ANALISIS MODEL MANGSA-PEMANGSA MENGIKUTI MODEL HOLLING TIPE III PADA SATU MANGSA DAN DUA PEMANGSA RACHMAT AGUSTIAN G
|
|
- Ivan Lesmono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 ANALISIS MODEL MANGSA-PEMANGSA MENGIKUTI MODEL HOLLING TIPE III PADA SATU MANGSA DAN DUA PEMANGSA RACHMAT AGUSTIAN G DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 008
2 ABSTRACT RACHMAT AGUSTIAN. Analyss of Pedato-pey model followng Hollng type III model at one pey and two pedatos. Supevsed by N. K. KUTHA ARDANA and ALI KUSNANTO. One of natue occuence whch becomng cental topc of mathematcal modelng s emulaton to obtan food n eat and eaten events. Eate ceatue o known as a pedato wll look fo huntng o ecognzed wth pey utlze to suvve. Thee ae a lot of models depctng Pedato-pey events, such as: Lotka-Voltea model, Hollng Type II, and Hollng type III. In ths pape, we study Hollng type III model nvolvng one pey and two pedatos. All dynamcs populaton n ealy pecepton wll fluctuate whch gong to each stablty gadually. Pedato s populaton sze n stablzng system plays an mpotant pat, because of pey gowth whch not n contol can be stablzed wth amount populaton of pedatos. Fom esult stablty analyss of fxed pont, we obtaned thee goup of fxed pont such as: ( 0,0,0) cente odnate, T T at T K,0,0 at pey axs, and 3 = Sng λ. If K change, then dynamcs populaton wll changes too, but not n stablty of fxed pont. The thd goup of fxed pont afte eflectng to thee plane n space S, x, x, thee ae stable fxed ponts, unstable fxed ponts, saddle, and unstable spal.
3 ABSTRAK RACHMAT AGUSTIAN. Analss Model Mangsa-Pemangsa Mengkut Model Hollng Tpe III Pada Satu Mangsa dan Dua Pemangsa. Dbmbng oleh N. K. KUTHA ARDANA dan Al Kusnanto. Salah satu kejadan alam yang menjad topk sental pemodelan matematka yatu pesangan untuk mempeoleh makanan dalam pestwa makan dan dmakan. Makhluk hdup pemakan atau dkenal sebaga pemangsa (pedato) akan menca buuan atau dkenal dengan mangsa (pey) guna mempetahankan hdup. Tedapat banyak model yang menggambakan pestwa mangsa-pemangsa, sepet; model Lotka-Voltea, Hollng tpe II, dan Hollng tpe III. Dalam tulsan n dpelaja model Hollng tpe III yang melbatkan satu mangsa dan dua pemangsa. Semua dnamka populas d awal pengamatan akan befluktuas yang lambat laun akan mencapa kestablan. Ukuan populas pemangsa dalam menstablkan sstem memegang peanan pentng, dkaenakan petumbuhan mangsa yang tdak tekendal dapat dstablkan dengan jumlah populas pemangsa. Da hasl analss kestablan dpeoleh tga kelompok ttk tetap, yatu T ( 0,0,0) pada ttk pusat, T ( K,0,0) pada sumbu mangsa, dan T 3 = Sng λ. Jka K beubah, maka dnamka populas akan beubah pula, tetap tdak pada kestablan ttk tetap. Pada ketga kelompok ttk tetap tesebut setelah dlakukan pencemnan tehadap ketga bdang data pada uang S, x, x, tedapat ttk tetap stabl, ttk tetap tdak stabl, ttk tetap saddle, dan spal takstabl.
4 ANALISIS MODEL MANGSA-PEMANGSA MENGIKUTI MODEL HOLLING TIPE III PADA SATU MANGSA DAN DUA PEMANGSA Skps sebaga salah satu syaat untuk mempeoleh gela Sajana Sans pada Fakultas Matematka dan Ilmu Pengetahuan Alam Insttut Petanan Bogo Oleh: RACHMAT AGUSTIAN G DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 008
5 Judul : Analss Model Mangsa-Pemangsa Mengkut Model Hollng Tpe III Pada Satu Mangsa dan Dua Pemangsa. Nama : Rachmat Agustan NIM : G Menyetuju: Pembmbng I, Pembmbng II, I. N. K. Kutha Adana, M.Sc. NIP Ds. Al Kusnanto, M.S. NIP Mengetahu, Dekan Fakultas Matematka dan Ilmu Pengetahuan Alam Insttut Petanan Bogo D. dh. Hasm, DEA. NIP Tanggal Lulus :
6 RIWAYAT HIDUP Penuls dlahkan d Jakata pada tanggal 7 Agustus 985 sebaga anak petama da dua besaudaa, da pasangan Daswman dan Deswta. Penuls menyelesakan penddkan Sekolah Dasa pada tahun 997 d SD Nege 08 Pag Jakata, Sekolah Lanjutan Tngkat Petama Nege 73 Jakata tahun 000, Sekolah Menengah Umum Nege 37 Jakata tahun 003, kemudan masuk Insttut Petanan Bogo melalu jalu Undangan Seleks Masuk IPB dan dtema d Depatemen Matematka, Fakultas Matematka dan Ilmu Pengetahuan Alam pada tahun yang sama. Selama mengkut pekulahan, penuls aktf menjad assten dosen untuk mata kulah Komputas Teapan pada tahun 005/006, assten pelathan Penganta Metode Komputas Sekolah Pascasajana Matematka Teapan S IPB tahun 006/007, salah satu tm akedtas Boang BAN-PT S Depatemen Matematka tahun 007/008, assten dosen untuk mata kulah Metode Komputas Sekolah Pascasajana Matematka Teapan S IPB tahun 007/008, penuls juga sempat menjad anggota aktf hmpunan pofes Gugus Mahasswa Matematka IPB sebaga staf Depatemen Infomas dan Komunkas pada tahun 004/005 seta staf Depatemen Keseketaatan pada tahun 005/006.
7 PRAKATA Puj dan syuku penuls panjatkan kepada Allah SWT yang senantasa membekan nkmat man seta nkmat slam, sehngga penuls dapat senantasa beada d jalan yang ddhonya. Lmpahan ahmat, hdayat dan kaunanya yang besa sehngga penuls dapat menyelesakan kaya lmah n. Shalawat seta salam tak lupa penuls panjatkan pada junjungan kta Nab Muhammad SAW, sahabat dan keluaga, seta paa pengkutnya hngga akh zaman. Ketebatasan dan ketdaksempunaan membuat penuls membutuhkan bantuan, dukungan dan semangat da oang-oang, bak secaa langsung ataupun tdak langsung, bekontbus besa dalam pembuatan kaya lmah n. Oleh kaena tu penuls ngn mengucapkan asa tema kash yang sebesa-besanya kepada:. Oang tua tecnta yang selalu membekan dukungan seta doa estunya selama penuls menempuh penddkan selama n. Adkku tecnta, teuslah bejuang mencapa cta-cta. Juga keluaga besa yang selalu mendoakan.. I. N. K. Kutha Adana, M.Sc. dan Ds. Al Kusnanto, M.S. selaku pembmbng petama dan pembmbng kedua yang telah dengan saba membantu, membmbng, dan bebag lmu pengetahuannya kepada penuls. 3. D. Ton Bakhta, M.Sc. selaku penguj dan modeato semna. 4. Al Allamah Al Af Bllah Fadhllahtul Sayyd Da I Ilallah Al Habb Munz bn Fuad Al Musawa pmpnan Majels Ta lm Rasulullah SAW selaku guu besa sptual saya. 5. Sohbul Majels Ta lm Syababbun Nabawy: As Sayyd Al Habb Muhammad bn Alw Al Kaff, As Sayyd Al Habb Sholeh bn Salm Al Haddad, As Sayyd Al Habb Ja fa bn Salm Al Haddad, Al Ustadz M. Jaml, dan lannya. 6. Semua wanta yang telah mengs ha-ha penuls penuh dengan senyum, canda dan tawa. 7. Keluaga besa Red de Vlle: Sangebs, Rdwan, Stef, Buyung, D-Must, D-Ya, Tom, Azs, Pawa, dan Sao atas semua dukungannya. 8. Rsmanto dan Rusl yang telah banyak membantu dalam segala hal sehngga penuls dapat menyelesakan tugas akh n. 9. Puta, Be, dan Rusl sebaga pembahas yang telah membe ktk seta saannya dalam kesedaan menjad pembahas dalam semna. 0. Bella, Uwe, Acha, dan Ddk (hot 40) atas kesedaannya menjad elawan konsums.. Teman tongkongan Suta Palace, Pecel Lele dan Ayam Baka : Mang Suta, Ompong, Ucup, Bang Jon, G, Yud, Mang Ad Cadl, dan Ewn.. Fotokop Rub yang telah beseda depotkan dalam pebanyakan Kaya Ilmah n. 3. Rekan-ekan sejawat matematka angkatan 40 (Lbete da Fote) yang tdak bsa dsebutkan satu pesatu atas kecaan yang selama n kta asakan. 4. Rekan-ekan matematka 39, 4, dan 4 yang tdak bsa dsebutkan satu pesatu. 5. Seluuh Dosen Matematka IPB yang telah besusah payah membekan lmunya pada kam. 6. Staf Depatemen Matematka IPB (Bu Sus, Bu Mas, Bu Ade, Pak Bono, Pak Yono, Pak Juanda, Mas Den, dll.) yang senantasa menguus admnstas kam. 7. Seta seluuh phak-phak yang tdak dapat penuls sebutkan satu pe satu. Semoga kaya lmah n dapat membekan banyak manfaat, bak bag penuls maupun bag oang yang membaca kaya lmah n. Akhul kalam mn akhna fllah, Syukon Jazakumulla Khoan Katso. Wassalammu alakum waahmatullah wabaakatuh. Bogo, Janua 008 Rachmat Agustan
8 DAFTAR ISI halaman DAFTAR GAMBAR... x DAFTAR LAMPIRAN... x I PENDAHULUAN. Lata Belakang.... Tujuan....3 Sstematka Penulsan... II LANDASAN TEORI... III PEMBAHASAN 3. Peumusan Model Ttk Tetap Analss Kestablan Ttk Tetap... 8 IV SIMPULAN DAN SARAN... DAFTAR PUSTAKA... LAMPIRAN... 3
9 x DAFTAR GAMBAR halaman. Kuva model logstk.... Medan aah dan potet fase... 5 S 0 = Ukuan populas mangsa pada waktu t untuk 4. Ukuan populas pemangsa pada waktu t untuk x ( 0 ) = Ukuan populas pemangsa pada waktu t untuk x = Gabungan gamba,, dan Medan vekto dan bdang fase pada bdang ( S, x, x ) Medan vekto dan bdang fase pada bdang ( x, S ) Medan vekto dan bdang fase pada bdang ( x, S )... 0 x, x Medan vekto dan bdang fase pada bdang DAFTAR LAMPIRAN halaman. Penuunan pesamaan (3.) menjad pesamaan (3.3) Penuunan pesamaan (3.3) menjad (3.4) Penuunan pesamaan (3.4) menjad (3.5) Bukt teoema Bukt teoema Bukt teoema Pogam Mathematca guna melhat hubungan state vaable dengan waktu Pogam Mathematca guna melhat medan aah dan bdang fase... 4
10 I PENDAHULUAN. Lata Belakang D alam tedapat banyak sekal jens makhluk hdup. Makhluk hdup tesebut akan menjalan seleks alam d mana yang kuat yang akan betahan. Salah satu kejadan yang dapat damat adalah pesangan untuk mempeoleh makanan dalam pestwa makan dan dmakan. Makhluk hdup pemakan atau dkenal sebaga pemangsa (pedato) akan menca buuan atau dkenal dengan mangsa (pey) guna mempetahankan hdup. Dalam tulsan n, pestwa tesebut damat pada dua pemangsa dan satu mangsa, beseta analss solusnya. Pesangan bag dua pemangsa dalam menca satu mangsanya dapat dmodelkan sebaga pemodelan tga dmens yang melbatkan tga vaabel state. Tedapat banyak model yang menggambakan pestwa mangsa-pemangsa, sepet; model Lotka-Voltea, Hollng tpe II, dan Hollng tpe III. Dalam penulsan kaya lmah n, penuls membatas d pada model Hollng tpe III, mengngat bahwa model n menggambakan secaa jelas penuunan tngkat pemangsaan pada saat kepadatan mangsa endah Model Hollng (Esenbeg dan Maszle, 995) untuk kal petama dpekenalkan oleh seoang lmuwan matematka benama Hollng pada tahun 959 dalam tulsannya yang bejudul Some chaactestcs of smple types of pedaton and paastsm.. Tujuan Tujuan utama penulsan n adalah menganalss solus model mangsa-pemangsa mengkut model Hollng Tpe III secaa gafs..3 Sstematka Penulsan Pada bab satu djelaskan lata belakang seta tujuan da penulsan kaya lmah n. Bab dua bes landasan teo yang menjad konsep dasa dalam penyusunan pembahasan. Bab tga akan membahas model pesamaan mangsa-pemangsa mengkut model Hollng tpe III, seta bab empat bes smpulan dan saan. II LANDASAN TEORI. Sstem Pesamaan Dfeensal Lnea Msalkan sebuah sstem pesamaan dfeensal (SPD) lnea dnyatakan sebaga: n x=ax+b, x( 0 ) = x0, x (.) dengan A adalah matks koefsen beukuan n n x n dan vekto konstan b, maka sstem tesebut dnamakan SPD lnea ode dengan konds awal x( 0 ) = x 0. Sstem (.) dkatakan homogen jka b = 0 dan takhomogen jka b 0. (Tu, 994). Sstem Pesamaan Dfeensal Mand Msalkan dbekan suatu sstem pesamaan dfeensal ode sebaga bekut: = f ( x, y), (.) y = g( x, y), dengan f dan g fungs kontnu benla eal da x dan y, dengan laju peubahan dan y dnyatakan dengan fungs x dan y send seta tdak beubah tehadap waktu, maka sstem (.) meupakan sstem pesamaan dffeensal mand..3 Metode Runge-Kutta Ode 4 (Vehulst, 990) Pandang masalah nla awal = f( t, x), t [ a, b], x( a) = x0 (.3) Solus numek da (.3) dapat dca dengan menggunakan fomula Runge-Kutta ode 4 sebaga bekut:
11 x = + h + 6 f + f + f + f dengan f = f t, x ( ) k k 3 4 k h h f = f tk +, xk + f h h f3 = f tk +, xk + f f = f + x + f ( t h, h ) 4 k k 3 k dan tk+ = tk + h untuk k = 0,,..., n ; b a h = ; n = banyaknya teas. n (Mathews, 99).4 Fungs Logstk Laju petumbuhan populas tdak tetap tetap begantung pada ukuan populas. Jka hal n djadkan asums, secaa matemats beat bahwa laju petumbuhan populas tu meupakan fungs ukuan populas dn = N = f N dt dengan f ( N ) meupakan fungs tuun jka N betambah besa. Nla f ( N ) membesa jka N mendekat nol. Bentuk palng sedehana da fungs f alah bentuk lnea yang dapat dbentuk sebaga bekut: jka N sangat kecl ( N 0), populas tumbuh secaa eksponensal dan setap ndvdu yang dtambahkan ke dalam populas akan mengakbatkan laju petumbuhan pe kapta tuun sebesa konstanta a, maka pesamaan dfeensal untuk petumbuhan populas akan menjad: dn an Ndt = dengan dan a meupakan konstanta postf. Pesamaan nlah yang dsebut model logstk. Ada caa lan yang dapat dgunakan untuk mempeoleh model logstk, yatu secaa eksplst memasukkan fakto daya dukung lngkungan ( k ). Jka dalam populas ada N ndvdu, maka lngkungan mash dapat mendukung k N ndvdu. Jad mash ada bagan lngkungan yang mash bsa ds, sebesa ( k N ). k Bagan nlah yang sebandng dengan petumbuhan pekapta. Oleh kaena tu dn ( k N ) dn ( k N ) = atau = N. Ndt k dt k Pada kasus nla awal N 0 < k, model logstk meamalkan bahwa ukuan populas nak dan memlk asmtot sebesa k. Gafk k model n memlk ttk belok d N =, k cekung ke atas jka N < dan cekung ke k bawah jka N >. Lhat Gamba. N k k / N 0 Gamba. Kuva Model Logstk.5 Model Hollng (Hasbuan, 988) Ada banyak model mangsa-pemangsa, salah satunya adalah model Hollng. Pada model Hollng tpe II, saat kepadatan populas mangsa endah, model tesebut menggambakan tngkat pemangsaan sebaga fungs nak da populas mangsa, sampa pada kepadatan mangsa yang tngg d mana tngkat konsums mencapa ttk jenuh. Hal n dsebabkan setap pemangsa hanya dapat memakan sejumlah kecl mangsa pada saat satu unt waktu. Model Hollng tpe III juga menggambakan tngkat petumbuhan pemangsa. Tetap pada model n dapat telhat jelas mengena penuunan tngkat pemangsaan pada saat kepadatan mangsa endah. Hal tesebut tdak dapat telhat pada model Hollng tpe II. Adapun tngkat petumbuhan mangsa pada model Hollng tpe II dan III dbekan pada fungs bekut: t
12 3 ( II ) ax F ( x) = + bx ( III ) ax F ( x) = + bx d mana ( II ) F : fungs Hollng II. ( III ) F : fungs Hollng tpe III a, b : konstanta x : jumlah populas mangsa (Esenbeg dan Maszle, 995).6 Nla Egen dan Vekto Egen Msalkan A adalah matks n x n. Sebuah n vekto tak nol x d dalam dsebut vekto egen da A, jka untuk sebuah skala λ, yang dsebut nla egen da A, belaku: Ax = λx. (.4) Vekto x dsebut vekto egen yang besesuaan dengan nla egen λ. Untuk menca nla egen da matks A yang beukuan n x n, maka pesamaan (.4) dapat dtulskan sebaga bekut: ( A λi) x = 0. (.5) dengan I matks denttas. Pesamaan (.5) mempunya solus tak nol jka dan hanya jka: det ( A λi ) = 0. (.6) Pesamaan (.6) dsebut pesamaan kaaktestk da A. (Anton, 995).7 Ttk Sngula Dbekan sebuah ttk ( ab, ) pada kuva f ( x, y ) = 0. Ttk ( ab, ) meupakan ttk sngula jka tuunan pasal da f tehadap x dan y keduanya benla nol pada ttk ( ab, ), yatu f ( a, b ) = 0 dan x fy a, b = 0. (Afken, 985).8 Ttk Tetap Dbekan SPD mand n = f ( x), x (.7) * * Ttk x dsebut ttk tetap jka f ( x ) = 0. Ttk tetap dsebut juga ttk kts atau ttk kesetmbangan. (Tu, 994).9 Ttk Tetap Stabl * Msalkan x adalah ttk tetap SPD x t adalah sebuah solus SPD mand dan mand dengan nla awal x ( 0) x 0 = dengan * * x 0 x. Ttk x dkatakan ttk tetap stabl jka untuk sebaang adus ρ > 0 tedapat > 0 sedemkan sehngga jka poss awal * x 0 memenuh x x < maka solus * x ( t ) memenuh t > 0..0 Ttk Tetap Takstabl Msalkan 0 x t x < ρ, untuk setap (Vehulst, 990) * x adalah ttk tetap sebuah SPD mand dan SPD mand dengan nla awal x ( 0) = x 0 x t adalah sebuah solus * dengan x 0 x. Ttk x * dkatakan ttk tetap takstabl jka tedapat adus ρ > 0 dengan c sebaga bekut: untuk sebaang > 0 tedapat poss awal x 0 memenuh * x x x t 0 <, beakbat solus * memenuh x ( t) x ρ, untuk palng sedkt satu t > 0. (Vehulst, 990)
13 4. Pelneaan Untuk suatu SPD taklnea, analss kestablannya dlakukan melalu model hasl pelneaan. Msalkan dbekan SPD taklnea sebaga bekut: = f( x). (.8) Dengan menggunakan ekspans Taylo untuk suatu ttk tetap x *, maka pesamaan (.8) dapat dtuls sebaga bekut: x=ax +ϕ ( x). (.9) Pesamaan tesebut meupakan SPD taklnea dengan A adalah matks Jacob, * A = Df x = Df x x= x* f f x x n a a n = = fn f n an a nn x x n ϕ x suku beode tngg yang besfat dan ϕ lm x = 0. Akbatnya pesamaan x 0 dfeensal (.9) dbekan sebaga bekut: = Ax. (.0) Pesamaan (.0) dsebut pelneaan da pesamaan dfeensal (.8). (Tu, 994). Analss Kestablan Ttk Tetap Msalkan dbekan SPD mand n = f( x), x (.) Selanjutnya, dlakukan pelneaan d sekta ttk tetap sesua dengan pesamaan (.9), sehngga dpeoleh pesamaan (.0). Analss kestablan SPD (.) dlakukan melalu analss kestablan SPD (.0). Penentuan kestablan ttk tetap ddapat dengan melhat nla-nla egen matks A, yatu: λ, =,..., n yang dpeoleh da det ( A λi ) = 0. Secaa umum kestablan ttk tetap mempunya tga pelaku sebaga bekut:. Stabl, jka a. Setap nla egen eal adalah negatf ( λ < 0 untuk setap ). b. Setap nla egen kompleks memlk negatf bagan eal atau sama dengan nol, ( Re( λ ) 0 untuk setap ).. Takstabl, jka a. Setap nla egen eal adalah postf atau sama dengan nol ( λ 0 untuk setap ). b. Setap nla egen kompleks memlk postf bagan eal, ( Re( λ ) > 0 untuk setap ). 3. Sadel, jka Pekalan dua buah nla egen eal sembaang adalah negatf ( λλ j < 0 untuk dan j sembaang). (Tu, 994).3 Invaan Msalkan E meupakan hmpunan bagan n tebuka da, msal ( E) menyatakan f tuunan pasal, dengan, j =,, n x j yang kontnu d E, dan msalkan φt : E E meupakan alan da sstem taklnea da pesamaan (.8) yatu tayekto fase da solus pesamaan tesebut. Sebuah hmpunan S E dsebut nvaan jka φt ( S ) S dan S dsebut nvaan postf (atau negatf) jka φt ( S ) S untuk semua t 0 (atau t 0 ). (Peko, 99).4 Manfold Msalkan E meupakan hmpunan bagan tebuka da n, msal f ( E) yatu f tuunan pasal, dengan, j =,, n x j yang kontnu d E, dan msalkan φt : E E meupakan alan da sstem taklnea da pesamaan (.8) yatu tayekto fase da solus pesamaan tesebut. Msalkan bahwa f ( 0) = 0 dan Df ( 0) yatu tuunan fungs da f mempunya k nla egen yang bagan ealnya benla negatf dan n k nla egen yang bagan ealnya benla postf. Maka tedapat suatu manfold S yang bedmens k yang tedfeensalkan dan besnggungan S dengan subuang stabl E da sstem lnea pada 0 sehngga untuk t 0, φt ( S ) S dan untuk setap x 0 S, lm φ ( x 0 ) = 0 ; n t
14 5 dan tedapat suatu manfold U yang n k yang tedfeensalkan bedmens dan besnggungan dengan subuang takstabl U E da sstem lnea pada 0 sehngga untuk setap t 0, φt ( U ) U dan untuk setap x 0 U, lm φ ( x ) = 0. n.5 Invaant Manfolds t 0 (Peko, 99) y x Hmpunan nvaant E dkatakan jka E nvaant manfold meupakan manfold pada.6 Tayekto Fase n. (Wggns, 990) Dbekan solus sstem pesamaan dfeensal sepet d bawah n: -3 Gamba. Medan Aah dan Potet Fase Da Gamba telhat adanya lntasan yang dtempuh oleh solus ( x, y ) seng bejalannya waktu. Lntasan n dsebut tayekto fase. Sedangkan ttk-ttk ekulbum dan tayekto fase tpkal dsebut potet fase. (Stewat, 998) III PEMBAHASAN 3. Peumusan Model Dalam penulsan kaya lmah n, model Hollng yang dgunakan adalah tpe III. Model n dplh kaena menggambakan secaa jelas penuunan tngkat pemangsaan pada saat kepadatan populas mangsa yang endah, d mana hal tesebut tdak telhat pada model Hollng tpe II. Model mangsa-pemangsa yang mengkut model Hollng tpe III dalam kaya lmah n melbatkan satu mangsa dan dua pemangsa dapat dtulskan sebaga bekut: ds S S = S = S m, x = dt K a + S dx S = = mx d,,, x = dt a + S (3.) d mana: S : banyaknya mangsa. x : banyaknya pemangsa ke-. : laju petumbuhan ntnsk. K : daya dukung lngkungan bag mangsa. m : laju kelahan pemangsa ke-. a : konstanta kejenuhan pemangsa ke-. d : laju kematan pemangsa ke-. dengan Km,,, a, d adalah paamete postf. Sstem pesamaan (3.) d atas menggambakan kepadatan da mangsa dengan waktu t dlambangkan dengan S( t ), dan dua pemangsa pada waktu t yang dlambangkan masng-masng dengan x ( t ), dan x ( t ). Bentuk da fungs pemangsa mengkut model kuva logstk, maka jka S menuju tak hngga, laju kelahan pemangsa pe kapta akan menuju m. Dalam hal n telhat jelas bahwa pemangsa ke- yang betahan hdup membutuhkan laju kelahan yang lebh tngg da laju kematan, asumskan: m b = >, =, d Oleh kaena tu, haus dpetmbangkan pemangsa dengan konstanta kejenuhan a yang endah; a < a dengan populas pemangsa ke- mula bekembang hanya jka uas kanan pada pesamaan ke dua pada sstem pesamaan (3.) adalah postf,
15 6 d S > S : = a = a ( m d ) ( b ) dengan asums : a d a d ST : = S = S = m d m d mengakbatkan: a a = b b kaena a a b = a a a b a < <, b b < b < b (3.) Model dnams sstem pesamaan (3.) dapat dsedehanakan dengan menggunakan uang vaabel nyata sebaga bekut : Ω= {( S, x, x) S, x 0, =,}, dengan memlh: K t a + S a + S t. ( )( ) selanjutnya dengan melakukan substtus vaabel d atas ke dalam sstem pesamaan (3.), sehngga sstem pesamaan menjad: ( )( ) ( ) S = S K S a + S a + S mk S a + S x mk S ( a + S ) x mk = S ( a + S ) x dk a S a S x ( + )( + ) mk = S ( a + S ) x + + dk a S a S x (3.3) Model sstem pesamaan (3.3) d atas deduks menggunakan paamete m m, d d K K, =,, dan dlakukan tansfomas lnea pada koodnat x x, sehngga sstem pesamaan (3.3) d menjad: ( )( ) ( ) S = S K S a + S a + S m S d a + S m S d a + S = ms a + S x d a + S a + S x = ms a + S x d a + S a + S x ( ) ( ) ( )( ) ( ) ( )( ) (3.4) Sstem pesamaan (3.4) d atas kembal deduks menggunakan paamete { m md}, =,, sehngga sstem pesamaan menjad: ( )( ) ( ) ( ) S = S K S a + S a + S xms a + S xms a + S = xd a + S m S a = xd a + S m S a (3.5) Pada sstem pesamaan (3.5) d atas, dapat dlhat hubungan anta ukuan populas mangsa, pemangsa, dan pemangsa dengan waktu t yang dpeoleh menggunakan softwae Mathematca ves 6.0 dengan 3 paamete a =, a =, d = d =, m =, m =, dan K =
16 7 S.5 x t t Gamba 3. Ukuan populas mangsa pada S 0 =. waktu t untuk Gamba 3 d atas menjelaskan bahwa tngkat populas mangsa befluktuas d awal pengamatan dengan kecendeungan menak hngga mencapa kestablan. 4 3 x Gamba 5. Ukuan populas pemangsa pada waktu t untuk x =. ( 0) 0.0 Gamba 5 d atas menjelaskan bahwa pemangsa mengkonsums mangsa lebh banyak sehngga jumlah populas menak mengkut model kuva petumbuhan logstk. Da ketga gamba, yatu Gamba 3, Gamba 4, dan Gamba 5 telhat bahwa ukuan populas mencapa kestablan pada waktu t = 500. Untuk lebh jelasnya dapat dlhat pada Gamba 6 d bawah: S,x,x t 3 Pemangsa Gamba 4. Ukuan populas pemangsa pada waktu t untuk x =. ( 0 ) 3. Gamba 4 d atas menjelaskan bahwa pemangsa mengkonsums mangsa lebh sedkt sehngga lambat laun jumlah populasnya akan menuun mencapa kestablan mengkut model kuva peluuhan. Pemangsa Mangsa t Gamba 6. Gabungan Gamba 3, 4 dan 5.
17 8 3. Ttk Tetap Msalkan X menyatakan bdang vekto pada sstem pesamaan (3.5) yakn: X = P + Q + Q S x x maka kesngulaan da X dalam Ω dapat dnyatakan sebaga bekut: ( 0) ( 0) Sng X = P Q Ω = Pada penskalaan sebelumnya, telhat bahwa S = S pada sstem pesamaan (3.) dapat dubah menjad nla d = d =. a a = m m, dengan Ttk tetap yang akan dca, dpeoleh dengan menggunakan defns da ttk sngula. Sebelumnya dbekan teoema sepet bekut: Teoema. Dbekan =,. Jka λ = a a d a d m d m d =, m d d m d >,, maka hmpunan kesngulaan da sstem pesamaan (3.5) dnyatakan dengan Sng ( X ) = {( 0,0,0 )(, K,0,0) } Sng λ d mana; ( S, x, x) S = λ K, Sngλ = λ( K λ) x x = 0, x 0, =, Bukt (lhat Lampan 4). Da teoema d atas dpeoleh ttk tetap : T = S = 0, x = 0, x = 0. (, 0, 0) T = S = K x = x = Dan T 3 yang dpeoleh da Sng λ. Bedasakan ttk tetap yang dpeoleh d atas dapat dlakukan analss kestablannya. 3.3 Analss Kestablan Ttk Tetap Pada bagan n akan danalss kestablan ttk tetap da sstem pesamaan (3.5). (,, ) = ( )( + )( + ) xms ( a + S ) xms ( a + S ) (,, ) = ( + ) ( ) P S x x S K S a S a S Q S x x xd a S m S a (,, ) Q S x x = x d a + S m S a Dengan demkan bentuk lnea da sstem pesamaan (3.5) adalah x=ax dengan x = S, x, x dan A meupakan matks Jacob bekut: P P P S x x Q Q Q A = S x x Q Q Q S x x dengan a a a 3 = a a a 3 a a a x= T x= T ( K S) S ( a S ) ( K S)( a S )( a S ) S( a S )( a S ) 3 ms x ms( a S ) x 3 ms x m S( a S ) x. ( ) ds ( a ( m) S ) x ( ) ds ( a ( m) S ) x d( a S )( a ( m) S ) a = K S S a + S a = d + m S a + S x a = d + m S a + S x 3 a = ms a + S a a = 0 a = m S a + S a = = 0 ( ( ) ) a = d a + S a + + m S 33 Sstem pesamaan (3.5) dapat dtulskan menjad:
18 9 3 Melalu uj paamete a =, a =, d = d =, m =, m =, dan K = 4, 5 5 dpeoleh ttk tetap: Untuk T ( S 0, x 0, x 0) = = = = dengan matks Jacob A = Pesamaan kaaktestk da A adalah: det A λi = 0, atau λ+ 0.48λ λ = 0 Ddapat nla egen da A adalah: λ = 0.96 λ = 0.4 λ = Untuk T ( S 4, x 0, x 0) = = = = dengan matks Jacob: A = Pesamaan kaaktestk da A adalah: det A λi = 0, atau + λ λ λ = * Ddapat nla egen da A adalah: λ = λ = 99.6 λ = Selanjutnya akan dpeksa kestablan da nla ttk tetap menggunakan teoema d bawah n. Teoema. Da sstem pesamaan (3.5):. Pada koodnat ( S, x, x ) dalam 3, sumbu seta koodnat bdang meupakan nvaant manfolds da sstem pesamaan (3.5).. Ttk tetap da koodnat ( S, x, x ) meupakan ttk tetap saddle. Pada sumbu S tdak stabl, sedangkan pada sumbu x, =, stabl.. Jka λ K, maka pada ttk sngula K meupakan ttk tetap saddle. (,0,0) Pada K K,0,0 meupakan ttk tetap tdak stabl pada sumbu x, =,, sedangkan pada sumbu S, meupakan ttk tetap stabl. Bukt (lhat Lampan 5). λ < d sekta ttk Bekut n akan dbekan gamba bdang fase pada sstem pesamaan (3.5) dengan uj 3 paamete a =, a =, d = d =, m =, m =, dan K = 4 menggunakan 5 5 tools Dynpac 0.7 pada Softwae Mathematca ves 5.. Pada bdang (,, ) S x x..00, m, m, d, d <=9 4.00, $%%%%%%%%%%%%%%%%%%% 5.00, $%%%%%%%%%%%%%%%%%%% , , Gamba 7. S x Medan vekto dan bdang fase S, x, x. pada bdang Pada Gamba 7, telhat bahwa kuva akan membesa seng bejalannya waktu. 4
19 0 Pada bdang ( x, S ). Pada bdang (, ) x x..00, m, S m, d, d<=9 4.00, $%%%%%%%%%%%%%%%%%%% 5.00, $%%%%%%%%%%%%%%%%%%% , ,.5.00, m, x m, d, d<=9 4.00, $%%%%%%%%%%%%%%%%%%% 5.00, $%%%%%%%%%%%%%%%%%%% , , Gamba 8. x Medan vekto dan bdang fase x S. pada bdang, Gamba 8 d atas meupakan cemnan da Gamba 7 pada dua dmens bdang ( x, S ). D mana pada suatu λ < K tedapat ttk tetap besfat spal tdak stabl. Pada bdang ( x, S )..00, m, S m, d, d<=9 4.00, $%%%%%%%%%%%%%%%%%%% 5.00, $%%%%%%%%%%%%%%%%%%% , , x Gamba 0. Medan vekto dan bdang fase x, x. pada bdang Gamba 0 d atas meupakan cemnan da Gamba 7 pada dua dmens pada bdang x, x. Selanjutnya dengan menggunakan teoema d bawah n, dapat dtunjukkan bahwa sstem pesamaan (3.) tebatas pada vaabel nyata Ω. Teoema 3. Msal dbekan fungs: B t = S t + x t + x t dengan,, S t x t x t adalah sstem pada pesamaan (3.). Jka S K, maka B ( t ) < 0. In membuktkan bahwa tayekto da sstem akan melewat bdang S + x+ x = C da lua ke dalam. Jka konstanta C cukup besa, maka sstem pesamaan (3.) tebatas d Ω. Bukt (lhat Lampan 6). Gamba 9. x Medan vekto dan bdang fase x S. pada bdang, Gamba 9 d atas meupakan cemnan da x S. Gamba 7 pada dua dmens bdang,
20 IV SIMPULAN DAN SARAN 4. Smpulan Model mangsa-pemangsa mengkut model Hollng tpe III menggambakan pelaku petumbuhan dalam sstem yang ted atas populas mangsa seta populas dua pemangsa. Da hasl uj paamete yang dbekan pada sstem pesamaan (3.5) dengan menggunakan tools Softwae Mathematca ves 6.0, dpeoleh dnamka populas pemangsa yang mengkonsums mangsa lebh sedkt beakbat lambat laun jumlah populasnya akan menuun hngga mencapa kestablan mengkut model kuva peluuhan. Pada pemangsa, dnamka jumlah populas menak dengan asums bahwa pemangsa n mengkonsums mangsa lebh banyak mengkut model kuva petumbuhan logstk Pada model mangsa, dnamka populas bak petumbuhan maupun kematan begantung pada pesangan pemangsa dan pemangsa dan juga lambat laun akan mencapa kestablan. Ukuan populas pemangsa dalam menstablkan sstem memegang peanan pentng, dkaenakan petumbuhan mangsa yang tdak tekendal dapat dstablkan dengan jumlah populas pemangsa. Dengan menngkatnya populas pemangsa, mengakbatkan populas mangsa bekuang dan akhnya membuat sstem stabl. Analss yang dgunakan yatu analss kestablan ttk tetap menggunakan defns ttk sngula. Da analss kestablan dpeoleh 3 kelompok ttk tetap, yatu kelompok ttk tetap petama T = S = 0, x = 0, x = 0, kelompok ttk { } tetap kedua T = { S = K, x = 0, x = 0} dengan K konstanta postf, dan kelompok ttk tetap ketga yang dpeoleh da Sng λ. Jka K beubah, maka dnamka populas akan beubah pula, tetap tdak pada kestablan ttk tetap. Pada ketga kelompok ttk tetap tesebut setelah dlakukan pencemnan tehadap ketga bdang data pada uang S, x, x, tedapat ttk tetap stabl, ttk tetap tdak stabl, ttk tetap saddle, dan spal takstabl. 4. Saan Saat n telah bekembang model Hollng tpe IV guna memodelkan pestwa mangsapemangsa. Tdak menutup kemungknan jka topk n dkembangkan dengan mengambl model Hollng tpe IV. V DAFTAR PUSTAKA Anton, H Aljaba Lnea Elemente. Eds ke-5. Tejemahan Pantu Slaban dan I Nyoman Susla. Elangga, Jakata. Afken, G Mathematcal Methods fo Physcsts 3 d ed. Academc Pess, pp and Olando, Floda. Esenbeg, J. N. & Don R. M The Stuctual Stablty of a Thee-Speces Food Chan Model. J. of Theo. Bol. 76: Hasbuan, K. M Pemodelan Matematka d Dalam Bolog Populas. PAU Ilmu Hayat IPB, Bogo. Mathews, J. H., 99. Numecal Methods fo Mathematcs, Scence and Engneeng. Pentce-Hall, London Peko, L. 99. Dffeental Equatons and Dynamcal System, Texts n Appled Mathematcs, vol. 7. Spnge-Velag, New Yok. Saez, E., Eduado S. & Ivan S Smultaneous Zp Bfucaton and Lmt Cycles n Thee Dmensonal Competton Models. SIAM J. Appled Dynamcal Systems. Vol. 5, No., pp. -.
21 Stewat, J Kalkulus. Susla, I. N & Henda G (penejemah). Elangga, Jakata. Stogatz, S. H Nonlnea Dynamcs and Chaos, Wth Applcatons to Physcs, Bology, Chemsty, and Engneeng. Addson-Wesley Publshng Company, Readng, Massachusete. Vehulst, F Nonlnea Dffeental Equaton and Dynamcal System. Spnge-Velag, Hedelbeg, Gemany. Wggns, S Intoducton to Appled Nonlnea Dynamcal Systems and Chaos. Spnge-Velag, New Yok Tu, P. N. V Dynamcal System, An Intoducton wth Applcaton n Economcs and Bology. Spnge-Velag, Hedelbeg, Gemany.
22 L A M P I R A N 3
23 4 LAMPIRAN Penuunan sstem pesamaan (3.) menjad sstem pesamaan (3.3) Untuk menyedehanakan model da sstem pesamaan (3.) dgunakan uang vaabel nyata {(,, ), 0,, K Ω= Sx x Sx = }. Dengan memlh t ( a + S )( a + S ) t dpeoleh sstem pesamaan (3.3). Da pesamaan (3.): Substtuskan pesamaan bekut pada sstem pesamaan (3.): K S ( a + S )( a + S ) S K x ( a + S )( a + S ) x Pada model mangsa: S S S = S mx K = a + S S S S = S mx m x K a + S a + S K Substtuskan S ( a + S )( a + S ) S pada pesamaan d aatas, dpeoleh: K S K S = ( a + S )( a + S ) S m ( a + S )( a + S ) x K a + S K S m ( a + S )( a + S ) x a S ( + ) ( ) K mk mk = KS( a + S )( a + S ) S ( a + S )( a + S ) S ( a + S ) x S ( a + S ) x K mk mk S = S( K S)( a + S )( a + S ) S ( a + S ) x S ( a + S ) x Pada model pemangsa : S = mx dx a + S K x a + S a + S x pada pesamaan d atas, dpeoleh: K S K = m ( a + S )( a + S ) x d ( a + S )( a + S ) x a + S Substtuskan ( ) mk dk = S ( a + S ) x ( a + S )( a + S ) x
24 5 Pada model pemangsa : S = mx dx a + S K x a + S a + S x pada pesamaan d atas, dpeoleh: = K dk m a S x ( a S )( a S ) x mk dk = S ( a + S ) x ( a + S )( a + S ) x Substtuskan Hasl d atas dapat dtuls kembal menjad sstem pesamaan (3.3) mk mk S = S( K S)( a + S )( a + S ) S ( a + S ) x S ( a + S ) x mk dk = S ( a + S ) x ( a + S )( a + S ) x mk dk = S ( a + S ) x ( a + S )( a + S ) x
25 6 LAMPIRAN Penuunan sstem pesamaan (3.3) menjad sstem pesamaan (3.4) Dengan meeduks paamete m m, d d, =,, seta tansfomas lnea pada K K x koodnat x ke dalam sstem pesamaan (3.3), dpeoleh sstem pesamaan (3.4). d Da pesamaan (3.3): Pada model mangsa: mk mk S = S( K S)( a ) + S a + S S a + S x S ( a + S ) x m K x mk x = S( K S)( a + S )( a + S ) S ( a + S ) S ( a + S ) K d K d dpeoleh: ms m S = S( K S)( a + S )( a + S ) ( a + S ) x S ( a + S ) x d d Pada model pemangsa : mk dk = S ( a + S ) x ( a + S )( a + S ) x mk dk = S ( a + S ) x ( a + S )( a + S ) x K K dpeoleh: ( ) ( )( = ) x ms a S x d a S a S x Pada model pemangsa : mk dk = S ( a + S ) x ( a + S )( a + S ) x mk dk = S ( a + S ) x ( a + S )( a + S ) x K K dpeoleh: ( ) ( )( = ) x m S a S x d a S a S x Hasl d atas dapat dtuls kembal menjad sstem pesamaan (3.4): m m S = S( K S)( a + S )( a + S ) S ( a + S ) x S ( a + S ) x d d = ms a + S x d a + S a + S x = m S a + S x d a + S a + S x
26 7 LAMPIRAN 3 Penuunan sstem pesamaan (3.4) menjad sstem pesamaan (3.5) Dengan meeduks kembal menggunakan paamete { m md }, =, ke dalam sstem pesamaan (3.4), dpeoleh sstem pesamaan (3.5). Da pesamaan (3.4): Pada model mangsa: m m S = S K S a + S a + S S a + S x S a + S x d d md md = S K S a + S a + S S a + S x S a + S x d d dpeoleh: S = S K S a + S a + S xms a + S x m S a + S ( )( ) ( ) ( ) Pada model pemangsa : = ms a + S x d a + S a + S x = mds a + S x d a + S a + S x = xd ms a + S a + S a + S = xd a + S ms a + S = xd a + S ms a S dpeoleh: ( ) = xd a + S m S a Pada model pemangsa : = m S a + S x d a + S a + S x = mds a + S x d a + S a + S x = x d m S a + S a + S a + S = xd a + S ms a + S dpeoleh: ( ) x = xd a + S S m a Hasl d atas dapat dtuls kembal menjad sstem pesamaan (3.5): S = S K S a + S a + S x m S a + S x m S a + S ( )( ) ( ) ( ) ( ) ( ) = x d a + S m S a = x d a + S m S a
27 8 LAMPIRAN 4 Bukt Teoema : Da pesamaan (3.) dengan paamete d = ; =,, dpeoleh : a d a d ST : = S = S = m m Msalkan untuk kasus S = λ pada S > S : = a λ = a = a = a = a a = m m d m d m m d m d d, dpeoleh: m d Bentuk d atas dapat dtuls kembal sebaga bekut: a d a d a a = = m d m d m m m > d m > d a λ = a λ = m d m a Dalam pencaan ttk sngula da sstem pesamaan (3.5), dapat dtuls pesamaan sebaga bekut: ds S = = 0, dx = = 0, dan = dx = 0 dt dt dt Nyatakan bahwa ( m ) S = a ms S = a xms xs = xa xms = xa + xs xms = x a + S, =, Da pesamaan kedua pada sstem pesamaan (3.5), dpeoleh: = xd ( a + S ) ( m ) S a = 0 xd ( a + S ) a a = 0 = 0 x = 0 = 0
28 9 Da pesamaan ketga pada sstem peamaan (3.5), dpeoleh: = xd( a + S ) ( m ) S a = 0 xd a + S a a = 0 = 0 x = 0 0 Da pesamaan petama pada sstem peamaan (3.5), dpeoleh: S = S K S a + S a + S xms a + S x m S a + S = 0 ( )( ) ( ) ( ) ( )( ) ( ) ( ) S K S a + S a + S = xms a + S + x m S a + S xms xms S( K S) = + a S a S S K S = x + x + + S K S = 0, kaena x = 0 dan x = 0 S = 0 S = K Dpeoleh bahwa ttk sngula pada pesamaan (3.5) adalah ( 0,0,0 ) dan (,0,0) Mengngat ( ) K. xms = x a + S, =,, pesamaan petama pada sstem pesamaan (3.5) menjad: S = S K S a + S a + S xms a + S x m a + S ( )( ) ( ) ( ) S( K S)( a S )( a S ) x( a S )( a S ) x( a S )( a S ) ( a S )( a S ) S( K S) x x = = + + Jka λ K, da S( K S) = x+ x pada penyelesaan pencaan ttk tetap pesamaan petama pada (3.5), dapat dgambakan kuva sepet bekut: x K x + x = 0 0 λ K λ = x + x kaena S = λ, x S S = λ Ilustas Teoema. {(,, ), 0, 0,, } Sngλ = S x x S = λλ K λ x x = x = tebukt
29 0 LAMPIRAN 5 Bukt Teoema :. Pada koodnat S, x, x dalam 3, sumbu seta koodnat bdang meupakan nvaant manfolds da sstem pesamaan (3.5) Bukt : X = P + Q + Q S x x X ( S,0,0) = ( S ( K S )( a + S )( a + S ) 0 0) S X ( 0, x,0) = ( xd( a + 0) ( m ) 0 a ) x... X ( 0, x, x ) = ( xda a ) ( x da a ) x x X ( S,0,0) = S ( K S )( a + S )( a + S ) S X ( 0, x,0) = ( xda a ) x... X ( 0, x, x ) ( ) ( = xda a x da a ) x x tebukt. Dapat dtulskan kembal sstem pesamaan(3.5) sebaga bekut: (,, ) = ( )( + )( + ) ( + ) ( + ) (,, ) = ( + ) ( ) P S x x S K S a S a S xms a S x m S a S Q S x x xd a S m S a (,, ) Q S x x = xd a + S m S a Dengan melakukan tuunan untuk setap fungs tehadap state vaable, dpeoleh: P P P S x x a a a3 Q Q Q DX = = a a a3 S x x a3 a3 a 33 Q Q Q S x x dengan : a = K S S a + S + K S S a + S + K S a + S a + S 3 ( )( ) ( ) 3 ( ). ( ) ( ) S a + S a + S m S x m S a + S x m S x m S a + S x a = d + m S a + S x + d S a + + m S x a = d + m S a + S x + d S a + + m S x 3
30 ( ( ) ) a = ms a + S a = d a + S a + + m S a = 0 a = m S a + S a = 0 ( ( ) ) a = d a + S a + + m S 33 Dengan memasukkan ttk sngula (,, ) ( 0,0,0) S x x =, bentuk matks menjad: a a K 0 0 DX ( 0,0,0) = 0 a a d a a d K 0 0 = a a 0 d d K, a, d > 0; =, tebukt. Dengan memasukkan ttk sngula ( S, x, x ) ( K,0,0) a a a3 DX ( K,0,0) = 0 a a 33 a a Da Teoema dpeoleh: λ = λ =. m m Maka a > 0, =, 3, dengan; a λ = m ( m ) a λ ( m ) λ = a + = 0 =, sehngga bentuk matks menjad: a + K m > 0, kaena λ < K 0 ( ( )) 0 ( ( )) 0 a = K a + K a + K < a = d a + K a + K + m = d a + K a + m K > a = d a + K a + K a + K + m 33 = d a + K a + m K > tebukt
31 LAMPIRAN 6 Bukt Teoema 3: Pada fungs B() t S() t x ( t) x ( t) bekut: B = S + + = + +, tuunannya tehadap t dapat dtulskan sebaga S S S S S = S mx mx + mx dx + mx d x K a + S a + S a + S a + S S = S dx dx K = S ( K S ) d x d x K Msalkan S K B t = S t + x t + x t <, sehngga sstem pesamaan (3.) tebatas, maka () 0 d Ω kaena S K tebukt
32 3 Lampan 7 Pogam dtuls dan djalankan pada Mathematca ves 6.0 ü Pogam Mathematca guna melhat hubungan state vaable dengan waktu d = d = ;H laju kematan untuk pemangsa dan pemangsa L m = 7 ;H laju kelahan pemangsa L 5 m = 8 ;H laju kelahan pemangsa L 5 a = 5 ;H konstanta kejenuhan pemangsa L 3 a = ;H konstanta kejenuhan pemangsa L 5 K = 4;H daya tampung mangsa L tmax = 000;H waktu maksmum L H Menyelesakan model secaa Numek L sol = NDSolveA9S'@tD S@tD HK S@tDL Ia + HS@tDL M Ia + HS@tDL M m x@td HS@tDL Ia + HS@tDL M m x@td HS@tDL Ia + HS@tDL M, x'@td d x@td Ia + HS@tDL M IHm L HS@tDL a M, x'@td d x@td Ia + HS@tDL M IHm L HS@tDL a M, S@0D, x@0d 3., x@0d 0.0=, 8S@tD, x@td, x@td<, 8t, 0, tmax<, DependentVaables 8S, x, x<, MaxSteps E; 8pey, ped, ped< = 8S@tD, x@td, x@td< ê. Flatten@solD; H Membangktkan data L data = Table@pey, 8t, 0, tmax<d; data = Table@ped, 8t, 0, tmax<d; data3 = Table@ped, 8t, 0, tmax<d; H Menamplkan gafk untuk data L gaf = LstPlot@data, PlotStyle 8RGBColo@, 0, 0D, Thckness@0.000D<, AxesLabel 8"t", "S"<, Joned Tue, AspectRato, PlotRange 880, 500<, 80, Max@dataD<<, ImageSze 300D H Menamplkan gafk untuk data L gaf = LstPlot@data, PlotStyle 8RGBColo@0,, 0D, Thckness@0.000D<, AxesLabel 8"t", "x"<, Joned Tue, AspectRato, PlotRange 880, 500<, 80, Max@dataD<<, ImageSze 300D H Menamplkan gafk untuk data3 L gaf3 = LstPlot@data3, PlotStyle 8RGBColo@0, 0, D, Thckness@0.000D<, AxesLabel 8"t", "x"<, Joned Tue, AspectRato, PlotRange 880, 500<, 80, Max@data3D<<, ImageSze 300D H Menamplkan keseluuhan gafk yang ada L Show@gaf, gaf, gaf3, AxesLabel 8"t", "S,x,x"<, DsplayFuncton $DsplayFuncton, PlotRange 880, 500<, 80, 5<<, ImageSze 300D
33 4 Lampan 8 Pogam dtuls dan djalankan pada Mathematca ves 5. ü Pogam Mathematca guna melhat medan aah dan bdang fase ü Langkah awal H Memeksa ves da Paket DynPac L sysd Mathematca 5..0, DynPac 0.7, ê6ê008 H Meeset semua vaabel benla ntege yang ada L nteset; H Meeset semua gamba yang ada L ploteset; H Menyatakan state vaables L setstate@8s, x, x<d; H Menyatakan vaabel yang dbutuhkan L setpam@8k, a, a, m, m, d, d<d; H Menyatakan fungs L slopevec = 8S HK SL Ha + S L Ha + S L x m S Ha + S L x m S Ha + S L, x d Ha + S L HHm L S a L,x d Ha + S L HHm L S a L<; H Konstanta da paamete L pamval = 94, $%%%%%% 5, $%%%%%% 3 5, 7 5, 8 5,,=; H Pembean nama sstem L sysname = "PedatoPey"; H Konds awal da state vaabel L ntvec = 8, 3., 0.0<; H Waktu konds awal, basanya 0 L t0 = 0.0; H Selang ntegal L wndow = , 0.5<, 8 0.5, 0.5<, 8 0.5, 0.5<<; H Kenakan waktu bekutnya L h = sugtmestep@wndowd
34 5 H Banyak langkah ntegal L nsteps = 000; H Pehtungan ntegal L sol = ntegate@ntvec, t0, h, nstepsd; ü Plot gamba bdang S, X, X H Aspek aso da gafk 3 D L boxat = 8,, <; H Menggambakan bdang fase 3 D L gaph = phaseplot3d@sol,,,3d; ü Plot gamba bdang X, S H Aspek aso da gafk D L aspat =.0; H Jaak sumbu L plange = 88, 4.5<, 80,.5<<; H Membuat panah dalam gafk bdang fase L aowflag = Tue; H Letak da panah dalam bdang fase L aowvec = 9 3 =; H Menggamba bdang fase D pada sumbu x,s L gaphxypoj = phaseplot@sol,,d; ü Plot gamba bdang X, S H Aspek aso da gafk D L aspat =.0; H Membuat panah dalam gafk bdang fase L aowflag = Tue; H Letak da panah dalam bdang fase L aowvec = 9 3 =; H Jaak sumbu L plange = 880, 0.05<, 80,.5<<; H Menggamba bdang fase D pada sumbu x,s L gaphxzpoj = phaseplot@sol,3,d;
35 6 ü Plot gamba bdang X, X H Aspek aso da gafk D L aspat =.0; H Membuat panah dalam gafk bdang fase L aowflag = Tue; H Letak da panah dalam bdang fase L aowvec = 9 3 =; H Jaak sumbu L plange = 88, 4.5<, 80, 0.05<<; H Menggamba bdang fase D pada sumbu x,x gaphyzpoj3 = phaseplot@sol,,3d; L
Bab III Reduksi Orde Model Sistem LPV
Bab III Reduks Ode Model Sstem PV Metode eduks ode model melalu MI telah dgunakan untuk meeduks ode model sstem I bak untuk kasus kontnu maupun dskt. Melalu metode n telah dhaslkan pula bentuk da model
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Pengetan Koelas Koelas adalah stlah statstk yang menyatakan deajat hubungan lnea antaa dua vaabel atau lebh, yang dtemukan oleh Kal Peason pada awal 1900. Oleh sebab tu tekenal dengan
Lebih terperinciP(A S) = P(A S) = P(B A) = dengan P(A) > 0.
0 3.5. PELUANG BERSYARAT Jka kta menghtung peluang sebuah pestwa, maka penghtungannya selalu ddasakan pada uang sampel ekspemen. Apabla A adalah sebuah pestwa, maka penghtungan peluang da pestwa A selalu
Lebih terperinciPELABELAN TOTAL BUSUR-AJAIB b-busur BERURUTAN
JIMT Vol. 4 No. Jun 07 (Hal - 0) ISSN : 450 766X PELABELAN TOTAL BUSUR-AJAIB b-busur BERURUTAN PADA GRAF LOBSTER L n (; ; t) DAN L n (;, s; t) Nujana, I W. Sudasana, dan Resnawat 3,,3 Pogam Stud Matematka
Lebih terperinciFisika Dasar I (FI-321) Sistem Partikel dan Kekekalan Momentum
Fska Dasa I (FI-3) Topk ha n (mnggu 6) Sstem Patkel dan Kekekalan Momentum Pesoalan Dnamka Konsep Gaya Gaya bekatan dengan peubahan geak (Hukum ewton) Konsep Eneg Lebh mudah pemecahannya kaena kta hanya
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI. Peluang Peluang adalah suatu nla untuk menguku tngkat kemungknan tejadnya suatu pestwa (event) akan tejad d masa mendatang yang haslnya tdak past (uncetan event). Peluang dnyatakan
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan
Lebih terperinciBAB X RUANG HASIL KALI DALAM
BAB X RUANG HASIL KALI DALAM 0. Hasl Kal Dalam Defns. Hasl kal dalam adalah fungs yang mengatkan setap pasangan vektor d ruang vektor V (msalkan pasangan u dan v, dnotaskan dengan u, v ) dengan blangan
Lebih terperinciFisika Dasar I (FI-321) Sistem Partikel dan Kekekalan Momentum
Fska Dasa I (FI-3) Topk ha n (mnggu 6) Sstem Patkel dan Kekekalan Momentum Pesoalan Dnamka Konsep Gaya Gaya bekatan dengan peubahan geak (Hukum Newton) Konsep Eneg Lebh mudah pemecahannya kaena kta hanya
Lebih terperinciSIFAT - SIFAT MATRIKS UNITER, MATRIKS NORMAL, DAN MATRIKS HERMITIAN
SFT - SFT MTRKS UNTER, MTRKS NORML, DN MTRKS HERMTN Tasa bstak : Tujuan peneltan n adalah untuk mengetahu pengetan dan sfat sfat da matks unte, matks nomal, dan matks hemtan. Metode peneltan yang dgunakan
Lebih terperinciANALISIS DATA KATEGORIK (STK351)
Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang
Lebih terperinciKALKULUS VARIASI JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA
KALKULUS VARIASI JURUSAN PENDIDIKAN ISIKA PMIPA UNIVERSITAS PENDIDIKAN INDONESIA Smak Petanaan! Bang A B Bentuk kuva apakah ang menunjukkan jaak tepenek ang menghubung-kan ttk A an ttk B alam bang ata
Lebih terperinciHand Out Fisika II HUKUM GAUSS. Fluks Listrik Permukaan tertutup Hukum Gauss Konduktor dan Isolator
HUKUM GAUSS Fluks Lstk Pemukaan tetutup Hukum Gauss Kondukto dan Isolato 1 Mach 7 1 Gas gaya oleh muatan ttk - 1 Mach 7 Gas gaya akbat dpol - 1 Mach 7 Fluks Lstk Defns: banyaknya gas gaya lstk yang menembus
Lebih terperinciMEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM
MEREDUKSI SISTEM PERSAMAAN LINEAR FUZZY PENUH DENGAN BILANGAN FUZZY TRAPESIUM Tut Susant, Mashad, Sukamto Mahasswa Program S Matematka Dosen Jurusan Matematka Fakultas Matematka dan Ilmu Pengetahuan Alam
Lebih terperinciPENDAHULUAN Latar Belakang
PENDAHULUAN Latar Belakang Menurut teor molekuler benda, satu unt volume makroskopk gas (msalkan cm ) merupakan suatu sstem yang terdr atas sejumlah besar molekul (kra-kra sebanyak 0 0 buah molekul) yang
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Matematka sebaga bahasa smbol yang bersfat unversal memegang peranan pentng dalam perkembangan suatu teknolog. Matematka sangat erat hubungannya dengan kehdupan nyata.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang
Lebih terperinciDIMENSI PARTISI GRAF GIR
Jurnal Matematka UNAND Vol. 1 No. 2 Hal. 21 27 ISSN : 2303 2910 c Jurusan Matematka FMIPA UNAND DIMENSI PARTISI GRAF GIR REFINA RIZA Program Stud Matematka, Fakultas Matematka dan Ilmu Pengetahuan Alam,
Lebih terperinciII. TEORI DASAR. Definisi 1. Transformasi Laplace didefinisikan sebagai
II. TEORI DASAR.1 Transormas Laplace Ogata (1984) mengemukakan bahwa transormas Laplace adalah suatu metode operasonal ang dapat dgunakan untuk menelesakan persamaan derensal lnear. Dengan menggunakan
Lebih terperinciTeori Himpunan. Modul 1 PENDAHULUAN. impunan sebagai koleksi (pengelompokan) dari objek-objek yang
Modul 1 Teor Hmpunan PENDAHULUAN Prof SM Nababan, PhD Drs Warsto, MPd mpunan sebaga koleks (pengelompokan) dar objek-objek yang H dnyatakan dengan jelas, banyak dgunakan dan djumpa dberbaga bdang bukan
Lebih terperinciBAB III BAGAN CUSUM Dasar statistik bagan kendali Cumulative Sum untuk rata-rata
3 BAB III BAGAN CUSUM 3.. Dasa statstk bagan kendal Cumulatve Sum untuk ata-ata Bagan Cusum dgunakan untuk mendeteks pegesean kecl pada mean atau vaans dalam poses oleh kaena adanya penyebab khusus secaa
Lebih terperinciMODEL SUMBER - KONSUMEN. Oleh : UMI HIDAYATI G
MODEL SUMBER - KONSUMEN Oleh : UMI HIDAYATI G05400046 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2006 ABSTRAK UMI HIDAYATI. Model Sumber Konsumen. D bawah
Lebih terperinciTinjauan Algoritma Genetika Pada Permasalahan Himpunan Hitting Minimal
157 Vol. 13, No. 2, 157-161, Januar 2017 Tnjauan Algortma Genetka Pada Permasalahan Hmpunan Httng Mnmal Jusmawat Massalesse, Bud Nurwahyu Abstrak Beberapa persoalan menark dapat dformulaskan sebaga permasalahan
Lebih terperinciBab 4 ANALISIS KORELASI
Bab 4 ANALISIS KORELASI PENDAHULUAN Koelas adalah suatu alat analss yang dpegunakan untuk menca hubungan antaa vaabel ndependen/bebas dengan vaabel dpenden/takbebas. Apabla bebeapa vaabel ndependen/bebas
Lebih terperinciBab III Analisis Rantai Markov
Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada
Lebih terperinciSOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN
SOLUSI SISTEM PERSAMAAN DIFERENSIAL PARSIAL DENGAN MENGGUNAKAN METODE PERTURBASI HOMOTOPI DAN METODE DEKOMPOSISI ADOMIAN Ita Rahmadayan 1, Syamsudhuha 2, Asmara Karma 2 1 Mahasswa Program Stud S1 Matematka
Lebih terperinciSEARAH (DC) Rangkaian Arus Searah (DC) 7
ANGKAAN AUS SEAAH (DC). Arus Searah (DC) Pada rangkaan DC hanya melbatkan arus dan tegangan searah, yatu arus dan tegangan yang tdak berubah terhadap waktu. Elemen pada rangkaan DC melput: ) batera ) hambatan
Lebih terperinciPROPOSAL SKRIPSI JUDUL:
PROPOSAL SKRIPSI JUDUL: 1.1. Latar Belakang Masalah SDM kn makn berperan besar bag kesuksesan suatu organsas. Banyak organsas menyadar bahwa unsur manusa dalam suatu organsas dapat memberkan keunggulan
Lebih terperinciEksistensi Bifurkasi Mundur pada Model Penyebaran Penyakit Menular dengan Vaksinasi
1 Eksstens Bfurkas Mundur pada Model Penyebaran Penyakt Menular dengan Vaksnas Intan Putr Lestar, Drs. M. Setjo Wnarko, M.S Jurusan Matematka, Fakultas Matematka dan Ilmu Pengetahuan Alam, Insttut Teknolog
Lebih terperinciRUANG FUNGSI GELOMBANG PARTIKEL TUNGGAL (ONE-PARTICLE WAVE FUNCTION SPACE)
RUANG FUNGSI GELOMBANG PARTIKEL TUNGGAL (ONE-PARTICLE WAVE FUNCTION SPACE) Intepetas pobablstk a fungs gelombang t suatu patkel telah kta pelaa yatu t yang menyatakan peluang menemukan patkel paa waktu
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi
Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5
Lebih terperinciPersamaan Medan Relativistik dan Rumusan Lagrange
4 Pesamaan Medan Relatvstk dan Rumusan Lagange Setelah mempelaja bab 4, mahasswa dhaapkan dapat:. Menuunkan nla egen dan pesamaan gelombang untuk patkel spn.. Menuunkan nla egen dan pesamaan gelombang
Lebih terperinciBAB 2 LANDASAN TEORI
2 LNDSN TEORI 2. Teor engamblan Keputusan Menurut Supranto 99 keputusan adalah hasl pemecahan masalah yang dhadapnya dengan tegas. Suatu keputusan merupakan jawaban yang past terhadap suatu pertanyaan.
Lebih terperinciPENGARUH PENGUMUMAN DIVIDEN TERHADAP FLUKTUASI HARGA SAHAM DI BURSA EFEK INDONESIA
PENGARUH PENGUMUMAN DIVIDEN TERHADAP FLUKTUASI HARGA SAHAM DI BURSA EFEK INDONESIA SKRIPSI Dajukan Sebaga Salah Satu Syarat Untuk menyelesakan Program Sarjana ( S1) Pada Sekolah Tngg Ilmu Ekonom Nahdlatul
Lebih terperinciSISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS
SISTEM LINEAR MAX-PLUS KABUR WAKTU INVARIANT AUTONOMOUS A8 M. Andy Rudhto 1 1 Program Stud Penddkan Matematka FKIP Unverstas Sanata Dharma Kampus III USD Pangan Maguwoharjo Yogyakarta 1 e-mal: arudhto@yahoo.co.d
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan
Lebih terperinciBAB I PENDAHULUAN. SARS pertama kali dilaporkan terjadi di Propinsi Guandong Cina pada
BAB I PENDAHULUAN 1.1 LATAR BELAKANG MASALAH Pergerakan populas sangat mempengaruh proses dnamka dar epdem penyakt. Hal n dapat dtunjukkan oleh beberapa penyakt menular. SARS pertama kal dlaporkan terjad
Lebih terperinciWeek 5. Konstanta Saluran Transmisi primer dan sekunder. Konstanta kabel koax dan kabel paralel ganda
Week 5 Knstanta Saluan Tansms pme dan sekunde Knstanta kabel kax dan kabel paalel ganda 1 Pada pembahasan lalu: Besaan γ dan Z da sebuah saluan tansms memankan peanan pentng pada fenmena peambatan gelmbang.
Lebih terperinciBAB VB PERSEPTRON & CONTOH
BAB VB PERSEPTRON & CONTOH Model JST perseptron dtemukan oleh Rosenblatt (1962) dan Mnsky Papert (1969). Model n merupakan model yang memlk aplkas dan pelathan yang lebh bak pada era tersebut. 5B.1 Arstektur
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan
Lebih terperinciPELABELAN HARMONIOUS PADA GRAF TANGGA DAN GRAF KIPAS
PELABELAN HARMONIOUS PADA GRAF TANGGA DAN GRAF KIPAS SKRIPSI Oleh Dony Rusdanto NIM 041810101044 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER 011 PELABELAN HARMONIOUS
Lebih terperinciDekomposisi Nilai Singular dan Aplikasinya
A : Dekomposs Nla Sngular dan Aplkasnya Gregora Aryant Dekomposs Nla Sngular dan Aplkasnya Oleh : Gregora Aryant Program Stud Penddkan Matematka nverstas Wdya Mandala Madun aryant_gregora@yahoocom Abstrak
Lebih terperinciKontrol Tracking pada Sistem Pendulum Kereta Berbasis Model Fuzzy Takagi-Sugeno Menggunakan Pendekatan PDC Modifikasi
JURNAL TEKNIK ITS Vol. 4, No. 1, (15) ISSN: 337-3539 (31-971 Pnt) A-83 Kontol Tackng pada Sstem Pendulum Keeta Bebass Model Fuzzy Takag-Sugeno Menggunakan Pendekatan PDC Modfkas Nan Nu an Awab Put dan
Lebih terperinciLAPORAN KKN SISDAMAS Kelompok 114 PENGOLAHAN SAMPAH ANORGANIK DAN BARANG BEKAS MENJADI KERAJINAN YANG BERNILAI DAN BERDAYA JUAL DI DESA BONGAS KULON
LAPORAN KKN SISDAMAS Kelompok 114 PENGOLAHAN SAMPAH ANORGANIK DAN BARANG BEKAS MENJADI KERAJINAN YANG BERNILAI DAN BERDAYA JUAL DI DESA BONGAS KULON Edtor : Dra. Hj. St Sumjat, M.S. Penuls : Dndn Ahmad
Lebih terperinciANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK
REGRESI NON LINIER ANALISIS REGRESI REGRESI LINEAR REGRESI NONLINEAR REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUADRATIK REGRESI KUBIK Membentuk gars lurus Membentuk Gars Lengkung Regres
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 8 Bandar Lampung. Populasi dalam
1 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMPN 8 Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas VII SMPN 8 Bandar Lampung Tahun Pelajaran 01/013 yang terdr
Lebih terperinciBAB I PENDAHULUAN Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Matematka dbag menjad beberapa kelompok bdang lmu, antara lan analss, aljabar, dan statstka. Ruang barsan merupakan salah satu bagan yang ada d bdang
Lebih terperinciRANGKAIAN SERI. 1. Pendahuluan
. Pendahuluan ANGKAIAN SEI Dua elemen dkatakan terhubung ser jka : a. Kedua elemen hanya mempunya satu termnal bersama. b. Ttk bersama antara elemen tdak terhubung ke elemen yang lan. Pada Gambar resstor
Lebih terperinciANALISIS BENTUK HUBUNGAN
ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel
Lebih terperinciBAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER
BAB V PENGEMBANGAN MODEL FUZZY PROGRAM LINIER 5.1 Pembelajaran Dengan Fuzzy Program Lner. Salah satu model program lnear klask, adalah : Maksmumkan : T f ( x) = c x Dengan batasan : Ax b x 0 n m mxn Dengan
Lebih terperinciSifat-sifat Operasi Perkalian Modular pada Graf Fuzzy
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 07 Sfat-sfat Operas Perkalan Modular pada raf Fuzzy T - 3 Tryan, ahyo Baskoro, Nken Larasat 3, Ar Wardayan 4,, 3, 4 Unerstas Jenderal Soedrman transr@yahoo.com.au
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya
Lebih terperinciBAB I PENDAHULUAN. konsep strategi yang cocok untuk menghadapi persaingan baik itu mengikuti marketing
BAB I PENDAHULUAN 1.1 Latar Belakang Konds persangan dalam berbaga bdang ndustr saat n dapat dkatakan sudah sedemkan ketatnya. Persangan dalam merebut pasar, adanya novas produk, mencptakan kepuasan pelanggan
Lebih terperinciESTIMASI MODEL EKSPONENSIAL LIFETIME DENGAN DOUBLE CENSORING
J. Math. and Its Appl. ISSN: 1829-65X Vol. 7, No. 2, Novembe 21, 27 4 ESTIMASI MODEL EKSPONENSIAL LIFETIME DENGAN DOUBLE CENSORING Fada Agustn W. 1, Thatht Puwanngtyas 2 Juusan Matematka, FMIPA ITS Suabaya
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan
Lebih terperinciLAPORAN INDIVIDU PRAKTIK PENGALAMAN LAPANGAN (PPL)
LAPORAN INDIVIDU PRAKTIK PENGALAMAN LAPANGAN (PPL) Laporan n Dsusun Guna Sebaga Pertanggungjawaban Pelaksanaan Praktk Pengalaman Lapangan (PPL) Tahun Akademk 2014/2015 Lokas PPL Nama Sekolah : SMA N 2
Lebih terperinciCatatan Kuliah 12 Memahami dan Menganalisa Optimisasi dengan Kendala Ketidaksamaan
Catatan Kulah Memaham dan Menganalsa Optmsas dengan Kendala Ketdaksamaan. Non Lnear Programmng Msalkan dhadapkan pada lustras berkut n : () Ma U = U ( ) :,,..., n st p B.: ; =,,..., n () Mn : C = pk K
Lebih terperinciLAMPIRAN A PENURUNAN PERSAMAAN NAVIER-STOKES
LAMPIRAN A PENURUNAN PERSAMAAN NAVIER-STOKES Hubungan n akan dawal dar gaya yang beraks pada massa fluda. Gaya-gaya n dapat dbag ke dalam gaya bod, gaya permukaan, dan gaya nersa. a. Gaya Bod Gaya bod
Lebih terperinciBAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.
BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan
Lebih terperinciBab 4 SIMULASI NUMERIK. 4.1 Kasus I
Bab 4 SIMULASI NUMERIK Pada bab n akan dbahas analss model penyebaran penyakt flu burung untuk kasus adanya pertumbuhan dan kematan alam serta kasus tdak adanya pertumbuhan dan kematan alam secara numerk
Lebih terperinciBAB V INTEGRAL KOMPLEKS
6 BAB V INTEGRAL KOMPLEKS 5.. INTEGRAL LINTASAN Msal suatu lntasan yang dnyatakan dengan : (t) = x(t) + y(t) dengan t rl dan a t b. Lntasan dsebut lntasan tutup bla (a) = (b). Lntasan tutup dsebut lntasan
Lebih terperinciPENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Studi Kasus pada Data Inflasi Indonesia)
PENERAPAN METODE MAMDANI DALAM MENGHITUNG TINGKAT INFLASI BERDASARKAN KELOMPOK KOMODITI (Stud Kasus pada Data Inflas Indonesa) Putr Noorwan Effendy, Amar Sumarsa, Embay Rohaet Program Stud Matematka Fakultas
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 1, 33-40, April 2001, ISSN : KLASIFIKASI INTERAKSI GELOMBANG PERMUKAAN BERTIPE DUA SOLITON
JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No., 33-40, Aprl 00, ISSN : 40-858 KLASIFIKASI INTERAKSI GELOMBANG PERMUKAAN BERTIPE DUA SOLITON Sutmn dan Agus Rusgyono Jurusan Matematka FMIPA UNDIP Abstrak Pada
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011.
44 BAB IV HASIL DAN PEMBAHASAN PENELITIAN 4.1 Penyajan Data Peneltan Untuk memperoleh data dar responden yang ada, maka dgunakan kuesoner yang telah dsebar pada para pelanggan (orang tua sswa) d Kumon
Lebih terperinciPENYELESAIAN PROGRAM LINEAR SASARAN GANDA MENGGUNAKAN METODE SIMPLEKS MULTIFASE
PERSETUJUAN PENYELESAIAN PROGRAM LINEAR SASARAN GANDA MENGGUNAKAN METODE SIMPLEKS MULTIFASE SKRIPSI Telah dsetuju dan dsyahkan pada tanggal: 3 November 2010 Untuk dpertahankan ddepan Dewan Penguj Skrps
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap
5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap
Lebih terperinciBAB II DASAR TEORI. 2.1 Definisi Game Theory
BAB II DASAR TEORI Perkembangan zaman telah membuat hubungan manusa semakn kompleks. Interaks antar kelompok-kelompok yang mempunya kepentngan berbeda kemudan melahrkan konflk untuk mempertahankan kepentngan
Lebih terperinciBAB III METODE PENELITIAN. Untuk mencapai tujuan penelitian, maka diperlukan suatu metode yang
39 BAB III METODE PENELITIAN 3.1. Desan Peneltan Untuk mencapa tujuan peneltan, maka dpelukan suatu metode yang tepat aga peneltan dapat dlaksanakan dengan bak. Sebagamana yang dkemukakan oleh Mohammad
Lebih terperinciBOKS A SUMBANGAN SEKTOR-SEKTOR EKONOMI BALI TERHADAP EKONOMI NASIONAL
BOKS A SUMBANGAN SEKTOR-SEKTOR EKONOMI BALI TERHADAP EKONOMI NASIONAL Analss sumbangan sektor-sektor ekonom d Bal terhadap pembangunan ekonom nasonal bertujuan untuk mengetahu bagamana pertumbuhan dan
Lebih terperinciBAB I PENDAHULUAN. pembangunan dalam sektor energi wajib dilaksanakan secara sebaik-baiknya. Jika
BAB I PENDAHULUAN 1.1.Latar Belakang Energ sangat berperan pentng bag masyarakat dalam menjalan kehdupan seharhar dan sangat berperan dalam proses pembangunan. Oleh sebab tu penngkatan serta pembangunan
Lebih terperinci2.1 Sistem Makroskopik dan Sistem Mikroskopik Fisika statistik berangkat dari pengamatan sebuah sistem mikroskopik, yakni sistem yang sangat kecil
.1 Sstem Makroskopk dan Sstem Mkroskopk Fska statstk berangkat dar pengamatan sebuah sstem mkroskopk, yakn sstem yang sangat kecl (ukurannya sangat kecl ukuran Angstrom, tdak dapat dukur secara langsung)
Lebih terperinciUJI PRIMALITAS. Sangadji *
UJI PRIMALITAS Sangadj * ABSTRAK UJI PRIMALITAS. Makalah n membahas dan membuktkan tga teorema untuk testng prmaltas, yatu teorema Lucas, teorema Lucas yang dsempurnakan dan teorema Pocklngton. D sampng
Lebih terperinciEFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR
EFISIENSI DAN AKURASI GABUNGAN METODE FUNGSI WALSH DAN MULTIGRID UNTUK MENYELESAIKAN PERSAMAAN INTEGRAL FREDHOLM LINEAR Masduk Jurusan Penddkan Matematka FKIP UMS Abstrak. Penyelesaan persamaan ntegral
Lebih terperinciP n e j n a j d a u d a u l a a l n a n O pt p im i a m l a l P e P m e b m a b n a g n k g i k t Oleh Z r u iman
OTIMISASI enjadualan Optmal embangkt Oleh : Zurman Anthony, ST. MT Optmas pengrman daya lstrk Dmaksudkan untuk memperkecl jumlah keseluruhan baya operas dengan memperhtungkan rug-rug daya nyata pada saluran
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN
BAB IV PEMBAHASAN HASIL PENELITIAN A. Hasl Peneltan Pada peneltan yang telah dlakukan penelt selama 3 mnggu, maka hasl belajar matematka pada mater pokok pecahan d kelas V MI I anatussbyan Mangkang Kulon
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-324
JURNAL SAINS DAN SENI IS Vol. 1, No. 1, (Sept. ) ISSN: 3-98X D-3 Analss Statstk entang Faktor-Faktor yang Mempengaruh Waktu unggu Kerja Fresh Graduate d Jurusan Statstka Insttut eknolog Sepuluh Nopemper
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belakang Ketahanan pangan adalah ketersedaan pangan dan kemampuan seseorang untuk mengaksesnya. Sebuah rumah tangga dkatakan memlk ketahanan pangan jka penghunnya tdak berada
Lebih terperinciPENENTUAN PELUANG BERTAHAN DALAM MODEL RISIKO KLASIK DENGAN MENGGUNAKAN TRANSFORMASI LAPLACE AMIRUDDIN
PENENTUAN PELUANG BERTAHAN DALAM MODEL RISIKO KLASIK DENGAN MENGGUNAKAN TRANSFORMASI LAPLACE AMIRUDDIN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.
Lebih terperinciBAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah
BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu
Lebih terperinciBAB 3 PEMBAHASAN. 3.1 Prosedur Penyelesaian Masalah Program Linier Parametrik Prosedur Penyelesaian untuk perubahan kontinu parameter c
6 A PEMAHASA Pada bab sebelumnya telah dbahas teor-teor yang akan dgunakan untuk menyelesakan masalah program lner parametrk. Pada bab n akan dperlhatkan suatu prosedur yang lengkap untuk menyelesakan
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK
BAB IV PEMBAASAN ASIL PENELITIAN PENGARU PENGGUNAAN METODE GALLERY WALK TERADAP ASIL BELAJAR MATA PELAJARAN IPS MATERI POKOK KERAGAMAN SUKU BANGSA DAN BUDAYA DI INDONESIA A. Deskrps Data asl Peneltan.
Lebih terperinciBEBERAPA SIFAT TERKAIT SUBMODUL SEMIPRIMA
BEBERAPA SIFAT TERKAIT SUBMODUL SEMIPRIMA A-3 Dan Aresta Yuwanngsh 1 1 Mahasswa S Matematka UGM dan.aresta17@yahoo.com Abstrak Dberkan R merupakan rng dengan elemen satuan, M R-modul kanan, dan R S End
Lebih terperinciPADA GRAF PRISMA BERCABANG
PELABELAN TOTAL SUPER (a, d)-busur ANTI AJAIB PADA GRAF PRISMA BERCABANG Achmad Fahruroz,, Dew Putre Lestar,, Iffatul Mardhyah, Unverstas Gunadarma Depok Program Magster Fakultas MIPA Unverstas Indonesa
Lebih terperinciBAB IV PEMBAHASAN MODEL
BAB IV PEMBAHASAN MODEL Pada bab IV n akan dlakukan pembuatan model dengan melakukan analss perhtungan untuk permasalahan proses pengadaan model persedaan mult tem dengan baya produks cekung dan jont setup
Lebih terperinciBab 1 Ruang Vektor. R. Leni Murzaini/0906577381
Bab 1 Ruang Vektor Defns Msalkan F adalah feld, yang elemen-elemennya dnyatakansebaga skalar. Ruang vektor atas F adalah hmpunan tak kosong V, yang elemen-elemennya merupakan vektor, bersama dengan dua
Lebih terperinciberasal dari pembawa muatan hasil generasi termal, sehingga secara kuat
10 KARAKTRISTIK TRANSISTOR 10.1 Dasar Pengoperasan JT Pada bab sebelumnya telah dbahas dasar pengoperasan JT, utamannya untuk kasus saat sambungan kolektor-bass berpanjar mundur dan sambungan emtor-bass
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN Data terdr dar dua data utama, yatu data denyut jantung pada saat kalbras dan denyut jantung pada saat bekerja. Semuanya akan dbahas pada sub bab-sub bab berkut. A. Denyut Jantung
Lebih terperinciLAPORAN PENELITIAN. Pola Kecenderungan Penempatan Kunci Jawaban Pada Soal Tipe-D Melengkapi Berganda. Oleh: Drs. Pramono Sidi
LAPORAN PENELITIAN Pola Kecenderungan Penempatan Kunc Jawaban Pada Soal Tpe-D Melengkap Berganda Oleh: Drs. Pramono Sd Fakultas Matematka dan Ilmu Pengetahuan Alam Me 1990 RINGKASAN Populas yang dambl
Lebih terperinciContoh 5.1 Tentukan besar arus i pada rangkaian berikut menggunakan teorema superposisi.
BAB V TEOEMA-TEOEMA AGKAIA 5. Teorema Superposs Teorema superposs bagus dgunakan untuk menyelesakan permasalahan-permasalahan rangkaan yang mempunya lebh dar satu sumber tegangan atau sumber arus. Konsepnya
Lebih terperinciBAB I PENDAHULUAN. Perkembangan matematika tidak hanya dalam tataran teoritis tetapi juga pada
BAB I PENDAHULUAN.. Latar Belakang Masalah Perkembangan matematka tdak hanya dalam tataran teorts tetap juga pada bdang aplkatf. Salah satu bdang lmu yang dkembangkan untuk tataran aplkatf dalam statstka
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Peneltan n menggunakan peneltan ekspermen; subyek peneltannya dbedakan menjad kelas ekspermen dan kelas kontrol. Kelas ekspermen dber
Lebih terperinciDISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA
DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA Dstrbus Bnomal Msalkan dalam melakukan percobaan Bernoull (Bernoull trals) berulang-ulang sebanyak n kal, dengan kebolehjadan sukses p pada tap percobaan,
Lebih terperinciBAB I PENGUAT TRANSISTOR BJT PARAMETER HYBRID / H
Elektonka nalog BB I PENGUT TRNSISTOR BJT PRMETER HYBRID / H TUJUN Setela mempelaja bab n, nda daapkan dapat: Menca menca penguatan us dengan paamete Menca menca penguatan tegangan dengan paamete Menca
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 ENDAHULUAN 1.1 Latar Belakang Manusa dlahrkan ke duna dengan ms menjalankan kehdupannya sesua dengan kodrat Illah yakn tumbuh dan berkembang. Untuk tumbuh dan berkembang, berart setap nsan harus
Lebih terperinciALAT SERUTAN BUAH PEPAYA OTOMATIS BERBASIS MIKROKONTROLER
ALAT SERUTAN BUAH PEPAYA OTOMATIS BERBASIS MIKROKONTROLER Laporan In Dsusun Untuk Memenuh Persyaratan Kelulusan Polteknk Neger Srwjaya Pada Jurusan/Program Stud Teknk Komputer Oleh : Nama : Muhammad Fadhl
Lebih terperinci