BAB I

PENDAHULUAN

1.1 Latar Belakang

Model matematika merupakan salah satu alat yang dapat membantu
mempermudah penyelesaian masalah dalam kehidupan nyata. Masalah-masalah
tersebut dapat dibawa ke dalam model matematis dengan menggunakan asumsiasumsi tertentu. Selanjutnya, dari model tersebut dapat dicari solusinya, baik
dengan cara analitis maupun secara numerik.
Salah satu permasalahan di kehidupan nyata adalah mengenai epidemi dari
suatu penyakit yang tidak menimbulkan kematian (fatal) dan individu yang
terinfeksi akan mempunyai kekebalan dalam jangka waktu tertentu, selanjutnya
masalah epidemi dapat dimodelkan dalam bentuk matematis
Prosedur yang paling dasar dalam pemodelan penyakit adalah dengan
menggunakan model compartmental, di mana populasi dibagi ke dalam kelompok
yang berbeda yaitu model SIR. Model SIR dikembangkan oleh William Ogilvy
Kermack dan Anderson Gray McKendrik. Model SIR digunakan dalam
epidemiologi untuk menghitung jumlah rentan, terinfeksi, dan orang pulih dalam
suatu populasi. Hal ini juga digunakan untuk menjelaskan perubahan dalam
jumlah orang yang membutuhkan perhatian medis selama epidemi. Penting untuk
dicatat bahwa model ini tidak bekerja dengan semua penyakit. Untuk model SIR
harus sesuai, sekali seseorang telah sembuh dari penyakit ini, mereka akan
menerima kekebalan seumur hidup. Model SIR juga tidak tepat jika seseorang
telah terinfeksi tetapi tidak menular.
Salah satu penyakit yang dapat dimodelkan dengan model SIR adalah cacar
air atau varicella simplex. Cacar air atau varicella simplex adalah suatu penyakit
menular yang disebabkan oleh infeksi virus varicella-zoster. Penyakit cacar air
adalah penyakit yang sangat menular, dengan probabilitas 65-85% terinfeksi, dan
90% ketika di kontak dekat (Johnson, 2009). Sebelum vaksin, ada tingkat

kematian yang tinggi. Sekarang vaksin tersedia, probabilitas kematian dari cacar
air adalah 0,000093 (Johnson, 2009). Namun, vaksinasi hanya 99% efektif tahun
pertama, dan berkurang setelah itu.
Berdasarkan penjelasan diatas, maka penulis tertarik untuk menganalisis
epidemi dari penyakit cacar air. Oleh karena itu, penulis mengambil judul
Analisis Epidemi Cacar Air dengan Model Kermack-McKendrik
1.2 Identifikasi Masalah
Berdasarkan latar belakang yang diuraikan di atas dapat diidentifikasikan
masalah-masalah sebagai berikut:
1. Model SIR yang dikembangkan Kermack dan McKendrik dapat digunakan
dalam epidemi suatu penyakit untuk menghitung jumlah rentan, terinfeksi,
dan orang pulih dalam suatu populasi.
2. Cacar air merupakan salah satu penyakit yang dapat dimodelkan dengan
model SIR tersebut.
1.3 Rumusan Masalah
Berdasarkan identifikasi masalah, maka permasalahan dalam penelitian ini
adalah sebagai berikut:
1. Bagaimana menerapkan model Kermack dan McKendrik pada epidemi
penyakit cacar air?
2. Bagaimana menganalisis model Kermack dan McKendrik pada epidemi
penyakit cacar air?
1.4 Tujuan Penelitian
Suatu penelitian akan terarah jika memiliki tujuan yang jelas. Ada pun tujuan
yang hendak dicapai yaitu :
1. Menerapkan model Kermack dan McKendrik pada epidemi penyakit cacar air
2. Menganalisis model Kermack dan McKendrik pada epidemi penyakit cacar air

BAB II
PEMBAHASAN
2.1 Model Kermack-McKendrik pada Cacar Air
2.1.1 Cacar Air
Cacar Air (Varisela, Chickenpox) adalah suatu infeksi virus menular yang
menyebabkan ruam kulit berupa sekumpulan bintik-bintik kecil yang datar maupun
menonjol, lepuhan berisi cairan serta keropeng, yang menimbulkan rasa gatal.
Penyebabnya adalah virus varicella-zoster. Virus ini ditularkan melalui percikan
ludah penderita atau melalui benda-benda yang terkontaminasi oleh cairan dari
lepuhan kulit. Penderita bisa menularkan penyakitnya mulai dari timbulnya gejala
sampai lepuhan yang terakhir telah mengering.
Karena

itu,

untuk

mencegah

penularan,

sebaiknya

penderita

diisolasi

(diasingkan). Jika seseorang pernah menderita cacar air, maka dia akan memiliki
kekebalan dan tidak akan menderita cacar air lagi. Tetapi virusnya bisa tetap tertidur
di dalam tubuh manusia, lalu kadang menjadi aktif kembali dan menyebabkan herpes
zoster.
2.1.2 Asumsi
Model SIR dikembangkan oleh Kermack dan McKendrik. Model SIR digunakan
dalam epidemiologi untuk menghitung jumlah rentan, terinfeksi, orang pulih dalam
suatu populasi. Model ini dapat digunakan dengan asumsi sebagai berikut:
1. Populasi adalah tetap (tingkat infeksi dan pemulihan jauh lebih cepat daripada
skala waktu kelahiran dan kematian)
2. Satu-satunya cara seseorang dapat meninggalkan kelompok rentan adalah
untuk menjadi terinfeksi. Satu-satunya cara seseorang dapat meninggalkan
grup yang terinfeksi adalah untuk pulih dari penyakit. Setelah seseorang telah
pulih, orang menerima imunitas.
3. Tidak ada kekebalan diwariskan.
4. Anggota campuran populasi homogen (memiliki interaksi yang sama dengan
satu sama lain untuk tingkat yang sama).

Aliran model ini dianggap sebagai berikut:

2.5.2 Model SIR

Model ini dimulai dengan beberapa notasi dasar yaitu

St : Digunakan untuk mewakili jumlah invidu yang belum terinfeksi pada waktu

t atau yang rentan terhadap penyakit

I t : Menunjukkan jumlah individu yang telah terinfeksi dengan penyakit pada
waktu t dan mampu menyebarkan penyakit

Rt : Jumlah individu yang telah terinfeksi dan sembuh dari penyakit

N : Total Populasi
Asumsi tersebut dapat dimodelkan dalam satu set persamaan diferensial
dS
SI
dt

(3)

dI
( S k ) I
dt

(4)

dR
kI
dt

(5)

dimana

k adalah tingkat pemulihan (dengan yang lebih besar atau sama dengan nol)

adalah jumlah rata-rata transmisi dari seseorang terinfeksi dalam periode

waktu (dengan yang lebih besar atau sama dengan nol)

= adalah probabilitas terinfeksi

= adalah jumlah orang orang yang terinfeksi datang dalam kontak dengan setiap
periode waktu rata-rata

Dan

S t I t Rt N

(6)

Pada persamaan (4.1) SI yang merupakan konsekuensi dari asumsi pertama,

bertanda negatif. Ini berarti bahwa laju perubahan dalam kelompok rentan bersifat
mengurangi kelompok tersebut atau dengan kata lain

dS
merupakan kecepatan
dt

berpindahnya jumlah anggota kelompok suspek ke kelompok infeksi. Berkurangnya

kelompok suspek merupakan penambahan pada kelompok infeksi. Besar penambahan
ini sama dengan pengurangan dari kelompok suspek. Ini menyebabkan SI muncul
kembali pada persamaan (4.2) dengan tanda positif. Sedangkan I pada persamaan
(4.2) merupakan laju pengurangan kelompok terinfeksi sehingga I bertanda negatif.
Besar pengurangan kelompok infeksi merupakan penambahan pada kelompok pulih.
Oleh sebab itu I bertanda positif pada persamaan (4.3). Pada kelompok pulih, proses
infeksi terhenti.

Selanjutnya dengan menganalisis persamaan diatas, kita dapat menentukan

suatu infeksi dalam populasi dinyatakan suatu epidemi atau akan menyebar luas.
Untuk menganalisis ini,

dI
dI
dalam persamaan (4.2) memegang peranan penting.
dt
dt

melukiskan penambahan kelompok infeksi.

dI
SI I I ( S )
dt

Bila S 0 ini berarti infeksi tidak akan menyebar luas dan akan hilang dengan
cepat. Akan tetapi jika S > 0 maka infeksi akan berekspansi. S = 0 maka
tidak tejadi ekspansi namun potensi endemik masih dimungkinkan.
Karena S (t ) paling besar terjadi pada saat t = 0, dimana S (0) adalah jumlah
kelompok awal peristiwa infeksi dalam suatu populasi maka dapat ditentukan kapan
nilai S (0) dapat menyebabkan epidemi. Epidemi akan terjadi bila

 S (0) 0 yang setara dengan S (0)

Dengan menerapkan metode Euler, kita dapat memecahkan persamaan

diferensial. Solusi untuk persamaan diferensial adalah

S n1 S n S n I n t

(10)

I n1 I n (1 S n k )t

(11)

Rn1 Rn kIn t

(12)

Dimana +1 , +1 and +1 adalah adalah jumlah rentan, orang yang terinfeksi

dan sembuh pada saat (n +1). adalah perubahan kecil dalam waktu, dan akan
sama dengan satu dari sekarang. Persamaan-persamaan ini terutama digunakan untuk
menghitung dan k
Kelompok pulih termasuk orang yang menerima kekebalan sepanjang waktu,
namun tidak menentukan apakah orang tersebut masih hidup dengan kekebalan
sepanjang waktu atau mati. Oleh karena itu kita dapat mengganti persamaan (5),
dengan satu persamaan untuk orang-orang yang hidup dan satu persamaan untuk
mereka yang mati. Untuk melakukan ini bisa dimulai dengan memisahkan tingkat
pemulihan, k, menjadi dua tingkat pemulihan.
2.1.3 Rasio Reproduksi Dasar
Suatu bagian penting dari pemodelan penyakit adalah rasio reproduksi dasar,
dinotasikan B R . Rasio reproduksi dasar dikatakan penting karena ia memberitahu
jika populasi memiliki risiko dari penyakit.

B R dipengaruhi oleh infeksi dan tingkat penghapusan, yaitu , k , Dan diperoleh

dengan BR

S 0 . Ketika BR 1, Terjadinya penyakit akan meningkat. Ketika

BR 1 , Terjadinya penyakit akan menurun dan penyakit akhirnya akan dihilangkan.

Ketika BR 1, Terjadinya penyakit akan konstan (Hackborn, 2008).

DAFTAR PUSTAKA
Anderson, Roy M., Robert M. May, and B. Anderson. 1992. Infectious Diseases of
Humans Dynamics and Control (Oxford Science Publications). New York:
Oxford UP, USA,
Anonim. 2011. Cacar Air. (online),
(http://medicastore.com/penyakit/38/Cacar_Air.html, Diakses Jumat 02
desember 2011).
Anonim. 2011. Epidemic Model. (online),
(/http://en.wikipedia.org/wiki/Epidemic_model, Diakses Jumat, 04 November
2011)
Anonim. 2011. Kermack and McKendrik Model. (online).
(http://mathworld.wolfram.com/ Kermack-McKendrickModel, diakses Jumat 04
November 2011)
Brauer, F. & Castillo-Chvez, C. (2001). Mathematical Models in Population Biology
and Epidemiology. NY: Springer
Brawn M. 1983. Differential equation and Their Aplications, New York SpringerVerlag
Diekmann, O., and J. A. Heesterbeek. 2000. Mathematical Epidemiology of
Infectious Diseases : Model Building, Analysis and Interpretation. New York:
John Wiley & Sons, Incorporated,
Hackborn, Bill. Susceptible, Infected, Recovered: the SIR model of an Epidemic.
(online). (http://www.augustana.ab.ca/~hackw/mat332/exhibit/sir.ppt diakses
Jumat 04 November 2011). University of Alberta: Augustana.
Jhonson, Teri. 2009. Mathematical Modeling of Diseases: Susceptible-InfectedRecovered (SIR) Model. University of Minnesota, Morris
Keeling, Matt. The mathematics of diseases. Plus Magaazine. (online).
(http://plus.maths.org.uk/issue14/features/diseases/index.html diakses Jumat 04
November 2011). Plus Magazine.

Kermack, W. O. and McKendrick, A. G. 1927. A Contribution to the Mathematical

Theory of Epidemics. Proc. Roy. Soc. Lond. A, 700-721.
Rhodes, John A., and Elizabeth S. Allman. 2003. Mathematical Models in Biology :
An Introduction. New York: Cambridge UP.
School of Public Health. Center for Infectious Diseases and Emergency Readiness.
2006. (online). (www.idready.org/slides/01epiconceptsII-slides.pdf ). University
of California Berkeley.
Trottier, H., & Philippe, P. 2001. Deterministic modeling of infectious diseases:
theory and methods. (online). (http://www.ispub.com/journal/the-internet-journalof-infectious-diseases/volume-2-number-1/deterministic-modeling-of-infectiousdiseases-applications-to-measles-and-other-similar-infections.html, diakses
tanggal 7 desember 2011). The Internet Journal of Infectious Diseases
Tu PNV. 1994. Dynamical System, An Intorduction with Aplication in Economics and
biology.New York: Springer-Verlag

Makalah Tugas MNA

ANALISIS EPIDEMI CACAR AIR

DENGAN MODEL SIR

Oleh

Kelompok 2

ISRAN K. HASAN
ARFAN Dj. IBRAHIM
FEBRIAN WULANDARI
HASMAWATI
LUSIANA

JURUSAN PENDIDIKAN MATEMATIKA

FAKULTAS MATEMATIKA DAN IPA
UNIVERSITAS NEGERI GORONTALO
2011