TEORI
Pada bab ini akan dibahas tentang landasan teori yang digunakan pada bab
A. Persamaan Differensial
satu atau lebih variabel tak bebas terhadap satu atau lebih variabel bebas.
menyertakan turunan dari satu atau lebih variabel tak bebas terhadap satu
variabel bebas.
8
Contoh 2.1
�2 � ��
2
+ �� − 3� = 0 2.1
�� 2
( )
��
�3 � �2 �
+ 3 + 5� = sin �
�� 3 �� 2
2.2
turunan dari satu atau lebih variabel tak bebas terhadap lebih dari satu variabel
bebas.
Contoh 2.2
𝜕� 𝜕
=� 2.3
𝜕� + �
𝜕
�
�� 2 � �� �� 2 �
2
�
+ + =0
��� 2 ��� 2 ��� 2
2.4
9
Persamaan 2.3 merupakan persamaan differensial orde satu dan persamaan 2.4
merupakan persamaan differensial orde dua. Pada persamaan (2.3) dan (2.4)
persamaan (2.3) variabel x,y dan z pada persamaan (2.4) merupakan variabel
bebas.
�1 = �1 (�1 , �2 , �3 , … , ��� ),
�2 = �2 (�1 , �2 , �3 , … , ��� ),
� = � (� ) 2.6
dengan,
differensial nonlinear.
1
Secara umum bentuk sistem persamaan differensial orde satu dengan variabel
berikut,
nonhomogen (Ross,
� = �� + � (�)
2.8
� = ��
1
Contoh 2.3
�
�
= 9� + 2� −
3�
�
�
1
�
�
= 5� − 4� + �
2.10
�
�
�
�
= 7� − 3� +
2�
�
�
memenuhi paling sedikit satu dari kriteria berikut ini (Ross, 1984: 6):
c. Terdapat fungsi yang memuat vaiabel tak bebas dan tidak dapat diperoleh
Contoh 2.4
�
�
= 5� −
��
�
�
�
�
= −3� + 2��
2.11
1
�
�
1
C. Model Matematika Predator-Prey Lotka-Voltera dan Fungsi Respon
predator dan satu jenis prey. Bentuk persamaan ini berupa sepasang persamaan
Berikut sistem
��
= �(� − ��)
��
��
= �(�� − �)
��
Fungsi respon predator adalah tingkat predasi (daya makan) predator terhadap
prey saat saling berinteraksi. Pada tahun 1913, Michaelis dan Menten
menggunakan fungsi respon ini sebagai salah satu fungsi respon predator. Holling
memperkenalkan 3 fungsi respon, yaitu fungsi respon tipe I, fungsi respon tipe II
1
Fungsi respon tipe I terjadi pada predator dengan karakteristik pasif, dimana
ketika populasi mangsa meningkat maka daya konsumsi predator pun meningkat.
Contoh predator fungsi respon tipe I adalah laba-laba dengan serangga sebagai
��(�) =
��.
Fungsi respon tipe II terjadi pada predator dengan karakteristik aktif dalam
Contoh predator fungsi respon tipe II adalah serigala dengan karibu sebagai prey.
Fungsi respon tipe III terjadi pada predator yang cenderung akan mencari
populasi prey lain ketika populasi prey yang dimakan mulai berkurang. Contoh
predator fungsi respon tipe III adalah rusa tikus (mice deer) dengan kepompong
kupu-kupu sebagai prey. Persamaan fungsi respon tipe III adalah (Ruan,S dan
Xiao,D, 2001)
�� 2
��(�) =
�2 +
.
�2
grafik dari ketiga fungsi respon tersebut (Ruan,S dan Xiao,D, 2001)
1
type 1 type 3
��(�)
type 2
Selain ketiga fungsi respon monoton yang telah dikemukakan oleh Holling,
menurut S. Ruan dan D. Xiao (2001), Monod dan Haldane menambahkan satu
fungsi respon hasil penelitiannya. Fungsi respon ini didasari oleh adanya Interaksi
antara predator dan prey yang tidak monoton, yaitu saat jumlah populasi mangsa
meningkat, daya predasi pemangsa berkurang karena adanya sifat bertahan dari
mangsa. Contoh interaksi seperti ini adalah singa dan banteng, ketika jumlah
banteng sedikit maka tingkat konsumsi singa cenderung meningkat, namun ketika
Contoh lainnya adalah proses pada penjernihan air. Salah satu cara
membunuh sejumlah bakteri dalam air. Ketika bakteri dalam jumlah tertentu
bakteri tersebut. Namun, ketika bakteri semakin banyak tawas akan semakin sulit
membunuh bakteri, dan saat bakteri mencapai jumlah tertentu daya predasi tawas
1
terhadap bakteri cenderung semakin menurun. Persamaan fungsi respon tipe
Menurut Shigui Ruan dan Dongmei Xiao, Sokol dan Howell (1980) juga
Sokol dan Howell menyatakan fungsi Monod-Haldane dalam bentuk yang lebih
Sokol dan Howell menyatakan bahwa model fungsi respon mereka secara
signifikan lebih baik dan lebih sederhana karena hanya melibatkan dua parameter.
Berikut grafik fungsi respon tak monoton (Ruan,S dan Xiao,D, 2001)
D. Titik Ekuilibrium
Titik ekuilibrium atau titik kritis merupakan solusi dari sistem � = �(�)
1
Definisi 2.5 (Perko, 2001: 102)
Titik � ∈ ℝ𝑛 disebut titik ekuilibrium atau titik kritis dari sistem � = �(�)
jika
�(�) = 0.
Contoh 2.5
�1 = 2�1 −
2�1 �2
Penyelesaian:
2�1 − 2�1 �2 = 0
2.16
2�2 − �
2 + 2� = 0
1 2
2.17
2�1 (1 − �2 ) =
0
⇔ �1 = 0 atau �2 =
1
�2 (2 + �2 ) =
0
⇔ � 2 = 0 atau �2 =
−2
⇔ �1 = −√3 atau �1 = √3
2
Jadi sistem (2.15) memiliki 4 titik ekuilibrium yaitu (0,0)�� , (0,
−2)�� ,
𝑇
(−√3, 1) dan (√3, 1)𝑇 .
dinamakan vektor eigen dari A jika Ax adalah kelipatan skalar dari x, yakni
�� = ��
(2.18) untuk suatu skalar �. Skalar � dinamakan nilai eigen dari A dan x
�� =
��
⟺ �� =
���
⟺ �� − ���
=0
⟺ (� − ��)� = 0
(2.19) dengan I adalah matriks identitas. Menurut Howard Anton (1991: 278)
supaya � menjadi nilai eigen maka harus ada pemecahan tak nol dari
Persamaan (2.19). Persamaan (2.19) akan mempunyai pemecahan tak nol jika dan
hanya jika
���(� − ��) = 0.
2
Contoh 2.6
Akan dicari nilai eigen dan vektor eigen dari matriks A berukuran 2 × 2 berikut,
−2 −2
�=[
2 3 ]
� − �� =−2
[ −2 ] − 1
� [0 ]
2 3 0 1
−2 −2] − [� 0]
=[ 2 3 0 �
−2 − � −2
=[
2 3− ]
�
���(� −
��) = 0
−2 − �
⇔| −2 |=0
2 3−�
⇔ �2 − � − 2 = 0
⇔ (� + 1)(� − 2) = 0
⇔ � = −1 ∨ � =
2
2
−�1 − 2�2 =
{
0
2�1 + 4�2 =
0
1
jadi vektor eigen yang bersesuaian dengan � = 2 adalah [ ].
−2
� = � (� )
2.21
2
dengan � ∈ � ⊆ ℝ�� , �: � → ℝ�� , f merupakan fungsi nonlinear dan
nonlinear, akan dibahas terlebih dahulu matriks Jacobian yang dijelaskan dalam
Teorema 2.1.
Bukti:
𝜕 �1 𝜕 �1 𝜕 �1
(� (� (� )�
)� 0 1 )� 0
���1 ���2 �� 0 𝑛
2
𝑛 ���2 �𝑛
���2 �
�
�2
(�0 ) + (�0 )
+ ⋯ + �� �0 �𝑛
( )
∑ 𝜕� (�0 )��
�1
�=1
� =
���1 ���2�2 �𝑛 ⋮
⋮ ⋮
�
��
𝜕 �𝑛 𝜕 �𝑛 𝜕 �𝑛
(� )� (� (� )�
)� 0 2 ��
[���1 0 1 ] [�� ] [��
0
]
�2 �𝑛
𝜕 �1 𝜕 𝜕 �1
(� �1 ) … (� )
0 )
(� 0
���1 ���2 ���𝑛
0 �
1
𝜕 �2 𝜕 �2 𝜕
(� ) �2
0 (� ) … 2 (0� ) �
= ���1 ���2 �� [ ⋮]
0
�𝑛
2
⋮ ⋮ ⋱ ⋮ �𝑛
𝜕 �𝑛 𝜕 �𝑛 𝜕 �𝑛
(� ) ) … (� )
0 (� 0
[���1 ���2 ���𝑛 ]
0
= ��(�0 )�
2
Selanjutnya akan ditunjukkan proses linearisasi dari sistem persamaan
sebelumnya akan diberikan teorema mengenai deret Taylor, berikut teorema Deret
Taylor:
tingkatan dalam suatu selang (� − �, � + �). Syarat yang perlu dan cukup
agar deret
′
′′ � (�) 𝑛 � (�
�
) (�) + �𝑛(�)(� − �) + (� − � )2 + ⋯ + (� )
(� − � ) + 𝑅 𝑛
2! �!
� (� ) =
2
�
�1 (�1 , �2 , … , ��� )𝑇 = �1 (�1 , �2 , � (�1 , �2 , , … , ��� )�� (�1 −
… , ��� )𝑇 + �1 �1 ) + ⋯
��
�1
𝜕� 1 𝜕 2 �1
+ 1 (� , � , … , � )�� (� [ (�1 , �2 , , … , ��� )�� (�1 −
���𝑛 1 2 �� 𝑛
2! �1 )22
− ��� ) + ���1
𝜕 2 �1 𝜕2
+ 2 (�1 , �2 , 2, … , ��� )�� (�2 − ��
�2 ) + ⋯ + �1 (�1 , �2 , … , ��� ) (�𝑛 −
���2 2
�� ��� )
�
𝜕2 �2
�
+ 1 (� , � , , … , ��� )�� (�1 − �1 )(�2 − �2 ) + ⋯
���1 ���2 1 2
𝜕 2 �1
+ ��
�����−1 ���𝑛 (�1 , �2 , , … , ��� ) (�𝑛−1 − ���−1 )(�𝑛 −
��� )] + ⋯
1 𝑛
+ [ 𝜕 �(�
1
1 , �2 , , … , ��� )
��
(�1 − �1 )𝑛
�! ���
𝑛
1
𝜕𝑛
�
+ 1𝑛 (�1 , �2 , , … , ��� )�� (�2 − �2 )𝑛 + ⋯
��
�2
𝜕 𝑛 �1
+ 𝑛 �1 , �2 , … , ���
( )�� (�𝑛 − ��� )��
1 ] + ��𝑓
��� 𝑛
⋮
�
��� (�1 , �2 , … , ��� )𝑇 = ��� (�1 , � (�1 , �2 , … , ��� )�� (�1 −
�2 , … , ��� )𝑇 + �𝑛 �1 )
��
� �1
�
�
+ 𝑛 (�1 , �2 , … , ��� )�� (�2 − �2 ) + ⋯
���2
𝜕� 𝜕 2 �𝑛
+ 𝑛 (� , � , … , � )�� (� 1[ (�1 , �2 , , … , ��� )�� (�1 −
���𝑛 1 2 �� 𝑛
2! �1 )22
− ��� ) + ���1
𝜕2
�𝑛
+ 2
(�1 , �2 , , … , ��� )�� (�2 − �2 )2 + ⋯
2
��
�2
2
𝜕 2 �𝑛 𝜕2
+ (�1 , �2 , …
��� 2 �(�𝑛 − (�1 , �2 , , … , (�1 − �1 )(�2 −
, ����) �𝑛
��� )2 + 𝑇
�2 )
���1 ��� )
���2
𝜕 2 �𝑛
+⋯+ (�1 , �2 , , … , ��� )�� (���−1 − ���−1 )(�𝑛
�����
− ��� )] + ⋯
−1 ���𝑛
1 𝑛
+ [ 𝜕 �(�
𝑛
1 , �2 , , … , ��� )
��
(�1 − �1 )𝑛
�! ���
𝑛
1
𝜕 𝑛 �𝑛
+ 𝑛 (�1 , �2 , , … , ��� )�� (�2 − �2 )𝑛 + ⋯
���2
𝜕 𝑛 �𝑛
+ 𝑛 �1 , �2 , … , ���
( )�� (�𝑛 − ��� )��
𝑛 ] + ��𝑓
��� 𝑛
dan karena
�2 ), … , (�𝑛 − ��� ) sangat kecil maka penurunan pada deret Taylor hanya
ekuilibrium � berubah
menjadi
�
�1 (�1 , �2 , … , ��� )𝑇 = �1 (�1 , �2 , � (�1 , �2 , , … , ��� )�� (�1 −
… , ��� )𝑇 + �1 �1 )
��
� �1
�
�
+ 1 (� , � , , … , ��� )�� (�2 − �2 ) + ⋯
���2 1 2
���1 ��
+
���𝑛 (�1 , �2 , … , ��� ) (�𝑛 − �1�� ) + ��𝑓
2
�
�
�
�2 (�12, �2 , … , ��� )𝑇 = �2 (�1 , �2 , (� , � , , … , ��� )�� (�1 −
𝑇 �� 1 2
… , ��� ) + � )
�1 1
�
�
�2
+ (�1 , �2 , … , ��� )�� (�2 − �2 ) + ⋯
���2
3
���2
+
���𝑛 (�1 , �2 , … , ��� )�� (�𝑛 − ��� ) + ��𝑓
2
⋮
�
��� (�1 , �2 , … , ��� )𝑇 = ��� (�1 , � (�1 , �2 , … , ��� )�� (�1 −
�2 , … , ��� )𝑇 + �𝑛 �1 )
��
� �1
�
�
+ 𝑛 (�1 , �2 , … , ��� )�� (�2 − �2 ) + ⋯
���2
���𝑛 ��
+
���𝑛 (�1 , �2 , … , ��� ) (�𝑛 − ���� ) + ��𝑓
dengan ��𝑓1 , ��𝑓2 , … , ��𝑓𝑛 disebut bagian nonlinear atau sisa yang nilainya
mendekati
nol sehingga nilai dari ��𝑓1 , ��𝑓2 , … , ��𝑓𝑛 dapat diabaikan dan karena (�1 , �
�2 , , … , ��� )
���2
���1
+ (�1 , �2 , … , ��� )�� (�𝑛 − ��� )
���𝑛
𝜕� 𝜕
�2 = 2 (�1 , �2 , … , (� − � ) + (�1 , �2 , … , (�2 − �2 ) + ⋯
1� 𝑇 �2 𝑇
�� ) ��� )
��� 1 1
���2
���2
+ (�1 , �2 , … , ��� )�� (�𝑛 − ��� )
���𝑛
𝜕� 𝜕
�𝑛 = 𝑛 (�1 , �2 , … , (� − � ) + (�1 , �2 , … , (�2 − �2 ) + ⋯
1� 𝑇 �𝑛 𝑇
�� ) 1 1 ��� )
���
���2
���𝑛
3
+ (�1 , �2 , … , ��� )�� (�𝑛 − ��� ).
���𝑛
2.22
3
�
1
�
[ ⋮ 2] =
�𝑛
𝜕 𝑓1 𝜕 𝑓1
)𝑇 (� , , … , )𝑇 … (� , … , )𝑇
(� , ,�… ,
𝜕 𝑓1
� � ,� �
� 1 𝑛 1 2 1 𝑛
��𝑥 1
𝑛
��𝑥2 ��𝑥𝑛
2
�1 − �1
2
𝜕 𝑓2 𝜕 𝑓2 𝜕 𝑓2
(� , , … , )𝑇 (� , , … , )𝑇 … (� , … , )𝑇 �2 − �2
� 1 � 𝑛 � 1 � 2 ,� 1 � 𝑛
��𝑥 1 ��𝑥 2 ��𝑥𝑛 [ ]
2 𝑛 2 ⋮
⋮ ⋮ ⋱ ⋮
𝜕 𝑓𝑛 �𝑛 − �𝑛
(� , , … , )𝑇
𝜕 𝑓𝑛
(� , , … , )𝑇 …
𝜕 𝑓𝑛
(� , … , )𝑇
� 1 � � 1 � ,� 1 �
[��𝑥1 𝑛 ��𝑥2 2 ��𝑥𝑛 𝑛 ]
2 𝑛 2
�1
�2
[ ]=
⋮
�𝑛
𝜕 𝑓1 𝜕 𝑓1 𝜕 𝑓1
(� , , … , )𝑇 (� , , … , )𝑇 … (� , … , )𝑇
� � 𝑛� 1 2
� ,� 1 �2 𝑛 �1
��𝑥1 1 ��𝑥2 ��𝑥𝑛
2 𝑛
𝜕 𝑓2 𝜕 𝑓2 𝜕 𝑓2
(� , , … , )𝑇 (� , , … , )𝑇 … (� , … , )𝑇 �2
� 1 � 𝑛 � 1 � 2 ,� 1 � 𝑛
��𝑥 1 ��𝑥2 ��𝑥𝑛 [ ] 2.23
2 𝑛 2 ⋮
⋮ ⋮ ⋱ ⋮
𝜕 𝑓𝑛 𝑇 𝜕 𝑓𝑛 𝑇 𝜕 𝑓𝑛 �𝑛
(� , , … , ) (� , , … , ) … (� , … , )𝑇
[�
��𝑥1 1 � 𝑛 �
��𝑥2 1 � 2 ,� ��𝑥𝑛 1 � 𝑛 ]
2 𝑛 2
�(�(�
))
𝜕 �1 𝜕 �1 𝜕 �1
(� , … , )𝑇 (� , … , )𝑇 … (� , … , )𝑇
� � �
,� 1 𝑛, � 1 2 ,� 1 2 𝑛
���1 ���2 ���𝑛
2 𝑛
𝜕 �2 𝜕 �2 𝜕 �2
(� , … , )𝑇 (� , … , )𝑇 … (� , … , )𝑇
� � �
�
= ,��� 1 𝑛 ,�
���
1 2 ,� ���𝑛
1 2 𝑛
1 2
2 𝑛
⋮ ⋮ ⋱ ⋮
3
𝜕 �𝑛 𝜕 �𝑛 𝜕 �𝑛
(� , … , )𝑇 (� , … , )𝑇 … (� , … , )𝑇
� � �
,� 1 𝑛 ,� 1 2 ,� 1 𝑛
[���1 ���2 ���𝑛 ]
2 𝑛 2
� = �(�(�))�.
2.24
Jika tidak ada bagian real dari nilai eigen-nilai eigen matriks �(�(�)) yang
bernilai nol, maka sifat kestabilan Sistem (2.21) dapat dilihat dari Sistem (2.24)
dan titik �
3
disebut sebagai titik ekuilibrium hiperbolik. Definisi resmi mengenai titik
jika bagian real nilai eigen dari matriks �� (�) tidak ada yang bernilai nol.
Contoh 2.7
Akan dicari matriks Jacobian dari sistem (2.15) serta akan dilakukan identifikasi
pada Contoh 2.5 dan didapatkan titik ekuilibrium untuk sistem (2.15) adalah
𝑇
(0,0)�� , (0, −2)�� , �dan (√3, 1) .
(−√3, 1)
Untuk �1 = (0,0)𝑇
2
�(�(0,0)�� )[=
0
]
0 2
2−�
| 0 |=0
0 2−�
⇔ (2 − �)(2 − �) =
0
⇔ �1 = 2 ∨ �2 =
2
3
Bagian real pada nilai eigen tidak nol maka titik ekuilibrium �1 = (0,0)𝑇
3
Untuk �2 = (0, −2)𝑇
6 0
�(�(0, −2)�� )[= ]
0 −2
6−�
| 0 |=0
0 −2 − �
⇔ (6 − �)(−2 − �) =
0
⇔ �1 = 6 ∨ �2 =
−2
Bagian real pada nilai eigen tidak nol maka titik ekuilibrium �2 = (0, −2)𝑇
0−� −2√3
| |=0
2√3 4−
�
⇔ −�(4 − �) − (−2√3)(2√3) = 0
⇔ �2 − 4� + 12 = 0
⇔ (� − 2 − √8�)(� − 2 + √8�) = 0
⇔ �1 = 2 + √8� ∨ �2 = −2 + √8�
𝑇
Bagian real pada nilai eigen tidak nol maka titik ekuilibrium �3 = (−√3, 1)
3
𝑇
� (�(√3, 1) ) = [ 0 2√3
]
−2√3 4
𝑇
Didapatkan nilai eigen dari � (�(√3, ) yaitu
1)
0−� 2√3
| |=0
−2√3 4 − �
⇔ −�(4 − �) − (−2√3)(2√3) = 0
⇔ �2 − 4� + 12 = 0
⇔ (� − 2 − √8�)(� − 2 + √8�) = 0
⇔ �1 = 2 + √8� ∨ �2 = −2 + √8�
𝑇
Bagian real pada nilai eigen tidak nol maka titik ekuilibrium �4 = (√3, adalah
1)
G. Analisis Kestabilan
secara umum dibagi menjadi tiga jenis yaitu stabil, stabil asimtotik dan tidak
stabil. Kestabilan titik ekuilibrium ini akan dijelaskan dalam definisi-definisi dan
teorema berikut.
�0 ).
Suatu titik ekuilibrium � dikatakan stabil bila untuk setiap � > 0 ada �
>
3
Suatu titik ekuilibrium � dikatakan stabil asimtotik bila titik � stabil
dan
stabil.
Ilustrasi pada ℝ2 dari Definisi 2.9 disajikan pada Gambar 2.3 berikut ini,
Secara intuisi, stabil untuk nilai awal yang cukup dekat dengan titik
ekuilibrium maka untuk nilai t yang cukup tinggi, penyelesaian sistem sangat
adalah cukup dekat ke titik ekuilibrium). Takstabil artinya selalu ada penyelesaian
yang dimulai dari manapun dekatnya dengan titik ekuilibrium tapi akhirnya
karena itu terdapat cara analisis kestabilan berdasarkan nilai eigen dari sistem
penting
3
khususnya nilai eigen (�) dari matriks � yaitu bagian real dari � yang
adalah matriks berukuran � × � dan titik ekuilibrium yang diambil sebagai titik
asal adalah
stabil asimtotik, stabil atau takstabil bila titik asal � = 0 sebagai titik ekuilibrium
Titik asal � = 0 adalah stabil asimtotik bila dan hanya bila 𝑅��� < 0
Titik asal � = 0 adalah stabil bila dan hanya bila 𝑅��� ≤ 0 untuk
semua
Titik asal � = 0 adalah takstabil bila dan hanya bila 𝑅��� > 0
4
Analisis kestabilan juga dapat dilakukan dengan melihat potret fase sistem.
Potret fase dari persamaan differensial menurut Hale dan Kocak (1991)
merupakan
4
kumpulan dari semua orbit, sedangkan orbit merupakan proyeksi dari grafik solusi
pada bidang-�� dengan kata lain potret fase juga merupakan proyeksi dari
grafik solusi pada bidang-��. Pada potret fase juga diberi panah berarah. Potret
fase dari sebuah sistem hampir seluruhnya berdasarkan nilai eigen (�). Desinisi
dari bentuk- bentuk potret fase dapat dilihat pada Definisi 2.9.
1. Sistem dikatakan Node pada titik asal jika kedua nilai eigen bernilai real
dan bertanda sama. Stabil Node jika �1 , �2 < 0 dan tidak stabil Node
jika
�1 , �2 > 0.
2. Sistem dikatakan Saddle pada titik asal jika kedua nilai eigen bernilai real
3. Sistem dikatakan Focus pada titik asal jika kedua nilai eigen bernilai
dan tidak
4. Sistem dikatakan Center pada titik ekuilibrium jika kedua nilai eigen
bernilai imajiner murni. Jika sistem linear dikatakan focus maka sistem
stabil namun jika sistem hasil linearisasi bernilai Center maka kestabilan
Contoh potret fase untuk setiap kasus dapat dilihat pada Gambar 2.4a, 2.4b,
4
Gambar 2.4a Stabil Node
4
Gambar 2.4d Stabil Focus Gambar 2.4e Tidak Stabil Focus
4
H. Orbit Periodik
Pada model matematika Predator-prey, untuk mengetahui apakah mangsa
dan pemangsa akan selalu ada dalam sistem maka digunakan orbit periodik. Jika
sistem memiliki orbit periodik maka mangsa dan pemangsa akan selalu ada secara
bersama-sama. Definisi orbit periodik secara formal dapat dilihat pada Definisi
2.10.
> 0. Orbit � (� 0 ) =
Porong melalui outlet sekitar 20 km dari hulu sungai, dengan harapan debit air
Sungai Porong dapat mengalirkan buangan lumpur Sidoarjo ke laut dalam di Selat
4
Madura (BAPEL –BPLS dalam Gita Anggraeni, Suntoyo, Muhammad Zikra,
2014). Kali
4
Porong (Sungai Porong) merupakan salah satu cabang dari sungai Brantas yang
menggunakan pompa dimana debit lumpur yang dibuang antara 0.5 m3/s - 4,5 m3/s
atau sekitar 1.8 juta L/Jam – 16.2 juta L/Jam. Hal ini berakibat pada penurunan
logam berat di air tidak lebih dari 0,003 ppm untuk Cd (Kadmium), 1 ppm
untuk Cu (Tembaga), 0,05 ppm untuk Pb (Timbal) dan 0,05 ppm untuk Cr
(Kromium). Namun air Lumpur Sidoarjo mengandung logam berat antara lain
Pb 0,05 ppm, Cr 0,65 dan Cu 0.0144 ppm dan air Sungai Porong mengandung Cd
0.0271 ppm (Faisal Aziz P dkk, 2013:1) sehingga air Sungai Porong tidak layak
konsumsi.
Pada tahun 2013, Faisal Aziz P,dkk telah melakukan penelitian guna
mengurangi kandungan logam berat pada air Sungai Porong dengan menggunakan
untuk menurunkan COD (Chemical Oxygen Demand) adalah sebesar 211,7 – 752
mg/L dari semula 6.438,1 mg/L atau sebesar 88,41 % - 96,73 %. COD merupakan
kadar limbah anorganik yang diukur dari banyaknya oksigen yang diperlukan
untuk memecah limbah anorganik. Jika nilai COD sungai porong pada awalnya
adalah
20,2 mg/L, maka dengan teknologi B. subtilis COD menurun menjadi 0,66 –
2,34 mg/L. Sedangkan kemampuan untuk dapat mengikat logam berat seperti
Cd, Pb dan Cu masing – masing sebesar 87%, 77% dan 54%. Berikut tabel
4
Tabel 2.1 Reduksi Logam Berat oleh B.subtilis
Penggunaan mikrobia dalam penurunan kadar logam berat pada air telah
logam berat yang bersifat tonsik menjadi senyawa bersifat tidak tonsik.
Biohidrometalurgi pada prinsipnya mengubah ion logam yang terikat pada suatu
senyawa yang tidak dapat larut dalam air menjadi senyawa yang dapat larut dalam
air. Bioleaching merupakan aktivitas mikrobia untuk melarutkan logam berat dari
cara yang paling umum digunakan oleh mikrobia untuk menangani logam berat.
Salah satu mikrobia yang dapat digunakan dalam pengurangan kadar logam
berat pada air adalah bakteri Bacillus subtilis. Bakteri Bacillus subtilis memiliki
dimana zat ini dapat mengikat polutan dalam air. Bakteri B. subtilis
memiliki laju pertumbuhan dan waktu generasi secara berturut - turut sebagai
berikut 1,15/jam
4
dan 33,43 menit. Waktu generasi adalah waktu yang diperlukan oleh
mikroorganisme untuk meningkatkan jumlah sel menjadi dua kali lipat jumlah
zat polutan. Proses penjernihan air kotor karena zat polutan ialah sebagai berikut.
dipisahkan dengan sedimentasi atau filtrasi (flok). Di dalam air kotor oksigen
yang ada hanya sedikit karena polutan akan mengubah kondisi COD dan BOD
poliglutamat (PGA), dimana PGA tersebut juga dihasilkan oleh B.subtilis, proses
4
Asam poliglutamat (PGA) + Air mengandung polusi Flok +Air bersih
Prinsip teknik ini adalah asam poliglutamat dicampur dengan air yang
sehingga akan terpisah antara polutan dan air. Hal ini diakibatkan PGA
dengan menggunakan mikroorganisme, yang terdiri dari dua tahap yaitu aktif
dikontakkan
Mikroorganisme Air yang tercemar logam berat
tercemar polutan dan terjadi dua proses yaitu proses aktif uptake dan proses pasif
uptake. Proses pasif uptake terjadi ketika ion logam berat mengikat dinding sel
dengan dua cara yang berbeda, pertama pertukaran ion di mana ion monovalent
dan divalent seperti Na+, Ca2+ dan Mg+ pada dinding sel digantikan oleh ion-ion
logam berat Cd2+ dan Ni2+ dan yang kedua adalah formasi kompleks antara
ion-ion
5
logam berat dengan functional groups seperti carbonyl, amino, thiol, hydroxyl,
phosphate dan hydroxyl-carbonyl yang berada pada dinding sel. Sedangkan pada
mikroorganisme. Logam berat dapat diendapkan dan ekskresi pada tingkat ke dua.
Pada tahap tertentu mikroorganisme ini dapat mati, sehingga dari kedua proses