Model Mangsa Pemangsa dengan Pengaruh Musim

Σχετικά έγγραφα
Kalkulus Multivariabel I

Persamaan Diferensial Parsial

Kalkulus Multivariabel I

Kalkulus 1. Sistem Bilangan Real. Atina Ahdika, S.Si, M.Si. Statistika FMIPA Universitas Islam Indonesia

LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI FAKULTAS TEKNIK PROGRAM STUDI TEKNIK INDUSTRI UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN JAWA TIMUR

Matematika

Pengantar Proses Stokastik

Pengantar Proses Stokastik

TEORI PELUANG* TKS 6112 Keandalan Struktur. Pendahuluan

Sebaran Peluang Gabungan

PERSAMAAN KUADRAT. 06. EBT-SMP Hasil dari

artinya vektor nilai rata-rata dari kelompok ternak pertama sama dengan kelompok ternak kedua artinya kedua vektor nilai-rata berbeda

Kalkulus 1. Sistem Koordinat. Atina Ahdika, S.Si, M.Si. Statistika FMIPA Universitas Islam Indonesia. Sistem Koordinat

Perubahan dalam kuantiti diminta bagi barang itu bergerak disepanjang keluk permintaan itu.

Transformasi Koordinat 2 Dimensi

Pumping Lemma. Semester Ganjil 2013 Jum at, Dosen pengasuh: Kurnia Saputra ST, M.Sc

Sistem Koordinat dan Fungsi. Matematika Dasar. untuk Fakultas Pertanian. Uha Isnaini. Uhaisnaini.com. Matematika Dasar

INVESTIGASI EMPIRIS KEKUATAN UJI KPSS. Oleh MUHAMMAD FAJAR

PENGEMBANGAN INSTRUMEN

Konvergen dalam Peluang dan Distribusi

Bilangan Euler(e) Rukmono Budi Utomo Pengampu: Prof. Taufiq Hidayat. March 5, 2016

Kalkulus Elementer. Nanda Arista Rizki, M.Si. Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Mulawarman 2018

KONSEP ASAS & PENGUJIAN HIPOTESIS

Sebaran Kontinu HAZMIRA YOZZA IZZATI RAHMI HG JURUSAN MATEMATIKA FMIPA UNAND LOGO

Pengantar Proses Stokastik

BAB 3 PERENCANAAN TANGGA

ANALISIS LITAR ELEKTRIK OBJEKTIF AM

TH3813 Realiti Maya. Transformasi kompaun. Transformasi kompaun. Transformasi kompaun. Transformasi kompaun

Pengantar Proses Stokastik

STRUKTUR BAJA 2 TKS 1514 / 3 SKS PROGRAM STUDI TEKNIK SIPIL UNIVERSITAS JEMBER

A. Distribusi Gabungan

Peta Konsep. 5.1 Sudut Positif dan Sudut Negatif Fungsi Trigonometri Bagi Sebarang Sudut FUNGSI TRIGONOMETRI

Ciri-ciri Taburan Normal

Tabel 1 Kombinasi perlakuan kompos, unsur kelumit, dan waktu penyemprotan

BAB 4 PERENCANAAN TANGGA

TINJAUAN PUSTAKA. Sekumpulan bilangan (rasional dan tak-rasional) yang dapat mengukur. bilangan riil (Purcell dan Varberg, 1987).

2 m. Air. 5 m. Rajah S1

Transformasi Koordinat 3 Dimensi

S T A T I S T I K A OLEH : WIJAYA

PERENCANAAN JALAN ALTERNATIF & PERKERASAN LENTUR TANJUNG SERDANG KOTABARU,KALIMANTAN SELATAN KM KM 7+000

S T A T I S T I K A OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON

Diagnostic Statistical Manual of Mental Disorder (DSM IV,1994)

S T A T I S T I K A OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON

Tegangan Permukaan. Kerja

ANALISIS KORELASI DEBIT BANJIR RENCANA UNTUK BERBAGAI KONDISI KETERSEDIAAN DATA DI DAERAH KHUSUS IBUKOTA JAKARTA ABSTRAK

KALKULUS LANJUT. Integral Lipat. Resmawan. 7 November Universitas Negeri Gorontalo. Resmawan (Math UNG) Integral Lipat 7 November / 57

Hendra Gunawan. 16 April 2014

LOGIKA MATEMATIKA. MODUL 1 Himpunan. Zuhair Jurusan Teknik Informatika Universitas Mercu Buana Jakarta 2012 年 04 月 08 日 ( 日 )

BAB 4 PERENCANAAN TANGGA

BAB III METODOLOGI PERENCANAAN. Bagan alir (flow chart) adalah urutan proses penyelesaian masalah.

SEE 3533 PRINSIP PERHUBUNGAN Bab III Pemodulatan Sudut. Universiti Teknologi Malaysia

Keterusan dan Keabadian Jisim

Bab 1 Mekanik Struktur

( 2 ( 1 2 )2 3 3 ) MODEL PT3 MATEMATIK A PUSAT TUISYEN IHSAN JAYA = + ( 3) ( 4 9 ) 2 (4 3 4 ) 3 ( 8 3 ) ( 3.25 )

Ukur Kejuruteraan DDPQ 1162 Ukur Tekimetri. Sakdiah Basiron

(a) Nyatakan julat hubungan itu (b) Dengan menggunakan tatatanda fungsi, tulis satu hubungan antara set A dan set B. [2 markah] Jawapan:

DAFTAR ISI. BAB I PENDAHULUAN Latar Belakang Rumusan Masalah Tujuan Batasan Masalah dan Ruang Lingkup...

UNTUK EDARAN DI DALAM JABATAN FARMASI SAHAJA

DAFTAR LAMPIRAN. Lampiran 2. Penetapan derajat infeksi mikoriza arbuskular

RUMUS AM LINGKARAN KUBIK BEZIER SATAHAN

MA4181 PENGANTAR PROSES STOKASTIK Bab 2 Peluang dan Eks

DETERMINATION OF CFRP PLATE SHEAR MODULUS BY ARCAN TEST METHOD SHUKUR HJ. ABU HASSAN

SOALMANDIRITINGKATSMA/MA/Sederajat ASAHTERAMPILMATEMATIKA(ASTRAMATIKA)XX I

Nama Mahasiswa: Retno Palupi Dosen Pembimbing: Prof. Dr. Ir. I Gusti Putu Raka, DEA Ir. Heppy Kristijanto, MS

SMJ minyak seperti yang dilakarkan dalam Rajah S2. Minyak tersebut mempunyai. bahagian hujung cakera. Dengan data dan anggapan yang dibuat:

DAFTAR ISI. Halaman Judul Pengesahan Persetujuan Persembahan Abstrak Abstact Kata Pengantar

Kuliah 4 Rekabentuk untuk kekuatan statik

Rajah S1 menunjukkan talisawat dari jenis rata dengan dua sistem pacuan, digunakan untuk

BAB V DESAIN TULANGAN STRUKTUR

Unit PENGENALAN KEPADA LITAR ELEKTRIK OBJEKTIF AM OBJEKTIF KHUSUS

MENGENALI FOTON DAN PENGQUANTUMAN TENAGA

KEPELBAGAIAN TUMBUHAN DAN KEPELBAGAIAN HAIWAN

LAPORAN KAJIAN: JUMLAH PENGAMBILAN AIR DALAM KEHIDUPAN SEHARIAN MENGIKUT JANTINA KOD KURSUS: STQS 1124 NAMA KURSUS: STATISTIK II

STQS1124 STATISTIK II LAPORAN KAJIAN TENTANG GAJI BULANAN PENSYARAH DAN STAF SOKONGAN DI PUSAT PENGAJIAN SAINS MATEMATIK (PPSM), FST, UKM.

DAFTAR ISI. ABSTRAK... i KATA PENGANTAR... iii UCAPAN TERIMAKASIH... iv DAFTAR ISI... v DAFTAR TABEL... vii DAFTAR GAMBAR... ix

KEKUATAN KELULI KARBON SEDERHANA

Balas. Nursyamsu Hidayat, Ph.D.

PENGAJIAN KEJURUTERAAN ELEKTRIK DAN ELEKTRONIK

BAB 2 PEMODULATAN AMPLITUD

BAB 4 PERENCANAAN TANGGA

FAKULTI KEJURUTERAAN ELEKTRIK UNIVERSITI TEKNOLOGI MALAYSIA MAKMAL ELEKTROTEKNIK : LENGKUK KEMAGNETAN ATAU CIRI B - H

BAB III PERHITUNGAN TANGGA DAN PELAT. Gedung Kampus di Kota Palembang yang terdiri dari 11 lantai tanpa basement

LATAR BELAKANG BATASAN MASALAH

BAB 4 PERENCANAAN PELAT LANTAI DAN PELAT ATAP

Jika X ialah satu pembolehubah rawak diskret yang mewakili bilangan hari hujan dalam seminggu, senaraikan semua nilai yang mungkin bagi X.

Jika X ialah satu pembolehubah rawak diskret yang mewakili bilangan hari hujan dalam seminggu, senaraikan semua nilai yang mungkin bagi X.

KURIKULUM STANDARD SEKOLAH RENDAH DUNIA MUZIK

ADLN Perpustakaan Universitas Airlangga. Misalkan terdapat N buah besaran A µ dalam sistem koordinat {x µ } dan N

BAB 5 : FUNGSI TRIGONOMETRI (Jangka waktu : 9 sesi) Sesi 1. Sudut Positif dan Sudut Negatif. Contoh

BAB 5 : FUNGSI TRIGONOMETRI (Jangka waktu : 9 sesi) Sesi 1. Sudut Positif dan Sudut Negatif. Contoh

ACCEPTANCE SAMPLING BAB 5

ELEKTRIK KEMAHIRAN TEKNIKAL : BAB 1

Lampiran 1. Perhitungan Dasar Penentuan Kandungan Pupuk Organik Granul

TOPIK 1 : KUANTITI DAN UNIT ASAS

BAB V KESIMPULAN, KETERBATASAN & SARAN

LITAR ELEKTRIK 1 EET101/4. Pn. Samila Mat Zali

Teorem Titik Tetap Pemetaan 2 Mengecut Pada Ruang 2 Metrik

Pembinaan Homeomorfisma dari Sfera ke Elipsoid

ANALISA GAYA TARIK KABEL PRATEGANG PADA BALOK STATIS TAK TENTU

DAFTAR ISI. Halaman. HALAMAN JUDUL... i LEMBAR PENGESAHAN... LEMBAR PERSETUJUAN... iii. KATA PENGANTAR... iv. ABSTRAK... vi. DAFTAR ISI...

Transcript:

Model Mangsa Pemangsa dengan Pengaruh Musim Yudi Arpa #1, Muhammad Subhan #, Riry Sriningsih # #Jurusan Matematika, Universitas Negeri Padang Jl. Prof. Dr. Hamka Air Tawar Padang, 25131, Telp. (0751) 444648, Indonesia 1 yudi.arpa90@gmail.com Abstract- Effect of season is one of the factors that need to be noted in the predation. In this study, used the four seasons, summer, winter, spring, and autumn, where the amount of predation different every season. The study began by establishing a mathematical model of predation to the effect of the season. In this model, the population is divided into two, prey populations and predator populations. With useful analysis model using perturbation theory note that the effect of the season had a significant effect on the growth patterns of prey and predator populations, where at any given time pattern of prey and predator population Growth Is changing. Keyword :Predator-Prey, Seasonal effect, Mathematical models, Perturbation theory. Abstrak- Pengaruh musim merupakan salah satu faktor yang perlu diperhatikan dalam mangsa dan pemangsa. Dalam penelitian ini digunakan 4 musim, yaitu musim panas, musim gugur, musim dingin, dan musim semi, dimana jumlah pemangsaan disetiap musim berbeda. Penelitian ini dimulai dengan membentuk model matematika mangsa pemangsa dengan pengaruh musim. Pada model ini populasi dibagi menjadi a, yaitu populasi mangsa dan populasi pemangsa. Dari anilisis model dengan menggunakan teori perturbasi diketahui bahwa pengaruh musim memiliki pengaruh yang signifikan terhadap pola pertumbuhan populasi mangsa dan pemangsa, dimana pada rentang waktu tertentu pola pertumbuhan populasi mangsa dan pemangsa mengalami perubahan. Kata kunci : Mangsa-Pemangsa, Pengaruh musim, Model matematika, Teori Perturbasi. PENDAHULUAN Setiap organisme di alam ini tidak ada yang dapat hip sendiri, mereka akan selalu membutuhkan satu sama lain, salah satu kebutuhannya adalah berinteraksi, baik dengan sesama jenisnya maupun dengan lingkungannya [2]. Dalam kehipan salah satu bentuk interaksi yang terjadi adalah proses predasi (antar predator-prey). Predasi merupakan suatu interaksi antara mangsa dan pemangsa, dimana mangsa sangat bergantung kepada mangsanya. Dalam kehipan, salah satu bentuk interaksi yang terjadi adalah proses predasi (antar predator-prey). Hal ini terjadi karena setiap organisme akan berusaha untuk mempertahankan eksistensi dan kelangsungan hipnya dengan cara mencari makanan. Predasi merupakan suatu interaksi antara mangsa dan pemangsa, dimana pemangsa sangat bergantung kepada mangsanya. Interaksi mangsa dan pemangsa ini ditampilkan dalam bahasa matematika yang dikenal dengan model matematika. Solusi dari model ini dapat memberikan informasi tentang dinamika suatu populasi [3]. Dinamika ini memperlihatkan dalam kedaan bagaimana ekosistem dapat seimbang. Model mangsa pemangsa yang terkenal adalah model Lotka-Volterra. Model Lotka-Volterra berbentuk : = αu βuv = ρβuv γv Pada model ini diberikan contoh interaksi antara ikan kecil dan hiu. Asumsi dari model ini adalah sumber makanan untuk ikan kecil tidak terbatas, sehingga tingkat pertumbuhan ikan tanpa adanya pemangsa akan konstan, tingkat kematian hiu tanpa adanya mangsa juga akan konstan. Kehadiran pemangsa akan menurunkan tingkat pertumbuhan ikan kecil dan menaikan tingkat pertumbuhan hiu. Pada dasarnya banyak faktor yang mempengaruhi pemangsaan, salah satunya adalah pengaruh musim. Contohnya interaksi antara serigala dan rusa besar (moose) di Isle Royal. Pemangsaan serigala berbeda pada setiap musimnya. Pada musim dingin, rusa bertahan hip dengan cara mengais ranting dan tunastunas tumbuhan yang tidak tertutup salju.. Dengan ketebalan salju di musim dingin akan mempermudah

serigala untuk memangsa rusa besar. Hal ini disebabkan oleh semakin tebal salju maka akan membuat rusa besar sulit bergerak, hal itu sangat menguntungkan bagi serigala. Mereka tidak bersusahpayah untuk memangsa rusa. Sedangkan ketika salju mulai menipis serigala akan kesulitan untuk memangsa rusa besar. Pada model Lotka-Volterra pengaruh musim belum diperhitungkan. Padahal disetiap musim pemangsaan yang terjadi tidak konstan. Contohnya interaksi antar serigala dan Rusa Besar (moose). Dengan ketebalan salju dimusim dingin akan mempermudah serigala untuk memangsa. Hal ini disebakan oleh salju yang dalam akan menguntungkan bagi serigala untuk memangsa, karena mangsa akan sulit bergerak. Sedangkan ketika salju mulai menipis serigala akan sulit untuk memangsa Rusa Besar (moose). METODE Penelitian ini adalah penelitian dasar (teoritis) dengan menggunakan teori yang relevan berdasarkan studi kepustakaan. Langkah kerja yang akan dilakukan adalah Mempelajari bagaimana interaksi antara mangsa dan pemangsa sehingga diperoleh asumsi-asumsi yang dapat digunakan untuk membentuk model. Menentukan asumsiasumsi pembentukan model. Mengaitkan hubungan antara variabel pada model dengan asumsi yang telah dibuat. Membangun dan membentuk model. Menganalisa model menggunakan metode perturbasi. Menginterpretasikan hasil dari analisis yang diperoleh. HASIL DAN PEMBAHASAN Dalam membentuk model matematika mangsa pemangsa dengan pengaruh musim digunakan beberapa variabel yaitu u jumlah populasi mangsa. v jumlah populasi mangsa. parameter yang digunakan adalah α tingkat pertumbuhan mangsa, β tingkat kematian mangsar karena pemangsaan oleh pemangsa, ρ efisiensi pemangsaan mangsa oleh pemangsa, γ tingkat kematian pemangsa, ε tingkat fluktuasi, T periode pemangsaan. Asumsi yang digunakan adalah sebagai berikut: 1. Dengan ketiadaan pemangsa, populasi mangsa akan tumbuh sesuai denga hukum pertumbuhan Malthus, yaitu : = αu bahwa laju pertumbuhan populasi mangsa berbanding lurus dengan populasi yang ada pada saat itu. 2. Dengan adanya pemangsa dan pengaruh musim, laju pertumbuhan mangsa berkurang, sebanding dengan populasi pemangsa. Maka model pertumbuhan mangsa, menjadi : = αu β 1 + εsin T t uv 3. Dengan ketiadaan mangsa, populasi mangsa akan menurun, yaitu : = γv 4. Dengan adanya mangsa dan pengaruh musim, laju pertumbuhan pemangsa akan naik sebanding dengan populasi mangsa. Maka model pertumbuhan mangsa menjadi : = ρβ 1 + εsin t uv γv T Sehingga model mangsa pemangsa dengan pengaruh musim : = αu β 1 + εsin t uv (1) T = ρβ 1 + εsin t uv γv (2) T A. Analisis Model Untuk menganalisis model diatas, digunakan teori perturbasi. Langkah-langkahnya adalah sebagai berikut.ubah persamaan diferensial (13) dan (14) menjadi,: u αu + β 1 + εsin rt uv = 0 (3) v ρβ 1 + εsin rt uv + γv = 0 (4) Ekspansi terhadap u. u t = u 0 t + εu 1 t + (5) Ekspansi terhadap v. v t = v 0 t + εv 1 t + (6) Subtitusi (5) dan (6) ke (1) dan (2), sehingga diperoleh: 1. Untuk persamaan (1). (u 0 + εu 1 ) α(u 0 + εu 1 ) + β 1 + εsin diperoleh T t (u 0 + εu 1 + )(v 0 + εv 1 ) = 0 (u 0 αu 0 + βu 0 v 0 ) + ε u 1 αu 1 + βu 1 v 0 + βu 0 v 1 + βsin 0v 0 + ε 2 βu 1 v 1 + βsin 1v 0 + βsin 0v 1 + ε 3 βsin 1v 1 = 0 sehingga O ε 0 : u 0 + u 0 βv 0 α = 0 O ε 1 : u 1 + u 1 βv 0 α = (βu 0 v 1 + βsin )

Untuk orde nol u 0 + u 0 βv 0 α = 0 misal u 0 = y sehingga diperoleh y + y βv 0 α = 0 Sehngga diperoleh y = Ce α βv 0 t u 0 = Ce α βv 0 t 2. Untuk persamaan (2). (v 0 + εv 1 ) ρβ 1 + εsin Diperoleh T t (u 0 + εu 1 )(v 0 + εv 1 ) + γ v 0 + εv 1 = 0 (v 0 ρβu 0 v 0 + v 0 γ) + ε v 1 ρβu 1 v 0 ρβu 0 v 1 ρβsin ρβsin T t u 1v 0 u 0 v 1 ρβsin T t + ε3 ρβsin T t u 1v 1 = 0 Sehingga diperoleh O ε 0 : v 0 + v 0 γ ρβu 0 = 0 O ε 1 : v 1 + v 1 γ ρβu 0 = ρβu 1 v 0 + ρβsin Untuk orde nol v 0 + v 0 γ ρβu 0 = 0 misal v 0 = y maka y + y γ ρβu 0 = 0 Sehingga diperoleh y = Ce (ρβu 0 γ)t v 0 = Ce (ρβu 0 γ)t Untuk orde satu v 1 + v 1 γ ρβu 0 = ρβu 1 v 0 + ρβsin misal v 1 = x, γ ρβu 0 = w dan ρβu 1 v 0 + ρβsin = z maka x + xw = z dx + xw = z x = C z w v 1 = C ρβu 1v 0 +ρβsin γ ρβu 0 Jadi diperoleh u = e α βv 0 t ε (βu 0v 1 +βsin ) βv 0 α + C + (7) v = e (ρβu 0 γ)t + ε ρβu 1v 0 +ρβsin + C + (8) γ ρβu 0 Hampiran solusi dari metode perturbasi adalah : u = u 0 + εu 1 + v = v 0 + εv 1 + Ketika ε = 0, diperoleh : u = u 0 (9) v = v 0 (10) Subtitusi (9) dan (10) ke (7) dan (8), sehingga α βv t u = e ln u = α βv t d ln u = d α βv t 1 u Untuk orde 1 u 1 + u 1 βv 0 α = (βu 0 v 1 + βsin 0v 0 ) Sehingga diperoleh u 1 = C (βu 0v 1 +βsin ) βv 0 α + v 1 γ + ε 2 ρβu 1 v 1 = α βv = α βv u = αu βuv Langkah yang sama kita lakukan terhadap (8) (ρβu γ)t v = e ln v = (ρβu γ)t d ln u = d (ρβu γ)t 1 = (ρβu γ) v = (ρβu γ)v = ρβuv γv Jadi ketika ε = 0, kembali ke persamaan Lotka-Volterra B. Simulasi model Pengaruh ε terhadap pola pertumbuhan populasi mangsa dan pemangsa. Jika ԑ kecil 0,1 maka pola pertumbuhan populasi mangsa naik monoton hingga mencapai pertumbuhan maksimum pada pertengahan musim dingin, kemudian turun monoton hingga mencapai pertumbuhan minimum pada pertengahan musim semi. Sedangkan untuk populasi pemangsa turun monoton hingga mencapai pertumbuhan minimum pada awal musim panas, kemudian naik monoton hingga mencapai pertumbuhan maksimum pada pertengahan musim gugur. Jika ε ditingkatkan menjadi 0,3 terdapat beberapa perubahan pola pertumbuhan mangsa dan pemangsa. Pertama terjadi pada rentang awal musim semi sampai awal musim gugur tetapi tidak terlalu berpengaruh terhadap populasi mangsa dan pemangsa. Kea, terjadi pada rentang pertengahan musim dingin sampai awal musim panas. Untuk mangsa terdapat a populasi maksimum yaitu populasi maksimum global dan

maksimum lokal, dimana pada rentang ini populasi mangsa akan mencapai populasi maksimum global, kemudian turun dan naik lagi sampai mencapai populasi maksimum lokal. Sedangkan untuk pemangsa akan mengikuti perubahan yang terjadi pada pola pertumbuhan mangsa. Jika ε ditingkatkan lagi menjadi 0,5 pada rentang pertengahan musim dingin sampai awal musim panas dimana populasi mangsa naik hingga mencapai populasi maksimum lokal, kemudian turun dan naik lagi hingga mencapai populasi maksimum global. Pada rentang pertengahan musim semi sampai pertengahan musim gugur dimana populasi mangsa turun hingga populasi minimum global kemudian naik dan turun lagi hingga populasi minimal lokal, dimana populasi minimum lokal semakin mendekati populasi minimum global. Sedangkan untuk populasi pemangsa akan selalu mengikuti perubahan yang terjadi pada mangsa. Jika ε ditingkatkan lagi menjadi 0,7 pada pertengahan musim dingin sampai awal musim panas dimana populasi mangsa mencapai populasi maksimum lokal, kemudian turun dan naik lagi hingga mencapai populasi maksimum global, dimana populasi maksimum lokal semakin berkurang sedangkan populasi maksimum global semakin bertambah. Pada rentang pertengahan musim semi sampai pertengahn musim gugur dimana populasi mangsa mencapai populasi minimum global kemudian naik dan turun lagi mencapai populasi minimum lokal, dimana jumlah populasi minimum lokal akan semakin mendekati jumlah populasi minimum global. Sedangkan untuk populasi pemangsa akan selalu mengikuti perubahan yang terjadi pada populasi mangsa. Sedangkan untuk populasi pemangsa pada rentang ini berubah tapi tidak terlalu berpengaruh. Seperti pada gambar 1, dengan u=50, v=20, α = 0,0065, β = 0,00055, γ = 0,005, ω = 0,0172. ε = 0,01 ε = 0,03 ε = 0,05 ε = 0,07 Gambar 1. Simulasi pola pertumbuhan mangsa dan pemangsa ketika fluktasi musim berubah. Pengaruh perubahan nilai awal populasi mangsa dan pemangsa. Jika rasio antara mangsa dan pemangsa kecil, dimana jumlah mangsa lebih banyak dari jumlah pemangsa maka tidak ada perubahan yang terjadi pada pola pertumbuhan mangsa dan pemangsa, akan tetapi ada bagian yang berubah, namun tidak mempengaruhi pola pertumbuhan mangsa dan pemangsa, yaitu pada awal

musim semi sampai awal musim dingin dan awal musim semi sampai akhir musim dingin. Jika rasio antara mangsa dan pemangsa lebih besar maka terjadi perubahan pola pertumbuhan mangsa dan pemangsa, dimana populasi mangsa terlebih dahulu mencapai populasi maksimum lokal, kemudian turun dan naik lagi hingga mencapai populasi maksimum global pada rentang pertengahan musim semi sampai awal musim gugur, sedangkan untuk populasi pemangsa cenderung mengikuti perubahan populasi mangsa. Untuk selang awal musim semi sampai awal musim dingin terjadi perubahan akan tetapi tidak mempengaruhi pola pertumbuhan mangsa dan pemangsa. Untuk selang awal musim semi sampai akhir musim dingin terjadi perubahan pola pertumbuhan mangsa, dimana populasi mangsa mencapai populasi minimum global, kemudian naik dan turun lagi hingga mencapai populasi minimum lokal. Jika rasio mangsa dan pemangsa semakin besar maka terjadi perubahan pola, dimana populasi mangsa mencapai pertumbuhan maksimum pada selang awal musim gugur sampai pertengahan musim dingin dengan pola populasi mangsa mencapai populasi maksimum lokal, kemudian turun dan naik lagi hingga mencapai populasi maksimum global. Sedangkan untuk populasi minimum terjadi pada selang pertengahan musim dingin sampai awal musim panas dengan pola pertumbuhan populasi mangsa mencapai populasi minimum lokal kemudian naik dan turun lagi hingga mencapai populasi minimum global. Sedangkan untuk pemangsa cenderung mengikuti perubahana yang terjadi pada populasi mangsa. Jika rasio antara mangsa dan pemangsa semakin besar lagi maka pada selang awal musim gugur sampai pertengahan musim dingin jarak antara populasi maksimum global dan populasi maksimum lokal semakin menjauh. Sedangkan untuk selang pertengahan musim dingin sampai awal musim panas jarak antara populasi minimum global dan local makindekat. Untuk pemangsa cenderung mengikuti perubahan yang terjadi pada populasi mangsa. u = 50, v = 25, ε = 0,4 (b). u = 50, v = 20, ε = 0,4 u = 50, v = 8, ε = 0,4 u = 50, v = 6, ε = 0,4 Gambar 2. Simulasi pola pertumbuhan mangsa dan pemangsa ketika nilai awal populasi mangsa dan pemangsa berubah. SIMPULAN Berdasarkan pembahasan penelitian, maka dapat ditarik kesimpulan bahwa: Model matematika mangsa pemangsa dengan pengaruh musim diperoleh sebagai berikut : = αu β 1 + εsin ωt uv

= ρβ 1 + εsin ωt uv γv Sistem diatas memimilki solusi hampiran sebagai berikut: u = e α βv 0 t ε βu 0v 1 +βsin βv 0 α v = e ρβu 0 γ t + ε ρβu 1v 0 +ρβsin γ ρβu 0 + C + + C + Semakin besar ε maka pada rentang waktu-waktu tertentu akan mengalami perubahan pola pertumbahan pemangsa. Terdapat tiga rentang waktu, pertama antara awal musim semi sampai awal musim gugur terjadi perubahan akan tetapi tidak terlalu berpengaruh untuk populasi mangsa dan pemangsa. Kea antara pertengahan musim dingin sampai awal musim panas populasi mangsa maksimum lokal akan semakin berkurang dan populasi mangsa maksimum global akan semakin bertambah. Untuk populasi pemangsa akan selalu mengikuti perubahan yang terjadi pada populasi mangsa. Ketiga antara pertengahan musim semi sampai pertengahan musim gugur populasi minimum lokal akan semakin mendekati populasi minimum global dan untuk populasi pemangsa terjadi perubahan akan tetapi tidak terlalu berpengaruh. Ketika nilai awal yang dirubah terdapat tiga kondisi yaitu, Jika rasio kecil maka pola pertumbuhan antara mangsa dan pemangsa mirip pola pertumbuhan mangsa dan pemangsa pada model Lotka-Volterra. Jika rasio antara mangsa dan pemangsa semakin besar maka pola pertumbuhan mangsa dan pemangsa mulai berubah dari pola pertumbuhan mangsa pemangsa pada model Lotka- Volterra. Jika rasio antara mangsa dan pemangsa semakin besar lagi maka pola pertumbuhan mangsa dan pemangsa kembali mirip dengan pola pertumbuhan mangsa dan pemangsa pada model Lotka-Volterra. REFERENSI [1] Arpa, Yudi (2013). Model Mangsa dan Pemangsa dengan Pengaruh Musim. UNP. Padang. [2] Aryulina, Diah, dkk (2006). Biologi SMA dan MA untuk Kelas X. Jakarta : Erlangga. [3] Brauer, Fred Dan Castillo, Carlos. (2000). Mathematical Models in Population Biology and Epidemiology. New York : Springer. [4] Hale, Jack and Kocak, Huseyin. (1991). Dynamics and Bifurcation. New York : Springer. [5] Clark, James S. (2007). Model for Ecology Data. Prince University Press.