Anggota Kelompok :

Bahtiar Arifin (151810101021)

Nur Ridwan Maulana (151810101046)
Rifki Ilham Baihaki (151810101052)

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.

Ciri Metode Ensemble Kalman Filter

Metode Ensemble Kalman Filter (EnKF)adalah metode estimasi modifikasi dari
alogaritma Kalman Filter yang dapat digunakan unukmengestimasi model sistem linier
maupun non linier. Metode ini prinsipnya adalah membangkitkan atau menggunakan seumlah
ensemble pada tahap prediksi untukmengestimasi kovarian errornya.

Langkah dalam melakukan Metode Ensemble Kalman Filter

Proses estimasi pada metode Ensamble Kalman Filter sedikit berbeda dengan proses
estimasi pada metode Kalman Filter.
Bentuk Umum :
𝒙𝒌+𝟏 = 𝒇(𝒖𝒌 , 𝒙𝒌 ) + 𝒘𝒌
Dengan pengukuran linier
𝒚 𝒌 = 𝑯 𝒌 𝒙 𝒌 + 𝑽𝒌
Dimana

𝟎 𝑷𝒙𝟎 ); 𝒘𝒌 ~𝑵(𝟎, 𝑸𝒌 ); 𝑽𝒌 ~𝑵(𝟎, 𝑹𝒌 )

̅̅̅,
𝒙𝟎 ~𝑵(𝒙
Proses estimasi pada EnsambleKalman Filterdiawali dengan membangkitkan seumlah
𝑁𝑒 ensemble untuk
𝒙𝟎,𝒊 = [𝒙𝟎,𝟏 𝒙𝟎,𝟐 … 𝒙𝟎, 𝑵𝒄 ]

Contoh yang menerapkan Metode Ensemble Kalman Filter

Pada bagian ini akan dibahas tentang estimasi pertumbuhan logistik dengan
menggunakan metode EnKF dan solusi eksak dari model pertumbuhan loistik. Model
pertumbuhan logistik mempunyai bentuk nonlinier dan kontinyu. Oleh karena itu, perlu
dilakukan diskritisasi agar alogaritma EnKF dapat dijalankan dengan pemrograman Matlab.

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.

Dalam proses simulasi dengan menggunakan metode EnKF, pengambilan ukuran

ensemble yang akan diambil adalah 100, 200, 300, 400, 500, 1000 dan 3000. Sedangkan
variansi dari noise proses (𝑄1) dan noise pengukuran (𝑅1 ) masing-masing adalah (𝑄1 ) = 0.01
dan (𝑅1 ) = 0.01. Proses simulasi dalam hal ini dilakukan dengan jumlah iterasi sebanyak
1000. Hasil simulasi yang diperoleh akan dievaluasi dengan cara membandingkan hasil
estimasi EnKF dengan solusi analitik dari model pertumbuhan logistik.