i
ii
SEMINAR NASIONAL MATEMATIKA 2016
“Menyiapakan Pendidikan Matematika dalam Menghadapi Masyarakat
Ekonomi Asean (MEA)”
Surabaya, Sabtu 14 Mei 2016
Editor:
1. H. Sunyoto Hadi Prayitno, Drs., S.T., M.,Pd
2. Sri Rahayu, Dra., S.Si., M.Pd
3. Lidya Lia Prayitno, S.Pd., M.Pd
4. Erlin Ladyawati, S.Pd., M.Pd
5. Liknin Nugraheni, S.Si., M.Pd
6. Nur Fathonah, S.Pd., M.Pd
Published by: Adi Buana University Press
Universitas PGRI Adi Buana Surabaya
Sekretariat: Jl. Ngagel Dadi III-B/37 Surabaya, 60245. Telp:
031-5041097
www.unipasby.ac.id, E-Mail: [email protected]
Adi Buana
University Press
iii
SEMINAR NASIONAL MATEMATIKA 2016
“Menyiapakan Pendidikan Matematika dalam Menghadapi Masyarakat
Ekonomi Asean (MEA)”
Editor : 1. H. Sunyoto Hadi Prayitno, Drs., S.T., M.,Pd
2. Sri Rahayu, Dra., S.Si., M.Pd
3. Lidya Lia Prayitno, S.Pd., M.Pd
4. Erlin Ladyawati, S.Pd., M.Pd
5. Liknin Nugraheni, S.Si., M.Pd
6. Nur Fathonah, S.Pd., M.Pd
Desain Sampul : Drs. Prayogo, M.Kom
Layout : Eko Sugandi, S.Pd
Diterbitkan Oleh:
Adi Buana University Press
Universitas PGRI Adi Buana Surabaya
Sekretariat: Jl. Ngagel Dadi III-B/37 Surabaya, 60245.
Telp : 031-5041097
Fax : 031-5042804
Website : unipasby.ac.id
e-maIL : [email protected]
ISBN: 978-979-9559-72-3
Hak cipta dilindungi undang-undang. Dilarang memperbanyak atau memindahkan
sebagian atau seluruh isi buku ini dalam bentuk apapun, secara elektronis maupun
mekanis, termasuk memfotokopi, merekam, atau dengan teknik perkam lainnya, tanpa
izin tertulis dari penerbit.
Adi Buana
University Press
iv
KATA PENGANTAR
Puji Syukur kami panjatkan kehadirat Tuhan Yang Maha Esa, karena atas
petunjuk, rahmat, serta hidayah-Nya sehingga Seminar Nasional Pendidikan
Matematika 2016 telah dsiusun. Prosiding ini disusun dengan maksud agar dapat
dijadikan pedoman bagi panitia dan peserta Seminar Nasional Pendidikan
Matematika 2016 yang diselenggarakan oleh jurusan Pendidikan Matematika
FKIP Universitas PGRI Adi Buana Surabaya pada tanggal 14 Mei 2016. Prosiding
ini antara lain memuat makalah utama dan kumpulan makalah-makalah peserta
pemakalah Seminar Nasional Matematika 2016.
Kami menyadari bahwa panduan ini dapat diwujudkan berkat kerjasama,
partisipasi, dan bantuan dari berbagai pihat. Oleh karena itu, kami mengucapkan
terima kasih kepada semua pihak yang telah membantu terselenggaranya Seminar
Nasional Pendidikan Matematika 2016 ini.
Mohon maaf jika terdapat kesalahan dan kekurangan dalam prosiding ini.
Surabaya, 14 Mei 2016
Panitia
xii
SALAH SATU METODE YANG TEPAT UNTUK
MENGHADAPI UNAS2
305
Nur Fathonah, S.Pd., M.Pd ANALISA MATEMATIKA KEUANGAN TERHADAP
PENGAMBILAN KEPUTUSAN PEMBERIAN KREDIT
312
Fauziyah, S.Si., M.Si ANALISIS STABILITAS MODEL PENANGKAPAN IKAN DI
LAUT YANG DIPENGARUHI PREDATOR PADA DAERAH
KONSERVASI
325
Aditya Kurniawan DAMPAK NEGATIFCOOPERATIVE LEARNING PADA
PEMBELAJARAN MATEMATIKA1
PENERAPAN EKSPONEN DAN LOGARITMA DALAM
BIDANG TERAPAN2
339
344
Aprilia Damayanti1
Amelia Savitri2
IDENTIFIKASI KESULITAN MATERI MATEMATIKA
SISWA KELAS X SMAN 17 SURABAYA
353
Annisah1
Utshulud Daniyyah
Tariefma2
PENGEMBANGAN BAHAN AJAR DENGAN PENDEKATAN
PENDIDIKAN MATEMATIKA REALISTIK (PMRI) POKOK
BAHASAN HIMPUNAN
364
Rani Kurnia Putri OPTIMALISASI DISTRIBUSI KENTANG (SOLONUM
TUBEROSUM L.) MENGGUNAKAN ALJABAR MIN-PLUS
DAN SIMULASINYA PADA PETRINET
369
Lennydwi Cahyanti1
Any Ismiarsih2
PROSES MEMECAHKAN MASALAH MATEMATIKA
BERDASARKAN KEMAMPUAN SISWA KELAS VIII SMP
NEGGERI 1 CANDI PADA POKOK BAHASAN TEOREMA
PYTHAGORAS TAHUN AJARAN 2015-2016
379
Harwanto1
Feny Rita Fiantika, M.Pd.2
MODEL TAI (TEAM ASSISTED INDIVIDUALIZATION )
UNTUK MENINGKATKAN METAKOGNISI SISWA PADA
MATERI RELASI DAN FUNGSI KELAS V111 SMP NEGERI 2
GROGOL
392
Wahyu Hidayatul Latifah1,
Yaniar Sri Mulyani2
HUBUNGAN ANTARA KECERDASAN MATEMATIS-LOGIS
DENGAN HASIL BELAJAR MATEMATIKA SISWA PADA
MATERI FUNGSI KELAS VIII SMP
403
Evi Rusdiana Setyawati1
Feny Rita Fiantika, M.Pd2
IDENTIFIKASI GAYA BELAJAR MATEMATIKA SISWA
KELAS VIII SMPN 2 GROGOL DITINJAU DARI GENDER
414
Suroso AKTIVASI SKEMA SISWA BERDASARKAN TEORI
KONSTRUKTIF OPERATOR (TCO) DALAM PEMECAHAN
MASALAH MATEMATIKA
425
Fenny Fitriani APLIKASI JARINGAN SYARAF TIRUAN UNTUK POLA
DATA PERKIRAAN ANGIN PUTING BELIUNG
440
440
SchwankJ. (1993). On The Analysis of Cognitive Structures in Algorithmic Thinking.
The Journal of Mathematical Behavior. Volume 12, Number 2. Ablex
Publishing Corporation Norwood, New Jersey.
----------- (1999). On Predicative Versus Functional Cognitive Structures. European
Research in Mathematics Education I.II. Forschungsinstitut fur
Mathematikdidaktik, Osnabruck.
Vigotsky ,L.S , 1978. Mind in Society. Cambrigde, MA. Harvad University
Press.
Witkin, H.A, Moore, C.A, Goodnough D.R, dan Cox, P.W. 1977. Field
Dependent and Field Inependent Cognitive Style and Their Educational
Implication. Reviewof Educational Researh Winter. Vol 47. No.1
Zamroni, 2011. Makalah Seminar Nasional Bimtek KTSP “Menuju Sekolah Abad
21” September 2011. Bogor.
....................................................................................................................................
APLIKASI JARINGAN SYARAF TIRUAN UNTUK POLA DATA
PERKIRAAN ANGIN PUTING BELIUNG
Fenny Fitriani
Universitas PGRI Adi Buana Surabaya
Abstrak Pada tahun 2007, Pusat Penelitian dan Pengembangan - Badan
Meterorologi dan Geofisika (Puslitbang - BMKG) merintis kegiatan kerja kajian
cuaca ekstrim (Puslitbang, 2007). Dalam penelitian tersebut, didapatkan basis data
cuaca ekstrim yang berdampak buruk terhadap sektor kehidupan masyarakat.
Salah satu dampak dari cuaca ekstrim tersebut adalah dengan munculnya angin
puting beliung yang terjadi di beberapa daerah pada beberapa tahun terakhir.
Penelitian akan datangnya angin puting beliung dapat membantu masyarakat
untuk mengantisipasi akan terjadinya kerugian yang lebih besar.
Data yang diambil dalam penelitian berupa data faktor alam yang dapat
menyebabkan puting beliung. Data yang didapatkan dicluster dengan
menggunakan metode self organizing map (SOM) yaitu kohonen pada jaringan
syaraf tiruan. Hasil olahan SOM tersebut diharapkan dapat membentuk suatu pola
yang bisa digunakan untuk melakukan perkiraan terjadinya angin puting beliung
dengan data-data di masa yang akan datang.
Keyword : kohonen, jaringan syaraf tiruan, anging puting beliung
441
Abstract In 2007 , Research and Development Center - Meteorological and
Geophysics Agency (Research - BMKG ) pioneered the study of extreme weather
work activities (Research , 2007) . In that study , obtained database of extreme
weather conditions adversely affect the sectors of public life . One of the effects of
extreme weather that is the emergence of a waterspout that occurred in some
areas in recent years . Research impending waterspout can help people to
anticipate the occurrence of greater losses.
The data taken in the form of data research natural factors which may
cause the waterspout. Data obtained clustered using self organizing map (SOM)
is kohonen on artificial neural networks. SOM processed results are expected to
form a pattern that can be used to estimate the occurrence of a waterspout with
data in the future.
Keyword : kohonen , artificial neural networks , waterspout
PENDAHULUAN
Cuaca merupakan salah satu faktor yang paling utama dalam mendukung
kegiatan manusia sehari-hari. Akan tetapi, dalam beberapa tahun terakhir terjadi
perubahan cuaca yang kurang bersahabat. Perubahan cuaca tersebut diakibatkan
oleh adanya pemanasan global. Pada tahun 2007, Pusat Penelitian dan
Pengembangan - Badan Meterorologi dan Geofisika (Puslitbang - BMKG)
merintis kegiatan kerja kajian cuaca ekstrim (Puslitbang, 2007). Dalam penelitian
tersebut, didapatkan basis data cuaca ekstrim yang berdampak buruk bagi
masyarakat. Salah satu dampak dari cuaca ekstrim tersebut adalah dengan
munculnya angin puting beliung yang terjadi di beberapa daerah pada beberapa
tahun terakhir.
Angin puting beliung ini dapat terjadi akibat adanya pertemuan udara dingin
dan panas. Biasnya angin puting beliung ini juga disertai dengan curaah hujan
berintensitas tinggi (Puslitbang, 2009). Fenomena ini bersifat lokal, mencakup
area antara 5 – 10 km. Puting beliung dapat didefinisikan sebagai angin kencang
yang muncul secara tiba-tiba, mempunyai pusat, bergerak melingkar seperti spiral
hingga menyentuh permukaan bumi. Periode hidupnya sangat singkat, yaitu
sekitar 3 - 5 menit, mulai dari tumbuh hingga punahnya. Meskipun terjadi sangat
singkat, kerugian yang diakibatkan oleh kejadian tersebut dapat mencapai ratusan
juta rupiah. Seperti yang terjadi di kabupaten Wonogiri pada tanggal 1 Juni 2015,
menurut data BNPB terdapat 2 kerusakan berat dan 12 kerusakan ringan pada
rumah penduduk. Pada tanggal yang sama, di kabupaten Solok 3 rumah rusak
parah akibat angin puting beliung.
442
Hal tersebut membuktikan, meskipun angin puting beliung terjadi sangat
singkat, tetapi mengakibatkan kerusakan yang berat. Berdasarkan hal tersebut,
pada penelitian ini akan di lakukan suatu upaya peramalan terjadinya angin puting
beliung. Metode yang digunakan dalam pengelompokan pola data
menggunakansalah satu metode pada jaringan syaraf tiruan. Metode pada jaringan
syaraf tiruan yang digunakan adalah metode self organizing map (SOM) yaitu
kohonen. Pada metode tersebut, data yang telah dikelompokkan akan diolah
sampai menemukan pola yang akan digunakan untuk melakukan peramalan
terjadinya angin puting beliung. Dengan melakukan peramalan ini, diharapkan
masyarakat dapat melakukan antisipasi guna menurunkan tingkat kerugian yang
diderita.
METODE PENELITIAN
A. Pengumpulan Data
Data yang diolah pada penelitian ini adalah data suhu, kelembapan dan
pergerakan angin. Data tersebut diakses dari website http://www.wunder-
ground.com/. Data yang diambil adalah data cuaca pada saat kejadian puting
beliung terjadi. Data kejadian putung beliung didapatkan dari website
http://geospasial.bnpb.go.id/pantauanbencana/data/datatopanall.php.
B. Pengelompokan pola dengan SOM
Metode yang digunakan dalam penelitian ini adalah dengan
menggunakan metode pembelajaran unsupervised pada jaringan syaraf tiruan.
Metode unsupervised yang digunakan adalah metode kohonen self orgenizing
map (SOM). Jaringan kohonen terdiri atas dua layer, yaitu input layer dan output
layer. Pada jaringan kohonen, setiap input layer terhubung dengan setiap layer
yang ada pada output layer. Input layer dari jaringan kohonen, akan
dikelompokkan kedalam kelas yang direpresentasikan kedalam output layer.
Tahapan yang dilakukan dalam pengelompokan dengan menggunakan
metode kohonen adalah :
Tahap 0 : Menginisialisasi bobot awal secara random, inisialisasi learning
rate ( ), dan menginisialisai jarak antar layer ( ) serta menentukan
batas maksimal dari jumlah iterasi yang dilakukan (max epoch).
Tahap 1 : Apabila kondisi penghentian iterasi belum terpenuhi, maka lakukan
tahap 2-8
Tahap 2 : Untuk setiap vektor input (dengan ), lakukan tahap 3-5
443
Tahap 3 : Untuk setiap dengan hitung jarak euclidean dari vektor
input dengan bobot, ( ) ∑ ( )
Tahap 4 : Mencari indeks dengan jarak ( ) yang paling minimum (terdekat)
Tahap 5 : Memperbaiki nilai bobot dengan cara
( ) ( ) ( ( ))
Tahap 6 : Memperbaiki learning rate dengan cara
Tahap 7 : Mengurangi jarak pada waktu tertentu (epoch)
Tahap 8 : Menentukan kondisi stop.
Dalam penelitian ini, data yang digunakan adalah data cuaca yang terdiri
atas suhu, indeks panas, titik embun, kelembapan, tekanan, dan kecepatan angin.
Data yang diambil adalah data 3 jam sebelum kejadian puting beliung dan 3 jam
setelah kejadian puting beliung. Kejadian puting beliung yang digunakan sebagai
objek penelitian adalah
No Tanggal Kejadian Letak Kejadian
1. 24 Maret 2012 Surabaya
2. 09 Desember 2014 Surabaya
3. 20 Pebruari 2015 Surabaya
4. 17 November 2013 Jakarta
5. 26 Mei 2014 Jakarta
6. 15 November 2014 Jakarta
Input layer dari penelitian ini adalah
a. adalah suhu
b. adalah indeks panas
c. adalah titik embun
d. adalah kelembapan
e. adalah tekanan udara
f. adalah kecepatan angin
Data yang digunakan dalam penelitian ini dinormalkan dengan acuan :
444
( ) {
Data yang telah dinormalkan, kemudian diproses sehingga menghasilkan
kelompok pola cuaca.
HASIL DAN PEMBAHASAN
Data awal hasil dari penormalan dijabarkan sebagai berikut :
Temp Ideks
Panas
Titik
Embu
n
Kelem
baban
Tekan
an
Wind
Spee
d
Temp
Ideks
Pana
s
Titik
Emb
un
Kele
mbab
an
Teka
nan
Wind
Spee
d
s24145 0 0 0 0 0 1 j17095 0 1 1 1 0 0
s24150 0 0 0 0 0 0 j17100 1 1 1 1 0 1
s24155 0 1 1 1 0 1 j17105 0 0 0 0 0 1
s24160 0 1 1 1 0 1 j17110 0 0 0 0 1 1
s24165 1 1 0 1 0 1 j17115 1 1 1 0 0 1
s24170 1 1 1 1 0 0 j17120 0 0 0 0 0 1
s24175 1 1 1 0 1 1 j17130 1 1 1 1 1 1
s24180 0 0 0 0 0 1 j17135 1 0 0 1 0 0
s24185 0 1 1 1 0 1 j17140 1 0 1 1 1 0
s24190 0 0 0 0 1 0 j17145 1 0 0 1 0 1
s24195 0 0 0 0 0 1 j17150 0 0 0 0 0 1
s24200 0 0 0 0 1 0 j17155 0 1 1 1 0 0
s24205 0 0 0 0 0 1 j17160 1 1 1 1 0 0
s09110 1 1 0 1 0 1 j15110 1 1 0 1 1 1
s09115 0 0 0 0 0 1 j15115 1 1 1 1 0 1
s09120 1 1 0 1 0 0 j15120 1 1 0 1 1 1
s09125 1 1 1 0 0 0 j15125 0 0 0 0 0 1
s09130 1 1 1 1 1 1 j15130 0 1 1 1 1 0
s09135 0 1 1 1 0 0 j15135 0 0 0 0 0 1
s09140 1 1 1 0 0 1 j15140 1 1 0 1 0 1
s09145 1 1 1 1 0 1 j15145 0 0 0 0 0 1
s09150 0 0 0 0 0 1 j15150 0 1 1 1 1 0
445
Temp Ideks
Panas
Titik
Embu
n
Kelem
baban
Tekan
an
Wind
Spee
d
Temp
Ideks
Pana
s
Titik
Emb
un
Kele
mbab
an
Teka
nan
Wind
Spee
d
s09155 1 1 0 1 1 1 j15155 1 1 1 0 1 1
s09160 0 0 0 0 0 1 j15160 1 1 1 1 0 1
s09165 0 0 0 0 1 0 j15165 1 1 0 1 0 1
s09170 0 1 1 1 0 1 j15170 0 0 0 0 1 1
s20140 1 1 0 1 1 1 j26140 1 1 0 1 0 1
s20145 1 1 0 1 0 1 j26145 1 1 1 1 1 1
s20150 1 1 1 1 0 1 j26150 0 0 0 0 1 1
s20153 1 1 1 0 0 1 j26155 1 1 0 1 0 1
s20160 1 1 0 1 1 1 j26160 0 0 0 0 1 1
s20165 0 0 1 1 1 1 j26165 0 0 0 0 0 1
s20170 1 0 0 1 1 1 j26170 1 0 1 1 1 1
s20175 0 0 0 0 0 1 j26175 0 0 0 0 0 0
s20180 0 0 1 1 0 1 j26180 0 0 0 0 0 1
s20185 1 0 0 1 1 0 j26185 0 0 1 1 0 0
s20190 0 0 1 1 0 1 j26190 1 0 0 1 1 1
s20195 0 0 1 1 1 0 j26195 1 1 0 1 1 1
s20200 0 0 0 0 0 1 j26200 0 0 0 0 0 1
Data penormalan di atas digunakan dalam pengujian perangkat lunak.
Perangkat lunak yang digunakan dalam penelitian ini adalah MATLAB R2012b.
Rancangan program menggunakan graphical user interface sebagai rancangan
tampilan program ketika dijalankan berdasarkan algoritma dari metode yang
digunakan yang dituangkan dalam script perangkat lunak.
Berdasarkan dari uji coba perangkat lunak, dengan menggunakan
menetapkan nilai learning rate , max epoch=1.000.000, dan jumlah
pengelompokan adalah 4, maka didapatkan pengelompokan sebagai berikut :
Kel 1 Kel 2 Kel 3 Kel 4
s24165 s24170 s24145 s24155
s09110 s24175 s24150 s24160
s09120 s09125 s24180 s24185
446
Kel 1 Kel 2 Kel 3 Kel 4
s09155 s09130 s24190 s09135
s20140 s09140 s24195 s09170
s20145 s09145 s24200 s20165
s20160 s20150 s24205 s20180
s20170 s20153 s09115 s20190
s20185 j17100 s09150 s20195
j17135 j17115 s09160 j17095
j17145 j17130 s09165 j17140
j15110 j17160 s20175 j17155
j15120 j15115 s20200 j15130
j15140 j15155 j17105 j15150
j15165 j15160 j17110 j26185
j26140 j26145 j17120
j26155 j26170 j17150
j26190
j15125
j26195
j15135
j15145
j15170
j26150
j26160
j26165
j26175
j26180
j26200
447
Dengan bobot akhir
Bobot
Kel 1
Bobot
Kel 2
Bobot
Kel 3
Bobot
Kel 4
1 1 0 0,067144
0,736258 0,940166 0 0,598735
8,93E-30 1 9,4E-172 1
1 0,648562 9,4E-172 1
0,474177 0,35421 0,259453 0,335412
0,842913 0,824894 0,815895 0,462812
KESIMPULAN
Dari penelitian yang telah dilakukan, didapatkan gambaran awal dalam
pola cuaca puting beliung. Dari pengelompokan pola tersebut, diharapkan dapat
dilakukan pengolahan lebih lanjut, sehingga ditemuakan suatu pola yang sesuai
untuk memprediksi lebih tepat terjadinya angin puting beliung. Dari penelitian
yang dilakukan, dikelompokkan ke dalam 4 pola cuaca, dimana pola tersebut
terdapat satu pola yang paling mendekati pola cuaca terjadinya puting beliung.
Perancangan perangkat lunak yang dilakukan dalam penelitian ini akan tetap
dikembangkan.
DAFTAR PUSTAKA
Harsa , Hastuadi dkk. 2011. Pemanfaatan SATAID Untuk Analisa Banjir Dan
Angin Puting Beliung: Studi Kasus Jakarta Dan Yogyakarta. Meteorologo
dan Geofisika. 12, No 2. 197 – 205.
Kusumadewi, Sri. 2004. Membangun Jaringan Syaraf Tiruan Menggunakan
Matlab dan Excel Link. Yogyakarta: Graha Ilmu.
Puslitbang BMKG. 2007. Kajian Cuaca Ekstrim di Wilayah Indonesia. Laporan
Penelitian, Pusat Penelitian dan Pengembangan, Badan Meteorologi
Klimatologi dan Geofisika, Jakarta.
Puslitbang BMKG. 2009. Kajian Cuaca Ekstrim di Wilayah Indonesia. Laporan
Penelitian, Pusat Penelitian dan Pengembangan, Badan Meteorologi
Klimatologi dan Geofisika, Jakarta.
Yoshiro Tanaka. (2009). SATAID-Powerful Tool for Satellite Analysis. RSMC
Tokyo- Typhoon Center, Japan Meteorology Agency (JMA).
448
Pantauan bencana. (2015). http://geospasial.bnpb.go.id/pantauanbencana/data/da-
tatopanall.php. Diakses tanggal 12 Desember 2015
Weather forecast & reports. (2016). http://www.wunderground.com/. Diakses
tanggal 6 Januari 2016
....................................................................................................................................
ANALISIS KESTABILAN HUBUNGAN ANTAR DUA SPESIES PADA
EKOSISTEM PERTANIAN MELALUI MODEL LOTKA-VOLTERRA
Sari Cahyaningtias
Universitas PGRI Adi Buana Surabaya
Pertumbuhan tanaman padi pada lahan pertanian dapat membentuk suatu
interaksi dengan pola tertentu dimana populasi tanaman padi yang besifat
dinamik sebagai prey (mangsa) mendapatkan ancaman dari predator
(pemangsa). Predator dalam penelitian ini dibatasi pada hama. Kedua jenis
spesies ini terikat dalam bentuk interaksi yang dinamakan predator-prey.
Tingginya populasi pada salah satu jenis spesies akan mempengaruhi jumlah
populasi spesies yang lain. Model Lotka-Volterra dua dimensi digunakan sebagai
dasar pembentukan model dinamik interaksi antara tanaman padi dengan hama.
Analisis kestabilan pada model ini, diperlukan untuk mendapatkan pola interaksi
antara tanaman padi dengan hama. Pada penelitian ini didapatkan dua jenis titik
penyelesaian dari sistem yang dibentuk antara lain ( )dan ( ). Hasil
dari analisis titik-titik penyelesaian yang didapatkan menunjukkan bahwa pada
titik terjadi kepunahan baik pada predator (hama) dan juga prey (padi).
Sedangkan pada terjadi kesetimbangan pada proses interaksi. Analisis
kestabilan nilai karakteristik dan kestabilan Routh-Hurwitz menunjukkan bahwa
sistem ini stabil pada
Kata kunci: analisis kestabilan, Lotka-Volterra, predator-prey.
STABILITY ANALYSIS BETWEEN TWO SPECIES IN AGRICULTURE
ECOSYSTEM USING MODEL OF LOTKA-VOLTERRA
Sari Cahyaningtias
Universitas PGRI Adi Buana Surabaya
Growing of rice-plant forms current pattern of interaction which population of
rice-plant becoming the prey of this ecosystem and threating by bugs as a
predator.Those specises are bounded in such a interaction namely predator-prey.
Over population of one of them would influence number of another
species.Lotka-Volterra three dimension is used as a basic of formulation dynamics
modelling of interaction between rice-plant and bugs. Stability analysis of this