SKRIPSI
Oleh
SKRIPSI
Oleh
NUGROHO SAPTO YUDANTO YUDASUBRATA
H1B013053
i
ii
iii
PEDOMAN PENGGUNAAN SKRIPSI
Skripsi ini terdaftar dan tersedia di Pusat Informasi Ilmiah Fakultas Matematika dan
Ilmu Pengetahuan Alam dan terbuka untuk umum dengan ketentuan bahwa hak cipta
ada pada penulis dengan mengikuti aturan HaKI yang berlaku di Universitas Jenderal
Soedirman. Pengutipan dan atau peringkasan hanya dapat dilakukan dengan mengikuti
kebiasaan ilmiah untuk menyebutkan sumbernya.
iv
KATA PENGANTAR
Puji syukur penulis panjatkan kepada Tuhan Yang Maha Esa yang telah
melimpahkan rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan skripsi
yang berjudul “Analisis Dinamik Model SIR dengan Skema Beda Hingga Tak-
Standar” sebagai syarat untuk memperoleh gelar Sarjana Strata Satu pada Jurusan
Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Jenderal
Soedirman.
Sistematika dalam penulisan skripsi ini adalah sebagai berikut. Bab I
Pendahuluan memberikan gambaran umum yang menjadi dasar dilakukannya
penelitian yang terdiri dari latar belakang, rumusan masalah, tujuan penelitian, batasan
masalah dan manfaat penelitian. Kemudian, pada Bab II Tinjauan Pustaka, disajikan
berbagai teori dasar yang menjadi landasan penelitian. Pada Bab III Metodologi
Penelitian dibahas mengenai metode dan analisis penelitian. Kemudian, hasil dan
pembahasan pada skripsi ini termuat dalam Bab IV. Selanjutnya, Bab V berisi
kesimpulan dan saran yang diperoleh dari hasil dan pembahasan.
Penyusunan skripsi ini tidak lepas dari bimbingan, arahan, motivasi, bantuan
materiil dan spiritual dari berbagai pihak. Oleh karena itu, penulis menyampaikan
terima kasih kepada:
1. Bapak Drs. Sunardi, M.Si., selaku Dekan Fakultas Matematika dan Ilmu
Pengetahuan Alam Universitas Jenderal Soedirman;
2. Bapak Dr. Mashuri, M.Si., selaku Ketua Jurusan Matematika, Fakultas Matematika
dan Ilmu Pengetahuan Alam Universitas Jenderal Soedirman dan Dosen
Pembimbing Seminar I;
3. Ibu Rina Reorita, M.Si., selaku Dosen Pembimbing I dan Ibu Niken Larasati, M.Si.,
selaku Dosen Pembimbing II yang telah memberikan bimbingan dan arahannya
hingga selesainya proses penulisan skripsi ini;
v
4. Ibu Maharani, Ph.D., selaku Dosen Pembimbing Seminar II yang telah memberikan
masukan positif dan membangun;
5. Kedua orang tua (Bapak Wahyudi Yudasubrata dan Ibu Kunti Hartyastuti), saudara-
saudara kandung (Aditya Surya Pratama Yudasubrata, Ari Tri Wibowo
Yudasubrata, dan Amanda Dewi Arundati), dan seluruh keluarga besar yang telah
memberikan fasilitas, dukungan, dan doa yang terus menerus tanpa henti;
6. Sahabat-sahabat terdekat (Tara Tiany Taufik, Ghina Aprilia, Iip Harnoto Prayogo,
Ligina Robi, Melia Maemunah, Siti Aminatun, dan Yuli Heri Santoso) yang telah
memberikan kehangatan disaat penulis mengalami kejenuhan;
7. Semua pihak yang telah memberikan motivasi dan dukungannya yang tidak dapat
disebutkan satu per satu.
Penulis
vi
DAFTAR ISI
Halaman
HALAMAN JUDUL........................................................................................... i
HALAMAN PENGESAHAN ............................................................................. ii
HALAMAN PERNYATAAN ............................................................................ iii
PEDOMAN PENGGUNAAN SKRIPSI ............................................................ iv
KATA PENGANTAR ........................................................................................ v
DAFTAR ISI ....................................................................................................... vii
DAFTAR SINGKATAN DAN LAMBANG...................................................... ix
DAFTAR GAMBAR .......................................................................................... x
DAFTAR TABEL ............................................................................................... xi
DAFTAR LAMPIRAN ...................................................................................... xii
ABSTRAK .......................................................................................................... xiii
ABSTRACT ........................................................................................................ xiv
BAB I PENDAHULUAN ................................................................................... 1
1.1 Latar Belakang ........................................................................................... 1
1.2 Rumusan Masalah ...................................................................................... 2
1.3 Batasan Masalah......................................................................................... 2
1.4 Tujuan Penelitian ....................................................................................... 2
1.5 Manfaat Penelitian ..................................................................................... 3
BAB II TINJAUAN PUSTAKA......................................................................... 4
2.1 Sistem Dinamik Kontinu ............................................................................ 4
2.2 Model SIR .................................................................................................. 5
2.3 Penondimensian ......................................................................................... 7
2.4 Titik Kesetimbangan .................................................................................. 8
2.4.1 Titik Kesetimbangan Bebas Penyakit ............................................... 9
2.4.2 Titik Kesetimbangan Endemik ........................................................ 10
2.5 Angka Reproduksi Dasar ........................................................................... 11
vii
2.6 Sistem Dinamik Diskrit ............................................................................. 15
2.7 Metode Beda Hingga.................................................................................. 19
2.8 Skema Beda Hingga Tak-Standar .............................................................. 21
2.9 Metode Runge-Kutta .................................................................................. 22
BAB III METODE PENELITIAN...................................................................... 24
3.1 Metode Penelitian....................................................................................... 24
3.2 Analisis ..................................................................................................... 24
BAB IV HASIL DAN PEMBAHASAN ............................................................ 25
4.1 Diskritisasi Model ..................................................................................... 25
4.1.1 Diskritisasi Laju Perubahan Jumlah Individu Susceptible (S) .......... 25
4.1.2 Diskrititsasi Laju Perubahan Jumlah Individu Infective (I) .............. 25
4.1.3 Diskrititsasi Laju Perubahan Jumlah Individu Recovered (R) .......... 26
4.2 Analisis Perilaku ........................................................................................ 27
4.2.1 Analisis Perilaku Model di Titik Kesetimbangan Bebas Penyakit ... 29
4.2.2 Analisis Perilaku Model di Titik Kesetimbangan Endemik .............. 32
4.3 Simulasi Model .......................................................................................... 38
4.3.1 Pengaruh Perubahan Tingkat Penularan Penyakit terhadap Jumlah
Individu Susceptible, Infective, dan Recovered…………………..... 41
4.3.2 Pengaruh Perubahan Tingkat Kesembuhan Individu Infective terhadap
Jumlah Individu Susceptible, Infective, dan Recovered .................... 43
4.6.3 Pengaruh Perubahan Ukuran Langkah Waktu h terhadap Kestabilan
viii
DAFTAR SINGKATAN DAN LAMBANG
Pemakaian
SINGKATAN Nama pertama kali
pada halaman
S Susceptible (Individu Rentan) 1
I Infective (Individu Terinfeksi) 1
R Removed (Individu Sembuh) 1
TE0 Titik kesetimbangan bebas penyakit 9
LAMBANG
ix
DAFTAR GAMBAR
x
DAFTAR TABEL
Tabel 4.3 Titik kesetimbangan, nilai eigen, dan kestabilan titik kesetimbangan
dengan mengubah-ubah parameter tingkat kesembuhan individu
infective …................................................................................. 44
Tabel 4.4 Titik kesetimbangan, nilai eigen, dan kestabilan titik kesetimbangan
dengan mengubah-ubah ukuran langkah waktu h yang didiskritisasi
xi
DAFTAR LAMPIRAN
xii
ABSTRAK
Kata kunci: kestabilan, metode Runge-Kutta, model SIR, skema beda hingga tak-
standar, titik kesetimbangan.
xiii
ABSTRACT
The SIR model is a mathematical model that describes the dynamic of the
spread of infectious diseases by dividing the human populations into three groups,
there are individual Susceptible group, individual Infective group, and individual
Recovered group. The form of this model is a non-linear differential equation system
that difficult to be resolved in exact, so a numerical method is required to obtain a
solution near the exact value. Non-standard finite difference scheme is one of
numerical method that can be used to solve non-linear differential equation system. In
this research, the discrete SIR model is constructed by a non-standard finite difference
scheme. The equilibrium point of the model will asymptotically stables depending on
the basic reproductive number and the positivity of the equilibrium point. The change
of parameter values will affects the stability of each equilibrium point. Compared with
the fourth-order Runge-Kutta method, non-standard finite difference scheme
consistently keep the stability of the equilibrium point, although the stepsize parameter
is changed.
xiv
BAB I
PENDAHULUAN
1
Penelitian dan kajian tentang model SIR sudah banyak dilakukan. Salah satunya
adalah penelitian Sarrayu (2010) yang telah mendapatkan penyelesaian numerik dari
model SIR menggunakan metode Runge-Kutta orde empat. Pada penelitian ini, dibahas
mengenai penyelesaian model SIR dengan menggunakan skema beda hingga tak-
standar. Skema beda hingga tak-standar dapat digunakan untuk meminimalkan
kesalahan numerik akibat kesalahan pemotongan (truncation error) dari deret Taylor
dengan menerapkan generalisasi beda maju dan pendekatan tak lokal. Skema ini
memiliki kelebihan yaitu akan tetap menjaga sifat kestabilan meskipun ukuran langkah
waktu berubah-ubah.
2
2. Mengkaji perilaku model SIR yang telah dikonstruksi dengan skema beda hingga
tak-standar.
3. Mengkaji perbandingan kestabilan model SIR yang dikonstruksi dengan skema
beda hingga tak-standar dengan metode Runge-Kutta orde empat.
3
BAB II
TINJAUAN PUSTAKA
dengan
dy1
dt
f1 t , y1 , y2 , , yn
dy2
dan f t , y 2 1 2
d f t, y , y , , yn
y y dt .
dt
dyn f n t , y1 , y2 , , yn
dt
Dalam hal ini, y1, y2 , , yn adalah variabel tak bebas dan t adalah variabel bebas,
dyn
sehingga y1 y1 (t ), y2 y2 (t ), , yn yn (t ) dengan merupakan turunan fungsi
dt
4
yn terhadap t , dan f n adalah fungsi yang bergantung pada variabel y1 , y2 , , yn , dan
t.
Sistem persamaan diferensial dapat diselesaikan dengan dua cara, yaitu secara
analitik dan numerik. Penyelesaian analitik sistem persamaan diferensial terbagi
menjadi dua cara yaitu secara kualitatif dan kuantitatif. Penyelesaian analitik secara
kualitatif dilakukan dengan cara menentukan titik kesetimbangan dan menganalisis
kestabilan titik kesetimbangan agar diperoleh informasi mengenai sifat penyelesaian
sistem, sedangkan penyelesaian analitik secara kuantitatif akan menghasilkan solusi
eksak. Penyelesaian numerik adalah penyelesaian yang bertujuan untuk mendapatkan
solusi yang mendekati nilai eksak.
5
Tabel 2.1 Variabel dan parameter yang digunakan pada model SIR
Simbol Definisi Jenis Syarat Satuan
N Total populasi manusia Variabel N 0 Jiwa
s Jumlah individu rentan Variabel s0 Jiwa
i Jumlah individu terinfeksi Variabel i0 Jiwa
6
Jumlah individu sembuh mengalami penambahan karena adanya kesembuhan
individu terinfeksi dengan tingkat kesembuhan sebesar 𝛾. Akan tetapi jumlah individu
sembuh mengalami penurunan karena adanya kematian indivu sembuh dengan tingkat
kematian alami sebesar 𝜇.
Dengan demikian, model SIR dapat dituliskan sebagai berikut
ds si
AN s
dt N
di si
i i
dt N
dr
i r.
dt
2.3 Penondimensian
Penondimensian merupakan metode yang digunakan pada sistem persamaan
diferensial untuk menyederhanakan variabel sehingga sistem menjadi lebih mudah
diselesaikan. Metode penondimensian dapat mengubah variabel yang semula
berdimensi menjadi tanpa dimensi. Pengubahan variabel dilakukan dengan
menentukan proporsi atau perbandingan terhadap variabel yang berdimensi menjadi
suatu variabel baru.
Berdasarkan model SIR pada sistem (2.2) dengan N s i r , proses
penondimesian variabel s , i , dan r menjadi variabel baru, sebagai berikut
s
S s SN
N
i
I i IN (2.3)
N
r
R r RN .
N
Jika kedua ruas pada sistem (2.2) dibagi dengan N , dan dengan menggunakan
sistem (2.3) diperoleh
7
SN
d
N AN SN SNIN
dt N N NN
dS
A S SI
dt
IN
d
N SNIN IN IN
dt NN N N
dI
SI I I
dt
RN
d
N IN RN
dt N N
dR
I R.
dt
Jadi model SIR pada sistem (2.2) dapat dinyatakan menjadi model SIR tanpa dimensi
sebagai berikut
dS
A S SI (2.4 a)
dt
dI
SI I I (2.4 b)
dt
dR
I R. (2.4 c)
dt
8
Titik kesetimbangan dapat ditentukan dengan metode nullclines. Misalkan
diberikan sistem dengan dua persamaan diferensial sebagai berikut
dx
f1 ( x, y )
dt
dy
f 2 ( x, y ).
dt
Pada sistem (2.5), grafik yang memenuhi f1 ( x, y) 0 disebut x-nullclines,
9
A S SI 0
A S S0 0
S A
A
S ,
dan dengan mensubstitusikan asumsi I 0 pada persamaan (2.8) diperoleh
I R 0
0 R 0
R 0
R 0.
Dengan demikian titik kesetimbangan bebas penyakit TE0 adalah
A
TE0 , 0, 0 .
A
S . (2.9)
I
Dari persamaan (2.7) dapat diperoleh
SI I I 0
SI I I
S
S . (2.10)
10
Dengan menyamakan persamaan (2.9) dan (2.10) dapat diperoleh
A
I
I A
A
I
A
I
A
I
A
I . (2.11)
Dari persamaan (2.8) dapat diperoleh
I R 0
R I
I
R . (2.12)
Dengan mensubstitusikan persamaan (2.11) ke persamaan (2.12) maka diperoleh
A
R
A
R
A 1
R . (2.13)
Dengan demikian titik kesetimbangan endemik adalah
A A 1
TEE , , .
11
2.5 Angka Reproduksi Dasar
Angka reproduksi dasar atau basic reproductive number (ℜ0 ) dari suatu
kejadian penyakit menular adalah nilai yang menyatakan rasio dari banyaknya kasus
infeksi kedua dalam populasi individu rentan terhadap kasus infeksi pertama. Angka
reproduksi dasar dapat digunakan untuk mengetahui kemungkinan terjadinya
epidemi penyakit dalam suatu populasi pada masa mendatang (Diekmann et
al.,2009).
Jika ℜ0 > 1 maka banyaknya individu terinfeksi pada kasus kedua lebih
banyak dibandingkan infeksi sebelumnya. Pada kondisi ini, dapat dikatakan terjadi
epidemi dalam populasi tersebut. Jika ℜ0 < 1 maka banyaknya individu terinfeksi pada
kasus kedua kurang dari kasus sebelumnya. Pada kondisi ini, dalam populasi tersebut
tidak terjadi epidemi. Jika ℜ0 = 1 maka banyaknya individu terinfeksi pada kasus
kedua akan sama dengan banyaknya individu terinfeksi pada kasus sebelumnya.
Angka reproduksi dasar dari suatu model epidemi dapat diperoleh dengan
menggunakan metode next generation matrix. Pada metode ini, angka reproduksi dasar
didefinisikan sebagai nilai maksimum radius spektral dari next generation matrix.
Dari model SIR pada persamaan (2.4 a)-(2.4 c) yaitu
dS
A S SI
dt
dI
SI I I
dt
dR
I R,
dt
dengan S , I , dan R menyatakan sub populasi individu rentan, terinfeksi, dan sembuh.
Selanjutnya, persamaan (2.4 a)-(2.4 c) ditulis dalam bentuk
du
l u m u (2.14)
dt
12
dS
dt
0 A S SI
du dI
Dengan , l u SI , dan m u I I .
dt dt
0 I R
dR
dt
Dalam hal ini, l u merupakan laju munculnya infeksi baru pada tiap sub populasi,
kemudian m u menyatakan laju masuk dan keluar tiap sub populasi selain yang
sebagai berikut
l1 u l1 u l1 u
I S R
l u l2 u l2 u
J TE0 l u 2
I S R
l3 u l3 u l3 u
I S R
0 0 0
A
0 0
0 0 0
F 0
.
0 0
dengan F merupakan matriks berukuran 2 2 yaitu
0 0
F
A
0
13
m1 u m1 u m1 u
I S R
m u m2 u m2 u
J (TE0 )m u 2
I S R
m3 u m3 u m3 u
I S R
A
0
0 0
0
B 0
,
j3 j4
1 A
0 0
2
A
0
0
1
14
0 0
A .
0
Selanjutnya, nilai eigen dari matriks 𝐅𝐁 −1 adalah
FB-1 I 0
0
A 0
0
A
0
A
1 0 atau 2 .
Angka reproduksi dasar dari persamaan (2.4 a)-(2.4 c) adalah 0 FB-1 dengan
FB-1 merupakan radius spektral atau nilai maksimum dari nilai eigen matriks FB-1
, sehingga
0 FB-1 maks 1 , 2
A
. (2.15)
15
fungsi F terdefinisi dengan baik dan y(k ) menunjukkan barisan
dengan aturan atau hubungan pada persamaan (2.16). Barisan tersebut merupakan
fungsi yang domainnya adalah himpunan bilangan cacah. Orde dari persamaan beda
yaitu selisih antara indeks tertinggi dan terendah pada suatu persamaan beda.
Berdasarkan kelinierannya, persamaan beda dibagi menjadi persamaan beda
linier dan persamaan beda non linier. Sebuah persamaan beda dikatakan linier jika
persamaan tersebut dapat diuraikan menjadi
an (k ) y k n an1 (k ) y k n 1 a1 (k ) y k 1 a0 (k ) y k R k . (2.17)
Persamaan (2.17) disebut juga persamaan beda linier orde ke- n dengan ai (k ) untuk
maka persamaan (2.17) disebut persamaan beda linier non homogen. Apabila
an (k ), an1 (k ), , a2 (k ), a1 (k ), a0 (k ) bukan merupakan konstanta atau fungsi dari k
maka persamaan (2.17) merupakan persamaan beda non linier (Mickens, 1990:7).
Berikut merupakan beberapa contoh yang menunjukkan orde dan kelinieran dari
persamaan beda.
Contoh 2.1
y k 1 3 y k y k 1 e k (orde dua, linier non homogen)
y k 1 y k 4 y k
2
(orde satu, non linier)
Dua buah persamaan beda atau lebih dapat dibentuk menjadi suatu sistem
persamaan beda yang biasa disebut sistem dinamik diskrit. Bentuk umum sistem
dinamik diskrit (Luenberger, 1979:90) adalah sebagai berikut
16
y1 (k 1) f1 ( y1 (k ), y2 (k ), , yn (k ), k )
y2 (k 1) f 2 ( y1 (k ), y2 (k ), , yn (k ), k )
yn (k 1) f n ( y1 (k ), y2 (k ), , yn (k ), k ) .
yn (k 1) an1 (k ) y1 (k ) an 2 (k ) y2 (k ) ann (k ) yn (k ) wn (k )
17
Sistem dinamik diskrit non linier memiliki bentuk umum yang sama seperti sistem
(2.20), akan tetapi terdapat paling sedikit satu nilai aij ( k ) untuk i 1, 2, , n dan
dan y * merupakan titik kesetimbangan dari sistem tersebut. Jika dedefiniskan fungsi
y1 (k )
y (k )
diberikan oleh y k 1 J y* y k dengan y k 2 dan J y* adalah matriks
yn ( k )
Jacobi dari sistem (2.23) di sekitar titik kesetimbangan y * (Din, 2013:2).
18
Matriks Jacobi di sekitar titik kesetimbangan y * dari sistem (2.23) adalah sebagai
berikut
f1 y *
f1 y *
f1 y *
y1 y2 yn
f 2 y
*
f 2 y *
f 2 y *
J y* y1 y2 yn . (2.24)
f n y
*
f n y *
f n y *
y1 y2 yn
Kestabilan sistem non linier dapat dilihat berdasarkan nilai-nilai eigen dari persamaan
karakteristik matriks Jacobi hasil linierisasi sistem non linier di sekitar titik
kesetimbangan, dengan ketentuan pada Definisi 2.3 (Luenberger, 1979:327) dan
Lemma 2.1 (Suryanto, 2012:9).
nilai eigen yang lain kurang dari satu 1 maka titik kesetimbangan bersifat
stabil.
Lemma 2.1
Kestabilan Titik Kesetimbangan berdasarkan Persamaan
Karakteristik Matriks Jacobi Hasil Linierisasi Sistem
Akar-akar persamaan karakteristik matriks Jacobi hasil linierisasi sistem di sekitar
2
titik kesetimbangan a b 0 , bersifat stabil asimtotis atau 1 , i 1, 2 ,
i
19
jika dan hanya jika memenuhi kondisi berikut
1) 1 a b 0,
2) 1 a b 0,
3) b 0.
x x
2 n
x
f ( xi 1 ) f ( xi ) f ( xi )
'
f '' ( xi ) f n
(x )
i , (2.25)
1! 2! n!
dengan
20
x xi 1 xi
f xi fungsi di titik 𝑥𝑖
x pada deret Taylor. Hal ini disebabkan, untuk x yang cukup kecil, x jauh
2 2
di titik xi dan xi 1 , maka disebut pendekatan beda mundur, dan ekspansi deret Taylor
menjadi
x f ''' ( x ) x
2 3
x
f ( xi 1 ) f ( xi ) f ( xi )'
f '' ( xi ) i , (2.28)
1! 2! 3!
atau
x
f ( xi 1 ) f ( xi ) f ' ( xi ) (2.29)
1!
f ( xi ) f ( xi 1 )
f ' ( xi ) . (2.30)
x
21
Apabila informasi yang digunakan untuk memperkirakan diferensial dari fungsi
adalah pada titik xi 1 dan xi 1 , maka perkiraannya disebut pendekatan beda terpusat.
Jika persamaan (2.26) dikurangi persamaan (2.29) diperoleh
x
f ( xi 1 ) f ( xi 1 ) 2 f ' ( xi )
1!
atau
f ( xi 1 ) f ( xi 1 )
f ' ( xi ) . (2.31)
2x
Selanjutnya, turunan kedua fungsi f ( xi ) diperoleh dari deret Taylor dengan
x
2
f ( xi 1 ) f ( xi 1 ) 2 f ( xi ) 2 f ''
(x )
i , (2.32)
2!
atau
f ( xi 1 ) f ( xi 1 ) 2 f ( xi )
f '' ( xi ) . (2.33)
x
2
Nilai pendekatan untuk turunan ketiga, keempat, dan seterusnya dilakukan dengan cara
yang sama.
22
Perhatikan bahwa turunan didekati dengan beda maju tetapi dengan menggunakan
fungsi penyebut (h) dengan (h) h h2 dan h adalah ukuran langkah
waktu. Jika dipilih (h) h dan menerapkan pendekatan non lokal pada fungsi
linier dan non linier, maka persamaan (2.34) tetap merupakan skema beda hingga
tak-standar karena h2 adalah fungsi yang nilaniya mendekati nol, sehingga
dapat diabaikan.
2. Penggantian dari fungsi linier dan non linier dari x(t ) dengan pendekatan non
lokal. Sebagai contoh untuk orde pertama dari persamaan diferensial adalah
x(t ) x k 1
x(t ) y t x k 1 y k .
metode yaitu metode Runge-Kutta orde satu, metode Runge-Kutta orde dua, metode
Runge-Kutta orde tiga, dan metode Runge-Kutta orde empat. Metode Runge-Kutta
orde empat adalah metode yang paling sering digunakan karena memiliki ketelitian
yang lebih baik dibandingkan metode Runge-Kutta lainnya (Mardhiyah, 2016: 404).
Misal diberikan Masalah Nilai Awal (MNA) untuk sistem persamaan
diferensial orde pertama sebagai berikut
23
y f t, y dengan y t 0 y 0 ,
maka bentuk umum dari metode Runge Kutta orde empat adalah
y n 1 y n
1
k 2k 2k k ,
6 1 2 3 4
dengan
n 0,1, ,N
k f t n , y n ,
1
h k
k f t n , y n 1 ,
2 2 2
h k
k f t n , y n 2 ,
3 2 2
h
k f t n , y n k ,
4
2 3
h ukuran langkah waktu.
24
BAB III
METODE PENELITIAN
3.2 Analisis
Analisis dilakukan secara kualitatif dan simulasi model untuk mengetahui
perilaku model dinamik diskrit pada titik kesetimbangan bebas penyakit dan titik
kesetimbangan endemik.
Simulasi model dilakukan dengan mengubah-ubah parameter tingkat penularan
penyakit dan tingkat kesembuhan penyakit, serta mengubah-ubah parameter ukuran
langkah waktu dengan metode skema beda hingga tak-standar dan Runge-Kutta orde
empat. Berdasarkan simulasi model dapat diketahui kestabilan lokal sistem dinamik
diskrit dan perbandingan kestabilan model SIR yang dikonstruksi dengan metode
skema beda hingga tak-standar dan Runge-Kutta orde empat.
25
BAB IV
HASIL DAN PEMBAHASAN
Model yang dikaji pada penelitian ini adalah model SIR dengan melibatkan
faktor demografi (laju kematian dan laju kelahiran). Model ini berupa sistem
persamaan diferensial non linier. Model tersebut dapat didiskritisasi menjadi model
dinamik diskrit dan dapat diselesaikan dengan menentukan sifat dari titik
kesetimbangan. Selanjutnya, perilaku dinamik model tersebut dapat diketahui melalui
analisa kestabilan titik kesetimbangan dan simulasi numerik.
26
4.1.2 Diskrititsasi Laju Perubahan Jumlah Individu Infective (I)
Dengan menggunakan persamaan (2.34) dan (2.35) laju perubahan jumlah
individu Infective (I) pada sistem (2.4 b) dapat didiskritisasi sebagai berikut
dI
SI I I
dt
I n 1 I n
S n 1 I n I n 1 I n 1
h
I n 1 h I n 1 h I n 1 I n h S n 1 I n
I n 11 h h I n h S n 1 I n .
27
R n h I n 1
R n 1 . (4.4)
1 h
Substitusi persamaan (4.3) ke (4.4) diperoleh
I n 1 h h I n h S n h hA
R n h
1 h h 1 h h I n
R n 1
1 h
R n 1 h h 1 h h I n h I n 1 h h I n h S n h hA
R n 1 . (4.5)
1 h 1 h h 1 h h I n
Jadi model dinamik diskrit SIR berupa sistem persamaan beda non linier yang dapat
dilihat pada sistem persamaan berikut ini
S n hA
S n 1
1 h h I n
I n 1 h h I n h S n h hA
I n 1
1 h h 1 h h I n
R n 1 h h 1 h h I n h I n 1 h h I n h S n h hA
R n 1 .
1 h 1 h h 1 h h I n
Misalkan 1 h , h , h dan hA , maka model dinamik diskrit untuk
jumlah individu susceptible, infective, dan recovered adalah
S n
S n 1
I n
I n I n S n
I n 1
I n
R n I n I n I n S n
R n 1 ,
I n
dengan 1 dan , , 0 .
28
4.2 Analisis Perilaku
Model SIR pada sistem (4.6) merupakan sistem non linier. Analisa perilaku
sistem tersebut dilakukan dengan menggunakan matriks Jacobi hasil linierisasi sistem
di titik kesetimbangan. Untuk menentukan kestabilan dari masing-masing titik
kesetimbangan, sistem (4.6) didefinisikan menjadi
S
f ( S , I , R)
I
I I S
g ( S , I , R)
I
R I I I S
h( S , I , R ) ,
I
matriks Jacobi hasil linierisasi sistem di titik kesetimbangan 𝑇 adalah sebagai berikut
f S * , I * , R*
f S * , I * , R*
f S * , I * , R*
S I R
g S * , I * , R* *
J T
g S , I * , R*
*
g S , I , R
* *
.
S I R
h S , I , R
* * *
h S , I * , R*
*
h S * , I * , R*
S I R
Elemen-elemen pada matriks Jacobi di titik kesetimbangan 𝑇 diperoleh dengan
cara menurunkan persamaan-persamaan di dalam sistem (4.6), seperti yang ditulis
dalam Lampiran A. Jadi diperoleh matriks Jacobi di titik kesetimbangan T sebagai
berikut
29
1
S*
0
I* I
2
*
I* S 2 I I I S I
* * * * * *
J T 0 .
I
*
I *
2
I * 2 I S I I I S
* * * * * *
1
I * I *
2
A
1 0
2
A
J TE0 0 0 .
A
1
1
0
2
Kemudian diperoleh persamaan karakteristik dari 𝐉(𝑇𝐸0 ) adalah
30
J TE0 I 0
A
1
0
2
A
0 0 0.
A
1
1
0
2
A
2
1
0.
1
Dari persamaan karakteristik tersebut diperoleh 1,2 atau
A
3 . Berdasarkan Definisi 2.3, titik kesetimbangan akan bersifat stabil
asimtotis apabila 1.
1 1
Perhatikan untuk 1,2 . Karena 1 sehingga 1 , maka berlaku
0 1,2 1
1 0 1,2 1
1 1,2 1
1,2 1.
31
A
Perhatikan untuk 3 akan memenuhi Definisi 2.3 (a) jika
3 1
1 3 1
A
1 1.
Hal ini berarti untuk memenuhi Definisi 2.3 (a) maka 3 haruslah memenuhi syarat
A A
1 dan 1 . Karena parameter , , , A , , dan
A
bernilai positif maka 3 akan selalu memenuhi 1.
A
Untuk 1 akan terpenuhi apabila
A
A
1
A 1
A 1
1
A
32
1 h 1 h h 1
A hA
h
1 h h
A hA
h
1 h
A 1 h
1 h
A
1 h
A .
Jadi titik kesetimbangan bebas penyakit (𝑇𝐸0 ) bersifat stabil asimtotis atau memenuhi
Definisi 2.3(a) jika 1,2 1 dan 3 1 dengan nilai A . Dengan demikian
dalam jangka waktu yang lama penyebaran penyakit akan hilang.
Hal ini sesuai dengan angka reproduksi dasar (ℜ0 ) dari model kontinu
A
0 . Penyebaran penyakit akan hilang jika 0 1. Perhatikan sebagai
berikut
0 1
A
1
A
A .
33
4.2.2 Analisis Perilaku Model di Titik Kesetimbangan Endemik
Perilaku penyelesaian sistem (4.6) di sekitar titik
A
,
A
TEE , dapat ditentukan melalui linierisasi
sistem di sekitar titik kesetimbangan tersebut. Matriks Jacobi di titik kesetimbangan
a a a
A A 11 12 13
1
a ,
11 A
a
,
12 2
A
a 0,
13
A
a
,
21 A
A A A A
2
a ,
22 2
A
a 0,
23
34
A
a
,
31 A
A A A A
2
a ,
32 2
A
1
a .
33
J TEE I 0
1
A
A A A A
2
2
A
A
1 1
0
A
2
A
1
A
35
A A A A
2
2
A
2 A
1 1 0
3
A
1 1
A
2 A A A A
2
A
2 A
0.
3
A
1
1
Diperoleh 1 atau
A
2 A A A A
2
A
36
2 A
0.
3
A
1 1
Perhatikan untuk 1 . Karena 1 sehingga 1 , maka berlaku
0 1 1
1 0 1 1
1 1 1
1 1.
2 A A A A
2
A
2 A
0
3
A
A A
2
2 1
A A
2
37
A A 2 A
2 3
A A
A A A A
2
0
3
A
A 2 A A
2
2
A
A A
A A
2
2 3
A
A
A A 2 A
0. (4.9)
3
A
Dengan memisalkan
38
A 2 A A
a
2
A
A A
2 ,
A
A A A A
2
b
3
A
2 A
.
3
A
Maka persamaan (4.9) dapat diubah ke dalam bentuk persamaan
2 a b 0 . (4.10)
Berdasarkan Lemma 2.1, persamaan (4.10) memiliki solusi nilai eigen yaitu 2 atau
39
A 2 A A
1
2
A
A
A 2 A
0.
3 3
A A
2) 1 a b 0, sebagai berikut
A 2 A A
1
2
A
A A
A A
2
2 3
A A
A
A 2 A
0.
3 3
A A
3) b 0, sebagai berikut
40
A A A A
2
3
A
2 A
0.
3
A
Selanjutnya, pemilihan parameter yang memenuhi Lemma 2.1 dapat dilihat pada
bagian simulasi model.
41
Jadi, nilai parameter yang digunakan dalam simulasi model yaitu A 0,94 , 0,015
, 0,01 , dan 0,09 . Dengan mengambil nilai h 0,1 maka didapatkan nilai
1,001 , 0,0015 , 0,009 , dan 0,094 . Apabila nilai-nilai parameter
tersebut disubstitusikan ke dalam sistem (4.6), maka diperoleh
S n 0.094
S n 1
1,001 0,0015I n
I n 1,001 0,0015 I n S n 0,094
I n 1
1,01 1,001 0,0015I n
1,01R n 1,001 0,0015I n 0,009 I n 1,001 0,0015 I n S n 0,094
R n 1 .
1,01101 1,001 0,0015I n
A
TE0 S , I , R , 0, 0 94; 0; 0
* * *
A
* * *
TE E S , I , R ,
A
,
6, 67; 8, 73; 78, 6 .
Dengan bantuan software Maple 13, diperoleh nilai eigen dan kestabilan sistem (4.8)
di masing-masing titik kesetimbangan, seperti yang disajikan dalam Tabel 4.1.
Tabel 4.1 Titik kesetimbangan, nilai eigen, dan kestabilan titik kesetimbangan
Titik Nilai Eigen Kestabilan
Kesetimbangan
(S*;I*;R*)
42
Berdasarkan Tabel 4.1, diperoleh bahwa titik kesetimbangan endemik
TEE 6,67;8,73;78,6 bersifat stabil asimtotis. Hal ini berarti, pada kasus nilai
parameter yang telah diambil, untuk jangka waktu yang lama jumlah individu
Susceptible akan menuju 7 jiwa, jumlah individu Infective akan menuju 9 jiwa, dan
jumlah individu Recovered akan menuju 79 jiwa. Hal tersebut digambarkan pada
Gambar 4.1 dengan perintah software Maple 13 yang terdapat di Lampiran C dengan
diberikan syarat awal sistem (4.8) yaitu S 0 100 , I 0 10 , dan R 0 5 , sebagai
berikut.
Gambar 4.1 Perilaku individu Susceptible, Infective, dan Recovered pada sistem (4.8) di
sekitar titik kesetimbangan endemik
Berdasarkan grafik simulasi pada Gambar 4.1(a), dapat disimpulkan bahwa
adanya penurunan jumlah individu Susceptible menyebabkan kenaikan jumlah
individu Infective dan individu Recovered. Selanjutnya, seiring dengan adanya
kenaikan jumlah individu Susceptible, jumlah individu Infective dan individu
Recovered mengalami penurunan. Jumlah individu Susceptible, Infective, dan
Recovered akan menuju suatu nilai untuk jangka waktu yang lama seperti terlihat pada
Gambar 4.1(b). Selanjutnya dari nilai parameter yang telah diambil akan dilakukan
43
simulasi dengan mengubah-ubah nilai parameter tingkat penularan penyakit dan
44
Tabel 4.2 Titik kesetimbangan, nilai eigen, dan kestabilan titik kesetimbangan dengan
mengubah-ubah parameter tingkat penularan penyakit (𝛽)
𝜷 Titik Kesetimbangan Nilai Eigen Kestabilan
S ; I ; R
* * *
0,0002
TE0 94;0;0 0,999;0,999;0,99186 Stabil
Asimtotis
TEE 500; 40,6; 365,4 0,9961;0,99904;1,00268 Tidak
Stabil
TE0 94;0;0 0,999;0,999;0,99186 Stabil
Asimtotis
0,0008
TEE 125; 3.1; 27.9 0,9961;0,99904;1,00268 Tidak
Stabil
TE0 94;0;0 0,999;0,999;1,00861 Tidak
Stabil
TEE 50;4, 4;39,6 0,999074;0,99897 0,00281I
0,002 Stabil
Asimtotis
Gambar 4.2 Perilaku individu susceptible, infective, dan recovered pada perubahan parameter
tingkat penularan penyakit
Berdasarkan Tabel 4.2, kestabilan lokal masing-masing titik kesetimbangan
pada perubahan nilai parameter tingkat penularan penyakit , bergantung pada
45
A
kepositifan titik kesetimbangan. Apabila atau 0, 001 maka
A
titik kesetimbangan bebas penyakit TE0 bersifat tidak stabil dan titik kesetimbangan
endemik TEE bersifat stabil asimtotis. Hal ini sesuai dengan angka reproduksi dasar
A A
0 dari model kontinu 0 . Endemik penyakit terjadi jika 1
atau . Dengan nilai parameter yang dipilih sebelumnya, pada kestabilan
A
lokal sistem (4.8) titik kesetimbangan endemik TEE bersifat stabil asimtotis jika
endemik penyakit.
46
pada waktu ke- n . Gambar 4.3 menunjukkan perilaku sistem dalam keadaan stabil
asimtotis pada titik kesetimbangan endemik. Dalam jangka waktu yang lama dengan
0,5 , jumlah individu Susceptible menjadi 34 jiwa, jumlah individu Infective
menjadi 1 jiwa, dan jumlah individu Recovered menjadi 59 jiwa.
Tabel 4.3 Titik kesetimbangan, nilai eigen, dan kestabilan titik kesetimbangan dengan
mengubah-ubah parameter tingkat kesembuhan individu Infective (𝛾)
Titik Kesetimbangan Nilai Eigen Kestabilan
S ; I ; R
* * *
Gambar 4.3 Perilaku individu Susceptible, Infective, dan Recovered pada perubahan
parameter tingkat kesembuhan individu Infective
47
Berdasarkan Tabel 4.3, kestabilan lokal masing-masing titik kesetimbangan
pada perubahan nilai parameter tingkat kesembuhan individu Infective , bergantung
A A
pada kepositifan titik kesetimbangan. Apabila atau 1, 4 maka
titik kesetimbangan bebas penyakit TE0 bersifat tidak stabil dan titik kesetimbangan
endemik TEE bersifat stabil asimtotis. Hal ini sesuai dengan angka reproduksi dasar
A A
0 dari model kontinu 0 . Epidemi penyakit terjadi jika 1
A
atau . Dengan nilai parameter yang dipilih sebelumnya dan batasan nilai
yaitu 0 1 kestabilan lokal sistem (4.8) akan menghasilkan titik kesetimbangan
endemik TEE yang selalu bersifat stabil asimtotis dan titik kesetimbangan bebas
penyakit TE0 yang selalu bersifat tidak stabil. Selain itu, Tabel 4.3 menunjukkan
48
Tabel 4.4 dan Tabel 4.5 menunjukkan perilaku model dinamik diskrit SIR
ketika ukuran langkah waktu (h) berubah-ubah. Saat h=0,2; h=0,5; dan h=2 , model
SIR yang didiskritisasi dengan skema beda hingga tak-standar dan metode Runge-Kutta
orde empat mampu menjaga sifat kestabilan. Tetapi saat h=5, model SIR yang
didiskritisasi dengan skema beda hingga tak-standar tetap menjaga sifat kestabilan,
berbanding terbalik dengan metode Runge-Kutta orde empat, tidak mampu
mempertahankan kestabilan. Hal tersebut diperkuat dengan ilustrasi grafik
perbandingan skema beda hingga tak-standar dengan skema Runge-Kutta orde empat
dengan bantuan software Maple 13 sebagai berikut.
Tabel 4.4 Titik kesetimbangan, nilai eigen, dan kestabilan titik kesetimbangan dengan
mengubah-ubah ukuran langkah waktu (ℎ) yang didiskritisasi menggunakan skema
beda hingga tak-standar
Titik
h Kesetimbangan Nilai Eigen Kestabilan
S ; I ; R
* * *
49
Tabel 4.5 Titik kesetimbangan, nilai eigen, dan kestabilan titik kesetimbangan dengan
mengubah-ubah ukuran langkah waktu (ℎ) yang didiskritisasi menggunakan metode
Runge-Kutta orde empat
Titik
h Kesetimbangan Nilai Eigen Kestabilan
S ; I ; R
* * *
Gambar 4.4 Perbandingan skema beda hingga tak-standar dan metode Runge Kutta orde
empat pada kestabilan titik kesetimbangan endemi dengan h 0, 2
50
Gambar 4.5 Perbandingan skema beda hingga tak-standar dan metode Runge Kutta orde
empat pada kestabilan titik kesetimbangan endemi dengan h 0,5
Gambar 4.6 Perbandingan skema beda hingga tak-standar dan metode Runge-Kutta orde
empat pada kestabilan titik kesetimbangan endemi dengan h 5
51
BAB V
KESIMPULAN
5.1 Kesimpulan
Berdasarkan hasil dan pembahasan, beberapa kesimpulan yang dapat diambil
pada penelitian ini adalah sebagai berikut.
1. Model SIR dengan faktor demografi dapat di diskritisasi dengan menggunakan
metode skema beda hingga tak-standar menjadi model diskrit SIR, yaitu:
S n
S n 1
I n
I n I n S n
I n 1
I n
R n I n I n I n S n
R n 1 ,
I n
dengan 1 h , h , h , hA , 0 1 , 0 1, 0 1, h 0
, dan A 0 .
2. Hasil penelitian menunjukkan bahwa untuk parameter yang diambil, skema beda
hingga tak-standar tetap menjaga sifat kestabilan model diskrit meskipun ukuran
langkah berubah-ubah berbanding terbalik dengan Runge- Kutta orde empat yang
tidak bisa menjaga sifat kestabilan ketika ukuran langkah waktu berubah. Oleh
sebab itu, pada penyelesaian model SIR skema beda hingga tak-standar lebih baik
daripada metode Runge-Kutta orde empat.
5.2 Saran
Pada penelitian ini penulis mengkaji kestabilan dari model SIR yang
didiskritisasi menggunakan skema beda hingga tak-standar dan membandingkannya
dengan skema Runge-Kutta orde empat, serta parameter ukuran langkah waktu h
52
yang digunakan berupa konstanta. Untuk menindaklanjuti penelitian ini, penulis
menyarankan agar mengkaji metode lain untuk penyelesaian model SIR dan ukuran
langkah waktu h yang digunakan berupa fungsi dari h .
53
DAFTAR PUSTAKA
Cresson dan Pierret. 2009. Nonstandard Finite Difference Schemes. USA: World
Scientific.
Hoffman, D. J. 2001. Numerical Methods for Engineers and Scientists Second Edition.
New York: Marcel Dekker, Inc.
Ma, Z. dan Li, J. 2009. Dinamical Modeling and Analysis of Epidemics. Singapore:
World Scientific Publishing.
Sarrayu, E. A. 2010. Penyelesaian Numerik dan Analisis Perilaku Model Epidemik tipe
SIR dengan Vaksinasi untuk Pencegahan Penyakit. Surabaya: ITS.
Suryanto, A. 2012. Skema Beda Hingga Tak-Standar Untuk Model Epidemi dengan
Laju Penularan Tersaturasi yang Dimodifikasi. Jurnal KNM XV1, 879-888.
54
LAMPIRAN A
PENURUNAN PERSAMAAN PADA SISTEM (4.6)
S
I
2
f ( S * , I * , R* )
S*
,
I
2
I*
f S , I , R
0
R
f S * , I * , R* 0,
R
g ( S , I , R) I
S I
g ( S * , I * , R* ) I*
,
S
I *
55
g ( S , I , R)
I
2 I S I I I S
I
2 2
2 I S I I I S
I
2
2 I S I
2
I
2
2I
S * I *
2
g S * , I * , R*
*
,
I I
2
*
g S , I , R
0
R
g S * , I * , R* 0,
R
h S , I , R I
S I
2
h S * , I * , R* I *
,
S I
2
*
h S , I , R
I
R 2I S I R I I I S
2 I
2 2
R 2I S I R I I I S
I
2
56
I 2I S I I S
I
2
2I S 2 I 2
I
2
h S * , I * , R* 2I *
S * 2 I *2
,
I I *
2
h S , I , R I
R I
1
h S * , I * , R* 1.
R
57
LAMPIRAN B
PERINTAH MAPLE 13 UNTUK MENETUKAN NILAI EIGEN
PADA TABEL 4.1
>
>
>
>
>
>
>
>
>
>
>
>
>
>
58
>
>
>
>
>
>
>
>
>
>
>
>
>
>
59
LAMPIRAN C
PERINTAH MAPLE 13 UNTUK MENAMPILKAN
GAMBAR 4.1
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
60
>
>
>
>
>
>
>
>
61
LAMPIRAN D
PERINTAH MAPLE 13 UNTUK MENETUKAN NILAI EIGEN
PADA TABEL 4.5
>
>
>
>
>
>
>
>
>
>
>
>
>
>
62
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
63
LAMPIRAN E
PERINTAH MAPLE 13 UNTUK MENAMPILKAN
GAMBAR 4.4 (b)
>
>
>
>
>
>
>
>
>
>
>
>
>
>
>
64
>
>
>
>
>
>
>
>
65
RIWAYAT HIDUP
Riwayat Pendidikan
2001-2007 SD Negeri 1 Kedungwuluh, Purwokerto Barat.
2007-2010 SMP Negeri 1 Purwokerto.
2010-2013 SMA Negeri 1 Purwokerto.
2013-2018 Universitas Jenderal Soedirman, Fakultas MIPA, Jurusan Matematika.
66
Riwayat Organisasi
2011-2012 Ketua Ikhwan Rohani Islam SMA Negeri 1 Purwokerto.
2013-2017 Pengajar Tetap Sahabat Panti, Panti Asuhan Darul Hadlonah.
2013-2017 Pengajar Tetap Sahabat Panti, Panti Asuhan Dharmoyuwono.
2013-2017 Pengajar Tetap Sahabat Panti, Panti Asuhan Harapan Mulia.
2014-2015 Wakil Ketua Sahabat Panti.
2014-2015 Sekretaris Umum Rohani Islam FMIPA UNSOED.
2014-2015 Staff Divisi Pendidikan Himatika UNSOED.
2014-2017 Penanggung Jawab Bimbingan Belajar Sahabat Panti.
2015-2016 Kepala Departemen Ilmiah dan Pustaka, Rohani Islam FMIPA
UNSOED.
2015-2017 Staff Divisi Progam Sahabat Panti.
Prestasi
2011 Juara 1 Lomba Karya Tulis Ilmiah SMA N 1 Purwokerto.
2011 Medali Emas Kejuaraan Pencak Silat Merpati Putih se-eks Karesidenan
Banyumas.
2015 Hibah Dana PKM-GT “BANK SAMSIRAH (BANK SAMPAH
SYARIAH).
2016 Hibah Dana PKM-P “MERCUSUAR (METODE RUMUSKAN
CURANMOR DENGAN SPATIAL AUTOREGRESSIVE)”.
2016 Delegasi UNSOED pada KKN Kebangsaan di Kepulauan Riau,
“Pengembangan Ekowisata Bahari Pulau Terdepan, Tertinggal, dan
Terisolir Provinsi Kepulauan Riau Berbasis Masyarakat Sebagai Startegi
Menjaga Kedaulatan NKRI”.
2017 Pemakalah Seminar Nasional Matematika Terapan dan Aplikasinya 1,
Universitas Lambung Mangkurat, dengan Judul Makalah “Peramalan
Jumlah Penderita HIV/AIDS di Kabupaten Banyumas dengan Metode
Winter Aditif”.
67
2017 Pemakalah Seminar Nasional LPPM, Universitas Jenderal Soedirman
dengan Judul Makalah “Uji Chi-Square pada Faktor Penderita
HIV/AIDS di Kabupaten Banyumas”.
68