PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI

dokumen-dokumen yang mirip
PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL. Sutriani Hidri. Ja faruddin. Syafruddin Side, ABSTRAK

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Deret Pangkat. Ayundyah Kesumawati. June 23, Prodi Statistika FMIPA-UII

Estimasi Konsentrasi Polutan Sungai Menggunakan Metode Reduksi Kalman Filter dengan Pendekatan Elemen Hingga

BAB III METODE SCHNABEL

VARIASI NILAI BATAS AWAL PADA HASIL ITERASI PERPINDAHAN PANAS METODE GAUSS-SEIDEL

PENYELESAIAN PERSAMAAN TELEGRAF DENGAN METODE TRANSFORMASI DIFERENSIAL. (Skripsi) Oleh JEFERY HANDOKO

PENYELESAIAN PERSAMAAN DIFERENSIAL BIASA TAK LINEAR DENGAN METODE TRANSFORMASI DIFERENSIAL

MODEL MATEMATIKA KONSENTRASI OKSIGEN TERLARUT PADA EKOSISTEM PERAIRAN DANAU

BAB II TINJAUAN PUSTAKA

PENCARIAN JALUR TERPENDEK MENGGUNAKAN ALGORITMA SEMUT

BAB III PENENTUAN HARGA PREMI, FUNGSI PERMINTAAN, DAN TITIK KESETIMBANGANNYA

INTEGRAL NUMERIK KUADRATUR ADAPTIF DENGAN KAIDAH SIMPSON. Makalah. Disusun guna memenuhi tugas Mata Kuliah Metode Numerik. yang dibimbing oleh

Estimasi Inflasi Wilayah Kerja KPwBI Malang Menggunakan ARIMA-Filter Kalman dan VAR-Filter Kalman

Penggunaan Induksi Matematika untuk Mengubah Deterministic Finite Automata Menjadi Ekspresi Reguler

Optimasi Non-Linier. Metode Numeris

Aplikasi diagonalisasi matriks pada rantai Markov

PELABELAN FUZZY PADA GRAF. Siti Rahmah Nurshiami, Suroto, dan Fajar Hoeruddin Universitas Jenderal Soedirman.

BAB IV PERHITUNGAN HARGA PREMI BERDASARKAN FUNGSI PERMINTAAN PADA TITIK KESETIMBANGAN

BAB 5 RUANG VEKTOR UMUM. Dr. Ir. Abdul Wahid Surhim, MT.

BAB III DESAIN DAN APLIKASI METODE FILTERING DALAM SISTEM MULTI RADAR TRACKING

Variasi Spline Kubik untuk Animasi Model Wajah 3D

PEBANDINGAN METODE ROBUST MCD-LMS, MCD-LTS, MVE-LMS, DAN MVE-LTS DALAM ANALISIS REGRESI KOMPONEN UTAMA

( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang

BAB 3 PRINSIP SANGKAR BURUNG MERPATI

VISUALISASI GERAK PELURU MENGGUNAKAN MATLAB

ALGORITMA PENYELESAIAN PERSAMAAN DINAMIKA LIQUID CRYSTAL ELASTOMER

I. PENDAHULUAN. Teori graf merupakan salah satu bagian ilmu dari matematika dan merupakan

KAJIAN TEOREMA TITIK TETAP PEMETAAN KONTRAKTIF PADA RUANG METRIK CONE LENGKAP DENGAN JARAK-W

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika

- Persoalan nilai perbatasan (PNP/PNB)

khazanah Sistem Klasifikasi Tipe Kepribadian dan Penerimaan Teman Sebaya Menggunakan Jaringan Syaraf Tiruan Backpropagation informatika

Penerapan Sistem Persamaan Lanjar untuk Merancang Algoritma Kriptografi Klasik

BAB 3 LANGKAH PEMECAHAN MASALAH

Studi dan Analisis mengenai Hill Cipher, Teknik Kriptanalisis dan Upaya Penanggulangannya

Studi Perbandingan Perpindahan Panas Menggunakan Metode Beda Hingga dan Crank-Nicholson

ANALISA STATIK DAN DINAMIK GEDUNG BERTINGKAT BANYAK AKIBAT GEMPA BERDASARKAN SNI DENGAN VARIASI JUMLAH TINGKAT

KENDALI OPTIMAL PADA MASALAH INVENTORI YANG MENGALAMI PENINGKATAN

BEBERAPA SIFAT HIMPUNAN KRITIS PADA PELABELAN AJAIB GRAF BANANA TREE. Triyani dan Irham Taufiq Universitas Jenderal Soedirman

BAB II LANDASAN TEORI

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

OSN 2014 Matematika SMA/MA

MODEL REGRESI INTERVAL DENGAN NEURAL FUZZY UNTUK MEMPREDIKSI TAGIHAN AIR PDAM

ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE)

BAB 3 PATTERN MATCHING BERBASIS JARAK EUCLID, PATTERN MATCHING BERBASIS JARAK MAHALANOBIS, DAN JARINGAN SYARAF TIRUAN BERBASIS PROPAGASI BALIK

APLIKASI METODE TRANSFORMASI DIFERENSIAL PADA SISTEM PERSAMAAN DIFERENSIAL BIASA PENDAHULUAN

Penggunaan Metode Bagi Dua Terboboti untuk Mencari Akar-akar Suatu Persamaan

GENERALISASI METODE TALI BUSUR UNTUK MENYELESAIKAN PERSAMAAN TAK LINEAR SUNARSIH

PEMANFAATAN METODE HEURISTIK DALAM PENCARIAN JALUR TERPENDEK DENGAN ALGORITMA SEMUT DAN ALGORITMA GENETIKA

BAB 1 PENDAHULUAN. 1.1 Latar belakang

Implementasi Algoritma Pencarian k Jalur Sederhana Terpendek dalam Graf

BAB IV Solusi Numerik

Uji Alternatif Data Terurut Perbandingan antara Uji Jonckheere Terpstra dan Modifikasinya Ridha Ferdhiana 1 Statistics Peer Group

BAB 2 TINJAUAN PUSTAKA

KINETIKA REAKSI KIMIA TIM DOSEN KIMIA DASAR FTP UB 2012

Makalah Seminar Tugas Akhir

BAB II LANDASAN TEORI. Graf adalah kumpulan simpul (nodes) yang dihubungkan satu sama lain

ESTIMASI TRAJECTORY MOBILE ROBOT MENGGUNAKAN METODE ENSEMBLE KALMAN FILTER SQUARE ROOT (ENKF-SR)

BAB II LANDASAN TEORI

Penentuan Nilai Ekivalensi Mobil Penumpang Pada Ruas Jalan Perkotaan Menggunakan Metode Time Headway

REDUKSI MODEL ALIRAN AIR SUNGAI SATU DIMENSI DENGAN METODE SINGULAR PERTURBATION APPROXIMATION

MAT. 12. Barisan dan Deret

PERTEMUAN 02 PERBEDAAN ANTARA SISTEM DISKRIT DAN SISTEM KONTINU

Modifikasi ACO untuk Penentuan Rute Terpendek ke Kabupaten/Kota di Jawa

MENYELESAIKAN PERSAMAAN DIFFERENSIAL BILANGAN BULAT DAN BILANGAN RASIONAL

Pemodelan Dan Eksperimen Untuk Menentukan Parameter Tumbukan Non Elastik Antara Benda Dengan Lantai

PENINGKATAN EFISIENSI & EFEKTIFITAS PENGOLAHAN DATA PERCOBAAN PETAK BERJALUR

Penempatan Optimal Phasor Measurement Unit (PMU) dengan Integer Programming

PELABELAN SUPER SISI AJAIB PADA GRAF MULTI STAR

PENERAPAN DYNAMIC PROGRAMMING DALAM WORD WRAP Wafdan Musa Nursakti ( )

SISTEM PENDUKUNG KEPUTUSAN PENENTU NILAI INTERVAL KADAR LEMAK TUBUH MENGGUNAKAN REGRESI INTERVAL DENGAN NEURAL FUZZY

BAB 2 TEORI PENUNJANG

PENGARUH PELAYANAN TERHADAP KEPUASAN TERHADAP KEPUASAN NASABAH UNIT MOTOR S CENTRE FINANCING PLAZA MOTOR DI SAMARINDA

BAB 4 HASIL DAN PEMBAHASAN

BAB III ANALISIS DISKRIMINAN. analisis multivariat dengan metode dependensi (dimana hubungan antar variabel

( x) LANDASAN TEORI. ω Ω ke satu dan hanya satu bilangan real X( ω ) disebut peubah acak. Ρ = Ρ. Ruang Contoh, Kejadian dan Peluang

ANALISIS PERBANDINGAN KOMULAN TERHADAP BEBERAPA JENIS DISTRIBUSI KHUSUS Analysis of Comulans Comparative on some Types of Special Distribution

Kumpulan soal-soal level seleksi Kabupaten: Solusi: a a k

PENERAPAN AKAR KUADRAT PADA ENSEMBLE KALMAN FILTER (EnKF) ABSTRAK

IDENTIFIKASI PERUBAHAN POLA CURAH HUJAN MELALUI PERIODOGRAM STANDAR. Gumgum Darmawan Statistika FMIPA UNPAD

VI. PEMILIHAN MODA (Modal Split/Choice)

II. TINJAUAN PUSTAKA. sebuah teknik yang baru yang disebut analisis ragam. Anara adalah suatu metode

SILABUS PEMBELAJARAN

ADAPTIVE NOISE CANCELING MENGGUNAKAN ALGORITMA LEAST MEAN SQUARE (LMS) Anita Nardiana, SariSujoko Sumaryono ABSTRACT

PENDAHULUAN TINJAUAN PUSTAKA

Ruang Barisan Orlicz Selisih Dengan Fungsional Aditif Dan Kontinunya

BAB III HASIL DAN PEMBAHASAN

SOLUSI KESTABILAN PADA MASALAH MULTIPLIKATIF PARAMETRIK (STABILITY SOLUTION OF PARAMETRIC MULTIPLICATIVE PROBLEMS)

Pencitraan Tomografi Elektrik dengan Elektroda Planar di Permukaan

STUDI PENYELESAIAN PROBLEMA MIXED INTEGER LINIER PROGRAMMING DENGAN MENGGUNAKAN METODE BRANCH AND CUT OLEH : RISTA RIDA SINURAT

MODEL OPTIMASI PEMETAAN MATA KULIAH BERPRASYARAT UNTUK RENCANA STUDI MAHASISWA (STUDI KASUS PROGRAM STUDI MATEMATIKA FMIPA UT)

FISIKA. Kelas X GETARAN HARMONIS K-13. A. Getaran Harmonis Sederhana

IMPLEMENTASI ALGORITMA KOLONI SEMUT PADA PROSES PENCARIAN JALUR TERPENDEK JALAN PROTOKOL DI KOTA YOGYAKARTA

SUATU KLAS BILANGAN BULAT DAN PERANNYA DALAM MENGKONSTRUKSI BILANGAN PRIMA

mungkin muncul adalah GA, GG, AG atau AA dengan peluang masing-masing

Sifat-sifat Nilai Eigen dan Vektor Eigen Matriks atas Aljabar Maxplus

Kata Kunci : Multipath, LOS, N-LOS, Network Analyzer, IFFT, PDP. 1. Pendahuluan

ALGORITMA GENETKA PADA MULTI DEPOT VEHICLE ROUTING PROBLEM (MDVRP)

BAB III METODE PENELITIAN

Transkripsi:

PENYELESAIAN PERSAMAAN LOTKA-VOLTERRA DENGAN METODE TRANSFORMASI DIFERENSIAL SUTRIANI HIDRI Jurusan Matematia, FMIPA, Universitas Negeri Maassar Email: nanni.cliq@gmail.com Abstra. Pada artiel ini dibahas persamaan Lota-Volterra yang merupaan persamaan dari model yang membahas interasi predasi antara mangsa dan pemangsa yang membentu sistem persamaan diferensial biasa ta linear. Untu melihat interasi tersebut diperluan penyelesaian dari persamaan Lota-Volterra yang sulit untu ditentuan secara analiti. Metode transformasi diferensial merupaan salah satu metode untu menyelesaian persamaan diferensial ta linear tanpa linearisasi terlebih dahulu. Penyelesaian dengan metode ini dilauan dengan mentransformasi persamaan menggunaan sifat-sifat transformasi diferensial yang sesuai. Pada penyelesaian persamaan Lota-Volterra terdapat 2 sistem persamaan. Masing-masing sistem disimulasian dengan 3 elompo nilai parameter yang berbeda. Solusi yang diperoleh berupa deret ta hingga, sehingga untu eperluan pratis perlu dipotong sampai sejumlah N suu tertentu. Pada bagian ahir solusi tersebut divisualisasian menggunaan software Maple 17. Kata Kunci : metode transformasi diferensial, model Lota-Volterra, persamaan diferensial ta linear. I. PENDAHULUAN Persamaan diferensial merupaan salah satu bagian dari matematia yang sangat erat hubungannya dengan ehidupan sehari-hari. Banya masalah dalam bidang teni, esehatan dan ilmu pengetahuan alam yang dapat dimodelan dalam bentu persamaan diferensial. Berbagai atifitas yang bergantung terhadap watu dirumusan dalam bentu persamaan diferensial biasa bai linear atau pun ta linear. Salah satu contoh persamaan diferensial ta linear adalah persamaan yang terbentu dari model mangsa pemangsa. Model mangsa pemangsa dienal sebagai model Lota-Volterra yang membahas interasi antara 2 atau lebih spesies mahlu hidup. Dalam berinterasi, tentunya diharapan jumlah spesies mangsa dan pemangsa harus sesuai dengan proporsinya (uuran) agar interasi dapat seimbang sehingga diperluan penyelesaian dari penyelesaian persamaan model Lota-Volterra. Pada tahun 1986, Zhou memperenalan suatu metode yang dapat diterapan dalam penyelesaian persamaan diferensial ta linear tanpa linearisasi terlebih dahulu (Rahayu, d., 2012). Metode tersebut adalah metode transformasi diferensial (MTD). Berbagai penelitian dietahui menggunaan metode ini. Diantaranya oleh Rahayu d. (2012) yang membahas penyelesaian untu persamaan diferensial Riccati orde satu dan orde dua. Dewi (2013) menggunaan metode ini untu menyelesaian model epidemi SIRS.

Dari latar belaang tersebut maa penulis merumusan beberapa permasalahan yaitu bagaimana menyelesaian persamaan diferensial ta linear orde satu dan orde dua dengan metode transformasi diferensial, bagaimana menyelesaian persamaan Lota-Volterra dengan metode transformasi diferensial serta bagaimana simulasi numeri persamaan Lota-Volterra menggunaan Maple 17. Sejalan dengan rumusan masalah, tujuan dari penelitian ini adalah untu mengetahui cara menyelesaian persamaan diferensial ta linear orde satu dan orde dua dengan metode transformasi diferensial, mengetahui cara menyelesaian persamaan Lota-Volterra dengan metode transformasi diferensial serta mengetahui hasil simulasi numeri menggunaan Maple 17. II. KAJIAN PUSTAKA Metode Transformasi Diferensial Definisi metode transformasi diferensial U() dari fungsi u(x) adalah sebagai beriut U() = 1! [d u(x) dx ] x=x 0, = 0,1,2,3, (1) Pada persamaan (1), u(x) merupaan fungsi yang ditransformasian dan U() merupaan fungsi transformasi. Invers dari metode transformasi diferensial U() didefinisian sebagai beriut u(x) = U()(x x 0 ), Dari persamaan (1) dan (2), didapatan u(x) = =0 (2) 1 u(x) =0! [d ] (x x dx 0 ) (3) x=x 0 Persamaan (3) menyataan bahwa pengertian dari metode transformasi diferensial berasal dari deret Taylor (Hasan dan Ertur, 2007). Sifat Transformasi Diferensial Misalan U() = 1 u(x)! [d ], F() = 1 f(x) dx! [d ] dan G() = 1 g(x) dx! [d ] merupaan dx masing-masing fungsi transformasi dari u(x), f(x) dan g(x). Beberapa sifat metode transformasi diferensial adalah sebagai beriut. Sifat 1. Penjumlahan dan Pengurangan Jia u(x) = f(x) ± g(x), maa U() = F() ± G(). Sifat 2. Peralian dengan Konstanta Jia u(x) = λg(x), maa U() = λg()., untu λ= onstanta Sifat 3. Turunan Pertama Jia u(x) = dg(x), maa U() = ( + 1)G( + 1) dx

Sifat 4. Turunan e-m Jia u(x) = dm g(x), maa U() = ( + 1) ( + m)g( + m) dx m Sifat 5. Peralian Jia u(x) = f(x)g(x), maa U() = F(r)G( r) Sifat 6. Peralian m fungsi Jia u(x) = f 1 (x), f 2 (x) f m (x), maa U() = 2 F 1 ( 1 )F 2 ( 2 1 ) m 1 =0 F m ( m 1 ) 1 =0 Sifat 7. Fungsi Variabel Bebas Jia u(x) = x m 1, m = 0, maa U() = δ( m) = { 0, m 0, Sifat 8. Fungsi Konstanta s, = 0 Jia u(x) = s, s ε R, maa U() = δ() = { 0, 0 III. METODE PENELITIAN Penelitian ini merupaan penelitian ajian teori mengenai sistem persamaan diferensial yang bertujuan untu mencari penyelesaian persamaan Lota-Volterra menggunaan metode transformasi diferensial. Metode yang digunaan dalam penelitian ini adalah studi literatur. Studi literatur merupaan penelitian yang dilauan dengan bantuan bermacam-macam material meliputi doumen, buubuu, majalah, jurnal, atau bahan tulis lainnya. Sesuai dengan masalah yang diteliti, maa penelitian ini dilauan di Perpustaaan Jurusan Matematia FMIPA UNM sebagai loasi utama dalam pengumpulan literatur untu penulisan, serta tempat-tempat lain yang dapat memberian informasi tentang apa yang menjadi pembahasan dalam penelitian ini. Watu penelitian dilasanaan selama 4 bulan yani September 2014 hingga bulan Desember 2014. Adapun prosedur pemecahannya sebagai beriut: (1) Masing-masing persamaan pada sistem persamaan Lota-Volterra ditransformasian menggunaan sifat transformasi diferensial yang sesuai, (2) Nilai-nilai parameter disubtitusian pada persamaan hasil transformasi persamaan Lota-Volterra, (3) Nilai awal yang diberian ditransformasi menggunaan definisi transformasi diferensial, (4) Dipilih suatu bilangan bulat ta negatif, bilangan tersebut disubtitusian pada persamaan hasil transformasi persamaan Lota-Volterra, (5) Nilai-nilai yang diperoleh disubtitusian pada invers dari metode transformasi diferensial yang menghasilan penyelesaian dari masalah tersebut, (6) Untu melihat secara grafi solusi atau penyelesaian dari persamaan Lota-Volterra, selanjutnya dilauan simulasi numeri menggunaan software Maple 17.

IV. HASIL PENELITIAN DAN PEMBAHASAN 1. Penyelesaian Persamaan Diferensial Ta Linear Orde Satu dan Dua Penyelesaian Persamaan Diferensial Ta Linear Orde Satu Diberian persamaan diferensial ta linear orde satu: dy(t) = ay 2 (t) + by(t) + c (4) dt dengan nilai awal y(0) = d Penyelesaian: Langah 1 Persamaan ditransformasi menggunaan sifat transformasi diferensial yang sesuai sehingga diperoleh Y( + 1) = 1 [(a Y(r)Y( r) ) + by() + δ()] (5) + 1 Langah 2 Transformasi nilai awal menggunaan definisi transformasi diferensial sehingga diperoleh transformasi nilai awal yaitu Y(0) = d. Langah 3 Substitusi setiap nilai = 0,1,2,3, pada persamaan (5) Jia diberian a = 1, b = 2, c = 3 dan d = 0 sehingga persamaan (4) menjadi dy(t) = y 2 (t) + 2y(t) + 3 (6) dt dengan nilai awal y(0) = 0 dengan cara yang sama maa diperoleh Y(1) = 3, Y(2) = 3, Y(3) = 5,... Langah 4 Nilai-nilai yang diperoleh disubtitusian pada invers dari metode transformasi diferensial pada persamaan (2) sehingga diperoleh penyelesaian persamaan diferensial ta linear orde satu dari persamaan (4.3) adalah y(t) = 3t + 3t 2 + 5t 3 + Penyelesaian Persamaan Diferensial Ta Linear Orde Dua Diberian persamaan diferensial ta linear orde dua : d 2 x(t) dt 2 = ax 2 (t) + t m (7) dengan nilai awal x(0) = d dan x (0) = e aan diselesaian dengan menggunaan metode transformasi diferensial. Penyelesaian: Langah 1 Persamaan ditransformasi menggunaan sifat transformasi diferensial yang sesuai sehingga diperoleh

1 X( + 2) = [a ( X(r)X( r) ) + δ( m)] (8) ( + 1)( + 2) Langah 2 Transformasi nilai awal menggunaan definisi transformasi diferensial sehingga transformasi nilai awalnya yaitu X(0) = d dan X(1) = e Langah 3 Substitusi setiap nilai = 0,1,2,3, pada persamaan (8) Jia diberian a = 2, m = 1, d = 1 dan e = 0 sehingga persamaan (7) menjadi d 2 x(t) dt 2 = 2x 2 (t) + t (9) dengan nilai awal x(0) = 1 dan x (0) = 0 dengan cara yang sama maa diperoleh X(2) = 1, X(3) = 1 6, X(4) = 1 3,... Langah 4 Nilai-nilai yang diperoleh disubtitusian pada invers dari metode transformasi diferensial pada persamaan (2) sehingga diperoleh penyelesaian persamaan diferensial ta linear orde dua dari persamaan(9) adalah x(t) = 1 + t 2 + 1 6 t3 + 1 3 t4 + 2. Penyelesaian Persamaan Lota-Volterra dengan Metode Tranformasi Diferensial. Kasus 1 Persamaan Lota-Volterra 1 Mangsa dan 1 Pemangsa Pada asus 1 ini persamaan yang aan diselesaian adalah sistem persamaan yang terbentu dari model Lota-Volterra (L-V) yani dx = x(a αy) dt dy = y(b βx) (10) dt dx dy menunjuan jumlah populasi mangsa (x) pada watu t, dt menunjuan jumlah populasi pemangsa (y) pada watu t, a menunjuan oefisien laju elahiran mangsa, b adalah oefisien laju ematian pemangsa, sedangan α dan β menunjuan oefisien interasi antara mangsa dan pemangsa. Untu menyelesaian persamaan Lota-Volterra tersebut, persamaan ditransformasian dengan menggunaan sifat-sifat metode transformasi diferensial sehingga diperoleh sistem persamaan hasil transformasi dt

1 X( + 1) = [ax() α X(r)Y( r) ] ( + 1) Y( + 1) = 1 ( + 1) [ by() + β X(r)Y( r) ] (11) Nilai-nilai parameter yang digunaan pada persamaan Lota-Volterra dapat dilihat pada Tabel 1. Tabel 1. Nilai-nilai parameter persamaan L-V 1 mangsa dan 1 pemangsa Parameter Nilai (1) Nilai (2) Nilai (3) a 0.2 0.2 0.1 α 0.005 0.005 0.001 b 0.5 0.1 0.5 β 0.01 0.001 0.01 Nilai parameter (1) berasal dari penelitian estimasi parameter Trisilowati d. (2011). Sementara nilai parameter (2) dan (3) ditambahan untu melihat perilau sistem etia parameternya berbeda. Diberian nilai awal x(0) = 60 dan y(0) = 30 yang ditransformasi menggunaan definisi transformasi diferensial menghasilan X(0) = 60 dan Y(0) = 30. Dengan menggunaan nilai awal yang telah ditransformasian dan = 0, 1, 2, 3,, 10, persamaan (11) menghasilan nilai-nilai yang emudian disubstitusi pada persamaan (2). Untu penyelesaian persamaan Lota- Volterra dengan metode transformasi diferensial dari nilai parameter (1) diperoleh x(t) = 60 + 3 t 0,3750,255 t 2 0,08125 t 3 0,00279 t 4 + 0,00065 t 5 + 0,0001 t 6 + (7,395 10 5 ) t 7 (1,98 10 7 ) t 9 (1,978 10 7 )t 9 + (1,8333 10 8 )t 10 y(t) = 30 + 3 t + 0,6 t 2 + 0,01 t 3 0,004 t 4 0,0011 t 5 0,0001096 t 6 0,0001096 t 6 + (5,533 10 8 )t 7 + (1,707 10 5 )t 8 + (2,7111 10 7 )t 9 + (1,5195 10 8 )t 10 Untu penyelesaian persamaan Lota- Volterra dengan metode transformasi diferensial dari nilai parameter (2) diperoleh x(t) = 60 + 3 t + 0,255 t 2 + 0,00335 t 3 + 0,000133375 t 4 (1,329 10 5 ) t 5 (4,4184 10 7 ) t 6 (2,6864 10 8 ) t 7 (5,814 10 10 )t 8 (2,8899 10 12 )t 9 + (1,42274 10 13 )t 10 y(t) = 30 1,2 t + 0,069 t 2 + 0,00043 t 3 (3,925 10 6 ) t 4 + (3,805 10 6 ) t 5 (6,368 10 8 ) t 6 + (3,758 10 9 ) t 7 (6,501 10 11 )t 8 (1,284 10 12 )t 9 (2,718 10 14 )t 10, Untu penyelesaian persamaan Lota- Volterra dengan metode transformasi diferensial dari nilai parameter (3) diperoleh

x(t) = 60 + 4,2 t + 0,057 t 2 0,01847 t 3 0,0022905 t 4 0,0002 t 5 0,000012 t 6 (3,517 10 7 )t 7 + (4,571 10 8 )t 8 + (9,9578 10 9 )t 9 + (1,1793 10 9 )t 10 y(t) = 30 + 3 t + 0,78 t 2 + 0,0737 t 3 + 0,0091 t 4 + 0,000641 t 5 + 0,0000357 t 6 (7,857 10 7 )t 7 (4,5198 10 7 )t 8 (6,9388 10 8 )t 9 (7,328 10 9 )t 10 Kasus 2 Persamaan Lota-Volterra 2 Mangsa dan 1 Pemangsa dx 1 dt = a 1x 1 α 12 x 1 x 2 α 1 x 1 y dx 2 dt = a 2x 2 α 21 x 2 x 1 α 2 x 2 y dy dt = by + β 1x 1 y + β 2 x 2 y (12) dimana a 1 dan a 2 berturut-turut menunjuan laju elahiran mangsa 1 dan mangsa 2, b menunjuan laju ematian pemangsa. α 12 dan α 21 menunjuan interasi antara mangsa 1 dengan mangsa 2. β 1 dan β 2 berturut-turut menunjuan interasi antara pemangsa dengan mangsa 1 dan mangsa 2. Untu menyelesaian persamaan (2) dengan metode transformasi diferensial, persamaan tersebut ditransformasian menggunaan sifat transformasi diferensial yang sesuai sehingga diperoleh hasil transformasi sebagai beriut: 1 X 1 ( + 1) = ( + 1) [a 1X 1 () α 12 ( X 1 (r) X 2 ( r)) α 1 X 1 (r)y( r) ] 1 X 2 ( + 1) = ( + 1) [a 2X 2 () α 21 ( X 2 (r) X 1 ( r)) α 2 X 2 (r)y( r) ] 1 Y( + 1) = ( + 1) [ by() + β 1 ( X 1 (r) Y( r)) + β 2 X 2 (r)y( r) ] (13) Nilai-nilai parameter yang digunaan pada persamaan Lota-Volterra asus 2 dapat dilihat pada Tabel 2.

Tabel 2. Nilai-nilai parameter persamaan L-V 2 mangsa dan 1 pemangsa Parameter Nilai (1) Nilai (2) Nilai (3) a 1 0.2 0.2 0.1 α 12 0.00017 0.00017 0.0002 α 1 0.0017 0.0017 0.002 a 2 0.1 0.2 0.1 α 21 0.00025 0.00017 0.0005 α 2 0.0017 0.0017 0.005 b 0.01 0.01 0.1 β 1 0.00085 0.00085 0.00085 β 2 0.00008 0.00008 0.00085 Nilai parameter (1) berasal dari penelitian Rohmah dan Erna (2013). Sementara nilai parameter (2) dan (3) ditambahan untu melihat perilau sistem etia parameternya berbeda. Untu asus ini diberian nilai awal x 1 (0) = 50, x 2 (0) = 40 dan y(0) = 20. Yang ditransformasi sehingga diperoleh X 1 (0) = 50, X 2 = 40 dan Y(0) = 20. Dengan menggunaan nilai awal yang telah ditransformasian dan = 0, 1, 2, 3,, 10, persamaan (11) menghasilan nilai-nilai yang emudian disubstitusi pada persamaan (2). Untu penyelesaian persamaan Lota- Volterra dengan metode transformasi diferensial dari nilai parameter (1) diperoleh x 1 (t) = 50 + 7,96 t + 0,59417 t 2 + 0,02504 t 3 + 0,0003726 t 4 0,000033 t 5 0,00000356 t 6 (2,228 10 7 ) t 7 (1,121 10 8 ) t 8 (4,829 10 10 ) t 9 (1,712 10 11 ) t 10 x 2 (t) = 40 + 2,14 t 0.006831 t 2 0,00625 t 3 0,000397 t 4 0,0000129 t 5 (6,554 10 8 ) t 6 + (1,978 10 8 ) t 7 + (1,401 10 9 ) t 8 + (5,822 10 11 ) t 9 + (1,639 10 12 ) t 10 y(t) = 20 + 0,714 t + 0,08212 t 2 + 0,00599 t 3 + 0,0003899 t 4 + 0,0000235 t 5 + 0,000001316 t 6 + (6,7599 10 8 ) t 7 + (3,112 10 9 ) t 8 + (1,2199 10 10 ) t 9 + (3,435 10 12 ) t 10 Untu penyelesaian persamaan Lota- Volterra dengan metode transformasi diferensial dari nilai parameter (2) diperoleh x 1 (t) = 50 + 7,96 t + 0,576 t 2 + 0,02085 t 3 0,000103 t 4 0,00006558 t 5 0,00000482 t 6 (2,2201 10 7 ) t 7 (6,630 10 9 ) t 8 (7,614 10 11 ) t 9 + (6,092 10 12 ) t 10 x 2 (t) = 40 + 6,3 t + 0.445 t 2 + 0,015 t 3 0,00023 t 4 + 0,00006 t 5 0,000003996 t 6 (1,645 10 7 ) t 7 (3,817 10 9 ) t 8 (3,817 10 9 ) t 8 + (3,692 10 11 ) t 9 + (9,317 10 12 ) t 10 y(t) = 20 + 0,714 t + 0,085 t 2 + 0,00625 t 3 + 0,000399 t 4 + 0,0000232 t 5 + 0,000001224 t 6 + (5,711 10 8 ) t 7 +

(2,211 10 9 ) t 8 + (5,734 10 11 ) t 9 (5,565 10 13 ) t 10 Untu penyelesaian persamaan Lota- Volterra dengan metode transformasi diferensial dari nilai parameter (3) diperoleh x 1 (t) = 50 + 2,6 t + 0,096 t 2 + 0,0019 t 3 + 0,00002 t 4 (1,812 10 7 ) t 5 (2,099 10 8 ) t 6 (6,3269 10 10 ) t 7 (2,066 10 11 ) t 8 (5,0476 10 13 ) t 9 (1,0053 10 14 ) t 10 x 2 (t) = 40 t + 0,034 t 2 0,00255 t 3 0,0000325 t 4 (7,237 10 7 ) t 5 + (1,991 10 8 ) t 6 + (1,212 10 9 ) t 7 (3,842 10 11 ) t 8 + (1,429 10 12 ) t 9 (4,608 10 14 ) t 10 y(t) = 20 0,47 t + 0,019 t 2 + 0,000372 t 3 0,000011 t 4 + (8,054 10 7 ) t 5 (6,6998 10 9 ) t 6 + (1,4255 10 10 ) t 7 + (1,1823 10 11 ) t 8 (3,673 10 13 ) t 9 + (1,371 10 14 ) t 10 3. Simulasi Numeri dengan Maple 17 Simulasi numeri beriut dilauan dengan nilai awal dan parameter yang sama pada bagian sebelumnya. Simulasi ini dibagi menjadi 3 bagian berdasaran nilai parameter yang digunaan. Simulasi dengan nilai parameter (1),a = 0,2; α = 0,005; b = 0,5; β = 0,01 Gambar 1. Simulasi numeri parameter (1) untu t = 10 dan t = 30 Simulasi dengan nilai parameter (2),a = 0,2; α = 0,005; b = 0,1; β = 0,001 Gambar 2. Simulasi numeri parameter (2) untu t = 10 dan t = 30

Simulasi dengan nilai parameter (3), a = 0,1; α = 0,001; b = 0,5; β = 0,01 Gambar 3. Simulasi numeri parameter (3) untu t = 10 dan t = 30 Kasus 2 Persamaan Lota-Volterra 2 Mangsa dan 1 Pemangsa Simulasi numeri beriut dilauan dengan nilai awal dan parameter yang sama pada bagian sebelumnya. Simulasi dengan nilai parameter (1), a 1 = 0,2; α 12 = 0.00017; α 1 = 0.0017; a 2 = 0,1; α 21 = 0.00025; α 2 = 0.0017; b = 0,01; β 1 = 0.00085; β 2 = 0.00008; Gambar 4. Simulasi numeri parameter (1) untu t = 10 dan t = 30 Simulasi dengan nilai parameter (2), a 1 = 0,2; α 12 = 0.00017; α 1 = 0.0017; a 2 = 0,2; α 21 = 0.00017; α 2 = 0.0017; b = 0,01; β 1 = 0.00085; β 2 = 0.00008; Gambar 5. Simulasi numeri parameter (2) untu t = 10 dan t = 30

Simulasi dengan nilai parameter (3), a 1 = 0,1; α 12 = 0.0002; α 1 = 0.002; a 2 = 0,1; α 21 = 0.0005; α 2 = 0.005; b = 0,01; β 1 = 0.00085; β 2 = 0.00085; Gambar 6. Simulasi numeri parameter (2) untu t = 10 dan t = 30 Simulasi dengan menggunaan program Maple 17 yang dilauan untu 2 asus dengan nilai parameter dan nilai awal tersebut memberian informasi bahwa edua spesies saling mempengaruhi secara signifian. Berdasaran gambar yang dihasilan, penentuan nilai parameter dan nilai awal sangat sensitif. Pemberian nilai awal dan nilai parameter yang berbeda aan memberian gambar yang lebih variatif pula. Penurunan jumlah populasi bai mangsa maupun pemangsa pada anga negatif menunjuan habisnya populasi tersebut. Mesipun demiian simulasi tetap dilanjutan untu melihat perilau sistem pada watu beriutnya. Oleh arena itu penyelesaian yang diperoleh sudah sudah dapat menjelasan prilau sistem dalam onsep eologi. Aan tetapi, perubahan jumlah populasi yang dihasilan terlalu besar sehingga metode transformasi diferensial emunginan urang coco untu menjelasan jumlah populasi yang ada pada saat t tertentu sehingga dari penelitian ini dietahui bahwa metode transformasi diferensial hanya coco untu menjelasan perilau sistem Lota-Volterra. V. KESIMPULAN Untu menyelesaian sebuah persamaan diferensial biasa ta linear orde satu dan/atau orde dua dengan metode transformasi diferensial diperluan 4 tahap yang dimulai dengan mentransformasi persamaan dan nilai awal, subtitusi nilai awal dan, serta mensubtitusi nilai-nilai yang diperoleh pada invers metode transformasi diferensial. Hal yang sama berlau pada penyelesaian persamaan Lota-Volterra dengan nilai parameter yang telah ditentuan. Pada simulasi numeri dengan Maple 17 diperoleh bahwa metode transformasi diferensial lebih coco untu menjelasan perilau sistem Lota-Volterra dibanding menentuan jumlah populasi saat t disebaban oleh sensitifitas pengambilan parameter dan nilai awal. VI. UCAPAN TERIMA KASIH Penulis mengucapan terima asih yang sebanya-banyanya epada Bapa Syafruddin Side dan Bapa Ja faruddin selau pembimbing atas segala motivasi dan bimbingan yang diberian. Kepada Bapa Muhammad Abdy, Bapa Ahmad

Zai dan Ibu Wahidah Sanusi selau penguji atas segala saran dan riti yang diberian pada penelitian ini. DAFTAR PUSTAKA Dewi, D. M. 2013. Penyelesaian Model Epidemi SIRS dengan Metode Transformasi Diferensial. Sripsi S1 pada Jurusan Matematia FMIPA Universitas Brawijaya: tida diterbitan. Hasan, I.H.A.H & Ertur, V.S. 2007. Applying Differential Transformation Method to the On-Dimensional Planar Bratu Problem. Int.J.Contemp.Math.Science. 30(2), 1493-1504. Rahayu, Sugiatno & Bayu Prihandono. 2012. Penyelesaian Persamaan Diferensial Biasa Ta Linear dengan Metode Transformasi Diferensial. Jurnal Bimaster, vol 01(1),hal 9-14. Rohmah, Nabila A. & Erna Apriliani. 2013. Pengendalian Hama pada Model Mangsa-Pemangsa dengan Musuh Alaminya. Jurnal Sains dan Seni POMITS, vol 01(1). Trisilowati, Dhevi Yuli & Ricy Aditya. 2011. Estimasi Parameter pada Model Interasi Dua Populasi. Diases melalui http://dewapurnama.files.wordpress.com/2012/08/modul-dewa89spenelitian-trisilowati-2.pdf. [17 Desember 2014].