Oleh
AULA NASYRAH
NIM. 4153230004
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
ALAM
UNIVERSITAS NEGERI MEDAN
2018
Judul Penelitian : ANALISIS EKSISTENSI DAN KETUNGGALAN
SOLUSI MODEL EPIDEMI SEIR PENYEBARAN
PENYAKIT EBOLA PADA POPULASI MANUSIA
TAK KONSTAN
Mengetahui,
Dosen Pengampu,
Tanggal Ujian :
Nilai :
i
ABSTRAK
Kata kunci: Penyakit Virus Ebola, Model SEIJR, Titik Ekuilibrium, Analisis
Kestabilan, dan Analisis Eksistensi dan Ketunggalan Solusi.
ii
KATA PENGANTAR
Puji syukur kehadirat Tuhan Yang Maha Esa atas segala rahmat-Nya
sehingga penyusunan proposal Pemodelan Matematika dengan judul “Analisis
Eksistensi dan Ketunggalan Solusi Model Epidemi SEIR Penyebaran Penyakit
Ebola pada Populasi Manusia Tak Konstan” dapat dirampungkan tepat pada
waktunya.
Penyusunan proposal semaksimal mungkin diupayakan dan didukung
bantuan berbagai pihak, sehingga dapat memperlancar dalam penyusunannya.
Untuk itu tidak lupa diucapkan terima kasih kepada semua pihak yang telah
membantu dalam merampungkan proposal ini.
Namun tidak lepas dari semua itu, masih terdapat kekurangan baik dari
segi penyusunan bahasa dan aspek lainnya, sehingga dibuka selebar-lebarnya
pintu bagi pembaca yang ingin memberi saran maupun kritik demi memperbaiki
proposal ini. Diharapkan semoga dari proposal sederhana ini dapat diambil
manfaatnya, dapat menambah pengetahuan dan pengalaman bagi para pembaca,
Medan, 2018
Penyusun
iii
DAFTAR ISI
BAB I. PENDAHULUAN
1.1 Latar Belakang ....................................................................................... 1
1.1.1 Permasalahan Nyata ......................................................................... 2
1.1.2 Asumsi-Asumsi yang Digunakan .................................................... 3
1.2.3 Formulasi Model .............................................................................. 4
1.2 Rumusan Masalah .................................................................................. 6
1.3 Batasan Masalah ..................................................................................... 7
1.4 Tujuan Penelitian .................................................................................... 7
1.5 Manfaat Penelitian .................................................................................. 7
BAB II. TINJAUAN PUSTAKA
2.1 Persamaan Diferensial ............................................................................ 8
2.2 Sistem Persamaan Diferensial ................................................................ 8
2.2.1 Sistem Persamaan Diferensial Linear .............................................. 9
2.2.2 Sistem Persamaan Diferensial Non Linear .................................... 10
2.3 Titik Ekuilibrium .................................................................................. 10
2.4 Matriks Jacobian .................................................................................. 10
2.5 Linearisasi Sistem Non Linear ............................................................. 11
2.6 Analisis Kestabilan ............................................................................... 11
2.7 Eksistensi dan Ketunggalan Solusi ...................................................... 13
2.7.1 Analisis Eksistensi ......................................................................... 13
2.7.2 Analisis Ketunggalan Solusi .......................................................... 13
2.8 Penyakit Ebola ...................................................................................... 13
BAB III. METODOLOGI PENELITIAN
3.1 Waktu dan Tempat Penelitian .............................................................. 16
iv
3.2 Metode Penelitian ................................................................................. 16
3.3 Prosedur Penelitian ............................................................................... 16
BAB IV. HASIL DAN PEMBAHASAN
4.1 Titik Ekuilibrium .................................................................................. 18
4.1.1 Titik Ekuilibrium Bebas Penyakit ................................................. 18
4.1.2 Titik Ekuilibrium Endemik ............................................................ 19
4.2 Analisis Kestabilan Titik Ekuilibrium................................................... 22
4.2.1 Analisis Kestabilan Titik Ekuilibrium Bebas Penyakit ................. 23
4.2.2 Analisis Kestabilan Titik Ekuilibrium Endemik ............................ 25
4.3 Analisis Eksistensi dan Ketunggalan Solusi ........................................ 27
4.3.1 Eksistensi Model Epidemi SEIJR .................................................. 27
4.3.2 Ketunggalan Solusi Model Epidemi SEIJR ................................... 36
BAB V. PENUTUP
5.1 Kesimpulan ........................................................................................... 38
5.2 Saran ..................................................................................................... 38
v
BAB I
PENDAHULUAN
1
Model tersebut membagi populasi manusia menjadi enam kelompok, yaitu
kelompok individu rentan, kelompok individu laten tidak terdeteksi, kelompok
individu laten terdeteksi, kelompok individu terinfeksi, kelompok individu
terisolasi dengan tingkat efektivitas tertentu, dan kelompok individu sembuh.
2
7. Sejak tahun 1976 sampai dengan 2014, penyakit Ebola ditemukan di
negara-negara Afrika, yakni Kongo, negara-negara Afrika Barat, Uganda,
Sudan Selatan, Gabon, Pantai Gading, dan Zaire (Tseng et al, 2014)
8. Salah satu cara untuk mendiagnosa penyakit virus Ebola yaitu dengan uji
RT-PCR (Reverse Transcriptase Polymerase Chain Reaction). Jika uji RT-
PCR menyatakan positif artinya individu terinfeksi virus Ebola dan
sebaliknya (Chowell et al, 2015)
3
1.1.3 Formulasi Model
Berdasarkan permasalahan nyata penyakit virus Ebola dan asumsi-asumsi
yang telah dibuat, akan dibentuk model dari penyebaran virus Ebola pada suatu
populasi. Populasi tersebut dibagi menjadi lima kelompok, yaitu kelompok
susceptible (𝑆), kelompok exposed (𝐸), kelompok infected (𝐼), kelompok isolated
(𝐽), dan kelompok recovered (𝑅). Kelompok susceptible (𝑆) merupakan kelompok
individu yang belum terjangkit dan berisiko tertular virus. Kelompok exposed (𝐸)
merupakan kelompok individu laten, artinya individu tersebut terjangkit virus
namun belum mengembangkan gejala dan belum dapat menularkan. Kelompok
infected (𝐼) merupakan kelompok individu terinfeksi dan dapat menularkan virus.
Kelompok isolated (𝐼) merupakan kelompok individu terisolasi. Kelompok
recovered (𝑅) merupakan kelompok individu sembuh. Berdasarkan pembagian
populasi tersebut, model matematika yang terbentuk dituliskan sebagai model
𝑆𝐸𝐼𝐽𝑅. Untuk formulasi setiap kelompok pada populasi, didefinisikan parameter-
parameter yang digunakan yaitu:
Λ = laju kelahiran
𝛽 = laju transmisi
𝜇 = laju kematian alami
𝜅 = laju perpindahan dari 𝐸 ke 𝐼 atau ke 𝐽
𝜌 = proporsi dari 𝐸 yang berpindah ke 𝐽
𝛾 = laju perpindahan dari 𝐼 ke 𝑅 atau laju kematian karena virus Ebola
𝛿 = laju perpindahan dari 𝐽 ke 𝑅 atau laju kematian karena virus Ebola
𝛼 = laju perpindahan dari 𝐼 ke 𝐽
𝑞1 = proporsi dari 𝐼 yang mati karena virus Ebola
𝑞2 = proporsi dari 𝐽 yang mati karena virus Ebola
Setiap individu yang lahir merupakan individu rentan, individu tersebut
kemudian masuk ke 𝑆 dengan laju Λ. Individu pada 𝑆 dapat terjangkit virus jika
melakukan kontak langsung dengan individu terinfeksi dengan laju transmisi 𝛽,
kemudian akan berpindah ke 𝐸 dengan laju 𝜆, yaitu
𝐼
𝜆 = 𝛽𝑁 (1.1).
4
Dari riwayat kontak individu terinfeksi, individu pada 𝐸 dapat dideteksi
untuk selanjutnya dilakukan uji RT-PCR. Namun dengan adanya keterbatasan
riwayat kontak dan infrastruktur medis, baik uji RT-PCR, maupun isolasi tidak
dapat diberikan kepada setiap individu pada 𝐸. Individu pada 𝐸 dapat berpidah ke
𝐽 atau ke 𝐼 dengan laju 𝜅. Individu pada 𝐸 dengan uji RT-PCR positif akan
berpindah ke 𝐽 dengan proporsi 𝜌. Individu pada 𝐸 dengan uji RT-PCR positif
namun tidak mendapat isolasi dan individu pada 𝐸 yang tidak mendapat uji RT-
PCR akan berpindah ke 𝐼.
Individu pada 𝐼 yang mendapat kesempatan diisolasi kemudian akan
berpindah ke 𝐽 dengan laju 𝛼. Individu pada 𝐼 dapat berpindah ke 𝑅 atau
dihapuskan dari 𝐼 dengan laju 𝛾. Individu pada 𝐼 yang mati karena virus Ebola
akan dihapuskan dari 𝐼 dengan proporsi 𝑞1 , sedangkan individu pada 𝐼 yang
sembuh akan berpidah ke 𝑅.
Individu pada 𝐽 dapat berpindah ke 𝑅 atau dihapuskan dari 𝐽 dengan laju
𝛿. Individu pada 𝐽 yang mati karena virus Ebola kemudian dihapuskan dari
kelompok 𝐼 dengan proporsi 𝑞2 , sedangkan individu pada 𝐽 yang sembuh akan
berpidah ke 𝑅. Individu yang mati bukan karena virus Ebola diasumsikan sebagai
kematian alami, dan akan dihapuskan dari setiap kelompok dengan laju 𝜇.
Dari penjelasan tersebut, diperoleh diagram alir model matematis
penyebaran penyakit virus Ebokla sebagai berikut:
5
Model matematika penyebaran penyakit virus Ebola pada Gambar 1 dapat
dideskripsikan ke dalam sistem persamaan:
𝑑𝑆(𝑡) 𝐼
= Λ − (𝛽 𝑁 + 𝜇) 𝑆
𝑑𝑡
𝑑𝐸(𝑡) 𝐼
= 𝛽 𝑁 𝑆 − (𝜅 + 𝜇)𝐸
𝑑𝑡
𝑑𝐼(𝑡)
= (1 − 𝜌)𝜅𝐸 − (𝛼 + 𝛾 + 𝜇)𝐼
𝑑𝑡
𝑑𝐽(𝑡)
= 𝜌𝜅𝐸 + 𝛼𝐼 − (𝛿 + 𝜇)𝐽
𝑑𝑡
𝑑𝑅(𝑡)
= (1 − 𝑞1 )𝛾𝐼 + (1 − 𝑞2 )𝛿𝐽 − 𝜇𝑅
𝑑𝑡
6
ekuilibrium, menyelidiki eksistensi dan ketunggalan solusi model serta bagaimana
simulasi model matematika penyebaran penyakit Ebola.
7
BAB II
TINJAUAN PUSTAKA
8
𝑑𝑥1 𝑑𝑥2 𝑑𝑥𝑛 𝑻
𝑥̇ = ( , ,…, ) .
𝑑𝑡 𝑑𝑡 𝑑𝑡
Diberikan sistem autonomous
𝑥̇ = 𝑓(𝑥) (2.1)
yaitu suatu sistem persamaan diferensial dengan variabel bebas yang
implisit dengan 𝑥 ∈ 𝐿 ⊆ 𝑅 𝑛 , 𝑓: 𝐿 → 𝑅 𝑛 , 𝐿 himpunan terbuka dan 𝑓 ∈ 𝐶 1 (𝐿)
dengan 𝐶 1 merupakan notasi untuk himpunan semua fungsi yang mempunyai
turunan pertama yang kontinu di 𝐿. Sistem (2.1) dapat ditulis sebagai
𝑑𝑥1
𝑑𝑡 𝑓1 (𝑥1 , 𝑥2 , … , 𝑥𝑛 )𝑇
𝑑𝑥2
= 𝑓2 (𝑥1 , 𝑥2 , … , 𝑥𝑛 )𝑇
𝑑𝑡 ⋮
⋮
𝑑𝑥𝑛 [𝑓𝑛 1 , 𝑥2 , … , 𝑥𝑛 )𝑇 ]
(𝑥
[ 𝑑𝑡 ]
atau
𝑑𝑥1
= 𝑓1 (𝑥1 , 𝑥2 , … , 𝑥𝑛 )𝑇
𝑑𝑡
𝑑𝑥2
= 𝑓2 (𝑥1 , 𝑥2 , … , 𝑥𝑛 )𝑇
𝑑𝑡
⋮
𝑑𝑥𝑛
= 𝑓𝑛 (𝑥1 , 𝑥2 , … , 𝑥𝑛 )𝑇
𝑑𝑡
9
𝑥̇ = 𝐴𝑥 + 𝐺(𝑡) (2.3)
dengan 𝐴 adalah matriks 𝑛 × 𝑛 yang merupakan matriks koefisien dari variabel
tak bebas 𝑥 ∈ 𝑅 𝑛 , dengan 𝑎𝑖𝑗 ∈ 𝑅, 𝑖 = 1,2, … , 𝑚, 𝑗 = 1,2, … , 𝑛 dan 𝐺(𝑡) adalah
matriks ukuran 𝑛 × 1 yang merupakan fungsi dari 𝑡,
𝑎11 𝑎12 ⋯ 𝑎1𝑛 𝑥1 𝑔1 (𝑡)
𝑎21 𝑎22 ⋯ 𝑎2𝑛 𝑥2 𝑔2 (𝑡)
𝑥̇ = [ ⋮ ⋮ ⋱ ⋮ ][ ⋮ ]+ [ ⋮ ]
𝑎𝑚1 𝑎𝑚2 ⋯ 𝑎𝑚𝑛 𝑥𝑛 𝑔𝑛 (𝑡)
10
𝜕𝑓1 𝜕𝑓1 𝜕𝑓1
(𝑥̅ ) (𝑥̅ ) ⋯ (𝑥̅ )
𝜕𝑥1 𝜕𝑥2 𝜕𝑥𝑛
𝜕𝑓2 𝜕𝑓2 𝜕𝑓2
(𝑥̅ ) (𝑥̅ ) ⋯ (𝑥̅ )
𝑀𝑎𝑡𝑟𝑖𝑘𝑠 𝐽(𝑓(𝑥̅ )) = 𝜕𝑥1 𝜕𝑥2 𝜕𝑥𝑛
⋮ ⋮ ⋱ ⋮
𝜕𝑓2 𝜕𝑓𝑛 𝜕𝑓𝑛
(𝑥̅ ) (𝑥̅ ) ⋯ (𝑥̅ )
[𝜕𝑥1 𝜕𝑥2 𝜕𝑥𝑛 ]
dinamakan Matriks Jacobian dari 𝑓 di titik 𝑥̅ .
Definisi 2.7 (Perko, 1991) Titik ekuilibrium 𝑥̅ disebut titik ekuilibrium hiperbolik
dari Sistem (2.1) jika semua nilai eigen 𝐽(𝑓(𝑥̅ )), mempunyai bagian real tak nol.
Selanjutnya, dalam bukunya Perko (1991) mendefinisikan linearisasi suatu
sistem non linear dengan Matriks Jacobian 𝐽(𝑓(𝑥̅ )) di sekitar titik ekuilibrium 𝑥̅ .
11
Untuk suatu skalar 𝜆. Skalar 𝜆 disebut nilai eigen (eigen value) dari 𝐴 dan
𝑥 dikatakan vektor eigen yang bersesuaian dengan 𝜆.
Untuk mencari nilai eigen matriks 𝐴 yang berukuran 𝑛 × 𝑛 maka harus
menuliskan kembali Persamaan (2.4) sebagai 𝐴𝑥 = 𝜆𝐼𝑥 atau secara ekuivalen
dapat ditulis menjadi:
(𝜆𝐼 − 𝐴) = 0 (2.5)
Agar 𝜆 menjadi nilai eigen, maka harus ada pemecahan tak nol dari
persamaan ini. Sehingga, Persamaan (2.5) akan mempunyai pemecahan tak nol
jika dan hanya jika:
𝑑𝑒𝑡(𝜆𝐼 − 𝐴) = 0 (2.6)
Persamaan (2.6) dinamakan persamaan karakteristik 𝐴, skalar yang
memenuhi persaman ini adalah nilai eigen dari 𝐴. Bila diperluas, maka
determinan 𝑑𝑒𝑡(𝜆𝐼 − 𝐴) adalah polinom 𝜆 yang kita namakan polinom
karakteristik dari 𝐴. Berikut ini adalah penjelasan mengenai teorema kestabilan
yang diambil dari Finizio & Ladas (1982):
Teorema 2.1
1. Titik kesetimbangan (𝑥1 , 𝑥2 ) dari sistem linier akan stabil jika dan hanya
jika akar-akar dari polinom karakteristik adalah real dan negatif atau
mempunyai bagian real tak positif.
2. Titik kesetimbangan (𝑥1 , 𝑥2 ) dari sistem linier akan stabil asimtotik jika
dan hanya jika akar-akar dari polinom karakteristik adalah real dan negatif
atau mempunyai bagian real yang negatif.
3. Titik kesetimbangan (𝑥1 , 𝑥2 ) dari sistem linier akan tidak stabil jika paling
sedikit satu akar mempunyai bagian real yang positif.
Teorema 2.2
1. Titik kesetimbangan (𝑥1 , 𝑥2 ) dari sistem non linier adalah stabil asimtotik
jika titik kesetimbangan (𝑥1 , 𝑥2 ) adalah hasil linearisasi dari sistem yang
stabil asimtotik pada sistem liniernya.
12
2. Titik kesetimbangan (𝑥1 , 𝑥2 ) dari sistem non linier adalah tak stabil jika
titik kesetimbangan (𝑥1 , 𝑥2 ) adalah hasil linearisasi dari sistem yang tak
stabil pada sistem liniernya.
13
untai negatif tak bersegmen famili Paramyxoviridae, Rhabdoviridae, dan
Bornaviridae (Beer & Kurth, 1999). Ebola pertama kali diperkenalkan pada tahun
1976 ketika 2 penyebaran yang tak bersangkutan terjadi di Sudan bagian selatan
dan Republik Demokratik Kongo. Virus ini diberi nama Ebola, mirip dengan
nama sebuah sungai kecil dekat pusat penyebaran di Republik Demokratik
Kongo. Termasuk dengan epidemik saat ini, telah ada kira-kira 20 penyebaran
Ebola yang dikenali, semua terjadi di Afrika, dengan tingkat kematian 25%
hingga 90% (Meyers et al, 2015). Penyebaran penyakit karena virus Ebola terjadi
oleh kontak langsung melalui kulit yang rusak atau membran selaput lendir atau
objek seperti jarum. Cairan tubuh, termasuk air liur, darah, muntahan, diare, dan
air mani, muncul menjadi objek penularan. Penyebaran terjadi dari korban Ebola
yang mati ke anggota keluarga yang melakukan ritual pencucian mayat dalam
proses pemakaman. Kontak fisik sederhana dengan individu yang terinfeksi tidak
cukup menimbulkan penyakit. Secara umum Ebola tidak menyebar melalui
penyebaran udara. Jadi, sebagai perbandingan, penularannya tidak seperti campak
atau influenza (Meyers et al, 2015). Penyakit karena virus Ebola disebabkan oleh
infeksi Filovirus Zaire ebolavirus, yang memiliki jangkauan yang luas terhadap
efek kardiovaskular dan paru – paru. Penyakit ini pertama kali diamati pada 1976
di lembah sungai Ebola yang sekarang dikenal sebagai Republik Demokratik
Kongo, Afrika. Sejak saat itu, Zaire ebolavirus telah menyebabkan sejumlah
wabah selama 3 dekade terakhir dan telah memuncak dalam wabah terbesar saat
ini, yang telah berlangsung di sejumlah negara Afrika Barat dan tersebar di
seluruh dunia (Heller et al, 2015).
Penularan penyakit virus Ebola dapat dicegah, salah satunya yaitu dengan
pemberian vaksin. Vaksin yang disebut rVSV-ZEBOV (Recombinant Vesicular
Stomatitis Virus-Zaire Ebola Virus) telah melumpuhkan virus Ebola dengan
menerapkan metode vaksinasi cincin, yaitu dengan memberikan vaksin pada
individu yang mungkin melakukan kontak dengan individu terinfeksi seperti
pihak keluarga. Walaupun vaksin untuk penyakit virus Ebola telah ditemukan,
namun hingga saat ini belum ada obat khusus yang terbukti dapat menyembuhkan
penyakit tersebut sehingga pengobatan yang dapat dilakukan hanya dengan
14
rehidrasi. Penyakit virus Ebola memiliki masa inkubasi selama 2−21 hari dan
gejala akan muncul 8−10 hari setelah individu terjangkit. Selama masa inkubasi
individu yang telah terjangkit belum dapat menularkan dan belum menunjukan
gejala. Gejala yang terjadi menyerupai penyakit menular lain, oleh karena itu
diperlukan uji khusus untuk mendiagnosa penyakit tersebut.
Salah satu cara untuk mendiagnosa penyakit virus Ebola yaitu dengan uji
RT-PCR (Reverse Transcriptase Polymerase Chain Reaction). Jika uji RT-PCR
menyatakan positif artinya individu terinfeksi virus Ebola dan sebaliknya.
Penelitian mengenai keefektifan uji RT-PCR dalam mendiagnosa penyakit virus
Ebola telah dilakukan oleh Diego Chowell, Muntaser Safan, dan Carlos Castillo-
Chaves pada tahun 2015. Namun demikian kebutuhan mendesak RT-PCR tidak
dapat diberikan kepada semua calon penderita karena adanya keterbatasan medis
di negara-negara terjangkit.
15
BAB III
METODOLOGI PENELITIAN
16
4. Menyelidiki eksistensi dan ketunggalan solusi dari titik ekuilibrium model
epidemi SEIJR tersebut.
5. Interpretasi Hasil.
6. Penarikan kesimpulan.
Selanjutnya langkah-langkah yang telah dijelaskan di atas dapat
digambarkan secara skematik sebagai berikut:
Identifikasi Karakteristik
Asumsi Ebola
Masalah
Pemodelan
Matematika
Interpretasi Hasil
Penarikan Kesimpulan
17
BAB IV
HASIL DAN PEMBAHASAN
𝑏𝜅𝐸 − 𝑐𝐼 = 0
𝜌𝜅𝐸 + 𝛼𝐼 − 𝑑𝐽 = 0
𝑒𝛾𝐼 + 𝑓𝛿𝐽 − 𝜇𝑅 = 0 (4.2)
Diperoleh
Λ − 𝜇𝑆 = 0
Λ = 𝜇𝑆
Λ
𝑆=𝜇
𝐼
b. Substitusi 𝐼 = 0 ke 𝛽 𝑁 𝑆 − 𝑎𝐸 = 0
Diperoleh
18
−𝑎𝐸 = 0
𝐸=0
c. Substitusi 𝐼 = 0 dan 𝐸 = 0 ke 𝜌𝜅𝐸 + 𝛼𝐼 − 𝑑𝐽 = 0
Diperoleh
−𝑑𝐽 = 0
𝐽=0
d. Substitusi 𝐼 = 0 dan 𝐽 = 0 ke 𝑒𝛾𝐼 + 𝑓𝛿𝐽 − 𝜇𝑅 = 0
Diperoleh
− 𝜇𝑅 = 0
𝑅=0
Sehingga pada saat 𝐼 = 0 diperoleh titik ekuilibrium bebas penyakit, yaitu
Λ
𝐸0 = (𝑆, 𝐸, 𝐼, 𝐽, 𝑅) = (𝜇 , 0,0,0,0).
𝑏𝜅𝐸 ∗ − 𝑐𝐼 ∗ = 0
𝜌𝜅𝐸 ∗ + 𝛼𝐼 ∗ − 𝑑𝐽∗ = 0
𝑒𝛾𝐼 ∗ + 𝑓𝛿𝐽∗ − 𝜇𝑅 ∗ = 0 (4.3)
Dari persamaan pertama, ketiga, keempat, dan kelima pada Sistem (4.3)
diperoleh:
𝐼∗
a. Λ − (𝛽 𝑁 + 𝜇) 𝑆 ∗ = 0
𝐼∗
Λ = (𝛽 𝑁 + 𝜇) 𝑆 ∗
Λ
𝑆∗ = 𝐼∗
(𝛽 +𝜇)
𝑁
Λ𝑁
𝑆 ∗ = (𝛽𝐼∗+𝜇𝑁)
19
b. 𝑏𝜅𝐸 ∗ − 𝑐𝐼 ∗ = 0
𝑏𝜅𝐸 ∗ = 𝑐𝐼 ∗
𝑐𝐼 ∗
𝐸∗ = 𝑏𝜅
c. 𝜌𝜅𝐸 + 𝛼𝐼 ∗ − 𝑑𝐽∗ = 0
∗
𝑐𝐼 ∗
𝜌𝜅 ( 𝑏𝜅 ) + 𝛼𝐼 ∗ = 𝑑𝐽∗
𝜌𝑐𝐼 ∗
+ 𝛼𝐼 ∗ = 𝑑𝐽∗
𝑏
𝜌𝑐𝐼 ∗ +𝛼𝑏𝐼 ∗
= 𝑑𝐽∗
𝑏
𝐼 ∗ (𝜌𝑐+𝛼𝑏)
𝐽∗ = 𝑏𝑑
d. 𝑒𝛾𝐼 ∗ + 𝑓𝛿𝐽∗ − 𝜇𝑅 ∗ = 0
𝐼 ∗ (𝜌𝑐+𝛼𝑏)
𝑒𝛾𝐼 ∗ + 𝑓𝛿 ( ) = 𝜇𝑅 ∗
𝑏𝑑
𝑓𝛿𝐼 ∗ (𝜌𝑐+𝛼𝑏)
𝑒𝛾𝐼 ∗ + = 𝜇𝑅 ∗
𝑏𝑑
𝑏𝑑𝑒𝛾𝐼 ∗ +𝑓𝛿𝐼 ∗ (𝜌𝑐+𝛼𝑏)
= 𝜇𝑅 ∗
𝑏𝑑
𝐼 ∗ (𝑏𝑑𝑒𝛾+𝑓𝛿(𝜌𝑐+𝛼𝑏))
𝑅∗ = 𝜇𝑏𝑑
20
Substitusikan 𝐼 ∗ ke persamaan a, b, c, dan d, diperoleh:
Λ𝑁
𝑆 ∗ = (𝛽𝐼∗+𝜇𝑁)
Λ𝑁
𝑆∗ = 𝑏𝜅𝛽Λ−𝑎𝑐𝜇𝑁
𝛽( )+𝜇𝑁
𝑎𝑐𝛽
Λ𝑁
𝑆∗ = 𝑏𝜅𝛽Λ−𝑎𝑐𝜇𝑁+𝑎𝑐𝜇𝑁
𝑎𝑐
𝑎𝑐Λ𝑁
𝑆 ∗ = 𝑏𝜅𝛽Λ
𝑎𝑐𝑁
𝑆 ∗ = 𝑏𝜅𝛽,
𝑐𝐼 ∗
𝐸∗ = 𝑏𝜅
𝑏𝜅𝛽Λ−𝑎𝑐𝜇𝑁
𝑐( )
∗ 𝑎𝑐𝛽
𝐸 = 𝑏𝜅
𝑏𝜅𝛽Λ−𝑎𝑐𝜇𝑁
( )
∗ 𝑎𝛽
𝐸 = 𝑏𝜅
𝑏𝜅𝛽Λ−𝑎𝑐𝜇𝑁
𝐸∗ = ,
𝑎𝑏𝜅𝛽
𝐼 ∗ (𝜌𝑐+𝛼𝑏)
𝐽∗ = 𝑏𝑑
𝑏𝜅𝛽Λ−𝑎𝑐𝜇𝑁
( )(𝜌𝑐+𝛼𝑏)
𝑎𝑐𝛽
𝐽∗ = 𝑏𝑑
(𝑏𝜅𝛽Λ−𝑎𝑐𝜇𝑁)(𝜌𝑐+𝛼𝑏)
∗ 𝑎𝑐𝛽
𝐽 = 𝑏𝑑
(𝑏𝜅𝛽Λ−𝑎𝑐𝜇𝑁)(𝜌𝑐+𝛼𝑏)
𝐽∗ = , dan
𝑎𝑏𝑐𝑑𝛽
𝐼 ∗ (𝑏𝑑𝑒𝛾+𝑓𝛿(𝜌𝑐+𝛼𝑏))
𝑅∗ = 𝜇𝑏𝑑
𝑏𝜅𝛽Λ−𝑎𝑐𝜇𝑁
( )(𝑏𝑑𝑒𝛾+𝑓𝛿(𝜌𝑐+𝛼𝑏))
∗ 𝑎𝑐𝛽
𝑅 = 𝜇𝑏𝑑
𝑏𝜅𝛽Λ−𝑎𝑐𝜇𝑁(𝑏𝑑𝑒𝛾+𝑓𝛿(𝜌𝑐+𝛼𝑏))
( )
∗ 𝑎𝑐𝛽
𝑅 =
𝜇𝑏𝑑
(𝑏𝜅𝛽Λ−𝑎𝑐𝜇𝑁)(𝑏𝑑𝑒𝛾+𝑓𝛿(𝜌𝑐+𝛼𝑏))
𝑅∗ = .
𝑎𝑏𝑐𝑑𝜇𝛽
21
4.2 Analisis Kestabilan Titik Ekuilibrium
Analisis kestabilan titik ekuilibrium ditentukan berdasarkan nilai eigen
dari Matriks Jacobian yang diperoleh melalui metode linearisasi sistem persamaan
diferensial model epidemi SEIJR.
Matriks Jacobian untuk model epidemi SEIJR:
𝜕𝑓1 𝜕𝑓1 𝜕𝑓1 𝜕𝑓1 𝜕𝑓1
𝜕𝑆 𝜕𝐸 𝜕𝐼 𝜕𝐽 𝜕𝑅
𝜕𝑓2 𝜕𝑓2 𝜕𝑓2 𝜕𝑓2 𝜕𝑓2
𝜕𝑆 𝜕𝐸 𝜕𝐼 𝜕𝐽 𝜕𝑅
𝜕𝑓3 𝜕𝑓3 𝜕𝑓3 𝜕𝑓3 𝜕𝑓3
𝐽=
𝜕𝑆 𝜕𝐸 𝜕𝐼 𝜕𝐽 𝜕𝑅
𝜕𝑓4 𝜕𝑓4 𝜕𝑓4 𝜕𝑓4 𝜕𝑓4
𝜕𝑆 𝜕𝐸 𝜕𝐼 𝜕𝐽 𝜕𝑅
𝜕𝑓5 𝜕𝑓5 𝜕𝑓5 𝜕𝑓5 𝜕𝑓5
[ 𝜕𝑆 𝜕𝐸 𝜕𝐼 𝜕𝐽 𝜕𝑅 ]
dengan sistem persamaan:
𝑑𝑆(𝑡) 𝐼
= Λ − (𝛽 𝑁 + 𝜇) 𝑆 … (𝑓1 )
𝑑𝑡
𝑑𝐸(𝑡) 𝐼
= 𝛽 𝑁 𝑆 − 𝑎𝐸 … (𝑓2 )
𝑑𝑡
𝑑𝐼(𝑡)
= 𝑏𝜅𝐸 − 𝑐𝐼 … (𝑓3 )
𝑑𝑡
𝑑𝐽(𝑡)
= 𝜌𝜅𝐸 + 𝛼𝐼 − 𝑑𝐽 … (𝑓4 )
𝑑𝑡
𝑑𝑅(𝑡)
= 𝑒𝛾𝐼 + 𝑓𝛿𝐽 − 𝜇𝑅 … (𝑓5 )
𝑑𝑡
22
4.2.1 Analisis Kestabilan Titik Ekulibrium Bebab Penyakit
Substitusi titik ekuilibrium bebas penyakit, yaitu 𝐸0 = (𝑆, 𝐸, 𝐼, 𝐽, 𝑅) =
Λ
(𝜇 , 0,0,0,0) ke dalam matriks 𝐽, maka diperoleh Matriks Jacobian sebagai berikut:
𝛽𝑆
−𝜇 0 − 0 0
𝑁
𝛽𝑆
𝐽(𝐸0 ) = 0 −𝑎 0 0
𝑁
0 𝑏𝜅 −𝑐 0 0
0 𝜌𝜅 𝛼 −𝑑 0
[0 0 𝑒𝛾 𝑓𝛿 −𝜇]
Apabila 𝐸0 disubstitusi ke dalam (1.3), maka diperoleh:
𝑁(𝑡) = 𝑆(𝑡) + 𝐸(𝑡) + 𝐼(𝑡) + 𝐽(𝑡) + 𝑅(𝑡)
𝑁(𝑡) = 𝑆(𝑡) + 0 + 0 + 0 + 0
𝑁(𝑡) = 𝑆(𝑡)
Λ
𝑁(𝑡) = 𝜇 (4.4)
23
𝜆+𝜇 0 𝛽 0 0
0 𝜆+𝑎 −𝛽 0 0
𝑑𝑒𝑡 0 −𝑏𝜅 𝜆+𝑐 0 0 =0
0 −𝜌𝜅 −𝛼 𝜆+𝑑 0
([ 0 0 −𝑒𝛾 −𝑓𝛿 𝜆 + 𝜇])
Menghitung determinan menggunakan ekspansi kofaktor sepanjang baris
pertama diperoleh:
𝜆+𝑎 −𝛽 0 0
−𝑏𝜅 𝜆+𝑐 0 0
(𝜆 + 𝜇) |[ ]| = 0
−𝜌𝜅 −𝛼 𝜆+𝑑 0
0 −𝑒𝛾 −𝑓𝛿 𝜆+𝜇
𝜆+𝑎 −𝛽 0
(𝜆 + 𝜇)(𝜆 + 𝜇) |[ −𝑏𝜅 𝜆+𝑐 0 ]| = 0
−𝜌𝜅 −𝛼 𝜆+𝑑
𝜆+𝑎 −𝛽
(𝜆 + 𝜇)(𝜆 + 𝜇)(𝜆 + 𝑑) |[ ]| = 0
−𝑏𝜅 𝜆+𝑐
(𝜆 + 𝜇)(𝜆 + 𝜇)(𝜆 + 𝑑)[(𝜆 + 𝑎)(𝜆 + 𝑐) − 𝑏𝜅𝛽] = 0
Jadi diperoleh nilai eigen sebagai berikut:
𝜆1 = −𝜇, 𝜆2 = −𝜇, dan 𝜆3 = −𝑑.
Berdasarkan nilai-nilai eigen tersebut, terlihat bahwa ketiga nilai eigen
negatif. Selanjutnya nilai eigen 𝜆4 dan 𝜆5 dianalisis. Nilai-nilai eigen 𝜆4 dan 𝜆5
diperoleh dari persamaan:
[(𝜆 + 𝑎)(𝜆 + 𝑐) − 𝑏𝜅𝛽] = 0
𝜆2 + (𝑎 + 𝑐)𝜆 + 𝑎𝑐 − 𝑏𝜅𝛽 = 0
Didefinisikan 𝐷 = (𝑎 + 𝑐)2 − 4(𝑎𝑐 − 𝑏𝜅𝛽)
−(𝑎+𝑐)2 ±√(𝑎+𝑐)2 −4(𝑎𝑐−𝑏𝜅𝛽)
Maka 𝜆4,5 = 2
Kasus 𝐷 < 0
𝐷 < 0 apabila (𝑎 + 𝑐)2 < 4(𝑎𝑐 − 𝑏𝜅𝛽).
Jelas bahwa 𝜆4,5 mempunyai bagian real negatif.
Kasus 𝐷 > 0
𝐷 > 0 apabila (𝑎 + 𝑐)2 > 4(𝑎𝑐 − 𝑏𝜅𝛽)
Jelas 𝐷 < (𝑎 + 𝑐)2
√𝐷 < (𝑎 + 𝑐)
24
√𝐷 − (𝑎 + 𝑐) < 0
√𝐷−(𝑎+𝑐)
<0
2
𝜆4 < 0
−√𝐷−(𝑎+𝑐)
Jelas bahwa <0
2
𝜆5 < 0
Jadi 𝜆4 dan 𝜆5 bernilai negatif, sehingga diperoleh 𝜆1 < 0, 𝜆2 < 0, 𝜆3 <
0, 𝜆4 < 0 dan 𝜆5 < 0 atau semua nilai eigen bernilai negatif. Karena semua nilai
eigen yang diperoleh bernilai negatif, maka 𝐸0 stabil asimtotik lokal.
25
𝑏𝜅𝛽Λ 𝑎𝑐
𝜆 0 0 0 0 − 0 − 𝑏𝜅 0 0
𝑎𝑐𝑁
0 𝜆 0 0 0 𝑏𝜅𝛽Λ 𝑎𝑐
−𝜇 −𝑎 0 0
𝑑𝑒𝑡 0 𝑎𝑐𝑁 𝑏𝜅
0 𝜆 0 0 − =0
0 𝑏𝜅 −𝑐 0 0
0 0 0 𝜆 0
[0 0 𝜌𝜅 𝛼 −𝑑 0
0 0 0 𝜆]
( [ 0 0 𝑒𝛾 𝑓𝛿 −𝜇])
𝑏𝜅𝛽Λ 𝑎𝑐
𝜆+ 0 0 0
𝑎𝑐𝑁 𝑏𝜅
𝑏𝜅𝛽Λ 𝑎𝑐
− +𝜇 𝜆+𝑎 − 𝑏𝜅 0 0
𝑑𝑒𝑡 𝑎𝑐𝑁 =0
0 −𝑏𝜅 𝜆+𝑐 0 0
0 −𝜌𝜅 −𝛼 𝜆+𝑑 0
([ 0 0 −𝑒𝛾 −𝑓𝛿 𝜆 + 𝜇])
26
−(𝑎+𝑐)2 ±√(𝑎+𝑐)2
Maka 𝜆4,5 = 2
−(𝑎+𝑐)2 ±(𝑎+𝑐)
𝜆4,5 = 2
−(𝑎+𝑐)2 +(𝑎+𝑐)
𝜆4 = 2
Misalkan:
𝑓1 (𝑆, 𝐸, 𝐼, 𝐽, 𝑅) = 𝑔1 (𝑆, 𝐸, 𝐼, 𝐽, 𝑅) + 𝑔2 (𝑆, 𝐸, 𝐼, 𝐽, 𝑅) + 𝑔3 (𝑆, 𝐸, 𝐼, 𝐽, 𝑅),
27
dengan
𝑔1 (𝑆, 𝐸, 𝐼, 𝐽, 𝑅) = Λ,
𝐼
𝑔2 (𝑆, 𝐸, 𝐼, 𝐽, 𝑅) = −𝛽 𝑁 𝑆, dan
𝑔3 (𝑆, 𝐸, 𝐼, 𝐽, 𝑅) = −𝜇𝑆.
Fungsi 𝑔1 (𝑆, 𝐸, 𝐼, 𝐽, 𝑅) = Λ adalah fungsi konstan, maka fungsi tersebut
kontinu pada 𝑅 5 .
𝐼
Diperhatikan fungsi 𝑔2 (𝑆, 𝐸, 𝐼, 𝐽, 𝑅) = −𝛽 𝑁 𝑆.
𝛽
= ‖− (𝐼𝑆 − 𝐼 𝑆̅ ̅)‖
𝑁
𝛽
= ‖− ‖ ‖(𝐼𝑆 − 𝐼 𝑆̅ ̅)‖
𝑁
𝛽
= ‖𝐼𝑆 − 𝐼 𝑆̅ + 𝐼 𝑆̅ − 𝐼 𝑆̅ ̅‖
𝑁
𝛽
= ‖𝑆(𝐼 − 𝐼 )̅ + 𝐼 (̅ 𝑆 − 𝑆̅)‖
𝑁
𝛽
≤ [|𝑆|‖𝐼 − 𝐼 ‖̅ + |𝐼 |̅ ‖𝑆 − 𝑆̅‖]
𝑁
𝛽
≤ [|𝑆| + |𝐼 |̅ ]‖𝑆 − 𝑆̅‖ + ‖𝐼 − 𝐼 ‖̅
𝑁
𝛽
≤ [|𝑆| + |𝐼 |̅ ]‖(𝑆, 𝐼) − (𝑆̅, 𝐼 )̅ ‖
𝑁
𝛽
≤ [|𝑆| + |𝐼 |̅ + 1]‖(𝑆, 𝐼) − (𝑆̅, 𝐼 )̅ ‖
𝑁
28
𝜀
Pilih 𝛿 = 𝑚𝑖𝑛 {1, 𝛽 }, dengan demikian dari persamaan di atas
[|𝑆|+|𝐼 |̅ +1]
𝑁
diperoleh:
𝛽
‖𝑔2 (𝑆, 𝐸, 𝐼, 𝐽, 𝑅) − 𝑔2 (𝑆̅, 𝐸̅ , 𝐼 ,̅ 𝐽,̅ 𝑅̅ )‖ ≤ [|𝑆| + |𝐼 |̅ + 1]‖(𝑆, 𝐼) − (𝑆̅, 𝐼 )̅ ‖ < 𝜀.
𝑁
Misalkan:
𝑓2 (𝑆, 𝐸, 𝐼, 𝐽, 𝑅) = 𝑔1 (𝑆, 𝐸, 𝐼, 𝐽, 𝑅) + 𝑔2 (𝑆, 𝐸, 𝐼, 𝐽, 𝑅), dengan
𝐼
𝑔1 (𝑆, 𝐸, 𝐼, 𝐽, 𝑅) = 𝛽 𝑁 𝑆 dan
𝑔2 (𝑆, 𝐸, 𝐼, 𝐽, 𝑅) = −𝑎𝐸.
𝐼
Diperhatikan fungsi 𝑔1 (𝑆, 𝐸, 𝐼, 𝐽, 𝑅) = 𝛽 𝑁 𝑆.
29
Diambil sebarang (𝑆̅, 𝐸̅ , 𝐼 ,̅ 𝐽,̅ 𝑅̅ ) ∈ 𝑅 5 .
Diberikan sebarang bilangan 𝜀 > 0.
Akan dibuktikan terdapat 𝛿 > 0 sehingga untuk setiap (𝑆, 𝐸, 𝐼, 𝐽, 𝑅) ∈ 𝑅 5
dengan ‖(𝑆, 𝐸, 𝐼, 𝐽, 𝑅) − (𝑆̅, 𝐸̅ , 𝐼 ,̅ 𝐽,̅ 𝑅̅ )‖ < 𝛿, berlaku:
‖𝑔1 (𝑆, 𝐸, 𝐼, 𝐽, 𝑅) − 𝑔1 (𝑆̅, 𝐸̅ , 𝐼 ,̅ 𝐽,̅ 𝑅̅ )‖ < 𝜀
Untuk setiap (𝑆, 𝐸, 𝐼, 𝐽, 𝑅) ∈ 𝑅 5 , jika ‖(𝑆, 𝐸, 𝐼, 𝐽, 𝑅) − (𝑆̅, 𝐸̅ , 𝐼 ,̅ 𝐽,̅ 𝑅̅ )‖ ≤ 1
diperoleh |𝑆| − |𝑆̅| ≤ |𝑆 − 𝑆̅| ≤ ‖(𝑆, 𝐸, 𝐼, 𝐽, 𝑅) − (𝑆̅, 𝐸̅ , 𝐼 ,̅ 𝐽,̅ 𝑅̅ )‖ ≤ 1
Sehingga |𝑆| ≤ 1 + |𝑆̅|. Akibatnya diperoleh:
𝐼 𝐼̅
‖𝑔1 (𝑆, 𝐸, 𝐼, 𝐽, 𝑅) − 𝑔1 (𝑆̅, 𝐸̅ , 𝐼 ,̅ 𝐽,̅ 𝑅̅ )‖ = ‖𝛽 𝑆 − (𝛽 𝑆̅)‖
𝑁 𝑁
𝛽
= ‖ (𝐼𝑆 − 𝐼 𝑆̅ ̅)‖
𝑁
𝛽
= ‖ ‖ ‖(𝐼𝑆 − 𝐼 𝑆̅ ̅)‖
𝑁
𝛽
= ‖𝐼𝑆 − 𝐼 𝑆̅ + 𝐼 𝑆̅ − 𝐼 𝑆̅ ̅‖
𝑁
𝛽
= ‖𝑆(𝐼 − 𝐼 )̅ + 𝐼 (̅ 𝑆 − 𝑆̅)‖
𝑁
𝛽
≤ [|𝑆|‖𝐼 − 𝐼 ‖̅ + |𝐼 |̅ ‖𝑆 − 𝑆̅‖]
𝑁
𝛽
≤ [|𝑆| + |𝐼 |̅ ]‖𝑆 − 𝑆̅‖ + ‖𝐼 − 𝐼 ‖̅
𝑁
𝛽
≤ [|𝑆| + |𝐼 |̅ ]‖(𝑆, 𝐼) − (𝑆̅, 𝐼 )̅ ‖
𝑁
𝛽
≤ [|𝑆| + |𝐼 |̅ + 1]‖(𝑆, 𝐼) − (𝑆̅, 𝐼 )̅ ‖
𝑁
𝜀
Pilih 𝛿 = 𝑚𝑖𝑛 {1, 𝛽 }, dengan demikian dari persamaan di atas
[|𝑆|+|𝐼 |̅ +1]
𝑁
diperoleh:
𝛽
‖𝑔1 (𝑆, 𝐸, 𝐼, 𝐽, 𝑅) − 𝑔1 (𝑆̅, 𝐸̅ , 𝐼 ,̅ 𝐽,̅ 𝑅̅ )‖ ≤ [|𝑆| + |𝐼 |̅ + 1]‖(𝑆, 𝐼) − (𝑆̅, 𝐼 )̅ ‖ < 𝜀.
𝑁
30
Akan dibuktikan terdapat 𝛿 > 0 sehingga untuk setiap (𝑆, 𝐸, 𝐼, 𝐽, 𝑅) ∈ 𝑅 5
dengan ‖(𝑆, 𝐸, 𝐼, 𝐽, 𝑅) − (𝑆̅, 𝐸̅ , 𝐼 ,̅ 𝐽,̅ 𝑅̅ )‖ < 𝛿, berlaku:
‖𝑔2 (𝑆, 𝐸, 𝐼, 𝐽, 𝑅) − 𝑔2 (𝑆̅, 𝐸̅ , 𝐼 ,̅ 𝐽,̅ 𝑅̅ )‖ < 𝜀.
Untuk setiap (𝑆, 𝐸, 𝐼, 𝐽, 𝑅) ∈ 𝑅 5 , jika ‖(𝑆, 𝐸, 𝐼, 𝐽, 𝑅) − (𝑆̅, 𝐸̅ , 𝐼 ,̅ 𝐽,̅ 𝑅̅ )‖ ≤ 1
diperoleh |𝐸| − |𝐸̅ | ≤ |𝐸 − 𝐸̅ | ≤ ‖(𝑆, 𝐸, 𝐼, 𝐽, 𝑅) − (𝑆̅, 𝐸̅ , 𝐼 ,̅ 𝐽,̅ 𝑅̅ )‖ ≤ 1
Sehingga |𝐸| ≤ 1 + |𝐸̅ |. Akibatnya diperoleh:
‖𝑔2 (𝑆, 𝐸, 𝐼, 𝐽, 𝑅) − 𝑔2 (𝑆̅, 𝐸̅ , 𝐼 ,̅ 𝐽,̅ 𝑅̅ )‖ = |−𝑎𝐸 − (−𝑎𝐸̅ )|
= |−𝑎||𝐸 − 𝐸̅ |
= 𝑎|𝐸 − 𝐸̅ |
≤ 𝑎‖(𝑆, 𝐸, 𝐼, 𝐽, 𝑅) − (𝑆̅, 𝐸̅ , 𝐼 ,̅ 𝐽,̅ 𝑅̅ )‖
𝜀
Pilih 𝛿 = 𝑚𝑖𝑛 {1, 𝑎}, dengan demikian dari persamaan di atas diperoleh:
31
= |−𝑏𝜅||𝐸 − 𝐸̅ |
= 𝑏𝜅|𝐸 − 𝐸̅ |
≤ 𝑏𝜅‖(𝑆, 𝐸, 𝐼, 𝐽, 𝑅) − (𝑆̅, 𝐸̅ , 𝐼 ,̅ 𝐽,̅ 𝑅̅ )‖
𝜀
Pilih 𝛿 = 𝑚𝑖𝑛 {1, 𝑏𝜅}, dengan demikian dari persamaan di atas diperoleh:
32
𝑔2 (𝑆, 𝐸, 𝐼, 𝐽, 𝑅) = 𝛼𝐼, dan
𝑔3 (𝑆, 𝐸, 𝐼, 𝐽, 𝑅) = −𝑑𝐽.
Diperhatikan fungsi linear 𝑔1 (𝑆, 𝐸, 𝐼, 𝐽, 𝑅) = 𝜌𝜅𝐸.
Diambil sebarang (𝑆̅, 𝐸̅ , 𝐼 ,̅ 𝐽,̅ 𝑅̅ ) ∈ 𝑅 5 .
Diberikan sebarang bilangan 𝜀 > 0.
Akan dibuktikan terdapat 𝛿 > 0 sehingga untuk setiap (𝑆, 𝐸, 𝐼, 𝐽, 𝑅) ∈ 𝑅 5
dengan ‖(𝑆, 𝐸, 𝐼, 𝐽, 𝑅) − (𝑆̅, 𝐸̅ , 𝐼 ,̅ 𝐽,̅ 𝑅̅ )‖ < 𝛿, berlaku:
‖𝑔1 (𝑆, 𝐸, 𝐼, 𝐽, 𝑅) − 𝑔1 (𝑆̅, 𝐸̅ , 𝐼 ,̅ 𝐽,̅ 𝑅̅ )‖ < 𝜀.
Untuk setiap (𝑆, 𝐸, 𝐼, 𝐽, 𝑅) ∈ 𝑅 5 , jika ‖(𝑆, 𝐸, 𝐼, 𝐽, 𝑅) − (𝑆̅, 𝐸̅ , 𝐼 ,̅ 𝐽,̅ 𝑅̅ )‖ ≤ 1
diperoleh |𝐸| − |𝐸̅ | ≤ |𝐸 − 𝐸̅ | ≤ ‖(𝑆, 𝐸, 𝐼, 𝐽, 𝑅) − (𝑆̅, 𝐸̅ , 𝐼 ,̅ 𝐽,̅ 𝑅̅ )‖ ≤ 1
Sehingga |𝐸| ≤ 1 + |𝐸̅ |. Akibatnya diperoleh:
‖𝑔1 (𝑆, 𝐸, 𝐼, 𝐽, 𝑅) − 𝑔1 (𝑆̅, 𝐸̅ , 𝐼 ,̅ 𝐽,̅ 𝑅̅ )‖ = |−𝜌𝜅𝐸 − (−𝜌𝜅𝐸̅ )|
= |−𝜌𝜅||𝐸 − 𝐸̅ |
= 𝜌𝜅|𝐸 − 𝐸̅ |
≤ 𝜌𝜅‖(𝑆, 𝐸, 𝐼, 𝐽, 𝑅) − (𝑆̅, 𝐸̅ , 𝐼 ,̅ 𝐽,̅ 𝑅̅ )‖
𝜀
Pilih 𝛿 = 𝑚𝑖𝑛 {1, 𝜌𝜅}, dengan demikian dari persamaan di atas diperoleh:
33
= 𝛼|𝐼 − 𝐼 |̅
≤ 𝛼‖(𝑆, 𝐸, 𝐼, 𝐽, 𝑅) − (𝑆̅, 𝐸̅ , 𝐼 ,̅ 𝐽,̅ 𝑅̅ )‖
𝜀
Pilih 𝛿 = 𝑚𝑖𝑛 {1, 𝛼}, dengan demikian dari persamaan di atas diperoleh:
34
𝑔3 (𝑆, 𝐸, 𝐼, 𝐽, 𝑅) = −𝜇𝑅.
Diperhatikan fungsi linear 𝑔1 (𝑆, 𝐸, 𝐼, 𝐽, 𝑅) = 𝑒𝛾𝐼.
Diambil sebarang (𝑆̅, 𝐸̅ , 𝐼 ,̅ 𝐽,̅ 𝑅̅ ) ∈ 𝑅 5 .
Diberikan sebarang bilangan 𝜀 > 0.
Akan dibuktikan terdapat 𝛿 > 0 sehingga untuk setiap (𝑆, 𝐸, 𝐼, 𝐽, 𝑅) ∈ 𝑅 5
dengan ‖(𝑆, 𝐸, 𝐼, 𝐽, 𝑅) − (𝑆̅, 𝐸̅ , 𝐼 ,̅ 𝐽,̅ 𝑅̅ )‖ < 𝛿, berlaku:
‖𝑔1 (𝑆, 𝐸, 𝐼, 𝐽, 𝑅) − 𝑔1 (𝑆̅, 𝐸̅ , 𝐼 ,̅ 𝐽,̅ 𝑅̅ )‖ < 𝜀.
Untuk setiap (𝑆, 𝐸, 𝐼, 𝐽, 𝑅) ∈ 𝑅 5 , jika ‖(𝑆, 𝐸, 𝐼, 𝐽, 𝑅) − (𝑆̅, 𝐸̅ , 𝐼 ,̅ 𝐽,̅ 𝑅̅ )‖ ≤ 1
diperoleh |𝐼| − |𝐼 |̅ ≤ |𝐼 − 𝐼 |̅ ≤ ‖(𝑆, 𝐸, 𝐼, 𝐽, 𝑅) − (𝑆̅, 𝐸̅ , 𝐼 ,̅ 𝐽,̅ 𝑅̅ )‖ ≤ 1
Sehingga |𝐼| ≤ 1 + |𝐼 |̅ . Akibatnya diperoleh:
‖𝑔1 (𝑆, 𝐸, 𝐼, 𝐽, 𝑅) − 𝑔1 (𝑆̅, 𝐸̅ , 𝐼 ,̅ 𝐽,̅ 𝑅̅ )‖ = |𝑒𝛾𝐼 − (𝑒𝛾𝐼 )̅ |
= |𝑒𝛾||𝐼 − 𝐼 |̅
= 𝑒𝛾|𝐼 − 𝐼 |̅
≤ 𝑒𝛾‖(𝑆, 𝐸, 𝐼, 𝐽, 𝑅) − (𝑆̅, 𝐸̅ , 𝐼 ,̅ 𝐽,̅ 𝑅̅ )‖
𝜀
Pilih 𝛿 = 𝑚𝑖𝑛 {1, 𝑒𝛾}, dengan demikian dari persamaan di atas diperoleh:
35
≤ 𝑓𝛿‖(𝑆, 𝐸, 𝐼, 𝐽, 𝑅) − (𝑆̅, 𝐸̅ , 𝐼 ,̅ 𝐽,̅ 𝑅̅ )‖
𝜀
Pilih 𝛿 = 𝑚𝑖𝑛 {1, 𝑓𝛿}, dengan demikian dari persamaan di atas diperoleh:
36
𝜕𝑓1 (𝑡) 𝐼 𝜕𝑓1 (𝑡) 𝜕𝑓1 (𝑡) 𝛽𝑆 𝜕𝑓1 (𝑡) 𝜕𝑓1 (𝑡)
= −𝛽 𝑁 − 𝜇, = 0, =− , = 0, dan = 0.
𝜕𝑆 𝜕𝐸 𝜕𝐼 𝑁 𝜕𝐽 𝜕𝑅
37
BAB V
PENUTUP
5.1 Kesimpulan
Model epidemi SEIJR penyebaran penyakit Ebola pada populasi manusia
tak konstan memiliki titik ekuilibrium bebas penyakit dan titik ekuilibrium
endemik. Titik ekuilibrium bebas penyakit yang diperoleh yaitu 𝐸0 =
Λ
(𝑆, 𝐸, 𝐼, 𝐽, 𝑅) = ( , 0,0,0,0), dan titik ekuilibrium endemik yaitu 𝐸1 =
𝜇
(𝑆 ∗ , 𝐸 ∗ , 𝐼 ∗ , 𝐽∗ , 𝑅 ∗ ) =
𝑎𝑐𝑁 𝑏𝜅𝛽Λ−𝑎𝑐𝜇𝑁 𝑏𝜅𝛽Λ−𝑎𝑐𝜇𝑁 (𝑏𝜅𝛽Λ−𝑎𝑐𝜇𝑁)(𝜌𝑐+𝛼𝑏) (𝑏𝜅𝛽Λ−𝑎𝑐𝜇𝑁)(𝑏𝑑𝑒𝛾+𝑓𝛿(𝜌𝑐+𝛼𝑏))
(𝑏𝜅𝛽 , , , , ).
𝑎𝑏𝜅𝛽 𝑎𝑐𝛽 𝑎𝑏𝑐𝑑𝛽 𝑎𝑏𝑐𝑑𝜇𝛽
5.2 Saran
Karena berbagai keterbatasan, penelitian dan tulisan ini masih banyak
kekurangan. Banyak hal yang belum tercakup dalam penelitian ini. Perlu dikaji
lebih lanjut generalisasi untuk kestabilan model epidemi dan simulasi
numeriknya.
38
DAFTAR PUSTAKA
Afrida, Y., Nikenasih, B., dan Kus, P, K., (2017): Pemodelan Matematika
Penyebaran Penyakit Ebola dan Analisis Pengaruh Parameter Laju
Transmisi Terhadap Perilaku Dinamisnya, Jurnal Matematika, 6(6), 1-14.
Anton, H., (1998): Aljabar Linear Elementer, alih bahasa oleh Pantur Silaban,
Erlangga, Jakarta.
Bartle, R. G., and Shebert, D. R., (2010): Introduction to Real Analysis, fourth
Edition, John Wiley & Sons, Inc.
Finizio, J., dan Ladas, T., (1982): Persamaan Diferensial Biasa dengan
Penerapan Modern, alih bahasa oleh Widiarti Santoso, Erlangga, Jakarta.
Himawan, A., Budi, W., dan Supriyono (2017): Pemodelan Matematika
Penyebaran Penyakit Ebola dengan Model Epidemi SIR pada Populasi
Manusia Tak Konstan dengan Treatment, UNNES Journal of Mathematics,
6(2), 153-167.
Perko, L., (1991): Differential Equation and Dynamical System, Springer-Verlag,
New York.
Putra, R. T., (2014): Analisis Eksistensi dan Ketunggalan Solusi Model Epidemi
SEIR, Poli Rekayasa, 10(1), 65-72.
Ross, L., (1984): Differential Equations, Third Edition, Springer, New York.
Wiggins, S., (1996): Introduction to Applied Nonlinear Dynamical System and
Chaos, Springer-Verlag, New York, Inc.
Zhang, J., Ma, Z., (2003): Global Dynamic of an SEIR epidemic model with
saturating contact rate, Mathematical Boisciences, Elsevier.
39
LAMPIRAN
Jurnal 1 : Analisis Eksistensi dan Ketunggalan Solusi Model Epidemi SEIR.
Jurnal 2 : Pemodelan Matematika Penyebaran Ebola dan Analisis Pengaruh Laju
Transmisi Terhadap Perilaku Dinamisnya.
40