MODEL SIRS DENGAN VERTICAL TRANSMISSION

SKRIPSI

Oleh

ADAM NAUFAL WIDINO

H1B014034

KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN

UNIVERSITAS JENDERAL SOEDIRMAN
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
PURWOKERTO
2019
 MODEL SIRS DENGAN VERTICAL TRANSMISSION

SKRIPSI

Oleh

ADAM NAUFAL WIDINO

H1B014034

Sebagai Salah Satu Persyaratan untuk Memperoleh

Gelar Sarjana Strata Satu (S1) pada Jurusan Matematika

KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN

UNIVERSITAS JENDERAL SOEDIRMAN
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
PURWOKERTO
2019

i
 LEMBAR PENGESAHAN

MODEL SIRS DENGAN VERTICAL TRANSMISSION

Oleh
ADAM NAUFAL WIDINO
H1B014034

Diterima dan disahkan

Pada tanggal : ...............................

Pembimbing I Pembimbing II

Rina Reorita, M.Si. Siti Rahmah Nurshiami, M.Si.

NIP. 19800815 200912 2 002 NIP. 19740923 200501 2 001

Mengetahui,
Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam

Drs. Sunardi, M.Si.

NIP. 19590715 199002 1 001

ii
 PERNYATAAN

Dengan ini saya menyatakan bahwa skripsi yang berjudul:

ANALISIS PERILAKU MODEL SIRS DENGAN VERTICAL
TRANSMISSION
adalah benar merupakan hasil karya saya sendiri dan semua sumber data serta
informasi yang digunakan telah dinyatakan secara jelas dan dapat diperiksa
kebenarannya. Apabila pernyataan ini tidak benar maka saya bersedia menerima
sanksi pencabutan gelar kesarjanaan yang telah saya peroleh.

Purwokerto, Desember 2019

Adam Naufal Widino

H1B014034

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

Segala puji bagi Allah Subhanahu Wa Ta’ala yang telah melimpahkan

berkah, rahmat serta hidayah-Nya sehingga penulis dapat menyelesaikan skripsi
berjudul “MODEL SIRS DENGAN VERTICAL TRANSMISSION”. Skripsi ini
ditujukan untuk memenuhi persyaratan memperoleh gelar Sarjana Strata Satu (S1)
Matematika pada Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan
Alam Universitas Jenderal Soedirman.
Penyusunan skripsi ini tidak lepas dari bimbingan, motivasi serta bantuan
dari berbagai pihak, baik secara langsung maupun tak langsung. Oleh karena itu
dengan segala kerendahan hati, penulis menyampaikan ucapan terima kasih kepada:
1. Bapak Drs. Sunardi, M.Si., selaku Dekan Fakultas Matematika dan Ilmu
Pengetahuan Alam Universitas Jenderal Soedirman.
2. Ibu Dr. Idha Sihwaningrum, M.Sc.St., selaku Ketua Jurusan Matematika
Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Jenderal
Soedirman.
3. Bapak Dr. Jajang, M.Si., selaku Dosen Pembimbing Akademik.
4. Ibu Rina Reorita, M.Si., selaku Dosen Pembimbing I serta Ibu Siti Rahmah
Nurshiami, M.Si., selaku Dosen Pembimbing II yang telah memberikan
bimbingan dan arahannya hingga selesainya proses penulisan skripsi ini.
5. Bapak Drs. Wuryatmo A. Sidik, Grad.Dip.Sc.,M.Sc.,Ph.D., selaku Dosen
Pembimbing Seminar I dan Bapak Bambang Hendriya G., Ph.D., selaku Dosen
Pembimbing Seminar II yang telah memberikan masukan positif dan
membangun untuk kesempurnaan skripsi ini.
6. Keluarga besar penulis, khususnya Ibu, Bapak, Kakak-kakak, adik-adik, dan
saudara-saudara yang telah banyak memberikan doa yang terus menerus tanpa
henti, motivasi serta dukungan moral maupun material kepada penulis sampai
akhirnya skripsi ini dapat terselesaikan dengan baik.
7. Sahabat dan rekan-rekan yang bersama-sama dengan penulis berjuang untuk
mengerjakan skripsinya masing-masing. Semoga rekan-rekan yang telah saling

v
 berbagi semangat, motivasi, serta inspirasi akan dicatat nantinya oleh Allah
SWT sebagai amal sholeh.
8. Seluruh pihak yang tidak dapat disebutkan satu persatu dalam membantu
penulisan skripsi ini.
Penulis menyadari bahwa masih banyak kekurangan dalam penyusunan
skripsi ini. Oleh karena itu, penulis mengharapkan kritik dan saran yang
membangun dari semua pihak demi kesempurnaan skripsi ini. Semoga skripsi ini
dapat memberikan manfaat dan pengetahuan kepada pembaca.

Purwokerto, Desember 2019

Adam Naufal Widino

NIM. H1B014034

vi
 DAFTAR ISI

HALAMAN JUDUL................................................................................................ i
LEMBAR PENGESAHAN .................................................................................... ii
PERNYATAAN..................................................................................................... iii
PEDOMAN PENGGUNAAN SKRIPSI ............................................................... iv
KATA PENGANTAR ............................................................................................ v
DAFTAR ISI ......................................................................................................... vii
DAFTAR 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 .................................................................................... 2
BAB II TINJAUAN PUSTAKA............................................................................ 4
2.1 Persamaan Diferensial .............................................................................. 4
2.2 Sistem Persamaan Diferensial .................................................................. 5
2.3 Titik Ekuilibrium dan Kestabilan ............................................................. 6
2.4 Penyelesaian Sistem Persamaan Diferensial Linier ................................. 9
2.5 Penyelesaian Sistem Persamaan Diferensial Non Linier ....................... 10
2.6 Model SIRS ............................................................................................. 16
2.7 Angka Reproduksi Dasar ........................................................................ 19
2.8 Metode Lyapunov ................................................................................... 22
BAB III METODE PENELITIAN....................................................................... 24
3.1 Waktu dan Tempat Penelitian ................................................................ 24
3.2 Metode Penelitian ................................................................................... 24

vii
 3.3 Analisis ................................................................................................... 24
BAB IV HASIL DAN PEMBAHASAN .............................................................. 25
4.1 Konstruksi Model SIRS dengan Vertical transmission .......................... 25
4.2 Penyederhanaan Model .......................................................................... 28
4.3 Titik Ekuilibrium .................................................................................... 29
4.3.1 Titik Ekuilibrium Bebas Penyakit ................................................. 30
4.3.2 Titik Ekuilibrium Endemik............................................................ 30
4.4 Angka Reproduksi Dasar ........................................................................ 32
4.5 Analisis Kestabilan Titik Ekuilibrium Model ........................................ 35
4.5.1 Analisis Kestabilan Titik Ekuilibrium Bebas Penyakit TE 0 ......... 35
4.5.2 Analisis Kestabilan Titik Ekuilibrium Endemik TE * ................... 37
4.6 Simulasi model ....................................................................................... 41
BAB V KESIMPULAN ....................................................................................... 47
5.1 Kesimpulan ............................................................................................. 47
5.2 Saran ....................................................................................................... 48
DAFTAR PUSTAKA ........................................................................................... 49
LAMPIRAN .......................................................................................................... 50
RIWAYAT HIDUP ............................................................................................... 54

viii
 DAFTAR LAMBANG

Pemakaian pertama
LAMBANG KETERANGAN
kali pada halaman
N Total individu dalam populasi 17
S Jumlah individu rentan 17
I Jumlah individu terinfeksi 17
R Jumlah individu yang telah sembuh 17
b Tingkat kelahiran individu 17
 Tingkat kematian alami 17
1 Tingkat kematian karena penyakit 17

 Tingkat penularan penyakit 17

 Tingkat kesembuhan individu terinfeksi 17
 Tingkat menurunnya kekebalan pada 17
individu yg telah sembuh
p Tingkat penularan secara langsung
melalui orang tua yang terinfeksi 26
(vertical transmission)
R0 Angka reproduksi dasar 19

ix
 DAFTAR GAMBAR

Gambar 2.1 Alur penyebaran penyakit model SIRS ................................ 17

Gambar 4.1 Alur penyebaran penyakit model SIRS dengan vertical
transmisson ...........................................................................27
Gambar 4.2 Grafik hubungan R0 dengan  ............................................43

Gambar 4.3 Grafik simulasi jika R0  1 .................................................... 44

Gambar 4.4 Grafik simulasi jika R0  1 ................................................... 45

Gambar 4.5 Grafik simulasi jika R0  1 ................................................... 46

x
 DAFTAR TABEL

Tabel 2.1 Variabel dan parameter yang digunakan pada model SIRS ..17
Tabel 4.1 Variabel dan parameter yang digunakan pada model SIRS
dengan vertical transmission ................................................26

xi
 DAFTAR LAMPIRAN

Lampiran A Perintah Maple 2018 untuk menampilkan Gambar 4.2 ........50

Lampiran B Perintah Maple 2018 untuk menampilkan Gambar 4.3 ........51
Lampiran C Perintah Maple 2018 untuk menampilkan Gambar 4.4 ........52
Lampiran D Perintah Maple 2018 untuk menampilkan Gambar 4.5 ........53

xii
 ABSTRAK

Wabah penyakit atau epidemi adalah suatu kondisi dimana penyakit menular
berjangkit dengan cepat di daerah yang luas dan menimbulkan banyak korban.
Model SIRS dengan vertical transmisson adalah model matematika yang
menggambarkan dinamika penyebaran penyakit menular. Model SIRS dengan
vertical transmission memiliki dua titik ekuilibrium, yaitu titik ekuilibrium bebas
penyakit dan titik ekuilibrium endemik. Perilaku model dapat diketahui dengan
menentukan kestabilan dari titik ekuilibrium. Analisis perilaku model
menggunakan matriks Jacobi dan metode Lyapunov. Titik ekuilibrium bebas
penyakit bersifat stabil asimtotis jika angka reproduksi dasar kurang dari satu,
sedangkan titik ekuilibrium endemik bersifat stabil asimtotis jika angka reproduksi
dasar lebih dari satu.

Kata kunci: Model SIRS, Vertical Transmission, Titik Ekuilibrium, Metode

Lyapunov, Matriks Jacobi.

xiii
 ABSTRACT

A disease outbreaks or epidemic is a condition in which infectious diseases

spread quickly in large areas and cause many victims. The SIRS model with vertical
transmisson is a mathematical model that describes the dynamics of the spread of
infectious diseases. SIRS model with vertical transmission there are two
equilibrium points, that is disease-free equilibrium point and endemic equilibrium
point. The behavior of model can be determined by determining the stability of the
equilibrium point. Analysis of the behavior of the model using the Jacobi matrix
and Lyapunov method. Disease-free equilibrium points are asymptotically stable if
the basic reproductive rate is less than one, and the endemic equilibrium point is
asymptotically stable if the basic reproductive number is more than one.
.

Keywords: SIRS model, vertical transmission, Equilibrium point, Lyapunov

Method, Jacobi Matrix.

xiv
 BAB 1

PENDAHULUAN

1.1 Latar Belakang

Wabah penyakit atau epidemi adalah suatu kondisi dimana penyakit
menular berjangkit dengan cepat di daerah yang luas dan menimbulkan banyak
korban, misalnya penyakit yang tidak secara tetap berjangkit di suatu daerah. Salah
satu wabah penyakit yang pernah terjadi di Indonesia adalah wabah penyakit difteri
yang muncul pada tahun 2016. Oleh karenanya, sangat diperlukan sistem untuk
mengontrol dan mengetahui penyebaran penyakit menular, salah satunya adalah
model matematika yang dapat membantu dan mempermudah penyelesaaian
masalah tersebut.
Model matematika yang dapat merepresentasikan wabah penyebaran
penyakit adalah model epidemi yang pertama kali diperkenalkan oleh Kermack dan
McKendrick pada tahun 1927, model epidemi Kermack dan McKendrick adalah
model kompartemen yang berdasarkan asumsi yang relatif sederhana yaitu model
SIR. Model SIR membagi populasi menjadi tiga subpopulasi yaitu subpopulasi
individu yang rentan terinfeksi suatu penyakit (S), subpopulasi individu yang
terinfeksi (I), dan subpopulasi individu yang telah sembuh (R). Lebih lanjut, jika
pada model SIR ditambahkan asumsi bahwa individu yang telah sembuh dapat
terinfeksi oleh penyakit yang sama dan individu yang baru lahir dapat langsung
terinfeksi penyakit, maka model matematika tersebut merupakan model SIRS
dengan vertical transmission.
Penyelesaian model SIRS dengan vertical transmission dapat dilakukan
dengan penyelesaian kualitatif, yaitu dengan mencari titik ekuilibrium dari model
tersebut. Kemudian pada titik ekuilibrium dilakukan analisis kestabilan. Analisis
kestabilan titik ekuilibrium dapat dilakukan dengan berbagai metode, beberapa
diataranya adalah dengan matriks Jacobi dan metode Lyapunov.
Pada penelitian ini penulis tertarik untuk mengkaji model SIRS dengan
vertical transmission yang digunakan oleh O’Regan, dkk (2009). Kemudian model

1
 2

SIRS dengan vertical transmission akan diselesaikan dengan penyelesaian kualitatif

untuk mengetahuin perilaku titik ekuilibrium dari model.

1.2 Rumusan Masalah

Berdasarkan latar belakang yang telah diuraikan sebelumnya, maka
rumusan masalah dalam penelitian ini yaitu:
1. Bagaimana model matematika SIRS dengan vertical transmission?
2. Bagaimana cara menentukan titik ekuilibrium dari model SIRS dengan
vertical transmission?
3. Bagaimana perilaku titik ekuilibrium dari model SIRS dengan vertical
transmission?

1.3 Batasan Masalah

Adapun batasan masalah dalam penelitian ini adalah sebagai berikut:
1. Asumsi yang digunakan pada model SIRS dengan vertical transmission
menggunakan asumsi model epidemi Kermack-McKendrick.
2. Metode Lyapunov hanya digunakan pada titik ekuilibrium endemik.

1.4 Tujuan Penelitian

Penelitian ini bertujuan untuk:
1. Mengkaji cara penurunan model SIRS dengan vertical transmission.
2. Menentukan titik ekuilibrium dari model SIRS dengan vertical
transmission.
3. Menganalisis perilaku kestabilan titik ekuilibrium model SIRS dengan
vertical transmission.

1.5 Manfaat Penelitian

Manfaat dari penelitian ini yaitu:
1. Penulis dapat menerapkan ilmu pemodelan matematika ke dalam fenomena
wabah penyakit.
 3

2. Menambah referensi pembaca khususnya tentang pemodelan matematika

serta kestabilan suatu model matematika dengan menggunakan fungsi
Lyapunov.
 BAB 2

TINJAUAN PUSTAKA

Pada bab ini dijelaskan beberapa teori dasar yang diperlukan untuk
menganalisis kestabilan titik ekuilibrium pada model SIRS dengan vertical
transmission. Beberapa tinjauan pustaka yang digunakan adalah persamaan
diferensial, sistem persamaan diferensial, titik ekuilibrium dan kestabilan,
penyelesaian sistem persamaan diferensial, model SIRS, angka reproduksi dasar,
metode Lyapunov.

2.1 Persamaan Diferensial

Persamaan diferensial adalah persamaan yang memuat turunan dari satu
atau lebih fungsi yang tidak diketahui (variabel tak bebas) terhadap satu atau lebih
variabel bebas (Zill, 2012). Berdasarkan jenisnya PD dibagi menjadi dua jenis yaitu
persamaan diferensial biasa dan persamaan diferensial parsial. Persamaan
diferensial biasa adalah persamaan yang memuat turunan dari satu atau lebih fungsi
yang tidak diketahui terhadap satu variabel bebas, sedangkan persamaan diferensial
parsial memiliki turunan terhadap dua atau lebih variabel bebas. Contoh persamaan
diferensial biasa adalah sebagai berikut
dy
 5 y  ex . (2.1)
dx
Pada persamaan diferensial (2.1), y adalah fungsi dari x. Notasi x merupakan
variabel bebas pada persamaan diferensial tersebut. Contoh persamaan diferensial
parsial adalah sebagai berikut
 2u  2u
  0. (2.2)
x 2 y 2
Pada persamaan (2.2) u adalah fungsi dari variabel bebas x dan y.
Orde persamaan diferensial adalah turunan tertinggi dari fungsi terhadap
variabel bebasnya. Berdasarkan ordenya persamaan diferensial terbagi menjadi dua
yaitu persamaan diferensial orde satu dan persamaan diferensial orde tinggi. Bentuk
umum persamaan diferensial orde n dari persamaan diferensial biasa adalah

4
 5

F ( x, y, y ', y '',..., y ( n ) )  0 . (2.3)

Berdasarkan kelinieran, persamaan diferensial (2.3) dikatakan persamaan
diferensial linier jika F linier, artinya persamaan (2.3) disebut persamaan diferensial
linier saat
an ( x) y ( n) ( x)  an1 ( x) y ( n1) ( x)  ...  a1 ( x) y '( x)  a0 ( x) y  g ( x) . (2.4)
Karakteristik dari persamaan diferensial linier adalah sebagai berikut:
1. Variabel tak bebas y dan semua turunannya y’,y”,…y(n) adalah berpangkat
satu.
2. Koefisien a0 , a1 ,..., an hanya bergantung pada variabel bebas x atau fungsi
konstan.
Jika g(x) pada persamaan (2.4) sama dengan nol maka persamaan (2.4) disebut
persamaan diferensial homogen, sebaliknya jika g(x) tidak sama dengan nol maka
disebut persamaan diferensial non homogen. Persamaan diferensial disebut
nonlinier jika terdapat fungsi nonlinier dari variabel tak bebas atau turunannya.

2.2 Sistem Persamaan Diferensial

Sistem persamaan diferensial terdiri atas dua atau lebih persamaan
diferensial yang saling berkaitan satu sama lain. Dengan kata lain sistem persamaan
diferensial adalah kumpulan dari dua atau lebih persamaan diferensial. Berikut
adalah bentuk umum sistem persamaan diferensial linier orde satu
dx1
 a11 (t ) x1  a12 (t ) x2  ...  a1n (t ) xn  g1 (t )
dt
dx2
 a21 (t ) x1  a22 (t ) x2  ...  a2 n (t ) xn  g 2 (t )
dt (2.5)

dx2
 an1 (t ) x1  an 2 (t ) x2  ...  ann (t ) xn  g n (t ) .
dt
Bentuk umum sistem persamaan linier dapat diubah menjadi bentuk persamaan
matriks sebagai berikut
dx
 Ax  G (2.6)
dt
 6

dengan 𝐱 T = (𝑥1 , 𝑥2 , … , 𝑥𝑛 ), A adalah matriks koefisien berukuran 𝑛 × 𝑛 , dan G

adalah vektor kolom atau GT = (g1 (t), g2 (t),… , gn (t)). Jika G pada sistem (2.6)
sama dengan 0 maka disebut sistem homogen dan sistem (2.6) dapat ditulis
dx
 Ax . (2.7)
dt
Sistem persamaan diferensial disebut sistem nonlinier jika terdapat
persamaan diferensial pada sistem tersebut yang merupakan persamaan diferensial
nonlinier sehingga sistem nonlinier tidak dapat ditulis dengan bentuk sistem (2.6).
Bentuk umum sistem persamaan diferensial nonlinier adalah sebagai berikut
dx1
 f1 ( x1 , x2 ,..., xn )
dt
dx2
 f 2 ( x1 , x2 ,..., xn )
dt (2.8)

dxn
 f n ( x1 , x2 ,..., xn )
dt
atau dengan lebih sederhana ditulis dengan bentuk sebagai berikut
dx
 f ( x) (2.9)
dt
dengan 𝐱 = (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) dan 𝐟(𝐱) = (𝑓1 (𝐱), 𝑓2 (𝐱), … , 𝑓𝑛 (𝐱)). Sistem (2.8)
disebut sistem otonomus jika sistem tidak memuat variabel bebas t secara eksplisit.

2.3 Titik Ekuilibrium dan Kestabilan

Penyelesaian sistem persamaan diferensial dapat dilakukan secara
kuantitatif dan kualitatif. Penyelesaian kuantitatif dari sistem persamaan diferensial
berupa fungsi eksplisit maupun implisit yang dicari secara analitik yang disebut
penyelesaian eksak. Sementara itu, penyelesaian kualitatif sistem persamaan
diferensial berupa informasi kualitatif mengenai sifat-sifat umum dari penyelesaian
dan perilaku penyelesaian pada persekitaran titik ekuilibrium. Berikut definisi titik
ekuilibrium menurut Edwards dan Penney (2014).
 7

Definisi 2.1 Titik Ekuilibrium

Suatu titik x*  ( x1* , x2* , , xn* ) disebut sebagai titik ekuilibrium dari sistem
dx
dt
 
 f  x  jika memenuhi f x  0.
*

Titik ekuilibrium dapat diperoleh dengan menggunakan metode nullcline.

Misalkan diberikan sistem dengan dua persamaan diferensial sebagai berikut
dx
 f1 ( x, y )
dt
(2.10)
dy
 f 2 ( x, y ) .
dt
Titik ekuilibrium pada persamaan (2.3) dapat diperoleh dengan mencari titik
potong antara x-nullcline dan y-nullcline. Grafik yang memenuhi f1 ( x, y)  0

disebut x-nullcline dan grafik yang memenuhi f 2 ( x, y)  0 disebut y-nullcline

(Allen, 2007).
Perilaku penyelesaian sistem persamaan diferensial dapat diketahui dengan
menganalisis kestabilan dari titik ekuilibrium. Titik ekuilibrium sistem dapat
bersifat stabil, stabil asimtotis, dan tidak stabil. Menurut Boyce, dkk (2017), definisi
kestabilan dari titik ekuilibrium sebagai berikut,

Definisi 2.2 Titik Ekuilibrium Stabil

Titik ekuilibrium x* dari sistem
dx
 f  x
dt
dikatakan stabil jika untuk setiap   0 terdapat   0 sehingga pada saat t  0
berlaku
x(0)  x*  

dan untuk setiap t  0 berlaku

x(t )  x*   .
 8

Definisi 2.3 Titik Ekuilibrium Stabil Asimtotis

Titik ekuilibrium x* dari sistem
dx
 f  x
dt
dikatakan stabil asimtotis apabila titik tersebut stabil dan jika terdapat   0
sedemikian sehingga solusi x(t ) untuk t  0 berlaku

x(0)  x*  

dan untuk setiap t  0 , berlaku

lim x(t )  x* .
t 

Definisi 2.4 Titik Ekuilibrium Tidak Stabil

Titik ekuilibrium x* dari sistem
dx
 f  x
dt
dikatakan tidak stabil apabila titik tersebut tidak memenuhi definisi titik
ekuilibrium stabil.

Kestabilan titik ekuilibrium dapat digambarkan pada Gambar 2.1 berikut,

 x(t )  x(t )  x(t )

Gambar 2.1 Kestabilan titik ekuilibrium

Jika titik ekuilibrium bersifat stabil (a), maka penyelesaian sistem berada di
sekitar titik ekuilibrium. Jika titik ekuilibrium bersifat stabil asimtotis (b), maka
penyelesaian sistem akan menuju ke titik ekuilibrium. Jika titik ekuilibrium bersifat
 9

tidak stabil (c), maka penyelesaian dari sistem akan menjauh dari titik ekuilibrium
(Boyce, dkk, 2017).

2.4 Penyelesaian Sistem Persamaan Diferensial Linier

Sistem persamaan diferensial linier adalah persamaan yang terdiri dari dua
atau lebih persamaan diferensial linier. Jika x(t ) merupakan peubah tak bebas

terhadap peubah bebas t , dan dx(t ) merupakan turunan dari x(t ) terhadap t , maka
dt
sistem n persamaan diferensial linier orde satu dengan koefisien konstanta adalah
sebagai berikut (Ledder, 2013),
dx1 (t )
 a11 x1 (t )  a12 x2 (t )   a1n xn (t )  g1 (t )
dt
dx2 (t )
 a21 x1 (t )  a22 x2 (t )   a2 n xn (t )  g 2 (t )
dt

dxn (t )
 an1 x1 (t )  an 2 x2 (t )   ann xn (t )  g n (t ) .
dt

Sistem tersebut dapat ditulis dalam bentuk

dx
 Ax(t )  g(t ) (2.11)
dt

dengan
 dx1 (t ) 
 dt 
   a11 a12 a1n   x1 (t )   g1 (t ) 
 dx2 (t )  a a22 
a2 n   x (t )   g (t ) 
dx
  dt  , A   21 , x(t )   2  , dan g(t )   2  .
dt        
       
 dxn (t )   an1 an 2 ann   xn (t )   g n (t ) 
 
 dt 
Jika g(t )  0 , maka sistem dikatakan homogen, sehingga persamaan (2.11)
dapat ditulis dalam bentuk
dx(t )
 Ax(t ) , (2.12)
dt
 10

namun jika g(t )  0 maka sistem dikatakan non homogen.

Analisis kestabilan titik ekuilibrium untuk sistem (2.12) dimulai dengan
menentukan nilai eigen dari matriks A pada sistem (2.12). Definisi nilai eigen
menurut Edwards dan Penney (2014) adalah sebagai berikut.

Definisi 2.4 Nilai Eigen

Misalkan A adalah matriks berukuran n  n . Akar-akar dari persamaan
karakteristik det( A   I)  0 adalah nilai eigen dari matriks A . Dari persamaan
karakteristik tersebut diperoleh persamaan polinomial berderajat n dalam bentuk:

an  n  an1 n1   a1  a0  0

dengan a0 , a1 , , an merupakan konstanta.

Kestabilan titik ekuilibrium dari sistem linier (2.12) dapat ditentukan
berdasarkan akar-akar karakteristik menurut teorema berikut (Finizio dan Ladas,
1988).

Teorema 2.1 Kestabilan Titik Ekuilibrium Sistem Linier

a. Titik ekuilibrium  x*  0  dari sistem linier (2.12) stabil, jika dan hanya

jika akar-akar dari persamaan karakteristiknya adalah riil dan negatif atau
mempunyai bagian riil tak positif (boleh nol).
b. Titik ekuilibrium  x*  0  dari sistem linier (2.12) stabil asimtotis, jika dan

hanya jika akar-akar dari persamaan karakteristiknya adalah riil dan

negatif atau mempunyai bagian riil yang negatif.
c. Titik ekuilibrium  x*  0  dari sistem linier (2.12) tidak stabil, jika terdapat

akar-akar dari persamaan karakteristiknya adalah riil dan positif atau jika
paling sedikit satu akar mempunyai bagian riil yang positif.

2.5 Penyelesaian Sistem Persamaan Diferensial Non Linier

Sistem persamaan diferensial non linier adalah kumpulan dari dua atau lebih
persamaan diferensial non linier. Misalkan , sistem n persamaan diferensial non
linier orde satu dapat ditulis dalam bentuk sebagai berikut (Ledder, 2013)
 11

dx1
 f1 ( x1 , x2 , , xn )
dt
dx2
 f 2 ( x1 , x2 , , xn )
dt (2.13)

dxn
 f n ( x1 , x2 , , xn ) .
dt
Jika sistem pada persamaan (2.13) mempunyai titik ekuilibrium

x*  ( x1* , x2* , , xn* ) , maka

f1  x*   f 2  x*    f n  x*   0 . (2.14)

Perilaku penyelesaian sistem non linier di sekitar titik ekuilibrium dapat

ditentukan melalui linierisasi sistem menggunakan ekspansi deret Taylor di sekitar

titik ekuilibrium x  ( x1 , x2 ,
* * *
, xn* ) untuk masing-masing persamaan, yaitu

f1  x*  f1  x* 
f1 ( x)  f1  x  
*
( x1  x ) 
*
 ( xn  xn* )  R1 ( x)
x1 xn
1

f 2  x*  f 2  x* 
f 2 ( x)  f 2  x  
*
( x1  x ) 
*
 ( xn  xn* )  R2 ( x)
x1 xn
1
(2.15)

f n  x*  f n  x* 
f n ( x)  f n  x  
*
( x1  x ) 
*
 ( xn  xn* )  Rn ( x)
x1 xn
1

dengan R1 ( x), R2 ( x), Rn ( x) adalah suku-suku orde tinggi dari deret Taylor.

Linierisasi sistem non linier di sekitar titik ekuilibrium x*  ( x1* , x2* , , xn* )
dilakukan untuk mengubah sistem persamaan diferensial non linier menjadi sistem
persamaan diferensial linier. Linierisasi dilakukan dengan menggunakan suku-suku
orde pertama pada deret Taylor dan mengabaikan suku-suku yang mempunyai orde
tingkat tinggi pada hasil ekspansi pangkat deret Taylor di sekitar titik ekuilibrium
tersebut (Machowski, dkk, 2008). Dengan mengabaikan suku-suku orde tinggi pada
sistem (2.15) dan dengan mensubstitusikan persamaan (2.14) ke sistem (2.15),
diperoleh
 12

f1  x*  f1  x* 
f1 ( x)  ( x1  x ) 
*
 ( xn  xn* )
x1 xn
1

f 2  x*  f 2  x* 
f 2 ( x)  ( x1  x ) 
*
 ( xn  xn* )
x1 xn
1
(2.16)

f n  x*  f n  x* 
f n ( x)  ( x1  x ) 
*
 ( xn  xn* ) .
x1 xn
1

Selanjutnya, dengan mensubstitusikan sistem (2.16) ke sistem (2.13) maka

diperoleh

dx1 f1  x  f1  x  f1  x* 

* *

 ( x1  x1* )  ( x2  x2* )   ( xn  xn* )

dt x1 x2 xn
dx2 f 2  x  f 2  x  f 2  x* 
* *

 ( x1  x1* )  ( x2  x2* )   ( xn  xn* )

dt x1 x2 xn (2.17)

dxn f n  x  f n  x*  f n  x* 
*

 ( x1  x1* )  ( x2  x2* )   ( xn  xn* ) .

dt x1 x2 xn
Jadi, diperoleh sistem linier hasil linierisasi sistem (2.13) di sekitar titik ekuilibrium
x*  ( x1* , x2* , , xn* ) yang dapat ditulis dalam bentuk matriks, yaitu

 f1  x*  f1  x*  f1  x*  

 dx1   
 dt   x1 x2 xn 
    x  x 
*

 dx2   f 2  x  f 2  x*  f 2  x*    1 1* 
*

 dt    x  x2  x2 
x2 xn   
(2.18)
   1

     
 dxn     xn  xn* 
  f n  x  f n  x*  f n  x*  
*

 dt  
 x1 x2 xn 

atau
dx
 J ( x* , x* , , xn* )
x (2.19)
dt 1 2

dengan
 13

 f1  x*  f1  x*  f1  x*  

 
 x1 x2 xn 
 x1  x1* 
 * 
 f 2  x  f 2  x*  f 2  x    
*

 x2  x2* 
J ( x* , x* ,   x1 x2 xn  dan x   
.
1 2 , xn* )
 
   *

   x  x 
 f n  x  f n  x*  f n  x*  
n n
*

 x x2 xn 
 1

Matriks J ( x* , x* , , xn* )
pada sistem (2.19) adalah matriks Jacobi di sekitar titik
1 2

ekuilibrium x*  ( x1* , x2* , , xn* ) (Ledder, 2013).

Berdasarkan titik ekuilibrium yang dihasilkan, linierisasi sistem non linier
(2.13) dibedakan menjadi dua kasus, yaitu untuk titik ekuilibrium x*  0 dan
x*  0.

Kasus 1. Titik Ekuilibrium x*  0

Berdasarkan sistem (2.17), maka linierisasi sistem (2.13) di sekitar titik
ekuilibrium x*  0 adalah
dx1 f1 (0) f (0) f1 (0)
 ( x1  0)  1 ( x2  0)   ( xn  0)
dt x1 x2 xn
dx2 f 2 (0) f (0) f 2 (0)
 ( x1  0)  2 ( x2  0)   ( xn  0)
dt x1 x2 xn

dxn f n (0) f (0) f n (0)

 ( x1  0)  n ( x2  0)   ( xn  0)
dt x1 x2 xn

atau
dx1 f1 (0) f (0) f1 (0)
 x1  1 x2   xn
dt x1 x2 xn
dx2 f 2 (0) f (0) f 2 (0)
 x1  2 x2   xn
dt x1 x2 xn (2.20)

dxn f n (0) f (0) f n (0)

 x1  n x2   xn .
dt x1 x2 xn
 14

Jadi, diperoleh hasil linierisasi sistem (2.13) di sekitar titik ekuilibrium x*  0 , yaitu
 f  0  f1  0  f1  0  
 dx1   1 
 dt   x1 x2 xn 
    x1 
 dx2   f 2  0  f 2  0  f 2  0    
 x2
 dt    x1 x2 xn    (2.21)
     
     xn 
 dxn   f 0
  n  f n  0  f n  0  
 dt   x x2 xn 

 1

atau
dx
 J (0,0, ,0) x (2.22)
dt
dengan
 f1  0  f1  0  f1  0  
 
 x1 x2 xn 
 f  0  f 2  0  f 2  0  
 2 
J (0,0, ,0)   x1 x2 xn  .
 
 
 f n  0  f n  0  f n  0  
 
 x1 x2 xn 

Matriks J (0,0, ,0) pada sistem (2.22) adalah matriks Jacobi di sekitar titik ekuilibrium

x*  0 .

Kasus 2. Titik Ekuilibrium x*  0

Jika diperoleh titik ekuilibrium x*  0 , maka perlu dilakukan pemetaan
koordinat pada titik tersebut. Misalkan terdapat pemetaan
z1  ( x1  x1* ), z2  ( x2  x2* ), , zn  ( xn  xn* ) . (2.23)
Jika masing-masing pemetaan pada persamaan (2.23) diturunkan terhadap t, maka
diperoleh
dz1 dx1 dz2 dx2 dzn dxn
 ,  , ,  . (2.24)
dt dt dt dt dt dt
Selanjutnya, dengan mensubstitusikan (2.23) dan (2.24) ke sistem (2.17), maka
diperoleh
 15

dz1 f1 (x* ) f (x* ) f1 (x* )

 z1  1 z2   zn
dt x1 x2 xn
dz2 f 2 (x* ) f 2 (x* ) f 2 (x* )
 z1  z2   zn
dt x1 x2 xn (2.25)

dzn f n (x* ) f n (x* ) f n (x* )

 z1  z2   zn .
dt x1 x2 xn
Dengan demikian, diperoleh hasil linierisasi sistem (2.13) di sekitar titik
ekuilibrium x*  0 , yaitu

 f1  x*  f1  x*  f1  x*  

 dz1   
 dt   x1 x2 xn 
     z1 
  f 2  x  f 2  x*  f 2  x*    
*
 dz2 z2
 dt    x x2 xn    (2.26)
   1

    
 dzn   * 
 zn 
  f n  x  f n  x*  f n  x  
*

 dt  
 x1 x2 xn 

atau
dz
 J ( x* , x* , , xn* )
z (2.27)
dt 1 2

dengan
 f1  x*  f1  x*  f1  x*  
 
 x1 x2 xn 
   z1 
 f 2  x  f 2  x*  f 2  x*    
*

  x1  z   z2  .
J ( x* , x* , x2 xn dan
 
1 2 , xn* )
 
   
 * 
 zn 
 f n  x  f n  x*  f n  x  
*

 x x2 xn 
 1

Matriks J ( x* , x* , , xn* )
pada sistem (2.27) adalah matriks Jacobi di sekitar titik
1 2

ekuilibrium x*  0 . Karena dilakukan pemetaan koordinat, maka sistem (2.27)

mempunyai titik ekuilibrium ( z1* , z2* , , zn* )  (0,0, ,0) . Menurut Finizio dan
 16

Ladas (1988), jika 

det J ( x* , x* ,
1 2 , xn* ) 0 maka titik ekuilibrium

( z1* , z2* , , zn* )  (0,0, ,0) merupakan satu-satunya titik ekuilibrium dari sistem
linier (2.27) hasil linierisasi sistem non linier (2.13). Selanjutnya, kestabilan titik
ekuilibrium dari sistem non linier dijelaskan dalam Teorema 2.2 berikut (Finizio
dan Ladas, 1988).

Teorema 2.2 Kestabilan Sistem Non Linier

a. Titik ekuilibrium dari sistem non linier merupakan titik ekuilibrium yang
stabil asimtotis jika titik ekuilibrium hasil linierisasi sistem adalah stabil
asimtotis.
b. Titik ekuilibrium dari sistem non linier merupakan titik ekuilibrium yang
tidak stabil jika titik ekuilibrium dari hasil linierisasi sistem adalah tidak
stabil.

2.6 Model SIRS

Model SIRS merupakan pengembangan dari model SIR, yaitu model yang
mengasumsikan individu yang telah sembuh memiliki kekebalan terhadap penyakit
yang bersifat sementara, artinya individu yang telah sembuh (recovered) dapat
terinfeksi oleh penyakit yang sama dan kembali masuk ke dalam populasi individu
rentan (susceptible). Pada model ini, populasi manusia dibagi menjadi tiga
kelompok, yaitu kelompok individu rentan (Susceptible), kelompok individu
terinfeksi (Infective), dan kelompok individu sembuh (Recovered). Variabel-
variabel dan parameter-parameter yang digunakan untuk model SIRS disajikan pada
Tabel 2.1
 17

Tabel 2.1 Variabel dan parameter yang digunakan pada model SIRS
Simbol Definisi Jenis Syarat
𝑁 Total individu dalam populasi Konstanta 𝑁>0
𝑆 Jumlah individu rentan Variabel 𝑆≥0
𝐼 Jumlah individu terinfeksi Variabel 𝐼≥0
𝑅 Jumlah individu sembuh Variabel 𝑅≥0
b Tingkat kelahiran individu Parameter 𝑏>0
𝜔 Tingkat kematian alami Parameter 𝜔>0
𝜔1 Tingkat kematian karena penyakit Parameter 𝜔1 > 0
𝛽 Tingkat penularan penyakit Parameter 𝛽>0
𝛾 Tingkat kesembuhan individu terinfeksi Parameter 𝛾>0
𝛼 Tingkat menurunnya kekebalan pada
Parameter 𝛼>0
individu yg telah sembuh

Alur penyebaran penyakit model SIRS disajikan pada Gambar 2.1 berikut.

𝛼𝑅

𝑆𝐼
𝑏𝑁 𝛽 𝛾𝐼
𝑁
S I R

𝜔𝑆 (𝜔 + 𝜔1 )𝐼 𝜔𝑅

Gambar 2.1 Alur penyebaran penyakit model SIRS

Dengan populasi yang konstan, dinamika penyebaran penyakit menular yang

menyebabkan perubahan jumlah individu pada masing-masing sub populasi,
dijelaskan pada uraian berikut ini.
1. Jumlah individu rentan (Susceptible).
Jumlah individu rentan mengalami penambahan karena adanya kelahiran
sebesar b dan penambahan akibat menurunnya kekebalan penyakit sebesar 𝛼,
kemudian jumlah individu rentan mengalami pengurangan karena adanya individu
 18

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 𝜔. Dengan demikian, perubahan laju
individu rentan dapat dimodelkan sebagai berikut
dS SI
 bN    S   R .
dt N
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 dengan tingkat kesembuhan sebesar 𝛾. Selain itu,
jumlah individu terinfeksi akan berkurang karena adanya kematian alami dengan
tingkat kematian sebesar 𝜔 dan kematian yang disebabkan oleh penyakit yaitu
sebesar 𝜔1. Dengan demikian, perubahan laju individu terinfeksi dapat dimodelkan
sebagai berikut
dI SI
  (  1   ) I .
dt N
3. Jumlah individu sembuh (Recovered).
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 individu sembuh
dengan tingkat kematian alami sebesar 𝜔 dan pengurangan akibat menghilangnya
kekebalan terhadap penyakit sebesar 𝛼. Dengan demikian, perubahan laju individu
sembuh dapat dimodelkan sebagai berikut
dR
  I  (   ) R .
dt
Dengan demikian, model SIRS dapat dituliskan sebagai berikut
dS SI
 bN    S   R
dt N
dI SI
  (  1   ) I (2.28)
dt N
dR
  I  (   ) R.
dt
 19

2.7 Angka Reproduksi Dasar

Berikut ini akan dijelaskan tentang definisi angka reproduksi dasar menurut
Dreissche dan Watmough (2002)

Definisi 2.5 (Angka Reproduksi Dasar)

Angka reproduksi dasar yang di notasikan R0 merupakan ekspektasi dari
banyaknya kasus infeksi kedua pada seluruh populasi individu rentan yang
diakibatkan oleh individu terinfeksi

Angka reproduksi dasar digunakan untuk menganalisis penyebaran suatu

penyakit apakah terjadi epidemik atau tidak. Dalam suatu populasi akan terjadi
epidemik apabila nilai R0  1 , yang artinya bahwa populasi individu terinfeksi pada
kasus kedua lebih besar dibandingkan kasus sebelumnya. Kemudian, dalam suatu
populasi tidak akan terjadi epidemik apabila nilai R0  1 yang artinya populasi
individu terinfeksi pada kasus kedua lebih kecil dibandingkan dengan kasus
sebelumnya. Nilai R0  1 menunjukan bahwa populasi individu terinfeksi pada
kasus pertama jumlahnya sama dengan kasus sebelumnya.
Menurut Diriessche dan Watmough (2002), angka reproduksi dasar ( R0 )
dari suatu model epidemik dapat diperoleh dengan menggunakan metode next
generation matrix. Pada metode ini, angka reproduksi dasar didefinisikan sebagai
nilai maksimum spectral radius dari next generation matrix. Misal diberikan suatu
model epidemik dengan n sub populasi individu adalah
dx
 f  x (2.29)
dt
dengan,
 dx1 
 dt 
   f1   x1 
 dx2     
dx   f2  x

 dt , f  dan x   2  .
dt      
     
 dxn   f n   xn 
 
 dt 
 20

Dalam hal ini, x1 , x2 ,..., xn menyatakan sub populasi individu pada model epidemik.

Pada model epidemi tidak semua x1 menyatakan sub populasi individu terinfeksi,
sehingga perlu mengubah urutan persamaan pada sistem (2.29) yang ditulis
du
 f u  (2.30)
dt
dengan
 du1 
 dt 
   f1   u1 
   
du  2 
du
 f2  u
 dt , f  dan u   2  .
dt      
     
 dun   fn   un 
 
 dt 
Dengan u1 menyatakan sub populasi individu terinfeksi. Kemudian, untuk

u2 , u3 ,..., un menyatakan sub populasi individu lainnya. Model epidemik pada

sistem (2.30) dapat ditulis
du
 (u)  (u) (2.31)
dt
dengan
 du1 
 dt 
   1  1  u1 
 du2       
du  u
 dt  ,  2
,  2
dan u   2  .
dt        
       
 dun   n  n  un 
 
 dt 
Pada persamaan (2.31) (u) menyatakan laju perubahan tiap sub populasi (u )
yang disebabkan oleh munculnya infeksi baru yang diakibatkan tingkat penularan
penyakit sedangkan (u) menyatakan laju perubahan tiap subpopulasi individu
(u ) yang disebabkan oleh parameter selain tingkat penularan penyakit.
Apabila diketahui u 0 merupakan titik ekuilibrium pada sistem (2.30), maka

D (u0 ) dan D (u0 ) adalah

 21

 1  1  1 
 u (u 0 ) u (u 0 ) ... un
(u 0 ) 
 1 2 
 2  2  2 
 u (u 0 ) u (u 0 ) ... un
(u 0 ) 
D (u 0 )   1 2  (2.31)
 
 
  n (u )  n (u ) ...  n
(u 0 ) 
 u 0 u 0
un
 1 2 

 1 1 1 
 u (u 0 )  (u 0 ) ... un
(u 0 ) 
 1 2 
 2  2  2 
 u (u 0 ) u (u 0 ) ... un
(u 0 ) 
D (u 0 )   1 2  (2.32)
 
 
  n (u )  n (u ) ...  n
(u 0 ) 
 u 0 u 0 un
 1 2 
Oleh karena, pada model epidemik yang diamati hanya sub populasi individu yang
terinfeksi yaitu u1 maka persamaan (2.31) dan (2.32) terpartisi sebagai

F 0 V 0
D (u 0 )    , D (u 0 )   J 
0 0  3 J4 

 1  1   1 1 
 u (u0 ) u (u0 )   u (u 0 )  (u 0 ) 
dengan F   1 2  , dan V   1 2 
 2  2   2  2 
 u (u0 ) u (u0 )   u (u0 ) u (u0 ) 
 1 2   1 2 
Penurunan angka reproduksi dasar menggunakan metode next generation matrix
menurut Driessche dan Watmough (2002) adalah


R0   FV 1 
 max  1 , 2 

dengan   FV 1  merupakan spectral radius dari  FV 1  . Kemudian, nilai 1 dan

2 merupakan nilai persamaan karakteristik dari

FV 1   I  0 .
 22

2.8 Metode Lyapunov

Untuk menentukan kestabilan titik ekuilibrium suatu sistem persamaan
diferensial dapat digunakan metode Lyapunov. Metode Lyapunov adalah metode
penentuan kestabilan titik ekuilibrium suatu sistem dengan menggunakan fungsi
Lyapunov. Pada tahun 1892, Lyapunov telah menunjukan bahwa suatu fungsi yang
memenuhi syarat-syarat tertentu dapat digunakan untuk menentukan kestabilan dari
titik ekuilibrium suatu sistem. Berikut adalah definisi dari fungsi Lyapunov dan
teorema kestabilan Lyapunov.

Definisi 2.5 Fungsi Lyapunov

Misalkan x* adalah titik ekuilibrium dari suatu sistem otonomus berikut,
dx
 f (x), x  n
. (2.32)
dt
Suatu fungsi kontinu V : U  , dengan U  n
dan x*  U , disebut sebagai
fungsi Lyapunov untuk sistem (2.29) pada titik ekuilibrium x* jika V adalah fungsi
definit positif, yaitu
i. V (x* )  0 ,

V (x)  0 untuk setiap x  x ,

*
ii.
dan turunan V terhadap t yang memenuhi syarat berikut
dV  x 
0.
dt
Dengan
dV  x  V dx1 V dx2 V dxn
    .
dt x1 dt x2 dt xn dt
Metode Lyapunov dapat diterapkan sebagai metode alternatif untuk
menentukan kestabilan titik ekuilibrium suatu sistem persamaan diferensial, lebih
lanjut untuk menunjukkan kestabilan asimtostis dari titik ekuilibrium suatu sistem
persamaan diferensial. Dalam penentuan ataupun pembentukan fungsi Lyapunov
dari suatu sistem persamaan diferensial tidak terdapat metode ataupun aturan yang
baku (Martcheva, 2015).
 23

Turunan dari fungsi V  x  terhadap waktu t di sekitar sistem persamaan

dV  x 
(2.32) sangat bergantung pada persamaan sistem. Oleh karena itu, akan
dt
berbeda untuk sistem yang berbeda.
Selanjutnya, hubungan antara fungsi Lyapunov dengan sifat kestabilan titik
ekuilibrium x* dari sistem otonomus (2.32) diberikan pada Teorema 2.3 berikut ini
(Khalil, 2002).

Teorema 2.3 Kestabilan Lyapunov

Misal x* adalah titik ekuilibrium dari sistem (2.32) dan V adalah fungsi Lyapunov
untuk sistem (2.32). titik ekuilibrium x* dikatakan

i. Stabil, jika dV (x)  0 untuk setiap x  x* .

dt

ii. Stabil asimtotis, jika dV (x)  0 untuk setiap x  x* .

dt

iii. Tidak stabil, jika dV (x)  0 untuk setiap x  x* .

dt
 BAB 3

METODE PENELITIAN

3.1 Waktu dan Tempat Penelitian

Penelitian ini dilakukan selama 9 bulan, yaitu mulai dari November 2018
sampai dengan Juli 2019 di Jurusan Matematika Fakultas Matematika dan Ilmu
Pengetahuan Alam, Universitas Jenderal Soedirman.

3.2 Metode Penelitian

Metode yang digunakan dalam skripsi ini adalah studi kepustakaan, yaitu
dengan mengumpulkan informasi dari berbagai sumber seperti jurnal, skripsi, buku
dan artikel. Penelitian ini dilakukan dengan mengkaji kestabilan model SIRS
dengan vertical transmission. Tahapan yang digunakan pada penelitian ini adalah
sebagai berikut:
1. Membuat asumsi-asumsi yang sesuai serta mengidentifikasi variabel dan
parameter yang digunakan pada model SIRS dengan vertical transmisson.
2. Membentuk model SIRS dengan vertical transmission.
3. Menentukan titik ekuilibrium model SIRS dengan vertical transmission.
4. Menentukan angka reproduksi dasar untuk model SIRS dengan vertical
transmission.
5. Melakukan analisis kestabilan titik ekuilibrium dari model SIRS dengan
vertical transmission.
6. Melakukan simulasi model menggunakan Software Maple 2018 untuk
mengetahui perilaku dinamik penyelesaian sistem dalam jangka waktu yang
lama di sekitar titik ekuilibrium.

3.3 Analisis
Analisis model dilakukan pada titik ekuilibrium dan angka reproduksi dasar.
Perilaku model SIRS dengan vertical transmission dapat diketahui dari hasil analisis
kestabilan titik ekuilibrium, baik titik ekuilibrium bebas penyakit maupun titik
ekuilibrium endemik. Adapun beberapa faktor yang dapat menyebabkan populasi
dalam keadaan epidemi dapat diketahui dari hasil analisis angka reproduksi dasar.

24
 BAB 4

HASIL DAN PEMBAHASAN

Model yang dikaji pada bab ini adalah model SIRS dengan vertical
transmission. Model ini berupa sistem persamaan diferensial non linier. Analisis
kestabilan dilakukan pada titik ekuilbrium dari model SIRS dengan vertical
transmission. Metode yang digunakan untuk menganalisis kestabilan titik
ekuilibrium adalah metode Lyapunov untuk titik ekuilibrium endemik dan
menggunakan matriks Jacobi untuk titik ekuilibrium bebas penyakit.

4.1 Konstruksi Model SIRS dengan Vertical transmission

Model SIRS merupakan pengembangan dari model SIR yaitu dengan
mengasumsikan individu yang telah sembuh memiliki kekebalan terhadap penyakit
yang bersifat sementara, artinya individu yang telah sembuh (recovered) dapat
terinfeksi oleh penyakit yang sama dan kembali masuk ke dalam populasi individu
rentan (susceptible). Sementara itu vertical transmission adalah penularan penyakit
secara langsung melalui orang tua yang terinfeksi kepada keturunannya yang baru
lahir (Busenberg dan Cooke,1993). Contoh penyakit yang menerapkan vertical
transmission adalah AIDS dan Hepatitis B. Selanjutnya asumsi pada model SIRS
dengan vertial transmission adalah sebagai berikut:
1. Populasi individu bersifat tertutup.
2. Individu yang baru lahir merupakan individu rentan.
3. Individu yang baru lahir berpeluang terinfeksi penyakit oleh orang tua yang
sudah terinfeksi.
4. Individu yang sakit dapat mengalami kematian akibat penyakit.
5. Individu yang telah sembuh memiliki kekebalan terhadap penyakit bersifat
sementara.
6. Populasi bersifat homogen (kemungkinan tertular penyakit diasumsikan sama
setiap individu).

25
 26

Kemudian variabel dan parameter yang akan digunakan untuk

mengkonstruksi model SIRS dengan vertical transmission disajikan pada Tabel 4.1
berikut ini.
Tabel 4.1 Variabel dan parameter yang digunakan pada model SIRS dengan
vertical transmission
Simbol Definisi Jenis Syarat
𝑁 Total individu dalam populasi Konstanta 𝑁>0
𝑆 Jumlah individu rentan Variabel 𝑆≥0
𝐼 Jumlah individu terinfeksi Variabel 𝐼≥0
𝑅 Jumlah individu sembuh Variabel 𝑅≥0
b Tingkat kelahiran individu Parameter 𝑏>0
𝜔 Tingkat kematian alami Parameter 𝜔>0
𝜔1 Tingkat kematian karena penyakit Parameter 𝜔1 > 0
𝛽 Tingkat penularan penyakit Parameter 𝛽>0
𝛾 Tingkat kesembuhan individu terinfeksi Parameter 𝛾>0
𝛼 Tingkat menurunnya kekebalan pada
Parameter 𝛼>0
individu yg telah sembuh
p Tingkat penularan secara langsung Parameter 𝑝>0
melalui orang tua yang terinfeksi
(vertical transmission)

Berdasarkan asumsi model serta variabel dan parameter yang digunakan,

dapat ditentukan faktor-faktor yang menyebabkan perubahan jumlah individu pada
masing-masing sub populasi, yang dapat digambarkan dengan diagram
kompartemen alur penyebaran penyakit model SIRS dengan vertical transmission,
seperti yang dapat dilihat pada Gambar 4.1
 27

𝛼𝑅

𝑆𝐼
𝑏𝑁 𝛽 + 𝑝𝑏𝐼 𝛾𝐼
𝑁
S I R

𝜔𝑆 (𝜔 + 𝜔1 )𝐼 𝜔𝑅

Gambar 4.1 Alur penyebaran penyakit model SIRS dengan vertical transmission

Berdasarkan diagram kompartemen model SIRS, dapat dijelaskan konstruksi

model pada uraian berikut.
1. Jumlah individu rentan (Susceptible).
Jumlah individu rentan mengalami penambahan karena adanya kelahiran
sebesar b dan penambahan akibat menurunnya kekebalan penyakit sebesar 𝛼,
kemudian jumlah individu rentan mengalami pengurangan karena adanya individu
rentan yang terinfeksi dengan tingkat penularan sebesar 𝛽 dan penularan secara
langsung melalui orang tua yang terinfeksi kepada keturunannya yang baru lahir
(vertical transmission) sebesar pb. Selain itu, pengurangan jumlah individu rentan
juga disebabkan oleh adanya kematian individu rentan dengan tingkat kematian
alami sebesar 𝜔. Dengan demikian, perubahan laju individu rentan dapat
dimodelkan sebagai berikut
dS SI
 bN  pbI    S   R .
dt N
2. Jumlah individu terinfeksi (Infective).
Jumlah individu terinfeksi mengalami penambahan karena adanya individu
rentan yang terinfeksi dengan tingkat penularan sebesar 𝛽 dan penambahan karena
penularan secara langsung melalui orang tua yang terinfeksi kepada bayi yang baru
lahir (vertical transmission) sebesar pb. Pengobatan pada individu yang terinfeksi
diberikan dengan tingkat kesembuhan sebesar 𝛾. Selain itu, jumlah individu
terinfeksi akan berkurang karena adanya kematian alami dengan tingkat kematian
 28

sebesar 𝜔 dan kematian yang disebabkan oleh penyakit yaitu sebesar 𝜔1. Dengan
demikian, perubahan laju individu terinfeksi dapat dimodelkan sebagai berikut
dI SI
 pbI    (  1   ) I .
dt N
3. Jumlah individu sembuh (Recovered).
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 individu sembuh
dengan tingkat kematian alami sebesar 𝜔 dan pengurangan akibat menghilangnya
kekebalan terhadap penyakit sebesar 𝛼. Dengan demikian, perubahan laju individu
sembuh dapat dimodelkan sebagai berikut
dR
  I  (   ) R .
dt
Berdasarkan konstruksi model diperoleh model SIRS dengan vertical transmission
sebagai berikut
dS SI
 bN  pbI    S   R
dt N
dI SI
 pbI    (  1   ) I (4.1)
dt N
dR
  I  (   ) R
dt
dengan total populasi N  S  I  R .

4.2 Penyederhanaan Model

Sistem (4.1) yang terdiri dari tiga persamaan dapat direduksi menjadi sistem
yang terdiri dari dua persamaan karena asumsi bahwa N  S  I  R konstan.
Dalam hal ini, pertama pada sistem (4.1) dapat dihilangkan sehingga sistem (4.1)
menjadi
dI SI
 pbI    (  1   ) I (4.2a)
dt N
dR
  I  (   ) R . (4.2b)
dt
 29

Karena S  N  I  R , persamaan (4.2a) dapat ditulis sebagai berikut

dI I
  ( N  I  R)  (  1    pb) I
dt N
dI   
  ( N  I  R)  (  1    pb)  I . (4.3)
dt  N 

Kemudian dengan memisalkan   dan     1    pb maka persamaan
N
(4.3) menjadi
dI
dt

  ( N  I  R)   I .  (4.4)

dan dengan memisalkan q   N   , persamaan (4.4) menjadi

dI
dt

 q I R I .  (4.5a)

Kemudian dengan memisalkan      , persamaan (4.2b) dapat disederhanakan

menjadi
dR
  I  R. (4.5b)
dt
Berdasarkan persamaan (4.5a) dan (4.5b) maka model SIRS dengan vertical
transmission yang telah disederhanakan adalah
dI
dt

 qI R I 
(4.6)
dR
  I  R.
dt

4.3 Titik Ekuilibrium

Titik ekuilibrium dari sistem (4.6) dicari dengan menggunakan metode
dI dR
nullclines. Jika pada sistem (4.6) dimisalkan  f1 ( I , R) dan  f 2( I , R) maka
dt dt
I-nullcline diperoleh ketika f1 ( I , R)  0 dan R-nullcline diperoleh ketika

f 2( I , R)  0 . Jika f1 ( I , R)  0 maka

 q   I   R I 0 (4.7)
 30

dan jika f 2( I , R)  0 maka

 I  R  0 . (4.8)
Titik ekuilibrium dari sistem adalah perpotongan antara I-nullcline dan
R-nullcline. Kemudian titik ekuilibrium dibagi menjadi dua, yaitu titik ekuilibrium
bebas penyakit dan titik ekuilibrium endemik.

4.3.1 Titik Ekuilibrium Bebas Penyakit

Titik ekuilibrium bebas penyakit dari sistem (4.6) diperoleh ketika tidak ada
individu yang terinfeksi penyakit, artinya adalah keadaan dimana I  0 . Titik
ekuilibrium bebas penyakit dinotasikan dengan TE 0   I 0 , R 0  . Kemudian dengan

menyubstitusikan I  0 ke dalam persamaan (4.8) maka R-nullcline diperoleh

sebagai berikut.
R  0
R0
sehingga diperoleh R 0  0 . Selanjutnya berdasarkan hasil R-nullcline maka titik
ekuilibrium bebas penyakit dari sistem (4.6) adalah sebagai berikut

 
TE 0  I 0 , R 0   0, 0  .

4.3.2 Titik Ekuilibrium Endemik

Titik ekuilibrium endemik dari sistem (4.6) diperoleh ketika terdapat
individu yang terinfeksi penyakit, artinya adalah keadaan dimana I  0 . Titik
ekuilibrium endemik dinotasikan dengan TE *   I * , R*  . Berdasarkan persamaan

(4.7) dan (4.8) akan dicari perpotongan antara I-nullcline dan R-nullcline.
Berdasarkan persamaan (4.8) diperoleh hasil sebagai berikut
 I  R ,
sehingga diperoleh nilai R-nullcline sebagai berikut
I
R . (4.9)

 31

Karena titik ekuilibrium endemik adalah keadaan dimana I  0 , maka

pembuat nol dari persamaan (4.7) adalah bagian q   I   R . Oleh karena itu
diperoleh hasil sebagai berikut
q I  R  0
q
I R  (4.10)

Dengan menyubstitusikan nilai R pada (4.9) ke dalam persamaan (4.10) maka akan
diperoleh nilai dari I-nullcline.
I q
I 
 
   q
I 1   
  
   q
I 
   
q
I
    

q
sehingga diperoleh I *  .
    
Selanjutnya dengan meyubstitusikan nilai I * ke dalam persamaan (4.9) akan
diperoleh
 q 
  
      
R

  q 

       
q

    

q
sehingga diperoleh R 
*
.
    
 32

Dengan demikian titik ekuilibrium endemik dari sistem (4.6) adalah sebagai berikut
 q q 
 
TE *  I * , R*  
           
, .
 

4.4 Angka Reproduksi Dasar

Angka reproduksi dasar dari model SIRS dengan vertical transmission akan
ditentukan menggunakan metode Next Generation Matrix. Berdasarkan model
SIRS dengan vertical transmission yang telah disederhanakan yaitu sistem (4.6) laju
perubahan sub populasi yang baru terinfeksi berada pada urutan pertama, maka
tidak perlu mengubah urutan pada sistem.
Untuk memudahkan dalam menentukan laju perubahan tiap sub populasi
dI
yang disebabkan oleh munculnya infeksi baru, bentuk persamaan pada sistem
dt
(4.6) akan ditulis dalam bentuk persamaan (4.4). Selanjutnya sistem (4.6) dapat
ditulis menjadi sebagai berikut
du
 (u)  (u)
dt
dengan
  ( N  I  R) I   I  I
 ,   dan u   R 
 0  R   I   
Selanjutnya akan dicari turunan dari dan terhadap u yaitu sebagai berikut

 1  1
 I R 
D (u)   
 2  2
 
 I R 
  N  2 I   R   I 
  (4.11a)
 0 0 
 33

 1 1
 I R 
D (u)   
 2  2
 
 I R 
 0

 
. (4.11b)
 
dengan menyubstitusikan nilai titik ekuilibrium bebas penyakit TE 0   0, 0  ke

dalam persamaan (4.11a) dan (4.11b), sehingga diperoleh

  N  2 (0)   (0)   (0) 
D TE 
0
 
 0 0 
  N 0
 
 0 0
 0
D (TE 0 )  
 
.
 
Berdasarkan definisi metode Next Generation Matrix D TE 
0
dan D (TE0 )

F 0 V 0
dapat dipartisi menjadi D (TE 0 )    dan D (TE )   J
0
 , dengan
0 0  3 J4 

demikian diperoleh matriks persegi F dan V yang berukuran 1 1

 
F  N

V    .

Kemudian angka reproduksi dasar diperoleh dari nilai maksimum radius spektral
dari next generation matrix, selanjutnya akan dicari FV 1 , perhatikan
V   
 1 .
 V 1   
 
Sehingga diperoleh matriks FV 1 sebagai berikut
 N 
FV 1   
  
 34

Kemudian angka reproduksi dasar diperoleh dari nilai maksimum radius spektral
dari next generation matrix, yaitu nilai eigen terbesar dari matriks FV 1

FV 1   I  0
 N 
   0
  
 N 
   0
  
N
Sehingga diperoleh nilai eigen dari matriks FV 1 adalah   , selanjutnya

dapat ditentukan angka reproduksi dasar sebagai berikut
R0     
 N 
  
  
N


sehingga diperoleh angka reproduksi dasar sebagai berikut
N 
R0   .
   1    pb
Berdasarkan hasil R0 yang diperoleh, parameter yang berpengaruh terhadap

R0 adalah tingkat penularan penyakit (  ), tingkat kesembuhan terhadap penyakit

(  ), tingkat kematian alami (  ), tingkat kematian karena penyakit ( 1 ) dan tingkat

penularan secara langsung melalui orang tua yang terinfeksi (pb).
Suatu populasi akan terjadi endemik jika R0  1 karena tingkat penularan
penyakit yang diakibatkan oleh satu individu yang terinfeksi untuk menularkan
penyakit kepada individu lain lebih besar dari satu, sehingga dalam waktu lama
penyakit akan menyebar di dalam pupolasi. Sebaliknya jika R0  1 penyakit akan
menghilang dari populasi tersebut.
 35

4.5 Analisis Kestabilan Titik Ekuilibrium Model

Analisis kestabilan titik ekuilibrium bertujuan untuk memperoleh informasi
mengenai sifat penyelesaian sistem. Terdapat beberapa cara untuk melakukan
analisis kestabilan titik ekuilibrium pada suatu model, diantaranya adalah dengan
menggunakan matriks Jacobi dari sistem tersebut atau dengan menggunakan
metode Lyapunov. Pada subbab ini, titik ekuilibrium bebas penyakit akan dianalisis
menggunakan matriks Jacobi sedangkan titik ekuilibrium endemik akan dianalisis
menggunakan metode Lyapunov.

4.5.1 Analisis Kestabilan Titik Ekuilibrium Bebas Penyakit TE 0

Analisis kestabilan titik ekuilibrium bebas penyakit akan dilakukan dengan
menggunakan matriks Jacobi. Karena model SIRS dengan vertical transmission
berbentuk sistem nonlinier maka sistem perlu dilakukan linierisasi di sekitar
TE 0   I 0 , R 0    0, 0  . Matriks Jacobi dari sistem (4.6) adalah sebagai berikut

 f1 ( I , R) f1 ( I , R) 
 I R 
J  I, R   
 f 2 ( I , R) f 2 ( I , R) 
 
 I R 
 q  2 I   R  I 
  (4.12)
   

Kemudian dengan menyubstitusikan TE 0   I 0 , R 0    0, 0  ke dalam entri pada

matriks Jacobi (4.12) maka diperoleh hasil

 q  2 I   R  I 
J TE 0   
      I 0 , R0  0,0

 q  2 (0)   (0)  (0) 

 
   
q 0 
 .
   
 36

Dengan demikian hasil linierisasi sistem (4.6) di sekitar titik ekuilibrium

TE 0   I 0 , R 0    0, 0  adalah sistem linier sebagai berikut

 dI 
 dt   q 0  I 
    . (4.13)
 dR      R 
 
 dt 

Selanjutnya karena J TE 0  q  0 maka titik (0,0) merupakan satu-satunya titik

 
ekuilibrium untuk sistem linier (4.13). Persamaan karakteristik dari matriks Jacobi
J TE0 adalah sebagai berikut
 

J TE 0   I  0
 
q 0   0 
   0
     0  
q  0 
  0
     
 q         0

Jadi diperoleh

1  q
2   .
Perhatikan bahwa

q   N 



 N  
 N 
   1
  
   R0  1 .
 37

jika R0  1 , maka q  0 dengan demikian 1  0 . Selanjutnya perhatikan bahwa

      

Karena ,   0 maka 2  0 . Dengan demikian, karena 1 , 2  0 sehingga titik

ekuilibrium (0,0) pada sistem linier (4.13) bersifat stabil asimtotis. Berdasarkan
Teorema 2.2, titik ekuilibrium bebas penyakit TE 0 dari sistem nonlinier (4.6) juga
bersifat stabil asimtotis jika R0  1 . Artinya jika R0  1 , maka dalam jangka waktu
yang lama penyelesaian model SIRS dengan vertical transmission akan menuju ke

titik ekuilibrium bebas penyakit TE 0   I 0 , R 0    0, 0  .

4.5.2 Analisis Kestabilan Titik Ekuilibrium Endemik TE *

Kestabilan dari titik ekuilibrium endemik TE *   I * , R*  akan ditentukan

menggunakan metode Lyapunov. Untuk menentukan fungsi Lyapunov yang sesuai

dengan sistem (4.6), pertama sistem (4.6) akan diubah bentuknya menjadi sebagai
berikut.
 q q 
Berdasarkan titik ekuilibrium TE *   I * , R*    ,  jika titik I *
           
 
dan R* dijumlahkan maka akan diperoleh persamaan sebagai berikut
q q
I *  R*  
         
q    
I *  R* 
    
q
I *  R*  .


Kemudian jika kedua ruas dikalikan dengan  maka akan diperoleh

q   ( I *  R* ) . (4.14)
Dengan menyubstitusikan persamaan (4.14) ke dalam persamaan I pada sistem
(4.6) diperoleh hasil
 38

dI
dt

  ( I *  R* )   I   R I . (4.15)

Selanjutnya persamaan (4.15) dapat diuraikan menjadi seperti berikut

dI
dt

  I *   R*   I   R I
  I   I   R   R I
* *

    I  I     R  R  I .
* *

Dengan demikian persamaan I yang telah diubah bentuknya adalah sebagai berikut
dI
dt
   
  I *  I   R*  R I .  (4.16a)

Berdasarkan definisi titik ekuilibrium, jika titik ekuilibrium TE *   I * , R* 

disubstitusikan ke dalam persamaan R pada sistem (4.6). Berdasarkan titik

ekuilibrium TE *   I * , R*  maka akan diperoleh hasil

 q   q 
 I *   R*        
             
q  q
 I *   R* 
    
0
 I *   R* 
    
 I *   R*  0.
Dengan demikian, persamaan R pada sistem (4.6) dapat ditulis menjadi sebagai
berikut
dR
  I  R
dt
  I  R  0

  I   R   I *   R* 
  I   R   I *   R*
  R*   R   I *   I
  
  R*  R   I *  I 
 39

sehingga diperoleh persamaan R yang telah diubah bentuknya adalah sebagai

berikut
dR
dt
  
  R*  R   I *  I .  (4.16b)

Berdasarkan persamaan (4.16a) dan (4.16b) maka sistem (4.6) dituliskan kembali
menjadi sistem sebagai berikut
dI
dt
   
  I *  I   R*  R I 
(4.17)
dR
dt
  
  R*  R   I *  I . 
Dengan mengubah bentuk sistem (4.6) menjadi sistem (4.17) akan
memudahkan dalam menetukan fungsi Lyapunov untuk model SIRS dengan
vertical transmission. Fungsi Lyapunov juga dikaji oleh O’Regan, dkk (2009)
untuk menentukan kestabilan titik ekuilibrium endemik dari model SIRS dengan
vertical transmission. Berikut adalah fungsi Lyapunov yang dibuat oleh O’Regan,
dkk (2009). Misal didefinisikan 𝑉: ℝ2 → ℝ sebagai berikut

 I  
 
2
V ( I , R)   I  I *  I * ln *   R  R* . (4.18)
 I  2
Untuk menunjukkan fungsi (4.18) adalah fungsi Lyapunov untuk model SIRS
dengan vertical transmission, akan dibuktikan bahwa V merupakan fungsi definit
positif yaitu:
(i) V ( I * , R* )  0

(ii) V ( I , R)  0 untuk setiap  I , R    I * , R*  .

Bukti
(i) Akan dibuktikan bahwa V ( I * , R* )  0 .

Dengan menyubstitusikan TE *   I * , R*  ke dalam fungsi (4.18) maka

diperoleh hasil sebagai berikut

 40

 I*  
 
2
V ( I * , R* )   I *  I *  I * ln *   R*  R*
 I  2

 
 0  I * ln 1 
2
0
2

 00
0
sehingga terbukti bahwa V ( I * , R* )  0 .

(ii) Akan dibuktikan bahwa V ( I , R)  0 untuk setiap  I , R    I * , R*  .

 I  
 
2
Misal V ( I , R)   I  I *  I * ln *   R  R*  P( I )  Q( R) dengan
 I  2

 I  
P( I )   I  I *  I * ln *  dan Q( R) 
 I  2
 
2
R  R* . Perhatikan bahwa

parameter   0 dan   0 kemudian hasil R  R 

2
*
 0 , sehingga

Q( R)  0 untuk setiap R  R * . Selanjutnya akan ditunjukan bahwa

P( I )  0 . Perhatikan bahwa P( I ) dapat ditulis menjadi

 I I 
P( I )  I *  *  1  ln *  . Sementara itu perhatikan fungsi
I I 

h( x)   x  1  ln x  . Fungsi h( x) memiliki nilai minimum 0 saat x  1 .

Dengan demikian, untuk setiap x  0 dan x  1 , nilai h( x)  0 . Oleh

karena itu, analog dengan fungsi h( x) , dapat disimpulkan bahwa

P( I )  0 untuk setiap I  I * . Karena P( I )  0 dan Q( R)  0 maka

terbukti bahwa V ( I , R)  P( I )  Q( R)  0 untuk setiap  I , R    I * , R*  .

Karena kedua syarat fungsi definit positif terpenuhi maka fungsi (4.18)
adalah fungsi definit positif. Selain itu, untuk membuktikan bahwa fungsi (4.18)
dV
merupakan fungsi Lyapunov adalah dengan membuktikan  0 . Perhatikan
dt
bahwa
 41

V  I * 
 1  
I  I 

V 

R 

R  R* . 
Berdasarkan aturan rantai pada turunan, maka diperoleh turunan V terhadap t
sebagai berikut
dV V dI V dR
 
dt I dt R dt
 I*  
 
  1    I *  I   R*  R I 
 I  
  
R  R*  R*  R   I *  I      
 I  I*  

 I
 
  I I  R R I 

* *

  
R  R* R*  R   R  R* I *  I     

   
  I  I * I *  I   R*  R I  I *    
 R  R*  R  R*     R  R*  I  I * 


   
   I  I * I  I *   R*  R I  I *    
 R  R*   R  R*     R*  R  I  I * 


   R  R*     R*  R  I  I *     R*  R  I  I * 
2 2
  I  I * 


   R  R*  .
2 2
  I  I * 

dV
Perhatikan bahwa parameter  , ,   0 sehingga 0 untuk setiap
dt

 I , R    I * , R*  . Karena fungsi (4.18) adalah fungsi definit positif dan

dV
 0,
dt
maka fungsi (4.18) adalah fungsi Lyapunov untuk model SIRS dengan vertical
dV
transmission. Selanjutnya berdasarkan Teorema 2.3, karena  0 maka titik
dt
 q q 
ekuilibrium TE *   I * , R*   
           
, bersifat stabil asimtotis.
 

4.6 Simulasi model

Simulasi model pada penelitian ini dilakukan menggunakan software Maple
2018. Pada bagian ini simulasi akan dilakukan dengan cara menganalisis angka
 42

reproduksi dasar. Berdasarkan hasil analisis angka reproduksi dasar R0 , diperoleh

beberapa parameter yang memengaruhi nilai R0 , yaitu:

1. Tingkat penularan penyakit   

2. Tingkat kesembuhan individu terinfeksi   

3. Tingkat kematian alami   

4. Tingkat kematian karena penyakit 1 

5. Tingkat penularan secara langsung melalui orang tua yang terinfeksi (vertical
transmission) (p)
6. Tingkat kelahiran individu (b).
Dari beberapa parameter yang memengaruhi nilai R0 , diambil salah satu parameter

yang dianggap dapat dikontrol oleh manusia, yaitu tingkat penularan penyakit    .

Oleh karena itu, simulasi model dilakukan dengan menganalisis pengaruh nilai 
terhadap nilai R0 . Selanjutnya berdasarkan asumsi total populasi adalah konstan

maka disimulasikan N (t )  1000 , dengan tingkat kelahiran individu b  0,06 ,

kemudian tingkat kesembuhan individu terinfeksi   0,04 . Sesuai dengan asumsi
model, yaitu terdapat tingkat penularan secara langsung melalui orang tua yang
terinfeksi p  0,1. Tingkat kematian alami diasumsikan   0, 06 , kemudian
tingkat kematian karena penyakit adalah 1  0.02 . Adapun syarat awal yang

digunakan adalah S(0)  800 , I (0)  100 dan R(0)  100 . Dari nilai-nilai
parameter yang telah ada dapat dicari angka rasio reproduksi dasar. Apabila nilai
parameter tersebut disubstitusikan ke

R0 
  1    pb

Maka diperoleh

R0  8,771929825 (4.19)
 43

Dari persamaan (4.19) terlihat bahwa nilai R0 bergantung pada nilai  . Adapun

hubungan antara nilai R0 dengan  digambarkan pada Gambar 4.2 berikut

Gambar 4.2 Grafik hubungan antara nilai R0 dengan

jika nilai  semakin besar, maka R0 juga semakin besar. Sedangkan, jika nilai 

semakin kecil, maka R0 juga semakin kecil. Selanjutnya, jika R0  1

disubstitusikan ke persamaan (4.19) maka

1  8,771929825
1

8,771929825
  0,114

Hal ini berarti, titik potong antara garis R0  1 dan garis R0  8,771929825

adalah   0,114 . Selanjutnya dilakukan analisis terhadap nilai  yaitu pada saat
0    0,114 ,   0,114 dan   0,114 .
 44

4.6.1 Kasus 0    0,114

Berdasarkan Gambar 4.2, jika 0    0,114 , maka nilai R0  1 . Sesuai

dengan hasil analisis titik ekuilbrium bebas penyakit TE 0   0, 0  bersifat stabil

asimtotis jika R0  1 . Jumlah individu terinfeksi dan individu yang telah sembuh
dalam jangka waktu yang lama akan menuju 0. Sedangkan jumlah individu rentan
diperoleh berdasarkan asumsi N  S  I  R pada model, dengan demikian
diperoleh

N SIR
 S  1000  0  0
 S  1000.

Jadi jumlah individu rentan dalam jangka waktu yang lama akan menuju 1000.
Untuk menjelaskan hal tersebut, berikut disajikan grafik simulasi kasus   0,08 .

Gambar 4.3 Grafik simulasi jika 0    0,114

Berdasarkan hasil simulasi pada Gambar 4.3, jika nilai 0    0,114 dalam jangka
waktu yang lama penyelesaian sistem akan menuju titik ekuilibrium bebas penyakit
 45

TE 0   0,0  dan jumlah individu rentan akan menuju 1000. Hal ini berarti populasi

berada pada keadaan bebas penyakit.

4.6.2 Kasus   0,114

Berdasarkan Gambar 4.2, jika   0,114 , maka nilai R0  1 . Berikut adalah

grafik simulasi kasus   0,114 .

Gambar 4.4 Grafik simulasi jika   0,114

Berdasarkan hasil simulasi pada Gambar 4.3 jika   0,114 maka jumlah individu
terinfeksi masih ada, tetapi jumlahnya terus menurun seiring bertambahnya waktu.
Dengan demikian populasi akan menuju ke keadaan bebas penyakit karena dalam
jangka waktu yang sangat lama jumlah individu terinfeksi akan menuju 0.

4.6.3 Kasus   0,114

Kasus selanjutnya adalah jika   0,114 , maka nilai R0  1 . Sesuai dengan

hasil analisis, titik ekuilibrium endemik TE *   I * , R*  bersifat stabil asimtotis.

Artinya dalam jangka waktu yang lama penyelesaian model akan menuju ke titik
 46

ekuilibrium endemik TE * jika nilai   0,114 . Untuk menjelaskan hal tersebut

berikut disajikan grafik simulasi kasus   0, 4 .

Gambar 4.5 Grafik simulasi jika R0  1

Berdasarkan perhitungan aplikasi maple, titik ekuilibrium endemik dengan   0, 4

adalah TE   495, 220  . Dengan demikian untuk jangka waktu yang lama jumlah
*

individu terinfeksi akan menuju 495 dan jumlah individu yang telah sembuh
menuju 220. Kemudian jumlah individu rentan diperoleh sebagai berikut

N SIR
 S  1000  495  220
 S  285.

Jumlah individu rentan dalam jangka waktu yang lama akan menuju 285. Oleh
karena itu, dalam jangka waktu yang lama penyelesaian sistem akan menuju titik
ekuilibrium endemik. Hal ini berarti populasi berada pada keadaan epidemi.
 BAB 5

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Berdasarkan hasil dan pembahasan, diperoleh beberapa kesimpulan yang

dapat diambil pada penelitian ini adalah sebagai berikut.
1. Model SIRS dengan vertical transmission pada penelitian ini adalah
dS SI
 bN  pbI    S   R
dt N
dI SI
 pbI    (  1   ) I
dt N
dR
  I  (   ) R .
dt

2. Model SIRS dengan vertical transmission dapat disederhanakan menjadi

model dengan dua persamaan sebagai berikut
dI
dt

 qI R I 
dR
  I  R.
dt

3. Model SIRS dengan vertical transmission memiliki dua titik ekuilibrium

yaitu

 
TE 0  I 0 , R 0   0, 0 

 q q 
 
TE *  I * , R*  
           
, .
 

47
 48

4. Dari model SIRS dengan vertical transmission diperoleh angka reproduksi

dasar sebagai berikut
N
R0  .


5. Berdasarkan hasil analisis kestabilan titik ekuilibrium, dapat ditarik

kesimpulan bahwa TE 0 bersifat stabil asimtotis jika R0  1 dan TE * juga

bersifat stabil asimtotis jika R0  1 . Hal ini berarti perilaku model dalam

jangka waktu yang lama akan menuju TE 0 jika R0  1 dan akan menuju

TE * jika R0  1 .

6. Berdasarkan hasil simulasi, dapat disimpulkan suatu populasi semakin lama

akan semakin menuju keadaan bebas penyakit jika tingkat penularan
penyakit antara individu terinfeksi dengan invidu rentan relatif rendah.
Sebaliknya, suatu populasi semakin lama akan menuju keadaan epidemi jika
tingkat penularan penyakit antara individu terinfeksi dengan invidu rentan
relatif tinggi.

5.2 Saran

Pada penelitian ini, penulis mengkaji mode SIRS dengan vertical

transmission. Untuk menindaklanjuti penelitian ini, penulis menyarankan agar
mengembangkan model dengan mengubah populasi model bersifat terbuka karena
terdapat migrasi dan emigrasi, atau dengan menambahkan masa laten dimana
invidu yang sudah terinfeksi belum dapat menularkan penyakitnya kepada invidu
rentan sehingga model menjadi model SEIRS dengan vertical transmission.
 49

DAFTAR PUSTAKA

Allen, L. J. (2007). An Introduction to Mathematical Biology. New Jersey: Pearson

Prentice-Hall.

Campbell, N. A. dan Reece, J.B. (2012). Biology. Edisi ke-8. Jakarta: Erlangga.

Boyce, W. E., DiPrima, R. C. 2009. Elementary Differential Equations and

Boundary Value Problem. 9th Ed. New Jersey: John Wiley & Son.

Busenberg, S., Cooke, K. 1993. Vertically Transmitted Diseases Model and

Dynamics. Berlin: Springer: Springer-Verlag.

Edwards, C. H., dan Penney, D. E. 2014. Elementary Differential Equations with

Boundary Value Problems. 6th Ed. New Jersey: Prentice-Hall.

Finizio, N. dan Ladas, G. (1988). Persamaan Diferensial Biasa dan Penerapan

Modern. Edisi ke-2 diterjemahkan oleh Dra. Widiarti Santoso. Jakarta:
Erlangga.

Khalil, H. K. 2002. Nonlinear System, Third Edition. New Jersey: Prentice-Hall.

Ledder, G. (2013). Mathematics for the Life Science: Calculus, Modeling,

Probability, and Dynamical Systems. New York: Springer.

Lyapunov, A. M. 1892. The General Problem of the Stability Motion. Kharkov:

Kharkov Mathematical Society.

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

Machowski, J., Bialek, J. W., dan Bumby, J. R. (2008). Power System Dynamics:
Stability and Control. Second Edition. New York: John Wiley & Sons.

Martcheva, M. (2015). An Introduction to Mathematical Epidemiology. New York:

Springer.

O’Regan, S. M., Kelly, T. C., Korobeinikov, A., O’Callaghan, M. J. A., Pokrovski,

A. V. 2009. Lyapunov function for SIR and SIRS epidemic models. Elseveir,
23, 446-448.

Zill, D. G. 2013. A First Course in Differential Equation with Modelling

Application,Tenth Edition. Boston: Brooks/Cole.
 50

LAMPIRAN A
PERINTAH MAPLE 2018 UNTUK MENAMPILKAN GAMBAR 4.2
 51

LAMPIRAN B
PERINTAH MAPLE 2018 UNTUK MENAMPILKAN GAMBAR 4.3
 52

LAMPIRAN C
PERINTAH MAPLE 2018 UNTUK MENAMPILKAN GAMBAR 4.4
 53

LAMPIRAN D
PERINTAH MAPLE 2018 UNTUK MENAMPILKAN GAMBAR 4.5
 54

RIWAYAT HIDUP

Nama : Adam Naufal Widino

NIM : H1B014034
Tempat, tanggal lahir : Bekasi, 24 Maret 1996
Jenis Kelamin : Laki-laki
Agama : Islam
Alamat Rumah : Pondok Tanah Mas Jl.Kenanga 3 Blok D23
no.15 RT 003 RW028, Wanasari, Cibitung,
17520
Bidang Kajian : Matematika Terapan
Telepon : 085890996691
Email : adamfaldino@gmail.com
Motto : Perlakukanlah orang lain seperti kamu ingin
diperlakukan.

Riwayat Pendidikan
1. SD Negeri 09 Wanasari
Masuk tahun 2001-Lulus tahun 2007.
2. SMP PGRI Tambun Selatan
Masuk tahun 2007 – Lulus tahun 2010.
 55

3. SMKN 1 Cikarang Barast

Masuk tahun 2010 – Lulus tahun 2013.
4. S1 Jurusan Matematika Universitas Jenderal Soedirman
Masuk tahun 2014.

Pengalaman
1. 2014 : Mengikuti kegiatan Pengembangan Karakter dan
Kepribadian Mahasiswa (PKKM) Universitas Jenderal
Soedirman.
2. 2015 : Menjadi panitia Diesnatalis Pertama Fakultas Matematika
dan Ilmu Pengetahuan Alam.
3. 2015 : Menjadi panitia Laboratorium Fakultas Matematika
dan Ilmu Pengetahuan Alam.
4. 2016 : Menjadi Panitia Olimpiade Matematika tingkat SD se-
Banyumas, SMP se-Jawa Tengah dan Yogyakarta, dan
SMA se-Jawa Tengah dan Yogyakarta.
5. 2017 : Menjadi Panitia Seminar Legislatif.
6. 2017 : Melaksanakan Praktek Kerja Lapangan (PKL) di Kantor
PT. Kereta Api Indonesia DAOP 5 Purwokerto.

Riwayat Organisasi
1. Staff Kementrian Dalam Negeri BEM KM MIPA periode 2015.
2. Staff Departemen Hubungan Masyarakat UKM Teater Receh periode
2015
3. Staff Kementrian Advokesma BEM KM MIPA periode 2016.
4. Staff Divisi Kaderisasi Internal Himatika UNSOED periode 2016.
5. Staff Divisi Hubungan Masyarakat UKM Mipa CF periode 2016
6. Ketua Komisi II Dewan Legislatif Mahasiswa (DLM) MIPA UNSOED
periode 2017.
7. Dewan Adat UKM Teater Receh periode 2017.