PAM 453 KS MATEMATIKA TERAPAN I
MATEMATIKA DEMOGRAFI
Topik: Model Matriks
Life Table vs Model Matriks?
2
Life Table Model Matriks
Dikotomi antara hidup dan mati Perbedaan dengan banyak karakteristik: umur, jenis kelamin, status pernikahan, status
pekerjaan, kedewasaan, dll.
Hanya memuat peluang mati Selain memuat peluang mati, juga memuat
peluang pindah ke kelompok lain (contoh: orang yang tak bekerja menjadi bekerja) atau peluang menghasilkan sejumlah individu baru (karena reproduksi)
-> menghitung proyeksi populasi
• Informasi yang dibutuhkan untuk proyeksi dapat ditulis dengan mudah dalam bentuk matriks (disebut matriks proyeksi populasi).
• Model populasi matriks diperkenalkan pada tahun 1940an oleh Bernardelli (1941), Lewis (1942), dan Leslie (1945, 1948).
Matriks Leslie
• Misalkan umur maksimum yang dicapai oleh individu dalam suatu populasi adalah 𝐿.
• Bagi populasi tersebut menjadi 𝑚 kelas umur.
Kelas Umur Interval Umur
1 [0, 𝐿/𝑚) 2 [𝐿/𝑚, 2𝐿/𝑚)
Matriks Leslie
• Pandang kasus populasi dengan 3 kelas umur : [0,1),
1,2 , [2,3] (misalkan dalam tahun).
• Misalkan 𝑛
𝑖(𝑡) menyatakan jumlah individu pada
kelas umur ke-𝑖 pada waktu 𝑡.
• Definisikan vektor
𝐧 𝑡 =
𝑛
1(𝑡)
𝑛
2(𝑡)
𝑛
3(𝑡)
,
yang menyatakan keadaan populasi pada waktu 𝑡
(disebut juga
vektor populasi
atau
vektor distribusi
Matriks Leslie
• Perhatikan bahwa individu-individu pada kelas umur ke-2 dan 3 pada waktu 𝑡 + 1 adalah mereka yang bertahan hidup dari kelas umur sebelumnya pada waktu 𝑡. Jadi,
𝑛2 𝑡 + 1 = 𝑃1𝑛1 𝑡 , (1) 𝑛3 𝑡 + 1 = 𝑃2𝑛2 𝑡 , (2)
dimana 𝑃𝑖 menyatakan peluang individu pada kelas ke-𝑖 yang
dapat bertahan hidup paling tidak selama setahun (yaitu mencapai kelas umur ke-(𝑖 + 1)).
• Individu baru pada kelas ke-1 muncul dari proses kelahiran. Jadi,
𝑛1 𝑡 + 1 = 𝐹1𝑛1 𝑡 + 𝐹2𝑛2 𝑡 + 𝐹3𝑛3 𝑡 , (3)
dimana 𝐹𝑖 menyatakan fertilitas per-kapita dari kelas umur ke-𝑖,
Matriks Leslie
• Persamaan (1)-(3) dapat ditulis dalam bentuk matriks sebagai berikut: 𝐧 𝑡 + 1 = 𝐿𝐧 𝑡 , dimana 𝐿 = 𝐹1 𝐹2 𝐹3 𝑃1 0 0 0 𝑃2 0 .
• 𝐿 disebut matriks proyeksi populasi atau juga dikenal dengan matriks Leslie.
• Matriks 𝐿 adalah matriks non-negatif dengan entri positif hanya pada baris pertama (fertilitas) dan subdiagonal
(peluang hidup).
Klasifikasi Model Populasi Matriks
𝐧(𝑡 + 1) = 𝐿 𝑡 𝐧(𝑡) 𝐧(𝑡 + 1) = 𝐿 𝐧(𝑡) 𝐧(𝑡) 𝐧(𝑡 + 1) = 𝐿 𝐧 𝑡 , 𝑡 𝐧(𝑡) 𝐧(𝑡 + 1) = 𝐿𝐧(𝑡) 𝟏 𝟏 𝟐 𝟐 𝟑 𝟑 𝟒 𝟒Proyeksi: Analisis Sederhana
Contoh 1. Model linier invarian waktu
𝐧 𝑡 + 1 = 0.30 10 50 0 0.5 0
𝐧 𝑡 , 𝐧 0 = 10 0 .
Proyeksi: Analisis Sederhana
Contoh 2. Pengaruh syarat awal
𝐧 𝑡 + 1 = 0 1 5 0.3 0 0 0 0.5 0 𝐧 𝑡 . 𝐧 0 = 10 0 . 𝐧 0 = 11 1 . 𝐧 0 = 12 3 .
Proyeksi: Analisis Sederhana
Contoh 3. Pengaruh perturbasi
𝐿 = 0.30 0.90 50 0 0.5 0
𝐿 = 0.270 10 50 0 0.5 0
Empat Pertanyaan Dasar dalam
Analisis Demografik
1.
Empat Pertanyaan Dasar dalam
Analisis Demografik
12
3.
Matriks Leslie dan Life Table
• Nilai-nilai parameter pada model matriks berdasarkan
klasifikasi umur diturunkan dari life table.
• Dalam hal ini, populasi dibedakan atas:
Birth-flow population
, yaitu kelahiran terjadi
terus-menerus (kontinu) selama interval proyeksi.
-> lebih cocok untuk manusia
Birth-pulse population
, yaitu reproduksi terjadi saat
musim kawin (yang singkat) dalam interval proyeksi.
-> lebih cocok untuk hewan mamalia, burung, dan organisme lainnya yang dipengaruhi oleh lingkungan musiman [tidak dibahas].
Birth-Flow Population:
(i) Peluang hidup birth-flow
• Misalkan 𝑙(𝑥) menyatakan peluang suatu individu dapat bertahan hidup sejak lahir sampai mencapai umur 𝑥.
• Peluang individu dapat bertahan hidup dari umur (secara tepat) 𝑥 ke 𝑥 + 1 adalah 𝑙(𝑥 + 1)/𝑙(𝑥).
• Namun dalam hal kelas umur, berlaku
𝑃𝑖 = 𝑙(𝑥) 𝑖+1 𝑖 𝑑𝑥 𝑙(𝑥) 𝑖 𝑖−1 𝑑𝑥 .
• Dengan menggunakan aturan trapesium, 𝑃𝑖 dapat diaproksimasi oleh
𝑃𝑖 ≈ 𝑙 𝑖 + 𝑙 𝑖 + 1 𝑙 𝑖 − 1 + 𝑙 𝑖 .
Birth-Flow Population:
(ii) Fertilitas birth-flow
• Perhatikan bahwa
𝑛1 𝑡 + 1 = 𝐹𝑖𝑛𝑖(𝑡) 𝑖
.
• Misalkan 𝐵(𝑡,𝑡+1) menyatakan jumlah total kelahiran pada interval (𝑡, 𝑡 + 1).
• Misalkan 𝑛(𝑥, 𝑡) menyatakan banyaknya individu yang berumur (𝑥, 𝑥 + 𝑑𝑥) di waktu 𝑡.
[Catat bahwa 𝑥 adalah variabel kontinu]
• Pada waktu 𝑡, individu yang berumur 𝑥 bereproduksi
(melahirkan) dengan laju 𝑚 𝑥 𝑛(𝑥, 𝑡), dimana 𝑚 𝑥 𝑑𝑥 adalah rata-rata jumlah keturunan perempuan yang lahir dari seorang perempuan yang berumur 𝑥 pada interval (𝑥, 𝑥 + 𝑑𝑥).
Birth-Flow Population:
(ii) Fertilitas birth-flow
• Integralkan terhadap waktu dan umur, diperoleh [jelaskan!] 𝐵(𝑡,𝑡+1) = 𝑚(𝑥) ∞ 0 𝑛(𝑥, 𝑧) 𝑡+1 𝑡 𝑑𝑧𝑑𝑥 ≈ 𝑚 𝑥 ∞ 0 𝑛 𝑥, 𝑡 + 𝑛 𝑥, 𝑡 + 1 2 𝑑𝑥 ≈ 1 2 𝑚𝑖 𝑛𝑖 𝑡 + 𝑛𝑖 𝑡 + 1 ∞ 𝑖=1 = 1 2 𝑚𝑖 + 𝑃𝑖𝑚𝑖+1 𝑛𝑖 𝑡 ∞ 𝑖=1 .
• Jumlah kelahiran tidak persis sama dengan 𝑛1(𝑡 + 1), karena beberapa tidak akan dapat bertahan hidup sampai 𝑡 + 1. Secara rata-rata, setiap individu akan dapat bertahan hidup selama setengah interval proyeksi, yaitu dengan peluang 𝑙(0,5). Jadi
𝐹𝑖 = 𝑙 0,5 𝑚𝑖 + 𝑃𝑖𝑚𝑖+1
2 .
• Jika nilanya tidak diketahui, 𝑙(0,5) dapat diaproksimasi dengan 𝑙 0,5 ≈ 𝑙 0 + 𝑙 1
2 .
Contoh
• Diberikan life table dan hasil kelahiran pada suatu
populasi sebagai berikut:
a) Hitunglah aproksimasi dari 𝑃
𝑖dan 𝐹
𝑖.
Graf Siklus Hidup
• Model populasi matriks yang dibahas selama
ini adalah
model berdasarkan klasifikasi umur
(
age-classified model
).
• Sekarang akan dibahas model dengan
klasifikasi yang lebih umum, dinamakan
model
berdasarkan klasifikasi tahapan
(
stage-classified model
).
• Untuk memudahkan ‘melihat’ siklus hidup
suatu populasi, digunakan
graf siklus hidup
.
Graf Siklus Hidup – Contoh 1
• Graf siklus hidup untuk age-classified model, dimana lebar dari kelas umur sama dengan interval proyeksi.
• Matriks proyeksi: 𝐿 ≡ 𝐴𝑎 = 0 𝐹2 𝑃1 0 𝐹0 03 𝐹4 0 𝑃2 0 0 0 0 𝑃3 0 . 19
Graf Siklus Hidup – Contoh 2
• Graf siklus hidup untuk standard size-classified model • Matriks proyeksi:
𝐴𝑏 = .
Graf Siklus Hidup – Contoh 3
• Graf siklus hidup untuk ikan paus pembunuh.
• Simpul (titik) menandakan tahapan: (1) yearling [umur setahun], (2) remaja, (3) betina dewasa, (4) betina pasca-reproduktif.
PAM 453 KS MATEMATIKA TERAPAN I
MATEMATIKA DEMOGRAFI
Topik: Kelahiran dan Pertumbuhan
Populasi dari Model Matriks
Solusi Persamaan Proyeksi
• Model populasi matriks:
𝐧 𝑡 + 1 = 𝐴𝐧 𝑡 ,
dimana 𝐧 𝑡 adalah vektor populasi pada waktu 𝑡 dengan 𝑠 buah stage dan 𝐴 adalah matriks proyeksi stage-classified berukuran 𝑠 × 𝑠.
• Solusi model tersebut diberikan oleh [jelaskan!]: 𝐧 𝑡 = 𝜆𝑖𝑡𝐰𝑖𝐯𝑖∗𝐧0
𝑠
𝑖=1
,
dimana 𝐧0 adalah vektor populasi pada keadaan awal, 𝜆𝑖, 𝑤𝑖, dan 𝑣𝑖∗ berturut-turut adalah nilai eigen, vektor eigen
Pengaruh Nilai Eigen
• Jika semua 𝜆
𝑖< 1, maka jumlah populasi
akan menuju ke satu nilai tertentu -> stabil
asimtotik.
• Jika ada 𝜆
𝑖> 1, maka jumlah populasi akan
meningkat -> tidak stabil.
• Jika semua 𝜆
𝑖= 1, maka jumlah populasi
akan konstan (untuk 𝜆
𝑖bernilai riil) atau
harmonik (untuk 𝜆
𝑖bernilai kompleks) -> stabil
Tugas Presentasi
• 7.2.1 Teorema Perron-Frobenius
• 7.2.2 Laju pertumbuhan populasi
• 7.2.3 Matriks imprimitif
Teorema Ergodic Kuat
• Definisi (Populasi Ergodic)
Suatu populasi dikatakan
ergodic
jika prilaku
‘akhirnya’ tidak bergantung dari keadaan
awalnya.
• Definisi (Matriks non-negatif dan positif)
Suatu matriks dikatakan
non-negatif
jika
semua elemennya bernilai tak-negatif.
Suatu matriks dikatakan
positif
jika semua
elemennya bernilai positif.
• Semua matriks proyeksi populasi adalah
non-negatif. [
why?
]
Pembagian Matriks Non-Negatif
Beberapa Istilah
dalam Graf Siklus Hidup
• Lintasan
• Loop
• Self-loop
Primitif vs Imprimitif
Menghitung Irreducibility dan
Primitivity secara Numerik
Teorema Perron-Frobenius
Periode Osilasi
• Nilai eigen dari matriks proyeksi yang bernilai
kompleks menghasilkan osilasi pada distribusi
tahapan (stage) dengan periode yang diberikan
oleh
𝜌
𝑖=
2𝜋
𝜃
𝑖=
2𝜋
tan
−1Im(𝜆
𝑖)
Re(𝜆
𝑖)
.
• Komponen osilasi yang ‘bertahan lama’
bersesuaian dengan 𝜆
2.
• Contoh: …
Jarak ke Distribusi Stage yang Stabil
• Kita ingin mengukur jarak antara 𝐧(𝑡) dan populasi stabil 𝐰.
• Tanpa mengurangi keumuman, 𝐰 dapat diskala sehingga 𝑤𝑖 𝑖 = 1 dan 𝐧(𝑡) dapat ditransformasi menjadi 𝐱 𝑡 = 𝑛𝐧(𝑡)
𝑖(𝑡) 𝑖 . • Ukuran Keyfitz Δ 𝐱, 𝐰 = 1 2 |𝑥𝑖 − 𝑤𝑖| 𝑖 . Jelas bahwa 0 ≤ Δ ≤ 1.
• Jarak kumulatif Cohen
Misalkan 𝐧 0 = 𝐧0. Perhatikan bahwa 𝐧(𝑡) 𝜆1𝑡 → 𝑐1𝐰1. Cohen mendefinisikan 𝐬 𝐴, 𝐧0, 𝑡 = 𝐧(𝑖) 𝜆1𝑖 − 𝑐1𝐰1 𝑡 𝑖=0 , 𝐫 𝐴, 𝐧0, 𝑡 = 𝐧(𝑖) 𝜆1𝑖 − 𝑐1𝐰1 𝑡 𝑖=0 , yang berurut-turut menyatakan akumulasi dari selisih antara 𝐧(𝑡) 𝜆 dan 1𝑡 𝑐1𝐰1 dan nilai mutlaknya.
Jarak ke Distribusi Stage yang Stabil
• Jarak kumulatif Cohen (lanjutan)
Sebagai ukuran dari jarak kumulatif antara populasi awal 𝐧0 dan distribusi limitnya, Cohen mengajukan
𝐷1 = lim 𝑡→∞|𝑠𝑖(𝐴, 𝐧0, 𝑡)| 𝑖 , 𝐷2 = lim 𝑡→∞ |𝑟𝑖(𝐴, 𝐧0, 𝑡)| 𝑖 .
Selanjutnya Cohen memberikan ekpresi analitik untuk limit pada 𝐷1. Misalkan 𝐵 = 𝐰1𝐯1′ dan 𝑍 = 𝐼 + 𝐵 − 𝜆𝐴 1 −1 , maka lim 𝑡→∞𝐬 𝐴, 𝐧0, 𝑡 = 𝑍 − 𝐵 𝐧0.