TUGAS I “KONSEP TEKNOLOGI”

BUKU BIRU HALAMAN 114-152

HARI = JUM’AT KELOMPOK 30

Disusun Oleh:

FREDERICK IVAN 073001500045

SULAEMAN 073001500089

SATHIO ZULKARNAEN 073001500085

PROGRAM STUDI TEKNIK PERTAMBANGAN

FAKULTAS TEKNOLOGI KEBUMIAN DAN ENERGI

UNIVERSITAS TRISAKTI

JAKARTA

2018
1. Pengertian Model
Ada sebuah cerita tentang 6 orang buta yang ingin mengetahui dan membayangkan
seekor binatang yang disebut gajah. Masing-masing memutuskan untuk menaksir apa
sebenarnya gajah itu. Orang pertama memegang salah satu bagian badan gajah, ia
merasakan sesuatu yang datar dari bagian perut gajah, kemudian mengatakan bahwa gajah
seperti dinding. Orang kedua mengatakan bahwa gajah itu seperti setelah memegang
gading yang runcing, halus dan bulat. Karena memegang belalai yang berbelit-belit. Orang
ketiga mengatakan bahwa gajah seperti ular. Orang keempat mengatakan pohon setelah
memegang kakinya. Orang kelima mempunyai keyakinnan bahwa gajah itu seperti kipas
Karena memegang telinganya. Dan orang Keenan yang memegang ekor yakin pula bahwa
gajah itu seperti tali. Dalam segi-segi tertentu mereka beranggapan benar.
Bila dinilai secara keseluruhan. tentu saja semuanya salah. Setelah melihat 'kenyataan
alamiahnya` mereka telah mencoba membuat suatu penggambaran atau 'model'. Tetapi
Karena yang telah diketahui itu tidak lengkap tentu saja modelnyapun salah.
Setiap penggambaran suatu obyek. sebenarnya kita membuat model. Kita
menggunakan indera untuk menyusun keterangan-keterangan tentang kenyataan obyek
itu. Dan keterangan ini kita pastikan jenis obyeknya. kemudian kita pilih hal-hal atau ciri-
ciri yang penting dari obyek itu. Demikianlah Cara membuat model dari suatu obyek
Model merupakan cara sederhana dalam memanding suatu masalah.
Model yang baik cukup hanya mengandung bagian-bagian yang perlu saja. Untuk
memudahkan pemikiran tentang karakteristik-karakteristik model tadi, haruslah Kita
mengerti masalahnya atau sistemnya. Kita dapat menduga akibat dari tindakan-tindakan
yang mungkin kita lakukan, dan dari hal ini kita dapat memilih tindakan terbaik. Jadi
kemampuan manusia untuk mengendalikan lingkungan dan membamgun suatu sistem
yang berguna, langsung bergantung pada kesanggupan menemukan model-model yang
tepat.
Model umumnya berbentuk kuantitatip
Model bermula sebagai konsepsi, yakni pemikiran bentuk struktur dan karakteristik
suatu masalah. Sebelum kita membahas suatu masalah lebih lanjut, biasanya lebih dahulu
kita membentuk suatu model kwantitatip, atau dengan kata lain kita menggunakan bahasa
matematik untuk menggambarkan suatu keadaan. Pentingnya suatu model kwantitatip
dapat ditunjukkan oleh suatu contoh berikut:
Misalkan pekerjaan seaorang supervisor yang mengatur pemakaian 'elevator' di suatu
bangunan kantor pada jam 7.45 8.00, saat orang masuk bekerja. Disana terdapat 6 elevator
yang masing-masing dapat membawa muatan dari lantai 1 ke lantai 20. Segera sesudah
dimuati, elevator berangkat naik, supervisor mencatat bahwa pelayanan ternyata sangat
lamban. Kadang-kadang, sebuah elevator membawa benan hanya satu penumpang untuk
sejauh 15 tingkat. Kadang-kadang penumpang membutuhkan 10 menit untuk sampai di
lantai kerjanya.
Untuk menghindari keluhan yang terus-menerus, supervisor berpikir untuk
mengadakan perencanaan pemakaian yang lebih baik. Dia, misalkan, dapat mengatur
penggunaan 2 elevator untuk tingkat 2 sampai 8, 2 elevator untuk tingkat 9 sampai 15, dan
2 elevator untuk tingkat 16 sampai 20 atau elevator berhenti hanya pada tingkat 'genap'
dan mempersilahklan para pekerja untuk turun melalui tangga menuju tingkat-tingkat
yang diiginkan.
Sebenarnya masih banyak strategi yang dapat dicoba untuk meningkatkan pelayanan.
Pemilihan strategi yang diinginkan ini bergantung pada jam kedatangan para pekerja
setiap pagi untuk masing-masing tingkat.
Misalkan tingkat 15 merupakan kantor pusat perusahaan. Jika mereka datang selama
selang waktu yang sibuk, mereka harus mendapatkan pelayanan secepat mungkin. Jadi
untuk tingkat 15 ini harus mendapat prioritas utama yaitu dengan sebuah 'elevator yang
langsung menuju tingkat tersebut. Sama pula halnya, pada tingkat tertentu dimana banyak
pekerja yang harus diutamakan. Jadi untuk mengatur rencana atau strategi yang baik,
supervisor memerlukan paling sedikit gambaran kasar secara kwantitatip dari aliran orang
dalam gedung tersebut. Inilah yang disebut 'model'.
 Sebuah model mungkin merupakan pendekatan secara kasar, dengan misalnya hanya
memperkirakan jumlah pekerja setiap tingkat. Atau secara terperinci dengan mentukan
jumlah pekerja pada setiap tingkat. walaupun kedatangannya, dan kepentingan relatipnya
secara intuitip. Bila modelnya secara terperinci, mungkin diperlukan komputer untuk
menilai dan membandingkan semua strategi yang mungin dapat dipakai.
Suatu hal yang penting dalam contoh ini adalah bahwa tidak mungkin suatu
keputusan dapat dilakukan tampa menggunakan suatu model, lepas dari kenyataan apakah
supervisor di atas menamakan gambaran persoalannya itu suatu model atau bukan.

Model yang diperlihatkan pada Gambar 4-1 menunjukan kesudian manusia menerima
resiko. Sumbu tegak menunjukan pengukuran resiko yang didapatkan perbedaan aktivitas
manusia (jumlah kematian di Amerika dibagi dengan jumlah jam menghadapi resiko).
Misalkan, 10 berarti terdapat 10 kematian setiap jam dari sejuta manusia dalam suatu
aktivitas. Bagian yang menarik dari model ini adalah bahwa resiko dari hidup seperti biasa
(dengan kemungkinan sakit) sama dengan jika mengendarai mobil atau nailk pesawat
terbang komersil (kira-kira hanya 5% penduduk yang pernah naik pesawat dan 85% dalam
perjalanan mobil).
Manusia cenderung untuk mencari resiko satu. Mengisap rokok sigaret punya derajat
resiko 3, main skiI dan keadaan lalu Iintas normal di jalan raya resikonya 0,1. Model ini
menunjukan kepada i'ta suatu pemikian bagaimana Kita dapat hidup dengan selamat
menciptakan perumusan transponasi yang baru (berjalan disamping, tau memakai kereta
api dengan kecepatan hanya 300 mph, dll).

2. Grafik yang Menggambarkan Suatu Model

Dalam membentuk model suatu masalah, Kita harus mengumpulkan data tentang
beberapa aspek dari kenyataan alamiahnya, misalnya menentukam hubungan sederhana
antara tinggi dan berat badan dari beberapa orang pria berumur 20 tahun. Dari
pengukuran diperoleh data-data sebagai berikut:
 tinggi berat
5'6" 130lbs
6'1" 180lbs
5'7" 155lbs
Dengan jalan ini sukar kita menemukan hubungan yang sistematis. Walaupun kita
mengharapkan bahwa bila tinggi bertambah, berat akan benambah pula, Namun teryata
model perkiraan ini samar-samar dan sangat tidak teliti. Untuk menunjukkan data dengan
cara yang memudahkan interpretasi, kita dapat menggambarkan seperti Gambler 4-2.

Setiap titik menunjukkan data-data tinggi dan berat dari seseorang laki-laki. Teryata
bahwa titik-titik tersebut tidak tersebar akan tetapi menunjukkan suatu kelompok yang
tertutup. Bagaimana hubungan yang tepat antara tinggi dan berat dari grafik ini?.
Sebuah garis lurus ditarik melalui titik-titik yang menunjukkan harga rata-rata dari
titik-titik tersebut. Lihat Gambar 4-3. Gambar data-data ini disebut model grafis dari
hubungan antara tinggi dan berat.
Model grafis ini menunjukkan gambaran yang jelas tetapi disederhanakan dari
kenyataan alamiahnya. Dengan garis lurus ini dibuat dasar ramalan kemungkinan berat
seorang laki-laki berumur 20 tahun dengan mengetahui berat seirang laki-laki, pada umur
ini, yang tingginya 73". Hubungan berat dengan tinggi dapat Iangsung didapat dari grafik
ini. Model grafis dapat saja dipakai menentukan berat setiap orang, walaupun tidak ada
data yang menunjukkan berat badan untuk tinggi ini. Dari grafik ternyata bhwa seseorang
yang tingginya 78" mungkin mempunyai berat badan kira-kira 180 lbs.

Model yang berbentuk persamaan

Model grafis pada gambar 4-3 telah cukup baik dalam memberikan gambaran
tentang hubungan berat dan tinggi tersebut. Mungkin juga menginginkan gambaran dalam
bentuk lain, misalkan dalam bentuk persamaan matematik. Pernyataan garis lurusnya
sama dengan pernyataan dalam persamaan matematis sebagai berikut:
W = 8 H - 407 W adalah berat
 H adalah tinggi
Walaupun garis lurus dan persamaan diatas menytrakan hal yang sama, kita Iebih
cenderung untuk menggunakan salah satu saja. Misalkan mencari tinggi seseorang dengan
berat 150 lbs. Kita dapat memecahkan persamaan:
150 = 8H – 407, didapat H = 70"
Karena grafiknya garis lurus, maka bentuk umum persamaan ini adalah:
Y=mX+b
atau dalam hal ini,
W = mH + b
W = berat
H = tinggi
m = koefisien arah gar's
b = titik potong antara garis dengan sumbu
D = tegak.
Pada Gamblar 4-4 bisa dilihat bahwa pegolongan garis dengan sumbu tegak ini pada
harga -407. Dengan demikian persamaan menjadi:
W = mH - 407
m dapat dihitung dengan memasukkan harga pertambahan H. Ambilah misalnya 10"
(dan 60 sampai 70), W bertambah sebanyak 80 lbs.

Jadi harga m adalah:

80
m = 10 = 8

dan persamaannya adalah: W = 8H - 407.

Persamaan ini akan menemukan harga W bila diketahui harga H atau sebaliknya.
Kitapun dapat menggunakan model untuk meramalkan titik yang tidak diperoleh
dari sample data (data yang didapat), tapi harus diuji dengan hali-hati. Misalkan dari garis
perpanjangan ini terlihat bahwa orang yang mempunyal tinggi 54" tentu mempunyai
berat 25 lbs. Lebih parah lagi orang yang tinggmya 25" berat badannya sama dengan -215
lbs hal yang mustahil bukan?.
 Kita akan bertanya, dimana sebenarnya kesalahan model ini garis lurus rata-rata
yang digambarkan di atas tadi menujukkan bahwa titik potong dengan sumbu W (- 407)
dapat dicari, akan tetapi tidak dapat mengatakan bahwa semua titik-titik itu berlaku
dalam setiap keadaan. Kenyataannya kita hanya dapat menggunakan model ini untuk
membuat peramalan di dalam daerah data-data yang diperoleh, dan hasil yang kita
peroleh akan dekat sekali dengan keadaan alamiahnya.
Akan tetapi kita akan menghadapi bahaya (memperoleh hasil ramalan yang tidak
realitis) jika kita menggunakan model jauh di luar daerah pengukuran. Bahaya ini berlaku
pula untuk grafik atau persamaan lain.
Oleh karena itu model kita mempunyai keterbatasan. Ia tidak boleh digunakan
untuk meramalkan keadaan yang jauh dari hasil percobaan yang dilakukan. kecuali bila
ada alasan tepat bahwa kita tidak melanggar hukum-hukum alamiah. Salah satu hal yang
menarik dari model di atas adalah bahwa ternyata begitu sederhana. Hal ini tentu tidak
terduga bukan?. Bila kita bayangkan orang-orang yang kita jumpai di jalan ramai, kita tahu
bahwa macam-macam kombinasi dari tinggi dan berat ada di sana (tentu kita juga harus
ingat, bahwa model itu sudah melalui 2 macam 'saringan', yaitu umur dan jenis kelamin,
agar model tersebut lebih mudah dibuat).
Satu hal lagi yang kita perlu berhati-hati. Kita harus ingat, dalam lingkungan apa
data-data dan model kita tersebut. Bila yang telah kita ukur berat dan tinggi badannya itu
adalah orang-orang dari Team Pegulat, barangkali Kita tidak dapat menggunakan model
tersebut untuk menaksir berat mahasiswa kerempeng yang tingginya 5'. Suatu model
hanya berguna bila kita memakainya di dalam 'dunia' yang sama dari mana model
tersebut dibuat.
Untuk menguji apakah model yang kita peroleh ini diterima atau tidak. kita ambil
data-data lagi dari pemuda-pemuda berumur 20 tahun, baik dari sekolah yang sama pada
tahun berikutnya dan sekolah yang lain, atau dari tempat lain bandingkan dengan yang
lama, atau data kita campur dan kita bandingkan dengan yang lama. Persamaan
matematik adalah model matematik yang mempunyai bentuk penggambaran yang persis
seperti model grafis kedua model tersebut jauh Iebih berguna dari pada model 'omongan`
saja.

3. Sebuah Model Deskriptif dari Aliran Lalu-Lintas

Lalu-lintas kendaraan dijalan merupakan salah sati kunci masalah kota. Untuk
mengurangi kemacetan beberapa kota setelah melarang mobil melalui jalan-jalan tertentu
ini semua tidak begitu mengatasi persoalan.
Jika seseorang ahli lalu-lintas akan memperbaiki keadaan itu, dia harus membuat
sebuah model aliran lalu-lintas di dalam maupun di sekitar kota. Karena model seperti itu
cukup kompleks, Kita akan menggunakan penyerderhanaan masalahnya, misalnya "lalu
lintas" pada suatu sekolah seperti ditunjukkan pada gambar 4-5

Dalam pembentukan model, kita harus memperhitungkan apa yang mempengaruhi

perilaku dari sistemnya.
Pertama-tama, kita lihat frekwensi orang-orang yang berjalan dari satu koridor ke
koridir lain. Dengan kata lain, kepadatan lalu lintas diukur dalam jumlah orang permenit.
Gambar 4-6 menunjukkan persimpangan koridor dan tempat titik-titik pengukuran.
Persoalan lalu lintas ini biasanya lebih rumit pada persimpangan dari pada di koridor.
Misalnya, Arifin melalui posisi T2 pergi ke timur dan ia melihat Susi pergi keselatan
melewati Ti. Ia mengubah arahnya dan bertemu Susi di tengah-tengah persimpangan. Oleh
karenany, keduanya menghalangi lalu-lintas, dan Arifin tercatat lewat 3 kali pada T2.
Ia mungkin berjalan mondar-mandir di koridor selatan dengan Susi dan tercatat 2
kali lagi.
Untuk mengubah data, hal yang diperlukanadalah pencatatan orang-orang yang
melewati titik-titik tersebut, menit demimenit selama pergantian kuliah, dan beberapa
menit sebelumnya atau sesudahnya.
 Daftar dibawah ini menunjukkan contoh hasil pencatatan yang dapat diperoleh.
Mungkin jumlah orang yang sesungguhnya lewat di situ lebih sedikit dari data-data. Hal in
disebabkan karena seseorang dapat mencatat beberapa kali (seperti Arifin dan Susi di
atas)

Menit ke Stasiun Penghitungan Total waktu

: T1 T2 T3 menit
1 26 50 30 106
2 42 63 47 152
3 61 102 15 178
4 112 184 73 369
5 38 42 28 108
6 22 17 9 48

Data diatas dapat ditunjukkan dengan lebih efektip jika diberikan dalam bentuk plot
(titik-titik) dari pada dengan kolom angka-angka. Suatu bentuk gambaran data-data yang
menunjukkan jumlah, disebut hitogram. Lihat Gambar 4-7. Tinggi kolom tegak
menunjukkan ½ dari jumlah perhitungan per menit.
Keterangan lebih lanjut dapat digunakan oleh pengatur (penjadwalan) untuk
membuat histogram lain, yaitu dengan menghitung jumlah pencatatan pada akhir setiap
periode selama 1 hari. Lihat Gambar 4-8. Untuk mempelajari segera menyeluruh masalah
lalu-lintas ini, haruslah dibuat studi pada setiap persimpangan atau setiap penggantian
periode sehari penuh atau sampai satu minggu. Dan bila ada 10 persimpangan yang
penting, data seluruhnya dapat digambarkan dalam 60 buah hitogram yang sama seperti
gambar 4-8 (10 untuk setiap 6 hari atau sama dengan kurva yang menunjukkan dari menit
ke menit).

Pelayanan dalam lalu-lintas ini berhuungan dengan teori antrian pada bab III.
Antrian akan terjadi bila kepadata lalu-lintas bertambah persoalan lalu-lintas kota
mengakibatkan kelambanan kendaraan-kendaran khusus (ambulan, pemadam kebakaran,
dll). Pendapatan supir taxi menurun, banyaknya waktu dari karyawan yang hilang
percuma, dll.
Dalam studi baru-baru ini, sebuah pabrik yang mempuyai pekerja 700 orang
mengandakan pengukuran keterlambatan kedatangan pada pagi hari, kehilangan waktu
pada makan siang, dan waktu pulang kerja yang lebih cepat di sore hari. Model
menunjukkan bahwa dengan jumlah buruh yang sama produkktivitas menambah 12%,
jika perusahaan itu mendekati batas kota. Bahkan jika semua pekerja bebas makan siang,
keuntungan tetapbertambah 4%. Dmikian pula produksi yang besar.

Pelajaran dasar dengan model seperti ini melahirkan transportasi yang layak dalam
kehidupan di kota, atau bisa juga merupakan tafsiran pada jalan perdagangan.
Bilamana kereta api listrik, bus, dan kendaraan kota lainnya sering membuat
pekerja-pekerja terlambat, hal ini disebabkan oleh adanya kemngkinan tidak beresnya
pengaturan organisasi yang mengatur kebutuhan karyawannya.

4. Model Untuk Pengaturan Sumber

Pengaturan sumber mengembangi pengembangan dalam penggunaan model untuk
mengambil keputusan. Dalam uraian di bawah ini, akan digambarkan sejarah ‘bison’ di
Amerika Barat. Kemudian ditunjukkan cara mengatur sumber ini dalam model sederhana
dan keputusan yang logis. Pemikiran ini telah dicoba dalam masalah lain. Misalnya, di
Amerika bagian Utara, pembiakanikan salem yang iperbolehkan tiap tahun, agar
kehidupannya kontinyu.
Perancis mengadakan beberapa program dalam pembuatan ‘Taman Laut”
pembiakkan dan penjualan ikan untuk di makan.
Penyerbuan dari Great Lakes ole dan perubahan-perubahan yang diakibatkannya,
telah menjadi bahan studi selama 20 tahun ini, dengan bermacam-macam keputusan
selama 20 tahun ini, dengan bermacam-macam keputusan untuk memulihkan industri
perairan dan olah raga pada danau-danau tersebut.
Cerita Bison ini merupakan contoh menarik.
Apa yang terjadi di suatu negara bila tidak ada kebijkasanaan pengaturan sumber?.

Sebuah model untuk tahun 1830

Pada tahun 1830 diperkirakanada 40 Juta bison berkeliaran di Amerika belahan

barat.bila berat rata-rata 1000 lbs, maka ada 40 juta x 1000 lbs daging segar bison. Angka
yang cukup besar bila di bandingkan dengan berat manusia yang hanya 24.000 juta lbs
pada saat itu di seluruh Amerika.
Bison cukup banyak di Amerika belahan barat, dan orang tiak menyadari akan
membutuhkannya kelak.
Pada tahun 1830, dimulailah pemasangan jalan karena api dan ekspansi ke arah
barat. Akibatnya, pada tahun 1887 hanya tersisa 200 ekor bison. Dala masa penjagalan ini
kebanyakan orang yang hanya mengambil kulit atau lidahnya saja. Rata-rata hanya 20 lbs
dari 500 lbs daging segar bison yang sempat dimakan.
Keadaan ini berlangsung sampai tahun 1872, ketika “Buffalo Bill” Cody yang
memimpin pembunuhan 7 juta bison disebut sebagai pahlawan nasional. Dalam waktu
kurang dan 60 tahun hampir semua bison dibunuh, padahal bison dapat merupakan
sumber daging untuk 5 orang dalam setahun.
Andaikata pemerintahan pada tahun 1830 menyadari persoalan ini, tentu dapat
dibuat sebuah model untuk menentukan jumlah bison yang boleh dibunuh setiap tahun.
Untuk membuat model ini, yang lebih dahulu harus diketahui ialah sifat pertumbuhan
binatang itu. Hasil studi mengenai bison menghasilkan data sebagai beriku:
1. Bison dewasa pada usia 2 tahun
2. 90% betina dewasa beranak 1 ekor tiap tahun
3. 35% anak bison jantan dan 47% betina
4. 30% anak bison hidup sampai dewasa (jumlah kematian untuk beberapa
jenis binatang memang tinggi)
 5. 10% bison dewasa mati setiap tahun (karena TBC, dimakan binatang buas,
tenggelam dan lain-lain)
Dari penyelidikan ini kita dapat menentukan jumlah betina dewasa setiap tahu
dengan suatu model dalam bentuk matematik. Model yang sama berlaku pula untu jantan.
Untuk mepermudah pembahasan., maka disini dianalisa bison betia saja, karena jumlah
jantan yang lahir bergantung kepada umlah betinanya.
Misalnya pada awal tahun keenam 10% bison mati, sebagian yang lain mati karena
dibunuh. Ambilah misalnya k bagian yang dibunuh, jadi yang hidup pada tahun ke-7
adalah : (0,9 – k). Ini tidak mencakup setiap 100 ekor binatang yang hidu pada awal tahun
ke-5 melahirkan 90 anak, di antaranya 47% atau 42,3 ekor betina dan 30% atau 12,96
hidu sampai 2 tahun.
Jadi 0,1269 betina yang lahir pada ke-7. Dengan dernikian jumlah pada tahun ke-7
adalah (0,9 – k) dan tahun ke-6 ditambah 0,1269 dari tahun ke-5. Bentuk matematiknya:

F7 = (0,9 - k) F6 + 0,1269 F5
Kita bisa mengganti 7, a, atau 5 dengan n, n -1, n-2 atau 3 tahun lainnya yang
berturut-turut jadi persamaan ini menunjukkan bahwa jumlah binatang dewasa
bergantung pada jumlah yang mati tahun sebelumnya, n- 1 . dari kelahiran 2 tahun
sebelumnya, n – 2

Keputusan yang bijaksana

Dari model di atas dapat menentukan harga k menurut keinginan kita. Kita dapat
menghendaki populasi (jumlah Bison) tetap, naik, atau, turun.
Misalnya pada tahun 1830 kita menginginkan agar populasi tetap 20 juta betina
dewasa, berapa k harus dipilih ? karena F7 = F6 = F5 20, persamaan menjadi:
1 = (0.9 - k) + 0,1269
k = 0,0269
Artinya kita dapat memburu 2,69% atau 538 ribu betina dewasa liap tahun dengan
populasi yang tidak akan berubah. Bahkan binatang jantannya lebih banyak lagi.
Jika keduanya dijumlahkan, berarti sejak tahun 1830 telah tersedia daging untuk 6
juta perduduk dengan jumlah bison yang tetap 40 juta. Kenyataannya lain akibat
keputusan yang tidak bijaksana di tahun itu. Jika kita ingin mengatur mengatur populasi
Bison, kita harus menghitung angka kematian dan kelahiran tiap tahun. Dan terjadi
epidemi penyakit maka kita harus mengurangi perburuan agar jumlah kembali normal.
Kita juga dapat menghitung model dengan detail. Angka kelahiran berganlung pada
bettina dewasa, cuaca dan faktor lain, kematian waktu kecil dan lokasi, jumlah binatang
buas, persediaan makanan, dan lain-lain.
Model di atas cukup sederhana dengan tingkat kesalahan yang kecil. Dengan
demikian kita dapat menentukan kebijaksanaan dalam menentukan populasi Bison ini.

5. Model populasi penduduk

Selain cerita tcntang penyelamatan Bison ada lagi persoalan yang cukup pending
yaitu masalah kependudukan. Model ini cukup menarik karena menunjukkan suatu
keadaan yang dinamis (senantiasa berubah menurut waktu) dengan penurunan-
penurunan modelnya. Penggambaran keadaan setelah perhitungan dalam model ini harus
seringkali diperbaiki. Menurut perkiraan, manusia yang telah/masih hidup di dunia
sampai sekarang sebanyak 15 milyar dan yang masih hidup saat ini kurang lebih 3 milyar
atau 20%. Angka ini menunjukan penambahan penduduk yang padat pesat Demografi,
atau tentang kcpendudukan sangat menarik para ahli ekonomi, sosiologi, politik, teknik,
dan orang-orang yang memahami dan merencanakan masa depan.
Model populasi sangat penting dalam studi ini. Mereka membuat perhitungan dan
ramalan yang dapat mengatur perencanaan secara efektip untuk menentukan jumlah
kebutuhan manusia. Kita hendak mendapatkan model sederhana yang dap at meramalkan
penduduk dunia untuk masa depan. Kecepatan tetap pertambahan penduduk diramalkan
2% pertahun, dimulai pada 1960, penduduk diperkirakan 3 milyar. Jika pertambahan
penduduk tetap 2% pertahun, maka tahun 1961 pertambahannya adalah 0,02 x 3 milyar
atau 60 juta manusia. Jumlah keseluruhannya menjadi 3060 juta dan seterusnya kita
dapat membuat tabel sebagai berikut:
 Tahun Populasi awal tahun Pertambahan Populasi akhir tahun
1960 3,000,000,000 60,000,000 3,060,000,000
1961 3,060,000,000 61,200,000 3,121,200,000
1962 3,121,200,000 62,424,000 3,183,624,000
1963 3,183,624,000 63,672,480 3,247,296,480
1964 3,247,296,480 64,945,930 3,312,242,410
1965 3,312,242,410 66,244,484 3,378,486,894
1966 3,378,487,258 67,569,745 3,446,057,003
1967 3,446,057,003 68,921,140 3,514,978,143
1968 3,514,987,143 70,299,562 3,585,286,705
1969 3,585,277,705 71,705,554 3,656,983,259

Tabel di atas memperlihatkan pertambahan penduduk tiap tahun dengan laju

penumbuhan 2% dari jumlah penduduk awal tahun sebelummya. Bila populasi naik,
pertumbuhan juga bertambah. Akibatnya, jika kita teruskan tabel ini maka pada tahum
1995 akan mencapai angka 6 milyar. Berarti populai mencapai 2 kali lipat setelah 35
tahun.
Perhitungan selanjumya memperlihatkan bahwa pertambahan penduduk mcncapai
2 kali lipat seliap 35 tahun pada kecepatan 2% peetahun. Bila pertumbuhannya 3%
pertahun, maka jumlah penduduk 2 kali lipat setiap 23;5 tahun. (Komentar pada suatu
rumus kasar dalam keuangan, waktu pertambahan 2 kali lipat adalah 72 dibagi persentase
bunga. Jadi bunga 5%, maka uang mencapai 2 kali lipat setelah 72/5 tahun).
Apakah tabe1 di atas cukup teliti?
Dari tabel di atas, jumlah penduduk secara tepat pada permulaan tahun 1966 adalah
3.378.487.258 manusia. Jika tabel di atas diteruskan untuk 100 tahun mendatang, tahun
2060 .mencapai 22 milyar dan pada tahun 2160 menjadi 157 milyar. Dengan
pertumbahan 2 kali lipat tiap tahun, maka sesudah 2 abad mencapai 50 kali lipat jumlah
penduduk asal.

Plot perkembangan penduduk.

 Seperti kita ketahui bahwa titik-titik pada grafik lebih mudah dari pada daftar
angka-angka. Untuk itu data-data ditulis tiap interval 10 tahun jumlah penduduk pada
awal perhitungan adalah 3,06 milyar). Lihnt label 4.2.

Perioda Populasi (milyar)

1961-1970 3.06
1971-1980 3.72
1981-1990 4.55
1991-2000 5.55
2001-2010 6.77
2011-2020 8.2
2021-2030 10.06
2031-2040 12.2
2041-2050 15
2051-2060 18.3

Populasi (milyar)
20
18
16
14
12
10
8
6 Populasi (milyar)
4
2
0

Histogram merupakan suatu cara untuk melukiskan perkembangan penduduk.

Gambar pada awaI interval (dimulai 1961, 1971, dan seterusnya), merupakan peramalan,
Dalam 10 tahun berikutnya jumlah penduduk dianggap konstan. Terlihat bahwa laju
pertambahun cenderung naik saat demi saat.
Keadaan pertumbuhan dapat digambarkan jika kita lakukan sebagai berikut:
 1. Lukiskan titik-titik pada awal interval 10 tahun (Lihat Gambar 4-10).
2. Lukis garis tegas melalui titik-titik yang kita gambar tadi. Garis ini
merupakan pendekatan dan kenyataan. Grafik tidak akan menunjukkan
adanya fluktuasi setiap tahun, yang mungkin disebabkan karena kelaparan,
epidemi, perang, dan lain-lain
Grafik hanya menunjukkan perkiraan populas dengan asumsi:
- mulai dari 3.060 juta dalam tahun 1961
- kecepatan penumbuhan 2% pertahun.
Terlihat pertumbhan yang ekstrim dari penduduk walaupun persentase
pertambahan konstan 2% maka peningkatan penumbuhan tiap tahun menghasilkan kurva
yang telah dibuat sebelumnya secara garis lurus, Hubungan titik dalam kurva tersebut
eksponensial, dan kurvarnya disebut kurva eksponensial. Lihat Gambar 4-10 kurva ini
sangat penting dan dapat menunjukkan kelainan yang sering terjiadi pada sebuah model.

Gambaran populasi dengan skala waktu panjang.

Kita perhatikan gambaran pertumbuhan penduduk dari tahun 1700 sampai 2165,
seperti tanpak pada gambar 4-1l . Tampak bahwa grafiknya makin menanjak ke atas di
sebeaalh kanan. Di sebelah kiri pada skala sebelum tahun 1800 garis grafiknya rendah
sekali sehingga sulit untuk diketahui berapa besarnya. Hal ini menunjukkan bahwa
ledakan penduduk telah terjadi populasi pada masa lampau adalah sangat kecil
dibandingkan dengan populasi pada masa kini.
Grafik tersebut memperkuat alasan yang dikatakan dimuka, yaitu bahwa kira-kira
20 % dari orang yang pernah hidup adalah hidup pada masa kini. Bila skala dari Gambar
4-11 tersebut kita besarkan kita akan dapat melihat kenyataan yang mengherankan, yaitu
bahwa penambahan penduduk dari tahun 1940 sampai 1963 (hanya dalam waktu 23
tahun) adalah lebih besar dari pada jumlah penduduk dunia pada tahun 1800.
 Bagaimana gambaran ke depan, pada tahun 2700, yaitu kira-kira sekitar 725 tahun
yang akan datang. Selang waktu selama itu kira-kira sama dengan selang waktu antara
jamannya Marco Polo dan sekarang ini. Garnbarannya adalah seperti Gambar4-12.
Betulkah keadaan itu akan terjadi ? Kurvanya melengkung ke atas dengan sangat
cepatnya. Skala tegak di sebelah kiri lebih besar bilangannya dari pada Gambler 4-11.
Sehingga kurva yang curam pada tahun 2165 pada Gambler 4-11 masih belum kelihatan
(atau masih kelihatan data) pada tahun yang sama pada gambar 4-12 kurva eksnonensial
ini menjadi sedemikian rupa pada tahun 2700, sehingga jika kita mencoba
menggambarkan pada skala Gambar 4-11 berarti perlu kertas 27.000 kaki tingginya atau
kira-kira 3,5 kilometer tingginya.
Apa yang dapat Kkita baca dalam Gambler 4-12 itu? Pada lahun 2510, terlihat
jumlah penduduk bumi mencapai 200.000 milyar dan tahun 2635 sekitar 1.800.000
milyar,

35 tahun kemudian mencapai 3.600.000 milyar dan pada ahun 2692 mencapai
5.450.000 milyar penduduk atau 5,54 x 1015. Sebagai gambaran, bila kita dapat
menghitung 1000 orang dalam 1 detik berarti kita baru selesai setelah 176.000 tahun.
Andaikan permukaan bumi luasnya 1.860.000 milyar kaki persegi merupakan
daratan semua, maka pada tahun 2510 tiap orang akan menempati 9,3 kaki persegi (kira-
kira 1 meter persegi atau hanya cukup untuk berdiri saja; Tahun 2670, tiap 2 orang
mendapat 1 kaki persegi atau tiap orang berdiri di atas pundak yang lain).
Dalam waktu 22 tahun, lapisan ini menjadi rangkap 3. Dan andaikata kita belum
mengeringkan lautan berarti pada tahun 2692 itu permukaan bumi sudah tertimbun
manusia sebanyak 15 lapis.

6. Pertumbuhan Eksponensial
 Model diatas tidak banyak gunanya untuk meramalkan jumlah penduduk dalam
jangka waktu yang sangat jauh. Model tersebut didasarkan atas pertambahan penduduk
2% pertahun. Begitu tanah menjadi penuh manusia. Pertambahan ini akan menurun, dan
jumlah penduduk akhirnya akan konstan
Namun model diatas sangat berguna untuk meramalkan apa yang akan terjadi
dalam 30 tahun yang akan datang. Bila pertambahan penduduk 2% pertahun , kita dapat
menduga bahwa pertumbuhan ini tidak akan banyak dalam waktu tersebut.
Bahkan meskipun ada undang – undang bahwa jumlah anak dalam tiap keluarga
dibatasi. Faktor selang waktu ini seringkali dilupakan bila orang berbicara tentang
kependudukan. Untuk mengurangi jumlah bayi yang lahir tiap tahun perlu pula dikurangi
jumlah wanita melahirkan. Akan tetapi jumlah wanita tersebut bergantung pada jumlah
bayi yang lahir dari 20 tahun yang lalu.
Oleh karna itu mekipun misalnya jumlah bayi yang lahir tahun ini berkurang,
pengaruhnya baru akan terasa setelah 20 tahun mendatang. Dengan kata lain
pertambahan penduduk sejak saat sekarang sampai tahun 2000 sebetulnya sudah
tertentu dan tidak akan berubah. Pengaruh dari tiap usaha pengendalian jumlah
penduduk yang kita lakukan sekarang baru akan terasa pada tahun 2000.

Grafik dengan kecepatan pertumbuhan konstan

Bila kita menggambarkan populasi,masalah yang kita hadapi adalah seperti pada
Gambar 4.1.3, suatu grafik yang dimaksudkan untuk menunjukkan apa yang terjadi
disekitar tahun 2000, tifak cukup jelas untuk menunjukkan keadaan sebelum tahun 1800.
Demikian pula, sesudah tahun 2100 kurvanya naik dengan curam hingga batas kertas.
Masalah nya adalah bahwa skala tegak hanya menampung besaran dari 2 sampai
200 milyar, sedangkan dalam jangka waktu yang ingin kita gambarkan, perubahan jymlah
penduduk lebih besar dari itu.
Kita dapat menyederhanakan penggambaran grafik ini dengan cara lain, yaitu
dengan menggunakan skala tegak logaritmis. Bagaimana menggambarkannya ?.
Kita ketahui bahwa populasi pada tahhun 1960 adalah 3 milyar dan populasi
tersebut berlipat 2 pada setiap 35 tahun (pada kecepatan pertambahan penduduk sebesar
2 % setiap tahun.
Model

Gambar 4.13 menunjukkan bahwa sumbu tegaknya bilangan skalanya berlipat 2

dari yang dibawahnya. Jarak dari 3 ke 6 sama dengan jarak dari 6 ke 12. Dengan
memberikan skala pada sumbu tegak semacam itu, kita dapat menggambarkan titik-titik
data diatas dan akan melihat bahwa titik-titik tersebut ada pada sebuah garis lurus. Bila
tahun-tahun sebelumnya kita gambarkan, akan diperoleh Gambar 4.14.
Sesudah kita member skala pada sumbu tegak dan sumbu mendatar seperti Gambar
4.13 dan 4.14 tadi, kita hanya perlu menentukan 2 titik untuk membuat grafik garis lurus,
misalnya titik pada tahun 1960 (3milyar) dan tahun 1995 (6milyar).

Model Ekonomis
Grafik pada gambar 4.14 ini berguna untuk pertumbuhan yang konstan. GNP (Gross
National Product) di Amerika, misalnya menunjukkan kenaikan 5% pertumbuhan. Jika
jumlah tahun 1970 mencapai 1 milyar dollar, maka kita dapat meramaikan tahun
berikutnya. Tahun-tahun yang tertera pada sumbu mendatar pada Gambar 4.15 (1960-
1990) adalah yang akan menjadi perhatian kita. Kenaikan 5% ini akan menjadi 2 kali lipat
pada GNP setelah 72/5 atau kira-kira 14 tahun. 1billion dollar pada tahun 1970 menjadi
2billion pada tahun 1984.
Grafik menunjukkan bahwa dalam tahun 1970 GNP mencapai 3 billion dolar. Bila
pada tahun itu penduduk Amerika diperkirakan 300 juta, maka pendapatan rata-rata
perorang adalah 3 billion per 300 juta atau sama denga $ 10.000 (pada tahun 1970 adalah
$ 5.000)
Model
Bila skala pada sumbu tegak diperhatikan, jarak 1 ke 2 sama dengan jarak dari 2 ke
4. Demikian setiap kekita naik sejauh jarak yang sama, kita menjumpai angka skala 2 kali
lipat, ada yang perlu diperhatikan lagi, diatas terlihat bahwa pada tahun 1990 GNP ini
terletak hamper ditengah-tengah angka 2 dan 4 billion. Ada suatu cara untuk
memperkirakan harga dalam angka seperti ini. Perhatikan gambar 4.16. tanda a adalah
tepat ditengah-tengah angka 1 dan 2 tetapi tidak sama dengan 1,5. Karena a berada
ditengah-tengah berarti jarak (2-a) = (a-2), maka a = √2 = 1,4 . tanda b antara 2 dan 4
adalah 2√2 = 2,8 dan bukan 3.

Masalah-masalah sisa pembuangan

Bila Amerika berusaha memikirkan suatu system yang sangat luas (dari unsure-
unsur pabrik,manusia,alam) maka satu sinyal (besaran) penting yang dapat dikembangkan
disini adalah sisa-sisa pembuangan material. Masalah ini menimbulkan pemikiran tentang
cara mengatasi pengotoran dengan seekonomis mungkin tanpa mengganggu lingkungan,
bahkan mencari cara agar sisa pembuangan ini dapat dijadikan sumber lagi.
 Pentingnya persoalan ini dilakukan pada gambar 4.17 yang menunjukkan jumlah
sisa pembuangan pertahun di Amerika seja 1920. Terlihat jelas bahwa pada tahun 1965,
hamper 5 lbs sampah dihasilkan setiap orang perharinya. Kecepatan pertambahan ini lebih
besar bila dibandingkan dengan kecepatan pertambahan penduduk.
1. Tempat-tempat pembuangan sampdah di kota-kota besar cepat sekali penuh. Di
samping itu, macam-macam sampah mengalami perubahan. Beberapa tahun yang lalu
sampah berupa sisa-sisa makanan dari abu.
2. Kita hanya mengetahuin sedikit saja tentang pengaruh pencemaran lingkungan
terhadap kesehatan fisik dan mental manusia, persoalan ini cukup rumit bila mengikuti
karakteristik manusia tiap generasi dan cara untuk memulihkan keadaan yang tidak
seimbang.

Kita harus memikirkan jumlah sampah yang mungkin timbul misalnya kita akan
membutuhkan waktu 6 tahun melaksanakan pembuatan system pembakaran sampah. Jadi
bila keputusan ini diambil pada tahun 1976 maka system pembakaran sampah yang akan
dibuat itu harus direncanakan untuk mengatasi jumlah dan jenis rongsokan yang mungkin
ada pada tahun 1982.
Pembicaraan ini berkisar pada masalah jumlah sampah yang dihasilkan, gambar
4.17 menunjukkan keadaan dari tahun 1920-1965. Kita akan menggunakan data-data ini
untuk meramalkan cirri-ciri yang akan datang.

Kebutuhan untuk peramalan ini didasari oleh 2 alasan :

1. Data baru dapat diperoleh biasanya pada beberapa waktu sesuadah keadaannya
terjadi (dalam masalah ini satu atau dua tahun mungkin baru diperoleh). Jadi kurva
dalam gambar 4.17 hanya sampai 1965, meskipun digambarkan 2 tahun kmudian.

2. Perencanaan dari konstruksi dan fasilitas peralatan memerlukan waktu beberapa

tahun, jadi rencana tersebut betul-betul dibuat untuk masa depan.

Sebelum kita mencoba menggunakan data dan Gambar 4.17 untuk meramalkan sisa
pembuangan pada masa yang akan datang, kita anggap bahwa jumlah ini meurut kecepatan
yang konstan, setiap 12 tahun kenaikan mencapai 50%.
Ini merupakan karakteristik eksponensial. Akibatnya kita data mengubah bentuk
grafik Gambar 4.17 menjadi bentuk eksponensial.

Dalam tahun 1950 ada 100 juta ton samoah yang dihasilkan. Pada tahun 1962 , data
menunjukkan 150 juta ton. Kita tentukan waktu dari 1920-2000 sebagai absis dan jumlah
sisa pembuangan sebagai ordinatnya. Setiap skala pada ordinat sebesar 1,5 kali lipat dari
skala yang dibawahnya (lihat gambar 4.18).
Kita dapat meramalkan dari grafik tersebut bahwa pada tahun 2000 produksi
sampah mencapai 500 jua ton per tahun. Dengan 300 juta penduduk, sekitar 1,6 ton
dihasilkan setiap orang dalam 1 tahun (atau 5kg perhari nya).

Persamaan untuk eksponensialya

Bagi mereka yang senang matematik, akan diperlihatkan sebuah persamaan kurva
pertumbuhan eksponensial. Sebagai coontoh data-data dapat dilihat pada hasil sisa-sisa
pembuangan. Persamaan umum :
t/T
Y = A.r

Y = jumlah yang dihitung (jumlah produksi sampah pertahun, dalam juta ton).
r = faktor dimana y akan bertambah dalam suatu periode T
t = waktu (tahun), ditentukan.

Jadi persamaan untuk sampah yang akan dihasilkan di Amerika adalah , A= 100
(1950)
r = 1,5
T= 12
y = 100 (1,5)t/12
untuk tahun 1998 , t =1998 -1950 =48
y = 100 (1,5)4 = 506
Ternyata persamaan ini hamper menghasilkan nilai yang sama dengan persamaan
garis lurus. Peramalan diatas menggunakan cara ekstrapolasi dengan menganggap bahwa
kecepatan pertumbuhan tidak berubah.

7. Perbaikan Model Populasi

Terlihat bahwa model populasi dengan kecepatan 2% untuk waktu-taktu
mendatang tidak tepat lagi,karena terlalu sederhana. Kita tidak memasukkan faktor-faktor
penting yang berguna delam menguju fungsi-fungsi model populasi,dapat ditemukan di
laborarotium biologi. Beberapa organism yang sangat kecil mempunyai kecepatan
reproduksi yang cukup tinggi, misalnya jamur dan bakteri. Kecil sekali kemungkinan untuk
mengadakan sensus sel-sel jamur. Oleh karena itu dipergunakan teknik sampling. Dengan
mengetahui volume awal, maka seorang peneliti dapat menarik kesimpulan-kesimpulan
tertentu. Tentu kita akan mengusahakan bahwa keadaan contoh (sampel) memang sama
dengan persoalan yang ini kita pelajari.
Dan data diatas, kita mungkin dapat menjawab pertanyaan-pertanyaan berikut ini :
  Berapakah kecepatan pertambahan populasi pada saat percobaan dimulai ?
 Konstankah kecepatan pertumbuhan itu dalam keadaan dimana populasi
membesar?
 Apa yang terjadi pada pertambahan populasi ini . bila volume tempat tidak berubah?
 Apakah akibat adanya alcohol pada zat yang mengandung organism tersebut?
 Dalam model grafik, bagaimanakah hasil eksperimen itu dilukiskan?

Pertama, kita tahu bahwa semua daratan dipermukaan bumi ini dapat ditempati.
Dalam soal jamur ini kita gunakan botol besar. Kedua, kita tahu bahwa produksi bahan
makanan dapat bertambah tetapi bukan tidak terbatas.
Dalam masalah jamur, kita dapat member makanan menurut waktu yang ditentukan
sehinggan dapat menyerupai penyediaan makanan manusia di masa yang akan datang.
Singkatnya, kita akan menguji model dan memperbaikinya dengan jalan membandingkan
keadaan yang diketahui dalam perkembangan kependudukan.
Sekarang kita kembali pada persoalan tadi. Mula-mula pertumbuhan merupakan
grafik eksponensial. Lihat Gambar 4.19. Bila waktu percobaan cukup, maka cepat atau
lambat, kecepatan pertumbuhan mulai menurun. Kurva tidak menunjukkan pertumbuhan
eksponensial lagi dan cenderung melambat. Lihat Gambar 4.20 kurva ini menjadi bentuk S-
Shape, dan disebut sigmoid (dari kata latin ‘sigma’ yaitu hruf S).
Alas an utama dan berubahnya bentuk kurva adalah keterbatasan ruangan untuk
tumbuh dan keterbatasan bahan makanan yang menunjang kehidupan. Tentu adapula alas
an-alasan lain,tetapi tidak sepenting alasan diatas.
Dalam percobaan-percobaan di laboratorium dengan serangga dan binatang-
binatang kecil lainnya, dengan lingkungan yang dijaga secara teliti, hal yang sama terjadi
pula, yaitu bahwa jumlah populasinya cenderung menjadi konstan.
Keceptan pertumbuhan akan berukurang bila binatang-binatang tersebut menjadi
terlalu banyak. Bahan makanan, udara dan air menjadi tidak mencukupi. Kebebasan
bergerak menjadi kurang sekali kaarena penuhnya tempat, menyebabkan meningkatnya
ketegangan syaraf pada binatang-binatang tersebut. Dalam percobaan laboratorium
tersebut tampak bahwa bila keadaan sudah seperti itu, induk tidak mau memelhara anak-
anaknya, binatang-binatang dewasa membunuh betina-betina nya dan pembiakan akan
turun sekali. Memburuknya keadaan fisik dan mental seperti diatas menyebabkan bahwa
jumlah penduduk tidak bertambah lagi dengan pesat, tetapi cenderung untuk konstan.
Apakah percobaan-percobaan tersebut mempunyai makna bagi umat manusia?.
Jelas bahwa alam akhirnya akan membatasi pertumbuhan populasi, yang mungkin
akhirnya akan membatasi pertumbuhan populasi, yang mungkin sekali dengan cara
memburuknya keadaan fisik dan mental seperti diatas. Diharapkan bahwa manusia mulai
membatasi pertumbuhan populasiya sebelum hal diatas terjadi program keluarga
berencana berusaha kearah itu. Jadi masalah utama dalam pengendalian penduduk ini
adalah untuk menyesuaikan dengan keadaan tempat dan persediaan bahan makanan demi
kebahagiaan dan kesehatan setiap manusia.
Barangkali orang pertama yang memperkenalkan karakter sigmoid dan
perkembangan penduduk ini adalah Thomas Robert Maithus (1766-1834), meskipun tidak
ditunjukkan dalam bentuk ini. Dialah yang menulis sebuah karangan bahwa pada suatu
waktu jumlah penduduk akan melebihi persediaan makanan. Kemudian perkembangan
penduduk terhenti mungkin epidemic penyakit yang meluas,bahaya kelaparan,perang,atau
mungkin kombinasi dari peristiwa-peristiwa diatas. Maka terjadilah kurva sigmoid atau
mungkin saja kurva itu menurun. Dia meramalkan bahwa akhir perkembangan ini
diperkirakan terjadi pada abad ke 19. Namun ternyata peramalan itu tidak tepat. Karena
kepesatan pertumbuhan teknologi (ditemukannya pupuk kimia) cukup berhasil mengatasi
teori Maithus ini dengan bertambahnya kemampuan dalam memproduksi makanan.
Namun, sesuatu waktu bahan-bahan kimia untuk pupuk akan berkurang pula. Penelitian
dan pengembangan bahan makanan dan dalam lautan pada waktu ini memberikan harapan
baik, tetapi bukan tanpa batas.

Sebuah model dengan pertumbuhan yang menurun

Telah kita bicarakan bahwa meskipun model populasi dengan kecepatan
pertumbuhan 2% adalah tidak cukup baik, namun untuk meramalkan dalam waktu dekat,
model tersebut masih memadai. Karakteristik dan bentuk sigmoid pada gambar 4.20
berlaku sebagai ekponensial pada bentuk awalnya. Dan kependudukan yang diperoleh
menunjukkan bahwa kita masih berada dalam bagian kurva itu.
Bila kita ini memuaskan perhatian ke masa depan, perlu adanya model yang
menunjukkan perlambatan perkembangan. Model seperti ini didapat dengan pemisahan
bahwa kecepatan perkembangan menurun pada populasi yang bertambah.
Dalam model populasi, kita bekerja dengan kecepatan pertumbuhan 2% pertahun.
Dengan demikian populasi menjadi 1,02 kali pada tahun berikutnya. Sedangkan dalam
keadaan populasi konstan maka penduduk tahun depan adalah 1 kali tahun sekarang. Jadi
untuk menemukan bentuk kurva signoid, kita harus mengurangi nilai 1,02 sampai dengan
1,00 pada populasi yang tetap naik. Bagaimana cara menentukan bilangan tersebut? Kapan
berubah dari 1,02 ke 1,01 dana kapan 1,01 ke 1,00 ?. Dimana terjadi perubahan tingkat ini
?.
Tentu saja kita hanya dapat meramalkan. Hari ini kita berada dalam daerah
perkembangan ekponensial, yang pada saatnya akan perlahan akibat faktor penurunan
yang tidak diketahui.
Tidak ada hal khusus dalam model populasi pada bab ini. Tujuan pembahasan ini
hanyalah menunjukkan suatu pemikiran ke arah penyempurnaan model. Telah kita ketahui
bahwa model 2% ini akan mustahil jika kita coba untuk meramalkan keadaan 100 tahun
yang akan datang. Dengan pemikiran yang tidak terlalu mendalam tentang perkembangan
penduduk ini, kita mencari alteratif model yang lebih baik untuk meramalkan populasi,
dank arena kita tak dapat meramalkan dengan tepat pada waktu yang lama , model
sederhana ini mungkin cukup baik.

Pertumbuhan eksponensial
Jumlah penduduk setiap tahun adalah (1,00+0,021) x jumlah penduduk tahun
sebelumnya, atau
Pn + 1 = r . Pn
Pn + 1 = jumlah penduduk pada tahun (n+1)
Pn = jumlah penduduk pada tahun n
r = faktor pengali

Sifat-sifat sigmoid
Untuk menentukan penurunan pertambahan, faktor r harus berkurang pada
penambahan populasi. Pengubahan ini ditulis dalam rumus
r = ro – c.Pn
sehingga persamaan menjadi
Pn + 1 = (ro – c.Pn) Pn
Contoh :
Jika ro =1,029 dan c = 0,003
r = ro – c. Pn = 1,029 – (0,003 x x 1,02 )
bila Pn naik , maka faktor (ro – c. Pn) akan turun, Pn akan tetap bila
1,029 – (0,003 x Pn) = 1
Pn = 9,7 milyar

Menurut model ini, populasi mencapai keadaan konstan pada 9,7 milyar. Harga ini
sangat bergantung pada pemilihan konstanta c, yang menunjukan kecepatan penurunan
pertumbuhan. Karena kita tida tahu faktor apa yang akan membatasi populasi, kenyataan
konstanta c pun merupakan taksiran.

8. Penggunaan Model
Model peramalan populasi ini sering digunakan dan berhasil dalam perusahaan
pemerintah untuk semua tingkat, pusat, daerah maupun kabupaten. Misalnya dalam
merancang system penilaian kebutuhan transportasi untuk daerah tertentu diperlukan
peramalan yang dapat diandalkan mengenai distribusi penduduk (baik untuk transportasi
manusia maupun material yang dibutuhkan ) .
Dalam masalah seperti ini, model yang lengkap untuk beratus-ratus bahkan beribu-
ribu kota haarus disusun secara matematis dengan bermacam-macam bentuk
persamaannya. Tidak hanya kecepatan kelahiran dan kematian saja yang dipertimbangkan,
akan tetapi hubungan dengan faktor lain pun harus disertakan. Antara lain juga pengaruh-
pengaruh yang menimbulkan kebergantungan penduduk suatu daerah. Jika suatu derah
tidak tepat sebagai tempat pemukiman, maka akan meninmbulkan kecenderungan bagi
daerah terdekat untuk segera berkembang cepat. Kecepatan imigrasi dan penting untuk
dipertimbangkan dalam mengembangkan model yang dinamis, yakni model yang
senantiasa berubah.

Bermacam-macam model untuk suatu sistem.

Mungkin saja dengan suatu sistem dapat ditunjukkan beberapa model yang
berbeda, seperti halnya tentang orang buta dan gajah. Tak satupun diantara mereka yang
menggambarkan lengkap, tetapi sebagian dari suatu model atau sub-sistem sering
diperlukan dan digunakan.
Sebuah AC dapat dijadikan contoh tentang sifat ini. Sebuah model dapat
dikembangkan dengan membahas aliran panasnya saja, bagaimana fluida pengubah suhu
aka mengasorb panas, dan bagaimana panas dapat dipindahkan keluar kamar. Model ini
harus mencakup faktor-faktor seperti batas temperature yang diharapkan, sifat-sifat ini
referigasi, blower dan juga pipa-pipa udaranya.
Model lain menggambarkan sistem themostat, macam-macam hubungan jaringan
jala-jala listrik yang menghubungkan bagian-bagian dalam sistem. Model yang lain lagi,
menganalisa mekanisme. Misalnya kita harus mengetahui pengaruh gangguan kebisingan
dan getaran alat yang dibuat dan bagaimana merencanakan AC yang dapat menimbulkan
gangguan-gangguan getaran itu. Untuk obyek sperti ini , model harus mengandung faktor-
faktor seperti sifat-sifat dan bagian yang bergerak tentang schock-absrobernya, ladasan
dan ganjel-ganjelannya dan lain-lain.

Suatu model untuk beberapa sistem.

Apa kesamaan yang ada mengenaipendinginan secangkir kopi, perkembangan surat
berantai dan perkembangan kepala manusia ?. Bila ada suatu sistem yang dapat
digambarkan dengan bermacam-macam model, maka kadang-kadang sebuah model dapat
memberikan gambaran yang jelas untuk bermacam-macam sistem. Lihat gambar 4.21.
Pada gambar (a) menunjukkan penurunan temperature kopi sampai menjadi dingin
sesuai dengan temperature ruangan. Temperature mula-mula sedikit dibawah temperature
didih, kemudian menurun dengan cepat, lama-kelamaan kecepatan penurunan ini rendah.
Sesudah ½ jam, temperature ini praktis sama dengan temperature kamar.
Gamba (b) meunjukkan produksi suatu hal yang menjadi 2 kali lipat setiap
tahapnya. Pada saat-saat tahap permulaan maka hal tersebut relatif tidak tampak, akan
tetapi pada tahap-tahap yang agak lanjut maka nilainya melonjak (misalnya pada sistem-
sistem taruhan).
 Gambar (c) pun demikian, yaitu menunjukkan pertumbuhan kepala manusia dan
saat ia dilahirkan sampai menjadi dewasa. Ketika masih kecil kecepatan membesarnya
demikian pesar, sedangkan pada saat umur 10-20 kepala manusia ukurannya praktis
konstan.

Tiga contoh sistem eksponensial.

Kurva eksponensial ini didapat pula digunakan dalam persoalan/sistem sebuah
mobil yang meluncur dengan mesin yang dimatikan. Perkembangan tanaman, nilai
akumulatif bunga di bank dan lain-lain.
Kesimpulan pembicaraan diatas ini menunjukkan sebuah model dapat
dipergunakan untuk beberapa sistem. Aspek lain tentang model yang menarik perhatian
adalah berhasilnya membuat hubungan matematis dalam satuan-satuan yang penting.
Contoh terakhir ini menunjukkan hubungan kedahsyatan agin topan dan lamanya
mengamuk.
Bila D menunjukkan diameter daerah yang ditimpa (dalam mill) sedangkan T
menunjukkan lama (umur) angin topan tersebut mengamuk (dalam Jam), maka dua hal
tersebut didekati dengan persamaan:
D3 = 216 T2
Dengan demikian kita dapat menjawab pertanyaan-pertanyaan berikut ini :
 Berapa lama unsru angin topan yang berdiameter 600 mil ?
 Berapa luas daerah yang mendapat amukan topan yang berumur 1 jam ?
 Dan sebagainya

Menentukan model.
Apabila struktur dan sifat dari sesuatu dialam ini telah terpikirkan, kita dapat
mengoperasikannya dengan berbagai cara, dengan memperoleh bermacam-macam model.
Contoh yang terdahulu menunjukkan model dalam kata-kata. Peta , merupakan suatu
model dalam bentuk gambar. Model lainnya dapat pula dalam bentuk ekspresi matematik,
dan lain-lain. Beberapa model dapat pula dikembangkan dengan menggunakan sistem
computer.
Model tidak hanya digunakan untuk menggambarkan sekumpulan pemikiran-
pemikiran, tetapi juga mengadakan evaluasi dan meramalkan kelakuan sistem. Prosedur
ini dapat menghemat sejumlah uang dan waktu, menghindari kerugian, dan mendapatkan
perancangan terbaik tanpa membutuhkan konstruksi seluruh kenyataan alamiahnya.
Misalnya dalam mengembangkan suatu model untuk sel syaraf, kita membutuhkan
perbaikan berturut-turut. Mula-mula perencanaan modelnya, pengujian, kemudian
dikembangkan sehingga mendekati kenyataannya. Dalam proses pembentukan model ini,
harus dipertimbangkan antara kenyataan ilmiahnya dan model itu sendiri. Lihat gambar
4.22 .
 Pengukuran atau observasi pada kenyataan alamiahnya digunakan untuk
mengembangkan model. Setelah model pertama dibuat lalu bandingkan dengan kelakuan
daari kenyataan alamiahnya. Bila ternyata masih jauh dari sempurna atau tidak
memuaskan maka kita harus memperbaiki dulu sehingga model tersebut dapat diterima.
Dalam memodelkan sel syaraf atau perkembangan penduduk, pengukuran
kenyataan alamiah dapat dibuat dalam suatu gambaran saja atau mungkin pula suatu
pendekatan ke arahnya. Misalnya memodelkan pesawat angkasa. Kita lihat sifat
penerbangannya, bahan-bahannya dan lain-lain. Prosedur pembentukan model ini tidak
akan jauh berbeda dengan yang telah kita bicarakan ini.
Model
Kesimpulan, model dapat digambarkan dalam kata-kata grafis, atau ekspresi
matematik. Mungkin saja dalam suatu fungsional (kerja nyatanya), seperti halnya pesawat
udara yang ditest dalam terowongan angin, atau kerja dari sel-sel syaraf. Model hanya
menghendaki bagian-bagian penting saja, dan memberikan jalan pemikiran serta saran
untuk memperbaiki suatu sistem.

9. Pengantar analog computer.

Analog computer adalah suatu alat yang dapat mengerjakan operasi seperti
matematis dalam sinyal yang diberikan kepadanya. Komputer yang besar dapat
menjumlahkan,membagi,menjadi sinyal baru dengan konstanta , mengintegrasikan,
mengalikan 2 sinyal, mengkuadratkan, mencari akar,mengalikan dan dapat juga
menyelesaikan teknologi yang cukup kompak.
Analog computer umumnya menggunakan komponen-komponen elektroni dan
rangkaian elektris dalam melaksanakan operasi matematik. Tiap rangkaian mempunyai
terminal-terminal input dan output. Bila sinya elektronis dihubungkan dengan terminal
input, operasi matematik yang dilakukan dalam rangkaian akan menimbulkan sinyal pada
outputnya. Misal sinyal elektronis yang dihubungkan dengan terminal input dan rangkaian
scalar, maka sinyal output akan mempunyai wujud yang sama dengan sinyal input tadi, tapi
dengan besar yang berbeda bergantung pada konstantanya.

Dalam sirkut adder(jumlah) diperlukan banyak terminal input. Dirangkaian

integrator sinyal output menunjukkan besaran yang diakibatkan dari sinyal input dan
waktu. Sinyal output ini dapa juga dihubungkan pada sinyal input dari rangkaian lain,
dengan demikian deretan operasi matematik apapun dapat dipecahkan. Sifat inilah yang
memungkinkan pemecahan persoalan persamaan-persamaan matematik dalam analog
computer.
 Untuk menunjukkan bekerjanya bagian-bagian dari analog komputer, kita ambil
contoh bagaimana membuat model dan aliran air ke suatu wadah. Mula-mula kita
memerlukan sesuatu untuk menunjukkan sumber air yang dibuka/ditutup dengan kran C1.
Besar aliran air diatur oleh kran C2. Pada saat air memenuhi wadah, kita
memerlukan pula alat yang mengatur dan menghitung penjumlahan ini dan integratorlah
yang berfungsi disini.
Misalnya kita tahu model kecepatan aliran air, analog dengan tegangan listrik.
Ambilan 10 gal/detik sama dengan tegangan 10 volt. Tegangan 10 volt ini menjadi input
bagi C2 yang mempunyai skala dari 0-1. Jika dalam mengisi wadah kita menghendaki 2
gal/det, maka C2 harus diatur pada skala 0,2. Model pada analog computer dikerjakan
dengan menghubungkan output dari C2 (2volt) pada input dan integrator (pengaruh
pengukuran akumulasi).
Bila pengaruh waktu dipasang pada angka 1 detik berarti bahwa setiap kita
menekan pengumpil integrator ke kanan, maka pada tiap detik akan terjadi penjumlahan.
Jadi bila ingin menentukan penjumlahan selama 5 detik, pengumpil cukup ditekan ke
kanan 5 kali.
Kemudian model analog kita modifikasikan dengan membuat asumsi bahwa dalam
wadah tadi berisi 2 galon air. Untuk menjelaskan kondisi baru ini, mula-mula integrator
harus dipasang/distel pada 2 volt (tekan tombol pengatur dan nyalakan knop pada kondisi
awal). Tanda +2 atau -2 V bergantung pada input integrator, selanjutnya tidak berbeda dari
uraian pertama.

Analog computer untuk model pemburuan bison.

Persamaan untuk pemburuan bison dalam buku ini berlaku untuk waktu yang akan
datang dan beralasan, terutama jika jumlah bison dijaga tetap.

Model
Analog computer yang berisi operasi penjumlahan dan perkalian dengan konstanta,
dapat pula digunakan untuk membantu simulasi dari keadaan yang nyata.

Bagian A
Persamaan pemburuan adalah :

Fn = (0,9 ) Fn – 1 + 0.1269 Fn – 2
Artinya
Fn adalah jumlah betina yang hidup disetiap awal tahun
Fn – 1 adalah jumlah betina yang hidup disetiap awal tahun sebelumnya
Fn – 2 adalah jumlah betina yang hidup disetiap awal 2 tahun sebelumnya
 Jika jumlah bison betina pada tahun 1950 adalah 15 juta dan tahun 1851 adalah
16 juta berapakah seharusnya faktor k agar jumlah bison menjadi 17 juta pada awal tahun
mendatang ?
Diagram aliran menunjukan keadaan yang sama dengan model matematik berikut :
Fn = ( 0,9 – k ) Fn – 1 + 0.13 Fn – 2
Bila kita gunakan n sebagai 1852, scalar penjumlahan dalam analog computer
AMF. Model D dilukiskan sebagai berikut :
Bagian dari diagram aliran yang menunjukan penggunaan skala penjumlahan ini
diperlihatkan. Pada gambar a halaman 159-160, garis – garis pada gambar tersebut
menunjukan bagaimana hubungan – hubungan dibuat.
Misalnya sinyal awal 16 berasal dari sebuah sumber listrik, dengan rangkaian
seperti gambar b maka diperleh output 16( 0,9 – k ) dengan rangkaian c sinyal 15 menjadi
15(0.13)
Dua output ini memasuki rangkaian d dan output d ini diukur dengan sebut
potensiometer. Pada meter tersebut dapat dibaca angka 17. Pada gambar e ditunjuknn
diagram selengkapnya harga koefisien c adalah 0.9 – k. perikslah harga ini dengan
memasukan sinyal yang diketahui kedalam C( 1, 0 volt ) dan ukur outputnya.
Output = 0,9 – k
-k = output – 0,9
K = 0,9 – output

1. Berapakah pengukuran harga k dengan menggunakan analog computer?

2. Hitunglah k dan persamaan ini :
17 ( 0.9 – k ) + 0,13 x 15
3. Bedakan hasil pengamatan harga k ? mengapa?

Bagian B
Jumlah bison betina tanggal 1 januari 1852 adalah 17 juta dan 18 juta pada tanggal
1 januari 1853. Bila tak ada bison yang diburu dalam tahun 1853
1. Hitung harga k untuk tahun 1853!
2. Berapa bison yang ada pada 1 januari 1854?
a. Dengan model analog computer
b. Dengan perhitungan pensil dan kertas