Upload
ariesta-novita-sari
View
158
Download
3
Embed Size (px)
DESCRIPTION
predator prey
Citation preview
SIMULASI SISTEM MANGSA-PEMANGSA PADA PEMANGSA YANG
HANYA BERADA PADA ZONA TIDAK DILINDUNGI
SRI SEPTIANA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
2011
ABSTRAK
SRI SEPTIANA. Simulasi Sistem Mangsa-Pemangsa pada Pemangsa yang Hanya Berada pada
Zona Tidak Dilindungi. Dibimbing oleh ALI KUSNANTO dan ENDAR HASAFAH
NUGRAHANI.
Dalam tulisan ini dipelajari model populasi mangsa-pemangsa yang habitatnya dibagi menjadi
dua zona, yaitu zona dilindungi dan zona tidak dilindungi dimana pada zona dilindungi pemangsa
tidak dapat masuk ke dalamnya, sedangkan pada zona tidak dilindungi mangsa dan pemangsa
dapat hidup secara bersamaan. Dalam pembahasan ini permasalahan dibagi menjadi dua model, yaitu model mangsa-pemangsa pada saat pemangsa sangat bergantung pada mangsanya (model 1)
dan pada saat pemangsa tidak sangat bergantung pada mangsanya (model 2). Analisis pada kedua
model tersebut dilakukan dengan membandingkan laju interaksi antara mangsa dan pemangsa.
Dari hasil analisis tersebut diperoleh tiga titik tetap pada model 1 dan empat titik tetap pada model
2.
Dinamika model digambarkan dengan bantuan software Mathematica 7.0. Secara keseluruhan
dari setiap kasus yang diamati, kestabilan populasi mangsa pada zona dilindungi dan zona tidak
dilindungi bergantung pada laju interaksi antara mangsa dan pemangsa. Jika besarnya interaksi
antara mangsa dan pemangsa diperbesar, maka populasi mangsa pada zona tidak dilindungi dapat
berada pada ambang kepunahan, sedangkan untuk populasi mangsa pada zona dilindungi akan
mengalami peningkatan populasi. Dalam model 1, banyaknya populasi mangsa pada zona
dilindungi mengalami peningkatan populasi lebih banyak dibandingkan model 2.
Kata kunci : model mangsa-pemangsa, zona tidak dilindungi, kestabilan
ABSTRACT
SRI SEPTIANA. Simulation on Prey-Predator System with Predators Present Only in the
Unreserved Area. Supervised by ALI KUSNANTO and ENDAR HASAFAH NUGRAHANI.
This paper studied the prey-predator population models that divide the habitat into two areas,
namely reserved area and unreserved area. In the reserved area, it is assumed that predators cannot
enter into it, while in the unreserved area prey and predators can live simultaneously. In the
discussion, two models are being considered namely the prey-predator model when predator
depends on prey (first model) and when predators have a choice of prey (second model). Analysis
on both models is done by comparing the interaction between prey and predator. The results of the analysis give three fixed points on the first model and four fixed points on the second model.
The simulation study is carried out using Mathematica 7.0 software. In every case, the stability
of prey populations in reserved area and unreserved area depend on the interaction rate between
prey and predator. If the magnitude of the prey-predator interaction is enlarged, then the prey
population in the unreserved area tends to extinct, but the prey population in reserved area tends to
increase. Moreover, population increase in reserved area of the first model is larger than that of the
second model.
Keywords : prey-predator model, unreserved area, stability
SIMULASI SISTEM MANGSA-PEMANGSA PADA PEMANGSA YANG
HANYA BERADA PADA ZONA TIDAK DILINDUNGI
SRI SEPTIANA
Skripsi
sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains
pada Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Pertanian Bogor
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2011
Judul : Simulasi Sistem Mangsa-Pemangsa pada Pemangsa yang Hanya Berada
pada Zona Tidak Dilindungi
Nama : Sri Septiana
NRP : G54070042
Menyetujui,
Pembimbing I Pembimbing II
Drs. Ali Kusnanto, M.Si Dr. Ir. Endar Hasafah Nugrahani, MS
NIP. 19650820 199003 1 001 NIP. 19631228 198903 2 001
Mengetahui,
Ketua Departemen Matematika
Dr. Berlian Setiawaty, MS
NIP. 19650505 198903 2 004
Tanggal Lulus :
KATA PENGANTAR
Puji dan syukur penulis panjatkan kehadirat Allah SWT atas segala nikmat, karunia, izin, dan
pertolongan-Nya sehingga penulisan skripsi ini berhasil diselesaikan. Tema yang dipilih adalah
Pemodelan Matematika dengan judul Simulasi Sistem Mangsa-Pemangsa pada Pemangsa yang
Hanya Berada pada Zona Tidak Dilindungi. Skripsi ini merupakan syarat untuk menyelesaikan
studi pada Departemen Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut
Pertanian Bogor. Terima kasih penulis ucapkan kepada :
1. Bapak Drs. Ali Kusnanto, M.Si dan Ibu Endar Hasafah Nugrahani, MS. selaku dosen
pembimbing atas segala kesabaran dan masukannya selama membimbing penulis; kepada
Bapak Dr. Paian Sianturi selaku penguji; 2. Ayahanda Kastowo dan Ibunda Mariyam yang banyak memberi nasihat dan dukungan
serta do’a yang tak terkira, Kakakku Elis Citrawati dan Adikku Imam Nugroho yang
selalu memberi semangat belajar dan mengingatkan tiada henti, serta Margono atas
segenap perhatian dan semangat, kesabaran serta do’anya selama penyusunan skrispi;
3. keluarga besar dan staf Departemen MatematikaFMIPA IPB: Bu Susi, Pak Yono, Bu
Ade, Mas Heri, Mas Deni, Pak Bono, dkk yang telah banyak membantu dalam
penyusunan skripsi;
4. teman-teman satu bimbingan: Fajar, Rahma, dan Aje yang selalu saling mengingatkan
dan membantu dalam penyusunan skripsi;
5. teman-teman terbaikku di kampus: Melon, Ayung, Rahma, Della, Tyas, Fajar, Denda,
Rofi, Pandi, Dian, dan Rizky yang selalu memberikan semangat dan bantuan serta
mengingatkan penulis dalam penyusunan skripsi; 6. teman-teman mahasiswa matematika angkatan 44: Melon, Ayung, Rahma, Tyas, Della,
Fajar, Rofi, Denda, Dian, Pandi, Rizky, Ruhiyat, Wahyu, Iam, Lingga, Ima, Dora,
Lugina, Yuyun, Nunuy, Ucu, Wenti, Ndep, Pepi, Ali, Aje, Deva, Eka, Titi, Lilis, Aqil,
Ikhsan, Vianey, Yuli, Masayu, Diana, Yanti, Indin, Sari, Lukman, Olih, Cepi, Aswin,
Imam, Ririh, Iresa, Anis, Tita, Arina, Tanti, Lili, Nurus, Nadiroh, Naim, Endro atas
segenap dukungan, suka-duka dan kebahagiaan selama penulis menempuh studi di
Departemen Matematika;
7. kakak-kakak mahasiswa angkatan 43: kak nia, kak wira, kak copi, kak arum, kak tami,
kak apri, kak supri, kak slamet dkk yang telah memberikan banyak informasi dan
motivasinya; adik-adik mahasiswa matematika angkatan 45: Dono, Feni, Aci, Yunda,
Bolo, Isna dkk yang telah mendukung penulis dalam menyusun skripsi; 8. keluarga besar kosan Puri 9: Nuning, Riska, Susan, Fitri, Ivon, Lia, Ines, Nita, Omi, Anis,
Ibu Yanti, dan Nela yang telah memberikan bantuan, informasi, do’a dan motivasinya
kepada penulis dalam penyusunan skripsi;
9. pihak-pihak lain yang telah membantu penyusunan skripsi ini, yang tidak dapat
disebutkan satu per satu.
Penulis menyadari bahwa dalam tulisan ini masih terdapat kekurangan dan jauh dari
kesempurnaan. Oleh karena itu, penulis mengharapkan kritik dan saran yang membangun dari
pembaca. Semoga tulisan ini dapat bermanfaat bagi semua pihak yang memerlukan.
Bogor, Agustus 2011
Sri Septiana
RIWAYAT HIDUP
Penulis lahir di Tangerang pada tanggal 16 September 1989 sebagai anak ke dua dari tiga
bersaudara, anak dari pasangan Kastowo dan Mariyam. Tahun 2001 penulis lulus dari SDS
Kuncup Mekar. Tahun 2004 penulis lulus dari SMPN 1 Tangerang. Tahun 2007 penulis lulus dari
SMAN 6 Tangerang dan pada tahun yang sama penulis lulus seleksi masuk IPB melalui jalur
Undangan Seleksi Masuk IPB (USMI), Tingkat Persiapan Bersama. Pada tahun 2008, penulis
memilih mayor Matematika pada Departemen Matematika, Fakultas Matematika dan Ilmu
Pengetahuan Alam.
Selama mengikuti perkuliahan, penulis pernah menjadi pengajar Pengantar Matematika di
bimbingan belajar Smart. Penulis juga aktif pada kegiatan kemahasiswaan Gumatika (Gugus
Mahasiswa Matematika) sebagai bendahara staf Departemen Sosinkom periode 2008/2009 dan juga menjabat sebagai bendahara staf Forum Silahturahmi Matematika (FORSMATH) periode
2009/2010. Selain itu, penulis pernah terlibat dalam berbagai kegiatan mahasiswa, antara lain
divisi acara Math Expo pada tahun 2008, divisi dokumentasi pada acara Math League pada tahun
2008, divisi kreatif pada acara MPD Matematika pada tahun 2009, divisi danus Matematika Ria
(Pesta Sains) pada tahun 2009, dan divisi acara pada acara MPD Matematika pada tahun 2010.
vii
DAFTAR ISI Halaman
DAFTAR ISI .......................................................................................................................... vii
DAFTAR GAMBAR .............................................................................................................. viii
DAFTAR LAMPIRAN ........................................................................................................... viii
I PENDAHULUAN
1.1 Latar Belakang .......................................................................................................... 1
1.2 Tujuan ....................................................................................................................... 1
II LANDASAN TEORI
2.1 Sistem Persamaan Diferensial Linear ......................................................................... 2
2.2 Titik Tetap................................................................................................................. 2
2.3 Pelinearan ................................................................................................................. 2 2.4 Nilai Eigen dan Vektor Eigen .................................................................................... 2
2.5 Analisis Kestabilan Titik Tetap .................................................................................. 2
III PEMODELAN
3.1 Model Mangsa-Pemangsa .......................................................................................... 4
3.2 Model Mangsa-Pemangsa pada Saat Pemangsa Sangat Bergantung pada
Mangsanya (Model 1) ................................................................................................ 4
3.3 Model Mangsa-Pemangsa pada Saat Pemangsa Tidak Sangat Bergantung pada
Mangsanya (Model 2) ............................................................................................... 5
IV PEMBAHASAN
4.1 Analisis Model 1 ....................................................................................................... 6 4.2 Analisis Model 2 ....................................................................................................... 7
4.3 Simulasi Model 1....................................................................................................... 8
4.4 Simulasi Model 2 ...................................................................................................... 12
V KESIMPULAN ............................................................................................................... 18
DAFTAR PUSTAKA ............................................................................................................. 19
LAMPIRAN ........................................................................................................................... 21
viii
DAFTAR GAMBAR
Halaman
1 Jenis kestabilan titik tetap ................................................................................................ 3
2 Skema model mangsa-pemangsa pada model 1 ................................................................ 4
3 Skema model mangsa-pemangsa pada model 2 ................................................................ 5
4 Orbit kestabilan di sekitar (𝑥, 𝑦, 𝑧), dengan 𝛽2 = 0.7 pada model 1 .................................. 9
5 Orbit kestabilan di sekitar (𝑥, 𝑦), dengan 𝛽2 = 0.7 pada model 1 ..................................... 9
6 Orbit kestabilan di sekitar (𝑥, 𝑧), dengan 𝛽2 = 0.7 pada model 1...................................... 9
7 Orbit kestabilan di sekitar (𝑦, 𝑧), dengan 𝛽2 = 0.7 pada model 1 ..................................... 9
8 Dinamika populasi dari ketiga model terhadap 𝑡 dengan 𝛽2 = 0.7 pada model 1 ............... 9
9 Orbit kestabilan di sekitar (𝑥, 𝑦, 𝑧), dengan 𝛽2 = 0.4 pada model 1 .................................. 10
10 Orbit kestabilan di sekitar (𝑥, 𝑦), dengan 𝛽2 = 0.4 pada model 1 ..................................... 10
11 Orbit kestabilan di sekitar (𝑥, 𝑧), dengan 𝛽2 = 0.4 pada model 1...................................... 10
12 Orbit kestabilan di sekitar (𝑦, 𝑧), dengan 𝛽2 = 0.4 pada model 1 ..................................... 11
13 Dinamika populasi dari ketiga model terhadap 𝑡 dengan 𝛽2 = 0.4 pada model 1 ............... 11
14 Orbit kestabilan di sekitar (𝑥, 𝑦, 𝑧), dengan 𝛽2 = 0.1 pada model 1 .................................. 11
15 Orbit kestabilan di sekitar (𝑥, 𝑦), dengan 𝛽2 = 0.1 pada model 1 ..................................... 12
16 Orbit kestabilan di sekitar (𝑥, 𝑧), dengan 𝛽2 = 0.1 pada model 1...................................... 12
17 Orbit kestabilan di sekitar (𝑦, 𝑧), dengan 𝛽2 = 0.1 pada model 1 ..................................... 12
18 Dinamika populasi dari ketiga model terhadap 𝑡 dengan 𝛽2 = 0.1 pada model 1 ............... 12
19 Orbit kestabilan di sekitar (𝑥, 𝑦, 𝑧), dengan 𝛽2 = 0.7 pada model 2 .................................. 13
20 Orbit kestabilan di sekitar (𝑥, 𝑦), dengan 𝛽2 = 0.7 pada model 2 ..................................... 13
21 Orbit kestabilan di sekitar (𝑥, 𝑧), dengan 𝛽2 = 0.7 pada model 2...................................... 13
22 Orbit kestabilan di sekitar (𝑦, 𝑧), dengan 𝛽2 = 0.7 pada model 2 ..................................... 14
23 Dinamika populasi dari ketiga model terhadap 𝑡 dengan 𝛽2 = 0.7 pada model 2 ............... 14
24 Orbit kestabilan di sekitar (𝑥, 𝑦, 𝑧), dengan 𝛽2 = 0.4 pada model 2 .................................. 15
25 Orbit kestabilan di sekitar (𝑥, 𝑦), dengan 𝛽2 = 0.4 pada model 2 ..................................... 15
26 Orbit kestabilan di sekitar (𝑥, 𝑧), dengan 𝛽2 = 0.4 pada model 2...................................... 15
27 Orbit kestabilan di sekitar (𝑦, 𝑧), dengan 𝛽2 = 0.4 pada model 2 ..................................... 15
28 Dinamika populasi dari ketiga model terhadap 𝑡 dengan 𝛽2 = 0.4 pada model 2 ............... 15
29 Orbit kestabilan di sekitar (𝑥, 𝑦, 𝑧), dengan 𝛽2 = 0.1 pada model 2 .................................. 16
30 Orbit kestabilan di sekitar (𝑥, 𝑦), dengan 𝛽2 = 0.1 pada model 2 ..................................... 17
31 Orbit kestabilan di sekitar (𝑥, 𝑧), dengan 𝛽2 = 0.1 pada model 2...................................... 17
32 Orbit kestabilan di sekitar (𝑦, 𝑧), dengan 𝛽2 = 0.1 pada model 2 ..................................... 17
33 Dinamika populasi dari ketiga model terhadap 𝑡 dengan 𝛽2 = 0.1 pada model 2 ............... 17
DAFTAR LAMPIRAN
Halaman
1 Penentuan Titik Tetap Model 1 ........................................................................................ 21
2 Penentuan Nilai Eigen Model 1 ....................................................................................... 23 3 Penentuan Titik Tetap Model 2 ........................................................................................ 28
4 Penentuan Nilai Eigen Model 2 ....................................................................................... 31
5 Program Penentuan Orbit Kestabilan dan Solusi Model 1 ................................................. 36
6 Program Penentuan Orbit Kestabilan dan Solusi Model 2 ................................................. 41
I PENDAHULUAN
1.1 Latar Belakang
Makhluk hidup pada hakekatnya tidak
dapat hidup sendirian, sehingga diperlukan
adanya suatu interaksi antar berbagai
populasi dan berbagai spesies yang hidup
secara bersamaan. Pada populasi tersebut
akan terjadi suatu interaksi antar spesies, di
mana kedua spesies berinteraksi dalam suatu
rantai makanan.
Biosfer merupakan suatu zona yang penting untuk kegiatan biologi terutama
terhadap perubahan ekologi dan lingkungan
yang ada. Perubahan ekologi dan lingkungan
seperti eksploitasi berlebihan, banyaknya
pemangsa, dan pencemaran lingkungan
dapat menyebabkan banyaknya spesies
didorong untuk punah dan masih banyak
yang lainnya berada pada ambang
kepunahan. Untuk melindungi spesies-
spesies tersebut harus dilakukan suatu
tindakan, salah satu tindakannya adalah
dengan menciptakan zona dilindungi yang dapat mengurangi interaksi dari spesies-
spesies tersebut terhadap perubahan ekologi
dan lingkungan yang ada. (Dubey 2006).
Model mangsa-pemangsa ini
menggambarkan tentang adanya suatu
interaksi antar spesies yang hidup secara
bersamaan. Spesies mangsa yang
dilestarikan dapat dilindungi dari pemangsa
dengan menciptakan suatu batas buatan yang
ukurannya dibuat agar mangsa saja yang
dapat bergerak lalu lalang tetapi pemangsa tidak dapat memakan mangsa pada saat
berada pada zona dilindungi. Oleh karena
itu, pemangsa yang berada di luar zona
dilindungi tidak dapat memasuki batas yang
telah dibuat tersebut sehingga aman untuk
mangsa yang hidup pada zona dilindungi
dan juga dapat membuat habitat terbagi
menjadi dua zona, yaitu zona dilindungi dan
zona tidak dilindungi.
Simulasi sistem mangsa-pemangsa pada
pemangsa yang hanya berada pada zona
tidak dilindungi memiliki dua tipe model kasus, yaitu pada saat pemangsa sangat
bergantung pada mangsanya dan pada saat
pemangsa tidak sangat bergantung pada
mangsanya. Dalam pembahasan dinamika
sistem mangsa-pemangsa ini juga
mempertimbangkan dua tipe zona yang akan
digunakan, yaitu zona dilindungi dimana
pemangsa tidak dapat memasuki zona ini
dan zona tidak dilindungi dimana mangsa
maupun pemangsa dapat bergerak atau
hidup secara bersamaan.
Dalam karya ilmiah ini akan dibahas
model mangsa-pemangsa yang dimodelkan
oleh Dubey (2006). Kedua model kasus
yang akan dibahas akan menghasilkan suatu
model baru yang dapat dianalisis dinamika
populasi mangsa pada zona dilindungi dan
zona tidak dilindungi ketika terdapat
pemangsa pada zona tidak dilindungi,
dinamika populasi pemangsa terhadap
perubahan laju interaksi antara mangsa dan pemangsa, dan perbandingan model
pemangsa pada kedua model kasus yang
akan dibahas. Dalam pembahasan ini, akan
dilakukan beberapa tahapan untuk dapat
menganalisis model tersebut. Pertama, akan
ditentukan titik tetap pada setiap model dari
kedua kasus tersebut. Selanjutnya ditentukan
matriks Jacobi dengan melakukan
pelinearan pada setiap persamaan model
yang ada terhadap setiap variabel. Kemudian
akan ditentukan nilai eigen yang dapat
digunakan untuk menganalisis kestabilan titik tetap yang dihasilkan pada setiap model
dalam kedua model kasus tersebut.
1.2 Tujuan
Tujuan dari penulisan karya ilmiah ini
adalah untuk :
1. Menggambarkan dinamika populasi
mangsa pada zona dilindungi dan zona
tidak dilindungi ketika terdapat
pemangsa pada zona tidak dilindungi.
2. Menggambarkan dinamika populasi pemangsa dengan adanya perubahan
terhadap laju interaksi antara mangsa dan
pemangsa.
3. Membandingkan model pemangsa yang
ada pada saat pemangsa sangat
bergantung pada mangsanya dan pada
saat pemangsa tidak sangat bergantung
pada mangsanya.
II LANDASAN TEORI
2.1 Sistem Persamaan Diferensial Linear
Suatu sistem persamaan diferensial orde
1 dinyatakan sebagai berikut
𝑥 + 𝑎 𝑡 𝑥 = 𝑔(𝑡) (1)
dengan 𝑎(𝑡) dan 𝑔(𝑡) adalah fungsi dari
waktu 𝑡. Bila 𝑎(𝑡) adalah suatu matriks
𝑛 x 𝑛 dengan koefisien konstan dan 𝑔(𝑡)
dinyatakan sebagai vektor konstan 𝑏, maka
akan diperoleh bentuk sistem persamaan
diferensial linear sebagai berikut
𝑑𝑥
𝑑𝑡≡ 𝑥 = 𝐴𝑥 + 𝑏, 𝑥 0 = 𝑥0 (2)
(Farlow 1994)
2.2 Titik Tetap Diberikan sistem persamaan diferensial
sebagai berikut
𝑥 = 𝑓 𝑥1 ,𝑥2 ,… , 𝑥1 ,𝑥2 ,… 𝜖 R𝑛 (3)
suatu titik 𝑥 yang memenuhi 𝑓 𝑥∗ = 0
disebut titik keseimbangan atau titik tetap
dari sistem.
(Verhulst 1990)
2.3 Pelinearan Diketahui
𝑥 = 𝑓(𝑥, 𝑦)
𝑦 = 𝑔(𝑥, 𝑦) (4)
Andaikan (𝑥∗,𝑦∗) adalah titik tetap pada
persamaan (4), maka
𝑓 𝑥∗,𝑦∗ = 0
dan
𝑔 𝑥∗,𝑦∗ = 0
Misalkan, 𝑢 = 𝑥 − 𝑥∗ dan 𝑣 = 𝑦 − 𝑦∗, maka didapatkan
𝑢 = 𝑥 = 𝑓(𝑥∗ + 𝑢, 𝑦∗ + 𝑣)
= 𝑓 𝑥∗, 𝑦∗ + 𝑢𝜕𝑓
𝜕𝑥+ 𝑣
𝜕𝑓
𝜕𝑦+
𝑶(𝒖𝟐,𝒗𝟐,𝒖𝒗)
= 𝑢𝜕𝑓
𝜕𝑥+ 𝑣
𝜕𝑓
𝜕𝑦+ 𝑶(𝒖𝟐,𝒗𝟐,𝒖𝒗)
𝑣 = 𝑦 = 𝑔(𝑥∗ + 𝑢,𝑦∗ + 𝑣)
= 𝑔 𝑥∗,𝑦∗ + 𝑢𝜕𝑓
𝜕𝑥+ 𝑣
𝜕𝑔
𝜕𝑦+
𝑶(𝒖𝟐,𝒗𝟐,𝒖𝒗)
= 𝑢𝜕𝑓
𝜕𝑥+ 𝑣
𝜕𝑔
𝜕𝑦+ 𝑶(𝒖𝟐,𝒗𝟐,𝒖𝒗)
Dalam bentuk matriks,
𝒖 𝒗 =
𝝏𝒇
𝝏𝒙𝝏𝒈
𝝏𝒙
𝝏𝒇
𝝏𝒚𝝏𝒈
𝝏𝒚
𝒖𝒗 + 𝑶(𝒖𝟐 + 𝒗𝟐 + 𝒖𝒗).
Matriks
𝐴 = 𝜕𝑓
𝜕𝑥𝜕𝑔
𝜕𝑥
𝜕𝑓
𝜕𝑦𝜕𝑔
𝜕𝑦
(𝑥∗,𝑦∗)
disebut matriks Jacobi pada titik tetap
(𝑥∗, 𝑦∗). Karena 𝑶(𝒖𝟐,𝒗𝟐,𝒖𝒗) → 𝟎, maka
dapat diabaikan sehingga didapatkan
persamaan linear
𝑢 𝑣 =
𝜕𝑓
𝜕𝑥𝜕𝑔
𝜕𝑥
𝜕𝑓
𝜕𝑦
𝜕𝑔
𝜕𝑦
(5)
(Strogatz 1994)
2.4 Nilai Eigen dan Vektor Eigen
𝐴 adalah matriks 𝑛 x 𝑛, maka suatu
vektor taknol di dalam R𝑛 disebut vektor
eigen dari 𝐴 jika untuk suatu skalar 𝜆 berlaku
𝐴𝑥 = 𝜆𝑥 (6)
Vektor x disebut vektor eigen yang
bersesuaian dengan nilai eigen 𝜆. Untuk
mencari nilai eigen dari matriks yang
berukuran 𝑛 x 𝑛, maka persamaan (6) dapat
ditulis kembali sebagai berikut :
𝐴 − 𝜆I 𝑥 = 0 (7)
dengan I adalah matriks identitas. Persamaan
(7) mempunyai solusi taknol jika dan hanya
jika,
𝑑𝑒𝑡 𝐴 − 𝜆𝐼 = 𝐴 − 𝜆I = 0 (8)
Persamaan (8) disebut persamaan
karakteristik dari matriks 𝐴.
(Anton 1995)
2.5 Analisis Kestabilan Titik Tetap Diberikan sistem persamaan diferensial
sembarang
𝑥 = 𝑓 𝑥 , 𝑥 𝜖 R𝑛 (9)
Analisis kestabilan titik tetap dilakukan
melalui matriks Jacobi, yaitu matriks 𝐴.
Penentuan kestabilan titik tetap diperoleh
dengan melihat nilai-nilai eigennya, yaitu 𝜆𝑖 dengan 𝑖 = 1,2,3, . . , 𝑛 yang diperoleh dari
𝑑𝑒𝑡 𝐴 − 𝜆I = 0. Secara umum, kestabilan titik tetap mempunyai tiga perilaku sebagai
berikut :
1. Stabil, jika
Setiap nilai eigen real bernilai negatif
(𝜆𝑖 < 0) untuk semua 𝑖, Setiap bagian real dari nilai eigen
kompleks bernilai lebih kecil atau
sama dengan nol (𝑅𝑒(𝜆𝑖) ≤ 0) untuk
semua 𝑖. 2. Tak stabil, jika
Setiap nilai eigen real bernilai positif
(𝜆𝑖 > 0) untuk semua 𝑖, Setiap bagian real dari nilai eigen
kompleks bernilai lebih besar atau
3
sama dengan nol (𝑅𝑒(𝜆𝑖) ≥ 0) untuk
semua 𝑖. 3. Sadel, jika perkalian dari kedua nilai
eigen real sembarang adalah negatif
(𝜆𝑖 , 𝜆𝑗 < 0) untuk semua 𝑖 dan 𝑗
sembarang. Titik tetap sadel ini bersifat
tak stabil.
(Tu 1994)
Misalkan diberikan matriks 𝐴 berukuran
2𝑥2 sebagai berikut
𝐴 = 𝑎 𝑏𝑐 𝑑
dengan persamaan karakteristik 𝑑𝑒𝑡(𝐴 −𝜆I) = 0 dan I adalah matriks identitas, maka
persamaan karakteristiknya menjadi
𝑑𝑒𝑡 𝑎 − 𝜆 𝑏𝑐 𝑑 − 𝜆
= 0 sedemikian
sehingga diperoleh persamaan:
𝜆2 − 𝜏𝜆 + Δ = 0 dimana,
𝜏 = 𝑡𝑟𝑎𝑐𝑒 𝐴 = 𝑎 + 𝑑 = 𝜆1 + 𝜆2
Δ = 𝑑𝑒𝑡 𝐴 = 𝑎𝑑 − 𝑏𝑐 = 𝜆1𝜆2 Dengan demikian diperoleh nilai eigen
dari matriks 𝐴, yaitu: 𝜆1,2 =𝜏± 𝜏2−4Δ
2
Terdapat tiga kasus untuk nilai Δ:
Kasus Δ < 0.
Jika nilai eigen real berbeda tanda
(𝜆1 > 0, 𝜆2 < 0), maka titik tetap
bersifat “sadel”.
Kasus ∆> 0.
𝜏2 − 4Δ > 0. Jika 𝜏 > 0 dan kedua nilai
eigen real bernilai positif
(𝜆1 > 0,𝜆2 > 0), maka titik
tetap bersifat “simpul tidak
stabil”.
Jika 𝜏 < 0 dan kedua nilai
eigen real bernilai negatif
(𝜆1 < 0,𝜆2 < 0), maka titik
tetap bersifat “simpul stabil”.
𝜏2 − 4Δ < 0.
Jika 𝜏 > 0 dan kedua nilai
eigen imajiner (𝜆1,2 = 𝛼 ± 𝑖𝛽),
maka titik tetap bersifat “spiral
tidak stabil”.
Jika 𝜏 < 0 dan kedua nilai
eigen imajiner (𝜆1,2 = 𝛼 ± 𝑖𝛽),
maka titik tetap bersifat “spiral
stabil”.
Jika 𝜏 = 0 dan kedua nilai eigen imajiner murni
(𝜆1,2 = ±𝑖𝛽), maka titik tetap
bersifat “center”.
𝜏2 − 4∆= 0.
Parabola 𝜏2 − 4∆= 0 adalah garis batas antara simpul dan
spiral. Star nodes dan
degenerate nodes yang terletak
pada parabola ini. Jika kedua
nilai eigen bernilai sama, maka
titik tetap tersebut bersifat
“simpul sejati”.
Kasus ∆= 0.
Jika salah satu nilai eigen bernilai nol,
maka titik asal bersifat “titik tetap tak
terisolasi”. (Strogatz 1994)
Gambar jenis-jenis kestabilan titik tetap
seperti yang dijelaskan di atas dapat dilihat
dalam Gambar 1.
Simpul Stabil Simpul Tak Stabil Sadel Spiral Tak Stabil
Simpul Terisolasi Spiral Stabil Simpul Sejati Center
Gambar 1 Jenis Kestabilan Titik Tetap
III PEMODELAN
3.1 Model Mangsa-Pemangsa
Model yang akan dianalisis merupakan
suatu model yang dibangun berdasarkan
interaksi antar spesies yang hidup secara
bersamaan pada suatu habitat. Dalam model
sistem mangsa-pemangsa yang dikenalkan
oleh Dubey (2006) ini membagi habitat
menjadi dua zona, yaitu zona dilindungi dan
zona tidak dilindungi dan juga membagi
permasalahan yang ada menjadi dua model, yaitu pada saat pemangsa sangat bergantung
pada mangsanya dan pada saat pemangsa
tidak sangat bergantung pada mangsanya.
Konstruksi model matematika untuk
model mangsa-pemangsa ini menggunakan
asumsi :
1. Pemangsa tidak dapat memasuki zona
dilindungi.
2. Semua parameter dan variabel yang
digunakan pada masing-masing kasus
bernilai positif.
3. Nilai parameter 𝑟 > 𝜎1 , 𝑠 > 𝜎2 ,dan 𝑟 > 𝜎1 + 𝛽1𝑀
Secara umum, model simulasi sistem
mangsa-pemangsa pada pemangsa yang
hanya berada pada zona tidak dilindungi
adalah sebagai berikut : 𝑑𝑥
𝑑𝑡= 𝑟𝑥 1 −
𝑥
𝐾 − 𝜎1𝑥 + 𝜎2𝑦 − 𝛽1𝑥𝑧
𝑑𝑦
𝑑𝑡= 𝑠𝑦 1 −
𝑦
𝐿 + 𝜎1𝑥 − 𝜎2𝑦,
𝑑𝑧
𝑑𝑡= 𝑄 𝑧 − 𝛽0𝑧, (3.1)
𝑥 0 ≥ 0, 𝑦 0 ≥ 0, 𝑧(0) ≥ 0
dengan 𝑟, 𝑠,𝐾,𝐿, 𝜎1 ,𝜎2 ,𝛽0 ,𝛽1 ,𝛽2 > 0
dimana :
𝑥(𝑡) banyaknya populasi mangsa pada
zona tidak dilindungi
𝑦(𝑡) banyaknya populasi mangsa pada zona dilindungi
𝑧(𝑡) banyaknya populasi pemangsa
𝜎1 laju perpindahan mangsa dari zona
tidak dilindungi ke zona dilindungi
𝜎2 laju perpindahan mangsa dari zona
dilindungi ke zona tidak dilindungi 𝑟 laju pertumbuhan intrinsik mangsa
pada zona tidak dilindungi
𝑠 laju pertumbuhan intrinsik mangsa
pada zona dilindungi
𝐾 besarnya daya dukung lingkungan
pada zona tidak dilindungi
𝐿 besarnya daya dukung lingkungan
pada zona dilindungi
𝛽0 laju kematian pemangsa
𝛽1 laju kematian spesies mangsa yang
disebabkan oleh pemangsa
𝛽2 besarnya interaksi antara mangsa
dan pemangsa
𝑎 laju pertumbuhan pemangsa
𝑄 𝑧 yang terdapat pada bentuk umum
model sistem mangsa-pemangsa ini merupakan laju interaksi antara mangsa dan
pemangsa. Laju interaksi antara mangsa dan
pemangsa tersebut akan dianalisis dalam dua
model permasalahan yang akan dibahas,
yaitu pada saat pemangsa sangat bergantung
pada mangsanya dan pada saat pemangsa
tidak sangat bergantung pada mangsanya.
3.2 Model Sistem Mangsa - Pemangsa
Pada Saat Pemangsa Sangat
Bergantung Pada Mangsanya
(Model 1). Pada suatu populasi akan terjadi interaksi
antar spesies yang hidup secara bersamaan
dalam populasi tersebut, di mana spesies-
spesies ini akan berinteraksi dalam suatu
rantai makanan. Dalam rantai makanan
tersebut, mangsa merupakan sumber
makanan bagi pemangsa. Oleh karena itu,
mangsa akan menjadi sasaran utama bagi
pemangsa dalam mencari makan demi
kelangsungan hidupnya.
Pada Gambar 2 dapat dilihat skema diagram model matematika untuk model
sistem mangsa-pemangsa pada saat
pemangsa sangat bergantung pada
mangsanya.
𝛽0
Gambar 2 Skema model mangsa-pemangsa
pada saat pemangsa sangat
bergantung pada mangsanya
Dari Gambar 2 terlihat bahwa, perubahan
laju populasi mangsa yang ada pada zona
tidak dilindungi 𝑥 dipengaruhi oleh laju pertumbuhan intrinsik dari mangsa pada
zona tidak dilindungi 𝑟 dengan daya dukung
𝑟,𝐾
𝛽1 ,𝛽2
𝜎1 𝜎2
𝛽0
𝑠, 𝐿
𝒙
𝒚
𝒛
lingkungannya 𝐾 serta dipengaruhi dengan
adanya laju perpindahan mangsa dari zona
dilindungi ke zona tidak dilindungi 𝜎2,
kemudian populasi mangsa pada zona tidak
dilindungi ini akan mengalami penurunan
populasi dengan adanya perpindahan
mangsa dari zona tidak dilindungi ke zona
dilindungi 𝜎1 dan dengan adanya interaksi antara mangsa pada zona tidak dilindungi
dengan pemangsa yang dapat menyebabkan
kematian dari mangsa pada zona tidak
dilindungi 𝛽1. Perubahan laju populasi
mangsa yang ada pada zona dilindungi 𝑦
dipengaruhi oleh laju pertumbuhan intrinsik
dari mangsa tersebut 𝑠 dengan daya dukung
lingkungannya 𝐿 serta dipengaruhi dengan
laju perpindahan mangsa dari zona tidak
dilindungi ke zona dilindungi 𝜎1 , kemudian
populasi mangsa pada zona ini akan
mengalami penurunan populasi dengan
adanya perpindahan mangsa dari zona
dilindungi ke zona tidak dilindungi 𝜎2 . Sedangkan untuk perubahan laju populasi
pemangsa dipengaruhi oleh besarnya laju
interaksi antara mangsa dan pemangsa 𝛽2,
kemudian populasi dari pemangsa akan
mengalami kematian secara alami 𝛽0.
Sehingga model persamaan untuk
pemangsa sangat bergantung pada
mangsanya adalah sebagai berikut : 𝑑𝑥
𝑑𝑡= 𝑟𝑥 1 −
𝑥
𝐾 − 𝜎1𝑥 + 𝜎2𝑦 − 𝛽1𝑥𝑧
𝑑𝑦
𝑑𝑡= 𝑠𝑦 1 −
𝑦
𝐿 + 𝜎1𝑥 − 𝜎2𝑦,
𝑑𝑧
𝑑𝑡= 𝛽2𝑥𝑧 − 𝛽0𝑧, ( 3.2)
𝑥 0 ≥ 0, 𝑦 0 ≥ 0, 𝑧(0) ≥ 0.
dengan 𝑟, 𝑠,𝐾,𝐿, 𝜎1 ,𝜎2 ,𝛽0 ,𝛽1 ,𝛽2 > 0
3.3 Model Sistem Mangsa - Pemangsa
Pada Saat Pemangsa Tidak Sangat
Bergantung Pada Mangsanya
(Model 2).
Spesies mangsa merupakan sumber
makanan bagi pemangsa. Namun pada kasus
ini, pemangsa tidak begitu bergantung pada mangsa yang ada dikarenakan pada model
ini terdapat jenis spesies mangsa lain yang
dapat dijadikan sumber makanan lain bagi
pemangsa demi kelangsungan hidupnya.
Pada Gambar 3 dapat dilihat skema
diagram model matematika untuk model
mangsa-pemangsa pada saat pemangsa tidak
sangat bergantung pada mangsanya.
Gambar 3 Skema model mangsa-pemangsa
pada saat pemangsa tidak sangat
bergantung pada mangsanya
Dari Gambar 3 terlihat bahwa, perubahan
laju populasi mangsa yang ada pada zona
tidak dilindungi 𝑥 dipengaruhi oleh laju
pertumbuhan intrinsik dari mangsa pada
zona tidak dilindungi 𝑟 dengan daya dukung
lingkungannya 𝐾 serta dipengaruhi dengan adanya laju perpindahan mangsa dari zona
dilindungi ke zona tidak dilindungi 𝜎2,
kemudian populasi mangsa pada zona ini
akan mengalami penurunan populasi dengan
adanya perpindahan mangsa dari zona tidak
dilindungi ke zona dilindungi 𝜎1 dan dengan
adanya interaksi antara mangsa pada zona
tidak dilindungi dan pemangsa yang dapat
menyebabkan kematian dari mangsa pada
zona tidak dilindungi 𝛽1. Perubahan laju
populasi mangsa pada zona dilindungi 𝑦
dipengaruhi oleh laju pertumbuhan intrinsik
dari mangsa tersebut 𝑠 dengan daya dukung
lingkungannya 𝐿 serta dipengaruhi dengan
laju perpindahan mangsa dari zona tidak
dilindungi ke zona dilindungi 𝜎1 , kemudian
populasi mangsa pada zona ini akan
mengalami penurunan populasi dengan adanya perpindahan mangsa dari zona
dilindungi ke zona tidak dilindungi 𝜎2 . Sedangkan untuk laju pertumbuhan populasi
pemangsa dipengaruhi dengan adanya laju
pertumbuhan pemangsa 𝑎 serta dengan
adanya laju interaksi antara mangsa dan
pemangsa 𝛽2, serta daya dukung
lingkungannya 𝑀. Sehingga model persamaan untuk
pemangsa tidak sangat bergantung pada
mangsanya adalah sebagai berikut : 𝑑𝑥
𝑑𝑡= 𝑟𝑥 1 −
𝑥
𝐾 − 𝜎1𝑥 + 𝜎2𝑦 − 𝛽1𝑥𝑧
𝑑𝑦
𝑑𝑡= 𝑠𝑦 1 −
𝑦
𝐿 + 𝜎1𝑥 − 𝜎2𝑦,
𝑑𝑧
𝑑𝑡= 𝑎𝑧 1 −
𝑧
𝑀 +𝛽2𝑥𝑧, ( 3.3)
𝑥 0 ≥ 0, 𝑦 0 ≥ 0, 𝑧(0) ≥ 0
dengan 𝑟, 𝑠, 𝑎,𝐾,𝐿, 𝜎1𝜎2 ,𝛽1 ,𝛽2 > 0
𝑟,𝐾
𝛽1
,𝛽2
𝜎1 𝜎2 𝑎,𝑀
𝑠, 𝐿
𝒙
𝒚
𝒛
IV PEMBAHASAN
4.1 Analisis Model 1
Titik tetap pada model persamaan (3.2)
dapat dinyatakan ke dalam bentuk 𝐸 = 𝑥,𝑦, 𝑧 dan juga dapat diperoleh dengan
menentukan 𝑑𝑥
𝑑𝑡= 0,
𝑑𝑦
𝑑𝑡= 0, dan
𝑑𝑧
𝑑𝑡= 0,
𝑟𝑥 1 −𝑥
𝐾 − 𝜎1𝑥 + 𝜎2𝑦 − 𝛽1𝑥𝑧 = 0
𝑠𝑦 1 −𝑦
𝐿 + 𝜎1𝑥 − 𝜎2𝑦 = 0
𝛽2𝑥𝑧 − 𝛽0𝑧 = 0
sehingga diperoleh tiga titik tetap non-
negatif sebagai berikut :
𝐸0 = 0,0,0
𝐸1 = 𝑥 , 𝑦 , 0 dengan 𝑥 adalah akar dari
persamaan 𝑦 =1
𝜎2 𝑟𝑥 2
𝐾− (𝑟 − 𝜎1)𝑥
𝐸2 = 𝑥∗, 𝑦∗,𝑧∗ = 𝛽0
𝛽2,
1
2𝑠𝛽2 𝑐 + 𝑑 , 𝑓
dengan
𝑐 = 𝐿𝛽2 𝑠 − 𝜎2
𝑑 = 𝛽22𝐿2 𝑠 − 𝜎2
2 + 4𝑠𝐿𝛽0𝛽2𝜎1
𝑓 =𝛽2
𝛽1𝛽0 𝜎2𝑦
∗ +𝛽0
𝛽2 𝑟 − 𝜎1 −
𝑟𝛽02
𝐾𝛽22
(bukti dapat dilihat pada Lampiran 1)
Selanjutnya akan dianalisis kestabilan
titik tetap dari model persamaan (3.2).
Untuk itu, persamaan (3.2) akan dilinearkan
ke dalam bentuk 𝑥 = 𝐴𝑥 , dengan 𝑥 =(𝑥,𝑦, 𝑧) dan 𝐴 merupakan matriks Jacobi
yang dapat digunakan untuk menganalisis
kestabilan titik tetap yang telah diperoleh
pada model persamaan ini.
𝐴 =
𝑑𝑥
𝑑𝑥
𝑑𝑥
𝑑𝑦
𝑑𝑥
𝑑𝑧𝑑𝑦
𝑑𝑥
𝑑𝑦
𝑑𝑦
𝑑𝑦
𝑑𝑧𝑑𝑧
𝑑𝑥
𝑑𝑧
𝑑𝑦
𝑑𝑧
𝑑𝑧
𝐴 =
ℎ 𝜎2 −𝛽1𝑥
𝜎1 𝑠 −2𝑠
𝐿𝑦 − 𝜎2 0
𝛽2𝑧 0 𝛽2𝑥 − 𝛽0
(4.1)
dengan
ℎ = 𝑟 −2𝑟
𝐾𝑥 − 𝜎1 −𝛽1𝑧
dimana 𝑥, 𝑦, 𝑧 merupakan koordinat titik
tetap. Titik tetap yang telah diperoleh dari
persamaan (3.2), yaitu 𝐸0 , 𝐸1 , dan 𝐸2
disubstitusikan ke dalam persamaan (4.1),
sehingga diperoleh matriks Jacobi dari setiap
titik tetap sebagai berikut :
𝐴1 0,0,0 = 𝑟 − 𝜎1 𝜎2 0
𝜎1 𝑠 − 𝜎2 00 0 −𝛽0
𝐴2 𝑥 ,𝑦 ,0 =
𝑟 −2𝑟
𝐾𝑥 − 𝜎1 𝜎2 −𝛽1𝑥
𝜎1 𝑠 −2𝑠
𝐿𝑦 − 𝜎2 0
0 0 𝛽2𝑥 − 𝛽0
𝐴3 𝑥∗,𝑦∗,𝑧∗ =
𝑗 𝜎2 −𝛽1𝑥∗
𝜎1 𝑠 −2𝑠
𝐿𝑦∗ − 𝜎2 0
𝛽2𝑧∗ 0 𝛽2𝑥
∗ − 𝛽0
dengan
𝑗 = 𝑟 −2𝑟
𝐾𝑥∗ − 𝜎1 −𝛽1𝑧
∗
Kestabilan Sistem di Titik Tetap
𝐸0 0,0,0 Untuk memperoleh nilai eigen digunakan
persamaan karakteristik 𝐴 − 𝜆𝐼 = 0,
sehingga akan diperoleh nilai eigen dari
matriks 𝐴1, yaitu
𝜆1 = −𝛽0
𝜆2 =− 𝜎2 +𝜎1−𝑟−𝑠 + 𝜎2+𝜎1−𝑟−𝑠 2+4(1) 𝜎2𝑟+𝜎1𝑠−𝑟𝑠
2
𝜆3 =− 𝜎2 +𝜎1−𝑟−𝑠 − 𝜎2+𝜎1−𝑟−𝑠 2+4(1) 𝜎2𝑟+𝜎1𝑠−𝑟𝑠
2
Karena semua parameter bernilai positif
dan nilai parameter 𝑟 > 𝜎1 dan 𝑠 > 𝜎2,
maka 𝜆1 < 0, 𝜆2 > 0, dan 𝜆3 > 0. Dengan
demikian menurut jenis kestabilannya titik
tetap 𝐸0 bersifat sadel.
Kestabilan Sistem di Titik Tetap
𝐸1 𝑥 , 𝑦 , 0 Dalam proses mencari nilai eigen pada
titik tetap ini, akan menghasilkan suatu
bentuk persamaan aljabar 𝑎𝑥 3 + 𝑏𝑥 2 +
𝑐𝑥 + 𝑑 = 0 dengan 𝑎 =𝑠𝑟2
𝐿𝐾2𝜎22 , 𝑏 =
−2𝑠𝑟 𝑟−𝜎1
𝐾𝐿𝜎22 , 𝑐 =
𝑠 𝑟−𝜎1 2
𝐿𝜎22 −
𝑟 𝑠−𝜎2
𝐾𝜎2, dan 𝑑 =
(𝑟−𝜎1)(𝑠−𝜎2)
𝜎2− 𝜎1. Persamaan aljabar tersebut
akan menghasilkan tiga nilai 𝑥 yang
berbeda. Ketiga nilai 𝑥 tersebut akan ditunjukkan pada simulasi.
7
Pada saat kondisi 𝛽2 > 𝛽0 , 𝛽2 = 𝛽0 ,dan 𝛽2 < 𝛽0 nilai parameter yang
digunakan akan menghasilkan nilai eigen
𝜆1 > 0, 𝜆2 < 0 dan 𝜆3 < 0 sehingga dari
nilai-nilai eigen yang diperoleh kestabilan
titik tetap untuk 𝐸1 pada ketiga kondisi
tersebut bersifat sadel.
Kestabilan Sistem di Titik Tetap
𝐸2 𝑥∗, 𝑦∗,𝑧∗
Kestabilan titik tetap 𝐸2 diperoleh
dengan mengamati nilai eigen dari matriks
𝐴3 , yaitu 𝜆3 + 𝑎1𝜆2 + 𝑎2𝜆 + 𝑎3 = 0 dengan
nilai 𝑎1 , 𝑎2 , 𝑎3 terdapat pada Lampiran 2.
Kemudian bentuk dari nilai eigen tersebut
akan diberikan nilai parameter untuk dapat
ditentukan jenis kestabilan dari titik tetap 𝐸2 .
(bukti dapat dilihat pada Lampiran 2)
Untuk mengetahui jenis kestabilan titik
tetap pada ketiga titik tetap yang terdapat
pada model 1, dapat dilihat pada Tabel 1.
Titik
Tetap
Kasus
𝛽2 > 𝛽0 𝛽2 = 𝛽0 𝛽2 < 𝛽0 𝐸0 Sadel Sadel Sadel
𝐸1 Sadel Sadel Sadel
𝐸2 Stabil Stabil Spiral
Stabil
Tabel 1 Kestabilan Titik Tetap
4.2 Analisis Model 2
Titik tetap pada model persamaan (3.3)
diperoleh dengan menentukan 𝑑𝑥
𝑑𝑡= 0,
𝑑𝑦
𝑑𝑡=
0, dan 𝑑𝑧
𝑑𝑡= 0, sehingga dari model
persamaan (3.3) diperoleh empat titik tetap
non-negatif, yaitu 𝐹0 0,0,0 , 𝐹1 0,0,𝑀 ,
𝐹2 𝑥, 𝑦 , 0 = 𝑥 ,1
σ2 𝑝 , 0 , dan
𝐹3 𝑥∗, 𝑦∗,𝑧∗ = 𝑥∗,
1
σ2 𝑞 ,
𝑀
𝑎 𝑎 + 𝛽2𝑥
∗
dengan
𝑝 =r𝑥 2
K− r − σ1 x
𝑞 = 𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎 𝑥∗2
− 𝑟 − σ1 − 𝛽1𝑀 𝑥∗
(bukti dapat dilihat pada Lampiran 3)
Selanjutnya akan dianalisis kestabilan
titik tetap yang terdapat pada model
persamaan (3.3). Untuk itu, persamaan (3.3)
akan dilinearkan ke dalam bentuk 𝑥 = 𝐴𝑥 , dengan 𝑥 = (𝑥, 𝑦, 𝑧) dan 𝐴 merupakan
matriks Jacobi yang dapat digunakan untuk
menganalisis kestabilan titik tetap yang telah
diperoleh pada persamaan ini.
𝐴 =
𝑑𝑥
𝑑𝑥
𝑑𝑥
𝑑𝑦
𝑑𝑥
𝑑𝑧𝑑𝑦
𝑑𝑥
𝑑𝑦
𝑑𝑦
𝑑𝑦
𝑑𝑧𝑑𝑧
𝑑𝑥
𝑑𝑧
𝑑𝑦
𝑑𝑧
𝑑𝑧
𝐴 =
ℎ 𝜎2 −𝛽1𝑥
𝜎1 𝑠 −2𝑠
𝐿𝑦 − 𝜎2 0
𝛽2𝑧 0 𝑎 −2𝑎
𝑀𝑧 + 𝛽2𝑥
(4.2)
dengan
ℎ = 𝑟 −2𝑟
𝐾𝑥 − 𝜎1 − 𝛽1𝑧
dimana 𝑥, 𝑦, 𝑧 merupakan suatu koordinat
titik tetap. Titik tetap yang telah diperoleh
dari model persamaan (3.3), yaitu 𝐹0 ,
𝐹1 , 𝐹2, dan 𝐹3 disubstitusikan ke dalam
matriks Jacobi di atas, sehingga akan
diperoleh matriks Jacobi dari setiap titik
tetap sebagai berikut :
𝐹1 0,0,0 = 𝑟 − 𝜎1 𝜎2 0
𝜎1 𝑠 − 𝜎2 00 0 𝑎
𝐹2 0,0,𝑀 = 𝑟 − 𝜎1 − 𝛽1𝑀 𝜎2 0
𝜎1 𝑠 − 𝜎2 0𝛽2𝑀 0 −𝑎
𝐹3(𝑥 , 𝑦 ,0) =
𝑟 −2𝑟
𝐾𝑥 − 𝜎1 𝜎2 −𝛽1𝑥
𝜎1 𝑠 −2𝑠
𝐿𝑦 − 𝜎2 0
0 0 𝑎 + 𝛽2𝑥
𝐹4 𝑥∗,𝑦∗,𝑧∗ =
𝑢 𝜎2 −𝛽1𝑥∗
𝜎1 𝑠 −2𝑠
𝐿𝑦∗ − 𝜎2 0
𝛽2𝑧∗ 0 𝑡
dengan
𝑢 = 𝑟 −2𝑟
𝐾𝑥∗ − 𝜎1 − 𝛽1𝑧
∗
𝑡 = 𝑎 −2𝑎
𝑀𝑧∗ + 𝛽2𝑥
∗
Kestabilan Sistem di Titik Tetap
𝐹0 0,0,0 Untuk memperoleh nilai eigen digunakan
persamaan karakteristik 𝐴 − 𝜆𝐼 = 0,
sehingga akan diperoleh nilai eigen dari
matriks 𝐹0, yaitu
8
𝜆1 = 𝑎
𝜆2 =− 𝜎2 +𝜎1−𝑠−𝑟 + 𝜎2+𝜎1−𝑠−𝑟 2−4 1 𝑟𝑠−𝑟𝜎2−𝜎1𝑠
2
𝜆3 =
− 𝜎2 +𝜎1−𝑠−𝑟 − 𝜎2+𝜎1−𝑠−𝑟 2−4 1 𝑟𝑠−𝑟𝜎2−𝜎1𝑠
2
Karena semua parameter bernilai positif
dan nilai parameter 𝑟 > 𝜎1 dan 𝑠 > 𝜎2,
maka 𝜆1 > 0, 𝜆2 > 0, dan 𝜆3 > 0. Dengan
demikian menurut jenis kestabilannya titik
tetap 𝐹0 bersifat tak stabil.
Kestabilan Sistem di Titik Tetap
𝐹1 0,0,𝑀 Untuk memperoleh nilai eigen digunakan
persamaan karakteristik 𝐴 − 𝜆𝐼 = 0,
sehingga akan diperoleh nilai eigen dari
matriks 𝐹1, yaitu
𝜆1 = −𝑎
𝜆2 =−𝑣+ 𝑣2−4𝑤
2
𝜆3 =−𝑣− 𝑣2−4𝑤
2
dengan
𝑣 = 𝛽1𝑀 + 𝜎2 + 𝜎1 − 𝑠− 𝑟
𝑤 = 𝛽1𝑀 𝜎2 − 𝛽1𝑀𝑠 + 𝑟𝑠 − 𝑟𝜎2 − 𝜎1𝑠
Karena semua parameter bernilai positif
dan nilai parameter 𝑟 > 𝜎1 + 𝛽1𝑀 dan
𝑠 > 𝜎2 , maka 𝜆1 < 0, 𝜆2 > 0, dan 𝜆3 < 0
sehingga menurut jenis kestabilannya titik
tetap 𝐹1 bersifat sadel.
Kestabilan Sistem di Titik Tetap
𝐹2 𝑥, 𝑦 , 0 Seperti pada model 1, dalam proses
mencari nilai eigen untuk titik tetap ini akan
menghasilkan suatu bentuk persamaan
aljabar 𝑎𝑥 3 + 𝑏𝑥 2 + 𝑐𝑥 + 𝑑 = 0 dengan
𝑎 =𝑠𝑟2
𝐿𝐾2𝜎22 , 𝑏 =
−2𝑠𝑟(𝑟−𝜎1)
𝐾𝐿𝜎22 , 𝑐 =
𝑠(𝑟−𝜎1)2
𝐿𝜎22 −
𝑟(𝑠−𝜎2 )
𝐾𝜎2, 𝑑 =
(𝑟−𝜎1)(𝑠−𝜎2)
𝜎2− 𝜎1. Persamaan
aljabar tersebut akan menghasilkan tiga nilai
𝑥 yang berbeda. Ketiga nilai 𝑥 tersebut akan
ditunjukkan pada simulasi.
Titik tetap 𝐹2 pada saat kondisi 𝛽2 > 𝛽0 ,𝛽2 = 𝛽0 , dan 𝛽2 < 𝛽0 , nilai parameter yang
digunakan akan menghasilkan nilai eigen
𝜆1 > 0, 𝜆2 < 0, dan 𝜆3 < 0 sehingga dari
nilai-nilai eigen yang diperoleh titik tetap 𝐹2
pada ketiga kondisi tersebut bersifat sadel.
Kestabilan Sistem di Titik Tetap
𝐹3 𝑥∗, 𝑦∗,𝑧∗
Dalam proses mencari nilai eigen untuk
titik tetap 𝐹3 juga akan menghasilkan suatu
bentuk persamaan aljabar 𝑎𝑥∗3 + 𝑏𝑥∗2 +
𝑐𝑥∗ + 𝑑 = 0 dengan 𝑎 =𝑠
𝐿𝜎22
𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎
2
,
𝑏 =−2𝑠
𝐿𝜎22
𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎 𝑟 − 𝜎1 − 𝛽1𝑀 , 𝑐 =
𝑠
𝐿𝜎22 𝑟 − 𝜎1 − 𝛽1𝑀 2 −
𝑠−𝜎2
𝜎2
𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎 ,
𝑑 =𝑠−𝜎2
𝜎2 𝑟 − 𝜎1 − 𝛽1𝑀 − 𝜎1. Persamaan
aljabar tersebut akan menghasilkan tiga nilai
𝑥∗ yang berbeda. Ketiga nilai 𝑥∗ tersebut akan ditunjukkan pada simulasi.
Titik tetap 𝐹3 pada saat kondisi 𝛽2 >𝛽0 dan 𝛽2 = 𝛽0, nilai parameter yang
digunakan akan menghasilkan nilai eigen
𝜆1 < 0, 𝜆2 < 0, dan 𝜆3 < 0 sehingga dari
nilai-nilai eigen yang diperoleh titik tetap 𝐹3
bersifat stabil. Sedangkan pada saat kondisi
𝛽2 < 𝛽0 , nilai parameter yang digunakan
akan menghasilkan nilai eigen 𝜆1 < 0,
𝜆2 dan 𝜆3 kompleks dengan bagian real
bernilai negatif sehingga dari nilai-nilai
eigen yang diperoleh titik tetap 𝐹3 pada
kondisi ini bersifat spiral stabil.
(bukti dapat dilihat pada Lampiran 4)
Untuk mengetahui jenis kestabilan titik
tetap pada keempat titik tetap pada kasus 2
dapat dilihat pada Tabel 2.
Titik
Tetap
Kasus
𝛽2 > 𝛽0 𝛽2 = 𝛽0 𝛽2 < 𝛽0
𝐹0 Titik tak
stabil
Titik tak
stabil
Titik tak
stabil
𝐹1 Sadel Sadel Sadel
𝐹2 Sadel Sadel Sadel
𝐹3 Stabil Stabil Spiral
Stabil
Tabel 2 Jenis Kestabilan Titik Tetap
4.3 Simulasi Model 1
>> Kasus 𝜷𝟐 > 𝜷𝟎 Nilai parameter yang digunakan dalam
kondisi ini adalah 𝑠 = 0.6, 𝑟 = 1, 𝐾 = 40,𝐿 = 40, 𝜎1 = 0.2,𝜎2 = 0.4,𝛽0 = 0.4,𝛽1 =0.7, 𝛽2 = 0.7, dengan nilai awal 𝑥 0 = 20,𝑦 0 = 10, dan 𝑧 0 = 10.
Dari nilai parameter yang digunakan
diperoleh titik tetap 𝐸0 = (0,0,0) yang
bersifat sadel serta titik tetap 𝐸2 =(0.5714285714, 13.88217026,15.00461924) yang memiliki jenis
kestabilan bersifat stabil, sedangkan untuk
9
titik tetap 𝐸1 akan menghasilkan suatu
bentuk persamaan aljabar 𝑎𝑥 3 + 𝑏𝑥 2 +
𝑐𝑥 + 𝑑 = 0 dengan 𝑎 =𝑠𝑟2
𝐿𝐾2𝜎22 , 𝑏 =
−2𝑠𝑟 (𝑟−𝜎1 )
𝐾𝐿𝜎22 , 𝑐 =
𝑠(𝑟−𝜎1)2
𝐿𝜎22 −
𝑟(𝑠−𝜎2)
𝐾𝜎2, dan 𝑑 =
(𝑟−𝜎1)(𝑠−𝜎2)
𝜎2− 𝜎1 dalam proses pencarian
nilai titik tetapnya sehingga dari persamaan
aljabar tersebut akan diperoleh tiga nilai 𝑥 yang berbeda, yaitu
𝑥 1 = 23.68146140, 𝑥 2 = 43.62267459,dan 𝑥 3 = −3.304135986. Ketiga nilai 𝑥 tersebut jika disubstitusi ke dalam
persamaan 𝑦 akan menghasilkan nilai
𝑦 1 = −12.31219692, 𝑦 2 = 31.68825945,dan 𝑦 3 = 7.290604135. Terlihat bahwa
nilai 𝑦 yang dihasilkan untuk 𝑥 1 serta nilai
𝑥 2 yang dihasilkan bernilai negatif. Hal ini
tidak bersesuaian dengan asumsi bahwa
populasi mangsa yang berada pada kedua
zona bernilai positif. Sehingga pada kasus
𝛽2 > 𝛽0 terdapat tiga titik tetap, yaitu
𝐸0 , 𝐸1 , dan 𝐸2 dengan nilai titik tetap
𝐸1 = 43.62267459, 31.68825945, 0 yang memiliki jenis kestabilan berupa sadel.
Berikut akan diberikan gambar orbit 3
dimensinya pada sistem persamaan (3.2)
Gambar 4 Orbit Kestabilan di sekitar
(𝑥, 𝑦, 𝑧) dengan 𝛽2 = 0.7,dan 𝛽0 = 0.4.
Gambar 4 memperlihatkan pergerakan kurva
dimulai pada sudut bawah dari titik terendah
pada bidang (𝑥𝑧).
Gambar 5 Orbit kestabilan pada bidang
(𝑥, 𝑦) dengan 𝛽2 = 0.7,dan 𝛽0 = 0.4
Gambar 6 Orbit kestabilan pada bidang
(𝑥, 𝑧) dengan 𝛽2 = 0.7,dan 𝛽0 = 0.4
Gambar 7 Orbit kestabilan pada bidang
(𝑦, 𝑧) dengan 𝛽2 = 0.7,dan 𝛽0 = 0.4
Gambar 5, 6, dan 7 merupakan
pencerminan 2D dari Gambar 4. Dari hasil
pencerminan 2D ini dapat terlihat beberapa
titik tetapnya.
Berikut akan diperlihatkan grafik
dinamika dari populasi spesies mangsa pada
zona yang tidak dilindungi, spesies mangsa
pada zona yang dilindungi, dan populasi
pemangsa terhadap waktu (𝑡) pada saat
𝛽2 = 0.7 dan 𝛽0 = 0.4.
Gambar 8 Dinamika populasi dari ketiga
model terhadap 𝑡 dengan
𝛽2 = 0.7 dan 𝛽0 = 0.4.
0 10 20 30 40 50t0
5
10
15
20
25
30
x,y,z
10
Keterangan :
: Populasi mangsa pada zona yang
tidak dilindungi
: Populasi mangsa pada zona yang
dilindungi
: Populasi pemangsa
Pada Gambar 8 terlihat bahwa populasi
pemangsa yang ada lebih banyak
dibandingkan dengan populasi mangsa pada
kedua zona. Hal ini dapat membuat ancaman bagi mangsa untuk menuju kepunahan
khususnya untuk mangsa yang ada pada
zona tidak dilindungi karena mangsa pada
zona ini hidup secara bersamaan dengan
banyaknya pemangsa tersebut dan
merupakan sumber makanan bagi pemangsa.
Namun mangsa yang ada pada zona
dilindungi akan mengalami kenaikan
populasinya dikarenakan pada zona
dilindungi tidak terdapat pemangsa yang
hidup dalam zona ini.
>> Kasus 𝜷𝟐 = 𝜷𝟎 Nilai parameter yang digunakan dalam
kondisi ini adalah 𝑠 = 0.6, 𝑟 = 1, 𝐾 = 40,𝐿 = 40, 𝜎1 = 0.2, 𝜎2 = 0.4, 𝛽0 = 0.4,𝛽1 = 0.7, 𝛽2 = 0.4, dengan nilai awal
𝑥 0 = 20, 𝑦 0 = 10, dan 𝑧 0 = 10.
Dari nilai parameter yang digunakan
diperoleh titik tetap 𝐸0 = (0,0,0) yang
bersifat sadel serta titik tetap 𝐸2 = (1,14.26783617, 9.260192096) yang bersifat
stabil, sedangkan untuk titik tetap 𝐸1 yang
dalam proses mencari nilai titik tetapnya
akan menghasilkan suatu bentuk persamaan
aljabar 𝑎𝑥 3 + 𝑏𝑥 2 + 𝑐𝑥 + 𝑑 = 0 dengan
𝑎 =𝑠𝑟2
𝐿𝐾2𝜎22 , 𝑏 =
−2𝑠𝑟(𝑟−𝜎1)
𝐾𝐿𝜎22 , 𝑐 =
𝑠(𝑟−𝜎1)2
𝐿𝜎22 −
𝑟(𝑠−𝜎2 )
𝐾𝜎2, dan 𝑑 =
(𝑟−𝜎1 )(𝑠−𝜎2)
𝜎2− 𝜎1
sehingga diperoleh tiga nilai 𝑥 yang berbeda
nilainya, yaitu 𝑥 1 = 23.68146140, 𝑥 2 =43.62267459, dan 𝑥 3 = −3.304135986. Ketiga nilai 𝑥 tersebut jika disubstitusi ke
dalam persamaan 𝑦 akan menghasilkan nilai
𝑦 1 = −12.31219692, 𝑦 2 = 31.68825945,dan 𝑦 3 = 7.290604135. Terlihat bahwa
nilai 𝑦 yang dihasilkan untuk 𝑥 1 serta nilai
𝑥 3 yang dihasilkan bernilai negatif. Hal ini
tidak bersesuaian dengan asumsi bahwa populasi mangsa yang berada pada kedua
zona bernilai positif. Sehingga pada kasus
𝛽2 = 𝛽0 terdapat tiga titik tetap, yaitu
𝐸0 , 𝐸1 , dan 𝐸2 dengan nilai titik tetap
𝐸1 = 43.62267459, 31.68825945, 0 yang memiliki jenis kestabilan berupa sadel.
Berikut akan diberikan gambar orbit 3
dimensinya pada sistem persamaan (3.3)
Gambar 9 Orbit kestabilan pada bidang
(𝑥, 𝑦, 𝑧) dengan 𝛽2 = 0.4,dan 𝛽0 = 0.4
Gambar 9 memperlihatkan pergerakan kurva
dimulai pada sudut bawah dari titik terendah
pada bidang (𝑥𝑧).
Gambar 10 Orbit kestabilan pada bidang
(𝑥,𝑦) dengan 𝛽2 = 0.4,dan 𝛽0 = 0.4
Gambar 11 Orbit kestabilan pada bidang
(𝑥, 𝑧) dengan 𝛽2 = 0.4,dan 𝛽0 = 0.4
11
Gambar 12 Orbit kestabilan pada bidang
(𝑦, 𝑧) dengan 𝛽2 = 0.4,dan 𝛽0 = 0.4
Gambar 10, 11, dan 12 merupakan
pencerminan 2D dari Gambar 9. Dari hasil
pencerminan 2D ini dapat terlihat beberapa
titik tetapnya.
Berikut akan diperlihatkan grafik
dinamika dari populasi spesies mangsa pada
zona yang tidak dilindungi, spesies mangsa pada zona yang dilindungi, dan populasi
pemangsa terhadap waktu (𝑡) pada saat
𝛽2 = 0.4 dan 𝛽0 = 0.4
Gambar 13 Dinamika populasi dari ketiga
model terhadap 𝑡 dengan
𝛽2 = 0.4 dan 𝛽0 = 0.4.
Keterangan :
: Populasi mangsa pada zona yang
tidak dilindungi : Populasi mangsa pada zona yang
dilindungi
: Populasi pemangsa
Pada Gambar 13 terlihat bahwa populasi
pemangsa serta populasi mangsa pada zona
tidak dilindungi mengalami penurunan
populasi dari populasi awalnya. Namun
populasi mangsa pada zona tidak dilindungi
tidak akan mengalami kepunahan
dikarenakan pada kasus ini banyaknya
populasi pemangsa lebih sedikit dibandingkan dengan kasus sebelumnya. Hal
ini dikarenakan besarnya laju interaksi
antara mangsa dan pemangsa diperkecil
nilainya sehingga dapat membuat populasi
pemangsa mengalami penurunan populasi
dan dapat membuat populasi mangsa pada
kedua zona tetap dapat bertahan hidup.
>> Kasus 𝜷𝟐 < 𝜷𝟎 Nilai parameter yang digunakan dalam
kondisi ini adalah 𝑠 = 0.6, 𝑟 = 1, 𝐾 = 40,𝐿 = 40, 𝜎1 = 0.2, 𝜎2 = 0.4, 𝛽0 = 0.4,𝛽1 = 0.7, 𝛽2 = 0.1, dengan nilai awal
𝑥 0 = 20, 𝑦 0 = 10, dan 𝑧 0 = 10.
Dari nilai parameter yang digunakan
diperoleh titik tetap 𝐸0 = (0,0,0) yang
bersifat sadel serta titik tetap 𝐸2 = (4,16.55493132, 3.364990188) yang bersifat
spiral stabil, sedangkan untuk titik tetap 𝐸1
yang dalam proses mencari nilai titik
tetapnya akan menghasilkan suatu bentuk
persamaan aljabar 𝑎𝑥 3 + 𝑏𝑥 2 + 𝑐𝑥 + 𝑑 = 0
dengan 𝑎 =𝑠𝑟2
𝐿𝐾2𝜎22 , 𝑏 =
−2𝑠𝑟 (𝑟−𝜎1)
𝐾𝐿𝜎22 , 𝑐 =
𝑠(𝑟−𝜎1 )2
𝐿𝜎22 −
𝑟(𝑠−𝜎2)
𝐾𝜎2, dan 𝑑 =
(𝑟−𝜎1)(𝑠−𝜎2)
𝜎2−
𝜎1 sehingga diperoleh tiga nilai 𝑥 yang
berbeda, yaitu 𝑥 1 = 23.68146140, 𝑥 2 =43.62267459, dan 𝑥 3 = −3.304135986. Ketiga nilai 𝑥 tersebut jika disubstitusi ke
dalam persamaan 𝑦 akan menghasilkan nilai
𝑦 1 = −12.31219692, 𝑦 2 = 31.68825945,dan 𝑦 3 = 7.290604135. Terlihat bahwa,
nilai 𝑦 yang dihasilkan untuk 𝑥 1 serta nilai
𝑥 3 yang dihasilkan bernilai negatif. Hal ini
tidak bersesuaian dengan asumsi bahwa
populasi mangsa yang berada pada kedua
zona bernilai positif. Sehingga pada kasus
𝛽2 < 𝛽0 terdapat tiga titik tetap, yaitu
𝐸0 , 𝐸1 , dan 𝐸2 dengan nilai titik tetap
𝐸1 = 43.62267459, 31.68825945, 0 yang memiliki jenis kestabilan berupa sadel.
Berikut akan diberikan gambar orbit 3
dimensinya pada sistem persamaan (3.3)
Gambar 14 Orbit kestabilan pada bidang
(𝑥,𝑦, 𝑧) dengan 𝛽2 = 0.1,dan 𝛽0 = 0.4
0 10 20 30 40 50t0
5
10
15
20
x,y,z
12
Gambar 14 memperlihatkan pergerakan
kurva dimulai dari sudut bidang (𝑥𝑧).
Gambar 15 Orbit kestabilan pada bidang
(𝑥,𝑦) dengan 𝛽2 = 0.1,dan 𝛽0 = 0.4
Gambar 16 Orbit kestabilan pada bidang
(𝑥, 𝑧) dengan 𝛽2 = 0.1,dan 𝛽0 = 0.4
Gambar 17 Orbit kestabilan pada bidang
(𝑦, 𝑧) dengan 𝛽2 = 0.1,dan 𝛽0 = 0.4
Gambar 15, 16, dan 17 merupakan pencerminan 2D dari Gambar 14. Dari hasil
pencerminan 2D ini dapat terlihat beberapa
titik tetapnya.
Berikut akan diperlihatkan grafik
dinamika dari populasi spesies mangsa pada
zona yang tidak dilindungi, spesies mangsa
pada zona yang dilindungi, dan populasi
pemangsa terhadap waktu (𝑡) pada saat
𝛽2 = 0.1 dan 𝛽0 = 0.4
Gambar 18 Dinamika populasi dari ketiga
model terhadap 𝑡 dengan
𝛽2 = 0.1 dan 𝛽0 = 0.4.
Keterangan :
: Populasi mangsa pada zona yang
tidak dilindungi
: Populasi mangsa pada zona yang
dilindungi
: Populasi pemangsa
Pada Gambar 18 terlihat bahwa populasi
pemangsa yang ada lebih sedikit
dibandingkan dengan populasi mangsa pada
kedua zona serta populasi pemangsa tersebut
akan mengalami penurunan populasi yang
cukup drastis dibandingkan dengan kedua
kasus sebelumnya. Hal ini dikarenakan
besarnya laju interaksi antara mangsa dan
pemangsa diperkecil lagi nilainya. Dengan
adanya populasi pemangsa yang lebih
sedikit dari populasi mangsanya dapat membuat populasi mangsa pada kedua zona
dapat tetap bertahan hidup, namun populasi
mangsa pada zona tidak dilindungi akan
tetap mengalami penurunan populasi dengan
adanya sedikit populasi pemangsa tersebut
karena pada model ini pemangsa sangat
bergantung dengan mangsanya.
4.4 Simulasi Model 2
>> Kasus 𝜷𝟐 > 𝜷𝟎 Nilai parameter yang digunakan dalam
keadaan ini adalah 𝑠 = 0.6, 𝑟 = 1, 𝑎 =0.01, 𝐾 = 40, 𝐿 = 40, 𝑀 = 1, 𝜎1 =0.2, 𝜎2 = 0.4, 𝛽0 = 0.4, 𝛽1 = 0.7, 𝛽2 =0.7 dengan nilai awal 𝑥 0 = 20, 𝑦 0 =10, dan 𝑧 0 = 10.
Dari nilai parameter yang digunakan
diperoleh titik tetap 𝐹0 = 0,0,0 yang
bersifat tak stabil, titik tetap 𝐹1 = 0,0,1 yang bersifat sadel, sedangkan untuk titik
tetap 𝐹2 dan 𝐹3 akan menghasilkan suatu
bentuk persamaan aljabar 𝑎𝑥3 + 𝑏𝑥2 +
0 10 20 30 40 50t0
5
10
15
20
x,y,z
13
𝑐𝑥 + 𝑑 = 0 dalam proses pencarian nilai
titik tetapnya.
Untuk titik tetap 𝐹2 akan menghasilkan
bentuk persamaan aljabar 𝑎𝑥 3 + 𝑏𝑥 2 +
𝑐𝑥 + 𝑑 = 0 dengan 𝑎 =𝑠𝑟2
𝐿𝐾2𝜎22 , 𝑏 =
−2𝑠𝑟 (𝑟−𝜎1 )
𝐾𝐿𝜎22 , 𝑐 =
𝑠(𝑟−𝜎1)2
𝐿𝜎22 −
𝑟(𝑠−𝜎2)
𝐾𝜎2, dan 𝑑 =
(𝑟−𝜎1)(𝑠−𝜎2)
𝜎2− 𝜎1 sehingga diperoleh tiga
nilai 𝑥 yang berbeda, yaitu 𝑥 1 =23.68146140, 𝑥 2 = 43.62267459, 𝑥 3 =−3.304135986. Ketiga nilai 𝑥 tersebut jika
disubstitusi ke dalam persamaan 𝑦 akan
menghasilkan 𝑦 1 = −12.31219692, 𝑦 2 =31.68825945, dan 𝑦 3 = 7.290604135. Terlihat bahwa nilai 𝑦 yang dihasilkan untuk
𝑥 1 serta nilai 𝑥 3 yang dihasilkan bernilai
negatif. Hal ini tidak bersesuaian dengan
asumsi bahwa populasi mangsa yang berada
pada kedua zona bernilai positif, sehingga
untuk nilai titik tetap 𝐹2 = 43.62267459,31.68825945, 0 memiliki jenis kestabilan
berupa sadel.
Untuk titik tetap 𝐹3 akan menghasilkan
bentuk persamaan aljabar 𝑎𝑥∗3 + 𝑏𝑥∗2 +
𝑐𝑥∗ + 𝑑 = 0 dengan 𝑎 =𝑠
𝐿𝜎22
𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎
2
,
𝑏 =−2𝑠
𝐿𝜎22
𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎 𝑟 − 𝜎1 − 𝛽1𝑀 , 𝑐 =
𝑠
𝐿𝜎22 𝑟 − 𝜎1 − 𝛽1𝑀 2 −
𝑠−𝜎2
𝜎2
𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎 ,
dan 𝑑 =𝑠−𝜎2
𝜎2 𝑟 − 𝜎1 − 𝛽1𝑀 − 𝜎1
sehingga akan diperoleh tiga nilai 𝑥∗ yang
berbeda, yaitu 𝑥∗1 = −0.006123077230,
𝑥∗2 = −0.3246674298, dan 𝑥∗
3 =0.3348700583. Ketiga nilai 𝑥∗ tersebut jika
disubstitusi ke dalam persamaan 𝑦∗ dan 𝑧∗
akan menghasilkan nilai 𝑦∗1
=
−0.006125891722, 𝑦∗2
=
13.00035006, dan 𝑦∗3
= 13.66019071
serta nilai 𝑧∗1 = 0.5713512873, 𝑧∗
2 =−21.72672009, 𝑧∗
3 = 24.44090408.
Terlihat bahwa nilai 𝑦∗ yang dihasilkan
untuk 𝑥∗1, nilai 𝑥∗
1 dan 𝑥∗2 yang
dihasilkan, serta nilai 𝑧∗2 bernilai negatif.
Hal ini tidak bersesuaian dengan asumsi
bahwa populasi mangsa pada kedua zona
dan populasi pemangsa bernilai positif,
sehingga dalam kasus 𝛽2 > 𝛽0 terdapat
empat titik tetap non-negatif, yaitu 𝐹0 , 𝐹1 ,𝐹2 , dan 𝐹3 dengan titik tetap 𝐹3 = 0.3348700583, 13.00035006,24.44090408 yang bersifat stabil.
Berikut akan diberikan gambar orbit 3
dimensinya pada sistem persamaan (3.2)
Gambar 19 Orbit kestabilan pada bidang
(𝑥,𝑦, 𝑧) dengan 𝛽2 = 0.7,dan 𝛽0 = 0.4
Gambar 19 memperlihatkan pergerakan
kurva dimulai pada sudut bawah dari titik
terendah pada bidang (𝑥𝑧).
Gambar 20 Orbit kestabilan pada bidang
(𝑥,𝑦) dengan 𝛽2 = 0.7,dan 𝛽0 = 0.4
Gambar 21 Orbit kestabilan pada bidang
(𝑥, 𝑧) dengan 𝛽2 = 0.7,dan 𝛽0 = 0.4
14
Gambar 22 Orbit kestabilan pada bidang
(y, 𝑧) dengan 𝛽2 = 0.7,dan 𝛽0 = 0.4
Gambar 20, 21, dan 22 merupakan
pencerminan 2D dari Gambar 19. Dari hasil
pencerminan 2D ini dapat terlihat beberapa
titik tetapnya.
Berikut akan diperlihatkan grafik
dinamika dari populasi spesies mangsa pada
zona yang tidak dilindungi, spesies mangsa
pada zona yang dilindungi, dan populasi
pemangsa terhadap waktu (𝑡) pada saat
𝛽2 = 0.7 dan 𝛽0 = 0.4
Gambar 23 Dinamika populasi dari ketiga
model terhadap 𝑡 dengan
𝛽2 = 0.7 dan 𝛽0 = 0.4.
Keterangan :
: Populasi mangsa pada zona yang
tidak dilindungi : Populasi mangsa pada zona yang
dilindungi
: Populasi pemangsa
Pada Gambar 23 terlihat bahwa populasi
pemangsa yang ada lebih banyak dari
populasi mangsa pada kedua zona. Populasi
pemangsa dalam model ini lebih banyak dari
populasi awal mangsa pada zona tidak
dilindungi sehingga dapat membuat populasi
mangsa pada zona tidak dilindungi dapat
berada pada ambang kepunahan dengan banyaknya populasi pemangsa tersebut.
Banyaknya populasi pemangsa dalam model
ini dikarenakan dengan adanya laju interaksi
antara mangsa dan pemangsa yang
diperbesar nilainya dan dikarenakan dengan
tidak adanya faktor kematian secara alami
dari model pemangsa tersebut.
>> Kasus 𝜷𝟐 = 𝜷𝟎
Nilai parameter yang digunakan dalam
keadaan ini adalah 𝑠 = 0.6, 𝑟 = 1, 𝑎 =0.01, 𝐾 = 40, 𝐿 = 40, 𝑀 = 1, 𝜎1 =0.2, 𝜎2 = 0.4, 𝛽0 = 0.4, 𝛽1 = 0.7, 𝛽2 =0.4 dengan nilai awal 𝑥 0 = 20, 𝑦 0 =10, dan 𝑧 0 = 10.
Dari nilai parameter yang digunakan
diperoleh titik tetap 𝐹0 = 0,0,0 yang
bersifat tak stabil, titik tetap 𝐹1 = 0,0,1 yang bersifat sadel, sedangkan untuk titik
tetap 𝐹2 dan 𝐹3 akan menghasilkan suatu
bentuk persamaan aljabar 𝑎𝑥3 + 𝑏𝑥2 +𝑐𝑥 + 𝑑 = 0 dalam proses pencarian nilai
titik tetapnya.
Untuk titik tetap 𝐹2 akan menghasilkan
bentuk persamaan aljabar 𝑎𝑥 3 + 𝑏𝑥 2 +
𝑐𝑥 + 𝑑 = 0 dengan 𝑎 =𝑠𝑟2
𝐿𝐾2𝜎22 , 𝑏 =
−2𝑠𝑟 (𝑟−𝜎1 )
𝐾𝐿𝜎22 , 𝑐 =
𝑠(𝑟−𝜎1)2
𝐿𝜎22 −
𝑟(𝑠−𝜎2)
𝐾𝜎2, dan 𝑑 =
(𝑟−𝜎1)(𝑠−𝜎2)
𝜎2− 𝜎1 sehingga diperoleh tiga
nilai 𝑥 yang berbeda, yaitu 𝑥 1 =23.68146140, 𝑥 2 = 43.62267459, 𝑥 3 =−3.304135986. Ketiga nilai 𝑥 tersebut jika
disubstitusi ke dalam persamaan 𝑦 akan
menghasilkan 𝑦 1 = −12.31219692, 𝑦 2 =31.68825945, dan 𝑦 3 = 7.290604135. Terlihat bahwa nilai 𝑦 yang dihasilkan untuk
𝑥 1 serta nilai 𝑥 3 yang dihasilkan bernilai
negatif. Hal ini tidak bersesuaian dengan
asumsi bahwa populasi mangsa yang berada
pada kedua zona bernilai positif, sehingga
untuk nilai titik tetap 𝐹2 = 43.62267459,31.68825945, 0 memiliki jenis kestabilan
berupa sadel.
Untuk titik tetap 𝐹3 akan menghasilkan
bentuk persamaan aljabar 𝑎𝑥∗3 + 𝑏𝑥∗2 +
𝑐𝑥∗ + 𝑑 = 0 dengan 𝑎 =𝑠
𝐿𝜎22
𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎
2
,
𝑏 =−2𝑠
𝐿𝜎22
𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎 𝑟 − 𝜎1 − 𝛽1𝑀 , 𝑐 =
𝑠
𝐿𝜎22 𝑟 − 𝜎1 − 𝛽1𝑀 2 −
𝑠−𝜎2
𝜎2
𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎 ,
dan 𝑑 =𝑠−𝜎2
𝜎2 𝑟 − 𝜎1 − 𝛽1𝑀 − 𝜎1
sehingga akan diperoleh tiga nilai 𝑥∗ yang
berbeda, yaitu 𝑥∗1 = −0.01071621782,
𝑥∗2 = −0.4271721558, 𝑥∗
3 =0.4450248589. Ketiga nilai 𝑥∗ tersebut jika
disubstitusi ke dalam persamaan 𝑦∗ dan 𝑧∗
0 10 20 30 40 50t0
5
10
15
20
25
30
x,y,z
15
akan menghasilkan 𝑦∗1
= 0.01072484449,
𝑦∗2
= 12.89152134, dan 𝑦∗3
=
14.76442048 serta 𝑧∗1 = 0.5713512873,
𝑧∗2 = −16.08688623, dan 𝑧∗
3 =18.80099436. Terlihat bahwa, nilai 𝑥∗
1 dan
𝑥∗2 yang dihasilkan serta nilai 𝑧∗
2 yang
dihasilkan untuk 𝑥∗2 bernilai negatif. Hal ini
tidak bersesuaian dengan asumsi bahwa
populasi mangsa yang berada pada zona
yang tidak dilindungi dan populasi
pemangsa bernilai positif, sehingga dalam
keadaan 𝛽2 = 𝛽0 terdapat empat titik tetap
non-negatif, yaitu 𝐹0 , 𝐹1 , 𝐹2 , dan 𝐹3
dengan nilai titik tetap
𝐹3 = 0.4450248589, 14.76442048,18.80099436 yang memiliki jenis
kestabilan bersifat stabil.
Berikut akan diberikan gambar orbit 3
dimensinya pada sistem persamaan (3.2)
Gambar 24 Orbit kestabilan pada bidang
(𝑥,𝑦, 𝑧) dengan 𝛽2 = 0.4,dan 𝛽0 = 0.4
Gambar 24 memperlihatkan pergerakan
kurva dimulai pada sudut bawah dari titik
terendah pada bidang (𝑥𝑧).
Gambar 25 Orbit kestabilan pada bidang
(𝑥,𝑦) dengan 𝛽2 = 0.4,dan 𝛽0 = 0.4
Gambar 26 Orbit kestabilan pada bidang
(𝑥, 𝑧) dengan 𝛽2 = 0.4,dan 𝛽0 = 0.4
Gambar 27 Orbit kestabilan pada bidang
(y, 𝑧) dengan 𝛽2 = 0.4,dan 𝛽0 = 0.4
Gambar 25, 26, dan 27 merupakan
pencerminan 2D dari Gambar 24. Dari hasil
pencerminan 2D ini dapat terlihat beberapa
titik tetapnya.
Berikut akan diperlihatkan grafik
dinamika dari populasi spesies mangsa pada
zona yang tidak dilindungi, spesies mangsa
pada zona yang dilindungi, dan populasi
pemangsa terhadap waktu (𝑡) pada saat
𝛽2 = 0.4 dan 𝛽0 = 0.4
Gambar 28 Dinamika populasi dari ketiga
model terhadap 𝑡 dengan
𝛽2 = 0.4 dan 𝛽0 = 0.4.
0 10 20 30 40 50t0
5
10
15
20
25
x,y,z
16
Keterangan :
: Populasi mangsa pada zona yang
tidak dilindungi
: Populasi mangsa pada zona yang
dilindungi
: Populasi pemangsa
Pada Gambar 28 terlihat bahwa populasi
pemangsa lebih banyak dibandingkan
dengan populasi mangsa pada kedua zona.
Seperti pada kasus sebelumnya populasi pemangsa yang ada lebih banyak dari
populasi mangsanya, namun pada kasus ini
banyaknya populasi pemangsa lebih sedikit
dibandingkan dengan populasi pemangsa
yang ada pada kasus sebelumnya. Hal ini
dikarenakan laju interaksi antara mangsa dan
pemangsa diperkecil nilainya sehingga dapat
membuat populasi pemangsa mengalami
penurunan. Pada kasus ini dibuat nilai dari
laju kematian pemangsa sama dengan laju
interaksi antara mangsa dan pemangsanya dikarenakan ingin melihat populasi antara
mangsa dan pemangsa ketika laju kematian
pemangsa sama dengan laju interaksi antara
mangsa dan pemangsa.
>> Kasus 𝜷𝟐 < 𝜷𝟎
Nilai parameter yang digunakan dalam
keadaan ini adalah 𝑠 = 0.6, 𝑟 = 1, 𝑎 =0.01, 𝐾 = 40, 𝐿 = 40, 𝑀 = 1, 𝜎1 =0.2, 𝜎2 = 0.4, 𝛽0 = 0.4, 𝛽1 = 0.7, 𝛽2 =0.1 dengan nilai awal 𝑥 0 = 20, 𝑦 0 =10, dan 𝑧 0 = 10.
Dari nilai parameter yang digunakan
diperoleh titik tetap 𝐹0 = 0,0,0 yang
bersifat tak stabil, titik tetap 𝐹1 = 0,0,1 yang bersifat sadel, sedangkan untuk titik
tetap 𝐹2 dan 𝐹3 akan menghasilkan suatu
bentuk persamaan aljabar 𝑎𝑥3 + 𝑏𝑥2 +𝑐𝑥 + 𝑑 = 0 dalam proses pencarian nilai
titik tetapnya.
Untuk titik tetap 𝐹2 akan menghasilkan
bentuk persamaan aljabar 𝑎𝑥 3 + 𝑏𝑥 2 +
𝑐𝑥 + 𝑑 = 0 dengan 𝑎 =𝑠𝑟2
𝐿𝐾2𝜎22 , 𝑏 =
−2𝑠𝑟 (𝑟−𝜎1 )
𝐾𝐿𝜎22 , 𝑐 =
𝑠(𝑟−𝜎1)2
𝐿𝜎22 −
𝑟(𝑠−𝜎2)
𝐾𝜎2, dan 𝑑 =
(𝑟−𝜎1)(𝑠−𝜎2)
𝜎2− 𝜎1 sehingga diperoleh tiga
nilai 𝑥 yang berbeda, yaitu 𝑥 1 =23.68146140, 𝑥 2 = 43.62267459, 𝑥 3 =−3.304135986. Ketiga nilai 𝑥 tersebut jika
disubstitusi ke dalam persamaan 𝑦 akan
menghasilkan 𝑦 1 = −12.31219692, 𝑦 2 =31.68825945, dan 𝑦 3 = 7.290604135. Terlihat bahwa nilai 𝑦 yang dihasilkan untuk
𝑥 1 serta nilai 𝑥 3 yang dihasilkan bernilai
negatif. Hal ini tidak bersesuaian dengan
asumsi bahwa populasi mangsa yang berada
pada kedua zona bernilai positif, sehingga
untuk nilai titik tetap 𝐹2 = 43.62267459,31.68825945, 0 memiliki jenis kestabilan
berupa sadel.
Untuk titik tetap 𝐹3 akan menghasilkan
bentuk persamaan aljabar 𝑎𝑥∗3 + 𝑏𝑥∗2 +
𝑐𝑥∗ + 𝑑 = 0 dengan 𝑎 =𝑠
𝐿𝜎22
𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎
2
,
𝑏 =−2𝑠
𝐿𝜎22
𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎 𝑟 − 𝜎1 − 𝛽1𝑀 , 𝑐 =
𝑠
𝐿𝜎22 𝑟 − 𝜎1 − 𝛽1𝑀 2 −
𝑠−𝜎2
𝜎2
𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎 ,
dan 𝑑 =𝑠−𝜎2
𝜎2 𝑟 − 𝜎1 − 𝛽1𝑀 − 𝜎1
sehingga akan diperoleh tiga nilai 𝑥∗ yang
berbeda, yaitu 𝑥∗1 = −0.04288896994,
𝑥∗2 = −0.8344948981, 𝑥∗
3 =0.9058536189. Ketiga nilai 𝑥∗ tersebut jika
disubstitusi ke dalam persamaan 𝑦∗ dan 𝑧∗
akan menghasilkan 𝑦∗1
= 0.04302782447,
𝑦∗2
= 12.43882794, 𝑦∗3
= 14.18481090
serta nilai 𝑧∗1 = 0.5711103006, 𝑧∗
2 =−7.344948981, 𝑧∗
3 = 10.05853619.
Terlihat bahwa nilai 𝑥∗1 dan 𝑥∗
2 yang
dihasilkan serta nilai 𝑧∗2 yang dihasilkan
untuk 𝑥∗2 bernilai negatif. Hal ini tidak
bersesuaian dengan asumsi bahwa populasi mangsa yang berada pada zona yang tidak
dilindungi dan populasi pemangsa bernilai
positif, sehingga dalam keadaan 𝛽2 < 𝛽0
terdapat empat titik tetap non-negatif, yaitu
𝐹0 , 𝐹1 , 𝐹2 , dan 𝐹3 dengan nilai titik tetap
𝐹3 = 0.9058536189,14.18481090,10.05853619 yang memiliki jenis
kestabilan bersifat spiral stabil. Berikut akan diberikan gambar orbit 3
dimensinya pada sistem persamaan (3.2)
Gambar 29 Orbit kestabilan pada bidang
(𝑥,𝑦, 𝑧) dengan 𝛽2 = 0.1,dan 𝛽0 = 0.4
Gambar 29 memperlihatkan pergerakan
kurva dimulai pada sudut bawah dari titik
terendah pada bidang (𝑥𝑧).
17
Gambar 30 Orbit kestabilan pada bidang
(𝑥,𝑦) dengan 𝛽2 = 0.1,dan 𝛽0 = 0.4
Gambar 31 Orbit kestabilan pada bidang
(𝑥, 𝑧) dengan 𝛽2 = 0.1,dan 𝛽0 = 0.4
Gambar 32 Orbit kestabilan pada bidang
(y, 𝑧) dengan 𝛽2 = 0.1,dan 𝛽0 = 0.4
Gambar 30, 31, dan 32 merupakan
pencerminan 2D dari Gambar 29. Dari hasil
pencerminan 2D ini dapat terlihat beberapa
titik tetapnya.
Berikut akan diperlihatkan grafik
dinamika dari populasi spesies mangsa pada
zona yang tidak dilindungi, spesies mangsa
pada zona yang dilindungi, dan populasi
pemangsa terhadap waktu (𝑡) pada saat
𝛽2 = 0.1 dan 𝛽0 = 0.4
Gambar 33 Dinamika populasi dari ketiga
model terhadap 𝑡 dengan
𝛽2 = 0.1 dan 𝛽0 = 0.4.
Keterangan :
: Populasi mangsa pada zona yang
tidak dilindungi
: Populasi mangsa pada zona yang
dilindungi
: Populasi pemangsa
Pada Gambar 33 terlihat bahwa populasi
pemangsa lebih banyak dari populasi
mangsa pada zona tidak dilindungi. Namun
pada kasus ini banyaknya populasi
pemangsa lebih sedikit dari populasi
pemangsa pada kedua kasus sebelumnya
sehingga dapat membuat mangsa pada kedua
zona tetap dapat bertahan hidup walaupun
banyaknya populasi mangsa pada zona tidak
dilindungi hanya sedikit dan mengalami
penurunan yang cukup drastis dari populasi awalnya.
0 10 20 30 40 50t0
5
10
15
20
x,y,z
V KESIMPULAN
Simulasi sistem mangsa-pemangsa pada
pemangsa yang hanya berada pada zona
tidak dilindungi digambarkan dengan
menggunakan bantuan software
Mathematica 7.0. Secara keseluruhan
dinamika sistem mangsa-pemangsa ini dapat
dilihat dari besarnya laju interaksi antara
mangsa dan pemangsa. Dari hasil simulasi
yang diperoleh dengan adanya perubahan
terhadap besarnya laju interaksi antara mangsa dan pemangsa dapat dilihat
dinamika populasi mangsa pada kedua zona
ketika terdapat pemangsa pada zona tidak
dilindungi, dinamika populasi pemangsa
terhadap perubahan laju interaksi antara
mangsa dan pemangsa, dan perbandingan
dari model pemangsa yang terdapat dalam
kedua model yang dibahas.
Dinamika populasi mangsa yang berada
pada kedua zona ketika terdapat pemangsa
pada zona tidak dilindungi akan tetap
bertahan hidup. Namun pada saat besarnya laju interaksi antara mangsa dan pemangsa
diperbesar nilainya dapat membuat
banyaknya populasi mangsa pada zona tidak
dilindungi mengalami penurunan populasi
dikarenakan mangsa pada zona ini hidup
secara bersamaan dengan banyaknya
pemangsa tersebut dan merupakan sumber
makanan bagi pemangsa. Sedangkan untuk
populasi mangsa pada zona dilindungi akan
terus mengalami peningkatan populasi. Hal
ini dikarenakan dengan tidak adanya pemangsa yang hidup pada zona dilindungi.
Dinamika populasi pemangsa pada kedua
model umumnya memiliki populasi yang
lebih banyak dibandingkan dengan populasi
mangsa pada kedua zona ketika laju
interaksi antara mangsa dan pemangsa
diperbesar nilainya sehingga dapat membuat
ancaman bagi mangsa untuk berada pada
ambang kepunahan. Sedangkan ketika laju
interaksi antara mangsa dan pemangsa
diperkecil nilainya, maka populasi pemangsa akan mengalami penurunan populasi dari
populasi awal pemangsa. Hal ini dapat
membuat populasi mangsa pada kedua zona
dapat tetap bertahan hidup.
Perbandingan model pemangsa yang
didapat dari kedua model adalah pada model
pertama populasi pemangsa yang ada lebih
sedikit dibandingkan dengan model kedua
sehingga dapat membuat populasi mangsa
pada kedua zona tetap bertahan hidup,
sedangkan pada model kedua populasi
mangsa pada zona tidak dilindungi dapat berada pada ambang kepunahan ketika laju
interaksi antara mangsa dan pemangsa
diperbesar nilainya. Ketika besarnya laju
interaksi antara mangsa dan pemangsa
diperkecil dapat membuat populasi
pemangsa mengalami penurunan populasi
dari populasi awal pemangsa tersebut.
Namun penurunan populasi pemangsa pada
model pertama lebih besar dibandingkan
dengan model kedua .
DAFTAR PUSTAKA
Anton H. 1995. Aljabar Linear Elementer.
Ed ke-5. Terjemahan Pantur Silaban dan
I Nyoman Susila. Erlangga, Jakarta.
Dubey B. 2006. A Prey-Predator Model
with a Reserved Area. Mathematics
Group, Birla Institute of Technology and
Science. Vol 12: 479-494.
Farlow SJ. 1994. An Introduction to
Differential Equation and Their
Application. Mc Graw-Hill, New York.
Strogatz SH. 1994. Nonlinear Dynamics
and Chaos With Application to Physics,
Biology, Chemistry, and Engineering.
Addison-Wesley Publishing Company, Reading, Massachusets.
Tu PNV. 1994. Dynamical System, An
Introduction with Application in
Economics and Biology. Springer-
Verlag. Heidelberg, Germany.
Verhulst F. 1990. Nonlinear Differential
Equation and Dynamical System.
Springer-Verlag. Heidelberg, Germany.
21
Lampiran 1. Penentuan Titik Tetap Model 1
Model persamaan sistem mangsa-pemangsa pada persamaan (3.2) :
𝒅𝒙
𝒅𝒕= 𝒓𝒙 𝟏 −
𝒙
𝑲 − 𝝈𝟏𝒙 + 𝝈𝟐𝒚 − 𝜷𝟏𝒙𝒛… (𝟏)
𝒅𝒚
𝒅𝒕= 𝒔𝒚 𝟏 −
𝒚
𝑳 + 𝝈𝟏𝒙 − 𝝈𝟐𝒚… (𝟐)
𝒅𝒛
𝒅𝒕= 𝜷𝟐𝒙𝒛 − 𝜷𝟎𝒛… (𝟑)
𝒙 𝟎 ≥ 𝟎, 𝒚 𝟎 ≥ 𝟎, 𝒛(𝟎) ≥ 𝟎.
Untuk menentukan titik tetap dari persamaan (3.2) maka persamaan tersebut dibuat sama dengan
nol, yaitu 𝑑𝑥
𝑑𝑡= 0,
𝑑𝑦
𝑑𝑡= 0, dan
𝑑𝑧
𝑑𝑡= 0, sehingga diperoleh tiga titik tetap yang non − negatif.
Dari persamaan 3 akan diperoleh nilai 𝑧 dan 𝑥 sebagai berikut
𝑑𝑧
𝑑𝑡= 0
𝛽2𝑥𝑧 − 𝛽0𝑧 = 0
𝑧 𝛽2𝑥 − 𝛽0 = 0
𝑧 = 0 atau 𝑥∗ =𝛽0
𝛽2
dengan mensubstitusikan 𝑥∗ =𝛽0
𝛽2 ke dalam persamaan (2), maka akan diperoleh
𝑑𝑦
𝑑𝑡= 0
𝑠𝑦 1 −𝑦
𝐿 + 𝜎1𝑥 − 𝜎2𝑦 = 0
𝑠𝑦 −𝑠𝑦2
𝐿+ 𝜎1
𝛽0
𝛽2 − 𝜎2𝑦 = 0
𝑠
𝐿𝑦2 − 𝑠 − 𝜎2 𝑦 − 𝜎1
𝛽0
𝛽2 = 0
dengan menggunakan rumus ABC didapatkan
𝑎 =𝑠
𝐿, 𝑏 = − 𝑠 − 𝜎2 , 𝑐 = −𝜎1
𝛽0
𝛽2
𝑠−𝜎2 + −(𝑠−𝜎2) 2 +4𝑠𝛽 0𝜎1
𝐿𝛽 22𝑠
𝐿
= 0
𝐿
2𝑠 𝑠 − 𝜎2 + 𝑠 − 𝜎2
2 +4𝑠𝛽0𝜎1
𝐿𝛽2 = 0
1
2𝑠 𝐿 𝑠 − 𝜎2 + 𝐿2 𝑠 − 𝜎2
2 +4𝑠𝐿𝛽0𝜎1
𝛽2 = 0
1
2𝑠𝛽2 𝐿𝛽2 𝑠 − 𝜎2 + 𝛽2
2𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1 = 0
𝑦∗ =1
2𝑠𝛽2 𝐿𝛽2 𝑠 − 𝜎2 + 𝛽2
2𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1
Substitusi nilai 𝑦∗ dan 𝑥∗ ke dalam persamaan (1)
𝑑𝑥
𝑑𝑡= 0
𝑟𝑥 1 −𝑥
𝐾 − 𝜎1𝑥 + 𝜎2𝑦 − 𝛽1𝑥𝑧 = 0
𝑟
𝛽0
𝛽2 −
𝑟𝛽02
𝐾𝛽22 −
𝜎1𝛽 0
𝛽2+ 𝜎2𝑦
∗ −𝛽1𝛽0
𝛽2𝑧 = 0
𝛽1𝛽0
𝛽2𝑧 =
𝑟𝛽02
𝐾𝛽22 +
𝛽0
𝛽2 𝜎1 − 𝑟 − 𝜎2𝑦
∗ = 0
𝑧∗ =
𝛽2
𝛽1𝛽0 𝜎2𝑦
∗ +𝛽0
𝛽2 𝑟 − 𝜎1 −
𝑟𝛽02
𝐾𝛽22
22
Sehingga dari perhitungan di atas diperoleh satu titik tetap yang pertama, yaitu 𝑥∗, 𝑦∗,𝑧∗ =
𝛽0
𝛽2,
1
2𝑠𝛽2 𝐿𝛽2 𝑠 − 𝜎2 + 𝛽2
2𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1 ,
𝛽2
𝛽1𝛽0 𝜎2𝑦
∗ +𝛽0
𝛽2 𝑟 − 𝜎1 −
𝑟𝛽02
𝐾𝛽22
Subsitusi 𝑧 = 0, maka persamaan (3.2) akan menjadi 𝑑𝑥
𝑑𝑡= 𝑟𝑥 1 −
𝑥
𝐾 − 𝜎1𝑥 + 𝜎2𝑦… (4)
𝑑𝑦
𝑑𝑡= 𝑠𝑦 1 −
𝑦
𝐿 + 𝜎1𝑥 − 𝜎2𝑦… (5)
dari persamaan (4) didapatkan
𝑑𝑥
𝑑𝑡= 0
𝑟𝑥 1 −𝑥
𝐾 − 𝜎1𝑥 + 𝜎2𝑦 = 0
𝑦 =1
𝜎2 𝑟𝑥 2
𝐾− (𝑟 − 𝜎1)𝑥
Substitusi nilai 𝑦 ke dalam persamaan (5)
𝑑𝑦
𝑑𝑡= 0
𝑠𝑦 1 −𝑦
𝐿 + 𝜎1𝑥 − 𝜎2𝑦 = 0
𝑠 1
σ2
rx2
K− r − σ1 x −
𝑠 1
σ 2 rx 2
K− r−σ1 x
2
𝐿+ σ1x − σ2
1
σ2
1
σ2
rx2
K− r − σ1 x = 0
𝑠
σ2
rx2
K− r − σ1 x −
𝑠
𝐿σ22 𝑟2𝑥4
𝐾− 2
𝑟𝑥2
𝐾 𝑟 − σ1 𝑥 + r − σ1
2𝑥2 + σ1x − rx2
K−
r − σ1 x = 0
𝑠𝑟
𝐾σ2𝑥2 −
𝑠 r−σ1
σ2𝑥 −
𝑠𝑟2
𝐿𝐾2σ22 𝑥4 +
2𝑠𝑟 r−σ1
𝐾𝐿σ22 𝑥3 −
𝑠 r−σ1 2
𝐿σ22 𝑥2 + σ1x −
r
Kx2 + r − σ1 x = 0
−
𝑠𝑟2
𝐿𝐾2σ22 𝑥4 +
2𝑠𝑟 r−σ1
𝐾𝐿σ22 𝑥3 +
r
K
s
σ2− 1 −
𝑠 r−σ1 2
𝐿σ22
x2 + r − σ1 −𝑠 r−σ1
σ2+ σ1 x = 0
−𝑠𝑟2
𝐿𝐾2σ22 𝑥4 +
2𝑠𝑟 r−σ1
𝐾𝐿σ22 𝑥3 +
r(s−σ2)
Kσ2−
𝑠 r−σ1 2
𝐿σ22
x2 + r−σ1 (σ2−s)
σ2+ σ1 x = 0
𝑠𝑟2
𝐿𝐾2σ22 𝑥4 −
2𝑠𝑟 r−σ1
𝐾𝐿σ22 𝑥3 +
𝑠 r−σ1 2
𝐿σ22 −
r(s−σ2)
Kσ2 x2 +
r−σ1 (s−σ2)
σ2+ σ1 x = 0
𝑥 𝑠𝑟2
𝐿𝐾2σ22 𝑥3 −
2𝑠𝑟 r−σ1
𝐾𝐿σ22 𝑥2 +
𝑠 r−σ1 2
𝐿σ22 −
r(s−σ2)
Kσ2 x +
r−σ1 (s−σ2)
σ2+ σ1 = 0
𝑥 = 0 atau 𝑠𝑟2
𝐿𝐾2σ22 𝑥 3 −
2𝑠𝑟 r−σ1
𝐾𝐿σ22 𝑥 2 +
𝑠 r−σ1 2
𝐿σ22 −
r(s−σ2)
Kσ2 x +
r−σ1 (s−σ2)
σ2+ σ1 = 0
Persamaan di atas akan membentuk suatu persamaan aljabar 𝑎x 3 + 𝑏x 2 + 𝑐x + 𝑑 = 0, dengan
𝑎 =𝑠𝑟2
𝐿𝐾2σ22 , 𝑏 = −
2𝑠𝑟 r−σ1
𝐾𝐿σ22 , 𝑐 =
𝑠 r−σ1 2
𝐿σ22 −
r(s−σ2)
Kσ2 , dan 𝑑 =
r−σ1 (s−σ2)
σ2− σ1
dengan mensubstitusi nilai 𝑥 = 0 ke dalam persamaan 𝑦 , maka akan diperoleh titik tetap yang
kedua, yaitu 𝐸0 𝑥, 𝑦 ,𝑧 = 0,0,0 . Namun, jika bentuk persamaan aljabar tersebut disubstitusi ke
dalam persamaan 𝑦 maka akan membentuk titik tetap 𝐸1(𝑥, 𝑦 , 0). Lebih jelasnya telah dijelaskan
pada simulasi. Dari perhitungan di atas dapat diperoleh dua titik tetap yang kedua dan ketiga, yaitu
𝐸0 0,0,0 dan 𝐸1 𝑥, 𝑦 , 0 . Jadi, pada kasus 1 terdapat tiga titik tetap non-negatif yaitu
𝐸0 , 𝐸1 , 𝐸2 = 0,0,0 , 43.62267459, 31.68825945, 0 , 𝛽0
𝛽2,
1
2𝑠𝛽2 𝐿𝛽2 𝑠 − 𝜎2 +
𝛽22𝐿2 𝑠 − 𝜎2
2 + 4𝑠𝐿𝛽0𝛽2𝜎1 ,
𝛽2
𝛽1𝛽0 𝜎2𝑦
∗ +𝛽0
𝛽2 𝑟 − 𝜎1 −
𝑟𝛽02
𝐾𝛽22
23
Lampiran 2. Penentuan Nilai Eigen Model 1
𝐴 =
𝑑𝑥
𝑑𝑥
𝑑𝑥
𝑑𝑦
𝑑𝑥
𝑑𝑧𝑑𝑦
𝑑𝑥
𝑑𝑦
𝑑𝑦
𝑑𝑦
𝑑𝑧𝑑𝑧
𝑑𝑥
𝑑𝑧
𝑑𝑦
𝑑𝑧
𝑑𝑧
=
𝑟 −
2𝑟
𝐾𝑥 − 𝜎1 − 𝛽1𝑧 𝜎2 −𝛽1𝑥
𝜎1 𝑠 −2𝑠
𝐿𝑦 − 𝜎2 0
𝛽2𝑧 0 𝛽2𝑥 − 𝛽0
Pelinearan pada titik tetap 𝐸0 0,0,0 akan menghasilkan matriks sebagai berikut
𝐴 0,0,0 = 𝑟 − 𝜎1 𝜎2 0
𝜎1 𝑠 − 𝜎2 00 0 −𝛽0
kemudian dicari nilai eigennya dengan menggunakan persamaan karakteristik 𝐴 − 𝜆𝐼 = 0
𝑟 − 𝜎1 − 𝜆 𝜎2 0
𝜎1 𝑠 − 𝜎2 − 𝜆 00 0 −𝛽0 − 𝜆
= 0
𝑟 − 𝜎1 − 𝜆 𝑠 − 𝜎2 − 𝜆 −𝛽0 − 𝜆 − 𝜎2 𝜎1 −𝛽0 − 𝜆 = 0
−𝛽0 − 𝜆 𝑟 − 𝜎1 − 𝜆 𝑠 − 𝜎2 − 𝜆 − 𝜎2𝜎1 = 0
−𝛽0 − 𝜆 𝑟𝑠 − 𝑟𝜎2 − 𝑟𝜆 − 𝜎1𝑠 + 𝜎2𝜎1 + 𝜎1𝜆 − 𝑠𝜆 + 𝜎2𝜆 + 𝜆2 − 𝜎2𝜎1 = 0
−𝛽0 − 𝜆 𝜆2 + 𝜆 𝜎2 + 𝜎1 − 𝑟 − 𝑠 − 𝜎2𝑟 + 𝜎1𝑠 − 𝑟𝑠 = 0
Jadi, diperoleh nilai eigen sebagai berikut :
𝜆1 = −𝛽0 < 0
𝜆2 =− 𝜎2+𝜎1−𝑟−𝑠 + 𝜎2+𝜎1−𝑟−𝑠 2+4(1) 𝜎2𝑟+𝜎1𝑠−𝑟𝑠
2> 0
𝜆3 =− 𝜎2+𝜎1−𝑟−𝑠 − 𝜎2+𝜎1−𝑟−𝑠 2+4(1) 𝜎2𝑟+𝜎1𝑠−𝑟𝑠
2> 0
Pelinearan pada titik tetap 𝐸1 𝑥 , 𝑦 , 0 .
>> Pada kasus 𝛽2 > 𝛽0
Untuk mencari nilai eigen pada saat kondisi ini, dapat menggunakan nilai titik
tetap yang telah diperoleh pada simulasi dengan nilai parameter 𝑠 = 0.6, 𝑟 = 1, 𝐾 =40, 𝐿 = 40, 𝜎1 = 0.2, 𝜎2 = 0.4, 𝛽0 = 0.4, 𝛽1 = 0.7, 𝛽2 = 0.7, yaitu titik tetap
𝐸1 43.62267459, 31.68825945, 0 sehingga akan didapatkan matriks Jacobi
𝐴(43.62267459 ,31.68825945 ,0) = −1.381133730 0.4 −30.53587221
0.2 −0.7506477835 00 0 30.13587221
kemudian mencari nilai eigennya dengan menggunakan persamaan karakteristik 𝐴 −𝜆𝐼 = 0
−1.381133730 − 𝜆 0.4 −30.53587221
0.2 −0.7506477835 − 𝜆 00 0 30.13587221 − 𝜆
= 0
−1.381133730 − 𝜆 −0.7506477835 − 𝜆 30.13587221 − 𝜆 −
0.4 0.2 30.13587221 − 𝜆 = 0
30.13587221 − 𝜆 𝜆2 + 2.131781514 𝜆 + 0.956744973 = 0
24
Jadi, diperoleh nilai eigen sebagai berikut :
𝜆1 = 30.13587221 > 0
𝜆2 =−2.131781514 + (2.131781514 )2−4(0.956744973 )
2= −0.6423602004 < 0
𝜆3 =−2.131781514 − (2.131781514 )2−4(0.956744973 )
2= −1.489421313 < 0
>> Pada kasus 𝛽2 = 𝛽0
Untuk mencari nilai eigen pada saat kondisi ini, dapat menggunakan nilai titik
tetap yang telah diperoleh pada simulasi dengan nilai parameter 𝑠 = 0.6, 𝑟 = 1, 𝐾 =40, 𝐿 = 40, 𝜎1 = 0.2, 𝜎2 = 0.4, 𝛽0 = 0.4, 𝛽1 = 0.7, 𝛽2 = 0.4, yaitu titik tetap
𝐸1 43.62267459, 31.68825945, 0 sehingga akan didapatkan matriks Jacobi
𝐴(43.62267459 ,31.68825945 ,0) = −1.381133730 0.4 −30.53587221
0.2 −0.7506477835 00 0 17.04906984
kemudian mencari nilai eigennya dengan menggunakan persamaan karakteristik 𝐴 −𝜆𝐼 = 0
−1.381133730 − 𝜆 0.4 −30.53587221
0.2 −0.7506477835 − 𝜆 00 0 17.04906984 − 𝜆
= 0
−1.381133730 − 𝜆 −0.7506477835 − 𝜆 17.04906984 − 𝜆 −
0.4 0.2 17.04906984 − 𝜆 = 0
17.04906984 − 𝜆 𝜆2 + 2.131781514 𝜆 + 0.956744973 = 0
Jadi, diperoleh nilai eigen sebagai berikut :
𝜆1 = 17.04906984 > 0
𝜆2 =−2.131781514 + (2.131781514 )2−4(0.956744973 )
2= −0.6423602004 < 0
𝜆3 =−2.131781514 − (2.131781514 )2−4(0.956744973 )
2= −1.489421313 < 0
>> Pada kasus 𝛽2 < 𝛽0
Untuk mencari nilai eigen pada saat kondisi ini, dapat menggunakan nilai titik
tetap yang telah diperoleh pada simulasi dengan nilai parameter 𝑠 = 0.6, 𝑟 = 1, 𝐾 =40, 𝐿 = 40, 𝜎1 = 0.2, 𝜎2 = 0.4, 𝛽0 = 0.4, 𝛽1 = 0.7, 𝛽2 = 0.1, yaitu titik tetap
𝐸1 43.62267459, 31.68825945, 0 sehingga akan didapatkan matriks Jacobi
𝐴(43.62267459 ,31.68825945 ,0) = −1.381133730 0.4 −30.53587221
0.2 −0.7506477835 00 0 3.962267459
kemudian mencari nilai eigennya dengan menggunakan persamaan karakteristik 𝐴 −𝜆𝐼 = 0
−1.381133730 − 𝜆 0.4 −30.53587221
0.2 −0.7506477835 − 𝜆 00 0 3.962267459 − 𝜆
= 0
25
−1.381133730 − 𝜆 −0.7506477835 − 𝜆 3.962267459 − 𝜆 −
0.4 0.2 3.962267459 − 𝜆 = 0
3.962267459 − 𝜆 𝜆2 + 2.131781514 𝜆 + 0.956744973 = 0
Jadi, diperoleh nilai eigen sebagai berikut :
𝜆1 = 3.962267459 > 0
𝜆2 =−2.131781514 + (2.131781514 )2−4(0.956744973 )
2= −0.6423602004 < 0
𝜆3 =−2.131781514 − (2.131781514 )2−4(0.956744973 )
2= −1.489421313 < 0
Pelinearan pada titik tetap 𝐸2 𝑥∗,𝑦∗,𝑧∗ akan menghasilkan matriks sebagai berikut
𝐴 𝑥∗,𝑦∗,𝑧∗ =
𝑟 −2𝑟
𝐾𝑥∗ − 𝜎1 − 𝛽1𝑧
∗ 𝜎2 −𝛽1𝑥∗
𝜎1 𝑠 −2𝑠
𝐿𝑦∗ − 𝜎2 0
𝛽2𝑧∗ 0 𝛽2𝑥∗ − 𝛽0
kemudian dicari nilai eigennya dengan menggunakan persamaan karakteristik 𝐴 − 𝜆𝐼 = 0
𝑟 −2𝑟
𝐾
𝛽0
𝛽2− 𝜎1 − 𝛽1
𝛽2
𝛽1𝛽0 𝑟𝛽0
2
𝐾𝛽22 +
𝛽0
𝛽2 𝜎1 − 𝑟 − 𝜎2𝑦
∗ 𝜎2 −𝛽
1𝛽0
𝛽2
𝜎1 𝑠 − 𝑦∗ − 𝜎2 0
𝛽2𝛽2
𝛽1𝛽0 𝑟𝛽0
2
𝐾𝛽22 +
𝛽0
𝛽2 𝜎1 − 𝑟 − 𝜎2𝑦
∗ 0 𝛽2𝛽0
𝛽2− 𝛽0
= 0
dengan menggantikan nilai 𝑦∗ =1
2𝑠𝛽2
𝐿𝛽2 𝑠− 𝜎2 + 𝛽2
2𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1 pada matriks
Jacobi di atas, maka akan didapatkan
𝑚 𝜎2 −𝛽1𝛽0
𝛽2
𝜎1−1
𝐿𝛽2 𝛽2
2𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1 − 𝜆 0
𝑛 0 −𝜆
= 0
dengan
𝑚 =−𝑟𝛽0
𝐾𝛽2−
𝐿𝜎2𝛽2 𝑠−𝜎2
2𝑠𝛽0−
𝜎2
2𝑠𝛽0 𝛽2
2𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1 − 𝜆
𝑛 = 𝛽2
𝛽1
𝐿𝛽2𝜎2 𝑠−𝜎2
2𝑠𝛽0+
𝜎2
2𝑠𝛽0 𝛽2
2𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1 + 𝑟 − 𝜎1 −
𝑟𝛽0
𝐾𝛽1
−𝑟𝛽0
𝐾𝛽2−
𝐿𝜎2𝛽2 𝑠−𝜎2
2𝑠𝛽0−
𝜎2
2𝑠𝛽0 𝛽2
2𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1 −
𝜆 −1
𝐿𝛽2 𝛽2
2𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1 − 𝜆 −𝜆 −
−𝜆𝜎2𝜎1 + −𝛽1𝛽0
𝛽2
−1
𝐿𝛽2 𝛽2
2𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1 − 𝜆
𝛽2
𝛽1
𝐿𝛽2𝜎2 𝑠−𝜎2
2𝑠𝛽0+
𝜎2
2𝑠𝛽0 𝛽2
2𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1 + 𝑟 − 𝜎1 −
𝑟𝛽0
𝐾𝛽1 + 𝜎2𝜎1𝜆 = 0
26
−1
𝐿𝛽2 𝛽2
2𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1 − 𝜆 𝜆2 +
𝜆 𝑟𝛽0
𝐾𝛽2+
𝐿𝜎2𝛽2 𝑠−𝜎2
2𝑠𝛽0+
𝜎2
2𝑠𝛽0 𝛽2
2𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1 +
𝛽1𝛽0
𝛽2
𝛽2
𝛽1
𝐿𝛽2𝜎2 𝑠−𝜎2
2𝑠𝛽0+
𝜎2
2𝑠𝛽0 𝛽2
2𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1 + 𝑟 − 𝜎1 −
𝑟𝛽0
𝐾𝛽1 + 𝜎2𝜎1𝜆 = 0
−1
𝐿𝛽2 𝛽2
2𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1 𝜆2 −
1
𝐿𝛽2 𝛽2
2𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1 𝜆
𝑟𝛽0
𝐾𝛽2+
𝐿𝜎2𝛽2 𝑠−𝜎2
2𝑠𝛽0+
𝜎2
2𝑠𝛽0 𝛽2
2𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1
−𝐿𝛽2𝜎2 𝑠−𝜎2
2𝑠𝐿𝛽2 𝛽2
2𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1 −
𝜎2
2𝑠𝐿𝛽2 𝛽2
2𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1
2
−
𝛽0
𝐿𝛽2 𝑟 − 𝜎1 𝛽2
2𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1 +
𝑟𝛽02
𝐾𝐿𝛽22 𝛽2
2𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1 −
𝜆3 − 𝜆2 𝑟𝛽0
𝐾𝛽2+
𝐿𝜎2𝛽2 𝑠−𝜎2
2𝑠𝛽0+
𝜎2
2𝑠𝛽0 𝛽2
2𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1 −
𝐿𝛽2𝜎2 𝑠−𝜎2
2𝑠𝜆 −
𝜎2
2𝑠 𝛽2
2𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1 𝜆 − 𝛽0 𝑟 − 𝜎1 𝜆 +
𝑟𝛽02
𝐾𝛽1𝜆 + 𝜎2𝜎1𝜆 = 0
𝜆3 +
𝜆2 1
𝐿𝛽2 𝛽2
2𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1 +
𝑟𝛽0
𝐾𝛽2+
𝐿𝜎2𝛽2 𝑠−𝜎2
2𝑠𝛽0+
𝜎2
2𝑠𝛽0 𝛽2
2𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1
+ 𝜆 1
𝐿𝛽2 𝛽2
2𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1
𝑟𝛽0
𝐾𝛽2+
𝐿𝜎2𝛽2 𝑠−𝜎2
2𝑠𝛽0+
𝜎2
2𝑠𝛽0 𝛽2
2𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1
+𝐿𝛽2𝜎2 𝑠−𝜎2
2𝑠+
𝜎2
2𝑠 𝛽2
2𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1 + 𝛽0 𝑟 − 𝜎1 −
𝑟𝛽02
𝐾𝛽1− 𝜎2𝜎1 +
𝐿𝛽2𝜎2 𝑠−𝜎2
2𝑠𝐿𝛽2 𝛽2
2𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1 +
𝜎2
2𝑠𝐿𝛽2 𝛽2
2𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1
2
+
𝛽0
𝐿𝛽2 𝑟 − 𝜎1 𝛽2
2𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1 −
𝑟𝛽02
𝐾𝐿𝛽22 𝛽2
2𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1 = 0
dari penjelasan di atas didapatkan bentuk nilai eigen 𝜆3 + 𝑎1𝜆2 + 𝑎2𝜆 + 𝑎3, sehingga
diperoleh nilai
𝑎1 =1
𝐿𝛽2
𝛽22𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1 +
𝑟𝛽0
𝐾𝛽2+
𝐿𝜎2𝛽2 𝑠−𝜎2
2𝑠𝛽0+
𝜎2
2𝑠𝛽0
𝛽22𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1
𝑎2 = 1
𝐿𝛽2
𝛽22𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1
𝑟𝛽0
𝐾𝛽2+
𝐿𝜎2𝛽2 𝑠−𝜎2
2𝑠𝛽0+
𝜎2
2𝑠𝛽0
𝛽22𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1 +
𝐿𝛽2𝜎2 𝑠−𝜎2
2𝑠+
𝜎2
2𝑠 𝛽2
2𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1 + 𝛽0 𝑟 − 𝜎1 −𝑟𝛽0
2
𝐾𝛽1− 𝜎2𝜎1
𝑎3 =𝜎2 𝑠−𝜎2
2𝑠 𝛽2
2𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1 +𝜎2
2𝑠𝐿𝛽2 𝛽2
2𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1
2
+
𝛽0
𝐿𝛽2 𝑟 − 𝜎1 𝛽2
2𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1 −𝑟𝛽0
2
𝐾𝐿𝛽22 𝛽2
2𝐿2 𝑠 − 𝜎2 2 + 4𝑠𝐿𝛽0𝛽2𝜎1
27
>> Pada kasus 𝛽2 > 𝛽0
Untuk mengetahui jenis kestabilan titik tetap 𝐸2 pada kasus 𝛽2 > 𝛽0 dapat
menggunakan nilai parameter 𝑠 = 0.6, 𝑟 = 1, 𝐾 = 40, 𝐿 = 40, 𝜎1 = 0.2, 𝜎2 =0.4, 𝛽0 = 0.4, 𝛽1 = 0.7, 𝛽2 = 0.7 yang kemudian akan disubstitusi ke dalam nilai
𝑎1 , 𝑎2 , dan 𝑎3 yang telah diperoleh di atas. Dari nilai parameter tersebut akan diperoleh
nilai eigen 𝜆3 + 9.948270002𝜆2 + 6.227889581𝜆 + 0.909433425 = 0 dan dengan menggunakan bantuan software Maple13 akan diperoleh nilai eigen
𝜆1 = −9.288302494, 𝜆2 = −0.4347577316, dan 𝜆3 = −0.2252097807.
>> Pada kasus 𝛽2 = 𝛽0
Untuk mengetahui jenis kestabilan titik tetap 𝐸2 pada kasus 𝛽2 = 𝛽0 dapat
menggunakan nilai parameter 𝑠 = 0.6, 𝑟 = 1, 𝐾 = 40, 𝐿 = 40, 𝜎1 = 0.2, 𝜎2 =0.4, 𝛽0 = 0.4, 𝛽1 = 0.7, 𝛽2 = 0.4 yang kemudian akan disubstitusi ke dalam nilai
𝑎1 , 𝑎2 , dan 𝑎3 yang telah diperoleh di atas. Dari nilai parameter tersebut akan diperoleh
nilai eigen 𝜆3 + 5.960169552𝜆2 + 3.824267271𝜆 + 0.591261633 = 0 dan dengan
menggunakan bantuan software Maple13 𝜆1 = −0.2435459581, 𝜆2 = −0.4620177120,dan 𝜆3 = −5.254605882.
>> Pada kasus 𝛽2 < 𝛽0
Untuk mengetahui jenis kestabilan titik tetap 𝐸2 pada kasus 𝛽2 < 𝛽0 dapat
menggunakan nilai parameter 𝑠 = 0.6, 𝑟 = 1, 𝐾 = 40, 𝐿 = 40, 𝜎1 = 0.2, 𝜎2 =0.4, 𝛽0 = 0.4, 𝛽1 = 0.7, 𝛽2 = 0.1 yang kemudian akan disubstitusi ke dalam nilai
𝑎1 , 𝑎2 , dan 𝑎3 yang telah diperoleh di atas. Dari nilai parameter tersebut akan diperoleh
nilai eigen 𝜆3 + 2.052141071𝜆2 + 1.516129034𝜆 + 0.279500873 = 0 dan dengan
menggunakan bantuan software Maple13 akan diperoleh 𝜆1 = −0.3632171349, 𝜆2 =−0.8444619684 + 0.2374837761 I, dan 𝜆3 = −0.8444619684 − 0.2374837761 I.
28
Lampiran 3. Penentuan Titik Tetap Model 2
Model persamaan sistem mangsa-pemangsa pada persamaan (3.3) adalah sebagai berikut :
𝒅𝒙
𝒅𝒕= 𝒓𝒙 𝟏 −
𝒙
𝑲 − 𝝈𝟏𝒙 + 𝝈𝟐𝒚 − 𝜷𝟏𝒙𝒛) … (𝟏)
𝒅𝒚
𝒅𝒕= 𝒔𝒚 𝟏 −
𝒚
𝑳 + 𝝈𝟏𝒙 − 𝝈𝟐𝒚… (𝟐)
𝒅𝒛
𝒅𝒕= 𝒂𝒛 𝟏 −
𝒛
𝑴 + 𝜷𝟐𝒙𝒛… (𝟑)
𝒙 𝟎 ≥ 𝟎, 𝒚 𝟎 ≥ 𝟎, 𝒛(𝟎) ≥ 𝟎
Untuk menentukan titik tetap dari persamaan (3.3) di atas, maka persamaan tersebut akan dibuat
sama dengan nol, yaitu 𝑑𝑥
𝑑𝑡= 0,
𝑑𝑦
𝑑𝑡= 0, dan 𝑑𝑧
𝑑𝑡= 0.
Dari persamaan (3) akan didapat nilai 𝑧 sebagai berikut 𝑑𝑧
𝑑𝑡= 0
𝑎𝑧 1 −𝑧
𝑀 + 𝛽2𝑥𝑧 = 0
𝑧 𝑎 −𝑎𝑧
𝑀+ 𝛽2𝑥 = 0
𝑧∗ = 0 atau 𝑧∗ =𝑀
𝑎 𝑎 + 𝛽2𝑥
Substitusi nilai 𝑧∗ =𝑀
𝑎 𝑎 + 𝛽2𝑥 ke dalam persamaan (1)
𝑟𝑥 −𝑟𝑥2
𝐾− 𝜎1𝑥 + 𝜎2𝑦 − 𝛽1𝑥𝑧 = 0
𝑟𝑥 −
𝑟𝑥2
𝐾− 𝜎1𝑥 + 𝜎2𝑦 − 𝛽1𝑥
𝑀
𝑎 𝑎 + 𝛽2𝑥 = 0
𝑟𝑥 −𝑟𝑥2
𝐾− 𝜎1𝑥 + 𝜎2𝑦 − 𝛽1𝑥𝑀 − 𝛽1𝛽2
𝑀
𝑎𝑥2 = 0
𝜎2𝑦 = 𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎 𝑥∗2 + 𝛽1𝑀 + 𝜎1 − 𝑟 𝑥∗
𝑦∗ =1
𝜎2
𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎 𝑥∗2 − 𝑟 − 𝜎1 − 𝛽1𝑀 𝑥∗
Substitusi nilai 𝑦∗ ke dalam persamaan (2)
𝑑𝑦
𝑑𝑡= 0
𝑠𝑦 −𝑠𝑦2
𝐿+ 𝜎1𝑥 − 𝜎2𝑦 = 0
𝑠 1
𝜎2
𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎 𝑥2 − 𝑟 − 𝜎1 − 𝛽1𝑀 𝑥 −
𝑠
𝐿
1
𝜎2
𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎 𝑥2 − 𝑟 − 𝜎1 −
𝛽1𝑀 𝑥 2
+ 𝜎1𝑥 − 𝜎2 1
𝜎2
𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎 𝑥2 − 𝑟 − 𝜎1 − 𝛽1𝑀 𝑥 = 0
𝑠
𝜎2
𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎 𝑥2 −
𝑠
𝜎2 𝑟 − 𝜎1 − 𝛽1𝑀 𝑥 −
𝑠
𝐿𝜎22
𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎
2
𝑥4 − 2 𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎 𝑟 − 𝜎1 −
𝛽1𝑀 𝑥3 + 𝑟 − 𝜎1 − 𝛽1𝑀 2𝑥2 + 𝜎1𝑥 − 𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎 𝑥2 + 𝑟 − 𝜎1 − 𝛽1𝑀 𝑥 = 0
−
𝑠
𝐿𝜎22
𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎
2
𝑥4 + 2𝑠
𝐿𝜎22
𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎 𝑟 − 𝜎1 − 𝛽1𝑀 𝑥3 +
𝑠
𝜎2
𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎 −
𝑠
𝐿𝜎22 𝑟 − 𝜎1 − 𝛽1𝑀 2 −
𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎 𝑥2 + 𝑟 − 𝜎1 − 𝛽1𝑀 −
𝑠
𝜎2 𝑟 − 𝜎1 − 𝛽1𝑀 +
𝜎1 𝑥 = 0
−
𝑠
𝐿𝜎22
𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎
2
𝑥4 + 2𝑠
𝐿𝜎22
𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎 𝑟 − 𝜎1 − 𝛽1𝑀 𝑥3 +
𝑠−𝜎2
𝜎2
𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎 −
𝑠
𝐿𝜎22 𝑟 − 𝜎1 − 𝛽1𝑀 2 𝑥2 +
𝜎2−𝑠
𝜎2 𝑟 − 𝜎1 − 𝛽1𝑀 + 𝜎1 𝑥 = 0
29
𝑠
𝐿𝜎22
𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎
2
𝑥4 − 2𝑠
𝐿𝜎22
𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎 𝑟 − 𝜎1 − 𝛽1𝑀 𝑥3 +
𝑠
𝐿𝜎22 𝑟 − 𝜎1 − 𝛽1𝑀 2 −
𝑠−𝜎2
𝜎2
𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎 𝑥2 +
𝑠−𝜎2
𝜎2 𝑟 − 𝜎1 − 𝛽1𝑀 − 𝜎1 𝑥 = 0
𝑥
𝑠
𝐿𝜎22
𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎
2
𝑥3 − 2𝑠
𝐿𝜎22
𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎 𝑟 − 𝜎1 − 𝛽1𝑀 𝑥2 +
𝑠
𝐿𝜎22 𝑟 − 𝜎1 − 𝛽1𝑀 2 −
𝑠−𝜎2
𝜎2
𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎 𝑥 +
𝑠−𝜎2
𝜎2 𝑟 − 𝜎1 − 𝛽1𝑀 − 𝜎1 = 0
𝑥∗ = 0 atau
𝑠
𝐿𝜎22
𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎
2
𝑥∗3 −2𝑠
𝐿𝜎22
𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎 𝑟 − 𝜎1 − 𝛽1𝑀 𝑥∗2 +
𝑠
𝐿𝜎22 𝑟 −
𝜎1 − 𝛽1𝑀 2 −𝑠−𝜎2
𝜎2
𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎 𝑥∗ +
𝑠−𝜎2
𝜎2 𝑟 − 𝜎1 − 𝛽1𝑀 − 𝜎1 = 0
Persamaan ini membentuk suatu persamaan aljabar 𝑎𝑥∗3 + 𝑏𝑥∗2 + 𝑐𝑥∗ + 𝑑 = 0, dengan
𝑎 =𝑠
𝐿𝜎22
𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎
2
, 𝑏 = −2𝑠
𝐿𝜎22
𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎 𝑟 − 𝜎1 − 𝛽1𝑀 , 𝑐 =
𝑠
𝐿𝜎22 𝑟 − 𝜎1 − 𝛽1𝑀 2 −
𝑠−𝜎2
𝜎2
𝑟
𝐾+
𝛽1𝛽2𝑀
𝑎 , dan 𝑑 =
𝑠−𝜎2
𝜎2 𝑟 − 𝜎1 − 𝛽1𝑀 − 𝜎1
dari persamaan di atas didapatkan titik tetap 𝑥∗ = 0 dan 𝑎𝑥∗3 + 𝑏𝑥∗2 + 𝑐𝑥∗ + 𝑑 = 0. Pada saat
titik tetap 𝑥∗ = 0 disubstitusi ke dalam nilai 𝑦∗ dan 𝑧∗, maka akan diperoleh titik tetap
𝐹1 𝑥∗, 𝑦∗,𝑧∗ = 0,0, 𝑀 . Namun, jika bentuk persamaan aljabar tersebut disubstitusikan ke
dalam persamaan 𝑦∗ dan 𝑧∗ maka akan membentuk titik tetap 𝐹3 𝑥∗, 𝑦∗,𝑧∗ . Lebih jelasnya telah
disajikan pada simulasi. Sehingga dari perhitungan di atas diperoleh dua titik tetap, yaitu
𝐹1 0,0, 𝑀 dan 𝐹3 𝑥∗, 𝑦∗, 𝑧∗ .
Substitusi nilai 𝑧∗ = 0 ke dalam persamaan (1), (2), dan (3) sehingga diperoleh 𝒅𝒙
𝒅𝒕= 𝒓𝒙 𝟏 −
𝒙
𝑲 − 𝝈𝟏𝒙 + 𝝈𝟐𝒚… 𝟒
𝒅𝒚
𝒅𝒕= 𝒔𝒚 𝟏 −
𝒚
𝑳 + 𝝈𝟏𝒙 − 𝝈𝟐𝒚… 𝟓
𝒅𝒛
𝒅𝒕= 𝟎… (𝟔)
dari persamaan (4) didapatkan
𝑑𝑥
𝑑𝑡= 0
𝑟𝑥 1 −𝑥
𝐾 − 𝜎1𝑥 + 𝜎2𝑦 = 0
𝑦 =1
𝜎2 𝑟𝑥 2
𝐾− 𝑟 − 𝜎1 𝑥
Substitusi nilai 𝑦 ke dalam persamaan (5)
𝑑𝑦
𝑑𝑡= 0
𝑠𝑦 1 −𝑦
𝐿 + 𝜎1𝑥 − 𝜎2𝑦 = 0
𝑠 1
σ2
rx2
K− r − σ1 x −
𝑠 1
σ 2 rx 2
K− r−σ1 x
2
𝐿+ σ1x − σ2
1
σ2
1
σ2
rx2
K− r − σ1 x = 0
𝑠
σ2
rx2
K− r − σ1 x −
𝑠
𝐿σ22 𝑟2𝑥4
𝐾− 2
𝑟𝑥2
𝐾 𝑟 − σ1 𝑥 + r − σ1
2𝑥2 + σ1x − rx2
K−
r − σ1 x = 0
𝑠𝑟
𝐾σ2𝑥2 −
𝑠 r−σ1
σ2𝑥 −
𝑠𝑟2
𝐿𝐾2σ22 𝑥4 +
2𝑠𝑟 r−σ1
𝐾𝐿σ22 𝑥3 −
𝑠 r−σ1 2
𝐿σ22 𝑥2 + σ1x −
r
Kx2 + r − σ1 x = 0
−
𝑠𝑟2
𝐿𝐾2σ22 𝑥4 +
2𝑠𝑟 r−σ1
𝐾𝐿σ22 𝑥3 +
r
K
s
σ2− 1 −
𝑠 r−σ1 2
𝐿σ22
x2 + r − σ1 −𝑠 r−σ1
σ2+ σ1 x = 0
30
−𝑠𝑟2
𝐿𝐾2σ22 𝑥4 +
2𝑠𝑟 r−σ1
𝐾𝐿σ22 𝑥3 +
r(s−σ2)
Kσ2−
𝑠 r−σ1 2
𝐿σ22
x2 + r−σ1 (σ2−s)
σ2+ σ1 x = 0
𝑠𝑟2
𝐿𝐾2σ22 𝑥4 −
2𝑠𝑟 r−σ1
𝐾𝐿σ22 𝑥3 +
𝑠 r−σ1 2
𝐿σ22 −
r(s−σ2)
Kσ2 x2 +
r−σ1 (s−σ2)
σ2+ σ1 x = 0
𝑥 𝑠𝑟2
𝐿𝐾2σ22 𝑥3 −
2𝑠𝑟 r−σ1
𝐾𝐿σ22 𝑥2 +
𝑠 r−σ1 2
𝐿σ22 −
r(s−σ2)
Kσ2 x +
r−σ1 (s−σ2)
σ2+ σ1 = 0
𝑥 = 0 atau 𝑠𝑟2
𝐿𝐾2σ22 𝑥 3 −
2𝑠𝑟 r−σ1
𝐾𝐿σ22 𝑥 2 +
𝑠 r−σ1 2
𝐿σ22 −
r(s−σ2)
Kσ2 x +
r−σ1 (s−σ2)
σ2+ σ1 = 0
Persamaan di atas akan membentuk suatu persamaan aljabar 𝑎x 3 + 𝑏x 2 + 𝑐x + 𝑑 = 0, dengan
𝑎 =𝑠𝑟2
𝐿𝐾2σ22 , 𝑏 = −
2𝑠𝑟 r−σ1
𝐾𝐿σ22 , 𝑐 =
𝑠 r−σ1 2
𝐿σ22 −
r(s−σ2)
Kσ2 , dan 𝑑 =
r−σ1 (s−σ2)
σ2− σ1
dengan mensubstitusi nilai 𝑥 = 0 ke dalam persamaan 𝑦 , maka akan diperoleh titik tetap, yaitu
𝐹0 𝑥, 𝑦, 𝑧 = 0,0,0 . Namun, jika bentuk persamaan aljabar tersebut disubstitusi ke dalam
persamaan 𝑦 maka akan membentuk titik tetap 𝐹2(𝑥, 𝑦, 0). Lebih jelasnya dapat dilihat pada
simulasi. Sehingga dari perhitungan di atas diperoleh dua titik tetap 𝐹0 0,0,0 dan 𝐹2(𝑥, 𝑦, 0). Jadi
dari persamaan (3.3) diperoleh empat titik tetap yang non-negatif, yaitu 𝐹0 0,0,0 , 𝐹1 0,0, 𝑀 ,
𝐹2(𝑥, 𝑦, 0), dan 𝐹3 𝑥∗, 𝑦∗, 𝑧∗ . Untuk titik tetap 𝐹2(𝑥, 𝑦, 0) dan 𝐹3 𝑥
∗, 𝑦∗, 𝑧∗ lebih jelasnya dapat
dilihat pada simulasi.
31
Lampiran 4. Penentuan Nilai Eigen Model 2
𝐴 =
𝑑𝑥
𝑑𝑥
𝑑𝑥
𝑑𝑦
𝑑𝑥
𝑑𝑧
𝑑𝑦
𝑑𝑥
𝑑𝑦
𝑑𝑦
𝑑𝑦
𝑑𝑧
𝑑𝑧
𝑑𝑥
𝑑𝑧
𝑑𝑦
𝑑𝑧
𝑑𝑧
=
𝑟 −
2𝑟
𝐾𝑥 − 𝜎1 − 𝛽1𝑧 𝜎2 −𝛽1𝑥
𝜎1 𝑠 −2𝑠
𝐿𝑦 − 𝜎2 0
𝛽2𝑧 0 𝑎 −2𝑎
𝑀𝑧 + 𝛽2𝑥
Pelinearan pada titik tetap 𝐹0 0,0,0 akan menghasilkan matriks sebagai berikut
𝐴 0,0,0 = 𝑟 − 𝜎1 𝜎2 0
𝜎1 𝑠 − 𝜎2 00 0 𝑎
kemudian dicari nilai eigennya dengan menggunakan persamaan karakteristik 𝐴 − 𝜆𝐼 = 0
𝑟 − 𝜎1 − 𝜆 𝜎2 0
𝜎1 𝑠 − 𝜎2 − 𝜆 00 0 𝑎 − 𝜆
= 0
𝑟 − 𝜎1 − 𝜆 𝑠 − 𝜎2 − 𝜆 𝑎 − 𝜆 − 𝜎2 𝜎1 𝑎 − 𝜆 = 0
𝑎 − 𝜆 𝑟 − 𝜎1 − 𝜆 𝑠 − 𝜎2 − 𝜆 − 𝜎2𝜎1 = 0
𝑎 − 𝜆 𝑟𝑠 − 𝑟𝜎2 − 𝑟𝜆 − 𝜎1𝑠 + 𝜎2𝜎1 + 𝜎1𝜆 − 𝑠𝜆 + 𝜎2𝜆 + 𝜆2 − 𝜎2𝜎1 = 0
𝑎 − 𝜆 𝜆2 + 𝜆 𝜎2 + 𝜎1 − 𝑠 − 𝑟 + 𝑟𝑠 − 𝑟𝜎2 − 𝜎1𝑠 = 0
Jadi, diperoleh nilai eigennya sebagai berikut
𝜆1 = 𝑎 > 0
𝜆2 =− 𝜎2+𝜎1−𝑠−𝑟 + 𝜎2+𝜎1−𝑠−𝑟 2−4 1 𝑟𝑠−𝑟𝜎2−𝜎1𝑠
2> 0
𝜆3 =− 𝜎2+𝜎1−𝑠−𝑟 − 𝜎2+𝜎1−𝑠−𝑟 2−4 1 𝑟𝑠−𝑟𝜎2−𝜎1𝑠
2> 0
Pelinearan pada titik tetap 𝐹1 0,0, 𝑀 akan menghasilkan matriks sebagai berikut
𝐴 0,0,𝑀 = 𝑟 − 𝜎1 − 𝛽1𝑀 𝜎2 0
𝜎1 𝑠 − 𝜎2 0𝛽2𝑀 0 −𝑎
kemudian dicari nilai eigennya dengan menggunakan persamaan karakteristik 𝐴 − 𝜆𝐼 = 0
𝑟 − 𝜎1 − 𝛽1𝑀 − 𝜆 𝜎2 0
𝜎1 𝑠 − 𝜎2 − 𝜆 0𝛽2𝑀 0 −𝑎 − 𝜆
= 0
𝑟 − 𝜎1 − 𝛽1𝑀 − 𝜆 𝑠 − 𝜎2 − 𝜆 −𝑎 − 𝜆 − 𝜎2𝜎1 −𝑎 − 𝜆 = 0
−𝑎 − 𝜆 𝑟 − 𝜎1 − 𝛽1𝑀 − 𝜆 𝑠 − 𝜎2 − 𝜆 − 𝜎2𝜎1 = 0
−𝑎 − 𝜆 𝑟𝑠 − 𝑟𝜎2 − 𝑟𝜆 − 𝜎1𝑠 + 𝜎2𝜎1 + 𝜎1𝜆 − 𝛽1𝑀𝑠 + 𝛽1𝑀𝜎2 + 𝛽1𝑀𝜆 − 𝑠𝜆 + 𝜎2𝜆 +
𝜆2 − 𝜎2𝜎1 = 0
−𝑎 − 𝜆 𝜆2 + 𝜆 𝛽1𝑀 + 𝜎2 + 𝜎1 − 𝑠 − 𝑟 + 𝛽1𝑀𝜎2 − 𝛽1𝑀𝑠 + 𝑟𝑠 − 𝑟𝜎2 − 𝜎1𝑠 = 0
32
Jadi nilai eigennya adalah sebagai berikut
𝜆1 = −𝑎 < 0
𝜆2 =− 𝛽1𝑀+𝜎2+𝜎1−𝑠−𝑟 + 𝛽1𝑀+𝜎2+𝜎1−𝑠−𝑟 2−4 1 𝛽1𝑀𝜎2−𝛽1𝑀𝑠+𝑟𝑠−𝑟𝜎2−𝜎1𝑠
2> 0
𝜆3 =− 𝛽1𝑀+𝜎2+𝜎1−𝑠−𝑟 − 𝛽1𝑀+𝜎2+𝜎1−𝑠−𝑟 2−4 1 𝛽1𝑀𝜎2−𝛽1𝑀𝑠+𝑟𝑠−𝑟𝜎2−𝜎1𝑠
2< 0
Pelinearan untuk titik tetap 𝐹2 𝑥 , 𝑦 , 0 dan 𝐹3 𝑥∗, 𝑦∗, 𝑧∗ dapat dilihat dari tiga kasus, yaitu
pada saat kondisi 𝛽2 > 𝛽0 , 𝛽2 = 𝛽0 , dan 𝛽2 < 𝛽0
>> Pada saat kondisi 𝛽2 > 𝛽0
Pelinearan pada titik tetap 𝐹2 𝑥 , 𝑦 , 0
Untuk mencari nilai eigen pada saat kondisi 𝛽2 > 𝛽0, dapat menggunakan nilai
titik tetap yang telah diperoleh pada simulasi dengan nilai parameter 𝑠 = 0.6, 𝑟 = 1,
𝑎 = 0.01, 𝐾 = 40, 𝐿 = 40, 𝑀 = 1, 𝜎1 = 0.2, 𝜎2 = 0.4, 𝛽0 = 0.4, 𝛽1 = 0.7, 𝛽2 =
0.7 yaitu 𝐹2 43.62267459, 31.68825945, 0 sehingga diperoleh matriks Jacobi
𝐴(43.62267459 ,31.68825945 ,0) = −1.381133730 0.4 −30.53587221
0.2 −0.7506477835 00 0 30.54587221
kemudian mencari nilai eigennya dengan menggunakan persamaan karakteristik det 𝐴 −𝜆𝐼 = 0
−1.381133730 − 𝜆 0.4 −30.53587221
0.2 −0.7506477835 − 𝜆 00 0 30.54587221 − 𝜆
= 0
−1.381133730 − 𝜆 −0.7506477835 − 𝜆 30.54587221 − 𝜆 −
0.4 0.2 30.54587221 − 𝜆 = 0
30.54587221 − 𝜆 𝜆2 + 2.131781514 𝜆 + 0.956744973 = 0
Jadi, diperoleh nilai eigen sebagai berikut :
𝜆1 = 30.54587221 > 0
𝜆2 =−2.131781514 + (2.131781514 )2−4(0.956744973 )
2= −0.6423602004 < 0
𝜆3 =−2.131781514 − (2.131781514 )2−4(0.956744973 )
2= −1.489421313 < 0
33
Pelinearan pada titik tetap 𝐹3 𝑥∗, 𝑦∗, 𝑧∗
Untuk mencari nilai eigen pada saat kondisi 𝛽2 > 𝛽0, dapat menggunakan nilai
titik tetap yang telah diperoleh pada simulasi dengan nilai parameter 𝑠 = 0.6, 𝑟 = 1, 𝑎 =
0.01, 𝐾 = 40, 𝐿 = 40, 𝑀 = 1, 𝜎1 = 0.2, 𝜎2 = 0.4, 𝛽0 = 0.4, 𝛽1 = 0.7, 𝛽2 = 0.7
yaitu 𝐹3 0.3348700583,13.00035006,24.44090408 sehingga diperoleh matriks
Jacobi
𝐴 0.3348700583 ,13.00035006 ,24.44090408 =
−16.32537636 0.4 −0.2344090408
0.2 −0.2098057213 017.10863286 0 −0.2444090408
kemudian mencari nilai eigennya dengan menggunakan persamaan karakteristik det 𝐴 −𝜆𝐼 = 0
−16.32537636 − 𝜆 0.4 −0.2344090408
0.2 −0.2098057213 − 𝜆 017.10863286 0 −0.2444090408 − 𝜆
= 0
−16.32537636 − 𝜆 −0.2098057213 − 𝜆 −0.2444090408 − 𝜆 −
0.2 0.4 −0.2444090408 − 𝜆 + −0.2344090408 −0.2098057213 −
𝜆 17.10863286 = 0
3.425157363 + 16.53518208𝜆 + 𝜆2 −0.2444090408 − 𝜆 − 0.821855963 +
3.930418218𝜆 = 0
𝜆3 + 16.77959112𝜆2 + 11.39692357𝜆 + 1.658995389 = 0
dengan menggunakan bantuan software Maple13, didapatkan nilai eigen sebagai berikut :
𝜆1 = −0.2091902791 < 0
𝜆2 = −0.4932822220 < 0
𝜆3 = −16.07711862 < 0
>> Pada saat kondisi 𝛽2 = 𝛽0
Pelinearan pada titik tetap 𝐹2 𝑥 , 𝑦 , 0
Untuk mencari nilai eigen pada saat kondisi 𝛽2 = 𝛽0, dapat menggunakan nilai
titik tetap yang telah diperoleh pada simulasi dengan nilai parameter 𝑠 = 0.6, 𝑟 = 1,
𝑎 = 0.01, 𝐾 = 40, 𝐿 = 40, 𝑀 = 1, 𝜎1 = 0.2, 𝜎2 = 0.4, 𝛽0 = 0.4, 𝛽1 = 0.7, 𝛽2 =
0.4 yaitu 𝐹2 43.62267459, 31.68825945, 0 sehingga diperoleh matriks Jacobi
𝐴(43.62267459 ,31.68825945 ,0) = −1.381133730 0.4 −30.53587221
0.2 −0.7506477835 00 0 17.45906984
kemudian mencari nilai eigennya dengan menggunakan persamaan karakteristik det 𝐴 −𝜆𝐼 = 0
−1.381133730 − 𝜆 0.4 −30.53587221
0.2 −0.7506477835 − 𝜆 00 0 17.45906984 − 𝜆
= 0
−1.381133730 − 𝜆 −0.7506477835 − 𝜆 17.45906984 − 𝜆 −
0.4 0.2 17.45906984 − 𝜆 = 0
17.45906984 − 𝜆 𝜆2 + 2.131781514 𝜆 + 0.956744973 = 0
34
Jadi, diperoleh nilai eigen sebagai berikut :
𝜆1 = 17.45906984 > 0
𝜆2 =−2.131781514 + (2.131781514 )2−4(0.956744973 )
2= −0.6423602004 < 0
𝜆3 =−2.131781514 − (2.131781514 )2−4(0.956744973 )
2= −1.489421313 < 0
Pelinearan pada titik tetap 𝐹3 𝑥∗, 𝑦∗, 𝑧∗
Untuk mencari nilai eigen pada saat kondisi 𝛽2 = 𝛽0, dapat menggunakan nilai
titik tetap yang telah diperoleh pada simulasi dengan nilai parameter 𝑠 = 0.6, 𝑟 = 1, 𝑎 =
0.01, 𝐾 = 40, 𝐿 = 40, 𝑀 = 1, 𝜎1 = 0.2, 𝜎2 = 0.4, 𝛽0 = 0.4, 𝛽1 = 0.7, 𝛽2 = 0.4
yaitu 𝐹3 0.4450248589,14.76442048,18.80099436 sehingga diperoleh matriks
Jacobi
𝐴 0.4450248589 ,14.76442048 ,18.80099436 =
−12.38294729 0.4 −0.3115174012
0.2 −0.2129326144 07.520397744 0 −0.1880099436
kemudian mencari nilai eigennya dengan menggunakan persamaan karakteristik det 𝐴 −𝜆𝐼 = 0
−12.38294729 − 𝜆 0.4 −0.3115174012
0.2 −0.2129326144 − 𝜆 07.520397744 0 −0.1880099436 − 𝜆
= 0
−12.38294729 − 𝜆 −0.2129326144 − 𝜆 −0.1880099436 − 𝜆 −
0.2 0.4 −0.1880099436 − 𝜆 + −0.3115174012 −0.2129326144 −
𝜆 7.520397744 = 0
2.63673334 + 12.5958799𝜆 + 𝜆2 −0.1880099436 − 𝜆 − 0.483803842 +
2.262734761𝜆 = 0
𝜆3 + 12.78388984𝜆2 + 7.267618771𝜆 + 0.979535928 = 0
dengan menggunakan bantuan software Maple13, didapatkan nilai eigen sebagai berikut :
𝜆1 = −0.2139566640 < 0
𝜆2 = −0.3754313090 < 0
𝜆3 = −12.19450188 < 0
>> Pada saat kondisi 𝛽2 < 𝛽0
Pelinearan pada titik tetap 𝐹2 𝑥 , 𝑦 , 0
Untuk mencari nilai eigen pada saat kondisi 𝛽2 < 𝛽0, dapat menggunakan nilai
titik tetap yang telah diperoleh pada simulasi dengan nilai parameter 𝑠 = 0.6, 𝑟 = 1,
𝑎 = 0.01, 𝐾 = 40, 𝐿 = 40, 𝑀 = 1, 𝜎1 = 0.2, 𝜎2 = 0.4, 𝛽0 = 0.4, 𝛽1 = 0.7, 𝛽2 =
0.1 yaitu 𝐹2 43.62267459, 31.68825945, 0 sehingga diperoleh matriks Jacobi
𝐴(43.62267459 ,31.68825945 ,0) = −1.381133730 0.4 −30.53587221
0.2 −0.7506477835 00 0 4.372267459
35
kemudian mencari nilai eigennya dengan menggunakan persamaan karakteristik det 𝐴 −𝜆𝐼 = 0
−1.381133730 − 𝜆 0.4 −30.53587221
0.2 −0.7506477835 − 𝜆 00 0 4.372267459 − 𝜆
= 0
−1.381133730 − 𝜆 −0.7506477835 − 𝜆 4.372267459 − 𝜆 −
0.4 0.2 4.372267459 − 𝜆 = 0
4.372267459 − 𝜆 𝜆2 + 2.131781514 𝜆 + 0.956744973 = 0
Jadi, diperoleh nilai eigen sebagai berikut :
𝜆1 = 4.372267459 > 0
𝜆2 =−2.131781514 + (2.131781514 )2−4(0.956744973 )
2= −0.6423602004 < 0
𝜆3 =−2.131781514 − (2.131781514 )2−4(0.956744973 )
2= −1.489421313 < 0
Pelinearan pada titik tetap 𝐹3 𝑥∗, 𝑦∗, 𝑧∗
Untuk mencari nilai eigen pada saat kondisi 𝛽2 < 𝛽0, dapat menggunakan nilai
titik tetap yang telah diperoleh pada simulasi dengan nilai parameter 𝑠 = 0.6, 𝑟 = 1, 𝑎 =
0.01, 𝐾 = 40, 𝐿 = 40, 𝑀 = 1, 𝜎1 = 0.2, 𝜎2 = 0.4, 𝛽0 = 0.4, 𝛽1 = 0.7, 𝛽2 = 0.1
yaitu 𝐹3 0.9058536189,14.18481090, 10.05853619 sehingga diperoleh matriks
Jacobi
𝐴 0.9058536189 ,14.18481090 ,10.05853619 =
−6.286268014 0.4 −0.6340975332
0.2 −0.2255443270 01.005853619 0 −0.1005853619
kemudian mencari nilai eigennya dengan menggunakan persamaan karakteristik det 𝐴 −𝜆𝐼 = 0
−6.286268014 − 𝜆 0.4 −0.6340975332
0.2 −0.2255443270 − 𝜆 01.005853619 0 −0.1005853619 − 𝜆
= 0
−6.286268014 − 𝜆 −0.2255443270 − 𝜆 −0.1005853619 − 𝜆 −
0.2 0.4 −0.1005853619 − 𝜆 + −0.6340975332 −0.2255443270 −
𝜆 1.005853619 = 0
1.417832089 + 6.511812341𝜆 + 𝜆2 −0.1005853619 − 𝜆 − 0.13580744 +
0.557809298𝜆 = 0
𝜆3 + 6.612397703𝜆2 + 2.630634388𝜆 + 0.278420593 = 0
dengan menggunakan bantuan software Maple13, diperoleh nilai eigen sebagai berikut :
𝜆1 = −6.195015069 < 0
𝜆2 = −0.2086913169 + 0.03729097084 I
𝜆3 = −0.2086913169 − 0.03729097084 I
36
Lampiran 5. Program Penentuan Orbit Kestabilan dan Solusi Model 1
Pada keadaan 𝛽2 > 𝛽0
>> Program gambar 3D ( Gambar 4)
>> Program orbit kestabilan bidang 𝑥𝑦 ( Gambar 5)
>> Program orbit kestabilan bidang 𝑥𝑧 ( Gambar 6)
>> Program orbit kestabilan bidang 𝑦𝑧 ( Gambar 7)
37
>> Program dinamika populasi ketiga model terhadap waktu 𝑡 ( Gambar 8) dengan
menggunakan software Mathematica 7.0
r=1;
s=0.6;
1=0.2;
2=0.4;
K=40;
L=40;
0=0.4;
1=0.7;
2=0.7;
sol1=NDSolve[{x'[t]r*x[t](1-x[t]/K)-1*x[t]+2*y[t]-1*x[t]*z[t],y'[t]s*y[t](1- y[t]/L)+1*x[t]-2*y[t],z'[t]2*x[t]*z[t]-0*z[t],x[0]20,y[0]10, z[0]10}, {x[t], y[t], z[t]}, {t,0,50}];
{unresr,resr,pem}={x[t],y[t],z[t]}/.Flatten[sol1];
gbr3=Plot[pem,{t,0,50},PlotStyle{RGBColor[1,0,0],Thickness[0.008]},AxesLabel{"t","z"},AspectRatio1,PlotRange{{0,50},{0,30}},ImageSize300];
gbr2=Plot[resr,{t,0,50},PlotStyle{RGBColor[0,1,0],Thickness[0.008]},AxesLabel{"t","y"},AspectRatio1,PlotRange{{0,50},{0,30}},ImageSize300];
gbr1=Plot[unresr,{t,0,50},PlotStyle{RGBColor[0,0,1],Thickness[0.008]},AxesLabel{"t","x"},AspectRatio1,PlotRange{{0,50},{0,30}},ImageSize300];
Show[{gbr1,gbr2,gbr3},AxesLabel{"t","x,y,z"},DisplayFunction$DisplayFunction,PlotRange{{0,50},{0,30}},ImageSize300]
Pada kasus 𝛽2 = 𝛽0 >> Program gambar 3D ( Gambar 9)
>> Program orbit kestabilan bidang 𝑥𝑦 ( Gambar 10)
38
>> Program orbit kestabilan bidang 𝑥𝑧 ( Gambar 11)
>> Program orbit kestabilan bidang 𝑦𝑧 ( Gambar 12)
>> Program dinamika populasi ketiga model terhadap waktu 𝑡 ( Gambar 13) dengan
menggunakan software Mathematica 7.0
r=1;
s=0.6;
1=0.2;
2=0.4;
K=40;
L=40;
0=0.4;
1=0.7;
2=0.4;
sol1=NDSolve[{x'[t]r*x[t](1-x[t]/K)-1*x[t]+2*y[t]-1*x[t]*z[t],y'[t]s*y[t](1-y[t]/L)+1*x[t]-2*y[t],z'[t]2*x[t]*z[t]-0*z[t],x[0]20,y[0]10,z[0]10},{x[t],y[t],z[t]},{t,0,50}];
{unresr,resr,pem}={x[t],y[t],z[t]}/.Flatten[sol1];
gbr3=Plot[pem,{t,0,50},PlotStyle{RGBColor[1,0,0],Thickness[0.008]},AxesLabel{"t","z"},AspectRatio1,PlotRange{{0,50},{0,20}},ImageSize300];
gbr2=Plot[resr,{t,0,50},PlotStyle{RGBColor[0,1,0],Thickness[0.008]},AxesLabel{"t","y"},AspectRatio1,PlotRange{{0,50},{0,20}},ImageSize300];
gbr1=Plot[unresr,{t,0,50},PlotStyle{RGBColor[0,0,1],Thickness[0.008]},AxesLabel{"t","x"},AspectRatio1,PlotRange{{0,50},{0,20}},ImageSize300];
Show[{gbr1,gbr2,gbr3},AxesLabel{"t","x,y,z"},DisplayFunction$DisplayFunction,PlotRange{{0,50},{0,20}},ImageSize300]
39
Pada saat Keadaan 𝛽2 < 𝛽0 >> Program gambar 3D ( Gambar 14)
>> Program orbit kestabilan bidang 𝑥𝑦 ( Gambar 15)
>> Program orbit kestabilan bidang 𝑥𝑧 ( Gambar 16)
>> Program orbit kestabilan bidang 𝑦𝑧 ( Gambar 17)
40
>> Program dinamika populasi ketiga model terhadap waktu 𝑡 ( Gambar 18) dengan
menggunakan software Mathematica 7.0
r=1;
s=0.6;
1=0.2;
2=0.4;
K=40;
L=40;
0=0.4;
1=0.7;
2=0.1;
sol1=NDSolve[{x'[t]r*x[t](1-x[t]/K)-1*x[t]+2*y[t]-1*x[t]*z[t],y'[t]s*y[t](1-y[t]/L)+1*x[t]-2*y[t],z'[t]2*x[t]*z[t]-0*z[t],x[0]20,y[0]10,z[0]10},{x[t],y[t],z[t]},{t,0,50}];
{unresr,resr,pem}={x[t],y[t],z[t]}/.Flatten[sol1];
gbr3=Plot[pem,{t,0,50},PlotStyle{RGBColor[1,0,0],Thickness[0.008]},AxesLabel{"t","z"},AspectRatio1,PlotRange{{0,50},{0,20}},ImageSize300];
gbr2=Plot[resr,{t,0,50},PlotStyle{RGBColor[0,1,0],Thickness[0.008]},AxesLabel{"t","y"},AspectRatio1,PlotRange{{0,50},{0,20}},ImageSize300];
gbr1=Plot[unresr,{t,0,50},PlotStyle{RGBColor[0,0,1],Thickness[0.008]},AxesLabel{"t","x"},AspectRatio1,PlotRange{{0,50},{0,20}},ImageSize300];
Show[{gbr1,gbr2,gbr3},AxesLabel{"t","x,y,z"},DisplayFunction$DisplayFunction,PlotRange{{0,50},{0,20}},ImageSize300]
41
Lampiran 6. Program Penentuan Orbit Kestabilan dan Solusi Model 2
Pada kasus 𝛽2 > 𝛽0 >> Program gambar 3D ( Gambar 19)
>> Program orbit kestabilan bidang 𝑥𝑦 ( Gambar 20)
>> Program orbit kestabilan bidang 𝑥𝑧 ( Gambar 21)
>> Program orbit kestabilan bidang 𝑦𝑧 ( Gambar 22)
42
>> Program dinamika populasi ketiga model terhadap waktu 𝑡 ( Gambar 23) dengan
menggunakan software Mathematica 7.0
r=1;
s=0.6;
K=40;
L=40;
a=0.01;
1=0.2;
2=0.4;
0=0.4;
1=0.7;
2=0.7;
M=1;
sol2=NDSolve[{x'[t]r*x[t]*(1-x[t]/K)-1*x[t]+2*y[t]-1*x[t]*z[t],y'[t]s*y[t]*(1-y[t]/L)+1*x[t]-2*y[t],z'[t]a*z[t]*(1-z[t]/M)+2*x[t]*z[t],x[0]20,y[0]10,z[0]10},{x[t],y[t],z[t]},{t,0,50}];
{unresr,resr,pem}={x[t],y[t],z[t]}/.Flatten[sol2];
gbr3=Plot[pem,{t,0,50},PlotStyle{RGBColor[1,0,0],Thickness[0.008]},AxesLabel{"t","z"},AspectRatio1,PlotRange{{0,50},{0,30}},ImageSize300];
gbr2=Plot[resr,{t,0,50},PlotStyle{RGBColor[0,1,0],Thickness[0.008]},AxesLabel{"t","y"},AspectRatio1,PlotRange{{0,50},{0,30}},ImageSize300];
gbr1=Plot[unresr,{t,0,50},PlotStyle{RGBColor[0,0,1],Thickness[0.008]},AxesLabel{"t","x"},AspectRatio1,PlotRange{{0,50},{0,30}},ImageSize300];
Show[{gbr1,gbr2,gbr3},AxesLabel{"t","x,y,z"},DisplayFunction$DisplayFunction,PlotRange{{0,50},{0,30}},ImageSize300]
Pada kasus 𝛽2 = 𝛽0 >> Program gambar 3D ( Gambar 24)
43
>> Program orbit kestabilan bidang 𝑥𝑦 ( Gambar 25)
>> Program orbit kestabilan bidang 𝑥𝑧 ( Gambar 26)
>> Program orbit kestabilan bidang 𝑦𝑧 ( Gambar 27)
>> Program dinamika populasi ketiga model terhadap waktu 𝑡 ( Gambar 28) dengan
menggunakan software Mathematica 7.0
r=1;
s=0.6;
K=40;
L=40;
a=0.01;
1=0.2;
2=0.4;
0=0.4;
1=0.7;
2=0.4;
M=1;
sol2=NDSolve[{x'[t]r*x[t]*(1-x[t]/K)-1*x[t]+2*y[t]-1*x[t]*z[t],y'[t]s*y[t]*(1-y[t]/L)+1*x[t]-2*y[t],z'[t]a*z[t]*(1-z[t]/M)+2*x[t]*z[t],x[0]20,y[0]10,z[0]10},{x[t],y[t],z[t]},{t,0,50}];
44
{unresr,resr,pem}={x[t],y[t],z[t]}/.Flatten[sol2];
gbr3=Plot[pem,{t,0,50},PlotStyle{RGBColor[1,0,0],Thickness[0.008]},AxesLabel{"t","z"},AspectRatio1,PlotRange{{0,50},{0,25}},ImageSize300];
gbr2=Plot[resr,{t,0,50},PlotStyle{RGBColor[0,1,0],Thickness[0.008]},AxesLabel{"t","y"},AspectRatio1,PlotRange{{0,50},{0,25}},ImageSize300];
gbr1=Plot[unresr,{t,0,50},PlotStyle{RGBColor[0,0,1],Thickness[0.008]},AxesLabel{"t","x"},AspectRatio1,PlotRange{{0,50},{0,25}},ImageSize300];
Show[{gbr1,gbr2,gbr3},AxesLabel{"t","x,y,z"},DisplayFunction$DisplayFunction,PlotRange{{0,50},{0,20}},ImageSize300]
Pada kasus 𝛽2 < 𝛽0
>> Program gambar 3D ( Gambar 29)
>> Program orbit kestabilan bidang 𝑥𝑦 ( Gambar 30)
>> Program orbit kestabilan bidang 𝑥𝑧 ( Gambar 31)
>> Program orbit kestabilan bidang 𝑦𝑧 ( Gambar 32)
45
>> Program dinamika populasi ketiga model terhadap waktu 𝑡 ( Gambar 33) dengan
menggunakan software Mathematica 7.0
r=1;
s=0.6;
K=40;
L=40;
a=0.01;
1=0.2;
2=0.4;
0=0.4;
1=0.7;
2=0.1;
M=1;
sol2=NDSolve[{x'[t]r*x[t]*(1-x[t]/K)-1*x[t]+2*y[t]-1*x[t]*z[t],y'[t]s*y[t]*(1-y[t]/L)+1*x[t]-2*y[t],z'[t]a*z[t]*(1-z[t]/M)+2*x[t]*z[t],x[0]20,y[0]10,z[0]10},{x[t],y[t],z[t]},{t,0,50}];
{unresr,resr,pem}={x[t],y[t],z[t]}/.Flatten[sol2];
gbr3=Plot[pem,{t,0,50},PlotStyle{RGBColor[1,0,0],Thickness[0.008]},AxesLabel{"t","z"},AspectRatio1,PlotRange{{0,50},{0,20}},ImageSize300];
gbr2=Plot[resr,{t,0,50},PlotStyle{RGBColor[0,1,0],Thickness[0.008]},AxesLabel{"t","y"},AspectRatio1,PlotRange{{0,50},{0,20}},ImageSize300];
gbr1=Plot[unresr,{t,0,50},PlotStyle{RGBColor[0,0,1],Thickness[0.008]},AxesLabel{"t","x"},AspectRatio1,PlotRange{{0,50},{0,20}},ImageSize300];
Show[{gbr1,gbr2,gbr3},AxesLabel{"t","x,y,z"},DisplayFunction$DisplayFunction,PlotRange{{0,50},{0,20}},ImageSize300]