ANALISIS KESTABILAN MODEL MATEMATIKA IMMUNOTERAPI BCG PADA KANKER KANDUNG KEMIH

dokumen-dokumen yang mirip
IV HASIL DAN PEMBAHASAN

BAB II LANDASAN TEORI. selanjutnya sebagai bahan acuan yang mendukung tujuan penulisan. Materi-materi

BAB I PENDAHULUAN Latar Belakang Masalah

BAB III HASIL DAN PEMBAHASAN. ekuilibrium bebas penyakit beserta analisis kestabilannya. Selanjutnya dilakukan

BAB II LANDASAN TEORI. eigen dan vektor eigen, persamaan diferensial, sistem persamaan diferensial, titik

ANALISIS DINAMIK MODEL EPIDEMI SIRS DENGAN MODIFIKASI TINGKAT KEJADIAN INFEKSI NONMONOTON DAN PENGOBATAN

BAB I PENDAHULUAN. kematian nomor tujuh di Indonesia dengan persentase 5,7 persen dari keseluruhan

ANALISIS MODEL MATEMATIKA TENTANG PENGARUH KEMOTERAPI TERHADAP DINAMIK PERTUMBUHAN SEL TUMOR DAN SEL NORMAL

BAB 2 TINJAUAN PUSTAKA

PEMODELAN MATEMATIKA DAN ANALISIS KESTABILAN MODEL PADA PENYEBARAN HIV-AIDS

Model Matematika Terapi Gen untuk Perawatan Penyakit Kanker

PEMODELAN MATEMATIKA DAN ANALISIS KESTABILAN LOKAL PADA PERUBAHAN POPULASI PENDERITA DIABETES MELITUS

MODEL MATEMATIKA TERAPI GEN UNTUK PERAWATAN PENYAKIT KANKER

Dinamik Model Epidemi SIRS dengan Laju Kematian Beragam

ANALISIS KESTABILAN LOKAL MODEL DINAMIKA PENULARAN TUBERKULOSIS SATU STRAIN DENGAN TERAPI DAN EFEKTIVITAS CHEMOPROPHYLAXIS

BAB II KAJIAN TEORI. digunakan pada bab pembahasan. Teori-teori ini digunakan sebagai bahan acuan

Abstrak: Makalah ini bertujuan untuk mengkaji model SIR dari penyebaran

ANALISIS DINAMIKA MODEL KOMPETISI DUA POPULASI YANG HIDUP BERSAMA DI TITIK KESETIMBANGAN TIDAK TERDEFINISI

BAB I PENDAHULUAN Latar Belakang

LANDASAN TEORI. Model ini memiliki nilai kesetimbangan positif pada saat koordinat berada di titik

BAB I PENDAHULUAN 1.1 LATAR BELAKANG

BAB III PEMBAHASAN. Ebola. Setelah model terbentuk, akan dilanjutkan dengan analisa bifurkasi pada

ANALISIS MODEL MATEMATIKA TENTANG PENGARUH SISTEM IMUN DAN VIRUS TERHADAP DINAMIK PERTUMBUHAN SEL TUMOR DAN SEL NORMAL SKRIPSI

IV. HASIL DAN PEMBAHASAN. 4.1 Asumsi yang digunakan dalam sistem mangsa-pemangsa. Dimisalkan suatu habitat dimana spesies mangsa dan pemangsa hidup

BAB II LANDASAN TEORI

ANALISIS STABILITAS SISTEM DINAMIK UNTUK MODEL MATEMATIKA EPIDEMIOLOGI TIPE-SIR (SUSCEPTIBLES, INFECTION, RECOVER)

ANALISIS KESTABILAN MODEL DINAMIKA PENYEBARAN PENYAKIT FLU BURUNG

Kesimpulan serta Masalah yang masih Terbuka

BAB I PENDAHULUAN 1.1 Latar Belakang

T 3 Model Dinamika Sel Tumor Dengan Terapi Pengobatan Menggunakan Virus Oncolytic

BAB II LANDASAN TEORI

III PEMBAHASAN. μ v. r 3. μ h μ h r 4 r 5

IV PEMBAHASAN. jika λ 1 < 0 dan λ 2 > 0, maka titik bersifat sadel. Nilai ( ) mengakibatkan. 4.1 Model SIR

KAJIAN MODEL EPIDEMIK SIR DETERMINISTIK DAN STOKASTIK PADA WAKTU DISKRIT. Oleh: Arisma Yuni Hardiningsih

Oleh Nara Riatul Kasanah Dosen Pembimbing Drs. Sri Suprapti H., M.Si

BAB II LANDASAN TEORI. dalam penulisan skripsi ini. Teori-teori yang digunakan berupa definisi-definisi serta

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai definisi-definisi dan teorema-teorema

BAB II LANDASAN TEORI

PERAN PENTING LAJU PERUBAHAN KALOR PADA MODEL DINAMIK UNSUR UNSUR UTAMA IKLIM

IV PEMBAHASAN. ,, dan, dengan menggunakan bantuan software Mathematica ( ) ( ) ( ) ( ) ( ) ( )

PEMODELAN MATEMATIKA DAN ANALISIS STABILITAS DARI PENULARAN PENYAKIT GONORE

BAB II LANDASAN TEORI

Bab 3 MODEL DAN ANALISIS MATEMATIKA

Model Matematika Penyebaran Penyakit HIV/AIDS dengan Terapi pada Populasi Terbuka

BAB I PENDAHULUAN Latar Belakang Masalah

DINAMIKA PERKEMBANGAN HIV/AIDS DI SULAWESI UTARA MENGGUNAKAN MODEL PERSAMAAN DIFERENSIAL NONLINEAR SIR (SUSCEPTIBLE, INFECTIOUS AND RECOVERED)

BAB II LANDASAN TEORI. pada bab pembahasan. Materi-materi yang akan dibahas yaitu pemodelan

ANALISIS STABILITAS MODEL MATEMATIKA DARI PENYEBARAN PENYAKIT MENULAR MELALUI TRANSPORTASI ANTAR DUA KOTA

BAB 2 TINJAUAN PUSTAKA

BAB I PENDAHULUAN Latar Belakang Masalah

II. LANDASAN TEORI. Definisi 1 (Sistem Persamaan Diferensial Biasa Linear) Definisi 2 (Sistem Persamaan Diferensial Biasa Taklinear)

BAB IV PEMBAHASAN. 4.1 Analisis Kestabilan Model Matematika AIDS dengan Transmisi. atau Ibu menyusui yang positif terinfeksi HIV ke anaknya.

Kestabilan Titik Ekuilibrium Model SIS dengan Pertumbuhan Logistik dan Migrasi

ANALISIS MODEL MATEMATIKA PENYEBARAN KOINFEKSI MALARIA-TIFUS

BIFURKASI HOPF PADA MODEL SILKUS BISNIS KALDOR-KALECKI TANPA WAKTU TUNDA

ANALISIS KESTABILAN DAN PROSES MARKOV MODEL PENYEBARAN PENYAKIT EBOLA

MODEL SIR UNTUK PENYEBARAN PENYAKIT FLU BURUNG

Analisis Model Penyebaran Penyakit Menular Dengan Bakteri dan Hospes

MODEL LOGISTIK PENGARUH POHON TERHADAP POPULASI BURUNG

MODEL SEIR PENYAKIT CAMPAK DENGAN VAKSINASI DAN MIGRASI TUGAS AKHIR. Oleh : SITI RAHMA

KESTABILAN TITIK EQUILIBRIUM MODEL SIR (SUSPECTIBLE, INFECTED, RECOVERED) PENYAKIT FATAL DENGAN MIGRASI

I. PENDAHULUAN. dan kotoran manusia atau kotoran binatang. Semua polutan tersebut masuk. ke dalam sungai dan langsung tercampur dengan air sungai.

ANALISIS KESTABILAN MODEL MANGSA-PEMANGSA DENGAN MANGSA YANG TERINFEKSI DI LINGKUNGAN TERCEMAR

ANALISIS STABILITAS PENYEBARAN VIRUS EBOLA PADA MANUSIA

BAB I PENDAHULUAN Latar Belakang Masalah

Oleh : Dinita Rahmalia NRP Dosen Pembimbing : Drs. M. Setijo Winarko, M.Si.

BAB II KAJIAN TEORI. dinamik, sistem linear, sistem nonlinear, titik ekuilibrium, analisis kestabilan

Model Matematika SIV Untuk Penyebaran Virus Tungro Pada Tanaman Padi

ANALISIS MODEL SEIR (SUSCEPTIBLE, EXPOSED, INFECTIOUS, RECOVERED) UNTUK PENYEBARAN PENYAKIT TUBERKULOSIS DI KABUPATEN BOGOR

Analisis Kestabilan Pada Model Transmisi Virus Hepatitis B yang Dipengaruhi Oleh Migrasi

Penerapan Teknik Serangga Steril Dengan Model Logistik. Dalam Pemberantasan Nyamuk Aedes Aegypti. Nida Sri Utami

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2014

Prosiding FMIPA Universitas Pattimura 2013 ISBN:

Model Deterministik Masalah Kecanduan Narkoba dengan Faktor Kontrol Terhadap Pemakai dan Pengedar Narkoba

ANALISIS DAN SIMULASI MODEL MATEMATIKA PENYAKIT DEMAM DENGUE DENGAN SATU SEROTIF VIRUS DENGUE

OLEH : IKHTISHOLIYAH DOSEN PEMBIMBING : Dr. subiono,m.sc

BAB I DASAR-DASAR PEMODELAN MATEMATIKA DENGAN PERSAMAAN DIFERENSIAL

ANALISIS KESTABILAN MODEL MANGSA-PEMANGSA DENGAN MANGSA YANG TERINFEKSI DI LINGKUNGAN TERCEMAR

ANALISIS MODEL MATEMATIKA TENTANG PENGARUH TERAPI GEN TERHADAP DINAMIKA PERTUMBUHAN SEL EFEKTOR DAN SEL TUMOR DALAM PENGOBATAN KANKER SKRIPSI

Simulasi Kestabilan Model Predator Prey Tipe Holling II dengan Faktor Pemanenan

ANALISIS TITIK EKUILIBRIUM MODEL EPIDEMI SIR DENGAN EFEK DEMOGRAFI

Evaluasi Dampak Program Edukasi, Skrining Dan Terapi HIV Pada Model Penyebaran Infeksi HIV

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah

MATHunesa Jurnal Ilmiah Matematika Volume 3 No.6 Tahun 2017 ISSN

BAB III MODEL KAPLAN. 3.1 Model Kaplan

KESTABILAN TITIK TETAP MODEL PENULARAN PENYAKIT TIDAK FATAL

DINAMIKA PROBLEMA PENYAKIT MALARIA

BAB II LANDASAN TEORI. Pada bab ini, akan diuraikan definisi-definisi dan teorema-teorema yang

Arisma Yuni Hardiningsih. Dra. Laksmi Prita Wardhani, M.Si. Jurusan Matematika. Surabaya

T - 1 PEMODELAN MATEMATIKA UNTUK MENSIMULASIKAN EFEK POPULASI KARANTINA TERHADAP PENYEBARAN PENYAKIT HIV/AIDS DI PAPUA

MODEL SEIR PENYAKIT CAMPAK DENGAN VAKSINASI DAN MIGRASI

BAB 2 PDB Linier Order Satu 2

Minggu 7 MA2151 SIMULASI & KOMPUTASI MATEMATIKA

ANALISIS KESTABILAN MODEL PENYEBARAN PENYAKIT TUBERCULOSIS SKRIPSI. Oleh : Lisa Prihutami J2A

BAB II TINJAUAN PUSTAKA. kestabilan model predator-prey tipe Holling II dengan faktor pemanenan.

BAB I PENDAHULUAN Latar Belakang

Analisis Kestabilan Model Veisv Penyebaran Virus Komputer Dengan Pertumbuhan Logistik

Analisis Kestabilan Model Seiqr pada Penyebaran Penyakit Sars

BAB I PENDAHULUAN. Dalam perkembangan zaman saat ini yang terus maju, diperlukan suatu

BAB II LANDASAN TEORI

Transkripsi:

LIKHITAPRAJNA Jurnal Ilmiah Volume 19 Nomor 2 September 217 p-issn: 141-8771 e-issn: 258-4812 2 ANALISIS KESTABILAN MODEL MATEMATIKA IMMUNOTERAPI BCG PADA KANKER KANDUNG KEMIH Liza Tridiana Mahardhika Program Studi Pendidikan Matematika FKIP Universitas Wisnuwardhana Malang E-mail: mahardhikaliza@gmail.com ABSTRAK Pada artikel ini dibahas tentang analisis kestabilan model matematika immunoterapi BCG pada kanker kandung kemih. Model matemtika yang dibangun menguji dua persamaan pertumbuhan pada sel kanker yaitu model pertumbuhan logistik dan eksponensial. Berdasarkan hasil analisis agar model stabil ke titik kesetimbangan bebas kanker dosis BCG yang diberikan harus berada pada selang. Di luar selang tersebut model akan stabil ke titik kesetimbangan endemik jika dosis BCG kurang dari batas bawah selang atau stabil ke titik kesetimbangan efek samping jika dosis BCG terlalu tinggi. Khusus untuk model yang menggunakan persamaan logistik besar populasi awal sel kanker juga mempengaruhi titik kesetimbangan model. Populasi awal sel kanker yang relatif tinggi menyebabkan model stabil ke titik kesetimbangan endemik meskipun diberikan dosis BCG yang tinggi. Kata kunci: imunoterapi BCG kanker kandung kemih titik kesetimbangan kestabilan PENDAHULUAN Kanker kandung kemih merupakan kanker yang agresif sehingga akan berakibat fatal bagi penderitanya jika tidak diberikan penanganan sejak dini. Pada awalnya sel kanker berkembang secara perlahan di dinding kandung kemih. Selanjutnya sel kanker menyebar ke abdomen dan organ-organ di dekatnya seperti prostat uterus dan rectum. Penelitian medis menunjukkan bahwa pemberian immunoterapi BCG dapat menurunkan jumlah sel kanker pada kandung kemih secara signifikan. Immunoterapi BCG biasanya dikombinasikan dengan radioterapi atau kemoterapi agar hasil pengobatan yang diberikan lebih optimal. Meskipun tergolong terapi yang dapat memberikan efek samping cukup berbahaya asalkan diberikan dalam dosis yang benar penggunaan BCG untuk mengobati kanker kandung kemih tetap dilakukan ahli medis hamper di seluruh dunia karena efektifitas pengobatan ini (Lockyer 21). Untuk mengetahui pengaruh pemberian imunoterapi BCG pada kanker kandung kemih dibangun model matematika yang merupakan sistem persamaan diferensial biasa non-linear yang terdiri dari persamaan laju pertumbuhan populasi BCG laju pertumbuhan populasi sel efektor (sel imun) laju pertumbuhan populasi sel kanker yang telah terinfeksi BCG dan laju pertumbuhan populasi sel kanker yang tidak terinfeksi BCG. Total populasi sel kanker kandung kemih dalam tubuh merupakan

LIKHITAPRAJNA Jurnal Ilmiah Volume 19 Nomor 2 September 217 p-issn: 141-8771 e-issn: 258-4812 21 jumlah sel kanker yang tidak terinfeksi BCG dan kanker yang terinfeksi BCG (Byrne dan S. Bunimovich-Mendrazitsky 28). Model matematika yang menjelaskan interaksi kanker dan dinamika kekebalan tubuh dengan imunoterapi BCG dapat direpresentasikan sebagai sistem persamaan diferensial biasa nonlineardengan empat variabel tak bebas yang meliputi BCG sel efektor sel kanker yang terinfeksi BCG dan sel kanker yang tidak terinfeksi BCG. Mendrazitsky dkk. pada 27 memodelkan interaksi antara pertumbuhan kanker dan imunoterapi BCG dengan mengasumsikan laju pemberian vaksin BCG konstan. Pada artikel model tersebut diujikan pada dua persamaan pertumbuhan pada sel kanker yaitu model pertumbuhan logistik dan eksponensial kemudian dianalisis kestabilannya. Konstruksi Model Model matematika dibangun melalui gambar model interaksi populasi yang meliputi populasi BCG () populasi sel efektor () populasi sel kanker yang terinfeksi BCG ( ) dan populasi kanker yang tidak terinfeksi BCG ( ). Pengaruh laju masing-masing populasi terhadap populasi lainnya disajikan dalam diagram interaksi pada Gambar1. 1 # 1 4 2 2 5 3 ( ) 2 Gambar 1. Diagram Interaksi Misal () berturut-turut menyatakan populasi BCG sel efektor sel kanker yang tidak terinfeksi BCG dan sel kanker yang terinfeksi BCG pada waktu (hari) maka laju populasi sel-sel tersebut dapat dinyatakan sebagai berikut. 1. Laju Perubahan Populasi BCG BCG sebagai obat yang diberikan pada penderita kanker kandung kemih fase dangkal diasumsikan diberikan secara konstan dengan tingkat dengan satuan c.f.u (colony forming unit)/hari. Laju bertambahnya BCG tersebut dapat dinyatakan sebagai =. BCG akan berkurang dengan tingkat akibat berinteraksi dengan sel imun di dalam tubuh. Secara matematis penurunan populasi ini dapat ditulis sebagai

LIKHITAPRAJNA Jurnal Ilmiah Volume 19 Nomor 2 September 217 p-issn: 141-8771 e-issn: 258-4812 22 =. BCG yang diberikan ke dalam tubuh menuju dinding kandung kemih kemudian mengikatkan diri pada sel kanker dan menginfeksinya. Pengikatan diri ini menyebabkan populasi BCG berkurang. Jika tingkat penurunan populasi BCG akibat berinteraksi dengan sel kanker dinyatakan dengan konstanta maka laju populasi BCG dapat dinyatakan sebagai =. Sebagai bakteri BCG juga mengalami perkembangbiakan dan kematian. Namun tingkat perkembangbiakan BCG dalam kandung kemih sangat lambat jika dibandingkan dengan tingkat kematiannya. Oleh karena itu dalam model matematika yang dibentuk tingkat perkembangbiakan ini diabaikan. Dengan demikian jika tingkat kematian BCG dinyatakan dalam konstanta maka laju populasi BCG akibat kematian alami dapat dinyatakan sebagai =. Dari uraian di atas maka secara matematis laju perubahan populasi BCG dapat dinyatakan sebagai =. 2. Laju Pertumbuhan Populasi Sel Efektor BCG yang diberikan ke dalam tubuh akan mengaktivasi respon imun dari sel efektor. Aktivasi sel imun tersebut mengakibatkan jumlah sel efektor meningkat dinyatakan dengan parameter sehingga laju pertumbuhan sel efektor dapat dinyatakan sebagai =. BCG dalam kandung kemih mengikatkan dirinya pada sel kanker sehingga sel kanker tersebut dikatakan sebagai sel kanker yang terinfeksi BCG. Sel kanker yang telah terinfeksi BCG akan menstimulus sel efektor untuk lebih giat melawannya. Stimulus ini mengakibatkan tingkat pembelahan diri sel efektor bertambah dan mengakibatkan sel efektor merekrut sel imun-sel imun pembantu lain dari sumsum tulang untuk melawan sel kanker tersebut. Tingkat stimulus dari sel kanker terinfeksi BCG terhadap sel efektor dinyatakan dengan konstanta sehingga laju populasi sel efektor dirumuskan sebagai =. Sel efektor mempunyai masa hidup yang terbatas sehinga sel ini akan mengalami kematian dengan tingkat. Dengan demikian laju sel efektor akan berkurang mengikuti persamaan =. Sel efektor sebagai sel imun akan menjalankan tugasnya untuk membunuh sel kanker yang ada di dalam tubuh. Dalam model matematika yang digunakan diasumsikan sel efektor hanya berinteraksi dengan sel kanker yang telah terinfeksi BCG karena tingkat interaksi sel efektor dengan sel kanker yang tidak terinfeksi

LIKHITAPRAJNA Jurnal Ilmiah Volume 19 Nomor 2 September 217 p-issn: 141-8771 e-issn: 258-4812 23 BCG relatif kecil sehingga dapat diabaikan. Saat terjadinya interaksi tersebut sel efektor akan mengalami kematian akibat perlawanan sel kanker terinfeksi BCG. Jika tingkat pengurangan tersebut dinyatakan dalam maka laju pengurangannya dapat ditulis sebagai =. Dari uraian di atas maka laju perubahan populasi sel efektor dapat dinyatakan dalam persamaan = +. 3. Laju Perubahan Populasi Sel Kanker Terinfeksi Sel efektor sebagai sel imun yang menjaga tubuh dari sel-sel berbahaya akan menjalankan perannya ketika sel efektor mengidentifikasi adanya sel kanker yang telah terinfeksi BCG. Akibat perlawanan sel imun terhadap sel kanker terinfeksi maka populasi sel kanker terinfeksi akan mengalami pengurangan dengan tingkat. Secara matematis uraian tersebut dapat dinyatakan sebagai =. BCG yang diberikan ke dalam tubuh akan mengikatkan diri pada sel kanker yang tidak terinfeksi sehingga sel kanker tersebut berubah menjadi sel kanker yang terinfeksi BCG. Tingkat berubahnya sel kanker dari tidak terinfeksi BCG menjadi terinfeksi BCG dinyatakan dengan konstanta sehingga secara matematis laju populasi sel kanker terinfeksi BCG akan bertambah mengikuti persamaan =. Dari uraian di atas maka total laju perubahan sel kanker terinfeksi dapat dinyatakan dengan =. 4. Laju Perubahan Populai Sel Kanker Tidak Terinfeksi Sel kanker yang belum terinfeksi akan mengalami pertumbuhan sehingga jumlah populasinya meningkat. Model matematika yang digunakan dalam skripsi ini menguji dua model pertumbuhan pada sel kanker yang tidak terinfeksi yaitu model pertumbuhan logistik dan model pertumbuhan eksponensial. Secara umum laju penambahan sel kanker tidak terinfeksi dinyatakan sebagai = (). Sel kanker tidak terinfeksi akan berubah menjadi sel kanker terinfeksi setelah BCG mengikatkan diri pada sel kanker tersebut. Tingkat perubahan sel kanker akibat interaksi dengan BCG tersebut dinyatakan dengan tingkat sehingga laju populasi sel kanker tidak terinfeksi akan berkurang mengikuti persamaan =. Dari uraian di atas maka total laju perubahan sel kanker tidak terinfeksi dapat dinyatakan dengan

LIKHITAPRAJNA Jurnal Ilmiah Volume 19 Nomor 2 September 217 p-issn: 141-8771 e-issn: 258-4812 24 = (). Dengan demikian model immunoterapi BCG pada kanker kandung kemih memenuhi sistem persamaan diferensial non-linear = = + = (1) = dengan merupakan model pertumbuhan sel kanker yang memenuhi persamaan = 1 untuk model logistik dan = untuk model pertumbuhan eksponensial. Konstanta menyatakan tingkat pertumbuhan sel kanker dan merupakan tingkat kematian akibat kompetisi dalam populasi. menyatakan kapasitas maksimum populasi dalam model logistik. Model pada sistem persamaan (1) dapat diskalakan dengan mengambil = = = = = = = = = = = = = = =

LIKHITAPRAJNA Jurnal Ilmiah Volume 19 Nomor 2 September 217 p-issn: 141-8771 e-issn: 258-4812 25 dimana = = = = 1. Penyederhanaan model immunoterapi BCG pada kanker kandung kemih dengan menghilangkan notasi ( ) menghasilkan = 1 + = + + = (2) = + 1 dimana untuk model pertumbuhan eksponensial nilai =. Nilai-nilai parameter yang digunakan pada sistem persamaan (2) disajikan pada Tabel 1. Model Matematika Tanpa Imunoterapi Model tanpa immunoterapi BCG hanya mempertimbangkan dua populasi yaitu populasi sel efektor dan populasi sel kanker tidak terinfeksi BCG ( ) karena tanpa adanya masukan BCG ke dalam tubuh mengakibatkan populasi BCG () dan sel kanker yang terinfeksi BCG ( ) bernilai nol. Dengan mensubstitusikan = = ke sistem persamaan (2) diperoleh = (3) = 1 (4) Dari persamaan (3) dan (4) dapat dilihat bahwa laju kedua populasi tidak mempengaruhi satu sama lain sehingga penyelesaian analitik dari masing-masing persamaan dapat menunjukkan perilaku kedua populasi tersebut. Penyelesaian persamaan (3) menghasilkan = (5) dimana merupakan nilai awal populasi sel efektor. Penyelesaian persamaan tersebut menunjukkan bahwa untuk populasi sel efektor akan menuju nilai nol. Penyelesaian persamaan (4) menghasilkan = Jika model pertumbuhan sel kanker yang digunakan adalah model pertumbuhan logistik. Sedangakan jika yang digunakan model pertumbuhan eksponensial ( = ) penyelesaiannya mengikuti persamaan = Persamaan (5) menunjukkan bahwa untuk populasi sel kanker akan menuju nilai maksimum populasi model pertumbuhan logistik yaitu sebesar. Sedangkan jika digunakan model pertumbuhan eksponensial populasi sel kanker akan menuju nilai tak hingga untuk.

LIKHITAPRAJNA Jurnal Ilmiah Volume 19 Nomor 2 September 217 p-issn: 141-8771 e-issn: 258-4812 26 Model Matematika dengan Imunoterapi 1. Titik Kesetimbangan Untuk kasus > titik kesetimbangan memenuhi sehingga + = (6) + = (7) = (8) + 1 = (9) Dari persamaan (9) diperoleh = atau + 1 = (1) = disubstitusikan ke persamaan (8) sehingga diperoleh = = atau =. Jika = disubstitusikan ke persamaan (7) dan (6) akan didapatkan = = dan + = = diperoleh titik kesetimbangan = disubstitusikan ke persamaan (7) diperoleh + = = atau =. Untuk = persamaan (6) menjadi = = = = = ( ). Sedangkan jika nilai =. Dengan demikian diperoleh titik kesetimbangan kedua yaitu = ( ). Dari persamaan (1) jika diambil + 1 = maka diperoleh = = (11) pada model pertumbuhan logistik. Sedangkan untuk model pertumbuhan eksponensial diperoleh = =. Selanjutnya akan ditentukan titik kesetimbangan ketiga untuk model pertumbuhan logistik. Nilai pada persamaan (11) digunakan untuk mendapatkan dengan mensubstitusikan ke persamaan (6) sehingga = =

LIKHITAPRAJNA Jurnal Ilmiah Volume 19 Nomor 2 September 217 p-issn: 141-8771 e-issn: 258-4812 27 Selanjutnya dan disubstitusikan ke persamaan (7) sehingga diperoleh = = Karena merupakan fungsi dari maka dengan mensubstitusikan ke persamaan (8) dapat ditemukan nilai yang merupakan akar persamaan tersebut. Dengan demikian diperoleh titik kesetimbangan yang ke tiga jika pertumbuhan sel kanker menggunakan model pertumbuhan logistik yaitu = 1. Jika fungsi pertumbuhan menggunakan model eksponensial maka titik kesetimbangan model yang ketiga diperoleh dengan mensubstitusikan ke persamaan (8) diperoleh = = (13) Selanjutnya dan disubstitusikan ke persamaan (6) sehingga diperoleh = = (14) Nilai disubstitusikan ke persamaan (7) sehingga diperoleh = 1 2 + ± + + 4 ( + ) (15) Jadi titik kesetimbangan yang ketiga untuk model pertumbuhan eksponensial yaitu ( ) yang diberikan pada persamaan (12) sampai dengan (15). 2. Analisis Kestabilan Untuk mengetahui perilaku populasi di sekitar titik kesetimbangan perlu dilakukan linearisasi pada sistem di sekitar titik kesetimbangan. Matriks Jacobi sistem persamaan (2) adalah " = " " " " dengan = 1 " = " = = = + = " = " = = " = " = = + 2

LIKHITAPRAJNA Jurnal Ilmiah Volume 19 Nomor 2 September 217 p-issn: 141-8771 e-issn: 258-4812 28 Dengan mensubstitusikan titik kesetimbangan ke dalam matriks maka matriks akan merepresentasikan matriks koefisien sistem yang telah dilinearkan di sekitar titik kesetimbangan. Dari Tabel (2) model dengan immunoterapi BCG mempunyai tiga titik kesetimbangan. Titik kesetimbangan dan merupakan titik kesetimbangan yang ada pada sistem persamaan yang mengunakan model pertumbuhan logistik maupun model pertumbuhan eksponensial. Sedangkan titik kesetimbangan hanya ada pada sistem persamaan yang menggunakan model pertumbuhan logistik dan titik kesetimbangan ada pada sistem persamaan yang menggunakan model eksponensial saja. Jika = ( ) disubstitusikan ke matriks Jacobi akan diperoleh = 1 + + (16) Karena merupakan matriks segitiga atas maka diperoleh nilai eigen = 1 = + = = +. Terlepas dari = agar titik kesetimbangan stabil seluruh nilai eigen harus bernilai negatif. Oleh karena itu agar dan selalu bernilai negatif harus memenuhi kriteria < < (17) Karena terdapat nilai eigen yang bernilai nol maka analisis linierisasi tidak dapat menyimpulkan jenis kestabilan titik kesetimbangan tersebut sehingga untuk mengetahui jenis kestabilan nya dapat dilakukan dengan pengujian terhadap fungsi Lyapunov. Analisis linearisasi dari sistem persamaan (2) di sekitar titik kesetimbangan menunjukkan bahwa = dan = untuk. Dengan demikian persamaan (2) dapat direduksi menjadi = = + + (18) = Dari sistem persamaan (18) karena laju tidak mempengaruhi populasi dan maka fungsi Lyapunov yang diuji hanya bergantung pada dan saja. Misal diberikan fungsi Lyapunov sebagai berikut = + (19) dengan sebarang konstanta dan definit positif di dengan =. ( ) = + + ( ) Dengan mengambil = > maka ( ) = ( )

LIKHITAPRAJNA Jurnal Ilmiah Volume 19 Nomor 2 September 217 p-issn: 141-8771 e-issn: 258-4812 29 Agar titik kesetimbangan dapat dikatakan stabil Lyapunov maka haruslah < sehingga ( ) = < (2) Hal ini bersesuain dengan kriteria pada pertidaksamaan (19) yang merupakan syarat agar nilai eigen bernilai negatif. Jadi titik kesetimbangan akan bersifat stabil asimtotik lokal jika kriteria (17) terpenuhi. Selanjutnya untuk titik kesetimbangan = ( ) jika disubstitusikan ke matriks maka = dengan = = = = (21) = = = = + Nilai eigen dari (21) diperoleh dengan menyelesaikan = (22) sehingga = = (23) = = + (24) = = (26) Agar titik kesetimbangan stabil dan harus bernilai negatif sehingga dari persamaan (23) diperoleh > (27) (25)

LIKHITAPRAJNA Jurnal Ilmiah Volume 19 Nomor 2 September 217 p-issn: 141-8771 e-issn: 258-4812 3 Sedangkan dari (24) diperoleh < (28) Dan dari persamaan (25) diperoleh > (29). Jadi titik kesetimbangan akan bersifat stabil asimtotik lokal jika memenuhi kriteria-kriteria pada pertidakasamaan (27) (28) (29). Sistem persamaan (2) yang menggunkan model pertumbuhan logistik terdapat satu titik kesetimbangan lagi yaitu titik kesetimbangan = ( ) dimana = = =. Karena kompleksitas dari titik kesetimbangan analisis linearisasi untuk mengetahui jenis kestabilan titik kesetimbangan tersebut sulit dilakukan. Maka dari itu jenis kestabilan titik kesetimbangan ini dapat diketahui melalui gambar potrefase sistem persamaan diferensial (2) seperti pada Gambar 2. () () () Gambar 2 Potret Fase untuk Sistem Persamaan dengan Model Pertumbuhan Logistik Gambar 2 merupakan potretfase jika diambil nilai = 3. Berdasarkan kriteria pada persamaan (17) dengan mengambil = 3 sistem akan stabil ke titik kesetimbangan bebas penyakit dimana pada Gambar 2 titik tersebut berada di daerah =. Namun dari gambar potertfase terdapat titik kesetimmbangan lain yang berada di daerah >. Koordinat titik kesetimbangan ini nilainya bersesuaian dengan nilai dari titik kesetimbangan jika disubstitusikan nilai = 3 dan nilai-nilai parameter lain mengikuti Tabel 1 yaitu = 1778 = 17145 = 12943

LIKHITAPRAJNA Jurnal Ilmiah Volume 19 Nomor 2 September 217 p-issn: 141-8771 e-issn: 258-4812 31 Dan = 48168. Hal ini membuktikan bahwa titik kesetimbangan bersifat stabil jika nilai awal yang diberikan relatif besar. Sedangkan jika nilai awal yang diberikan kecil titik kesetimbangan akan kehilangan kestabilannya dan sistem akan stabil ke titik kesetimbangan = ( ). Untuk sistem persamaan yang menggunakan model pertumbuhan eksponensial juga terdapat satu titik kesetimbangan lagi yaitu = ( ) dimana = = = + + = + ± + 4 ( + ) Karena masing-masing titik kesetimbangan menyatakan populasi maka titik kesetimbangan tersebut harus bernilai positif sehingga dari diperoleh > (2) Pertidaksamaan (2) merupakan kriteria agar titik kesetimbangan eksis. Karena kompleksitas dalam pencarian nilai eigen untuk titik kesetimbangan ini jenis kestabilannya dapat diketahui melalui gambar potrefase Jika diambil nilai = 3 gambar potretfase untuk sistem persamaan (2) yang menggunakan model pertumbuhan eksponensial ditunjukkan pada Gambar 3. Dari gambar potretfase terlihat bahwa untuk sebarang nilai awal yang diberikan titik kesetimbangan tidak pernah stabil karena sistem hanya akan stabil ke titik kesetimbangan. () () () Gambar 3 Potret Fase Untuk Sistem Persamaan dengan Model Pertumbuhan Eksponensial

LIKHITAPRAJNA Jurnal Ilmiah Volume 19 Nomor 2 September 217 p-issn: 141-8771 e-issn: 258-4812 32 Parameter Tabel 1. Nilai Parameter Nilai Awal Nilai Setelah Penyekalaan 1-41 41 125 1 125 285 1 285 11 1 11 12 1 12 3 1 3 52 52 11 1-2 1 1-2 12 (L) 28 (E) 12 (L) 28 (E) 1 1 1-1 KESIMPULAN Model pertumbuhan kanker kandung kemih dengan imunoterapi BCG berupa sistem persamaan diferensial nonlinear dengan empat variabel tak bebas. Jenis-jenis titik kesetimbangan model dan kestabilannya adalah sebagai berikut. Tabel 2. Titik Kesetimbangan Model Model Titik Jenis Kestabilan Pertumbuhan Kesetimbangan E dan L = (bebas penyakit) Tak stabil L (endemik) Stabil E dan L (bebas penyakit) Stabil lokal E dan L > (efek samping) Stabil lokal L (endemik) Stabil E (endemik) Tak stabil DAFTAR PUSTAKA Byrne H. dan S. Bunimovich-Mendrazitsky. 28. Mathematical Model of Pulsed Immunotherapy for Superficial Bladder Cancer. Israel: Bulletin of Mathematical Biology. Lockyer Richard. 21. BCG Immunoterapy for Superficial Bladder Cancer. UK: Journal of The Royal Society Medicine. Stone L. dan S. Bunimovich-Mendrazitsky. 27. Mathematical Model of BCG Immunotherapy in Superficial Bladder Cancer. Israel: Bulletin of Mathematical Biology.