ANALISIS JURNAL TENTANG HEPATITIS

Nama Anggota :
1. Muhammad Arif Prasetyo (E1R020082)
2. Muhammad Diennis Dwi Mustika (E1R020083)
3. Muhammad Restu Adji (E1R020084)
Jurnal yang di analisis :
ANALISIS MODEL MATEMATIKA UNTUK PENYEBARAN VIRUS HEPATITIS B
(HBV)
Permasalahan
Hepatitis merupakan penyakit peradangan yang terjadi pada jaringan sel hati. Jenis hepatitis
yaitu hepatitis A, hepatitis B, hepatitis C, hepatitis D, hepatitis E, hepatitis F. salah satu jenis
hepatitis yang banyak ditemui adalah jenis Hepatitis B. Hepatitis adalah peradangan dan
pembengkakan pada hati yang dapat menimbulkan nyeri atau sirosis. Lebih dari 2 milyar
orang didunis terinfeksi Hepatitis B, dengan 5 juta kasus baru tiap tahunnya. Di Indonesia
tahun 2010, jumlah kasus terinfeksi Hepatitis B mencapai 15 juta orang dan pravalensi
Hepatitis B dengan tingkat endemisitas tinggi yaitu sebanyak 1,5 juta orang berpontensi
mengidap kanker hati.
Rumusan Masalah
1. Bagaimana penyebaran hepatitis B dengan menggunakan metode SIR?
2. Bagaimana cara dalam mengendalikan infeksi hepatitis B?
3. Bagaimana keefektifan pengobatan terhadap penyeberan infeksi hepatitis B?
Tujuan
Tujuan penelitian dari jurnal ini sebagai berikut :
1. Mengetahui penyebaran hepatitis B dengan menggunakan metode SIR.
2. Mengetahui cara mengendalikan infeksi hepatitis B.
3. Kefektifan pengobatan terhadap penyebaran infeksi hepatitis B.
Bagaimana Menyelesaikan Masalah/Solusi
1. Model matematika untuk Penyebaran Virus Hepatitis B
Model SIR pengobatan infeksi HBV terdiri dari tiga variable yaitu :
a. populasi yang rentan terinfeksi HBV (x),
b. populasi yang terinfeksi oleh HBV (y), dan
c. populasi yang terbebas dari HBV (v).
Sedangkan parameter yang digunakan dalam model SIR pengobatan infeksi HBV
adalah
a. laju kelahiran (𝑟),
b. laju kematian alami (𝛾),
c. laju individu yang rentan terinfeksi (𝛽),
d. laju kematian individu yang terinfeksi (𝑎),
 e. laju individu yang terinfeksi (𝑘),
f. laju individu yang bebas penyakit (𝜇),
g. laju pengobatan (𝜌),
h. efektivitas terapi dalam menghalangi produksi virus (𝜀), dan
i. efektivitas terapi dalam menghalangi infeksi baru (𝜂).
Skema dinamika model SIR penyebaran HBV dapat disajikan dalam gambar berikut.

dx βv ( t ) x ( t )
. =r−γx (t )− (1−η ) + ρy (t)
dt x (t)+ y (t)

dy βv ( t ) x ( t )
. =( 1−η ) −ay ( t )− ρy ( t )
dt x ( t )+ y ( t )
dv
. =( 1−ε ) ky ( t )−μv t
dt
x ( 0 )=x 0>0 ,
y 0= y 0> 0 ,
v 0=v 0>0
r >0 , γ >0 , β >0 , a>0 , k > 0 , μ> 0 , ρ> 0 , η> 0 , ε >0

2. Analisis Model Matematika

2.1 Analisis Model Matematika dengan η = 𝟎 dan 𝝐 = 𝟎
Diasumsikan bahwa η = 𝟎 dan 𝝐 = 𝟎. Model SIR untuk penyebaran HBV menjadi

dx βv ( t ) x ( t )
. =r−γx (t )− + ρy (t)
dt x (t )+ y (t )

dy βv ( t ) x ( t )
. = −ay ( t )− ρy ( t )
dt x ( t ) + y ( t )
 dv
. =ky ( t ) −μv ( t)
dt
x ( 0 )=x 0>0 ,

y (0)= y 0> 0 ,
v(0)=v 0> 0
r >0 , γ >0 , β >0 , a>0 , k > 0 , μ> 0 , ρ> 0
r
Sistem persamaan (2.2) mempunyai dua titik kesetimbangan yaitu 𝐸0 = ( , 0,0 ) dan
y
r r 1−R 0 rk 1−R 0 βk
E∗¿( , ( ), ( )), dengan 𝑅0 = . 𝐸0 menggambarkan suatu kondisi
aR 0 a R 0 a R0 μ a+ ρ
dimana sudah tidak ada lagi penyakit yang menyerang, sedangkan 𝐸 ∗ menggambarkan
suatu kondisi dimana penyakit selalu ada dalam populasi tersebut, dan 𝑅0 menggambarkan
rata-rata individu suspected menjadi terinfeksi karena satu individu infected.
Untuk menganalisis kestabilan titik ekuilibrium E 0 pertama kita harus menecari matriks
jacobian dengan sistem persamaan (2.2) didefinisikan.

dx βv ( t ) x (t )
. f ( x , y , v )=. dt =r – γx ( t ) − + ρy
x (t)+ y (t )

dy βv ( t ) x ( t )
. g ( x , y , v )= dt = −ay ( t ) −ρy ( t )
x ( t )+ y ( t )
dv
.h ( x , y , v )= dt =ky ( t )−μv (t)

Proses linearisasi dilakukan dengan mencari matriks jacobian dari system (2.2).

( )
∂f ∂f ∂f
∂x ∂y ∂v
∂g ∂g ∂g
J=
∂x ∂y ∂v
∂h ∂h ∂h
∂x ∂y ∂v

∂f βv βxv
=−γ − + ∂g βx
∂x x + y (x+ y)2 =
∂v x+y
∂f βxv ∂h
= +ρ =0
∂ y ( x+ y )2 ∂x
∂ f −β x ∂h
= =k
∂ v x+ y ∂y
∂g βv βxv ∂h
= − =−μ
∂ x x + y ( x + y)2 ∂v
∂ g − βxv
= −a−ρ
∂ y ( x + y )2

Sehingga Matriks Jacobian dari sistem persamaan (2.2) diperoleh

a. Analisis Kestabilan E0
βk
Sesuai dengan 𝑅0 ¿ akan ditunjukkan bahwa jika 𝑅0 < 1, maka 𝐸0 stabil asimtotik,
μ a+ ρ
dan jika 𝑅0 > 1, maka 𝐸0 tidak stabil.

Bukti:
Persamaan (2.3) diturunkan menjadi
(𝜆 + 𝛾)( 𝜆 2 + 𝜇𝜆 + 𝑎𝜆 + 𝑎𝜇 + 𝜌𝜆 + 𝜌𝜇 – 𝛽𝑘) = 0
Dengan akar-akar persamaan karakteristiknya adalah
𝜆1 = −𝛾

−ρ−μ−α −ρ2−2 ρμ+2 ρ α + μ 2−2 α μ+α 2+ 4 βk

𝜆2 =
2
2 2 2
−ρ−μ−α + ρ −2 ρμ+2 ρ α + μ −2 α μ+ α + 4 βk
𝜆3 =
2
Ini terlihat bahwa 𝜆1 dan 𝜆2 adalah negatif, sedangkan 𝜆3 negatif ketika 𝑅0 < 1, dengan
demikian 𝐸0 akan stabil asimtotik.

b. Analisis Kestabilan E*

βk
Sesuai dengan R0 = , akan ditunjukkan jika R0 >1, maka E* stabil asimtotik, dan
μ(a+ ρ)
jika R0 <1, maka E* tidak stabil.

Bukti:

Persamaan (2.3) diturunkan menjadi

λ 3+ A 1 λ 2+ A 2 λ + A 3=0

Dengan
 (R0 −1)
A1= ρ+ a+ βk + μ+γ
(R0 −2)

2
βk ( R −1) ( R0 −1 ) ( R 0−1 )
A2= + βkμ 0 + aμ+ ρμ+γμ−γβk +γa +γρ+ βka
(R 0−2) ( R 0−2) ( R 0−2 )
2
( R 0−2 )
2

2
( R0−1 ) γβk ( R 0−1 )
A3 =γρμ+ γμa−γβkμ + + βkaμ
( R0 −2 ) ( R0 −2 )
2 2
( R 0−2 )

Dengan menggunakan Teorema Routh-Hurwitz dan diasumsikan bahwa R0 >1, maka E*

stabil asimtotik.

2.2. Analisis Kestabilan Model Matematika dengan η ≠ 0 dan ϵ ≠ 0

Diasumsikan bahwa η ≠ 0 dan ϵ ≠ 0. Model SIR untuk penyebaran HBV menjadi :

dx βv ( t ) x ( t )
=r−γx (t )− (1−η ) + ρy (t)
dt x (t)+ y (t)

dy βv ( t ) x ( t )
=( 1−η ) −ay ( t )− ρy(t )
dt x ( t )+ y ( t )

dv
=( 1−ε ) ky ( t )−μ v (t )
dt

x ( 0 )=x 0 >0 , y ( 0 )= y 0 >0 , v ( 0 ) =v 0 >0

r >0 , γ >0 , β >0 , a>0 , k > 0 , μ> 0 , ρ> 0 , η> 0 , ε >0

r
Sistem persamaan (2.4) mempunyai dua titik kesetimbangan yaitu E0 T =( ,0,0) dan
y

¿
ET =
( ,
(
R0 T a R 0 T
,
μa )
r r R0 T −1 ( 1−ε ) rk R0 T −1
(
R0 T )
) , dengan R0 T =
(1−θ) βk
μ( a+ ρ)
dan θ=ε +η−εη , yang

mana menggambarkan kombinasi efektivitas dari dua pengobatan. Maka 1−θ=(1−η)(1−ε)

menggambarkan bahwa masing-masing pengobatan bekerja secara individu, tidak tergantung
satu sama lain.

(1−θ) βk
Sesuai dengan R0 T = , akan ditunjukkan bahwa ET ¿ ada jika R0 T > 1.
μ( a+ ρ)

R0 T > 0 ⇔
(
r R 0 T −1
a R 0T
>0
)
r
a
>0 maka
( R0T )
R0 T −1
>0

⇔ R 0 T −1> 0

⇔ R 0 T >1

¿
Sehingga terbukti bahwa ET ada jika R0 T > 1.

3. Simulasi Model Matematika

Dengan menggunakan model data Hepatitis B di Rumah Sakit Umum Kota Salatiga pada
tahun 2011, didapat jumlah kasus Hepatitis B adalah 22 jiwa,
a=0.0038 , μ=0.0796 dan k=0.037 . Virus akan berkembang jika R0 >1 , sehingga untuk
βk
mengendalikan penyebaran virus, maka R0 <1. R0 = merupakan fungsi terhadap ρ ,
(a+ ρ)μ
sehingga dapat dilihat perubahan R0 dari perubahan ρ .

Grafik tersebut merupakan grafik perubahan nilai R0 (sumbu y) terhadap perubahan ρ (sumbu
x) dengan β=0.01 .

Laju pengobatan (ρ) semakin besar maka R0 semakin kecil. Dan ρ dapat mengendalikan
penyebaran virus karena pada saat ρ mendekati satu, nilai R0 kurang dari satu. ρ berperan
positif dalam mencegah virus menyebar ke individu lain karena dengan ρ yang semakin besar
dapat membuat R0 lebih kecil dari satu, sehingga membuat titik kesetimbangan bebas
penyakit menjadi stabil asimtotik.
Kemudian diambil ε ≠ 0 dan η ≠ 0 sehingga θ ≠ 0, β=0,01 dan didapat persamaan

(1−θ) βk
R0 T =
μ( a+ ρ)

Grafik tersebut merupakan grafik perubahan nilai R0 T (sumbu y) terhadap perubahan θ

(sumbu x) dengan ρ=1

R0 T akan menurun ketika ε dan η meningkat, sehingga langkah yang harus diambil adalah
memberikan pengobatan kepada penderita.

Kesimpulan
Dengan menggunakan model SIR dapat diketahui bahwa penyebaran hepatitis B mempunyai
dua titik kesetimbangan yaitu titik kesetimbangan bebas penyakit dan titik kesetimbangan
endemic virus, titik kesetimbangan bebas penyakit stabil jika rasio reproduksi dasar ( R0 ) < 1
dan titik kesetimbangan endemic virus stabil pada saat rasio reproduksi dasar ( R0 ) > 1. Selain
itu, dari simulasi infeksi Hepatitis B diperoleh bahwa untk mengendalikan infeksi Hepatitis B
di salatiga, Langkah pertama adalah dengan meningkatkan laju pengobatan. Hal ini dilakukan
dengan memberikan vaksin kepada setia individu yang rentan terinfeksi dan memberikan
pengobatan kepada penderita Hepatitis B. Keefektivitasan pengobatan sangat berpengaruh
terhadap penyebaran HBV kepada individu yang rentan terinfeksi.