ANALISIS DINAMIK MODEL MATEMATIKA

PENYEBARAN PENYAKIT MENULAR TIPE SEIS

MELALUI TRANSPORTASI ANTAR-DUA KOTA
M. Ivan Ariful Fathoni
Jurusan Matematika, F.MIPA, Universitas Brawijaya, Malang, Indonesia
Email: m.ivan@fathonisme.com
Abstrak. Pada artikel ini dibahas model matematika tipe SEIS (Susceptible Exposed Infective Susceptible) untuk
menggambarkan penyebaran penyakit melalui transportasi antar-dua kota. Dari hasil analisis, titik kesetimbangan
yang diperoleh yaitu titik bebas penyakit dan endemi. Syarat keberadaan dan kestabilan titik kesetimbangan
ditentukan oleh angka reproduksi dasar yang dicari dengan menggunakan metode pendekatan operator generasi
selanjutnya. Titik kesetimbangan bebas penyakit selalu ada, serta bersifat stabil jika angka reproduksi dasar lebih
kecil atau sama dengan satu, sedangkan titik kesetimbangan endemi hanya ada dan bersifat stabil jika angka
reproduksi dasar lebih besar dari satu. Pada artikel ini juga dibahas kasus lain dengan pembatasan populasi yang
bepergian. Selanjutnya, untuk mengetahui pengaruh dari transportasi, dilaku kan analisis perubahan laju penularan
melalui transportasi. Pada bagian akhir dilakukan simulasi numerik untuk mengilustrasikan hasil analisis yang diperoleh.
Kata Kunci: sistem dinamik, SEIS, transportasi, operator generasi selanjutnya, titik kesetimbangan, kestabilan.

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

kematian alami dan yang disebabkan oleh penyakit (

) adalah laju transportasi antar-dua kota,
adalah laju penularan dalam kota, dan
adalah laju penularan melalui transportasi antar-dua kota.
3. HASIL DAN PEMBAHASAN
3.1 Angka Reproduksi Dasar dan Titik Kesetimbangan
Angka reproduksi dasar pada artikel ini ditentukan dengan metode pendekatan operator generasi
selanjutnya (Castillo-Chavez, dkk., 2002). Angka reproduksi dasar yang diperoleh dari model (1) yaitu
(

(
) 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
(
(

)
)

)(

(
(

)(
)

)(

)
)

)(

3.2 Analisis Kestabilan Titik Kesetimbangan

3.2.1 Kestabilan Titik Kesetimbangan Bebas Penyakit
Matriks Jacobi untuk titik kesetimbangan bebas penyakit adalah
(

) 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

3.2.2 Kestabilan Titik Kesetimbangan Endemi

Matriks Jacobi untuk titik kesetimbangan endemi adalah ( )
(

)
(

dengan
(

)(
(

)
)

)(
(
(

)
)
)(

(
(

)
)

), dan dibangun matriks

)(
(

)
(

)(

(
(

. Dari matriks

dan

semua nilai eigen dari kedua matriks tersebut negatif, sehingga

)
)

dan

diperoleh hasil jika

)(
(

)
)

, maka

bersifat stabil.

3.3 Kasus Tanpa Adanya Individu Infective yang Bepergian

Model pada kasus tanpa adanya individu infective yang bepergian antar-dua kota diperoleh dari
sistem persamaan (1) dengan mengambil
. Titik kesetimbangan bebas penyakit yang diperoleh
), dengan
yaitu (
dan sama seperti titik kesetimbangan (3). Karena
,
angka reproduksi dasar pada kasus tanpa adanya individu infective yang bepergian menjadi
(

)(

(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

3.4 Kasus Tanpa Adanya Individu yang Bepergian

Model pada kasus tanpa adanya individu yang bepergian antar-dua kota diperoleh dari sistem
persamaan (1) dengan mengambil
, sehingga model hanya melibatkan satu kota yang meliputi
populasi susceptible, exposed, dan infective. Titik kesetimbangan bebas penyakit yang diperoleh yaitu
(
) dengan
dan sama seperti titik kesetimbangan (3). Dengan
diperoleh angka
reproduksi dasar yang sama seperti persamaan (5). Titik kesetimbangan endemi yang diperoleh yaitu
(
), dengan
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.
3.5 Analisis Pengaruh Transportasi
Dari titik kesetimbangan endemi
maka

dan
dan

) dan
. Dan jika

), jika

, berdasarkan titik

diperoleh

, hal tersebut menunjukkan bahwa saat berada pada kondisi endemi,

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

(1.796, 1.282, 0.9609)

Infective 2

Infective 1

1.5

Potret fase kota kedua

(1.5, 1.5, 1.5)

0.5
(1.796, 1.282, 0.9609)

(4.9, 0.05, 0.05)

0

(2, 0.5, 0)
1

0.5

Exposed 1

(5, 0, 0)
2

Susceptible 1

(4.9, 0.05, 0.05)

0
1.5

(1.5, 0.5, 0)
1

0.5

Exposed 2

(5, 0, 0)

5
4
3
2
(1.5, 0, 0) Susceptible

Gambar 1. Potret fase untuk

Syarat keberadaan dan kestabilan titik kesetimbangan bergantung pada angka reproduksi dasar
(2), sehingga jika menggunakan nilai parameter yang sama, dengan mengubah nilai , , atau akan
diperoleh
yang berbeda. Jika diturunkan menjadi 0, maka diperoleh
dan titik
), sedangkan titik kesetimbangan
kesetimbangan
(
) (
tidak ada,
dengan kata lain keadaannya berubah menjadi bebas penyakit. Demikian juga jika nilai atau
diturunkan dengan nilai parameter yang memenuhi akan dapat menghasilkan keadaan bebas penyakit.
Hal tersebut menunjukkan bahwa perubahan , , atau
dapat mengubah keadaan atau dinamika
penyakit menular. Hasil simulasi numerik untuk
ditampilkan pada Gambar 2. Dari
Gambar 2 diketahui bahwa populasi di kedua kota stabil di , sehingga sesuai dengan hasil analisis
yang menyatakan jika
maka titik kesetimbangan bebas penyakit stabil.

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

Potret fase kota kedua

(1.5, 1.5, 1.5)

(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

(2, 0.5, 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

Gambar 2. Potret fase untuk

Model pada kasus tanpa adanya individu yang bepergian disimulasikan dengan parameter
dan
Dari nilai parameter tersebut didapatkan
, sehingga mengakibatkan kondisi endemi. Dengan mengubah
menjadi 0.6 diperoleh
, sehingga kondisinya berubah menjadi bebas penyakit, hal tersebut sesuai dengan hasil analisis
yang menyatakan jika
, maka titik kesetimbangan bebas penyakit stabil. Simulasi numerik yang
diperoleh untuk
pada kasus tanpa adanya individu yang bepergian ini sama seperti
Gambar 2, tetapi hanya terjadi di satu kota.
4. KESIMPULAN
Perubahan kestabilan atau dinamika penyakit menular tipe SEIS melalui transportasi antar-dua
kota dipengaruhi oleh laju penularan dalam kota dan juga faktor transportasi. Untuk kasus tanpa
adanya individu infective yang bepergian atau kasus tanpa adanya individu yang bepergian, perubahan
kestabilan atau dinamika penyakit menular hanya dipengaruhi oleh laju penularan dalam kota. Dari
hasil analisis dan simulasi numerik menunjukkan bahwa meningkatnya laju penularan melalui
transportasi antar-dua kota akan memperparah kasus penyebaran penyakit menular
5. UCAPAN TERIMA KASIH
Penulis berterima kasih kepada Trisilowati, Agus Suryanto, dan Marsudi, atas bimbingan dan
masukan yang telah diberikan selama penulisan artikel ini.
DAFTAR PUSTAKA
Castillo-Chavez, C., Fang, Z., dan Huang, W., (2002), On The Computation of
and Its Role On
Global Stability, IMA Volumes in Mathematics and Its Applications, 125, hal. 1-22.
Cui, J., Takeuchi, Y., dan Saito, Y., (2006), Spreading Disease with Transport-Related Infection,
Journal of Theoretical Biology, 239, hal. 376-390.
Gradshteyn, I.S. dan Ryzhik, I.M., (2007), Table of Integrals, Series, and Products, Seventh Ed.,
Academic Press. San Diego, hal. 1083.
Liu, X. dan Takeuchi, Y., (2006), Spread of Disease with Transport-Related Infection and Entry
Screening, Journal of Theoretical Biology, 242, hal. 517-528.
Sattenspiel, L. dan Dietz, K., (1995), A Structured Epidemic Model Incorporating Geographic
Mobility Among Regions, Mathematical Biosciences, 128, hal. 7191.
Wan, Hui dan Cui, J., (2007), An SEIS Epidemic Model with Transport-Related Infection, Journal of
Theoretical Biology, 247, hal. 507-524.
43