Epidemik Dan Penyebaran Penyakit
Epidemik Dan Penyebaran Penyakit
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
()+
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
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
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)
+ ( ) ()
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
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
(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 = +
Model Diskret
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) = (())
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