ANALISA MATEMATIS EFEK DARI STRATEGI VAKSINASI

KONTINU TERHADAP PENYEBARAN PENYAKIT CAMPAK

DENGAN MENGGUNAKAN MODEL EPIDEMIK SVIR
(Mathematical Analysis A Continuous Vaccination Strategy Effect against to
spread of Measles by Using the Epidemic SVIR Models)
Tonaas Kabul Wangkok Yohanis Marentek
Program Studi Pendidikan Matematika, FKIP, UPP, tonaasmarentek@gmail.com

ABSTRACT
Vaccination is one way to minimize the spread of disease. To complete a vaccination, it is
usually done several times and there should be a fixed time interval. Considering vaccination in
the basic SIR model, SVIR model assumes that individuals are vaccinated do not get immediate
immunity means that individuals who are vaccinated still allow infected. So according to the
process of vaccination on SVIR model, there are two strategies which continuous vaccination
strategy (CVS) and disconnected vaccination strategy (PVS). In this study only addressed
continuous vaccination strategy in epidemic model SVIR. Results from the study indicate that the
dynamics of the CVS system is fully dependent on the basic reproductive number. If the basic
reproductive number is less than one then the fixed point asymptotically stable disease-free will
which means that eventually the disease will disappear from the population. Conversely, if more
than one fixed point is asymptotically stable endemic would mean that the disease will still exist in
the population. Mathematical results show that vaccination helps to minimize the spread of
disease by reducing the basic reproductive number. But there is a necessary condition for the
disease can be eradicated. If the time for the vaccine recipients to obtain immunity or the
possibility of vaccine recipients infected neglected, the condition of the disease will disappear and
the disease will always be eradicated. This can lead to over-evaluating the effect of vaccination.

Keywords: Vaccination, SVIR, Continuous Vaccination strategy, Stability

PENDAHULUAN orang) diantaranya berasal dari Indonesia.

Campak adalah penyakit menular yang
disebabkan oleh infeksi virus. Penyakit ini
disebabkan oleh virus Rubeola, sehingga
penyakit ini sering juga disebut dengan
penyakit Rubeola. Penyakit ini biasanya
menyerang balita dan anak-anak. Campak
merupakan penyakit yang mudah menular,
sehingga berpotensi menimbulkan wabah
atau epidemik. Penularan penyakit ini terjadi
secara langsung dari satu individu ke individu
yang lain melalui cairan yang berasal dari
mata, hidung dan tenggorokan yang
menyebar lewat udara pada waktu individu
yang telah terinfeksi mengalami batuk, bersin
ataupun pada saat berbicara. (Sceined &
Schaulies, 1999)
Sebelum vaksinasi Campak digunakan
secara meluas, wabah campak terjadi setiap
2-3 tahun, terutama pada anak-anak usia pra-
sekolah dan anak-anak SD. Jika seseorang
pernah menderita Campak, maka seumur
hidupnya dia akan kebal terhadap penyakit
ini. Data yang ada menyebutkan, kematian
akibat Campak di dunia yang dilaporkan pada
2002 mencapai 777.000 orang. Di negara-
negara ASEAN terdapat 202.000 orang
meninggal akibat Campak dan 15 % (30.300
Setiap tahun diperkirakan 30.000 anak
Indonesia meninggal karena komplikasi yang
diakibatkan Campak. Hal ini berarti, kira-kira
ada 1 anak yang meninggal setiap 20
menitnya (Depkes RI, 2007).
Baik langsung maupun tidak
langsung, Campak merupakan salah satu
penyakit yang dapat mengakibatkan
kematian. Pemerintah Indonesia telah
melakukan beberapa upaya untuk mereduksi
kematian, salah satunya yaitu dengan
pemberian imunisasi campak.
Besarnya angka kematian karena
penyakit Campak ini menunjukan bahwa
penyakit ini sangat berbahaya sehingga
sangat perlu dilakukan suatu upaya untuk
mencegah penyebaran penyakit ini. Salah
satu cara yang efektif untuk mencegah
penyebaran penyakit ini adalah dengan
melakukan program vaksinasi.
Menurut Ramali & Pamoenjak
(2005), vaksin merupakan suspensi bibit
penyakit yang hidup yang telah dilemahkan
atau dimatikan untuk menimbulkan
kekebalan aktif terhadap suatu penyakit
sehingga dapat mencegah atau mengurangi
pengaruh infeksi oleh organisme alami.
 Teori epidemik pertama kali dikemukakan oleh (3.2) disebut persamaan diferensial mandiri
Kermack & McKendrick pada tahun 1927, penyebaran (autonomous) karena tidak memuat secara eksplisit
penyakit menular dapat digambarkan secara matematis t
oleh model-model kompartemen seperti model SIR didalamnya.
ataupun SIRS dengan setiap huruf mengacu pada (Tu 1994)
kompartemen dimana individu itu dapat berada.
Sehingga model SVIR secara matematis adalah TITIK TETAP
penambahan kompartemen V secara alami kedalam Definisi 3 Titik Tetap
model epidemik dasar SIR. Model epidemik SVIR ini, Misalkan diberikan suatu Sistem Persamaan
dimana populasi dibagi ke dalam empat kelompok yaitu, Diferensial (SPD) sebagai berikut :
kelompok individu yang sehat tapi rentan (S), kelompok x́=f ( x ) , x ∈ Rn (3.3)
individu yang mengalami proses vaksinasi (V), disebut titik tetap atau titik kritis ataupun
Titik
kelompok individu yang telah terinfeksi (I) dan x
kelompok individu yang telah sembuh dari penyakit disebut juga titik kesetimbangan jika
atau individu yang telah mendapatkan kekebalan f ( x )  0.
terhadap penyakit baik secara alami maupun akibat dari (Tu 1994)
vaksinasi (R).
Model epidemik SVIR ini dibangun dari model Definisi 4 Titik Tetap Stabil
dasar epidemik SIR, berdasarkan prosesnya mempunyai Misalkan adalah titik tetap SPD mandiri dan x(t)
dua strategi vaksinasi. Yaitu, strategi vaksinasi kontinu x
dan strategi vaksinasi terputus. Strategi vaksinasi
adalah solusi dengan nilai awal x ( 0 )=x 0 dengan
kontinu adalah cara pemberian vaksin yang dilakukan
secara terus menerus kepada kelompok individu yang x0 ≠ . Titik ❑ ´ dikatakan titik tetap stabil, jika
rentan, sedangkan strategi vaksinasi terputus adalah cara untuk setiap ε > 0 , terdapat r >0 , sedemikian
pemberian vaksin yang dilakukan secara berkala dalam sehingga , maka solusi x(t) memenuhi
periode waktu tertentu kepada sebagian proporsi x0  x  r
populasi individu yang rentan.
x (t)−¿
Pada penelitian kali ini, akan dikaji dan dianalisa secara untuk setiap t>0.
matematis efek dari strategi vaksinasi kontinu terhadap ¿
¿
pencegahan penyebaran penyakit Campak dengan (Vershulst 1990)
menggunakan model epidemik SVIR.
Definisi 5 Titik Tetap Stabil Asimtotik
TINJAUAN PUSTAKA Titik dikatakan titik tetap stabil asimtotik
SISTEM PERSAMAAN DIFERENSIAL x
Definisi 1 Sistem Persamaan Diferensial Linear jika titik stabil dan terdapat sedemikian
Suatu sistem persamaan diferensial dinyatakan x  0
sebagai berikut : sehingga jika maka ,
(3.1) x  x0   lim x(t )  x
dx t 
 x& Ax  b, x(0)  x0
dt dengan .
dengan A adalah matriks koofisien konstan berukuran x0  x(0)
dan b vektor konstan. Sistem tersebut dinamakan (Szidarovzky & Bahill 1998)
n n
sistem persamaan diferensial linear orde 1 dengan Definisi 6 Nilai Eigen dan Vektor Eigen
kondisi awal . Jika sistem dikatakan Misalkan adalah matriks , suatu vektor
x(0)  x0 b0 A n n
homogen dan dikatakan takhomogen jika tak nol didalam disebut vektor eigen dari ,
b  0. x  n A
(Tu, 1994) jika suatu skalar yang disebut nilai eigen dari
 A
Definisi 2 Sistem Persamaan Diferensial Mandiri berlaku :
Misalkan diberikan suatu persamaan diferensial
orde 1 Ax   x
dx
= x́ =f ( x ) , (3.2)
(3.4)
dt x  n Vektor disebut vektor eigen yang bersesuaian dengan
dengan merupakan fungsi kontinu bernilai real dari x
f nilai eigen yang berukuran , maka persamaan
dan mempunyai turunan parsial kontinu. Persamaan  n n
x (3.4) dapat dituliskan sebagai berikut :
 (3.5) 1. k=2, a1 >0, a2 >0
( A  I )x  0
dengan adalah matriks identitas. Persamaan (3.5) 2. k=3, a1 >0, a3 > 0,a 1 a 2> a3.
I 3. k=4, a1 >0, a3 > 0,a 4 >0, a1 a2 a3 >a 23+ a21 a4
memiliki solusi tak nol jika dan hanya jika 2 2
yang disebut dengan persamaan a1 >0, a3 > 0,a 4 >0, a1 a2 a3 >a 3+ a1 a4
det( A   I )  0 (Edelstein-Keshet 1987)
karakteristik.
(Anton 1995) Untuk kasus , kriteria Routh-Hurwitz disajikan
k 3
dalam teorema berikut.
ANALISIS KESTABILAN TITIK TETAP Teorema 1
Analisa kestabilan untuk setiap titik tetap yang Misalkan A,B,C bilangan real. Bagian real dari setiap
berbeda untuk setiap nilai eigen yakni : nilai eigen persamaan karakteristik p( λ ¿ =
3 2 ❑
1. Sistem adalah stabil jika dan hanya jika λ + A λ + B λ + C=0 adalah negatif jika
x& Ax dan hanya jika A,C bernilai positif dan AB>C.
setiap nilai eigen dari bagian riilnya bernilai
A BILANGAN REPRODUKSI DASAR
negatif. R
2. Sistem adalah tidak stabil jika dan hanya ¿ ) adalah rata-rata
x& Ax Bilangan Reproduksi Dasar
¿
jika minimal satu nilai eigen bagian riilnya bernilai ¿
positif. banyaknya individu rentan yang terinfeksi secara
(Borrelli & Coleman 1998) langsung oleh individu lain yang sudah terinfeksi bila
individu yang terinfeksi tersebut masuk ke dalam
KONDISI ROUTH HURWITZ populasi yang seluruhnya masih rentan.
Misalkan a1 a2 a3 … ak bilangan-bilangan real, Kondisi yang akan timbul adalah salah satu
a j=0 jika j> k . Semua nilai eigen dari persamaan diantara kemungkinan berikut :
1.Jika R0 <1 , maka penyakit akan menghilang.
karakteristik
2. Jika , maka penyakit akan menetap
p ( )   k  a1 ( k 1)  a2  ( k  2)  ...  ak  0 R0  1
mempunyai bagian real yang negatif jika determinan
(endemis).
dari matriks adalah positif. Selanjutnya
Hj 3. Jika R0 >1 , maka penyakit akan meningkat
menjadi wabah.
didefinisikan matriks Hurwitz sebagai berikut: (Blyuss & Kyrychko 2005)
Hj
MODEL EPIDEMIK PENYEBARAN PENYAKIT
a1 1 0 0 … 0

( )
Model Epidemik Dasar SIR
a3 a2 a1 1 … 0 Model dasar yang digunakan untuk menggambarkan
¿ a5 a4 a3 a2 … 0 penyebaran penyakit adalah model epidemik SIR.
Model SIR ini dikemukakan oleh Kemarc-McKendric
⋮ ⋮ ⋮ ⋮ … ⋮ pada tahun 1927 sebagai model dasar dari
a2 j−1 a 2 j−2 a 2 j−3 a 2 j−4 … aj pengembangan pemodelan epidemiologi. Model ini
mempunyai tiga kompartemen yang menggambarkan
proses penyebaran penyakit pada suatu populasi.
dengan dan
H j  ( hlm ) Kompartemen-kompartemen tersebut adalah :
Susceptible (S) yaitu ke lompok individu yang sehat
 a2l  m , untuk 0  2l  m  k tetapi dapat terinfeksi penyakit, Infected (I) yaitu

hlm   1, untuk 2l  m kelompok individu yang terinfeksi dan dapat sembuh
0, untuk 2l  m atau 2l  k  m dari penyakit dan Recovered (R) yaitu kelompok

individu yang telah sembuh dan kebal dari penyakit.
semua nilai eigen dari persamaan karakteristik
Menurut Hethcote (2000), diasumsikan bahwa μ
mempunyai bagian real yang negatif (titik tetap x́
adalah laju rekrutmen dan laju kematian alami dari
stabil) jika dan hanya jika determinan dari semua
matriks Hurwitz positif, yaitu : populasi, β adalah laju infeksi atau laju transmisi
H j  0, untuk j  1,2,..., k penularan penyakit ketika individu rentan
sehingga menurut kondisi Routh-Hurwitz untuk suatu k, bersinggungan/kontak dengan individu yang terinfeksi
k =2,3,4 disebutkan bahwa titik tetap x́ stabil jika dan γ adalah laju pemulihan individu yang
dan hanya jika (untuk k =2,3,4), terinfeksi dan individu-individu yang pulih atau sembuh
yang diasumsikan memiliki kekebalan (kekebalan
alami) terhadap penyakit. Asumsi-asumsi tersebut dapat
digambarkan ke dalam bentuk kompartemen-
kompartemen pada Gambar 1 dan dapat dituliskan ke
S  I 
Gambar 1 Diagram transfer penyebaran penyakit model SIR
 dS
 dt     S   SI

 dI
   SI   I   I
 dt
 dR
 dt   I   R

Model Epidemik SVIR Dengan Strategi Vaksinasi
Kontinu
Berdasarkan teori epidemik dari Kemark dan
McKendrick, penyebaran penyakit menular dapat
digambarkan secara matematis oleh model-model
kompartemen SIR dengan setiap huruf mengacu pada
kompartemen dimana individu berada. Oleh karena itu
Vaksinasi juga dapat dianggap sebagai penambahan
kompartemen V secara alami ke dalam model epidemik
dasar SIR.
Kribs-Zaleta dan Velasco-Hernandez (2000),
menambahkan kompartemen V ke dalam model SIS dan
mempelajari penyakit pertusis dan TBC, Arino et al
(2003) menambahkan kompartemen V ke dalam model
SIRS, Kribs-Zaleta dan Martcheva (2002) mempelajari
efek dari kampanye vaksinasi pada penyebaran suatu
penyakit non-fatal seperti Hepatitis A dan hepatitis B,
baik pada tahap infeksi akut ataupun kronis. Alexander
et al (2004) dan Shim (2006) menggunakan model SVIR
untuk mempelajari model dinamika penyakit influenza
(flu) dengan vaksinasi.
Semua model kontinu di atas yang berasumsi bahwa
individu memperoleh kekebalan setelah divaksinasi dan
waktu bagi individu mendapatkan kekebalan atau waktu
untuk menyelesaikan proses vaksinasi diabaikan. Pada
kenyataannya segera setelah individu yang rentan
memulai proses vaksinasi, individu itu akan berbeda
dengan individu yang rentan tetapi individu yang
divaksinasi harus dibedakan dengan individu yang pulih
karena telah mendapatkan kekebalan akibat divaksinasi
ataupun kekebalan setelah sembuh dari penyakit.
Oleh karena itu, dengan mempertimbangkan
vaksinasi dalam model dasar SIR, model SVIR ini
mengasumsikan bahwa individu yang divaksinasi tidak
mendapatkan kekebalan segera artinya bahwa individu
yang divaksinasi masih memungkinkan terinfeksi atau
individu dalam V akan pindah ke R saat mendapatkan
kekebalan akibat divaksinasi.
Strategi vaksinasi kontinu pada model epidemik
SVIR ini yang berdasar pada model epidemik dasar SIR
dalam bentuk persamaan diferensial yang disebut sistem
1 berikut dengan semua parameter pada Sistem 1 diatas
bernilai positif.
R
sistem 1
sangat cocok diterapkan pada penyebaran penyakit
Campak. Menurut Alexander et al (2004), Arino et al
(2003), Kribz-Zaleta dan Velasco-Hernandez (2000)
total populasi akan berada pada tingkat konstan, maka
strategi vaksinasi kontinu ini mengasumsikan bahwa

adalah laju rekrutmen dan laju kematian alami dari
populasi, adalah laju transmisi/penularan penyakit

ketika individu yang rentan berinteraksi dengan individu
yang terinfeksi dan adalah laju pemulihan individu

yang terinfeksi dan individu yang pulih diasumsikan
memiliki kekebalan alami terhadap penyakit.
Strategi vaksinasi kontinu, secara matematis
adalah penambahan kompartemen V, dimana V adalah
kelompok baru yang dibagi dari kelompok S dan
menunjukkan kepadatan individu yang telah memulai
proses vaksinasi. individu dalam V, memerlukan waktu
untuk mendapatkan tingkat proteksi terhadap penyakit
selama proses vaksinasi dan akan berpindah ke R saat
mendapatkan kekebalan. Oleh karena itu, berdasarkan
diagram transfer kompartemen model SIR maka dapat
digambarkan diagram transfer model kompartemen
sebagai berikut dengan asumsi :
a) adalah laju dimana individu yang rentan

dipindahkan kedalam proses vaksinasi.
b) adalah laju rata-rata ( adalah waktu rata-
 1
1 / 1
rata) bagi individu yang mengalami proses
vaksinasi untuk memperoleh kekebalan.
c) Sebelum memperoleh kekebalan, individu yang
divaksinasi masih memiliki kemungkinan
terinfeksi dengan laju transmisi adalah Laju
1.
transmisi ini diasumsikan lebih kecil dari laju
transmisi individu rentan yang belum mengalami
 proses vaksinasi untuk terinfeksi , karena mungkin memiliki kekebalan parsial selama proses
( 1   ) vaksinasi.
individu yang mengalami proses vaksinasi

S  I
 R

1

V
1
Gambar 2. Diagram transfer penyebaran penyakit model SVIR dengan strategi vaksinasi kontin

asumsi-asumsi dan diagram transfer diatas dapat dituliskan dalam bentuk persamaan diferensial sebagai berikut yang
selanjutnya disebut dengan sistem 2 :
 dS
 dt     S   SI   S

 dV   S   VI   V  V

 dt 1 1

 sistem 2
 dI   SI   VI   I   I
 dt 1

 dR
   1V   I   R

 dt
dengan dan semua parameter lainnya bernilai positif.
 0

HASIL DAN PEMBAHASAN Karena persamaan keempat pada sistem 2

Penentuan Titik Tetap adalah bebas dari persamaan yang lain maka
Titik tetap akan diperoleh dengan dapat direduksi menjadi sistem 3 dan dengan
dan . menyelesaikan secara bersamaan maka akan
dS dV dI dR diperoleh titik tetap bebas penyakit dan titik
 0,  0,  0 0
dt dt dt dt tetap endemik.

1. Titik tetap bebas

 dS
 dt     S   SI   S

 dV
   S  1VI   1V  V sistem 3
 dt
 dI
 dt   SI  1VI   I   I

penyakit
   
E0  ( S0 , V0 , I 0 )   , ,0 

        1        
2. Titik tetap endemik yaitu dengan
E  ( S  ,V , I  )
dan adalah akar positif dari g(I)
  S  I
S  , V  
     I    1  1 I        I       1  1 I  
.
g ( I )  A1I 2  A2 I  A3 (1  R0c )

dengan
A1  (    ) 1 , A2  (    )  (    ) 1  (    1 )    1 dan A3  (    )(    )(    1 )
Analisis Kestabilan Titik Tetap bebas penyakit     0   S0 
E0 J  E0      1    1V0 

Pelinearan pada titik tetap akan menghasilkan  0 0  S0  1V0     
E0
matriks Jacobi sebagai berikut yaitu dengan mensubtitusi Maka akan diperoleh nilai eigen dengan
titik tetapnya : menyelesaikan persamaan karakteristik
yaitu :
det  J  E0    I   0
dengan
1         0, 2       1   0 dan 3   S0  1V0       S 0  1V0  (    )        R0c  1
 S 0  1V0  1
R0c   
(   )            1           

Nilai eigen yang kesemuanya adalah bilangan riil akan Analisis Kestabilan Titik Tetap Endemik
negatif jika . Jadi titik tetap bebas penyakit akan E
R0c  1 Pelinearan pada titik tetap akan menghasilkan
stabil jika dan tidak stabil jika . E
R0c  1 R0c  1 matriks Jacobi sebagai berikut :
  
 S 0   S 
      I  0  S   

  S 
J  E   
   1    1 I   1V 
    1V 
V

  I 1 I   S  1V       
  I 1 I  0 
 
 
persamaan karakteristik adalah :
sehingga J  E   3  a1 2  a2  a3  0

Berdasarkan kriteria Routh-Hurwitz titik tetap endemik terpenuhi. Sehingga titik tetap endemik adalah stabil
akan stabil jika dan hanya jika memenuhi syarat-syarat E
dan dan kedua syarat tersebut asimtotik.
a1  0, a2  0 a1a2  a3

Tabel 1 Kondisi Kestabilan Titik Tetap

Kondisi E0 E
R 1
c
0
Stabil asimtotik Tidak Stabil
R0c  1 Tidak stabil Stabil asimtotik

Pengaruh Strategi Vaksinasi Kontinu ditentukan oleh bilangan reproduksi dasar. Sehingga
Hasil analisis pada strategi vaksinasi kontinu pengaruh dari vaksinasi bergantung pada bilangan
menunjukkan bahwa dinamika sistem sepenuhnya reproduksi dasarnya.
 Tabel 2 Sifat-sifat matematis bilangan reproduksi dasar

Vaksinasi CVS ( )  0
 0 menyebabkan
1  0,  1   R c sehingga
R1c  R0c  R0 ,  0, lim R1c  0
1
R0c  1
  

1  0,  1 terbatas
R1c  R0c  R0 ,
 R0c

 0, lim R0c  R2
 
R0 kondisi
memberantas
untuk

Untuk menganalisa pengaruh strategi vaksinasi penyakit haruslah

kontinu ini diasumsikan jika tidak dilakukan proses . Sebaliknya jika maka yang
   0c R2  1 R0c  R2  1
vaksinasi penyakit akan endemik atau tetap ada dalam
populasi maka mengakibatkan penyakit tidak bisa diberantas untuk
(  0 R0  1). setiap nilai
.
Parameter dan sangat mempengaruhi
1 1
atau nilai , dimana adalah laju individu yang
Kasus 1.   0 1  
1 R2 1
Diasumsikan individu yang divaksinasi tidak divaksinasi terinfeksi dan adalah waktu rata-rata
akan terinfeksi atau karena waktu untuk 1/  1
( 1  0)
penerima vaksin mendapatkan kekebalan penuh, nilai
mendapatkan kekebalan tak terbatas yang berarti
1   kedua parameter ini ditentukan oleh efikasi vaksin. Jika
semakin tinggi efikasi vaksin maka nilai akan
bahwa efikasi vaksin sangat tinggi. Secara matematis 1
akan sama dengan yang akan menuju ke nol
R0c R1c semakin meningkat dan mengurangi nilai sehingga
1
untuk nilai yang semakin besar. Karena
 nilai akan semakin kecil yang artinya melemahkan
maka dapat disimpulkan bahwa R2
 R1c kondisi yang diperlukan untuk memberantas penyakit.
 0 dan lim R1c  0
  

penyakit selalu bisa diberantas. Namun jika waktu bagi Simulasi

penerima vaksin untuk mendapatkan kekebalan atau Simulasi dilakukan untuk mengamati pengaruh
kemungkinan bagi penerima vaksin terinfeksi diabaikan, dari strategi vaksinasi kontinu terhadap penyakit
hal ini dapat menyebabkan over evaluating. campak dengan bantuan perangkat lunak Matematica
7. Nilai-nilai parameter secara eksplisit yang diambil
Kasus 2. atau terbatas dari parameter penyakit Campak d’Onofrio et al
1  0 1 (2007).
Secara matematis adalah penurunan fungsi 1. Laju rekrutmen atau laju kematian alami manusia,
R0c yaitu , dimana L adalah
1 1
dari sehingga akan turun menuju untuk nilai    0.00003653 / hari
 L 75  365
R0c R2
angka harapan hidup saat lahir.
yang semakin besar. Karena 2. Laju pemulihan individu yang terinfeksi
 1
lim R0c  @R2 mendapatkan kekebalan, yaitu ,
  (    )(    1 ) 1 D7
  0.143 / hari
, maka kondisi yang diperlukan agar penyakit bisa D
diberantas haruslah . Jika , maka akan hari adalah waktu rata-rata individu yang terinfeksi
R2  1 R2  1 mendapatkan kekebalan.
terdapat konstanta yang unik yaitu yang
 0c

atau Pada kasus 1, diasumsikan tidak ada individu

Kasus 1.
1  0 1   yang divaksinasi akan terinfeksi atau laju individu yang
di vaksinasi mendapatkan kekebalan tak terbatas.
 --- --- ---
R1c R0c R0

Gambar 4 kondisi bilangan reproduksi dasar pada kasus 1

----- S(t) ----- V(t) ----- I(t) ----- R(t)

Gambar 5 Dinamika populasi S, V, I dan R ketika atau pada penyakit campak

1  0 1  
dengan sehingga .
  0,00002 R0c  0.564721  1

----- S(t) ----- V(t) ----- I(t) ----- R(t)

Gambar 6 Dinamika populasi S, V, I dan R Kasus ketika atau pada penyakit campak
1  0 1  
dengan sehingga
  0,00001 R0c  1.15263  1

Pada gambar 4, terlihat bahwa akan stabil turun Pada gambar 5, dengan sehingga
R0c   0,00002
menuju ke nol. Jika maka akan diperoleh nilai terlihat bahwa kurva R stabil naik menuju
R0c  1 R0c  0.564721  1

kritis , sehingga agar maka . ke 0.8 dan kurva S akan turun stabil dari nilai awal 0.3
 0  0.0000183787 R0c  1   0 menuju titik tetapnya 0.2, kurva V turun stabil menuju
Karena akan terus turun menuju nol seiring dengan nol begitu juga dengan kurva I. Sedangkan pada gambar
R0c 6 ketika , akan berlaku hal yang sama
R0c  1.15263  1
nilai yang semakin besar, maka dapat disimpulkan
 dengan gambar 5. Hal ini terjadi over evaluating karena
penyakit bisa diberantas dengan strategi vaksinasi kemungkinan individu yang divaksinasi terinfeksi dan
kontinu. waktu bagi individu yang divaksinasi mendapatkan
kekebalan diabaikan.

Kasus 2. dan terbatas vaksinasi mendapatkan kekebalan terbatas dan akan

1  0 1 terdapat dua kemungkinan yaitu
1   1 dan 1   1.
Pada kasus 2, diasumsikan individu yang
divaksinasi akan terinfeksi atau laju individu yang di Kemungkinan 1
 dan
1  0.5  0.1075  1  0.1

--- --- ---

R2 R0c R0

Gambar 7 kondisi bilangan reproduksi dasar pada kasus 2 ( ).

1   1

--- --- ---

R2  1 c
R
0
R0

Gambar 8 kondisi bilangan reproduksi dasar untuk memberantas penyakit pada kasus 2 ( ).
1   1

Pada gambar 7, pada saat nilai yang semakin nilai kritis seperti yang terlihat
  0  0.00001710638555
besar, akan stabil turun menuju ke . Hal ini berarti
R0c R2 pada gambar 8. Sehingga haruslah minimal
0.001710638555% dari populasi rentan harus
adalah kondisi yang diperlukan untuk memberantas divaksinasi setiap hari dengan strategi vaksinasi kontinu
R2
agar penyakit campak bisa diberantas.
penyakit. Jika dimisalkan maka akan diperoleh
R2  1 Kemungkinan 2
dan
1  0.25  0.0525  1  0.1

--- --- ---

R2  1 R c
0 R0

Gambar 9 kondisi bilangan reproduksi dasar pada kasus 2 ( ).

1   1

Pada gambar 9 ketika , terlihat bahwa nilai untuk terinfeksi lebih kecil dari kemungkinan individu
1   1 yang divaksinasi mendapatkan kekebalan, terjadi
kritis agar penyakit bisa diberantas adalah peningkatan efikasi vaksin sehingga akan mereduksi
yang lebih kecil dari nilai kritis nilai kritis yang diperlukan untuk memberantas
 0  0.00001710409246 penyakit.
ketika . Hal ini berarti
 0  0.00001710638555 1   1 KESIMPULAN
bahwa ketika kemungkinan individu yang divaksinasi
 Dinamika sistem ini sepenuhnya bergantung
pada bilangan reproduksi dasar. Ketika bilangan
reproduksi dasarnya kurang dari satu maka titik tetap
bebas penyakit akan stabil asimtotik yang berarti bahwa
penyakit tidak akan menyebar dalam populasi atau pada
akhirnya penyakit akan hilang dari populasi. Jika
bilangan reproduksi dasarnya lebih dari satu maka titik
endemik akan stabil asimtotik yang berarti bahwa
penyakit akan tetap ada dan menyebar dalam populasi.
Dari analisis matematis terhadap pengaruh
strategi vaksinasi kontinu, vaksinasi bermanfaat untuk
mengendalikan penyebaran penyakit yaitu dengan
mereduksi bilangan reproduksi dasarnya dan mungkin
menurunkan fraksi individu yang terinfeksi pada tahap
endemik. Tetapi, akan terjadi over evaluating ketika
diabaikannya waktu bagi penerima vaksin mendapatkan
kekebalan atau terinfeksi.
Selanjutnya, dari hasil simulasi validitas kondisi
yang dibutuhkan bergantung pada kemungkinan
individu yang divaksinasi terinfeksi kecil atau waktu
bagi individu yang divaksinasi untuk mendapatkan
kekebalan singkat. Dengan kata lain semakin tinggi
efikasi vaksin maka akan mereduksi kondisi yang
diperlukan untuk memberantas penyakit.
Dari hasil simulasi, didapatkan nilai kritis
minimum laju individu rentan yang harus divaksinasi.
Nilai kritis ini akan lebih kecil jika kemungkinan
individu yang divaksinasi terinfeksi lebih kecil dari
waktu rata-rata individu yang divaksinasi mendapatkan
kekebalan.
DAFTAR PUSTAKA
.Alexander, M.E., Bowman, C., Moghadas, S.M.,
Summers, R., Gumel, A.B., Sahai, B.M., 2004. A
Vaccination Model for Transmission Dynamics of
Influenza. SIAM J. Appl. Dyn. Syst. 3, 503-524
Arino, J., Mccluskey, C.C., van den Driessche, P., 2003.
Global results for an epidemic model with
vaccination that exhibits backward bifurcation.
SIAM J. Appl. Math. 64, 260–276.
Depkes RI. 2007. Peta Kesehatan Indonesia 2007.
Diakses melalui
http://www.depkes.go.id/downloads/publikasi/Peta
%20Kesehatan%202007.pdf pada tanggal 4
November 2011.
d’Onofrio, A., Manfredi, P., Salinelli, E., 2007.
Vaccinating behaviour, information, and the
dynamics of SIR vaccine preventable diseases.
Theor. Popul. Biol. 71, 301–317
Hethcote, HW., 2000. The mathematics of infectious
diseases. SIAM rev.42. 599-653
Kribs-Zaleta, C.M., Velasco-Hernandez, J.X., 2000. A
simple vaccination model with multiple endemic
states. Math. Biosci. 164,183–201.
Kribs-Zaleta, C.M., Martcheva, M., 2002. Vaccination
strategies and backward bifurcation in na age-since-
infection structured model.Math. Biosci. 177&178,
317–332.
Scheined-Schaulies, S. 1999. Pathogenic aspects of
measles virus infections. Arch Virol Suppl, 15, 139-
158
Shim, E., 2006. A note on epidemic models with
infective immigrants and vaccination. Math.Eng.3,
557-566
Xianning, L., Yasuhiro, T., Shingo, I., 2007. SVIR
models with vaccination strategies. Shiuzuka
University, Hammamatsu 432-9561,Japan