Model dasar yang digunakan pada penelitian ini adalah model SEIR,
Dalam hal ini diasumsikan bahwa jumlah populasi konstan dan terdapat laju
kematian alami pada tiap kelas individu. Laju penyebaran penyakit diasumsikan
IS
mengikuti laju insidensi bilinear, yaitu linear dalam IS berbentuk dengan
N
individu yang sakit dan S menyatakan jumlah individu yang rentan. Laju insidensi
yaitu jumlah kejadian individu rentan menjadi sakit tergantung dari populasi kelas
alami
40
41
belum terkonfirmasi positif dalam hal ini disebut kasus probable (exposed)
9. Terdapat individu yang telah sembuh atau kebal dari Covid-19 (recovered)
10. Terdapat individu yang mendapatkan vaksinasi sehingga kebal atau sembuh
dari Covid-19
digambarkan diagram model SEIR pada Gambar 4.1 dengan deskripsi parameter
IS
N N
S(t) E(t) I(t) R(t)
S E I R
Berdasarkan diagram model epidemi SEIR pada Gambar 4.1, maka dapat
dS
N IS
dt
IS E
dE
dt (4.1)
E I
dI
dt
dR
I R
dt
N (t ) S (t ) E (t ) I (t ) R (t )
variabel kontrol optimal u(t). Adapun variabel kontrol yang dipilih ialah vaksinasi
Covid-19 dengan tujuan untuk meminimumkan populasi rentan (S) dan populasi
vaksinasi untuk semua individu yang masuk kelas rentan penyakit dalam satu
waktu. Arti fisik dari variabel kontrol dalam masalah ini adalah jika jumlah
individu rentan dan terinfeksi mencapai level yang rendah, maka jumlah individu
yang berarti bahwa pada waktu t hanya sekian persen dari jumlah seluruh individu
43
rentan yang telah tervaksinasi pada waktu yang lampau. Dengan demikian
individu dalam kelas rentan yang tervaksinasi akan berpindah dari kelas rentan ke
epidemi SEIR dengan waktu tunda dari kasus penyebaran Covid-19 di Provinsi
Sulawesi Selatan dengan variabel kontrol vaksinasi u(t) pada Gambar 4.2 dengan
u t S t
IS
N N
S(t) E(t) I(t) R(t)
1 u
S E I R
Gambar 4.2 Diagram Model Epidemi SEIR dengan Variabel Kontrol Vaksinasi
vaksinasi pada Gambar 4.2, maka dapat dibentuk sistem persamaan diferensial
N I (1 u ) S u(t ) S (t )
dS
dt
IS (1 u ) E
dE
dt (4.2)
E I
dI
dt
dR
I u(t ) S (t ) R
dt
N (t ) S (t ) E (t ) I (t ) R (t )
44
Variabel/Parameter Keterangan
N Jumlah populasi
S Populasi yang rentan (susceptible) terinfeksi Covid-19
E Populasi yang bergejala (eksposed) namun belum
menularkan Covid-19
I Populasi yang terinfeksi (infected) Covid-19
R Populasi yang telah sembuh (recovered) dari Covid-19
Laju perpindahan dari populasi manusia yang rentan
(susceptible) ke populasi bergejala (eksposed) namun belum
menularkan dikarenakan adanya interaksi dengan populasi
yang terinfeksi Covid-19 baik secara langsung maupun
melalui media yang terkontaminasi virus Covid-19
Laju perpindahan dari populasi manusia yang bergejala
(eksposed) ke populasi yang terinfeksi (infected) Covid-19
yang diasumsikan bahwa populasi manusia eksposed
menjalani pemeriksaan laboratorium RT-PCR dan
dasumsikan sebanyak 10% terkonfirmasi positif Covid-19.
Laju perubahan dari populasi manusia yang terinfeksi
(infected) Covid-19 ke populasi yang sembuh (recovered)
dari Covid-19 karena adanya proses karantina/isolasi dari
populasi terinfeksi Covid-19 yang diambil sebesar 95%
u Variabel kontrol tentang efektivitas pemberian vaksin
Covid-19 berdasarkan studi refrensi sebesar 65,3%
Laju kelahiran dan kematian alami yang diasumsikan sama
t Waktu
Waktu tunda (time delay)
Selatan dengan tujuan untuk mengurangi jumlah individu yang terinfeksi Covid-
Sulawesi Selatan ini ialah Metode Prinsip minimum Pontryagin dengan langkah-
Tujuan dari permasalahan kontrol optimal pada penelitian ini adalah untuk
optimal pada sistem persamaan (4.2), maka spesifikasi fungsi tujuan pada
Fungsi tujuan (J) = Meminimumkan populasi rentan (S), terinfeksi (I) dan
T
1
J (u) S (t ) I (t ) Cu 2 (t )dt (4.4)
0
2
dari kontrol yang dilakukan. Selanjutnya akan dicari kontrol yang optimal u * (t ) ,
sehingga berlaku:
sistem persamaan (4.2), dan setiap variabel state dikalikan dengan multiplier
berdasarkan fungsi tujuan pada persamaan (4.4) dan kendala pada persamaan
(4.2).
4
H S (t ) I (t ) Cu 2 (t ) i (t ) g i x (t ), u(t ), t
1
(4.6)
2 i 1
solusi optimal jika persamaan state dan costate serta kondisi stasioner terpenuhi.
47
1) Persamaan State
H
x1 N (t ) I (t )(1 u ) S (t ) u(t ) S (t )
1
H
x2 I (t ) S (t )(1 u ) E (t ) (4.7)
2
H
x3 E (t ) I (t )
3
H
x4 I (t ) u(t ) S (t ) R(t )
4
2) Persamaan Costate
H
1 1 1 (t ) I (t )(1 u ) 2I (t )(1 u )
S
H
2 2 3 (4.8)
E
H
3 1 1 (t ) (1 u ) S (t ) 2 S (t )(1 u ) 3 4
I
H
4 4 (t )
R
(4.9).
H
0
u
1 (t )I (t ) S (t ) 2 (t )I (t ) S (t )
u (t ) , atau
C
1IS (t ) 2IS (t )
u (t ) (4.9)
C
0 , u0
u * (t ) u , 0 u 1 (4.10)
1 u 1
,
Jadi eksistensi dari kontrol optimal terbukti ada dengan bentuk kontrol
u * (t ) min max 0, u ,1
IS (t ) 2IS (t )
u * (t ) min max 0, 1 ,1 (4.11)
C
49
H
x1 (t )
*
1
IS (t ) 2IS (t )
N (t ) I (t )1 min max 0, 1 ,1
C
IS (t ) 2IS (t )
S (t ) 1 min max 0, 1 ,1 (t ) S (t )
C
H
x 2 (t )
*
2
IS (t ) 2IS (t )
I (t ) S (t )1 min max 0, 1 ,1 E (t )
C
H
x 3 (t ) E (t ) I (t )
*
(4.12)
3
H
x 4 (t )
*
4
IS (t ) 2IS (t )
I (t ) min max 0, 1 ,1(t ) S (t ) R(t )
C
2) Persamaan Costate
H
1* (t )
S
IS (t ) 2IS (t )
1 1 (t ) I (t )( 1 min max 0, 1 ,1
C
IS (t ) 2IS (t )
2I (t )1 min max 0, 1 ,1
C
50
H
3 * ( t ) 2 3 (4.13)
E
H
3* (t )
I
IS (t ) 2IS (t )
1 1 (t ) 1 min max 0, 1 ,1 S (t )
C
IS (t ) 2IS (t )
2 S (t )1 min max 0, 1 ,1
C
H
4 * (t ) 4 (t )
R
Selatan dianalisis dengan cara menentukan titik kesetimbangan atau yang sering
disebut juga dengan titik tetap dan bilangan reproduksi dasar (R0). Variabel-
variabel S(t), E(t), I(t), R(t) dan N(t) selalu berkaitan dengan waktu (t), namun
dan N.
semua turunan pertama dari sistem persamaan (4.2) yang telah dirumuskan
dS dE dI dR
disamakan dengan nol, yaitu 0, 0, 0 dan 0. dengan
dt dt dt dt
N I (1 u) S u(t ) S (t ) 0
IS (1 u) E 0 (4.14)
51
E I 0
I u(t ) S (t ) R 0
N I (1 u) S u(t ) S (t ) 0
N I (1 u) S uS (t ) 0
N
S (4.15)
I (1 u) u(t )
IS (1 u) E 0
IS (1 u)
E (4.16)
E I 0
E
I (4.17)
I u(t ) S (t ) R 0
I uS (t ) R 0
I uS (t )
R (4.18)
(4.15) sampai (4.18) akan dibentuk dua kondisi titik kesetimbangan, yaitu titik
(endemik).
52
Bebas Covid-19 diasumsikan tidak ada populasi manusia yang sakit akibat
virus Covid-19. Titik kesetimbangan bebas Covid-19 terjadi jika nilai pada
persamaan (4.15) sampai (4.18) akan diperoleh persamaan (4.19) sampai (4.22).
N
S (4.19)
u(t )
E 0 (4.20)
I 0 (4.21)
uS (t )
R
N
u (t )
u(t )
u( N )( t ) Nu(t )
2 (4.22)
( u(t )) u(t )
N Nu(t )
( S , E , I , R ) ,0,0, 2 (4.23)
u(t ) u(t )
53
tidak bebas Covid-19 diasumsikan adanya populasi manusia yang sakit akibat
virus Covid-19, dalam hal ini populasi infected ( I ≠ 0 ). Pada keadaan ini akan
dicari solusi dari persamaan (4.15) sampai (4.18) untuk merepresentasikan titik
E
I
IS (1 u )
I
IS (1 u)
I
S (1 u )
1
S
(4.24)
(1 u )
N
S
I (1 u) u(t )
N
(1 u) I (1 u) u(t )
54
N(1 - u)
I (1 u) ( u(t ))
N (1 u)
I ( u (t )
(1 u )
N ( u(t ))
I
IS (1 u)
E
I uS (t )
R
(1 u )N ( u(t )) 2
R
u(t ) ( 4.27)
2 2 (1 u )
,
(1 u )
N ( u(t ))
(1 u ),
( S , E, I , R) ( 4.28)
N ( u(t ))
(1 u )N ( u(t )) u(t )
2
2 2 (1 u )
D. Analisis Kestabilan
dilakukan dengan membentuk suatu matriks dari sistem persamaan (4.2) yang
I (1 u ) u(t ) 0 S (1 u ) 0
I (1 u ) S (1 u ) 0
J (4.29)
0 0
u (t ) 0
Teorema 4.1
Bukti:
u (t ) 0 S (1 u ) 0
0 S (1 u ) 0
J
0 0
u (t ) 0
1 0 0 0
0 1 0 0
Det I J 0 , dengan I
0 0 1 0
0 0 0 1
57
maka:
I J 0
1 0 0 0 u ( t ) 0 S (1 u ) 0
0 1 0 0 0 S (1 u ) 0
I J 0
0 0 1 0 0 0
0 1 u ( t )
0 0 0
0 0 0 u ( t ) 0 S (1 u ) 0
0 0 0 0 S (1 u ) 0
I J 0
0 0 0 0 0
0 0 0 u (t )
0
( u(t )) 0 S (1 u ) 0
0 S (1 u ) 0
I J 0
0 0
u(t ) 0
Sehingga:
S (1 u)
I J u(t )
u(t ) 2 R0 0 (4.30)
58
yang semuanya negatif apabila semua tanda pada setiap suku-sukunya positif .
Teorema 4.2
asimptotik.
Bukti:
I (1 u ) u(t ) 0 S (1 u ) 0
I (1 u ) S (1 u ) 0
J
0 0
u (t ) 0
I J 0
1 0 0 0 I (1 u ) u(t ) 0 S (1 u ) 0
0 1 0 0 I (1 u ) S (1 u ) 0
I J 0
0 0 1 0 0 0
0 u (t )
0 0 1 0
59
0 0 0 I (1 u ) u(t ) 0 S (1 u ) 0
0 0 0 I (1 u ) S (1 u ) 0
I J 0
0 0 0 0 0
0 0 0
u ( t ) 0
I (1 u ) u(t ) 0 S (1 u ) 0
I (1 u ) S (1 u ) 0
I J 0
0 0
u(t ) 0
diperoleh:
S (1 u ) S (1 u )
I (1 u ) u(t )
0
I
=> 2 (1 u)
(1 u)
(1 u )
2 (1 u )
(1 u )
60
2
Sehingga :
2 2 N ( u(t ))
(1 u )
(1 u ) 2
N ( u(t ))
(1 u) u(t )
N
( u(t )) (1 u ) u(t )2
N ( u(t )) (1 u)
N
N u(t ) , dan 1
u (t )
61
diketahui sebab bilangan ini dapat menyatakan tingkat penyebaran suatu penyakit.
Bilangan ini menunjukkan jumlah individu rentan yang dapat menderita penyakit
ambang batas untuk menentukan apakah suatu populasi terjadi endemik atau
tidak.
matriks generasi mendatang (next generation matrix). Matriks ini dibentuk dengan
memperhatikan bagian positif dan bagian negatif pada laju penularan populasi
(4.2), maka:
IS (1 u ) E
dE
dt
E I
dI
dt
Sehingga diperoleh:
IS (1 u ) 0 S (1 u )
F , F'
0 0 0
E 0
V , V'
I E
62
1
0
(V ' ) 1
1
R F ' (V ' ) 1
1
0
0 S (1 u )
0 0
1
S (1 u ) S (1 u )
R
0 0
(4.32)
nilai eigennya dengan rumus Det I J 0 , dengan J adalah matriks R pada
I J 0
1
0 0 0 S (1 u ) S (1 u )
0 1 0 0
I J
0
0 0
0 1
0 0 0
0 0 1
0 0 0 S (1 u ) S (1 u )
0 0 0
I J 0
0 0 0
0 0 0
0 0
63
S (1 u ) S (1 u )
I J
0
0
S (1 u )
I J 0
S (1 u)
diperoleh 1 , dan 2 0
S (1 u )
sehingga diperoleh nilai eigen terbesar yaitu 1
N
Selanjutnya subtitusi nilai S pada 1 , maka diperoleh bilangan
u (t )
reproduksi dasar R0 pada persamaan (4.33).
N (1 u )
R0 (4.33)
( u(t ))
dilihat pada lampiran data penelitian. Data yang diperoleh berupa data harian
kasus Covid-19 yang terdata mulai tangggal 19 Maret 2020 sampai 31 Desember
2021. Data vaksinasi Covid-19 berupa akumulasi data bulanan jumlah orang yang
Januari sampai Desember 2021. Data ini menjadi nilai awal untuk setiap
dihitung dan dinyatakan dalam bentuk proporsi seperti dituliskan pada Tabel 4.2.
Data jumlah penduduk Sulawesi Selatan atau total populasi (N) pada
penelitian ini bersumber dari Badan Pusat Statistik tahun 2020 yaitu sebanyak
9.060.000 jiwa. Jadi berdasarkan Tabel 4.2 jumlah populasi yang tervaksin dosis
sebanyak 2.655.321 jiwa, artinya sekitar 29,3% dari total populasi N telah
0.84618 yang berarti bahwa sebanyak 84,6% masuk ke dalam kelas Susceptible,
nilai E = 0.12979 yang berarti bahwa sebanyak 13% masuk ke dalam kelas
Exposed, nilai I = 0.01214 yang berarti bahwa sebanyak 0,12% masuk ke dalam
kelas Infected, dan nilai R = 0.01189 yang berarti bahwa sebanyak 0,12% masuk
individu dari setiap kelas populasi yang dirujuk dari hasil penelitian RI Irianto,
dkk. (2009), peneliti pada puslitbang Ekologi dan status kesehatan Badan
0.62000 orang per-hari dirujuk dari penelitian Annas, dkk. (2020), menyatakan
berdasarkan data proporsi jumlah orang pada kelas Exposed melakukan test PCR
meyatakan laju perpindahan dari kelas I ke R sebesar 0.13108 orang per hari
data vaksinasi dosis 2 yang dirujuk berdasarkan jenis vaksin dengan tingkat
Life Sciences (Beijing China) atau yang lebih dikenal dengan vaksin sinovac
dengan tingkat efektifitas sebesar 65,3%. Hal ini ditentukan berdasarkan hasil
studi refrensi dari Nugroho & Hidayat (2021) yang meneliti tentang efektifitas
dan keamanan beberapa jenis vaksin Covid-19, dan diperoleh hasil bahwa untuk
sebesar 65,3% lebih rendah jika dibandingkan dengan tingkat efektifitas jenis
model matematika SEIR pada sistem persamaan (4.1) dan model matematika SEIR
dengan variabel kontrol vaksinasi pada sistem persamaan (4.2). Untuk model pada
sistem persamaan (4.2) akan disimulasikan dalam dua kasus berbeda, yakni
menggunakan variabel kontrol vaksinasi dengan waktu tunda dan tanpa waktu
tunda.
(S) mengalami penurunan hingga hari ke-40 namun kembali meningkat dari 30%
naik ke 35% mulai hari ke-50 sampai hari ke 90 hingga stabil pada hari ke-100,
sedangkan populasi exposed (E) mengalami peningkatan mulai hari ke-2 dan
menurun kmbali hingga stabil pada hari ke-100, demikian pula untuk populasi
terinfeksi (I) laju perubahannya cenderung cenderung meningkat dari hari pertama
dan menurun hingga stabil pada hari ke-70, dan yang terakhir untuk populasi
67
yang sembuh (R) cenderung meningkat dari waktu ke waktu dengan angka
kesembuhan tertinggi pada sekitar hari ke-50 kemudian stabil pada hari ke-100.
Gambar 4.4 Grafik Model SEIR dengan Variabel Kontrol Vaksinasi tanpa
Waktu Tunda
mengurangi populasi rentan (S) dan terinfeksi (I) serta memaksimalkan populasi
yang sembuh (R). Berdasarkan Grafik terlihat bahwa populasi rentan (S) terus
mengalami penurunan dengan cepat yakni pada hari ke-20 dari sekitar 85%
menurun dan mencapai angka 16% dari total populasi hingga nampak stabil mulai
melandai hingga stabil pada hari ke 40, demikian pula untuk populasi terinfeksi
perubahannya terus menurun hingga stabil pada hari ke-50 dan menuju 0, dan
yang terakhir untuk populasi yang sembuh (R) terus meningkat drastis hingga
mencapai di atas 80% dan stabil berkisar pada hari ke-50. Hal ini
guna menekan laju penularan Covid-19 dari populasi rentan (S) ke populasi yang
terinfeksi (I), sebab populasi rentan (S) akan menjadi populasi yang kebal
telah sembuh atau kebal terhadap penyakit dalam hal ini Covid-19.
69
(a) (b)
(c) (d)
Gambar 4.5 Grafik Model SEIR Dua Waktu Tunda dengan Kontrol Vaksinasi
(a) dengan parameter 0 (c) dengan parameter 10
(b) dengan parameter 5 (d) dengan parameter 20
70
menambahkan vaksinasi dan waktu tunda dengan tujuan untuk melihat pengaruh
waktu tunda (time delay) atau perlambatan pemberian vaksin terhadap populasi
Berdasarkan Gambar 4.5 (a) untuk nilai τ = 0 artinya tidak ada penundaan
pemberian vaksin pada populasi kelas rentan terinfeksi Covid-19, maka grafiknya
akan menyerupai Model SEIR dengan variabel kontrol vaksinasi tanpa waktu
Sedangkan untuk nilai τ = 5 pada Gambar 4.5 (b) terlihat bahwa populasi
rentan (S) akan mengalami penurunan, tetapi pada hari ke-10 mengalami kenaikan
sebesar 25% dari total populasi dan menurun kembali pada hari ke-30 sebesar
16% dari total populasi yang kemudian tampak stabil pada hari ke-80, sedangkan
cenderung terkontrol dan stabil dari waktu ke waktu, dan yang terakhir untuk
populasi yang sembuh (R) mengikuti pola dari populasi kelas rentan (S) namun
berbanding terbalik yakni jika populasi kelas rentan (S) menurun maka akan
Selanjutnya untuk nilai τ = 10 pada Gambar 4.5 (c) terlihat bahwa pada
tetapi tidak signifikan sebab laju perubahannya cenderung terkontrol dan stabil
dari waktu ke waktu, dan yang terakhir untuk populasi yang sembuh (R)
mengikuti pola dari populasi kelas rentan (S) namun berbanding terbalik yakni
jika populasi kelas rentan (S) menurun maka akan meningkatkan populasi kelas
Selanjutnya untuk nilai τ = 20 pada Gambar 4.5 (d) terlihat bahwa pada
populasi rentan (S) nampak grafiknya juga mengalami fluktuasi (kenaikan dan
bergejala (E) laju perubahan yang awalnya menurun tetapi pada waktu tertentu
populasi kelas terinfeksi (I) seperti tampak pada hari ke-110 sampai hari ke-180
kelas I, dan yang terakhir untuk populasi yang sembuh (R) mengikuti pola dari
populasi kelas rentan (I) namun berbanding terbalik yakni jika populasi kelas
rentan (I) menurun maka akan meningkatkan populasi kelas yang sembuh (R).
Jadi dapat dinyatakan bahwa adanya waktu tunda yang diberikan akan
sehingga diperoleh nilai R0 dari ketiga simulasi yang telah dilakukan pada Tabel
4.3.
diperoleh nilai R0 = 2,8 yang berarti bahwa setiap 1 individu terinfeksi Covid-19
dapat menularkan kepada 2-3 orang lainnya selama periode menular. Sedangkan
untuk model SEIR dengan variabel kontrol vaksinasi baik tanpa waktu tunda
maupun dengan dua waktu tunda menghasilkan nilai - nilai R0 = 0,37909, hal ini
dari satu individu terinfeksi baru dari populasi yang rentan terinfeksi Covid-19,
stabil dan potensi penyebarannya akan rendah dengan adanya vaksin Covid-19.
G. Pembahasan
sebelumnya pernah diteliti oleh Yulida dan Karim (2020) dengan studi kasus di
Provinsi Kalimantan Selatan, serta Nuraini, dkk. (2020) dengan studi kasus di
Indonesia. Pada penelitian Yulida & Karim (2020) diperoleh hasil bahwa Puncak
dari kasus terinfeksi Covid-19 mencapai 37.82% dan kematian mencapai 0.49%
73
yang diperkirakan terjadi pada pekan ke-2 Agustus hingga pekan ke-1 Oktober
2020, dan pada penelitian Nuraini, dkk. (2020) diperoleh hasil bahwa endemik
Covid-19 di Indonesia diprediksi akan berakhir pada April 2020 dengan jumlah
total kasus lebih dari 8.000. Sedangkan pada penelitian ini mengambil studi kasus
di Provinsi Sulawesi Selatan sebagai salah satu provinsi yang menyumbang kasus
penelitian yang bersumber dari kantor Dinas Provinsi Sulawesi Selatan dengan
rentan waktu dari bulan Maret 2020 sampai Desember 2021, diperoleh hasil
terjadi pada awal Juli hingga akhir September 2020 dan pada tahun 2021 kasus
infeksi Covid-19 terbanyak juga terjadi pada bulan Juli hingga September 2021
yang puncaknya terjadi pada pertengahan bulan Agustus yang mencapai angka di
atas 1000 orang terinfeksi perhari, dan total kasus terinfeksi hingga Desember
dkk. (2020) dan Abdy, dkk. (2021) dengan studi kasus di Indonesia. Pada
pemberian vaksin hanya 1% adalah R0 = 3.2094, yang berarti bahwa, jika seorang
pada pemberian vaksin 50% akan mengurangi penularan COVID-19 dan 100%
dilaksanakan, angka reproduksi dasar adalah 9,32, yang berarti satu orang dengan
pengobatan 20% tanpa vaksinasi dan tanpa menerapkan protokol kesehatan dapat
menurunkan angka reproduksi dasar menjadi 2,13 sehingga satu orang dengan
Covid-19 dapat menulari dua orang lainnya. Namun, jika efektivitas pengobatan
mencapai 85%, maka angka reproduksi dasar diturunkan menjadi 0,58, yang
vaksinasi atau efektivitas penerapan protokol kesehatan lebih dari 10%, maka
angka reproduksi dasar kurang dari 0,44, artinya wabah Covid-19 akan hilang di
populasi.
Berbeda dengan penelitian Annas, dkk. (2020) dan Abdy, dkk (2021),
pada penelitian ini data Covid-19 disimulasikan dalam model berbeda yakni tanpa
pemberian vaksin dan saat diberikan vaksin untuk melihat perbandingan grafik
dibandingkan sejauh mana efektifitas vaksinasi Covid-19. Dari Grafik 4.1 tentang
menunjukkan bahwa populasi manusia baik yang rentan, bergejala dan yang
75
stabil di angka yang masih relatif tinggi dari total populasi, sehingga populasi
manusia yang sembuh belum begitu maksimal. Sedangkan pada saat diberikan
vaksin maka populasi manusia yang rentan terinfeksi Covid-19 dari angka 84%
akan menurun drastis dan stabil di angka 16%, demikian pula untuk populasi
kelas bergejala dan terinfeksi cenderung menurun menuju titik stabil seperti
tampak pada Grafik 4.2, dengan demikian populasi yang sembuh juga akan secara
maksimal baik itu sembuh dari infeksi Covid-19 maupun kebal akibat vaksin yang
pada Grafik 4.3, menunjukkan bahwa adanya penundaan pemberian vaksin cukup
berpengaruh signifikan terhadap populasi yang rentan dan populasi yang sembuh
dari infeksi Covid-19, namun populasi yang terinfeksi Covid-19 akan tetap
matematika penyebaran Covid-19 ini diperoleh nilai R0 > 1 untuk model tanpa
kontrol vaksinasi dan R0 < 1 untuk model yang dilengkapi variabel kontrol
vaksinasi baik dengan waktu tunda maupun tanpa waktu tunda. Hal ini berarti
populasi dengan adanya vaksinasi Covid-19 sebagai salah satu upaya untuk
Setiwan, dkk. (2014) dan Katrina, dkk. (2018). Pada penelitian Setiwan, dkk.
76
(2014) merupakan jenis kajian pustaka yang mengkaji tentang kontrol optimal
vaksinasi dalam model Epidemi SEIR dengan dua waktu tunda, tetapi dalam hal
ini pengendalian atau kontrol optimal penyakit yang dibahas tidak merujuk
kepada jenis/nama penyakit tertentu tetapi pada jenis penyakit yang memenuhi
asumsi–asumsi dasar model SEIR secara umum, belum diaplikasikan pada data
Setiawan, dkk. (2014), penelitian ini merupakan jenis penelitian pustaka sekaligus
kontrol optimal model SIR penyebaran penyakit demam berdarah (DBD), hasil
kontrol. Berbeda dengan penelitian Katrina, dkk. (2018), pada penelitian ini
variabel kontrol vaksinasi. Pada penelitian ini diperoleh hasil bahwa populasi
manusia yang rentan terinfeksi Covid-19 akan menurun setelah diberikan kontrol
vaksinasi, sedangkan populasi manusia yang bergejala dan yang terinfeksi Covid-
19 cenderung stabil dan yang sembuh akan meningkat dengan adanya vaksin.
77
Penelitian lain tentang model epidemi SEIR dengan waktu tunda juga
pernah diteliti oleh Rusdi, dkk. (2015), penelitiannya berupa kajian pustaka dan
waktu tunda pada model epidemik SEIR hanya mempengaruhi konvergensi dari
Dalam hal ini waktu tunda hanya memberikan pengaruh pada periode penyebaran
penelitian Rusdi, dkk. (2015), pada penelitian ini menambahkan variabel kontrol
vaksinasi terhadap model epidemi SEIR penyebaran Covid-19 dengan data real
Selatan. Waktu tunda yang diberikan pada variabel kontrol vaksinasi pada
populasi rentan ke populasi yang sembuh tetapi kondisinya akan kembali stabil