PENYEBARAN PENYAKIT MALARIA

DENGAN VAKSINASI MODEL SEIR

Dosen Pengampu:
Prof. Dr. Syafruddin, M.Si.

KELOMPOK 3
1. AIN NUN NISA BAHTIAR (210007301002)
2. FITRI KUMALA SARI (210007301009)
3. NUR AZIZAH REZKI PUTRI (210007301016)

PENDIDIKAN MATEMATIKA
PROGRAM PASCASARJANA
UNIVERSITAS NEGERI MAKASSAR
2022

ii
 ii

KATA PENGANTAR

Segala puji bagi Allah swt. dengan segala limpahan rahmat dan karunia serta hidayah-

Nya sehingga penyusun dapat menyelesaikan makalah dengan judul “Penyebaran Penyakit

Malaria dengan Vaksinasi Model SEIR”. Shalawat dan salam semoga tercurahkan kepada

baginda Muhammad saw. beserta keluarga beliau, sahabat, dan orang-orang mukmin yang

senantiasa tetap istiqomah di jalan-Nya hingga akhir zaman.

Dalam kesempatan ini penyusun mengucapkan terima kasih kepada dosen yang telah

membimbing kami pada mata kuliah “Matematika Terapan”, semoga beliau selalu diberikan

kesehatan yang baik oleh-Nya. Kemudian penyusun juga mengucapkan terima kasih kepada

teman-teman yang telah memberikan semangat kepada penyusun sehingga dapat menyelesaikan

makalah ini.

Dalam penyusunan makalah ini, penyusun telah berusaha semaksimal mungkin. Oleh

karena itu, penyusun mengharapkan saran konstruktif dari pembaca. Akhirnya penyusun

mengharapkan makalah ini dapat menjadi yang terbaik dan bermanfaat bagi pembaca.

Makassar, 2 Maret 2022

Penyusun

ii
 iii

DAFTAR ISI

HALAMAN JUDUL .......................................................................... i

KATA PENGANTAR ..................................................................... ii
DAFTAR ISI ................................................................................... iii
DAFTAR GAMBAR .......................................................................iv
DAFTAR TABEL ............................................................................. v
BAB I PENDAHULUAN ................................................................. 1
A. Latar Belakang.............................................................. 1
B. Rumusan Masalah ......................................................... 2
C. Tujuan ........................................................................... 2
BAB II PEMBAHASAN ............................................................... 3
A. Penyebaran Penyakit Malaria ....................................... 3
B. Model SEIR ................................................................... 5
C. Analisis Model SEIR Menggunakan Vaksinasi ........... 7
D. Analisis Kestabilan Titik Ekuilibrium ........................ 14
E. Simulasi Model SEIR ................................................. 15
BAB III PENUTUP ...................................................................... 28
A. Kesimpulan ................................................................. 28
B. Saran ........................................................................... 28
DAFTAR PUSTAKA ..................................................................... 29

iii
 iv

DAFTAR GAMBAR

Gambar 2.1 Grafik Jumlah Kasus Positif Malaria.............................. 4

Gambar 2.2 Model SEIR Penyebaran Penyakit Malaria .................... 6
Gambar 2.2 Persamaan Model SEIR ................................................ 16
Gambar 2.4 Output Matriks Jacobian .............................................. 17
Gambar 2.5 Output Eigenvalues ...................................................... 17
Gambar 2.6 Output Eigenvalues ...................................................... 18
Gambar 2.7 Output Eigenvalues ...................................................... 18
Gambar 2.8 Output Eigenvalues ...................................................... 19
Gambar 2.9 Output Eigenvalues ...................................................... 19
Gambar 2.10 Persamaan Model SEIR (Percobaan 1)....................... 20
Gambar 2.11 Titik Kesetimbangan dan ....................................... 20
Gambar 2.12 Grafik Susceptible....................................................... 21
Gambar 2.13 Grafik Exposed ........................................................... 21
Gambar 2.14 Grafik Infected ............................................................ 22
Gambar 2.15 Grafik Recovered ........................................................ 22
Gambar 2.16 Penggabungan Grafik Penyakit Malaria ..................... 23
Gambar 2.17 Penggabungan Grafik Penyakit Malaria ..................... 23
Gambar 2.18 Persamaan Model SEIR (Percobaan 2)....................... 24
Gambar 2.19 Titik Kesetimbangan dan ....................................... 24
Gambar 2.20 Grafik Susceptible....................................................... 25
Gambar 2.21 Grafik Exposed ........................................................... 25
Gambar 2.22 Grafik Infected ............................................................ 26
Gambar 2.23 Grafik Recovered ........................................................ 26
Gambar 2.24 Penggabungan Grafik Penyakit Malaria ..................... 27
Gambar 2.25 Penggabungan Grafik Penyakit Malaria ..................... 27

iv
 v

DAFTAR TABEL

Tabel 2.1 Jumlah Kasus Positif Malaria ............................................. 4

Tabel 2.2 Simulasi dengan Beberapa Parameter .............................. 16

v
 BAB I
PENDAHULUAN

A. Latar Belakang
Malaria merupakan salah satu penyakit tropis yang disebabkan oleh infeksi
parasit plasmodium yang menyerang eritrosit. Malaria disebabkan oleh pembawa
nyamuk anopheles plasmodium yang menyerang eritrosit dan ditandai dengan
ditemukannya bentuk aseksual di darah. Malaria dapat berlangsung tanpa
komplikasi atau dengan komplikasi yang biasa disebut dengan malaria berat.
Gejala yang terjadi setelah infeksi antara lain demam, menggigil, berkeringat,
sakit kepala, mual, dan bahkan muntah (Affandi & Faisal, 2017).
Dalam siklus hidup malaria membentuk stadium skizon jaringan dalam sel hati. Setelah
sel hati pecah, akan keluar merozoit yang masuk ke eritrosit membentuk stadium skizon dalam
eritrosit. Pada siklusnya di jaringan hati (skizon jaringan) sebagian parasit yang berada dalam sel
hati tidak melanjutkan siklus ke sel eritrosit, akan tetapi tertanam di jaringan hati disebut
hipnozoit. Hipnozoit menyebabkan malaria relapse, pada penderita yang mengandung hipnozoit,
apabila keadaan daya tahan tubuh menurun misal akibat stress atau perubahan iklim. Hipnozoit
di dalam tubuh akan terangsang melanjutkan siklus parasit dari sel hati ke eritrosit. Setelah
eritrosit yang berparasit pecah akan timbul gejala penyakit kembali seperti demam, menggigil,
berkeringat, sakit kepala, dan bahkan muntah (Fitriany & Sabiq, 2018).
Sehingga perlu tindakan untuk menghambat dan mengendalikan perkembangan penyakit
ini. Tindakan pengendalian tersebut dapat berupa vaksinasi untuk orang yang rentan dan
pengobatan untuk orang yang sakit (Purwanti & Mardlijah, 2019). Vaksinasi adalah pemberian
imun ke dalam tubuh untuk memberikan kekebalan aktif pada suatu penyakit. Dalam matematika
terdapat model matematika, dari model matematika akan terbentuk suatu sistem persamaan
diferensial yang dapat diketahui titik ekuilibrium sistem dan dapat dianalisis kestabilan di sekitar
titik ekuilibrium (Affandi & Faisal, 2017).
Pemodelan matematika merupakan suatu proses merepresentasikan dan menjelaskan
permasalahan pada dunia nyata ke dalam pernyataan matematis (Side & Rangkuti, 2015). Model
matematika merupakan salah satu alat yang dapat membantu mempermudah penyelesaian
masalah dalam kehidupan nyata (Syam, Side, & Said, 2020). Model matematika adalah

1
 2
hubungan antara komponen-komponen dalam suatu masalah yang dirumuskan dalam suatu
persamaan matematik yang memuat komponen-kompenen itu sebagai variabelnya (Side &
Rangkuti, 2015). Model matematika untuk menganalisis penyebaran penyakit diantaranya ada
model epidemi SIR (Susceptible-Infected-Recovered), SEIR (Susceptible-Exposed-Infected
Recovered), dan lainnya (Side, Zaki, & Sari, 2018). Model matematika SEIR dibentuk
berdasarkan asumsi-asumsi kemudian akan dianalisa, agar model yang dibuat representatif
terhadap permasalahan yang dibahas banyak permasalahan yang timbul dari berbagai bidang
ilmu, misalnya bidang kesehatan, kimia, biologi dan lain-lain yang dapat dibuat model
matematikanya (Ulfa, 2013). Salah satunya adalah model matematika pada penyebaran penyakit
malaria.
Berdasarkan hal tersebut, maka perlu dilakukan tindakan untuk menghambat dan
mengendalikan perkembangan penyakit malaria. Tindakan pengendalian tersebut dapat berupa
vaksinasi dengan menggunakan model SEIR (Susceptible-Exposed-Infected Recovered).
Terbentuk dua model matematika SEIR penyebaran penyakit malaria dengan pemberian
vaksinasi yang berupa sistem persamaan diferensial non linier bebas penyakit ataupun yang
endemik.
B. Rumusan Masalah
Berdasarkan latar belakang di atas, maka rumusan masalah adalah sebagai berikut:
1. Bagaimana penyebaran penyakit malaria?
2. Bagaimana model SEIR?
3. Bagaimana analisis model SEIR menggunakan vaksinasi?
4. Bagaimana analisis kestabilan titik ekuilibrium?
5. Bagaimana simulasi model SEIR?
C. Tujuan
Berdasarkan rumusan masalah di atas, maka tujuan makalah ini adalah sebagai berikut:
1. Untuk mengetahui penyebaran penyakit malaria.
2. Untuk mengetahui model SEIR.
3. Untuk mengetahui analisis model SEIR menggunakan vaksinasi.
4. Untuk mengetahui analisis kestabilan titik ekuilibrium.
5. Untuk mengetahui simulasi model SEIR.

2
 3

BAB II
PEMBAHASAN

A. Penyebaran Penyakit Malaria

Malaria merupakan penyakit infeksi yang disebabkan oleh plasmodium atau makhluk
hidup parasit bersel satu dan termasuk ke dalam kelompok protozoa yang kemudian hidup dan
berkembang biak di dalam sel darah manusia. Penyakit ini secara alami ditularkan melalui
gigitan nyamuk anopheles betina. Jenis-jenis plasmodium yang dibawa oleh nyamuk ini adalah
penyebab malaria tropika (plasmodium falciparum), penyebab malaria tertiana (plasmodium
vivax), penyebab malaria quartana (plasmodium malaria), dan penyebab malaria ovale
(plasmodium ovale) (Hakim, 2011).
Menurut Muti’ah (2012) saat plasmodium mulai menginfeksi tubuh, ada 3 stadium yang
dialami secara berurutan yaitu:
1. Stadium Frigoris (Menggigil)
a. Menggigil dan nadi sangat cepat, tetapi lemah.
b. Bibir dan jari-jari pucat kebiruan (sianotik).
c. Kulit kering, pucat, dan pada penderita anak-anak sering terjadi kejang.
d. Berlangsung selama 15 menit – 1 jam.
2. Stadium Acme (Puncak Demam)
a. Demam, muka menjadi meja, kulit kering dan sangat panas seperti terbakar, sakit
kepala bertambah, dan mual.
b. Nadi menjadi kuat kembali.
c. Akan merasa sangat haus.
d. Suhu badan meningkat sampai .
e. Berlangsung selama 2 – 4 jam.
3. Stadium Sudoris (Berkeringat Banyak dan Suhu Turun)
a. Berkeringat banyak.
b. Suhu badan turun dengan cepat dan kadang di bawah normal.
c. Penderita tidur nyenyak dan pada saat terjaga, ia merasa lemah tetapi tanpa gejala lain,
berlangsung selama 2 – 4 jam.

33
 4
Penyebaran malaria pada suatu wilayah ditentukan dengan Annual Parasit Incidence
(API) per tahun. API merupakan jumlah kasus positif malaria per 1.000 penduduk dalam satu
tahun.

Gambar 2.1: Grafik Jumlah Kasus Positif Malaria

Tahun Jumlah Kasus

2011 1.75
2012 1.69
2013 1.58
2014 0.99
2015 0.85
Tabel 2.1: Jumlah Kasus Positif Malaria

Berdasarkan tabel di atas, tren API secara nasional pada tahun 2011 hingga 2015 terus
mengalami penurunan (Kemenkes RI, 2016).

Menurut Harijanto (2010) penderita malaria dibagi menjadi dua tipe yaitu:

1. Penderita malaria laten, yaitu masa pasien di luar masa serangan demam. Periode ini
terjadi bila parasit tidak dapat ditemukan dalam darah tepi, tetapi stadium eksoeritrosit
masih bertahan dalam jaringan hati.
2. Penderita malaria aktif, yaitu masa pasien sudah di dalam masa serangan demam. Periode
ini terjadi bila parasit mulai mengalahkan pertahanan tubuh dan mulai menampakkan
gejala.

4
 5
B. Model SEIR
Permodelan matematika untuk epidemic penyakit menular telah banyak digunakan untuk
menganalisis dinamika penyebaran penyakit (Ndi dkk. 2015). Salah satu model yang digunakan
untuk menganalisis dinamika penyebaran penyakit adalah model SEIR, dimana populasi
dikelompokkan ke dalam kelas Susceptible (S), Expored (E), Infectious (I), dan Recovered (R).
Bentuk model ini diformulasi untuk tipe penyakit yang masa inkubasinya panjang. Ini
dimaksudkan agar pengaruh masa inkubasi terhadap dinamika penyebaran penyakit dapat
dianalisis. Pemahaman tentang hal ini penting karena dalam masa inkubasi, individu telah
terserang virus tersebut tetapi belum dapat menularkannya kepada individu lain. Hal tersebut
dapat mempengaruhi dinamika penyebaran penyakit (Hurint dkk. 2017).
Asumsi pembentukan model SEIR pada penyebaran penyakit malaria menurut Syaifuddin
(2014) yang ditambahkan vaksinasi dibatasi oleh:
1. Populasi penduduk bersifat tertutup.
2. Populasi bersifat homogen, setiap individu mempunyai peluang yang sama untuk tertular
suatu virus karena adanya kontak langsung dengan individu terinfeksi.
3. Hanya terdapat satu penyakit yang menyebar dalam populasi.
4. Laju kelahiran dan laju kematian alami diasumsikan sama.
5. Penyakit malaria menular melalui kontak langsung dengan penderita.
6. Terdapat masa inkubasi (periode laten) pada proses penularan penyakit malaria.
7. Individu yang berada pada masa inkubasi (periode laten) tidak dapat menularkan penyakit
malaria.
8. Individu yang terinfeksi penyakit malaria akan sembuh.
9. Vaksinasi diberikan pada populasi rentan (susceptible).
10. Kekuatan dari vaksinasi diasumsikan yang berarti individu akan kebal terhadap
penyakit malaria jika diberikan vaksinasi.
11. Seorang sudah sembuh dari penyakit malaria tidak akan terserang lagi oleh penyakit yang
sama.

5
 6

Gambar 2.2: Model SEIR Penyebaran Penyakit Malaria

( )

Dengan

Dimana,

Selanjutnya dilakukan transformasi hingga diperoleh:

( )

6
 7
C. Analisis Model SEIR Menggunakan Vaksinasi
Salah satu cara mengendalikan penyebaran penyakit adalah dengan melakukan program
vaksinasi. Vaksinasi adalah pemberian imun ke dalam tubuh untuk memberikan kekebalan aktif
pada suatu penyakit. Dalam matematika terdapat model matematika, dari model matematika
akan terbentuk suatu sistem persamaan diferensial yang dapat diketahui titik ekuilibrium sistem
dan dapat dianalisis kestabilan di sekitar titik ekuilibrium (Affandi & Faisal, 2017).
Contoh model matematika epidemi adalah model epidemi SIR. Berdasarkan
karakteristiknya, model SIR mengelompokkan populasi ke dalam tiga subpopulasi: Susceptible,
Infected, dan Recovered. Penggunaan model SIR mengalami pengembangan menjadi model
epidemi SEIR. Model SEIR adalah model yang membagi populasi ke dalam 4 sub populasi yaitu
individu yang rentan terinfeksi penyakit yang disebut Susceptible (S). Individu yang sudah
terjangkit penyakit namun belum menunjukkan tanda-tanda gejala yang disebut Exposed (E).
Individu yang terinfeksi penyakit yang disebut Infected (I), dan individu yang telah bersih dari
penyakit yang disebut Recovered (R).
Alur penyebaran penyakit dari kelompok individu Susceptible menjadi Exposed.
Kemudian kelompok individu Exposed yang terjangkit namun belum menunjukkan tanda-tanda
gejala terjangkit penyakit akan menjadi Infected. Selanjutnya kelompok individu Infected yang
mampu bertahan terhadap penyakit akan sembuh dan menjadi individu Recovered dengan
masing-masing diberikan dalam waktu t. Melalui model SEIR akan dicari titik ekuilibrium bebas
penyakit, bilangan reproduksi dasar dan selanjutnya akan dianalisis kestabilan disekitar titik
ekuilibrium menggunakan vaksinasi. Vaksinasi ini akan diberikan kepada kelompok individu
rentan (susceptible) yang akan berakibat pada kelompok individu sembuh (recovered) (Wahyuni,
2021).
Adapun analisis model menggunakan vaksinasi adalah sebagai berikut:
1. Titik (S, E, I, R) untuk titik ekuilibrium model menggunakan vaksinasi memenuhi
teorema berikut:
Jika , maka sistem persamaan menggunakan vaksinasi memiliki titik
ekuilibrium bebas penyakit, ( ) ( )

Bukti:

7
 8
Mencari titik ekuilibrium:

( ) …(1)

… (2)

… (3)

… (4)

Jika , maka persamaan ( )

Dari persamaan ( )

( )

dan

Dari persamaan ( )

( )

( )

( )

(( ) )

dan

Maka titik ekuilibrium bebas penyakit adalah ( ) ( )

8
 9
2. Titik (S, E, I, R) untuk titik ekuilibrium model menggunakan vaksinasi memenuhi
teorema berikut:

Jika , maka sistem persamaan menggunakan vaksinasi memiliki titik

ekuilibrium endemik

( )

( )( ) ( ) ( ) ( ) ( )( )
( ) ( )( )

( ) ( )( )( )
( )( )

Bukti:

Jika , maka persamaan ( )

( )

( )

( )

( ) ( )

( )
( )
( )

Dari persamaan ( )

( )
( )

9
 10
Dari persamaan ( )

( )

Substitusi ( ) dan ( ) ke persamaan ( )

( )

( ) ( )
( ) ( )( )
( )

( ) ( )( )
( )

( ) ( )( )( )
( )

( ) ( )( )( )

( ( ) ( )( )( )

dan ( ) ( )( )( )

( ) ( )( )( )

( )
( )( )

( )
( )( )

( )
( )( )

( ) ( )( )
( )
( )( )

10
 11
Substitusi ( ) ke ( )

( )
( )

( )
( ) ( )( )
( ( ) )
( )( )

( )
( ) ( )( ) ( )( )
( )( )

( ) ( )( )
( )

( )( )

Substitusi ( ) ke ( )

( )

( ) ( )( )
( )
( )( )

( ) ( )( )
( )

Substitusi ( ) ke ( )

( ) ( )( )
( )
( )( )

( ( ) ( )( ))
( )( )

11
 12
( ) ( )( ) ( )( )
( )( )

( ) ( )( )( )
( )( )

Maka titik ekuilibrium endemik,

( )

( )( ) ( ) ( )( ) ( ) ( )( )
( ) ( )( )

( ) ( )( )( )
( )( )

Mencari bilangan reproduksi SEIR

( )
( )( )

Bukti:

Mencari bilangan reproduksi dasar ( ):

1. ( )

̅ ( )
2. ( )

̅
̅
3. Titik ekuilibrium bebas penyakit ( )
( ) ( )
4. ( )
Substitusi ke fungsi
( )

( )

12

( )
13
( )
( ) ( )
( )
( )
( )
̂
( )

5. ( ̂( ) )

Substitusi ke
( )
̂
( )
Karena tidak ada dan maka nilai tetap
( )
(( ) )
( )

Substitusi ke
( )
( ) ( )
( )
Karena
( ) ( )
( )
( ) ( )

( ̂( ) )

( )
( )
6.
( )
( )
7. ( )
( )
( )
( ) ( )
( )
( )( )
( )
( )( )

13
 14
D. Analisis Kestabilan Titik Ekuilibrium
Analisis kestabilan titik ekuilibrium diberikan:
( )
( )( )

1. Jika maka titik ekuilibrium bebas penyakit ( ) ( )

stabil asimtotik lokal.
2. Jika maka titik ekuilibrium bebas penyakit ( ) ( )
tidak stabil.
Bukti:
 Matriks Jacobi
(( ) (( ) ) (( ) ) (( ) )
( ) ( ) ( ) ( )
( )
( ) ( ) ( ) ( )
𝜕 𝜕 𝜕 𝜕
[ (𝜀𝑖 𝜌𝜇 𝜇𝑟) (𝜀𝑖 𝜌𝜇 𝜇𝑟) (𝜀𝑖 𝜌𝜇 𝜇𝑟) (𝜀𝑖 𝜌𝜇 𝜇𝑟) ]
𝜕𝑠 𝜕𝑒 𝜕𝑖 𝜕𝑠

𝜀 𝜇
[ ]
Substitusi ke ( )
( )
( )
( )

[
0 0 𝜀 𝜇 ]

 Persamaan Karakteristik: | ( )|

( )
( )
[ ]

( )
( )[ ]

( )
( )( )* ]

( )( )[( )( ) ( ) ]

14
 15
Sehingga didapat ,
Selanjutnya diselesaikan,
( )( ) ( )
( ( ))( ( )) ( )
( ) ( )( ) ( )
Diketahui,
( )
( )( ) ( )
√

( ) √( ) ( )(( )( ) ( ) )
( )
Sehingga diperoleh,

( ) √( ) (( )( ) ( ) )

( ) √( ) (( )( ) ( ) )

Akar-akar , , jelas bernilai negatif.

Jika maka negatif, sehingga titik ekuilibrium bebas penyakit stabil asimtotik lokal.
Jika maka positif, sehingga titik ekuilibrium bebas penyakit tidak stabil.
E. Simulasi Model SEIR
Berdasarkan permasalahan nyata di Provinsi Papua diperoleh nilai awal untuk
( ) , ( ) , ( ) , dan ( ) dengan pada
penyebaran penyakit malaria. Kemudian menyatakan rasio jumlah individu yang memperoleh
vaksin | parameter dan menyatakan laju infeksi | parameter .

15
 16
Nilai dari parameter ini dapat bervariasi sesuai dengan kondisi . Berdasarkan nilai-nilai
parameter dan nilai awal yang diberikan, selanjutnya akan dilakukan simulasi numerik untuk
model penyebaran penyakit malaria. Dalam simulasi tersebut akan dilihat pengaruh vaksinasi
untuk penyebaran penyakit malaria dalam suatu populasi.
Percobaan
Parameter
1 2

Tabel 2.2: Simulasi dengan Beberapa Parameter

Keterangan pada grafik, yaitu:
1. Menunjukkan proporsi populasi individu yang rentan terinfeksi penyakit | Garis merah:
( ).
2. Menunjukkan proporsi populasi individu yang sudah terjangkit penyakit tetapi tidak
menunjukkan gejala | Garis hijau: ( ).
3. Menunjukkan proporsi populasi individu yang terinfeksi penyakit | Garis kuning: ( ).
4. Menujukkan proporsi populasi individu yang sembuh dari penyakit | Garis hijau: ( ).
Dilakukan 2 percobaan menggunakan Maple dengan parameter yang berbeda, adapun
hasil outputnya dapat dilihat sebagai berikut:

Gambar 2.3: Persamaan Model SEIR

16
 17

Gambar 2.4: Output Matriks Jacobian

Gambar 2.5: Output Eigenvalues

17
 18

Gambar 2.6: Output Eigenvalues

Gambar 2.7: Output Eigenvalues

18
 19

Gambar 2.8: Output Eigenvalues

Gambar 2.9: Output Eigenvalues

19
 20
Percobaan pertama diperoleh berarti tidak terjadi penularan atau penyakit
malaria akan hilang. Adapun hasil output Maple dengan dapat dilihat sebagai berikut:

Gambar 2.10: Persamaan Model SEIR

Gambar 2.11: Titik Kesetimbangan dan

20
 21

Gambar 2.12: Grafik Susceptible

Gambar 2.13: Grafik Exposed

21
 22

Gambar 2.14: Grafik Infected

Gambar 2.15: Grafik Recovered

22
 23

Gambar 2.16: Penggabungan Grafik Penyakit Malaria

Gambar 2.17: Penggabungan Grafik Penyakit Malaria

23
 24
Kemudian percobaan kedua diperoleh berarti terjadi penularan atau penyakit
malaria tidak akan hilang. Adapun hasil output Maple dengan dapat dilihat sebagai
berikut:

Gambar 2.18: Persamaan Model SEIR (Percobaan 2)

Gambar 2.19: Titik Kesetimbangan dan

24
 25

Gambar 2.20: Grafik Susceptible

Gambar 2.21: Grafik Exposed

25
 26

Gambar 2.22: Grafik Infected

Gambar 2.23: Grafik Recovered

26
 27

Gambar 2.24: Penggabungan Grafik Penyakit Malaria

Gambar 2.17: Penggabungan Grafik Penyakit Malaria

27
 28

BAB III
PENUTUP

A. Kesimpulan
Berdasarkan pembahasan di atas, maka yang dapat disimpulkan adalah sebagai berikut:
1. Malaria merupakan penyakit infeksi yang disebabkan oleh plasmodium atau makhluk
hidup parasit bersel satu dan termasuk ke dalam kelompok protozoa yang kemudian
hidup dan berkembang biak di dalam sel darah manusia. Penyakit ini secara alami
ditularkan melalui gigitan nyamuk anopheles betina.
2. Model SEIR yaitu dimana populasi dikelompokkan ke dalam kelas Susceptible (S),
Expored (E), Infectious (I), dan Recovered (R). Bentuk model ini diformulasi untuk tipe
penyakit yang masa inkubasinya panjang.
3. Terbentuk dua model matematika SEIR penyebaran penyakit malaria dengan pemberian
vaksinasi yang berupa sistem persamaan diferensial non linier bebas penyakit ataupun
yang endemik.
4. Dalam menentukan kestabilan titik ekuilibrium yaitu makin tinggi laju infeksi maka
penyakit akan semakin menyebar dalam populasi dan semakin tinggi pemberian vaksinasi
pada individu rentan maka kelas Infected akan menurun menuju nol.
5. Berdasarkan simulasi model matematika SEIR terlihat bahwa laju infeksi sangat
berpengaruh dalam menentukan kestabilan titik ekuilibrium. Jadi program pemberian
vaksinasi pada penyebaran penyakit malaria dapat digunakan untuk mengendalikan
penyakit tersebut.
B. Saran
Saran yang dapat diberikan adalah sebagai berikut:
1. Pada penelitian ini, simulasi model penyebaran penyakit malaria menggunakan parameter
berdasarkan asumsi. Sehingga penelitian selanjutnya sebaiknya dapat mengambil data
dari dinas kesehatan.
2. Sebaiknya dalam analisis sensitivitas model dapat dikerjakan untuk mengetahui
parameter yang berpengaruh pada epidemi malaria.

28
 29

DAFTAR PUSTAKA

Affandi & Faisal. 2017. Optimal Control Model of Malaria Spread. Jurnal, 1 (2), 135-147.

Fitriany, J & Sabiq, A. 2018. Malaria. Jurnal Kesehatan. 4 (2), 1-17.

Hakim. 2011. Malaria: Epidemiologi dan Diagnosis. Jurnal Biosantifika, 3 (2), 107-116.

Harijanto, P. N. 2010. Buku Ajar Ilmu Penyakit Dalam Edisi ke-6. Jakarta: Interna Publishing.

Hurint dkk. 2017. Analisis Sensitivitas Model Epidemi SEIR. Online Journal of Natural Science,
6 (1), 22-28.

Kemenkes RI. 2016. Modul Manajemen Pembatasan Penyakit Malaria. Jakarta: Direktorat
Jendral Pemberantasan Penyakit Malaria.

Muti’ah, R. 2012. Penyakit Malaria dan Mekanisme Kerja Obat-obat Antimalaria. Jurnal
Alchemy, 2 (1), 80-91.

Ndi dkk. 2015. Modelling the Transmission Dynamics of Dengue in the Presence of Wolbachia.
Mathematical Biosciences, 2 (6), 157-166.

Purwanti, R. S. & Mardlijah. 2019. Analisis Kestabilan dan Kontrol Optimal pada Model
Dinamik Penyebaran Penyakit Malaria. Jurnal, 8 (1), 20-35.

Side, S. & Rangkuti. 2015. Pemodelan Matematika dan Solusi Numerik untuk Penularan Demam
Berdarah. Medan: Perdana Publishing.

Side, S., Zaki, A., & Sari, N. 2018. Analisis Model Matematika Penyebaran Demam Berdarah
Dengue dengan Fungsi Lyapunov. Journal of Mathematics, Computations, and Statistics,
1 (2), 125-141.

Syam, R., Side, S., & Said, C. S. 2020. Model SEIRS Penyebaran Penyakit Tuberkulosis di Kota
Makassar. Journal of Mathematics, Computations, and Statistics, 3 (1), 11-19.

Syaifudin, M. 2014. Peranan Faktor Imun dan Profil Protein dalam Penelitian dan
Pengembangan Vaksin Malaria Iradiasi. Biosaintifika, 6 (1), 8-17.

Ulfa, M. 2013. Model Matematika untuk Kontrol Campak Menggunakan Vaksinasi. Skripsi:
UIN Sunan Kalijaga Yogyakarta.

Wahyuni, S. A. 2021. Kendali Optimal Tingkat Penyebaran Penyakit pada Model SEIR Penyakit
Malaria, Skripsi: UIN Sultan Syarif Kasim Riau, 1-29.

29