Abstrak—Tuberkulosis (TB) merupakan penyakit menular seseorang mempunyai ketahanan tubuh yang lebih baik,
kronis yang menyerang paru-paru yang disebabkan oleh sehingga mampu mempertahankan diri terhadap penyakit
bakteri Mycobacterium tuberculosis. Model penyebaran atau masuknya kuman dari luar [3]. Namun, kemampuan dari
penyakit yang digunakan terdiri dari 4 persamaan yaitu vaksin yang diberikan tidak dapat bertahan seumur hidup.
subpopulasi Susceptible, subpopulasi Infective, subpopulasi Seiring bertambahnya usia, efektivitas dari vaksin akan
Treatment dan subpopulasi Recovery. Untuk mencegah
penyebaran, sistem diberi kontrol berupa terapi pada pasien
semakin berkurang. Akibatnya tetap diperlukan usaha
yang terinfeksi dan vaksinasi pada individu yang rentan. Studi penyembuhan melalui pengobatan atau terapi bagi pasien TB
ini membahas tentang analisis pada model dengan menentukan [1].
bilangan reproduksi dasar, titik kesetimbangan bebas penyakit Oleh karena itu, untuk mengetahui penyebaran penyakit
dan endemik, dan kestabilan dari setiap titik kesetimbangan TB, diperlukan suatu model matematika yang dapat
berdasarkan kriteria Routh-Hurwitz. Kemudian dilakukan merepresentasikan permasalahan yang terjadi guna
kontrol optimal menggunakan Prinsip Pontryagin dengan mencegah penyebaran penyakit tersebut. Model matematika
pemberian dua kontrol yaitu terapi dan vaksinasi. Solusi diperoleh melalui suatu proses penerjemahan permasalahan
numerik yang diberikan dengan metode Runge Kutta orde dalam kehidupan sehari-hari ke dalam bahasa matematika
empat, dan simulasi menggunakan MATLAB. Hasil analisis
menunjukkan terdapat kestabilan pada setiap titik
yang disebut dengan pemodelan matematika. Dari model
kesetimbangan dengan syarat tertentu dan menurunnya matematika tersebut akan terbentuk suatu sistem persamaan
populasi Tuberkulosis (TB) setelah pemberian kontrol. diferensial yang dapat diketahui suatu titik kesetimbangan
dan menganalisa kestabilannya. Dan juga akan dicari kontrol
Kata Kunci—Model SITR, Kestabilan, Kontrol Optimal, Prinsip optimal dari model matematika tersebut, sehingga dapat
Pontryagin, Metode Runge-Kutta. diketahui pengobatan ataupun pencegahan yang dapat
mengurangi penyebaran penyakit TB itu sendiri.
Model matematika penyebaran penyakit TB yang dibahas
I. PENDAHULUAN
dalam Studi ini adalah model epidemik SITR (Susceptible-
maka penurunan jumlah individu pada subpopulasi Infected S(t) : jumlah individu kelas rentan/susceptible pada saat t
tersebut akan semakin cepat [5]. I(t) : jumlah individu kelas terinfeksi/infective pada saat t
Dalam Studi ini dibahas model TB dengan memasukkan T(t) : jumlah individu kelas pengobatan/treatment pada saat
parameter kontrol yaitu terapi pada individu yang terinfeksi t
dan vaksinasi pada individu yang rentan. Selain itu, akan R(t) : jumlah individu kelas sembuh/recovery pada saat t
dilakukan analisis kestabilan dan kontrol optimal serta N(t) : jumlah individu total pada saat t
menemukan kondisi yang dibutuhkan untuk kontrol optimal 𝑏 : angka kelahiran (birth rate)
penyakit menggunakan Prinsip Maksimum Pontryagin guna 𝜇 : angka kematian alami (mortality rate)
menentukan strategi yang optimal untuk mengendalikan 𝛽 : laju penyebaran
penyebaran penyakit. Setelah itu, akan dilakukan simulasi 𝛼 : pemberian treatment
dari penyelesaian numerik dengan Metode Runge Kutta 𝛾 : angka kesembuhan (recovery rate)
menggunakan MATLAB. 𝑁 : angka total populasi
𝑏𝑁 : angka jumlah populasi yang lahir dalam populasi
II. DASAR TEORI 𝛽𝐼𝑆 : angka besarnya populasi yang terinfeksi
dahak BTA (Basik Tahan Asam) dari seorang penderita baru 4. Suatu titik setimbang dikatakan takstabil bila dia tidak
positif atau jika tes BTA negatif namun hasil ronsen stabil.
menunjukkan lesi luas. Pada kasus kategori kedua, dibagi Untuk menganalisis kestabilan sistem non linear, maka
menjadi tiga jenis yaitu terapi bagi pasien kambuh, terapi bagi digunakan analisis transformasi kestabilan lokal disekitar
pasien gagal pengobatan, dan terapi bagi pasien TB paru yang titik setimbangnya [8].
putus obat. Kategori ketiga adalah kasus baru TB paru dengan Pada kasus epidemiologi terdapat dua titik kesetimbangan
hasil uji dahak BTA negatif dan hasil ronsen memperlihatan yaitu titik kesetimbangan bebas penyakit dan titik
lesi yang minimal. Pada kategori keempat, terapi dibagi kesetimbangan endemik. Titik kesetimbangan bebas penyakit
menjadi dua jenis yaitu terapi bagi pasien kronis dan terapi adalah titik ketika model epidemik berada pada keadaan
bagi pasien yang resisten obat atau MDR (Multi Drugs setimbang dengan tidak adanya penyebaran penyakit
Resistance) TB. Uji resistensi penyakit dapat dilakukan di menular, sedangkan titik kesetimbangan endemik adalah titik
awal-awal ditemukan kasus baru TB, sehingga pada saat ketika model epidemik berada pada keadaan setimbang
mendapatkan terapi kategori I atau III pasien sudah dengan adanya penyebaran penyakit.
mengetahui apakah tubuhnya resisten terhadap obat anti TB
E. Bilangan Reproduksi Dasar
atau tidak, seandainya positif maka pasien yang bersangkutan
harus mendapat terapi MDR TB [5]. Bilangan reproduksi dasar (R0 ) adalah bilangan yang
menyatakan banyaknya rata-rata individu terinfeksi sekunder
C. Model Tuberkulosis akibat tertular individu terinfeksi primer yang berlangsung
Model matematika penyakit TB berdasarkan pada pada populasi individu rentan penyakit. Bilangan reproduksi
penelitian yang dilakukan oleh Syafruddin Side, dkk [5] dasar dapat ditentukan menggunakan metode next generation
adalah sebagai berikut: operator dengan mencari matriks F dan V dari sistem
𝑑𝑆 𝐼 penyebaran Tuberkulosis (TB). Fi adalah laju kemunculan
= 𝑏𝑁 − 𝛽 𝑁 𝑆 − 𝜇𝑆 (2.1)
𝑑𝑡
𝑑𝐼 𝐼 infeksi baru pada kompartemen, Vi adalah laju perpindahan
= 𝛽 𝑁 𝑆 − 𝛼𝐼 − 𝜇𝐼 (2.2) individu keluar dari kompartemen, dan x0 adalah titik
𝑑𝑡
𝑑𝑇 kesetimbangan bebas penyakit, maka bilangan reproduksi
= 𝛼𝐼 − 𝛾𝑇 − 𝜇𝑇 (2.3)
𝑑𝑡
𝑑𝑅 dasar diperoleh dari nilai eigenvalue terbesar dari matriks
= 𝛾𝑇 − 𝜇𝑅 (2.4) 𝜕𝐹𝑖 (𝑥0 ) 𝜕𝑉𝑖(𝑥0 )
−1
𝜕𝐹𝑖 (𝑥0 ) 𝜕𝑉𝑖(𝑥0 )
𝑑𝑡
𝑁(𝑡) = 𝑆 (𝑡) + 𝐼(𝑡) + 𝑇(𝑡) + 𝑅(𝑡) (2.5) [ ][ ] dimana 𝐹 = dan 𝑉 =
𝜕(𝑥𝑗 ) 𝜕(𝑥𝑗 ) 𝜕(𝑥𝑗 ) 𝜕(𝑥𝑗 )
Keterangan:
JURNAL SAINS DAN SENI ITS Vol. 8, No. 2 (2019), 2337-3520 (2301-928X Print) A60
Jika model mempunyai dua titik kesetimbangan yaitu titik sesuai dengan tujuan. Langkah-langkah penyelesaian
kesetimbangan bebas penyakit dan titik kesetimbangan masalah kontrol optimal adalah sebagai berikut [9]:
endemik, maka tidak terjadi endemik jika 𝑅0 < 1 dan terjadi 1. Bentuk Hamiltonian
endemik jika 𝑅0 > 1 [16]. 𝐻(𝑥(𝑡), 𝑢(𝑡), 𝜆(𝑡), 𝑡) = 𝑉(𝑥(𝑡), 𝑢(𝑡) + 𝜆′ (𝑡) 𝑓(𝑥(𝑡), 𝑢(𝑡), 𝑡)
2. Memaksimalkan H terhadap 𝑢(𝑡) dengan cara:
F. Kriteria Kestabilan Routh-Hurwitz 𝜕𝐻
Kriteria kestabilan Routh-Hurwitz dapat dipakai untuk =0
𝜕𝑢
mengecek langsung kestabilan melalui koefisien persamaan Sehingga diperoleh kondisi stasioner 𝑢∗ (𝑡) =
tanpa menghitung akar-akar dari polinomial yang ada. ℎ(𝑥 ∗ (𝑡), 𝜆∗ (𝑡), 𝑡)
Diberikan matriks Jacobian dari sistem dengan titik 3. Dengan menggunakan 𝑢∗ (𝑡) yang diperoleh dari langkah
setimbang (𝑥1 (0), 𝑥2 (0), … . . , 𝑥𝑛 (0))sebagai berikut: 2, akan didapatkan fungsi Hamiltonian baru yang optimal,
𝜕𝑓1 𝜕𝑓1
…
𝜕𝑓1 𝐻 ∗ (𝑡), yaitu:
𝜕𝑥1 𝜕𝑥2 𝜕𝑥𝑛
𝜕𝑓2 𝜕𝑓2 𝜕𝑓2
𝐻 ∗ (𝑥 ∗ (𝑡), 𝑢∗ (𝑡), 𝜆∗ (𝑡), 𝑡) = 𝐻 (𝑥 ∗ (𝑡), 𝜆∗ (𝑡), 𝑡)
… 4. Selesaikan persamaan state dan costate
𝐽= 𝜕𝑥1 𝜕𝑥2 𝜕𝑥𝑛
⋮ ⋮ ⋮ ⋮ 𝜕𝐻 ∗ 𝜕𝐻 ∗
𝜕𝑓𝑛 𝜕𝑓𝑛 𝜕𝑓𝑛 𝑥 (𝑡 ) = dan 𝜆(𝑡) = −
[𝜕𝑥1 … 𝜕𝜆 𝜕𝑥
𝜕𝑥2 𝜕𝑥𝑛 ](𝑥 (0),𝑥 (0),…..,𝑥 (0))
1 2 𝑛 Dengan kondisi batas diberikan oleh kondisi transversal
Nilai akar-akar karakteristik dari matriks J adalah akar-akar (keadaan awal dan keadaan akhir) yaitu:
karakteristik dari polinomial ′
𝜕𝑆 𝜕𝑆
𝑞(𝑠) = 𝑎𝑛 𝑠 𝑛 + 𝑎𝑛−1 𝑠 𝑛−1 + ⋯ + 𝑎1 𝑠 + 𝑎0 , 𝑎𝑛 ≠ 0 ∗
(𝐻 + ) 𝛿𝑡𝑓 + (( ) − 𝜆 (𝑡)) 𝛿𝑥𝑓 = 0 ∗
𝑑𝑆 𝑑𝐼 𝑑𝑇 𝑑𝑅
𝐻𝑝𝑚 = 𝐿(𝐼, 𝑐, 𝑟0 ) + 𝜆1 + 𝜆2 + 𝜆3 + 𝜆4 Kemudian dengan menggunakan MATLAB dihitung
𝑑𝑡 𝑑𝑡 𝑑𝑡 𝑑𝑡
𝐼 nilai bilangan reproduksi dasar 𝑅0 sebelum pemberian
= 𝑎𝐼 + 𝑏1 𝑐 2 + 𝑏2 𝑟02 + 𝜆1 (𝑏𝑁 −𝛽 𝑆 − 𝑐𝑆 − 𝜇𝑆) +
𝑁 kontrol diperoleh 𝑅0 = 3,214. Karena 𝑅0 > 1 maka terjadi
𝐼
𝜆2 (𝛽 𝑆 + 𝑐𝑆 + (1 − 𝑞)𝛾𝑇 − (𝜇 + 𝜇𝑡 + 𝛼 + 𝑟0 + penyebaran penyakit. Karena terjadi endemik, maka
𝑁
𝛿)𝐼) + 𝜆3 ((𝛼 + 𝑟0 )𝐼 − 𝛾𝑇 − 𝜇𝑇) + 𝜆4 (𝛿𝐼 + 𝑞𝛾𝑇 − 𝜇𝑅) diperlukan pemberian kontrol dalam upaya mengurangi
penyebaran penyakit.
Selanjutnya adalah menentukan kondisi stasioner dari
Adapun hasil simulasinya seperti yang ditunjukkan
persamaan Hamiltonian guna meminimumkan terhadap Gambar 2.
𝜕𝐻𝑝𝑚
𝑐 dan 𝑟0. Berdasarkan prinsip optimal, maka =
𝜕𝑐
𝜕𝐻𝑝𝑚
0 dan = 0, sehingga diperoleh karakteristik kontrol
𝜕𝑟0
optimal 𝑐 dan 𝑟0∗ sebagai berikut:
∗
(𝜆1 −𝜆2 )𝑆
𝑐∗ =
2𝑏1
(𝜆2 −𝜆3 )𝐼
𝑟0∗ =
2𝑏2
Karena nilai kontrolnya terbatas, dimana 0 ≤ 𝑐 ≤ 1 dan 0 ≤
𝑟0 ≤ 1, maka:
(𝜆 −𝜆 )𝑆
𝑐 ∗ = max {0, 𝑚𝑖𝑛 (1, 12𝑏 2 )}
1
(𝜆2 −𝜆3 )𝐼
𝑟0∗ = max {0, 𝑚𝑖𝑛 (1, )} Gambar 2. Grafik Populasi S.
2𝑏2
Selanjutnya akan dicari persamaan state dan costate yang
optimal dilakukan dengan menurunkan secara parsial fungsi Dari Gambar 2 dapat diamati terjadi penurunan populasi
Hamiltonian 𝐻𝑝𝑚 kemudian mensubstitusi nilai 𝑐 ∗ dan 𝑟0∗ .. 𝑆𝑢𝑠𝑐𝑒𝑝𝑡𝑖𝑏𝑙𝑒 (𝑆). Ini dikarenakan pemberian kontrol
sehingga diperoleh persamaan sebagai berikut: 𝑐 dan 𝑟0 sehingga individu yang awalnya individu
a. Persamaan state yang optimal 𝑆𝑢𝑠𝑐𝑒𝑝𝑡𝑖𝑏𝑙𝑒 (𝑆) menjadi individu 𝐼𝑛𝑓𝑒𝑐𝑡𝑖𝑣𝑒 (𝐼).
𝐼 (𝜆1 −𝜆2 )𝑆
𝑆 ∗ (𝑡) = 𝑏𝑁 − 𝛽 𝑆 − ( )𝑆 − 𝜇𝑆
𝑁 2𝑏1
𝐼 (𝜆1−𝜆2 )𝑆
𝐼 ∗ (𝑡) = 𝛽 𝑆 + ( ) 𝑆 + (1 − 𝑞)𝛾𝑇 − (𝜇 + 𝜇𝑡 + 𝛼 +
𝑁 2𝑏1
(𝜆2 −𝜆3 )𝐼
( ) + 𝛿) 𝐼
2𝑏2
(𝜆2 −𝜆3 )𝐼
𝑇 ∗ (𝑡) = (𝛼 + ( )) 𝐼 − 𝛾𝑇 − 𝜇𝑇
2𝑏2
𝑅∗ (𝑡) = 𝛿𝐼 + 𝑞𝛾𝑇 − 𝜇𝑅
b. Persamaan costate yang optimal
𝐼 𝐼
𝜆1′ = − [𝜆1 (−𝛽 − 𝑐 − 𝜇) + 𝜆2 (𝛽 + 𝑐)]
𝑁 𝑁
𝛽𝑆 𝛽𝑆
𝜆′2 = − [𝜆1 (− ) + 𝜆2 ( − (𝜇 + 𝜇𝑡 + 𝛼 + 𝑟0 + 𝛿)𝐼) + 𝜆3 ((𝛼 +
𝑁 𝑁
𝑟0 )𝐼) + 𝜆4 (𝛿𝐼)]
𝜆′3 = −[𝜆2 ((1 − 𝑞)𝛾𝑇) + 𝜆3 (−𝛾 − 𝜇) + 𝜆4 (𝑞𝛾𝑇)] Gambar 3. Grafik Populasi I.
𝜆′4 = −[𝜆4 (−𝜇)]
Selanjutnya dilakukan simulasi dengan memasukkan nilai Dari Gambar 3 dapat diamati terjadi penurunan pada
parameter pada setiap populasi menggunakan metode populasi 𝐼𝑛𝑓𝑒𝑐𝑡𝑖𝑣𝑒 (𝐼). Ini berarti pemberian kontrol
numerik Runge-Kutta Orde-4. Berikut adalah nilai parameter 𝑐 dan 𝑟0 efektif dalam mengurangi jumlah infeksi TB pada
yang ditunjukkan pada Tabel 1. populasi 𝐼𝑛𝑓𝑒𝑐𝑡𝑖𝑣𝑒 (𝐼) dalam waktu 60 hari. Dimana nilai
kontrol 𝑐 = 0,1429 dan 𝑟0 = 0,8571.
Tabel 1.
Nilai Parameter
Parameter Nilai Parameter Nilai
B 0,45 q 0,85
𝝁 0,1 𝛿 0,2
𝜷 0,5 a 0,25
𝜶 0,3 𝑏1 0,5
𝜸 0,91 𝑏2 0,5
𝝁𝒕 0,2
Simulasi menggunakan metode numerik Runge Kutta dengan
nilai awal diberikan:
𝑆(0) = 0,2921
𝐼 (0) = 0,2921
𝑇(0) = 0,2921
𝑅(0) = 0,1237 Gambar 4. Grafik Populasi T.
dengan waktu akhir adalah 60 hari.
Diasumsikan bahwa 𝑐 = 𝑟0 = 0 sebelum pemberian kontrol Dari Gambar 4 dapat diamati terjadi peningkatan pada
pada model TB. populasi 𝑇𝑟𝑒𝑎𝑡𝑚𝑒𝑛𝑡 (𝑇). Ini dikarenakan pemberian kontrol
JURNAL SAINS DAN SENI ITS Vol. 8, No. 2 (2019), 2337-3520 (2301-928X Print) A64
𝑐 dan 𝑟0 sehingga individu yang awalnya individu kontrol yaitu 𝑅0 = 3,214. Karena 𝑅0 > 1 maka terjadi
𝐼𝑛𝑓𝑒𝑐𝑡𝑖𝑣𝑒 (𝐼 ) menjadi individu 𝑇𝑟𝑒𝑎𝑡𝑚𝑒𝑛𝑡 (𝑇). penyebaran penyakit. Karena terjadi endemik, maka
diperlukan pemberian kontrol dalam upaya mengurangi
penyebaran penyakit.
2. Kontrol optimal untuk meminimalkan jumlah individu
terinfeksi dengan menggunakan prinsip maksimum
pontryagin berupa 𝑐 yang merepresentasikan tingkat
pemberian vaksin pada individu yang rentan, 𝑟0 yang
merepresentasikan tingkat pengobatan dengan terapi total
pada individu yang terinfeksi. Berdasarkan hasil simulasi,
individu yang terinfeksi TB aktif mengalami penurunan
dengan kontrol 𝑐 = 0,1429 dan 𝑟0 = 0,8571 dengan nilai
nilai J sebagai fungsi tujuan sebesar 26,8273.
3. Simulasi model epidemiologi penyebaran penyakit TB
menggunakan metode numerik Runge-Kutta orde-4
Gambar 5. Grafik Populasi R. menghasilkan grafik kesetimbangan dengan nilai ℎ =
0,06. Dengan adanya kontrol pemberian vaksinasi dan
Dari Gambar 5 dapat diamati terjadi peningkatan pada kontrol pengobatan dengan terapi total , maka dapat
populasi 𝑅𝑒𝑐𝑜𝑣𝑒𝑟𝑦 (𝑅) Ini dikarenakan pemberian kontrol menurunkan populasi penderita TB aktif.
𝑐 dan 𝑟0 sehingga individu yang awalnya individu B. Saran
𝐼𝑛𝑓𝑒𝑐𝑡𝑖𝑣𝑒 (𝐼 ) dan individu 𝑇𝑟𝑒𝑎𝑡𝑚𝑒𝑛𝑡 (𝑇) menjadi Adapun saran yang diberikan oleh penulis untuk penelitian
individu 𝑅𝑒𝑐𝑜𝑣𝑒𝑟𝑦 (𝑅). berikutnya adalah dapat diterapkan metode lain dalam
penyebaran penyakit Tuberkulosis. Dan juga dapat dilakukan
V. KESIMPULAN pemberian pengobatan lain yang lebih baik dari yang penulis
gunakan.
A. Kesimpulan
Berdasarkan analisis dan pembahasan yang diberikan pada
DAFTAR PUSTAKA
bab sebelumnya, diperoleh beberapa kesimpulan sebagai
berikut : [1] S. Crofton, Crofton’s Clinical Tuberculosis Third Edition. Oxford:
Macmillan Publishers Limited, 2009.
1. Dalam model penyebaran penyakit Tuberkulosis ini: [2] World Health Organization, “Global Tuberculosis Report 2014,”
𝑑𝑆 𝐼
= 𝑏𝑁 − 𝛽 𝑁 𝑆 − 𝜇𝑆 2014.
𝑑𝑡 [3] I. Roitt, Esential Immunology. London: Blackwell Science, 1997.
𝑑𝐼 𝐼
= 𝛽 𝑁 𝑆 + (1 − 𝑞)𝛾𝑇 − (𝜇 + 𝜇𝑡 + 𝛼 + 𝛿 )𝐼 [4] S. Side, W. Sanusi, and N. F. Setiawan, “Analisis dan Simulasi
𝑑𝑡
𝑑𝑇 Model SITR pada Penyebaran Penyakit Tuberkulosis di Kota
= 𝛼𝐼 − 𝛾𝑇 − 𝜇𝑇 Makassar,” J. Sainsmat, pp. 191–204, 2016.
𝑑𝑡
𝑑𝑅 [5] A. Faruk, “Model Epidemik Tuberkulosis SEIR dengan Terapi
= 𝛿𝐼 + 𝑞𝛾𝑇 − 𝜇𝑅 pada Individu Terinfeksi,” J. Penelit. Sains, 2016.
𝑑𝑡
Terdapat dua titik kesetimbangan, yaitu titik [6] S. Moghadas and A. B. Gumel, “Analysis of a Model For
Transmission Dynamic of Tuberculosis,” Can. Appl. Math. Q., vol.
kesetimbangan bebas penyakit 𝐸 0 (𝑆 0 , 𝐼 0 , 𝑇 0 , 𝑅0 ) = 10, no. 3, 2002.
𝑏𝑁
( , 0,0,0) dan titik kesetimbangan endemik [7] Departemen Kesehatan RI, “Riset Kesehatan Dasar,” Jakarta,
𝜇 2001.
𝐸 𝑆 , 𝐼 ∗ , 𝑇 ∗ , 𝑅∗ ) =
∗( ∗
[8] Subiono, “Sistem Linear dan Kontrol Optimal. Versi 2.2.1,”
𝑏𝑁𝜇𝑡 (𝑏−𝜇)𝑁 𝛼(𝑏−𝜇)𝑁 ( 𝛿(𝑏−𝜇)𝑁+ 𝑞𝛾𝛼(𝑏−𝜇)𝑁) Surabaya, 2016.
(𝛽(𝑏−𝜇)−𝜇𝜇 , 𝜇 , 𝜇 (𝛾+𝜇) , ).Dan [9] S. Naidu, Optimal Control System. USA: CRC Pres, 2002.
𝑡 𝑡 𝑡 𝜇𝜇 (𝛾+𝜇)
𝑡
dari analisa titik kesetimbangan stabil asimtotik. Dengan [10] S. Lenhart and J. Workman, Optimal Control Applied to Biological
Models. New York: Taylor & Francis Group, LLC, 2007.
nilai bilangan reproduksi dasar 𝑅0 sebelum pemberian