Pemodelan Matematika

MODEL MATEMATIKA EPIDEMI SIR

Dosen Pengampu :
Dr. Faiz Ahyaningsih, M.Si

Disusun Oleh :

KELOMPOK I

DONNI ANDREAS NAINGGOLAN 8216172023

JOSHUA PANDAPOTAN SILALAHI 8216172006
TRI WULAN SARI 8216172009

DIKMAT B-2 2021

PROGRAM STUDI PENDIDIKAN MATEMATIKA

PROGRAM PASCASARJANA UNIVERSITAS
NEGERI MEDAN
2022
 KATA PENGANTAR

Puji syukur penulis panjatkan kehadirat Allah SWT karena telah memberikan
rahmat dan hidayah-Nya, sehingga penulis dapat menyelesaikan makalah yang berjudul
“Model Matematika Epidemi SIR“ pada mata kuliah Pemodelan Matematika yang
diampuh oleh Ibu Dr. Faiz Ahyaningsih, M.Si.
Pembuatan makalah ini melibatkan berbagai macam referensi yang
merupakan salah satu sarana yang diharapkan dapat membantu pembaca untuk
mengetahui hal yang berkaitan dengan pemodelan Matematika menggunakan model SIR.
Sebagai sebuah karya manusia, tentunya makalah ini masih jauh dari unsur
kesempurnaan, untuk itu penulis memohon kontribusi pemikiran baik berupa saran dan
kritikan demi perbaikan makalah ini hingga dapat lebih bermanfaat.
Akhir kata, penulis mengucapkan terima kasih. Semoga makalah ini dapat
memberikan wawasan dan pengetahuan bagi para pembaca.

Medan, April 2022

Penulis

i
 DAFTAR ISI

KATA PENGANTAR i
……………………………………………………………..
ii
DAFTAR ISI
……………………………………………………………………….
BAB I PENDAHULUAN
1.1 Latar Belakang 1
………………………………………………….................
1.2 Rumusan Masalah 2
…………………………………………………………
1.3 Tujuan Penulisan …………………………………………………………. 2
BAB II PEMBAHASAN

2.1 Model Matematika ……………………………………………………….. 3

2.2 Model Epidemi SIR ……………………………………………………… 5
2.3 Contoh Penerapan Model Epidemi SIR …………………………………. 11
BAB III PENUTUP

3.1 Kesimpulan …………………………………………………………… 18

3.2 Saran ……………………………………………………………………. 19

DAFTAR PUSTAKA

i
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Kata model dalam kehidupan sehari-hari, sering digunakan, dan mengandung
arti. Sebagai contoh, kata bangunan, gambar dan penyakit merupakan representasi
dari suatu masalah. Misalnya: model bangunan, model rumah, dan model penyakit.
Secara umum istilah di atas menggambarkan adanya hubungan antara unsur-unsur
dari bangunan atau rumah dengan modelnya. Contoh dalam bidang matematika,
perbandingan antara panjang dan lebar persegipanjang dengan modelnya.
Hubungan antara komponen-komponen dalam suatu masalah yang dirumuskan
dalam suatu persamaan matematik yang memuat komponen-komponen itu
sebagai variabelnya, dinamakan model matematika. Proses untuk memperoleh model
dari suatu masalah disebut pemodelan matematika. Kegunaan yang dapat diperoleh
dari model matematika ini antara lain: 1) Menambah kecepatan, kejelasan, dan
kekuatan gagasan dalam jangka waktu yang relatif singkat; 2) Deskripsi masalah
menjadi pusat perhatian;
3) Mendapatkan pengertian atau kejelasan mekanisme dalam masalah; 4) Dapat
digunakan untuk memprediksi kejadian yang akan muncul dari suatu fenomena; 5)
Sebagai dasar perencanaan dan kontrol dalam pembuatan kebijakan, dan lain-lain
Model dasar tentang penyebaran penyakit epidemi pertama kali dirumuskan
oleh Kermack dan McKendrick tahun 1927. Dalam modelnya, Kermack dan
McKendrick membagi populasi menjadi tiga bagian, yaitu Susceptible (S) yaitu jumlah
individu sehat tapi rentan terhadap penyakit, Infected (I) yaitu jumlah individu
terinfeksi dan bisa menularkan penyakit pada individu sehat, dan Recovered (R) yang
menotasikan jumlah individu yang sembuh dari penyakit dan akan kebal dari
penyakit. Pada model lain dibahas mengenai analisis sensitivitas penyebaran
penyakit Tuberculosis. Dari model tersebut dilakukan analisis sensitivitas dengan
mencari indeks sensitivitas setiap parameter terhadap bilangan reproduksi dasar, titik
endemik kelas infected, sampai mensimulasikan menggunakan Aplikasi Maple.
Menjawab pentingnya adanya suatu ilmu mengenai model matematika pada
suatu epidemi menggunakan model SIR, maka makalah ini hadir untuk mencoba
membantu menjadi jembatan bagi Indonesia terutama dunia pendidikan Indonesia

1
agar mampu mendeskripsikan suatu masalah yang kini menjadi pusat perhatian di
Indonesia.

2
 Yaitu dengan memberikan wawasan baru mengenai pemodelan matematika epidemi
SIR.

1.2 Rumusan Masalah

Berdasarkan latar belakang yang telah dikemukakan di atas, maka rumusan
masalah dalam makalah ini antara lain :
1. Apa Pengertian Pemodelan Matematika?
2. Apa Pengertian Model Epidemi SIR?
3. Bagaimana mengontruksi pemodelan matematika pada suatu epidemi
mengunakan model Epidemi SIR ?

1.3 Tujuan Penulisan

Berdasarkan rumusan masalah tersebut, maka tujuan dari penulisan makalah ini
adalah:
1. Untuk mengetahui Pengertian Pemodelan Matematika.
2. Untuk mengetahui Pengertian Model Epidemi SIR.
3. Untuk mengetahui cara mengontruksi pemodelan matematika pada suatu
epidemi mengunakan model Epidemi SIR

3
 BAB II
PEMBAHASAN

2.1 Model Matematika

A. Pengertian

Kata model dalam kehidupan sehari-hari, sering digunakan, dan mengandung arti.
Sebagai contoh, kata bangunan, gambar dan penyakit merupakan representasi dari suatu
masalah. Misalnya: model bangunan, model rumah, dan model penyakit. Secara umum
istilah di atas menggambarkan adanya hubungan antara unsur-unsur dari bangunan atau
rumah dengan modelnya. Contoh dalam bidang matematika, perbandingan antara panjang
dan lebar persegipanjang dengan modelnya. Dalam model rumah juga mesti diketahui
panjang lebarnya, tetapi tidaklah berarti bahwa model rumah dan rumah itu sendiri sama
ukuranya dalam setiap hal. Secara singkat dapat dijelaskan bahwa jika ada suatu benda A
(dapat berupa masalah, fenomena) dan modelnya B, maka akan terdapat sekumpulan
unsur-unsur dan B yang mempunyai padanan dengan A.

Demikian pula terdapat suatu hubungan yang berlaku antara unsur-unsur di B

yang sesuai dengan unsur-unsur sebagai padanannya di A. Hubungan antara komponen-
komponen dalam suatu masalah yang dirumuskan dalam suatu persamaan matematik
yang memuat komponen-komponen itu sebagai variabelnya, dinamakan model
matematika. Proses untuk memperoleh model dari suatu masalah disebut pemodelan
matematika. Kegunaan yang dapat diperoleh dari model matematika ini antara lain:
1. Menambah kecepatan, kejelasan, dan kekuatan gagasan dalam jangka waktu
yang relatif singkat;
2. Deskripsi masalah menjadi pusat perhatian;
3. Mendapatkan pengertian atau kejelasan mekanisme dalam masalah;
4. Dapat digunakan untuk memprediksi kejadian yang akan muncul dari suatu
fenomena;
5. Sebagai dasar perencanaan dan kontrol dalam pembuatan kebijakan, dan lain-lain

B. Tahapan Pemodelan Matematika

3
 Model matematika yang biasa ditemukan dalam buku referensi merupakan model
akhir yang kelihatan rapi dan teratur. Apakah model itu menyatakan peramalan sesuatu
yang

4
akan terjadi atas dasar apa yang dimiliki, atau apakah model itu merupakan hubungan–
hubungan kenormalan sekelompok data. Dalam kenyataan banyak upaya atau tahapan
yang harus dilalui sebelum sampai pada hasil akhir tersebut. Tiap tahap memerlukan
pengertian yang mendalam, utuh tentang konsep, teknik, intuisi, pemikiran kritis,
kreatifitas, serta pembuatan keputusan. Bahkan faktor keberuntunganpun dapat saja
terjadi.
Berikut ini diberikan suatu metodologi dasar dalam proses penentuan
model matematika atau sering disebut pemodelan matematika. Tahapan tersebut adalah:
1. Masalah
Adanya masalah nyata yang ingin dicari solusinya merupakan awal kegiatan
penyelidikan. Masalah tersebut harus diidentifikasi secara jelas, diperiksa dengan teliti
menurut kepentingannya. Bila masalahnya bersifat umum, maka diupayakan menjadi
masalah khusus atau operasional;
2. Identifikasi masalah
Masalah yang diteliti perlu diidentifikasi, yaitu pengertian yang mendasar
tentang masalah yang dihadapi, asumsi-asumsi yang jelas dan sesuai termasuk
pemilihan variabel yang relevan dalam pembuatan model serta keterkaitanya;
3. Membangun Model
Membangun atau membentuk model merupakan penterjemahan dari masalah ke dalam
persamaan matematika yang menghasilkan model matematik. Ini biasanya
merupakan tahap yang paling penting dan sulit. Semakin memahami masalah yang
dihadapi dan semakin kuat penguasaan matematik seseorang, maka akan sangat
membantu memudahkan dalam mencari modelnya. Dalam pemodelan selalu
diusahakan untuk mencari model yang sesuai tetapi sederhana. Makin sederhana
model yang diperoleh untuk tujuan yang ingin dicapai makin dianggap baik model
itu. Dalam hal ini model yang digunakan ada-kalanya lebih dari satu persamaan,
bahkan merupakan suatu sistem, atau suatu fungsi dengan variabel-variabel dalam
bentuk persamaan parameter. Hal ini tergantung anggapan yang digunakan. Tidak
tertutup kemungkinan pada tahap ini juga dilakukan "uji coba" , karena model
matematik ini bukanlah merupakan hasil dari proses sekali jadi. Deduksi sifat-sifat
yang diperoleh dari model yang digunakan;
4. Analisis Model.
5
Pada tahap ini model yang umumnya merupakan abstraksi masalah yang sudah
disederhanakan, sehingga hasilnya mungkin berbeda dengan kenyataan yang
diperoleh.

6
 Untuk itu model yang diperoleh ini perlu dianalisis, sejauh mana model itu
dapat dianggap memadai dalam merepresentasikan masalah yang dihadapi.
Analisis yang digunakan terdiri dari berbagai metode tergantung model yang
diiperoleh. Dalam model matematika, analisis yang sering digunakan adalah
pelinearan, fungsi Lyapunov, dan fungsi Green;
5. Uji Model.
Model yang sudah dianalisis kemudian diuji dengan bantuan software matematika
sepaerti MatLab, Maple, Matematica, dan lain-lain. Apabila model yang dibuat
dianggap tidak memadai, maka terdapat kemungkinan bahwa perumusan model yang
digunakan atau karakterisasi masalah masih banyak belum sesuai, sehingga perlu
diadakan perubahan pada model.

Proses Pemodelan Matematika

2.2 Model Epidemi SIR

A. Pengertian Model Epidemi
Ilmu yang membahas mengenai penyebaran penyakit disebut epidemiologi.
Epidemiologi adalah studi tentang faktor yang menentukan frekuensi dan distribusi
penyakit pada populasi manusia. Epidemi adalah penyakit yang timbul sebagai kasus baru
pada suatu
7
populasi tertentu, dengan laju yang melampaui perkiraan. Suatu infeksi dikatakan sebagai
endemik pada suatu populasi jika infeksi tersebut berlangsung di dalam populasi tersebut
tanpa adanya pengaruh dari luar. Suatu infeksi penyakit dikatakan sebagai endemik bila
setiap orang yang terinfeksi penyakit tersebut menularkannya kepada tepat satu orang
lain.
(Kermack dan McKendrick 1927)) Model epidemi adalah merupakan suatu model
matematika yang dapat digunakan untuk melihat laju penyebaran penyakit. Kondisi
epidemi terjadi ketika ada salah satu individu rentan pada populasi tersebut, maka
populasi tersebut memiliki peluang menjadi populasi rentan, dan kemungkinan besar
infeksi tersebut akan mewabah pada populasi tersebut. Sehingga pada akhirnya seluruh
individu dalam populasi berpeluang terinfeksi.
Model SIRS menggambarkan bahwa individu yang terinfeksi penyakit (Invected),
kemudian sembuh (Recovered), setelah sembuh, individu memperoleh kekebalan
sementara terhadap penyakit tersebut. Seiring berjalan waktu kekebalan tersebut
menghilang atau berkurang, mengakibatkan individu yang rentan terserang penyakit
tersebut dapat kembali terinfeksi penyakit yang sama. Sistem persamaan diferensialnya
menjadi :
�
� = −��𝐼 + �� (1)
��
�𝐼
= ��𝐼 − 𝑉�� (2)
��
��
= 𝑉�� − �� (3)
��

B. Sistem persamaan diferensial Autonomous

(Boyce dan Diprima (2001) Misalkan suatu persamaan diferensial autonomous
dinyatakan sebagai berikut
� = ��(� )

(4)
Dengan Y adalah fungsi kontinu bernilai real dari x dan mempunyai turunan parsial
kontinu. Pada persamaan (1) disebut persamaan diferensial autonomous karena
tidak
8
mendatangkan � di dalam.

9
 C. Sistem persamaan difrensial
(Waluya (2006). Persamaan diferensial adalah persamaan matematika untuk
fungsi satu variabel atau lebih yang menghubungkan fungsi itu sendiri dan turunannya
dalam berbagai orde. Selain itu persamaan diferensial juga diferensial juga didefinisikan
sebagai persamaan yang memuat satu atau beberapa turunan fungsi yang tidak diketahui
Jenis-jenis persamaan diferensial dapat dibedakan menjadi dua jenis yaitu persamaan
diferensial biasa dan diferensial parsial. Sedangkan persamaan diferensial dilihat dari
bentuk fungsi atau pangkatnya juga dibedakan menjadi dua yaitu persamaan diferensial
linear dan persamaan diferensial nonlinear.
Persamaan diferensial linear adalah jika memenuhi dua hal yaitu pada variabel-
variabel terikat dan turunannya paling tinggi berpangkat satu dan tidak mengandung
bentuk perkalian antara sebuah variabel terikat dengan variabel terikat lainnya atau
turunan yang satu dengan turunan lainnya atau variabel terikat dengan sebuah turunan.
Persamaan diferensial nonlinear adalah persamaan diferensial yang bukan merupakan
merupakan persamaan persamaan diferensial linear. Pada istilah dengan linear
berkaitan dengan
kenyataan bahwa tiap suku dalam persamaan diferensial itu, peubah-peubah �, � 1 , … ,

��
berderajat satu atau nol Bentuk umum dari persamaan diferensial linear orde-n adalah :
��−1 (� )� �−1 + �1 (� )� 1 + �0(� )� = �(�)
Pada persamaan diferensial �(�, � 1, … , � � ) = 0 adalah merupakan
persamaan
diferensial nonlinear, jika salah satu dari berikut di penuhi � ∶ � tidak berbentuk
polinom,
dalam �, � 1 , … , � � dan � tidak berbentuk polinom berpangkat lebih dari dua
dalam
�, � 1 , … , � � (Waluya, 2006).

D. Titik Kesetimbangan dan Kestabilan

Kestabilan titik kesetimbangan dari 0
m  Fx dan m adalah titik asal.
sistem
1. Kestabilan disebut stabil, jika untuk   0 terdapat  ( )  sedemikian
setiap 0
1
 sehingga untuk setiap m 0  R dengan m 0  m *   , solusi  (t, m 0 dari F ( x) yng
n
)

0
melalui m di t  0 memenuhi pertidaksamaan  (t, m 0    untuk setiap t  0 .
*
m

2. Kestabilan disebut stabil asimtotik, m

*
stabil dan terdapat b  0 , sedemikian
jika
hingga  (t, m 0   0 saat t   untuk semua m yang
0
m 0  m*  b
*
m memenuhi

1
3. Kestabilan disebut tidak stabil, jika terdapat l  0 sedemikian sehingga untuk
suatu
sebarang   0 terdapat sebuah m 0 dengan m 0  m *   dan t 0  0 sedemikian

hingga  (t, m 0  l.

m*

Pada definisi di atas, dapat ditarik kesimpulanya bahwa m  F ( x) disebut

sistem
stabil pada titik kesetimbangan kestabilan jika pada kondisi (m 0 ) berada di sekitar
awal
kestabilan sejauh  , dengan  adalah bilangan positif terkecil maka sifat solusi sistem
(  (t, m 0 berada di sekitar kesetimbangan kestabilan. Jika kondisi awal berada sangat
))
dekat dengan kestabilan dan solusi sistem cenderung mendekati titik kesetimbangan
kestabilan, maka sistem disebut stabil asimtotik. Jika sifat solusi menjauh dari titik
kesetimbangan kestabilan akibat perubahan kecil pada kondisi awal maka sistem disebut
tidak stabil.

Teorema 1
Jika matriks A pada sistem persamaan (1) adalah matriks koefisien dengan nilai
eigen 1 , 2 ,..., n , maka titik *
m , disebut:
kesetimbangan
1. Stabil, jika (1 )  0, i  1,2,3,..., n
2. Stabil asimtotik, jika (1 )  0, i  1,2,3,..., n
3. Tidak stabil, jika (1 )  0, untuk suatu s .
Pada teorema (1) dapat dipergunakan untuk menentukan kestabilan lokal suatu
titik kesetimbangan. Titik kesetimbangan yang stabil atau stabil asimtotik hanya pada
suatu daerah tertentu dalam lingkup solusi sistem dikatakan stabil lokal atau stabil
asimtotik. Titik kesetimbangan dikatakan stabil global atau stabil asimtotik global jika
titik kesetimbangan tersebut stabil asimtotik pada setiap lingkup solusi sistem.

E. Nilai eigen dan vektor eigen

1
 Jika A adalah matriks n x n, maka vektor tak nol x di dalam �� dinamakan

vektor
eigen dari A jika Ax adalah kelipatan skalar dari x yaitu :
𝐴� = �� … … … … … … … … … … … … … … … … … (5)
𝐴� = ��

1
 𝐴� = �𝐼�
(�𝐼 − ��)� = 0
Supaya � menjadi nilai eigen, maka harus ada penyelesaian tak nol dari
persamaan
ini. Sehingga akan mempunya penyelesaian tak nol jika dan hanya jika :
det( �𝐼 − ��) = 0 (6)

Persamaan (5) dinamakan persamaan karakteristik A, skalar yang memenuhi

persamaan ini adalah nilai eigen dari A. Bila diperluas, maka determinan det( �𝐼 − ��)
adalah polinom � yang dinamakan polinom karakteriistik A.
Contoh :
6 1 1 0
Diberikan Matriks 𝐴 = [ −2 3] ������ 𝐼 =
0 [1 ]
Akan dicari nilai eigen dan vektor eigen dari a
Penyelesaian :
a. Nilai eigen matriks A yaitu :
1 0 6 1 �−6 −1
�𝐼 − 𝐴 = � [ ]=[ ]= [ ]
0 1 −2 3 2 �−3
Maka persamaan karakteristik dari A adalah :
|�𝐼 − ��| = |� − 6 −1 | = 2− 9� + 20
2 �−3
�

Dari persamaan karakteristik A adalah

� 2 − 9� + 20 = 0
�1 = 4 ���� �2 = 5
Jadi nilai eigen dari matriks A adalah 4 atau 5

b. Vektor eigen matriks A

Untuk �1 = 4
[−2 −1] [�1 ] = 0
2 1 �2
-2�1 − �2 = 0
1
� = − � , Jika � = s, maka � = −2�. ��ℎ𝑖���� �𝑖������ℎ ∶
1 2 2 1

1
 �1 1
�=[ ]= ]�
−2
[
�2

1
 1
Jadi vektor eigen yang bersesuaian dengan �1 = 4 adalah [ ]
−2

Untuk �2 = 5
[−1 −1] [�1 ] = 0
2 2 �2
-�1 − �2 = 0
�1 = −�2 , Jika �1 = t, maka �2 = −�. ��ℎ𝑖���� �𝑖������ℎ ∶
�1 1
� =[ ]=[ ]�
�2
−1
1
Jadi vektor eigen yang bersesuaian dengan �2 = 5 adalah [ ]
−1
F. Bilangan Reproduksi dasar (�𝟎 )
Untuk mengetahui tingkat penyebaran pada suatu penyakit diperlukan suatu
parameter tertentu. Parameter yang biasa digunakan dalam masalah penyebaran penyakit
adalah bilangan reproduksi dasar. Kemungkinan terjadinya infeksi pada suatu
populasi
tergantung pada bilangan reproduksi. Bilangan reproduksi dasar (�𝟎 ) adalah

potensi
penularan penyakit pada populasi rentan merupakan rata-rata jumlah individu
yang
terinfeksi secara langsung oleh seseorang penderita selama masa penularanya bila
termasuk dalam populasi yang seluruhnya masih rentan.
(�𝟎 ) adalah nilai yang menunjukkan apakah penyebaran penyakit menjadi

epidemi
atau tidak epidemi pada suatu
populasi.
��1
�0 =
�(� + 𝜇 + �)
(7)

Bilangan reproduksi dasar merupakan parameter yang penting dalam matematika

epidemilogi yang merupakan ambang batas (threshold) terjadinya penyebaran
penyakit. Bilangan ini diperoleh dengan cara menetukan nilai eigen matriks jacobian

1
pada titik keseimbangan bebas penyakit (disease free equilibrium) dan titik keseimbangan
endemik (endemi equilibrium).

G. Model Epidemi SIR

Pada dasarnya model epidemi pada penyakit memiliki tiga kompartemen, yaitu
Susceptible, Invected, Recovered, yang didefinisikan
:

1
1. Susceptible, yaitu individu yang sehat dapat terinfeksi.
2. Invected, yaitu individu yang terinfeksi memungkinkan untuk menularkan penyakit.
3. Recovered, yaitu seseorang yang memiliki kekebalan karena telah terinfeksi, dan
dapat sembuh.
Sehingga, model epidemik suatu penyakit dapat dituliskan dalam bentuk :

Pada ketiga klasifikasi di atas, antara sub populasi I dan sub populasi S terdapat
interaksi langsung. Dengan anggapan bahwa ada upaya penyembuhan terhadap yang
terinfeksi (I) dan terjadi penularan terhadap anggota S, maka akan terjadi jumlah anggota
S berkurang. Semua anggota berisiko menularkan ke semua anggota S, sehingga pengaruh
semua anggota I untuk menularkan ke semua anggota S adalah IS. Dengan demikian, laju
penurunan Sub populasi S adalah sebanding dengan
𝑑�
𝑑𝑡 = −��𝐼 (2.1)
dengan � : tetapan (positif) tingkat penularan.
Sebagaimana disebutkan dalam pembahasan awal, sejumlah anggota I berinteraksi
langsung terhadap anggota S. Sehingga terjadi kenaikan jumlah anggota I yang tertular.
Besarnya anggota S yang tertular sebanyak �SI. Dengan anggapan bahwa terdapat

anggota
I yang sembuh sehingga sub populasi I akan berkurang sebesar �I. Dengan demikian,
laju
kenaikan I adalah
𝑑�
𝑑𝑡 = −��𝑰 − ��� (2.2)
dengan : tetapan (positif) laju pemulihan.

1
 Sub populasi R ini berhubungan dengan sub populasi I, seperti yang telah
disebutkan di atas. Laju perkembangan subpopulasi ini sebanding dengan anggota
subpopulasi I yang sembuh,

1
 𝑑�
𝑑𝑡 = ��� (2.3)
Berdasarkan asumsi ini, maka kita dapat membentuk skema model sebagai berikut:

Gambar Skema Model Epidemi SIR

Skema diatas dapat dituliskan secara lengkap menjadi sistem persamaan
diferensial sebagai berikut :
��= −��𝑰
��
𝑑𝐼
𝑑𝑡
= ��𝑰 − ��� (2.4)
��
= �𝑰
��
dengan
S= jumlah individu yang rentan dalam populasi (Susceptible) pada waktu t
I = jumlah individu yang terinfeksi dalam populasi (Infectious) pada waktu
t R=jumlah individu yang sembuh dalam populasi (Recovered) pada waktu
t B= laju penularan penyakit dari Susceptible menjadi Infectious
y = laju pemulihan dari Infectious menjadi Recovered.
Sistem persamaan diferensial (2.4) di atas menggambarkan transisi masing-
masing individu dari S ke I lalu ke R. Dengan menambahkan ketiga persamaan tersebut
kita dapat menunjukkan dengan mudah bahwa total populasi adalah konstan.
Di dalam epidemiologi, tingkat penyebaran penyakit menular biasa diukur dengan
suatu nilai yang disebut bilangan reproduksi dasar (R0). Agar terbebas dari infeksi
tuberkulosis, harus dibuat R0<1. Dalam hal ini setiap penderita hanya dapat menyebarkan
penyakit kepada rata-rata kurang dari satu penderita baru, sehingga pada akhirnya
penyakit akan hilang. Sedangkan, apabila R0>1 maka setiap penderita dapat menyebarkan
penyakit kepada rata-rata lebih dari satu penderita baru, sehingga pada akhirnya akan
terjadi epidemic.
Oleh karena itu, jumlah individu yang terinfeksi dapat ditemukan dengan mencari
nilai dari rasio reproduksi. Sedangkan untuk menunjukkan jumlah individu
rentan

2
(Susceptible) yang dapat menderita penyakit yang disebabkan oleh satu individu
terinfeksi dapat ditentukan dengan menghitung bilangan reproduksi dasar.
Bilangan reproduksi dasar dilambangkan dengan R, dan dinyatakan dengan
persamaan berikut:
�0 =� 𝑁 = � �(0) (2.5)
� �

dengan
R0 = bilangan reproduksi dasar
� = laju penularan penyakit dari Susceptible menjadi Infectious
� = laju pemulihan dari Infectious menjadi Recovered
N = jumlah penduduk
S(0) = jumlah individu rentan (Susceptible) awal
Beberapa kondisi yang akan timbul, sebagai berikut:
1. Jika R0<1, maka penyakit akan menghilang.
2. Jika R0=1, maka penyakit akan menetap.
3. Jika R0>1, maka penyakit akan meningkat menjadi wabah.

H. Pengembangan Model Epidemi SIR

Diperhatikan suatu penyakit yang terjadi pada suatu populasi dengan total
populasi konstan dan terdapat kelahiran serta kematian alami. Dalam hal ini diasumsikan
1. Masa inkubasi singkat.
2. Penyakit tidak fatal.
3. Individu yang sembuh mempunyai kekebalan terhadap penyakit tersebut (tidak
bisa menjadi rentan lagi).
4. Ada kelahiran dan kematian alami, dengan laju kelahiran sama dengan laju
kematian
alami.
Dalam model ini parameter �, ��, dan ⍺ berturut-turut menyatakan laju kontak,

laju
kelahiran (laju kematian alami), dan laju kesembuhan. Sedangkan notasi S(t), I(t), dan
R(t)
berturut-turut menyatakan proporsi kelas S, I dan R.Didapat diagram transfer

2
Gambar Diagram Kompartemen SIR dengan adanya kelahiran dan kematian alami
Dari diagram transfer didapat Model SIR dengan total populasi konstan dan
memperhatikan adanya kelahiran serta kematian alami:

dengan S + I + R = 1.
Selanjutnya karena variabel R tidak memberikan pengaruh pada persamaan lain,
maka persamaan untuk sementara dapat diabaikan dari sistem. Selain itu dengan hanya
menganalisis kompartement S dan I, kompartement R dapat diperoleh dari R = 1 - S - 1.
Sehingga Sistem dapat ditulis

I. Titik Ekuilibrium Bebas Penyakit

Titik kesetimbangan bebas penyakit (disease free equilibrium) adalah suatu
keadaan dimana tidak terjadi penyebaran penyakit dalam populasi. Pertama
terlebih dahulu
menentukan titik kesetimbangan bebas penyakit, misalkan titik tersebut dituliskan �0

=
(�0 , ��0 , �0 ). Karena populasi bebas dari penyakit maka ��0 = 0 , yaitu suatu keadaan
dimana
tidak terjadi infeksi pada populasi. Untuk mencari titik kesetimbangan
bebas penyakit dari persamaan
2
 dimana  = 0

Kestabilan lokal pada ��𝟎 = 𝟎

Persamaan karakteristik dari ketiga persamaan pada �0 = 0 adalah yang setara

dengan

Sehingga semakin mudah untuk diamati bahwa :

1. Ketika �0 < 1 , pada persamaan di atas memiliki tiga nilai eigen negatif  0 ,

maka
berdasarkan sifat stabilitas titik kesetimbangan nilai eigen maka titik
kesetimbangan
�0 = (b/d,0,0) adalah stabil asimtotik lokal,
2. Ketika �0  1 , memiliki satu nilai eigen positif > 0 dan dua nilai eigen negatif <
0,
maka berdasarkan sifat stabilitas titik kesetimbangan nilai eigen maka titik
kesetimbangan �0 = (b/d,0,0) adalah tidak stabil..

Perilaku solusi sistem di sekitar titik ekuilibriumnya, dapat diketa menyelidiki

sifat kestabilan lokal dari titik ekuilibrium tersebut. Kestabilan lokal artinya syarat awal
2
yang diberikan dekat dengan titik ekuilibrium, sedangkan kestabilan global artinya tidak
terpengaruh syarat awal. Teorema Kesetimbangan Bebas Penyakit Yaitu :
1. Jika R0 < 1, maka titik ekuilibrium bebas penyakit (1,0) stabil asimtotik lokal
2. Jika R0 > 1, maka titik ekuilibrium bebas penyakit (1,0) tidak stabil

2
3. Jika R0 > 1, maka titik ekuilibrium endemik (S*, I*) stabil asimtotik lokal.
Titik ekuilibrium bebas penyakit stabil asimtotik lokal artinya untuk t menuju tak
hingga solusi sistem menuju titik ekuilibrium bebas penyakit yang maknanya pada
akhirnya penyakit akan menghilang dari populasi.
Titik ekuilibrium endemik stabil asimtotik lokal artinya untuk t menuju tak
hingga solusi sistem menuju titik ekuilibrium endemik yang maknanya pada akhirnya
penyakit akan tetap ada pada populasi.

2.3.Contoh Penerapan Model Epidemi SIR

Contoh model matematika epidemi SIR dengan time delay
Terdapat dua contoh model matematika epidemi SIR dengan time delay yang akan
dibahas pada makalah ini yaitu dengan memperhatikan kestabilan titik
kesetimbangannya. Contoh ini bertujuan memberikan gambaran mengenai sistem
persamaan epidemi SIR
dengan time delay dengan memberikan dan memperhatikan nilai-nilai untuk masing-
masing
parameter sesuai dengan kondisi nilai bilangan reporoduksi R0 dalam teorema-
dasar
teorema yang telah diberikan. Dalam penelitian ini dianalisis kesetimbangan dan
kestabilan
untuk dua kondisi, yaitu ketika R0  1 pada saat   0 , di mana kesetimbangan bebas
penyakit stabil karena time delay tidak dapat mempengaruhi kestabilan kesetimbangan
bebas penyakit dan ketika R0  1 , kestabilan kesetimbangan endemi akan dipengaruhi oleh
time delay.

Contoh 1: Jika R0  1

Perilaku sistem persamaan epidemi SIR dengan time delay diperlihatkan

dengan pertama kali menentukan nilai parameternya. Nilai-nilai parameternya adalah
sebagai
berikut: dimana nilai b  20 , d  0,03 , 1  0,0003 ,  2  0,00019 , m  40 ,   0,2 ,
b
  0,06 ,   0,02 . Dengan  667 , sesuai dengan persamaan (7), diperoleh nilai
d

1
R0  0,6896  1. Selain itu didapatkan titik kesetimbangan bebas
E0  (667,0,0).
penyakit

Dari teorema (1), diketahui bahwa titik kesetimbangan bebas E0 adalah stabil
penyakit asimtotik lokal untuk setiap saat time delay   0 .

1
Contoh 2: Jika R  1
0

Perilaku sistem persamaan epidemi SIR dengan time delay diperlihatkan

dengan pertama kali menentukan nilai parameternya. Nilai-nilai parameternya adalah
sebagai
berikut: dimana nilai b  20 , d  0,03 , 1  0,0003 ,  2  0,00019 , m  40 ,   0,2 ,
b
  0,06 ,   0,02 . Dengan  667 , sesuai dengan persamaan (7), diperoleh nilai
d
R0  0,68965  1. Selain itu didapatkan titik kesetimbangan bebas E0  (667,0,0)
penyakit
dan titik kesetimbangan epidemi Perilaku sistem persamaan epidemi SIR dengan time
delay
diperlihatkan dengan pertama kali menentukan nilai parameternya. Nilai-nilai
parameternya adalah sebagai berikut: dimana nilai b  20 , d  0,03 , 1  0,0003 ,  2 
0,00019 , m  40
b
,   0,2 ,   0,06 ,   0,02 . Dengan  667 , sesuai dengan persamaan (7), diperoleh
d
nilai R0  0,6896  1. Selain itu didapatkan titik kesetimbangan bebas
penyakit
*
E  (345.7518,82.9156,96.9643) dari sistem persamaan :

Dengan demikian dari teorema (1), diperoleh bahwa titik kesetimbangan bebas
penyakit E0 adalah tidak stabil asimtotik lokal untuk setiap saat time delay   dan titik
0
1
kesetimbangan endemik E * adalah stabil untuk   [0,61.8649] .

1
 BAB III PENUTUP

3.1.Kesimpulan

Berdasarkan pembahasan di atas, maka dapat diberikan simpulan yaitu

:

1. Hubungan antara komponen-komponen dalam suatu masalah yang dirumuskan

dalam suatu persamaan matematik yang memuat komponen-komponen itu sebagai
variabelnya, dinamakan model matematika. Proses untuk memperoleh model dari
suatu masalah disebut pemodelan matematika. Kegunaan yang dapat diperoleh dari
model matematika ini antara lain:
a. Menambah kecepatan, kejelasan, dan kekuatan gagasan dalam jangka waktu
yang relatif singkat;
b. Deskripsi masalah menjadi pusat perhatian;
c. Mendapatkan pengertian atau kejelasan mekanisme dalam masalah;
d. Dapat digunakan untuk memprediksi kejadian yang akan muncul dari
suatu fenomena;
e. Sebagai dasar perencanaan dan kontrol dalam pembuatan kebijakan, dan lain-lain
2. Metodologi dasar dalam proses penentuan model matematika atau sering disebut
pemodelan matematika memiliki tahapan yaitu :
a. Masalah
b. Identifikasi masalah
c. Membangun Model
d. Analisis Model.
e. Uji Model.
3. Model epidemi adalah merupakan suatu model matematika yang dapat digunakan
untuk melihat laju penyebaran penyakit. Kondisi epidemi terjadi ketika ada salah satu
individu rentan pada populasi tersebut, maka populasi tersebut memiliki peluang
menjadi populasi rentan, dan kemungkinan besar infeksi tersebut akan mewabah pada
populasi tersebut. Sehingga pada akhirnya seluruh individu dalam populasi berpeluang
terinfeksi.
4. Model epidemi pada penyakit memiliki tiga kompartemen, yaitu Susceptible,
Invected, Recovered, yang didefinisikan :
a. Susceptible, yaitu individu yang sehat dapat
terinfeksi.
1
b. Invected, yaitu individu yang terinfeksi memungkinkan untuk menularkan
penyakit. c. Recovered, yaitu seseorang yang memiliki kekebalan karena telah
terinfeksi, dan

1
 dapat sembuh.
5. Teorema Kesetimbangan Bebas Penyakit Yaitu :
a. Jika R0 < 1, maka titik ekuilibrium bebas penyakit (1,0) stabil asimtotik lokal
b. Jika R0 > 1, maka titik ekuilibrium bebas penyakit (1,0) tidak stabil
c. Jika R0 > 1, maka titik ekuilibrium endemik (S*, I*) stabil asimtotik lokal.

3.2.SARAN
Berdasarkan makalah yang telah disusun mengenai “Model Epidemi SIR»
terdapat beberapa saran yang diberikan penulis, antara lain :
1. Bagi guru, diharapkan dapat membiasakan peserta didik dalam menyelesaikan
soal yang berkaitan dengan kehidupan sehari-hari serta memerlukan penalaran
matematis dalam menyelesaikannya. Dan bagi peserta didik, membiasakan diri
untuk berlatih mengerjakan soal-soal yang berhubungan dengan pemodelan
matematika, sehingga diharapkan kemampuan keterampilan berpikir tingkat tinggi
juga meningkat dan dapat menghadapi permasalahan di dalam kehidupan sehari-hari.
2. Bagi peneliti atau penulis selanjutnya, Penulisan ini masih perlu disempurnakan
untuk dapat dijadikan sebagai referensi dalam pengembangan bahan ataupun analisa
pemodelan matematika menggunakan model epidemi SIR. Hal ini untuk
mendukung proses meningkatkan keterampilan berpikir tingkat tinggi pada
peserta didik dan perbaikan mutu pendidikan ke depannya serta kebermanfaatan
pembelajaran matematika di dalam kehidupan sehari-hari.

2
 DAFTAR PUSTAKA

Anton, H. 1998. Aljabar Linier Elementer. Erlangga, Jakarta.

Enatsu, Y. and Messina, E. (2012). Global Dynamics of a Delayed SIRS Epidemic Model
with Class of Non Linear Incidence Rates. Applied Mathematics and
Computation, Volume 218, No 9, 5327--5336.

Karmack, W. O and McKendrick, A. G. (1927). A contribution to the mathematical

theory of epidemics. Proceedings of the Royal Society of London, Volume 115,
700--721.

Side, Syafruddin dan Sanusi, Wahidah. 2016. Pemodelan Matematika pada Penularan
Penyakit Tuberculosis. Makassar : Badan Penerbit UNM

Sinuhaji, Ferdinand. 2015. Model Epidemi Sits dengan Time Delay. Vol.VI. No. 1.
Januari- Juni 2015.

Waluya, S. B. (2006). Persamaan Differensial Biasa. Graha Ilmu,Yogyakarta.