JOMTA

Journal of Mathematics: Theory and Applications

Vol. 3, No. 1, 2021, P-ISSN 2685-9653 e-ISSN 2722-2705

Model Matematika pada Penyakit Diabetes

Melitus dengan Faktor Genetik dan Faktor
Sosial
Karlina Kaya’, Darmawati*, Darma Ekawati
Program Studi Matematika, Universitas Sulawesi Barat, Indonesia
e-mail: darmath@unsulbar.ac.id

Abstrak. Diabetes melitus (DM) adalah penyakit yang berhubungan dengan metabolisme yang ditandai dengan kenaikan
kadar glukosa dalam darah atau hiperglikemi. Tujuan dari penelitian ini adalah mengetahui model matematika pada penyakit
diabetes melitus dengan faktor genetik dan faktor sosial. Penelitian ini memperoleh bilangan reproduksi dasar dan dua titik
kesetimbangan yaitu titik kesetimbangan bebas penyakit dan titik kesetimbangan endemik. Pada akhir penelitian, diberikan
simulasi model dengan menggunakan aplikasi maple.
Kata Kunci: diabetes mellitus, model matematika, faktor genetik, faktor sosial.

Abstract Diabetes mellitus (DM) is a disease related to metabolism which is characterized by an increase in blood glucose
levels or hyperglycemia. The purpose of this study was to determine the dynamics of the spread of DM using a mathematical
model, namely a model that pays attention to genetic factors and social factors. This study obtained the basic reproduction
number and the disease-free equilibrium point as well as the endemic equilibrium point. At the end of the study, a model
simulation using the maple application was given to support the given theory.
Key Words : diabetes melitus, mathematical model, genetic inheritance, environmental factors.

dibagi menjadi enam subpopulasi yaitu subpopulasi

individu yang sehat dan rentan terhadap penyakit dengan
I. PENDAHULUAN faktor genetik (Sp), subpopulasi individu yang terinfeksi
Penyakit gula atau biasa disebut dengan kencing manis dengan faktor genetik (Ip), subpopulasi dengan
yang dalam istilah medisnya disebut Diabetes Melitus (DM) berita/edukasi tentang hidup sehat tanpa diabetes (G),
adalah penyakit yang berhubungan dengan metabolisme subpopulasi individu yang melakukan perawatan karena
yang ditandai dengan kenaikan kadar glukosa dalam darah pengaruh berita/edukasi hidup sehat tanpa diabetes (T),
atau hiperglikemi. Makanan-makanan yang siap saji juga subpopulasi individu yang sehat dan rentan terhadap
salah satu penyebab terjadinya diabetes melitus karena penyakit dengan faktor soaial (S) dan subpolasi individu
dalam makanan siap saji terdapat kandungan gula yang yang terinfeksi dengan faktor sosial (I).
sangat tinggi yang dapat menyebabkan metabolisme akan
tertekan dan juga dalam makanan siap saji tidak terdapat II. LANDASAN TEORI
banyak mengandung nutrisi yang dibutuhkan oleh tubuh.
Pemodelan matematika merupakan salah satu
Berolahraga yang teratur dan menjaga pola makan adalah
terapan ilmu matematika yang mempresentasikan
salah satu faktor untuk melawan penyakit diabetes melitus.
permasalahan di dunia nyata kedalam pernyataan
Beberapa peneliti telah melakukan pengembangan
matematika.
model matematika yang membahas tentang diabetes melitus,
diantanya yaitu yang dalam artikelnya mengkaji tentang
Definisi 2.1 [2]
analisis model matematika penyebaran penyakit diabetes
Persamaan diferensial adalah persamaan yang melibatkan
dengan faktor genetik yaitu model epidemi SEI. Pada
turunan satu atau lebih variabel tak bebas terhadap satu
populasi SEI, populasi dibagi menjadi tiga subpopulasi
atau lebih variabel bebas.
yaitu subpopulasi individu rentan (Susceptible), subpopulasi
individu laten (Exposed), dan subpopulasi individu yang
Persamaan diferensial diklasifikasikan menjadi dua
terinfeksi (Infected) [1].
berdasarkan jumlah variabel bebas yang terlibat yaitu
Berdasarkan latar belakang diatas yang membahas
persamaan diferensial biasa dan persamaan diferensial
tentang penyakit diabetes melitus masih menggunakan
parsial. Berikut ini merupakan definisi dari persamaan
model epidemi yang sederhana yaitu SEI, sehingga penulis
diferensial biasa.
tertarik mengembangkan penelitian tersebut dengan kasus
yang berbeda yaitu model matematika pada penyakit
Definisi 2.2 [2]
diabetes melitus dengan faktor genetik dan faktor sosial
yaitu model SpIpGTSI. Pada populasi SpIp GTSI, populasi

23
 Model Matematika pada Penyakit Diabetes Melitus dengan Faktor Genetik dan Faktor Sosial
Persamaan diferensial biasa yaitu suatu persamaan
diferensial yang melibatkan turunan dari satu atau lebih
variabel tak bebas terhadap satu variabel bebas.
Definisi 2.3 [2]
Persamaan diferensial parsial adalah suatu persamaan
diferensial yang melibatkan turunan dari satu atau lebih
variabel tak bebas terhadap dua atau lebih variabel bebas.
2.1 Sistem Persamaan Diferensial
Klasifikasi yang lain dari persamaan yaitu terdapat
satu fungsi dan terdapat dua atau lebih fungsi yang tak
diketahui. Jika terdapat satu fungsi yang harus ditentukan
maka cukup satu persamaan. Namun, jika terdapat dua atau
lebih fungsi yang tidak diketahui maka diperlukan suatu
sistem persamaan [3].
Definisi 2.4 [4]
Sistem persamaan diferensial adalah suatu sistem yang
memuat n persamaan diferensial, dengan n fungsi yang tak
diketahui, dimana n merupakan bilangan bulat positif lebih
besar sama dengan dua atau lebih. Antara persamaan
diferensial yang satu dengan yang lain saling terkait dan
konsisten.
Bentuk umum dari suatu n persamaan orde pertama
memiliki bentuk sebagai berikut:
dx1
 f1  t , x1 , x2 ,..., x n 
dt
dx2
 f 2  t , x1 , x2 ,..., x n 
dt
. sepanjang waktu atau kedua persamaan diferensial sama
.
. dan titik kesetimbangan endemik penyakit. Titik
dxn
 f n  t , x1, x2 ,..., xn 
dt
dengan x1, x2 ,..., xn adalah variabel bebas dan t adalah
variabel terikat,
dxn
x1  x1 (t ), x2  x2 (t ),..., x n  x n (t ), dimana
dt
derivatif fungsi xn terhadap t , dan f n adalah fungsi yang
tergantung pada variabel x1, x2 ,..., xn dan t. kumpulan
persamaan diferensial biasa dalam persamaan (2.1) yang
mempunyai hubungan disebut sistem persamaan diferensial
biasa dapat juga dituliskan sebagai berikut:
x  f (t , x ), x  R n (2)
 dx1 dx2 dx 
dengan x   , ,..., n  , f  f 1, f 2,..., f n
 dt dt dt 
T   0 sedemikian sehingga untuk setiap solusi
dan x   x1, x2 ,..., xn  adalah fungsi-fungsi bernilai riil yang
redefinisi dalam ruang Euclid R berdimensi n. dinotasikan
dalam ruang (x,t) [3].
Sistem persamaan diferensial terbagi menjadi dua
yaitu sistem persamaan diferensial linier dan sistem
persamaan diferensial nonlinier.
2.1.1 Sistem Persamaan Diferensial Linier
Sistem persamaan diferensial linier adalah sistem
persamaan yang terdiri dari n buah persamaan diferensial
linier dengan n buah fungsi tak diketahui berbentuk:
x '1  a11 (t ) x1  a12 (t ) x2  ...  a1n (t ) xn  f1 (t )
x '2  a21 (t ) x1  a22 (t ) x2  ...  a2 n(t ) x n  f 2 (t )

(3)
x 'n  an 1 (t ) x1  an 2 (t ) x2  ...  ann (t ) xn  f n (t )
Sistem persamaan diferensial linier dengan dua fungsi yang
tak diketahui berbentuk:
x '1  a (t ) x1  b(t ) x2  f1 (t ) x '2  c(t ) x1  d (t ) x2  f 2 (t ) (4)
dimana fungsi a11, a12 , a21, a22 dan f1, f 2 merupakan fungsi t
yang kontinu pada suatu selang I, sedangkan x1 dan x2
adalah fungsi t yang tak diketahui.
2.1.2 Sistem Persamaan Diferensial Non Linier
Sistem persamaan diferensial non linier adalah
persamaan yang terdiri atas lebih dari satu persamaan yang
saling terkait.
Persamaan diferensial dikatakan nonlinier jika
persamaan diferensial tersebut memenuhi paling sedikit satu
dari kriteria berikut [2]:
1. Memuat variabel tak bebas dari turunan-turunannya
berpangkat selain satu.
2. Terdapat perkalian dari variabel tak bebas atau
turunan-turunannya
3. Terdapat fungsi transcendental dari variabel tak bebas
dan turunan-turunannya.
2.2 Kestabilan Titik Kesetimbangan
Suatu sistem dinamis dikatakan berada dalam
keadaan setimbang jika sistem tersebut tidak berubah
dengan nol. Titik kesetimbangan dapat diklasifikasikan
menjadi dua titik yaitu titik kesetimbangan bebas penyakit
(1)
kesetimbangan bebas penyakit adalah titik kesetimbangan
bebas kelas terinfeksi nol atau saat penyakit tidak menyebar
dalam populasi. Titik kesetimbangan endemik penyakit
sehingga adalah titik kesetimbangan saat kelas terinfeksi tidak nol
atau saat penyakit menyebar dalam populasi. Adapun
merupakan definisi tentang titik kesetimbangan adalah sebagai berikut:
Definisi 2.4 [5]
Titik x  Rn disebut titik kesetimbangan dari suatu sistem
persamaan diferensial x  f ( x ) jika f ( x )  0.
Definisi 2.5 [5]
Titik kesetimbangan x  R n dari sistem x  f ( x )
dikatakan
1. Stabil lokal jika untuk setiap   0 terdapat
sistem x  f ( x) yang memenuhi xt0  x   berlaku
xt  x   untuk setiap t  t0 ;
2. Stabil asimtotik lokal jika titik kesetimbangan x  R n
stabil dan terdapat bilangan  0  0 sehingga untuk
setiap solusi x(t) yang memiliki xt0  x  0 berlaku
limt  xt  x ; .
3. Tidak stabil jika titik kesetimbangan x  R n tidak
memenuhi (1).
24
Kaya’, dkk (2021)

2.3 Linearisasi Karena  adalah nilai-nilai eigen dari matriks A, maka

Linearisasi adalah suatu proses mengubah sistem menurut definisi nilai eigen berlaku Ax   x dengan x tak
persamaan diferensial non linier menjadi sistem persamaan nol.
diferensial linier. Linearisasi digunakan untuk mengetahui  Ax  I  x  0
kestabilan suatu sistem persamaan diferensial. Untuk  ( A  I ) x  0
mencari hasil pelinieran dari persamaan diferensial non karena x tak nol maka sistem persamaan linier homogen
linear digunakan matriks Jacobian.
 A   I  x  0 harus mempunyai penyelesaian non trivial.
Definisi 2.6 [6] bc
Diberikan fungsi f  ( f1,..., f n ) pada sistem x  f ( x ) Karena  Ax   x  maka
1
dengan fi  C ( E ), i  1, 2,..., n, dimana E  R n adalah  Ax  I  x
  A  I  x  0
himpunan terbuka dan fi  C1 ( E ) dengan C1 ( E ) adalah
Karena ada x tak nol, maka sistem persamaan linier
himpunan semua fungsi yang mempunyai turunan pertama
yang kontinu di E. Matriks homogen  A  I   x  0 haruslah det  A   I   0 dengan
 f1 f1 f1  adalah suatu penyelesaian riilnya.
 x  x  x  x    x  ca
1 2 x n
 
 f 2 f 2 f 2  Karena  adalah penyelesaian riil dari persamaan det
 x x    x   A   I   0, maka  adalah penyelesaian dari persamaan
Jf ( x )   x1 x2 x n  (5)
      karakteristik det  A   I   0 atau dengan kata lain  adalah
 
f
 n x  fn f n nilai matriks A. ∎
 x     x 
 1 x2 x n 
2.5 Kriteria Kestabilan Routh Hurwitz
dinamakan matriks jacobian dari f dititik x  R n . Kriteria kestabilan Routh-Hurwitz adalah suatu
metode yang digunakan untuk menunjukkan kestabilan
2.4 Nilai Eigen sistem dengan memperhatikan koefisien dari persamaan
Nilai eigen digunakan untuk mengetahui kestabilan karakteristik tanpa menghitung akar-akar secara langsung.
dari suatu sistem persamaan diferensial. Berikut merupakan Jika persamaan polinomial adalah persamaan karakteristik,
definisi vektor eigen: maka metode ini dapat digunakan untuk menentukan
kestabilan dari suatu system [8].
Definisi 2.8 [7] Prosedur dalam kriteria Routh-Hurwitz yaitu sebagai
Jika A matriks n x n, vektor tak nol x dalam Rn disebut berikut:
vektor eigen (eigenvector) dari A jika Ax merupakan 1. Menuliskan polinomial dalam  sesuai dengan bentuk
kelipatan skalar dari x yaitu Ax   x untuk suatu skalar  . berikut:
Skalar  dinamakan nilai eigen dari A dan x dinamakan a0 n  a1 n 1  ...  a n 1  a n  0 ( 7)
vektor eigen yang bersesuaian dengan  . selanjutnya untuk
dimana koefisien-koefisien adalah besaran nyata an  0 .
mencari nilai-nilai eigen dari matriks A yang berukuran n x
n maka dapat dituliskan kembali menjadi 2. Jika ada koefisien-koefisien bernilai nol atau negatif
Ax   x dimana paling tidak terdapat satu koefisien bernilai
Ax   Ix positif maka terdapat satu atau lebih akar kompleks
x ( I  A)  0 (6) yang mempunyai bagian rill positif, oleh karena(2.9) itu
sistem tidak stabil. Agar diperoleh akar yang
x  0 atau A   I
mempunyai bagian riil yang negatif, maka semua
agar  menjadi nilai eigen maka haruslah ada solusi tak koefisien bernilai positif belum cukup untuk menjamin
nol dari persamaan tersebut, dengan I adalah matriks kestabilan.
identitas. 3. Jika semua koefisien bernilai positif, susunlah koefisien
polinomial pada Tabel 1 berikut.
Teorema 2.1 [7]
Jika A adalah matriks n x n dan  adalah suatu bilangan Tabel 1. Tabel Routh Hurwitz
riil, maka pernyataan-pernyataan berikut ini adalah. Variabel Koefisien
i)  adalah suatu nilai eigen dari A. 
n a0 a2 a4 a6 an 1
ii) Sistem persamaan ( A   I ) x  0 memiliki solusi
nontrivial. a1 a3 a5 a7  an
 n 1
iii)  adalah suatu penyelesaian riil dari persamaan
karakteristik det ( A   I )  0. b1 b2 b3 b4  bn
 n2
Bukti: c1 c2 c3 c4  cn
Akan ditunjukkan bahwa a, b, c, dan ekuivalen satu sama  n 3
lainnya dengan urutan implikasi a  b  c  a .
ab   

25
 Model Matematika pada Penyakit Diabetes Melitus dengan Faktor Genetik dan Faktor Sosial
 2 e1 e2 5. Misalkan x adalah titik kesetimbangan bebas
penyakit maka laju infeksi baru (P) dan transfer
1 f1 individu keluar dari subpopulasi I (V) dinyatakan
 P   V 
P   i ( x ,  ) dan V   i ( x ,  ) dengan
 0 g1  x j   x j 
1  i, j  m.
dengan koefisien-koefisien:
a1a2  a0a3 b1a3  a1b2
6. R0  ( PV 1) dengan  ( PV 1) adalah spektral radius
b1  c1 
a1 b1 nilai nilai eigen dominan matriks PV 1 . 
a1a4  a0a5 b1a5  a1 b3 merupakan nilai eigen dominan titik bebas penyakit
b2  c2  dan Matriks PV 1 merupakan matriks jacobian.
a1 b1
 
a a  a0a2 n 1 b1a2 n 1  a1bn 1
III. METODE
bn  1 2 n cn 
a1 b1 Penelitian ini menggunakan referensi dari jurnal dan
4. Banyaknya akar tak stabil dapat dilihat dari banyaknya literatur lain yang berkaitan dengan model matematika pada
perubahan tanda pada kolom pertama Tabel 1. penyakit diabetes melitus dengan faktor genetik dan faktor
5. Syarat perlu untuk stabil adalah semua pada suku pada sosial. Pada penelitian ini akan mengkaji masalah atau topik
kolom pertama Tabel 1. yang akan dimodelkan, kemudian membuat asumsi serta
variabel untuk membangun suatu model tentang penyakit
Kriteria Routh-Hurwitz tidak dapat menjelaskan diabetes melitus dengan faktor genetik.
langkah memperbaiki kestabilan relatif atau pun
menstabilkan sistem tak stabil, tetapi dapat digunakan untuk IV. HASIL DAN PEMBAHASAN
menentukan batas penguatan suatu sistem agar tetap stabil 4.1 Model Matematika
[8]. Model matematika pada penyakit diabetes melitus
yang akan dibahas dalam penelitian ini adalah model
2.6 Bilangan Reproduksi Dasar matematika dengan faktor genetik dan faktor sosial. Pada
Bilangan Reproduksi dasar (R0) merupakan salah model ini dibagi menjadi enam subpopulasi. Subpopulasi
satu bilangan yang paling sering dikaji dalam bidang normal atau belum terkena penyakit diabetes melitus
epidemiologi. Bilangan reproduksi dasar sudut pandang
dengan faktor genetik  S p  . Subpopulasi yang terinfeksi
epidemiologi didefinisikan sebagai rata-rata jumlah
infeksi baru pada populasi rentan yang dihasilkan oleh dengan faktor genetik  I p  . Subpopulasi yang menderita
satu orang terinfeksi.
Secara umum bilangan R0 mempunyai tiga diabetes melitus kemudian mendapatkan perawatan dengan
insulin dimasukkan kedalam kelas Treatment (T).
kemungkinan yang akan muncul antara lain: Subpopulasi banyaknya berita edukasi penyakit diabetes
1. Jika R0  1 , maka penyakit tidak akan menyerang melitus (G). Subpopulasi normal atau belum terkena
populasi atau akan menghilang. penyakit diabetes melitus dimasukkan dalam kelas
2. Jika R0  1 , maka penyakit akan menetap. Susceptible (S). Subpopulasi yang terinfeksi dimasukkan
3. Jika R0  1 maka kemungkinan penyakit akan dalam kelas Infected (I).
menyebar sangat besar atau penyakit akan mewabah.
4.1.1 Asumsi Model Matematika
Bilangan reproduksi dasar dapat ditentukan Asumsi model matematika SpIpTGSI sebagai
dengan menggunakan matriks generasi selanjutnya. berikut:
Prosedur dalam menentukan R0 sebagai berikut [9]: 1. Populasi dibagi kedalam enam subpopulasi, yakni
1. Model epidemiologi terdiri dari n kompartemen manusia rentan dengan faktor genetik  S p  , manusia
dinyatakan sebagai berikut:
dxi
terinfeksi dengan faktor genetik  I p , manusia yang
fi  x ,   (8)
dt mendapatkan perawatan (T), manusia yang mempunyai
dengan i = 1,2,…,n. banyak berita edukasi penyakit diabetes melitus (G),
2. Kompartemen disusun sehingga m < n kompartemen manusia rentan (S), manusia terinfeksi dengan faktor
pertama adalah kompartemen penyakit (terinfeksi, sosial (I).
terekspos, virus, parasit, bakteri). 2. Laju pertumbuhan (kelahiran) masuk kedalam
3. Berdasarkan (a) dan (b), diperoleh subpopulasi manusia rentan, manusia rentan dengan
 faktor genetik dan banyaknya berita edukasi diabetes
gi ( x ,  )  Pi ( x ,  )  Vi ( x ,  ) dengan
melitus.
Vi ( x ,  )  Vi  ( x ,  )  Vi  ( x ,  ) untuk I = 1, 2, … , n. P 3. Tidak ada kasus sembuh setelah terinfeksi
dan V  C . 2 4. Individu yang terinfeksi akan melakukan perawatan
5. Semua manusia rentan terhadap penyakit diabetes
4. Pi adalah tingkat infeksi baru, Vi  adalah tingkat
mellitus
transisi individu keluar dari kompartemen I.

26
Kaya’, dkk (2021)

4.1.2 Diagram Model Matematika kesetimbangan bebas penyakit yang diperoleh dari sistem
adalah
   1   
 
E0 G , S , S p , I p ,T , I   ,
 
,

 (( ( G *  )   ( G *  )))   ( G *  )

,
(  ( G *   )   (
  G * 
, ,0 
 ( G *   )   ( G *   )  (  ( G *   )   ( G *   )) 

Sedangkan titik kesetimbangan endemik sistem adalah

Gambar 1. Diagram Model Matematika
  e ( (1   ))  e2 ( G *   )
Keterangan:  
E1 G , S , S p , I p ,T , I   , 1 ,
S = Jumlah individu yang sehat dan rentan terhadap   e1
penyakit dengan faktor sosial   ( ( G *  )   ( G *  ))     G *  
,
I = Jumlah individu yang terinfeksi dengan faktor   ( G *  )   ( G *  )  
sosial 
Sp = Jumlah individu yang sehat dan rentan terhadap ,
 ( G *   )   ( G *   )
penyakit dengan faktor genetik
 G * (e1( ))  (e2 ( ( G *  )   ( G *  ))) e2 
Ip = Jumlah individu yang terinfeksi dengan faktor 
  e1 ( ( G *  )   ( G *  ))  e1 
genetik
G = Jumlah berita/edukasi tentang hidup sehat tanpa
diabetes Dengan menggunakan Next Generation Matrix, diperoleh
T = Jumlah individu yang melakukan perawatan Basic Reproduction Number untuk sistem yaitu
karena pengaruh berita/edukasi hidup sehat tanpa   (1   ) 
R 0
diabetes  ( G *   )
(10)
μ = Laju kematian alami
Selanjutnya, syarat untuk kestabilan titik kesetimbangan
θ = Laju individu rentan dengan faktor genetik
bebas penyakit akan dibahas sebagai berikut.
menjadi terinfeksi dengan faktor genetik karena
Matriks Jacobian untuk model ini pada titik kesetimbangan
keturunan
bebas penyakit adalah
I = Laju individu yang sehat dan rentan dengan
faktor sosial menjadi terinfeksi
 A 0 0 0 0 0 
G = Laju individu yang terinfeksi dan melakukan 
 B C 0 0 0 0 
perawatan
 0 D E F 0 D
π = Laju berita edukasi yang hilang atau tenggelam  
dengan berita lain  0 0 0 H 0 0 
 = Proporsi angka kelahiran manusia  0 0 0 0 E I 
 
 = Proporsi angka kelahiran untuk berita  0 0 0 0 0 J 
 = Laju pembagian angka kelahiran
dengan:
Berdasarkan diagram dan uraian diatas, maka
penyebaran penyakit diabetes melitus dalam dimodelkan A   
dalam bentuk sistem persamaan diferensial sebagai berikut: B
dG C  G  
  G
dt D  G
dS E
  1      IS   S
dt F Ip
dS P
    S p   S p (9) H 
dt
dI p   (1   ) 
I  
  S p   GI p   I p   
dt
dT   (1   ) 
  GI p   GI  T J   G  
dt   
dI
  IS   GI   I
dt
Polinom karakteristik yang diperoleh dari matriks di atas
adalah
4.2 Titik Kesetimbangan dari Sistem Persamaan
Dalam penelitian ini diperoleh dua titik kesetimbangan,    A   C   E     H   E   J    0
yaitu titik bebas penyakit dan titik endemik. Titik

27
 Model Matematika pada Penyakit Diabetes Melitus dengan Faktor Genetik dan Faktor Sosial
Tabel 2. Tabel Routh-Hurwitz Titik Kesetimbangan
Sehingga jelas bahwa nilai eigen yang diperoleh adalah Endemik
1       0
Var Koefisien
2     0
RV  QV  QR  US
 3 1 0
4    0
 QRV  USQ
2 V  R Q 0
V  R  Q  RV  QV  QR  US   QRV  USQ 
1 V  R Q 0 0
 (1   ) 
5   
 
0 QRV  USQ 0 0
6    0
Selanjutnya adalah syarat untuk kestabilan titik Semua suku pada kolom pertama Tabel 2 harus bertanda
kesetimbangan endemik, dan matriks Jacobian untuk model positif agar persamaan menjadi stabil maka haruslah
ini pada titik kesetimbangan endemik adalah V  R  Q  0,
V  R  Q  RV  QV  QR  US   QRV  USQ   0 dan
 K 0 0 0 0 0 V  R Q
 L M 0 0 0 0 
 QRV  USQ  0.
 0 N O Z 0 N
  4.3 Simulasi Numerik
 0 0 0 Q 0 0
 0 Pada bagian ini, akan dilakukan simulasi numerik
0 0 0 R S 
  untuk nilai �0 < 1 dan �0 > 1 . Simulasi ini dilakukan
 0 0 0 T U V  untuk melihat dinamik dari model yang sudah dibangun,
dengan: dan mencocokkan hasil yang diperoleh dengan teori yang
K    ada. Adapun nilai-nilai yang digunakan berupa nilai asumsi.
L  4.3.1 Simulasi numerik untuk R0  1
M  G  
Untuk nilai �0 < 1 digunakan nilai parameter sebagai
N  G berikut
O
Tabel 3. Nilai parameter untuk �0 < 1
e 
Z Ip   2  Variabel /
e Nilai
 1 Parameter
Q  Sp 30
e  Ip 15
R    2   T 10
e
 1 G 2
 e ( (1   ))  e2 ( G *   )  S 24
S    1  I 12
  e1   0.6
e2
T   0.05
e1  0.4
e   0.8
U    2   0.25
e
 1
 0.3
 e ( (1   ))  e2 ( G *   )   0.1
V  1    G    0.2
  e1   0.02
Sehingga polinom karakteristik yang diperoleh adalah
(  K )(  M )(  O)    Q   R   V   (U )( S )(  Q)  0
untuk melihat kestabilan titik endemic, digunakan Tabel 2
sebagai berikut

28
Kaya’, dkk (2021)

Tabel 4. Nilai parameter untuk �0 > 1

Variabel / Nilai
Parameter
Sp 64
Ip 34
T 5
G 10
S 40
I 20
 0.8
 0.2
 0.4
 0.1
 0.04
 0.5
 1.00
 0.02
 0.2
Gambar 2. Dinamika S p , I p , T , G , S , I untuk R0  1

Simulasi model untuk G=8 dapat dilihat pada

masing-masing plot subpopulasi S p , I p , T , G , S , I sebagai
berikut.

Gambar 4. Dinamika S p , I p , T , G , S , I untuk R0  1

Gambar 3. Dinamika S p , I p , T , G , S , I untuk G=8
Simulasi model untuk G=15 dapat dilihat pada
masing-masing plot subpopulasi S p , I p , T , G , S , I sebagai
Pada Gambar 2 terlihat bahwa laju pertumbuhan semua sub
berikut.
populasi mengalami penurunan dengan. Hal ini terjadi
karena kurangnya angka kelahiran dan adanya kematian
alami pada subpopulasi. Sedangkan pada subpopulasi G = 2
tetap pada kondisi awal sampai ke minggu 50, dan pada saat
G=8 maka mengalami penurunan. Oleh karena itu
berdasarkan Gambar 2 penyakit diabetes melitus tidak
bersifat endemik dan akan berkurang seiring berjalannya
waktu.

4.3.2 Simulasi numerik untuk R0  1

Selanjutnya dilakukan simulasi untuk nilai �0 > 1 dengan
menggunakan nilai-nilai parameter sebagai berikut

Gambar 5. Dinamika S p , I p , T , G , S , I untuk G=15

29
 Model Matematika pada Penyakit Diabetes Melitus dengan Faktor Genetik dan Faktor Sosial
Pada Gambar 3 terlihat bahwa laju pertumbuhan Disease Transmission, Mathematical Biosciences,
Subpopulasi S p (garis biru) mengalami penurunan pada 100 180 (2002) 29-48.
minggu, hal ini terjadi karena sedikitnya angka kelahiran
dan adanya kematian alami. Laju pertumbuhan I p (garis
merah) mengalami penurunan karena subpopulasi yang
terinfeksi melakukan perawatan atau T dan adanya
kematian alami. Laju pertumbuhan T (garis hijau)
mengalami kenaikan pada 10 minggu terakhir dan
mengalami penurunan setelah 10 minggu setelahnya. Hal
ini disebabkan adanya penambahan dari subpopulasi yang
terinfeksi yaitu I p dan I , kemudian berkurang karena
adanya kematian alami. Laju pertumbuhan G (garis kuning)
mengalami penurunan karena kurangnya angka kelahiran
dan adanya kematian alami. Laju pertumbuhan S (garis
ungu) mengalami penurunan karena kurangnya angka
kelahiran dan adanya kematian alami. Laju pertumbuhan I
(garis cyan) mengalami penurunan karena subpopulasi yang
terinfeksi melakukan perawatan atau masuk ke subpopulasi
T. Oleh karena itu berdasarkan Gambar 4 penyakit diabetes
melitus akan bersifat endemik dan akan berkurang seiring
berjalannya waktu.

IV. KESIMPULAN
Dalam penelitian ini diperoleh bahwa semakin banyak
informasi dan edukasi tentang hidup sehat, maka jumlah
penderita diabetes mellitus dapat berkurang.

REFERENSI
[1] Abraham dan Rikardus San.,2015, Analisis Model
Matematika Penyebaran Penyakit Diabetes Dengan
Faktor Genetik. SAINS, NO.1, Vol.15, 31-32.
[2] Ross, L. Shepley. 1984. Differential Equations.
New York University Of New Hasphire.
[3] Boyce, W. E. Dan R. C. Diprima. 2009.
Elementary Differential Equation and Buondary
Value Problem. Ninth Edition. John Wiley and
Sons, Inc.USA
[4] Finizo, N. Dan G. Ladas. 1982. An Introduction to
Differential Equation With Difference Equation,
Fourier, Series, and Partial Differential Equations.
Wadswoth Publishing Compary. Belmot,
California
[5] Wiggins, S, 1990. Introduction to Applied Non
Linear Dynamical System And Chaos, New York:
Springer-Verlag.
[6] Kocak, H. dan Hale, J. K. Dynamic and Bifucation,
Springer-Verlag, New York. 1991
[7] Anton, H & Rorres, C. 2014. Elementary Linear
Algebra 11th Edition. USA: John Wiley & Sons,
Inc.
[8] Ndraha Suzanna 2014, Pemodelan Matematika
pada Kelangsungan Hidup Penderita Diabetes
Melitus, Fakultas Kedokteran Universitas Krida
Wacana Jakarta. Vol. 27.
[9] Driessche P. van den dan Watmough, James. 2002,
Reproduction Number and Sub-Threshold
Endemic Equilibria for Compartmental Models of

30