ANALISIS KESTABILAN MODEL VIRUS KOMPUTER DENGAN INFEKSI TUNDA DAN PEMULIHAN TUNDA ANIF LAILIL ACHADIYAH
|
|
- Fanny Hermawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 ANALISIS KESTABILAN MODEL VIRUS KOMPUTER DENGAN INFEKSI TUNDA DAN PEMULIHAN TUNDA ANIF LAILIL ACHADIYAH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2015
2
3 PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa skripsi berjudul Analisis Kestabilan Model Virus Komputer dengan Infeksi Tunda dan Pemulihan Tunda adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor. Bogor, Juli 2015 Anif Lailil Achadiyah NIM G
4 ABSTRAK ANIF LAILIL ACHADIYAH. Analisis Kestabilan Model Virus Komputer dengan Infeksi Tunda dan Pemulihan Tunda. Dibimbing oleh ALI KUSNANTO dan ENDAR H NUGRAHANI. Model dinamik dalam tulisan ini disusun dari model virus komputer dengan mempertimbangkan waktu tunda terhadap komputer yang terinfeksi dan komputer yang pulih. Analisis kestabilan dilakukan terhadap model tanpa waktu tunda dan dengan waktu tunda. Model tanpa waktu tunda memiliki dua titik tetap, salah satunya bersifat stabil dan lainnya tidak stabil. Sedangkan model dengan waktu tunda memiliki titik tetap yang salah satunya bersifat spiral stabil. Jika nilai waktu tunda yang digunakan relatif besar, maka dapat berakibat terjadinya perubahan kestabilan dari spiral stabil ke spiral tak stabil sehingga muncul limit cycle dan terjadi bifurkasi Hopf. Kata kunci: bifurkasi Hopf, model virus komputer, waktu tunda ABSTRACT ANIF LAILIL ACHADIYAH. Stability Analysis of Computer Virus Model with Infection Delay and Recovery Delay. Supervised by ALI KUSNANTO and ENDAR H NUGRAHANI. In this paper, a dynamical model is composed of computer virus model that considers time delay of infection and recovery processes. Stability analysis is performed to both models, i.e. the models with and without time delay. The model without time delay has two fixed points, which one of them is stable and the other is unstable. On the other hand, the model with time delay has fixed points which one of them is spiral stable. If the value of time delay is sufficiently large, then it will imply the stability changes from spiral stable to spiral unstable and subsequently the appearance of limit-cycle and Hopf bifurcation. Keywords: computer virus model, Hopf bifurcation, time delay
5 ANALISIS KESTABILAN MODEL VIRUS KOMPUTER DENGAN INFEKSI TUNDA DAN PEMULIHAN TUNDA ANIF LAILIL ACHADIYAH 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 2015
6
7 Judul Skripsi Nama NIM Anal isis Kestabilan Model Virus Komputer clengan Infeksi Tunda dan Pemulihan Tunda Anif Lailil Achacliyah G Disetujui oleh 4~ Drs Ali Kusnanto. MSi Pembimbing 1 Dr Ir Endar H. Nugrahani. MS Pembimbing II Diketahui oleh... Dr Toni Bakhtiar, MSc Ketua Departemen Tanggal Lulus: " ~ I. ::J..... ~~._ 20 15
8 PRAKATA Puji dan syukur penulis panjatkan kehadirat Allah subhanahu wa ta ala atas segala nikmat, rahmat, karunia, dan pertolongan yang telah diberikan sehingga karya ilmiah yang berjudul Analisis Kestabilan Model Virus Komputer dengan Infeksi Tunda dan Pemulihan Tunda dapat diselesaikan. Penyusunan karya ilmiah ini tidak lepas dari bantuan beberapa pihak. Oleh karena itu, penulis mengucapkan terimakasih kepada: 1 Allah SWT atas segala rahmat dan karunia-nya, 2 Nabi besar Muhammad SAW sebagai nabi akhir zaman, 3 Almarhum Ayahanda Suyatmin tercinta yang senantiasa menjadi inspirasi dan motivasi penulis untuk semangat menyelesaikan karya ilmiah ini. Ibunda Sulistiyaningsih tersayang, Mas Eko, Mbak Devi, dan Dika yang penulis sayangi yang selalu memberikan doa, semangat, motivasi dan kasih sayang yang tiada henti, 4 Bapak Drs Ali Kusnanto, MSi, dan Ibu Dr Ir Endar H Nugrahani, MS selaku dosen pembimbing atas segala kesabaran, ilmu, saran dan motivasinya selama membimbing penulis, serta Bapak Ir Ngakan Komang Kutha Ardana, MSc selaku dosen penguji, 5 staf tata usaha Departemen Matematika IPB, 6 sahabat-sahabat: Zunita, Aring, Rifa, Riris, Septian, Zaenal, dan ppj (Dini, Rika, Arinda, Sabila, Disti, Siti) yang telah memberikan motivasi, bantuan, keceriaan, dan arti sahabat juga keluarga bagi penulis, 7 teman-teman satu bimbingan: Hasan dan Mula yang senantiasa saling mengingatkan, membantu dan memberikan motivasi dalam penyusunan karya ilmiah ini, 8 saudara ipar: Mbak Resty dan Mas Argo atas doa dan dukungannya, 9 teman-teman ikmp 48, mahasiswa Matematika 48, PB Gumatika, PSDM Gumatika 2013/2014, tim basket Matematika, Gemilang, dan Erna atas doa, semangat, serta kebersamaannya selama ini, 10 semua pihak yang telah membantu dalam penyusunan karya ilmiah ini. Bogor, Juli 2015 Anif Lailil Achadiyah
9 DAFTAR ISI DAFTAR TABEL vi DAFTAR GAMBAR vi DAFTAR LAMPIRAN vi PENDAHULUAN 1 Latar Belakang 1 Tujuan 2 LANDASAN TEORI 2 HASIL DAN PEMBAHASAN 4 Pemodelan 4 Pembahasan 6 A. Model Virus Komputer tanpa Waktu Tunda 6 Penentuan Titik Tetap Model 6 Analisis Kestabilan Titik Tetap Model 6 Analisis Kestabilan Titik Tetap T 1 6 Analisis Kestabilan Titik Tetap T 2 7 B. Model Virus Komputer dengan Waktu Tunda 9 Pelinearan Model dengan Waktu Tunda 9 Penentun Nilai eigen Model 10 Kasus 1 (τ 1 > 0, τ 2 = 0) 10 Kasus 2 (τ 1 = 0, τ 2 > 0) 11 Bifurkasi Hopf 12 SIMULASI NUMERIK 14 SIMPULAN 22 DAFTAR PUSTAKA 22 LAMPIRAN 24 RIWAYAT HIDUP 48
10 DAFTAR TABEL 1 Titik tetap model tanpa waktu tunda 9 2 Titik tetap, nilai eigen, dan kestabilan untuk simulasi 14 3 Pemilihan nilai waktu tunda 19 DAFTAR GAMBAR 1 Bidang fase model virus komputer (SIR) 15 2 Bidang solusi komputer yang rentan 15 3 Bidang solusi komputer yang terinfeksi 15 4 Bidang solusi komputer yang pulih 15 5 Bidang fase model virus komputer saat τ 1 = 2 dan τ 2 = Bidang solusi komputer yang rentan saat τ 1 = 2 dan τ 2 = Bidang solusi komputer yang terinfeksi saat τ 1 = 2 dan τ 2 = Bidang solusi komputer yang pulih saat τ 1 = 2 dan τ 2 = Bidang fase model virus komputer saat τ 1 = 5 dan τ 2 = Bidang solusi komputer yang rentan saat τ 1 = 5 dan τ 2 = Bidang solusi komputer yang terinfeksi saat τ 1 = 5 dan τ 2 = Bidang solusi komputer yang pulih saat τ 1 = 5 dan τ 2 = Bidang fase model virus komputer saat τ 1 = 0 dan τ 2 = Bidang solusi komputer yang rentan saat τ 1 = 0 dan τ 2 = Bidang solusi komputer yang terinfeksi saat τ 1 = 0 dan τ 2 = Bidang solusi komputer yang pulih saat τ 1 = 0 dan τ 2 = Bidang fase model virus komputer saat τ 1 = 0 dan τ 2 = Bidang solusi komputer yang rentan saat τ 1 = 0 dan τ 2 = Bidang solusi komputer yang terinfeksi saat τ 1 = 0 dan τ 2 = Bidang solusi komputer yang pulih saat τ 1 = 0 dan τ 2 = 7 21 DAFTAR LAMPIRAN 1 Penentuan titik tetap model tanpa waktu tunda 24 2 Analisis kestabilan titik tetap T Analisis kestabilan titik tetap T Pelinearan dan penentuan matriks Jacobi 31 5 Persamaan karakteristik 33 6 Penjabaran kasus 1 (τ 1 > 0, τ 2 = 0) 35 7 Penjabaran kasus 2 (τ 1 = 0, τ 2 > 0) 37 8 Bifurkasi Hopf 40 9 Penjabaran kondisi transversabilitas Program plot bidang fase model virus komputer tanpa waktu tunda (Gambar 1) 44
11 11 Program plot bidang solusi model virus komputer rentan tanpa waktu tunda (Gambar 2) Program plot bidang solusi model virus komputer terinfeksi tanpa waktu tunda (Gambar 3) Program plot bidang solusi model virus komputer pulih tanpa waktu tunda (Gambar 4) 47
12
13 1 PENDAHULUAN Latar Belakang Komputer merupakan salah satu alat penting yang digunakan dalam kehidupaan sehari-hari. Seiring berkembangnya teknologi sekarang ini, jaringan komputer telah menjadi populer di kalangan masyarakat. Jaringan komputer terdiri atas sejumlah komputer dan perangkat jaringan lainnya yang bekerja bersama-sama dan terhubung satu sama lain baik dengan maupun tanpa kabel. Melalui jaringan komputer, masyarakat dapat menemukan banyak hal maupun informasi yang baru dan berguna. Namun, hal itu tidak lepas dengan adanya virus komputer yang ada pada jaringan komputer. Virus komputer merupakan ancaman besar pada jaringan komputer. Sama halnya seperti virus biologi, virus komputer bekerja dengan cara menggandakan dirinya sendiri dan menyebar dengan cara menyisipkan dirinya ke sel makhluk hidup. Penggunaan sistem jaringan komputer, menyebabkan virus komputer dapat menyebar dari komputer satu ke komputer lainnya yang saling terhubung. Komputer yang sudah terjangkit virus tidak dapat bekerja secara optimum karena semakin lama virus tersebut dapat menyebabkan kerusakan pada software maupun hardware komputer. Oleh karena itu, perlu adanya pengontrolan perkembangbiakan virus komputer pada jaringan komputer. Pengontrolan perkembangbiakan virus komputer dapat dilakukan dengan model matematika. Zhang et al. (2012) mempelajari tentang sebuah model impuls untuk virus komputer dan menentukan dinamika global pada model. Yang et al. (2013) menganalisis model virus komputer dengan gradasi tingkat kesembuhan komputer dan menunjukkan bahwa dinamika global ditentukan dengan bilangan reproduksi dasar. Selain itu, pengontrolan juga dapat menggunakan nilai ambang epidemiologi. Ada beberapa penelitian tentang model epidemiologi. Misalnya, Ma et al. (2004) menganalisis stabilitas global model epidemi SIR dengan waktu tunda. Wang dan Zhao (2012) memperoleh bilangan reproduksi dasar model epidemi reaksi-difusi dengan struktur kompartemen yang dianggap mempengaruhi heterogenitas spasial dan mobilitas penduduk pada penyakit transmisi dengan model spasial. Salah satu cara yang digunakan untuk mengontrol perkembangbiakan virus komputer adalah dengan model matematika. Model matematika tentang virus komputer ini terdiri dari tiga kategori komputer, yaitu komputer yang rentan (suspectible), terinfeksi (infected), dan pulih (recovered). Untuk melihat perkembangan virus komputer dengan model matematika ini akan digunakan dua waktu tunda, yaitu waktu tunda terinfeksi dan waktu tunda pemulihan. Model virus komputer ini digambarkan dalam suatu persamaan matematika yang telah dikembangkan sebelumnya oleh Song et al. (2014) dalam jurnal Stability and Hopf Bifurcation of Computer Virus Model with Infection Delay and Recovery Delay. Dalam karya ilmiah ini akan direkonstruksi model Song et al. ini dan
14 2 selanjutnya akan dibahas pengaruh waktu tunda pada infeksi virus komputer dan pemulihan komputer yang terkena virus terhadap kestabilan model virus komputer ini. Tujuan Penulisan karya ilmiah ini bertujuan untuk: 1. mengkonstruksi model virus komputer tanpa dan dengan waktu tunda yang dituliskan oleh Song et al. (2014), 2. menganalisis kestabilan model virus komputer tanpa dan dengan waktu tunda, 3. menentukan pengaruh waktu tunda terhadap kestabilan sistem, 4. menentukan keberadaan bifurkasi Hopf pada model virus komputer. LANDASAN TEORI Misalkan suatu sistem persamaan diferensial dinyatakan sebagai : dengan x 1 (t) x = x n (t) dan f t, x = x = f(t, x) (1) f 1 (t, x 1, x 2,, x n ) f n (t, x 1, x 2,, x n ). Jika f(t, x) fungsi tak linear pada x 1, x 2,, x n, maka sistem persamaan diferensial (1) disebut sistem persamaan diferensial tak linear. Jika f(t, x) fungsi linear maka sistem persamaan diferensial (1) disebut persamaan diferensial linear (Braun 1983). Misalkan juga, suatu model populasi dengan k spesies yang berinteraksi dalam komunitas dapat dituliskan dalam bentuk persamaan : dx 1 dx 2 dx k atau dapat ditulis dalam notasi vektor = f 1 (x 1, x 2,, x k ), = f 2 (x 1, x 2,, x k ), = f k (x 1, x 2,, x k ), dx = f(x) (2) dengan X = (x 1, x 2,, x k ) dan f = (f 1, f 2,, f k ) fungsi taklinear pada x 1, x 2,, x k.
15 3 Kestabilan sistem (2) tersebut dapat ditentukan dengan urutan sebagai berikut: 1 menentukan titik tetap (x ) yang memenuhi f x = 0. 2 pelinearan dengan menentukan matriks Jacobi pada titik tetap, yaitu: J = f (x) atau x J = f 1 x 1 f 1 x 2 f 1 x k f k x 1 f k x 2 f k x k 3 menentukan nilai eigen, dengan menyelesaikan det J λi = 0. Nilai eigen (λ) ini akan memenuhi persamaan karakteristik berikut: λ n + a 1 λ n 1 + a 2 λ n a k = 0. (Edelstein-Keshet 1998) Selanjutnya untuk melihat kestabilan sistem dapat menggunakan kriteria perilaku kestabilan titik tetap sebagai brikut: 1 stabil, jika a. setiap nilai eigen real adalah negatif ( λ i < 0 untuk setiap i ), b. setiap komponen nilai eigen kompleks bagian realnya lebih kecil atau sama dengan nol ( Re(λ i ) 0 untuk setiap i ), 2 tak stabil, jika a. setiap nilai eigen real adalah positif ( λ i > 0 untuk setiap i ), b. setiap komponen nilai eigen kompleks bagian realnya lebih besar dari nol ( Re λ i > 0 untuk setiap i ), 3 sadel, jika ada perkalian dua buah nilai eigen sembarang adalah ngatif (λ i λ j < 0 untuk suatu i dan j ). (Perko 1991) Jika suatu sistem dinamika mengalami perubahan seperti perubahan banyaknya titik tetap atau perubahan kestabilan titik tetap maka kondisi seperti ini dinamakan bifurkasi. Titik yang mengalami bifurkasi disebut titik bifurkasi. Pada bifurkasi satu-dimensi ditemukan kasus bifurkasi saddlenode, bifurkasi transcritical, bifurkasi pitchfork (supercritical dan subcritical). Sedangkan pada kasus dua-dimensi ditemukan kasus bifurkasi Hopf. Bifurkasi Hopf terjadi pada saat kesetimbangan sistem mengalami perubahan stabilitas dari spiral stabil ke spiral tak stabil atau sebaliknya (Strogatz 1994). Sistem dinamika yang berkaitan dengan penyakit, biasanya terdapat bilangan reproduksi dasar (R 0 ) yaitu nilai harapan yang dihasilkan pada suatu populasi yang seluruhnya rentan oleh suatu jenis individu yang terinfeksi atau menular. Kondisi yang akan timbul adalah sebagai berikut: 1. Jika R 0 < 1 maka setiap individu yang menular akan menginfeksi kurang dari 1 individu baru dan penyakit tidak dapat berkembang atau punah..
16 4 2. Jika R 0 > 1 maka setiap individu yang menular akan menginfeksi lebih dari 1 individu baru dan penyakit tersebut dapat menyerang populasi sehingga menjadi wabah. (Driessche dan Watmough 2002) HASIL DAN PEMBAHASAN PEMODELAN Dalam penelitian ini akan dikonstruksi model virus komputer tanpa dan dengan waktu tunda yang diambil dari jurnal Stability and Hopf Bifurcation of Computer Virus Model with Infection Delay and Recovery Delay (Song et al. 2014). Asumsi yang digunakan dalam model adalah semua nilai parameter positif. Model virus komputer tanpa dan dengan waktu tunda mendeskripsikan tentang penyebaran virus komputer pada berbagai komputer. Ada tiga kategori komputer dalam model tersebut yaitu komputer yang rentan (suspectible), terinfeksi (infected), dan pulih (recovered) sehingga model disebut juga dengan model dinamik SIR. Suspectible Infected Recovered 1. Model virus komputer tanpa waktu tunda dengan ds(t) di (t) dr(t) Model virus komputer tanpa waktu tunda berbentuk: ds(t) = b βs t I t + vr t μs(t), di(t) dr(t) = βs t I t μ + γ I(t), (3) = γi t vr(t) μr(t), : laju pertumbuhan komputer yang rentan terhadap virus komputer per satuan waktu, : laju pertumbuhan komputer yang terinfeksi oleh virus komputer per satuan waktu, : laju pertumbuhan komputer yang pulih per satuan waktu, S t : komputer yang rentan, I(t) : komputer yang terinfeksi, R(t) : komputer yang pulih, b : tingkat pertumbuhan komputer yang terhubung ke jaringan,
17 5 β μ γ v : tingkat terinfeksi, : tingkat kematian (komputer tidak dapat digunakan kembali) pada kelas S t, I t, R t, : tingkat pemulihan komputer yang terinfeksi karena kemampuan antivirus pada jaringan, : tingkat dimana satu komputer pulih beralih ke rentan. 2. Model virus komputer dengan waktu tunda dengan ds(t) di (t) dr(t) Model virus komputer dengan waktu tunda berbentuk: ds(t) = b βs t I t τ 1 e μτ 1 + vr(t τ 2 ) μs(t), di(t) = βs t I t τ 1 e μτ 1 μ + γ I(t), (4) dr(t) = γi t vr(t τ 2 ) μr(t), : laju pertumbuhan komputer yang rentan terhadap virus komputer per satuan waktu, : laju pertumbuhan komputer yang terinfeksi oleh virus komputer per satuan waktu, : laju pertumbuhan komputer yang pulih per satuan waktu, S t : komputer yang rentan, I(t) : komputer yang terinfeksi, R(t) : komputer yang pulih, b : tingkat pertumbuhan komputer yang terhubung ke jaringan, β : tingkat terinfeksi, μ : tingkat kematian (komputer tidak dapat digunakan kembali) pada kelas S t, I t, R t, γ : tingkat pemulihan komputer yang terinfeksi karena kemampuan antivirus pada jaringan, v : tingkat dimana satu komputer pulih beralih ke rentan, τ 1 : waktu tunda terinfeksi, τ 2 : waktu tunda pemulihan, e μ τ 1: peluang kelangsungan hidup komputer yang terinfeksi pada selang (0,1]. Secara umum desain penelitian yang dilakukan adalah menentukan titik keseimbangan model, melinearisasi model, menganalisis kestabilan dari titik keseimbangan, dan melakukan simulasi numerik. Software komputasi yang digunakan pada penelitian ini adalah dengan menggunakan Wolfram Mathematica 10.0.
18 6 PEMBAHASAN A. Model Virus Komputer tanpa Waktu Tunda Penentuan Titik Tetap Titik tetap diperoleh dengan menentukan ds(t) dr t = 0, = 0 terhadap persamaan (3), sehingga persamaan menjadi di t = 0 dan b βs t I t + vr(t) μs t = 0, βs t I t μ + γ I t = 0, (5) γi t vr(t) μr t = 0. Berdasarkan persamaan (5) diperoleh dua titik tetap (bukti dapat dilihat pada Lampiran 1), yaitu T 1 S(t), I(t), R(t) = b, 0,0, (6) μ T 2 S(t), I(t), R(t) = μ+γ β, bβ μ 2 μγ (μ+v) β (μ 2 +μv +μγ ) bβ μ 2 μγ γ,. (7) β (μ 2 +μv +μγ ) Kemudian berdasarkan persamaan (3) diperoleh matriks Jacobi sebagai berikut : J = βi t μ βs t v βi t βs t μ + γ 0 0 γ v μ. (8) Analisis Kestabilan Titik Tetap Model Pada pembahasan sebelumnya terhadap model tanpa waktu tunda telah diperoleh dua titik tetap pada persamaan (6) dan (7). Analisis kestabilan dilakukan dengan cara mencari nilai eigen pada masing-masing titik tetap. Analisis kestabilan di titik tetap T 1 Titik tetap T 1 = b, 0,0 disubstitusikan ke dalam persamaan (8), μ sehingga diperoleh matriks Jacobi sebagai berikut: J T1 = μ 0 bβ μ bβ μ μ μ +γ μ v 0 0 γ v μ.
19 7 Nilai eigen ditentukan dari persamaan J T1 λi = 0. Dari sini diperoleh nilai eigen sebagai berikut: λ 1 = μ, λ 2 = v μ, atau λ 3 = bβ. μ μ (Bukti dapat dilihat pada Lampiran 2) Karena nilai semua parameter yang digunakan adalah positif (b, β, μ, γ > 0), analisis kestabilan yang akan diperoleh sebagai berikut: 1. Jika bβ < μ μ + γ, maka λ 1 < 0, λ 2 < 0, λ 3 < 0 sehingga titik tetap bersifat simpul stabil. 2. Jika bβ > μ μ + γ, maka λ 1 < 0, λ 2 < 0, λ 3 > 0 sehingga titik tetap bersifat sadel. 3. Jika bβ = μ μ + γ, maka λ 3 = 0 sehingga diperoleh bilangan reproduksi dasar (R 0 ) sebagai berikut: R 0 = bβ μ (μ +γ) μ (μ +γ). (Bukti dapat dilihat pada Lampiran 2) Berdasarkan kriteria yang ketiga, diperoleh kriteria untuk bilangan reproduksi dasar (R 0 ) : 1. Jika bβ < μ μ + γ, maka R 0 < 1 sehingga virus akan menghilang. 2. Jika bβ > μ μ + γ, maka R 0 > 1 sehingga virus akan meningkat dan menjadi wabah. Analisis kestabilan di titik tetap T 2 Titik tetap T 2 = μ +γ β, bβ μ 2 μγ (μ +v) β(μ 2 +μv +μγ ) disubstitusikan ke dalam persamaan (8), sehingga diperoleh :, bβ μ 2 μγ γ β (μ 2 +μv +μγ ) J T2 = bβ μ 2 μγ (μ +v) (μ 2 +μv +μγ ) bβ μ 2 μγ (μ +v) (μ 2 +μv +μγ ) μ μ γ v γ v μ. Nilai eigen pada titik tetap T 2 diperoleh dengan menggunakan software dan disederhanakan (bukti dapat dilihat pada Lampiran 3) sebagai berikut: λ 1 = μ, λ 2 = μ (μ +γ+v) 4μ μ + γ + v λ 3 = μ (μ +γ+v) 4μ μ + γ + v [ bβ + μv (μ + v) + bβ + μv μ + v 2 μ + v 2 + μ + v γ bβ μ 2 μγ [ bβ + μv (μ + v) + bβ 1 2 ], + μv μ + v 2 μ + v 2 + μ + v γ bβ μ 2 μγ Kemudian dilakukan penyederhanaan dengan R 0 = eigen λ 2 dan λ 3, sehingga diperoleh bβ μ (μ +γ) 1 2 ]. pada nilai
20 8 λ 2 = 1 2 μ +γ+v μ + γ R 0 + v (μ + v) + dan λ 3 = μ + γ R 0 + v (μ + v) 2 4(R 0 1) μ + γ + v 1 2 μ +γ+v μ + γ R 0 + v (μ + v) + μ + v 2 + μ + v γ. Misalkan μ + γ R 0 + v (μ + v) 2 4(R 0 1) μ + γ + v μ + v 2 + μ + v γ m = μ + γ R 0 + v (μ + v) 2 4(R 0 1) μ + γ + v μ + v 2 + μ + v γ, sehingga λ 2 = dan λ 3 = 1 2 μ +γ+v μ + γ R 0 + v (μ + v) + m 1 2 μ +γ+v μ + γ R 0 + v (μ + v) + m. Karena semua nilai parameternya positif (b, β, μ, γ > 0), diperoleh kriteria untuk analisis kestabilan sebagai berikut: 1. Jika R 0 < 1 maka m > 0 2. Jika R 0 > 1 maka ada ketentuan yang memungkinkan mendapatkan nilai dari m sebagai berikut: Jika μ + γ R 0 + v (μ + v) 2 > 4(R 0 1) μ + γ + v μ + v 2 + μ + v γ, maka nilai m > 0. Jika μ + γ R 0 + v (μ + v) 2 < 4(R 0 1) μ + γ + v μ + v 2 + μ + v γ, maka nilai m < 0. Selanjutnya, untuk mengetahui kestabilan dari λ 2 digunakan ketentuan seperti berikut: 1. m > 0, μ + γ R 0 + v (μ + v) > 0. Jika μ + γ R 0 + v (μ + v) < m maka λ 2 > 0. Jika μ + γ R 0 + v (μ + v) > m maka λ 2 < 0. Jika μ + γ R 0 + v (μ + v) = m maka λ 2 = m < 0, μ + γ R 0 + v (μ + v) > 0 maka λ 2 imajiner. Sedangkan, untuk mengetahui kestabilan dari λ 3 digunakan ketentuan seperti berikut: 1. Jika m > 0 maka λ 3 < Jika m < 0 maka λ 3 imajiner. (Bukti dapat dilihat pada Lampiran 3)
21 9 Berdasarkan ketentuan yang telah dijabarkan sebelumnya, diperoleh kesimpulan sebagai berikut: 1. Jika m > 0, μ + γ R 0 + v (μ + v) < m maka λ 1 < 0, λ 2 > 0, λ 3 < 0, sehingga titik tetap bersifat sadel. 2. Jika m > 0, μ + γ R 0 + v (μ + v) > m maka λ 1 < 0, λ 2 < 0, λ 3 < 0, sehingga titik tetap bersifat simpul stabil. 3. Jika m < 0, μ + γ R 0 + v μ + v > 0, maka λ 1 < 0, λ 2 imajiner, λ 3 imajiner, sehingga titik tetap bersifat spiral stabil. Ringkasan kriteria untuk menentukan kestabilan T 1 dan T 2 dapat dilihat dalam Tabel 1 berikut. Tabel 1 Titik tetap model tanpa waktu tunda Kriteria T 1 T 2 R 0 < 1, m > 0, μ + γ R 0 + v (μ + v) < m Simpul stabil Sadel R 0 < 1, m > 0, μ + γ R 0 + v μ + v > m Simpul stabil Simpul stabil R 0 > 1, m > 0, μ + γ R 0 + v μ + v > m R 0 > 1, m < 0, μ + γ R 0 + v μ + v > 0 Sadel Sadel Simpul stabil Spiral stabil B. Model Virus Komputer dengan Waktu Tunda Pelinearan Model dengan Waktu Tunda Model virus komputer dengan waktu tunda pada persamaan (4), dianalisis menggunakan pendekatan model linear. Misalkan x t = S t S S t = x t + S, y t = I t I I t = y t + I, (9) z t = R t R R t = z t + R. Kemudian mensubstitusikan persamaan (8) ke dalam persamaan (4), sehingga didapat hasil pelinearan (bukti dapat dilihat pada Lampiran 4) sebagai berikut: x t = μx t βi e μτ 1x t βs e μτ 1y t τ 1 + vz t τ 2 βe μτ 1x t y t τ 1, y t = βi e μτ 1x t μ + γ y t + βs e μτ 1y t τ 1 + βe μτ 1x t y t τ 1, z t = γy t μz t vz t τ 2. (10)
22 10 Berdasarkan persamaan (10) yang telah diperoleh, matriks Jacobi dapat dikonstruksi menjadi μ βi e μτ 1 βs e μτ 1e λτ 1 ve λτ 2 J = βi e μτ 1 μ γ + βs e μτ 1e λτ 1 0. (11) 0 γ μ ve λτ 2 Penentuan Nilai Eigen Model Penentuan nilai eigen model menggunakan rumus J λi = 0 seperti persamaan yang diperoleh berikut: μ βi e μτ 1 λ βs e μτ 1e λτ 1 ve λτ 2 βi e μτ 1 μ γ + βs e μ τ 1e λτ 1 λ 0 0 γ μ ve λτ 2 λ = 0. Akibatnya didapatkan persamaan karakteristik (bukti dapat dilihat pada Lampiran 5) sebagai berikut: λ + μ [λ 2 + λ 2μ + γ + βi e μτ 1 + μ 2 + βi γe μτ 1 + μβi e μτ 1 + μγ] + λ + μ e λτ 1 βs e μτ 1λ βs e μτ 1μ + λ + μ e λτ 2 vλ + μv + βi ve μτ (12) 1 + γv + λ + μ e λ τ 1+τ 2 βs ve μτ 1 = 0. Ada dua kasus yang akan dibahas untuk model virus komputer dengan waktu tunda pada persamaan (4), yaitu saat τ 1 > 0, τ 2 = 0 dan saat τ 1 = 0, τ 2 > 0. Kasus 1 ( τ 1 > 0, τ 2 = 0 ) Pada kasus 1 ini, dimasukkan nilai τ 1 > 0, τ 2 = 0 ke dalam persamaan (12) sehingga didapatkan nilai eigen seperti berikut: λ = μ λ 2 + p 1 λ + p 0 + e λτ 1 q 1 λ + q 0 = 0 dengan p 1 = μ + γ + μ + v + βi e μτ 1, p 0 = μ + γ + μ + v + μ + γ + v βi e μτ 1, q 1 = βs e μτ 1, q 0 = μ + v βs e μ τ 1. Untuk λ = μ selalu bernilai negatif. Sedangkan untuk mencari nilai dari persamaan λ 2 + p 1 λ + p 0 + e λτ 1 q 1 λ + q 0 = 0, dilakukan dengan cara mensubstitusikan λ = iω, ω > 0 ke dalam persamaan sehingga diperoleh persamaan berikut: (iω) 2 + p 1 (iω) + p 0 + e iωτ 1 q 1 (iω) + q 0 = 0. Karena e iωτ = cos ωτ isin(ωτ), persamaan menjadi ω 2 + p 1 iω + p 0 + q 1 ωi cos ωτ 1 + q 0 cos ωτ 1 + (13) q 1 ωsin ωτ 1 q 0 isin ωτ 1 = 0. Selanjutnya memisahkan bagian real dan imajiner pada persamaan (13), sehingga diperoleh ω 2 + p 0 + q 0 cos ωτ 1 + q 1 ωsin ωτ 1 = 0, ω 2 p 0 = q 1 ω sin ωτ 1 + q 0 cos ωτ 1.
23 11 p 1 ω + q 1 ω cos ωτ 1 q 0 sin ωτ 1 = 0, p 1 ω = q 0 sin ωτ 1 q 1 ω cos ωτ 1. Setelah memisahkan bagian real dan imajiner, kemudian menguadratkan kedua ruas masing-masing, sehingga diperoleh persamaan sebagai berikut: (ω 2 p 0 ) 2 = (q 1 ω sin ωτ 1 + q 0 cos ωτ 1 ) 2, ω 4 2ω 2 p 0 + p 0 2 = q 1 2 ω 2 sin 2 ωτ 1 + q 0 2 cos 2 ωτ 1 + 2q 0 q 1 ω sin ωτ 1 cos ωτ 1. (p 1 ω) 2 = (q 0 sin ωτ 1 q 1 ω cos ωτ 1 ) 2, p 1 2 ω 2 = q 0 2 sin 2 ωτ 1 + q 1 2 ω 2 cos 2 ωτ 1 2q 0 q 1 ω sin ωτ 1 cos ωτ 1. Kemudian kedua persamaan tersebut dijumlahkan dan dikelompokkan sesuai pangkat ω dengan cos 2 ωτ 1 + sin 2 ωτ 1 = 1 sehingga diperoleh polinomial berderajat empat ω 4 + p 1 2 2p 0 q 1 2 ω 2 + p 0 2 q 0 2 = 0. Untuk kasus ini, jika p 0 2 q 0 2 = 2 μ + γ μ + v + μ + γ + v βi e μ τ 1 μ + γ + v βi e μτ 1 > 0 dan p 1 2 2p 0 q 1 2 = μ + v 2 + (βi e μτ 1) 2 + 2μβI e μτ 1 > 0, maka tidak ada akar realnya. Jika tidak ada akar real, maka λ = iω tidak berlaku. Dengan demikian titik tetap tidak mungkin spiral. Jadi kasus ini bersifat asimtotik stabil. Berdasarkan teorema, jika R 0 > 0, maka kesetimbangan infeksi virus E * adalah asimtotik lokal stabil sehingga tidak ada Bifurkasi Hopf. (Bukti dapat dilihat pada Lampiran 6) Kasus 2 (τ 1 = 0, τ 2 > 0) Pada kasus 2 dimasukkan nilai τ 1 = 0, τ 2 > 0 ke dalam persamaan (12) sehingga diperoleh nilai eigen seperti berikut: λ = μ λ 2 + a 1 λ + a 2 + e λτ 2(b 1 λ + b 2 ) = 0 dengan a 1 = 2μ + γ + βi βs, a 2 = μ μ + γ + βi βs + βi γ, b 1 = v, b 2 = v μ + γ + βi βs. Untuk λ = μ selalu bernilai negatif. Sedangkan untuk mencari nilai dari persamaan λ 2 + a 1 λ + a 2 + e λτ 2(b 1 λ + b 2 ) = 0, dilakukan dengan cara mensubstitusikan λ = iω, ω > 0 ke dalam persamaa sehingga diperoleh persamaan berikut: (iω) 2 + a 1 (iω) + a 2 + e iω τ 2(b 1 (iω) + b 2 ) = 0. Karena e iωτ = cos ωτ isin(ωτ), persamaan menjadi ω 2 + a 1 iω + a 2 + b 1 ωi cos ωτ 2 + b 2 cos ωτ 2 + (14) b 1 ωsin ωτ 2 b 2 isin ωτ 2 = 0.
24 12 Selanjutnya memisahkan bagian real dan imajiner pada persamaan (14) sehingga diperoleh ω 2 + a 2 + b 2 cos ωτ 2 + b 1 ω sin ωτ 2 = 0, ω 2 a 2 = b 1 ω sin ωτ 2 + b 2 cos ωτ 2. (15) a 1 ω + b 1 ω cos ωτ 2 b 2 sin ωτ 2 = 0, a 1 ω = b 2 sin ωτ 2 b 1 ω cos ωτ 2. (16) Setelah memisahkan bagian real dan imajiner, kemudian menguadratkan kedua ruas masing-masing sehingga diperoleh persamaan sebagai berikut: (ω 2 a 2 ) 2 = (b 1 ω sin ωτ 2 + b 2 cos ωτ 2 ) 2, ω 4 2ω 2 a 2 + a 2 2 = b 1 2 ω 2 sin 2 ωτ 2 + b 2 2 cos 2 ωτ 2 + 2b 2 b 1 ω sin ωτ 2 cos ωτ 2. (a 1 ω) 2 = (b 2 sin ωτ 2 b 1 ω cos ωτ 2 ) 2, a 1 2 ω 2 = b 2 2 sin 2 ωτ 2 + b 1 2 ω 2 cos 2 ωτ 2 2b 2 b 1 ω sin ωτ 2 cos ωτ 2. Kedua persamaan tersebut dijumlahkan dan dikelompokkan sesuai pangkat ω dengan cos 2 ωτ 1 + sin 2 ωτ 1 = 1. Akibatnya diperoleh polinomial berderajat empat ω 4 + a 1 2 2a 2 b 1 2 ω 2 + a 2 2 b 2 2 = 0. (17) Dari persamaan (17) dapat dilihat bahwa persamaan tersebut merupakan polinomial berderajat genap. Bila didefinisikan ω ± 2 sebagai akar persamaan (17) akan diperoleh ω 2 ± = a a 2 b 1 ± a a 2 b 1 4(a2 2 2 b 2 ). 2 Selanjutnya, untuk mengetahui nilai tundaan kritis dilakukan pengubahan dalam bentuk secan pada persamaan (15) dan (16) dan disamadengankan. Sehingga diperoleh nilai tundaan kritis sebagai berikut: τ ± k = 1 tan 1 ω ±(a 2 b 1 b 1 ω 2 ± a 2 b 1 a 1 b 2 ) ω ± a 1 b 1 ω 2 ± (ω 2 + 2kπ, k = 0,1,2,3, (18) ± a 2 )b 2 ω ± (Bukti dapat dilihat pada Lampiran 7) Bifurkasi Hopf Teorema 1 (Kar 2003) Misalkan ada sebuah bilangan bulat positif m sedemikian sehingga m berubah kestabilan dari stabil ke tidak stabil atau sebaliknya. Jika τ 0, τ 0 + τ 0 +, τ 0 (τ m 1, τ m + ) titik tetap bersifat stabil dan τ τ 0 +, τ 0 τ 1 +, τ 1 (τ m 1 +, τ m 1 ) titik tetap bersifat tidak stabil, maka sistem akan terjadi bifurkasi Hopf terhadap titik tetap untuk τ = τ k ±, k = 0,1,2, Untuk membuktikan Teorema 1 Kar (2003) cukup dilakukan uji kebenaran kondisi transversabilitas, yaitu kondisi yang menyebabkan perubahan kestabilan titik tetap dengan waktu tunda. Kriteria kondisi yang digunakan adalah
25 13 d Re λ dτ τ = τ k + > 0 dan d Re λ dτ τ = τ k < 0. Langkah pertama untuk memenuhi Teorema 1 Kar (2003), persamaan λ 2 + a 1 λ + a 2 + e λτ 2(b 1 λ + b 2 ) = 0 diturunkan terhadap τ, sehingga diperoleh 2λ dλ dτ 2 + a 1 dλ dτ 2 + b 1 e λτ 2 τ 2 dλ dτ 2 = 0 atau dλ dτ 2 dλ dτ 2 + b 1 λe λτ 2 λ τ 2 dλ dτ 2 1 = 2λ+a 1 e λτ2 λ(b 1 λ+b 2 ) + + b 2 e λτ 2 λ b 1 λ(b 1 λ+b 2 ) τ 2 λ. (19) Dari persamaan λ 2 + a 1 λ + a 2 + e λτ 2(b 1 λ + b 2 ) = 0, didapat e λτ 2 = (b 1 λ+b 2 ). (λ 2 +a 1 λ+a 2 ) diperoleh Oleh karena itu, Kemudian disubstitusikan pada persamaan (19) sehingga dλ dτ 2 1 = 2λ+a 1 λ(λ 2 +a 1 λ+a 2 ) + b 1 λ(b 1 λ+b 2 ) τ 2 λ. sign d Reλ dτ 2 λ=iω = sign Re dλ dτ 2 1 λ=iω = sign Re 2λ+a 1 λ λ 2 +a 1 λ+a 2 λ=iω + Re 2 b 1 (ω 2 a 2 ) 2 +a 2 1 ω b 2 +b1 ω 2 = sign 2ω 2 +a 1 2 2a 2 = sign 2ω 2 +a 1 2 b 1 2 2a2 (ω 2 a 2 ) 2 +a 1 2 ω 2 = sign 2ω 2 + a 1 2 b 1 2 2a 2. Untuk nilai ω = ω + diperoleh sign b 1 + Re τ 2 λ(b 1 λ+b 2 ) λ=iω λ λ=iω (Bukti dapat dilihat pada Lampiran 8) d Reλ dτ 2 λ=iω + = sign 2ω a 1 2 b 1 2 2a 2 sehingga terpenuhi bahwa = sign a 1 2 2a 2 b (a 2 2 b 2 2 ), d Re λ dτ 2 τ2 =τ k + > 0. Untuk nilai ω = ω diperoleh sign d Reλ dτ 2 λ=iω = sign 2ω 2 + a 1 2 b 1 2 2a 2
26 14 = sign a 1 2 2a 2 b (a 2 2 b 2 2 ), sehingga terpenuhi bahwa d Re λ dτ 2 τ2 =τ k < 0. Oleh karena itu, kondisi transversabilitas terpenuhi. Jadi, τ k ± merupakan perubahan nilai waktu tunda untuk kestabilan model (10) sehingga terjadi bifurkasi Hopf. (Bukti dapat dilihat pada Lampiran 9) SIMULASI NUMERIK Simulasi numerik digunakan untuk memberikan ilustrasi secara visual dari hasil analisis kestabilan kasus 4. Analisis kestabilan pada model virus komputer ini, digambarkan oleh kurva bidang fase dan bidang solusi pada waktu t. Solusi numerik dilakukan dengan cara mensubstitusikan nilai parameter yang telah ditentukan berdasarkan analisis ke dalam persamaan model matematika virus komputer dengan waktu tunda. I. Model Virus Komputer tanpa Waktu Tunda Simulasi dilakukan untuk melihat perilaku kestabilan model virus komputer tanpa waktu tunda (persamaan (3)) menggunakan beberapa nilai parameter tetap, yaitu: b = 10, β = 5, μ = 3, γ = 2, v = 5 dengan nilai awal S 0 = 0.4, I 0 = 0.4, dan R 0 = 0.2. Nilai-nilai ini diasumsikan sebagai nilai dari ratusan komputer. Simulasi dilakukan dengan menggunakan software Matematica 10.0 pada model virus komputer tanpa waktu tunda sesuai parameter yang telah ditetapkan sebelumnya. Dari hasil simulasi ini diperoleh bidang solusi yang menunjukkan komputer rentan, terinfeksi dan pulih (SIR). Dalam simulasi ini, nilai titik tetap, nilai eigen dan jenis kestabilannya dapat dilihat pada Tabel 2 berikut ini. Tabel 2 Titik tetap, nilai eigen, dan kestabilan untuk simulasi Luaran Titik Tetap T 1 T 2 S I R λ λ i λ i Jenis kestabilan Sadel Spiral Stabil
27 15 Gambar 1 Bidang fase model virus komputer (SIR) Gambar 2 Bidang solusi komputer yang rentan Gambar 3 Bidang solusi komputer yang terinfeksi Gambar 4 Bidang solusi komputer yang pulih
28 16 Gambar 1 menyatakan bahwa komputer yang rentan, terinfeksi, dan pulih akan stabil menuju ke satu titik dari nilai awal yang telah ditetapkan. Gambar 2 menyatakan bahwa dari nilai awal yang telah ditetapkan sebelumnya, komputer rentan mengalami peningkatan yang pesat yang kemudian mengalami penurunan dan stabil pada titik 1. Gambar 3 menyatakan bahwa komputer yang terinfeksi mengalami peningkatan yang pesat dan akhirnya stabil pada titik Sedangkan Gambar 4 menyatakan bahwa dari nilai awal yang telah ditetapkan, komputer yang pulih mengalami peningkatan dan setelah itu stabil di titik II. Model Virus Komputer dengan Waktu Tunda τ 1 > 0, τ 2 = 0 Simulasi dilakukan untuk melihat perilaku kestabilan model virus komputer dengan waktu tunda terinfeksi (persamaan (4)) menggunakan beberapa nilai parameter tetap, yaitu: b = 10, β = 5, μ = 3, γ = 2, v = 5 dengan nilai awal S 0 = 0.4, I 0 = 0.4, dan R 0 = 0.2. Nilai-nilai ini diasumsikan sebagai nilai dari ratusan komputer. Kasus 1 (τ 1 = 2, τ 2 = 0) Gambar 5 Bidang fase model virus komputer saat τ 1 = 2 dan τ 2 = 0 Gambar 6 Bidang solusi komputer yang rentan saat τ 1 = 2 dan τ 2 = 0
29 17 Gambar 7 Bidang solusi komputer yang terinfeksi saat τ 1 = 2 dan τ 2 = 0 Gambar 8 Bidang solusi komputer yang pulih saat τ 1 = 2 dan τ 2 = 0 Gambar 5 menyatakan bahwa komputer yang rentan, terinfeksi, dan pulih akan stabil menuju ke satu titik dari nilai awal yang telah ditetapkan. Gambar 6 menyatakan bahwa dari nilai awal yang telah ditetapkan sebelumnya, komputer rentan mengalami peningkatan yang pesat dan stabil pada titik Gambar 7 menyatakan bahwa komputer yang terinfeksi mengalami penurunan dan akhirnya stabil pada titik 0. Sedangkan Gambar 8 menyatakan bahwa dari nilai awal yang telah ditetapkan, komputer yang pulih mengalami penurunan dan stabil di titik 0. Kasus 2 (τ 1 = 5, τ 2 = 0) Gambar 9 Bidang fase model virus komputer saat τ 1 = 5 dan τ 2 = 0
30 18 Gambar 10 Bidang solusi komputer yang rentan saat τ 1 = 5 dan τ 2 = 0 Gambar 11 Bidang solusi komputer yang terinfeksi saat τ 1 = 5 dan τ 2 = 0 Gambar 12 Bidang solusi komputer yang pulih saat τ 1 = 5 dan τ 2 = 0 Gambar 9 menyatakan bahwa komputer yang rentan, terinfeksi, dan pulih akan stabil menuju ke satu titik dari nilai awal yang telah ditetapkan. Gambar 10 menyatakan bahwa dari nilai awal yang telah ditetapkan sebelumnya, komputer rentan mengalami peningkatan yang pesat dan stabil pada titik Gambar 11 menyatakan bahwa komputer yang terinfeksi mengalami penurunan dan akhirnya stabil pada titik 0. Sedangkan Gambar 12 menyatakan bahwa dari nilai awal yang telah ditetapkan, komputer yang pulih mengalami penurunan dan stabil di titik 0. III. Model Virus Komputer dengan Waktu Tunda τ 1 = 0, τ 2 > 0 Simulasi dilakukan untuk melihat perilaku kestabilan model virus komputer dengan waktu tunda pemulihan (persamaan (4)) menggunakan beberapa nilai parameter tetap, yaitu: b = 10, β = 5, μ = 3, γ = 2, v = 5
31 19 dengan nilai awal S 0 = 0.4, I 0 = 0.4, dan R 0 = 0.2. Nilai-nilai ini diasumsikan sebagai nilai dari ratusan komputer. Pada model virus komputer dengan waktu tunda τ 1 = 0 dan τ 2 > 0 untuk menetapkan pilihan nilai τ 2 menggunakan hasil yang telah diperoeh sebelumnya yaitu persamaan (18) dengan memasukkan nilai parameter yang telah ditetapkan tersebut ditunjukkan dengan hasil pada Tabel 3. Kasus 1 (τ 1 = 0, τ 2 = 1) Tabel 3 Pemilihan nilai waktu tunda k τ k Gambar 13 Bidang fase model virus komputer saat τ 1 = 0 dan τ 2 = 1 Gambar 14 Bidang solusi komputer yang rentan saat τ 1 = 0 dan τ 2 = 1
32 20 Gambar 15 Bidang solusi komputer yang terinfeksi saat τ 1 = 0 dan τ 2 = 1 Gambar 16 Bidang solusi komputer yang pulih saat τ 1 = 0 dan τ 2 = 1 Gambar 13 menyatakan bahwa adanya osilasi atau naik turunnya komputer yang rentan, terinfeksi, dan pulih. Namun demikian, Gambar 13 stabil menuju ke satu titik dari nilai awal yang telah ditetapkan. Gambar 14 menyatakan bahwa dari nilai awal yang telah ditetapkan sebelumnya, komputer rentan mengalami osilasi dan stabil pada titik 1. Gambar 15 menyatakan bahwa komputer yang terinfeksi mengalami osilasi dan stabil pada titik Sedangkan Gambar 16 menyatakan bahwa dari nilai awal yang telah ditetapkan, komputer yang pulih mengalami osilasi dan stabil di titik Kasus 2 (τ 1 = 0, τ 2 = 7) Gambar 17 Bidang fase model virus komputer saat τ 1 = 0 dan τ 2 = 7
33 21 Gambar 18 Bidang solusi komputer yang rentan saat τ 1 = 0 dan τ 2 = 7 Gambar 19 Bidang solusi komputer yang terinfeksi saat τ 1 = 0 dan τ 2 = 7 Gambar 20 Bidang solusi komputer yang pulih saat τ 1 = 0 dan τ 2 = 7 Gambar 17 menyatakan bahwa adanya osilasi atau naik turunnya komputer yang rentan, terinfeksi, dan pulih secara terus menerus atau tertutup sehingga menyebabkan adanya limit cycle. Gambar 18 menyatakan bahwa dari nilai awal yang telah ditetapkan sebelumnya, komputer rentan mengalami osilasi secara terus menerus dan tidak stabil. Gambar 19 menyatakan bahwa komputer yang terinfeksi mengalami osilasi secara terus menerus dan tidak stabil. Sedangkan Gambar 20 menyatakan bahwa dari nilai awal yang telah ditetapkan, komputer yang pulih mengalami osilasi secara terus menerus dan tidak stabil. Berdasarkan hasil simulasi pada kasus 1 dan 2 yang telah diperoleh, diketahui bahwa pada masing-masing komputer terjadi perubahan kestabilan yaitu dari spiral stabil (saat τ 2 = 1) menjadi spiral tak stabil (saat τ 2 = 7).
34 22 Perubahan kestabilan ini menggambarkan adanya bifurkasi Hopf pada model virus komputer. SIMPULAN Model tanpa waktu tunda diperoleh dua titik tetap, di mana keduanya bersifat stabil dan tidak stabil. Kondisi ini tidak akan menyebabkan terjadinya bifurkasi Hopf. Model virus komputer dengan waktu tunda memiliki dua jenis waktu tunda yaitu waktu tunda terinfeksi dan waktu tunda pemulihan. Ketika model menggunakan waktu tunda terinfeksi, komputer yang terinfeksi tidak langsung menginfeksi komputer lain dan ketika model menggunakan waktu tunda pemulihan, komputer yang pulih mengalami perlambatan proses pemulihannya. Model virus komputer dengan waktu tunda terinfeksi memiliki jenis kestabilan yang bersifat stabil karena kestabilan sistem tidak berubah ketika waktu tunda terinfeksi yang diberikan semakin besar. Sedangkan pada model virus komputer dengan waktu tunda pemulihan, semakin besar nilai waktu tunda pemulihan yang diberikan, sistem semakin tidak stabil sehingga sistem memiliki perubahan kestabilan dari spiral stabil menjadi spiral tak stabil. Hal ini menyebabkan terjadinya bifurkasi Hopf. DAFTAR PUSTAKA Braun M Differential Equations and Their Applications. New York: Springer-Verlag. Driessche PVD, Watmough J Reproduction numbers ada subthreshold endemic equilibria for compartemental models of disease transmission. Mathematical Biosciences. 180: Edelstein-Keshet L Mathematical Models in Biology. New York: Random House. Kar TK Selective Harvesting in a Prey-Predator Fishery with Time Delay. Mathematical and Computer Modelling. 38: doi: /s (03) Ma W, Song M, Takeuchi Y Global stability of an SIR epidemic model with time delay, Applied Mathematics Letters, vol. 17, no. 10, pp doi: /j.aml Perko L Differential Equations and Dynamical System, Texts in Applied Mathematics, vol. 7. Springer-Verlag, New York. Song H, Jiang W, Wang Q Stability and Hopf bifurcation of computer virus model with infection delay and decovery Delay. Applied Mathematics, vol. 2014, Artikel ID , 10 pages. doi: /2014/
35 Strogatz SH Nonlinear Dynamics and Chaos, with Application to Physics, Biology, Chemistry, and Engineering. Massachusetts (US): Addison-Wesley Publishing Company. Wang W, Zhao XQ Basic reproduction numbers for reactiondiffusion epidemic models. SIAM Journal on Applied Dynamical Systems, vol. 11, no. 4, pp doi: / Yang LX, Yang X, Zhu Q, Wen L A computer virus model with graded cure rates. Nonlinear Analysis: Real World Applications, vol. 14, no. 1, pp doi: /j.nonrwa Zhang C, Zhao Y, Wu Y An impulse model for computer viruses. Discrete Dynamics in Nature and Society, vol. 2012, Article ID , 13 pages. doi: /2012/
36 24 LAMPIRAN Lampiran 1 Model Tanpa Waktu Tunda ds(t) = b βs t I t + vr(t) μs(t) di(t) = βs t I t μ + γ I(t) (3) dr(t) = γi t vr(t) μr(t) Penentuan Titik Tetap Titik tetap diperoleh dengan menentukan ds(t) dr t = 0 terhadap persamaan (3), Mencari titik tetap 1 ds(t) = 0 = 0, di t = 0 dan di t = 0 b βs t I t + vr(t) μs t = 0 βs t I t + μs t = b + vr(t) S t βi t + μ = b + vr(t) b + vr(t) S t = βi t + μ dr t = 0 βs t I t μ + γ I t = 0 I t βs t μ + γ = 0 I t = 0 γi t vr(t) μr t = 0 vr t + μr t = γi t R t {v + μ} = γi t R t = Karena I t = 0 Maka R t = 0 Kemudian substitusi ke S t = b+vr(t) βi t +μ sehingga didapat S t = b+0 β.0+μ = b μ Jadi titik tetap 1 γi t v + μ T 1 S(t), I(t), R(t) = b, 0,0 (6) μ
37 25 Mencari titik tetap 2 ds(t) = 0 di t = 0 b βs t I t + vr(t) μs t = 0 vr t = βs t I t + μs t b βs t I t + μs t b R t = v dr t = 0 βs t I t μ + γ I t = 0 βs t I t = μ + γ I t μ + γ I t S t = βi t μ + γ S t = β γi t vr t μr t = 0 γi t = vr t + μr t vr t + μr t I t = γ μ +γ vr t +μr t Substitusi S t = dan I t = ke persamaan β γ βs t I t + μs t b R t = v μ +γ vr t +μr t μ +γ β + μ b β γ β R t = v R t = R t = μ + γ μ + γ (v+μ ) γ (v+μ ) v γ (v+μ ) R t v R t μ + γ R t γ R t v μ + γ (v + μ)r t R t γv μ + γ v + μ R t 1 γv R t = 1 + μ 2 +μγ β + μ 2 +μγ b βv v μ +γ v+μ μ 2 +μγ β v = μ2 + μγ βv = μ2 + μγ βv = μ2 + μγ βv γv b b b v b v b v
38 26 R t = μ 2 +μγ bβ βv γv μ +γ γv v+μ R t = μ2 + μγ bβ γv βv γv μ + γ v + μ (μ 2 + μγ bβ)γ R t = (γv μ + γ v + μ )β (μ 2 + μγ bβ)γ R t = (γv μv + μ 2 + γv + μγ )β (μ 2 + μγ bβ)γ R t = (γv μv μ 2 γv μγ)β R t = (μ2 + μγ bβ)γ μv + μ 2 + μγ β R t = (bβ μ2 μγ)γ μv + μ 2 + μγ β R t = (bβ μ2 μγ)γ μv + μ 2 + μγ β Kemudian dari R t yang telah didapat, disubstitusikan ke I t vr t + μr t I t = γ (v + μ) I t = R t γ (v + μ) (bβ μ 2 μγ)γ I t = γ μv + μ 2 + μγ β I t = (bβ μ2 μγ)(v + μ) μv + μ 2 + μγ β Jadi titik tetap 2 sebagai berikut: T 2 S(t), I(t), R(t) = μ+γ β, (bβ μ 2 μγ )(v+μ ), (bβ μ 2 μγ )γ μv +μ 2 +μγ β μv +μ 2 +μγ β (7) Kemudian berdasarkan persamaan (3) diperoleh matriks Jacobi sebagai berikut : J = βi t μ βs t v βi t βs t μ + γ 0 0 γ v μ (8)
39 27 Lampiran 2 Analisis Kestabilan di Titik Tetap T 1 Titik tetap T 1 = b, 0,0 disubstitusikan ke dalam persamaan (8) μ μ β b μ v J T1 = = = 0 β b μ μ + γ 0 0 γ v μ μ bβ μ v 0 bβ μ + γ μ 0 0 γ v μ μ bβ μ v 0 bβ μ μ + γ μ μ 0 0 γ v μ Untuk memperoleh nilai eigen dengan menggunakan rumus J T1 λi = 0. Nilai eigen J T1 λi = 0 μ λ bβ μ v bβ μ μ + γ = 0 0 λ 0 μ μ 0 γ v μ λ μ λ v μ λ bβ μ μ + γ λ = 0 μ μ Dari persamaan tersebut, diperoleh nilai eigen λ 1 = μ atau λ 2 = v μ atau λ 3 = bβ μ(μ + γ) μ μ Ketika λ 3 = 0, diperoleh nilai R 0 dengan penjabaran seperti berikut: bβ μ(μ + γ) = 0 μ μ bβ μ(μ + γ) = μ μ bβ μ μ μ(μ + γ) = 1 R bβ 0 = μ(μ + γ)
40 28 Lampiran 3 Analisis Kestabilan Di Titik Tetap T 2 Titik tetap T 2 = μ +γ disubstitusikan ke dalam persamaan (8), seperti berikut β (bβ μ2 μγ)(v + μ) μv + μ 2 μ + μγ β β J T2 = β (bβ μ2 μγ)(v + μ) μ + γ β β, (bβ μ 2 μγ )(v+μ ), (bβ μ 2 μγ )γ μv +μ 2 +μγ β μv +μ 2 +μγ β μ + γ β μv + μ 2 + μγ β β μ + γ 0 0 γ v μ (bβ μ2 μγ)(v + μ) μv + μ 2 μ + μγ μ + γ v = (bβ μ 2 μγ)(v + μ) μv + μ 2 + μγ μ + γ μ + γ 0 0 γ v μ (bβ μ2 μγ)(v + μ) μv + μ 2 μ + μγ μ + γ v = (bβ μ 2 μγ)(v + μ) μv + μ 2 + μγ γ v μ Untuk memperoleh nilai eigen pada titik tetap T 2 menggunakan software seperti berikut restart wit DEtools : wit linalg : wit Vectoralculus : A Jacobian b β. f. g + v. g μ. f, β. f. g μ + γ g, γ. g v. g μ., f, g, = μ +γ, (bβ μ 2 μγ )(v+μ ), (bβ μ 2 μγ )γ β μv +μ 2 +μγ β μv +μ 2 +μγ β eigenvalues(a) μ, μ (μ +γ+v) [ v2 μ bβv bβμ μ 2 v + 16μ 2 vbβ 8μv 2 bβγ 4μγ 2 bβv + 4μ 2 γ 3 v + v 4 μ 2 + 6v 3 μ μ 4 v μ 5 v + 12μ 5 γ + 12μ 4 γ 2 2v 3 μbβ 8v 2 μ 2 bβ + 2b 2 β 2 vμ 10bβμ 3 v 4μ 2 γ 2 bβ + b 2 β 2 v 2 + b 2 β 2 μ 2 4μ 4 bβ + 28μ 4 vγ + 20μ 3 v 2 γ + 4μ 2 v 3 γ + 20μ 3 vγ 2 + 8μ 2 v 2 γ 2 + 4μ 6 + 4μ 3 γ 3 8μ 3 γbβ 1 2], 1 2 μ (μ +γ+v) [v2 μ + bβv + bβμ + μ 2 v + 16μ 2 vbβ 8μv 2 bβγ 4μγ 2 bβv + 4μ 2 γ 3 v + v 4 μ 2 + 6v 3 μ μ 4 v μ 5 v + 12μ 5 γ + 12μ 4 γ 2 2v 3 μbβ 8v 2 μ 2 bβ + 2b 2 β 2 vμ 10bβμ 3 v 4μ 2 γ 2 bβ + b 2 β 2 v 2 + b 2 β 2 μ 2 4μ 4 bβ + 28μ 4 vγ + 20μ 3 v 2 γ + 4μ 2 v 3 γ + 20μ 3 vγ 2 + 8μ 2 v 2 γ 2 + 4μ 6 + 4μ 3 γ 3 8μ 3 γbβ 1 2] 1 v
41 29 Kemudian dilakukan penyederhanaan parameter dan dipeoleh seperti berikut: λ 1 = μ, λ 2 = μ (μ +γ+v) [ v2 μ bβv bβμ μ 2 v + 16μ 2 vbβ 8μv 2 bβγ 4μγ 2 bβv + 4μ 2 γ 3 v + v 4 μ 2 + 6v 3 μ μ 4 v μ 5 v + 12μ 5 γ + 12μ 4 γ 2 2v 3 μbβ 8v 2 μ 2 bβ + 2b 2 β 2 vμ 10bβμ 3 v 4μ 2 γ 2 bβ + b 2 β 2 v 2 + b 2 β 2 μ 2 4μ 4 bβ + 28μ 4 vγ + 20μ 3 v 2 γ + = 1 2 = 1 2 = 1 2 4μ 2 v 3 γ + 20μ 3 vγ 2 + 8μ 2 v 2 γ 2 + 4μ 6 + 4μ 3 γ 3 8μ 3 γbβ 1 2] 1 μ (μ +γ+v) [ v2 μ + bβv + bβμ + μ 2 v + v 4 μ 2 + b 2 β 2 v 2 + b 2 β 2 μ 2 + 2b 2 β 2 vμ + 2v 3 μbβ 4v 3 μbβ + 4v 2 μ 2 bβ 12v 2 μ 2 bβ + 2bβμ 3 v 12bβμ 3 v + 2v 3 μ 3 + 4v 3 μ 3 + μ 4 v μ 4 v 2 16μ 2 vbβ 8μv 2 bβγ 4μγ 2 bβv + 4μ 2 γ 3 v + 12μ 5 v + 12μ 5 γ + 12μ 4 γ 2 4μ 2 γ 2 bβ 4μ 4 bβ + 28μ 4 vγ + 20μ 3 v 2 γ + 4μ 2 v 3 γ + 20μ 3 vγ 2 + 8μ 2 v 2 γ 2 + 4μ 6 + 4μ 3 γ 3 8μ 3 γbβ 1 2] 1 μ (μ +γ+v) [ v2 μ + bβv + bβμ + μ 2 v + (v 4 μ 2 + b 2 β 2 v 2 + b 2 β 2 μ 2 + 2b 2 β 2 vμ + 2v 3 μbβ + 4v 2 μ 2 bβ + 2bβμ 3 v + 2v 3 μ 3 + μ 4 v 2 ) 4(v 3 μbβ + 3v 2 μ 2 bβ + 3bβμ 3 v v 3 μ 3 3μ 4 v 2 + 4μ 2 vbβ + 2μv 2 bβγ + μγ 2 bβv μ 2 γ 3 v 3μ 5 v 3μ 5 γ 3μ 4 γ 2 + μ 2 γ 2 bβ + μ 4 bβ 7μ 4 vγ 5μ 3 v 2 γ μ 2 v 3 γ 5μ 3 vγ 2 2μ 2 v 2 γ 2 μ 6 μ 3 γ 3 + 2μ 3 γbβ 1 2] 1 [ μ (μ +γ+v) v2 μ + bβv + bβμ + μ 2 v v 2 μ + bβv + bβμ + μ 2 v 2 4(v 2 bβ + 2vμbβ + μ 2 bβ + μbβγ + vbβγ v 2 μ 2 2vμ 3 vμγ 2 μ 4 2μ 3 γ μ 2 γ 2 3vμ 2 γ v 2 μγ)(μ μ + γ + v ) 1 2] = μ (μ +γ+v) 4μ μ + γ + v [ bβ + μv (μ + v) + bβ 1 + μv μ + v 2 μ + v 2 + μ + v γ bβ μ 2 μγ 1 2 ], λ 3 = 1 2 μ (μ +γ+v) [v2 μ + bβv + bβμ + μ 2 v + 16μ 2 vbβ 8μv 2 bβγ 4μγ 2 bβv + 4μ 2 γ 3 v + v 4 μ 2 + 6v 3 μ μ 4 v μ 5 v + 12μ 5 γ + 12μ 4 γ 2 2v 3 μbβ 8v 2 μ 2 bβ + 2b 2 β 2 vμ 10bβμ 3 v 4μ 2 γ 2 bβ + b 2 β 2 v 2 + b 2 β 2 μ 2 4μ 4 bβ + 28μ 4 vγ + 20μ 3 v 2 γ + 4μ 2 v 3 γ + 20μ 3 vγ 2 + 8μ 2 v 2 γ 2 + 4μ 6 + 4μ 3 γ 3 8μ 3 γbβ 1 2] = 1 1 [ 2 μ (μ +γ+v) v2 μ + bβv + bβμ + μ 2 v + v 4 μ 2 + b 2 β 2 v 2 + b 2 β 2 μ 2 + 2b 2 β 2 vμ + 2v 3 μbβ 4v 3 μbβ + 4v 2 μ 2 bβ 12v 2 μ 2 bβ + 2bβμ 3 v 12bβμ 3 v + 2v 3 μ 3 + 4v 3 μ 3 + μ 4 v μ 4 v 2 16μ 2 vbβ 8μv 2 bβγ 4μγ 2 bβv + 4μ 2 γ 3 v + 12μ 5 v + 12μ 5 γ + 12μ 4 γ 2 4μ 2 γ 2 bβ 4μ 4 bβ + 28μ 4 vγ + 20μ 3 v 2 γ + 4μ 2 v 3 γ + 20μ 3 vγ 2 + 8μ 2 v 2 γ 2 + 4μ 6 + 4μ 3 γ 3 8μ 3 γbβ 1 2] = 1 1 [ 2 μ (μ +γ+v) v2 μ + bβv + bβμ + μ 2 v + (v 4 μ 2 + b 2 β 2 v 2 + b 2 β 2 μ 2 + 2b 2 β 2 vμ + 2v 3 μbβ + 4v 2 μ 2 bβ + 2bβμ 3 v + 2v 3 μ 3 +
42 30 μ 4 v 2 ) 4(v 3 μbβ + 3v 2 μ 2 bβ + 3bβμ 3 v v 3 μ 3 3μ 4 v 2 + 4μ 2 vbβ + 2μv 2 bβγ + μγ 2 bβv μ 2 γ 3 v 3μ 5 v 3μ 5 γ 3μ 4 γ 2 + μ 2 γ 2 bβ + μ 4 bβ 7μ 4 vγ 5μ 3 v 2 γ μ 2 v 3 γ 5μ 3 vγ 2 2μ 2 v 2 γ 2 μ 6 μ 3 γ 3 + 2μ 3 γbβ 1 2] = 1 1 [ 2 μ (μ +γ+v) v2 μ + bβv + bβμ + μ 2 v v 2 μ + bβv + bβμ + μ 2 v 2 4(v 2 bβ + 2vμbβ + μ 2 bβ + μbβγ + vbβγ v 2 μ 2 2vμ 3 vμγ 2 μ 4 2μ 3 γ μ 2 γ 2 3vμ 2 γ v 2 μγ)(μ μ + γ + = 1 2 v ) 1 2] 1 μ (μ +γ+v) 4μ μ + γ + v [ bβ + μv (μ + v) + bβ + μv μ + v 2 μ + v 2 + μ + v γ bβ μ 2 μγ Selanjutnya dilakukan penyederhanaan dengan R 0 = λ 2 dan λ 3, sehingga diperoleh λ 2 = 1 2 μ +γ+v μ + γ R 0 + v (μ + v) + bβ μ (μ +γ) 1 2 ]. pada nilai eigen dan λ 3 = μ + γ R 0 + v (μ + v) 2 4(R 0 1) μ + γ + v 1 2 μ +γ+v μ + γ R 0 + v (μ + v) + μ + v 2 + μ + v γ. Misalkan μ + γ R 0 + v (μ + v) 2 4(R 0 1) μ + γ + v sehingga λ 2 = μ + v 2 + μ + v γ m = μ + γ R 0 + v (μ + v) 2 4(R 0 1) μ + γ + v μ + v 2 + μ + v γ, 1 2 μ +γ+v μ + γ R 0 + v (μ + v) + m dan λ 3 = 1 2 μ +γ+v μ + γ R 0 + v (μ + v) + m.
43 31 Lampiran 4 Model dengan Waktu Tunda ds(t) = b βs t I t τ 1 e μτ 1 + vr(t τ 2 ) μs(t) di(t) = βs t I t τ 1 e μτ 1 μ + γ I(t) (4) dr(t) = γi t vr(t τ 2 ) μr(t) Pelinearan Misal: x t = S t S S t = x t + S y t = I t I I t = y t + I (9) z t = R t R R t = z t + R ds(t) = b βs t I t τ 1 e μτ 1 + vr(t τ 2 ) μs(t) d x t + S = b β x t + S [y t τ 1 + I ]e μτ 1 + v[z t τ 2 + R ] μ[x t + S ] x t = b [βx t + βs ][y t τ 1 + I ]e μτ 1 + [vz t τ 2 + vr ] μx t μs x t = b βx t y t τ 1 e μτ 1 βx t I e μτ 1 βs y t τ 1 e μτ 1 βs I e μτ 1 + vz t τ 2 + vr μx t μs x t = μx t βi e μτ 1x t βs e μτ 1y t τ 1 + vz t τ 2 βe μτ 1x t y t τ 1 + [b βs I e μ τ 1 + vr μs ] Karena linearisasi maka b βs I e μ τ 1 + vr μs = 0 Jadi x t = μx t βi e μτ 1x t βs e μ τ 1y t τ 1 + vz t τ 2 βe μ τ 1x t y t τ 1 di(t) = βs t I t τ 1 e μτ 1 μ + γ I(t) d[y t + I ] = β[x t + S ][y t τ 1 + I ]e μτ 1 μ + γ [y t + I ] y t = βx t y t τ 1 e μτ 1 + βx t I e μτ 1 + βs y t τ 1 e μτ 1 + βs I e μτ 1 μ + γ y t μ + γ I y t = βi e μτ 1x t μ + γ y t + βs e μτ 1y t τ 1 + βe μτ 1x t y t τ 1 + [βs I e μτ 1 μ + γ I ] Karena linearisasi maka [βs I e μτ 1 μ + γ I ] = 0 Jadi y t = βi e μτ 1x t μ + γ y t + βs e μτ 1y t τ 1 + βe μτ 1x t y t τ 1 dr(t) = γi t vr(t τ 2 ) μr(t)
44 32 d[z t + R ] = γ[y t + I ] v[z t τ 2 + R ] μ[z t + R ] z t = γy t + γi vz t τ 2 vr μz t μr z t = γy t μz t vz t τ 2 + [γi vr μr ] Karena linearisasi maka [γi vr μr ] = 0 Jadi z t = γy t μz t vz t τ 2 Jacobi J = μ βi e μτ 1 βs e μτ 1e λτ 1 ve λτ 2 βi e μτ 1 μ γ + βs e μτ 1e λτ γ μ ve λτ 2 ( (11)
45 33 Lampiran 5 Persamaan Karakteristik J λi = 0 μ βi e μτ 1 λ βs e μτ 1e λτ 1 ve λτ 2 βi e μτ 1 μ γ + βs e μ τ 1e λτ 1 λ 0 0 γ μ ve λτ 2 λ = 0 μ βi e μτ 1 λ μ γ + βs e μτ 1e λτ 1 λ μ ve λτ 2 λ + γ βi e μτ 1 ve λτ 2 [ βs e μτ 1e λτ 1] βi e μτ 1 μ ve λτ 2 λ = 0 μ 2 + μγ μβs e μτ 1 λτ 1 + λμ + μβi e μτ 1 + γβi e μτ 1 β 2 S I e 2μ τ 1 λτ 1 + λβi e μτ 1 + λμ + λγ λβs e μ τ 1 λτ 1 + λ 2 μ ve λτ 2 λ + βi γve μτ 1 λτ 2 [ β 2 S I e 2μτ 1 λτ 1 ] μ ve λτ 2 λ = 0 μ 3 μ 2 ve λτ 2 λμ 2 μ 2 γ μγve λτ 2 λμγ + μ 2 βs e μτ 1 λτ 1 + μβs ve μτ 1 λτ 1 λτ 2 + λμβs e μ τ 1 λτ 1 λμ 2 λμve λτ 2 λ 2 μ μ 2 βi e μ τ 1 μβi ve μ τ 1 λτ 2 λμβi e μ τ 1 μγβi e μτ 1 γβi ve μτ 1 λτ 2 λγβi e μτ 1 + β 2 S I e 2μτ 1 λτ1 μ ve λτ 2 λ λμβi e μ τ 1 λβi ve μ τ 1 λτ 2 λ 2 βi e μ τ 1 λμ 2 λμve λτ 2 λ 2 μ λμγ λγve λτ 2 λ 2 γ + λμβs e μτ 1 λτ 1 + λβs ve μτ 1 λτ 1 λτ 2 + λ 2 βs e μτ 1 λτ 1 λ 2 μ λ 2 ve λτ 2 λ 3 + γβi ve μτ 1 λτ 2 + [ β 2 S I e 2μτ 1 λτ 1 ] μ ve λτ 2 λ = 0 μ 3 λμ 2 μ 2 γ λμγ λμ 2 λ 2 μ λμ 2 λ 2 μ λμγ λ 2 γ λ 2 μ λ 3 μ 2 ve λτ 2 μγve λτ 2 λμve λτ 2 λμve λτ 2 λγve λτ 2 λ 2 ve λτ 2 + μ 2 βs e μτ 1 λτ 1 + λμβs e μ τ 1 λτ 1 + λμβs e μτ 1 λτ 1 + λ 2 βs e μτ 1 λτ 1 + μβs ve μ τ 1 λτ 1 λτ 2 + λβs ve μτ 1 λτ 1 λτ 2 μ 2 βi e μτ 1 λμβi e μ τ 1 μγβi e μτ 1 λγβi e μ τ 1 λμβi e μτ 1 λ 2 βi e μτ 1 μβi ve μτ 1 λτ 2 γβi ve μτ 1 λτ 2 λβi ve μτ 1 λτ 2 + γβi ve μτ 1 λτ 2 + β 2 S I e 2μτ 1 λτ1 μ ve λτ 2 λ β 2 S I e 2μτ 1 λτ 1 μ ve λτ 2 λ = 0 μ 3 3λ 2 μ 3λμ 2 λ 3 μ 2 γ 2λμγ λ 2 γ ve λτ 2 μ 2 + μγ + λμ + λμ + λγ + λ 2 + βs e μτ 1 λτ 1 μ 2 + λμ + λμ + λ 2 + βs ve μ τ 1 λτ 1 λτ 2 μ + λ βi e μτ 1 μ 2 + μγ + λμ + λμ + λγ + λ 2 βi ve μ τ 1 λτ 2 μ + λ = 0
BIFURKASI 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 terperinciBIFURKASI HOPF DALAM MODEL EPIDEMI DENGAN WAKTU TUNDAAN DISKRET
Vol. 5, No., Juni 009: 54-60 BIFUKASI HOPF DALAM MODEL EPIDEMI DENGAN WAKTU TUNDAAN DISKET ubono Setiawan Mahasiswa S Jurusan Matematika Universitas Gadah Mada Email : rubono_4869@yahoo.co.id Abstrak Di
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 terperinciBAB II LANDASAN TEORI. dalam penulisan skripsi ini. Teori-teori yang digunakan berupa definisi-definisi serta
BAB II LANDASAN TEORI Pada bab ini akan diuraikan beberapa teori-teori yang digunakan sebagai acuan dalam penulisan skripsi ini. Teori-teori yang digunakan berupa definisi-definisi serta teorema-teorema
Lebih terperinciDinamik Model Epidemi SIRS dengan Laju Kematian Beragam
Jurnal Matematika Integratif ISSN 1412-6184 Volume 10 No 1, April 2014, hal 1-7 Dinamik Model Epidemi SIRS dengan Laju Kematian Beragam Ni matur Rohmah, Wuryansari Muharini Kusumawinahyu Jurusan Matematika,
Lebih terperinciBIFURKASI HOPF PADA MODEL MANGSA PEMANGSA DENGAN WAKTU TUNDA DAN TINGKAT PEMANENAN KONSTAN LOLA OKTASARI
BIFURKASI HOPF PADA MODEL MANGSA PEMANGSA DENGAN WAKTU TUNDA DAN TINGKAT PEMANENAN KONSTAN LOLA OKTASARI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR
Lebih terperinciANALISIS MODEL MANGSA-PEMANGSA HOLLING-TANNER TIPE II DENGAN MANGSA YANG TERLINDUNG DAN ADANYA PEMANENAN POPULASI EKA PUJIYANTI
ANALISIS MODEL MANGSA-PEMANGSA HOLLING-TANNER TIPE II DENGAN MANGSA YANG TERLINDUNG DAN ADANYA PEMANENAN POPULASI EKA PUJIYANTI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciKESTABILAN TITIK EQUILIBRIUM MODEL SIR (SUSPECTIBLE, INFECTED, RECOVERED) PENYAKIT FATAL DENGAN MIGRASI
KESTABILAN TITIK EQUILIBRIUM MODEL SIR (SUSPECTIBLE, INFECTED, RECOVERED) PENYAKIT FATAL DENGAN MIGRASI Mohammad soleh 1, Leni Darlina 2 1,2 Jurusan Matematika Fakultas Sains Teknologi Universitas Islam
Lebih terperinciANALISIS KESTABILAN MODEL MANGSA-PEMANGSA HUTCHINSON DENGAN WAKTU TUNDA DAN PEMANENAN KONSTAN LILIS SAODAH
ANALISIS KESTABILAN MODEL MANGSA-PEMANGSA HUTCHINSON DENGAN WAKTU TUNDA DAN PEMANENAN KONSTAN LILIS SAODAH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR
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 terperinciKAJIAN PERILAKU MODEL MATEMATIKA PENYEBARAN PENYAKIT SIFILIS
Jurnal Matematika UNAND Vol 3 No Hal 40 45 ISSN : 2303 290 c Jurusan Matematika FMIPA UNAND KAJIAN PERILAKU MODEL MATEMATIKA PENYEBARAN PENYAKIT SIFILIS ARDIANSYAH Program Studi Magister Matematika Fakultas
Lebih terperinciKESTABILAN MODEL EPIDEMIK SEIR DENGAN WAKTU TUNDA STABILITY OF SEIR EPIDEMIC MODEL WITH TIME DELAY
KESTABILAN MODEL EPIDEMIK SEIR DENGAN WAKTU TUNDA STABILITY OF SEIR EPIDEMIC MODEL WITH TIME DELAY Wahyudi Rusdi, Syamsuddin Toaha, Jeffry Kusuma Bagian Matematika Terapan, Fakultas Matematika dan Ilmu
Lebih terperinciANALISIS KESTABILAN MODEL MANGSA-PEMANGSA HOLLING-TANNER TIPE II INTAN SELVYA
ANALISIS KESTABILAN MODEL MANGSA-PEMANGSA HOLLING-TANNER TIPE II INTAN SELVYA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2016 PERNYATAAN MENGENAI
Lebih terperinciIII PEMBAHASAN. μ v. r 3. μ h μ h r 4 r 5
III PEMBAHASAN 3.1 Perumusan Model Model yang akan dibahas dalam karya ilmiah ini adalah model SIDRS (Susceptible Infected Dormant Removed Susceptible) dari penularan penyakit malaria dalam suatu populasi.
Lebih terperinciBIFURKASI PADA MODEL SUSCEPTIBLE INFECTED RECOVERED (SIR) DENGAN WAKTU TUNDA DAN LAJU PENULARAN BILINEAR SKRIPSI
BIFURKASI PADA MODEL SUSCEPTIBLE INFECTED RECOVERED (SIR) DENGAN WAKTU TUNDA DAN LAJU PENULARAN BILINEAR SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta
Lebih terperinciBAB II KAJIAN TEORI. representasi pemodelan matematika disebut sebagai model matematika. Interpretasi Solusi. Bandingkan Data
A. Model Matematika BAB II KAJIAN TEORI Pemodelan matematika adalah proses representasi dan penjelasan dari permasalahan dunia real yang dinyatakan dalam pernyataan matematika (Widowati dan Sutimin, 2007:
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 terperinciANALISIS STABILITAS PENYEBARAN VIRUS EBOLA PADA MANUSIA
ANALISIS STABILITAS PENYEBARAN VIRUS EBOLA PADA MANUSIA Mutholafatul Alim 1), Ari Kusumastuti 2) 1) Mahasiswa Jurusan Matematika, Universitas Islam Negeri Maulana Malik Ibrahim Malang 1) mutholafatul@rocketmail.com
Lebih terperinciOleh Nara Riatul Kasanah Dosen Pembimbing Drs. Sri Suprapti H., M.Si
Oleh Nara Riatul Kasanah 1209100079 Dosen Pembimbing Drs. Sri Suprapti H., M.Si JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2014 PENDAHULUAN
Lebih terperinciDINAMIKA PERKEMBANGAN HIV/AIDS DI SULAWESI UTARA MENGGUNAKAN MODEL PERSAMAAN DIFERENSIAL NONLINEAR SIR (SUSCEPTIBLE, INFECTIOUS AND RECOVERED)
DINAMIKA PERKEMBANGAN HIV/AIDS DI SULAWESI UTARA MENGGUNAKAN MODEL PERSAMAAN DIFERENSIAL NONLINEAR SIR (SUSCEPTIBLE, INFECTIOUS AND RECOVERED) Amir Tjolleng 1), Hanny A. H. Komalig 1), Jantje D. Prang
Lebih terperinciANALISIS KESTABILAN DAN PROSES MARKOV MODEL PENYEBARAN PENYAKIT EBOLA
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 04, No. 3 (2015), hal 163-172 ANALISIS KESTABILAN DAN PROSES MARKOV MODEL PENYEBARAN PENYAKIT EBOLA Auliah Arfani, Nilamsari Kusumastuti, Shantika
Lebih terperinciANALISIS DINAMIK MODEL EPIDEMI SIRS DENGAN MODIFIKASI TINGKAT KEJADIAN INFEKSI NONMONOTON DAN PENGOBATAN
ANALISIS DINAMIK MODEL EPIDEMI SIRS DENGAN MODIFIKASI TINGKAT KEJADIAN INFEKSI NONMONOTON DAN PENGOBATAN Suryani, Agus Suryanto, Ratno Bagus E.W Pelaksana Akademik Mata Kuliah Universitas, Universitas
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan makhluk hidup ini banyak permasalahan yang muncul seperti diantaranya banyak penyakit menular yang mengancam kehidupan. Sangat diperlukan sistem untuk
Lebih terperinciAbstrak: Makalah ini bertujuan untuk mengkaji model SIR dari penyebaran
ANALISIS KESTABILAN PENYEBARAN PENYAKIT CAMPAK (MEASLES) DENGAN VAKSINASI MENGGUNAKAN MODEL ENDEMI SIR Marhendra Ali Kurniawan Fitriana Yuli S, M.Si Jurdik Matematika FMIPA UNY Abstrak: Makalah ini bertujuan
Lebih terperinciANALISIS STABILITAS MODEL MATEMATIKA DARI PENYEBARAN PENYAKIT MENULAR MELALUI TRANSPORTASI ANTAR DUA KOTA
ANALISIS STABILITAS MODEL MATEMATIKA DARI PENYEBARAN PENYAKIT MENULAR MELALUI TRANSPORTASI ANTAR DUA KOTA ANALYSIS OF STABILITY OF SPREADING DISEASE MATHEMATICAL MODEL WITH TRANSPORT-RELATED INFECTION
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN Pada Bab I Pendahuluan ini dijelaskan mengenai latar belakang yang mendasari penelitian yang kemudian dirumuskan dalam rumusan masalah. Berdasarkan latar belakang dan rumusan masalah
Lebih terperinciBab II Teori Pendukung
Bab II Teori Pendukung II.1 Sistem Autonomous Tinjau sistem persamaan differensial berikut, = dy = f(x, y), g(x, y), (2.1) dengan asumsi f dan g adalah fungsi kontinu yang mempunyai turunan yang kontinu
Lebih terperinciMODEL EPIDEMI SIRS DENGAN TIME DELAY
MODEL EPIDEMI SIRS DENGAN TIME DELAY TESIS Oleh FERDINAND SINUHAJI 127021034/MT FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2014 MODEL EPIDEMI SIRS DENGAN TIME DELAY
Lebih terperinciBAB III HASIL DAN PEMBAHASAN. ekuilibrium bebas penyakit beserta analisis kestabilannya. Selanjutnya dilakukan
BAB III HASIL DAN PEMBAHASAN Pada bab ini akan dijelaskan mengenai model matematika penyakit campak dengan pengaruh vaksinasi, diantaranya formulasi model penyakit campak, titik ekuilibrium bebas penyakit
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 terperinciTUGAS AKHIR KAJIAN SKEMA BEDA HINGGA TAK-STANDAR DARI TIPE PREDICTOR-CORRECTOR UNTUK MODEL EPIDEMIK SIR
TUGAS AKHIR KAJIAN SKEMA BEDA HINGGA TAK-STANDAR DARI TIPE PREDICTOR-CORRECTOR UNTUK MODEL EPIDEMIK SIR STUDY OF A NONSTANDARD SCHEME OF PREDICTORCORRECTOR TYPE FOR EPIDEMIC MODELS SIR Oleh:Anisa Febriana
Lebih terperinciMODEL SEIR PENYAKIT CAMPAK DENGAN VAKSINASI DAN MIGRASI
MODEL SEIR PENYAKIT CAMPAK DENGAN VAKSINASI DAN MIGRASI Mohammmad Soleh 1, Siti Rahma 2 Universitas Islam Negeri Sultan Syarif Kasim Riau Jl HR Soebrantas No 155 KM 15 Simpang Baru Panam Pekanbaru muhammadsoleh@uin-suskaacid
Lebih terperinciANALISIS KESTABILAN DARI SISTEM DINAMIK MODEL SEIR PADA PENYEBARAN PENYAKIT CACAR AIR (VARICELLA) DENGAN PENGARUH VAKSINASI SKRIPSI
ANALISIS KESTABILAN DARI SISTEM DINAMIK MODEL SEIR PADA PENYEBARAN PENYAKIT CACAR AIR (VARICELLA) DENGAN PENGARUH VAKSINASI SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperinciANALISIS DINAMIKA PENYEBARAN VIRUS DEMAM BERDARAH DENGUE DENGAN DUA SEROTIPE AHMAD SUYUTI LATIF
ANALISIS DINAMIKA PENYEBARAN VIRUS DEMAM BERDARAH DENGUE DENGAN DUA SEROTIPE AHMAD SUYUTI LATIF SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan
Lebih terperinciModel Matematika Penyebaran Penyakit HIV/AIDS dengan Terapi pada Populasi Terbuka
Model Matematika Penyebaran Penyakit HIV/AIDS dengan Terapi pada Populasi Terbuka M Soleh 1, D Fatmasari 2, M N Muhaijir 3 1, 2, 3 Jurusan Matematika, Fakultas Sains dan Teknologi, UIN Sultan Syarif Kasim
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 terperinciANALISIS KESTABILAN MODEL MANGSA-PEMANGSA DENGAN MANGSA YANG TERINFEKSI DI LINGKUNGAN TERCEMAR
ANALISIS KESTABILAN MODEL MANGSA-PEMANGSA DENGAN MANGSA YANG TERINFEKSI DI LINGKUNGAN TERCEMAR Oleh: Drs. M. Setijo Winarko, M.Si Drs. I Gusti Ngurah Rai Usadha, M.Si Subchan, Ph.D Drs. Kamiran, M.Si Noveria
Lebih terperinciKestabilan Titik Ekuilibrium Model SIS dengan Pertumbuhan Logistik dan Migrasi
Kestabilan Titik Ekuilibrium Model SIS dengan Pertumbuhan Logistik Migrasi Mohammad soleh 1, Parubahan Siregar 2 1,2 Jurusan Matematika Fakultas Sains Teknologi Universitas Islam Negeri Sultan Syarif Kasim
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 terperinciKestabilan Model SIRS dengan Pertumbuhan Logistik dan Non-monotone Incidence Rate
Kestabilan Model SIRS dengan Pertumbuhan Logistik dan Non-monotone Incidence Rate Mohammad soleh 1, Syamsuri 2 1,2 Jurusan Matematika Fakultas Sains dan Teknologi UIN Suska Riau Jln. HR. Soebrantas Km
Lebih terperinciProsiding Seminar Hasil-Hasil PPM IPB 2015 Vol. I : ISBN :
Vol. I : 214 228 ISBN : 978-602-8853-27-9 MODEL EPIDEMIK STOKASTIK PENYEBARAN PENYAKIT DEMAM BERDARAH DENGUE DI JAWA BARAT (Stochastic Epidemic Model of Dengue Fever Spread in West Java Province) Paian
Lebih terperinciKONTROL OPTIMAL VAKSINASI MODEL EPIDEMIOLOGI TIPE SIR
KOTROL OPTIMAL VAKSIASI MODEL EPIDEMIOLOGI TIPE SIR Jonner ainggolan 1, Sudradjat Supian 2, Asep K. Supriatna 3, dan ursanti Anggriani 4 2,3,4 Jurusan Matematika FMIPA Universitas Padjadjaran Bandung 1
Lebih terperinciAnalisa Kualitatif pada Model Penyakit Parasitosis
Analisa Kualitatif pada Model Penyakit Parasitosis Nara Riatul Kasanah dan Sri Suprapti H Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Teknologi Sepuluh Nopember (ITS) Jl.
Lebih terperinciANALISIS STABILITAS SISTEM DINAMIK UNTUK MODEL MATEMATIKA EPIDEMIOLOGI TIPE-SIR (SUSCEPTIBLES, INFECTION, RECOVER)
Jurnal Euclid, Vol.4, No.1, pp.646 ANALISIS STABILITAS SISTEM DINAMIK UNTUK MODEL MATEMATIKA EPIDEMIOLOGI TIPE-SIR (SUSCEPTIBLES, INFECTION, RECOVER) Herri Sulaiman Program Studi Pendidikan Matematika
Lebih terperinciMODEL MATEMATIKA PENYEBARAN PENYAKIT DEMAM BERDARAH DENGUE JUMADI
MODEL MATEMATIKA PENYEBARAN PENYAKIT DEMAM BERDARAH DENGUE JUMADI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan bahwa
Lebih terperinciBAB II LANDASAN TEORI. selanjutnya sebagai bahan acuan yang mendukung tujuan penulisan. Materi-materi
BAB II LANDASAN TEORI Pada bab ini akan dibahas tentang landasan teori yang digunakan pada bab selanjutnya sebagai bahan acuan yang mendukung tujuan penulisan. Materi-materi yang diuraikan berupa definisi-definisi
Lebih terperinciKestabilan dan Bifurkasi Model Epidemik SEIR dengan Laju Kesembuhan Tipe Jenuh
Kestabilan dan Bifurkasi Model Epidemik SEIR dengan Laju Kesembuhan Tipe Jenuh Khoiril Hidayati, Setijo Winarko, I Gst Ngr Rai Usadha Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Sistem Persamaan diferensial Persamaan diferensial adalah suatu persamaan yang di dalamnya terdapat turunan-turunan. Jika terdapat variabel bebas tunggal, turunannya merupakan
Lebih terperinciIV PEMBAHASAN. jika λ 1 < 0 dan λ 2 > 0, maka titik bersifat sadel. Nilai ( ) mengakibatkan. 4.1 Model SIR
9 IV PEMBAHASAN 4.1 Model SIR 4.1.1 Titik Tetap Untuk mendapatkan titik tetap diperoleh dari dua persamaan singular an ) sehingga dari persamaan 2) diperoleh : - si + s = 0 9) si + )i = 0 didapat titik
Lebih terperinciANALISIS KESTABILAN MODEL DINAMIKA PENYEBARAN PENYAKIT FLU BURUNG
Buletin Ilmiah Math. Stat. Dan Terapannya (Bimaster) Volume 03, No. 3 (2014), hal 235-244 ANALISIS KESTABILAN MODEL DINAMIKA PENYEBARAN PENYAKIT FLU BURUNG Hidayu Sulisti, Evi Noviani, Nilamsari Kusumastuti
Lebih terperinciKESTABILAN DAN BIFURKASI MODEL EPIDEMIK SEIR DENGAN LAJU KESEMBUHAN TIPE JENUH. Oleh: Khoiril Hidayati ( )
KESTABILAN DAN BIFURKASI MODEL EPIDEMIK SEIR DENGAN LAJU KESEMBUHAN TIPE JENUH Oleh: Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya 2013 Latar
Lebih terperinciPEMODELAN MATEMATIKA DAN ANALISIS KESTABILAN MODEL PADA PENYEBARAN HIV-AIDS
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 04, No. 2 (2015), hal 101 110 PEMODELAN MATEMATIKA DAN ANALISIS KESTABILAN MODEL PADA PENYEBARAN HIV-AIDS Dwi Haryanto, Nilamsari Kusumastuti,
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 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 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 terperinciKESTABILAN MODEL SUSCEPTIBLE VACCINATED INFECTED RECOVERED (SVIR) PADA PENYEBARAN PENYAKIT CAMPAK (MEASLES) (Studi Kasus di Kota Semarang)
KESTABILAN MODEL SUSCEPTIBLE VACCINATED INFECTED RECOVERED (SVIR) PADA PENYEBARAN PENYAKIT CAMPAK (MEASLES) (Studi Kasus di Kota Semarang) Melita Haryati 1, Kartono 2, Sunarsih 3 1,2,3 Jurusan Matematika
Lebih terperinciII. LANDASAN TEORI. Definisi 1 (Sistem Persamaan Diferensial Biasa Linear) Definisi 2 (Sistem Persamaan Diferensial Biasa Taklinear)
3 II. LANDASAN TEORI 2.1 Sistem Persamaan Diferensial Biasa Definisi 1 (Sistem Persamaan Diferensial Biasa Linear) Misalkan suatu sistem persamaan diferensial biasa dinyatakan sebagai = + ; =, R (1) dengan
Lebih terperinciKESTABILAN TITIK TETAP MODEL PENULARAN PENYAKIT TIDAK FATAL
Jurnal Matematika UNAND Vol. 2 No. 3 Hal. 58 65 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND KESTABILAN TITIK TETAP MODEL PENULARAN PENYAKIT TIDAK FATAL AKHIRUDDIN Program Studi Matematika, Fakultas
Lebih terperinciPERILAKU DINAMIS MODEL MANGSA-PEMANGSA TIPE GAUSE YANG DIPERUMUM DENGAN WAKTU TUNDA PEMANENAN KONSTAN HASANNUDIN
PERILAKU DINAMIS MODEL MANGSA-PEMANGSA TIPE GAUSE YANG DIPERUMUM DENGAN WAKTU TUNDA PEMANENAN KONSTAN HASANNUDIN DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
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 III PEMBAHASAN. tenggorokan, batuk, dan kesulitan bernafas. Pada kasus Avian Influenza, gejala
BAB III PEMBAHASAN A. Permasalahan Nyata Flu Burung (Avian Influenza) Avian Influenza atau yang lebih dikenal dengan flu burung adalah suatu penyakit menular yang disebabkan oleh virus influenza tipe A.
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 terperinciMODEL SEIR PENYAKIT CAMPAK DENGAN VAKSINASI DAN MIGRASI TUGAS AKHIR. Oleh : SITI RAHMA
MODEL SEIR PENYAKIT CAMPAK DENGAN VAKSINASI DAN MIGRASI TUGAS AKHIR Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Sains Pada Jurusan Matematika Oleh : SITI RAHMA 18544452 FAKULTAS SAINS
Lebih terperinciKESTABILAN TITIK EQUILIBRIUM MODEL SIR (SUSCEPTIBLE, INFECTED, RECOVERED) PENYAKIT FATAL DENGAN MIGRASI TUGAS AKHIR
KESTABILAN TITIK EQUILIBRIUM MODEL SIR (SUSCEPTIBLE, INFECTED, RECOVERED) PENYAKIT FATAL DENGAN MIGRASI TUGAS AKHIR Disusun sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada Jurusan Matematika
Lebih terperinciSIMULASI MODEL EPIDEMIK TIPE SIR DENGAN STRATEGI VAKSINASI DAN TANPA VAKSINASI
SIMULASI MODEL EPIDEMIK TIPE SIR DENGAN STRATEGI VAKSINASI DAN TANPA VAKSINASI Siti Komsiyah Mathematics & Statistics Department, School of Computer Science, Binus University Jl. K.H. Syahdan No. 9, Palmerah,
Lebih terperinciANALISIS KESTABILAN PADA MODEL TRANSMISI VIRUS HEPATITIS B YANG DIPENGARUHI OLEH MIGRASI
ANALISIS KESTABILAN PADA MODEL TRANSMISI VIRUS HEPATITIS B YANG DIPENGARUHI OLEH MIGRASI STABILITY ANALYSIS OF THE HEPATITIS B VIRUS TRANSMISSION MODELS ARE AFFECTED BY MIGRATION Oleh : Firdha Dwishafarina
Lebih terperinciArisma Yuni Hardiningsih. Dra. Laksmi Prita Wardhani, M.Si. Jurusan Matematika. Surabaya
ANALISIS KESTABILAN DAN MEAN DISTRIBUSI MODEL EPIDEMIK SIR PADA WAKTU DISKRIT Arisma Yuni Hardiningsih 1206 100 050 Dosen Pembimbing : Dra. Laksmi Prita Wardhani, M.Si Jurusan Matematika Institut Teknologi
Lebih terperinciANALISIS KESTABILAN MODEL MATEMATIKA PENYEBARAN PENYAKIT DBD DENGAN INKUBASI INTRINSIK DAN GABUNGAN INKUBASI INTRINSIK DAN EKSTRINSIK RINANCY TUMILAAR
ANALISIS KESTABILAN MODEL MATEMATIKA PENYEBARAN PENYAKIT DBD DENGAN INKUBASI INTRINSIK DAN GABUNGAN INKUBASI INTRINSIK DAN EKSTRINSIK RINANCY TUMILAAR SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR
Lebih terperinciPEMODELAN MATEMATIKA DAN ANALISIS STABILITAS DARI PENYEBARAN PENYAKIT FLU BURUNG
PEMODELAN MATEMATIKA DAN ANALISIS STABILITAS DARI PENYEBARAN PENYAKIT FLU BURUNG Dinita Rahmalia Universitas Islam Darul Ulum Lamongan, Abstrak. Di Indonesia terdapat banyak peternak unggas sebagai matapencaharian
Lebih terperinciBIFURKASI PADA MODEL INTERAKASI TUMBUHAN DAN HERBIVORA IRMA SAHARA
i BIFURKASI PADA MODEL INTERAKASI TUMBUHAN DAN HERBIVORA IRMA SAHARA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013 ii iii PERNYATAAN MENGENAI SKRIPSI
Lebih terperinciKESTABILAN MODEL POPULASI SATU MANGSA-DUA PEMANGSA DENGAN PEMANENAN OPTIMAL PADA PEMANGSA
Seminar Nasional Matematika dan Aplikasinya 21 Oktober 2017 Surabaya Universitas Airlangga KESTABILAN MODEL POPULASI SATU MANGSA-DUA PEMANGSA DENGAN PEMANENAN OPTIMAL PADA PEMANGSA Muhammad Ikbal 1) Syamsuddin
Lebih terperinciPenentuan Bifurkasi Hopf Pada Predator Prey
J. Math. and Its Appl. ISSN: 9-65X Vol., No., Nov 5, 5 Penentuan Bifurkasi Hopf Pada Predator Prey Dian Savitri Jurusan Teknik Sipil, Fakultas Teknik Universitas Negeri Surabaya d savitri@yahoo.com Abstrak
Lebih terperinciBAB II LANDASAN TEORI. eigen dan vektor eigen, persamaan diferensial, sistem persamaan diferensial, titik
BAB II LANDASAN TEORI Pada bab ini, akan dijelaskan landasan teori yang akan digunakan dalam bab selanjutnya sebagai bahan acuan yang mendukung dan memperkuat tujuan penelitian. Landasan teori yang dimaksud
Lebih terperinciSKEMA NUMERIK PERSAMAAN LESLIE GOWER DENGAN PEMANENAN
Skema Numerik ersamaan Leslie Gower dengan emanenan SKEMA NUMERIK ERSAMAAN LESLIE GOWER DENGAN EMANENAN Trija Fayeldi Jurusan endidikan Matematika Universitas Kanjuruhan Malang Email: trija_fayeldi@yahoocom
Lebih terperinciANALISIS KESTABILAN PADA MODEL DINAMIKA PENULARAN TUBERKULOSIS SATU STRAIN DAN DUA STRAIN
ANALISIS KESTABILAN PADA MODEL DINAMIKA PENULARAN TUBERKULOSIS SATU STRAIN DAN DUA STRAIN Melisa 1 dan Widodo 2 1 Universitas Islam Darul Ulum Lamongan, melisamathugm@yahoocom 2 Universitas Gadjah Mada,
Lebih terperinciANALISIS PENYEBARAN PENYAKIT DIARE SEBAGAI SALAH SATU PENYEBAB KEMATIAN PADA BALITA MENGGUNAKAN MODEL MATEMATIKA SIS
ANALISIS PENYEBARAN PENYAKIT DIARE SEBAGAI SALAH SATU PENYEBAB KEMATIAN PADA BALITA MENGGUNAKAN MODEL MATEMATIKA SIS (SUSCEPTIBLE-INFECTED-SUSCEPTIBLE) SKRIPSI Diajukan Kepada Fakultas Matematika dan Ilmu
Lebih terperinciANALISIS DINAMIK SISTEM PREDATOR-PREY MODEL LESLIE-GOWER DENGAN PEMANENAN SECARA KONSTAN TERHADAP PREDATOR
Jurnal Euler, ISSN: 2087-9393 Januari 2014, Vol.2, No.1, Hal.1-12 ANALISIS DINAMIK SISTEM PREDATOR-PREY MODEL LESLIE-GOWER DENGAN PEMANENAN SECARA KONSTAN TERHADAP PREDATOR Hasan S. Panigoro 1 Diterima:
Lebih terperinciAnalisis Kestabilan Model Veisv Penyebaran Virus Komputer Dengan Pertumbuhan Logistik
Analisis Kestabilan Model Veisv Penyebaran Virus Komputer Dengan Pertumbuhan Logistik Mohammad soleh 1, Seri Rodia Pakpahan 2 Jurusan Matematika Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan
Lebih terperinciKESTABILAN MODEL MANGSA PEMANGSA DENGAN FUNGSI RESPON TIPE HOLLING II DAN WAKTU TUNDA
KESTABILAN MODEL MANGSA PEMANGSA DENGAN FUNGSI RESPON TIPE HOLLING II DAN WAKTU TUNDA STABILITY OF PREDATOR PREY MODEL WITH HOLLING TYPE II FUNCTIONAL RESPONSE AND TIME DELAY Budyanita Asrun, Syamsuddin
Lebih terperinciAnalisis Kestabilan Model MSEIR Penyebaran Penyakit Difteri Dengan Saturated Incidence Rate
Analisis Kestabilan Model MSEIR Penyebaran Penyakit Difteri Dengan Saturated Incidence Rate I Suryani 1 Mela_YuenitaE 2 12 Jurusan Matematika Fakultas Sains dan Teknologi UIN Sultan Syarif Kasim Riau Jl
Lebih terperinciEksistensi dan Kestabilan Model SIR dengan Nonlinear Insidence Rate
LEMMA VOL NO NOV 04 Eksistensi dan Kestabilan Model R dengan Nonlinear nsidence Rate Mohammad oleh ) dan Riry riningsih ) ) Jurusan Matematika Fakultas ains dan Teknologi UN uska Riau ) Jurusan Matematika
Lebih terperinciBab 3 MODEL DAN ANALISIS MATEMATIKA
Bab 3 MODEL DAN ANALISIS MATEMATIKA Pada bab ini akan dimodelkan permasalahan penyebaran virus flu burung yang bergantung pada ruang dan waktu. Pada bab ini akan dibahas pula analisis dari model hingga
Lebih terperinciMODEL SIR UNTUK PENYEBARAN PENYAKIT FLU BURUNG
MODEL SIR UNTUK PENYEBARAN PENYAKIT FLU BURUNG MANSYUR A. R.1 TOAHA S.2 KHAERUDDIN3 Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Hasanuddin Jln. Perintis Kemerdekaan Km.
Lebih terperinciMODEL MATEMATIKA MANGSA-PEMANGSA DENGAN SEBAGIAN MANGSA SAKIT
Vol 10 No 2, 2013 Jurnal Sains, Teknologi dan Industri MODEL MATEMATIKA MANGSA-PEMANGSA DENGAN SEBAGIAN MANGSA SAKIT Mohammad Soleh 1, Siti Kholipah 2 1,2 Jurusan Matematika Fakultas Sains dan Teknologi
Lebih terperinciBIFURKASI PITCHFORK SUPERKRITIKAL PADA SISTEM FLUTTER
BIFURKASI PITCHFORK SUPERKRITIKAL PADA SISTEM FLUTTER T - 2 Andini Putri Ariyani 1, Kus Prihantoso Krisnawan 2 Jurusan Pendidikan Matematika FMIPA UNY 1 e-mail:andiniputri_ariyani@yahoo.com, 2 e-mail:
Lebih terperinciIV PEMBAHASAN. ,, dan, dengan menggunakan bantuan software Mathematica ( ) ( ) ( ) ( ) ( ) ( )
IV PEMBAHASAN 4.1 Analisis Model HSC Tanpa Terapi 4.1.1 Penentuan Titik Tetap Model HSC Tanpa Terapi Titik tetap dari persamaan (3.1) (3.3) akan diperoleh dengan menetapkan,, dan, dengan menggunakan bantuan
Lebih terperinciPENGARUH PARAMETER PENGONTROL DALAM MENEKAN PENYEBARAN PENYAKIT FLU BURUNG. Rina Reorita, Niken Larasati, dan Renny
JMP : Volume 3 Nomor 1, Juni 11 PENGARUH PARAMETER PENGONTROL DALAM MENEKAN PENYEBARAN PENYAKIT FLU BURUNG Rina Reorita, Niken Larasati, dan Renny Program Studi Matematika, Jurusan MIPA, Fakultas Sains
Lebih terperinciAgus Suryanto dan Isnani Darti
Pengaruh Waktu Tunda pada Model Pertumbuhan Logistik Agus Suryanto dan Isnani Darti Jurusan Matematika - FMIPA Universitas Brawijaya suryanto@ub.ac.id www.asuryanto.lecture.ub.ac.id Prodi Pendidikan Matematika
Lebih terperinciBAB II LANDASAN TEORI. pada bab pembahasan. Materi-materi yang akan dibahas yaitu pemodelan
BAB II LANDASAN TEORI Pada bab ini akan dijelaskan mengenai landasan teori yang akan digunakan pada bab pembahasan. Materi-materi yang akan dibahas yaitu pemodelan matematika, teorema Taylor, nilai eigen,
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 terperinciMODEL MATEMATIKA STRUKTUR UMUR INFEKSI VIRUS HIV DENGAN KOMBINASI TERAPI OBAT MUHAMMAD BUWING
MODEL MATEMATIKA STRUKTUR UMUR INFEKSI VIRUS HIV DENGAN KOMBINASI TERAPI OBAT MUHAMMAD BUWING SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan
Lebih terperinciBAB II TINJAUAN PUSTAKA
7 BAB II TINJAUAN PUSTAKA Dalam bab ini akan dibahas beberapa poin tentang sistem dinamik, kestabilan sistem dinamik, serta konsep bifurkasi. A. Sistem Dinamik Secara umum Sistem dinamik didefinisikan
Lebih terperinciANALISIS STABILITAS PADA PENYEBARAN PENYAKIT CAMPAK DAN DEMAM BERDARAH DENGUE DI KABUPATEN JEMBER SKRIPSI. Oleh Andy Setyawan NIM
ANALISIS STABILITAS PADA PENYEBARAN PENYAKIT CAMPAK DAN DEMAM BERDARAH DENGUE DI KABUPATEN JEMBER SKRIPSI diajukan guna melengkapi tugas akhir dan memenuhi salah satu syarat untuk menyelesaikan Program
Lebih terperinciMursyidah Pratiwi, Yuni Yulida*, Faisal Program Studi Matematika Fakultas MIPA Universitas Lambung Mangkurat *
Jurnal Matematika Murni an Terapan εpsilon ANALISIS MODEL PREDATOR-PREY TERHADAP EFEK PERPINDAHAN PREDASI PADA SPESIES PREY YANG BERJUMLAH BESAR DENGAN ADANYA PERTAHANAN KELOMPOK Mursyiah Pratiwi, Yuni
Lebih terperinciKONTROL OPTIMAL MODEL PENYEBARAN VIRUS KOMPUTER DENGAN PENGARUH KOMPUTER EKSTERNAL YANG TERINFEKSI DAN REMOVABLE STORAGE MEDIA
JMP : Vol. 9 No. 1, Juni 2017, hal. 113-124 KONTROL OPTIMAL MODEL PENYEBARAN VIRUS KOMPUTER DENGAN PENGARUH KOMPUTER EKSTERNAL YANG TERINFEKSI DAN REMOVABLE STORAGE MEDIA Dewi Erla Mahmudah STMIK Widya
Lebih terperinciOLEH : IKHTISHOLIYAH DOSEN PEMBIMBING : Dr. subiono,m.sc
OLEH : IKHTISHOLIYAH 1207 100 702 DOSEN PEMBIMBING : Dr. subiono,m.sc JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2011 Pemodelan matematika
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 terperinciADLN PERPUSTAKAAN UNIVERSITAS AIRLANGGA BAB IV PEMBAHASAN. optimal dari model untuk mengurangi penyebaran polio pada dengan
BAB IV PEMBAHASAN Pada bab ini akan dilakukan analisis model dan kontrol optimal penyebaran polio dengan vaksinasi. Dari model matematika penyebaran polio tersebut akan ditentukan titik setimbang dan kemudian
Lebih terperinciPEMODELAN MATEMATIKA DAN ANALISIS KESTABILAN LOKAL PADA PERUBAHAN POPULASI PENDERITA DIABETES MELITUS
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 04, No. 3 (2015), hal 135-142 PEMODELAN MATEMATIKA DAN ANALISIS KESTABILAN LOKAL PADA PERUBAHAN POPULASI PENDERITA DIABETES MELITUS Marisa Effendi,
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN Pada bab ini akan dijelaskan mengenai latar belakang yang mendasari penelitian yang kemudian dirumuskan dalam rumusan masalah. Berdasarkan latar belakang dan rumusan masalah yang telah
Lebih terperinci