BAB I

PENDAHULUAN

1.1 Latar Belakang Masalah

Pemodelan matematika merupakan bidang matematika yang berusaha untuk

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, problem-
problem 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

1
saat penyebab penyakit masuk (saat penularan) sampai ke saat timbulnya penyakit
[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
masa inkubasi dalam penularan penyakit?
1.3 Batasan Masalah

Pembahasan literatur ini hanya mempelajari dan menganalisis peran masa

inkubasi dalam penularan penyakit dimana hanya terdapat 3 kompartement yaitu
populasi rentan (susceptible), inkubasi (incubated), dan infeksi (infected).
Kemudian parameter yang berkaitan dengan model bernilai positif.

1.4 Tujuan Penelitian

Tujuan dari penulisan ini dapat diuraikan sebagai berikut:

1. Mempelajari model matematika yang berkaitan dengan peran masa

inkubasi dalam penularan penyakit.
2. Mempelajari dan menjelaskan analisis kestabilan dari model matematika
yang berkaitan dengan peran masa inkubasi dalam penularan penyakit.

2
1.5 Metode Penelitian

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 PERAN MASA INKUBASI DALAM PENULARAN PENYAKIT

Dalam bab ini akan dipaparkan hasil kajian yang meliputi analisis
model matematika yang berkaitan dengan masa inkubasi dalam
penularan penyakit yang terdiri dari formulasi model, menentukan
titik kesetimbangan, serta jenis kestabilan dari titik kesetimbangan.

BAB IV PENUTUP

3
 Dalam bab ini akan dipaparkan kesimpulan sebagai jawaban dari
rumusan permasalahan yang diajukan serta saran untuk
pengembangan tulisan yang berbeda dimasa yang akan datang.

DAFTAR PUSTAKA

1.7 Kerangka Berfikir

Dalam studi literatur ini penulis akan mempelajari dan menganalisis model
matematika yang berkaitan dengan peran masa inkubasi dalam penularan
penyakit. Analisis yang pertama adalah mengidentifikasi titik kesetimbangan dari
model matematika dengan cara me-nol-kan turunan pertamanya. Analisis yang
kedua adalah mengidentifikasi jenis kestabilan titik kesetimbangan. Kestabilan
titik kesetimbangan dapat ditentukan dengan memperhatikan nilai-nilai eigen
yang diperoleh dari persamaan karakteristik. Jika tanda bagian riil nilai eigen
tidak mudah ditentukan maka digunakan kriteria kestabilan Routh-Hurwitz.
Berikut diagram dari kerangka berfikir tersebut

Formulasi model Analisis model

Menentukan titik
kesetimbangan

Menentukan jenis
kestabilan

Gambar 1.1 Diagram Kerangka Berfikir

4
 BAB II

LANDASAN TEORI

2.1 Model Matematika Epidemi

Perilaku dinamik dari sistem untuk menganalisis dinamika penyebaran

penyakit terdapat beberapa model matematika yang sering digunakan. Model-
model tersebut memiliki konsep yang sama yaitu compartmental epidemiologi
(pembagian kelas) yang menggambarkan penyebaran penyakit dari masing-
masing 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 individu-
individu 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 M
(Maternallyderivedimmunity) digunakan untuk mewakili individu-individu yang
baru lahir dan memiliki kekebalan pasif yang didapatkan dari ibunya, namun hal
ini hanya berlangsung sementara kemudian individu pada kelas M ini akan
memasuki kelas rentan (susceptible). Model matematika epidemi diantaranya SIR,
SIRS, SEIR,MSEIR dan termasuk model SVID [9].

5
2.2 Sistem Persamaan Diferensial Tak Linear

Definisi 2.1
Misalkan suatu sistem persamaan diferensial dinyatakan sebagai

ẋ = 𝑓(𝑡, 𝑥) (2.1)

dengan
𝑥1 (𝑡) 𝑓1 (𝑡, 𝑥1 , 𝑥2 , … , 𝑥𝑛 )
𝑥 = [ ⋮ ]dan 𝑓(𝑡, 𝑥) = [ ⋮ ]
𝑥𝑛 (𝑡) 𝑓𝑛 (𝑡, 𝑥1 , 𝑥2 , … , 𝑥𝑛 )

diasumsikan fungsi tak linear pada 𝑥1 , 𝑥2 , … , 𝑥𝑛 . Sistem persamaan (2.1) disebut

sistem persamaan diferensial taklinear [4].

2.3 Titik Kesetimbangan

Definisi 2.2
Diberikan sistem persamaan diferensial
ẋ = 𝑓(𝑥), 𝑥𝜖𝑅 𝑛
titik ̅x disebut titik tetap atau titik kritis atau disebut juga titik kesetimbangan jika
𝑓( ̅x) = 0 [4].
2.4 Matriks Jacobi

Secara umum, matriks transformasi terhadap basis standar, turunan fungsi

y=f(x)= (𝑓1 (𝑥1 , … , 𝑥𝑛 ), … , 𝑓𝑚 (𝑥1 , … , 𝑓𝑛 ))
di titik x adalah
𝜕𝑓1 𝜕𝑓1
…
𝜕𝑥1 𝜕𝑥𝑛
𝒇′ (𝒙) = ⋮ ⋱ ⋮
𝜕𝑓𝑚 𝜕𝑓𝑚
…
[ 𝜕𝑥1 𝜕𝑥𝑛 ]
yaitu matriks yang berukuran m x n. Matriks ini sering kali juga ditulis sebagai
matriks
𝜕𝑓𝑖
[ ]
𝜕𝑥𝑗 𝑖,𝑗

dan disebut Matriks Jacobi [2].

Untuk lebih jelasnya lihat contoh di bawah ini [2],

6
 𝑓(𝑥1 , 𝑥2 ) = (𝑥1 3 − 𝑥2 3 , 3𝑥1 2 𝑥2 , 2𝑥1 𝑥2 2 )
maka matriks Jacobiannya adalah
𝜕𝑓1 𝜕𝑓1
𝜕𝑥1 𝜕𝑥2
3𝑥1 2 −3𝑥2 2
𝜕𝑓2 𝜕𝑓2
= [6𝑥1 𝑥2 3𝑥1 2 ]
𝜕𝑥1 𝜕𝑥2
2𝑥2 2 4𝑥1 𝑥2
𝜕𝑓3 𝜕𝑓3
[𝜕𝑥1 𝜕𝑥2 ]
2.5 Nilai Eigen

Definisi 2.3
Jika A adalah matriks n x n, maka vektor tak nol x di dalam Rn dinamakan
vektor eigen (eigenvector) dari A jika Ax adalah kelipatan skalar dari x; yakni,
𝐴𝑥 = 𝜆𝑥
untuk suatu skalar 𝜆. Skalar 𝜆 dinamakan nilai eigen (eigenvalue) dari A dan x
dikatakan vektor eigen yang bersesuaian dengan 𝜆.
Untuk mencari nilai eigen matriks A yang berukuran n x n maka kita
menuliskan kembali 𝐴𝑥 = 𝜆𝑥 sebagai
𝐴𝑥 = 𝜆𝐼𝑥
atau secara ekivalen
(𝐴 − 𝜆𝐼)𝑥 = 0
Supaya 𝜆 menjadi nilai eigen, maka harus ada pemecahan taknol dari
persamaan ini. Persamaan di atas akan mempunyai pemecahan taknol jika dan
hanya jika
𝑑𝑒𝑡(𝐴 − 𝜆𝐼) = 0 (2.2)
persamaan (2.2) dinamakan persamaan karakteristik A [1].
Contoh
Carilah nilai-nilai eigen dari matriks
3 2
𝐴=[ ]
−1 0
Penyelesaian:
Oleh karena
3 2 1 0 3−𝜆 2
𝐴 − 𝜆𝐼 = [ ]−𝜆[ ]=[ ]
−1 0 0 1 −1 −𝜆
maka polinom karakteristik dari 𝐴 adalah

7
𝑑𝑒𝑡(𝐴 − 𝜆𝐼) =0
3−𝜆 2
| | =0
−1 −𝜆
(3 − 𝜆)(−𝜆)— (−2) = 0
−3𝜆 + 𝜆2 + 2 =0
𝜆2 − 3𝜆 + 2 =0
(𝜆 − 1)(𝜆 − 2) =0
𝜆1 = 1, 𝜆2 = 2

Jadi, nilai eigen adalah 𝜆1 = 1, 𝜆2 = 2 [1].

2.6 Kestabilan Titik Kesetimbangan

Misalkan diberikan sistem persamaan diferensial biasa sebarang ẋ =

𝑓(𝑥), 𝑥𝜖𝑅 𝑛 dengan ̅x sebagai titik kesetimbangan. Kestabilan titik
kesetimbangan ̅x dapat ditentukan dengan memperhatikan nilai-nilai eigen, yaitu
𝜆𝑖 , 𝑖 = 1,2, … , 𝑛, yang diperoleh dari persamaan karakteristik. Secara umum,
kestabilan titik kesetimbangan mempunyai perilaku :
1. Stabil, jika:
a. Re(𝜆𝑖 ) < 0, untuk setiap i, atau
b. Terdapat Re(𝜆𝑗 ) = 0 untuk sebarang j dan Re(𝜆𝑖 ) < 0 untuk setiap
i≠j.
Stabil asimtotik terbagi menjadi dua yaitu asimtotik lokal dan
asimtotik global. Titik 𝑥̅ dikatakan titik kesetimbangan stabil asimtotik
lokal jika titik pada 𝑥̅ stabil dan terdapat 𝜀 > 0, sedemikian sehingga
jika |𝑥̅ − 𝑥0 | < 𝜀 maka
lim 𝑥(𝑡) = 𝑥̅
𝑡→∞

2. Tidak stabil, jika terdapat paling sedikit satu i sehingga Re(𝜆𝑖 ) > 0.
3. Saddle, jika perkalian dua buah nilai eigen riil sembarang adalah negatif
(𝜆𝑖 𝜆𝑗 < 0 untuk i dan j sembarang).
2.7 Kriteria Routh-Hurwitz

Pada permasalahan tertentu kestabilan titik kesetimbangan tidak bisa

diamati karena tanda bagian riil nilai eigen tidak mudah ditentukan, oleh karena

8
itu perlu digunakan metode lain untuk menentukan tanda bagian riil nilai eigen 𝜆.
Sebagai contoh untuk matrik yang berukuran n x n dengan n > 2 tanda bagian riil
nilai eigen dapat ditentukan dengan menggunakan kriteria kestabilan Routh-
Hurwitz.
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
𝑃(𝜆) = 𝜆𝑘 + 𝑎1 𝜆𝑘−1 + 𝑎2 𝜆𝑘−2 + ⋯ + 𝑎𝑘−1 𝜆 + 𝑎𝑘 =0
selanjutnya didefinisikan matriks Hurwitz Hj sebagai berikut:

𝑎2𝑙−𝑚 , 𝑢𝑛𝑡𝑢𝑘 0 < 2𝑙 − 𝑚 < 𝑘

dengan Hj = (ℎ𝑙𝑚 ) dan ℎ𝑙𝑚 ={ 1, 𝑢𝑛𝑡𝑢𝑘 2𝑙 = 𝑚
0, 𝑢𝑛𝑡𝑢𝑘 2𝑙 < 𝑚 𝑎𝑡𝑎𝑢 2𝑙 > 𝑘 + 𝑚
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
 k = 2, 𝑎1 > 0, 𝑎2 > 0
 k = 3, 𝑎1 > 0, 𝑎3 > 0, 𝑎1 𝑎2 > 𝑎3
 k = 4, 𝑎1 > 0, 𝑎3 > 0, 𝑎4 > 0, 𝑎1 𝑎2 𝑎3 > 𝑎3 2 + 𝑎1 2 𝑎4
Untuk kasus k = 3, kriteria Routh-Hurwitz disajikan dalam Teorema 2.2
berikut [4].

9
Teorema 2.2
Misalkan 𝑒0 , 𝑒1 , 𝑒2 bilangan riil. Bagian riil dari setiap nilai eigen persamaan
karakteristik
𝑃(𝜆) = 𝜆3 + 𝑒0 𝜆2 + 𝑒1 𝜆 + 𝑒2 = 0
adalah negatif jika dan hanya jika 𝑒0 > 0, 𝑒2 > 0, 𝑒0 𝑒1 > 𝑒2
Bukti :
Dari persamaan 𝑃(𝜆) = 𝜆3 + 𝑒0 𝜆2 + 𝑒1 𝜆 + 𝑒2, maka 𝑎1 = 𝑒0 , 𝑎2 = 𝑒1 , dan
𝑎3 = 𝑒2 . Berdasarkan teorema 2.1, bagian riil dari setiap akar persamaan
karakteristik 𝑃(𝜆) = 𝜆3 + 𝑒0 𝜆2 + 𝑒1 𝜆 + 𝑒2 adalah negatif jika dan hanya jika det
Hj>0, untuk j=1,2,3, dengan
det H1 = |𝑎1 | = |𝑒0 | = 𝑒0 > 0 (2.3)
𝑒0 1
det H2 = | | = 𝑒0 𝑒1 − 𝑒2 > 0 (2.4)
𝑒2 𝑒1
𝑒0 1 0
det H3 = |𝑒2 𝑒1 𝑒0 | = 𝑒0 𝑒1 𝑒2 − 𝑒2 2 > 0 (2.5)
0 0 𝑒2
dari (2.3), diperoleh 𝑒0 > 0
dari (2.4), diperoleh 𝑒0 𝑒1 − 𝑒2 > 0
dari (2.5), diperoleh 𝑒0 𝑒1 𝑒2 − 𝑒2 2 = (𝑒0 𝑒1 − 𝑒2 )𝑒2 > 0, karena 𝑒0 𝑒1 − 𝑒2 > 0
sehingga diperoleh 𝑒2 > 0.
Dengan demikian diperoleh bahwa bagian riil dari semua akar persamaan
karakteristik 𝑃(𝜆) = 𝜆3 + 𝑒0 𝜆2 + 𝑒1 𝜆 + 𝑒2 adalah negatif jika dan hanya jika
𝑒0 > 0, 𝑒2 > 0, 𝑑𝑎𝑛 𝑒0 𝑒1 > 𝑒2 .
Untuk lebih jelasnya, tinjau contoh di bawah ini.
𝑃(𝜆) = 𝜆3 + 6𝜆2 + 3𝜆 − 6
Selidiki apakah persamaan karakteristik di atas memenuhi kriteria Routh-Hurwitz.
Penyelesaian :
Dari persamaan
𝑃(𝜆) = 𝜆3 + 6𝜆2 + 3𝜆 − 6
maka 𝑎1 = 6, 𝑎2 = 3, dan 𝑎3 = −6. Kemudian nilai j dari
persamaan di atas adalah 3. Maka 2j-1 = 2(3)-1 = 5. Sehingga matriks Hurwitznya
hanya sampai 𝑎5 .
Untuk H1 = (𝑎1 ) = 6, karena 6 positif, sehingga didapat det H1 = |6| > 0.

10
 𝑎 1 6 1 6 1
Untuk H2 = ( 1 )=( ), sehingga didapat det H2 = | | = 24 >
𝑎3 𝑎2 −6 3 −6 3
0.
𝑎1 1 0 6 1 0
Untuk H3 𝑎
= ( 3 𝑎2 𝑎1 ) = (−6 3 6 ), sehingga didapat det H3 =
𝑎5 𝑎4 𝑎3 0 0 −6
6 1 0
|−6 3 6 | = −144 < 0.
0 0 −6
Oleh karena det H3< 0, maka persamaan karakteristik di atas tidak memenuhi
kriteria Routh-Hurwitz.
2.8 Bifurkasi

Bifurkasi untuk sistem non linier,

𝑋 ′ = 𝐹𝑎 (𝑋)

dengan 𝑎 adalah parameter riil [7]. Bifurkasi adalah perubahan kualitatif yang
terjadi pada penyelesaian persamaan differensial, perubahan meliputi perubahan
stabilitas dan perubahan letak titik setimbang yang diakibatkan oleh perubahan
parameter. Bifurkasi terjadi pada penyelesaian titik setimbang yang mempunyai
paling sedikit satu nilai eigen sama dengan nol pada bagian riilnya [12].

Jika 𝑥0 adalah titik kesetimbangan, maka 𝑓𝑎 (𝑥0 ) = 0. Jika 𝑓𝑎 ′ (𝑥0 ) ≠ 0, perubahan

pada 𝑎 tidak merubah struktur lokal dekat 𝑥0 . Bifurkasi persamaan orde pertama
hanya ada pada kasus nonhyperbolic ketika 𝑓𝑎 ′ (𝑥0 ) = 0 [7].

Menurut Stephen (1964 : 258) ada 4 jenis bifurkasi yaitu [11]:

1. Bifurkasi Saddle-node
2. Bifurkasi Transkritikal
3. Bifurkasi Pitchfork
4. Bifurkasi Hopf

11
Bifurkasi Hopf

Bifurkasi Hopf adalah berubahnya jenis kestabilan suatu titik

kesetimbangan suatu persamaan diferensial, yang terjadi karena munculnya
sepasang nilai eigen yang bernilai imajiner [5]. Syarat-syarat terjadinya bifurkasi
Hopf diberikan pada teorema berikut [5].

Teorema 2.3

Pandang suatu sistem otonomus yang berbentuk

𝑥̅ = 𝐹𝜇 (𝑥̅ ),

dan bergantung pada parameter 𝜇. Misalkan terdapat titik kesetimbangan 𝑥̅𝜇

dengan nilai eigen 𝜆𝜇 = 𝛼𝜇 ± 𝑖𝛽𝜇 . Bila terdapat 𝜇0, sehingga 𝛼 𝜇0 = 0 dan 𝛽 𝜇0 ≠
𝑑𝛼𝜇
0, serta ∣ 𝜇=𝜇0 > 0, maka jenis kestabilan dari titik kesetimbangan 𝑥̅𝜇 akan
𝑑𝜇

berubah bila 𝜇 berubah disekitar 𝜇0 .

Untuk lebih jelasnya, tinjau contoh berikut [7] :

Diberikan sistem

𝑥 ′ = 𝑎𝑥 − 𝑦 − 𝑥(𝑥 2 + 𝑦 2 ) (1)

𝑦 ′ = 𝑥 + 𝑎𝑦 − 𝑦(𝑥 2 + 𝑦 2 ) (2)

Ketika x dan y kecil maka 𝑥 2 dan 𝑦 2 juga kecil (𝑥 2 , 𝑦 2 ≈ 0), ada titik
kesetimbangan pada titik asal yaitu (0,0), dengan linearisasi diperoleh sistem :

𝑎 −1
𝑋′ = ( )𝑋
1 𝑎

Persamaan karakteristik

|𝐴 − 𝜆𝐼| = 0

𝑎 −1 𝜆 0
|( )−( )| = 0
1 𝑎 0 𝜆

𝑎−𝜆 −1
| |=0
1 𝑎−𝜆

12
 (𝑎 − 𝜆)2 − (−1) = 0

(𝑎 − 𝜆)2 + 1 = 0

(𝑎 − 𝜆)2 = −1

(𝑎 − 𝜆) = √−1

𝑎 − 𝜆 = ±𝑖

𝜆 =𝑎±𝑖

diperoleh nilai eigen 𝑎 ± 𝑖, maka bifurkasi ketika 𝑎 = 0.

Dengan menggunakan koordinat polar

𝑥 = 𝑟 cos 𝜃 → 𝑥 ′ = 𝑟 ′ cos 𝜃 − 𝑟 sin 𝜃 𝜃 ′ (3)

𝑦 = 𝑟 sin 𝜃 → 𝑦 ′ = 𝑟 ′ sin 𝜃 + 𝑟 cos 𝜃 𝜃 ′ (4)

Kemudian substitusi persamaan (3)-(4) ke persamaan (1)-(2) diperoleh sistem

𝑟 ′ = 𝑎𝑟 − 𝑟 3

𝜃′ = 1

Untuk 𝑎 < 0 sink ketika 𝑎𝑟 − 𝑟 3 < 0, ∀𝑟 > 0.

Ketika 𝑎 > 0 source. Ketika 𝑎 > 0, 𝑟 ′ = 0 jika 𝑟 = √𝑎. Lingkaran pada radius
√𝑎 adalah solusi periodik dengan periode 2𝜋. 𝑟 ′ > 0 jika 0 < 𝑟 < √𝑎, 𝑟 ′ < 0 jika
𝑟 > √𝑎.

13
Gambar 2.1 Bifurkasi Hopf untuk 𝑎 < 0 dan 𝑎 > 0.

14
 BAB III

PERAN MASA INKUBASI DALAM PENULARAN PENYAKIT

Untuk menjadi sakit, seseorang harus terpajan patogen yang sifatnya

infeksius. Dengan kata lain, seseorang harus diinokulasikan dengan penyakit.
Contohnya seekor nyamuk Anopheles yang menggigit (inokulasi melalui gigitan)
korban yang tidak menyangka dirinya rentan di sore hari yang hangat, yang
kemudian menulari orang tersebut dengan penyakit, seperti malaria. Masa
inkubasi adalah rentang waktu yang berlalu di antara waktu inokulasi dan waktu
penampakan tanda atau gegala pertama penyakit itu [6].

Gambar 3.1 dapat membantu memahami dengan lebih baik peran yang
dimainkan masa inkubasi dalam perjalanan suatu penyakit. Perjalanan suatu
penyakit pernapasan dan masa inkubasinya juga diperlihatkan dalam gambar ini.
Masa inkubasi berbagai penyakit sangat bervariasi, hal ini bisa dilihat pada
lampiran. Masa inkubasi juga berbeda pada orang yang memiliki sistem
kekebalan lebih aktif sehingga dapat menahan pertumbuhkembangan patogen di
dalam tubuh, yang akhirnya memperpanjang masa inkubasi. Dari hasil
pengamatan diketahui bahwa penyakit yang masa inkubasinya pendek biasanya
menyebabkan kesakitan yang lebih akut dan parah, sedangkan penyakit yang
masa inkubasinya panjang menyebabkan kesakitan yang tidak terlalu parah [6].

15
 Gambar 3.1 Perjalanan suatu penyakit pernapasan infeksius.

3.1 Model Matematika yang Berkaitan dengan Peran Inkubasi dalam Penularan

Penyakit

Model matematika dari populasi ‘rentan-infeksi’ adalah sebagai berikut :

𝑑𝑆 𝑆
= 𝑟𝑆 (1 − ) − 𝑏𝑆𝐷 + ᵞ𝐷 (3.1)
𝑑𝑡 𝐾

𝑑𝐷
= 𝑏𝑆𝐷 − 𝛿𝐷 (3.2)
𝑑𝑡

dengan

S (t) : jumlah individu rentan pada waktu t

D (t) : jumlah individu terinfeksi pada waktu t

r : laju pertumbuhan intrinsik

K : daya dukung (carrying capacity)

𝛾 : perpindahan sebagian kecil dari kelas terinfeksi ke kelas rentan

b : laju hubungan penyakit

16
𝛿 : kematian karena penyakit

Dalam studi literatur ini, sebelum individu masuk ke kelas infeksi, individu
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].

Gambar 3.2 Bagan model inkubasi dalam penularan penyakit

Deskripsi dari gambar 3.2 :

Tanda ( ) menunjukkan penambahan populasi pada kelas rentan terhadap

penyakit dan pertumbuhannya logistik, dengan laju pertumbuhan intrinsik r dan
carrying capacity K. Disini diasumsikan bahwa tidak ada perpindahan secara
vertikal dari suatu penyakit (semua individu yang lahir merupakan individu yang
sehat dan rentan). Kemudian tanda ( ) menunjukkan pengurangan jumlah
individu pada kelas rentan karena adanya laju hubungan penyakit 𝛼, yaitu kontak
individu rentan dengan individu terinfeksi yang mengakibatkan individu tersebut
pindah dari kelas rentan ke kelas inkubasi. Hal ini merupakan penambahan
populasi pada kelas inkubasi. Pada kelas inkubasi akan terjadi pengurangan
populasi yang ditunjukkan dengan tanda ( ) dan ( ), yaitu kematian alami ᵝ
dan adanya perpindahan populasi dari kelas inkubasi ke kelas infeksi ᵝ1 . Tanda (
) juga menunjukkan penambahan populasi pada kelas infeksi. Pada kelas ini akan
terjadi pengurangan populasi yang ditunjukkan dengan tanda ( ) dan ( )

17
yaitu kematian akibat penyakit 𝛿 dan perpindahan populasi dari kelas terinfeksi ke
kelas rentan ᵞ1 .

Dari uraian di atas dapat disimpulkan bahwa model matematika yang

berkaitan dengan peran inkubasi dalam penularan penyakit adalah :

𝑑𝑆 𝑆
= 𝑟𝑆 (1 − 𝐾) − 𝛼𝑆𝐷 + ᵞ1 𝐷 (3.3)
𝑑𝑡

𝑑𝐼
= 𝛼𝑆𝐷 − ᵝ𝐼 (3.4)
𝑑𝑡

𝑑𝐷
= ᵝ1 𝐼 − 𝛿𝐷 (3.5)
𝑑𝑡

dengan

S(t) : jumlah individu rentan pada waktu t

I(t) : jumlah individu kelas inkubasi pada waktu t

D(t) : jumlah individu terinfeksi pada waktu t

r : laju pertumbuhan intrinsik

K : daya dukung (carrying capacity)

𝛼 : laju hubungan penyakit

𝛾1 : perpindahan sebagian kecil dari kelas terinfeksi ke kelas rentan

𝛽 : penghapusan dari kelas inkubasi

𝛽1 : perpindahan sebagian kecil dari kelas inkubasi ke kelas terinfeksi

𝛿 : penghapusan dari kelas terinfeksi

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, 𝛼, 𝛾1, 𝛽, 𝛽1, 𝛿 > 0.

untuk menyederhanakan sistem (3.3)-(3.5), dengan menggunakan

18
 𝑆 𝐼 𝐷
𝑥= ; 𝑦 = ; 𝑧 = ; 𝜏 = 𝑟𝑡,
𝐾 𝐾 𝐾

diperoleh sistem

𝑑𝑥
= 𝑥(1 − 𝑥) − 𝑎𝑥𝑧 + 𝑐𝑧 (3.6)
𝑑𝜏

𝑑𝑦
= 𝑎𝑥𝑧 − 𝑑𝑦 (3.7)
𝑑𝜏

𝑑𝑧
= 𝑑1 𝑦 − 𝑒𝑧 (3.8)
𝑑𝜏

dengan

𝛼𝐾 𝛾1 𝛽 𝛽1 𝛿
𝑎= ; 𝑐 = ; 𝑑 = ; 𝑑1 = ; 𝑒 =
𝑟 𝑟 𝑟 𝑟 𝑟

dan 𝑥(0) > 0, 𝑦(0) > 0, 𝑧(0) > 0.

3.2 Titik Kesetimbangan

Untuk menentukan titik kesetimbangan adalah me-nol-kan ruas kiri pada

sistem (3.6)-(3.8) sehingga turunan pertamanya bernilai nol.

0 = 𝑥(1 − 𝑥) − 𝑎𝑥𝑧 + 𝑐𝑧 (3.9)

0 = 𝑎𝑥𝑧 − 𝑑𝑦 (3.10)

0 = 𝑑1 𝑦 − 𝑒𝑧 (3.11)

lakukan eliminasi persamaan (3.9) dan (3.10)

0 = 𝑥(1 − 𝑥) − 𝑎𝑥𝑧 + 𝑐𝑧

0 = 𝑎𝑥𝑧 − 𝑑𝑦

𝑥(1 − 𝑥) + 𝑐𝑧 − 𝑑𝑦 = 0 (3.12)

19
kemudian lakukan eliminasi (3.11) dan (3.12)

𝑥(1 − 𝑥) + 𝑐𝑧 − 𝑑𝑦 = 0
𝑑1 𝑦 − 𝑒𝑧 =0

𝑥(1 − 𝑥) =0

𝑥 = 0 𝑎𝑡𝑎𝑢 𝑥 = 1

substitusi 𝑥 = 0 ke persamaan (3.10) diperoleh 𝑦 = 0. Dengan substitusi 𝑦 = 0 ke

persamaan (3.11) diperoleh 𝑧 = 0. Sehingga diperoleh titik kesetimbangan 𝐸0 =
(0,0,0), dan 𝐸1 = (1,0,0). 𝐸0 disebut titik kesetimbangan trivial, artinya ketika
tidak ada populasi rentan maka tidak akan ada populasi inkubasi dan infeksi.
Sedangkan 𝐸1 disebut kesetimbangan bebas penyakit, yaitu tidak adanya individu
yang terinfeksi.

Dari persamaan 𝑎𝑥𝑧 − 𝑑𝑦 = 0

𝑎𝑥𝑧 = 𝑑𝑦

𝑑𝑦
𝑧= 𝑎𝑥

dari persamaan 𝑑1 𝑦 − 𝑒𝑧 = 0

𝑑1 𝑦 = 𝑒𝑧

𝑒𝑧
𝑦=𝑑
1

𝑒𝑧 𝑑𝑦
dengan cara substitusi 𝑦 = 𝑑 ke 𝑧 =
1 𝑎𝑥

𝑒𝑧
𝑑( )
𝑑1
𝑧= 𝑎𝑥

𝑑𝑒𝑧
𝑧=𝑑
1 𝑎𝑥

𝑑1 𝑎𝑥𝑧 = 𝑑𝑒𝑧

𝑑𝑒
𝑥∗ = 𝑑 (3.13)
1𝑎

20
kemudian dengan cara substitusi (3.13) ke persamaan (3.6)

𝑥(1 − 𝑥) − 𝑎𝑥𝑧 + 𝑐𝑧 = 0

𝑥 − 𝑥 2 + (𝑐 − 𝑎𝑥)𝑧 = 0

𝑑𝑒 𝑑𝑒 2
−( ) + (𝑐 − 𝑎𝑥)𝑧 = 0
𝑑1 𝑎 𝑑1 𝑎

𝑑𝑒 𝑑𝑒 2 𝑎𝑑𝑒
−( ) + (𝑐 − )𝑧 = 0
𝑑1 𝑎 𝑑1 𝑎 𝑑1 𝑎

𝑐𝑑1 − 𝑑𝑒 𝑑2 𝑒 2 𝑑𝑒
( )𝑧 = 2 2 −
𝑑1 𝑑1 𝑎 𝑑1 𝑎

(𝑑2 𝑒 2 𝑑1 𝑎 − 𝑑𝑒𝑑1 2 𝑎2 )𝑑1

𝑧=
(𝑑1 𝑎)(𝑑1 2 𝑎2 )(𝑐𝑑1 − 𝑑𝑒)

𝑑2 𝑒 2 𝑑1 2 𝑎 − 𝑑𝑒𝑑1 3 𝑎2 )
𝑧=
(𝑑1 𝑎)(𝑑1 2 𝑎2 )(𝑐𝑑1 − 𝑑𝑒)

𝑑1 2 𝑎(𝑑 2 𝑒 2 − 𝑑𝑒𝑑1 𝑎)
𝑧=
(𝑑1 𝑎)(𝑑1 2 𝑎2 )(𝑐𝑑1 − 𝑑𝑒)

𝑑2 𝑒 2 − 𝑑𝑒𝑑1 𝑎
𝑧=
𝑑1 𝑎2 (𝑐𝑑1 − 𝑑𝑒)

𝑑𝑒(𝑑𝑒 − 𝑑1 𝑎)
𝑧=
𝑑1 𝑎2 (𝑐𝑑1 − 𝑑𝑒)

𝑑𝑒(𝑑1 𝑎−𝑑𝑒)
diperoleh 𝑧 ∗ = 𝑑 2
(3.14)
1 𝑎 (𝑑𝑒−𝑑1 𝑐)

Dengan cara substitusi (3.14) ke persamaan

𝑒𝑧
𝑦=
𝑑1

𝑑𝑒(𝑑1 𝑎 − 𝑑𝑒) 1
𝑦 = 𝑒( )
𝑑1 𝑎2 (𝑑𝑒 − 𝑑1 𝑐) 𝑑1

𝑑𝑒 2 (𝑑1 𝑎−𝑑𝑒)
diperoleh 𝑦 ∗ = 𝑑 2 2
1 𝑎 (𝑑𝑒−𝑑1 𝑐)

21
Jadi ada tiga kesetimbangan untuk sistem (3.6)-(3.8), yaitu

(i) E0 = (0,0,0) adalah kesetimbangan trivial.

(ii) E1 = (1,0,0) adalah kesetimbangan bebas penyakit.
(iii) E* = (x*,y*,z*) adalah kesetimbangan endemik, dimana

∗
𝑑𝑒 ∗ 𝑑𝑒 2 (𝑑1 𝑎 − 𝑑𝑒) 𝑑𝑒(𝑑1 𝑎 − 𝑑𝑒)
𝑥 = ;𝑦 = 2 2 ; 𝑑𝑎𝑛 𝑧 ∗ =
𝑑1 𝑎 𝑑1 𝑎 (𝑑𝑒 − 𝑑1 𝑐) 𝑑1 𝑎2 (𝑑𝑒 − 𝑑1 𝑐)

𝐸 ∗ merupakan titik kesetimbangan endemik,artinya terjadi wabah dalam suatu

populasi. Oleh karena jumlah populasi 𝐸 ∗ selalu bernilai positif maka 𝑥 ∗ , 𝑦 ∗ , 𝑧 ∗ >
0. Agar hal itu terjadi maka

𝑑1 𝑎 − 𝑑𝑒 > 0

𝑑1 𝑎 > 𝑑𝑒

𝑑𝑒
𝑎>
𝑑1

dan

𝑑𝑒 − 𝑑1 𝑐 > 0

𝑑𝑒 > 𝑑1 𝑐

𝑑𝑒
> 𝑐
𝑑1

𝑑𝑒
dari ekspresi di atas jelas bahwa 𝐸 ∗ ∈ 𝑅+ 3 , jika 𝑎 > >𝑐.
𝑑1

3.3 Kestabilan Titik Kesetimbangan

Sistem (3.6)-(3.8) mempunyai tiga titik kesetimbangan, yaitu E0 = (0, 0, 0),

E1 = (1, 0, 0) dan E* = (x*,y*,z*).

Kestabilan dari suatu titik kesetimbangan dapat dilihat dari nilai eigennya.
Apabila semua nilai eigennya bernilai negatif, maka titik tersebut stabil. Nilai

22
eigen sendiri dapat dicari dari persamaan karakteristik yang merupakan
determinan dari matriks Jacobi.

Matriks Jacobi dari sistem (3.6)-(3.8) adalah

1 − 2𝑥 − 𝑎𝑧 0 −𝑎𝑥 + 𝑐
𝐽=[ 𝑎𝑧 −𝑑 𝑎𝑥 ] (3.15)
0 𝑑1 −𝑒

3.3.1 Kestabilan dari Titik E0

Untuk mengetahui kestabilan titik kesetimbangan E0. Langkah pertama

adalah substitusi nilai 𝐸0 = (0,0,0) ke (3.15), diperoleh

1 0 𝑐
𝐽(𝐸0 ) = (0 −𝑑 0)
0 𝑑1 −𝑒

kemudian langkah kedua adalah menentukan persamaan karakteristik dengan cara

𝑑𝑒𝑡(𝐽(𝐸0 ) − 𝜆𝐼) = 0

1 0 𝑐 𝜆 0 0
|(0 −𝑑 0 ) − (0 𝜆 0)| = 0
0 𝑑1 −𝑒 0 0 𝜆

1−𝜆 0 𝑐
| 0 −𝑑 − 𝜆 0 |=0
0 𝑑1 −𝑒 − 𝜆

(1 − 𝜆)(−𝑑 − 𝜆)(−𝑒 − 𝜆) = 0

𝜆 = 1, 𝜆 = −𝑑, 𝜆 = −𝑒

diperoleh nilai eigen 𝜆𝑖 = 1, −𝑑, −𝑒 i=1,2,3. Oleh karena itu 𝐸0 adalah saddle
point. Yaitu adanya perkalian dua nilai eigen riil berbeda yang menghasilkan
negatif.

23
3.3.2 Kestabilan dari Titik 𝑬𝟏

Substitusi nilai 𝐸1 = (1,0,0) ke (3.15) diperoleh

−1 0 −𝑎 + 𝑐
𝐽(𝐸1 ) = ( 0 −𝑑 𝑎 )
0 𝑑1 −𝑒

kemudian menentukan persamaan karakteristik

𝑑𝑒𝑡(𝐽(𝐸1 ) − 𝜆𝐼) = 0

−1 0 −𝑎 + 𝑐 𝜆 0 0
|( 0 −𝑑 𝑎 ) − (0 𝜆 0)| = 0
0 𝑑1 −𝑒 0 0 𝜆

−1 − 𝜆 0 −𝑎 + 𝑐
| 0 −𝑑 − 𝜆 𝑎 |=0
0 𝑑1 −𝑒 − 𝜆

(−1 − 𝜆)(−𝑑 − 𝜆)(−𝑒 − 𝜆) − 𝑎𝑑1 (−1 − 𝜆) = 0

(−1 − 𝜆)[(−𝑑 − 𝜆)(−𝑒 − 𝜆) − 𝑎𝑑1 ] = 0

𝜆 = −1 atau

[(−𝑑 − 𝜆)(−𝑒 − 𝜆) − 𝑎𝑑1 ] = 0

𝜆2 + (𝑑 + 𝑒)𝜆 + (𝑑𝑒 − 𝑎𝑑1 ) = 0

diperoleh nilai eigen 𝜆 = −1 dan persamaan karakteristik

𝜆2 + (𝑑 + 𝑒)𝜆 + (𝑑𝑒 − 𝑎𝑑1 ) = 0 (3.16)

agar 𝐸1 = (1,0,0) stabil maka akar dari (3.16) harus negatif. Berikut ini akan
ditunjukkan kondisi sehingga akar-akar dari (3.16) bernilai negatif .

−𝑏 −(𝑑+𝑒)
𝜆1 + 𝜆2 = = = −𝑑 − 𝑒 < 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

24
 i. Untuk 𝜆1 , 𝜆2 < 0 maka 𝜆1 . 𝜆2 > 0 sehingga 𝑑𝑒 − 𝑎𝑑1 > 0 akibatnya
𝑑𝑒 > 𝑎𝑑1 .
ii. Untuk 𝜆1 < 0 < 𝜆2 maka 𝜆1 . 𝜆2 < 0 sehingga 𝑑𝑒 − 𝑎𝑑1 < 0
akibatnya 𝑑𝑒 < 𝑎𝑑1 .

Ternyata akar-akar yang negatif terdapat pada pernyataan i. Jadii akar-akar

dari persamaan (3.16) bernilai negatif ketika 𝑑𝑒 > 𝑑1 𝑎. Oleh karena itu titik
kesetimbangan E1 = (1, 0, 0) adalah lokal stabil.

3.3.3 Kestabilan dari Titik E*

Substitusi nilai E* = (x*,y*,z*) ke (3.15) diperoleh

1 − 2x ∗ −𝑎z ∗ 0 −𝑎x ∗ +𝑐
* 𝑎z ∗ −𝑑 𝑎x ∗ ]
𝐽(E ) = [
0 𝑑1 −𝑒

kemudian menentukan persamaan karakteristik

𝑑𝑒𝑡(𝐽(𝐸 ∗) − 𝜆𝐼) = 0

1 − 2x ∗ −𝑎z ∗ 0 −𝑎x ∗ +𝑐 𝜆 0 0
|( 𝑎z ∗ −𝑑 𝑎x ∗ ) − (0 𝜆 0)| = 0
0 𝑑1 −𝑒 0 0 𝜆

1 − 2x ∗ −𝑎z ∗ −𝜆 0 −𝑎 + 𝑐
|( 𝑎z ∗ −𝑑 − 𝜆 𝑎x ∗ )| = 0
0 𝑑1 −𝑒 − 𝜆

setelah dilakukan penyederhanaan diperoleh persamaan karakteristik untuk titik

kesetimbangan E* adalah [3]

𝑃(𝜆) = 𝜆3 + 𝐴1 𝜆2 + 𝐴2 𝜆 + 𝐴3 = 0 (3.17)

dimana

𝐴1 = 2𝑥 ∗ + 𝑎𝑧 ∗ + 𝑑 + 𝑒 − 1

𝐴2 = (𝑑 + 𝑒)(2𝑥 ∗ + 𝑎𝑧 ∗ − 1)

𝐴3 = 𝑑1 𝑎𝑧 ∗ (𝑎𝑥 ∗ − 𝑐)

25
dengan substitusi nilai 𝑥 ∗ dan 𝑧 ∗ , dapat mepermudah menguji bahwa 𝐴𝑖 > 0,
untuk i = 1,2,3. Berdasarkan kriteria Routh-Hurwitz, syarat perlu dan cukup untuk
semua akar persamaan (3.17) memiliki riil negatif ketika 𝐴𝑖 > 0, i = 1,2,3 dan
𝐴1 𝐴2 > 𝐴3 . Dari pertidaksamaan terakhir syarat cukup untuk kestabilan yaitu
𝑑1 𝑐(𝑑 + 𝑒) > 1. Oleh karena itu dapat dinyatakan teorema berikut [3]:

Teorema 3.1

Sistem (3.6)-(3.8) adalah stabil lokal sekitar titik kesetimbangan endemik 𝐸 ∗ ,

ketika 𝑑1 𝑐(𝑑 + 𝑒) > 1.

26
 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 − 𝐾) − 𝛼𝑆𝐷 + ᵞ1 𝐷
𝑑𝑡

𝑑𝐼
= 𝛼𝑆𝐷 − ᵝ𝐼
𝑑𝑡

𝑑𝐷
= ᵝ1 𝐼 − 𝛿𝐷
𝑑𝑡

dengan

S(t) : jumlah individu rentan pada waktu t

I(t) : jumlah individu kelas inkubasi pada waktu t

D(t) : jumlah individu terinfeksi pada waktu t

r : laju pertumbuhan intrinsik

K : daya dukung (carrying capacity)

𝛼 : laju hubungan penyakit

𝛾1 : perpindahan sebagian kecil dari kelas terinfeksi ke kelas rentan

𝛽 : penghapusan dari kelas inkubasi

𝛽1 : perpindahan sebagian kecil dari kelas inkubasi ke kelas terinfeksi

𝛿 : penghapusan dari kelas terinfeksi

dimana S(0) > 0, I(0) > 0,dan D(0) > 0 dan total populasi pada waktu t adalah

27
 N(t) = S(t)+I(t)+D(t)

dengan r, K, 𝛼, 𝛾1, 𝛽, 𝛽1, 𝛿 > 0.

untuk menyederhanakan sistem di atas, dengan menggunakan

𝑆 𝐼 𝐷
𝑥= ; 𝑦 = ; 𝑧 = ; 𝜏 = 𝑟𝑡,
𝐾 𝐾 𝐾

diperoleh sistem

𝑑𝑥
= 𝑥(1 − 𝑥) − 𝑎𝑥𝑧 + 𝑐𝑧
𝑑𝜏

𝑑𝑦
= 𝑎𝑥𝑧 − 𝑑𝑦
𝑑𝜏

𝑑𝑧
= 𝑑1 𝑦 − 𝑒𝑧
𝑑𝜏

dengan

𝛼𝐾 𝛾1 𝛽 𝛽1 𝛿
𝑎= ; 𝑐 = ; 𝑑 = ; 𝑑1 = ; 𝑒 =
𝑟 𝑟 𝑟 𝑟 𝑟

dan 𝑥(0) > 0, 𝑦(0) > 0, 𝑧(0) > 0.

Analisis model matematika yang berkaitan dengan peran masa inkubasi

dalam penularan penyakit menghasilkan

Ada tiga kesetimbangan untuk sistem, yaitu

(i) E0 = (0,0,0) adalah kesetimbangan trivial. Jenis kestabilan dari 𝐸0

adalah saddle point.
(ii) E1 = (1,0,0) adalah kesetimbangan bebas penyakit. Jenis kestabilan dari
E1 adalah stabil lokal ketika 𝑑𝑒 > 𝑑1 𝑎.
(iii) E* = (x*,y*,z*) adalah kesetimbangan endemik, dimana

𝑑𝑒 𝑑𝑒 2 (𝑑1 𝑎−𝑑𝑒) 𝑑𝑒(𝑑1 𝑎−𝑑𝑒)

𝑥∗ = 𝑑 ; 𝑦∗ = 𝑑2 2 ; 𝑑𝑎𝑛 𝑧∗ = 𝑑 2
.
1 𝑎 1 𝑎 (𝑑𝑒−𝑑1 𝑐) 1 𝑎 (𝑑𝑒−𝑑1 𝑐)

Jenis kestabilan dari E* adalah stabil lokal ketika 𝑑1 𝑐(𝑑 + 𝑒) > 1.

28
4.2 Saran

Pada literatur ini hanya mengkaji model matematika yang berkaitan dengan
peran masa inkubasi dalam penularan penyakit. Dengan membagi populasi
menjadi tiga kelas, yaitu kelas rentan (Susceptible), inkubasi (incubated), dan
infeksi (infected atau diseased). Untuk penulisan literatur selanjutnya dapat
dilakukan dengan penambahan kelas yaitu kelas sehat (recovered).

29
 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.

[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,
diakses 23 November 2012

30