Illiyyin Lafi Abrarri

From ccitonlinewiki
Revision as of 00:47, 28 October 2019 by IlliyyinLafi (talk | contribs) (UTS)
Jump to: navigation, search

Tugas Mekanika Fluida

  1. Tugas Studi Kasus Bab 9 Lafi
  2. Tugas Studi Kasus Bab 10 Lafi
  3. Tugas Bab 8, 9, 10, 11 Lafi

https://youtu.be/oyu4QM7XdMs

Biografi

1482205277676.jpg

Illiyyin Lafi Abrarri dengan NPM 1706070772 lahir di Surabaya, 23 Mei 1999 dari pasangan suami istri Amir Hamzah dan Dwi Riawati. Mengawali pendidikan mulai dari sekolah dasar hingga SMA di Surabaya. berasal dari SMAN 15 Surabaya dan melanjutkan pendidikan S1 di Teknik Mesin Universitas Indonesia. memiliki hobi bermain game, renang, dan badminton.

Karier

semua karir dimulai ketika masa perkuliahan dimulai dengan membantu tugas skripsi senior mengenai getaran pada tingkat awal, diikuti dengan mengikuti proyek desa Bungin yang diadakan oleh Prof Adi sejak 2018 hingga saat ini meski tidak terlalu berat, memulai mengajar anak SMA secara privat sejak tahun 2018 hingga saat ini, menjadi vice project officer ASUIFEST 2019, menjadi vice PIC Aeromodelling di MMENE sebuah event kebanggaan Ikatan mahasiswa Mesin, menjadi anggota student catalyst 2019 dan memenangkan best project tentang masalah ketidak toleransi umat beragama dan politik, menjadi anggota MPM FTUI periode 2019

PYTHON

Awal belajar sempat kaget karena selalu mengalami syntax error dan tidak mengetahui bagaimana caranya membuat line baru dibawah line sebelumnya. Ternyata tidak dimasukan nya fungsi yang benar. Hal yang sudah saya pelajari di python adalah mengenai operasi hitung tentang penambahan, pengurangan, pengalian, dan pembagian. Fungsi-fungsi persamaan yang sudah saya pelajari adalah

a = 4

b = a + 5

print (b)

9

dan seterusnya termasuk pengalian, pengurangan dan pembagian beberapa juga ada yang mengalami kesalah pahaman seperti

a = [2, 3, 4]

b = [1, 0, 3]

c = a + b

print(c)

[2, 1, 3, 0, 4, 3]

yang seharusnya diharapkan [3, 3, 7] ditambahlagi beberapa campuran kata dan angka akan menghasilkan eror karena tidak masuk akal dan tidak bias dilakukan operasi hitung matematika menggunakan fungsi Batasan angka seperti >, <, =, >=, dan <= memncoba program if, false, dan true dan membuat sebuah persamaan yang bias dihitung persamaan linear sederhana

Hiburan metode numerik 1 A

Dalam mengerjakan soal (x^2-1)/(x-1) dengan x=1 tidak bisa mendapatkan hasil yang benar dikarenakan 0/0. Oleh sebab itu, saya gunakan limit pendekatan x=1. Soal dikerjakan dengan menambahkan perbedaan 1/9999999 yang mendekati angka nol sehingga hampir tidak merubah hasil dengan menggunakan module coding sebagai berikut

1568464116160.jpg

Pada module ini, saya memisahkan antara pembilang dan penyebut nya sehingga memudahkan perhitungan.

dan memiliki hasil seperti berikut

1568602744591.jpg

Hiburan metode numerik 1 B

1568603204429.jpg

pada soal ini digunakan metode Newton Raphson sebagai metode mencari faktor dari persamaan tersebut

Modified+Newton-Raphson+Method.jpg

dengan module sebagai berikut

1568464103427.jpg

dan mendapatkan hasil sebagai berikut

1568603830247.jpg

dengan flowchart sebagai berikut

1568605080666.jpg

Hiburan 02- LAFI

pada tugas hiburan ini

S 18382858.jpg

dikerjakan menggunakan hukum kontinuitas massa dimana masa yang masuk akan sama dengan yang dikeluarkan sehingga didapati rumus Q*p=Q*p sehingga akan mendapatakan 4 persamaan dengan 4 variabel


6C1 - 4C2 = 50

-2C1 - 1C3 + 4C4 = 50

7C2 - 3C3 - 4C4 = 0

-4C1 + 4C3 = 0



6C1 - 4C2 + 0C3 + 0C4 = 50

-2C1 + 0C2 - 1C3 + 4C4 = 50

0C1 + 7C2 - 3C3 - 4C4 = 0

-4C1 + 0C2 + 4C3 + 0C4 = 0

yang kemudian dijadikan dalam modue python lalu didapatkan nilai C1 = 275/9 , C2 = 100/3 , C3 = 275/9, C4 = 425/12


import numpy as np

class GEPP():

    def __init__(self, A, b, doPricing=True):
        #super(GEPP, self).__init__()

        self.A = A                      # input: A is an n x n numpy matrix
        self.b = b                      # b is an n x 1 numpy array
        self.doPricing = doPricing

        self.n = None                   # n is the length of A
        self.x = None                   # x is the solution of Ax=b

        self._validate_input()          # method that validates input
        self._elimination()             # method that conducts elimination
        self._backsub()                 # method that conducts back-substitution
    def _validate_input(self):
        self.n = len(self.A)
        if self.b.size != self.n:
            raise ValueError("Invalid argument: incompatible sizes between" +
                             "A & b.", self.b.size, self.n)

    def _elimination(self):
        """
        k represents the current pivot row. Since GE traverses the matrix in the
        upper right triangle, we also use k for indicating the k-th diagonal
        column index.
        :return
        """

        # Elimination
        for k in range(self.n - 1):
            if self.doPricing:
                # Pivot
                maxindex = abs(self.A[k:, k]).argmax() + k
                if self.A[maxindex, k] == 0:
                    raise ValueError("Matrix is singular.")
                # Swap
                if maxindex != k:
                    self.Ak, maxindex = self.Amaxindex, k
                    self.bk, maxindex = self.bmaxindex, k
            else:
                if self.A[k, k] == 0:
                    raise ValueError("Pivot element is zero. Try setting doPricing to True.")
            # Eliminate
            for row in range(k + 1, self.n):
                multiplier = self.A[row, k] / self.A[k, k]
                self.A[row, k:] = self.A[row, k:] - multiplier * self.A[k, k:]
                self.b[row] = self.b[row] - multiplier * self.b[k]

    def _backsub(self):
        # Back Substitution
        self.x = np.zeros(self.n)
        for k in range(self.n - 1, -1, -1):
            self.x[k] = (self.b[k] - np.dot(self.A[k, k + 1:], self.x[k + 1:])) / self.A[k, k]
def main():
    A = np.array([[6., -4., 0., 0.],
                  [-4., 0., 4., 0.],
                  [-2., 0., -1., 4.],
                  [0., 7., -3., -4.]])
    b = np.array([[50.],
                  [0.],
                  [50.],
                  [0.]])
    print("ini matriks awal nya")
    print(A)
    print("ini hasil yang awal")
    print(b)
   
    GaussElimPiv = GEPP(np.copy(A), np.copy(b), doPricing=False)
    print("ini hasil akhirnya")
    print(GaussElimPiv.x)
    print(GaussElimPiv.A)
    print(GaussElimPiv.b)
    GaussElimPiv = GEPP(A, b)
    print(GaussElimPiv.x)
if __name__ == "__main__":
    main()

quiz

1.

import numpy as np


class GEPP():
    def __init__(self, A, b, doPricing=True):
      
        self.A = A                      
        self.b = b                       
        self.doPricing = doPricing
        self.n = None                   
        self.x = None                   
        self._validate_input()          
        self._elimination()             
        self._backsub()                 
    def _validate_input(self):
        self.n = len(self.A)
        if self.b.size != self.n:
            raise ValueError("yah bingung.", self.b.size, self.n)
    def _elimination(self):


        # Elimination
        for k in range(self.n - 1):
            if self.doPricing:
                # Pivot
                maxindex = abs(self.A[k:, k]).argmax() + k
                if self.A[maxindex, k] == 0:
                    raise ValueError("Matrix ini singular.")
                # Swap
                if maxindex != k:
                    self.Ak, maxindex = self.Amaxindex, k
                    self.bk, maxindex = self.bmaxindex, k
            else:
                if self.A[k, k] == 0:
                    raise ValueError("coba lagi.")
            # Eliminate
            for row in range(k + 1, self.n):
                multiplier = self.A[row, k] / self.A[k, k]
                self.A[row, k:] = self.A[row, k:] - multiplier * self.A[k, k:]
                self.b[row] = self.b[row] - multiplier * self.b[k]
    def _backsub(self):
        # Back Substitution
        self.x = np.zeros(self.n)
        for k in range(self.n - 1, -1, -1):
            self.x[k] = (self.b[k] - np.dot(self.A[k, k + 1:], self.x[k + 1:])) / self.A[k, k]


def main():
    A = np.array([[1., 2., 0., -2., 0.],
                  [0., 1., 0., 2., -1.],
                  [0., 1., -1., 1., -1.],
                  [0., 0., 2., 1., 2.],
                  [0., 0., 0., -1., 1.]])
    b = np.array([[-4.],
                  [1.],
                  [-1.],
                  [1.],
                  [-2.]])
    GaussElimPiv = GEPP(np.copy(A), np.copy(b), doPricing=False)
    print(GaussElimPiv.x)
    print(GaussElimPiv.A)
    print(GaussElimPiv.b)
    GaussElimPiv = GEPP(A, b)
    print(GaussElimPiv.x)
if __name__ == "__main__":
    main()
 #pada persamaan ke 3 dan ke 1 ditukar karena variabel awal tidak boleh bernilai nol

2.

import numpy as np
from run_kut4 import *
from printSoln import *
from math import exp
x = 0.03
def F(x,y):
    F = np.zeros(1)
    F[0] = ((31/32)*exp(-4))+((1/4)*x**2)-(1/8)*x+(1/32)
    return F
x     = 0.0             
xStop = 0.03             
y     = np.array([160])    
h     = 0.01             
freq  = 1             
print(y)
X,Y = integrate(F,x,y,xStop,h)
printSoln(X,Y,freq)
input("\nPress return to exit")



UTS

A.

https://www.youtube.com/watch?v=Lar9ahvi2ew


import numpy as np
class GEPP():
    def __init__(self, A, b, doPricing=True):
        #super(GEPP, self).__init__()
        self.A = A                      # input: A is an n x n numpy matrix
        self.b = b                      # b is an n x 1 numpy array
        self.doPricing = doPricing

        self.n = None                   # n is the length of A
        self.x = None                   # x is the solution of Ax=b

        self._validate_input()          # method that validates input
        self._elimination()             # method that conducts elimination
        self._backsub()                 # method that conducts back-substitution

    def _validate_input(self):
        self.n = len(self.A)
        if self.b.size != self.n:
            raise ValueError("Invalid argument: incompatible sizes between" +
                             "A & b.", self.b.size, self.n)

    def _elimination(self):
        """
        k represents the current pivot row. Since GE traverses the matrix in the
        upper right triangle, we also use k for indicating the k-th diagonal
        column index.
        :return
        """
        # Elimination
        for k in range(self.n - 1):
            if self.doPricing:
                # Pivot
                maxindex = abs(self.A[k:, k]).argmax() + k
                if self.A[maxindex, k] == 0:
                    raise ValueError("Matrix is singular.")
                # Swap
                if maxindex != k:
                    self.Ak, maxindex = self.Amaxindex, k
                    self.bk, maxindex = self.bmaxindex, k
            else:
                if self.A[k, k] == 0:
                    raise ValueError("Pivot element is zero. Try setting doPricing to True.")
            # Eliminate
            for row in range(k + 1, self.n):
                multiplier = self.A[row, k] / self.A[k, k]
                self.A[row, k:] = self.A[row, k:] - multiplier * self.A[k, k:]
                self.b[row] = self.b[row] - multiplier * self.b[k]

    def _backsub(self):
        # Back Substitution
        self.x = np.zeros(self.n)
        for k in range(self.n - 1, -1, -1):
            self.x[k] = (self.b[k] - np.dot(self.A[k, k + 1:], self.x[k + 1:])) / self.A[k, k]


def main():
    A = np.array([[1., 0., 0., 0.],
                  [-1., 1., 0., 0.],
                  [0., 0., -1., 1.],
                  [0., 0., 0., 1.]])
    b = np.array([[50.],
                  [20.],
                  [5.],
                  [10.]])
    GaussElimPiv = GEPP(np.copy(A), np.copy(b), doPricing=False)
    print(GaussElimPiv.x)
    print(GaussElimPiv.A)
    print(GaussElimPiv.b)
    GaussElimPiv = GEPP(A, b)
    print(GaussElimPiv.x)
if __name__ == "__main__":
    main()


B.

dengan asumsi percepatan mobil sebesar 10m/s**2

perlambatan gesek jalan sebesar 2m/s**2

dan perlambatan karena gesek udara yang dipengaruhi oleh kecepatan 0,001*v

https://www.youtube.com/watch?v=ystTyu-qooA

import numpy as np
# Python program to implement Runge Kutta method
# with acceleration of car is 10 m/s**2
# air friction and road friction is -0.001*V m/s and -2m/s**2
# so equation became v = 10*t - 2*t - 0.001*v
# A sample differential equation "dv / dt = 8/1.001"
def dvdt(t,v):
    return (8/1.001)
# Finds value of y for a given x using step size h 
# and initial value y0 at x0.
def rungeKutta(t0, v0, t, h):
    #count number of step size
    #step h
    n = (int)((t - t0)/h)

    v = v0
    for i in range (1, n + 1):
        "apply rungakutta"
        k1 = h * dvdt(t0, v)
        k2 = h * dvdt(t0 + 0.5 * h, v + 0.5 * k1)
        k3 = h * dvdt(t0 + 0.5 * h, v + 0.5 * k2)
        k4 = h * dvdt(t0 + h, v + k3)

        #next value of v
        v = v + (1.0 / 6.0)*(k1 + 2 * k2 + 2 * k3 + k4)
        # Update next value of t
        t0 = t0 + h
    return v
# Driver method 
t0 = 0
v = 1
t = 2
h = 0.2
print ('The value of y at x is:', rungeKutta(t0, v, t, h)) 




Bagus fadhlurrohman

54 months ago
Score 0+
dapat dipersingkat dan dipermudah dengan menonton video yang terdapat di ccit

Anonymous user #1

54 months ago
Score 0 You
Sistem ini dikerjakan dengan hukum kontinuitas massa, dimana Q*p(masuk) = Q*p(keluar), disini terdapat tanki yang dilambangkan dengan C1, C2, C3 dan C4, digunakan elimination gauss dalam pengerjaan sehingga didapat 4 persamaan seperti yang lafi jelaskan. Untuk penjelasan lebih detail ada di video kelas Metode Numerik oleh Bang Edo.

Geraldositorus

54 months ago
Score 0+
ini Geraldo, lupa login tadi

Anggitoz

54 months ago
Score 0+

Oke menarik, boleh minta sumber templatenya gan?

Intinya adalah menggunakan kontinuitas massa untuk mencari persamaan dari kontinuitas tiap tangki kemudian di rapihkan menjadi matriks. kemudian dimasukkan menggunakan bahasa pemograman python dan terakhir run module.

Berharap ada yang lebih pendek kodingannya.

Edosyafei

54 months ago
Score 0+
Ingin sedikit berkomenta mengenai penyelesaian tugas mengenai kestimbagan 4 tangki konsentrasi. Untuk usaha mencari cara menyelesaikan penyelesaian persamaan aljabar di internet sudah baik. Namun, alangkah lebih baiknya jika saudara menyelesaikannya dengan mengimplentasikan langsung konsep penyelesaian aljabar dengan membuat sendiri algoritma dan kode nya.Diharapkan hal tersebut dapat menambah kemampuan saudara dalam memahami metode numerik dengan menggunakan bantuan komputer

IlliyyinLafi

54 months ago
Score 0+
okeee iya masih mencari tahu coding an nya yang bai kdan benar jadi masih mengikuti yang ada di internet

Ahmadsennop

54 months ago
Score 0+
Menurut saya yang dikerjakan lafi sudah mudah untuk dipahami pada saat mencari c1, c2, c3 dan c4 menggunakan kotinuitas massa namun saat dimasukkan kebahasa python saya agak kurang mengerti karena terlihat lebih kompleks dibanding dengan yang saya lihat divideo yang ada di kelas metode numerik.
Add your comment
ccitonlinewiki welcomes all comments. If you do not want to be anonymous, register or log in. It is free.