APLIKASI METODE MATRIKS GENERASI DALAM MENENTUKAN NILAI MATEMATIKA PENYEBARAN VIRUS HIV/AIDS
MODEL
Septiangga Van Nyek Perdana Putra1), Kasbawati2), Syamsuddin Toaha3) 1)
Mahasiswa Jurusan Matematika, Universitas Hasanuddin, Jalan Perintis Kemerdekaan Km. 10 Makassar, kode Pos 90245 2) , 3) Dosen Jurusan Matematika, Fakultas MIPA, Universitas Hasanuddin, Jalan Perintis Kemerdekaan Km. 10 Makassar, kode Pos 90245
solusi eksak (analitik) dari model-model matematika yang diperolah dari masalah nyata. Salah satu masalah yang dapat dimodelkan dengan persamaan diferensial adalah penyebaran virus HIV/AIDS. [2] Penyebaran virus HIV/AIDS telah menjadi pandemi pada populasi manusia. Untuk mengontrol penyebaran virus HIV/AIDS, dilakukan analisis kestabilan. Dengan menggunakan software Maple perilaku penyebaran virus HIV/AIDS dapat digambarkan melalui simulasi numerik dengan nilainilai parameter yang berbeda.
ABSTRAK AIDS merupakan penyakit yang disebabkan oleh virus HIV yang menimbulkan pandemi pada manusia. Model SIPTA digunakan untuk menjelaskan interaksi antara populasi manusia susceptible (S) terhadap populasi manusia infected (I), Pre-AIDS (P), Treatment (T), dan AIDS (A). Interaksi tersebut kemudian dimodelkan dalam bentuk sistem persamaan diferensial. Titik kesetimbangan model meliputi titik kesetimbangan bebas penyakit dan titik kesetimbangan endemi. Hasil analisis kestabilan menunjukkan bahwa kestabilan pada sistem dipengaruhi nilai bilangan reproduksi dasar . Ketika maka titik kesetimbangan bebas penyakit stabil, ketika titik kestimbangan endemi stabil. Tingkat sensitivitas dari dipengaruhi oleh beberapa parameter. Nilai dari akan monoton turun ataupun monoton naik tergantung pada besar nilai parameter pasangan seksual dan kontak seksual. Untuk mereduksi penyebaran virus HIV/AIDS, parameter yang harus dikendalikan adalah parameter pasangan seksual dan juga laju interaksi kontak seksual.
Dalam Gambar 1.1, diberikan diagram kompartemen dari penyebaran virus HIV/AIDS yang dimodelkan (Narasimhamurthy dan Leelavathy, 2012).
Kata kunci: HIV/AIDS, Model Matematika, Analisis Kestabilan, Matriks Generasi, Simulasi Numerik. 1.
PENDAHULUAN Perkembangan dan kemajuan dunia modern saat ini tidak bisa dipisahkan dari matematika. Hampir seluruh aktivitas manusia berkaitan dengan matematika. Matematika digunakan dalam bidang ilmu pengetahuan alam, rekayasa medis dan ilmu pengetahuan sosial seperti ekonomi dan psikologi. Peran matematika pada masalah kehidupan seharihari maupun pada ilmu-ilmu lain disajikan dalam pemodelan matematika. Representasi matematika yang dihasilkan dari pemodelan matematika di kenal sebagai model matematika.[1] Dalam model-model matematika seringkali ditemui persamaan diferensial. Persamaan diferensial merupakan cabang dari matematika yang berperan dalam pengenalan konsep dan pemecahan masalah yang berkaitan dengan dunia nyata. Kebanyakan masalah-masalah yang muncul di dalam persamaan diferensial adalah bagaimana menemukan
Gambar 1.1. Diagram kompartemen penyebaran virus HIV/AIDS. 2. TINJAUAN PUSTAKA 2.1 Virus HIV/AIDS Virus HIV membutuhkan waktu sekitar 5-10 tahun sampai menjadi AIDS. Selama kurun waktu tersebut, ada beberapa tahapan infeksi hingga HIV kemudian berkembang menjadi AIDS. Tahapan-tahapan perkembangan HIV yaitu : 1. Tahap Pertama (Periode Jendela) 2. Tahap Kedua (Perkembangan virus) 3. Tahap Ketiga (Penurunan sistem imun). 4. Tahap Keempat (AIDS).
1
2.2 Model Epidemologi Pada tahun 1927, Kermack dan Mc Kendrick membuat sebuah perumusan model sederhana, yang diprediksi sangat mirip dengan keadaan yang diamati pada banyaknya epidemik. Model Kermack dan McKendrick adalah model kompartemen yang didasarkan pada asumsi sederhana dengan laju yang berbeda antar kelas dari suatu populasi. Untuk model epidemik, populasi dibagi ke dalam 3 kompartemen yaitu, S, I dan R. S menunjukkan jumlah individu yang susceptible (sub populasi yang rentan terkena penyakit). I menunjukkan jumlah individu yang infected (sub populasi yang terjangkiti virus dapat menyebarkan virus tersebut). R menunjukkan jumlah individu recovered (sub populasi yang telah sembuh dari penyakit). Adapun contoh-contoh model epidemiologi yaitu : Model SI, pada model ini individu yang terinfeksi tidak dapat di sembuhkan. S
̇
)
̇ ( ) Sistem persamaan di atas dapat ditulis sebagai ( ) ( ̇ dengan ( )
Definisi 2 Diberikan sistem persamaan diferensial linier ̇ ̇
I ̇ sistem persamaan di atas dapat ditulis dalam bentuk ( ) ̇ dimana B adalah matriks berukuran , yaitu
Model SIS, pada model ini individu yang terinfeksi sembuh tapi tidak memiliki kekebalan imun setelah sembuh. S
I [
Gambar 2.2 Diagram kompartemen SIS
I
]
Suatu sistem persamaan diferensial dikatakan nonlinier apabila sistem tersebut tidak dapat dinyatakan dalam bentuk sistem ( ).
Model SIR, pada model ini individu yang terinfeksi sembuh dengan kekebalan imun yang tetap sehingga individu tidak akan terinfeksi kembali.
S
)
( ) dan kondisi awal ( ) ( ) maka ( ) merupakan solusi sistem ( ) notasi yang di mulai dari .
Gambar 2.1 Diagram kompartemen SIR
(
2.4 Titik Ekuibilirium Titik ekuilibirium adalah suatu kondisi dari suatu sistem yang tidak berubah terhadap waktu. Definisi 3 Sebuah titik ̅ ̅ dikatakan titik ekuilibrium sistem ( ) jika memenuhi ( ̅ ) .
R
Gambar 2.3 Diagram kompartemen SIR
( Definisi 4 Diberikan fungsi pada sistem ( ). Maka matriks J dari fungsi titik ̅, yaitu
2.3 Persamaan Diferensial Persamaan diferensial adalah persamaan matematika untuk fungsi satu variabel atau lebih, yang menghubungkan nilai fungsi itu sendiri dan turunannya dalam berbagai orde. Persamaan diferensial memegang peranan penting dalam rekayasa, fisika, medis dan berbagai macam disiplin ilmu lainnya.
(
Definisi 1 Diberikan sistem persamaan diferensial ̇ ( )
2
(̅)
(̅)
(̅)
(̅)
(̅)
(̅)
(̅)
(̅)
(̅)
)
) di
Matriks J merupakan metode yang umumnya digunakan untuk mendapatkan bentuk linier dari sistem nonlinier di sekitar titik ekuilibrium sistem. Matriks tersebut dikatakan bentuk linier dari sistem ( ) di sekitar titik ̅ ketika ̇ .
terdiferensialkan secara kontinu paling sedikit dua kali dalam setiap variabel. Akibatnya model penyebaran penyakit dapat dinyatakan dengan sistem persamaan berikut : ( ) ( ) ( ) ( )
Definisi 5 Jika A adalah matriks , maka vektor tak nol di dinamakan vektor eigen dari A. Jika Ax adalah kelipatan skalar dari x yakni
Fungsi ( ) memenuhi asumsi-asumsi (A1 – A5) berikut. (A1) Karena setiap fungsi mewakili perpindahan langsung pada individu-individu, maka semua variabel bernilai tak negatif. Dengan demikian, jika maka untuk i = 1, 2, ..., n. (A2) Jika suatu kompartemen kosong, maka tidak ada perpindahan individu keluar dari kompartemen, baik melalui kematian, infeksi, maupun dengan cara lain. Dengan demikian, jika maka . Secara khusus, jika maka untuk i = 1, 2, ..., m. (A3) Infeksi pada kompartemen tak terinfeksi adalah nol, yaitu jika i > m. (A4) Untuk memastikan bahwa sub ruang bebas penyakit adalah invarian, diasumsikan bahwa jika populasi bebas dari penyakit maka selamanya populasi akan tetap bebas dari penyakit. Artinya tidak ada imigrasi individu yang terinfeksi. Jika maka ( ) ( ) dan untuk i = 1, 2, ..., m. (A5) Kondisi selanjutnya didasarkan pada turunan disekitar titik kesetimbangan tak endemik (bebas penyakit). Untuk tujuan ini, didefinisikan titik kesetimbangan tak endemik (2.3) menjadi titik kesetimbangan yang stabil dari model bebas penyakit, dengan kata lain (2.3) terbatas ke . Anggap suatu populasi di sekitar titik kesetimbangan tak endemik . Jika populasi tetap di sekitar titik kesetimbangan endemik, maka populasi akan kembali ke titik kesetimbangan tak endemik berdasarkan sistem linear. ( )( ), ( )
untuk suatu skalar yang dinamakan eigen value (nilai eigen) dari A dan x dikatakan vektor eigen (eigen vector) yang bersesuaian dengan . Untuk mencari nilai eigen dari matriks A dapat di tuliskan kembali Karena I suatu matriks identitas jadi memiliki nilai yang sama dengan dan ekuivalen dengan ( ) sehingga diperoleh persamaan karakteristik dari matriks A, yaitu ( ) . Definisi 6 Polinomial karakteristik dari matriks A adalah ( ). Yang di definisikan sebagai ( ) ( ) .] 2.5 Kestabilan Titik Kesetimbangan Kestabilan titik kesetimbangan ̅ dapat ditentukan dengan memperhatikan nilai-nilai eigen dari persamaan karakteristik matriks J. Definisi 7 Diberikan matriks jakobian dari sistem ( ) dengan nilai eigen . Dari nilai eigen ini akan dilihat bahwa sistem akan 1. Stabil, jika a. untuk setiap i, b. untuk sebarang j, . 2. Tidak stabil, jika terdapat paling sedikit satu nilai eigen matriks bernilai positif . 2.6 Matriks Generasi dan Bilangan Reproduksi Dasar Misalkan ( ) menyatakan laju kemunculan infeksi baru dalam kompartemen i, ( ) menyatakan laju perpindahan individu ke dalam kompartemen i, dan ( ) menyatakan laju perpindahan individu keluar dari kompartemen i. Perhatikan bahwa terdiri dari infeksi baru dari susceptible dan recovered sedangkan mencakup perpindahan individu-individu terinfeksi dari satu kompartemen terinfeksi ke kompartemen yang lain. Hal ini diasumsikan bahwa setiap fungsi
dengan ( ) adalah turunan [ ] pada titik kesetimbangan tak endemik. Bentuk tersebut disebut sebagai matriks Jacobi. Perhatian dibatasi untuk sistem di mana titik kesetimbangan bebas penyakit stabil dalam ketiadaan infeksi baru. Artinya, ( ) himpunan bernilai nol maka jika semua nilai eigen ( ) memiliki bagian riil yang negatif.
3
sebuah matriks diagonal. Batas spektral dari matriks ( )+, A ditunjukkan oleh ( ) * dengan adalah bagian real dari , sedangkan
Lemma 2.1. Jika adalah suatu titik kesetimbangan bebas penyakit dari (2.3) dan ( ) memenuhi (A1) – ( ) dapat dipartisi (A5) maka ( ) dan menjadi ( ) ( )
(
dengan F dan didefinisikan oleh [
(
( ) ‖ ‖ menyatakan radius spektral dari A. Sesuai pembahasan Diekmaan dkk (1990), didapatkan hasil , ( ) ( ) atau, ( ) ( ) Bilangan reproduksi dasar dinyatakan sebagai ( ) ( ) yaitu nilai eigen dominan dari matriks next generation .
),
), adalah matriks m x m yang
( )]
[
( )]
Matriks F adalah matriks tak negatif, dan matriks adalah M-matriks tak singular. Misalkan F dan adalah matriks yang memenuhi Lemma 2.1, maka adalah matriks next generation untuk model yang didefinisikan (2.3). Anggap suatu individu terinfeksi yang diperkenalkan ke dalam kompartemen k dari suatu populasi bebas penyakit. menyatakan rata-rata panjang waktu yang dibutuhkan individu dalam kompartemen j selama waktu hidupnya, asumsikan bahwa populasi tetap di sekitar titik kesetimbangan bebas penyakit dan menghalangi infeksi kembali. F menyatakan laju individu terinfeksi pada kompartemen j yang menghasilkan infeksi baru pada kompartemen i. Akibatnya, menyatakan nilai harapan infeksi baru pada kompartemen i yang dihasilkan oleh individu terinfeksi mula-mula yang diperkenalkan ke dalam kompartemen k. Misalkan diberikan suatu model epidemik, yang secara umum dituliskan sebagai berikut : (
)
(
)
(
)
(
)
(
)
(
)
2.7 Model Epidemologi Virus HIV/AIDS Model SI digunakan untuk menggambarkan penyebaran virus HIV/AIDS. Hal ini dikarenakan individu yang telah terjangkit HIV/AIDS tidak dapat disembuhkan. Namun pada kasus HIV/AIDS terdapat beberapa tahapan sebelum HIV berubah menjadi AIDS, beberapa tahapan itulah yang disebut sebagai P (Pre-AIDS). Individu yang terjangkit HIV/AIDS memang tidak dapat disembuhkan, namun dapat diiberikan perawatan guna menekan laju perkembangan virus HIV sebelum menjadi AIDS, tahap perawatan inilah yang disebut sebagai T (Treatment). Setelah individu yang terinfeksi virus HIV melewati tahap Pre-AIDS serta mendapatkan perawatan ataupun tidak mendapatkan perawatan, maka individu tersebut akan mengidap penyakit AIDS. Sehingga dalam penggambaran penyebaran virus HIV/AIDS ditambahkan tiga buah kompartemen baru yaitu, kompartemmen P (PreAIDS), T (Treatment), dan A (AIDS). Untuk bentuk diagram kompartemenya, dapat dilihat seperti pada Gambar 1.1. Kondisi awal dari penyebaran virus HIV/AIDS adalah S(0) = S0, I(0) = I0, P(0) = P0, T(0) = T0, dan A(0) = A0. Untuk menyederhanakan model tersebut, diasumsikan pasien wanita penderita AIDS dan juga dalam kompartemen Pre-AIDS terisolasi dan tidak akif secara seksual. Oleh sebab itu, mereka tidak mampu untuk menghasilkan anak, dengan kata lain ( ) ( ) . Selain itu, mereka diasumsikan tidak berkontribusi dalam penyebaran viral RNA secara horisontal, dengan kata lain dapat diabaikan. Dimisalkan pula (Naresh dkk., 2006). Dengan melihat asumsi diatas, maka kita dapat menuliskan sistem persamaannya menjadi :
Dengan ( ) Komponen X memuat subpopulasi individu yang susceptible atau sembuh (recover). Komponen Y memuat subpopulasi individu yang terinfeksi (dalam masa inkubasi). Dan Komponen Z memuat subpopulasi individu yang terinfeksi dan dapat mentransmisikan penyakit (dalam masa menular). ( ) Misalkan adalah titik ) equilibrium yang bebas penyakit, maka ( ( ) ( ) . Diasumsikan ( ) yang secara implisit fungsi ( ( ) ), yang ( ). Misalkan diasumsikan dapat dituliskan dalam bentuk , dengan ( ) dan adalah
(
4
)
(
(
)
)(
)
(
) (
(
) (
(
)
)
(
)
(
)
: Bagian dari (treatment).
KESIMPULAN Berdasarkan hasil analisis yang dilakukan, diperoleh kesimpulan sebagai berikut:
) (
yang mendapatkan perawatan
Pada model penyebaran virus HIV/AIDS terdapat dua titik kesetimbangan yaitu ( ). Dengan ( ) dan menggunakan metode matriks generasi didapatkan nilai , yaitu:
)
Populasi N dapat dirumuskan
( (
)( ) (
) )(
)
(
dengan
) (
) (
)(
)
Ketika maka titik kesetimbangan bebas penyakit ( ) stabil atau tidak terjadi endemik, dan ketika maka titik kesetimbangan endemi ( ) stabil atau terjadi endemik. Tingkat sensitivitas dari dipengaruhi oleh beberapa parameter. Nilai dari akan monoton turun ataupun monoton naik tergantung pada besar nilai parameter pasangan seksual ( ) dan kontak seksual ( ) pada kompartemen i dan kompartemen h. Sehingga untuk mereduksi penyebaran virus HIV/AIDS, parameter yang harus dikendalikan adalah parameter pasangan seksual ( ) dan juga laju interaksi kontak seksual ( ).
N: Jumlah individu dalam populasi. S: Jumlah individu yang sehat dan rentan terhadap penyakit. I: Jumlah individu yang ternfeksi. P: Jumlah individu yang terinfeksi dan dalam masa Pre-AIDS. T: Jumlah individu yang terinfeksi dan dalam masa perawatan (treatment). A: Jumlah individu yang teinfeksi HIV dan telah mengidap AIDS. : Laju perekrutan kedalam populasi yang rentan. C: Rata-rata banyaknya pasangan seksual per satuan waktu. : Laju perpindahan virus dari individu yang terinfeksi. : Laju interaksi individu rentan dengan individu yang terinfeksi penyakit yang dapat mengakibatkan penularan penyakit (kontak seksual). : Laju kelahiran baru yang terinfeksi HIV. : Proporsi kelahiran baru yang terinfeksi HIV dan mati seketika ketika dilahirkan. : Laju kematian kelas susceptible. : Laju kematian kelas Infected. : Laju kematian kelas Pre-AIDS. : Laju kematian kelas Treatment. : Laju kematian kelas AIDS. : Laju kematian yang disebabkan oleh AIDS. : Bagian dari yang masuk ke dalam kelas PreAIDS. : Laju peprindahan dari kelas Pre-AIDS menuju kelas AIDS. : Bagian dari yang masuk kedalam kelas perawatan (treatmet). : Laju perpindahan dari kelas AIDS menuju kelas perawatan (treatment). : Laju perpindahan dari kelas perawatan (treatment) menuju kelas AIDS.
DAFTAR PUSTAKA 1.
2.
3.
4.
5
Diekmann, O., Heesterbeek, J. A. P., Metz, J. A. J. 1990. On the definition and the computation of the basic reproduction ratio in models for infectious diseases in heterogeneous populations. J. Math. Biol., Vol. 28, pp. 365-382. Castillo-Chaves, C., Fheng, Z., Huang, W. 2002. On the computation of and its role on global stability. The IAM volume in Mathematics an its Application. Vol. 125, pp. 229-251. Narasimhamurthy, B. D. M. B., Leelavathy, K. M. B. 2012. Mathematical model approach to HIV/AIDS transmission from mother to child. IJSTR. Vol. 1, ISSUE 9. Wang, J., Liang, B. 2011. Progress on research for the treatment of HIV/AIDS with traditional chinese medicine in China. Wrold journal of AIDS. Vol. 1, pp. 104-109.
5.
Fred, B., Castillo-Chaves, C., 2000, Mathematical models in population biology and epidemiology, Spinger, Vancouver, B.C., Canada. 6. National AIDS Control Organisation, Ministry of Health and Family Welfare. 2007. Guidelines for HIV Testing. 7. Anderson, R.M., Medly G.F., May R.M., Johnson, A.M 1998, A preliminary study of the transmission dynamics of the human immunodeficiency virus (HIV), the causative agent of AIDS, IMA J. Math. Appl. Med. Biol. Vol. 3, pp. 229-263. 8. HIV transmission and Prevention. Policy Fact. AVERT (2016). Sumber : http://www.avert.org/hiv-transmissionprevention. Diakses 06 Januari 2016. 9. Antiretroviral treatment for HIV. Policy Fact. AVERT(2016), HIV treatment. Sumber : http://www.avert.org/living-withhiv/antiretroviral-treatment. Diakses 06 Januari 2016. 10. WHO, 2015. HIV/AIDS. Sumber : http://www.who.int/mediacentre/factsheets/fs360/en/ . Diakses 06 Januari 2016.
6
7