Ket:
𝑑𝑆
: laju perubahan jumlah individu rentan terhadap waktu
𝑑𝑇
𝑑𝐼
: laju perubahan jumlah individu terinfeksi terhadap waktu
𝑑𝑇
𝑑𝑅
: laju perubahan jumlah individu yang telah pulih terhadap waktu
𝑑𝑇
𝑘 : laju pemulihan (𝑘 ≥ 0)
𝛽 : laju rata-rata penularan penyakit (𝛽 ≥ 0)
𝛼 : kemungkinan terjadi infeksi
Titik Kesetimbangan
Perilaku model dapat dilihat dari perilaku penyelesaian sistem di sekitar titik
kesetimbangan.
Titik x*=(x1*, x2*,..., xn*) disebut titik kesetimbangan dari sistem x’=f(x) jika memenuhi f(x1*,
x2*,|..., xn*)=0.
Titik kesetimbangan dapat ditentukan dengan metode nullclines. Misalkan diberikan
sistem dengan dua persamaan diferensial sebagai berikut
𝑑𝑥
= 𝑓1 𝑥, 𝑦
𝑑𝑡
𝑑𝑥
𝑑𝑡
= 𝑓2 𝑥, 𝑦 (2.1)
Pada sistem (2.1), grafik yang memenuhi disebut x-nullclines, sedangkan y-nullclines
adalah grafik yang memenuhi Penentuan titik kesetimbangan dengan metode
nullclines dilakukan dengan mencari titik perpotongan antara x-nullclines dan y-
nullclines (Borelli dan Coleman, 1998: 455-456).
Pada dasarnya analisis kestabilan titik kesetimbangan dilakukan untuk mengetahui sifat
dari perilaku penyelesaian sistem persamaan diferensial. Suatu sistem dikatakan stabil
apabila perubahan kecil pada sistem hanya sedikit mengubah perilaku penyelesaian
untuk waktu yang akan datang. Akan tetapi, apabila perubahan kecil pada sistem
akan mengakibatkan perubahan yang besar pada perilaku penyelesaian untuk waktu
yang akan datang maka sistem dikatakan tidak stabil. Titik kesetimbangan sistem dapat
bersifat stabil, stabil asimtotis, dan tidak stabil.
Titik Kesetimbangan Stabil
Titik kesetimbangan x* dari sistem x’=f(x) dikatakan stabil jika untuk setiap
ε>0 terdapat δ>0 sedemikian hingga pada saat t=0 memenuhi
||x(0)-x*||<δ, maka untuk penyelesaian x(t) dari sistem x’=f(x) berlaku
||x(t)-x*||<ε untuk setiap t menuju tak hingga.
Titik Kesetimbangan Stabil Asimtotis
Titik kesetimbangan x* dari sistem x’=f(x) dikatakan stabil asimtotis jika x*
stabil dan terdapat δ>0 sedemikian hingga pada saat t=0 memenuhi
||x(t)-x*||<δ maka untuk penyelesaian x(t) dari sistem x’=f(x) berlaku
lim 𝑥(𝑡) = 𝑥 ∗ .
𝑛→∞
Dengan
Dalam hal ini, x1,x2,...,xn menyatakan sub populasi individu pada model
epidemi. Oleh karena itu, pada model tidak semua x1 menyatakan sub
populasi individu laten dan x2 menyatakan sub populasi individu terinfeksi.
Maka dari itu,perlu dilakukan transformasi pada sistem (2.2) yang ditulis:
𝑑𝑢
= 𝑓(𝑢) (2.3)
𝑑𝑡
dengan
Dengan u1 menyatakan sub populasi individu yang baru terinfeksi dan u2
menyatakan sub populasi individu yang sudah terinfeksi. Kemudian,
untuk u1, u2,..., un menyatakan sub populasi individu lainnya. Model
epidemi pada sistem (2.3) dapat ditulis (2.4)
Dengan
Pada persamaan Ƒ(u) menyatakan laju perubahan setiap sub populasi
(u) yang disebabkan oleh munculnya infeksi baru dan Ɓ(u)
menyatakan laju perubahan tiap su populasi individu (u) karena
mengalami kematian alami, kematian akibat terinfeksi, laju kelahiran
alami, dan laju penambahan individu rentan bahaya serta
perpindahan ke sub populasi individu lain.
Apabila diketahui x* merupakan titik kesetimbangan pada sistem (2.4),
maka D Ƒ(X0)dan D Ɓ(x0) adalah
(2.5)
(2.6)
Oleh karena,pada model epidemi yang diamati hanya sub populasi
individu yang baru terinfeksi yaitu u1 dan yang sudah terinfeksi u2 maka
persamaan (2.5) dan (2.6) dipartisi sebagai
𝑭 𝟎 𝑩 𝟎
D Ƒ(X*)= , D Ɓ 𝐱𝟎 =
𝟎 𝟎 𝑱𝟑 𝑱𝟒
dengan
Penurunan angka reproduksi dasar menggunakan metode next
generation matrix adalah
R0=ρ(FB-1) (2,7)
= maks {|λ1|,|λ2|}
| FB-1-λI|=0 (2.8)
BAB III
HASIL DAN PEMBAHASAN
Metode Penelitian
Metode yang digunakan dalam penulisan laporan penelitian ini
adalah sebagai berikut:
Metode Wawancara
Penulis melakukan tanya jawab dengan pihak-pihak terkait di Dinas
Kesehatan Kabupaten Banyumas.
Metode Studi Pustaka
Penulis melakukan studi pustaka dengan cara mencari, membaca,
mempelajari, dan memahami bahan-bahan yang berasal dari
literature ataupun dari referensi lain, seperti dari internet yang
mendukung penulisan laporan penelitian ini.
Hasil dan Pembahasan
Asumsi Model :
1. Populasi individu rentan (Susceptible) adalah jumlah individu yang
sehat tetapi dapat terinfeksi apabila mengalami interaksi dengan
individu yang terinfeksi.
2. Populasi individu terinfeksi (Infectious) adalah jumlah individu yang
terinfeksi penyakit.
3. Populasi individu sembuh (Recovered) adalah jumlah individu
yang telah sembuh dari penyakit.
Penurunan Model
𝑑𝑠 (1−𝑢)𝛽𝑆𝑙
= 𝛼𝑁 + 𝑘𝑅 − µ1 𝑆 −
𝑑𝑡 𝑁
𝑑𝑙 (1−𝑢)𝛽𝑆𝑙
= − µ2 𝑙 − ɣ𝑙 (3.2)
𝑑𝑡 𝑁
𝑑𝑅
= ɣ𝑙 − 𝑘𝑅
𝑑𝑡
Variabel-variabel dan parameter-parameter yang digunakan pada model
Simbol Definisi Jenis Syarat Satuan
S(t) Jumlah individu rentan pada saat t Variabel S(t) ≥ 0 Orang
l(t) Jumlah individu terinfeksi pada saat t Variabel l(t) ≥ 0 Orang
τ
t=𝑝 (3.4)
1
dt = 𝑝 𝑑τ
𝑑𝑆 (1−𝑢)𝛽𝑆𝑙
𝑑𝑡
= 𝛼𝑁 + 𝑘𝑅 − µ1 𝑆 − 𝑁
𝑑𝑠𝑁 (1−𝑢)𝛽(𝑠𝑁)(𝑖𝑁)
1 = 𝛼𝑁 + 𝑘 𝑟𝑁 − µ1 (𝑠𝑁) −
𝑑τ 𝑁
𝑝
𝑝𝑑(𝑠𝑁)
= 𝛼𝑁 + 𝑘 𝑟𝑁 − µ1 (𝑠𝑁) − (1 − 𝑢)𝛽(𝑠𝑁)(𝑖) (Dikali 1/N)
𝑑τ
𝑝𝑑𝑠
𝑑τ
= 𝛼 + 𝑘𝑟 − µ1 𝑠 − (1 − 𝑢)𝛽𝑠𝑖
𝑑𝑠 𝛼 𝑘𝑟 µ +(1−𝑢)𝛽𝑖 𝑠
= + − 1
𝑑𝜏 𝑝 𝑝 𝑝
𝑑𝑙 (1−𝑢)𝛽𝑆𝑙
𝑑𝑡
= 𝑁
− µ2 𝑙 − ɣ𝑙
𝑑(𝑖𝑁) (1−𝑢)𝛽(𝑠𝑁)(𝑖𝑁)
1 = 𝑁
− µ2 (𝑖𝑁) − ɣ(𝑖𝑁)
𝑑τ
𝑝
𝑑(𝑖𝑁)
1 = 1 − 𝑢 𝛽 𝑠𝑁 𝑖 − µ2 (𝑖𝑁) − ɣ(𝑖𝑁) (Dikali 1/N)
𝑑τ
𝑝
𝑑𝑖 ( 1−𝑢 𝛽𝑠−µ2 −ɣ)𝑖
=
𝑑τ 𝑝
𝑑𝑅
= ɣ𝑙 − 𝑛𝑅
𝑑𝑡
𝑑(𝑟𝑁)
1 = ɣ(𝑖𝑁) − 𝑘(𝑟𝑁) (Dikali 1/N)
𝑝
𝑑τ
𝑑𝑟 ɣ𝑖−𝑘𝑟
=
𝑑τ 𝑝
dengan 0 ≤ 𝑠 ≤ 1, 0 ≤ 𝑖 ≤ 1, 0 ≤ 𝑟 ≤ 1.
Titik Kesetimbangan
𝑑𝑠 𝑑𝑖 𝑑𝑟
= = =0
𝑑𝜏 𝑑τ 𝑑τ
𝑑𝑠
Jika = 0, maka diperoleh
𝑑𝜏
𝛼 𝑘𝑟 µ1 + 1−𝑢 𝛽𝑖 𝑠
+ − =0
𝑝 𝑝 𝑝
𝑑𝑖
Jika = 0, maka diperoleh
𝑑τ
( 1−𝑢 𝛽𝑠−µ2 −ɣ)𝑖
=0
𝑝
𝑑𝑟
Jika = 0, maka diperoleh
𝑑τ
ɣ𝑖−𝑘𝑟
=0
𝑝
TE Bebas Penyakit
Titik kesetimbangan bebas penyakit adalah titik kesetimbangan
pada saat tidak ada penyakit dalam suatu populasi individu.
Apabila tidak ada penyakit di suatu populasi, maka jumlah populasi
individu terinfeksi adalah nol (𝐼 =0), sehingga dapat diasumsikan
proporsi individu terinfeksi adalah nol (i = 0).
𝛼 𝑘𝑟 µ1 + 1−𝑢 𝛽𝑖 𝑠
+ − =0
𝑝 𝑝 𝑝
𝛼 𝑘𝑟 µ1 𝑠
+ − =0
𝑝 𝑝 𝑝
𝛼 + 𝑘𝑟 − µ1 𝑠 = 0
µ1 𝑠 = 𝛼 + 𝑘𝑟
𝛼+𝑘𝑟
𝑠=
µ1
ɣ𝑖−𝑘𝑟
=0
𝑝
−𝑘𝑟
=0
𝑝
𝑟=0
𝛼
𝑠=
µ1
𝛼 + 𝑘𝑟 = 1 − 𝑢 𝛽𝑖 + µ1 𝑠
𝛼+𝑘𝑟
𝑠=
1−𝑢 𝛽𝑖+µ1
diperoleh
( 1−𝑢 𝛽𝑠−µ2 −ɣ)𝑖
=0
𝑝
1 − 𝑢 𝛽𝑠 − µ2 − ɣ 𝑖 = 0
𝑖=0
Atau
( 1−𝑢 𝛽𝑠−µ2 −ɣ)𝑖
=0
𝑝
1 − 𝑢 𝛽𝑠 − µ2 − ɣ = 0
1 − 𝑢 𝛽𝑠 = µ2 + ɣ
µ2 +ɣ
𝑠 =
1−𝑢 𝛽
𝛼+𝑘𝑟 µ2 +ɣ
1−𝑢 𝛽𝑖+µ1
= 1−𝑢 𝛽
𝛼 + 𝑘𝑟 1 − 𝑢 𝛽 = 1 − 𝑢 𝛽𝑖 + µ1 (µ2 + ɣ)
1 − 𝑢 𝛽𝛼 + 1 − 𝑢 𝛽𝑘𝑟 = 1 − 𝑢 𝛽𝑖µ2 + 1 − 𝑢 𝛽𝑖ɣ + µ1 µ2 + µ1 ɣ
ɣ𝑖−𝑘𝑟
𝑝
=0
ɣ𝑖 𝑘𝑟
𝑝 = 𝑝
ɣ𝑖 = 𝑘𝑟
1 − 𝑢 𝛽𝛼 + 1 − 𝑢 𝛽𝑖ɣ = 1 − 𝑢 𝛽𝑖µ2 + 1 − 𝑢 𝛽𝑖ɣ + µ1 µ2 + µ1 ɣ
1 − 𝑢 𝛽𝛼 = 1 − 𝑢 𝛽𝑖µ2 +µ1 µ2 + µ1 ɣ
1 − 𝑢 𝛽𝑖µ2 = 1 − 𝑢 𝛽𝛼 − µ1 µ2 − µ1 ɣ
1−𝑢 𝛽𝛼−µ1 µ2 −µ1 ɣ
𝑖= 1−𝑢 𝛽µ2
ɣ𝑖
𝑟= 𝑘
ɣ 𝛼 µ1 µ1 ɣ
𝑟= − −
𝑘 µ2 (1−𝑢)𝛽 (1−𝑢)𝛽µ2
ɣ𝛼 ɣµ1 µ1 ɣ2
𝑟= 𝑘µ2
− 𝑘(1−𝑢)𝛽
− 𝑘(1−𝑢)𝛽µ2
Dengan demikian diperoleh titik kesetimbangan endemik :
µ2 +ɣ 1−𝑢 𝛽𝛼−µ1 µ2 −µ1 ɣ ɣ𝛼 ɣµ1 µ1 ɣ2
𝑇𝐸1 𝑠,𝑖,𝑟 = , , − −
1−𝑢 𝛽 1−𝑢 𝛽µ2 𝑘µ2 𝑘(1−𝑢)𝛽 𝑘(1−𝑢)𝛽µ2
Untuk parameter 𝛽 penulis menggunakan parameter yang sama di tiap model karena data
yang ada tidak memungkinkan untuk mencari nilai 𝛽. 𝛽 yang dipakai sebesar 0,32665.
Kemudian, u merupakan parameter kontrol.
Berdasarkan nilai-nilai parameter yang digunakan, yaitu α=0,014 ;
µ1=0,00323 ; µ2=0,0069 ; ɣ=0,95 ; k=0,0227 dengan menggunakan software
Maple 13 diperoleh titik kesetimbangan :
TE1 :
TE2 :
Analisa keendemikan berdasarkan angka reproduksi dasar dari model
tanpa perlakuan pencegahan
𝛽 TE(S,I,R) R0 Keendemikan
Status
u TE(s,i,r) Real Nilai Eigen R0 Kestabilan keendemikan
Stabil
5% {3,0835;0,5852;20,0809} {-0,00019 ; -0,1062 ; -0,1062 } 1,41 Endemik
asimtotik
Stabil
10% {3,2548;0.5053;17,3306} {-0,00019 ; -0,0896 ; -0,0896} 1,33 Endemik
asimtotik
Stabil
15% {3,9059;0,20059;6,8795} {-0,00019 ; -0,0399 ; -0,0339} 1.11 Endemik
asimtotik
Tidak
50% {5,8588;-0,7136;-24,474} {0,38421;-0,2984;-0,00019} 0,74 Tidak Stabil
Endemik
BAB IV
KESIMPULAN DAN SARAN
Kesimpulan
Model pencegahan penyebaran penyakit tuberkulosis di Kabupaten Banyumas
pada tahun 2016 yaitu :
𝒅𝒔
= 𝟎. 𝟎𝟏𝟒 + 𝟎. 𝟎𝟐𝟕𝟕𝑹 − 𝟏 − 𝒖 𝜷𝑺𝒍 − 𝟎. 𝟎𝟎𝟑𝟐𝟑𝑺
𝒅𝒕
𝒅𝑰
= 𝟏 − 𝒖 𝜷𝑺𝒍 -0.9569 𝒍
𝒅𝒕
𝒅𝑹
𝒅𝒕
= 0.95 𝒍 - 0.0277 R
Berdasarkan tabel simulasi tanpa parameter pencegahan dapat disimpulkan
bahwa penyakit Tuberkulosis akan bersifat endemik ketika interaksi antara
individu teinfeksi dengan individu rentan sebesar 0,326655.
Berdasarkan tabel simulasi dengan parameter pencegahan dapat disimpulkan
bahwa penyakit Tuberkulosis akan tidak endemik jika 50% dari populasi individu
Susceptible (rentan) menggunakan masker.
Saran
Pada penelitian ini, penulis hanya membahas model penyebaran penyakit
tuberkulosis dari model SIR dengan parameter pencegahan. Oleh karena
itu, penulis memberikan saran kepada pembaca yang tertarik pada
masalah ini untuk mengembangkan model dengan memperhatikan faktor
vaksinasi dan atau faktor masa karantina penderita.