Paper Epidemik dan Penyebaran Penyakit

A. Latar Belakang Masalah

Terdapat dua definisi epidemik, yaitu;
1. Epidemik adalah pwnyakit yang menyerang individu di suatu tempat, pada
suatu waktu dan menyebar dari suatu tempat ke tempat lain.
2. Epidemik adalah penyakit sementara yang lazim dalam masyarakat.
Jika penyakit tersebut menetap atau menyeluruh pada suatu masyarakat maka
dikatakan sebagai endemik. Banyak kejadian epidemik di negara berkembang, seperti
demam biasa atau influenza, hanya karena alasan ketidakmampuan dari banyak
penderita, segi ekonomi (baru saja dipecat, dll) mengakibatkan dampak besar. Di
negara miskin atau tertinggal epidemik yang biasa terjadi seperti kolera, dan
mengakibatkan sakit yang serius, sampai berujung kematian, apalagi jika tidak
tersedia pengobatan.
B. Tinjauan Pustaka
Dalam perkuliahan ini, kelas akan dibagi ke dalam beberapa kelompok. Masing-
masing kelompok akan mendiskusikan tentang suatu model matematika yang berisi
tentang proses-proses penyebaran penyakit, faktor-faktornya, ataupun pengaruhnya
terhadap suatu rentang waktu tertentu.
Dalam hal ini, kita akan menggunakan pendekatan dengan persamaan
differensial. Hal ini dilakukan karena masalah penyebaran penyakit ini berkaitan
dengan laju pertambahan penduduk yang sakit ( atau laju penyebarannya ) sehingga
diperlukan bentuk-bentuk model dalam persamaan differensial.
C. Pendekatan Masalah
Dalam masalah ini diberikan pendekatan yang dibedakan dalam tabel kelompok
penyebaran penyakit berikut :
Kategori Sub-Kategori
Sehat H1 Sehat dan Rentan
H2 Sehat dan Di imunisasi Pencegahan
H3 Sehat dan Di imunisasi Penyembuhan
Sakit I1 Sakit dan tidak terdeteksi
I2 Sakit dan terdeteksi
Penderita baru E1 Penderita baru dari kategori sehat
 E2 Penderita baru dari kategori sakit
Mati M1 Mati dari kategori sehat
M2 Mati dari kategori sakit

Setelah di ubah dalam bahasa matematika menjadi diagram kategori populasi berikut :

D. Model Sederhana
Contoh pertama diberikan dengan meningkatnya penyebaran penyakit yang tidak
fatal, tanpa adanya daya tahan tubuh alami suatu kelompok populasi, dengan
dibedakan dalam variabel variabel. Kita dapat membagi kumpulan dalam dua
kategori (ditunjukkan dengan gambar).

Sehat Sakit
Dan Dan
Rentan Menularkan

Sekarang kita asumsikan dalam waktu penebaran () bahwa:

= Jumlah populasi suatu daerah yag terkena epidemik
() = Individu rentan
() = Individu sakit, dengan () + () = .
 Penyakit mulai menyebar ketika individu yang rentan berhubungan dengan
individu yang sakit dalam rentang waktu selama [, + ]. Hubungan antara individu
yang sakit dengan individu yang rentan lalu menjadi sakit dalam kurun waktu ()
didefinisikan 1 2 (), dengan rentang 1 , 2 [0,1] dan

2 = fase dimana individu rentan berhubungan dengan individu sakit selama

rentang waktu ()
1 = fase dimana individu rentan menjadi sakit
= 1 2 (gabungan antar hubungan untuk mempermudah definisi, sehingga
menjadi perubahan rata-rata).
Selama rentang waktu [, + ], individu yang sakit () semakin bertambah
dengan rumus pertambahannya yaitu :
= () ()
Apabila waktunya baru dimulai atau 0 untuk individu sakit dalam
waktu () maka didapatkan laju pertambahan :

=

Atau dengan mengingat () + () = .

= ( ) (1)

Laju ini akan menghasilkan titik ekuilibrium (tidak ada yang sakit atau tidak ada

pertambahan individu sakit) ketika = 0. Yaitu ketika = 0 = .

Bukti:

Substitusikan = 0 pada persamaan (1) didapatkan

0 = ( )
Saat = 0 0 = 0 atau = 0 = .
Telah diasumsikan diawal bahwa pada saat = 0, ada 0 individu yang sakit,
maka persamaan diferrensial (1) dapat ditulis dengan persamaan integral :


=
( )
0 0

Dikerjakan dengan metode integral parsial maka:

( + )
=
( )

+ =

()+
Misal: + =
()
+
= ()

Operasikan + = 0 dan = 1,
1 1
= =

Sehingga:
1 1
+ = +
( )
1 1
= ln|| ln| | + 1

Selanjutnya

+ =

1 1
ln|| ln| | + 1 = + ()

= 0, (0) = 0
1 1
ln| | ln| 0 | = . . . ()

Substitusikan (ii) ke (i)
1 1 1 1
ln|| ln| | = + ln| | ln| 0 | . . . ()

Kalikan (iii) dengan N
ln|| ln| | = + ln| | ln| 0 |
ln|| ln| | ln| | + ln| 0 | =

ln | | ln | | =
0

ln | | ln | | = ln
0
0
ln | | = ln

0
=

 ( 0 )
=
( )
( 0 ) = ( ( ))
= ( )
+ =
( + ) = ()
Bagi (iv) dengan

( + ) =

Sehingga untuk mengetahui jumlah individu sakit pada waktu () adalah

= (2)
+ ( )
E. Menyertakan Penyembuhan
Setelah kita mengetahui jumlah individu yang sakit dengan model sederhana,
sekarang kita tambahkan dengan proses penyembuhan (dapat dilihat pada diagram
dibawah ini). Sebagai catatan ketika penyembuhan tidak optimal maka penyebaran
penyakit akan semakin tinggi.

Sehat Sakit
Dan Dan
Rentan Menularkan

Penyembuhan

Sebelumnya kita mempunyai persamaan () + () = , dengan () =

sedangnkan () = . Penyakit
mulai menyebar ketika individu yang rentan berhubungan dengan individu yang sakit
dalam rentang waktu selama [, + ]. Tetapi sekarang untung pertambahan individu
yang sakit dideinisikan sebagai berikut:

= [ ][ ]

Dengan menambahkan asumsi baru yaitu adanya penyembuhan terhadap individu
yang sakit
()
untuk adalah konstanta untuk rata rata penyembuhan, kemudian kita dapatkan
= (3)
Apabila waktunya baru dimulai atau 0, maka laju pertambahan :

=

Atau dengan mengingat () + () = , maka :

=

= ( )
= (( ) )
= ( )
= ( )
Sehingga

= ( ) (4)

Laju ini akan menghasilkan titik ekuilibrium (tidak ada yang sakit atau tidak ada

pertambahan individu sakit) ketika = 0. Yaitu ketika = 0 = .

Bukti:

Substitusikan = 0 pada persamaan (4) didapatkan

0 = ( )

Saat = 0 = 0 = =


Dari = , mengakibatkan tiga kemungkinan kejadian yaitu:

: <


: >


: =

Akan tetapihanya ada satu yang memiliki ekuilibrium (tidak ada yang sakit atau

tidak ada pertambahan individu sakit) stabil, sehingga kita ambil = , dan

mengingat bahwa () + () = , didapatkan

=


=+


0=

Sehingga kita dapatkan bahwa dalam masyarakat tersebut akan stabil endemik
dengan ekuilibrium yang stabil, persamaaannya menjadi :

() = () =

Telah diasumsikan diawal bahwa pada saat = 0, ada 0 individu yang sakit,
maka persamaan diferrensial (4) dapat ditulis dengan persamaan integral :


=
( )
0 0

Dikerjakan dengan metode integral parsial maka:

( + )
=
( )

+ =

+
Misal: + =
()
+
= ()

Operasikan + = 0 dan = 1,
1
= =

Sehingga:
1
+ = +
( ) ( )( )
1 1
= ln|| + ln| | .

1 1
= ln|| ln| |

Selanjutnya

+ =

1 1
ln|| ln| | = +

1
ln | | = + . . ()

 = 0, (0) = 0
1 0
ln | | = . . . ()
0
Substitusikan (vi) ke (v)
1 1 0
ln | |= + ln | | . . . ()
0
Kalikan (vii) dengan
0
ln | | = ( ) + ln | |
0
0
ln | | ln | | = ( )
0

ln | | ln | | = ln ()
0
0
ln | | = ln ()
0
0
= ()
0
( 0 )
= ()
( )
( 0 ) = () ( ))
( + () ) = () ( )
() ( )
= ()
( + () )
Bagi (viii) dengan . () , Sehingga untuk mengetahui jumlah individu sakit pada
waktu () stelah melalui proses penyembuhan adalah

( )

= (5)
+ ( ) ()

F. Memperkenalkan Imunisasi dan Isolasi

Dari model sebelumnya, telah kita asumsikan bahwa orang yang terinfeksi bisa
menjadi sehat kembali karena menjalani penyembuhan. Tapi orang yang sehat itu
masih mempunyai kemungkinan untuk menjadi terinfeksi kembali. Sehingga nilai dari
() () mengalami laju yang bertambah secara siklis atau berulang-ulang.
Disinilah letak perbedaannya. Pada model ini kita menambahkan dua kelompok baru,
yaitu kelompok terinfeksi yang terisolasi dan kelompok yang sehat dan kebal. Untuk
kelompok yang sehat dan kebal ini sudah pasti tidak mungkin terinfeksi lagi.
Sehingga nilai () () akan berkurang selama waktu bertentu, dan nilai ()
akan lebih kecil dari pada nilai () di model sebelumnya.
Dalam model ini, kita tidak memperhitungkan kenyataan jika yang terinfeksi
ketika terdeteksi mungkin saja dikucilkan dari masyarakat . Sebagai tahap berikutnya
atau tahap dalam pengembangan model yang cocok kita asumsikan semua terinfeksi ,
setelah diketahui , yang terisolasi, dan yang dapat bertahan lama ialah yang memiliki
kekebalan yang baik. Akan diasumsikan semua yang terinfeksi terisolasi sebelum
pemulihan.
Dalam suatu interval waktu tertentu, maka kita punya tiga variabel yaitu
1. x(t) : jumlah orang yang sehat dan rentan terinfeksi
2. y(t) : jumlah orang yang bebas terinfeksi
3. z(t) : jumlah orang yang kebal (sehat)

Jumlah yang terinfeksi berkurang tergantung pada jumlah terinfeksi yang ada.
Asumsikan hubungan yang tepat, jumlah yang berkurang z selama selang waktu (t,t+
t) menjadi
z = y t,
Dimana konstan dan tigkat yang sembuh.
Asumsikan seperti sebelumnya jika yang terinfeksi dan bebas bercampur secara
homogeny dengan rang sehat namun rentan, kenaikan y pada jumlah yang terinfeksi
dan bebas selama selang waktu {t, t+ t}, dengan
y = jumlah yang baru ternfeksi jumlah yang sembuh
= xyt - y t,
 Dimana kenaikan x pada jumlah yang sehat namun rentan selama selang waktu
tertentu,
x = - xy t,
Lanjutkan dengan limit t =0, kita modelkan dengan persamaan diferensial

= Rentan (i)


= Terinfeksi (ii) (6)


= Sembuh (iii)

Dengan x(t)+y(t)+z(t)= N
Satu-satunya negara kesetimbangan yang diharapkan oleh (6) adalah ketika y = 0
sesuai dengan yang terinfeksi tidak bebas di masyarakat. Siswa harus diberi
kesempatan untuk mempertimbangkan keadaan kesetimbangan ini. Seperti dalam

tahap pendekatan plan mereka harus didorong untuk mempertimbangkan , meski


plot terhadap y tidak mudah yang digambarkan dalam kasus ini.

Ketika waktu t=0 , jumlah yang rentan dan yang terinfeksi namun bebas di
gambarkan dengan x0 dan y0, dengan 0 + 0 =
Sejak awal jika tidak ada yang sembuh, dari persamaan 6(ii) kita dapatkan :

[ ] = 0 (0 )
=0

Sehingga tidak ada epidemik dapat mulai membangun kecuali

0 > 0 0 > = dengan adalah nilai relative yang

sembuh.
Jika x0 lebih kecil dari x0=N , mungkin dianggap mewakili jumlah yang rentan.

Terbukti ada yang rentan dan terinfeksi namun bebas sesuai dengan 6(i) jika < 0,

digambarkan jumlah yang rentan x(t) turun dalam waktu tertentu, jadi x(t) < x0 untuk
t >0.
Ketika x0 > akan terjadi penyebaran penyakit, jumlah yang terinfeksi y(t) akan
meningkat sampai jumlah yang sehat namun rentan x/(t) berkurang ke , selanjutnya
akan terjadi penurunan dari jumlah yang terinfeksi. Jika x0 < tidak terjadi
penyebaran penyakit , sebelumyang terinfeksi hadir kan langsung terhapuskan
sebelum penyakit menulari yang sehat namun rentan.
 Kesimpulan dari kasus ini adalah model tidak memprediksi keadaan setimbang
sesuai dengan keadaan endemic. Model lebih memperkirakan hal itu, asalkan jumlah
dari yang rentan x0lebih besar dari angka penghapusan , wabah epidemik akan
meningkat namun pada akhirnya mati. Hal ini sesuai dengan pengamatan berbagai
penyakit yang ada.
Kemungkinan untuk membagi (ii) dengan (i) pada (6) dengan

= 1 (7)

Yang dapat diselesaikan dengan hubungan fungsional antara x(t) dan y(t).
Diagram y(t) dan x(t) mungkin dapat di plotkan dari beberapa penyelesaian untuk
ilustrasikan. Namun dari hubungan x(t) dan y(t) masih sulit untuk menunjukkan solusi
eksplisit dari y(t).
Ketika z(t) sebenarnya kuantitas terukur dalam praktik terdapat manfaat untuk
mencari solusi z(t) daripada y (t) seperti yang diberikan "real life" data akan lebih
mungkin memvalidkan kesimpulan.
Eliminasi y, dengan divisi, antara (i) dan (iii) pada persamaan (6)

=


=


=

() ()
1 1 ()
= (0)=0
0 0
() 1
| | = ()
0
() 1 ()
| | =
0
() 1
()
=
0
1 ()
() = 0

()
= 0

Substitusi (8) ke 6 (iii) didapatkan :

()

= = ( () ()) = ( 0 )

(9)
 ()
Dengan mengasumsikan bahwa nilai adalah kecil, maka dapat diperkirakan

juga bahwa
() () ()2
= 1 +
22
Jadi, persamaan (9) dapat dituliskan menjadi
() () ()2
= ( 0 ) = ( 0 (1 + ))
22

= [( 0 ) + ( 0 1) 202 ()2 ]

(10)
Dengan menggunakan prosedur pengintegralan, kita bisa menemukan solusi dari
persamaan differensial (10) di atas, yaitu persamaan (11) di bawah ini
2 0 1
() = [( 1) + . tanh( )]
0 2
Dimana nilai adalah konstanta dengan

0 2 20 0 1 0
= [( 1) + ] ; = 1 ( 1)
2

Dari proses penurunan pada persamaan (11) di atas diperoleh hasilnya yaitu
persamaan (12) ini
2 2
= 2 ( )
20 2
Dari proses penurunan pada persamaan (9) diperoleh
0 () ()
( ) = ( + ) = 2 ( 1)

Untuk menunjukkan nilai pada pada persamaan (ii) diberikan
2 0
= [( 1) + ]
0
Nilai juga bisa diperoleh dari solusi penyelesaian pada persamaan (10) dengan

=0

Jika merupakan perkiraan dari ( 0 1) maka masalah pertama ini adalah suatu

pengembangan, lalu nilai = 2 (1 ) (13)
0
 Hal ini menunjukkan bahwa tidak akan terjadi proses endemic (penyebaran)
kecuali saat 0 > . Lalu dengan mensubtitusi 0 = + ke dalam persamaan (13)
diperoleh
1
= 2 [1 (1 + ) ] = 2 (1 1 + ) = 2

Kesimpulan dari model ini bahwa urutan peningkatan epidemic yang berasal dari
jumlah orang yang rentan terinfeksi harus lebih besar dari rata-rata relatif orang yang
kebal, 0 = > .

G. Mengijinkan Penambahan
Dari beberapa model yang sebelumnya, kita hanya mengasumsikan bahwa jumlah
orang yang sehat dan rentan tidak mengalami penambahan. Setelah periode waktu
yang lama dan menyebar di komunitas yang lebih besar, maka asumsi tesebut sudah
tidak realistis lagi. Model yang baru seharusnya mempertimbangkan beberapa
kemungkinan yang bisa terjadi seperti dengan penambahan jumlah orang yang sehat
dan rentan, bisa karena kelahiran, imigrasi, atau kemungkinan lainnya.
Selama periode waktu tertentu {t, t+ t}, diberikan = +

Untuk limit 0 diberikan = +

Sejak kita mengasumsikan bahwa populasinya konstan, N, sampai terjadi proses

endemic hingga terjadi penyembuhan atau kematian, maka model pada persamaan (6)
diperbaiki menjadi (14)

= + ()


= ()


= ()

Hal ini bisa dinyatakan dalam

() = ; () =

Jika (ii) dibagi dengan (i) maka diperoleh

=

 Persamaan (15)

() = + ()


() = + ()

Dengan () () adalah bilangan kecil pada () ()
Dengan mensubtitusi (15) ke (i) dan (14) ke (ii), maka diperoleh

() =


() =

Dengan mengeliminasi () diperoleh
() + () + ( ) = 0 (16)

Model Diskret

Untuk Model Diskrit

1. ( + 1) = () . (). ()
2. ( + 1) = () + . (). () . ()
3. ( + 1) = . ()
Contoh Penyelesaian Suatu Kasus Menggunakan Model Diskret
Diketahui : = 1245
0 = 1200
0 = 30
0 = 15
= 0,0003
= 0,004

Ditanya :
1. (5) (5) (5)
2. (1000) (1000) (1000)
Jawab :
1.1 (1) = 0 . 0 . 0
= 1200 (0,0003 . 1200 . 30)
= 1189,2
 (2) = (1) . (1) . (1)
= 1189,2 (0,0003 . 1189,2 . 40,68)
= 1174,687
(3) = (2) . (2) . (2)
= 1174,687 (0,0003 . 1174,687 . 55,03)
= 1155,294
(4) = (3) . (3) . (3)
= 1155,294 (0,0003 . 1155,294 . 74,2)
= 1129,58
(5) = (4) . (4). (4)
= 1129,58 (0,0003 . 1129,58 . 99,62)
= 1095,82
1.2 (1) = 0 + . 0 . 0 . 0
= 30 + (0,0003 . 1200 . 30) (0,004 . 30)
= 40,68
(2) = (1) + . (1) . (1) . (1)
= 40,68 + (0,0003 . 1189,2 . 40,68) (0,004 . 40,68)
= 55,03
(3) = (2) + . (2) . (2) . (2)
= 55,03 + (0,0003 . 1174,687 . 55,03) (0,004 . 55,03)
= 74,20
(4) = (3) + . (3) . (3) . (3)
= 74,20 + (0,0003 . 1155,294 . 74,2) (0,004 . 74,20)
= 99.62
(5) = (4) + . (4) . (4) . (4)
= 99,62 + (0,0003 . 1129,58 . 99,62) (0,004 . 99,62)
= 132,98
1.3 (1) = . 0 = 0,004 . 30 = 0,12
(2) = . (1) = 0,004 . 40,68 = 0,163
(3) = . (2) = 0,004 . 55,03 = 0,22
(4) = . (3) = 0,004 . 74,20 = 0,297
(5) = . (4) = 0,004 . 99,62 = 0,398
Model Kontinu Model Diskrit

= ~~~~~ ( + 1) = () (). ()

= ~~~~~ ( + 1) = () + (). () (())

= ~~~~~ ( + 1) = (())

Misal untuk:
N : 1245
X0 : 1200
Y0 : 30
Z0 : 15
: 0,0003
: 0,004
Hitung :
Pada saat t = 5
x(5) ; y(5) ; z(5)
2 0 1
() = [( 1) + ( )]
0 2

() = 0

() = () ()
Perhitungan :
untuk t = 5
2 1
(5) = [( 0 1) + (2 5 )] ; = ;
0

1 1
2 2 2 2
0 20 0 0,004 1200 2.1200.30
= (( 1) + ) ; = 0,0003 ; = (( 40 1) + 40 2
) ;
2 3 3
40 1
= ; = (8326) 2
3

1 0 1 1200
= 1 ( 1) = 1 1 ( 1) = 1 0,975375412

(8326) 2 40
3
= 2,192384143
 40 2 1200
(5) = 3 [( 1)
1200 40
3
1 1 1
+ (8326) 2 ( (8326) 2 . 0,004.5 2,192384143)]
2

= 1,60747538
1,6074753840
3
(5) = 0 = 1200.0,8864233211 = 1063,707985
(5) = (5) (5) = 1245 1,60747538 1063,707985 = 179,6845394

Untuk t = 1000
40 2 1200
(1000) = 3 [( 1 1
1) + (8326) 2 ((8326) 2 . 2 2,192384143)]
1200 403
= 26,70324707
26,7032470740
3
(1000) = 0 = 1200.0,1349644956 = 161,9573947
(1000) = (1000) (1000) = 1245 26,70324707 161,9573947
= 1056,339358