Full

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
KAJIAN NUMERIS DAN ASPEK PENDIDIKAN PADA

PENYELESAIAN MODEL SEIR DENGAN VAKSINASI
UNTUK PENYEBARAN COVID-19 MENGGUNAKAN
METODE RUNGE-KUTTA ORDE EMPAT DAN LIMA
Numerical Study and Educational Aspects of Solutions to a SEIR Model with

Vaccination for the Spread of COVID-19 Using Fourth and Fifth Order
Runge-Kutta Methods
TESIS
Dewi Isabella Palma

NIM : 211442107
PROGRAM STUDI PENDIDIKAN MATEMATIKA PROGRAM MAGISTER
JURUSAN PENDIDIKAN MATEMATIKA DAN ILMU PENGETAHUAN ALAM
FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS SANATA DHARMA
YOGYAKARTA
2022
KAJIAN NUMERIS DAN ASPEK PENDIDIKAN PADA

PENYELESAIAN MODEL SEIR DENGAN VAKSINASI
UNTUK PENYEBARAN COVID-19 MENGGUNAKAN
METODE RUNGE-KUTTA ORDE EMPAT DAN LIMA
Numerical Study and Educational Aspects of Solutions to a SEIR Model with
Vaccination for the Spread of COVID-19 Using Fourth and Fifth Order
Runge-Kutta Methods
TESIS
Dewi Isabella Palma

NIM : 211442107
PROGRAM STUDI PENDIDIKAN MATEMATIKA PROGRAM MAGISTER
JURUSAN PENDIDIKAN MATEMATIKA DAN ILMU PENGETAHUAN ALAM
FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS SANATA DHARMA
YOGYAKARTA
2022
ii
LEMBAR PERNYATAAN
Dengan ini saya menyatakan bahwa Tesis ini tidak terdapat karya yang pernah
diajukan untuk memperoleh gelar Ahli Madya/Kesarjanaan ataupun akademik
lainnya di suatu Perguruan Tinggi, dan sepanjang pengetahuan saya juga tidak
terdapat karya atau pendapat yang pernah ditulis atau diterbitkan oleh orang lain,
kecuali secara tertulis diacu dalam naskah ini dan disebutkan dalam daftar pustaka.
Yogyakarta, 05 Desember 2022
Dewi Isabella Palma
v
LEMBAR PERNYATAAN PERSETUJUAN

PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS
Yang bertanda tangan di bawah ini, saya mahasiswa Universitas Sanata Dharma:
Nama : Dewi Isabella Palma
NIM : 211442107
Demi perkembangan ilmu pengetahuan, saya memberikan kepada Perpustakaan

Universitas Sanata Dharma karya ilmiah saya yang berjudul:
KAJIAN NUMERIS DAN ASPEK PENDIDIKAN PADA PENYELESAIAN

MODEL SEIR DENGAN VAKSINASI UNTUK PENYEBARAN COVID-19
MENGGUNAKAN METODE RUNGE-KUTTA ORDE EMPAT DAN LIMA
Dengan demikian, saya memberikan kepada Perpustakaan Universitas Sanata

Dharma hak untuk menyimpan, mengalihkan dalam bentuk media lain, mengelola
dalam bentuk pangkalan data, mendistribusikan secara terbebas dan
mempublikasikannya di internet atau media lain untuk kepentingan akademis tanpa
perlu ijin dari saya maupun royalty kepada saya selama tetap mencantumkan nama
saya sebagai penulis.
Atas kemajuan teknologi informasi, saya tidak keberatan apabila nama, tanda
tangan, gambar atau image yang ada dalam karya ilmiah saya terindeks oleh mesin
pencari (search engine), misal google.
Demikian pernyataan ini saya buat dengan sebenarnya.
Dibuat di Yogyakarta
Pada tanggal: 05 Desember 2022
Yang menyatakan,
Dewi Isabella Palma
vi
HALAMAN MOTTO
“Serahkanlah hidupmu kepada Tuhan dan percayalah kepada-Nya dan Ia

akan bertindak”
(Mazmur 37:5)
vii
HALAMAN PERSEMBAHAN
Dengan rasa syukur kepada Tuhan Yang Maha Esa, saya persembahkan tesis ini
untuk kedua orang tua saya, Alex Sarjono dan Sri Amilah yang selalu mendoakan
dan memberikan semangat kepada penulis serta sahabat dan teman-teman penulis
yang selalu memberikan semangat dan dukungan demi kelancaran penyusunan tesis
ini.
viii
ABSTRAK
Palma, Dewi Isabella. 2022. Kajian Numeris dan Aspek Pendidikan Pada
Penyelesaian Model SEIR dengan Vaksinasi untuk Penyebaran COVID-19
Menggunakan Metode Runge-Kutta Orde Empat dan Lima. Tesis. Program
Studi Magister Pendidikan Matematika, Jurusan Pendidikan Matematika dan
Ilmu Pengetahuan Alam, Fakultas Keguruan dan Ilmu Pendidikan,
Universitas Sanata Dharma, Yogyakarta.
Tesis ini memiliki dua tujuan, yaitu: (1) mendapatkan penyelesaian model SEIR
untuk masalah penyebaran COVID-19 yang dipengaruhi efektivitas vaksinasi
dengan menggunakan metode Runge-Kutta orde empat dan metode Runge-Kutta
orde lima dan (2) menyusun rancangan pembelajaran matematika di perguruan
tinggi yang sesuai dengan konsep metode numerik. Metode yang digunakan dalam
penelitian ini adalah studi pustaka. Nilai awal seperti variabel dan parameter
diambil dari sumber literatur. Simulasi menunjukkan bahwa solusi yang dihasilkan
oleh metode Runge-Kutta orde empat dan metode Runge-Kutta orde lima
menggunakan bantuan software MATLAB menunjukkan kesamaan. Sehingga,
perlu dicari nilai kesalahan numerik dan tingkat akurasi dari masing-masing metode
dengan bantuan algoritma ODE45 sebagai solusi referensi. Algoritma ODE45
digunakan sebagai referensi solusi karena sampai saat ini belum ditemukan solusi
analitik dari model SEIR. Hasil perhitungan kesalahan numerik dan tingkat akurasi
menunjukkan bahwa terdapat perbedaan antara kedua metode tersebut. Hal ini
dapat menunjukkan bahwa metode Runge-Kutta orde lima memang lebih akurat
daripada metode Runge-Kutta orde empat dalam menyelesaikan model SEIR untuk
penyebaran penyakit COVID-19. Aspek pendidikan dalam penelitian ini dapat
dilihat dari penerapan Pembelajaran Kolaboratif pada mahasiswa di jenjang S1
yang mempelajari penyelesaian hampiran dengan menggunakan metode numerik
untuk model matematika.
Kata kunci: COVID-19, Model SEIR, Metode Runge-Kutta orde empat, Metode
Runge-Kutta orde lima
ix
ABSTRACT
Palma, Dewi Isabella. 2022. Numerical Study and Educational Aspects of The
Solution of the SEIR Model with Vaccination of the Spread of COVID-19 Using
Fourth and Fifth Order Runge-Kutta Methods. Thesis. Study Program of Master
of Mathematics Education, Department of Mathematics and Natural Sciences
Education, Faculty of Teacher Training and Education, Sanata Dharma
University, Yogyakarta.
This thesis has two objectives, namely: (1) to obtain a solution to the SEIR model
for the problem of the spread of COVID-19 which is affected by the effectiveness of
vaccination using the fourth-order Runge-Kutta method and the fifth-order Runge-
Kutta method and (2) to develop a design for teaching mathematics in college which
corresponds to the concept of numerical methods. The method used in this research
is literature study. Initial values such as variables and parameters are taken from
literature sources. The results show similarities in the solutions generated by the
fourth-order Runge-Kutta method and the fifth-order Runge-Kutta method using
MATLAB software. Thus, it is necessary to find each method's numerical error
value and accuracy level with the help of the ODE45 algorithm as a reference
solution. The ODE45 algorithm is used as a reference solution because until now
no analytical solution has been found from the SEIR model. The results of
calculating numerical errors and the accuracy level show differences between the
two methods. This can show that the fifth-order Runge-Kutta method is indeed more
accurate than the fourth-order Runge-Kutta method in solving the SEIR model for
the spread of COVID-19 disease. The educational aspect of this study can be seen
from the application of Collaborative Learning to undergraduate students who
study approximation solutions using numerical methods for mathematical models.
Keyword: COVID-19, SEIR model, fourth-order Runge-Kutta method, fifth-order

Runge-Kutta method
x
KATA PENGANTAR
Puji dan syukur peneliti panjatkan kepada Tuhan Yang Maha Esa karena
telah memberikan berkat, karunia dan penyertaan-Nya sehingga dapat
menyelesaikan tesis yang berjudul “Kajian Numeris Dan Aspek Pendidikan
Pada Penyelesaian Model SEIR Dengan Vaksinasi Untuk Penyebaran
COVID-19 Menggunakan Metode Runge-Kutta Orde Empat dan Lima”
dengan tepat waktu. Tesis ini disusun untuk melengkapi salah satu syarat yang
harus dipenuhi demi memperoleh gelar Magister Pendidikan di Universitas Sanata
Dharma Yogyakarta.
Peneliti menyadari bahwa tanpa bantuan dari berbagai pihak, tesis ini tidak
akan terselesaikan. Pada kesempatan ini peneliti menyampaikan ucapan terima
kasih kepada:
1. Bapak Drs Tarsisius Sarkim, M.Ed., Ph.D., selaku Dekan Fakultas Keguruan
dan Ilmu Pendidikan Universitas Sanata Dharma Yogyakarta.
2. Bapak Dr. Marcellinus Andy Rudhito, S.Pd. selaku Ketua Program Studi
Magister Pendidikan Matematika.
3. Bapak Prof. Ir. Sudi Mungkasi, Ph.D., selaku dosen pembimbing yang telah
memberikan bimbingan, arahan, dukungan, masukan, dan motivasi kepada
peneliti dalam menyelesaikan tesis ini.
4. Kedua orang tua yang selalu memberikan dukungan, perhatian, dan semangat
yang telah diberikan kepada peneliti
5. Laurensius Ian Setiawan, M.Pd. yang senantiasa mendukung, memberikan
semangat, mendengarkan keluh kesah dan mencari solusi bagi penulis dalam
setiap persoalan saat menyelesaikan tesis ini.
6. Saudara, sahabat dan teman-teman yang memberikan semangat dan motivasi.
Peneliti menyadari bahwa masih banyak kekurangan dan kelemahan dalam
penulisan tesis ini, peneliti mengharapkan berbagai kritik dan saran terkait tesis dari
berbagai pihak. Semoga tesis ini dapat dimanfaatkan sebaik-baiknya.
Penulis
xi
DAFTAR ISI
COVER ................................................................................................................... i
HALAMAN JUDUL ............................................................................................... ii
HALAMAN PERSETUJUAN PEMBIMBING .................................................... iii
HALAMAN PENGESAHAN ................................................................................ iv
LEMBAR PERNYATAAN KEASLIAN KARYA ................................................ v
LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI ............................... vi
HALAMAN MOTTO ........................................................................................... vii
HALAMAN PERSEMBAHAN .......................................................................... viii
ABSTRAK ............................................................................................................. ix
ABSTRACT .............................................................................................................. x
KATA PENGANTAR ........................................................................................... xi
DAFTAR ISI ......................................................................................................... xii
DAFTAR TABEL ................................................................................................. xv
DAFTAR GAMBAR ........................................................................................... xvi
DAFTAR LAMPIRAN ....................................................................................... xvii
BAB I PENDAHULUAN ...................................................................................... 1
A. Latar Belakang .......................................................................................... 1
B. Tinjauan Pustaka ....................................................................................... 4
C. Rumusan Masalah ..................................................................................... 5
D. Tujuan Penelitian ...................................................................................... 5
E. Batasan Masalah ....................................................................................... 6
F. Penjelasan Istilah ...................................................................................... 6
G. Kebaruan Penelitian .................................................................................. 7
xii
H. Manfaat Penelitian .................................................................................... 7
I. Sistematika Penulisan ............................................................................... 7
BAB II LANDASAN TEORI ................................................................................ 9
A. Pemodelan Matematika ............................................................................. 9
B. Persamaan Diferensial ............................................................................ 11
C. Virus Corona (COVID-19) ..................................................................... 14
D. Model Epidemi Susceptible, Exposed, Infected, Recovered (SEIR) ....... 15
E. Metode Runge-Kutta (RK) ..................................................................... 17
F. Metode Runge-Kutta Orde Empat (RK4) ............................................... 18
G. Metode Runge-Kutta Orde Lima (RK5) ................................................. 19
H. Model Pembelajaran Kolaboratif ............................................................ 20
I. Kerangka Berpikir ................................................................................... 24
BAB III ASPEK MATEMATIS MODEL SEIR DENGAN VAKSINASI PADA

COVID-19............................................................................................... 25
A. Model SEIR dengan Vaksinasi Untuk Virus Corona ............................. 25
B. Penyelesaian Model SEIR dengan Vaksinasi Menggunakan Metode

Runge-Kutta Orde Empat ....................................................................... 31
C. Penyelesaian Model SEIR dengan Vaksinasi Menggunakan Metode

Runge-Kutta Orde Lima ......................................................................... 39
D. Perbandingan Kesalahan Numerik dan Tingkat Keakuratan antara

Metode Runge-Kutta Orde Empat dengan Metode Runge-Kutta Orde
Lima ........................................................................................................ 51
BAB IV ASPEK PENDIDIKAN ......................................................................... 54
A. Deskripsi Rancangan Proses Pembelajaran ............................................ 54
B. Rancangan Proses Pembelajaran............................................................. 55
C. Refleksi ................................................................................................... 71
xiii
BAB V PENUTUP............................................................................................... 75
A. Kesimpulan ............................................................................................. 75
B. Saran ....................................................................................................... 75
DAFTAR PUSTAKA ........................................................................................... 76
LAMPIRAN .......................................................................................................... 78
xiv
DAFTAR TABEL
Tabel 3.1 Definisi Variabel dan Parameter Model Situasi COVID-19 Pada Model
Pandemi SEIR ...................................................................................... 29
Tabel 3.2 Data Nilai Awal Variabel/Parameter .................................................... 34
Tabel 3.3 Nilai Rata-rata Kesalahan Pada Metode Runge-Kutta Orde Empat..... 52
Tabel 3.4 Nilai Rata-rata Kesalahan Pada Metode Runge-Kutta Orde Lima....... 52
Tabel 3.5 Nilai Tingkat Akurasi Pada Metode Runge-Kutta Orde Empat ........... 53
Tabel 3.6 Nilai Tingkat Akurasi Pada Metode Runge-Kutta Orde Lima ............. 53
xv
DAFTAR GAMBAR
Gambar 2.1 Diagram Tahapan-Tahapan Pemodelan Matematika......................... 9

Gambar 3.1 Skema populasi manusia untuk situasi COVID-19 ......................... 28
Gambar 3.2 Grafik Solusi dengan Metode Runge-Kutta Orde Empat ................ 38
Gambar 3.3 Grafik Solusi dengan Metode Runge-Kutta Orde Lima .................. 50
xvi
DAFTAR LAMPIRAN
Lampiran 1 : Program MATLAB Metode Runge-Kutta Orde 4, Metode Runge-

Kutta Orde 5, dan ODE45................................................................ 78
Lampiran 2: Hasil Perhitungan Metode Runge-Kutta Orde 4, Metode Runge-Kutta
Orde 5, dan ODE45 Menggunakan Program MATLAB ................. 85
xvii
BAB I
PENDAHULUAN
Pada bab ini akan menjelaskan latar belakang, tinjauan pustaka, rumusan
masalah, tujuan penelitian, batasan masalah, penjelasan istilah, kebaharuan
penelitian, manfaat penelitian, dan sistematika penulisan. Berikut ini penjelasan
lebih spesifik dari bagian-bagian tersebut.
A. Latar Belakang
Penyakit virus Corona (Coronavirus disease 2019) atau COVID-19 adalah
penyakit pernapasan akut parah yang disebabkan oleh Coronavirus 2 (SARS-CoV-
2) yang merupakan anggota baru dari genus betacoronavirus dan famili
Coronaviridae (Harapan dkk., 2020; Pakpahan & Litawati, 2021; Shu dkk., 2021).
Virus ini menyebar dari orang ke orang melalui droplet, airborne dan transmisi
kontak (Harapan dkk., 2020; Pakpahan & Litawati, 2021; Shu dkk., 2021). Selain
itu, virus ini juga mengalami masa inkubasi ± 11,5 hari sebelum penyebaran virus
(Wintachai & Prathom, 2021). Gejala klinis pasien yang terinfeksi SARS-CoV-2
memiliki rangkaian yang luas, mulai dari tanpa gejala, gejala ringan, pneumonia,
pneumonia berat, ARDS (Acute Respiratory Distress Syndrome)/gagal napas,
hingga infeksi yang luas yang menyebabkan kegagalan organ dan tekanan darah
rendah (syok sepsis) (Pakpahan & Litawati, 2021). Sebagian besar pasien yang
terinfeksi menunjukkan gejala seperti demam, batuk, bersin, dan sesak napas.
Namun, gejala lain juga dapat ditemukan pada kasus terinfeksi seperti batuk
produktif, sesak napas, sakit tenggorokan, nyeri kepala, myalgia/artralgia,
menggigil, muntah/mual, kongesti nasal, diare, nyeri abdomen, hemoptisis, dan
kongesti konjungtiva (Pakpahan & Litawati, 2021). Ditemukan pula pada kondisi
leukosit dan limfosit masih normal atau sedikit menurun, pasien tidak mengalami
gejala klinis (Pakpahan & Litawati, 2021).
Di Indonesia tercatat 6.573.805 kasus terkonfirmasi dan 159.199 kematian, per
16 November 2022. Kasus di Indonesia sudah mengalami penurunan dari bulan-
bulan sebelumnya yang sempat mengalami kenaikan pada bulan Juni dan Juli 2021
1
serta bulan Februari 2022 (Satuan Tugas Penanganan COVID-19, 2021). Salah satu
faktor penurunan kasus terkonfirmasi yang terjadi di Indonesia adalah program
vaksinasi yang digalangkan oleh pemerintah secara cepat. Meskipun ada
penurunan, penyebaran virus Corona masih terjadi dan masih menyebabkan
beberapa klaster penyebaran yang baru. Hal ini disebabkan kesadaran warga yang
kurang mengenai protokol kesehatan terutama warga yang sudah menerima vaksin.
Tidak sedikit warga yang menganggap bahwa jika sudah divaksin, maka tidak akan
tertular virus. Situs Centers for Disease Control and Prevention (CDC) (2021)
menjelaskan bahwa vaksinasi secara efektif mencegah infeksi, penyakit serius dan
kematian, meskipun vaksin tidak 100 % dan sama seperti vaksin pada penyakit
menular lainnya sehingga individu yang sudah divaksin masih bisa terinfeksi virus.
Hal ini menjelaskan bahwa meskipun sudah divaksin, masih ada kemungkinan
terjadi penularan dari virus Corona, apabila tidak menjaga perilaku protokol
kesehatan. Dengan kata lain, vaksin berguna sebagai perlindungan dan mencegah
terjadinya sakit berat akibat COVID-19.
Salah satu model matematika yang cocok untuk memahami dinamika epidemi
ini adalah model SEIR (Susceptible, Exposed, Infected, Recovered). Model ini
adalah model dengan 4 kompartemen yaitu populasi rentan, populasi terpapar,
populasi menular, dan populasi sembuh (Wintachai & Prathom, 2021). Model
matematika ini cocok untuk jenis penyebaran penyakit yang terdapat masa inkubasi
pada virus/bakteri dan individu dapat menjadi terinfeksi apabila beriteraksi dengan
individu yang terinfeksi (Ndii, 2018). Secara khusus model ini mengarah pada
penyakit yang memiliki masa inkubasi yang panjang (masa inkubasi ± 11,5 hari)
dalam individu yang sudah terpapar, tetapi belum menunjukkan gejala. Selain itu,
model matematika yang dikembangkan oleh Wintachai dan Prathom (2021)
menggunakan model SEIR yang dilengkapi dengan efektivitas vaksin. Dengan
demikian dinamika penyebaran yang dikembangkan, dipengaruhi oleh efektivitas
vaksin terapeutik dan vaksin profilaksis pada kompartemen S, E, dan I.
Pemberian vaksin adalah salah satu upaya untuk mencegah dan mengurangi
infeksi virus. Saat ini banyak jenis vaksin yang dikembangkan untuk virus Corona
seperti Sinovac, Pfizer, Astra Zeneca, dan sebagainya. Jenis-jenis vaksin yang
dikembangkan ini merupakan vaksin hidup yang dilemahkan, vaksin aktif, vaksin
subunit, vaksin DNA serta RNA dan sebagainya. Jenis vaksin ini diklasifikasikan
sebagai jenis vaksin berdasarkan sifat antigen yang terkandung di dalam vaksin.
Namun, Adapun vaksin berdasarkan sifat yakni vaksin profilaksis dan vaksin
terapeutik. Vaksin profilaksis adalah vaksin pencegahan (misal vaksin rubella,
vaksin tetanus, dan sebagainya), sedangkan vaksin terapeutik adalah vaksin yang
diberikan setelah individu terinfeksi (misal vaksin kanker) (Wintachai & Prathom,
2021). Dua jenis vaksin ini dimunculkan pada model penyebaran COVID-19 oleh
Wintachai dan Prathom (2021) yang memprediksi situasi COVID-19 saat dua jenis
vaksin ini ada dalam upaya mencegah penularan virus dan memperbaiki sistem
imun bagi individu yang terinfeksi.
Salah satu metode numeris yang dapat menyelesaikan permasalahan adalah
metode Runge-Kutta (RK). Metode Runge-Kutta termasuk dalam metode yang
sering digunakan dalam penelitian karena memiliki tingkat akurasi yang tinggi
bergantung pada ordenya (Wijayanti dkk., 2011). Fardinah (2017) mengatakan
bahwa tingkat akurasi pada metode ini dipengaruhi oleh ordenya, sehingga semakin
besar ordenya maka semakin teliti hasil yang diperoleh. Kemudian, metode RK
memiliki beberapa orde yang telah dikembangkan. Dua metode RK diantaranya
adalah metode RK orde empat (RK4) dan metode RK orde lima (RK5). Metode
RK4 merupakan metode penyelesaian yang sering digunakan untuk menyelesaikan
persamaan diferensial karena sederhana dan tingkat akurasi yang tinggi. Akan
tetapi, metode RK5 memiliki orde yang lebih tinggi dibandingkan metode RK4,
sehingga metode RK5 memiliki tingkat akurasi yang lebih tinggi dari metode RK4.
Kemudian, penelitian ini juga akan merancang rencana pembelajaran sebagai
aspek pendidikan dari proses penyelesaian model matematika SEIR dari
penyebaran COVID-19 untuk mahasiswa. Rancangan rencana pembelajaran ini
menerapkan pembelajaran kolaboratif. Pembelajaran kolaboratif merupakan
perpaduan dua atau lebih pelajar yang bekerjasama dan berbagi beban kerja secara
setara sembari mewujudkan hasil-hasil pembelajaran yang diinginkan (Barkley
dkk., 2016). Konsep belajar dari pembelajaran kolaboratif ini adalah mengajak
mahasiswa untuk bekerja sama untuk membangun atau membentuk pengetahuan.
Pembelajaran kolaboratif akan membawa mahasiswa kepada sebuah masalah yang

harus diselesaikan dengan konteks yang sudah diketahui. Dalam menyelesaikan
masalah, mahasiswa harus terlibat secara langsung dan aktif. Proses belajar ini perlu
menggabungkan pemahaman yang telah dimiliki dengan sesuatu hal yang baru
ditemui untuk membentuk suatu makna (Respati, 2018). Interaksi dan komunikasi
mengajarkan mahasiswa untuk menerima perbedaan yang ada karena perbedaan-
perbedaan ini diperlukan untuk meningkatkan kualitas pencapaian pembelajaran
dan menjadikan pengalaman baru bagi setiap mahasiswa (Respati, 2018). Oleh
karena itu, konteks masalah penyebaran penyakit COVID-19 dapat dijadikan
konteks masalah yang diketahui, sehingga proses belajar yang dilakukan akan lebih
bermakna.
Berdasarkan penjelasan di atas, penelitian ini akan mencari penyelesaian model
matematika SEIR pada penyakit COVID-19 yang dipengaruhi efektivitas vaksin
dengan menggunakan Metode Runge-Kutta orde empat dan Metode Runge-Kutta
orde lima, serta akan dikaji aspek pendidikannya.
B. Tinjauan Pustaka
Penyelesaian permasalahan mengenai penyebaran penyakit virus Corona
dengan menggunakan metode RK dalam persamaan diferensial linear dan non-
linear banyak dibahas dalam berbagai buku, jurnal nasional, dan jurnal
internasional yang telah dipublikasikan. Pada penelitian ini, peneliti menggunakan
beberapa sumber buku, artikel dan jurnal yang dijadikan acuan. Adapun beberapa
buku dan jurnal yang membahas model SEIR dan penerapan metode RK. Berikut
adalah beberapa tinjauan pustaka tersebut.
1. Penelitian yang dilakukan oleh Kumar, dkk (2021) yang berjudul “Modified
SEIR model for prediction of COVID-19 outbreak trend in India with
effectiveness of preventive care”. Penelitian ini membahas tentang
penyelesaian numeris model SEIR dengan menggunakan metode ODE45
pada kasus penyebaran COVID-19 di India
2. Penelitian yang dilakukan oleh Mungkasi (2021) yang berjudul “Successive
Approximation, Variational Iteration, and Multistage-Analytical Methods
for a SEIR Model of Infectious Disease Involving Vaccination Strategy”.

Penelitian ini membahas tentang penyelesaian model SEIR yang melibatkan
strategi vaksinasi dengan pendekatan berturut-turut, iterasi variasi dan
metode multistage-analytical pada penyebaran COVID-19)
3. Penelitian yang dilakukan oleh Wintachai dan Prathom (2021) yang
berjudul “Stability analysis of SEIR model related to eﬃciency of vaccines
for COVID-19 situation”. Penelitian ini membahas tentang merumuskan
dan menganalisis pemodelan matematika, model SEIR, untuk COVID-19
dengan parameter utama tingkat vaksinasi, efektivitas vaksin profilaksis dan
terapi.
4. Penelitian yang dilakukan oleh Ashgi, Pratama, dan Purwani (2021) yang
berjudul “Comparison of Numerical Simulation of Epidemiological Model
between Euler Method with 4th Order Runge Kutta Method”. Penelitian ini
membahas tentang pemodelan matematika pada penyakit COVID-19
menggunakan model SIR. Dari model matematika tersebut akan dipahami
penyebaran penyakit melalui penyelesaian model menggunakan metode
numerik yakni metode Euler dan metode Runge-Kutta orde empat. Selain
itu, dipelajari juga kinerja dan perbandingan dari kedua metode tersebut.
C. Rumusan Masalah
Berdasarkan masalah yang telah dipaparkan di atas, maka berikut adalah
rumusan masalah dalam penelitian ini, yaitu sebagai berikut.
1. Bagaimana menyelesaikan model SEIR untuk masalah penyebaran
COVID-19 yang dipengaruhi efektivitas vaksinasi dengan menggunakan
metode RK4 dan metode RK5?
2. Bagaimana rancangan rencana pembelajaran dengan pembelajaran
kolaboratif untuk mempelajari penyebaran penyakit COVID-19?
D. Tujuan Penelitian
Adapun tujuan dari penelitian ini yakni sebagai berikut.
1. Untuk menyelesaikan model SEIR untuk masalah penyebaran COVID-19

yang dipengaruhi efektivitas vaksinasi dengan menggunakan metode RK4
dan metode RK5.
2. Untuk menyusun rancangan rencana pembelajaran dengan pembelajaran
kolaboratif untuk mempelajari penyebaran penyakit COVID-19.
E. Batasan Masalah
Penelitian ini membahas penyebaran penyakit virus Corona penyebab COVID-
19 yang dipengaruhi efektivitas vaksin melalui model matematika dan diselesaikan
menggunakan metode RK4 dan metode RK5. Selanjutnya, peneliti juga akan
membahas mengenai rancangan rencana pembelajaran dengan pembelajaran
kolaboratif untuk mempelajari penyebaran penyakit COVID-19.
F. Penjelasan Istilah
Dalam penulisan penelitian ini ada beberapa istilah yang digunakan, yaitu
sebagai berikut.
1. COVID-19
COVID-19 merupakan penyakit yang disebabkan oleh infeksi virus Corona baru
yakni SARS-CoV-2 dari famili Coronaviridae dan ordo Nidoviral dimana
penularan dapat terjadi melalui kontak erat dengan individu yang terinfeksi, droplet,
dan airborne.
2. Metode Runge-Kutta (RK)
Metode RK merupakan metode penyelesaian secara numeris yang digunakan
untuk menyelesaikan persamaan diferensial biasa. Metode ini memiliki beberapa
orde yakni metode RK orde satu, metode RK orde dua, metode RK orde tiga, dan
seterusnya. Dalam penelitian ini akan dibahas metode RK orde empat (RK4) dan
metode RK orde lima (RK5).
3. Pembelajaran kolaboratif
Pembelajaran kolaboratif merupakan perpaduan dua atau lebih pelajar yang
bekerjasama dan berbagi beban kerja secara setara sembari mewujudkan hasil-hasil
pembelajaran yang diinginkan.
G. Kebaruan Penelitian
Pada penelitian ini akan ditentukan penyelesaian dari suatu sistem persamaan
penyebaran COVID-19 yang dipengaruhi efektivitas vaksin melalui model pandemi
SEIR yang dimodelkan oleh Wintachai dan Prathom (2021) menggunakan metode
RK4 dan metode RK5, serta akan dikaji aspek pendidikannya. Sebagian hasil
penelitian tesis ini telah dipresentasikan dalam International Conference on Science
and Applied Science (ICSAS) 2022, Universitas Sebelas Maret (Palma &
Mungkasi, 2022).
H. Manfaat Penelitian
Adapun manfaat dari penelitian ini, yakni sebagai berikut.
1. Mengetahui beberapa hal yang akan terjadi pada populasi manusia yang S
(Susceptible), E (Exposed), I (Infectious), R (Removed) dengan vaksinasi yang
diberikan ke populasi S (Susceptible), E (Exposed), dan I (Infectious).
2. Mengetahui metode numeris yakni Runge-Kutta Orde Empat dan Runge-Kutta
Orde Lima untuk menyelesaikan persamaan diferensial terkait model pandemi
SEIR dengan vaksinasi pada penyebaran COVID-19.
3. Penelitian ini dapat menjadi referensi bagi peneliti lain untuk menyelesaikan
suatu model persamaan dengan menggunakan metode numeris yang sama dan
untuk permasalahan yang lebih kompleks.
4. Penelitian ini dapat dijadikan sebagai salah satu contoh nyata penerapan
metode numeris di kehidupan nyata.
I. Sistematika Penulisan
Sistematika penulisan penelitian ini adalah sebagai berikut.
1. Bab I: Bab ini berisi pendahuluan yang terdiri dari latar belakang masalah,
tinjauan pustaka, rumusan masalah, batasan masalah, tujuan penelitian,
kebaruan penelitian, manfaat penelitian dan sistematika penulisan.
2. Bab II: Bab ini berisi landasan teori yang akan digunakan. Landasan teori
tersebut meliputi: pemodelan matematika, persamaan diferensial, penyakit
COVID-19, Model Epidemi Susceptible, Exposed, Infected, Recovered (SEIR),
Metode RK, Metode RK4, Metode RK5, Pembelajaran Kolaboratif dan

kerangka berpikir.
3. Bab III: Bab ini berisi hasil dari penelitian yang berupa penjelasan model SEIR
dengan vaksinasi pada penyebaran COVID-19, penyelesaian model SEIR
menggunakan metode Runge-Kutta orde empat dan lima, dan perbandingan
kesalahan numerik dan tingkat akurasi kedua metode.
4. Bab IV: Bab ini berisi aspek pendidikan yang berisikan rancangan
pembelajaran berkaitan dengan penyelesaian suatu sistem persamaan
diferensial menggunakan metode numeris. Selain itu, terdapat refleksi selama
menuliskan tesis ini.
5. Bab V: Bab ini berisi kesimpulan dan saran dari penelitian yang telah
dilakukan.
BAB II
LANDASAN TEORI
Bab ini membahas tentang pemodelan matematika, persamaan diferensial,

virus Corona (COVID-19), model epidemi Susceptible, Exposed, Infected,
Recovered (SEIR), metode Runge-Kutta, Metode Runge-Kutta orde empat, metode
Runge-Kutta orde lima, Pembelajaran Kolaboratif, dan kerangka berpikir. Berikut
ini adalah penjelasan lebih spesifik terkait bagian yang disebutkan.
A. Pemodelan Matematika
Pemodelan matematika merupakan salah satu cara untuk merepresentasikan
permasalahan kompleks ke dalam bentuk matematika (Ndii, 2018). Secara umum,
pemodelan matematika adalah usaha merancang rumusan matematika yang secara
potensial menggambarkan cara mendapatkan penyelesaian masalah matematika
yang digeneralisasikan untuk diterapkan pada perilaku atau kejadian alam (Iswanto,
2012). Berdasarkan dua pernyataan ini, dapat disimpulkan bahwa pemodelan
matematika merupakan suatu cara untuk merepresentasikan suatu permasalahan
dikehidupan ke dalam bentuk matematika dan diselesaikan secara matematis.
Bentuk matematika yang merepresentasikan suatu fenomena merupakan abstraksi,
penyederhanaan, dan konstruksi matematika terkait bagian dari kenyataan dan di
desain untuk tujuan khusus (Iswanto, 2012). Bentuk matematika atau dapat disebut
juga sebagai model matematika dapat berupa persamaan, sistem persamaan,
pertidaksamaan, dan sebagainya.
Terdapat tahapan-tahapan pemodelan matematika menurut Ndii (2018)
ditunjukkan pada Gambar 2.1 sebagai berikut.
Identifikasi Membuat Formulasi

Masalah Asumsi Persamaan/Model
Mencari Solusi
Validasi Model Interpretasi
Dari Model
Hasil
Gambar 2.1 Diagram Tahapan-Tahapan Pemodelan Matematika
9
10
1. Identifikasi Masalah
Mengidentifikasi masalah merupakan langkah awal dalam pemodelan
matematika. Dalam mengidentifikasi memerlukan penetapan tujuan dan pertanyaan
yang ingin dijawab. Hal ini penting karena dapat menjadi petunjuk dalam
membangun model matematika.
2. Membuat Asumsi
Langkah selanjutnya adalah membuat asumsi dari model yang diformulasikan.
Asumsi ini disesuaikan dengan tujuan model diformulasikan.
3. Formulasi Persamaan/Model
Selanjutnya, perlu dilakukan formulasi matematika. Model matematika yang
dibuat harus sesuai dengan asumsi-asumsi yang dibuat sebelumnya. Pada tahap ini,
dapat memilah faktor-faktor yang signifikan untuk digunakan dalam
memformulasikan model matematika.
4. Mencari Solusi Dari Model
Langkah selanjutnya adalah mencari solusi dari model matematika. Solusi
dapat diperoleh secara analitik dan numerik. Pada model matematika sederhana,
mencari solusi secara analitik masih dapat dimungkinkan. Namun, pada model
matematika yang kompleks, solusi dapat diperoleh melalui pendekatan numerik
menggunakan program komputer.
5. Interpretasi Hasil
Setelah diperoleh hasil, hail tersebut perlu diinterpretasikan. Interpretasi hasil
tersebut harus realistis dari sudut pandang bidang dimana matematika diterapkan.
6. Validasi Model
Pada tahap ini dilakukan validasi terhadap model. Validasi dilakukan dengan
mengecek apakah model tersebut memberikan hasil yang sesuai dengan kenyataan
dan sesuai dengan asumsi-asumi. Jika tersedia data, maka dapat melakukan validasi
terhadap data. Apakah model tersebut dapat menangkap data yang ada? dapatkah
model tersebut digunakan untuk melakukan prediksi? jika tidak, maka perlu
memeriksa kembali asumsi-asumsi yang telah dibuat.
11
B. Persamaan Diferensial
Persamaan diferensial adalah suatu persamaan yang memuat suatu turunan.
Lebih lengkapnya, Ross (1989) mendefinisikan persamaan diferensial sebagai
persamaan yang melibatkan turunan dari satu atau lebih variabel terikat dan
berhubungan dengan satu atau lebih variabel bebas. Contoh dari persamaan
diferensial adalah sebagai berikut.
𝑑2𝑦 𝑑𝑦 2 (2.1)
+ 𝑥𝑦 ( ) = 0,
𝑑𝑥 2 𝑑𝑥
𝑑4𝑥 𝑑2 𝑥 (2.2)
+ 5 + 3𝑥 = sin 𝑡,
𝑑𝑡 4 𝑑𝑡 2
𝜕𝑣 𝜕𝑣 (2.3)
+ = 𝑣,
𝜕𝑠 𝜕𝑡
𝜕 2𝑢 𝜕 2𝑢 𝜕 2𝑢 (2.4)
+ + = 0.
𝜕𝑥 2 𝜕𝑦 2 𝜕𝑧 2
Persamaan diferensial diklasifikasikan menjadi beberapa jenis (Ross, 1989)
mengklasifikasikan persamaan diferensial berdasarkan satu atau lebih variabel
bebas yang terlibat yaitu persamaan diferensial biasa dan persamaan diferensial
parsial.
1. Persamaan Diferensial Biasa (PDB) merupakan persamaan diferensial yang
melibatkan turunan biasa satu atau lebih variabel terikat yang berhubungan
dengan variabel bebas yang tunggal. Contoh dari persamaan diferensial biasa
ada pada persamaan (2.1) dan persamaan (2.2). pada persamaan (2.1) terdapat
satu variabel bebas yakni variabel 𝑥 dan variabel 𝑦 sebagai variabel terikat.
Pada persamaan (2.2), variabel 𝑡 sebagai variabel bebas dan variabel 𝑥 sebagai
variabel terikat.
2. Persamaan Diferensial Parsial (PDP) merupakan persamaan diferensial yang
melibatkan turunan parsial dari satu atau lebih variabel terikat yang
berhubungan dengan variabel bebas yang banyaknya lebih dari satu. Contoh
dari persamaan diferensial parsial ini adalah persamaan (2.3) dan (2.4). Pada
persamaan (2.3), variabel 𝑠 dan 𝑡 adalah variabel bebas dan variabel 𝑣 adalah
variabel terikat. Pada persamaan (2.4), variabel 𝑥, 𝑦, 𝑧 sebagai variabel bebas
dan variabel 𝑢 sebagai variabel terikat.
12
Selain berdasarkan variabel terikat dan variabel bebas, persamaan diferensial

baik PDB maupun PDP diklasifikasikan menurut orde turunan tertinggi yang
muncul pada persamaan. Sebagai contoh pada PDB (2.1) merupakan PDB orde
kedua. Sebab pangkat tertinggi dari turunan yang terlibat adalah turunan kedua.
Contoh lainnya pada PDB (2.2) yang merupakan PDB orde ke empat, sedangkan
pada PDP (2.3) dan (2.4) masing-masing merupakan PDP orde pertama dan PDP
orde kedua.
Selanjutnya, pada PDB dikenalkan dua jenis konsep linearitas yang diterapkan
yakni PDB linear dan PDB non-linear.
1. Persamaan diferensial biasa linier atau PDB linear berorde 𝑛, dalam variabel
terikat 𝑦 dan variabel bebas 𝑥, adalah persamaan yang dapat dinyatakan dalam
bentuk
𝑑𝑛 𝑦 𝑑 𝑛−1 𝑦 𝑑𝑦
𝑎0 (𝑥) 𝑛
+ 𝑎1 (𝑥) 𝑛−1
+ ⋯ + 𝑎𝑛−1 (𝑥) + 𝑎𝑛 (𝑥)𝑦 (2.5)
𝑑𝑥 𝑑𝑥 𝑑𝑥
= 𝑏(𝑥),
Dengan 𝑎𝑛 (𝑥) dimana 𝑛 = 0,1,2, … adalah fungsi dengan koefisien tidak nol.
Jika 𝑏(𝑥) = 0, maka persamaan disebut homogen (homogeneous) dan
sebaliknya, jika 𝑏(𝑥) ≠ 0, maka disebut tidak homogen (nonhomogeneous)
(Ross, 1989).
Contoh:
Persamaan Diferensial Biasa Keterangan
Orde 2, linear,
𝑑2 𝑦 𝑑𝑦
2
+5 + 6𝑦 = 0 homogen
𝑑𝑥 𝑑𝑥
Orde 4, linear, tidak

𝑑4𝑦 2
𝑑3𝑦 𝑑𝑦
4
+ 𝑥 3
+ 𝑥3 = 𝑥𝑒 𝑥 homogen
𝑑𝑥 𝑑𝑥 𝑑𝑥
13
2. Persamaan diferensial biasa non-linear atau PDB non-linear adalah PDB yang
tidak linear.
Contoh:
No Persamaan Diferensial Biasa Keterangan
𝑑2 𝑦 𝑑𝑦 Orde 2, non-linear
1
2
+5 + 6𝑦 2 = 0
𝑑𝑥 𝑑𝑥
𝑑2 𝑦 𝑑𝑦 3 Orde 2, non-linear
2 + 5 ( ) + 6𝑦 = 0
𝑑𝑥 2 𝑑𝑥
𝑑3𝑦 𝑑𝑦 Orde 3, non-linear
3 + 5𝑦 + 6𝑦 = 0
𝑑𝑥 3 𝑑𝑥
Pada persamaan nomor 1 merupakan PDB nonlinier karena variabel terikat 𝑦

muncul pada derajat kedua dalam suku 6𝑦 2. Lalu, persamaan nomor 2
𝑑𝑦 3
menunjukkan ketidaklinierannya dengan suku 5 (𝑑𝑥 ) , yang melibatkan
pangkat tiga dari turunan pertama. Terakhir, persamaan nomor 3 tidak linier
𝑑𝑦
karena suku 5𝑦 (𝑑𝑥 ), yang melibatkan perkalian variabel terikat dan turunan
pertamanya.
Kemudian, terdapat sistem persamaan diferensial. Sistem persamaan

diferensial adalah sebuah sistem persamaan yang terdiri atas dua atau lebih
persamaan diferensial yang menjelaskan suatu fenomena (Ndii, 2018). Sistem
persamaan diferensial berorde 1 dapat ditulis sebagai berikut.
𝑑𝑥
= 𝑓(𝑡, 𝑥, 𝑦),
{ 𝑑𝑡 (2.6)
𝑑𝑦
= 𝑔(𝑡, 𝑥, 𝑦),
𝑑𝑡
dengan 𝑥 dan 𝑦 adalah variabel terikat dan 𝑡 adalah variabel bebas dan 𝑡 > 𝑡0 .
14
Contoh:
𝑑𝑥
= 2𝑥 − 𝑦,
{ 𝑑𝑡 (2.7)
𝑑𝑦
= 3𝑥 + 6.
𝑑𝑡
C. Virus Corona (COVID-19)

COVID-19 merupakan penyakit yang disebabkan oleh infeksi virus Corona
baru yakni SARS-CoV-2 dari famili Coronaviridae dan ordo Nidoviral (Harapan
dkk., 2020; Pakpahan & Litawati, 2021; Shu dkk., 2021). Riyanti (dalam Dharma,
2020). Virus ini dapat menginfeksi manusia ke manusia, sehingga penyebarannya
begitu cepat. Penularan virus Corona ini dapat terjadi melalui kontak erat dengan
individu yang terinfeksi, droplet, dan airborne (Baharuddin & Rumpa, 2020;
Pakpahan & Litawati, 2021; Shu dkk., 2021). Virus Corona dapat menginfeksi siapa
saja, tetapi akan lebih berbahaya atau fatal bila terjadi pada lansia, ibu hamil,
individu yang memiliki penyakit tertentu, atau individu yang memiliki daya tahan
tubuhnya lemah.
Infeksi yang disebabkan virus ini dapat menunjukkan gejala maupun tidak
menunjukkan gejala. Bagi individu yang menunjukkan gejala, gejala yang
ditunjukkan adalah demam, batuk, kelelahan, kehilangan rasa atau bau, sakit
tenggorokan, sakit kepala, sesak napas hingga menyebabkan pneumonia bahkan
berujung kematian (Harapan dkk., 2020),(Shu dkk., 2021). Gejala klinis pasien
yang terinfeksi SARS-CoV-2 memiliki rangkaian yang luas, mulai dari tanpa
gejala, gejala ringan, pneumonia, pneumonia berat, ARDS(Acute Respiratory
Distress Syndrome)/gagal napas, hingga infeksi yang luas yang menyebabkan
kegagalan organ dan tekanan darah rendah (syok sepsis) (Pakpahan & Litawati,
2021). Pada beberapa kasus yang mengalami gejala ringan seperti batuk, pilek
seperti flu biasa tidak memerlukan perawatan yang intensif dan dapat sembuh
dengan sendirinya (Baharuddin & Rumpa, 2020). Akan tetapi, gejala lain juga dapat
ditemukan pada kasus terinfeksi seperti batuk produktif, sesak napas, sakit
tenggorokan, nyeri kepala, myalgia/artralgia, menggigil, muntah/mual, kongesti
15
nasal, diare, nyeri abdomen, hemoptisis, dan kongesti konjungtiva (Pakpahan &
Litawati, 2021). Sejauh ini kasus penderita COVID-19 yang berhasil sembuh
tergantung pada kekuatan sistem imun tubuh karena belum ditemukan obat yang
dapat mengobati penyakit ini (Baharuddin & Rumpa, 2020). Selain itu, virus ini
memiliki masa inkubasi dalam inangnya kurang lebih 11,5 hari (Wintachai &
Prathom, 2021), sehingga bagi individu yang terinfeksi tidak secara langsung akan
mengalami gejala yang disebabkan infeksi dari virus ini.
Upaya yang dapat dilakukan sebagai langkah pencegahan penyebaran virus

Corona adalah memakai masker, menjaga jarak antar individu minimal 1 meter,
selalu mencuci tangan menggunakan sabun atau hand sanitizer, mengurangi
mobilitas perjalanan, tidak keluar rumah apabila merasa tidak enak badan, dan
menutup dengan lengan atau tisu saat batuk atau bersin. Selain itu, vaksinasi
merupakan salah satu langkah tindakan pencegahan penularan virus Corona. Jenis
vaksin yang dikembangkan sudah cukup banyak, yaitu Sinovac, Pfizer, Sinopharm,
Astrazeneca, Bio Farma, Moderna, dan lain-lain. Jenis-jenis vaksin yang
dikembangkan ini merupakan vaksin hidup yang dilemahkan, vaksin aktif, vaksin
subunit, vaksin DNA serta RNA dan sebagainya. Jenis vaksin ini diklasifikasikan
sebagai jenis vaksin berdasarkan sifat antigen yang terkandung di dalam vaksin.
Namun demikian, adapun vaksin berdasarkan sifat yakni vaksin profilaksis dan
vaksin terapeutik. Vaksin profilaksis adalah vaksin pencegahan (misal vaksin
rubella, vaksin tetanus, dan sebagainya), sedangkan vaksin terapeutik adalah vaksin
yang diberikan setelah individu terinfeksi (misal vaksin kanker) (Wintachai &
Prathom, 2021).
D. Model Epidemi Susceptible, Exposed, Infected, Recovered (SEIR)
Model SEIR adalah suatu model matematika untuk wabah penyakit yang
memiliki masa inkubasi. Diekmann dan Heesterbeck (dalam Pratiwi, 2021)
mendefisinikan bahwa masa suatu individu telah terinfeksi oleh penyakit tetapi
belum dapat menularkan penyakit kepada individu lainnya. Secara umum
pemodelan SEIR identik dengan model SIR, tetapi dalam model ini ditambahkan
16
sebuah variabel yaitu E (Exposed) atau individu yang bisa masuk ke dalam
golongan terpapar namun belum sepenuhnya terinfeksi penyakit (Iswanto, 2012).
Pada model ini, terdapat empat bagian subpopulasi manusia, dimana S
(Susceptible) yaitu subpopulasi rentan penyakit, E (Exposed) yaitu subpopulasi
yang tertular tetapi belum menjadi penderita, I (Infectious) yaitu subpopulasi yang
telah menjadi penderita dan aktif menularkan penyakit, dan R (Removed) yaitu
subpopulasi yang telah sembuh karena adanya pengobatan. Konsep diberikan pada
model SEIR yaitu berupa transisi masing-masing keadaan sebagai dinamika
perubahan dalam populasi (Iswanto, 2012). Pada keadaan awal individu dikatakan
susceptible yang dapat bertransisi ke individu exposed, tetapi belum sepenuhnya
terinfeksi penyakit. Jika individu exposed menjadi terinfeksi maka dapat dikatakan
individu tersebut menjadi infected. Kemudian setelah terinfeksi, individu
bertransisi menjadi sembuh atau recovered. Berikut ini model persamaan SEIR
menurut Ndii (2018) yang dirumuskan sebagai berikut.
𝑑𝑆
= Λ − 𝛽𝑆𝐼 − 𝜇𝑆 ′
𝑑𝑡
𝑑𝐸
= 𝛽𝑆𝐼 − (𝜇 + 𝛾)𝐸,
𝑑𝑡 (2.8)
𝑑𝐼
= 𝛾𝐸 − (𝜇 + 𝛼)𝐼,
𝑑𝑡
𝑑𝑅
{ = 𝛼𝐼 − 𝜇𝑅.
𝑑𝑡
Keterangan:
𝑡 : Waktu
𝛼 : Parameter laju transmisi dari individu exposed menjadi infected
𝛽 : Parameter laju transmisi dari individu susceptible dan infected bertemu
𝛾 : Parameter laju transmisi dari individu susceptible menjadi exposed
𝜇 : Parameter laju kematian individu
Model penyebaran penyakit SEIR pada penelitian ini menggunakan model

yang dikemukakan oleh Wintachai & Prathom (2021) dimana model tersebut
17
digunakan untuk menganalisis penyebaran COVID-19 dengan parameter utama

tingkat vaksinasi, efektifitas vaksin profilaksis dan terapeutik. Berikut ini
merupakan model dari penyebaran COVID-19 yang dipaparkan oleh Wintachai &
Prathom (2021).
𝑑𝑆
= 𝑏0 − (𝑣𝑝𝑠 + 𝑑0 )𝑆 − 𝛽(1 − 𝑣𝑝𝑠 )𝑆𝐼,
𝑑𝑡
𝑑𝐸
= 𝛽(1 − 𝑣𝑝𝑠 )𝑆𝐼 − (𝑑1 + 𝛼 + (1 − 𝛼)𝑣𝑝𝑒 )𝐸,
𝑑𝑡 (2.9)
𝑑𝐼
= 𝛼𝐸 − (𝑑2 + 𝛾 + (1 − 𝛾)𝑣𝑝𝑖 )𝐼,
𝑑𝑡
𝑑𝑅
{ 𝑑𝑡 = 𝑣𝑝𝑠 𝑆 + 𝑣𝑝𝑒 (1 − 𝛼)𝐸 + (𝛾 + (1 − 𝛾)𝑣𝑝𝑖 )𝐼 − 𝑑0 𝑅.
dengan syarat 0 ≤ 𝑆(0), 𝐸(0), 𝐼(0), 𝑅(0) ≤ 1.
Keterangan:
𝛽 : Tingkat efektivitas transmisi dari COVID-19

𝛼 : Tingkat perubahan dari E ke I
𝛾 : Tingkat perubahan dari I ke R
𝑣 : Tingkat vaksinasi dari populasi
𝑝𝑠 : Efektivitas dari vaksinansi pada kelompok rentan
𝑝𝑒 : Efektivitas dari vaksinasi pada kelompok terpapar
𝑝𝑖 : Efektivitas dari vaksinasi pada kelompok infeksi
𝑏0 : Tingkat kelahiran dari populasi
𝑑0 : Tingkat kematian dari populasi yang tidak COVID-19
𝑑1 : Tingkat kematian dari populasi yang terpapar ditambah 𝑑0
𝑑2 : Tingkat kematian dari populasi yang terinfeksi ditambah 𝑑0
E. Metode Runge-Kutta (RK)
Metode Runge-Kutta (RK) merupakan salah satu metode numeris yang

digunakan untuk menyelesaikan persamaan diferensial biasa dengan ketelitian yang
cukup tinggi tergantung pada ordenya (Wijayanti dkk., 2011). Metode ini
dikembangkan oleh Carl Runge dan Wilhelm Kutta. Ide Runge mengembangkan
18
metode ini adalah untuk mendasari perkiraan solusi, bukan pada aturan Riemann
yang tidak simetris dan relatif tidak akurat, melainkan pada formula yang
ditingkatkan seperti titik tengah dan aturan trapesium (Butcher, 1996). Karakteristik
dari metode ini adalah mengevaluasi fungsi 𝑓 beberapa kali dalam mengerjakan
setiap langkah yang telah ditetapkan. Metode RK memiliki beberapa tipe yaitu
Runge-Kutta orde dua (RK2), Runge-Kutta orde tiga (RK3), Runge-Kutta orde
empat (RK4), Runge-Kutta orde lima (RK5), dan sebagainya. Tipe dari metode
Runge-Kutta bergantung pada orde yang digunakan. Fardinah (2017) mengatakan
bahwa tingkat ketelitian pada metode ini dipengaruhi oleh ordenya, sehingga
semakin besar ordenya maka semakin teliti hasil yang diperoleh.
Bentuk umum dari metode Runge-Kutta (Triatmodjo, 2002) adalah sebagai

berikut.
𝑦𝑖+1 = 𝑦𝑖 + Φ(𝑥𝑖 , 𝑦𝑖 , ℎ)ℎ, (2.10)
dengan Φ(𝑥𝑖 , 𝑦𝑖 , ℎ) adalah fungsi pertambahan yang merupakan kemiringan rerata

pada interval. Fungsi pertambahan dapat ditulis dalam bentuk sebagai berikut
Φ = 𝑎1 𝑘1 + 𝑎2 𝑘2 + ⋯ = 𝑎𝑛 𝑘𝑛 , (2.11)
dengan 𝑎 adalah konstanta dan 𝑘 adalah:
𝑘1 = 𝑓(𝑥𝑖 , 𝑦𝑖 ),
𝑘2 = 𝑓(𝑥𝑖 + 𝑝1 ℎ, 𝑦𝑖 + 𝑞11 𝑘1 ℎ),
𝑘3 = 𝑓(𝑥𝑖 + 𝑝2 ℎ, 𝑦𝑖 + 𝑞21 𝑘1 ℎ + 𝑞22 𝑘2 ℎ),
(2.12)
…
𝑘𝑛 = 𝑓(𝑥𝑖 + 𝑝𝑛−1 ℎ, 𝑦𝑖 + 𝑞𝑛−1,1 𝑘1 ℎ + 𝑞𝑛−1,2 𝑘2 ℎ + ⋯

+ 𝑞𝑛−1,𝑛−1 𝑘𝑛−1 ℎ).
F. Metode Runge-Kutta Orde Empat (RK4)
Metode Runge-Kutta orde empat merupakan salah satu metode numeris yang
banyak digunakan untuk menyelesaikan masalah nilai awal. Metode ini sudah
19
banyak digunakan dalam penelitian sebagai metode untuk menyelesaikan dan

merepresentasikan sebuah model matematika dari suatu fenomena. Metode RK4 ini
mempunyai tingkat akurasi yang tinggi sehingga banyak digunakan oleh banyak
peneliti. Metode RK4 ini adalah perluasan dari metode deret Taylor orde 𝑁 = 4.
Chapra dan Canale (2021) menuliskan metode Runge-Kutta orde 4 sebagai berikut.
1 (2.13)
𝑦𝑖+1 = 𝑦𝑖 + (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 )ℎ,
6
dimana
𝑘1 = 𝑓(𝑥𝑖 , 𝑦𝑖 ),
1 1
𝑘2 = 𝑓 (𝑥𝑖 + ℎ, 𝑦𝑖 + 𝑘1 ℎ),
2 2
(2.14)
1 1
𝑘3 = 𝑓 (𝑥𝑖 + ℎ, 𝑦𝑖 + 𝑘2 ℎ),
2 2
𝑘4 = 𝑓(𝑥𝑖 + ℎ, 𝑦𝑖 + 𝑘3 ℎ).
G. Metode Runge-Kutta Orde Lima (RK5)
Metode Runge-Kutta orde 5 merupakan metode yang diperoleh dengan cara

yang sama seperti metode Runge-Kutta lainnya yakni perluasan dari metode deret
Taylor untuk orde 𝑁 = 5. Metode RK5 ini memberikan akurasi yang lebih tinggi
daripada metode RK dengan orde yang lebih rendah. Butcher (Chapra & Canale,
2021) menuliskan metode Runge-Kutta orde lima sebagai berikut.
1 (2.15)
𝑦𝑖+1 = 𝑦𝑖 + (7𝑘1 + 32𝑘3 + 12𝑘4 + 32𝑘5 + 7𝑘6 )ℎ,
90
20
dimana
𝑘1 = 𝑓(𝑥𝑖 , 𝑦𝑖 ),
1 1
𝑘2 = 𝑓 (𝑥𝑖 + ℎ, 𝑦𝑖 + 𝑘1 ℎ),
4 4
1 1 1
𝑘3 = 𝑓 (𝑥𝑖 + ℎ, 𝑦𝑖 + 𝑘1 ℎ + 𝑘2 ℎ),
4 8 8
(2.16)
1 1
𝑘4 = 𝑓 (𝑥𝑖 + ℎ, 𝑦𝑖 − 𝑘2 ℎ + 𝑘3 ℎ),
2 2
3 3 9
𝑘5 = 𝑓 (𝑥𝑖 + ℎ, 𝑦𝑖 + 𝑘1 ℎ + 𝑘4 ℎ),
4 16 16
3 2 12 12 8
𝑘6 = 𝑓 (𝑥𝑖 + ℎ, 𝑦𝑖 − 𝑘1 ℎ + 𝑘2 ℎ + 𝑘3 ℎ − 𝑘4 ℎ + 𝑘5 ℎ).
7 7 7 7 7
H. Model Pembelajaran Kolaboratif

Subbab ini menjelaskan pembelajaran kolaboratif yang digunakan dalam
mendesain rancangan proses pembelajaran untuk mahasiswa dalam mata kuliah
komputasi matematika.
Kata ‘kolaboratif’ memiliki sifat kata ‘kolaborasi’. Menurut Kamus Besar
Bahasa Indonesia (KBBI) daring, kolaborasi berarti ‘kerjasama untuk membuat
sesuatu’; ’kerjasama’, sehingga pembelajaran kolaborasi dapat diartikan sebagai
belajar melalui kerjasama. Barkley (Barkley dkk., 2016) menjelaskan bahwa
pembelajaran kolaborasi merupakan perpaduan dua atau lebih pelajar yang
bekerjasama dan berbagi beban kerja secara setara sembari mewujudkan hasil-hasil
pembelajaran yang diinginkan.
Pembelajaran kolaboratif berbeda dengan pembelajaran kooperatif. Pada
pembelajaran kooperatif lebih menekankan pada pembelajar untuk bekerja sama
menyelesaikan tugas secara bersama, berbagi informasi, dan saling mendukung,
sedangkan pembelajaran kolaboratif didasarkan pada teori konstruktivis sosial yang
menjelaskan bahwa proses pembelajaran adalah membangun dan membentuk
pengetahuan secara bersama-sama (Barkley dkk., 2016; Respati, 2018). Tujuan
21
pembelajaran kooperatif dan pembelajaran kolaborasi juga berbeda. Tujuan dari

pembelajaran kooperatif adalah bekerja sama secara selaras dan saling mendukung
untuk menemukan solusi, sedangkan tujuan pembelajaran kolaborasi adalah
membangun pribadi yang otonom dan pandai mengartikulasikan pemikiran
(Barkley dkk., 2016; Respati, 2018). Hal ini menjelaskan bahwa kedua
pembelajaran memiliki kesamaan sifat yakni kerjasama, tetapi dalam fungsi
pembelajaran, kolaborasi menekankan pada individu yang membangun
pengetahuan melalui kerjasama dengan individu lain untuk saling belajar. Selain
itu, Amiruddin (2019) menyatakan bahwa aktivitas kelompok dalam pembelajaran
kooperatif lebih terstruktur dan setiap peserta didik mempunyai peran yang spesifik
untuk menyelesaikan tugas kelompok, sedangkan aktivitas kelompok dalam
pembelajaran kolaboratif lebih ditekankan pada belajar bersama untuk
mendapatkan dan meningkatkan pemahaman masing-masing anggota kelompok.
Dari penjelasan ini dapat disimpulkan bahwa perbedaan antara pembelajaran
kooperatif dan pembelajaran kolaboratif terletak pada aktivitas kelompok. Aktivitas
kelompok pada pembelajaran kooperatif lebih terstruktur dan setiap anggota
kelompok memiliki peran yang spesifik untuk menyelesaikan tugas kelompok,
sedangkan aktivitas kelompok dalam pembelajaran kolaborasi lebih menekankan
bahwa setiap anggota kelompok memiliki pemahaman yang berbeda-beda,
sehingga setiap anggota kelompok perlu saling belajar terhadap perbedaan tersebut
untuk menyelesaikan tugas kelompok.
Terdapat ciri-ciri pembelajaran kolaboratif yang dikemukan oleh Nelson

(Respati, 2018) ,yaitu:
1. Dalam proses pembelajaran, peserta didik diberi kesempatan untuk
terlibat secara langsung pada proses bertukar ide dan informasi
mengenai suatu topik
2. Proses pembelajaran memberikan kesempatan bagi peserta didik untuk
menyelidiki lebih jauh tentang suatu hal atau topik dan menerapkankan
beragam cara atau solusi untuk memecahkan suatu masalah
22
3. Peserta didik diberikan kesampatan untuk melakukan penyesuaian

lingkungan tempat belajar yang mendukung proses belajar secara
berkelompok
4. Proses pembelajaran yang dapat memberikan waktu atau kesempatan
yang cukup, ruang dan sumber-sumber agar pembelajaran secara
berkelompok dapat terlaksana
5. Kegiatan pembelajaran banyak menerapkan pembelajaran seperti
pemecahan masalah dan penyelesaian suatu proyek.
Terdapat lima komponen penting dalam mengimplementasikan pembelajaran

kolaboratif (Barkley dkk., 2016), yaitu:
1. Mengorientasikan Mahasiswa
Pada bagian ini, mahasiswa diberikan waktu yang cukup untuk lebih
saling mengenal mahasiswa lain, membangun kepercayaan, memahami dan
menerima perbedaan yang ada, membangun komunikasi dan solidaritas, serta
membentuk aturan-aturan yang akan berlaku agar proses pembelajaran dapat
berjalan dengan baik. Selain itu, mahasiswa diberikan kesempatan untuk
mempelajari dan memahami kebijakan serta prosedur pembelajaran dalam
kelompok secara bersama-sama, seperti silabus pembelajaran, kontrak belajar
kelompok, dan peraturan dasar dalam kelompok.
2. Membentuk Kelompok
Pada bagian ini, perlu dilakukan pembentukkan kelompok dengan
berbagai cara. Tujuan dari pembentukkan kelompok adalah adanya interaksi
sosial dalam pembelajaran. Terdapat tiga bidang topik yang disarankan dalam
pembentukkan kelompok, yaitu jenis kelompok (informal, formal dan dasar),
ukuran kelompok (jumlah anggota kelompok), dan keanggotaan kelompok
(pemilihan anggota secara acak, pilihan sendiri atau ditentukan pengajar).
3. Menyusun Tugas
Pada bagian ini, peran pengajar penting untuk proses berjalannya
pembelajaran agar sesuai dengan tujuan pembelajaran. Dalam hal ini,
23
pengajar adalah merancang tugas yang sesuai untuk melibatkan semua

anggota secara aktif (Respati, 2018). Tugas dirancang berdasarkan tujuan
program pembelajaran, kemampuan peserta didik, yang dapat membangun
interaksi, kebergantungan antar anggota, dan yang dapat membangun rasa
tanggung jawab (Respati, 2018). Selain itu, pengajar harus mengetahui
harapan yang ingin dicapai dari partisipasi setiap anggota kelompok, tujuan
dari pembelajaran dan penyelidikan apa yang dapat memicu pembelajaran
(Respati, 2018).
4. Memfasilitasi Kolaborasi Mahasiswa

Dalam memfasilitasi kolaborasi mahasiswa, pengajar harus
memperhatikan dan berinteraksi dengan setiap kelompok. Pengajar perlu
mengarahkan setiap kelompok, bukan memberikan perintah. Pada bagian ini,
pengajar dapat memperkenalkan tugas yang harus setiap kelompok
selesaikan, seperti menginformasikan prosedur, tujuan, menetapkan batas
waktu, dan memberikan kesempatan bagi mahasiswa atau peserta didik yang
ingin bertanya. Pada bagian akhir, pengajar bisa memberikan koreksi apabila
ada hal yang kurang tepat, tambahan, sintesis, dan implikasi.
5. Memberi Nilai dan Mengevaluasi Pembelajaran Kolaboratif

Pada bagian ini, pengajar perlu memberikan evaluasi nilai secara
individu dan berkelompok. Karena proses pembelajaran dilakukan secara
berkelompok, pengajar perlu berhati-hati dalam menilai dan mengevaluasi.
Sebab, anggota kelompok memiliki kemampuan dan cara menunjukkan
kemampuan yang berbeda-beda. Pengajar dapat membuat daftar pedoman
umum untuk menilai yang mencakup seluruh tujuan dan kegiatan
pembelajaran. Pengajar juga dapat menentukan subjek penilai, bisa dari
mahasiswa atau pengajar.
Teknik pembelajaran kolaboratif/ Collaborative Learning Techniques (CoLT)

adalah teknik-teknik pembelajaran kolaboratif. CoLT memiliki 30 macam teknik
yang dikumpulkan Barkley yang telah teruji dengan baik. Selain itu, terdapat lima
24
kategori dalam CoLT, yaitu kategori diskusi, kategori pengajaran resiprokal oleh
teman, kategori menyelesaikan masalah, kategori pengelola informasi grafis, dan
kategori menulis. Kategori-kategori ini dibuat untuk mengurangi kesulitan dalam
menentukan CoLT yang sesuai.
I. Kerangka Berpikir
Penelitian ini membahas mengenai penyelesaian numeris model epidemi SEIR

yang dipengaruhi efektivitas vaksinasi untuk masalah penyebaran COVID-19
menggunakan metode Runge-Kutta orde empat dan metode Runge-Kutta orde lima.
Sebelum mencari penyelesaian dari model SEIR, terlebih dahulu dibahas teori yang
mendukung seperti pemodelan matematika, persamaan diferensial, COVID-19,
model epidemi SEIR, Metode Runge-Kutta, Metode Runge-Kutta orde empat dan
Metode Runge-Kutta orde lima.
Model Epidemi SEIR yang diperoleh akan dicari solusi secara numeris
menggunakan Metode Runge-Kutta orde empat dan metode Runge-Kutta orde
lima. Hasil dari penyelesaian tersebut akan dipaparkan dalam gambar grafik
menggunakan program MATLAB. Berdasarkan grafik solusi, akan dianalisis grafik
solusi tersebut.
Setelah menemukan solusi model SEIR dengan menggunakan metode RK4 dan
RK5, akan dikaji pula aspek pendidikan berupa penyusunan Rancangan Proses
Pembelajaran (RPP) untuk mahasiswa yang sesuai dengan konsep metode numeris
menggunakan pembelajaran kolaboratif.
BAB III
ASPEK MATEMATIS MODEL SEIR DENGAN VAKSINASI PADA
COVID-19
Bab ini membahas aspek matematis dari model SEIR dengan vaksinasi pada
COVID-19 yaitu model SEIR dengan vaksinasi pada penyebaran COVID-19,
penyelesaian model SEIR menggunakan metode Runge-Kutta orde empat dan lima,
dan perbandingan kesalahan numerik dan tingkat akurasi kedua metode.
A. Model SEIR dengan Vaksinasi Untuk Virus Corona
Objek dalam penelitian ini adalah model matematika SEIR dalam penyebaran
penyakit COVID-19. Pada subbab ini dijelaskan langkah untuk mendapatkan
skema dan model SEIR penyebaran penyakit COVID-19. Proses yang dilakukan
adalah menganalisis faktor-faktor yang mempengaruhi penyebaran penyakit
COVID-19 dan menentukan skema model matematika dari penyebaran penyakit
COVID-19 yang cocok. Tahapan-tahapan pelaksanaan pemodelan matematika
adalah sebagai berikut.
1. Identifikasi Masalah
COVID-19 merupakan penyakit yang disebabkan oleh infeksi virus Corona
baru yang menyerang sistem pernapasan. Virus ini dapat menginfeksi manusia ke
manusia, sehingga penyebarannya begitu cepat. Penularan virus Corona ini dapat
terjadi melalui kontak erat dengan individu yang terinfeksi, droplet, dan airborne.
Virus Corona dapat menginfeksi siapa saja, tetapi akan lebih berbahaya atau fatal
bila terjadi pada lansia, ibu hamil, individu yang memiliki penyakit tertentu, atau
individu yang memiliki daya tahan tubuhnya lemah. Selain itu, Infeksi yang
disebabkan virus ini dapat menunjukkan gejala maupun tidak menunjukkan gejala.
Gejala klinis pasien yang terinfeksi SARS-CoV-2 memiliki rangkaian yang luas,
mulai dari tanpa gejala, gejala ringan, pneumonia, pneumonia berat, ARDS (Acute
Respiratory Distress Syndrome)/gagal napas, hingga infeksi yang luas yang
menyebabkan kegagalan organ dan tekanan darah rendah (syok sepsis). Masa
inkubasi dalam inang selama kurang lebih 11,5 hari memberikan dampak pada
25
26
kondisi individu yang tertular yakni tidak menunjukkan gejala klinis secara
langsung.
Penyebaran penyakit COVID-19 yang disebabkan virus berdampak pada suatu
wilayah tertentu dengan masalah utama dari dampak penyebaran COVID-19 adalah
interaksi antar manusia. Interaksi manusia menyebabkan penyebaran penyakit
COVID-19 semakin cepat apabila tidak ada upaya pencegahan. Salah satu upaya
pencegahan penyebaran virus Corona adalah vaksinasi. Jenis vaksin yang
dikembangkan akan semakin beragam. Sehingga dapat dimungkinan di masa depan
akan ada jenis vaksin yang diberikan kepada individu yang terinfeksi sebagai upaya
peningkatan penyembuhan akibat infeksi virus.
2. Membuat Asumsi
Setelah mengamati beberapa kemungkinan penyebaran penyakit COVID-19,
dipilih asumsi-asumsi sebagai berikut.
a. Terdapat kematian pada subpopulasi terpapar dan terinfeksi akibat virus yang
dinyatakan dengan 𝑑1 , 𝑑2
b. Dalam populasi terjadi kelahiran dan kematian alami dengan laju kelahiran
dinyatakan dengan 𝑏0 dan laju kematian dinyatakan dengan 𝑑0 .
c. Individu baru (lahir) masuk ke dalam subpopulasi rentan.
d. Individu yang belum terinfeksi masuk ke dalam subpopulasi susceptible
(rentan terserang penyakit)
e. Individu yang memiliki riwayat kontak erat dengan individu terinfeksi, tetapi
tidak menunjukkan gejala masuk ke dalam sub populasi exposed (individu
terpapar virus).
f. Individu yang menunjukkan gejala ringan, sedang maupun berat masuk ke
dalam subpopulasi infected (individu terinfeksi virus).
g. Individu yang terinfeksi dinyatakan sembuh dari COVID-19 karena
pengobatan akan masuk ke dalam subpopulasi recovered (individu sembuh)
h. Virus memiliki masa inkubasi yang lama yakni 11,5 hari.
i. Adanya laju vaksinasi dari populasi
j. Vaksin diberikan kepada subpopulasi rentan, terpapar dan terinfeksi
27
k. Individu yang sudah vaksin dinyatakan sembuh

l. Vaksin yang diberikan pada setiap subpopulasi memiliki laju efektivitas
vaksin.
m. Tidak ada reinfection atau subpopulasi sembuh tidak dinyatakan kembali
sebagai subpopulasi rentan.
n. Tidak ada upaya pencegahan penyebaran virus seperti menggunakan masker,
menjaga jarak, dan alat perlindungan pribadi (APD) lainnya.
o. Tidak ada batasan mobilitas seperti lockdown di wilayah tertentu.
p. Adanya penularan ke atau dari hewan
q. Perubahan musim yang tidak menentu.
3. Formulasi Persamaan/Model Matematika

Berdasarkan asumsi-asumsi yang telah dibuat, akan ditentukan formulasi atau
model matematika yang sesuai. Sebelum dibuat, akan dipilih faktor-faktor yang
signifikan untuk digunakan dalam memformulasikan model matematika. Faktor-
faktor signifikan adalah sebagai berikut.
a. Terdapat kematian pada subpopulasi terpapar dan terinfeksi akibat virus yang
dinyatakan dengan 𝑑1 , 𝑑2
b. Dalam populasi terjadi kelahiran dan kematian alami dengan laju kelahiran
dinyatakan dengan 𝑏0 dan laju kematian dinyatakan dengan 𝑑0 .
c. Individu baru (lahir) masuk ke dalam subpopulasi rentan.
d. Individu yang belum terinfeksi masuk ke dalam subpopulasi susceptible
(rentan terserang penyakit)
e. Individu yang memiliki riwayat kontak erat dengan individu terinfeksi, tetapi
tidak menunjukkan gejala masuk ke dalam sub populasi exposed (individu
terpapar virus).
f. Individu yang menunjukkan gejala ringan, sedang maupun berat masuk ke
dalam subpopulasi infected (individu terinfeksi virus).
g. Individu yang terinfeksi dinyatakan sembuh dari COVID-19 karena
pengobatan akan masuk ke dalam subpopulasi recovered (individu sembuh)
h. Virus memiliki masa inkubasi yang lama yakni 11,5 hari.
28
i. Adanya laju vaksinasi dari populasi

j. Vaksin diberikan kepada subpopulasi rentan, terpapar dan terinfeksi
k. Individu yang sudah vaksin dinyatakan sembuh
l. Vaksin yang diberikan pada setiap subpopulasi memiliki laju efektivitas
vaksin.
m. Tidak ada reinfection atau subpopulasi sembuh tidak dinyatakan kembali
sebagai subpopulasi rentan.
n. Tidak ada upaya pencegahan penyebaran virus seperti menggunakan masker,
menjaga jarak, dan alat perlindungan pribadi (APD) lainnya.
o. Tidak ada batasan mobilitas seperti lockdown di wilayah tertentu.
Berdasarkan faktor-faktor di atas, laju perubahan populasi manusia dapat

diilustrasikan pada Gambar 3.1 berikut ini.
𝑏0 𝑑1 𝑑2 𝑑0
𝛽𝐼 𝛼 𝛾
𝑑0 𝑣𝑝𝑖
𝑣𝑝𝑠
Gambar 3.1 Skema populasi manusia untuk situasi COVID-19

Berikut ini adalah Tabel 3.1 yang menyajikan beberapa definisi dari variabel dan
parameter yang digunakan.
29
Tabel 3.1 Definisi Variabel dan Parameter Model Situasi COVID-19

Pada Model Pandemi SEIR
Parameters/
Intepretasi
Variabel
S Proporsi dari kasus rentan
E Proporsi dari kasus terpapar
I Proporsi dari kasus infeksi
R Proporsi dari kasus sembuh
𝛽 Tingkat efektivitas transmisi dari COVID 19
𝛼 Laju perubahan dari E ke I
𝛾 Laju perubahan dari I ke R
𝑣 Tingkat vaksinasi dari populasi
𝑝𝑠 Efektivitas dari vaksinasi pada kelompok rentan
𝑝𝑒 Efektivitas dari vaksinasi pada kelompok terpapar
𝑝𝑖 Efektivitas dari vaksinasi pada kelompok infeksi
𝑏0 Laju kelahiran dari populasi
𝑑0 Laju kematian dari populasi yang tidak COVID-19
𝑑1 Laju kematian dari populasi yang terpapar ditambah 𝑑0
𝑑2 Laju kematian dari populasi yang terinfeksi ditambah 𝑑0
Berdasarkan hal di atas, berikut ini merupakan model matematika berupa

sistem persamaan diferensial non-linear dari penyebaran COVID-19:
𝑑𝑆
= 𝑏0 − (𝑣𝑝𝑠 + 𝑑0 )𝑆 − 𝛽(1 − 𝑣𝑝𝑠 )𝑆𝐼,
𝑑𝑡
𝑑𝐸
= 𝛽(1 − 𝑣𝑝𝑠 )𝑆𝐼 − (𝑑1 + 𝛼 + (1 − 𝛼)𝑣𝑝𝑒 )𝐸,
𝑑𝑡 (2.9)
𝑑𝐼
= 𝛼𝐸 − (𝑑2 + 𝛾 + (1 − 𝛾)𝑣𝑝𝑖 )𝐼,
𝑑𝑡
𝑑𝑅
{ 𝑑𝑡 = 𝑣𝑝𝑠 𝑆 + 𝑣𝑝𝑒 (1 − 𝛼)𝐸 + (𝛾 + (1 − 𝛾)𝑣𝑝𝑖 )𝐼 − 𝑑0 𝑅.
dengan syarat 0 ≤ 𝑆(0), 𝐸(0), 𝐼(0), 𝑅(0) ≤ 1.
Berikut ini penjelasan dari model di atas.

30
𝑑𝑆
1. Laju perubahan jumlah manusia yang mudah ditular terhadap waktu ( 𝑑𝑡 )
dipengaruhi oleh:
a. Tingkat kelahiran populasi yaitu 𝑏0
b. Populasi rentan yang divaksinasi dan mati secara alami yaitu (𝑣𝑝𝑠 + 𝑑0 )𝑆
c. Transmisi COVID 19 antara populasi rentan dengan populasi terinfeksi
yang belum di vaksinasi yaitu 𝛽(1 − 𝑣𝑝𝑠 )𝑆𝐼
Dari a,b, dan c dapat dibuat model seperti berikut.
𝑑𝑆 (3.1)
= 𝑏0 − (𝑣𝑝𝑠 + 𝑑0 )𝑆 − 𝛽(1 − 𝑣𝑝𝑠 )𝑆𝐼
𝑑𝑡
𝑑𝐸
2. Laju perubahan jumlah manusia yang terpapar terhadap waktu ( 𝑑𝑡 )
dipengaruhi oleh:
a. Transmisi COVID 19 antara populasi rentan dengan populasi terinfeksi
yang belum di vaksinasi yaitu 𝛽(1 − 𝑣𝑝𝑠 )𝑆𝐼
b. Populasi terpapar yang mati, transmisi populasi terpapar ke terinfeksi, dan
populasi terpapar yang sembuh karena divaksinasi yaitu (𝑑1 + 𝛼 +
(1 − 𝛼)𝑣𝑝𝑒 )𝐸
Dari a dan b dapat dibuat model seperti berikut.
𝑑𝐸 (3.2)
= 𝛽(1 − 𝑣𝑝𝑠 )𝑆𝐼 − (𝑑1 + 𝛼 + (1 − 𝛼)𝑣𝑝𝑒 )𝐸
𝑑𝑡
3. Laju perubahan jumlah manusia yang terinfeksi oleh virus terhadap waktu
𝑑𝐼
(𝑑𝑡) dipengaruhi oleh:
a. Populasi terpapar yang terinfeksi yaitu 𝛼𝐸

b. Populasi terinfeksi yang mati, populasi terinfeksi yang sembuh, dan
populasi terinfeksi yang belum sembuh dan diberikan vaksinasi yaitu
(𝑑2 + 𝛾 + (1 − 𝛾)𝑣𝑝𝑖 )𝐼
Dari a dan b dapat dibuat model seperti berikut.
31
𝑑𝐼 (3.3)
= 𝛼𝐸 − (𝑑2 + 𝛾 + (1 − 𝛾)𝑣𝑝𝑖 )𝐼
𝑑𝑡
4. Laju perubahan jumlah manusia yang sembuh dari COVID-19 terhadap

𝑑𝑅
waktu ( 𝑑𝑡 ) dipengaruhi oleh:
a. Populasi rentan yang divaksinasi yaitu 𝑣𝑝𝑠 𝑆

b. Populasi terpapar yang tidak terinfeksi dan divaksinasi yaitu
𝑣𝑝𝑒 (1 − 𝛼)𝐸
c. Populasi terinfeksi yang sembuh dan populasi terinfeksi yang belum
sembuh, tetapi divaksinasi yaitu (𝛾 + (1 − 𝛾)𝑣𝑝𝑖 )𝐼
d. Populasi yang sembuh mati secara alami yaitu 𝑑0 𝑅
Dari a,b, dan c dapat dibuat model seperti berikut.
𝑑𝑅
= 𝑣𝑝𝑠 𝑆 + 𝑣𝑝𝑒 (1 − 𝛼)𝐸 + (𝛾 + (1 − 𝛾)𝑣𝑝𝑖 )𝐼 − 𝑑0 𝑅 (3.4)
𝑑𝑡
B. Penyelesaian Model SEIR dengan Vaksinasi Menggunakan Metode

Runge-Kutta Orde Empat
Dipandang kembali sistem persamaan diferensial biasa laju penyebaran

COVID 19 dengan model SEIR (2.9). Untuk menyelesaikan sistem persamaan
diferensial biasa tersebut, digunakan metode Runge-Kutta orde empat dengan cara
mengkonstruksi model di atas dengan persamaan (2.13) dan (2.14), sehingga
diperoleh sebagai berikut.
1
𝑆𝑖+1 = 𝑆𝑖 + (𝑘1𝑆 + 2𝑘2𝑆 + 2𝑘3𝑆 + 𝑘4𝑆 )ℎ,
6
1
𝐸𝑖+1 = 𝐸𝑖 + (𝑘1𝐸 + 2𝑘2𝐸 + 2𝑘3𝐸 + 𝑘4𝐸 )ℎ,
6
1 (3.5)
𝐼𝑖+1 = 𝐼𝑖 + (𝑘1𝐼 + 2𝑘2𝐼 + 2𝑘3𝐼 + 𝑘4𝐼 )ℎ,
6
1
𝑅𝑖+1 = 𝑅𝑖 + (𝑘1𝑅 + 2𝑘2𝑅 + 2𝑘3𝑅 + 𝑘4𝑅 )ℎ,
6
dengan nilai ketetapan 𝑘 dari persamaan tersebut yakni sebagai berikut.

32
𝑘1𝑆 = ℎ𝑓(𝑡𝑖 , 𝑆𝑖 , 𝐸𝑖 , 𝐼𝑖 , 𝑅𝑖 ),
𝑘1𝐼 = ℎ𝑓(𝑡𝑖 , 𝑆𝑖 , 𝐸𝑖 , 𝐼𝑖 , 𝑅𝑖 ),
𝑘1𝐸 = ℎ𝑓(𝑡𝑖 , 𝑆𝑖 , 𝐸𝑖 , 𝐼𝑖 , 𝑅𝑖 ),
𝑘1𝑅 = ℎ𝑓(𝑡𝑖 , 𝑆𝑖 , 𝐸𝑖 , 𝐼𝑖 , 𝑅𝑖 ),
1 1 1 1 1
𝑘2𝑆 = ℎ𝑓 (𝑡𝑖 + , 𝑆𝑖 + 𝑘1𝑆 , 𝐸𝑖 + 𝑘1𝐸 , 𝐼𝑖 + 𝑘1𝐼 , 𝑅𝑖 + 𝑘1𝑅 ),
2 2 2 2 2
1 1 1 1 1
𝑘2𝐸 = ℎ𝑓 (𝑡𝑖 + , 𝑆𝑖 + 𝑘1𝑆 , 𝐸𝑖 + 𝑘1𝐸 , 𝐼𝑖 + 𝑘1𝐼 , 𝑅𝑖 + 𝑘1𝑅 ),
2 2 2 2 2
1 1 1 1 1
𝑘2𝐼 = ℎ𝑓 (𝑡𝑖 + , 𝑆𝑖 + 𝑘1𝑆 , 𝐸𝑖 + 𝑘1𝐸 , 𝐼𝑖 + 𝑘1𝐼 , 𝑅𝑖 + 𝑘1𝑅 ),
2 2 2 2 2
1 1 1 1 1
𝑘2𝑅 = ℎ𝑓 (𝑡𝑖 + , 𝑆𝑖 + 𝑘1𝑆 , 𝐸𝑖 + 𝑘1𝐸 , 𝐼𝑖 + 𝑘1𝐼 , 𝑅𝑖 + 𝑘1𝑅 ),
2 2 2 2 2 (3.6)
1 1 1 1 1
2 2 2 2 2
1 1 1 1 1
2 2 2 2 2
1 1 1 1 1
2 2 2 2 2
1 1 1 1 1
2 2 2 2 2
𝑘4𝑆 = ℎ𝑓(𝑡𝑖 + ℎ, 𝑆𝑖 + 𝑘3𝑆 , 𝐸𝑖 + 𝑘3𝐸 , 𝐼𝑖 + 𝑘3𝐼 , 𝑅𝑖 + 𝑘3𝑅 ),
𝑘4𝐸 = ℎ𝑓(𝑡𝑖 + ℎ, 𝑆𝑖 + 𝑘3𝑆 , 𝐸𝑖 + 𝑘3𝐸 , 𝐼𝑖 + 𝑘3𝐼 , 𝑅𝑖 + 𝑘3𝑅 ),
𝑘4𝐼 = ℎ𝑓(𝑡𝑖 + ℎ, 𝑆𝑖 + 𝑘3𝑆 , 𝐸𝑖 + 𝑘3𝐸 , 𝐼𝑖 + 𝑘3𝐼 , 𝑅𝑖 + 𝑘3𝑅 ),
𝑘4𝑅 = ℎ𝑓(𝑡𝑖 + ℎ, 𝑆𝑖 + 𝑘3𝑆 , 𝐸𝑖 + 𝑘3𝐸 , 𝐼𝑖 + 𝑘3𝐼 , 𝑅𝑖 + 𝑘3𝑅 ),
dengan 𝑖 = 0,1,2, … , 𝑛 dan ℎ = 𝑡𝑖+1 − 𝑡𝑖 .

Kemudian, menentukan nilai ketetapan 𝑘 agar mendapatkan nilai 𝑆𝑖 , 𝐸𝑖 , 𝐼𝑖 , 𝑅𝑖
dari sistem persamaan (3.5) dengan lebih rinci dituliskan dalam persamaan (3.7)
sebagai berikut.
𝑘1𝑆 = 𝑏0 − (𝑣𝑝𝑠 + 𝑑0 )𝑆𝑖 − 𝛽(1 − 𝑣𝑝𝑠 )𝑆𝑖 𝐼𝑖 ,

𝑘1𝐸 = 𝛽(1 − 𝑣𝑝𝑠 )𝑆𝑖 𝐼𝑖 − (𝑑1 + 𝛼 + (1 − 𝛼)𝑣𝑝𝑒 )𝐸𝑖 ,
𝑘1𝐼 = 𝛼𝐸𝑖 − (𝑑2 + 𝛾 + (1 − 𝛾)𝑣𝑝𝑖 )𝐼𝑖 , (3.7)
𝑘1𝑅 = 𝑣𝑝𝑠 𝑆𝑖 + 𝑣𝑝𝑒 (1 − 𝛼)𝐸𝑖 + (𝛾 + (1 − 𝛾)𝑣𝑝𝑖 )𝐼𝑖 − 𝑑0 𝑅𝑖 ,
33
𝑘1 𝑆 𝑘1 𝑆
𝑘2𝑆 = 𝑏0 − (𝑣𝑝𝑠 + 𝑑0 ) (𝑆𝑖 + ℎ) − 𝛽(1 − 𝑣𝑝𝑠 ) (𝑆𝑖 + ℎ) (𝐼𝑖 +
2 2
𝑘1 𝐼
ℎ),
2
𝑘1 𝑆 𝑘1 𝐼
𝑘2𝐸 = 𝛽(1 − 𝑣𝑝𝑠 ) (𝑆𝑖 + ℎ) (𝐼𝑖 + ℎ) − (𝑑1 + 𝛼 + (1 −
2 2
𝑘1 𝐸
𝛼)𝑣𝑝𝑒 ) (𝐸𝑖 + ℎ),
2
𝑘1 𝐸 𝑘1 𝐼
𝑘2𝐼 = 𝛼 (𝐸𝑖 + ℎ) − (𝑑2 + 𝛾 + (1 − 𝛾)𝑣𝑝𝑖 ) (𝐼𝑖 + ℎ),
2 2
𝑘1 𝑆 𝑘1 𝐸
𝑘2𝑅 = 𝑣𝑝𝑠 (𝑆𝑖 + ℎ) + 𝑣𝑝𝑒 (1 − 𝛼) (𝐸𝑖 + ℎ) + (𝛾 + (1 −
2 2
𝑘1 𝐼 𝑘1 𝑅
𝛾)𝑣𝑝𝑖 ) (𝐼𝑖 + ℎ) − 𝑑0 (𝑅𝑖 + ℎ),
2 2
𝑘2 𝑆 𝑘2 𝑆
2 2
𝑘2 𝐼
ℎ),
2
𝑘2 𝑆 𝑘2 𝐼
𝑘3𝐸 = 𝛽(1 − 𝑣𝑝𝑠 ) (𝑆𝑖 + ℎ) (𝐼𝑖 + ℎ) − (𝑑1 + 𝛼 + (1 −
2 2
𝑘2 𝐸
2
𝑘2 𝐸 𝑘2 𝐼
2 2
𝑘2 𝑆 𝑘2 𝐸
𝑘3𝑅 = 𝑣𝑝𝑠 (𝑆𝑖 + ℎ) + 𝑣𝑝𝑒 (1 − 𝛼) (𝐸𝑖 + ℎ) + (𝛾 + (1 −
2 2
𝑘2 𝐼 𝑘2 𝑅
𝛾)𝑣𝑝𝑖 ) (𝐼𝑖 + ℎ) − 𝑑0 (𝑅𝑖 + ℎ),
2 2
𝑘4𝑆 = 𝑏0 − (𝑣𝑝𝑠 + 𝑑0 )(𝑆𝑖 + 𝑘3 𝑆ℎ) − 𝛽(1 − 𝑣𝑝𝑠 )(𝑆𝑖 + 𝑘3 𝑆ℎ)(𝐼𝑖 +

𝑘3 𝐼ℎ),
𝑘4𝐸 = 𝛽(1 − 𝑣𝑝𝑠 )(𝑆𝑖 + 𝑘3 𝑆ℎ)(𝐼𝑖 + 𝑘3 𝐼ℎ) − (𝑑1 + 𝛼 + (1 −
𝛼)𝑣𝑝𝑒 )(𝐸𝑖 + 𝑘3 𝐸ℎ),
𝑘4𝐼 = 𝛼(𝐸𝑖 + 𝑘3 𝐸ℎ) − (𝑑2 + 𝛾 + (1 − 𝛾)𝑣𝑝𝑖 )(𝐼𝑖 + 𝑘3 𝐼ℎ),
𝑘4𝑅 = 𝑣𝑝𝑠 (𝑆𝑖 + 𝑘3 𝑆ℎ) + 𝑣𝑝𝑒 (1 − 𝛼)(𝐸𝑖 + 𝑘3 𝐸ℎ) + (𝛾 + (1 −
𝛾)𝑣𝑝𝑖 )(𝐼𝑖 + 𝑘3 𝐼ℎ) − 𝑑0 (𝑅𝑖 + 𝑘3 𝑅ℎ).
Untuk menyelesaikan persamaan di atas, diperlukan adanya data awal. Berikut
ini adalah Tabel 3.2 yang menyajikan data awal sebagai berikut.
34
Tabel 3.2 Data Nilai Awal Variabel/Parameter
Variabel/Parameter Nilai Awal Variabel/Parameter

𝑆(0) 0.97286
𝐸(0) + 𝐼(0) 0.00905
𝑅(0) 0.01809
𝛽 0.462
𝛼 1/ 11.5 per hari
𝛾 0.0686 per hari
𝑏0 3.178 × 10−5 per hari
𝑑0 2.377 × 10−5 per hari
𝑑1 2.585 × 10−5 per hari
𝑑2 2.585 × 10−5 per hari
𝑣 0.01
𝑝𝑠 0.7
𝑝𝑒 0.6
𝑝𝑖 0.6
Pada nilai awal 𝐸(0) dan 𝐼(0) diambil nilai awal 𝐸(0) = 0.00543 dan 𝐼(0) =
0.00362 dimana jumlah dari 𝐸(0) dan 𝐼(0) adalah 0.00905. Dengan menggunakan
nilai awal pada tabel 3.2 serta ℎ = 1 dan 𝑖 = 0,1,2,3, … , 𝑛 pada persamaan (3.5)
dan (3.7), diperoleh iterasi pertama dari perhitungan menggunakan metode Runge-
Kutta orde empat sebagai berikut.
𝑘1𝑆 = 0.00003178 − ((0.01 × 0.7) + 0.00002377)(0.97286) − 0.462(1 −

(0.01 × 0.7))(0.97286)(0.00362 )
= −0.0084
1
𝑘1𝐸 = 0.462(1 − (0.01 × 0.7))(0.97286)(0.00362 ) − (0.00002585 + 11.5 +
1
(1 − 11.5) (0.01 × 0,6)) (0.00543)
= 0.0011
1
𝑘1𝐼 = 11.5 (0.00543) − (0.00002585 + 0.0686 + (1 − 0.0686)(0.01 ×
0.6))(0.00362 )
= 0.00020352
35
1
𝑘1𝑅 = (0.01 × 0.7)(0.97286) + (0.01 × 0.6) (1 − 11.5) (0.00543) + (0.0686 +
(1 − 0.0686)(0.01 × 0.6))(0.00362 ) − 0.00002377(0.01809)
= 0.0071
𝑘2𝑆 = 0.00003178 − ((0.01 × 0.7) + 0.00002377) ((0.97286) +

−0.0084
(1)) − 0.462(1 − (0.01 × 0.7)) ((0.97286) +
2
−0.0084 0.00020352
(1)) ((0.00362) + (1))
2 2
= −0.0084
−0.0084
𝑘2𝐸 = 0.462(1 − (0.01 × 0.7)) ((0.97286) + (1)) ((0.00362) +
2
0.00020352 1 1
(1)) − (0.00002585 + + (1 − 11.5) (0.01 ×
2 11.5
0.0011
0.6)) ((0.00543) + (1))
2
= 0.0011
1 0.0011
𝑘2𝐼 = 11.5 ((0.00543) + (1)) − (0.00002585 + 0.0686 + (1 −
2
0.00020352
0.0686)(0.01 × 0.6)) ((0.00362) + (1))
2
= 0.00024438
−0.0084
𝑘2𝑅 = (0.01 × 0.7) ((0.97286) + (1)) + (0.01 × 0.6) (1 −
2
1 0.0011
) ((0.00543) + (1)) + (0.0686 + (1 − 0.0686)(0.01 ×
11.5 2
0.00020352
0.6)) ((0.00362) + (1)) − 0.00002377 ((0.01809) +
2
0.0071
(1))
2
= 0.0071
𝑘3𝑆 = 0.00003178 − ((0.01 × 0.7) + 0.00002377) ((0.97286) +

−0.0084
(1)) − 0.462(1 − (0.01 × 0.7)) ((0.97286) +
2
−0.0084 0.00024438
(1)) ((0.00362) + (1))
2 2
= −0.0084
36
−0.0084
𝑘3𝐸 = 0.462(1 − (0.01 × 0.7)) ((0.97286) + (1)) ((0.00362) +
2
0.00024438 1 1
(1)) − (0.00002585 + + (1 − 11.5) (0.01 ×
2 11.5
0.0011
0.6)) ((0.00543 ) + (1))
2
= 0.0011
1 0.0011
𝑘3𝐼 = 11.5 ((0.00543 ) + (1)) − (0.00002585 + 0.0686 + (1 −
2
0.00024438
0.0686)(0.01 × 0.6)) ((0.00362) + (1))
2
= 0.00024229
−0.0084
𝑘3𝑅 = (0.01 × 0.7) ((0.97286) + (1)) + (0.01 × 0.6) (1 −
2
1 0.0011
) ((0.00543) + (1)) + (0.0686 + (1 − 0.0686)(0.01 ×
11.5 2
0.00024438
0.6)) ((0.00362) + (1)) − 0.00002377 ((0.01809) +
2
0.0071
(1))
2
= 0.0071
𝑘4𝑆 = 0.00003178 − ((0.01 × 0.7) + 0.00002377)((0.97286) +

(−0.0084)(1)) − 0.462(1 − (0.01 × 0.7))((0.97286) +
(−0.0084)(1))((0.00362) + 0.00024229(1))
= −0.0085
𝑘4𝐸 = 0.462(1 − (0.01 × 0.7))((0.97286) + (−0.0084)(1))((0.00362) +

1 1
0.00024229(1)) − (0.00002585 + 11.5 + (1 − 11.5) (0.01 ×
0.6)) ((0.00543) + 0.0011(1))
= 0.0011
1
𝑘4𝐼 = 11.5 ((0.00543) + 0.0011(1)) − (0.00002585 + 0.0686 + (1 −
0.0686)(0.01 × 0.6))((0.00362) + 0.00024229(1))
= 0.00028206
𝑘4𝑅 = (0.01 × 0.7)((0.97286) + (−0.0084)(1)) + (0.01 × 0.6) (1 −

1
11.5
) ((0.00543) + 0.0011(1)) + (0.0686 + (1 − 0.0686)(0.01 ×
37
0.6))((0.00362) + 0.00024229(1)) − 0.00002377((0.01809) +

0.0071(1))
= 0.0071
Sehingga diperoleh solusi numerik pada iterasi pertama dengan metode Runge-
Kutta orde empat sebagai berikut.
1
𝑆1 = 0.97286 + 6 ((−0.0084) + 2(−0.0084) + 2(−0.0084) + (−0.0085))(1)
= 0.96443
1
𝐸1 = 0.00543 + 6 (0.0011 + 2(0.0011) + 2(0.0011) + 0.0011)(1)
= 0.00654
1
𝐼1 = 0.00362 + 6 (0.00020352 + 2(0.00024438) + 2(0.00024229) +
0.00028206)(1)
= 0.00386
1
𝑅1 = 0.01809 + 6 (0.0071 + 2(0.0071) + 2(0.0071) + 0.0071)(1)
= 0.02518
Dengan cara yang sama dilakukan untuk iterasi selanjutnya dengan ℎ = 1 dan
𝑖 = 1,2,3, … , 𝑛 dan 𝑡 pada interval [0, 120] menggunakan bantuan software
MATLAB. Hasil perhitungan dengan metode Runge-Kutta orde empat
memberikan solusi seperti tampak pada Gambar 3.2.
38
Gambar 3.2 Grafik Solusi dengan Metode Runge-Kutta Orde Empat

39
Gambar 3.2 adalah dinamika penyebaran COVID-19 dengan model SEIR

yang diselesaikan menggunakan metode Runge-Kutta orde empat. Sebelum
diselesaikan, kejadian penyebaran COVID-19 dimodelkan dengan model SEIR
yang kompartemen S, E, dan I mendapatkan tindakan vaksinasi dengan tingkat
efektivitas vaksin yang berbeda. Proporsi populasi manusia yang rentan
(susceptible) terhadap virus diambil cukup besar yakni 0.97286. Lalu, proporsi
populasi manusia terpapar (exposed) sebesar 0.00543 dan terinfeksi (infected)
sebesar 0.00362 dan proporsi manusia yang sembuh (recovered) sebesar 0.01809.
Nilai proporsi masing-masing kompartemen mewakili besar populasi suatu daerah
yang besar yakni 331.002.651 orang. Ketika diselesaikan menggunakan metode
Runge-Kutta orde 4 dengan 𝑡 (waktu) yang dipilih sebanyak 120 hari, diperoleh
bahwa populasi manusia rentan semakin berkurang. Lalu, populasi terpapar akan
semakin bertambah hingga hari ke-47 dan populasi terpapar semakin berkurang di
hari berikutnya. Hal ini dapat dilihat pada Gambar 3.2 dan hasil perhitungan pada
lampiran 2 yang menunjukkan bahwa hari ke-47 adalah puncak populasi terpapar
atau banyak populasi terpapar yang paling tinggi. Selanjutnya, populasi terinfeksi
akan semakin bertambah hingga hari ke-57 dan semakin berkurang di hari
berikutnya. Hal ini dapat dilihat bahwa banyaknya populasi rentan, terpapar, dan
terinfeksi akan menuju nol seiring bertambahnya waktu. Sehingga berdampak pada
populasi sembuh yang ditunjukkan Gambar 3.2 maupun Lampiran 2 yang
menunjukkan bahwa semakin lama, populasi sembuh akan semakin naik atau
semakin bertambah populasi yang sembuh.
C. Penyelesaian Model SEIR dengan Vaksinasi Menggunakan Metode

Runge-Kutta Orde Lima
Model persamaan (2.9) akan di selesaikan menggunakan metode Runge-Kutta

orde lima. Rumus metode Runge-Kutta orde lima pada sistem tersebut akan
memberikan solusi pada persamaan berikut.
40
1
𝑆𝑖+1 = 𝑆𝑖 + (7𝑘1𝑆 + 32𝑘3𝑆 + 12𝑘4𝑆 + 32𝑘5𝑆 + 7𝑘6𝑆 )ℎ,
90
1
𝐸𝑖+1 = 𝐸𝑖 + (7𝑘1𝐸 + 32𝑘3𝐸 + 12𝑘4𝐸 + 32𝑘5𝐸 + 7𝑘6𝐸 )ℎ,
90
1 (3.8)
𝐼𝑖+1 = 𝐼𝑖 + (7𝑘1𝐼 + 32𝑘3𝐼 + 12𝑘4𝐼 + 32𝑘5𝐼 + 7𝑘6𝐼 )ℎ,
90
1
𝑅𝑖+1 = 𝑅𝑖 + (7𝑘1𝑅 + 32𝑘3𝑅 + 12𝑘4𝑅 + 32𝑘5𝑅 + 7𝑘6𝑅 )ℎ,
90
Dengan nilai ketetapan 𝑘 sebagai berikut.

𝑘1𝑆 = ℎ𝑓(𝑡𝑖 , 𝑆𝑖 , 𝐸𝑖 , 𝐼𝑖 , 𝑅𝑖 ),
𝑘1𝐼 = ℎ𝑓(𝑡𝑖 , 𝑆𝑖 , 𝐸𝑖 , 𝐼𝑖 , 𝑅𝑖 ),
𝑘1𝐸 = ℎ𝑓(𝑡𝑖 , 𝑆𝑖 , 𝐸𝑖 , 𝐼𝑖 , 𝑅𝑖 ),
𝑘1𝑅 = ℎ𝑓(𝑡𝑖 , 𝑆𝑖 , 𝐸𝑖 , 𝐼𝑖 , 𝑅𝑖 ),
1 1 1 1 1
4 4 4 4 4
1 1 1 1 1
4 4 4 4 4
1 1 1 1 1
4 4 4 4 4
1 1 1 1 1
4 4 4 4 4
1 1 1 1 1 1
𝑘3𝑆 = ℎ𝑓 (𝑡𝑖 + 4 , 𝑆𝑖 + 8 𝑘1𝑆 + 8 𝑘2𝑆 , 𝐸𝑖 + 8 𝑘1𝐸 + 8 𝑘2𝐸 , 𝐼𝑖 + 8 𝑘1𝐼 +
1 1 1
𝑘 ,𝑅 + 8 𝑘1𝑅 + 8 𝑘2𝑅 ),
8 2𝐼 𝑖
1 1 1 1 1 1 (3.9)
𝑘3𝐸 = ℎ𝑓 (𝑡𝑖 + 4 , 𝑆𝑖 + 8 𝑘1𝑆 + 8 𝑘2𝑆 , 𝐸𝑖 + 8 𝑘1𝐸 + 8 𝑘2𝐸 , 𝐼𝑖 + 8 𝑘1𝐼 +
1 1 1
𝑘 ,𝑅 + 8 𝑘1𝑅 + 8 𝑘2𝑅 ),
8 2𝐼 𝑖
1 1 1 1 1 1
𝑘3𝐼 = ℎ𝑓 (𝑡𝑖 + 4 , 𝑆𝑖 + 8 𝑘1𝑆 + 8 𝑘2𝑆 , 𝐸𝑖 + 8 𝑘1𝐸 + 8 𝑘2𝐸 , 𝐼𝑖 + 8 𝑘1𝐼 +
1 1 1
𝑘 ,𝑅 + 8 𝑘1𝑅 + 8 𝑘2𝑅 ),
8 2𝐼 𝑖
1 1 1 1 1 1
𝑘3𝑅 = ℎ𝑓 (𝑡𝑖 + 4 , 𝑆𝑖 + 8 𝑘1𝑆 + 8 𝑘2𝑆 , 𝐸𝑖 + 8 𝑘1𝐸 + 8 𝑘2𝐸 , 𝐼𝑖 + 8 𝑘1𝐼 +
1 1 1
𝑘 , 𝑅 + 8 𝑘1𝑅 + 8 𝑘2𝑅 ),
8 2𝐼 𝑖
1 1 1 1
𝑘4𝑆 = ℎ𝑓 (𝑡𝑖 + 2 , 𝑆𝑖 − 2 𝑘2𝑆 + 𝑘3𝑆 , 𝐸𝑖 − 2 𝑘2𝐸 + 𝑘3𝐸 , 𝐼𝑖 − 2 𝑘2𝐼 +
1
𝑘3𝐼 , 𝑅𝑖 − 2 𝑘2𝑅 + 𝑘3𝑅 ),
1 1 1 1
𝑘4𝐸 = ℎ𝑓 (𝑡𝑖 + 2 , 𝑆𝑖 − 2 𝑘2𝑆 + 𝑘3𝑆 , 𝐸𝑖 − 2 𝑘2𝐸 + 𝑘3𝐸 , 𝐼𝑖 − 2 𝑘2𝐼 +
1
𝑘3𝐼 , 𝑅𝑖 − 2 𝑘2𝑅 + 𝑘3𝑅 ),
41
1 1 1 1
𝑘4𝐼 = ℎ𝑓 (𝑡𝑖 + 2 , 𝑆𝑖 − 2 𝑘2𝑆 + 𝑘3𝑆 , 𝐸𝑖 − 2 𝑘2𝐸 + 𝑘3𝐸 , 𝐼𝑖 − 2 𝑘2𝐼 +
1
𝑘3𝐼 , 𝑅𝑖 − 2 𝑘2𝑅 + 𝑘3𝑅 ),
1 1 1 1
𝑘4𝑅 = ℎ𝑓 (𝑡𝑖 + 2 , 𝑆𝑖 − 2 𝑘2𝑆 + 𝑘3𝑆 , 𝐸𝑖 − 2 𝑘2𝐸 + 𝑘3𝐸 , 𝐼𝑖 − 2 𝑘2𝐼 +
1
𝑘3𝐼 , 𝑅𝑖 − 2 𝑘2𝑅 + 𝑘3𝑅 ),
3 3 9 3 9
𝑘5𝑆 = ℎ𝑓 (𝑡𝑖 + 4 , 𝑆𝑖 + 16 𝑘1𝑆 + 16 𝑘4𝑆 , 𝐸𝑖 + 16 𝑘1𝐸 + 16 𝑘4𝐸 , 𝐼𝑖 +
3 9 3 9
𝑘 + 16 𝑘4𝐼 , 𝑅𝑖 + 16 𝑘1𝑅 + 16 𝑘4𝑅 ),
16 1𝐼
3 3 9 3 9
𝑘5𝐸 = ℎ𝑓 (𝑡𝑖 + 4 , 𝑆𝑖 + 16 𝑘1𝑆 + 16 𝑘4𝑆 , 𝐸𝑖 + 16 𝑘1𝐸 + 16 𝑘4𝐸 , 𝐼𝑖 +
3 9 3 9
𝑘 + 16 𝑘4𝐼 , 𝑅𝑖 + 16 𝑘1𝑅 + 16 𝑘4𝑅 ),
16 1𝐼
3 3 9 3 9
𝑘5𝐼 = ℎ𝑓 (𝑡𝑖 + 4 , 𝑆𝑖 + 16 𝑘1𝑆 + 16 𝑘4𝑆 , 𝐸𝑖 + 16 𝑘1𝐸 + 16 𝑘4𝐸 , 𝐼𝑖 +
3 9 3 9
𝑘 + 16 𝑘4𝐼 , 𝑅𝑖 + 16 𝑘1𝑅 + 16 𝑘4𝑅 ),
16 1𝐼
3 3 9 3 9
𝑘5𝑅 = ℎ𝑓 (𝑡𝑖 + 4 , 𝑆𝑖 + 16 𝑘1𝑆 + 16 𝑘4𝑆 , 𝐸𝑖 + 16 𝑘1𝐸 + 16 𝑘4𝐸 , 𝐼𝑖 +
3 9 3 9
𝑘 + 16 𝑘4𝐼 , 𝑅𝑖 + 16 𝑘1𝑅 + 16 𝑘4𝑅 ),
16 1𝐼
3 2 12 12 8
𝑘6𝑆 = ℎ𝑓 (𝑡𝑖 + ℎ, 𝑆𝑖 − 7 𝑘1𝑆 + 7 𝑘2𝑆 + 𝑘3𝑆 − 𝑘4𝑆 + 7 𝑘5𝑆 , 𝐸𝑖 −
7 7
3 2 12 12 8 3 2
𝑘1𝐸 + 𝑘2𝐸 + 𝑘3𝐸 − 𝑘4𝐸 + 𝑘5𝐸 , 𝐼𝑖 − 𝑘1𝐼 + 𝑘2𝐼 +
7 7 7 7 7 7 7
12 12 8 3 2 12 12
𝑘3𝐼 − 𝑘4𝐼 + 7 𝑘5𝐼 , 𝑅𝑖 − 7 𝑘1𝑅 + 7 𝑘2𝑅 + 𝑘3𝑅 − 𝑘4𝑅 +
7 7 7 7
8
𝑘 ),
7 5𝑅
3 2 12 12 8
𝑘6𝐸 = ℎ𝑓 (𝑡𝑖 + ℎ, 𝑆𝑖 − 7 𝑘1𝑆 + 7 𝑘2𝑆 + 𝑘3𝑆 − 𝑘4𝑆 + 7 𝑘5𝑆 , 𝐸𝑖 −
7 7
3 2 12 12 8 3 2
𝑘 + 7 𝑘2𝐸 + 𝑘3𝐸 − 𝑘4𝐸 + 7 𝑘5𝐸 , 𝐼𝑖 − 7 𝑘1𝐼 + 7 𝑘2𝐼 +
7 1𝐸 7 7
12 12 8 3 2 12 12
7 7 7 7
8
𝑘 ),
7 5𝑅
3 2 12 12 8
𝑘6𝐼 = ℎ𝑓 (𝑡𝑖 + ℎ, 𝑆𝑖 − 7 𝑘1𝑆 + 7 𝑘2𝑆 + 𝑘3𝑆 − 𝑘4𝑆 + 7 𝑘5𝑆 , 𝐸𝑖 −
7 7
3 2 12 12 8 3 2
𝑘 + 7 𝑘2𝐸 + 𝑘3𝐸 − 𝑘4𝐸 + 7 𝑘5𝐸 , 𝐼𝑖 − 7 𝑘1𝐼 + 7 𝑘2𝐼 +
7 1𝐸 7 7
12 12 8 3 2 12 12
7 7 7 7
8
𝑘 ),
7 5𝑅
3 2 12 12 8
𝑘6𝑅 = ℎ𝑓 (𝑡𝑖 + ℎ, 𝑆𝑖 − 7 𝑘1𝑆 + 7 𝑘2𝑆 + 𝑘 − 7 𝑘4𝑆 + 7 𝑘5𝑆 , 𝐸𝑖 −
7 3𝑆
3 2 12 12 8 3 2
𝑘1𝐸 + 𝑘 2𝐸 + 𝑘3𝐸 − 𝑘4𝐸 + 𝑘5𝐸 , 𝐼𝑖 − 𝑘1𝐼 + 𝑘 +
7 7 7 7 7 7 7 2𝐼
12 12 8 3 2 12 12
𝑘 − 7 𝑘4𝐼 + 7 𝑘5𝐼 , 𝑅𝑖 − 7 𝑘1𝑅 + 7 𝑘2𝑅 + 7 𝑘3𝑅 − 7 𝑘4𝑅 +
7 3𝐼
8
𝑘 ),
7 5𝑅
42
Dengan 𝑖 = 0,1,2, … , 𝑛 dan ℎ = 𝑡𝑖+1 − 𝑡𝑖 .
Kemudian, menentukan nilai ketetapan 𝑘 agar mendapatkan nilai 𝑆𝑖 , 𝐸𝑖 , 𝐼𝑖 , 𝑅𝑖

dari sistem persamaan (3.8) dengan lebih rinci dituliskan dalam persamaan sebagai
berikut.
𝑘1𝑆 = 𝑏0 − (𝑣𝑝𝑠 + 𝑑0 )𝑆𝑖 − 𝛽(1 − 𝑣𝑝𝑠 )𝑆𝑖 𝐼𝑖 ,

𝑘1𝐸 = 𝛽(1 − 𝑣𝑝𝑠 )𝑆𝑖 𝐼𝑖 − (𝑑1 + 𝛼 + (1 − 𝛼)𝑣𝑝𝑒 )𝐸𝑖 ,
𝑘1𝐼 = 𝛼𝐸𝑖 − (𝑑2 + 𝛾 + (1 − 𝛾)𝑣𝑝𝑖 )𝐼𝑖 ,
𝑘1𝑅 = 𝑣𝑝𝑠 𝑆𝑖 + 𝑣𝑝𝑒 (1 − 𝛼)𝐸𝑖 + (𝛾 + (1 − 𝛾)𝑣𝑝𝑖 )𝐼𝑖 − 𝑑0 𝑅𝑖 ,
𝑘1𝑆 𝑘1𝑆
4 4
𝑘1𝐼
ℎ),
4
𝑘1𝑆 𝑘1𝐼
𝑘2𝐸 = 𝛽(1 − 𝑣𝑝𝑠 ) (𝑆𝑖 + ℎ) (𝐼𝑖 + ℎ) − (𝑑1 + 𝛼 + (1 −
4 4
𝑘1𝐸
4
𝑘1𝐸 𝑘1𝐼
4 4
𝑘1𝑆 𝑘1𝐸
𝑘2𝑅 = 𝑣𝑝𝑠 (𝑆𝑖 + ℎ) + 𝑣𝑝𝑒 (1 − 𝛼) (𝐸𝑖 + ℎ) + (𝛾 +
4 4
𝑘1𝐼 𝑘1𝑅
(1 − 𝛾)𝑣𝑝𝑖 ) (𝐼𝑖 + ℎ) − 𝑑0 (𝑅𝑖 + ℎ),
4 4
𝑘1𝑆 𝑘2𝑆
(3.10)
𝑘3𝑆 = 𝑏0 − (𝑣𝑝𝑠 + 𝑑0 ) (𝑆𝑖 + ℎ+ ℎ) − 𝛽(1 − 𝑣𝑝𝑠 ) (𝑆𝑖 +
8 8
𝑘1𝑆 𝑘2𝑆 𝑘1𝐼 𝑘2𝐼
ℎ+ ℎ) (𝐼𝑖 + ℎ+ ℎ),
8 8 8 8
𝑘1𝑆 𝑘2𝑆 𝑘1𝐼 𝑘2𝐼
𝑘3𝐸 = 𝛽(1 − 𝑣𝑝𝑠 ) (𝑆𝑖 + ℎ+ ℎ) (𝐼𝑖 + ℎ+ ℎ) − (𝑑1 +
8 8 8 8
𝑘1𝐸 𝑘2𝐸
𝛼 + (1 − 𝛼)𝑣𝑝𝑒 ) (𝐸𝑖 + ℎ+ ℎ),
8 8
𝑘1𝐸 𝑘2𝐸 𝑘1𝐼
𝑘3𝐼 = 𝛼 (𝐸𝑖 + ℎ+ ℎ) − (𝑑2 + 𝛾 + (1 − 𝛾)𝑣𝑝𝑖 ) (𝐼𝑖 + ℎ+
8 8 8
𝑘2𝐼
ℎ),
8
𝑘1𝑆 𝑘2𝑆 𝑘1𝐸 𝑘2𝐸
𝑘3𝑅 = 𝑣𝑝𝑠 (𝑆𝑖 + ℎ+ ℎ) + 𝑣𝑝𝑒 (1 − 𝛼) (𝐸𝑖 + ℎ+ ℎ) +
8 8 8 8
𝑘1𝐼 𝑘2𝐼 𝑘1𝑅 𝑘2𝑅
(𝛾 + (1 − 𝛾)𝑣𝑝𝑖 ) (𝐼𝑖 + ℎ+ ℎ) − 𝑑0 (𝑅𝑖 + ℎ+ ℎ),
8 8 8 8
𝑘2𝑆
𝑘4𝑆 = 𝑏0 − (𝑣𝑝𝑠 + 𝑑0 ) (𝑆𝑖 − ℎ + 𝑘3𝑆 ℎ) − 𝛽(1 − 𝑣𝑝𝑠 ) (𝑆𝑖 −
2
𝑘2𝑆 𝑘2𝐼
ℎ + 𝑘3𝑆 ℎ) (𝐼𝑖 − ℎ + 𝑘3𝐼 ℎ),
2 2
𝑘2𝑆 𝑘2𝐼
𝑘4𝐸 = 𝛽(1 − 𝑣𝑝𝑠 ) (𝑆𝑖 − ℎ + 𝑘3𝑆 ℎ) (𝐼𝑖 − ℎ + 𝑘3𝐼 ℎ) −
2 2
𝑘2𝐸
(𝑑1 + 𝛼 + (1 − 𝛼)𝑣𝑝𝑒 ) (𝐸𝑖 − ℎ + 𝑘3𝐸 ℎ),
2
43
𝑘2𝐸 𝑘2𝐼
𝑘4𝐼 = 𝛼 (𝐸𝑖 − ℎ + 𝑘3𝐸 ℎ) − (𝑑2 + 𝛾 + (1 − 𝛾)𝑣𝑝𝑖 ) (𝐼𝑖 − ℎ+
2 2
𝑘3𝐼 ℎ),
𝑘2𝑆 𝑘2𝐸
𝑘4𝑅 = 𝑣𝑝𝑠 (𝑆𝑖 − ℎ + 𝑘3𝑆 ℎ) + 𝑣𝑝𝑒 (1 − 𝛼) (𝐸𝑖 − ℎ + 𝑘3𝐸 ℎ) +
2 2
𝑘2𝐼 𝑘2𝑅
(𝛾 + (1 − 𝛾)𝑣𝑝𝑖 ) (𝐼𝑖 − ℎ + 𝑘3𝐼 ℎ) − 𝑑0 (𝑅𝑖 − ℎ + 𝑘3𝑅 ℎ),
2 2
3𝑘1𝑆 9𝑘4𝑆
𝑘5𝑆 = 𝑏0 − (𝑣𝑝𝑠 + 𝑑0 ) (𝑆𝑖 + ℎ+ ℎ) − 𝛽(1 − 𝑣𝑝𝑠 ) (𝑆𝑖 +
16 16
3𝑘1𝑆 9𝑘4𝑆 3𝑘1𝐼 9𝑘4𝐼
ℎ+ ℎ) (𝐼𝑖 + ℎ+ ℎ),
16 16 16 16
3𝑘1𝑆 9𝑘4𝑆 3𝑘1𝐼 9𝑘4𝐼
𝑘5𝐸 = 𝛽(1 − 𝑣𝑝𝑠 ) (𝑆𝑖 + ℎ+ ℎ) (𝐼𝑖 + ℎ+ ℎ) −
16 16 16 16
3𝑘1𝐸 9𝑘4𝐸
(𝑑1 + 𝛼 + (1 − 𝛼)𝑣𝑝𝑒 ) (𝐸𝑖 + ℎ+ ℎ),
16 16
3𝑘1𝐸 9𝑘4𝐸 3𝑘1𝐼
𝑘5𝐼 = 𝛼 (𝐸𝑖 + ℎ+ ℎ) − (𝑑2 + 𝛾 + (1 − 𝛾)𝑣𝑝𝑖 ) (𝐼𝑖 + ℎ+
16 16 16
9𝑘4𝐼
ℎ),
16
3𝑘1𝑆 9𝑘4𝑆 3𝑘1𝐸
𝑘5𝑅 = 𝑣𝑝𝑠 (𝑆𝑖 + ℎ+ ℎ) + 𝑣𝑝𝑒 (1 − 𝛼) (𝐸𝑖 + ℎ+
16 16 16
9𝑘4𝐸 3𝑘1𝐼 9𝑘4𝐼
ℎ) + (𝛾 + (1 − 𝛾)𝑣𝑝𝑖 ) (𝐼𝑖 + ℎ+ ℎ) − 𝑑0 (𝑅𝑖 +
16 16 16
3𝑘1𝑅 9𝑘4𝑅
ℎ+ ℎ),
16 16
3𝑘1𝑆 2𝑘2𝑆 12𝑘3𝑆 12𝑘4𝑆

𝑘6𝑆 = 𝑏0 − (𝑣𝑝𝑠 + 𝑑0 ) (𝑆𝑖 − ℎ+ ℎ+ ℎ− ℎ+
7 7 7 7
8𝑘5𝑆 3𝑘1𝑆 2𝑘2𝑆 12𝑘3𝑆 12𝑘4𝑆
ℎ) − 𝛽(1 − 𝑣𝑝𝑠 ) (𝑆𝑖 − ℎ+ ℎ+ ℎ− ℎ+
7 7 7 7 7
8𝑘5𝑆 3𝑘1𝐼 2𝑘2𝐼 12𝑘3𝐼 12𝑘4𝐼 8𝑘5𝐼
ℎ) (𝐼𝑖 − ℎ+ ℎ+ ℎ− ℎ+ ℎ),
7 7 7 7 7 7
3𝑘1𝑆 2𝑘2𝑆 12𝑘3𝑆 12𝑘4𝑆
𝑘6𝐸 = 𝛽(1 − 𝑣𝑝𝑠 ) (𝑆𝑖 − ℎ+ ℎ+ ℎ− ℎ+
7 7 7 7
8𝑘5𝑆 3𝑘1𝐼 2𝑘2𝐼 12𝑘3𝐼 12𝑘4𝐼 8𝑘5𝐼
ℎ) (𝐼𝑖 − ℎ+ ℎ+ ℎ− ℎ+ ℎ) − (𝑑1 +
7 7 7 7 7 7
3𝑘1𝐸 2𝑘2𝐸 12𝑘3𝐸 12𝑘4𝐸
𝛼 + (1 − 𝛼)𝑣𝑝𝑒 ) (𝐸𝑖 − ℎ+ ℎ+ ℎ− ℎ+
7 7 7 7
8𝑘5𝐸
ℎ),
7
3𝑘1𝐸 2𝑘2𝐸 12𝑘3𝐸 12𝑘4𝐸 8𝑘5𝐸
𝑘6𝐼 = 𝛼 (𝐸𝑖 − ℎ+ ℎ+ ℎ− ℎ+ ℎ) −
7 7 7 7 7
3𝑘1𝐼 2𝑘2𝐼 12𝑘3𝐼 12𝑘4𝐼
(𝑑2 + 𝛾 + (1 − 𝛾)𝑣𝑝𝑖 ) (𝐼𝑖 − ℎ+ ℎ+ ℎ− ℎ+
7 7 7 7
8𝑘5𝐼
ℎ),
7
3𝑘1𝑆 2𝑘2𝑆 12𝑘3𝑆 12𝑘4𝑆 8𝑘5𝑆
𝑘6𝑅 = 𝑣𝑝𝑠 (𝑆𝑖 − ℎ+ ℎ+ ℎ− ℎ+ ℎ) +
7 7 7 7 7
3𝑘1𝐸 2𝑘2𝐸 12𝑘3𝐸 12𝑘4𝐸
𝑣𝑝𝑒 (1 − 𝛼) (𝐸𝑖 − ℎ+ ℎ+ ℎ− ℎ+
7 7 7 7
8𝑘5𝐸 3𝑘1𝐼 2𝑘2𝐼 12𝑘3𝐼
ℎ) + (𝛾 + (1 − 𝛾)𝑣𝑝𝑖 ) (𝐼𝑖 − ℎ+ ℎ+ ℎ−
7 7 7 7
12𝑘4𝐼 8𝑘5𝐼 3𝑘1𝑅 2𝑘2𝑅 12𝑘3𝑅
ℎ+ ℎ) − 𝑑0 (𝑅𝑖 − ℎ+ ℎ+ ℎ−
7 7 7 7 7
12𝑘4𝑅 8𝑘5𝑅
7
ℎ+ 7
ℎ).
44
Dengan mensubtitusi nilai awal pada tabel 3.2 serta ℎ = 1 dan 𝑖 =

0,1,2,3, … , 𝑛 pada persamaan (3.8) dan (3.10), diperoleh iterasi dari perhitungan
menggunakan metode Runge-Kutta Orde Lima sebagai berikut.
𝑘1𝑆 = 0.00003178 − ((0.01 × 0.7) + 0.00002377)(0.97286) − 0.462(1 −

(0.01 × 0.7))(0.97286)(0.00362)
= −0.0084
1
𝑘1𝐸 = 0.462(1 − (0.01 × 0.7))(0.97286)(0.00362) − (0.00002585 + 11.5 +
1
(1 − 11.5) (0.01 × 0.6)) (0.00543)
= 0.0011
1
𝑘1𝐼 = 11.5 (0.00543) − (0.00002585 + 0.0686 + (1 − 0.0686)(0.01 ×
0.6))(0.00362)
= 0.00020352
1
𝑘1𝑅 = (0.01 × 0.7)(0.97286) + (0.01 × 0.6) (1 − 11.5) (0.00543) + (0.0686 +
(1 − 0.0686)(0.01 × 0.6))(0.00362) − 0.00002377(0.01809)
= 0.0071
𝑘2𝑆 = 0.00003178 − ((0.01 × 0.7) + 0.00002377) ((0.97286) +

(−0.0084)
(1)) − 0.462(1 − (0.01 × 0.7)) ((0.97286) +
4
(−0.0084) 0.00020352
(1)) ((0.00362) + (1))
4 4
= −0.0084
(−0.0084)
𝑘2𝐸 = 0.462(1 − (0.01 × 0.7)) ((0.97286) + (1)) ((0.00362) +
4
0.00011532 1 1
(1)) − (0.00002585 + + (1 − 11.5) (0.01 ×
4 11.5
(0.0011)
0.6)) ((0.00543) + (1))
4
45
= 0.0011
1 (0.0011)
𝑘2𝐼 = 11.5 ((0.00543) + (1)) − (0.00002585 + 0.0686 + (1 −
4
0.00020352
0.0686)(0.01 × 0.6)) ((0.00362) + (1))
4
= 0.00022395
(−0.0084)
𝑘2𝑅 = (0.01 × 0.7) ((0.97286) + (1)) + (0.01 × 0.6) (1 −
4
1 (0.0011)
) ((0.00543) + (1)) + (0.0686 + (1 − 0.0686)(0.01 ×
11.5 4
0.00020352
0.6)) ((0.00362) + (1)) − 0.00002377 ((0.01809) +
4
0.0071
(1))
4
= 0.0071
𝑘3𝑆 = 0.00003178 − ((0.01 × 0.7) + 0.00002377) ((0.97286) +

(−0.0084) (−0.0084)
(1) + (1)) − 0.462(1 − (0.01 × 0.7)) ((0.97286) +
8 8
(−0.0084) (−0.0084) 0.00020352 (0.000182)
(1) + (1)) ((0.00362) + (1) + (1))
8 8 8 8
= −0.0084
(−0.0084)
𝑘3𝐸 = 0.462(1 − (0.01 × 0.7)) ((0.97286) + (1) +
8
(−0.0084) 0.00020352 (0.00022395)
(1)) ((0.00362) + (1) + (1)) −
8 8 8
1 1
(0.00002585 + + (1 − 11.5) (0.01 × 0.6)) ((0.00543) +
11.5
(0.0011) (0.0011)
(1) + (1))
8 8
= 0.0011
1 (0.0011) (0.0011)
𝑘3𝐼 = 11.5 ((0.00543) + (1) + (1)) − (0.00002585 + 0.0686 +
8 8
0.00020352
(1 − 0.0686)(0.01 × 0.6)) ((0.00362) + (1) +
8
(0.00022395)
(1))
8
= 0.00022369
46
(−0.0084) −0.0084
𝑘3𝑅 = (0.01 × 0.7) ((0.97286) + (1) + (1)) + (0.01 ×
8 8
1 (0.0011) (0.0011)
0.6) (1 − 11.5) ((0.00543) + (1) + (1)) + (0.0686 +
8 8
0.00020352
(1 − 0.0686)(0.01 × 0.6)) ((0.00362) + (1) +
8
(0.00022395) 0.0071 (0.0071)
(1)) − 0.00002377 ((0.01809) + (1) + (1))
8 8 8
= 0.0071
𝑘4𝑆 = 0.00003178 − ((0.01 × 0.7) + 0.00002377) ((0.97286) −

(−0.0084)
(1) + (−0.0084)(1)) − 0.462(1 − (0.01 × 0.7)) ((0.97286) −
2
(−0.0084) (0.00022395)
(1) + (−0.0084)(1)) ((0.00362) − (1) +
2 2
(0.00022369)(1))
= −0.0084
(−0.0084)
𝑘4𝐸 = 0.462(1 − (0.01 × 0.7)) ((0.97286) − (1) +
2
(0.00022395)
(−0.0084)(1)) ((0.00362) − (1) + (0.00022369)(1)) −
2
1 1
(0.00002585 + + (1 − 11.5) (0.01 × 0.6)) ((0.00543) −
11.5
(0.0011)
(1) + (0.0011)(1))
2
= 0.0011
1 (0.0011)
𝑘4𝐼 = 11.5 ((0.00543) − (1) + (0.0011)(1)) − (0.00002585 +
2
(0.00022395)
0.0686 + (1 − 0.0686)(0.01 × 0.6)) ((0.00362) − (1) +
2
(0.00022369)(1))
= 0.00024346
(−0.0084)
𝑘4𝑅 = (0.01 × 0.7) ((0.97286) − (1) + (−0.0084)(1)) + (0.01 ×
2
1 (0.0011)
0.6) (1 − 11.5) ((0.00543) − (1) + (0.0011)(1)) + (0.0686 +
2
(0.00022395)
(1 − 0.0686)(0.01 × 0.6)) ((0.00362) − (1) +
2
47
(0.0071)
(0.00022369)(1)) − 0.00002377 ((0.01809) − (1) +
2
(0.0071)(1))
= 0.0071
𝑘5𝑆 = 0.00003178 − ((0.01 × 0.7) + 0.00002377) ((0.97286) +

3(−0.0084) 9(−0.0084)
(1) + (1)) − 0.462(1 − (0.01 × 0.7)) ((0.97286) +
16 16
3(−0.0084) 9(−0.0084) 3(0.00020352)
(1) + (1)) ((0.00362) + (1) +
16 16 16
9(0.00024346)
(1))
16
= −0.0084
3(−0.0084)
𝑘5𝐸 = 0.462(1 − (0.01 × 0.7)) ((0.97286) + (1) +
16
9(−0.0084) 3(0.00020352) 9(0.00024346)
(1)) ((0.00362) + (1) + (1)) −
16 16 16
1 1
(0.00002585 + + (1 − 11.5) (0.01 × 0.6)) ((0.00543) +
11.5
3(0.0011) 9(0.0011)
(1) + (1))
16 16
= 0.0011
1 3(0.0011) 9(0.0011)
𝑘5𝐼 = 11.5 ((0.00543) + (1) + (1)) − (0.00002585 +
16 16
3(0.00020352)
0.0686 + (1 − 0.0686)(0.01 × 0.6)) ((0.00362) + (1) +
16
9(0.00024346)
(1))
16
= 0.00026273
3(−0.0084) 9(−0.0084)
𝑘5𝑅 = (0.01 × 0.7) ((0.97286) + (1) + (1)) + (0.01 ×
16 16
1 3(0.0011) 9(0.0011)
0.6) (1 − 11.5) ((0.00543) + (1) + (1)) + (0.0686 +
16 16
3(0.00020352)
(1 − 0.0686)(0.01 × 0.6)) ((0.00362) + (1) +
16
9(0.00024346) 3(0.0071)
(1)) − 0.00002377 ((0.01809) + (1) +
16 16
9(0.0071)
(1))
16
= 0.0071
48
𝑘6𝑆 = 0.00003178 − ((0.01 × 0.7) + 0.00002377) ((0.97286) −

3(−0.0084) 2(−0.0084) 12(−0.0084) 12(−0.0084)
ℎ+ (1) + (1) − (1) +
7 7 7 7
8(−0.0084) 3(−0.0084)
(1)) − 0.462(1 − (0.01 × 0.7)) ((0.97286) − (1) +
7 7
2(−0.0084) 12(−0.0084) 12(−0.0084)
(1) + (1) − (1) +
7 7 7
8(−0.0084) 3(0.00020352) 2(0.00022395)
(1)) ((0.00362) − (1) + (1) +
7 7 7
12(0.00022369) 12(0.00024346) 8(0.00026273)
(1) − (1) + (1))
7 7 7
= −0.0085
3(−0.0084) 2(−0.0084)
𝑘6𝐸 = 0.462(1 − (0.01 × 0.7)) ((0.97286) − (1) + (1) +
7 7
12(−0.0084) 12(−0.0084) 8(−0.0084)
(1) − (1) + (1)) ((0.00362) −
7 7 7
3(0.00020352) 2(0.00022395) 12(0.00022369)
(1) + (1) + (1) −
7 7 7
12(0.00024346) 8(0.00026273) 1
(1) + (1)) − (0.00002585 + + (1 −
7 7 11.5
1 3(0.0011) 2(0.0011)
) (0.01 × 0.6)) ((0.00543) − (1) + (1) +
11.5 7 7
12(0.0011) 12(0.0011) 8(0.0011)
(1) − (1) + (1))
7 7 7
= 0.0011
1 3(0.0011) 2(0.0011) 12(0.0011)
𝑘6𝐼 = 11.5 ((0.00543) − (1) + (1) + (1) −
7 7 7
12(0.0011) 8(0.0011)
(1) + (1)) − (0.00002585 + 0.0686 + (1 −
7 7
3(0.00020352)
0.0686)(0.01 × 0.6)) ((0.00362) − (1) +
7
2(0.00022395) 12(0.00022369) 12(0.00024346)
(1) + (1) − (1) +
7 7 7
8(0.00026273)
(1))
7
= 0.00028168
3(−0.0084) 2(−0.0084)
𝑘6𝑅 = (0.01 × 0.7) ((0.97286) − (1) + (1) +
7 7
12(−0.0084) 12(−0.0084) 8(−0.0084)
(1) − (1) + (1)) + (0.01 × 0.6) (1 −
7 7 7
1 3(0.0011) 2(0.0011) 12(0.0011)
) ((0.00543) − (1) + (1) + (1) −
11.5 7 7 7
12(0.0011) 8(0.0011)
(1) + (1)) + (0.0686 + (1 − 0.0686)(0.01 ×
7 7
49
3(0.00020352) 2(0.00022395)
0.6)) ((0.00362) − (1) + (1) +
7 7
12(0.00022369) 12(0.00024346) 8(0.00026273)
(1) − (1) + (1)) −
7 7 7
3(0.0071) 2(0.0071) 12(0.0071)
0.00002377 ((0.01809) − (1) + (1) + (1) −
7 7 7
12(0.0071) 8(0.0071)
(1) + (1))
7 7
= 0.0071
Sehingga diperoleh solusi numerik pada iterasi pertama dengan metode Runge-
Kutta orde lima sebagai berikut.
1
𝑆1 = 0.97286 + 90 (7(−0.0084) + 32(−0.0084) + 12(−0.0084) +
32(−0.0084) + 7(−0.0085))(1)
= 0.96443
1
𝐸1 = 0.00543 + 90 (7(0.0011) + 32(0.0011) + 12(0.0011) + 32(0.0011) +
7(0.0011))(1)
= 0.00654
1
𝐼1 = 0.00362 + 90 (7(0.00020352) + 32(0.00022369) + 12(0.00024346) +
32(0.00026273) + 7(0.00028168))(1)
= 0.00386
1
𝑅1 = 0.01809 + 90 (7(0.0071) + 32(0.0071) + 12(0.0071) + 32(0.0071) +
7(0.0071))(1)
= 0.02518
Dengan cara yang sama dilakukan untuk iterasi selanjutnya dengan ℎ = 1 dan
𝑖 = 1,2,3, … , 𝑛 dan 𝑡 pada interval [0, 120] menggunakan bantuan software
MATLAB. Hasil perhitungan dengan metode Runge-Kutta orde lima memberikan
solusi seperti tampak pada Gambar 3.3.
50
Gambar 3.3 Grafik Solusi dengan Metode Runge-Kutta Orde Lima

51
Berdasarkan Gambar 3.3 di atas diperoleh dinamika penyebaran COVID-19

dengan model SEIR yang diselesaikan menggunakan metode Runge-Kutta orde
lima. Tampak bahwa Gambar 3.3 memiliki kemiripan perilaku solusi yang
dihasilkan oleh metode RK orde empat. Akan tetapi, hasil perhitungan dari kedua
menunjukkan perbedaan. Misal pada waktu 𝑡 = 120, hasil perhitungan yang
ditunjukkan oleh metode RK orde empat pada masing-masing populasi yaitu
𝑆120 = 0.00731796, 𝐸120 = 0.00215522, 𝐼120 = 0.01261301, dan 𝑅120 =
0.97883016, sedangkan hasil perhitungan yang ditunjukkan oleh metode RK orde
lima pada masing-masing populasi yaitu 𝑆120 = 0.00731795, 𝐸120 =
0.00215522, 𝐼120 = 0.01261299, dan 𝑅120 = 0.97883019. Oleh karena itu, perlu
ditinjau lebih jauh dari hasil kedua metode untuk melihat akurasi dari kedua
metode.
D. Perbandingan Kesalahan Numerik dan Tingkat Keakuratan antara

Metode Runge-Kutta Orde Empat dengan Metode Runge-Kutta Orde
Lima
Berdasarkan hasil simulasi yang ditunjukkan pada Gambar 3.2 dan Gambar
3.3, Grafik solusi dari kedua metode menunjukkan kesamaan. Untuk melihat
metode mana yang lebih akurat antara metode Runge-Kutta orde empat dan metode
Runge-Kutta orde lima, perlu dilakukan pengukuran kesalahan numerik dan tingkat
akurasi. Oleh karena itu, algoritma ODE45 pada software MATLAB dipilih sebagai
referensi solusi dengan 'RelTol' dan 'AbsTol' sebesar 1 × 10−15 . Hal ini dilakukan
karena sampai saat ini belum ditemukan solusi analitik yang eksak untuk model
SEIR yang dibahas dalam penelitian ini.
Dalam menghitung kesalahan numerik, digunakan rumus kesalahan mutlak

(absolute error). Selain itu, dalam menghitung tingkat akurasi dilakukan
penyelidikan hasil dan kesalahan untuk langkah waktu 1, 0.5, 0.25, 0.125, dan
0.0625 dan menggunakan rumus tingkat akurasi (Hidayat dkk., 2014) yaitu:
52
𝐸
log (𝐸 𝑖 )
𝑖+1
𝑅𝑖 = , (3.11)
∆𝑥
log (∆𝑥 𝑖 )
𝑖+1
dengan 𝐸𝑖 adalah kesalahan terkait dengan simulasi menggunakan langkah variabel

bebas ∆𝑥𝑖 dan 𝐸𝑖+1 adalah kesalahan terkait dengan simulasi menggunakan langkah
variabel bebas ∆𝑥𝑖+1 . Berikut ini adalah nilai rata-rata kesalahan mutlak dari setiap
kompartemen pada kedua metode.
Tabel 3.3 Nilai Rata-rata Kesalahan Pada Metode Runge-Kutta Orde Empat
∆𝒕 S E I R
1 1.63 × 10−7 8.46 × 10−8 3.60 × 10−8 1.18 × 10−7
0.5 1.04 × 10−8 5.35 × 10−9 2.40 × 10−9 7.65 × 10−9
0.25 6.62 × 10−10 3.37 × 10−10 1.56 × 10−10 4.87 × 10−10
0.125 4.17 × 10−11 2.11 × 10−11 9.91 × 10−12 3.07 × 10−11
0.0625 2.61 × 10−12 1.32 × 10−12 6.25 × 10−13 1.93 × 10−12
Tabel 3.4 Nilai Rata-rata Kesalahan Pada Metode Runge-Kutta Orde Lima
∆𝒕 S E I R
1 3.09 × 10−10 4.67 × 10−10 5.86 × 10−10 4.28 × 10−10
0.5 1.13 × 10−11 1.36 × 10−11 1.79 × 10−11 1.45 × 10−11
0.25 3.81 × 10−13 4.10 × 10−13 5.56 × 10−13 4.71 × 10−13
0.125 1.22 × 10−14 1.26 × 10−14 1.71 × 10−14 1.38 × 10−14
0.0625 3.12 × 10−16 3.92 × 10−16 3.99 × 10−16 3.58 × 10−16
Berdasarkan Tabel 3.3 dan Tabel 3.4, nilai rata-rata kesalahan pada setiap
kompartemen populasi berbeda pada setiap ∆𝑡. Selain itu, nilai rata-rata kesalahan
setiap kompartemen dari metode Runge-Kutta orde empat lebih besar daripada nilai
rata-rata kesalahan setiap kompartemen dari metode Runge-Kutta orde lima.
53
Kemudian, nilai tingkat akurasi pada setiap kompartemen di kedua metode adalah
sebagai berikut.
Tabel 3.5 Nilai Tingkat Akurasi Pada Metode Runge-Kutta Orde Empat
∆𝒕 S E I R
1 - - - -
0.5 3.961 3.983 3.902 3.945
0.25 3.980 3.990 3.949 3.972
0.125 3.990 3.995 3.974 3.986
0.0625 3.995 3.997 3.987 3.992
Tabel 3.6 Nilai Tingkat Akurasi Pada Metode Runge-Kutta Orde Lima
∆𝒕 S E I R
1 - - - -
0.5 4.771 5.106 5.028 4.881
0.25 4.895 5.046 5.012 4.945
0.125 4.961 5.026 5.023 5.090
0.0625 5.290 5.006 5.421 5.274
Pada Tabel 3.5 dan Tabel 3.6 menunjukkan bahwa tingkat akurasi metode
Runge-Kutta orde empat mendekati nilai tertentu, yaitu 4, sedangkan tingkat
akurasi metode Runge-Kutta orde kelima mendekati 5. Hasil ini mengkonfirmasi
bahwa tingkat akurasi dalam simulasi cocok dengan tingkat akurasi secara teori dari
metode numerik. Jelas bahwa akurasi metode Runge-Kutta orde lima lebih baik
daripada akurasi metode Runge-Kutta orde empat.
BAB IV
ASPEK PENDIDIKAN
Bab ini akan menjelaskan mengenai aspek pendidikan yaitu rancangan

proses pembelajaran. Rancangan proses pembelajaran mengunakan strategi
Pembelajaran Kolaboratif. Rancangan pembelajaran ini ditujukan untuk mahasiswa
S1 yang mengambil mata kuliah matematika komputasi. Dalam bab ini juga akan
dituliskan sebuah refleksi mengenai pengalaman proses mengerjakan penelitian ini.
A. Deskripsi Rancangan Proses Pembelajaran
Rancangan proses pembelajaran ini dibuat untuk pembelajaran di jenjang

perguruan tinggi, yaitu mahasiswa S1 yang mengambil mata kuliah Matematika
Komputasi di Program Studi Pendidikan Matematika, Universitas Sanata Dharma.
Materi yang dibahas dalam mata kuliah ini adalah Masalah Nilai Awal pada
Persamaan Diferensial Biasa dan Metode Numerik dengan materi prasyarat adalah
Pemodelan Matematika dan Persamaan Diferensial. Bentuk permasalahan
matematika dalam mata kuliah ini berupa persamaan diferensial biasa yang
diselesaikan secara numerik yang membutuhkan nilai awal sehingga solusi yang
diperoleh berupa nilai pendekatan.
Sebelum membuat rancangan proses pembelajaran, akan ditentukan terlebih

dahulu CoLT atau teknik pembelajaran kolaboratif yang akan digunakan. CoLT
yang digunakan dalam mendesain rancangan proses pembelajaran adalah CoLT
kategori menyelesaikan masalah yakni CoLT15: Case Study (Studi Kasus). Pada
kategori ini, mahasiswa memiliki tujuan untuk saling belajar satu sama lain untuk
memahami konten pokok bahasan dan membangun kemampuan berbasis displin.
Dalam membantu memahami pokok bahasan, mahasiswa dapat diarahkan pada
sebuah kasus yang dikenal. Secara melekat, studi kasus akan menarik bagi
mahasiswa karena akan membantu menjembatani jurang pemisah antara teori dan
praktek (Barkley dkk., 2016). Dalam hal ini, situasi nyata akan membantu
mahasiswa melatih keterampilan analisis, sintesis dan pengambilan keputusan
(Barkley dkk., 2016). Selain itu, teknik pembelajaran ini akan menambah wawasan
tentang penerapan matematika dalam kehidupan nyata.
54
55
Dalam CoLt ini, mahasiswa akan mengulas sebuah studi tertulis dari kehidupan
nyata yang didalamnya terdapat situasi masalah. Situasi nyata yang diangkat
sebagai masalah adalah penyebaran penyakit COVID-19. Model matematika dari
penyebaran penyakit ini adalah SEIR. Lalu, bentuk model matematika dari
penyebaran penyakit COVID-19 berupa sistem persamaan diferensial biasa non-
linear. Jelas bahwa dalam menyelesaikan model tersebut dapat didekati secara
numeris dan sulit secara manual karena membutuhkan iterasi yang banyak,
perhitungan yang cukup rumit dan waktu yang lama.
Dalam menyelesaikan model matematika SEIR, mahasiswa akan menerapkan

konsep metode numerik sebagai metode penyelesaian. Konsep numeris yang
digunakan adalah metode Runge-Kutta orde lima. Selain itu, diperlukan bantuan
software MATLAB untuk membantu proses perhitungan dan simulasi model
matematika.
B. Rancangan Proses Pembelajaran
Pada bagian ini, akan dijelaskan rancangan proses pembelajaran yang

menggunakan teknik pembelajaran kolaboratif untuk mata kuliah Matematika
Komputasi. Proses pembelajaran ini bertujuan melihat sejauh mana pemahaman
mahasiswa untuk mencari solusi dari suatu persamaan diferensial dengan
menggunakan metode numerik.
Berikut ini adalah rancangan proses pembelajaran menggunakan teknik

pembelajaran kolaboratif untuk mata kuliah Matematika Komputasi di jenjang
perguruan tinggi.
56
RANCANGAN PROSES PEMBELAJARAN
Mata Kuliah : Matematika Komputasi

Alokasi Waktu : 3 × 50 menit
Tujuan Pembelajaran : 1. Mahasiswa dapat memahami algoritma
penyelesaian model matematika menggunakan
metode Runge-Kutta orde lima (RK5)
2. Mahasiswa dapat menyelesaikan model
matematika menggunakan metode Runge-
Kutta orde lima (RK5) dengan bantuan
MATLAB
Asumsi : a. Mahasiswa sudah mempelajari metode
Runge-Kutta orde empat
b. Mahasiswa sudah mengenal MATLAB
c. Mahasiswa sudah mencoba menyelesaikan
model matematika dengan bantuan
MATLAB
Aktivitas Dosen dan Mahasiswa

PERTEMUAN 1
AKTIVITAS
KEGIATAN AKTIVITAS DOSEN
MAHASISWA
a. Dosen membuka perkuliahan a. Mahasiswa
dengan memberi salam dan menjawab salam
mengajak mahasiswa untuk dan memulai
memulai perkuliahan dengan perkuliahan
berdoa dengan berdoa
b. Dosen melakukan presensi b. Mahasiswa
untuk memastikan kehadiran memastikan
mahasiswa dirinya hadir
dalam perkuliahan
PENDAHULUAN saat dosen
(30 menit) melakukan
presensi
c. Dosen menyampaikan tata c. Mahasiswa
cara yang akan dilakukan memahami tata
dalam kelas, yaitu: cara yang
1. Jika ada mahasiswa yang disampaikan
ingin bertanya atau
menjawab pertanyaan
dari dosen atau teman
mahasiswa, serta
menyampaikan pendapat,
57
ide, atau gagasan, maka

mohon mengangkat
tangan terlebih dahulu
2. Jika ada mahasiswa yang
menyampaikan pendapat,
bertanya atau menjawab
pertanyaan, maka
mahasiswa lain bersikap
mendengarkan hal yang
disampaikan.
3. Saat diskusi kelompok
berlangsung, semua
mahasiswa dapat
menyampaikan ide,
gagasan atau pendapat
satu sama lain.
4. Setiap kelompok wajib
mengajukan pertanyaan
kepada kelompok lain
yang telah
menyampaikan hasil
diskusinya.
(Orientasi Mahasiswa)
d. Dosen memberikan d. Mahasiswa
kesempatan bagi mahasiswa menyampaikan
untuk menyampaikan pendapat tentang
pendapat tentang budaya budaya kelas yang
kelas yang diinginkan. diinginkan
e. Dosen dan mahasiswa e. Dosen dan
menyepakati budaya kelas mahasiswa
yang diinginkan. menyepakati
(Orientasi Mahasiswa) budaya kelas yang
diinginkan.
f. Dosen menyampaikan tujuan f. Mahasiswa
pembelajaran, yaitu: memahami tujuan
1. Mahasiswa dapat pembelajaran.
memahami algoritma
penyelesaian model
matematika menggunakan
metode Runge-Kutta orde
lima
2. Mahasiswa dapat
menyelesaikan model
matematika menggunakan
58
lima dengan bantuan

MATLAB
g. Apersepsi: Dosen g. Mahasiswa
memberikan beberapa memberikan
pertanyaan untuk mengetahui pendapat terkait
penggunaan metode Runge- pertanyaan dosen
Kutta orde lima di kehidupan,
seperti:
1. Pada tahun 2019 kita
mengalami masa pandemi
COVID-19. Dapatkah kita
membuat model
matematika dari peristiwa
pandemi tersebut?
2. Dari model matematika
yang kita dapatkan,
dapatkah kita
memprediksi penyebaran
COVID-19?
3. Apabila model
matematika dari peristiwa
tersebut rumit, dapatkah
kita menyelesaikan model
tersebut agar bisa melihat
prediksi penyebaran
penyakit tersebut?
Dari beberapa pertanyaan
tersebut, Dosen dapat
menjelaskan bahwa
menyelesaikan model matematika
yang cukup rumit dari sebuah
peristiwa tertentu, dapat
digunakan salah satu metode
numerik yakni metode Runga-
Kutta orde lima. Hasil dari
penyelesaian menggunakan
Runge-Kutta orde lima tersebut
dapat dilihat dinamika
penyebaran penyakit tersebut.
h. Review materi: Dosen h. Mahasiswa
mengajak mahasiswa untuk menjawab beberapa
mengingat Persamaan pertanyaan dari
Diferensial (PD) dan metode dosen untuk melihat
Runge-Kutta orde empat sejauh mana
59
dengan mengajukan beberapa pemahaman

pertanyaan: mahasiswa terkait
1. Apa yang dimaksud materi prasyarat.
dengan Persamaan
Diferensial?
2. Apa saja jenis Persamaan
Diferensial?
3. Apa perbedaan
Persamaan Diferensial
Biasa dengan Persamaan
Diferensial Parsial?
4. Lalu, Apa yang dimaksud
Sistem Persamaan
Diferensial?
5. Bagaimana bentuk dari
empat?
6. Jelaskan secara singkat
bagaimana proses metode
Runge-Kutta orde empat
dapat digunakan untuk
menyelesaikan model
matematika!
a. Dosen menyampaikan materi a. Mahasiswa
tentang metode Runge-Kutta memahami materi
orde lima. yang disampaikan
(Orientasi Mahasiswa) dosen
b. Dosen memberikan b. Mahasiswa
kesempatan bagi mahasiswa bertanya tentang
untuk bertanya apabila materi yang sulit
mengalami kesulitan dipahami
memahami materi.
INTI c. Dosen meminta mahasiswa c. Mahasiswa
(110 Menit) untuk membuat kelompok mencari teman
dengan masing-masing kelompok untuk
kelompok berisi 3 orang untuk berdiskusi
mendiskusikan penyelesaian
masalah yang akan diberikan.
(Pembentukan Kelompok)
d. Dosen memberikan masalah 1 d. Mahasiswa
dan masalah 2 serta memahami
menjelaskan isi dari masalah masalah yang
yang diberikan. diberikan.
60
Masalah 1: e. Mahasiswa
Diberikan model matematika bertanya kepada
sistem mangsa-pemangsa dosen tentang
(Predator-Prey) rubah (Fox) kesulitan
dengan kelinci (Rabbit) sebagai memahami
berikut. masalah 1 dan
𝑑𝑅 masalah 2.
= 𝛼𝑅 − 𝛽𝑅𝐹,
𝑑𝑡
𝑑𝐹
= 𝛿𝑅𝐹 − 𝛾𝐹
𝑑𝑡
Dengan R adalah banyaknya
populasi kelinci, F adalah
banyaknya populasi rubah,
𝛼, 𝛽, 𝛿, 𝛾 adalah bilangan real
positif parameter yang
mendeskripsikan interaksi dua
spesies dan 𝑡 adalah waktu.
Diketahui nilai awal dan nilai
parameter dari sistem tersebut
yaitu: 𝑅(0) = 140 , 𝐹(0) =
6, 𝛼 = 0.4, 𝛽 = 0.11, 𝛿 =
0.0032, dan 𝛾 = 0.12.
1. Nyatakanlah model
matematika tersebut ke
dalam bentuk Runge-Kutta
orde lima dengan langkah
waktu adalah ∆𝑡 !
2. Tentukan skema
penyelesaian 𝑅0 , 𝐹0 , 𝑅1 , 𝐹1
menggunakan metode RK5
dengan∆𝑡 = 1
Masalah 2:
Berdasarkan masalah 1, tentukan
penyelesaian model
menggunakan metode RK5
dengan 0 ≤ 𝑡 ≤ 20 dan ℎ = 1
dengan program MATLAB. Lalu,
berikan kesimpulan dari hasil
penyelesaian!
e. Dosen memberikan
kesempatan bagi mahasiswa
untuk bertanya, apabila
mengalami kesulitan
61
memahami masalah 1 dan

masalah 2
(Menyusun Tugas)
f. Dosen memberikan waktu f. Mahasiswa mulai
selama 20 menit untuk berdiskusi dengan
menyelesaikan masalah 1. teman kelompok
g. Dosen memperhatikan dan
jawaban beberapa kelompok. menyelesaikan
Apabila mayoritas kelompok masalah 1
sudah bisa menyelesaikan bersama teman
masalah 1, dosen meminta kelompok
mahasiswa untuk masing-masing
menyelesaikan masalah 2 g. Mahasiswa mulai
menggunakan program menyelesaikan
MATLAB. Waktu yang masalah 2 dengan
diberikan untuk membuat bantuan program
program ±60 menit. MATLAB
h. Dosen memberikan h. Mahasiswa
bimbingan saat mahasiswa bertanya kepada
mengalami kesulitan dalam dosen saat
menyelesaikan masalah mengalami
i. Sampai batas waktu yang kesulitan
ditentukan, mahasiswa menyelesaikan
diminta untuk mengumpulkan masalah
jawaban masalah 1. i. Mahasiswa
(Memfasilitasi Kolaborasi mengumpulkan
Mahasiswa) hasil
pekerjaannya
setelah batas
waktu pengerjaan
yang diberikan.
j. Dosen meminta meminta j. Beberapa
beberapa kelompok untuk mahasiswa
membahas hasil pekerjaannya, menyampaikan
baik hasil masalah 1 maupun hasil
masalah 2. pekerjaannya
k. Tidak semua kelompok untuk sebagai
maju mempresentasikan, perwakilan dari
melainkan dosen harus kelompok.
melihat keberagaman jawaban k. Teman anggota
mahasiswa. Apabila terdapat 3 kelompok dapat
jawaban berbeda, 3 jawaban membantu
tersebut yang dipresentasikan. proses
l. Dosen memberikan keberlangsungan
kesempatan kepada kelompok presentasi.
lainnya untuk bertanya atau
62
menanggapi hasil pekerjaan l. Mahasiswa

yang disampaikan kelompok. lainnya
m. Dosen memberikan tanggapan memberikan
dan penguatan terkait hasil tanggapan atau
pekerjaan yang disampaikan pertanyaan
dengan memberikan beberapa tentang hasil
pertanyaan seperti: pekerjaan yang
1) Dari model matematika disampaikan
tersebut, apa jenis m. Mahasiswa
persamaan yang memahami
dibentuk? tanggapan dan
2) Berdasarkan jawaban penguatan yang
yang telah kita bahas, disampaikan
manakah yang disebut oleh dosen
variabel bebas dan dengan
variabel terikat dalam menjawab
model matematika pertanyaan dari
tersebut? dosen.
3) Bagaimana proses
menyelesaikan model
tersebut dengan ∆𝑡 = 1?
4) Jika melihat hasil
simulasi pada program
MATLAB yang sudah
dibuat, apa yang dapat
dijelaskan dari grafik
yang diperoleh?
(Penilaian dan Evaluasi)
a. Dosen mengajak mahasiswa a. Mahasiswa
untuk merefleksikan menjawab
pembelajaran hari ini dengan pertanyaan
memberikan beberapa refleksi dari
pertanyaan, seperti: dosen mengenai
1. Apa saja yang didapat dari pembelajaran
pembelajaran hari ini? hari ini.
2. Bagaimana kesan b. Mahasiswa
PENUTUP pembelajaran hari ini? memahami
(10 Menit) b. Dosen memberitahu agenda agenda belajar
belajar dipertemuan yang
selanjutnya, yaitu: disampaikan
1. Membuat skema c. Mahasiswa
penyelesaian dari model menerima
matematika seperti yang motivasi dari
dilakukan hari ini. dosen untuk
2. Mencoba menyelesaikan mempersiapkan
model matematika dengan
63
bantuan bahasa pertemuan

pemograman MATLAB selanjutnya
dengan metode RK5 d. Mahasiswa
c. Dosen memotivasi mahasiswa menjawab salam
untuk mempersiapkan penutup dari
pertemuan selanjutnya. dosen
d. Dosen menutup perkuliahan
dengan mengucapkan salam
dan terimakasih.
PERTEMUAN 2
KEGIATAN AKTIVITAS DOSEN AKTIVITAS
MAHASISWA
dengan memberi salam dan menjawab
mengajak mahasiswa untuk salam dan
memulai perkuliahan dengan memulai
berdoa perkuliahan
b. Dosen melakukan presensi dengan berdoa
untuk memastikan kehadiran b. Mahasiswa
mahasiswa memastikan
c. Dosen mengingatkan kembali dirinya hadir
tujuan pembelajaran dan dalam
PENDAHULUAN
agenda belajar pada perkuliahan saat
(15 Menit)
pertemuan ini. dosen
(Orientasi Mahasiswa) melakukan
presensi
c. Mahasiswa
mengingat
kembali tujuan
pembelajaran
dan agenda
belajar pada
pertemuan ini
a. Dosen meminta mahasiswa a. Mahasiswa
untuk duduk secara duduk secara
berkelompok sesuai dengan berkelompok
anggota kelompok pada sesuai dengan
pertemuan sebelumnya. anggota
INTI
(Pembentukan Kelompok) kelompok pada
(120 Menit)
pertemuan
sebelumnya.
b. Dosen memberikan masalah 3 b. Mahasiswa
dan menjelaskan isi dari memahami
masalah yang diberikan
64
masalah 3 yang
Masalah 3: diberikan.
Diberikan model matematika c. Mahasiswa
penyebaran COVID-19 yang bertanya kepada
dipengaruhi oleh tingkat dosen tentang
efektivitas vaksin sebagai kesulitan
berikut. memahami
masalah 3
𝑑𝑆
= 𝑏0 − (𝑣𝑝𝑠 + 𝑑0 )𝑆 − 𝛽(1 −
𝑑𝑡
𝑣𝑝𝑠 )𝑆𝐼,
𝑑𝐸
= 𝛽(1 − 𝑣𝑝𝑠 )𝑆𝐼 − (𝑑1 +
𝑑𝑡
𝛼 + (1 − 𝛼)𝑣𝑝𝑒 )𝐸 ,
𝑑𝐼
= 𝛼𝐸 − (𝑑2 + 𝛾 + (1 −
𝑑𝑡
𝛾)𝑣𝑝𝑖 )𝐼,
𝑑𝑅
= 𝑣𝑝𝑠 𝑆 + 𝑣𝑝𝑒 (1 − 𝛼)𝐸 +
𝑑𝑡
(𝛾 + (1 − 𝛾)𝑣𝑝𝑖 )𝐼 − 𝑑0 𝑅
,
dengan syarat 0 ≤
𝑆(0), 𝐸(0), 𝐼(0), 𝑅(0) ≤ 1.
𝑆 adalah subpopulasi yang rentan
terhadap COVID-19, 𝐸 adalah
subpopulasi terpapar COVID-19,
𝐼 adalah subpopulasi terinfeksi
oleh COVID-19, 𝑅 adalah
subpopulasi yang sembuh dari
COVID-19. Selanjutnya, 𝛽
adalah laju penularan dari
COVID-19, 𝛼 adalah laju
perubahan dari 𝐸 ke 𝐼, 𝛾 adalah
laju perubahan dari I ke R, 𝑣
adalah tingkat vaksinasi dari
populasi, 𝜌𝑠 adalah tingkat
efektivitas dari vaksinasi pada
kelompok rentan, 𝜌𝑒 adalah
tingkt efektivitas dari vaksinasi
pada kelompok terpapar, 𝜌𝑖
adalah efektivitas dari vaksinasi
pada kelompok infeksi, 𝑏0 adalah
laju kelahiran populasi, 𝑑0 adalah
laju kematian dari populasi yang
tidak COVID-19, 𝑑1 adalah laju
kematian dari populasi yang
65
terpapar ditambah 𝑑0 , dan 𝑑2

adalah laju kematian dari
populasi yang terinfeksi
ditambah 𝑑0 . Selain itu,
diberikan nilai awal dan nilai
parameter dari model
matematika tersebut yakni
𝑆(0) = 0.97286; 𝐸(0) +
𝐼(0) = 0.00905; 𝑅(0) =
0.01809; 𝛽 = 0.462; 𝛼 =
1
per hari; 𝛾 =
11.5
0.0686 per hari; 𝑏0 = 3.178 ×
10−5 per hari; 𝑑0 = 2.377 ×
10−5 per hari; 𝑑1 = 𝑑2 =
2.585 × 10−5 per hari; 𝑣 =
0.01; 𝑝𝑠 = 0.7; 𝑝𝑒 = 0.6; dan
𝑝𝑖 = 0.6
Berdasarkan data tersebut,
tentukan:
a) Tentukan
𝑆0 , 𝐸0 , 𝐼0 , 𝑅0 ; 𝑆1 , 𝐸1 , 𝐼1 , 𝑅1
menggunakan metode
RK5 dengan ∆𝑡 = 1!
b) Tentukan penyelesaian
model menggunakan
metode RK5 Dengan 0 ≤
𝑡 ≤ 20 dan ℎ = 1
dengan program
MATLAB!
c) Berikan kesimpulan dari
hasil penyelesaian!
c. Dosen memberikan
kesempatan bagi mahasiswa
untuk bertanya, apabila
mengalami kesulitan
memahami masalah 3
(Penyusunan Tugas)
d. Dosen memberikan waktu d. Mahasiswa
selama 100 menit kepada mulai berdiskusi
mahasiswa untuk dengan teman
menyelesaikan masalah 3. kelompok dan
e. Dosen memberikan menyelesaikan
bimbingan kepada masalah 3
mahasiswa yang mengalami bersama teman
66
kesulitan menyelesaikan kelompok

masalah. masing-masing
(Memfasilitasi Kolaborasi e. Mahasiswa
Mahasiswa) bertanya kepada
dosen saat
mengalami
kesulitan
f. Dosen memberikan f. Mahasiswa
kesempatan bagi mahasiswa bertanya kepada
untuk bertanya mengenai dosen mengenai
kesulitan yang dihadapi kesulitan yang
sebelum mengakhiri dihadapi
pembelajaran. g. Mahasiswa
g. Dosen memberitahu kepada menentukan
mahasiswa bahwa masalah 3 waktu dan
akan menjadi tugas dan media belajar
dikumpulkan sebelum untuk
pertemuan selanjutnya sesuai pengumpulan
kesepakatan dengan jawaban dari
mahasiswa masalah 3.
pembelajaran hari ini dengan pertanyaan
memberikan beberapa refleksi dari
pertanyaan, seperti: dosen mengenai
1. Apa saja yang didapat pembelajaran
dari pembelajaran hari hari ini.
ini? b. Mahasiswa
2. Bagaimana kesan merespon
PENUTUP pembelajaran hari ini? apresiasi dari
(15 Menit) 3. Apa saja kesulitan yang dosen
dihadapi? c. Mahasiswa
b. Dosen memberikan apresiasi menjawab
kepada mahasiswa karena salam penutup
sudah berusaha dari dosen
menyelesaikan permasalahan
yang diberikan.
c. Dosen menutup perkuliahan
dan terimakasih.
67
PERTEMUAN 3
KEGIATAN AKTIVITAS DOSEN AKTIVITAS

MAHASISWA
dengan memberi salam dan menjawab
mengajak mahasiswa untuk salam dan
memulai perkuliahan dengan memulai
berdoa perkuliahan
b. Dosen melakukan presensi dengan berdoa
untuk memastikan kehadiran b. Mahasiswa
mahasiswa memastikan
c. Dosen mengingatkan kembali dirinya hadir
tujuan pembelajaran dan dalam
PENDAHULUAN
agenda belajar pada perkuliahan saat
(15 Menit)
pertemuan ini. dosen
(Orientasi Mahasiswa) melakukan
presensi
c. Mahasiswa
mengingat
kembali tujuan
pembelajaran
dan agenda
belajar pada
pertemuan ini
d. Dosen meminta mahasiswa d. Mahasiswa
untuk duduk secara duduk secara
berkelompok sesuai dengan berkelompok
anggota kelompok pada sesuai dengan
pertemuan sebelumnya. anggota
(Pembentukan Kelompok) kelompok pada
pertemuan
sebelumnya.
e. Dosen meminta meminta e. Beberapa
beberapa kelompok untuk mahasiswa
INTI
membahas hasil menyampaikan
(120 Menit)
pekerjaannya. hasil
f. Tidak semua kelompok untuk pekerjaannya
maju mempresentasikan, sebagai
melainkan dosen harus perwakilan dari
melihat keberagaman beberapa
jawaban mahasiswa. Apabila kelompok
terdapat 3 jawaban berbeda, 3 f. Anggota
jawaban tersebut yang kelompok
dipresentasikan. lainnya dapat
membantu
68
g. Dosen memberikan proses

kesempatan kepada kelompok berjalannya
lainnya untuk bertanya atau presentasi
menanggapi hasil pekerjaan g. Mahasiswa
yang disampaikan kelompok. lainnya
(Memfasilitasi Kolaborasi memberikan
Mahasiswa) tanggapan atau
h. Dosen memberikan pertanyaan
tanggapan dan penguatan tentang hasil
terkait hasil pekerjaan yang pekerjaan yang
disampaikan dengan disampaikan
memberikan beberapa h. Mahasiswa
pertanyaan seperti: memahami
1) Dari model matematika tanggapan dan
tersebut, apa jenis penguatan yang
persamaan yang disampaikan
dibentuk? oleh dosen
2) Berdasarkan jawaban dengan
yang telah kita bahas, menjawab
manakah yang disebut beberapa
variabel bebas dan pertanyaan.
variabel terikat dalam
model matematika
tersebut?
3) Bagaimana proses
menyelesaikan model
tersebut dengan ∆𝑡 = 1?
4) Jika melihat hasil
simulasi pada program
MATLAB yang sudah
dibuat, apa yang dapat
dijelaskan dari grafik
populasi?
(Penilaian dan Evaluasi)
pembelajaran hari ini pertanyaan
dengan memberikan refleksi dari
beberapa pertanyaan, dosen mengenai
PENUTUP
seperti: pembelajaran
(15 Menit)
1. Apa saja yang didapat hari ini.
dari pembelajaran hari b. Mahasiswa
ini? merespon
2. Apa manfaat yang apresiasi dari
didapat dari mempelajari dosen
69
penggunaan metode c. Mahasiswa

Runge-Kutta orde lima? menjawab
3. Bagaimana kesan salam penutup
pembelajaran hari ini? dari dosen
b. Dosen memberikan apresiasi
kepada mahasiswa karena
sudah berusaha
menyelesaikan permasalahan
yang diberikan.
c. Dosen menutup perkuliahan
dan terimakasih.
Berikut ini, dijelaskan lebih spesifik implementasi pembelajaran kolaborasi

pada rancangan proses pembelajaran di atas.
1. Mengorientasikan Mahasiswa
Pada bagian ini, mahasiswa diajak untuk membangun kepercayaan, saling
memahami, membangun komunikasi serta membangun budaya kelas yang
diinginkan. Sebelum memulai pembelajaran, mahasiswa diajak untuk berdiskusi
tentang budaya kelas yang dingin dibangun. Hal ini meliputi aturan-aturan kelas
yang akan di lakukan seperti cara bertanya, cara menyampaikan pendapat, kegiatan
diskusi dalam kelompok dan kewajiban bertanya pada setiap kelompok. Selain
membangun budaya kelas, orientasi mahasiswa juga terletak pada dosen
menjelaskan tujuan pembelajaran. Penjelasan tentang tujuan pembelajaran tidak
hanya tentang materi yang akan dikuasai, tetapi rangkaian proses belajar yang akan
dilakukan juga perlu dijelaskan. Hal ini bertujuan agar mahasiswa mengenal dan
mengetahui arah pembelajaran yang akan dilakukan. Kemudian, perlu dilakukan
peninjauan kembali materi prasyarat. Hal ini dilakukan dengan mengajukan
beberapa pertanyaan. Pertanyaan-pertanyaan tersebut akan membantu melihat
pemahaman yang dimiliki oleh mahasiswa. Selain itu, peninjauan ini akan
membantu mahasiswa dalam menentukan anggota kelompok. Selain membangun
budaya kelas dan peninjauan ulang materi prasyarat, dilakukan pemberian apersepsi
oleh dosen untuk memberikan memberikan pandangan kepada mahasiswa tentang
70
konteks nyata dari masalah matematika yang dapat diselesaikan menggunakan

metode numerik.
2. Membentuk Kelompok
Pada bagian ini terletak pada mahasiswa diajak untuk membentuk kelompok
belajar. Masing-masing kelompok terdiri dari tiga orang. Kelompok yang terbentuk
merupakan kelompok formal, yaitu kelompok yang dibentuk untuk bekerja sama
untuk mencapai tujuan yang lebih kompleks seperti presentasi atau membuat
laporan. Penentuan banyak anggota kelompok didasarkan pada pengerjaan yang
cukup lama yakni tiga pertemuan dan memaksimalkan keterlibatan anggota
kelompok. Selain itu, pemilihan keanggotaan kelompok tidak ada kriteria khusus.
Dengan demikian pemilihan anggota kelompok terjadi secara acak dan dipilih oleh
mahasiswa sendiri. Dosen memberikan kebebasan bagi mahasiswa untuk memilih
anggota kelompoknya supaya proses belajar menjadi nyaman dan berjalan dengan
baik.
3. Menyusun Tugas
Pada bagian ini, dosen memberikan tiga masalah yang harus diselesaikan
mahasiswa. Penyusunan masalah didasarkan pada tujuan pembelajara. Masalah 1
diberikan dengan tujuan untuk memahami algoritma penyelesaian model
matematika menggunakan metode RK5. Masalah nyata yang diberikan adalah
dinamika populasi mangsa-pemangsa (Prey-Predator). Mahasiswa diminta untuk
menentukan 𝑅0 , 𝐹0 , 𝑅1 , 𝐹1 secara tertulis dan Mahasiswa dapat memahami alur
penyelesaian menggunakan metode RK5. Selanjutnya, masalah 2 diberikan dengan
tujuan agar mahasiswa dapat menyelesaikan lebih lanjut dan memperoleh grafik
penyelesaian dengan bantuan program MATLAB. Melalui masalah 2, mahasiswa
sudah bisa melakukan analisa hasil penyelesaian dan memahami dinamika
populasi. Kemudian, Masalah 3 diberikan untuk melihat sejauh mana mahasiswa
mencapai tujuan pembelajaran yang telah dirangkum pada masalah 1 dan 2.
71
4. Memfasilitasi Kolaborasi Mahasiswa

Pada bagian ini, peran dosen dalam proses pembelajaran hanya sebagai
fasilitator, yakni pemberian materi terkait metode RK5 dan pembimbing mahasiswa
saat mengalami kesulitan. Proses belajar seperti membuat skema penyelesaian,
membuat program, melakukan analisa hasil dan memahami dinamika dilakukan
sepenuhnya oleh mahasiswa. Selain itu, dosen juga harus mengamati proses diskusi
yang berlangsung di dalam kelas. Apabila tidak sesuai dengan proses pembelajaran,
mahasiswa diarahkan untuk kembali pada proses pembelajaran dan menanyakan
kesulitan yang dihadapi. Selain itu, dosen memberikan arahan proses diskusi yang
harus dilakukan seperti batas waktu pengerjaan dan memberikan kesempatan bagi
mahasiswa yang ingin bertanya.
Dalam kelompok besar, diskusi yang berlangsung juga perlu diperhatikan.

Dosen perlu mengamati proses terjadinya diskusi antar kelompok agar masing-
masing mahasiswa mengamati dan memahami hasil yang dipresentasikan. Hal ini
dilakukan dengan meminta setiap kelompok untuk mengajukan pertanyaan. Lalu di
akhir diskusi masing-masing kelompok, dosen dapat memberikan koreksi apabila
ada hal yang kurang tepat, tambahan, sintesis, dan implikasi terhadap hasil
presentasi.
5. Memberi Nilai dan Mengevaluasi Pembelajaran Kolaboratif

Pada bagian ini, dosen memberikan penilaian secara umum terhadap proses
diskusi yang telah dilakukan. penilaian ini dilakukan dengan memberikan beberapa
pertanyaan di akhir diskusi besar untuk melihat sejauh mana mahasiswa mencapai
tujuan pembelajaran. Penilaian hasil kerja kelompok dapat diperoleh dari
pengumpulan jawaban yang diberikan. Selain itu, evaluasi pembelajaran juga
dilakukan di akhir pembelajaran sebelum dosen menutup pembelajaran. Evaluasi
ini juga dilakukan secara umum untuk melihat keefektifan dari proses pembelajaran
yang telah dilakukan.
C. Refleksi
Pada awal perkuliahan saya sempat mengalami kebingungan dalam menentukan

topik tesis yang saya dalami. Saya sempat mendapati topik pendidikan yang ingin saya
72
dalami dan topik ini merupakan kelanjutan dari penelitian saya sebelumnya yakni
skripsi. Topik pendidikan yang sempat saya dalami yakni soal-soal PISA. Saya
memiliki ketertarikan untuk mengkaji soal-soal PISA karena soal-soal yang diangkat
dalamnya merupakan kegunaan matematika di kehidupan. Namun demikian, saya
mendapati kesulitan dalam menentukan dosen pembimbing. Sehingga saya berinisiatif
untuk membaca beberapa referensi tesis dan berdiskusi ke beberapa teman mahasiswa
dan alumni untuk menentukan topik tesis dan dosen pembimbing. Setelah menimbang,
saya memutuskan untuk mengambil topik matematika. Topik matematika yang saya
ambil merupakan matematika terapan. Topik ini saya ambil karena seperti namanya
‘Matematika Terapan’ artinya bagaimana matematika diterapkan dalam kehidupan.
Tidak jauh berbeda dengan topik yang dulu saya pahami, hanya saja topik ini
mengambil sudut pandang matematikanya. Setelah menentukan topik tersebut, saya
menentukan dosen yang research interest-nya membahas topik ini. Dari beberapa tesis
yang saya jumpai, dosen pembimbing terkait matematika terapan ini adalah Bapak
Prof. Ir. Sudi Mungkasi, Ph.D, sehingga saya mencoba untuk menghubungi beliau dan
beliau mau menerima saya.
Perubahan topik dari pendidikan menjadi matematika menjadi tantangan yang

cukup besar bagi saya. Hal ini disebabkan karena pandangan saya terkait topik
matematika adalah isi penelitiannya terkait bukti teorema dan analisis matematika
yang sulit. Akan tetapi, dengan saya banyak membaca referensi tesis dan penelitian-
penelitian lainnya menguatkan saya bahwa melakukan penelitian di bidang
matematika harus tekun dan teliti. Hal ini juga saya jumpai saat saya membuat program
MATLAB dalam proses penelitian ini, ketelitian dan tekun merupakan hal yang harus
terus dilatih agar mencapai hasil yang diinginkan. Selain tekun dan teliti, saya harus
sabar dalam setiap proses karena setiap proses membutuhkan waktu agar hasilnya
maksimal. Salah satu contoh adalah saat saya membuat program yang cukup banyak.
Pembuatan program MATLAB dengan persamaan yang cukup banyak, cukup menyita
banyak waktu dan belum tentu saat di RUN pasti berhasil. Banyak trial and error yang
saya lakukan dalam membuat program, terlebih menjumpai sintak baru bagi saya yakni
ODE45. Hal ini saya lalui karena saya belajar dari nol tentang software ini. Selain itu,
73
saya juga harus mempelajari konsep dasar dari penelitian ini seperti persamaan
diferensial yang dahulu menurut saya sulit. Ketekunan, kesabaran, dan ketelitian saya
terlatih dalam saya menyusun tesis ini.
Selain proses yang panjang ini, terdapat dukungan yang sangat positif dari dosen
pembimbing yang membuat saya semangat dalam menyelesaikan tesis ini. Bermula
dari diterimanya topik saya untuk diangkat sebagai tesis, publikasi tesis, pemahaman
materi hingga sekarang dimana saya bisa menulis tesis. Saya banyak belajar dari
bimbingan-bimbingan yang diarahkan oleh beliau. Saya sangat berterima kasih kepada
beliau, melalui bimbingan beliau saya banyak belajar dan beliau juga mau
menyempatkan waktu untuk bimbingan, meskipun beliau sibuk. Selain dari dosen
pembimbing, Adapun dukungan dari teman se-pembimbingan yaitu Fransiska Intan
Rosari. Banyak diskusi yang dilakukan bersama dengannya, terutama pembuatan
program. Kami saling membantu satu sama lain dalam memeriksa program dan
memberikan ide solusi pemrograman.
Bermula dari soal-soal PISA yang konteks masalahnya kegunaan matematika di

kehidupan, saya mencoba berpikir bagaimana konteks masalah yang saya angkat
dalam penelitian dapat membantu pemahaman belajar peserta didik. Ketika saat
mencermati konteks model matematika pada penelitian ini, saya merasa bahwa topik
ini bisa dibawakan ke jenjang perguruan tinggi dengan pertimbangan konsep dasar
materi seperti persamaan diferensial dan metode numerik. Selain itu, pengalaman saya
belajar komputasi matematika kurang menyenangkan dan masih mengalami
kebingungan dalam memahami algoritma penyelesaian. Sehingga dalam
menyelesaikan persoalan menggunakan bantuan program masih bingung. Hal ini yang
membuat saya berpikir menggunakan konteks penyakit COVID-19 sebagai masalah
dan sedang diperbincangkan saat ini, agar pembelajaran menjadi lebih bermakna. Saya
harap desain Rancangan Proses Pembelajaran (RPP) yang saya rancang bisa
membantu mahasiswa memahami algoritma penyelesaian oleh metode numerik
dengan bantuan program dan menambah wawasan tentang penerapan matematika
dalam kehidupan.
74
Selama penulisan tesis ini, saya menikmati proses, baik senang maupun susah. Saya
bersyukur atas kesempatan belajar yang saya terima hingga hari ini. Saya juga tidak
lupa akan dukungan lainnya baik dari orang tua, saudara, teman dan lainnya yang
membuat saya kuat dalam proses belajar. Saya harap hal-hal yang saya dapatkan
selama proses belajar akan terus berkembang dalam diri saya dan akan bermanfaat
bagi orang lain.
BAB V
PENUTUP
Pada bab ini dijelaskan mengenai kesimpulan dari penulisan penelitian ini
dan saran untuk penelitian selanjutnya yang berkaitan dengan penelitian ini.
A. Kesimpulan
Berdasarkan hasil dari penelitian ini, dapat diambil kesimpulan yaitu: 1)

solusi yang dihasilkan oleh metode Runge-Kutta orde empat dan metode Runge-
Kutta orde lima menggunakan bantuan software MATLAB menunjukkan
kesamaan perilaku, sehingga perlu dicari nilai kesalahan numerik dan tingkat
akurasi dari masing-masing metode dengan bantuan algoritma ODE45 sebagai
solusi referensi. Hasil menunjukkan bahwa terdapat perbedaan nilai antara kedua
hasil metode tersebut. Hal ini dapat menunjukkan bahwa metode Runge-Kutta orde
lima memang lebih akurat daripada metode Runge-Kutta orde empat dalam
menyelesaikan model SEIR untuk penyebaran penyakit COVID-19; 2) terdapat
rancangan proses pembelajaran dengan menggunakan pembelajaran kolaboratif
yang dapat diterapkan pada jenjang perguruan tinggi untuk mahasiswa yang
mengambil mata kuliah matematika komputasi. Penerapan pembelajaran
kolaboratif bertujuan saling bekerjasama dan saling belajar dari berbagai
pemahaman dan pengetahuan yang berbeda-beda untuk memahami algoritma
penyelesaian matematika menggunakan metode numeris dengan bantuan program
MATLAB dan konteks masalah penyebaran penyakit COVID-19 sebagai contoh
masalah di kehidupan.
B. Saran
Bagi penelitian selanjutnya dapat menggunakan metode Runge-Kutta orde

empat dan metode Runge-Kutta orde lima untuk menyelesaikan model matematika
penyebaran penyakit lain. Hal ini karena, kedua metode ini memiliki tingkat akurasi
yang tinggi dan hampir sama. Selain itu, aspek pendidikan dalam penelitian ini
dapat dijadikan referensi dan dikembangkan dalam pembelajaran yang efektif di
jenjang perguruan tinggi yang dapat membantu proses belajar.
75
DAFTAR PUSTAKA
Amiruddin. (2019). Pembelajaran Kooperatif dan Kolaboratif. Journal of

Educational Science (JES), 5(1), 24–32. https://doi.org/10.3314/jes.v5i1.357
Ashgi, R., Pratama, M. A. A., & Purwani, S. (2021). Comparison of Numerical
Simulation of Epidemiological Model between Euler Method with 4th Order
Runge Kutta Method. International Journal of Global Operations Research,
2(1), 37–44. https://doi.org/10.47194/ijgor.v2i1.67
Baharuddin, & Rumpa, F. A. (2020). 2019-nCOV (COVID-19) Melindungi Diri
Sendiri dengan Lebih Memahami Virus Corona. Yogyakarta: Rapha
Publishing.
Barkley, E. E., Cross, K. P., & Major, C. H. (2016). Collaborative Learning
Techniques: Teknik-teknik Pembelajaran Kolaboratif (M. I. Zakkie (ed.)).
Bandung: Nusa Media.
Butcher, J. C. (1996). A History of Runge-Kutta Methods. Applied Numerical
Mathematics, 20, 247–260. https://doi.org/https://doi.org/10.1016/0168-
9274(95)00108-5
Chapra, S. C., & Canale, R. P. (2021). Numerical Methods for Engineers (Eighth).
New York: McGraw-Hill.
Dharma, L. Y. S. (2020). Indonesian Covid-19 Case Modeling Using Gaussian
Equation. Jurnal Sains Dan Teknologi Mitigasi Bencana, 15(1).
https://doi.org/10.29122/jstmb.v15i1.4102
Fardinah, F. (2017). Solusi Persamaan Diferensial Biasa dengan Metode Runge-
Kutta Orde Lima. Jurnal MSA (Matematika Dan Statistika Serta Aplikasinya),
5(1), 30. https://doi.org/10.24252/jmsa.v5n1p30
Harapan, H., Itoh, N., Yufika, A., Winardi, W., Keam, S., Te, H., Megawati, D.,
Hayati, Z., Wagner, A. L., & Mudatsir, M. (2020). Coronavirus disease 2019
(COVID-19): A literature review. Journal of Infection and Public Health,
13(5), 667–673. https://doi.org/10.1016/j.jiph.2020.03.019
Hidayat, N., Suhariningsih, Suryanto, A., & Mungkasi, S. (2014). The significance
of spatial reconstruction in finite volume methods for the shallow water
equations. Applied Mathematical Sciences, 8(9), 1411–1420.
https://doi.org/10.12988/ams.2014.4124
Iswanto, R. J. (2012). Pemodelan Matematika: Aplikasi dan Terapannya.
Yogyakarta: Graha Ilmu.
Kumar, S., Kumar, V., Awasthi, U., Vatsal, M., & Singh, S. K. (2021). Modified
SEIR model for prediction of COVID-19 outbreak trend in India with
effectiveness of preventive care. Journal of Statistics and Management
Systems, 24(1), 135–145. https://doi.org/10.1080/09720510.2020.1833463
76
77
Mungkasi, S. (2021). Successive Approximation, Variational Iteration, and

Multistage-Analytical Methods for a SEIR Model of Infectious Disease
Involving Vaccination Strategy. Communication in Biomathematical
Sciences, 3(2), 114–126. https://doi.org/10.5614/cbms.2020.3.2.3
Ndii, M. Z. (2018). Pemodelan Matematika Dinamika Populasi dan Penyebaran
Penyakit. Yogyakarta: Deepublish.
Pakpahan, J. P., & Litawati, D. (2021). Tata Kelola Manajemen Keperawatan
Klinis Era COVID-19. Yogyakarta: Gava Media.
Palma, D.I., & Mungkasi, S. (2022). Fourth- and Fifth-Order Runge-Kutta Methods
for Solving a SEIR Mathematical Model of the Spread of COVID-19.
International Conference on Science and Applied Science (ICSAS) 2022.
Surakarta: Universitas Sebelah Maret
Pratiwi, C. D. (2021). Kajian Matematis dan Pendidikan Atas Model Transmisi
Penyakit Virus Corona 2019 (COVID-19). Tesis. Universitas Sanata Dharma.
Prevention, C. for D. C. and. (2021). Possibility of COVID-19 Illness after
Vaccination. https://www.cdc.gov/coronavirus/2019-
ncov/vaccines/effectiveness/why-measure-effectiveness/breakthrough-
cases.html (diakses pada 01 Mei 2021)
Respati, Y. A. (2018). Collaborative Learning Dalam Upaya Peningkatan
Keaktifan. Jurnal Efisiensi - Kajian Ilmu Administrasi, XV(2), 15–23.
https://doi.org/10.21831/efisiensi.v15i2.24490
Ross, S. L. (1989). Introduction to Ordinary Differential Equations (4th ed.). New
York: John Wiley & Sons.
Satuan Tugas Penanganan COVID-19. (2021). PETA SEBARAN COVID-19.
https://covid19.go.id/peta-sebaran (diakses pada 16 November 2022)
Shu, Y., He, H., Shi, X., Lei, Y., & Li, J. (2021). Coronavirus disease-2019
(Review). World Academy of Sciences Journal, 3(2), 1–7.
https://doi.org/10.3892/wasj.2021.83
Triatmodjo, B. (2002). Metode Numerik dilengkapi dengan Program Komputer.
Yogyakarta: Beta Offset.
Wijayanti, H., Setyaningsih, S., & Wati, M. (2011). Metode Runge Kutta dalam
Penyelesaian Model Radang Akut. Ekologia, 11(2), 46–52.
Wintachai, P., & Prathom, K. (2021). Stability analysis of SEIR model related to
efficiency of vaccines for COVID-19 situation. Heliyon, 7(4), e06812.
https://doi.org/10.1016/j.heliyon.2021.e06812
LAMPIRAN
Lampiran 1 : Program MATLAB Metode Runge-Kutta Orde 4, Metode Runge-

Kutta Orde 5, dan ODE45
clear;
clc;
h=1;
t0=0;
tend=120;
t=t0:h:tend;
p=length(t);
J=0*t;
K=0*t;
L=0*t;
M=0*t;
S=0*t;
E=0*t;
I=0*t;
R=0*t;
J(1)=0.97286; %Nilai awal S untuk metode Runge-Kutta Orde 4

K(1)=0.00543; %Nilai awal E untuk metode Runge-Kutta Orde 4 (3/5
dari 0.00905)
L(1)=0.00362; %Nilai awal I untuk metode Runge-Kutta Orde 4 (2/5
dari 0.00905)
M(1)=0.01809; %Nilai awal R untuk metode Runge-Kutta Orde 4
S(1)=0.97286; %Nilai awal S untuk metode Runge-Kutta Orde 5

E(1)=0.00543; %Nilai awal E untuk metode Runge-Kutta Orde 5 (3/5
dari 0.00905)
I(1)=0.00362; %Nilai awal I untuk metode Runge-Kutta Orde 5 (2/5
dari 0.00905)
R(1)=0.01809; %Nilai awal R untuk metode Runge-Kutta Orde 5
%Nilai Parameter
beta=0.462;
alfa=1/11.5;
gamma=0.0686;
b0=3.178*(10^(-5));
d0=2.377*(10^(-5));
d1=2.585*(10^(-5));
d2=2.585*(10^(-5));
v= 0.01;
ps=0.7;
pe=0.6;
pi=0.6;
78
79
%Program Runge-Kutta orde 4

for i=1:p-1;
k1J=(b0 - (((v*ps)+d0)*J(i)) - (beta*(1-(v*ps))*J(i)*L(i))) ;
k1K=((beta*(1-v*ps)*J(i)*L(i)) - ((d1+alfa+(1-
alfa)*(v*pe))*K(i)));
k1L=((alfa*K(i)) - ((d2+gamma+((1-gamma)*(v*pi)))*L(i)));
k1M=(((v*ps)*J(i)) + ((v*pe)*(1-alfa)*K(i)) + ((gamma+((1-

gamma)*(v*pi)))*L(i)) - (d0*M(i)));
k2J=(b0 - (((v*ps)+d0)*(J(i)+(h*k1J*(1/2)))) - (beta*(1-

(v*ps))*(J(i)+(h*k1J*(1/2)))*(L(i)+(h*k1L*(1/2))))) ;
k2K=((beta*(1-v*ps)*(J(i)+(h*k1J*(1/2)))*(L(i)+(h*k1L*(1/2))))
- ((d1+alfa+(1-alfa)*(v*pe))*(K(i)+(h*k1K*(1/2)))));
k2L=((alfa*(K(i)+(h*k1K*(1/2)))) - ((d2+gamma+((1-
gamma)*(v*pi)))*(L(i)+(h*k1L*(1/2)))));
k2M=(((v*ps)*(J(i)+(h*k1J*(1/2)))) + ((v*pe)*(1-
alfa)*(K(i)+(h*k1K*(1/2)))) + ((gamma+((1-
gamma)*(v*pi)))*(L(i)+(h*k1L*(1/2)))) -
(d0*(M(i)+(h*k1M*(1/2)))));
k3J=(b0 - (((v*ps)+d0)*(J(i)+(h*k2J*(1/2)))) - (beta*(1-

(v*ps))*(J(i)+(h*k2J*(1/2)))*(L(i)+(h*k2L*(1/2))))) ;
k3K=((beta*(1-v*ps)*(J(i)+(h*k2J*(1/2)))*(L(i)+(h*k2L*(1/2))))
- ((d1+alfa+(1-alfa)*(v*pe))*(K(i)+(h*k2K*(1/2)))));
k3L=((alfa*(K(i)+(h*k2K*(1/2)))) - ((d2+gamma+((1-
gamma)*(v*pi)))*(L(i)+(h*k2L*(1/2)))));
k3M=(((v*ps)*(J(i)+(h*k2J*(1/2)))) + ((v*pe)*(1-
alfa)*(K(i)+(h*k2K*(1/2)))) + ((gamma+((1-
gamma)*(v*pi)))*(L(i)+(h*k2L*(1/2)))) -
(d0*(M(i)+(h*k2M*(1/2)))));
k4J=(b0 - (((v*ps)+d0)*(J(i)+(h*k3J))) - (beta*(1-

(v*ps))*(J(i)+(h*k3J))*(L(i)+(h*k3L)))) ;
k4K=((beta*(1-v*ps)*(J(i)+(h*k3J))*(L(i)+(h*k3L))) -
((d1+alfa+(1-alfa)*(v*pe))*(K(i)+(h*k3K))));
k4L=((alfa*(K(i)+(h*k3K))) - ((d2+gamma+((1-
gamma)*(v*pi)))*(L(i)+(h*k3L))));
k4M=(((v*ps)*(J(i)+(h*k3J))) + ((v*pe)*(1-
alfa)*(K(i)+(h*k3K))) + ((gamma+((1-
gamma)*(v*pi)))*(L(i)+(h*k3L))) - (d0*(M(i)+(h*k3M))));
80
J(i+1)= J(i)+(1/6)*(k1J + 2*k2J + 2*k3J + k4J )*h;

K(i+1)= K(i)+(1/6)*(k1K + 2*k2K + 2*k3K + k4K )*h;
L(i+1)= L(i)+(1/6)*(k1L + 2*k2L + 2*k3L + k4L )*h;
M(i+1)= M(i)+(1/6)*(k1M + 2*k2M + 2*k3M + k4M )*h;
end
%Program Runge-Kutta orde 5
for i=1:p-1;
k1S=(b0 - (((v*ps)+d0)*S(i)) - (beta*(1-(v*ps))*S(i)*I(i))) ;
k1E=((beta*(1-(v*ps))*S(i)*I(i)) - ((d1+alfa+((1-
alfa)*(v*pe)))*E(i)));
k1I=((alfa*E(i)) - ((d2+gamma+((1-gamma)*(v*pi)))*I(i)));
k1R=(((v*ps)*S(i)) + ((v*pe)*(1-alfa)*E(i)) + ((gamma+((1-

gamma)*(v*pi)))*I(i)) - (d0*R(i)));
k2S=(b0 - (((v*ps)+d0)*(S(i)+(h*k1S*(1/4)))) - (beta*(1-

(v*ps))*(S(i)+(h*k1S*(1/4)))*(I(i)+(h*k1I*(1/4)))));
k2E=((beta*(1-
(v*ps))*(S(i)+(h*k1S*(1/4)))*(I(i)+(h*k1I*(1/4)))) -
((d1+alfa+((1-alfa)*(v*pe)))*(E(i)+(h*k1E*(1/4)))));
k2I=((alfa*(E(i)+(h*k1E*(1/4)))) - ((d2+gamma+((1-
gamma)*(v*pi)))*(I(i)+(h*k1I*(1/4)))));
k2R=(((v*ps)*(S(i)+(h*k1S*(1/4)))) + ((v*pe)*(1-
alfa)*(E(i)+(h*k1E*(1/4)))) + ((gamma+((1-
gamma)*(v*pi)))*(I(i)+(h*k1I*(1/4)))) -
(d0*(R(i)+(h*k1R*(1/4)))));
k3S=(b0 - (((v*ps)+d0)*(S(i)+(h*k1S*(1/8))+(h*k2S*(1/8)))) -
(beta*(1-
(v*ps))*(S(i)+(h*k1S*(1/8))+(h*k2S*(1/8)))*(I(i)+(h*k1I*(1/8))+(h*
k2I*(1/8))))) ;
k3E=((beta*(1-
(v*ps))*(S(i)+(h*k1S*(1/8))+(h*k2S*(1/8)))*(I(i)+(h*k1I*(1/8))+(h*
k2I*(1/8)))) - ((d1+alfa+((1-
alfa)*(v*pe)))*(E(i)+(h*k1E*(1/8))+(h*k2E*(1/8)))));
k3I=((alfa*(E(i)+(h*k1E*(1/8))+(h*k2E*(1/8)))) -
((d2+gamma+((1-
gamma)*(v*pi)))*(I(i)+(h*k1I*(1/8))+(h*k2I*(1/8)))));
k3R=(((v*ps)*(S(i)+(h*k1S*(1/8))+(h*k2S*(1/8)))) + ((v*pe)*(1-
alfa)*(E(i)+(h*k1E*(1/8))+(h*k2E*(1/8)))) + ((gamma+((1-
81
gamma)*(v*pi)))*(I(i)+(h*k1I*(1/8))+(h*k2I*(1/8)))) -
(d0*(R(i)+(h*k1R*(1/8))+(h*k2R*(1/8)))));
k4S=(b0 - (((v*ps)+d0)*(S(i)-(h*k2S*(1/2))+(h*k3S))) -
(beta*(1-(v*ps))*(S(i)-(h*k2S*(1/2))+(h*k3S))*(I(i)-
(h*k2I*(1/2))+(h*k3I)))) ;
k4E=((beta*(1-(v*ps))*(S(i)-(h*k2S*(1/2))+(h*k3S))*(I(i)-
(h*k2I*(1/2))+(h*k3I))) - ((d1+alfa+((1-alfa)*(v*pe)))*(E(i)-
(h*k2E*(1/2))+(h*k3E))));
k4I=((alfa*(E(i)-(h*k2E*(1/2))+(h*k3E))) - ((d2+gamma+((1-
gamma)*(v*pi)))*(I(i)-(h*k2I*(1/2))+(h*k3I))));
k4R=(((v*ps)*(S(i)-(h*k2S*(1/2))+(h*k3S))) + ((v*pe)*(1-
alfa)*(E(i)-(h*k2E*(1/2))+(h*k3E))) + ((gamma+((1-
gamma)*(v*pi)))*(I(i)-(h*k2I*(1/2))+(h*k3I))) - (d0*(R(i)-
(h*k2R*(1/2))+(h*k3R))));
k5S=(b0 - (((v*ps)+d0)*(S(i)+(h*k1S*(3/16))+(h*k4S*(9/16)))) -
(beta*(1-
(v*ps))*(S(i)+(h*k1S*(3/16))+(h*k4S*(9/16)))*(I(i)+(h*k1I*(3/16))+
(h*k4I*(9/16))))) ;
k5E=((beta*(1-
(v*ps))*(S(i)+(h*k1S*(3/16))+(h*k4S*(9/16)))*(I(i)+(h*k1I*(3/16))+
(h*k4I*(9/16)))) - ((d1+alfa+((1-
alfa)*(v*pe)))*(E(i)+(h*k1E*(3/16))+(h*k4E*(9/16)))));
k5I=((alfa*(E(i)+(h*k1E*(3/16))+(h*k4E*(9/16)))) -
((d2+gamma+((1-
gamma)*(v*pi)))*(I(i)+(h*k1I*(3/16))+(h*k4I*(9/16)))));
k5R=(((v*ps)*(S(i)+(h*k1S*(3/16))+(h*k4S*(9/16)))) +
((v*pe)*(1-alfa)*(E(i)+(h*k1E*(3/16))+(h*k4E*(9/16)))) +
((gamma+((1-gamma)*(v*pi)))*(I(i)+(h*k1I*(3/16))+(h*k4I*(9/16))))
- (d0*(R(i)+(h*k1R*(3/16))+(h*k4R*(9/16)))));
k6S=(b0 - (((v*ps)+d0)*(S(i)-
(h*k1S*(3/7))+(h*k2S*(2/7))+(h*k3S*(12/7))-
(h*k4S*(12/7))+(h*k5S*(8/7)))) - (beta*(1-(v*ps))*(S(i)-
(h*k1S*(3/7))+(h*k2S*(2/7))+(h*k3S*(12/7))-
(h*k4S*(12/7))+(h*k5S*(8/7)))*(I(i)-
(h*k1I*(3/7))+(h*k2I*(2/7))+(h*k3I*(12/7))-
(h*k4I*(12/7))+(h*k5I*(8/7))))) ;
k6E=((beta*(1-(v*ps))*(S(i)-
(h*k1S*(3/7))+(h*k2S*(2/7))+(h*k3S*(12/7))-
(h*k4S*(12/7))+(h*k5S*(8/7)))*(I(i)-
(h*k1I*(3/7))+(h*k2I*(2/7))+(h*k3I*(12/7))-
(h*k4I*(12/7))+(h*k5I*(8/7)))) - ((d1+alfa+((1-
82
alfa)*(v*pe)))*(E(i)-(h*k1E*(3/7))+(h*k2E*(2/7))+(h*k3E*(12/7))-
(h*k4E*(12/7))+(h*k5E*(8/7)))));
k6I=((alfa*(E(i)-(h*k1E*(3/7))+(h*k2E*(2/7))+(h*k3E*(12/7))-
(h*k4E*(12/7))+(h*k5E*(8/7)))) - ((d2+gamma+((1-
gamma)*(v*pi)))*(I(i)-(h*k1I*(3/7))+(h*k2I*(2/7))+(h*k3I*(12/7))-
(h*k4I*(12/7))+(h*k5I*(8/7)))));
k6R=(((v*ps)*(S(i)-(h*k1S*(3/7))+(h*k2S*(2/7))+(h*k3S*(12/7))-
(h*k4S*(12/7))+(h*k5S*(8/7)))) + ((v*pe)*(1-alfa)*(E(i)-
(h*k1E*(3/7))+(h*k2E*(2/7))+(h*k3E*(12/7))-
(h*k4E*(12/7))+(h*k5E*(8/7)))) + ((gamma+((1-
gamma)*(v*pi)))*(I(i)-(h*k1I*(3/7))+(h*k2I*(2/7))+(h*k3I*(12/7))-
(h*k4I*(12/7))+(h*k5I*(8/7)))) - (d0*(R(i)-
(h*k1R*(3/7))+(h*k2R*(2/7))+(h*k3R*(12/7))-
(h*k4R*(12/7))+(h*k5R*(8/7)))));
S(i+1)= S(i)+(1/90)*(7*k1S + 32*k3S + 12*k4S + 32*k5S +7*k6S

)*h;
E(i+1)= E(i)+(1/90)*(7*k1E + 32*k3E + 12*k4E + 32*k5E +7*k6E
)*h;
I(i+1)= I(i)+(1/90)*(7*k1I + 32*k3I + 12*k4I + 32*k5I +7*k6I
)*h;
R(i+1)= R(i)+(1/90)*(7*k1R + 32*k3R + 12*k4R + 32*k5R +7*k6R
)*h;
end
%Program ODE45
options=odeset('RelTol',1e-15,'AbsTol',1e-15);
f=@(t,x)[(b0 - (((v*ps)+d0)*x(1)) - (beta*(1-(v*ps))*x(1)*x(3)));
((beta*(1-(v*ps))*x(1)*x(3)) - ((d1+alfa+(1-alfa)*(v*pe))*x(2)));
((alfa*x(2)) - ((d2+gamma+((1-gamma)*(v*pi)))*x(3)));
(((v*ps)*x(1)) + ((v*pe)*(1-alfa)*x(2)) + ((gamma+(1-
gamma)*(v*pi))*x(3)) - (d0*x(4)))];
[t xsol]=ode45(f,[t0:h:tend],[S(1), E(1), I(1), R(1)], options);
%Mencari error RK4

for i=1:p-1;
V(i)=abs(J(i)-xsol(i,1));
W(i)=abs(K(i)-xsol(i,2));
X(i)=abs(L(i)-xsol(i,3));
Y(i)=abs(M(i)-xsol(i,4));
end
%Mencari error RK5

for i=1:p-1;
P(i)=abs(S(i)-xsol(i,1));
Q(i)=abs(E(i)-xsol(i,2));
T(i)=abs(I(i)-xsol(i,3));
Z(i)=abs(R(i)-xsol(i,4));
end
%Mencari Rata-rata Error

83
for i=1:p-1;
C=(sum(V)/(i)); %Runge-Kutta Orde 4 (S)
D=(sum(W)/(i)); %Runge-Kutta Orde 4 (E)
F=(sum(X)/(i)); %Runge-Kutta Orde 4 (I)
G=(sum(Y)/(i)); %Runge-Kutta Orde 4 (R)
A=(sum(P)/(i)); %Runge-Kutta Orde 5 (S)

B=(sum(Q)/(i)); %Runge-Kutta Orde 5 (E)
H=(sum(T)/(i)); %Runge-Kutta Orde 5 (I)
O=(sum(Z)/(i)); %Runge-Kutta Orde 5 (R)
end
%Menampilkan Hasil Perhitungan RK4

disp('------------Metode Runge-Kutta Orde 4 ------------')
disp('--------------------------------------------------')
disp('i S E I R ')
disp('--------------------------------------------------')
for i=1:p-1
fprintf('%1.0f %10.8f %9.8f %9.8f %9.8f\n',i, J(i), K(i),
L(i), M(i))
end
disp('--------------------------------------------------')
%Menampilkan Hasil Perhitungan RK5

disp('------------Metode Runge-Kutta Orde 5 ------------')
disp('--------------------------------------------------')
disp('i S E I R ')
disp('--------------------------------------------------')
for i=1:p-1
fprintf('%1.0f %10.8f %9.8f %9.8f %9.8f\n',i, S(i), E(i),
I(i), R(i))
end
disp('--------------------------------------------------')
%Menampilkan Hasil Perhitungan Error

disp('============================================================
===================================================')
disp(' HASIL
PERHITUNGAN ')
disp('============================================================
===================================================')
disp(' Runge-Kutta Orde 4 |
Runge-Kutta Orde 5 ')
disp('i Error Error Error Error |
Error Error Error Error ')
disp(' S E I R |
S E I R ')
disp('============================================================
===================================================')
for i=1:p-1
84
fprintf('%1.0f %13.10f %8.10f %12.10f %8.10f %15.10f %12.10f

%8.10f %8.10f\n', i, V(i),W(i),X(i),Y(i),P(i),Q(i),T(i),Z(i))
end
disp('============================================================
===================================================')
%Menampilkan Hasil Perhitungan Rata-rata Error

disp('============================================================
=================================================')
disp(' HASIL
PERHITUNGAN ')
disp(' Rata-Rata
Error ')
disp('============================================================
=================================================')
disp(' Runge-Kutta Orde 4 |
Runge-Kutta Orde 5 ')
disp('-------------------------------------------------------|----
-------------------------------------------------')
disp(' S E I R |
S E I R ')
disp('============================================================
=================================================')
fprintf('%12.10f %12.10f %12.10f %12.10f %18.10f %12.10f %12.10f

%12.10f\n',C,D,F,G,A,B,H,O)
disp('============================================================
=================================================')
%Menampilkan grafik dengan metode Runge-Kutta orde 4

figure(1)
plot(t,J,'b-*', t,K,'m-*' , t,L, 'r-*', t,M, 'g-*');
grid on;
title('Fourth Order Runge-Kutta Method');
xlabel('Waktu (Hari)')
ylabel('Proporsi populasi')
legend('Susceptible','Exposed' ,'Infected','Recovered')
%Menampilkan grafik dengan metode Runge-Kutta orde 5

figure(2)
plot(t,S,'b-*', t,E,'m-*' , t,I, 'r-*', t,R, 'g-*');
grid on;
title('Fifth Order Runge-Kutta Method');
xlabel('Waktu (Hari)')
ylabel('Proporsi populasi')
legend('Susceptible','Exposed' ,'Infected','Recovered')
disp('Keterangan:')
disp('S adalah proporsi populasi manusia yang Susceptible')
disp('E adalah proporsi populasi manusia yang Exposed')
disp('I adalah proporsi populasi manusia yang Infected')
disp('R adalah proporsi populasi manusia yang Recovered')
85
Lampiran 2: Hasil Perhitungan Metode Runge-Kutta Orde 4, Metode Runge-Kutta Orde 5, dan ODE45 Menggunakan Program MATLAB
86
87
88
89
90
91
92
93
94
95

Full

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Full

Diunggah oleh

Hak Cipta:

Format Tersedia

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

KAJIAN NUMERIS DAN ASPEK PENDIDIKAN PADA

Numerical Study and Educational Aspects of Solutions to a SEIR Model with

Dewi Isabella Palma

PROGRAM STUDI PENDIDIKAN MATEMATIKA PROGRAM MAGISTER

JURUSAN PENDIDIKAN MATEMATIKA DAN ILMU PENGETAHUAN ALAM

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN

UNIVERSITAS SANATA DHARMA

KAJIAN NUMERIS DAN ASPEK PENDIDIKAN PADA

Dewi Isabella Palma

PROGRAM STUDI PENDIDIKAN MATEMATIKA PROGRAM MAGISTER

JURUSAN PENDIDIKAN MATEMATIKA DAN ILMU PENGETAHUAN ALAM

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN

UNIVERSITAS SANATA DHARMA

Yogyakarta, 05 Desember 2022

Dewi Isabella Palma

LEMBAR PERNYATAAN PERSETUJUAN

Nama : Dewi Isabella Palma

Demi perkembangan ilmu pengetahuan, saya memberikan kepada Perpustakaan

KAJIAN NUMERIS DAN ASPEK PENDIDIKAN PADA PENYELESAIAN

Dengan demikian, saya memberikan kepada Perpustakaan Universitas Sanata

Demikian pernyataan ini saya buat dengan sebenarnya.

Dewi Isabella Palma

“Serahkanlah hidupmu kepada Tuhan dan percayalah kepada-Nya dan Ia

Keyword: COVID-19, SEIR model, fourth-order Runge-Kutta method, fifth-order

HALAMAN JUDUL ............................................................................................... ii

HALAMAN PERSETUJUAN PEMBIMBING .................................................... iii

HALAMAN PENGESAHAN ................................................................................ iv

LEMBAR PERNYATAAN KEASLIAN KARYA ................................................ v

LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI ............................... vi

HALAMAN MOTTO ........................................................................................... vii

HALAMAN PERSEMBAHAN .......................................................................... viii

KATA PENGANTAR ........................................................................................... xi

DAFTAR ISI ......................................................................................................... xii

DAFTAR TABEL ................................................................................................. xv

DAFTAR GAMBAR ........................................................................................... xvi

DAFTAR LAMPIRAN ....................................................................................... xvii

BAB I PENDAHULUAN ...................................................................................... 1

A. Latar Belakang .......................................................................................... 1

B. Tinjauan Pustaka ....................................................................................... 4

C. Rumusan Masalah ..................................................................................... 5

D. Tujuan Penelitian ...................................................................................... 5

E. Batasan Masalah ....................................................................................... 6

F. Penjelasan Istilah ...................................................................................... 6

G. Kebaruan Penelitian .................................................................................. 7

H. Manfaat Penelitian .................................................................................... 7

I. Sistematika Penulisan ............................................................................... 7

BAB II LANDASAN TEORI ................................................................................ 9

A. Pemodelan Matematika ............................................................................. 9

B. Persamaan Diferensial ............................................................................ 11

C. Virus Corona (COVID-19) ..................................................................... 14

D. Model Epidemi Susceptible, Exposed, Infected, Recovered (SEIR) ....... 15

E. Metode Runge-Kutta (RK) ..................................................................... 17

F. Metode Runge-Kutta Orde Empat (RK4) ............................................... 18

G. Metode Runge-Kutta Orde Lima (RK5) ................................................. 19

H. Model Pembelajaran Kolaboratif ............................................................ 20

I. Kerangka Berpikir ................................................................................... 24

BAB III ASPEK MATEMATIS MODEL SEIR DENGAN VAKSINASI PADA

A. Model SEIR dengan Vaksinasi Untuk Virus Corona ............................. 25

B. Penyelesaian Model SEIR dengan Vaksinasi Menggunakan Metode

C. Penyelesaian Model SEIR dengan Vaksinasi Menggunakan Metode

D. Perbandingan Kesalahan Numerik dan Tingkat Keakuratan antara

BAB IV ASPEK PENDIDIKAN ......................................................................... 54