Judul : Estimasi Solusi Model Pertumbuhan Logistik dengan Metode Ensemble Kalman
Filter
Sebelumnya kita pelajari terlebih dahulu mengenai Kalman Filter. Kalman Filter adalah
suatu metode yang digunakan untuk melakukan estimasi suatu nilai. Kalman Filter juga disebut
linear least mean square estimator (LLSME) karena digunakan untuk meminimumkan error
estimasi mean-squared pada sistem linear stokastik menggunakan noisy linear sensors. Selain
itu disebut linear quadratic estimator (LQE) karena meminimumkan fungsi kuadrat dari error
estimasi pada sebuah sistem dinamis linier dengan white measurements dan disturbance noise.
Metode yang dipakai pada kasus ini adalah Metode Ensemble Kalman Filter
Untuk memecahkan model dinamik non-linier, metode Kalman Filter yang digunakan
adalah Extended Kalman Filter (EKF) dan Ensemble Kalman Filter (EnKF). Extended Kalman
Filter dapat digunakan pada metode jika model dinamik nonliniernya telah dilinierisasi dengan
menggunakan matriks Jacobi. Sedangkan Metode Ensemble Kalman Filter dapat digunakan
dengan cara membangkitkan sejumlah ensemble tertentu untuk menghitung mean dan kovarian
error variabel statenya.
Simulasi dilakukan dengan menggunakan program Matlab 7.8.0. Dalam hal ini,
algoritma yang akan digunakan adalah algoritma Ensemble Kalman Filter (EnKF) yang akan
dibandingkan dengan solusi analitik atausolusi eksak dari model persamaan pertumbuhan
logistik. Dalam proses simulasi terlebih dahulu ditentukan grid waktu (∆𝑡). Nilai (∆𝑡)
ditentukan dengan menggunakan tebakan yang disesuaikan dengan hasil estimasi agar hasil
estimasi dalam metode EnKF menunjukkan hasil estimasi yang konvergen. Nilai (∆𝑡) yang
akan diambil dalam proses simulasi pertumbuhan logistik ini adalah (∆𝑡) = 0.01, Selain dari
(∆𝑡), data-data yang akan digunakan dalam proses simulasi pertumbuhan logistik adalah: laju
pertumbuhan populasi r=0.03, batas maksimum populasi 𝐾 = 103 dan umlah populasi awal
𝑁0 =10.