You are on page 1of 6

KURVA PEMBELAJARAN

Contoh berikutnya menunjukkan bagaimana fungsi eksponensial dapat diaplikasikan
untuk menggambarkan macam-macam pembelajaran yang tepat. Diberikan fungsi

𝑄(𝑑) = 𝐢 βˆ’ 𝐴𝑒 βˆ’π‘˜π‘‘

Dimana C, A, dan k konstanta positif. Untuk menggambarkan grafik fungsi Q, perhatikan
bahwa titik potong y dari fungsi diberikan oleh 𝑄(0) = 𝐢 βˆ’ 𝐴. Selanjutnya, kita hitung

𝑄 β€² (𝑑) = π‘˜π΄π‘’ βˆ’π‘˜π‘‘

Karena baik k maupun A konstantan positif, kita lihat bahwa 𝑄 β€² (𝑑) > 0 untuk setiap nilai dari
t. Dengan demikian, Q(t) merupakan fungsi naik dari t. Juga

lim 𝑄(𝑑) = lim (𝐢 βˆ’ 𝐴𝑒 βˆ’π‘˜π‘‘ )
π‘‘β†’βˆž π‘‘β†’βˆž

= lim 𝐢 βˆ’ lim 𝐴𝑒 βˆ’π‘˜π‘‘ = 𝐢
π‘‘β†’βˆž π‘‘β†’βˆž

Sehingga y = C merupakan asimtot horizontal dari Q. Dengan demikian, Q(t) naik dan
mendekati bilangan C seiring t naik tanpa batas. Grafik fungsi Q ditunjukkan oleh gambar 15,
dimana bagian dari grafik berkorespondensi terhadap nilai t yang negatif hal ini ditunjukkan
dengan garis berwarna abu-abu, karena pada prakteknya, domain fungsi dibatasi oleh interval
[0, ∞)

Amati bahwa 𝑄(𝑑)(𝑑 > 0) Naik dengan cukup cepat tetapi kecepatan dari kenaikan
menurun dengan cepat untuk beberapa saat. Untuk melihatnya, kita hitung

lim 𝑄 β€² (𝑑) = lim π‘˜π΄π‘’ βˆ’π‘˜π‘‘ = 0
π‘‘β†’βˆž π‘‘β†’βˆž
Perilaku dari grafik fungsi Q serupa dengan ciri-ciri pembalajaran yang dialami oleh pekerja-
pekerja yang terlibat pada pekerjaan yang diulang secara terus-menerus. Sebagai contoh,
produktifitas dari seorang pekerja barisan-perakitan yang naik dengan sangat cepat pada
tingkat awal periode pelatihan. Kenaikan produktifitas ini menunjukkan hasil dari pekerja
training dan pengalaman yang bertumpuk sedikit demi sedikit. Tetapi kecepatan dari
kenaikan produktifitas melambat seiring waktu, dan level produktifitas pekerja mendekati
beberapa level tetap karena keterbatasan pekerja dan mesin. Karena sifat ini, grafik fungsi 𝑄
(𝑑) = 𝐢 βˆ’ 𝐴𝑒 βˆ’π‘˜π‘‘ 𝑠ering disebut kurva pembelajaran.

Contoh 5. Waktu Pemasangan.

Divisi kamera dari Eastman Optical memproduksi lensa tunggal refleks dari kamera yang
berukuran 35 mm. Departemen pelatihan Eastman menentukan bahwa setelah karyawan baru
menyelesaikan program pelatihan dasar, sebelumnya karyawan yang kurang berpengalaman
bisa mengumpulkan

𝑄(𝑑) = 50 βˆ’ 30𝑒 βˆ’0,5𝑑

kamera model F per hari, t bulan setelah karyawan mulai bekerja pada barisan perakitan.

a. Berapa banyak kamera model F dapat dirakit seorang karyawan baru dalam sehari
setelah pelatihan dasar ?
b. Berapa banyak kamera model F yang dapat dirakit oleh karyawan yang memiliki
pengalaman selama 1 bulan dalam sehari? Seorang karyawan dengan pengalaman 2
bulan ? seorang karyawan dengan pengalaman selama 6 bulan?
c. Berapa banyak kamera model F yang dapat dirakit oleh karyawan dengan pengalaman
rata-rata dalam sehari ?

Jawab :

a. Banyaknya kamera dengan model F yang dapat dikumpulkan oleh seorang karyawan
baru :

𝑄(0) = 50 βˆ’ 30𝑒 0 = 20

b. Banyaknya kamera dengan model F yang dapat dikumpulkan oleh seorang karyawan
dengan pengalaman 1 bulan, 2 bulan , dan 6 bulan dalam sehari :
𝑄(1) = 50 βˆ’ 30𝑒 βˆ’0,5 β‰ˆ 31.80

𝑄(2) = 50 βˆ’ 30𝑒 βˆ’1 β‰ˆ 38.96

𝑄(6) = 50 βˆ’ 30𝑒 βˆ’3 β‰ˆ 48.51

Atau kira-kira mendekati 32, 39, dan 49.

c. Seiring dengan t yang naik tanpa batas, Q(t) mendekati 50. Oleh sebab itu, karyawan
dengan pengalaman rata-rata diperkirakan dapat mengumpulkan 50 kamera model F
dalam sehari.

Penggunaan lain dari kurva pembelajaran ditemukan pada pemodelan-pemodelan
yang menggambarkan penyebaran dari informasi tentang suatu produk atau kecepatan
dari suatu produk yang dijatuhkan ke media yang melekat .

FUNGSI PERTUMBUHAN LOGISTIK
Contoh penerapan fungsi eksponensial yang terakhir yaitu untuk menjelaskan
fenomena alam yang berhubungan dengan kurva logistik (juga disebut S-shaped atau
Sigmoidal), yang merupakan grafik dari fungsi
𝐴
𝑄(𝑑) =
1 + 𝐡𝑒 βˆ’π‘˜π‘‘
Dimana A, B , dan k merupakan konstanta positif. Fungsi Q juga disebut fungsi
pertumbuhan logistik dan grafik fungsi Q digambarkan pada Gambar 16.
Amati bahwa Q(t) naik dengan cukup cepat untuk nilai t yang kecil. Pada
faktanya, untuk nilai t yang kecil, kurva logistik menyerupai kurva pertumbuhan
eksponensial. Bagaimanapun, kecepatan dari pertumbuhan dari Q(t) berkurang cukup
cepat seiring naiknya t dan Q(t) menghampiri bilangan A bersamaan dengan t yang
naik tanpa batas.
Dengan demikian, kurva logistik memamerkan sifat pertumbuhan yang cepat
dari pertumbuhan eksponen sebaik sifat β€œpenjenuhan” dari kurva pembelajaran.
Karena karakteristik ini, kurva logistik seperti menyajikan suatu model matematika
yang cocok untuk menggambarkan banyak fenomena alam. Sebagai contoh, jika
jumlah kelinci yang sedikit diperkenalkan ke pulau kecil di Pasifik Selatan, populasi
kelinci mungkin diharapkan akan bertambah secara cepat pada awalnya, tetapi
kecepatan pertumbuhan akan turun dengan cepat sepadan dengan berlebihnya
kepadatan, kelangkaan makanan, dan faktor lingkungan lain yang mempengaruhi.
Populasi akan secepatnya stabil pada satu tingkat yang cocok dengan kapasitas
dukungan-hidup dari lingkungan. Pemodelan-pemodelan yang menggambarkan
penyebaran desas-desus dan wabah merupakan contoh lain dari penerapan kurva
logistik.

Contoh 6 .Penyebaran Flu
Jumlah tentara pada Fort MacArthur yang mengidap influenza setelah t hari selama
wabah flu diperkirakan dengan model eksponensial
5000
𝑄(𝑑) =
1 + 1249𝑒 βˆ’π‘˜π‘‘

Jika 40 tentara mengidap flu selama 7 hari, temukan berapa banyak tentara yang
mengidap flu selama 15 hari.
Jawab :
Informasi yang diberikan menyatakan secara tidak langung bahwa :
5000
𝑄(7) = = 40
1 + 1249𝑒 βˆ’7π‘˜

Dengan demikian,
40(1 + 1249𝑒 βˆ’7π‘˜ ) = 5000
5000
1 + 1249𝑒 βˆ’7π‘˜ = = 125
40
124
𝑒 βˆ’7π‘˜ =
1249
124
βˆ’7π‘˜ = ln
1249
124
ln 1249
π‘˜= βˆ’ β‰ˆ 0.33
7

Oleh karena itu, banyaknya tentara yang mengidap flu setelah t hari dinyatakan
sebagai :
5000
𝑄(𝑑) = β‰ˆ 508
1 + 1249𝑒 βˆ’15(0.33)

Sehingga, jumlah tentara yang mengidap flu selama 15 hari sebanyak :
Atau mendekati 508 tentara.
No.22 hal 902
Pertumbuhan Populasi pada Abad ke-21
Populasi Amerika didekati oleh fungsi
616.5
𝑃(𝑑) =
1 + 4.02𝑒 βˆ’0.5𝑑
Dimana P(t) adalah banyaknya manusia dalam juta dan t adalah interval dalam 30 th,
dengan t=0 berkorespondensi dengan 1930.
a. Perkiraan Populasi Amerika pada 2020 (t=3) adalah ?

Jawab :

616.5
𝑃(𝑑) =
1 + 4.02𝑒 βˆ’0.5𝑑

Untuk t=3 maka

616.5
𝑃(3) =
1 + 4.02𝑒 βˆ’0.5(3)

616.5
= = 325,0039
1 + 4.02𝑒 βˆ’1.5

Dengan demikian, populasi Amerika pada tahun 2020 (t=3) diperkirakan sekitar 325 juta
jiwa.