MODEL PERTUMBUHAN LOGISTIK DENGAN WAKTU TUNDA

Henny M. Timuneno1, R. Heri Soelistyo Utomo2, dan Widowati3

1, 2, 3
Jurusan Matematika FMIPA UNDIP
Jl. Prof. H. Soedarto, SH Tembalang Semarang 50275

Abstract. The logistic growth model with time delay has developed from the classical logistic
model, where as in the growth logistic model with time delay, the growth process delay from a
population is calculated. This delay cause population decrease then increase so oscillation appears
in population growth. So, the solution is not a monotonous function. The result of analysis indicate
that the logistic growth model with time delay have two equilibrium points. Each equilibrium
points is analyzed for their stability based on time delay variation on the population growth. The
longer time delay in the population growth can cause the unstable growth, hence the population
decrease and become extinct.

Keywords: logistic model, time-delay, oscillation, equilibrium.

1. PENDAHULUAN osilasi pada pertumbuhan populasi [7].

Setiap makhluk hidup selalu
meng-alami perubahan dari waktu ke
waktu, dimulai dari adanya kelahiran,
perkembangan, hingga kematian. Untuk
menggambarkan pertumbuhan suatu
populasi, pada tahun 1838 Verhulst
memperkenalkan suatu model per-
tumbuhan yang sering disebut model
pertumbuhan logistik [4,5,7,8]. Pada
model pertumbuhan logistik ini
diasumsikan bahwa tidak ada penunda-
an waktu pada proses pertumbuhan
populasi [7]. Selain itu pada model ini
dihasilkan solusi yang berbentuk fungsi
monoton (naik atau turun), dimana
fungsi seperti ini memberikan penafsir-
an bahwa jumlah populasi akan terus
bertambah (tidak pernah berkurang)
atau akan terus berkurang (tidak pernah
bertambah).
Dalam kenyataannya, sepanjang
waktu pertumbuhan keadaan lingku-
ngan atau daya dukung lingkungan
dapat berubah. Beberapa proses biologi
yang melibatkan stadium pertumbuhan,
keadan lingkungan yang berubah meng-
akibatkan pertumbuhan akan megalami
penundaan. Waktu tunda ini menyebab-
kan penurunan populasi tetapi kemudi-
an terjadi peningkatan sehingga terjadi
Sehingga solusi yang diperoleh bukan me-
rupakan suatu fungsi yang monoton.
Bertolak dari pemikiran tersebut, maka
pembahasan dititikberatkan pada pengkajian
pengaruh penundaan waktu dalam pertum-
buhan populasi dan analisa kestabilan dari
model pertumbuhan logistik dengan waktu
tunda.
2. HASIL DAN PEMBAHASAN
2.1 Model Pertumbuhan Logistik
Sederhana
Salah satu model pertumbuhan populasi
adalah model pertumbuhan logistik (logistic
growth models). Dengan menggunakan
kaidah logistik (logistic law) bahwa persedia-
an logistik ada batasnya, model ini meng-
asumsikan bahwa pada masa tertentu jumlah
populasi akan mendekati titik kesetimbangan
(equilibrium). Pada titik ini jumlah kelahiran
dan kematian dianggap sama, sehingga gra-
fiknya akan mendekati konstan (zero growth).
Misalkan N (t ) menyatakan jumlah populasi
pada saat t, dan R0 menyatakan laju per-
tumbuhan populasi maka secara umum laju
pertumbuhan yang bergantung pada suatu
populasi, sebagai berikut [7]:
dN
= R0 N (1)
dt

43
Jurnal Matematika Vol. 11, No.1, April 2008:43-51
Model pertumbuhan logistik dapat
diturunkan dengan menggunakan
asumsi
a. Laju pertumbuhan populasi
1 dN (t )
pada saat N (t ) = 0
N (t ) dt
adalah r (dengan r konstan).
b. Laju pertumbuhan ini menurun
secara linear dan bernilai 0 saat
N (t ) = K .
r adalah laju pertumbuhan
intrinsik (intrinsic growth rate), yaitu
nilai yang menggambarkan daya tum-
buh suatu populasi, K = carrying
capacity, yaitu ukuran maksimum dari
suatu populasi. Dalam hal ini diasumsi-
kan r > 0 , yaitu mengingat setiap
populasi memiliki potensi untuk ber-
kembang biak, sehingga dari asumsi
diatas dapat diturunkan suatu model
pertumbuhan populasi yang dikenal de-
ngan persamaan logistik.
dN (t )  N (t ) 
= rN (t )  1 −  (2)
dt  K 
Jika diberikan syarat awal N (0) = N 0 ,
maka diperoleh solusi khusus dari per-
samaan logistik ini, yaitu
K dengan ∆t adalah waktu diskritisasi atau
N (t ) =
 K  − rt
 − 1 e + 1
 N0 
dengan
N (t ) : Jumlah populasi pada waktu (t)
r : Laju pertumbuhan intrinsik
K : Kapasitas pembawaan
(carrying capacity)
2.2 Model Pertumbuhan Logistik
dengan Waktu Tunda
Persamaan logistik sederhana
tidak tepat diterapkan untuk men-
deskripsikan pertumbuhan populasi
pada kasus dimana ada keterlambatan
(waktu tunda) dalam stadium per-
tumbuhan. Oleh karena itu dikembang-
kan suatu model pertumbuhan logistik
dengan waktu tunda.
44
Jika melihat pada model pertumbuhan
logistik sederhana sebelumnya (2), maka
mekanisme penundaan waktu untuk pertum-
buhan populasi dapat dimodelkan dalam
persamaan
dN (t )  N (t − τ ) 
= rN (t ) 1 − , (4)
dt  K 
dengan
N (t ) : Jumlah populasi pada waktu t
r : Laju pertumbuhan intrinsik
(intrinsic growth rate)
N (t − τ ) : Jumlah populasi pada saat
penundaan
K : Carrying capacity
τ : waktu tunda
Secara analitik model pertumbuhan
logistik dengan waktu tunda sangat sulit
untuk diselesaikan, sehingga sulit juga untuk
memperoleh solusi eksak dari model tersebut.
Oleh karena itu untuk menyelesaikan model
pertumbuhan logistik dengan waktu tunda
akan digunakan formulasi waktu diskrit untuk
memperoleh solusi numerik.
Secara umum model dari pertumbuhan
populasi diskrit tanpa penunda-an waktu
ditulis sebagai berikut
N (t + ∆t ) − N (t ) = R (t )∆tN (t ) , (5)
(3) disebut juga selang waktu. Selanjutnya model
pertumbuhan diskrit dengan R konstan ditulis
sebagai berikut
N (t + ∆t ) − N (t ) = R0 ∆tN (t ) , (6)
dimana laju pertumbuhan proporsional
dengan populasi. Jika pada kasus tertentu
seperti bahan makanan yang dibatasi maka
laju pertumbuhan akan menurun. Situasi ini
dimodelkan dengan persamaan logistik diskrit
sebagai berikut
 r 
N (t + ∆t ) − N (t ) = ∆tN (t )  r − N (t )  . ( 7 )
 K 
Persamaan ini secara otomatis digunakan
dalam perhitungan suatu penundaan ∆t .
Perubahan dalam populasi bergantung pada
populasi ∆t waktu yang lalu.
Jika digunakan formulasi diskrit dari
pertumbuhan populasi, dan pada penambahan
pertumbuhan terjadi penundaan waktu sebesar
Henny M. Timuneno, R. Heri Soelistyo Utomo, dan Widowati Model Pertumbuhan Logistik ... )

τ , maka model pertumbuhan diskrit  r 

dengan R0 konstan adalah N 2 = N (∆t + ∆t ) = N1 1 + (∆tr − ∆t N (∆t − ∆t ))  ,
 K 
N (t + ∆t ) − N (t ) = R0 ∆tN (t − τ ) ( 8 )
sedangkan model pertumbuhan logistik
diskrit dengan waktu tunda τ diberikan  r 
N3 = N (2∆t + ∆t ) = N 2 1 + (∆tr − ∆t N (2∆t − ∆t ))  ,
seperti di bawah ini  K 
 r 

N (t + ∆t ) − N (t ) = ∆tN (t )  r − N (t − τ )  ,
 K   r 
(9) N m = N (m∆t ) = N m−1 1 + (∆tr − ∆t N (m∆t − ∆t ))  .
 K 
dengan pengukuran dilakukan pada
setiap selang waktu ∆t .
Untuk menganalisa lebih jauh Dengan syarat awal t0 = 0, pada m
persamaan (9), diasumsikan suatu unit dari ∆t , t ≡ m∆t maka dapat ditulis
populasi N(t) bertambah secara teratur sebagai berikut
setiap tahun ( ∆t = 1 ). Penambahan N (t ) = N (m∆t ) ≡ N m ,
individu pada area yang diberikan
bergantung pada sumber makanan, serta dengan menggunakan notasi dari
dimana perubahan bergantung pada persamaan logistik diskrit dengan waktu
berapa banyak sumber makanan yang tunda, persamaan (10) menjadi
dikonsumsi oleh individu tersebut se-  r 
N m +1 = N m 1 + (r ∆t − ∆tN m−1 )  ,
lama tahun sebelumnya. Pada bagian  K 
ini, diasumsikan juga penundaan waktu  r 
dalam mekanisme pertumbuhan juga N m +1 − N m = N m  r ∆t − ∆tN m −1  ,
satu tahun ( τ = ∆t =1). Penyederhanaan  K 
model untuk proses ini adalah persama- dengan
an logistik diskrit dengan waktu tunda N m+1 : Jumlah populasi pada m + 1 unit dari
sebagai berikut ∆t
 r  N m : Jumlah populasi pada m unit dari ∆t
N (t + ∆t ) − N (t ) = ∆tN (t )  r − N (t − ∆t )  .
 K  N m−1 : Jumlah populasi pada m − 1 unit dari
( 10 )
∆t
Dari persamaan (10) bila
Jika persamaan di atas disederhanakan maka
diberikan syarat awal t0 = 0 , N (0) = N 0 dihasilkan persamaan
dan N1 = N (∆t ) maka solusi dari N m+1 − N m = N m (α − β N m−1 ) , (11)
persamaan (10) dapat langsung r
diselesaikan dengan perhitungan dengan α = r ∆t dan β = ∆t
numerik sebagai berikut: K
Kesetimbangan populasi N E dicapai pada
 r 
N (t + ∆t ) = ∆tN (t )  r − N (t − ∆t )  , N E = N m , untuk semua m pada persamaan
 K 
(11)
N m+1 − N m = N m (α − β N m−1 ) ,
 r 
N (t + ∆t ) = N (t ) 1 + (∆tr − ∆t N (t − ∆t ))  , N E − N E = N E (α − β N E ) ,
 K 
N E (α − β N E ) = 0 .
Sehingga diperoleh kesetimbangan populasi-
N 0 = N (0) , N1 = N (∆t ) , nya adalah

45
Jurnal Matematika Vol. 11, No.1, April 2008:43-51
N E = 0 atau α − β N E = 0 ,
β NE = α ,
α r ∆t
NE = = =K .
β r
∆t
K
2.3 Analisa Kesetimbangan pada
Model Pertumbuhan Logistik
dengan Waktu Tunda
Model pertumbuhan logistik
dengan waktu tunda pada persaman (10)
dapat ditulis sebagai berikut
N (t + ∆t ) − N (t ) = N (t ) [α − β N (t − τ ) ]
(12)
r Selanjutnya akan dilakukan proses per-turbasi
dengan α = r ∆t dan β = ∆t .
K di titik kesetimbangan N (t ) = K .
Model pertumbuhan logistik
dengan waktu tunda di atas mempunyai
dua titik kesetimbangan yaitu pada titik
N (t ) = 0 dan titik N (t ) = K , untuk
setiap t.
Untuk menganalisa masing-
masing titik kesetimbangan, dilakukan
proses linearisasi pada persamaan non-
linear. Proses linearisasai dilakukan di
persekitaran titik kesetimbangan dengan
meng-gunakan prosedur perturbasi.
Pada proses perturbasi ini, parameter
perturbasi ε yang digunakan sangat
kecil (0 < ε ≤ 1) sehingga ini akan
mengakibatkan sangat dekat dengan
titik kesetimbangan (equilibrium).
2.3.1 Perturbasi di sekitar titik
kesetim-bangan N (t ) = 0
Perturbasi di sekitar titik kesetim-
bangan N (t ) = 0 ditulis sebagai berikut
N (t ) = 0 + ε N1 (t ) , (13)
ε N1 (t ) adalah perubahan dari titik
kesetimbangan N (t ) = 0 . Selanjutnya
persamaan (13) disubstitusikan kedalam
persamaan (4) sehingga menghasilkan
ε dN1 (t ) r Persamaan (16) diatas merupakan
= ε N1 (t )[r − ε N1 (t − τ )] ,
dt K
equivalen
46
dN1 (t ) r
= rN1 (t ) − N1 (t )ε N1 (t − τ ) . (14)
dt K
Dengan mengabaikan bentuk nonlinear
r
− N1 (t )ε N1 (t − τ ) , maka diperoleh
K
dN1 (t )
= rN1 (t ) . Solusi dari persamaan
dt
tersebut adalah N1 (t ) = cert . Dari solusi yang
dihasilkan, hal ini menunjukan bahwa
populasi bertumbuh secara ekponensial dan
tidak mengarah ke titik kesetimbangan
N (t ) = 0 . Sehingga solusi kesetimbangan di
titik N (t ) = 0 merupakan kesetimbangan
tidak stabil.
2.3.2 Perturbasi di sekitar titik kesetim-
bangan N (t ) = K
Perturbasi di sekitar titik kesetim-
bangan N (t ) = K untuk model logistik diskrit
ditulis sebagai berikut
N m = K + ε ym ,
εy m ≤ K (15)
ε ym adalah perubahan dari titik kesetim-
bangan N (t ) = K . Selanjutnya persamaan
(15) disubstitusikan ke dalam persamaan (11)
sehingga menghasilkan
K + εy m +1 − ( K + εy m ) = ( K + εy m )
(α − β ( K + εy m −1 ))
K + ε y m +1 − K − ε y m = ( K + ε y m )
(α − β K − εβ y m −1 )
εy m +1 − εy m = ( K + εy m )(r∆t − r∆t − εβy m −1 )
εy m +1 − εy m = −εβy m −1 ( K + εy m )
εy m +1 − εy m = (−εβy m −1K ) − (εβy m −1εy m ) .
Dengan mengabaikan bentuk nonlinear
− β ym −1 (ε ym ) maka diperoleh persamaan
berikut
ym +1 − ym = −α ym−1 . (16)
dengan α = β K .
persamaan differensi koefisien konstan linear.
Untuk dapat menentukan perilaku di sekitar
titik kesetimbangan, maka terlebih dahulu
dilakukan analisa pada persamaan (16).
Henny M. Timuneno, R. Heri Soelistyo Utomo, dan Widowati Model Pertumbuhan Logistik ... )

Diasumsikan solusi dari persamaan p1 = p2 dan θ1 = −θ 2 , sehingga diper-

tersebut adalah ym = p m . Selanjutnya oleh solusi persamaan differensi sebagai
nilai p ditentukan dengan substitusi berikut
ym = p m ke persamaan (16) y m = p1
m
(c1e imθ1 + c 2 e − imθ1 )
ym +1 − ym + α ym −1 = 0 , m
y m = p1 [(c1 cos mθ1 + c1i sin mθ1 )
m +1 m m −1
p − p +α p = 0 , + (c 2 cos mθ1 − c 2 i sin mθ1 )]
tiap suku dibagi dengan p m −1 , diperoleh m
y m = p1 [(c1 + c 2 ) cos mθ1 + i (c1 − c 2 ) sin mθ1 ]
persamaan kuadrat untuk p sebagai
m
berikut y m = p1 (c3 cos mθ1 + c 4 sin mθ1 )
p2 − p + α = 0 (17) dengan
2
akar-akar dari persamaan kuadrat di atas 1 
2
4α − 1 
adalah p1 =   +   = α
2  2 
1 ± 1 − 4α
p1,2 = , θ1 = tan −1 4α − 1
2 1
sehingga solusi umum dari persamaan Untuk interval < α ≤ 1 , solusi ym
(16) dapat ditulis 4
m m berosilasi. Secara umum untuk interval
ym = c1 p1 + c2 p2 . 1
Dari akar-akar p1 dan p2 , akan < α < 1 solusi berosilasi di sekitar titik
4
diperoleh hasil sebagai berikut kesetimbangan dan menuju ke nol, disebut
1 dengan osilasi konvergen. Hal ini berarti
a. Untuk 0 < α <
4 bahwa kesetimbangan mengarah ke titik
p1 dan p2 merupakan akar-akar real N (t ) = K , yang berarti kesetimbangannya
positif, berbeda dan kurang dari 1, stabil. Pada kasus α = 1 , solusi berosilasi
( 0 < p1 < 1 dan 0 < p2 < 1 ). tetap atau tidak menjauh maupun mendekati
Sehingga solusi dari persamaan (16) titik kesetimbangan N (t ) = K , hal ini berarti
mendekati nol. Hal ini berarti titik bahwa untuk α = 1 , kesetimbangan di titik
kesetimbangan N (t ) = K stabil. N (t ) = K adalah stabil.
1 Penundaan yang semakin besar
b. Untuk α = menyebabkan nilai α yang semakin besar
4
1 pula sehingga populasi melebihi tingkat
p1 = p2 = merupakan akar-akar kesetimbangannya dan cenderung menjauhi
2 titik kesetimbangan. Hal ini digambarkan
real positif, sama dan kurang dari 1.
untuk α > 1 . Pada bagian ini pertumbuhan
Hal ini menunjukkan solusi dari
populasi berosilasi dengan jumlah yang
persamaan (16) mendekati nol. Hal
semakin besar dan tidak menuju ke titik
ini berarti N (t ) = K stabil. kesetimbangan,disebut dengan osilasi
divergen. Oleh karena osilasi yang terjadi
1 tidak menuju ke titik kesetimbangan
c. Untuk α >
4 N (t ) = K , maka untuk α > 1 kesetimbangan
1 + i 4α − 1 menjadi tidak stabil.
p1 = dan Selanjutnya akan dianalisa perilaku
2
kesetimbangan di sekitar titik kesetimbangan
1 − i 4α − 1
p2 = N (t ) = K untuk model logistik kontinu.
2 Perturbasi di sekitar titik kesetimbangan
salah satu akar merupakan konjugate
N (t ) = K ditulis sebagai berikut
kompleks dari yang lainnya,

47
Jurnal Matematika Vol. 11, No.1, April 2008:43-51

N (t ) = K + ε N1 (t ) , Selanjutnya λ ditulis dalam bentuk

εN1 (t ) ≤ K (19) bilangan kompleks λ = µ + iv dengan µ dan
ε N1 (t ) adalah perubahan dari titik v masing-masing merupakan bagian real dan
kesetimbangan N (t ) = K . Selanjutnya imajiner dari λ . Dengan mensubstitusi
persaman (19) disubstitusikan kedalam λ = µ + iv ke persamaan karakteristik (22)
persamaan (4) sehingga menghasilkan diperoleh
εdN1 (t ) ( µ + re − µτ cos vτ ) + i (v − re − µτ sin vτ ) = 0
= r ( K + εN1 (t ))
dt (23)
 ( K + εN1 (t − τ )  dengan menyamakan komponen real dan
1 − , imajiner pada ruas kiri dan kanan maka
 K 
dN1 (t ) diperoleh
= rK − rK − rN1 (t − τ ) + rN1 (t ) µ + re− µτ cos vτ = 0 , (23a)
dt
− µτ
rN (t )εN1 (t − τ ) v − re sin vτ = 0 (23b)
− rN1 (t ) − 1
K
(20) Untuk menganalisa kestabilan di titik
Dengan mengabaikan bentuk nonlinear N(t) = K maka akan dilihat beberapa kasus
rN1 (t )ε N1 (t − τ ) dari τ sebagai berikut
pada persamaan (20) a. Kasus τ = 0 (Tidak terjadi penundaan
K
di atas, maka diperoleh persamaan pada proses pertumbuhan populasi)
berikut ini Untuk τ = 0 persamaan karakteristik (22)
dN1 (t ) menjadi
= − rN1 (t − τ ) (21) λ+r =0 , (24)
dt
dari persamaan (24) di atas, nilai eigen
Dengan mengasumsikan solusi dari
persamaan (21) di atas adalah
λ = −r < 0 merupakan suatu bilangan real
yang negatif. Solusi untuk persamaan (21)
N1 (t ) = ceλt maka persamaan karakte-
menjadi N1 (t ) = ce − rt . Hal ini berarti
ristiknya dapat ditentukan dengan men-
substitusi N1 (t ) = ceλt ke persamaan bahwa untuk τ = 0 solusi N1 (t ) mendekati
(21) sehingga diperoleh 0 atau dapat dikatakan bahwa titik
kesetimbangan N(t) = K stabil.
dN1 (t )
= −rN1 (t − τ ) , b. Kasus τ > 0 (Terjadi penundaan pada
dt proses pertumbuhan populasi)
deλt Akan ditentukan syarat dan kondisi dari
= −reλ ( t −τ ) ,
dt τ >0 sehingga Re λ < 0 agar
λ + re − λτ = 0 , (22) kesetimbangan di titik N(t) = K stabil. τ
menunjukkan waktu tunda, sehingga τ
dengan λ adalah solusi dari per- merupakan variabel bebas yang kontinu.
samaan karakteristik (22). Oleh karena λ merupakan variabel tak
Pada teori linearisasi, jika terdapat bebas yang memuat τ maka λ juga
solusi dari persamaan karakte-ristik kontinu. Titik N(t) = K stabil jika nilai
memiliki bagian real yang bernilai Re λ = µ bernilai negatif ( µ < 0 ), dalam
positif maka titik kesetimbangannya hal ini µ = 0 menjadi batas atas agar titik
dikatakan tidak stabil, dan jika semua kesetimbangan N(t) = K stabil. Oleh
solusi dari persamaan karakteristik karena itu akan dilihat kondisi τ untuk
memiliki bagian real yang bernilai µ =0.
negatif maka titik kesetimbangannya Karena τ dan λ kontinu, akan dilihat
dikatakan stabil.
nilai τ misal τ 0 yang memenuhi

48
Henny M. Timuneno, R. Heri Soelistyo Utomo, dan Widowati Model Pertumbuhan Logistik ... )

Re λ (τ 0 ) = µ (τ 0 ) = 0 . Dari hal ini π

τ= +ε , 0 < ε ≤1
maka diperoleh persamaan 2r
karakteristik (22) yang memiliki π
τ=
sepasang akar-akar imajiner murni Untuk 2r diketahui bahwa nilai
±iv0 , dengan v0 = v(τ 0 ) . Dari µ = 0 dan v = r . Untuk ε yang sangat
persamaan (23a) untuk µ (τ 0 ) = 0 kecil, µ dan v berubah menjadi
diperoleh µ = δ dan v = r + σ ,
0 < δ ≤1 , 0 <σ ≤1 (26)
cos v0τ = 0 , (25) δ σ
dengan dan akan ditentukan dengan
dimana menunjukan bahwa mensubstitusi persamaan (26) ke
π persamaan (23a) dan persamaan (23b)
v0τ k = + 2kπ k = 0,1, 2...
2 , sehingga diperoleh
dari µ (τ ) = 0 dan cos v τ = 0 yang  π   π 
0 0
r + σ = r exp  −δ ( + ε )  sin ( r + σ )( + ε ) 
v = v (τ )  2 r   2 r 
ada diperoleh 0 0 pada per-
(27a)
samaan (23b) sebagai berikut dan
v0 = re−τ 0 sin v0τ ,
 π   π 
δ = −r exp  −δ ( + ε )  cos (r + σ )( + ε ) 
v0 = r ,  2r   2r 
. (27b)
Untuk v0 = r , v0τ k dapat ditulis
Dengan melakukan ekspansi untuk σ , δ ,
sebagai berikut
dan ε yang sangat kecil maka diperoleh
π 2 kπ
τk = + , k = 0,1, 2... r 2ε
2r r , δ≈
π2
Re λ (τ ) = µ (τ 0 ) = 0 1+
Oleh karena itu 0
4 dan
π 2
τ = τ0 = r επ
untuk 2r σ ≈−
 π2 
Dengan melihat kondisi dari τ , 2 1 +
 4 
untuk τ = 0 nilai µ yang diperoleh
π
τ= Dari nilai δ dan σ yang telah
adalah –r , dan untuk 2r nilai diperoleh maka solusi dari persamaan (21)
µ yang diperoleh adalah 0. Dari dapat ditulis
kedua hal tersebut dapat diketahui N1 (t ) = ceλt ,
π
0 ≤τ < N1 (t ) = Re {ce( µ +iv ) t } ,
bahwa untuk 2r nilai
Re λ = µ bernilai negatif. Hal ini Dengan mengganti nilai µ dan v yang
baru maka
berarti bahwa kesetimbangan di titik
N(t) = K stabil . Selanjutnya akan N1 (t ) = Re {c exp [δ t + i (r + σ )t ]} ,
π     
τ>
    
dianalisa kestabilan untuk 2r .  r 2ε t   
   r 2επ   
π N1 (t ) = Re c exp   exp it r − 
c. Kasus τ >  1 + π
2
   π 2   
  2 1 +  
4    
2r   4 
Misalkan τ = τ c + ε    
atau dapat ditulis

49
Jurnal Matematika Vol. 11, No.1, April 2008:43-51

    ω ( t + T ) = ωt + 2π ,
   2 
  r εt  2π 2π
N1 (t ) = Re c exp  T= = ,
   π2  ω r +σ
  1 +  
   4  2π 2π
T= 2
≈
      r επ r
     
r−
      
 π  2

 cos t  r − r 2 επ 2
r επ 2 1 + 
 + i sin t  r −  
   π 2τ     π 2τ      4 
  21 +   21 + 
   
4    4     Dari perhitungan periode di atas maka
      
dapat diperoleh periode osilasi untuk nilai
   π
  2  τ= adalah sebesar 4τ .
 r εt  2r
N1 (t ) = c exp 
 π2  π
 1 +   d. Kasus τ =

  4  2r
  
π
 Nilai τ = adalah nilai bifurkasi, yakni
  2r
  
 cos t  r − r 2επ nilai yang mengubah suatu keadaan
  (28)
   π2  setimbang stabil berubah menjadi suatu
  21 +  keadaan setimbang yang tidak stabil.
   4 
   Dalam hal ini jika waktu tunda τ
Untuk nilai ε yang bernilai π
meningkat melebihi nilai bifurkasi τ =
,
π 2r
negatif atau pada τ < , solusi
2r maka keadaan setimbang menjadi tidak
berosilasi dan menuju ke nol. Hal ini π
stabil. Untuk τ=belum bisa
berarti bahwa solusi mengarah ke 2r
kesetimbangan populasi, sehingga ditentukan kestabilannya dan perlu
π pengkajian lebih mendalam mengenai
untuk τ < kesetimbangan stabil.
2r bifurkasi.
π
Untuk nilai ε = 0, atau pada τ = , 3. PENUTUP
2r
solusinya merupakan suatu fungsi Berdasarkan pembahasan mengenai
cosines yang osilasinya stabil dan tidak model pertumbuhan logistik dengan waktu
mengarah ke titik kesetimbangan. tunda dapat disimpulkan bahwa penundaan
Untuk ε > 0 , semakin besar nilai ε dalam pertumbuhan populasi yang mengikuti
yang dipakai berarti τ (waktu tunda) model pertumbuhan logistik menyebabkan
juga semakin besar. Untuk τ yang terjadinya osilasi sehingga mempengaruhi
kestabilan di sekitar titik kesetimbangan.
π
semakin besar ( τ > ) solusi ber- Model pertumbuhan logistik dengan waktu
2r tunda setimbang pada jumlah populasi nol
osilasi semakin besar dan menjauhi titik dan pada jumlah populasi yang sama dengan
kesetimbangan. Hal ini berarti Carrying capacity. Pada jumlah populasi nol,
kesetimbangan menjadi tidak stabil. keadaan setimbangnya tidak stabil. Untuk
Jika periode dari solusi yang jumlah populasi yang sama dengan Carrying
berosilasi di atas adalah T dan periode capacity keadaan setimbangnya stabil untuk
untuk fungsi trigonometri adalah 2π π
maka T dapat ditentukan melalui waktu tunda yang kurang dari , dan tidak
2r
cos ω ( t + T ) = cos ωt + 2π , stabil untuk waktu tunda yang lebih besar dari

50
Henny M. Timuneno, R. Heri Soelistyo Utomo, dan Widowati Model Pertumbuhan Logistik ... )

π [5] Murray, J.D (1993), Mathematical

, sedangkan untuk waktu tunda yang Biology, SpringerVerlag, Heidelberg
2r
π Berlin
sama dengan terjadi bifurkasi. [6] Purcell & Varberg (1987), Kalkulus dan
2r
Geometri Analitis, Erlangga, Jakarta
Secara umum semakin besar waktu
[7] Purnomo,D. Kosala (2000), Model
tunda dalam per-tumbuhan populasi
Pertumbuhan Populasi Dengan
menyebabkan ketidak-stabilan terhadap
Memodifikasi Model Pertumbuhan
pertumbuhan, dalam hal ini terjadi
Logistik, Majalah Matematika dan
ledakan populasi dan juga populasi
Statistika Vol.1, No.1, Oktober 2000 :
dapat berkurang hingga akhirnya me-
21-29
ngalami kepunahan.
[8] Ruan, Shigui, --------. Delay Differential
Equations In Single Species Dynamics,
4. DAFTAR PUSTAKA
Department of Mathematics University
[1] Anton, Howard (1987), Aljabar
of Miami, USA
Linear Elementer, Erlangga, Jakarta
[9] Tarumingkeng, C. Rudy (1994),
[2] Cheng, A.K (2006), Differential
Dinamika Populasi Kajian Ekologi
Equations : Models and Methods,
Kuantitatif, Pustaka Sinar Harapan,
Mc Graw Hill, Singapore
Jakarta
[3] Forys, U. , Czochra, M.A (2003),
[10] Vries, G & Hillen T (2004), A Short
Logistik Equations in Tumour
Course in Mathematical Biology,
Growth Modelling, Int. J. Appl.
Tuebingen
Math. Comput. Sci. , Vol. 13, No.
[11] Waluya, S.B. 2006. Persamaan
3, 317-325
Differensial, Graha Ilmu ,Yogyakarta
[4] Haberman, Richard (1977),
Mathematical Models : Mechanical
Vibrations, Population Dynamics,
and Traffic Flow, Prentice-Hall
Inc., New Jersey

51