Probabilitas Puncak Epidemi Model Rantai Markov Dengan Waktu Diskrit Susceptible Infected Susceptible (Sis)

  

commit to user

  PROBABILITAS PUNCAK EPIDEMI MODEL RANTAI MARKOV DENGAN WAKTU DISKRIT

  SUSCEPTIBLE INFECTED SUSCEPTIBLE (SIS)

  oleh

  IQROK HENING WICAKSANI M0109038 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar

  Sarjana Sains Matematika JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET SURAKARTA

  2014 commit to user

  HALAMAN PENGESAHAN PROBABILITAS PUNCAK EPIDEMI MODEL RANTAI MARKOV DENGAN WAKTU DISKRIT

  SUSCEPTIBLE INFECTED SUSCEPTIBLE (SIS)

  yang disiapkan dan disusun oleh

  IQROK HENING WICAKSANI M0109038 dibimbing oleh

  Pembimbing I Pembimbing II Dra. Purnami Widyaningsih, M.App.Sc. Sri Kuntari, M.Si.

  NIP. 19620815 198703 2 003 NIP. 19730225 199903 2 001 telah dipertahankan di depan Dewan Penguji pada hari Kamis, 20 Maret 2014 dan dinyatakan telah memenuhi syarat.

  Anggota Tim Penguji Tanda Tangan 1. Drs. Isnandar Slamet, M.Sc. Ph.D. 1. ................................

  NIP. 19660328 199203 1 001 2. Putranto Hadi Utomo, S.Si., M.Si. 2. ................................ NIP. 19860907 201212 1 002

  Surakarta, Mei 2014 Disahkan oleh Fakultas Matematika dan Ilmu Pengetahuan Alam

  Dekan Ketua Jurusan Matematika Prof. Ir. Ari Handono Ramelan, M.Sc(Hons), Ph.D. Irwan Susanto, S.Si., DEA.

  NIP. 19610223 198601 1 001 NIP. 19710511 199512 1 001

ABSTRAK

  Iqrok Hening Wicaksani. 2014. PROBABILITAS PUNCAK EPIDEMI MODEL RANTAI MARKOV DENGAN WAKTU DISKRIT SUSCEPTIBLE

  INFECTED SUSCEPTIBLE (SIS ). Fakultas Matematika dan Ilmu Pengetahu- an Alam. Universitas Sebelas Maret.

  Masalah penyebaran penyakit dapat dijelaskan dengan menggunakan mo- del matematika. Model matematika yang menggambarkan penyebaran penyakit dengan karakteristik setiap individu yang telah sehat, rentan terinfeksi kembali adalah model epidemi susceptible infected susceptible (SIS). Penyebaran penyakit dapat dipandang sebagai kejadian random yang bergantung pada variabel waktu, sehingga merupakan proses stokastik. Penyebaran penyakit dengan karakteristik SIS ditinjau dalam selang waktu diskrit dapat disajikan menggunakan model rantai Markov dengan waktu diskrit SIS.

  Tujuan penelitian ini adalah menurunkan ulang probabilitas puncak epide- mi. Metode yang digunakan adalah kajian pustaka. Probabilitas puncak epidemi secara matematis diperoleh dari komplemen probabilitas berhentinya epidemi. Hasil penelitian menunjukkan bahwa probabilitas puncak epidemi dipengaruhi oleh laju penularan

  β, laju kesembuhan γ, laju kelahiran b, dan individu awal

  yang terinfeksi I (0). Terlihat bahwa jika laju penularan lebih besar dari jum- lahan laju kelahiran dan laju kesembuhan maka puncak epidemi dimungkinkan terjadi, namun jika laju penularannya kurang dari atau sama dengan jumlahan laju kelahiran dan laju kesembuhan maka puncak epidemi tidak dimungkinkan terjadi. Selanjutnya dilakukan penerapan terhadap model rantai Markov dengan waktu diskrit SIS pada penyakit pertusis, untuk memberikan gambaran yang lebih jelas mengenai perilaku parameter yang berpengaruh terhadap probabili- tas puncak epidemi. Simulasi memperjelas bahwa semakin besar laju penularan dan individu awal yang terinfeksi probabilitas puncak epidemi semakin tinggi. Semakin besar laju kesembuhan dan laju kelahiran probabilitas puncak epidemi semakin rendah.

  Kata kunci : probabilitas puncak epidemi, proses percabangan, model rantai

  Markov dengan waktu diskrit, model SIS

  

commit to user

ABSTRACT

  Iqrok Hening Wicaksani. 2014. PROBABILITY OF AN OUTBREAK DISCRETE TIME MARKOV CHAIN SUSCEPTIBLE INFECTED SUSCEPTIBLE (SIS) MODEL. Faculty of Mathematics and Natural Sciences, Sebelas Maret Uni- versity.

  Disease outbreak problems can be approached through mathematical mo- dels. When each individual can be reinfected then susceptible infected susceptible (SIS) epidemic model is the suitable model. Since spreading of disease can be considered as random event, therefore this process called stochastic process. The changes of the number of infected individual is a stochastic process in discrete time interval. Furthermore, the epidemic model can be explained as discrete time Markov chain SIS epidemic model.

  The purpose of this research is to determine probability of an outbreak at discrete time Markov chain SIS model. The probability of an outbreak is mathematically obtained by complement of probability of extinction. It can be noted that the probability of an outbreak depends on contact rate

  β, recovery

  rate

  γ, birth rate b, and initial number of infected I (0). From the result if the

  value of

  β is larger than the sum of γ and b, probability of an outbreak will

  happen. However if

  β less than or equivalent to sum of γ and b, probability of

  an outbreak does not happen. The results of simulation show that the greater value of contact rate and initial number of infected, the higher probability of an outbreak. On the other hand the greater value of recovery rate and birth rate, the lower of probability of an outbreak.

  Keywords: Probability of an outbreak, branching process, DTMC model, SIS model

  

commit to user

KATA PENGANTAR

  

commit to user

  Segala puji dan syukur penulis panjatkan kepada Allah SWT yang telah melimpahkan rahmat dan hidayah-Nya, sehingga penulis dapat menyelesaikan skripsi ini. Penulis menyadari bahwa dalam penulisan skripsi ini tidak lepas dari bantuan, dorongan, serta bimbingan berbagai pihak. Oleh karena itu penulis ingin mengucapkan terima kasih kepada

  1. Dra. Purnami Widyaningsih, M.App.Sc. sebagai Pembimbing I yang telah memberikan bimbingan dan arahan baik penulisan skripsi maupun dalam hal penurunan model rantai Markov dengan waktu diskrit SIS dan simulasi,

  2. Sri Kuntari, M.Si. sebagai Pembimbing II yang telah memberikan bim- bingan dan arahan baik penulisan skripsi maupun materi maupun dalam hal penurunan model rantai Markov dengan waktu diskrit SIS,

  3. Dra. Respatiwulan, M.Si. yang telah memberikan masukan dan saran dalam diskusi skripsi, dan

  4. Ina Lailatur Wulanjari, Eski Shintawati, dan Luk Luk Al fiana atas kerjasa- ma dan masukan yang diberikan dalam pengerjaan skripsi.

  Semoga skripsi ini dapat bermanfaat.

  Surakarta, Maret 2014 Penulis commit to user PERSEMBAHAN

  Sebuah karya sederhana ini kupersembahkan untuk orang tua atas doa, semangat, dan dukungan yang diberikan selama ini.

DAFTAR ISI

  HALAMAN JUDUL . . . . . . . . . . . . . . . . . . . . . . . . . . . . i HALAMAN PENGESAHAN . . . . . . . . . . . . . . . . . . . . . . . ii ABSTRAK . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . iii ABSTRACT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . iv KATA PENGANTAR . . . . . . . . . . . . . . . . . . . . . . . . . . . v PERSEMBAHAN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . vi DAFTAR ISI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . viii DAFTAR GAMBAR . . . . . . . . . . . . . . . . . . . . . . . . . . . . ix

  I PENDAHULUAN 1 1.1 Latar Belakang . . . . . . . . . . . . . . . . . . . . . . . . . . . .

  1 1.2 Perumusan Masalah . . . . . . . . . . . . . . . . . . . . . . . . .

  2 1.3 Tujuan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

  2 1.4 Manfaat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

  3 II LANDASAN TEORI 4 2.1 Tinjauan Pustaka . . . . . . . . . . . . . . . . . . . . . . . . . . .

  4 2.2 Teori Penunjang . . . . . . . . . . . . . . . . . . . . . . . . . . . .

  5 2.2.1 Proses Stokastik . . . . . . . . . . . . . . . . . . . . . . . .

  5 2.2.2 Proses Markov . . . . . . . . . . . . . . . . . . . . . . . .

  5 2.2.3 Model Rantai Markov dengan Waktu Diskrit SIS . . . . .

  6 2.2.4 Proses Percabangan . . . . . . . . . . . . . . . . . . . . . .

  8 2.3 Kerangka Pemikiran . . . . . . . . . . . . . . . . . . . . . . . . .

  9 III METODE PENELITIAN 10 vii

  

commit to user

  

commit to user

  IV PEMBAHASAN 11 4.1 Probabilitas Berhentinya Epidemi . . . . . . . . . . . . . . . . . .

  11 4.2 Probabilitas Puncak Epidemi . . . . . . . . . . . . . . . . . . . .

  17 4.3 Penerapan dan Simulasi . . . . . . . . . . . . . . . . . . . . . . .

  17 V PENUTUP 24 5.1 Kesimpulan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

  24 5.2 Saran . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

  24 DAFTAR PUSTAKA

  25

  

commit to user

DAFTAR GAMBAR

  dan

  β = 0.4, γ = 0.04, b = 0.1,

  4.5 Banyaknya individu terinfeksi dengan

  dan b = 0.05, 0.1, 0.15 pada selang waktu 0 ≤ t ≤ 120 22

  β = 0.4, γ = 0.04, I (0) = 1,

  4.4 Banyaknya individu terinfeksi dengan

  21

  ≤ t ≤ 120 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

  γ = 0.01, 0.04, 0.07, pada selang waktu 0

  β = 0.4,b = 0.1, I (0) = 1,

  4.1 Banyaknya individu terinfeksi dengan

  4.3 Banyaknya individu terinfeksi dengan

  ≤ t ≤ 120 20

  β = 0.35, 0.4, 0.45, pada selang waktu 0

  dan

  γ = 0.04, b = 0.1, I (0) = 1,

  4.2 Banyaknya individu terinfeksi dengan

  dan I (0) = 1, pada selang waktu 0 ≤ t ≤ 120 . . . . 19

  β = 0.4, γ = 0.04, b = 0.1,

  dan I (0) = 1, 6, 11 pada selang waktu 0 ≤ t ≤ 120 . 23