1. Apakah hal ini akan menyebabkan terjadinya suatu epidemi (wabah)?

2. Jika ya, berapa laju (angka/rata-rata) kenaikan ukuran (banyak/jumlah/proporsi)

host yang terinfeksi selama masa epidemi berlangsung?

3. Berapa ukuran (banyak/jumlah/proporsi) dari populasi yang pada akhirnya menderita

(mengalami/terjangkit) penyakit tersebut?

1.3 Model SIR pada Populasi Tertutup

Pada model SIR, populasi dipartisi menjadi 3 subpopulasi, yaitu subpopulasi

1. Rentan (Susceptible)

2. Terjangkit dan menularkan (Infectious)

3. Sembuh (Recovered )

Perlu dicatat bahwa subpopulasi hanya merupakan salah satu terminologi, beberapa ahli
menggunakan istilah kelas/compartment.
Selanjutnya dimisalkan S(t) menyatakan ukuran subpopulasi yang rentan pada saat
t, I(t) menyatakan ukuran ukuran subpopulasi yang terjangkit dan menularkan pada saat
t, serta R(t) menyatakan ukuran ukuran subpopulasi yang sembuh pada saat t. Untuk
selanjutnya, seringkali S(t), I(t), dan R(t) hanya akan ditulis dengan S, I, dan R saja.
Jika Parameter dan ↵ berturut-turut menyatakan laju penularan/laju kontak
(transmission/contact/infection rate) dan laju kesembuhan (recovered rate), dalam Model
ini diasumsikan

1. Populasi tertutup (tidak ada migrasi, tidak ada kelahiran dan kematian).

2. Individu yang sembuh mempunyai kekebalan (immune)terhadap penyakit tersebut

(tidak bisa menjadi rentan lagi).

3. Penyakit tidak fatal (tidak menyebabkan kematian).

4. Masa inkubasi (masa antara mulai terjadinya infeksi sampai dengan tampaknya
gejala) sangat singkat.

2
 5. Laju kenaikan proporsi (jumlah individu) dari kelas terjangkit dan menularkan se-
banding dengan proporsi (jumlah individu) dari kelas rentan dan kelas terjangkit.
Proporsi (jumlah individu) kelas rentan minimum dengan laju yang sama, yaitu
SI.

6. Laju kenaikan proporsi (jumlah individu) kelas sembuh sebanding dengan proporsi
(jumlah individu) dari kelas terjangkit dan menularkan, yaitu ↵I.

Penyakit cacar merupakan salah satu contoh penyakit yang membuat penderita men-
jadi kebal, tidak menimbulkan kematian, dan mempunyai masa inkubasi yang cukup
singkat. Seperti telah diketahui, masa inkubasi suatu penyakit cukup bervariasi. Tabel
berikut memberikan data tentang masa inkubasi beberapa penyakit.

Tabel 1.1: Data masa inkubasi beberapa penyakit

inkubasi (hari) terinfeksi (hari)

Flue 1-3 0-1
Cacar 8-14 4-10
Cacar air 13-17 11-15
Rubela 14-21 7-14

Paramater dalam praktek sulit diukur, karena tergantung pada banyak faktor,
misalnya faktor biologi, sosial, lingkungan dan lain sebagainya. Sebaliknya Parameter
1
↵ dapat diukur dari data yang ada, nilai ↵
menyatakan rata-rata lama perioda infeksi.
1
Sebagai contoh rata-rata periode infeksi penyakit flue adalah 12 hari, maka ↵
= 12,
1
sehingga dalam satuan hari diperoleh ↵ = 12
. Jika menggunakan satuan bulan, maka
1 12 5
↵
= 30
= 0, 4, sehingga ↵ = 2
= 2, 5.
Perlu dicatat pula bahwa dalam Model SIR simbol R dapat juga berarti Removed
dengan arti salah satu dari empat hal berikut:

(i) sembuh

(ii) kebal karena vaksinasi

(iii) diisolasi sampai sembuh

3
(iv) mati karena penyakit.

Dalam hal ini parameter ↵ menyatakan removal rate yang dapat berarti laju kesembuhan,
laju kematian dan sebagainya.
Dengan asumsi-asumsi di atas, diperoleh diagram transfer seperti berikut.

Gambar 1.1: Diagram transfer Model SIR pada populasi tertutup

Dari Diagram Transfer

dS
= SI (1.1)
dt
dI
= SI ↵I (1.2)
dt
dR
= ↵I. (1.3)
dt
Jika S(t), I(t), dan R(t) berturut-turut menyatakan jumlah individu pada masing-
masing subpopulasi pada saat t, maka dari Sistem (1.1), (1.2), dan (1.3) didapat:

dS dI dR
+ + = 0,
dt dt dt
sehingga S(t) + I(t) + R(t) = N (konstan). Dalam hal ini N menyatakan jumlah total
individu dalam populasi. Jika ukuran dinyatakan dalam proporsi, maka diperoleh
S(t) + I(t) + R(t) = 1. Jika ↵ dan diketahui serta diberikan syarat awal:

S(0) = S0 > 0, I(0) = I0 > 0, R(0) = 0, (1.4)

maka beberapa pertanyaan yang mungkin timbul adalah

1. Apakah penyakit akan menyebar (menimbulkan epidemi/wabah)?

2. Jika ya, bagaimana penyebarannya dari waktu ke waktu?

4
 3. Kapan akan mulai menghilang?

4. Jika terjadi epidemi, seberapa parah?

Secara alami, maka nilai-nilai yang diperhatikan untuk S(t), I(t), dan R(t) adalah

S(t) 0, I(t) 0, R(t) 0.

Karena R tidak berpengaruh pada persamaan (1.1), dan (1.2) dan diketahui bahwa S(t)+
I(t)+R(t) = N, maka persamaan (1.3) untuk sementara dapat diabaikan dan (R(t) dapat
dihitung dengan R(t) = N S(t) I(t). Jadi cukup diperhatikan sistem
dS
= SI (1.5)
dt
dI
= SI ↵I = ( S ↵)I. (1.6)
dt
Sistem (1.5) dan (1.6) tidak dapat diselesaikan secara analitik (lihat Castillo-Chavez,
2002), namun demikian akan dicoba dilakukan penyelidikan tentang sifat-sifat solusinya
tanpa harus mencari solusi analitiknya.
dS
Perlu diperhatikan bahwa dt
= SI  0, maka s(t)  S0 , 8t 0.
Dari (1.6) didapat
dI ↵
=( S ↵)I < 0 , S <
dt
dan
dI ↵
=( S ↵)I > 0 , S > .
dt
Akibatnya
↵
(i) Jika S0 < , maka I0 I(t) ! 0, t ! 1. Dengan kata lain I(t) akan turun dan
pada akhirnya akan menuju 0. Jadi dalam hal ini tidak terjadi epidemi.

(ii) Jika S0 > ↵ , maka I(t) pada awalnya akan naik (jadi terjadi epidemi), tetapi karena
S(t)  S0 , 8t 0, maka I(t) pada akhirnya akan turun dan menuju 0.
S0
Selanjutnya didefinisikan R0 = ↵
. Jika R0 < 1, maka tidak terjadi epidemi, sedan-
gkan jika R0 > 1, maka akan terjadi epidemi. Dalam hal ini R0 merupakan bilangan re-
produksi dasar (basic reproduction number). Pembahasan tentang hal ini akan diberikan
secara detail pada Bab IV.

5
 Jadi tanpa mencari solusi analitisnya, dengan analisis sederhana dapat diketahui be-
berapa karakteristik penyebaran penyakit yang dimodelkan dengan Model SIR (1.1),(1.2),
dan (1.3) yaitu
S0
1. Penyakit akan menyebar jika R0 = ↵
> 1, sebaliknya penyakit akan punah jika
S0
R0 = ↵
< 1.

2. Penyakit menyebar sampai pada saat t dengan S(t) = ↵ , kemudian lama-lama akan
menghilang.

3. Penyakit akan mulai menghilang pada saat t dengan S(t) = ↵ .

Pertanyaan ke empat yaitu tentang seberapa parah jika terjadi epidemi belum dapat
dijawab, karena perlu dilakukan penghitungan Imax , jumlah individu akhir yang masih
hidup dan lain-lain. Untuk menjawab hal ini masih diperlukan beberapa dasar teori
tentang sifat kualitatif sistem non linear, yang akan dibahas pada bab-bab selanjutnya.
Diperhatikan kembali Sistem (1.5) dan (1.6). Jika dimisalkan

x = (S, I),
f1 (x) = SI,
f2 (x) = SI ↵I,
✓ ◆T
dS dI
ẋ = , ,
dt dt
f (x) = (f1 (x), f2 (x))T ,

maka Model (1.5) dan (1.6) dapat ditulis menjadi:

ẋ = f (x) (1.7)

x 2 E ⇢ R2 , t 2 R, f : E ⇢ R2 ! R2 .

Sistem (1.7) merupakan suatu sistem non linear. Seperti telah dikemukakan di atas,
Sistem ini tidak mempunyai solusi analitis, sehinggga perilaku sistem harus diselidiki
tanpa mencari solusi analitisnya. Pada Bab II akan dibahas secara singkat tentang Sistem
Persamaan Diferensial.

6
1.4 Latihan
Gambarkan diagram transfer dan tentukan model matematikanya jika pada Model SIR
di atas beberapa asumsi diubah, yaitu

1. Penyakit yang fatal (menimbulkan kematian).

2. Ada kelahiran dan kematian alami (kematian yang tidak disebabkan karena penyakit
yang sedang dibicarakan). Kelahiran masuk ke subpopulasi rentan. Laju kelahiran
sama dengan laju kematian.

3. Penyakit fatal. Ada kelahiran dan kematian alami (kematian yang tidak disebabkan
karena penyakit yang sedang dibicarakan). Kelahiran masuk ke subpopulasi rentan.
Laju kelahiran sama dengan laju kematian.

4. Ada kelahiran dan kematian alami (kematian yang tidak disebabkan karena penyakit
yang sedang dibicarakan). Kelahiran masuk ke subpopulasi rentan. Laju kelahiran
tidak sama dengan laju kematian.

5. Penyakit fatal. Ada kelahiran dan kematian alami (kematian yang tidak disebabkan
karena penyakit yang sedang dibicarakan). Kelahiran masuk ke subpopulasi rentan.
Laju kelahiran tidak sama dengan laju kematian.