Jurnal MIPA
http://journal.unnes.ac.id/nju/index.php/JM
M Kharis AN Cahyono
Alamat korespondensi: ISSN 0215-9945
E-mail: mkharismcc@gmail.com
176
M Kharis & AN Cahyono / Jurnal MIPA 38 (2) (2014): 176-185
177
M Kharis & AN Cahyono / Jurnal MIPA 38 (2) (2014): 176-185
kemungkinan yang sama untuk terinfeksi. (2) Semua Vaksinasi diberikan kepada setiap individu pada
individu yang lahir merupakan individu yang rentan kelas rentan tanpa membedakan usia.
terhadap penyakit. (3) Kematian murni (bukan
karena virus) terjadi pada semua kelas dengan laju HASIL DAN PEMBAHASAN
yang sama pada masing-masing kelas dalam suatu
populasi. (4) Laju kematian murni pada setiap kelas Daftar variabel-variabel dan parameter-
sama dan diasumsikan sama dengan laju kelahiran. parameter yang ada dalam model matematika
(4) Tidak terjadi kematian karena penyakit. (5) diberikan dalam tabel 1 dan tabel 2 di bawah ini.
N I
S I I
R
S I R
cR
Gambar 1. Diagram Transfer Model Influenza dengan Strategi Vaksinasi
178
M Kharis & AN Cahyono / Jurnal MIPA 38 (2) (2014): 176-185
Bukti: Kasus
Titik ekuilibrium ditentukan dengan membuat
, , dan pada Sistem (3) menjadi nol. Diperoleh Saat , dari persamaan ketiga Sistem (4)
( )
Sistem (4) berikut ini. diperoleh
( ) Nilai tersebut disubstitusikan ke persamaan
( ) (4) , diperoleh ( )
( ) ( )
Jadi ( )
.
Dari perhitungan di atas, diperoleh titik
Dari persamaan kedua Sistem (4) diperoleh kesetimbangan bebas penyakit
( ) [ ( )] ( ) ( ).
( ) ( )
⋁
179
M Kharis & AN Cahyono / Jurnal MIPA 38 (2) (2014): 176-185
Kasus ( )
( ) ( )[ ( )] ( )( ) [ ( )]
Dari analisa di atas, jelas . Nilai ( ( ) ( )
)
tersebut disubstitusikan ke persamaan ketiga Sistem .
( )( )
(4), diperoleh ( )
Tahapan selanjutnya adalah analisa kestabilan
Nilai tersebut disubstitusikan ke persamaan
titik ekuilbirum Sistem (3). Dalam analisa tersebut,
pertama Sistem (4), diperoleh
( ) ( )[ ( )] digunakan matriks jacobian dari Sistem (3). Adapun
( ) matriks jacobian dari Sistem (3) diberikan sebagai
Jelas saat . Hal Ini berakibat berikut.
karena . ( )
( )( ) [ ( )]
Jadi ( )
( )
[ ( ) ]
Dari analisa di atas diperoleh titik ekuilibrium tidak ( )
bebas penyakit
dengan ( ). Kestabilan titik
ekuilibrium diberikan pada Teorema 2.
Teorema 2.
( )
Diberikan ( )[ ( )]
.
Berdasarkan nilai tersebut,
1. Jika maka titik ekuilibrium bebas penyakit stabil asimtotis lokal.
2. Jika maka titik ekuilibrium bebas penyakit tidak stabil dan titik ekuilibrium tak
bebas penyakit stabil asimtotis lokal.
Bukti: ( )[ ( ) ( )(
Nilai eigen dari matriks ( ) adalah , )] .
[ ( )] dan Karena parameter-parameter dalam model
( ) ( )( ) bernilai positif (kecuali dapat bernilai nol) maka
( ) ( )( )
selalu positif untuk segala kondisi ,
Jelas dan selalu bernilai negatif karena
sedangkan nilai bernilai positif apabila .
parameter-parameter yang digunakan bernilai
Persamaan karakteristik tersebut memberikan nilai-
positif (khusus dapat bernilai 0), sedangkan nilai
nilai eigen:
bernilai negatif apabila , bernilai 0 apabila
√ √
, dan bernilai positif apabila . Untuk
nilai tidak diikutkan dalam analisa
Jelas dan karena
selanjutnya karena tidak memenuhi kondisi titik
. Jadi dan selalu mempunyai bagian
hiperboliks. Berdasarkan hasil analisa tersebut,
real negatif apabila . Jadi stabil asimtotis
diperoleh bahwa titik stabil asimtotis lokal
lokal apabila
apabila dan tidak stabil apabila
Persamaan karakteristik dari matriks
Simulasi Model Matematika
( ) adalah
Simulasi diberikan untuk memberikan
[( )( )] gambaran geometris terkait dengan hasil analisa
yang telah dilakukan. Simulasi dibuat dengan
dengan ,
( ) ( ), dan menggunakan bantuan program Maple 12 dan
dilakukan dengan memberikan nilai-nilai untuk
masing-masing parameter sesuai dengan kondisi
180
M Kharis & AN Cahyono / Jurnal MIPA 38 (2) (2014): 176-185
dengan teorema yang telah diberikan di atas. mengingat wabah ini perlu adanya tindakan
Beberapa Nilai-nilai parameter yang diberikan secepatnya sehingga diambil nilai parameter
merupakan nilai-nilai yang diasumsikan. Dalam tersebut. Dalam artikel ini, nilai-nilai parameter
model ini diasumsikan populasi tetap (konstan), hal diukur dalam satuan hari sehingga
ini memberikan dampak pada pemilihan nilai
per hari dan per hari.
parameter yang mungkin tidak sesuai dengan fakta
di lapangan. Nilai parameter yang dimaksud adalah Diasumsikan nilai artinya rata-rata
nilai laju kelahiran dan laju kematian tiap individu ada 4 bayi yang lahir dan ada 4 orang yang
yang dianggap sama padahal kenyataannya adalah meninggal tiap 100 hari. Arti dari adalah
berbeda. Dalam Casagrandi et al (2006) diberikan rata-rata ada 4 manusia rentan yang menjadi
beberapa nilai parameter dalam Tabel 3. terinfeksi dari setiap 10 kontak yang terjadi antara
manusia rentan dengan manusia yang terinfeksi.
Tabel 3. Nilai beberapa parameter dalam Nilai artinya tiap hari ada 90% dari jumlah
Casagrandi et al (2006) keseluruhan manusia rentan yang tidak divaksinasi.
Parameter Min Max Jadi nilai artinya tiap hari ada 10% dari
per tahun per tahun jumlah keseluruhan manusia rentan yang
divaksinasi.
per tahun per tahun
per tahun per tahun Simulasi untuk .
Nilai-nilai parameter untuk simulasi saat
Nilai tahun sampai 80 tahun artinya diberikan dalam Tabel 4.
rata-rata usia hidup manusia adalah 40 tahun
sampai 80 tahun. Nilai tahun sampai Tabel 4. Nilai-nilai parameter untuk
Parameter Nilai Parameter Nilai
tahun artinya rata-rata masa infeksi adalah 2 sampai
0.4 0.00137
7 hari. Nilai sampai 5 tahun
0.04 0.9
artinya rata-rata waktu di mana virus yang
0.14286 0.1
mewabah mendominasi (waktu sebelum muncul
virus baru yang mendominasi). Dalam artikel ini,
Dari Tabel 4 diperoleh nilai
nilai parameter dalam Tabel 3 yang akan digunakan
dan titik ekuilibrium ( )
hanya nilai minimum dan maksimum. Pemilihan
( ). Grafik-grafik dari nilai
ini dilakukan dengan mengambil rentang waktu
disajikan pada Gambar 2, Gambar 3, dan
masa infeksi lebih panjang dan periode munculnya
Gambar 4.
virus yang baru lebih pendek. Hal ini dilakukan
181
M Kharis & AN Cahyono / Jurnal MIPA 38 (2) (2014): 176-185
Gambar 2. Proporsi manusia yang rentan Gambar 3. Proporsi manusia yang terinfeksi
saat untuk saat untuk
Simulasi untuk
Nilai-nilai parameter untuk simulasi saat
Gambar 4. Proporsi manusia yang sembuh saat diberikan dalam Tabel 5.
untuk
Tabel 5. Nilai-nilai parameter untuk
Pada Gambar 2 terlihat bahwa nilai Parameter Nilai Parameter Nilai
( ) menuju ke sepanjang bertambahnya . 0.8 0.00137
Dengan kata lain ( ) . Pada Gambar 3 0.04 0.9
terlihat bahwa nilai ( ) menuju ke sepanjang 0.14286 0.1
bertambahnya . Dengan kata lain ( ) .
Hal ini berarti seiring bertambahnya waktu, jumlah Dari Tabel 5 diperoleh nilai
manusia yang terinfeksi semakin berkurang dan ( ) ( ).
berakibat wabah juga menghilang. Pada Gambar 4 Grafik-grafik dari nilai disajikan pada
terlihat bahwa nilai ( ) menuju ke sepanjang Gambar 5, Gambar 6, dan Gambar 7.
182
M Kharis & AN Cahyono / Jurnal MIPA 38 (2) (2014): 176-185
Gambar 5. Proporsi manusia yang rentan Gambar 6. Proporsi manusia yang terinfeksi
saat untuk saat untuk
183
M Kharis & AN Cahyono / Jurnal MIPA 38 (2) (2014): 176-185
184
M Kharis & AN Cahyono / Jurnal MIPA 38 (2) (2014): 176-185
sebagai kriteria untuk melihat kemungkinan meluas Govaert TME, Thijs CTMCN, Masurel N, Sprenger MJW,
dan menghilangnya wabah ini. Diperoleh juga Dinant GJ & Knottnerus JA. 1994, The Efficacy of
kestabilan dari kedua titik tersebut. Dari hasil Influenza Vaccination in Elderly Individuals. JAMA
272(21):1661-1665
pengolahan nilai-nilai parameter yang diberikan
Jansen AGSC, Sanders EAM, Hoes AW, van Loon AM & Hak
diperoleh nilai maka wabah tidak
E. 2007. Influenza and respiratory syncytial virus-
akan meluas artinya minimal ada 16% yang associated mortality and hospitalisations. Eur
divaksinasi dari jumlah keseluruhan manusia yang Respir J 30: 1158–1166.
rentan apabila ingin wabah influenza menghilang. Kwong JC, Maaten S, Upshur REG, Patrick DM & Marra F.
2009. The Effect of Universal Influenza
DAFTAR PUSTAKA Immunization on Antibiotic Prescriptions: An
Ecological Study. Clinical Infectious Diseases 49:
Bridges CB, Thompson WW, Meltzer MI, Reeve GR, 750 – 756
Talamonti WJ, Cox NJ, Lilac HA, Hal H, Klimov A & Nichol KL, Nordin J, Mullooly J, Lask R, Fillbrandt K &
Fukuda K. 2000. Effectiveness and Cost-Benefit of Iwane M. 2003 Influenza Vaccination and
Influenza Vaccination of Healthy Working Adults A Reduction in Hospitalizations for Cardiac Disease
Randomized Controlled Trial. JAMA 284 (13): 1655 and Stroke among the Elderly. N Engl J Med
– 1663 348:1322 – 1332.
Carman WF, Elder AG, Wallace LA, McAulay K, Walker A, Potter J, Stott DJ, Roberts MA, Elder AG, O'Donnell B,
Murray GD & Stott DJ. 2000. Effects of influenza Knight PV & Carman WF. 1997. Influenza
vaccination of health-care workers on mortality of Vaccination of Health Care Workers in Long-Term-
elderly people in long-term care: a randomised Care Hospitals Reduces the Mortality of Elderly
controlled trial. The Lancet 355 (9198): 93 – 97. Patients, The Journal of Infectious Diseases 175:1-6
Casagrandi R, Bolzoni L, Levin SA & Andreasen V. 2006. Yang Y, Sugimoto JD, Halloran ME, Basta NE, Chao DL,
The SIRC Model and Influenza A. Mathematical Matrajt L, Potter G, Kenah E, & Longini JIM. 2009.
Biosciences 200: 152-169. The Transmissibility and Control of Pandemic
Influenza A (H1N1) Virus. Scienceexpress Report.
185