MASALAH KONTROL OPTIMUM HAMA SECARA HAYATI CHASTRO SEPTIADI SIMANGUNSONG
|
|
- Leony Iskandar
- 7 tahun lalu
- Tontonan:
Transkripsi
1 MASALAH KONTROL OPTIMUM HAMA SECARA HAYATI CHASTRO SEPTIADI SIMANGUNSONG DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 213
2 ABSTRAK CHASTRO SEPTIADI SIMANGUNSONG. Masalah Kontrol Optimum Hama Secara Hayati. Dibimbing oleh TONI BAKHTIAR dan FARIDA HANUM. Hama merupakan spesies yang dapat menyebabkan kerugian pada hasil panen, serta mengganggu aktivitas petani. Upaya untuk mengurangi kerugian yang disebabkan oleh hama sangat diperlukan, salah satunya dengan melakukan pengendalian kimiawi menggunakan obat pembasmi hama atau melakukan pengendalian hayati dengan melibatkan musuh alami untuk melumpuhkan hama. Pada kasus ini, upaya untuk mengendalikan hama dirumuskan ke dalam model matematika, yakni suatu masalah kontrol optimum hama. Tujuan utama permasalahan ini adalah menentukan upaya pengendalian untuk mempertahankan kepadatan populasi hama pada level kesetimbangan di bawah tingkat kerugian ekonomi. Terdapat dua tahap untuk mengendalikan hama yaitu dengan menggabungkan pengendalian kimiawi dan hayati pada tahap pertama untuk mempercepat pengurangan jumlah hama, dan pada tahap kedua hanya dilakukan pengendalian hayati untuk mempertahankan level yang diinginkan. Untuk mengetahui upaya pengendalian tersebut maka ditinjau suatu model hama-predator yang melibatkan Anticarsia gemmatalis sebagai hama pada tanaman kacang kedelai dan Geocoris sp sebagai predator. Upaya pengendalian yang diperoleh menunjukkan bahwa level yang diinginkan untuk jumlah populasi hama sebesar 2 ulat/m 2 dapat dicapai dan kemudian akan dipertahankan. Kata Kunci: kontrol optimum, pengendalian hama, prinsip minimum Pontryagin.
3 ABSTRACT CHASTRO SEPTIADI SIMANGUNSONG. Optimal Biological Pest Control Problems. Supervised by TONI BAKHTIAR and FARIDA HANUM. Pests are species that can attack crops and interfere farming activity. Effort to reduce the effect of pests is necessary. It can be accomplished either by chemical control through insecticides or by biological control using natural enemy intervention. In this work, pest control effort is formulated by a mathematical model, i.e., an optimal pest control problem. The primary objective of this work is to determine control strategies which maintain the density of the pest population in the equilibrium level below economic losses. Two-step control strategy is proposed by using the combination of chemical and biological controls; in the first step to speed-up pest reduction, and solely by using the biological control in the second step to maintain the admissible level. The control strategy is then applied to a predator-prey model which involves Anticarsia gemmatalis as a pest to soybean and Geocoris sp. as a natural enemy. It shows that the admissible level of 2 pest/m 2 can be attained and maintained subsequently. Keywords: optimal control, pest control, Pontryagin minimum principle.
4 MASALAH KONTROL OPTIMUM HAMA SECARA HAYATI CHASTRO SEPTIADI SIMANGUNSONG Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains pada Departemen Matematika DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 213
5 Judul Nama NIM : Masalah Kontrol Optimum Hama Secara Hayati : Chastro Septiadi Simangunsong : G54861 Menyetujui, Pembimbing I Pembimbing II Dr. Toni Bakhtiar, M.Sc. NIP Dra. Farida Hanum, M.Si. NIP Mengetahui: Ketua Departemen Dr. Berlian Setiawaty, M.S. NIP Tanggal Lulus :
6 PRAKATA Puji dan syukur penulis panjatkan kepada Tuhan Yesus Kristus atas segala berkat, kasih, kekuatan, serta anugerah-nya yang tak pernah berhenti sehingga karya ilmiah ini berhasil diselesaikan. Penyusunan karya ilmiah ini juga tidak lepas dari bantuan berbagai pihak. Untuk itu penulis mengucapkan terima kasih yang sebesar-besarnya kepada: 1. Keluargaku tercinta, mamaku Rosjelita Gultom dan bapaku Zainal Abidin Simangunsong atas segala doa, kasih sayang, motivasi, pengorbanan, dan nasihat yang senantiasa mengiringi perjalanan penulis selama ini, kakakku Lestrida Gusniati dan adikku Devi Lusiana atas doa, kasih sayang dan dukungannya, 2. Bapak Dr. Toni Bakhtiar, M.Sc. dan Ibu Dra. Farida Hanum, M.Si. selaku dosen pembimbing atas segala kesabaran, ilmu dan masukannya selama membimbing penulis, Bapak Drs. Siswandi, M.Si. selaku dosen penguji, dan seluruh dosen Departemen Matematika FMIPA IPB, 3. Staf Departemen Matematika: Pak Yono, Mas Heri, Mas Deni, Bu Ade, Bu Susi dan lainnya (terima kasih atas bantuan dan motivasinya), 4. Teman-teman satu bimbingan: Vivi, Wulan, dan Nurhadi atas dukungan, bantuan dan kerjasamanya selama ini, 5. Sahabat-sahabat: Ratna, Lya, Nita, Vonika, Ceant, Gio, Togar, Andreas, Tino, Rocky, Willy, Rido, Amudi, Bolas, Christian, Exas, Jeff, Gunawan, Irwan, Ridwan, Ijun, Khafidz, Beni, Herlan, Dono, Hendri, Fuka, Aci, Mega atas dukungan, suka-duka, nasihat, bantuan dan semangat selama ini, 6. Teman-teman mahasiswa Matematika angkatan 45: Ari, Haryanto, Arbi, Bolo, Wahidi, Wulan, Gita, Fenny, Isna, Santi, Yunda, Putri, Fitriyah, Prama, Dimas, Erik, Ryan, Irma, Maya, Wijay, Edi, Fikri, Vikri, Tiwi, Ade, Fina, Ito, Rianiko, Aisyah, Heru, Ana, Risman, Nurhadi, Nova, Rahma, Dewi, Mya, Dini, Dina, Agustina, Anggun, Rini, Haya, Bramanto, Anissa, Rischa, Nurul, Kunedi atas segenap dukungan, suka-duka dan kebahagiaan selama penulis menempuh studi di Departemen Matematika IPB, 7. Kakak-kakak mahasiswa Matematika: Andrew, Kabil, Sabar, Mora, Faisal, Ali, Tendi, Aswin, Della, Ima, Pandi, Ruhiyat, Aze, Yuyun, Wewe, Denda, Dandi, Fajar, Agung, Cumi, Rofi, Aqil, Slamet, Adi, Apri, Pepi, Elly, Alfred, Ucok, Copi, Toper, Ririh, Imam, Abe, Devina, Selvi, Mutya, Rachma, Lukman, Tyas, Vianey atas segenap nasihat dan dukungan selama ini, 8. Adik-adik mahasiswa matematika: Dian, Bari, Andri, Ivonne, Danti, Fachri, Rudi, Desyi, Ipul, Amel, Reni, Chou, Rohmat, Jodi, Aditya, Adam, Didi, Karin, Kiki, Lola, Dayat, Widia, Sevira, Reni, Dio, Syahrul, Qowi, Dita atas dukungan dan bantuan selama ini, 9. Kakak-kakak mahasiswa Matematika angkatan 43 dan 44 yang tidak bisa disebutkan satu per satu, adik-adik mahasiswa Matematika angkatan 46 dan 47, dan seluruh pengajar, pegawai, dan staf Departemen Matematika IPB, 1. Pihak-pihak lain yang telah membantu penyusunan skripsi ini, yang tidak dapat disebutkan satu per satu, Penulis menyadari bahwa dalam tulisan ini masih terdapat kekurangan dan jauh dari kesempurnaan, oleh karena itu penulis mengharapkan kritik dan saran yang membangun dari pembaca. Semoga tulisan ini dapat bermanfaat. Bogor, Mei 213 Chastro Septiadi Simangunsong
7 RIWAYAT HIDUP Penulis lahir di Bekasi pada tanggal 21 September 199 sebagai anak kedua dari tiga bersaudara, anak dari pasangan Zainal Abidin Simangunsong dan Rosjelita Gultom. Penulis menyelesaikan pendidikan Sekolah Dasar (SD) pada tahun 22 di SDN Kayuringin Jaya XXI Bekasi Selatan, dilanjutkan pendidikan menengah pertama (SMP) diselesaikan pada tahun 25 di SMPN 7 Bekasi dan pendidikan lanjutan menengah atas (SMA) diselesaikan pada tahun 28 di SMAN 3 Bekasi. Penulis diterima sebagai mahasiswa Institut Pertanian Bogor pada tahun 28 melalui jalur Undangan Seleksi Masuk IPB (USMI). Penulis memilih Program Studi Matematika, Departemen Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam. Selama mengikuti perkuliahan, penulis pernah mengikuti beberapa kegiatan kemahasiswaan di antaranya organisasi Unit Kegiatan Kampus (UKM) Sepak Bola IPB tahun 28-21, Persekutuan Mahasiswa Kristen (PMK) IPB tahun , Gugus Mahasiswa Matematika (GUMATIKA) IPB tahun dan Futsal IPB tahun Penulis juga aktif pada beberapa kepanitiaan yaitu menjadi panitia Pesta Sains, Natal Civitas Akademika IPB, Festival Musik PMK IPB dan Masa Perkenalan Departemen (MPD).
8 DAFTAR ISI Halaman DAFTAR GAMBAR... viii DAFTAR LAMPIRAN... viii I PENDAHULUAN 1.1 Latar Belakang Tujuan... 1 II LANDASAN TEORI 2.1 Sistem Persamaan Diferensial Kontrol Optimum Prinsip Minimum Pontryagin... 2 III MODEL HAMA-PREDATOR... 3 IV PEMBAHASAN 4.1 Sistem yang Dikendalikan dengan Kontrol Masalah Kontrol Optimum... 4 V STUDI KASUS 5.1 Kontrol Optimum Hama untuk Tanaman Kacang Kedelai Pengendalian Hama dengan Memanfaatkan Musuh Alami... 8 VI SIMPULAN... 1 DAFTAR PUSTAKA LAMPIRAN vii
9 DAFTAR GAMBAR Halaman 1 Kestabilan sistem hama-predator pada kasus kacang kedelai Dinamika populasi hama pada waktu t Fungsi kontrol untuk kondisi awal x 1 = 32 dan x 2 = Fungsi kontrol u untuk kondisi awal x 1 = 2,219 dan x 2 = 12, Variasi populasi hama dan predator dengan fungsi kontrol u... 1 DAFTAR LAMPIRAN Halaman 1 Bukti Teorema 1 (Prinsip Minimum Pontryagin) Penurunan persamaan (4.11) Penurunan persamaan (4.18) dan (4.19) Penurunan persamaan (4.3) dan (4.31) Penurunan persamaan (5.3) dan (5.4) Penurunan persamaan (5.5) dan (5.6) Program Maple 13 untuk Gambar Penentuan solusi khusus untuk variabel x 1 (t) dan x 2 (t) Program Mathematica untuk Gambar Program Mathematica untuk Gambar Pelinearan sistem (5.18) dan (5.19) Penurunan persamaan aljabar Riccati Penentuan matriks P dengan menggunakan LQR pada software MATLAB Penurunan persamaan (5.32) dan (5.33) Program Mathematica untuk Gambar Program Mathematica untuk Gambar viii
10 I PENDAHULUAN 1.1 Latar Belakang Hama merupakan salah satu spesies yang dapat mengganggu aktivitas manusia, khususnya para petani. Hama juga dapat menyebabkan kerugian dan kerusakan pada hasil panen, serta mengganggu aktivitas hewan lainnya. Banyak metode kontrol hama dalam bidang pertanian yang dapat digunakan untuk mengendalikan hama. Kecekatan petani dalam melakukan kontrol hama dengan menggunakan pembasmi hama sangat diperlukan, karena jika penggunaan pembasmi hama tidak benar akan menimbulkan kerugian. Beberapa kerugian yang disebabkan karena penggunaan pembasmi hama ialah: a) kurang efisien dikarenakan terdapat hama yang kebal terhadap pembasmi hama tertentu; b) berkurangnya populasi serangga yang menguntungkan; c) berkurangnya spesies predator yang dapat mengendalikan hama; d) gangguan pada hasil panen; e) bahaya ekologi; f) berdampak buruk pada ekosistem pertanian; g) tingginya bahaya keracunan pada manusia yang dapat menyebabkan kematian. Pengendalian hayati (biological control) merupakan metode pengendalian hama oleh manusia yang melibatkan musuh alami untuk mengurangi jumlah hama sampai pada batas tertentu. Musuh alami adalah organisme yang ditemukan di alam yang dapat membunuh, melemahkan, dan mengurangi fase reproduktif, sehingga dapat mengakibatkan kematian pada hama. Pengendalian hayati dapat diartikan sebagai pengendalian populasi hama dengan menambahkan sejumlah predator atau musuh alami ke dalam suatu ekosistem (Bosch et al. 1982). Dalam bidang ekologi, jika jumlah hama berlebih dan menyebabkan kerugian ekonomi, maka perlu dilakukan upaya pengurangan jumlah hama sampai pada level kesetimbangan sehingga dapat menurunkan tingkat kerugian ekonomi. Terdapat empat pendekatan utama untuk melakukan pengendalian hayati yaitu: 1) pendekatan klasik atau yang sering disebut pendekatan importasi: pendekatan ini dilakukan untuk jenis hama yang hanya bisa dikendalikan dengan predator tertentu; 2) pendekatan augmentasi: pendekatan yang dilakukan pada situasi ketika jumlah predator tidak cukup optimal untuk mengendalikan hama dalam jumlah besar; 3) manipulasi genetik: pendekatan ini dilakukan untuk meningkatkan resistensi musuh alami terhadap lingkungan; 4) pendekatan konservasi: pendekatan ini dilakukan untuk melindungi, memelihara, dan meningkatkan efektivitas populasi musuh alami dalam suatu habitat (Bin-Yahya 212). Diperlukan pemahaman yang lebih pada permasalahan dinamika populasi hama dan predator agar upaya pengendalian hayati dapat berhasil. Contoh keberhasilan yang diterapkan dari daerah Mediterranean di Eropa Selatan, bahwa penambahan predator serangga tomcat (Paederus sp) dilakukan untuk mengendalikan hama daun kubis (Plutella xylostella). Model matematika banyak digunakan pada bidang pertanian, khususnya pada masalah pengendalian hama secara hayati. Pada kasus ini, model matematika dapat membantu dalam penentuan fungsi kontrol atau upaya pengendalian pada sistem hama-predator, sehingga kedua populasi dapat mencapai level kesetimbangan dan tidak menyebabkan kerugian ekonomi. Dalam karya ilmiah ini akan dibahas mengenai upaya pengendalian hama yang dibagi menjadi dua tahap. Pada tahap pertama upaya pengendalian hama dilakukan dengan menentukan dua fungsi kontrol untuk populasi hama dan predator, sedangkan pada tahap kedua upaya pengendalian hama dilakukan dengan menentukan satu fungsi kontrol, yaitu hanya dengan menambahkan sejumlah predator ke dalam sistem hama-predator untuk mencapai level kesetimbangan. Sumber utama karya ilmiah ini ialah artikel Optimal pest control problem in population dynamics yang ditulis oleh Marat Rafikov dan Jose Manoel Balthazar tahun Tujuan Berdasarkan latar belakang tersebut, maka tujuan karya ilmiah ini ialah: 1. memelajari upaya pengendalian hama yang dibagi menjadi dua tahap seperti telah disebutkan di atas, 2. menganalisis peranan fungsi kontrol pada kedua tahap agar populasi hama dan predator mencapai level kesetimbangan, sehingga tidak menyebabkan kerugian ekonomi..
11 II LANDASAN TEORI 2.1 Sistem Persamaan Diferensial Sistem persamaan diferensial (SPD) orde satu dengan n persamaan dan m buah fungsi yang tak diketahui x 1, x 2,, x n dapat ditulis sebagai berikut: x = f x t, t, dengan x(t) = x 1(t). xn (t), f x = f 1(x t,t).. fm x( t,t) Jika f linear maka SPD di atas disebut linear, sebaliknya jika f tidak linear maka SPD di atas disebut taklinear. 2.2 Kontrol Optimum Alat yang paling penting dari pengoptimuman dinamis adalah teori kontrol optimum yang berkembang secara pesat pada akhir tahun 195. Ada dua metode penyelesaian masalah kontrol optimum, yaitu dynamic programming yang diperkenalkan oleh Bellman (1957) dan maximum principle yang diperkenalkan oleh Pontryagin (1962). Masalah kontrol optimum adalah memilih peubah kontrol U(t) di antara semua peubah kontrol yang admissible, yaitu kontrol yang membawa sistem dari state awal x(t ) pada waktu t kepada state akhir x(t) pada waktu akhir T, sedemikian rupa sehingga memberikan nilai maksimum atau nilai minimum bagi fungsional objektif. Pada masalah nyata yang berkembang menurut waktu t, sistem berada dalam keadaan atau kondisi (state) tertentu, yang dapat diungkapkan dengan peubah keadaan (state variables) x 1 t, x 2 t,, x n t atau dalam bentuk vektor x(t) R n. Dengan nilai t yang berbeda, vektor x(t) menempati posisi yang berbeda di ruang R n sehingga dapat dikatakan bahwa sistem bergerak sepanjang kurva di R n. Sistem dinamika dapat dinyatakan secara matematik oleh sistem persamaan diferensial: x = f x t, U(t, t), (2.1) dengan x peubah state dan U peubah kontrol. Jika kondisi sistem diketahui pada waktu t, maka x t = x, x R n. Jika dipilih kontrol U t R n yang terdefinisi untuk waktu t t, maka diperoleh sistem persamaan diferensial orde satu dengan peubah taktentu x t. Karena x diberikan, maka persamaan (2.1) memunyai solusi tunggal. Solusi yang diperoleh merupakan respon terhadap U yang dilambangkan dengan x U t.. Dengan memiliki fungsi kontrol yang sesuai, berbagai solusi dapat diperoleh. Agar solusi yang diperoleh adalah solusi yang diinginkan, diperlukan adanya kriteria bagi solusi yang diinginkan, artinya setiap kontrol U(t) dan peubah state x t dihubungkan dengan fungsional berikut: J U = S(x T, T)) + f x, U, t dt, T (2.2) dengan f fungsi yang diberikan, T tidak harus fixed (ditentukan) dan x(t) memunyai kondisi tertentu. Di antara semua fungsi atau peubah kontrol yang diperoleh, ditentukan salah satu sehingga J mencapai nilai maksimum atau minimum. Kontrol yang bersifat demikian disebut kontrol optimum. Permasalahan kontrol optimum dapat dinyatakan sebagai masalah memaksimumkan atau meminimumkan suatu fungsional (2.2) dengan kendala (2.1). (Tu 1994) 2.3 Prinsip Minimum Pontryagin Tinjau masalah kontrol optimum berikut: min J U = S(x T, T)) + f x, U, t dt, dengan kendala x = f x t, U(t, t) dan syarat batas x = x, x T = x T. Teorema 1 (Prinsip Minimum Pontryagin) Tinjau masalah kontrol optimum di atas. Didefinisikan fungsi Hamilton sebagai berikut: H x, U, p, t = f x t, U(t, t) + p(t)f(x t, U t, t). Misalkan U t adalah kontrol admissible yang membawa state awal (x (t ), t ) kepada state akhir (x T, T), dan x t merupakan trajektori dari sistem yang berkaitan dengan U t. Agar kontrol U t merupakan kontrol optimum, maka perlu terdapat fungsi vektor p t sedemikian sehingga 1. x t = H p x t, U t, p t, t. T
12 3 2. p t = H x x (t), U (t), p (t), t, dengan p t dan x t merupakan solusi dari sistem kanonik. 3. H U =. 4. H x t, U t, p t, t H(x t, U t, p t, t). 5. Jika syarat batas x = x dan x T = x T tidak diberikan, maka syarat transversalitas berikut harus dipenuhi: S x p δx t=t t= + H + S t δt t=t t= =. Jika t = dan x diketahui, T diketahui, dan x(t) tidak diketahui (bebas), maka syarat transversalitas menjadi: S x p t=t =. Jika diberikan syarat tambahan yaitu S (tidak ada fungsi scrap), maka diperoleh syarat transversalitas: p T =. Bukti: [Lihat Lampiran 1] (Tu 1994) III MODEL HAMA-PREDATOR Model yang akan dianalisis merupakan suatu model yang dibangun berdasarkan interaksi antarspesies yang hidup secara bersamaan dalam suatu ekosistem. Dalam sistem hama-predator, ekosistem dibagi menjadi dua subsistem, yaitu subsistem yang dikendalikan tanpa campur tangan manusia dan subsistem yang dikendalikan dengan campur tangan manusia. Subsistem yang dikendalikan tanpa campur tangan manusia memanfaatkan pengendalian alami (natural control) yang melibatkan agen lain selain predator, seperti cuaca atau makanan. Contoh kasus yang terjadi pada subsistem ini adalah kandungan gossifo atau zat beracun pada kapas sehingga dapat menyebabkan kematian pada hama Helicoverpa (Bin-Yahya 212). Subsistem yang dikendalikan dengan campur tangan manusia dibagi menjadi dua yaitu: 1. Pengendalian kimiawi: pengendalian ini dilakukan menggunakan bahan kimia beracun untuk melindungi tanaman atau hasil tanaman dari serangan hama. Contoh pendekatan ini adalah pemanfaatan pestisida COPALD untuk mengurangi hama ulat grayak (Spodoptera litura). 2. Pengendalian hayati: pengendalian yang dilakukan dengan memanfaatkan predator atau musuh alami untuk mengendalikan hama. Contoh pendekatan ini ialah dengan mengintroduksi serangga predator yaitu kumbang vedalia (Rodolia cardinalis) untuk mengendalikan hama serangga pada jeruk (Icerya purcasi) (Hartoyo 28). Konstruksi model matematika untuk model hama-predator ini menggunakan asumsi: 1. Kontrol yang dilakukan oleh manusia dapat memengaruhi laju pertumbuhan populasi hama-predator secara langsung dan taklangsung, di mana pengaruh taklangsung dapat memengaruhi laju pertumbuhan dengan memanfaatkan interaksi antara hama dan predator. 2. Bagi populasi hama, kontrol yang dilakukan adalah upaya untuk mengurangi jumlah hama dan bagi populasi predator, kontrol dapat meningkatkan jumlah predator. 3. Semua parameter dan variabel yang digunakan bernilai positif. Sistem hama-predator yang terdiri atas n populasi, dengan n 1 menyatakan banyaknya populasi hama, dan n n 1 menyatakan banyaknya populasi predator, dapat dituliskan sebagai berikut: x i = x i f i x 1, x 2,, x n, (3.1) dengan x i = x i t, i = 1,2,, n, menyatakan kepadatan populasi i pada waktu t dan f i (x i t ) merupakan fungsi kontinu yang bergantung pada kepadatan populasi hama dan predator. Terhadap sistem (3.1) diterapkan suatu kontrol U i yang dapat memengaruhi laju pertumbuhan populasi secara langsung dan taklangsung. Jika ke dalam sistem tersebut dimasukkan peubah kontrol U i = U i (t) yaitu upaya pengendalian dengan campur tangan manusia terhadap populasi hama atau predator ke-i yang dapat memengaruhi laju pertumbuhan hama-predator pada waktu t, dan pengurangan jumlah hama dengan menggunakan pestisida atau penambahan jumlah predator, maka ditinjau sistem berikut: x i = x i U i f i (x 1 U 1, x 2 U 2,, x n1 U n1,, x n1+1 + U n1+1,, x n + U n ) k i U i, (3.2) x i = x i + U i f i (x 1 U 1, x 2 U 2,, x n1 U n1,, x n1+1 + U n1+1,, x n + U n ) +k i U i, (3.3)
13 4 dengan x i = x i t menyatakan kepadatan populasi hama ke-i (i = 1,2,, n 1 ) dan populasi predator ke-i (i = n 1+1, n 1+2,, n) pada saat t, dengan k i merupakan konstanta yang bernilai positif. Pada sistem (3.2) dan (3.3), suku x i U i dan x i + U i menyatakan kontrol taklangsung, di mana kontrol U i dapat memengaruhi laju pertumbuhan melalui interaksi dengan populasi hama atau predator, sedangkan suku k i U i menyatakan kontrol langsung pada sistem yang dapat memengaruhi laju pertumbuhan tanpa melalui interaksi antara populasi hama dan predator. IV PEMBAHASAN Dalam karya ilmiah ini, model interaksi hama-predator diasumsikan hanya terdiri atas satu populasi hama dan satu populasi predator. Pada kasus ini populasi hama dinyatakan dalam indeks i = 1 dan populasi predator dinyatakan dalam indeks i = Sistem yang Dikendalikan dengan Kontrol Model interaksi antara hama dan predator yang dikendalikan dengan kontrol diberikan oleh sistem persamaan diferensial berikut: x 1 = x 1 U 1 f 1 x 1 U 1, x 2 + U 2 k 1 U 1, (4.1) x 2 = x 2 + U 2 f 2 x 1 U 1, x 2 + U 2 + k 2 U 2, (4.2) dengan x 1 : kepadatan populasi hama, x 2 : kepadatan populasi predator, U 1 : fungsi kontrol terhadap populasi hama berupa upaya untuk mengurangi jumlah hama dengan menggunakan pestisida, U 2 : fungsi kontrol terhadap populasi predator berupa upaya untuk mempertahankan atau menambahkan jumlah predator, k 1, k 2 : konstanta yang bernilai positif. 4.2 Masalah Kontrol Optimum Masalah kontrol optimum yang dihadapi adalah menentukan fungsi kontrol U 1 dan U 2, yang membawa sistem dari kondisi awal ke kondisi akhir kepadatan populasi hama dan predator agar tidak menimbulkan kerugian ekonomi yang cukup signifikan. Didefinisikan fungsional objektif berikut: J = c 1 x 1 (T) c 2 x 2 (T) + (c 1 k 1 U 1 τ + c 2 k 2 U 2 τ )dτ, (4.3) T dengan c 1 dan c 2 merupakan parameter bobot yang dikenakan pada peubah kontrol U 1 dan U 2. Meminimumkan fungsional objektif pada persamaan (4.3) berarti meminimumkan populasi hama x 1 dan memaksimumkan populasi predator x 2 di akhir periode T, dan sekaligus meminimumkan fungsi kontrol U 1 serta memaksimumkan fungsi kontrol U 2. Dengan demikian masalah kontrol optimum dapat dituliskan sebagai berikut: min J (4.4) dengan kendala: x 1 = x 1 U 1 f 1 x 1 U 1, x 2 + U 2 k 1 U 1, x 2 = x 2 + U 2 f 2 x 1 U 1, x 2 + U 2 + k 2 U 2, U 1 t x 1 t, (4.5) U 2 t. (4.6) Masalah kontrol optimum di atas dapat diselesaikan dengan prinsip minimum Pontryagin. Untuk menyelesaikannya didefinisikan peubah berikut: w(t) = c 1 x 1 (t) c 2 x 2 (t) + (c 1 k 1 U 1 τ + c 2 k 2 U 2 τ )dτ, (4.7) y 1 t = x 1 t U 1 t, (4.8) y 2 t = x 2 t + U 2 t, (4.9) dengan y 1 : populasi hama yang telah diberikan kontrol secara taklangsung, y 2 : populasi predator yang telah diberikan kontrol secara taklangsung. Sebagai akibatnya masalah kontrol optimum di atas dapat dinyatakan dalam bentuk modifikasi dengan fungsional objektif dan kendala baru sebagai berikut: t min w(t) (4.1)
14 6 5 dengan kendala: w = c 1 y 1 f 1 y 1, y 2 c 2 y 2 f 2 y 1, y 2, (4.11) x 1 = y 1 f 1 y 1, y 2 k 1 U 1, (4.12) x 2 = y 2 f 2 y 1, y 2 + k 2 U 2, (4.13) y 1 t = x 1 t U 1 t, y 2 t = x 2 t + U 2 t, U 1 t x 1 t, U 2 t. Penurunan persamaan (4.11) dapat dilihat pada Lampiran 2. Dengan prinsip minimum Pontryagin diperoleh fungsi Hamilton dari masalah kontrol optimum tersebut, ialah sebagai berikut: H = p 1 c 1 y 1 f 1 y 1, y 2 p 1 c 2 y 2 y 1, y 2 + p 2 y 1 f 1 y 1, y 2 k 1 U 1 + p 3 y 2 f 2 y 1, y 2 + k 2 U 2. (4.14) Karena H = H(y 1, y 2, U 1, U 2, p 1, p 2, p 3, t), maka syarat (1) Teorema 1 (Prinsip Minimum Pontryagin) memberikan: w = H p1, x 1 = H p2, x 2 = H p3. Syarat (1) akan menghasilkan kembali kendala pada masalah kontrol optimum tersebut yang dapat dituliskan sebagai berikut: w = c 1 y 1 f 1 y 1, y 2 c 2 y 2 f 2 y 1, y 2, x 1 = y 1 f 1 y 1, y 2 k 1 U 1, x 2 = y 2 f 2 y 1, y 2 + k 2 U 2. Pada fungsi Hamilton juga terdapat peubah adjoin p 1, p 2, dan p 3 yang nilainya ditentukan melalui syarat (2) berikut: p 1 = H w =, (4.15) p 2 = H x1, (4.16) p 3 = H x2. (4.17) Peubah adjoin yang dihasilkan merupakan syarat batas yang akan memengaruhi perubahan setiap peubah y 1 dan y 2 pada waktu t, sedangkan p 1, p 2 dan p 3 menyatakan laju dari perubahan peubah tersebut. Untuk menentukan fungsi kontrol pada masalah kontrol optimum, maka syarat (3) memberikan dua kondisi berikut: H U1 = H y 1 k 1 p 2 =, (4.18) H U2 = H y 2 + k 2 p 3 =. (4.19) Penurunan persamaan (4.18) dan (4.19) dapat dilihat pada Lampiran 3. Persamaan (4.18) dan (4.19) dapat disederhanakan menjadi: H = k y 1 p 2, 1 (4.2) H = k y 2 p 3. 2 (4.21) Dari persamaan (4.15), (4.16), (4.17), (4.18), dan (4.19) diperoleh fungsi-fungsi adjoin: p 1 t = A, (4.22) p 2 t = A 2 e k1t, (4.23) p 3 t = A 3 e k2t. (4.24) Karena diasumsikan x(t) bebas, maka harus dipenuhi syarat transversalitas berikut (syarat (5) pada Teorema 1): p 1 T = S w T p 1 T = 1, (4.25) p 2 T = S x1 T p 2 T =, (4.26) p 3 T = S x3 T p 3 T =, (4.27) sehingga dari persamaan (4.22), (4.23), (4.24), (4.25), (4.26), dan (4.27) diperoleh nilai konstanta A 1 = 1 dan A 2 = A 3 =, dan persamaan (4.25), (4.26), dan (4.27) dapat dituliskan menjadi: p 1 t = 1, p 2 t =, (4.28) p 3 t =. Dari persamaan (4.28) maka fungsi Hamilton (4.14) dapat dituliskan menjadi: H = c 1 y 1 f 1 y 1, y 2 c 2 y 2 f 2 y 1, y 2. (4.29) Substitusi persamaan (4.28) dan (4.29) ke persamaan (4.2) dan (4.21) dapat dituliskan sebagai berikut: (y 1 f 1 (y 1, y 2 )) (y 2 f 2 (y 1, y 2 )) c 1 c y 2 =, 1 y 1 (4.3) (y 1 f 1 (y 1, y 2 )) (y 2 f 2 (y 1, y 2 )) c 1 c y 2 =. 2 y 2 (4.31) Penurunan persamaan (4.3) dan (4.31) dapat dilihat pada Lampiran 4. Dari persamaan (4.5), (4.6), (4.8), dan (4.9) diperoleh nilai fungsi kontrol untuk populasi hama dan predator, yang dinyatakan dalam bentuk persamaan berikut: U 1 (t) = x 1(t) y 1 (t) ; x 1 > y 1 ; x 1 y 1, U 2 (t) = y 2(t) x 2 (t) ; x 2 < y 2 ; x 2 y 2. (4.32)
15 6 Fungsi kontrol yang diperoleh pada persamaan (4.32) merupakan upaya pengendalian hama dan predator yang akan membawa sistem pada level kesetimbangan yang diinginkan. Upaya pengendalian hama merupakan pengurangan jumlah hama dengan menggunakan pestisida dan upaya pengendalian predator untuk mempertahankan atau menambahkan jumlah predator. Dengan menyelesaikan persamaan (4.3) dan (4.31) secara serentak, akan diperoleh y 1 (t) dan y 2 (t). Nilai y 1 (t) dan y 2 (t) yang diperoleh kemudian disubstitusi kembali ke persamaan (4.32), sehingga dapat dituliskan menjadi: U 1 t = x 1 t y 1 t ; x 1 > 1 ; x 1 y, (4.33) 1 U 2 (t) = y 2 (t) x 2 (t) ; x 2 < 2 ; x 2 y. (4.34) 2 Persamaan (4.33) dan (4.34) disubstitusikan ke persamaan (4.12) dan (4.13), sehingga diperoleh: x 1 = y 1 f 1 y 1, y 2 k 1 x 1 (t) y 1 t, (4.35) x 2 = y 2 f 2 y 1, y 2 + k 2 y 2 t x 2 (t). (4.36) V STUDI KASUS Bagian ini akan membahas model interaksi hama-predator Lotka-Volterra, yang melibatkan dua fungsi kepadatan populasi berikut: f 1 x 1, x 2 = a γx 1 αx 2, f 2 x 1, x 2 = βx 1 δx 2 b. Pada sistem (3.1) diterapkan kontrol U 1 dan U 2, sehingga fungsi kepadatan populasi hama predator dituliskan menjadi: f 1 x 1 U 1, x 2 + U 2 = a γ(x 1 U 1 ) α(x 2 + U 2 ), f 2 x 1 U 1, x 2 + U 2 = β(x 1 U 1 ) δ(x 2 + U 2 ) b, atau dapat dituliskan sebagai berikut: f 1 y 1, y 2 = a γy 1 αy 2, (5.1) f 2 y 1, y 2 = βy 1 δy 2 b, (5.2) dengan a : tingkat pertumbuhan populasi hama tanpa adanya interaksi dengan predator, γ : laju kematian populasi hama karena adanya interaksi dengan predator, α : koefisien tingkat pemangsaan, β : koefisien pertumbuhan predator saat memangsa hama, δ : laju penurunan populasi predator, b : tingkat kematian populasi predator tanpa adanya interaksi dengan populasi hama. Substitusi persamaan (5.1) dan (5.2) ke persamaan (4.3) dan (4.31) akan memberikan persamaan berikut: c 1 a αy 2 2γy 1 c 2 βy 2 =, (5.3) c 1 αy 1 + c 2 ( b + βy 1 2δy 2 ) =. (5.4) Penurunan persamaan (5.3) dan (5.4) dapat dilihat pada Lampiran 5. Solusi dari sistem (5.3) dan (5.4) adalah: y 1 t = c 1 b c 1 α+c 2 β +2c 1 c 2 aδ c 1 α+c 2 β 2 +4c 1 c 2 γδ, (5.5) y 2 t = c 1 a c 1 α+c 2 β 2c 1 c 2 bγ c 1 α+c 2 β 2 +4c 1 c 2 γδ. (5.6) Penurunan persamaan (5.5) dan (5.6) dapat dilihat pada Lampiran Kontrol Optimum Hama untuk Tanaman Kacang Kedelai Sebagai studi kasus akan ditinjau model interaksi hama-predator pada tanaman kedelai, dengan ulat kedelai (Anticarsia gemmatalis) sebagai hama dan kepik mata besar (Geocoris) sebagai predator atau musuh alami. Nilai parameter-parameter berikut diambil dari Rafikov (1997): a =,216; α =,11; b =,173; β =,3; c 1 = 1,3; c 2 = 1,9; k 1 = 2; k 2 = 1; γ = ; δ =. Nilai c 1 dan c 2 dipilih sedemikian sehingga ambang batas populasi hama sebesar x d = 2 ulat/m 2 menurut Empresa Brasileira de Pequisa Agropecuaria (EMBRAPA) atau Pusat Penelitian Pertanian Brasil. Dengan memasukkan nilai parameter tersebut ke persamaan (5.5) dan (5.6) diperoleh: y 1 (t) = 19,31, (5.7) y 2 (t) = 13,64. (5.8) Substitusi kedua nilai di atas ke dalam persamaan (4.35) dan (4.36) diperoleh sistem persamaan diferensial yang menggambarkan dinamika populasi hama dan predator yaitu: x 1 (t) = 39,998 2x 1 (t), (5.9) x 2 t = 11,56 x 2 (t). (5.1) Dari persamaan (5.9) dan (5.1) diperoleh titik tetap atau level kesetimbangan yang diinginkan,
16 kepadatan populasi fungsi kontrol 7 yaitu untuk populasi hama x 1 (t) = 19,999 dan populasi predator x 2 (t) = 11,56. Gambar 1 Kestabilan sistem hama-predator pada kasus kacang kedelai. Gambar 2 menjelaskan dinamika populasi hama dan predator pada kondisi awal sampai kondisi akhir yang mencapai level kesetimbangan. Level kesetimbangan diperoleh karena adanya dua fungsi kontrol untuk populasi hama dan predator yang memengaruhi sistem dinamik. Substitusi persamaan (5.7), (5.8), (5.11), dan (5.12) ke persamaan (4.33) dan (4.34) akan diperoleh dua fungsi kontrol untuk populasi hama dan predator sebagai berikut: U 1 (t) =, ,1e 2t, (5.13) U 2 t = 1,54 4,44e t. (5.14) Dari persamaan (5.13) dan (5.14) diperoleh nilai kesetimbangan dari dua fungsi kontrol U 1 (t) =,698 dan U 2 (t) = 1,54. Nilai fungsi kontrol U 1 dan U 2 diinterpretasikan sebagai upaya pengendalian ulat sebesar,698 ulat/m 2 dan upaya pengendalian predator sebesar 1,54 predator/m 2. Gambar 1 menunjukkan bahwa untuk setiap jumlah populasi hama dan predator pada sistem akan menuju level kesetimbangan yang diinginkan. Untuk kondisi awal x 1 = 32 dan x 2 = 16, maka sistem (5.9) dan (5.1) akan memberikan solusi khusus untuk variabel x 1 (t) dan x 2 (t), yang dapat dituliskan sebagai berikut: x 1 (t) = 19, ,1e 2t, (5.11) x 2 t = 11,56 + 4,44e t. (5.12) fungsi kontrol U 1 (t) fungsi kontrol U 2 (t) populasi hama x 1 (t) populasi predator x 2 (t) t Gambar 3 Fungsi kontrol untuk kondisi awal x 1 () = 32 dan x 2 () = Gambar 2 Dinamika populasi hama pada waktu t. t Gambar 3 menjelaskan dua fungsi kontrol berhasil membawa sistem pada level kesetimbangan yang diinginkan. Fungsi kontrol U 1 mengalami penurunan sampai hari ke-2, namun setelah hari ke-2 populasi hama dapat dikendalikan untuk menuju level kesetimbangan. Fungsi kontrol U 1 merupakan upaya pengendalian hama dengan menggunakan pestisida. Penurunan fungsi kontrol U 1 sampai hari ke-2 dikarenakan upaya pengendalian hama selanjutnya akan ditambahkan dengan upaya
17 8 pengendalian hayati pada hari ke-1 yang dinyatakan dalam fungsi kontrol U 2, yaitu dengan mengintroduksi predator ke dalam sistem. Pada tahap pertama cukup sulit untuk memperoleh pengendalian hama ulat yang sangat kecil sebesar,698 ulat/m 2, oleh karena itu proses pengendalian hama selanjutnya dibagi menjadi dua tahap. Tahap pertama populasi hama dan predator dapat distabilkan dengan dua fungsi kontrol dan tahap kedua akan diselesaikan pada bagian selanjutnya. 5.2 Pengendalian Hama dengan Memanfaatkan Musuh Alami Pada bagian ini proses pengendalian hama selanjutnya dilakukan hanya dengan mengintroduksi predator ke dalam sistem, di mana kontrol bergerak mempertahankan sistem pada keadaan setimbang. Masalah ini dituliskan dalam sistem dinamik berikut: x 1 = x 1 f 1 x 1, x 2, (5.15) x 2 = x 2 f 2 x 1, x 2 x 2 f 2 x 1, x 2 + u. (5.16) Kontrol u merupakan upaya pengendalian hama dengan memanfaatkan predator untuk mempertahankan sistem pada keadaan setimbang, yaitu tingkat populasi hama x 1 = x d = 2 dan populasi predator x 2. Di sini nilai x 2 ditentukan melalui persamaan berikut: f 1 x 1, x 2 =. (5.17) Dengan menggunakan nilai parameter Lotka-Volterra a =,216; α =,11; b =,173; β =,3; δ =, dan γ =, maka dari persamaan (5.17) diperoleh nilai x 2 = 19,636. Analisis model (5.15) dan (5.16) dilakukan terhadap model linear padanannya. Didefinisikan: g 1 (x 1, x 2 ) = x 1 f 1 x 1, x 2, (5.18) g 2 x 1, x 2 = x 2 f 2 x 1, x 2 x 2 f 2 x 1, x 2. (5.19) Model terlinearkan dituliskan sebagai berikut: X = AX + Bu dengan A = g 1 g 1 g 2 g 2 x1,x2 = a 1 a 2 a 3 a 4 ; X = x 1 x 1 x 2 x 2 ; B = 1. (5.2) Selanjutnya, akan ditentukan fungsi kontrol u yang membawa sistem dari keadaan awal ke level kesetimbangan x 1, x 2, dengan meminimumkan suatu fungsional objekif, yang dinyatakan dalam masalah kontrol optimum berikut: min J u X T QX + u 2 dengan kendala dan X = AX + Bu dt (5.21) Q = q 1 q 2 q 2 q 3 adalah matriks simetrik. Masalah kontrol optimum di atas disebut sebagai masalah regulasi linear kuadratik (linear quadratic regulator, LQR). Dari permasalahan kontrol optimum tersebut diperoleh fungsi Hamilton sebagai berikut: H = 1 2 XT QX + u 2 + λ T AX + Bu, (5.22) atau dapat dituliskan menjadi: H = 1 2 (q 1 x 1 x q 2 x 1 x 1 x 2 x 2 +q 3 x 2 x u 2 ) + λ 1 (a 1 x 1 x 1 +a 2 x 2 x 2 ) + λ 2 (a 3 x 1 x 1 a 4 x 2 x 2 +u). Dengan menggunakan kembali prinsip minimum Pontryagin, maka syarat (1) memberikan: x 1 = H λ1 = g 1 x 1 x 1 + g 1 x 2 x 2, x 2 = H λ2 = g 2 x x 1 + g 2 x 1 x 2 2 +u, yang tak lain adalah kendala sistem dinamik X = AX + Bu. Syarat (2) prinsip minimum Pontryagin memberikan: λ 1 = H x1 = q 1 x 1 x 1 + q 2 x 2 x 2 + g 1 λ 1 + g 2 λ 2, λ 2 = H x2 = q 2 x 1 x 1 + q 3 x 2 x 2 + g 1 λ + g 2 λ 2, 2 atau dapat dituliskan menjadi: λ = QX + A T λ. (5.23)
18 fungsi kontrol 9 Untuk menentukan fungsi kontrol u pada masalah kontrol optimum persamaan (5.21), maka syarat (3) memberikan: H u = u + λ 2 =, sehingga fungsi kontrol u = λ 2 dapat dinyatakan dalam bentuk: u = B T λ, (5.24) dengan λ = λ 1 λ 2. Misalkan λ = PX, (5.25) dengan P merupakan matriks simetrik berukuran 2 2. Dengan menurunkan persamaan (5.25), maka akan diperoleh persamaan aljabar Riccati berikut: P + PA PBB T P + Q + A T P =. (5.26) Jika diasumsikan P konstan, maka persamaan (5.26) berubah menjadi: PA + A T P PBB T P + Q =. (5.27) Pelinearan model (5.15) dan (5.16) di sekitar titik keseimbangan x 1, x 2 = (2; 19,636) memberikan: A =,22. Selanjutnya diambil,59,113 Q = 1,2 1,2 1,226. Dengan menggunakan fungsi LQR dari software MATLAB, diperoleh solusi persamaan aljabar Riccati, yaitu: P = 5, (5.28) Substitusi persamaan (5.25) ke persamaan (5.24) memberikan: u = B T PX, sehingga dari persamaan (5.2) dan (5.28) fungsi kontrol u dapat dituliskan menjadi: u = x 2 19,636. (5.29) Fungsi kontrol u pada persamaan (5.29) disubstitusi ke persamaan (5.16), sehingga diperoleh persamaan berikut: x 1 =,22 x 2 19,636, (5.3) x 2 = 1,415 x 1 2,8 x 2 19,636. (5.31) Dari persamaan (5.3) dan (5.31) akan diperoleh solusi khusus untuk kondisi awal populasi hama x 1 = 2,219 dan populasi predator x 2 = 12,161, yaitu: x 1 t = 2 + e,4t (4,453 sin(,389t) +,219 cos(,389t)), (5.32) x 2 t = 19,636 + e,4t (8,483 sin(,389t) 7,475 cos(,389t)). (5.33) Dengan menyubstitusi persamaan (5.32) dan (5.33) ke persamaan (5.29), diperoleh kontrol optimum berikut: u (t) = e,4t (7,475 cos(,389t) 8,483 sin(,389t)). (5.33) Fungsi kontrol u t Gambar 4 Fungsi kontrol u untuk kondisi awal x 1 () = 2,219 dan x 2 () = 12,161. Gambar 4 menunjukkan kembali fungsi kontrol u berhasil membawa sistem pada level kesetimbangan yang diinginkan. Pada tahap ini fungsi kontrol u dilakukan sebagai upaya pengendalian hama lanjutan dari tahap pertama, yaitu dengan menambahkan sejumlah predator ke dalam sistem. Pada kondisi awal dimasukkan predator sejumlah u = 7,475. Jumlah ini terus diturunkan dan bahkan pada hari ke-2 sampai hari ke-9 sejumlah predator harus diambil dari sistem (ditunjukkan oleh u t <, 2 t 9).
19 kepadatan populasi populasi hama x 1 (t) populasi predator x 2 (t) Karena kontrol dilakukan dengan menambahkan sejumlah predator ke dalam sistem (meski dengan jumlah yang terus menurun), maka dari Gambar 5 dapat dilihat bahwa populasi predator terus meningkat hingga mencapai 21,34 predator/m 2 pada hari ke-4. Kepadatan populasi predator kemudian menurun dan mencapai level stabil 19,636 predator/m 2 setelah hari ke-1. Pada kondisi awal populasi hama 2,219 ulat/m 2 juga meningkat hingga mencapai 21,5 ulat/m 2 pada hari ke-2. Kepadatan populasi hama kemudian menurun dan mencapai level stabil 2 ulat/m 2 setelah hari ke t Gambar 5 Variasi populasi hama dan predator dengan fungsi kontrol u. VI SIMPULAN Dalam permasalahan kontrol optimum hama, penyelesaiannya dibagi menjadi dua tahap. Tahap pertama menentukan dua fungsi kontrol untuk populasi hama dan predator dengan menggunakan Prinsip Minimum Pontryagin, dan tahap kedua menentukan satu fungsi kontrol yang dapat mengendalikan populasi hama dan membawa sistem pada level kesetimbangan yang diinginkan, diselesaikan kembali dengan menggunakan Prinsip Minimum Pontryagin. Penentuan dua fungsi kontrol U 1 (t) =,698 dan U 2 (t) = 1,54 mampu mencapai sistem pada level kesetimbangan populasi hama x 1 (t) dan populasi predator x 2 (t) yang diinginkan agar tidak menyebabkan kerugian ekonomi. Pada tahap pertama, untuk dua hari pertama sulit untuk mengendalikan hama dalam jumlah yang sangat kecil sebesar,698 ulat/m 2, sehingga upaya pengendalian sebaiknya dilakukan dengan menentukan satu fungsi kontrol u pada tahap kedua, yaitu upaya pengendalian hama dengan mengintroduksi predator sebesar 7,475 predator/m 2 ke dalam sistem. Pada tahap kedua untuk kondisi awal populasi hama yang melebihi nilai ambang batas x d = 2 hama/m 2, fungsi kontrol u mampu membawa sistem lebih cepat ke level kesetimbangan yang diinginkan (2; 19,636). Dalam penelitian ini, upaya pengendalian hama hanya dengan memanfaatkan predator pada tahap kedua lebih efektif dibandingkan dengan melakukan dua upaya pengendalian pada tahap pertama, karena jika terjadi kepadatan hama yang melebihi nilai ambang batas x d, populasi hama lebih cepat untuk dikendalikan hanya dengan menambahkan sejumlah predator.
20 DAFTAR PUSTAKA Bin-Yahya H Bentuk pengendalian hama. om/212/4/bentuk-bentuk-pengendalianhama-tanaman.html. [22 Januari 213]. Bosch R van den, Messenger PS, and Gutierrez AP An Introduction to Biological Control. Plenum Press, New York. Hartoyo D. 28. Pengendalian hama nonhayati. musuh alami pengertian.htm. [3 Agustus 212]. Rafikov M, Balthazar JM. 25. Optimal pest control problem in population dynamics. Computational and Applied Mathematics, 25: Rafikov M Determinação dos parâmetros de modelos biomatemáticos, Ciência e Natura. UFSM, Santa Maria, 19: 7-2. TU PNV Dynamical System, An Introduction with Application in Economics and Biology. Second Revised and Enlarged Edition. Spriger Verlag, Berlin.
21 LAMPIRAN
22 13 Lampiran 1 Bukti Teorema 1 (Prinsip Minimum Pontryagin) Misalkan akan diminimumkan T J u = f x, u, t dt + S(x T, T)), (1) dengan kendala : x t = f x t, u t, t dt. (2) Misalkan x = x, t =, sedangkan x(t) dan T keduanya tidak ditentukan. Fungsi Scrap S(x T, T) dapat didefinisikan sebagai S x T, T = S x, + sehingga persamaan (1) menjadi J = S x, + T T = S x, + f + S x T d S(x t, t)dt, (3) dt f x, u, t + d S(x t, t) dt dt x + S x dt dengan x(t), u(t), f x, u, t, dan S(x T, T) secara sederhana dapat dituliskan sebagai x, u, f ( ) dan S. Untuk meminimumkan J pada persamaan (4) tidak dipengaruhi oleh S pada saat t = tetapi ditentukan oleh bentuk integral pada suku kedua oleh persamaan (4). Selanjutnya didefinisikan fungsional objektif yang diperbesar sebagai berikut: dengan T J a u = L x, x, p, u, t dt, L x, x, p, u, t = f + p f x + S S x + (6) x t = H x, u, p, t px + S S x + x t. Bentuk H x, u, p, t = f x, u, p, t + pf(x, u, t) disebut fungsi Hamilton. Syarat perlu agar fungsional (5) memiliki nilai ekstrim adalah δj a u =. Berdasarkan kalkulus variasi maka diperoleh δj a u = L x d dt L x δx + L u δ u + L p δ p dt + L x δ x + (L L x x )δt t=t =. T Agar persamaan (7) dipenuhi, maka persamaan Euler harus dipenuhi, yaitu (4) (5) (7) sehingga L x d dt L x =, L x d dt L x = H x + x S xx + S t t S x p = H x + S xx x + S xt S xt + p = H x + p (8) dan berakibat p = H x. (9)
23 14 Variasi δ u dan δ p memberikan sifat saling bebas sehingga koefisiennya bernilai nol, yaitu L u = dan L p =. Persamaan (6) memberikan L u = H u dan L p = f x = H p x, sehingga H u = (1) x = H p. (11) Selanjutnya syarat batas diberikan oleh suku terakhir persamaan (7), yaitu L x δ x + (L L x x )δt t=t =. (12) Karena L x = S x p L x L x = H px + S x x + S t x S x + x p = H + S t, maka persamaan (12) menjadi S x p δx t=t + H + S t δt t=t t= =, (13) persamaan ini dikenal sebagai transversality condition atau syarat batas. Apabila x(t ) dan t belum ditentukan, maka syarat batas menjadi S x p δx t=t t= + H + S t δt t=t t= =, yang menghasilkan teorema Pontryagin. (Tu 1994) Lampiran 2 penurunan persamaan (4.11) Diketahui persamaan (4.1), (4.2), (4.7), (4.8) dan (4.9) sebagai berikut: x 1 = x 1 U 1 f 1 x 1 U 1, x 2 + U 2 k 1 U 1 x 2 = x 2 + U 2 f 2 x 1 U 1, x 2 + U 2 + k 2 U 2 w(t) = c 1 x 1 (t) c 2 x 2 (t) + (c 1 k 1 U 1 τ + c 2 k 2 U 2 τ )dτ t y 1 = x 1 U 1 y 2 = x 2 + U 2 Dengan menurunkan persamaan (4.7) terhadap t dan menyubstitusi persamaan (4.1), (4.2), (4.8), dan (4.9) akan diperoleh persamaan (4.11). dw dt = d dt = c 1 dx 1 t dt t c 1 x 1 (t) c 2 x 2 (t) + (c 1 k 1 U 1 τ + c 2 k 2 U 2 τ )dτ c 2 dx 2 t dt = c 1 x 1 c 2 x 2 + d dt t + d dt t c 1 k 1 U 1 τ c 1 k 1 U 1 τ dτ + d dt t dτ + d dt t c 2 k 2 U 2 τ c 2 k 2 U 2 τ = c 1 ( x 1 U 1 f 1 x 1 U 1, x 2 + U 2 k 1 U 1 ) c 2 ( x 2 + U 2 f 2 x 1 U 1, x 2 + U 2 +k 2 U 2 ) + d dt t c 1 k 1 U 1 τ dτ + d dt c 2 k 2 U 2 τ = c 1 y 1 f 1 y 1, y 2 c 1 k 1 U 1 c 2 y 2 f 2 y 1, y 2 c 2 k 2 U 2 + c 1 k 1 U 1 + c 2 k 2 U 2 = c 1 y 1 f 1 y 1, y 2 c 2 y 2 f 2 y 1, y 2 t dτ dτ dτ
24 15 Lampiran 3 Penurunan persamaan (4.18) dan (4.19) Diketahui persamaan (4.8), (4.9), dan (4.14) y 1 = x 1 U 1 y 2 = x 2 + U 2 H = p 1 c 1 y 1 f 1 y 1, y 2 p 1 c 2 y 2 f 2 y 1, y 2 + p 2 y 1 f 1 y 1, y 2 k 1 U 1 + p 3 y 2 f 2 y 1, y 2 + k 2 U 2 Dengan menurunkan H terhadap U 1 dan U 2 menggunakan aturan rantai, sehingga dari syarat (3) Prinsip Minimum Pontryagin dapat diperoleh sebagai berikut: H U1 = H = U 1 = H. dy 1 + H = y 1 du 1 U 1 = H. ( 1) k y 1 p 2 = 1 Jadi H U1 = H k y 1 p 2 = (4.18) 1 H U2 = H = U 2 = H. dy 2 + H = y 2 du 2 U 2 = H. (1) + k y 2 p 3 = 2 Jadi H U2 = H + k y 2 p 3 = (4.19) 2 Lampiran 4 Penurunan persamaan (4.3) dan (4.31) Diketahui persamaan (4.2), (4.21), (4.28) dan (4.29) H = k y 1 p 2 1 H = k y 2 p 3 2 p 1 t = 1 p 2 t = p 3 t = H = c 1 y 1 f 1 y 1, y 2 c 2 y 2 f 2 y 1, y 2 Kemudian dengan menyubstitusi persamaan (4.28) dan (4.29) ke persamaan (4.2) dan (4.21) sehingga diperoleh: H = [c 1y 1 f 1 y 1, y 2 c 2 y 2 f 2 y 1, y 2 ] = k y 1 y 1 p 2 1 = (c 1y 1 f 1 y 1, y 2 ) (c 2y 2 f 2 y 1, y 2 ) = y 1 y 1 (y 1 f 1 (y 1, y 2 ) (y 2 f 2 (y 1, y 2 ) c 1 c y 2 = 1 y 1 H = [c 1y 1 f 1 y 1, y 2 c 2 y 2 f 2 y 1, y 2 ] = k y 2 y 2 p 3 2 = (c 1y 1 f 1 y 1, y 2 ) (c 2y 2 f 2 y 1, y 2 ) = y 2 y 2 (y 1 f 1 (y 1, y 2 ) (y 2 f 2 (y 1, y 2 ) c 1 c y 2 = 2 y 2
25 16 Lampiran 5 Penurunan persamaan (5.3) dan (5.4) Diketahui persamaan (4.3), (4.31), (5.1) dan (5.2) (y 1 f 1 (y 1, y 2 ) (y 2 f 2 (y 1, y 2 ) c 1 c y 2 = 1 y 1 (y 1 f 1 (y 1, y 2 ) (y 2 f 2 (y 1, y 2 ) c 1 c y 2 = 2 y 2 f 1 (y 1, y 2 ) = a γy 1 αy 2 f 2 y 1, y 2 = βy 1 δy 2 b Dengan menyubstitusi persamaan (5.1) dan (5.2) ke persamaan (4.3) dan (4.31) sehingga diperoleh persamaan (5.3) dan (5.4). (y 1 (a γy 1 αy 2 )) (y 2 (βy 1 δy 2 b)) c 1 c y 2 = 1 y 1 (y 1 a γy 2 1 αy 1 y 2 )) (βy 1 y 2 δy 2 2 by 2 )) c 1 c y 2 = 1 y 1 c 1 a αy 2 2γy 1 c 2 βy 2 = (y 1 (a γy 1 αy 2 )) (y 2 (βy 1 δy 2 b)) c 1 c y 2 = 2 y 2 (y 1 a γy 2 1 αy 1 y 2 )) (βy 1 y 2 δy 2 2 by 2 )) c 1 c y 2 = 2 y 2 c 1 αy 1 + c 2 ( b + βy 2 2δy 2 ) = Lampiran 6 Penurunan persamaan (5.5) dan (5.6) Diketahui persamaan (5.3) dan (5.4) c 1 a αy 2 2γy 1 c 2 βy 2 = c 1 αy 1 + c 2 ( b + βy 1 2δy 2 ) = Dari persamaan (5.3) dapat disederhanakan sehingga diperoleh nilaiy 1 y 1 = c 1a y 2 (αc 1 + βc 2 ) (A) 2γc 1 Dengan menyubstitusi persamaan (A) ke persamaan (5.4) sehingga diperoleh persamaan (5.6) c 1 α c 1a y 2 αc 1 + βc 2 + c 2γc 2 ( b + β c 1a y 2 αc 1 + βc 2 2δy 1 2γc 2 ) = 1 c 1 ac 1 α c 1 αy 2 αc 1 + βc 2 2γc 1 c 2 b + c 2 βc 1 a c 2 βy 2 αc 1 + βc 2 4δγc 1 c 2 y 2 = c 1 ac 1 α + c 2 βc 1 a 2γc 1 c 2 b y 2 c 1 αc 1 α + c 1 αc 2 β + c 1 αc 2 β + c 2 βc 2 β + 4δγc 1 c 2 = y 2 (t) = c 1a c 1 α + c 2 β 2c 1 c 2 bγ c 1 α + c 2 β 2 + 4c 1 c 2 γδ Dari persamaan (5.4) dapat disederhanakan sehingga diperoleh nilai y 2 y 2 = y 1 c 1α + c 2 β c 2 b (B) 2δc 2 Dengan menyubstitusi persamaan (B) ke persamaan (5.3) sehingga diperoleh persamaan (5.5) c 1 a c 1 α y 1 c 1α + c 2 β c 2 b 2γc 2δc 1 y 1 c 2 β y 1 c 1α + c 2 β c 2 b = 2 2δc 2
26 17 2c 1 c 2 aδ c 1 αy 1 c 1 α + c 2 β + c 1 αc 2 β 2γy 1 2c 2 δc 1 c 2 βy 1 c 1 α + c 2 β + c 2 βc 2 β = 2c 1 c 2 aδ + c 1 αc 2 β + c 2 βc 2 β y 1 c 1 αc 1 α + c 1 αc 2 β + c 1 αc 2 β + c 2 βc 2 β + 4δγc 1 c 2 = y 1 (t) = c 1b c 1 α + c 2 β + 2c 1 c 2 aδ c 1 α + c 2 β 2 + 4c 1 c 2 γδ Lampiran 7 Program Maple 13 untuk Gambar 1 > > Lampiran 8 Penentuan solusi khusus untuk variabel x 1 (t) dan x 2 (t) Diketahui persamaan (5.9) dan (5.1) x 1 (t) = 39,998 2x 1 (t) x 2 t = 11,56 x 2 t Dengan menggunakan metode pengintegralan, maka persamaan diferensial orde satu di atas dapat ditentukan solusinya. Bentuk umum x + a x = f t di mana x merupakan fungsi dalam t dan a dalah suatu konstanta. Solusix t dinyatakan dalam bentuk x t = e at e at f t dt Maka dari persamaan (5.9) dan (5.1) solusi dari variabel x 1 (t) dan x 2 (t) dapat diselesaikan menjadi: x 1 t + 2x 1 (t) = 39,998 e 2t x 1 t + 2x 1 t = e 2t 39,998 (kedua ruas dikalikan dengan e 2t ) atau dapat dituliskan menjadi: d dt (e2t x 1 (t)) = e 2t 39,998 d dt (e2t x 1 (t)) dt = e 2t 39,998 dt (kedua ruas diintegralkan terhadap t) e 2t x 1 (t) = 39,998e 2t dt x 1 t = e 2t 39,998e 2t dt x 1 t = e 2t 39, e2t + C 1 x 1 t = e 2t 19,999e 2t + C 2 ; C 2 = 39,998C 1 x 1 t = 19,999 + e 2t C 2 Diketahui kondisi awal x 1 = 32. Maka solusi khusus dari x 1 (t) diperoleh x 1 (t) = 19, ,1e 2t. x 2 t + x 2 t = 11,56 e t x 2 t + x 2 t = e t 11,56 (kedua ruas dikalikan dengan e t ) atau dapat dituliskan menjadi: d dt (et x 2 (t)) = e t 11,56
27 18 d dt (et x 2 (t)) dt = e t 11,56 dt (kedua ruas diintegralkan terhadap t) e t x 2 (t) = 11,56 e t dt x 2 t = e t 11,56 e t dt x 2 t = e t 11,56 e t + C 3 x 2 t = e t 11,56 e t + C 4 ; C 4 = 11,56 C 3 x 2 t = 11,56 + e t C 4 Diketahui kondisi awal x 2 = 16. Maka solusi khusus dari x 2 t diperoleh x 2 t = 11,56 + 4,44e t. Lampiran 9 Program Mathematica untuk Gambar 2 Plot[{ Exp[ 2 t], Exp[ 1 t]}, {t,,1}, PlotRange {32,1}, PlotStyle {Dashed, Thick}, Frame True, FrameLabel {t, x}] Lampiran 1 Program Mathematica untuk Gambar 3 Plot[{ Exp[ 2 t], Exp[ t]}, {t,,1}, PlotRange {,13}, PlotStyle {Dashed, Thick}, AxesOrigin {,}, Frame True, FrameLabel {t} Lampiran 11 Pelinearan sistem (5.18) dan (5.19) Diketahui persamaan (5.18) dan (5.19) x 1 = g 1 x 1, x 2 = x 1 f 1 x 1, x 2 x 2 = g 2 x 1, x 2 = x 2 f 2 x 1, x 2 x 2 f 2 x 1, x 2 untuk titik keseimbangan (x 1, x 2 ) f 1 x 1, x 2 = f 2 x 1, x 2 Misalkan v 1 = x 1 x 1 x 1 = x 1 + v 1 v 2 = x 2 x 2 x 2 = x 2 + v 2 sehingga pelinearan untuk sistem di atas dapat dituliskan menjadi: x 1 = v 1 = (x 1 + v 1 )f 1 x 1 + v 1, x 2 + v 2 x 1 = (x 1 + v 1 ) f 1 x 1, x 2 + g 1 v 1 + g 1 v 2 + O(v 1 2, v 2 2, v 1 v 2 ) x 1 = x 1 v 1 g 1 + x 1 v 2 g 1 + v 1 2 g 1 + v 1 v 2 g 1 x 1 = x 1 + v 1 v 1 g 1 + x 1 + v 1 v 2 g 1 x 1 = x 1 g 1 v 1 + x 1 g 1 v 2 x 1 = x 1 g 1 x 1 x 1 + x 1 g 1 x 2 x 2 (C) x 2 = v 2 = x 2 + v 2 f 2 x 1 + v 1, x 2 + v 2 x 2 f 2 x 1, x 2 x 2 = (x 2 + v 2 ) f 2 x 1, x 2 + g 2 v 1 + g 2 v 2 + O(v 1 2, v 2 2, v 1 v 2 ) x 2 f 2 x 1, x 2 x 2 = x 2 f 2 x 1, x 2 + x 2 v 1 g 2 + x 2 v 2 g 2 + v 2 f 2 x 1, x 2 + v 1 v 2 g 2 + v 2 2 g 2 x 2 f 2 x 1, x 2
28 19 x 2 = x 2 + v 2 v 1 g 2 + x 2 + v 2 v 2 g 2 + v 2 f 2 x 1, x 2 x 2 = x 2 g 2 v 1 + x 2 g 2 x 2 + f 2 x 1, x 2 v 2 x 2 = x 2 g 2 x 1 x 1 + x 2 g 2 + f 2 x 1, x 2 x 2 x 2 (D) Dari persamaan (C) dan (D) dapat dituliskan ke dalam bentuk matriks berikut: x 1 x 2 = x 1 g 1 x 1 g 1 x 2 g 2 x 2 g 2 + f 2 x 1, x 2 dengan A = g 1 g 2 g 1 g 2 = x1,x2 X = x 1 x 1 x 2 x 2 x 1 x 1 x 2 x 2 x 1 g 1 x 1 g 1 x 2 g 2 x 2 g 2 + f 2 x 1, x 2 Model terlinearkan dituliskan sebagai berikut: X = AX + Bu = a 1 a 2 a 3 a 4 atau dapat dituliskan menjadi: x 1 x 2 = x 1 g 1 x 1 g 1 x 2 g 2 x 2 g 2 + f 2 x 1, x 2 x 1 x 1 x 2 x u Lampiran 12 Penurunan persamaan aljabar Riccati Diketahui matriks X = x 1 x 1 x 2 x 2 ; A = a 1 a 2 a 3 a 4 ; Q = q 1 q 2 q 2 q 3 ; B = 1 ; λ = λ 1 λ 2 FO dengan kendala Fungsi Hamilton min J u = 1 2 [XT QX + u 2 ]dt X = AX + Bu H = 1 2 XT QX + u 2 + λ T (AX + Bu) H = 1 2 q 1 x 1 x q 2 x 1 x 1 x 2 x 2 + q 3 x 2 x u 2 + λ 1 a 1 x 1 x 1 + a 2 x 2 x 2 + λ 2 a 3 x 1 x 1 + a 4 x 2 x 2 + u
PENGGUNAAN METODE PERTURBASI HOMOTOPI UNTUK MENYELESAIKAN MASALAH ALIRAN FLUIDA SISKO PADA PIPA LURUS ISNA ALDILLA
PENGGUNAAN METODE PERTURBASI HOMOTOPI UNTUK MENYELESAIKAN MASALAH ALIRAN FLUIDA SISKO PADA PIPA LURUS ISNA ALDILLA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciPENGGUNAAN METODE ITERASI VARIASI UNTUK MENYELESAIKAN MASALAH OSILASI BERPASANGAN SANTI SUSILAWATI
PENGGUNAAN METODE ITERASI VARIASI UNTUK MENYELESAIKAN MASALAH OSILASI BERPASANGAN SANTI SUSILAWATI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012
Lebih terperinciPENERAPAN PRINSIP MAKSIMUM PONTRYAGIN PADA SISTEM INVENTORI-PRODUKSI. Nurus Sa adah, Toni Bakhtiar, Farida Hanum
PENERAPAN PRINSIP MAKSIMUM PONTRYAGIN PADA SISTEM INVENTORI-PRODUKSI Nurus Sa adah, Toni Bakhtiar, Farida Hanum Departemen Matematika FMIPA, Institut Pertanian Bogor Jl. Meranti, Kampus IPB Darmaga, Bogor
Lebih terperinciSEMINAR HASIL TUGAS AKHIR Jurusan Matematika FMIPA ITS
SEMINAR HASIL TUGAS AKHIR Jurusan Matematika FMIPA ITS Pengendalian Populasi Hama pada Model Mangsa-Pemangsa dengan Musuh Alaminya Nabila Asyiqotur Rohmah 1209 100 703 Dosen Pembimbing: Dr Erna Apriliani,
Lebih terperinciSEBARAN ASIMTOTIK PENDUGA TURUNAN PERTAMA DAN TURUNAN KEDUA FUNGSI INTENSITAS PROSES POISSON PERIODIK IHDA ANISSA INDRIASTUTI
SEBARAN ASIMTOTIK PENDUGA TURUNAN PERTAMA DAN TURUNAN KEDUA FUNGSI INTENSITAS PROSES POISSON PERIODIK IHDA ANISSA INDRIASTUTI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciPELABELAN (k, d)-graceful PADA T P -TREE DAN SUBDIVISI DARI T P -TREE SYAIFUL BAHRI
PELABELAN (k, d)-graceful PADA T P -TREE DAN SUBDIVISI DARI T P -TREE SYAIFUL BAHRI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012 ABSTRAK SYAIFUL
Lebih terperinciPREDIKSI JANGKA PANJANG DARI PROSES POISSON SIKLIK DENGAN FUNGSI INTENSITAS GLOBAL DIKETAHUI AGUSTINA MARGARETHA
PREDIKSI JANGKA PANJANG DARI PROSES POISSON SIKLIK DENGAN FUNGSI INTENSITAS GLOBAL DIKETAHUI AGUSTINA MARGARETHA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciKontrol Optimum. Prinsip Maksimum Pontryagin. Toni Bakhtiar. Departemen Matematika IPB. Februari 2014
Kontrol Optimum Prinsip Maksimum Pontryagin Toni Bakhtiar Departemen Matematika IPB Februari 214 tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari 214 1 / 25 Outline Masalah kontrol optimum Prinsip
Lebih terperinciMODEL MANGSA PEMANGSA DENGAN RESPON FUNGSIONAL TAK MONOTON RIDWAN IDHAM
MODEL MANGSA PEMANGSA DENGAN RESPON FUNGSIONAL TAK MONOTON RIDWAN IDHAM DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011 ABSTRAK RIDWAN IDHAM. Model
Lebih terperinciPengendalian Populasi Hama pada Model Mangsa-Pemangsa dengan Musuh Alaminya
JURNAL SAINS DAN SENI POMITS Vol 2, No 1, (2013) 2337-3520 (2301-928X Print) 1 Pengendalian Populasi Hama pada Model Mangsa-Pemangsa dengan Musuh Alaminya Nabila Asyiqotur Rohmah, Erna Apriliani Jurusan
Lebih terperinciPENJADWALAN PERAWAT MENGGUNAKAN GOAL PROGRAMMING: STUDI KASUS DI RUMAH SAKIT HASANAH GRAHA AFIAH DEPOK RUSTIANA IMALA PUTRI
PENJADWALAN PERAWAT MENGGUNAKAN GOAL PROGRAMMING: STUDI KASUS DI RUMAH SAKIT HASANAH GRAHA AFIAH DEPOK RUSTIANA IMALA PUTRI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciMASALAH PENJADWALAN KERETA SECARA PERIODIK DENGAN BIAYA MINIMUM PADA JALUR GANDA MUHAMMAD RIZQY HIDAYATSYAH
MASALAH PENJADWALAN KERETA SECARA PERIODIK DENGAN BIAYA MINIMUM PADA JALUR GANDA MUHAMMAD RIZQY HIDAYATSYAH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciPENJADWALAN MATA KULIAH MENGGUNAKAN INTEGER NONLINEAR PROGRAMMING Studi Kasus di Bina Sarana Informatika Bogor ERLIYANA
PENJADWALAN MATA KULIAH MENGGUNAKAN INTEGER NONLINEAR PROGRAMMING Studi Kasus di Bina Sarana Informatika Bogor ERLIYANA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciSelanjutnya didefinisikan fungsional objektif yang diperbesar (augmented) J ( u ) sebagai:
LAMPIRAN Lampiran 1. Bukti Teorema 4 Diketahui masalah memaksimumkan: T J ( x) = S( x( T), T) + f ( x( t), u( t), t) dt (1) dengan kendala : x() t = f( x(), t u(),) t t dt () Misalkan x() = x, t =, sedangkan
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 terperinciPENYELESAIAN MASALAH KONEKTIVITAS DI AREA KONSERVASI DENGAN ALGORITME HEURISTIK NUR WAHYUNI
PENYELESAIAN MASALAH KONEKTIVITAS DI AREA KONSERVASI DENGAN ALGORITME HEURISTIK NUR WAHYUNI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2012 ABSTRAK NUR
Lebih terperinciINVERS DARI MATRIKS TRIDIAGONAL JACOBI FANI RIAMARLI
INVERS DARI MATRIKS TRIDIAGONAL JACOBI FANI RIAMARLI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011 ABSTRAK FANI RIAMARLI. Invers dari Matriks Tridiagonal
Lebih terperinciWaktu Optimal Dalam Diversifikasi Produksi Sumber Energi Terbarukan dan Tidak Terbarukan dengan Menggunakan Prinsip Minimum Pontryagin
JURNAL SAINS DAN SENI POMITS Vol., No., (03) 337-350 (30-98X Print) Waktu Optimal Dalam Diversifikasi Produksi Sumber Energi Terbarukan dan Tidak Terbarukan dengan Menggunakan Prinsip Minimum Pontryagin
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 terperinciANALISIS MODEL MANGSA PEMANGSA PADA PENANGKAPAN IKAN YANG DIPENGARUHI OLEH KONSERVASI
ANALISIS MODEL MANGSA PEMANGSA PADA PENANGKAPAN IKAN YANG DIPENGARUHI OLEH KONSERVASI Eka Yuniarti 1, Abadi 1 Jurusan Matematika, Fakultas MIPA, Universitas Negeri Surabaya Jurusan Matematika, Fakultas
Lebih terperinciSimulasi Model Mangsa Pemangsa Di Wilayah yang Dilindungi untuk Kasus Pemangsa Tergantung Sebagian pada Mangsa
Simulasi Model Mangsa Pemangsa Di Wilayah yang Dilindungi untuk asus Pemangsa Tergantung Sebagian pada Mangsa Ipah Junaedi 1, a), Diny Zulkarnaen 2, b) 3, c), dan Siti Julaeha 1, 2, 3 Jurusan Matematika,
Lebih terperinciSTABILITAS GLOBAL MODEL HOLLING-TANNER TIPE II LAZUARDI RAMADHAN
STABILITAS GLOBAL MODEL HOLLING-TANNER TIPE II LAZUARDI RAMADHAN DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 013 ABSTRAK LAZUARDI RAMADHAN. Stabilitas
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 terperinciSimulasi Kestabilan Model Predator Prey Tipe Holling II dengan Faktor Pemanenan
Prosiding Matematika ISSN: 2460-6464 Simulasi Kestabilan Model Predator Prey Tipe Holling II dengan Faktor Pemanenan 1 Ai Yeni, 2 Gani Gunawan, 3 Icih Sukarsih 1,2,3 Prodi Matematika, Fakultas Matematika
Lebih terperinciMODEL MANGSA PEMANGSA DENGAN RESPON FUNGSIONAL TAK MONOTON RIDWAN IDHAM
MODEL MANGSA PEMANGSA DENGAN RESPON FUNGSIONAL TAK MONOTON RIDWAN IDHAM DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 011 ABSTRAK RIDWAN IDHAM. Model
Lebih terperinciBAB II TINJAUAN PUSTAKA. kestabilan model predator-prey tipe Holling II dengan faktor pemanenan.
BAB II TINJAUAN PUSTAKA Dalam bab ini akan dibahas mengenai dasar teori untuk menganalisis simulasi kestabilan model predator-prey tipe Holling II dengan faktor pemanenan. 2.1 Persamaan Diferensial Biasa
Lebih terperinciII LANDASAN TEORI. ii. Constant returns to scale, yaitu situasi di mana output meningkat sama banyaknya dengan porsi peningkatan input
2 II LANDASAN EORI Pada bab ini akan diuraikan beberapa definisi dan teori penunjang yang akan digunakan dalam karya ilmiah ini. 2.1 Istilah Ekonomi Definisi 1 (Pertumbuhan Ekonomi) Pertumbuhan ekonomi
Lebih terperinciKalkulus Variasi. Pendahuluan, Model Matematika, Keterkontrolan. Toni Bakhtiar. Departemen Matematika IPB. Februari 2014
Kalkulus Variasi Pendahuluan, Model Matematika, Keterkontrolan Toni Bakhtiar Departemen Matematika IPB Februari 2014 tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari 2014 1 / 42 Outline Beberapa
Lebih terperinciII. TINJAUAN PUSTAKA I. PENDAHULUAN
Kendali Optimal pada Sistem Prey Predator dengan Pemberian Makanan Alternatif pada Predator Fitroh Resmi dan Subchan Jurusan Matematika, Fakultas MIPA, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief
Lebih terperinciPENDEKATAN KALKULUS VARIASIONAL PADA SISTEM KONTROL DAYA DORONG ROKET. Niken Madu Meta Jurusan Matematika, FMIPA UNS
1 PENDEKATAN KALKULUS VARIASIONAL PADA SISTEM KONTROL DAYA DORONG ROKET Niken Madu Meta Jurusan Matematika, FMIPA UNS Abstrak. Kalkulus variasional adalah cabang dari kalkulus diferensial yang digunakan
Lebih terperinciMasalah Kalkulus Variasi, Fungsional Objektif, Variasi, Syarat Perlu Optimalitas
Masalah Kalkulus Variasi, Fungsional Objektif, Variasi, Syarat Perlu Optimalitas Slide II Toni Bakhtiar Departemen Matematika IPB February 2012 TBK (IPB) Kalkulus Variasi February 2012 1 / 37 Masalah Brachystochrone
Lebih terperinciPENGOPTIMUMAN PADA MASALAH PEMROGRAMAN LINEAR DENGAN KOEFISIEN INTERVAL ANA FARIDA
i PENGOPTIMUMAN PADA MASALAH PEMROGRAMAN LINEAR DENGAN KOEFISIEN INTERVAL ANA FARIDA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011 i ABSTRAK ANA
Lebih terperinciKontrol Optimum. MKO dengan Mixed Constraints dan Pure State Constraints. Toni Bakhtiar. Departemen Matematika IPB. Februari 2014
Kontrol Optimum MKO dengan Mixed Constraints dan Pure State Constraints Toni Bakhtiar Departemen Matematika IPB Februari 2014 tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari 2014 1 / 38 Outline
Lebih terperinciKONTROL OPTIMUM PENYEBARAN PENYAKIT SARS BERDASARKAN SUBSISTEM MODEL KOMPARTEMEN VIVI ARLINA
KONTROL OPTIMUM PENYEBARAN PENYAKIT SARS BERDASARKAN SUBSISTEM MODEL KOMPARTEMEN VIVI ARLINA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012 ABSTRAK
Lebih terperinciANALISIS MODEL MANGSA-PEMANGSA MICHAELIS- MENTEN DENGAN PEMANENAN PADA POPULASI MANGSA HANDANU DWARADI
ANALISIS MODEL MANGSA-PEMANGSA MICHAELIS- MENTEN DENGAN PEMANENAN PADA POPULASI MANGSA HANDANU DWARADI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR
Lebih terperinciT 3 Model Dinamika Sel Tumor Dengan Terapi Pengobatan Menggunakan Virus Oncolytic
T 3 Model Dinamika Sel Tumor Dengan Terapi Pengobatan Menggunakan Virus Oncolytic Oleh : Ali Kusnanto, Hikmah Rahmah, Endar H. Nugrahani Departemen Matematika FMIPA-IPB Email : alikusnanto@yahoo.com Abstrak
Lebih terperinciPEMANENAN OPTIMAL PADA MODEL REAKSI DINAMIK SISTEM MANGSA-PEMANGSA DENGAN TAHAPAN STRUKTUR. Yuliani, Marwan Sam
Jurnal Dinamika, September 2015, halaman 25-38 ISSN 2087-7889 Vol. 06. No. 2 PEMANENAN OPTIMAL PADA MODEL REAKSI DINAMIK SISTEM MANGSA-PEMANGSA DENGAN TAHAPAN STRUKTUR Yuliani, Marwan Sam Program StudiMatematika,
Lebih terperinciPENYELESAIAN MODEL MANGSA PEMANGSA TIGA SPESIES DENGAN METODE HOMOTOPI YULI RAHMAWATI
PENYELESAIAN MODEL MANGSA PEMANGSA TIGA SPESIES DENGAN METODE HOMOTOPI YULI RAHMAWATI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014 PERNYATAAN
Lebih terperinciKalkulus Variasi. Masalah Kalkulus Variasi, Fungsional Objektif, Variasi, Syarat Perlu Optimalitas. Toni Bakhtiar. Departemen Matematika IPB
Kalkulus Variasi Masalah Kalkulus Variasi, Fungsional Objektif, Variasi, Syarat Perlu Optimalitas Toni Bakhtiar Departemen Matematika IPB Februari 2014 tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum
Lebih terperinciTeori kendali. Oleh: Ari suparwanto
Teori kendali Oleh: Ari suparwanto Minggu Ke-1 Permasalahan oleh : Ari Suparwanto Permasalahan Diberikan sistem dan sinyal referensi. Masalah kendali adalah menentukan sinyal kendali sehingga output sistem
Lebih terperinciBIFURKASI HOPF PADA MODEL SILKUS BISNIS KALDOR-KALECKI TANPA WAKTU TUNDA
BIFURKASI HOPF PADA MODEL SILKUS BISNIS KALDOR-KALECKI TANPA WAKTU TUNDA NURRACHMAWATI 1) DAN A. KUSNANTO 2) 1) Mahasiswa Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut
Lebih terperinciPENENTUAN NILAI EIGEN DAN VEKTOR EIGEN DARI MATRIKS TRIDIAGONAL 2-TOEPLITZ DENGAN PENDEKATAN POLINOMIAL CHEBYSHEV MELIZA DITA UTAMI
PENENTUAN NILAI EIGEN DAN VEKTOR EIGEN DARI MATRIKS TRIDIAGONAL 2-TOEPLITZ DENGAN PENDEKATAN POLINOMIAL CHEBYSHEV MELIZA DITA UTAMI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciBAB II KAJIAN TEORI. Persamaan diferensial sangat penting dalam pemodelan matematika khususnya
BAB II KAJIAN TEORI 2.1 Persamaan Diferensial Persamaan diferensial sangat penting dalam pemodelan matematika khususnya untuk pemodelan yang membutuhkan solusi dari sebuah permasalahan. Pemodelan matematika
Lebih terperinciBIFURKASI HOPF MODEL MANGSA-PEMANGSA DENGAN WAKTU TUNDA NI NYOMAN SURYANI
BIFURKASI HOPF MODEL MANGSA-PEMANGSA DENGAN WAKTU TUNDA NI NYOMAN SURYANI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014 PERNYATAAN MENGENAI SKRIPSI
Lebih terperinciMODIFIKASI SISTEM PREDATOR-PREY: DINAMIKA MODEL LESLIE-GOWER DENGAN DAYA DUKUNG YANG TUMBUH LOGISTIK
SEMIRATA MIPAnet 2017 24-26 Agustus 2017 UNSRAT, Manado MODIFIKASI SISTEM PREDATOR-PREY: DINAMIKA MODEL LESLIE-GOWER DENGAN DAYA DUKUNG YANG TUMBUH LOGISTIK HASAN S. PANIGORO 1, EMLI RAHMI 2 1 Universitas
Lebih terperinciAN ANALISIS RANCANGAN PENAWARAN DISKON DENGAN BANYAK PELANGGAN DAN TITIK IMPAS TUNGGAL
AN ANALISIS RANCANGAN PENAWARAN DISKON DENGAN BANYAK PELANGGAN DAN TITIK IMPAS TUNGGAL Oleh: Endang Nurjamil G05497044 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciPersamaan Diferensial Biasa
Persamaan Diferensial Biasa Pendahuluan, Persamaan Diferensial Orde-1 Toni Bakhtiar Departemen Matematika IPB September 2012 Toni Bakhtiar (m@thipb) PDB September 2012 1 / 37 Pendahuluan Konsep Dasar Beberapa
Lebih terperinciANALISIS BIFURKASI PADA MODEL MATEMATIS PREDATOR PREY DENGAN DUA PREDATOR Lia Listyana 1, Dr. Hartono 2, dan Kus Prihantoso Krisnawan,M.
1 Abstrak ANALISIS BIFURKASI PADA MODEL MATEMATIS PREDATOR PREY DENGAN DUA PREDATOR Lia Listyana 1, Dr. Hartono 2, Kus Prihantoso Krisnawan,M.Si 3 1 Mahasiswa Jurusan Pendidikan Matematika, Universitas
Lebih terperinciMODEL REGRESI LATEN PADA EFEK PLASEBO DIANA PURWANDARI
MODEL REGRESI LATEN PADA EFEK PLASEBO DIANA PURWANDARI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011 ABSTRAK DIANA PURWANDARI. Model Regresi Laten
Lebih terperinciANALISIS KESTABILAN MODEL INTERAKSI PEMANGSA DAN MANGSA PADA DUA HABITAT YANG BERBEDA ADE NELVIA
ANALISIS KESTABILAN MODEL INTERAKSI PEMANGSA DAN MANGSA PADA DUA HABITAT YANG BERBEDA ADE NELVIA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012
Lebih terperinciKontrol Optimum. Syarat Transversalitas, Current-valued Hamiltonian. Toni Bakhtiar. Departemen Matematika IPB. Februari 2014
Kontrol Optimum Syarat Transversalitas, Current-valued Hamiltonian Toni Bakhtiar Departemen Matematika IPB Februari 2014 tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari 2014 1 / 37 Outline Syarat
Lebih terperinciPENYELESAIAN MAGIC SQUARE SEBAGAI PERMASALAHAN SISTEM PERSAMAAN LINEAR (SPL) RISMANTO FERNANDUS SIRINGO-RINGO
PENYELESAIAN MAGIC SQUARE SEBAGAI PERMASALAHAN SISTEM PERSAMAAN LINEAR (SPL) RISMANTO FERNANDUS SIRINGO-RINGO DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciPENENTUAN SOLUSI OPTIMAL UNTUK ALOKASI KEKAYAAN KE DALAM KONSUMSI DAN INVESTASI PELI SUKARSO
PENENTUAN SOLUSI OPTIMAL UNTUK ALOKASI KEKAYAAN KE DALAM KONSUMSI DAN INVESTASI PELI SUKARSO DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012 ABSTRAK
Lebih terperinciKENDALI OPTIMAL PERMAINAN NON-KOOPERATIF KONTINU SKALAR DUA PEMAIN DENGAN STRATEGI NASH TUGAS AKHIR. Oleh : M.LUTHFI RUSYDI
KENDALI OPTIMAL PERMAINAN NON-KOOPERATIF KONTINU SKALAR DUA PEMAIN DENGAN STRATEGI NASH TUGAS AKHIR Diajukan Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains Pada Jurusan Matematika Oleh
Lebih terperinciCreated By Aristastory.Wordpress.com BAB I PENDAHULUAN. Teori sistem dinamik adalah bidang matematika terapan yang digunakan untuk
BAB I PENDAHULUAN 1.1 Latar Belakang Teori sistem dinamik adalah bidang matematika terapan yang digunakan untuk memeriksa kelakuan sistem dinamik kompleks, biasanya dengan menggunakan persamaan diferensial
Lebih terperinciMAT332 Kontrol Optimum
MAT332 Kontrol Optimum Kontrak Belajar dan Rencana Perkuliahan Toni Bakhtiar Departemen Matematika IPB Februari 2014 tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari 2014 1 / 12 Identitas 1 Nama
Lebih terperinciMASALAH KONTROL OPTIMUM INFEKSI WORM KOMPUTER SEVIRA ROSANA
MASALAH KONTROL OPTIMUM INFEKSI WORM KOMPUTER SEVIRA ROSANA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014 PERNYATAAN MENGENAI SKRIPSI DAN SUMBER
Lebih terperinciPENGGUNAAN METODE DEKOMPOSISI ADOMIAN UNTUK MENYELESAIKAN PERMASALAHAN PADA KALKULUS VARIASI ABSTRACT
PENGGUNAAN METODE DEKOMPOSISI ADOMIAN UNTUK MENYELESAIKAN PERMASALAHAN PADA KALKULUS VARIASI Febrian Lisnan, Asmara Karma 2 Mahasiswa Program Studi S Matematika 2 Dosen Jurusan Matematika Fakultas Matematika
Lebih terperinciLOGO SEMINAR TUGAS AKHIR. Oleh : Rifdatur Rusydiyah Dosen Pembimbing : DR. Subiono, M.Sc
LOGO SEMINAR TUGAS AKHIR Oleh : Rifdatur Rusydiyah 1206 100 045 Dosen Pembimbing : DR. Subiono, M.Sc JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER
Lebih terperinciPENJADWALAN DOKTER KAMAR DARURAT DI RSCM MENGGUNAKAN PEMROGRAMAN LINEAR INTEGER RATNA RATU ALIT
PENJADWALAN DOKTER KAMAR DARURAT DI RSCM MENGGUNAKAN PEMROGRAMAN LINEAR INTEGER RATNA RATU ALIT DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2011 ABSTRACT
Lebih terperinciBIFURKASI HOPF PADA SISTEM PREDATOR PREY DENGAN FUNGSI RESPON TIPE II
BIFURKASI HOPF PADA SISTEM PREDATOR PREY DENGAN FUNGSI RESPON TIPE II SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta untuk Memenuhi Sebagian Persyaratan
Lebih terperinciBAB I Pendahuluan Latar BelakangMasalah
BAB I Pendahuluan 1.1. Latar BelakangMasalah Model matematika merupakan representasi masalah dalam dunia nyata yang menggunakan bahasa matematika. Bahasa matematika yang digunakan dalam pemodelan meliputi
Lebih terperinciKontrol Optimum. MKO dengan Kendala pada Peubah Kontrol. Toni Bakhtiar. Departemen Matematika IPB. Februari 2017
Kontrol Optimum MKO dengan Kendala pada Peubah Kontrol Toni Bakhtiar Departemen Matematika IPB Februari 2017 tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari 2017 1 / 53 Outline MKO berkendala
Lebih terperinciModel Mangsa-Pemangsa dengan Dua Pemangsa dan Satu Mangsa di Lingkungan Beracun
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 05 Model Mangsa-Pemangsa dengan Dua Pemangsa dan Satu Mangsa di Lingkungan Beracun Irham Taufiq, Imam Solekhudin, Sumardi 3 Fakultas Keguruan dan
Lebih terperinciMODEL PERTUMBUHAN PENGELUARAN PUBLIK DENGAN PENDEKATAN FUNGSI LOGISTIK SOFYAN ZUHRI
MODEL PERTUMBUHAN PENGELUARAN PUBLIK DENGAN PENDEKATAN FUNGSI LOGISTIK SOFYAN ZUHRI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011 ABSTRAK SOFYAN
Lebih terperinciPenentuan Kestabilan Sistem Hibrid melalui Trayektorinya pada Bidang. Oleh:
Penentuan Kestabilan Sistem Hibrid melalui Trayektorinya pada Bidang Sistem hibrid mempunyai bentuk: x& Oleh: Kus Prihantoso Krisnawan Jurusan Pendidikan Matematika FMIPA Universitas Negeri Yogyakarta
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 terperinciANALISIS KESTABILAN HELICOVERPA ARMIGERA
ANALISIS KESTABILAN HELICOVERPA ARMIGERA (HAMA PENGGEREK BUAH) DAN PAEDERUS FUSCIPES SP (TOMCAT) DENGAN MODEL MANGSA-PEMANGSA DAN RESPON FUNGSIONAL MICHAELIS MENTEN DENGAN METODE BEDA HINGGA MAJU SKRIPSI
Lebih terperinciIII HASIL DAN PEMBAHASAN
7 III HASIL DAN PEMBAHASAN 3.1 Perumusan Model Pada bagian ini akan dirumuskan model pertumbuhan ekonomi yang mengoptimalkan utilitas dari konsumen dengan asumsi: 1. Terdapat tiga sektor dalam perekonomian:
Lebih terperinciMODIFIKASI METODE RELE UNTUK MODEL PENDUDUK QUASI-STABIL CECEP A.H.F. SANTOSA
MODIFIKASI METODE RELE UNTUK MODEL PENDUDUK QUASI-STABIL CECEP A.H.F. SANTOSA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 Hak Cipta milik Institut Pertanian Bogor, tahun 2008 Hak Cipta dilindungi
Lebih terperinciKEKONSISTENAN PENDUGA FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN LINEAR. Oleh: LIA NURLIANA
KEKONSISTENAN PENDUGA FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN LINEAR Oleh: LIA NURLIANA PROGRAM STUDI MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR
Lebih terperinciKuliah Pengantar Kontrol Optimum dan Metode Numeriknya dalam Scilab
Kuliah Pengantar Kontrol Optimum dan Metode Numeriknya dalam Scilab Effendi Syahril Agah D. Garnadi Kuliah Pengantar Kontrol Optimum dan Metode Numeriknya dalam Scilab Effendi Syahril Agah D. Garnadi e-version
Lebih terperinciSUMBER DAYA ALAM TERBARUKAN DALAM MODEL SEWA EKONOMI SUSI SUSANTI
SUMBER DAYA ALAM TERBARUKAN DALAM MODEL SEWA EKONOMI SUSI SUSANTI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 206 PERNYATAAN MENGENAI SKRIPSI DAN
Lebih terperinciBAB II KAJIAN PUSTAKA
BAB II KAJIAN PUSTAKA A. Efektivitas Efektivitas berasal dari kata efektif, yang merupakan kata serapan dari bahasa Inggris yaitu effective yang artinya berhasil. Menurut kamus ilmiah popular, efektivitas
Lebih terperinciMODEL PERSAMAAN DIFERENSIAL PADA INTERAKSI DUA POPULASI
MODEL PERSAMAAN DIFERENSIAL PADA INTERAKSI DUA POPULASI Supandi, Saifan Sidiq Abdullah Fakultas PMIPATI Universitas PGRI Semarang hspandi@gmail..com Abstrak Persaingan kehidupan di alam dapat dikategorikan
Lebih terperinciMODEL DINAMIKA CINTA DENGAN MEMPERHATIKAN DAYA TARIK PASANGAN
Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 96 103 ISSN : 303 910 c Jurusan Matematika FMIPA UNAND MODEL DINAMIKA CINTA DENGAN MEMPERHATIKAN DAYA TARIK PASANGAN SUCI RAHMA NURA, MAHDHIVAN SYAFWAN Program
Lebih terperinciKalkulus Variasi. Syarat Cukup, Masalah Kalkulus Variasi dengan Horizon Takhingga. Toni Bakhtiar. Departemen Matematika IPB.
Kalkulus Variasi Syarat Cukup, Masalah Kalkulus Variasi dengan Horizon Takhingga Toni Bakhtiar Departemen Matematika IPB Februari 2014 tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari 2014 1 /
Lebih terperinciPERAN TRANSFORMASI TUSTIN PADA RUANG KONTINU DAN RUANG DISKRET SAMSURIZAL
PERAN TRANSFORMASI TUSTIN PADA RUANG KONTINU DAN RUANG DISKRET SAMSURIZAL SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan
Lebih terperinciANALISIS PENERAPAN FAKTOR-FAKTOR QUALITY OF WORK LIFE DALAM MENINGKATKAN KINERJA TENAGA KEPENDIDIKAN DIREKTORAT DAN KANTOR INSTITUT PERTANIAN BOGOR
ANALISIS PENERAPAN FAKTOR-FAKTOR QUALITY OF WORK LIFE DALAM MENINGKATKAN KINERJA TENAGA KEPENDIDIKAN DIREKTORAT DAN KANTOR INSTITUT PERTANIAN BOGOR Oleh BARITA MUTIARA H24104092 DEPARTEMEN MANAJEMEN FAKULTAS
Lebih terperinciKETERKONTROLAN BEBERAPA SISTEM PENDULUM SAKIRMAN
KETERKONTROLAN BEBERAPA SISTEM PENDULUM SAKIRMAN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan bahwa tesis Keterkontrolan
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 terperinciMASALAH PENJADWALAN KEGIATAN BELAJAR MENGAJAR: Studi Kasus di Lembaga Bimbingan Belajar BTA Bogor BIMA SAPUTRA
MASALAH PENJADWALAN KEGIATAN BELAJAR MENGAJAR: Studi Kasus di Lembaga Bimbingan Belajar BTA Bogor BIMA SAPUTRA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciCATATAN TENTANG PERSAMAAN LYAPUNOV DAN PERSAMAAN ALJABAR RICCATI
J. Math. and Its Appl. ISSN: 1829-605X Vol. 4, No. 2, November 2007, 21 32 CATATAN TENTANG PERSAMAAN LYAPUNOV DAN PERSAMAAN ALJABAR RICCATI Subiono Jurusan Matematika FMIPA Institut Teknologi Sepuluh Nopember
Lebih terperinciMODEL LOGISTIK DENGAN DIFUSI PADA PERTUMBUHAN SEL TUMOR EHRLICH ASCITIES. Hendi Nirwansah 1 dan Widowati 2
MODEL LOGISTIK DEGA DIFUSI PADA PERTUMBUHA SEL TUMOR EHRLICH ASCITIES Hendi irwansah 1 dan Widowati 1, Jurusan Matematika FMIPA Universitas Diponegoro Jl. Prof. H. Soedarto, SH Tembalang Semarang 5075
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Wereng batang cokelat (Nilaparvata lugens), biasa disebut hama WBC. Hama ini merupakan hama umum tanaman padi di Indonesia, yaitu sudah lebih dari 80 tahun menjadi
Lebih terperinciANALISIS MODEL DINAMIKA TERORISME MAKINUN AMIN
ANALISIS MODEL DINAMIKA TERORISME MAKINUN AMIN DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011 ABSTRAK MAKINUN AMIN. Analisis Model Dinamika Terorisme.
Lebih terperinciPEMODELAN SISTEM PENDULUM TERBALIK GANDA DAN KARAKTERISASI PARAMETER PADA MASALAH REGULASI OPTIMAL HASBY ASSIDIQI
PEMODELAN SISTEM PENDULUM TERBALIK GANDA DAN KARAKTERISASI PARAMETER PADA MASALAH REGULASI OPTIMAL HASBY ASSIDIQI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN
Lebih terperinciSOLUSI SISTEM PERSAMAAN INTEGRAL VOLTERRA LINEAR DENGAN MENGGUNAKAN METODE MATRIKS EULER ABSTRACT
SOLUSI SISTEM PERSAMAAN INTEGRAL VOLTERRA LINEAR DENGAN MENGGUNAKAN METODE MATRIKS EULER Marison Faisal Sitanggang, Asmara Karma 2 Mahasiswa Program Studi S Matematika 2 Dosen Jurusan Matematika Fakultas
Lebih terperinciSOLUSI MODEL SIKLUS BISNIS KALDOR-KALECKI TANPA WAKTU TUNDA DENGAN METODE RUNGE-KUTTA ORDE EMPAT NUR AISYAH MUKARROMAH
SOLUSI MODEL SIKLUS BISNIS KALDOR-KALECKI TANPA WAKTU TUNDA DENGAN METODE RUNGE-KUTTA ORDE EMPAT NUR AISYAH MUKARROMAH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
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 terperinciANALISIS KARAKTERISTIK FUNGSI LAGRANGE DALAM MENYELESAIKAN PERMASALAHAN OPTIMASI BERKENDALA SKRIPSI THERESIA M. MANIK
ANALISIS KARAKTERISTIK FUNGSI LAGRANGE DALAM MENYELESAIKAN PERMASALAHAN OPTIMASI BERKENDALA SKRIPSI THERESIA M. MANIK 120803069 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSTITAS
Lebih terperinciKontrol Optimum. MKO dengan Horizon Takhingga, Syarat Cukup. Toni Bakhtiar. Departemen Matematika IPB. Februari 2014
Kontrol Optimum MKO dengan Horizon Takhingga, Syarat Cukup Toni Bakhtiar Departemen Matematika IPB Februari 2014 tbakhtiar@ipb.ac.id (IPB) MAT332 Kontrol Optimum Februari 2014 1 / 23 Outline MKO dengan
Lebih terperinciANALISIS PERKEMBANGAN PASAR TENAGA KERJA INDUSTRI TEKSTIL DAN PRODUK TEKSTIL (TPT) DAN FAKTOR-FAKTOR YANG MEMPENGARUHINYA (STUDI KASUS DKI JAKARTA)
ANALISIS PERKEMBANGAN PASAR TENAGA KERJA INDUSTRI TEKSTIL DAN PRODUK TEKSTIL (TPT) DAN FAKTOR-FAKTOR YANG MEMPENGARUHINYA (STUDI KASUS DKI JAKARTA) DITA FIDIANI H14104050 DEPARTEMEN ILMU EKONOMI FAKULTAS
Lebih terperinciKESTABILAN POPULASI MODEL LOTKA-VOLTERRA TIGA SPESIES DENGAN TITIK KESETIMBANGAN ABSTRACT
KESTABILAN POPULASI MODEL LOTKA-VOLTERRA TIGA SPESIES DENGAN TITIK KESETIMBANGAN Ritania Monica, Leli Deswita, Rolan Pane Mahasiswa Program Studi S Matematika Laboratorium Matematika Terapan, Jurusan Matematika
Lebih terperinciBAB I PENDAHULUAN. Besar Penelitian Tanaman Padi, tikus sawah merupakan hama utama penyebab
BAB I PENDAHULUAN A. Latar Belakang Masalah Tikus sawah (Rattus argentiventer) merupakan salah satu spesies hewan pengerat yang mengganggu aktivitas manusia terutama petani. Menurut Balai Besar Penelitian
Lebih terperinciMETODE DEKOMPOSISI ADOMIAN UNTUK MENYELESAIKAN PERMASALAHAN NILAI BATAS PADA PERSAMAAN DIFERENSIAL PARSIAL NONLINEAR ABSTRACT
METODE DEKOMPOSISI ADOMIAN UNTUK MENYELESAIKAN PERMASALAHAN NILAI BATAS PADA PERSAMAAN DIFERENSIAL PARSIAL NONLINEAR Birmansyah 1, Khozin Mu tamar 2, M. Natsir 2 1 Mahasiswa Program Studi S1 Matematika
Lebih terperinciMODEL SKEDUL MIGRASI DAN APLIKASINYA DALAM PROYEKSI PENDUDUK MULTIREGIONAL MUSLIMAH
MODEL SKEDUL MIGRASI DAN APLIKASINYA DALAM PROYEKSI PENDUDUK MULTIREGIONAL MUSLIMAH SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya
Lebih terperinciANALISIS KESTABILAN MODEL MANGSA-PEMANGSA DENGAN MANGSA YANG TERINFEKSI DI LINGKUNGAN TERCEMAR
TUGAS AKHIR ANALISIS KESTABILAN MODEL MANGSA-PEMANGSA DENGAN MANGSA YANG TERINFEKSI DI LINGKUNGAN TERCEMAR ( S TA B I L I T Y A N A LY S I S O F A P R E D AT O R - P R E Y M O D E L W I T H I N F E C T
Lebih terperinciKarena v merupakan vektor bukan nol, maka A Iλ = 0. Dengan kata lain, Persamaan (2.2) dapat dipenuhi jika dan hanya jika,
BAB II KAJIAN TEORI Pada bab ini akan dibahas mengenai definisi-definisi dan teorema-teorema dari nilai eigen, vektor eigen, dan diagonalisasi, sistem persamaan differensial, model predator prey lotka-voltera,
Lebih terperinciANALISIS KESTABILAN MODEL MANGSA-PEMANGSA DENGAN INTERFERENSI ANTARPEMANGSA FIKRI AZHARI
ANALISIS KESTABILAN MODEL MANGSA-PEMANGSA DENGAN INTERFERENSI ANTARPEMANGSA FIKRI AZHARI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 03 ABSTRAK FIKRI
Lebih terperinci