ANALISIS MODEL NEURON FITZHUGH-NAGUMO DALAM HUBUNGANNYA DENGAN SIFAT KELISTRIKAN NEURON IKA IKRIMA
|
|
- Yuliana Susanto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 ANALISIS MODEL NEURON FITZHUGH-NAGUMO DALAM HUBUNGANNYA DENGAN SIFAT KELISTRIKAN NEURON IKA IKRIMA DEPARTEMEN FISIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011
2 ABSTRAK IKA IKRIMA. Analisis Model Neuron Fitzhugh-Nagumo dalam Hubungannya dengan Sifat Kelistrikan Neuron. Dibimbing oleh Dr. AGUS KARTONO (Pembimbing I) dan Drs. M. NUR INDRO, M.Sc. (Pembimbing II). Skripsi ini menjelaskan arti fisis konstanta a, b, dan c dari persamaan model neuron Fitzhugh-Nagumo terhadap keadaan neuron dengan melakukan simulasi potensial aksi. Pengaruh ketiga konstanta ini dapat diketahui dengan membuat variasi nilai untuk tiap konstanta. Variasi nilai a menjelaskan bahwa a merupakan konstanta yang berkaitan dengan penutupan saluran ion Na dan pembukaan saluran ion K. Variasi nilai b menjelaskan bahwa b merupakan konstanta yang berkaitan dengan pembukaan saluran ion K. Simulasi variasi nilai c menjelaskan bahwa konstanta ini berkaitan dengan penutupan saluran ion Na dan pembukaan saluran ion K serta dapat menjelaskan terjadinya penurunan potensial membran melebihi batas potensial istirahat neuron. Secara umum, hasil simulasi dapat menggambarkan keadaan neuron setelah menerima stimulus dengan cukup baik. Kata kunci : model Fitzhugh-Nagumo, potensial aksi, neuron
3 ANALISIS MODEL NEURON FITZHUGH-NAGUMO DALAM HUBUNGANNYA DENGAN SIFAT KELISTRIKAN NEURON IKA IKRIMA Skripsi sebagai salah satu syarat untuk memperoleh gelar sarjana sains pada Departemen Fisika DEPARTEMEN FISIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011
4 PERNYATAAN Dengan ini saya menyatakan bahwa skripsi yang berjudul Analisis Model Neuron Fitzhugh-Nagumo dalam Hubungannya dengan Sifat Kelistrikan Neuron adalah benar-benar hasil karya saya sendiri dan belum pernah digunakan sebagai karya ilmiah pada perguruan tinggi atau lembaga manapun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam daftar pustaka di bagian akhir skripsi ini. Bogor, September 2011 Ika Ikrima
5 Judul Nama NRP Departemen : Analisis Model Neuron Fitzhugh-Nagumo dalam Hubungannya dengan Sifat Kelistrikan Neuron : Ika Ikrima : G : Fisika Disetujui, Dr. Agus Kartono Pembimbing I Drs. M. Nur Indro, M.Sc. Pembimbing II Diketahui, Dr. Ir. Irzaman, M. Si Ketua Departemen Fisika Tanggal Lulus:
6 RIWAYAT HIDUP Penulis merupakan anak pertama dari empat bersaudara yang lahir pada tanggal 2 September 1988 di Magetan Jawa Timur dari pasangan Tri Joko Azizi dan Nur Hidayah. Penulis mulai mengenyam pendidikan di TK Aisiyah I Magetan dan SDN Magetan III. Pada tahun 2001, penulis menimba ilmu di SMPN 1 Ponorogo kemudian melanjutkannya di SMAN 1 Madiun. Pada tahun 2007, penulis diterima menjadi mahasiswa di Departemen Fisika Institut Pertanian Bogor melalui jalur USMI (Undangan Seleksi Masuk IPB). Selama kuliah penulis aktif menjadi asisten praktikum fisika dasar sejak tahun 2008 hingga tahun Selain itu, penulis aktif menjadi pengajar fisika di Bimbingan Belajar Salemba Bogor sejak tahun 2010 hingga 2011 serta dipercaya menjadi tentor fisika di SMA plus YPHB (Yayasan Persatuan Haji Bogor) pada tahun Untuk mengasah softskill, penulis aktif di Organisasi Mahasiswa Daerah Magetan dan Madiun serta sering mengikuti acara kepanitiaan. Pada tahun penulis menjabat sebagai Ketua Divisi Keilmuan Himpunan Mahasiswa Fisika IPB kemudian bergabung menjadi anggota Dewan Perwakilan Mahasiswa FMIPA IPB pada tahun 2010.
7 KATA PENGANTAR Segala puji bagi Allah SWT dan shalawat serta salam semoga tercurah kepada Nabi Muhammad SAW. Atas rahmat dan hidayah Allah SWT, penulis dapat menyelesaikan hasil penelitian ini dengan judul Analisis Model Neuron Fitzhugh-Nagumo dalam Hubungannya dengan Sifat Kelistrikan Neuron. Penulis mengucapkan terima kasih kepada pihak-pihak yang telah membantu dalam penyelesaian penulisan hasil penelitian ini. Dr. Agus Kartono dan Drs. M. Nur Indro, M.Sc. selaku dosen pembimbing yang telah memberikan bimbingan, masukan, dan semangat kepada penulis. Ayah dan ibu selaku orang tua yang selalu memberi dorongan baik secara materi maupun spiritual. Saudara yang selalu memberi semangat dan dukungan. Teman-teman seperjuangan yang selalu memberi masukan dan dorongan. Penulis menyadari bahwa hasil penelitian ini jauh dari sempurna. Oleh karena itu, saran dan kritik yang bersifat membangun sangat diperlukan bagi penulis. Semoga hasil penelitian ini bermanfaat bagi semuanya. Bogor, September 2011 Penulis
8 DAFTAR ISI DAFTAR GAMBAR... DAFTAR LAMPIRAN Halaman viii viii I PENDAHULUAN Latar Belakang Tujuan Penelitian Perumusan Masalah Hipotesis TINJAUAN PUSTAKA Sifat Kelistrikan Neuron Model Neuron Hodgkin-Huxley Model Neuron FitzHugh-Nagumo Metode Ode BAHAN DAN METODE Waktu dan Tempat Penelitian Peralatan Metode Penelitian Studi pustaka Pembuatan program simulasi Analisis numerik Variasi nilai a,b, dan c model neuron Fitzhugh-Nagumo Analisis hasil simulasi HASIL DAN PEMBAHASAN Simulasi Model Neuron Fitzhguh-Nagumo Variasi Nilai a, b, dan c Variasi nilai a Variasi nilai b Variasi nilai c KESIMPULAN DAN SARAN Kesimpulan Saran DAFTAR PUSTAKA LAMPIRAN NOMENKLATUR... 18
9 DAFTAR GAMBAR Gambar 1. Konsentrasi ion pada neuron mamalia... Gambar 2. Alat perekam potensial neuron... Gambar 3. Proses pembentukan potensial aksi... Gambar 4. Solusi persamaan HH pada suhu 18,5 0 C... Gambar 5. Hasil rekaman potensial aksi membran pada suhu 20,5 0 C... Gambar 6. Solusi ODE untuk persamaan model neuron Fitzhugh-Nagumo... Gambar 7. Hasil simulasi model neuron Fitzhugh-Nagumo... Gambar 8. Hasil simulasi saat a= 0, Gambar 9. Hasil simulasi variasi nilai a... Gambar 10. Hasil simulasi nilai a di bawah batasan Fitzhugh... Gambar 11. Hasil simulasi variasi nilai b... Gambar 12. Hasil simulasi nilai b di bawah batasan Fitzhugh... Gambar 13. Hasil simulasi nilai b = 1... Gambar 14. Hasil simulasi saat nilai c = 1,9... Gambar 15. Hasil simulasi saat 2 c 2,5... Gambar 16. Hasil simulasi variasi nilai c DAFTAR LAMPIRAN Lampiran 1. Diagram Alir Penelitian... Lampiran 2. Kegiatan Penelitian... Lampiran 3. Tampilan GUI Program Matlab Model Neuron Fitzhugh-Nagumo... Lampiran 4. Program Matlab Model Neuron Fitzhugh-Nagumo Menggunakan Ode
10 I. PENDAHULUAN 1.1 Latar Belakang Sistem saraf manusia adalah salah satu objek sangat kompleks di alam semesta. Sistem ini umumnya terdiri dari sekitar 100 miliar neuron dan masing-masing neuron memiliki sedikitnya sambungan dengan neuron lainnya. 1 Setiap neuron mengirimkan informasi berupa sinyal yang disebut impuls. 2,3 Impuls terjadi sebagai bentuk reaksi neuron dalam menanggapi stimulus dari luar dan terdiri dari proses repolarisasi serta depolarisasi membran yang disebut potensial aksi. Impuls menyebar melalui akson dan berakhir pada sinapsis yang menjadi penghubung suatu neuron dengan neuron lain maupun organ tubuh penerima impuls. 2 Berbagai model matematika telah dikembangkan untuk menggambarkan kegiatan neuron. Model neuron pertama kali ditemukan oleh Hodgkin dan Huxley4 pada tahun Mereka melakukan percobaan dan menghasilkan suatu model neuron yang disebut dengan model Hodgkin-Huxley yang biasa disingkat model HH.1,2,5 Persamaan matematika pada model ini masih sangat kompleks karena berbentuk persamaan diferensial nonlinear dengan empat nilai.4,6 Pada tahun 1961, Richard Fitzhugh7 memperkenalkan model neuron yang lebih sederhana dan setahun kemudian Nagumo8 berhasil membuat rangkaian listrik permodelan saraf yang hasilnya setara dengan persamaan model tersebut. Model yang dikenal dengan nama model neuron Fitzhugh-Nagumo ini terdiri dari dua persamaan diferensial. Persamaan pertama berkaitan dengan potensial membran neuron sedangkan persamaan kedua berkaitan dengan nilai pemulihan. Dalam persamaan Fitzhugh-Nagumo7,8 terdapat tiga konstanta yang memiliki nilai batasan tertentu agar hasil yang diperoleh dapat memodelkan keadaan potensial aksi yang terjadi pada neuron. Penelitian ini mencoba menganalisisnya secara numerik serta mengaitkan hasil numerik tersebut dengan keadaan fisis neuron. Penelitian dilakukan untuk mempelajari karakteristik model neuron Fitzhugh-Nagumo sehingga dapat menjelaskan bahwa model tersebut benar-benar dapat menggambarkan keadaan membran neuron saat menerima stimulus. Dengan begitu model ini dapat digunakan untuk membuat simulasi sistem neuron. Simulasi neuron sendiri sangat bermanfaat untuk pengembangan fisika medis khususnya dalam bidang neurology. 1.2 Tujuan Penelitian Penelitian ini bertujuan mempelajari karakteristik model neuron Fizthugh- Nagumo dan menganalisis pengaruh konstanta a, b, dan c pada persamaan Fizthugh-Nagumo terhadap keadaan neuron dengan menggunakan bantuan sofware MATLAB (Matrix Laboratory). 1.3 Perumusan Masalah Apakah konstanta a, b, dan c pada persamaan Fizthugh-Nagumo dapat mempengaruhi proses pada membran neuron saat terjadinya potensial aksi? 1.4 Hipotesis Analisis konstanta a, b, dan c pada persamaan Fizthugh Nagumo dapat mempengaruhi proses terbukanya saluran ion natrium (Na) dan menutupnya saluran ion kalium (K) pada membran neuron saat terjadinya potensial aksi. II. TINJAUAN PUSTAKA 2.1 Sifat Kelistrikan Neuron Seperti sel-sel lainnya, neuron selalu menimbulkan perbedaan konsentrasi ion antara sisi dalam dan luar membran plasma melalui active transport dan passive redistribution seperti yang ditampilkan pada Gambar 1. 3,9 Active transport 9 merupakan proses pemompaan ion-ion Na dan K. Proses ini memompa dua ion K ke dalam sel dan memompa tiga ion Na keluar sel. Sedangkan pada passive redistribution 9, anion A - menarik lebih banyak ion K ke dalam sel dan mendorong ion klor (Cl - ) keluar dari sel. Keadaan tersebut menyebabkan terjadinya perubahan potensial disekitar membran sehingga mempertahankan neuron selalu berada dalam keadaan potensial istirahat, yaitu keadaan potensial membran saat tidak ada stimulus yang diterima. 3,9,10 Potensial aksi neuron adalah peristiwa perubahan potensial membran secara mendadak yang terjadi karena adanya stimulus pada neuron. 10 Jika sebuah alat pendeteksi potensial aksi (mikroelektrode) ditusukkan ke dalam suatu neuron, perekam akan menunjukkan peningkatan potensial membran dari kondisi potensial istirahat - 60mV menuju +35mV 3,9 kemudian kembali lagi menjadi negatif seperti yang
11 2 ditunjukkan pada Gambar 2. Pada keadaan ini neuron menerima stimulus berupa tusukan yang dianggap sebagai arus. Penambahan arus menyebabkan potensial membran menjadi lebih positif dari sebelumnya. 9 Gambar 1. Konsentrasi ion pada neuron mamalia. 9 Gambar 2. Rekaman potensial neuron. 9 Gambar 3. Proses pembentukan potensial aksi. Perubahan potensial di dalam neuron memicu protein membran transaxonal 3 bereaksi. Protein ini berfungsi sebagai saluran ion Na dan ion K yang sensitif terhadap beda potensial. Apabila potensial membran melampaui batas ambang yang besarnya sekitar -55mV, maka terjadilah potensial aksi yang ditandai dengan terbukanya saluran ion Na secara mendadak. 3,9 Ion Na masuk ke dalam neuron karena keadaan awal di dalam neuron lebih negatif daripada di luar. Hal ini menyebabkankan beda potensial membran meningkat dengan cepat. 5 Sebelum mencapai potensial kesetimbangan ion Na yang besarnya sekitar +61mV 9, saluran ion Na kembali menutup disertai dengan terbukanya saluran ion K sehingga terjadi penurunan potensial membran dan potensial aksi berakhir. 3,5,9 Turunnya potensial membran ini dapat melebihi batas harga potensial istirahat dan disebut sebagai proses hiperpolarisasi. Pada akhirnya saluran ion K akan menutup dan membran kembali mendapatkan kondisi potensial istirahatnya melalui active transport dan passive redistribution. Keseluruhan proses yang terjadi diperlihatkan pada Gambar 3. Terbukanya saluran ion Na berlangsung sangat singkat 4,9 dan tidak akan terbuka kembali sampai membran kembali secara total pada keadaan istirahatnya. Periode saat saluran ion Na tidak dapat terbuka lagi itu disebut periode refractory 3,10, seperti yang ditunjukkan pada Gambar 3. Periode refractory ada dua macam, yaitu absolute refractory dan relative refractory. 9 Periode absolute refractory terjadi selama potensial aksi berlangsung. Pada periode ini, neuron sama sekali tidak akan merespon sebesar apapun stimulus yang datang. Periode relative refractory terjadi setelah periode absolute refractory hingga potensial membran kembali pada potensial istirahatnya. Pada keadaan ini neuron masih belum bisa menerima stimulus kecuali terdapat stimulus yang sangat kuat. Adanya sifat ini memberi batasan penghantaran sinyal neuron pada akson sehingga stimulus yang datang sebelum neuron benar-benar kembali ke keadaan potensial istirahat tidak akan mendapat respon. 2.2 Model Neuron Hodgkin-Huxley Model matematika yang pertama dalam ilmu neuron adalah model Hodgkin-Huxley (HH). Pada tahun 1952 Hodgkin dan Huxley 4 melakukan penelitian pada
12 3 membran serabut akson yang tidak bermyelin untuk mempelajari sifat-sifat neuron. Hasil penelitian tersebut menjelaskan bahwa keadaan suatu neuron I = C + 慨 (V g V ) + m hg (V V ) dapat dimodelkan dalam empat persamaan diferensial seperti yang ditunjukkan pada persamaan (1) sampai dengan (4). 1,4,9 + g (V V )... (1) = α (1 n) β n... (2) = α (1 m) β m... (3) = α (1 h) β h... (4) Keterangan: α =.()... (5) β = 0.125exp... (6) =. ()... (7) β = 4 exp... (8) α = 0.07 exp... (9) β =... (10) Di bagian sisi kanan persamaan (1) terdiri dari empat komponen berupa kapasitansi arus C, arus yang dibawa oleh K + (I K ), arus yang dibawa oleh Na + (I NA ), dan arus kebocoran (I l ) yang ditimbulkan oleh Cl - dan ion lainnya. 4,9 Semua komponen tersebut berlaku untuk setiap 1 cm 2 membran. Keempatnya diparalelkan dan ditambahkan sehingga memberikan arus total I yang melalui membran. Variabel m, n, dan h bervariasi terhadap waktu setelah perubahan potensial membran ditentukan oleh persamaan (2), (3) dan (4). Pada persamaan terdapat konstanta α dan β yang hanya tergantung pada potensial membran. 1,2, Gambar 4. Solusi persamaan HH pada suhu 18,5 0 C. 4 Gambar 5. Hasil rekaman potensial aksi membran pada suhu 20,5 0 C. 4 Model HH menunjukkan bahwa neuron mengirimkan informasi dengan memberi dan menyebarkan potensial listrik di sepanjang akson. Model ini dapat menjelaskan berbagai data dari peristiwa yang tejadi pada membran akson, seperti bentuk dan propagasi potensial aksi yang ditunjukkan pada Gambar 4 dan Gambar 5. 2,4 2.3 Model Neuron Fitzhugh-Nagumo Analisis persamaan HH sangat sulit diselesaikan karena bersifat nonlinier empat variabel (V, m, n, dan h). 1,6,7 Pada tahun 1961, Richard Fitzhugh 7 menyederhanakan persamaan HH berdasarkan persamaan osilasi Van der Pol. Persamaan tersebut diperkenalkan dengan nama model Bonhoeffer-van der Pol atau biasa disebut model BVP. Setahun kemudian, Jin-ichi Nagumo 8 berhasil membuat rangkaian listrik permodelan neuron yang hasilnya setara dengan persamaan model BVP. Semenjak itu model BVP lebih dikenal dengan nama model Fitzhugh-Nagumo (FHN). 1,5 Dalam sistem HH 4, variabel V dan m memiliki program waktu sama yang cenderung cepat. Sedangkan variabel n dan h memiliki program waktu sama yang cenderung lebih lambat. Dalam sistem FHN 1,5,7, V dan m dianggap sebagai variabel tunggal x yang menggambarkan potensial membran. Sedangkan n dan h dianggap sebagai variabel tunggal y yang menggambarkan variabel pemulihan. Berhubung n merupakan variabel yang berkaitan dengan pembukaan saluran ion K dan variabel h berkaitan dengan menutupnya saluran ion K maka variabel pemulihan pada model FHN juga memiliki peran yang sama dengan kedua variabel HH tersebut. Model FHN 7 didapat dari persamaan diferensial linear yang terdiri dari kuantitas osilasi x dengan redaman konstanta k seperti yang ditunjukkan pada persamaan (11). x + kx + x = 0... (11) Van der Pol 11 menggantikan konstanta redaman dengan koefisien redaman yang tergantung secara kuadrat pada x sehingga menjadi persamaan (12).
13 4 x + c(x 1)x + x = 0... (12) dengan c adalah sebuah konstanta positif. Persamaan ini mudah diselesaikan dengan transformasi Lienard's 12 : y = x /c + x /3 x... (13) sehingga didapatkan pasangan persamaan diferensial (14) dan (15). 7 x = c(y + x x /3)... (14) y = x/c... (15) Model FHN diperoleh dengan menambahkan beberapa konstanta agar hasilnya mirip dengan model HH seperti ditunjukkan pada persamaan (16), (17), dan (18). 7 x = c(y + x x /3 + z)... (16) y = (x a + by)/c... (17) Keterangan: 1 2b/3 < a < 1, 0 < b < 1, b < c (18) a dan b adalah konstanta, sedangkan z merupakan intensitas stimulus yang besarnya setara dengan arus total I dalam persamaan HH. Batasan nilai untuk a, b, dan c didapatkan dari percoban-percobaan secara numerik yang dilakukan oleh Fitzhugh Ode45 Sebuah sistem pada neuron memiliki perilaku seperti sistem listrik. Sistem ini melibatkan tegangan, arus, dan turunan waktu yang kemudian dimodelkan menjadi bentuk persamaan. 4 Persamaan yang melibatkan satu atau lebih turunan dari fungsi yang tidak diketahui disebut Ordinary Differential Equation (ODE). 13,14 Orde persamaan ini ditentukan dari urutan turunan tertinggi. Misalnya, jika turunan pertama adalah satu-satunya turunan, maka persamaan disebut ODE orde pertama. Apabila turunan tertinggi adalah orde dua, maka persamaan disebut sebagai ODE orde kedua. MATLAB memiliki beberapa fungsi untuk mencari solusi numerik dari ODE. Salah satu fungsi tersebut adalah ode45. Fungsi ini bekerja berdasarkan rumus Runge-Kutta (RK) 45 yang ditemukan oleh Dormand dan Prince. 15 Solusi numerik ode45 merupakan gabungan metode RK orde ke-4 dan orde ke-5. RK orde ke-4 ditunjukkan oleh persamaan (19) sampai dengan (23). 13,16 k = hf(t, x )... (19) k = hf(t +, x + )... (20) k = hf(t +, x + )... (21) k = hf(t + h, x + k )... (22) x = x + (k + 2k + 2k + k ) (23) Sedangkan rumus RK orde ke-5 seperti ditunjukkan pada persamaan (24) sampai dengan (30). 16 k = hf(t, x )... (24) k = hf(t +, x + )... (25) k = hf(t +, x + )... (26) k = hf(t +, x + )... (27) k = hf(t + + )... (28) k = hf(t + hx + ) (29) x = x +... (30) Modifikasi dengan menggabungkan rumus RK dari kedua orde tersebut dilakukan untuk mencapai ketepatan yang lebih akurat. 13 Secara umum, ode45 merupakan fungsi terbaik untuk diterapkan sebagai percobaan awal dalam menyelesaikan sebagian besar permasalahan numerik. 17,18 Penulisan program ode45 pada MATLAB adalah: ode45( nama fungsi, rentang hasil, kondisi awal). 13 Berikut ini merupakan contoh penulisan program ode45 17 pada MATLAB yang disimpan dalam bentuk M-file dengan nama BVP1.m. function BVP1 [t,x]=ode45(@f,[0 25],[-0.3;-0.3]); plot (t,x(:,1)) xlabel('waktu(ms)'), ylabel('potensial membran') function xprime = F(t,x) a=0.7; b=0.8; c=3; z=-0.4; xprime=zeros(2,1); xprime(1)=c*(x(1)+x(2)-x(1)^3/3+z); xprime(2)=-(x(1)-a+b*x(2))/c; Hasil keluaran program ini berupa grafik yang ditampilkan pada Gambar 5. Hasil tersebut merupakan solusi dari persamaan pada model neuron Fitzhugh- Nagumo dalam rentang 0 hingga 25. Gambar 6. Solusi ODE untuk persamaan model neuron Fitzhugh-Nagumo.
14 III. BAHAN DAN METODE 3.1 Tempat dan Waktu Penelitian Penelitian dilakukan di Laboratorium Fisika Teori dan Komputasi, Departemen Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor dari Bulan Oktober 2010 sampai dengan Juni Peralatan Peralatan yang digunakan dalam penelitian adalah sebuah laptop dengan processor Intel(R) Pentium(R) Dual CPU 2.16GHz 2.17GHz serta RAM 2,50 GB. Laptop tersebut dilengkapi software MS.Office 2010 dan MATLAB R2010a guna pembuatan program simulasi. 3.3 Metode Penelitian Studi Pustaka Studi pustaka dilakukan untuk memahami proses penjalaran impuls dalam neuron sehingga memudahkan dalam perancangan program simulasi. Selain itu studi pustaka akan mempermudah analisis hasil yang diperoleh dari program simulasi serta mengaitkannya dengan keadaan fisis neuron Pembuatan Program Simulasi Langkah awal dalam penelitian ini adalah pembuatan program simulasi model neuron Fitzhugh-Nagumo. Pembuatan program dilakukan untuk mempermudah analisis numerik yang dilakukan sekaligus menampilkan hasilnya dalam bentuk gambar. Program dibuat menggunakan software MATLAB R2010a yang akan menghasilkan keluaran gambar yang mirip dengan keadaan potensial aksi neuron. Nilai parameter yang digunakan sesuai dengan nilai parameter yang digunakan dalam simulasi Fitzhugh Analisis Numerik Analisis numerik diperlukan karena persamaan yang didapatkan pada perancangan model neuron Fitzhugh- Nagumo merupakan sistem dua persamaan diferensial. Persamaan ini sangat sulit diselesaikan secara analitik, sehingga diperlukan analisis numerik untuk memecahkan sistem persamaan tersebut. Metode yang akurat untuk menyelesaikan Model neuron Fitzhugh-Nagumo adalah Runge-Kutta 45 karena terdiri dari persamaan diferensial biasa. Software MATLAB R2010a telah menyediakan sebuah fungsi ode45 yang bekerja berdasarkan metode tersebut. Keberadaan fungsi ini dapat mempermudah penelitian dalam mencari solusi persamaan diferensial dari model neuron Fitzhugh-Nagumo Variasi Nilai a, b, dan c Model Neuron Fitzhugh-Nagumo Setelah program simulasi berhasil menampilkan gambar yang mirip dengan potensial aksi neuron, langkah berikutnya adalah memvariasikan nilai a, b, dan c model neuron Fitzhugh-Nagumo. Variasi dimulai dengan memvariasikan nilai a. Pada kondisi ini, b dan c tetap bernilai konstan yang nilainya sesuai dengan nilai parameter simulasi Fitzhugh. Variasi dilakukan hingga mendapatkan sekitar tiga gambar keluaran program yang cukup signifikan sehingga dapat digunakan untuk bahan analisis. Perlakuan yang sama juga berlaku pada saat melakukan variasi terhadap b dan c Analisis Hasil Simulasi Setelah semua data didapatkan, langkah berikutnya adalah menganalisis hasil keluaran tersebut. Gambar yang diperoleh dari penelitian dibandingkan hasilnya dengan keadaan potensial aksi neuron. Dengan mengamati perubahan yang tampak pada gambar keluaran pada setiap variasi, dapat diketahui hubungan tiap konstanta terhadap keadaan fisis membran neuron. IV. HASIL DAN PEMBAHASAN 4.1 Simulasi Model Neuron Fitzhguh- Nagumo Model neuron Fitzhugh-Nagumo terdiri atas dua persamaan diferensial seperti yang disebutkan pada persamaan (16) dan (17). 7 Hasil persamaan (16) berkaitan dengan potensial membran sehingga dapat menjelaskan keadaan potensial aksi sebuah neuron. Hasil ini dipengaruhi oleh besar rangsangan z yang diberikan pada neuron serta besarnya konstanta a, b, dan c. Hasil simulasi model Fitzhugh-Nagumo seperti pada Gambar 6 diperoleh dengan menggunakan program MATLAB. Nilai parameter yang dipilih besarnya sama dengan nilai parameter simulasi yang dilakukan oleh Fitzhugh, yaitu z = -0,4; a = 0,7; b = 0,8; dan c = 3. 7 Hasil simulasi menggambarkan ketika waktu t = 1 ms neuron baru saja menerima rangsangan. Rangsangan yang dianggap
15 6 sebagai arus ini menyebabkan kenaikan potensial membran yang ditunjukkan dengan naiknya kurva. Sekitar 2 ms kemudian, potensial membran mencapai batas ambang yang ditandai dengan meningkatnya potensial membran secara drastis. Keadaan ini menggambarkan bereaksinya protein membran transaxonal 3 yang sangat peka terhadap perubahan potensial di sekitarnya. Reaksi protein yang berperan sebagai saluran ion Na dan K ini mengakibatkan terjadinya potensial aksi. Gambar 7. Hasil simulasi model neuron Fitzhugh-Nagumo. Potensial aksi terjadi dalam rentang waktu 3-12 ms. Pada saat t = 3-4 ms terjadi peningkatan potensial membran yang cukup tajam. Keadaan ini menggambarkan adanya peningkatan permeabilitas membran neuron terhadap ion Na. Saluran ion Na terbuka dan Na + masuk ke dalam neuron sehingga potensial di dalam neuron yang awalnya bernilai negatif berubah menjadi lebih positif daripada potensial di luar neuron. Pada saat t = 4 10 ms terjadi penurunan potensial membran namun tidak terlalu curam. Pada fase ini terjadi dua keadaan sekaligus, yaitu peningkatan permeabilitas membran terhadap ion K disertai dengan penurunan pemeabilitas membran terhadap ion Na. Pada saat saluran ion K terbuka, keadaan di luar neuron lebih negatif sehingga K + di dalam neuron keluar. Hal ini mengakibatkan terjadinya penurunan potensial membran neuron. Pada waktu yang sama, saluran ion Na mulai tertutup menyebabkan berkurangnya Na + yang masuk ke dalam neuron. K + yang keluar lebih banyak daripada Na + yang masuk sehingga potensial mengalami penurunan namun tidak terlalu curam. Pada saat t = ms potensial membran mengalami penurunan drastis. Keadaan ini menggambarkan membran sudah tidak permeabel terhadap Na + karena saluran ion Na sudah tertutup rapat sehingga hanya saluran ion K yang masih terbuka. Keluarnya K + dari neuron tanpa disertai masuknya Na + mengakibatkan potensial membran neuron mengalami penurunan yang lebih curam daripada sebelumnya. Tepat saat t = 12 ms saluran ion K telah tertutup rapat sehingga tidak ada saluran ion yang terbuka. Hanya active transport dan passive redistribution 3,9 yang terjadi dan mengakibatkan potensial membran kembali pada potensial istirahatnya. Pada saat ini neuron mengalami periode relative refractory. 9,10 Neuron hanya dapat memberikan respon apabila rangsangan yang diberikan sangat kuat melebihi rangsangan normal yang diberikan saat neuron berada pada potensial istirahat. Secara keseluruhan hasil simulasi menunjukkan bahwa potensial aksi yang terbentuk menggambarkan pada lamanya proses terbuka dan menutupnya saluransaluran ion. Saluran ion Na terbuka sangat singkat, yaitu sekitar 1 ms. Namun membutuhkan waktu yang lebih lama untuk menutup kembali sekitar 6 ms. Saluran ion K terbuka lebih lama bila dibandingkan dengan saluran ion Na. Saluran ion ini terbuka kurang lebih selama 8 ms. Semua keadaan di atas menggambarkan pembukaan saluran ion Na berlangsung sangat cepat sedangkan penutupan saluran ion Na dan pembukaan saluran ion K sebagai variabel pemulihan berlangsung lebih lama. Hasil ini menggambarkan keadaan neuron yang sesungguhnya sehingga sesuai dengan yang diharapkan. 4.2 Variasi Nilai a, b, dan c Penggunaan variasi nilai a, b, dan c dilakukan untuk mempelajari pengaruh ketiga konstanta tersebut terhadap keadaan yang terjadi pada membran neuron. Ketika salah satu konstanta divariasikan, konstanta lain bernilai tetap yang besarnya sama dengan nilai parameter Fitzhugh. 7 Pemilihan nilai konstanta perlu memperhatikan batasan-batasan yang diberikan Fitzhugh pada persamaan (18) agar dapat menggambarkan keadaan potensial aksi yang sesungguhnya.
16 Variasi Nilai a Berdasarkan aturan Fitzhugh, saat b bernilai 0,8 maka nilai a yang digunakan harus di antara 0,45-1. Hasil yang diperoleh sudah tidak menggambarkan bentuk potensial aksi ketika nilai a lebih dari 0,75 seperti diperlihatkan pada Gambar 7. Hal ini terjadi karena stimulus z = -0,4 masih belum cukup untuk membangkitkan respon neuron saat nilai a lebih dari 0,75. Oleh karena itu, nilai variasi a yang digunakan harus berada dalam rentang 0,45 hingga 0,75 agar hasil simulasi menggambarkan bentuk potensial aksi sehingga dapat dianalisis. Hasil penelitian yang ditunjukkan pada Gambar 8 menggambarkan terjadinya perubahan bentuk potensial aksi saat a bernilai 0,7; 0,6; dan 0,5. Dari hasil yang didapat, tampak neuron mendapat rangsangan saat waktu t = 1 ms. Nilai a berbeda memberikan respon berbeda untuk menanggapi rangsangan tersebut. Hal ini ditandai dengan berbedanya kemiringan kurva sebelum mencapai batas ambang yang terjadi sekitar 2 ms setelah pemberian rangsangan. Semakin besar nilai a, potensial membran cenderung lebih cepat dalam mencapai batas ambang sehingga potensial aksi dimulai lebih awal. Keadaan potensial aksi sebelum t = 4 ms tidak mengalami perubahan berarti yang ditandai dengan berhimpitnya ketiga kurva dengan kemiringan yang sama. Hal ini menandakan bahwa a tidak mempengaruhi proses pembukaan saluran ion Na. Perubahan signifikan terjadi setelah t = 4 ms. Apabila nilai a diperbesar, kemiringan kurva menjadi lebih landai yang berarti penutupan saluran ion Na dan terbukanya saluran ion K berlangsung lebih lambat. Waktu yang dibutuhkan untuk membentuk sebuah potensial aksi juga menjadi semakin lama seiring bertambahnya nilai a. Semua keadaan di atas menunjukkan bahwa a mempengaruhi lama penutupan saluran ion Na dan pembukaan saluran ion K di dalam membran neuron. Hasil simulasi menggambarkan keadaan yang berbeda apabila nilai a yang diberikan kurang dari batasan minimum Fitzhugh seperti yang ditunjukkan pada Gambar 9. Keadaan hingga saat saluran ion Na terbuka masih belum menggambarkan adanya perubahan karakteristik bentuk potensial aksi. Hal ini memperkuat hasil simulasi sebelumnya (saat a memenuhi batasan Fitzhugh) yang menjelaskan bahwa a mempengaruhi kecepatan respon neuron dalam membentuk potensial aksi dan tidak berpengaruh terhadap proses pembukaan saluran ion Na. Ketika potensial membran mulai turun, perubahan yang ditimbulkan berkebalikan dengan hasil sebelumnya. Gambar 8. Hasil simulasi saat a= 0,751 Gambar 9. Hasil simulasi variasi nilai a. Gambar 10. Hasil simulasi nilai a di bawah batasan Fitzhugh
17 8 Semakin besar nilai a proses potensial aksi berakhir lebih cepat. Perbedaan hasil ini semakin memperkuat berlakunya batasan Fitzhugh untuk memperoleh karakteristik potensial aksi yang sebenarnya. Selain itu juga memperkuat hasil sebelumnya yang menggambarkan bahwa a mempengaruhi lama penutupan saluran ion Na dan pembukaan saluran ion K. Apabila ditinjau dari model Fitzhugh- Nagumo, a merupakan salah satu parameter dari persamaan (17). Persamaan ini berperan sebagai variabel pemulihan dalam model neuron Fitzhugh-Nagumo yang berarti hanya berkaitan dengan pembukaan saluran ion Na dan penutupan saluran ion K. Keadaan ini telah berhasil dibuktikan berdasarkan hasil simulasi Variasi Nilai b Ketika nilai a = 0,7 dan c = 3 maka nilai b yang digunakan pada penelitian ini harus lebih besar dari 0,45 dan kurang dari 1. Ketika nilai b = 1 hasil simulasi sudah tidak membentuk potensial aksi seperti pada Gambar 10. Keadaan ini memperkuat berlakunya batasan Fitzhugh dalam simulasi. Hasil penelitian seperti pada Gambar 11 menunjukkan terjadinya perubahan bentuk potensial aksi saat nilai b bernilai 0,7; 0,8; dan 0,9. Hasil menunjukkan neuron mulai mendapat rangsangan ketika t = 1 ms yang ditandai dengan mulai meningkatnya potensial membran dari titik yang sama. Adanya beda kemiringan kurva sebelum mencapai batas ambang menggambarkan perbedaan nilai b mempengaruhi respon neuron dalam menanggapi rangsangan. Berkebalikan dengan a, pada variasi ini potensial membran cenderung lebih lambat dalam mencapai batas ambang saat nilai b diperbesar sehingga terjadi keterlambatan dalammembentuk potensial aksi. Kurang lebih 3 ms setelah menerima rangsangan, potensial aksi mulai terjadi ditandai dengan meningkatnya potensial membran secara drastis. Ketiga kurva tampak berhimpit dengan kemiringan yang nyaris sama sehingga dapat diartikan bahwa b tidak mempengaruhi pembukaan saluran ion Na. Saat potensial membran mulai turun, ketiga kurva jelas terlihat saling tindih dengan kemiringan yang sama. Keadaan ini menggambarkan saluran ion Na mulai menutup disertai dengan terbukanya saluran ion K dengan kecepatan yang sama. Sekitar 5 ms berikutnya, saluran ion Na telah benarbenar tertutup dan hanya saluran ion K yang masih terbuka. Dari sini mulai tampak kemiringan garis yang berbeda. Semakin besar nilai b maka semakin landai kurva yang dihasilkan dan waktu yang dibutuhkan untuk membentuk sebuah potensial aksi semakin lama. Gambar 11. Hasil simulasi nilai b = 1. Gambar 12. Hasil simulasi variasi nilai b. Gambar 13. Hasil simulasi nilai b di bawah batasan Fitzhugh.
18 9 Dari hasil tersebut dapat diartikan waktu yang dibutuhkan saluran ion K untuk membuka semakin lama seiring dengan bertambahnya nilai b. Hasil yang diperoleh menggambarkan bahwa b tidak mempengaruhi lama membuka dan menutupnya saluran ion Na namun hanya berpengaruh terhadap lama proses pembukaan saluran ion K. Apabila nilai b yang digunakan kurang dari 0,45 hasil yang diperoleh diperlihatkan pada Gambar 12. Hasil simulasi hampir mirip dengan potensial aksi, namun memiliki karakteristik yang berbeda. Perbedaan mulai timbul sejak penutupan saluran ion Na. Selain itu, sifat berkebalikan terjadi saat nilai b semakin besar. Pada keadaan ini pembentukan potensial aksi membutuhkan waktu yang lebih singkat. Keadaan ini jelas bertentangan dengan variasi saat memenuhi batasan Fitzhugh. Sama halnya dengan a, b juga merupakan salah satu parameter dari persamaan (17) yang berperan sebagai variabel pemulihan dalam model neuron Fitzhugh-Nagumo. Variabel pemulihan memiliki fungsi yang mirip seperti variabel n dan h pada persamaan Hudgkin-Huxley (HH). Variabel n berkaitan dengan proses terbukannya saluran ion K sedangkan h merupakan variabel yang berkaitan dengan menutupnya saluran ion Na. Pada simulasi ini, b memiliki fungsi yang mirip dengan variabel n pada persamaan HH Variasi Nilai c Hasil simulasi variasi c menunjukkan berapapun nilai c, potensial aksi tetap dapat terbentuk asalkan melebihi batas minimum yang ditentukan Fitzhugh pada persamaan (18). Semakin besar nilai c, diperlukan waktu yang lebih lama untuk menghasilkan sebuah potensial aksi seperti pada Gambar 13. Nilai c yang tinggi cenderung memperlambat respon neuron untuk mencapai batas ambang. Hal ini ditunjukkan dengan semakin landainya kemiringan kurva ketika potensial aksi belum terjadi. Potensial aksi baru dimulai saat potensial membran naik secara drastis. Pada keadaan ini tidak tampak perbedaan kemiringan kurva yang signifikan sehingga dapat diartikan bahwa c tidak mempengaruhi terbukanya saluran ion Na. Perbedaan kemiringan mulai tampak jelas saat potensial membran turun. Semakin tinggi nilai c, kurva penurunan potensial membran yang dibentuk semakin landai dan panjang. Keadaan ini menggambarkan penutupan saluran ion Na dan pembukaan saluran ion K berlangsung semakin lama. Ketika saluran ion Na telah tertutup dan hanya saluran ion K yang terbuka, potensial terendah yang dicapai tiap sampel berbeda. Gambar 14. Hasil simulasi variasi nilai c. Gambar 15. Hasil simulasi saat nilai c =1,9. Gambar 16.Hasil simulasi saat 2 c 2,5.
19 10 Hasil simulasi menunjukkan terjadinya penurunan potensial membran melebihi potensial istirahatnya saat nilai c diperbesar. Keadaan ini biasa disebut dengan hiperpolarisasi. Hiperpolarisasi dapat terjadi karena saluran ion K terbuka terlalu lama. 9 Apabila ditinjau dari batasan Fitzhugh, saat nilai b = 0,8 maka nilai c harus lebih besar dari 0,8 namun pada simulasi ini potensial aksi belum terbentuk ketika c kurang dari 2 seperti diperlihatkan pada Gambar 14. Hal ini menandakan stimulus z = -0,4 masih belum cukup untuk membangkitkan respon neuron. Ketika nilai c = 2 potensial aksi mulai terbentuk namun memiliki karakteristik berbeda dengan nilai c yang lebih besar dari 2,5 seperti digambarkan pada Gambar 15. Pada keadaan ini terlihat potensial aksi membutuhkan waktu yang lebih singkat ketika nilai c diperbesar. Berbeda dengan dua konstanta sebelumnya, c bukan hanya terdapat di persamaan (17) namun juga menjadi salah satu parameter di persamaan (16). Persamaan (16) menghasilkan simulasi potensial membran dari model Fitzhugh- Nagumo. Persamaan ini berkaitan dengan variabel V dan m dari persamaan HH. Variabel V merupakan potensial membran sedangkan m adalah variabel yang berkaitan dengan terbukanya saluran ion Na. Selain mempengaruhi variabel pemulihan, c juga berpengaruh langsung terhadap keadaan potensial membran itu sendiri. Perbedaan ini dapat dilihat dari hasil simulasi yang diperoleh. Simulasi variasi nilai c menggambarkan hasil yang kurang signifikan apabila selisih variasi nilai yang diberikan terlalu kecil, sedangkan hasil simulasi variasi a dan b sudah tampak perbedaannya ketika nilai variasi yang diberikan hanya berselih 0,1. Secara keseluruhan, semua hasil simulasi telah menggambarkan keadaan potensial aksi neuron dengan baik. Hasil memperlihatkan bahwa potensial aksi terdiri dari kenaikan dan penurunan potensial membran karena adanya pengaruh terbuka dan menutupnya saluran ion Na serta terbukanya saluran ion K. Secara fisis a dan c merupakan konstanta yang berkaitan dengan terbukanya saluran ion Na dan menutupnya saluran ion K. Hanya saja a lebih sensitif apabila dibandingkan dengan c. Keadaan ini dapat dilihat dari perubahan nilai a yang kecil sudah dapat mengubah bentuk hasil simulasi potensial aksi secara signifikan. Selain itu, hasil simulasi juga menunjukkan bahwa b memiliki arti fisis sebagai konstanta yang berkaitan dengan menutupnya saluran ion K. V. KESIMPULAN DAN SARAN 5.1 Kesimpulan Model Fitzhugh-Nagumo merupakan salah satu model neuron yang terdiri dari dua persamaan diferensial. Persamaan pertama berkaitan dengan potensial membran sedangkan persamaan kedua berkaitan dengan variabel pemulihan. Hasil dari kedua persamaan tersebut dipengaruhi oleh besar rangsangan z yang diberikan pada neuron serta besarnya a, b, dan c. Simulasi model ini berhasil menggambarkan keadaan neuron saat menerima rangsangan hingga terbentuknya potensial aksi. Secara keseluruhan hasil simulasi menunjukkan bahwa potensial aksi yang terbentuk menggambarkan pada lamanya proses terbuka dan menutupnya saluran-saluran ion. Saluran ion Na terbuka sangat singkat namun membutuhkan waktu yang lebih lama untuk menutup kembali. Sedangkan saluran ion K terbuka lebih lama bila dibandingkan dengan waktu terbukanya saluran ion Na. Berdasarkan hasil simulasi variasi nilai a, diketahui bahwa konstanta ini mempengaruhi lama penutupan saluran ion Na dan pembukaan saluran ion K di dalam membran neuron. Apabila nilai a diperbesar, penutupan saluran ion Na dan terbukanya saluran K berlangsung lebih lambat sehingga waktu yang dibutuhkan untuk membentuk sebuah potensial aksi menjadi lebih lama. Selain itu, hasil simulasi juga menggambarkan bahwa a tidak mempengaruhi proses terbukanya saluran ion Na. Berkebalikan dengan a, simulasi variasi nilai b menunjukkan bahwa b tidak mempengaruhi lama proses membuka dan menutupnya saluran ion Na namun hanya berpengaruh terhadap pembukaan saluran ion K. Semakin besar nilai b, waktu yang dibutuhkan saluran ion K untuk membuka semakin lama. Dalam simulasi ini, b memiliki fungsi yang mirip dengan variabel n pada persamaan HH. Simulasi variasi c menjelaskan bahwa perubahan nilai c hanya mempengaruhi proses penutupan saluran ion Na dan pembukaan saluran ion K, namun tidak berpengaruh terhadap pembukaan saluran ion Na. Semakin besar nilai c, waktu yang diperlukan untuk menghasilkan sebuah
20 11 potensial aksi semakin lama. Hal ini terlihat dari tingginya nilai c cenderung memperlambat penutupan saluran ion Na dan pembukaan saluran ion K. Saat nilai c terlalu tinggi, hasil simulasi menunjukkan adanya hiperpolarisasi karena terjadi penurunan potensial membran hingga melebihi potensial istirahatnya. Pengaruh variasi nilai a, b, dan c lebih mendominasi pada lama terbukanya saluran ion Na dan menutupnya saluran ion K. Keadaan ini sesuai dengan keadaan yang digambarkan oleh model neuron Fitzhugh- Nagumo. Hasil simulasi menunjukkan bahwa ketiga konstanta tidak mempengaruhi lama terbukanya saluran ion Na karena pembukaan saluran ion ini berkaitan dengan persamaan pertama model Fitzhugh- Nagumo yang menggambarkan potensial membran. Ketiga konstanta merupakan parameter dari persamaan kedua yang berhubungan dengan variabel pemulihan. Variabel pemulihan berkaitan dengan variabel n dan h dari persamaan HH. Variabel n berkaitan dengan proses terbukannya saluran ion K sedangkan h merupakan variabel yang berkaitan dengan menutupnya saluran ion Na. Secara keseluruhan, penelitian yang dilakukan telah dapat menjelaskan karakteristik model neuron Fitzhugh- Nagumo dengan baik. Hal ini menunjukkan bahwa model tersebut dapat menggambarkan keadaan membran neuron saat menerima stimulus. Dengan begitu model ini dapat digunakan untuk membuat simulasi sistem neuron serta dapat diaplikasikan dalam fisika medis, khususnya bidang neurology. 5.2 Saran Penelitian ini hanya membahas pengaruh a, b, dan c pada model satu neuron. Sedangkan hasil model neuron Fitzhugh-Nagumo juga dipengaruhi oleh besar stimulus z yang diberikan. Oleh karena itu, diharapkan dapat dilakukan penelitian lanjutan untuk analisis pengaruh stimulus z serta dilakukan juga analisis pengaruh empat konstanta pada model neuron terkopel. DAFTAR PUSTAKA 1. Mishra, D., Yadav, A., Ray, S. and Kalra, P.K., (2006), Exploring Biological Neuron Models, Directions 7, Appali, R., Petersen, S., and Rienen, U.V., (2010), A comparision of Hodgkin-Huxley and soliton neural theories, Adv. Radio Sci. 8, Gunawan A., Mekanisme Penghantaran dalam Neuron (Neurotransmisi), (2002) INTEGRAL 7(1), Hodgkin, A.L. and Huxley A.F., (1952), A quantitative description of membrane current and its application to conduction and excitation in nerve, J.Physiol. 117, Franca, R.S, Prendergast, I.E., Sanchez, E.S., Sanchez, M.A., and Berezovsky, F., (1952), The Role of Time Delay in the Fitzhugh-Nagumo Equations: The Impact of Alcohol on Neuron Firing, Cornell University, Dept. of Biometrics Technical Report BU-1577-M, 1-29x. 6. FITzHuGH, R., (1960), Thresholds and plateaus in the Hodgkin-Huxley nerve equations, J. Gen.Physiol. 43, FitzHugh, R., (1961), Impulses and physiological states in theoretical models of nerve membrane, Biophys. J. 1, Nagumo, J., Arimoto, S., and Yoshizawa, S., (1962), An active pulse transmission line, simulating nerve aon, Proceedings of the I.R.E. 50, Izhikevich E.M., (2007), Dynamical Systems in Neuroscience: The Geometry of Excitability and Bursting, The MIT Press, Cambridge, MA. 10. FitzHugh, R., (1969), Mathematical models of excitation and propagation in nerve. Chapter 1. in H.P. Schwan, ed. Biological Engineering, McGraw- Hill Book Co., New York, Van Der Pol, B., (1926), On relaxation oscillations,phil. Mag. 2, Minorsky, N., (1947), Introduction to Nonlinear Mechanics, Amerika: Edward Brother.Inc, Houcque, D., (2005), Applications of MATLAB:Ordinary Differential Equations (ODE), Robert R. McCormick School of Engineering and Applied Science, Northwestern University. 14. Yang, W.Y., Cao, W., Chung, T.S., Morris, J., (2005), Applied
21 12 Numerical Methods Using Matlab. John Wiley & Sons, Inc. 15. Dormand, J.R. and Prince, P.J., (1980), A family of embedded Runge Kutta formulae, J. Computational and Applied Mathematics 6(2), Sermutlu, E., (2004), Comparison of Runge-Kutta Methods of Order 4 and 5 on Lorenz Equation, Journal of Arts and Sciences Say 1, Shampine, L.F., Gladwell I., Thompson, S., (2003), Solving ODEs with Matlab, Cambridge University Press, Cambridge. 18. Shampine, L.F. and Reichelt, M.W., (1997), The Matlab ODE Suite, SIAM J. Sci.Comp. 10, 1-22.
22 LAMPIRAN Lampiran 1. Diagram Alir Penelitian Studi Pustaka Pembuatan Program Model Neuron Fitzhugh-Nagumo Berhasil Tidak Ya Variasi Variabel a Variasi Variabel b Variasi Variabel c Analisis Hasil Dikaitkan dengan Keadaan Membran Neuron Penyusunan Laporan Selesai
23 14 Lampiran 2. Kegiatan Penelitian Kegiatan Penelitian Studi Pustaka Penyusunan Proposal Penelitian Kolokium Pembuatan Program Model Neuron Fitzhugh Nagumo Variasi Variabel a, b, dan c Analisa Hasil Dikaitkan dengan Keadaan Membran Neuron Penyusunan Hasil Penelitian Seminar Sidang dan Penyusunan Skripsi Bulan Desember Juli 2011 Desember Januari Februari Maret April Mei Juni Juli Lampiran 3. Tampilan GUI Program Matlab Model Neuron Fitzhugh-Nagumo
24 Lampiran 4. Program Matlab Model Neuron Fitzhugh-Nagumo menggunakan Ode45 Program terdiri dari 4 program, yaitu program tampilan GUI, ode45, panggilan model Fitzhugh- Nagumo, dan program tampilan awal. Variasi dilakukan dengan mengubah nilai a, b, dan c pada tampilan GUI. Berikut keempat program tersebut: 1. Program GUI untuk menampilkan tampilan pengguna yang akan mempermudah proses variasi variabel. % Program tampilan GUI Model Neuron Fitzhugh-Nagumo % Dibuat oleh:ika Ikrima G % Departemen Fisika FMIPA IPB, 2010 % % Mengosongkan memori MATLAB dari semua variabel yang pernah diolah clear all % Membersihkan layar 'Command Window' clc; % Menampilkan window win1=figure('units','points','position',[ ],'menubar',... 'none','resize','off','color',[.8 1.8],'numbertitle','off',... 'name','program Fitzhugh-Nagumo'); % Menampilkan lokasi grafik grafik1=axes('parent',win1,'units','points','position',[ ],... 'xgrid','on','ygrid','on','fontsize',14); axis([ ]) xlabel('waktu (ms)'), ylabel('potensial Membran') % Menampilkan desain tampilan background frame1=uicontrol('parent',win1,'units','points','position',... [ ],'backgroundcolor',[0.3.2],'style','Frame'); frame2=uicontrol('parent',win1,'units','points','position',[ ],... 'backgroundcolor',[0.3.2],'style','frame'); frame3=uicontrol('parent',win1,'units','points','position',... [ ],'backgroundcolor',[0.3.2],'style','Frame'); frame4=uicontrol('parent',win1,'units','points','position',... [ ],'backgroundcolor',[.8 1.8],'style','Frame'); % Menampilkan text yang ingin dimunculkan text1=uicontrol('parent',win1,'units','points','position',... [ ],'backgroundcolor',[.8 1.8],'style','Text','string',... 'Simulasi Model Neuron Fitzhugh-Nagumo',... 'fontname','ms Sans Serif','fontsize',18,'fontweight','bold'); label1=uicontrol('parent',win1,'units','points','position',... [ ],'backgroundcolor',[.8 1.8],'style','Text','string',... 'a:','fontweight','bold','fontname','ms Sans Serif','fontsize',14); label2=uicontrol('parent',win1,'units','points','position',... [ ],'backgroundcolor',[.8 1.8],'style','Text','string',... 'b:','fontweight','bold','fontname','ms Sans Serif','fontsize',14); label3=uicontrol('parent',win1,'units','points','position',... [ ],'backgroundcolor',[.8 1.8],'style','Text','string',... 'c:','fontweight','bold','fontname','ms Sans Serif','fontsize',14); label5=uicontrol('parent',win1,'units','points','horizontalalignment',... 'left','position',[ ],'backgroundcolor',[.8 1.8],... 'style','text','string','warna :','fontweight','bold',... 'fontname','ms Sans Serif','fontsize',12); % Menampilkan lokasi inputan edit1=uicontrol('parent',win1,'units','points','position',... [ ],'backgroundcolor',[1 1 1],'style','Edit','string',... '0.7','fontname','Algerian','fontsize',12); edit2=uicontrol('parent',win1,'units','points','position',... [ ],'backgroundcolor',[1 1 1],'style','Edit','string',... '0.8','fontname','Algerian','fontsize',12); edit3=uicontrol('parent',win1,'units','points','position',[ ],... 15
25 Lanjutan Lampiran 4 'backgroundcolor',[1 1 1],'style','Edit','string','3',... 'fontname','algerian','fontsize',12); % Menampilkan pilihan warna grafik popup2=uicontrol('parent',win1,'units','points',... 'position',[ ],'backgroundcolor',[1 1 1],... 'style','popupmenu','string','hitam Merah Biru Hijau Magenta Sian Kuning',... 'fontname','arial','fontsize',12); % Memanggil fungsi untuk tetap menampilkan keluaran sebelumnya Hold=uicontrol('parent',win1,'units','points','backgroundcolor',[.8 1.8],... 'position',[ ],'style','checkbox','callback','hold(grafik1)',... 'string','tahan','fontweight','bold','fontname','arial','fontsize',12); % Memanggil program "FHN1" yang berisi fungsi ode45 proses=uicontrol('parent',win1,'units','points','position',[ ],... 'style','pushbutton','callback','fhn1','string','proses',... 'fontname','arial','fontweight','bold','fontsize',10); % Memanggil program "kembali" reset=uicontrol('parent',win1,'units','points','fontweight','bold',... 'position',[ ],'style','pushbutton','callback','kembali',... 'string','kembali','fontname','arial','fontsize',10); 2. Program ode45: memanggil fungsi ode45 untuk menyelesaikan persamaan Fitzhugh-Nagumo secara numerik serta menampilkan hasilnya dalam bentuk grafik. % Program ode45 Model Neuron Fitzhugh-Nagumo % Dibuat oleh:ika Ikrima G % Departemen Fisika FMIPA IPB, 2010 % % Memanggil inputan a1=str2double(get(edit1,'string')); b1=str2double(get(edit2,'string')); c1=str2double(get(edit3,'string')); % Deklarasi parameter global a b c z a=a1; b=b1; c=c1; z=-0.4; % Memanggil fungsi ode45 [t,x]=ode45(@f,[0 100],[0 0]); % Menampilkan grafik sesuai warna yang dipilih pilih2=get(popup2,'value'); switch pilih2 case 1 plot (t,x(:,1),'k') case 2 plot (t,x(:,1),'r') case 3 plot (t,x(:,1),'b') case 4 plot (t,x(:,1),'g') case 5 plot (t,x(:,1),'m') case 6 plot (t,x(:,1),'c') case 7 plot (t,x(:,1),'y') end xlabel('waktu (ms)'), ylabel('potensial Membran') grid on axis([ ]) legend({'data 1','data 2','data 3','data 4','data 5','data 6'}) 16
26 Lanjutan Lampiran 4 3. Program Panggilan: berisi persamaan diferensial Fitzhugh-Nagumo yang akan dicari solusinya %Program Panggilan Model Neuron Fitzhugh-Nagumo %Dibuat oleh:ika Ikrima G %Departemen Fisika FMIPA IPB, 2010 % function xprime = f(~,x) global a b c z xprime=zeros(2,1); % Persamaan diferensial Fitzhugh-Nagumo xprime(1)=c*(x(1)+x(2)-x(1)^3/3+z); xprime(2)=-(x(1)-a+b*x(2))/c; 4. Program tampilan awal: mengembalikan tampilan seperti keadaan semula % Program Tampilan Awal Model Neuron Fitzhugh-Nagumo % Dibuat oleh:ika Ikrima G % Departemen Fisika FMIPA IPB, 2010 % clc % Menghapus grafik cla(grafik1) % mengisi inputan pada keadaan awalnya set(edit1,'string',num2str(0.7)); set(edit2,'string',num2str(0.8)); set(edit3,'string',num2str(3)); % Menghentikan fungsi legend grafik legend('off') 17
III. BAHAN DAN METODE
III. BAHAN DAN METODE 3.1 Tempat dan Waktu Penelitian Penelitian dilakukan di Laboratorium Fisika Teori dan Komputasi, Departemen Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian
Lebih terperinciLAMPIRAN. Studi Pustaka. Pembuatan Program Model Neuron Fitzhugh-Nagumo. Berhasil. Variasi Variabel b
LAMPIRAN Lampiran 1. Diagram Alir Penelitian Studi Pustaka Pembuatan Program Model Neuron Fitzhugh-Nagumo Berhasil Tidak Ya Variasi Variabel a Variasi Variabel b Variasi Variabel c Analisis Hasil Dikaitkan
Lebih terperinciJAWABAN ANALITIK SEBAGAI VALIDASI JAWABAN NUMERIK PADA MATA KULIAH FISIKA KOMPUTASI ABSTRAK
JAWABAN ANALITIK SEBAGAI VALIDASI JAWABAN NUMERIK PADA MATA KULIAH FISIKA KOMPUTASI ABSTRAK Kasus-kasus fisika yang diangkat pada mata kuliah Fisika Komputasi akan dijawab secara numerik. Validasi jawaban
Lebih terperinciBAB 4 MODEL DINAMIKA NEURON FITZHUGH-NAGUMO
BAB 4 MODEL DINAMIKA NEURON FITZHUGH-NAGUMO 4.1 Model Dinamika Neuron Fitzhugh-Nagumo Dalam papernya pada tahun 1961, Fitzhugh mengusulkan untuk menerangkan model Hodgkin-Huxley menjadi lebih umum, yang
Lebih terperinciBAB II TINJAUAN PUSTAKA. 1.3 Perumusan Masalah. 1.4 Hipotesis. 1.5 Keluaran. 2.2 Fisiologi Sel Saraf. 2.1 Morfologi Sel Saraf
3 Perumusan Masalah a Bagaimanakah pengaruh perubahan input berupa arus I searah sebagai sumber rangsangan terhadap penjalaran impuls didalam sel saraf dari persamaan Hindmarsh-Rose? b Bagaimanakah persamaan
Lebih terperinciBIOLISTRIK PADA SISTEM SARAF A. Hasil
BIOLISTRIK PADA SISTEM SARAF A. Hasil normal alkohol Saraf 3.50 menit 2.30 menit Otot 3.40 menit 1.20 menit B. Pembahasan Pada praktikum kali ini, praktikan mengamati kontraksi otot gastrocnemius pada
Lebih terperinciLAPORAN PENELITIAN KOMPETITIF TAHUN ANGGARAN 2017
LAPORAN PENELITIAN KOMPETITIF TAHUN ANGGARAN 017 ANALISIS DINAMIK MODEL FITZHUGH-NAGUMO PADA PENJALARAN IMPULS SEL SARAF MENGGUNAKAN TRANSFORMASI LIENARD Nomor DIPA : DIPA BLU: DIPA-05.04..4381/016 Tanggal
Lebih terperinciNeuromuskulator. Laboratorium Fisiologi Veteriner PKH UB 2015
Neuromuskulator Laboratorium Fisiologi Veteriner PKH UB 2015 STRUKTUR SARAF 3/12/2015 2 SIFAT DASAR SARAF 1. Iritabilitas/eksisitaas : kemampuan memberikan respon bila mendapat rangsangan. Umumnya berkembang
Lebih terperinciPEMODELAN DAN SIMULASI SISTEM DINAMIKA PROPAGASI POTENSIAL AKSI TERSTIMULASI ARUS EKSTERNAL SERTA SINKRONISASI CHAOTIK JARINGAN SYARAF MADA SANJAYA WS
PEMODELAN DAN SIMULASI SISTEM DINAMIKA PROPAGASI POTENSIAL AKSI TERSTIMULASI ARUS EKSTERNAL SERTA SINKRONISASI CHAOTIK JARINGAN SYARAF MADA SANJAYA WS SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR
Lebih terperinciAPROKSIMASI OSILATOR CHAOTIC DAN PERSAMAAN FOKKER-PLANCK PADA MODEL BURSTING NEURON HINDMARSH-ROSE MUHAMMAD YUSUF
APROKSIMASI OSILATOR CHAOTIC DAN PERSAMAAN FOKKER-PLANCK PADA MODEL BURSTING NEURON HINDMARSH-ROSE MUHAMMAD YUSUF SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2010 PERNYATAAN MENGENAI TESIS DAN
Lebih terperinciAPROKSIMASI OSILATOR CHAOTIC DAN PERSAMAAN FOKKER-PLANCK PADA MODEL BURSTING NEURON HINDMARSH-ROSE MUHAMMAD YUSUF
APROKSIMASI OSILATOR CHAOTIC DAN PERSAMAAN FOKKER-PLANCK PADA MODEL BURSTING NEURON HINDMARSH-ROSE MUHAMMAD YUSUF SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2010 PERNYATAAN MENGENAI TESIS DAN
Lebih terperinciMETODE ITERASI BARU BERTIPE SECANT DENGAN KEKONVERGENAN SUPER-LINEAR. Rino Martino 1 ABSTRACT
METODE ITERASI BARU BERTIPE SECANT DENGAN KEKONVERGENAN SUPER-LINEAR Rino Martino 1 1 Mahasiswa Program Studi S1 Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Riau Kampus Binawidya
Lebih terperinciPENGANTAR FISIOLOGI, HOMEOSTASIS, & DASAR BIOLISTRIK. Kuntarti, SKp
PENGANTAR FISIOLOGI, HOMEOSTASIS, & DASAR BIOLISTRIK Kuntarti, SKp tanggal upload : 23 April 2009 FISIOLOGI Ilmu yang mempelajari fungsi biologis tubuh yang bekerja dalam rentang normal Tubuh individu
Lebih terperinciPENGANTAR FISIOLOGI, HOMEOSTASIS, & DASAR BIOLISTRIK. Kuntarti, SKp
PENGANTAR FISIOLOGI, HOMEOSTASIS, & DASAR BIOLISTRIK Kuntarti, SKp FISIOLOGI Ilmu yang mempelajari fungsi biologis tubuh yang bekerja dalam rentang normal Tubuh individu pengorganisasian biologis sel yang
Lebih terperinciPEMODELAN ALIRAN LISTRIK PADA SEL SARAF MANUSIA
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 04, No. 2 (2015), hal 95 100. PEMODELAN ALIRAN LISTRIK PADA SEL SARAF MANUSIA Sunindri, Nilamsari Kusumastuti, Mariatul Kiftiah INTISARI Seluruh
Lebih terperinciBAB II PENJALARAN IMPULS SARAF. Ganglia basalis merupakan bagian dari otak yang memiliki peranan penting antara lain
BAB II PENJALARAN IMPULS SARAF 2.1 Ganglia basalis dan subthalamik nukleus Ganglia basalis merupakan bagian dari otak yang memiliki peranan penting antara lain dalam menghasilkan gerakan motorik terutama
Lebih terperinciPENGANTAR FISIOLOGI, HOMEOSTASIS, & DASAR BIOLISTRIK
PENGANTAR FISIOLOGI, HOMEOSTASIS, & DASAR BIOLISTRIK Kuntarti, SKp, M.Biomed PDF Created with deskpdf PDF Writer - Trial :: http://www.docudesk.com FISIOLOGI Ilmu yang mempelajari fungsi biologis tubuh
Lebih terperinciBIOFISIKA SEL KULIAH SMT IVA FAKULTAS KEDOKTERAN UWKS Paul S. Poli/Biofisika/2006 1
BIOFISIKA SEL KULIAH SMT IVA FAKULTAS KEDOKTERAN UWKS 2006 Paul S. Poli/Biofisika/2006 1 Selamat pagi!!! Paul S. Poli/Biofisika/2006 2 SEL PEKA RANGSANGAN Sel-sel yg dapat dirangsang utk membentuk aliran
Lebih terperinciBAB IV HASIL YANG DIPEROLEH
BAB IV : HASIL YANG DIPEROLEH 25 BAB IV HASIL YANG DIPEROLEH Model yang telah diturunkan pada bab 3, selanjutnya akan dianalisis dengan menggunakan MATLAB 7.0 untuk mendapatkan hasil numerik. 4.1 Simulasi
Lebih terperinciKOMPUTASI NUMERIK GERAK PROYEKTIL DUA DIMENSI MEMPERHITUNGKAN GAYA HAMBATAN UDARA DENGAN METODE RUNGE-KUTTA4 DAN DIVISUALISASIKAN DI GUI MATLAB
KOMPUTASI NUMERIK GERAK PROYEKTIL DUA DIMENSI MEMPERHITUNGKAN GAYA HAMBATAN UDARA DENGAN METODE RUNGE-KUTTA4 DAN DIVISUALISASIKAN DI GUI MATLAB Tatik Juwariyah Fakultas Teknik Universitas Pembangunan Nasional
Lebih terperinciSolusi Numerik Persamaan Gelombang Dua Dimensi Menggunakan Metode Alternating Direction Implicit
Vol. 11, No. 2, 105-114, Januari 2015 Solusi Numerik Persamaan Gelombang Dua Dimensi Menggunakan Metode Alternating Direction Implicit Rezki Setiawan Bachrun *,Khaeruddin **,Andi Galsan Mahie *** Abstrak
Lebih terperinciBAB 3 ANALISIS DAN SIMULASI MODEL HODGKIN-HUXLEY
BAB 3 ANALISIS DAN SIMULASI MODEL HODGKIN-HUXLEY 3.1 Analisis Dinaika Model Hodgkin Huxley Persaaan Hodgkin-Huxley berisi epat persaaan ODE terkopel dengan derajat nonlinear yang tinggi dan sangat sulit
Lebih terperinciDINAMIKA ORDE PERTAMA SISTEM NONLINIER TERKOPEL DENGAN RELASI PREDASI, MUTUAL, DAN SIKLIK (Tinjauan Kasus Mangsa-Pemangsa pada Sistem Ekologi)
1 DINAMIKA ORDE PERTAMA SISTEM NONLINIER TERKOPEL DENGAN RELASI PREDASI, MUTUAL, DAN SIKLIK (Tinjauan Kasus Mangsa-Pemangsa pada Sistem Ekologi) Oleh: MADA SANJAYA WS G74103018 DEPARTEMEN FISIKA FAKULTAS
Lebih terperinciANALISIS DISTRIBUSI SUHU PADA PELAT DUA DIMENSI DENGAN MENGGUNAKAN METODA BEDA HINGGA
Jurnal Penelitian Fisika dan Aplikasinya (JPFA) Vol No., esember 0 ISSN: 087-9946 ANALISIS ISTRIBUSI SUHU PAA PELAT UA IMENSI ENGAN MENGGUNAKAN METOA BEA HINGGA Supardiyono Jurusan Fisika FMIPA UNESA Kampus
Lebih terperinciPotensial membran adalah tegangan yang melintasi suatu membran sel yang berkisar dari sekitar -50 hingga -200 milivolt (tanda minus menunjukkan bahwa
Potensial membran adalah tegangan yang melintasi suatu membran sel yang berkisar dari sekitar -50 hingga -200 milivolt (tanda minus menunjukkan bahwa di dalam sel bersifat negatif dibandingkan dengan di
Lebih terperinciPenyelesaian Masalah Syarat Batas dalam Persamaan Diferensial Biasa Orde Dua dengan Menggunakan Algoritma Shooting Neural Networks
Penyelesaian Masalah Syarat Batas dalam Persamaan Diferensial Biasa Orde Dua dengan Menggunakan Algoritma Shooting Neural Networks Dewi Erla Mahmudah 1, Ratna Dwi Christyanti 2, Moh. Khoridatul Huda 3,
Lebih terperinciBAB 4 BAB 3 HASIL DAN PEMBAHASAN METODE PENELITIAN. 3.2 Peralatan
4 3.2 Peralatan..(9) dimana,, dan.(10) substitusi persamaan (10) ke persamaan (9) maka diperoleh persamaan gelombang soliton DNA model PBD...(11) agar persamaan (11) dapat dipecahkan sehingga harus diterapkan
Lebih terperinciPENGARUH PERUBAHAN PARAMETER TERHADAP NILAI ERROR PADA METODE RUNGE-KUTTA ORDO-2 SKRIPSI MIZWAR ARIFIN SRG
PENGARUH PERUBAHAN PARAMETER TERHADAP NILAI ERROR PADA METODE RUNGE-KUTTA ORDO-2 SKRIPSI MIZWAR ARIFIN SRG 070803030 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA
Lebih terperinciBAB IV ANALISIS DINAMIK MODEL SUBTHALAMIK NUKLEUS. Pada model matematika yang dibangun di Bab III, diperoleh 5 persamaan diferensial,
BAB IV ANALISIS DINAMIK MODEL SUBTHALAMIK NUKLEUS Pada model matematika yang dibangun di Bab III, diperoleh 5 persamaan diferensial, yang dapat disederhanakan sebagai berikut : d ( v ) = f 1( vnhrcai,,,,
Lebih terperinciPENGARUH PERUBAHAN NILAI PARAMETER TERHADAP NILAI ERROR PADA METODE RUNGE-KUTTA ORDE 3
PENGARUH PERUBAHAN NILAI PARAMETER TERHADAP NILAI ERROR PADA METODE RUNGE-KUTTA ORDE 3 Tornados P. Silaban 1, Faiz Ahyaningsih 2 1) FMIPA, UNIMED, Medan, Indonesia email: tornados.p_silaban@yahoo.com 2)
Lebih terperinciDASAR-DASAR SISTEM SYARAF DAN JARINGAN SYARAF
DASAR-DASAR SISTEM SYARAF DAN JARINGAN SYARAF Sistem syaraf bertanggung jawab dalam mempertahankan homeostasis tubuh (kesetimbangan tubuh, lingkungan internal tubuh stabil) Fungsi utamanya adalah untuk:
Lebih terperinciCatatan Kecil Belajar MATLAB Untuk Matematika Terapan dan Teknik. Arif Muchyidin
Catatan Kecil Belajar MATLAB Untuk Matematika Terapan dan Teknik Arif Muchyidin Kata Pengantar Buku berjudul Catatan Kecil Belajar MATLAB Untuk Matematika Terapan dan Teknik merupakan langkah kecil dalam
Lebih terperinciModul 1 : Respons Impuls
Praktikum Pengolahan Sinyal Waktu Kontinyu sebagai bagian dari Mata Kuliah ET 2004 Modul 1 : Respons Impuls Program Studi Teknik Telekomunikasi Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciLaporan Praktikum 9 Analisis Numerik
Laporan Praktikum 9 Analisis Numerik Syarif Abdullah (G551150381) Matematika Terapan Departemen Matematika FMIPA IPB E-mail: syarif abdullah@apps.ipb.ac.id 12 Mei 2016 ORDINARY DIFFERENTIAL EQUATIONS (Euler,
Lebih terperinciSagita Charolina Sihombing 1, Agus Dahlia Pendahuluan
Jurnal Matematika Integratif. Vol. 14, No. 1 (2018), pp. 51 60. p-issn:1412-6184, e-issn:2549-903 doi:10.24198/jmi.v14.n1.15953.51-60 Penyelesaian Persamaan Diferensial Linier Orde Satu dan Dua disertai
Lebih terperinciPENYELESAIAN PERSAMAAN NONLINEAR BERDERAJAT DUA MENGGUNAKAN METODE HOPFIELD MODIFIKASI
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 04, No. 3(2015), hal 353-362. PENYELESAIAN PERSAMAAN NONLINEAR BERDERAJAT DUA MENGGUNAKAN METODE HOPFIELD MODIFIKASI Ikon Pratikno, Nilamsari
Lebih terperinciAnalisa dan Sintesa Bunyi Dawai Pada Gitar Semi-Akustik
Analisa dan Sintesa Bunyi Dawai Pada Gitar Semi-Akustik Eko Rendra Saputra, Agus Purwanto, dan Sumarna Pusat Studi Getaran dan Bunyi, Jurdik Fisika, FMIPA, UNY ABSTRAK Penelitian ini bertujuan untuk menganalisa
Lebih terperinciStudi Analitik dan Numerik Perpindahan Panas pada Fin Trapesium (Studi Kasus pada Finned Tube Heat Exchanger)
JURNAL TEKNIK POMITS Vol., No., (013) ISSN: 337-3539 (301-971 Print) B-316 Studi Analitik dan Numerik Perpindahan Panas pada Fin Trapesium (Studi Kasus pada Finned Tube Heat Exchanger) Ahmad Zaini dan
Lebih terperinciRANCANGAN SOFTWARE UNTUK DESAIN KRISTAL FOTONIK SATU DIMENSI BERBASIS GRAPHICAL USER INTERFACE DICKY ARDIYANTO WIBOWO
RANCANGAN SOFTWARE UNTUK DESAIN KRISTAL FOTONIK SATU DIMENSI BERBASIS GRAPHICAL USER INTERFACE DICKY ARDIYANTO WIBOWO DEPARTEMEN FISIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciALGORITMA MODIFIKASI BROYDEN-FLETCHER-GOLDFARB-SHANNO (MBFGS) PADA PERMASALAHAN OPTIMASI
ALGORITMA MODIFIKASI BROYDEN-FLETCHER-GOLDFARB-SHANNO (MBFGS) PADA PERMASALAHAN OPTIMASI Nama Mahasiswa : Rahmawati Erma.S. NRP : 1208100030 Jurusan : Matematika Dosen Pembimbing : 1. Subchan, M.Sc, Ph.D
Lebih terperinciMASALAH NILAI AWAL ITERASI NEWTON RAPHSON UNTUK ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG)
MASALAH NILAI AWAL ITERASI NEWTON RAPHSON UNTUK ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG) Shaifudin Zuhdi, Dewi Retno Sari Saputro Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciPEMODELAN ARUS LALU LINTAS ROUNDABOUT
Jurnal Matematika UNAND Vol. 3 No. 1 Hal. 43 52 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMODELAN ARUS LALU LINTAS ROUNDABOUT NANDA ARDIELNA, MAHDHIVAN SYAFWAN Program Studi Matematika, Fakultas
Lebih terperinciPenyelesaian Model Sistem Gerak Bebas Teredam
Penyelesaian Model Sistem Gerak Bebas Teredam Oleh: 1 Ir. Sigit Kusmaryanto, M.Eng. 1 Teknik Elektro, sigitkus@ub.ac.id Sistem Gerak Bebas Teredam adalah sistem gerak dengan parameter Gaya Luar F(t)=0
Lebih terperinciISSN (Media Cetak) ISSN (Media Online) Implementasi Metode Eliminasi Gauss Pada Rangkaian Listrik Menggunakan Matlab
JITEKH, Vol, No, Tahun 27, -5 ISSN 28-577(Media Cetak) ISSN 2549-4 (Media Online) Implementasi Metode Eliminasi Gauss Pada Rangkaian Listrik Menggunakan Matlab Silmi, Rina Anugrahwaty 2 Staff Pengajar
Lebih terperinciRPKPS (Rencana Program Kegiatan Pembelajaran Semester) Program Studi : S1 Matematika Jurusan/Fakultas : Matematika/FMIPA
Ver.1.0 : Desember 2015 1. Nama Mata kuliah Persamaan Biasa Semester/Kode/SKS IV / MAM2201 / 3 2. Silabus Mata kuliah ini berisi teori tentang diferensial. Solusi diferensial orde satu dan dua homogen
Lebih terperinciSOLUSI NUMERIK UNTUK PERSAMAAN INTEGRAL KUADRAT NONLINEAR. Eka Parmila Sari 1, Agusni 2 ABSTRACT
SOLUSI NUMERIK UNTUK PERSAMAAN INTEGRAL KUADRAT NONLINEAR Eka Parmila Sari 1, Agusni 2 1 Mahasiswa Program Studi S1 Matematika 2 Laboratorium Matematika Terapan, Jurusan Matematika Fakultas Matematika
Lebih terperinciSyarat Cukup Osilasi Persamaan Diferensial Linier Homogen Orde Dua Dengan Redaman
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 T - 10 Syarat Cukup Osilasi Persamaan Diferensial Linier Homogen Orde Dua Dengan Redaman Maulana Malik, Sri Mardiyati Departemen Matematika
Lebih terperinciSOLUSI PERIODIK TUNGGAL SUATU PERSAMAAN RAYLEIGH. Jurusan Matematika FMIPA UT ABSTRAK
SOLUSI PERIODIK TUNGGAL SUATU PERSAMAAN RAYLEIGH Sugimin Jurusan Matematika FMIPA UT ugi@mail.ut.ac.id ABSTRAK Suatu persamaan vektor berbentuk x & = f (x dengan variabel bebas t yang tidak dinyatakan
Lebih terperinciPENYELESAIAN MASALAH NILAI AWAL PERSAMAAN DIFERENSIAL BIASA ORDE DUA MENGGUNAKAN MODIFIKASI METODE DEKOMPOSISI ADOMIAN
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 04, No. 1 (2015), hal 9 16. PENYELESAIAN MASALAH NILAI AWAL PERSAMAAN DIFERENSIAL BIASA ORDE DUA MENGGUNAKAN MODIFIKASI METODE DEKOMPOSISI ADOMIAN
Lebih terperinciPEMODELAN DAN SIMULASI NUMERIK GERAK OSILASI SISTEM BANDUL PEGAS BERSUSUN ORDE KEDUA DALAM DUA DIMENSI
PEMODELAN DAN SIMULASI NUMERIK GERAK OSILASI SISTEM BANDUL PEGAS BERSUSUN ORDE KEDUA DALAM DUA DIMENSI Frando Heremba, Nur Aji Wibowo, Suryasatriya Trihandaru Program Studi Fisika Fakultas Sains dan Matematika
Lebih terperinciEksperimen HASIL DAN PEMBAHASAN Pengambilan data
7 jam dan disonikasi selama jam agar membran yang dihasilkan homogen. Langkah selanjutnya, membran dituangkan ke permukaan kaca yang kedua sisi kanan dan kiri telah diisolasi. Selanjutnya membran direndam
Lebih terperinciSolusi Persamaan Laplace Menggunakan Metode Crank-Nicholson. (The Solution of Laplace Equation Using Crank-Nicholson Method)
Prosiding Seminar Nasional Matematika, Universitas Jember, 19 November 2014 320 Persamaan Laplace Menggunakan Metode Crank-Nicholson (The Solution of Laplace Equation Using Crank-Nicholson Method) Titis
Lebih terperinciKELUARGA METODE LAGUERRE DAN KELAKUAN DINAMIKNYA DALAM MENENTUKAN AKAR GANDA PERSAMAAN NONLINEAR. Een Susilawati 1 ABSTRACT
KELUARGA METODE LAGUERRE DAN KELAKUAN DINAMIKNYA DALAM MENENTUKAN AKAR GANDA PERSAMAAN NONLINEAR Een Susilawati 1 1 Mahasiswa Program Studi S1 Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperinciPERBANDINGAN PENYELESAIAN SISTEM OREGONATOR DENGAN METODE ITERASI VARIASIONAL DAN METODE ITERASI VARIASIONAL TERMODIFIKASI
PERBANDINGAN PENYELESAIAN SISTEM OREGONATOR DENGAN METODE ITERASI VARIASIONAL DAN METODE ITERASI VARIASIONAL TERMODIFIKASI oleh AMELIA FEBRIYANTI RESKA M0109008 SKRIPSI ditulis dan diajukan untuk memenuhi
Lebih terperinciJurnal MIPA 37 (2) (2014): Jurnal MIPA.
Jurnal MIPA 37 (2) (2014): 192-199 Jurnal MIPA http://journal.unnes.ac.id/nju/index.php/jm PENYELESAIAN PERSAMAAN DUFFING OSILATOR PADA APLIKASI WEAK SIGNAL DETECTION MENGGUNAKAN METODE AVERAGING Z A Tamimi
Lebih terperinciSYARAF. Gamaliel Septian Airlanda
SYARAF Gamaliel Septian Airlanda Tujuan Mahasiswa dapat mengetahui bentuk fisik dan mekanisme molekuler yang terjadi dalam neuron beserta fungsinya dalam menghantarkan informasi Struktur dan Fungsi Neuron
Lebih terperinciPENGARUH METODE PENGOLAHAN TERHADAP KANDUNGAN MINERAL REMIS (Corbicula javanica) RIKA KURNIA
PENGARUH METODE PENGOLAHAN TERHADAP KANDUNGAN MINERAL REMIS (Corbicula javanica) RIKA KURNIA DEPARTEMEN TEKNOLOGI HASIL PERAIRAN FAKULTAS PERIKANAN DAN ILMU KELAUTAN INSTITUT PERTANIAN BOGOR BOGOR 2011
Lebih terperinciOPTIMASI PARAMETER α DAN γ DALAM PEMULUSAN EKSPONENSIAL DUA PARAMETER DENGAN METODE MODIFIKASI GOLDEN SECTION
OPTIMASI PARAMETER α DAN γ DALAM PEMULUSAN EKSPONENSIAL DUA PARAMETER DENGAN METODE MODIFIKASI GOLDEN SECTION NILA YUWIDA 1208100015 Dosen Pembimbing : Dra. Nuri Wahyuningsih, M.Kes Drs. Lukman Hanafi,
Lebih terperinciMETODE ITERASI ORDE EMPAT DAN ORDE LIMA UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR. Imaddudin ABSTRACT
METODE ITERASI ORDE EMPAT DAN ORDE LIMA UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR Imaddudin Mahasiswa Program Studi S1 Matematika Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperinciREGRESI KEKAR SIMPANGAN MUTLAK TERKECIL DENGAN MODIFIKASI SIMPLEKS MUHAMMAD YUSUF DWIHARJANGGI
REGRESI KEKAR SIMPANGAN MUTLAK TERKECIL DENGAN MODIFIKASI SIMPLEKS MUHAMMAD YUSUF DWIHARJANGGI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011 ABSTRAK
Lebih terperinciJl. Ir. M. Putuhena, Kampus Unpatti, Poka-Ambon 2 ABSTRAK
Jurnal Barekeng Vol. 8 No. 1 Hal. 39 43 (2014) APLIKASI METODE RUNGE KUTTA ORDE EMPAT PADA PENYELESAIAN RANGKAIAN LISTRIK RLC Application of Fourth Order Runge Kutta methods on Completion of the Electrical
Lebih terperinciPEMBUATAN KARAMEL DARI SUSU SAPI (KEMASAN) DAN KARAKTERISASI FISIK SERTA phnya. oleh: EUIS HANDAYANI G
PEMBUATAN KARAMEL DARI SUSU SAPI (KEMASAN) DAN KARAKTERISASI FISIK SERTA phnya oleh: EUIS HANDAYANI G74103034 DEPARTEMEN FISIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2007
Lebih terperinciPENERAPAN FORMULASI HIROTA UNTUK PERSAMAAN UMUM MODUS TERGANDENG PADA KISI BRAGG DALAM NONLINIER DENGAN DIFRAKSI
PENERAPAN FORMULASI HIROTA UNTUK PERSAMAAN UMUM MODUS TERGANDENG PADA KISI BRAGG DALAM NONLINIER DENGAN DIFRAKSI Oleh: ALETTA ANGGRAINI KANDI G74102025 PROGRAM STUDI FISIKA FAKULTAS MATEMATIKA DAN ILMU
Lebih terperinciANALISIS DINAMIKA MODEL KOMPETISI DUA POPULASI YANG HIDUP BERSAMA DI TITIK KESETIMBANGAN TIDAK TERDEFINISI
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 02, No. 3 (2013), hal 197 204. ANALISIS DINAMIKA MODEL KOMPETISI DUA POPULASI YANG HIDUP BERSAMA DI TITIK KESETIMBANGAN TIDAK TERDEFINISI Eka
Lebih terperinciKAJIAN SEJUMLAH METODE UNTUK MENCARI SOLUSI NUMERIK PERSAMAAN DIFERENSIAL
KAJIAN SEJUMLAH METODE UNTUK MENCARI SOLUSI NUMERIK PERSAMAAN DIFERENSIAL Mulyono 1) 1) Program StudiSistemKomputer FMIPA UNJ mulyono_unj_2006@yahoo.co.id Abstrak Penelitian ini bertujuan untuk membandingkan
Lebih terperinciSOLUSI POLINOMIAL TAYLOR PERSAMAAN DIFERENSIAL-BEDA LINEAR DENGAN KOEFISIEN VARIABEL ABSTRACT
SOLUSI POLINOMIAL TAYLOR PERSAMAAN DIFERENSIAL-BEDA LINEAR DENGAN KOEFISIEN VARIABEL Siti Nurjanah 1, Musraini M 2 1 Mahasiswa Program Studi S1 Matematika 2 Dosen Jurusan Matematika Fakultas Matematika
Lebih terperinciKAJIAN PENDEKATAN REGRESI SINYAL P-SPLINE PADA MODEL KALIBRASI. Oleh : SITI NURBAITI G
KAJIAN PENDEKATAN REGRESI SINYAL P-SPLINE PADA MODEL KALIBRASI Oleh : SITI NURBAITI G14102022 DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2007 ABSTRAK SITI
Lebih terperinciPengkajian Metode Extended Runge Kutta dan Penerapannya pada Persamaan Diferensial Biasa
JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (215 2337-352 (231-928X Print A-25 Pengkajian Metode Extended Runge Kutta dan Penerapannya pada Persamaan Diferensial Biasa Singgi Tawin Muammad, Erna Apriliani,
Lebih terperinciFAMILI METODE ITERASI DENGAN KEKONVERGENAN ORDE TIGA. Rahmawati ABSTRACT
FAMILI METODE ITERASI DENGAN KEKONVERGENAN ORDE TIGA Rahmawati Mahasiswa Program Studi S Matematika Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Riau Kampus Bina Widya,
Lebih terperinciIntro. - alifis.wordpress.com
Intro. Manusia tidak bisa melihat, merasa, mencium atau menyadari keberadaan listrik dengan inderanya, baik untuk muatan maupun untuk medan listriknya. Baru pada akhir abad 18 hal-hal mengenai listrik
Lebih terperinciPenyelesaian Persamaan Painleve Menggunakan Metode Dekomposisi Adomian Laplace
Penyelesaian Persamaan Painleve Menggunakan Metode Dekomposisi Adomian Laplace M. Nizam Muhaijir 1, Wartono 2 Jurusan Matematika Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim
Lebih terperinciLocal Stability of Predator Prey Models With Harvesting On The Prey. Abstract
Jurnal Ilmiah Pendidikan Matematika 99 Local Stability of Predator Prey Models With Harvesting On The Prey Oleh : Saiful Marom Pendidikan Matematika FKIP Universitas Pekalongan Abstract In this paper considered
Lebih terperinciBEBERAPA METODE ITERASI DENGAN TURUNAN KETIGA UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR BESERTA DINAMIKNYA. Zulkarnain 1, M.
BEBERAPA METODE ITERASI DENGAN TURUNAN KETIGA UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR BESERTA DINAMIKNYA BEBERAPA METODE ITERASI DENGAN TURUNAN KETIGA UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR BESERTA DINAMIKNYA
Lebih terperinciMODEL POLA LAJU ALIRAN FLUIDA DENGAN LUAS PENAMPANG YANG BERBEDA MENGGUNAKAN METODE BEDA HINGGA
MODEL POLA LAJU ALIRAN FLUIDA DENGAN LUAS PENAMPANG YANG BERBEDA MENGGUNAKAN METODE BEDA HINGGA Vira Marselly, Defrianto, Rahmi Dewi Mahasiswa Program S1 Fisika Fakultas Matematika Dan Ilmu Pengetahuan
Lebih terperinciPERBAIKAN METODE OSTROWSKI UNTUK MENCARI AKAR PERSAMAAN NONLINEAR. Rin Riani ABSTRACT
PERBAIKAN METODE OSTROWSKI UNTUK MENCARI AKAR PERSAMAAN NONLINEAR Rin Riani Mahasiswa Program Studi S1 Matematika Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Riau Kampus
Lebih terperinciHASIL DAN PEMBAHASAN. Gambar 12. Hubungan Tegangan Membran terhadap Variasi Suhu pada Konsentrasi 100 mm Larutan NaCl, MgCl 2 dan AlCl 3
9 HASIL DAN PEMBAHASAN 1. Hasil Perlakuan Pasif untuk Tegangan Membran 1.1 Tinjauan Perlakuan Variasi Konsentrasi Gambar 11 memperlihatkan grafik tegangan membran telur terhadap variasi konsentrasi larutan
Lebih terperinciMETODE BENTUK NORMAL PADA PENYELESAIAN PERSAMAAN RAYLEIGH
Jurnal Matematika UNAND Vol. 5 No. 3 Hal. 77 84 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND METODE BENTUK NORMAL PADA PENYELESAIAN PERSAMAAN RAYLEIGH EKA ASIH KURNIATI, MAHDHIVAN SYAFWAN, RADHIATUL
Lebih terperinciPENYELESAIAN MASALAH PENGIRIMAN PAKET KILAT UNTUK JENIS NEXT-DAY SERVICE DENGAN MENGGUNAKAN TEKNIK PEMBANGKITAN KOLOM. Oleh: WULAN ANGGRAENI G
PENYELESAIAN MASALAH PENGIRIMAN PAKET KILAT UNTUK JENIS NEXT-DAY SERVICE DENGAN MENGGUNAKAN TEKNIK PEMBANGKITAN KOLOM Oleh: WULAN ANGGRAENI G54101038 PROGRAM STUDI MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN PADA PENGENALAN POLA TULISAN DENGAN METODE BACKPROPAGATION
APLIKASI JARINGAN SYARAF TIRUAN PADA PENGENALAN POLA TULISAN DENGAN METODE BACKPROPAGATION Alvama Pattiserlihun, Andreas Setiawan, Suryasatriya Trihandaru Program Studi Fisika, Fakultas Sains dan Matematika,
Lebih terperinciTUGAS AKHIR ALGORITMA MODIFIKASI BROYDEN-FLETCHER-GOLDFARB- SHANNO (MBFGS) PADA PERMASALAHAN OPTIMASI
TUGAS AKHIR ALGORITMA MODIFIKASI BROYDEN-FLETCHER-GOLDFARB- SHANNO (MBFGS) PADA PERMASALAHAN OPTIMASI (ALGORITHM OF MODIFIED BROYDEN-FLETCHER-GOLDFARB- SHANNO (MBFGS ) FOR OPTIMIZATION PROBLEM ) Oleh:
Lebih terperinciPlot Multivariate Menggunakan Kernel Principal Component Analysis (KPCA) dengan Fungsi Power Kernel
Plot Multivariate Menggunakan Kernel Principal Component Analysis (KPCA) dengan Fungsi Power Kernel Vitawati Bawotong, Hanny Komalig, Nelson Nainggolan 3 Program Studi Matematika, FMIPA, UNSRAT, vbawotong@gmail.com
Lebih terperinciAPLIKASI FUNGSI GREEN MENGGUNAKAN ALGORITMA MONTE CARLO DALAM PERSAMAAN DIFERENSIAL SEMILINEAR
APLIKASI FUNGSI GREEN MENGGUNAKAN ALGORITMA MONTE CARLO DALAM PERSAMAAN DIFERENSIAL SEMILINEAR SKRIPSI Oleh TILSA ARYENI 110803058 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS
Lebih terperinciMODIFIKASI METODE CAUCHY DENGAN ORDE KONVERGENSI EMPAT. Masnida Esra Elisabet ABSTRACT
MODIFIKASI METODE CAUCHY DENGAN ORDE KONVERGENSI EMPAT Masnida Esra Elisabet Mahasiswa Program Studi S1 Matematika Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Riau Kampus
Lebih terperinciKONSTRUKSI SEDERHANA METODE ITERASI BARU ORDE TIGA ABSTRACT
KONSTRUKSI SEDERHANA METODE ITERASI BARU ORDE TIGA Dedi Mangampu Tua 1, Syamsudhuha 2, Asmara Karma 2 1 Mahasiswa Program Studi S1 Matematika 2 Laboratorium Matematika Terapan, Jurusan Matematika Fakultas
Lebih terperinciMETODE BERTIPE NEWTON UNTUK AKAR GANDA DENGAN KONVERGENSI KUBIK ABSTRACT
METODE BERTIPE NEWTON UNTUK AKAR GANDA DENGAN KONVERGENSI KUBIK Risvi Ayu Imtihana 1, Asmara Karma 1 Mahasiswa Program Studi S1 Matematika Dosen Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciAPLIKASI HEC-HMS UNTUK PERKIRAAN HIDROGRAF ALIRAN DI DAS CILIWUNG BAGIAN HULU RISYANTO
APLIKASI HEC-HMS UNTUK PERKIRAAN HIDROGRAF ALIRAN DI DAS CILIWUNG BAGIAN HULU RISYANTO DEPARTEMEN GEOFISIKA DAN METEOROLOGI FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR
Lebih terperinciMODIFIKASI METODE NEWTON DENGAN KEKONVERGENAN ORDE EMPAT. Yenni May Sovia 1, Agusni 2 ABSTRACT
MODIFIKASI METODE NEWTON DENGAN KEKONVERGENAN ORDE EMPAT Yenni May Sovia, Agusni 2 Mahasiswa Program Studi S Matematika Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Riau
Lebih terperinciEFEKTIVITAS METODE ADAMS BASHFORTH-MOULTON ORDE DELAPAN TERHADAP METODE RUNGE-KUTTA ORDE ENAM PADA MODEL PENYEBARAN VIRUS AVIAN INFLUENZA TESIS.
EFEKTIVITAS METODE ADAMS BASHFORTH-MOULTON ORDE DELAPAN TERHADAP METODE RUNGE-KUTTA ORDE ENAM PADA MODEL PENYEBARAN VIRUS AVIAN INFLUENZA TESIS Oleh Said Ripin Bukaryo NIM 091820101015 PROGRAM PASCA SARJANA
Lebih terperinciMETODE BERTIPE STEFFENSEN SATU LANGKAH DENGAN KONVERGENSI SUPER KUBIK UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR. Neng Ipa Patimatuzzaroh 1 ABSTRACT
METODE BERTIPE STEFFENSEN SATU LANGKAH DENGAN KONVERGENSI SUPER KUBIK UNTUK MENYELESAIKAN PERSAMAAN NONLINEAR Neng Ipa Patimatuzzaroh Mahasiswa Program Studi S Matematika Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciSOLUSI PERSAMAAN BOLTZMANN DENGAN NILAI AWAL BOBYLEV MENGGUNAKAN PENDEKATAN ANALITIK DAN NUMERIK YOANITA HISTORIANI
SOLUSI PERSAMAAN BOLTZMANN DENGAN NILAI AWAL BOBYLEV MENGGUNAKAN PENDEKATAN ANALITIK DAN NUMERIK YOANITA HISTORIANI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2007 PERNYATAAN MENGENAI TESIS DAN
Lebih terperinciSIFAT-SIFAT DINAMIK DARI MODEL INTERAKSI CINTA DENGAN MEMPERHATIKAN DAYA TARIK PASANGAN
Jurnal Matematika UNAND Vol. 5 No. 2 Hal. 50 55 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND SIFAT-SIFAT DINAMIK DARI MODEL INTERAKSI CINTA DENGAN MEMPERHATIKAN DAYA TARIK PASANGAN AIDA BETARIA Program
Lebih terperinciAPLIKASI METODE TRANSFORMASI DIFERENSIAL PADA SISTEM PERSAMAAN DIFERENSIAL BIASA PENDAHULUAN
APLIKASI METODE TRANSFORMASI DIFERENSIAL PADA SISTEM PERSAMAAN DIFERENSIAL BIASA E. KHATIZAH 1, P. T. KARIMA 2, D. I. ASTUTI 2 Abstrak Metode transformasi diferensial merupakan salah satu metode pendekatan
Lebih terperinciANALISIS MODEL FRAKSIONAL PENYEBARAN INFEKSI KODE MALICIOUS PADA JARINGAN KOMPUTER SKRIPSI
ANALISIS MODEL FRAKSIONAL PENYEBARAN INFEKSI KODE MALICIOUS PADA JARINGAN KOMPUTER SKRIPSI ROKHANA ETHA DAMAYANTI PROGRAM STUDI S-1 MATEMATIKA DEPARTEMEN MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS
Lebih terperinciJURNAL TEKNOLOGI INFORMASI & PENDIDIKAN ISSN : VOL. 4 NO. 1 SEPTEMBER 2011
PERANCANGAN DAN PENALAAN PENGENDALI PROPORTIONAL INTEGRAL DERIVATIF MENGGUNAKAN SIMULINK Hastuti 1 ABSTRACT This paper describes how to design and to adjust parameters of the PID Controller in order to
Lebih terperinciMODIFIKASI METODE HOMOTOPY PERTURBASI UNTUK PERSAMAAN NONLINEAR DAN MEMBANDINGKAN DENGAN MODIFIKASI METODE DEKOMPOSISI ADOMIAN ABSTRACT
MODIFIKASI METODE HOMOTOPY PERTURBASI UNTUK PERSAMAAN NONLINEAR DAN MEMBANDINGKAN DENGAN MODIFIKASI METODE DEKOMPOSISI ADOMIAN Handico Z Desri 1, Syamsudhuha 2, Zulkarnain 2 1 Mahasiswa Program Studi S1
Lebih terperinciABSTRAK. Pemodelan Kecerdasan Buatan Untuk Pengenalan Citra Elektrokardiografi (EKG) Oleh: Imam Tazi, M.Si
1 ABSTRAK Pemodelan Kecerdasan Buatan Untuk Pengenalan Citra Elektrokardiografi (EKG) Oleh: Imam Tazi, M.Si Penelitian kecerdasan buatan untuk mengenali pola semakin banyak dilakukan dan dibutuhkan. Pada
Lebih terperinciFAMILI BARU METODE ITERASI BERORDE TIGA UNTUK MENEMUKAN AKAR GANDA PERSAMAAN NONLINEAR. Nurul Khoiromi ABSTRACT
FAMILI BARU METODE ITERASI BERORDE TIGA UNTUK MENEMUKAN AKAR GANDA PERSAMAAN NONLINEAR Nurul Khoiromi Mahasiswa Program Studi S1 Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Riau
Lebih terperinciI. PENDAHULUAN 1.1. Latar Belakang Untuk mengungkapkan perilaku dinamik suatu sistem fisik seperti mekanik, listrik, hidrolik dan lain sebagainya, umumnya sistem fisik dimaksud dimodelkan dengan sistem
Lebih terperinciMETODE ITERASI BARU BEBAS DERIVATIF UNTUK MENEMUKAN SOLUSI PERSAMAAN NONLINEAR ABSTRACT
METODE ITERASI BARU BEBAS DERIVATIF UNTUK MENEMUKAN SOLUSI PERSAMAAN NONLINEAR Eka Ceria 1, Agusni, Zulkarnain 1 Mahasiswa Program Studi S1 Matematika Laboratorium Matematika Terapan, Jurusan Matematika
Lebih terperinciIV HASIL DAN PEMBAHASAN
5 IV HASIL DAN PEMBAHASAN 4.1 Pembangkitan Data Hipotetik Data dibangkitkan dengan bantuan software Mathematica yaitu dengan cara mencari solusi numerik dari model dinamik dengan memberikan nilai parameter
Lebih terperinci