TUGAS BESAR KONTROL OPTIMUM

Untuk memenuhi tugas mata kuliah kontorl optimum yang diampuh oleh Ibu Armayani Arsal,
S.Pd., M.Si

DISUSUN OLEH:

Suaib A. Siraj

PROGRAM STUDI MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS NEGERI GORONTALO

2022
1. Review Artikel 1
Judul Artikel : Kontrol Optimum pada Model Prey-Predator dengan
Pemamanenan pada Ikan prey dan Ikan Predator
Identitas Penulis : Oryza Safitri dan Mardlijah
Nama Jurnal : Limits (Journal of Mathematics Its Application), vol. 16, no.
1, Agustus 2019, 39-49
Link Artikel : https://iptek.its.ac.id/index.php/limits/article/view/4607
Latar Belakang Penelitian:
Model prey-predator didasari oleh hubungan interaksi predasi antara suatu
organisme yang memakan suatu organisme lainnya, dalam kasus ini yaitu ikan prey
dan ikan predator. Selanjutnya diberi perlakuan pemanenan pada ikan prey dan
ikan predator. Untuk menjaga agar tindakan pemanenan tidak mengakibatkan
kelangkaan suatu jenis ikan, dilakukan kontrol optimum berupa penambahan
makanan lain pada ikan predator. Kontrol optimum ini dimaksudkan agar hasil
pemanenan yang didapatkan maksimal sekaligus menjaga keberlangsungan
ekosistem pada ikan prey dan ikan predator. Kemudian didapatkan titik-titik
ekuilibrium dengan satu titik ekuilibrium yang stabil. Selanjutnya hasil kontrol
optimal, populasi ikan prey dan ikan predator lebih banyak, dibandingkan populasi
ikan prey dan ikan predator sebelum dikontrol
Beberapa penelitian yang telah dilakukan terhadap sistem prey-predator,
yaitu penelitian tentang analisis model mangsa-pemangsa Michaelis-Menten dengan
pemanenan konstan pada populasi prey. Penelitian tentang Effort Dynamics in a
Prey-Predator Model with Hervesting. Pada penelitian tersebut membahas
kestabilan model prey-predator dengan perlakuan pemanenan pada prey dengan
kontrol optimal. Penelitian selanjutnya tentang Analisis Kestabilan Model Prey-
Predator dengan pemanenan konstan pada ikan prey. Pada penelitian tersebut
membahas analisis kestabilan model prey-predator dengan perlakuan pemanenan
konstan pada ikan prey. Penelitian lainnya tentang Analisa Kestabilan dan Kendali
Optimal Pada Model Pemanenan Prey-Predator dengan Fungsi Respon Tipe III.
Penelitian selanjutnya juga penelitian tentang Kendali Optimal pada Sistem Prey-
Predator dengan Pemberian Makanan Alternatif pada Predator. Model Prey-
Predator dalam paper tersebut kondisi kematian predator disebabkan karena
perebutan makanan sesama predator diabaikan.
Metode Penelitian :
Penelitian ini dilakukan dengan didahului penentuan titik ekuilibrium dari
model matematika prey-predator. Dilanjutkan dengan uji stabilitas titik ekuilibrium
dengan cara memasukkan nilai titik ekuilibrium ke dalam matriks Jacobian yang
diikuti pencarian nilai eigen dari matriks tersebut untuk menentukan kestabilannya.
Selanjutnya ditentukan model fungsi objektif dari model prey-predator. Berikutnya
dilakukan perhitungan kontrol optimal berdasarkan fungsi objektif yang diperoleh
dilanjutkan dengan penyelesaian menggunakan prinsip maksimum Pontryagin.
Simulasi dilakukan dengan menggunakan perangkat lunak Matlab. Dari hasil
simulasi dilakukan analisa untuk mendapatkan simpulan.
Hasil dan Pembahasan :
1. Membangun model Predator Prey
a. Populasi ikan prey terus tumbuh secara alami dengan laju pertumbuhan
sebesar 𝑟 terhadap 𝑡 waktu.
x
b. Sedangkan laju perkapita populasi ikan prey berkurang sebesar untuk
K
setiap bertambahnya ikan prey karena keterbatasan daya dukung
lingkungan.
c. Terdapat interaksi antara ikan prey dan ikan predator yang mengakibatkan
populasi ikan prey berkurang dengan adanya laju peningkatan relatif akibat
α
predasi, sebanding dengan laju kelahiran populasi ikan prey sebesar
α+x
dan mengakibatkan pula, laju pertumbuhan ikan predator semakin
meningkat sebesar 𝛽.
d. Adanya interaksi antara ikan prey dan ikan predator menyebabkan dampak
negatif bagi ikan predator karena terjadinya persaingan antar sesama ikan
predator dalam memperebutkan makanan, sehingga meningkatkan laju
kematian sebesar 𝛾.
e. Ikan predator mengalami kematian secara alami sebesar 𝑏.
Selanjutnya diberi perlakuan pemanenan pada ikan prey dan ikan predator, yang
dituliskan dalam model prey-predator berikut :

dx ( t )
dt (
=rx ( t ) 1−
K )
x ( t ) αx ( t ) y ( t )
−
α + x (t )
−h1 x ( t )

dy (t ) αx ( t ) y ( t ) (1.1)
= −by ( t ) −γy ( t )2−h2 y ( t )
dt α+x (t)

2. Menguji Titik Ekuilibrium

E0 ( 0,0 ) titik kepunahan prey dan predator

E1 ( r
,
αr )
k ( r −h1 ) 2 h1 ( αr+ k ( r−h 1) )
titik eksistensi seluruh populasi

3. Analisis Kestabilan Titikm Ekuilibrium

Untuk menguji titik ekuilibrium, dilakukan pencarian nilai eigen pada setiap titik
kestabilan dengan menentukan matriks jacobian (1.1) yaitu:

( ( )
)
x rx αxy αxy −αx
r 1− − − + −h1
K K α+x (α +x ) 2
α+x
J=
βαy αxy βxy
− −b+ −2 γy−h2
α+ x ( α+ x ) 2
α +x

Kemudian mencari nilai eigen

det ( λI −A )=0

J ( E0 ) =
( r−h1
0
0
−b−h2 )
Sehingga didapat nilai λ 1=r−h1 dan λ 2=−b−h2 karena λ 1> 0 dan λ 2< 0 maka titik
E0 ( 0,0 ) tidak stabil
Kemudian hal yang sma dilakukan untuk mecari nilai eigen di titk E1 kemudian
dilakukan analisis kestabilan
Diberikan parameter dan nilai awal sebagai berikut:

Variable Nilai
x (t ) 80
 y (t) 20
Table 1: nilai awal

Parameter Nilai
r 0.8
K 100
α 0.75
β 0.75
γ 0.08
a 10
b 0.001
h1 0.16
h2 0.16
Table 2: Nilai parameter
Kamudian nilai awal dan nilai parameter di substitusi ke persamaan (1.1) maka
didapat titik ekuilibrium yaitu (0,0), (0, -2.0125), (80, 0), (75.39, 4.20), (-
7.697+8.48i, 2.921+7.723i), (-7.697-7.42i, 2.9217.723i).
4. Kontrol Optimal
Pada artikel ini membahas sistem kontrol berupa pemberian makanan
tambahan pada ikan predator, sehingga persamaan (1.1) ditambahkan fungsi
kontrol:

dx ( t )
dt (
=rx ( t ) 1−
K )
x ( t ) αx ( t ) ( 1−C ) y ( t )
−
α + x (t)
−h1 x ( t )

dy (t ) αx ( t ) ( 1−C ) y ( t ) 2 (1.2)
= +Cy−by ( t ) −γy ( t ) −h2 y ( t )
dt α+x (t )

Artinya ikan predator selain memangsa ikan prey secara alami ikan predator juga
diberikan makanan tambahan sebesar ( 1−C ). Serta peneylasainnya positif yaitu
R+¿ ¿
2

5. Penyelesaiaan Kontrol Optimum

 Pada artikel ini kontrol yang diterapkan adalah memaksimumkan populasi ikan
prey dan ikan predator dan meminimumkan ongkos. Maka fungsi J adalah:

tf
Max J = p1 x ( t )+ p 2 y ( t ) −p 3∫ C dt
2

0 (1.3)

Dengan p1 , p2 , p 3 adalah konstanta pembobot dari C adalah variable ongkos.

Dengan syarat batas:
x ( 0 )=x 0 : y ( 0 )= y 0
C max ≤C ≤C min
6. Fungsi Hamiltonian

2
H=−p 3 C + λ1 rx ( t ) 1−( ( K )
x ( t ) αx ( t )( 1−C ) y ( t )
−
α+ x(t ) )
−hx ( t ) + ¿

λ2
( βαx ( t )( 1−C ) y ( t )
α+x (t ) ) 2
+Cy−by ( t ) −γy ( t ) −hy ( t )

7. Kondisi Stasioner
Selanjutnya mencari titik stasioner pada fungsi Hamiltonian berikut, dengan
cara menurunkan H terjadap C
∂H
=0
∂C
Didapatkan
λ1 αxy λ2 αβxy
y+ −
a+ x a+ x
C ¿=
2 p3
Sehingga didapatkan kontrol optimal

{
∂H
C min , jika
>0
∂C
λ 1 αxy λ2 αβxy
y+ −
C= ¿ a+ x a+ x ∂H
C= , jika =0
2 p3 ∂C
jika∧∂ H
C max , >0
∂C

8. Persamaan State
 Berdasrkan fungsi Hamiltonian, dapat dibentuk persamaan state sebagai
berikut:
r x αx ( c−1 ) y
2
∂H
ẋ= =rx−h 1 x− +
∂ λ1 K a+ x
∂ H βαx ( c−1 ) y 2
ẏ= = −by −γ y −h2 y
∂ λ2 a+ x
9. Persamaan Co-State
Selanjutnya berdasarkan fungsi Hamiltonian, didapatkan persamaan Co- state
berikut:
−∂ H α λ 1 y ( C−1 ) 2 λ1 rx αβ λ2 y (C−1 ) α λ1 xy ( C−1 ) αβ λ2 xy (C−1 )
λ˙1= =−λ1 r + λ1 h1− + + + −
∂x a+ x K a+ x ( a+ x )2 ( a+ x )2
−∂ H αβ λ2 x ( C−1 ) α λ 1 x ( C−1 )
λ˙1= =−C+ + b λ2−h2 λ 2+ 2 γ λ2 y−
∂x (α+x ) a+ x
10. Simulasi Numerik
Simulasi numerik dilakukan untuk memberikan interpretasi dari hasil dan
pembahsan berupa grafik serta memberika pejelasan terkait grafik yang di
peroleh agar mudah dipahami oleh pembaca artikel.
Kesimpulan
Dari penelitian ini dapat disimpulkan bahwa :
1. Analisis kestabilan menunjukkan bahwa terdapat 6 titik kekuilibrium dengan 1
titik yang stabil dengan jenis kestabilan stabil asimtotik, yaitu di titik (75.39,
4.20).
2. Berdasarkan kontrol optimal berupa pemberian makanan tambahan, jumlah
populasi prey dan predator saat diberikan makanan tambahan secara optimal,
nilainya jauh lebih besar dari pada saat tidak diberikan makanan alternatif.
Semakin tinggi konstanta pembobot pada ikan predator diberikan, semakin
tinggi biayanya
Kelebihan dan kekurangan
Kalebihan artikel → dapat memeberikan penjelasan yang mudah dipahami terkait
hubungan antara predator prey ketika diberika variable kontrol sebesar( C−1 ) dan
 diberikan penjelasan tambahan serta simulasi numerik dengan munggunakan
program DOT cvp dengan aplikasi MATLAB.
Kekurangan artike→ seperti yang kita ketauhi bersama bahwa yang namanya model
tidak ada yang sempurna, maka dari itu perlu adanya pembaharuan model, letak
kekurang dalam model ini adalah bagian model tidak memiliki titik ekuilibrium
yang dievaluasi menggunakan matriks Jacobi hanya saja langsung memasukan nila
parameter dan nilai awal kemudian di analisis, mungkin lebih memudahkan
dianalisis kestabilan terlebih dahlu kemudian mensubstitusikan nilai awal dan
parameternya,
2. Review Artikel 2
Judul Artikel : MODEL PENGENDALIAN INFLUENZA H1N1 DUA STRAIN
DENGAN VAKSINASI DAN PENGOBATAN
Identitas Penulis : D. Natalia, Toni Bakhtiar, J. Jaharudin

Nama Jurnal : Journal of Mathematics and Its Applications, Volume. 17, No. 1, Juli
2018, Halaman 1-16

Link Artikel : https://journal.ipb.ac.id/index.php/jmap/article/view/22337

Latar Belakang Penelitian:
Pada karya ilmiah ini, penyebaran influenza dua strain dimodelkan dengan
melibatkan tiga variabel kontrol yaitu vaksinasi dan pengobatan pada masing-
masing strain. Akan ditentukan variabel kontrol optimum sehingga dapat
meminimumkan populasi terinfeksi berdasarkan empat skenario pengendalian.
Prinsip maksimum Pontryagin diterapkan untuk menurunkan sistem persamaan
diferensial sebagai kondisi yang harus dipenuhi variabel-variabel kontrol optimum.
Kemudian, metode RungeKutta orde empat digunakan untuk menentukan solusi
numerik dari masalah kontrol optimum. Pada solusi numerik ditunjukkan bahwa
pemberian tiga buah kontrol pada model penyebaran influenza H1N1 dua strain
memberikan pengaruh yang baik karena dapat menurunkan populasi individu
terinfeksi oleh strain satu dan strain dua sampai 99% serta meningkatkan populasi
individu yang telah diobati secara efektif sampai 85% pada bulan ke lima.
Metode Penelitian:
 Metode penelitian yang digunakan pada artikel ini adalah teori control
optimum, prinsip maksimum pontryagin, dan simulasi menggunakan metode runge
kutta orde-4.
Hasil dan pembahasan:
Model matematika penyebaran influenza H1N1 dipaparkan ke dalam dua
model yaitu model tanpa kontrol dan model dengan kontrol. Model dinamika
penyakit influenza dinyatakan sebagai suatu persamaan diferensial taklinear
dengan total populasi 𝑁 yang terdiri dari beberapa kompartemen yaitu 𝑆 adalah
banyaknya populasi individu rentan (susceptible), 𝑉 adalah banyaknya populasi
individu rentan yang divaksinasi terhadap virus strain satu, 𝐼 adalah banyaknya
populasi individu terinfeksi oleh strain satu (infected), 𝐼 adalah banyaknya populasi
individu terinfeksi oleh strain dua (infected), dan 𝑅 adalah banyaknya populasi
individu sembuh (recovered). Pada model ini disumsikan bahwa laju kematian
alamiah untuk setiap kompartemen adalah sama dan konstan, laju kelahiran
individu rentan konstan, individu rentan yang divaksinasi terhadap virus strain satu
tidak akan terinfeksi oleh strain satu lagi, individu yang terinfeksi oleh strain satu
tidak terinfeksi oleh strain dua, individu terinfeksi tidak menginfeksi individu lain,
dan individu yang sembuh tidak akan kembali rentan.

Secara analitaik model tanpa control dapat dituliskan dalam Sistem Persamaan
Diferensial tak linear berikut:

Ṡ= Λ−(β 1 I 1+ β 2 I 2 +r + μ)S

V̇ =rS−( μ+ k I 2 )V

I˙1=β 1 I 1 S−α 1 I 1

I˙2=β 2 I 2 S+ k I 2 V −α 2 I 2

Ṙ=γ 1 I 1+ γ 2 I 2 −μR

Secar analitik medel dengankontrol dapat ditulikan dalam bentuk Sistem

Persamaan Diferensial tak linear berikut:
Ṡ= Λ−(β 1 I 1+ β 2 I 2 +u1 + μ)S

V̇ =u1 S−( μ+ k I 2)V

I˙1=β 1 I 1 S−α 1 I 1 −u1 I 1

I˙2=β 2 I 2 S+ k I 2 V −α 2 I 2−u3 I 2

Ṙ=( γ 1+u 2 ) I 1 + ( γ 2 +u3 ) I 2−μR

Kondisi Optimalitas

Masalah kontrol optimum yang dihadapi adalah menentukan fungsi kontrol u1 ,u 2,

dan u3 yang membawa sistem dari kondisi awal ( S0 , V 0 , I 10 , I 20 , R0 ) ke kondisi akhir
(ST , V T , I 1T , I 2 T , R T ) . Fungsional objektif untuk masalah pengendalian virus tersebut
adalah sebagai berikut:

T
1 1 1
min J (u1 , u2 ,u3 )=∫ [ AS(t )+ B1 I 1(t )+ B 2 I 2( t)+ C u 1 (t)+ C2 u2 (t)+ C3 u3 (t )] dt
2 2 2

0 2 1 2 2

¿ ¿ ¿
Fungsi kontrol J (u1 , u2 ,u3 )=min{J (u1 ,u 2 , u3 ): u1 , u2 ,u3 ϵ U }, di mana 𝑈 adalah
sekumpulan kontrol yang admissible selama vaksinasi dan pengobatan dengan
kendala:

Ṡ= Λ−(β 1 I 1+ β 2 I 2 +u1 + μ)S

V̇ =u1 S−( μ+ k I 2)V

I˙1=β 1 I 1 S−α 1 I 1 −u1 I 1

I˙2=β 2 I 2 S+ k I 2 V −α 2 I 2−u3 I 2

Ṙ=( γ 1+u 2 ) I 1 + ( γ 2 +u3 ) I 2−μR

dengan 𝑆(0) = 𝑆, 𝑉(0) = 𝑉,𝐼(0) = 𝐼,𝐼(0) = 𝐼, 𝑅(0) = 𝑅, sedangkan

𝑆(𝑇),𝑉(𝑇),𝐼(𝑇),𝐼(𝑇),𝑅(𝑇) tidak ditentukan (bebas) dan 0 ≤ 𝑎 ≤ 𝑢 ≤ 𝑏, 𝑖 = 1,2,3.

Fungsi Hamiltonian
 1 1
H= AS( t)+B 1 I 1(t)+B 2 I 2+ C u12(t )+ C 2 u 22 ¿ dengan:
2 1 2

f 1= Λ−(β 1 I 1 + β 2 I 2+u 1+ μ)S

f 2=u1 S−(μ +k I 2 )V

f 3=β 1 I 1 S−α 1 I 1−u1 I 1

f 4= β2 I 2 S +k I 2 V −α 2 I 2 −u3 I 2

f 5=( γ 1 +u2 ) I 1 + ( γ 2 +u3 ) I 2−μR

¿ −∂ H ¿ ( λ 1−λ 2) S ¿ ( λ 3−λ 5 ) I 1 ¿ ( λ 4 −λ5 ) I 2

Jika λ̇ ( t )= maka u1= , u2 = , u3 = . Dalam masalah
∂x C1 C2 C3
control optimum ini digunakan fungsi kontrol berbatas, yaitu a i ≤ ui ≤ b i dapat
dituliskan menjadi:

{ {
Kasus 1 a 1 ≤ u1 ≤ b1 , u¿1=min max a1 ,
( λ1 −λ2 ) S
C1 } } , b1

{ {
Kasus 2 a 2 ≤ u2 ≤ b2 , u¿2=min max a2 ,
( λ 3−λ5 ) I 1
C2 } }
,b 2

Kasus 3 a 3 ≤ u3 ≤ b 3, u¿3=min max a3 ,

{ { ( λ 4 − λ5 ) I 2
C3 } }
, b3

Kesimpulan :

Model penyebaran influenza H1N1 dengan tiga variabel kontrol yaitu

vaksinasi terhadap virus strain satu dan pengobatan pada masing-masing strain
dapat diformulasikan dalam masalah kontrol optimum. Di mana terdapat empat
skenario pengendalian yang memberikan pengaruh untuk setiap kompartemennya.
Dari keempat skenario yang dikaji, pemberian vaksin terhadap virus strain satu
pada Skenario I diberikan secara maksimum selama program berlangsung,
pemberian obat terhadap populasi individu terinfeksi oleh strain satu pada Skenario
II mulai diberikan secara maksimum setelah bulan ke dua dan dapat dikurangi
setelah bulan ke sebelas hingga akhir program, pemberian obat pada populasi
individu terinfeksi oleh strain dua pada Skenario III diberikan secara maksimum
sampai bulan ke sepuluh dan dapat dikurangi hingga akhir program. Sedangkan
penerapan vaksinasi dan pengobatan untuk masing-masing strain pada Skenario IV,
vaksinasi dan pengobatan untuk populasi individu terinfeksi strain dua diberikan
secara maksimum hingga akhir program, tetapi untuk pengobatan terhadap
populasi individu terinfeksi oleh strain satu cukup diberikan secara maksimum
sampai 8.5 bulan dan setelahnya dapat dikurangi sampai akhir program.

Kelebihan dan Kekurangan

Kelebihan interpretasi dari hasil dan pembahasan cukup jelas serta mudah untuk
dipahami pembaca artikel karena diberikan simulasi numeric untuk kekurangan
artikel ini tidak membahas terkait analisis kestabilan dan titik kesetimbangan.

3. Review Artikel 3

Judul Artikel : Analisis Kestabilan dan Kontrol Optimum pada Model

Penyebaran Penyakit Influenza dengan Adanya Populasi Cross-Immune

Identitas Penulis : Bertha Aurelia Pamudya Fajar, Miswanto, Windarto

Nama Jurnal : Contemporary Mathematics and Applications vol. 4, no. 1,

2022, 72-90

Link Artikel : https://e-journal.unair.ac.id/CONMATHA/article/view/39168

Latarbelakang:

Influenza lebih dikenal dengan sebutan flu, yang disebabkan oleh virus RNA
dari family Orthomyxoviridae (virus influenza), flu dapat dibedakan dalam tiga tipe
berbeda yaitu tipe A, B, dan C. Orang yang terinfeksi influenza umumnya dapat
sembuh dalam jangka waktu satu sampai dua minggu. Pada balita dan orang tua
influenza dapat menimbulkan risiko yang serius. Infeksi tersebut dapat
menyebabkan kematian . Penularannya dari orang ke orang melalui udara bersin,
batuk, menyentuh benda-benda kotor kemudian dengan tidak sengaja tangan
menggosok mata, hidung atau mulut, dan lain-lain.

Berdasarkan uraian di atas, pada artikel ini akan dikaji analisis model
matematika penyebaran influenza dengan mempertimbangkan adanya masa
inkubasi serta mengubah laju pertumbuhan eksponensial berubah menjadi model
pertumbuhan logistik. Adapun model logistik adalah sebuah model pertumbuhan
yang dianggap lebih realistis dibandingkan model eksponensial karena pada
kenyataannya laju pertumbuhan populasi terbatas. Dengan memasukkan batas
kapasitas pendukung untuk populasinya sehingga jumlah populasi tidak akan
tumbuh secara tak terhingga dan pada masa tertentu jumlah populasi akan
mendekati kapasitas pendukung. Selain itu penulis juga menambahkan variabel
kontrol berupa pencegahan (menjaga jarak, menggunakan masker, mencuci tangan)
dan pengobatan. Dari penambahan variabel kontrol tersebut diharapkan dapat
mengeliminasi atau mereduksi populasi yang terinfeksi penyakit influenza.

Metode Penelitan:

Metode penelitan yang digunakan dalam artikel ini adalah menganalisis kestabilan
model matematika penyebaran penyakit influenza. Analisis model matematika
penyebaran penyakit influenza meliputi mencari titik setimbang, menganalisis
kestabilan titik setimbang yang diperoleh, dan menentukan bilangan reproduksi
dasar dari model. Selanjutnya model matematika penyebaran penyakit influenza
dimodifikasi dengan memberikan kontrol berupa upaya tindakan pencegahan dan
pengobatan. Berikutnya akan dicari solusi kontrol yang optimal dari model
matematika penyebaran penyakit influenza menggunakan Prinsip Maksimum
Pontryagin.

Hasil dan pembahasan:

pada awal pembahasan artikel diberikan asumsi model matematis,
menkontruksi model matematika selanjutnya mengabalisis titik kesetimbangan
kmaudian dari titk kesetimbang non endemic digunakan untuk mengetahui ambang
batas suatu keadaan yang menunjukan bahwa suatu penyakit mengalami keadaan
ada penyebaran penyakit atau tidak yaitu R0 .
Adapun model matematika penyebaran penyakit influenza serta adanya
kontrol berupa usaha pencegahan dan pengobatan adalah sebagai berikut:

Selanjutnya, menentukan fungsi ongkos atau indeks performansi dari model

matematika penyebaran penyakit influenza yang telah diberi kontrol berupa
u1 (t)dan u2 (t ). Berdasarkan penjelasan diatas, maka dapat dibentuk fungsi ongkos
sebagai berikut:
Oleh karena u1 dan u2 berada pada rentang 0 ≤ u1 ,u2 ≤1 maka diperoleh beberapa
kemungkinan sebagai berikut:

¿ ¿
diketahui bahwa nilai kontrol u1 dan u2 bergantung pada variabel state dan variabel
co-state, sehingga perlu adanya penyelesaian persamaan state dan persamaan co-
state untuk memperoleh variabel tersebut. Persamaan state diperoleh melalui
∂H
ẋ= , sehingga diperoleh:
∂λ
 ∂H
Persamaan co-state diperoleh melalui γ̇= , sehingga diperoleh:
∂x

Kesimpulan:

Model matematika penyebaran penyakit influenza memiliki dua titik

setimbang, yaitu titik setimbang non endemik (𝐸0) dan titik setimbang (𝐸1).
Berdasarkan hasil simulasi numerik pada model matematika penyebaran penyakit
influenza sebelum diberi kontrol terlihat bahwa titik setimbang stabil dan sesudah
diberikan kontrol menggunakan program DOTcvp, hasil simulasi numerik
menunjukkan bahwa upaya pengobatan lebih efektif dan biaya yang dibutuhkan
lebih kecil di bandingkan dengan biaya pencegahan. Ketika penerapan kontrol
dilakukan secara bersamaan, yaitu upaya pencegahan (𝑢1) dan upaya pengobatan
(𝑢2) lebih efektif dan biaya yang dibutuhkan lebih minimum dibandingkan jika
dilakukan secara terpisah.

Kelebihan dan Kekurangan

Kelebihan Artikel ini dapat dilahat bahwa dibangun menggunakan analisis

pendekatan model penyakit yang menjelaskan penaykit ini mudah menyabar atau
tidak dengan R0 . Kelemahan artikel ini untuk R0 tidak di jelaskan cara
mendapatkannya dan langkah penyelesainya.

4. Review Artikel 4
Judul Artikel : Masalah Kontrol Optimum Linear Penyebaran Virus HIV
Melalui Penggunaan Dua Jenis Obat
Identitas Penulis : R. Nurbayan , Toni Bakhtiar, A. Kunanto
Nama Jurnal : :Journal of Mathematics and Its Applications , Volume 17, No.
2, Desember 2018, Halaman 115-127
Link Artikel : https://journal.ipb.ac.id/index.php/jmap/article/view/24735
Latar Belakang:
Dalam karya ilmiah ini dipelajari model interaksi sel CD4+T sehat dengan sel
HIV serta menambahkan dua jenis kontrol, yaitu obat penambah kekebalan tubuh
dan obat antivirus. Masalah interaksi ini diformulasikan dalam bentuk model
kontrol optimum dengan fungsional objektif memaksimumkan populasi sel CD4+T
sehat serta meminimumkan dosis obat yang dikonsumsi. Penerapan prinsip
maksimum Pontryagin memberikan empat persamaan diferensial sebagai syarat
penyelesaian, yaitu dua persamaan diferensial untuk sistem dan dua persamaan
diferensial untuk fungsi adjoin. Solusi numerik diperoleh dengan menyelesaikan
sistem persamaan diferensial menggunakan metode Runge-Kutta orde-4.
Pemberian kontrol pada sistem membuat populasi sel CD4+T sehat bertambah dan
membuat populasi sel HIV berkurang. Pemberian kontrol sebaiknya tidak diberikan
secara bersamaan karena tidak akan memberikan kontribusi untuk salah satu
kontrol.
Metode Penelitian:
Metode yang digunakan dlam penelitia ini menggunakan prinsip maksimum
pontryagin, control optimum linear, dan metode runge kutta orde-4
Hasil dan Pembahasan:
Model awal:

Model Kontrol:
Kondisi Optimalitas:
Kesimpulan:

Model penyebaran virus HIV dengan dua variabel kontrol yaitu obat
penambah kekebalan tubuh dan obat antivirus dapat diformulasikan dalam masalah
kontrol optimum. Di mana terdapat tiga skenario pengendalian yang memberikan
pengaruh untuk setiap kompartemennya. Pemberian kontrol pada model interaksi
sel 𝐶𝐷4 +𝑇 memberikan pengaruh yang baik karena dapat membuat jumlah sel 𝐶𝐷4
+𝑇 menjadi semakin naik, sedangkan jumlah sel HIV semakin menurun. Penerapan
kontrol 𝑢1 dan 𝑢2 secara bersamaan tidak memberikan kontribusi untuk kontol 𝑢1,
oleh karena itu sebaiknya pemberian kontrol tidak dilakukan secara bersamaan.
Dari ketiga skenario tersebut, terlihat bahwa Skenario I memberikan hasil yang
lebih efektif dari skenario yang lain karena sel 𝐶𝐷4+𝑇 dengan kontrol mengalami
kenaikansampai hari ke-22 dan populasi HIV dengan kontrol mengalami penurunan
sampai hari ke-22.

Kelebihan dan kekurangan:

Kelebihan interpretasi dari hasil dan pembahasan cukup jelas serta mudah
untuk dipahami pembaca artikel karena diberikan simulasi numeric untuk
kekurangan artikel ini tidak membahas terkait analisis kestabilan dan titik
kesetimbangan.

5. Review Artikel 5
Judul Artikel : Aplikasi Persamaan Diferensial Stokastik Pada masalah
Kontrol Optimum Berkendala
Identitas Penulis : Meliana Pasaribu dan Helmi
Nama Jurnal : Barekeng: Jurnal Ilmu Matematika dan Terapan, Volume 15,
No. 2, Juni 2021, Halaman 257-266
Link Artikel : https://ojs3.unpatti.ac.id/index.php/barekeng/index
Latar Belakang:
Penyebaran Covid-19 dapat dikontrol dengan mengkarantina populasi yang
terinfeksi Covid-19 atau memberikan vaksinasi pada individu yang rentan. Namun,
karantina dan vaksinasi skala besar juga mengakibatkan kerugian ekonomi. Oleh
karena itu perlu dikaji kontrol yang optimal agar biaya yang dikeluarkan minimum,
namun kontrol yang dilakukan tetap efektif untuk mengendalikan penyebaran
Covid-1. Dalam penelitian ini dipelajari masalah pengendalian optimal epidemik
yang dimodelkan melalui model SIR stokastik. Penyebaran Covid-19 diasumsikan
dapat dikendalikan oleh pemerintah dengan pemberian kontrol vaksinasi dan
isolasi dengan rtujuan meminimumkan jumlah individu terinfeksi dan biaya
vaksinasi. Model dikonstruksikan menjadi 2 kasus yaitu model I dengan vaksinasi
dan model II dengan isolasi. Model ini didekati dengan persamaan Hamilton-Jacobi-
Bellman yang menghasilkan sistem persamaan diferensial stokastik maju mundur.
Penyelesaian persamaan Hamilton-Jacobi-Bellman didekati dengan menggunakan
prinsip stokastik maksimum. Berdasarkan hasil analisis kontrol vaksinasi pada
model I dan model II keduanya eksis dan dengan menerapkan prinsip Stokastik
maksimum dapat diperoleh kontrol dan sistem yang optimal.
Metode Penelitian:
Dalam penelitian ini dipelajari masalah pengendalian optimal epidemik yang
dimodelkan melalui model SIR stokastik dengan berasumsi bahwa pemerintah
memiliki kemampuan untuk mempengaruhi penyebaran Covid-19 melalui salah
satu atau beberapa kebijakan. Penelitian ini diawali dengan melakukan studi
literatur dari beberapa referensi yang terkait dengan persamaan diferensial
stokastik, kontrol optimal dan Covid-19. Setelah itu peneliti mempelajari tentang
model SIR dari penyebaran Covid-19 dan melakukan perluasan model SIR stokastik.
Hal ini dilakukan karena terlalu banyak faktor acak dalam penyebaran Covid-19,
diantaranya kondisi fisik yang berbeda tiap individu dan perubahan perilaku dari
individu. Oleh karena itu model SIR Deterministik diperluas dengan waktu kontinu
stokastik. Selanjutnya dilakukan pengkonstruksian model penyebaran Covid-19.
Pada permasalahan ini diasumsikan apabila seluruh populasi sudah melakukan
vaksinasi maka herd immunity sudah terbentuk. Dengan demikian tidak perlu
dilakukan isolasi. Dan asumsi selanjutnya apabila vaksin Covid-19 tidak tersedia,
maka populasi diminta pemerintah untuk melakukan karantina/isolasi. Dengan
asumsi tersebut, model dibagi ke dalam 2 kasus yaitu model I dengan vaksinasi dan
model II dengan adanya isolasi. Model I dan II beserta fungsi objektifnya kemudian
dianalisis dengan menerapkan Prinsip Stokastik Maksimum. Prinsip ini dilakukan
terhadap Hamiltonian dari persamaan optimal yang terbentuk untuk menentukan
kontrol optimalnya. Pendekatan ini merupakan versi stokastik dari Prinsip
pontryagin maksimum yang diperkenalkan dalam kontrol optimal deterministic
Hasil dan Pembahasan:
Model covid-19:

Model kontrol optimal:

Masalah control optimum:

Penyelesaiyan optimasi vaksinas:

Kesimpulan:
Berdasarkan hasil penelitian diperoleh kesimpulan bahwa kontrol optimal
berkaitan dengan tindakan vaksinasi atau isolasi dengan meminimalkan jumlah
populasi Infected dan biaya kontrol (vaksinasi). Kontrol yang optimal dari
permasalahan pada Teorema (1).
Kelebihan dan Kekurangan:
Kalabihan artikel ini menggunakan metode stokastik dlam menyelasaikan model
kontrol optimum sesuatu yang berbeda dari penelitian sebelumnya yang dimana
menggunakan analsisi kestabilan, kekurangan artikel ini tidak terdapat representasi
¿
grafik yang menunjukan aksistensi nilai u (t).
6. Rancangan Ide Penelitian
Dari kelima artikel diatas rancangan ide penelitian yang relevan ialah
penegmbangan model eko-epidemiologi, Pemodelan matematika merupakan cabang
ilmu matematika yang merepresentasikan atau menjelaskan masalah di kehidupan
nyata kedalam bentuk matematika. Pemodelan matematika biasanya selalu
dikaitkan dengan cabang ilmu yang lain seperti biologi, fisika, kesehatan, dan teknik.
Salah satu cabang ilmu biologi adalah ekologi. Ekologi adalah ilmu yang mempelajari
makhluk hidup dan interaksinya terhadap lingkungan maupun interaksi dengan
sesama makhluk hidup
Selain model ekologi, masalah epidemiologi merupakan salah satu topik
hangat dalam pemodelan matematika. Pemodelan matematika dalam epidemiologi
memberikan pemahaman tentang mekanisme mendasar yang mempengaruhi
penyebaran penyakit. Dalam pemodelan matematika dari penularan penyakit,
seperti di sebagian besar bidang pemodelan matematika lain, biasanya dilakukan
modifikasi antara model-model sederhana, yang menghilangkan sebagian detail dan
merancang untuk memodelkan perilaku kualitatif umum, dan model kompleks,
biasanya dirancang untuk situasi tertentu
Beberapa penelitian terdahulu yang relevan, A. Mondal, A. K. Pal, and G. P.
Samanta, “On the dynamics of evolutionary Leslie-Gower predator-prey eco-
epidemiological model with disease in predator,” Ecological Genetics and Genomics,
vol. 10, no. August 2018, p. 100034, 2019.
H.S.Panigoro,A.Suryanto,W.M.Kusumawinahyu,andI.Darti,“DynamicsofaFractional-
OrderPredator-PreyModel with Infectious Diseases in Prey,” Commun. Biomath. Sci.,
vol. 2, no. 2, pp. 105–117, 2019. M. Moustafa, M. H. Mohd, A. I. Ismail, and F. A.
Abdullah, “Dynamical analysis of a fractional-order ecoepidemiological model with
disease in prey population,” Advances in Difference Equations, vol. 2020, no. 1, p. 48,
2020.
Menjadi sesuatu hal menarik ketika model eko-epidemiologi kita terapkan
kedalam masalah kontrol optimum, mungkin akan menjadi sesuatu hal yang baru
selanjutnya Kontrol optimum adalah cara untuk menentukan variabel kontrol yang
akan menyebabkan proses memenuhi beberapa kendala fisik dan pada saat yang
sama memaksimalkan atau meminimalkan kriteria kinerja yang dipilih (indeks
kinerja atau fungsi biaya).
7. Lampiran
Artikel 1
Artikel 2
Artikel 3
Artikel 4
Artikel 5