Vous êtes sur la page 1sur 53

Volume 5 Nomor 2 Desember 2011m

Volume 5 Nomor 2 | Desember 2011

PENANGGUNG JAWAB
Ketua Jurusan Matematika
FMIPA - Universitas Pattimura

KETUA DEWAN REDAKSI


H. J. Wattimanela, S.Si, M.Si

PENYUNTING AHLI
Prof. Drs. Subanar, Ph.D (UGM Yogyakarta)
Prof. Dr. Edi Baskoro (ITB Bandung)
Dr. Siswadi (IPB Bogor)
Dr. Basuki Widodo, M.Sc (ITS Surabaya)
Prof. Dr. Thomas Pentury, M.Si (Unpatti Ambon)
Prof. Dr. T. G. Ratumanan, M.Pd. (Unpatti Ambon)

PENYUNTING PELAKSANA
F. Y. Rumlawang, S.Si, M.Si
R. W. Matakupan, S.Si, M.Si
M. W. Talakua, S.Pd, M.Si.
E. R. Persulessy, S.Si, M.Si

SEKRETARIAT
H. W. M. Patty, S.Si, M.Sc

PENERBIT (PUBLISHER)
Jurusan Matematika FMIPA
Universitas Pattimura Ambon

ALAMAT EDITOR (EDITORIAL ADDRESS)


Jurusan Matematika
Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Pattimura
Alamat:
Kampus FMIPA UNPATTI
Jl. Ir. M. Putuhena
Ambon - Maluku
VOLUME 5 NOMOR 2 | DESEMBER 2011

PENELITIAN

TEOREMA REPRESENTASI RIESZ–FRECHET PADA RUANG HILBERT Mozart Winston Talakua 1–8
(Riesz–Frechet Representation Theorem in Hilbert Space) Stenly Jondry Nanuru

ANALISIS MODULUS ELASTISITAS DAN ANGKA POISSON BAHAN Matheus Souisa 9–14
DENGAN UJI TARIK
(The Analysis of Modulus of Elasticity and Poisson Number using the Pull Test)

KETAKSAMAAN INTEGRAL GRONWALL-BELLMAN UNTUK FUNGSI Monalisa Engelline Rijoly 15–24


BERPANGKAT Henry Junus Wattimanela
(Integral Inequalities of Gronwall-Bellman for Power Function) Rudy Wolter Matakupan

MODEL GEOGRAPHICALLY WEIGHTED POISSON REGRESSION Salmon Noce Aulele 25–30


DENGAN PEMBOBOT FUNGSI KERNEL GAUSS
Studi Kasus: Jumlah Kematian Bayi di Jawa Timur Tahun 2007

PROYEKSI PENDUDUK BERLIPAT GANDA DI KABUPATEN MALUKU Jefri Tipka 31–34


TENGAH
(Population Projection Than Doubled in Central Maluku Regency)

APLIKASI FUZZY PADA PERMASALAHAN PROGRAM TAK-LINIER Abraham Zacaria Wattimena 35–38
(Fuzzy’s Application in the Problem of Non Linear Programing)

ANALISA KESTABILAN MODEL PENYEBARAN PENYAKIT RABIES Francis Y. Rumlawang 39–44


(The Analysis of Model Stability for the Spread of Rabies Disease) Mario Ivan Nanlohy

SEMIRING Susan Rialita Lisapaly 45–47


(Semiring) Elvinus Richard Persulessy
merupakan Jurnal Ilmu Matematika dan Terapannya sebagai suatu wahana informasi ilmiah yang menyajikan
artikel (naskah) hasil penelitian meliputi bidang-bidang sebagai berikut: matematika analisis, aljabar, matematika
terapan, statistika, pendidikan matematika dan ilmu komputer. Jurnal ini diterbitkan dua kali dalam setahun yaitu
pada bulan Maret dan bulan Desember. Artikel atau naskah-naskah di dalam jurnal ini merupakan hasil-hasil
penelitian pribadi ataupun kelompok yang belum pernah diterbitkan di jurnal-jurnal atau majalah ilmiah lainnya.

Diterbitkan oleh:
Jurusan Matematika
Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Pattimura
Ambon
2011
Copyright © Jurusan Matematika FMIPA Unpatti 2011
Jurnal Barekeng
Vol. 5 No. 2 Hal. 1 – 8 (2011)

TEOREMA REPRESENTASI RIESZ–FRECHET PADA RUANG HILBERT


(Riesz–Frechet Representation Theorem in Hilbert Space)

MOZART W TALAKUA1, STENLY JONDRY NANURU2


1
Staf Jurusan Matematika Fakultas MIPA Universitas Pattimura
2
Alumni Jurusan Matematika Fakultas MIPA Universitas Pattimura
Jl. Ir. M. Putuhena, Kampus Unpatti, Poka-Ambon
email: ocat_08@yahoo.com; stenly.nanuru@yahoo.com

ABSTRACT

Hilbert space is a very important idea of the Davids Hilbert invention. In 1907, Riesz and
Fréchet developed one of the theorem in Hilbert space called the Riesz-Fréchet representation
theorem. This research contains some supporting definitions Banach space, pre-Hilbert spaces,
Hilbert spaces, the duality of Banach and Riesz-Fréchet representation theorem. On Riesz-
Fréchet representation theorem will be shown that a continuous linear functional that exist in
the Hilbert space is an inner product, in other words, there is no continuous linear functional on
a Hilbert space except the inner product.

Keywords: Banach Spaces, Hilbert Spaces, Norm Space, Pre-Hilbert Spaces, Representation
Riesz

PENDAHULUAN termotivasi oleh analog ruang tersebut kemudian


diperluas menjadi ruang dimensi yang tak terbatas dan
Ruang Hilbert diperkenalkan oleh David Hilbert bersama-sama dengan Schmidt memberikan notasi untuk
(1862-1943), seorang ahli matematika yang sangat hasil kali dalam, norma, dan ortogonal. Selanjutnya dalam
terkenal pada generasinya. Penelitian yang dilakukannya tesisnya yang berjudul Learning in Hilbert Spaces, Nimit
menciptakan dasar dari pekerjaannya mengenai “ruang Kumar mencoba menyusun suatu konsep tentang
dimensi tak terbatas”, yang kemudian disebut dengan konvergensi barisan dalam ruang bernorma yang
ruang Hilbert, suatu konsep yang sangat diperlukan dalam mempunyai konsekuensi terhadap barisan Cauchy dan
matematika analisis. gagasan kelengkapannya (Eberhard Zeidler, 1995).
Pada tahun 1907, M.R. Frechet (1878‐1973), dan F. Kecenderungan untuk mempelajari topik‐topik
Riesz (1880‐1956) membuktikan bahwa suatu jawaban dalam analisis, terutama analisis Fourier, persamaan
untuk masalah konvergensi deret Fourier klasik dapat diferensial, dan persamaan integral, secara abstrak
diberikan dalam kaitan dengan Ruang Hilbert L2 (  ,  ) sebagaimana yang dilakukan oleh V. Volterra (1860‐
1940), D. Hilbert (1862‐1943), E. I. Fredholm (1866‐
(Eberhard Zeidler, 1995). Dalam penelitian ini akan
1927), M. R. Frechet (1878‐1973), dan F. Riesz (1880‐
ditunjukkan bahwa hal tersebut merupakan suatu kasus
1956) pada awal abad ke‐20, telah memicu lahirnya
khusus dari suatu hasil abstrak pada sistem ortonormal
sebuah anak‐cabang matematika yang kita kenal sekarang
lengkap dalam ruang Hilbert. Selain itu juga dibahas
sebagai analisis fungsional. Aksioma‐aksioma ruang
beberapa sifat atau teorema tentang ruang pre Hilbert dan
bernorma diperkenalkan pertama kali oleh Riesz ketika ia
ruang Hilbert serta pembuktiannya.
mempelajari operator di ruang fungsi kontinu C[a,b] pada
1918, namun abstraksinya dirumuskan oleh S. Banach
(1892‐1945) dalam disertasinya pada 1920. Perluasannya
TINJAUAN PUSTAKA
untuk ruang bernorma atas lapangan bilangan kompleks C
Dalam perkembangan ilmu matematika (sekitar dikembangkan oleh N. Wiener (1894‐1964) pada 1923
tahun 1909) khususnya dalam bidang analisis tentang (Rudin. W, 1973).
ruang Euclides berdimensi-n, David Hilbert akhirnya Dengan merujuk pada Zeidler (1995) dan Halmos
(1957) yang memberikan pemahaman bahwa setiap ruang
Barekeng Vol. 5 No.2 Hal 1 – 8 (2011) 2

pre Hilbert atas suatu lapangan adalah juga ruang bilangan u seperti ini disebut dengan batas atas
bernorma atas lapangan tersebut dengan aturan (upper bound) dari S.
1 b) Himpunan S dikatakan terbatas ke bawah (bounded
u  u , u 2 , serta beberapa sifat lain pendukung ruang below) jika terdapat suatu bilangan w  
pre Hilbert dan ruang Hilbert. sedemikian hingga w  s untuk semua s  S . Setiap
Kemudian dengan didukung oleh beberapa literatur bilangan w seperti ini disebut dengan batas bawah
lain maka penulis mencoba menyusun sebuah penulisan (lower bound) dari S.
dengan harapan dapat mudah dipahami walaupun c) Suatu himpunan dikatakan terbatas (bounded) jika
umumnya masih bersifat abstrak. terbatas ke atas dan terbatas ke bawah. Jika tidak,
maka dikatakan tidak terbatas (unbounded).
Definisi 2.1. (Ruang Vektor)
Sistem X merupakan ruang vektor atas lapangan F, Definisi 2.5. (Supremum dan Infimum)
terhadap operasi penjumlahan dan pergandaan skalar jika Diberikan himpunan tak kosong S   .
memenuhi aksioma-aksioma di bawah ini : a) Jika S terbatas ke atas, maka suatu bilangan u disebut
1. Tertutup.
supremum (batas atas terkecil) dari S jika memenuhi
v1 , v2  X  v1  v2  X kondisi berikut:
2. Asosiatif. 1) u merupakan batas atas S, dan
v1 , v2 , v3  X  v1  v2   v3  v1  v2  v3  2) jika v adalah sebarang batas atas S, maka u ≤ v.
Ditulis u = sup S .
3. Terdapat elemen netral. b) Jika S terbatas ke bawah, maka suatu bilangan w
   X v  X    v  v    v disebut infimum (batas bawah terbesar) dari S jika
4. Setiap elemen mempunyai invers. memenuhi kondisi berikut:
v  X   v  X  v   v   v  v   1) w merupakan batas bawah S, dan
2) jika t adalah sebarang batas bawah S, maka t ≤ w.
5. Komutatif. Ditulis w = inf S .
v1 , v2  X  v1  v2  v2  v1
6. Tertutup terhadap pergandaan skalar. Definisi 2.6. (Barisan Cauchy)

v  X    F   v  X Barisan bilangan real X  ( xn ) disebut barisan Cauchy

7. Distributif skalar. jika untuk setiap   0 terdapat H    N sedemikian


v  X   ,   F      v   v   v hingga untuk setiap n, m N dengan n, m  H   ,
8. Distributif skalar.
berlaku xn  xm   .
v1 , v2  X   F   v1  v2    v1   v2
9. Asosiatif skalar.
v  X   ,   F    v     v  HASIL DAN PEMBAHASAN
10. Perkalian dengan skalar 1.
v  X  1  F  1 v  v Pada bagian ini akan dibahas mengenai beberapa
definisi dan teorema pendukung pemetaan linier, ruang
selanjutnya ruang vektor X atas lapangan F dinotasikan bernorma, ruang Banach, ruang Hilbert, dan Dualitas
dengan X(F). Banach yang nantinya akan dipakai pada Teorema
Representasi Riesz-Frechet. Sesuai ruang lingkup
Definisi 2.2. (Himpunan Perentang/Spanning Set) pembahasan maka lapangan F (field) yang digunakan
Himpunan {v1 , v2 , , vn } disebut himpunan perentang adalah  atau C.
untuk X jika dan hanya jika setiap vektor dalam X dapat
3.1. Pemetaan Linier.
ditulis sebagai kombinasi linear dari v1 , v2 , , vn .
Definisi 3.1.1. (Devito, 1990).
Diberikan ruang vektor X dan Y atas lapangan F.
Definisi 2.3. (Fungsi Kontinu)
Pemetaan f : X  Y dikatakan linier jika untuk setiap
Misalkan A   , f : A   , dan c  A . Fungsi f
x, y  X dan skalar   F berlaku :
dikatakan kontinu di titik c jika untuk setiap   0
terdapat   0 sedemikian sehingga jika x sebarang titik (1) f aditif : f  x  y  f  x  f  y 
di A sehingga x  c   , maka f ( x)  f (c)   . (2) f homogen : f  x    f  x 

Definisi 2.4. (Batas Atas dan Batas Bawah) Secara singkat Definisi 3.1.1 ditulis sebagai berikut.
Diberikan himpunan tak kosong S   .
a) Himpunan S dikatakan terbatas ke atas (bounded Lemma 3.1.2. (Zaanen, 1997).
above) jika terdapat suatu bilangan u   Diberikan X dan Y masing-masing ruang vektor atas
sedemikian hingga s  u untuk semua s  S . Setiap lapangan F. Pemetaan f : X  Y dikatakan linier jika
dan hanya jika

Talakua, Nanuru
Barekeng Vol. 5 No.2 Hal 1 – 8 (2011) 3

f ( x   y)   f ( x)   f ( y ) a) Fungsi  : X  dinamakan norma bila


untuk setiap x, y  X dan skalar  ,  F . memenuhi:
Bukti:
Diambil sebarang x, y  X dan skalar  ,  F . Karena X
 N1  x  0 untuk setiap x  X
ruang vektor, jadi  x  X ,  y  X dan  x   y  X .  N2  x  0  x  untuk setiap x  X

 N3 
Syarat perlu:
Karena f linier, menurut Definisi 3.1.1 diperoleh  x   x untuk setiap x  X dan skalar
f  x  y   f  x   f   y  ( f aditif )  F
  f  x   f  y ( f homogen)  N4  x  y  x  y untuk setiap x, y  X
Syarat cukup:
b) Ruang linier X yang dilengkapi norma dinamakan
1) Untuk     1 ,
ruang bernorma dan ruang bernorma itu ditulis
f  x  y   f 1 x 1 y 
dengan X,   atau X saja jika normanya sudah
1  f  x   1  f  y 
diketahui.
 f  x  f  y
2) Untuk   0 , Norma untuk koleksi semua fungsi linier kontinu
disajikan pada definisi berikut ini.
f  x   f  x  
 f  x  0 y  Definisi 3.2.2. (Conway, 1990).
Jika X dan Y masing-masing ruang bernorma dan fungsi
  f  x  0  f  y f : X  Y linier dan kontinu, didefinisikan bilangan:
  f  x  

f  inf M : f ( x)  M , x  X dan x  1 
  f  x yang disebut norma f.
Dengan  = vektor nol di dalam X dan  = vektor nol di Bentuk lain dari norma f tersebut di atas bisa dinyatakan
dalam Y.  sebagai

Contoh:
f  sup  f ( x) : x  X dan x  1 . 
1) Untuk setiap ruang vektor X atas lapangan F; Selanjutnya, koleksi semua fungsi linier dan kontinu dari
Pemetaan Nol: ruang bernorma X ke ruang bernorma Y dinotasikan
O : X  X dengan O  x   0 untuk setiap x  X dengan Lc  X , Y  .
merupakan pemetaan linier, juga
Pemetaan Identitas: Bentuk lain dari Definisi 3.2.2 disajikan pada
I : X  X dengan I  x   x untuk setiap x  X teorema berikut ini.
merupakan pemetaan linier.
Teorema 3.2.3. (Conway, 1990).
2) Jika X = [a,b], yaitu koleksi semua fungsi kontinu
Jika X dan Y masing-masing ruang bernorma dan fungsi
dari [a,b] ke  , maka C[a,b] merupakan ruang
f : X  Y linier dan kontinu maka
vektor atas lapangan F dan
b

f  inf M  0 : f  x   M x , x  X 
f : x  C  a,b  f  x    x  t  dt
Bukti:
 
a
merupakan pemetaan linier dari C[a,b] ke  , dan f  sup f ( x) : x  X dan x  1 .
f : x  C  f  x   C  a,b dengan Namakan

f  x  t  
b

 x u  du t  a, b  
  f  inf M  0 : f x  M x , x  X 
a Cukup ditunjukan f   dan   f .
merupakan pemetaan linier.

3.2 Ruang Bernorma


i.  
  inf M  0 : f x  M x , x  X . Jadi untuk 
Dalam suatu ruang vektor, telah diketahui mengenai setiap x  X berlaku
konsep panjang dari suatu vektor atau disebut norma. f  x   x
Selanjutnya, suatu ruang X dikatakan ruang bernorma bila
definisi berikut dipenuhi. Jika x   maka x  0  1
dan f  x   f      0    0   .
Definisi 3.2.1. (Royden, 1989).
Diberikan ruang vektor X atas lapangan F. x
Jika x   dibentuk y  dengan y  1 .
x

Talakua, Nanuru
Barekeng Vol. 5 No.2 Hal 1 – 8 (2011) 4

 
Oleh karena itu f y   y   . Jadi  batas atas Karena T : X Y kontinu di x0  X maka

 f  y  : y X dan 
y  1 . Hal ini berakibat T  xn  x0  T  x0  atau lim T  xn  x0  T  x0  .
x 
Karena diketahui T linier, maka
f  (3.2.1)

lim T  xn  x0   lim T  xn   T  x0  
ii. Sebaliknya f  sup  
f  x  : x  X dan x  1 . Jadi
n  n 

 lim T  xn   T  x0  T  xn  
untuk setiap x  X berakibat f x   f . n 

Jadi lim T  xn     T   .
Diambil sebarang z  X . Jika z   jelas berlaku n

f  z   f      0  f   . Dengan kata lain T kontinu di   X .


(III)  (IV), diketahui T kontinu di   X . Diandaikan
z
Jika z   diperoleh x 
z
dengan z  1 dan
S  T ( x) : xX dan x  1 tak terbatas. Jadi untnuk
f  x  f . setiap bilangan asli n terdapat xn  X , xn   dengan
sifat xn  1 dan T  xn   n ; jadi
 z 
f   f  f  z   f  z dan f salah lim T  xn    (3.3.1)
 
z n 

satu M. Jadi diperoleh xn


Dibentuk yn  untuk setiap n. Jelas yn  X dan
 f (3.2.2) n
Berdasarkan persamaan (3.2.1) dan (3.2.2) menunjukan 1 1
yn  xn  (sebab xn  1 untuk setiap n). Jadi
bahwa   f .  n n
lim yn  0 atau lim  yn   .
n  n 
3.3. Ruang Banach
Berdasarkan bagian sebelumnya setiap konsep, Menurut hipotesisnya diperoleh
pengertian, serta sifat-sifat ruang metrik berlaku pula pada lim T  yn   T   
n
ruang bernorma. Ruang bernorma sebagai ruang metrik d
yang lengkap (setiap barisan Cauchy di X konvergen ke atau
1 
xn   lim T  xn     0
suatu unsur di X) disebut ruang Banach. 1
Selanjutnya, ekuivalensi pernyataan suatu fungsi lim T 
linier kontinu X dengan suatu fungsi linier terbatas X
n  n  n  n
disajikan dalam teorema berikut. yang berakibat
lim T  xn   0 (3.3.2)
Teorema 3.3.1. (Conway, 1990). n
Diketahui X dan Y masing-masing ruang bernorma. Jika Persamaan (3.3.1) dan (3.3.2) merupakan suatu
pemetaan T : X  Y linier, maka pernyataan berikut kontradiksi. Jadi pengandaian salah, yang benar haruslah
ekuivalen; T terbatas.
(I) T kontinu pada X. 
(IV)  (V), menurut hipotesis T  y  : y Y dan y  1 
(II) T kontinu di x0  X
terbatas. Jadi terdapat bilangan M  0 sehingga
(III) T kontinu di   X ,  merupakan vektor nol di dalam
T  y   M untuk setiap y X dan y  1 .
X.
Selanjutnya diambil sebarang x X , diperoleh:
(IV)  T  x : xX dan 
x  1 terbatas.
1. Jika x = 0, maka x    0  1 (jelas)
(V) Terdapat konstanta M  0 sehingga T  x   M x
jadi T  x   T    M x (3.3.3)
untuk setiap x  X .
x
Bukti: 2. Jika x   , maka x  0 . Diambil z   X dan
(I)  (II), cukup jelas, dimana jika T kontinu pada titik x
X maka T kontinu pada setiap elemen di X.
(II)  (III), karena T linier dan   X , maka z 1.
T     Y . Selanjutnya diambil sebarang barisan Menurut hipotesisnya

xn  X dan xn  . T  z M 


x
M
 
Harus ditunjukkan T  xn  T     .
x

Karena xn  , maka xn  x0   x0  x0 .


1
 T  x   M (sebab T linier)
x

Talakua, Nanuru
Barekeng Vol. 5 No.2 Hal 1 – 8 (2011) 5

 T  x  M  x (3.3.4) 1 1
dengan kata lain x, y  x, x 2 y, y 2  x y .
Berdasarkan persamaan (3.3.3) dan (3.3.4), terbukti
terdapat bilangan M  0 sehingga T  x   M  x untuk Untuk melengkapi pembuktian bahwa norma 
setiap x  X . mendefinisikan norma di X, tinggal menunjukkan
ketaksamaan segitiga saja yang disajikan pada teorema
(V)  (I), diketahui T : X  Y linier dan terdapat
berikut.
bilangan M  0 sehingga T  x   M  x untuk setiap
x  X . Dibuktikan T kontinu pada X. Diambil sebarang Teorema 3.3.4. (Ketaksamaan segitiga) (Kreyszig,
1978).
bilangan   0 . Apakah dapat ditemukan bilangan   0
Untuk sebarang dua vektor x dan y di dalam ruang pre-
sehingga jika x, y  X , d1  x, y   x  y  berakibat Hilbert X selalu berlaku ketaksamaan segitiga, yaitu
x y  x  y
d 2 T  x , T  y    T  x   T  y    .
Bukti:
Dari Diambil sebarang dua vektor x, y  X , diperoleh:
T  x   T  y   T  x  y   M  x  y  (M  1). x  y   , 2
0 x y  x  y, x  y

asalkan d1 ( x, y )  x  y    .  x, x  y  y , x  y
M 1
Jadi T kontinu pada X.  x, x  x, y  y, x  y, y

Selanjutnya, norma pada suatu ruang pre-hilbert atau  x, x  x, y  x, y  y , y


ruang hasil kali dalam didefinisikan sebagai berikut.
 x, x  2 Re x, y  y , y
Definisi 3.3.2. (Maddox, 1970).
Diketahui ruang pre-Hilbert X dan x  X . Norma vektor x  x, x  2 x, y  y , y
2 2
dinotasikan dengan x , didefinisikan sebagai bilangan  x 2 x . y  y
non negatif:
 
2
 x  y
x  x, x
Dengan kata lain x  y  x  y 
Teorema 3.3.3 ( Kreyszig, 1978 ).
Jika X suatu ruang pre-Hilbert maka untuk setiap Selanjutnya, perlu diingat bahwa setiap ruang
x, y  X berlaku ketaksamaan Cauchy-Schwartz: bernorma merupakan ruang metrik. Hubungan antara
ruang hasil kali dalam dengan ruang bernorma disajikan
x, y  x  y
pada teorema berikut ini.
Bukti:
Diambil sebarang dua vektor x, y  X , diperoleh: Teorema 3.3.5. (Kreyszig, 1978 ).
Jika y = 0 maka untuk setiap  C berlaku: Setiap ruang hasil kali dalam atau ruang pre-Hilbert X
merupakan ruang bernorma.
0  x   y , x   y  x, x   x   y , x   y Bukti:
 x, x  x ,  y   y , x   y Karena X adalah ruang vektor, maka tinggal diperiksa
bahwa 

 x, x   x , y   y , x   y , y  (3.3.5) memenuhi sifat-sifat norma. Diambil sebarang
x, y  X dan  F , diperoleh:
 N1 
y, x
 C , dipilih  
2
Untuk setiap sehingga x  x, x  0 , jelas dari Definisi 3.3.2
y, y
persamaan (3.3.5) menjadi  N2  2
x  x, x  0  x  0  menurut I 4 
0  x, x 
y, x 
x, y    y , x 
y, x
y, y

  N3  2
 x   x,  x  x, x  
2
x, x  
2
x
2

y, y  y, y 
2 Jadi  x   x
x, y
 N4 
y, x
 x, x  x, y  0  x, x  x  y  x  y menurut Teorema 3.3.4 
y, y y, y
Jadi
2 Setelah didapat definisi norma pada ruang hasil kali
x, y dalam X maka dapat didefinisikan metrik (fungsi jarak),
 x, x
y, y yaitu d ( x, y )  x  y untuk setiap x, y  X . oleh
karena itu kekonvergenan dan barisan Cauchy
mempunyai tujuan jelas.
Talakua, Nanuru
Barekeng Vol. 5 No.2 Hal 1 – 8 (2011) 6

3.4. Ruang Hilbert (2) Fungsi f kontinu, sebab untuk setiap x1 , x2  X


Misalkan X ruang vektor atas lapangan F dan
X 
diperoleh:
,
f  x1   f  x2   x1 , y  x2 , y
merupakan ruang hasil kali dalam, dapat

ditunjukan pemetaan  : X  F dimana x  x, x


 x1  x2 , y
untuk setiap x  X merupakan suatu ruang bernorma.
Apabila ruang bernorma tersebut lengkap dimana setiap  x1  x2 y 
barisan Cauchy di X konvergen ke suatu unsur di X, maka 
ruang ini disebut ruang Hilbert. Sehingga dapat asalkan x1  x2    
disimpulkan bahwa pada dasarnya ruang Hilbert adalah y 1
ruang Banach dengan norma yang ditentukan dari ruang
hasil kali dalam. Lemma 3.6.2. (Maddox, 1970).
Diketahui ruang Hilbert H. G  H , G  H sub ruang
Definisi 3.4.1. (Kreyszig, 1978). tertutup. Untuk setiap h H \ G dan g  G berlaku
Ruang hasil kali dalam (ruang pre-Hilbert) X yang
lengkap dinamakan ruang Hilbert. (h  g )  G atau h  g , x  0 untuk setiap x  G .
Bukti:
3.5. Dualitas Banach h H \ G dan g  G berarti h  g   . Diandaikan ada
Dual Banach/Ruang Dual dari ruang bernorma X
*
dinotasikan dengan X yaitu koleksi semua fungsional x  G sehingga   h  g , x   . Jadi x   (sebab
linier kontinu dari ruang bernorma X ke lapangan jika x   maka    ).
F (C / ) . Jadi x
Didefinisikan h  g   . Jadi h  G dan berlaku
X  T : X F fungsional linier kontinu
* 2
x
h  g  h  k sebab h  g  d (h, G) . Oleh karena
Teorema 3.5.1. ( Conway, 1990).
Ruang dual dari ruang bernorma X yaitu X
*
merupakan itu diperoleh:
2
ruang Banach. hk  h  k, h  k
Bukti:
Karena X * = X *  Lc  X , F  dan lapangan F itu lengkap  h g 
x
,h  g 
x
2 2
maka menurut Teorema 3.3.1 maka X
*
merupakan ruang x x
lengkap atau ruang Banach. 
x  x
 h  g, h  g   2
 2
hg  2
3.6. Teorema Representasi Riesz-Frechet x x x
Pada subbab ini akan dibicarakan teorema
representasi Riesz-Frechet dari suatu ruang Hilbert yang  
nantinya akan digunakan untuk mencari ruang dual  h  g, h  g  2
h  g, x  2
x, h  g
Banach dari suatu ruang barisan. x x
Diawali dengan Teorema 3.6.1 dan Lemma 3.6.2,
akan ditunjukan bahwa fungsional linier kontinu pada  x
 2
x, 2
ruang Hilbert H merupakan hasil kali dalam pada H, yang x x
dikenal sebagai Teorema Representasi Riesz-Frechet.
2
  
Teorema 3.6.1 ( Royden, 1989).  h  g, h  g  2
  2
  2
x, x
Jika X ruang pre-Hilbert maka untuk setiap y  X x x x
menentukan dengan tunggal fungsional linier kontinu f 2
dengan rumus: 2 
2

2

 hg  2
 2
 2
f ( x )  x, y untuk setiap x  X x x x
Bukti: 2

(1) Jelas f linier, sebab untuk setiap skalar  ,   F  hg
2
 2
dan dua vektor x1 , x2  X diperoleh: x

f  x1   x2    x1   x2 , y
2 2
Jadi h  k  hg atau h  k  h  g , yang ber-

  x1 , y   x2 , y tentangan dengan hk  hg , sehingga


  x1 , y   x2 , y h  g , x  0 untuk setiap x  G . Jadi h  g  G .
  f  x1    f  x2  Selanjutnya akan diperlihatkan Teorema
Representasi Riesz-Frechet sebagai berikut.

Talakua, Nanuru
Barekeng Vol. 5 No.2 Hal 1 – 8 (2011) 7

Untuk z tersebut didefinisikan:


Teorema 3.6.3. (Teorema Representasi Riesz-Frechet)
(Royden, 1989).

S  zf ( x)  xf ( z ) x  H 
Diberikan ruang Hilbert H. f  H  terdapat dengan
* f ( zf ( x)  xf ( z ))  f ( z )  f ( x)  f ( x)  f ( z )  0 .
Jadi zf ( x)  xf ( z )G . Jadi S  G .
tunggal y  H sehingga f ( x )  x, y untuk setiap
Karena z  G dan S  G maka z  S . Oleh karena itu
x  H . Dalam hal ini f  y . untuk setiap x  H berlaku:
Bukti: zf  x   xf  z  , z  0  zf  x  , z  xf  z  , z  0
Syarat cukup:
Diketahui H ruang Hilbert dan untuk semua x  H  f  x  z , z  f  z  x, z  0
terdapat dengan tunggal y  H sehingga f ( x)  x, y . f  z  x, z f  z z
 f  x   x,
Ditunjukan f  H . Diambil sebarang x1 , x2  H dan
* 2
z, z z
skalar  ,  F , diperoleh:
f  z z
(i) f  x1   x2    x1   x2 , y Jadi terdapat y  2
 H sehingga f  x   x, y
z
  x1 , y   x2 , y
untuk setiap x  H .
  x1 , y   x2 , y Selanjutnya akan ditunjukan ketunggalan y. Diandaikan
  f  x1    f  x2  ada y1 , y2 H sehingga x, y1 f  x   x, y2 untuk
dengan kata lain f linier. setiap x  H , maka
(ii) f  x1   f  x2   x1, y  x2 , y x, y1  y2  0 untuk setiap x  H .
Khususnya untuk x  y1  y2 diperoleh
 x1  x2 , y
y1  y2 , y1  y2  0
 x1  x2 y  
Jadi y1  y2  0 atau y1  y2 .

Asalkan x1  x2    Selanjutnya akan ditunjukan f  y
y 1
Syarat perlu:
f  sup  f  x : x  1
 
Diambil G  ker  f   x  H f ( x)  0 . G  ker  f   sup  x, y : x  1
merupakan subruang tertutup di H, sebab:  sup  x  y : x  1  y (3.6.1)
(i) Diambil sebarang x, y  G  ker  f  dan skalar Di pihak lain:
 ,  F , diperoleh:
f  y   y, y  y
2

f  x   y   f   x   f   y 
jadi
  f  x   f  y  y 
1 f  y
  0  0 y  f  y   f  f (3.6.2)
y y  y 
0 Berdasarkan persamaan (3.6.1) dan (3.6.2) diperoleh
Jadi  x   y  G  ker  f  . Jadi G subruang
f  y .
linier dari H.
(ii) Jika x titik limit G, maka terdapat barisan
{xn }  G sehingga x  lim xn . Karena f KESIMPULAN
n 

kontinu, maka f  x   lim f  xn   lim 0  0 . Jadi


n n Dari pembuktian mengenai Teorema Representasi
xG  ker  f  . Riesz-Frechet pada Ruang Hilbert di atas, maka dapat
dibuat beberapa kesimpulan sebagai berikut :
Dengan kata lain G tertutup. 1. Setiap ruang hasil kali dalam X atas lapangan F juga
Selanjutnya, jika G  H dipilih y  maka merupakan ruang bernorma atas F dengan aturan
f  x   x,   0 untuk setiap x  H . Jika G  H maka untuk norma x  x, x untuk setiap x  X .
h H \ G terdapat g  G sehingga
X 
untuk setiap
2. Jika ,  merupakan ruang hasil kali dalam
z  h  g  G (menurut Lemma 4.7.2). jelas z  
atas lapangan F, dapat ditunjukan pemetaan
sebab g  h  0 .
 :X  F dimana x  x, x untuk setiap

Talakua, Nanuru
Barekeng Vol. 5 No.2 Hal 1 – 8 (2011) 8

x  X merupakan suatu ruang bernorma. Apabila


ruang bernorma tersebut lengkap, maka ruang ini
disebut ruang Hilbert. Hal inilah yang disebut
dengan penyempurnaan sifat dari ruang vektor.
3. Ruang Hilbert adalah ruang Banach dengan norma
yang ditentukan dari ruang hasil kali dalam.
Teorema Representasi Riesz-Frechet menunjukan
bahwa tidak ada fungsional linier kontinu di ruang Hilbert
kecuali berupa hasil kali dalam. Teorema ini nantinya
akan digunakan untuk mencari ruang dual Banach dari
suatu ruang barisan.

DAFTAR PUSTAKA

Bartle. R.G, Sherbert D.R (2000), Introduction to Real


Analysis, Third Edition. John Wiley and Sons, Inc,
USA
Conway. J. B. A (1989). Course in Functional Analysis,
Second Edition. Springer-Verlag, New York
Devito. C. L (1990). Functional Analysis and Linear
Operator Theory. Addison-Wesley publishing
Company, New York
Halmos. P. R (1957), Introduction to Hilbert Space and
the Theory of Spectral Multiplicity. Second edition,
Chelsea, New York
Howard. A (1987). Aljabar Linear Elementer. Erlangga,
Jakarta
Kreyszig. E (1978). Introduction Functional Analysis
Aplications. John Wiley& Son, New York
Leon, Steven. J (2001). Aljabar Linear dan Aplikasinya.
Erlangga, Jakarta
Maddox. I. J (1970). Element of Funcional Analysis.
Cambridge Univ. Press, London
Royden. H. L (1989). Real Analysis (third Edition).
Macmillan Publishing Company, New York
Rudin, W (1973). Functional Analysis . Second edition.
McGraw-Hill, Inc, United State
Zaanen. A. C (1997). Introduction to Operator Theory in
Riesz Spaces. Springer-Verlag, New York
Zeidler. E (1995). Applied Functional Analysis, Springer-
Verlag, Inc, New York

Talakua, Nanuru
Jurnal Barekeng
Vol. 5 No. 2 Hal. 9 – 14 (2011)

ANALISIS MODULUS ELASTISITAS DAN ANGKA POISSON BAHAN DENGAN UJI TARIK
(The Analysis of Modulus of Elasticity and Poisson Number using the Pull Test)

MATHEUS SOUISA
Staf Jurusan Fisika Fakultas MIPA Universitas Pattimura
Jl. Ir. M. Putuhena, Kampus Unpatti, Poka-Ambon

ABSTRACT
Observation of the stress and strain in materials steel, brass and anneal is done by testing to
determine the tensile modulus of elasticity of the material. The results showed that the modulus
of elasticity of the material brass is smaller than the brass alloy steel and steel materials, caused
by the formation of the composition of the material is different. The relationship between stress
and strain are used to gain slope value, and this value used to determine the modulus of
elasticity of steel materials, brass and anneal. The analysis showed that the magnitude of the
modulus of elasticity of brass material brass=(20.10  1.60) x109 Pa, anneal materials
anneal=(68.10  2.20) x109 Pa, and steel materials steel=(201, 00  5.30) x109 Pa. The results of
tensile tests conducted on all three materials can be used to determine the comparative figures
Poisson. The analysis showed the amount of comparative figures in steel material Poisson
msteel=0.106  0.002, brass material mbrass=0.104  0.002 and anneal materials manneal=0.103 
0.005. Figures Poisson appeal on steel materials is greater than the brass and anneal.

Keywords: Modulus of elasticity, stress, strain, poisson numbers

PENDAHULUAN untuk menentukan harga sebenarnya pada bahan tertentu


biasanya sangat berbeda.
Regangan dan tegangan memiliki hubungan yang Dalam penelitian ini, akan menggunakan bahan
mencirikan sifat bahan untuk tingkat pembebanan yang (material) untuk dilakukan dengan hanya menggunakan
masih dalam batas tertentu, dan terdapat hubungan yang perlakuan tarik, dan tidak dilakukan perlakuan tekan.
proposional antara komponen tegangan dan komponen Pada kasus ini yang akan dikaji adalah benda yang akan
regangan yang berpasangan. Proposionalitas hubungan ditarik dengan gaya menimum sampai gaya maksimum
tersebut dicerminkan oleh sifat elastisitas linier bahan, sehingga benda mengalami retak atau patah. Hal ini
seperti modulus elastisitas Young, angka perbandingan berarti dapat menunjukkan keterangan dan informasi
Poisson, maupun modulus geser. Pada batas atau daerah kuantitatif tentang daerah proposionalitas atau elastisitas,
proposional ini berlaku hukum Hooke. Tingkat batas elastis dan tarikan maksimum atau patahan.
pembebanan yang menimbulkan respons yang tidak Sekaligus dapat menentukan harga modulus yang
bersisa setelah penghapusan beban, dinamakan batas merupakan suatu perbandingan antara tegangan terhadap
elastik, dan jika melebihi batas elastik atau batas regangan.
keselamatan maka benda tersebut mengalami retak atau
patahan.
Dalam berbagai referensi daerah proposionalitas METODE PENELITIAN
tergantung pada berbagai jenis bahan yang digunakan dan
sifat elestisitas bahan tersebut. Sifat elestisitas bahan ini 1. Elastisitas
ditunjukkan dengan modulus elastistas, dan harga dari Menurut Soedojo (2004:33) yang menyatakan
modulus elastisitas dalam berbagai referensi merupakan bahwa bahan elastis adalah bahan yang mudah
harga yang sifatnya refresentatif (Kane and Sternheim, diregangkan serta cenderung pulih ke keadaan semula,
1976. terjemahan Silaban, 1991:371). Ini berarti untuk dengan mengenakan gaya reaksi elastisitas atas gaya
menentukan harga yang sebenarnya sangat sulit, sebab tegangan yang meregangkan-nya. Pada hakekatnya semua
bahan memiliki sifat elastik meskipun boleh jadi amat
Barekeng Vol. 5 No.2 Hal 9 – 14 (2011) 10

sukar diregangkan. Sedangkan menurut Sarojo (2002: 0


318), sifat elastik adalah kemampuan benda untuk
kembali ke bentuk awalnya segera setelah gaya luar yang 
diberikan benda itu dihilangkan. Elastisitas adalah sifat
F F’
benda yang berdeformasi untuk sementara, tanpa 
perubahan yang permanen, yaitu sifat untuk melawan
deformasi yang terjadi. Sebuah benda dikatakan elastik Gambar 1. Regangan membujur
sempurna jika setelah gaya penyebab perubahan bentuk
dihilangkan benda akan kembali ke bentuk semula. Regangan tarik pada batang didefinisikan sebagai
Sekalipun tidak terdapat benda yang elastik sempurna, perbandingan antara pertambahan panjang dengan
tetapi banyak benda yang hampir elastik sempurna, yaitu panjang semula, yang harganya lebih besar dari 0.
sampai deformasi yang terbatas disebut limit elastik. Jika Regangan tekan suatu batang yang ditekan didefinisikan
benda berdeformasi diatas limit elastiknya, dan apabila dengan cara yang sama sebagai pembanding antara
gaya-gaya dihilangkan, maka benda tersebut tidak lagi berkurangnya panjang batang dengan panjang semula,
kembali ke bentuk semula. Sebenarnya perbedaan antara yang harganya lebih kecil dari 0. Jadi perubahan
sifat elastik dan plastik, hanyalah terletak pada tingkatan pembanding pada panjang batang  /  0 dinamakan
dalam besar atau kecilnya deformasi yang terjadi. Blatt regangan (Blatt, 1986:183) atau disebut regangan
(1986:179) menyatakan bahwa suatu deformasi dikatakan longitudinal (Frauenfelder and Huber, 1966:219), seperti
elastik jika (i) deformasi merupakan proposional dengan ditulis berikut:
gaya penyebabnya, (ii) bekerjanya gaya, maka deformasi
   0 
diabaikan. Regangan, ( )   (2)
0 0
2. Tegangan (Stress)  = panjang
dimana:  = regangan atau bilangan murni,
Semua bahan berubah bentuk karena pengaruh gaya.
Ada yang kembali ke bentuk aslinya bila gaya batang (m),  0 = panjang semula (m) dan  =
dihilangkan, ada pula yang tetap berubah bentuk sedikit perubahan panjang (m).
atau banyak, (Sears, 1944 terjemahan Soedarjana,
1986:236). Jadi, deformasi bahan ditentukan oleh gaya 4. Modulus Elastisitas
per satuan luas dan bukan oleh gaya total (Kane and Gambar 2, menunjukkan grafik tegangan dan
Sternheim, 1976. terjemahan Silaban, 1991:365). Jika regangan untuk batang padat biasa. Grafik tersebut linier
sebuah batang tegar yang dipengaruhi gaya tarik F ke sampai titik A. Hasil bahwa regangan berubah secara
kanan dan gaya yang sama tetapi berlawanan arah ke kiri, linier dengan tegangan dikenal sebagai hukum Hooke.
maka gaya-gaya ini akan didistribusi secara uniform ke Titik B adalah batas elastik. Jika batang ditarik
luas penampang batang. Perbandingan gaya F terhadap melampaui titik ini batang tidak akan kembali ke
luas penampang A dinamakan tegangan tarik. Karena panjangnya semula, tetapi berubah bentuk secara tetap.
perpotongan dapat dilakukan disembarang titik sepanjang Jika tegangan yang bahkan lebih besar diberikan, bahan
batang maka seluruh batang dalam keadaan mengalami akhirnya patah. Seperti ditunjukkan oleh titik C.
tegangan (stress) ditulis berikut:
Tegangan (Stress)

Tegangan ( ) = F
Batas patah
(1) C
A B
dimana,  = tegangan tarik, N/m2 (=Pa), F = gaya (N) dan A
Batas elastis
A = luas permukaan (m2).
Batas kesebandingan
3. Regangan (Strain)
Perubahan pada ukuran sebuah benda karena gaya-
gaya atau kopel dalam kesetimbangan dibandingkan
dengan ukuran semula disebut regangan. Regangan juga Regangan (Strain)
disebut derajat deformasi, (Sarojo, 2002:321). Kata
Gambar 2. Menunjukan grafik tegangan terhadap
regangan berhubungan dengan perubahan relatif dalam
regangan
dimensi atau bentuk suatu benda yang mendapat tekanan.
Gambar 1, melukiskan suatu batang yang panjang
Di dalam daerah linier dari grafik tegangan-
normalnya 0 dan memanjang menjadi    0   regangan untuk tarikan atau tekanan (kompresi),
bila pada kedua ujungnya ditarik oleh gaya F. kemiringan menyamai nilai banding tegangan terhadap
Pertambahan panjang  , tentu saja tidak hanya pada regangan yang dinamakan modulus Young, Y dari bahan
ujung-ujung saja; setiap elemen-elemen batang tertarik tersebut, (Kane and Sternheim, 1976. terjemahan
pada proporsi yang sama seperti batang seluruhnya. Silaban, 1991:368). Perbandingan tegangan terhadap
Ada tiga macam regangan, (Kane and Sternheim, regangan dalam daerah linier grafik ini disebut juga
1976. terjemahan Silaban, 1991:366) yakni (a) Regangan konstanta karakteristik atau modulus Young suatu bahan,
tarik, (b) Regangan kompresi, dan (c) Regangan geser. ditulis sebagai:
F
Tegangan  A (3)
Y  
Regangan  
0

Souisa
Barekeng Vol. 5 No.2 Hal 9 – 14 (2011) 11

5. Hubungan Tegangan dan Regangan


Hubungan antara tegangan dan regangan mengikuti
hukum Hooke untuk elastisitas, dalam batas (limit) elastik
suatu benda, dan hal ini menunjukkan bahwa tegangan
berbanding lurus dengan regangan, (Blatt, 1986:185)
yaitu
Tegangan
Modulus,   (4)
Regangan
dengan  disebut modulus elastisitas atau koefisien
elastisitas atau konstanta kesebandingan.
Dalam penelitian ini akan ditentukan konstanta
proposionalitas atau modulus elastisitas bahan secara
grafik, dan berdasarkan konstanta ini dapat ditentukan
modulus elastisitas Young, modulus geser dan modulus Gambar 3. Tegangan (stress) terhadap regangan (strain)
Bulk. Jadi, hubungan antara gaya tarik pada bahan dengan untuk besi, kuningan dan baja campuran
perubahan panjang mula-mula atau volume mula-mula dengan perlakuan tarik
dapat memberikan suatu hubungan yang linier. Sesuai
dengan persamaan (3), diperlukan gaya untuk Selanjutnya berdasarkan gambar 3 memperlihatkan
memberikan deformasi elastisitas bahan, dan hubungan daerah proposional pada masing-masing bahan, dijadikan
ini (Cutnell and Johnson, 1995:284) dapat dinyatakan sebagai batasan analisis untuk menggunakan metode
dengan: regresi linear agar supaya dapat menentukan modulus
   elastisitas bahan seperti tampilan gambar 5 hingga
F
 Y   (5) gambar 6. Untuk menganalisis modulus elastisitas pada
A  0  berbagai dilakukan dengan tahapan sebagai berikut.
1. Penentuan modulus elastisitas besi (CR steel).
Berdasarkan Gambar 4 dapat ditentukan secara
6. Angka Banding Poisson langsung rata-rata modulus elastisitas adalah 201 x 109
Dalam kenyataannya, setiap pemanjangan  dari Pa.
panjang semula  0 akan menyebabkan penyusutan lebar
 b , misalnya dari lebar semula b0 . Menurut Poisson
(Soedojo, 2004:36), persentase penyusutan lebar akan
sebanding dengan persentase pamanjangannya. Maka
didefinisikanlah apa yang dikenal dengan angka banding
Poisson, m selaku tetapan kesebandingan yang menurut
hubungan (Sarojo, 2002:326) berikut:
Tegangan transversal (6)
Angka banding Poison, m  
Tegangan longitudin al

atau ditulis dalam bentuk rumus:

 b
b0 (7)
m
 Gambar 4. Tegangan (stress) Terhadap Regangan
0 (strain) Untuk Besi dengan Uji Tarik

Besarnya angka banding Poisson tergantung pada jenis Dengan demikian diperoleh modulus elastisitas untuk
bahannya. besi dengan diberikan perlakuan tarik sebesar
steel = (201,00  5,30) x 109 Pa

HASIL PENELITIAN 2. Penentuan modulus elastisitas kuningan (brass)


Hasil pengambilan data yang ditampilkan dengan Berdasarkan Gambar 5 dapat ditentukan secara
Software DataStudio menggunakan bahan besi (CR steel), langsung rata-rata modulus elastisitas kuningan adalah
kuningan (brass) dan baja campuran (STL anneal) 20,10x109 Pa.
menggunakan pengujian tarik secara otomatis Dengan demikian modulus elastisitas untuk kuningan
digambarkan secara grafik untuk mendapatkan hubungan dengan diberikan perlakuan tarik adalah
antara tegangan (stress) terhadap regangan (strain) pada brass = (20,10  1,60) x 109 Pa
masing-masing bahan seperti pada Gambar 3 atau
Gambar 4.

Souisa
Barekeng Vol. 5 No.2 Hal 9 – 14 (2011) 12

Berdasarkan Gambar 7 dapat diperoleh angka banding


Poisson sebenarnya adalah 0,106  0,002.

5. Penentuan angka banding Poisson untuk kuningan


(brass)
Berdasarkan Gambar 8 dapat diperoleh angka banding
Poisson sebenarnya adalah 0,104  0,002.

Gambar 5. Tegangan (stress) terhadap regangan (strain)


untuk kuningan dengan uji tarik

3. Penentuan modulus elastisitas baja campuran (anneal)


Berdasarkan Gambar 6 dapat ditentukan secara
langsung rata-rata modulus elastisitas adalah
68,10x109 Pa

Gambar 8. Regangan membujur terhadap regangan


melintang untuk kuningan dengan uji tarik

6. Penentuan angka banding Poisson untuk baja


campuran (anneal)
Berdasarkan Gambar 9 dapat diperoleh angka banding
Poisson sebenarnya adalah 0,103  0,005.

Gambar 6. Tegangan (stress) terhadap regangan (strain)


untuk baja campuran dengan uji tarik

Sehingga modulus elastisitas untuk baja campuran


dengan diberikan perlakuan tarik adalah
anneal = (68,10  2,20) x 109 Pa
Gambar 9. Regangan membujur terhadap regangan
4. Penentuan angka banding Poisson untuk besi (steel) melintang untuk baja campuran dengan uji
tarik

PEMBAHASAN

Dalam penelitian ini, semua bahan (besi, kuningan


dan baja campuran) yang terikat kedua ujungnya berubah
bentuk karena dipengaruhi oleh gaya tarik sehingga bahan
mengalami perpanjangan. Jika gaya tersebut diberikan
pada bahan, maka gaya ini akan disalurkan secara merata
kedalam bahan sehingga seluruh bahan mengalami
tegangan (stress). Karena gaya yang diberikan pada bahan
adalah gaya tarik maka tegangan yang terjadi pada bahan
adalah tegangan tarik. Hal ini berarti bahan mengalami
perubahan bentuk dari panjang mula-mula menjadi
Gambar 7. Tegangan membujur terhadap regangan memanjang, namun lebar bahan menjadi menyusut secara
melintang untuk besi dengan uji tarik kontinyu apabila bahan mengalami tegangan tarik yang

Souisa
Barekeng Vol. 5 No.2 Hal 9 – 14 (2011) 13

kontinyu, dan kalau dibiarkan tegangan terus dapat Apabila bahan melampaui daerah elastik,
menimbulkan elastisitas menuju ke batas elastik sampai kecenderungan bahan sudah berada pada kondisi sangat
bahan mengalami patahan. Penelitian ini dilakukan pada tegang (kritis) dan bahan akan mengalami perubahan
bahan dengan gaya tarik sampai bahan mengalami bentuk, sehingga kondisi ini bahan berada pada batas
patahan. elastik. Dengan kata lain, jika bahan dideformasikan
Suatu bahan yang digunakan dalam penelitian sampai melampaui suatu titik tertentu, bahan tersebut
mengalami regangan apabila terjadi perubahan matra atau tidak akan kembali kebentuk asalnya jika gaya yang
ukuran seperti bertambah panjang dan berkurangnya lebar dikenakan padanya ditiadakan, titik ini disebut batas
akibat adanya tekanan tarik. Setiap bahan akan elastik. Sifat bahan yang berada pada batas elestik ini
mengalami deformasi elastik kalau terjadi regangan dalam disebut sifat plastik, dan apabila bahan diberikan tegangan
hal ini regangan tarik. Ketiga bahan (besi, kuningan dan terus menerus, maka pada akhirnya bahan mengalami
baja campuran) mengalami deformasi elastik maka sudah patahan.
tentu memiliki hubungan tegangan dan regangan yang Kecenderungan bahan mengalami patahan atau retak
disebut sebagai modulus elastisitas atau modulus Young. lebih cepat jika diberikan tegangan yang sama adalah
Berdasarkan Gambar 3, daerah proposional pada bahan kuningan kemudian disusul dengan bahan baja
ketiga bahan berbeda dengan urutan dimana modulus campuran dan bahan besi. Hal ini berkaitan dengan
elastisitas yang rendah sampai besar sesuai pengujian kekuatan terhadap bahan tersebut, dimana kuningan
linieritas pada bahan kuningan sebesar brass = (20,10 memiliki kekuatan tariknya sangat rendah jika
1,60)x109 Pa, bahan baja campuran sebesar anneal = dibandingan dengan bahan baja campuran dan besi.
(68,102,20)x109 Pa dan bahan besi sebesar steel = Faktor yang menyebabkan terjadinya patahan, karena laju
(201,005,30)x109 Pa. Hal ini disebabkan oleh gaya yang deformasi dan menyangkut asalnya bahan itu terbentuk.
dilakukan pada bahan berbanding lurus dengan elastisitas Dalam pengujian bahan besi, kuningan dan baja
bahan itu. Misalnya pertambahan panjang bahan campuran dengan uji tarik, jika setiap bahan ditarik maka
berbanding lurus dengan gaya tarik yang terjadi pemanjangan dari panjang semula dan hal ini akan
menyebabkannya, sehingga bahan kuningan mengalami menyebabkan terjadinya penyusutan lebar dari lebar
pertambahan panjang yang lebih besar dari bahan baja semula. Ini berarti persentase akibat dari penyusutan lebar
campuran maupun bahan besi. Begitupun bahan akan sebanding dengan persentase dari pamanjangan
campuran mengalami pertambahan panjang lebih dari bahan tersebut. Adanya perbandingan ini dikenal dengan
bahan besi. Walhasil, regangan dari bahan kuningan lebih nama angka banding Poisson. Angka banding Poisson
besar dari bahan baja campuran dan bahan besi, untuk masing-masing bahan yang digunakan berbeda satu
sedangkan tegangan bahan kuningan lebih kecil dari dengan lainnya, dimana angka banding Poisson untuk
bahan baja campuran dan bahan besi. Adanya deviasi bahan besi adalah msteel = 0,1060,002, bahan kuningan
nilai modulus elastisitas, karena dalam pencacahan adalah mbrass = 0,1040,002 dan bahan baja campuran
tegangan dan regangan dilakukan mulai dari batas manneal = 0,1030,005. Angka banding Poisson pada
proposional sampai bahan mengalami patahan. bahan besi lebih besar daripada angka banding Poisson
Hubungan antara tegangan dan regangan mengikuti pada bahan kuningan dan baja campuran. Hal ini berarti
hukum Hooke untuk elastisitas, dalam batas (limit) elastik kekenyalan daripada bahan besi lebih besar daripada
suatu bahan, dan hal ini menunjukkan bahwa tegangan bahan kuningan dan baja campuran, dan disamping itu
berbanding lurus dengan regangan yang dinyatakan juga komposisi terbentuknya atau tersusunnya bahan
sebagai modulus elastisitas. Pada daerah proposional, tersebut juga berbeda dengan dilakukan perlakuan tarik
modulus elastisitas bahan hasil uji tarik menggunakan oleh gaya yang disistribusikan kepada bahan juga turut
bahan besi (CR steel), kuningan (brass) dan baja mempengaruhi regangan.
campuran (STL anneal) terdapat hasilnya sangat berbeda Daerah berlakunya elastisitas sesuai dengan Gambar
dengan modulus elastisitas bahan yang tertera pada 3 dalam aplikasinya, perlu dianjurkan harus lebih kecil
referensi (literature). Karena nilai modulus elastisitas untuk memberikan tegangan, begitupun dengan daerah
referensi merupakan harga yang sifatnya refresentatif, plastik dimana daerah mencapai batas elastisitas dan
oleh sebab itu untuk menentukan harga yang sebenarnya melewati batas elastisitas, karena kalau diberikan
sangat sulit, dan untuk menentukan harga sebenarnya tegangan besar pada daerah plastik akan menyebabkan
pada bahan tertentu biasanya sangat berbeda. Ini terbukti deformasi permanen pada bagian bahan/material yang
dengan modulus elestisitas penelitian memberikan makin lama makin besar deformasinya sehingga
nilainya juga berbeda. Perbedaan ini disebabkan oleh membahayakan bahan tersebut. Akibatnya, kalau bahan
matra (dimension) bahan yang digunakan memiliki ini digunakan dalam konstruksi bangunan atau sistem
tebalnya 0,3 mm, dan struktur atau komposisi penyusun rekayasa akan mempengaruhi konstruksi bangunan itu
bahan tersebut berbeda. sendiri. Untuk menjaga kenyamanan atau keselamatan
Bahan kuningan memiliki batas elastisitas sangat dalam mengkonstruksikan suatu sistem atau bangunan,
rendah jika dibandingkan dengan bahan baja campuran maka diperlukan tegangan yang diperkenankan atau
dan besi. Pada daerah elastik ini terdapat hubungan antara tegangan ijin harus berada jauh di bawah titik patahnya,
tegangan dan regangan saling ketergantungan atau dan dianjurkan tidak boleh melebihi batas elastisnya.
berbanding lurus, hal ini menunjukkan bahwa jika
tegangan makin besar akan menyebabkan regangan pun
makin besar, dan sebaliknya jika tegangan semakin kecil
maka reganganpun semakin kecil.

Souisa
Barekeng Vol. 5 No.2 Hal 9 – 14 (2011) 14

UCAPAN TERIMA KASIH

Pada kesempatan ini penulis mengucapkan terima kasih


kepada Tim Redaksi Jurnal Barekeng yang telah memuat
hasil penelitian ini.

DAFTAR PUSTAKA

Blatt F. J. 1986., Principles of Physics, 2nd edition. Allyn


and Bacon, Inc., Boston.
Cutnell J. D. and K.W. Johnson, 1995. Phisics 3rd edition.
John Wiley & Sons Inc. New York.
Frauenfelder P. and P. Huber., 1966. Introduction to
Physics: Mechanics, Hydodynamics, Thermo-
dynamics, volume . Addison-Wesley Publishing
Company, Inc., Massachusetts.
Kane J. W. and M.M.Sternheim., 1976. terjemahan P.
Silaban, 1991., Fisika, edisi ke tiga. AIDAB dan
ITB, Bandung
Sarojo, G. 2002., Fisika Dasar Seri Mekanika. Salemba
Teknika, Jakarta.
Sears F. W. 1944., terjemahan P. J. Soedarjana, 1986.,
Mekanika, Panas dan Bunyi. Binacipta, Bandung.
Seireg, A. 1969., Mechanical System Analysis.
International Textbooks Company, Pennsylvania.
Simon K. R. 1971., Mechanics, 3rd edition. Addison-
Wesley Publising Company, Inc. Philippines.
Halaman 301-312
Soedojo, P. 2004., Fisika Dasar. Andi Offset,
Yogyakarta.

Souisa
Jurnal Barekeng
Vol. 5 No. 2 Hal. 15 – 24 (2011)

KETAKSAMAAN INTEGRAL GRONWALL-BELLMAN UNTUK FUNGSI BERPANGKAT


(Integral Inequalities of Gronwall-Bellman for Power Function)

MONALISA ENGELLINE RIJOLY1, HENRY JUNUS WATTIMANELA2, RUDY WOLTER MATAKUPAN3


1
Alumni Jurusan Matematika Fakultas MIPA Universitas Pattimura
2, 3
Staf Jurusan Matematika Fakultas MIPA Universitas Pattimura
Jl. Ir. M. Putuhena, Kampus Unpatti, Poka-Ambon
email: alissangell_ly@yahoo.com; wattimanela@yahoo.com; rwmatakupan@yahoo.com

ABSTRACT

Integral inequality of Gronwall-Bellman is known as an integral inequality which consists of


differential and integral forms. Integral inequality of Gronwall-Bellman involving several
functions that some definite condition hold and integral values of these functions. In addition,
the integral inequality of Gronwall-Bellman shows that if a function is bounded to a certain
integral values then that function is also bounded for the other conditions, that is the
exponential of integral. Furthermore, by adding some specific conditions the integral
inequality of Gronwall-Bellman can be extended to the case of power functions.

Keywords: Integral Inequalities Of Gronwall-Bellman, Power Function

PENDAHULUAN Gronwall) berhasil dibuktikan oleh Richard Bellman.


Oleh karena keberhasilannya maka ketaksamaan ini
Dalam perkembangan ilmu Matematika, ketak- dinamakan sebagai ketaksamaan integral Gronwall-
samaan memainkan peran yang sangat penting, khususnya Bellman.
dalam bidang analisis. Banyak teori-teori tentang Secara umum, konsep ketaksamaan integral
ketaksamaan yang dikembangkan, diantaranya yang Gronwall-Bellman melibatkan beberapa fungsi yang
sudah dikenal adalah ketaksamaan segitiga, ketaksamaan memenuhi syarat tertentu dan nilai integral dari fungsi-
Cauchy-Schwarz, ketaksamaan Holder dan ketaksamaan fungsi tersebut. Di sisi lain, ternyata dengan menambah-
Minkowoski. kan beberapa syarat lagi maka ketaksamaan integral
Teori ketaksamaan lain yang cukup penting adalah Gronwall-Bellman dapat diperluas untuk kasus fungsi
ketaksamaan integral. Ketaksamaan ini merupakan salah berpangkat.
satu teori yang sangat dibutuhkan dalam studi persamaan Berdasarkan paparan di atas, maka dalam penelitian
diferensial karena dapat digunakan untuk meyelesaikan ini akan dibahas tentang ketaksamaan integral Gronwall-
masalah nilai batas serta dapat menganalisis eksistensi, Bellman untuk fungsi berpangkat.
ketunggalan dan stabilitas dari solusi persamaan
diferensial tersebut.
Salah satu ketaksamaan integral yang sangat dikenal TINJAUAN PUSTAKA
adalah ketaksamaan integral Gronwall-Bellman. Ketak-
samaan integral Gronwall-Bellman terdiri dari dua bentuk Pada tahun 1919, T. H Gronwall menemukan konsep
yaitu bentuk diferensial dan bentuk integral. Kedua ketaksamaan integral saat sedang mempelajari
bentuk ini pertama kali diperkenalkan oleh Thomas ketergantungan sistem persamaan diferensial terhadap
Hakon Gronwall pada tahun 1919 dalam tulisannya yang parameter. Ketaksamaan ini kemudian dikenal sebagai
berjudul “Note On The Derivatives With Respects To A ketaksamaan integral Gronwall. Selanjutnya pada tahun
Parameter Of The Solutions Of A System Of Differential 1943 dalam bukunya yang berjudul “Stability Theory of
Equations”. Dalam tulisannya Gronwall hanya mampu Differential Equations” R. Bellman menggunakan
membuktikan bentuk diferensial sedangkan sedangkan ketaksamaan Gronwall untuk menyusun sifat-sifat ketak-
bentuk integralnya dibiarkan tanpa bukti. Kemudian pada samaan yang baru, yang dikenal sebagai ketaksamaan
tahun 1943 bentuk integral (yang diperkenalkan oleh integral Gronwall-Bellman.
Barekeng Vol. 5 No.2 Hal 15 – 24 (2011) 16

Drumi Bainov dan Pavel Simeonov (1991) dalam Selanjutnya kalikan b   terhadap kedua ruas maka
bukunya yang berjudul “Integral Inequalities and
Applications” mengkaji ulang ketaksamaan integral b   u  
diperoleh 
 b  
Gronwall-Bellman sehingga lebih sederhana dan mudah
dimengerti. Drumi dan Pavel juga membahas aplikasi dari a   b  s  u  s  ds
ketaksamaan Gronwall-Bellman dalam persamaan 

diferensial. d  

Kemudian H. El-Owady, A. Ragab dan A. ln  a  b  s  u  s  ds   b  

Abdeldaim (1999) dalam jurnalnya yang berjudul “On d  
Some New Integral Inequalities of Gronwall-Bellman Integralkan kedua ruas dari  ke t maka diperoleh
type” menyusun sifat-sifat ketaksamaan yang baru t
d  
 t

khususnya untuk fungsi berpangkat.  d ln  a  b  s  u  s  ds  d 


  b  s  ds
Dengan menggunakan dua sumber utama di atas dan     
didukung oleh beberapa literatur yang lain, maka peneliti t
mencoba menyusun penelitian tentang ”Ketaksamaan  
 t

Integral Gronwall-Bellman Untuk Fungsi Berpangkat” ln  a   b  s  u  s  ds    b  s  ds


dengan harapan dapat mudah dimengerti.    

 t  t

HASIL DAN PEMBAHASAN ln  a  b  s  u  s  ds   ln  a  0  


  b  s  ds
   

Pada bagian ini akan dibahas beberapa teorema yang  t


 t

memperlihatkan sifat-sifat dari ketaksamaan integral ln  a   b  s  u  s  ds   ln a   b  s  ds


Gronwall-Bellman dan dilanjutkan dengan membahas    

perluasan dari ketaksamaan ini untuk fungsi berpangkat.  t



 a   b  s  u  s  ds  t
    b  s  ds
1. Ketaksamaan Integral Gronwall-Bellman
Teorema 1.1 berikut ini merupakan bentuk integral
ln
a


yang diperkenalkan oleh Gronwall dan berhasil
  t

  a   b  s  u  s  ds  
dibuktikan oleh Bellman. Teorema ini sangat penting dan
     exp  b  s  ds 
t
juga menjadi dasar dalam pengembangan ketaksamaan
integral Gronwall-Bellman. exp  ln  
 a   
Teorema 1.1.  
Misalkan u :   . Misalkan juga
dan b :  t

u t  dan b  t  adalah fungsi kontinu yang non negatif   b  s  u  s  ds 
a 
    exp  b  s  ds 
t

untuk t   dimana   . Jika a  0 adalah konstanta  


dan berlaku a  
t t
 t

u  t   a  b  s  u  s  ds , a   b  s  u  s  ds  a exp   b  s  ds 
 t  (1)
  

maka Berdasarkan Persamaan (1) dan hasil di atas maka


diperoleh
 t

u  t   a exp  b  s  ds  ,
 t  (2) t 
  u  t   a exp  b  s  ds  ,
 t 
Bukti :  
i. Jika a  0 maka dari Persamaan (1) dapat ii. Jika a  0 maka untuk setiap   0 berlaku
diperoleh t

u t  u  t     b  s  u  s  ds

t
1 , t  (3) 

a   b  s  u  s  ds
Dengan menggunakan hasil Bagian i. maka diperoleh
t 

u  t    exp  b  s  ds 

Misalkan    maka Persamaan (3) dapat ditulis sebagai  
u   Selanjutnya jika   0 maka diperoleh u  t   0 .

1
a   b  s  u  s  ds Selanjutnya dalam pembahasan ini setiap fungsi yang
diberikan merupakan fungsi bernilai riil. Sifat berikut ini

memperlihatkan akibat yang bisa diperoleh dari Teorema
1.1 di atas jika terdapat dua konstanta dalam ketak-
samaan.

Rijoly, Wattimanela, Matakupan


Barekeng Vol. 5 No.2 Hal 15 – 24 (2011) 17

Akibat 1.2. v ' t   b t  v t   f t  , t   (6)


Misalkan u  t  dan b  t  adalah fungsi non negatif dan
untuk t   dimana   . Jika a  0 dan  adalah v    a , dimana a konstanta (7)
konstanta,
t 
v  t   a exp  b  s  ds 

serta berlaku  
t (8)
u  t   ae  b  s  u  s  ds , t 
   t    t  s 
t 
t
 e
  f  s  exp   b   d  ds
(4)

maka

 s 
Bukti :
  Misalkan s   maka dari Persamaan (6) dapat diperoleh
t

u t   a exp    t      b  s  ds  , t  (5)
   v 's  b s v s  f s
 t

ln  a  b  s  u  s  ds   v '  s   b  s  v  s  exp   b   d 
t


 
  s 
   t

 
 ln  a   b  s  u  s  ds    b  s  ds
t

 f  s  exp  b   d 

   
 s 
Bukti :
   
t t

Dari Persamaan (4) dapat diperoleh v '  s  exp  b   d   b  s  v  s  exp  b   d 


 
t
   
u  t   ae  b  s  u  s  ds
  t     t  s
 e
s s

 
t

 f  s  exp  b   d 

  t
  
u t   e  ae   e b  s  u  s  ds 
 t s s

  d  t  t 

 v  s  exp   b   d    f  s  exp   b   d 
t ds  s  s 
e u  t   ae  e b  s  u  s  ds  Integralkan kedua ruas dari  ke t maka diperoleh
t  s


  
t t
d
Misalkan w  t   e u  t  maka diperoleh
t
 ds v  s  exp   b   d 

ds
 s
t

w  t   ae  b  s  w  s  ds   
t t



  f  s  exp   b   d  ds
 s
Berdasarkan Teorema 1.1. maka diperoleh
t
t  t 
w  t   ae exp   b  s  ds  v  s  exp   b   d 


  s 

Karena w  t   e u  t  maka
t

t
t

 t
   f  s  exp   b   d  ds
u  t   ae e exp  b  s  ds  
 t 
 s 
 
 t
  t

t  v  t  exp   b   d   v   exp   b   d 
sehingga terbukti u  t   ae exp  b  s  ds  atau

   t  
t   
 
t t

     f  s  exp  b   d  ds
t

u  t   a exp     t       b  s  ds  s 
 


t 
Teorema 1.3. berikut ini merupakan bentuk v  t  exp  0   v   exp   b   d 
diferensial yang diperkenalkan dan dibuktikan oleh  
Gronwall. Sama seperti Teorema 1.1. di atas, teorema ini t
t 
sangat penting dalam pengembangan ketaksamaan   f  s  exp  b   d  ds

integral Gronwall-Bellman.
 s 
t 
Teorema 1.3. v  t   v   exp   b   d 
Misalkan b  t  dan f  t  adalah fungsi kontinu untuk  
t   dimana   dan v  t  adalah fungsi yang t
t 
  f  s  exp  b   d  ds

terdiferensiasi untuk t   . s 

Jika berlaku

Rijoly, Wattimanela, Matakupan


Barekeng Vol. 5 No.2 Hal 15 – 24 (2011) 18

Karena v    a maka terbukti t 


v  t    0  exp  b   d 

 t
 t
 t
  
v  t   a exp  b  s  ds   f  s  exp  b   d  ds
  
   s  t
t 
 a  s  b  s  exp  b   d  ds
 
Teorema 1.4.  s 
Misalkan b  t  dan u  t  adalah fungsi non negatif yang
t
t 
v t    a  s  b  s  exp  b   d  ds

kontinu pada J   ,   dimana  ,   . Jika a  0  s 
dan berlaku Karena u  t   a  t   v  t  maka terbukti
t 
t t

u  t   a  b  s  u  s  ds ,
 u  t   a  t   a  s  b  s  exp  b   d  ds
t0
t , t0  J (9)
 
s 

maka Berdasarkan Teorema 1.5 dapat diperoleh beberapa


t  akibat yang dperlihatkan dalam sifat-sifat berikut ini.
u  t   a exp   b  s  ds  , t , t0  J (10)
t  Akibat 1.6.
Misalkan jika dalam Teorema 1.5. fungsi a  t  juga
0

Bukti :
Nilai mutlak pada Persamaan (9) akan menjamin merupakan fungsi tidak turun dalam J, maka berlaku
t
t 
 bs u s ds bernilai non negatif, sehingga dengan u  t   a  t  exp  b  s  ds  ,
 tJ
t0  
Teorema 1.1. maka Teorema 1.4. terbukti. Bukti :
Karena a  t  juga merupakan fungsi tidak turun dalam J
Teorema 1.5.
Misalkan a  t  , b  t  dan u  t  adalah fungsi kontinu
maka Persamaan (12) dapat ditulis sebagai
t
t 
pada J   ,   dimana  ,   dan b  t  adalah u  t   a  t   a  t  b  s  exp  b   d  ds
 
fungsi non negatif pada J.  s 
Jika berlaku  t
t  
 a  t   1  b  s  exp  b   d  ds 
 
 s  
t

u  t   a  t   b  s  u  s  ds ,
 tJ (11) 

  t
d t  
maka  a t  1   ds exp   b   d  ds 

u t   a t 
 s

 t
  (12)   t  
t t

  a  s  b  s  exp   b   d  ds , tJ  a  t  1   exp   b   d  


    s   
 s  
Bukti : 
t
  t  t 
Misalkan v  t   b  s  u  s  ds , maka
  a  t   1   exp  b   d   exp  b   d   
 
   t   
u t   a t   v t    t 
 a  t   1   exp  0   exp  b   d    
dan jelas bahwa v    0 . Selanjutnya    
v ' t   b t  u t   t 
 a  t   1  1  exp  b   d  

 b  t   a  t   v  t    
 b t  v t   a t  b t  , tJ t 
 a  t  exp  b   d 

Misalkan bahwa f  t   a  t  b  t  maka  
v ' t   b t  v t   f t  . atau dapat ditulis
t 
Dengan menggunakan Teorema 1.3. diperoleh u  t   a  t  exp  b  s  ds  , t  J

 t
  
v  t   v   exp  b   d 


  Akibat 1.7.
  Misalkan b  t  dan u  t  adalah fungsi kontinu pada
t t

  f  s  exp   b   d  ds J   ,   dimana  ,   .
 s

Rijoly, Wattimanela, Matakupan


Barekeng Vol. 5 No.2 Hal 15 – 24 (2011) 19

Jika b  t  adalah fungsi non negatif pada J dan a adalah t

Karena A  t   sup a  s   c  s  ds  adalah fungsi


konstanta serta berlaku s , t 

t
tidak turun pada J maka berdasarkan Akibat 1.6.
u  t   a  b  s  u  s  ds , tJ
diperoleh

t 
u  t   A  t  exp  b  s  ds  , t  J
maka
 t
 
 
u  t   a exp  b  s  ds  , tJ
  atau terbukti bahwa
Bukti :  t
 t 
Jelas dengan menggunakan Akibat 1.6. u t    s ,t 
sup a  s    c  s  ds  exp   b  s  ds 
    
Akibat 1.8. untuk t  J
Misalkan u  t  adalah fungsi kontinu pada J   ,  
Sifat berikut ini merupakan penyempurnaan dari
dimana  ,   . Jika a dan b  0 adalah konstanta Akibat 1.9.
serta berlaku
t Teorema 1.10.
u  t   a  b u  s  ds ,  tJ Misalkan a  t  , b  t  , c  t  dan u  t  adalah fungsi
kontinu pada J   ,   dimana  ,  

maka . Jika b  t 
u  t   ae
bt  adalah fungsi non negatif pada J dan berlaku
, tJ
t
Bukti : u  t   a  t     b  s  u  s   c  s   ds , tJ (15)
Berdasarkan Akibat 1.7 diperoleh 

t  maka
u  t   a exp   b ds  t
  
a  t   a  t     a  s  b  s   c  s  
 a exp  b  t     
(16)
 ae
b  t  
t 
exp   b   d   ds , t  J
s 
Akibat 1.9. Bukti :
Misalkan a  t  , b  t  , c  t  dan u  t  adalah fungsi t

kontinu pada J   ,   dimana  ,   . Jika b  t 


Misalkan v  t    b  s  u  s   c  s  ds maka

dan c  t  adalah fungsi non negatif pada J dan berlaku u  t   a  t   v  t  dan jelas bahwa v    0 .
t
Selanjutnya
u t   a t     b  s  u  s   c  s   ds v ' t   b t  u t   c t 

(13)  b  t   a  t   v  t   c  t 
maka
 b t  v t   a t  b t   c t 
 sup a  s   c  s 
t
 
t
 Misalkan f  t   a  t  b  t   c  t  maka
u t    exp  b  s  ds  ,
 tJ
  
s  , t

ds
   v ' t   b t  v t   f t  sehingga berdasarkan
(14) Teorema 1.3. diperoleh
Bukti :
t 
Dari Persamaan (13) dapat diperoleh v  t   v   exp   b   d 
t t
 
u  t   a  t   b  s  u  s  ds  c  s  ds
  t
t 
 
  f  s  exp  b   d  ds

t t
 s 
u  t   sup a  s   c  s  ds  b  s  u  s  ds
   t

s , t 
  v  t    0  exp  b   d 

t
 
Misalkan A  t   sup a  s   c  s  ds maka hasil di 
s , t 
t
t 

   a  s  b  s   c  s  exp  b   d  ds

atas dapat
t
ditulis menjadi
 s 
u  t   A  t   b  s  u  s  ds

Rijoly, Wattimanela, Matakupan


Barekeng Vol. 5 No.2 Hal 15 – 24 (2011) 20

t
t  t

v t     a  s  b  s   c  s  exp   b   d  ds u  t   ae
   t  
 e 
 t  s 
b u  s   c  ds , t   (17)
 s  

Karena u  t   a  t   v  t  maka

1  e ,
c
u  t   ae
 b    t   b    t  
maka didapat  t  (18)
u t   a t   b
Bukti :
t
t 
   a  s  b  s   c  s  exp   b   d  ds t  t  t  s  t 
u  t   ae exp   b d    e c exp   b d  ds
   t  

s 

   s 
exp  b  t    
   t  
Akibat 1.11.  ae
Jika pada Teorema 1.10 fungsi a  t  adalah fungsi tidak t

 c exp  b  t  s   ds
 t  s 
turun maka berlaku  e
 t
 

u  t   a  t  exp  b   d 
 t


   t   b  t    t  s  bt  s 
   ae e  e ce ds
 
t t 

 c  s  exp  b   d  ds
 
 s  t

 ce
 b    t    b    t  s 
Bukti :  ae ds

t
 t

u  t   a  t   a  s  b  s  exp  b   d  ds
  t

 ce
 b    t    b    t  s 
 s   ae ds

t
 t

 c  s  exp  b   d  ds
   c
 b    t    b    t  s   t
s   ae 
  b e 
 

t
t  
u t   a t   a t   b  s  exp  b   d  ds
  c
s   b    t    b   t   
  ae   e 
   b 
t
t   
 c  s  exp  b   d  ds
 
 s   c  b   t    
 e  
   b 
Dengan menggunakan hasil pada Akibat 1.6 maka
diperoleh 
t 
1  e 
c
u  t   a  t  exp   b   d 
 b    t   b    t  
 ae 
    b 
t
t  Sehingga
 c  s  exp  b   d  ds
    , t 
c
u  t   ae
 b   t    b    t  
 s   1 e
 b
Akibat 1.12.
Jika pada Teorema 1.10, fungsi a  t  diganti dengan
Akibat 1.14.
Misalkan u  t  adalah fungsi kontinu pada J   ,  
konstanta d maka berlaku
dimana  ,   . Jika b  0 , a, dan c adalah konstanta
t 
u  t   d exp   b   d  dan berlaku
  t

u t   a    b u  s   c  ds , tJ
t
t 
  c  s  exp   b   d  ds , t  J 

 s  maka

 
c
u  t   ae
Bukti : b  t    b t  
 e 1 , tJ
Jelas dengan menggunakan Akibat 1.11. b
Bukti :
Akibat 1.13. Dengan menggunakan Akibat 1.13. dan diambil   0
Misalkan u  t  adalah fungsi kontinu untuk t   maka diperoleh
dimana   . Jika b  0 , a, c dan   b adalah
konstanta dan berlaku

Rijoly, Wattimanela, Matakupan


Barekeng Vol. 5 No.2 Hal 15 – 24 (2011) 21

2. Ketaksamaan Integral Gronwall-Bellman Untuk


 
c
u  t   ae
 b    t    b    t  
 1 e Fungsi Berpangkat
 b Dalam Bagian 1. sebelumnya telah diperlihatkan
sifat-sifat dasar dari ketaksamaan integral Gronwall-
 
 b  0  t   c  b  0  t   
 ae  1 e Bellman. Dalam bagian ini akan diperlihatkan beberapa
0b sifat-sifat ketaksamaan integral Gronwall-Bellman yang
 
b  t   c   b t  baru khususnya untuk fungsi berpangkat.
 ae  1 e
b
Teorema 2.1
e  Misalkan u  t  adalah fungsi yang positif dan kontinu
b  t   c b  t  
 ae  1
pada J  [0, ) . Misalkan juga b  t  adalah fungsi non
b

e 
c
sehingga u  t   ae
b  t   b  t  
 1 , t  J negatif yang kontinu pada J. Jika p  2 dan a adalah
b konstanta positif serta berlaku
t
Teorema 1.15. u p  t   a   b  s  u  s  ds , t  J (1)
Misalkan u  t  dan b t  fungsi kontinu pada 0

J   ,   dimana  ,   sedangkan a  t  dan q  t 


maka
1

fungsi yang terintegral Rieman pada J. Misalkan juga  q q


t
q
u  t    a p   b  s  ds  , t  J (2)
b  t  dan q  t  adalah fungsi non negatif pada J.
 p0 
t
dimana p  q  1 .
Jika u  t   a  t   q  t  b  s  u  s  ds , t  J  Bukti :
u p  t  terhadap t

maka Berdasarkan (1) , diferensialkan

u t   a t   q t 
 t a  s b  s  d p d 
t

u  t     a   b  s  u  s  ds 
 dt dt  0 
t  
(19) pu p 1  t   b  t  u  t  maka pu  p 2  t   b  t 
exp   b   q   d  ds , t  J
s   Integralkan kedua ruas dari 0 ke t
t t
Bukti :
t  pu
( p  2)
 t  dt   b  s  ds
Misalkan v  t   b  s  u  s  ds maka

0 0
t
t
p
u  p 21  t    b  s  ds

u t   a t   q t  v t   p  2  1 0
0

dan jelas bahwa v    0 . Selanjutnya p  p 1


t t
u  t    b  s ds
v ' t   b t  u t  p 1 0 0

karena p  q  1 maka q  p  1 sehingga dapat ditulis


 b  t   a  t   q  t  v  t 
t t
 b t  q t  v t   a t  b t 
p q
u  t    b  s  ds
q
Misalkan h  t   b  t  q  t  dan f  t   b  t  a  t  maka
0 0
t
p q p
v ' t   h t  v t   f t  sehingga berdasarkan u  t   u q  0    b  s  ds
q q 0
Teorema 1.3. diperoleh t
p q p
t
 t
 u  t   u q  0    b  s  ds
v  t    a  s  b  s  exp   b   q   d  ds , t  J . q q 0
 s  q

Karena u  t   a  t   q  t  v  t  maka diperoleh Berdasarkan (1), u p  0   a maka u q  0   a p sehingga

u t   a t   q t 
q t
p q p
u  t   a p   b  s  ds

 
q q 0

t t
 q
  a  s  b  s  exp  b   q   ds 
d Kedua ruas dikalikan dengan , sehingga diperoleh
 
p
s q t
q
u q t   a p  b  s  ds
dimana t  J p 0

Rijoly, Wattimanela, Matakupan


Barekeng Vol. 5 No.2 Hal 15 – 24 (2011) 22

1
kemudian kedua ruas dipangkatkan 1 , sehingga
 q t q
q u  t   a  t  1   b  s  a  q  s ds  , t  J
1
 p0 
 q q t q
diperoleh u  t    a p   
p 0
b s ds 
  Teorema 2.3
Misalkan b  t  dan f  t  adalah fungsi non negatif yang
Teorema 2.2 kontinu pada J  [0, ) . Jika v  t  adalah fungsi non
Misalkan u  t  dan b  t  adalah fungsi non negatif yang negatif yang terdiferensiasi dan memenuhi
kontinu pada J  [0, ) . Misalkan juga a  t  adalah v ' t   b t  v t   f t  v
p
t  , t  J (7)
fungsi positif, monoton, tidak turun dan kontinu pada J. maka berlaku
Jika p  2 adalah konstanta dan berlaku t 
t v  t   exp   b  s  ds 
u p  t   a p  t    b  s  u  s  ds , t  J (3) 0 
(8)
0 1
 q  t
  s q

v  0   q  f  s  exp  q  b   d  ds 
maka
1
 q
t
 q  0  0  
u  t   a  t   1   b  s  a  q  s  ds  , t  J (4) dimana 0  p  1 dan p  q  1 .
 p0  Bukti :
dimana p  q  1 .
v
q
t 
Bukti : Misalkan z  t   , maka
Karena a  t  adalah fungsi positif, monoton, dan tidak q
turun maka Persamaan (3) dapat ditulis sebagai z ' t   v t  v ' t 
q 1

u p t   u s 
 v t  b t  v t   f t  v t 
t

 b  s   p  ds
q 1
 
p
1
a t 
p
 a  t  
t  b t   f t  v t 
0 q 1 p
v
q

 u t    u s 
p
t

  1   b  s   p  ds v t 
q
 b t   f t  v t 
 a  t    a  t   q
0

0 q
Karena p  q  1 maka p  1  q sehingga dapat ditulis
atau z '  t   q b  t  z  t   f  t  .
 u t    u s 
p
t
Berdasarkan Teorema 1.3 maka diperoleh
   1   b  s   1 q  ds
 a  t    a  s   t 
0 z  t   z  0  exp   q b  s  ds 
0 
 u t    u s 
p
t

   1  b  s  ds t
t 
 a  t    a  s   a  s     f  s  exp  q b   d  ds

q
0
0 s 
 u t   u s 
p
t

   1  b  s a  s 
q
 ds v
q
t 
Karena z  t  
 a  t    a  s  
maka
0 q
Misalkan
vq t  vq  0 t 
u t   exp   q b  s  ds 
m t   (5) q q 0 
a t 
t
 t

maka   f  s  exp   q b   d  ds
t
s 
t   1 bs a
  s  m  s  ds
q 0
, tJ
p
m
  t
0
v q  t   v q  0  exp   q b  s  ds 
Berdasarkan Teorema 2.1 maka dapat diperoleh 0 
1
 q t q
t
 t

m  t   1   b  s  a  q  s  ds  , t  J (6)  q  f  s  exp   q b   d  ds
 p0  0 s 
1
u t   q t q
 1   b  s  a  q  s  ds  , t  J
a t   p0 

Rijoly, Wattimanela, Matakupan


Barekeng Vol. 5 No.2 Hal 15 – 24 (2011) 23

t  t
 s

 v q  0  exp   q b  s  ds  u  t   a   b  s   u p  s    c   u   d  ds (9)
0  0  0 
dimana t  J , maka
t
 t 0

 q  f  s  exp   q b   d   q b   d  ds t
s 
0 0 s  u  t   a   b  s  k  s  exp   c   d  ds (10)
0 
   
t t 0

 v q  0  exp   q b  s  ds   exp   q b   d 
0  0  dimana
 t  s  
1

 q  f  s  exp    q b   d  ds    s  q
t

k  t    a pq  pq  b  s  exp  q  c   d  ds 
 0  0  
 0  0  
 t
 t 
 v q  0  exp   q b  s  ds   exp   q b  s  ds 
0  0  dan
 t  s
  p  q 1 (11)
 q  f  s  exp    q b   d  ds  Bukti :
 0  0   Diferensiasikan u  t  terhadap t pada Persamaan (9)
t 
 exp   q b  s  ds  maka diperoleh
0   p t

 q t
 s   u '  t   b  t   u  t    c  s  u  s  ds  , t  J (12)
 v  0   q  f  s  exp    q b   d  ds   0 
 0  0   t

sehingga diperoleh Misalkan v  t   u p  t    c  s  u  s  ds, t  J maka


 t 
0

v q  t   exp  q  b  s  ds  Persamaan (12) menjadi


 0  u ' t   b t  v t  (13)
 q t
 s   Selanjutnya jelas bahwa
v  0   q  f  s  exp  q  b   d  ds  v  0  u p  0
 0  0    ap

Pangkatkan kedua ruas persamaan di atas dengan


1 Diferensiasikan v  t  terhadap t maka diperoleh
q v '  t   p u p 1  t  u '  t   c  t  u  t  a
 p u p 1  t  b  t  v  t    c  t  u  t 
maka diperoleh
1
  t  q Karena u  t   v  t 
v  t   exp  q  b  s  ds  
  0   v '  t   p v p 1  t  b  t  v  t    c  t  v  t 
1
 q t
 s   q  p v p t  b t   c t  v t 
v  0   q  f  s  exp  q  b   d  ds  atau
  0  
v '  t   c t  v t   p b t  v p t 
0

t  (14)
 exp   b  s  ds  Dari Persamaan (14) dan berdasarkan Teorema 2.3 maka
0 
1 untuk t  J diperoleh
 q t
 s   q
t 
v  0   q  f  s  exp  q  b   d  ds  v  t   exp   c  s  ds 
 0  0   0  1
atau dapat ditulis
 q t
 s  q
         
   
t

v  t   exp   b  s  ds   v 0 pq b s exp q c d  ds 
0   0  0  
t 
1  exp   c  s  ds 
 q t
 s  q 0 
 v  0   q  f  s  exp  
 q b   d  ds  1

  0    pq t
 s  q
 a  pq  b  s  exp  q  c   d  ds 
0

Teorema 2.4  0  0  
t 
Misalkan u  t  , b  t  dan c  t  adalah fungsi non  k  t  exp   c  s  ds 
negatif yang kontinu pada J  [0, ) . Jika a adalah 0 
Dimana t  J
konstanta non negatif dan untuk 0  p  1 berlaku

Rijoly, Wattimanela, Matakupan


Barekeng Vol. 5 No.2 Hal 15 – 24 (2011) 24

sehingga ketaksamaan integral tersebut menghasilkan beberapa


1 sifat baru khususnya untuk fungsi berpangkat.
 t
 s   q
k  t    a pq  pq  b  s  exp  q  c   d  ds  .
 
 0  0  
DAFTAR PUSTAKA
Selanjutnya, substitusikan hasil di atas ke Persamaan (13)
maka diperoleh
Bainov, Drumi. & Simeonov, Pavel. (1991). Integral
t 
u '  t   b  t  k  t  exp   c  s  ds 
Inequualities And Applications, Kluwer Academic
(15)
Publishers, USA.
0  Choy, Sung Kyu. Kang, Bowon. & Koo, Namjip. (2007).
Integralkan Persamaan (15) dari 0 ke t terhadap kedua
On Inequalities Of Gronwall Type, hlm. 561 – 586,
ruas sehingga diperoleh
Department of Mathematics Chungnam University
t t
s 
0 ds u  s   ds 
d
0 b  s  k  s  exp   c   d  ds
Daejeon 305-764, Republic of Korea.
Negoro ST. & Harahap, B. (2005). Ensiklopedia
0  Matematika, Ghalia, Bogor Selatan.
t t
 s

u  s    b  s  k  s  exp   c   d  ds
Oguntuase, James Adedayo. (2001). On An Inequality Of
Gronwall, hlm. 1 – 6, Department Of Mathematical
0 0 0  Sciences, University Of Agriculture, Abeokuta,
t
 s
 Nigeria.
u  t   u  0    b  s  k  s  exp   c   d  ds Owaidy, H. El , Ragab, A. & Abdeldaim, A. (1999). On
0 0  Some New Integral Inequalities Of Gronwall –
 0
 s
  Bellman Type, hlm. 289 – 303, Department of
u  t    a   b  s   u p  s    c   u   d  ds 
  Mathematics, Faculty of Science, AL-Azhar
 0  0   University, Nasr – City.
t
s  Purcell, Edwin J. dkk. (2003). Kalkulus Jilid 1 Edisi
  b  s  k  s  exp   c   d  ds Kedelapan, Erlangga, Jakarta.
0 0  Riyanto, M. Zaki. 2008. Pengantar Analisis Real I.,
Yogyakarta.
t
 s

u  t    a  0    b  s  k  s  exp   c   d  ds http://www.google.co.id/url?sa=t&source=web&cd=2&ve
0 0  d=0CCEQFjAB&url=http%3A%2F%2Fwww.emis.
de%2Fjournals%2FDM%2FvXI2%2Fart4.pdf&rct=j
t
 s

u  t   a   b  s  k  s  exp   c   d  ds &q=integral%20inequality&ei=EFLZTc7ODI7evQP
I-
0 0  PWkBw&usg=AFQjCNGX8Hm1t4ZnSkpqNQGC
atau
MufH0qXUzw&cad=rja.18 Mei 2011, Pkl. 21.45
t
s 
u  t   a   b  s  k  s  exp   c   d  ds, t  J WIT
http://en.wikipedia.org/wiki/Minkowski_inequality. 20
0 0 
Mei 2011, Pkl. 20.00 WIT

KESIMPULAN

Berdasarkan pembahasan, maka dapat diperoleh beberapa


kesimpulan sebagai berikut :
1. Ketaksamaan integral Gronwall-Bellman merupakan
salah satu teori ketaksamaan yang terdiri dari
beberapa sifat, dimana sifat-sifat tersebut melibatkan
beberapa fungsi yang didefinisikan sebagai fungsi
tertentu dan nilai integral dari fungsi-fungsi tersebut.
Dalam hal ini jika fungsi-fungsi tersebut terbatas
terhadap nilai integral tertentu maka fungsi tersebut
juga terbatas pada kondisi lain, yakni terhadap
eksponensial dari integral tersebut.
2. Sifat dasar dari ketaksamaan integral Gronwall-
Bellman hanya melibatkan dua fungsi yang
didefinisikan sebagai fungsi tertentu dan satu
konstanta. Sifat dasar tersebut kemudian dapat
dikembangkan dengan melibatkan lebih dari dua
fungsi serta beberapa konstanta yang terbatas pada
interval tertentu.
Di sisi lain, dengan menambahkan beberapa syarat
lagi yaitu pangkat dari suatu fungsi atau konstanta, maka

Rijoly, Wattimanela, Matakupan


Jurnal Barekeng
Vol. 5 No. 2 Hal. 25 – 30 (2011)

MODEL GEOGRAPHICALLY WEIGHTED POISSON REGRESSION DENGAN PEMBOBOT FUNGSI KERNEL GAUSS
Studi Kasus: Jumlah Kematian Bayi di Jawa Timur Tahun 2007

SALMON NOTJE AULELE


Staf Jurusan Matematika Fakultas MIPA Universitas Pattimura
Jl. Ir. M. Putuhena, Kampus Unpatti, Poka-Ambon
email: once_cancer@yahoo.com

ABSTRAK

Kematian bayi adalah suatu kematian yang dialami anak sebelum mencapai usia satu tahun.
Angka kematian bayi (AKB) adalah besarnya kemungkinan bayi meninggal sebelum mencapai
usia satu tahun, dinyatakan dalam perseribu kelahiran hidup. Analisis regresi merupakan
analisis statistik yang bertujuan untuk memodelkan hubungan antara variabel respon dengan
variabel prediktor. Apabila variabel respon berdistribusi Poisson, maka model regresi yang
digunakan adalah regresi Poisson. Geographically Weighted Poisson Regression (GWPR)
adalah bentuk lokal dari regresi Poisson dimana lokasi diperhatikan yang berasumsi bahwa
data berdistribusi Poisson. Dalam penelitian ini akan mengetahui faktor-faktor apa saja yang
mempengaruhi jumlah kematian bayi di Provinsi Jawa Timur dengan menggunakan model
GWPR dengan menggunakan pembobot fungsi kernel gauss. Hasil penelitian menunjukan
bahwa secara keseluruhan faktor-faktor yang mempengaruhi jumlah kematian bayi di Jawa
Timur berdasarkan model GWPR dengan pembobot fungsi kernel gauss adalah persentase
persalinan yang dilakukan dengan bantuan tenaga non medis (X 1), rata-rata usia perkawinan
pertama wanita (X2), rata-rata pemberian ASI ekslusif (X4) dan jumlah sarana kesehatan (X7).
Berdasarkan variabel yang signifikan maka kabupaten/kota di Jawa Timur dapat dikelompokan
menjadi 2 kelompok. Dengan membandingkan nilai AIC antara model regresi Poisson dan
model GWPR diketahui bahwa model GWPR dengan pembobot fungsi kernel Gauss
merupakan model yang lebih baik digunakan untuk menganalisis jumlah kemtian bayi di
Propinsi Jawa Timur tahun 2007.

Kata Kunci: Kematian Bayi, Geographically Weighted Poisson Regression, Maximum


Likelihood Estimator, Fungsi Kernel Gauss

PENDAHULUAN dalam menentukan tingkat kesehatan masyarakat. Negara


Indonesia masih harus berjuang keras untuk memperbaiki
Pembangunan kesehatan pada hakekatnya indikator pembangunan kesehatan, khususnya angka
merupakan penyelenggaraan upaya kesehatan untuk kematian bayi, karena tren angka kematian bayi selama
mencapai kemampuan hidup sehat secara mandiri dengan beberapa tahun terakhir belum menurun. Berdasarkan
upaya peningkatan derajat kesehatan masyarakat yang prediksi dari tim BPS-UNDP-Bappenas (2005) penurunan
optimal, peningkatan sumber daya manusia dan angka kematian bayi tidak berlangsung cepat, tetapi turun
pemerataan jangkauan pelayanan kesehatan. Millenium perlahan secara eksponensial. Berdasarkan pola ini,
Development Goals (MDGs) adalah sebuah komitmen diperkirakan di tahun 2015 angka kematian bayi di
bersama masyarakat internasional untuk mempercepat Indonesia mencapai 21 kematian bayi tiap 1000 kelahiran.
pembangunan manusia dan pengentasan kemiskinan. Angka ini belum memenuhi target dari MDGs yaitu
Salah satu tujuan MDGs yaitu menurunkan Angka sebesar 17 kematian bayi tiap 1000 kelahiran. Untuk itu
Kematian Balita sebesar dua pertiga dari tahun 1990 pemerintah harus berupaya keras melalui berbagai
sampai dengan tahun 2015. Indikator angka kematian program untuk menekan angka kematian bayi.
balita yang paling panting adalah angka kematian bayi. Geographically Weighted Poisson Regression
Angka kematian bayi adalah salah satu indikator penting (GWPR) adalah bentuk lokal dari regresi poisson dimana
Barekeng Vol. 5 No.2 Hal 25 – 30 (2011) 26

lokasi diperhatikan yang berasumsi bahwa data


berdistribusi Poisson. Nakaya, dkk (2004) menggunakan
respon berdistribusi Poisson Y ~ Poisson    x , β
i i

model GWPR untuk suatu himpunan data pekerjaan maka fungsi likelihood adalah sebagai berikut:

     xi , β  
dengan usia kematian di Tokyo. Hasil yang diperoleh
exp    xi , β 
yi
n
L β   
menunjukan bahwa ada variasi yang signifikan dalam
(3)
hubungan kerja dan usia kematian di Tokyo. Hadayeghi, yi !
i 1
dkk (2009) menunjukan bahwa model GWPR lebih baik
digunakan untuk menyelidiki variasi dalam hubungan Setelah diperoleh bentuk likelihood kemudian dilakukan
jumlah zonal collisions daripada Generalized Linear operasi logaritma natural sehingga diperoleh:
Model yang konvensional. Model GWPR akan diterapkan n
untuk pemodelan jumlah kematian bayi di Provinsi Jawa
Timur tahun 2007 dengan menggunakan pembobot fungsi
Ln L  β       x , β  y Ln   x , β  Ln y !
i 1
i i i i (4)

kernel gauss dan fungsi kernel bisquare. Berdasarkan persamaan (2) maka persamaan (4) dapat
Berdasarkan uraian di atas dapat dirumuskan ditulis sebagai :
permasalahan dalam penelitian ini yaitu faktor-faktor apa
 y x β   exp  x , β    Ln y !
n n n
saja yang berpengaruh terhadap jumlah kematian bayi di Ln L  β  
T T
i i i i (5)
Jawa Timur berdasarkan model GWPR dengan i 1 i 1 i 1
menggunakan pembobot fungsi kernel Gauss. Sehingga,
Faktor letak geografis merupakan faktor pembobot pada
tujuan penelitian ini adalah menjawab permasalahan
tersebut agar dapat dijadikan acuan untuk menurunkan model GWPR. Faktor ini memiliki nilai yang berbeda
tingkat kematian bayi. untuk setiap daerah yang menunjukan sifat lokal pada
model GWPR. Oleh karena itu pembobot diberikan pada
bentuk log-likelihoodnya untuk model lokal GWPR,
TINJAUAN PUSTAKA maka diperoleh :

   y j xTj β u j , v j   Ln y j !
n
1. Model Regresi Poisson
Regresi Poisson merupakan suatu bentuk analisis

Ln L β  ui , vi  

j 1
regresi yang digunakan untuk memodelkan data yang
berbentuk count (jumlah), misalnya data tersebut
dilambangkan dengan Y yaitu banyaknya kejadian yang
 
 exp x j β u j , v j
T
 w u , v  ij i i (6)

terjadi dalam suatu periode waktu dan/atau wilayah Estimasi parameter β  ui , vi  diperoleh dengan
tertentu. Regresi Poisson mengasumsikan bahwa variabel
random Y berdistribusi Poisson. Suatu variabel random Y mendiferensialkan persamaan (6) terhadap β u j , v j  
didefinisikan mempunyai distribusi Poisson jika densitas
(fungsi peluangnya) diberikan sebagai berikut (Mood, maka diperoleh :
Graybill & Boes, 1974): 
Ln L β  ui , vi 


  
n

 e 
 y
, y  0,1,2,... β
T
u , v    y x j j
T
 x j exp x j β u j , v j
fY ( y )  fY  y;     y!
j j j 1
(1)
 0 , lainnya wij  ui , vi  (7)
Dengan parameter μ > 0. Persamaan di atas disebut Nilai estimasi diperoleh dengan memaksimumkan bentuk
juga sebagai fungsi peluang Poisson. Model regresi differensial tersebut sehingga diperoleh
 
Poisson dapat ditulis sebagai berikut:
Ln L β  ui , vi 

  
n

log  i    0    y x
k T
  j xij ,  x j exp x j β u j , v j
j 1
i  1, 2,..., n (2)
β
T
u , v 
j j j 1
j j

  wij  ui , vi 
dengan i  i  xi   exp   j    j xij  .
k

 j 1  0 (8)
Penaksiran parameter regresi Poisson dilakukan dengan Karena fungsi pada persamaan (8) berbentuk implisit,
menggunakan metode Maximum Likelihood Estimation
maka digunakan suatu prosedur iterasi numerik yaitu
(MLE) kemudian diselesaikan dengan metode iterasi
numerik yaitu Newton-Raphson. Pengujian parameter metode Newton-Raphson. Iterasi Newton-Raphson adalah
model regresi Poisson menggunakan metode Maximum β m1 ui , vi   β m ui , vi 
Likelihood Ratio Test (MLRT).

 m    
β m  ui , vi  g m β m  ui , vi 
1
H (9)
1.1.1 Model Geographically Weighted Poisson
Regression (GWPR) Dimana
 Ln L β  ui , vi   
Penaksiran parameter model GWPR menggunakan 
metode MLE. Langkah awal dari metode tersebut adalah 
g  m β m  ui , vi   
dengan membentuk fungsi likelihood. Karena variabel β
T
ui , vi 

Aulele
Barekeng Vol. 5 No.2 Hal 25 – 30 (2011) 27

  A  ui , vi 
 m
 diag  y1    m
ui , vi  y2    m ui , vi 
n

g  m  β m  ui , vi     xi wij  ui , vi  exp xi β  ui , vi 
T

i 1
n yn   m
ui , vi 
  x w u , v  y
i ij i i i (10)
i 1 z  ui , vi  : Vektor adjusted dari variabel respon,
Ln L
2
β ui , vi 

H  m  β m  ui , vi   
β  ui , vi  β
didefinisikan sebagai berikut :
T
ui , vi   m
 yi  yi   m   ui , vi  
zi ui , vi     m 
 yi   ui , vi  (11)
n
   x w u , v 
i 1
i ij i i

  m p

   i  ui , vi     i  ui , vi  xkj  
 m
T
xi exp  u , v 
T
xi β i i (11)
 k 1 
Apabila persamaan (10) dan (11) disubtitusikan ke Dengan mengulang prosedur iterasi untuk setiap titik
persamaan (9), maka diperoleh: regresi ke-i, maka penaksir parameter lokal akan
1
 n
 didapatkan. Iterasi berhenti pada saat konvergen, yaitu
β  m 1  ui , vi    
 i 1
x i wij  ui , vi  i xi
 m
T

 pada saat 
 m1
ui , vi     m ui , vi    , dimana 
 n
  xi wij  ui , vi  i m
merupakan bilangan yang sangat kecil.
Uji hipotesis yang pertama dilakukan adalah
 i 1
pengujian kesamaan model regresi Poisson dan GWPR
 yi  i  
  m
  xTi β m   ui , vi   
untuk menguji signifikansi dari faktor geografis. Bentuk
 (12) hipotesisnya adalah :
 i m 
   H 0 :  k ui , vi    k ; i  1, 2,..., n; k  1, 2,..., p
Persamaan (12) dapat ditulis menjadi (tidak ada perbedaan yang signifikan antara model regresi
1
 n
 Poisson dan model GWPR)
β  m 1  ui , vi   

 x w u , v  y
i 1
i ij i i
T
i m  x i 

H1 : paling tidak ada satu  k ui , vi    k
(ada perbedaan yang signifikan antara model regresi
 n
  xi wij  ui , vi  yi m Poisson dengan model GWPR) (13)
 i 1 Pengujian kesamaan model regresi Poisson dan
 yi  yi   GWPR menggunakan perbandingan nilai devians model
  m
  xTi β m   ui , vi    regresi Poisson dan model GWPR. Misalkan model
 (13)
 yi m 
   regresi Poisson dinyatakan dengan model A dengan
derajat bebas dfA dan model GWPR dinyatakan dengan
Apabila digunakan pendekatan matriks maka persamaan model B dengan derajat bebas dfB maka :
(13) dapat ditulis sebagai berikut : Devians Model A / df A
Fhit 
ui , vi    X 
1 (15)
β
 m 1 T
W  ui , vi  A  ui , vi 
 m
X X T Devians Model B / df B

 (14)
(14) derajat bebas dfA dan
Akan mengikuti distribusi F dengan
 m  m
W  ui , vi  A  ui , vi  z  ui , vi  dfB. Kriteria pengujiannya adalah tolak H0 jika
Fhit  F ;df ;df 
Dimana X : Matriks prediktor, sebagai berikut : A B

Pengujian parameter model dilakukan dengan


1 x11 x1 p
1 x x2 p 
menguji parameter secara parsial. Pengujian ini untuk
X  
21 mengetahui parameter mana saja yang signifikan
  memepengaruhi variabel responnya. Bentuk hipotesis
1 x xnp 
 n1 pengujian parameter model secara parsial adalah :

W  ui , vi  : matriks pembobot, dinotasikan seperti H 0 :  k ui , vi    k ; i  1, 2,..., n; k  1, 2,..., p


H1 :  k ui , vi   0
W ui , vi   diag  wi1 wi 2 win 
Unyuk pengujian hipotesis di atas, digunakan:
A  ui , vi  : Matriks pembobot varians yang berhubungan
 k  ui , vi 
Z (16)
 
dengan Fisher Scoring untuk setiap lokasi i,
se  k  ui , vi 
dinotasikan sebagai berikut :

Aulele
Barekeng Vol. 5 No.2 Hal 25 – 30 (2011) 28

Nilai standar error  k ui , vi  diperoleh dari : keadaan sosial ekonomi orang tua (BPS, 2009). Menurut
Mosley & Chen (1981), faktor sosial ekonomi dan budaya
  
se  k ui , vi   var  k ui , vi   (17) merupakan faktor penentu morbiditas dan kematian bayi,

var   k  ui , vi  
namun pengaruh ini bersifat tidak langsung karena harus
Dengan merupakan elemen ke-k
melalui mekanisme biologi tertentu (variabel antara) yang
diagonal pada matriks var β ui , vi    yang berukuran kemudian akan menimbulkan resiko morbiditas,
kemudian bayi sakit dan apabila tidak sembuh maka bayi
 p  1 x  p  1 dan  k ui , vi  merupakan taksiran akan cacat atau meninggal. Dalam masalah ini morbiditas
parameter model yang memaksimumkan fungsi log- dan kematian bayi sebagai masalah pokok sedangkan
sosial ekonomi dan budaya serta variabel-variabel antara
likelihood. Kriteria pengujiannya adalah tolak H 0 jika
sebagai faktor yang memepengaruhi kematian bayi.
Z hit  Z 2;n  p 1

Pembobot yang digunakan untuk mengestimasi


paramater dalam model GWPR adalah fungsi kernel METODE PENELITIAN
Gauss yaitu : Data yang dipergunakan dalam penelitian ini adalah

wij  ui , vi   exp  dij h 
2
(18) data sekunder yang diperoleh dari Badan Pusat Statistik
yaitu data survei Sosial Ekonomi Nasional (SUSENAS)
dengan d ij jarak antara lokasi  ui , vi  ke lokasi u j , v j  
tahun 2007 untuk Provinsi Jawa Timur. Untuk
mendukung proses penelitian digunakan paket program
dan h adalah parameter non negatif yang diketahui dan komputer yaitu software MINITAB dan GWR4.
Variabel yang digunakan yaitu Jumlah kematian
biasanya disebut parameter penghalus (bandwidth). Salah
bayi (Y), Persentase persalinan yang dilakukan dengan
satu metode yang digunakan untuk untuk memilih bantuan non medis (X1), Rata-rata usia perkawinan
bandwidth optimum adalah metode Cross Validation pertama wanita (X2), Rata-rata jumlah pengeluaran rumah
(CV) yang didefinisikan sebagai berikut: tangga perkapita sebulan (X3), Rata-rata pemberian ASI
n ekslusif (X4), Persentase penduduk miskin(X5), Jumlah
CV  h    y  y i  h  
2
i (19) Tenaga Kesehatan (X6), Jumlah Sarana Kesehatan (X7),
i 1 Garis Lintang (ui) dan Garis Bujur (vi)
dengan Untuk mengetahui faktor-faktor yang berpengaruh
pada jumlah kematian bayi di Provinsi Jawa Timur tahun
yi  h  : Nilai penaksir yi (fitting value) dimana
2007 dengan menggunakan model GWPR dilakukan
pengamatan dilokasi ui , vi  dihilangkan dari analisis dengan langkah-langkah sebagai berikut:
a. Menganalisis model regresi Poisson dengan langkah-
proses penaksiran langkah sebagai berikut :
yi  h  : Nilai penaksir yi (fitting value) dimana 1. Pemeriksaan kolinieritas antara variabel prediktor
2. Menaksir parameter model regresi Poisson
pengamatan dilokasi  ui , vi  dimasukan dalam 3. Pengujian kesesuaian model regresi Poisson
proses penaksiran b. Menganalisis model GWPR dengan langkah-langkah
sebagai berikut:
v1 : Jumlah penaksir yang efektif 1. Menentukan ui dan vi setiap kabupaten/kota di
n : Jumlah sampel Provinsi Jawa Timur
Metode yang digunakan untuk memilih model 2. Menentukan bandwidth optimum dengan
menggunakan metode Cross Validation (CV)
terbaik untuk GWPR yaitu Akike Information Criterion
3. Menghitung jarak Eucliden anatara lokasi
(AIC) yang didefinisikan sebagai berikut : pengamatan berdasarkan posisi geografis.
AIC = D(G) + 2K(G) (20) 4. Menghitung matriks pembobot dengan
dengan D(G) merupakan nilai devians model dengan menggunakan fungsi kernel gauss dan fungsi
bandwidth (G) dan K(G) merupakan jumlah parameter kernel bisquare
dalam model dengan bandwidth (G). Model terbaik 5. Menaksir parameter model GWPR
adalah model dengan nilai AIC terkecil 6. Melakukan pengujian kesamaan model regresi
Poisson dan GWPR untuk menguji signifikansi
dari faktor geografis dengan menggunakan
1.1.2 Kematian Bayi hipotesis berikut :
H0 :  k ui , vi   k , k = 1, 2, …, p
Kematian bayi adalah suatu kematian yang dialami
anak sebelum mancapai usia satu tahun. Angka kematian
bayi (AKB) adalah besarnya kemungkinan bayi H1 : paling tidak ada satu  k ui , vi    k
meninggal sebelum mencapai usia satu tahun, dinyatakan 7. Melakukan pengujian parameter secara parsial
dalam perseribu kelahiran hidup. Kematian bayi sangat dengan menggunakan hipotesis berikut :
dipengaruhi oleh kondisi kesehatan perumahan dan H 0 :  k  ui , vi   0

Aulele
Barekeng Vol. 5 No.2 Hal 25 – 30 (2011) 29

H1 :  k ui , vi   0 ; k  1, 2,..., p Setelah mendapatkan nilai bandwidth optimum,


maka langkah selanjutnya adalah mendapatkan matriks
8. Membuat kesimpulan pembobot, dimana dalam penelitian ini akan digunakan
c. Membandingkan model regresi Poisson dengan model pembobot yaitu fungsi kernel gauss dan fungsi kernel
GWPR
bisquare. Misalkan matriks pembobot di lokasi  u1 , v1 
adalah W u1 , v1  maka langkah awal sebelum
HASIL DAN PEMBAHASAN
mendapatkan matriks pembobot ini adalah dengan
Sebagai langkah awal untuk analisis model GWPR, mencari jarak euclid lokasi  u1 , v1  ke semua lokasi
maka perlu dibentuk regresi global yaitu model regresi penelitian. Matriks pembobot yang dibentuk dengan
Poisson. Sebelum membentuk regresi Poisson maka perlu fungsi kernel gauss pada lokasi  u1 , v1  yaitu kabupaten
dilakukan uji kolinieritas untuk mengetahui apakah
variabel prediktor telah memenuhi kondisi saling tidak Pacitan di provinsi Jawa Timur adalah :
berkorelasi. W  u1 , v1   diag (1, 0000 0, 7807 0, 8889 0, 8595 0, 7412
Beberapa kriteria yang dapat digunakan untuk
mengetahui adanya kolinieritas diantara variabel prediktor 0, 6915 0, 6393 0, 5183 0, 4879 0, 3679 0, 4528
yaitu dengan menggunakan koefisien korelasi (Pearson 0, 4393 0, 5407 0, 5651 0, 6020 0, 6304 0, 6556
Correlation) dan nilai Variance Inflation Factors (VIF).
Kedua kriteria menunjukan hasil yang sama yaitu tidak 0, 7550 0, 7768 0, 7927 0, 7532 0, 7001 0, 5554
adanya kolinieritas diantara variabel-variabel prediktor 0, 6069 0, 6095 0, 5722 0, 4799 0, 4610 0, 4258
sehingga variabel-variabel prediktor yang digunakan
dalam penelitian ini di provinsi Jawa Timur tahun 2007 0, 6994 0, 7206 0, 6366 0, 5032 0, 5922 0, 6309
dapat digunakan dalam pembentukan model regresi
0, 7812 0, 5854 0, 6439)
Poisson. Berikut ini estimasi parameter model regresi
Poisson Jawa Timur. Penaksiran parameter model GWPR menggunakan
metode Newton-Raphson dapat diselesaikan dengan
Tabel 1. Estimasi Parameter Model Regresi Poisson di menggunakan software GWR4, sehingga didapatkan nilai
Jawa Timur taksiran parameter disemua lokasi  u1 , v1  , i = 1, 2,..., 38.
Parameter Estimasi Standar Error T Hitung Pengujian kesamaan model regresi Poisson dan
1 3,0119 0,0368 81,8899* GWPR dilakukan dengan menggunakan uji F. Diperoleh
2 -0,2445 0,0766 -3,1999* kesimpulan bahwa tidak ada perbedaan yang signifikan
3 -0,3910 0,1004 -3,8937* antara model GWPR dengan menggunakan pembobot
4 0,0538 0,1003 0,5363 fungsi kernel gauss dengan model regresi Poisson di Jawa
5 0,0998 0,0371 2,6874* Timur. Selanjutnya dilakukan pengujian parameter model
6 0,0902 0,0777 1,1614 untuk mengetahui faktor-faktor yang mempengaruhi
7 0,1015 0,0938 1,0825 jumlah kematian bayi disetiap lokasi. Dengan
8 -0,2396 0,0811 -2,9534* menggunakan  = 5%, Kabupaten/Kota di Jawa Timur
*) Parameter yang berpengaruh secara signifikan pada  = 5% dikelompokan berdasarkan variabel-variabel yang
signifikan dalam mempengaruhi jumlah kematian bayi
Dari Tabel 1 terdapat 5 parameter yang signifikan yaitu:
yaitu  0 , 1 ,  2 ,  4 dan  7 , sehingga model regresi
N

Poisson yang dibentuk untuk jumlah kematian bayi di W E

provinsi Jawa Timur adalah :


S

ˆ i  exp  3, 0119  0, 2445 X 1  0, 3910 X 2


G R E S IK SU MEN E P
TU B A N SAM PAN G
B A N G K A LA N
LA M O N G A N PAM EKA SAN

BO JO N EG O R O S U RA B A Y A ( K O T A )

 0, 0998 X 4  0, 2396 X 7 
S ID O A R J O
NG A W I
NG A N J UK J O M B A N G
MO JO KER T O
M A D IU N
MAG ET AN

PO N O R O G O K E D IR I
PASU R U AN
P R O B O L IN G G O
S IT U B O N D O V a ria b e l
M A L A N G ( K O TA )
BON D O W OSO
X1 , X 2 , d a n X 4

Berdasarkan nilai deviance D    , model regresi Poisson


P A C IT A N
TR E N G G A L E K
B L IT A R MAL AN G LU M A J A N G
JEMB ER
X1 , X 2 , X 4 da n X 7
BAN YU W AN G I

untuk provinsi Jawa Timur layak dan sesuai untuk


menggambarkan hubungan antara variabel respon dan
variabel prediktor. Gambar 1 Pengelompokan Kab/Kota di Jawa Timur
Selanjutnya dilakukan pemodelan dengan Berdasarkan Variabel Yang Signifikan Dengan
menggunakan model GWPR. Langkah pertama untuk Menggunakan Pembobot Fungsi Kernel Gauss
membangun model GWPR adalah dengan menentukan
letak geografis tiap kabupaten/kota di provinsi Jawa Berdasarkan Gambar 1 terlihat bahwa di Jawa Timur
Timur, setelah diperoleh letak geografis maka langkah dengan menggunakan pembobot fungsi kernel gauss
selanjutnya yaitu memilih bandwidth optimum. Nilai terdapat 2 kelompok Kabupaten/Kota. Secara keseluruhan
bandwidth untuk provinsi Jawa Timur yang diperoleh dari faktor-faktor yang mempengaruhi jumlah kematian bayi
hasil iterasi adalah q:0,947373 dengan nilai kriteria di Jawa Timur berdasarkan model GWPR dengan
CV:20209,69. Untuk setiap lokasi pusat akan diperoleh pembobot fungsi kernel gauss adalah persentase
nilai bandwidth optimum yang berbeda-beda. persalinan yang dilakukan dengan bantuan tenaga non

Aulele
Barekeng Vol. 5 No.2 Hal 25 – 30 (2011) 30

medis (X1), rata-rata usia perkawinan pertama wanita (X2), DAFTAR PUSTAKA
rata-rata pemberian ASI ekslusif (X4) dan jumlah sarana
kesehatan (X7). Sehingga model GWPR dengan Aulele, N.S. and Purhadi. 2009. Geographically Weighted
menggunakan pembobot fungsi kernel gauss yang Poisson Regression Model. Proceding of IndoMS
dibentuk untuk jumlah kematian bayi di Kabupaten International Conference on Mathematics and Its
Pacitan adalah : Applications (IICMA) 2009, 1041-1048. Yogyakarta,
i  exp  2, 9962  0, 3076 X1  0, 4248 X 2  0,1194 X 4  Indonesia
BPS. 2009. Angka Kematian Bayi, Data Statistik
Model diatas menjelaskan bahwa jumlah kematian bayi di Indonesia. Badan Pusat Statistik Jakarta, Indonesia
Kabupaten Pacitan tahun 2007 akan berkurang sebesar Bappenas (2005), Laporan Perkembangan Pencapaian
exp(0,3076) jika variabel X1 bertambah sebesar satu Tujuan Pembangunan Milenium (Millenium
satuan dengan syarat variabel prediktor yang lain adalah Development Goals/MDGs). Bappenas Jakarta,
konstan, hal yang sama juga berlaku untuk variabel X2. Indonesia
Sebaliknya jumlah kematian bayi di Kabupaten Pacitan Brunsdon, C., Fotheringham, A.S. and Charlton, M. 1998.
tahun 2007 akan bertambah sebesar exp(0,1194) jika Geographically Weighted Regression: a method for
variabel X4 bertambah sebesar satu satuan dengan syarat exploring spatial nonstationarity, Geographical
variabel prediktor yang lain adalah konstan. Analysis, 28, 281-298.
Perbandingan model regresi Poisson dan model Chasco, C., Garcia, I. and Vicens, J. 2007. Modeling
GWPR dengan menggunakan pembobot fungsi kernel Spastial Variations in Household Disposible Income
gauss dilakukan untuk mengetahui model mana yang with Geographically Weighted Regression, Munich
lebih baik diterapkan untuk jumlah kematian bayi di Personal RePEc Arkhive (MPRA) Working Papper
provinsi Jawa Timur. Kriteria kebaikan model yang No. 1682.
digunakan adalah dengan membandingkan nilai AIC dari Famoye, F., Wulu, J.T. and Singh, K.P. 2004. On The
model tersebut. Model yang terbaik adalah model dengan Generalized Poisson Regression Model with an
nilai AIC terkecil. Hasil yang diperoleh adalah sebagai Application to Accident Data. Journal of Data
berikut : Science, 2 (2004) 287-295
Hadayeghi, A., Shalaby, A. and Persaud, B. 2009.
Tabel 2 Perbandingan Kesesuaian Model Development of Planning-Level Transportation
Devians AIC
Safety Tools Using Geographically Weighted
Model Regresi Poisson 626,501 642,501
546,319* 564,647*
Poisson Regression, National Academy of Sciences.
Model GWPR (Kernel Gauss)
*) Model Terbaik Hocking, R. 1996. Methods and Application of Linear
Models. John Wiley & Sons, New York
Berdasarkan Tabel 2 diperoleh bahwa model GWPR Huang, Y. and Leung, Y. 2002. Analysing Regional
dengan menggunakan pembobot fungsi kernel gauss lebih Industrialisation in Jiangsu Province Using
baik digunakan untuk menganalisis jumlah kematian bayi Geographically Weighted Regression, Journal of
di provinsi Jawa Timur karena mempunyai nilai AIC yang Geographical System, 4 : 233-249
terkecil. Mei, C. L. 2005. Geographically Weighted Regression
Technique for Spatial Data Analysis, School of
Science Xi’an Jiaotong University.
KESIMPULAN McCullagh, P. and Nelder, J.A. 1989. Generalized Linear
Models, Second Edition, Chapman & Hall, London.
Dari hasil analisa data dan pembahasan dapat Mood, A.M., Graybill, F.A. and Boes, D.C. 1974.
diperoleh kesimpulan sebagai berikut : Introduction to The Theory of Statistics, Third
1. Secara keseluruhan faktor-faktor yang mempengaruhi Edition, McGraw-Hill, Singapura
jumlah kematian bayi di Jawa Timur berdasarkan Nakaya, T., Fotheringham, A.S., Brunsdon, C. and
model GWPR dengan pembobot fungsi gauss adalah Charlton, M. 2004. Geographically Weighted
persentase persalinan yang dilakukan dengan bantuan Poisson Regression for Disease Association
tenaga non medis (X1), rata-rata usia perkawinan Mapping, Statistics in Medicine, Volume 24 Issue
pertama wanita (X2), rata-rata pemberian ASI ekslusif 17, pages 2695-2717.
(X4) dan jumlah sarana kesehatan (X7).
2. Model GWPR dengan menggunakan pembobot fungsi
kernel gauss lebih baik digunakan untuk menganalisis
jumlah kematian bayi di provinsi Jawa Timur tahun
2007 karena mempunyai nilai AIC yang terkecil.
Dari penelitian ini saran yang dapat diberikan adalah
dalam penelitian lebih lanjut hendaknya sampel yang
digunakan sampai ke level lebih kecil (kecamatan)
sehingga mampu mempertajam analisis spasialnya.
Variabel-variabel yang digunakan pun hendaknya
memasukan unsur sosial budaya yang bersifat lokal,
sehingga hasil akhir yang diharapkan mampu
menerangkan kondisi lokal daerah tersebut.

Aulele
Jurnal Barekeng
Vol. 5 No. 2 Hal. 31 – 34 (2011)

PROYEKSI PENDUDUK BERLIPAT GANDA DI KABUPATEN MALUKU TENGAH


(Population Projection Than Doubled in Central Maluku Regency)

JEFRI TIPKA
Badan Pusat Statistik Kabupaten Maluku Tengah
Jl. R. A. Kartini No. 15 Kelurahan Namaelo, Masohi 97511
email: jefri.tipka@bps.go.id

ABSTRAK
Indonesia masih merupakan Negara dengan jumlah penduduk terbesar ke-4 di dunia setelah
Cina, India, Amerika Serikat. Laju pertumbuhan penduduk 1,35% rata-rata pertahun dan
diperkirakan akan mencapai 400 juta jiwa pada tahun 2050 (Gambaran penduduk Indonesia di
awal melenium III Badan Kependudukan Nasional, Jakarta 2002). Untuk itu laju pertumbuhan
penduduk masih harus ditekan. Semakin rendahnya tingkat mortalitas sebagai akibat dari
meningkatnya kondisi kesehatan masyarakat, hal ini berdampak pada meningkatnya penduduk
usia produktif (15 – 64 tahun) dan penduduk usia lanjut (65+ tahun).
Meningkatnya penduduk usia lanjut (lansia) maka sasaran pelayanan penduduk perlu diperluas
tidak saja pada bayi, balita dan orang dewasa; tetapi penduduk lansia harus mendapatkan
perlakuan khusus. Kabupaten Maluku tengah merupakan bagian dari Provinsi Maluku yang
memiliki jumlah penduduk yang sangat besar di Provinsi Maluku.

Kata Kunci: Kabupaten Maluku Tengah, Penduduk

PENDAHULUAN tersebut, penduduk terbesar berada pada kecamatan


Leihitu dengan jumlah jiwa 46.978 dan terendah berada
Berdasarkan data sensus penduduk 1990 jumlah pada kecamatan Nusalaut sebesar 5.322 jiwa (sumber
penduduk Kabupaten Maluku Tengah sebanyak 295.095 BPS Kabupaten Maluku Tengah).
jiwa meningkat menjadi 317.476 jiwa pada tahun 2000.
Laju pertumbuhan penduduk rata-rata selama 10 tahun
sebesar 1,03%. Jumlah penduduk tersebut tersebar di 9
Kecamatan dalam kondisi tahun 2000. Pada tahun 2004
terjadi pemekaran daerah di kabupaten Maluku tengah
sehingga juga berpengaruh pada jumlah penduduk
Maluku tengah. Wilayah Seram Bagian Barat, Seram
Bagian Timur dan Pulau Buru terlepas dari Kabupaten
Maluku Tengah. Berdasarkan hasil Sensus Penduduk
2010 jumlah penduduk Maluku Tengah tercatat sebesar
361.698 jiwa mengalami peningkatan walaupun telah
terjadi pemekaran daerah-daerah baru. Jumlah penduduk
tersebut tersebar dalam 14 Kecamatan dalam kondisi
sensus penduduk tahun 2010.
Kecamatan-kecamatan tersebut antara lain
Kecamatan Banda 9.324 jiwa, Tehoru 28.191 jiwa, Gambar 1. Piramida Penduduk Maluku Tengah, 2010
Amahai 38.932 jiwa, Kota Masohi 31.480 jiwa, Teluk
Elpaputih 10.822 jiwa, Teon Nila Serua 12.857 jiwa, Ditinjau dari kondisi Geografis Kabupaten Maluku
Saparua 32.475 jiwa, Nusalaut 5.322 jiwa, Pulau Haruku Tengah memiliki luas wilayah sebesar 275.907 Km2 yang
24.207 jiwa, Salahutu 46.703 jiwa, Leihitu 46.978 Jiwa, terdiri dari luas laut 264.311,43 Km2 dan luas dataran
Seram utara 39.249 jiwa, Leihitu Barat 16.678 jiwa, dan sebesar 11.595,57 Km2 ini artinya 95,8% adalah wilayah
Seram Utara Barat 9.260 jiwa. dari 14 Kecamatan lautan. Sebelah utara berbatasan dengan laut seram,
Barekeng Vol. 5 No.2 Hal 31 – 34 (2011) 32

sebelah selatan berbatasan dengan Laut Banda, sebelah Hasil penghitungan penduduk dengan menggunakan
barat berbatasan dengan Kabupaten Seram Bagian Barat Metode Aritmatika diperoleh laju pertumbuhan rata-
dan sebelah Timur berbatasan dengan Kabupaten Seram rata pertahun untuk Kabupaten Maluku Tengah
Bagian Timur. sebesar 1,393%. Pertumbuhan penduduk seperti ini
menunjukan pertumbuhan yang cukup tinggi oleh
karena itu perlu ditekan.
METODE PENELITIAN
1.2. Penghitungan Pertumbuhan Penduduk di
Penelitian ini bersifat diskriptif kualitatif dengan Kabupaten Maluku Tengah dengan Metode
pendekatan kepustakaan. Data yang digunakan bersumber Pertumbuhan Geometri.
dari data sensus penduduk tahun 1990, tahun 2000 dan Rumus yang digunakan :
tahun 2010. Analisis data yang digunakan dalam Pt  P0 1  r  t
penelitian ini adalah Analisis secara Aritmetika, Metode
dengan :
Geometri, dan Metode Eksponensial.
Pt = Jumlah penduduk tahun t
P0 = Jumlah penduduk tahun dasar
PEMBAHASAN
r = Angka pertumbuhan penduduk
1. Penghitungan Angka Pertumbuhan Penduduk di t = Waktu
Kabupaten Maluku Tengah. Diketahui: SP2000 (Sensus Penduduk Tahun 2000):
Sumber data kependudukan yang dianggap paling Penduduk Kabupaten Maluku Tengah = 317.476
lengkap dan akurat adalah sensus penduduk. Sensus jiwa. SP2010 (Sensus Penduduk Tahun 2010):
Penduduk dilakukan 10 tahun sekali, Sensus Penduduk Penduduk Kabupaten Maluku Tengah = 361.698
telah enam kali dilaksanakan di Indonesia antara lain jiwa
SP1961, SP1971, SP1980, SP1990, SP2000 dan SP2010. Penghitungan :
Untuk keperluan perencanaan pembangunan maka data Laju Pertumbuhan Penduduk 2000 – 2010 :
kependudukan sangat dibutuhkan karena penduduk 361.698
361.698  317.476 1  r   1  r  
10 10
merupakan sebagai objek pembangunan.
317.476
Pertumbuhan penduduk disuatu daerah di pengaruhi
1  r   1,139292  log 1 r   log 1,139292
10 10
oleh kelahiran, kematian dan migrasi, dengan bersumber
pada data sensus penduduk tahun 1990, tahun 2000 dan 0, 056635
tahun 2010 maka penduduk Kabupaten Maluku Tengah 10log 1  r   0, 056635  log 1  r  
10
dapat diproyeksikan dengan menggunakan 3 metode log1 r 
 e
0,0056635
pertumbuhan yaitu Metode Pertumbuhan secara e  1  r  1,00568
Aritmatika, Metode Pertumbuhan secara Geometri dan r  1,00568 1  r  0,00568
Metode Pertumbuhan secara Eksponensial. r  0,568%
Hasil penghitungan penduduk dengan menggunakan
1.1. Penghitungan Pertumbuhan Penduduk di Metode Geometri diperoleh laju pertumbuhan rata-
Kabupaten Maluku Tengah dengan Metode rata pertahun untuk Kabupaten Maluku Tengah
Pertumbuhan Aritmatika. sebesar 0,568%.
Rumus yang digunakan :
Pt  P0 1  rt  1.3. Penghitungan Pertumbuhan Penduduk di
dengan : Kabupaten Maluku Tengah dengan Metode
Pt = Jumlah penduduk tahun t Pertumbuhan Eksponensial.
P0 = Jumlah penduduk tahun dasar Rumus yang digunakan :
r = Angka pertumbuhan penduduk Pt  P0 e rt
dengan :
t = Waktu
Pt = Jumlah penduduk tahun t
Diketahui: SP2000 (Sensus Penduduk Tahun 2000) :
Penduduk Kabupaten Maluku Tengah = 317.476 P0 = Jumlah penduduk tahun dasar
jiwa. SP2010 (Sensus Penduduk Tahun 2010) : r = Angka pertumbuhan penduduk
Penduduk Kabupaten Maluku Tengah = 361.698 t = Waktu
jiwa
Diketahui: SP2000 (Sensus Penduduk Tahun 2000) :
Penghitungan :
Penduduk Kabupaten Maluku Tengah = 317.476
Laju Pertumbuhan Penduduk 2000 – 2010 :
361.698  317.4761  r 10
jiwa. SP2010 (Sensus Penduduk Tahun 2010) :
Penduduk Kabupaten Maluku Tengah = 361.698
361.698 jiwa
1  10r   10r  1,139292  1
317.476 Penghitungan :
10r  0,139292  r  0,0139292 Laju Pertumbuhan Penduduk 2000 – 2010 :
r  1,393% 361.698  317.4762,71829210r

Tipka
Barekeng Vol. 5 No.2 Hal 31 – 34 (2011) 33

361.698 2.2. Perkiraan Penduduk Tahun 2007


 2, 718292     2, 718292   1,139292
10 r 10 r

317.476 Rumus yang digunakan :


Pm  P0  Pn  P0 
m
log2,71829210r  log1,139292
n
10r log2,718292  log1,139292 dengan :
0, 056635 Pm = Jumlah penduduk antara sensus (yang dicari)
10r  0, 434296   0, 056635  r 
4,34296 P0 = Jumlah penduduk tahun dasar/tahun awal
r  0,013041  r  1,3041% Pn = Jumlah penduduk tahun n
Hasil penghitungan penduduk dengan menggunakan
m = Selisih tahun yang dicari dengan tahun awal
Metode Aritmatika diperoleh laju pertumbuhan rata-
n = Selisih tahun dari dua sensus yang diketahui
rata pertahun untuk Kabupaten Maluku Tengah
sebesar 1,3041%. Pertumbuhan penduduk seperti ini Diketahui: SP2000 (Sensus Penduduk Tahun 2000) :
menunjukan pertumbuhan yang cukup tinggi oleh Penduduk Kabupaten Maluku Tengah = 317.476
karena itu perlu ditekan jiwa. SP2010 (Sensus Penduduk Tahun 2010) :
Dari ketiga metode tersebut dapat dilihat, Penduduk Kabupaten Maluku Tengah = 361.698
penghitungan dengan menggunakan Metode Geometri jiwa
lebih kecil yaitu 0,568%. Dengan Metode Aritmatika dan Penghitungan: Bedasarkan data sensus penduduk
Metode Eksponensial tidak jauh berbeda berturut-turut yang diketahui maka dapat diperkirakan dengan
1,393% dan 1,3041%. Dapat dikatakan pertumbuhan menggunakan rumus tersebut.
penduduk Kabupaten Maluku Tengah dalam jangka SP2000 = 317.476 P0  dan SP2010 = 361.698 Pn 
waktu 10 tahun dari tahun 1990 sampai tahun 2000 maka :
berkisar antara 0,5% – 1,4%.  2007  2000 
Pm  317.476   361.698  317.476
 2010  2000 
2. Perkiraan Penduduk Antara Sensus (SP2000–
7
SP2010) di Kabupaten Maluku Tengah.  317.476     44.222   317.476  30.955
Perkiraan penduduk antara sensus diketahui dengan  10 
asumsi pertumbuhan penduduk linier, dimana setiap tahun  348.431
penduduk akan bertambah dengan jumlah yang sama. Berdasarkan data Sensus Penduduk Tahun 2000 dan
Sensus Penduduk 2010 maka penduduk Kabupaten
2.1. Perkiraan Penduduk Tahun 2003 Maluku Tengah antar sensus yaitu tahun 2003
Rumus yang digunakan : berjumlah 348.431 jiwa.
Pm  P0  Pn  P0 
m
n 3. Perkiraan Penduduk Kabupaten Maluku Tengah
dengan : Setelah Sensus Penduduk 2010
Pm = Jumlah penduduk antara sensus (yang dicari) Penghitungan penduduk setelah penduduk sensus
asumsinya pertumbuhan penduduk dianggap linier,
P0 = Jumlah penduduk tahun dasar/tahun awal dimana setiap tahun penduduk akan bertambah dengan
Pn = Jumlah penduduk tahun n jumlah yang sama.
m = Selisih tahun yang dicari dengan tahun awal
n = Selisih tahun dari dua sensus yang diketahui 3.1. Perkiraan Penduduk Tahun 2012
Diketahui: SP2000 (Sensus Penduduk Tahun 2000) : Rumus yang digunakan :
nm
Penduduk Kabupaten Maluku Tengah = 317.476 Pm  P0   Pn  P0 
jiwa. SP2010 (Sensus Penduduk Tahun 2010) :  n 
Penduduk Kabupaten Maluku Tengah = 361.698 dengan :
jiwa Pm = Jumlah penduduk antara sensus (yang dicari)
Penghitungan: Bedasarkan data sensus penduduk
P0 = Jumlah penduduk tahun dasar/tahun awal
yang diketahui maka dapat diperkirakan dengan
menggunakan rumus tersebut. Pn = Jumlah penduduk tahun n
SP2000 = 317.476 P0  dan SP2010 = 361.698 Pn  m = Selisih tahun yang dicari dengan tahun awal
maka : n = Selisih tahun dari dua sensus yang diketahui
 2003  2000  Diketahui: SP2000 (Sensus Penduduk Tahun 2000) :
Pm  317.476   361.698  317.476 Penduduk Kabupaten Maluku Tengah = 317.476
 2010  2000  jiwa. SP2010 (Sensus Penduduk Tahun 2010) :
3
  44.222   317.476  13.267
Penduduk Kabupaten Maluku Tengah = 361.698
 317.476  
 10  jiwa
Penghitungan: Bedasarkan data sensus penduduk
 330.743
yang diketahui maka dapat diperkirakan dengan
Berdasarkan data Sensus Penduduk Tahun 2000 dan
menggunakan rumus tersebut.
Sensus Penduduk 2010 maka penduduk Kabupaten
SP2000 = 317.476 dan SP2010 = 361.698 maka :
Maluku Tengah antar sensus yaitu tahun 2003
berjumlah 330.743 jiwa.

Tipka
Barekeng Vol. 5 No.2 Hal 31 – 34 (2011) 34

 2012  2010  2010  2000  p1 p


Pm  317.476    P1  2 P0   2 dan Pt  2 P0  t  2
 2010  2000  P0 P0
361.698  317.476 sehingga
 12  Pt
 317.476     44.222   317.476  53.542 Pt  P0 ert   ert  2  ert  log 2  log ert
 10  P0
 370.542 log 2  r t log e  0,301029995   0,01 t  log 2,718292 
Berdasarkan data Sensus Penduduk Tahun 2000 dan 0,301029995
Sensus Penduduk 2010 maka penduduk Kabupaten 0,301029995   0,01 t 0, 4342995  0,01t 
0, 4342995
Maluku Tengah setelah sensus penduduk tahun 2010
0, 6931446
yaitu tahun 2012 berjumlah 370.542 jiwa. 0, 01t  0, 6931446  t   t  69,31446
0, 01
3.2. Perkiraan Penduduk Tahun 2016 t  69,3 atau 70 Tahun
Rumus yang digunakan : Jika laju pertumbuhan 1% maka penduduk akan
nm
Pn  P0 
berlipat ganda dalam kurun waktu 70 tahun. Dengan tiga
Pm  P0  
 n  cara penghitungan pertumbuhan penduduk Kabupaten
dengan : Maluku Tengah akan berlipat ganda
Pm = Jumlah penduduk antara sensus (yang dicari) - Cara Aritmatika :
70
P0 = Jumlah penduduk tahun dasar/tahun awal  50,2516 tahun atau 50 tahun
1,3939
Pn = Jumlah penduduk tahun n
- Cara Geometri :
m = Selisih tahun yang dicari dengan tahun awal
70
n = Selisih tahun dari dua sensus yang diketahui  123,2484 tahun atau 123 tahun
Diketahui: SP2000 (Sensus Penduduk Tahun 2000) : 0,568
Penduduk Kabupaten Maluku Tengah = 317.476 - Cara Eksponensial :
jiwa. SP2010 (Sensus Penduduk Tahun 2010) : 70
 53,67814 tahun atau 54 tahun
Penduduk Kabupaten Maluku Tengah = 361.698 1,030
jiwa
Penghitungan: Berdasarkan data sensus penduduk
yang diketahui maka dapat diperkirakan dengan KESIMPULAN
menggunakan rumus tersebut.
SP2000 = 317.476 dan SP2010 = 361.698 maka : Laju pertumbuhan penduduk rata-rata pertahun
Pm  317.476 selama 10 tahun antara dua sensus penduduk yaitu sensus
  2012  2016    2010  2000   pendudu tahun 2000 (SP2000) dan sensus penduduk
   361.698  317.476 
 2010  2000  tahun 2010 (SP2010), dengan menggunakan tiga metode
penghitungan penduduk yaitu berkisar antara 0,5% -
 16 
 317.476   44.222  317.476  70.755 1,4%. Penduduk Kabupaten Maluku Tengah diproyeksi-
 10  kan akan berlipat ganda membuhtukan waktu 50 – 54
 388.231 tahun di hitung dengan Metode Aritmatika dan Metode
Berdasarkan data Sensus Penduduk Tahun 2000 dan Eksponensial, sedangkan jika dilihat dengan metode
Sensus Penduduk 2010 maka penduduk Kabupaten Geometri proyeksi berganda penduduk Maluku Tengah
Maluku Tengah setelah sensus penduduk tahun 2010 membuhtukan waktu 123 tahun.
yaitu tahun 2016 berjumlah 388.231 jiwa. Berdasarkan data yang ada laju pertumbuhan
penduduk cukup tinggi, oleh karena itu pertumbuhan
4. Proyeksi Penduduk Kabupaten Maluku Tengah penduduk perlu ditekan, sehingga di masa mendatang
Akan Berlipat Ganda tingkat pertumbuhan penduduk dapat menurun.
Data sensus penduduk tahun 2000 (SP2000) dan
sensus penduduk tahun 2010 (SP2010) maka akan
dihitung proyeksi berlipat ganda penduduk Kabupaten DAFTAR PUSTAKA
Maluku Tengah.
Penduduk Kabupaten Maluku Tengah tahun 2000 Badan Pusat Statistik Kabupaten Maluku Tengah, Maluku
= 317.476 jiwa Tengah Dalam Angka 2010, Masohi 2010.
Penduduk Kabupaten Maluku Tengah tahun 2010 Badan Pusat Statistik Kabupaten Maluku Tengah, Maluku
= 361.698 jiwa Tengah Dalam Angka 2011, Masohi 2011.
Laju Pertumbuhan Penduduk : Badan Pusat Statistik Kabupaten Maluku Tengah,
0,568% (Metode Geometri) Kecamatan Saparua Dalam Angka 2011, Saparua
1,393% (Metode Aritmatika) 2011.
1,030% (Metode Eksponensial) Pollard, Teknik Kependudukan, PT. Bima Aksana, Jakarta
Dengan Menggunakan Rumus : Pt  P0 e rt 1989.
Maka dapat diproyeksi penduduk berlipat ganda sebagai Rumbia, Waya Ali., Jurnal Ekonomi Pembangunan
berikut : Fakultas Ekonomi UNHALU, Desember 2008.

Tipka
Jurnal Barekeng
Vol. 5 No. 2 Hal. 35 – 38 (2011)

APLIKASI FUZZY PADA PERMASALAHAN PROGRAM TAK-LINIER


(Application of Fuzzy in the Non Linear Programing Problem)

ABRAHAM ZACARIA WATTIMENA


Staf Jurusan Matematika Fakultas MIPA Universitas Pattimura
Jl. Ir. M. Putuhena, Kampus Unpatti, Poka-Ambon
email: ampiwattimena@rocketmail.com

ABSTRACT
One of the most purpose of non linear programing is to determine the optimal solution of its
objective function. If the objective function of a certain non linear programing only possess a
uniqe value function, it is easy to calculate its optimal solution. However, if the objective
function of non linier programing possess multi functions, so there are two possibilities to
determine their optimal solutions. Theses depend on whether there are conflic among them or
not. In order to make them more easier, the fuzzy parameter could be applied to calculate the
optimal solution.

Keywords: Non linear progaming, optimal solution, objective function, fuzzy parameter.

PENDAHULUAN TINJAUAN PUSTAKA

Salah satu tujuan dalam permasalahan program tak- Pemakaian bilangan fuzzy yang digunakan dalam
linier (NLP) adalah menentukan solusi optimal. Jika konteks pengambilan keputusan, khususnya dalam
fungsi tujuan (objective) dari NLP merupakan fungsi masalah program linear tidak konveks (nonconvex) telah
bernilai tunggal maka solusi optimal dapat ditentukan. dikemukan oleh Sakawa dan Yauchi (1995). Begitu juga
Tetapi jika fungsi tujuannya merupakan multi-objektif dengan Ali (2001) mengemukakan tentang pendekatan
(multiobjective) sehingga NLP menjadi permasalahan persamaan diferensial untuk menyelesaikan masalah
progrm tak-linier multi-objektif (MONLP), maka ada dua optimal dengan vector fuzzy, dimana vector fuzzy
kasus dalam menentukan solusi dari MONLP tersebut. diasumsikan mempunyai karakteristik yang sama dengan
Kasus pertama, jika pada fungsi-fungsi tujuan tersebut bilangan fuzzy. Dari pembahasan tersebut menunjukkan
tidak terjadi konflik maka solusi MONLP disebut solusi bahwa bilangan fuzzy dapat digunakan untuk
optimal. Kasus kedua, jika pada fungsi-fungsi tujuan menyelesaikan berbagai permasalahan tetapi masih
terjadi konflik maka solusinya disebut solusi optimal bersifat umum.
pareto. Berdasarkan uraian di atas, maka dalam penelitian
Di samping itu juga, dalam masalah program tak- ini akan dibahas secara khusus, yaitu tentang aplikasi
linier banyak dijumpai adanya parameter-parameter yang bilangan fuzzy yang digunakan untuk menyelesaikan
bersifat fuzzy, misalnya kapasitas yang tersedia kira-kira permasalahan program tak-linier multi-objektif dengan
m satuan. Proses pengambilan keputusan untuk parameter fuzzy (MONLP-FP).
menentukan suatu nilai ini tentunya memerlukan suatu
teori. Untuk itu peranan teori fuzzy sangat perlu
dikembangkan. Evolusi penting tentang kekaburan atau HASIL DAN PEMBAHASAN
ketidak-pastian dari suatu konsep yang modern telah
diperkenalkan oleh Lofti A. Zadeh pada tahun 1965 ( Klir Bentuk umum permasalahan (MONLP-FP) dinyatakan
and Yuan, 1995), yang mengemukakan tentang teori dengan:
himpunan fuzzy, dimana anggota-anggotanya tidak hanya
berdasarkan pada masalah ketegasan atau penguatan, ( ̅) ( ̅̅̅) ( ̅̅̅)
tetapi juga pada masalah kederajatan. ( ̅) { ⁄ ( ̅̅̅)
} (1)
Barekeng Vol. 5 No.2 Hal 35 – 38 (2011) 36

dimana ̅ (̅̅̅ ̅̅̅) adalah parameter fuzzy . dimana ̅ menyatakan parameter fuzzy ̅ ,
̅ (̅ ̅̅̅̅) adalah parameter fuzzy pada fungsi ̅̅̅̅ diasumsikan sebagai
Kendal ( ̅̅̅̅) Parameter-parameter bilangan fuzzy
fuzzy di sini diasumsikan sebagai bilangan fuzzy,
sebagaimana yang dikemukakan oleh Dubois dan Prade
(1978), yaitu bilangan fuzzy ̅ dengan fungsi Definisi 2.
keanggotannya ̅ ( ) merupakan pemetaan kontinu dari Himpunan dari bilangan fuzzy ̅ (
– ke interval tertutup [ ] ̅ ( ) untuk semua ) dan ̅ ( ) didefinisikan sebagai
(– ] ̅ ( ) tidak turun sempurna dan himpunan bias ( ̅ ̅ ) dengan degree dari fungsi
kontinu pada [ ] ̅( ) untuk semua keanggotaan lebih besar atu sama dengan level , yaitu
[ ] ̅ ( ) tidak naik sempurna dan kontinu pada (Sakawa, 1993 dan Ammar, 1997)
[ ] ̅( ) untuk semua [ )
(Sakawa, 1993). ( ̅ ̅) {( )| ̅ ( ) ( ) ̅ ( )
( ) (8)
Definisi 1.
Misalkan A adalah himpunan fuzzy. A dikatakan Himpunan a–level dari bilangan fuzzy ̅ ̅
bilangan fuzzy jika A adalah himpunan fuzzy normal. A dapat juga ditentukan berdasarkan persamaan (5)
adalah himpunan fuzzy konveks, A mempunyai support sehingga himpunan a–level persamaan (7) adalah
terbatas dan semua α level dari A adalah interval tertutup
(Wang, 1997). ( ) [ ] (9)
Bilangan fuzzy triangular A dinyatakan dengan
( ) adalah himpunan fuzzy A yang fungsi Dengan ( ) dan ( ) .
keanggotaannya adalah Selanjutnya dengan menggunakan persamaan (9) maka
persamaan (1) dapat diformulasikan ke bentuk a -MONLP,
( ) yaitu
( ) { (4)
( ) ( ) ( ( ) ( ) ( ))
( ) {{ |
(10)
( )
dimana A dengan adalah
fungsi bernilai riil yang monoton naik dan kontinu kanan, ( ) ( ̅ ̅) }
dan adalah fungsi bernilai real yang monoton turun dan
kontinu kiri. Solusi optimal persamaan (10) untuk degree tertentu,
Himpunan dari interval fuzzy A untuk dinamakan solusi optimal yang didefinisikan
semua ( ] dinyatakan dengan sebagai berikut.

[ ( ) ( )] ( ) Definisi 3.
{ (5) ̅ ( ) dikatakan solusi optimal
[ ] pada
permasalahan MONLP jika dan hanya jika tidak ada
dimana dan adalah fungsi invers dari selain ( )( ) ( ̅ ̅ ) sedemikian sehingga
(Klir, 1997). ( ̅ ̅ ) dan memenuhi ketaksamaan tegas sedikitnya
Berdasarkan persamaman (5), maka himpunan untuk satu dimana nilai dari parameter ( ̅ ̅ )
dari bilangan fuzzy triangular adalah dikatakan parameter optimal (Sakawa, 1993
dan Ammar, 1997).
[( – ) –( – ) ] (6) Solusi optimal persamaan (10)
ditentukan menggunakan pendekatan metode bobot yang
Untuk menentukan solusi op timal dari masalah pada dinyatakan dengan
persamaan (1) maka parameter-parameter fuzzy
diasumsikan sebagai bilangan fuzzy triangular yaitu ∑ ( )
} (11)
bilangan fuzzy ̅ dengan fungsi keanggotannya ̅ ( ) ( )( ) ( ̅ ̅)
dinyatakan dengan
Dimana adalah himpunan bobot
dengan

̅̅̅ ( ) (7) ∑

Wattimena
Barekeng Vol. 5 No.2 Hal 35 – 38 (2011) 37

Himpunan bobot dinyatakan dengan [ ( ) ]


} (16)
(12) [ ] [ ] [ ]
∑ ( )

Selanjutnya persamaan (11) dapat ditulis menjadi:


Persamaan (12) dihitung berdasarkan solusi compromise,
yaitu menentukan nilai minimum dan nilai maksimum (( ) )
dari setiap fungsi tujuan, dengan untuk nilai
minimum dan untuk nilai maksimum, yang
dinyatakan dengan (17)

( )
( ) }
} (13)
̅ ( ) ̅ ( ) Nilai minimum bilangan fuzzy berlaku untuk ,
sehingga diperoleh ( ) ( )
Dan ( ) Sedangkan nilai maksimum
bilangan fuzzy berlaku untuk sehingga diperoleh
( ) maks ( )
( ) } (14) Berdasarkan nilai maksimum dan nilai minimum
̅ ( ) ̅ ( ) bilangan fuzzy tersebut, maka dengan menggunakan
persamaan (13) diperoleh dan
Permasalahan di bawah ini merupakan suatu contoh nyata sedangkan menggunakan persamaan (14) diperoleh
yang berbentuk MONLP-FP, yang hasil perhitungannya dan . Dengan mensubstitusikan
diperoleh dengan implementasi program Matlab 5.3.0. nilai-nilai ini pada persamaan (12) maka diperoroleh
Misalkan sebuah perusahaan membangun dua pabrik, dan . selanjutnya nilai dan
yaitu pabrik A dan pabrik B. Keuntungan total disubstitusikan kepersamaan (17). Akhirnya dengan
diperkirakan (kira-kira 3) kali dari hasil kali dua pabrik menyelesaikan persamaan (17) diperoleh
( ) dalam ratusan dolar per ton, dimana adalah ( ) ( ) yang yang
produksi dari pabrik A dan adalah produksi dari pabrik merupakan solusi optimal pareto, dengan nilai minimum
B ( dalam ton per hari). Adapun biaya proses dimana dan
inventory dari pabrik A adalah ( ) , dimana Hasil ini menunjukan bahwa untuk akan
adalah “kira-kira 4” dan dari pabrik B sebesar ( ) diperoleh hasil produksi dari pabrik A sebesar 480 ton per
dalam ratusan dolar per ton. Asumsikan bahwa produksi hari dan hasil produksi dari pabrik B sebesar 50 ton per
yang dikombinasikan dari pabrik A dan pabrik B hari. Keuntungan total sebesar 777.84 Dolar per ton dan
diperkirakan tidak melebihi (kira-kira 5) ton per hari. biaya proses inventiri sebesar 26 dolar per ton.
Tujuan perusahaan adalah untuk memaksimumkan
keuntungan total dan juga meminimumkan biaya proses
inventory. KESIMPULAN
Persoalan tersebut dapat difor mulasikan menjadi
Berdasarkan pembahasan di atas maka dapat
[ ̅ ( ̅ ) ] disimpulkan :
̅ 1. Masalah program tak-linier multi-objetif dengan
} (15)
parameter fuzzy dapat diformulasikan menjadi masalah
program tak-linier multi-objektif tidak-fuzzy dengan
menggunakan himpunan dari bilangan
dengan fungsi keanggotaan sebagaimana persamaan (7), fuzzy triangular;
dimana ̅ menyatakan parameter fuzzy ̅ 2. Solusi optimal pada permasalahan program tak-linier
̅
multi-objektif dengan parameter fuzzy untuk degree
Parameter fuzzy pada permasalahan di atas dapat tertentu, ( ) diperoleh dengan menyelesaikan
dinyatakan sebagaimana persamaan (3) sehingga permasalahan program tak-linier multi-objektif tidak-
diperoleh : fuzzy menggunakan pendekatan metode bobot.
( ) dimana 3. Solusi optimal yang diharapkan bergantung pada
kira-kira 4 pemilihan nilai ( ) , jika nilai semakin
( ) dimana kecil (mendekati 0) maka akan diperoleh solusi yang
kira-kira ( ) lebih optimal. Disamping itu juga bergantung pada
penentuan bilangan fuzzy triangular “di sekitar
Berdasarkan persamaan (9) untuk maka atau “kira-kira ”, yaitu jika ( – – )
diperoleh ( ) [ ] sehingga persamaan (15) semakin kecil maka diperoleh solusi yang lebih
dapat diformulasikan menjadi bentuk MNOLP, yaitu: optimal.

Wattimena
Barekeng Vol. 5 No.2 Hal 35 – 38 (2011) 38

DAFTAR PUSTAKA

Ali, M.F., 2001. A differential equation approach to fuzzy


vector optimization problems and sentivity analysis.
Fuzzy Sets and Systems. 119(1). pp 87-95.
Ammar, E.I., 1997. Stability of multiobjective NLP
problems with fuzzy parameters in the objective and
constraints functions. Fuzzy Sets and Systems. 109.
pp 225–234.
Sakawa, M., 1993. Fuzzy Sets and Interactive
Multiobjective Optimization. Plenum Press. New
York.

Wattimena
Jurnal Barekeng
Vol. 5 No. 2 Hal. 39 – 44 (2011)

ANALISA KESTABILAN MODEL PENYEBARAN PENYAKIT RABIES


(The Analysis of Model Stability for the Spread of Rabies Disease)

FRANCIS Y. RUMLAWANG1, MARIO IVAN NANLOHY2


1
Staf Jurusan Matematika, FMIPA, Unpatti
2
Alumni Jurusan Matematika, FMIPA Unpatti
Jl. Ir. M. Putuhena, Kampus Unpatti, Poka-Ambon
e-mail: rumlawang@yahoo.com

ABSTRACT

Rabies is a dangerous disease that can cause death due to rabies virus attacks the spinal cord of
the infected and can cause paralysis. But if it enters the limbic system or midbrain, it will cause
aggression and loss of sense. The widespread dissemination of this disease is growth
increasingly. This research will discuss about the model of the spread rabies and then analyze
stability of this model by using simple epidemiological model to determine the initial
equilibrium point and eigenvalues, which would be analyzed the stability of this model. This
model has two main variables and , where is the susceptible and is the infectives. This
research found the stability model at ( ) equilibrium point with the value of parameter is
√ .

Keywords: Eigenvalues, Equilibrium point, Jacobian-matrix, Rabies, SIR-models.

PENDAHULUAN Solusi pencegahan, pemberantasan, dan penyebaran


penyakit rabies telah banyak dilakukan dan dikaji dari sisi
Rabies bukanlah penyakit baru dalam sejarah kesehatan. Salah satu disiplin ilmu yang bisa membantu
peradaban manusia. Catatan tertulis mengenai perilaku mengatasi permasalahan tersebut adalah matematika.
anjing yang tiba-tiba menjadi buas ditemukan pada kode Pemodelan matematika dapat dimanfaatkan untuk
Mesopotamia yang ditulis 4000 tahun lalu serta pada kode menyelesaikan masalah penyebaran penyakit rabies
Babilonia Eshunna yang ditulis pada 2300 SM. dengan menggunakan asumsi-asumsi tertentu yang
Democritus pada 500 SM juga menuliskan karakteristik solusinya dapat diperoleh baik secara analitis maupun
gejala penyakit yang menyerupai rabies. Goldwasser dan numerik.
Kissling menemukan cara diagnosis rabies secara modern Model SIR (Susceptible, Infectives, Recovered) pada
pada tahun 1958, yaitu dengan teknik antibodi awalnya dikembangkan untuk mengetahui laju
imunofluoresens untuk menemukan antigen rabies pada penyebaran dan kepunahan suatu penyakit dalam populasi
jaringan. Secara etimologi, kata rabies berasal dari bahasa tertutup dan bersifat epidemik. Selanjutnya dari model
Sansekerta kuno rabhas yang artinya melakukan yang sudah ada akan dianalisa kestabilannya.
kekerasan atau kejahatan. Dalam bahasa Yunani, rabies Tujuan dari penelitian ini adalah menjelaskan model
disebut Lyssa atau Lytaa yang artinya kegilaan dan dalam penyebaran penyakit rabies dan menganalisa kestabilan
bahasa Prancis, rabies disebut rage berasal dari kata model penyebaran penyakit rabies.
benda robere yang artinya menjadi gila.
Rabies sendiri di Indonesia sudah lama ditemukan
dan hampir semua daerah tertular virus. Rabies pertama TINJAUAN PUSTAKA
kali ditemukan pada kerbau oleh Esser (1884), anjing oleh
Penning (1889), dan pada manusia oleh E.V.de Haan Sebelum masuk ke model matematika, akan dilihat
(1894) yang ketiganya ditemukan di Jawa Barat. Rabies sedikit tentang rabies itu sendiri. Dalam tulisannya pada
di Indonesia merupakan masalah kesehatan masyarakat Natural History of Animals edisi 8, Aristotle (400 SM)
yang serius karena hampir selalu menyebabkan kematian menulis, “Anjing itu menjadi gila. Hal ini menyebabkan
(always almost fatal) setelah timbul gejala klinis dengan mereka menjadi agresif dan semua binatang yang
tingkat kematian sampai 100%. digigitnya juga mengalami sakit yang sama”.
Barekeng Vol. 5 No.2 Hal 39 – 44 (2011) 40

Rabies disebabkan oleh virus rabies yang masuk ke 2. Titik kesetimbangan dikatakan stabil asimtotik jika
keluarga Rhabdoviridae dan genus Lysavirus. stabil dan terdapat bilangan sedemikian
Karakteristik utama virus adalah hanya memiliki satu utas hingga untuk setiap setiap solusi ( ) yang memenuhi
negatif RNA yang tidak bersegmen. Virus ini hidup pada | ( ) | berlaku | ( ) | untuk
beberapa jenis hewan yang berperan sebagai perantara .
penularan antara lain rakun, rubah merah, anjing dan
lain-lain. Hewan perantara menginfeksi inang yang bisa Dengan melakukan pelinearan terhadap sistem yakni
berupa hewan lain atau manusia melalui gigitan. melalui ekspansi Taylor di sekitar titik tetap diperoleh
(Madigan MT, Martinko JM, Dunlap PV, Clark DP
matriks Jacobian untuk sistem (2) sebagai berikut:
2009).
Rabies adalah virus mengerikan yang menyerang
sistem saraf utama. Semua hewan berdarah panas dapat
terinfeksi rabies (Twisleton-Wykeham-Fiennes, 1987).
Penyebaran rabies spasial merupakan sebuah proses [ ]
yang kompleks. Salah satu pendekatan untuk
memodelkan penyebarannya adalah memulai dengan Perilaku dinamik untuk sistem dapat diidentifikasi secara
model epidemiologi sederhana untuk melihat peningkatan lengkap oleh nilai eigen dari matriks , yaitu:
penyebarannya (Kallen et al., 1985; Murray et al., 1986). | |
Selain itu juga teori kestabilan berikut sangat
diperlukan dalam menganalisa kestabilan dari model yang
sudah ada. || ||
Diberikan sistem persamaan linier

( )
( )( ) ( )( )
(1)
( ) ( )
( )

dengan kondisi awal ( ) ( ) ( )


Sistem (1) dapat ditulis sebagai
Dengan demikian berdasarkan kajian terhadap nilai
( ) eigen dan jenis kestabilan dari sistem adalah
sebagai berikut:
dengan ( ) ,
a. dan , maka disebut simpul stabil
( ) ( ( ) ( ) ( )) dan memenuhi b. dan , maka disebut simpul tidak stabil
kondisi awal ( ) ( ) . Selanjutnya c. dan kompleks dengan bagian real negatif maka
notasi ( ) menyatakan solusi sistem (1) di atas dikatakan fokus stabil.
yang melalui . d. dan kompleks dengan bagian real positif maka
disebut fokus tidak stabil.
Diberikan sistem persamaan diferensial non linear e. dan real tapi satunya negatif dan lainnya positif
( ) (2) maka disebut titik sadel.
f. dan kompleks murni maka disebut pusat.
dengan adalah fungsi non linear dan kontinu,
. Jenis kestabilan dalam bidang fase dapat dilihat pada
Perilaku solusi pada persekitaran titik
Gambar 1 berikut ini
kesetimbangan sistem non linear pada Persamaan (2)
dapat ditentukan setelah dilakukan pelinieran pada
persekitaran titik kesetimbangan sistem.

Definisi 1
Sistem ( ( ̅ )) disebut linearisasi sistem (2) di ̅ .
(a) (b) (c)
Definisi 2 (Titik Kesetimbangan)
Titik disebut titik kesetimbangan (titik
equilibrium) sistem jika ( ) .

Definisi 3 (Titik Kesetimbangan)


1. Titik kesetimbangan dikatakan stabil jika untuk
setiap bilangan terdapat bilangan (d) (e) (f)
sedemikian hingga untuk setiap solusi ( ) yang
memenuhi | ( ) | berlaku | ( ) | Gambar 1. Jenis kestabilan dalam bidang fase
untuk .

Rumlawang | Nanlohy
Barekeng Vol. 5 No.2 Hal 39 – 44 (2011) 41

HASIL DAN PEMBAHASAN


(3a)
Model Penyebaran Penyakit Rabies
(3b)
Penyebaran penyakit rabies sudah banyak diteliti.
Penyebaran spasial penyakir rabies merupakan sebuah dengan,
proses yang kompleks. Oleh karena itu berdasarkan : Objek yang rentan terserang rabies
Kallen dan Murray yang menyatakan bahwa salah satu : Objek yang telah terinfeksi rabies
pendekatan untuk memodelkan penyebaran penyakit : Koefisien penyebaran rabies
rabies adalah memulai dengan model epidemiologi : Peluang objek terinfeksi dapat bertahan
sederhana untuk melihat peningkatan penyebarannya : Koefisien penyebaran pada wilayah epidemi
setelah itu akan dianalisis kestabilan dari model tersebut. Untuk koefisien penyebaran dapat diperkirakan
Dari model SIR, hanya akan digunakan dua variabel menggunakan persamaan,
untuk model penyebaran rabies. Diperkirakan dua
kelompok objek rabies, kelompok pertama yaitu, dengan,
Susceptible ( ) atau objek yang rentan terserang rabies, : Tetapan pada saat objek yang terinfeksi
dan kelompok yang kedua yaitu, Infective ( ) atau objek meninggalkan wilayah epidemi
yang terinfeksi rabies. Objek yang terinfeksi berinteraksi : Rata-rata luas wilayah
dengan objek yang rentan, dan kemudian menjangkitkan Dari penjelasan ini, diperoleh nilai adalah rata-rata
rabies. Asumsi umum dari model yang akan digunakan
ialah migrasi dari objek yang terinfeksi menentukan waktu sampai objek yang terinfeksi rabies meninggalkan
kondisi perubahan epidemi ke depan. wilayah epidemi. Tetapi perkiraan yang lebih akurat
Ada beberapa asumsi khusus yang mendasari model untuk nilai bisa diperoleh dengan observasi langsung di
ini. Asumsi-asumsi tersebut adalah : lapangan dengan menghitung jarak perjalanan dari objek
(i). Virus rabies terdapat dalam air liur dari objek yang yang terinfeksi selama periode waktu observasi.
terinfeksi dan biasanya ditularkan oleh gigitan. Oleh Parameter pada Persamaan (3a) dan (3b) dapat
karena itu kontak antara objek yang terinfeksi dan dinondimensikan. Jika diberikan,
objek yang rentan diperlukan untuk penularan ̃ ̃
penyakit.
(ii). Rabies adalah selalu fatal.
(iii). Laju kelahiran sama dengan laju kematian. ̃ √ ̃
(iv). Terdapat kontak yang tetap antara objek yang rentan
dan objek yang terinfeksi dalam populasi. Dengan adalah nilai awal dari objek yang rentan
(v). Perubahan waktu dari jumlah objek yang terinfeksi dengan tetapan nilainya adalah . Kemudian dengan
pada sebuah wilayah yang kecil adalah sama dengan mengabaikan tanda tilda pada persamaan untuk
rata-rata waktu peralihan dari jumlah populasi objek penyederhanaan notasi akhirnya diperoleh,
yang rentan dikurangi rata-rata tingkat kematian dan
jumlah migrasi dari wilayah tersebut.
(vi). Interval waktu yang pendek diasumsikan kurang dari
satu tahun. ( )
(vii). Jika virus rabies memasuki sumsum tulang belakang
dari objek yang terinfeksi, maka hal ini dapat Kemudian akan dicari solusi pergerakan gelombang
menyebabkan kelumpuhan. Namun jika memasuki untuk sistem ini dalam bentuk,
sistem limbik atau otak tengah yang posisinya ( ) ( ) ( )
sedikit lebih ke depan dan terdiri atas Talamus dan ( ) ( ) ( )
Ganglia Basal, maka mungkin akan menyebabkan
agresi dan hilangnya rasa. Maka diperoleh dua persamaan diferensial biasa
Penjelasan untuk asumsi khusus yang terakhir, (4a)
sistem limbik terdiri dari hipotalamus dan amigdala yang ( ) (4b)
berfungsi penting bagi pembelajaran dan ingatan jangka
pendek tetapi juga menjaga homeostatis di dalam tubuh Untuk mengantisipasi pergerakan di depan dua
(tekanan darah, suhu tubuh dan kadar gula darah). Sistem gelombang dan yang berjalan, maka diberikan kondisi
limbik terlibat dalam emosi ketahanan hidup dari hasrat batas,
seksual atau perlindungan diri. Akibatnya, objek yang ( ) ( )
terinfeksi, bisa berkeliaran secara acak dan tidak Di samping itu, diberikan juga kondisi batas untuk
terkendali. objek yang rentan sebagai berikut
Dengan demikian, manusia juga termasuk dalam ( ) ( )
objek yang rentan untuk terinfeksi rabies. Sementara itu Jika Persamaan (4a) disubstitusikan ke Persamaan
perubahan dari jumlah populasi objek yang rentan cukup (4b), maka diperoleh
sederhana yaitu dengan menghitung angka kematian dari
populasi objek yang sudah terinfeksi rabies. ( )
(5)
Model awal yang akan digunakan dan dianalisa
kestabilannya dalam penelitian ini adalah sebagai berikut:

Rumlawang | Nanlohy
Barekeng Vol. 5 No.2 Hal 39 – 44 (2011) 42

Kemudian diintegralkan sehingga hasil yang dan


didapatkan adalah,
( ) Sedangkan pertumbuhan awal objek yang terinfeksi
∫ ( ) ( ) ∫ diberikan oleh
( ) (6)
Dengan menggunakan pendekatan kondisi batas
tak hingga di atas dapat disimpulkan bahwa Persamaan Dari Persamaan (8a) dan (8b) didiferensialkan
(6) akan konstan jika nilai hanya sama dengan c. masing-masing terhadap dan sebagai berikut,
Sehingga Persamaan (6) menjadi, ( )
(7)
Ini berarti bahwa tidak ada objek terinfeksi sebelum maka diperoleh,
epidemi. Setelah epidemi, ada peluang bahwa akan ada
objek rentan yang terinfeksi (karena rabies hampir selalu
fatal). kemudian,
Sekarang dengan pendekatan negatif pada kondisi ( ) ( )
batas yang sudah ditentukan maka Persamaan (7) maka diperoleh,
menjadi,
( ) ( )
atau Sehingga matriks Jacobian yang dibentuk adalah sebagai
( ) berikut,
( )
Hal ini memungkinkan bagian populasi dari objek ( )
yang rentan dapat ditentukan. Pada Gambar 4 terlihat
bahwa hubungan antara parameter dan nilai dari objek
yang rentan dimulai dengan nilai kemudian naik
dan berbanding lurus dengan pergerakan objek yang
rentan sampai di titik ( ). Hal ini memberikan ( ) (9)
pengertian bahwa proses epidemi telah terjadi.
Dari Persamaan (8a) dan (8b) diperoleh dua
kesetimbangan yang menarik. Salah satunya adalah di
[ ( ) ] dan yang lainnya adalah di ( )

Gambar 2. Grafik fungsi dari parameter

Parameter adalah ukuran dari tingkat kondisi


objek epidemi, dengan nilai yang lebih rendah Gambar 3. Bidang fase ( )
menandakan objek yang rentan berpeluang hidup.
Untuk terjadinya epidemi, diperlukan nilai . Gambar 3 menunjukkan bidang fase dari ( ) yang
Jika , sehingga , angka kematian pada dibentuk dari persamaan , dimana
objek yang terinfeksi lebih besar dari tingkat terbentuknya titik-titik kritis dibentuk pada [ ( ) ] dan ( ).
objek terinfeksi yang baru dan objek yang terinfeksi Kurva yang dibentuk dari kedua titik tersebut
rabies tidak akan dapat bertahan. Nilai juga menunjukkan penyebaran penyakit menjadi epidemi dan
memberikan titik kritis objek rentan, , yang mencapai puncak pada saat bernilai , setelah itu
menjadi syarat terjadinya epidemi. akan menurun sampai pada titik ( ).
Selanjutnya, pada [ ( ) ], matriks Jacobian
Titik Kesetimbangan direduksi menjadi
Persamaan (4a) dan (7) digabungkan, kemudian ( )
akan dicari titik kesetimbangannya dengan menggunakan ( )
Definisi 2 dan Definisi 3 tentang titik kesetimbangan.
( )
(8a)
Dari matriks Jacobian tersebut diperoleh persamaan
( ) (8b) karakteristik
[ ( )] (10)
Sistem (8a) dan (8b) dapat dianalisis dengan cara Persamaan karakteristik tersebut memiliki nilai
biasa. eigen dengan tanda berlawanan atau titik
Pertumbuhan awal objek yang rentan diberikan oleh ( ( ) )memiliki kesetimbangan dengan bentuk
saddle point.

Rumlawang | Nanlohy
Barekeng Vol. 5 No.2 Hal 39 – 44 (2011) 43

Sedangkan pada ( ), matriks Jacobian direduksi √( )


menjadi Selanjutnya tinggal ditentukan nilai dan
bernilai riil negatif atau riil positif.
( )
Dari persamaan √ ( )
( )
dari matriks Jacobian tersebut diperoleh persamaan diketahui dinamakan bagian pertama dan
karakteristik √ ( ) dinamakan bagian kedua. Bagian
( ) (11)
pertama pasti lebih dari bagian kedua. Untuk nilai
Analisa Kestabilan Model Penyebaran Penyakit √( ) bernilai riil. Sehingga jika negatif bagian
Rabies pertama dijumlahkan dengan bagian yang kedua, maka
Berdasarkan hasil dari persamaan karakteristik untuk pasti bernilai negatif, dan jika negatif bagian pertama
titik ( ) di atas, maka dengan demikian diperoleh dikurangi dengan negatif bagian kedua, maka pasti akan
√ ( ) bernilai negatif juga. Dengan demikian kestabilan pada
(12) titik kesetimbangan ( ) berdasarkan bagian 2.2.5
Dari Persamaan (12) akan dianalisa kestabilannya. tentang teori kestabilan, diperoleh jenis kestabilannya
Akan diperhatikan terlebih dahulu nilai yang di bawah adalah stable node atau simpul stabil. Oleh karena itu
tanda akar yaitu, kesetimbangan di titik ( ) adalah stabil dan memiliki
( ) hubungan heteroklinik positif yang berarti penyebaran
penyakit terjadi epidemi.
Untuk menghasilkan nilai berupa bilangan
kompleks, maka nilai ( ) harus kurang dari
nol.
( )
( )
√( )
Sehingga untuk √( ), diperoleh nilai
dan berupa bilangan kompleks dengan bagian riilnya
Gambar 5. Simpul stabil untuk √
sama-sama bernilai negatif.
√ ( ) Gambar 5 memberikan pola kurva penyebaran yang
membentuk simpul stabil dan berujung pada titik ( ).
Dari persamaan ini diketahui adalah bagian riil Garis lurus sejajar sumbu , menunjukkan kondisi
dan √ ( ) adalah bagian imajiner. Untuk populasi yang belum terinfeksi. Arah penyebarannya juga
nilai dan kompleks dengan bagian riil negatif, maka sesuai dengan epidemi yang mencapai puncak pada saat
berdasarkan bagian 2.2.5 tentang teori kestabilan, nilai sehingga nilai parameter yang diperoleh
kesetimbangan pada titik ( ) dapat dikatakan stable dari gambar tersebut adalah . Hal ini
memberikan kecepatan gelombang minimum untuk
focus atau fokus stabil untuk nilai √( ). Untuk
pergerakan gelombang dan yang berjalan.
kesetimbangan, ini tidak mungkin ada hubungan
Analisa dari model penyebaran rabies memiliki
heteroklinik dengan jumlah nonnegatif dari infeksi.
populasi objek yang rentan monoton menurun pada saat
epidemi dan puncak tunggal pada objek yang terinfeksi
terjadi pada saat epidemi.

Gambar 4. Fokus stabil untuk √

Gambar 6 memberikan hasil bentuk kestabilan yang Gambar 6. Pergerakan gelombang model rabies
diperoleh adalah fokus stabil, dengan menggunakan nilai
parameter . Kurva yang dibentuk menunjukkan Sebaliknya Gambar 6 menunjukkan pergerakan pada
model yang digunakan dengan nilai parameter jumlah objek yang terinfeksi ( ) yang ditunjukan oleh
√( ) akan bergerak menuju titik ( ). garis gelombang yang dibawah dan objek yang rentan
Artinya penyebaran stabil jika menuju pusat ( ). ( ) ditunjukkan oleh garis gelombang yang di atas,
Kemudian yang berikutnya, untuk menghasilkan membelakangi pergerakan gelombang yang berjalan
nilai berupa bilangan riil, maka nilai ( ) kemudian dalam penelitian ini merupakan penyebaran
harus lebih dari nol. rabies itu sendiri. Setelah bagian yang membelakangi
gelombang maka bagian depan gelombang merupakan
( ) populasi dari objek yang rentan dan akan mulai
( ) meningkat lagi. Hal ini berakibat, Persamaan (3a) dan

Rumlawang | Nanlohy
Barekeng Vol. 5 No.2 Hal 39 – 44 (2011) 44

(3b) dapat dijadikan acuan sebagai model awal untuk Gambar 8 memberikan tampilan dari kestabilan
penyebaran penyakit ini. yang dicari pada penelitian ini. Pada gambar 8, kestabilan
yang dibentuk pada nilai parameter √ adalah
Visualisasi Kestabilan stable node (simpul stabil). Ini berarti pada titik
Dari pembahasan pada bagian sebelumnya, telah kesetimbangan ( ), model ini akan stabil dengan
dilihat dan dipelajari secara teoritis tentang kajian dari mengambil nilai parameter .
analisa kestabilan model penyebaran penyakit rabies.
Secara sederhana proses tersebut diawali dengan model
awal yang sudah ada, kemudian diturunkan hingga KESIMPULAN
mendapatkan matriks Jacobian yang sesuai dengan
persamaan, selanjutnya dengan titik tetap yang sudah Dari pembahasan pada bagian sebelumnya, maka ada
diperoleh, akan ditemukan nilai untuk menentukan arah dua kesimpulan yang diperoleh pada penelitian ini yaitu,
dan bentuk kestabilan dari model penyebaran rabies
1. Model penyebaran rabies diberikan oleh
tersebut.
Pada bagian ini, akan dilihat visualisasi tampilan dan , dengan (Susceptible)
dari kestabilan model penyebaran penyakit rabies yang adalah objek yang rentan dan (Infectives) adalah
akan menggunakan bantuan software MATLAB. Analisa objek yang sudah terinfeksi rabies. Kemudian setelah
disini akan menggunakan bantuan toolbox MATLAB
pplane atau phase plane. Pplane adalah toolbox diturunkan, diperoleh persamaan ( )
MATLAB yang kodenya ditulis oleh John Polking dari dan ( ) ( ) yang
Rice University, dapat memberikan tampilan visualisasi nantinya membantu dalam menganalisa kestabilan
dari sebuah sistem persamaan diferensial yang seringkali penyebaran penyakit rabies.
berguna untuk sketsa pada bidang vektor dimensi dua 2. Persamaan ( ) dan ( )
maupun bidang fase. Dengan menggunakan pplane juga ( ) , memberikan dua titik
akan sangat membantu dalam proses linearisasi, tetap di [ ( ) ] dan ( ). Hasil analisa
menentukan kestabilan titik tetap walaupun dalam kestabilan bergantung pada nilai dan parameter ,
beberapa contoh kasus, pplane tidak selalu akurat dalam yang memberikan analisa akhir bahwa, pada saat
memprediksi pusat. Tetapi dengan menggunakan bantuan endemi populasi objek yang terinfeksi meningkat dan
pplane MATLAB, setidaknya diperoleh gambaran tentang setelah endemi, populasi objek yang rentan akan
kestabilan.
Berikut di bawah ini adalah merupakan hasil
kembali meningkat. Dan jika √ , maka
model akan stabil dan penyebarannya tidak terjadi
visualisasi dari pengolahan analisa model penyebaran
penyakit rabies dengan menggunakan pplane MATLAB. pada populasi. Sedangkan jika √ ,
modelnya stabil tetapi penyebarannya terjadi dan
meluas.

DAFTAR PUSTAKA

Kallen, A., Arcuri, P., and Murray, J. D. 1985. A simple


model for the spatial spread and control of rabies.
Journal of Theoritical Biology, 337-393
Kot, Mark. 2001. Elements of Mathematical Ecology.
Gambar 7. Visualisasi pada √ Cambridge University Press. USA.
Madigan, M. T., Martinko J. M., Dunlap P. V., Clark D.
P. (2009). Brock Biology of Microorganisms Twelfth
Nilai parameter √ dalam penelitian ini
Edition. hlm. 1003-1005.
dipilih , kestabilannya membentuk stable focus (fokus
Steele, JH; Fernandez, J. 1991. "History of Rabies and
stabil) di titik ( ) seperti yang terlihat pada Gambar 7.
Global Aspects", di dalam Baer, GM, The Natural
Bentuk kestabilan ini akan tetap sama untuk setiap
History of Rabies (edisi ke-2), Boca Raton, Florida:
pemilihan nilai parameter .
CRC Press, Inc., hlm. 1, ISBN 0849367603
Twisleton-Wykeham-Fiennes, N. 1978. Zoonoses and the
Origins and Ecology of Human Disease. Academic
Press, London.

Gambar 8. Visualisasi pada √

Rumlawang | Nanlohy
Jurnal Barekeng
Vol. 5 No. 2 Hal. 45 – 47 (2011)

SEMIRING
(Semiring)

SUSAN RIALITA LISAPALY1, ELVINUS RICHARD PERSULESSY2


1
Alumni Jurusan Matematika Fakultas MIPA Universitas Pattimura
2
Staf Jurusan Matematika Fakultas MIPA Universitas Pattimura
Jl. Ir. M. Putuhena, Kampus Unpatti, Poka-Ambon
email: susan_lisapaly@yahoo.com; richardelvinus@yahoo.com

ABSTRAK
Dalam aljabar, semiring merupakan suatu struktur yang serupa dengan ring, tetapi tanpa syarat
bahwa setiap elemen harus memiliki invers terhadap operasi penjumlahan. Jika pada ring,
R,  adalah grup komutatif atau grup abelian maka pada semiring, S ,  hanya membentuk
monoid komutatif, yang berarti setiap elemennya tidak perlu memiliki invers terhadap operasi
penjumlahan.

Keywords: Grup Komutatif, Monoid Komutatif, Ring, Semiring.

PENDAHULUAN Dari ring R dapat dibentuk struktur baru yang


dinamakan semiring jika dilepaskan satu sifat yaitu
Himpunan R   merupakan ring jika terhadap keberadaan elemen invers terhadap operasi penjumlahan.
operasi penjumlahan, R grup abelian, terhadap operasi (Kandasamy, 2002). Semua ring adalah semiring, tapi
pergandaan R tertutup dan asosiatif, serta memenuhi sebaliknya belum tentu berlaku. (Kandasamy, 2002).
distributif kiri dan kanan.
Jika pada ring R, dilepas satu aksioma yaitu Definisi 1 (Semigrup)
keberadaan elemen invers terhadap operasi penjumlahan, Himpunan S   merupakan semigrup terhadap operasi
maka diperoleh struktur baru yang dikenal dengan nama biner "  " jika memenuhi sifat tertutup dan asosiatif.
semiring. Himpunan S yang membentuk semigrup terhadap operasi
Walaupun hanya dilepaskan satu aksioma, namun
hal ini membuat perbedaan yang sangat mendasar antara biner "  " dinotasikan dengan S ,  .
ring dan semiring. Hal-hal tersebut yang melatarbelakangi
penelitian ini. Definisi 2 (Semigrup Komutatif)
Diberikan himpunan S   . Himpunan S merupakan
semigrup komutatif jika S ,  memenuhi sifat komutatif
TINJAUAN PUSTAKA
terhadap operasi "  " .
Istilah ring pertama kali diperkenalkan oleh David
Hilbert (1862-1943), tetapi sebatas pendekatan definisi Definisi 3 (Monoid)
yang masih abstrak. Himpunan R dikatakan ring jika S ,  merupakan semigrup dengan elemen
Himpunan
terhadap operasi penjumlahan dan pergandaan yang
didefinisikan padanya, R memenuhi sifat-sifat yaitu identitas jika S memuat elemen netral terhadap operasi
terhadap operasi penjumlahan, R adalah grup abelian, "  " , yaitu
terhadap operasi pergandaan R memenuhi sifat tertutup
dan asosiatif serta terhadap operasi penjumlahan dan e  S s  S  e  s  s  e  s
pergandaan R memenuhi sifat distributif kiri dan Selanjutnya, S ,  disebut monoid.
distributif kanan. (Fraleigh, 2000)
Barekeng Vol. 5 No.2 Hal 45 – 47 (2011) 46

Definisi 4 (Ring) b. Asosiatif


Himpunan R   dengan dua operasi biner,
penjumlahan "  " dan pergandaan "  " disebut
r , r , r  R    r  r   r  r   r  r 
1 2 3
0
1 2 3 1 2 3

mempunyai struktur suatu ring, selanjutnya R disebut c. Terdapat elemen identitas


Ring (Gelanggang) jika memenuhi aksioma-aksioma: 0  R  r  R  0  r  r  0  r 
0 0

I. Terhadap penjumlahan R,  merupakan grup d. Komutatif


abelian, yaitu
1. Tertutup
r , r  R   r  r  r  r 
1 2
0
1 2 2 1

( )( ) ii. R ,  semigrup
0

2. Asosiatif
( )( ) ( ) a. Tertutup
3. Ada elemen netral
( )( )
r , r  R   r  r  R 
1 2
0
1 2
0

4. Setiap elemen mempunyai invers b. Asosiatif


(
5. Komutatif
)( ) ( ) ( ) r , r , r  R    r  r   r  r   r  r 
1 2 3
0
1 2 3 1 2 3

iii. Hukum distributif


( )
a. Distributif kiri
II. Terhadap pergandaan R,  memenuhi sifat
6. Tertutup
r , r , r  R   r   r  r   r  r  r  r 
1 2 3
0
1 2 3 1 2 1 3

( )( ) b. Distributif kanan
7. Asosiatif
( )( ) ( )
r , r , r  R    r  r   r  r  r  r  r 
1 2 3
0
1 2 3 1 3 2 3

III. Distributif Definisi 2


8. Distributif kiri Semiring  S ,  ,  disebut semiring komutatif jika
( ) ( ) ·
9. Distributif kanan semigrup S ,  adalah semigrup komutatif.
( )( )
Contoh 2
Himpunan pada Contoh 1 merupakan semiring komutatif,
HASIL DAN PEMBAHASAN karena pada himpunan semua bilangan riil positif dan nol,
sifat komutatif berlaku terhadap operasi pergandaan.
Semiring
Definisi 3
Definisi 1 Semiring  S ,  ,  disebut semiring dengan elemen
Diberikan himpunan S   . Pada S didefinisikan
operasi-operasi biner "  " dan "  " . Himpunan S disebut identitas jika didalam  S , ,  , S ,  monoid, yaitu :
semiring terhadap kedua operasi biner tersebut jika
memenuhi :
1  S  s  S  1 s  s  1  s
i. S ,  adalah monoid komutatif. Contoh 3
ii. S ,  adalah semigrup.  R , , merupakan semiring komutatif dengan elemen
0

identitas 1 karena didalam  R , ,  , R ,  monoid


iii. Distributif kanan dan kiri. 0 0
Himpunan S yang membentuk semiring terhadap operasi
"  " dan "  " dinotasikan  S , ,  . komutatif, yaitu :
a. Terdapat elemen satuan
Contoh 1
Himpunan semua bilangan riil positif dan nol merupakan
1  R r  R  1 r  r 1  r 
0 0

semiring terhadap operasi penjumlahan dan pergandaan b. Komutatif


bilangan riil.
Bukti :
r , r  R   r  r  r  r 
1 2
0
1 2 2 1

0
Misalkan R himpunan semua bilangan riil positif Definisi 4
dan nol. Semiring  S , ,  disebut semiring berkarakteristik m
R ,  adalah monoid komutatif
0
i. jika
a. Tertutup s  S \ 0 ms  s s... s  0
 r1 , r2  R
0
  r1  r2  R0  m suku

Lisapaly, Persulessy
Barekeng Vol. 5 No.2 Hal 45 – 47 (2011) 47

 KESIMPULAN
Jika tidak ada m  Z yang memenuhi maka karakteristik
 S , , adalah nol. Dengan berpegang pada definisi-definisi yang ada
dapat diambil kesimpulan sebagai berikut.
Contoh 4 Karena terhadap operasi penjumlahan, suatu
 R , , merupakan semiring berkarakteristik nol.
0 himpunan yang membentuk semiring hanyalah
merupakan monoid komutatif dan bukan grup komutatif
atau grup abelian, maka setiap elemen dalam himpunan
Bukti : itu tidak perlu memiliki invers terhadap operasi

Telah diketahui R , ,  merupakan semiring.
0
 penjumlahan yang didefinisikan padanya. Sehingga
himpunan yang membentuk semiring bukanlah grup.
Ambil sebarang r  R \ 0 .
0

Diperoleh
DAFTAR PUSTAKA
m  r  r  r  ... r  0
m suku Fraleigh, J.B. 2000. A First Course In Abstract Algebra.
Karena tidak ada bilangan bulat positif m yang memenuhi Sixth Edition. Addison-Wesley Publishing Company,
 Massachussets.
m  r  0 dimana r  R maka karakteristik R adalah
0

Kandasamy, V. W. B., 1993, Semivector Spaces Over


nol. Dengan demikian terbukti  R ,  , 
0
merupakan Semifields, American Research Press, USA.
semiring berkarakteristik nol. Kandasamy, V. W. B., 2002, Smarandache Semirings,
Semifields, And Semivector Spaces, American
Definisi 5 Research Press, USA.
Misalkan himpunan S merupakan semiring dan P  S
dengan P   . Himpunan P disebut semiring bagian dari
S jika P merupakan semiring terhadap operasi-operasi
yang didefinisikan pada S.

Contoh 5
Telah diketahui  Z ,  ,  ,  Q ,  ,  
0 0
dan  R ,  , 
0

masing-masing merupakan semiring berkarakteristik nol


dan Z  Q  R . Dengan demikian Z
0 0 0 0
merupakan
0 0
semiring bagian dari Q dan R .

Definisi 6
Semiring  S , ,  disebut strict semiring jika
s , s
1 2
 S  s1  s2  0  s1  0  s2  0 

Contoh 6
 R , , merupakan strict semiring.
0

Bukti :

Telah diketahui R , ,  merupakan semiring.
0

Ambil sebarang r1 , r2  R 0 .
r1 , r2  R
0
Akan ditunjukkan untuk setiap jika
r1  r2  R maka r1  0 dan r2  0 .
0

Andaikan r1  0 atau r2  0 .
Karena r1  0 maka r1  r2  0 dan karena r2  0 maka
r1  r2  0
Sehingga kontradiksi dengan r1  r2  0 .
Jadi terbukti jika r1  r2  0 maka r1  0 dan r2  0 .

Lisapaly, Persulessy
PEDOMAN PENULISAN

arekeng terbit dua kali dalam setahun yaitu Bulan e. Abstrak (Abstract) dalam Bahasa Inggris atau Bahasa
Indonesia.
Maret dan Desember. arekeng menerima naskah
f. Kata Kunci (Keywords) dalam Bahasa Inggris atau
dalam bentuk hasil penelitian, catatan penelitian (note) Bahasa Indonesia.
atau artikel ulas balik (review/ minireview) dan ulasan
g. Pendahuluan (Introduction) meliputi latar belakang,
(feature) baik dalam bahasa Indonesia maupun dalam masalah dan tujuan penelitian.
bahasa Inggris yang berkaitan dengan bidang h. Tinjauan Pustaka meliputi ulasan (review) penelitian
Matematika dan Terapannya. Naskah yang dikirimkan
dari beberapa literatur serta teori-teori dasar yang
merupakan naskah asli yang belum pernah diterbitkan di mendukung penelitian.
media manapun. i. Metode Penelitian (Methods and Materials) meliputi
bahan, cara, dan analisis dalam penelitian (jika ada).
PENGIRIMAN NASKAH j. Hasil dan Pembahasan (Results and Discussion)
Naskah dikirimkan kepada: ditulis secara berkesinambungan dalam satu
Redaksi arekeng rangkaian naskah penulisan.
Jurusan Matematika k. Kesimpulan (Conclusion)
Fakultas MIPA l. Ucapan Terima Kasih (Acknowledgements) (Jika
Universitas Pattimura diperlukan)
Jl. Ir. M. Putuhena, Poka-Ambon m. Daftar Pustaka ditulis memakai sistem nama dan
Email: jurnalbarekeng@gmail.com disusun menurut abjad. Di bawah ini beberapa
contoh penulisan sumber acuan:
Naskah yang dikirimkan harus dalam bentuk naskah
Jurnal :
cetak (hard copy) dan naskah lunak (soft copy), disertai
Efron, B. 1983. Estimating the Error Rate of
dengan alamat korespondensi lengkap dan alamat email
Prediction Rule: Improvement on Cross-
yang dapat dihubungi.
Validation. J. Amer. Statist. Assoc., 78:316-331.
Naskah cetak (hard copy):
Buku :
Naskah cetak dikirim sebanyak satu eksemplar dengan
Dennis, G. Z., 1986, Differential Equations with
format pengetikan menggunakan Microsoft Word seperti
Boundary Value Problems. Ed ke-2. Boston:
berikut:
Massachusetts. PWS Publishers.
 Naskah diketik 1 spasi pada kertas HVS Ukuran A4
Skripsi/Tesis/Disertasi :
dengan batas tepi 2 cm dan berbentuk 2 kolom
Mochamad Apri., Model Biaya Total Jaringan Pipa
dengan jarak antar kolom 0.5 cm. Tipe huruf Times
Transmisi Gas dan Optimasinya, Departemen
New Roman berukuran 10 point.
Matematika ITB Bandung, Tugas Akhir, 2002.
 Jumlah halaman maksimum 12 halaman termasuk
Informasi dari Internet :
Lampiran (Gambar dan Tabel). Setiap halaman diberi
Mallat, Stephane, 1999, A Wavelet Tour of Signal
nomor secara berurutan pada tepi kanan atas. Untuk
Processing, Second Edition, Academic Press 24-
keterangan Lampiran: Tipe huruf Times New Roman
28 Oval Road, London NW1 7DX UK,
berukuran 9 point.
http://www.hbuk.co.uk/ap/
 Persamaan matematika (equations) dapat diketik
n. Lampiran meliputi Gambar dan Tabel beserta
dengan menggunakan MS Equations atau MathType
keterangannya (jika diperlukan).
dengan tipe huruf Cambria atau Times New Roman
berukuran 10 point.
Naskah lunak (soft copy): CATATAN (NOTE)
Naskah lunak harus dalam format Microsoft Word dan  Naskah harus dikirimkan ke redaksi selambat-
dikirimkan dalam bentuk disk (CD, DVD), flashdisk, atau lambatnya 2 (dua) bulan sebelum bulan penerbitan
attachment email. jurnal (Maret dan Desember).
 Naskah akan dinilai oleh tim penilai yang relevan
SUSUNAN NASKAH sebelum diterbitkan dan tim redaksi berhak merubah
a. Judul dalam Bahasa Indonesia dan Bahasa Inggris struktur naskah tanpa merubah isi naskah.
untuk artikel berbahasa Indonesia dan Judul dalam  Naskah dapat diterima atau ditolak. Naskah ditolak,
Bahasa Inggris untuk artikel berbahasa Inggris. jika tidak memenuhi kriteria penulisan, pelanggaran
b. Nama Lengkap Penulis (tanpa gelar). hak cipta, kualitas rendah, dan tidak menanggapi
c. Nama Lembaga atau Institusi, disertai Alamat korespondensi redaksi. Pengumuman naskah ditolak
Lengkap dengan nomor kode pos. Untuk atau diterima paling lambat 1 (satu) bulan setelah
korespondensi dilengkapi No. Telp., fax dan email. naskah terkirim.
d. Judul Ringkas (Running Title) (jika diperlukan).  Penulis atau penulis pertama yang akan mendapat 1
(satu) eksemplar jurnal yang sudah diterbitkan.
ISSN 1978 - 7227