[Gonorrhea adalah penyakit menular seksual yang tidak memberikan kekebalan.Proses penyebaran penyakit tersebut dapat dijelaskan oleh model epidemisusceptible infected susceptible (SIS). Skripsi ini membahas model stokastikepidemi SIS. Model stokastik epidemi SIS diturunkan dari model deterministikepidemi SIS dengan memberikan gangguan pada parameter. Simulasi dilakukanmenggunakan nilai-nilai parameter dari penelitian klinis penyakit gonorrhea.Metode numerik yang digunakan untuk mengaproksimasi solusi model adalahmetode Milstein. Simulasi dilakukan terhadap kondisi kepunahan (extinction),kondisi kebertahanan (persistence), pengaruh intensitas gangguan terhadap jumlahindividu terinfeksi pada kesetimbangan endemik model, dan distribusi model.Hasil simulasi menunjukkan semakin besar intensitas gangguan, jumlah individuterinfeksi pada kesetimbangan endemik model semakin berkurang. Kondisikepunahan dan kondisi kebertahanan untuk model stokastik dipengaruhi olehbilangan reproduksi dasar stokastik (). Jika, maka penyakit punah daripopulasi dengan probabilitas satu. Jika, maka penyakit tetap bertahan didalam populasi dan model memiliki distribusi stasioner unik., Gonorrhea is a sexually transmitted disease which does not confer immunity. Thespreading process of the disease can be explained by the susceptible infectedsusceptible (SIS) epidemic model. This skripsi discusses the stochastic SISepidemic model. The stochastic SIS epidemic model is derived from deterministicSIS epidemic model by adding a perturbation in the parameter. Simulations aregenerated based on parameter values from clinical research of gonorrhea diseaseand focus on conditions of extinction, persistence, and the influence of the noiseintensity to the number of infected individuals in endemic equilibrium model aswell as distribution of the model. The Milstein method is used to approximatesolutions of the model. The simulations show that the greater noise intensityimplies the reduction of individual infective number in endemic equilibrium.Extinction and persistence conditions in stochastic model are influenced by thestochastic basic reproduction number (). It shows that the disease dies out frompopulation with probability one if, otherwise the disease persists inpopulation and the model has a unique stationary distribution.]