TUGAS MATEMATIKA TERAPAN

Analisis Pengaruh Social Distancing Pada Transmisi Covid 19

Menggunakan Pemodelan Matematika SIR Di Kota Makassar

Dosen Pengampuh Matakuliah Matakuliah Matematika Terapan

Prof. Dr. Syafruddin, M.Si

Disusun oleh Kelompok 1

1. Mafida Puspa Dina
2. Ummul J.
3. Andi Reskianti Ardi

PROGRAM PASCASARJANA PENDIDIKAN MATEMATIKA

UNIVERSITAS NEGERI MAKASSAR
2021
A. Pendahuluan
Sejak ditemukannya virus corona jenis baru yaitu SARS-CoV-2 pada akhir tahun 2019 di
Wuhan, dunia global berlomba untuk menemukan segala informasi mengenai virus ini. SARS-
CoV-2 ini menyebabkan penyakit yang disebut Covid-19 (Corona Virus Disease-2019) yang
menyerang jaringan pernafasan, sehingga pada fase awal penderita dapat mengalami flu dan
batuk hingga mengakibatkan sesak nafas pada fase kronis. Di Indonesia, covid-19 pertama kali
dikonfirmasi pada tanggal 2 Maret 2020 dengan 2 kasus. Data tanggal 13 Maret 2021
menunjukkan bahwa kasus terkonfimasi berjumlah 7986 kasus dan 136 kasus kematian. Hal ini
menjadikan Indonesia negara dengan angka kematian tertinggi di Asia Tenggara, yaitu sebesar
8,9% (Susilo et al., 2020). Perlu diketahui hingga saat ini, belum ditemukan vaksin dan obat
untuk covid-19 sehingga satu-satunya cara untuk menghentikan penyebaran virus ini adalah
meminimalisir kontak langsung dengan penderita (Soewono, 2020).
Seseorang yang pernah berinteraksi dengan penderita covid-19 harus melakukan isolasi
mandiri mengingat virus ini memiliki masa inkubasi 14 hari di dalam tubuh. Setelah terpapar dan
positif terinfeksi covid-19, orang tersebut harus menjalani isolasi di bawah pengawasan tenaga
medis (Li et al., 2020). Oleh karena itu, dalam artikel ini, penulis mencoba untuk membangun
model sederhana berdasarkan tahapan-tahapan ketika seseorang yang awalnya sehat menjadi
terinfeksi, dengan melibatkan tiga kompartemen dalam suatu populasi tertutup yaitu susceptible
(sehat tapi rentan), infected (positif terinfeksi), dan recovered (sembuh) (Nurjanah, 2019). Angka
reproduksi dasar akan dicari berdasarkan model tersebut. Dengan mengkonstruksi model SIR,
diharapkan dapat memberi gambaran umum mengenai proses transmisi dan upaya pencegahan
agar wabah ini dapat dikendalikan hingga suatu populasi dapat kembali netral.

B. Model
1. Asumsi
Metodologi pada artikel ini terdiri dari pembuatan asumsi, diagram interaksi antar
kompartemen, model matematika SIR, dan analisis titik ekuilibrium serta penentuan angka
reproduksi dasar 𝑅0. Dalam suatu model matematika epidemik, parameter yang memiliki
peran cukup penting dalam penyebaran virus menular adalah Basic Reproduction Number
(𝑅0). Sebelum mengkonstruksi model matematika pada transmisi covid-19, terlebih dahulu
akan dijelaskan asumsi yang digunakan pada model tersebut diantaranya adalah:
a. Populasi yang dikaji bersifat tertutup, sehingga hanya terdapat transisi antar
kompartemen, namun tidak ada migrasi populasi dari luar.
b. Laju rekrutmen (𝐴) mempengaruhi besarnya jumlah populasi yang rentan terpapar Virus
Covid 19
c. Kontak sukses (𝑚), yaitu terjadinya kontak langsung antara individu yang telah terpapar
virus covid 19 dengan individu yang belum terpapar virus covid 19
d. Banyaknya kontak (𝑏), dan laju kesembuhan (𝜌) akan ditentukan.
e. Laju kematian (𝜇) pada kompartemen 𝑆 dan 𝑅 bernilai sama,
f. Pada kompartemen 𝐼 terdapat (𝜇) laju kematian akibat penyakit covid 19 dan (𝛿) laju
kematian bukan karna penyakit covid 19.
g. Seseorang yang sudah sembuh diasumsikan tidak dapat terinfeksi kembali. Tidak adanya
treatment dari luar seperti vaksin dan obat.

2. Bagan
Berdasarkan asumsi-asumi di atas, maka dapat dibentuk diagram interaksi antar
kompartemen sebagai berikut:

ሺ𝑚𝑏ሻ𝑆𝐼
𝑁
𝜌
A
S I R

𝛿+𝜇
𝜇 𝜇

Keterangan:
S : Jumlah individu yang rentan terpapar virus covid 19 di kota makassar
I : Jumlah individu yang positif terinveksi virus covid 19 di kota makassar
R : Jumlah individu yang sembuh dari penyakit covid 19 di kota makassar
𝐴 : Laju rekrutmen atau banyaknya laju kelahiran alami dalam satuwaktu
𝛿 : Kematian akibat penyakit covid 19
𝜇 : Laju kematian bukan karna penyakit covid 19
𝜌 : Laju kesembuhan penderita penyakit covid 19
 𝑚 : indvidu terinveksi setelah adanya kontak dengan individu yang terinveksi virus covid 19
𝑏 : Banyaknya kontak yang terjadi antara individu yang rentan dan individu yang terinveksi
virus covid 19.
𝑁 : Total populasi

Dari diagram diatas, dapat ditulis sebagai satu sistem persamaan differensial sebagai berikut:
𝑑𝑠 𝑚𝑏
= 𝐴− 𝑆𝐼 − 𝜇𝑆 (1)
𝑑𝑡 𝑁

𝑑𝐼 𝑚𝑏
= 𝑆𝐼 − 𝜌𝐼 − ሺ𝜇 + 𝛿ሻ𝐼 (2)
𝑑𝑡 𝑁

𝑑𝑅
= 𝜌𝐼 − 𝜇𝑅 (3)
𝑑𝑡

Dengan 𝑁 = 𝑆 + 𝐼 + 𝑅

C. Analisis
Berdasarkan titik kestimbangan model dapat diperoleh dengan menentukan persamaan (1), (2)
dan (3) sama dnegan nol. Dengan demikian, persamaan tersebut menjadi:
𝑚𝑏
𝐴− 𝑆𝐼 − 𝜇𝑆 = 0 (4)
𝑁
𝑚𝑏
𝑆𝐼 − ሺ𝜇 + 𝛿 + 𝜌ሻ𝐼 = 0 (5)
𝑁

𝜌𝐼 − 𝜇𝑅 = 0 (6)
Berdasarkan persamaan (4), (5), dan (6) terdapat dua titik kesetimbangan model sebagai berikut:
1. Titik kesetimbangan bebas penyakit, yaitu suatu keadaan dimana tidak adanya individu
yang terpapar covid 19 dan tidak adanya individu yang telah terkena covid 19
a) Titik Kesetimbangan Bebas Penyakit Covid 19
Titik kesetimbangan bebas penyakit covid 19 diperoleh jika 𝐼 = 0 dan 𝑅 = 0 yang
berarti tidak ada individu yang terpapar covid 19
1) Jika 𝐼 = 0 dan 𝑅 = 0 maka persamaan (4) menjadi :
𝑚𝑏
𝐴− 𝑆𝐼 − 𝜇𝑆 = 0
𝑁
𝑚𝑏
𝐴−𝑆( 𝐼 − 𝜇) = 0
𝑁

𝐴 − 𝑆ሺ𝜇ሻ = 0
 𝑆𝜇 = 𝐴
𝐴
𝑆=𝜇 ……………. (Titik Keseimbangan 𝑆)

2) Jika 𝐼 = 0 dan 𝑅 = 0, maka persamaan (5) menjadi :

𝑚𝑏
𝑆𝐼 − ሺ𝜇 + 𝛿 + 𝜌ሻ𝐼 = 0
𝑁

𝐼=0 ………………...(Titik Keseimbangan 𝐼)

3) Untuk persamaan (6) diperoleh :

𝜌𝐼 − 𝜇𝑅 = 0
𝑅=0 ………………..(Titik Kesetimbangan 𝑅)
Berdasarkan uraian diatas, diperoleh titik kesetimbangan bebas penyakit covid 19
𝐴
𝐸0 = (𝜇 , 0, 0) atau 𝐸0 = ሺ𝑆, 𝐼, 𝑅ሻ

b) Menentukan Nilai Eigen

• Matriks Jacobian
𝑚𝑏 𝑚𝑏 𝑚𝑏
𝐴 − 𝑁 𝑆𝐼 − 𝜇𝑆 𝐴 − 𝑁 𝑆𝐼 − 𝜇𝑆 𝐴 − 𝑁 𝑆𝐼 − 𝜇𝑆
𝑑𝑆 𝑑𝐼 𝑑𝑅
𝑚𝑏 𝑚𝑏 𝑚𝑏
𝐽 = 𝑁 𝑆𝐼 − ሺ𝜇 + 𝛿 + 𝜌ሻ𝐼 𝑁 𝑆𝐼 − ሺ𝜇 + 𝛿 + 𝜌ሻ𝐼 ሺ𝜇
𝑁 𝑆𝐼 − + 𝛿 + 𝜌ሻ𝐼
𝑑𝑆 𝑑𝐼 𝑑𝑅
𝜌𝐼 − 𝜇𝑅 𝜌𝐼 − 𝜇𝑅 𝜌𝐼 − 𝜇𝑅
[ 𝑑𝑆 𝑑𝐼 𝑑𝑅 ]
𝑚𝑏 𝑚𝑏
− 𝐼−𝜇 − 𝑆 0
𝑁 𝑁
= 𝑚𝑏 𝑚𝑏
I 𝑆 − ሺ𝜇 + 𝛿 + 𝜌ሻ 0
𝑁 𝑁
[ 0 𝜌 −𝜇]
• Nilai Eigen

𝑚𝑏 𝑚𝑏
−𝐼−𝜇 − 𝑆 0
𝑁 𝑁 𝜆 0 0
𝐷𝑒𝑡 ሺ𝐽 − 𝜆𝐼ሻ = det 𝑚𝑏 𝑚𝑏 − [0 𝜆 0]
I 𝑆 − ሺ𝜇 + 𝛿 + 𝜌ሻ 0
𝑁 𝑁 0 0 𝜆
([ 0 𝜌 −𝜇] )
 𝑚𝑏 𝑚𝑏
− 𝐼−𝜇−𝜆 − 𝑆 0
𝑁 𝑁
= det 𝑚𝑏 𝑚𝑏
I 𝑆−𝜇−𝛿−𝜌−𝜆 0
𝑁 𝑁
([ 0 𝜌 −𝜇 − 𝜆])

Dengan menerapkan rumus determinan kofaktor

𝑚𝑏 𝑚𝑏 𝑚𝑏 𝑚𝑏
= −𝜇 − 𝜆 (( − 𝐼 − 𝜇 − 𝜆) ( 𝑆 − 𝜇 − 𝛿 − 𝜌 − 𝜆) − ( 𝐼) ( 𝑆))
𝑁 𝑁 𝑁 𝑁

Karena bebas penyakit maka nilai 𝐼 = 0

𝑚𝑏
= ሺ−𝜇 − 𝜆ሻሺ−𝜇 − 𝜆ሻ ( 𝑆 − 𝜇 − 𝛿 − 𝜌 − 𝜆) − 0
𝑁
Nilai Eigen=0
Maka,
−𝜇 − 𝜆1 = 0
𝜆1 = −𝜇
−𝜇 − 𝜆2 = 0
𝜆2 = −𝜇
𝑚𝑏
𝑆 − 𝜇 − 𝛿 − 𝜌 − 𝜆3 = 0
𝑁
𝑚𝑏
𝜆3 = 𝑆−𝜇−𝛿 −𝜌
𝑁
𝐴 𝑚𝑏 𝐴 𝒎𝒃𝑨
Karena 𝑆 = 𝜇 maka 𝜆3 = (𝜇 ) − 𝜇 − 𝛿 − 𝜌 = − ሺ𝝁 + 𝜸 + 𝝆ሻ
𝑁 𝝁𝑵

c) Menentukan 𝑅0
Untuk menentukan bilangan refroduksi dasar menggunakan metode next generasion
dI
Maka dt dibagi menjadi 2 bagian yaitu bagian positif (F) dan bagian negatif (V)
𝑑𝐼 𝑚𝑏
= 𝑆𝐼 − ሺ𝜇 + 𝛿 + 𝜌ሻI
𝑑𝑡 𝑁

𝑚𝑏
• Bagian positif ሺ𝐹ሻ = 𝑆𝐼 (diturunkan terhadap 𝐼)
𝑁

𝑚𝑏
𝐹′ = 𝑆
𝑁
 𝐴
Karena 𝑆 = 𝜇 maka

𝑚𝑏 𝐴 𝑚𝑏
𝐹′ = ( )= 𝐴
𝑁 𝜇 𝜇𝑁

• Bagian Negatif ሺ𝑉ሻ = ሺ𝜇 + 𝛿 + 𝜌ሻI ( Diturunkan Terhadap I)

𝑉′ = 𝜇 + 𝛿 + 𝜌
1
𝑉 ′−1 =
𝜇+𝛿+𝜌
Dari keterangan diatas maka :
𝑅0 = 𝐹 ′ 𝑉 ′−1

𝑚𝑏 1
= 𝐴( )
𝜇𝑁 𝜇+𝛿+𝜌

𝑚. 𝑏. 𝐴
=
𝜇𝑁ሺ𝜇 + 𝛿 + 𝜌ሻ

Dengan diketahuinya 𝑅0 maka 𝜆3 dapat dimanipulasi sebagai berikut

𝑚𝑏𝐴
𝜆3 = − ሺ𝜇 + 𝛿 + 𝜌ሻ
𝜇𝑁
𝑚𝑏𝐴 𝜇 + 𝛿 + 𝜌
= ( ) − ሺ𝜇 + 𝛿 + 𝜌ሻ
𝜇𝑁 𝜇 + 𝛿 + 𝜌
𝑚𝑏𝐴
= ሺ𝜇 + 𝛿 + 𝜌ሻ ( − 1)
𝜇𝑁ሺ𝜇 + 𝛿 + 𝜌ሻ
= ሺ𝜇 + 𝛿 + 𝜌ሻሺ𝑅0 − 1ሻ
Dari uraian diatas diketahui senmua nilai 𝜆 negatif maka titik keseimbangan bebas
𝐴
penyakit (𝜇 , 0, 0) bersifat stabil.

2. Titik kesetimbangan endemik, yaitu terdapat individu pada subpopulasi 𝐼 yang dapat
menularkan covid 19 dengan tidak menjaga jarak atau tidak menerapkan sosial distancing
sehingga rentan terpapar covid 19 dan menyebabkan pasien tetap dalam populasi.
a) Titik Kesetimbangan
Untuk mengetahui titik kesetimbangan semua model disamakan dengan nol.
1) Nilai dari setiap persamaan
𝑚𝑏
• 𝐴− 𝑆𝐼 − 𝜇𝑆 = 0
𝑁
𝑚𝑏
𝑆𝐼 − 𝜇𝑆 = 𝐴
𝑁
𝑚𝑏
𝑆 ( 𝑁 𝐼 + 𝜇) = 𝐴
𝐴
𝑆 = 𝑚𝑏 …………….. (Persamaan 7)
𝐼+𝜇
𝑁

𝑚𝑏
• 𝑆𝐼 − ሺ𝜇 + 𝛿 + 𝜌ሻ𝐼 = 0
𝑁
𝑚𝑏
𝑁
𝑆𝐼 = ሺ𝜇 + 𝛿 + 𝜌ሻ𝐼
𝑚𝑏
𝐼= 𝑁
ሺ𝜇+𝛿+𝜌ሻ
𝑆𝐼 ………………(Persamaan 8)

• 𝜌𝐼 − 𝜇𝑅 = 0
𝜇𝑅 = 𝜌𝐼
𝜌𝐼
𝑅= ………………(Persamaan 9)
𝜇

2) Titik kesetimbangan 𝑆
Dari persamaan 2 diperoleh
𝑚𝑏
𝐼= 𝑁 𝑆𝐼
ሺ𝜇 + 𝛿 + 𝜌ሻ
𝑚𝑏
𝐼ሺ𝜇 + 𝛿 + 𝜌ሻ = 𝑆𝐼
𝑁

𝑚𝑏
ሺ𝜇 + 𝛿 + 𝜌ሻ = 𝑆
𝑁
𝑵ሺ𝝁 + 𝜸 + 𝝆ሻ
𝑺∗ =
𝒎𝒃

𝑵ሺ𝝁+𝜹+𝝆ሻ
Jadi, titi kesetimbangan 𝑺∗ = 𝒎𝒃

3) Titik kesetimbangan I
Titik kesetimbangan 𝑆 disubtitusikan ke persamaan I
 𝐴
𝑆=
𝑚𝑏
𝑁 𝐼+𝜇
𝑁ሺ𝜇 + 𝛿 + 𝜌ሻ 𝐴
=
𝑚𝑏 𝑚𝑏
𝑁 𝐼+𝜇

𝑚𝑏𝐼
𝑁ሺ𝜇 + 𝛿 + 𝜌ሻ ( + 𝜇) = 𝐴𝑚𝑏
𝑁
𝑚𝑏 𝐴𝑚𝑏
𝐼+𝜇 =
𝑁 𝑁ሺ𝜇 + 𝛿 + 𝜌ሻ
𝑚𝑏 𝐴𝑚𝑏
𝐼= −𝜇
𝑁 𝑁ሺ𝜇 + 𝛿 + 𝜌ሻ
𝐴𝑚𝑏
𝑚𝑏𝐼 = 𝑁 ( − 𝜇)
𝑁ሺ𝜇 + 𝛿 + 𝜌ሻ
𝑁𝐴𝑚𝑏
𝑚𝑏𝐼 = − 𝑁𝜇
𝑁ሺ𝜇 + 𝛿 + 𝜌ሻ
𝐴𝑚𝑏
𝑚𝑏𝐼 = − 𝑁𝜇
𝜇+𝛿+𝜌
1 𝐴𝑚𝑏
𝐼= ( − 𝑁𝜇)
𝑚𝑏 𝜇 + 𝛿 + 𝜌
𝐴 𝑁𝜇
𝐼= −
𝜇 + 𝛿 + 𝜌 𝑚𝑏
𝑨𝒎𝒃 − 𝝁𝑵ሺ𝝁 + 𝜸 + 𝝆ሻ
𝑰∗ =
𝒎𝒃ሺ𝝁 + 𝜸 + 𝝆ሻ
4) Titik kesetimbangan R
Titik kesetimbangan 𝐼 ∗ disubtitusi ke persamaan 3
𝜌𝐼
𝑅=
𝜇
𝐴𝑚𝑏 − 𝜇𝑁ሺ𝜇 + 𝛿 + 𝜌ሻ
𝜌( )
𝑚𝑏ሺ𝜇 + 𝛿 + 𝜌ሻ
𝑅=
𝜇
𝝆ሺ𝑨𝒎𝒃 − 𝝁𝑵ሺ𝝁 + 𝜸 + 𝝆ሻ
𝑹∗ =
𝝁𝒎𝒃ሺ𝝁 + 𝜸 + 𝝆ሻ
Berdasarkan uraian diatas maka titik kesetimbangannya adalah
 𝑁ሺ𝜇 + 𝛿 + 𝜌ሻ 𝐴𝑚𝑏 − 𝜇𝑁ሺ𝜇 + 𝛿 + 𝜌ሻ 𝜌ሺ𝐴𝑚𝑏 − 𝜇𝑁ሺ𝜇 + 𝛿 + 𝜌ሻ
𝑆 ∗, 𝐼∗, 𝑅∗ = [ , , ]
𝑚𝑏 𝑚𝑏ሺ𝜇 + 𝛿 + 𝜌ሻ 𝑚𝑏ሺ𝜇 + 𝛿 + 𝜌ሻ𝜇
Selanjutnya dari titik kesetimbangan tersebut akan diuji kestabilannya
menggunakan nnilai eigen.
b) Nilai eigen
Nilai eigen atau titik kestabilan dari titik keseimbangan penyakit covid-19 akan
dianalisis dengan menggunakan aplikasi Maple.
Secara manual dapat kami uraikan sebagai berikut:
• Matriks jacobian
𝑚𝑏 𝑚𝑏
−
𝐼−𝜇 − 𝑆 0
𝑁 𝑁
𝐽= 𝑚𝑏 𝑚𝑏
𝐼 𝑆 − ሺ𝜇 + 𝛿 + 𝜌ሻ 0
𝑁 𝑁
[ 0 𝜌 −𝜇]
• Nilai eigen
𝑚𝑏 𝑚𝑏
𝐼−𝜇 − − 𝑆 0
𝑁 𝑁 𝜆 0 0
𝐷𝑒𝑡 ሺ𝐽 − 𝜆𝐼ሻ = 𝑚𝑏 𝑚𝑏 − [0 𝜆 0]
𝐼 𝑆 − ሺ𝜇 + 𝛿 + 𝜌ሻ 0
𝑁 𝑁 0 0 𝜆
([ 0 𝜌 −𝜇] )

𝑚𝑏 𝑚𝑏
− 𝐼−𝜇−𝜆 − 𝑆 0
𝑁 𝑁
= 𝑑𝑒𝑡 [ 𝑚𝑏 𝑚𝑏 ]
𝐼 𝑆−𝜇−𝛿−𝜌−𝜆 0
𝑁 𝑁
0 𝜌 −𝜇 − 𝜆
Dengan merupakan rumus determinan kofaktor
𝑚𝑏 𝑚𝑏 𝑚𝑏 𝑚𝑏
= ሺ−𝜇 − 𝜆ሻ ((− 𝐼 − 𝜇 − 𝜆) ( 𝑆 − 𝜇 − 𝛿 − 𝜌 − 𝜆) − ( 𝐼) (− 𝑆))
𝑁 𝑁 𝑁 𝑁
𝑚𝑏 𝑚𝑏 𝑚𝑏 𝑚𝑏
= ሺ−𝜇 − 𝜆ሻ (− 𝐼 − 𝜇 − 𝜆) ( 𝑆 − 𝜇 − 𝛿 − 𝜌 − 𝜆) − ሺ−𝜇 − 𝜆ሻ ( 𝐼) (− 𝑆)
𝑁 𝑁 𝑁 𝑁
𝜇𝑚𝑏𝐼 𝜆𝑚𝑏𝐼 𝑚𝑏 𝜇𝑚𝑏 𝜆𝑚𝑏 𝑚𝑏
=( + 𝜇2 + 𝜇𝜆 + + 𝜇𝜆 + 𝜆2 ) ( 𝑆 − 𝜇 − 𝛿 − 𝜌 − 𝜆) − ( 𝐼− 𝐼) (− 𝑆)
𝑁 𝑁 𝑁 𝑁 𝑁 𝑁
𝜇𝑚𝑏𝐼 𝜆𝑚𝑏 𝑚𝑏 𝜇𝑚𝑏 𝜆𝑚𝑏 𝑚𝑏
=( + 𝜇2 + 2𝜇𝜆 + 𝐼 + 𝜆2 ) ( 𝑆 − 𝜇 − 𝛿 − 𝜌 − 𝜆) − ( 𝐼− 𝐼) (− 𝑆)
𝑁 𝑁 𝑁 𝑁 𝑁 𝑁
 𝜇𝑚 2 𝑏 2 𝑚𝑏 𝜇𝛿𝑚𝑏 𝜇𝜌𝑚𝑏 𝜇𝜆𝑚𝑏 𝑚𝑏 𝑚𝑏
=( 2
𝐼𝑆 − 𝜇2 𝐼− 𝐼− 𝐼− 𝐼) + 𝜇2 𝑆 − 𝜇3 − 𝜇2 𝛿 − 𝜇2 𝜌 − 𝜇2 𝜆 + 2𝜇𝜆 𝑆
𝑁 𝑁 𝑁 𝑁 𝑁 𝑁 𝑁
𝜆𝑚 2 𝑏 2 𝜇𝜆𝑚𝑏 𝛿𝜆𝑚𝑏 𝜌𝜆𝑚𝑏 𝜆2 𝑚𝑏
− 2𝜇2 𝜆 − 2𝜇𝜆𝛿 − 2𝜇𝜆𝜌 − 2𝜇𝜆2 + 𝐼𝑆 − 𝐼 − 𝐼 − 𝐼 − 𝐼
𝑁2 𝑁 𝑁 𝑁 𝑁
𝜆2 𝑚𝑏 𝜇𝑚 2 𝑏 2 𝜆𝑚 2 𝑏2
− 𝑆 − 𝜇𝜆2 − 𝛿𝜆2 − 𝜌𝜆2 − 𝜆3 − ( 2
𝐼𝑆 − 𝐼𝑆)
𝑁 𝑁 𝑁2
𝜇𝑚 2 𝑏 2 2
𝑚𝑏 𝜇𝛿𝑚𝑏 𝜇𝜌𝑚𝑏 𝜇𝜆𝑚𝑏 𝜇2 𝑚𝑏 2𝜇𝜆𝑚𝑏
= 𝐼𝑆 − 𝜇 𝐼 − 𝐼 − 𝐼 − 𝐼 + 𝑆 − 𝜇3 − 𝜇2 𝛿 − 𝜇2 𝜌 − 𝜇2 𝜆 + 𝑆
𝑁2 𝑁 𝑁 𝑁 𝑁 𝑁 𝑁
𝜆𝑚 2 𝑏 2 𝜇𝜆𝑚𝑏 𝛿𝜆𝑚𝑏 𝜌𝜆𝑚𝑏 𝜆2 𝑚𝑏
− 2𝜇2 𝜆 − 2𝜇𝜆𝛿 − 2𝜇𝜆𝜌 − 2𝜇𝜆2 + 𝐼𝑆 − 𝐼 − 𝐼 − 𝐼 − 𝐼
𝑁2 𝑁 𝑁 𝑁 𝑁
𝜆2 𝑚𝑏 𝜇𝑚 2 𝑏 2 𝜆𝑚 2 𝑏2
𝑆 − 𝜇𝜆2 − 𝛿𝜆2 − 𝜌𝜆2 − 𝜆3 −
+ 2
𝐼𝑆 − 𝐼𝑆
𝑁 𝑁 𝑁2
𝑚𝑏 𝑚𝑏
= −𝜆3 − 𝜆2 (−2𝜇 − 𝐼+ 𝑆 − 𝜇 − 𝛿 − 𝜌)
𝑁 𝑁
𝜇𝑚𝑏 2𝜇𝑚𝑏 𝜇𝑚𝑏 𝛿𝑚𝑏 𝜌𝑚𝑏
+𝜆( 𝐼 − 𝜇2 + 𝑆 − 2𝜇2 − 2𝜇𝛿 − 2𝜇𝜌 − 𝐼− 𝐼− 𝐼)
𝑁 𝑁 𝑁 𝑁 𝑁
𝜇2 𝑚𝑏 𝜇𝛿𝑚𝑏 𝜇𝜌𝑚𝑏 𝜇2 𝑚𝑏
+ (− 𝐼− 𝐼− 𝐼+ 𝑆 − 𝜇3 − 𝜇2 𝛿 − 𝜇2 𝜌)
𝑁 𝑁 𝑁 𝑁
𝑚𝑏 𝑚𝑏 2𝜇𝑚𝑏 𝛿𝑚𝑏 𝜌𝑚𝑏
= −𝜆3 − 𝜆2 (−3𝜇 − 𝐼+ 𝑆 − 𝜇 − 𝛿 − 𝜌) + 𝜆 (−3𝜇2 + 𝑆 − 2𝜇𝛿 − 2𝜇𝜌 − 𝐼− 𝐼)
𝑁 𝑁 𝑁 𝑁 𝑁
𝜇2 𝑚𝑏 𝜇𝛿𝑚𝑏 𝜇𝜌𝑚𝑏 𝜇2 𝑚𝑏
+ (− 𝐼− 𝐼− 𝐼+ 𝑆 − 𝜇3 − 𝜇2 𝛿 − 𝜇2 𝜌)
𝑁 𝑁 𝑁 𝑁

Dari persamaan diatas akan ditulis sebagai berikut:

𝒎𝒃 𝒎𝒃 𝟐𝝁𝒎𝒃 𝜸𝒎𝒃 𝝆𝒎𝒃
𝑷ሺ𝝀ሻ = −𝝀𝟑 − 𝝀𝟐 (−𝟑𝝁 − 𝑰+ 𝑺 − 𝝁 − 𝜸 − 𝝆) + 𝝀 (−𝟑𝝁𝟐 + 𝑺 − 𝟐𝝁𝜸 − 𝟐𝝁𝝆 − 𝑰− 𝑰)
𝑵 𝑵 𝑵 𝑵 𝑵
𝝁𝟐 𝒎𝒃 𝝁𝜸𝒎𝒃 𝝁𝝆𝒎𝒃 𝝁𝟐 𝒎𝒃
+ (− 𝑰− 𝑰− 𝑰+ 𝑺 − 𝝁𝟑 − 𝝁𝟐 𝜸 − 𝝁𝟐 𝝆)
𝑵 𝑵 𝑵 𝑵

Berikut untuk mencari nilai 𝜆 akan digunakan metode rooth hurwitz maka:
𝑎1 = −1
𝑚𝑏 𝑚𝑏
𝑎2 = 𝑆− 𝐼 − 2𝜇 − 𝛿 − 𝜌
𝑁 𝑁
2𝜇𝑚𝑏 𝛿𝑚𝑏 𝜌𝑚𝑏
𝑎3 = 𝑆− 𝐼− 𝐼— 3𝜇2 − 2𝜇𝛿 − 2𝜇𝜌
𝑁 𝑁 𝑁
𝜇 2 𝑚𝑏 𝜇 2 𝑚𝑏 𝜇𝛿𝑚𝑏 𝜇𝜌𝑚𝑏
𝑎4 = 𝑆− 𝐼− 𝐼— 𝐼 − 𝜇3 − 𝜇2 𝛿 − 𝜇2 𝜌
𝑁 𝑁 𝑁 𝑁

Maka matriks dari routh Hurwitz adalah :

𝑎2 −1 0
𝑎4 𝑎3 𝑎2
0 0 𝑎3
Dari keterangan diatas:
Det 𝑎2 > 0
𝑚𝑏 𝑚𝑏
Syarat : 𝑆− 𝐼 − 2𝜇 − 𝛿 − 𝜌 > 0
𝑁 𝑁
𝑎2 −1
Det | |>0
𝑎4 𝑎3
𝑚𝑏 𝑚𝑏 2𝜇𝑚𝑏 𝛿𝑚𝑏 𝜌𝑚𝑏
Syarat : ( 𝑁 𝑆 − 𝐼 − 2𝜇 − 𝛿 − 𝜌 ) + ( 𝑆 − 𝐼 − 𝐼— 3𝜇2 − 2𝜇𝛿 −
𝑁 𝑁 𝑁 𝑁

𝜇 2𝑚𝑏 𝜇 2𝑚𝑏 𝜇𝛿𝑚𝑏 𝜇𝜌𝑚𝑏

2𝜇𝜌 )+( 𝑆 − 𝐼 − 𝐼— 𝑁 𝐼 − 𝜇3 − 𝜇2 𝛿 − 𝜇2 𝜌 ) > 0
𝑁 𝑁 𝑁

𝑎2 −1 0
Det |𝑎4 𝑎3 𝑎2| > 0
0 0 𝑎3

Karena semua determinan bernilai positif maka titik kesetimbangan :

𝑵ሺ𝝁+𝜹+𝝆ሻ 𝑨𝒎𝒃− 𝝁𝑵ሺ𝝁+𝜹+𝝆ሻ 𝝆ሺ𝑨𝒎𝒃− 𝝁𝑵ሺ𝝁+𝜹+𝝆ሻ
𝑺∗ , 𝑰∗ , 𝑹∗ = [ , , ] bersifat stabil
𝒎𝒃 𝒎𝒃ሺ𝝁+𝜹+𝝆ሻ 𝒎𝒃ሺ𝝁+𝜹+𝝆ሻ𝝁

c) Menentukan 𝑅0 (Bilangan Reproduksi Dasar)

Untuk menentukan bilangan reproduksi dasar menggunakan metode next generasion
dI
Maka dt dibagi menjadi 2 bagian yaitu bagian positif (F) dan bagian negatif (V)
𝑑𝐼 𝑚𝑏
= 𝑆𝐼 − ሺ𝜇 + 𝛿 + 𝜌ሻI
𝑑𝑡 𝑁

𝑚𝑏
• Bagian positif ሺ𝐹ሻ = 𝑆𝐼 (diturunkan terhadap 𝐼)
𝑁

𝑚𝑏
𝐹′ = 𝑆
𝑁
𝐴
Karena 𝑆 = 𝜇 maka

𝑚𝑏 𝐴 𝑚𝑏
𝐹′ = ( )= 𝐴
𝑁 𝜇 𝜇𝑁
• Bagian Negatif ሺ𝑉ሻ = ሺ𝜇 + 𝛿 + 𝜌ሻI ( Diturunkan Terhadap I)
𝑉′ = 𝜇 + 𝛿 + 𝜌
1
𝑉 ′−1 =
𝜇+𝛿+𝜌
Dari keterangan diatas maka :
 𝑅0 = 𝐹 ′ 𝑉 ′−1

𝑚𝑏 1
𝑅0 = 𝐴( )
𝜇𝑁 𝜇+𝛿+𝜌

𝑨𝒎𝒃
𝑹𝟎 = (10)
𝝁𝑵ሺ𝝁+𝜸+𝝆ሻ

𝑅0 ini menyatakan secondary atau infeksi sekunder yang ditularkan oleh satu orang terinfeksi
(Ilahi, 2019). Berdasarkan beberapa penelitian, 𝑅0 untuk Covid-19 ini berada di interval 3,2 –
3,9. Artinya satu orang yang terinfeksi berpeluang untuk menularkan kepada 3 – 4 orang
secara bersamaan. Berdasarkan model SIR yang dikaji, formula 𝑅0 pada persamaan (10)
dipengaruhi oleh kontak dengan individu yang terinveksi virus covid 19 (m) dan Banyaknya
kontak (b). semakin sering seseorang yang sehat berinteraksi dengan yang infeksi, maka nilai
𝑅0 akan semakin tinggi. Oleh karena itu, untuk menurunkan nilai penyebaran covid-19,
seseorang sehat harus menghindari kontak langsung dengan yang sakit (Cavin, 2020).

D. Simulasi kasus transmisi penyakit covid 19 di kota Makassar

Pada bagian ini akan dilakukan simulasi dengan melibatkan faktor sosial distancing. Faktor
sosial distancing dideskripsikan oleh parameter kontak antar individu rentan dan individu
terinfeksi (b). pada proses simulasi dinamik, nilai parameter b akan divariasikan berdasarkan
beberapa asumsi yaitu tidak adanya pembatasan aktivitas sosial (asumsi b=1), adanya
pembatasan aktivitas sosial parsial (asumsi b=0,75), dan adanya pembatasan aktivitas sosial
bersakala besar (asumsi b=0,5).
Adapun adanya indvidu terinveksi setelah adanya kontak dengan individu yang terinveksi
bergantung pada beberapa faktor seperti lokasi, usia, tingkat imunitas, dan kondisi medis
individu. Pada proses simulasi dilakukan penormalan jumlah populasi yaitu N=36480 dan A=
𝜇𝑁 yang menyatakan banyaknya kelahiran alami per satuan waktu. Tingkat kematian akibat
infeksi yang merupakan perbandingan antara jumlah pasien meninggal dengan jumlah kasus
individu terinfeksi bervariasi setiap harinya.
Tingkat kematian berada pada rentan 8-10%(asumsi) dengan nilai rata-rata 8,6%, tingkat
kesembuhan individu terinfeksi dengan nilai rata-rata 9,6% (asumsi). Selain itu, parameter
 kematian alami dapat dinyatakan sebagai 1 pr periode hidup manusia (asumsi 60 tahun).
Berikut nilai yang digunakan dalam proses simulasi model transmisi covid-19 (Data yang kmi
gunakan hanyalah asumsi/pemisalan)
Beberapa parameter lain diestimasi berdasarkan data kasus covid yang terkonfirmasi di Kota
Makassar. Menurut WHO, masa Isolasi yang merupakan lamanya waktu seseorang terpapar
virus Covid 19 sampai dengan menimbulkan gejala yakni 1-14 hari atau 2 minggu (BBC
News). Berdasarkan statistik Covid-19 Republik Indonesia di Kota Makassar pertanggal 13
maret 2021 yakni 7989 suspek, dan 28491 total konfirmasi. Adapun lamanya seseorang
sembuh dari infeksi virus bervariasi bergantung pada usia, gejala yang dirimbulkan, dan
kondisi medis lainnya. Berdasarkan data, tersebut diasumsikan nilai awal nilai R yakni 0 atau
belum ada yang sembuh dan N diasumsikan 36480
Tabel 1 Estimasi Nilai Variabel dan Parameter
Variabel/Parameter Nilai (Unit)
S (0) 28491
I (0) 7989
R (0) 0
N 36480
m 0,75 (1/hari)
b 1 ; 0,75 ; 0,5
𝜇 1/(60×360) (1/hari)
𝜌 0,096 (1/hari)
𝛿 0,086 (1/hari)
A 1/(60×360) (1/hari)

Hasil simulasi dinamik model SIR untuk transmisi virus covid-19 dengan menggunakan nilai
parameter pada tabel. Dapat dilihat pada gambar Dinamika individu rentan, terinfeksi, dan
sembuh pada model virusx covid 19 dengan nilai parameter kontak b=1, b=0,75, b=0,5berikut.
(simulasi menggunakan aplikasi Maple.18. output dapat dilihat pada lampiran)
 Gambar 1. b=1

Populasi Sehat

Populasi Sembuh

Populasi Terinfeksi

Gambar 2. b = 0,75

Populasi Sehat

Populasi Sembuh

Populasi Terinfeksi

Gambar 3. b = 0,5

Populasi Sehat

Populasi Sembuh

Populasi Terinfeksi
Dari hasil simulasi dengan asumsi suatu individu rentan dapat terinfeksi setelah adanya kontak
dengan individu terinfeksi cukup besar (m=0,75), diperoleh bahwa pada saat tidak ada
pembatasan aktivitas sosial (b=1), maka total kasus individu yang terinfeksi dapat mencapai
angka 48% dari total populasi individu rentan. Adapun pada saat adanya pembatasan aktivitas
sosial namun hanya bersifat parsial (b=0,75), maka total kasus individu yang terifeksi dapat
mencapai 39% dari totak populasi individu rentan. Penurunan total kasus individu yang
terinfeksi terjadi pada saat adanya pembatasan aktivitas sosial berskala besar. Untuk nilai b<0,5
total kasus individu yang terinfeksi juga mencapai 36% dari total populasi individu rentan.

Dari hasil simulasi diperoleh juga bahwa masa pandemic virus covid 19 dengan total kasus
terinfeksi dibawah 0,1% populasi individu rentan berada pada pada interval 60-90 hari. Adapun
nila 𝑅0 untuk variasi nilai parameter b dapat dilihat pada tabel berikut.

Tabel 2. Angka reproduksi dasar 𝑅0

Parameter b 𝑹𝟎
1 4,12
0,75 3,09
0,5 2,06

Dari tabel 2 diperleh bahwa paa saat nilai estimasi parametermerujuk pada tabel 1 dan kontak
antara populasi individu rentan dengan individu terinfeksi (b) berada pada rentang 0,5-1, makan
nila Ro berada pada interval 2,06-4,12. Dengan kata lain, satu individu terinfeksi dapat
menyebarkan virus kepada 2-4 individu rentan lainnya.

E. Kesimpulan
Terdapat sejumlah alternative yang dapat digunakan untuk pengembangan model transmsi
covid-19. Berdasarkan data kasus yang terkonfirmasi, tingkat kesembuhan individu
cenderung meningkat seiring berjalannya waktu, sehinga parameter 𝜌 (Laju kesembuhan
penderita penyakit covid 19) dapat dinyatakan sebagai fungsi linier terhadap waktu.
Kemudian, peluang terinfeksinya suatu individu rentan setelah adanya kontak dengan
individu terinfeksi juga dapat dinyatakan sebagai fungsi yang melibatkan faktor usia
maupun imunitas. Penambahan komartmen ekspose juga dapat dilakukan untuk
mengakomodasi adanya kemungkinan transmisi virus dari individu terinfeksi tanpa gejala
(tidak terkonfirmasi) dan penambahan kompartmen karantina dapat dilakukan untuk
mengakomodasi adanya kemungkinan karantina atau isolasi mandiri pada individu terinfeksi
sehingga tidak terjadi proses transmisi antara individu terinfeksi dengan individu rentan.
Pada artikel ini, model SIR digunakan untuk menganalisis proses transimisi virus covid 19
secara matematis. Model SIR sendiri membagi populasi menjadi tiga kompartmen yaitu
individu rentan, individu terinfeksi, dan individu sembuh. Beberapa parameter pada model
seperti parameter kematian alami, tingkat kesembuhan dan tingkat kematian akibat covid 19
diestimasi berdasarkan data kasus covid yang terkonfirmasi di Kota Makassar. Nilai
Paramter kontak antara individu rentan dan terifeksi divariasikan untuk mengakomodasi
adanya faktor sosial distancing. Dai hasil simulasi diperoleh bahwa saat tidak adanya
pembatasan aktivitas sosial atau sosial distancing maka jumlah kasus terinfeksi dapat
mencapai 48% dari total individu rentan. Pada saat adanya sosial distancing namun secara
parsial, jumlah kasus terinfeksi mencapai 39% dari total individu rentan. Penurunan jumlah
kasus terinfeksi dapat mengalami penurunan dibawah 36% dari total individu rentan pada
saat adanya pembatasan aktivitas sosial atau Sosial Distancing bersakal besar. Masa
pandemic Corona Virus dengan total kasus individu terinfeksi dibawah 0,1% populasi
individu rentan berada pada interval waktu 60-90 hari dengan Ro berada pada interval 2,06-
4,12
 LAMPIRAN
OUTPUT MAPLE

1. Untuk b = 1

>
>
>

>

>

>

>
>
>

>

>

>

>
>

2. Untuk b=0,75

>

>
>
>

>

>

>
>
>

>

>

>

>
>

>

3. Untuk b=0,5

>
>
>
>

>

>

>
>

>

>
>

>

>

>