ABSTRACT
Ensemble Kalman Filter (EnKF) can be applied for linear or nonlinear models. This paper is aimed to estimate
the logistic growth of population models using EnKF. The estimation will be compared with the analytical
solution. We assume that we can find the analytical solution of the models. The models is in the specific form i.e
comparison between the population growth rate and the amount of population is in the parabolic form. The good
estimation will be attained by choosing 100 as size of ensembles in EnKF. The result of estimation really so
closed to the analytical solution.
dengan konstanta dan disebut laju berbeda dengan proses estimasi pada metode
reproduksi. Jika laju reproduksinya tidak Kalman Filter.
konstan, maka dapat dipandang sebagai suatu Bentuk umum sistem dinamik nonlinier
fungsi dari variabel N, misalkan . Maka pada EnKF adalah
model persamaan (1) dapat diubah menjadi:
dengan pengukuran linier yaitu:
(2)
Dari model persamaan pertumbuhan dimana,
eksponensial (1) dapat ditentukan suatu model
baru yaitu persamaan pertumbuhan logistik (2). Proses estimasi pada EnKF diawali dengan
Pertumbuhan logistik adalah model membangkitkan sejumlah Ne ensemble dengan
pertumbuhan populasi yang terkait dengan mean nol dan kovarian tertentu. Ensemble yang
kepadatan yang mencerminkan pengaruh dari dibangkitkan dilakukan secara random dan
persaingan intraspesifik. Penghambatan berdistribusi normal. Misalkan akan
pertumbuhan populasi dapat dijelaskan secara dibangkitkan sejumlah Ne ensemble untuk
matematika dengan menambahkan variabel .
yang menjelaskan pengaruh kepadatan ke Untuk tahap prediksi dan koreksi, sama
dalam persamaan eksponensial. dengan metode Kalman Filter tetapi sebelum
Dari persamaan (2), asumsi sederhana yang masuk ke tahap prediksi, mean ensemblenya
dapat dibuat adalah berbentuk linier, ditentukan terlebih dahulu, yaitu:
yaitu . Jika kita (5)
menggunakan kondisi dimana dan untuk kovarian error Pk, yaitu:
adalah laju pertumbuhan dan ( (6)
adalah carrying capacity atau ambang batas
populasi), maka kita dapat menemukan Persamaan (5) digunakan pada tahap prediksi
dan tahap koreksi untuk menghitung estimasi
dan . Jadi diperoleh bentuk
masing-masing dan , sedangkan
. Oleh karena itu, persamaan (6) hanya digunakan untuk kovarian
persamaan logistik dengan linier pada tahap prediksi. Pada EnKF, noise sistem
adalah: pada tahap prediksi dan noise pengukuran
pada tahap koreksi dibangkitkan dalam
(3) bentuk ensemble.
Persamaan (3) mempunyai solusi analitik Dalam melakukan estimasi dengan sistem
dinamik nonlinier dan pengukuran yang linier,
diberikan suatu algoritma EnKF seperti pada
Tabel 1.
(Zill, 2005).
Asumsi linier dapat dikembangkan
HASIL DAN PEMBAHASAN
menjadi bentuk parabolik, yaitu:
(4) Pada bagian ini akan dibahas tentang estimasi
dimana dan adalah konstanta. Dalam hal pertumbuhan logistik dengan menggunakan
ini persamaan (4) akan menjadi asumsi dalam metode EnKF dan solusi eksak dari model
model pertumbuhan logistik yang akan dikaji. pertumbuhan logistik. Model pertumbuhan
logistik mempunyai bentuk nonlinier dan
Metode Ensemble Kalman Filter kontinyu. Oleh karena itu, perlu dilakukan
Metode Ensemble Kalman Filter (EnKF) diskritisasi agar algoritma EnKF dapat
adalah metode estimasi modifikasi dari dijalankan dengan pemrograman Matlab.
algoritma Kalman Filter yang dapat digunakan Model pertumbuhan populasi yang masih
untuk mengestimasi model sistem linier berbentuk model deterministik harus diubah
maupun nonlinier. Metode EnKF menjadi model dinamik stokastik dengan cara
diperkenalkan oleh Evensen (2003) dengan menambahkan noise. Kemudian akan dibahas
membangkitkan atau menggunakan sejumlah hasil simulasi dengan cara membandingkan
ensemble pada tahap prediksi untuk hasil estimasi EnKF dengan solusi analitik.
mengestimasi kovarian errornya. Oleh karena Dalam hal ini pada metode EnKF akan
itu, proses estimasi pada metode EnKF sedikit dibandingkan hasil estimasi dengan ukuran
Jurnal ILMU DASAR, Vol.14, No,2, Juli 2013 : 85-90 87
ensemble 100, 200, 300, 400, 500, 1000 dan itu, persamaan pertumbuhan logistiknya
3000. menjadi:
Kovarian Error :
grafik pertumbuhan logistik
1200
1000
Tahap Koreksi:
800
Jumlah Populasi
dengan
Kalman Gain : 600
400
Estimasi :
200
0
0 50 100 150 200 250 300
waktu
Kovarian Error :
Gambar 1. Grafik solusi model pertumbuhan logistik
Persamaan diatas kemudian disubtitusikan Dalam bagian ini akan disajikan grafik nilai
kepersamaan (7), sehingga diperoleh: analitik dan nilai estimasi EnKF dari
pertumbuhan logistik. Penyajian hasil melalui
gambar dimaksudkan untuk memperoleh
gambaran umum hasil estimasi EnKF dengan
Atau solusi analitik. Selain itu, disajikan juga grafik
norm kovariansi error yang digunakan untuk
(10) menentukan tingkat keragaman dari hasil
estimasi metode EnKF.
Persamaan (10) merupakan bentuk sistem
dinamik nonlinier, dengan model pengukuran
yang berbentuk linier yaitu:
DAFTAR PUSTAKA