Penyelesaian Model Matematika SIR dengan Kelahiran dan

Kematian untuk Penyebaran Covid-19 Menggunakan

Microsoft Excel

Dewa Putu Wiadnyana Putra, Marcellinus Andy Rudhito

Department of Mathematics Education, Universitas Sanata Dharma, Yogyakarta

Email: rudhito@usd.ac.id

Abstract. Penelitian ini bertujuan untuk menyelesaikan pemodelan SIR (susceptible, infectious
dan recovered) yang mempertimbangkan kelahiran dan kematian alamiah untuk penyebaran
Covid-19 pada populasi suatu daerah untuk kondisi normal, new normal dan lockdown dengan
menggunakan Microsoft Excel. Penelitian ini terdiri dari dua tahap yakni mengkaji penyelesaian
model matematika SIR secara numeris dengan menggunakan Spreadsheet Microsoft Excel dan
menyusun Applet Microsoft Excel untuk simulasi sistem. Hasil penelitian menunjukkan bahwa
model SIR dengan kelahiran dan kematian untuk penyebaran Covid-19 dapat diselesaikan secara
numeris dengan menggunakan spreadsheet Microsoft Excel, dengan terlebih dahulu mengubah
sistem persamaan diferensial ke dalam sistem persamaan diferensi. Selanjutnya dengan
menggunakan fasilitas yang ada dalam Microsoft Excel dapat disusun Applets Microsoft Excel
untuk mensimulasikan dinamika sistem untuk kondisi normal, new normal dan lockdown.

Introduction
Paling sedikit ada lima jenis pemodelan penyebaran penyakit yakni: model kompartemen, model
stokastik, model Phenomenological atau model kurve pertumbuhan waktu, "time series" atau "predictive
class of data mining dan AI", dan kelas model hybrid (gabungan dua atau lebih kelas model). Ahli-ahli
pemodelan penyebaran penyakit, sudah mulai melakukan kajian terhadap Covid-19. Salah satu kajian
yang dibuat adalah pemodelan matematis penyebaran Covid-19. [1] dan [2] melakukan kajian terhadap
penyebaran Covid-19 di Kota Wuhan dengan menggunakan Model SEIR (Susceptible-Exposed-
Infectious-Removed).
Model SEIR merupakan salah satu pemodelan penyebaran penyakit jenis model kompartemen.
Adapun model kompartemen untuk penyebaran penyakit yang paling sederhana adalah model SIR tanpa
memperhatikan faktor kematian dan kematian alamiah. Dalam artikel ini akan dibahas model SIR
dengan memperhatikan faktor kelahiran dan kematian alamiah. Model ini akan diterapkan untuk tiga
kondisi wilayah yang berbeda yakni kondisi normal (tanpa intervensi), kondisi new normal (dengan
menerapkan, pola hidup bersih, penjagaan jarak fisik) dan kondisi lockdown (penutupan wilayah)
Selanjutnya akan disusun penyelesaian dan simulasi dengan Applets Microsoft Excel sehingga simulasi
model dapat dilakukan secara interaktif dan dapat dipahami dengan baik oleh masyarakat umum.
Konsep matematika yang digunakan dalam model ini adalah persamaan diferensial. Konsep
matematika yang digunakan dalam pemodelan Covid-19 SIR menggunakan konsep persamaan
diferensial. Konstruksi model dan penyelesaiannya secara teknis sulit dipahami oleh masyarakat umum.
Model-model dan penyelesaiannya tidak mudah dipahami oleh masyarakat. Asumsi dan kondisi dalam
model setelah diubah menjadi parameter-parameter juga tidak mudah dipahami. Oleh sebab itu,
masyarakat perlu diberikan pemahaman yang sederhana terkait konsep model matematika yang
digunakan untuk penyebaran Covid-19, misalnya asumsi-asumsi, pemodelan, cara penyelesaian, hasil
simulasi dan prediksi.
Penyelesaian dan simulasi model matematika menjadi salah satu bagian yang penting. Hasil simulasi
ini dapat memperlihatkan secara visual tentang situasi terkini maupun prediksi dari suatu keadaan.
Software yang dapat digunakan untuk membuat simulasi dari suatu model matematika penyebaran
penyakit di antaranya, MATLAB, Mathematica, GeoGebra, Microsoft Excel, dan lain-lain. Microsoft
Excel adalah salah satu software spreadsheet yang sangat dikenal dan mempunyai kemampuan yang
sangat bagus. Penyelesaian model matematika tertentu dapat diselesaikan dengan menggunakan
Microsoft Excel secara numeris dan menggambarkan grafik penyelsaiannya. Aktivitas simulasi model
dengan menggunakan Microsoft Excel juga dapat dirancang secara interaktif, yaitu dengan
memanfaatkan fasilitas slider yang dapat digunakan untuk merubah-rubah parameter-parameter dalam
model matematika sesuai dengan kondisi yang diasumsikan. Aktifitas eksplorasi Applets secara
interaktif diharapkan dapat mempermudah dalam melakukan atau memahami hasil simulasi model
matematika penyebaran Covid-19.

Research Methodology
Penelitian ini terdiri dari dua tahap yakni mengkaji penyelesaian model matematika SIR dengan
kelahiran dan kematian secara numeris dan menyelesaikannya dengan menggunakan spreadsheet dan
menyusun Applet untuk simulasi sistem dengan menggunakan Microsoft Excel. Simulasi model akan
menggunakan Microsoft Excel dengan menyusun dalam sebuah Applets. Fasilitas dalam Microsoft Excel
untuk tampilan simulasi, meliputi Input, Grafik (Chart) dan Spreadsheet (tampilan numeris). Parameter-
parameter dalam model akan ditampilkan dan dapat digeser-geser menggunakan slider agar lebih
interaktif.

Result and discussion

Model SIR dengan mempertimbangkan kelahiran dan kematian alamiah pada suatu populasi merupakan
pengembangan dari model SIR. Pada model SIR dengan populasi ( N ) yang konstan dianggap tingkat
kelahiran dan kematian dalam populasi tersebut adalah sama. Tingkat kelahiran ( ) dan tingkat
kematian (  ) dalam penelitian ini menggunakan Crude Birth Rate (CBR) and Crude Death Rate
(CDR). Interval nilai parameter  dan  dalam penelitan ini, yaitu 3.33 10−4    3.9110−4 dan
1.17 10−4    1.57 10−4 . Interval tersebut diperoleh dari data CBR dan CDR Indonesia yang
berturut-turut berada pada interval 18  CBR  20 dan 6  CDR  8 . Kemampuan suatu individu
menularkan virus kepada individu lainnya dinotasikan dengan  ( N ) , yang dapat dinyatakan oleh
persamaan berikut
 ( N ) = aN −0.95 (1)
dengan a merupakan parameter tingkat penularan (transmission rate) (Brauer, 2019). Asumsi dalam
model ini adalah tingkat kematian alami dalam setiap kompartemen adalah sama. Jika  menyatakan
parameter untuk recovery rate dan d merupakan parameter untuk death (cause diseases) rate, berikut
adalah diagram konsep dari model yang SIR dengan mempertimbangkan kelahiran dan kematian
alamiah.
 S I R

Figure 1. Flowchart SIR Model with Natural Birth and Death

Berdasarkan diagram di atas dapat disusun persamaan beda sebagai berikut.

 S = ( N −  ( N ) SI −  S ) t

 I = (  ( N ) SI −  I − dI −  I ) t
 (2)
R = (  I −  R ) t
 N = ( ( −  ) N − dI ) t


Nilai awal populasi yang digunakan dalam penelitian ini adalah N 0 = 10001 , dengan rincian setiap
kompartemen, yaitu S0 = 10000 , I 0 = 1 , dan R0 = 0 . Estimasi nilai parameter death (cause disease) rate
dan recovery rate menggunakan data penyebaran Covid-19 di Indonesia (Kawal Covid, 2020) pada
tanggal 2 Maret sampai 13 Agusutus 2020. Nilai parameter d dan  berturut-turut adalah
0.02  d  0.09 dan 0.03    0.66 . Selanjutnya, nilai parameter transmission rate a pada persamaan
(1) ditentukan dengan terlebih dahulu mengetahui nilai Reproductive Number ( 0 ) . Berdasarkan
[Brauer] persamaan untuk menentukan nilai 0 diberikan oleh

N0  ( N0 )
0 = (3)
 +d

Interval nilai 0 untuk Covid-19 yang diperoleh pada tanggal 1 Januari sampai 7 Februari 2020, yaitu
1.4    6.49 (Liu, 2020). Berdasarkan persamaan (1) dan (3) diperoleh interval nilai parameter
transmission rate, yaitu 0.0443  a  3.1012 .

Iterasi dilakukan dengan menggunakan Microsoft Excel. Berikut adalah tampilan iterasi dengan nilai
parameter  ,  , a, d , and  masing-masing 3,7  10−4 , 1,39  10−4 , 1,13 , 0.045 , and 0.66 .
 Figure 2. Table Iteration using Microsoft Excel

Solusi model ditentukan dengan menggambar grafik dari S , I , R, and N terhadap waktu ( t ) . Fasilitas
yang digunakan adalah scatter with smooth lines and marker yang tersedia pada Microsoft Excel.
A. Hasil Pemodelan dalam Situasi Normal (tanpa Intervensi)
Situasi ini adalah situasi alamiah tanpa adanya intervensi yang dilakukan oleh masyarakat maupun
pemerintah terhadap penyebaran Covid-19. Masyarakat melakukan aktivitas seperti sebelum
pandemi terjadi di wilayah mereka. Asumsi yang digunakan dalam penelitian ini adalah tingkat
transmisi virus adalah konstan. Nilai-nilai parameter yang digunakan dalam situasi ini dapat dilihat
pada tabel berikut.

Table 1. Value of Parameter of the Model

Parameter Value Reference
 3.7 10 −4 CBR Indonesia 2018
 1.39 10 −4 CDR Indonesia 2018
a 1.13 Assume
 d 0.45 Assume
 0.28 Assume
Berdasarkan nilai-nilai parameter pada tabel 1, diperoleh solusi model sebagai berikut.

Figure 3. Solution Model Without Intervention using Microsoft Excel

Puncak pandemi terjadi pada minggu ketujuh. Total populasi yang terinfeksi sebanyak 5312 orang.
Sementara itu, pertumbuhan penduduk yang berasal dari perbedaan nilai  dan  menyebabkan
kenaikan populasi yang berpotensi terinfeksi. Kenaikan tersebut mulai terjadi pada minggu
ketujuhbelas, dengan nilai S = 0.017 . Kenaikan ini akan berpotensi menyebabkan gelombang
kedua dari penyebaran Covid-19 di Indonesia.
B. Hasil Pemodelan dalam Situasi New Normal
Intervensi terhadap penyebaran Covid-19 perlu dilakukan oleh masyarakat dan pemerintah. Dalam
situasi ini, intervensi yang dilakukan berupa penerapan pola hidup sehat. Rajin mencuci tangan,
menggunakan masker saat melakukan aktivitas di luar ruangan, tidak menyentuh hidung, mulut, dan
mata dengan tangan, dan melakukan social and physical distancing merupakan intervensi yang
dilakukan dalam situasi ini (new normal). Mobilitas masyarakat tidak dibatasi dalam situasi ini.
Intervensi mulai dilakukan pada minggu keempat setelah awal pandemi. Intervensi ini memberikan
asumsi bahwa transsmisson rate dapat berkurang sebesar 50% dari keadaan awal. Berdasarkan tabel
1, nilai parameter a berubah menjadi 0.5664 sejak minggu keempat. Nilai-nilai parameter yang lain
adalah tetap seperti yang diberikan pada tabel 1. Berikut adalah solusi model dengan strategi new
normal.
 Figure 4. Solution Model with New Normal Condition using Microsoft Excel
Puncak pandemic terjadi pada minggu kesebelas dengan populasi yang terinfeksi adalah 2893.
Akibat pertumbuhan penduduk, dalam situasi ini juga berpotensi terjadinya gelombang kedua
pandemi, yaitu pada minggu ketigapuluh.
C. Hasil Pemodelan dalam Situasi Lockdown
Pemerintah dapat melakukan kebijakan untuk melakukan karantina suatu wilayah (lockdown) untuk
membatasi penularan Covid-19. Karantina wilayah dapat memperkecil transmission rate dengan
sangat cepat. Pada model ini, lockdown mulai dilakukan pada minggu keempat sejak pandemi
terjadi. Setelah intervensi ini dilakukan nilai parameter a berkurang 50% sampai dengan minggu
keenam. Setelah itu, nilai transmission rate akan menjadi 0, karena mobilitas dan interaksi
masyarakat tidak terjadi dalam situasi ini. Nilai-nilai parameter (kecuali a ) menggunakan nilai pada
tabel 1. Berikut adalah solusi dari model dengan intervensi berupa lockdown.
 Figure 5. Solution Model with Lockdown Condition using Microsoft Excel
Puncak pandemi terjadi pada minggu keenam dengan total 602 individu yang terinfeksi. Setelah
terjadi puncak pandemi, individu yang masuk dalam kategori susceptible tidak akan terinfeksi
Covid-19. Pada minggu ke-18 terlihat individu yang terinfeksi sudah dibawah 1% dari populasi.
Berdasarkan tiga situasi di atas, berikut rangkuman solusi model SIR dengan mempertimbangkan
tingkat kelahiran dan kematian alamiah.
Table 2. Comparison Pandemic Peak and Infected People with 3 Condition
Start Strategi Pandemic Peak Percentage of Infected
Strategy
(week) (week) People
No Intervention - 7 52%
“New Normal” 4 11 28%
Lockdown 4 6 6%

Conclusion
Dari pembahasan di atas dapat disimpulkan bahwa model SIR untuk penyebaran Covid-19 dapat
diselesaikan secara numeris dengan menggunakan spreadsheet Microsoft Excel, dengan terlebih dahulu
mengubah sistem persamaan diferensial ke dalam sistem persamaan diferensi. Langkah berikutnya
adalah melakukan iterasi pada spreadsheet yang tersedia pada Microsoft Excel. Iterasi dilakukan untuk
melihat kondisi setiap kompartemen dalam interval waktu tertentu. Langkah terakhir adalah
menggambarkan solusi dari model dalam tampilan Grafik. Selanjutnya dengan menggunakan fasilitas
yang ada dalam Microsoft Excel dapat disusun Applets Microsoft Excel untuk mensimulasikan dinamika
sistem untuk kondisi normal, new normal dan lockdown.

Acknowledgments
Kami mengucapkan banyak terima kasih kepada Lembaga Penelitian Universitas Sanata Dharma
yang telah memberikan dukungan dan dana penelitian di bidang Covid-19 ini.

References
[1] Lin, Qianying, dkk. 2020. A Conceptual Model for the Coronavirus Disease 2019 (COVID 19)
outbreak in Wuhan, China with Individual Reaction and Govermental Action, International
Journal of Infectious Diseases, Vol. 93 pp. 211-216.
[2] Rong. Xinmiao, dkk. 2020. Effect of Delay in Diagnosis on Transimission of COVID-19.
Mathematical Biosciences and Engineering. 17(3), pp. 2725-2740
[3] Brauer, Fred, Carlos Castillo-Chavez, dan Zhilan Feng. 2019. Mathematical Models in
Epidemology. New York : Springer Science+Bussinnes Media, LLC.
[4] Jonas Hall, Thomas Lingefjärd. 2017. Mathematical modeling : applications with Microsoft
Excel. New Jersey : John Wiley & Sons, Inc.
[5] Kawal informasi seputar COVID-19 secara tepat dan akurat. https://kawalcovid19.id/ ( 1 July
2020)
[6] Liu, Ying et al. 2020. The Reproductive Number of COVID-19 is Higher Compared to SARS
Coronavirus. International Journal of Travel Medicine. Pp 1-4. Doi : 10.1093/jtm/taaa021.
[7] Derdei, D. et al. 2010. A SIR Model with Differential Mortality and Constant Population.
ResearchGate.