Pemodelan Matematika

Kuis 1
Nama : Audrey Ariij Sya’imaa.HS
NPM : 140110190021
Kelas : A

1. Jelaskan dengan pemahaman anda kaitan antara nilai eigen dominan matriks Leslie
dengan vektor distribusi usia (age distribution vector) pada model populasi yang
menggunakan matriks Leslie! Anda juga dapat memakai referensi lain sebagai
pendukung.
Jawab :
Sebelum membahas keterkaitan antara nilai eigen dominan matriks Leslie dengan
vektor distribusi usia, kita perlu memahami terlebih dahulu untuk apa model matriks Leslie
itu. Model matriks Leslie digunakan untuk memprediksi jumlah dan laju populasi perempuan.
Bentuk umum dari matriks Leslie dinyatakan sebagi berikut :
𝑏1 𝑏2 𝑏3 ⋯ 𝑏𝑚−1 𝑏𝑚
𝑠1 0 0 ⋯ 0 0
L= 0 𝑠2 0 ⋯ 0 0
⋮ ⋮ ⋮ ⋮ ⋮
[0 0 0 ⋯ 𝑠𝑚−1 0]
Dengan 𝑏𝑥 didefinisikan sebagai tingkat atau angka kelahiran ke-𝑥 dengan 𝑥 =
1,2,3, … , 𝐦, sedangkan 𝑠𝑥 didefinisikan sebagai tingkat kelangsungan hidup perempuan pada
kelompok usia ke-𝑥 dengan 𝑥 = 1,2, … , 𝐦 − 1. Dalam model Leslie, populasi perempuan
dibagi ke dalam beberapa kelompok usia (pengelompokan usia) yang disebut sebagai
distribusi usia.
Menurut pemahaman saya mengenai kaitan antara nilai eigen dominan matriks Leslie
dengan vektor distribusi usia pada model populasi yang menggunakan matriks Leslie,
berdasarkan pada “A Note on the Eigenvalues and Eigenvectors of Leslie Matrices”, telah
diperlihatkan bahwa perilaku jangka panjang dari distribusi usia dari suatu populasi akan
ditentukan oleh nilai eigen dominan dari matriks Leslie yang berupa tepat satu akar (akar
tunggal atau unik) yang bernilai positif.
Pembuktian :
Kita simpan persamaan :
𝐋𝐯 = λ𝐯 dan N𝑡 = 𝜆𝑡 𝐯
Lalu, diperoleh :
N𝑡+1 = 𝜆𝑡+1 𝐯 = 𝜆𝑡 (𝜆𝐯) = 𝜆𝑡 𝐋𝐯 = 𝐋(𝜆𝑡 𝐯)
Diasumsikan v sebagai vektor eigen :
 1
𝑣2
𝐯=[ ]
𝑣3
𝑣4
Pada persamaan (3), kita memiliki :
𝑏1 + 𝑏2 𝑣2 + 𝑏3 𝑣3 + 𝑏4 𝑣4 𝜆
𝑠1 𝜆𝑣2
𝐋𝐯 = [ ] = 𝜆𝐯 = [ ]
𝑠2 𝑣2 𝜆𝑣3
𝑠3 𝑣3 𝜆𝑣4
Kita ingin mengubah 𝑣 pada Lv agar memiliki 𝜆 :
𝑠1 = 𝜆𝑣2 ⇒ 𝑣2 = 𝜆−1 𝑠1
𝑠2 𝑣2 = 𝜆𝑣3 ⇒ 𝑣3 = 𝜆−1 𝑠2 𝑣2 ⇒ 𝑣3 = 𝜆−2 𝑠1 𝑠2
𝑠3 𝑣3 = 𝜆𝑣4 ⇒ 𝑣4 = 𝜆−1 𝑠3 𝑣3 ⇒ 𝑣4 = 𝜆−3 𝑠1 𝑠2 𝑠3
Dari nilai-nilai yang telah diperoleh di atas, akan kita peroleh persamaan (4) :
𝑏1 + 𝑏2 𝜆−1 𝑠1 + 𝑏3 𝜆−2 𝑠1 𝑠2 + 𝑏4 𝜆−3𝑠1 𝑠2 𝑠3 𝜆
−1
𝑠1 𝜆 𝑠1
𝐋𝐯 = = 𝜆𝐯 =
−1
𝜆 𝑠1 𝑠2 𝜆−2 𝑠1 𝑠2
[ 𝜆−2 𝑠1 𝑠2 𝑠3 ] [𝜆−3 𝑠1 𝑠2 𝑠3 ]
Baris pertama pada Lv dan 𝜆𝐯 dibagi dengan 𝜆 :
𝑏1 𝜆−1 + 𝑏2 𝜆−2 𝑠1 + 𝑏3 𝜆−3 𝑠1 𝑠2 + 𝑏4 𝜆−4 𝑠1 𝑠2𝑠3 1
−1
𝑠1 𝜆 𝑠1
𝐋𝐯 = = 𝜆𝐯 =
−1
𝜆 𝑠1 𝑠2 𝜆−2 𝑠1 𝑠2
[ 𝜆−2 𝑠1 𝑠2 𝑠3 ] [𝜆−3 𝑠1 𝑠2 𝑠3 ]
Didefinisikan ℓ1 = 1 untuk 1 ≤ 𝑥 ≤ 𝐦 dan ℓ𝑥 untuk 2 ≤ 𝑥 ≤ 𝐦 − 1. Didefinisikan pula ℓ𝑥
sebagai 𝑠1 , 𝑠2 , 𝑠3 hingga 𝑠𝑥−1 , maka ℓ1 = 1, ℓ2 = 𝑠1 , ℓ3 = 𝑠1 𝑠2 , ℓ4 = 𝑠1 𝑠2 𝑠3 .
𝑏1 ℓ1 𝜆−1 + 𝑏2 ℓ2 𝜆−2 + 𝑏3 ℓ3 𝜆−3 + 𝑏4 ℓ4 𝜆−4 1
−1
ℓ2 𝜆 ℓ2
𝐋𝐯 = −1 = 𝜆𝐯 = −2
𝜆 ℓ3 𝜆 ℓ3
[ −2
𝜆 ℓ4 ] [𝜆−3 ℓ4 ]
Diperoleh persamaan (7) :
𝑏1 ℓ1 𝜆−1 + 𝑏2 ℓ2 𝜆−2 + 𝑏3 ℓ3 𝜆−3 + 𝑏4 ℓ4 𝜆−4 = 1
Persamaan (7) merupakan persamaan Euler-Lotka :
𝐦

∑ 𝑏𝑥 ℓ𝑥 𝜆−𝑥 = 1
𝑥=1

Untuk mencari persamaan karakteristik, kita kalikan persamaan (6) dengan 𝜆3 :

𝑏1 ℓ1 + 𝑏2 ℓ2 𝜆−1 + 𝑏3 ℓ3 𝜆−2 + 𝑏4 ℓ4 𝜆−3 = 𝜆 ⟶ × (𝜆3 )
 𝑏1 ℓ1 𝜆3 + 𝑏2 ℓ2 𝜆2 + 𝑏3 ℓ3 𝜆1 + 𝑏4 ℓ4 = 𝜆4
𝜆4 − 𝑏1 ℓ1 𝜆3 − 𝑏2 ℓ2 𝜆2 − 𝑏3 ℓ3 𝜆1 − 𝑏4 ℓ4 = 0 … . (11)
Sehingga diperoleh persamaan karakteristik (11) dari matriks Leslie L (persamaan
det(𝜆𝐈 − 𝐋) = 0, yang mana 𝜆 merupakan nilai eigen vektor dari matriks L).
Kita memiliki pernyataan dari file tersebut bahwa persamaan Euler-Lotka memiliki
tepat satu akar positif yang disebut nilai eigen dominan dari matriks Leslie. Maka, diperoleh :
1
𝜆−1 ℓ2
𝐋𝐯 = 𝜆𝐯 dimana 𝐯 = −2
𝜆 ℓ3
[𝜆−3 ℓ4 ]
Dimana v merupakan vektor distribusi usia, yang dinormalisasikan (dibagi 𝜆 ) sehingga
𝑛1 (𝑡) = 1.
Dengan demikian, dari persamaan 𝐋𝐯 = 𝜆𝐯 dengan 𝜆 yang diperoleh dari persamaan
Euler-Lotka itu merupakan nilai eigen dominan sehingga membuat nilai pada vektor
1
𝜆−1ℓ2
distribusi usia 𝐯 = −2 pasti dipengaruhi dan bergantung pada nilai eigen dominan dari
𝜆 ℓ3
[𝜆−3ℓ4 ]
matriks Leslie.
2. Amati data populasi suatu negara pada suatu interval tahun (ambil lebih dari 10 tahun
pengamatan, Anda dapat mengambil data dari:
https://data.worldbank.org/indicator/SP.POP.TOTL
Berdasarkan data yang anda peroleh tentukan model populasi eksponensial untuk data
tersebut. Analisa apakah model tersebut cukup baik untuk mendekati data populasi
aktual. Jika tidak, fungsi apa yang menurut anda cukup baik untuk memodelkan data
tersebut:
Jawab :
1) Formulation :
• Stating the question :
- Formula apa yang dapat memprediksi banyaknya populasi pada tahun
pengamatan yang akan datang dengan galat terkecil?
• Identifying relevant factor :
- Kita akan berfokus pada : tingkat pertumbuhan dan galat (error).
• Mathematical Description :
Bentuk umum persamaan populasi eksponensial :
𝑃𝑛 = (1 + 𝑏)𝑛 𝑃0 ..................... (1)
dengan :
n = periode populasi
𝑃𝑛 = Banyaknya populasi pada periode ke-𝑛
𝑃0 = Banyaknya populasi pada awal periode (periode ke-𝑛 = 0)
𝑏 = Tingkat pertumbuhan
Kita ambil 15 sample populasi dari Republik Korea, sebagai berikut :
Tahun Populasi
2005 48.184.561
2006 48.438.292
2007 48.683.638
2008 49.054.708
2009 49.307.835
2010 49.554.112
2011 49.936.638
2012 50.199.853
2013 50.428.893
2014 50.746.659
2015 51.014.947
2016 51.217.803
2017 51.361.911
2018 51.606.633
2019 51.709.098
Asumsikan bahwa 𝑃0 adalah tahun 2005. Kemudian, akan kita cari tingkat pertumbuhan yang
pertama, dari tahun 2005 dan 2006 (akan digunakan pemotongan desimal):
48.438.292 − 48.184.561
𝑏= = 0,0052 = 0,52%
48.184.561
a. Akan kita uji tingkat pertumbuhan di atas pada tahun 2010 dengan 𝑛=5.
𝑃5 = (1 + 0,0052)5 48.184.561 = 49.450.456
Populasi pada 𝑃𝑛=5 = 49.554.112
𝑔𝑎𝑙𝑎𝑡 = |49.554.112 − 49.450.456| = 103.656
b. Kita akan mencoba menggunakan tiga tingkat pertumbuhan yang berbeda, yaitu
tingkat pertumbuhan dari 𝑛 = 0 dengan 𝑛 = 1, 𝑛 = 1 dengan 𝑛 = 2, dan tingkat
pertumbuhan rata-rata dari ketiga periode tersebut. Kemudian akan kita bandingkan
galat dari ketiganya.
Tahun 2005-2006 : b = 0,0052
𝑃5 = (1 + 0,0052)5 48.184.561 = 49.450.456
Populasi pada 𝑃𝑛=5 = 49.554.112
𝑔𝑎𝑙𝑎𝑡 = |49.554.112 − 49.450.456| = 103.656
Tahun 2006-2007 :
48.683.638 − 48.438.292
𝑏= = 0,0050
48.438.292
𝑃5 = (1 + 0,0050)5 48.184.561 = 49.401.281
 Populasi pada 𝑃𝑛=5 = 49.554.112
𝑔𝑎𝑙𝑎𝑡 = |49.554.112 − 49.401.281| = 152.831
Gunakan b rata-rata :
Asumsikan 𝑏1 = 0,0052 dan 𝑏2 = 0,0050
𝑏1 + 𝑏2 0,0052 + 0,0050
𝑏̅ = = = 0,0051
2 2
𝑃5 = (1 + 0,0051)5 48.184.561 = 49.425.864
Populasi pada 𝑃𝑛=5 = 49.554.112
𝑔𝑎𝑙𝑎𝑡 = |49.554.112 − 49.425.864| = 128.248
c. Selanjutnya akan kita coba untuk mencari jumlah populasi pada tahun 2019 dengan
data-data yang kita miliki dari tabel di atas untuk melihat pendekatan galatnya.
Tahun Tingkat Pertumbuhan
2005-2006 𝑏1 = 0,0052
2006-2007 𝑏2 = 0,0050
2007-2008 49.054.708 − 48.683.638
𝑏3 = = 0,0076
48.683.638
2008-2009 49.307.835 − 49.054.708
𝑏4 = = 0,0051
49.054.708
2009-2010 49.554.112 − 49.307.835
𝑏5 = = 0,0,0049
49.307.835
2010-2011 49.936.638 − 49.554.112
𝑏6 = = 0,0077
49.554.112
2011-2012 50.199.853 − 49.936.638
𝑏7 = = 0,0052
49.936.638
2012-2013 50.428.893 − 50.199.853
𝑏8 = = 0,0045
50.199.853
2013-2014 50.746.659 − 50.428.893
𝑏9 = = 0,0063
50.428.893
2014-2015 51.014.947 − 50.746.659
𝑏10 = = 0,0052
50.746.659
2015-2016 51.217.803 − 51.014.947
𝑏11 = = 0,0039
51.014.947
2016-2017 51.361.911 − 51.014.947
𝑏12 = = 0,0068
51.014.947
2017-2018 51.606.633 − 51.361.911
𝑏13 = = 0,0047
51.361.911
Dengan 𝑏1 :
𝑃14 = (1 + 0,0052)14 48.184.561 = 51.613.463
Populasi pada 𝑃𝑛=14 = 51.709.098
𝑔𝑎𝑙𝑎𝑡 = |51.709.098 − 51.613.463| = 95.635
Dengan 𝑏2 :
𝑃14 = (1 + 0,0050)14 48.184.561 = 51.669.322
Populasi pada 𝑃𝑛=14 = 51.709.098
𝑔𝑎𝑙𝑎𝑡 = |51.709.098 − 51.669.322| = 39.776
Dengan 𝑏3 :
𝑃14 = (1 + 0,0076)14 48.184.561 = 53.572.526
Populasi pada 𝑃𝑛=14 = 51.709.098
𝑔𝑎𝑙𝑎𝑡 = |51.709.098 − 53.572.526| = 1.863.428
Dengan 𝑏4 :
𝑃14 = (1 + 0,0051)14 48.184.561 = 51.741.346
Populasi pada 𝑃𝑛=14 = 51.709.098
𝑔𝑎𝑙𝑎𝑡 = |51.709.098 − 51.741.346| = 32.248
Dengan 𝑏5 :
𝑃14 = (1 + 0,0049)14 48.184.561 = 51.597.392
Populasi pada 𝑃𝑛=14 = 51.709.098
𝑔𝑎𝑙𝑎𝑡 = |51.709.098 − 51.597.392| = 111.706
Dengan 𝑏6 :
𝑃14 = (1 + 0,0077)14 48.184.561 = 53.127.636
Populasi pada 𝑃𝑛=14 = 51.709.098
𝑔𝑎𝑙𝑎𝑡 = |51.709.098 − 53.127.636| = 1.418.538
Dengan 𝑏7 :
𝑃14 = (1 + 0,0052)14 48.184.561 = 51.813.463
Populasi pada 𝑃𝑛=14 = 51.709.098
𝑔𝑎𝑙𝑎𝑡 = |51.709.098 − 51.813.463| = 104.365
Dengan 𝑏8 :
𝑃14 = (1 + 0,0045)14 48.184.561 = 51.310.598
Populasi pada 𝑃𝑛=14 = 51.709.098
𝑔𝑎𝑙𝑎𝑡 = |51.709.098 − 51.310.598| = 398.500
Dengan 𝑏9 :
𝑃14 = (1 + 0,0063)14 48.184.561 = 52.612.934
Populasi pada 𝑃𝑛=14 = 51.709.098
𝑔𝑎𝑙𝑎𝑡 = |51.709.098 − 52.612.934| = 903.836
Dengan 𝑏10 :
𝑃14 = (1 + 0,0052)14 48.184.561 = 51.813.463
Populasi pada 𝑃𝑛=14 = 51.709.098
𝑔𝑎𝑙𝑎𝑡 = |51.709.098 − 51.813.463| = 104.365
Dengan 𝑏11 :
𝑃14 = (1 + 0,0039)14 48.184.561 = 50.883.182
Populasi pada 𝑃𝑛=14 = 51.709.098
𝑔𝑎𝑙𝑎𝑡 = |51.709.098 − 50.883.182| = 825.916
Dengan 𝑏12 :
𝑃14 = (1 + 0,0068)14 48.184.561 = 52.980.103
Populasi pada 𝑃𝑛=14 = 51.709.098
𝑔𝑎𝑙𝑎𝑡 = |51.709.098 − 52.980.103| = 1.271.005
Dengan 𝑏13 :
𝑃14 = (1 + 0,0047)14 48.184.561 = 51.347.025
Populasi pada 𝑃𝑛=14 = 51.709.098
𝑔𝑎𝑙𝑎𝑡 = |51.709.098 − 51.347.025| = 362.073
d. Setelah dilakukan perhitungan untuk setiap tingkat pertumbuhan dari setiap selang 1
tahun/periode, akan kita masukkan ke dalam tabel untuk mempermudah analisis.
Tingkat Pertumbuhan Tiap Selang Periode Galat
2005-2006 95.635
2006-2007 39.776
2007-2008 1.863.428
2008-2009 32.248
2009-2010 111.706
2010-2011 1.418.538
2011-2012 104.365
2012-2013 398.500
2013-2014 903.836
2014-2015 104.365
2015-2016 825.916
2016-2017 1.271.005
2017-2018 362.073
Rata-rata galat 579.337
 Berdasarkan tabel di atas, dapat dilihat bahwa galat terkecil adalah 32.248 dari tingkat
pertumbuhan selang tahun 2008-2009, galat terbesar adalah 1.863.428 dari tingkat
pertumbuhan selang tahun 2007-2008, dan rata-rata galat adalah 579.337. Dapat disimpulkan
bahwa besarnya tingkat pertumbuhan sangat mempengaruhi jumlah populasi dari tahun
prediksi, semakin besar tingkat pertumbuhan, maka semakin besar pula jumlah populasi pada
tahun prediksi. Di samping itu, rata-rata galat yang diperoleh adalah 579.337, yang terbilang
cukup (tidak terlalu besar maupun terlalu kecil). Akan diperlihatkan perbandingan jumlah
data terbesar dan jumlah data terkecil.
Data terbesar ada pada tahun 2019 = 51.709.098
Data terkecil ada pada tahun 2005 = 48.184.561
Selisih antara kedua data = 51.709.098 − 48.184.561 = 3.524.537
579.337
Perbandingan rata-rata galat dengan selisih data = 3.524.537 = 0,1643

Dengan demikian, model 𝑃𝑛 = (1 + 𝑏)𝑛 𝑃0 cukup baik untuk mendekati data populasi
aktual, ditunjukkan oleh nilai perbandingan antara rata-rata galat dengan selisih data terbesar
dan terkecil sebesar 0,1643.