BIFURKASI HOPF PADA MODEL DINAMIK S-I-P
DENGAN PENYAKIT PADA POPULASI PREY DAN FUNGSI RESPON HOLLING TYPE II
Gesti Essa Waldhani1*, Chalimatusadiah2
1*Universitas Bina Sarana Informatika; Jakarta
1*,2Jurusan Teknologi Informasi, Fakultas Teknologi Informasi, Universitas Bina Sarana Informatika
e-mail: 1*gesti.gew@bsi.ac.id, 2chalimatusadiah.cld@bsi.ac.id
ABSTRAK
Pada penelitian ini, model dinamik S-I-P dengan penyakit pada populasi prey dan fungsi respon Holling type II dengan pemanenan dan waktu tunda dibahas. Analisis model dilakukan dengan menentukan titik tetap dan membahas keberadaan bifurkasi Hopf. Modifikasi lain yang diberikan pada model adalah penggunaan waktu tunda. Waktu tunda merupakan waktu yang dibutuhkan bagi suatu penyakit untuk menyebabkan prey sakit (waktu inkubasi). Analisis model dilakukan dengan menentukan titik tetap, kemudian menganalisis kestabilan titik tetap dan membahas keberadaan bifurkasi Hopf. Modifikasi lain yang diberikan pada model adalah penggunaan waktu tunda. Waktu tunda merupakan waktu yang dibutuhkan bagi suatu penyakit untuk menyebabkan mangsa sakit (waktu inkubasi). Kasus pertama adalah model tanpa waktu tunda, diperoleh 2 titik tetap tidak stabil dan 2 titik tetap stabil. Salah satunya adalah titik tetap interior dengan uji kestabilan Routh-Hurwitz. Kasus kedua adalah model dengan waktu tunda diperoleh nilai kritis tundaan. Bifurkasi hopf terjadi ketika nilai waktu tunda sama dengan nilai tundaan kritis dan juga memenuhi kondisi transversalitas.
Pengamatan pada simulasi model dilakukan dengan memvariasikan nilai waktu tunda. Saat bifurkasi Hopf terjadi, grafik pada bidang solusi memperlihatkan pergerakan osilasi yang konstan. Apabila nilai waktu tunda yang diberikan kurang dari nilai kritis tundaan, solusi sistem terkontrol menuju kondisi yang seimbang.
Kemudian ketika nilai waktu tunda lebih besar dari nilai kritis tundaan, solusi sistem terus berfluktuasi sehingga menyebabkan kondisi sistem yang tidak stabil.
Kata kunci : Bifurkasi Hopf; Model S-I-P; Holling tipe II; Penyakit.
ABSTRACT
In this paper, a dynamic S-I-P model with disease in the prey population and Holling type II functional response with harvesting and time-delay were discussed. Model analysis is carried out by determining fixed points, then analyzing the stability of the fixed points and discussing the existence of the Hopf bifurcation.
Another modification given to the model is the use of time delays. Delay time is the time needed for a disease to make prey sick (incubation time). The first case is a model without time delay, it is obtained that 2 fixed points are unstable and 2 fixed points are stable. One of them is the interior fixed point tested with the Routh- Hurwitz criteria. The second case is a model with a delay time, the critical delay value is obained. Hopf bifurcation occurs when the delay time value is equal to the critical delay value and also fulfills the transversality condition. Observations on the model simulation are carried out by varying the value of the delay time. When the Hopf bifurcation occurs, the graph on the solution plane shows a constant oscillatory movement. If the value of the delay time given is less than the critical value of the delay, the controlled system solution goes to a balanced state. Then when the delay time value is greater than the critical delay value, the system solution continues to fluctuate causing an unstable system condition.
Keywords : Hopf bifurcation; S-I-P model; Holling type II; Disease.
1. PENDAHULUAN
Ekologi merupakan ilmu yang mempelajari tentang ekosistem [1]. Ekosistem merupakan partisi dari alam semesta pada umumnya [2]. Dalam suatu ekosistem sedikitnya tersusun dari komponen hidup dan tak hidup. Komponen hidup yaitu manusia, hewan, dan tumbuhan sedangkan komponen tak hidup merupakan komponen pendukung kehidupan seperti air, tanah, udara, sinar matahari dan sebagainya. Salah satu bahasan penting dalam ekologi yakni rantai-makanan.
Menurut Alex [3], dalam suatu rantai makanan minimal terdapat dua macam spesies yaitu spesies predator atau pemangsa dan spesies prey atau mangsa. Rantai makanan merupakan penentu keseimbangan ekosistem, sehingga perlu dikaji mendalam. Kajian mengenai rantai makanan salah satunya yaitu pemodelan matematika prodator-prey yang dikembangkan dalam cabang ilmu matematika ekologi.
Permasalahan lainnya yang terjadi dalam suatu populasi adalah epidemi. Menurut Lee [4] peristiwa epidemi dalam suatu populasi adalah βWhen a disease occurs at a frequency higher than is expected, it is said to be epidemic. A localized epidemic may be referred to as an outbreakβ. Oleh karena itu dalam pemodelan matematika di kaji berbagai macam model matematis untuk mengetahui tejadi atau tidaknya suatu epidemi dalam populasi. Model epidemi klasik membagi populasi menjadi dua kelas, yaitu kelas rentan (susceptible) dan terinfeksi (infected). Sub-populasi rentan, rentan terhadap infeksi dan sub-populasi yang terinfeksi dapat memindahkan infeksi ke individu rentan. Dalam model S-I ukuran populasi adalah π = π + πΌ, di mana π adalah sub-populasi rentan dan πΌ sub-populasi terinfeksi [5] .
Sistem interaksi dalam ekosistem yang merupakan pendekatan terhadap suatu fenomena fisik adalah sistem interaksi predator-prey, di mana prey sebagai populasi yang dimangsa dan predator sebagai populasi yang memangsa [6]. Sistem predator-prey adalah salah satu jenis sistem yang merupakan gabungan atau interaksi dari dua populasi yaitu predator (pemangsa) dan prey (mangsa). Interaksi antar dua populasi ini sangat penting karena kelangsungan hidup makhluk hidup tergantung pada keseimbangan lingkungan disekitarnya. Keseimbangan tersebut dapat tercapai jika jumlah rata-rata dari populasi predator dan prey yang sedang berinteraksi sesuai dengan ukuran dan proporsinya.
Model matematika predator-prey yang banyak dipakai adalah model yang terdiri atas dua spesies berbeda di mana salah satu dari keduanya menyediakan makanan untuk yang lainnya. Model predator-prey pertama kali dikenalkan oleh Lotka pada tahun 1925 dan Volterra pada tahun 1926, sehingga model ini juga disebut model Lotka-Volterra [7]. Model matematika Lotka-Volterra dua spesies predator-prey dapat di tulis sebagai berikut.
ππ₯
ππ‘ = πΌπ₯ β πΌπ₯π¦,
ππ₯
ππ‘ = πΌπ₯ β πΌπ₯π¦, (1)
Model sederhana ini kemudian mengalami banyak modifikasi. Salah satu modifikasi dilakukan dengan penambahan fungsi respon.
Fungsi respon dalam model interaksi predator-prey menurut [8] adalah jumlah makanan yang dimakan oleh predator sebagai fungsi kepadatan makanan. Dalam hal ini fungsi respon dibagi atas tiga macam, yaitu fungsi respon tipe I, tipe II, dan tipe III. Fungsi respon tipe I terjadi pada predator yang memiliki karakteristik pasif, atau lebih suka menunggu mangsanya. Fungsi respon tipe II terjadi pada predator yang berkarakteristik aktif dalam mencari mangsa. Fungsi respon tipe III terjadi pada predator yang cenderung akan mencari populasi prey yang lain ketika populasi prey yang dimakan mulai berkurang.
Para peneliti sebelumnya telah mengembangkan model predator-prey ketika terdapat wabah penyakit pada populasi predator atau prey. Tewa, dkk [9] menganalisis stabilitas local dan global model predator- prey dengan penyakit menular SIS dan fungsi respon Holling type II. Solusi periodic menunjukkan paling sedikit satu populasi yang punah karena penyakit.
Moustafa [10] menganalisis bifurkasi Hopf dan transkritis model eko-epidemiologi berorde fraksional.
Simulasi menunjukkan orde fraksional dapat membantu mengendalikan koeksistensi prey yang rentan, prey yang terinfeksi dan predator.
Fardinah [11] menganalisis kestabilan model mangsa -pemangsa dengan fungsi respon Holling Tipe II dan adanya mangsa sakit. Hasil penelitian menunjukkan terjadinya kepunahan pemangsa dan eksistensi semua subpopulasi jika memenuhi kondisi yang disyaratkan.
Penelitian serupa dilakukan oleh Kooi [12], yang meneliti model predator-prey dua spesies pada kasus penyakit hanya terjadi pada populasi predator. Pada model mekanisme cara predator berburu berdasarkan fungsi respon Holling Tipe II. Dari hasil analisis model tersebut juga diperoleh sistem yang lebih stabil dengan adanya kenaikan laju infeksi penyakit.
Berbeda dari kajian sebelumnya, dalam penelitian ini akan memodifikasi model epidemi predator-prey Khoirun [13] dengan model epidemi predator-prey yang terdiri dari dua spesies di mana predator berburu mangsa mengikuti model Lotka-Voltera dan mekanisme penularan penyakit pada spesies prey. Pada penelitian ini akan dikonstuksi model matematika epidemi predator-prey di mana terdapat penyebaran
penyakit pada populasi prey yang mengikuti hukum aksi masa sederhana dan mekanisme cara berburu predator mengikuti fungsi respon Holling tipe II. Model matematika yang terbentuk terdiri dari tiga persamaan, yaitu laju pertumbuhan populasi Susceptible-prey, laju pertumbuhan populasi infected-prey, dan laju pertumbuhan populasi predator. Ketiga persamaan tersebut membentuk suatu sistem persamaan diferensial biasa nonlinear [14]. Pada model SIP ini diasumsikan adanya waktu tunda. Waktu tunda menyatakan waktu inkubasi penularan penyakit, yaitu waktu yang dibutuhkan bagi suatu penyakit untuk menyebabkan prey sakit.
Dari model tersebut dilakukan analisis dengan menentukan titik kesetimbangan model dan menganalisis kestabilan titik kesetimbangan model. Simulasi numerik diberikan untuk menunjang hasil analisis kestabilan yang telah diperoleh Pastor [15]. Berdasarkan uraian latar belakang di atas, maka penulis tertarik untuk menganalisis perilaku sistem predator-prey dan fungsi respon Holling tipe II. Sebuah tulisan yang diformulasikan dengan judul βBIFURKASI HOPF PADA MODEL DINAMIK S-I-P DENGAN PENYAKIT PADA POPULASI PREY DAN FUNGSI RESPON HOLLING TYPE IIβ.
2. MODEL MATEMATIKA
Model yang akan dibahas dalam artikel ini adalah model S-I-P interaksi dua spesies predator-prey dengan fungsi respon Holling tipe II. Asumsi-asumsi yang digunakan pada model predator-prey sebagai berikut.
1. Laju pertumbuhan populasi prey memiliki pola pertumbuhan logistik.
2. Penyakit hanya menginfeksi populasi prey dan prey yang terinfeksi tidak bisa disembuhkan atau menjadi kebal.
3. Makanan dari prey memiliki jumlah yang terbatas sehingga terjadi kompetisi antara prey sendiri dalam memperebutkan makanan.
4. Persediaan makanan predator bergantung pada populasi prey.
5. Pada saat terjadinya interaksi prey dengan predator, populasi prey akan menurun sedangkan populasi predator akan meningkat.
6. Dalam interaksinya, predator hanya memakan mangsa yang terinfeksi.
7. Dalam ekosistem, hanya ada 1 jenis mangsa untuk dikonsumsi oleh predator.
8. Prey merespon kehadiran predator sehingga predator memerlukan waktu untuk menangkap prey (predator mengikuti fungsi respon Holling tipe II).
Modifikasi model predator-prey S-I-P dengan fungsi respon Holling tipe II dapat diekspresikan sebagai berikut.
{ππ₯1
ππ‘ = ππ₯1(1 βπ₯1
πΎ) β π½π₯1π₯2 ππ₯2
ππ‘ = π½π₯1π₯2βππ₯2π¦
π+π₯2β ππ₯2 ππ₯3
ππ‘ = π (ππ₯2π₯3
π+π₯2) β ππ₯3 (2)
dengan π₯1(0) > 0, π₯2(0) > 0 dan π₯3(0) > 0 dimana π =π₯1
πΎ, πΌ =π₯2
πΎ, π =π₯3
πΎ, π = ππ‘ > 0, π΄ =π
π> 0, π΅ =π
πΎ> 0, πΆ =π
π> 0, π· =π
π> 0 dan π =π½πΎ
π > 0.
Pada sistem (2), π₯1= π
πΎ mempresentasikan kepadatan populasi prey rentan penyakit disertai dengan adanya pengaruh dari lingkungan, π₯2= πΌ
πΎ mengartikan kepadatan populasi prey yang terinfeksi disertai pengaruh dari lingkungan, π₯3=π
πΎ mengartikan kepadatan populasi predator disertai pengaruh lingkungan, π
π= π‘ mempresentasikan kelipatan dari waktu π‘, π = π΄π angka penurunan kepadatan populasi prey akibat interaksi antara prey dan predator, π = π΅πΎ mempresentasikan tingkat kejenuhan pemangsaan dengan adanya pengaruh dari lingkungan, π½ =ππΎ
π tingkat penyebaran penyakit menular pada populasi mangsa π = πΆπ dan π = π·π masing-masing adalah laju kematian alami dari mangsa dan predator, π tingkat pertumbuhan populasi predator. Sistem (2) dapat ditulis ulang sebagai berikut.
{
ππ(π)ππ = π
(
π)(
1 β π(
π))
β ππ(
π)
πΌ(
π β π)
ππΌ(π)ππ‘ = ππ
(
π)
πΌ(
π β π)
βπ΄π(π)π(π)π΅+πΌ(π) β πΆπΌ ππ(π)
ππ = π
(
π΄πΌ(π)π(π)π΅+πΌ(π)
)
β π·π(
π)
(3)dengan π(0) > 0, πΌ(0) > 0 dan π(0) > 0.
3. HASIL DAN PEMBAHASAN 3.1. Titik Ekuilibrium
Sistem (3) mencapai titik kesetimbangan ketika ππππ= 0, ππΌ
ππ= 0 dan ππ
ππ= 0, sehingga sistem (3) dapat ditulis sebagai berikut.
(a) ππ
ππ= π(1 β π) β πππΌ = 0, (b) ππΌ
ππ= πππΌ βπ΄ππ
π΅+πΌβ πΆπΌ, (c) ππ
ππ= π (π΄πΌπ
π΅+πΌ) β π·π. (4) Dari persamaan (4), diperoleh π (π΄πΌπ
π΅+πΌ) β π·π = 0 βΊ π = 0 β¨ πΌ = π·π΅
ππ΄βπ·. Jika, π = 0 dari persamaan (b) pada sistem (4), diperoleh
πππΌ β πΆπΌ = 0 βΊ πΌ(ππ β πΆ) = 0 βΊ πΌ = 0 β¨ π = πΆ π. Substitusi πΌ = 0 dan π = 0 ke persamaan (a) pada sistem (4), maka
π(1 β π) = 0 β π = 0 β¨ π = 1.
Jadi, untuk πΌ = 0 dan π = 0 titik kesetimbangannya adalah πΈ0(0,0,0) dan πΈ1(1,0,0). Substitusi π = πΆ
π dan π = 0 ke persamaan (a) pada sistem (4) yang menghasilkan πΌ = ββπ+πΆ
π2 . Jadi, jika πΆ < π, maka titik kesetimbangannya adalah πΈ2(πΆ
π, ββπ+πΆ
π2 , 0). Jika πΌ = π·π΅
ππ΄βπ· dari persamaan (a) pada sistem (4), diperoleh sebagai berikut.
π(1 β π β ππΌ) = 0 βΊ π = 0 β¨ π =ππ΄ β π· β ππ·π΅ ππ΄ β π· . Substitusi πΌ = π·π΅
ππ΄βπ· dan π =ππ΄βπ·βππ·π΅
ππ΄βπ· ke persamaan (a) pada system (4) sehingga diperoleh π =
βπ·π΅2(βπππ΄+π·π+π΅π·π2+πΆππ΄βπΆπ·)π
(ππ΄βπ·)2(ππ΄βπ·βππ·π΅) . Maka jika ππ΄ > π· πππ β π(ππ΄ β π·) + π΅π·π2+ πΆ(ππ΄ β π·) <
0, πΈβ(πβ, πΌβ, πβ) adalah titik ekuilibrium.
3.2 Stabilitas Tanpa Waktu Tunda
Matriks Jacobian dari persamaan (4) diberikan oleh π½ = (1 β 2π β ππΌ β ππ 0 ππΌ β π΄π
π΅+πΌβ ππ + π΄ππ
(π΅+πΌ)2β πΆ β π΄π
π΅+πΌ 0 ππ΄π
π΅+πΌβ ππ΄πΌπ
(π΅+πΌ)2 ππ΄πΌ π΅+πΌβ π· )
Pada titik πΈ0, matriks Jacobiannya adalah π½(0,0,0) = (1 0 0 0 β πΆ 0 0 0 β π· ). Diperoleh π1= 1 β¨ π2= βπΆ β¨ π3= βπ·. Jadi πΈ0 adalah titik pelana yang tidak stabil.
Pada titik πΈ1, matriks Jacobiannya adalah π½(0,1,0) = (β1 β π 0 0 π β πΆ βπ΄
π΅ 0 0 β π· ). Diperoleh π1= β1 β¨ π2= π β πΆ β¨ π3= βπ·. Jadi, πΈ1 adalah titik pelana yang tidak stabil.
Pada titik πΈ2, matriks Jacobiannya adalah π½ (πΆ
π, ββπ+πΆ
π2 , 0) = (βπΆ
π β πΆ 0 1 βπΆ
π β π β
π΄πΆπ
π΅π2+πβπΆ 0 0 ββππ΄π+ππ΄πΆ+π·π΅π2+π·πβπ·πΆ
π΅π2+πβπΆ ). Diperoleh π1= ββππ΄π+ππ΄πΆ+π·π΅π2+π·πβπ·πΆ
π΅π2+πβπΆ . Dua nilai eigennya dapat ditentukan dari polynomial karakteristik.
π2+πΆ
ππ + πΆ βπΆ2
π. Karena πΆ
π> 0 dan πΆ βπΆ2
π > 0 maka semua bagian real dari solusi persamaan (4) negative jika ππ΄(πΆ β π) + π·π΅π2+ π·(π β πΆ) > 0.
Pada titik πΈβ(πβ, πΌβ, πβ) dengan πβ=ππ΄βπ·βππ·π΅
ππ΄βπ· , πΌβ= π·π΅
ππ΄βπ· dan πβ= βπ·π΅2(βπππ΄+π·π+π΅π·π2+πΆππ΄βπΆπ·)π (ππ΄βπ·)2(ππ΄βπ·βππ·π΅)
matriks Jacobiannya adalah π½(πΈβ) = (π1 π2 0 π3 π4 π5 0 π6 0 ) dengan
π1= βππ΄βπ·βπ·ππ΅
ππ΄βπ· , π2= βπ(ππ΄βπ·βπ·ππ΅)
ππ΄βπ· , π3= πΆπ΅π·
ππ΄βπ·βπ·ππ΅,
π4= βπ2π΄2πΆβπ2π΄2π+ππ΄π΅π·π2+π΅π·2π2βπΆπ·2+π·2π
π΄π(ππ΄βπ·) ,
π5= βππ΄βπ·βπ·ππ΅
π΅π ,
π6= β(βπππ΄+π·π+π΅π·π2+πΆππ΄βπΆπ·)π·π΅ π΄(ππ΄βπ·βπ·ππ΅) . Persamaan karakteristik π½(πΈβ) adalah
π3+ π2(βπ1β π4) + π(π1π4β π2π3β π5π6) + π1π5π6= 0.
Jika π2π΄2(1 + πΆ β π) + ππ΄π·(β1 + π΅π(π β 1)) + π·2(π(1 + π΅π) β πΆ) > 0 maka
βπ1β π4> 0.
Jika π3π΄3(1 β π·)(π β πΆ) + π2π΄2π·((πΆ β π)(1 β 3π·) + π·π΅π2β 2π΅π2) + ππ΄π·2((3π· + 1)(βπ + πΆ) β 2π·π΅π2+ π3π΅2+ ππΆπ΅) + π·3((π· + 1)(π β πΆ) β ππ΅πΆ + π΅π2(2 + π΅π) + π3π΅2+ π·π΅π2+ 2π΅π2) > 0 maka
π1π4β π2π3β π5π6> 0.
Jika (ππ΄ β π· β π·ππ΅)(π·π΅π2+ (ππ΄ β π·)(πΆ β π)) < 0 maka π1π5π6> 0.
Jika π5π΄5(π β πΆ + πΆ2(π· β 1) + 2ππΆ(1 β π·) + π2(π· β 1)) + π4π΄4(β3π΅π·π2(1 β π) + π·ππ΅πΆ(1 β 3π) + π·(π2+ πΆ2) β 2π·π(1 + πΆ) + 2πΆπ·(1 + 3ππ·) + 2π·2π΅π2(πΆ β π) β 3π·2(π2+ πΆ2)) +
π3π΄3(β4ππΆπ·2(π· + 1) β 4π·3π΅π2(πΆ β π) + 3π·2π΅π2(1 β π΅π2+ ππ΅) β πΆπ·2π΅π(βπΆ + π) + 2πΆ2π·2(1 + π·) + π·2π3π΅2(πΆ + π·π) + 2π2π·2(1 + π·)) + π2π΄2(4ππΆπ·3(1 β π·) β 2πΆπ·3(1 β πΆπ· + πΆ) β π·3π4π΅2(π΅ β π΅π + π·) + 2π·3π(1 β π + π·π) + πΆπ·3π΅π(7π β πΆ + 2π2π΅ β 3 β ππ΅) + 3π·3π΅π2(1 β 2π β π΅π2)) + ππ΄(π·4πΆ(1 β 3πΆπ· β πΆ) β π·4π(1 + π + 3π·π) + π·4π΅π2(3π΅π2+ 2π΅2π3β 3 β π·π΅π2β 3π΅π β π2π΅2β 4π·π) + π·4π΅ππΆ(βπ΅π2+ 4π·π + 2 β πΆ + π + π΅π) + 2ππΆπ·4(3π· + 1)) β 2π·5ππΆ(1 + π·) + πΆ2π·5(π· + 1) + π·5π΅π3(3 + π΅2π2+ 2π· + π·π΅π + 3π΅π) + π·5π΅ππΆ(β4π β 2π·π + πΆ β 2π΅π2) + π·5π2(1 + π·) > 0 maka
(βπ1β π4)(π1π4β π2π3β π5π6) > π1π5π6.
Berdasarkan kriteria Routh Hurwitz, jika π2π΄2(1 + πΆ β π) + ππ΄π·(β1 + π΅π(π β 1)) + π·2(π(1 + π΅π) β πΆ) > 0, π3π΄3(1 β π·)(π β πΆ) + π2π΄2π·((πΆ β π)(1 β 3π·) + π·π΅π2β 2π΅π2) + ππ΄π·2((3π· + 1)(βπ + πΆ) β 2π·π΅π2+ π3π΅2+ ππΆπ΅) + π·3((π· + 1)(π β πΆ) β ππ΅πΆ + π΅π2(2 + π΅π) + π3π΅2+ π·π΅π2+ 2π΅π2) > 0, (ππ΄ β π· β π·ππ΅)(π·π΅π2+ (ππ΄ β π·)(πΆ β π)) < 0 dan π5π΄5(π β πΆ + πΆ2(π· β 1) + 2ππΆ(1 β π·) + π2(π· β 1)) + π4π΄4(β3π΅π·π2(1 β π) + π·ππ΅πΆ(1 β 3π) + π·(π2+ πΆ2) β 2π·π(1 + πΆ) + 2πΆπ·(1 + 3ππ·) + 2π·2π΅π2(πΆ β π) β 3π·2(π2+ πΆ2)) + π3π΄3(β4ππΆπ·2(π· + 1) β 4π·3π΅π2(πΆ β π) + 3π·2π΅π2(1 β π΅π2+ ππ΅) β πΆπ·2π΅π(βπΆ + π) + 2πΆ2π·2(1 + π·) + π·2π3π΅2(πΆ + π·π) + 2π2π·2(1 + π·)) + π2π΄2(4ππΆπ·3(1 β π·) β 2πΆπ·3(1 β πΆπ· + πΆ) β π·3π4π΅2(π΅ β π΅π + π·) + 2π·3π(1 β π + π·π) + πΆπ·3π΅π(7π β πΆ + 2π2π΅ β 3 β ππ΅) + 3π·3π΅π2(1 β 2π β π΅π2)) + ππ΄(π·4πΆ(1 β 3πΆπ· β πΆ) β π·4π(1 + π + 3π·π) + π·4π΅π2(3π΅π2+ 2π΅2π3β 3 β π·π΅π2β 3π΅π β π2π΅2β 4π·π) + π·4π΅ππΆ(βπ΅π2+ 4π·π + 2 β πΆ + π + π΅π) + 2ππΆπ·4(3π· + 1)) β 2π·5ππΆ(1 + π·) + πΆ2π·5(π· + 1) + π·5π΅π3(3 + π΅2π2+ 2π· + π·π΅π + 3π΅π) + π·5π΅ππΆ(β4π β 2π·π + πΆ β 2π΅π2) + π·5π2(1 + π·) > 0, maka semua bagian real nilai eigen adalah negative. Jadi πΈβ adalah titik stabil.
3.3 Stabilitas dengan Waktu Tunda
Dalam menganalisis kestabilan πΈβ dengan waktu tunda. Persamaan (4) perlu dilinierkan di sekitar titik keseimbangan πΈβ, maka diperoleh model linierisasi
(a) ππ(π)
ππ‘ = π1π(π) + π2πΌ(π β π),
(b) ππΌ(π)ππ = π3π(π) + π4πΌ(π β π) + π5π(π), (c) ππ(π)
ππ = π6πΌ(π) + π7π(π) (5) dimana
π1= 1 β 2πββ ππΌβ, π2= βππβ, π3= ππΌββ π΄πβ
π΅+πΌβ, π4 = ππβ+(π΅+πΌπ΄πβπβ)β2β πΆ, π5= βπ΄πβ
π΅+πΌβ, π6=ππ΄πβ
π΅+πΌββ
ππ΄πΌβπβ
(π΅+πΌβ)2, π7=ππ΄πΌβ
π΅+πΌββ π
Misalkan solusi sistem (5) adalah
π(π) = ππππ, πΌ(π) = ππππ, π(π) = ππππ
Substitusi persamaan (5) ke persamaan (6) lalu bagi dengan πππ‘ sehingga diperoleh {ππ = π1π + π2ππβππ, ππ = π3π + π4ππβππ+ π5π, ππ = π6π + π7π Sistem (7) dapat ditulis dalam bentuk berikut.
[ππππππ ][π1π2πβππ0π3π4πβπππ50π6π7 ][πππ ] Sehingga diperoleh persamaan karakteristik sebagai berikut.
|π1β ππ2πβππ0π3π4πβππβ ππ50π6π7β π |= 0
β π3+ (βπ1β π7β π4πβππ)π2+ (π1π7+ π1π4πβππ+ π7π4πβππ+ π2π3πβππ)π β π1π7π4πβππβ
π2π3π7πβππ= 0 (9) Nilai eigen persamaan (9) adalah bilangan real negatif dan bilangan kompleks dengan bagian real negatif.
Jadi dengan waktu tunda, πΈβ stabil jika dan hanya jika βπ1β π7β π4> 0, π1π7+ π1π4+ π7π4+ π2π3> 0 dan βπ1π3π5> 0. Sehingga nilai eigen persamaan karakteristik (9) diasumsikan π = π’ + ππ dengan π’ = 0 dan π > 0(π = +ππ). Untuk melihat perubahan kestabilan model persamaan dengan waktu tunda, nilai eigen disubstitusi ke persamaan (9) sehingga diperoleh akar-akar persamaan karakteristik.
(ππ)3+ (βπ1β π7β π4(πππ ππ β ππ ππππ))(ππ)2+ (π1π7+ π1π4(πππ ππ β ππ ππππ) + π7π4(πππ ππ β ππ ππππ) + π2π3(πππ ππ β ππ ππππ))(ππ) β π1π7π4(πππ ππ β ππ ππππ) β π2π3π7(πππ ππ β ππ ππππ) = 0
βΊ (π2π1+ π2π7+ π2π4πππ ππ + ππ1π4π ππππ + ππ7π4π ππππ + ππ2π3π ππππ β π1π7π4πππ ππ β π2π3π7πππ ππ) + π(βπ3β π2π4π ππππ + ππ1π7+ ππ1π4πππ ππ + ππ7π4πππ ππ + ππ2π3πππ ππ + π1π7π4π ππππ + π2π3π7π ππππ) = 0 (10) Persamaan (10) bernilai nol jika bagian imajiner dan real sama dengan nol sehingga diperoleh
(βπ2π4+ π1π7π4+ π2π3π7)πππ ππ + (βππ1π4β ππ7π4β ππ2π3)π ππππ = π2π1+ π2π7 (11) dan (ππ1π4+ ππ7π4+ ππ2π3)πππ ππ + (βπ2π4+ π1π7π4+ π2π3π7)π ππππ = π3β ππ1π7 (12) Kemudian mengeliminasi persamaan (11) dan (12) terhadap π dengan mengkuadratkan setiap ruas persamaan tersebut, maka diperoleh.
(π4π42β 2π2π42π1π7β 2π2π4π2π7π3+ π12π72π42+ 2π1π72π4π2π3+ π22π72π32)πππ 2ππ + 2(π3π42π1+ π3π42π7+ π3π4π2π3β π12π7π42π β π1π72π42π β 2π1π7π4π2π3π β π2π72π3π4π β π22π7π32π)πππ πππ ππππ + (π2π12π42+ 2π2π1π42π7+ 2π2π1π4π2π3+ π2π72π42+ 2π2π7π4π2π3+
π2π22π32)π ππ2ππ = π4π12+ 2π4π1π7+ π4π72 (13) dan
(π4π42β 2π2π42π1π7β 2π2π4π2π7π3+ π12π72π42+ 2π1π72π4π2π3+ π22π72π32)π ππ2ππ + 2(βπ3π42π1β π3π42π7β π3π4π2π3+ π12π7π42π + π1π72π42π + 2π1π7π4π2π3π + π2π72π3π4π + π22π7π32π)πππ πππ ππππ + (π2π12π42+ 2π2π1π42π7+ 2π2π1π4π2π3+ π2π72π42+ 2π2π7π4π2π3+ π2π22π32)πππ 2ππ = π6β 2π4π1π7+ π2π12π72 (14) Persamaan (13) dan (14) dijumlahkan dan dikelompokkan berdasarkan pangkatnya, sehingga diperoleh persamaan polinomial berderajat enam sebagai berikut.
π6+ (π42β π12β 2π1π7β π72+ 2π1π7)π4+ (β2π42π1π7β 2π4π2π7π3+ π12π42+ 2π1π42π7+ 2π1π4π2π3+ π72π42+ 2π7π4π2π3+ π22π32β π12π72)π2
+π12π72π42+ 2π1π72π4π2π3+ π22π72π32= 0 (15) Selanjutnya, nilai waktu tunda kritis (ππ) dengan tahapan sebagai berikut.
(6) (7)
(8)
Langkah pertama substitusi ππ ke persamaan (11) dan (12) kemudian mengeliminasi fungsi cosinus dari persamaan (11) dan (12)
(βππ2π12π42β 2ππ2π1π4π2π3β ππ2π72π42β ππ2π22π32β ππ4π42β π12π72π42β 2π1π72π4π2π3β π22π32π72)π πππππ
= ππ3π12π4+ ππ3π1π2π3+ ππ3π72π4+ ππ5π4+ πππ12π72π4+ πππ1π72π2π3 (16) Selanjutnya mengeliminasi fungsi sinus dari persamaan (11) dan (12)
(ππ4π42+ π12π72π42+ 2π1π72π4π2π3+ π22π72π32+ ππ2π12π42+ 2ππ2π1π4π2π3+ ππ2π72π42+
ππ2π22π32)πππ πππ = ππ2π72π2π3+ ππ4π2π3 (17) Dari (15) dan (16) diperoleh
ππ= (βππ3π12π4+ππ3π1π2π3+ππ3π72π4+ππ5π4+πππ12π72π4+πππ1π72π2π3
ππ2π72π2π3+ππ4π2π3 ) (18) Selanjutnya diferensialkan persamaan (9) terhadap π, maka diperoleh
π3+ π½π2+ πΎπ + πΏπ2πβππ+ πππβππ+ ππβππ= 0
Dengan π½ β π1β π7, πΎ = π1π7, πΏ = βπ4, π = π1π4+ π7π4+ π2π3, π = βπ1π7π4β π2π3π7
βΊπ(π3)
ππ ππ
ππ+ π½π(π2)
ππ ππ ππ+ πΎππ
ππ ππ
ππ+ πΏ {π2[π(πβππ)
π(βππ) (βπ. 1 + ππ(βπ)
ππ ππ
ππ)] + πβππ π(π2)
ππ ππ ππ} +π {π [π(πβππ)
π(βππ) (βπ. 1 + ππ(βπ)
ππ ππ
ππ)] + πβππ ππ
ππ ππ
ππ} + π [π(πβππ)
π(βππ)(βπ. 1 + ππ(βπ)
ππ ππ ππ)] = 0
βΊ 3π2 ππ
ππ+ 2π½πππ
ππ+ πΎππ
ππβ πΏπ3πβππβ πΏπ2πππ
πππβππ+2πΏπππ
πππβππβ ππ2πβππ
βπππππ
πππβππ+πππ
πππβππβ πππβππβ ππππ
πππβππ= 0
βΊππ
ππ= (πΏπ2+ππ+π)ππβππ
3π2+2π½π+πΎβ(πΏπ2+ππ+π)ππβππ+(2πΏπ+π)πβππ. Dari persamaan (19), dipunyai πβππ=βπ3βπ½π2βπΎπ
πΏπ2+ππ+π . Maka diperoleh
ππ
ππ= π(βπ3βπ½π2βπΎπ )
3π2+2π½π+πΎβπ(βπ3βπ½π2βπΎπ )+(2πΏπ+π)πβππ. (ππ
ππ) π=ππ
= π(βπ3βπ½π2βπΎπ )
3π2+2π½π+πΎβπ(βπ3βπ½π2βπΎπ )+(2πΏπ+π)πβππ
= πππ(β(πππ)3βπ½(πππ)2βπΎπππ)
3(πππ)2+2π½πππ+πΎβππ(β(πππ)3βπ½(πππ)2βπΎπππ)+(2πΏπππ+π)(πππ πππ ππππβπ π πππ ππ ππππ )
= βππ4+ππ½ππ3+πΎππ2
β3ππ2+2π½πππ+πΎβπππππ3βπππ½ππ2+πππΎπππ+2πΏππππππ πππ ππππ +2πΏπππ πππ ππ ππππ +ππππ πππ ππππ βπππ πππ ππ ππππ
=βππ4+πΎππ2+π½ππ3π
π12+π12 . (π1β π1π) dengan
π1= β3ππ2+ πΎ β πππ½ππ2+ 2πΏπππ ππ π ππ ππππ + π πππ πππ ππππ π1= 2π½ππβ ππππ3+ πππΎππ+ 2πΏπππππ πππ ππππ β πΏ π ππ π ππ ππππ
=3ππ6β4πΎππ4+2π½2ππ4+πΎ2ππ2
π12+π12
Jika ππ adalah akar positif terkecil dari (15) (kecuali jika akar tersebut merupakan akar kembar maka pilihlah akar terkecil berikutnya), maka
ππ
ππ|π=ππ =ππ2(3ππ4+(β4πΎ+2π½2)ππ2)
π12+π12 β 0
Yang menunjukkan bahwa kondisi transversal terpenuhi, sehingga terjadi bifurkasi Hopf pada π = ππ. 3.4 Simulasi Tanpa Waktu Tunda
Pada bagian ini, dibahas simulasi model di titik πΈ0, πΈ1, πΈ2 dan πΈβ. Untuk menemukan solusi, dipilih nilai-nilai parameter sebagai berikut.
(19)
πΈ0
πΈ1
πΈ2
π = 2,2 π΄ = 0,8 π΅ = 0,6 πΆ = 0,7 π· = 0,2
π= 0,5
πΈβ π = 2,1 π΄ = 0,8 π΅ = 0,4 πΆ = 0,3 π· = 0,2
π= 0,5
Gambar 1. Bidang solusi dan Potret fase 3.5 Simulasi dengan Waktu Tunda
Simulasi numerik model predator-prey dengan waktu tunda dilakukan untuk menunjukkan adanya pengaruh waktu tunda terhadap kestabilan titik tetap πΈβ .
Tabel 1. Nilai parameter di titik ekuilibrium πΈβ dengan waktu tunda Parameter Nilai
π 2,1
π΄ 0,8
π΅ 0,4
πΆ 0,3
π· 0,2
π 0,5