Anda di halaman 1dari 39

Pemodelan Matematis

Bagian 1

Dokumen ini hanya sebagai penunjang pelaksanaan perkuliahan


MAT30911 – Pemodelan Matematika – 4 sks
Untuk memahami materi kuliah, mahasiswa wajib membaca :
1.Diktat Kuliah
2.Hand-out (berisi materi yang tidak ada dalam diktat)
3.Buku Acuan yang digunakan
Pemodelan Matematis
Bagian 1
1.Pendahuluan
2.Model Dasar Fisika
3.Model berdasarkan laju pertumbuhan
4.Evaluasi model matematis
Pendahuluan
model ?
pemodelan ?
model matematis ?
pemodelan matematis ?

Pengetahuan apa yg diperlukan


untuk mempelajari ?
→ masalah sehari-hari
Harga sebuah barang di toko X adalah Rp.1000.
Jika kita beli 10 buah, berapa yang harus kita bayar?
Beli 50 buah, beli 25 buah, ….., hrs membayar
berapa?
• Misal x : banyaknya barang yg akan dibeli
y : uang yg hrs dibayarkan
• y = 1000x (dalam rupiah)
x : bilangan bulat pos atau x ∈ Z+
• x = 10, y = 1000(10) = 10.000 (rupiah)
x = 50, y = 1000(50) = 50.000 (rupiah)
• Anggapan (asumsi) ?
bedakan !
berhitung (aritmetika)
matematika
Perhatikan !
y = 1000 x → model matematis :
Menyatakan apa ?

Hubungan antara
uang yg harus dibayar, dan

y
banyaknya barang yg dibeli

x
Tidak sulit kan ?. Dalam matematika, x, y, 1000 menyatakan apa ?
Beberapa masalah sehari-hari

• Pembeli 1: Dengan uang 1 juta rp. dapat dibeli 10 celana


dan 5 baju
Pembeli 2: Dengan uang 200.000 rp. dapat dibeli 1 baju
Pembeli 3: Ingin beli 2 pasang baju+celana, berapa yg
harus dibayar?
• Tarif Penggunaan air bersih adalah Rp.15.000/m3 Agustus 2005,
keluarga X menggunakan 5,25 m3 . Berapa tagihan X untuk bln
Agustus?
• Suatu bak air berbentuk kubus bersisi 1 mtr dlm keadaan kosong,
dialiri air dgn laju 0,1 lt/det.
1.Kapan bak tsb penuh
2.Berapakah tinggi permukaan air setelah 10 det?
MASALAH dan MODEL MASALAH

Pelajari !
Identifikasi :
masalah
parameter ?
hubungan ?
Definisikan : ← pemodelan

model model ?
Model : penyajian masalah dlm bentuk sederhana
(lebih sederhana daripada masalahnya)
- mewakili masalah
- lebih mudah dipahami

Jenis model :
1. Model fisik , misal maket (rumah, mobil), globe,
simulator kendaraan (mobil, pesawat terbang), model baju, boneka,
fotomodel, peragawati, dsb

2. Model abstrak , misal diagram rangkaian listrik, flowchart,


algoritma program komputer, rumus reaksi kimia, neraca keuangan,
......., rumus matematis (model matematis)
Penurunan model Matematis

• Identifikasi :
- ruang lingkup : global, lokal, batasan (kemampuan, anggapan)
- parameter :
* peubah (variabel)
* tetapan (konstanta)
- kendala
- operasi : +, -, x, : Kuliah :
- hubungan : = , <, >, ≤, ≥ 1. Penurunan model matematis
• Definisi : 2. Penyelesaian model
matematis
rumus (formula), fungsional
→ model matematis
Klasifikasi model matematis
• Berdasarkan jenis fungsi atau peubahnya
(i) model kontinu
(ii) model diskret

• Berdasarkan fenomena peubah input/outputnya, sesuai dgn ruang lingkup


keberadaannya
(i) Model deterministik
(ii) Model stokastik

• Berdasarkan gambaran kerjanya


(i) Model deskriptif
(ii) Model preskriptif (normatif, optimisasi)

• Berdasarkan sifat fenomena masalah sesuai dgn perjalanan waktunya


(i) Model statis
(ii) Model dinamis
Klasifikasi model matematis

Klasifikasi lain :
Berdasarkan latar belakang disiplin ilmu dan penerapannya:
Model fisika,
• model kimia,
• model biologi,
• model ekonomi,
• model lingkungan hidup,
• model militer,
• dsb
Pelajari juga buku acuan :

BURGHES, DN and BOORRIE, MM. (1982). Modeling with


Differential Equations, Ellis Horwood Ltd
Giordani, FR and WEIR, MD. (1994). Differential Equations
– Modeling Approach, Addison Wesley Publ. Co.
TAHA, HA. (1987). Operations Research – An Introduction,
Mac Millan Publ. Co.
MEYER, WJ. (1984). Concepts of Mathematical Modeling,
McGraw-Hill Co.
ROSS, SL (1980). Introduction to Ordinary Differential
Equations, John Wiley & Sons
Model Dasar Fisika
Model Dasar Fisika
Benda Jatuh, Getaran, Rangkaian Listrik

Pendekatan eksperimen – Pendekatan Teoritis


• Benda Jatuh
eksperimen Galileo
1.Masalah : mengapa jatuh
ke bumi?
2.Faktor relevan: jarak,
waktu, kecepatan

bumi
Benda Jatuh - eksperimen
Dasar pemikiran : nampak semakin jauh semakin cepat
Asumsi I: Jika benda jatuh dari keadaan diam, maka kecepatan pada
sembarang titik sebanding dengan jarak yg telah ditempuh

x(0) Apa yg terjadi ?


x(t) : jarak jatuh saat t
x(t)
→ dx/dt ≈ x
dx/dt = ax (a:tetapan kesebandingan)
?dx/x = ?adt
ln|x| = eat+c (c:tetapan integrasi)
x = ec.eat = keat (a=ec)
t=0, x(0) = 0 ← syarat awal
0=ke0 → k=0
x = 0, untuk setiap t
Apa artinya ?
Benda Jatuh
Dasar pemikiran : nampak semakin lama semakin cepat
Asumsi I’: Jika benda jatuh dari keadaan diam, maka kecepatan pada
sembarang titik sebanding dengan waktu tempuhnya

x(t) : jarak jatuh saat t Galileo:


→ dx/dt ≈ t ∃ Gaya yg menarik
dx/dt = kt (k:tetapan kesebandingan) benda ke bawah
?dx = ?ktdt Benda memperoleh
x = ½ kt2 + c(c:tetapan integrasi) tambahan kecepatan
t=0, x(0) = 0 ← syarat awal sebesar k.
c=0 Dari eksperimen,
x = ½ kt2 …..(1) k ≅ 32 feet/det 2 =9,81 m/det2
disebut gravitasi (g)
Apa artinya nilai ½k (selalu tetap) ?
Model benda jatuh
Asumsi 2: Benda jatuh ke bumi dari suatu ketinggian yg
‘cukup’ dan hanya dipengaruhi oleh gravitasi g, selama
jatuhnya akan memperoleh tambahan kecepatan sebesar g

Pers(1), x = ½gt2 (g=k) memberikan


dx/dt = gt, atau secara umum v(t) = v(0) + gt, v(0) = kecepatan awal
d2x/dt = g atau a(t) = g (g =32, dlm feet2)

→ x(t) = v(0)t + ½ t2
Apakah keadaan benda TIDAK
(besar, bentuk, densitas)
berpengaruh ?
i.e titik materi

Titik air, ketinggian : 1024 feet, tanpa kecepatan awal


1024 = 16 t2 , memberikan t = 8 det (benarkah?)
Model Stokes : butiran air jatuh dlm udara takbergerak,
diameter D≤0,00025 feet
d2x 0,329 x10 −5 dx 32,2 x10 −5
2
= 32, 2 − ; v term = D
dt D2 dt 0,329

Model kuadrat kecepatan : diameter D ≥ 0,004 feet


2
d2x 0,000460  dx  ; 32, 2D
= 32,2 −  dt  vterm = = 264 D
dt 2 D   0,000460

Model general air-drug :


Atmosfer rendah d 2 x 0,000920 .C ( D.dx / dt )(dx.dt ) 2 ; d 2 x = 32,2 − 3 ρ m .C ( D.dx / dt )(dx.dt ) 2
2
= 32,2 − dt 2 D
dt D
Model Hukum invers-kuadrat : gaya tarik antar 2 massa m1 dan m2
m1 x(t) m2
Model benda jatuh – teoritis
m : massa benda ; v : kecepatan, momentum = mv

• Dasar : Hukum Newton II


Laju perubahan momentum thd waktu dari benda bergerak
sebanding dgn gaya resultan pd benda

d(mv)/dt ≈ F atau d(mv) = kF


m.dv.dt = kF, atau ma = kF → F = (1/k)ma
unt k=1, F = ma

mdv/dt = F F,v fungsi dari t


mv.dv/dx = F F, v fungsi dari x

* hambatan udara diabaikan


Benda jatuh – teoritis – hambatan udara

Newton II, F=ma


? F1 = -kv m dv/dt = w-kv
•B (w/g) dv/dt = w-kv
syarat awal, v(0)=0
? F2 = w

Jatuh melalui pemukaan

←gesekan : hambatan

a
Getaran – Pegas - Pendulum

L L
L+l
l
m x
Gaya:
1. F1 , gaya gravitasi : F1 = mg +
2. F2 , gaya pemulihan : F2 = -k(x+ l) -
Hukum Hookes : gaya yg diperlukan unt perpanjangan,
x+l , sebanding dgn x+l . F2 = - k(x+l)
Dlm keadaan setimbang, F2 = gaya gravitasi
i.e -mg = -k(0+l) (di sini x=0), memberikan mg = kl
sehingga F2 = -kx – mg
3. F3 , gaya hambatan medium (redaman) - sebanding dgn
kecepatan |F3 | = -a|dx/dt|
4. F4 , gaya luar : F4 = F(t)
Hk Newton II: F = ma, dgn F = F1 + F2 + F3 + F4
d 2x dx
m = mg − kx − mg − a + F (t )
dt 2 dt
d 2x dx
m +a + kx = F ( t )
dt 2 dt
• a = 0, gerakan tak teredam
a ? 0, gerakan teredam
• F(t) = 0, unt setiap t, gerakan bebas
F(t) ? 0, unt setiap t, gerakan paksaan
Model rangkaian listrik RLC
resistor R (ohm)
i(ampere) arus yg dihasilkan – beda potensil

baterei → kapasitor C
gaya elektromotif E

induktor L (henry)
1. Beda potensial pd resistor, E R = R.i
2. Beda potensial pd induktor, E L = L.di/dt
3. Beda potensial pd kapasitor, EC =(1/C).q, atau EC =(1/C).?i.dt
Hukum Kirchoff 2: L.di/dt + R.i + (1/C).q = E
L.d2q/dt2 + R(dq/dt) +(1/C).q = E
d 2i di 1 dE
Diff thd t, dgn t=dq/dt), L 2
+ R + i =
dt dt C dt
Model matematis berdasarkan
laju pertumbuhan
Model berdasarkan Laju pertumbuhan
Laju pertumbuhan ?
semakin lama semakin ...
? ?
t yg diobserv.

t= 0 1 …. n
t → t+? t; v → v+? t
(v + ∆v ) − v ∆v
v laju pertumbuhan v thd t : =
(t + ∆t ) − t ∆t
lim ∆v dv
v+? v =
∆t → 0 ∆t dt
Model berdasarkan laju pertumbuhan
Model Pertumbuhan Populasi
• Model sederhana -eksponensial
•• •••
• t berubah ••••
• • ••••
t0 (awal)

Anggapan: laju pertumbuhan (perubahan) populasi sebanding dgn


besarnya populasi pd saat itu
→ x(t) : besarnya populasi pd saat t
dx/dt ≈ x atau dx/dt = kx (k >0, tetapan kesebandingan)
Model : dx
= kx Penyelesaian:
dt
syarat awal: x (t 0 ) = x 0
x(t) = x0.e(t-t )
0

Apa persamaannya dgn model Malthus? Interpretasi ?


Model pertumbuhan populasi
Model Logistik - Verhulst

Anggapan : (1) idem


(2)populasi akan mencapai batas • x8
•••
Laju pertumbuhan populasi sebanding dgn: x(t) dan (1-x)/x8
dx/dt ~ x. (1-x)/x8 .
Model : dx 1− x
= kx Penyelesaian:
dt x∞ x∞
x=
x (t 0 ) = x 0 x
1 + ( ∞ −1)e −kt
x0
Interpretasi ?
Model pertumbuhan populasi – Model Leslie
• Pop wanita dibagi dlm kategori usia: [0, ), [? ,2 ), …,[(n-1) , )
• Fi(t) : banyaknya wanita saat t dlm kelompok usia [i , )
→ vektor distribusi usia : ,
 F 0 (t ) 
 F (t ) 
F (t ) =  1 
 • 
 
• Masalah : F( ) = ? F(2 )= ?  n −1 
F ( t )
• Laju kelahiran – laju kematian
di : laju kematian kelompok usia ke-i ;
(1- di) : bagian yg msh hidup = p i : laju ketahanan hidup
→ Fi+1 (t+ ) = (1- d i). Fi (t)
= pi . Fi (t), t = 0, , 2 , ….
• Laju kematangan usia, pd thn ke- , kelompok usia ke-i : mi
Banyaknya anak usia lahir (usia 0), pd saat t+ : n −1
F (t + ∆) = ∑ m i .Fi (t )
i=0
Model Leslie
Model Matematis:
M : matriks Leslie
 m0 m1 m 2 ..... mn−1 
 F0 (t + ∆)     F0 (t ) 
   p0 0 0 ...... 0   
 1F ( t + ∆) = 0 F ( t )
p1 0 ...... 0 . 
1
 .     .... 
   .. .. .. ..... 0  
 Fn−1 (t + ∆)  0 0  
Fn −1 ( t ) 
 0 0 .....
→ F(t+? ) = M.F(t), t=0, 1, 2, …..
→ F(k? ) = Mk F(? ), k=0, 1, 2, ….

Apa persamaan dan perbedaannya dgn model eksponensial ?


Penyebaran Penggunaan Teknologi Baru
N : populasi petani

x N-x x(t) : populasi petani yang adaptif


thd teknologi baru

? x : banyaknya petani yg dpt menerima tekn baru selama ? t.


? x ∼ x. (N-x). ? t atau ? x = kx(N-x)? t, ? x/ ? t =kx(N-x)
Unt ? t →0, dx/dt = kx(N-x)
unt t = 0, x(0) = 1
Penyelesaian: kNt
x(t) = Ne N
N −1 + e kNt
Masalah Farmakokinetik : pengaruh obat dlm tubuh
• Obat masuk (oral, intravena), melalui saluran pencernaan, disebarkan darah ke
seluruh tubuh oleh jaringan syaraf, sisa yg tdk digunakan dibuang
y(t) : kuantitas obat dlm tubuh pd saat t.
Laju perubahan kuantitas (konsentrasi) obat sebanding dgn luantitas obat saat t :
dy/dt = -ky (k > 0) y(t) = y0 e-kt .
t(t=0) = y0 (obat yg masuk saat awal)
• Pemasukan berulang (periodik), r, 2r, 3r, ….

→ pengaruh tersisa

• Jika konsentrasi obat dipertahankan y0, berapa takaran obat


D yg diberikan ?
y0 e-kt + D = y0 → D = y0 (1-e-kt ).
Masalah pencampuran cairan
Tangki 50 gal berisi air murni. Saat t=0 dialirkan larutan gula (S) 2lb/gal,
dg laju 3 gal/mnt

x = kuantitas S saat t
dx/dt : kaju perubahan x thd t
keluar dg laju 3 gal/mnt
dx/dt : IN(laju aliran S kedlm tangki) – OUT (laju aliran S keluar tangki)
IN = (2lb/gal).(3gal/mnt) = 6 lb/mnt ;
Isi tangki tetap 50 gal. mengandung x lb gula saat t. Konsentrasi gula saat t :
(1/50)xlb/gal. Karena larutan campuran mengalir keluar 3 gal/mnt, maka
OUT = [x/50)lb/gal].(3 gal/mnt) = 3x/50 lb/mnt
→ dx/dt = 6 – 3x/50 → x(t) = 100(1-e-3t/50 )
dgn x(0) = 0 (awalnya blm ada gula)

100 t →8 , x(t) → 100 (lb), apa artinya?


Masalah : perkembangan waktu fabrikasi produk (1)
• Observasi Wright:
apabila banyaknya pesawat digandakan 2x, maka waktu perakitannya
berkurang menjadi 80 % dari waktu perakitan sebelumnya.
T(x) : waktu yg digunakan unt memproduksi produk ke-x, maka
produk ke 1 2 4 8 ………..
waktu T1 (0,8)T1 (0,8)2T1 (0,8)3T1
→ T(x) = (0,8)nT1 , n = 1, 2, 4, 8, …… (1) tdk tergantung peubah x
Manipulasi matematis:
n = 1, 2, 4, 8, …. maka n = 2log x, x=1, 2, 3, 4, ……
Jadi, T(x) = (0,8) log x T1 . ….(2) (log x = 2log)
periksa: x=1, T(x) = T1, x=2, T(x) = (0,8)T1, x=4, T(x) = (0,8)2T1, ..
operasikan 2log pada (2):
2log T(x) = 2log [(0,8)log xT1 ]
= 2log (0,8)log x + 2log T1 .
perkembangan waktu fabrikasi produk (2)
2log T(x) = (2log x) (2log 0,8) + 2log T1 = (2log x) log 0,8 + 2log T1
= 2log T1 . x a (a = 2log 0,8 = -0,322)
Jadi, T(x) = T1.x a atau T(x) = T1.x -0,322 …(3)
unt t →8 , T(x) → 0 (apa artinya ? Realistiskah?)

Formulasi kembali:
Tm : waktu minimum (di bawah kondisi tertentu) untuk membuat 1 produk
(sama untuk semua x)
Te : waktu lebih yg digunakan (tergantung x)
→ T(x) = Tm + Te (x) = Tm + T0.x a , (Tm, T0, a : tetapan)

Tm
Rantai ekonomi - produksi

bahan pabrik distributor, toko konsumen


baku grosir eceran

sumber daya
pendukung

I. Sisi produksi (pabrik)


Biaya produksi, biaya marginal, biaya (tetap, tdk tetap), harga jual satuan
produk, penerimaan uang (revenue), keuntungan, ….

II. Sisi perdagangan (jual –beli)


Harga beli, harga jual, penerimaan (revenue), biaya (tetap, tdk tetap)
keuntungan marginal, ……
Penyebaran Penggunaan Teknologi Baru
N : populasi petani
x N-x x(t) : populasi petani yang adaptif
thd teknologi baru
? x : banyaknya petani yg dpt menerima tekn baru selama ? t.
? x ∼ x. (N-x). ? t atau ? x = kx(N-x)? t, ? x/ ? t =kx(N-x)
Unt ? t →0, dx/dt = kx(N-x)
unt t = 0, x(0) = 1
Penyelesaian: kNt
x(t) =
Ne N
N −1 + e kNt
Penyelesaian Masalah
masalah

? penurunan model
model matematis

? pengujian model

? penyelesaian model
model penyelesaian

? pengujian penyelesaian

? interpretasi ke masalah

penerapan penyelesaian yang diharapkan


kemasalah yg sebenarnya
Evaluasi Model Matematis
Model Matematis yg kita turunkan ‘baik’ atau ‘tidak’ ?
Tidak ada aturan, pedoman umum. Tergantung dari sifat masalah.

Beberapa Segi Bahan Pertimbangan:


• Keakuratan (accuracy)

• Penggambaran Keadaan yg Sebenarnya (descriptive of realism)

• Ketepatan (precision)
Berikan contoh !
• Ketegaran (robustness)

• Keumuman (generality)

• Kemanfaatan (fruitfulness)
Dokumen selanjutnya :
Pemodelan Matematis bagian 2, yang berisi :
(i) Model optimisasi
(ii) Model keseimbangan lingkungan
(iii) Model diskret dan model diskretisasi
(iv) Model probabilistik
(v) Model-model spesifik
(v) Model simulasi