularkan

penyakit

ke

individu

lain

sedangkan

kelas

(Maternallyderivedimmunity) digunakan untuk mewakili individu-individu yang

baru lahir dan memiliki kekebalan pasif yang didapatkan dari ibunya, namun hal
ini hanya berlangsung sementara kemudian individu pada kelas M ini akan
memasuki kelas rentan (susceptible). Model matematika epidemi diantaranya SIR,
SIRS, SEIR,MSEIR dan termasuk model SVID [9].
2.2 Sistem Persamaan Diferensial Tak Linear
Definisi 2.1
Misalkan suatu sistem persamaan diferensial dinyatakan sebagai
=f ( t , x )

(2.1)

dengan

x=

[ ]
x 1 (t )

xn ( t )

( )
dan f t , x =

diasumsikan fungsi tak linear pada

f 1 (t , x1 , x2 , , xn )

f n ( t , x 1 , x 2 , , x n )
x1 , x2 , , xn

. Sistem persamaan (2.1)

disebut sistem persamaan diferensial taklinear [4].

2.3 Titik Kesetimbangan
Definisi 2.2
Diberikan sistem persamaan diferensial
=f ( x ) , x Rn
titik x disebut titik tetap atau titik kritis atau disebut juga titik kesetimbangan jika
f ( x )=0 [4].
2.4

Matriks Jacobi
Secara umum, matriks transformasi terhadap basis standar, turunan fungsi
y=f(x) ( f 1 ( x 1 , , x n ) , , f m ( x 1 , , f n ) )

di titik x adalah

[ ]

f 1

x1
f ' (x )=

f m

x1

f1
xn

fm
xn

yaitu matriks yang berukuran m x n. Matriks ini sering kali juga ditulis sebagai
matriks

[ ]
fi
xj

i, j

dan disebut Matriks Jacobi [2].

Untuk lebih jelasnya lihat contoh di bawah ini [2],
f ( x 1 , x 2 )=( x 13 x23 , 3 x 12 x 2 , 2 x 1 x 22 )
maka matriks Jacobiannya adalah

[ ]
f1
x1
f2
x1
f3
x1

f1
x2
3 x 12 3 x22
f2
= 6 x 1 x 2 3 x12
x2
2 x 22 4 x 1 x 2
f3
x2

2.5 Nilai Eigen

Definisi 2.3
Jika A adalah matriks n x n, maka vektor tak nol x di dalam Rn dinamakan
vektor eigen (eigenvector) dari A jika Ax adalah kelipatan skalar dari x; yakni,
Ax= x
. Skalar

untuk suatu skalar

dinamakan nilai eigen (eigenvalue) dari A

dan x dikatakan vektor eigen yang bersesuaian dengan

Untuk mencari nilai eigen matriks A yang berukuran n x n maka kita

menuliskan kembali x
Ax= Ix

sebagai

atau secara ekivalen

( A I ) x=0
Supaya

menjadi nilai eigen, maka harus ada pemecahan taknol dari

persamaan ini. Persamaan di atas akan mempunyai pemecahan taknol jika dan
hanya jika
det ( AI )=0

(2.2)

persamaan (2.2) dinamakan persamaan karakteristik A [1].

Contoh
Carilah nilai-nilai eigen dari matriks
3 2
A=
1 0

Penyelesaian:
Oleh karena
A I = 3 2 1 0 = 3 2
1 0
0 1
1

] [ ][

maka polinom karakteristik dari

adalah

det ( AI )=0

3 2 =0
1

( 3 ) ( ) (2)=0
2

3 + +2=0
2

3 +2=0

( 1 )( 2 )=0
1=1, 2=2

Jadi, nilai eigen adalah

2.6

1=1, 2=2

[1].

Kestabilan Titik Kesetimbangan

Misalkan diberikan sistem persamaan

=f ( x ) , x Rn

dengan

diferensial

biasa

sebarang

x sebagai titik kesetimbangan. Kestabilan titik

kesetimbangan x dapat ditentukan dengan memperhatikan nilai-nilai eigen, yaitu

i , i=1,2, ,n ,

yang diperoleh dari persamaan karakteristik. Secara umum,

kestabilan titik kesetimbangan mempunyai perilaku :

1. Stabil, jika:
<0
a. Re( i
, untuk setiap i, atau
b. Terdapat Re(

j =0

untuk sebarang j dan Re(

i <0

untuk

setiap ij.
Stabil asimtotik terbagi menjadi dua yaitu asimtotik lokal dan
asimtotik global. Titik

dikatakan titik kesetimbangan stabil

x

asimtotik lokal jika titik pada

sedemikian sehingga jika

|x x 0|<

stabil dan terdapat

>0 ,

maka

x ( t )= x
lim
t

2. Tidak stabil, jika terdapat paling sedikit satu i sehingga Re(

i >0.

3. Saddle, jika perkalian dua buah nilai eigen riil sembarang adalah negatif
(
2.7

i j < 0

untuk i dan j sembarang).

Kriteria Routh-Hurwitz
Pada permasalahan tertentu kestabilan titik kesetimbangan tidak bisa

diamati karena tanda bagian riil nilai eigen tidak mudah ditentukan, oleh karena
itu perlu digunakan metode lain untuk menentukan tanda bagian riil nilai eigen .
Sebagai contoh untuk matrik yang berukuran n x n dengan n > 2 tanda bagian riil
nilai eigen dapat ditentukan dengan menggunakan kriteria kestabilan RouthHurwitz.
Kriteria kestabilan Routh-Hurwitz adalah suatu metode untuk menunjukan
kestabilan sistem dengan memperhatikan koefisien dari persamaan karakteristik
tanpa menghitung akar-akar karakteristik secara langsung [4].
Kriteria Routh-Hurwitz tersebut terdapat pada teorema berikut [4].
Teorema 2.1:
Diberikan persamaan karakteristik
k

P ( )= +a1

k1

+a 2

k2

+ +ak1 +a k = 0

selanjutnya didefinisikan matriks Hurwitz Hj sebagai berikut:

dengan Hj = (

hlm

dan

hlm=

a2 lm , untuk 0<2 lm<k

1, untuk 2 l=m
0, untuk 2l<m atau2 l>k +m

Semua nilai eigen dari persamaan karakteristik mempunyai bagian riil yang
negatif (titik kesetimbangan x stabil) jika dan hanya jika determinan dari semua
matriks Hurwitz positif, yaitu :
det Hj>0, untuk j=1,2,...,k.
Berdasarkan kriteria Routh-Hurwitz untuk k = 2,3,4 disebutkan bahwa titik
kesetimbangan x stabil jika dan hanya jika
a1 >0, a2 >0
k = 2,

k = 3,

a1 >0, a3 >0, a 1 a2 a3

a1 >0, a3 >0, a 4 >0, a1 a2 a3 >a3 +a 1 a 4

k = 4,

Untuk kasus k = 3, kriteria Routh-Hurwitz disajikan dalam Teorema 2.2

berikut [4].
Teorema 2.2

e 0 , e 1 ,e 2

Misalkan

bilangan riil. Bagian riil dari setiap nilai eigen

persamaan karakteristik
3
2
P ( )= + e 0 + e1 +e 2=0
e 0> 0, e2 >0, e 0 e1 e2

adalah negatif jika dan hanya jika

Bukti :
Dari persamaan
a3 =e2

P ( )= + e 0 + e1 +e 2 , maka

a1=e0 , a2=e1 ,

. Berdasarkan teorema 2.1, bagian riil dari setiap akar persamaan

karakteristik

P ( )= 3+ e 0 2+ e1 +e 2

adalah negatif jika dan hanya jika det

Hj>0, untuk j=1,2,3, dengan

a = e =e > 0
det H1 = | 1| | 0| 0
det H2 =

det H3 =

(2.3)

| |

e0 1
=e0 e 1e 2> 0
e2 e1

(2.4)

| |

e0 1 0
2
e 2 e 1 e 0 =e 0 e 1 e2e2 >0
0 0 e2

dari (2.3), diperoleh

e 0> 0

dari (2.4), diperoleh

e 0 e1e2 >0

dari (2.5), diperoleh

diperoleh

dan

e 2> 0

e
( 0 e 1e 2)e 2> 0
, karena
e 0 e1 e 2e 22=

(2.5)

e 0 e1e2 >0

sehingga

10

Dengan demikian diperoleh bahwa bagian riil dari semua akar persamaan
3

P ( )= + e 0 + e1 +e 2

karakteristik

e 0> 0, e2 >0, dan e 0 e1 e2

adalah negatif jika dan hanya jika

Untuk lebih jelasnya, tinjau contoh di bawah ini.

3
2
P ( )= + 6 +3 6
Selidiki apakah persamaan karakteristik di atas memenuhi kriteria Routh-Hurwitz.
Penyelesaian :
Dari persamaan
3
2
P ( )= + 6 +3 6
a1=6,a 2=3,

maka

dan

a3 =6

Kemudian

nilai

dari

persamaan di atas adalah 3. Maka 2j-1 = 2(3)-1 = 5. Sehingga matriks Hurwitznya

a5

hanya sampai

a1 =6

Untuk H1 = (
Untuk H2 =

, karena 6 positif, sehingga didapat det H1 =

)(

a1 1
= 6 1
6 3
a3 a2

Untuk H3 =

, sehingga didapat det H2 =

)(

a1 1 0
6 1 0
=
a3 a 2 a 1 6 3 6
0 0 6
a5 a 4 a3

|6|> 0 .

| |

6 1 =24 >0.
6 3

, sehingga didapat det H3 =

6 1 0
6 3 6 =144 <0.
0 0 6

Oleh karena det H3 0 , maka persamaan karakteristik di atas tidak memenuhi

kriteria Routh-Hurwitz.
2.8

Bifurkasi
Bifurkasi untuk sistem non linier,

X ' =F a ( X )

11

dengan

adalah parameter riil [7]. Bifurkasi adalah perubahan kualitatif yang

terjadi pada penyelesaian persamaan differensial, perubahan meliputi perubahan

stabilitas dan perubahan letak titik setimbang yang diakibatkan oleh perubahan
parameter. Bifurkasi terjadi pada penyelesaian titik setimbang yang mempunyai
paling sedikit satu nilai eigen sama dengan nol pada bagian riilnya [12].
Jika

x0

adalah titik kesetimbangan, maka

perubahan pada

f a ( x 0 ) =0

. Jika

tidak merubah struktur lokal dekat

x0

f a' ( x 0 ) 0 ,
. Bifurkasi

'
persamaan orde pertama hanya ada pada kasus nonhyperbolic ketika f a ( x 0 )=0

[7].
Menurut Stephen (1964 : 258) ada 4 jenis bifurkasi yaitu [11]:
1.
2.
3.
4.

Bifurkasi Saddle-node
Bifurkasi Transkritikal
Bifurkasi Pitchfork
Bifurkasi Hopf

Bifurkasi Hopf
Bifurkasi

Hopf

adalah

berubahnya

jenis

kestabilan

suatu

titik

kesetimbangan suatu persamaan diferensial, yang terjadi karena munculnya

sepasang nilai eigen yang bernilai imajiner [5]. Syarat-syarat terjadinya bifurkasi
Hopf diberikan pada teorema berikut [5].
Teorema 2.3
Pandang suatu sistem otonomus yang berbentuk
x =F ( x ) ,

12

 . Misalkan terdapat titik kesetimbangan

dan bergantung pada parameter

x

dengan nilai eigen

dan

, serta

kesetimbangan

= i

. Bila terdapat

, sehingga

=0
0

d
>0 , maka jenis kestabilan dari titik
d =
0

akan berubah bila

berubah disekitar

Untuk lebih jelasnya, tinjau contoh berikut [7] :

Diberikan sistem
x ' =ax yx ( x 2+ y 2 )

(1)

y ' =x+ay y ( x 2+ y 2 )

(2)

Ketika x dan y kecil maka

x2

dan

y2

2
2
juga kecil ( x , y

0), ada titik

kesetimbangan pada titik asal yaitu (0,0), dengan linearisasi diperoleh sistem :

X ' = a 1 X
1 a
Persamaan karakteristik

| AI|=0

|(
|

) ( )|

a 1 0 =0
1 a
0

a 1 =0
1
a

( a )2(1)=0

13

( a )2 +1=0
( a )2=1
( a )= 1
a=i
=a i

diperoleh nilai eigen a i , maka bifurkasi ketika a=0 .

Dengan menggunakan koordinat polar
'

'

'

'

x=r cos x =r cos r sin

y=r sin y =r sin +r cos

'

'

(3)
(4)

Kemudian substitusi persamaan (3)-(4) ke persamaan (1)-(2) diperoleh sistem

r ' =ar r 3
' =1
Untuk a<0

3
sink ketika arr < 0 , r >0 .

a>0 ,

r ' =0

Ketika

a>0

source. Ketika

radius

adalah solusi periodik dengan periode 2 .

jika

r= a . Lingkaran pada
r ' >0

jika

0<r < a , r ' <0 jika r > a .

14

Gambar 2.1 Bifurkasi Hopf untuk a<0 dan a>0 .

15

BAB III
PERAN MASA INKUBASI DALAM PENULARAN PENYAKIT

Untuk menjadi sakit, seseorang harus terpajan patogen yang sifatnya

infeksius. Dengan kata lain, seseorang harus diinokulasikan dengan penyakit.
Contohnya seekor nyamuk Anopheles yang menggigit (inokulasi melalui gigitan)
korban yang tidak menyangka dirinya rentan di sore hari yang hangat, yang
kemudian menulari orang tersebut dengan penyakit, seperti malaria. Masa
inkubasi adalah rentang waktu yang berlalu di antara waktu inokulasi dan waktu
penampakan tanda atau gegala pertama penyakit itu [6].
Gambar 3.1 dapat membantu memahami dengan lebih baik peran yang
dimainkan masa inkubasi dalam perjalanan suatu penyakit. Perjalanan suatu
penyakit pernapasan dan masa inkubasinya juga diperlihatkan dalam gambar ini.
Masa inkubasi berbagai penyakit sangat bervariasi, hal ini bisa dilihat pada
lampiran. Masa inkubasi juga berbeda pada orang yang memiliki sistem kekebalan
lebih aktif sehingga dapat menahan pertumbuhkembangan patogen di dalam
tubuh, yang akhirnya memperpanjang masa inkubasi. Dari hasil pengamatan
diketahui bahwa penyakit yang masa inkubasinya pendek biasanya menyebabkan
kesakitan yang lebih akut dan parah, sedangkan penyakit yang masa inkubasinya
panjang menyebabkan kesakitan yang tidak terlalu parah [6].

16

Gambar 3.1 Perjalanan suatu penyakit pernapasan infeksius.

3.1

Model Matematika yang Berkaitan dengan Peran Inkubasi dalam Penularan

Penyakit
Model matematika dari populasi rentan-infeksi adalah sebagai berikut :

dS
S
=rS 1 bSD+ D
dt
K

(3.1)
dD
=bSD D
dt
(3.2)
dengan

S (t) : jumlah individu rentan pada waktu t

D (t) : jumlah individu terinfeksi pada waktu t
r

: laju pertumbuhan intrinsik

: daya dukung (carrying capacity)

17

: perpindahan sebagian kecil dari kelas terinfeksi ke kelas rentan

: laju hubungan penyakit

: kematian karena penyakit

Dalam studi literatur ini, sebelum individu masuk ke kelas infeksi, individu

tersebut masuk ke kelas menengah yang disebut kelas inkubasi. Masa inkubasi
didefinisikan sebagai masa dari saat penyebab penyakit masuk ke dalam tubuh
(saat penularan) sampai ke saat timbulnya penyakit [10].

Gambar 3.2 Bagan model inkubasi dalam penularan penyakit

Deskripsi dari gambar 3.2 :

Tanda (

) menunjukkan penambahan populasi pada kelas rentan terhadap

penyakit dan pertumbuhannya logistik, dengan laju pertumbuhan intrinsik r dan

carrying capacity K. Disini diasumsikan bahwa tidak ada perpindahan secara
vertikal dari suatu penyakit (semua individu yang lahir merupakan individu yang
sehat dan rentan). Kemudian tanda (

) menunjukkan pengurangan jumlah

18

individu pada kelas rentan karena adanya laju hubungan penyakit

, yaitu

kontak individu rentan dengan individu terinfeksi yang mengakibatkan individu

tersebut pindah dari kelas rentan ke kelas inkubasi. Hal ini merupakan
penambahan populasi pada kelas inkubasi. Pada kelas inkubasi akan terjadi
pengurangan populasi yang ditunjukkan dengan tanda (

kematian alami
kelas infeksi

) dan (

), yaitu

dan adanya perpindahan populasi dari kelas inkubasi ke

. Tanda (

) juga menunjukkan penambahan populasi pada

kelas infeksi. Pada kelas ini akan terjadi pengurangan populasi yang ditunjukkan
dengan tanda (

) dan (

) yaitu kematian akibat penyakit

perpindahan populasi dari kelas terinfeksi ke kelas rentan

dan

Dari uraian di atas dapat disimpulkan bahwa model matematika yang

berkaitan dengan peran inkubasi dalam penularan penyakit adalah :
dS
S
=rS 1 SD+ 1 D
dt
K

(3.3)

dI
=SD I
dt
(3.4)
dD
= 1 I D
dt
(3.5)
dengan

S(t) : jumlah individu rentan pada waktu t

I(t)

: jumlah individu kelas inkubasi pada waktu t

D(t) : jumlah individu terinfeksi pada waktu t

19

: laju pertumbuhan intrinsik

: daya dukung (carrying capacity)

: laju hubungan penyakit

: perpindahan sebagian kecil dari kelas terinfeksi ke kelas rentan

: penghapusan dari kelas inkubasi

: perpindahan sebagian kecil dari kelas inkubasi ke kelas terinfeksi

: penghapusan dari kelas terinfeksi

dimana S(0) > 0, I(0) > 0,dan D(0) > 0 dan total populasi pada waktu t adalah
N(t) = S(t)+I(t)+D(t)

dengan r, K, , 1 ,

, >0 .

untuk menyederhanakan sistem (3.3)-(3.5), dengan menggunakan

x=

S
I
D
; y= ; z= ; =rt ,
K
K
K

diperoleh sistem
dx
=x ( 1x )axz + cz
d

(3.6)

dy
=axzdy
d
(3.7)

20

dz
=d 1 y ez
d
(3.8)
dengan
a=

; c= 1 ; d= ; d1 = 1 ; e=
r
r
r
r
r

dan

x ( 0 )> 0, y ( 0 ) >0,

z ( 0 )> 0.

3.2

Titik Kesetimbangan

Untuk menentukan titik kesetimbangan adalah me-nol-kan ruas kiri pada

sistem (3.6)-(3.8) sehingga turunan pertamanya bernilai nol.
0=x ( 1x )axz+ cz

(3.9)

0=axzdy

(3.10)

0=d 1 yez
(3.11)
lakukan eliminasi persamaan (3.9) dan (3.10)
0=x ( 1x )axz+ cz
0=axzdy
+
x ( 1x ) +cz dy=0

(3.12)

kemudian lakukan eliminasi (3.11) dan (3.12)

21

x ( 1x ) +cz dy=0
d 1 y e z=0
x ( 1x )

=0

x=0 atau x =1
x=0

substitusi
y=0

ke persamaan (3.10) diperoleh

z=0 . Sehingga diperoleh titik

ke persamaan (3.11) diperoleh

kesetimbangan

E0= ( 0,0,0 ) ,

y=0 . Dengan substitusi

E1=( 1,0,0 ) .

dan

E0

disebut titik

kesetimbangan trivial, artinya ketika tidak ada populasi rentan maka tidak akan
ada populasi inkubasi dan infeksi. Sedangkan

E1

disebut kesetimbangan bebas

penyakit, yaitu tidak adanya individu yang terinfeksi.

Dari persamaan axzdy=0
axz=dy

z=

dy
ax

dari persamaan

d 1 y ez=0

d 1 y =ez

y=

ez
d1

dengan cara substitusi

y=

ez
d1

ke

z=

dy
ax

22

( ezd )

z=

z=

ax
dez
d 1 ax
d 1 axz=dez

x=

de
d1 a

(3.13)
kemudian dengan cara substitusi (3.13) ke persamaan (3.6)
x ( 1x ) axz +cz=0
2

xx + ( cax ) z =0
de
de 2 (
(
) + cax ) z =0
d1a d1a
de
de 2
ade

+ c
z=0
d1a d1a
d1 a

( )(

c d1de
d2 e2
de
z= 2 2
d1
d1 a d1 a

d
( 2 e d 1 ade d 12 a 2) d 1
2

2 2
( d 1 a ) ( d 1 a ) (c d 1de)

z=

23

2 2

d e d1 ade d 1 a

z=
2 2
( d 1 a ) ( d 1 a ) ( c d1 de )
2

z=

2 2

d 1 a(d e de d 1 a)

( d 1 a ) ( d 12 a2 ) ( c d 1de )

z=

d 2 e2de d 1 a
d 1 a 2 ( c d 1de )

z=

de(ded 1 a)
d 1 a 2 ( c d 1de )

z =

diperoleh

de (d 1 ade )
d 1 a2 ( ded 1 c )

(3.14)
Dengan cara substitusi (3.14) ke persamaan
y=

ez
d1

y=e(

de ( d 1 ade )

1
d 1 a ( ded 1 c ) d 1

diperoleh

y=

d e 2 ( d1 ade )
d 12 a2 ( ded 1 c )

Jadi ada tiga kesetimbangan untuk sistem (3.6)-(3.8), yaitu

(i)
(ii)
(iii)

E0 = (0,0,0) adalah kesetimbangan trivial.

E1 = (1,0,0) adalah kesetimbangan bebas penyakit.
E* = (x*,y*,z*) adalah kesetimbangan endemik, dimana

24

d e ( d 1 ade )
de ( d 1 ade )
de
x=
; y = 2 2
; dan z =
d1 a
d 1 a ( ded 1 c )
d1 a2 ( ded 1 c )

merupakan titik kesetimbangan endemik,artinya terjadi wabah dalam suatu

populasi. Oleh karena jumlah populasi

E selalu bernilai positif maka

x , y , z > 0 . Agar hal itu terjadi maka

d 1 ade >0
d 1 a>de

a>

de
d1

dan
ded 1 c> 0
de> d 1 c
de
>c
d1

dari ekspresi di atas jelas bahwa

3.3

3
de
R+ ,
a> > c

jika
.
d1
E

Kestabilan Titik Kesetimbangan

Sistem (3.6)-(3.8) mempunyai tiga titik kesetimbangan, yaitu E0 = (0, 0, 0),

E1 = (1, 0, 0) dan E* = (x*,y*,z*).
Kestabilan dari suatu titik kesetimbangan dapat dilihat dari nilai eigennya.
Apabila semua nilai eigennya bernilai negatif, maka titik tersebut stabil. Nilai
25

eigen sendiri dapat dicari dari persamaan karakteristik yang merupakan

determinan dari matriks Jacobi.
Matriks Jacobi dari sistem (3.6)-(3.8) adalah

J=

3.3.1

12 xaz 0 ax +c
az
d
ax
0
d1
e

(3.15)

Kestabilan dari Titik E0

Untuk mengetahui kestabilan titik kesetimbangan E0. Langkah pertama
E0= ( 0,0,0 ) ke (3.15), diperoleh

adalah substitusi nilai

1 0
c
J ( E0 )= 0 d 0
0 d 1 e

kemudian langkah kedua adalah menentukan persamaan karakteristik dengan cara

det ( J (E0 )I )=0

|(

) ( )|

1 0
c
0 0
0 d 0 0 0 =0
0 d 1 e
0 0

1
0
c
0
d
0 =0
0
d1
e

( 1 )(d ) (e )=0
=1, =d , =e

26

i=1,d

diperoleh nilai eigen

, e

i=1,2,3. Oleh karena itu

E0

adalah

saddle point. Yaitu adanya perkalian dua nilai eigen riil berbeda yang
menghasilkan negatif.

3.3.2

Kestabilan dari Titik

Substitusi nilai

E1

E1=( 1,0,0 )

1 0 a+c
J ( E1 )= 0 d
a
0 d1
e

ke (3.15) diperoleh

kemudian menentukan persamaan karakteristik

det ( J (E1)I )=0

|(

) ( )|

1 0 a+c
0 0
0 d
a 0 0 =0
0
d1
e
0 0

1
0
a+c
0
d
a =0
0
d1
e

(1 ) (d )(e )a d 1 (1 )=0
(1 ) [ (d )(e )a d 1 ]=0
=1 atau

27

[ (d )(e )a d 1 ]=0
2 + ( d +e ) + ( dea d 1 )=0

diperoleh nilai eigen

=1

dan persamaan karakteristik

2 + ( d +e ) + ( dea d 1 )=0
(3.16)
agar

E1=( 1,0,0 )

stabil maka akar dari (3.16) harus negatif. Berikut ini akan

ditunjukkan kondisi sehingga akar-akar dari (3.16) bernilai negatif .

1 + 2 =

b ( d+ e)
=
=de <0 dengan d , e>0 . Ada dua kemungkinan
a
1

untuk perkalian kedua akar persamaan (3.16) yaitu keduanya riil negatif atau riil
berbeda tanda. Untuk itu dilakukan pengecekan sebagai berikut
i.

Untuk

1 , 2 <0

akibatnya
ii.

Untuk

de> a d 1

1 <0< 2

akibatnya

maka

sehingga

dea d 1 >0

1 . 2 <0

sehingga

dea d 1 <0

maka

de< a d 1

1 . 2 >0

Ternyata akar-akar yang negatif terdapat pada pernyataan i. Jadii akar-akar

dari persamaan (3.16) bernilai negatif ketika

de> d 1 a

. Oleh karena itu titik

kesetimbangan E1 = (1, 0, 0) adalah lokal stabil.

3.3.3

Kestabilan dari Titik E*

Substitusi nilai E* = (x*,y*,z*) ke (3.15) diperoleh

28


J E*

12 xa z 0 a x+c
d
a zd
a x 0

1
=[ e ]

kemudian menentukan persamaan karakteristik

EI
J ()=0
det

12 xa z 0 a x+c d
a zd
a x 0

| ( )|
( e )

0 0
0 0 =0
0 0

12 xa z
0
a+ c e
a zd
a x 0
d1
|( )|=0
setelah dilakukan penyederhanaan diperoleh persamaan karakteristik untuk titik
kesetimbangan E* adalah [3]
P ( )= 3+ A 1 2+ A 2 + A 3=0

(3.17)

dimana
A 1=2 x +a z + d+ e1
A 2=( d+ e ) ( 2 x + a z 1 )
A 3=d 1 a z ( a x c )

29

dengan substitusi nilai

A i >0

dan

z , dapat mepermudah menguji bahwa

, untuk i = 1,2,3. Berdasarkan kriteria Routh-Hurwitz, syarat perlu dan

cukup untuk semua akar persamaan (3.17) memiliki riil negatif ketika
= 1,2,3 dan

A 1 A 2> A 3

kestabilan yaitu

A i >0,

. Dari pertidaksamaan terakhir syarat cukup untuk

d 1 c(d+ e)>1 . Oleh karena itu dapat dinyatakan teorema

berikut [3]:
Teorema 3.1
Sistem (3.6)-(3.8) adalah stabil lokal sekitar titik kesetimbangan endemik

E ,

ketika d 1 c(d+ e)>1 .

30

BAB IV
PENUTUP

4.1

Kesimpulan

Persamaan diferensial adalah suatu persamaan yang memuat satu atau lebih
turunan fungsi yang tidak diketahui. Persamaan diferensial digunakan untuk
merepresentasikan fenomena-fenomena yang terjadi di kehidupan sehari-hari pada
interval waktu kontinu dalam suatu model matematika. Berikut model matematika
yang berkaitan dengan peran masa inkubasi dalam penularan penyakit.
dS
S
=rS 1 SD+ 1 D
dt
K

dI
=SD I
dt
dD
= 1 I D
dt
dengan
S(t) : jumlah individu rentan pada waktu t
I(t)

: jumlah individu kelas inkubasi pada waktu t

D(t) : jumlah individu terinfeksi pada waktu t

r

: laju pertumbuhan intrinsik

: daya dukung (carrying capacity)

31

: laju hubungan penyakit

: perpindahan sebagian kecil dari kelas terinfeksi ke kelas rentan

: penghapusan dari kelas inkubasi

: perpindahan sebagian kecil dari kelas inkubasi ke kelas terinfeksi

: penghapusan dari kelas terinfeksi

dimana S(0) > 0, I(0) > 0,dan D(0) > 0 dan total populasi pada waktu t adalah
N(t) = S(t)+I(t)+D(t)

dengan r, K, , 1 ,

, >0 .

untuk menyederhanakan sistem di atas, dengan menggunakan

x=

S
I
D
; y= ; z= ; =rt ,
K
K
K

diperoleh sistem
dx
=x ( 1x )axz + cz
d
dy
=axzdy
d
dz
=d 1 y ez
d
dengan
a=

; c= 1 ; d= ; d1 = 1 ; e=
r
r
r
r
r

32

dan

x ( 0 )> 0, y ( 0 ) >0,

z ( 0 )> 0.

Analisis model matematika yang berkaitan dengan peran masa inkubasi

dalam penularan penyakit menghasilkan
Ada tiga kesetimbangan untuk sistem, yaitu
E0

(i)

E0 = (0,0,0) adalah kesetimbangan trivial. Jenis kestabilan dari

(ii)

adalah saddle point.

E1 = (1,0,0) adalah kesetimbangan bebas penyakit. Jenis kestabilan dari
E1 adalah stabil lokal ketika

(iii)

de> d 1 a

E* = (x*,y*,z*) adalah kesetimbangan endemik, dimana

d e 2 ( d 1 ade )
de ( d 1 ade )
de

x=
;y = 2 2
; dan z =
d1 a
d 1 a ( ded 1 c )
d1 a2 ( ded 1 c )

Jenis kestabilan dari E* adalah stabil lokal ketika d 1 c( d+ e)>1 .

4.2

Saran
Pada literatur ini hanya mengkaji model matematika yang berkaitan dengan

peran masa inkubasi dalam penularan penyakit. Dengan membagi populasi

menjadi tiga kelas, yaitu kelas rentan (Susceptible), inkubasi (incubated), dan
infeksi (infected atau diseased). Untuk penulisan literatur selanjutnya dapat
dilakukan dengan penambahan kelas yaitu kelas sehat (recovered).

33

DAFTAR PUSTAKA

[1] Anton, Howard, Aljabar Linear Elementer, Edisi 5, Jakarta: Erlangga, 1987.
[2] Budhi, Wono Setya, Kalkulus Peubah Banyak dan Penggunaannya, Institut
Teknologi

Bandung, 2001.

[3] Joydif Dhar, Anuj Kumar Sharma, The Role Of The Incubation Period In A
Disease Model, Applied Mathematics E-Notes, 9: 146-153, 2009.
[4] Jumadi, Model Matematika Penyebaran Penyakit Demam Berdarah Dengue,
Institut Pertanian Bogor, 2008.

34

[5] Nur Atikah, Siti, Analisis Kestabilan Model Matematika Penyakit Chronic
Myelogenous Leukemia dengan Delay, Universitas Brawijaya, 2008.
[6] Timmreck, Thomas C, Epidemiologi Suatu Pengantar (terjemahan), Jakarta:
Penerbit Buku Kedokteran EGC, 2001. Diakses 19 Sept 2012.
[7] W. Hirsch, Morris, Stephen Smale, Robert L. Devaney, Differential Equations,
Dynamical System,and an Introduction to Chaos, Elsevier (USA), 2004.
[8] Widowati, M.Si., Sutimin, M.Si., Buku Ajar Pemodelan Matematika,
Universitas Diponegoro, 2007.
[9] http://eprints.undip.ac.id/29786/2/4_Pendahuluan.pdf, diakses 3 Agustus 2012
[10] http://artikata.com/arti-330779-inkubasi.html, diakses 6 Agusts 2012
[11] http://lib.uin-malang.ac.id/thesis/chapter_ii/07610071-khoirotul-isfiyanti.ps,
diakses 23 November 2012.
[12]

http://digilib.its.ac.id/public/ITS-Master-15117-Presentation-381209.pdf,

diakses 23 November 2012

35