Semua Bab
Semua Bab
PENDAHULUAN
1.1
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
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
BAB IV
PENUTUP
Dalam bab ini akan dipaparkan kesimpulan sebagai jawaban dari
rumusan
permasalahan
yang
diajukan
serta
saran
untuk
Formulasi model
Analisis model
Menentukan titik
kesetimbangan
Menentukan jenis
kestabilan
Gambar 1.1
BAB II
LANDASAN TEORI
2.1
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
(2.1)
dengan
x=
[ ]
x 1 (t )
xn ( t )
( )
dan f t , x =
f 1 (t , x1 , x2 , , xn )
f n ( t , x 1 , x 2 , , x n )
x1 , x2 , , xn
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
[ ]
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
sebagai
persamaan ini. Persamaan di atas akan mempunyai pemecahan taknol jika dan
hanya jika
det ( AI )=0
(2.2)
Penyelesaian:
Oleh karena
A I = 3 2 1 0 = 3 2
1 0
0 1
1
] [ ][
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
1=1, 2=2
[1].
=f ( x ) , x Rn
dengan
diferensial
biasa
sebarang
j =0
i <0
untuk
setiap ij.
Stabil asimtotik terbagi menjadi dua yaitu asimtotik lokal dan
asimtotik global. Titik
|x x 0|<
>0 ,
maka
x ( t )= x
lim
t
i >0.
3. Saddle, jika perkalian dua buah nilai eigen riil sembarang adalah negatif
(
2.7
i j < 0
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
dengan Hj = (
hlm
dan
hlm=
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
k = 4,
e 0 , e 1 ,e 2
Misalkan
persamaan karakteristik
3
2
P ( )= + e 0 + e1 +e 2=0
e 0> 0, e2 >0, e 0 e1 e2
P ( )= + e 0 + e1 +e 2 , maka
a1=e0 , a2=e1 ,
karakteristik
P ( )= 3+ e 0 2+ e1 +e 2
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
e 0> 0
e 0 e1e2 >0
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
maka
dan
a3 =6
Kemudian
nilai
dari
hanya sampai
a1 =6
Untuk H1 = (
Untuk H2 =
)(
a1 1
= 6 1
6 3
a3 a2
Untuk H3 =
)(
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
6 1 0
6 3 6 =144 <0.
0 0 6
Bifurkasi
Bifurkasi untuk sistem non linier,
X ' =F a ( X )
11
dengan
x0
perubahan pada
f a ( x 0 ) =0
. Jika
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
12
dan
, serta
kesetimbangan
= i
. Bila terdapat
, sehingga
=0
0
d
>0 , maka jenis kestabilan dari titik
d =
0
berubah disekitar
(1)
y ' =x+ay y ( x 2+ y 2 )
(2)
x2
dan
y2
2
2
juga kecil ( x , y
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
'
'
'
'
'
(3)
(4)
3
sink ketika arr < 0 , r >0 .
a>0 ,
r ' =0
Ketika
a>0
source. Ketika
radius
jika
r= a . Lingkaran pada
r ' >0
jika
14
15
BAB III
PERAN MASA INKUBASI DALAM PENULARAN PENYAKIT
16
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
17
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].
18
, yaitu
kematian alami
kelas infeksi
) dan (
), yaitu
. Tanda (
kelas infeksi. Pada kelas ini akan terjadi pengurangan populasi yang ditunjukkan
dengan tanda (
) dan (
dan
(3.3)
dI
=SD I
dt
(3.4)
dD
= 1 I D
dt
(3.5)
dengan
19
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 .
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
(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)
x ( 1x ) +cz dy=0
d 1 y e z=0
x ( 1x )
=0
x=0 atau x =1
x=0
substitusi
y=0
kesetimbangan
E0= ( 0,0,0 ) ,
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
z=
dy
ax
dari persamaan
d 1 y ez=0
d 1 y =ez
y=
ez
d1
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 )
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 )
a>
de
d1
dan
ded 1 c> 0
de> d 1 c
de
>c
d1
3.3
3
de
R+ ,
a> > c
jika
.
d1
E
J=
3.3.1
12 xaz 0 ax +c
az
d
ax
0
d1
e
(3.15)
1 0
c
J ( E0 )= 0 d 0
0 d 1 e
|(
) ( )|
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
, e
E0
adalah
saddle point. Yaitu adanya perkalian dua nilai eigen riil berbeda yang
menghasilkan negatif.
3.3.2
Substitusi nilai
E1
E1=( 1,0,0 )
1 0 a+c
J ( E1 )= 0 d
a
0 d1
e
ke (3.15) diperoleh
|(
) ( )|
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
=1
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
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
de> d 1 a
28
J E*
12 xa z 0 a x+c
d
a zd
a x 0
1
=[ e ]
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
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,
berikut [3]:
Teorema 3.1
Sistem (3.6)-(3.8) adalah stabil lokal sekitar titik kesetimbangan endemik
E ,
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)
31
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 .
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.
(i)
(ii)
(iii)
de> d 1 a
x=
;y = 2 2
; dan z =
d1 a
d 1 a ( ded 1 c )
d1 a2 ( ded 1 c )
4.2
Saran
Pada literatur ini hanya mengkaji model matematika yang berkaitan dengan
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,
35