17 47 1 PB PDF
17 47 1 PB PDF
1. PENDAHULUAN
Penyakit menular adalah penyakit yang disebabkan oleh sebuah agen biologi. Beberapa jenis
penyakit menular seperti SARS dan Penyakit Tangan, Kaki, dan Mulut, transportasi atau perjalanan
antarwilayah merupakan faktor penting dalam proses penyebaran penyakit tersebut.
Dalam beberapa literatur telah dibahas beberapa model penyebaran penyakit menular
antarwilayah, seperti model dengan perjalanan antar-dua populasi, yaitu kasus transmisi campak di
pulau Karibia (Sattenspiel dan Dietz, 1995), serta model epidemi tipe SIS (Susceptible Infective
Susceptible) dengan penularan melalui transportasi (Cui, dkk., 2006). Beberapa penyakit menular
memiliki periode laten, adanya periode laten menjadi alasan pembentukan model epidemi tipe SEIS
(Susceptible Exposed Infective Susceptible) (Wan dan Cui, 2007), model tersebut dijadikan rujukan
utama dalam artikel ini.
Pada artikel ini dianalisis model penyebaran penyakit menular tipe SEIS melalui transportasi
antar-dua kota berdasarkan model yang dikonstruksi oleh Wan dan Cui. Dari model tersebut dicari
angka reproduksi dasar dan titik kesetimbangan model beserta syarat keberadaannya. Analisis dinamik
dilakukan untuk mengetahui kestabilan dari titik kesetimbangan model. Selanjutnya, dilakukan
analisis pengaruh transportasi terhadap dinamika penyakit menular. Analisis yang diperoleh diilustrasi
menggunakan simulasi numerik dengan beberapa perubahan nilai parameter.
2. FORMULASI MODEL
Model matematika penyebaran penyakit menular tipe SEIS melalui transportasi antar-dua kota
dimodelkan dengan masing-masing tiga variabel di setiap kota, yaitu
(1)
(
dengan
dan
mewakili banyaknya populasi susceptible, exposed, dan infective di kota ,
( =1,2). Kedua kota diasumsikan identik, sehingga parameter yang digunakan di kedua
kota sama, yaitu adalah laju kelahiran, adalah laju kematian alami, adalah laju perkembangan
individu exposed menjadi infective, adalah laju individu infective yang kembali rentan, adalah laju
(
) adalah spectral radius dari matriks
)(
(2)
dengan (
(Gradshteyn dan Ryzhik, 2007). Jika
, maka model mempunyai titik kesetimbangan tunggal yaitu titik titik kesetimbangan bebas penyakit
(
(3)
selain mempunyai titik kesetimbangan bebas penyakit, model juga memiliki titik
kesetimbangan endemi
Jika
(4)
dengan
(
(
)
)
)(
(
(
)(
)
)(
)
)
)(
) dengan
) dan
(
)
(
Berdasarkan sifat-sifat determinan diperoleh
(( )
)
sehingga nilai eigen matriks ( ) dapat diketahui dengan menganalisis nilai eigen matriks
. Dari analisis nilai eigen matriks
dan
tersebut dapat disimpulkan jika
bersifat stabil, dan jika
maka bersifat tidak stabil.
),
dan
maka
)
(
dengan
(
)(
(
)
)
)(
(
(
)
)
)(
(
(
)
)
)(
(
)
(
)(
(
(
. Dari matriks
dan
)
)
dan
)(
(
)
)
, maka
bersifat stabil.
)(
(5)
), dengan
Titik kesetimbangan endemi yang diperoleh yaitu (
dan
sama
seperti titik kesetimbangan (4), serta memuat angka reproduksi dasar (5). Titik kesetimbangan
selalu ada, sedangkan
hanya ada jika
. Analisis kestabilan dari titik kesetimbangan
menunjukkan bahwa jika
maka
bersifat stabil, dan jika
maka
bersifat tidak stabil,
sedangkan bersifat stabil.
41
dan
dan
) dan
. Dan jika
), jika
, berdasarkan titik
diperoleh
meningkatnya mengakibatkan jumlah individu pada populasi susceptible dan jumlah total populasi
di tiap kota berkurang, sedangkan jumlah individu pada populasi exposed dan infective bertambah,
sehingga
dan
. Dari
( )
dan
diketahui bahwa
dengan meningkatnya , proporsi individu susceptible menurun, sebaliknya, proporsi jumlah individu
yang terkena penyakit (individu exposed dan infective) meningkat. Hal tersebut menunjukkan bahwa
meningkatnya laju penularan melalui transportasi akan memperparah kasus penyebaran penyakit.
3.6 Simulasi Numerik
Dengan menggunakan parameter
dan
(
)
diperoleh
serta diperoleh
(
)
dan
(
) dengan
,
dan
. Hasil simulasi numerik
ditampilkan pada Gambar 1. Dari Gambar 1 diketahui bahwa dengan empat nilai awal yang berbeda,
populasi di kedua kota akan menuju ke titik kesetimbangan endemi, hal tersebut sesuai hasil analisis
yang menyatakan jika
maka titik kesetimbangan endemi stabil.
Potret fase kota pertama
(2, 0.5, 1.5)
1.5
(2, 0, 1.5)
Potret fase
Nilai awal (S(0), E(0), I(0))
Titik bebas penyakit (S,E,I)
Titik endemi (S,E,I)
0.5
Infective 2
Infective 1
1.5
0.5
(1.796, 1.282, 0.9609)
(2, 0.5, 0)
1
0.5
Exposed 1
(5, 0, 0)
2
Susceptible 1
(1.5, 0.5, 0)
1
0.5
Exposed 2
(5, 0, 0)
5
4
3
2
(1.5, 0, 0) Susceptible
42
Model pada kasus tanpa adanya individu infective yang bepergian disimulasikan dengan
parameter
. Dari nilai parameter tersebut
didapatkan
, sehingga diperoleh kondisi endemi. Karena angka reproduksi dasar (5) tidak
memuat , maka dengan mengubah
tidak akan mempengaruhi titik kesetimbangan maupun
kestabilannya. Dengan mengubah menjadi
didapatkan
, dengan kata lain kondisi di
kedua kota berubah menjadi bebas penyakit. Hal tersebut membuktikan bahwa dengan menggunakan
parameter yang sama dan
diperoleh
Simulasi numerik untuk
juga dapat
dilihat pada Gambar 2.
Potret fase kota pertama
(2, 0, 1.5)
1.5
Potret fase
Nilai awal (S(0), E(0), I(0))
Titik bebas penyakit (S,E,I)
Titik endemi (S,E,I)
Infective 1
(5, 0.1, 1)
1
0.5
(5.838, -0.3352, -0.2512)
0
(2, 0.5, 0)
0.80.6
0.40.2
0-0.2
Infective 2
1.5
0.5
(5.838, -0.3352, -0.2512)
0
(5, 0, 0)
2
Exposed 1
Susceptible 1
(5, 0.1, 1)
1.5
(1.5, 0.5, 0)
(1.5, 0, 0)
0.5
Exposed 2
(5, 0, 0)
3
2
Susceptible 2