JURNAL MATEMATIKA “MANTIK”
Edisi: Oktober 2016. Vol. 02 No. 06

ISSN: 2527-3159 E-ISSN: 2527-3167

APLIKASI METODE ADAMS BASHFORTH-MOULTON (ABM)
PADA MODEL PENYAKIT KANKER

Kuzairi1, Tony Yulianto2 , Lilik Safitri3
Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Islam Madura (UIM)

Jl. Bettet No. 04, Pamekasan, Madura 60111 Indonesia
Email: Kuzairi81@gmail.com 1, liliksafitri@yahoo.co.id 2

Abstrak

Kanker merupakan penyakit yang mematikan yang ditandai dengan pertumbuhan sel-sel yang
abnormal, pertumbuhan tersebut berlangsung terus – menerus sehingga terbentuklah tumor. Tumor dibagi
menjadi dua bagian yaitu tumor jinak dan tumor ganas. Tumor ganas merupakan istilah umum untuk
penyakit kanker. Penyakit kanker mempunyai model matematika berupa sistem persamaan differensial,
untuk itu dibutuhkan sebuah metode untuk mendapatkan solusi dari sistem persamaan differensial tersebut.
Metode yang digunakan adalah metode numerik yakni metode Adams Bashforth Moulton (ABM) orde satu,
dua, tiga, dan empat. Dari hasil penelitian, dapat disimpulkan bahwa pada permasalahan model penyakit
kanker, metode ABM orde tiga lebih baik dibandingkan metode ABM orde satu, orde dua, dan orde empat.
Hal ini dapat dilihat pada grafik simulasi menggunakan ABM orde tiga, menunjukkan bahwa seiring
bertambahnya waktu populasi sel kekebalan efektor dan populasi molekul efektor semakin
meningkat kemudian stabil. Populasi sel kekebalan efektor stabil pada angka 33.3336, sedangkan
populasi molekul efektor stabil pada lingkup angka 33.333, dikatakan berada pada lingkup 33.333
karena perubahan populasi molekul efektor tidak dapat diketahui dengan pasti. Sedangkan populasi sel
kanker tetap bernilai 0 pada tiap iterasi (stabil) yakni tetap berada dalam kondisi bebas kanker.

Kata Kunci: Kanker, Metode Adams Bashforth-Moulton (ABM), Konvergensi, Stabilitas, Konsistensi

Abstract

Cancer is a deadly disease that is characterized by the growth of abnormal cells, the growth is
ongoing, forming a tumor. Tumors are divided into two parts, namely benign and malignant tumors.
Malignant tumors are a general term for cancer. The disease of cancer has a mathematical model in the
form of a system of differential equations, for it required a method to obtain the solution of the system of
differential equations. The method used is the method of numerical methods Bashforth Adams Moulton
(ABM) order one, two, three, and four. From the results of this study concluded that the method ABM order
three better than the method ABM first order, second order and fourth order at issue models of cancer, It
can be seen in the graphic simulation using ABM order three, it shows that increasing time population of
immune effector cells and a population of effector molecules increased and then stabilized. The
population of immune effector cells stabilized at 33.3336, while the population of the effector molecule

is stable in the scope of the numbers 33,333, 33,333 are said to be in scope for changes in population
effector molecule can not be known with certainty. While the population of cancer cells remains
at 0 at each iteration (stable) remains in a state that is free of cancer.

Keywords: Cancer, Differential Equation System, Adams Bashforth-Moulton (ABM) Method,
Convergence, Stability, Consistency

JURNAL MATEMATIKA “MANTIK”
Edisi: Oktober 2016. Vol. 02 No. 06

ISSN: 2527-3159 E-ISSN: 2527-3167

1. PENDAHULUAN

Kanker merupakan salah satu penyakit
yang mematikan yang ditandai dengan
pertumbuhan sel-sel abnormal dan membelah
secara terus-menerus. Pembelahan secara
terus–menerus tersebut menjadi tidak
terkendali dan membentuk sel-sel tumor. Sel–
sel tumor kemudian menginvasi bagian di
sekitarnya dan bermetastase ke jaringan dan
organ–organ lain yang ada di dalam tubuh.
Tumor dibagi menjadi dua golongan besar
yaitu tumor jinak (benign) dan tumor ganas
(malignant). Kanker merupakan istilah umum
untuk tumor ganas [6].

Menurut data Globocan (IARC) tahun
2012 diketahui bahwa kanker payudara
merupakan penyakit kanker dengan
persentase kasus baru (setelah dikontrol oleh
umur) tertinggi, yaitu sebesar 43,3%, dan
persentase kematian (setelah dikontrol oleh
umur) akibat kanker payudara sebesar 12,9%.
Kanker paru–paru tidak hanya merupakan
jenis kanker dengan kasus baru tertinggi dan
penyebab utama kematian akibat kanker pada
penduduk laki–laki, namun kanker paru juga
memiliki persentase kasus baru cukup tinggi
pada penduduk perempuan, yaitu sebesar
13,6% dan kematian akibat kanker paru–paru
sebesar 11,1%. Data Globocan tersebut
menunjukkan bahwa kasus baru dan kematian
akibat kanker hati pada penduduk laki–laki
maupun perempuan memiliki persentase yang
hampir berimbang, sedangkan kanker
payudara dan kanker prostat memiliki
persentase kematian yang jauh lebih rendah
dibandingkan dengan persentase kasus baru,
sehingga jika penyakit kanker tersebut dapat
dideteksi dan ditangani sejak dini maka
kemungkinan sembuh akan lebih tinggi [3].

Model matematika yang dapat digunakan
untuk memodelkan penyakit kanker adalah
model matematika KP yang dikembangkan
oleh Kirschner dan Panneta [4]. Model
matematika KP termasuk model matematika
non linear sehingga sulit diselesaikan dengan
metode analitik. Hal tersebut menyebabkan
perlu adanya metode numerik yang digunakan
untuk mempermudah penelitian ini. Metode
Numerik adalah teknik yang digunakan untuk
memformulasikan persoalan matematik
sehingga dapat dipecahkan dengan operasi

perhitungan/aritmetika biasa (tambah, kurang,
kali, dan bagi). Metode artinya cara,
sedangkan numerik artinya angka. Jadi
metode numerik secara harfiah berarti cara
berhitung dengan menggunakan angka–angka
[5]. Metode numerik yang digunakan pada
penelitian ini adalah metode Adams
Bashforth–Moulton dan Runge Kutta.

Metode Adams Bashforth–Moulton
merupakan metode numerik yang memiliki
banyak langkah (multi step) atau biasa disebut
sebagai metode predictor-korektor karena
dalam penyelesaiannya digunakan persamaan
prediktor dan persamaan korektor. Metode
Adams Bashfoth-Moulton dapat digunakan
tanpa harus mencari turunan-turunan
fungsinya terlebih dahulu, melainkan
langsung menggunakan persamaan prediktor-
korektor, karena metode ini banyak langkah
(multi step), maka dibutuhkan beberapa solusi
awal yang dapat diperoleh dari metode one
step menggunakan metode Runge–Kutta [1].
Metode Runge–Kutta adalah alternatif dari
metode deret Taylor yang tidak membutuhkan
perhitungan turunan. Metode ini berusaha
mendapatkan derajat ketelitian yang lebih
tinggi, dan sekaligus menghindarkan
keperluan mencari turunan yang lebih tinggi
dengan jalan mengevaluasi fungsi f x,y pada
titik terpilih dalam setiap selang langkah.
Metode Runge-Kutta adalah metode PDB
yang paling popular karena banyak dipakai
dalam praktek [5].

2. BAHAN DAN METODE

2.1 Bahan Dan Alat

Dalam penelitian menggunakan windows
7 dan software pendukung komputasi yaitu
Matlab R2009a, jaringan wifi dan koneksi
internet.

2.2 Metode

Pada sub bab ini akan dijelaskan tentang
metode yang digunakan dalam penelitian ini
disertai dengan pustaka yang mendasari teori
dalam penelitian ini, seperti penelitian
sebelumnya, pengertian Kanker dan Metode
Adams Bashforth–Moulton (ABM). Adapun
untuk langkah-langkah dalam penelitian ini
dapat dilihat dalam Gambar 1.

JURNAL MATEMATIKA “MANTIK”
Edisi: Oktober 2016. Vol. 02 No. 06

ISSN: 2527-3159 E-ISSN: 2527-3167

Gambar 1. Flowchart Penelitian

2.3 Penelitian Sebelumnya

Berdasarkan peneliti Yanse [8] dengan

penelitian yang berjudul “Efektivitas Metode
Adams Bashforth-Moulton Order Sembilan
dalam Menganalisis Model Penyebaran
Penyakit Demam Berdarah Dengue (DBD)”
menghasilkan formula metode Adams
Bashforth–Moulton order sembilan yang
dapat digunakan sebagai acuan bagi peneliti
lain untuk menemukan formula metode
Adams Bashforth-Moulton dengan order yang
lebih tinggi.

Sedangkan untuk penelitian yang
dilakukan oleh Apriadi, Prihandono, dan
Noviani [1] dengan penelitian yang berjudul
“Metode Adams-Bashforth-Moulton dalam
Penyelesaian Persamaan Diferensial Non
Linear” menyatakan bahwa solusi dari
masalah nilai awal dengan menggunakan
metode Adams Bashforth–Moulton orde
empat adalah berbentuk . Langkah awal
yang dilakukan adalah menggunakan metode

Runge–Kutta orde empat untuk memperoleh
tiga solusi awal , , dan pada titik
sebelum . Kemudian digunakan metode
Adams Bashforth–Moulton orde empat untuk
memprediksi nilai . Kemudian nilai
prediksi tersebut diperbaiki menggunakan
metode Adams-Moulton orde empat.

2.4 Pengertian Kanker

Penyakit kanker adalah penyakit yang

timbul akibat pertumbuhan tidak normal sel
jaringan tubuh yang berubah menjadi sel
kanker, sedangkan tumor adalah kondisi
dimana pertumbuhan sel tidak normal
sehingga membentuk suatu lesi atau dalam
banyak kasus, benjolan di tubuh. Tumor
terbagi menjadi dua, yaitu tumor jinak dan
tumor ganas. Tumor jinak memiliki ciri–ciri,
yaitu tumbuh secara terbatas, memiliki
selubung, tidak menyebar dan bila dioperasi
dapat dikeluarkan secara utuh sehingga dapat
sembuh sempurna, sedangkan tumor ganas
memiliki ciri–ciri, yaitu dapat menyusup ke
jaringan sekitarnya, dan sel kanker dapat
ditemukan pada pertumbuhan tumor tersebut
[3].

Penyakit kanker merupakan penyebab
kematian utama di seluruh dunia. Pada tahun
2012, sekitar 8,2 juta kematian disebabkan
oleh kanker. Kanker paru–paru, hati, perut,
kolorektal, dan kanker payudara adalah
penyebab terbesar kematian akibat kanker
setiap tahunnya. Pada setiap tahunnya
terdapat lebih dari 60% seseorang terjangkit
kanker dan sekitar 70% terjadi kematian
akibat kanker setiap tahunnya yang terjadi di
Afrika, Asia, dan Amerika Tengah dan
Selatan. Diperkirakan kasus kanker tahunan
akan meningkat dari 14 juta pada 2012
menjadi 22 juta dalam dua dekade berikutnya,
sehingga penanganan pengobatan kanker
harus dilakukan dengan tepat [3].

3. Model Matematika Penyakit Kanker

Berikut ini model yang dikembangkan
Kirschner dan Panneta (1998) yang dikenal
dengan model KP [4].

Mula

Studi Literatur

Analisa Metode Adams Bashforth‐Moulton orde
satu sampai orde empat

Aplikasi Metode Adams Bashforth‐Moulton (ABM)
pada Model Penyakit Kanker

Simulasi

Validasi Hasil Simulasi

Penarikan Kesimpulan

Selesai

Cek Konvergensi, Stabilitas, dan Konsistensi

JURNAL MATEMATIKA “MANTIK”
Edisi: Oktober 2016. Vol. 02 No. 06

ISSN: 2527-3159 E-ISSN: 2527-3167

(1)

1 (2)

(3)

3.1 Persamaan Predictor Metode

Adams Bashforth–Moulton

a. Persamaan Predictor Metode Adams

Bashforth-Moulton Orde Satu :

b. Persamaan Predictor Metode Adams
Bashforth-Moulton Orde Dua :

c. Persamaan Predictor Metode Adams
Bashforth-Moulton Orde Tiga :

12
5 16

23
d. Persamaan Predictor Metode Adams

Bashforth-Moulton Orde Empat :

9 37

59 55

3.2 Persamaan Corrector Metode
Adams Bashforth–Moulton

a. Persamaan Corrector Metode Adams

Bashforth-Moulton Orde Satu :

b. Persamaan Corrector Metode Adams
Bashforth-Moulton Orde Dua :

(
c. Persamaan Corrector Metode Adams

Bashforth-Moulton Orde tiga :

12
8

5
d. Persamaan Corrector Metode Adams

Bashforth-Moulton Orde empat :

24
5 19

3.3 Konvergensi, Stabilitas, dan

Konsistensi

Kesuksesan solusi numerik diukur
berdasar kriteria konvergensi, konsistensi,

serta stabilitas. Konvergensi berhubungan
dengan besarnya penyimpangan solusi
pendekatan oleh metode numerik terhadap
solusi eksak atau solusi analitik (closed form)
[7].

Konvergensi, konsistensi, dan stabilitas
pada metode beda hingga akan dijelaskan
sebagai berikut:
a. Konvergensi pada Metode Beda Hingga

Kriteria konvergen dipahami sebagai
kriteria dimana solusi metode beda
hingga (tanpa hadirnya round off error)
merupakan solusi pendekatan PDP, jika
→ 0 dan ∆ → 0.

b. Stabilitas pada Metode Beda Hingga
Ada dua kriteria lain yang diasosiasikan
dengan kriteria konvergen, yaitu:
stabilitas dan konsistensi.Kriteria
stabilitas merupakan kondisi perlu dan
cukup agar diperoleh solusi konvergen,
sedang kriteria konsistensi merupakan
kondisi ideal dimana solusi metode beda
hingga sesuai dengan solusi PDP yang
diharapkan. Terminologi stabilitas
menunjukkan karakteristik persamaan
differensial tertentu jika ∆t→0 serta
berhubungan dengan amplifikasi solusi
selama proses komputasi. Jika
amplifikasi solusi semakin besar, maka
proses komputasi akan divergen dan
tidak memperoleh hasil (tidak
konvergen). Bisa jadi solusi divergen ini
dipengaruhi oleh amplifikasi yang terlalu
besar selama komputasi. Di lain pihak,
amplifikasi yang besar belum tentu tidak
menghasilkan solusi konvergen.
Amplifikasi yang sangat besar
menunjukkan bahwa stabilitas komputasi
sangat rendah.

c. Konsistensi pada Metode Beda Hingga
Terminologi konsistensi menunjukkan
bahwa solusi dengan metode beda hingga
merupakan pendekatan solusi PDP
analitik seperti diharapkan, bukan solusi
persamaan yang lain. Jika → 0 dan
∆ → 0, maka solusi dengan metode beda
hingga sama dengan solusi analitik PDP.
Pada umumnya solusi dengan metode
beda hingga akan sesuai solusi PDP,
sehingga kriteria konsistensi dengan
sendirinya terpenuhi (taken for granted).

JURNAL MATEMATIKA “MANTIK”
Edisi: Oktober 2016. Vol. 02 No. 06

ISSN: 2527-3159 E-ISSN: 2527-3167

4. HASIL DAN PEMBAHASAN

4.1 Algoritma penyelesaian metode
Adams Bashforth-Moulton (ABM)

Berikut ini algoritma penyelesaian
metode Adams Bashforth-Moulton (ABM)
orde satu :

0,05 0 0,03 33,333

0,1245
, ,

,
1

0,001392844 (4)

0,18 0 1 10 0
1 33,333 0
10 0

0 (5)

0,1245 33,333 0
10 0

0,03 33,333
10 (6)

Substitusikan persamaan (4), (5), dan (6)

ke dalam masing-masing metode AB
(Prediktor) berikut :

33,333 0,2 0,001392844
33,333 0,000278568
33,33327857

0 0,2 0
0

33,333 0,2 0,00001
33,333 0,000002
33,33302

Setelah itu dicari nilai :

, , dan

, , ,

0,05 0
0,03 33,33327857

0,1245
, ,

,
1

0,0013845 (7)

, , ,

0,18 0 1 10 0
1 33,33327857 0

10 0

0 (8)

, , ,

0,1245 33,33327857 0
10 0

0,03 33,33302
0,0000094 (9)

Substitusikan persamaan (7), (8), dan (9)

ke dalam masing-masing metode AM
(Korektor) berikut:

33,333 0,2 0,0013845
33,3332769

33,333 0,2 0,00000

33,33300188
Dihitung galat relatif:

|33,3332769 33,33327857|
|33,3332769|

5.10

JURNAL MATEMATIKA “MANTIK”
Edisi: Oktober 2016. Vol. 02 No. 06

ISSN: 2527-3159 E-ISSN: 2527-3167

|33,33300188 33,33302|
|33,33300188|

5,43 .10

Dari hasil tersebut terlihat bahwa galat
relatif lebih kecil dari kriteria pemberhentian

10 , sehingga tidak perlu dlakukan
pemilihan beda , iterasi terus dilakukan
sampai 10 iterasi, sedangkan untuk 2-10
dapat dilihat nilai , , dan pada grafik
Hasil Simulasi

4.2 Hasil Simulasi

Berikut ini grafik solusi numerik
menggunakan software Matlab R2009a

Gambar 2 Grafik Populasi Sel Kekebalan Efektor

Per 0,2 Satuan Waktu

Pada Gambar 2 menunjukkan bahwa
ketika menggunakan :

1. ABM Orde Satu, setiap bertambahnya
waktu, populasi sel kekebalan efektor
akan meningkat ke titik maksimum
yaitu t=2 satuan waktu.

2. ABM Orde Dua, setiap bertambahnya
waktu, populasi sel kekebalan efektor
akan meningkat di awal yaitu pada t=
0,2 satuan waktu namun beberapa
waktu kemudian populasi sel
kekebalan efektor akan menurun

menuju ke titik minimum t=2 satuan
waktu.

3. ABM Orde Tiga, setiap
bertambahnya waktu, populasi sel
kekebalan efektor akan meningkat
sampai titik t=0,4 satuan waktu
kemudian stabil sampai t=2 satuan
waktu.

4. ABM Orde Empat, setiap
bertambahnya waktu, populasi sel
kekebalan efektor akan meningkat
sampai t=0,6 satuan waktu, kemudian
stabil dan menurun di akhir waktu
yaitu pada t=2 satuan waktu.

Gambar 3 Grafik Populasi Sel Kanker Per 0,2

Satuan Waktu
Pada Gambar 3 menunjukkan bahwa

walaupun waktu bertambah tetapi populasi sel
kanker tidak ada perubahan yakni tetap
bernilai 0 (bebas kanker) yang artinya tidak
ada populasi sel kanker ketika menggunakan
ABM orde satu, orde dua, orde tiga, dan orde
empat.

JURNAL MATEMATIKA “MANTIK”
Edisi: Oktober 2016. Vol. 02 No. 06

ISSN: 2527-3159 E-ISSN: 2527-3167

Gambar 4 Grafik Populasi Molekul Efektor

Per 0,2 Satuan Waktu

Pada Gambar 4 menunjukkan bahwa
ketika menggunakan :
1. ABM Orde Satu, setiap bertambahnya

waktu, populasi sel kekebalan efektor
akan meningkat ke titik maksimum yaitu
t=2 satuan waktu. Peningkatan ini terjadi
pada tiap iterasi dengan peningkatan
yang sangat kecil sehingga pada grafik
tidak terlihat perubahannya.

2. ABM Orde Dua, setiap bertambahnya
waktu, populasi sel kekebalan efektor
akan meningkat di awal yaitu pada t= 0,2
satuan waktu namun beberapa waktu
kemudian populasi sel kekebalan efektor
akan menurun menuju ke titik minimum
t=2 satuan waktu.

3. ABM Orde Tiga, setiap bertambahnya
waktu, populasi sel kekebalan efektor
akan meningkat sampai titik t=0,4 satuan
waktu kemudian stabil sampai t=2 satuan
waktu

4. ABM Orde Empat, setiap bertambahnya
waktu, populasi sel kekebalan efektor
akan meningkat sampai t=0,6 satuan
waktu, kemudian stabil dan menurun di
akhir waktu yaitu pada t=2 satuan waktu.

Tampilan Gambar 2 dengan Gambar 4
terlihat sama, tetapi berbeda, perbedaannya
terletak pada nilai sumbu dan nilai
sumbu . Pada Gambar 2 menjelaskan
bahwa nilai sumbu berbeda tiap titik,
jelas bahwa nilai setiap titik itu berbeda pada
suatu sumbu, tetapi tidak demikian pada

Gambar 4, pada Gambar 4 memperlihatkan
nilai pada semua titik sama yaitu
33,333 , hal ini terjadi karena pembulatan
menggunakan software Matlab R2009a
sampai 4 digit angka dibelakang koma.
Sehingga dapat dikatakan bahwa walaupun
pada nilai sumbu terlihat sama, tetapi
ada perbedaan nilai dari . Karena nilai
setiap titik itu berbeda pada suatu sumbu.

3.3 Validasi Hasil Simulasi

Validasi hasil simulasi yaitu dengan cara
membandingkan hasil dari metode Adams
Bashforth-Moulton (ABM) dengan nilai
eksaknya yang diperoleh dari metode analitik.

Gambar 5 Grafik Populasi Sel Kanker , Sel
Kanker , dan Molekul Efektor Per 0,2
Satuan Waktu Menggunakan Metode Analitik

Pada Gambar 5 menunjukkan hasil
analitik dalam 10 iterasi pada populasi sel
kanker sebagai berikut: 33.3331,
33.3331, 33.3332, 33.3333, 33.3333, 33.3334,
33.3335, 33.3336, 33.3336, 33.3337,
sedangkan pada populasi sel kanker tidak
ada perubahan yakni tetap bermilai 0 dalam
10 iterasi tersebut, sedangkan pada populasi
molekul efektor juga tidak ada perubahan
yakni tetap berada dalam keadaan stabil yaitu
33,333.

Dapat disimpulkan bahwa hasil simulasi
yang telah dilakukan valid karena solusi
numerik menggunakan metode ABM orde
satu, dua, tiga, dan empat pada populasi sel
kekebalan efektor (E) dan populasi molekul

JURNAL MATEMATIKA “MANTIK”
Edisi: Oktober 2016. Vol. 02 No. 06

ISSN: 2527-3159 E-ISSN: 2527-3167

efektor (C) mendekati solusi eksak,
sedangkan pada populasi sel kanker (T) solusi
numeriknya sama dengan solusi eksaknya.

4.3 Cek Konvergensi, Kestabilan, dan
Konsistensi

Konvergensi digunakan sebagai
parameter (alat estimasi) untuk
memperkirakan bilamana problem yang
dihadapi memiliki solusi atau jawab yang
“mendekati solusi eksak”, dapat diterima
dengan prosentase galat tertentu [2]. Dapat
disimpulkan bahwa solusi numerik di atas
konvergen karena solusi numerik
menggunakan metode ABM mendekati solusi
eksak dan memiliki prosentase galat yang
relatif kecil.
Ada dua kriteria lain yang diasosiasikan
dengan kriteria konvergen, yaitu stabilitas dan
konsistensi. Stabilitas adalah adalah kondisi
perlu dan cukup agar diperoleh solusi
konvergen [7], sedangkan konsistensi
merupakan kondisi ideal dimana solusi dari
metode Adams Bashfrorth-Moulton (ABM)
sesuai dengan solusi PDB yang diharapkan.
Dapat disimpulkan bahwa solusi numerik di
atas stabil karena solusi mumerik di atas
konvergen, dan juga dapat dikatakan
konsisten karena solusi numerik di atas
mendekati solusi eksak.

5. SIMPULAN

Dari penelitian di atas dapat disimpulkan
bahwa metode ABM orde tiga lebih baik
dibandingkan metode ABM orde satu, orde
dua, dan orde empat pada permasalahan
model penyakit kanker, Hal ini dapat dilihat
pada grafik simulasi menggunakan ABM orde
tiga, pada grafik simulasi ABM orde tiga
menunjukkan seiring bertambahnya waktu
populasi sel kekebalan efektor dan
populasi molekul efektor semakin
meningkat kemudian stabil. Populasi sel
kekebalan efektor stabil pada angka
33.3336, sedangkan populasi molekul efektor

stabil pada lingkup angka 33.333,
dikatakan berada pada lingkup 33.333 karena
perubahan populasi molekul efektor tidak
dapat diketahui dengan pasti. Sedangkan
populasi sel kanker tetap bernilai 0 pada

tiap iterasi (stabil) yakni tetap berada dalam
kondisi bebas kanker.

6. DAFTAR PUSTAKA

[1] Apriadi, Prihandono, B., & Noviani, E.
(2014). Metode Adams Bashforth-
Moulton dalam penyelesaian Persamaan
Diferensial Non-Linear. Buletin Ilmiah
Mat. Stat. dan Terapannya (Bimaster),
107-116.

[2] Intellectual Property Of Dr. Ir. Setijo
Bismo, DEA., TGP-FTUI. In Modul.

[3] Kementerian Kesehatan RI. (2015). Info
Data dan Informasi Kementerian
Kesehatan RI. Stop Kanker, pp. 1-6.

[4] Lestari, D. (2013). Model Matematika
Terapi Gen untuk Perawatan Penyakit
Kanker. Yogyakarta : Universitas Negeri
Yogyakarta.

[5] Munir, R. (2010). Metode Numerik.
Bandung : Informatika Bandung.

[6] Pertamawati, L. (2013). Aplikasi Kendali
Optimum pada Kemoterapi Kanker. In
Skripsi. Yogyakarta : Universitas Islam
Negeri Sunan Kalijaga.

[7] Rohemah, S. (2015). Penyelesaian Model
Perpindahan Panas Pada Substrat Asam
Nukleat Menggunakan Metode
Leapfrog. In Skripsi. Pamekasan :
Universitas Islam Madura.

[8] Yanse, N. M. (2012). Efektivitas Metode
Adams Bashforth-Moulton Order
Sembilan dalam Menganalisis Model
Penyebaran Penyakit Demam Berdarah
Dengue (DBD). In Skripsi. Jember :
Universitas Jember.