ANALISIS DINAMIK MODEL SIR

DENGAN SKEMA BEDA HINGGA TAK-STANDAR

SKRIPSI

Oleh

NUGROHO SAPTO YUDANTO YUDASUBRATA

H1B013053

KEMENTERIAN RISET, TEKNOLOGI, DAN PENDIDIKAN TINGGI

UNIVERSITAS JENDERAL SOEDIRMAN
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
PURWOKERTO
2018
 ANALISIS DINAMIK MODEL SIR
DENGAN SKEMA BEDA HINGGA TAK-STANDAR

SKRIPSI

Oleh
NUGROHO SAPTO YUDANTO YUDASUBRATA
H1B013053

Sebagai Salah Satu Persyaratan untuk Memperoleh

Gelar Sarjana Strata Satu (S1) pada Jurusan Matematika

KEMENTERIAN RISET, TEKNOLOGI, DAN PENDIDIKAN TINGGI

UNIVERSITAS JENDERAL SOEDIRMAN
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
PURWOKERTO
2018

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.

Purwokerto, Januari 2018

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

Model Dinamik Diskrit ..................................................................... 45

BAB V KESIMPULAN DAN SARAN .............................................................. 49
5.1 Kesimpulan ................................................................................................ 49
5.2 Saran ..................................................................................................... 49
DAFTAR PUSTAKA ........................................................................................ 51
LAMPIRAN-LAMPIRAN.................................................................................. 52
RIWAYAT HIDUP ............................................................................................ 63

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

TEE Titik kesetimbangan endemik 10

LAMBANG

y Turunan pertama variabel terikat y 4

t Waktu (variabel bebas) 4

N Total populasi manusia 6
A Tingkat kelahiran 6
 Tingkat kematian alami 6
 Tingkat penularan penyakit 6
 Tingkat kesembuhan individu 6
terinfeksi
y* Titik kesetimbangan 8

0 Angka reproduksi dasar 11

l u Laju munculnya infeksi baru pada 12

tiap sub populasi
m u Laju masuk dan keluar tiap sub 12
populasi selain infeksi baru
J Matriks Jacobi 12
 Nilai eigen 15

ix
 DAFTAR GAMBAR

Gambar 2.1 Alur penyebaran penyakit model kompartemen SIR ................ 5

Gambar 4.1 Perilaku individu susceptible, infective, dan recovered pada
sistem (4.8)................................................................................ 40
Gambar 4.2 Perilaku individu susceptible, infective, dan recovered pada
perubahan parameter tingkat penularan penyakit ..................... 42
Gambar 4.3 Perilaku individu susceptible, infective, dan recovered pada
perubahan parameter tingkat kesembuhan individu terinfeksi... 44
Gambar 4.4 Perbandingan skema beda hingga-tak standar dengan metode
Runge-Kutta orde empat pada kestabilan titik kesetimbangan
endemik dengan h  0, 2 ............................................................ 47
Gambar 4.5 Perbandingan skema beda hingga-tak standar dengan metode
Runge-Kutta orde empat pada kestabilan titik kesetimbangan
endemik dengan h  0,5 ............................................................ 48
Gambar 4.6 Perbandingan skema beda hingga-tak standar dengan metode
Runge-Kutta orde empat pada kestabilan titik kesetimbangan
endemik dengan h  5 ............................................................ 48

x
 DAFTAR TABEL

Tabel 2.1 Variabel dan parameter yang digunakan …........................................ 6

Tabel 4.1 Titik kesetimbangan, nilai eigen, dan kestabilan titik kesetimbangan 40
Tabel 4.2 Titik kesetimbangan, nilai eigen, dan kestabilan titik kesetimbangan
dengan mengubah-ubah parameter tingkat penularan penyakit    . 42

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

menggunakan skema beda hingga tak-standar ….............................. 46

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…............................. 47

xi
 DAFTAR LAMPIRAN

Lampiran A Penurunan persamaan pada sistem (4.6) ......................................... 52

Lampiran B Perintah Maple 13 untuk menetukan nilai eigen pada Tabel 4.1….. 55
Lampiran C Perintah Maple 13 untuk menampilkan Gambar 4.1........................ 57
Lampiran D Perintah Maple 13 untuk menetukan nilai eigen pada Tabel 4.5….. 59
Lampiran E Perintah Maple 13 untuk menampilan Gambar 4.4 (b)…................. 61

xii
 ABSTRAK

Model SIR adalah model matematika yang menggambarkan dinamika

penyebaran penyakit menular dengan membagi populasi manusia menjadi tiga
kelompok, yaitu kelompok individu Susceptible (rentan terhadap penyakit), kelompok
individu Infective (terinfeksi penyakit), dan kelompok individu Recovered (sembuh
dari penyakit). Model ini berbentuk sistem persamaan diferensial non linier yang sulit
diselesaikan secara eksak, sehingga metode numerik diperlukan untuk mendapatkan
penyelesaian yang mendekati nilai eksak. Skema beda hingga tak-standar merupakan
salah satu metode numerik yang dapat digunakan untuk menyelesaikan sistem
persamaan diferensial non linier. Dalam penelitian ini, dikaji model diskrit SIR yang
diperoleh dengan menggunakan skema beda hingga tak-standar. Analisis perilaku
model menunjukkan bahwa kestabilan titik kesetimbangan bergantung pada angka
reproduksi dasar dan kepositifan titik kesetimbangan tersebut. Perubahan nilai
parameter akan memberikan pengaruh pada kestabilan masing-masing titik
kesetimbangan. Dibandingkan dengan metode Runge-Kutta orde empat, skema beda
hingga tak-standar tetap menjaga kestabilan titik kesetimbangan, meskipun ukuran
langkah diubah-ubah.

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.

Keywords: equilibrium point , non-standard finite difference scheme, Runge-Kutta

method, SIR model, stability.

xiv
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Penyakit merupakan suatu keadaan abnormal dari tubuh atau pikiran yang
menyebabkan ketidaknyamanan, disfungsi, atau kesukaran terhadap orang yang
dipengaruhinya. Penyakit dibagi menjadi dua jenis, yaitu penyakit menular dan
penyakit tidak menular (Bustan, 1997: 2). Penyakit menular adalah penyakit yang
disebabkan oleh kuman berupa virus, bakteri, amuba, atau jamur yang menyerang
tubuh manusia, di antaranya influenza, malaria, campak, dan flu burung. Penyakit tidak
menular adalah penyakit yang tidak disebabkan oleh kuman, tetapi disebabkan oleh
adanya problem fisiologis atau metabolisme pada jaringan tubuh manusia, di antaranya
batuk, sariawan, dan sakit perut. Penyakit menular dapat menyebabkan wabah pada
suatu populasi. Wabah penyakit selama periode waktu yang singkat disebut epidemik.
Jika wabah tetap dalam suatu populasi selama jangka waktu yang panjang, maka
disebut endemik.
Dalam beberapa dekade terakhir telah banyak dikembangkan model
matematika yang menjelaskan dinamika penyakit menular yang biasa disebut model
epidemi. Pada model epidemi, umumnya populasi dibagi menjadi beberapa kelas yang
berbeda. Salah satu model matematika yang termasuk dalam kategori ini adalah model
SIR yang membagi populasi menjadi kelompok individu rentan terhadap infeksi suatu
penyakit (Susceptible), kelompok individu terinfeksi (Infective), dan kelompok
individu sembuh dari infeksi (Recovered).
Pada umumnya model epidemi yang berbentuk sistem persamaan diferensial
non linier tidak dapat diselesaikan secara eksak. Oleh karena itu, metode pendekatan
numerik diperlukan untuk mendapatkan penyelesaian yang mendekati nilai eksak.
Diskritisasi akan mentransformasikan sistem persamaan diferensial ke dalam sistem
persamaan beda.

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.

1.2 Rumusan Masalah

Berdasarkan latar belakang yang telah diuraikan tersebut, maka rumusan
masalah dalam penelitian ini yaitu:
1. Bagaimana mengkonstruksi model SIR dengan skema beda hingga tak-standar?
2. Bagaimana perilaku model SIR yang dikonstruksi dengan skema beda hingga tak-
standar?
3. Bagaimana perbandingan kestabilan model SIR yang dikonstruksi dengan skema
beda hingga tak-standar dengan metode Runge-Kutta orde empat?

1.3 Batasan Masalah

Adapun batasan masalah dalam penelitian ini adalah sebagai berikut:
1. Model yang digunakan adalah model SIR dengan faktor demografi (laju kelahiran
dan laju kematian).
2. Populasi pada model SIR tertutup.
3. Perilaku kestabilan model dikaji secara lokal.

1.4 Tujuan Penelitian

Penelitian ini bertujuan untuk:
1. Mengkaji cara mengkonstruksi model SIR dengan skema beda hingga tak-standar.

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.

1.5 Manfaat Penelitian

Manfaat dari penelitian ini yaitu:
1. Sebagai masukan untuk mengkaji model SIR dan diselesaikan secara numerik
menggunakan metode skema beda hingga tak-standar.
2. Dapat menerapkan ilmu matematika dalam fenomena-fenomena nyata dan untuk
menambah pengetahuan terutama dalam bidang matematika.

3
 BAB II
TINJAUAN PUSTAKA

Penyelesaian model SIR dengan faktor demografi (Sarrayu, 2010) akan

diselesaikan secara numerik dengan metode skema beda hingga tak-standar. Tinjauan
pustaka yang digunakan dalam pembahasan yaitu teori sistem dinamik, model SIR,
metode skema beda hingga tak-standar, dan metode Runge-Kutta orde empat.

2.1 Sistem Dinamik Kontinu

Sistem dinamik kontinu adalah sistem yang dinyatakan dalam bentuk sistem
persamaan diferensial. Sistem persamaan diferensial merupakan kumpulan dari dua
atau lebih persamaan diferensial yang saling berkaitan. Persamaan diferensial sendiri
adalah persamaan yang mengandung variabel terikat beserta turunannya terhadap
variabel bebas (Edwards dan Penney, 2000:1). Sistem persamaan diferensial secara
matematis dapat ditulis dalam bentuk,
y  f  t , y  , (2.1)

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.

2.2 Model SIR

Model SIR adalah model matematika yang menggambarkan dinamika
penyebaran penyakit menular (Ma dan Li, 2009:1). Pada model ini, populasi manusia
dibagi menjadi tiga kelompok individu, yaitu kelompok individu rentan (Susceptible),
kelompok individu terinfeksi (Infective), dan kelompok individu sembuh (Recovered).
Alur penyebaran penyakit model SIR disajikan pada Gambar 2.1 berikut.

Gambar 2.1 Alur penyebaran penyakit model kompartemen SIR

Dengan variabel-variabel dan parameter-parameter yang digunakan untuk model SIR

disajikan pada Tabel 2.1

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 s0 Jiwa
i Jumlah individu terinfeksi Variabel i0 Jiwa

r Jumlah individu sembuh Variabel r 0 Jiwa

A Tingkat kelahiran Parameter 0  A 1 per satuan
waktu
 Tingkat kematian alami Parameter 0   1 per satuan
waktu
 Tingkat penularan penyakit Parameter 0   1 per satuan
waktu
 Tingkat kesembuhan Parameter 0   1 per satuan
individu terinfeksi waktu

Dengan populasi yang tertutup, dinamika penyebaran penyakit menular yang

menyebabkan perubahan jumlah setiap kelompok pada masing-masing sub populasi,
dijelaskan pada uraian berikut ini.
1. Jumlah individu rentan (Susceptible).
Jumlah individu rentan mengalami penambahan karena adanya kelahiran
individu rentan dengan tingkat kelahiran sebesar 𝐴 dan mengalami penurunan karena
adanya individu rentan yang terinfeksi dengan tingkat penularan sebesar 𝛽. Selain itu,
pengurangan jumlah individu rentan juga disebabkan oleh adanya kematian individu
rentan dengan tingkat kematian alami sebesar 𝜇.
2. Jumlah individu terinfeksi (Infective).
Jumlah individu terinfeksi mengalami penambahan karena adanya individu
rentan yang terinfeksi dengan tingkat penularan sebesar 𝛽. Pengobatan pada individu
yang terinfeksi diberikan untuk mengurangi jumlah kematian atau memperbesar
kesembuhan dengan tingkat kesembuhan sebesar 𝛾 dan jumlah individu terinfeksi akan
berkurang karena adanya kematian alami dengan tingkat kematian sebesar 𝜇.
3. Jumlah individu sembuh (Recovered).

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

2.4 Titik Kesetimbangan

Berikut dijelaskan definisi tentang titik kesetimbangan dari suatu sistem
persamaan diferensial (Edwards dan Penney, 2000: 481).

Definisi 2.1 Titik Kesetimbangan

Titik y*   y1* , y2* , 
, yn* disebut sebagai titik kesetimbangan dari sistem y '  f (y)

jika memenuhi f  y1* , y2* , 

, yn*  0.

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,

sedangkan y-nullclines adalah grafik yang memenuhi f 2 ( x, y)  0 . Penentuan titik

kesetimbangan ( x* , y* ) dengan metode nullclines dilakukan dengan mencari titik

perpotongan antara x-nullclines dan y-nullclines (Borelli dan Coleman, 1998: 455-
456).
Berdasarkan persamaan (2.4 a)–(2.4 c) dapat dicari dua buah titik
kesetimbangan yaitu titik kesetimbangan bebas penyakit dan titik kesetimbangan
dS dI dR
endemik. Misal  f1 ( S , I , R) ,  f 2 ( S , I , R) , dan  f3 ( S , I , R) , maka titik
dt dt dt
kesetimbangan model SIR diperoleh jika f1 (S , I , R)  f 2 (S , I , R)  f3 (S , I , R)  0 ,
sehingga
A   S   SI  0 (2.6)
 SI   I   I  0 (2.7)
 I  R  0 . (2.8)

2.4.1 Titik Kesetimbangan Bebas Penyakit (𝑻𝑬𝟎 )

Titik kesetimbangan bebas penyakit adalah titik kesetimbangan pada saat tidak
ada penyakit dalam suatu populasi individu. Apabila tidak ada penyakit di suatu
populasi, maka jumlah populasi individu terinfeksi adalah nol  I  0 . Dengan

mensubstitusikan asumsi I  0 pada persamaan (2.6) diperoleh

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  .
 

2.4.2 Titik Kesetimbangan Endemik (𝑻𝑬𝑬 )

Titik kesetimbangan endemik terjadi pada saat populasi sudah terinfeksi
penyakit. Untuk menentukan titik kesetimbangan endemik, diasumsikan I  0 .
Dari persamaan (2.6) dapat diperoleh
A   S   SI  0
 A      I  S  0
    I  S  A

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

menyebabkan infeksi baru. Selanjutnya, dibentuk matriks Jacobi sebagai JTE0 l  u 

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
  


dan matriks Jacobi sebagai J (TE0 )m  u  sebagai berikut

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 

dengan B merupakan matriks 2x2 yaitu

 A 

B  ,
 
0    

0
j3   0   , j4    .

Dari matriks F dan B , dapat ditentukan matriks FB -1 sebagai berikut
1
0 0  A 
FB      
A 
-1
0 
      
  0

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)
    

2.6 Sistem Dinamik Diskrit

Sistem dinamik diskrit merupakan sistem dinamik yang menggunakan
persamaan beda. Persamaan beda merupakan persamaan dengan bentuk sebagai
berikut
y  k  n   F  k , y  k  n  1 , y  k  n  2 , , y  k  , (2.16)

15
fungsi F terdefinisi dengan baik dan  y(k ) menunjukkan barisan

y  0 , y 1 , y  2 , , sehingga anggota dari suatu barisan  y  k  didefinisikan

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   an1 (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

i  0,1, 2, , n dan R  k  adalah konstanta atau fungsi dari k . Apabila R  k   0,

persamaan (2.17) disebut persamaan beda linier homogen sedangkan jika R  k   0

maka persamaan (2.17) disebut persamaan beda linier non homogen. Apabila
an (k ), an1 (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  2  (3k 1) y  k  1  ky  k   0 (orde dua, linier 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 ) .

Fungsi f i untuk i  1, 2, , n mendefinisikan fungsi dalam sistem (2.18), kemudian

sistem (2.18) dapat ditulis dalam bentuk
y  k  1  f  y(k ), k  . (2.19)

Berdasarkan kelinierannya, terdapat sistem persamaan beda linier dan

persamaan beda non linier. Sistem persamaan beda disebut linier apabila sistem
tersebut dikonstruksi dengan persamaan beda linier, sedangkan sistem persamaan beda
disebut sistem non linier apabila minimal terdapat satu persamaan beda non linier.
Bentuk umum dari sistem dinamik diskrit linier orde satu (Luenberger, 1979:92) adalah
sebagai berikut
y1 (k  1)  a11 (k ) y1 (k )  a12 ( k ) y2 ( k )   a1n ( k ) yn ( k )  w1 ( k )
y2 (k  1)  a21 (k ) y1 (k )  a22 (k ) y2 ( k )   a2 n ( k ) yn ( k )  w2 ( k )

yn (k  1)  an1 (k ) y1 (k )  an 2 (k ) y2 (k )   ann (k ) yn (k )  wn (k )

dengan nilai aij ( k ) untuk i  1, 2, , n dan j  1, 2, , n adalah konstanta atau fungsi

yang bergantung k , dan wi (k ) untuk i  1, 2, , n juga merupakan konstanta atau

fungsi yang bergantung k . Bentuk sistem (2.20) biasa ditulis dalam bentuk matriks
 y1 (k  1)   a11 (k ) a12 (k ) a1n (k )  y1 (k )   w1 (k ) 
      
 y2 (k  1)    a21 (k ) a22 (k ) a2 n (k )  y2 (k )   w2 (k ) 
 . (2.21)
      
      
 yn (k  1)   an1 (k ) an 2 (k ) ann (k )  yn (k )   wn (k ) 

Secara ringkas, sistem (2.21) dapat ditulis dalam bentuk

y  k  1  A(k )y(k )  w(k ). (2.22)

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

j  1, 2, , n adalah parameter berbentuk fungsi yn (k ) .

Sistem persamaan beda dapat diselesaikan dengan dua cara, yaitu secara
analitik dan numerik. Penyelesaian analitik sistem persamaan beda 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.
Penyelesaian analitik secara kualitatif biasa digunakan untuk sistem persamaan
beda non linier. Linierisasi sistem di sekitar titik kesetimbangan dapat menghasilkan
nilai eigen yang bisa digunakan untuk mengetahui kestabilannya (Luenberger, 1979:
327).

Definisi 2.2 Linierisasi Sistem

Misalkan diketahui sebuah sistem non linier
y  k  1  f  y(k ), k  (2.23)

dan y * merupakan titik kesetimbangan dari sistem tersebut. Jika dedefiniskan fungsi

baru F  y  , dimana F  y  = f  y  dengan f  y  adalah fungsi kontinu yang

terdiferensialkan, linierisasi dari sistem (2.23) di sekitar titik kesetimbangan y *

 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).

Definisi 2.3 Kestabilan Titik Kesetimbangan berdasarkan Nilai Eigen

a) jika nilai mutlak nilai eigen kurang dari satu    1 maka titik kesetimbangan

bersifat stabil asimtotis,

b) jika terdapat nilai mutlak nilai eigen lebih besar dari satu    1 maka titik

kesetimbangan bersifat tidak stabil,

c) jika terdapat nilai mutlak nilai eigen sama dengan satu    1 dan nilai mutlak

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.

Jika titik kesetimbangan bersifat stabil, maka penyelesaian berada di sekitar

titik kesetimbangan. Jika titik kesetimbangan bersifat stabil asimtotis, maka
penyelesaian akan menuju titik kesetimbangan. Jika titik kesetimbangan bersifat tidak
stabil, maka penyelesaian akan menjauh dari titik kesetimbangan (Luenberger,
1979:156).

2.7 Metode Beda Hingga

Metode beda hingga adalah metode numerik yang umum digunakan untuk
menyelesaikan persoalan teknis dan problem matematis dari suatu gejala fisis. Metode
beda hingga ini dapat bersifat eksplisit, artinya keadaan suatu sistem atau solusi
variabel pada suatu waktu dapat digunakan untuk menentukan keadaan sistem pada
waktu berikutnya. Apabila dalam menentukan solusi sistem digunakan keadaan suatu
sistem pada saat sebelumnya dan yang akan mendatang maka metode beda hingga
bersifat implisit (Hoffman, 2001: 39).
Aplikasi penting dari metode beda hingga yaitu dalam analisis numerik,
khususnya pada persamaan diferensial biasa dan persamaan diferensial parsial.
Prinsipnya adalah mengganti turunan yang ada pada persamaan diferensial dengan
persamaan beda hingga berdasarkan ekspansi deret Taylor. Misal diberikan f ( x) di
titik xi , pendekatan nilai f ( x) di titik xi 1 dengan ekspansi deret Taylor adalah sebagai
berikut

 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

f  xi 1   fungsi di titik 𝑥𝑖+1

f ' , f '' , , f n  turunan pertama, kedua,..., ke -𝑛 dari fungsi 𝑓.

Ekspansi deret Taylor inilah yang merupakan dasar pemikiran metode beda
hingga untuk menyelesaikan persamaan diferensial dengan pendekatan numerik.
Pendekatan untuk turunan pertama diperoleh dengan memotong suku-suku berorde

 x  pada deret Taylor. Hal ini disebabkan, untuk x yang cukup kecil,  x  jauh
2 2

lebih kecil lagi sehingga dapat diabaikan.

Ekspansi deret Taylor pada persamaan (2.25) dapat ditulis dalam bentuk
x
f ( xi 1 )  f ( xi )  f ' ( xi ) , (2.26)
1!
atau
f ( xi 1 )  f ( xi )
f ' ( xi )  . (2.27)
x
Bentuk diferensial dari persamaan (2.27) disebut pendekatan beda maju.
Disebut demikian karena menggunakan informasi pada titik xi dan xi 1 untuk

memperhitungkan turunan pertama dari f  xi  . Jika informasi yang digunakan adalah

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)
2x
Selanjutnya, turunan kedua fungsi f ( xi ) diperoleh dari deret Taylor dengan

menjumlahkan persamaan (2.26) dan (2.29). Pemotongan dilakukan pada x yang

berderajat tiga sehingga diperoleh

 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.

2.8 Skema Beda Hingga Tak-Standar

Skema beda hingga tak-standar adalah metode skema beda hingga yang
menerapkan generalisasi beda maju dan pendekatan non lokal terhadap persamaan
diferensial. Dalam hal ini metode skema beda hingga tak-standar didasarkan pada dua
prinsip (Cresson dan Pierret, 2009) yaitu:
1. Penggantian dari turunan orde pertama diskrit
dx x  k  1  x  k 
 . (2.34)
dt  ( h)

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  .

2.9 Metode Runge-Kutta

Metode Runge-Kutta merupakan metode yang sangat praktis dan sering
digunakan dalam menyelesaikan persamaan diferensial secara numerik karena metode
Runge-Kutta tidak membutuhkan perhitungan turunan. Selain itu metode Runge-Kutta
juga memiliki nilai kesalahan (error) yang sangat kecil sehingga hasil yang didapat
cukup akurat (Pachner, 1984: 18).
Metode Runge-Kutta dapat juga digunakan untuk sistem persamaan diferensial
linier dan non linier orde ke- n  n  1 . Metode Runge-Kutta terbagi menjadi beberapa

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

3.1 Metode Penelitian

Metode yang digunakan dalam skripsi ini adalah studi kepustakaan, yaitu
dengan mengumpulkan informasi dari berbagai sumber seperti buku, jurnal, skripsi,
atau proseding seminar nasional atau internasional. Penelitian ini dilakukan dengan
mengkaji teorema-teorema sistem dinamik diskrit dari literatur yang diperoleh,
kemudian diterapkan pada masalah-masalah dalam kehidupan nyata, salah satunya
yaitu penyebaran penyakit.
Langkah-langkah yang dilakukan dalam penelitian ini adalah
1. mendiskritisasi model SIR dengan skema beda hingga tak-standar,
2. menganalisis perilaku di setiap titik kesetimbangan model,
3. simulasi model SIR yang telah dikontruksi dengan skema beda hingga tak-standar,
4. membandingkan hasil simulasi model SIR yang telah dikontruksi dengan skema
beda hingga tak-standar dengan skema Runge Kutta orde empat.

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.

4.1 Diskritisasi Model

Diskritisasi merupakan proses mentransformasikan model kontinu menjadi
model diskrit. Model yang akan didiskritisasi adalah model kontinu pada sistem (2.4).
Proses ini menggunakan metode skema beda hingga tak standar.

4.1.1 Diskritisasi Laju Perubahan Jumlah Individu Susceptible (S)

Dengan menggunakan persamaan (2.34) dan (2.35) laju perubahan jumlah
individu Susceptible (S) pada persamaan (2.4 a) dapat didiskritisasi sebagai berikut
dS
 A   S   SI
dt
S  n  1  S  n 
  A   S  n  1   S  n  1 I  n 
h
 S  n  1  h S  n  1  h S  n  1 I  n   S  n   hA
 S  n  1 1  h  h I  n    S  n   hA
S  n   hA
 S  n  1  .
1  h  h I  n 

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  11  h  h   I  n   h S  n  1 I  n  .

Substitusi persamaan (4.1) ke (4.2) diperoleh

S  n   hA
 I  n  11  h  h   I  n   h I n
1  h  h I  n 
I n h I  n   S  n   hA
 I  n  1  
1  h  h  1  h  h I  n  1  h  h 
I  n  1  h  h I  n    h I  n   S  n   hA
 I  n  1 
1  h  h  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 

4.1.3 Diskrititsasi Laju Perubahan Jumlah Individu Recovered (R)

Dengan menggunakan definisi persamaan (2.33) dan (2.34) laju perubahan
jumlah individu Recovered (R) pada sistem (2.4 c) dapat didiskritisasi sebagai berikut
dR
  I  R
dt
R  n  1  R  n 
   I  n  1   R  n  1
h
 R  n  1  h R  n  1  R  n   h I  n  1
 R  n  11  h   R  n   h I  n  1

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 

dan T   S * , I * , R*  merupakan titik kesetimbangan dari sistem (2.4). Bentuk umum

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



4.2.1 Analisis Perilaku Model di Sekitar Titik Kesetimbangan Bebas Penyakit

A 
Perilaku penyelesaian sistem (4.6) di sekitar titik TE0   , 0, 0  dapat
 
ditentukan melalui linierisasi di sekitar titik kesetimbagan tersebut. Matriks Jacobi di
A 
titik kesetimbangan TE0   , 0, 0  adalah
 

 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.

Persamaan (4.7) memenuhi Definisi 2.3 (a).

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 

TEE   ,  ,  adalah J  a a a  dengan

    
       
  TE   21 22 23

a a 
E
a
 31 32 33 

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 

Dengan demikian diperoleh persamaan karakteristik dari J TEE  adalah

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.

Persamaan (4.8) memenuhi Definisi 2.3 (a).

Kemudian akan dicari nilai eigen dari persamaan yang lain sebagai berikut
 
 1

 
  A  
        
   

     
           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

3 yang bersifat stabil asimtotis apabila

1) 1  a  b  0, sebagai berikut

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.

4.3 Simulasi Model

Simulasi model dilakukan untuk mengetahui perilaku model dalam jangka
waktu yang lama di sekitar titik kesetimbangan dari sistem (4.6). Selain itu, akan dilihat
pengaruh dari perubahan nilai parameter terhadap kestabilan titik kesetimbangan.
Simulasi ini menggunakan software Maple 13.
Pemilihan nilai parameter yang digunakan dalam simulasi model
mempertimbangkan kepositifan titik kesetimbangan. Pada titik kesetimbangan
       A         
 , 
A
endemik TEE   , ,
 
           

 
1) , kepositifan jelas terpenuhi karena paremater  ,  , dan  bernilai positif.

A  A 
2)  , kepositifan terpenuhi apabila  .
     
   A        
, kepositifan terpenuhi apabila  A        atau
A
3) 
        
.

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 

Dengan memasukkan nilai parameter pada titik kesetimbangan bebas penyakit

TE0  dan titik kesetimbangan endemi TEE  diperoleh

 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*)

TE0   94;0;0  0,999;0,999;1,1297 Tidak Stabil

TEE   6,67;8,73;78,6  0,999;0,99298  0,00887I ;0,99298  0,00887I  Stabil

Asimtotis

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

tingkat kesembuhan penyakit   serta melihat pengaruhnya terhadap kestabilan titik

kesetimbangan dan jumlah individu Susceptible, Infective, dan Recovered.

4.3.1 Pengaruh Perubahan Tingkat Penularan Penyakit terhadap Jumlah

Individu Susceptible, Infective, dan Recovered
Pada bagian ini dilakukan simulasi pada sistem (4.8) dengan mengubah-ubah
nilai parameter tingkat penularan penyakit    dengan nilai h dan nilai parameter

lainnya tetap. Diketahui sebelumnya bahwa 0    1, sehingga dalam simulasi ini

nilai-nilai parameter  yang diambil adalah   0,0002 ;   0,0008;   0,002 ; dan
  0,05 . Berdasarkan nilai-nilai parameter yang diberikan, diperoleh titik
kesetimbangan, nilai eigen, dan kestabilan titik kesetimbangan yang disajikan dalam
Tabel 4.2.
Jika diberikan syarat awal S (0)  100 , I (0)  10 , dan R(0)  5, maka dapat
dilihat perilaku sistem dalam jangka waktu yang lama pada Gambar 4.2. Titik-titik
berwarna merah menunjukkan perilaku jumlah individu Susceptible pada waktu ke- n ,
titik-titik berwarna hijau menunjukkan perilaku jumlah individu Infective pada waktu
ke- n , dan titik-titik berwarna biru menunjukkan perilaku jumlah individu Recovered
pada waktu ke- n. Gambar 4.2 (a) menunjukkan perilaku sistem dalam keadaan stabil
asimtotis pada titik kesetimbangan bebas penyakit. Dalam jangka waktu yang lama
dengan   0,0008 , jumlah individu Susceptible menjadi 94 jiwa, jumlah individu
Infective menjadi 0 jiwa, dan jumlah individu Recovered menjadi 0 jiwa. Gambar 4.2
(b) menunjukkan perilaku sistem dalam keadaan stabil asimtotis pada titik
kesetimbangan endemik. Dalam jangka waktu yang lama dengan   0,05 , jumlah
individu Susceptible menjadi 2 jiwa, jumlah individu Infective menjadi 9 jiwa, dan
jumlah individu Recovered menjadi 89 jiwa.

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

TE0   94;0;0  0,999;0,999;1, 4553 Tidak

Stabil
TEE   2;9, 2;82,8  0,96854;0,98603;0,99891
0,05 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

0,001    1 , sedangkan jika 0    0,001 titik kesetimbangan bebas penyakit TE0

sistem (4.8) bersifat stabil asimtotis. Selain itu, Tabel 4.2 juga menyatakan bahwa
semakin besar tingkat penularan penyakit    dalam suatu populasi, maka akan terjadi

endemik penyakit.

4.3.2 Pengaruh Perubahan Tingkat Kesembuhan Individu Infective terhadap

Jumlah Individu Susceptible, Infective, dan Recovered
Pada bagian ini dilakukan simulasi dengan mengubah-ubah nilai parameter
tingkat kesembuhan individu Infective   dengan nilai h dan nilai parameter lainnya

tetap. Diketahui sebelumnya bahwa 0    1, sehingga dalam simulasi ini nilai-nilai

parameter  yang diambil adalah   0,0005 ;   0,005 ;   0,05 ; dan   0,5 .
Berdasarkan nilai-nilai parameter yang diberikan, diperoleh titik kesetimbangan, nilai
eigen, dan kestabilan titik kesetimbangan yang disajikan dalam Tabel 4.3.
Jika diberikan syarat awal S (0)  100 , I (0)  10 , dan R(0)  5 maka dapat
dilihat perilaku sistem dalam jangka waktu yang lama pada Gambar 4.3. Titik-titik
berwarna merah menunjukkan perilaku jumlah individu susceptible pada waktu ke- n ,
titik-titik berwarna kuning menunjukkan perilaku jumlah individu infective pada waktu
ke- n , dan titik-titik berwarna biru menunjukkan perilaku jumlah individu recovered

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 
* * *

TE0   94;0;0  0,999;1,07771;0,999 Tidak Stabil

0, 0005
TEE   0,7;88,86;4, 44  0,88326;0,94376;0,999  Stabil Asimtotis

TE0   94;0;0  0,999;1,07771;0,999 Tidak Stabil

0,005
TEE  1;62;31 0,91804;0,94187;0,999 Stabil Asimtotis

TE0   94;0;0  0,999;1,07771;0,999 Tidak Stabil

0,05
TEE   4;15;75  0,95581;0,9713;0,999 Stabil Asimtotis
TE0   94;0;0  0,999;1,07771;0,999 Tidak Stabil
0,5
TEE  34;1,18;58,82 0,99891;0,99493  0,00891I  Stabil Asimtotis

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

bahwa semakin besar tingkat kesembuhan individu Infective   akan menyebabkan

berkurangnya penyebaran penyakit dalam suatu populasi.

4.3.3 Pengaruh Perubahan Ukuran Langkah Waktu (𝒉) terhadap Kestabilan

Model Dinamik Diskrit
Pada bagian ini dilakukan simulasi pada sistem (4.8) dengan mengubah-ubah
nilai parameter ukuran langkah waktu  h  dan nilai parameter lainnya tetap. Dalam

simulasi ini nilai-nilai parameter ℎ yang diambil adalah h  0, 2 ; h  0,5 ; h  2 ; dan

h  5 . Simulasi dilakukan dengan dua metode, yaitu skema beda hingga tak-standar
dan metode Runge-Kutta orde empat. Berdasarkan nilai-nilai parameter yang diberikan
dan dengan bantuan software Maple 13 diperoleh titik kesetimbangan, nilai eigen, dan
kestabilan titik kesetimbangan yang disajikan dalam Tabel 4.4 untuk skema beda
hingga tak-standar dan Tabel 4.5 untuk metode Runge-Kutta orde empat.

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 
* * *

TE0   94;0;0 0,998;0,998;1,25686 Tidak Stabil

0, 2
TEE   6,67;8,73;78,6  0,998;0,98604  0,01745I  Stabil Asimtotis

TE0   94;0;0  0,99502;0,99502;1,62381 Tidak Stabil

0,5 TEE   6,67;8,73;78,6  0,999502;0,96561  0,04161I  Stabil Asimtotis

TE0   94;0;0 0,98039;0,98039;3,18333 Tidak Stabil

2 TEE   6,67;8,73;78,6  0,98039;0,87298  0,13381I  Stabil Asimtotis

TE0   94;0;0  0,95238;0,95238;5,36667  Tidak Stabil

5 TEE   6,67;8,73;78,6  0,95238;0,72923  0,23396I  Stabil Asimtotis

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 
* * *

TE0   94;0;0 0,99779;0,99779;1,29003 Tidak Stabil

0, 2
TEE   6,67;8,73;78,6  0,99779;0,98439  0,01996I  Stabil Asimtotis

TE0   94;0;0  0,99352;0,99352;1,84945 Tidak Stabil

0,5 TEE   6,67;8,73;78,6  0,99352;0,95429  0,05847I  Stabil Asimtotis

TE0   94;0;0  0,94;0,94;8,86 Tidak Stabil

2 TEE   6,67;8,73;78,6  0,94;0,577  0,54099I  Stabil Asimtotis

TE0   94;0;0 0,35625;0,35625;85,33125 Tidak Stabil

5 TEE   6,67;8,73;78,6  0,35625; 3,53844  5,80438 Tidak Stabil

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

Borelli, R. L., dan Coleman, C. S. 1998. Differential Equations, A Modeling

Perspective. New York: John Willey.

Cresson dan Pierret. 2009. Nonstandard Finite Difference Schemes. USA: World
Scientific.

Diekmann, O., Heesterbeek, J. A. P., dan Roberts, M. G. 2009. The construction of

next-generation matrices for compartmental epidemic models. Journal of The
Royal Society, 7, 873-885.

Din, Q. 2013. Dynamic of a Discrete Lotka-Volterra. Advances in Difference

Equations: Springer Open.

Edwards, C. H., dan Penney, D. E. 2000. Elementary Differential Equations with

Boundary Value Problems. 4th Ed. New Jersey: Prentice-Hall.

Hoffman, D. J. 2001. Numerical Methods for Engineers and Scientists Second Edition.
New York: Marcel Dekker, Inc.

Luenberger, D. G. 1979. Introductions to Dynamic System: Theory, Models, &

Applications. New York: John Wiley & Son.

Ma, Z. dan Li, J. 2009. Dinamical Modeling and Analysis of Epidemics. Singapore:
World Scientific Publishing.

Mardhiyah, I. 2016. Metode Numerik. Jakarta: Guanadarma University.

Mickens, R. E. 1990. Advances in the Applications of Nonstandard Finite Difference

Schemes. USA: World Scientific.

Pachner, J. 1984. Handbook of Numerical Analysis Applications, with progams for

Engineers and Scientists. McGraw Hill Book Company.

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)

Elemen-elemen pada matriks Jacobi di titik kesetimbangan 𝑇 diperoleh dengan

menurunkan persamaan-persamaan pada sistem (4.6) sebagai berikut
f ( S , I , R) 1
 
S   I
f ( S * , I * , R* ) 1
  ,
S   I*
f ( S , I , R) 0    I    S    
 
I    I 
2

 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  S      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

     2 I  S      I     2 I  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

Nama : Nugroho Sapto Yudanto Yudasubrata

NIM : H1B013053
Tempat / Tanggal Lahir : Banyumas, 09 Maret 1996
Jenis Kelamin : Laki-laki
Status : Belum Menikah
Alamat asal : Jalan R.A. Wirya Atmaja nomor 29, Purwokerto
Telepon : 08976281031
Email : atosapto@gmail.com
Motto : Sebaik-baik manusia adalah yang bermanfaat bagi
oranglain.

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