2

BAB I
What Is Mathemathical Modelling?

1.1 Model Dengan Menggunakan Data

1.1.1 Contoh 1: Modelling The Greenhouse effect
Berikut diberikan tabel kenaikan temperature dalam periode 100 tahun hingga tahun
1980 :
Tahun Kenaikan temperature bumi (
o
C)
1880 0.01
1896 0.02
1900 0.03
1910 0.04
1920 0.06
1930 0.08
1940 0.1
1950 0.13
1960 0.18
1970 0.24
1980 0.32

Tentukan kenaikan temperatur pada 7
o
C .? Dari data diatas dapat dibuat grafik
temperature(y) terhadap tahun(x) dan log y terhadap x







Candra Mecca Sufyana
3
Regresi linear kenaikan temperatur terhadap tahun
1880 1900 1920 1940 1960 1980
-2
-1.5
-1
-0.5
0
0.5
The greenhouse
year
t
e
m
p
e
r
a
t
u
r
e

y = 0.014*x - 29
y vs x
log T vs x
linear

Regresi log kenaikan temperatur terhadap tahun

1880 1900 1920 1940 1960 1980
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
The greenhouse
year
t
e
m
p
e
r
a
t
u
r
e
y vs x
quadratic






4
Dengan tampilan pada common window berikut :
>> x = [ ];
>> y = [ ];
>> temperatur = log10(y);
>> figure;
>> plottools
plot(x,y)
>> plot (x, y, 'DisplayName', 'y vs x', 'XDataSource', 'x', 'YDataSource', 'y'); figure(gcf)
Variables have been created in the current workspace.
>> % y = 0.014x-29 , jadi dapat diprediksi bahwa kenaikan temperatur pada 7 celcius
>> % dengan y = log kenaikan temperatur dan x tahun maka ;
>> x = (log10(7)+29)/0.014
x =
2.1318e+003
Dari grafik tersebut dengan menggunakan matlab, kita temukan persamaan linear
dari log kenaikan temperatur terhadap tahun yaitu : y = 0.014x-29 , jadi dapat
diprediksi bahwa kenaikan temperatur pada 7 celcius yaitu : dengan y = log(7) pada
matlab : x (tahun) = (log(7)+29)/0.014 = 2131, jadi kenaikan temperature 7
o
C
terjadi pada tahun 2131. Dengan menggunakan excel hampir mirip yaitu :

Didapat x = 2114
Perbedaan dari nilai x yang didapat lebih diakibatkan perbedaan penggunaan
software dalam pengolahan datanya namun yang paling mendekati yaitu dengan x =
2114 dengan nilai korelasi yang paling mendekati nilai 1.
5
Jadi dapat disimpulkan arti fisis dalam permasalahan tersebut yaitu melelehnya es di
kutub utara dan pemanasan global akan terjadi jika kenaikan temperature hingga
6
0
C, sehingga dapat diprediksi sekitar 100 tahun lagi hal tersebut akan terjadi yang
akan mengakibatkan banjir besar dan krisis lingkungan lainya.

1.1.2 Contoh 2 : World Record for The Mile
Berikut diberikan tabel World Record for The Mile dalam tahun 1913 - 1986
Waktu Nama Negara Tanggal
(tahun,bulan,tanggal)
4:14:4 John Paul Jones USA 1913.05.31
4:12:6 Norman Taber USA 1915.07.16
4:10:4 Paavo Nurmi FIN 1923.08.23
4:09:2 Jules ladoumegue FRA 1931.10.04
4:07:6 Jack Lovelock NZL 1933.07.15
4:06:8 Glan Cunningham USA 1934.06.16
4:06:4 Sydney Wooderson GBR 1937.08.28
4:06:2 Gunde Hagg SWE 1942.07.01
4:06:2 Arne Andersson SWE 1942.07.01
4:04:6 Gunde Hagg SWE 1942.09.04
4:02:6 Arne Andersson SWE 1943.07.01
4:0:16 Arne Andersson SWE 1944.07.18
4:01:4 Gunde Hagg SWE 1945.07.17
3:59:4 Roger Bannister GBR 1954.05.06
3:58 John Landy AUS 1954.06.21
3:57:2 Derek Ibbotson GBR 1957.07.19
3:54:5 Herb Elliot AUS 1958.08.06
3:54:4 Peter Snell NZL 1962.0127
3:54:1 Peter Snell NZL 1964.11.17
3:53:6 Michel Jazy FRA 1965.06.09
3:51:3 Jim Ryun USA 1966.07.17
3:51:1 Jim Ryun USA 1967.06.23
3:51 Filbert Bayi TAN 1975.05.17
3:49:4 John Walker NZL 1975.08.12
6
3:49 Seb Coe GBR 1979.07.17
3:46:31 Steve Cram GBR 1985.07.27
3:44:39 Neoureddine Morceli ALG 1993.09.05
Berikut tabel tanggal (x) dan waktu(y) untuk pengolahan data :
Tanggal (x) Waktu (y)
1913.0531 4.144
1915.0716 4.126
1923.0823 4.104
1931.1004 4.092
1933.0715 4.076
1934.0616 4.068
1937.0828 4.064
1942.0701 4.062
1942.0701 4.062
1942.0904 4.046
1943.0701 4.026
1944.0718 4.016
1945.0717 4.014
1954.0506 3.594
1954.0621 3.58
1957.0719 3.572
1958.0806 3.545
1962.0127 3.544
1964.1117 3.541
1965.0609 3.536
1966.0717 3.513
1967.0623 3.511
1975.0517 3.51
1975.0812 3.494
1979.0717 3.49
1985.0727 3.4631
1993.0905 3.4439

Dengan menggunakan matlab didapatkan grafik y terhadap x berikut ini :
7
1910 1920 1930 1940 1950 1960 1970 1980 1990 2000
3
3.5
4
4.5
Year
T
i
m
e
World Record for The Mile

y = - 0.012*x + 28
data 1
linear

Dengan tampilan pada common window berikut :
>> x = [ ];
>> y = [ ];
>> figure;
>> plottools
>> plot(x,y)
>> % y = -0.012x+28 , jadi dapat diprediksi bahwa rekor pada waktu 3 menit 40 detik
>> x = (3.40-28)/-0.012
x =
2050
>> % y = -0.012x+28 , jadi dapat diprediksi bahwa rekor pada waktu 3 menit 30 detik
>> x = (3.30-28)/-0.012
x =
2.0583e+003
%menggunakan grafik antara log t vs x
>> t = log10(y);
>> plot(x,t);
>> plottools
>> % y = -0.0142x+33 , jadi dapat diprediksi bahwa rekor pada waktu 3 menit 40 detik
>> tahun = (log10(3.4)-33)/-0.014
8
tahun =
2.3192e+003
>> log10(3.4)
ans =
0.5315
>> tahun = (0.5315-33)/-0.014
tahun =
2.3192e+003
Jadi dari grafik antara tanggal (x) dan waktu (y) didapat persamaan linear
sehingga dapat diprediksi yaitu rekor tempuh lari dunia saat waktu 3:40 menit terjadi
pada tahun 2050 sedangkan rekor tempuh lari dunia saat waktu 3:30 menit terjadi
pada tahun 2058. Apabila menggunakan Excel didapat :

rekor tempuh lari dunia saat waktu 3:40 menit terjadi pada tahun 2040 sedangkan
rekor tempuh lari dunia saat waktu 3:30 menit terjadi pada tahun 2048.

1.2 Using Mathematical Models

Contoh 3 : The need for a pedestrian crossing
Permasalahan :
Dalam sehari kita beberapakali mesti menyebrang jalan untuk sampai ke tempat
tujuan. Dalam menyebrang kita menunggu celah antara kendaraan ke kendaraan
lainya, dalam artian ketika jalan kosong tersebut kita menyebrang, terlalu memakan
waktu jika kita mesti menyebrang di jembatan penyebrangan atau zebracross.
9
Sehingga kita mesti menemukan formula atau solusi yang ditawarkan agar
penyebrang selamat ketika menyebrang.
Solusi :
Sebenarnya banyak faktor yang rumit dan kompleks agar tujuan keselamatan
penyebrang tercapai sehingga formula yang akan diberikan pun sangat sangat sulit.
Untuk model matematik sederhana, kita asumsikan :
1. Jalan yang akan dilalui satu arah, lurus dan tidak ada halangan posisi dari
penyebrang jalan
2. Kecepatan lalu lintas konstan
3. Kepadatan lalu lintas konstan
4. Kecepatan penyebrang jalan dalam meyebrang konstan
Dengan asumsi 1 kita dapat memastikan model matematik sederhana sehingga kita
dapat membuat logika sederhana :
Keterangan fisis simbols satuan
Lebar jalan w meter
Kecepatan penyebrang v m/s
2
Selang waktu antara kendaraan T detik
Sehingga waktu untuk pejalan kaki menyebrang adalah w/v , maka :
waktu menyebrang < interval kendaran (w/v) < T
Jadi dapat diberitahukan kepada penyebrang bahwa mereka dapat selamat dalam
menyebrang ketika kecepatan menyebrang > interval kendaraan w/v > T
Data berikut diambil dari waktu menyebrang pelajar selama waktu 30 menit :
0.2 1 1.5 1.8 2.5 3.5 4.2 6.6 7.5 12
0.2 1 1.5 1.8 2.5 3.5 4.2 6.6 7.5 12
0.2 1 1.5 1.8 2.5 3.5 4.2 6.6 7.5 12
0.2 1 1.5 1.8 3 3.5 4.2 6.6 7.5 12
0.2 1 1.5 1.8 3 3.5 4.2 6.6 8.8 12
0.2 1 1.5 1.8 3 3.5 4.2 6.6 8.8 12
0.2 1 1.5 1.8 3 3.8 4.2 6.6 8.8 13
0.2 1 1.5 1.9 3 3.8 4.2 7 9.5 13
0.2 1 1.5 1.9 3 3.8 4.2 7 9.5 13
0.2 1 1.5 1.9 3 3.8 4.6 7 9.5 13
0.2 1.5 1.5 2.5 3 3.8 4.6 7 11 13
10
0.2 1.5 1.5 2.5 3 3.8 4.6 7 11 13
0.2 1.5 1.8 2.5 3 3.8 4.6 7 11 13
0.2 1.5 1.8 2.5 3 3.8 5.5 7 11 13
0.2 1.5 1.8 2.5 3.5 3.8 5.5 7 11 13
0.2 1.5 1.8 2.5 3.5 4.2 5.5 7 11 13
0.2 1.5 1.8 2.5 3.5 4.2 5.5 7.5 11 13
0.2 1.5 1.8 2.5 3.5 4.2 6.6 7.5 12 13
Dengan menggunakan Matlab dapat dibuat histogram sebagai berikut :
0 2 4 6 8 10 12 14
0
5
10
15
20
25
30
35
40
45
50
frequency of gaps

>> x = [ ];
>> y = [ ];
>> plot(x,t)
>> figure
>> plottools
>> f = [ ];
>> plot (f, 'DisplayName', 'f', 'YDataSource', 'f'); figure(gcf)
>> bar (f, 'DisplayName', 'f'); figure(gcf)
>> hist (f); figure(gcf)
>> probabilitas = 117/180
probabilitas =
0.6500
11
Dari data tesebut, probability (kemungkinan) interval waktu lebih besar dari 2 detik
yaitu :
65 . 0
180
117 det 2
= = =
ahgap totoaljuml
ik i ihbesardar celahygleb jumlahdari
p
Dari model disimpulkan yang dibutuhkan pejalan kaki menyebrang saat probability p
lebih kecil daripada nilai penetapan sebelumnya (p
0
).

1.2.1 Contoh 4: Icing Cakes
Permasalahan :
Suatu kue ditempatkan dalam loyang kotak timah dengan volume 4000 cm
3
(sebelum dikukus) ,yang akan dikukus .Tentukan ukuran kue saat memberikan luas
daerah permukaan minimum dan temukan ukuran jika kue saat dikukus ditempatkan
pada loyang berbentuk lingkaran :
Solusi :
Asumsi untuk membuat model yang sederhana :
Kue memenuhi loyangg dengan tepat setelah dikukus dan tidak hancur pada
sisi-sisinya
Masing-masing kue rata sempurna baik didasar atau diatas loyang.
Volume akan naik karena gelembung udara dll.
1. Loyang cetakan kue berbentuk kotak. Anggap panjang sisi kue x cm dan kedalaman
kue y cm
Maka Volume dari campuran kue di dalam loyang kotak tersebut adalah V = x
2
y =
4000
dan area permukaan S = x
2
+ 4xy , dengan eliminasi y didapat : S = x
2
+16.000/x
dengan menggunakan Matlab didapat :
syms x y
S = x^2+16000/x
S =
x^2+16000/x
diff(S)
ans =
2*x-16000/x^2
12
X = [2 0 0 -16000]
X =
2 0 0 -16000
roots(X)
ans =
-10.0000 +17.3205i
-10.0000 -17.3205i
20.0000
X = 20
X =
20
S = X^2 + 16000/X
S =
1200
% subsitusi ke S = x^2 + 4xy
y = (S-X^2)/(4*X)
y =
10
jadi didapatkan x = 20 cm dan y = 10 cm dan didapatkan S = 1200 cm
2

dan dimensinya yaitu 20 x 20 x 10 cm dengan V = 4000 cm
3

Kue menggunakan Loyang berbentuk lingkaran
V = r
2
y = 4000 dengan S = r
2
+ 2ry , dengan eliminasi y didapat persamaan
S = r
2
+ 8000/r, dengan matlab
syms r y
S = pi*r^2 + 8000/r
S =
pi*r^2+8000/r
diff(S)
ans =
2*pi*r-8000/r^2
R = [2*pi 0 0 -8000]
R =
1.0e+003 *
0.0063 0 0 -8.0000
roots(R)
ans =
13
-5.4193 + 9.3864i
-5.4193 - 9.3864i
10.8385
S = pi*R^2 + 8000/R
R =
10.8385
S = pi*R^2 + 8000/R
S =
1.1072e+003
y = (S-pi*R^2)/(2*pi*R)
y =
10.8386
Jadi didapatkan r = 10.8385 cm dan y = 10.8386 cm dan didapatkan S = 1107.2
cm
2


Contoh 5 Audio Casette
Permasalahan :
Banyak audio kaset player mempunyai numerical tape counter dimana untuk
membuat index numeric suatu item didalam kaset agar kaset dapat diputar ulang.
Disini kita membuat formulasi teori matematika yang menjelaskan hubungan antara
counter reading dan jumlah dari waktu pemutaran kaset sebelum-sebelumnya.
Mekanisme Kaset :
feed spool take up pool










14
Asumsi untuk penyederhanaan :
Kecepatan putaran tape konstan
Tape mempunyai ketebalan konstan
Counter reading adalah continous variable
Jumlah counter reading sesuai dengan jumlah putaran take up spool
Pertama kita definisikan variable :
Physical quantity Symbol satuan
Waktu pemutaran sebelumnya t Detik
Jari-jari take-up spool r Cm
Jari-jari empty spool r
0
Cm
Panjang tape di take-up spool L Cm
Ketebalan tape H Cm
Counter reading C Cm
Sudut putaran oleh take up spool
saat t
a radians
Kecepatan putaran tape v Cm/s

(r
0
,h dan v) adalah variable dan yang lainya parameter
1. Kita mempunyai L = vt
2. Dari assumsi 4 : c = ka dimana panjang busur L ,sudut, a panjang sisi r(a)




da
dL h
da
dr
= =
2

a r a
h
L
0
2
4
+ =

, dengan a =c/k dan L = vt maka

c
kv
r
c
k
h
t
0 2
2
4
+ =

..(1)
diambil contoh data sebagai berikut :
15
Waktu (t) Counter reading(c) Ratio t/c
0 000
2 040 3.000
4 078 3.077
6 113 3.186
8 145 3.310
10 177 3.390
12 206 3.495
14 235 3.574
16 263 3.650
18 289 3.737
20 314 3.833
22 339 3.894
didapat grafik :
0 50 100 150 200 250 300 350
3
3.1
3.2
3.3
3.4
3.5
3.6
3.7
3.8
3.9
c
c
/
t
c/t vs c



y = 0.0031*x + 2.9
data 1
linear

jadi dari persamaan 1 didapat :
0031 . 0
4
2
=
k
h

dan 9 . 2
0
=
kv
r

16
BAB II
MODELLING POPULATION GROWTH

2.1.1 Contoh 1 Populasi Inggris dan Wales
Tabel berikut menunjukan sensus data penduduk Inggris dan Wales dari tahun 1801
hingga 1951(tanpa tahun 1941)
Tahun Populasi
1801 8892536
1811 10164256
1821 12000236
1831 13896797
1841 15914148
1851 17927609
1861 20066224
1871 22712266
1881 25974439
1891 29002525
1901 32527843
1911 36070492
1921 37866699
1931 39952377
1951 43757888
1801 8892536

Dari data tersebut kita menentukan rata-rata pertambahan penduduk dan
memprediksi tingkat jumlah populasi pada tahun-tahun berikutnya :
Solusi :
Berikut menunjukan grafik populasi Inggris dan wales menggunakan matlab :
17
1800 1820 1840 1860 1880 1900 1920 1940 1960
0.5
1
1.5
2
2.5
3
3.5
4
4.5
5
x 10
7
Tahun
P
o
p
u
l
a
s
i
Popolasi penduduk Inggris dan Wales



y = 2.5e+005*x - 4.4e+008
data 1
linear


Pada grafik menunjukan peningkatan jumlah populasi dari tahun ke tahun, namun
terdapat penurunan pertumbuhan populais antara tahun 1911 dan 1921 (pengaruh
perang dunia saat itu).Pertumbuhan populasi sangat penting untuk menentukan
seberapa cepat perubahan populasi dari tahun ke tahun. Kita dapat menggunakan
ratio yaitu :
Rata-rata pertumbuhan populasi = Perubahan populasi / interval waktu ;
sesuai table berikut :


18
Interval waktu rata-rata pertumbuhan populasi
1801 1811 127172
1811-1821 183598
1821-1831 189656.1
1831-1841 201735.1
1841-1851 201346.1
1851-1861 213861.5
1861-1861 264604.2
1871-1881 326217.3
1881-1891 302808.6
1891-1901 352531.8
1901-1911 354264.9
1911-1921 179620.7
1921-1931 208567.8
1931-1951 190275.6
Atau untuk kegunaan yang lebih kita gunakan rata-rata pertumbuhan populasi
proporsional : rata-rata pertumbuhan populasi proporsional = rata-rata
pertumbuhan populasi / populasi pada tahun yang dimaksud , yaitu :
waktu rata-rata pertumbuhan populasi proporsonal
1801 0.014301
1811 0.018063
1821 0.015804
1831 0.014517
1841 0.012652
1851 0.011929
1861 0.013187
1871 0.014363
1881 0.011658
1891 0.012155
1901 0.010891
1911 0.00498
1921 0.005508
1931 0.004763

19
Dari data table diatas dengan mengambil ukuran rata-rata pertumbuhan pada tahun
1921 sebesar 0.005508 maka kita dapat memprediksikan jumlah populasi pada tahun
berikutnya, didapat :
Tahun Prediksi
1941 40172435
1951 43998906
1961 50526777
1971 53040547
1981 55554317
1991 58068087
2001 60581857
2011 63095627
2021 65609397


2.2 MEMILIH VARIABEL
Permasalahan :
Spesies burung langka akan dipindahkan ke Kepulauan di daerah Sisilia.
Formulasikan model matematik yang menjelaskan populasi pertumbuhan species
burung tersebut :
Solusi :
Berikut daftar permasalahan yang harus dilihat :
1. Jumlah awal dari burung
2. Luas/ukuran pulau
3. Tersedianya makanan burung
4. Jumlah dari burung jantan dan
betina
5. Usia distribusi dari burung
6. Masa hidup burung
7. Type predator yang ada di pulau
8. Jumlah telur/burung betina
1. Populasi dari predator
2. Penyakit
3. Jumlah kematian burung akibat
pertarungan
4. Jumlah family
5. Burung yang emigrasi
6. Jumlah burung yang imigrasi
7. Exploitasi manusia
8. Jumlah burung jantan pekerja

20
Kita dapat menyaring dan memisahkan dalam list utama
(a) Yang mempengaruhi burung-
burung
1. Jumlah awal dari burung
2. Jumlah dari burung jantan dan
betina
3. Usia distribusi dari burung
4. Masa hidup burung
5. Jumlah telur/burung betina

(b) Yang mempengaruhi kematian
burung
1. Jumlah telur/burung betina
2. Masa hidup burung
3. Type predator yang ada di pulau
4. Populasi dari predator
5. Penyakit
6. Jumlah kematian burung akibat
pertarungan
7. Jumlah burung jantan pekerja

(C) Akibat Pengaruh Makanan
1. Luas/ukuran pulau
2. Tersedianya makanan burung
3. Jumlah family

(D) Akibat Perpindahan
1. Jumlah burung jantan pekerja
2. Burung yang emigrasi
3. Jumlah burung yang imigrasi


Sekarang kita tampak telah melihat langkah untuk selanjutnya, anggap terdapat 4
pokok utama sehingga dapat dibuat persamaan :
Perubahan populasi dalam satu peride = Jumlah burung Jumlah kematian
+ Imigrasi Emigrasi
Akibat pengaruh makanan akan berpengaruh terhadap jumlah burung, kematian,
dan daya tamping pulau menampung burung-burung. Mengingat spesies burung
langka, maka tidak akan ada imigrasi pada awal kepindahan. Maka kita akan
membuat penyederhanaan lebih lanjut bahwa disana tidak ada jaringan emigrasi dari
pulau lain.
Anggap bahwa P
n
merupakan jumlah populasi n tahun setelah burung pindah ke
pulau yang dimaksud, jadi pertambahan populasi pada tahun n+1 adalah P
n+1
-P
n
.
Dengan B
n
dan D
n
jumlah burung dan kematian burung pada tahun n+1
Maka kata-kata tersebut diatas ditunjukan dengan symbol :
21
P
n+1
-P
n =
B
n
- D
n
.1
Dengan asumsi tidak terdapat emigrasi dan imigrasi.

2.2.1 MEMBUAT ASSUMSI :
Langkah selanjutnya menjelaskan hubungan jumlah populasi dengan waktu, yaitu :
1. Jumlah burung pertahun sebanding dengan jumlah dari populasi
2. Jumlah kematian burung pertahun sebanding dengan jumlah dari populasi
Dengan symbol B
n
= bP
n
dan D
n
= dP
n
dimana b dan d adalah konstanta, maka
matematiknya menjadi :
P
n+1
-P
n =
bP
n
- dP
n
= (b d)P
n
..2

2.2.2 MEMPERBAIKI MODEL
Banyak cara untuk kita lebih membahas model diatas jika berbentuk eksponensial :
Jika b > d maka populasi akan terus meningkat
Jika b < d maka populasi akan menuju nol
Model memprediksi sebagian kecil spesies
Ukuran rata-rata pertumbuhan dan kematian burung bergantung pada
jumlah populasi serta waktu
Tidak termasuk Keseimbangan burung jantan dan betina serta usia distribusi
Tidak termasuk kondisi dan perubahan lingkungan ,maka
P
n+1
-P
n =
bP
n
- dP
n
= (b d)P
n,
, dengan b d dapat ditulis sebagai fungsi dari P
n

b d = f(P
n
) , untuk beberapa fungsi. Bentuk sederhana untuk F(P) adalah fungsi
linear menurun dengan F(P) = 0 ketika P =P
max
, sehingga kita dapat
mengasumsikan bentuk f(P) ;
f(P) = k(P
max
P), untuk k konstan, maka hubungan model untuk pertumbuhan
populasi menjadi :
P
n+
P
n
= kP
n
(P
max
Pn
1
) 3
Ini persamaan non linear atau disebut logistic model dan secara analitik menemukan
solusinya sulit namun harus menggunakan numeric.


22
CONTOH PADA KASUS BAB II
1. Sebuah populasi burung, dengan proporsional rata-rata kelahiran dan
proporsional rata-rata kematian konstan yaitu 0.45 per tahun dan 0.65
pertahun. Imigrasi yang terjadi konstan dengan rata-rata 2000 burung
pertahun serta emigrasi 1000 per tahun.
Assumsi :
1. Jumlah burung pertahun sebanding dengan jumlah dari populasi
2. Jumlah kematian burung pertahun sebanding dengan jumlah dari populasi
Jumlah awal 3000 burung
Imigrasi 2000 burung/tahun
Emigrasi 1000 burung/tahun
Rata-rata kelahiran 0.45/tahun
Rata-rata kematian 0.65/tahun
Perubahan populasi dalam satu periode =
Jumlah burung + Jumlah kelahiran Jumlah kematian + Imigrasi
Emigrasi
Anggap bahwa P
n
merupakan jumlah populasi n tahun setelah burung pindah ke
pulau yang dimaksud, jadi pertambahan populasi pada tahun n+1 adalah P
n+1
-P
n
.
Dengan B
n
dan D
n
jumlah burung dan kematian burung pada tahun n+1
Maka kata-kata tersebut diatas ditunjukan dengan symbol :
P
n+1
-P
n =
B
n
- D
n
+ imigrasi emigrasi ,
Dengan B
n
= bP
n
dan D
n
= dP
n
dimana b dan d adalah konstanta, maka
matematiknya menjadi : P
n+1
-P
n =
bP
n
- dP
n
= (b d)P
n
+ imigrasi emigrasi
Sehingga dengan perumusan tersebut dapat diolah dengan Microsoft excel :
Tahun ke- Rata-rata kelahiran Rata-rata kematian Jumlah populasi
1 1530 2210 3400
2 1674 2418 3720
3 1789.2 2584.4 3976
4 1881.36 2717.52 4180.8
5 1955.088 2824.016 4344.64
6 2014.0704 2909.2128 4475.712
7 2061.25632 2977.37024 4580.5696
8 2099.005056 3031.896192 4664.45568
9 2129.204045 3075.516954 4731.564544
10 2153.363236 3110.413563 4785.251635
11 2172.690589 3138.33085 4828.201308
12 2188.152471 3160.66468 4862.561047
13 2200.521977 3178.531744 4890.048837
14 2210.417581 3192.825395 4912.03907
23
15 2218.334065 3204.260316 4929.631256
16 2224.667252 3213.408253 4943.705005
17 2229.733802 3220.726602 4954.964004
18 2233.787041 3226.581282 4963.971203
19 2237.029633 3231.265026 4971.176962
20 2239.623706 3235.01202 4976.94157
Didapat grafik jumlah populasi burung terhadap waktu tahun dari n ke n+1

Dengan menggunakan matlab didapat grafik :
0 5 10 15 20
3000
3500
4000
4500
5000
5500
Grafik populasi burung terhadap waktu
Waktu ke n
P
o
p
u
l
a
s
i

b
u
r
u
n
g



y = - 7.8*x
2
+ 2.3e+002*x + 3.2e+003
data 1
quadratic

Rata-rata pertumbuhan populasi = Perubahan populasi / interval waktu
rata-rata pertumbuhan populasi proporsional = rata-rata pertumbuhan
populasi / populasi pada tahun yang dimaksud ; sesuai table berikut :
24
Tahun ke- Rata-rata Pertumbuhan Rata-rata Pertumbuhan Proporsional
0-1 400 0.133333333
1-2 320 0.094117647
2-3 256 0.068817204
3-4 204.8 0.051509054
4-5 163.84 0.039188672
5-6 131.072 0.030168668
6-7 104.8576 0.023428138
7-8 83.88608 0.01831346
8-9 67.108864 0.014387287
9-10 53.6870912 0.011346583
10-11 42.94967296 0.008975426
11-12 34.35973837 0.007116468
12-13 27.48779069 0.005652945
13-14 21.99023256 0.004496935
14-15 17.59218604 0.003581443
15-16 14.07374884 0.002854929
16-17 11.25899907 0.002277442
17-18 9.007199255 0.001817813
18-19 7.205759404 0.001451612
19-20 5.764607523 0.001159606
Dari pengolahan-pengolahan data diatas sebenarnya populasi dengan jumlah awal
3000 dan tambahan data diatas mengalami peningkatan populasi secara logaritmik :

Hal tersebut juga dapat dilihat dari rata-rata pertumbuhan dan rata-rata
pertumbuhan proporsional yang menurun sehingga mencapai pertumbuhan yang
konstan kelaknya.,Contoh lainya dengan ;
Jumlah awal 8000 burung
Imigrasi 2000 burung/tahun
Emigrasi 1000 burung/tahun
Rata-rata kelahiran 0.45/tahun
Rata-rata kematian 0.65/tahun

25
Tahun ke- Rata-rata kelahiran Rata-rata kematian Jumlah populasi
1 3330 4810 7400
2 3114 4498 6920
3 2941.2 4248.4 6536
4 2802.96 4048.72 6228.8
5 2692.368 3888.976 5983.04
6 2603.8944 3761.1808 5786.432
7 2533.11552 3658.94464 5629.1456
8 2476.492416 3577.155712 5503.31648
9 2431.193933 3511.72457 5402.653184
10 2394.955146 3459.379656 5322.122547
11 2365.964117 3417.503725 5257.698038
12 2342.771294 3384.00298 5206.15843
13 2324.217035 3357.202384 5164.926744
14 2309.373628 3335.761907 5131.941395
15 2297.498902 3318.609526 5105.553116
16 2287.999122 3304.88762 5084.442493
17 2280.399297 3293.910096 5067.553994
18 2274.319438 3285.128077 5054.043196
19 2269.45555 3278.102462 5043.234556
20 2265.56444 3272.481969 5034.587645

0 5 10 15 20
4500
5000
5500
6000
6500
7000
7500
8000
tahun
p
o
p
u
l
a
s
i

b
u
r
u
n
g
Grafik Populasi burung terhadap waktu



y = - 0.8*x
3
+ 36*x
2
- 5.4e+002*x + 7.9e+003
data 1
cubic

26
Tahun ke- Rata-rata Pertumbuhan Rata-rata Pertumbuhan Proporsional
0-1 -600 -0.075
1-2 -480 -0.06486486
2-3 -384 -0.05549133
3-4 -307.2 -0.04700122
4-5 -245.76 -0.03945543
5-6 -196.608 -0.03286089
6-7 -157.2864 -0.02718193
7-8 -125.82912 -0.02235315
8-9 -100.663296 -0.01829139
9-10 -80.5306368 -0.01490576
10-11 -64.42450944 -0.01210504
11-12 -51.53960755 -0.00980269
12-13 -41.23168604 -0.00791979
13-14 -32.98534883 -0.00638641
14-15 -26.38827907 -0.00514197
15-16 -21.11062325 -0.00413484
16-17 -16.8884986 -0.0033216
17-18 -13.51079888 -0.00266614
18-19 -10.80863911 -0.00213861
19-20 -8.646911285 -0.00171456

Dari pengolahan-pengolahan data diatas populasi dengan jumlah awal 8000 dengan
data-data yang sama dengan contoh pertama diatas mengalami penurunan populasi
secara pendekatan polynomial dengan tingkat derajat polynomial yang lebih tinggi
lebih mendekati :
0 5 10 15 20
4500
5000
5500
6000
6500
7000
7500
8000
Grafik Populasi burung terhadap waktu


y = - 0.8*x
3
+ 36*x
2
- 5.4e+002*x + 7.9e+003
y = 0.042*x
4
- 2.5*x
3
+ 57*x
2
- 6.3e+002*x + 8e+003
y = - 0.0018*x
5
+ 0.13*x
4
- 4.1*x
3
+ 69*x
2
- 6.6e+002*x + 8e+003
y = 6.6e-005*x
6
- 0.0058*x
5
+ 0.22*x
4
- 5*x
3
+ 73*x
2
-
6.7e+002*x + 8e+003
data 1
cubic
4th degree
5th degree
6th degree

27
Hal tersebut juga dapat dilihat dari rata-rata pertumbuhan dan rata-rata
pertumbuhan proporsional yang bernilai minus yang berarti penurunan populasi dan
meningkat sehingga mencapai penurunan yang konstan kelaknya
--------------------------------------------------------------------------------------------------------
2. Terdapat 5000 populasi ikan di kolam untuk pemancingan,dengan proporsional
rata-rata kelahiran dan proporsional rata-rata kematian konstan yaitu 0.6 per
tahun dan 0.65 pertahun. Pemilik memasukkan ikan konstan ke kolam 4000 per
tahun dan para pemancing mendapat ikan konstan 3500 ikan pertahun
Tahun ke- Rata-rata
kelahiran
Rata-rata
kematian
Jumlah
populasi
1 3150 3412.5 5250
2 3292.5 3566.875 5487.5
3 3427.875 3713.53125 5713.125
4 3556.48125 3852.854688 5927.46875
5 3678.657188 3985.211953 6131.095313
6 3794.724328 4110.951355 6324.540547
7 3904.988112 4230.403788 6508.31352
8 4009.738706 4343.883598 6682.897844
9 4109.251771 4451.689418 6848.752951
10 4203.789182 4554.104947 7006.315304
11 4293.599723 4651.3997 7155.999539
12 4378.919737 4743.829715 7298.199562
13 4459.97375 4831.638229 7433.289584
14 4536.975063 4915.056318 7561.625104
15 4610.12631 4994.303502 7683.543849
16 4679.619994 5069.588327 7799.366657
17 4745.638994 5141.108911 7909.398324
18 4808.357045 5209.053465 8013.928408
19 4867.939192 5273.600792 8113.231987
20 4924.542233 5334.920752 8207.570388


28
Dengan menggunakan Matlab ;
0 5 10 15 20
5000
5500
6000
6500
7000
7500
8000
8500
Grafik Populasi Ikan
tahun
P
o
p
u
l
a
s
i

i
k
a
n



y = 0.068*x
3
- 6.1*x
2
+ 2.5e+002*x + 5e+003
data 1
cubic

Tahun ke- Rata-rata Pertumbuhan Rata-rata Pertumbuhan Proporsional
0-1 250 0.05
1-2 237.5 0.045238095
2-3 225.625 0.041116173
3-4 214.34375 0.037517777
4-5 203.6265625 0.034353039
5-6 193.4452344 0.031551497
6-7 183.7729727 0.029057126
7-8 174.584324 0.026824818
8-9 165.8551078 0.024817843
9-10 157.5623524 0.023005992
10-11 149.6842348 0.021364188
11-12 142.2000231 0.019871441
12-13 135.0900219 0.018510048
13-14 128.3355208 0.01726497
14-15 121.9187448 0.016123352
15-16 115.8228075 0.015074139
16-17 110.0316672 0.01410777
17-18 104.5300838 0.013215934
18-19 99.30357961 0.012391373
19-20 94.33840063 0.011627721

29
Dari pengolahan-pengolahan data diatas populasi ikan dengan jumlah awal 5000
dengan data-data diatas mengalami peningkatan populasi secara pendekatan
polynomial dengan tingkat derajat polynomial yang lebih tinggi lebih mendekati :
0 5 10 15 20
5000
5500
6000
6500
7000
7500
8000
8500
Grafik Populasi Ikan
tahun
P
o
p
u
l
a
s
i

i
k
a
n


y = 0.068*x
3
- 6.1*x
2
+ 2.5e+002*x + 5e+003
y = - 0.00087*x
4
+ 0.1*x
3
- 6.5*x
2
+ 2.6e+002*x + 5e+003
y = 9e-006*x
5
- 0.0013*x
4
+ 0.11*x
3
- 6.6*x
2
+ 2.6e+002*x +
5e+003
y = - 7.6e-008*x
6
+ 1.4e-005*x
5
- 0.0014*x
4
+ 0.11*x
3
- 6.6*x
2
+
2.6e+002*x + 5e+003
data 1
cubic
4th degree
5th degree
6th degree

Jumlah awal 15000

Tahun ke- Rata-rata
kelahiran
Rata-rata
kematian
Jumlah
populasi
1 8850 9587.5 15000
2 8707.5 9433.125 14750
3 8572.125 9286.46875 14512.5
4 8443.51875 9147.145313 14286.875
5 8321.342813 9014.788047 14072.53125
6 8205.275672 8889.048645 13868.90469
7 8095.011888 8769.596212 13675.45945
8 7990.261294 8656.116402 13491.68648
9 7890.748229 8548.310582 13317.10216
10 7796.210818 8445.895053 13151.24705
11 7706.400277 8348.6003 12993.6847
12 7621.080263 8256.170285 12844.00046
13 7540.02625 8168.361771 12701.80044
14 7463.024937 8084.943682 12566.71042
15 7389.87369 8005.696498 12438.3749
16 7320.380006 7930.411673 12316.45615
17 7254.361006 7858.891089 12200.63334
18 7191.642955 7790.946535 12090.60168
19 7132.060808 7726.399208 11986.07159
20 7075.457767 7665.079248 11886.76801
30
Didapat Grafik populasi terhadap waktu ;

Dengan Matlab ;
0 5 10 15 20
1.15
1.2
1.25
1.3
1.35
1.4
1.45
1.5
x 10
4
Grafik Populasi Ikan terhadap waktu
Waktu dari n ke n+1
P
o
p
u
l
a
s
i

I
k
a
n



y = - 0.068*x
3
+ 6.1*x
2
- 2.5e+002*x + 1.5e+004
y = 0.00087*x
4
- 0.1*x
3
+ 6.5*x
2
- 2.6e+002*x + 1.5e+004
y = - 9e-006*x
5
+ 0.0013*x
4
- 0.11*x
3
+ 6.6*x
2
- 2.6e+002*x +
1.5e+004
data 1
cubic
4th degree
5th degree

Tahun ke- Rata-rata Pertumbuhan Rata-rata Pertumbuhan Proporsional
0-1 -250 -0.016666667
1-2 -237.5 -0.016101695
2-3 -225.625 -0.015546942
3-4 -214.34375 -0.015002844
4-5 -203.6265625 -0.014469789
5-6 -193.4452344 -0.013948126
6-7 -183.7729727 -0.013438157
7-8 -174.584324 -0.012940141
8-9 -165.8551078 -0.012454294
31
9-10 -157.5623524 -0.011980792
10-11 -149.6842348 -0.011519768
11-12 -142.2000231 -0.011071319
12-13 -135.0900219 -0.010635502
13-14 -128.3355208 -0.01021234
14-15 -121.9187448 -0.009801823
15-16 -115.8228075 -0.009403907
16-17 -110.0316672 -0.009018521
17-18 -104.5300838 -0.008645565
18-19 -99.30357961 -0.008284915
19-20 -94.33840063 -0.007936421
Dari pengolahan-pengolahan data diatas populasi ikan dengan jumlah awal 15000
dengan data-data diatas mengalami peniurunan populasi secara pendekatan
polynomial dengan tingkat derajat polynomial yang lebih tinggi lebih mendekati.
--------------------------------------------------------------------------------------------------------
3. Sebuah koloni burung pada awal perpindahanya ke pulau sisilia mempunyai
populasi yang stabil. Populasi meningkat dari jumlah awal secara perlahan.
Ketika populasi mencapai 10000 proporsional rata-rata kelahiran 50 % dan
proporsional rata-rata kematian 10 %. Ketika populasi 20000 proporsional rata-
rata kelahiran 30 % dan proporsional rata-rata kematian 20 %
Ketika mencapai 10000
Rata2 kelahiran 50%
Rata2 kematian 10%
Ketika mencapai 20000
Rata2 kelahiran 30%
Rata2 kematian 20%
Diasumsikan jumlah awal 5000 burung dan tidak ada migrasi dan exploitasi.
Tahun ke- Jumlah Populasi Rata2 kelahiran Rata2 kematian
0 5000 1000 500
1 5500 950 550
2 6000 900 600
3 6500 850 650
4 7000 800 700
5 7500 750 750
6 8000 700 800
7 8500 650 850
8 9000 600 900
9 9500 550 950
10 10000 5000 1000
11 14000 7000 1400
12 19600 5880 3920
13 21560 6468 4312
14 23716 7114.8 4743.2
15 26087.6 7826.28 5217.52
32
16 28696.36 8608.908 5739.272
17 31565.996 9469.7988 6313.1992
18 34722.5956 10416.77868 6944.51912
19 38194.85516 11458.45655 7638.971032
20 42014.34068 12604.3022 8402.868135
21 46215.77474 13864.73242 9243.154949
22 50837.35222 15251.20567 10167.47044
23 55921.08744 16776.32623 11184.21749
24 61513.19618 18453.95886 12302.63924
25 67664.5158 20299.35474 13532.90316
26 74430.96738 22329.29021 14886.19348
27 81874.06412 24562.21924 16374.81282
28 90061.47053 27018.44116 18012.29411
29 99067.61759 29720.28528 19813.52352
30 108974.3793 32692.3138 21794.87587
Didapat grafik antara jumlah populasi terhadap waktu ke n ;

Dengan Matlab ;
0 5 10 15 20 25 30
0
2
4
6
8
10
12
x 10
4
Populasi Burung
Tahun
J
u
m
l
a
h

p
o
p
u
l
a
s
i



y = 2.7*x
3
+ 17*x
2
+ 4.5e+002*x + 4.5e+003
data 1
cubic

33
Tahun ke- Rata-rata pertumbuhan Rata-rata pertumbuhan proporsional
0-1 500 0.1
1-2 500 0.090909091
2-3 500 0.083333333
3-4 500 0.076923077
4-5 500 0.071428571
5-6 500 0.066666667
6-7 500 0.0625
7-8 500 0.058823529
8-9 500 0.055555556
9-10 500 0.052631579
10-11 4000 0.4
11-12 5600 0.4
12-13 1960 0.1
13-14 2156 0.1
14-15 2371.6 0.1
15-16 2608.76 0.1
16-17 2869.636 0.1
17-18 3156.5996 0.1
18-19 3472.25956 0.1
19-20 3819.485516 0.1
20-21 4201.434068 0.1
21-22 4621.577474 0.1
22-23 5083.735222 0.1
23-24 5592.108744 0.1
24-25 6151.319618 0.1
25-26 6766.45158 0.1
26-27 7443.096738 0.1
27-28 8187.406412 0.1
28-29 9006.147053 0.1
29-30 9906.761759 0.1
Jadi populasi burung stabil dilihat dari rata-rata pertumbuhan proporsional.
--------------------------------------------------------------------------------------------------------
4. Sebuah populasi ikan di danau yang besar mempunyai populasi yang stabil
untuk beberapa waktu. Sebelumnya jumlah populasi menurun dari jumlah
relatif awal secara drastis. Ketika populasi mencapai 4000 proporsional rata-rata
kelahiran 10 % dan proporsional rata-rata kematian 70 %. Ketika populasi 3000
proporsional rata-rata kelahiran 30 % dan proporsional rata2 kematian 60 %
Ketika mencapai 4000
Rata2 kelahiran 10%
Rata2 kematian 70%
Ketika mencapai 3000
Rata2 kelahiran 30%
Rata2 kematian 60%

34
Diasumsikan jumlah awal 24000 burung dan tidak ada restocked dan exploitasi.
Bulan ke- Jumlah Populasi Rata2 kelahiran Rata2 kematian
0 24000 1000 5000
1 20000 900 4900
2 16000 700 4700
3 12000 600 4600
4 8000 500 4500
5 4000 400 2800
5.5 2800 840 1680
6 2380 714 1428
7 1666 499.8 999.6
8 1166.2 349.86 699.72
9 816.34 244.902 489.804
10 571.438 171.4314 342.8628
11 400.0066 120.00198 240.00396
12 280.00462 84.001386 168.002772
13 196.003234 58.8009702 117.6019404
14 137.2022638 41.16067914 82.32135828
15 96.04158466 28.8124754 57.6249508
16 67.22910926 20.16873278 40.33746556
17 47.06037648 14.11811295 28.23622589
18 32.94226354 9.882679062 19.76535812
19 23.05958448 6.917875343 13.83575069
20 16.14170913 4.84251274 9.68502548

Didapat grafik antara jumlah populasi terhadap waktu ke n ;


Dengan Matlab ;
35
0 5 10 15 20
-0.5
0
0.5
1
1.5
2
2.5
x 10
4
Populasi Ikan di kolam
Bulan ke n
P
o
p
u
l
a
s
i

I
k
a
n



y = - 11*x
3
+ 4.4e+002*x
2
- 5.8e+003*x + 2.5e+004
y1 vs t1
cubic

Tahun ke- Rata-rata pertumbuhan Rata-rata pertumbuhan proporsional
0-1 -4000 -0.166666667
1-2 -4000 -0.2
2-3 -4000 -0.25
3-4 -4000 -0.333333333
4-5 -4000 -0.5
5-5.5 -1200 -0.3
5.5-6 -420 -0.15
6-7 -714 -0.3
7-8 -499.8 -0.3
8-9 -349.86 -0.3
9-10 -244.902 -0.3
10-11 -171.4314 -0.3
11-12 -120.00198 -0.3
12-13 -84.001386 -0.3
13-14 -58.8009702 -0.3
14-15 -41.16067914 -0.3
15-16 -28.8124754 -0.3
16-17 -20.16873278 -0.3
17-18 -14.11811295 -0.3
18-19 -9.882679062 -0.3
19-20 -6.917875343 -0.3

Jadi populasi burung stabil dilihat dari rata-rata pertumbuhan proporsional.
36
BAB III

Mathematical Modelling in Action
Mempelajari dari sebuah artikel
3.1 Studi Kasus 1 The Percy Grainger Feat
Pendahuluan :
The Percy Grainger seorang komposer yang lahir di Australia tahun 1882.
Sejarahnya ketika itu dia dapat melempar bola cricket melebihi atap dari rumahnya
dan berlari ke menjauhi rumah untuk menangkap bola tersebut .
Model dan Solusi :

Dengan daerah asal di titik nol dari koordinat sistem yang merupakan titik proyeksi
dari bola. x
1
adalah jarak pelempar dari rumah dan x
2
adalah jarak hingga ujung
rumah.H adalah jarak vertikal dari sumbu x ke atas dinding dan L adalah jarak
seterusnya hingga puncak rumah.R adalah jarak tembak bola dengan asumsi
ketinggian permukaan yang sama dari dimana saat dilempar.
Kita mengasumsikan kecepatan bola saat mula dilemparkan V
0
dengan sudut
proyeksi terhadap garis horizontal. Jenis nilai konstan adalah H = 5, L = 2, x
1
=
10, x
2
= 10, dan V
0
= 20 dengan satuan yang sesuai.
Dari formulasi gerak parabola adalah :
) tan 1 (
2
tan
2
2
0
2
+ =
V
gx
x y 1
37
Dengan asumsi saat bola dilemparkan, pelempar dalam keadaan stasioner.
Bagaimana dengan sudut bola?
Jika sangat kecil, bola akan sampai pada sisi dari rumah atau dekat mengenai sisi
atap rumah. Jika sangat besar bola akan mengenai puncak dari atap. Jika pelempar
berlari sangat pelan maka kecepatan arah horizontal bola konstan sebesar V
0
cos
Terdapat tambahan syarat agar solusi terpenuhi :
1. Ketika x = x
1
, y > H;
2. Ketika x = x
1
+ x
2
/2, y > L + H;
3. Ketika x = x
1
+ x
2
,y > H.
Pada syarat ke 2, mengakibatkan pertidaksamaan kuadratik dengan nilai-nilai yang
diketahui diatas maka :
2.8125T
2
15T + 9.8125 < 0, dimana T = tan .
Solusi dari pertidaksamaan tersebut adalah : 0.763 < T < 4.57 = 37.34
0
< <
77.66
0

Pada Syarat ke 3, pertidaksamaan memenuhi : T
2
+ 4T + 2 < 0 = 37.34
0
< <
73.68
0

Sekarang jika pelempar harus berlari dengan kecepatan rata-rata lebih besar dari V
0

cos . Saat cos adalah fungsi yang turun maka berada pada range 0
0
< < 90
0

,maka ketika mengambil besar yang mungkin semisal = 73.68
0
, maka kecepatan
yang dibutuhkan 20 cos atau 5.62 ms
-1
. Ketika = 45
0
rata-rata kecepatan lari
14.14 ms
-1
, tetapi kecepatan seperti itu belum dapat dicapai.

The Bounding Parabola
Gerak parabola dari titik 0 dengan kecepatan V
0
pada daerah sumbu xy. Dengan
tidak adanya hambatan udara maka persamaan trayektori dari gerak parabola :
) tan 1 (
2
tan
2
2
0
2
+ =
V
gx
x y atau 0 ) tan 1 (
2
tan
2
2
0
2
= + y
V
gx
x
Titik (X,Y) adalah daerah yang terpenuhi jika nilai diketahui, maka :
0 ) tan 1 (
2
tan
2
2
0
2
= + Y
V
gx
X
Sehingga persamaan kuadratiknya untuk tan dapat ditulis:
38
0 )
2
1 ( tan
2
tan
2
2
0
2
0 2
= + +
gX
YV
gX
V

Agar mencapai kondisi real maka akar persamaan kuadrat memenuhi :
)
2
1 ( 4
4
2 2
2
X
Ya
X
a
+ = , dimana a = V
0
2
/g
Secara sederhananya kita dapat a
2
= X
2
+ 2aY dan kesimpulan akhir dari persamaan
bounding parabola adalah 2ay = a
2
- x
2
.
Tambahan
Anggap kecepatan lemparan V
0
= 20ms
-1
dan ketinggian maximum lemparan bola
cricket 70 m,
1
0
26 70 10

= = = ms x gR V
Jadi 20ms
-1
akan tercapai dengan kemampuan kita (Ketinggian yang dicapai R =
V
0
2
/g = 40m).
Ambil g = 10, V
0
=20, dan tan = T, maka didapat :
y = Tx-x
2
(1+T
2
)/80
ketika x = 10 +10/2 =15 , kita membutuhkan y > 2 + 5 = 7
maka 15T 225(1+T
2
)/80 > 7 atau 2.8125T
2
15 T +9.8125 < 0

T y
-2 51.0625
-1 27.625
0 9.8125
1 -2.375
2 -8.9375
3 -9.875
4 -5.1875
5 5.125
6 21.0625
7 42.625
8 69.8125


39
-2 0 2 4 6 8
-20
-10
0
10
20
30
40
50
60
70
Grafik persamaan kuadrat
T = tan teta
y



y = 2.8*x
2
- 15*x + 9.8
data 1
quadratic

>> y = [2.8125 -15 9.8125]
y =
2.8125 -15.0000 9.8125
>> roots(y)
ans =
4.5699
0.7635
>> x=[ ];
>> t=[ ];
>> plottools
>> plot(x,t)
Jadi y = 0 pada T = 0.7635 dan 4.5699
Karena solusi tersebut dalam bentuk pertidaksamaan maka 0.763 < T < 4.57 =
37.34
0
< < 77.66
0

Pada pertidaksamaan selanjutnya memenuhi 5T
2
-40T+25<0
40
T z
-2 125
-1 70
0 25
1 -10
2 -35
3 -50
4 -55
5 -50
6 -35
7 -10
8 25

-2 0 2 4 6 8
-60
-40
-20
0
20
40
60
80
100
120
140
T
z



y = 5*x
2
- 40*x + 25
data 1
quadratic

>> z = [5 -40 25]
z =
5 -40 25
>> roots (z)
ans =
7.3166
0.6834
>> z = [];
>> plot(x,z)
>> plottools
41
Karena solusi tersebut dalam bentuk pertidaksamaan maka 0.6834 < T < 7.3166 =
34.33
0
<<82.22
0

Jadi memenuhi 34.33<37.36 dan 77.66<82.22, sedangkan pada kondisi 3
memenuhi 30.36
0
<<73.68
0
, maka kombinasi dari kondisi 1 dan 2 memberikan :
37.36
0
<<73.68
0

Jadi Perry harus melempar bola cricket pada kecepatan 20 ms
-1
dengan sudut 37.36
0
dan 73.68
0

3.2 Studi Kasus 2 The Enveloping Parabola
Derivation of The Enveloping Parabola
Lihat kembali persamaan gerak parabola :
) tan 1 (
2
tan
2
2
0
2
+ =
V
gx
x y atau 0 ) tan 1 (
2
tan
2
2
0
2
= + y
V
gx
x
Sehingga pada titik (X,Y) persamaan kuadratik untuk tan
2
adalah :
0 )
2
1 ( tan
2
tan
2
2
0
2
0 2
= + +
gX
YV
gX
V
.2.1
Seperti yang kita ketahui persamaan kuadratik ax
2
+bx+c mempunyai :
Akar-akar persamaan real jika b
2
- 4ac > 0
Akar-akar persamaan yang sama jika b
2
- 4ac = 0
Akar-akar persamaan kompleks jika b
2
- 4ac < 0
Sehingga akar persamaanya yaitu : )
2
1 ( 4
4
2 2
2
X
Ya
X
a
+ = , dimana a = V
0
2
/g atau a
2
=
X
2
+ 2aY dan kesimpulan akhir dari persamaan enveloping parabola adalah
2ay = a
2
- x
2
..2.2

Permasalahan :
Dewan Perwakilan Rakyat Daerah dii kota Ceshire membuat peraturan bahwa batas
kecepatan pengemudi kendaraan adalah 20 mph ketika berkendaraan di atas jalan
yang sedang atau baru diperbaiki atau di pasang batu dan di aspal. Saat diperbaiki
ternyata sesuatu hal diluar perkiraan terdapat lubang besar yang membutuhkan biaya
lagi sehingga memerlukan bebrapa jam hingga perbaikan dan pengaspalan pada
42
lubang tersebut. Mandor disana bermaksud untuk menghindari situasi kecelakaan
yang bisa saja terjadi disebebkan batuan yang jatuh. E (bounding parabola).

Assumsi :
Tidak terjadi slip pada roda ban mobil
Menurut observasi, arah proyeksi random, tetapi kita asumsikan bahwa sisa
batuan pada bidang vertikal mempunyai perpindahan arah dari kendaraan
Kecepatan kendaraan konstan
Hambatan udara ditiadakan
Solusi :
Solusi menggunakan bounding parabola.
Proyeksi batu dari titik 0 sampai waktu t = 0 dan bergerak sepanjang
trayektorinya.Liat gambar:FC(following car) berada pada koordinat (S,h). Pada
waktu t
E
posisi dari FC adalah :
S Vt
E
dan jadi kendaraan dalam bahaya jika S Vt
E
< X
E
, X
E
adalah x koordinat
dari E
Separation Distance
Dalam hal ini kita membutuhkan hubungan antara S dengan Kecepatan
kendaraan(v).
43
Pada data memberikan bahwa S dapat dibagi menjadi dua bagian (a) S
T
(dimana
jarak saat pengemudi bereaksi menginjak pedal rem. Dan (b) S
B
(jarak power
pengereman).
Data Jarak pemberhentian terpendek
Kecepatan 30 m.p.h
S
T
(30) S
B
(45 kaki) Akhir jarak
pemberhentia
n (75 kaki)
50 m.p.h
S
T
(50)

S
B
(125 kaki)

Akhir jarak
pemberhentia
n (175 kaki)
70 m.p.h
S
T
(50) S
B
(125 kaki) Akhir jarak
pemberhentia
n (175 kaki)

Dari data tersebut didapat : S
T
= V feet
Didapat hubungan S
B
= kV

. Jadi S
B
= logV + log k , dengan mengasumsikan =2
dan k mennujukan 0.05 sehingga S = S
T
+ S
B
= V + 0.05V
2
, dimana satuan S (kaki)
44
dan V(mph), sedangkan dalam satuan SI S(m) dan V(m/s
2
) maka S = 0.682+
0.076V
2
Grafik antara log S terhadap log V
V S
10 8.282
100 760.682
1000 76000.68

Log
(V) (Log S)
1 0.918135
2 2.881203
3 4.880817

Dari persamaan 2.2 didapat ) 2 ( h a a X
E
= dimana a = V
2
/g. .2.3
Dengan tan = a/x dan ketika x = Vt cos 2.4, maka ;
V
x a
t
E
) (
2 2
+
= ..2.5
Kombinasi dari persamaan-persamaan diatas didapat bahwa kendaraan akan bahaya
jika :
)) ( 2 ( ) 2 / ( ) 076 . 0 682 . 0 ( )) 2 ( ( )) ( 2 (
2
2
h
g
V
h g V V g h a a h a a S + < + = <
..2.6
Dengan analitik maupun numerik akan didapatkan h = 0.75 m yang berarti kita
dapat memperkirakan jika pengemudi berkendaraan dengan kecepatan melebihi
5.531 ms
-1
maka baginya akan berbahaya. Untuk menghitung waktu t
h
> t
E
, dimana
g
gh V V
t
h
2 sin ( sin
2 2
+
=






45
3.3 Studi Kasus 3 Drug Therapy
Pasien yang mempunyai sesak nafas karena asma akibat udara dingin akan
menyebabkan nafas terengah-engah. Dosis obat disesuaikan dengan konsentrasi
aliran darah terhadap waktu, Berikut data dari hasil eksperimen : ,dengan jumlah
awal 300 mg, maka:
Konsentrasi (mg/l) Waktu (jam)
10 1
7 3
5 5
3.5 7
2.5 9
2 11
1.5 13
1 15
0.7 17
0.5 19

Eksperimen lainya memberikan hubungan antara distribusi volume dengan berat
badan pasien V = 1/2W. Dengan dosis(D) mg berisi konsentrasi 12 mg/l d pada
berat badan pasien 50 kg didapat D/V = 12 jadi D = 12V = 6W = 300 mg.
Grafik Konsentrasi c(t) terhadap waktu (t) menghasilkan grafik eksponensial :



46
Sehingga kita lihat grafik ln(c) terhadap t :

Kita mengharapkan teori yang menghasilkan bahwa c(t) = c
0
e
-kt
. Untuk mendukung
teori tersebut maka kita lihat: dy/dt = -ky, kita nyatakan hubungan konsentarsi
dengan volume, c(t) = y(t)/V
Maka dc/dt = c
0
e
-kt
sebagai antisipasi, sehingga kita mempunyai ln c = ln c
0
kt.
Sesuai data eksperimen diatas dengan grafik memberikan c
0
= 11.48 mg/l, k =
0.16/jam untuk berat badan pasien 50 kg. Dengan mengasumsikan D mg(dimana
D/V = c
0
) memberikan waktu T.
Kita mengetahui c(t) = c
0
e
-kt
maka kita punya :
c(T) = = c
0
e
-kT
dan c(T
+
) = c
0
+ c
0
e
-kT
, sehingga c(t) = c
0
(1+ e
-kT
)e
-k(t-T)
untuk t > T,
maka : c(2T) = c
0
(1+ e
-kT
) e
-kT
= c
0
(e
-kT
+ e
-2kT
) dan c(2T
+
) = c
0
(1+ e
-kT
+ e
-2kT
)setelah
dosis lain.maka c(nT
+
) = c
0
(1+ e
-kT
) +e
-nkT
, sehingga c
0
(1- e
-kT
) untuk n yang besar.
Sekarang kita coba membagi dosis D dan Interval T untuk menjaga konsentrasi
terapi pada range 5c(t)20.Untuk w = 50 dan k =0.16 maka c
0
= 20(1- e
-kT
)
dehingga D=25c
0
, Sehingga akan didapat data pada tabel berikut :
T c
0
D c(T)
1 3.126704 78.16759 2.63789
2 5.764594 144.1148 4.103067
3 7.990088 199.7522 4.798013
4 9.86766 246.6915 4.999124
5 11.4517 286.2925 4.894628
6 12.7881 319.7025 4.611325
7 13.91557 347.8894 4.233414
8 14.86678 371.6696 3.81572
9 15.66929 391.7322 3.392959
47
10 16.34633 408.6582 2.986205
11 16.91753 422.9382 2.607391
12 17.39943 434.9856 2.262425
13 17.80599 445.1497 1.953328
14 18.14899 453.7247 1.679699
15 18.43837 460.9592 1.439698
16 18.6825 467.0626 1.230705
17 18.88848 472.2119 1.04975
18 19.06225 476.5562 0.893785
19 19.20885 480.2213 0.759854
20 19.33253 483.3134 0.64519
21 19.43688 485.9221 0.547262
22 19.52492 488.1229 0.463797
23 19.59919 489.9797 0.392778
24 19.66185 491.5463 0.332432


Sehingga dari grafik D tehadap T kita dapat lihat bahwa jika kita memilih T = 4
maka akan memnuhi syarat 5c(t)20 maka kita dapat memberikan rekomendasi
bahwa : Berikan dosis 250 mg setiap 4 jam sekali

3.4 Studi Kasus 4 Tikus Besar (Tikus Hutan)
Dalam sebuah eksperimen oleh ahli Biologi, B.F.Calhoun, distribusi populasi tikus
hutan di Norway mencapai=4840 yar persegi: 0.4646 ha. Kematian tikus dewasa
rata-rata konstan 5% per bulan, jumlah dari kerapatan populasi bayi tikus yang
bertahan meningkat, yaitu rata-rata kelahiran mencapai 0.4 bayi tikus/bulan, masing-
48
masing tikus betina hanya melahirkan 0.4K anak/bulan. Buat sketsa kasar dari rata-
rata kelahiran dan kematian (/bulan) terhadap populasi tikus, dan pergunakan alasan
bahwa populasi stabil tikus pada populasi 200 tikus. Perkirakan grafik dari K diatas
dan buat model persamaan diferensial dan temukan berapa banyak pertumbuhan
populasi per tahun?
Berikut grafik K terhadap kerapatan populasi :
kerapatan populasi K
0 1
0.1 0.8
0.2 0.2
0.25 0.1

Solusi :
Dari Informasi diatas didapatkan :
Kematian rata-rata (DR) = 0.05 P .1
dengan P populasi tikus dewasa. Untuk kelahiran rata-rata kita asumsikan karena
ketidakadaan informasi bahwa setengah jumlah populasi tikus dewasa adalah tikus
betina. Maka kelahiran rata-rata memberikan :
BR = 0.4 K P/2 ....2
Agar dapat membuat sketsa BR dan DR terhadap Populasi P, kita lihat grafik K
terhadap kerapatan populasi, kita juga tahu distribusi populasi tikus acre =1000
m
2
sehingga kita dapat mengubah sumbu x ;

Sehingga kita dapat membuar grafik (sketsa kasar) DR dan BR terhadap populasi :
49
Populasi DR BR
0 0 0
100 5 16
200 10 8
250 12.5 5

Dari grafik diatas kita dapat lihat terdapat titik poting yaitu ketika BR = DR ketika
P = 200, sehingga kita dapat tulis :
dp/dt = BR DR = 0.2 KP 0.05 P =0.2P(K 0.25) , maka populasi stasioner
ketika dp/dt = 0 yaitu ketika K = 0.25 ,kita lihat grafik berikut :
Grafik antara K terhadap Populasi tikus lalu kita ambil daerah pada pendekatan
linearitas yang ditunjukan di bawah ini :

Populasi K
0 1
100 0.8
200 0.2
250 0.1


50

Sehingga dapat kita aproksimasi dari persamaan linearitas yang didapat :
K =0.005(250 P) atau subsitusi ke persamaan diferensial :
dP/dt = 0.2P[0.005(250-P)-0.25] = 0.001P(200-P) , dengan populasi stabil pada
populasi 200
untuk menjawab populasi tikus setelah satu tahun maka harus menyelesaikan
persamaan diatas :
dengan menggunakan separasi variabel dan fraksi parsial diperoleh :
5 /
200
t
Ae
P
P
=

sehingga
1 5 /
) ( 1
200
) (

=
t
Ae
t P untuk P>200
Dengan
0
0
200 P
P
A

= , maka setelah satu tahun populasi akan mencapai :

1 5 / 12
) ( 1
200
) 12 (

=
Ae
P (3)
Maka grafik P(12)/P
0
terhadap P
0
;
P0 A P(12)+ P(12)- P(12)/P0+ P(12)/P0-
50 0.333333333 157.2137 274.7833 3.144274 5.495667
100 1 183.3655 219.9538 1.833655 2.199538
199 199 199.9089 200.0912 1.004567 1.005483
300 3 194.1297 206.2364 0.647099 0.687455
400 2 191.3218 209.5028 0.478305 0.523757

51


3.5 Studi Kasus 5 Handicapping Weightlifters
Permasalahan :
Angkat besi merupakan olahraga minoritas.Berikut Rekor dunia angkat besi hingga
31 Juli 1977 ;
Bodyweight kg Lift Lifted Nama dan Negara Tanggal
Class (Kg)
Flyweight 52 S 109 A.Voronin (USSR) 18-Mar-77
J 141 A.Voronin (USSR) 18-Jul-76
Bantam weight 56 S 120.5 K.Miki (Japan) 25-Oct-76
J 151 M. Nassiri(Iran) 2-Aug-73
FeatherWeight 60 S 130 G. Todorov(Bulgaria) 25-May-76
J 161.5 N. Kolesnikov (USSR) 20-Jul-76
Light weight 67.5 S 141.5 A. Aibazian(USSR) 15-Jul-77
J 180 S. Pevzner(USSR) 16-Jul-77
Middleweight 75 S 157.5 Y. Vardanyan (USSR) 7-May-77
J 195 V. Milotosyan(USSR) 30-Jan-77
Light-
Heavyweight
82.5 S 170 B. Blagoyev (Bulgaria) 25-May-76
J 207.5 R. Milser (Jerman) 8-Apr-76
Middle-
Heavyweight
90 S 180 D. Rigert (USSR) 14-May-76
J 221 D. Rigert (USSR) 14-May-76
Heavyweight 110 S 185 V. Khristov (Bulgaria) 10-Apr-76
J 237.5 V. Khristov (Bulgaria) 22-Sep-75
Super-
Heavyweight
> 110 S 200 K. Plachkov (Bulgaria) 25-May-76
J 255 V. Alexeev (USSR) 27-Jul-76
S snatch, J Jerk
52
Bodyweight Class Total Winning
Lifts

S J Total
Flyweight 105 137.5 242.5
Bantam weight 117.5 145 262.5
FeatherWeight 125 160 285
Light weight 135 172.5 307.5
Middleweight 145 190 335
Light-Heavyweight 162.5 202.5 365
Middle-
Heavyweight
170 212.5 382.5
Heavyweight 175 225 400

Buat metode formulasi permasalahan diatas , gunakan formula tersebut untuk
menemukan keseluruhan pemenang untuk pemenang snatch lifts pada tahun 1976
di Olimpiade Montreal dari tabel yang kedua.
Model Matematis Grafik Lift (kg) terhadap Body Weight, B (kg)

(i) Model Linear
Sebagai contoh TV Superstar menggunakan model L = L B, dimana L adalah
handicapped lift, L adalah Lift dan B BodyWeight Lifter, namun model ini kurang
akurat dan terlalu sederhana .
(ii) Model Power
Dengan ini kita mengasumsikan L = kB

dimana k dan konstan) maka ; Log L =

log k + log B, ini berarti log L log B akan merupakan garis lurus dengan gradien
, berikut grafik log L terhadap log B ;
53

Dalam faktanya terdapat dua hukum model power yang dapat digunakan secara luas,
yaitu :
(a) Perumusan Austin yaitu power law , L = L/B
3/4
(b) Perumusan klasik yaitu 2/3 power law, L = L/B
2/3

Secara sederhana kita asumsikan bahwa lift adalah ukuran untuk rata-rata area
setempat dari otot para lifter (A) sehingga L = k
1
A, kita juga mengasumsikan bahwa
A adalah proporsi kuadrat dari jenis kekuatan jenis tubuh (l) sehingga A = k
2
l
2
serta
hubungan kekuatan jenis tubuh dengan berat badan adalah B = k
3
l
3
jadi kesimpulan
asumsi adalah :
L = k
1
k
2
l
2
= k
1
k
2
(B/k
3
)
2/3

(c) Perumusan OCaroll
Dari asumsi-asumsi pada perumusan klasik kita dapat mengeneralisasikan L =
K
1
A
x
< 1(i) dengan A = K
2
l
y
, y<2 (ii)dan B B
0
= K
3
l
3
(iii), dimana total berat badan
B = B
0
+B
1
. Sekarang dari persamaan (i),(ii),(iii) kita menarik kesimpulan L = K(B-
B
o
)

dengan K dan konstan.

Misalkan kita ambil : B
0
= 35 kg , = 1/3 memberikan model matematis L = K(B-
35)
1/3
maka
L =
3 / 1
) 35 ( B
L

Kita lihat grafik L terhadap log (B-35) yaitu :
54

(d) Perumusan Vorobyev
900 / ) 60 ( 45 . 0 [
+
=
B B
B L
n , dengan L+B merupakan dasar lifter mampu
mengangkat beban,
Berikut degrees of merit dari world record lift :
Bodyweight Class Degrees of merit
S J
Flyweight 6.747 8.088
Bantam weight 6.936 8.135
FeatherWeight 7.037 8.204
Light weight 7.010 8.301
Middleweight 7.154 8.308
Light-Heavyweight 7.201 8.371
Middle-Heavyweight 7.199 8.293
Heavyweight 6.800 8.010
Dengan menggunakan model handicapping, Snatch lifter terbaik yaitu light-
heavyweight (Blagoyev dari Bulgaria) dan Jerk Lifter terbaik adalah middleweight
(Milotosyan dari USSSR). Dengan menggunakan perumusan-perumusan tersebut
diatas kita cari L sebagai berikut :
1. Superstar L = L B +75
2. Austin L = L(75/B)
3/4

3. Klasik L = L(75/B)
3/2
4. OCaroll L = L[40/(B-35)]
1/3

5. Vorobyev L = [2950(L+B)/B(465-B)]-75
55
Sehingga deidapat sesuai tabel berikut ini :
Bodyweight
Class
S Super
star
Austin Klasik O'Carroll Vorobyev
Flyweight 105 128 138.1919 134.0379917 139.65602 138.8317191
Bantam weight 117.5 136.5 146.2826 142.7644328 145.65255 146.5715596
FeatherWeight 125 140 147.7721 145.0496511 146.20089 147.6851852
Light weight 135 142.5 146.1006 144.8234077 144.67472 145.754717
Middleweight 145 145 145 145 145 145
Light-
Heavyweight
162.5 155 151.2895 152.4959261 153.45304 152.0944742
Middle-
Heavyweight
170 155 148.2733 150.5432973 152.87907 150.3333333
Heavyweight 175 140 131.3075 135.5658914 141.91805 138.4763124
Jadi dapat dilihat dari pengolahan data dengan model diatas disimpulkan bahwa
Snatcher terbaik di kejuaraan Olimpic adalah di light-heavyweight, V.Shery (USA)

3.6 Studi Kasus 6 Insulating a House
Pemanasan di rumah atau rumah bertingkat memerlukan biaya yang mahal karena
memerlukan bahan-nahan yang mahal pula, sehingga disini kita membuat double
glaze pada dinding rumah, jadi dengan menyekat rumah diharapkan pemanasn
terkendali. Gambar berikut menunjukan proporsi relatif dari heat loss untuk rata-
rata ukuran rumah:


56
Berikut menunjukan dua data untuk insulasi rumah :
How much money you can save for every pound spent on fuel
25p Dengan Cavity wall insulation
16p Dengan Loft Insulation
7p Dengan Floor Insulation
5p Dengan Draught Excluder
5p Dengan Double Glazing

komersial untuk double glazing
Single
Glaze
Window
Double
Glazing
Air Gap
Frame Material U
Value
Insulation
Effieciency
% index 100
Type A 20 mm Alumunium
Alumunium with
Plastic
Thermal Break
5.6
2.2
100 %
254 %
Type B 20 mm Alumunium with
Plastic
Thermal Break
2.9 193 %
Type C 12 mm Alumunium with
Plastic
Thermal Break
3.0 187 %
Type D 12 mm Alumunium with
Plastic
Thermal Break
3.2 175 %
Type E 20 mm Alumunium with
Plastic
Thermal Break
3.3 170 %
Type F 9.5 mm Alumunium 3.7 151 %
Hal hal yang berpengaruh :
(i) ekonomi
1. Biaya instalasi
2. Biaya bahan bakar
3. Jenis double gazing yang akan digunakan
4. Inflasi
57
(ii) heat loss
5. Temperatur ruangan
6. Temperatur diluar
7. Konveksi
8. Komduksi
9. Radiasi
10. Luas dinding

11. Luas jendela
12. Ketebalan kaca
13. Konstanta panas dari kaca
14. Ketebalan dinding
15. Konstanta panas dari
dinding
16. Pengaruh insulasi

Kita asumsikan pengaruh dari ekonomi yang penting, yaitu :
Biaya pemasangan double glazing = C
G
,
Biaya pemasangan insulasi rongga dinding = C
B

Apabila dilihat dari dua aspek ekonomi dan heat transfer maka ;
Amount of money saved in unit time = quantity of heat saved x cost of a unit
amountof heat Dan heat loss per unit arae = U x (Total temperatur difference)
Tabel berikut menunjukan harga U untuk dinding dan jendela ;
Material Harga U (Wm
-2
C
-1
)
Batu bata (no cavity) 1.92
Batu Bata (cavity not filled) 0.873
Batu bata (filled cavity) 0.5
Single glass (6 mm) 6.41
Double Glazed Window) 1.27

Peristiwa heat loss diperlihatkan pada gambar berikut :
58

Hubungan heat loss per unit area, Q dengan T
1
-T
2
dengan persamaan linear
sederhana :
Q = K/a(T
1
-T
2
), dengan K konduktivitas termal dan a ketebalan material.
Model matematis dengan terjadinya konveksi yaitu :
Q = h
1
(T
1
-T
2
) dan Q = h
2
(T
1
-T
2
), dengan h
1
dan h
2
konstan yaitu koefisien
konvektif transfer panas.
Jadi, dengan menggunakan hubungan tiga temperatur T
I
, T
1
,T
2
dan T
0
yaitu :
Q = h
1
(T
I
-T
2
), Q = K/a(T
1
-T
2
), dan Q = h
2
(T
1
-T
2
) maka dengan mengeliminasi T
1

dan T
2
;
o I
T T Q
h K
a
h
=
(

+ +
2 1
1 1
atau Q = U(T
1
-T
0
)
Jenis harga untuk single glazed window adalah ;
h
1
= 10 Wm
-2
C
-1
, h
2
= 20 Wm
-2
C
-1
, K = 1 Wm
-1
C
-1
dan a = 0.006 m memberikan
1 2
1
4 . 6
20
1
006 . 0
10
1

=
(

+ + = C Wm U
Kita definisikan variabel :
Area dari kaca = A
G
dan Area diniding luar = A
B
Jumlah money saved per satuan waktu = S
G
(kaca),S
B
(dinding)
59
Heat saved akibat insulasi per satuan waktu = H
G
(kaca),H
B
(dinding)
Biaya double glazing = C
G
(jendela),C
B
(dinding)
Biaya heat per satuan waktu = c
Untuk Jendela
H
G
= U
N
A
G
(T
I
-T
0
)-U
I
A
G
(T
I
-T
0
) (dalam Watt)
S
G
= c H
G
, dimana U
N
dan U
I
harga untuk single dan double glazed jendela
Untuk dinding
H
B
= U
N
A
B
(T
I
-T
0
)-U
I
A
G
(T
I
-T
0
) (dalam Watt)
S
B
= c H
B
, dimana U
N
dan U
I
harga untuk single dan double glazed jendela
Strategi untuk Cost-Effectiveness
Dengan P adalah payback period untuk pemasangan insulasi maka untuk Jendela :
G
G
G
S
C
P = , Dan untuk dinding ;
B
B
B
S
C
P = maka model formulasinya yaitu ;
Jika P
G
/P
B
> 1 ,pemasangan untuk insulasi dinding
Jika P
G
/P
B
< 1 ,pemasangan untuk double glazing
Sehingga kita mempunyai :
G
B
B
G
N G B
N B G
I G I N B
I B I N G
B
B
G
G
B
G
A
A
C
C
U U A C
U U A C
T T A U U c C
T T A U U c C
C
S
x
S
C
P
P
0726 . 0
) (
) ' ' (
) ( ) (
) ( ) ' ' (
1
1
0
0
=

=


= =
Dengan C
G
= c
G
A
G
dan C
B
= c
B
A
B
maka ;
Sehingga P
G
/P
B
= 0.0726 c
G
/c
B
= 0.0726x
Dimana x = c
G
/c
B
maka grafik P
G
/P
B
terhadap x adalah ;


60
BAB IV
Developing Modelling Skills

4.1 Studi Kasus ; Permasalahan antre di Bandara
Permasalahan antrean menjadi aktivitas yang besar di bandara-bandara internasional.
Situasinya dapat dilihat gambar berikut ; ceritanya pesawat :

Ketika pesawat tiba melebihi rambu(beacon) pesawat dapat melakukan salah satu
dari dua opsi yaitu (i) pesawat dapat memulai pendaratan (ii) pesawat menunggu
melebihi beacon (ketika menunggu melebihi beacon), pesawat bergabung di
lingkaran antrean di atas bandara.
Berikut diagram time-line saat pesawat tiba dan mendarat di landasan pesawat.
Pesawat 2 Pesawat 3 Pesawat 4 Pesawat 5
Waktu tiba (sekon) 46 22 214 245
Waktu mendarat (sekon) 270 222 52 26
Pesawat pertama tiba 46 sekon setelah pengawasan dimulai, dan kita dapat
mengasumsikan bahwa di landasan clear. Waktu untuk pesawat pertama selesai
mendarat adalah 270 sekon, sehingga pesawat selanjutnya tidak dapat memulai
mendarat hingga waktu (46 + 270) =316 sekon setelah pengawasan dimulai. Saat
pesawat 1 mendarat , pesawat 2 tiba di tempat Saat Waktu 46 + 22 =68 sekon
61
setelah pengawasan dimulai, maka waktu antrean (316 68 = 248 sekon). Pesawat 3
tiba saat t = (46 +22 ) + 214 = 282
Situasi tersebut diilustrasikan sebagai berikut :

Problem ; Berapa lama pesawat 3 harus menunggu dan apa yang terjadi dengan
pesawat 4 ;
Ilustrasi dari table diatas adalah ;

Sehingga dari data diatas dapat dibuat grafik berikut ;
Peristiwa Waktu
mulai
Panjang
antrean
Keadaan
landasan
Waktu tiba
selanjutnya
Akhir
dari
landasan
Total waktu
landasan tidak
lagi digunakan
Keadaan
awal
0 0 no 46 -- 0
Tiba 1 46 1 yes 68 316 46
Tiba 2 68 2 yes 282 316 46
Tiba 3 282 3 yes 527 316 46
Akhir
landasan1
316 2 yes 527 538 46
62
Tiba 4 527 3 yes -- 538 46
Akhir
landasan 2
538 2 yes -- 590 46
Akhir
landasan 3
590 1 yes -- 616 46
Akhir
landasan 4
616 0 no -- -- 46

Untuk memberikan solusi yang komplit dari pola pendaratan pesawat, terdapat
beberapa hal yang dibutuhkan yaitu :
Skema tiba pesawat saat melebihi beacon
Waktu pendaratan
Kedisiplinan saat queue
Kondisi awal lainya
Sebagai contoh kita lihat table tibanya pesawat selama 60 detik ;
Inter arrival time
(sekon)
Jumlah pesawat Frekuensi relatif Frekuensi
kumulatif
0-59 44 0.22 0.22
60-119 34 0.17 0.39
120-179 27 0.135 0.525
180-239 22 0.11 0.635
240-299 16 0.08 0.715
300-359 13 0.065 0.780
360-419 10 0.05 0.830
420-479 8 0.04 0.870
480-539 6 0.03 0.900
540-599 5 0.025 0.925
600-659 4 0.02 0.945
660-719 3 0.015 0.960
720-779 2 0.01 0.970
63
780-839 2 0.01 0.980
840-899 1 0.005 0.985
900-959 1 0.005 0.990
960-1019 1 0.005 0.995
1020-1079 0 0 0.995
1080-1139 1 0.005 1
1140-1199 0 0 1

Dapat dilihat grafik antara waktu terhadap frekuensi kumulatif ;

Kita Interpolasi ;
Interpolasi Linear :

Grafik diatas dilukiskan sebagai berikut :
64

Jadi formula untuk gradien garis AB adalah ;
1 2
1 2
1
1
t t
r r
t t
r r

, sehingga diberikan formula untuk t yaitu ;

) (
1 2
1 2
1
1
t t
r r
r r
t t

+ = ..(1)
Sehingga memberikan nilai r yang random, dengan r adalah frekuensi kumulatif
maka kita dapat menghitung nilai t dengan persamaan. Misalkan untuk r = 0.43
maka t
1
= 120, r
1
= 0.39, t
2
= 180 dan r
2
= 0.525 maka t adalah ;
138 ) 120 180 (
39 . 0 525 . 0
39 . 0 43 . 0
120 =

+ = t
Atau dengan menggunakan grafik akan didapatkan persamaan untuk mencari nilai t
dari r yang random ;

65
Dengan nilai korelasi yang cukup tinggi maka kita dapat mencari nilai t yang lebih
akurat, dengan menggunakan matlab didapat ;
Inter-arrival time (s) random number
0.17953 48
0.24106 68
0.42675 139
0.11392 29
0.50623 178

>> y = [-6E-12 9E-09 -8E-06 0.004 -0.17753]
y =
-0.0000 0.0000 -0.0000 0.0040 -0.1775
>> roots(y)
ans =
1.0e+002 *
3.1883 + 8.0126i
3.1883 - 8.0126i
8.1343
0.4891
>> 0.002-0.24106
ans =
-0.2391
>> y = [-6E-12 9E-09 -8E-06 0.004 -0.2391]
y =
-0.0000 0.0000 -0.0000 0.0040 -0.2391
>> roots(y)
ans =
1.0e+002 *
3.1692 + 7.9327i
3.1692 - 7.9327i
7.9770
0.6846
>> 0.002-0.42675
ans =
-0.4248
66
>> y = [-6E-12 9E-09 -8E-06 0.004 -0.4248]
y =
-0.0000 0.0000 -0.0000 0.0040 -0.4248
>> roots(y)
ans =
1.0e+002 *
3.0978 + 7.6710i
3.0978 - 7.6710i
7.4080
1.3964
>> 0.002-0.11392
ans =
-0.1119
>> y = [-6E-12 9E-09 -8E-06 0.004 -0.1119]
y =
-0.0000 0.0000 -0.0000 0.0040 -0.1119
>> roots(y)
ans =
1.0e+002 *
3.2067 + 8.0945i
3.2067 - 8.0945i
8.2897
0.2968
>> 0.002-0.50623
ans =
-0.5042
>> y = [-6E-12 9E-09 -8E-06 0.004 -0.5042]
y =
-0.0000 0.0000 -0.0000 0.0040 -0.5042
>> roots(y)
ans =
1.0e+002 *
3.0586 + 7.5479i
3.0586 - 7.5479i
7.0979
1.7850

67
4.2 Dimensional Analysis Modelling
Contoh 2
Didalam Ilmu pengetahuan dan teknologi sering kali kita menggunakan satuan
untuk kebutuhan penelitian. Secara umum dasar dimensi yaitu M, L, T.
Dimensi dari massa adalah M
Dimensi dari panjang adalah L
Dimensi dari waktu adalah T
Sering dituliskan dalam bentuk [ ] semisal [massa] = M , [waktu] = T
Kita lihat contoh menentukan dimensi untuk kecepatan dengan satuan ms
-1
,
sehingga kita dapat tulis:
[kecepatan] = LT
-1

Dan untuk luas adalah m
2
dapat ditulis [luas] = L
2

Sebagai alternatif dapat digunakan formulasi dengan mendefinisikan kecepatan dan
luas ;
1
] [

= = = = LT
T
L
speed
Waktu
Jarak
speed
Dan untuk arae = panjang x lebar = [luas] = L x L = L
2

Contoh 3
Persamaan untuk gas ideal adalah ; T R p = , dimana P = tekanan, rho = densitas
dan R konstanta
Sehingga dimensinya kita dapat cari ;
T
p
R

=
1 2 2
3
2 1
] ][ [
] [
] [

= = T L
ML
T ML
T
p
R

Kita dapat memperhatikan dalam contoh ini bahwa beberapa nilai fisis yang konstan
memiliki dimensi sepert R diatas dan beberapa dimensi seperti .

Dimensional Consistency
Contoh 4
Ditunjukan persamaan berikut ini ; s = ut + 1/2gt
2
, kita definisikan satu per satu;
[s] = L , [ut] = LT
-1
T = L ,[1/2at
2
] = LT
-2
T
-2
= L
68
Maka [s] =[ ut] + [1/2gt
2
] = L maka disebut sebagai dimensi konsisten.
Dimensional Modelling ;
Contoh 5
Diberikan simple pendulum dengan massa m, panjang l. Pendulum bergerak osilasi
dengan sudut kecil (maximum). Temukan formula untuk periode osilasi t dengan
diketahui m , l , dan g.
Simple Pendulum

Solusi ;
Kita dekripsikan permasalahan dengan tabel berikut ;
Nilai fisis Simbol Dimensi
Waktu satu kali periode T T
Panjang pendulum L L
Massa beban M M
Gaya gravitasi G LT
-2

Sudut maximum 1

Dengan model matematik ;
T = f(l,m,g,) , untuk mencari dimensi T maka kita asumsikan dalam bentuk
pendekatan power ;

g m kl t = maka untuk model matematis tersebut untuk menemukan dimensi
kita harus menemukan ,,, sehingga ; ] [ ] [

g m kl t =
69
Jika dimasukkan dalam simbol dimensi maka ;

) ( ] [ ) ( ] [
2 2
= = LT M L LT M L k T
Dimana sin[]=1 dan [k] = 1, sehingga persamaan diatas menjadi ;
2 +
= T M L T , sehingga persamaan power dari L,M dan T memberikan ;
L ; + = 0 , M; = 0 ; T = -2+1 sehingga
= -1/2, =-=1/2, =0, disubsitusikan dalam persamaan t maka
didapat :
g
l
k
g
l
k g kl t ) (
2 / 1 2 / 1


= = =

, dalam eksperimen k() = 2.
Jadi dari model dimensi tidak memberikan formula yang eksak untuk t tetapi dapat
memberikan dua prediksi yang penting :
Periode tidak tergantung kepada massa beban (m)
Kuantitas
g
l
adalah skala waktu yang sangat penting dalam permasalahan
ini

Contoh 6 ;
Kecepatan aliran air pada sebuah pipa( v ), tergantung dengan besaran fisis berikut L
Besaran Fisis Simbol Dimensi
Tekanan p ML
-1
T
-2
Panjang Pipa l L
Viskositas air

ML
-1
T
-1
Diameter pipa d L
Rapat jenis air

ML
-3
Formula untuk mencari tekanan :

d l kv p = , dimana k merupakan
dimensi konstan

] [ ] [ ] [ ] [ ] ][ [ ] [ d l v k p =

) ( ) ( ) ( ) ( ) (
3 1 1 1 2 1
= ML L T ML L LT T ML
+ + +
= T L M T ML
3 2 1

Persamaan power dari M, l, dan T memberikan ;
70
M : 1 = +
L : -1 = + - + - 3
T : -2 = - -
diberikan tiga persamaan dengan lima yang tidak diketahui ; kita anggap = a dan
= b, maka kita selesaikan
, , pada jarak a dan b :
= 2 - = 2 a
= 1 - =1 (2 a) = a 1
= -1 - - + + 3 = -1 a b + 2 a + 3(a 1) = a b -2
Sehingga persamaan model power menjadi ;
b
a
a b a a b a
d
l vd
d
k d l kv p
|

\
|
|
|

\
|
= =

2
2
1 2 2
, jadi kita dapat ditulis ;
|
|

\
|
=
d
l vd
f
d
p ,
2
2

, dari persamaan ini dapat disimpulkan bahwa :

Jumlah
2
2
d

adalah dimensi dari tekanan.