JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA
2013
Nining Iswahyuni 1209 100 092
Dosen Pembimbing : Drs. M. Setijo Winarko, M.Si Drs. I Gst Ngr Rai Usadha, M.Si
LATAR BELAKANG
Pemodelan
matematika
Penyakit
menular pada
masyarakat
Model
epidemik SIS
Analisa
kualitatif pada
model
Bifurkasi mundur yang
dianalisa dengan fungsi
matematis yaitu fungsi
Lanjutan…
LATAR BELAKANG
Penelitian sebelumnya :
Eksistensi Bifurkasi Mundur pada Model
Penyebaran Penyakit Makroparasitis (Djasuli,
2009).
RUMUSAN MASALAH
Bagaimana perubahan titik kesetimbangan dan
kestabilan populasi pada sistem epidemik apabila
diberikan tindakan pengobatan.
BATASAN MASALAH
Model epidemik yang dianalisis merupakan model tipe SIS
yang bersifat deterministik atau model kompartemen.
Model epidemik SIS dianalisis dengan tindakan
pengobatan yang dinyatakan sebagai fungsi pengobatan
yaitu T(I).
Populasi antara S dan I adalah populasi yang tertutup (laju
kelahiran dan kematian sama).
Individu yang baru lahir dikelompokkan dalam kelompok
TUJUAN
Mengetahui perilaku dinamik dari sistem
epidemik dengan tindakan pengobatan.
MANFAAT
Adanya pengetahuan bagi peneliti mengenai sifat-sifat
kualitatif dari model epidemik dengan tipe SIS,
Sebagai rujukan untuk melakukan penelitian yang sejenis,
serta
Sebagai bahan pertimbangan bagi pihak terkait dalam
menangani penyebaran penyakit menular bertipe SIS
dengan tindakan pengobatan.
Penelitian Terkait
(Lestari, 2012) dalam Tugas Akhir yang berjudul
“Eksistensi Bifurkasi Mundur pada Model Penyebaran
Penyakit Menular dengan Vaksinasi”, menganalisis
terjadinya bifurkasi mundur dari model epidemik SIS
dengan vaksinasi.
Artikel oleh (Xue, Wang, 2012) dengan model penyebaran
penyakit bertipe SIR, menganalisis terjadinya bifurkasi
mundur pada model epidemik dengan daya penularan
pada individu yang terinfeksi (infected) dan masa
kekebalan dan pengobatan.
Model Epidemik SIS dengan Pengobatan
Model penyebaran penyakit menular tipe SIS dengan pengobatan : 𝑑𝑑
𝑑𝑑 = Λ − 𝜇𝑑 − 𝛽𝑑𝛽 + 𝛾𝛽 + 𝑇(𝛽) 𝑑𝛽
𝑑𝑑 = 𝛽𝑑𝛽 − 𝜇 + 𝛼 + 𝛾 𝛽 − 𝑇(𝛽) dengan
S : populasi yang rentan terhadap penyakit menular (susceptible). I : populasi pengidap penyakit menular (infected).
Λ : laju rekruitmen dari populasi (laju kelahiran dan laju imigrasi). 𝜇 : laju kematian alami dari populasi.
𝛼 : laju kematian yang berhubungan dengan penyakit dengan 𝛼 > 0.
𝛽 : koefisien yang menyatakan tingkat penyakit (dipengaruhi musim, besar kecilnya kontak antara S dan I, tingkat mobilisasi pengidap penyakit).
𝛾 : laju kesembuhan alami dari individu yang terinfeksi. 𝑇(𝛽) : fungsi matematis dari pengobatan.
Fungsi Matematis dari Pengobatan
Diberikan fungsi pengobatan : 𝑇 𝛽 = �𝑟𝛽,𝑘, 0 ≤ 𝛽 ≤ 𝛽 𝛽 > 𝛽 0
0
dengan 𝑘 = 𝑟𝛽0
r : konstanta positif
𝛽0 : tingkat infektif pada sistem pelayanan kesehatan yang mencapai kapasitas tertentu.
Diasumsikan bahwa besarnya pengobatan berbanding lurus dengan jumlah individu yang sakit. Dengan catatan bahwa jumlah individu yang sakit tidak melebihi jumlah maksimal dari pengobatan 𝛽0. Jumlah maksimal dari pengobatan adalah nol. Tetapi ketika jumlah individu yang sakit lebih besar dari jumlah maksimal dari pengobatan 𝛽0 maka besarnya pengobatan berupa suatu konstanta.
Bilangan Reproduksi Dasar (
𝑅
0
)
Definisi :
Bilangan reproduksi dasar ( 𝑅0 ) merupakan bilangan yang
menyatakan banyaknya rata-rata individu infektif sekunder akibat tertular individu infektif primer yang berlangsung di dalam populasi susceptible.
Titik kesetimbangan pada model epidemik berpengaruh pada kondisi 𝑅0 antara lain :
Jika 𝑅0 < 1 maka tidak terjadi penyebaran penyakit menular atau
penyakit akan menghilang.
Jika 𝑅0 > 1 maka terjadi penyebaran penyakit menular atau
penyakit akan meningkat menjadi wabah.
Bifurkasi
Definisi :
Perubahan kualitatif yang meliputi perubahan stabilitas dan perubahan banyaknya titik kesetimbangan karena perubahan nilai-nilai parameter.
Ada dua jenis bifurkasi dalam model penyebaran penyakit menular yaitu :
Bifurkasi Maju
Fenomena bifurkasi maju terjadi pada saat 𝑅0 > 1 dimana hanya
ada satu titik kesetimbangan endemik.
Bifurkasi Mundur
Fenomena bifurkasi mundur terjadi pada saat 𝑅0 < 1 mempunyai dua titik kesetimbangan endemik.
Diagram Bifurkasi
Garis
putus-putus
menunjukkan
titik
kesetimbangan endemik yang tidak stabil dan garis
yang padat menunjukkan titik kesetimbangan
endemik lokal yang stabil.
Titik Kesetimbangan
Diberikan sistem persamaan diferensial non linear di bawah ini : 𝑑𝑑
𝑑𝑑 = 𝑓(𝑑, 𝑦) 𝑑𝑦
𝑑𝑑 = 𝑔 𝑑, 𝑦
Sebuah titik (𝑑̅0, 𝑦�0)merupakan titik kesetimbangan dari persamaan di atas jika memenuhi :
𝑓(𝑑̅0, 𝑦�0) = 0 dan 𝑔(𝑑̅0, 𝑦�0) = 0
Turunan suatu konstanta sama dengan nol, sehingga sepasang fungsi konstan 𝑑 𝑑 ≡ 𝑑̅0 dan 𝑦 𝑑 ≡ 𝑦�0 merupakan penyelesaian titik kesetimbangan dari persamaan di atas.
Kestabilan di sekitar Titik Kesetimbangan
Diberikan sistem persamaan diferensial autonomous di bawah ini : 𝑑𝑑
𝑑𝑑 = 𝑑̇ = 𝑓 𝑑 ∀𝑑 ∈ ℝ𝑛
Titik 𝑑̅ 𝑑 = 𝑑0 disebut titik kesetimbangan jika 𝑓 𝑑0 = 0.
Kestabilan asimtotis lokal pada titik kesetimbangan ditentukan oleh tanda pada bagian real dari akar-akar kharakteristik sistem pada matriks Jacobian yang dihitung di sekitar titik kesetimbangan.
Definisi
Diberikan matriks koefisien konstan J berukuran n x n dan sistem persamaan diferensial biasa homogen 𝑑̇ = 𝐽𝑑, 𝑑 0 = 𝑑0, 𝑑 ∈ ℝ𝑛 . Suatu vektor tak nol x di dalam ℝ𝑛disebut vektor eigen dari J jika
untuk suatu skalar 𝜆 berlaku :
𝐽𝑑 = 𝜆𝑑
Nilai skalar λ dinamakan nilai eigen dari J.
Untuk mencari nilai λ dari J, maka sistem persamaan dapat ditulis sebagai berikut :
𝐽 − 𝜆𝛽 𝑑 = 0
dengan I adalah matriks identitas. Sistem persamaan mempunyai solusi nontrivial jika dan hanya jika
𝑃 𝜆 = 𝐽 − 𝜆𝛽 = 0
Teorema
Diberikan matriks Jacobian :
𝐽 = 𝜕𝑓 𝜕𝑑 𝑑𝑜, 𝑦0 𝜕𝑓 𝜕𝑦 𝑑𝑜, 𝑦0 𝜕𝑔 𝜕𝑑 𝑑𝑜, 𝑦0 𝜕𝑔 𝜕𝑦 𝑑𝑜, 𝑦0
Titik kesetimbangan (x�0, y�0) stabil asimtotis jika dan hanya jika nilai
kharakteristik dari matriks Jacobian mempunyai tanda negatif pada bagian realnya. Titik kesetimbangan (x�0, y�0) tidak stabil jika sedikitnya
satu dari nilai kharakteristik dari matriks Jacobian mempunyai tanda positif pada bagian realnya.
METODE PENELITIAN
Identifikasi dan Studi Literatur
Mengkaji Model Epidemik SIS dengan Pengobatan
Melakukan Analisa Kualitatif pada Model Epidemik
Melakukan Simulasi Numerik
Model Epidemik SIS dengan Pengobatan
Model epidemik tipe SIS dengan pengobatan mempunyai asumsi-asumsi sebagai berikut :
Populasi dibagi menjadi dua kelompok yaitu :
S adalah populasi susceptible dan I adalah populasi infected.
Diasumsikan Λ adalah laju kelahiran yang sama dengan laju kematian.
Jumlah populasi yang lahir dalam populasi tiap satuan waktu selalu konstan. Jumlah populasi yang lahir tersebut akan memasuki kelompok S (susceptible).
𝛽𝑑𝛽 adalah laju besarnya populasi yang terinfeksi dimana 𝛽 adalah
koefisien transmisi yang menunjukkan tingkat kontak antara kelompok S dan I sehingga terjadi penularan penyakit.
Populasi infected sembuh dan kembali menjadi kelompok susceptible
dengan laju 𝛾.
𝛼𝛽 adalah laju kematian yang berhubungan dengan penyakit pada
Laju kematian pada setiap populasi adalah sama, yaitu 𝜇 . Jadi
banyaknya kematian pada populasi 𝑑 dan 𝛽 masing - masing sebesar 𝜇𝑑 dan 𝜇𝛽.
𝑇(𝛽) adalah suatu fungsi matematis untuk menyatakan tingkat
pengobatan pada populasi infected.
Dari asumsi-asumsi tersebut didapatkan diagram kompartemen sebagai berikut :
Dari diagram kompartemen diperoleh model epidemik tipe SIS dengan pengobatan 𝑑𝑑 𝑑𝑑 = Λ − 𝜇𝑑 − 𝛽𝑑𝛽 + 𝛾𝛽 + 𝑇 𝛽 (1) 𝑑𝑑 𝑑𝑑 = 𝛽𝑑𝛽 − 𝜇 + 𝛼 + 𝛾 𝛽 − 𝑇 𝛽 (2)
Daerah Penyelesaian
Misalkan daerah penyelesaian Ω didefinisikan sebagai berikut :
Ω = {(𝑑, 𝛽) ∈ 𝑅+2|𝑑 + 𝛽 = 𝑁, 𝑑 ≥ 0, 𝛽 ≥ 0} dan 𝑁 0 = 𝑁0 > 0.
Dari persamaan (1) dan (2) diperoleh
𝑑𝑁 𝑑𝑑 = 𝑑𝑑 𝑑𝑑 + 𝑑𝛽 𝑑𝑑 = Λ − 𝜇𝑁 − 𝛼𝛽 (3) Penyelesaian dari persamaan (3) adalah
𝑁(𝑑) = Λ𝜇 − 𝐶𝜇 𝑒−𝜇𝑑 Sehingga lim 𝑑⟶∞𝑁 𝑑 = lim𝑑⟶∞ Λ 𝜇 − 𝐶 𝜇 𝑒−𝜇𝑑 = Λ 𝜇
Titik Kesetimbangan Model Epidemik SIS
Titik kesetimbangan diperoleh dengan mengambil 𝑑𝑑
𝑑𝑑 = 0 dan 𝑑𝑑
𝑑𝑑 = 0.
Dengan mensubstitusi fungsi pengobatan ke dalam persamaan (1) dan (2) sehingga diperoleh Jika 0 < 𝛽 ≤ 𝛽0 Λ − 𝜇𝑑 − 𝛽𝑑𝛽 + 𝛾𝛽 + 𝑟𝛽 = 0 (4) 𝛽𝑑𝛽 − 𝜇 + 𝛼 + 𝛾 + 𝑟 𝛽 = 0 (5) Jika 𝛽 > 𝛽0 Λ − 𝜇𝑑 − 𝛽𝑑𝛽 + 𝛾𝛽 + 𝑘 = 0 (6) 𝛽𝑑𝛽 − 𝜇 + 𝛼 + 𝛾 𝛽 − 𝑘 = 0 (7)
Titik Kesetimbangan Bebas Penyakit
Titik kesetimbangan bebas penyakit diperoleh pada saat 𝛽 = 0, yang artinya tidak ada individu pada kelompok I yang dapat menyebarkan penyakit.
Dari persamaan (4) diperoleh Λ − 𝜇𝑑 − 𝛽𝑑𝛽 + 𝛾𝛽 + 𝑟𝛽 = 0 Λ − 𝜇𝑑 = 0
𝑑 = Λ𝜇
Titik Kesetimbangan Endemik
Titik kesetimbangan endemik adalah suatu keadaan dimana 𝛽∗ ≠ 0 yang menunjukkan bahwa terdapat individu pada kelompok I yang dapat menyebarluaskan penyakit dan menyebabkan endemik.
Dari persamaan (4) diperoleh 𝛽𝑑𝛽 − 𝜇 + 𝛼 + 𝛾 + 𝑟 𝛽 = 0 𝛽 = 0 atau 𝑑∗ = 𝜇+𝛼+𝛾+𝑟
𝛽
Dari persamaan (5) diperoleh
Λ − 𝜇 𝜇 + 𝛼 + 𝛾 + 𝑟𝛽 − 𝛽 𝜇 + 𝛼 + 𝛾 + 𝑟𝛽 𝛽 + 𝛾𝛽 + 𝑟𝛽 = 0 𝛽∗ = 𝜇 𝜇 + 𝛼 + 𝛾 + 𝑟 (𝑅𝛽 𝜇 + 𝛼 0 − 1)
Jadi titik kesetimbangan endemik adalah
𝐸∗ = 𝑑∗, 𝛽∗ = 𝜇 + 𝛼 + 𝛾 + 𝑟𝛽 ,𝜇 𝜇 + 𝛼 + 𝛾 + 𝑟 𝑅𝛽 𝜇 + 𝛼 0 − 1
Bilangan Reproduksi Dasar
Bilangan reproduksi dasar merupakan bilangan yang menyatakan besar kecilnya populasi pengidap penyakit. Pada model epidemik SIS ini diperoleh nilai 𝑅0 dari persamaan (5)
𝛽∗ = 𝜇 𝜇 + 𝛼 + 𝛾 + 𝑟
Λ𝛽
𝜇 𝜇 + 𝛼 + 𝛾 + 𝑟 − 1 𝛽 𝜇 + 𝛼
Maka bilangan reproduksi dasar untuk model epidemik SIS adalah
𝑅0 = Λ𝛽
Jika 𝑅0 > 1, maka persamaan (4) dan (5) memuat penyelesaian positif tunggal. Sekarang, ditinjau persamaan (6) dan (7). Dari persamaan (6) diperoleh
Λ − 𝜇𝑑 − 𝛽𝑑𝛽 + 𝛾𝛽 + 𝑘 = 0
𝑑 = Λ+𝛾𝑑+𝑘(𝜇+𝛽𝑑) (8)
Persamaan (8) disubstitusikan ke persamaan (7) diperoleh 𝛽𝑑𝛽 − 𝜇 + 𝛼 + 𝛾 𝛽 − 𝑘 = 0 𝐴𝛽2 + 𝐵𝛽 + 𝐶 = 0 (9) dengan 𝐴 = 𝛽 𝜇 + 𝛼 𝐵 = 𝜇2 + 𝜇𝛼 + 𝜇𝛾 − 𝛽Λ 𝐶 = 𝑘𝜇
Agar persamaan (6) dan (7) mempunyai penyelesaian positif, yaitu S, I > 0 , maka persamaan (9) haruslah definit positif, yaitu A > 0 dan ∆ < 0. Jika 𝐵 ≥ 0, maka persamaan (9) tidak mempunyai penyelesaian positif.
Diskriminan dari persamaan (9) yaitu
∆= −𝑅0𝜇 𝜇 + 𝛼 + 𝛾 + 𝑟 + 𝜇 𝜇 + 𝛼 + 𝛾 2 − 4𝑘𝜇𝛽 𝜇 + 𝛼 Jika ∆ ≥ 0, maka diperoleh
𝑅0 ≤ 1 − 𝜇 𝜇+𝛼+𝛾+𝑟𝜇𝑟 − 2𝜇 𝜇+𝛼+𝛾+𝑟𝑘𝜇𝛽 𝜇+𝛼 (10) atau
𝑅0 ≥ 1 − 𝜇 𝜇+𝛼+𝛾+𝑟𝜇𝑟 + 2𝜇 𝜇+𝛼+𝛾+𝑟𝑘𝜇𝛽 𝜇+𝛼 =: 𝑝0 (11)
Jika B < 0, maka diperoleh
Dari persamaan (9) diperoleh
�𝐵 < 0∆ ≥ 0 ⇔ 𝑅0 ≥ 1 − 𝜇 𝜇 + 𝛼 + 𝛾 + 𝑟 + 2𝜇𝑟 𝜇 𝜇 + 𝛼 + 𝛾 + 𝑟 =: 𝑝𝑘𝜇𝛽 𝜇 + 𝛼 0
Jadi persamaan (9) mempunyai dua penyelesaian positif jika B < 0 𝛽1 = 2𝛽 𝜇+𝛼−𝐵− ∆ dan 𝛽2 = 2𝛽 𝜇+𝛼−𝐵+ ∆
Tetapkan himpunan 𝑑𝑖 = Λ+k+𝛾𝑑(𝜇+𝛽𝑑𝑖)𝑖 dan 𝐸𝑖 = (𝑑𝑖, 𝛽𝑖) untuk i = 1, 2. Jika
𝛽1 ≥ 𝛽0, maka diperoleh
2𝛽 𝜇+𝛼−𝐵− ∆ > 𝛽0 (13) −𝐵 − ∆ > 2𝛽 𝜇 + 𝛼 𝛽0 (14) 𝐵 + 2𝛽 𝜇 + 𝛼 𝛽0 < 0, karena ∆ ≥ 0 (15)
Dari persamaan (15) diperoleh
Dari persamaan (14) diperoleh
(𝐵 + 2𝛽 𝜇 + 𝛼 𝛽0)2> ∆
(17)
Dengan mensubstitusi nilai ∆ dan B, maka diperoleh
𝑅0 < 1 + 𝛽 𝜇+𝛼 𝑑0
𝜇 𝜇+𝛼+𝛾+𝑟 =: 𝑝2 (18)
Oleh karena itu, 𝛽1 > 𝛽0 ada jika dan hanya jika persamaan (16) dan (18) berlaku. Jika 𝑝2 ≤ 𝑅0 ≤ 𝑝1 maka diperoleh 𝛽1 ≤ 𝛽0. Untuk pernyataan yang sama bahwa 𝛽2 > 𝛽0 berlaku atau 𝑝2 < 𝑅0 ≤ 𝑝1. Sehingga 𝛽2 ≤ 𝛽0 jika 𝑅0 ≤ min {𝑝1, 𝑝2}.
Kestabilan Lokal Titik Kesetimbangan
Kestabilan model ditentukan oleh nilai eigen matriks Jacobian dari sistem (4) dan (5).
𝐽 = −𝜇 − 𝛽𝛽𝛽𝛽 𝛽𝑑 − 𝜇 + 𝛼 + 𝛾 + 𝑟−𝛽𝑑 + 𝛾 + 𝑟
Kestabilan Lokal Titik Kesetimbangan Bebas Penyakit (𝐸0)
𝐽(𝐸0) = −𝜇 −𝛽
Λ
𝜇 + 𝛾 + 𝑟
0 𝛽Λ𝜇 − 𝜇 + 𝛼 + 𝛾 + 𝑟
diperoleh nilai eigen sebagai berikut
𝜆1 = −𝜇 , 𝜆1 < 0
𝜆2 = 𝛽 Λ𝜇 − 𝜇 + 𝛼 + 𝛾 + 𝑟
Untuk 𝜆2 = 𝛽Λ𝜇 − 𝜇 + 𝛼 + 𝛾 + 𝑟 belum dapat ditentukan tandanya (dapat bernilai positif atau negatif).
Berdasarkan nilai eigen dapat dianalisa sebagai berikut :
𝜆2 akan bernilai negatif jika
𝛽 Λ𝜇 − 𝜇 + 𝛼 + 𝛾 + 𝑟 < 0 atau 𝛽Λ 𝜇 𝜇 + 𝛼 + 𝛾 + 𝑟 < 1 dengan 𝛽Λ 𝜇 𝜇+𝛼+𝛾+𝑟 = 𝑅0
Dari nilai 𝑅0, maka didapatkan kestabilan untuk titik kesetimbangan bebas penyakit sebagai berikut :
Jika 𝑅0 < 1, maka didapatkan nilai eigen 𝜆1 < 0 dan 𝜆2 < 0 sehingga titik
kesetimbangan bebas penyakit stabil asimtotik.
Jika 𝑅0 > 1, maka didapatkan nilai eigen 𝜆1 < 0 dan 𝜆2 > 0 sehingga titik
Kestabilan Lokal Titik Kesetimbangan Endemik (𝐸∗) 𝐽(𝐸∗) = −𝜇 − 𝛽 𝜇 𝜇 + 𝛼 + 𝛾 + 𝑟 𝑅0− 1 𝛽 𝜇 + 𝛼 −𝛽 𝜇 + 𝛼 + 𝛾 + 𝑟 𝛽 + 𝛾 + 𝑟 𝛽 𝜇 𝜇 + 𝛼 + 𝛾 + 𝑟 𝑅𝛽 𝜇 + 𝛼 0− 1 𝛽 𝜇 + 𝛼 + 𝛾 + 𝑟𝛽 − 𝜇 + 𝛼 + 𝛾 + 𝑟
diperoleh nilai eigen sebagai berikut 𝜆1 = − 𝜇 + 𝜇 𝜇+𝛼+𝛾+𝑟 𝑅0−1
𝜇+𝛼
𝜆2 = 𝜇 𝜇 + 𝛼 + 𝛾 + 𝑟 𝑅0 − 1
Dengan menggunakan tabel Routh-Hurwitz diperoleh
untuk 1 > 0, 𝑎1 > 0, 𝑏1 > 0 menyebabkan titik kesetimbangan endemik stabil karena kolom pertama pada tabel mempunyai tanda yang sama (bernilai positif).
Kestabilan model untuk titik kesetimbangan 𝐸1 dan 𝐸2 ditentukan oleh nilai eigen dari
sistem (1) dan (2).
𝐽 = −𝜇 − 𝛽𝛽𝛽𝛽 𝑖 −𝛽𝑑𝑖 + 𝛾
𝑖 𝛽𝑑𝑖 − 𝜇 + 𝛼 + 𝛾 dengan i = 1, 2
Kestabilan Lokal Titik Kesetimbangan (𝐸1)
𝐽 𝐸1 = −𝜇 − 𝛽𝛽𝛽𝛽 1 −𝛽𝑑1 + 𝛾 1 𝛽𝑑1− 𝜇 + 𝛼 + 𝛾
diperoleh nilai eigen sebagai berikut
𝜆1 = − 𝜇 + 𝛽𝛽1 − 𝛽𝑑1 + 𝜇 + 𝛼 + 𝛾
𝜆2 = −𝜇𝛽𝑑1 + 𝜇 𝜇 + 𝛼 + 𝛾 + 𝛽𝛽1 𝜇 + 𝛼
Selanjutnya determinan dari matriks 𝐽 𝐸1 adalah det 𝐽 𝐸1 = − ∆.
Titik kesetimbangan 𝐸1 = 𝑑1, 𝛽1 merupakan titik pelana (saddle point) karena mempunyai nilai eigen real yang berbeda tanda, det 𝐽 𝐸1 < 0, dan titik kesetimbangan ini bersifat tidak stabil.
Kestabilan Lokal Titik Kesetimbangan (𝐸2)
𝐽 𝐸2 = −𝜇 − 𝛽𝛽2 −𝛽𝑑2 + 𝛾
𝛽𝛽2 𝛽𝑑2 − 𝜇 + 𝛼 + 𝛾
diperoleh nilai eigen sebagai berikut
𝜆1 = − 𝜇 + 𝛽𝛽2 − 𝛽𝑑2 + 𝜇 + 𝛼 + 𝛾
𝜆2 = −𝜇𝛽𝑑2 + 𝜇 𝜇 + 𝛼 + 𝛾 + 𝛽𝛽2 𝜇 + 𝛼
Selanjutnya determinan dari matriks det 𝐽 𝐸2 adalah det 𝐽 𝐸2 = ∆. Titik Kesetimbangan 𝐸2 = 𝑑2, 𝛽2 adalah focus, simpul (node point), atau
pusat (center) karena mempunyai nilai eigen real yang berbeda tanda dan det 𝐽 𝐸2 > 0.
𝑑𝑟𝑎𝑡𝑒 𝐽 𝐸2 = − 2𝜇 𝜇+𝛼2𝜇+𝛼 ( ∆ − 𝐷)
Misalkan ∆ = 𝐷 diperoleh 𝑘 = 4𝛽𝜇 𝜇+𝛼𝐵2−𝐷2 . Kestabilan dari titik kesetimbangan 𝐸2 yaitu
i. 𝐸2 stabil jika salah satu memenuhi D < 0 atau �𝑘 < 𝐷 > 0𝐵2−𝐷2
4𝛽𝜇(𝜇+𝛼)
ii. 𝐸2 tidak stabil jika
�𝑘 > 𝐷 > 0𝐵2−𝐷2 4𝛽𝜇(𝜇+𝛼)
Kurva Bifurkasi
Untuk menggambar kurva bifurkasi diasumsikan 𝛽 sebagai parameter dengan 𝜇, 𝛾, 𝛼, 𝑟, 𝛽0 konstan. 𝛽 dipandang sebagai parameter untuk bifurkasi karena 𝛽 menentukan besar kecilnya penyebaran penyakit.
Diferensial implisit dari persamaan (9) terhadap 𝛽 adalah 𝑑𝛽
𝑑𝛽 =
𝛽 Λ − 𝛽 𝜇 + 𝛼 2𝐴𝛽 + 𝐵
Kemiringan kurva bifurkasi didapatkan sebagai berikut :
i. Jika 𝑑𝑑
𝑑𝛽 > 0, maka kurva bifurkasi mempunyai kemiringan
positif. Hal ini menyebabkan titik kesetimbangan endemik stabil asimtotik dan terjadi bifurkasi maju.
ii. Jika 𝑑𝛽𝑑𝑑 < 0, maka kurva bifurkasi mempunyai kemiringan
negatif. Hal ini menyebabkan ada titik kesetimbangan endemik tidak stabil dan stabil serta terjadi bifurkasi mundur.
Didapatkan diagram bifurkasi pada model eidemik SIS dengan pengobatan sebagai berikut :
Simulasi dan Interpretasi
Dari persamaan (4) didapatkan persamaan 𝑅0 yang mengandung I 𝛽𝛽2 + 𝛾+𝑟−𝛽𝛽Λ 𝛽 + 1 = 𝑅1
0 (19) dengan 𝑋 = 𝛽 ; 𝑌 = 𝛾+𝑟−𝛽𝛽
Λ ; 𝑍 = 1
Diagram Bifurkasi Mundur Diagram Bifurkasi Maju
Diagram Bifurkasi Mundur Diagram Bifurkasi Mundur
KESIMPULAN
1. Bilangan reproduksi dasar dari model penyebaran penyakit menular bertipe SIS dengan tindakan pengobatan adalah
𝑅0 = 𝜇 𝜇 + 𝛼 + 𝛾 + 𝑟Λ𝛽
Titik kesetimbangan bebas penyakit adalah stabil asimtotik jika
R0 < 1 dan tidak stabil jika R0 > 1. Hal ini menunjukkan bahwa tidak terjadi infeksi ketika R0 < 1 .
2. Bifurkasi mundur terjadi pada saat R0 = 1 dimana terdapat dua titik kesetimbangan endemik jika R0 < 1. Fenomena terjadinya bifurkasi mundur menunjukkan bahwa pada saat R0 < 1 kapasitas pengobatan yang diberikan kurang efektif sehingga menyebabkan masih ada individu yang terinfeksi dan penyakit akan menjadi endemik.
SARAN
Dalam Tugas Akhir ini dianalisa eksistensi bifurkasi
mundur pada model penyebaran penyakit menular SIS
dengan memberikan tindakan pengobatan. Penelitian
selanjutnya disarankan untuk menganalisa terjadinya
bifurkasi pada model penyebaran penyakit menular
dengan menambahkan kompartemen pada populasi.
DAFTAR PUSTAKA
[1] Zhou, Yicang. (2003). “Stability Of Periodic Solutions For An SIS Model With Pulse Vaccination”. Mathematical and Computer Modelling Vol. 38. Hal. 299 - 308.
[2] Wang, Xueying. (2010). “SAMSI Undergraduate Workshop Spring 2010”.
[3] Djasuli, M. (2009). “Eksistensi Bifurkasi Mundur pada Model
Penyebaran Penyakit Makroparasitis”. Institut Teknologi Sepuluh Nopember Surabaya, Thesis S2 Jurusan Matematika.
[4] Li, Xue-Zhi, Li, Wen-Sheng, Ghosh, Mini. (2009). “Stability And Bifurcation Of An SIS Epidemic Model With Treatment”. Chaos, Solitons, and Fractals Vol. 42. Hal. 2822 - 2832.
[5] Wang, Wendi. (2006). “Backward Bifurcation Of An Epidemic
Model With Treatment”. Mathematical Biosciences Vol. 201. Hal.