kestabilan model epidemik seir dengan waktu...
TRANSCRIPT
KESTABILAN MODEL EPIDEMIK SEIR DENGAN WAKTU TUNDA
STABILITY OF SEIR EPIDEMIC MODEL WITH TIME DELAY
Wahyudi Rusdi, Syamsuddin Toaha, Jeffry Kusuma
Bagian Matematika Terapan, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Hasanuddin.
Alamat Korespondensi: Wahyudi Rusdi, S.Si Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Hasanuddin Makassar, HP: 085656077885 Email: [email protected]
ABSTRAK Model epidemik SEIR dengan waktu tunda merupakan model matematika yang menjelaskan fenomena epidemik dengan melibatkan periode laten dan waktu tunda pada penyebaran infeksi penyakit. Penelitian ini bertujuan untuk mengetahui pengaruh waktu tunda pada interaksi antara individu rentan dan terinfeksi melalui vektor terhadap penyebaran infeksi penyakit. Dari model tersebut diperoleh dua titik keseimbangan, yaitu titik keseimbangan bebas penyakit dan endemik. Analisis kestabilan dari titik keseimbangan untuk 휏 = 0 dilakukan dengan menggunakan kriteria Routh-Hurwitz pada nilai eigen dari sistem yang telah dilinearkan sedangkan untuk 휏 > 0 dilakukan dengan memeriksa kewujudan nilai eigen dengan bagian real bernilai nol dari persamaan karakteristiknya. Hasil analisis menunjukkan bilangan reproduksi dasar, R0, menentukan kestabilan dari tiap titik keseimbangan. Sementara waktu tunda tidak mempengaruhi jenis kestabilan titik keseimbangan, dan hanya berpengaruh pada konvergensi dari kesetabilan titik keseimbangan. Kata kunci : Epidemik, Kestabilan, Waktu Tunda, Titik Keseimbangan, Bilangan Reproduksi Dasar
ABSTRACT
SEIR epidemic model with time delay is a mathematical model that explains the phenomena of epidemic involving latent period and time delay in the spread of infectious diseases. The research aimed to determine the effect of the time delay at the interaction between susceptible and infected individuals through a vector for the spread of infectious diseases. The models obtained two equilibrium points i.e disease-free equilibrium and endemic equilibrium. Stability analysis of the equilibrium point for τ = 0 is conducted by using Routh-Hurwitz criteria on the eigenvalues of the system which has been linearized, whereas for τ > 0 is done by examining the form of eigenvalues with zero real part of the characteristic equation. The analysis showed basic reproduction numbers, R0, determines the stability of every equilibrium points. While time delay does not influence the stability type of the equilibrium points, and it only has the impact on the convergence of the equilibrium points stability.
Keywords: Epidemic, Stability, Time Delay, Equilibrium point, Basic Reproduction Numbers.
PENDAHULUAN
Epidemik merupakan suatu keadaan dimana berjangkitnya suatu penyakit menular
dalam populasi pada suatu tempat yang melebihi perkiraan kejadian yang normal dalam
periode yang singkat. Bila penyakit tersebut selalu terdapat dalam suatu tempat begitupun
dengan faktor penyebabnya maka dikatakan Endemik, kemudian bila penyakit tersebut
mempunyai ruang lingkup penyebaran yang sangat luas (global) maka disebut Pandemik.
Model epidemik adalah model matematika yang digunakan untuk mengetahui penyebaran
penyakit menular, khususnya menyangkut terjadi atau tidaknya keadaaan epidemik serta
pengaruh yang ditimbulkan. Model epidemik yang pertama kali menjelaskan masalah
penyebaran penyakit adalah model SIR yang dikemukakan oleh Kermack dan McKendrick
pada tahun 1927. Model ini terdiri atas tiga kompartemen (kelas) yaitu S (susceptible)
menyatakan banyaknya individu yang rentan penyakit, I (infected) menyatakan banyaknya
individu yang terinfeksi penyakit dan R (removed) menyatakan banyaknya individu yang
sembuh dari penyakit. Pada perkembangannya model ini terus dimodifikasi dengan asumsi
yang berbeda-beda agar dapat menjelaskan berbagai fenomena penyakit yang makin
kompleks (Hethcote, 2000) dan (Singh dkk., 2011).
Berbagai macam penyakit epidemik seperti campak (Measles), tubercoluses, malaria
dan Human Immunodeficiency Virus (HIV) mempunyai periode laten. Li dkk.(1994)
mengkonstruksi model epidemik SEIR yang terdiri dari empat kompartemen dengan
mempertimbangkan periode laten dari infeksi penyakit. Selanjutnya Li dkk. (1999)
mengasumsikan bahwa besarnya laju rekrutmen dan kematian alami tidak sama. Pada
perkembangan berikutnya Li dkk. (2004) menambahkan asumsi pada kompartemen E dan I,
bahwa kematian individu selain karena sebab alami juga dapat disebabkan oleh infeksi
penyakit (fatal). Sementara itu, Di Liddo (1985) mengembangkan model delay yang
melibatkan vektor sebagai perantara penyebaran infeksi penyakit, sehingga individu rentan
dapat terinfeksi oleh individu terinfeksi setelah melalui vektor, lalu Yan dkk. (2005)
mengembangkan model delay dengan meninjau penyebaran infeksi penyakit yang disebabkan
adanya interaksi yang terjadi antara individu rentan dan terinfeksi pada kompartemen E
(Exposed) dan I (Infected). Tujuan penelitian ini adalah untuk mengetahui pengaruh waktu
tunda pada interaksi antara individu rentan dan terinfeksi melalui vektor terhadap penyebaran
infeksi penyakit.
BAHAN DAN METODE
Secara umum desain penelitian yang dilakukan adalah: menentukan titik
keseimbangan model, melinearisasi model, menganalisis kestabilan dari tiap titik
keseimbangan yang diperoleh, dan melakukan simulasi numerik. Adapun variabel penelitian
adalah sejauh mana pengaruh waktu tunda terhadap penyebaran infeksi penyakit dari individu
rentan ke individu terinfeksi melalui vektor baik secara teoritis maupun numerik. Kemudian
alat bantu komputasi yang digunakan pada penelitian ini adalah software Maple 16 dan
Matlab 2011.
HASIL
Dari model epidemik SEIR diperoleh dua titik keseimbangan 푄∗ = (푠∗, 푒∗푖∗, 푟∗) yaitu titik
keseimbangan bebas penyakit 푄 dan endemik 푄 .
푄 = , 0,0,0 dan
푄 = ( )( ) , ( ) −( ) , ( )( ) − , ( )( ) − .
Kemudian model tersebut dimodifikasi menjadi model epidemik SEIR dengan waktu tunda
lalu dilakukan linearisasi disekitar titik keseimbangan 푄∗, maka diperoleh
푠̇ = −푠(푡)(휇 + 훽푖∗) − 훽푠∗푖(푡 − 휏)(1.1푎)
푒̇ = 훽푠∗푖(푡 − 휏) + 훽푠(푡)푖∗ − (휎 + 휇 + 휉)푒(푡)(1.1푏)
횤̇ = 휎푒(푡)− (훾 + 휇 + 휂)푖(푡)(1.1푐)
푟̇ = 훾푖(푡) − 휇푟(푡).(1.1푑)
Analisis kestabilan pada tiap titik keseimbangan dilakukan dengan menyelesaikan persamaan
karakteristik yang dihasilkan oleh (1.1) yang dinyatakan sebagai berikut
Δ(휌, 휏) = 휌 + 퐴 휌 + 퐴 휌 푒 + 퐴 휌 + 퐴 휌푒 + 퐴 휌 + 퐴 푒 + 퐴 = 0,(1.2)
Untuk 휏 = 0,
Dengan menggunakan kriteria Routh-Hurwitz, titik keseimbangan 푄 stabil asimptotik
bila 푅 < 1, dalam hal ini 푅 = . Sedangkan titik keseimbangan 푄 stabil asimptotik bila
푅 > 1.
Untuk 휏 > 0,
Perubahan kestabilan titik keseimbangan 푄 dan 푄 ditentukan oleh adanya akar real
positif yang dihasilkan dari polinomial berikut
푤 + 퐵 푤 + 퐵 푤 + 퐵 푤 + 퐵 = 0.(1.6)
Hasil analisis menunjukkan bahwa dengan menggunakan aturan tanda Descartes persamaan
tersebut tidak akan menghasilkan akar real positif. Dengan demikian titik keseimbangan 푄
dan 푄 akan stabil untuk 휏 ≥ 0.
Simulasi numerik dilakukan untuk melihat pengaruh waktu tunda pada model dengan
menggunakan beberapa nilai 휏 dan parameter lainnya. Gambar 1,2,3 dan 4 menunjukkan
populasi individu rentan, laten, terinfeksi dan sembuh serta perbandingannya terhadap
beberapa nilai 휏 yang diberikan.
PEMBAHASAN
Penelitian ini menunjukkan bahwa pengaruh waktu tunda pada model epidemik SEIR
hanya mempengaruhi konvergensi dari kestabilan tiap titik keseimbangan dan tidak
mempengaruhi jenis kestabilannya. Dalam hal ini waktu tunda hanya memberikan pengaruh
pada periode penyebaran infeksi penyakit dari individu rentan ke individu terinfeksi melalui
vektor. Penelitian yang dilakukan Yan dkk. (2005) mengembangkan model SEIR delay
dengan meninjau laju kontak eksponesial antara individu rentan dan terinfeksi. Kemudian
Abta dkk. (2012) menganalisis model SEIR delay dengan asumsi pertumbuhan logistik pada
individu rentan dan laju kontak penyakit diasumsikan berbentuk laju insidensi jenuh.
Pada penelitian ini model epidemik SEIR dikonstruksi berdasarkan asumsi Li dkk.
(1994), Li dkk. (1999), Li dkk. (2004) yang dinyatakan sebagai berikut :
푆̇ = 휆 − 훽푆(푡)퐼(푡) − 휇푆(푡)(2.1a)
퐸̇ = 훽푆(푡)퐼(푡) − (휎 + 휇 + 휉)퐸(푡)(2.1b)
퐼̇ = 휎퐸(푡) − (훾 + 휇 + 휂)퐼(푡)(2.1c)
푅̇ = 훾퐼(푡)− 휇푅(푡).(2.1d)
Kemudian model tersebut dimodifikasi berdasarkan asumsi Di Liddo (1985) sehingga
diperoleh model epidemik SEIR dengan waktu tunda yang dinyatakan sebagai berikut :
푆̇ = 휆 − 훽푆(푡)퐼(푡 − 휏) − 휇푆(푡)(2.2a)
퐸̇ = 훽푆(푡)퐼(푡 − 휏) − (휎 + 휇 + 휉)퐸(푡)(2.2b)
퐼̇ = 휎퐸(푡) − (훾 + 휇 + 휂)퐼(푡)(2.2c)
푅̇ = 훾퐼(푡)− 휇푅(푡).(2.2d) Selanjutnya dengan melakukan linearisasi model epidemik SEIR dengan waktu tunda (2.2)
disekitar titik keseimbangan 푄∗, maka diperoleh
푠̇ = −푠(푡)(휇 + 훽푖∗) − 훽푠∗푖(푡 − 휏)(2.3푎)
푒̇ = 훽푠∗푖(푡 − 휏) + 훽푠(푡)푖∗ − (휎 + 휇 + 휉)푒(푡)(2.3푏)
횤̇ = 휎푒(푡)− (훾 + 휇 + 휂)푖(푡)(2.3푐)
푟̇ = 훾푖(푡) − 휇푟(푡).(2.3푑)
Analisis kestabilan pada tiap titik keseimbangan dilakukan dengan menyelesaikan persamaan
karakteristik yang dihasilkan oleh (2.3) yang dinyatakan sebagai berikut
Δ(휌, 휏) = 휌 + 퐴 휌 + 퐴 휌 푒 + 퐴 휌 + 퐴 휌푒 + 퐴 휌 + 퐴 푒 + 퐴 = 0,(2.4)
dimana
푎 = 훽푖∗,푏 = 훽푠∗ , 푐 = (휎 + 휇 + 휉),푑 = (훾 + 휇 + 휂)
퐴 = 2휇 + 푎 + 푑 + 푐,
퐴 = −푏휎,
퐴 = 휇(휇 + 푎 + 2푑 + 2푐) + 푑푎 + 푐푎 + 푐푑,
퐴 = −2휇푏휎,
퐴 = 푐푑휇 + 푎푐푑 + 휇(푑휇 + 푐휇 + 푑푎 + 푐푎 + 푐푑),
퐴 = −휇 푏휎, dan
퐴 = 휇(푐푑휇 + 푎푐푑).
Untuk 휏 = 0, Menurut kriteria kestabilan Routh-Hurwitz (Edelstein dkk., 2005), bagian real
dari semua nilai eigen persamaan (2.4) bernilai negatif jika dan hanya jika
퐴 > 0, (퐴 + 퐴 ) > 0, (퐴 + 퐴 ) > 0dan
(퐴 + 퐴 )[퐴 (퐴 + 퐴 ) − (퐴 + 퐴 )]− 퐴 (퐴 + 퐴 ) > 0(2.5)
Untuk 휏 > 0, misalkan 휌 = 푖푤, 푤 > 0 adalah akar-akar persamaan karakteristik (2.4) maka
diperoleh
푤 + 퐵 푤 + 퐵 푤 + 퐵 푤 + 퐵 = 0,(2.6)
dimana
퐵 = 퐴 − 2퐴 ,
퐵 = 2퐴 + 퐴 − 2퐴 퐴 − 퐴 ,
퐵 = 퐴 − 2퐴 퐴 + 2퐴 퐴 − 퐴 , dan
퐵 = 퐴 − 퐴 .
Untuk mengetahui kemungkinan adanya akar real positif dari (1.6), digunakan aturan
tanda Descartes yang dinyatakan sebagai berikut:
Misalkan 푝(푥) = 푎 푥 + 푎 푥 + 푎 푥 + ⋯+ 푎 푥 merupakan polinomial derajat n
dengan koefisien real 푎 , dan 푏 adalah bilangan bulat yang memenuhi 0 ≤ 푏 < 푏 < ⋯ <
푏 . Maka banyaknya akar real positif dari 푝(푥) sama dengan banyaknya variasi tanda dari
koefisien polinomialnya 푎 ,푎 , … , 푎 (Wang, 2004).
Teorema 1 (Kar,2003).
Syarat kondisi perlu dan cukup titik keseimbangan (푠∗ , 푒∗푖∗, 푟∗) menjadi stabil asimptotik
untuk semua 휏 ≥ 0 adalah sebagai berikut.
(1) Bagian real untuk setiap akar-akar dari Δ(휌, 0) = 0adalah negatif.
(2) Untuk setiap real 푤 dan 휏 ≥ 0 , Δ(푖푤, 휏) ≠ 0 , dimana 푖 = √−1.
Teorema 2 (Kar,2003).
Jika kondisi (2.5) dan teorema 1 terpenuhi lalu persamaan (2.6) tidak mempunyai akar real
positif, maka titik keseimbangan (푠∗ , 푒∗푖∗, 푟∗) adalah stabil asimptotik untuk 휏 ≥ 0.
Misalkan persamaan (2.6) memiliki satu akar real postitif 푤 , maka dari (2.4) akan
menghasilkan akar imajiner 푖푤 . Dengan demikian 휏 dapat diperoleh dari persamaan
휏 = arccos ( )( ) ( )
+ , (2.7)
dimana 푘 = 0,1,2 …
Teorema 3 (Kar,2003).
Jika kondisi (2.4) terpenuhi lalu persamaan (2.6) mempunyai satu akar real positif 푤
sehingga diperoleh (2.7), maka titik keseimbangan (푠∗, 푒∗푖∗, 푟∗) adalah stabil asimptotik
untuk 휏 < 휏 dan tidak stabil untuk 휏 > 휏 , dan di titik (푠∗, 푒∗푖∗, 푟∗) akan terjadi bifurkasi.
Pada pembahasan ini akan dianalisis setiap titik keseimbangan pada saat 휏 = 0 dan 휏 > 0
untuk mengetahui pengaruh waktu tunda pada penyebaran infeksi penyakit.
Analisis kestabilan titik keseimbangan bebas penyakit
Tinjau titik keseimbangan bebas penyakit, 푄 = , 0,0,0 . Substitusi titik
keseimbangan tersebut pada (2.5) diperoleh persamaan karakteristik
휌 + 퐴 휌 + 퐴 휌 푒 + 퐴 휌 + 퐴 휌푒 + 퐴 휌 + 퐴 푒 + 퐴 = 0,(2.8)
dimana
퐴 = (2휇 + 푑 + 푐),
퐴 = − ,
퐴 = (휇(휇 + 푑 + 푐) + 푑휇 + 푐휇 + 푐푑),
퐴 = −2훽휆휎,
퐴 = (푐푑휇 + 휇(푑휇 + 푐휇 + 푐푑)),
퐴 = −휇훽휆휎, dan
퐴 = 휇 푐푑.
Untuk 휏 = 0, persamaan karakteristik (2.8) menjadi
(휌 + 휇) 휌 + (푑 + 푐)휌 + 푐푑휇 −휎훽휆휇 = 0(2.9)
Menurut kriteria Routh-Hurwitz syarat kestabilan untuk persamaan tersebut adalah < 1,
yang selanjutnya didefinisikan sebagai Bilangan Reproduksi Dasar, 푅 yang berarti rasio yang
menunjukkan jumlah individu rentan yang dapat menderita penyakit yang disebabkan oleh
satu individu terinfeksi (Driessche dkk., 2002). Dengan demikian titik kesimbangan bebas
penyakit 푄 stabil asimptotik bila 푅 < 1.
Untuk 휏 > 0, misalkan 휌 = 푖푤, 푤 > 0 adalah akar-akar persamaan karakteristik (2.8),
dengan menggunakan bentuk umum (2.6) diperoleh
푤 + 퐵 푤 + 퐵 푤 + 퐵 푤 + 퐵 = 0,(2.10)
dimana
퐵 = 2휇 + 푑 + 푐
퐵 = 휇 + 2푑 휇 + 2푐 휇 + 푐 푑 − ,
퐵 = 2푐 푑 휇 + 푑 휇 + 푐 휇 − 2훽 휆 휎 , dan
퐵 = 휇 푐 푑 − 휇 훽 휆 휎 .
Selanjutnya akan dibuktikan bahwa persamaan (2.10) memiliki paling tidak satu akar
real positif. Menurut aturan tanda Descartes, persamaan (2.10) akan memiliki paling tidak
satu akar real positif jika variasi tanda koefisien polinomnya lebih dari atau sama dengan satu.
Dalam hal ini akan ditinjau bahwa 퐵 , 푖 = 1,2,3,4 memiliki tanda yang berbeda.
Karena titik keseimbangan bebas penyakit stabil saat 푅 = < 1, maka
퐵 = 2휇 + 푑 + 푐 > 0,
퐵 = 휇 + 2푑 휇 + 2푐 휇 + 푐 푑 1 − 푅 > 0
퐵 = 푑 휇 + 푐 휇 + 2푐 푑 휇 1 − 푅 > 0, dan
퐵 = 휇 푐 푑 1 − 푅 > 0.
Dari hasil analisis diperoleh
퐵 > 0,푖 = 1,2,3,4
Dengan demikian persamaan (2.10) tidak memiliki variasi tanda antar koefisien
polinomialnya, menurut aturan tanda Descartes persamaan tesebut tidak akan menghasilkan
akar real positif.
Lebih lanjut, karena persamaan (2.10) tidak memiliki akar real positif maka tidak
dapat diperoleh nilai 휏 pada persamaan (2.7) yang membuat titik keseimbangan bebas
penyakit 푄 menjadi tidak stabil, sehingga menurut teorema 1 dan 2 titik keseimbangan
tersebut akan stabil untuk 휏 ≥ 0. Dalam hal ini waktu tunda hanya berpengaruh pada
konvergensi dari kestabilan titik keseimbangan 푄 . Dengan kata lain bahwa waktu tunda yang
menyatakan periode infeksi penyakit oleh vektor hanya memperlambat proses penyebaran
infeksi penyakit dari individu terinfeksi ke individu rentan.
Analisis kestabilan titik keseimbangan endemik
Tinjau titik keseimbangan Endemik, yang dapat dinyatakan dalam 푅 ,
푄 =휆휇푅 ,
휆푐 1 −
1푅 ,
휇훽
(푅 − 1),훾훽
(푅 − 1)
Substitusi titik keseimbangan tersebut pada (2.5) diperoleh persamaan karakteristik
휌 + 퐴 휌 + 퐴 휌 푒 + 퐴 휌 + 퐴 휌푒 + 퐴 휌 + 퐴 푒 + 퐴 = 0,(2.11)
dimana
퐴 = (휇(푅 + 1) + 푑 + 푐),
퐴 = − ,
퐴 = (휇(휇푅 + 푑 + 푐 + 푑푅 + 푐푅 ) + 푐푑),
퐴 = − ,
퐴 = (푐푑휇(푅 + 1) + 휇 푅 (푑 + 푐)),
퐴 = − ,
퐴 = 푐푑휇 푅 , dan
푅 = .
Untuk 휏 = 0, persamaan karakteristik (2.11) menjadi
(휌 + 휇)[휌 + 휌 (휇 + 푎 + 푑 + 푐) + 휌(푑휇 + 푐휇 + 푎푑 + 푐푎 + 푐푑 − 푏휎) + 푐푑휇 − 휇푏휎 +
푎푐푑] = 0.(2.12)
Menurut kriteria Routh-Hurwitz titik keseimbangan endemik 푄 akan stabil asimpotik bila
푅 = > 1.
Selanjutnya untuk 휏 > 0, misalkan 휌 = 푖푤, 푤 > 0 adalah akar-akar persamaan karakteristik
(2.11), dengan menggunakan bentuk umum (2.6) diperoleh
푤 + 퐵 푤 + 퐵 푤 + 퐵 푤 + 퐵 = 0,(2.13)
dimana
퐵 = 휇 1 + 푅 + 푑 + 푐 ,
퐵 = 휇 푅 + 푑 휇 1 + 푅 + 푐 휇 1 + 푅 + 푐 푑 − ,
퐵 = 푐 푑 휇 1 + 푅 + 푑 휇 푅 + 푐 휇 푅 − , dan
퐵 = 푐 푑 휇 푅 − .
Selanjutnya akan dibuktikan bahwa persamaan (2.13) memiliki paling tidak satu akar
real positif. Menurut aturan tanda Descartes, persamaan (2.13) akan memiliki paling tidak
satu akar real positif jika variasi tanda koefisien polinomnya lebih dari atau sama dengan satu.
Dalam hal ini akan ditinjau bahwa 퐵 , 푖 = 1,2,3,4 memiliki tanda yang berbeda.
Karena titik keseimbangan endemik stabil saat 푅 = > 1, maka
퐵 = 휇 1 + 푅 + 푑 + 푐 > 0,
퐵 = 휇 푅 + 푑 휇 1 + 푅 + 푐 휇 1 + 푅 > 0
퐵 = 푐 푑 휇 푅 − 1 + 푑 휇 푅 + 푐 휇 푅 > 0
퐵 = 푐 푑 휇 푅 − 1 > 0.
Dari hasil analisis diperoleh
퐵 > 0,푖 = 1,2,3,4.
Dengan demikian persamaan (2.13) tidak memiliki variasi tanda antar koefisien
polinomialnya, menurut aturan tanda Descartes persamaan tesebut tidak akan menghasilkan
akar real positif.
Lebih lanjut, karena persamaan (2.13) tidak memiliki akar real positif maka tidak
dapat diperoleh nilai 휏 pada persamaan (2.7) yang membuat titik keseimbangan endemik 푄
menjadi tidak stabil, sehingga menurut teorema 1 dan 2 titik keseimbangan tersebut akan
stabil untuk 휏 ≥ 0. Dalam hal ini waktu tunda hanya berpengaruh pada konvergensi dari
kestabilan titik keseimbangan 푄 . Dengan kata lain bahwa waktu tunda yang menyatakan
periode infeksi penyakit oleh vektor hanya memperlambat proses penyebaran infeksi penyakit
dari individu terinfeksi ke individu rentan.
Simulasi Numerik
Selanjutnya simulasi numerik dilakukan untuk melihat pengaruh waktu tunda pada
model (2.2) dengan memilih nilai 휏 = 5,휏 = 10 dan parameter yang lain diberikan oleh
Lenhart dkk. (2007) dan Zhou dkk. (2011). 휆 = 10,휇 = 휂 = 0.2, 훾 = 0.4,휎 = 1.2, 휉 =
0,1,훽 = 0.001dan0.1. Simulasi dilakukan dengan mengkombinasikan nilai parameter 훽 dan
휏 dengan syarat awal
푆(0) =휆휇 ,퐸(0) = 0, 퐼(0) = 1,푅(0) = 0.
Untuk nilai 훽 = 0,001 diperoleh 푅 = 0,05 < 1. Selanjutnya simulasi dilakukan dengan
mengambil 휏 = 5 dan 휏 = 10 kemudian dibandingkan dengan 휏 = 0. Hasil simulasi
menunjukkan bahwa waktu tunda yang diberikan hanya mempengaruhi konvergensi dari
kestabilan titik keseimbangan 푄 untuk 휏 ≥ 0.
Dengan demikian titik keseimbangan bebas penyakit,
푄 = (50,0,0,0)
stabil asimptotik.
Sedangkan untuk 훽 = 0,1, diperoleh nilai 푅 = 5 > 1. Selanjutnya simulasi dilakukan
dengan mengambil 휏 = 5 dan 휏 = 10 kemudian dibandingkan dengan 휏 = 0. Hasil simulasi
menunjukkan bahwa waktu tunda yang diberikan hanya mempengaruhi konvergensi dari
kestabilan titik keseimbangan 푄 untuk 휏 ≥ 0. .
Dengan demikian titik keseimbangan endemik,
푄 = (10,5,8,16)
stabil asimptotik. Gambar 1,2,3 dan 4 menunjukkan populasi individu rentan, laten, terinfeksi
dan sembuh serta perbandingannya terhadap beberapa nilai 휏 yang diberikan.
KESIMPULAN
Dari model epidemik SEIR diperoleh dua titik keseimbangan, yaitu titik keseimbangan
bebas penyakit, 푄 , dan titik keseimbangan endemik 푄 .
Analisis kestabilan dari titik keseimbangan untuk 휏 = 0 dilakukan dengan
menggunakan kriteria Routh-Hurwitz pada nilai eigen dari sistem yang telah dilinearkan dan
ditunjukkan bahwa titik keseimbangan bebas penyakit, 푄 stabil asimptotik ketika basic
reproduction number 푅 < 1, dalam hal ini penyakit akan menghilang dalam populasi. Titik
keseimbangan endemik 푄 stabil asimptotik ketika 푅 > 1 dalam hal ini penyakit akan
menyebar dan menjadi wabah dalam populasi. Sedangkan untuk 휏 > 0, analisis dilakukan
dengan menggunakan teorema yang diberikan oleh Kar (2003).
Dari hasil analisis teoritis dan numerik, menunjukkan bahwa kestabilan dari model
ditentukan oleh 푅 . Sementara waktu tunda hanya berpengaruh pada konvergensi dari
kestabilan setiap titik keseimbangan. Dalam hal ini waktu tunda yang menyatakan periode
infeksi penyakit oleh vektor hanya mempengaruhi proses penyebaran infeksi penyakit dari
individu terinfeksi ke individu rentan. Diharapkan pada penelitian berikutnya model epidemik
yang ditinjau lebih dikembangkan dengan meninjau aspek-aspek penting lainnya, terutama
yang berkaitan dengan waktu tunda dan penanganan berbagai penyakit menular.
DAFTAR PUSTAKA
Abta, A., Kaddar, A. dan Alaoui, H.T. (2012). Global Stability for Delay SIR and SEIR Epidemic Models with Saturated Incidence Rates. Electronic Journal of Differential Equations. 2: 1-13.
Di Liddo, A. (1985). A SIR Vector Disease Model with Delay. Pergamon. 7: 793-802. Driessche P. Van den dan Watmough, J. (2002). Reproduction Numbers and Sub-Threshold
Endemic Equilibria for Compartmental Models of Disease Transmission. Mathematical Biosciences. 180: 29-48.
_____________.(2008). Mathematical Epidemiology. Springer: Berlin. 159-178. Edelstein, L. dan Keshet. (2005). Mathematical Models in Biology. SIAM: New York. 150-
151. Hethcote, H.W. (2000). The Mathematics of Infectious Diseases. SIAM. 42: 599-653. Kar,T.K. (2003). Selective Harvesting in a Prey Predator Fishery with Time Delay.
Mathematical And Computer Modelling. 38: 449-458. Lenhart, S. dan Workman, J.T. (2007). Optimal Control Applied to Biological Models.
Chapman & Hall/CRC: London. 117-122. Li, G. dan Jin, Z. (2004). Global Stability of a SEIR Epidemic Model with Infectious Force in
Latent ,Infected and Immune Period. Science. 25: 1177-1184. Li, M.Y., Graef, J.R., Wang, L. dan Karsai J. (1999). Global Dynamics of a SEIR Model with
Varying Total Population Size. Mathematical Biosciences. 160: 191-213. Li, M.Y. dan Muldowney, J.S. (1994). Global Stability for the SEIR Model in Epidemiology.
Mathematical Biosciences. 125: 155-164. Singh, S.K. dan Aqeel, S. (2011). A Study of Effects of Disease Caused Death in A Simple
Epidemic Model. International Journal of Scientific & Engineering Research. 2: 1-3. Wang, X. (2004). A Simple Proof of Descartes's Rule of Signs. JSTOR. 111: 525-526. Yan, P. dan Liu, S. (2005). SEIR Epidemic Model with Delay. ANZIAM. 48: 119-134. Zhou, X. dan Cui, J. (2011). Analysis of Stability and Bifurcation for an SEIR Epidemic
Model with Saturated Recovery Rate. Science. 16: 4438–4450.
0 5 10 15 20 25 30 35 40 45 5049.75
49.8
49.85
49.9
49.95
50SEIR Model
t (hari)
S(t)
0 5 10 15 20 25 30 35 40 45 50-0.005
0
0.005
0.01
0.015
0.02
0.025
0.03
0.035SEIR Model
t (hari)
E(t)
0 5 10 15 20 25 30 35 40 45 505
10
15
20
25
30
35
40
45
50SEIR Model
t (hari)
S(t)
0 5 10 15 20 25 30 35 40 45 500
2
4
6
8
10
12
14SEIR Model
t (hari)
E(t)
(a) (b)
Gambar 1. Populasi individu rentan terhadap waktu흉 = ퟎ, 흉 = ퟓ,흉 = ퟏퟎ. (풂)휷 = ퟎ,ퟎퟎퟏ dan (b)휷 = ퟎ,ퟏ.
(a) (b)
Gambar 2. Populasi individu laten terhadap waktu흉 = ퟎ, 흉 = ퟓ,흉 = ퟏퟎ. (풂)휷 = ퟎ,ퟎퟎퟏ dan (b)휷 = ퟎ,ퟏ.
휏 = 0
휏 = 5
휏 = 10
휏 = 0
휏 = 5
휏 = 10
휏 = 0
휏 = 5
휏 = 10
휏 = 0
휏 = 5
휏 = 10
0 5 10 15 20 25 30 35 40 45 50-0.2
0
0.2
0.4
0.6
0.8
1
1.2SEIR Model
t (hari)
I(t)
0 5 10 15 20 25 30 35 40 45 500
0.05
0.1
0.15
0.2
0.25
0.3
0.35SEIR Model
t (hari)
R(t)
0 5 10 15 20 25 30 35 40 45 500
2
4
6
8
10
12
14
16SEIR Model
t (hari)I(t
)
0 5 10 15 20 25 30 35 40 45 500
2
4
6
8
10
12
14
16
18SEIR Model
t (hari)
R(t)
(a) (b)
Gambar 3. Populasi individu terinfeksi terhadap waktu흉 = ퟎ, 흉 = ퟓ,흉 = ퟏퟎ. (풂)휷 = ퟎ,ퟎퟎퟏ dan (b)휷 = ퟎ,ퟏ.
(a) (b)
Gambar 4. Populasi individu sembuh terhadap waktu흉 = ퟎ, 흉 = ퟓ,흉 = ퟏퟎ. (풂)휷 = ퟎ,ퟎퟎퟏ dan (b)휷 = ퟎ,ퟏ.
휏 = 0
휏 = 5
휏 = 10
휏 = 0
휏 = 5
휏 = 10
휏 = 0
휏 = 5
휏 = 10
휏 = 0
휏 = 5
휏 = 10