http://air.eng.ui.ac.id/api.php?action=feedcontributions&user=Wisnu+indrawan&feedformat=atomccitonlinewiki - User contributions [en]2024-03-29T08:21:18ZUser contributionsMediaWiki 1.30.0http://air.eng.ui.ac.id/index.php?title=Wisnu_indrawan&diff=36428Wisnu indrawan2020-06-10T16:31:14Z<p>Wisnu indrawan: </p>
<hr />
<div><br />
<br />
----<br />
<br />
== '''Biodata Diri :''' ==<br />
<br />
----<br />
<br />
<br />
[[File:wisnu.jpg|200px|thumb|left|Watashinonamaeha wisnu ndes ]]<br />
<br />
*Nama : Wisnu Indrawan <br />
<br />
*NPM : 1906433745<br />
<br />
*Jurusan : Teknik Mesin<br />
<br />
*Institusi : Universitas Indonesia<br />
<br />
*Penjuruan : SUBAK (Sistem Utilitas Bangunan)<br />
<br />
*Email : wisnu.indrawan@ui.ac.id<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Istilah - Istilah Teknik''' ==<br />
<br />
<br />
'''1. Clustering ''' <br />
<br />
*clustering adalah teknik machine learning berupa algoritma pengelompokkan objek-objek data berjumlah N menjadi <br />
kelompok-kelompok data tertentu (cluster)<br />
<br />
*Objek data yang beada dalam satu kelompok / cluster harus memiliki kemiripan <br />
<br />
*Semakin banyak data yang diperoleh sama dnegan semakin akurat hasil yang di dapatkan <br />
<br />
*Clustering merupakan salah satu jenis dari algoritma unsupervised learining, algoritma <br />
yang bertujuan untuk mempelajari dan menemukan pola dari suatu input yang diberikan tanpa menggunuakan label <br />
<br />
*Dengan penggunaan supervised learning, maka beberapa hal berikut ini dapat dilakukan <br />
<br />
'''1.''' Search: Membandingkan antar dokumen, gambar atau suara untuk menampilkan item serupa. <br />
<br />
'''2.''' Deteksi anomali: Mendeteksi perilaku yang tidak biasa yang biasanya berhubungan dengan hal-hal yang ingin dicegah atau dideteksi, seperti contoh penipuan. <br />
<br />
<br />
Selain itu teknik clustering terdapat beberapa algoritma di dalam nya yang akan dijelaskan istilah nya pada bagian bawah ini : <br />
<br />
<br />
<br />
'''2. K-Means Clustering'''<br />
<br />
*Tentukan jumlah cluster <br />
<br />
*alokasikan data ke dalam cluster secara rancodm <br />
<br />
*hitung centroid/rata-rata dari data yang ada di masing-masing cluster <br />
<br />
*alokasikan masing masing data ke centroid/data-data terdekat <br />
<br />
*kembali ke step 3, apabila masih ada data yang berpindah cluster atau apabila <br />
perubahan nilai centroid, ada yang di atas nilai threshold yang ditentikan atau apabila <br />
perubahan nilai pada objective function yang digunakan di atas nilai threshold yang ditentukan<br />
<br />
<br />
'''3. Mean-Shift Clustering<br />
'''<br />
*Untuk mejelaskan mean-shift, kita ilustrasikan sekumpulan titik dalam ruang <br />
dua dimensi <br />
<br />
*kita mulai dengan circular sliding window yang berpusat pada titik C(dipilih secara acak)<br />
dan memiliki jadi-jadir r sebagai kernel. Mean shift adalah algoritma yang melakukan pergeseran kernel ini secara iteratif <br />
ke daerah kepadatan yang lebih tinggi pada setiap langkah hingga konvegensi.\<br />
<br />
*pada setiap iterasi, sliding window digeser ke arah daerah dengan kepadatan lebih tinggi dengan menggeser titik tengahnya. kepadatan pada sliding window sebanding dengan jumlah tiitk di dalamnya <br />
<br />
*terus melakuakn pergeseran pada sliding window sesuai dengan rata -rata sampai tidak ada arah di mana pergeseran dapat mengakomondasikan lebih banyak titik di dalam kernel (tidak lagi meningkatkan densitas/jumlah titik di window)<br />
<br />
*langkah 1 hingga 3 ini dilakukan dengan banyak sliding window sampai semua titik terletak di dalam window. Ketika beberapa window saling berumpang tindih, window yang berisi titik terbanyak akan dipertahankan. Objek data kemudian dikelompokkan sesua dengan sliding window tempat mereka berada.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-1 ''', (Senin, 03 Februari 2020), Muhasabah ==<br />
<br />
<br />
----<br />
<br />
<br />
'''Muhasabah Diri :''' <br />
<br />
'''Muhasabah adalah''' : sesuatu hal yang perlu dan menjadikannya sebuah kebutuhan dalam tiap-tiap diri manusia, di dalam agama Islam, muhasabah sangatlah dianjurkan karena jika muhasabah bisa dijalankan dengan baik akan memberi banyak manfaat baik yang akan di dapatkan di dunia maupun diakhirat kelak.<br />
<br />
'''Pada pertemuan pertama kami mempelajari apa makna dari komputasi teknik :'''<br />
<br />
'''a. Definisi Komputasi'''<br />
<br />
Komputasi : setulnya bisa diartikan sebagai cara untuk menemukan pemecahan masalah dari data input dengan menggunakan suatu algoritme. Hal ini ialah apa yang disebut dengan teori komputasi, suatu sub-bidang dari ilmu komputer dan matematika. Selama ribuan tahun, perhitungan dan komputasi umumnya dilakukan dengan menggunakan pena dan kertas, atau kapur dan batu tulis, atau dikerjakan secara mental, kadang-kadang dengan bantuan suatu tabel. Namun sekarang, kebanyakan komputasi telah dilakukan dengan menggunakan komputer.<br />
<br />
Komputasi ilmiah dan numerik adalah bidang booming dalam penelitian, teknik, dan analitik. Revolusi dalam industri komputer selama beberapa dekade terakhir telah menyediakan alat baru dan kuat untuk praktisi komputasi. Ini telah memungkinkan usaha komputasi dari skala dan kompleksitas yang sebelumnya tidak pernah terjadi sebelumnya. Akibatnya, semua bidang dan industri bermunculan. Perkembangan ini masih berlangsung, dan ini menciptakan peluang baru seiring dengan meningkatnya perangkat keras, perangkat lunak, dan algoritme. Pada akhirnya, teknologi yang memungkinkan untuk gerakan ini adalah perangkat keras komputasi yang kuat yang telah dikembangkan dalam beberapa dekade terakhir. Namun, untuk seorang praktisi komputasi, lingkungan perangkat lunak yang digunakan untuk pekerjaan komputasi sama pentingnya dengan, jika tidak lebih penting daripada, perangkat keras di mana perhitungan dilakukan.<br />
<br />
'''b. Current state of knowledge'''<br />
<br />
Knowledge i have learned in master amount of application and I just know it in master degree, and this is application I had to learn in master degree, first is lab view, I use it for measure temperature in contactor, so I know the temperature at inlet and outlet, second is REFROP this application helped me to know enthalpy in refrigerant, is superheated or subcool, third but not last is CFD-SOF with this application I can calculate velocity of fluid at an object, for example, is I calculated velocity in planar plate, internal flow pipe, and so on. <br />
<br />
'''c. Pengalaman Komputasi Teknik'''<br />
<br />
Untuk pengalaman saya menggunakan komputasi sudah ada beberapa, seperti CFD SOF dan beberapa bahasa pemograman, tetapi di era data scientist sekarang banyak yang sedang menggunakan bahasa python untuk menjadi bahasa pemograman mereka, hal ini dikarekan python merupakan bahasa pemograman open source (gratis) dan mudah di gunakan untuk pemula, berikut dasar - dasar menggunakan bahsa python :<br />
<br />
'''c.1 Pengenalan Komputasi Menggunakan Python'''<br />
<br />
Python adalah bahasa pemrograman tingkat tinggi yang diartikan untuk keperluan umum yang banyak digunakan dalam komputasi ilmiah dan teknik. Pertama dan terpenting, Python terkenal dengan sintaks code yang bersih dan mudah dibaca. Pembacaan kode yang baik meningkatkan pemeliharaan, yang secara umum menghasilkan lebih sedikit bug dan aplikasi yang lebih baik secara keseluruhan, tetapi juga memungkinkan pengembangan kode yang cepat. Dalam pemecahan masalah komputasi, tentu saja, penting untuk mempertimbangkan kinerja algoritma dan implementasinya. Sementara kinerja runtime terbaik dapat dicapai dalam bahasa pemrograman tingkat rendah seperti fortran dan C, bekerja dalam bahasa tingkat tinggi seperti Python biasanya mengurangi waktu pengembangan dan seringkali menghasilkan kode yang lebih fleksibel dan dapat diperluas.<br />
<br />
'''c.2 Environement Untuk Komputasi Dengan Python''' <br />
<br />
Ada beberapa environtment berbeda yang dapat digunakan Python untuk komputasi ilmiah dan teknis. Keragaman ini memiliki kelebihan dan kekurangan dibandingkan dengan lingkungan yang didukung. Dalam produk komputasi memiliki keanekaragaman menyediakan fleksibilitas dan dinamika yang cocok untuk spesialisasi untuk kasus penggunaan tertentu. Di sini saya memberikan orientasi lingkungan umum untuk komputasi ilmiah. Contoh 3 GUI yang digunakan untuk menjalankan python adalah :<br />
<br />
'''c.2.1. IPython'''<br />
<br />
IPython merupakan sebuah console yang dapat dijalankan secara interaktif. Secara bersama dengan text editor untuk menuliskan code, menyediakan yang ringan untuk dikembangkan .<br />
<br />
'''c.2.2. The Jupyter Notebook'''<br />
<br />
Merupakan aplikasi web di mana kode Python dapat ditulis dan dieksekusi melalui browser web. Environtment ini sangat bagus untuk komputasi numerik, analisis, dan penyelesaian masalah, karena memungkinkan seseorang untuk mengumpulkan code, output yang dihasilkan oleh code, dokumentasi teknis terkait, dan analisis dan interpretasi, semuanya dalam satu dokumen.<br />
<br />
'''c.2.3. Spyder'''<br />
<br />
Integrated Development Environment, yang dapat digunakan untuk menulis dan menjalankan kode Python secara interaktif. IDE seperti Spyder adalah alat yang dapat diguankan untuk mengembangkan library dan modul Python yang bisa digunakan kembali<br />
<br />
'''c.2.4. Interpreter'''<br />
<br />
Cara standar untuk mengeksekusi kode Python adalah menjalankan program secara langsung melalui interpreter Python. Pada kebanyakan sistem, interpreter Python dipanggil menggunakan perintah python. Ketika Python file source diperintahkan sebagai argumen untuk perintah ini, kode Python dalam file tersebut dijalankan.<br />
<br />
$ python hello.py<br />
<br />
Hello from Python!<br />
<br />
Di sini file hello.py berisi satu baris:<br />
<br />
print("Hello from Python!")<br />
<br />
Untuk melihat versi Python mana yang diinstal, seseorang dapat menjalankan perintah python dengan argumen --version:<br />
<br />
$ python –version<br />
<br />
Python 3.6.5<br />
<br />
Adalah umum untuk menginstal lebih dari satu versi Python pada sistem yang sama. Setiap versi Python memelihara kumpulan perpustakaannya sendiri dan menyediakan perintah penerjemahnya sendiri (sehingga setiap lingkungan Python dapat menginstal perpustakaan yang berbeda). Pada banyak sistem, versi tertentu dari juru bahasa Python tersedia melalui perintah seperti, misalnya, python2.7 dan python3.6. Dimungkinkan juga untuk mengatur lingkungan python virtual yang independen dari lingkungan yang disediakan sistem. Ini memiliki banyak keuntungan dan saya sangat menyarankan untuk membiasakan diri dengan cara ini bekerja dengan Python. Lampiran A memberikan perincian tentang cara mengatur dan bekerja dengan lingkungan semacam ini.<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-2 : ''' (Senin, 10 Februari 2020), Sinopsis Tuga Akhir ==<br />
<br />
<br />
----<br />
<br />
<br />
'''a. Menjelaskan Sinopsis Tugas Akhir''' <br />
<br />
JUDUL : <br />
<br />
Sistem Pendingin Mengguankan Thermo Electric Cooler dengan Controller Propotional - Integral Derivative<br />
<br />
SINOPSIS : <br />
<br />
Pendinginan merupakan salah satu proses yang dapat digunakan untuk berbagai macam penggunaan, antara lain untuk menjaga produk industri makanan dan produk medis seperti obat-obatan dan vaksin. Proses pendinginan sekarang masih menggunakan teknologi pengawetan berbasis kompresi menggunakan gas pendingin. Tipe gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannya dan tipe R600a memiliki COP yang lebih rendah. Penelitian ini bertujuan merancang perangkat keras dan perangkat lunak yang dapat diaplikasikan pada pendingin termoelektrik, dengan merancang sebuah alat yang digunakan untuk sistem lemari pendingin menggunakan Thermoelectric Cooler (TEC) dan mendapatkan nilai COP yang tinggi. Sistem dibangun dengan kontroler Proportional Integral Derivative (PID). Sistem ini menggunakan beberapa alat antara lain, sensor suhu, Transistor tipe TIP31, modul bluetooth, kipas, dan mikrokontroler ATSAM3X8E. Pengendalian suhu dilakukan dengan membandingkan set-point suhu yang diinginkan dengan suhu dari sensor. Dari penelitian ini diperoleh hasil bahwa semakin besar nilai tegangan yang diberikan maka semakin besar pula besar nilai Pulse Wave Modulation (PWM) yang dihasilkan. Semakin tinggi nilai besar PWM, semakin cepat penurunan suhu pada kotak pendingin. Dari beberapa pengujian dapat disimpulkan bahwa nilai parameter kontrol proporsional (Kp), parameter kontrol integral (Ki), dan nilai parameter kontrol deferensial (Kd ), dimana pada nilai Kp = 255, Ki = 100, dan Kd = 200 mendapatkan grafik yang lebih stabil dan mendekati nilai set-point, dengan nilai error sebesar 2,86 %.<br />
<br />
<br />
'''b. Perbedaan deterministik dan stokastik'''<br />
<br />
b.1 deterministik adalah sesuatu yang pasti akan terjadi. <br />
<br />
b.2 stokastik adalah Stokastik adalah kebolehjadian, atau dengan kata lain sesuatu yang belum terjadi kepastiannya. "Sesungguhnya, Allah tidak akan mengubah nasib suatu kaum, hingga mereka mengubahnya sendiri.." (Q.S. Ar-Ra'd [13] : 11) <br />
<br />
<br />
'''c . Komputasi Teknik pada Tugas Akhir'''<br />
<br />
Tipe tugas akhir saya adalah deteministik. Hal ini dikarenakan nilai dari PID yang saya tentukan pasti. Menurut pendapat saya untuk penerapan komputasi teknik pada tugas akhir saya adalah <br />
<br />
Pada penggunaan fitur controller PID, adalah kemampuan untuk menggunakan tiga tipe kontroller yakni propotional, integral dan derivatif yang mempengaruhi nilai keluaran kontroller untuk dipalikasikan pada nilai yang optimal dari kontroller itu sendiri. <br />
<br />
[[File:PID.png|400px|thumb|left ]]<br />
<br />
Diagram blok yang terdapat pada sebelah kiri menunjukkan bagamimana cara controller ini bekerja. Gambar tersebut menunjukan kontroller PID, yang mana secara kontinu menghitung nilai error e(t) sebagai selisih dari setpoint r(t) dan variabel proses y(t), dan pengaplikasian nya dikoreksi berdasakan propotional, integral, dan derivatif. Kontroller mencoba utnuk meminimalisir error dari lebih nya koreksi kontrol variabel u(t), salah satu contoh nya pengontrolan pada kecepatan kipas, kontrol PID dibutuhkan untuk mengetahui jumlah RPM selanjutnya pada kipas sehingga dapat mendinginkan suatu objek.<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
'''d. Komputasi pada tugas akhir saya kedepan nya'''<br />
<br />
Melakuakn simulasi CFD sederhana untuk melihat aliran fluida di dalam lemari pendingin<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan Ke-3''', (Senin 17-Februari-2020), Presentasi Sinopsis Project Komputasi Teknik ==<br />
<gallery mode="slideshow"><br />
File:PPT_1.png|200px|center|<br />
File:PPT_2.png|200px|center|<br />
File:PPT_3.png|200px|center|<br />
File:PPT_4.png|200px|center|<br />
File:ppt_5.png|200px|center|<br />
</gallery><br />
<br />
----<br />
<br />
== '''Pertemuan ke-4''', (Senin, 24 Februari 2020), Presentasi Model Matematis Project Komputasi Teknik ==<br />
<br />
----<br />
<br />
<br />
<br />
Skema kontrol PID dinamai dari ketiga term pengendalinya, yang kemudian dijumlahkan menjadi variabel manipulasi. Term proporsional, integral, dan derivatif dijumlahkan untuk menghitung keluaran kontroler PID. Dengan mendefinisikan u(t) sebagai keluaran kontroler, bentuk akhir dari algoritme PID adalah:<br />
<br />
<br />
<br />
[[File:Rumus1.png|300px|thumb|center ]]<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Contoh PID pada MATLAB<br />
|-<br />
|'''Jenis'''<br />
|'''Foto'''<br />
|'''Deskripsi'''<br />
|-<br />
! '''Porpotional Integral''' <br />
| [[File:Tilu.png|300px|thumb|left ]] || sys = zpk([],[-1 -1 -1],1); <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Loro.png|300px|thumb|left ]] || <br />
<br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
T_pi_fast = feedback(C_pi_fast*sys,1);<br />
step(T_pi,T_pi_fast)<br />
axis([0 30 0 1.4])<br />
legend('PI','PI,fast')<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Siji.png|300px|thumb|left ]] || <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
[C_pidf_fast,info] = pidtune(sys,'PIDF',1.0)<br />
T_pidf_fast = feedback(C_pidf_fast*sys,1);<br />
<br />
step(T_pi_fast, T_pidf_fast); <br />
<br />
axis([0 30 0 1.4]);<br />
<br />
legend('PI,fast','PIDF,fast');<br />
<br />
sys = zpk([],[-1 -1 -1],1); <br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
S_pi_fast = feedback(sys,C_pi_fast);<br />
S_pidf_fast = feedback(sys,C_pidf_fast);<br />
step(S_pi_fast,S_pidf_fast);<br />
axis([0 50 0 0.4]);<br />
legend('PI,fast','PIDF,fast');<br />
<br />
|-<br />
|}<br />
<br />
----<br />
<br />
<br />
== '''Pertemuan ke-5''', (2 Maret 2020), Quis I ==<br />
<br />
<br />
[[File:Photo 1.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 2.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 3.jpeg|350px|thumb|center ]]<br />
<br />
<br />
<br />
<br />
----<br />
== '''Finite ELement, Finite Diffirent, Finite Volume''' ==<br />
<br />
* '''Pengertian Finite Element :'''<br />
<br />
'''Finite Element :''' menyelesaikan suatu problem dengan cara membagi obyek analisa menjadi bagian-bagian kecil yang terhingga. Bagian-bagian kecil ini kemudian dianalisa dan hasilnya digabungkan kembali untuk mendapatkan penyelesaian untuk keseluruhan daerah. Kata “finite atau terhingga” digunakan untuk menekankan bahwa bagian-bagian kecil tersebut tidak tak terhingga, seperti yang lazim digunakan pada metode integral analitik.<br />
<br />
* '''Pengertian Finite Volume :'''<br />
<br />
'''Finite Volume :''' adalah metode yang digunakna untuk merepresentasikan persamaan diferensial parisial dalam bentuk persamaan algeraic. Didalam metode finite volume, mengintergalkan bagian dari persamaan diferensial parsial ,menggunakan teorema divergensi.<br />
<br />
* '''Pengertian Finite Different :'''<br />
<br />
'''Finite Different :''' adalah diskritisasi yang digunakan untuk menyelesaiakn persamaan diferensial dengan memperkirakan denagn persamaan diferensial yang menggunakan perbedaan yang mendekati derivatif.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Pertemuan ke-6''', Senin 9 Maret 2020, Extended Abstrak ==<br />
<br />
<br />
<br />
Name : Wsinu indrawan<br />
<br />
Title : Fluid Analysis For Mini Fan Refrigerator Using Thermoelectric Cooler <br />
<br />
The cooling is one of the processes can be used for various types of applications, starting from maintaining food industry products and medical products such as drugs and vaccines. The cooling process now still uses compression-based preservation technology using cooling gas. The types of cooling gas used are R134a and R600a. However, the R134a contains HF which has been banned for used, and the R600a contains HF gas which can reduce the ozone layer. In addition, a single fan compressor system that uses cooling gas in a steam compressor has difficulties in regulating the temperature of the target compartment. Based on this, an alternative cooling technology is needed. Thermoelectric cooler (TEC) is an alternative cooling technology, because TEC has advantages such as small size, lower noise and vibration, easier in temperature regulation, low maintenance requirements, can absorb heat using the principle of heat difference so that in addition to being able to the cooler can also be a heater, and besides that it can be turned on with a DC current. Obtained a solution in the form of cooling using a thermoelectric cooler, using a fan in the refrigerator.The current research examines the application of CFD (Computational Fluid Dynamic) to analyze the flow of wind into the refrigerator. Use the existing CFD analyst application. To analyze the flow of fluid entering the refrigerator, it is simplified for this refrigerator, by cutting the inside of the refrigerator. So that the incoming fluid flow can be reviewed, from the incoming air velocity can be analyzed with a simple correlation to the wind speed generated with existing pwm. It is expected that from this research, researchers can find out the wind phenomenon that is in the refrigerator so that it can be used for further research.<br />
<br />
<br />
<br />
<br />
[[File:G1.png|400px|thumb|center ]]<br />
<br />
[[File:test1.png|400px|thumb|center ]]<br />
<br />
== '''Optimasi Energi Pada Manusia''' ==<br />
<br />
The article below will describe how to make optimization in daily life, during one month<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Optimasi Energi Pada Manusia<br />
|-<br />
|'''Jenis'''<br />
|'''Perhitungan'''<br />
|'''Deskripsi'''<br />
|-<br />
! Step 1<br />
| [[File:gazo1.png|700px|left]] || Pertama saya menentukan jumlah jam yang dibutuhkan per hari secara acak dengan funsi rand di excel <br />
<br />
|-<br />
! Step 2 <br />
| [[File:gazo2.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 1<br />
<br />
|-<br />
! Step 3 <br />
| [[File:gazo3.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 2<br />
<br />
|-<br />
! Step 4 <br />
| [[File:gazo4.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 3<br />
<br />
<br />
|-<br />
! Step 5 <br />
| [[File:gazo5.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 4<br />
<br />
|-<br />
! Step 6 <br />
| [[File:hebat.png|700px|left]] || Mencari grafik polynomial pada salah satu minggu dan diadapatkan grafik polynom nya<br />
<br />
|-<br />
! Step 7 <br />
| [[File:gazo7.png|700px|left]] || hasil konversi watt ke rupiah pada hari senin pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 8 <br />
| [[File:gazo8.png|700px|left]] || hasil konversi watt ke rupiah pada hari selasa pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 9 <br />
| [[File:gazo9.png|700px|left]] || hasil konversi watt ke rupiah pada hari rabu pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 10 <br />
| [[File:gazo10.png|700px|left]] || hasil konversi watt ke rupiah pada hari jumat pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 11 <br />
| [[File:gazo11.png|700px|left]] || hasil konversi watt ke rupiah pada hari sabtu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step 12 <br />
| [[File:gazo12.png|700px|left]] || hasil konversi watt ke rupiah pada hari minggu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step Final<br />
| [[File:cobajadulu.png|700px|left]] || Mencoba memasukan nilai minimum ke dalam matlab dan mencari dengan curve fitting<br />
<br />
|-<br />
|}<br />
<br />
== '''Pengarahan Beberapa Teknologi Komputasi Teknik''', 16-03-2020 ==<br />
<br />
<br />
Pada pertemuan kali ini membahas masalah initial thinking, mendevelop model matematis, anlisa secara umum dan analisa secara khusus<br />
<br />
Mengembangkan model amtematis dari konsep model utama dari model matematis tersebut<br />
<br />
Dari modeling tersebut dibutuhkan beberapa tahapan pertama :<br />
<br />
*Constrain <br />
<br />
*Boundary Condition <br />
<br />
*Setelah beberapa tahapan itu masuk ke tahapan simulasi <br />
<br />
Pengertian Verifikasi : <br />
<br />
Verifikasi adalah teori filsafat positif logis dalam memilih yang menyatakan bahwa pengalaman adalah satu-satunya sumber dasar pengetahuan dan dalam analisis logis dapat dilakukan dengan bantuan simbol-simbol logika dengan menggunakan metode untuk pemecahkan masalah melalui metode verifikasi empirik yaitu bila terdapat sesuatu yang tidak dapat diverifikasi secara empirik maka hasilnya adalah sia-sia. penganut teori radikal ini memiliki masalah konsekuensi untuk filosofi tradisional, karena, jika benar, akan menyebabkan banyak pekerjaan sia-sia pada filosofis masa lalu, antara lain pada metafisika dan etika.<br />
<br />
Validasi : <br />
<br />
validasi adalah sebuah teknik validasi model untuk menilai bagaimana hasil statistik analisis akan menggeneralisasi kumpulan data independen. Teknik ini utamanya digunakan untuk melakukan prediksi model dan memperkirakan seberapa akurat sebuah model prediktif ketika dijalankan dalam praktiknya. Dalam sebuah masalah prediksi, sebuah model biasanya diberikan kumpulan data (dataset) yang diketahui untuk digunakan dalam menjalankan pelatihan (dataset pelatihan), serta kumpulan data yang tidak diketahui (atau data yang pertama kali dilihat) terhadap model yang diuji (pengujian dataset).[4] Tujuan dari validasi silang adalah untuk mendefinisikan dataset untuk "menguji" model dalam tahap pelatihan (yaitu, validasi data), dalam rangka untuk membatasi masalah seperti terjadinya overfitting, memberikan wawasan tentang bagaimana model akan menggeneralisasi independen dataset (yaitu, dataset tidak diketahui, misalnya dari masalah nyata), dll.<br />
<br />
== '''Ujian Tengah Semester''', Komputasi Teknik ==<br />
<br />
<br />
<br />
<br />
=== '''Video Pembelajaran Setiap Minggu''' ===<br />
<br />
<br />
'''Kemampuran Komputasi Teknik Selama Perkuliahan, Tutorial Menggunakan CFDSOF'''<br />
<br />
<br />
[[File:.pertemuan3wisnuindrawan.mp4||500px|center]]<br />
<br />
<br />
<br />
=== '''Draft Paper Komputasi Teknik''' ===<br />
<br />
<br />
==== BAB I ====<br />
<br />
Pendinginan salah satu teknologi yang memiliki berbagai macam pengaplikasian, dimulai dari menjaga produk makanan dari kebusukan dan berbagai pengendalian suhu dalam bidang elektronik dan industri lainnya (Gökçekdan Şahin, 2017).Salah satu teknologi pendinginan yang sekarang ini sering digunakan adalah teknologi berbasis kompresi uap karna mempunyai (COP) coefficient of performanceyang tinggi dan mempunyai harga yang lebih murah dibandingkan teknologi alternatif lainnya.Dalam proses pendinginan, teknologi kompresi uap menggunakan gas pendingin yang berfungsi untuk menyerap panas pada udara dalam ruangan, sehingga menjadi bersuhu rendah. Secara luas gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannyadan tipe R600a mengandung gas HF yang dapat mengurangi lapisan ozon (Söylemez dkk., 2018). Selain itu,pada sistem kompresor satu kipas yang menggunakan gas pendingin pada kompresor uap memiliki kesulitan dalampengaturan temperatur dari kompartemen target. Berdasarkan pernyataan tersebut diperlukan suatu teknologi pendingin alternatif. Thermoelectric cooler adalah salah satu alternatif teknologi pendingin, dikarenakan thermoelectric cooler memiliki kelebihan seperti berukuran kecil, kebisingan dan getaran yang lebih rendah, lebih mudah dalam pengaturan suhu, mebutuhkan perawatan yang sedikit, dan dapat dihidupkan dengan arus DC (Söylemezdkk., 2018). Pendinginan dengan menggunakan TEC (Termoelectric Cooling) telah digunakan untuk menghilangkan embun kaca depan kendaraan. Penelitian tersebut telah menghasilkan temperatur hingga 22,4 oC. Penelitian lainTEC telah digunakan untuk pendingin kotak minuman dengan menggunakan 3thermoelectric cooling, dimana dapat menghasilkan temperatur kotak minuman tanpa beban mencapai14,3 oC, dengan beban pendingin air sebanyak 1 liter sebesar 16,4 oC (Nulhakim, 2017). TEC (Termoelectric Cooling) tidak hanya dapat mendinginkan, tetapi dapat memanaskan di waktu yang bersamaan. Sifat dari TEC ini dapat dimanfaatkan untuk sistem pengaturan suhu ruangan. Untuk tujuan pengaturan suhu yang lebih akurat, dapat dipertimbangkan menggunakan sistem kontrol loop tertutup dengan PID (Propotional, Integral dan Derivative). Kelebihan dari pemakaian kontroler PID di loop tertutup adalah kontrol PID memiliki kemampuan untuk penyetelan otomatis, dan dapat adaptasi terhadap variasi waktu, sehinggasistem dari kontroler PID menyediakan aplikasi didalam industri dengan fitur kontrol yang lebih akurat dandapat disesuaikan dengan kebutuhan(Abdullah dan Ayman, 2008). Pengaturan PID pada umumnya menggunakan alat yang memakan banyak biaya. Tetapi menurut hasil dari eskperimen yang menyatakan bahwa kontroler PID menggunakna mikrokontoler tipe P18F4685 yang memiliki kapasitas 14 bit dapat menghasilkan kestabilan yang baik, dengan overshoot yang sedikit, dan memiliki waktu settling time yang sedikit pula (El-Nagar dan El-Bardini, 2014). Dari latar belakang tersebut diperlukan suatu sistem pendingin ruangan yang terkontrol secara otomatis menggunakanteknologi pendingin ramah lingkungan yang terkontrol dengan sistem kontrol loop tertutup, sehinggadapat manjadi salah satu alternatif teknologi pendingin ruangan.Berdasarkan potensi tersebut maka telah dilakukan penelitian tentang rancang bangun sistem pendingin ruangan menggunakan TEC (Thermoelectric Cooler) dengan kontroler PID.<br />
<br />
==== BAB II ====<br />
<br />
'''Sensor Suhu''' <br />
<br />
Salah satu jenis sensor suhu yang banyak digunakan di industri adalah tipe sensor suhu berbahan semikonduktor. Sensor ini menggunakankonfigurasi dioda atau transistor di kutub yang pada sambungan p-n bahan tersebut memiliki respon yang kuat terhadap suhu. Terdapat dua jenis pemberian tegangan pada sambungan p-n yaitu bias maju dan bias mundur seperti ditunjukkan pada Gambar 2.1. Ketika sambungan p-n bias maju dihubungkan dengansumber arus, maka terjadi beda potensial pada kedua sambungan. Beda potensial atau tegangan yang dihasilkan berbanding lurus dengan perubahan suhu(Suryono, 2018).<br />
<br />
[[File:wisnu.png|500px|center|]]<br />
<br />
<br />
<br />
'''Thermoelectric'''<br />
<br />
Modul thermoelectric khas dibuat menggunakan dua buah keramik berbentuk wafer dengan jenis bahan semikonduktor bismuth telluride P dan N yang diapit di antara keduanya seperti yang ditunjukkan pada Gambar 2.3. Bahan keramik di kedua sisi dari thermoelectric berfungsi untuk pelindung dan sebagai isolator listrik yang diperlukan. Bahan tipe-N memiliki kelebihan elektron, sementara bahan tipe-P membutuhkan elektron. Bahan P dan N membentuk pasangan, seperti yang ditunkjukan pada Gambar 2.3. Pasangan thermoelectric dipasang secara seri dan termal sejajar. Modul thermoelectric dapat berisi satu sampai beberapa ratus pasangan. Saat elektron bergerak dari bahan tipe-P ke bahan tipe-N melalui konektor listrik, elektron beralih ke keadaan energi yang lebih tinggi dan menyerap energi panas (sisi dingin) (Manikandan dkk., 2017).<br />
<br />
<br />
[[File:dewawisnuganteng.png|500px|center|]]<br />
<br />
<br />
<br />
<br />
<br />
==== BAB III ====<br />
<br />
Sistem pengendalian yang saya pakai adalah menggunakan mobile phone, jadi pada penyetingan set point pada PID menggunakan apliaksi mobile bebasis bluetooth<br />
<br />
<br />
[[File:bismillahadajalan.png|500px|center|]]<br />
<br />
Selanjut nya pada sistem kerja dari alat ini menggunakan sistem PID untuk mengatur kecepatan dari driver motor untuk mengatur suhu, jika suhu tidak sesuai dengan yang diinginkan maka kecepatan kipas akan terus bertambah.<br />
<br />
<br />
[[File:PIDBROH.png|500px|center|]]<br />
<br />
<br />
Hasil rancang bangun dari alat pendingin ditunjukan pada gambar dibawah ini<br />
<br />
<br />
[[File:celenganrindu.jpg|500px|center|]]<br />
<br />
Pembuatan interface untuk memasukkan data set point pada aplikasi mobile<br />
<br />
[[File:interface.png|500px|center|]]<br />
<br />
Pembuatan interface untuk mencari device bluetooth pada device-device sekitar<br />
<br />
[[File:tampilan2.png|500px|center|]]<br />
<br />
==== BAB IV ====<br />
<br />
Hasil data dari kalibrasi sensor suhu dengan alat ukur standart SNI <br />
<br />
<br />
[[File:akad.png|500px|center|]]<br />
<br />
<br />
Data PID setelah melakukan trial and error mendapatkan nilai Kp Kd Ki <br />
<br />
<br />
[[File:bismillahwisnudata.png|500px|center|]]<br />
<br />
=== '''Laporan Optimasi Energi''' ===<br />
<br />
<br />
Grafik Pada Minggu Pertama<br />
<br />
<br />
<br />
[[File:bersyukurlah.png|500px|center|]]<br />
<br />
[[File:gambarsatu.png|500px|center|]]<br />
<br />
<br />
[[File:semuaudahadarezekinya.png|500px|center|]]<br />
<br />
<br />
<br />
[[File:janganngeluhterus.png|500px|center|]]<br />
<br />
Gambar yang ditunjukan dengan menggunakna aplikasi sypder menunjukkan nilai x, nilai tersebut merupakan nilai minimum atau optimum dari persamaan yang telah dibuat dengan menggunakan excel<br />
<br />
<br />
Revisi Projek tugas komputasi teknik <br />
<br />
Pada kesempatan kali ini saya menggunakan case baru untuk menyelesaikan draft paper mata kuliah komputasi teknik <br />
<br />
Hal ini dikarenakan, ketertarikan penulis untuk mengangkat tema ini <br />
<br />
==Refisi draft paper==<br />
<br />
<br />
<br />
Beberapa contoh data dari nasabah yang dihasilkan untuk mengetahui apakah nasabah ingin meninggalkan bank dari data - data pribadi mereka, <br />
seperti lama mereka menggunakan jasa bank ini, jumlah tabungan mereka, kemudian umur mereka, dan dari pria atau wanita <br />
<br />
<br />
[[File:22 April 2020 5.png || 700px]]<br />
<br />
Pertama data yang berada dalam format csv dimasukan ke dalam pemograman python dengan maka akan muncul tampilan seperti diatas, ataua kerap<br />
disebut sebagai dataframe, setelah dataframe terbentuk maka dataframe tersebut di pecah - pecah atau dikelompokkan mana yang bisa digunakan untuk <br />
independent variable atau tidak <br />
<br />
<br />
<br />
[[File:22 April 2020 1.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 2.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 3.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 4.png || 700px]]<br />
<br />
<br />
methode dari draft paper ini adalah : <br />
<br />
'''mengguankan machine learning''' <br />
<br />
Pembelajaran mesin (ML) adalah studi tentang algoritma komputer yang meningkat secara otomatis melalui pengalaman. [1] Itu dilihat sebagai bagian dari kecerdasan buatan. Algoritma pembelajaran mesin membangun model matematika berdasarkan data sampel, yang dikenal sebagai "data pelatihan", untuk membuat prediksi atau keputusan tanpa diprogram secara eksplisit untuk melakukannya. [2] [3]: 2 Algoritma pembelajaran mesin digunakan dalam berbagai berbagai aplikasi, seperti penyaringan email dan visi komputer, di mana sulit atau tidak layak untuk mengembangkan algoritma konvensional untuk melakukan tugas-tugas yang diperlukan.<br />
<br />
Pembelajaran mesin terkait erat dengan statistik komputasi, yang berfokus pada membuat prediksi menggunakan komputer. Studi tentang optimasi matematika memberikan metode, teori dan domain aplikasi ke bidang pembelajaran mesin. Penambangan data adalah bidang studi terkait, dengan fokus pada analisis data eksplorasi melalui pembelajaran tanpa pengawasan.<br />
<br />
'''Realsi terhadap optimasi'''<br />
<br />
Pembelajaran mesin juga memiliki ikatan intim dengan optimisasi: banyak masalah pembelajaran dirumuskan sebagai minimalisasi beberapa fungsi kerugian pada serangkaian contoh pelatihan. Fungsi kerugian menyatakan perbedaan antara prediksi model yang sedang dilatih dan contoh masalah yang sebenarnya (misalnya, dalam klasifikasi, seseorang ingin menetapkan label pada instance, dan model dilatih untuk memprediksi dengan benar label yang telah ditetapkan sebelumnya dari sekumpulan contoh). Perbedaan antara dua bidang muncul dari tujuan generalisasi: sementara algoritma optimasi dapat meminimalkan kerugian pada set pelatihan, pembelajaran mesin berkaitan dengan meminimalkan kerugian pada sampel yang tidak terlihat. <br />
<br />
'''Relasi terhadap statistik'''<br />
<br />
Pembelajaran mesin dan statistik adalah bidang yang terkait erat dalam hal metode, tetapi berbeda dalam tujuan utamanya: statistik menarik kesimpulan populasi dari sampel, sementara pembelajaran mesin menemukan pola prediksi yang dapat digeneralisasikan. Menurut Michael I. Jordan, gagasan pembelajaran mesin, mulai dari prinsip metodologis hingga alat teoretis, telah memiliki pra-sejarah panjang dalam statistik. [22] Dia juga menyarankan istilah ilmu data sebagai pengganti untuk menyebut bidang keseluruhan. <br />
<br />
Leo Breiman membedakan dua paradigma pemodelan statistik: model data dan model algoritmik, [23] di mana "model algoritmik" berarti kurang lebih algoritma pembelajaran mesin seperti hutan acak.<br />
<br />
Beberapa ahli statistik telah mengadopsi metode dari pembelajaran mesin, yang mengarah ke bidang gabungan yang mereka sebut pembelajaran statistik. <br />
<br />
<br />
'''Teori'''<br />
<br />
Tujuan inti seorang pelajar adalah untuk menggeneralisasi dari pengalamannya. Generalisasi dalam konteks ini adalah kemampuan mesin pembelajaran untuk melakukan secara akurat pada contoh / tugas baru yang tidak terlihat setelah mengalami kumpulan data pembelajaran. Contoh-contoh pelatihan berasal dari beberapa distribusi probabilitas yang umumnya tidak diketahui (dianggap mewakili ruang kejadian) dan pelajar harus membangun model umum tentang ruang ini yang memungkinkannya menghasilkan prediksi yang cukup akurat dalam kasus-kasus baru.<br />
<br />
Analisis komputasi algoritma pembelajaran mesin dan kinerjanya adalah cabang ilmu komputer teoretis yang dikenal sebagai teori pembelajaran komputasi. Karena set pelatihan terbatas dan masa depan tidak pasti, teori pembelajaran biasanya tidak menghasilkan jaminan kinerja algoritma. Sebaliknya, batasan probabilistik pada kinerja cukup umum. Dekomposisi bias-varians adalah salah satu cara untuk mengukur kesalahan generalisasi.<br />
<br />
Untuk kinerja terbaik dalam konteks generalisasi, kompleksitas hipotesis harus sesuai dengan kompleksitas fungsi yang mendasari data. Jika hipotesis kurang kompleks dari fungsi, maka model memiliki data yang sesuai. Jika kompleksitas model meningkat dalam respons, maka kesalahan pelatihan berkurang. Tetapi jika hipotesisnya terlalu kompleks, maka modelnya akan mengalami overfitting dan generalisasi akan menjadi lebih buruk. <br />
<br />
Selain batas kinerja, ahli teori belajar mempelajari kompleksitas waktu dan kelayakan belajar. Dalam teori pembelajaran komputasi, perhitungan dianggap layak jika dapat dilakukan dalam waktu polinomial. Ada dua jenis hasil kompleksitas waktu. Hasil positif menunjukkan bahwa kelas fungsi tertentu dapat dipelajari dalam waktu polinomial. Hasil negatif menunjukkan bahwa kelas-kelas tertentu tidak dapat dipelajari dalam waktu polinomial.<br />
<br />
<br />
<br />
<br />
==== Metode ====<br />
<br />
'''metode machine learning ada beberapa tipe nya berikut penjelasan mengenai teori machine learning :'''<br />
<br />
<br />
1. Suppport Vector Machine (SVMs)<br />
<br />
Support vector Machines (SVMs) adalah algoritma pembelajaran mesin yang diawasi yang fleksibel namun kuat yang digunakan baik untuk klasifikasi dan regresi. Tetapi umumnya, mereka digunakan dalam masalah klasifikasi. Pada 1960-an, SVM pertama kali diperkenalkan tetapi kemudian disempurnakan pada tahun 1990. SVM memiliki cara implementasi yang unik dibandingkan dengan algoritma pembelajaran mesin lainnya. Akhir-akhir ini, mereka sangat populer karena kemampuan mereka untuk menangani beberapa variabel kontinu dan kategorikal.<br />
<br />
<br />
Dalam praktiknya, algoritma SVM diimplementasikan dengan kernel yang mengubah ruang data input ke dalam formulir yang diperlukan. SVM menggunakan teknik yang disebut trik kernel di mana kernel mengambil ruang input dimensi rendah dan mengubahnya menjadi ruang dimensi yang lebih tinggi. Dengan kata-kata sederhana, kernel mengubah masalah yang tidak dapat dipisahkan menjadi masalah yang dapat dipisahkan dengan menambahkan lebih banyak dimensi ke dalamnya. Itu membuat SVM lebih kuat, fleksibel dan akurat. Berikut ini adalah beberapa jenis kernel yang digunakan oleh SVM.<br />
<br />
<br />
Linear Kernel <br />
<br />
Ini dapat digunakan sebagai produk titik antara dua pengamatan. Rumus kernel linear adalah sebagai berikut<br />
<br />
Metode yang digunakan <br />
<br />
pada penelesaian masalah ini saya menggunakana beberapa engone dari python untuk melakuakn machine learning yakni '''sklearn''' dan '''tensor flow''', berikut penjelasan masing masing metode nya :<br />
<br />
ini adalah struktur skrip dari '''sklearn.prepocessing''' <br />
<br />
class sklearn.preprocessing.OneHotEncoder(*, categories='auto', drop=None, sparse=True, dtype=<class 'numpy.float64'>, handle_unknown='error')[source]<br />
<br />
kenapa class ini digunakan karena machine leraning tidak bisa memproses selain angka, tapi pada kasus ini saya menggunakan nama, umur dan beberapa proses yang menggunakan tipe string(kata - kata)<br />
sehigga sulit untuk di klasifikasikan.<br />
<br />
'''maka dari itu metode ini dapat digunakan.'''<br />
<br />
'''One Hot Encoding adalah :''' reperentasi kategori variabel dalam vektor biner. <br />
<br />
Pertama nilai dari proses ini dipetakan dala nilai integer (nilai angka yang benilai bilangan bulat, tidak memiliki nilai koma)<br />
<br />
Lalu, setiap nilai yang berbentuk integer ini direpresentasikan sebagai vektor biner yang semua nya bernilai nol kecuali yang terindeks integer, yang di tandai 1.<br />
<br />
Paper yang digunakna untuk metode sckit learning adalah :<br />
<br />
[[File:sckitwisnu1.png||700px||center]]<br />
<br />
[[File:sckitwisnu2.png||700px||center]]<br />
<br />
[[File:sckitwisnu3.png||700px||center]]<br />
<br />
[[File:sckitwisnu4.png||700px||center]]<br />
<br />
== Quis II, 6 April 2020 ==<br />
<br />
<br />
Assalamualaiakum Beerikut adalah link dari Quis 2<br />
Wisnu Indrawan <br />
1906433745<br />
<br />
https://drive.google.com/drive/folders/17z_x1nPTXBtnZl_PVhXRBZXdK5Wy0GMx?usp=sharing<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan Tanggal : Senin, 13 April 2020 ==<br />
<br />
<br />
<gallery mode="slideshow"><br />
File:Wisnu 12346798.png<br />
File:Wisnu 123467989.png<br />
File:Wisnu 12346798910.png<br />
File:Wisnu 12346798435435.png<br />
File:Wisnu 1234679843fdsaf4.png<br />
</gallery><br />
<br />
== Resume Pertemuan tanggal : Senin, 20 April 2020 ==<br />
<br />
<br />
<gallery mode="slideshow"><br />
<br />
<br />
File:qwerwqerqwerq_caseII_1.png<br />
File:qwerwqerqwerq_caseII_2.png<br />
File:24-04-2020-1-tugas komtek.png<br />
File:2020-04-24 23 12 57-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 22-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:hasil-24-04-2020.png<br />
File:2020-04-24 23 47 29-Book1 - Excel.png<br />
</gallery><br />
<br />
<br />
Penggunaan aplikasi python untuk mencari ann pada kasus ini terdapat perbedaan, untuk penggunaan matlab untuk mencari nilai ann pada aplikasi ini menggunakan nntool <br />
<br />
<br />
'''nntool''' <br />
<br />
[[File:nntoolwisnu.png||400px||center]]<br />
<br />
== Resume Pertemuan tanggal : Senin, 27 April 2020 ==<br />
<br />
1. Pemahaman terkait prinsip dan konsep komputasi teknik<br />
<br />
2. Penerapan konsep dan skill dalam komputasi teknik<br />
<br />
3. Lebih mengenal diri<br />
<br />
Dari 3 point diatas disampaikan via zoom dengan cara sebagai berikut:<br />
<br />
a. show your contributions<br />
<br />
b. your understanding<br />
<br />
c. your skill<br />
<br />
== Resume Pertemuan tanggal : Senin, 04 Mei 2020 ==<br />
<br />
<br />
<br />
- Pemahaman terkait prinsip dan konsep komputasi teknik<br />
<br />
- Penerapan konsep dan skill dalam komputasi teknik<br />
<br />
- Lebih mengenal diri baik individu maupun kelompok/ kelas<br />
<br />
Intisaru dari evaluasi diri ini adalah :<br />
<br />
- show your contributions<br />
<br />
- your understanding<br />
<br />
- your skkill<br />
<br />
== Resume Pertemuan tanggal : Senin, 11 Mei 2020 ==<br />
<br />
<br />
Pada pertemuan tanggal 11 Mei 2020 terdapat pembahasan selanjut nya pada pertemuan minggu lalu mengnai pressure drop. Pada pembahsan pada grup whatshap mengenai tentang pendapat individu mengenai kasus pressure drop dan di bahas kemabli dalam grup Komputasi Teknik via whatshapp. Diharapkan pada pembahasan ini secara personal memahami cases Basic Mechanics dan menjadi kewajiban bagi setiap mahsiwa menyatakan analisa pribadi terkait kasus tersebut. <br />
<br />
Berikut Hasil dari pembahasan kasus tersebut : <br />
<br />
<gallery mode="slideshow"><br />
File:WhatsApp Image 2020-05-12 at 19.30.27.jpeg<br />
File:WhatsApp Image 2020-05-11 at 09.41.12.jpeg<br />
File:WhatsApp Image 2020-05-12 at 16.50.43.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.51.38.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.53.29.jpeg<br />
</gallery><br />
<br />
<br />
<br />
'''Azikri '''<br />
<br />
sedikit tambahan terkait hal di atas, bahwa pada dasarnya aliran fluida dalam pipa akan mengalami penurunan tekanan atau pressure drop seiring dengan <br />
panjang pipa ataupun disebabkan oleh gesekan dengan permukaan<br />
saluran, dan juga ketika aliran melewati sambungan pipa, belokan, katup, difusor, dan sebagainya.<br />
Disisi lain, prinsip dasar persamaan kontinuitas juga jadi landasan dimana massa tidak dapat diciptakan dan<br />
tidak dapat dimusnahkan, sehingga massa dalam suatu sistem yang konstan dapat dinyatakan dengan rumus : rho.A.v=m<br />
<br />
atau Jika aliran fluida bersifat incompressible dan steady flow, maka persamaan menjadi : Q=A.v<br />
<br />
Singkatnya dr persmaan pertama bahwa pressure drop berbanding terbalik dengan D, dan begitu halnya dengan persamaan 2 tegangan geser berbanding <br />
terbalik dg A<br />
<br />
'''Adhika '''<br />
<br />
- Gaya Masuk - Gaya Geser Total = Gaya Keluar<br />
- Gaya Geser Total = Gaya Masuk - Gaya Keluar<br />
- Gaya Geser Total = P1.A - P2.A <br />
- Gaya Geser Total = dp . Luas Area Pipa<br />
Shear Stress . Luas Selimut = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(Luas Area Pipa . L. pi . 4) = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(L. pi . 4) / sqrt(Luas Area Pipa) = dp<br />
<br />
Kesimpulan:<br />
Luas Area Pipa semakin besar maka dp akan semakin kecil<br />
<br />
<br />
'''Jerry '''<br />
<br />
Ketika nilai A membesar, maka nilai D secara langsung juga membesar karena A merupakan fungsi D; A(D). <br />
<br />
Dari persamaan pressure drop, terlihat bahwa nilai D berbanding terbalik dengan nilai deltaP. <br />
<br />
Hal ini akan mengimplikasikan bahwa semakin besar nilai D, maka semakin kecil nilai deltaP<br />
<br />
'''Dessy'''<br />
<br />
Sederhananya jika dilihat dari persamaan untuk Pressure Drop maka sudah cukup jelas dalam menjawab pertanyaan mengapa ketika luas area (A) diperbesar <br />
menyebabkan nilai pressure drop yang menurun, dimana <br />
<br />
dP = f L rho V^2 / 2 D<br />
<br />
Dari persamaan diatas terlihat bahwa nilai diameter (pengaruhnya terhadap luas area) berbanding terbalik dengan nilai pressure loss dP.<br />
<br />
Tambahan juga jika dilihat dari nilai kecepatan (disini saya menggunakan analogi aliran fluida dalam pipa), secara logika apabila nilai luas <br />
penampang A diperbesar maka nilai kecepatan akan semakin kecil, sesuai dengan persamaan yang telah dijelaskan oleh saudara Dieter sebelumnya.<br />
<br />
Maka jika kembali ke persamaan pressure drop sesuai analogi ini, A yang besar akan menyebabkan nilai V menurun, akibatnya nilai dP pun akan menurun.<br />
<br />
Dari sini dapat disimpulkan bahwa semakin besar nilai diameter D, yang menghasilkan nilai area A yang semakin besar pula, menghasilkan nilai pressure <br />
drop dP yang semakin kecil.<br />
<br />
'''Muhammad Gumilar'''<br />
<br />
Ada hal menarik disini, dari beberapa yang saya perhtikan dari beberapa pendapat teman-teman, pengaruh dari adanya luasan atau diameter pipa akan <br />
mempengaruhi keepatan alir didalam pipa , sesuai dengan hukum kontinuitas. Berkaitan dengan hal ini, saya mencerna bahwa bisa saja sebenarnya jika <br />
kita membandingkan dua hal yang mana, dua buah pipa dengan diameter yang berbeda akan tetepa memiliki kecepatan aliran rata-rata yang sama, yang <br />
mana berarti kedua debit aliran dari pipa ini berbeda. Namun yang dititikberatkan pada pembahasannya adala, kenapa berdasarkan rumus pressure loss, <br />
apabila diameter membesar, maka pressure drop akan berkurang. Sedangkan dari persamaan yang lain, kita kethaui bahwa gaya gesek akibat adanya <br />
tegangan geser akan meningkat karena persamaannya adalah F=thow * A. <br />
<br />
Kebingunga dari mahasiswS1 tersebut menurut saya adalah pemahaman beliau yang tidak komprehensif terhadap kosnep pressure drop. Memang, pressure drop <br />
itu berhubungan erat dengan adanya gesekan viscous antara fluida dengan dinding pipa. Akan tetapi, ada hal penting yang dilupakan oleh sang mahasiswa <br />
S! tersebut, yaitu bahwa perbesaran diameter dari pipa juga akan mengakibatkan tegangan geser yang terjadi. Secara sederhana, sepemahaman saya, <br />
tegangan geser itu berbanding lurus dengan gradient kecepatan aliran fluida di sepanjang pipa, yaitu du/dy. Nah, apabila, dengan kecepatan rata-rata <br />
yang sama, diameter pipa semakin besar, maka gradient kecepatan di sepanjang pipa akan berkurang karena pengaruh gaya viscous antara dinding dan <br />
fluida juga semain berkurang. Oleh karena itu, pressure Drop yang terjadi juga akan semakin berkurang. Semoga bermanfaaat semua eheheheh<br />
<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan tanggal : Senin, 18 Mei 2020 ==<br />
<br />
Pada pertemuan kali ini membahas materi minggu lalu dan saya ingin menjelaskan lagi terkait tentang friction loss, berikut penjelasan nya <br />
<br />
Dalam aliran fluida, kehilangan gesekan (atau gesekan kulit) adalah hilangnya tekanan atau "head" yang terjadi pada pipa atau aliran saluran karena efek viskositas fluida di dekat permukaan pipa atau saluran. [1] Dalam sistem mekanis seperti mesin pembakaran internal, istilah ini mengacu pada daya yang hilang dalam mengatasi gesekan antara dua permukaan yang bergerak, sebuah fenomena yang berbeda.<br />
<br />
<br />
<br />
== Tugas Pengganti UAS ==<br />
<br />
Pada pembahasan UAS kali ini terdapat pembahasan mengenai mencari nilai top speed dari suatu mobil dengan menggunakan beberapa algoritma yang sudah dipelajari sealama perkuliahan : <br />
Berikut penjelasan terkait soal tersebut:<br />
<br />
[[File:uas_wisnu_123465789_1.png||500||center]]<br />
<br />
[[File:uas_wisnu_123465789_2.png||500||center]]<br />
<br />
[[File:uas_wisnu_123465789_3.png||500||center]]<br />
<br />
[[File:uas_wisnu_123465789_4.png||500||center]]<br />
<br />
[[File:uas_wisnu_123465789_5.png||500||center]]<br />
<br />
[[File:uas_wisnu_123465789_6.png||500||center]]<br />
<br />
[[File:uas_wisnu_123465789_7.png||500||center]]<br />
<br />
[[File:uas_wisnu_123465789_8.png||500||center]]<br />
<br />
[[File:uas_wisnu_123465789_9.png||500||center]]<br />
<br />
[[File:uas_wisnu_123465789_10.png||500||center]]<br />
<br />
[[File:uas_wisnu_123465789_11.png||500||center]]<br />
<br />
[[File:uas_wisnu_123465789_12.png||500||center]]<br />
<br />
[[File:uas_wisnu_123465789_13.png||500||center]]<br />
<br />
Link google drive laporan UAS : <br />
<br />
https://drive.google.com/file/d/1cnGMc2tPQOrVkqE1baiui99Ujvrne1BY/view?usp=sharing</div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=File:Uas_wisnu_123465789_13.png&diff=36349File:Uas wisnu 123465789 13.png2020-06-10T14:59:07Z<p>Wisnu indrawan: </p>
<hr />
<div></div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=File:Uas_wisnu_123465789_12.png&diff=36348File:Uas wisnu 123465789 12.png2020-06-10T14:58:50Z<p>Wisnu indrawan: Wisnu indrawan uploaded a new version of File:Uas wisnu 123465789 12.png</p>
<hr />
<div></div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=File:Uas_wisnu_123465789_12.png&diff=36347File:Uas wisnu 123465789 12.png2020-06-10T14:58:31Z<p>Wisnu indrawan: </p>
<hr />
<div></div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=File:Uas_wisnu_123465789_11.png&diff=36346File:Uas wisnu 123465789 11.png2020-06-10T14:58:13Z<p>Wisnu indrawan: Wisnu indrawan uploaded a new version of File:Uas wisnu 123465789 11.png</p>
<hr />
<div></div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=File:Uas_wisnu_123465789_11.png&diff=36345File:Uas wisnu 123465789 11.png2020-06-10T14:57:53Z<p>Wisnu indrawan: </p>
<hr />
<div></div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=File:Uas_wisnu_123465789_10.png&diff=36344File:Uas wisnu 123465789 10.png2020-06-10T14:57:35Z<p>Wisnu indrawan: </p>
<hr />
<div></div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=File:Uas_wisnu_123465789_9.png&diff=36343File:Uas wisnu 123465789 9.png2020-06-10T14:57:17Z<p>Wisnu indrawan: </p>
<hr />
<div></div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=File:Uas_wisnu_123465789_8.png&diff=36342File:Uas wisnu 123465789 8.png2020-06-10T14:56:59Z<p>Wisnu indrawan: Wisnu indrawan uploaded a new version of File:Uas wisnu 123465789 8.png</p>
<hr />
<div></div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=File:Uas_wisnu_123465789_8.png&diff=36341File:Uas wisnu 123465789 8.png2020-06-10T14:56:36Z<p>Wisnu indrawan: </p>
<hr />
<div></div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=File:Uas_wisnu_123465789_7.png&diff=36340File:Uas wisnu 123465789 7.png2020-06-10T14:56:08Z<p>Wisnu indrawan: </p>
<hr />
<div></div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=File:Uas_wisnu_123465789_6.png&diff=36339File:Uas wisnu 123465789 6.png2020-06-10T14:55:37Z<p>Wisnu indrawan: Wisnu indrawan uploaded a new version of File:Uas wisnu 123465789 6.png</p>
<hr />
<div></div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=File:Uas_wisnu_123465789_6.png&diff=36338File:Uas wisnu 123465789 6.png2020-06-10T14:55:12Z<p>Wisnu indrawan: </p>
<hr />
<div></div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=File:Uas_wisnu_123465789_5.png&diff=36337File:Uas wisnu 123465789 5.png2020-06-10T14:54:53Z<p>Wisnu indrawan: Wisnu indrawan uploaded a new version of File:Uas wisnu 123465789 5.png</p>
<hr />
<div></div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=File:Uas_wisnu_123465789_5.png&diff=36336File:Uas wisnu 123465789 5.png2020-06-10T14:54:36Z<p>Wisnu indrawan: </p>
<hr />
<div></div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=File:Uas_wisnu_123465789_4.png&diff=36335File:Uas wisnu 123465789 4.png2020-06-10T14:54:20Z<p>Wisnu indrawan: Wisnu indrawan uploaded a new version of File:Uas wisnu 123465789 4.png</p>
<hr />
<div></div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=File:Uas_wisnu_123465789_4.png&diff=36334File:Uas wisnu 123465789 4.png2020-06-10T14:54:05Z<p>Wisnu indrawan: </p>
<hr />
<div></div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=File:Uas_wisnu_123465789_3.png&diff=36333File:Uas wisnu 123465789 3.png2020-06-10T14:53:45Z<p>Wisnu indrawan: </p>
<hr />
<div></div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=File:Uas_wisnu_123465789_2.png&diff=36332File:Uas wisnu 123465789 2.png2020-06-10T14:53:12Z<p>Wisnu indrawan: </p>
<hr />
<div></div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=File:Uas_wisnu_123465789_1.png&diff=36331File:Uas wisnu 123465789 1.png2020-06-10T14:52:58Z<p>Wisnu indrawan: Wisnu indrawan uploaded a new version of File:Uas wisnu 123465789 1.png</p>
<hr />
<div></div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=File:Uas_wisnu_123465789_1.png&diff=36330File:Uas wisnu 123465789 1.png2020-06-10T14:52:42Z<p>Wisnu indrawan: </p>
<hr />
<div></div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=Wisnu_indrawan&diff=36329Wisnu indrawan2020-06-10T14:52:10Z<p>Wisnu indrawan: /* Tugas Pengganti UAS */</p>
<hr />
<div><br />
<br />
----<br />
<br />
== '''Biodata Diri :''' ==<br />
<br />
----<br />
<br />
<br />
[[File:wisnu.jpg|200px|thumb|left|Watashinonamaeha wisnu ndes ]]<br />
<br />
*Nama : Wisnu Indrawan <br />
<br />
*NPM : 1906433745<br />
<br />
*Jurusan : Teknik Mesin<br />
<br />
*Institusi : Universitas Indonesia<br />
<br />
*Penjuruan : SUBAK (Sistem Utilitas Bangunan)<br />
<br />
*Email : wisnu.indrawan@ui.ac.id<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Istilah - Istilah Teknik''' ==<br />
<br />
<br />
'''1. Clustering ''' <br />
<br />
*clustering adalah teknik machine learning berupa algoritma pengelompokkan objek-objek data berjumlah N menjadi <br />
kelompok-kelompok data tertentu (cluster)<br />
<br />
*Objek data yang beada dalam satu kelompok / cluster harus memiliki kemiripan <br />
<br />
*Semakin banyak data yang diperoleh sama dnegan semakin akurat hasil yang di dapatkan <br />
<br />
*Clustering merupakan salah satu jenis dari algoritma unsupervised learining, algoritma <br />
yang bertujuan untuk mempelajari dan menemukan pola dari suatu input yang diberikan tanpa menggunuakan label <br />
<br />
*Dengan penggunaan supervised learning, maka beberapa hal berikut ini dapat dilakukan <br />
<br />
'''1.''' Search: Membandingkan antar dokumen, gambar atau suara untuk menampilkan item serupa. <br />
<br />
'''2.''' Deteksi anomali: Mendeteksi perilaku yang tidak biasa yang biasanya berhubungan dengan hal-hal yang ingin dicegah atau dideteksi, seperti contoh penipuan. <br />
<br />
<br />
Selain itu teknik clustering terdapat beberapa algoritma di dalam nya yang akan dijelaskan istilah nya pada bagian bawah ini : <br />
<br />
<br />
<br />
'''2. K-Means Clustering'''<br />
<br />
*Tentukan jumlah cluster <br />
<br />
*alokasikan data ke dalam cluster secara rancodm <br />
<br />
*hitung centroid/rata-rata dari data yang ada di masing-masing cluster <br />
<br />
*alokasikan masing masing data ke centroid/data-data terdekat <br />
<br />
*kembali ke step 3, apabila masih ada data yang berpindah cluster atau apabila <br />
perubahan nilai centroid, ada yang di atas nilai threshold yang ditentikan atau apabila <br />
perubahan nilai pada objective function yang digunakan di atas nilai threshold yang ditentukan<br />
<br />
<br />
'''3. Mean-Shift Clustering<br />
'''<br />
*Untuk mejelaskan mean-shift, kita ilustrasikan sekumpulan titik dalam ruang <br />
dua dimensi <br />
<br />
*kita mulai dengan circular sliding window yang berpusat pada titik C(dipilih secara acak)<br />
dan memiliki jadi-jadir r sebagai kernel. Mean shift adalah algoritma yang melakukan pergeseran kernel ini secara iteratif <br />
ke daerah kepadatan yang lebih tinggi pada setiap langkah hingga konvegensi.\<br />
<br />
*pada setiap iterasi, sliding window digeser ke arah daerah dengan kepadatan lebih tinggi dengan menggeser titik tengahnya. kepadatan pada sliding window sebanding dengan jumlah tiitk di dalamnya <br />
<br />
*terus melakuakn pergeseran pada sliding window sesuai dengan rata -rata sampai tidak ada arah di mana pergeseran dapat mengakomondasikan lebih banyak titik di dalam kernel (tidak lagi meningkatkan densitas/jumlah titik di window)<br />
<br />
*langkah 1 hingga 3 ini dilakukan dengan banyak sliding window sampai semua titik terletak di dalam window. Ketika beberapa window saling berumpang tindih, window yang berisi titik terbanyak akan dipertahankan. Objek data kemudian dikelompokkan sesua dengan sliding window tempat mereka berada.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-1 ''', (Senin, 03 Februari 2020), Muhasabah ==<br />
<br />
<br />
----<br />
<br />
<br />
'''Muhasabah Diri :''' <br />
<br />
'''Muhasabah adalah''' : sesuatu hal yang perlu dan menjadikannya sebuah kebutuhan dalam tiap-tiap diri manusia, di dalam agama Islam, muhasabah sangatlah dianjurkan karena jika muhasabah bisa dijalankan dengan baik akan memberi banyak manfaat baik yang akan di dapatkan di dunia maupun diakhirat kelak.<br />
<br />
'''Pada pertemuan pertama kami mempelajari apa makna dari komputasi teknik :'''<br />
<br />
'''a. Definisi Komputasi'''<br />
<br />
Komputasi : setulnya bisa diartikan sebagai cara untuk menemukan pemecahan masalah dari data input dengan menggunakan suatu algoritme. Hal ini ialah apa yang disebut dengan teori komputasi, suatu sub-bidang dari ilmu komputer dan matematika. Selama ribuan tahun, perhitungan dan komputasi umumnya dilakukan dengan menggunakan pena dan kertas, atau kapur dan batu tulis, atau dikerjakan secara mental, kadang-kadang dengan bantuan suatu tabel. Namun sekarang, kebanyakan komputasi telah dilakukan dengan menggunakan komputer.<br />
<br />
Komputasi ilmiah dan numerik adalah bidang booming dalam penelitian, teknik, dan analitik. Revolusi dalam industri komputer selama beberapa dekade terakhir telah menyediakan alat baru dan kuat untuk praktisi komputasi. Ini telah memungkinkan usaha komputasi dari skala dan kompleksitas yang sebelumnya tidak pernah terjadi sebelumnya. Akibatnya, semua bidang dan industri bermunculan. Perkembangan ini masih berlangsung, dan ini menciptakan peluang baru seiring dengan meningkatnya perangkat keras, perangkat lunak, dan algoritme. Pada akhirnya, teknologi yang memungkinkan untuk gerakan ini adalah perangkat keras komputasi yang kuat yang telah dikembangkan dalam beberapa dekade terakhir. Namun, untuk seorang praktisi komputasi, lingkungan perangkat lunak yang digunakan untuk pekerjaan komputasi sama pentingnya dengan, jika tidak lebih penting daripada, perangkat keras di mana perhitungan dilakukan.<br />
<br />
'''b. Current state of knowledge'''<br />
<br />
Knowledge i have learned in master amount of application and I just know it in master degree, and this is application I had to learn in master degree, first is lab view, I use it for measure temperature in contactor, so I know the temperature at inlet and outlet, second is REFROP this application helped me to know enthalpy in refrigerant, is superheated or subcool, third but not last is CFD-SOF with this application I can calculate velocity of fluid at an object, for example, is I calculated velocity in planar plate, internal flow pipe, and so on. <br />
<br />
'''c. Pengalaman Komputasi Teknik'''<br />
<br />
Untuk pengalaman saya menggunakan komputasi sudah ada beberapa, seperti CFD SOF dan beberapa bahasa pemograman, tetapi di era data scientist sekarang banyak yang sedang menggunakan bahasa python untuk menjadi bahasa pemograman mereka, hal ini dikarekan python merupakan bahasa pemograman open source (gratis) dan mudah di gunakan untuk pemula, berikut dasar - dasar menggunakan bahsa python :<br />
<br />
'''c.1 Pengenalan Komputasi Menggunakan Python'''<br />
<br />
Python adalah bahasa pemrograman tingkat tinggi yang diartikan untuk keperluan umum yang banyak digunakan dalam komputasi ilmiah dan teknik. Pertama dan terpenting, Python terkenal dengan sintaks code yang bersih dan mudah dibaca. Pembacaan kode yang baik meningkatkan pemeliharaan, yang secara umum menghasilkan lebih sedikit bug dan aplikasi yang lebih baik secara keseluruhan, tetapi juga memungkinkan pengembangan kode yang cepat. Dalam pemecahan masalah komputasi, tentu saja, penting untuk mempertimbangkan kinerja algoritma dan implementasinya. Sementara kinerja runtime terbaik dapat dicapai dalam bahasa pemrograman tingkat rendah seperti fortran dan C, bekerja dalam bahasa tingkat tinggi seperti Python biasanya mengurangi waktu pengembangan dan seringkali menghasilkan kode yang lebih fleksibel dan dapat diperluas.<br />
<br />
'''c.2 Environement Untuk Komputasi Dengan Python''' <br />
<br />
Ada beberapa environtment berbeda yang dapat digunakan Python untuk komputasi ilmiah dan teknis. Keragaman ini memiliki kelebihan dan kekurangan dibandingkan dengan lingkungan yang didukung. Dalam produk komputasi memiliki keanekaragaman menyediakan fleksibilitas dan dinamika yang cocok untuk spesialisasi untuk kasus penggunaan tertentu. Di sini saya memberikan orientasi lingkungan umum untuk komputasi ilmiah. Contoh 3 GUI yang digunakan untuk menjalankan python adalah :<br />
<br />
'''c.2.1. IPython'''<br />
<br />
IPython merupakan sebuah console yang dapat dijalankan secara interaktif. Secara bersama dengan text editor untuk menuliskan code, menyediakan yang ringan untuk dikembangkan .<br />
<br />
'''c.2.2. The Jupyter Notebook'''<br />
<br />
Merupakan aplikasi web di mana kode Python dapat ditulis dan dieksekusi melalui browser web. Environtment ini sangat bagus untuk komputasi numerik, analisis, dan penyelesaian masalah, karena memungkinkan seseorang untuk mengumpulkan code, output yang dihasilkan oleh code, dokumentasi teknis terkait, dan analisis dan interpretasi, semuanya dalam satu dokumen.<br />
<br />
'''c.2.3. Spyder'''<br />
<br />
Integrated Development Environment, yang dapat digunakan untuk menulis dan menjalankan kode Python secara interaktif. IDE seperti Spyder adalah alat yang dapat diguankan untuk mengembangkan library dan modul Python yang bisa digunakan kembali<br />
<br />
'''c.2.4. Interpreter'''<br />
<br />
Cara standar untuk mengeksekusi kode Python adalah menjalankan program secara langsung melalui interpreter Python. Pada kebanyakan sistem, interpreter Python dipanggil menggunakan perintah python. Ketika Python file source diperintahkan sebagai argumen untuk perintah ini, kode Python dalam file tersebut dijalankan.<br />
<br />
$ python hello.py<br />
<br />
Hello from Python!<br />
<br />
Di sini file hello.py berisi satu baris:<br />
<br />
print("Hello from Python!")<br />
<br />
Untuk melihat versi Python mana yang diinstal, seseorang dapat menjalankan perintah python dengan argumen --version:<br />
<br />
$ python –version<br />
<br />
Python 3.6.5<br />
<br />
Adalah umum untuk menginstal lebih dari satu versi Python pada sistem yang sama. Setiap versi Python memelihara kumpulan perpustakaannya sendiri dan menyediakan perintah penerjemahnya sendiri (sehingga setiap lingkungan Python dapat menginstal perpustakaan yang berbeda). Pada banyak sistem, versi tertentu dari juru bahasa Python tersedia melalui perintah seperti, misalnya, python2.7 dan python3.6. Dimungkinkan juga untuk mengatur lingkungan python virtual yang independen dari lingkungan yang disediakan sistem. Ini memiliki banyak keuntungan dan saya sangat menyarankan untuk membiasakan diri dengan cara ini bekerja dengan Python. Lampiran A memberikan perincian tentang cara mengatur dan bekerja dengan lingkungan semacam ini.<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-2 : ''' (Senin, 10 Februari 2020), Sinopsis Tuga Akhir ==<br />
<br />
<br />
----<br />
<br />
<br />
'''a. Menjelaskan Sinopsis Tugas Akhir''' <br />
<br />
JUDUL : <br />
<br />
Sistem Pendingin Mengguankan Thermo Electric Cooler dengan Controller Propotional - Integral Derivative<br />
<br />
SINOPSIS : <br />
<br />
Pendinginan merupakan salah satu proses yang dapat digunakan untuk berbagai macam penggunaan, antara lain untuk menjaga produk industri makanan dan produk medis seperti obat-obatan dan vaksin. Proses pendinginan sekarang masih menggunakan teknologi pengawetan berbasis kompresi menggunakan gas pendingin. Tipe gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannya dan tipe R600a memiliki COP yang lebih rendah. Penelitian ini bertujuan merancang perangkat keras dan perangkat lunak yang dapat diaplikasikan pada pendingin termoelektrik, dengan merancang sebuah alat yang digunakan untuk sistem lemari pendingin menggunakan Thermoelectric Cooler (TEC) dan mendapatkan nilai COP yang tinggi. Sistem dibangun dengan kontroler Proportional Integral Derivative (PID). Sistem ini menggunakan beberapa alat antara lain, sensor suhu, Transistor tipe TIP31, modul bluetooth, kipas, dan mikrokontroler ATSAM3X8E. Pengendalian suhu dilakukan dengan membandingkan set-point suhu yang diinginkan dengan suhu dari sensor. Dari penelitian ini diperoleh hasil bahwa semakin besar nilai tegangan yang diberikan maka semakin besar pula besar nilai Pulse Wave Modulation (PWM) yang dihasilkan. Semakin tinggi nilai besar PWM, semakin cepat penurunan suhu pada kotak pendingin. Dari beberapa pengujian dapat disimpulkan bahwa nilai parameter kontrol proporsional (Kp), parameter kontrol integral (Ki), dan nilai parameter kontrol deferensial (Kd ), dimana pada nilai Kp = 255, Ki = 100, dan Kd = 200 mendapatkan grafik yang lebih stabil dan mendekati nilai set-point, dengan nilai error sebesar 2,86 %.<br />
<br />
<br />
'''b. Perbedaan deterministik dan stokastik'''<br />
<br />
b.1 deterministik adalah sesuatu yang pasti akan terjadi. <br />
<br />
b.2 stokastik adalah Stokastik adalah kebolehjadian, atau dengan kata lain sesuatu yang belum terjadi kepastiannya. "Sesungguhnya, Allah tidak akan mengubah nasib suatu kaum, hingga mereka mengubahnya sendiri.." (Q.S. Ar-Ra'd [13] : 11) <br />
<br />
<br />
'''c . Komputasi Teknik pada Tugas Akhir'''<br />
<br />
Tipe tugas akhir saya adalah deteministik. Hal ini dikarenakan nilai dari PID yang saya tentukan pasti. Menurut pendapat saya untuk penerapan komputasi teknik pada tugas akhir saya adalah <br />
<br />
Pada penggunaan fitur controller PID, adalah kemampuan untuk menggunakan tiga tipe kontroller yakni propotional, integral dan derivatif yang mempengaruhi nilai keluaran kontroller untuk dipalikasikan pada nilai yang optimal dari kontroller itu sendiri. <br />
<br />
[[File:PID.png|400px|thumb|left ]]<br />
<br />
Diagram blok yang terdapat pada sebelah kiri menunjukkan bagamimana cara controller ini bekerja. Gambar tersebut menunjukan kontroller PID, yang mana secara kontinu menghitung nilai error e(t) sebagai selisih dari setpoint r(t) dan variabel proses y(t), dan pengaplikasian nya dikoreksi berdasakan propotional, integral, dan derivatif. Kontroller mencoba utnuk meminimalisir error dari lebih nya koreksi kontrol variabel u(t), salah satu contoh nya pengontrolan pada kecepatan kipas, kontrol PID dibutuhkan untuk mengetahui jumlah RPM selanjutnya pada kipas sehingga dapat mendinginkan suatu objek.<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
'''d. Komputasi pada tugas akhir saya kedepan nya'''<br />
<br />
Melakuakn simulasi CFD sederhana untuk melihat aliran fluida di dalam lemari pendingin<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan Ke-3''', (Senin 17-Februari-2020), Presentasi Sinopsis Project Komputasi Teknik ==<br />
<gallery mode="slideshow"><br />
File:PPT_1.png|200px|center|<br />
File:PPT_2.png|200px|center|<br />
File:PPT_3.png|200px|center|<br />
File:PPT_4.png|200px|center|<br />
File:ppt_5.png|200px|center|<br />
</gallery><br />
<br />
----<br />
<br />
== '''Pertemuan ke-4''', (Senin, 24 Februari 2020), Presentasi Model Matematis Project Komputasi Teknik ==<br />
<br />
----<br />
<br />
<br />
<br />
Skema kontrol PID dinamai dari ketiga term pengendalinya, yang kemudian dijumlahkan menjadi variabel manipulasi. Term proporsional, integral, dan derivatif dijumlahkan untuk menghitung keluaran kontroler PID. Dengan mendefinisikan u(t) sebagai keluaran kontroler, bentuk akhir dari algoritme PID adalah:<br />
<br />
<br />
<br />
[[File:Rumus1.png|300px|thumb|center ]]<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Contoh PID pada MATLAB<br />
|-<br />
|'''Jenis'''<br />
|'''Foto'''<br />
|'''Deskripsi'''<br />
|-<br />
! '''Porpotional Integral''' <br />
| [[File:Tilu.png|300px|thumb|left ]] || sys = zpk([],[-1 -1 -1],1); <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Loro.png|300px|thumb|left ]] || <br />
<br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
T_pi_fast = feedback(C_pi_fast*sys,1);<br />
step(T_pi,T_pi_fast)<br />
axis([0 30 0 1.4])<br />
legend('PI','PI,fast')<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Siji.png|300px|thumb|left ]] || <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
[C_pidf_fast,info] = pidtune(sys,'PIDF',1.0)<br />
T_pidf_fast = feedback(C_pidf_fast*sys,1);<br />
<br />
step(T_pi_fast, T_pidf_fast); <br />
<br />
axis([0 30 0 1.4]);<br />
<br />
legend('PI,fast','PIDF,fast');<br />
<br />
sys = zpk([],[-1 -1 -1],1); <br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
S_pi_fast = feedback(sys,C_pi_fast);<br />
S_pidf_fast = feedback(sys,C_pidf_fast);<br />
step(S_pi_fast,S_pidf_fast);<br />
axis([0 50 0 0.4]);<br />
legend('PI,fast','PIDF,fast');<br />
<br />
|-<br />
|}<br />
<br />
----<br />
<br />
<br />
== '''Pertemuan ke-5''', (2 Maret 2020), Quis I ==<br />
<br />
<br />
[[File:Photo 1.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 2.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 3.jpeg|350px|thumb|center ]]<br />
<br />
<br />
<br />
<br />
----<br />
== '''Finite ELement, Finite Diffirent, Finite Volume''' ==<br />
<br />
* '''Pengertian Finite Element :'''<br />
<br />
'''Finite Element :''' menyelesaikan suatu problem dengan cara membagi obyek analisa menjadi bagian-bagian kecil yang terhingga. Bagian-bagian kecil ini kemudian dianalisa dan hasilnya digabungkan kembali untuk mendapatkan penyelesaian untuk keseluruhan daerah. Kata “finite atau terhingga” digunakan untuk menekankan bahwa bagian-bagian kecil tersebut tidak tak terhingga, seperti yang lazim digunakan pada metode integral analitik.<br />
<br />
* '''Pengertian Finite Volume :'''<br />
<br />
'''Finite Volume :''' adalah metode yang digunakna untuk merepresentasikan persamaan diferensial parisial dalam bentuk persamaan algeraic. Didalam metode finite volume, mengintergalkan bagian dari persamaan diferensial parsial ,menggunakan teorema divergensi.<br />
<br />
* '''Pengertian Finite Different :'''<br />
<br />
'''Finite Different :''' adalah diskritisasi yang digunakan untuk menyelesaiakn persamaan diferensial dengan memperkirakan denagn persamaan diferensial yang menggunakan perbedaan yang mendekati derivatif.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Pertemuan ke-6''', Senin 9 Maret 2020, Extended Abstrak ==<br />
<br />
<br />
<br />
Name : Wsinu indrawan<br />
<br />
Title : Fluid Analysis For Mini Fan Refrigerator Using Thermoelectric Cooler <br />
<br />
The cooling is one of the processes can be used for various types of applications, starting from maintaining food industry products and medical products such as drugs and vaccines. The cooling process now still uses compression-based preservation technology using cooling gas. The types of cooling gas used are R134a and R600a. However, the R134a contains HF which has been banned for used, and the R600a contains HF gas which can reduce the ozone layer. In addition, a single fan compressor system that uses cooling gas in a steam compressor has difficulties in regulating the temperature of the target compartment. Based on this, an alternative cooling technology is needed. Thermoelectric cooler (TEC) is an alternative cooling technology, because TEC has advantages such as small size, lower noise and vibration, easier in temperature regulation, low maintenance requirements, can absorb heat using the principle of heat difference so that in addition to being able to the cooler can also be a heater, and besides that it can be turned on with a DC current. Obtained a solution in the form of cooling using a thermoelectric cooler, using a fan in the refrigerator.The current research examines the application of CFD (Computational Fluid Dynamic) to analyze the flow of wind into the refrigerator. Use the existing CFD analyst application. To analyze the flow of fluid entering the refrigerator, it is simplified for this refrigerator, by cutting the inside of the refrigerator. So that the incoming fluid flow can be reviewed, from the incoming air velocity can be analyzed with a simple correlation to the wind speed generated with existing pwm. It is expected that from this research, researchers can find out the wind phenomenon that is in the refrigerator so that it can be used for further research.<br />
<br />
<br />
<br />
<br />
[[File:G1.png|400px|thumb|center ]]<br />
<br />
[[File:test1.png|400px|thumb|center ]]<br />
<br />
== '''Optimasi Energi Pada Manusia''' ==<br />
<br />
The article below will describe how to make optimization in daily life, during one month<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Optimasi Energi Pada Manusia<br />
|-<br />
|'''Jenis'''<br />
|'''Perhitungan'''<br />
|'''Deskripsi'''<br />
|-<br />
! Step 1<br />
| [[File:gazo1.png|700px|left]] || Pertama saya menentukan jumlah jam yang dibutuhkan per hari secara acak dengan funsi rand di excel <br />
<br />
|-<br />
! Step 2 <br />
| [[File:gazo2.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 1<br />
<br />
|-<br />
! Step 3 <br />
| [[File:gazo3.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 2<br />
<br />
|-<br />
! Step 4 <br />
| [[File:gazo4.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 3<br />
<br />
<br />
|-<br />
! Step 5 <br />
| [[File:gazo5.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 4<br />
<br />
|-<br />
! Step 6 <br />
| [[File:hebat.png|700px|left]] || Mencari grafik polynomial pada salah satu minggu dan diadapatkan grafik polynom nya<br />
<br />
|-<br />
! Step 7 <br />
| [[File:gazo7.png|700px|left]] || hasil konversi watt ke rupiah pada hari senin pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 8 <br />
| [[File:gazo8.png|700px|left]] || hasil konversi watt ke rupiah pada hari selasa pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 9 <br />
| [[File:gazo9.png|700px|left]] || hasil konversi watt ke rupiah pada hari rabu pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 10 <br />
| [[File:gazo10.png|700px|left]] || hasil konversi watt ke rupiah pada hari jumat pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 11 <br />
| [[File:gazo11.png|700px|left]] || hasil konversi watt ke rupiah pada hari sabtu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step 12 <br />
| [[File:gazo12.png|700px|left]] || hasil konversi watt ke rupiah pada hari minggu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step Final<br />
| [[File:cobajadulu.png|700px|left]] || Mencoba memasukan nilai minimum ke dalam matlab dan mencari dengan curve fitting<br />
<br />
|-<br />
|}<br />
<br />
== '''Pengarahan Beberapa Teknologi Komputasi Teknik''', 16-03-2020 ==<br />
<br />
<br />
Pada pertemuan kali ini membahas masalah initial thinking, mendevelop model matematis, anlisa secara umum dan analisa secara khusus<br />
<br />
Mengembangkan model amtematis dari konsep model utama dari model matematis tersebut<br />
<br />
Dari modeling tersebut dibutuhkan beberapa tahapan pertama :<br />
<br />
*Constrain <br />
<br />
*Boundary Condition <br />
<br />
*Setelah beberapa tahapan itu masuk ke tahapan simulasi <br />
<br />
Pengertian Verifikasi : <br />
<br />
Verifikasi adalah teori filsafat positif logis dalam memilih yang menyatakan bahwa pengalaman adalah satu-satunya sumber dasar pengetahuan dan dalam analisis logis dapat dilakukan dengan bantuan simbol-simbol logika dengan menggunakan metode untuk pemecahkan masalah melalui metode verifikasi empirik yaitu bila terdapat sesuatu yang tidak dapat diverifikasi secara empirik maka hasilnya adalah sia-sia. penganut teori radikal ini memiliki masalah konsekuensi untuk filosofi tradisional, karena, jika benar, akan menyebabkan banyak pekerjaan sia-sia pada filosofis masa lalu, antara lain pada metafisika dan etika.<br />
<br />
Validasi : <br />
<br />
validasi adalah sebuah teknik validasi model untuk menilai bagaimana hasil statistik analisis akan menggeneralisasi kumpulan data independen. Teknik ini utamanya digunakan untuk melakukan prediksi model dan memperkirakan seberapa akurat sebuah model prediktif ketika dijalankan dalam praktiknya. Dalam sebuah masalah prediksi, sebuah model biasanya diberikan kumpulan data (dataset) yang diketahui untuk digunakan dalam menjalankan pelatihan (dataset pelatihan), serta kumpulan data yang tidak diketahui (atau data yang pertama kali dilihat) terhadap model yang diuji (pengujian dataset).[4] Tujuan dari validasi silang adalah untuk mendefinisikan dataset untuk "menguji" model dalam tahap pelatihan (yaitu, validasi data), dalam rangka untuk membatasi masalah seperti terjadinya overfitting, memberikan wawasan tentang bagaimana model akan menggeneralisasi independen dataset (yaitu, dataset tidak diketahui, misalnya dari masalah nyata), dll.<br />
<br />
== '''Ujian Tengah Semester''', Komputasi Teknik ==<br />
<br />
<br />
<br />
<br />
=== '''Video Pembelajaran Setiap Minggu''' ===<br />
<br />
<br />
'''Kemampuran Komputasi Teknik Selama Perkuliahan, Tutorial Menggunakan CFDSOF'''<br />
<br />
<br />
[[File:.pertemuan3wisnuindrawan.mp4||500px|center]]<br />
<br />
<br />
<br />
=== '''Draft Paper Komputasi Teknik''' ===<br />
<br />
<br />
==== BAB I ====<br />
<br />
Pendinginan salah satu teknologi yang memiliki berbagai macam pengaplikasian, dimulai dari menjaga produk makanan dari kebusukan dan berbagai pengendalian suhu dalam bidang elektronik dan industri lainnya (Gökçekdan Şahin, 2017).Salah satu teknologi pendinginan yang sekarang ini sering digunakan adalah teknologi berbasis kompresi uap karna mempunyai (COP) coefficient of performanceyang tinggi dan mempunyai harga yang lebih murah dibandingkan teknologi alternatif lainnya.Dalam proses pendinginan, teknologi kompresi uap menggunakan gas pendingin yang berfungsi untuk menyerap panas pada udara dalam ruangan, sehingga menjadi bersuhu rendah. Secara luas gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannyadan tipe R600a mengandung gas HF yang dapat mengurangi lapisan ozon (Söylemez dkk., 2018). Selain itu,pada sistem kompresor satu kipas yang menggunakan gas pendingin pada kompresor uap memiliki kesulitan dalampengaturan temperatur dari kompartemen target. Berdasarkan pernyataan tersebut diperlukan suatu teknologi pendingin alternatif. Thermoelectric cooler adalah salah satu alternatif teknologi pendingin, dikarenakan thermoelectric cooler memiliki kelebihan seperti berukuran kecil, kebisingan dan getaran yang lebih rendah, lebih mudah dalam pengaturan suhu, mebutuhkan perawatan yang sedikit, dan dapat dihidupkan dengan arus DC (Söylemezdkk., 2018). Pendinginan dengan menggunakan TEC (Termoelectric Cooling) telah digunakan untuk menghilangkan embun kaca depan kendaraan. Penelitian tersebut telah menghasilkan temperatur hingga 22,4 oC. Penelitian lainTEC telah digunakan untuk pendingin kotak minuman dengan menggunakan 3thermoelectric cooling, dimana dapat menghasilkan temperatur kotak minuman tanpa beban mencapai14,3 oC, dengan beban pendingin air sebanyak 1 liter sebesar 16,4 oC (Nulhakim, 2017). TEC (Termoelectric Cooling) tidak hanya dapat mendinginkan, tetapi dapat memanaskan di waktu yang bersamaan. Sifat dari TEC ini dapat dimanfaatkan untuk sistem pengaturan suhu ruangan. Untuk tujuan pengaturan suhu yang lebih akurat, dapat dipertimbangkan menggunakan sistem kontrol loop tertutup dengan PID (Propotional, Integral dan Derivative). Kelebihan dari pemakaian kontroler PID di loop tertutup adalah kontrol PID memiliki kemampuan untuk penyetelan otomatis, dan dapat adaptasi terhadap variasi waktu, sehinggasistem dari kontroler PID menyediakan aplikasi didalam industri dengan fitur kontrol yang lebih akurat dandapat disesuaikan dengan kebutuhan(Abdullah dan Ayman, 2008). Pengaturan PID pada umumnya menggunakan alat yang memakan banyak biaya. Tetapi menurut hasil dari eskperimen yang menyatakan bahwa kontroler PID menggunakna mikrokontoler tipe P18F4685 yang memiliki kapasitas 14 bit dapat menghasilkan kestabilan yang baik, dengan overshoot yang sedikit, dan memiliki waktu settling time yang sedikit pula (El-Nagar dan El-Bardini, 2014). Dari latar belakang tersebut diperlukan suatu sistem pendingin ruangan yang terkontrol secara otomatis menggunakanteknologi pendingin ramah lingkungan yang terkontrol dengan sistem kontrol loop tertutup, sehinggadapat manjadi salah satu alternatif teknologi pendingin ruangan.Berdasarkan potensi tersebut maka telah dilakukan penelitian tentang rancang bangun sistem pendingin ruangan menggunakan TEC (Thermoelectric Cooler) dengan kontroler PID.<br />
<br />
==== BAB II ====<br />
<br />
'''Sensor Suhu''' <br />
<br />
Salah satu jenis sensor suhu yang banyak digunakan di industri adalah tipe sensor suhu berbahan semikonduktor. Sensor ini menggunakankonfigurasi dioda atau transistor di kutub yang pada sambungan p-n bahan tersebut memiliki respon yang kuat terhadap suhu. Terdapat dua jenis pemberian tegangan pada sambungan p-n yaitu bias maju dan bias mundur seperti ditunjukkan pada Gambar 2.1. Ketika sambungan p-n bias maju dihubungkan dengansumber arus, maka terjadi beda potensial pada kedua sambungan. Beda potensial atau tegangan yang dihasilkan berbanding lurus dengan perubahan suhu(Suryono, 2018).<br />
<br />
[[File:wisnu.png|500px|center|]]<br />
<br />
<br />
<br />
'''Thermoelectric'''<br />
<br />
Modul thermoelectric khas dibuat menggunakan dua buah keramik berbentuk wafer dengan jenis bahan semikonduktor bismuth telluride P dan N yang diapit di antara keduanya seperti yang ditunjukkan pada Gambar 2.3. Bahan keramik di kedua sisi dari thermoelectric berfungsi untuk pelindung dan sebagai isolator listrik yang diperlukan. Bahan tipe-N memiliki kelebihan elektron, sementara bahan tipe-P membutuhkan elektron. Bahan P dan N membentuk pasangan, seperti yang ditunkjukan pada Gambar 2.3. Pasangan thermoelectric dipasang secara seri dan termal sejajar. Modul thermoelectric dapat berisi satu sampai beberapa ratus pasangan. Saat elektron bergerak dari bahan tipe-P ke bahan tipe-N melalui konektor listrik, elektron beralih ke keadaan energi yang lebih tinggi dan menyerap energi panas (sisi dingin) (Manikandan dkk., 2017).<br />
<br />
<br />
[[File:dewawisnuganteng.png|500px|center|]]<br />
<br />
<br />
<br />
<br />
<br />
==== BAB III ====<br />
<br />
Sistem pengendalian yang saya pakai adalah menggunakan mobile phone, jadi pada penyetingan set point pada PID menggunakan apliaksi mobile bebasis bluetooth<br />
<br />
<br />
[[File:bismillahadajalan.png|500px|center|]]<br />
<br />
Selanjut nya pada sistem kerja dari alat ini menggunakan sistem PID untuk mengatur kecepatan dari driver motor untuk mengatur suhu, jika suhu tidak sesuai dengan yang diinginkan maka kecepatan kipas akan terus bertambah.<br />
<br />
<br />
[[File:PIDBROH.png|500px|center|]]<br />
<br />
<br />
Hasil rancang bangun dari alat pendingin ditunjukan pada gambar dibawah ini<br />
<br />
<br />
[[File:celenganrindu.jpg|500px|center|]]<br />
<br />
Pembuatan interface untuk memasukkan data set point pada aplikasi mobile<br />
<br />
[[File:interface.png|500px|center|]]<br />
<br />
Pembuatan interface untuk mencari device bluetooth pada device-device sekitar<br />
<br />
[[File:tampilan2.png|500px|center|]]<br />
<br />
==== BAB IV ====<br />
<br />
Hasil data dari kalibrasi sensor suhu dengan alat ukur standart SNI <br />
<br />
<br />
[[File:akad.png|500px|center|]]<br />
<br />
<br />
Data PID setelah melakukan trial and error mendapatkan nilai Kp Kd Ki <br />
<br />
<br />
[[File:bismillahwisnudata.png|500px|center|]]<br />
<br />
=== '''Laporan Optimasi Energi''' ===<br />
<br />
<br />
Grafik Pada Minggu Pertama<br />
<br />
<br />
<br />
[[File:bersyukurlah.png|500px|center|]]<br />
<br />
[[File:gambarsatu.png|500px|center|]]<br />
<br />
<br />
[[File:semuaudahadarezekinya.png|500px|center|]]<br />
<br />
<br />
<br />
[[File:janganngeluhterus.png|500px|center|]]<br />
<br />
Gambar yang ditunjukan dengan menggunakna aplikasi sypder menunjukkan nilai x, nilai tersebut merupakan nilai minimum atau optimum dari persamaan yang telah dibuat dengan menggunakan excel<br />
<br />
<br />
Revisi Projek tugas komputasi teknik <br />
<br />
Pada kesempatan kali ini saya menggunakan case baru untuk menyelesaikan draft paper mata kuliah komputasi teknik <br />
<br />
Hal ini dikarenakan, ketertarikan penulis untuk mengangkat tema ini <br />
<br />
==Refisi draft paper==<br />
<br />
<br />
<br />
Beberapa contoh data dari nasabah yang dihasilkan untuk mengetahui apakah nasabah ingin meninggalkan bank dari data - data pribadi mereka, <br />
seperti lama mereka menggunakan jasa bank ini, jumlah tabungan mereka, kemudian umur mereka, dan dari pria atau wanita <br />
<br />
<br />
[[File:22 April 2020 5.png || 700px]]<br />
<br />
Pertama data yang berada dalam format csv dimasukan ke dalam pemograman python dengan maka akan muncul tampilan seperti diatas, ataua kerap<br />
disebut sebagai dataframe, setelah dataframe terbentuk maka dataframe tersebut di pecah - pecah atau dikelompokkan mana yang bisa digunakan untuk <br />
independent variable atau tidak <br />
<br />
<br />
<br />
[[File:22 April 2020 1.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 2.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 3.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 4.png || 700px]]<br />
<br />
<br />
methode dari draft paper ini adalah : <br />
<br />
'''mengguankan machine learning''' <br />
<br />
Pembelajaran mesin (ML) adalah studi tentang algoritma komputer yang meningkat secara otomatis melalui pengalaman. [1] Itu dilihat sebagai bagian dari kecerdasan buatan. Algoritma pembelajaran mesin membangun model matematika berdasarkan data sampel, yang dikenal sebagai "data pelatihan", untuk membuat prediksi atau keputusan tanpa diprogram secara eksplisit untuk melakukannya. [2] [3]: 2 Algoritma pembelajaran mesin digunakan dalam berbagai berbagai aplikasi, seperti penyaringan email dan visi komputer, di mana sulit atau tidak layak untuk mengembangkan algoritma konvensional untuk melakukan tugas-tugas yang diperlukan.<br />
<br />
Pembelajaran mesin terkait erat dengan statistik komputasi, yang berfokus pada membuat prediksi menggunakan komputer. Studi tentang optimasi matematika memberikan metode, teori dan domain aplikasi ke bidang pembelajaran mesin. Penambangan data adalah bidang studi terkait, dengan fokus pada analisis data eksplorasi melalui pembelajaran tanpa pengawasan.<br />
<br />
'''Realsi terhadap optimasi'''<br />
<br />
Pembelajaran mesin juga memiliki ikatan intim dengan optimisasi: banyak masalah pembelajaran dirumuskan sebagai minimalisasi beberapa fungsi kerugian pada serangkaian contoh pelatihan. Fungsi kerugian menyatakan perbedaan antara prediksi model yang sedang dilatih dan contoh masalah yang sebenarnya (misalnya, dalam klasifikasi, seseorang ingin menetapkan label pada instance, dan model dilatih untuk memprediksi dengan benar label yang telah ditetapkan sebelumnya dari sekumpulan contoh). Perbedaan antara dua bidang muncul dari tujuan generalisasi: sementara algoritma optimasi dapat meminimalkan kerugian pada set pelatihan, pembelajaran mesin berkaitan dengan meminimalkan kerugian pada sampel yang tidak terlihat. <br />
<br />
'''Relasi terhadap statistik'''<br />
<br />
Pembelajaran mesin dan statistik adalah bidang yang terkait erat dalam hal metode, tetapi berbeda dalam tujuan utamanya: statistik menarik kesimpulan populasi dari sampel, sementara pembelajaran mesin menemukan pola prediksi yang dapat digeneralisasikan. Menurut Michael I. Jordan, gagasan pembelajaran mesin, mulai dari prinsip metodologis hingga alat teoretis, telah memiliki pra-sejarah panjang dalam statistik. [22] Dia juga menyarankan istilah ilmu data sebagai pengganti untuk menyebut bidang keseluruhan. <br />
<br />
Leo Breiman membedakan dua paradigma pemodelan statistik: model data dan model algoritmik, [23] di mana "model algoritmik" berarti kurang lebih algoritma pembelajaran mesin seperti hutan acak.<br />
<br />
Beberapa ahli statistik telah mengadopsi metode dari pembelajaran mesin, yang mengarah ke bidang gabungan yang mereka sebut pembelajaran statistik. <br />
<br />
<br />
'''Teori'''<br />
<br />
Tujuan inti seorang pelajar adalah untuk menggeneralisasi dari pengalamannya. Generalisasi dalam konteks ini adalah kemampuan mesin pembelajaran untuk melakukan secara akurat pada contoh / tugas baru yang tidak terlihat setelah mengalami kumpulan data pembelajaran. Contoh-contoh pelatihan berasal dari beberapa distribusi probabilitas yang umumnya tidak diketahui (dianggap mewakili ruang kejadian) dan pelajar harus membangun model umum tentang ruang ini yang memungkinkannya menghasilkan prediksi yang cukup akurat dalam kasus-kasus baru.<br />
<br />
Analisis komputasi algoritma pembelajaran mesin dan kinerjanya adalah cabang ilmu komputer teoretis yang dikenal sebagai teori pembelajaran komputasi. Karena set pelatihan terbatas dan masa depan tidak pasti, teori pembelajaran biasanya tidak menghasilkan jaminan kinerja algoritma. Sebaliknya, batasan probabilistik pada kinerja cukup umum. Dekomposisi bias-varians adalah salah satu cara untuk mengukur kesalahan generalisasi.<br />
<br />
Untuk kinerja terbaik dalam konteks generalisasi, kompleksitas hipotesis harus sesuai dengan kompleksitas fungsi yang mendasari data. Jika hipotesis kurang kompleks dari fungsi, maka model memiliki data yang sesuai. Jika kompleksitas model meningkat dalam respons, maka kesalahan pelatihan berkurang. Tetapi jika hipotesisnya terlalu kompleks, maka modelnya akan mengalami overfitting dan generalisasi akan menjadi lebih buruk. <br />
<br />
Selain batas kinerja, ahli teori belajar mempelajari kompleksitas waktu dan kelayakan belajar. Dalam teori pembelajaran komputasi, perhitungan dianggap layak jika dapat dilakukan dalam waktu polinomial. Ada dua jenis hasil kompleksitas waktu. Hasil positif menunjukkan bahwa kelas fungsi tertentu dapat dipelajari dalam waktu polinomial. Hasil negatif menunjukkan bahwa kelas-kelas tertentu tidak dapat dipelajari dalam waktu polinomial.<br />
<br />
<br />
<br />
<br />
==== Metode ====<br />
<br />
'''metode machine learning ada beberapa tipe nya berikut penjelasan mengenai teori machine learning :'''<br />
<br />
<br />
1. Suppport Vector Machine (SVMs)<br />
<br />
Support vector Machines (SVMs) adalah algoritma pembelajaran mesin yang diawasi yang fleksibel namun kuat yang digunakan baik untuk klasifikasi dan regresi. Tetapi umumnya, mereka digunakan dalam masalah klasifikasi. Pada 1960-an, SVM pertama kali diperkenalkan tetapi kemudian disempurnakan pada tahun 1990. SVM memiliki cara implementasi yang unik dibandingkan dengan algoritma pembelajaran mesin lainnya. Akhir-akhir ini, mereka sangat populer karena kemampuan mereka untuk menangani beberapa variabel kontinu dan kategorikal.<br />
<br />
<br />
Dalam praktiknya, algoritma SVM diimplementasikan dengan kernel yang mengubah ruang data input ke dalam formulir yang diperlukan. SVM menggunakan teknik yang disebut trik kernel di mana kernel mengambil ruang input dimensi rendah dan mengubahnya menjadi ruang dimensi yang lebih tinggi. Dengan kata-kata sederhana, kernel mengubah masalah yang tidak dapat dipisahkan menjadi masalah yang dapat dipisahkan dengan menambahkan lebih banyak dimensi ke dalamnya. Itu membuat SVM lebih kuat, fleksibel dan akurat. Berikut ini adalah beberapa jenis kernel yang digunakan oleh SVM.<br />
<br />
<br />
Linear Kernel <br />
<br />
Ini dapat digunakan sebagai produk titik antara dua pengamatan. Rumus kernel linear adalah sebagai berikut<br />
<br />
Metode yang digunakan <br />
<br />
pada penelesaian masalah ini saya menggunakana beberapa engone dari python untuk melakuakn machine learning yakni '''sklearn''' dan '''tensor flow''', berikut penjelasan masing masing metode nya :<br />
<br />
ini adalah struktur skrip dari '''sklearn.prepocessing''' <br />
<br />
class sklearn.preprocessing.OneHotEncoder(*, categories='auto', drop=None, sparse=True, dtype=<class 'numpy.float64'>, handle_unknown='error')[source]<br />
<br />
kenapa class ini digunakan karena machine leraning tidak bisa memproses selain angka, tapi pada kasus ini saya menggunakan nama, umur dan beberapa proses yang menggunakan tipe string(kata - kata)<br />
sehigga sulit untuk di klasifikasikan.<br />
<br />
'''maka dari itu metode ini dapat digunakan.'''<br />
<br />
'''One Hot Encoding adalah :''' reperentasi kategori variabel dalam vektor biner. <br />
<br />
Pertama nilai dari proses ini dipetakan dala nilai integer (nilai angka yang benilai bilangan bulat, tidak memiliki nilai koma)<br />
<br />
Lalu, setiap nilai yang berbentuk integer ini direpresentasikan sebagai vektor biner yang semua nya bernilai nol kecuali yang terindeks integer, yang di tandai 1.<br />
<br />
Paper yang digunakna untuk metode sckit learning adalah :<br />
<br />
[[File:sckitwisnu1.png||700px||center]]<br />
<br />
[[File:sckitwisnu2.png||700px||center]]<br />
<br />
[[File:sckitwisnu3.png||700px||center]]<br />
<br />
[[File:sckitwisnu4.png||700px||center]]<br />
<br />
== Quis II, 6 April 2020 ==<br />
<br />
<br />
Assalamualaiakum Beerikut adalah link dari Quis 2<br />
Wisnu Indrawan <br />
1906433745<br />
<br />
https://drive.google.com/drive/folders/17z_x1nPTXBtnZl_PVhXRBZXdK5Wy0GMx?usp=sharing<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan Tanggal : Senin, 13 April 2020 ==<br />
<br />
<br />
<gallery mode="slideshow"><br />
File:Wisnu 12346798.png<br />
File:Wisnu 123467989.png<br />
File:Wisnu 12346798910.png<br />
File:Wisnu 12346798435435.png<br />
File:Wisnu 1234679843fdsaf4.png<br />
</gallery><br />
<br />
== Resume Pertemuan tanggal : Senin, 20 April 2020 ==<br />
<br />
<br />
<gallery mode="slideshow"><br />
<br />
<br />
File:qwerwqerqwerq_caseII_1.png<br />
File:qwerwqerqwerq_caseII_2.png<br />
File:24-04-2020-1-tugas komtek.png<br />
File:2020-04-24 23 12 57-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 22-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:hasil-24-04-2020.png<br />
File:2020-04-24 23 47 29-Book1 - Excel.png<br />
</gallery><br />
<br />
<br />
Penggunaan aplikasi python untuk mencari ann pada kasus ini terdapat perbedaan, untuk penggunaan matlab untuk mencari nilai ann pada aplikasi ini menggunakan nntool <br />
<br />
<br />
'''nntool''' <br />
<br />
[[File:nntoolwisnu.png||400px||center]]<br />
<br />
== Resume Pertemuan tanggal : Senin, 27 April 2020 ==<br />
<br />
1. Pemahaman terkait prinsip dan konsep komputasi teknik<br />
<br />
2. Penerapan konsep dan skill dalam komputasi teknik<br />
<br />
3. Lebih mengenal diri<br />
<br />
Dari 3 point diatas disampaikan via zoom dengan cara sebagai berikut:<br />
<br />
a. show your contributions<br />
<br />
b. your understanding<br />
<br />
c. your skill<br />
<br />
== Resume Pertemuan tanggal : Senin, 04 Mei 2020 ==<br />
<br />
<br />
<br />
- Pemahaman terkait prinsip dan konsep komputasi teknik<br />
<br />
- Penerapan konsep dan skill dalam komputasi teknik<br />
<br />
- Lebih mengenal diri baik individu maupun kelompok/ kelas<br />
<br />
Intisaru dari evaluasi diri ini adalah :<br />
<br />
- show your contributions<br />
<br />
- your understanding<br />
<br />
- your skkill<br />
<br />
== Resume Pertemuan tanggal : Senin, 11 Mei 2020 ==<br />
<br />
<br />
Pada pertemuan tanggal 11 Mei 2020 terdapat pembahasan selanjut nya pada pertemuan minggu lalu mengnai pressure drop. Pada pembahsan pada grup whatshap mengenai tentang pendapat individu mengenai kasus pressure drop dan di bahas kemabli dalam grup Komputasi Teknik via whatshapp. Diharapkan pada pembahasan ini secara personal memahami cases Basic Mechanics dan menjadi kewajiban bagi setiap mahsiwa menyatakan analisa pribadi terkait kasus tersebut. <br />
<br />
Berikut Hasil dari pembahasan kasus tersebut : <br />
<br />
<gallery mode="slideshow"><br />
File:WhatsApp Image 2020-05-12 at 19.30.27.jpeg<br />
File:WhatsApp Image 2020-05-11 at 09.41.12.jpeg<br />
File:WhatsApp Image 2020-05-12 at 16.50.43.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.51.38.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.53.29.jpeg<br />
</gallery><br />
<br />
<br />
<br />
'''Azikri '''<br />
<br />
sedikit tambahan terkait hal di atas, bahwa pada dasarnya aliran fluida dalam pipa akan mengalami penurunan tekanan atau pressure drop seiring dengan <br />
panjang pipa ataupun disebabkan oleh gesekan dengan permukaan<br />
saluran, dan juga ketika aliran melewati sambungan pipa, belokan, katup, difusor, dan sebagainya.<br />
Disisi lain, prinsip dasar persamaan kontinuitas juga jadi landasan dimana massa tidak dapat diciptakan dan<br />
tidak dapat dimusnahkan, sehingga massa dalam suatu sistem yang konstan dapat dinyatakan dengan rumus : rho.A.v=m<br />
<br />
atau Jika aliran fluida bersifat incompressible dan steady flow, maka persamaan menjadi : Q=A.v<br />
<br />
Singkatnya dr persmaan pertama bahwa pressure drop berbanding terbalik dengan D, dan begitu halnya dengan persamaan 2 tegangan geser berbanding <br />
terbalik dg A<br />
<br />
'''Adhika '''<br />
<br />
- Gaya Masuk - Gaya Geser Total = Gaya Keluar<br />
- Gaya Geser Total = Gaya Masuk - Gaya Keluar<br />
- Gaya Geser Total = P1.A - P2.A <br />
- Gaya Geser Total = dp . Luas Area Pipa<br />
Shear Stress . Luas Selimut = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(Luas Area Pipa . L. pi . 4) = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(L. pi . 4) / sqrt(Luas Area Pipa) = dp<br />
<br />
Kesimpulan:<br />
Luas Area Pipa semakin besar maka dp akan semakin kecil<br />
<br />
<br />
'''Jerry '''<br />
<br />
Ketika nilai A membesar, maka nilai D secara langsung juga membesar karena A merupakan fungsi D; A(D). <br />
<br />
Dari persamaan pressure drop, terlihat bahwa nilai D berbanding terbalik dengan nilai deltaP. <br />
<br />
Hal ini akan mengimplikasikan bahwa semakin besar nilai D, maka semakin kecil nilai deltaP<br />
<br />
'''Dessy'''<br />
<br />
Sederhananya jika dilihat dari persamaan untuk Pressure Drop maka sudah cukup jelas dalam menjawab pertanyaan mengapa ketika luas area (A) diperbesar <br />
menyebabkan nilai pressure drop yang menurun, dimana <br />
<br />
dP = f L rho V^2 / 2 D<br />
<br />
Dari persamaan diatas terlihat bahwa nilai diameter (pengaruhnya terhadap luas area) berbanding terbalik dengan nilai pressure loss dP.<br />
<br />
Tambahan juga jika dilihat dari nilai kecepatan (disini saya menggunakan analogi aliran fluida dalam pipa), secara logika apabila nilai luas <br />
penampang A diperbesar maka nilai kecepatan akan semakin kecil, sesuai dengan persamaan yang telah dijelaskan oleh saudara Dieter sebelumnya.<br />
<br />
Maka jika kembali ke persamaan pressure drop sesuai analogi ini, A yang besar akan menyebabkan nilai V menurun, akibatnya nilai dP pun akan menurun.<br />
<br />
Dari sini dapat disimpulkan bahwa semakin besar nilai diameter D, yang menghasilkan nilai area A yang semakin besar pula, menghasilkan nilai pressure <br />
drop dP yang semakin kecil.<br />
<br />
'''Muhammad Gumilar'''<br />
<br />
Ada hal menarik disini, dari beberapa yang saya perhtikan dari beberapa pendapat teman-teman, pengaruh dari adanya luasan atau diameter pipa akan <br />
mempengaruhi keepatan alir didalam pipa , sesuai dengan hukum kontinuitas. Berkaitan dengan hal ini, saya mencerna bahwa bisa saja sebenarnya jika <br />
kita membandingkan dua hal yang mana, dua buah pipa dengan diameter yang berbeda akan tetepa memiliki kecepatan aliran rata-rata yang sama, yang <br />
mana berarti kedua debit aliran dari pipa ini berbeda. Namun yang dititikberatkan pada pembahasannya adala, kenapa berdasarkan rumus pressure loss, <br />
apabila diameter membesar, maka pressure drop akan berkurang. Sedangkan dari persamaan yang lain, kita kethaui bahwa gaya gesek akibat adanya <br />
tegangan geser akan meningkat karena persamaannya adalah F=thow * A. <br />
<br />
Kebingunga dari mahasiswS1 tersebut menurut saya adalah pemahaman beliau yang tidak komprehensif terhadap kosnep pressure drop. Memang, pressure drop <br />
itu berhubungan erat dengan adanya gesekan viscous antara fluida dengan dinding pipa. Akan tetapi, ada hal penting yang dilupakan oleh sang mahasiswa <br />
S! tersebut, yaitu bahwa perbesaran diameter dari pipa juga akan mengakibatkan tegangan geser yang terjadi. Secara sederhana, sepemahaman saya, <br />
tegangan geser itu berbanding lurus dengan gradient kecepatan aliran fluida di sepanjang pipa, yaitu du/dy. Nah, apabila, dengan kecepatan rata-rata <br />
yang sama, diameter pipa semakin besar, maka gradient kecepatan di sepanjang pipa akan berkurang karena pengaruh gaya viscous antara dinding dan <br />
fluida juga semain berkurang. Oleh karena itu, pressure Drop yang terjadi juga akan semakin berkurang. Semoga bermanfaaat semua eheheheh<br />
<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan tanggal : Senin, 18 Mei 2020 ==<br />
<br />
Pada pertemuan kali ini membahas materi minggu lalu dan saya ingin menjelaskan lagi terkait tentang friction loss, berikut penjelasan nya <br />
<br />
Dalam aliran fluida, kehilangan gesekan (atau gesekan kulit) adalah hilangnya tekanan atau "head" yang terjadi pada pipa atau aliran saluran karena efek viskositas fluida di dekat permukaan pipa atau saluran. [1] Dalam sistem mekanis seperti mesin pembakaran internal, istilah ini mengacu pada daya yang hilang dalam mengatasi gesekan antara dua permukaan yang bergerak, sebuah fenomena yang berbeda.<br />
<br />
<br />
<br />
== Tugas Pengganti UAS ==<br />
<br />
Pada pembahasan UAS kali ini terdapat pembahasan mengenai mencari nilai top speed dari suatu mobil dengan menggunakan beberapa algoritma yang sudah dipelajari sealama perkuliahan : <br />
Berikut penjelasan terkait soal tersebut:<br />
<br />
[[File:uas_wisnu_123465789_1.png||500||center]]<br />
<br />
[[File:uas_wisnu_123465789_2.png||500||center]]<br />
<br />
[[File:uas_wisnu_123465789_3.png||500||center]]<br />
<br />
[[File:uas_wisnu_123465789_4.png||500||center]]<br />
<br />
[[File:uas_wisnu_123465789_5.png||500||center]]<br />
<br />
[[File:uas_wisnu_123465789_6.png||500||center]]<br />
<br />
[[File:uas_wisnu_123465789_7.png||500||center]]<br />
<br />
[[File:uas_wisnu_123465789_8.png||500||center]]<br />
<br />
[[File:uas_wisnu_123465789_9.png||500||center]]<br />
<br />
[[File:uas_wisnu_123465789_10.png||500||center]]<br />
<br />
[[File:uas_wisnu_123465789_11.png||500||center]]<br />
<br />
[[File:uas_wisnu_123465789_12.png||500||center]]<br />
<br />
[[File:uas_wisnu_123465789_13.png||500||center]]</div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=Wisnu_indrawan&diff=36197Wisnu indrawan2020-06-10T11:56:44Z<p>Wisnu indrawan: /* UAS */</p>
<hr />
<div><br />
<br />
----<br />
<br />
== '''Biodata Diri :''' ==<br />
<br />
----<br />
<br />
<br />
[[File:wisnu.jpg|200px|thumb|left|Watashinonamaeha wisnu ndes ]]<br />
<br />
*Nama : Wisnu Indrawan <br />
<br />
*NPM : 1906433745<br />
<br />
*Jurusan : Teknik Mesin<br />
<br />
*Institusi : Universitas Indonesia<br />
<br />
*Penjuruan : SUBAK (Sistem Utilitas Bangunan)<br />
<br />
*Email : wisnu.indrawan@ui.ac.id<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Istilah - Istilah Teknik''' ==<br />
<br />
<br />
'''1. Clustering ''' <br />
<br />
*clustering adalah teknik machine learning berupa algoritma pengelompokkan objek-objek data berjumlah N menjadi <br />
kelompok-kelompok data tertentu (cluster)<br />
<br />
*Objek data yang beada dalam satu kelompok / cluster harus memiliki kemiripan <br />
<br />
*Semakin banyak data yang diperoleh sama dnegan semakin akurat hasil yang di dapatkan <br />
<br />
*Clustering merupakan salah satu jenis dari algoritma unsupervised learining, algoritma <br />
yang bertujuan untuk mempelajari dan menemukan pola dari suatu input yang diberikan tanpa menggunuakan label <br />
<br />
*Dengan penggunaan supervised learning, maka beberapa hal berikut ini dapat dilakukan <br />
<br />
'''1.''' Search: Membandingkan antar dokumen, gambar atau suara untuk menampilkan item serupa. <br />
<br />
'''2.''' Deteksi anomali: Mendeteksi perilaku yang tidak biasa yang biasanya berhubungan dengan hal-hal yang ingin dicegah atau dideteksi, seperti contoh penipuan. <br />
<br />
<br />
Selain itu teknik clustering terdapat beberapa algoritma di dalam nya yang akan dijelaskan istilah nya pada bagian bawah ini : <br />
<br />
<br />
<br />
'''2. K-Means Clustering'''<br />
<br />
*Tentukan jumlah cluster <br />
<br />
*alokasikan data ke dalam cluster secara rancodm <br />
<br />
*hitung centroid/rata-rata dari data yang ada di masing-masing cluster <br />
<br />
*alokasikan masing masing data ke centroid/data-data terdekat <br />
<br />
*kembali ke step 3, apabila masih ada data yang berpindah cluster atau apabila <br />
perubahan nilai centroid, ada yang di atas nilai threshold yang ditentikan atau apabila <br />
perubahan nilai pada objective function yang digunakan di atas nilai threshold yang ditentukan<br />
<br />
<br />
'''3. Mean-Shift Clustering<br />
'''<br />
*Untuk mejelaskan mean-shift, kita ilustrasikan sekumpulan titik dalam ruang <br />
dua dimensi <br />
<br />
*kita mulai dengan circular sliding window yang berpusat pada titik C(dipilih secara acak)<br />
dan memiliki jadi-jadir r sebagai kernel. Mean shift adalah algoritma yang melakukan pergeseran kernel ini secara iteratif <br />
ke daerah kepadatan yang lebih tinggi pada setiap langkah hingga konvegensi.\<br />
<br />
*pada setiap iterasi, sliding window digeser ke arah daerah dengan kepadatan lebih tinggi dengan menggeser titik tengahnya. kepadatan pada sliding window sebanding dengan jumlah tiitk di dalamnya <br />
<br />
*terus melakuakn pergeseran pada sliding window sesuai dengan rata -rata sampai tidak ada arah di mana pergeseran dapat mengakomondasikan lebih banyak titik di dalam kernel (tidak lagi meningkatkan densitas/jumlah titik di window)<br />
<br />
*langkah 1 hingga 3 ini dilakukan dengan banyak sliding window sampai semua titik terletak di dalam window. Ketika beberapa window saling berumpang tindih, window yang berisi titik terbanyak akan dipertahankan. Objek data kemudian dikelompokkan sesua dengan sliding window tempat mereka berada.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-1 ''', (Senin, 03 Februari 2020), Muhasabah ==<br />
<br />
<br />
----<br />
<br />
<br />
'''Muhasabah Diri :''' <br />
<br />
'''Muhasabah adalah''' : sesuatu hal yang perlu dan menjadikannya sebuah kebutuhan dalam tiap-tiap diri manusia, di dalam agama Islam, muhasabah sangatlah dianjurkan karena jika muhasabah bisa dijalankan dengan baik akan memberi banyak manfaat baik yang akan di dapatkan di dunia maupun diakhirat kelak.<br />
<br />
'''Pada pertemuan pertama kami mempelajari apa makna dari komputasi teknik :'''<br />
<br />
'''a. Definisi Komputasi'''<br />
<br />
Komputasi : setulnya bisa diartikan sebagai cara untuk menemukan pemecahan masalah dari data input dengan menggunakan suatu algoritme. Hal ini ialah apa yang disebut dengan teori komputasi, suatu sub-bidang dari ilmu komputer dan matematika. Selama ribuan tahun, perhitungan dan komputasi umumnya dilakukan dengan menggunakan pena dan kertas, atau kapur dan batu tulis, atau dikerjakan secara mental, kadang-kadang dengan bantuan suatu tabel. Namun sekarang, kebanyakan komputasi telah dilakukan dengan menggunakan komputer.<br />
<br />
Komputasi ilmiah dan numerik adalah bidang booming dalam penelitian, teknik, dan analitik. Revolusi dalam industri komputer selama beberapa dekade terakhir telah menyediakan alat baru dan kuat untuk praktisi komputasi. Ini telah memungkinkan usaha komputasi dari skala dan kompleksitas yang sebelumnya tidak pernah terjadi sebelumnya. Akibatnya, semua bidang dan industri bermunculan. Perkembangan ini masih berlangsung, dan ini menciptakan peluang baru seiring dengan meningkatnya perangkat keras, perangkat lunak, dan algoritme. Pada akhirnya, teknologi yang memungkinkan untuk gerakan ini adalah perangkat keras komputasi yang kuat yang telah dikembangkan dalam beberapa dekade terakhir. Namun, untuk seorang praktisi komputasi, lingkungan perangkat lunak yang digunakan untuk pekerjaan komputasi sama pentingnya dengan, jika tidak lebih penting daripada, perangkat keras di mana perhitungan dilakukan.<br />
<br />
'''b. Current state of knowledge'''<br />
<br />
Knowledge i have learned in master amount of application and I just know it in master degree, and this is application I had to learn in master degree, first is lab view, I use it for measure temperature in contactor, so I know the temperature at inlet and outlet, second is REFROP this application helped me to know enthalpy in refrigerant, is superheated or subcool, third but not last is CFD-SOF with this application I can calculate velocity of fluid at an object, for example, is I calculated velocity in planar plate, internal flow pipe, and so on. <br />
<br />
'''c. Pengalaman Komputasi Teknik'''<br />
<br />
Untuk pengalaman saya menggunakan komputasi sudah ada beberapa, seperti CFD SOF dan beberapa bahasa pemograman, tetapi di era data scientist sekarang banyak yang sedang menggunakan bahasa python untuk menjadi bahasa pemograman mereka, hal ini dikarekan python merupakan bahasa pemograman open source (gratis) dan mudah di gunakan untuk pemula, berikut dasar - dasar menggunakan bahsa python :<br />
<br />
'''c.1 Pengenalan Komputasi Menggunakan Python'''<br />
<br />
Python adalah bahasa pemrograman tingkat tinggi yang diartikan untuk keperluan umum yang banyak digunakan dalam komputasi ilmiah dan teknik. Pertama dan terpenting, Python terkenal dengan sintaks code yang bersih dan mudah dibaca. Pembacaan kode yang baik meningkatkan pemeliharaan, yang secara umum menghasilkan lebih sedikit bug dan aplikasi yang lebih baik secara keseluruhan, tetapi juga memungkinkan pengembangan kode yang cepat. Dalam pemecahan masalah komputasi, tentu saja, penting untuk mempertimbangkan kinerja algoritma dan implementasinya. Sementara kinerja runtime terbaik dapat dicapai dalam bahasa pemrograman tingkat rendah seperti fortran dan C, bekerja dalam bahasa tingkat tinggi seperti Python biasanya mengurangi waktu pengembangan dan seringkali menghasilkan kode yang lebih fleksibel dan dapat diperluas.<br />
<br />
'''c.2 Environement Untuk Komputasi Dengan Python''' <br />
<br />
Ada beberapa environtment berbeda yang dapat digunakan Python untuk komputasi ilmiah dan teknis. Keragaman ini memiliki kelebihan dan kekurangan dibandingkan dengan lingkungan yang didukung. Dalam produk komputasi memiliki keanekaragaman menyediakan fleksibilitas dan dinamika yang cocok untuk spesialisasi untuk kasus penggunaan tertentu. Di sini saya memberikan orientasi lingkungan umum untuk komputasi ilmiah. Contoh 3 GUI yang digunakan untuk menjalankan python adalah :<br />
<br />
'''c.2.1. IPython'''<br />
<br />
IPython merupakan sebuah console yang dapat dijalankan secara interaktif. Secara bersama dengan text editor untuk menuliskan code, menyediakan yang ringan untuk dikembangkan .<br />
<br />
'''c.2.2. The Jupyter Notebook'''<br />
<br />
Merupakan aplikasi web di mana kode Python dapat ditulis dan dieksekusi melalui browser web. Environtment ini sangat bagus untuk komputasi numerik, analisis, dan penyelesaian masalah, karena memungkinkan seseorang untuk mengumpulkan code, output yang dihasilkan oleh code, dokumentasi teknis terkait, dan analisis dan interpretasi, semuanya dalam satu dokumen.<br />
<br />
'''c.2.3. Spyder'''<br />
<br />
Integrated Development Environment, yang dapat digunakan untuk menulis dan menjalankan kode Python secara interaktif. IDE seperti Spyder adalah alat yang dapat diguankan untuk mengembangkan library dan modul Python yang bisa digunakan kembali<br />
<br />
'''c.2.4. Interpreter'''<br />
<br />
Cara standar untuk mengeksekusi kode Python adalah menjalankan program secara langsung melalui interpreter Python. Pada kebanyakan sistem, interpreter Python dipanggil menggunakan perintah python. Ketika Python file source diperintahkan sebagai argumen untuk perintah ini, kode Python dalam file tersebut dijalankan.<br />
<br />
$ python hello.py<br />
<br />
Hello from Python!<br />
<br />
Di sini file hello.py berisi satu baris:<br />
<br />
print("Hello from Python!")<br />
<br />
Untuk melihat versi Python mana yang diinstal, seseorang dapat menjalankan perintah python dengan argumen --version:<br />
<br />
$ python –version<br />
<br />
Python 3.6.5<br />
<br />
Adalah umum untuk menginstal lebih dari satu versi Python pada sistem yang sama. Setiap versi Python memelihara kumpulan perpustakaannya sendiri dan menyediakan perintah penerjemahnya sendiri (sehingga setiap lingkungan Python dapat menginstal perpustakaan yang berbeda). Pada banyak sistem, versi tertentu dari juru bahasa Python tersedia melalui perintah seperti, misalnya, python2.7 dan python3.6. Dimungkinkan juga untuk mengatur lingkungan python virtual yang independen dari lingkungan yang disediakan sistem. Ini memiliki banyak keuntungan dan saya sangat menyarankan untuk membiasakan diri dengan cara ini bekerja dengan Python. Lampiran A memberikan perincian tentang cara mengatur dan bekerja dengan lingkungan semacam ini.<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-2 : ''' (Senin, 10 Februari 2020), Sinopsis Tuga Akhir ==<br />
<br />
<br />
----<br />
<br />
<br />
'''a. Menjelaskan Sinopsis Tugas Akhir''' <br />
<br />
JUDUL : <br />
<br />
Sistem Pendingin Mengguankan Thermo Electric Cooler dengan Controller Propotional - Integral Derivative<br />
<br />
SINOPSIS : <br />
<br />
Pendinginan merupakan salah satu proses yang dapat digunakan untuk berbagai macam penggunaan, antara lain untuk menjaga produk industri makanan dan produk medis seperti obat-obatan dan vaksin. Proses pendinginan sekarang masih menggunakan teknologi pengawetan berbasis kompresi menggunakan gas pendingin. Tipe gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannya dan tipe R600a memiliki COP yang lebih rendah. Penelitian ini bertujuan merancang perangkat keras dan perangkat lunak yang dapat diaplikasikan pada pendingin termoelektrik, dengan merancang sebuah alat yang digunakan untuk sistem lemari pendingin menggunakan Thermoelectric Cooler (TEC) dan mendapatkan nilai COP yang tinggi. Sistem dibangun dengan kontroler Proportional Integral Derivative (PID). Sistem ini menggunakan beberapa alat antara lain, sensor suhu, Transistor tipe TIP31, modul bluetooth, kipas, dan mikrokontroler ATSAM3X8E. Pengendalian suhu dilakukan dengan membandingkan set-point suhu yang diinginkan dengan suhu dari sensor. Dari penelitian ini diperoleh hasil bahwa semakin besar nilai tegangan yang diberikan maka semakin besar pula besar nilai Pulse Wave Modulation (PWM) yang dihasilkan. Semakin tinggi nilai besar PWM, semakin cepat penurunan suhu pada kotak pendingin. Dari beberapa pengujian dapat disimpulkan bahwa nilai parameter kontrol proporsional (Kp), parameter kontrol integral (Ki), dan nilai parameter kontrol deferensial (Kd ), dimana pada nilai Kp = 255, Ki = 100, dan Kd = 200 mendapatkan grafik yang lebih stabil dan mendekati nilai set-point, dengan nilai error sebesar 2,86 %.<br />
<br />
<br />
'''b. Perbedaan deterministik dan stokastik'''<br />
<br />
b.1 deterministik adalah sesuatu yang pasti akan terjadi. <br />
<br />
b.2 stokastik adalah Stokastik adalah kebolehjadian, atau dengan kata lain sesuatu yang belum terjadi kepastiannya. "Sesungguhnya, Allah tidak akan mengubah nasib suatu kaum, hingga mereka mengubahnya sendiri.." (Q.S. Ar-Ra'd [13] : 11) <br />
<br />
<br />
'''c . Komputasi Teknik pada Tugas Akhir'''<br />
<br />
Tipe tugas akhir saya adalah deteministik. Hal ini dikarenakan nilai dari PID yang saya tentukan pasti. Menurut pendapat saya untuk penerapan komputasi teknik pada tugas akhir saya adalah <br />
<br />
Pada penggunaan fitur controller PID, adalah kemampuan untuk menggunakan tiga tipe kontroller yakni propotional, integral dan derivatif yang mempengaruhi nilai keluaran kontroller untuk dipalikasikan pada nilai yang optimal dari kontroller itu sendiri. <br />
<br />
[[File:PID.png|400px|thumb|left ]]<br />
<br />
Diagram blok yang terdapat pada sebelah kiri menunjukkan bagamimana cara controller ini bekerja. Gambar tersebut menunjukan kontroller PID, yang mana secara kontinu menghitung nilai error e(t) sebagai selisih dari setpoint r(t) dan variabel proses y(t), dan pengaplikasian nya dikoreksi berdasakan propotional, integral, dan derivatif. Kontroller mencoba utnuk meminimalisir error dari lebih nya koreksi kontrol variabel u(t), salah satu contoh nya pengontrolan pada kecepatan kipas, kontrol PID dibutuhkan untuk mengetahui jumlah RPM selanjutnya pada kipas sehingga dapat mendinginkan suatu objek.<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
'''d. Komputasi pada tugas akhir saya kedepan nya'''<br />
<br />
Melakuakn simulasi CFD sederhana untuk melihat aliran fluida di dalam lemari pendingin<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan Ke-3''', (Senin 17-Februari-2020), Presentasi Sinopsis Project Komputasi Teknik ==<br />
<gallery mode="slideshow"><br />
File:PPT_1.png|200px|center|<br />
File:PPT_2.png|200px|center|<br />
File:PPT_3.png|200px|center|<br />
File:PPT_4.png|200px|center|<br />
File:ppt_5.png|200px|center|<br />
</gallery><br />
<br />
----<br />
<br />
== '''Pertemuan ke-4''', (Senin, 24 Februari 2020), Presentasi Model Matematis Project Komputasi Teknik ==<br />
<br />
----<br />
<br />
<br />
<br />
Skema kontrol PID dinamai dari ketiga term pengendalinya, yang kemudian dijumlahkan menjadi variabel manipulasi. Term proporsional, integral, dan derivatif dijumlahkan untuk menghitung keluaran kontroler PID. Dengan mendefinisikan u(t) sebagai keluaran kontroler, bentuk akhir dari algoritme PID adalah:<br />
<br />
<br />
<br />
[[File:Rumus1.png|300px|thumb|center ]]<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Contoh PID pada MATLAB<br />
|-<br />
|'''Jenis'''<br />
|'''Foto'''<br />
|'''Deskripsi'''<br />
|-<br />
! '''Porpotional Integral''' <br />
| [[File:Tilu.png|300px|thumb|left ]] || sys = zpk([],[-1 -1 -1],1); <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Loro.png|300px|thumb|left ]] || <br />
<br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
T_pi_fast = feedback(C_pi_fast*sys,1);<br />
step(T_pi,T_pi_fast)<br />
axis([0 30 0 1.4])<br />
legend('PI','PI,fast')<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Siji.png|300px|thumb|left ]] || <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
[C_pidf_fast,info] = pidtune(sys,'PIDF',1.0)<br />
T_pidf_fast = feedback(C_pidf_fast*sys,1);<br />
<br />
step(T_pi_fast, T_pidf_fast); <br />
<br />
axis([0 30 0 1.4]);<br />
<br />
legend('PI,fast','PIDF,fast');<br />
<br />
sys = zpk([],[-1 -1 -1],1); <br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
S_pi_fast = feedback(sys,C_pi_fast);<br />
S_pidf_fast = feedback(sys,C_pidf_fast);<br />
step(S_pi_fast,S_pidf_fast);<br />
axis([0 50 0 0.4]);<br />
legend('PI,fast','PIDF,fast');<br />
<br />
|-<br />
|}<br />
<br />
----<br />
<br />
<br />
== '''Pertemuan ke-5''', (2 Maret 2020), Quis I ==<br />
<br />
<br />
[[File:Photo 1.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 2.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 3.jpeg|350px|thumb|center ]]<br />
<br />
<br />
<br />
<br />
----<br />
== '''Finite ELement, Finite Diffirent, Finite Volume''' ==<br />
<br />
* '''Pengertian Finite Element :'''<br />
<br />
'''Finite Element :''' menyelesaikan suatu problem dengan cara membagi obyek analisa menjadi bagian-bagian kecil yang terhingga. Bagian-bagian kecil ini kemudian dianalisa dan hasilnya digabungkan kembali untuk mendapatkan penyelesaian untuk keseluruhan daerah. Kata “finite atau terhingga” digunakan untuk menekankan bahwa bagian-bagian kecil tersebut tidak tak terhingga, seperti yang lazim digunakan pada metode integral analitik.<br />
<br />
* '''Pengertian Finite Volume :'''<br />
<br />
'''Finite Volume :''' adalah metode yang digunakna untuk merepresentasikan persamaan diferensial parisial dalam bentuk persamaan algeraic. Didalam metode finite volume, mengintergalkan bagian dari persamaan diferensial parsial ,menggunakan teorema divergensi.<br />
<br />
* '''Pengertian Finite Different :'''<br />
<br />
'''Finite Different :''' adalah diskritisasi yang digunakan untuk menyelesaiakn persamaan diferensial dengan memperkirakan denagn persamaan diferensial yang menggunakan perbedaan yang mendekati derivatif.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Pertemuan ke-6''', Senin 9 Maret 2020, Extended Abstrak ==<br />
<br />
<br />
<br />
Name : Wsinu indrawan<br />
<br />
Title : Fluid Analysis For Mini Fan Refrigerator Using Thermoelectric Cooler <br />
<br />
The cooling is one of the processes can be used for various types of applications, starting from maintaining food industry products and medical products such as drugs and vaccines. The cooling process now still uses compression-based preservation technology using cooling gas. The types of cooling gas used are R134a and R600a. However, the R134a contains HF which has been banned for used, and the R600a contains HF gas which can reduce the ozone layer. In addition, a single fan compressor system that uses cooling gas in a steam compressor has difficulties in regulating the temperature of the target compartment. Based on this, an alternative cooling technology is needed. Thermoelectric cooler (TEC) is an alternative cooling technology, because TEC has advantages such as small size, lower noise and vibration, easier in temperature regulation, low maintenance requirements, can absorb heat using the principle of heat difference so that in addition to being able to the cooler can also be a heater, and besides that it can be turned on with a DC current. Obtained a solution in the form of cooling using a thermoelectric cooler, using a fan in the refrigerator.The current research examines the application of CFD (Computational Fluid Dynamic) to analyze the flow of wind into the refrigerator. Use the existing CFD analyst application. To analyze the flow of fluid entering the refrigerator, it is simplified for this refrigerator, by cutting the inside of the refrigerator. So that the incoming fluid flow can be reviewed, from the incoming air velocity can be analyzed with a simple correlation to the wind speed generated with existing pwm. It is expected that from this research, researchers can find out the wind phenomenon that is in the refrigerator so that it can be used for further research.<br />
<br />
<br />
<br />
<br />
[[File:G1.png|400px|thumb|center ]]<br />
<br />
[[File:test1.png|400px|thumb|center ]]<br />
<br />
== '''Optimasi Energi Pada Manusia''' ==<br />
<br />
The article below will describe how to make optimization in daily life, during one month<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Optimasi Energi Pada Manusia<br />
|-<br />
|'''Jenis'''<br />
|'''Perhitungan'''<br />
|'''Deskripsi'''<br />
|-<br />
! Step 1<br />
| [[File:gazo1.png|700px|left]] || Pertama saya menentukan jumlah jam yang dibutuhkan per hari secara acak dengan funsi rand di excel <br />
<br />
|-<br />
! Step 2 <br />
| [[File:gazo2.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 1<br />
<br />
|-<br />
! Step 3 <br />
| [[File:gazo3.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 2<br />
<br />
|-<br />
! Step 4 <br />
| [[File:gazo4.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 3<br />
<br />
<br />
|-<br />
! Step 5 <br />
| [[File:gazo5.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 4<br />
<br />
|-<br />
! Step 6 <br />
| [[File:hebat.png|700px|left]] || Mencari grafik polynomial pada salah satu minggu dan diadapatkan grafik polynom nya<br />
<br />
|-<br />
! Step 7 <br />
| [[File:gazo7.png|700px|left]] || hasil konversi watt ke rupiah pada hari senin pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 8 <br />
| [[File:gazo8.png|700px|left]] || hasil konversi watt ke rupiah pada hari selasa pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 9 <br />
| [[File:gazo9.png|700px|left]] || hasil konversi watt ke rupiah pada hari rabu pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 10 <br />
| [[File:gazo10.png|700px|left]] || hasil konversi watt ke rupiah pada hari jumat pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 11 <br />
| [[File:gazo11.png|700px|left]] || hasil konversi watt ke rupiah pada hari sabtu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step 12 <br />
| [[File:gazo12.png|700px|left]] || hasil konversi watt ke rupiah pada hari minggu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step Final<br />
| [[File:cobajadulu.png|700px|left]] || Mencoba memasukan nilai minimum ke dalam matlab dan mencari dengan curve fitting<br />
<br />
|-<br />
|}<br />
<br />
== '''Pengarahan Beberapa Teknologi Komputasi Teknik''', 16-03-2020 ==<br />
<br />
<br />
Pada pertemuan kali ini membahas masalah initial thinking, mendevelop model matematis, anlisa secara umum dan analisa secara khusus<br />
<br />
Mengembangkan model amtematis dari konsep model utama dari model matematis tersebut<br />
<br />
Dari modeling tersebut dibutuhkan beberapa tahapan pertama :<br />
<br />
*Constrain <br />
<br />
*Boundary Condition <br />
<br />
*Setelah beberapa tahapan itu masuk ke tahapan simulasi <br />
<br />
Pengertian Verifikasi : <br />
<br />
Verifikasi adalah teori filsafat positif logis dalam memilih yang menyatakan bahwa pengalaman adalah satu-satunya sumber dasar pengetahuan dan dalam analisis logis dapat dilakukan dengan bantuan simbol-simbol logika dengan menggunakan metode untuk pemecahkan masalah melalui metode verifikasi empirik yaitu bila terdapat sesuatu yang tidak dapat diverifikasi secara empirik maka hasilnya adalah sia-sia. penganut teori radikal ini memiliki masalah konsekuensi untuk filosofi tradisional, karena, jika benar, akan menyebabkan banyak pekerjaan sia-sia pada filosofis masa lalu, antara lain pada metafisika dan etika.<br />
<br />
Validasi : <br />
<br />
validasi adalah sebuah teknik validasi model untuk menilai bagaimana hasil statistik analisis akan menggeneralisasi kumpulan data independen. Teknik ini utamanya digunakan untuk melakukan prediksi model dan memperkirakan seberapa akurat sebuah model prediktif ketika dijalankan dalam praktiknya. Dalam sebuah masalah prediksi, sebuah model biasanya diberikan kumpulan data (dataset) yang diketahui untuk digunakan dalam menjalankan pelatihan (dataset pelatihan), serta kumpulan data yang tidak diketahui (atau data yang pertama kali dilihat) terhadap model yang diuji (pengujian dataset).[4] Tujuan dari validasi silang adalah untuk mendefinisikan dataset untuk "menguji" model dalam tahap pelatihan (yaitu, validasi data), dalam rangka untuk membatasi masalah seperti terjadinya overfitting, memberikan wawasan tentang bagaimana model akan menggeneralisasi independen dataset (yaitu, dataset tidak diketahui, misalnya dari masalah nyata), dll.<br />
<br />
== '''Ujian Tengah Semester''', Komputasi Teknik ==<br />
<br />
<br />
<br />
<br />
=== '''Video Pembelajaran Setiap Minggu''' ===<br />
<br />
<br />
'''Kemampuran Komputasi Teknik Selama Perkuliahan, Tutorial Menggunakan CFDSOF'''<br />
<br />
<br />
[[File:.pertemuan3wisnuindrawan.mp4||500px|center]]<br />
<br />
<br />
<br />
=== '''Draft Paper Komputasi Teknik''' ===<br />
<br />
<br />
==== BAB I ====<br />
<br />
Pendinginan salah satu teknologi yang memiliki berbagai macam pengaplikasian, dimulai dari menjaga produk makanan dari kebusukan dan berbagai pengendalian suhu dalam bidang elektronik dan industri lainnya (Gökçekdan Şahin, 2017).Salah satu teknologi pendinginan yang sekarang ini sering digunakan adalah teknologi berbasis kompresi uap karna mempunyai (COP) coefficient of performanceyang tinggi dan mempunyai harga yang lebih murah dibandingkan teknologi alternatif lainnya.Dalam proses pendinginan, teknologi kompresi uap menggunakan gas pendingin yang berfungsi untuk menyerap panas pada udara dalam ruangan, sehingga menjadi bersuhu rendah. Secara luas gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannyadan tipe R600a mengandung gas HF yang dapat mengurangi lapisan ozon (Söylemez dkk., 2018). Selain itu,pada sistem kompresor satu kipas yang menggunakan gas pendingin pada kompresor uap memiliki kesulitan dalampengaturan temperatur dari kompartemen target. Berdasarkan pernyataan tersebut diperlukan suatu teknologi pendingin alternatif. Thermoelectric cooler adalah salah satu alternatif teknologi pendingin, dikarenakan thermoelectric cooler memiliki kelebihan seperti berukuran kecil, kebisingan dan getaran yang lebih rendah, lebih mudah dalam pengaturan suhu, mebutuhkan perawatan yang sedikit, dan dapat dihidupkan dengan arus DC (Söylemezdkk., 2018). Pendinginan dengan menggunakan TEC (Termoelectric Cooling) telah digunakan untuk menghilangkan embun kaca depan kendaraan. Penelitian tersebut telah menghasilkan temperatur hingga 22,4 oC. Penelitian lainTEC telah digunakan untuk pendingin kotak minuman dengan menggunakan 3thermoelectric cooling, dimana dapat menghasilkan temperatur kotak minuman tanpa beban mencapai14,3 oC, dengan beban pendingin air sebanyak 1 liter sebesar 16,4 oC (Nulhakim, 2017). TEC (Termoelectric Cooling) tidak hanya dapat mendinginkan, tetapi dapat memanaskan di waktu yang bersamaan. Sifat dari TEC ini dapat dimanfaatkan untuk sistem pengaturan suhu ruangan. Untuk tujuan pengaturan suhu yang lebih akurat, dapat dipertimbangkan menggunakan sistem kontrol loop tertutup dengan PID (Propotional, Integral dan Derivative). Kelebihan dari pemakaian kontroler PID di loop tertutup adalah kontrol PID memiliki kemampuan untuk penyetelan otomatis, dan dapat adaptasi terhadap variasi waktu, sehinggasistem dari kontroler PID menyediakan aplikasi didalam industri dengan fitur kontrol yang lebih akurat dandapat disesuaikan dengan kebutuhan(Abdullah dan Ayman, 2008). Pengaturan PID pada umumnya menggunakan alat yang memakan banyak biaya. Tetapi menurut hasil dari eskperimen yang menyatakan bahwa kontroler PID menggunakna mikrokontoler tipe P18F4685 yang memiliki kapasitas 14 bit dapat menghasilkan kestabilan yang baik, dengan overshoot yang sedikit, dan memiliki waktu settling time yang sedikit pula (El-Nagar dan El-Bardini, 2014). Dari latar belakang tersebut diperlukan suatu sistem pendingin ruangan yang terkontrol secara otomatis menggunakanteknologi pendingin ramah lingkungan yang terkontrol dengan sistem kontrol loop tertutup, sehinggadapat manjadi salah satu alternatif teknologi pendingin ruangan.Berdasarkan potensi tersebut maka telah dilakukan penelitian tentang rancang bangun sistem pendingin ruangan menggunakan TEC (Thermoelectric Cooler) dengan kontroler PID.<br />
<br />
==== BAB II ====<br />
<br />
'''Sensor Suhu''' <br />
<br />
Salah satu jenis sensor suhu yang banyak digunakan di industri adalah tipe sensor suhu berbahan semikonduktor. Sensor ini menggunakankonfigurasi dioda atau transistor di kutub yang pada sambungan p-n bahan tersebut memiliki respon yang kuat terhadap suhu. Terdapat dua jenis pemberian tegangan pada sambungan p-n yaitu bias maju dan bias mundur seperti ditunjukkan pada Gambar 2.1. Ketika sambungan p-n bias maju dihubungkan dengansumber arus, maka terjadi beda potensial pada kedua sambungan. Beda potensial atau tegangan yang dihasilkan berbanding lurus dengan perubahan suhu(Suryono, 2018).<br />
<br />
[[File:wisnu.png|500px|center|]]<br />
<br />
<br />
<br />
'''Thermoelectric'''<br />
<br />
Modul thermoelectric khas dibuat menggunakan dua buah keramik berbentuk wafer dengan jenis bahan semikonduktor bismuth telluride P dan N yang diapit di antara keduanya seperti yang ditunjukkan pada Gambar 2.3. Bahan keramik di kedua sisi dari thermoelectric berfungsi untuk pelindung dan sebagai isolator listrik yang diperlukan. Bahan tipe-N memiliki kelebihan elektron, sementara bahan tipe-P membutuhkan elektron. Bahan P dan N membentuk pasangan, seperti yang ditunkjukan pada Gambar 2.3. Pasangan thermoelectric dipasang secara seri dan termal sejajar. Modul thermoelectric dapat berisi satu sampai beberapa ratus pasangan. Saat elektron bergerak dari bahan tipe-P ke bahan tipe-N melalui konektor listrik, elektron beralih ke keadaan energi yang lebih tinggi dan menyerap energi panas (sisi dingin) (Manikandan dkk., 2017).<br />
<br />
<br />
[[File:dewawisnuganteng.png|500px|center|]]<br />
<br />
<br />
<br />
<br />
<br />
==== BAB III ====<br />
<br />
Sistem pengendalian yang saya pakai adalah menggunakan mobile phone, jadi pada penyetingan set point pada PID menggunakan apliaksi mobile bebasis bluetooth<br />
<br />
<br />
[[File:bismillahadajalan.png|500px|center|]]<br />
<br />
Selanjut nya pada sistem kerja dari alat ini menggunakan sistem PID untuk mengatur kecepatan dari driver motor untuk mengatur suhu, jika suhu tidak sesuai dengan yang diinginkan maka kecepatan kipas akan terus bertambah.<br />
<br />
<br />
[[File:PIDBROH.png|500px|center|]]<br />
<br />
<br />
Hasil rancang bangun dari alat pendingin ditunjukan pada gambar dibawah ini<br />
<br />
<br />
[[File:celenganrindu.jpg|500px|center|]]<br />
<br />
Pembuatan interface untuk memasukkan data set point pada aplikasi mobile<br />
<br />
[[File:interface.png|500px|center|]]<br />
<br />
Pembuatan interface untuk mencari device bluetooth pada device-device sekitar<br />
<br />
[[File:tampilan2.png|500px|center|]]<br />
<br />
==== BAB IV ====<br />
<br />
Hasil data dari kalibrasi sensor suhu dengan alat ukur standart SNI <br />
<br />
<br />
[[File:akad.png|500px|center|]]<br />
<br />
<br />
Data PID setelah melakukan trial and error mendapatkan nilai Kp Kd Ki <br />
<br />
<br />
[[File:bismillahwisnudata.png|500px|center|]]<br />
<br />
=== '''Laporan Optimasi Energi''' ===<br />
<br />
<br />
Grafik Pada Minggu Pertama<br />
<br />
<br />
<br />
[[File:bersyukurlah.png|500px|center|]]<br />
<br />
[[File:gambarsatu.png|500px|center|]]<br />
<br />
<br />
[[File:semuaudahadarezekinya.png|500px|center|]]<br />
<br />
<br />
<br />
[[File:janganngeluhterus.png|500px|center|]]<br />
<br />
Gambar yang ditunjukan dengan menggunakna aplikasi sypder menunjukkan nilai x, nilai tersebut merupakan nilai minimum atau optimum dari persamaan yang telah dibuat dengan menggunakan excel<br />
<br />
<br />
Revisi Projek tugas komputasi teknik <br />
<br />
Pada kesempatan kali ini saya menggunakan case baru untuk menyelesaikan draft paper mata kuliah komputasi teknik <br />
<br />
Hal ini dikarenakan, ketertarikan penulis untuk mengangkat tema ini <br />
<br />
==Refisi draft paper==<br />
<br />
<br />
<br />
Beberapa contoh data dari nasabah yang dihasilkan untuk mengetahui apakah nasabah ingin meninggalkan bank dari data - data pribadi mereka, <br />
seperti lama mereka menggunakan jasa bank ini, jumlah tabungan mereka, kemudian umur mereka, dan dari pria atau wanita <br />
<br />
<br />
[[File:22 April 2020 5.png || 700px]]<br />
<br />
Pertama data yang berada dalam format csv dimasukan ke dalam pemograman python dengan maka akan muncul tampilan seperti diatas, ataua kerap<br />
disebut sebagai dataframe, setelah dataframe terbentuk maka dataframe tersebut di pecah - pecah atau dikelompokkan mana yang bisa digunakan untuk <br />
independent variable atau tidak <br />
<br />
<br />
<br />
[[File:22 April 2020 1.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 2.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 3.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 4.png || 700px]]<br />
<br />
<br />
methode dari draft paper ini adalah : <br />
<br />
'''mengguankan machine learning''' <br />
<br />
Pembelajaran mesin (ML) adalah studi tentang algoritma komputer yang meningkat secara otomatis melalui pengalaman. [1] Itu dilihat sebagai bagian dari kecerdasan buatan. Algoritma pembelajaran mesin membangun model matematika berdasarkan data sampel, yang dikenal sebagai "data pelatihan", untuk membuat prediksi atau keputusan tanpa diprogram secara eksplisit untuk melakukannya. [2] [3]: 2 Algoritma pembelajaran mesin digunakan dalam berbagai berbagai aplikasi, seperti penyaringan email dan visi komputer, di mana sulit atau tidak layak untuk mengembangkan algoritma konvensional untuk melakukan tugas-tugas yang diperlukan.<br />
<br />
Pembelajaran mesin terkait erat dengan statistik komputasi, yang berfokus pada membuat prediksi menggunakan komputer. Studi tentang optimasi matematika memberikan metode, teori dan domain aplikasi ke bidang pembelajaran mesin. Penambangan data adalah bidang studi terkait, dengan fokus pada analisis data eksplorasi melalui pembelajaran tanpa pengawasan.<br />
<br />
'''Realsi terhadap optimasi'''<br />
<br />
Pembelajaran mesin juga memiliki ikatan intim dengan optimisasi: banyak masalah pembelajaran dirumuskan sebagai minimalisasi beberapa fungsi kerugian pada serangkaian contoh pelatihan. Fungsi kerugian menyatakan perbedaan antara prediksi model yang sedang dilatih dan contoh masalah yang sebenarnya (misalnya, dalam klasifikasi, seseorang ingin menetapkan label pada instance, dan model dilatih untuk memprediksi dengan benar label yang telah ditetapkan sebelumnya dari sekumpulan contoh). Perbedaan antara dua bidang muncul dari tujuan generalisasi: sementara algoritma optimasi dapat meminimalkan kerugian pada set pelatihan, pembelajaran mesin berkaitan dengan meminimalkan kerugian pada sampel yang tidak terlihat. <br />
<br />
'''Relasi terhadap statistik'''<br />
<br />
Pembelajaran mesin dan statistik adalah bidang yang terkait erat dalam hal metode, tetapi berbeda dalam tujuan utamanya: statistik menarik kesimpulan populasi dari sampel, sementara pembelajaran mesin menemukan pola prediksi yang dapat digeneralisasikan. Menurut Michael I. Jordan, gagasan pembelajaran mesin, mulai dari prinsip metodologis hingga alat teoretis, telah memiliki pra-sejarah panjang dalam statistik. [22] Dia juga menyarankan istilah ilmu data sebagai pengganti untuk menyebut bidang keseluruhan. <br />
<br />
Leo Breiman membedakan dua paradigma pemodelan statistik: model data dan model algoritmik, [23] di mana "model algoritmik" berarti kurang lebih algoritma pembelajaran mesin seperti hutan acak.<br />
<br />
Beberapa ahli statistik telah mengadopsi metode dari pembelajaran mesin, yang mengarah ke bidang gabungan yang mereka sebut pembelajaran statistik. <br />
<br />
<br />
'''Teori'''<br />
<br />
Tujuan inti seorang pelajar adalah untuk menggeneralisasi dari pengalamannya. Generalisasi dalam konteks ini adalah kemampuan mesin pembelajaran untuk melakukan secara akurat pada contoh / tugas baru yang tidak terlihat setelah mengalami kumpulan data pembelajaran. Contoh-contoh pelatihan berasal dari beberapa distribusi probabilitas yang umumnya tidak diketahui (dianggap mewakili ruang kejadian) dan pelajar harus membangun model umum tentang ruang ini yang memungkinkannya menghasilkan prediksi yang cukup akurat dalam kasus-kasus baru.<br />
<br />
Analisis komputasi algoritma pembelajaran mesin dan kinerjanya adalah cabang ilmu komputer teoretis yang dikenal sebagai teori pembelajaran komputasi. Karena set pelatihan terbatas dan masa depan tidak pasti, teori pembelajaran biasanya tidak menghasilkan jaminan kinerja algoritma. Sebaliknya, batasan probabilistik pada kinerja cukup umum. Dekomposisi bias-varians adalah salah satu cara untuk mengukur kesalahan generalisasi.<br />
<br />
Untuk kinerja terbaik dalam konteks generalisasi, kompleksitas hipotesis harus sesuai dengan kompleksitas fungsi yang mendasari data. Jika hipotesis kurang kompleks dari fungsi, maka model memiliki data yang sesuai. Jika kompleksitas model meningkat dalam respons, maka kesalahan pelatihan berkurang. Tetapi jika hipotesisnya terlalu kompleks, maka modelnya akan mengalami overfitting dan generalisasi akan menjadi lebih buruk. <br />
<br />
Selain batas kinerja, ahli teori belajar mempelajari kompleksitas waktu dan kelayakan belajar. Dalam teori pembelajaran komputasi, perhitungan dianggap layak jika dapat dilakukan dalam waktu polinomial. Ada dua jenis hasil kompleksitas waktu. Hasil positif menunjukkan bahwa kelas fungsi tertentu dapat dipelajari dalam waktu polinomial. Hasil negatif menunjukkan bahwa kelas-kelas tertentu tidak dapat dipelajari dalam waktu polinomial.<br />
<br />
<br />
<br />
<br />
==== Metode ====<br />
<br />
'''metode machine learning ada beberapa tipe nya berikut penjelasan mengenai teori machine learning :'''<br />
<br />
<br />
1. Suppport Vector Machine (SVMs)<br />
<br />
Support vector Machines (SVMs) adalah algoritma pembelajaran mesin yang diawasi yang fleksibel namun kuat yang digunakan baik untuk klasifikasi dan regresi. Tetapi umumnya, mereka digunakan dalam masalah klasifikasi. Pada 1960-an, SVM pertama kali diperkenalkan tetapi kemudian disempurnakan pada tahun 1990. SVM memiliki cara implementasi yang unik dibandingkan dengan algoritma pembelajaran mesin lainnya. Akhir-akhir ini, mereka sangat populer karena kemampuan mereka untuk menangani beberapa variabel kontinu dan kategorikal.<br />
<br />
<br />
Dalam praktiknya, algoritma SVM diimplementasikan dengan kernel yang mengubah ruang data input ke dalam formulir yang diperlukan. SVM menggunakan teknik yang disebut trik kernel di mana kernel mengambil ruang input dimensi rendah dan mengubahnya menjadi ruang dimensi yang lebih tinggi. Dengan kata-kata sederhana, kernel mengubah masalah yang tidak dapat dipisahkan menjadi masalah yang dapat dipisahkan dengan menambahkan lebih banyak dimensi ke dalamnya. Itu membuat SVM lebih kuat, fleksibel dan akurat. Berikut ini adalah beberapa jenis kernel yang digunakan oleh SVM.<br />
<br />
<br />
Linear Kernel <br />
<br />
Ini dapat digunakan sebagai produk titik antara dua pengamatan. Rumus kernel linear adalah sebagai berikut<br />
<br />
Metode yang digunakan <br />
<br />
pada penelesaian masalah ini saya menggunakana beberapa engone dari python untuk melakuakn machine learning yakni '''sklearn''' dan '''tensor flow''', berikut penjelasan masing masing metode nya :<br />
<br />
ini adalah struktur skrip dari '''sklearn.prepocessing''' <br />
<br />
class sklearn.preprocessing.OneHotEncoder(*, categories='auto', drop=None, sparse=True, dtype=<class 'numpy.float64'>, handle_unknown='error')[source]<br />
<br />
kenapa class ini digunakan karena machine leraning tidak bisa memproses selain angka, tapi pada kasus ini saya menggunakan nama, umur dan beberapa proses yang menggunakan tipe string(kata - kata)<br />
sehigga sulit untuk di klasifikasikan.<br />
<br />
'''maka dari itu metode ini dapat digunakan.'''<br />
<br />
'''One Hot Encoding adalah :''' reperentasi kategori variabel dalam vektor biner. <br />
<br />
Pertama nilai dari proses ini dipetakan dala nilai integer (nilai angka yang benilai bilangan bulat, tidak memiliki nilai koma)<br />
<br />
Lalu, setiap nilai yang berbentuk integer ini direpresentasikan sebagai vektor biner yang semua nya bernilai nol kecuali yang terindeks integer, yang di tandai 1.<br />
<br />
Paper yang digunakna untuk metode sckit learning adalah :<br />
<br />
[[File:sckitwisnu1.png||700px||center]]<br />
<br />
[[File:sckitwisnu2.png||700px||center]]<br />
<br />
[[File:sckitwisnu3.png||700px||center]]<br />
<br />
[[File:sckitwisnu4.png||700px||center]]<br />
<br />
== Quis II, 6 April 2020 ==<br />
<br />
<br />
Assalamualaiakum Beerikut adalah link dari Quis 2<br />
Wisnu Indrawan <br />
1906433745<br />
<br />
https://drive.google.com/drive/folders/17z_x1nPTXBtnZl_PVhXRBZXdK5Wy0GMx?usp=sharing<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan Tanggal : Senin, 13 April 2020 ==<br />
<br />
<br />
<gallery mode="slideshow"><br />
File:Wisnu 12346798.png<br />
File:Wisnu 123467989.png<br />
File:Wisnu 12346798910.png<br />
File:Wisnu 12346798435435.png<br />
File:Wisnu 1234679843fdsaf4.png<br />
</gallery><br />
<br />
== Resume Pertemuan tanggal : Senin, 20 April 2020 ==<br />
<br />
<br />
<gallery mode="slideshow"><br />
<br />
<br />
File:qwerwqerqwerq_caseII_1.png<br />
File:qwerwqerqwerq_caseII_2.png<br />
File:24-04-2020-1-tugas komtek.png<br />
File:2020-04-24 23 12 57-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 22-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:hasil-24-04-2020.png<br />
File:2020-04-24 23 47 29-Book1 - Excel.png<br />
</gallery><br />
<br />
<br />
Penggunaan aplikasi python untuk mencari ann pada kasus ini terdapat perbedaan, untuk penggunaan matlab untuk mencari nilai ann pada aplikasi ini menggunakan nntool <br />
<br />
<br />
'''nntool''' <br />
<br />
[[File:nntoolwisnu.png||400px||center]]<br />
<br />
== Resume Pertemuan tanggal : Senin, 27 April 2020 ==<br />
<br />
1. Pemahaman terkait prinsip dan konsep komputasi teknik<br />
<br />
2. Penerapan konsep dan skill dalam komputasi teknik<br />
<br />
3. Lebih mengenal diri<br />
<br />
Dari 3 point diatas disampaikan via zoom dengan cara sebagai berikut:<br />
<br />
a. show your contributions<br />
<br />
b. your understanding<br />
<br />
c. your skill<br />
<br />
== Resume Pertemuan tanggal : Senin, 04 Mei 2020 ==<br />
<br />
<br />
<br />
- Pemahaman terkait prinsip dan konsep komputasi teknik<br />
<br />
- Penerapan konsep dan skill dalam komputasi teknik<br />
<br />
- Lebih mengenal diri baik individu maupun kelompok/ kelas<br />
<br />
Intisaru dari evaluasi diri ini adalah :<br />
<br />
- show your contributions<br />
<br />
- your understanding<br />
<br />
- your skkill<br />
<br />
== Resume Pertemuan tanggal : Senin, 11 Mei 2020 ==<br />
<br />
<br />
Pada pertemuan tanggal 11 Mei 2020 terdapat pembahasan selanjut nya pada pertemuan minggu lalu mengnai pressure drop. Pada pembahsan pada grup whatshap mengenai tentang pendapat individu mengenai kasus pressure drop dan di bahas kemabli dalam grup Komputasi Teknik via whatshapp. Diharapkan pada pembahasan ini secara personal memahami cases Basic Mechanics dan menjadi kewajiban bagi setiap mahsiwa menyatakan analisa pribadi terkait kasus tersebut. <br />
<br />
Berikut Hasil dari pembahasan kasus tersebut : <br />
<br />
<gallery mode="slideshow"><br />
File:WhatsApp Image 2020-05-12 at 19.30.27.jpeg<br />
File:WhatsApp Image 2020-05-11 at 09.41.12.jpeg<br />
File:WhatsApp Image 2020-05-12 at 16.50.43.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.51.38.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.53.29.jpeg<br />
</gallery><br />
<br />
<br />
<br />
'''Azikri '''<br />
<br />
sedikit tambahan terkait hal di atas, bahwa pada dasarnya aliran fluida dalam pipa akan mengalami penurunan tekanan atau pressure drop seiring dengan <br />
panjang pipa ataupun disebabkan oleh gesekan dengan permukaan<br />
saluran, dan juga ketika aliran melewati sambungan pipa, belokan, katup, difusor, dan sebagainya.<br />
Disisi lain, prinsip dasar persamaan kontinuitas juga jadi landasan dimana massa tidak dapat diciptakan dan<br />
tidak dapat dimusnahkan, sehingga massa dalam suatu sistem yang konstan dapat dinyatakan dengan rumus : rho.A.v=m<br />
<br />
atau Jika aliran fluida bersifat incompressible dan steady flow, maka persamaan menjadi : Q=A.v<br />
<br />
Singkatnya dr persmaan pertama bahwa pressure drop berbanding terbalik dengan D, dan begitu halnya dengan persamaan 2 tegangan geser berbanding <br />
terbalik dg A<br />
<br />
'''Adhika '''<br />
<br />
- Gaya Masuk - Gaya Geser Total = Gaya Keluar<br />
- Gaya Geser Total = Gaya Masuk - Gaya Keluar<br />
- Gaya Geser Total = P1.A - P2.A <br />
- Gaya Geser Total = dp . Luas Area Pipa<br />
Shear Stress . Luas Selimut = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(Luas Area Pipa . L. pi . 4) = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(L. pi . 4) / sqrt(Luas Area Pipa) = dp<br />
<br />
Kesimpulan:<br />
Luas Area Pipa semakin besar maka dp akan semakin kecil<br />
<br />
<br />
'''Jerry '''<br />
<br />
Ketika nilai A membesar, maka nilai D secara langsung juga membesar karena A merupakan fungsi D; A(D). <br />
<br />
Dari persamaan pressure drop, terlihat bahwa nilai D berbanding terbalik dengan nilai deltaP. <br />
<br />
Hal ini akan mengimplikasikan bahwa semakin besar nilai D, maka semakin kecil nilai deltaP<br />
<br />
'''Dessy'''<br />
<br />
Sederhananya jika dilihat dari persamaan untuk Pressure Drop maka sudah cukup jelas dalam menjawab pertanyaan mengapa ketika luas area (A) diperbesar <br />
menyebabkan nilai pressure drop yang menurun, dimana <br />
<br />
dP = f L rho V^2 / 2 D<br />
<br />
Dari persamaan diatas terlihat bahwa nilai diameter (pengaruhnya terhadap luas area) berbanding terbalik dengan nilai pressure loss dP.<br />
<br />
Tambahan juga jika dilihat dari nilai kecepatan (disini saya menggunakan analogi aliran fluida dalam pipa), secara logika apabila nilai luas <br />
penampang A diperbesar maka nilai kecepatan akan semakin kecil, sesuai dengan persamaan yang telah dijelaskan oleh saudara Dieter sebelumnya.<br />
<br />
Maka jika kembali ke persamaan pressure drop sesuai analogi ini, A yang besar akan menyebabkan nilai V menurun, akibatnya nilai dP pun akan menurun.<br />
<br />
Dari sini dapat disimpulkan bahwa semakin besar nilai diameter D, yang menghasilkan nilai area A yang semakin besar pula, menghasilkan nilai pressure <br />
drop dP yang semakin kecil.<br />
<br />
'''Muhammad Gumilar'''<br />
<br />
Ada hal menarik disini, dari beberapa yang saya perhtikan dari beberapa pendapat teman-teman, pengaruh dari adanya luasan atau diameter pipa akan <br />
mempengaruhi keepatan alir didalam pipa , sesuai dengan hukum kontinuitas. Berkaitan dengan hal ini, saya mencerna bahwa bisa saja sebenarnya jika <br />
kita membandingkan dua hal yang mana, dua buah pipa dengan diameter yang berbeda akan tetepa memiliki kecepatan aliran rata-rata yang sama, yang <br />
mana berarti kedua debit aliran dari pipa ini berbeda. Namun yang dititikberatkan pada pembahasannya adala, kenapa berdasarkan rumus pressure loss, <br />
apabila diameter membesar, maka pressure drop akan berkurang. Sedangkan dari persamaan yang lain, kita kethaui bahwa gaya gesek akibat adanya <br />
tegangan geser akan meningkat karena persamaannya adalah F=thow * A. <br />
<br />
Kebingunga dari mahasiswS1 tersebut menurut saya adalah pemahaman beliau yang tidak komprehensif terhadap kosnep pressure drop. Memang, pressure drop <br />
itu berhubungan erat dengan adanya gesekan viscous antara fluida dengan dinding pipa. Akan tetapi, ada hal penting yang dilupakan oleh sang mahasiswa <br />
S! tersebut, yaitu bahwa perbesaran diameter dari pipa juga akan mengakibatkan tegangan geser yang terjadi. Secara sederhana, sepemahaman saya, <br />
tegangan geser itu berbanding lurus dengan gradient kecepatan aliran fluida di sepanjang pipa, yaitu du/dy. Nah, apabila, dengan kecepatan rata-rata <br />
yang sama, diameter pipa semakin besar, maka gradient kecepatan di sepanjang pipa akan berkurang karena pengaruh gaya viscous antara dinding dan <br />
fluida juga semain berkurang. Oleh karena itu, pressure Drop yang terjadi juga akan semakin berkurang. Semoga bermanfaaat semua eheheheh<br />
<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan tanggal : Senin, 18 Mei 2020 ==<br />
<br />
Pada pertemuan kali ini membahas materi minggu lalu dan saya ingin menjelaskan lagi terkait tentang friction loss, berikut penjelasan nya <br />
<br />
Dalam aliran fluida, kehilangan gesekan (atau gesekan kulit) adalah hilangnya tekanan atau "head" yang terjadi pada pipa atau aliran saluran karena efek viskositas fluida di dekat permukaan pipa atau saluran. [1] Dalam sistem mekanis seperti mesin pembakaran internal, istilah ini mengacu pada daya yang hilang dalam mengatasi gesekan antara dua permukaan yang bergerak, sebuah fenomena yang berbeda.<br />
<br />
<br />
<br />
== Tugas Pengganti UAS ==<br />
<br />
Pada pembahasan UAS kali ini terdapat pembahasan mengenai mencari nilai top speed dari suatu mobil dengan menggunakan beberapa algoritma yang sudah dipelajari sealama perkuliahan : <br />
Berikut penjelasan terkait soal tersebut:</div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=Wisnu_indrawan&diff=36160Wisnu indrawan2020-06-10T11:04:55Z<p>Wisnu indrawan: </p>
<hr />
<div><br />
<br />
----<br />
<br />
== '''Biodata Diri :''' ==<br />
<br />
----<br />
<br />
<br />
[[File:wisnu.jpg|200px|thumb|left|Watashinonamaeha wisnu ndes ]]<br />
<br />
*Nama : Wisnu Indrawan <br />
<br />
*NPM : 1906433745<br />
<br />
*Jurusan : Teknik Mesin<br />
<br />
*Institusi : Universitas Indonesia<br />
<br />
*Penjuruan : SUBAK (Sistem Utilitas Bangunan)<br />
<br />
*Email : wisnu.indrawan@ui.ac.id<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Istilah - Istilah Teknik''' ==<br />
<br />
<br />
'''1. Clustering ''' <br />
<br />
*clustering adalah teknik machine learning berupa algoritma pengelompokkan objek-objek data berjumlah N menjadi <br />
kelompok-kelompok data tertentu (cluster)<br />
<br />
*Objek data yang beada dalam satu kelompok / cluster harus memiliki kemiripan <br />
<br />
*Semakin banyak data yang diperoleh sama dnegan semakin akurat hasil yang di dapatkan <br />
<br />
*Clustering merupakan salah satu jenis dari algoritma unsupervised learining, algoritma <br />
yang bertujuan untuk mempelajari dan menemukan pola dari suatu input yang diberikan tanpa menggunuakan label <br />
<br />
*Dengan penggunaan supervised learning, maka beberapa hal berikut ini dapat dilakukan <br />
<br />
'''1.''' Search: Membandingkan antar dokumen, gambar atau suara untuk menampilkan item serupa. <br />
<br />
'''2.''' Deteksi anomali: Mendeteksi perilaku yang tidak biasa yang biasanya berhubungan dengan hal-hal yang ingin dicegah atau dideteksi, seperti contoh penipuan. <br />
<br />
<br />
Selain itu teknik clustering terdapat beberapa algoritma di dalam nya yang akan dijelaskan istilah nya pada bagian bawah ini : <br />
<br />
<br />
<br />
'''2. K-Means Clustering'''<br />
<br />
*Tentukan jumlah cluster <br />
<br />
*alokasikan data ke dalam cluster secara rancodm <br />
<br />
*hitung centroid/rata-rata dari data yang ada di masing-masing cluster <br />
<br />
*alokasikan masing masing data ke centroid/data-data terdekat <br />
<br />
*kembali ke step 3, apabila masih ada data yang berpindah cluster atau apabila <br />
perubahan nilai centroid, ada yang di atas nilai threshold yang ditentikan atau apabila <br />
perubahan nilai pada objective function yang digunakan di atas nilai threshold yang ditentukan<br />
<br />
<br />
'''3. Mean-Shift Clustering<br />
'''<br />
*Untuk mejelaskan mean-shift, kita ilustrasikan sekumpulan titik dalam ruang <br />
dua dimensi <br />
<br />
*kita mulai dengan circular sliding window yang berpusat pada titik C(dipilih secara acak)<br />
dan memiliki jadi-jadir r sebagai kernel. Mean shift adalah algoritma yang melakukan pergeseran kernel ini secara iteratif <br />
ke daerah kepadatan yang lebih tinggi pada setiap langkah hingga konvegensi.\<br />
<br />
*pada setiap iterasi, sliding window digeser ke arah daerah dengan kepadatan lebih tinggi dengan menggeser titik tengahnya. kepadatan pada sliding window sebanding dengan jumlah tiitk di dalamnya <br />
<br />
*terus melakuakn pergeseran pada sliding window sesuai dengan rata -rata sampai tidak ada arah di mana pergeseran dapat mengakomondasikan lebih banyak titik di dalam kernel (tidak lagi meningkatkan densitas/jumlah titik di window)<br />
<br />
*langkah 1 hingga 3 ini dilakukan dengan banyak sliding window sampai semua titik terletak di dalam window. Ketika beberapa window saling berumpang tindih, window yang berisi titik terbanyak akan dipertahankan. Objek data kemudian dikelompokkan sesua dengan sliding window tempat mereka berada.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-1 ''', (Senin, 03 Februari 2020), Muhasabah ==<br />
<br />
<br />
----<br />
<br />
<br />
'''Muhasabah Diri :''' <br />
<br />
'''Muhasabah adalah''' : sesuatu hal yang perlu dan menjadikannya sebuah kebutuhan dalam tiap-tiap diri manusia, di dalam agama Islam, muhasabah sangatlah dianjurkan karena jika muhasabah bisa dijalankan dengan baik akan memberi banyak manfaat baik yang akan di dapatkan di dunia maupun diakhirat kelak.<br />
<br />
'''Pada pertemuan pertama kami mempelajari apa makna dari komputasi teknik :'''<br />
<br />
'''a. Definisi Komputasi'''<br />
<br />
Komputasi : setulnya bisa diartikan sebagai cara untuk menemukan pemecahan masalah dari data input dengan menggunakan suatu algoritme. Hal ini ialah apa yang disebut dengan teori komputasi, suatu sub-bidang dari ilmu komputer dan matematika. Selama ribuan tahun, perhitungan dan komputasi umumnya dilakukan dengan menggunakan pena dan kertas, atau kapur dan batu tulis, atau dikerjakan secara mental, kadang-kadang dengan bantuan suatu tabel. Namun sekarang, kebanyakan komputasi telah dilakukan dengan menggunakan komputer.<br />
<br />
Komputasi ilmiah dan numerik adalah bidang booming dalam penelitian, teknik, dan analitik. Revolusi dalam industri komputer selama beberapa dekade terakhir telah menyediakan alat baru dan kuat untuk praktisi komputasi. Ini telah memungkinkan usaha komputasi dari skala dan kompleksitas yang sebelumnya tidak pernah terjadi sebelumnya. Akibatnya, semua bidang dan industri bermunculan. Perkembangan ini masih berlangsung, dan ini menciptakan peluang baru seiring dengan meningkatnya perangkat keras, perangkat lunak, dan algoritme. Pada akhirnya, teknologi yang memungkinkan untuk gerakan ini adalah perangkat keras komputasi yang kuat yang telah dikembangkan dalam beberapa dekade terakhir. Namun, untuk seorang praktisi komputasi, lingkungan perangkat lunak yang digunakan untuk pekerjaan komputasi sama pentingnya dengan, jika tidak lebih penting daripada, perangkat keras di mana perhitungan dilakukan.<br />
<br />
'''b. Current state of knowledge'''<br />
<br />
Knowledge i have learned in master amount of application and I just know it in master degree, and this is application I had to learn in master degree, first is lab view, I use it for measure temperature in contactor, so I know the temperature at inlet and outlet, second is REFROP this application helped me to know enthalpy in refrigerant, is superheated or subcool, third but not last is CFD-SOF with this application I can calculate velocity of fluid at an object, for example, is I calculated velocity in planar plate, internal flow pipe, and so on. <br />
<br />
'''c. Pengalaman Komputasi Teknik'''<br />
<br />
Untuk pengalaman saya menggunakan komputasi sudah ada beberapa, seperti CFD SOF dan beberapa bahasa pemograman, tetapi di era data scientist sekarang banyak yang sedang menggunakan bahasa python untuk menjadi bahasa pemograman mereka, hal ini dikarekan python merupakan bahasa pemograman open source (gratis) dan mudah di gunakan untuk pemula, berikut dasar - dasar menggunakan bahsa python :<br />
<br />
'''c.1 Pengenalan Komputasi Menggunakan Python'''<br />
<br />
Python adalah bahasa pemrograman tingkat tinggi yang diartikan untuk keperluan umum yang banyak digunakan dalam komputasi ilmiah dan teknik. Pertama dan terpenting, Python terkenal dengan sintaks code yang bersih dan mudah dibaca. Pembacaan kode yang baik meningkatkan pemeliharaan, yang secara umum menghasilkan lebih sedikit bug dan aplikasi yang lebih baik secara keseluruhan, tetapi juga memungkinkan pengembangan kode yang cepat. Dalam pemecahan masalah komputasi, tentu saja, penting untuk mempertimbangkan kinerja algoritma dan implementasinya. Sementara kinerja runtime terbaik dapat dicapai dalam bahasa pemrograman tingkat rendah seperti fortran dan C, bekerja dalam bahasa tingkat tinggi seperti Python biasanya mengurangi waktu pengembangan dan seringkali menghasilkan kode yang lebih fleksibel dan dapat diperluas.<br />
<br />
'''c.2 Environement Untuk Komputasi Dengan Python''' <br />
<br />
Ada beberapa environtment berbeda yang dapat digunakan Python untuk komputasi ilmiah dan teknis. Keragaman ini memiliki kelebihan dan kekurangan dibandingkan dengan lingkungan yang didukung. Dalam produk komputasi memiliki keanekaragaman menyediakan fleksibilitas dan dinamika yang cocok untuk spesialisasi untuk kasus penggunaan tertentu. Di sini saya memberikan orientasi lingkungan umum untuk komputasi ilmiah. Contoh 3 GUI yang digunakan untuk menjalankan python adalah :<br />
<br />
'''c.2.1. IPython'''<br />
<br />
IPython merupakan sebuah console yang dapat dijalankan secara interaktif. Secara bersama dengan text editor untuk menuliskan code, menyediakan yang ringan untuk dikembangkan .<br />
<br />
'''c.2.2. The Jupyter Notebook'''<br />
<br />
Merupakan aplikasi web di mana kode Python dapat ditulis dan dieksekusi melalui browser web. Environtment ini sangat bagus untuk komputasi numerik, analisis, dan penyelesaian masalah, karena memungkinkan seseorang untuk mengumpulkan code, output yang dihasilkan oleh code, dokumentasi teknis terkait, dan analisis dan interpretasi, semuanya dalam satu dokumen.<br />
<br />
'''c.2.3. Spyder'''<br />
<br />
Integrated Development Environment, yang dapat digunakan untuk menulis dan menjalankan kode Python secara interaktif. IDE seperti Spyder adalah alat yang dapat diguankan untuk mengembangkan library dan modul Python yang bisa digunakan kembali<br />
<br />
'''c.2.4. Interpreter'''<br />
<br />
Cara standar untuk mengeksekusi kode Python adalah menjalankan program secara langsung melalui interpreter Python. Pada kebanyakan sistem, interpreter Python dipanggil menggunakan perintah python. Ketika Python file source diperintahkan sebagai argumen untuk perintah ini, kode Python dalam file tersebut dijalankan.<br />
<br />
$ python hello.py<br />
<br />
Hello from Python!<br />
<br />
Di sini file hello.py berisi satu baris:<br />
<br />
print("Hello from Python!")<br />
<br />
Untuk melihat versi Python mana yang diinstal, seseorang dapat menjalankan perintah python dengan argumen --version:<br />
<br />
$ python –version<br />
<br />
Python 3.6.5<br />
<br />
Adalah umum untuk menginstal lebih dari satu versi Python pada sistem yang sama. Setiap versi Python memelihara kumpulan perpustakaannya sendiri dan menyediakan perintah penerjemahnya sendiri (sehingga setiap lingkungan Python dapat menginstal perpustakaan yang berbeda). Pada banyak sistem, versi tertentu dari juru bahasa Python tersedia melalui perintah seperti, misalnya, python2.7 dan python3.6. Dimungkinkan juga untuk mengatur lingkungan python virtual yang independen dari lingkungan yang disediakan sistem. Ini memiliki banyak keuntungan dan saya sangat menyarankan untuk membiasakan diri dengan cara ini bekerja dengan Python. Lampiran A memberikan perincian tentang cara mengatur dan bekerja dengan lingkungan semacam ini.<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-2 : ''' (Senin, 10 Februari 2020), Sinopsis Tuga Akhir ==<br />
<br />
<br />
----<br />
<br />
<br />
'''a. Menjelaskan Sinopsis Tugas Akhir''' <br />
<br />
JUDUL : <br />
<br />
Sistem Pendingin Mengguankan Thermo Electric Cooler dengan Controller Propotional - Integral Derivative<br />
<br />
SINOPSIS : <br />
<br />
Pendinginan merupakan salah satu proses yang dapat digunakan untuk berbagai macam penggunaan, antara lain untuk menjaga produk industri makanan dan produk medis seperti obat-obatan dan vaksin. Proses pendinginan sekarang masih menggunakan teknologi pengawetan berbasis kompresi menggunakan gas pendingin. Tipe gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannya dan tipe R600a memiliki COP yang lebih rendah. Penelitian ini bertujuan merancang perangkat keras dan perangkat lunak yang dapat diaplikasikan pada pendingin termoelektrik, dengan merancang sebuah alat yang digunakan untuk sistem lemari pendingin menggunakan Thermoelectric Cooler (TEC) dan mendapatkan nilai COP yang tinggi. Sistem dibangun dengan kontroler Proportional Integral Derivative (PID). Sistem ini menggunakan beberapa alat antara lain, sensor suhu, Transistor tipe TIP31, modul bluetooth, kipas, dan mikrokontroler ATSAM3X8E. Pengendalian suhu dilakukan dengan membandingkan set-point suhu yang diinginkan dengan suhu dari sensor. Dari penelitian ini diperoleh hasil bahwa semakin besar nilai tegangan yang diberikan maka semakin besar pula besar nilai Pulse Wave Modulation (PWM) yang dihasilkan. Semakin tinggi nilai besar PWM, semakin cepat penurunan suhu pada kotak pendingin. Dari beberapa pengujian dapat disimpulkan bahwa nilai parameter kontrol proporsional (Kp), parameter kontrol integral (Ki), dan nilai parameter kontrol deferensial (Kd ), dimana pada nilai Kp = 255, Ki = 100, dan Kd = 200 mendapatkan grafik yang lebih stabil dan mendekati nilai set-point, dengan nilai error sebesar 2,86 %.<br />
<br />
<br />
'''b. Perbedaan deterministik dan stokastik'''<br />
<br />
b.1 deterministik adalah sesuatu yang pasti akan terjadi. <br />
<br />
b.2 stokastik adalah Stokastik adalah kebolehjadian, atau dengan kata lain sesuatu yang belum terjadi kepastiannya. "Sesungguhnya, Allah tidak akan mengubah nasib suatu kaum, hingga mereka mengubahnya sendiri.." (Q.S. Ar-Ra'd [13] : 11) <br />
<br />
<br />
'''c . Komputasi Teknik pada Tugas Akhir'''<br />
<br />
Tipe tugas akhir saya adalah deteministik. Hal ini dikarenakan nilai dari PID yang saya tentukan pasti. Menurut pendapat saya untuk penerapan komputasi teknik pada tugas akhir saya adalah <br />
<br />
Pada penggunaan fitur controller PID, adalah kemampuan untuk menggunakan tiga tipe kontroller yakni propotional, integral dan derivatif yang mempengaruhi nilai keluaran kontroller untuk dipalikasikan pada nilai yang optimal dari kontroller itu sendiri. <br />
<br />
[[File:PID.png|400px|thumb|left ]]<br />
<br />
Diagram blok yang terdapat pada sebelah kiri menunjukkan bagamimana cara controller ini bekerja. Gambar tersebut menunjukan kontroller PID, yang mana secara kontinu menghitung nilai error e(t) sebagai selisih dari setpoint r(t) dan variabel proses y(t), dan pengaplikasian nya dikoreksi berdasakan propotional, integral, dan derivatif. Kontroller mencoba utnuk meminimalisir error dari lebih nya koreksi kontrol variabel u(t), salah satu contoh nya pengontrolan pada kecepatan kipas, kontrol PID dibutuhkan untuk mengetahui jumlah RPM selanjutnya pada kipas sehingga dapat mendinginkan suatu objek.<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
'''d. Komputasi pada tugas akhir saya kedepan nya'''<br />
<br />
Melakuakn simulasi CFD sederhana untuk melihat aliran fluida di dalam lemari pendingin<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan Ke-3''', (Senin 17-Februari-2020), Presentasi Sinopsis Project Komputasi Teknik ==<br />
<gallery mode="slideshow"><br />
File:PPT_1.png|200px|center|<br />
File:PPT_2.png|200px|center|<br />
File:PPT_3.png|200px|center|<br />
File:PPT_4.png|200px|center|<br />
File:ppt_5.png|200px|center|<br />
</gallery><br />
<br />
----<br />
<br />
== '''Pertemuan ke-4''', (Senin, 24 Februari 2020), Presentasi Model Matematis Project Komputasi Teknik ==<br />
<br />
----<br />
<br />
<br />
<br />
Skema kontrol PID dinamai dari ketiga term pengendalinya, yang kemudian dijumlahkan menjadi variabel manipulasi. Term proporsional, integral, dan derivatif dijumlahkan untuk menghitung keluaran kontroler PID. Dengan mendefinisikan u(t) sebagai keluaran kontroler, bentuk akhir dari algoritme PID adalah:<br />
<br />
<br />
<br />
[[File:Rumus1.png|300px|thumb|center ]]<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Contoh PID pada MATLAB<br />
|-<br />
|'''Jenis'''<br />
|'''Foto'''<br />
|'''Deskripsi'''<br />
|-<br />
! '''Porpotional Integral''' <br />
| [[File:Tilu.png|300px|thumb|left ]] || sys = zpk([],[-1 -1 -1],1); <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Loro.png|300px|thumb|left ]] || <br />
<br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
T_pi_fast = feedback(C_pi_fast*sys,1);<br />
step(T_pi,T_pi_fast)<br />
axis([0 30 0 1.4])<br />
legend('PI','PI,fast')<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Siji.png|300px|thumb|left ]] || <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
[C_pidf_fast,info] = pidtune(sys,'PIDF',1.0)<br />
T_pidf_fast = feedback(C_pidf_fast*sys,1);<br />
<br />
step(T_pi_fast, T_pidf_fast); <br />
<br />
axis([0 30 0 1.4]);<br />
<br />
legend('PI,fast','PIDF,fast');<br />
<br />
sys = zpk([],[-1 -1 -1],1); <br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
S_pi_fast = feedback(sys,C_pi_fast);<br />
S_pidf_fast = feedback(sys,C_pidf_fast);<br />
step(S_pi_fast,S_pidf_fast);<br />
axis([0 50 0 0.4]);<br />
legend('PI,fast','PIDF,fast');<br />
<br />
|-<br />
|}<br />
<br />
----<br />
<br />
<br />
== '''Pertemuan ke-5''', (2 Maret 2020), Quis I ==<br />
<br />
<br />
[[File:Photo 1.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 2.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 3.jpeg|350px|thumb|center ]]<br />
<br />
<br />
<br />
<br />
----<br />
== '''Finite ELement, Finite Diffirent, Finite Volume''' ==<br />
<br />
* '''Pengertian Finite Element :'''<br />
<br />
'''Finite Element :''' menyelesaikan suatu problem dengan cara membagi obyek analisa menjadi bagian-bagian kecil yang terhingga. Bagian-bagian kecil ini kemudian dianalisa dan hasilnya digabungkan kembali untuk mendapatkan penyelesaian untuk keseluruhan daerah. Kata “finite atau terhingga” digunakan untuk menekankan bahwa bagian-bagian kecil tersebut tidak tak terhingga, seperti yang lazim digunakan pada metode integral analitik.<br />
<br />
* '''Pengertian Finite Volume :'''<br />
<br />
'''Finite Volume :''' adalah metode yang digunakna untuk merepresentasikan persamaan diferensial parisial dalam bentuk persamaan algeraic. Didalam metode finite volume, mengintergalkan bagian dari persamaan diferensial parsial ,menggunakan teorema divergensi.<br />
<br />
* '''Pengertian Finite Different :'''<br />
<br />
'''Finite Different :''' adalah diskritisasi yang digunakan untuk menyelesaiakn persamaan diferensial dengan memperkirakan denagn persamaan diferensial yang menggunakan perbedaan yang mendekati derivatif.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Pertemuan ke-6''', Senin 9 Maret 2020, Extended Abstrak ==<br />
<br />
<br />
<br />
Name : Wsinu indrawan<br />
<br />
Title : Fluid Analysis For Mini Fan Refrigerator Using Thermoelectric Cooler <br />
<br />
The cooling is one of the processes can be used for various types of applications, starting from maintaining food industry products and medical products such as drugs and vaccines. The cooling process now still uses compression-based preservation technology using cooling gas. The types of cooling gas used are R134a and R600a. However, the R134a contains HF which has been banned for used, and the R600a contains HF gas which can reduce the ozone layer. In addition, a single fan compressor system that uses cooling gas in a steam compressor has difficulties in regulating the temperature of the target compartment. Based on this, an alternative cooling technology is needed. Thermoelectric cooler (TEC) is an alternative cooling technology, because TEC has advantages such as small size, lower noise and vibration, easier in temperature regulation, low maintenance requirements, can absorb heat using the principle of heat difference so that in addition to being able to the cooler can also be a heater, and besides that it can be turned on with a DC current. Obtained a solution in the form of cooling using a thermoelectric cooler, using a fan in the refrigerator.The current research examines the application of CFD (Computational Fluid Dynamic) to analyze the flow of wind into the refrigerator. Use the existing CFD analyst application. To analyze the flow of fluid entering the refrigerator, it is simplified for this refrigerator, by cutting the inside of the refrigerator. So that the incoming fluid flow can be reviewed, from the incoming air velocity can be analyzed with a simple correlation to the wind speed generated with existing pwm. It is expected that from this research, researchers can find out the wind phenomenon that is in the refrigerator so that it can be used for further research.<br />
<br />
<br />
<br />
<br />
[[File:G1.png|400px|thumb|center ]]<br />
<br />
[[File:test1.png|400px|thumb|center ]]<br />
<br />
== '''Optimasi Energi Pada Manusia''' ==<br />
<br />
The article below will describe how to make optimization in daily life, during one month<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Optimasi Energi Pada Manusia<br />
|-<br />
|'''Jenis'''<br />
|'''Perhitungan'''<br />
|'''Deskripsi'''<br />
|-<br />
! Step 1<br />
| [[File:gazo1.png|700px|left]] || Pertama saya menentukan jumlah jam yang dibutuhkan per hari secara acak dengan funsi rand di excel <br />
<br />
|-<br />
! Step 2 <br />
| [[File:gazo2.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 1<br />
<br />
|-<br />
! Step 3 <br />
| [[File:gazo3.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 2<br />
<br />
|-<br />
! Step 4 <br />
| [[File:gazo4.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 3<br />
<br />
<br />
|-<br />
! Step 5 <br />
| [[File:gazo5.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 4<br />
<br />
|-<br />
! Step 6 <br />
| [[File:hebat.png|700px|left]] || Mencari grafik polynomial pada salah satu minggu dan diadapatkan grafik polynom nya<br />
<br />
|-<br />
! Step 7 <br />
| [[File:gazo7.png|700px|left]] || hasil konversi watt ke rupiah pada hari senin pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 8 <br />
| [[File:gazo8.png|700px|left]] || hasil konversi watt ke rupiah pada hari selasa pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 9 <br />
| [[File:gazo9.png|700px|left]] || hasil konversi watt ke rupiah pada hari rabu pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 10 <br />
| [[File:gazo10.png|700px|left]] || hasil konversi watt ke rupiah pada hari jumat pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 11 <br />
| [[File:gazo11.png|700px|left]] || hasil konversi watt ke rupiah pada hari sabtu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step 12 <br />
| [[File:gazo12.png|700px|left]] || hasil konversi watt ke rupiah pada hari minggu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step Final<br />
| [[File:cobajadulu.png|700px|left]] || Mencoba memasukan nilai minimum ke dalam matlab dan mencari dengan curve fitting<br />
<br />
|-<br />
|}<br />
<br />
== '''Pengarahan Beberapa Teknologi Komputasi Teknik''', 16-03-2020 ==<br />
<br />
<br />
Pada pertemuan kali ini membahas masalah initial thinking, mendevelop model matematis, anlisa secara umum dan analisa secara khusus<br />
<br />
Mengembangkan model amtematis dari konsep model utama dari model matematis tersebut<br />
<br />
Dari modeling tersebut dibutuhkan beberapa tahapan pertama :<br />
<br />
*Constrain <br />
<br />
*Boundary Condition <br />
<br />
*Setelah beberapa tahapan itu masuk ke tahapan simulasi <br />
<br />
Pengertian Verifikasi : <br />
<br />
Verifikasi adalah teori filsafat positif logis dalam memilih yang menyatakan bahwa pengalaman adalah satu-satunya sumber dasar pengetahuan dan dalam analisis logis dapat dilakukan dengan bantuan simbol-simbol logika dengan menggunakan metode untuk pemecahkan masalah melalui metode verifikasi empirik yaitu bila terdapat sesuatu yang tidak dapat diverifikasi secara empirik maka hasilnya adalah sia-sia. penganut teori radikal ini memiliki masalah konsekuensi untuk filosofi tradisional, karena, jika benar, akan menyebabkan banyak pekerjaan sia-sia pada filosofis masa lalu, antara lain pada metafisika dan etika.<br />
<br />
Validasi : <br />
<br />
validasi adalah sebuah teknik validasi model untuk menilai bagaimana hasil statistik analisis akan menggeneralisasi kumpulan data independen. Teknik ini utamanya digunakan untuk melakukan prediksi model dan memperkirakan seberapa akurat sebuah model prediktif ketika dijalankan dalam praktiknya. Dalam sebuah masalah prediksi, sebuah model biasanya diberikan kumpulan data (dataset) yang diketahui untuk digunakan dalam menjalankan pelatihan (dataset pelatihan), serta kumpulan data yang tidak diketahui (atau data yang pertama kali dilihat) terhadap model yang diuji (pengujian dataset).[4] Tujuan dari validasi silang adalah untuk mendefinisikan dataset untuk "menguji" model dalam tahap pelatihan (yaitu, validasi data), dalam rangka untuk membatasi masalah seperti terjadinya overfitting, memberikan wawasan tentang bagaimana model akan menggeneralisasi independen dataset (yaitu, dataset tidak diketahui, misalnya dari masalah nyata), dll.<br />
<br />
== '''Ujian Tengah Semester''', Komputasi Teknik ==<br />
<br />
<br />
<br />
<br />
=== '''Video Pembelajaran Setiap Minggu''' ===<br />
<br />
<br />
'''Kemampuran Komputasi Teknik Selama Perkuliahan, Tutorial Menggunakan CFDSOF'''<br />
<br />
<br />
[[File:.pertemuan3wisnuindrawan.mp4||500px|center]]<br />
<br />
<br />
<br />
=== '''Draft Paper Komputasi Teknik''' ===<br />
<br />
<br />
==== BAB I ====<br />
<br />
Pendinginan salah satu teknologi yang memiliki berbagai macam pengaplikasian, dimulai dari menjaga produk makanan dari kebusukan dan berbagai pengendalian suhu dalam bidang elektronik dan industri lainnya (Gökçekdan Şahin, 2017).Salah satu teknologi pendinginan yang sekarang ini sering digunakan adalah teknologi berbasis kompresi uap karna mempunyai (COP) coefficient of performanceyang tinggi dan mempunyai harga yang lebih murah dibandingkan teknologi alternatif lainnya.Dalam proses pendinginan, teknologi kompresi uap menggunakan gas pendingin yang berfungsi untuk menyerap panas pada udara dalam ruangan, sehingga menjadi bersuhu rendah. Secara luas gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannyadan tipe R600a mengandung gas HF yang dapat mengurangi lapisan ozon (Söylemez dkk., 2018). Selain itu,pada sistem kompresor satu kipas yang menggunakan gas pendingin pada kompresor uap memiliki kesulitan dalampengaturan temperatur dari kompartemen target. Berdasarkan pernyataan tersebut diperlukan suatu teknologi pendingin alternatif. Thermoelectric cooler adalah salah satu alternatif teknologi pendingin, dikarenakan thermoelectric cooler memiliki kelebihan seperti berukuran kecil, kebisingan dan getaran yang lebih rendah, lebih mudah dalam pengaturan suhu, mebutuhkan perawatan yang sedikit, dan dapat dihidupkan dengan arus DC (Söylemezdkk., 2018). Pendinginan dengan menggunakan TEC (Termoelectric Cooling) telah digunakan untuk menghilangkan embun kaca depan kendaraan. Penelitian tersebut telah menghasilkan temperatur hingga 22,4 oC. Penelitian lainTEC telah digunakan untuk pendingin kotak minuman dengan menggunakan 3thermoelectric cooling, dimana dapat menghasilkan temperatur kotak minuman tanpa beban mencapai14,3 oC, dengan beban pendingin air sebanyak 1 liter sebesar 16,4 oC (Nulhakim, 2017). TEC (Termoelectric Cooling) tidak hanya dapat mendinginkan, tetapi dapat memanaskan di waktu yang bersamaan. Sifat dari TEC ini dapat dimanfaatkan untuk sistem pengaturan suhu ruangan. Untuk tujuan pengaturan suhu yang lebih akurat, dapat dipertimbangkan menggunakan sistem kontrol loop tertutup dengan PID (Propotional, Integral dan Derivative). Kelebihan dari pemakaian kontroler PID di loop tertutup adalah kontrol PID memiliki kemampuan untuk penyetelan otomatis, dan dapat adaptasi terhadap variasi waktu, sehinggasistem dari kontroler PID menyediakan aplikasi didalam industri dengan fitur kontrol yang lebih akurat dandapat disesuaikan dengan kebutuhan(Abdullah dan Ayman, 2008). Pengaturan PID pada umumnya menggunakan alat yang memakan banyak biaya. Tetapi menurut hasil dari eskperimen yang menyatakan bahwa kontroler PID menggunakna mikrokontoler tipe P18F4685 yang memiliki kapasitas 14 bit dapat menghasilkan kestabilan yang baik, dengan overshoot yang sedikit, dan memiliki waktu settling time yang sedikit pula (El-Nagar dan El-Bardini, 2014). Dari latar belakang tersebut diperlukan suatu sistem pendingin ruangan yang terkontrol secara otomatis menggunakanteknologi pendingin ramah lingkungan yang terkontrol dengan sistem kontrol loop tertutup, sehinggadapat manjadi salah satu alternatif teknologi pendingin ruangan.Berdasarkan potensi tersebut maka telah dilakukan penelitian tentang rancang bangun sistem pendingin ruangan menggunakan TEC (Thermoelectric Cooler) dengan kontroler PID.<br />
<br />
==== BAB II ====<br />
<br />
'''Sensor Suhu''' <br />
<br />
Salah satu jenis sensor suhu yang banyak digunakan di industri adalah tipe sensor suhu berbahan semikonduktor. Sensor ini menggunakankonfigurasi dioda atau transistor di kutub yang pada sambungan p-n bahan tersebut memiliki respon yang kuat terhadap suhu. Terdapat dua jenis pemberian tegangan pada sambungan p-n yaitu bias maju dan bias mundur seperti ditunjukkan pada Gambar 2.1. Ketika sambungan p-n bias maju dihubungkan dengansumber arus, maka terjadi beda potensial pada kedua sambungan. Beda potensial atau tegangan yang dihasilkan berbanding lurus dengan perubahan suhu(Suryono, 2018).<br />
<br />
[[File:wisnu.png|500px|center|]]<br />
<br />
<br />
<br />
'''Thermoelectric'''<br />
<br />
Modul thermoelectric khas dibuat menggunakan dua buah keramik berbentuk wafer dengan jenis bahan semikonduktor bismuth telluride P dan N yang diapit di antara keduanya seperti yang ditunjukkan pada Gambar 2.3. Bahan keramik di kedua sisi dari thermoelectric berfungsi untuk pelindung dan sebagai isolator listrik yang diperlukan. Bahan tipe-N memiliki kelebihan elektron, sementara bahan tipe-P membutuhkan elektron. Bahan P dan N membentuk pasangan, seperti yang ditunkjukan pada Gambar 2.3. Pasangan thermoelectric dipasang secara seri dan termal sejajar. Modul thermoelectric dapat berisi satu sampai beberapa ratus pasangan. Saat elektron bergerak dari bahan tipe-P ke bahan tipe-N melalui konektor listrik, elektron beralih ke keadaan energi yang lebih tinggi dan menyerap energi panas (sisi dingin) (Manikandan dkk., 2017).<br />
<br />
<br />
[[File:dewawisnuganteng.png|500px|center|]]<br />
<br />
<br />
<br />
<br />
<br />
==== BAB III ====<br />
<br />
Sistem pengendalian yang saya pakai adalah menggunakan mobile phone, jadi pada penyetingan set point pada PID menggunakan apliaksi mobile bebasis bluetooth<br />
<br />
<br />
[[File:bismillahadajalan.png|500px|center|]]<br />
<br />
Selanjut nya pada sistem kerja dari alat ini menggunakan sistem PID untuk mengatur kecepatan dari driver motor untuk mengatur suhu, jika suhu tidak sesuai dengan yang diinginkan maka kecepatan kipas akan terus bertambah.<br />
<br />
<br />
[[File:PIDBROH.png|500px|center|]]<br />
<br />
<br />
Hasil rancang bangun dari alat pendingin ditunjukan pada gambar dibawah ini<br />
<br />
<br />
[[File:celenganrindu.jpg|500px|center|]]<br />
<br />
Pembuatan interface untuk memasukkan data set point pada aplikasi mobile<br />
<br />
[[File:interface.png|500px|center|]]<br />
<br />
Pembuatan interface untuk mencari device bluetooth pada device-device sekitar<br />
<br />
[[File:tampilan2.png|500px|center|]]<br />
<br />
==== BAB IV ====<br />
<br />
Hasil data dari kalibrasi sensor suhu dengan alat ukur standart SNI <br />
<br />
<br />
[[File:akad.png|500px|center|]]<br />
<br />
<br />
Data PID setelah melakukan trial and error mendapatkan nilai Kp Kd Ki <br />
<br />
<br />
[[File:bismillahwisnudata.png|500px|center|]]<br />
<br />
=== '''Laporan Optimasi Energi''' ===<br />
<br />
<br />
Grafik Pada Minggu Pertama<br />
<br />
<br />
<br />
[[File:bersyukurlah.png|500px|center|]]<br />
<br />
[[File:gambarsatu.png|500px|center|]]<br />
<br />
<br />
[[File:semuaudahadarezekinya.png|500px|center|]]<br />
<br />
<br />
<br />
[[File:janganngeluhterus.png|500px|center|]]<br />
<br />
Gambar yang ditunjukan dengan menggunakna aplikasi sypder menunjukkan nilai x, nilai tersebut merupakan nilai minimum atau optimum dari persamaan yang telah dibuat dengan menggunakan excel<br />
<br />
<br />
Revisi Projek tugas komputasi teknik <br />
<br />
Pada kesempatan kali ini saya menggunakan case baru untuk menyelesaikan draft paper mata kuliah komputasi teknik <br />
<br />
Hal ini dikarenakan, ketertarikan penulis untuk mengangkat tema ini <br />
<br />
==Refisi draft paper==<br />
<br />
<br />
<br />
Beberapa contoh data dari nasabah yang dihasilkan untuk mengetahui apakah nasabah ingin meninggalkan bank dari data - data pribadi mereka, <br />
seperti lama mereka menggunakan jasa bank ini, jumlah tabungan mereka, kemudian umur mereka, dan dari pria atau wanita <br />
<br />
<br />
[[File:22 April 2020 5.png || 700px]]<br />
<br />
Pertama data yang berada dalam format csv dimasukan ke dalam pemograman python dengan maka akan muncul tampilan seperti diatas, ataua kerap<br />
disebut sebagai dataframe, setelah dataframe terbentuk maka dataframe tersebut di pecah - pecah atau dikelompokkan mana yang bisa digunakan untuk <br />
independent variable atau tidak <br />
<br />
<br />
<br />
[[File:22 April 2020 1.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 2.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 3.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 4.png || 700px]]<br />
<br />
<br />
methode dari draft paper ini adalah : <br />
<br />
'''mengguankan machine learning''' <br />
<br />
Pembelajaran mesin (ML) adalah studi tentang algoritma komputer yang meningkat secara otomatis melalui pengalaman. [1] Itu dilihat sebagai bagian dari kecerdasan buatan. Algoritma pembelajaran mesin membangun model matematika berdasarkan data sampel, yang dikenal sebagai "data pelatihan", untuk membuat prediksi atau keputusan tanpa diprogram secara eksplisit untuk melakukannya. [2] [3]: 2 Algoritma pembelajaran mesin digunakan dalam berbagai berbagai aplikasi, seperti penyaringan email dan visi komputer, di mana sulit atau tidak layak untuk mengembangkan algoritma konvensional untuk melakukan tugas-tugas yang diperlukan.<br />
<br />
Pembelajaran mesin terkait erat dengan statistik komputasi, yang berfokus pada membuat prediksi menggunakan komputer. Studi tentang optimasi matematika memberikan metode, teori dan domain aplikasi ke bidang pembelajaran mesin. Penambangan data adalah bidang studi terkait, dengan fokus pada analisis data eksplorasi melalui pembelajaran tanpa pengawasan.<br />
<br />
'''Realsi terhadap optimasi'''<br />
<br />
Pembelajaran mesin juga memiliki ikatan intim dengan optimisasi: banyak masalah pembelajaran dirumuskan sebagai minimalisasi beberapa fungsi kerugian pada serangkaian contoh pelatihan. Fungsi kerugian menyatakan perbedaan antara prediksi model yang sedang dilatih dan contoh masalah yang sebenarnya (misalnya, dalam klasifikasi, seseorang ingin menetapkan label pada instance, dan model dilatih untuk memprediksi dengan benar label yang telah ditetapkan sebelumnya dari sekumpulan contoh). Perbedaan antara dua bidang muncul dari tujuan generalisasi: sementara algoritma optimasi dapat meminimalkan kerugian pada set pelatihan, pembelajaran mesin berkaitan dengan meminimalkan kerugian pada sampel yang tidak terlihat. <br />
<br />
'''Relasi terhadap statistik'''<br />
<br />
Pembelajaran mesin dan statistik adalah bidang yang terkait erat dalam hal metode, tetapi berbeda dalam tujuan utamanya: statistik menarik kesimpulan populasi dari sampel, sementara pembelajaran mesin menemukan pola prediksi yang dapat digeneralisasikan. Menurut Michael I. Jordan, gagasan pembelajaran mesin, mulai dari prinsip metodologis hingga alat teoretis, telah memiliki pra-sejarah panjang dalam statistik. [22] Dia juga menyarankan istilah ilmu data sebagai pengganti untuk menyebut bidang keseluruhan. <br />
<br />
Leo Breiman membedakan dua paradigma pemodelan statistik: model data dan model algoritmik, [23] di mana "model algoritmik" berarti kurang lebih algoritma pembelajaran mesin seperti hutan acak.<br />
<br />
Beberapa ahli statistik telah mengadopsi metode dari pembelajaran mesin, yang mengarah ke bidang gabungan yang mereka sebut pembelajaran statistik. <br />
<br />
<br />
'''Teori'''<br />
<br />
Tujuan inti seorang pelajar adalah untuk menggeneralisasi dari pengalamannya. Generalisasi dalam konteks ini adalah kemampuan mesin pembelajaran untuk melakukan secara akurat pada contoh / tugas baru yang tidak terlihat setelah mengalami kumpulan data pembelajaran. Contoh-contoh pelatihan berasal dari beberapa distribusi probabilitas yang umumnya tidak diketahui (dianggap mewakili ruang kejadian) dan pelajar harus membangun model umum tentang ruang ini yang memungkinkannya menghasilkan prediksi yang cukup akurat dalam kasus-kasus baru.<br />
<br />
Analisis komputasi algoritma pembelajaran mesin dan kinerjanya adalah cabang ilmu komputer teoretis yang dikenal sebagai teori pembelajaran komputasi. Karena set pelatihan terbatas dan masa depan tidak pasti, teori pembelajaran biasanya tidak menghasilkan jaminan kinerja algoritma. Sebaliknya, batasan probabilistik pada kinerja cukup umum. Dekomposisi bias-varians adalah salah satu cara untuk mengukur kesalahan generalisasi.<br />
<br />
Untuk kinerja terbaik dalam konteks generalisasi, kompleksitas hipotesis harus sesuai dengan kompleksitas fungsi yang mendasari data. Jika hipotesis kurang kompleks dari fungsi, maka model memiliki data yang sesuai. Jika kompleksitas model meningkat dalam respons, maka kesalahan pelatihan berkurang. Tetapi jika hipotesisnya terlalu kompleks, maka modelnya akan mengalami overfitting dan generalisasi akan menjadi lebih buruk. <br />
<br />
Selain batas kinerja, ahli teori belajar mempelajari kompleksitas waktu dan kelayakan belajar. Dalam teori pembelajaran komputasi, perhitungan dianggap layak jika dapat dilakukan dalam waktu polinomial. Ada dua jenis hasil kompleksitas waktu. Hasil positif menunjukkan bahwa kelas fungsi tertentu dapat dipelajari dalam waktu polinomial. Hasil negatif menunjukkan bahwa kelas-kelas tertentu tidak dapat dipelajari dalam waktu polinomial.<br />
<br />
<br />
<br />
<br />
==== Metode ====<br />
<br />
'''metode machine learning ada beberapa tipe nya berikut penjelasan mengenai teori machine learning :'''<br />
<br />
<br />
1. Suppport Vector Machine (SVMs)<br />
<br />
Support vector Machines (SVMs) adalah algoritma pembelajaran mesin yang diawasi yang fleksibel namun kuat yang digunakan baik untuk klasifikasi dan regresi. Tetapi umumnya, mereka digunakan dalam masalah klasifikasi. Pada 1960-an, SVM pertama kali diperkenalkan tetapi kemudian disempurnakan pada tahun 1990. SVM memiliki cara implementasi yang unik dibandingkan dengan algoritma pembelajaran mesin lainnya. Akhir-akhir ini, mereka sangat populer karena kemampuan mereka untuk menangani beberapa variabel kontinu dan kategorikal.<br />
<br />
<br />
Dalam praktiknya, algoritma SVM diimplementasikan dengan kernel yang mengubah ruang data input ke dalam formulir yang diperlukan. SVM menggunakan teknik yang disebut trik kernel di mana kernel mengambil ruang input dimensi rendah dan mengubahnya menjadi ruang dimensi yang lebih tinggi. Dengan kata-kata sederhana, kernel mengubah masalah yang tidak dapat dipisahkan menjadi masalah yang dapat dipisahkan dengan menambahkan lebih banyak dimensi ke dalamnya. Itu membuat SVM lebih kuat, fleksibel dan akurat. Berikut ini adalah beberapa jenis kernel yang digunakan oleh SVM.<br />
<br />
<br />
Linear Kernel <br />
<br />
Ini dapat digunakan sebagai produk titik antara dua pengamatan. Rumus kernel linear adalah sebagai berikut<br />
<br />
Metode yang digunakan <br />
<br />
pada penelesaian masalah ini saya menggunakana beberapa engone dari python untuk melakuakn machine learning yakni '''sklearn''' dan '''tensor flow''', berikut penjelasan masing masing metode nya :<br />
<br />
ini adalah struktur skrip dari '''sklearn.prepocessing''' <br />
<br />
class sklearn.preprocessing.OneHotEncoder(*, categories='auto', drop=None, sparse=True, dtype=<class 'numpy.float64'>, handle_unknown='error')[source]<br />
<br />
kenapa class ini digunakan karena machine leraning tidak bisa memproses selain angka, tapi pada kasus ini saya menggunakan nama, umur dan beberapa proses yang menggunakan tipe string(kata - kata)<br />
sehigga sulit untuk di klasifikasikan.<br />
<br />
'''maka dari itu metode ini dapat digunakan.'''<br />
<br />
'''One Hot Encoding adalah :''' reperentasi kategori variabel dalam vektor biner. <br />
<br />
Pertama nilai dari proses ini dipetakan dala nilai integer (nilai angka yang benilai bilangan bulat, tidak memiliki nilai koma)<br />
<br />
Lalu, setiap nilai yang berbentuk integer ini direpresentasikan sebagai vektor biner yang semua nya bernilai nol kecuali yang terindeks integer, yang di tandai 1.<br />
<br />
Paper yang digunakna untuk metode sckit learning adalah :<br />
<br />
[[File:sckitwisnu1.png||700px||center]]<br />
<br />
[[File:sckitwisnu2.png||700px||center]]<br />
<br />
[[File:sckitwisnu3.png||700px||center]]<br />
<br />
[[File:sckitwisnu4.png||700px||center]]<br />
<br />
== Quis II, 6 April 2020 ==<br />
<br />
<br />
Assalamualaiakum Beerikut adalah link dari Quis 2<br />
Wisnu Indrawan <br />
1906433745<br />
<br />
https://drive.google.com/drive/folders/17z_x1nPTXBtnZl_PVhXRBZXdK5Wy0GMx?usp=sharing<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan Tanggal : Senin, 13 April 2020 ==<br />
<br />
<br />
<gallery mode="slideshow"><br />
File:Wisnu 12346798.png<br />
File:Wisnu 123467989.png<br />
File:Wisnu 12346798910.png<br />
File:Wisnu 12346798435435.png<br />
File:Wisnu 1234679843fdsaf4.png<br />
</gallery><br />
<br />
== Resume Pertemuan tanggal : Senin, 20 April 2020 ==<br />
<br />
<br />
<gallery mode="slideshow"><br />
<br />
<br />
File:qwerwqerqwerq_caseII_1.png<br />
File:qwerwqerqwerq_caseII_2.png<br />
File:24-04-2020-1-tugas komtek.png<br />
File:2020-04-24 23 12 57-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 22-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:hasil-24-04-2020.png<br />
File:2020-04-24 23 47 29-Book1 - Excel.png<br />
</gallery><br />
<br />
<br />
Penggunaan aplikasi python untuk mencari ann pada kasus ini terdapat perbedaan, untuk penggunaan matlab untuk mencari nilai ann pada aplikasi ini menggunakan nntool <br />
<br />
<br />
'''nntool''' <br />
<br />
[[File:nntoolwisnu.png||400px||center]]<br />
<br />
== Resume Pertemuan tanggal : Senin, 27 April 2020 ==<br />
<br />
1. Pemahaman terkait prinsip dan konsep komputasi teknik<br />
<br />
2. Penerapan konsep dan skill dalam komputasi teknik<br />
<br />
3. Lebih mengenal diri<br />
<br />
Dari 3 point diatas disampaikan via zoom dengan cara sebagai berikut:<br />
<br />
a. show your contributions<br />
<br />
b. your understanding<br />
<br />
c. your skill<br />
<br />
== Resume Pertemuan tanggal : Senin, 04 Mei 2020 ==<br />
<br />
<br />
<br />
- Pemahaman terkait prinsip dan konsep komputasi teknik<br />
<br />
- Penerapan konsep dan skill dalam komputasi teknik<br />
<br />
- Lebih mengenal diri baik individu maupun kelompok/ kelas<br />
<br />
Intisaru dari evaluasi diri ini adalah :<br />
<br />
- show your contributions<br />
<br />
- your understanding<br />
<br />
- your skkill<br />
<br />
== Resume Pertemuan tanggal : Senin, 11 Mei 2020 ==<br />
<br />
<br />
Pada pertemuan tanggal 11 Mei 2020 terdapat pembahasan selanjut nya pada pertemuan minggu lalu mengnai pressure drop. Pada pembahsan pada grup whatshap mengenai tentang pendapat individu mengenai kasus pressure drop dan di bahas kemabli dalam grup Komputasi Teknik via whatshapp. Diharapkan pada pembahasan ini secara personal memahami cases Basic Mechanics dan menjadi kewajiban bagi setiap mahsiwa menyatakan analisa pribadi terkait kasus tersebut. <br />
<br />
Berikut Hasil dari pembahasan kasus tersebut : <br />
<br />
<gallery mode="slideshow"><br />
File:WhatsApp Image 2020-05-12 at 19.30.27.jpeg<br />
File:WhatsApp Image 2020-05-11 at 09.41.12.jpeg<br />
File:WhatsApp Image 2020-05-12 at 16.50.43.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.51.38.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.53.29.jpeg<br />
</gallery><br />
<br />
<br />
<br />
'''Azikri '''<br />
<br />
sedikit tambahan terkait hal di atas, bahwa pada dasarnya aliran fluida dalam pipa akan mengalami penurunan tekanan atau pressure drop seiring dengan <br />
panjang pipa ataupun disebabkan oleh gesekan dengan permukaan<br />
saluran, dan juga ketika aliran melewati sambungan pipa, belokan, katup, difusor, dan sebagainya.<br />
Disisi lain, prinsip dasar persamaan kontinuitas juga jadi landasan dimana massa tidak dapat diciptakan dan<br />
tidak dapat dimusnahkan, sehingga massa dalam suatu sistem yang konstan dapat dinyatakan dengan rumus : rho.A.v=m<br />
<br />
atau Jika aliran fluida bersifat incompressible dan steady flow, maka persamaan menjadi : Q=A.v<br />
<br />
Singkatnya dr persmaan pertama bahwa pressure drop berbanding terbalik dengan D, dan begitu halnya dengan persamaan 2 tegangan geser berbanding <br />
terbalik dg A<br />
<br />
'''Adhika '''<br />
<br />
- Gaya Masuk - Gaya Geser Total = Gaya Keluar<br />
- Gaya Geser Total = Gaya Masuk - Gaya Keluar<br />
- Gaya Geser Total = P1.A - P2.A <br />
- Gaya Geser Total = dp . Luas Area Pipa<br />
Shear Stress . Luas Selimut = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(Luas Area Pipa . L. pi . 4) = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(L. pi . 4) / sqrt(Luas Area Pipa) = dp<br />
<br />
Kesimpulan:<br />
Luas Area Pipa semakin besar maka dp akan semakin kecil<br />
<br />
<br />
'''Jerry '''<br />
<br />
Ketika nilai A membesar, maka nilai D secara langsung juga membesar karena A merupakan fungsi D; A(D). <br />
<br />
Dari persamaan pressure drop, terlihat bahwa nilai D berbanding terbalik dengan nilai deltaP. <br />
<br />
Hal ini akan mengimplikasikan bahwa semakin besar nilai D, maka semakin kecil nilai deltaP<br />
<br />
'''Dessy'''<br />
<br />
Sederhananya jika dilihat dari persamaan untuk Pressure Drop maka sudah cukup jelas dalam menjawab pertanyaan mengapa ketika luas area (A) diperbesar <br />
menyebabkan nilai pressure drop yang menurun, dimana <br />
<br />
dP = f L rho V^2 / 2 D<br />
<br />
Dari persamaan diatas terlihat bahwa nilai diameter (pengaruhnya terhadap luas area) berbanding terbalik dengan nilai pressure loss dP.<br />
<br />
Tambahan juga jika dilihat dari nilai kecepatan (disini saya menggunakan analogi aliran fluida dalam pipa), secara logika apabila nilai luas <br />
penampang A diperbesar maka nilai kecepatan akan semakin kecil, sesuai dengan persamaan yang telah dijelaskan oleh saudara Dieter sebelumnya.<br />
<br />
Maka jika kembali ke persamaan pressure drop sesuai analogi ini, A yang besar akan menyebabkan nilai V menurun, akibatnya nilai dP pun akan menurun.<br />
<br />
Dari sini dapat disimpulkan bahwa semakin besar nilai diameter D, yang menghasilkan nilai area A yang semakin besar pula, menghasilkan nilai pressure <br />
drop dP yang semakin kecil.<br />
<br />
'''Muhammad Gumilar'''<br />
<br />
Ada hal menarik disini, dari beberapa yang saya perhtikan dari beberapa pendapat teman-teman, pengaruh dari adanya luasan atau diameter pipa akan <br />
mempengaruhi keepatan alir didalam pipa , sesuai dengan hukum kontinuitas. Berkaitan dengan hal ini, saya mencerna bahwa bisa saja sebenarnya jika <br />
kita membandingkan dua hal yang mana, dua buah pipa dengan diameter yang berbeda akan tetepa memiliki kecepatan aliran rata-rata yang sama, yang <br />
mana berarti kedua debit aliran dari pipa ini berbeda. Namun yang dititikberatkan pada pembahasannya adala, kenapa berdasarkan rumus pressure loss, <br />
apabila diameter membesar, maka pressure drop akan berkurang. Sedangkan dari persamaan yang lain, kita kethaui bahwa gaya gesek akibat adanya <br />
tegangan geser akan meningkat karena persamaannya adalah F=thow * A. <br />
<br />
Kebingunga dari mahasiswS1 tersebut menurut saya adalah pemahaman beliau yang tidak komprehensif terhadap kosnep pressure drop. Memang, pressure drop <br />
itu berhubungan erat dengan adanya gesekan viscous antara fluida dengan dinding pipa. Akan tetapi, ada hal penting yang dilupakan oleh sang mahasiswa <br />
S! tersebut, yaitu bahwa perbesaran diameter dari pipa juga akan mengakibatkan tegangan geser yang terjadi. Secara sederhana, sepemahaman saya, <br />
tegangan geser itu berbanding lurus dengan gradient kecepatan aliran fluida di sepanjang pipa, yaitu du/dy. Nah, apabila, dengan kecepatan rata-rata <br />
yang sama, diameter pipa semakin besar, maka gradient kecepatan di sepanjang pipa akan berkurang karena pengaruh gaya viscous antara dinding dan <br />
fluida juga semain berkurang. Oleh karena itu, pressure Drop yang terjadi juga akan semakin berkurang. Semoga bermanfaaat semua eheheheh<br />
<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan tanggal : Senin, 18 Mei 2020 ==<br />
<br />
Pada pertemuan kali ini membahas materi minggu lalu dan saya ingin menjelaskan lagi terkait tentang friction loss, berikut penjelasan nya <br />
<br />
Dalam aliran fluida, kehilangan gesekan (atau gesekan kulit) adalah hilangnya tekanan atau "head" yang terjadi pada pipa atau aliran saluran karena efek viskositas fluida di dekat permukaan pipa atau saluran. [1] Dalam sistem mekanis seperti mesin pembakaran internal, istilah ini mengacu pada daya yang hilang dalam mengatasi gesekan antara dua permukaan yang bergerak, sebuah fenomena yang berbeda.<br />
<br />
<br />
<br />
== UAS ==<br />
<br />
Pada pembahasan UAS kali ini terdapat pembahasan mengenai mencari nilai top speed dari suatu mobil dengan menggunakan beberapa algoritma yang sudah dipelajari sealama perkuliahan : <br />
Berikut penjelasan terkait soal tersebut:</div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=Wisnu_indrawan&diff=36004Wisnu indrawan2020-06-08T08:48:03Z<p>Wisnu indrawan: /* Resume Pertemuan tanggal : Senin, 20 April 2020 */</p>
<hr />
<div><br />
<br />
----<br />
<br />
== '''Biodata Diri :''' ==<br />
<br />
----<br />
<br />
<br />
[[File:wisnu.jpg|200px|thumb|left|Watashinonamaeha wisnu ndes ]]<br />
<br />
*Nama : Wisnu Indrawan <br />
<br />
*NPM : 1906433745<br />
<br />
*Jurusan : Teknik Mesin<br />
<br />
*Institusi : Universitas Indonesia<br />
<br />
*Penjuruan : SUBAK (Sistem Utilitas Bangunan)<br />
<br />
*Email : wisnu.indrawan@ui.ac.id<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Istilah - Istilah Teknik''' ==<br />
<br />
<br />
'''1. Clustering ''' <br />
<br />
*clustering adalah teknik machine learning berupa algoritma pengelompokkan objek-objek data berjumlah N menjadi <br />
kelompok-kelompok data tertentu (cluster)<br />
<br />
*Objek data yang beada dalam satu kelompok / cluster harus memiliki kemiripan <br />
<br />
*Semakin banyak data yang diperoleh sama dnegan semakin akurat hasil yang di dapatkan <br />
<br />
*Clustering merupakan salah satu jenis dari algoritma unsupervised learining, algoritma <br />
yang bertujuan untuk mempelajari dan menemukan pola dari suatu input yang diberikan tanpa menggunuakan label <br />
<br />
*Dengan penggunaan supervised learning, maka beberapa hal berikut ini dapat dilakukan <br />
<br />
'''1.''' Search: Membandingkan antar dokumen, gambar atau suara untuk menampilkan item serupa. <br />
<br />
'''2.''' Deteksi anomali: Mendeteksi perilaku yang tidak biasa yang biasanya berhubungan dengan hal-hal yang ingin dicegah atau dideteksi, seperti contoh penipuan. <br />
<br />
<br />
Selain itu teknik clustering terdapat beberapa algoritma di dalam nya yang akan dijelaskan istilah nya pada bagian bawah ini : <br />
<br />
<br />
<br />
'''2. K-Means Clustering'''<br />
<br />
*Tentukan jumlah cluster <br />
<br />
*alokasikan data ke dalam cluster secara rancodm <br />
<br />
*hitung centroid/rata-rata dari data yang ada di masing-masing cluster <br />
<br />
*alokasikan masing masing data ke centroid/data-data terdekat <br />
<br />
*kembali ke step 3, apabila masih ada data yang berpindah cluster atau apabila <br />
perubahan nilai centroid, ada yang di atas nilai threshold yang ditentikan atau apabila <br />
perubahan nilai pada objective function yang digunakan di atas nilai threshold yang ditentukan<br />
<br />
<br />
'''3. Mean-Shift Clustering<br />
'''<br />
*Untuk mejelaskan mean-shift, kita ilustrasikan sekumpulan titik dalam ruang <br />
dua dimensi <br />
<br />
*kita mulai dengan circular sliding window yang berpusat pada titik C(dipilih secara acak)<br />
dan memiliki jadi-jadir r sebagai kernel. Mean shift adalah algoritma yang melakukan pergeseran kernel ini secara iteratif <br />
ke daerah kepadatan yang lebih tinggi pada setiap langkah hingga konvegensi.\<br />
<br />
*pada setiap iterasi, sliding window digeser ke arah daerah dengan kepadatan lebih tinggi dengan menggeser titik tengahnya. kepadatan pada sliding window sebanding dengan jumlah tiitk di dalamnya <br />
<br />
*terus melakuakn pergeseran pada sliding window sesuai dengan rata -rata sampai tidak ada arah di mana pergeseran dapat mengakomondasikan lebih banyak titik di dalam kernel (tidak lagi meningkatkan densitas/jumlah titik di window)<br />
<br />
*langkah 1 hingga 3 ini dilakukan dengan banyak sliding window sampai semua titik terletak di dalam window. Ketika beberapa window saling berumpang tindih, window yang berisi titik terbanyak akan dipertahankan. Objek data kemudian dikelompokkan sesua dengan sliding window tempat mereka berada.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-1 ''', (Senin, 03 Februari 2020), Muhasabah ==<br />
<br />
<br />
----<br />
<br />
<br />
'''Muhasabah Diri :''' <br />
<br />
'''Muhasabah adalah''' : sesuatu hal yang perlu dan menjadikannya sebuah kebutuhan dalam tiap-tiap diri manusia, di dalam agama Islam, muhasabah sangatlah dianjurkan karena jika muhasabah bisa dijalankan dengan baik akan memberi banyak manfaat baik yang akan di dapatkan di dunia maupun diakhirat kelak.<br />
<br />
'''Pada pertemuan pertama kami mempelajari apa makna dari komputasi teknik :'''<br />
<br />
'''a. Definisi Komputasi'''<br />
<br />
Komputasi : setulnya bisa diartikan sebagai cara untuk menemukan pemecahan masalah dari data input dengan menggunakan suatu algoritme. Hal ini ialah apa yang disebut dengan teori komputasi, suatu sub-bidang dari ilmu komputer dan matematika. Selama ribuan tahun, perhitungan dan komputasi umumnya dilakukan dengan menggunakan pena dan kertas, atau kapur dan batu tulis, atau dikerjakan secara mental, kadang-kadang dengan bantuan suatu tabel. Namun sekarang, kebanyakan komputasi telah dilakukan dengan menggunakan komputer.<br />
<br />
Komputasi ilmiah dan numerik adalah bidang booming dalam penelitian, teknik, dan analitik. Revolusi dalam industri komputer selama beberapa dekade terakhir telah menyediakan alat baru dan kuat untuk praktisi komputasi. Ini telah memungkinkan usaha komputasi dari skala dan kompleksitas yang sebelumnya tidak pernah terjadi sebelumnya. Akibatnya, semua bidang dan industri bermunculan. Perkembangan ini masih berlangsung, dan ini menciptakan peluang baru seiring dengan meningkatnya perangkat keras, perangkat lunak, dan algoritme. Pada akhirnya, teknologi yang memungkinkan untuk gerakan ini adalah perangkat keras komputasi yang kuat yang telah dikembangkan dalam beberapa dekade terakhir. Namun, untuk seorang praktisi komputasi, lingkungan perangkat lunak yang digunakan untuk pekerjaan komputasi sama pentingnya dengan, jika tidak lebih penting daripada, perangkat keras di mana perhitungan dilakukan.<br />
<br />
'''b. Current state of knowledge'''<br />
<br />
Knowledge i have learned in master amount of application and I just know it in master degree, and this is application I had to learn in master degree, first is lab view, I use it for measure temperature in contactor, so I know the temperature at inlet and outlet, second is REFROP this application helped me to know enthalpy in refrigerant, is superheated or subcool, third but not last is CFD-SOF with this application I can calculate velocity of fluid at an object, for example, is I calculated velocity in planar plate, internal flow pipe, and so on. <br />
<br />
'''c. Pengalaman Komputasi Teknik'''<br />
<br />
Untuk pengalaman saya menggunakan komputasi sudah ada beberapa, seperti CFD SOF dan beberapa bahasa pemograman, tetapi di era data scientist sekarang banyak yang sedang menggunakan bahasa python untuk menjadi bahasa pemograman mereka, hal ini dikarekan python merupakan bahasa pemograman open source (gratis) dan mudah di gunakan untuk pemula, berikut dasar - dasar menggunakan bahsa python :<br />
<br />
'''c.1 Pengenalan Komputasi Menggunakan Python'''<br />
<br />
Python adalah bahasa pemrograman tingkat tinggi yang diartikan untuk keperluan umum yang banyak digunakan dalam komputasi ilmiah dan teknik. Pertama dan terpenting, Python terkenal dengan sintaks code yang bersih dan mudah dibaca. Pembacaan kode yang baik meningkatkan pemeliharaan, yang secara umum menghasilkan lebih sedikit bug dan aplikasi yang lebih baik secara keseluruhan, tetapi juga memungkinkan pengembangan kode yang cepat. Dalam pemecahan masalah komputasi, tentu saja, penting untuk mempertimbangkan kinerja algoritma dan implementasinya. Sementara kinerja runtime terbaik dapat dicapai dalam bahasa pemrograman tingkat rendah seperti fortran dan C, bekerja dalam bahasa tingkat tinggi seperti Python biasanya mengurangi waktu pengembangan dan seringkali menghasilkan kode yang lebih fleksibel dan dapat diperluas.<br />
<br />
'''c.2 Environement Untuk Komputasi Dengan Python''' <br />
<br />
Ada beberapa environtment berbeda yang dapat digunakan Python untuk komputasi ilmiah dan teknis. Keragaman ini memiliki kelebihan dan kekurangan dibandingkan dengan lingkungan yang didukung. Dalam produk komputasi memiliki keanekaragaman menyediakan fleksibilitas dan dinamika yang cocok untuk spesialisasi untuk kasus penggunaan tertentu. Di sini saya memberikan orientasi lingkungan umum untuk komputasi ilmiah. Contoh 3 GUI yang digunakan untuk menjalankan python adalah :<br />
<br />
'''c.2.1. IPython'''<br />
<br />
IPython merupakan sebuah console yang dapat dijalankan secara interaktif. Secara bersama dengan text editor untuk menuliskan code, menyediakan yang ringan untuk dikembangkan .<br />
<br />
'''c.2.2. The Jupyter Notebook'''<br />
<br />
Merupakan aplikasi web di mana kode Python dapat ditulis dan dieksekusi melalui browser web. Environtment ini sangat bagus untuk komputasi numerik, analisis, dan penyelesaian masalah, karena memungkinkan seseorang untuk mengumpulkan code, output yang dihasilkan oleh code, dokumentasi teknis terkait, dan analisis dan interpretasi, semuanya dalam satu dokumen.<br />
<br />
'''c.2.3. Spyder'''<br />
<br />
Integrated Development Environment, yang dapat digunakan untuk menulis dan menjalankan kode Python secara interaktif. IDE seperti Spyder adalah alat yang dapat diguankan untuk mengembangkan library dan modul Python yang bisa digunakan kembali<br />
<br />
'''c.2.4. Interpreter'''<br />
<br />
Cara standar untuk mengeksekusi kode Python adalah menjalankan program secara langsung melalui interpreter Python. Pada kebanyakan sistem, interpreter Python dipanggil menggunakan perintah python. Ketika Python file source diperintahkan sebagai argumen untuk perintah ini, kode Python dalam file tersebut dijalankan.<br />
<br />
$ python hello.py<br />
<br />
Hello from Python!<br />
<br />
Di sini file hello.py berisi satu baris:<br />
<br />
print("Hello from Python!")<br />
<br />
Untuk melihat versi Python mana yang diinstal, seseorang dapat menjalankan perintah python dengan argumen --version:<br />
<br />
$ python –version<br />
<br />
Python 3.6.5<br />
<br />
Adalah umum untuk menginstal lebih dari satu versi Python pada sistem yang sama. Setiap versi Python memelihara kumpulan perpustakaannya sendiri dan menyediakan perintah penerjemahnya sendiri (sehingga setiap lingkungan Python dapat menginstal perpustakaan yang berbeda). Pada banyak sistem, versi tertentu dari juru bahasa Python tersedia melalui perintah seperti, misalnya, python2.7 dan python3.6. Dimungkinkan juga untuk mengatur lingkungan python virtual yang independen dari lingkungan yang disediakan sistem. Ini memiliki banyak keuntungan dan saya sangat menyarankan untuk membiasakan diri dengan cara ini bekerja dengan Python. Lampiran A memberikan perincian tentang cara mengatur dan bekerja dengan lingkungan semacam ini.<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-2 : ''' (Senin, 10 Februari 2020), Sinopsis Tuga Akhir ==<br />
<br />
<br />
----<br />
<br />
<br />
'''a. Menjelaskan Sinopsis Tugas Akhir''' <br />
<br />
JUDUL : <br />
<br />
Sistem Pendingin Mengguankan Thermo Electric Cooler dengan Controller Propotional - Integral Derivative<br />
<br />
SINOPSIS : <br />
<br />
Pendinginan merupakan salah satu proses yang dapat digunakan untuk berbagai macam penggunaan, antara lain untuk menjaga produk industri makanan dan produk medis seperti obat-obatan dan vaksin. Proses pendinginan sekarang masih menggunakan teknologi pengawetan berbasis kompresi menggunakan gas pendingin. Tipe gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannya dan tipe R600a memiliki COP yang lebih rendah. Penelitian ini bertujuan merancang perangkat keras dan perangkat lunak yang dapat diaplikasikan pada pendingin termoelektrik, dengan merancang sebuah alat yang digunakan untuk sistem lemari pendingin menggunakan Thermoelectric Cooler (TEC) dan mendapatkan nilai COP yang tinggi. Sistem dibangun dengan kontroler Proportional Integral Derivative (PID). Sistem ini menggunakan beberapa alat antara lain, sensor suhu, Transistor tipe TIP31, modul bluetooth, kipas, dan mikrokontroler ATSAM3X8E. Pengendalian suhu dilakukan dengan membandingkan set-point suhu yang diinginkan dengan suhu dari sensor. Dari penelitian ini diperoleh hasil bahwa semakin besar nilai tegangan yang diberikan maka semakin besar pula besar nilai Pulse Wave Modulation (PWM) yang dihasilkan. Semakin tinggi nilai besar PWM, semakin cepat penurunan suhu pada kotak pendingin. Dari beberapa pengujian dapat disimpulkan bahwa nilai parameter kontrol proporsional (Kp), parameter kontrol integral (Ki), dan nilai parameter kontrol deferensial (Kd ), dimana pada nilai Kp = 255, Ki = 100, dan Kd = 200 mendapatkan grafik yang lebih stabil dan mendekati nilai set-point, dengan nilai error sebesar 2,86 %.<br />
<br />
<br />
'''b. Perbedaan deterministik dan stokastik'''<br />
<br />
b.1 deterministik adalah sesuatu yang pasti akan terjadi. <br />
<br />
b.2 stokastik adalah Stokastik adalah kebolehjadian, atau dengan kata lain sesuatu yang belum terjadi kepastiannya. "Sesungguhnya, Allah tidak akan mengubah nasib suatu kaum, hingga mereka mengubahnya sendiri.." (Q.S. Ar-Ra'd [13] : 11) <br />
<br />
<br />
'''c . Komputasi Teknik pada Tugas Akhir'''<br />
<br />
Tipe tugas akhir saya adalah deteministik. Hal ini dikarenakan nilai dari PID yang saya tentukan pasti. Menurut pendapat saya untuk penerapan komputasi teknik pada tugas akhir saya adalah <br />
<br />
Pada penggunaan fitur controller PID, adalah kemampuan untuk menggunakan tiga tipe kontroller yakni propotional, integral dan derivatif yang mempengaruhi nilai keluaran kontroller untuk dipalikasikan pada nilai yang optimal dari kontroller itu sendiri. <br />
<br />
[[File:PID.png|400px|thumb|left ]]<br />
<br />
Diagram blok yang terdapat pada sebelah kiri menunjukkan bagamimana cara controller ini bekerja. Gambar tersebut menunjukan kontroller PID, yang mana secara kontinu menghitung nilai error e(t) sebagai selisih dari setpoint r(t) dan variabel proses y(t), dan pengaplikasian nya dikoreksi berdasakan propotional, integral, dan derivatif. Kontroller mencoba utnuk meminimalisir error dari lebih nya koreksi kontrol variabel u(t), salah satu contoh nya pengontrolan pada kecepatan kipas, kontrol PID dibutuhkan untuk mengetahui jumlah RPM selanjutnya pada kipas sehingga dapat mendinginkan suatu objek.<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
'''d. Komputasi pada tugas akhir saya kedepan nya'''<br />
<br />
Melakuakn simulasi CFD sederhana untuk melihat aliran fluida di dalam lemari pendingin<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan Ke-3''', (Senin 17-Februari-2020), Presentasi Sinopsis Project Komputasi Teknik ==<br />
<gallery mode="slideshow"><br />
File:PPT_1.png|200px|center|<br />
File:PPT_2.png|200px|center|<br />
File:PPT_3.png|200px|center|<br />
File:PPT_4.png|200px|center|<br />
File:ppt_5.png|200px|center|<br />
</gallery><br />
<br />
----<br />
<br />
== '''Pertemuan ke-4''', (Senin, 24 Februari 2020), Presentasi Model Matematis Project Komputasi Teknik ==<br />
<br />
----<br />
<br />
<br />
<br />
Skema kontrol PID dinamai dari ketiga term pengendalinya, yang kemudian dijumlahkan menjadi variabel manipulasi. Term proporsional, integral, dan derivatif dijumlahkan untuk menghitung keluaran kontroler PID. Dengan mendefinisikan u(t) sebagai keluaran kontroler, bentuk akhir dari algoritme PID adalah:<br />
<br />
<br />
<br />
[[File:Rumus1.png|300px|thumb|center ]]<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Contoh PID pada MATLAB<br />
|-<br />
|'''Jenis'''<br />
|'''Foto'''<br />
|'''Deskripsi'''<br />
|-<br />
! '''Porpotional Integral''' <br />
| [[File:Tilu.png|300px|thumb|left ]] || sys = zpk([],[-1 -1 -1],1); <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Loro.png|300px|thumb|left ]] || <br />
<br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
T_pi_fast = feedback(C_pi_fast*sys,1);<br />
step(T_pi,T_pi_fast)<br />
axis([0 30 0 1.4])<br />
legend('PI','PI,fast')<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Siji.png|300px|thumb|left ]] || <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
[C_pidf_fast,info] = pidtune(sys,'PIDF',1.0)<br />
T_pidf_fast = feedback(C_pidf_fast*sys,1);<br />
<br />
step(T_pi_fast, T_pidf_fast); <br />
<br />
axis([0 30 0 1.4]);<br />
<br />
legend('PI,fast','PIDF,fast');<br />
<br />
sys = zpk([],[-1 -1 -1],1); <br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
S_pi_fast = feedback(sys,C_pi_fast);<br />
S_pidf_fast = feedback(sys,C_pidf_fast);<br />
step(S_pi_fast,S_pidf_fast);<br />
axis([0 50 0 0.4]);<br />
legend('PI,fast','PIDF,fast');<br />
<br />
|-<br />
|}<br />
<br />
----<br />
<br />
<br />
== '''Pertemuan ke-5''', (2 Maret 2020), Quis I ==<br />
<br />
<br />
[[File:Photo 1.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 2.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 3.jpeg|350px|thumb|center ]]<br />
<br />
<br />
<br />
<br />
----<br />
== '''Finite ELement, Finite Diffirent, Finite Volume''' ==<br />
<br />
* '''Pengertian Finite Element :'''<br />
<br />
'''Finite Element :''' menyelesaikan suatu problem dengan cara membagi obyek analisa menjadi bagian-bagian kecil yang terhingga. Bagian-bagian kecil ini kemudian dianalisa dan hasilnya digabungkan kembali untuk mendapatkan penyelesaian untuk keseluruhan daerah. Kata “finite atau terhingga” digunakan untuk menekankan bahwa bagian-bagian kecil tersebut tidak tak terhingga, seperti yang lazim digunakan pada metode integral analitik.<br />
<br />
* '''Pengertian Finite Volume :'''<br />
<br />
'''Finite Volume :''' adalah metode yang digunakna untuk merepresentasikan persamaan diferensial parisial dalam bentuk persamaan algeraic. Didalam metode finite volume, mengintergalkan bagian dari persamaan diferensial parsial ,menggunakan teorema divergensi.<br />
<br />
* '''Pengertian Finite Different :'''<br />
<br />
'''Finite Different :''' adalah diskritisasi yang digunakan untuk menyelesaiakn persamaan diferensial dengan memperkirakan denagn persamaan diferensial yang menggunakan perbedaan yang mendekati derivatif.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Pertemuan ke-6''', Senin 9 Maret 2020, Extended Abstrak ==<br />
<br />
<br />
<br />
Name : Wsinu indrawan<br />
<br />
Title : Fluid Analysis For Mini Fan Refrigerator Using Thermoelectric Cooler <br />
<br />
The cooling is one of the processes can be used for various types of applications, starting from maintaining food industry products and medical products such as drugs and vaccines. The cooling process now still uses compression-based preservation technology using cooling gas. The types of cooling gas used are R134a and R600a. However, the R134a contains HF which has been banned for used, and the R600a contains HF gas which can reduce the ozone layer. In addition, a single fan compressor system that uses cooling gas in a steam compressor has difficulties in regulating the temperature of the target compartment. Based on this, an alternative cooling technology is needed. Thermoelectric cooler (TEC) is an alternative cooling technology, because TEC has advantages such as small size, lower noise and vibration, easier in temperature regulation, low maintenance requirements, can absorb heat using the principle of heat difference so that in addition to being able to the cooler can also be a heater, and besides that it can be turned on with a DC current. Obtained a solution in the form of cooling using a thermoelectric cooler, using a fan in the refrigerator.The current research examines the application of CFD (Computational Fluid Dynamic) to analyze the flow of wind into the refrigerator. Use the existing CFD analyst application. To analyze the flow of fluid entering the refrigerator, it is simplified for this refrigerator, by cutting the inside of the refrigerator. So that the incoming fluid flow can be reviewed, from the incoming air velocity can be analyzed with a simple correlation to the wind speed generated with existing pwm. It is expected that from this research, researchers can find out the wind phenomenon that is in the refrigerator so that it can be used for further research.<br />
<br />
<br />
<br />
<br />
[[File:G1.png|400px|thumb|center ]]<br />
<br />
[[File:test1.png|400px|thumb|center ]]<br />
<br />
== '''Optimasi Energi Pada Manusia''' ==<br />
<br />
The article below will describe how to make optimization in daily life, during one month<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Optimasi Energi Pada Manusia<br />
|-<br />
|'''Jenis'''<br />
|'''Perhitungan'''<br />
|'''Deskripsi'''<br />
|-<br />
! Step 1<br />
| [[File:gazo1.png|700px|left]] || Pertama saya menentukan jumlah jam yang dibutuhkan per hari secara acak dengan funsi rand di excel <br />
<br />
|-<br />
! Step 2 <br />
| [[File:gazo2.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 1<br />
<br />
|-<br />
! Step 3 <br />
| [[File:gazo3.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 2<br />
<br />
|-<br />
! Step 4 <br />
| [[File:gazo4.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 3<br />
<br />
<br />
|-<br />
! Step 5 <br />
| [[File:gazo5.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 4<br />
<br />
|-<br />
! Step 6 <br />
| [[File:hebat.png|700px|left]] || Mencari grafik polynomial pada salah satu minggu dan diadapatkan grafik polynom nya<br />
<br />
|-<br />
! Step 7 <br />
| [[File:gazo7.png|700px|left]] || hasil konversi watt ke rupiah pada hari senin pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 8 <br />
| [[File:gazo8.png|700px|left]] || hasil konversi watt ke rupiah pada hari selasa pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 9 <br />
| [[File:gazo9.png|700px|left]] || hasil konversi watt ke rupiah pada hari rabu pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 10 <br />
| [[File:gazo10.png|700px|left]] || hasil konversi watt ke rupiah pada hari jumat pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 11 <br />
| [[File:gazo11.png|700px|left]] || hasil konversi watt ke rupiah pada hari sabtu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step 12 <br />
| [[File:gazo12.png|700px|left]] || hasil konversi watt ke rupiah pada hari minggu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step Final<br />
| [[File:cobajadulu.png|700px|left]] || Mencoba memasukan nilai minimum ke dalam matlab dan mencari dengan curve fitting<br />
<br />
|-<br />
|}<br />
<br />
== '''Pengarahan Beberapa Teknologi Komputasi Teknik''', 16-03-2020 ==<br />
<br />
<br />
Pada pertemuan kali ini membahas masalah initial thinking, mendevelop model matematis, anlisa secara umum dan analisa secara khusus<br />
<br />
Mengembangkan model amtematis dari konsep model utama dari model matematis tersebut<br />
<br />
Dari modeling tersebut dibutuhkan beberapa tahapan pertama :<br />
<br />
*Constrain <br />
<br />
*Boundary Condition <br />
<br />
*Setelah beberapa tahapan itu masuk ke tahapan simulasi <br />
<br />
Pengertian Verifikasi : <br />
<br />
Verifikasi adalah teori filsafat positif logis dalam memilih yang menyatakan bahwa pengalaman adalah satu-satunya sumber dasar pengetahuan dan dalam analisis logis dapat dilakukan dengan bantuan simbol-simbol logika dengan menggunakan metode untuk pemecahkan masalah melalui metode verifikasi empirik yaitu bila terdapat sesuatu yang tidak dapat diverifikasi secara empirik maka hasilnya adalah sia-sia. penganut teori radikal ini memiliki masalah konsekuensi untuk filosofi tradisional, karena, jika benar, akan menyebabkan banyak pekerjaan sia-sia pada filosofis masa lalu, antara lain pada metafisika dan etika.<br />
<br />
Validasi : <br />
<br />
validasi adalah sebuah teknik validasi model untuk menilai bagaimana hasil statistik analisis akan menggeneralisasi kumpulan data independen. Teknik ini utamanya digunakan untuk melakukan prediksi model dan memperkirakan seberapa akurat sebuah model prediktif ketika dijalankan dalam praktiknya. Dalam sebuah masalah prediksi, sebuah model biasanya diberikan kumpulan data (dataset) yang diketahui untuk digunakan dalam menjalankan pelatihan (dataset pelatihan), serta kumpulan data yang tidak diketahui (atau data yang pertama kali dilihat) terhadap model yang diuji (pengujian dataset).[4] Tujuan dari validasi silang adalah untuk mendefinisikan dataset untuk "menguji" model dalam tahap pelatihan (yaitu, validasi data), dalam rangka untuk membatasi masalah seperti terjadinya overfitting, memberikan wawasan tentang bagaimana model akan menggeneralisasi independen dataset (yaitu, dataset tidak diketahui, misalnya dari masalah nyata), dll.<br />
<br />
== '''Ujian Tengah Semester''', Komputasi Teknik ==<br />
<br />
<br />
<br />
<br />
=== '''Video Pembelajaran Setiap Minggu''' ===<br />
<br />
<br />
'''Kemampuran Komputasi Teknik Selama Perkuliahan, Tutorial Menggunakan CFDSOF'''<br />
<br />
<br />
[[File:.pertemuan3wisnuindrawan.mp4||500px|center]]<br />
<br />
<br />
<br />
=== '''Draft Paper Komputasi Teknik''' ===<br />
<br />
<br />
==== BAB I ====<br />
<br />
Pendinginan salah satu teknologi yang memiliki berbagai macam pengaplikasian, dimulai dari menjaga produk makanan dari kebusukan dan berbagai pengendalian suhu dalam bidang elektronik dan industri lainnya (Gökçekdan Şahin, 2017).Salah satu teknologi pendinginan yang sekarang ini sering digunakan adalah teknologi berbasis kompresi uap karna mempunyai (COP) coefficient of performanceyang tinggi dan mempunyai harga yang lebih murah dibandingkan teknologi alternatif lainnya.Dalam proses pendinginan, teknologi kompresi uap menggunakan gas pendingin yang berfungsi untuk menyerap panas pada udara dalam ruangan, sehingga menjadi bersuhu rendah. Secara luas gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannyadan tipe R600a mengandung gas HF yang dapat mengurangi lapisan ozon (Söylemez dkk., 2018). Selain itu,pada sistem kompresor satu kipas yang menggunakan gas pendingin pada kompresor uap memiliki kesulitan dalampengaturan temperatur dari kompartemen target. Berdasarkan pernyataan tersebut diperlukan suatu teknologi pendingin alternatif. Thermoelectric cooler adalah salah satu alternatif teknologi pendingin, dikarenakan thermoelectric cooler memiliki kelebihan seperti berukuran kecil, kebisingan dan getaran yang lebih rendah, lebih mudah dalam pengaturan suhu, mebutuhkan perawatan yang sedikit, dan dapat dihidupkan dengan arus DC (Söylemezdkk., 2018). Pendinginan dengan menggunakan TEC (Termoelectric Cooling) telah digunakan untuk menghilangkan embun kaca depan kendaraan. Penelitian tersebut telah menghasilkan temperatur hingga 22,4 oC. Penelitian lainTEC telah digunakan untuk pendingin kotak minuman dengan menggunakan 3thermoelectric cooling, dimana dapat menghasilkan temperatur kotak minuman tanpa beban mencapai14,3 oC, dengan beban pendingin air sebanyak 1 liter sebesar 16,4 oC (Nulhakim, 2017). TEC (Termoelectric Cooling) tidak hanya dapat mendinginkan, tetapi dapat memanaskan di waktu yang bersamaan. Sifat dari TEC ini dapat dimanfaatkan untuk sistem pengaturan suhu ruangan. Untuk tujuan pengaturan suhu yang lebih akurat, dapat dipertimbangkan menggunakan sistem kontrol loop tertutup dengan PID (Propotional, Integral dan Derivative). Kelebihan dari pemakaian kontroler PID di loop tertutup adalah kontrol PID memiliki kemampuan untuk penyetelan otomatis, dan dapat adaptasi terhadap variasi waktu, sehinggasistem dari kontroler PID menyediakan aplikasi didalam industri dengan fitur kontrol yang lebih akurat dandapat disesuaikan dengan kebutuhan(Abdullah dan Ayman, 2008). Pengaturan PID pada umumnya menggunakan alat yang memakan banyak biaya. Tetapi menurut hasil dari eskperimen yang menyatakan bahwa kontroler PID menggunakna mikrokontoler tipe P18F4685 yang memiliki kapasitas 14 bit dapat menghasilkan kestabilan yang baik, dengan overshoot yang sedikit, dan memiliki waktu settling time yang sedikit pula (El-Nagar dan El-Bardini, 2014). Dari latar belakang tersebut diperlukan suatu sistem pendingin ruangan yang terkontrol secara otomatis menggunakanteknologi pendingin ramah lingkungan yang terkontrol dengan sistem kontrol loop tertutup, sehinggadapat manjadi salah satu alternatif teknologi pendingin ruangan.Berdasarkan potensi tersebut maka telah dilakukan penelitian tentang rancang bangun sistem pendingin ruangan menggunakan TEC (Thermoelectric Cooler) dengan kontroler PID.<br />
<br />
==== BAB II ====<br />
<br />
'''Sensor Suhu''' <br />
<br />
Salah satu jenis sensor suhu yang banyak digunakan di industri adalah tipe sensor suhu berbahan semikonduktor. Sensor ini menggunakankonfigurasi dioda atau transistor di kutub yang pada sambungan p-n bahan tersebut memiliki respon yang kuat terhadap suhu. Terdapat dua jenis pemberian tegangan pada sambungan p-n yaitu bias maju dan bias mundur seperti ditunjukkan pada Gambar 2.1. Ketika sambungan p-n bias maju dihubungkan dengansumber arus, maka terjadi beda potensial pada kedua sambungan. Beda potensial atau tegangan yang dihasilkan berbanding lurus dengan perubahan suhu(Suryono, 2018).<br />
<br />
[[File:wisnu.png|500px|center|]]<br />
<br />
<br />
<br />
'''Thermoelectric'''<br />
<br />
Modul thermoelectric khas dibuat menggunakan dua buah keramik berbentuk wafer dengan jenis bahan semikonduktor bismuth telluride P dan N yang diapit di antara keduanya seperti yang ditunjukkan pada Gambar 2.3. Bahan keramik di kedua sisi dari thermoelectric berfungsi untuk pelindung dan sebagai isolator listrik yang diperlukan. Bahan tipe-N memiliki kelebihan elektron, sementara bahan tipe-P membutuhkan elektron. Bahan P dan N membentuk pasangan, seperti yang ditunkjukan pada Gambar 2.3. Pasangan thermoelectric dipasang secara seri dan termal sejajar. Modul thermoelectric dapat berisi satu sampai beberapa ratus pasangan. Saat elektron bergerak dari bahan tipe-P ke bahan tipe-N melalui konektor listrik, elektron beralih ke keadaan energi yang lebih tinggi dan menyerap energi panas (sisi dingin) (Manikandan dkk., 2017).<br />
<br />
<br />
[[File:dewawisnuganteng.png|500px|center|]]<br />
<br />
<br />
<br />
<br />
<br />
==== BAB III ====<br />
<br />
Sistem pengendalian yang saya pakai adalah menggunakan mobile phone, jadi pada penyetingan set point pada PID menggunakan apliaksi mobile bebasis bluetooth<br />
<br />
<br />
[[File:bismillahadajalan.png|500px|center|]]<br />
<br />
Selanjut nya pada sistem kerja dari alat ini menggunakan sistem PID untuk mengatur kecepatan dari driver motor untuk mengatur suhu, jika suhu tidak sesuai dengan yang diinginkan maka kecepatan kipas akan terus bertambah.<br />
<br />
<br />
[[File:PIDBROH.png|500px|center|]]<br />
<br />
<br />
Hasil rancang bangun dari alat pendingin ditunjukan pada gambar dibawah ini<br />
<br />
<br />
[[File:celenganrindu.jpg|500px|center|]]<br />
<br />
Pembuatan interface untuk memasukkan data set point pada aplikasi mobile<br />
<br />
[[File:interface.png|500px|center|]]<br />
<br />
Pembuatan interface untuk mencari device bluetooth pada device-device sekitar<br />
<br />
[[File:tampilan2.png|500px|center|]]<br />
<br />
==== BAB IV ====<br />
<br />
Hasil data dari kalibrasi sensor suhu dengan alat ukur standart SNI <br />
<br />
<br />
[[File:akad.png|500px|center|]]<br />
<br />
<br />
Data PID setelah melakukan trial and error mendapatkan nilai Kp Kd Ki <br />
<br />
<br />
[[File:bismillahwisnudata.png|500px|center|]]<br />
<br />
=== '''Laporan Optimasi Energi''' ===<br />
<br />
<br />
Grafik Pada Minggu Pertama<br />
<br />
<br />
<br />
[[File:bersyukurlah.png|500px|center|]]<br />
<br />
[[File:gambarsatu.png|500px|center|]]<br />
<br />
<br />
[[File:semuaudahadarezekinya.png|500px|center|]]<br />
<br />
<br />
<br />
[[File:janganngeluhterus.png|500px|center|]]<br />
<br />
Gambar yang ditunjukan dengan menggunakna aplikasi sypder menunjukkan nilai x, nilai tersebut merupakan nilai minimum atau optimum dari persamaan yang telah dibuat dengan menggunakan excel<br />
<br />
<br />
Revisi Projek tugas komputasi teknik <br />
<br />
Pada kesempatan kali ini saya menggunakan case baru untuk menyelesaikan draft paper mata kuliah komputasi teknik <br />
<br />
Hal ini dikarenakan, ketertarikan penulis untuk mengangkat tema ini <br />
<br />
==Refisi draft paper==<br />
<br />
<br />
<br />
Beberapa contoh data dari nasabah yang dihasilkan untuk mengetahui apakah nasabah ingin meninggalkan bank dari data - data pribadi mereka, <br />
seperti lama mereka menggunakan jasa bank ini, jumlah tabungan mereka, kemudian umur mereka, dan dari pria atau wanita <br />
<br />
<br />
[[File:22 April 2020 5.png || 700px]]<br />
<br />
Pertama data yang berada dalam format csv dimasukan ke dalam pemograman python dengan maka akan muncul tampilan seperti diatas, ataua kerap<br />
disebut sebagai dataframe, setelah dataframe terbentuk maka dataframe tersebut di pecah - pecah atau dikelompokkan mana yang bisa digunakan untuk <br />
independent variable atau tidak <br />
<br />
<br />
<br />
[[File:22 April 2020 1.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 2.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 3.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 4.png || 700px]]<br />
<br />
<br />
methode dari draft paper ini adalah : <br />
<br />
'''mengguankan machine learning''' <br />
<br />
Pembelajaran mesin (ML) adalah studi tentang algoritma komputer yang meningkat secara otomatis melalui pengalaman. [1] Itu dilihat sebagai bagian dari kecerdasan buatan. Algoritma pembelajaran mesin membangun model matematika berdasarkan data sampel, yang dikenal sebagai "data pelatihan", untuk membuat prediksi atau keputusan tanpa diprogram secara eksplisit untuk melakukannya. [2] [3]: 2 Algoritma pembelajaran mesin digunakan dalam berbagai berbagai aplikasi, seperti penyaringan email dan visi komputer, di mana sulit atau tidak layak untuk mengembangkan algoritma konvensional untuk melakukan tugas-tugas yang diperlukan.<br />
<br />
Pembelajaran mesin terkait erat dengan statistik komputasi, yang berfokus pada membuat prediksi menggunakan komputer. Studi tentang optimasi matematika memberikan metode, teori dan domain aplikasi ke bidang pembelajaran mesin. Penambangan data adalah bidang studi terkait, dengan fokus pada analisis data eksplorasi melalui pembelajaran tanpa pengawasan.<br />
<br />
'''Realsi terhadap optimasi'''<br />
<br />
Pembelajaran mesin juga memiliki ikatan intim dengan optimisasi: banyak masalah pembelajaran dirumuskan sebagai minimalisasi beberapa fungsi kerugian pada serangkaian contoh pelatihan. Fungsi kerugian menyatakan perbedaan antara prediksi model yang sedang dilatih dan contoh masalah yang sebenarnya (misalnya, dalam klasifikasi, seseorang ingin menetapkan label pada instance, dan model dilatih untuk memprediksi dengan benar label yang telah ditetapkan sebelumnya dari sekumpulan contoh). Perbedaan antara dua bidang muncul dari tujuan generalisasi: sementara algoritma optimasi dapat meminimalkan kerugian pada set pelatihan, pembelajaran mesin berkaitan dengan meminimalkan kerugian pada sampel yang tidak terlihat. <br />
<br />
'''Relasi terhadap statistik'''<br />
<br />
Pembelajaran mesin dan statistik adalah bidang yang terkait erat dalam hal metode, tetapi berbeda dalam tujuan utamanya: statistik menarik kesimpulan populasi dari sampel, sementara pembelajaran mesin menemukan pola prediksi yang dapat digeneralisasikan. Menurut Michael I. Jordan, gagasan pembelajaran mesin, mulai dari prinsip metodologis hingga alat teoretis, telah memiliki pra-sejarah panjang dalam statistik. [22] Dia juga menyarankan istilah ilmu data sebagai pengganti untuk menyebut bidang keseluruhan. <br />
<br />
Leo Breiman membedakan dua paradigma pemodelan statistik: model data dan model algoritmik, [23] di mana "model algoritmik" berarti kurang lebih algoritma pembelajaran mesin seperti hutan acak.<br />
<br />
Beberapa ahli statistik telah mengadopsi metode dari pembelajaran mesin, yang mengarah ke bidang gabungan yang mereka sebut pembelajaran statistik. <br />
<br />
<br />
'''Teori'''<br />
<br />
Tujuan inti seorang pelajar adalah untuk menggeneralisasi dari pengalamannya. Generalisasi dalam konteks ini adalah kemampuan mesin pembelajaran untuk melakukan secara akurat pada contoh / tugas baru yang tidak terlihat setelah mengalami kumpulan data pembelajaran. Contoh-contoh pelatihan berasal dari beberapa distribusi probabilitas yang umumnya tidak diketahui (dianggap mewakili ruang kejadian) dan pelajar harus membangun model umum tentang ruang ini yang memungkinkannya menghasilkan prediksi yang cukup akurat dalam kasus-kasus baru.<br />
<br />
Analisis komputasi algoritma pembelajaran mesin dan kinerjanya adalah cabang ilmu komputer teoretis yang dikenal sebagai teori pembelajaran komputasi. Karena set pelatihan terbatas dan masa depan tidak pasti, teori pembelajaran biasanya tidak menghasilkan jaminan kinerja algoritma. Sebaliknya, batasan probabilistik pada kinerja cukup umum. Dekomposisi bias-varians adalah salah satu cara untuk mengukur kesalahan generalisasi.<br />
<br />
Untuk kinerja terbaik dalam konteks generalisasi, kompleksitas hipotesis harus sesuai dengan kompleksitas fungsi yang mendasari data. Jika hipotesis kurang kompleks dari fungsi, maka model memiliki data yang sesuai. Jika kompleksitas model meningkat dalam respons, maka kesalahan pelatihan berkurang. Tetapi jika hipotesisnya terlalu kompleks, maka modelnya akan mengalami overfitting dan generalisasi akan menjadi lebih buruk. <br />
<br />
Selain batas kinerja, ahli teori belajar mempelajari kompleksitas waktu dan kelayakan belajar. Dalam teori pembelajaran komputasi, perhitungan dianggap layak jika dapat dilakukan dalam waktu polinomial. Ada dua jenis hasil kompleksitas waktu. Hasil positif menunjukkan bahwa kelas fungsi tertentu dapat dipelajari dalam waktu polinomial. Hasil negatif menunjukkan bahwa kelas-kelas tertentu tidak dapat dipelajari dalam waktu polinomial.<br />
<br />
<br />
<br />
<br />
==== Metode ====<br />
<br />
'''metode machine learning ada beberapa tipe nya berikut penjelasan mengenai teori machine learning :'''<br />
<br />
<br />
1. Suppport Vector Machine (SVMs)<br />
<br />
Support vector Machines (SVMs) adalah algoritma pembelajaran mesin yang diawasi yang fleksibel namun kuat yang digunakan baik untuk klasifikasi dan regresi. Tetapi umumnya, mereka digunakan dalam masalah klasifikasi. Pada 1960-an, SVM pertama kali diperkenalkan tetapi kemudian disempurnakan pada tahun 1990. SVM memiliki cara implementasi yang unik dibandingkan dengan algoritma pembelajaran mesin lainnya. Akhir-akhir ini, mereka sangat populer karena kemampuan mereka untuk menangani beberapa variabel kontinu dan kategorikal.<br />
<br />
<br />
Dalam praktiknya, algoritma SVM diimplementasikan dengan kernel yang mengubah ruang data input ke dalam formulir yang diperlukan. SVM menggunakan teknik yang disebut trik kernel di mana kernel mengambil ruang input dimensi rendah dan mengubahnya menjadi ruang dimensi yang lebih tinggi. Dengan kata-kata sederhana, kernel mengubah masalah yang tidak dapat dipisahkan menjadi masalah yang dapat dipisahkan dengan menambahkan lebih banyak dimensi ke dalamnya. Itu membuat SVM lebih kuat, fleksibel dan akurat. Berikut ini adalah beberapa jenis kernel yang digunakan oleh SVM.<br />
<br />
<br />
Linear Kernel <br />
<br />
Ini dapat digunakan sebagai produk titik antara dua pengamatan. Rumus kernel linear adalah sebagai berikut<br />
<br />
Metode yang digunakan <br />
<br />
pada penelesaian masalah ini saya menggunakana beberapa engone dari python untuk melakuakn machine learning yakni '''sklearn''' dan '''tensor flow''', berikut penjelasan masing masing metode nya :<br />
<br />
ini adalah struktur skrip dari '''sklearn.prepocessing''' <br />
<br />
class sklearn.preprocessing.OneHotEncoder(*, categories='auto', drop=None, sparse=True, dtype=<class 'numpy.float64'>, handle_unknown='error')[source]<br />
<br />
kenapa class ini digunakan karena machine leraning tidak bisa memproses selain angka, tapi pada kasus ini saya menggunakan nama, umur dan beberapa proses yang menggunakan tipe string(kata - kata)<br />
sehigga sulit untuk di klasifikasikan.<br />
<br />
'''maka dari itu metode ini dapat digunakan.'''<br />
<br />
'''One Hot Encoding adalah :''' reperentasi kategori variabel dalam vektor biner. <br />
<br />
Pertama nilai dari proses ini dipetakan dala nilai integer (nilai angka yang benilai bilangan bulat, tidak memiliki nilai koma)<br />
<br />
Lalu, setiap nilai yang berbentuk integer ini direpresentasikan sebagai vektor biner yang semua nya bernilai nol kecuali yang terindeks integer, yang di tandai 1.<br />
<br />
Paper yang digunakna untuk metode sckit learning adalah :<br />
<br />
[[File:sckitwisnu1.png||700px||center]]<br />
<br />
[[File:sckitwisnu2.png||700px||center]]<br />
<br />
[[File:sckitwisnu3.png||700px||center]]<br />
<br />
[[File:sckitwisnu4.png||700px||center]]<br />
<br />
== Quis II, 6 April 2020 ==<br />
<br />
<br />
Assalamualaiakum Beerikut adalah link dari Quis 2<br />
Wisnu Indrawan <br />
1906433745<br />
<br />
https://drive.google.com/drive/folders/17z_x1nPTXBtnZl_PVhXRBZXdK5Wy0GMx?usp=sharing<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan Tanggal : Senin, 13 April 2020 ==<br />
<br />
<br />
<gallery mode="slideshow"><br />
File:Wisnu 12346798.png<br />
File:Wisnu 123467989.png<br />
File:Wisnu 12346798910.png<br />
File:Wisnu 12346798435435.png<br />
File:Wisnu 1234679843fdsaf4.png<br />
</gallery><br />
<br />
== Resume Pertemuan tanggal : Senin, 20 April 2020 ==<br />
<br />
<br />
<gallery mode="slideshow"><br />
<br />
<br />
File:qwerwqerqwerq_caseII_1.png<br />
File:qwerwqerqwerq_caseII_2.png<br />
File:24-04-2020-1-tugas komtek.png<br />
File:2020-04-24 23 12 57-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 22-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:hasil-24-04-2020.png<br />
File:2020-04-24 23 47 29-Book1 - Excel.png<br />
</gallery><br />
<br />
<br />
Penggunaan aplikasi python untuk mencari ann pada kasus ini terdapat perbedaan, untuk penggunaan matlab untuk mencari nilai ann pada aplikasi ini menggunakan nntool <br />
<br />
<br />
'''nntool''' <br />
<br />
[[File:nntoolwisnu.png||400px||center]]<br />
<br />
== Resume Pertemuan tanggal : Senin, 27 April 2020 ==<br />
<br />
1. Pemahaman terkait prinsip dan konsep komputasi teknik<br />
<br />
2. Penerapan konsep dan skill dalam komputasi teknik<br />
<br />
3. Lebih mengenal diri<br />
<br />
Dari 3 point diatas disampaikan via zoom dengan cara sebagai berikut:<br />
<br />
a. show your contributions<br />
<br />
b. your understanding<br />
<br />
c. your skill<br />
<br />
== Resume Pertemuan tanggal : Senin, 04 Mei 2020 ==<br />
<br />
<br />
<br />
- Pemahaman terkait prinsip dan konsep komputasi teknik<br />
<br />
- Penerapan konsep dan skill dalam komputasi teknik<br />
<br />
- Lebih mengenal diri baik individu maupun kelompok/ kelas<br />
<br />
Intisaru dari evaluasi diri ini adalah :<br />
<br />
- show your contributions<br />
<br />
- your understanding<br />
<br />
- your skkill<br />
<br />
== Resume Pertemuan tanggal : Senin, 11 Mei 2020 ==<br />
<br />
<br />
Pada pertemuan tanggal 11 Mei 2020 terdapat pembahasan selanjut nya pada pertemuan minggu lalu mengnai pressure drop. Pada pembahsan pada grup whatshap mengenai tentang pendapat individu mengenai kasus pressure drop dan di bahas kemabli dalam grup Komputasi Teknik via whatshapp. Diharapkan pada pembahasan ini secara personal memahami cases Basic Mechanics dan menjadi kewajiban bagi setiap mahsiwa menyatakan analisa pribadi terkait kasus tersebut. <br />
<br />
Berikut Hasil dari pembahasan kasus tersebut : <br />
<br />
<gallery mode="slideshow"><br />
File:WhatsApp Image 2020-05-12 at 19.30.27.jpeg<br />
File:WhatsApp Image 2020-05-11 at 09.41.12.jpeg<br />
File:WhatsApp Image 2020-05-12 at 16.50.43.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.51.38.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.53.29.jpeg<br />
</gallery><br />
<br />
<br />
<br />
'''Azikri '''<br />
<br />
sedikit tambahan terkait hal di atas, bahwa pada dasarnya aliran fluida dalam pipa akan mengalami penurunan tekanan atau pressure drop seiring dengan <br />
panjang pipa ataupun disebabkan oleh gesekan dengan permukaan<br />
saluran, dan juga ketika aliran melewati sambungan pipa, belokan, katup, difusor, dan sebagainya.<br />
Disisi lain, prinsip dasar persamaan kontinuitas juga jadi landasan dimana massa tidak dapat diciptakan dan<br />
tidak dapat dimusnahkan, sehingga massa dalam suatu sistem yang konstan dapat dinyatakan dengan rumus : rho.A.v=m<br />
<br />
atau Jika aliran fluida bersifat incompressible dan steady flow, maka persamaan menjadi : Q=A.v<br />
<br />
Singkatnya dr persmaan pertama bahwa pressure drop berbanding terbalik dengan D, dan begitu halnya dengan persamaan 2 tegangan geser berbanding <br />
terbalik dg A<br />
<br />
'''Adhika '''<br />
<br />
- Gaya Masuk - Gaya Geser Total = Gaya Keluar<br />
- Gaya Geser Total = Gaya Masuk - Gaya Keluar<br />
- Gaya Geser Total = P1.A - P2.A <br />
- Gaya Geser Total = dp . Luas Area Pipa<br />
Shear Stress . Luas Selimut = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(Luas Area Pipa . L. pi . 4) = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(L. pi . 4) / sqrt(Luas Area Pipa) = dp<br />
<br />
Kesimpulan:<br />
Luas Area Pipa semakin besar maka dp akan semakin kecil<br />
<br />
<br />
'''Jerry '''<br />
<br />
Ketika nilai A membesar, maka nilai D secara langsung juga membesar karena A merupakan fungsi D; A(D). <br />
<br />
Dari persamaan pressure drop, terlihat bahwa nilai D berbanding terbalik dengan nilai deltaP. <br />
<br />
Hal ini akan mengimplikasikan bahwa semakin besar nilai D, maka semakin kecil nilai deltaP<br />
<br />
'''Dessy'''<br />
<br />
Sederhananya jika dilihat dari persamaan untuk Pressure Drop maka sudah cukup jelas dalam menjawab pertanyaan mengapa ketika luas area (A) diperbesar <br />
menyebabkan nilai pressure drop yang menurun, dimana <br />
<br />
dP = f L rho V^2 / 2 D<br />
<br />
Dari persamaan diatas terlihat bahwa nilai diameter (pengaruhnya terhadap luas area) berbanding terbalik dengan nilai pressure loss dP.<br />
<br />
Tambahan juga jika dilihat dari nilai kecepatan (disini saya menggunakan analogi aliran fluida dalam pipa), secara logika apabila nilai luas <br />
penampang A diperbesar maka nilai kecepatan akan semakin kecil, sesuai dengan persamaan yang telah dijelaskan oleh saudara Dieter sebelumnya.<br />
<br />
Maka jika kembali ke persamaan pressure drop sesuai analogi ini, A yang besar akan menyebabkan nilai V menurun, akibatnya nilai dP pun akan menurun.<br />
<br />
Dari sini dapat disimpulkan bahwa semakin besar nilai diameter D, yang menghasilkan nilai area A yang semakin besar pula, menghasilkan nilai pressure <br />
drop dP yang semakin kecil.<br />
<br />
'''Muhammad Gumilar'''<br />
<br />
Ada hal menarik disini, dari beberapa yang saya perhtikan dari beberapa pendapat teman-teman, pengaruh dari adanya luasan atau diameter pipa akan <br />
mempengaruhi keepatan alir didalam pipa , sesuai dengan hukum kontinuitas. Berkaitan dengan hal ini, saya mencerna bahwa bisa saja sebenarnya jika <br />
kita membandingkan dua hal yang mana, dua buah pipa dengan diameter yang berbeda akan tetepa memiliki kecepatan aliran rata-rata yang sama, yang <br />
mana berarti kedua debit aliran dari pipa ini berbeda. Namun yang dititikberatkan pada pembahasannya adala, kenapa berdasarkan rumus pressure loss, <br />
apabila diameter membesar, maka pressure drop akan berkurang. Sedangkan dari persamaan yang lain, kita kethaui bahwa gaya gesek akibat adanya <br />
tegangan geser akan meningkat karena persamaannya adalah F=thow * A. <br />
<br />
Kebingunga dari mahasiswS1 tersebut menurut saya adalah pemahaman beliau yang tidak komprehensif terhadap kosnep pressure drop. Memang, pressure drop <br />
itu berhubungan erat dengan adanya gesekan viscous antara fluida dengan dinding pipa. Akan tetapi, ada hal penting yang dilupakan oleh sang mahasiswa <br />
S! tersebut, yaitu bahwa perbesaran diameter dari pipa juga akan mengakibatkan tegangan geser yang terjadi. Secara sederhana, sepemahaman saya, <br />
tegangan geser itu berbanding lurus dengan gradient kecepatan aliran fluida di sepanjang pipa, yaitu du/dy. Nah, apabila, dengan kecepatan rata-rata <br />
yang sama, diameter pipa semakin besar, maka gradient kecepatan di sepanjang pipa akan berkurang karena pengaruh gaya viscous antara dinding dan <br />
fluida juga semain berkurang. Oleh karena itu, pressure Drop yang terjadi juga akan semakin berkurang. Semoga bermanfaaat semua eheheheh<br />
<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan tanggal : Senin, 18 Mei 2020 ==<br />
<br />
Pada pertemuan kali ini membahas materi minggu lalu dan saya ingin menjelaskan lagi terkait tentang friction loss, berikut penjelasan nya <br />
<br />
Dalam aliran fluida, kehilangan gesekan (atau gesekan kulit) adalah hilangnya tekanan atau "head" yang terjadi pada pipa atau aliran saluran karena efek viskositas fluida di dekat permukaan pipa atau saluran. [1] Dalam sistem mekanis seperti mesin pembakaran internal, istilah ini mengacu pada daya yang hilang dalam mengatasi gesekan antara dua permukaan yang bergerak, sebuah fenomena yang berbeda.</div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=Simplified_Finite_Elements_model_to_represent_Mass-Spring_structures_in_dynamic_simulation_by_R%C3%BAbia_M._Bosse,_Andr%C3%A9_Te%C3%B3filo_Beck&diff=36000Simplified Finite Elements model to represent Mass-Spring structures in dynamic simulation by Rúbia M. Bosse, André Teófilo Beck2020-06-08T02:14:46Z<p>Wisnu indrawan: /* Tugas Artikel Wisnu Harry Ichwan Fadli */</p>
<hr />
<div><- back to [[Studi kasus komputasi teknik]]<br />
<br />
== Knowledge Base ==<br />
<br />
<br />
== Case Study ==<br />
<br />
[[File:Simplified Finite Elements model to represent Mass-Spring structures in dynamic simulation.png]]<br />
<br />
[[File:Simplified Finite Elements model to represent Mass-Spring structures in dynamic simulation 2.png]]<br />
<br />
[[File:Simplified Finite Elements model to represent Mass-Spring structures in dynamic 3.png]]<br />
<br />
[[File:Simplified Finite Elements model to represent Mass-Spring structures in dynamic 4.png]]<br />
<br />
[[File:Simplified Finite Elements model to represent Mass-Spring structures in dynamic 5 .png]]<br />
<br />
[[File:Simplified Finite Elements model to represent Mass-Spring structures in dynamic 6.png]]<br />
<br />
[[File:Simplified Finite Elements model to represent Mass-Spring structures in dynamic 7.png]]<br />
<br />
[[File:Simplified Finite Elements model to represent Mass-Spring structures in dynamic 8.png]]<br />
<br />
[[File:Simplified Finite Elements model to represent Mass-Spring structures in dynamic 9.png]]<br />
<br />
[[File:Simplified Finite Elements model to represent Mass-Spring structures in dynamic 10.png]]<br />
<br />
[[File:Simplified Finite Elements model to represent Mass-Spring structures in dynamic 11.png]]<br />
<br />
[[File:Simplified Finite Elements model to represent Mass-Spring structures in dynamic 12.png]]<br />
<br />
[[File:Simplified Finite Elements model to represent Mass-Spring structures in dynamic 13.png]]<br />
<br />
[[File:Simplified Finite Elements model to represent Mass-Spring structures in dynamic 14.png]]<br />
<br />
[[File:Simplified Finite Elements model to represent Mass-Spring structures in dynamic 15.png]]<br />
<br />
[[File:Simplified Finite Elements model to represent Mass-Spring structures in dynamic 16.png]]<br />
<br />
[[File:Simplified Finite Elements model to represent Mass-Spring structures in dynamic 17.png]]<br />
<br />
[[File:Simplified Finite Elements model to represent Mass-Spring structures in dynamic 18.png]]<br />
<br />
Terjemahan<br />
<br />
== Terjemahan ==<br />
<br />
'''Model Elemen Hingga Sederhana untuk Menggambarkan Struktur Mass-Spring dalam Simulasi Dinamis'''<br />
<br />
'''Rúbia M. Bosse, André Teófilo Beck'''<br />
<br />
University of São Paulo - Departemen Teknik Struktural, São Carlos, rubiabosse@usp.br, atbeck@sc.usp.br<br />
<br />
<br />
=== '''Abstrak''' ===<br />
<br />
Makalah ini menyajikan pendekatan langkah demi langkah, didaktik untuk membangun model elemen hingga yang disederhanakan (''Finite Elemen''t/FE)mereproduksi hasil yang diperoleh dengan model ''mass-spring'' (MS) atau bangunan geser. Tujuan utamanya adalah untuk mengekspos<br />
keterbatasan masing-masing model, dan untuk memfasilitasi perbandingan antara hasil numerik yang diperoleh dengan model yang berbeda,sangat sering oleh penulis yang berbeda. Contoh aplikasi adalah sistem kontrol getaran, analisis model teoritis, mesin pemodelan komponen dan jaringan lunak. Makalah ini menyajikan hipotesis yang diperlukan untuk membangun hierarkis model, membahas pengaruh masing-masing asumsi / penyederhanaan dalam respons struktural. Dengan tujuan ini, komputer kode diimplementasikan untuk menyelesaikan struktur kerangka 2D di bawah beban dinamis dengan model pegas massal dan posisi model elemen hingga mempertimbangkan analisis geometrik nonlinier. Hasil penelitian menunjukkan bahwa hipotesis yang diajukan adalah cukup untuk mereproduksi dalam metode FE respon yang sama dari model MS mengalami impuls dan beban gempa.<br />
<br />
'''Kata kunci''': Model elemen hingga, model pegas massa, struktur kerangka 2D, beban dinamis.<br />
<br />
<br />
==='''1. PENDAHULUAN'''===<br />
<br />
Dua metodologi utama yang digunakan untuk mengevaluasi perilaku mekanik struktur seperti bangunan di bawah beban dinamis adalah model Mass-Spring (MS) dan model Finite Element (FE). Penerapan masing-masing teknik ini biasanya tergantung pada jenis struktur, keakuratan analisis yang diminta, dan kompleksitas struktur. Telah diketahui bahwa semua model menghadirkan ketidakpastian terkait kesetiaan untuk mewakili perilaku struktural yang nyata. Dalam hal ini, interpretasi kritis terhadap penyederhanaan dan keterbatasan model teknik diperlukan untuk analisis dan desain yang andal.<br />
<br />
Secara umum, model massa-pegas memiliki pendekatan diskrit dan formulasi matematika sederhana. Massa terkonsentrasi dalam titik-massa dan terhubung satu sama lain dengan pegas linier yang mewakili kekuatan elastis internal yang bekerja di antara massa. Model MS sederhana karena menghasilkan sangat sedikit derajat kebebasan, di mana persamaan gerak dapat diselesaikan secara analitis dengan modal superposisi. Ini secara signifikan mengurangi waktu pemrosesan untuk analisis dinamis. Model massa-pegas populer karena secara konsep lebih sederhana dan lebih mudah diimplementasikan daripada model yang lebih konsisten secara fisik berdasarkan metode elemen hingga. Selain itu, model MS sangat fleksibel untuk perubahan topologi. <br />
<br />
Formulasi ini biasanya diterapkan untuk mewakili struktur sebagai sistem kontrol getaran, bangunan dalam perilaku global, elemen mesin dan bahan jaringan lunak. Model MS juga sangat berlaku untuk melakukan analisis keandalan dan respon stokastik, di mana biaya komputasi merupakan masalah mendasar, karena struktur perlu dipecahkan secara berulang. Kelemahan utama dari model MS adalah bahwa mereka dianggap tidak tepat untuk memperkirakan perilaku mekanik struktur yang dapat dideformasi. Model MS mengabaikan persamaan konstitutif material, dan menghadirkan sejumlah derajat kebebasan yang mungkin terlalu kecil untuk jenis analisis tertentu. <br />
<br />
Beberapa kemajuan telah dibuat dalam model MS untuk meningkatkan representasi realistis dari struktur yang dapat dideformasi. Beberapa penelitian mengusulkan metode baru untuk mendapatkan koefisien kekakuan pegas, yang lain telah menyarankan modifikasi model tradisional (Kuether dan Allen, 2012, Geethu et al., 2015), termasuk misalnya pegas nonlinear dan piezometrik dalam analisis sistem kontrol getaran (Harne, 2013), penggabungan pegas kontak kubik untuk mensimulasikan kehilangan kontak (Huajiang dan Guan, 2016) dan pemecah implisit cepat untuk model MS standar (Liu et al., 2013, Zheng et al., 2017)<br />
<br />
Di sisi lain, metode elemen hingga (FE) berasal dari mekanika kontinum dan menjadi salah satu metode yang paling sering digunakan untuk memecahkan masalah sistem mekanik. Metode FE memerlukan penggunaan komputer secara intensif dan biaya komputasinya dapat menjadi penghalang untuk analisis skala besar. Namun, teknik ini mampu mensimulasikan sistem fisik yang kompleks, menyelesaikan masalah multi-dimensi dengan nonlinier (Dhatt, Touzot dan Legrançois, 2012).<br />
<br />
Model FE mendiskritisasi struktur dalam elemen-elemen kecil untuk merepresentasikan perilaku berkelanjutan. Metode ini menggunakan pendekatan variabel yang tidak diketahui untuk mengubah persamaan diferensial parsial menjadi persamaan aljabar yang diselesaikan melalui metode numerik. Model FE cocok untuk mengevaluasi respons berbagai struktur, terutama karena undang-undang dasar material dipertimbangkan dalam formulasi matematika. Namun, kemajuan ini ada harganya: semakin halus modelnya, semakin kompleks solusinya, yang mengarah ke biaya komputasi yang besar.<br />
<br />
Tantangan yang cukup besar di bidang metode FE adalah pertimbangan perpindahan besar dalam tubuh yang cacat. Upaya penelitian membahas pengembangan formulasi yang mempertimbangkan efek nonlinier dalam bahan konstitutif atau dalam kondisi batas (perpindahan atau rotasi besar). Dalam masalah perpindahan besar, deskripsi Total Lagrangian menunjukkan metode yang efisien untuk menyelesaikan masalah dinamis struktur padat, karena mempertimbangkan konfigurasi referensi yang unik dan tetap: matriks massa tetap konstan dan solusi keseimbangan dinamis diperoleh dengan lebih mudah. Solusi masalah yang mempertimbangkan analisis geometri nonlinear dengan deskripsi Total Lagrangian dapat diverifikasi dalam Mondkar dan Powell (1977), Wood dan Zienkiewicz (1977), Surana (1983), Coda dan Greco (2004). Pendekatan alternatif untuk merepresentasikan analisis nonlinier geometris menggunakan deskripsi Lagrangian total adalah model FE posisional. Dalam teknik ini, parameter nodal adalah koordinat nodal (posisi) dan dimungkinkan untuk menggunakan kinematika Reissner yang tepat dalam evaluasi perpindahan dan rotasi untuk struktur rangka. Contoh aplikasi dari formulasi ini dapat dilihat di Coda dan Paccola (2014), Reis dan Coda (2014), dan Siqueira dan Coda (2016, 2017).<br />
<br />
Saat ini, dengan kemajuan teknik komputasi untuk meningkatkan waktu pemrosesan, model FE yang disempurnakan semakin dapat diterapkan untuk menyelesaikan masalah mekanis apa pun. Dalam makalah ini, kami bermaksud untuk mendefinisikan hipotesis yang berlaku untuk model FE untuk membuatnya mewakili hasil yang kompatibel dengan model massa-pegas dengan idealisasi kerangka geser. Ini juga merupakan tujuan untuk mengamati dan mengukur perbedaan yang disebabkan oleh hipotesis ini dalam respon struktur, mengevaluasi keuntungan dan keterbatasan masing-masing model untuk memperkirakan respon struktur yang terkena berbagai sumber beban dinamis.<br />
<br />
Untuk melakukan analisis ini, kode komputasi diterapkan untuk kedua model: model FE posisional dan model MS. Contoh-contoh yang disajikan dalam makalah ini berkaitan dengan struktur rangka yang tidak terbungkus yang dapat mewakili bangunan. Contoh 1 dan 2 memperlihatkan struktur satu dan lima lantai yang tereksitasi oleh gaya impuls. Contoh ketiga berkaitan dengan struktur yang sama dari contoh 2 yang bersemangat dengan catatan Gempa Bumi El Centro. Respons dalam domain waktu dan frekuensi dipelajari.<br />
<br />
<br />
<br />
==='''2. MODEL MASS-SPRING'''===<br />
<br />
Diterjemahkan oleh : Mohamad Wafirul Hadi, Kania Dyah Nastiti, Maha Hidayatullah Akbar, Fajri Octadiansyah, Afitro Adam<br />
<br />
Analisis dinamis menggunakan model massa-pegas diskrit sangat umum dalam literatur dan menyajikan keuntungan sebagai alat sederhana untuk mengevaluasi respons dinamis struktur. Metode analisis ini memerlukan waktu pemrosesan yang sedikit, karena mereduksi struktur menjadi beberapa derajat kebebasan, dan karena jawabannya dapat diperoleh secara analitik dengan metode modal superposisi. Model MS tradisional berurusan dengan analisis linier, yaitu keseimbangan dihitung pada posisi awal, menyajikan matriks kekakuan konstan (Warburton, 1976 dan Paultre, 2010). Dalam makalah ini model bangunan geser dipertimbangkan. Idealisasi ini biasanya digunakan untuk mengevaluasi respons bangunan yang mengalami kegembiraan dinamis. Model bangunan geser biasanya mempertimbangkan bahwa massa kolom dapat diabaikan, dan massa lantai terkonsentrasi di lantai (titik massa). Juga, balok dan pelat dianggap kaku dalam arah longitudinal dan dalam lentur, kolom kaku untuk regangan aksial tetapi fleksibel secara transversal. Idealisasi bangunan geser mengasumsikan bahwa bangunan hanya menyajikan perpindahan horisontal, karena pembengkokan kolom. Mempertimbangkan kerangka bidang gambar 3 lantai yang tidak tertutup pada Gambar 1, model bangunan geser dapat dimodelkan dengan mendefinisikan massa dan pegas yang setara dan membuat matriks yang sesuai untuk solusi persamaan gerak.<br />
<br />
[[File:afitrotgs3.jpg]]<br />
<br />
<br />
[[File:4.3.9 1.jpg]]<br />
<br />
[[File:4.3.9 2.jpg]]<br />
<br />
dengan M matriks massa diagonal sistem dengan massa lantai yang terkonsentrasi pada titik-massa, 𝑢̈ adalah<br />
vektor percepatan.<br />
Paket karena redaman itu diperoleh sebagai:<br />
<br />
[[File:4.3.9 3.jpg]]<br />
<br />
di mana 𝑪 adalah matriks redaman, 𝑐 adalah koefisien redaman, 𝑢̇ adalah vektor kecepatan.<br />
Kekuatan elastis dapat ditentukan sebagai:<br />
<br />
[[File:4.3.9 4.jpg]]<br />
<br />
dimana𝑲 adalah matriks kekakuan, <br />
<br />
adalah koefisien kekakuan kolom dan 𝑢 adalah vektor perpindahan.<br />
Keseimbangan gerak dapat didefinisikan sebagai:<br />
<br />
[[File:4.3.9 5.jpg]]<br />
<br />
Untuk kasus beban gerakan tanah, vektor eksitasi diperoleh dengan mengalikan massa setiap derajat<br />
kebebasan dengan percepatan gempa dalam arah yang sesuai, untuk setiap langkah waktu. Dengan cara ini, analisis<br />
sesuai dengan respons struktur dengan penyangga tetap, keluar oleh kekuatan eksternal dalam massanya; dan 𝑝 (𝑡) adalah<br />
diadaptasi menjadi 𝑝 (𝑡) sebagai:<br />
<br />
[[File:4.3.9 6.jpg]]<br />
<br />
di mana 𝑢̈ (𝑡) adalah vektor percepatan horizontal gempa bumi, 𝑟 adalah vektor dengan 𝑛 garis sama dengan jumlah bingkai<br />
cerita. Vektor ini mewakili koefisien pengaruh dalam perpindahan nodal, ketika perpindahan kesatuan adalah<br />
dikenakan pada dukungan.<br />
Persamaan solving (5), respon dinamis linear dari struktur diperoleh, dikenakan beban dinamis. Menyelesaikan<br />
kesetimbangan dinamis analitis, metode modal superposisi dapat diterapkan; Metode ini didasarkan pada kenyataan bahwa, untuk<br />
model redaman tertentu, persamaan gerak 𝑛 ditambah dari sistem diskrit dapat dimodifikasi melalui a<br />
transformasi untuk koordinat modal dalam persamaan decoupled. Metode ini menggunakan sifat ortogonalitas dari<br />
mode getaran untuk memisahkan sistem persamaan; karenanya tanggapan diperoleh dengan menyelesaikan persamaan diferensial<br />
mirip dengan persamaan yang dikembangkan untuk satu derajat struktur kebebasan (Warburton, 1976, Clough and Penzien, 1993,<br />
dan Rao, 2010). Dalam tulisan ini, untuk menyederhanakan solusi dan membuat kode umum untuk semua jenis beban, linier<br />
keseimbangan persamaan gerak diselesaikan dengan menerapkan integrasi waktu Newmark, dengan mempertimbangkan rata-rata konstan<br />
akselerasi, menurut Paultre (2010).<br />
Model MS mempertimbangkan idealisasi bangunan geser sangat digunakan karena fleksibilitas untuk mewakili struktur yang berbeda<br />
topologi. Namun, untuk mewakili struktur ramping yang menghadirkan perilaku mampudeformasi, yang lebih fisik<br />
metodologi yang realistis mungkin diperlukan.<br />
<br />
==='''3. POSITIONAL FINITE ELEMENT'''===<br />
<br />
Analisis nonlinier geometris digunakan untuk menangani defleksi besar: posisi keseimbangan struktur dicari negara terlantar. Dalam apa yang disebut pendekatan FE posisional, ruang non-dimensi dibuat dan kelengkungan relatif elemen bingkai dihitung untuk konfigurasi awal dan untuk yang cacat (Coda dan Greco 2004). Itu Posisi keseimbangan adalah variabel utama yang tidak diketahui, dan diperoleh dari prinsip total potensial stasioner energi. Formulasi Lagrangian total digunakan, menggunakan konfigurasi referensi yang unik, posisi awal; di dalam konteksnya, matriks massa adalah konstan. Elemen frame dengan empat node dan pendekatan kubik digunakan. Untuk analisis nonlinier geometris, deskripsi rinci tentang kinematika elemen awalnya ditunjukkan dan prinsip energi stasioner digunakan untuk menulis persamaan keseimbangan dinamis. Sistem nonlinier persamaan diselesaikan dengan menggabungkan integrasi waktu Newmark dengan prosedur Newton-Raphson, mengikuti Coda dan Paccola (2014).<br />
<br />
<br />
===='''3.1 Finite Element Model pada Posisi Frame'''====<br />
<br />
Diterjemahkan Oleh : [http://air.eng.ui.ac.id/index.php?title=AHMAD_ZIKRI Ahmad Zikri], [http://air.eng.ui.ac.id/index.php?title=Muhammad_Irfan_Dzaky Muhammad Irfan Dzaky], [http://air.eng.ui.ac.id/index.php?title=Muchalis_Zikramansyah_Masuku Muchalis Zikramansyah Masuku], [http://air.eng.ui.ac.id/index.php?title=Oldy_Fahlovi Oldy Fahlovvi]<br />
<br />
<gallery mode="slideshow"><br />
File:Terjemah 3.1-1 Frame positional FE model Zikra-Zikri-Zaki-Oldy.jpg<br />
File:Terjemah 3.1-2 Frame positional FE model Zikri-Zikra-Zaki-Oldy.jpg<br />
File:Terjemah 3.1-3 Frame positional FE model_Zaki-Zikra-Zikri-Oldy.jpg<br />
File:Terjemah 3.1-4 Frame positional FE model Oldy-Zikra-Zikri-Zaki.jpg<br />
</gallery><br />
<br />
===''' 4. RESULTS'''===<br />
<br />
Dalam paper ini diperlihatkan berberapa hasil analisis yaitu dengan metode Mass-Spring (MS), dan Finite Element (FE) kepada sebuah struktur yang diberikan impuls dan gerakan pada bagian dasar. Tujuan awal dari paper ini adalah untuk mengembangkan model FE yang lebih sederhana yang tetap akurat sama dengan hasil yang diperoleh dari model MS. Tabel 1 memperlihatkan analisa dan hypothesis dari setiap model yang digunakan serta langkah-langkah yang diambil agar model FE yang disederhanakan tetap mempunyai hasil yang sebanding dengan model MS. Tahap sequential merupakan evaluasi dari setiap model pada response structure terhadap waktu dan secara frekuensi.<br />
<br />
<br />
Tabel 1. Hypothesis dari model MS, FE, dan FES<br />
-----------------------------------------------------------------------------------<br />
Mass Spring (MS):<br />
# Sistem diskrit dengan massa yang terkonsentrasi<br />
# Setiap lantai diwakili oleh 1 degree of freedom<br />
# Massa dari kolom/tiang vertical ccenderung diabaikan dalam analysis<br />
# Lantai merupakan benda rigid. Tidak ada deformasi.<br />
# Hanya mengestimasi pergerakan horizontal<br />
# Stiffness dari kolom langsung diwakili oleh sebuah pegas linear<br />
# Sistem diasumsikan berkerja secara linear<br />
<br />
Finite Element(FE):<br />
# Bidang terdiri dari 4 node<br />
# Terdapat matrix massa<br />
# System yang terbentuk mempunyai banyak degree of freedom<br />
# Elementnya bergerak dengan flexible (Vertical, horizontal, serta putaran relatif)<br />
# Koneksi antara elemen diasumsikan rigid<br />
# Pergerakan yang besar dianalisa secara nonlinear<br />
<br />
Finite Element Simplified (FES):<br />
# Massa kolom ikut diperhitungkan, hanya saja massa ini dimodelkan dalam batang horizontal dengan distribusi secara merata. Pemodelan ini selain mempengaruhi massa dari batang horizontal, massa ini juga mempengaruhi pada densitas dan inertia.<br />
# Modulus Elastisitas dari batang horizontal diasumsikan tak hingga, sehingga dapat dianggap rigid.<br />
# Element dalam batang horizontal terrestriksi pada pergerakan secara vertical dan putaran relatif.<br />
# Dapat terjadi nonlinear analysis<br />
<br />
====='''4.1. Rangka 1 Lantai Dibawah Sebuah Gaya Impuls'''=====<br />
<br />
Diterjemahkan oleh: Ardy, Desy, Ronald, Yophie<br />
<br />
Contoh pertama adalah sebuah kerangka bangunan 1 lantai yang terbentuk dari tujuh buah balok (50 x 50 cm) dengan panjang 6 meter, dan 7 lempengan, 20 cm ketebalan diperpanjang oleh panjang 8 meter pada kedua sisi dari balok. Lantai ditopang oleh 8 kolom dengan tinggi 4.8 meter berjarak 6 meter satu sama lain. Struktur tersebut terbuat dari beton yang diperkuat dan digemparkan oleh sebuah impuls dengan F = 1 MN selama 0.001 detik. Kepadatan dari struktur dipertimbangkan sama dengan ρ = 2500 kgm^-3, dan modulus elastisitasnya sebesar 40 GPa. <br />
<br />
Kerangka ini telah dimodelkan sebagai model MS (Pegas-massa) dan model FE (Elemen hingga). Untuk model MS, struktur tersebut digambarkan sebagai sebuah massa m = 186900 kg (balok ditambah massa lempengan dengan mengabaikan massa kolom) terhubung ke suatu pegas linear dengan kekakuan K = 8 kolom. (12EI/L^3) = 181 MNm^-1, menghasilkan suatu sistem tidak teredam dengan satu derajat kebebasan.<br />
<br />
Pada model FE, struktur tersebut didiskritisasi ke dalam 22 elemen rangka simpul 4, dihitung dengan 201 derajat kebebasan di mana semua hipotesis yang dikembangkan dalam Tab. 1 diuji. Untuk representasi struktur dalam model FE, sebuah momen equivalen inersia telah dihitung untuk set (balok + lempeng); juga nilai kepadatan equivalen telah dihitung untuk memperhitungkan semua hipotesis dengan memperhatikan massa dari struktur tersebut.<br />
<br />
Respons dinamis dari struktur dievaluasi dalam model MS, FES dan FE melalui teknik integrasi waktu Newmark dengan perbedaan pada model FE dan FES sistem persamaan nonlinier dilinearisasi dengan prosedur Newton Raphson. Analisis dilakukan dalam total waktu 1,0 detik sebagai domain waktu dan hasil ini digunakan untuk membuat FFT (Fast Fourier Transform) pada respon studi frekuensi alami dari struktur.<br />
<br />
Investigasi pertama dibuat mengenai pertimbangan massa kolom, karena banyak penulis (Paultre, 2010, Rao, 2010, Warburton, 1976) yang menyatakan bahwa massa kolom harus diabaikan dalam analisis MS. Mula -mula relevansi massa dalam model MS dievaluasi (Gbr. 5). Secara berurutan, contoh-contoh diuji untuk FE model sederhana yang dijelaskan dalam Tabel 1 dengan mempertimbangkan: 1) model FE dengan massa total kolom terkonsentrasi pada massa lantai; 2) model FE dengan massa kolom diabaikan dan 3) model FE dengan setengah massa kolom diperhitungkan bersama dengan massa lantai. Semua hasil ditunjukkan pada Gbr. 6 dan 7.<br />
<br />
[[File:4.1_gambar5.PNG|900px|thumb|center|Gambar 5: Respon model pegas massa (MS) dengan mempertimbangkan dan mengabaikan massa kolom]]<br />
<br />
[[File:4.1_gambar6.PNG|900px|thumb|center|Gambar 6: Respon model MS dan FES yang mengevaluasi pengaruh massa kolom]]<br />
<br />
[[File:4.1_gambar7.PNG|450px|thumb|center|Gambar 7: Respon model MS dan FES yang mengevaluasi pengaruh massa kolom]]<br />
<br />
Dari Gambar 5 dapat digaris bawahi bahwa pergeseran puncak respon dari struktur mengabaikan dan mempertimbangkan massa dari kolom model MS sekitar 5%. Pada frekuensi domain, frekuensi natural yang sama bisa dilihat di kedua kasus (5 Hz), dengan perbedaan hanya pada kedua amplitudo. Hasil ini memperlihatkan bahwa frekuensi bertentangan dengan estimasi, pertimbangan massa pada kolom analisis MS tidak relevan.<br />
<br />
Gambar 6 dan 7 menunjukkan akurasi model FES untuk memproduksi hasil MS. Gambar 7 menunjukkan korespondensi sempurna antara model FES dan MS yang memiliki pertimbangan 50 % dari kolom massa, disatukan dengan massa dasar. Dari kesimpulan tersebut, contoh berikut ini mempunyai penambahan asumsi : pertimbangan dari setengah massa kolom pada model FES mendorong respons untuk mencapai hasil yang sama dengan model MS. Hasil ini mengindikasikan bahwa memungkinkan untuk memproduksi response frame dengan lebih dari satu baris kolom (pada kasus ini, 8 baris kolom. ) dengan model MS.<br />
<br />
Gambar 8, 9, 10, dan 11 adalah hasil dari FES model (Tabel 1) dibandingkan dengan model MS dengan mengabaikan kolom massa. <br />
<br />
[[File:Gambars 8.png|900px|thumb|center|Gambar 8 Respons model MS dan FES, mempertimbangkan massa dari kolom yang terdistribusi pada elemen]]<br />
<br />
<br />
[[File:Gambars 9.png|900px|thumb|center|Gambar 9 Respons model MS dan FES dengan balok fleksibel]]<br />
<br />
<br />
[[File:Gambars 10.png|900px|thumb|center|Gambar 10 Respons model MS dan FES dengan mempertimbangkan balok yang displaceable]]<br />
<br />
<br />
[[File:Gambars 11.png|900px|thumb|center|Gambar 11 Respons model MS dan FES secara keseluruhan]]<br />
<br />
Gambar 8, 9, 10, dan 11 menunjukkan bahwa perkiraan yang paling relevan untuk mengubah resspns dari model FES adalah pertimbangan dari balok flexible. Model fleksibel FES memperlihatkan sebuah respons osilasi di sekitar respons yang dihasilkan oleh model MS, terlihat frekuensi pada tingkatan lebih tinggi yang terlihat dengan jelas pada hasil FFT Gambar 9 dan 11.<br />
<br />
Hasil dari Gambar 8 dan 10 menunjukkan pertimbangan dari distribusi massa pada kolom elemen, pergeseran pada arah vertical dan rotasi pada balok tidak menyebabkan perubahan yang signifikan pada hasil awal model FES, sangat mirip dengan hasil MS. Dapat dilihat juga bahwa esimasi dari frekuensi natural dari stukrur, semua model konvergen pada 5 Hz, menunjukkan bahwa frekuensi dari respons domain kurang sensitif pada asumsi model yang dibahas ini. Gambar 11 juga memperlihatkan bagaimana jarak dari respons pada model FE secara keseluruhan, tanpa simplifikasi, dan model MS : puncak respons amplitude lebih tinggi untuk model FE dan pada kasus ini perpindahan terjadi pada frekuensi yang tinggi.<br />
<br />
<br />
====='''4.2. Rangka 5 Lantai Terhadap Gaya Impuls'''=====<br />
<br />
Diterjemahkan oleh : Edo, Shabrina, Jeri, dan Raihan<br />
<br />
Contoh kedua menjabarkan tentang Rangka 5 lantai yang terbuat dari beton bertulang dengan dimensi yang tertera pada Figur 12. Struktur dikenakan gaya impuls F = 100 MN selama 0,001 detik. Gaya impuls diberikan pada lantai pertama dari struktur untuk menghindari efek non-linier dari model ''''Finite Element''''. Sebuah lempeng setebal 14 cm memanjang sejauh 6 meter pada tiap balok dipasangkan pada bangunan tersebut. Struktur ini dimodelkan sesuai dengan metodologi yang telah dideskripsikan pada Bagian 1.<br />
<br />
Untuk model massa-pegas, struktur direpresentasikan oleh 5 susunan massa-pegas, menghasilkan 5 derajat kebebasan yang menjelaskan pergeseran horizontal lantai (massa lempeng dijumlahkan ke dalam total massa lantai). Dalam model FE dan FES, struktur didiskritisasi ke dalam lima puluh elemen bingkai 4-node, sehingga dihasilkan 150 derajat kebebasan yang menggambarkan translasi (horizontal dan vertikal) dan rotasi dalam vektor normal dari node. Untuk merepresentasikan lempeng, momen inersia ekuivalen dihitung untuk balok yang memiliki kekakuan balok ditambah lempeng; Densitas balok juga dikoreksi berdasarkan massa lempeng. <br />
<br />
[[File:Fig12.png]]<br />
<br />
Gambar 13 dan 14 menunjukkan hasil awal di sekitar perkiraan massa dari kolom kolom untuk model MS dan FES dalam analisis yang dilakukan selama pergerakan satu detik<br />
<br />
[[File:Fig13.png]]<br />
<br />
[[File:Fig14.png]]<br />
<br />
Gambar 13 menyajikan hasil yang mirip dengan gambar.6 dan 7. Dapat dilihat juga untuk contoh ini bahwa kecocokan sempurna untuk hasil MS dicapai dengan model FES mengingat hanya setengah dari total massa kolom terkonsentrasi di elemen lantai. Gambar 14 mengkonfirmasi hasil gambar 13, menunjukkan bahwa frekuensi perpindahan dan amplitudo sangat dekat untuk model MS (mengabaikan massa kolom) dan model FES mempertimbangkan setengah massa kolom di lantai.<br />
Gambar 15-18 menyajikan respons dinamis struktur yang membandingkan respons model MS dan model FES dengan derivasi yang dijelaskan dalam baris terakhir Tab.1<br />
<br />
[[File:Fig15.png]]<br />
<br />
[[File:Fig17.png]]<br />
<br />
[[File:Fig18.png]]<br />
<br />
Gambar 15 mengindikasikan bahwa pertimbangan dari masa yang terdistribusi pada kolom-kolom sistem tidak terlalu berpengaruh terhadap response yang diberikan berdasarkan model FES yang disederhanakan. Seluruh nilai tertinggi/puncak dari frekuensi naturalnya cocok, dan amplitudo dari response yang diberikan juga serupa.<br />
<br />
Gambar 16 menunjukkan bahwa response yang diperoleh berdasarkan model FES mempertimbangkan balok/beam flexible yang berosilasi dengan frekuensi yang tinggi di sekitar respons yang diberikan dari model MS. FFT membuktikan bahwa puncak-puncak dari frekuensi osilasi tersebut berkisar 80 Hz. Apabila dirata-ratakan, respons pergeseran/displacement yang diberikan dan frekuensi yang diberikan pada saat awal menghasilkan hasil yang relatif dekat terhadap response yang didapat berdasarkan model MS.<br />
<br />
Gambar 17 membandingkan respons model MS dengan model FES dengan mempertimbangkan balok yang dapat dipindahkan. Asumsi perpindahan vertikal dan rotasi balok mempengaruhi sebagian perpindahan dan frekuensi respons pada struktur. Dalam FFT dapat dicatat bahwa hanya frekuensi natural kedua tidak sama dengan hasil yang ditunjukkan oleh model MS.<br />
Dalam analisis model FE lengkap, ditunjukkan pada gambar 18, dapat dicatat bahwa perpindahan yang terjadi berbeda dari model MS. Model FE menyajikan osilasi dengan frekuensi tinggi dan perpindahan puncak yang lebih tinggi, dibandingkan dengan hasil model MS; Namun, karakteristik perpindahan serupa, menghadirkan siklus frekuensi rendah dengan jumlah yang sama. Dalam domain frekuensi, perbedaan signifikan dalam puncak amplitudo dapat diamati, juga beberapa perbedaan dalam frekuensi natural. Frekuensi yang lebih tinggi muncul sekitar 80 Hz, memvalidasi perilaku osilasi yang diamati dalam respons perpindahan. Untuk semua kasus analisis bangunan, menunjukkan perilaku linier dalam analisis FE, mengambil sejumlah kecil iterasi untuk konvergensi solusi numerik.<br />
<br />
<br />
===='''4.3. Pergerakan Rangka 5-Lantai oleh Gempa Bumi'''====<br />
<br />
Kania, Evi, Chandra, Dieter<br />
<br />
Contoh terakhir menggunakan struktur yang sama dan sudah dipelajari pada contoh 4.2 didapatkan dari rekaman gempa bumi EL Centro. Di MS model, gempa bumi disimulasikan sebagai gaya ekuivalen yang diterapkan ke setiap derajat kebebasan dari struktur dalam bentuk {F}=[M].{y ̈_earthquake}. Di dalam FE analisis, penggunaan persamaan posisi di sini memberikan keuntungan bahwa gempa bumi dapat dimodelkan dengan sedemikian rupa hingga terlihat lebih rill, penggunaan basis perpindahan dalam pendukung sturuktur, dan simulalsi efek yang terjadi akibat gempa bumi.<br />
<br />
Accelerogram dari gempa bumi EL Centro dan berdasarkan rekaman dari basis perpindahan (digunakan dalam analisa FE dan FES) ditunjukan pada gambar 19.<br />
<br />
[[File:KT.PNG|800 px]]<br />
<br />
Gambar 20 menjelaskan sebuah perbandingan antara perbedaan-perbedaan yang disebabkan oleh perhitungan massa kolom dalam permodelan FES. Untuk model FE dan FES, hasil dalam hal perpindahan (displacement) terhadap waktu diperoleh untuk total perpindahan dalam kaitannya dengan initial position (i.e.perpindahan relatif pada struktur atas ditambah perpindahan pada struktur pendukungnya, yang disebabkan oleh gempa bumi). Pada studi ini, semua curve hanya menunjukkan perpindahan relatif, yang mana dapat dibandingkan dengan respons dari model MS.<br />
<br />
[[File:Translateevi.JPG]]<br />
<br />
<br />
Hasil dari Gambar 20 menunjukkan bahwa dengan adanya gangguan/eksitasi dalam bentuk gempa, respon dari FES pada permasalahan-½ massa kolom terpusat di lantai, memiliki hasil yang sama dengan penggunaan model MS dasar. Hal tersebut membuktikan keakuratan hipotesis yang sudah dibangun untuk menyelaraskan FE models dengan MS models. Pada contoh ini, dimana terdapat eksitasi berupa gempa, pengaruh dari bagian kolom masa dalam analisis adalah lebih tinggi daripada nila yang didapat dengan impulse loads. Jika diasumsikan 50% massa kolom diabaikan untuk FES models, maka hubungan antara MS dan FES models tidak mungkin didapat. Gambar 21-24 menunjuklan perbandingan antara MS models, FES dan FE models.<br />
<br />
<br />
[[File:MSFESchandra1.JPG]]<br />
[[File:MSFESchandra2.JPG]]<br />
[[File:MSFESchandra3.JPG]]<br />
<br />
dengan hasil yang disajikan dalam gambar 21-24 dapat diketahui bahwa pertimbangan massa terdistribusi dalam elemen kolom menyebabkan perpindahan tertinggi dan perbedaan dalam kasus yang dibandingkan (FES x MS). Dapat juga diamati bahwa fleksibilitas balok, berbeda dari apa yang terlihat dalam contoh sebelumnya, dan hal ini perlu diperhatikan sebagai hal yang relevan untuk mengubah respons Model FES. Hipotesis balok yang dapat dipindahkan relevan dengan respons dalam domain waktu; sedangkan untuk konten frekuensi struktur memiliki perilaku yang sama dari model MS. Contoh ini dengan beban dinamis yang besar menunjukkan bahwa model MS secara signifikan tidak mementingkan potensi perpindahan struktur; hasil ini dapat dikaitkan dengan semua penyederhanaan yang diasumsikan untuk model pegas-massa. Bahkan gempa bumi yang menyebabkan perpindahan besar di dasar struktur (sekitar 20 cm) tidak cukup untuk memicu respons bangunan nonlinier. Gambar 21-24 menunjukkan bahwa respons domain frekuensi kurang sensitif terhadap asumsi pemodelan. Semua frekuensi sekitar 1,7 hingga 1,9 Hz dan puncak ini mungkin disebabkan oleh beban gempa dalam struktur. Dalam resume, meskipun struktur yang dipelajari dalam model FE menyajikan perpindahan yang lebih tinggi, konten frekuensinya tetap dekat dengan frekuensi bangunan yang dievaluasi melalui mode MS.<br />
-----------------------------------------------------------------------------------<br />
<br />
<br />
==='''CONCLUDING REMARKS'''===<br />
<br />
Makalah ini mengupayakan pendekatan didaktik untuk menunjukkan bagaimana merepresentasikan, dengan diskritisasi elemen hingga, hasilnya diperoleh dengan model massa-pegas. Temuan di sini bermanfaat bagi para peneliti yang menggunakan model elemen hingga, yang membutuhkan untuk mereproduksi atau membandingkan hasilnya dengan yang diperoleh menggunakan model pegas massal.<br />
<br />
Pada dasarnya, untuk merepresentasikan struktur pegas massa dengan metode elemen hingga, perlu: 1) mempertimbangkan hanya setengahnya massa total kolom, disatukan dengan massa balok dan pelat; 2) menganggap lantai berfungsi sebagai benda tegar dalam hal derajat kebebasan longitudinal dan lentur dan 3) membatasi derajat lentur kebebasan balok dan pelat.<br />
<br />
Hasil penelitian menunjukkan relevansi hipotesis yang disarankan dalam respon struktur sebagai kerangka pesawat (bangunan) dalam analisis dinamis. Juga menjadi jelas bahwa pengaruh masing-masing hipotesis tergantung pada karakteristik mempelajari kasus. Dalam contoh 1 dan 2, pertimbangan balok fleksibel untuk model FES menyebabkan perubahan signifikan pada respon struktur, dibandingkan dengan hasil model MS. Namun, perilaku yang sama ini tidak diverifikasi di Contoh 3, di mana fleksibilitas balok dalam hal beban gempa tidak mempengaruhi respons model FES.<br />
<br />
Dalam hal analisis FFT, semua model (MS, FES, dan FE) tepat untuk menentukan frekuensi getaran,terutama frekuensi alami rendah yang biasanya paling relevan untuk karakterisasi dinamis struktur.Contoh 3 menyarankan bahwa dalam kasus beban dinamis yang parah, seperti gempa bumi, pertimbangan di sekitar struktur<br />
Massa sangat relevan dalam respons.Hasil seperti yang disajikan dalam makalah ini mengumpulkan informasi dan memenuhi kualifikasi asumsi pemodelan struktural yang biasa. Itu<br />
perbedaan yang diperoleh dengan model yang dikembangkan, menyoroti ketidakpastian intrinsik yang terlibat dalam tantangan<br />
membuat representasi perilaku struktural yang realistis. Dalam sudut pandang ini, representasi mekanik yang tepat<br />
perilaku hanya dapat dicapai dengan analisis kritis dan pengetahuan di sekitar keterbatasan masing-masing model. ini<br />
penting untuk ditekankan bahwa banyak struktur menghadirkan respons yang cenderung pada asumsi pegas-massa; dalam aspek ini<br />
penggunaan model serbaguna berdasarkan analisis FE yang dapat diterapkan untuk memecahkan masalah sederhana atau kompleks dapat menjamin<br />
desain yang lebih akurat<br />
<br />
== Artikel ==<br />
<br />
== Tugas Artikel Wisnu Harry Ichwan Fadli ==<br />
<br />
<br />
Menunjukkan bahwa korespondensi sempurna antara FES dan model MS diberikan ketika model FES mempertimbangkan 50% dari massa kolom, disamakan dengan massa lantai. Dari kesimpulan ini, contoh-contoh berikut memiliki asumsi ini ditambahkan: pertimbangan setengah massa kolom dalam pemodelan FES mendorong respons yang sama diperoleh dengan model MS. Hasil ini masih menunjukkan bahwa dimungkinkan untuk mereproduksi respons bingkai dengan lebih dari satu baris kolom (dalam hal ini, 8 baris kolom) oleh model MS.<br />
<br />
<br />
[[File:gambarganteng.png||500px]]<br />
<br />
<br />
Figure 7<br />
<br />
<br />
Dari Gambar. 5 dapat dicatat bahwa respon perpindahan puncak struktur mengabaikan dan mempertimbangkan massa kolom untuk model MS berbeda sekitar 5%. Dalam domain frekuensi, frekuensi alami yang sama dapat diamati untuk kedua kasus (5 Hz), dengan perbedaan hanya dalam amplitudo mereka. Hasil ini menunjukkan bahwa untuk estimasi pertentangan frekuensi, pertimbangan massa kolom dalam analisis MS tidak relevan. Gambar 6 dan 7 menunjukkan keakuratan model FES untuk mereproduksi hasil MS. Gambar. 7 menunjukkan bahwa korespondensi sempurna antara FES dan model MS diberikan ketika model FES mempertimbangkan 50% dari massa kolom, disamakan dengan massa lantai. Dari kesimpulan ini, contoh-contoh berikut memiliki asumsi ini ditambahkan: pertimbangan setengah massa kolom dalam pemodelan FES mendorong respons yang sama diperoleh dengan model MS. Hasil ini masih menunjukkan bahwa dimungkinkan untuk mereproduksi respons bingkai dengan lebih dari satu baris kolom (dalam hal ini, 8 baris kolom) oleh model MS.<br />
<br />
<br />
[[File : 2020-05-09 16_22_37-Spyder (Python 3.7).png || 500px ]]<br />
<br />
<br />
Untuk kasus yang dikerjakan adalah pada bangunan dengan penjalasan seperti pada laporan di bawah ini<br />
<br />
<br />
<gallery mode="slideshow"><br />
<br />
File:FEMBUILDINGSED (1).JPG<br />
<br />
File:FEMBUILDINGSED (2).JPG<br />
<br />
initial condition disini digambarkan bahwa, konstruksi rangka gedung dapat di modelkan sebagai batang kantilever dengan panjang (l) yang menerima gaya (F) arah lateral akibat gempa, sehingga akibat gaya F tersebut menyebabkan terjadinya displacement pada rangka tersebut sejauh x. <br />
<br />
File:FEMBUILDINGSED (3).JPG<br />
<br />
perpindahan posisi (displacement ) merupakan defleksi pada rangka. sehingga dapat dirumuskan besarnya displacennet sebagai persamaan defleksi pada batang kantilever. besarnya defleksi dipengaruhi oleh : bentuk penampang batang, panjang batang, gaya yang bekerja dan juga modulus elastistas material.<br />
<br />
File:FEMBUILDINGSED (4).JPG<br />
<br />
berdasrkan rumus defleksi tersebut didapatkan hasil perhitungan seperti pada grafik. dimana displacemnt yang terjadi akibat gaya F merupakan suatu bentuk osilsasi dengan simpangan terjauh mencapai 0.8<br />
<br />
File:FEMBUILDINGSED (5).JPG<br />
<br />
File:FEMBUILDINGSED (6).JPG<br />
<br />
File:FEMBUILDINGSED (7).JPG<br />
<br />
File:FEMBUILDINGSED (8).JPG<br />
<br />
File:FEMBUILDINGSED (9).JPG<br />
<br />
</gallery><br />
<br />
'''slide 1 (judul)'''<br />
<br />
'''slide 2 (FEM initial condition)'''<br />
<br />
initial condition disini digambarkan bahwa, konstruksi rangka gedung dapat di modelkan sebagai batang kantilever dengan panjang (l) yang menerima gaya (F) arah lateral akibat gempa, sehingga akibat gaya F tersebut menyebabkan terjadinya displacement pada rangka tersebut sejauh x. <br />
<br />
'''slide 3 (dasar teori defelksi untuk perhitungan manual-eksak)'''<br />
<br />
perpindahan posisi (displacement ) merupakan defleksi pada rangka. sehingga dapat dirumuskan besarnya displacennet sebagai persamaan defleksi pada batang kantilever. besarnya defleksi dipengaruhi oleh : bentuk penampang batang, panjang batang, gaya yang bekerja dan juga modulus elastistas material.<br />
<br />
'''slide 4 (hasil perhitungan manual)'''<br />
<br />
berdasarkan rumus defleksi tersebut didapatkan hasil perhitungan seperti pada grafik. dimana displacemnt yang terjadi akibat gaya F merupakan suatu bentuk osilsasi dengan simpangan terjauh mencapai 0.8<br />
<br />
'''slide 5 (pemodelan FES)'''<br />
<br />
pemodelan FES ini berangkat dari MS model, dimana FES ini merupakan bentuk sederhana dari FEM yang diberikan pembatasan-pembatasan, pergerakan kolom akibat gaya F dari gempa hanya ke arah horisontal saja sehingga mengabaikan gerakan vertikan maupun rotasi pada kolom.<br />
<br />
'''slide 6 (hasil perhitungan FES)'''<br />
<br />
hasil perhitungan dengan FES ini menunjukan simpangan terjauh dari kolom yang diakibatkan oleh gaya F dari gempa adalah sejauh 0.8 mm<br />
<br />
'''slide 7 (pemodelan FEM)'''<br />
<br />
'''slide 8 (hasil perhitungan FEM)'''<br />
<br />
hasil perhitungan terdapat beberapa point dan cara yakni menggunakan FEM dan euler method <br />
<br />
<br />
'''slide 9 (hasil dan kesimpulan)'''<br />
<br />
dari ketiga perhitungan tersebut (perhitungan manual-eksak, FES dan FEM) maka didapatkan hasil bahwa, perhitungan manual dana FES menunjukkan hasil yang hampir sama, yaitu terjadi simpangan dari pergerakan kolom arah laetral sejauh 0.8. <br />
<br />
sedangakan hasil perhitungan FEM amenunjukkan perbedaan yang cukup signifikan. perbedaan hasil tersebut kemungkinan besar disebabkan oleh adanya perbedaan input yang dilakukan dalam perhitungan, mengingat dalam FES dilakukan pembatasan-pembatasan, seperti pada gerakan akibat gaya F gempa terhadap kolom yang terjadi hanya pada arah hisontal. sedangkan pada kejadian sebenarnya tidaklah demikian.<br />
<br />
== Tugas Artikel Kania, Chandra, Dieter, Evi ==<br />
<br />
<gallery mode="slideshow"><br />
File:Komptek_Artikel_Bangunan_page-0001.jpg<br />
File:Komptek_Artikel_Bangunan_page-0002.jpg<br />
File:Komptek_Artikel_Bangunan_page-0003.jpg<br />
File:Komptek_Artikel_Bangunan_page-0004.jpg<br />
File:Komptek_Artikel_Bangunan_page-0005.jpg<br />
File:Komptek_Artikel_Bangunan_page-0006.jpg<br />
File:Komptek_Artikel_Bangunan_page-0007.jpg<br />
</gallery><br />
<br />
== Artikel Kolaborasi : ''USING MASS-SPRING (MS) MODEL FOR BUILDING ANALYSIS'' arranged by [http://air.eng.ui.ac.id/index.php?title=Oldy_Fahlovi Oldy Fahlovvi], [http://air.eng.ui.ac.id/index.php?title=Muchalis_Zikramansyah_Masuku Muchalis Zikramansyah Masuku], [http://air.eng.ui.ac.id/index.php?title=AHMAD_ZIKRI Ahmad Zikri], [http://air.eng.ui.ac.id/index.php?title=Muhammad_Irfan_Dzaky Muhammad Irfan Dzaky]==<br />
<br />
Berikut ini kami lampirkan tugas kolaborasi tentang ''USING MASS-SPRING (MS) MODEL FOR BUILDING ANALYSIS'' dalam bentuk slideshow.<br />
<gallery mode="slideshow"><br />
File:Artikel Komputasi Teknik-1 USING EULER METHOD FOR 1-D OSCILLATING ANALYSISS.jpg<br />
File:Artikel Komputasi Teknik-2 USING EULER METHOD FOR 1-D OSCILLATING ANALYSIS.jpg<br />
File:Artikel Komputasi Teknik-3 USING EULER METHOD FOR 1-D OSCILLATING ANALYSIS.jpg<br />
File:Artikel Komputasi Teknik-4 USING EULER METHOD FOR 1-D OSCILLATING ANALYSIS.jpg<br />
File:Artikel Komputasi Teknik-5 USING EULER METHOD FOR 1-D OSCILLATING ANALYSIS.jpeg<br />
File:Artikel Komputasi Teknik-6 USING EULER METHOD FOR 1-D OSCILLATING ANALYSIS.jpg<br />
</gallery><br />
<br />
== Tugas Artikel Aghnia, Daniel, Joko, Paskal ==<br />
<br />
Persoalan<br />
<br />
[[File:Artikel_4.1_judul2.jpg|700px]]<br />
<br />
[[File:Artikel_4.1_hal1.jpg|700px]]<br />
<br />
Hasil<br />
<br />
[[File:Aghnia hasil.PNG|700px]]<br />
<br />
Analisa<br />
<br />
[[File:Analisa_daniel.jpg|700px]]<br />
<br />
[[File:Analisa_daniel2.jpg|700px]]<br />
<br />
Berikut terlampir dokumen pendukung berupa Excel<br />
<br />
https://drive.google.com/file/d/1Xvx7qlr-6vEFbYRVly7RprzASj8uwBfa/view?usp=sharing<br />
<br />
<br />
== Tugas Artikel Fajri, Kania Dyah, Maha, Wafirul ==<br />
<br />
<br />
[[File:D-1_pages-to-jpg-0001.jpg]]<br />
<br />
[[File:D-1_pages-to-jpg-0002.jpg]]<br />
<br />
[[File:D-1_pages-to-jpg-0003.jpg]]<br />
<br />
[[File:D-1_pages-to-jpg-0004.jpg]]<br />
<br />
[[File:D-1_pages-to-jpg-0005.jpg]]<br />
<br />
[[File:D-1_pages-to-jpg-0006.jpg]]<br />
<br />
[[File:D-1_pages-to-jpg-0007.jpg]]<br />
<br />
[[File:D-1_pages-to-jpg-0008.jpg]]<br />
<br />
<br />
<br />
== Tugas Artikel Adinda, Ilham Bagus, Adzanna, Maheka ==<br />
<br />
<gallery mode="slideshow"><br />
File:artikelsmo1.jpg<br />
File:artikelsmo2.jpg<br />
File:artikelsmo3.jpg<br />
File:artikelsmo4.jpg<br />
File:artikelsmo5.jpg<br />
File:artikelsmo6.jpg<br />
File:artikelsmo7.jpg<br />
File:artikelsmo8a.jpg<br />
</gallery><br />
<br />
== STUDI KASUS OSILASI GEDUNG DUA TINGKAT MENGGUNAKAN MODEL PEGAS-MASSA; Edo, Raihan, Jeri, Shabrina ==<br />
<br />
''' Studi Kasus '''<br />
Bangunan Gedung merupakan salah satu sarana yang dibangun menggunakan pengetahuan Engineering yang kompleks. Hampir seluruh aspek dalam perekayasaan sebuah gedung memerlukan analisis khusus secara saintifik guna menghasilkan karya yang tepat guna, nyaman dan aman untuk digunakan. Agar suatu bangunan tersebut aman untuk digunakan, sistem struktur bangunan haruslah memiliki kriteria untuk dapat menahan beban dengan kekuatan tertentu. Salah satu jenis beban yang menjadi perhatian khusus dalam perancangan bangunan gedung adalah pengaruh eksitasi yang disebabkan oleh kondisi angin maupun gempa bumi.<br />
Dalam menentukan respon suatu bangunan gedung terhadap eksitasi beban di atas, diperlukan proses komputasi terhadap fenomena yang akan terjadi. Untuk melakukan komputasi tersebut secara numerik, dapat dilakukan pendekatan menggunakan sistem pegas – massa maupun sistem finite element. Seperti yang dilakukan pada salah satu referensi yang diunggah oleh pak DAI mengenai simplified finite element, kami mencoba untuk melakukan studi kasus mengenai bangunan 2 tingkat yang diberikan gaya horizontal untuk diamati pengaruh gaya tersebut terhadap pergerakan osilasi gedung.<br />
Contoh kasus yang kami uji adalah pada sebuah gedung 2 tingkat yang dikenakan gaya horizontal pada lantai dasar gedung untuk merepresentasikan gaya gempa bumi. Gaya gempa bumi direpresentasikan dengan percepatan lantai dasar yang dinotasikan dengan ẍg<br />
<br />
''' Modelling '''<br />
''' Model Pegas-Massa '''<br />
Untuk dapat menghitung pergeseran dari bangunan dua lantai ketika dikenakan gaya horizontal pada tanah atau lantai dasar bangunan, kita bisa memodelkan bangunan tersebut menjadi model pegas-massa[1]. Berikut ini adalah konfirugasi permodelan pegas-massa pada bangunan dua lantai.<br />
<br />
[[File:2lt.png]]<br />
<br />
H1 dan H2 adalah tinggi masing-masing lantai, L adalah panjang lantai, c1 dan c2 adalah model damper untuk masing-masing lantai, m1 dan m2 adalah model massa untuk merepresentasikan massa masing-masing lantai, EIc1 dan EIc2 adalah kekakuan dari dinding masing-masing lantai, EIb1 dan EIb2 adalah kekakuan langit-langit masing-masing lantai, dan ẍg adalah percepatan tanah atau dasar bangunan. Model tersebut dapat dimodelkan ke dalam konfigurasi model pegas-massa yang umum kita temukan menjadi<br />
<br />
[[File:4gbr.png]]<br />
<br />
Figur b adalah model ketika kekakuan langit-langit lantai diasumsikan tak hingga, sehingga langit-langit tidak mengalami deformasi sama sekali. Figur tersebut dimodelkan ke dalam model pegas-massa menjadi seperti pada figur c. k1 dan k2 yang merupakan konstanta kekakuan pegas adalah fungsi dari EIc dan H. Figur d adalah kasus ketika langit-langit tidak diasumsikan memiliki kekakuan tak hingga, sehingga langit-langit juga mengalami deformasi. Pada kasus ini kekakuan langit-langit akan mempengaruhi nilai k1 dan k2 dan juga menambahkan model pegas baru dengan kekakuan k3 untuk merepresentasikan derajat kebebasan lateral dan rotasional, seperti yang dapat dilihat pada figur e.<br />
Untuk kasus ini, kami memilih asumsi bahwa langit-langit tidak memiliki kekakuan tak hingga. Sehingga model pegas-massa yang kami gunakan adalah model pegas-massa pada figur e. Kemudian dari figur tersebut, kami akan melakukan analisis gaya untuk masing-masing massa.<br />
Untuk massa 1,<br />
[[File:Eq1jr.png]]<br />
[[File:Eq2jr.png]]<br />
Persamaan 1 dan 2 kemudian akan dihitung menggunakan metode numerik untuk mendapatkan nilai pergeseran lantai 1 dan lantai 2 (x1 dan x2). Konstanta pada persamaan tersebut akan diisi dengan nilai yang didapat dari jurnal referensi, yaitu sebagai berikut<br />
m1 = 533,5 kg, m2 = 552,5 kg, c1 = 72,692 N.s/m, c2 = 68,688 N.s/m, k1 = 456,908 kN/m, k2 = 351.467 kN/m, k3 = -84,352 kN/m, ẍg = <br />
<br />
Kondisi awal untuk x1, x2, ẋ1, dan ẋ2 adalah 0<br />
<br />
Untuk menyelesaikan persamaan dari sistem diatas, dapat diselesaiakn dengan menggunakan metode numerik untuk menyelesaikan persamaan differensial. Kami menggunakan metode Euler forward-backward untuk menyelesaikan dua persamaan differensial tersebut. Apabila x1 di misalkan sebagai u1 dan x2 dimisalkan dengan u2, maka:<br />
<br />
v1 = du1/dt<br />
<br />
v2 = du2/dt<br />
<br />
Oleh karena itu, persamaan numeriknya menjadi:<br />
<br />
[[File:Konsbang1.JPG]]]<br />
<br />
Lalu, gaya eksitasi yang direpresentasikan oleh ẍg dibuat menjadi dua jenis kasus. Yaitu kasus gaya eksitasi konstan dan gaya eksitasi periodic. Dengan menggunakan excel, didapatkan bahwa hasil respons dari model di atas dapat dilihat sebagai berikut:<br />
<br />
[[File:Konsbang2.JPG]]<br />
<br />
[[File:Konsbang3.JPG]]<br />
<br />
''' Referensi '''<br />
[1] S. T. de La Cruz, M. A. Rodriguez, and V. Hernandez, “Using Spring-Mass Models to Determine the Dynamic Response of Two-Story Buildings Subjected to Lateral Loads,” 15th World Conf. Earthq. Eng., 2012.<br />
<br />
<br />
<br />
<br />
== Menyelesaikan Kasus Osilasi pada Gedung n-Tingkat dengan Metode Komputasi. (Adhika, Fathur, Ali) ==<br />
<br />
<br />
'''Pendahuluan:'''<br />
Artikel ini akan menjelaskan cara menyelesaikan kasus osilasi pada gedung n-tingkat yang dimodelkan dengan sistem pegas dan diselesaikan secara numerik.<br />
<br />
<br />
'''Persamaan Dasar:'''<br />
<br />
[[File:Komtek_Artikel3-k-AFA-Eq1.png]]<br />
<br />
<br />
'''Penyelesaian:'''<br />
Penyelesaian persamaan ini akan menggunakan metode Euler dengan skema forwards dan bacwards. Secara umum proses pemodelan dengan terknik ini akan menghasilkan persamaan:<br />
<br />
[[File:Komtek_Artikel3-k-AFA-Eq2.png]]<br />
<br />
Adapun untuk menyelesaikan persamaan kedua, matrix [A] akan diselesaikan dengan TDMA (Tri-Diagonal Matrix Algorithm). Seluruh penyelesaian kasus ini dilakukan dalam bahsa phyton. Berikut Source codenya:<br />
<br />
[[File:Komtek_Artikel3-k-AFA-PIC1.png]]<br />
<br />
[[File:Komtek_Artikel3-k-AFA-PIC2.png]]<br />
<br />
<br />
'''Hasil:'''<br />
Hasil dari perhitungan ini adalah sebagai berikut:<br />
<br />
[[File:Komtek_Artikel3-k-AFA-PIC3.png]]<br />
<br />
<br />
<br />
<br />
== Artikel Komputasi Teknik Sistem Pada Gedung Bertingkat Dengan 3 Model Strukstur (Adam, Aji, Alghi, Iqbal) ==<br />
<br />
<gallery mode="slideshow"><br />
<br />
File:Coverkomptek.jpg<br />
File:lapafitro1.jpg|800px<br />
File:lapafitro2.jpg|800px<br />
File:lapafitro3.jpg|800px<br />
File:lapafitro4.jpg|800px<br />
File:lapafitro5.jpg|800px<br />
File:lapafitro6.jpg|800px<br />
File:lapafitro7.jpg|800px<br />
File:lapafitro8.jpg|800px<br />
File:lapafitro9.jpg|800px<br />
File:lapafitro10.jpg|800px<br />
File:lapafitro11.jpg|800px<br />
File:lapafitro12.jpg|800px<br />
File:lapafitro13.jpg|800px<br />
File:lapafitro14.jpg|800px<br />
File:lapafitro15.jpg|800px<br />
File:lapafitro16.jpg|800px<br />
File:lapafitro17.jpg|800px<br />
File:lapafitro18.jpg|800px<br />
File:lapafitro19a.jpg|800px<br />
File:lapafitro20.jpg|800px<br />
File:lapafitro21.jpg|800px<br />
File:lapafitr022.jpg|800px<br />
File:lapafitro23.jpg|800px<br />
File:lapafitro24.jpg|800px<br />
File:lapafitro25.jpg|800px<br />
File:lapafitro26.jpg|800px<br />
File:lapafitro27.jpg|800px<br />
File:lapafitro28.jpg|800px<br />
File:lapafitro29.jpg|800px<br />
File:lapafitro30.jpg|800px<br />
File:lapafitro31.jpg|800px<br />
File:lapafitro32.jpg|800px<br />
File:lapafitro33.jpg|800px<br />
File:lapafitro34.jpg|800px<br />
File:lapafitro35.jpg|800px<br />
File:lapafitro36.jpg|800px<br />
File:lapafitro37.jpg|800px<br />
File:lapafitro38.jpg|800px<br />
File:lapafitro39.jpg|800px<br />
File:lapafitro40.jpg|800px<br />
<br />
File:lapafitro1b.jpg|800px<br />
File:lapafitro2b.jpg|800px<br />
File:lapafitro3b.jpg|800px<br />
<br />
</gallery><br />
<br />
<br />
== Artikel Komputasi Teknik ''1-Storey Frame Under an Impulse Force (Simulation by ANN)'' oleh [http://air.eng.ui.ac.id/index.php?title=Ardy.lefran Ardy], [http://air.eng.ui.ac.id/index.php?title=I_Gusti_Agung_Ayu_Desy_Wulandari Desy], [http://air.eng.ui.ac.id/index.php?title=Ronald_Akbar Ronald] dan [http://air.eng.ui.ac.id/index.php?title=Yophie.dikaimana Yophie] ==<br />
<br />
<gallery mode="slideshow"><br />
File:1-STOREY FRAME 01.jpg<br />
File:1-STOREY FRAME 02.jpg<br />
File:1-STOREY FRAME 03.jpg<br />
File:1-STOREY FRAME 04.jpg<br />
File:1-STOREY FRAME 05.jpg<br />
File:1-STOREY FRAME 06.jpg<br />
File:1-STOREY FRAME 07.jpg<br />
File:1-STOREY FRAME 08.jpg<br />
File:1-STOREY FRAME 09.jpg<br />
</gallery></div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=Wisnu_indrawan&diff=35976Wisnu indrawan2020-06-08T00:03:37Z<p>Wisnu indrawan: /* Metode */</p>
<hr />
<div><br />
<br />
----<br />
<br />
== '''Biodata Diri :''' ==<br />
<br />
----<br />
<br />
<br />
[[File:wisnu.jpg|200px|thumb|left|Watashinonamaeha wisnu ndes ]]<br />
<br />
*Nama : Wisnu Indrawan <br />
<br />
*NPM : 1906433745<br />
<br />
*Jurusan : Teknik Mesin<br />
<br />
*Institusi : Universitas Indonesia<br />
<br />
*Penjuruan : SUBAK (Sistem Utilitas Bangunan)<br />
<br />
*Email : wisnu.indrawan@ui.ac.id<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Istilah - Istilah Teknik''' ==<br />
<br />
<br />
'''1. Clustering ''' <br />
<br />
*clustering adalah teknik machine learning berupa algoritma pengelompokkan objek-objek data berjumlah N menjadi <br />
kelompok-kelompok data tertentu (cluster)<br />
<br />
*Objek data yang beada dalam satu kelompok / cluster harus memiliki kemiripan <br />
<br />
*Semakin banyak data yang diperoleh sama dnegan semakin akurat hasil yang di dapatkan <br />
<br />
*Clustering merupakan salah satu jenis dari algoritma unsupervised learining, algoritma <br />
yang bertujuan untuk mempelajari dan menemukan pola dari suatu input yang diberikan tanpa menggunuakan label <br />
<br />
*Dengan penggunaan supervised learning, maka beberapa hal berikut ini dapat dilakukan <br />
<br />
'''1.''' Search: Membandingkan antar dokumen, gambar atau suara untuk menampilkan item serupa. <br />
<br />
'''2.''' Deteksi anomali: Mendeteksi perilaku yang tidak biasa yang biasanya berhubungan dengan hal-hal yang ingin dicegah atau dideteksi, seperti contoh penipuan. <br />
<br />
<br />
Selain itu teknik clustering terdapat beberapa algoritma di dalam nya yang akan dijelaskan istilah nya pada bagian bawah ini : <br />
<br />
<br />
<br />
'''2. K-Means Clustering'''<br />
<br />
*Tentukan jumlah cluster <br />
<br />
*alokasikan data ke dalam cluster secara rancodm <br />
<br />
*hitung centroid/rata-rata dari data yang ada di masing-masing cluster <br />
<br />
*alokasikan masing masing data ke centroid/data-data terdekat <br />
<br />
*kembali ke step 3, apabila masih ada data yang berpindah cluster atau apabila <br />
perubahan nilai centroid, ada yang di atas nilai threshold yang ditentikan atau apabila <br />
perubahan nilai pada objective function yang digunakan di atas nilai threshold yang ditentukan<br />
<br />
<br />
'''3. Mean-Shift Clustering<br />
'''<br />
*Untuk mejelaskan mean-shift, kita ilustrasikan sekumpulan titik dalam ruang <br />
dua dimensi <br />
<br />
*kita mulai dengan circular sliding window yang berpusat pada titik C(dipilih secara acak)<br />
dan memiliki jadi-jadir r sebagai kernel. Mean shift adalah algoritma yang melakukan pergeseran kernel ini secara iteratif <br />
ke daerah kepadatan yang lebih tinggi pada setiap langkah hingga konvegensi.\<br />
<br />
*pada setiap iterasi, sliding window digeser ke arah daerah dengan kepadatan lebih tinggi dengan menggeser titik tengahnya. kepadatan pada sliding window sebanding dengan jumlah tiitk di dalamnya <br />
<br />
*terus melakuakn pergeseran pada sliding window sesuai dengan rata -rata sampai tidak ada arah di mana pergeseran dapat mengakomondasikan lebih banyak titik di dalam kernel (tidak lagi meningkatkan densitas/jumlah titik di window)<br />
<br />
*langkah 1 hingga 3 ini dilakukan dengan banyak sliding window sampai semua titik terletak di dalam window. Ketika beberapa window saling berumpang tindih, window yang berisi titik terbanyak akan dipertahankan. Objek data kemudian dikelompokkan sesua dengan sliding window tempat mereka berada.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-1 ''', (Senin, 03 Februari 2020), Muhasabah ==<br />
<br />
<br />
----<br />
<br />
<br />
'''Muhasabah Diri :''' <br />
<br />
'''Muhasabah adalah''' : sesuatu hal yang perlu dan menjadikannya sebuah kebutuhan dalam tiap-tiap diri manusia, di dalam agama Islam, muhasabah sangatlah dianjurkan karena jika muhasabah bisa dijalankan dengan baik akan memberi banyak manfaat baik yang akan di dapatkan di dunia maupun diakhirat kelak.<br />
<br />
'''Pada pertemuan pertama kami mempelajari apa makna dari komputasi teknik :'''<br />
<br />
'''a. Definisi Komputasi'''<br />
<br />
Komputasi : setulnya bisa diartikan sebagai cara untuk menemukan pemecahan masalah dari data input dengan menggunakan suatu algoritme. Hal ini ialah apa yang disebut dengan teori komputasi, suatu sub-bidang dari ilmu komputer dan matematika. Selama ribuan tahun, perhitungan dan komputasi umumnya dilakukan dengan menggunakan pena dan kertas, atau kapur dan batu tulis, atau dikerjakan secara mental, kadang-kadang dengan bantuan suatu tabel. Namun sekarang, kebanyakan komputasi telah dilakukan dengan menggunakan komputer.<br />
<br />
Komputasi ilmiah dan numerik adalah bidang booming dalam penelitian, teknik, dan analitik. Revolusi dalam industri komputer selama beberapa dekade terakhir telah menyediakan alat baru dan kuat untuk praktisi komputasi. Ini telah memungkinkan usaha komputasi dari skala dan kompleksitas yang sebelumnya tidak pernah terjadi sebelumnya. Akibatnya, semua bidang dan industri bermunculan. Perkembangan ini masih berlangsung, dan ini menciptakan peluang baru seiring dengan meningkatnya perangkat keras, perangkat lunak, dan algoritme. Pada akhirnya, teknologi yang memungkinkan untuk gerakan ini adalah perangkat keras komputasi yang kuat yang telah dikembangkan dalam beberapa dekade terakhir. Namun, untuk seorang praktisi komputasi, lingkungan perangkat lunak yang digunakan untuk pekerjaan komputasi sama pentingnya dengan, jika tidak lebih penting daripada, perangkat keras di mana perhitungan dilakukan.<br />
<br />
'''b. Current state of knowledge'''<br />
<br />
Knowledge i have learned in master amount of application and I just know it in master degree, and this is application I had to learn in master degree, first is lab view, I use it for measure temperature in contactor, so I know the temperature at inlet and outlet, second is REFROP this application helped me to know enthalpy in refrigerant, is superheated or subcool, third but not last is CFD-SOF with this application I can calculate velocity of fluid at an object, for example, is I calculated velocity in planar plate, internal flow pipe, and so on. <br />
<br />
'''c. Pengalaman Komputasi Teknik'''<br />
<br />
Untuk pengalaman saya menggunakan komputasi sudah ada beberapa, seperti CFD SOF dan beberapa bahasa pemograman, tetapi di era data scientist sekarang banyak yang sedang menggunakan bahasa python untuk menjadi bahasa pemograman mereka, hal ini dikarekan python merupakan bahasa pemograman open source (gratis) dan mudah di gunakan untuk pemula, berikut dasar - dasar menggunakan bahsa python :<br />
<br />
'''c.1 Pengenalan Komputasi Menggunakan Python'''<br />
<br />
Python adalah bahasa pemrograman tingkat tinggi yang diartikan untuk keperluan umum yang banyak digunakan dalam komputasi ilmiah dan teknik. Pertama dan terpenting, Python terkenal dengan sintaks code yang bersih dan mudah dibaca. Pembacaan kode yang baik meningkatkan pemeliharaan, yang secara umum menghasilkan lebih sedikit bug dan aplikasi yang lebih baik secara keseluruhan, tetapi juga memungkinkan pengembangan kode yang cepat. Dalam pemecahan masalah komputasi, tentu saja, penting untuk mempertimbangkan kinerja algoritma dan implementasinya. Sementara kinerja runtime terbaik dapat dicapai dalam bahasa pemrograman tingkat rendah seperti fortran dan C, bekerja dalam bahasa tingkat tinggi seperti Python biasanya mengurangi waktu pengembangan dan seringkali menghasilkan kode yang lebih fleksibel dan dapat diperluas.<br />
<br />
'''c.2 Environement Untuk Komputasi Dengan Python''' <br />
<br />
Ada beberapa environtment berbeda yang dapat digunakan Python untuk komputasi ilmiah dan teknis. Keragaman ini memiliki kelebihan dan kekurangan dibandingkan dengan lingkungan yang didukung. Dalam produk komputasi memiliki keanekaragaman menyediakan fleksibilitas dan dinamika yang cocok untuk spesialisasi untuk kasus penggunaan tertentu. Di sini saya memberikan orientasi lingkungan umum untuk komputasi ilmiah. Contoh 3 GUI yang digunakan untuk menjalankan python adalah :<br />
<br />
'''c.2.1. IPython'''<br />
<br />
IPython merupakan sebuah console yang dapat dijalankan secara interaktif. Secara bersama dengan text editor untuk menuliskan code, menyediakan yang ringan untuk dikembangkan .<br />
<br />
'''c.2.2. The Jupyter Notebook'''<br />
<br />
Merupakan aplikasi web di mana kode Python dapat ditulis dan dieksekusi melalui browser web. Environtment ini sangat bagus untuk komputasi numerik, analisis, dan penyelesaian masalah, karena memungkinkan seseorang untuk mengumpulkan code, output yang dihasilkan oleh code, dokumentasi teknis terkait, dan analisis dan interpretasi, semuanya dalam satu dokumen.<br />
<br />
'''c.2.3. Spyder'''<br />
<br />
Integrated Development Environment, yang dapat digunakan untuk menulis dan menjalankan kode Python secara interaktif. IDE seperti Spyder adalah alat yang dapat diguankan untuk mengembangkan library dan modul Python yang bisa digunakan kembali<br />
<br />
'''c.2.4. Interpreter'''<br />
<br />
Cara standar untuk mengeksekusi kode Python adalah menjalankan program secara langsung melalui interpreter Python. Pada kebanyakan sistem, interpreter Python dipanggil menggunakan perintah python. Ketika Python file source diperintahkan sebagai argumen untuk perintah ini, kode Python dalam file tersebut dijalankan.<br />
<br />
$ python hello.py<br />
<br />
Hello from Python!<br />
<br />
Di sini file hello.py berisi satu baris:<br />
<br />
print("Hello from Python!")<br />
<br />
Untuk melihat versi Python mana yang diinstal, seseorang dapat menjalankan perintah python dengan argumen --version:<br />
<br />
$ python –version<br />
<br />
Python 3.6.5<br />
<br />
Adalah umum untuk menginstal lebih dari satu versi Python pada sistem yang sama. Setiap versi Python memelihara kumpulan perpustakaannya sendiri dan menyediakan perintah penerjemahnya sendiri (sehingga setiap lingkungan Python dapat menginstal perpustakaan yang berbeda). Pada banyak sistem, versi tertentu dari juru bahasa Python tersedia melalui perintah seperti, misalnya, python2.7 dan python3.6. Dimungkinkan juga untuk mengatur lingkungan python virtual yang independen dari lingkungan yang disediakan sistem. Ini memiliki banyak keuntungan dan saya sangat menyarankan untuk membiasakan diri dengan cara ini bekerja dengan Python. Lampiran A memberikan perincian tentang cara mengatur dan bekerja dengan lingkungan semacam ini.<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-2 : ''' (Senin, 10 Februari 2020), Sinopsis Tuga Akhir ==<br />
<br />
<br />
----<br />
<br />
<br />
'''a. Menjelaskan Sinopsis Tugas Akhir''' <br />
<br />
JUDUL : <br />
<br />
Sistem Pendingin Mengguankan Thermo Electric Cooler dengan Controller Propotional - Integral Derivative<br />
<br />
SINOPSIS : <br />
<br />
Pendinginan merupakan salah satu proses yang dapat digunakan untuk berbagai macam penggunaan, antara lain untuk menjaga produk industri makanan dan produk medis seperti obat-obatan dan vaksin. Proses pendinginan sekarang masih menggunakan teknologi pengawetan berbasis kompresi menggunakan gas pendingin. Tipe gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannya dan tipe R600a memiliki COP yang lebih rendah. Penelitian ini bertujuan merancang perangkat keras dan perangkat lunak yang dapat diaplikasikan pada pendingin termoelektrik, dengan merancang sebuah alat yang digunakan untuk sistem lemari pendingin menggunakan Thermoelectric Cooler (TEC) dan mendapatkan nilai COP yang tinggi. Sistem dibangun dengan kontroler Proportional Integral Derivative (PID). Sistem ini menggunakan beberapa alat antara lain, sensor suhu, Transistor tipe TIP31, modul bluetooth, kipas, dan mikrokontroler ATSAM3X8E. Pengendalian suhu dilakukan dengan membandingkan set-point suhu yang diinginkan dengan suhu dari sensor. Dari penelitian ini diperoleh hasil bahwa semakin besar nilai tegangan yang diberikan maka semakin besar pula besar nilai Pulse Wave Modulation (PWM) yang dihasilkan. Semakin tinggi nilai besar PWM, semakin cepat penurunan suhu pada kotak pendingin. Dari beberapa pengujian dapat disimpulkan bahwa nilai parameter kontrol proporsional (Kp), parameter kontrol integral (Ki), dan nilai parameter kontrol deferensial (Kd ), dimana pada nilai Kp = 255, Ki = 100, dan Kd = 200 mendapatkan grafik yang lebih stabil dan mendekati nilai set-point, dengan nilai error sebesar 2,86 %.<br />
<br />
<br />
'''b. Perbedaan deterministik dan stokastik'''<br />
<br />
b.1 deterministik adalah sesuatu yang pasti akan terjadi. <br />
<br />
b.2 stokastik adalah Stokastik adalah kebolehjadian, atau dengan kata lain sesuatu yang belum terjadi kepastiannya. "Sesungguhnya, Allah tidak akan mengubah nasib suatu kaum, hingga mereka mengubahnya sendiri.." (Q.S. Ar-Ra'd [13] : 11) <br />
<br />
<br />
'''c . Komputasi Teknik pada Tugas Akhir'''<br />
<br />
Tipe tugas akhir saya adalah deteministik. Hal ini dikarenakan nilai dari PID yang saya tentukan pasti. Menurut pendapat saya untuk penerapan komputasi teknik pada tugas akhir saya adalah <br />
<br />
Pada penggunaan fitur controller PID, adalah kemampuan untuk menggunakan tiga tipe kontroller yakni propotional, integral dan derivatif yang mempengaruhi nilai keluaran kontroller untuk dipalikasikan pada nilai yang optimal dari kontroller itu sendiri. <br />
<br />
[[File:PID.png|400px|thumb|left ]]<br />
<br />
Diagram blok yang terdapat pada sebelah kiri menunjukkan bagamimana cara controller ini bekerja. Gambar tersebut menunjukan kontroller PID, yang mana secara kontinu menghitung nilai error e(t) sebagai selisih dari setpoint r(t) dan variabel proses y(t), dan pengaplikasian nya dikoreksi berdasakan propotional, integral, dan derivatif. Kontroller mencoba utnuk meminimalisir error dari lebih nya koreksi kontrol variabel u(t), salah satu contoh nya pengontrolan pada kecepatan kipas, kontrol PID dibutuhkan untuk mengetahui jumlah RPM selanjutnya pada kipas sehingga dapat mendinginkan suatu objek.<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
'''d. Komputasi pada tugas akhir saya kedepan nya'''<br />
<br />
Melakuakn simulasi CFD sederhana untuk melihat aliran fluida di dalam lemari pendingin<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan Ke-3''', (Senin 17-Februari-2020), Presentasi Sinopsis Project Komputasi Teknik ==<br />
<gallery mode="slideshow"><br />
File:PPT_1.png|200px|center|<br />
File:PPT_2.png|200px|center|<br />
File:PPT_3.png|200px|center|<br />
File:PPT_4.png|200px|center|<br />
File:ppt_5.png|200px|center|<br />
</gallery><br />
<br />
----<br />
<br />
== '''Pertemuan ke-4''', (Senin, 24 Februari 2020), Presentasi Model Matematis Project Komputasi Teknik ==<br />
<br />
----<br />
<br />
<br />
<br />
Skema kontrol PID dinamai dari ketiga term pengendalinya, yang kemudian dijumlahkan menjadi variabel manipulasi. Term proporsional, integral, dan derivatif dijumlahkan untuk menghitung keluaran kontroler PID. Dengan mendefinisikan u(t) sebagai keluaran kontroler, bentuk akhir dari algoritme PID adalah:<br />
<br />
<br />
<br />
[[File:Rumus1.png|300px|thumb|center ]]<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Contoh PID pada MATLAB<br />
|-<br />
|'''Jenis'''<br />
|'''Foto'''<br />
|'''Deskripsi'''<br />
|-<br />
! '''Porpotional Integral''' <br />
| [[File:Tilu.png|300px|thumb|left ]] || sys = zpk([],[-1 -1 -1],1); <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Loro.png|300px|thumb|left ]] || <br />
<br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
T_pi_fast = feedback(C_pi_fast*sys,1);<br />
step(T_pi,T_pi_fast)<br />
axis([0 30 0 1.4])<br />
legend('PI','PI,fast')<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Siji.png|300px|thumb|left ]] || <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
[C_pidf_fast,info] = pidtune(sys,'PIDF',1.0)<br />
T_pidf_fast = feedback(C_pidf_fast*sys,1);<br />
<br />
step(T_pi_fast, T_pidf_fast); <br />
<br />
axis([0 30 0 1.4]);<br />
<br />
legend('PI,fast','PIDF,fast');<br />
<br />
sys = zpk([],[-1 -1 -1],1); <br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
S_pi_fast = feedback(sys,C_pi_fast);<br />
S_pidf_fast = feedback(sys,C_pidf_fast);<br />
step(S_pi_fast,S_pidf_fast);<br />
axis([0 50 0 0.4]);<br />
legend('PI,fast','PIDF,fast');<br />
<br />
|-<br />
|}<br />
<br />
----<br />
<br />
<br />
== '''Pertemuan ke-5''', (2 Maret 2020), Quis I ==<br />
<br />
<br />
[[File:Photo 1.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 2.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 3.jpeg|350px|thumb|center ]]<br />
<br />
<br />
<br />
<br />
----<br />
== '''Finite ELement, Finite Diffirent, Finite Volume''' ==<br />
<br />
* '''Pengertian Finite Element :'''<br />
<br />
'''Finite Element :''' menyelesaikan suatu problem dengan cara membagi obyek analisa menjadi bagian-bagian kecil yang terhingga. Bagian-bagian kecil ini kemudian dianalisa dan hasilnya digabungkan kembali untuk mendapatkan penyelesaian untuk keseluruhan daerah. Kata “finite atau terhingga” digunakan untuk menekankan bahwa bagian-bagian kecil tersebut tidak tak terhingga, seperti yang lazim digunakan pada metode integral analitik.<br />
<br />
* '''Pengertian Finite Volume :'''<br />
<br />
'''Finite Volume :''' adalah metode yang digunakna untuk merepresentasikan persamaan diferensial parisial dalam bentuk persamaan algeraic. Didalam metode finite volume, mengintergalkan bagian dari persamaan diferensial parsial ,menggunakan teorema divergensi.<br />
<br />
* '''Pengertian Finite Different :'''<br />
<br />
'''Finite Different :''' adalah diskritisasi yang digunakan untuk menyelesaiakn persamaan diferensial dengan memperkirakan denagn persamaan diferensial yang menggunakan perbedaan yang mendekati derivatif.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Pertemuan ke-6''', Senin 9 Maret 2020, Extended Abstrak ==<br />
<br />
<br />
<br />
Name : Wsinu indrawan<br />
<br />
Title : Fluid Analysis For Mini Fan Refrigerator Using Thermoelectric Cooler <br />
<br />
The cooling is one of the processes can be used for various types of applications, starting from maintaining food industry products and medical products such as drugs and vaccines. The cooling process now still uses compression-based preservation technology using cooling gas. The types of cooling gas used are R134a and R600a. However, the R134a contains HF which has been banned for used, and the R600a contains HF gas which can reduce the ozone layer. In addition, a single fan compressor system that uses cooling gas in a steam compressor has difficulties in regulating the temperature of the target compartment. Based on this, an alternative cooling technology is needed. Thermoelectric cooler (TEC) is an alternative cooling technology, because TEC has advantages such as small size, lower noise and vibration, easier in temperature regulation, low maintenance requirements, can absorb heat using the principle of heat difference so that in addition to being able to the cooler can also be a heater, and besides that it can be turned on with a DC current. Obtained a solution in the form of cooling using a thermoelectric cooler, using a fan in the refrigerator.The current research examines the application of CFD (Computational Fluid Dynamic) to analyze the flow of wind into the refrigerator. Use the existing CFD analyst application. To analyze the flow of fluid entering the refrigerator, it is simplified for this refrigerator, by cutting the inside of the refrigerator. So that the incoming fluid flow can be reviewed, from the incoming air velocity can be analyzed with a simple correlation to the wind speed generated with existing pwm. It is expected that from this research, researchers can find out the wind phenomenon that is in the refrigerator so that it can be used for further research.<br />
<br />
<br />
<br />
<br />
[[File:G1.png|400px|thumb|center ]]<br />
<br />
[[File:test1.png|400px|thumb|center ]]<br />
<br />
== '''Optimasi Energi Pada Manusia''' ==<br />
<br />
The article below will describe how to make optimization in daily life, during one month<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Optimasi Energi Pada Manusia<br />
|-<br />
|'''Jenis'''<br />
|'''Perhitungan'''<br />
|'''Deskripsi'''<br />
|-<br />
! Step 1<br />
| [[File:gazo1.png|700px|left]] || Pertama saya menentukan jumlah jam yang dibutuhkan per hari secara acak dengan funsi rand di excel <br />
<br />
|-<br />
! Step 2 <br />
| [[File:gazo2.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 1<br />
<br />
|-<br />
! Step 3 <br />
| [[File:gazo3.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 2<br />
<br />
|-<br />
! Step 4 <br />
| [[File:gazo4.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 3<br />
<br />
<br />
|-<br />
! Step 5 <br />
| [[File:gazo5.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 4<br />
<br />
|-<br />
! Step 6 <br />
| [[File:hebat.png|700px|left]] || Mencari grafik polynomial pada salah satu minggu dan diadapatkan grafik polynom nya<br />
<br />
|-<br />
! Step 7 <br />
| [[File:gazo7.png|700px|left]] || hasil konversi watt ke rupiah pada hari senin pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 8 <br />
| [[File:gazo8.png|700px|left]] || hasil konversi watt ke rupiah pada hari selasa pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 9 <br />
| [[File:gazo9.png|700px|left]] || hasil konversi watt ke rupiah pada hari rabu pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 10 <br />
| [[File:gazo10.png|700px|left]] || hasil konversi watt ke rupiah pada hari jumat pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 11 <br />
| [[File:gazo11.png|700px|left]] || hasil konversi watt ke rupiah pada hari sabtu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step 12 <br />
| [[File:gazo12.png|700px|left]] || hasil konversi watt ke rupiah pada hari minggu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step Final<br />
| [[File:cobajadulu.png|700px|left]] || Mencoba memasukan nilai minimum ke dalam matlab dan mencari dengan curve fitting<br />
<br />
|-<br />
|}<br />
<br />
== '''Pengarahan Beberapa Teknologi Komputasi Teknik''', 16-03-2020 ==<br />
<br />
<br />
Pada pertemuan kali ini membahas masalah initial thinking, mendevelop model matematis, anlisa secara umum dan analisa secara khusus<br />
<br />
Mengembangkan model amtematis dari konsep model utama dari model matematis tersebut<br />
<br />
Dari modeling tersebut dibutuhkan beberapa tahapan pertama :<br />
<br />
*Constrain <br />
<br />
*Boundary Condition <br />
<br />
*Setelah beberapa tahapan itu masuk ke tahapan simulasi <br />
<br />
Pengertian Verifikasi : <br />
<br />
Verifikasi adalah teori filsafat positif logis dalam memilih yang menyatakan bahwa pengalaman adalah satu-satunya sumber dasar pengetahuan dan dalam analisis logis dapat dilakukan dengan bantuan simbol-simbol logika dengan menggunakan metode untuk pemecahkan masalah melalui metode verifikasi empirik yaitu bila terdapat sesuatu yang tidak dapat diverifikasi secara empirik maka hasilnya adalah sia-sia. penganut teori radikal ini memiliki masalah konsekuensi untuk filosofi tradisional, karena, jika benar, akan menyebabkan banyak pekerjaan sia-sia pada filosofis masa lalu, antara lain pada metafisika dan etika.<br />
<br />
Validasi : <br />
<br />
validasi adalah sebuah teknik validasi model untuk menilai bagaimana hasil statistik analisis akan menggeneralisasi kumpulan data independen. Teknik ini utamanya digunakan untuk melakukan prediksi model dan memperkirakan seberapa akurat sebuah model prediktif ketika dijalankan dalam praktiknya. Dalam sebuah masalah prediksi, sebuah model biasanya diberikan kumpulan data (dataset) yang diketahui untuk digunakan dalam menjalankan pelatihan (dataset pelatihan), serta kumpulan data yang tidak diketahui (atau data yang pertama kali dilihat) terhadap model yang diuji (pengujian dataset).[4] Tujuan dari validasi silang adalah untuk mendefinisikan dataset untuk "menguji" model dalam tahap pelatihan (yaitu, validasi data), dalam rangka untuk membatasi masalah seperti terjadinya overfitting, memberikan wawasan tentang bagaimana model akan menggeneralisasi independen dataset (yaitu, dataset tidak diketahui, misalnya dari masalah nyata), dll.<br />
<br />
== '''Ujian Tengah Semester''', Komputasi Teknik ==<br />
<br />
<br />
<br />
<br />
=== '''Video Pembelajaran Setiap Minggu''' ===<br />
<br />
<br />
'''Kemampuran Komputasi Teknik Selama Perkuliahan, Tutorial Menggunakan CFDSOF'''<br />
<br />
<br />
[[File:.pertemuan3wisnuindrawan.mp4||500px|center]]<br />
<br />
<br />
<br />
=== '''Draft Paper Komputasi Teknik''' ===<br />
<br />
<br />
==== BAB I ====<br />
<br />
Pendinginan salah satu teknologi yang memiliki berbagai macam pengaplikasian, dimulai dari menjaga produk makanan dari kebusukan dan berbagai pengendalian suhu dalam bidang elektronik dan industri lainnya (Gökçekdan Şahin, 2017).Salah satu teknologi pendinginan yang sekarang ini sering digunakan adalah teknologi berbasis kompresi uap karna mempunyai (COP) coefficient of performanceyang tinggi dan mempunyai harga yang lebih murah dibandingkan teknologi alternatif lainnya.Dalam proses pendinginan, teknologi kompresi uap menggunakan gas pendingin yang berfungsi untuk menyerap panas pada udara dalam ruangan, sehingga menjadi bersuhu rendah. Secara luas gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannyadan tipe R600a mengandung gas HF yang dapat mengurangi lapisan ozon (Söylemez dkk., 2018). Selain itu,pada sistem kompresor satu kipas yang menggunakan gas pendingin pada kompresor uap memiliki kesulitan dalampengaturan temperatur dari kompartemen target. Berdasarkan pernyataan tersebut diperlukan suatu teknologi pendingin alternatif. Thermoelectric cooler adalah salah satu alternatif teknologi pendingin, dikarenakan thermoelectric cooler memiliki kelebihan seperti berukuran kecil, kebisingan dan getaran yang lebih rendah, lebih mudah dalam pengaturan suhu, mebutuhkan perawatan yang sedikit, dan dapat dihidupkan dengan arus DC (Söylemezdkk., 2018). Pendinginan dengan menggunakan TEC (Termoelectric Cooling) telah digunakan untuk menghilangkan embun kaca depan kendaraan. Penelitian tersebut telah menghasilkan temperatur hingga 22,4 oC. Penelitian lainTEC telah digunakan untuk pendingin kotak minuman dengan menggunakan 3thermoelectric cooling, dimana dapat menghasilkan temperatur kotak minuman tanpa beban mencapai14,3 oC, dengan beban pendingin air sebanyak 1 liter sebesar 16,4 oC (Nulhakim, 2017). TEC (Termoelectric Cooling) tidak hanya dapat mendinginkan, tetapi dapat memanaskan di waktu yang bersamaan. Sifat dari TEC ini dapat dimanfaatkan untuk sistem pengaturan suhu ruangan. Untuk tujuan pengaturan suhu yang lebih akurat, dapat dipertimbangkan menggunakan sistem kontrol loop tertutup dengan PID (Propotional, Integral dan Derivative). Kelebihan dari pemakaian kontroler PID di loop tertutup adalah kontrol PID memiliki kemampuan untuk penyetelan otomatis, dan dapat adaptasi terhadap variasi waktu, sehinggasistem dari kontroler PID menyediakan aplikasi didalam industri dengan fitur kontrol yang lebih akurat dandapat disesuaikan dengan kebutuhan(Abdullah dan Ayman, 2008). Pengaturan PID pada umumnya menggunakan alat yang memakan banyak biaya. Tetapi menurut hasil dari eskperimen yang menyatakan bahwa kontroler PID menggunakna mikrokontoler tipe P18F4685 yang memiliki kapasitas 14 bit dapat menghasilkan kestabilan yang baik, dengan overshoot yang sedikit, dan memiliki waktu settling time yang sedikit pula (El-Nagar dan El-Bardini, 2014). Dari latar belakang tersebut diperlukan suatu sistem pendingin ruangan yang terkontrol secara otomatis menggunakanteknologi pendingin ramah lingkungan yang terkontrol dengan sistem kontrol loop tertutup, sehinggadapat manjadi salah satu alternatif teknologi pendingin ruangan.Berdasarkan potensi tersebut maka telah dilakukan penelitian tentang rancang bangun sistem pendingin ruangan menggunakan TEC (Thermoelectric Cooler) dengan kontroler PID.<br />
<br />
==== BAB II ====<br />
<br />
'''Sensor Suhu''' <br />
<br />
Salah satu jenis sensor suhu yang banyak digunakan di industri adalah tipe sensor suhu berbahan semikonduktor. Sensor ini menggunakankonfigurasi dioda atau transistor di kutub yang pada sambungan p-n bahan tersebut memiliki respon yang kuat terhadap suhu. Terdapat dua jenis pemberian tegangan pada sambungan p-n yaitu bias maju dan bias mundur seperti ditunjukkan pada Gambar 2.1. Ketika sambungan p-n bias maju dihubungkan dengansumber arus, maka terjadi beda potensial pada kedua sambungan. Beda potensial atau tegangan yang dihasilkan berbanding lurus dengan perubahan suhu(Suryono, 2018).<br />
<br />
[[File:wisnu.png|500px|center|]]<br />
<br />
<br />
<br />
'''Thermoelectric'''<br />
<br />
Modul thermoelectric khas dibuat menggunakan dua buah keramik berbentuk wafer dengan jenis bahan semikonduktor bismuth telluride P dan N yang diapit di antara keduanya seperti yang ditunjukkan pada Gambar 2.3. Bahan keramik di kedua sisi dari thermoelectric berfungsi untuk pelindung dan sebagai isolator listrik yang diperlukan. Bahan tipe-N memiliki kelebihan elektron, sementara bahan tipe-P membutuhkan elektron. Bahan P dan N membentuk pasangan, seperti yang ditunkjukan pada Gambar 2.3. Pasangan thermoelectric dipasang secara seri dan termal sejajar. Modul thermoelectric dapat berisi satu sampai beberapa ratus pasangan. Saat elektron bergerak dari bahan tipe-P ke bahan tipe-N melalui konektor listrik, elektron beralih ke keadaan energi yang lebih tinggi dan menyerap energi panas (sisi dingin) (Manikandan dkk., 2017).<br />
<br />
<br />
[[File:dewawisnuganteng.png|500px|center|]]<br />
<br />
<br />
<br />
<br />
<br />
==== BAB III ====<br />
<br />
Sistem pengendalian yang saya pakai adalah menggunakan mobile phone, jadi pada penyetingan set point pada PID menggunakan apliaksi mobile bebasis bluetooth<br />
<br />
<br />
[[File:bismillahadajalan.png|500px|center|]]<br />
<br />
Selanjut nya pada sistem kerja dari alat ini menggunakan sistem PID untuk mengatur kecepatan dari driver motor untuk mengatur suhu, jika suhu tidak sesuai dengan yang diinginkan maka kecepatan kipas akan terus bertambah.<br />
<br />
<br />
[[File:PIDBROH.png|500px|center|]]<br />
<br />
<br />
Hasil rancang bangun dari alat pendingin ditunjukan pada gambar dibawah ini<br />
<br />
<br />
[[File:celenganrindu.jpg|500px|center|]]<br />
<br />
Pembuatan interface untuk memasukkan data set point pada aplikasi mobile<br />
<br />
[[File:interface.png|500px|center|]]<br />
<br />
Pembuatan interface untuk mencari device bluetooth pada device-device sekitar<br />
<br />
[[File:tampilan2.png|500px|center|]]<br />
<br />
==== BAB IV ====<br />
<br />
Hasil data dari kalibrasi sensor suhu dengan alat ukur standart SNI <br />
<br />
<br />
[[File:akad.png|500px|center|]]<br />
<br />
<br />
Data PID setelah melakukan trial and error mendapatkan nilai Kp Kd Ki <br />
<br />
<br />
[[File:bismillahwisnudata.png|500px|center|]]<br />
<br />
=== '''Laporan Optimasi Energi''' ===<br />
<br />
<br />
Grafik Pada Minggu Pertama<br />
<br />
<br />
<br />
[[File:bersyukurlah.png|500px|center|]]<br />
<br />
[[File:gambarsatu.png|500px|center|]]<br />
<br />
<br />
[[File:semuaudahadarezekinya.png|500px|center|]]<br />
<br />
<br />
<br />
[[File:janganngeluhterus.png|500px|center|]]<br />
<br />
Gambar yang ditunjukan dengan menggunakna aplikasi sypder menunjukkan nilai x, nilai tersebut merupakan nilai minimum atau optimum dari persamaan yang telah dibuat dengan menggunakan excel<br />
<br />
<br />
Revisi Projek tugas komputasi teknik <br />
<br />
Pada kesempatan kali ini saya menggunakan case baru untuk menyelesaikan draft paper mata kuliah komputasi teknik <br />
<br />
Hal ini dikarenakan, ketertarikan penulis untuk mengangkat tema ini <br />
<br />
==Refisi draft paper==<br />
<br />
<br />
<br />
Beberapa contoh data dari nasabah yang dihasilkan untuk mengetahui apakah nasabah ingin meninggalkan bank dari data - data pribadi mereka, <br />
seperti lama mereka menggunakan jasa bank ini, jumlah tabungan mereka, kemudian umur mereka, dan dari pria atau wanita <br />
<br />
<br />
[[File:22 April 2020 5.png || 700px]]<br />
<br />
Pertama data yang berada dalam format csv dimasukan ke dalam pemograman python dengan maka akan muncul tampilan seperti diatas, ataua kerap<br />
disebut sebagai dataframe, setelah dataframe terbentuk maka dataframe tersebut di pecah - pecah atau dikelompokkan mana yang bisa digunakan untuk <br />
independent variable atau tidak <br />
<br />
<br />
<br />
[[File:22 April 2020 1.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 2.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 3.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 4.png || 700px]]<br />
<br />
<br />
methode dari draft paper ini adalah : <br />
<br />
'''mengguankan machine learning''' <br />
<br />
Pembelajaran mesin (ML) adalah studi tentang algoritma komputer yang meningkat secara otomatis melalui pengalaman. [1] Itu dilihat sebagai bagian dari kecerdasan buatan. Algoritma pembelajaran mesin membangun model matematika berdasarkan data sampel, yang dikenal sebagai "data pelatihan", untuk membuat prediksi atau keputusan tanpa diprogram secara eksplisit untuk melakukannya. [2] [3]: 2 Algoritma pembelajaran mesin digunakan dalam berbagai berbagai aplikasi, seperti penyaringan email dan visi komputer, di mana sulit atau tidak layak untuk mengembangkan algoritma konvensional untuk melakukan tugas-tugas yang diperlukan.<br />
<br />
Pembelajaran mesin terkait erat dengan statistik komputasi, yang berfokus pada membuat prediksi menggunakan komputer. Studi tentang optimasi matematika memberikan metode, teori dan domain aplikasi ke bidang pembelajaran mesin. Penambangan data adalah bidang studi terkait, dengan fokus pada analisis data eksplorasi melalui pembelajaran tanpa pengawasan.<br />
<br />
'''Realsi terhadap optimasi'''<br />
<br />
Pembelajaran mesin juga memiliki ikatan intim dengan optimisasi: banyak masalah pembelajaran dirumuskan sebagai minimalisasi beberapa fungsi kerugian pada serangkaian contoh pelatihan. Fungsi kerugian menyatakan perbedaan antara prediksi model yang sedang dilatih dan contoh masalah yang sebenarnya (misalnya, dalam klasifikasi, seseorang ingin menetapkan label pada instance, dan model dilatih untuk memprediksi dengan benar label yang telah ditetapkan sebelumnya dari sekumpulan contoh). Perbedaan antara dua bidang muncul dari tujuan generalisasi: sementara algoritma optimasi dapat meminimalkan kerugian pada set pelatihan, pembelajaran mesin berkaitan dengan meminimalkan kerugian pada sampel yang tidak terlihat. <br />
<br />
'''Relasi terhadap statistik'''<br />
<br />
Pembelajaran mesin dan statistik adalah bidang yang terkait erat dalam hal metode, tetapi berbeda dalam tujuan utamanya: statistik menarik kesimpulan populasi dari sampel, sementara pembelajaran mesin menemukan pola prediksi yang dapat digeneralisasikan. Menurut Michael I. Jordan, gagasan pembelajaran mesin, mulai dari prinsip metodologis hingga alat teoretis, telah memiliki pra-sejarah panjang dalam statistik. [22] Dia juga menyarankan istilah ilmu data sebagai pengganti untuk menyebut bidang keseluruhan. <br />
<br />
Leo Breiman membedakan dua paradigma pemodelan statistik: model data dan model algoritmik, [23] di mana "model algoritmik" berarti kurang lebih algoritma pembelajaran mesin seperti hutan acak.<br />
<br />
Beberapa ahli statistik telah mengadopsi metode dari pembelajaran mesin, yang mengarah ke bidang gabungan yang mereka sebut pembelajaran statistik. <br />
<br />
<br />
'''Teori'''<br />
<br />
Tujuan inti seorang pelajar adalah untuk menggeneralisasi dari pengalamannya. Generalisasi dalam konteks ini adalah kemampuan mesin pembelajaran untuk melakukan secara akurat pada contoh / tugas baru yang tidak terlihat setelah mengalami kumpulan data pembelajaran. Contoh-contoh pelatihan berasal dari beberapa distribusi probabilitas yang umumnya tidak diketahui (dianggap mewakili ruang kejadian) dan pelajar harus membangun model umum tentang ruang ini yang memungkinkannya menghasilkan prediksi yang cukup akurat dalam kasus-kasus baru.<br />
<br />
Analisis komputasi algoritma pembelajaran mesin dan kinerjanya adalah cabang ilmu komputer teoretis yang dikenal sebagai teori pembelajaran komputasi. Karena set pelatihan terbatas dan masa depan tidak pasti, teori pembelajaran biasanya tidak menghasilkan jaminan kinerja algoritma. Sebaliknya, batasan probabilistik pada kinerja cukup umum. Dekomposisi bias-varians adalah salah satu cara untuk mengukur kesalahan generalisasi.<br />
<br />
Untuk kinerja terbaik dalam konteks generalisasi, kompleksitas hipotesis harus sesuai dengan kompleksitas fungsi yang mendasari data. Jika hipotesis kurang kompleks dari fungsi, maka model memiliki data yang sesuai. Jika kompleksitas model meningkat dalam respons, maka kesalahan pelatihan berkurang. Tetapi jika hipotesisnya terlalu kompleks, maka modelnya akan mengalami overfitting dan generalisasi akan menjadi lebih buruk. <br />
<br />
Selain batas kinerja, ahli teori belajar mempelajari kompleksitas waktu dan kelayakan belajar. Dalam teori pembelajaran komputasi, perhitungan dianggap layak jika dapat dilakukan dalam waktu polinomial. Ada dua jenis hasil kompleksitas waktu. Hasil positif menunjukkan bahwa kelas fungsi tertentu dapat dipelajari dalam waktu polinomial. Hasil negatif menunjukkan bahwa kelas-kelas tertentu tidak dapat dipelajari dalam waktu polinomial.<br />
<br />
<br />
<br />
<br />
==== Metode ====<br />
<br />
'''metode machine learning ada beberapa tipe nya berikut penjelasan mengenai teori machine learning :'''<br />
<br />
<br />
1. Suppport Vector Machine (SVMs)<br />
<br />
Support vector Machines (SVMs) adalah algoritma pembelajaran mesin yang diawasi yang fleksibel namun kuat yang digunakan baik untuk klasifikasi dan regresi. Tetapi umumnya, mereka digunakan dalam masalah klasifikasi. Pada 1960-an, SVM pertama kali diperkenalkan tetapi kemudian disempurnakan pada tahun 1990. SVM memiliki cara implementasi yang unik dibandingkan dengan algoritma pembelajaran mesin lainnya. Akhir-akhir ini, mereka sangat populer karena kemampuan mereka untuk menangani beberapa variabel kontinu dan kategorikal.<br />
<br />
<br />
Dalam praktiknya, algoritma SVM diimplementasikan dengan kernel yang mengubah ruang data input ke dalam formulir yang diperlukan. SVM menggunakan teknik yang disebut trik kernel di mana kernel mengambil ruang input dimensi rendah dan mengubahnya menjadi ruang dimensi yang lebih tinggi. Dengan kata-kata sederhana, kernel mengubah masalah yang tidak dapat dipisahkan menjadi masalah yang dapat dipisahkan dengan menambahkan lebih banyak dimensi ke dalamnya. Itu membuat SVM lebih kuat, fleksibel dan akurat. Berikut ini adalah beberapa jenis kernel yang digunakan oleh SVM.<br />
<br />
<br />
Linear Kernel <br />
<br />
Ini dapat digunakan sebagai produk titik antara dua pengamatan. Rumus kernel linear adalah sebagai berikut<br />
<br />
Metode yang digunakan <br />
<br />
pada penelesaian masalah ini saya menggunakana beberapa engone dari python untuk melakuakn machine learning yakni '''sklearn''' dan '''tensor flow''', berikut penjelasan masing masing metode nya :<br />
<br />
ini adalah struktur skrip dari '''sklearn.prepocessing''' <br />
<br />
class sklearn.preprocessing.OneHotEncoder(*, categories='auto', drop=None, sparse=True, dtype=<class 'numpy.float64'>, handle_unknown='error')[source]<br />
<br />
kenapa class ini digunakan karena machine leraning tidak bisa memproses selain angka, tapi pada kasus ini saya menggunakan nama, umur dan beberapa proses yang menggunakan tipe string(kata - kata)<br />
sehigga sulit untuk di klasifikasikan.<br />
<br />
'''maka dari itu metode ini dapat digunakan.'''<br />
<br />
'''One Hot Encoding adalah :''' reperentasi kategori variabel dalam vektor biner. <br />
<br />
Pertama nilai dari proses ini dipetakan dala nilai integer (nilai angka yang benilai bilangan bulat, tidak memiliki nilai koma)<br />
<br />
Lalu, setiap nilai yang berbentuk integer ini direpresentasikan sebagai vektor biner yang semua nya bernilai nol kecuali yang terindeks integer, yang di tandai 1.<br />
<br />
Paper yang digunakna untuk metode sckit learning adalah :<br />
<br />
[[File:sckitwisnu1.png||700px||center]]<br />
<br />
[[File:sckitwisnu2.png||700px||center]]<br />
<br />
[[File:sckitwisnu3.png||700px||center]]<br />
<br />
[[File:sckitwisnu4.png||700px||center]]<br />
<br />
== Quis II, 6 April 2020 ==<br />
<br />
<br />
Assalamualaiakum Beerikut adalah link dari Quis 2<br />
Wisnu Indrawan <br />
1906433745<br />
<br />
https://drive.google.com/drive/folders/17z_x1nPTXBtnZl_PVhXRBZXdK5Wy0GMx?usp=sharing<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan Tanggal : Senin, 13 April 2020 ==<br />
<br />
<br />
<gallery mode="slideshow"><br />
File:Wisnu 12346798.png<br />
File:Wisnu 123467989.png<br />
File:Wisnu 12346798910.png<br />
File:Wisnu 12346798435435.png<br />
File:Wisnu 1234679843fdsaf4.png<br />
</gallery><br />
<br />
== Resume Pertemuan tanggal : Senin, 20 April 2020 ==<br />
<br />
<br />
<gallery mode="slideshow"><br />
<br />
<br />
File:qwerwqerqwerq_caseII_1.png<br />
File:qwerwqerqwerq_caseII_2.png<br />
File:24-04-2020-1-tugas komtek.png<br />
File:2020-04-24 23 12 57-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 22-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:hasil-24-04-2020.png<br />
File:2020-04-24 23 47 29-Book1 - Excel.png<br />
</gallery><br />
<br />
<br />
Penggunaan aplikasi python untuk mencari ann pada kasus ini terdapat perbedaan, untuk penggunaan matlab untuk mencari nilai ann pada aplikasi ini menggunakan nntool <br />
<br />
<br />
'''nntool''' <br />
<br />
[[File:nntoolwisnu.png||400px]]<br />
<br />
== Resume Pertemuan tanggal : Senin, 27 April 2020 ==<br />
<br />
1. Pemahaman terkait prinsip dan konsep komputasi teknik<br />
<br />
2. Penerapan konsep dan skill dalam komputasi teknik<br />
<br />
3. Lebih mengenal diri<br />
<br />
Dari 3 point diatas disampaikan via zoom dengan cara sebagai berikut:<br />
<br />
a. show your contributions<br />
<br />
b. your understanding<br />
<br />
c. your skill<br />
<br />
== Resume Pertemuan tanggal : Senin, 04 Mei 2020 ==<br />
<br />
<br />
<br />
- Pemahaman terkait prinsip dan konsep komputasi teknik<br />
<br />
- Penerapan konsep dan skill dalam komputasi teknik<br />
<br />
- Lebih mengenal diri baik individu maupun kelompok/ kelas<br />
<br />
Intisaru dari evaluasi diri ini adalah :<br />
<br />
- show your contributions<br />
<br />
- your understanding<br />
<br />
- your skkill<br />
<br />
== Resume Pertemuan tanggal : Senin, 11 Mei 2020 ==<br />
<br />
<br />
Pada pertemuan tanggal 11 Mei 2020 terdapat pembahasan selanjut nya pada pertemuan minggu lalu mengnai pressure drop. Pada pembahsan pada grup whatshap mengenai tentang pendapat individu mengenai kasus pressure drop dan di bahas kemabli dalam grup Komputasi Teknik via whatshapp. Diharapkan pada pembahasan ini secara personal memahami cases Basic Mechanics dan menjadi kewajiban bagi setiap mahsiwa menyatakan analisa pribadi terkait kasus tersebut. <br />
<br />
Berikut Hasil dari pembahasan kasus tersebut : <br />
<br />
<gallery mode="slideshow"><br />
File:WhatsApp Image 2020-05-12 at 19.30.27.jpeg<br />
File:WhatsApp Image 2020-05-11 at 09.41.12.jpeg<br />
File:WhatsApp Image 2020-05-12 at 16.50.43.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.51.38.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.53.29.jpeg<br />
</gallery><br />
<br />
<br />
<br />
'''Azikri '''<br />
<br />
sedikit tambahan terkait hal di atas, bahwa pada dasarnya aliran fluida dalam pipa akan mengalami penurunan tekanan atau pressure drop seiring dengan <br />
panjang pipa ataupun disebabkan oleh gesekan dengan permukaan<br />
saluran, dan juga ketika aliran melewati sambungan pipa, belokan, katup, difusor, dan sebagainya.<br />
Disisi lain, prinsip dasar persamaan kontinuitas juga jadi landasan dimana massa tidak dapat diciptakan dan<br />
tidak dapat dimusnahkan, sehingga massa dalam suatu sistem yang konstan dapat dinyatakan dengan rumus : rho.A.v=m<br />
<br />
atau Jika aliran fluida bersifat incompressible dan steady flow, maka persamaan menjadi : Q=A.v<br />
<br />
Singkatnya dr persmaan pertama bahwa pressure drop berbanding terbalik dengan D, dan begitu halnya dengan persamaan 2 tegangan geser berbanding <br />
terbalik dg A<br />
<br />
'''Adhika '''<br />
<br />
- Gaya Masuk - Gaya Geser Total = Gaya Keluar<br />
- Gaya Geser Total = Gaya Masuk - Gaya Keluar<br />
- Gaya Geser Total = P1.A - P2.A <br />
- Gaya Geser Total = dp . Luas Area Pipa<br />
Shear Stress . Luas Selimut = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(Luas Area Pipa . L. pi . 4) = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(L. pi . 4) / sqrt(Luas Area Pipa) = dp<br />
<br />
Kesimpulan:<br />
Luas Area Pipa semakin besar maka dp akan semakin kecil<br />
<br />
<br />
'''Jerry '''<br />
<br />
Ketika nilai A membesar, maka nilai D secara langsung juga membesar karena A merupakan fungsi D; A(D). <br />
<br />
Dari persamaan pressure drop, terlihat bahwa nilai D berbanding terbalik dengan nilai deltaP. <br />
<br />
Hal ini akan mengimplikasikan bahwa semakin besar nilai D, maka semakin kecil nilai deltaP<br />
<br />
'''Dessy'''<br />
<br />
Sederhananya jika dilihat dari persamaan untuk Pressure Drop maka sudah cukup jelas dalam menjawab pertanyaan mengapa ketika luas area (A) diperbesar <br />
menyebabkan nilai pressure drop yang menurun, dimana <br />
<br />
dP = f L rho V^2 / 2 D<br />
<br />
Dari persamaan diatas terlihat bahwa nilai diameter (pengaruhnya terhadap luas area) berbanding terbalik dengan nilai pressure loss dP.<br />
<br />
Tambahan juga jika dilihat dari nilai kecepatan (disini saya menggunakan analogi aliran fluida dalam pipa), secara logika apabila nilai luas <br />
penampang A diperbesar maka nilai kecepatan akan semakin kecil, sesuai dengan persamaan yang telah dijelaskan oleh saudara Dieter sebelumnya.<br />
<br />
Maka jika kembali ke persamaan pressure drop sesuai analogi ini, A yang besar akan menyebabkan nilai V menurun, akibatnya nilai dP pun akan menurun.<br />
<br />
Dari sini dapat disimpulkan bahwa semakin besar nilai diameter D, yang menghasilkan nilai area A yang semakin besar pula, menghasilkan nilai pressure <br />
drop dP yang semakin kecil.<br />
<br />
'''Muhammad Gumilar'''<br />
<br />
Ada hal menarik disini, dari beberapa yang saya perhtikan dari beberapa pendapat teman-teman, pengaruh dari adanya luasan atau diameter pipa akan <br />
mempengaruhi keepatan alir didalam pipa , sesuai dengan hukum kontinuitas. Berkaitan dengan hal ini, saya mencerna bahwa bisa saja sebenarnya jika <br />
kita membandingkan dua hal yang mana, dua buah pipa dengan diameter yang berbeda akan tetepa memiliki kecepatan aliran rata-rata yang sama, yang <br />
mana berarti kedua debit aliran dari pipa ini berbeda. Namun yang dititikberatkan pada pembahasannya adala, kenapa berdasarkan rumus pressure loss, <br />
apabila diameter membesar, maka pressure drop akan berkurang. Sedangkan dari persamaan yang lain, kita kethaui bahwa gaya gesek akibat adanya <br />
tegangan geser akan meningkat karena persamaannya adalah F=thow * A. <br />
<br />
Kebingunga dari mahasiswS1 tersebut menurut saya adalah pemahaman beliau yang tidak komprehensif terhadap kosnep pressure drop. Memang, pressure drop <br />
itu berhubungan erat dengan adanya gesekan viscous antara fluida dengan dinding pipa. Akan tetapi, ada hal penting yang dilupakan oleh sang mahasiswa <br />
S! tersebut, yaitu bahwa perbesaran diameter dari pipa juga akan mengakibatkan tegangan geser yang terjadi. Secara sederhana, sepemahaman saya, <br />
tegangan geser itu berbanding lurus dengan gradient kecepatan aliran fluida di sepanjang pipa, yaitu du/dy. Nah, apabila, dengan kecepatan rata-rata <br />
yang sama, diameter pipa semakin besar, maka gradient kecepatan di sepanjang pipa akan berkurang karena pengaruh gaya viscous antara dinding dan <br />
fluida juga semain berkurang. Oleh karena itu, pressure Drop yang terjadi juga akan semakin berkurang. Semoga bermanfaaat semua eheheheh<br />
<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan tanggal : Senin, 18 Mei 2020 ==<br />
<br />
Pada pertemuan kali ini membahas materi minggu lalu dan saya ingin menjelaskan lagi terkait tentang friction loss, berikut penjelasan nya <br />
<br />
Dalam aliran fluida, kehilangan gesekan (atau gesekan kulit) adalah hilangnya tekanan atau "head" yang terjadi pada pipa atau aliran saluran karena efek viskositas fluida di dekat permukaan pipa atau saluran. [1] Dalam sistem mekanis seperti mesin pembakaran internal, istilah ini mengacu pada daya yang hilang dalam mengatasi gesekan antara dua permukaan yang bergerak, sebuah fenomena yang berbeda.</div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=Wisnu_indrawan&diff=35975Wisnu indrawan2020-06-08T00:01:33Z<p>Wisnu indrawan: /* metode machine learning ada beberapa tipe nya berikut penjelasan mengenai teori machine learning : */</p>
<hr />
<div><br />
<br />
----<br />
<br />
== '''Biodata Diri :''' ==<br />
<br />
----<br />
<br />
<br />
[[File:wisnu.jpg|200px|thumb|left|Watashinonamaeha wisnu ndes ]]<br />
<br />
*Nama : Wisnu Indrawan <br />
<br />
*NPM : 1906433745<br />
<br />
*Jurusan : Teknik Mesin<br />
<br />
*Institusi : Universitas Indonesia<br />
<br />
*Penjuruan : SUBAK (Sistem Utilitas Bangunan)<br />
<br />
*Email : wisnu.indrawan@ui.ac.id<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Istilah - Istilah Teknik''' ==<br />
<br />
<br />
'''1. Clustering ''' <br />
<br />
*clustering adalah teknik machine learning berupa algoritma pengelompokkan objek-objek data berjumlah N menjadi <br />
kelompok-kelompok data tertentu (cluster)<br />
<br />
*Objek data yang beada dalam satu kelompok / cluster harus memiliki kemiripan <br />
<br />
*Semakin banyak data yang diperoleh sama dnegan semakin akurat hasil yang di dapatkan <br />
<br />
*Clustering merupakan salah satu jenis dari algoritma unsupervised learining, algoritma <br />
yang bertujuan untuk mempelajari dan menemukan pola dari suatu input yang diberikan tanpa menggunuakan label <br />
<br />
*Dengan penggunaan supervised learning, maka beberapa hal berikut ini dapat dilakukan <br />
<br />
'''1.''' Search: Membandingkan antar dokumen, gambar atau suara untuk menampilkan item serupa. <br />
<br />
'''2.''' Deteksi anomali: Mendeteksi perilaku yang tidak biasa yang biasanya berhubungan dengan hal-hal yang ingin dicegah atau dideteksi, seperti contoh penipuan. <br />
<br />
<br />
Selain itu teknik clustering terdapat beberapa algoritma di dalam nya yang akan dijelaskan istilah nya pada bagian bawah ini : <br />
<br />
<br />
<br />
'''2. K-Means Clustering'''<br />
<br />
*Tentukan jumlah cluster <br />
<br />
*alokasikan data ke dalam cluster secara rancodm <br />
<br />
*hitung centroid/rata-rata dari data yang ada di masing-masing cluster <br />
<br />
*alokasikan masing masing data ke centroid/data-data terdekat <br />
<br />
*kembali ke step 3, apabila masih ada data yang berpindah cluster atau apabila <br />
perubahan nilai centroid, ada yang di atas nilai threshold yang ditentikan atau apabila <br />
perubahan nilai pada objective function yang digunakan di atas nilai threshold yang ditentukan<br />
<br />
<br />
'''3. Mean-Shift Clustering<br />
'''<br />
*Untuk mejelaskan mean-shift, kita ilustrasikan sekumpulan titik dalam ruang <br />
dua dimensi <br />
<br />
*kita mulai dengan circular sliding window yang berpusat pada titik C(dipilih secara acak)<br />
dan memiliki jadi-jadir r sebagai kernel. Mean shift adalah algoritma yang melakukan pergeseran kernel ini secara iteratif <br />
ke daerah kepadatan yang lebih tinggi pada setiap langkah hingga konvegensi.\<br />
<br />
*pada setiap iterasi, sliding window digeser ke arah daerah dengan kepadatan lebih tinggi dengan menggeser titik tengahnya. kepadatan pada sliding window sebanding dengan jumlah tiitk di dalamnya <br />
<br />
*terus melakuakn pergeseran pada sliding window sesuai dengan rata -rata sampai tidak ada arah di mana pergeseran dapat mengakomondasikan lebih banyak titik di dalam kernel (tidak lagi meningkatkan densitas/jumlah titik di window)<br />
<br />
*langkah 1 hingga 3 ini dilakukan dengan banyak sliding window sampai semua titik terletak di dalam window. Ketika beberapa window saling berumpang tindih, window yang berisi titik terbanyak akan dipertahankan. Objek data kemudian dikelompokkan sesua dengan sliding window tempat mereka berada.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-1 ''', (Senin, 03 Februari 2020), Muhasabah ==<br />
<br />
<br />
----<br />
<br />
<br />
'''Muhasabah Diri :''' <br />
<br />
'''Muhasabah adalah''' : sesuatu hal yang perlu dan menjadikannya sebuah kebutuhan dalam tiap-tiap diri manusia, di dalam agama Islam, muhasabah sangatlah dianjurkan karena jika muhasabah bisa dijalankan dengan baik akan memberi banyak manfaat baik yang akan di dapatkan di dunia maupun diakhirat kelak.<br />
<br />
'''Pada pertemuan pertama kami mempelajari apa makna dari komputasi teknik :'''<br />
<br />
'''a. Definisi Komputasi'''<br />
<br />
Komputasi : setulnya bisa diartikan sebagai cara untuk menemukan pemecahan masalah dari data input dengan menggunakan suatu algoritme. Hal ini ialah apa yang disebut dengan teori komputasi, suatu sub-bidang dari ilmu komputer dan matematika. Selama ribuan tahun, perhitungan dan komputasi umumnya dilakukan dengan menggunakan pena dan kertas, atau kapur dan batu tulis, atau dikerjakan secara mental, kadang-kadang dengan bantuan suatu tabel. Namun sekarang, kebanyakan komputasi telah dilakukan dengan menggunakan komputer.<br />
<br />
Komputasi ilmiah dan numerik adalah bidang booming dalam penelitian, teknik, dan analitik. Revolusi dalam industri komputer selama beberapa dekade terakhir telah menyediakan alat baru dan kuat untuk praktisi komputasi. Ini telah memungkinkan usaha komputasi dari skala dan kompleksitas yang sebelumnya tidak pernah terjadi sebelumnya. Akibatnya, semua bidang dan industri bermunculan. Perkembangan ini masih berlangsung, dan ini menciptakan peluang baru seiring dengan meningkatnya perangkat keras, perangkat lunak, dan algoritme. Pada akhirnya, teknologi yang memungkinkan untuk gerakan ini adalah perangkat keras komputasi yang kuat yang telah dikembangkan dalam beberapa dekade terakhir. Namun, untuk seorang praktisi komputasi, lingkungan perangkat lunak yang digunakan untuk pekerjaan komputasi sama pentingnya dengan, jika tidak lebih penting daripada, perangkat keras di mana perhitungan dilakukan.<br />
<br />
'''b. Current state of knowledge'''<br />
<br />
Knowledge i have learned in master amount of application and I just know it in master degree, and this is application I had to learn in master degree, first is lab view, I use it for measure temperature in contactor, so I know the temperature at inlet and outlet, second is REFROP this application helped me to know enthalpy in refrigerant, is superheated or subcool, third but not last is CFD-SOF with this application I can calculate velocity of fluid at an object, for example, is I calculated velocity in planar plate, internal flow pipe, and so on. <br />
<br />
'''c. Pengalaman Komputasi Teknik'''<br />
<br />
Untuk pengalaman saya menggunakan komputasi sudah ada beberapa, seperti CFD SOF dan beberapa bahasa pemograman, tetapi di era data scientist sekarang banyak yang sedang menggunakan bahasa python untuk menjadi bahasa pemograman mereka, hal ini dikarekan python merupakan bahasa pemograman open source (gratis) dan mudah di gunakan untuk pemula, berikut dasar - dasar menggunakan bahsa python :<br />
<br />
'''c.1 Pengenalan Komputasi Menggunakan Python'''<br />
<br />
Python adalah bahasa pemrograman tingkat tinggi yang diartikan untuk keperluan umum yang banyak digunakan dalam komputasi ilmiah dan teknik. Pertama dan terpenting, Python terkenal dengan sintaks code yang bersih dan mudah dibaca. Pembacaan kode yang baik meningkatkan pemeliharaan, yang secara umum menghasilkan lebih sedikit bug dan aplikasi yang lebih baik secara keseluruhan, tetapi juga memungkinkan pengembangan kode yang cepat. Dalam pemecahan masalah komputasi, tentu saja, penting untuk mempertimbangkan kinerja algoritma dan implementasinya. Sementara kinerja runtime terbaik dapat dicapai dalam bahasa pemrograman tingkat rendah seperti fortran dan C, bekerja dalam bahasa tingkat tinggi seperti Python biasanya mengurangi waktu pengembangan dan seringkali menghasilkan kode yang lebih fleksibel dan dapat diperluas.<br />
<br />
'''c.2 Environement Untuk Komputasi Dengan Python''' <br />
<br />
Ada beberapa environtment berbeda yang dapat digunakan Python untuk komputasi ilmiah dan teknis. Keragaman ini memiliki kelebihan dan kekurangan dibandingkan dengan lingkungan yang didukung. Dalam produk komputasi memiliki keanekaragaman menyediakan fleksibilitas dan dinamika yang cocok untuk spesialisasi untuk kasus penggunaan tertentu. Di sini saya memberikan orientasi lingkungan umum untuk komputasi ilmiah. Contoh 3 GUI yang digunakan untuk menjalankan python adalah :<br />
<br />
'''c.2.1. IPython'''<br />
<br />
IPython merupakan sebuah console yang dapat dijalankan secara interaktif. Secara bersama dengan text editor untuk menuliskan code, menyediakan yang ringan untuk dikembangkan .<br />
<br />
'''c.2.2. The Jupyter Notebook'''<br />
<br />
Merupakan aplikasi web di mana kode Python dapat ditulis dan dieksekusi melalui browser web. Environtment ini sangat bagus untuk komputasi numerik, analisis, dan penyelesaian masalah, karena memungkinkan seseorang untuk mengumpulkan code, output yang dihasilkan oleh code, dokumentasi teknis terkait, dan analisis dan interpretasi, semuanya dalam satu dokumen.<br />
<br />
'''c.2.3. Spyder'''<br />
<br />
Integrated Development Environment, yang dapat digunakan untuk menulis dan menjalankan kode Python secara interaktif. IDE seperti Spyder adalah alat yang dapat diguankan untuk mengembangkan library dan modul Python yang bisa digunakan kembali<br />
<br />
'''c.2.4. Interpreter'''<br />
<br />
Cara standar untuk mengeksekusi kode Python adalah menjalankan program secara langsung melalui interpreter Python. Pada kebanyakan sistem, interpreter Python dipanggil menggunakan perintah python. Ketika Python file source diperintahkan sebagai argumen untuk perintah ini, kode Python dalam file tersebut dijalankan.<br />
<br />
$ python hello.py<br />
<br />
Hello from Python!<br />
<br />
Di sini file hello.py berisi satu baris:<br />
<br />
print("Hello from Python!")<br />
<br />
Untuk melihat versi Python mana yang diinstal, seseorang dapat menjalankan perintah python dengan argumen --version:<br />
<br />
$ python –version<br />
<br />
Python 3.6.5<br />
<br />
Adalah umum untuk menginstal lebih dari satu versi Python pada sistem yang sama. Setiap versi Python memelihara kumpulan perpustakaannya sendiri dan menyediakan perintah penerjemahnya sendiri (sehingga setiap lingkungan Python dapat menginstal perpustakaan yang berbeda). Pada banyak sistem, versi tertentu dari juru bahasa Python tersedia melalui perintah seperti, misalnya, python2.7 dan python3.6. Dimungkinkan juga untuk mengatur lingkungan python virtual yang independen dari lingkungan yang disediakan sistem. Ini memiliki banyak keuntungan dan saya sangat menyarankan untuk membiasakan diri dengan cara ini bekerja dengan Python. Lampiran A memberikan perincian tentang cara mengatur dan bekerja dengan lingkungan semacam ini.<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-2 : ''' (Senin, 10 Februari 2020), Sinopsis Tuga Akhir ==<br />
<br />
<br />
----<br />
<br />
<br />
'''a. Menjelaskan Sinopsis Tugas Akhir''' <br />
<br />
JUDUL : <br />
<br />
Sistem Pendingin Mengguankan Thermo Electric Cooler dengan Controller Propotional - Integral Derivative<br />
<br />
SINOPSIS : <br />
<br />
Pendinginan merupakan salah satu proses yang dapat digunakan untuk berbagai macam penggunaan, antara lain untuk menjaga produk industri makanan dan produk medis seperti obat-obatan dan vaksin. Proses pendinginan sekarang masih menggunakan teknologi pengawetan berbasis kompresi menggunakan gas pendingin. Tipe gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannya dan tipe R600a memiliki COP yang lebih rendah. Penelitian ini bertujuan merancang perangkat keras dan perangkat lunak yang dapat diaplikasikan pada pendingin termoelektrik, dengan merancang sebuah alat yang digunakan untuk sistem lemari pendingin menggunakan Thermoelectric Cooler (TEC) dan mendapatkan nilai COP yang tinggi. Sistem dibangun dengan kontroler Proportional Integral Derivative (PID). Sistem ini menggunakan beberapa alat antara lain, sensor suhu, Transistor tipe TIP31, modul bluetooth, kipas, dan mikrokontroler ATSAM3X8E. Pengendalian suhu dilakukan dengan membandingkan set-point suhu yang diinginkan dengan suhu dari sensor. Dari penelitian ini diperoleh hasil bahwa semakin besar nilai tegangan yang diberikan maka semakin besar pula besar nilai Pulse Wave Modulation (PWM) yang dihasilkan. Semakin tinggi nilai besar PWM, semakin cepat penurunan suhu pada kotak pendingin. Dari beberapa pengujian dapat disimpulkan bahwa nilai parameter kontrol proporsional (Kp), parameter kontrol integral (Ki), dan nilai parameter kontrol deferensial (Kd ), dimana pada nilai Kp = 255, Ki = 100, dan Kd = 200 mendapatkan grafik yang lebih stabil dan mendekati nilai set-point, dengan nilai error sebesar 2,86 %.<br />
<br />
<br />
'''b. Perbedaan deterministik dan stokastik'''<br />
<br />
b.1 deterministik adalah sesuatu yang pasti akan terjadi. <br />
<br />
b.2 stokastik adalah Stokastik adalah kebolehjadian, atau dengan kata lain sesuatu yang belum terjadi kepastiannya. "Sesungguhnya, Allah tidak akan mengubah nasib suatu kaum, hingga mereka mengubahnya sendiri.." (Q.S. Ar-Ra'd [13] : 11) <br />
<br />
<br />
'''c . Komputasi Teknik pada Tugas Akhir'''<br />
<br />
Tipe tugas akhir saya adalah deteministik. Hal ini dikarenakan nilai dari PID yang saya tentukan pasti. Menurut pendapat saya untuk penerapan komputasi teknik pada tugas akhir saya adalah <br />
<br />
Pada penggunaan fitur controller PID, adalah kemampuan untuk menggunakan tiga tipe kontroller yakni propotional, integral dan derivatif yang mempengaruhi nilai keluaran kontroller untuk dipalikasikan pada nilai yang optimal dari kontroller itu sendiri. <br />
<br />
[[File:PID.png|400px|thumb|left ]]<br />
<br />
Diagram blok yang terdapat pada sebelah kiri menunjukkan bagamimana cara controller ini bekerja. Gambar tersebut menunjukan kontroller PID, yang mana secara kontinu menghitung nilai error e(t) sebagai selisih dari setpoint r(t) dan variabel proses y(t), dan pengaplikasian nya dikoreksi berdasakan propotional, integral, dan derivatif. Kontroller mencoba utnuk meminimalisir error dari lebih nya koreksi kontrol variabel u(t), salah satu contoh nya pengontrolan pada kecepatan kipas, kontrol PID dibutuhkan untuk mengetahui jumlah RPM selanjutnya pada kipas sehingga dapat mendinginkan suatu objek.<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
'''d. Komputasi pada tugas akhir saya kedepan nya'''<br />
<br />
Melakuakn simulasi CFD sederhana untuk melihat aliran fluida di dalam lemari pendingin<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan Ke-3''', (Senin 17-Februari-2020), Presentasi Sinopsis Project Komputasi Teknik ==<br />
<gallery mode="slideshow"><br />
File:PPT_1.png|200px|center|<br />
File:PPT_2.png|200px|center|<br />
File:PPT_3.png|200px|center|<br />
File:PPT_4.png|200px|center|<br />
File:ppt_5.png|200px|center|<br />
</gallery><br />
<br />
----<br />
<br />
== '''Pertemuan ke-4''', (Senin, 24 Februari 2020), Presentasi Model Matematis Project Komputasi Teknik ==<br />
<br />
----<br />
<br />
<br />
<br />
Skema kontrol PID dinamai dari ketiga term pengendalinya, yang kemudian dijumlahkan menjadi variabel manipulasi. Term proporsional, integral, dan derivatif dijumlahkan untuk menghitung keluaran kontroler PID. Dengan mendefinisikan u(t) sebagai keluaran kontroler, bentuk akhir dari algoritme PID adalah:<br />
<br />
<br />
<br />
[[File:Rumus1.png|300px|thumb|center ]]<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Contoh PID pada MATLAB<br />
|-<br />
|'''Jenis'''<br />
|'''Foto'''<br />
|'''Deskripsi'''<br />
|-<br />
! '''Porpotional Integral''' <br />
| [[File:Tilu.png|300px|thumb|left ]] || sys = zpk([],[-1 -1 -1],1); <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Loro.png|300px|thumb|left ]] || <br />
<br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
T_pi_fast = feedback(C_pi_fast*sys,1);<br />
step(T_pi,T_pi_fast)<br />
axis([0 30 0 1.4])<br />
legend('PI','PI,fast')<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Siji.png|300px|thumb|left ]] || <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
[C_pidf_fast,info] = pidtune(sys,'PIDF',1.0)<br />
T_pidf_fast = feedback(C_pidf_fast*sys,1);<br />
<br />
step(T_pi_fast, T_pidf_fast); <br />
<br />
axis([0 30 0 1.4]);<br />
<br />
legend('PI,fast','PIDF,fast');<br />
<br />
sys = zpk([],[-1 -1 -1],1); <br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
S_pi_fast = feedback(sys,C_pi_fast);<br />
S_pidf_fast = feedback(sys,C_pidf_fast);<br />
step(S_pi_fast,S_pidf_fast);<br />
axis([0 50 0 0.4]);<br />
legend('PI,fast','PIDF,fast');<br />
<br />
|-<br />
|}<br />
<br />
----<br />
<br />
<br />
== '''Pertemuan ke-5''', (2 Maret 2020), Quis I ==<br />
<br />
<br />
[[File:Photo 1.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 2.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 3.jpeg|350px|thumb|center ]]<br />
<br />
<br />
<br />
<br />
----<br />
== '''Finite ELement, Finite Diffirent, Finite Volume''' ==<br />
<br />
* '''Pengertian Finite Element :'''<br />
<br />
'''Finite Element :''' menyelesaikan suatu problem dengan cara membagi obyek analisa menjadi bagian-bagian kecil yang terhingga. Bagian-bagian kecil ini kemudian dianalisa dan hasilnya digabungkan kembali untuk mendapatkan penyelesaian untuk keseluruhan daerah. Kata “finite atau terhingga” digunakan untuk menekankan bahwa bagian-bagian kecil tersebut tidak tak terhingga, seperti yang lazim digunakan pada metode integral analitik.<br />
<br />
* '''Pengertian Finite Volume :'''<br />
<br />
'''Finite Volume :''' adalah metode yang digunakna untuk merepresentasikan persamaan diferensial parisial dalam bentuk persamaan algeraic. Didalam metode finite volume, mengintergalkan bagian dari persamaan diferensial parsial ,menggunakan teorema divergensi.<br />
<br />
* '''Pengertian Finite Different :'''<br />
<br />
'''Finite Different :''' adalah diskritisasi yang digunakan untuk menyelesaiakn persamaan diferensial dengan memperkirakan denagn persamaan diferensial yang menggunakan perbedaan yang mendekati derivatif.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Pertemuan ke-6''', Senin 9 Maret 2020, Extended Abstrak ==<br />
<br />
<br />
<br />
Name : Wsinu indrawan<br />
<br />
Title : Fluid Analysis For Mini Fan Refrigerator Using Thermoelectric Cooler <br />
<br />
The cooling is one of the processes can be used for various types of applications, starting from maintaining food industry products and medical products such as drugs and vaccines. The cooling process now still uses compression-based preservation technology using cooling gas. The types of cooling gas used are R134a and R600a. However, the R134a contains HF which has been banned for used, and the R600a contains HF gas which can reduce the ozone layer. In addition, a single fan compressor system that uses cooling gas in a steam compressor has difficulties in regulating the temperature of the target compartment. Based on this, an alternative cooling technology is needed. Thermoelectric cooler (TEC) is an alternative cooling technology, because TEC has advantages such as small size, lower noise and vibration, easier in temperature regulation, low maintenance requirements, can absorb heat using the principle of heat difference so that in addition to being able to the cooler can also be a heater, and besides that it can be turned on with a DC current. Obtained a solution in the form of cooling using a thermoelectric cooler, using a fan in the refrigerator.The current research examines the application of CFD (Computational Fluid Dynamic) to analyze the flow of wind into the refrigerator. Use the existing CFD analyst application. To analyze the flow of fluid entering the refrigerator, it is simplified for this refrigerator, by cutting the inside of the refrigerator. So that the incoming fluid flow can be reviewed, from the incoming air velocity can be analyzed with a simple correlation to the wind speed generated with existing pwm. It is expected that from this research, researchers can find out the wind phenomenon that is in the refrigerator so that it can be used for further research.<br />
<br />
<br />
<br />
<br />
[[File:G1.png|400px|thumb|center ]]<br />
<br />
[[File:test1.png|400px|thumb|center ]]<br />
<br />
== '''Optimasi Energi Pada Manusia''' ==<br />
<br />
The article below will describe how to make optimization in daily life, during one month<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Optimasi Energi Pada Manusia<br />
|-<br />
|'''Jenis'''<br />
|'''Perhitungan'''<br />
|'''Deskripsi'''<br />
|-<br />
! Step 1<br />
| [[File:gazo1.png|700px|left]] || Pertama saya menentukan jumlah jam yang dibutuhkan per hari secara acak dengan funsi rand di excel <br />
<br />
|-<br />
! Step 2 <br />
| [[File:gazo2.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 1<br />
<br />
|-<br />
! Step 3 <br />
| [[File:gazo3.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 2<br />
<br />
|-<br />
! Step 4 <br />
| [[File:gazo4.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 3<br />
<br />
<br />
|-<br />
! Step 5 <br />
| [[File:gazo5.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 4<br />
<br />
|-<br />
! Step 6 <br />
| [[File:hebat.png|700px|left]] || Mencari grafik polynomial pada salah satu minggu dan diadapatkan grafik polynom nya<br />
<br />
|-<br />
! Step 7 <br />
| [[File:gazo7.png|700px|left]] || hasil konversi watt ke rupiah pada hari senin pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 8 <br />
| [[File:gazo8.png|700px|left]] || hasil konversi watt ke rupiah pada hari selasa pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 9 <br />
| [[File:gazo9.png|700px|left]] || hasil konversi watt ke rupiah pada hari rabu pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 10 <br />
| [[File:gazo10.png|700px|left]] || hasil konversi watt ke rupiah pada hari jumat pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 11 <br />
| [[File:gazo11.png|700px|left]] || hasil konversi watt ke rupiah pada hari sabtu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step 12 <br />
| [[File:gazo12.png|700px|left]] || hasil konversi watt ke rupiah pada hari minggu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step Final<br />
| [[File:cobajadulu.png|700px|left]] || Mencoba memasukan nilai minimum ke dalam matlab dan mencari dengan curve fitting<br />
<br />
|-<br />
|}<br />
<br />
== '''Pengarahan Beberapa Teknologi Komputasi Teknik''', 16-03-2020 ==<br />
<br />
<br />
Pada pertemuan kali ini membahas masalah initial thinking, mendevelop model matematis, anlisa secara umum dan analisa secara khusus<br />
<br />
Mengembangkan model amtematis dari konsep model utama dari model matematis tersebut<br />
<br />
Dari modeling tersebut dibutuhkan beberapa tahapan pertama :<br />
<br />
*Constrain <br />
<br />
*Boundary Condition <br />
<br />
*Setelah beberapa tahapan itu masuk ke tahapan simulasi <br />
<br />
Pengertian Verifikasi : <br />
<br />
Verifikasi adalah teori filsafat positif logis dalam memilih yang menyatakan bahwa pengalaman adalah satu-satunya sumber dasar pengetahuan dan dalam analisis logis dapat dilakukan dengan bantuan simbol-simbol logika dengan menggunakan metode untuk pemecahkan masalah melalui metode verifikasi empirik yaitu bila terdapat sesuatu yang tidak dapat diverifikasi secara empirik maka hasilnya adalah sia-sia. penganut teori radikal ini memiliki masalah konsekuensi untuk filosofi tradisional, karena, jika benar, akan menyebabkan banyak pekerjaan sia-sia pada filosofis masa lalu, antara lain pada metafisika dan etika.<br />
<br />
Validasi : <br />
<br />
validasi adalah sebuah teknik validasi model untuk menilai bagaimana hasil statistik analisis akan menggeneralisasi kumpulan data independen. Teknik ini utamanya digunakan untuk melakukan prediksi model dan memperkirakan seberapa akurat sebuah model prediktif ketika dijalankan dalam praktiknya. Dalam sebuah masalah prediksi, sebuah model biasanya diberikan kumpulan data (dataset) yang diketahui untuk digunakan dalam menjalankan pelatihan (dataset pelatihan), serta kumpulan data yang tidak diketahui (atau data yang pertama kali dilihat) terhadap model yang diuji (pengujian dataset).[4] Tujuan dari validasi silang adalah untuk mendefinisikan dataset untuk "menguji" model dalam tahap pelatihan (yaitu, validasi data), dalam rangka untuk membatasi masalah seperti terjadinya overfitting, memberikan wawasan tentang bagaimana model akan menggeneralisasi independen dataset (yaitu, dataset tidak diketahui, misalnya dari masalah nyata), dll.<br />
<br />
== '''Ujian Tengah Semester''', Komputasi Teknik ==<br />
<br />
<br />
<br />
<br />
=== '''Video Pembelajaran Setiap Minggu''' ===<br />
<br />
<br />
'''Kemampuran Komputasi Teknik Selama Perkuliahan, Tutorial Menggunakan CFDSOF'''<br />
<br />
<br />
[[File:.pertemuan3wisnuindrawan.mp4||500px|center]]<br />
<br />
<br />
<br />
=== '''Draft Paper Komputasi Teknik''' ===<br />
<br />
<br />
==== BAB I ====<br />
<br />
Pendinginan salah satu teknologi yang memiliki berbagai macam pengaplikasian, dimulai dari menjaga produk makanan dari kebusukan dan berbagai pengendalian suhu dalam bidang elektronik dan industri lainnya (Gökçekdan Şahin, 2017).Salah satu teknologi pendinginan yang sekarang ini sering digunakan adalah teknologi berbasis kompresi uap karna mempunyai (COP) coefficient of performanceyang tinggi dan mempunyai harga yang lebih murah dibandingkan teknologi alternatif lainnya.Dalam proses pendinginan, teknologi kompresi uap menggunakan gas pendingin yang berfungsi untuk menyerap panas pada udara dalam ruangan, sehingga menjadi bersuhu rendah. Secara luas gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannyadan tipe R600a mengandung gas HF yang dapat mengurangi lapisan ozon (Söylemez dkk., 2018). Selain itu,pada sistem kompresor satu kipas yang menggunakan gas pendingin pada kompresor uap memiliki kesulitan dalampengaturan temperatur dari kompartemen target. Berdasarkan pernyataan tersebut diperlukan suatu teknologi pendingin alternatif. Thermoelectric cooler adalah salah satu alternatif teknologi pendingin, dikarenakan thermoelectric cooler memiliki kelebihan seperti berukuran kecil, kebisingan dan getaran yang lebih rendah, lebih mudah dalam pengaturan suhu, mebutuhkan perawatan yang sedikit, dan dapat dihidupkan dengan arus DC (Söylemezdkk., 2018). Pendinginan dengan menggunakan TEC (Termoelectric Cooling) telah digunakan untuk menghilangkan embun kaca depan kendaraan. Penelitian tersebut telah menghasilkan temperatur hingga 22,4 oC. Penelitian lainTEC telah digunakan untuk pendingin kotak minuman dengan menggunakan 3thermoelectric cooling, dimana dapat menghasilkan temperatur kotak minuman tanpa beban mencapai14,3 oC, dengan beban pendingin air sebanyak 1 liter sebesar 16,4 oC (Nulhakim, 2017). TEC (Termoelectric Cooling) tidak hanya dapat mendinginkan, tetapi dapat memanaskan di waktu yang bersamaan. Sifat dari TEC ini dapat dimanfaatkan untuk sistem pengaturan suhu ruangan. Untuk tujuan pengaturan suhu yang lebih akurat, dapat dipertimbangkan menggunakan sistem kontrol loop tertutup dengan PID (Propotional, Integral dan Derivative). Kelebihan dari pemakaian kontroler PID di loop tertutup adalah kontrol PID memiliki kemampuan untuk penyetelan otomatis, dan dapat adaptasi terhadap variasi waktu, sehinggasistem dari kontroler PID menyediakan aplikasi didalam industri dengan fitur kontrol yang lebih akurat dandapat disesuaikan dengan kebutuhan(Abdullah dan Ayman, 2008). Pengaturan PID pada umumnya menggunakan alat yang memakan banyak biaya. Tetapi menurut hasil dari eskperimen yang menyatakan bahwa kontroler PID menggunakna mikrokontoler tipe P18F4685 yang memiliki kapasitas 14 bit dapat menghasilkan kestabilan yang baik, dengan overshoot yang sedikit, dan memiliki waktu settling time yang sedikit pula (El-Nagar dan El-Bardini, 2014). Dari latar belakang tersebut diperlukan suatu sistem pendingin ruangan yang terkontrol secara otomatis menggunakanteknologi pendingin ramah lingkungan yang terkontrol dengan sistem kontrol loop tertutup, sehinggadapat manjadi salah satu alternatif teknologi pendingin ruangan.Berdasarkan potensi tersebut maka telah dilakukan penelitian tentang rancang bangun sistem pendingin ruangan menggunakan TEC (Thermoelectric Cooler) dengan kontroler PID.<br />
<br />
==== BAB II ====<br />
<br />
'''Sensor Suhu''' <br />
<br />
Salah satu jenis sensor suhu yang banyak digunakan di industri adalah tipe sensor suhu berbahan semikonduktor. Sensor ini menggunakankonfigurasi dioda atau transistor di kutub yang pada sambungan p-n bahan tersebut memiliki respon yang kuat terhadap suhu. Terdapat dua jenis pemberian tegangan pada sambungan p-n yaitu bias maju dan bias mundur seperti ditunjukkan pada Gambar 2.1. Ketika sambungan p-n bias maju dihubungkan dengansumber arus, maka terjadi beda potensial pada kedua sambungan. Beda potensial atau tegangan yang dihasilkan berbanding lurus dengan perubahan suhu(Suryono, 2018).<br />
<br />
[[File:wisnu.png|500px|center|]]<br />
<br />
<br />
<br />
'''Thermoelectric'''<br />
<br />
Modul thermoelectric khas dibuat menggunakan dua buah keramik berbentuk wafer dengan jenis bahan semikonduktor bismuth telluride P dan N yang diapit di antara keduanya seperti yang ditunjukkan pada Gambar 2.3. Bahan keramik di kedua sisi dari thermoelectric berfungsi untuk pelindung dan sebagai isolator listrik yang diperlukan. Bahan tipe-N memiliki kelebihan elektron, sementara bahan tipe-P membutuhkan elektron. Bahan P dan N membentuk pasangan, seperti yang ditunkjukan pada Gambar 2.3. Pasangan thermoelectric dipasang secara seri dan termal sejajar. Modul thermoelectric dapat berisi satu sampai beberapa ratus pasangan. Saat elektron bergerak dari bahan tipe-P ke bahan tipe-N melalui konektor listrik, elektron beralih ke keadaan energi yang lebih tinggi dan menyerap energi panas (sisi dingin) (Manikandan dkk., 2017).<br />
<br />
<br />
[[File:dewawisnuganteng.png|500px|center|]]<br />
<br />
<br />
<br />
<br />
<br />
==== BAB III ====<br />
<br />
Sistem pengendalian yang saya pakai adalah menggunakan mobile phone, jadi pada penyetingan set point pada PID menggunakan apliaksi mobile bebasis bluetooth<br />
<br />
<br />
[[File:bismillahadajalan.png|500px|center|]]<br />
<br />
Selanjut nya pada sistem kerja dari alat ini menggunakan sistem PID untuk mengatur kecepatan dari driver motor untuk mengatur suhu, jika suhu tidak sesuai dengan yang diinginkan maka kecepatan kipas akan terus bertambah.<br />
<br />
<br />
[[File:PIDBROH.png|500px|center|]]<br />
<br />
<br />
Hasil rancang bangun dari alat pendingin ditunjukan pada gambar dibawah ini<br />
<br />
<br />
[[File:celenganrindu.jpg|500px|center|]]<br />
<br />
Pembuatan interface untuk memasukkan data set point pada aplikasi mobile<br />
<br />
[[File:interface.png|500px|center|]]<br />
<br />
Pembuatan interface untuk mencari device bluetooth pada device-device sekitar<br />
<br />
[[File:tampilan2.png|500px|center|]]<br />
<br />
==== BAB IV ====<br />
<br />
Hasil data dari kalibrasi sensor suhu dengan alat ukur standart SNI <br />
<br />
<br />
[[File:akad.png|500px|center|]]<br />
<br />
<br />
Data PID setelah melakukan trial and error mendapatkan nilai Kp Kd Ki <br />
<br />
<br />
[[File:bismillahwisnudata.png|500px|center|]]<br />
<br />
=== '''Laporan Optimasi Energi''' ===<br />
<br />
<br />
Grafik Pada Minggu Pertama<br />
<br />
<br />
<br />
[[File:bersyukurlah.png|500px|center|]]<br />
<br />
[[File:gambarsatu.png|500px|center|]]<br />
<br />
<br />
[[File:semuaudahadarezekinya.png|500px|center|]]<br />
<br />
<br />
<br />
[[File:janganngeluhterus.png|500px|center|]]<br />
<br />
Gambar yang ditunjukan dengan menggunakna aplikasi sypder menunjukkan nilai x, nilai tersebut merupakan nilai minimum atau optimum dari persamaan yang telah dibuat dengan menggunakan excel<br />
<br />
<br />
Revisi Projek tugas komputasi teknik <br />
<br />
Pada kesempatan kali ini saya menggunakan case baru untuk menyelesaikan draft paper mata kuliah komputasi teknik <br />
<br />
Hal ini dikarenakan, ketertarikan penulis untuk mengangkat tema ini <br />
<br />
==Refisi draft paper==<br />
<br />
<br />
<br />
Beberapa contoh data dari nasabah yang dihasilkan untuk mengetahui apakah nasabah ingin meninggalkan bank dari data - data pribadi mereka, <br />
seperti lama mereka menggunakan jasa bank ini, jumlah tabungan mereka, kemudian umur mereka, dan dari pria atau wanita <br />
<br />
<br />
[[File:22 April 2020 5.png || 700px]]<br />
<br />
Pertama data yang berada dalam format csv dimasukan ke dalam pemograman python dengan maka akan muncul tampilan seperti diatas, ataua kerap<br />
disebut sebagai dataframe, setelah dataframe terbentuk maka dataframe tersebut di pecah - pecah atau dikelompokkan mana yang bisa digunakan untuk <br />
independent variable atau tidak <br />
<br />
<br />
<br />
[[File:22 April 2020 1.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 2.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 3.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 4.png || 700px]]<br />
<br />
<br />
methode dari draft paper ini adalah : <br />
<br />
'''mengguankan machine learning''' <br />
<br />
Pembelajaran mesin (ML) adalah studi tentang algoritma komputer yang meningkat secara otomatis melalui pengalaman. [1] Itu dilihat sebagai bagian dari kecerdasan buatan. Algoritma pembelajaran mesin membangun model matematika berdasarkan data sampel, yang dikenal sebagai "data pelatihan", untuk membuat prediksi atau keputusan tanpa diprogram secara eksplisit untuk melakukannya. [2] [3]: 2 Algoritma pembelajaran mesin digunakan dalam berbagai berbagai aplikasi, seperti penyaringan email dan visi komputer, di mana sulit atau tidak layak untuk mengembangkan algoritma konvensional untuk melakukan tugas-tugas yang diperlukan.<br />
<br />
Pembelajaran mesin terkait erat dengan statistik komputasi, yang berfokus pada membuat prediksi menggunakan komputer. Studi tentang optimasi matematika memberikan metode, teori dan domain aplikasi ke bidang pembelajaran mesin. Penambangan data adalah bidang studi terkait, dengan fokus pada analisis data eksplorasi melalui pembelajaran tanpa pengawasan.<br />
<br />
'''Realsi terhadap optimasi'''<br />
<br />
Pembelajaran mesin juga memiliki ikatan intim dengan optimisasi: banyak masalah pembelajaran dirumuskan sebagai minimalisasi beberapa fungsi kerugian pada serangkaian contoh pelatihan. Fungsi kerugian menyatakan perbedaan antara prediksi model yang sedang dilatih dan contoh masalah yang sebenarnya (misalnya, dalam klasifikasi, seseorang ingin menetapkan label pada instance, dan model dilatih untuk memprediksi dengan benar label yang telah ditetapkan sebelumnya dari sekumpulan contoh). Perbedaan antara dua bidang muncul dari tujuan generalisasi: sementara algoritma optimasi dapat meminimalkan kerugian pada set pelatihan, pembelajaran mesin berkaitan dengan meminimalkan kerugian pada sampel yang tidak terlihat. <br />
<br />
'''Relasi terhadap statistik'''<br />
<br />
Pembelajaran mesin dan statistik adalah bidang yang terkait erat dalam hal metode, tetapi berbeda dalam tujuan utamanya: statistik menarik kesimpulan populasi dari sampel, sementara pembelajaran mesin menemukan pola prediksi yang dapat digeneralisasikan. Menurut Michael I. Jordan, gagasan pembelajaran mesin, mulai dari prinsip metodologis hingga alat teoretis, telah memiliki pra-sejarah panjang dalam statistik. [22] Dia juga menyarankan istilah ilmu data sebagai pengganti untuk menyebut bidang keseluruhan. <br />
<br />
Leo Breiman membedakan dua paradigma pemodelan statistik: model data dan model algoritmik, [23] di mana "model algoritmik" berarti kurang lebih algoritma pembelajaran mesin seperti hutan acak.<br />
<br />
Beberapa ahli statistik telah mengadopsi metode dari pembelajaran mesin, yang mengarah ke bidang gabungan yang mereka sebut pembelajaran statistik. <br />
<br />
<br />
'''Teori'''<br />
<br />
Tujuan inti seorang pelajar adalah untuk menggeneralisasi dari pengalamannya. Generalisasi dalam konteks ini adalah kemampuan mesin pembelajaran untuk melakukan secara akurat pada contoh / tugas baru yang tidak terlihat setelah mengalami kumpulan data pembelajaran. Contoh-contoh pelatihan berasal dari beberapa distribusi probabilitas yang umumnya tidak diketahui (dianggap mewakili ruang kejadian) dan pelajar harus membangun model umum tentang ruang ini yang memungkinkannya menghasilkan prediksi yang cukup akurat dalam kasus-kasus baru.<br />
<br />
Analisis komputasi algoritma pembelajaran mesin dan kinerjanya adalah cabang ilmu komputer teoretis yang dikenal sebagai teori pembelajaran komputasi. Karena set pelatihan terbatas dan masa depan tidak pasti, teori pembelajaran biasanya tidak menghasilkan jaminan kinerja algoritma. Sebaliknya, batasan probabilistik pada kinerja cukup umum. Dekomposisi bias-varians adalah salah satu cara untuk mengukur kesalahan generalisasi.<br />
<br />
Untuk kinerja terbaik dalam konteks generalisasi, kompleksitas hipotesis harus sesuai dengan kompleksitas fungsi yang mendasari data. Jika hipotesis kurang kompleks dari fungsi, maka model memiliki data yang sesuai. Jika kompleksitas model meningkat dalam respons, maka kesalahan pelatihan berkurang. Tetapi jika hipotesisnya terlalu kompleks, maka modelnya akan mengalami overfitting dan generalisasi akan menjadi lebih buruk. <br />
<br />
Selain batas kinerja, ahli teori belajar mempelajari kompleksitas waktu dan kelayakan belajar. Dalam teori pembelajaran komputasi, perhitungan dianggap layak jika dapat dilakukan dalam waktu polinomial. Ada dua jenis hasil kompleksitas waktu. Hasil positif menunjukkan bahwa kelas fungsi tertentu dapat dipelajari dalam waktu polinomial. Hasil negatif menunjukkan bahwa kelas-kelas tertentu tidak dapat dipelajari dalam waktu polinomial.<br />
<br />
<br />
<br />
<br />
==== Metode ====<br />
<br />
'''metode machine learning ada beberapa tipe nya berikut penjelasan mengenai teori machine learning :'''<br />
<br />
<br />
1. Suppport Vector Machine (SVMs)<br />
<br />
Support vector Machines (SVMs) adalah algoritma pembelajaran mesin yang diawasi yang fleksibel namun kuat yang digunakan baik untuk klasifikasi dan regresi. Tetapi umumnya, mereka digunakan dalam masalah klasifikasi. Pada 1960-an, SVM pertama kali diperkenalkan tetapi kemudian disempurnakan pada tahun 1990. SVM memiliki cara implementasi yang unik dibandingkan dengan algoritma pembelajaran mesin lainnya. Akhir-akhir ini, mereka sangat populer karena kemampuan mereka untuk menangani beberapa variabel kontinu dan kategorikal.<br />
<br />
<br />
Dalam praktiknya, algoritma SVM diimplementasikan dengan kernel yang mengubah ruang data input ke dalam formulir yang diperlukan. SVM menggunakan teknik yang disebut trik kernel di mana kernel mengambil ruang input dimensi rendah dan mengubahnya menjadi ruang dimensi yang lebih tinggi. Dengan kata-kata sederhana, kernel mengubah masalah yang tidak dapat dipisahkan menjadi masalah yang dapat dipisahkan dengan menambahkan lebih banyak dimensi ke dalamnya. Itu membuat SVM lebih kuat, fleksibel dan akurat. Berikut ini adalah beberapa jenis kernel yang digunakan oleh SVM.<br />
<br />
<br />
Linear Kernel <br />
<br />
Ini dapat digunakan sebagai produk titik antara dua pengamatan. Rumus kernel linear adalah sebagai berikut<br />
<br />
Metode yang digunakan <br />
<br />
pada penelesaian masalah ini saya menggunakana beberapa engone dari python untuk melakuakn machine learning yakni '''sklearn''' dan '''tensor flow''', berikut penjelasan masing masing metode nya :<br />
<br />
ini adalah struktur skrip dari '''sklearn.prepocessing''' <br />
<br />
class sklearn.preprocessing.OneHotEncoder(*, categories='auto', drop=None, sparse=True, dtype=<class 'numpy.float64'>, handle_unknown='error')[source]<br />
<br />
kenapa class ini digunakan karena machine leraning tidak bisa memproses selain angka, tapi pada kasus ini saya menggunakan nama, umur dan beberapa proses yang menggunakan tipe string(kata - kata)<br />
sehigga sulit untuk di klasifikasikan.<br />
<br />
'''maka dari itu metode ini dapat digunakan.'''<br />
<br />
'''One Hot Encoding adalah :''' reperentasi kategori variabel dalam vektor biner. <br />
<br />
Pertama nilai dari proses ini dipetakan dala nilai integer (nilai angka yang benilai bilangan bulat, tidak memiliki nilai koma)<br />
<br />
Lalu, setiap nilai yang berbentuk integer ini direpresentasikan sebagai vektor biner yang semua nya bernilai nol kecuali yang terindeks integer, yang di tandai 1.<br />
<br />
Paper yang digunakna untuk metode sckit learning adalah :<br />
<br />
[[File:sckitwisnu1.png||700px||center]]<br />
<br />
[[File:sckitwisnu2.png||700px||center]]<br />
<br />
[[File:sckitwisnu3.png||700px||center]]<br />
<br />
[[File:sckitwisnu4.png||700px||center]]<br />
<br />
[[File:sckitwisnu5.png||700px||center]]<br />
<br />
[[File:sckitwisnu6.png||700px||center]]<br />
<br />
== Quis II, 6 April 2020 ==<br />
<br />
<br />
Assalamualaiakum Beerikut adalah link dari Quis 2<br />
Wisnu Indrawan <br />
1906433745<br />
<br />
https://drive.google.com/drive/folders/17z_x1nPTXBtnZl_PVhXRBZXdK5Wy0GMx?usp=sharing<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan Tanggal : Senin, 13 April 2020 ==<br />
<br />
<br />
<gallery mode="slideshow"><br />
File:Wisnu 12346798.png<br />
File:Wisnu 123467989.png<br />
File:Wisnu 12346798910.png<br />
File:Wisnu 12346798435435.png<br />
File:Wisnu 1234679843fdsaf4.png<br />
</gallery><br />
<br />
== Resume Pertemuan tanggal : Senin, 20 April 2020 ==<br />
<br />
<br />
<gallery mode="slideshow"><br />
<br />
<br />
File:qwerwqerqwerq_caseII_1.png<br />
File:qwerwqerqwerq_caseII_2.png<br />
File:24-04-2020-1-tugas komtek.png<br />
File:2020-04-24 23 12 57-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 22-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:hasil-24-04-2020.png<br />
File:2020-04-24 23 47 29-Book1 - Excel.png<br />
</gallery><br />
<br />
<br />
Penggunaan aplikasi python untuk mencari ann pada kasus ini terdapat perbedaan, untuk penggunaan matlab untuk mencari nilai ann pada aplikasi ini menggunakan nntool <br />
<br />
<br />
'''nntool''' <br />
<br />
[[File:nntoolwisnu.png||400px]]<br />
<br />
== Resume Pertemuan tanggal : Senin, 27 April 2020 ==<br />
<br />
1. Pemahaman terkait prinsip dan konsep komputasi teknik<br />
<br />
2. Penerapan konsep dan skill dalam komputasi teknik<br />
<br />
3. Lebih mengenal diri<br />
<br />
Dari 3 point diatas disampaikan via zoom dengan cara sebagai berikut:<br />
<br />
a. show your contributions<br />
<br />
b. your understanding<br />
<br />
c. your skill<br />
<br />
== Resume Pertemuan tanggal : Senin, 04 Mei 2020 ==<br />
<br />
<br />
<br />
- Pemahaman terkait prinsip dan konsep komputasi teknik<br />
<br />
- Penerapan konsep dan skill dalam komputasi teknik<br />
<br />
- Lebih mengenal diri baik individu maupun kelompok/ kelas<br />
<br />
Intisaru dari evaluasi diri ini adalah :<br />
<br />
- show your contributions<br />
<br />
- your understanding<br />
<br />
- your skkill<br />
<br />
== Resume Pertemuan tanggal : Senin, 11 Mei 2020 ==<br />
<br />
<br />
Pada pertemuan tanggal 11 Mei 2020 terdapat pembahasan selanjut nya pada pertemuan minggu lalu mengnai pressure drop. Pada pembahsan pada grup whatshap mengenai tentang pendapat individu mengenai kasus pressure drop dan di bahas kemabli dalam grup Komputasi Teknik via whatshapp. Diharapkan pada pembahasan ini secara personal memahami cases Basic Mechanics dan menjadi kewajiban bagi setiap mahsiwa menyatakan analisa pribadi terkait kasus tersebut. <br />
<br />
Berikut Hasil dari pembahasan kasus tersebut : <br />
<br />
<gallery mode="slideshow"><br />
File:WhatsApp Image 2020-05-12 at 19.30.27.jpeg<br />
File:WhatsApp Image 2020-05-11 at 09.41.12.jpeg<br />
File:WhatsApp Image 2020-05-12 at 16.50.43.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.51.38.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.53.29.jpeg<br />
</gallery><br />
<br />
<br />
<br />
'''Azikri '''<br />
<br />
sedikit tambahan terkait hal di atas, bahwa pada dasarnya aliran fluida dalam pipa akan mengalami penurunan tekanan atau pressure drop seiring dengan <br />
panjang pipa ataupun disebabkan oleh gesekan dengan permukaan<br />
saluran, dan juga ketika aliran melewati sambungan pipa, belokan, katup, difusor, dan sebagainya.<br />
Disisi lain, prinsip dasar persamaan kontinuitas juga jadi landasan dimana massa tidak dapat diciptakan dan<br />
tidak dapat dimusnahkan, sehingga massa dalam suatu sistem yang konstan dapat dinyatakan dengan rumus : rho.A.v=m<br />
<br />
atau Jika aliran fluida bersifat incompressible dan steady flow, maka persamaan menjadi : Q=A.v<br />
<br />
Singkatnya dr persmaan pertama bahwa pressure drop berbanding terbalik dengan D, dan begitu halnya dengan persamaan 2 tegangan geser berbanding <br />
terbalik dg A<br />
<br />
'''Adhika '''<br />
<br />
- Gaya Masuk - Gaya Geser Total = Gaya Keluar<br />
- Gaya Geser Total = Gaya Masuk - Gaya Keluar<br />
- Gaya Geser Total = P1.A - P2.A <br />
- Gaya Geser Total = dp . Luas Area Pipa<br />
Shear Stress . Luas Selimut = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(Luas Area Pipa . L. pi . 4) = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(L. pi . 4) / sqrt(Luas Area Pipa) = dp<br />
<br />
Kesimpulan:<br />
Luas Area Pipa semakin besar maka dp akan semakin kecil<br />
<br />
<br />
'''Jerry '''<br />
<br />
Ketika nilai A membesar, maka nilai D secara langsung juga membesar karena A merupakan fungsi D; A(D). <br />
<br />
Dari persamaan pressure drop, terlihat bahwa nilai D berbanding terbalik dengan nilai deltaP. <br />
<br />
Hal ini akan mengimplikasikan bahwa semakin besar nilai D, maka semakin kecil nilai deltaP<br />
<br />
'''Dessy'''<br />
<br />
Sederhananya jika dilihat dari persamaan untuk Pressure Drop maka sudah cukup jelas dalam menjawab pertanyaan mengapa ketika luas area (A) diperbesar <br />
menyebabkan nilai pressure drop yang menurun, dimana <br />
<br />
dP = f L rho V^2 / 2 D<br />
<br />
Dari persamaan diatas terlihat bahwa nilai diameter (pengaruhnya terhadap luas area) berbanding terbalik dengan nilai pressure loss dP.<br />
<br />
Tambahan juga jika dilihat dari nilai kecepatan (disini saya menggunakan analogi aliran fluida dalam pipa), secara logika apabila nilai luas <br />
penampang A diperbesar maka nilai kecepatan akan semakin kecil, sesuai dengan persamaan yang telah dijelaskan oleh saudara Dieter sebelumnya.<br />
<br />
Maka jika kembali ke persamaan pressure drop sesuai analogi ini, A yang besar akan menyebabkan nilai V menurun, akibatnya nilai dP pun akan menurun.<br />
<br />
Dari sini dapat disimpulkan bahwa semakin besar nilai diameter D, yang menghasilkan nilai area A yang semakin besar pula, menghasilkan nilai pressure <br />
drop dP yang semakin kecil.<br />
<br />
'''Muhammad Gumilar'''<br />
<br />
Ada hal menarik disini, dari beberapa yang saya perhtikan dari beberapa pendapat teman-teman, pengaruh dari adanya luasan atau diameter pipa akan <br />
mempengaruhi keepatan alir didalam pipa , sesuai dengan hukum kontinuitas. Berkaitan dengan hal ini, saya mencerna bahwa bisa saja sebenarnya jika <br />
kita membandingkan dua hal yang mana, dua buah pipa dengan diameter yang berbeda akan tetepa memiliki kecepatan aliran rata-rata yang sama, yang <br />
mana berarti kedua debit aliran dari pipa ini berbeda. Namun yang dititikberatkan pada pembahasannya adala, kenapa berdasarkan rumus pressure loss, <br />
apabila diameter membesar, maka pressure drop akan berkurang. Sedangkan dari persamaan yang lain, kita kethaui bahwa gaya gesek akibat adanya <br />
tegangan geser akan meningkat karena persamaannya adalah F=thow * A. <br />
<br />
Kebingunga dari mahasiswS1 tersebut menurut saya adalah pemahaman beliau yang tidak komprehensif terhadap kosnep pressure drop. Memang, pressure drop <br />
itu berhubungan erat dengan adanya gesekan viscous antara fluida dengan dinding pipa. Akan tetapi, ada hal penting yang dilupakan oleh sang mahasiswa <br />
S! tersebut, yaitu bahwa perbesaran diameter dari pipa juga akan mengakibatkan tegangan geser yang terjadi. Secara sederhana, sepemahaman saya, <br />
tegangan geser itu berbanding lurus dengan gradient kecepatan aliran fluida di sepanjang pipa, yaitu du/dy. Nah, apabila, dengan kecepatan rata-rata <br />
yang sama, diameter pipa semakin besar, maka gradient kecepatan di sepanjang pipa akan berkurang karena pengaruh gaya viscous antara dinding dan <br />
fluida juga semain berkurang. Oleh karena itu, pressure Drop yang terjadi juga akan semakin berkurang. Semoga bermanfaaat semua eheheheh<br />
<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan tanggal : Senin, 18 Mei 2020 ==<br />
<br />
Pada pertemuan kali ini membahas materi minggu lalu dan saya ingin menjelaskan lagi terkait tentang friction loss, berikut penjelasan nya <br />
<br />
Dalam aliran fluida, kehilangan gesekan (atau gesekan kulit) adalah hilangnya tekanan atau "head" yang terjadi pada pipa atau aliran saluran karena efek viskositas fluida di dekat permukaan pipa atau saluran. [1] Dalam sistem mekanis seperti mesin pembakaran internal, istilah ini mengacu pada daya yang hilang dalam mengatasi gesekan antara dua permukaan yang bergerak, sebuah fenomena yang berbeda.</div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=File:Sckitwisnu4.png&diff=35974File:Sckitwisnu4.png2020-06-07T23:58:18Z<p>Wisnu indrawan: </p>
<hr />
<div></div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=File:Sckitwisnu3.png&diff=35966File:Sckitwisnu3.png2020-06-07T16:27:06Z<p>Wisnu indrawan: </p>
<hr />
<div></div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=File:Sckitwisnu2.png&diff=35965File:Sckitwisnu2.png2020-06-07T16:19:30Z<p>Wisnu indrawan: </p>
<hr />
<div></div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=File:Sckitwisnu1.png&diff=35964File:Sckitwisnu1.png2020-06-07T16:19:00Z<p>Wisnu indrawan: Wisnu indrawan uploaded a new version of File:Sckitwisnu1.png</p>
<hr />
<div></div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=File:Sckitwisnu1.png&diff=35963File:Sckitwisnu1.png2020-06-07T16:18:18Z<p>Wisnu indrawan: </p>
<hr />
<div></div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=Wisnu_indrawan&diff=35962Wisnu indrawan2020-06-07T16:18:00Z<p>Wisnu indrawan: /* metode machine learning ada beberapa tipe nya berikut penjelasan mengenai teori machine learning : */</p>
<hr />
<div><br />
<br />
----<br />
<br />
== '''Biodata Diri :''' ==<br />
<br />
----<br />
<br />
<br />
[[File:wisnu.jpg|200px|thumb|left|Watashinonamaeha wisnu ndes ]]<br />
<br />
*Nama : Wisnu Indrawan <br />
<br />
*NPM : 1906433745<br />
<br />
*Jurusan : Teknik Mesin<br />
<br />
*Institusi : Universitas Indonesia<br />
<br />
*Penjuruan : SUBAK (Sistem Utilitas Bangunan)<br />
<br />
*Email : wisnu.indrawan@ui.ac.id<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Istilah - Istilah Teknik''' ==<br />
<br />
<br />
'''1. Clustering ''' <br />
<br />
*clustering adalah teknik machine learning berupa algoritma pengelompokkan objek-objek data berjumlah N menjadi <br />
kelompok-kelompok data tertentu (cluster)<br />
<br />
*Objek data yang beada dalam satu kelompok / cluster harus memiliki kemiripan <br />
<br />
*Semakin banyak data yang diperoleh sama dnegan semakin akurat hasil yang di dapatkan <br />
<br />
*Clustering merupakan salah satu jenis dari algoritma unsupervised learining, algoritma <br />
yang bertujuan untuk mempelajari dan menemukan pola dari suatu input yang diberikan tanpa menggunuakan label <br />
<br />
*Dengan penggunaan supervised learning, maka beberapa hal berikut ini dapat dilakukan <br />
<br />
'''1.''' Search: Membandingkan antar dokumen, gambar atau suara untuk menampilkan item serupa. <br />
<br />
'''2.''' Deteksi anomali: Mendeteksi perilaku yang tidak biasa yang biasanya berhubungan dengan hal-hal yang ingin dicegah atau dideteksi, seperti contoh penipuan. <br />
<br />
<br />
Selain itu teknik clustering terdapat beberapa algoritma di dalam nya yang akan dijelaskan istilah nya pada bagian bawah ini : <br />
<br />
<br />
<br />
'''2. K-Means Clustering'''<br />
<br />
*Tentukan jumlah cluster <br />
<br />
*alokasikan data ke dalam cluster secara rancodm <br />
<br />
*hitung centroid/rata-rata dari data yang ada di masing-masing cluster <br />
<br />
*alokasikan masing masing data ke centroid/data-data terdekat <br />
<br />
*kembali ke step 3, apabila masih ada data yang berpindah cluster atau apabila <br />
perubahan nilai centroid, ada yang di atas nilai threshold yang ditentikan atau apabila <br />
perubahan nilai pada objective function yang digunakan di atas nilai threshold yang ditentukan<br />
<br />
<br />
'''3. Mean-Shift Clustering<br />
'''<br />
*Untuk mejelaskan mean-shift, kita ilustrasikan sekumpulan titik dalam ruang <br />
dua dimensi <br />
<br />
*kita mulai dengan circular sliding window yang berpusat pada titik C(dipilih secara acak)<br />
dan memiliki jadi-jadir r sebagai kernel. Mean shift adalah algoritma yang melakukan pergeseran kernel ini secara iteratif <br />
ke daerah kepadatan yang lebih tinggi pada setiap langkah hingga konvegensi.\<br />
<br />
*pada setiap iterasi, sliding window digeser ke arah daerah dengan kepadatan lebih tinggi dengan menggeser titik tengahnya. kepadatan pada sliding window sebanding dengan jumlah tiitk di dalamnya <br />
<br />
*terus melakuakn pergeseran pada sliding window sesuai dengan rata -rata sampai tidak ada arah di mana pergeseran dapat mengakomondasikan lebih banyak titik di dalam kernel (tidak lagi meningkatkan densitas/jumlah titik di window)<br />
<br />
*langkah 1 hingga 3 ini dilakukan dengan banyak sliding window sampai semua titik terletak di dalam window. Ketika beberapa window saling berumpang tindih, window yang berisi titik terbanyak akan dipertahankan. Objek data kemudian dikelompokkan sesua dengan sliding window tempat mereka berada.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-1 ''', (Senin, 03 Februari 2020), Muhasabah ==<br />
<br />
<br />
----<br />
<br />
<br />
'''Muhasabah Diri :''' <br />
<br />
'''Muhasabah adalah''' : sesuatu hal yang perlu dan menjadikannya sebuah kebutuhan dalam tiap-tiap diri manusia, di dalam agama Islam, muhasabah sangatlah dianjurkan karena jika muhasabah bisa dijalankan dengan baik akan memberi banyak manfaat baik yang akan di dapatkan di dunia maupun diakhirat kelak.<br />
<br />
'''Pada pertemuan pertama kami mempelajari apa makna dari komputasi teknik :'''<br />
<br />
'''a. Definisi Komputasi'''<br />
<br />
Komputasi : setulnya bisa diartikan sebagai cara untuk menemukan pemecahan masalah dari data input dengan menggunakan suatu algoritme. Hal ini ialah apa yang disebut dengan teori komputasi, suatu sub-bidang dari ilmu komputer dan matematika. Selama ribuan tahun, perhitungan dan komputasi umumnya dilakukan dengan menggunakan pena dan kertas, atau kapur dan batu tulis, atau dikerjakan secara mental, kadang-kadang dengan bantuan suatu tabel. Namun sekarang, kebanyakan komputasi telah dilakukan dengan menggunakan komputer.<br />
<br />
Komputasi ilmiah dan numerik adalah bidang booming dalam penelitian, teknik, dan analitik. Revolusi dalam industri komputer selama beberapa dekade terakhir telah menyediakan alat baru dan kuat untuk praktisi komputasi. Ini telah memungkinkan usaha komputasi dari skala dan kompleksitas yang sebelumnya tidak pernah terjadi sebelumnya. Akibatnya, semua bidang dan industri bermunculan. Perkembangan ini masih berlangsung, dan ini menciptakan peluang baru seiring dengan meningkatnya perangkat keras, perangkat lunak, dan algoritme. Pada akhirnya, teknologi yang memungkinkan untuk gerakan ini adalah perangkat keras komputasi yang kuat yang telah dikembangkan dalam beberapa dekade terakhir. Namun, untuk seorang praktisi komputasi, lingkungan perangkat lunak yang digunakan untuk pekerjaan komputasi sama pentingnya dengan, jika tidak lebih penting daripada, perangkat keras di mana perhitungan dilakukan.<br />
<br />
'''b. Current state of knowledge'''<br />
<br />
Knowledge i have learned in master amount of application and I just know it in master degree, and this is application I had to learn in master degree, first is lab view, I use it for measure temperature in contactor, so I know the temperature at inlet and outlet, second is REFROP this application helped me to know enthalpy in refrigerant, is superheated or subcool, third but not last is CFD-SOF with this application I can calculate velocity of fluid at an object, for example, is I calculated velocity in planar plate, internal flow pipe, and so on. <br />
<br />
'''c. Pengalaman Komputasi Teknik'''<br />
<br />
Untuk pengalaman saya menggunakan komputasi sudah ada beberapa, seperti CFD SOF dan beberapa bahasa pemograman, tetapi di era data scientist sekarang banyak yang sedang menggunakan bahasa python untuk menjadi bahasa pemograman mereka, hal ini dikarekan python merupakan bahasa pemograman open source (gratis) dan mudah di gunakan untuk pemula, berikut dasar - dasar menggunakan bahsa python :<br />
<br />
'''c.1 Pengenalan Komputasi Menggunakan Python'''<br />
<br />
Python adalah bahasa pemrograman tingkat tinggi yang diartikan untuk keperluan umum yang banyak digunakan dalam komputasi ilmiah dan teknik. Pertama dan terpenting, Python terkenal dengan sintaks code yang bersih dan mudah dibaca. Pembacaan kode yang baik meningkatkan pemeliharaan, yang secara umum menghasilkan lebih sedikit bug dan aplikasi yang lebih baik secara keseluruhan, tetapi juga memungkinkan pengembangan kode yang cepat. Dalam pemecahan masalah komputasi, tentu saja, penting untuk mempertimbangkan kinerja algoritma dan implementasinya. Sementara kinerja runtime terbaik dapat dicapai dalam bahasa pemrograman tingkat rendah seperti fortran dan C, bekerja dalam bahasa tingkat tinggi seperti Python biasanya mengurangi waktu pengembangan dan seringkali menghasilkan kode yang lebih fleksibel dan dapat diperluas.<br />
<br />
'''c.2 Environement Untuk Komputasi Dengan Python''' <br />
<br />
Ada beberapa environtment berbeda yang dapat digunakan Python untuk komputasi ilmiah dan teknis. Keragaman ini memiliki kelebihan dan kekurangan dibandingkan dengan lingkungan yang didukung. Dalam produk komputasi memiliki keanekaragaman menyediakan fleksibilitas dan dinamika yang cocok untuk spesialisasi untuk kasus penggunaan tertentu. Di sini saya memberikan orientasi lingkungan umum untuk komputasi ilmiah. Contoh 3 GUI yang digunakan untuk menjalankan python adalah :<br />
<br />
'''c.2.1. IPython'''<br />
<br />
IPython merupakan sebuah console yang dapat dijalankan secara interaktif. Secara bersama dengan text editor untuk menuliskan code, menyediakan yang ringan untuk dikembangkan .<br />
<br />
'''c.2.2. The Jupyter Notebook'''<br />
<br />
Merupakan aplikasi web di mana kode Python dapat ditulis dan dieksekusi melalui browser web. Environtment ini sangat bagus untuk komputasi numerik, analisis, dan penyelesaian masalah, karena memungkinkan seseorang untuk mengumpulkan code, output yang dihasilkan oleh code, dokumentasi teknis terkait, dan analisis dan interpretasi, semuanya dalam satu dokumen.<br />
<br />
'''c.2.3. Spyder'''<br />
<br />
Integrated Development Environment, yang dapat digunakan untuk menulis dan menjalankan kode Python secara interaktif. IDE seperti Spyder adalah alat yang dapat diguankan untuk mengembangkan library dan modul Python yang bisa digunakan kembali<br />
<br />
'''c.2.4. Interpreter'''<br />
<br />
Cara standar untuk mengeksekusi kode Python adalah menjalankan program secara langsung melalui interpreter Python. Pada kebanyakan sistem, interpreter Python dipanggil menggunakan perintah python. Ketika Python file source diperintahkan sebagai argumen untuk perintah ini, kode Python dalam file tersebut dijalankan.<br />
<br />
$ python hello.py<br />
<br />
Hello from Python!<br />
<br />
Di sini file hello.py berisi satu baris:<br />
<br />
print("Hello from Python!")<br />
<br />
Untuk melihat versi Python mana yang diinstal, seseorang dapat menjalankan perintah python dengan argumen --version:<br />
<br />
$ python –version<br />
<br />
Python 3.6.5<br />
<br />
Adalah umum untuk menginstal lebih dari satu versi Python pada sistem yang sama. Setiap versi Python memelihara kumpulan perpustakaannya sendiri dan menyediakan perintah penerjemahnya sendiri (sehingga setiap lingkungan Python dapat menginstal perpustakaan yang berbeda). Pada banyak sistem, versi tertentu dari juru bahasa Python tersedia melalui perintah seperti, misalnya, python2.7 dan python3.6. Dimungkinkan juga untuk mengatur lingkungan python virtual yang independen dari lingkungan yang disediakan sistem. Ini memiliki banyak keuntungan dan saya sangat menyarankan untuk membiasakan diri dengan cara ini bekerja dengan Python. Lampiran A memberikan perincian tentang cara mengatur dan bekerja dengan lingkungan semacam ini.<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-2 : ''' (Senin, 10 Februari 2020), Sinopsis Tuga Akhir ==<br />
<br />
<br />
----<br />
<br />
<br />
'''a. Menjelaskan Sinopsis Tugas Akhir''' <br />
<br />
JUDUL : <br />
<br />
Sistem Pendingin Mengguankan Thermo Electric Cooler dengan Controller Propotional - Integral Derivative<br />
<br />
SINOPSIS : <br />
<br />
Pendinginan merupakan salah satu proses yang dapat digunakan untuk berbagai macam penggunaan, antara lain untuk menjaga produk industri makanan dan produk medis seperti obat-obatan dan vaksin. Proses pendinginan sekarang masih menggunakan teknologi pengawetan berbasis kompresi menggunakan gas pendingin. Tipe gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannya dan tipe R600a memiliki COP yang lebih rendah. Penelitian ini bertujuan merancang perangkat keras dan perangkat lunak yang dapat diaplikasikan pada pendingin termoelektrik, dengan merancang sebuah alat yang digunakan untuk sistem lemari pendingin menggunakan Thermoelectric Cooler (TEC) dan mendapatkan nilai COP yang tinggi. Sistem dibangun dengan kontroler Proportional Integral Derivative (PID). Sistem ini menggunakan beberapa alat antara lain, sensor suhu, Transistor tipe TIP31, modul bluetooth, kipas, dan mikrokontroler ATSAM3X8E. Pengendalian suhu dilakukan dengan membandingkan set-point suhu yang diinginkan dengan suhu dari sensor. Dari penelitian ini diperoleh hasil bahwa semakin besar nilai tegangan yang diberikan maka semakin besar pula besar nilai Pulse Wave Modulation (PWM) yang dihasilkan. Semakin tinggi nilai besar PWM, semakin cepat penurunan suhu pada kotak pendingin. Dari beberapa pengujian dapat disimpulkan bahwa nilai parameter kontrol proporsional (Kp), parameter kontrol integral (Ki), dan nilai parameter kontrol deferensial (Kd ), dimana pada nilai Kp = 255, Ki = 100, dan Kd = 200 mendapatkan grafik yang lebih stabil dan mendekati nilai set-point, dengan nilai error sebesar 2,86 %.<br />
<br />
<br />
'''b. Perbedaan deterministik dan stokastik'''<br />
<br />
b.1 deterministik adalah sesuatu yang pasti akan terjadi. <br />
<br />
b.2 stokastik adalah Stokastik adalah kebolehjadian, atau dengan kata lain sesuatu yang belum terjadi kepastiannya. "Sesungguhnya, Allah tidak akan mengubah nasib suatu kaum, hingga mereka mengubahnya sendiri.." (Q.S. Ar-Ra'd [13] : 11) <br />
<br />
<br />
'''c . Komputasi Teknik pada Tugas Akhir'''<br />
<br />
Tipe tugas akhir saya adalah deteministik. Hal ini dikarenakan nilai dari PID yang saya tentukan pasti. Menurut pendapat saya untuk penerapan komputasi teknik pada tugas akhir saya adalah <br />
<br />
Pada penggunaan fitur controller PID, adalah kemampuan untuk menggunakan tiga tipe kontroller yakni propotional, integral dan derivatif yang mempengaruhi nilai keluaran kontroller untuk dipalikasikan pada nilai yang optimal dari kontroller itu sendiri. <br />
<br />
[[File:PID.png|400px|thumb|left ]]<br />
<br />
Diagram blok yang terdapat pada sebelah kiri menunjukkan bagamimana cara controller ini bekerja. Gambar tersebut menunjukan kontroller PID, yang mana secara kontinu menghitung nilai error e(t) sebagai selisih dari setpoint r(t) dan variabel proses y(t), dan pengaplikasian nya dikoreksi berdasakan propotional, integral, dan derivatif. Kontroller mencoba utnuk meminimalisir error dari lebih nya koreksi kontrol variabel u(t), salah satu contoh nya pengontrolan pada kecepatan kipas, kontrol PID dibutuhkan untuk mengetahui jumlah RPM selanjutnya pada kipas sehingga dapat mendinginkan suatu objek.<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
'''d. Komputasi pada tugas akhir saya kedepan nya'''<br />
<br />
Melakuakn simulasi CFD sederhana untuk melihat aliran fluida di dalam lemari pendingin<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan Ke-3''', (Senin 17-Februari-2020), Presentasi Sinopsis Project Komputasi Teknik ==<br />
<gallery mode="slideshow"><br />
File:PPT_1.png|200px|center|<br />
File:PPT_2.png|200px|center|<br />
File:PPT_3.png|200px|center|<br />
File:PPT_4.png|200px|center|<br />
File:ppt_5.png|200px|center|<br />
</gallery><br />
<br />
----<br />
<br />
== '''Pertemuan ke-4''', (Senin, 24 Februari 2020), Presentasi Model Matematis Project Komputasi Teknik ==<br />
<br />
----<br />
<br />
<br />
<br />
Skema kontrol PID dinamai dari ketiga term pengendalinya, yang kemudian dijumlahkan menjadi variabel manipulasi. Term proporsional, integral, dan derivatif dijumlahkan untuk menghitung keluaran kontroler PID. Dengan mendefinisikan u(t) sebagai keluaran kontroler, bentuk akhir dari algoritme PID adalah:<br />
<br />
<br />
<br />
[[File:Rumus1.png|300px|thumb|center ]]<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Contoh PID pada MATLAB<br />
|-<br />
|'''Jenis'''<br />
|'''Foto'''<br />
|'''Deskripsi'''<br />
|-<br />
! '''Porpotional Integral''' <br />
| [[File:Tilu.png|300px|thumb|left ]] || sys = zpk([],[-1 -1 -1],1); <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Loro.png|300px|thumb|left ]] || <br />
<br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
T_pi_fast = feedback(C_pi_fast*sys,1);<br />
step(T_pi,T_pi_fast)<br />
axis([0 30 0 1.4])<br />
legend('PI','PI,fast')<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Siji.png|300px|thumb|left ]] || <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
[C_pidf_fast,info] = pidtune(sys,'PIDF',1.0)<br />
T_pidf_fast = feedback(C_pidf_fast*sys,1);<br />
<br />
step(T_pi_fast, T_pidf_fast); <br />
<br />
axis([0 30 0 1.4]);<br />
<br />
legend('PI,fast','PIDF,fast');<br />
<br />
sys = zpk([],[-1 -1 -1],1); <br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
S_pi_fast = feedback(sys,C_pi_fast);<br />
S_pidf_fast = feedback(sys,C_pidf_fast);<br />
step(S_pi_fast,S_pidf_fast);<br />
axis([0 50 0 0.4]);<br />
legend('PI,fast','PIDF,fast');<br />
<br />
|-<br />
|}<br />
<br />
----<br />
<br />
<br />
== '''Pertemuan ke-5''', (2 Maret 2020), Quis I ==<br />
<br />
<br />
[[File:Photo 1.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 2.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 3.jpeg|350px|thumb|center ]]<br />
<br />
<br />
<br />
<br />
----<br />
== '''Finite ELement, Finite Diffirent, Finite Volume''' ==<br />
<br />
* '''Pengertian Finite Element :'''<br />
<br />
'''Finite Element :''' menyelesaikan suatu problem dengan cara membagi obyek analisa menjadi bagian-bagian kecil yang terhingga. Bagian-bagian kecil ini kemudian dianalisa dan hasilnya digabungkan kembali untuk mendapatkan penyelesaian untuk keseluruhan daerah. Kata “finite atau terhingga” digunakan untuk menekankan bahwa bagian-bagian kecil tersebut tidak tak terhingga, seperti yang lazim digunakan pada metode integral analitik.<br />
<br />
* '''Pengertian Finite Volume :'''<br />
<br />
'''Finite Volume :''' adalah metode yang digunakna untuk merepresentasikan persamaan diferensial parisial dalam bentuk persamaan algeraic. Didalam metode finite volume, mengintergalkan bagian dari persamaan diferensial parsial ,menggunakan teorema divergensi.<br />
<br />
* '''Pengertian Finite Different :'''<br />
<br />
'''Finite Different :''' adalah diskritisasi yang digunakan untuk menyelesaiakn persamaan diferensial dengan memperkirakan denagn persamaan diferensial yang menggunakan perbedaan yang mendekati derivatif.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Pertemuan ke-6''', Senin 9 Maret 2020, Extended Abstrak ==<br />
<br />
<br />
<br />
Name : Wsinu indrawan<br />
<br />
Title : Fluid Analysis For Mini Fan Refrigerator Using Thermoelectric Cooler <br />
<br />
The cooling is one of the processes can be used for various types of applications, starting from maintaining food industry products and medical products such as drugs and vaccines. The cooling process now still uses compression-based preservation technology using cooling gas. The types of cooling gas used are R134a and R600a. However, the R134a contains HF which has been banned for used, and the R600a contains HF gas which can reduce the ozone layer. In addition, a single fan compressor system that uses cooling gas in a steam compressor has difficulties in regulating the temperature of the target compartment. Based on this, an alternative cooling technology is needed. Thermoelectric cooler (TEC) is an alternative cooling technology, because TEC has advantages such as small size, lower noise and vibration, easier in temperature regulation, low maintenance requirements, can absorb heat using the principle of heat difference so that in addition to being able to the cooler can also be a heater, and besides that it can be turned on with a DC current. Obtained a solution in the form of cooling using a thermoelectric cooler, using a fan in the refrigerator.The current research examines the application of CFD (Computational Fluid Dynamic) to analyze the flow of wind into the refrigerator. Use the existing CFD analyst application. To analyze the flow of fluid entering the refrigerator, it is simplified for this refrigerator, by cutting the inside of the refrigerator. So that the incoming fluid flow can be reviewed, from the incoming air velocity can be analyzed with a simple correlation to the wind speed generated with existing pwm. It is expected that from this research, researchers can find out the wind phenomenon that is in the refrigerator so that it can be used for further research.<br />
<br />
<br />
<br />
<br />
[[File:G1.png|400px|thumb|center ]]<br />
<br />
[[File:test1.png|400px|thumb|center ]]<br />
<br />
== '''Optimasi Energi Pada Manusia''' ==<br />
<br />
The article below will describe how to make optimization in daily life, during one month<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Optimasi Energi Pada Manusia<br />
|-<br />
|'''Jenis'''<br />
|'''Perhitungan'''<br />
|'''Deskripsi'''<br />
|-<br />
! Step 1<br />
| [[File:gazo1.png|700px|left]] || Pertama saya menentukan jumlah jam yang dibutuhkan per hari secara acak dengan funsi rand di excel <br />
<br />
|-<br />
! Step 2 <br />
| [[File:gazo2.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 1<br />
<br />
|-<br />
! Step 3 <br />
| [[File:gazo3.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 2<br />
<br />
|-<br />
! Step 4 <br />
| [[File:gazo4.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 3<br />
<br />
<br />
|-<br />
! Step 5 <br />
| [[File:gazo5.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 4<br />
<br />
|-<br />
! Step 6 <br />
| [[File:hebat.png|700px|left]] || Mencari grafik polynomial pada salah satu minggu dan diadapatkan grafik polynom nya<br />
<br />
|-<br />
! Step 7 <br />
| [[File:gazo7.png|700px|left]] || hasil konversi watt ke rupiah pada hari senin pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 8 <br />
| [[File:gazo8.png|700px|left]] || hasil konversi watt ke rupiah pada hari selasa pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 9 <br />
| [[File:gazo9.png|700px|left]] || hasil konversi watt ke rupiah pada hari rabu pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 10 <br />
| [[File:gazo10.png|700px|left]] || hasil konversi watt ke rupiah pada hari jumat pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 11 <br />
| [[File:gazo11.png|700px|left]] || hasil konversi watt ke rupiah pada hari sabtu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step 12 <br />
| [[File:gazo12.png|700px|left]] || hasil konversi watt ke rupiah pada hari minggu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step Final<br />
| [[File:cobajadulu.png|700px|left]] || Mencoba memasukan nilai minimum ke dalam matlab dan mencari dengan curve fitting<br />
<br />
|-<br />
|}<br />
<br />
== '''Pengarahan Beberapa Teknologi Komputasi Teknik''', 16-03-2020 ==<br />
<br />
<br />
Pada pertemuan kali ini membahas masalah initial thinking, mendevelop model matematis, anlisa secara umum dan analisa secara khusus<br />
<br />
Mengembangkan model amtematis dari konsep model utama dari model matematis tersebut<br />
<br />
Dari modeling tersebut dibutuhkan beberapa tahapan pertama :<br />
<br />
*Constrain <br />
<br />
*Boundary Condition <br />
<br />
*Setelah beberapa tahapan itu masuk ke tahapan simulasi <br />
<br />
Pengertian Verifikasi : <br />
<br />
Verifikasi adalah teori filsafat positif logis dalam memilih yang menyatakan bahwa pengalaman adalah satu-satunya sumber dasar pengetahuan dan dalam analisis logis dapat dilakukan dengan bantuan simbol-simbol logika dengan menggunakan metode untuk pemecahkan masalah melalui metode verifikasi empirik yaitu bila terdapat sesuatu yang tidak dapat diverifikasi secara empirik maka hasilnya adalah sia-sia. penganut teori radikal ini memiliki masalah konsekuensi untuk filosofi tradisional, karena, jika benar, akan menyebabkan banyak pekerjaan sia-sia pada filosofis masa lalu, antara lain pada metafisika dan etika.<br />
<br />
Validasi : <br />
<br />
validasi adalah sebuah teknik validasi model untuk menilai bagaimana hasil statistik analisis akan menggeneralisasi kumpulan data independen. Teknik ini utamanya digunakan untuk melakukan prediksi model dan memperkirakan seberapa akurat sebuah model prediktif ketika dijalankan dalam praktiknya. Dalam sebuah masalah prediksi, sebuah model biasanya diberikan kumpulan data (dataset) yang diketahui untuk digunakan dalam menjalankan pelatihan (dataset pelatihan), serta kumpulan data yang tidak diketahui (atau data yang pertama kali dilihat) terhadap model yang diuji (pengujian dataset).[4] Tujuan dari validasi silang adalah untuk mendefinisikan dataset untuk "menguji" model dalam tahap pelatihan (yaitu, validasi data), dalam rangka untuk membatasi masalah seperti terjadinya overfitting, memberikan wawasan tentang bagaimana model akan menggeneralisasi independen dataset (yaitu, dataset tidak diketahui, misalnya dari masalah nyata), dll.<br />
<br />
== '''Ujian Tengah Semester''', Komputasi Teknik ==<br />
<br />
<br />
<br />
<br />
=== '''Video Pembelajaran Setiap Minggu''' ===<br />
<br />
<br />
'''Kemampuran Komputasi Teknik Selama Perkuliahan, Tutorial Menggunakan CFDSOF'''<br />
<br />
<br />
[[File:.pertemuan3wisnuindrawan.mp4||500px|center]]<br />
<br />
<br />
<br />
=== '''Draft Paper Komputasi Teknik''' ===<br />
<br />
<br />
==== BAB I ====<br />
<br />
Pendinginan salah satu teknologi yang memiliki berbagai macam pengaplikasian, dimulai dari menjaga produk makanan dari kebusukan dan berbagai pengendalian suhu dalam bidang elektronik dan industri lainnya (Gökçekdan Şahin, 2017).Salah satu teknologi pendinginan yang sekarang ini sering digunakan adalah teknologi berbasis kompresi uap karna mempunyai (COP) coefficient of performanceyang tinggi dan mempunyai harga yang lebih murah dibandingkan teknologi alternatif lainnya.Dalam proses pendinginan, teknologi kompresi uap menggunakan gas pendingin yang berfungsi untuk menyerap panas pada udara dalam ruangan, sehingga menjadi bersuhu rendah. Secara luas gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannyadan tipe R600a mengandung gas HF yang dapat mengurangi lapisan ozon (Söylemez dkk., 2018). Selain itu,pada sistem kompresor satu kipas yang menggunakan gas pendingin pada kompresor uap memiliki kesulitan dalampengaturan temperatur dari kompartemen target. Berdasarkan pernyataan tersebut diperlukan suatu teknologi pendingin alternatif. Thermoelectric cooler adalah salah satu alternatif teknologi pendingin, dikarenakan thermoelectric cooler memiliki kelebihan seperti berukuran kecil, kebisingan dan getaran yang lebih rendah, lebih mudah dalam pengaturan suhu, mebutuhkan perawatan yang sedikit, dan dapat dihidupkan dengan arus DC (Söylemezdkk., 2018). Pendinginan dengan menggunakan TEC (Termoelectric Cooling) telah digunakan untuk menghilangkan embun kaca depan kendaraan. Penelitian tersebut telah menghasilkan temperatur hingga 22,4 oC. Penelitian lainTEC telah digunakan untuk pendingin kotak minuman dengan menggunakan 3thermoelectric cooling, dimana dapat menghasilkan temperatur kotak minuman tanpa beban mencapai14,3 oC, dengan beban pendingin air sebanyak 1 liter sebesar 16,4 oC (Nulhakim, 2017). TEC (Termoelectric Cooling) tidak hanya dapat mendinginkan, tetapi dapat memanaskan di waktu yang bersamaan. Sifat dari TEC ini dapat dimanfaatkan untuk sistem pengaturan suhu ruangan. Untuk tujuan pengaturan suhu yang lebih akurat, dapat dipertimbangkan menggunakan sistem kontrol loop tertutup dengan PID (Propotional, Integral dan Derivative). Kelebihan dari pemakaian kontroler PID di loop tertutup adalah kontrol PID memiliki kemampuan untuk penyetelan otomatis, dan dapat adaptasi terhadap variasi waktu, sehinggasistem dari kontroler PID menyediakan aplikasi didalam industri dengan fitur kontrol yang lebih akurat dandapat disesuaikan dengan kebutuhan(Abdullah dan Ayman, 2008). Pengaturan PID pada umumnya menggunakan alat yang memakan banyak biaya. Tetapi menurut hasil dari eskperimen yang menyatakan bahwa kontroler PID menggunakna mikrokontoler tipe P18F4685 yang memiliki kapasitas 14 bit dapat menghasilkan kestabilan yang baik, dengan overshoot yang sedikit, dan memiliki waktu settling time yang sedikit pula (El-Nagar dan El-Bardini, 2014). Dari latar belakang tersebut diperlukan suatu sistem pendingin ruangan yang terkontrol secara otomatis menggunakanteknologi pendingin ramah lingkungan yang terkontrol dengan sistem kontrol loop tertutup, sehinggadapat manjadi salah satu alternatif teknologi pendingin ruangan.Berdasarkan potensi tersebut maka telah dilakukan penelitian tentang rancang bangun sistem pendingin ruangan menggunakan TEC (Thermoelectric Cooler) dengan kontroler PID.<br />
<br />
==== BAB II ====<br />
<br />
'''Sensor Suhu''' <br />
<br />
Salah satu jenis sensor suhu yang banyak digunakan di industri adalah tipe sensor suhu berbahan semikonduktor. Sensor ini menggunakankonfigurasi dioda atau transistor di kutub yang pada sambungan p-n bahan tersebut memiliki respon yang kuat terhadap suhu. Terdapat dua jenis pemberian tegangan pada sambungan p-n yaitu bias maju dan bias mundur seperti ditunjukkan pada Gambar 2.1. Ketika sambungan p-n bias maju dihubungkan dengansumber arus, maka terjadi beda potensial pada kedua sambungan. Beda potensial atau tegangan yang dihasilkan berbanding lurus dengan perubahan suhu(Suryono, 2018).<br />
<br />
[[File:wisnu.png|500px|center|]]<br />
<br />
<br />
<br />
'''Thermoelectric'''<br />
<br />
Modul thermoelectric khas dibuat menggunakan dua buah keramik berbentuk wafer dengan jenis bahan semikonduktor bismuth telluride P dan N yang diapit di antara keduanya seperti yang ditunjukkan pada Gambar 2.3. Bahan keramik di kedua sisi dari thermoelectric berfungsi untuk pelindung dan sebagai isolator listrik yang diperlukan. Bahan tipe-N memiliki kelebihan elektron, sementara bahan tipe-P membutuhkan elektron. Bahan P dan N membentuk pasangan, seperti yang ditunkjukan pada Gambar 2.3. Pasangan thermoelectric dipasang secara seri dan termal sejajar. Modul thermoelectric dapat berisi satu sampai beberapa ratus pasangan. Saat elektron bergerak dari bahan tipe-P ke bahan tipe-N melalui konektor listrik, elektron beralih ke keadaan energi yang lebih tinggi dan menyerap energi panas (sisi dingin) (Manikandan dkk., 2017).<br />
<br />
<br />
[[File:dewawisnuganteng.png|500px|center|]]<br />
<br />
<br />
<br />
<br />
<br />
==== BAB III ====<br />
<br />
Sistem pengendalian yang saya pakai adalah menggunakan mobile phone, jadi pada penyetingan set point pada PID menggunakan apliaksi mobile bebasis bluetooth<br />
<br />
<br />
[[File:bismillahadajalan.png|500px|center|]]<br />
<br />
Selanjut nya pada sistem kerja dari alat ini menggunakan sistem PID untuk mengatur kecepatan dari driver motor untuk mengatur suhu, jika suhu tidak sesuai dengan yang diinginkan maka kecepatan kipas akan terus bertambah.<br />
<br />
<br />
[[File:PIDBROH.png|500px|center|]]<br />
<br />
<br />
Hasil rancang bangun dari alat pendingin ditunjukan pada gambar dibawah ini<br />
<br />
<br />
[[File:celenganrindu.jpg|500px|center|]]<br />
<br />
Pembuatan interface untuk memasukkan data set point pada aplikasi mobile<br />
<br />
[[File:interface.png|500px|center|]]<br />
<br />
Pembuatan interface untuk mencari device bluetooth pada device-device sekitar<br />
<br />
[[File:tampilan2.png|500px|center|]]<br />
<br />
==== BAB IV ====<br />
<br />
Hasil data dari kalibrasi sensor suhu dengan alat ukur standart SNI <br />
<br />
<br />
[[File:akad.png|500px|center|]]<br />
<br />
<br />
Data PID setelah melakukan trial and error mendapatkan nilai Kp Kd Ki <br />
<br />
<br />
[[File:bismillahwisnudata.png|500px|center|]]<br />
<br />
=== '''Laporan Optimasi Energi''' ===<br />
<br />
<br />
Grafik Pada Minggu Pertama<br />
<br />
<br />
<br />
[[File:bersyukurlah.png|500px|center|]]<br />
<br />
[[File:gambarsatu.png|500px|center|]]<br />
<br />
<br />
[[File:semuaudahadarezekinya.png|500px|center|]]<br />
<br />
<br />
<br />
[[File:janganngeluhterus.png|500px|center|]]<br />
<br />
Gambar yang ditunjukan dengan menggunakna aplikasi sypder menunjukkan nilai x, nilai tersebut merupakan nilai minimum atau optimum dari persamaan yang telah dibuat dengan menggunakan excel<br />
<br />
<br />
Revisi Projek tugas komputasi teknik <br />
<br />
Pada kesempatan kali ini saya menggunakan case baru untuk menyelesaikan draft paper mata kuliah komputasi teknik <br />
<br />
Hal ini dikarenakan, ketertarikan penulis untuk mengangkat tema ini <br />
<br />
==Refisi draft paper==<br />
<br />
<br />
<br />
Beberapa contoh data dari nasabah yang dihasilkan untuk mengetahui apakah nasabah ingin meninggalkan bank dari data - data pribadi mereka, <br />
seperti lama mereka menggunakan jasa bank ini, jumlah tabungan mereka, kemudian umur mereka, dan dari pria atau wanita <br />
<br />
<br />
[[File:22 April 2020 5.png || 700px]]<br />
<br />
Pertama data yang berada dalam format csv dimasukan ke dalam pemograman python dengan maka akan muncul tampilan seperti diatas, ataua kerap<br />
disebut sebagai dataframe, setelah dataframe terbentuk maka dataframe tersebut di pecah - pecah atau dikelompokkan mana yang bisa digunakan untuk <br />
independent variable atau tidak <br />
<br />
<br />
<br />
[[File:22 April 2020 1.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 2.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 3.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 4.png || 700px]]<br />
<br />
<br />
methode dari draft paper ini adalah : <br />
<br />
'''mengguankan machine learning''' <br />
<br />
Pembelajaran mesin (ML) adalah studi tentang algoritma komputer yang meningkat secara otomatis melalui pengalaman. [1] Itu dilihat sebagai bagian dari kecerdasan buatan. Algoritma pembelajaran mesin membangun model matematika berdasarkan data sampel, yang dikenal sebagai "data pelatihan", untuk membuat prediksi atau keputusan tanpa diprogram secara eksplisit untuk melakukannya. [2] [3]: 2 Algoritma pembelajaran mesin digunakan dalam berbagai berbagai aplikasi, seperti penyaringan email dan visi komputer, di mana sulit atau tidak layak untuk mengembangkan algoritma konvensional untuk melakukan tugas-tugas yang diperlukan.<br />
<br />
Pembelajaran mesin terkait erat dengan statistik komputasi, yang berfokus pada membuat prediksi menggunakan komputer. Studi tentang optimasi matematika memberikan metode, teori dan domain aplikasi ke bidang pembelajaran mesin. Penambangan data adalah bidang studi terkait, dengan fokus pada analisis data eksplorasi melalui pembelajaran tanpa pengawasan.<br />
<br />
'''Realsi terhadap optimasi'''<br />
<br />
Pembelajaran mesin juga memiliki ikatan intim dengan optimisasi: banyak masalah pembelajaran dirumuskan sebagai minimalisasi beberapa fungsi kerugian pada serangkaian contoh pelatihan. Fungsi kerugian menyatakan perbedaan antara prediksi model yang sedang dilatih dan contoh masalah yang sebenarnya (misalnya, dalam klasifikasi, seseorang ingin menetapkan label pada instance, dan model dilatih untuk memprediksi dengan benar label yang telah ditetapkan sebelumnya dari sekumpulan contoh). Perbedaan antara dua bidang muncul dari tujuan generalisasi: sementara algoritma optimasi dapat meminimalkan kerugian pada set pelatihan, pembelajaran mesin berkaitan dengan meminimalkan kerugian pada sampel yang tidak terlihat. <br />
<br />
'''Relasi terhadap statistik'''<br />
<br />
Pembelajaran mesin dan statistik adalah bidang yang terkait erat dalam hal metode, tetapi berbeda dalam tujuan utamanya: statistik menarik kesimpulan populasi dari sampel, sementara pembelajaran mesin menemukan pola prediksi yang dapat digeneralisasikan. Menurut Michael I. Jordan, gagasan pembelajaran mesin, mulai dari prinsip metodologis hingga alat teoretis, telah memiliki pra-sejarah panjang dalam statistik. [22] Dia juga menyarankan istilah ilmu data sebagai pengganti untuk menyebut bidang keseluruhan. <br />
<br />
Leo Breiman membedakan dua paradigma pemodelan statistik: model data dan model algoritmik, [23] di mana "model algoritmik" berarti kurang lebih algoritma pembelajaran mesin seperti hutan acak.<br />
<br />
Beberapa ahli statistik telah mengadopsi metode dari pembelajaran mesin, yang mengarah ke bidang gabungan yang mereka sebut pembelajaran statistik. <br />
<br />
<br />
'''Teori'''<br />
<br />
Tujuan inti seorang pelajar adalah untuk menggeneralisasi dari pengalamannya. Generalisasi dalam konteks ini adalah kemampuan mesin pembelajaran untuk melakukan secara akurat pada contoh / tugas baru yang tidak terlihat setelah mengalami kumpulan data pembelajaran. Contoh-contoh pelatihan berasal dari beberapa distribusi probabilitas yang umumnya tidak diketahui (dianggap mewakili ruang kejadian) dan pelajar harus membangun model umum tentang ruang ini yang memungkinkannya menghasilkan prediksi yang cukup akurat dalam kasus-kasus baru.<br />
<br />
Analisis komputasi algoritma pembelajaran mesin dan kinerjanya adalah cabang ilmu komputer teoretis yang dikenal sebagai teori pembelajaran komputasi. Karena set pelatihan terbatas dan masa depan tidak pasti, teori pembelajaran biasanya tidak menghasilkan jaminan kinerja algoritma. Sebaliknya, batasan probabilistik pada kinerja cukup umum. Dekomposisi bias-varians adalah salah satu cara untuk mengukur kesalahan generalisasi.<br />
<br />
Untuk kinerja terbaik dalam konteks generalisasi, kompleksitas hipotesis harus sesuai dengan kompleksitas fungsi yang mendasari data. Jika hipotesis kurang kompleks dari fungsi, maka model memiliki data yang sesuai. Jika kompleksitas model meningkat dalam respons, maka kesalahan pelatihan berkurang. Tetapi jika hipotesisnya terlalu kompleks, maka modelnya akan mengalami overfitting dan generalisasi akan menjadi lebih buruk. <br />
<br />
Selain batas kinerja, ahli teori belajar mempelajari kompleksitas waktu dan kelayakan belajar. Dalam teori pembelajaran komputasi, perhitungan dianggap layak jika dapat dilakukan dalam waktu polinomial. Ada dua jenis hasil kompleksitas waktu. Hasil positif menunjukkan bahwa kelas fungsi tertentu dapat dipelajari dalam waktu polinomial. Hasil negatif menunjukkan bahwa kelas-kelas tertentu tidak dapat dipelajari dalam waktu polinomial.<br />
<br />
<br />
<br />
<br />
==== '''metode machine learning ada beberapa tipe nya berikut penjelasan mengenai teori machine learning :''' ====<br />
<br />
<br />
1. Suppport Vector Machine (SVMs)<br />
<br />
Support vector Machines (SVMs) adalah algoritma pembelajaran mesin yang diawasi yang fleksibel namun kuat yang digunakan baik untuk klasifikasi dan regresi. Tetapi umumnya, mereka digunakan dalam masalah klasifikasi. Pada 1960-an, SVM pertama kali diperkenalkan tetapi kemudian disempurnakan pada tahun 1990. SVM memiliki cara implementasi yang unik dibandingkan dengan algoritma pembelajaran mesin lainnya. Akhir-akhir ini, mereka sangat populer karena kemampuan mereka untuk menangani beberapa variabel kontinu dan kategorikal.<br />
<br />
<br />
Dalam praktiknya, algoritma SVM diimplementasikan dengan kernel yang mengubah ruang data input ke dalam formulir yang diperlukan. SVM menggunakan teknik yang disebut trik kernel di mana kernel mengambil ruang input dimensi rendah dan mengubahnya menjadi ruang dimensi yang lebih tinggi. Dengan kata-kata sederhana, kernel mengubah masalah yang tidak dapat dipisahkan menjadi masalah yang dapat dipisahkan dengan menambahkan lebih banyak dimensi ke dalamnya. Itu membuat SVM lebih kuat, fleksibel dan akurat. Berikut ini adalah beberapa jenis kernel yang digunakan oleh SVM.<br />
<br />
<br />
Linear Kernel <br />
<br />
Ini dapat digunakan sebagai produk titik antara dua pengamatan. Rumus kernel linear adalah sebagai berikut<br />
<br />
Metode yang digunakan <br />
<br />
pada penelesaian masalah ini saya menggunakana beberapa engone dari python untuk melakuakn machine learning yakni '''sklearn''' dan '''tensor flow''', berikut penjelasan masing masing metode nya :<br />
<br />
ini adalah struktur skrip dari '''sklearn.prepocessing''' <br />
<br />
class sklearn.preprocessing.OneHotEncoder(*, categories='auto', drop=None, sparse=True, dtype=<class 'numpy.float64'>, handle_unknown='error')[source]<br />
<br />
kenapa class ini digunakan karena machine leraning tidak bisa memproses selain angka, tapi pada kasus ini saya menggunakan nama, umur dan beberapa proses yang menggunakan tipe string(kata - kata)<br />
sehigga sulit untuk di klasifikasikan.<br />
<br />
'''maka dari itu metode ini dapat digunakan.'''<br />
<br />
'''One Hot Encoding adalah :''' reperentasi kategori variabel dalam vektor biner. <br />
<br />
Pertama nilai dari proses ini dipetakan dala nilai integer (nilai angka yang benilai bilangan bulat, tidak memiliki nilai koma)<br />
<br />
Lalu, setiap nilai yang berbentuk integer ini direpresentasikan sebagai vektor biner yang semua nya bernilai nol kecuali yang terindeks integer, yang di tandai 1.<br />
<br />
Paper yang digunakna untuk metode sckit learning adalah :<br />
<br />
[[File:sckitwisnu1.png||700px||center]]<br />
<br />
[[File:sckitwisnu2.png||700px||center]]<br />
<br />
[[File:sckitwisnu3.png||700px||center]]<br />
<br />
[[File:sckitwisnu4.png||700px||center]]<br />
<br />
[[File:sckitwisnu5.png||700px||center]]<br />
<br />
[[File:sckitwisnu6.png||700px||center]]<br />
<br />
== Quis II, 6 April 2020 ==<br />
<br />
<br />
Assalamualaiakum Beerikut adalah link dari Quis 2<br />
Wisnu Indrawan <br />
1906433745<br />
<br />
https://drive.google.com/drive/folders/17z_x1nPTXBtnZl_PVhXRBZXdK5Wy0GMx?usp=sharing<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan Tanggal : Senin, 13 April 2020 ==<br />
<br />
<br />
<gallery mode="slideshow"><br />
File:Wisnu 12346798.png<br />
File:Wisnu 123467989.png<br />
File:Wisnu 12346798910.png<br />
File:Wisnu 12346798435435.png<br />
File:Wisnu 1234679843fdsaf4.png<br />
</gallery><br />
<br />
== Resume Pertemuan tanggal : Senin, 20 April 2020 ==<br />
<br />
<br />
<gallery mode="slideshow"><br />
<br />
<br />
File:qwerwqerqwerq_caseII_1.png<br />
File:qwerwqerqwerq_caseII_2.png<br />
File:24-04-2020-1-tugas komtek.png<br />
File:2020-04-24 23 12 57-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 22-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:hasil-24-04-2020.png<br />
File:2020-04-24 23 47 29-Book1 - Excel.png<br />
</gallery><br />
<br />
<br />
Penggunaan aplikasi python untuk mencari ann pada kasus ini terdapat perbedaan, untuk penggunaan matlab untuk mencari nilai ann pada aplikasi ini menggunakan nntool <br />
<br />
<br />
'''nntool''' <br />
<br />
[[File:nntoolwisnu.png||400px]]<br />
<br />
== Resume Pertemuan tanggal : Senin, 27 April 2020 ==<br />
<br />
1. Pemahaman terkait prinsip dan konsep komputasi teknik<br />
<br />
2. Penerapan konsep dan skill dalam komputasi teknik<br />
<br />
3. Lebih mengenal diri<br />
<br />
Dari 3 point diatas disampaikan via zoom dengan cara sebagai berikut:<br />
<br />
a. show your contributions<br />
<br />
b. your understanding<br />
<br />
c. your skill<br />
<br />
== Resume Pertemuan tanggal : Senin, 04 Mei 2020 ==<br />
<br />
<br />
<br />
- Pemahaman terkait prinsip dan konsep komputasi teknik<br />
<br />
- Penerapan konsep dan skill dalam komputasi teknik<br />
<br />
- Lebih mengenal diri baik individu maupun kelompok/ kelas<br />
<br />
Intisaru dari evaluasi diri ini adalah :<br />
<br />
- show your contributions<br />
<br />
- your understanding<br />
<br />
- your skkill<br />
<br />
== Resume Pertemuan tanggal : Senin, 11 Mei 2020 ==<br />
<br />
<br />
Pada pertemuan tanggal 11 Mei 2020 terdapat pembahasan selanjut nya pada pertemuan minggu lalu mengnai pressure drop. Pada pembahsan pada grup whatshap mengenai tentang pendapat individu mengenai kasus pressure drop dan di bahas kemabli dalam grup Komputasi Teknik via whatshapp. Diharapkan pada pembahasan ini secara personal memahami cases Basic Mechanics dan menjadi kewajiban bagi setiap mahsiwa menyatakan analisa pribadi terkait kasus tersebut. <br />
<br />
Berikut Hasil dari pembahasan kasus tersebut : <br />
<br />
<gallery mode="slideshow"><br />
File:WhatsApp Image 2020-05-12 at 19.30.27.jpeg<br />
File:WhatsApp Image 2020-05-11 at 09.41.12.jpeg<br />
File:WhatsApp Image 2020-05-12 at 16.50.43.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.51.38.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.53.29.jpeg<br />
</gallery><br />
<br />
<br />
<br />
'''Azikri '''<br />
<br />
sedikit tambahan terkait hal di atas, bahwa pada dasarnya aliran fluida dalam pipa akan mengalami penurunan tekanan atau pressure drop seiring dengan <br />
panjang pipa ataupun disebabkan oleh gesekan dengan permukaan<br />
saluran, dan juga ketika aliran melewati sambungan pipa, belokan, katup, difusor, dan sebagainya.<br />
Disisi lain, prinsip dasar persamaan kontinuitas juga jadi landasan dimana massa tidak dapat diciptakan dan<br />
tidak dapat dimusnahkan, sehingga massa dalam suatu sistem yang konstan dapat dinyatakan dengan rumus : rho.A.v=m<br />
<br />
atau Jika aliran fluida bersifat incompressible dan steady flow, maka persamaan menjadi : Q=A.v<br />
<br />
Singkatnya dr persmaan pertama bahwa pressure drop berbanding terbalik dengan D, dan begitu halnya dengan persamaan 2 tegangan geser berbanding <br />
terbalik dg A<br />
<br />
'''Adhika '''<br />
<br />
- Gaya Masuk - Gaya Geser Total = Gaya Keluar<br />
- Gaya Geser Total = Gaya Masuk - Gaya Keluar<br />
- Gaya Geser Total = P1.A - P2.A <br />
- Gaya Geser Total = dp . Luas Area Pipa<br />
Shear Stress . Luas Selimut = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(Luas Area Pipa . L. pi . 4) = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(L. pi . 4) / sqrt(Luas Area Pipa) = dp<br />
<br />
Kesimpulan:<br />
Luas Area Pipa semakin besar maka dp akan semakin kecil<br />
<br />
<br />
'''Jerry '''<br />
<br />
Ketika nilai A membesar, maka nilai D secara langsung juga membesar karena A merupakan fungsi D; A(D). <br />
<br />
Dari persamaan pressure drop, terlihat bahwa nilai D berbanding terbalik dengan nilai deltaP. <br />
<br />
Hal ini akan mengimplikasikan bahwa semakin besar nilai D, maka semakin kecil nilai deltaP<br />
<br />
'''Dessy'''<br />
<br />
Sederhananya jika dilihat dari persamaan untuk Pressure Drop maka sudah cukup jelas dalam menjawab pertanyaan mengapa ketika luas area (A) diperbesar <br />
menyebabkan nilai pressure drop yang menurun, dimana <br />
<br />
dP = f L rho V^2 / 2 D<br />
<br />
Dari persamaan diatas terlihat bahwa nilai diameter (pengaruhnya terhadap luas area) berbanding terbalik dengan nilai pressure loss dP.<br />
<br />
Tambahan juga jika dilihat dari nilai kecepatan (disini saya menggunakan analogi aliran fluida dalam pipa), secara logika apabila nilai luas <br />
penampang A diperbesar maka nilai kecepatan akan semakin kecil, sesuai dengan persamaan yang telah dijelaskan oleh saudara Dieter sebelumnya.<br />
<br />
Maka jika kembali ke persamaan pressure drop sesuai analogi ini, A yang besar akan menyebabkan nilai V menurun, akibatnya nilai dP pun akan menurun.<br />
<br />
Dari sini dapat disimpulkan bahwa semakin besar nilai diameter D, yang menghasilkan nilai area A yang semakin besar pula, menghasilkan nilai pressure <br />
drop dP yang semakin kecil.<br />
<br />
'''Muhammad Gumilar'''<br />
<br />
Ada hal menarik disini, dari beberapa yang saya perhtikan dari beberapa pendapat teman-teman, pengaruh dari adanya luasan atau diameter pipa akan <br />
mempengaruhi keepatan alir didalam pipa , sesuai dengan hukum kontinuitas. Berkaitan dengan hal ini, saya mencerna bahwa bisa saja sebenarnya jika <br />
kita membandingkan dua hal yang mana, dua buah pipa dengan diameter yang berbeda akan tetepa memiliki kecepatan aliran rata-rata yang sama, yang <br />
mana berarti kedua debit aliran dari pipa ini berbeda. Namun yang dititikberatkan pada pembahasannya adala, kenapa berdasarkan rumus pressure loss, <br />
apabila diameter membesar, maka pressure drop akan berkurang. Sedangkan dari persamaan yang lain, kita kethaui bahwa gaya gesek akibat adanya <br />
tegangan geser akan meningkat karena persamaannya adalah F=thow * A. <br />
<br />
Kebingunga dari mahasiswS1 tersebut menurut saya adalah pemahaman beliau yang tidak komprehensif terhadap kosnep pressure drop. Memang, pressure drop <br />
itu berhubungan erat dengan adanya gesekan viscous antara fluida dengan dinding pipa. Akan tetapi, ada hal penting yang dilupakan oleh sang mahasiswa <br />
S! tersebut, yaitu bahwa perbesaran diameter dari pipa juga akan mengakibatkan tegangan geser yang terjadi. Secara sederhana, sepemahaman saya, <br />
tegangan geser itu berbanding lurus dengan gradient kecepatan aliran fluida di sepanjang pipa, yaitu du/dy. Nah, apabila, dengan kecepatan rata-rata <br />
yang sama, diameter pipa semakin besar, maka gradient kecepatan di sepanjang pipa akan berkurang karena pengaruh gaya viscous antara dinding dan <br />
fluida juga semain berkurang. Oleh karena itu, pressure Drop yang terjadi juga akan semakin berkurang. Semoga bermanfaaat semua eheheheh<br />
<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan tanggal : Senin, 18 Mei 2020 ==<br />
<br />
Pada pertemuan kali ini membahas materi minggu lalu dan saya ingin menjelaskan lagi terkait tentang friction loss, berikut penjelasan nya <br />
<br />
Dalam aliran fluida, kehilangan gesekan (atau gesekan kulit) adalah hilangnya tekanan atau "head" yang terjadi pada pipa atau aliran saluran karena efek viskositas fluida di dekat permukaan pipa atau saluran. [1] Dalam sistem mekanis seperti mesin pembakaran internal, istilah ini mengacu pada daya yang hilang dalam mengatasi gesekan antara dua permukaan yang bergerak, sebuah fenomena yang berbeda.</div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=Wisnu_indrawan&diff=35960Wisnu indrawan2020-06-07T16:11:47Z<p>Wisnu indrawan: /* Refisi draft paper */</p>
<hr />
<div><br />
<br />
----<br />
<br />
== '''Biodata Diri :''' ==<br />
<br />
----<br />
<br />
<br />
[[File:wisnu.jpg|200px|thumb|left|Watashinonamaeha wisnu ndes ]]<br />
<br />
*Nama : Wisnu Indrawan <br />
<br />
*NPM : 1906433745<br />
<br />
*Jurusan : Teknik Mesin<br />
<br />
*Institusi : Universitas Indonesia<br />
<br />
*Penjuruan : SUBAK (Sistem Utilitas Bangunan)<br />
<br />
*Email : wisnu.indrawan@ui.ac.id<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Istilah - Istilah Teknik''' ==<br />
<br />
<br />
'''1. Clustering ''' <br />
<br />
*clustering adalah teknik machine learning berupa algoritma pengelompokkan objek-objek data berjumlah N menjadi <br />
kelompok-kelompok data tertentu (cluster)<br />
<br />
*Objek data yang beada dalam satu kelompok / cluster harus memiliki kemiripan <br />
<br />
*Semakin banyak data yang diperoleh sama dnegan semakin akurat hasil yang di dapatkan <br />
<br />
*Clustering merupakan salah satu jenis dari algoritma unsupervised learining, algoritma <br />
yang bertujuan untuk mempelajari dan menemukan pola dari suatu input yang diberikan tanpa menggunuakan label <br />
<br />
*Dengan penggunaan supervised learning, maka beberapa hal berikut ini dapat dilakukan <br />
<br />
'''1.''' Search: Membandingkan antar dokumen, gambar atau suara untuk menampilkan item serupa. <br />
<br />
'''2.''' Deteksi anomali: Mendeteksi perilaku yang tidak biasa yang biasanya berhubungan dengan hal-hal yang ingin dicegah atau dideteksi, seperti contoh penipuan. <br />
<br />
<br />
Selain itu teknik clustering terdapat beberapa algoritma di dalam nya yang akan dijelaskan istilah nya pada bagian bawah ini : <br />
<br />
<br />
<br />
'''2. K-Means Clustering'''<br />
<br />
*Tentukan jumlah cluster <br />
<br />
*alokasikan data ke dalam cluster secara rancodm <br />
<br />
*hitung centroid/rata-rata dari data yang ada di masing-masing cluster <br />
<br />
*alokasikan masing masing data ke centroid/data-data terdekat <br />
<br />
*kembali ke step 3, apabila masih ada data yang berpindah cluster atau apabila <br />
perubahan nilai centroid, ada yang di atas nilai threshold yang ditentikan atau apabila <br />
perubahan nilai pada objective function yang digunakan di atas nilai threshold yang ditentukan<br />
<br />
<br />
'''3. Mean-Shift Clustering<br />
'''<br />
*Untuk mejelaskan mean-shift, kita ilustrasikan sekumpulan titik dalam ruang <br />
dua dimensi <br />
<br />
*kita mulai dengan circular sliding window yang berpusat pada titik C(dipilih secara acak)<br />
dan memiliki jadi-jadir r sebagai kernel. Mean shift adalah algoritma yang melakukan pergeseran kernel ini secara iteratif <br />
ke daerah kepadatan yang lebih tinggi pada setiap langkah hingga konvegensi.\<br />
<br />
*pada setiap iterasi, sliding window digeser ke arah daerah dengan kepadatan lebih tinggi dengan menggeser titik tengahnya. kepadatan pada sliding window sebanding dengan jumlah tiitk di dalamnya <br />
<br />
*terus melakuakn pergeseran pada sliding window sesuai dengan rata -rata sampai tidak ada arah di mana pergeseran dapat mengakomondasikan lebih banyak titik di dalam kernel (tidak lagi meningkatkan densitas/jumlah titik di window)<br />
<br />
*langkah 1 hingga 3 ini dilakukan dengan banyak sliding window sampai semua titik terletak di dalam window. Ketika beberapa window saling berumpang tindih, window yang berisi titik terbanyak akan dipertahankan. Objek data kemudian dikelompokkan sesua dengan sliding window tempat mereka berada.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-1 ''', (Senin, 03 Februari 2020), Muhasabah ==<br />
<br />
<br />
----<br />
<br />
<br />
'''Muhasabah Diri :''' <br />
<br />
'''Muhasabah adalah''' : sesuatu hal yang perlu dan menjadikannya sebuah kebutuhan dalam tiap-tiap diri manusia, di dalam agama Islam, muhasabah sangatlah dianjurkan karena jika muhasabah bisa dijalankan dengan baik akan memberi banyak manfaat baik yang akan di dapatkan di dunia maupun diakhirat kelak.<br />
<br />
'''Pada pertemuan pertama kami mempelajari apa makna dari komputasi teknik :'''<br />
<br />
'''a. Definisi Komputasi'''<br />
<br />
Komputasi : setulnya bisa diartikan sebagai cara untuk menemukan pemecahan masalah dari data input dengan menggunakan suatu algoritme. Hal ini ialah apa yang disebut dengan teori komputasi, suatu sub-bidang dari ilmu komputer dan matematika. Selama ribuan tahun, perhitungan dan komputasi umumnya dilakukan dengan menggunakan pena dan kertas, atau kapur dan batu tulis, atau dikerjakan secara mental, kadang-kadang dengan bantuan suatu tabel. Namun sekarang, kebanyakan komputasi telah dilakukan dengan menggunakan komputer.<br />
<br />
Komputasi ilmiah dan numerik adalah bidang booming dalam penelitian, teknik, dan analitik. Revolusi dalam industri komputer selama beberapa dekade terakhir telah menyediakan alat baru dan kuat untuk praktisi komputasi. Ini telah memungkinkan usaha komputasi dari skala dan kompleksitas yang sebelumnya tidak pernah terjadi sebelumnya. Akibatnya, semua bidang dan industri bermunculan. Perkembangan ini masih berlangsung, dan ini menciptakan peluang baru seiring dengan meningkatnya perangkat keras, perangkat lunak, dan algoritme. Pada akhirnya, teknologi yang memungkinkan untuk gerakan ini adalah perangkat keras komputasi yang kuat yang telah dikembangkan dalam beberapa dekade terakhir. Namun, untuk seorang praktisi komputasi, lingkungan perangkat lunak yang digunakan untuk pekerjaan komputasi sama pentingnya dengan, jika tidak lebih penting daripada, perangkat keras di mana perhitungan dilakukan.<br />
<br />
'''b. Current state of knowledge'''<br />
<br />
Knowledge i have learned in master amount of application and I just know it in master degree, and this is application I had to learn in master degree, first is lab view, I use it for measure temperature in contactor, so I know the temperature at inlet and outlet, second is REFROP this application helped me to know enthalpy in refrigerant, is superheated or subcool, third but not last is CFD-SOF with this application I can calculate velocity of fluid at an object, for example, is I calculated velocity in planar plate, internal flow pipe, and so on. <br />
<br />
'''c. Pengalaman Komputasi Teknik'''<br />
<br />
Untuk pengalaman saya menggunakan komputasi sudah ada beberapa, seperti CFD SOF dan beberapa bahasa pemograman, tetapi di era data scientist sekarang banyak yang sedang menggunakan bahasa python untuk menjadi bahasa pemograman mereka, hal ini dikarekan python merupakan bahasa pemograman open source (gratis) dan mudah di gunakan untuk pemula, berikut dasar - dasar menggunakan bahsa python :<br />
<br />
'''c.1 Pengenalan Komputasi Menggunakan Python'''<br />
<br />
Python adalah bahasa pemrograman tingkat tinggi yang diartikan untuk keperluan umum yang banyak digunakan dalam komputasi ilmiah dan teknik. Pertama dan terpenting, Python terkenal dengan sintaks code yang bersih dan mudah dibaca. Pembacaan kode yang baik meningkatkan pemeliharaan, yang secara umum menghasilkan lebih sedikit bug dan aplikasi yang lebih baik secara keseluruhan, tetapi juga memungkinkan pengembangan kode yang cepat. Dalam pemecahan masalah komputasi, tentu saja, penting untuk mempertimbangkan kinerja algoritma dan implementasinya. Sementara kinerja runtime terbaik dapat dicapai dalam bahasa pemrograman tingkat rendah seperti fortran dan C, bekerja dalam bahasa tingkat tinggi seperti Python biasanya mengurangi waktu pengembangan dan seringkali menghasilkan kode yang lebih fleksibel dan dapat diperluas.<br />
<br />
'''c.2 Environement Untuk Komputasi Dengan Python''' <br />
<br />
Ada beberapa environtment berbeda yang dapat digunakan Python untuk komputasi ilmiah dan teknis. Keragaman ini memiliki kelebihan dan kekurangan dibandingkan dengan lingkungan yang didukung. Dalam produk komputasi memiliki keanekaragaman menyediakan fleksibilitas dan dinamika yang cocok untuk spesialisasi untuk kasus penggunaan tertentu. Di sini saya memberikan orientasi lingkungan umum untuk komputasi ilmiah. Contoh 3 GUI yang digunakan untuk menjalankan python adalah :<br />
<br />
'''c.2.1. IPython'''<br />
<br />
IPython merupakan sebuah console yang dapat dijalankan secara interaktif. Secara bersama dengan text editor untuk menuliskan code, menyediakan yang ringan untuk dikembangkan .<br />
<br />
'''c.2.2. The Jupyter Notebook'''<br />
<br />
Merupakan aplikasi web di mana kode Python dapat ditulis dan dieksekusi melalui browser web. Environtment ini sangat bagus untuk komputasi numerik, analisis, dan penyelesaian masalah, karena memungkinkan seseorang untuk mengumpulkan code, output yang dihasilkan oleh code, dokumentasi teknis terkait, dan analisis dan interpretasi, semuanya dalam satu dokumen.<br />
<br />
'''c.2.3. Spyder'''<br />
<br />
Integrated Development Environment, yang dapat digunakan untuk menulis dan menjalankan kode Python secara interaktif. IDE seperti Spyder adalah alat yang dapat diguankan untuk mengembangkan library dan modul Python yang bisa digunakan kembali<br />
<br />
'''c.2.4. Interpreter'''<br />
<br />
Cara standar untuk mengeksekusi kode Python adalah menjalankan program secara langsung melalui interpreter Python. Pada kebanyakan sistem, interpreter Python dipanggil menggunakan perintah python. Ketika Python file source diperintahkan sebagai argumen untuk perintah ini, kode Python dalam file tersebut dijalankan.<br />
<br />
$ python hello.py<br />
<br />
Hello from Python!<br />
<br />
Di sini file hello.py berisi satu baris:<br />
<br />
print("Hello from Python!")<br />
<br />
Untuk melihat versi Python mana yang diinstal, seseorang dapat menjalankan perintah python dengan argumen --version:<br />
<br />
$ python –version<br />
<br />
Python 3.6.5<br />
<br />
Adalah umum untuk menginstal lebih dari satu versi Python pada sistem yang sama. Setiap versi Python memelihara kumpulan perpustakaannya sendiri dan menyediakan perintah penerjemahnya sendiri (sehingga setiap lingkungan Python dapat menginstal perpustakaan yang berbeda). Pada banyak sistem, versi tertentu dari juru bahasa Python tersedia melalui perintah seperti, misalnya, python2.7 dan python3.6. Dimungkinkan juga untuk mengatur lingkungan python virtual yang independen dari lingkungan yang disediakan sistem. Ini memiliki banyak keuntungan dan saya sangat menyarankan untuk membiasakan diri dengan cara ini bekerja dengan Python. Lampiran A memberikan perincian tentang cara mengatur dan bekerja dengan lingkungan semacam ini.<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-2 : ''' (Senin, 10 Februari 2020), Sinopsis Tuga Akhir ==<br />
<br />
<br />
----<br />
<br />
<br />
'''a. Menjelaskan Sinopsis Tugas Akhir''' <br />
<br />
JUDUL : <br />
<br />
Sistem Pendingin Mengguankan Thermo Electric Cooler dengan Controller Propotional - Integral Derivative<br />
<br />
SINOPSIS : <br />
<br />
Pendinginan merupakan salah satu proses yang dapat digunakan untuk berbagai macam penggunaan, antara lain untuk menjaga produk industri makanan dan produk medis seperti obat-obatan dan vaksin. Proses pendinginan sekarang masih menggunakan teknologi pengawetan berbasis kompresi menggunakan gas pendingin. Tipe gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannya dan tipe R600a memiliki COP yang lebih rendah. Penelitian ini bertujuan merancang perangkat keras dan perangkat lunak yang dapat diaplikasikan pada pendingin termoelektrik, dengan merancang sebuah alat yang digunakan untuk sistem lemari pendingin menggunakan Thermoelectric Cooler (TEC) dan mendapatkan nilai COP yang tinggi. Sistem dibangun dengan kontroler Proportional Integral Derivative (PID). Sistem ini menggunakan beberapa alat antara lain, sensor suhu, Transistor tipe TIP31, modul bluetooth, kipas, dan mikrokontroler ATSAM3X8E. Pengendalian suhu dilakukan dengan membandingkan set-point suhu yang diinginkan dengan suhu dari sensor. Dari penelitian ini diperoleh hasil bahwa semakin besar nilai tegangan yang diberikan maka semakin besar pula besar nilai Pulse Wave Modulation (PWM) yang dihasilkan. Semakin tinggi nilai besar PWM, semakin cepat penurunan suhu pada kotak pendingin. Dari beberapa pengujian dapat disimpulkan bahwa nilai parameter kontrol proporsional (Kp), parameter kontrol integral (Ki), dan nilai parameter kontrol deferensial (Kd ), dimana pada nilai Kp = 255, Ki = 100, dan Kd = 200 mendapatkan grafik yang lebih stabil dan mendekati nilai set-point, dengan nilai error sebesar 2,86 %.<br />
<br />
<br />
'''b. Perbedaan deterministik dan stokastik'''<br />
<br />
b.1 deterministik adalah sesuatu yang pasti akan terjadi. <br />
<br />
b.2 stokastik adalah Stokastik adalah kebolehjadian, atau dengan kata lain sesuatu yang belum terjadi kepastiannya. "Sesungguhnya, Allah tidak akan mengubah nasib suatu kaum, hingga mereka mengubahnya sendiri.." (Q.S. Ar-Ra'd [13] : 11) <br />
<br />
<br />
'''c . Komputasi Teknik pada Tugas Akhir'''<br />
<br />
Tipe tugas akhir saya adalah deteministik. Hal ini dikarenakan nilai dari PID yang saya tentukan pasti. Menurut pendapat saya untuk penerapan komputasi teknik pada tugas akhir saya adalah <br />
<br />
Pada penggunaan fitur controller PID, adalah kemampuan untuk menggunakan tiga tipe kontroller yakni propotional, integral dan derivatif yang mempengaruhi nilai keluaran kontroller untuk dipalikasikan pada nilai yang optimal dari kontroller itu sendiri. <br />
<br />
[[File:PID.png|400px|thumb|left ]]<br />
<br />
Diagram blok yang terdapat pada sebelah kiri menunjukkan bagamimana cara controller ini bekerja. Gambar tersebut menunjukan kontroller PID, yang mana secara kontinu menghitung nilai error e(t) sebagai selisih dari setpoint r(t) dan variabel proses y(t), dan pengaplikasian nya dikoreksi berdasakan propotional, integral, dan derivatif. Kontroller mencoba utnuk meminimalisir error dari lebih nya koreksi kontrol variabel u(t), salah satu contoh nya pengontrolan pada kecepatan kipas, kontrol PID dibutuhkan untuk mengetahui jumlah RPM selanjutnya pada kipas sehingga dapat mendinginkan suatu objek.<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
'''d. Komputasi pada tugas akhir saya kedepan nya'''<br />
<br />
Melakuakn simulasi CFD sederhana untuk melihat aliran fluida di dalam lemari pendingin<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan Ke-3''', (Senin 17-Februari-2020), Presentasi Sinopsis Project Komputasi Teknik ==<br />
<gallery mode="slideshow"><br />
File:PPT_1.png|200px|center|<br />
File:PPT_2.png|200px|center|<br />
File:PPT_3.png|200px|center|<br />
File:PPT_4.png|200px|center|<br />
File:ppt_5.png|200px|center|<br />
</gallery><br />
<br />
----<br />
<br />
== '''Pertemuan ke-4''', (Senin, 24 Februari 2020), Presentasi Model Matematis Project Komputasi Teknik ==<br />
<br />
----<br />
<br />
<br />
<br />
Skema kontrol PID dinamai dari ketiga term pengendalinya, yang kemudian dijumlahkan menjadi variabel manipulasi. Term proporsional, integral, dan derivatif dijumlahkan untuk menghitung keluaran kontroler PID. Dengan mendefinisikan u(t) sebagai keluaran kontroler, bentuk akhir dari algoritme PID adalah:<br />
<br />
<br />
<br />
[[File:Rumus1.png|300px|thumb|center ]]<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Contoh PID pada MATLAB<br />
|-<br />
|'''Jenis'''<br />
|'''Foto'''<br />
|'''Deskripsi'''<br />
|-<br />
! '''Porpotional Integral''' <br />
| [[File:Tilu.png|300px|thumb|left ]] || sys = zpk([],[-1 -1 -1],1); <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Loro.png|300px|thumb|left ]] || <br />
<br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
T_pi_fast = feedback(C_pi_fast*sys,1);<br />
step(T_pi,T_pi_fast)<br />
axis([0 30 0 1.4])<br />
legend('PI','PI,fast')<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Siji.png|300px|thumb|left ]] || <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
[C_pidf_fast,info] = pidtune(sys,'PIDF',1.0)<br />
T_pidf_fast = feedback(C_pidf_fast*sys,1);<br />
<br />
step(T_pi_fast, T_pidf_fast); <br />
<br />
axis([0 30 0 1.4]);<br />
<br />
legend('PI,fast','PIDF,fast');<br />
<br />
sys = zpk([],[-1 -1 -1],1); <br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
S_pi_fast = feedback(sys,C_pi_fast);<br />
S_pidf_fast = feedback(sys,C_pidf_fast);<br />
step(S_pi_fast,S_pidf_fast);<br />
axis([0 50 0 0.4]);<br />
legend('PI,fast','PIDF,fast');<br />
<br />
|-<br />
|}<br />
<br />
----<br />
<br />
<br />
== '''Pertemuan ke-5''', (2 Maret 2020), Quis I ==<br />
<br />
<br />
[[File:Photo 1.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 2.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 3.jpeg|350px|thumb|center ]]<br />
<br />
<br />
<br />
<br />
----<br />
== '''Finite ELement, Finite Diffirent, Finite Volume''' ==<br />
<br />
* '''Pengertian Finite Element :'''<br />
<br />
'''Finite Element :''' menyelesaikan suatu problem dengan cara membagi obyek analisa menjadi bagian-bagian kecil yang terhingga. Bagian-bagian kecil ini kemudian dianalisa dan hasilnya digabungkan kembali untuk mendapatkan penyelesaian untuk keseluruhan daerah. Kata “finite atau terhingga” digunakan untuk menekankan bahwa bagian-bagian kecil tersebut tidak tak terhingga, seperti yang lazim digunakan pada metode integral analitik.<br />
<br />
* '''Pengertian Finite Volume :'''<br />
<br />
'''Finite Volume :''' adalah metode yang digunakna untuk merepresentasikan persamaan diferensial parisial dalam bentuk persamaan algeraic. Didalam metode finite volume, mengintergalkan bagian dari persamaan diferensial parsial ,menggunakan teorema divergensi.<br />
<br />
* '''Pengertian Finite Different :'''<br />
<br />
'''Finite Different :''' adalah diskritisasi yang digunakan untuk menyelesaiakn persamaan diferensial dengan memperkirakan denagn persamaan diferensial yang menggunakan perbedaan yang mendekati derivatif.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Pertemuan ke-6''', Senin 9 Maret 2020, Extended Abstrak ==<br />
<br />
<br />
<br />
Name : Wsinu indrawan<br />
<br />
Title : Fluid Analysis For Mini Fan Refrigerator Using Thermoelectric Cooler <br />
<br />
The cooling is one of the processes can be used for various types of applications, starting from maintaining food industry products and medical products such as drugs and vaccines. The cooling process now still uses compression-based preservation technology using cooling gas. The types of cooling gas used are R134a and R600a. However, the R134a contains HF which has been banned for used, and the R600a contains HF gas which can reduce the ozone layer. In addition, a single fan compressor system that uses cooling gas in a steam compressor has difficulties in regulating the temperature of the target compartment. Based on this, an alternative cooling technology is needed. Thermoelectric cooler (TEC) is an alternative cooling technology, because TEC has advantages such as small size, lower noise and vibration, easier in temperature regulation, low maintenance requirements, can absorb heat using the principle of heat difference so that in addition to being able to the cooler can also be a heater, and besides that it can be turned on with a DC current. Obtained a solution in the form of cooling using a thermoelectric cooler, using a fan in the refrigerator.The current research examines the application of CFD (Computational Fluid Dynamic) to analyze the flow of wind into the refrigerator. Use the existing CFD analyst application. To analyze the flow of fluid entering the refrigerator, it is simplified for this refrigerator, by cutting the inside of the refrigerator. So that the incoming fluid flow can be reviewed, from the incoming air velocity can be analyzed with a simple correlation to the wind speed generated with existing pwm. It is expected that from this research, researchers can find out the wind phenomenon that is in the refrigerator so that it can be used for further research.<br />
<br />
<br />
<br />
<br />
[[File:G1.png|400px|thumb|center ]]<br />
<br />
[[File:test1.png|400px|thumb|center ]]<br />
<br />
== '''Optimasi Energi Pada Manusia''' ==<br />
<br />
The article below will describe how to make optimization in daily life, during one month<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Optimasi Energi Pada Manusia<br />
|-<br />
|'''Jenis'''<br />
|'''Perhitungan'''<br />
|'''Deskripsi'''<br />
|-<br />
! Step 1<br />
| [[File:gazo1.png|700px|left]] || Pertama saya menentukan jumlah jam yang dibutuhkan per hari secara acak dengan funsi rand di excel <br />
<br />
|-<br />
! Step 2 <br />
| [[File:gazo2.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 1<br />
<br />
|-<br />
! Step 3 <br />
| [[File:gazo3.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 2<br />
<br />
|-<br />
! Step 4 <br />
| [[File:gazo4.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 3<br />
<br />
<br />
|-<br />
! Step 5 <br />
| [[File:gazo5.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 4<br />
<br />
|-<br />
! Step 6 <br />
| [[File:hebat.png|700px|left]] || Mencari grafik polynomial pada salah satu minggu dan diadapatkan grafik polynom nya<br />
<br />
|-<br />
! Step 7 <br />
| [[File:gazo7.png|700px|left]] || hasil konversi watt ke rupiah pada hari senin pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 8 <br />
| [[File:gazo8.png|700px|left]] || hasil konversi watt ke rupiah pada hari selasa pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 9 <br />
| [[File:gazo9.png|700px|left]] || hasil konversi watt ke rupiah pada hari rabu pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 10 <br />
| [[File:gazo10.png|700px|left]] || hasil konversi watt ke rupiah pada hari jumat pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 11 <br />
| [[File:gazo11.png|700px|left]] || hasil konversi watt ke rupiah pada hari sabtu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step 12 <br />
| [[File:gazo12.png|700px|left]] || hasil konversi watt ke rupiah pada hari minggu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step Final<br />
| [[File:cobajadulu.png|700px|left]] || Mencoba memasukan nilai minimum ke dalam matlab dan mencari dengan curve fitting<br />
<br />
|-<br />
|}<br />
<br />
== '''Pengarahan Beberapa Teknologi Komputasi Teknik''', 16-03-2020 ==<br />
<br />
<br />
Pada pertemuan kali ini membahas masalah initial thinking, mendevelop model matematis, anlisa secara umum dan analisa secara khusus<br />
<br />
Mengembangkan model amtematis dari konsep model utama dari model matematis tersebut<br />
<br />
Dari modeling tersebut dibutuhkan beberapa tahapan pertama :<br />
<br />
*Constrain <br />
<br />
*Boundary Condition <br />
<br />
*Setelah beberapa tahapan itu masuk ke tahapan simulasi <br />
<br />
Pengertian Verifikasi : <br />
<br />
Verifikasi adalah teori filsafat positif logis dalam memilih yang menyatakan bahwa pengalaman adalah satu-satunya sumber dasar pengetahuan dan dalam analisis logis dapat dilakukan dengan bantuan simbol-simbol logika dengan menggunakan metode untuk pemecahkan masalah melalui metode verifikasi empirik yaitu bila terdapat sesuatu yang tidak dapat diverifikasi secara empirik maka hasilnya adalah sia-sia. penganut teori radikal ini memiliki masalah konsekuensi untuk filosofi tradisional, karena, jika benar, akan menyebabkan banyak pekerjaan sia-sia pada filosofis masa lalu, antara lain pada metafisika dan etika.<br />
<br />
Validasi : <br />
<br />
validasi adalah sebuah teknik validasi model untuk menilai bagaimana hasil statistik analisis akan menggeneralisasi kumpulan data independen. Teknik ini utamanya digunakan untuk melakukan prediksi model dan memperkirakan seberapa akurat sebuah model prediktif ketika dijalankan dalam praktiknya. Dalam sebuah masalah prediksi, sebuah model biasanya diberikan kumpulan data (dataset) yang diketahui untuk digunakan dalam menjalankan pelatihan (dataset pelatihan), serta kumpulan data yang tidak diketahui (atau data yang pertama kali dilihat) terhadap model yang diuji (pengujian dataset).[4] Tujuan dari validasi silang adalah untuk mendefinisikan dataset untuk "menguji" model dalam tahap pelatihan (yaitu, validasi data), dalam rangka untuk membatasi masalah seperti terjadinya overfitting, memberikan wawasan tentang bagaimana model akan menggeneralisasi independen dataset (yaitu, dataset tidak diketahui, misalnya dari masalah nyata), dll.<br />
<br />
== '''Ujian Tengah Semester''', Komputasi Teknik ==<br />
<br />
<br />
<br />
<br />
=== '''Video Pembelajaran Setiap Minggu''' ===<br />
<br />
<br />
'''Kemampuran Komputasi Teknik Selama Perkuliahan, Tutorial Menggunakan CFDSOF'''<br />
<br />
<br />
[[File:.pertemuan3wisnuindrawan.mp4||500px|center]]<br />
<br />
<br />
<br />
=== '''Draft Paper Komputasi Teknik''' ===<br />
<br />
<br />
==== BAB I ====<br />
<br />
Pendinginan salah satu teknologi yang memiliki berbagai macam pengaplikasian, dimulai dari menjaga produk makanan dari kebusukan dan berbagai pengendalian suhu dalam bidang elektronik dan industri lainnya (Gökçekdan Şahin, 2017).Salah satu teknologi pendinginan yang sekarang ini sering digunakan adalah teknologi berbasis kompresi uap karna mempunyai (COP) coefficient of performanceyang tinggi dan mempunyai harga yang lebih murah dibandingkan teknologi alternatif lainnya.Dalam proses pendinginan, teknologi kompresi uap menggunakan gas pendingin yang berfungsi untuk menyerap panas pada udara dalam ruangan, sehingga menjadi bersuhu rendah. Secara luas gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannyadan tipe R600a mengandung gas HF yang dapat mengurangi lapisan ozon (Söylemez dkk., 2018). Selain itu,pada sistem kompresor satu kipas yang menggunakan gas pendingin pada kompresor uap memiliki kesulitan dalampengaturan temperatur dari kompartemen target. Berdasarkan pernyataan tersebut diperlukan suatu teknologi pendingin alternatif. Thermoelectric cooler adalah salah satu alternatif teknologi pendingin, dikarenakan thermoelectric cooler memiliki kelebihan seperti berukuran kecil, kebisingan dan getaran yang lebih rendah, lebih mudah dalam pengaturan suhu, mebutuhkan perawatan yang sedikit, dan dapat dihidupkan dengan arus DC (Söylemezdkk., 2018). Pendinginan dengan menggunakan TEC (Termoelectric Cooling) telah digunakan untuk menghilangkan embun kaca depan kendaraan. Penelitian tersebut telah menghasilkan temperatur hingga 22,4 oC. Penelitian lainTEC telah digunakan untuk pendingin kotak minuman dengan menggunakan 3thermoelectric cooling, dimana dapat menghasilkan temperatur kotak minuman tanpa beban mencapai14,3 oC, dengan beban pendingin air sebanyak 1 liter sebesar 16,4 oC (Nulhakim, 2017). TEC (Termoelectric Cooling) tidak hanya dapat mendinginkan, tetapi dapat memanaskan di waktu yang bersamaan. Sifat dari TEC ini dapat dimanfaatkan untuk sistem pengaturan suhu ruangan. Untuk tujuan pengaturan suhu yang lebih akurat, dapat dipertimbangkan menggunakan sistem kontrol loop tertutup dengan PID (Propotional, Integral dan Derivative). Kelebihan dari pemakaian kontroler PID di loop tertutup adalah kontrol PID memiliki kemampuan untuk penyetelan otomatis, dan dapat adaptasi terhadap variasi waktu, sehinggasistem dari kontroler PID menyediakan aplikasi didalam industri dengan fitur kontrol yang lebih akurat dandapat disesuaikan dengan kebutuhan(Abdullah dan Ayman, 2008). Pengaturan PID pada umumnya menggunakan alat yang memakan banyak biaya. Tetapi menurut hasil dari eskperimen yang menyatakan bahwa kontroler PID menggunakna mikrokontoler tipe P18F4685 yang memiliki kapasitas 14 bit dapat menghasilkan kestabilan yang baik, dengan overshoot yang sedikit, dan memiliki waktu settling time yang sedikit pula (El-Nagar dan El-Bardini, 2014). Dari latar belakang tersebut diperlukan suatu sistem pendingin ruangan yang terkontrol secara otomatis menggunakanteknologi pendingin ramah lingkungan yang terkontrol dengan sistem kontrol loop tertutup, sehinggadapat manjadi salah satu alternatif teknologi pendingin ruangan.Berdasarkan potensi tersebut maka telah dilakukan penelitian tentang rancang bangun sistem pendingin ruangan menggunakan TEC (Thermoelectric Cooler) dengan kontroler PID.<br />
<br />
==== BAB II ====<br />
<br />
'''Sensor Suhu''' <br />
<br />
Salah satu jenis sensor suhu yang banyak digunakan di industri adalah tipe sensor suhu berbahan semikonduktor. Sensor ini menggunakankonfigurasi dioda atau transistor di kutub yang pada sambungan p-n bahan tersebut memiliki respon yang kuat terhadap suhu. Terdapat dua jenis pemberian tegangan pada sambungan p-n yaitu bias maju dan bias mundur seperti ditunjukkan pada Gambar 2.1. Ketika sambungan p-n bias maju dihubungkan dengansumber arus, maka terjadi beda potensial pada kedua sambungan. Beda potensial atau tegangan yang dihasilkan berbanding lurus dengan perubahan suhu(Suryono, 2018).<br />
<br />
[[File:wisnu.png|500px|center|]]<br />
<br />
<br />
<br />
'''Thermoelectric'''<br />
<br />
Modul thermoelectric khas dibuat menggunakan dua buah keramik berbentuk wafer dengan jenis bahan semikonduktor bismuth telluride P dan N yang diapit di antara keduanya seperti yang ditunjukkan pada Gambar 2.3. Bahan keramik di kedua sisi dari thermoelectric berfungsi untuk pelindung dan sebagai isolator listrik yang diperlukan. Bahan tipe-N memiliki kelebihan elektron, sementara bahan tipe-P membutuhkan elektron. Bahan P dan N membentuk pasangan, seperti yang ditunkjukan pada Gambar 2.3. Pasangan thermoelectric dipasang secara seri dan termal sejajar. Modul thermoelectric dapat berisi satu sampai beberapa ratus pasangan. Saat elektron bergerak dari bahan tipe-P ke bahan tipe-N melalui konektor listrik, elektron beralih ke keadaan energi yang lebih tinggi dan menyerap energi panas (sisi dingin) (Manikandan dkk., 2017).<br />
<br />
<br />
[[File:dewawisnuganteng.png|500px|center|]]<br />
<br />
<br />
<br />
<br />
<br />
==== BAB III ====<br />
<br />
Sistem pengendalian yang saya pakai adalah menggunakan mobile phone, jadi pada penyetingan set point pada PID menggunakan apliaksi mobile bebasis bluetooth<br />
<br />
<br />
[[File:bismillahadajalan.png|500px|center|]]<br />
<br />
Selanjut nya pada sistem kerja dari alat ini menggunakan sistem PID untuk mengatur kecepatan dari driver motor untuk mengatur suhu, jika suhu tidak sesuai dengan yang diinginkan maka kecepatan kipas akan terus bertambah.<br />
<br />
<br />
[[File:PIDBROH.png|500px|center|]]<br />
<br />
<br />
Hasil rancang bangun dari alat pendingin ditunjukan pada gambar dibawah ini<br />
<br />
<br />
[[File:celenganrindu.jpg|500px|center|]]<br />
<br />
Pembuatan interface untuk memasukkan data set point pada aplikasi mobile<br />
<br />
[[File:interface.png|500px|center|]]<br />
<br />
Pembuatan interface untuk mencari device bluetooth pada device-device sekitar<br />
<br />
[[File:tampilan2.png|500px|center|]]<br />
<br />
==== BAB IV ====<br />
<br />
Hasil data dari kalibrasi sensor suhu dengan alat ukur standart SNI <br />
<br />
<br />
[[File:akad.png|500px|center|]]<br />
<br />
<br />
Data PID setelah melakukan trial and error mendapatkan nilai Kp Kd Ki <br />
<br />
<br />
[[File:bismillahwisnudata.png|500px|center|]]<br />
<br />
=== '''Laporan Optimasi Energi''' ===<br />
<br />
<br />
Grafik Pada Minggu Pertama<br />
<br />
<br />
<br />
[[File:bersyukurlah.png|500px|center|]]<br />
<br />
[[File:gambarsatu.png|500px|center|]]<br />
<br />
<br />
[[File:semuaudahadarezekinya.png|500px|center|]]<br />
<br />
<br />
<br />
[[File:janganngeluhterus.png|500px|center|]]<br />
<br />
Gambar yang ditunjukan dengan menggunakna aplikasi sypder menunjukkan nilai x, nilai tersebut merupakan nilai minimum atau optimum dari persamaan yang telah dibuat dengan menggunakan excel<br />
<br />
<br />
Revisi Projek tugas komputasi teknik <br />
<br />
Pada kesempatan kali ini saya menggunakan case baru untuk menyelesaikan draft paper mata kuliah komputasi teknik <br />
<br />
Hal ini dikarenakan, ketertarikan penulis untuk mengangkat tema ini <br />
<br />
==Refisi draft paper==<br />
<br />
<br />
<br />
Beberapa contoh data dari nasabah yang dihasilkan untuk mengetahui apakah nasabah ingin meninggalkan bank dari data - data pribadi mereka, <br />
seperti lama mereka menggunakan jasa bank ini, jumlah tabungan mereka, kemudian umur mereka, dan dari pria atau wanita <br />
<br />
<br />
[[File:22 April 2020 5.png || 700px]]<br />
<br />
Pertama data yang berada dalam format csv dimasukan ke dalam pemograman python dengan maka akan muncul tampilan seperti diatas, ataua kerap<br />
disebut sebagai dataframe, setelah dataframe terbentuk maka dataframe tersebut di pecah - pecah atau dikelompokkan mana yang bisa digunakan untuk <br />
independent variable atau tidak <br />
<br />
<br />
<br />
[[File:22 April 2020 1.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 2.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 3.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 4.png || 700px]]<br />
<br />
<br />
methode dari draft paper ini adalah : <br />
<br />
'''mengguankan machine learning''' <br />
<br />
Pembelajaran mesin (ML) adalah studi tentang algoritma komputer yang meningkat secara otomatis melalui pengalaman. [1] Itu dilihat sebagai bagian dari kecerdasan buatan. Algoritma pembelajaran mesin membangun model matematika berdasarkan data sampel, yang dikenal sebagai "data pelatihan", untuk membuat prediksi atau keputusan tanpa diprogram secara eksplisit untuk melakukannya. [2] [3]: 2 Algoritma pembelajaran mesin digunakan dalam berbagai berbagai aplikasi, seperti penyaringan email dan visi komputer, di mana sulit atau tidak layak untuk mengembangkan algoritma konvensional untuk melakukan tugas-tugas yang diperlukan.<br />
<br />
Pembelajaran mesin terkait erat dengan statistik komputasi, yang berfokus pada membuat prediksi menggunakan komputer. Studi tentang optimasi matematika memberikan metode, teori dan domain aplikasi ke bidang pembelajaran mesin. Penambangan data adalah bidang studi terkait, dengan fokus pada analisis data eksplorasi melalui pembelajaran tanpa pengawasan.<br />
<br />
'''Realsi terhadap optimasi'''<br />
<br />
Pembelajaran mesin juga memiliki ikatan intim dengan optimisasi: banyak masalah pembelajaran dirumuskan sebagai minimalisasi beberapa fungsi kerugian pada serangkaian contoh pelatihan. Fungsi kerugian menyatakan perbedaan antara prediksi model yang sedang dilatih dan contoh masalah yang sebenarnya (misalnya, dalam klasifikasi, seseorang ingin menetapkan label pada instance, dan model dilatih untuk memprediksi dengan benar label yang telah ditetapkan sebelumnya dari sekumpulan contoh). Perbedaan antara dua bidang muncul dari tujuan generalisasi: sementara algoritma optimasi dapat meminimalkan kerugian pada set pelatihan, pembelajaran mesin berkaitan dengan meminimalkan kerugian pada sampel yang tidak terlihat. <br />
<br />
'''Relasi terhadap statistik'''<br />
<br />
Pembelajaran mesin dan statistik adalah bidang yang terkait erat dalam hal metode, tetapi berbeda dalam tujuan utamanya: statistik menarik kesimpulan populasi dari sampel, sementara pembelajaran mesin menemukan pola prediksi yang dapat digeneralisasikan. Menurut Michael I. Jordan, gagasan pembelajaran mesin, mulai dari prinsip metodologis hingga alat teoretis, telah memiliki pra-sejarah panjang dalam statistik. [22] Dia juga menyarankan istilah ilmu data sebagai pengganti untuk menyebut bidang keseluruhan. <br />
<br />
Leo Breiman membedakan dua paradigma pemodelan statistik: model data dan model algoritmik, [23] di mana "model algoritmik" berarti kurang lebih algoritma pembelajaran mesin seperti hutan acak.<br />
<br />
Beberapa ahli statistik telah mengadopsi metode dari pembelajaran mesin, yang mengarah ke bidang gabungan yang mereka sebut pembelajaran statistik. <br />
<br />
<br />
'''Teori'''<br />
<br />
Tujuan inti seorang pelajar adalah untuk menggeneralisasi dari pengalamannya. Generalisasi dalam konteks ini adalah kemampuan mesin pembelajaran untuk melakukan secara akurat pada contoh / tugas baru yang tidak terlihat setelah mengalami kumpulan data pembelajaran. Contoh-contoh pelatihan berasal dari beberapa distribusi probabilitas yang umumnya tidak diketahui (dianggap mewakili ruang kejadian) dan pelajar harus membangun model umum tentang ruang ini yang memungkinkannya menghasilkan prediksi yang cukup akurat dalam kasus-kasus baru.<br />
<br />
Analisis komputasi algoritma pembelajaran mesin dan kinerjanya adalah cabang ilmu komputer teoretis yang dikenal sebagai teori pembelajaran komputasi. Karena set pelatihan terbatas dan masa depan tidak pasti, teori pembelajaran biasanya tidak menghasilkan jaminan kinerja algoritma. Sebaliknya, batasan probabilistik pada kinerja cukup umum. Dekomposisi bias-varians adalah salah satu cara untuk mengukur kesalahan generalisasi.<br />
<br />
Untuk kinerja terbaik dalam konteks generalisasi, kompleksitas hipotesis harus sesuai dengan kompleksitas fungsi yang mendasari data. Jika hipotesis kurang kompleks dari fungsi, maka model memiliki data yang sesuai. Jika kompleksitas model meningkat dalam respons, maka kesalahan pelatihan berkurang. Tetapi jika hipotesisnya terlalu kompleks, maka modelnya akan mengalami overfitting dan generalisasi akan menjadi lebih buruk. <br />
<br />
Selain batas kinerja, ahli teori belajar mempelajari kompleksitas waktu dan kelayakan belajar. Dalam teori pembelajaran komputasi, perhitungan dianggap layak jika dapat dilakukan dalam waktu polinomial. Ada dua jenis hasil kompleksitas waktu. Hasil positif menunjukkan bahwa kelas fungsi tertentu dapat dipelajari dalam waktu polinomial. Hasil negatif menunjukkan bahwa kelas-kelas tertentu tidak dapat dipelajari dalam waktu polinomial.<br />
<br />
<br />
<br />
<br />
==== '''metode machine learning ada beberapa tipe nya berikut penjelasan mengenai teori machine learning :''' ====<br />
<br />
<br />
1. Suppport Vector Machine (SVMs)<br />
<br />
Support vector Machines (SVMs) adalah algoritma pembelajaran mesin yang diawasi yang fleksibel namun kuat yang digunakan baik untuk klasifikasi dan regresi. Tetapi umumnya, mereka digunakan dalam masalah klasifikasi. Pada 1960-an, SVM pertama kali diperkenalkan tetapi kemudian disempurnakan pada tahun 1990. SVM memiliki cara implementasi yang unik dibandingkan dengan algoritma pembelajaran mesin lainnya. Akhir-akhir ini, mereka sangat populer karena kemampuan mereka untuk menangani beberapa variabel kontinu dan kategorikal.<br />
<br />
<br />
Dalam praktiknya, algoritma SVM diimplementasikan dengan kernel yang mengubah ruang data input ke dalam formulir yang diperlukan. SVM menggunakan teknik yang disebut trik kernel di mana kernel mengambil ruang input dimensi rendah dan mengubahnya menjadi ruang dimensi yang lebih tinggi. Dengan kata-kata sederhana, kernel mengubah masalah yang tidak dapat dipisahkan menjadi masalah yang dapat dipisahkan dengan menambahkan lebih banyak dimensi ke dalamnya. Itu membuat SVM lebih kuat, fleksibel dan akurat. Berikut ini adalah beberapa jenis kernel yang digunakan oleh SVM.<br />
<br />
<br />
Linear Kernel <br />
<br />
Ini dapat digunakan sebagai produk titik antara dua pengamatan. Rumus kernel linear adalah sebagai berikut<br />
<br />
Metode yang digunakan <br />
<br />
pada penelesaian masalah ini saya menggunakana beberapa engone dari python untuk melakuakn machine learning yakni '''sklearn''' dan '''tensor flow''', berikut penjelasan masing masing metode nya :<br />
<br />
ini adalah struktur skrip dari '''sklearn.prepocessing''' <br />
<br />
class sklearn.preprocessing.OneHotEncoder(*, categories='auto', drop=None, sparse=True, dtype=<class 'numpy.float64'>, handle_unknown='error')[source]<br />
<br />
kenapa class ini digunakan karena machine leraning tidak bisa memproses selain angka, tapi pada kasus ini saya menggunakan nama, umur dan beberapa proses yang menggunakan tipe string(kata - kata)<br />
sehigga sulit untuk di klasifikasikan.<br />
<br />
'''maka dari itu metode ini dapat digunakan.'''<br />
<br />
'''One Hot Encoding adalah :''' reperentasi kategori variabel dalam vektor biner. <br />
<br />
Pertama nilai dari proses ini dipetakan dala nilai integer (nilai angka yang benilai bilangan bulat, tidak memiliki nilai koma)<br />
<br />
Lalu, setiap nilai yang berbentuk integer ini direpresentasikan sebagai vektor biner yang semua nya bernilai nol kecuali yang terindeks integer, yang di tandai 1.<br />
<br />
Paper yang digunakna untuk metode sckit learning adalah :<br />
<br />
== Quis II, 6 April 2020 ==<br />
<br />
<br />
Assalamualaiakum Beerikut adalah link dari Quis 2<br />
Wisnu Indrawan <br />
1906433745<br />
<br />
https://drive.google.com/drive/folders/17z_x1nPTXBtnZl_PVhXRBZXdK5Wy0GMx?usp=sharing<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan Tanggal : Senin, 13 April 2020 ==<br />
<br />
<br />
<gallery mode="slideshow"><br />
File:Wisnu 12346798.png<br />
File:Wisnu 123467989.png<br />
File:Wisnu 12346798910.png<br />
File:Wisnu 12346798435435.png<br />
File:Wisnu 1234679843fdsaf4.png<br />
</gallery><br />
<br />
== Resume Pertemuan tanggal : Senin, 20 April 2020 ==<br />
<br />
<br />
<gallery mode="slideshow"><br />
<br />
<br />
File:qwerwqerqwerq_caseII_1.png<br />
File:qwerwqerqwerq_caseII_2.png<br />
File:24-04-2020-1-tugas komtek.png<br />
File:2020-04-24 23 12 57-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 22-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:hasil-24-04-2020.png<br />
File:2020-04-24 23 47 29-Book1 - Excel.png<br />
</gallery><br />
<br />
<br />
Penggunaan aplikasi python untuk mencari ann pada kasus ini terdapat perbedaan, untuk penggunaan matlab untuk mencari nilai ann pada aplikasi ini menggunakan nntool <br />
<br />
<br />
'''nntool''' <br />
<br />
[[File:nntoolwisnu.png||400px]]<br />
<br />
== Resume Pertemuan tanggal : Senin, 27 April 2020 ==<br />
<br />
1. Pemahaman terkait prinsip dan konsep komputasi teknik<br />
<br />
2. Penerapan konsep dan skill dalam komputasi teknik<br />
<br />
3. Lebih mengenal diri<br />
<br />
Dari 3 point diatas disampaikan via zoom dengan cara sebagai berikut:<br />
<br />
a. show your contributions<br />
<br />
b. your understanding<br />
<br />
c. your skill<br />
<br />
== Resume Pertemuan tanggal : Senin, 04 Mei 2020 ==<br />
<br />
<br />
<br />
- Pemahaman terkait prinsip dan konsep komputasi teknik<br />
<br />
- Penerapan konsep dan skill dalam komputasi teknik<br />
<br />
- Lebih mengenal diri baik individu maupun kelompok/ kelas<br />
<br />
Intisaru dari evaluasi diri ini adalah :<br />
<br />
- show your contributions<br />
<br />
- your understanding<br />
<br />
- your skkill<br />
<br />
== Resume Pertemuan tanggal : Senin, 11 Mei 2020 ==<br />
<br />
<br />
Pada pertemuan tanggal 11 Mei 2020 terdapat pembahasan selanjut nya pada pertemuan minggu lalu mengnai pressure drop. Pada pembahsan pada grup whatshap mengenai tentang pendapat individu mengenai kasus pressure drop dan di bahas kemabli dalam grup Komputasi Teknik via whatshapp. Diharapkan pada pembahasan ini secara personal memahami cases Basic Mechanics dan menjadi kewajiban bagi setiap mahsiwa menyatakan analisa pribadi terkait kasus tersebut. <br />
<br />
Berikut Hasil dari pembahasan kasus tersebut : <br />
<br />
<gallery mode="slideshow"><br />
File:WhatsApp Image 2020-05-12 at 19.30.27.jpeg<br />
File:WhatsApp Image 2020-05-11 at 09.41.12.jpeg<br />
File:WhatsApp Image 2020-05-12 at 16.50.43.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.51.38.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.53.29.jpeg<br />
</gallery><br />
<br />
<br />
<br />
'''Azikri '''<br />
<br />
sedikit tambahan terkait hal di atas, bahwa pada dasarnya aliran fluida dalam pipa akan mengalami penurunan tekanan atau pressure drop seiring dengan <br />
panjang pipa ataupun disebabkan oleh gesekan dengan permukaan<br />
saluran, dan juga ketika aliran melewati sambungan pipa, belokan, katup, difusor, dan sebagainya.<br />
Disisi lain, prinsip dasar persamaan kontinuitas juga jadi landasan dimana massa tidak dapat diciptakan dan<br />
tidak dapat dimusnahkan, sehingga massa dalam suatu sistem yang konstan dapat dinyatakan dengan rumus : rho.A.v=m<br />
<br />
atau Jika aliran fluida bersifat incompressible dan steady flow, maka persamaan menjadi : Q=A.v<br />
<br />
Singkatnya dr persmaan pertama bahwa pressure drop berbanding terbalik dengan D, dan begitu halnya dengan persamaan 2 tegangan geser berbanding <br />
terbalik dg A<br />
<br />
'''Adhika '''<br />
<br />
- Gaya Masuk - Gaya Geser Total = Gaya Keluar<br />
- Gaya Geser Total = Gaya Masuk - Gaya Keluar<br />
- Gaya Geser Total = P1.A - P2.A <br />
- Gaya Geser Total = dp . Luas Area Pipa<br />
Shear Stress . Luas Selimut = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(Luas Area Pipa . L. pi . 4) = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(L. pi . 4) / sqrt(Luas Area Pipa) = dp<br />
<br />
Kesimpulan:<br />
Luas Area Pipa semakin besar maka dp akan semakin kecil<br />
<br />
<br />
'''Jerry '''<br />
<br />
Ketika nilai A membesar, maka nilai D secara langsung juga membesar karena A merupakan fungsi D; A(D). <br />
<br />
Dari persamaan pressure drop, terlihat bahwa nilai D berbanding terbalik dengan nilai deltaP. <br />
<br />
Hal ini akan mengimplikasikan bahwa semakin besar nilai D, maka semakin kecil nilai deltaP<br />
<br />
'''Dessy'''<br />
<br />
Sederhananya jika dilihat dari persamaan untuk Pressure Drop maka sudah cukup jelas dalam menjawab pertanyaan mengapa ketika luas area (A) diperbesar <br />
menyebabkan nilai pressure drop yang menurun, dimana <br />
<br />
dP = f L rho V^2 / 2 D<br />
<br />
Dari persamaan diatas terlihat bahwa nilai diameter (pengaruhnya terhadap luas area) berbanding terbalik dengan nilai pressure loss dP.<br />
<br />
Tambahan juga jika dilihat dari nilai kecepatan (disini saya menggunakan analogi aliran fluida dalam pipa), secara logika apabila nilai luas <br />
penampang A diperbesar maka nilai kecepatan akan semakin kecil, sesuai dengan persamaan yang telah dijelaskan oleh saudara Dieter sebelumnya.<br />
<br />
Maka jika kembali ke persamaan pressure drop sesuai analogi ini, A yang besar akan menyebabkan nilai V menurun, akibatnya nilai dP pun akan menurun.<br />
<br />
Dari sini dapat disimpulkan bahwa semakin besar nilai diameter D, yang menghasilkan nilai area A yang semakin besar pula, menghasilkan nilai pressure <br />
drop dP yang semakin kecil.<br />
<br />
'''Muhammad Gumilar'''<br />
<br />
Ada hal menarik disini, dari beberapa yang saya perhtikan dari beberapa pendapat teman-teman, pengaruh dari adanya luasan atau diameter pipa akan <br />
mempengaruhi keepatan alir didalam pipa , sesuai dengan hukum kontinuitas. Berkaitan dengan hal ini, saya mencerna bahwa bisa saja sebenarnya jika <br />
kita membandingkan dua hal yang mana, dua buah pipa dengan diameter yang berbeda akan tetepa memiliki kecepatan aliran rata-rata yang sama, yang <br />
mana berarti kedua debit aliran dari pipa ini berbeda. Namun yang dititikberatkan pada pembahasannya adala, kenapa berdasarkan rumus pressure loss, <br />
apabila diameter membesar, maka pressure drop akan berkurang. Sedangkan dari persamaan yang lain, kita kethaui bahwa gaya gesek akibat adanya <br />
tegangan geser akan meningkat karena persamaannya adalah F=thow * A. <br />
<br />
Kebingunga dari mahasiswS1 tersebut menurut saya adalah pemahaman beliau yang tidak komprehensif terhadap kosnep pressure drop. Memang, pressure drop <br />
itu berhubungan erat dengan adanya gesekan viscous antara fluida dengan dinding pipa. Akan tetapi, ada hal penting yang dilupakan oleh sang mahasiswa <br />
S! tersebut, yaitu bahwa perbesaran diameter dari pipa juga akan mengakibatkan tegangan geser yang terjadi. Secara sederhana, sepemahaman saya, <br />
tegangan geser itu berbanding lurus dengan gradient kecepatan aliran fluida di sepanjang pipa, yaitu du/dy. Nah, apabila, dengan kecepatan rata-rata <br />
yang sama, diameter pipa semakin besar, maka gradient kecepatan di sepanjang pipa akan berkurang karena pengaruh gaya viscous antara dinding dan <br />
fluida juga semain berkurang. Oleh karena itu, pressure Drop yang terjadi juga akan semakin berkurang. Semoga bermanfaaat semua eheheheh<br />
<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan tanggal : Senin, 18 Mei 2020 ==<br />
<br />
Pada pertemuan kali ini membahas materi minggu lalu dan saya ingin menjelaskan lagi terkait tentang friction loss, berikut penjelasan nya <br />
<br />
Dalam aliran fluida, kehilangan gesekan (atau gesekan kulit) adalah hilangnya tekanan atau "head" yang terjadi pada pipa atau aliran saluran karena efek viskositas fluida di dekat permukaan pipa atau saluran. [1] Dalam sistem mekanis seperti mesin pembakaran internal, istilah ini mengacu pada daya yang hilang dalam mengatasi gesekan antara dua permukaan yang bergerak, sebuah fenomena yang berbeda.</div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=File:Nntoolwisnu.png&diff=35959File:Nntoolwisnu.png2020-06-07T16:05:38Z<p>Wisnu indrawan: Wisnu indrawan uploaded a new version of File:Nntoolwisnu.png</p>
<hr />
<div></div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=File:Nntoolwisnu.png&diff=35958File:Nntoolwisnu.png2020-06-07T16:05:12Z<p>Wisnu indrawan: </p>
<hr />
<div></div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=Wisnu_indrawan&diff=35957Wisnu indrawan2020-06-07T16:04:30Z<p>Wisnu indrawan: /* Resume Pertemuan tanggal : Senin, 20 April 2020 */</p>
<hr />
<div><br />
<br />
----<br />
<br />
== '''Biodata Diri :''' ==<br />
<br />
----<br />
<br />
<br />
[[File:wisnu.jpg|200px|thumb|left|Watashinonamaeha wisnu ndes ]]<br />
<br />
*Nama : Wisnu Indrawan <br />
<br />
*NPM : 1906433745<br />
<br />
*Jurusan : Teknik Mesin<br />
<br />
*Institusi : Universitas Indonesia<br />
<br />
*Penjuruan : SUBAK (Sistem Utilitas Bangunan)<br />
<br />
*Email : wisnu.indrawan@ui.ac.id<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Istilah - Istilah Teknik''' ==<br />
<br />
<br />
'''1. Clustering ''' <br />
<br />
*clustering adalah teknik machine learning berupa algoritma pengelompokkan objek-objek data berjumlah N menjadi <br />
kelompok-kelompok data tertentu (cluster)<br />
<br />
*Objek data yang beada dalam satu kelompok / cluster harus memiliki kemiripan <br />
<br />
*Semakin banyak data yang diperoleh sama dnegan semakin akurat hasil yang di dapatkan <br />
<br />
*Clustering merupakan salah satu jenis dari algoritma unsupervised learining, algoritma <br />
yang bertujuan untuk mempelajari dan menemukan pola dari suatu input yang diberikan tanpa menggunuakan label <br />
<br />
*Dengan penggunaan supervised learning, maka beberapa hal berikut ini dapat dilakukan <br />
<br />
'''1.''' Search: Membandingkan antar dokumen, gambar atau suara untuk menampilkan item serupa. <br />
<br />
'''2.''' Deteksi anomali: Mendeteksi perilaku yang tidak biasa yang biasanya berhubungan dengan hal-hal yang ingin dicegah atau dideteksi, seperti contoh penipuan. <br />
<br />
<br />
Selain itu teknik clustering terdapat beberapa algoritma di dalam nya yang akan dijelaskan istilah nya pada bagian bawah ini : <br />
<br />
<br />
<br />
'''2. K-Means Clustering'''<br />
<br />
*Tentukan jumlah cluster <br />
<br />
*alokasikan data ke dalam cluster secara rancodm <br />
<br />
*hitung centroid/rata-rata dari data yang ada di masing-masing cluster <br />
<br />
*alokasikan masing masing data ke centroid/data-data terdekat <br />
<br />
*kembali ke step 3, apabila masih ada data yang berpindah cluster atau apabila <br />
perubahan nilai centroid, ada yang di atas nilai threshold yang ditentikan atau apabila <br />
perubahan nilai pada objective function yang digunakan di atas nilai threshold yang ditentukan<br />
<br />
<br />
'''3. Mean-Shift Clustering<br />
'''<br />
*Untuk mejelaskan mean-shift, kita ilustrasikan sekumpulan titik dalam ruang <br />
dua dimensi <br />
<br />
*kita mulai dengan circular sliding window yang berpusat pada titik C(dipilih secara acak)<br />
dan memiliki jadi-jadir r sebagai kernel. Mean shift adalah algoritma yang melakukan pergeseran kernel ini secara iteratif <br />
ke daerah kepadatan yang lebih tinggi pada setiap langkah hingga konvegensi.\<br />
<br />
*pada setiap iterasi, sliding window digeser ke arah daerah dengan kepadatan lebih tinggi dengan menggeser titik tengahnya. kepadatan pada sliding window sebanding dengan jumlah tiitk di dalamnya <br />
<br />
*terus melakuakn pergeseran pada sliding window sesuai dengan rata -rata sampai tidak ada arah di mana pergeseran dapat mengakomondasikan lebih banyak titik di dalam kernel (tidak lagi meningkatkan densitas/jumlah titik di window)<br />
<br />
*langkah 1 hingga 3 ini dilakukan dengan banyak sliding window sampai semua titik terletak di dalam window. Ketika beberapa window saling berumpang tindih, window yang berisi titik terbanyak akan dipertahankan. Objek data kemudian dikelompokkan sesua dengan sliding window tempat mereka berada.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-1 ''', (Senin, 03 Februari 2020), Muhasabah ==<br />
<br />
<br />
----<br />
<br />
<br />
'''Muhasabah Diri :''' <br />
<br />
'''Muhasabah adalah''' : sesuatu hal yang perlu dan menjadikannya sebuah kebutuhan dalam tiap-tiap diri manusia, di dalam agama Islam, muhasabah sangatlah dianjurkan karena jika muhasabah bisa dijalankan dengan baik akan memberi banyak manfaat baik yang akan di dapatkan di dunia maupun diakhirat kelak.<br />
<br />
'''Pada pertemuan pertama kami mempelajari apa makna dari komputasi teknik :'''<br />
<br />
'''a. Definisi Komputasi'''<br />
<br />
Komputasi : setulnya bisa diartikan sebagai cara untuk menemukan pemecahan masalah dari data input dengan menggunakan suatu algoritme. Hal ini ialah apa yang disebut dengan teori komputasi, suatu sub-bidang dari ilmu komputer dan matematika. Selama ribuan tahun, perhitungan dan komputasi umumnya dilakukan dengan menggunakan pena dan kertas, atau kapur dan batu tulis, atau dikerjakan secara mental, kadang-kadang dengan bantuan suatu tabel. Namun sekarang, kebanyakan komputasi telah dilakukan dengan menggunakan komputer.<br />
<br />
Komputasi ilmiah dan numerik adalah bidang booming dalam penelitian, teknik, dan analitik. Revolusi dalam industri komputer selama beberapa dekade terakhir telah menyediakan alat baru dan kuat untuk praktisi komputasi. Ini telah memungkinkan usaha komputasi dari skala dan kompleksitas yang sebelumnya tidak pernah terjadi sebelumnya. Akibatnya, semua bidang dan industri bermunculan. Perkembangan ini masih berlangsung, dan ini menciptakan peluang baru seiring dengan meningkatnya perangkat keras, perangkat lunak, dan algoritme. Pada akhirnya, teknologi yang memungkinkan untuk gerakan ini adalah perangkat keras komputasi yang kuat yang telah dikembangkan dalam beberapa dekade terakhir. Namun, untuk seorang praktisi komputasi, lingkungan perangkat lunak yang digunakan untuk pekerjaan komputasi sama pentingnya dengan, jika tidak lebih penting daripada, perangkat keras di mana perhitungan dilakukan.<br />
<br />
'''b. Current state of knowledge'''<br />
<br />
Knowledge i have learned in master amount of application and I just know it in master degree, and this is application I had to learn in master degree, first is lab view, I use it for measure temperature in contactor, so I know the temperature at inlet and outlet, second is REFROP this application helped me to know enthalpy in refrigerant, is superheated or subcool, third but not last is CFD-SOF with this application I can calculate velocity of fluid at an object, for example, is I calculated velocity in planar plate, internal flow pipe, and so on. <br />
<br />
'''c. Pengalaman Komputasi Teknik'''<br />
<br />
Untuk pengalaman saya menggunakan komputasi sudah ada beberapa, seperti CFD SOF dan beberapa bahasa pemograman, tetapi di era data scientist sekarang banyak yang sedang menggunakan bahasa python untuk menjadi bahasa pemograman mereka, hal ini dikarekan python merupakan bahasa pemograman open source (gratis) dan mudah di gunakan untuk pemula, berikut dasar - dasar menggunakan bahsa python :<br />
<br />
'''c.1 Pengenalan Komputasi Menggunakan Python'''<br />
<br />
Python adalah bahasa pemrograman tingkat tinggi yang diartikan untuk keperluan umum yang banyak digunakan dalam komputasi ilmiah dan teknik. Pertama dan terpenting, Python terkenal dengan sintaks code yang bersih dan mudah dibaca. Pembacaan kode yang baik meningkatkan pemeliharaan, yang secara umum menghasilkan lebih sedikit bug dan aplikasi yang lebih baik secara keseluruhan, tetapi juga memungkinkan pengembangan kode yang cepat. Dalam pemecahan masalah komputasi, tentu saja, penting untuk mempertimbangkan kinerja algoritma dan implementasinya. Sementara kinerja runtime terbaik dapat dicapai dalam bahasa pemrograman tingkat rendah seperti fortran dan C, bekerja dalam bahasa tingkat tinggi seperti Python biasanya mengurangi waktu pengembangan dan seringkali menghasilkan kode yang lebih fleksibel dan dapat diperluas.<br />
<br />
'''c.2 Environement Untuk Komputasi Dengan Python''' <br />
<br />
Ada beberapa environtment berbeda yang dapat digunakan Python untuk komputasi ilmiah dan teknis. Keragaman ini memiliki kelebihan dan kekurangan dibandingkan dengan lingkungan yang didukung. Dalam produk komputasi memiliki keanekaragaman menyediakan fleksibilitas dan dinamika yang cocok untuk spesialisasi untuk kasus penggunaan tertentu. Di sini saya memberikan orientasi lingkungan umum untuk komputasi ilmiah. Contoh 3 GUI yang digunakan untuk menjalankan python adalah :<br />
<br />
'''c.2.1. IPython'''<br />
<br />
IPython merupakan sebuah console yang dapat dijalankan secara interaktif. Secara bersama dengan text editor untuk menuliskan code, menyediakan yang ringan untuk dikembangkan .<br />
<br />
'''c.2.2. The Jupyter Notebook'''<br />
<br />
Merupakan aplikasi web di mana kode Python dapat ditulis dan dieksekusi melalui browser web. Environtment ini sangat bagus untuk komputasi numerik, analisis, dan penyelesaian masalah, karena memungkinkan seseorang untuk mengumpulkan code, output yang dihasilkan oleh code, dokumentasi teknis terkait, dan analisis dan interpretasi, semuanya dalam satu dokumen.<br />
<br />
'''c.2.3. Spyder'''<br />
<br />
Integrated Development Environment, yang dapat digunakan untuk menulis dan menjalankan kode Python secara interaktif. IDE seperti Spyder adalah alat yang dapat diguankan untuk mengembangkan library dan modul Python yang bisa digunakan kembali<br />
<br />
'''c.2.4. Interpreter'''<br />
<br />
Cara standar untuk mengeksekusi kode Python adalah menjalankan program secara langsung melalui interpreter Python. Pada kebanyakan sistem, interpreter Python dipanggil menggunakan perintah python. Ketika Python file source diperintahkan sebagai argumen untuk perintah ini, kode Python dalam file tersebut dijalankan.<br />
<br />
$ python hello.py<br />
<br />
Hello from Python!<br />
<br />
Di sini file hello.py berisi satu baris:<br />
<br />
print("Hello from Python!")<br />
<br />
Untuk melihat versi Python mana yang diinstal, seseorang dapat menjalankan perintah python dengan argumen --version:<br />
<br />
$ python –version<br />
<br />
Python 3.6.5<br />
<br />
Adalah umum untuk menginstal lebih dari satu versi Python pada sistem yang sama. Setiap versi Python memelihara kumpulan perpustakaannya sendiri dan menyediakan perintah penerjemahnya sendiri (sehingga setiap lingkungan Python dapat menginstal perpustakaan yang berbeda). Pada banyak sistem, versi tertentu dari juru bahasa Python tersedia melalui perintah seperti, misalnya, python2.7 dan python3.6. Dimungkinkan juga untuk mengatur lingkungan python virtual yang independen dari lingkungan yang disediakan sistem. Ini memiliki banyak keuntungan dan saya sangat menyarankan untuk membiasakan diri dengan cara ini bekerja dengan Python. Lampiran A memberikan perincian tentang cara mengatur dan bekerja dengan lingkungan semacam ini.<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-2 : ''' (Senin, 10 Februari 2020), Sinopsis Tuga Akhir ==<br />
<br />
<br />
----<br />
<br />
<br />
'''a. Menjelaskan Sinopsis Tugas Akhir''' <br />
<br />
JUDUL : <br />
<br />
Sistem Pendingin Mengguankan Thermo Electric Cooler dengan Controller Propotional - Integral Derivative<br />
<br />
SINOPSIS : <br />
<br />
Pendinginan merupakan salah satu proses yang dapat digunakan untuk berbagai macam penggunaan, antara lain untuk menjaga produk industri makanan dan produk medis seperti obat-obatan dan vaksin. Proses pendinginan sekarang masih menggunakan teknologi pengawetan berbasis kompresi menggunakan gas pendingin. Tipe gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannya dan tipe R600a memiliki COP yang lebih rendah. Penelitian ini bertujuan merancang perangkat keras dan perangkat lunak yang dapat diaplikasikan pada pendingin termoelektrik, dengan merancang sebuah alat yang digunakan untuk sistem lemari pendingin menggunakan Thermoelectric Cooler (TEC) dan mendapatkan nilai COP yang tinggi. Sistem dibangun dengan kontroler Proportional Integral Derivative (PID). Sistem ini menggunakan beberapa alat antara lain, sensor suhu, Transistor tipe TIP31, modul bluetooth, kipas, dan mikrokontroler ATSAM3X8E. Pengendalian suhu dilakukan dengan membandingkan set-point suhu yang diinginkan dengan suhu dari sensor. Dari penelitian ini diperoleh hasil bahwa semakin besar nilai tegangan yang diberikan maka semakin besar pula besar nilai Pulse Wave Modulation (PWM) yang dihasilkan. Semakin tinggi nilai besar PWM, semakin cepat penurunan suhu pada kotak pendingin. Dari beberapa pengujian dapat disimpulkan bahwa nilai parameter kontrol proporsional (Kp), parameter kontrol integral (Ki), dan nilai parameter kontrol deferensial (Kd ), dimana pada nilai Kp = 255, Ki = 100, dan Kd = 200 mendapatkan grafik yang lebih stabil dan mendekati nilai set-point, dengan nilai error sebesar 2,86 %.<br />
<br />
<br />
'''b. Perbedaan deterministik dan stokastik'''<br />
<br />
b.1 deterministik adalah sesuatu yang pasti akan terjadi. <br />
<br />
b.2 stokastik adalah Stokastik adalah kebolehjadian, atau dengan kata lain sesuatu yang belum terjadi kepastiannya. "Sesungguhnya, Allah tidak akan mengubah nasib suatu kaum, hingga mereka mengubahnya sendiri.." (Q.S. Ar-Ra'd [13] : 11) <br />
<br />
<br />
'''c . Komputasi Teknik pada Tugas Akhir'''<br />
<br />
Tipe tugas akhir saya adalah deteministik. Hal ini dikarenakan nilai dari PID yang saya tentukan pasti. Menurut pendapat saya untuk penerapan komputasi teknik pada tugas akhir saya adalah <br />
<br />
Pada penggunaan fitur controller PID, adalah kemampuan untuk menggunakan tiga tipe kontroller yakni propotional, integral dan derivatif yang mempengaruhi nilai keluaran kontroller untuk dipalikasikan pada nilai yang optimal dari kontroller itu sendiri. <br />
<br />
[[File:PID.png|400px|thumb|left ]]<br />
<br />
Diagram blok yang terdapat pada sebelah kiri menunjukkan bagamimana cara controller ini bekerja. Gambar tersebut menunjukan kontroller PID, yang mana secara kontinu menghitung nilai error e(t) sebagai selisih dari setpoint r(t) dan variabel proses y(t), dan pengaplikasian nya dikoreksi berdasakan propotional, integral, dan derivatif. Kontroller mencoba utnuk meminimalisir error dari lebih nya koreksi kontrol variabel u(t), salah satu contoh nya pengontrolan pada kecepatan kipas, kontrol PID dibutuhkan untuk mengetahui jumlah RPM selanjutnya pada kipas sehingga dapat mendinginkan suatu objek.<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
'''d. Komputasi pada tugas akhir saya kedepan nya'''<br />
<br />
Melakuakn simulasi CFD sederhana untuk melihat aliran fluida di dalam lemari pendingin<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan Ke-3''', (Senin 17-Februari-2020), Presentasi Sinopsis Project Komputasi Teknik ==<br />
<gallery mode="slideshow"><br />
File:PPT_1.png|200px|center|<br />
File:PPT_2.png|200px|center|<br />
File:PPT_3.png|200px|center|<br />
File:PPT_4.png|200px|center|<br />
File:ppt_5.png|200px|center|<br />
</gallery><br />
<br />
----<br />
<br />
== '''Pertemuan ke-4''', (Senin, 24 Februari 2020), Presentasi Model Matematis Project Komputasi Teknik ==<br />
<br />
----<br />
<br />
<br />
<br />
Skema kontrol PID dinamai dari ketiga term pengendalinya, yang kemudian dijumlahkan menjadi variabel manipulasi. Term proporsional, integral, dan derivatif dijumlahkan untuk menghitung keluaran kontroler PID. Dengan mendefinisikan u(t) sebagai keluaran kontroler, bentuk akhir dari algoritme PID adalah:<br />
<br />
<br />
<br />
[[File:Rumus1.png|300px|thumb|center ]]<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Contoh PID pada MATLAB<br />
|-<br />
|'''Jenis'''<br />
|'''Foto'''<br />
|'''Deskripsi'''<br />
|-<br />
! '''Porpotional Integral''' <br />
| [[File:Tilu.png|300px|thumb|left ]] || sys = zpk([],[-1 -1 -1],1); <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Loro.png|300px|thumb|left ]] || <br />
<br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
T_pi_fast = feedback(C_pi_fast*sys,1);<br />
step(T_pi,T_pi_fast)<br />
axis([0 30 0 1.4])<br />
legend('PI','PI,fast')<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Siji.png|300px|thumb|left ]] || <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
[C_pidf_fast,info] = pidtune(sys,'PIDF',1.0)<br />
T_pidf_fast = feedback(C_pidf_fast*sys,1);<br />
<br />
step(T_pi_fast, T_pidf_fast); <br />
<br />
axis([0 30 0 1.4]);<br />
<br />
legend('PI,fast','PIDF,fast');<br />
<br />
sys = zpk([],[-1 -1 -1],1); <br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
S_pi_fast = feedback(sys,C_pi_fast);<br />
S_pidf_fast = feedback(sys,C_pidf_fast);<br />
step(S_pi_fast,S_pidf_fast);<br />
axis([0 50 0 0.4]);<br />
legend('PI,fast','PIDF,fast');<br />
<br />
|-<br />
|}<br />
<br />
----<br />
<br />
<br />
== '''Pertemuan ke-5''', (2 Maret 2020), Quis I ==<br />
<br />
<br />
[[File:Photo 1.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 2.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 3.jpeg|350px|thumb|center ]]<br />
<br />
<br />
<br />
<br />
----<br />
== '''Finite ELement, Finite Diffirent, Finite Volume''' ==<br />
<br />
* '''Pengertian Finite Element :'''<br />
<br />
'''Finite Element :''' menyelesaikan suatu problem dengan cara membagi obyek analisa menjadi bagian-bagian kecil yang terhingga. Bagian-bagian kecil ini kemudian dianalisa dan hasilnya digabungkan kembali untuk mendapatkan penyelesaian untuk keseluruhan daerah. Kata “finite atau terhingga” digunakan untuk menekankan bahwa bagian-bagian kecil tersebut tidak tak terhingga, seperti yang lazim digunakan pada metode integral analitik.<br />
<br />
* '''Pengertian Finite Volume :'''<br />
<br />
'''Finite Volume :''' adalah metode yang digunakna untuk merepresentasikan persamaan diferensial parisial dalam bentuk persamaan algeraic. Didalam metode finite volume, mengintergalkan bagian dari persamaan diferensial parsial ,menggunakan teorema divergensi.<br />
<br />
* '''Pengertian Finite Different :'''<br />
<br />
'''Finite Different :''' adalah diskritisasi yang digunakan untuk menyelesaiakn persamaan diferensial dengan memperkirakan denagn persamaan diferensial yang menggunakan perbedaan yang mendekati derivatif.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Pertemuan ke-6''', Senin 9 Maret 2020, Extended Abstrak ==<br />
<br />
<br />
<br />
Name : Wsinu indrawan<br />
<br />
Title : Fluid Analysis For Mini Fan Refrigerator Using Thermoelectric Cooler <br />
<br />
The cooling is one of the processes can be used for various types of applications, starting from maintaining food industry products and medical products such as drugs and vaccines. The cooling process now still uses compression-based preservation technology using cooling gas. The types of cooling gas used are R134a and R600a. However, the R134a contains HF which has been banned for used, and the R600a contains HF gas which can reduce the ozone layer. In addition, a single fan compressor system that uses cooling gas in a steam compressor has difficulties in regulating the temperature of the target compartment. Based on this, an alternative cooling technology is needed. Thermoelectric cooler (TEC) is an alternative cooling technology, because TEC has advantages such as small size, lower noise and vibration, easier in temperature regulation, low maintenance requirements, can absorb heat using the principle of heat difference so that in addition to being able to the cooler can also be a heater, and besides that it can be turned on with a DC current. Obtained a solution in the form of cooling using a thermoelectric cooler, using a fan in the refrigerator.The current research examines the application of CFD (Computational Fluid Dynamic) to analyze the flow of wind into the refrigerator. Use the existing CFD analyst application. To analyze the flow of fluid entering the refrigerator, it is simplified for this refrigerator, by cutting the inside of the refrigerator. So that the incoming fluid flow can be reviewed, from the incoming air velocity can be analyzed with a simple correlation to the wind speed generated with existing pwm. It is expected that from this research, researchers can find out the wind phenomenon that is in the refrigerator so that it can be used for further research.<br />
<br />
<br />
<br />
<br />
[[File:G1.png|400px|thumb|center ]]<br />
<br />
[[File:test1.png|400px|thumb|center ]]<br />
<br />
== '''Optimasi Energi Pada Manusia''' ==<br />
<br />
The article below will describe how to make optimization in daily life, during one month<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Optimasi Energi Pada Manusia<br />
|-<br />
|'''Jenis'''<br />
|'''Perhitungan'''<br />
|'''Deskripsi'''<br />
|-<br />
! Step 1<br />
| [[File:gazo1.png|700px|left]] || Pertama saya menentukan jumlah jam yang dibutuhkan per hari secara acak dengan funsi rand di excel <br />
<br />
|-<br />
! Step 2 <br />
| [[File:gazo2.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 1<br />
<br />
|-<br />
! Step 3 <br />
| [[File:gazo3.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 2<br />
<br />
|-<br />
! Step 4 <br />
| [[File:gazo4.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 3<br />
<br />
<br />
|-<br />
! Step 5 <br />
| [[File:gazo5.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 4<br />
<br />
|-<br />
! Step 6 <br />
| [[File:hebat.png|700px|left]] || Mencari grafik polynomial pada salah satu minggu dan diadapatkan grafik polynom nya<br />
<br />
|-<br />
! Step 7 <br />
| [[File:gazo7.png|700px|left]] || hasil konversi watt ke rupiah pada hari senin pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 8 <br />
| [[File:gazo8.png|700px|left]] || hasil konversi watt ke rupiah pada hari selasa pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 9 <br />
| [[File:gazo9.png|700px|left]] || hasil konversi watt ke rupiah pada hari rabu pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 10 <br />
| [[File:gazo10.png|700px|left]] || hasil konversi watt ke rupiah pada hari jumat pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 11 <br />
| [[File:gazo11.png|700px|left]] || hasil konversi watt ke rupiah pada hari sabtu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step 12 <br />
| [[File:gazo12.png|700px|left]] || hasil konversi watt ke rupiah pada hari minggu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step Final<br />
| [[File:cobajadulu.png|700px|left]] || Mencoba memasukan nilai minimum ke dalam matlab dan mencari dengan curve fitting<br />
<br />
|-<br />
|}<br />
<br />
== '''Pengarahan Beberapa Teknologi Komputasi Teknik''', 16-03-2020 ==<br />
<br />
<br />
Pada pertemuan kali ini membahas masalah initial thinking, mendevelop model matematis, anlisa secara umum dan analisa secara khusus<br />
<br />
Mengembangkan model amtematis dari konsep model utama dari model matematis tersebut<br />
<br />
Dari modeling tersebut dibutuhkan beberapa tahapan pertama :<br />
<br />
*Constrain <br />
<br />
*Boundary Condition <br />
<br />
*Setelah beberapa tahapan itu masuk ke tahapan simulasi <br />
<br />
Pengertian Verifikasi : <br />
<br />
Verifikasi adalah teori filsafat positif logis dalam memilih yang menyatakan bahwa pengalaman adalah satu-satunya sumber dasar pengetahuan dan dalam analisis logis dapat dilakukan dengan bantuan simbol-simbol logika dengan menggunakan metode untuk pemecahkan masalah melalui metode verifikasi empirik yaitu bila terdapat sesuatu yang tidak dapat diverifikasi secara empirik maka hasilnya adalah sia-sia. penganut teori radikal ini memiliki masalah konsekuensi untuk filosofi tradisional, karena, jika benar, akan menyebabkan banyak pekerjaan sia-sia pada filosofis masa lalu, antara lain pada metafisika dan etika.<br />
<br />
Validasi : <br />
<br />
validasi adalah sebuah teknik validasi model untuk menilai bagaimana hasil statistik analisis akan menggeneralisasi kumpulan data independen. Teknik ini utamanya digunakan untuk melakukan prediksi model dan memperkirakan seberapa akurat sebuah model prediktif ketika dijalankan dalam praktiknya. Dalam sebuah masalah prediksi, sebuah model biasanya diberikan kumpulan data (dataset) yang diketahui untuk digunakan dalam menjalankan pelatihan (dataset pelatihan), serta kumpulan data yang tidak diketahui (atau data yang pertama kali dilihat) terhadap model yang diuji (pengujian dataset).[4] Tujuan dari validasi silang adalah untuk mendefinisikan dataset untuk "menguji" model dalam tahap pelatihan (yaitu, validasi data), dalam rangka untuk membatasi masalah seperti terjadinya overfitting, memberikan wawasan tentang bagaimana model akan menggeneralisasi independen dataset (yaitu, dataset tidak diketahui, misalnya dari masalah nyata), dll.<br />
<br />
== '''Ujian Tengah Semester''', Komputasi Teknik ==<br />
<br />
<br />
<br />
<br />
=== '''Video Pembelajaran Setiap Minggu''' ===<br />
<br />
<br />
'''Kemampuran Komputasi Teknik Selama Perkuliahan, Tutorial Menggunakan CFDSOF'''<br />
<br />
<br />
[[File:.pertemuan3wisnuindrawan.mp4||500px|center]]<br />
<br />
<br />
<br />
=== '''Draft Paper Komputasi Teknik''' ===<br />
<br />
<br />
==== BAB I ====<br />
<br />
Pendinginan salah satu teknologi yang memiliki berbagai macam pengaplikasian, dimulai dari menjaga produk makanan dari kebusukan dan berbagai pengendalian suhu dalam bidang elektronik dan industri lainnya (Gökçekdan Şahin, 2017).Salah satu teknologi pendinginan yang sekarang ini sering digunakan adalah teknologi berbasis kompresi uap karna mempunyai (COP) coefficient of performanceyang tinggi dan mempunyai harga yang lebih murah dibandingkan teknologi alternatif lainnya.Dalam proses pendinginan, teknologi kompresi uap menggunakan gas pendingin yang berfungsi untuk menyerap panas pada udara dalam ruangan, sehingga menjadi bersuhu rendah. Secara luas gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannyadan tipe R600a mengandung gas HF yang dapat mengurangi lapisan ozon (Söylemez dkk., 2018). Selain itu,pada sistem kompresor satu kipas yang menggunakan gas pendingin pada kompresor uap memiliki kesulitan dalampengaturan temperatur dari kompartemen target. Berdasarkan pernyataan tersebut diperlukan suatu teknologi pendingin alternatif. Thermoelectric cooler adalah salah satu alternatif teknologi pendingin, dikarenakan thermoelectric cooler memiliki kelebihan seperti berukuran kecil, kebisingan dan getaran yang lebih rendah, lebih mudah dalam pengaturan suhu, mebutuhkan perawatan yang sedikit, dan dapat dihidupkan dengan arus DC (Söylemezdkk., 2018). Pendinginan dengan menggunakan TEC (Termoelectric Cooling) telah digunakan untuk menghilangkan embun kaca depan kendaraan. Penelitian tersebut telah menghasilkan temperatur hingga 22,4 oC. Penelitian lainTEC telah digunakan untuk pendingin kotak minuman dengan menggunakan 3thermoelectric cooling, dimana dapat menghasilkan temperatur kotak minuman tanpa beban mencapai14,3 oC, dengan beban pendingin air sebanyak 1 liter sebesar 16,4 oC (Nulhakim, 2017). TEC (Termoelectric Cooling) tidak hanya dapat mendinginkan, tetapi dapat memanaskan di waktu yang bersamaan. Sifat dari TEC ini dapat dimanfaatkan untuk sistem pengaturan suhu ruangan. Untuk tujuan pengaturan suhu yang lebih akurat, dapat dipertimbangkan menggunakan sistem kontrol loop tertutup dengan PID (Propotional, Integral dan Derivative). Kelebihan dari pemakaian kontroler PID di loop tertutup adalah kontrol PID memiliki kemampuan untuk penyetelan otomatis, dan dapat adaptasi terhadap variasi waktu, sehinggasistem dari kontroler PID menyediakan aplikasi didalam industri dengan fitur kontrol yang lebih akurat dandapat disesuaikan dengan kebutuhan(Abdullah dan Ayman, 2008). Pengaturan PID pada umumnya menggunakan alat yang memakan banyak biaya. Tetapi menurut hasil dari eskperimen yang menyatakan bahwa kontroler PID menggunakna mikrokontoler tipe P18F4685 yang memiliki kapasitas 14 bit dapat menghasilkan kestabilan yang baik, dengan overshoot yang sedikit, dan memiliki waktu settling time yang sedikit pula (El-Nagar dan El-Bardini, 2014). Dari latar belakang tersebut diperlukan suatu sistem pendingin ruangan yang terkontrol secara otomatis menggunakanteknologi pendingin ramah lingkungan yang terkontrol dengan sistem kontrol loop tertutup, sehinggadapat manjadi salah satu alternatif teknologi pendingin ruangan.Berdasarkan potensi tersebut maka telah dilakukan penelitian tentang rancang bangun sistem pendingin ruangan menggunakan TEC (Thermoelectric Cooler) dengan kontroler PID.<br />
<br />
==== BAB II ====<br />
<br />
'''Sensor Suhu''' <br />
<br />
Salah satu jenis sensor suhu yang banyak digunakan di industri adalah tipe sensor suhu berbahan semikonduktor. Sensor ini menggunakankonfigurasi dioda atau transistor di kutub yang pada sambungan p-n bahan tersebut memiliki respon yang kuat terhadap suhu. Terdapat dua jenis pemberian tegangan pada sambungan p-n yaitu bias maju dan bias mundur seperti ditunjukkan pada Gambar 2.1. Ketika sambungan p-n bias maju dihubungkan dengansumber arus, maka terjadi beda potensial pada kedua sambungan. Beda potensial atau tegangan yang dihasilkan berbanding lurus dengan perubahan suhu(Suryono, 2018).<br />
<br />
[[File:wisnu.png|500px|center|]]<br />
<br />
<br />
<br />
'''Thermoelectric'''<br />
<br />
Modul thermoelectric khas dibuat menggunakan dua buah keramik berbentuk wafer dengan jenis bahan semikonduktor bismuth telluride P dan N yang diapit di antara keduanya seperti yang ditunjukkan pada Gambar 2.3. Bahan keramik di kedua sisi dari thermoelectric berfungsi untuk pelindung dan sebagai isolator listrik yang diperlukan. Bahan tipe-N memiliki kelebihan elektron, sementara bahan tipe-P membutuhkan elektron. Bahan P dan N membentuk pasangan, seperti yang ditunkjukan pada Gambar 2.3. Pasangan thermoelectric dipasang secara seri dan termal sejajar. Modul thermoelectric dapat berisi satu sampai beberapa ratus pasangan. Saat elektron bergerak dari bahan tipe-P ke bahan tipe-N melalui konektor listrik, elektron beralih ke keadaan energi yang lebih tinggi dan menyerap energi panas (sisi dingin) (Manikandan dkk., 2017).<br />
<br />
<br />
[[File:dewawisnuganteng.png|500px|center|]]<br />
<br />
<br />
<br />
<br />
<br />
==== BAB III ====<br />
<br />
Sistem pengendalian yang saya pakai adalah menggunakan mobile phone, jadi pada penyetingan set point pada PID menggunakan apliaksi mobile bebasis bluetooth<br />
<br />
<br />
[[File:bismillahadajalan.png|500px|center|]]<br />
<br />
Selanjut nya pada sistem kerja dari alat ini menggunakan sistem PID untuk mengatur kecepatan dari driver motor untuk mengatur suhu, jika suhu tidak sesuai dengan yang diinginkan maka kecepatan kipas akan terus bertambah.<br />
<br />
<br />
[[File:PIDBROH.png|500px|center|]]<br />
<br />
<br />
Hasil rancang bangun dari alat pendingin ditunjukan pada gambar dibawah ini<br />
<br />
<br />
[[File:celenganrindu.jpg|500px|center|]]<br />
<br />
Pembuatan interface untuk memasukkan data set point pada aplikasi mobile<br />
<br />
[[File:interface.png|500px|center|]]<br />
<br />
Pembuatan interface untuk mencari device bluetooth pada device-device sekitar<br />
<br />
[[File:tampilan2.png|500px|center|]]<br />
<br />
==== BAB IV ====<br />
<br />
Hasil data dari kalibrasi sensor suhu dengan alat ukur standart SNI <br />
<br />
<br />
[[File:akad.png|500px|center|]]<br />
<br />
<br />
Data PID setelah melakukan trial and error mendapatkan nilai Kp Kd Ki <br />
<br />
<br />
[[File:bismillahwisnudata.png|500px|center|]]<br />
<br />
=== '''Laporan Optimasi Energi''' ===<br />
<br />
<br />
Grafik Pada Minggu Pertama<br />
<br />
<br />
<br />
[[File:bersyukurlah.png|500px|center|]]<br />
<br />
[[File:gambarsatu.png|500px|center|]]<br />
<br />
<br />
[[File:semuaudahadarezekinya.png|500px|center|]]<br />
<br />
<br />
<br />
[[File:janganngeluhterus.png|500px|center|]]<br />
<br />
Gambar yang ditunjukan dengan menggunakna aplikasi sypder menunjukkan nilai x, nilai tersebut merupakan nilai minimum atau optimum dari persamaan yang telah dibuat dengan menggunakan excel<br />
<br />
<br />
Revisi Projek tugas komputasi teknik <br />
<br />
Pada kesempatan kali ini saya menggunakan case baru untuk menyelesaikan draft paper mata kuliah komputasi teknik <br />
<br />
Hal ini dikarenakan, ketertarikan penulis untuk mengangkat tema ini <br />
<br />
==Refisi draft paper==<br />
<br />
<br />
<br />
Beberapa contoh data dari nasabah yang dihasilkan untuk mengetahui apakah nasabah ingin meninggalkan bank dari data - data pribadi mereka, <br />
seperti lama mereka menggunakan jasa bank ini, jumlah tabungan mereka, kemudian umur mereka, dan dari pria atau wanita <br />
<br />
<br />
[[File:22 April 2020 5.png || 700px]]<br />
<br />
Pertama data yang berada dalam format csv dimasukan ke dalam pemograman python dengan maka akan muncul tampilan seperti diatas, ataua kerap<br />
disebut sebagai dataframe, setelah dataframe terbentuk maka dataframe tersebut di pecah - pecah atau dikelompokkan mana yang bisa digunakan untuk <br />
independent variable atau tidak <br />
<br />
<br />
<br />
[[File:22 April 2020 1.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 2.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 3.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 4.png || 700px]]<br />
<br />
<br />
methode dari draft paper ini adalah : <br />
<br />
'''mengguankan machine learning''' <br />
<br />
Pembelajaran mesin (ML) adalah studi tentang algoritma komputer yang meningkat secara otomatis melalui pengalaman. [1] Itu dilihat sebagai bagian dari kecerdasan buatan. Algoritma pembelajaran mesin membangun model matematika berdasarkan data sampel, yang dikenal sebagai "data pelatihan", untuk membuat prediksi atau keputusan tanpa diprogram secara eksplisit untuk melakukannya. [2] [3]: 2 Algoritma pembelajaran mesin digunakan dalam berbagai berbagai aplikasi, seperti penyaringan email dan visi komputer, di mana sulit atau tidak layak untuk mengembangkan algoritma konvensional untuk melakukan tugas-tugas yang diperlukan.<br />
<br />
Pembelajaran mesin terkait erat dengan statistik komputasi, yang berfokus pada membuat prediksi menggunakan komputer. Studi tentang optimasi matematika memberikan metode, teori dan domain aplikasi ke bidang pembelajaran mesin. Penambangan data adalah bidang studi terkait, dengan fokus pada analisis data eksplorasi melalui pembelajaran tanpa pengawasan.<br />
<br />
'''Realsi terhadap optimasi'''<br />
<br />
Pembelajaran mesin juga memiliki ikatan intim dengan optimisasi: banyak masalah pembelajaran dirumuskan sebagai minimalisasi beberapa fungsi kerugian pada serangkaian contoh pelatihan. Fungsi kerugian menyatakan perbedaan antara prediksi model yang sedang dilatih dan contoh masalah yang sebenarnya (misalnya, dalam klasifikasi, seseorang ingin menetapkan label pada instance, dan model dilatih untuk memprediksi dengan benar label yang telah ditetapkan sebelumnya dari sekumpulan contoh). Perbedaan antara dua bidang muncul dari tujuan generalisasi: sementara algoritma optimasi dapat meminimalkan kerugian pada set pelatihan, pembelajaran mesin berkaitan dengan meminimalkan kerugian pada sampel yang tidak terlihat. <br />
<br />
'''Relasi terhadap statistik'''<br />
<br />
Pembelajaran mesin dan statistik adalah bidang yang terkait erat dalam hal metode, tetapi berbeda dalam tujuan utamanya: statistik menarik kesimpulan populasi dari sampel, sementara pembelajaran mesin menemukan pola prediksi yang dapat digeneralisasikan. Menurut Michael I. Jordan, gagasan pembelajaran mesin, mulai dari prinsip metodologis hingga alat teoretis, telah memiliki pra-sejarah panjang dalam statistik. [22] Dia juga menyarankan istilah ilmu data sebagai pengganti untuk menyebut bidang keseluruhan. <br />
<br />
Leo Breiman membedakan dua paradigma pemodelan statistik: model data dan model algoritmik, [23] di mana "model algoritmik" berarti kurang lebih algoritma pembelajaran mesin seperti hutan acak.<br />
<br />
Beberapa ahli statistik telah mengadopsi metode dari pembelajaran mesin, yang mengarah ke bidang gabungan yang mereka sebut pembelajaran statistik. <br />
<br />
<br />
'''Teori'''<br />
<br />
Tujuan inti seorang pelajar adalah untuk menggeneralisasi dari pengalamannya. Generalisasi dalam konteks ini adalah kemampuan mesin pembelajaran untuk melakukan secara akurat pada contoh / tugas baru yang tidak terlihat setelah mengalami kumpulan data pembelajaran. Contoh-contoh pelatihan berasal dari beberapa distribusi probabilitas yang umumnya tidak diketahui (dianggap mewakili ruang kejadian) dan pelajar harus membangun model umum tentang ruang ini yang memungkinkannya menghasilkan prediksi yang cukup akurat dalam kasus-kasus baru.<br />
<br />
Analisis komputasi algoritma pembelajaran mesin dan kinerjanya adalah cabang ilmu komputer teoretis yang dikenal sebagai teori pembelajaran komputasi. Karena set pelatihan terbatas dan masa depan tidak pasti, teori pembelajaran biasanya tidak menghasilkan jaminan kinerja algoritma. Sebaliknya, batasan probabilistik pada kinerja cukup umum. Dekomposisi bias-varians adalah salah satu cara untuk mengukur kesalahan generalisasi.<br />
<br />
Untuk kinerja terbaik dalam konteks generalisasi, kompleksitas hipotesis harus sesuai dengan kompleksitas fungsi yang mendasari data. Jika hipotesis kurang kompleks dari fungsi, maka model memiliki data yang sesuai. Jika kompleksitas model meningkat dalam respons, maka kesalahan pelatihan berkurang. Tetapi jika hipotesisnya terlalu kompleks, maka modelnya akan mengalami overfitting dan generalisasi akan menjadi lebih buruk. <br />
<br />
Selain batas kinerja, ahli teori belajar mempelajari kompleksitas waktu dan kelayakan belajar. Dalam teori pembelajaran komputasi, perhitungan dianggap layak jika dapat dilakukan dalam waktu polinomial. Ada dua jenis hasil kompleksitas waktu. Hasil positif menunjukkan bahwa kelas fungsi tertentu dapat dipelajari dalam waktu polinomial. Hasil negatif menunjukkan bahwa kelas-kelas tertentu tidak dapat dipelajari dalam waktu polinomial.<br />
<br />
<br />
<br />
'''metode machine learning ada beberapa tipe nya berikut penjelasan mengenai teori machine learning :''' <br />
<br />
1. Suppport Vector Machine (SVMs)<br />
<br />
Support vector Machines (SVMs) adalah algoritma pembelajaran mesin yang diawasi yang fleksibel namun kuat yang digunakan baik untuk klasifikasi dan regresi. Tetapi umumnya, mereka digunakan dalam masalah klasifikasi. Pada 1960-an, SVM pertama kali diperkenalkan tetapi kemudian disempurnakan pada tahun 1990. SVM memiliki cara implementasi yang unik dibandingkan dengan algoritma pembelajaran mesin lainnya. Akhir-akhir ini, mereka sangat populer karena kemampuan mereka untuk menangani beberapa variabel kontinu dan kategorikal.<br />
<br />
<br />
Dalam praktiknya, algoritma SVM diimplementasikan dengan kernel yang mengubah ruang data input ke dalam formulir yang diperlukan. SVM menggunakan teknik yang disebut trik kernel di mana kernel mengambil ruang input dimensi rendah dan mengubahnya menjadi ruang dimensi yang lebih tinggi. Dengan kata-kata sederhana, kernel mengubah masalah yang tidak dapat dipisahkan menjadi masalah yang dapat dipisahkan dengan menambahkan lebih banyak dimensi ke dalamnya. Itu membuat SVM lebih kuat, fleksibel dan akurat. Berikut ini adalah beberapa jenis kernel yang digunakan oleh SVM.<br />
<br />
<br />
Linear Kernel <br />
<br />
Ini dapat digunakan sebagai produk titik antara dua pengamatan. Rumus kernel linear adalah sebagai berikut<br />
<br />
Metode yang digunakan <br />
<br />
pada penelesaian masalah ini saya menggunakana beberapa engone dari python untuk melakuakn machine learning yakni '''sklearn''' dan '''tensor flow''', berikut penjelasan masing masing metode nya :<br />
<br />
ini adalah struktur skrip dari '''sklearn.prepocessing''' <br />
<br />
class sklearn.preprocessing.OneHotEncoder(*, categories='auto', drop=None, sparse=True, dtype=<class 'numpy.float64'>, handle_unknown='error')[source]<br />
<br />
kenapa class ini digunakan karena machine leraning tidak bisa memproses selain angka, tapi pada kasus ini saya menggunakan nama, umur dan beberapa proses yang menggunakan tipe string(kata - kata)<br />
sehigga sulit untuk di klasifikasikan.<br />
<br />
'''maka dari itu metode ini dapat digunakan.'''<br />
<br />
'''One Hot Encoding adalah :''' reperentasi kategori variabel dalam vektor biner. <br />
<br />
Pertama nilai dari proses ini dipetakan dala nilai integer (nilai angka yang benilai bilangan bulat, tidak memiliki nilai koma)<br />
<br />
Lalu, setiap nilai yang berbentuk integer ini direpresentasikan sebagai vektor biner yang semua nya bernilai nol kecuali yang terindeks integer, yang di tandai 1.<br />
<br />
== Quis II, 6 April 2020 ==<br />
<br />
<br />
Assalamualaiakum Beerikut adalah link dari Quis 2<br />
Wisnu Indrawan <br />
1906433745<br />
<br />
https://drive.google.com/drive/folders/17z_x1nPTXBtnZl_PVhXRBZXdK5Wy0GMx?usp=sharing<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan Tanggal : Senin, 13 April 2020 ==<br />
<br />
<br />
<gallery mode="slideshow"><br />
File:Wisnu 12346798.png<br />
File:Wisnu 123467989.png<br />
File:Wisnu 12346798910.png<br />
File:Wisnu 12346798435435.png<br />
File:Wisnu 1234679843fdsaf4.png<br />
</gallery><br />
<br />
== Resume Pertemuan tanggal : Senin, 20 April 2020 ==<br />
<br />
<br />
<gallery mode="slideshow"><br />
<br />
<br />
File:qwerwqerqwerq_caseII_1.png<br />
File:qwerwqerqwerq_caseII_2.png<br />
File:24-04-2020-1-tugas komtek.png<br />
File:2020-04-24 23 12 57-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 22-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:hasil-24-04-2020.png<br />
File:2020-04-24 23 47 29-Book1 - Excel.png<br />
</gallery><br />
<br />
<br />
Penggunaan aplikasi python untuk mencari ann pada kasus ini terdapat perbedaan, untuk penggunaan matlab untuk mencari nilai ann pada aplikasi ini menggunakan nntool <br />
<br />
<br />
'''nntool''' <br />
<br />
[[File:nntoolwisnu.png||400px]]<br />
<br />
== Resume Pertemuan tanggal : Senin, 27 April 2020 ==<br />
<br />
1. Pemahaman terkait prinsip dan konsep komputasi teknik<br />
<br />
2. Penerapan konsep dan skill dalam komputasi teknik<br />
<br />
3. Lebih mengenal diri<br />
<br />
Dari 3 point diatas disampaikan via zoom dengan cara sebagai berikut:<br />
<br />
a. show your contributions<br />
<br />
b. your understanding<br />
<br />
c. your skill<br />
<br />
== Resume Pertemuan tanggal : Senin, 04 Mei 2020 ==<br />
<br />
<br />
<br />
- Pemahaman terkait prinsip dan konsep komputasi teknik<br />
<br />
- Penerapan konsep dan skill dalam komputasi teknik<br />
<br />
- Lebih mengenal diri baik individu maupun kelompok/ kelas<br />
<br />
Intisaru dari evaluasi diri ini adalah :<br />
<br />
- show your contributions<br />
<br />
- your understanding<br />
<br />
- your skkill<br />
<br />
== Resume Pertemuan tanggal : Senin, 11 Mei 2020 ==<br />
<br />
<br />
Pada pertemuan tanggal 11 Mei 2020 terdapat pembahasan selanjut nya pada pertemuan minggu lalu mengnai pressure drop. Pada pembahsan pada grup whatshap mengenai tentang pendapat individu mengenai kasus pressure drop dan di bahas kemabli dalam grup Komputasi Teknik via whatshapp. Diharapkan pada pembahasan ini secara personal memahami cases Basic Mechanics dan menjadi kewajiban bagi setiap mahsiwa menyatakan analisa pribadi terkait kasus tersebut. <br />
<br />
Berikut Hasil dari pembahasan kasus tersebut : <br />
<br />
<gallery mode="slideshow"><br />
File:WhatsApp Image 2020-05-12 at 19.30.27.jpeg<br />
File:WhatsApp Image 2020-05-11 at 09.41.12.jpeg<br />
File:WhatsApp Image 2020-05-12 at 16.50.43.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.51.38.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.53.29.jpeg<br />
</gallery><br />
<br />
<br />
<br />
'''Azikri '''<br />
<br />
sedikit tambahan terkait hal di atas, bahwa pada dasarnya aliran fluida dalam pipa akan mengalami penurunan tekanan atau pressure drop seiring dengan <br />
panjang pipa ataupun disebabkan oleh gesekan dengan permukaan<br />
saluran, dan juga ketika aliran melewati sambungan pipa, belokan, katup, difusor, dan sebagainya.<br />
Disisi lain, prinsip dasar persamaan kontinuitas juga jadi landasan dimana massa tidak dapat diciptakan dan<br />
tidak dapat dimusnahkan, sehingga massa dalam suatu sistem yang konstan dapat dinyatakan dengan rumus : rho.A.v=m<br />
<br />
atau Jika aliran fluida bersifat incompressible dan steady flow, maka persamaan menjadi : Q=A.v<br />
<br />
Singkatnya dr persmaan pertama bahwa pressure drop berbanding terbalik dengan D, dan begitu halnya dengan persamaan 2 tegangan geser berbanding <br />
terbalik dg A<br />
<br />
'''Adhika '''<br />
<br />
- Gaya Masuk - Gaya Geser Total = Gaya Keluar<br />
- Gaya Geser Total = Gaya Masuk - Gaya Keluar<br />
- Gaya Geser Total = P1.A - P2.A <br />
- Gaya Geser Total = dp . Luas Area Pipa<br />
Shear Stress . Luas Selimut = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(Luas Area Pipa . L. pi . 4) = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(L. pi . 4) / sqrt(Luas Area Pipa) = dp<br />
<br />
Kesimpulan:<br />
Luas Area Pipa semakin besar maka dp akan semakin kecil<br />
<br />
<br />
'''Jerry '''<br />
<br />
Ketika nilai A membesar, maka nilai D secara langsung juga membesar karena A merupakan fungsi D; A(D). <br />
<br />
Dari persamaan pressure drop, terlihat bahwa nilai D berbanding terbalik dengan nilai deltaP. <br />
<br />
Hal ini akan mengimplikasikan bahwa semakin besar nilai D, maka semakin kecil nilai deltaP<br />
<br />
'''Dessy'''<br />
<br />
Sederhananya jika dilihat dari persamaan untuk Pressure Drop maka sudah cukup jelas dalam menjawab pertanyaan mengapa ketika luas area (A) diperbesar <br />
menyebabkan nilai pressure drop yang menurun, dimana <br />
<br />
dP = f L rho V^2 / 2 D<br />
<br />
Dari persamaan diatas terlihat bahwa nilai diameter (pengaruhnya terhadap luas area) berbanding terbalik dengan nilai pressure loss dP.<br />
<br />
Tambahan juga jika dilihat dari nilai kecepatan (disini saya menggunakan analogi aliran fluida dalam pipa), secara logika apabila nilai luas <br />
penampang A diperbesar maka nilai kecepatan akan semakin kecil, sesuai dengan persamaan yang telah dijelaskan oleh saudara Dieter sebelumnya.<br />
<br />
Maka jika kembali ke persamaan pressure drop sesuai analogi ini, A yang besar akan menyebabkan nilai V menurun, akibatnya nilai dP pun akan menurun.<br />
<br />
Dari sini dapat disimpulkan bahwa semakin besar nilai diameter D, yang menghasilkan nilai area A yang semakin besar pula, menghasilkan nilai pressure <br />
drop dP yang semakin kecil.<br />
<br />
'''Muhammad Gumilar'''<br />
<br />
Ada hal menarik disini, dari beberapa yang saya perhtikan dari beberapa pendapat teman-teman, pengaruh dari adanya luasan atau diameter pipa akan <br />
mempengaruhi keepatan alir didalam pipa , sesuai dengan hukum kontinuitas. Berkaitan dengan hal ini, saya mencerna bahwa bisa saja sebenarnya jika <br />
kita membandingkan dua hal yang mana, dua buah pipa dengan diameter yang berbeda akan tetepa memiliki kecepatan aliran rata-rata yang sama, yang <br />
mana berarti kedua debit aliran dari pipa ini berbeda. Namun yang dititikberatkan pada pembahasannya adala, kenapa berdasarkan rumus pressure loss, <br />
apabila diameter membesar, maka pressure drop akan berkurang. Sedangkan dari persamaan yang lain, kita kethaui bahwa gaya gesek akibat adanya <br />
tegangan geser akan meningkat karena persamaannya adalah F=thow * A. <br />
<br />
Kebingunga dari mahasiswS1 tersebut menurut saya adalah pemahaman beliau yang tidak komprehensif terhadap kosnep pressure drop. Memang, pressure drop <br />
itu berhubungan erat dengan adanya gesekan viscous antara fluida dengan dinding pipa. Akan tetapi, ada hal penting yang dilupakan oleh sang mahasiswa <br />
S! tersebut, yaitu bahwa perbesaran diameter dari pipa juga akan mengakibatkan tegangan geser yang terjadi. Secara sederhana, sepemahaman saya, <br />
tegangan geser itu berbanding lurus dengan gradient kecepatan aliran fluida di sepanjang pipa, yaitu du/dy. Nah, apabila, dengan kecepatan rata-rata <br />
yang sama, diameter pipa semakin besar, maka gradient kecepatan di sepanjang pipa akan berkurang karena pengaruh gaya viscous antara dinding dan <br />
fluida juga semain berkurang. Oleh karena itu, pressure Drop yang terjadi juga akan semakin berkurang. Semoga bermanfaaat semua eheheheh<br />
<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan tanggal : Senin, 18 Mei 2020 ==<br />
<br />
Pada pertemuan kali ini membahas materi minggu lalu dan saya ingin menjelaskan lagi terkait tentang friction loss, berikut penjelasan nya <br />
<br />
Dalam aliran fluida, kehilangan gesekan (atau gesekan kulit) adalah hilangnya tekanan atau "head" yang terjadi pada pipa atau aliran saluran karena efek viskositas fluida di dekat permukaan pipa atau saluran. [1] Dalam sistem mekanis seperti mesin pembakaran internal, istilah ini mengacu pada daya yang hilang dalam mengatasi gesekan antara dua permukaan yang bergerak, sebuah fenomena yang berbeda.</div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=Wisnu_indrawan&diff=35956Wisnu indrawan2020-06-07T16:03:32Z<p>Wisnu indrawan: /* Resume Pertemuan tanggal : Senin, 20 April 2020 */</p>
<hr />
<div><br />
<br />
----<br />
<br />
== '''Biodata Diri :''' ==<br />
<br />
----<br />
<br />
<br />
[[File:wisnu.jpg|200px|thumb|left|Watashinonamaeha wisnu ndes ]]<br />
<br />
*Nama : Wisnu Indrawan <br />
<br />
*NPM : 1906433745<br />
<br />
*Jurusan : Teknik Mesin<br />
<br />
*Institusi : Universitas Indonesia<br />
<br />
*Penjuruan : SUBAK (Sistem Utilitas Bangunan)<br />
<br />
*Email : wisnu.indrawan@ui.ac.id<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Istilah - Istilah Teknik''' ==<br />
<br />
<br />
'''1. Clustering ''' <br />
<br />
*clustering adalah teknik machine learning berupa algoritma pengelompokkan objek-objek data berjumlah N menjadi <br />
kelompok-kelompok data tertentu (cluster)<br />
<br />
*Objek data yang beada dalam satu kelompok / cluster harus memiliki kemiripan <br />
<br />
*Semakin banyak data yang diperoleh sama dnegan semakin akurat hasil yang di dapatkan <br />
<br />
*Clustering merupakan salah satu jenis dari algoritma unsupervised learining, algoritma <br />
yang bertujuan untuk mempelajari dan menemukan pola dari suatu input yang diberikan tanpa menggunuakan label <br />
<br />
*Dengan penggunaan supervised learning, maka beberapa hal berikut ini dapat dilakukan <br />
<br />
'''1.''' Search: Membandingkan antar dokumen, gambar atau suara untuk menampilkan item serupa. <br />
<br />
'''2.''' Deteksi anomali: Mendeteksi perilaku yang tidak biasa yang biasanya berhubungan dengan hal-hal yang ingin dicegah atau dideteksi, seperti contoh penipuan. <br />
<br />
<br />
Selain itu teknik clustering terdapat beberapa algoritma di dalam nya yang akan dijelaskan istilah nya pada bagian bawah ini : <br />
<br />
<br />
<br />
'''2. K-Means Clustering'''<br />
<br />
*Tentukan jumlah cluster <br />
<br />
*alokasikan data ke dalam cluster secara rancodm <br />
<br />
*hitung centroid/rata-rata dari data yang ada di masing-masing cluster <br />
<br />
*alokasikan masing masing data ke centroid/data-data terdekat <br />
<br />
*kembali ke step 3, apabila masih ada data yang berpindah cluster atau apabila <br />
perubahan nilai centroid, ada yang di atas nilai threshold yang ditentikan atau apabila <br />
perubahan nilai pada objective function yang digunakan di atas nilai threshold yang ditentukan<br />
<br />
<br />
'''3. Mean-Shift Clustering<br />
'''<br />
*Untuk mejelaskan mean-shift, kita ilustrasikan sekumpulan titik dalam ruang <br />
dua dimensi <br />
<br />
*kita mulai dengan circular sliding window yang berpusat pada titik C(dipilih secara acak)<br />
dan memiliki jadi-jadir r sebagai kernel. Mean shift adalah algoritma yang melakukan pergeseran kernel ini secara iteratif <br />
ke daerah kepadatan yang lebih tinggi pada setiap langkah hingga konvegensi.\<br />
<br />
*pada setiap iterasi, sliding window digeser ke arah daerah dengan kepadatan lebih tinggi dengan menggeser titik tengahnya. kepadatan pada sliding window sebanding dengan jumlah tiitk di dalamnya <br />
<br />
*terus melakuakn pergeseran pada sliding window sesuai dengan rata -rata sampai tidak ada arah di mana pergeseran dapat mengakomondasikan lebih banyak titik di dalam kernel (tidak lagi meningkatkan densitas/jumlah titik di window)<br />
<br />
*langkah 1 hingga 3 ini dilakukan dengan banyak sliding window sampai semua titik terletak di dalam window. Ketika beberapa window saling berumpang tindih, window yang berisi titik terbanyak akan dipertahankan. Objek data kemudian dikelompokkan sesua dengan sliding window tempat mereka berada.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-1 ''', (Senin, 03 Februari 2020), Muhasabah ==<br />
<br />
<br />
----<br />
<br />
<br />
'''Muhasabah Diri :''' <br />
<br />
'''Muhasabah adalah''' : sesuatu hal yang perlu dan menjadikannya sebuah kebutuhan dalam tiap-tiap diri manusia, di dalam agama Islam, muhasabah sangatlah dianjurkan karena jika muhasabah bisa dijalankan dengan baik akan memberi banyak manfaat baik yang akan di dapatkan di dunia maupun diakhirat kelak.<br />
<br />
'''Pada pertemuan pertama kami mempelajari apa makna dari komputasi teknik :'''<br />
<br />
'''a. Definisi Komputasi'''<br />
<br />
Komputasi : setulnya bisa diartikan sebagai cara untuk menemukan pemecahan masalah dari data input dengan menggunakan suatu algoritme. Hal ini ialah apa yang disebut dengan teori komputasi, suatu sub-bidang dari ilmu komputer dan matematika. Selama ribuan tahun, perhitungan dan komputasi umumnya dilakukan dengan menggunakan pena dan kertas, atau kapur dan batu tulis, atau dikerjakan secara mental, kadang-kadang dengan bantuan suatu tabel. Namun sekarang, kebanyakan komputasi telah dilakukan dengan menggunakan komputer.<br />
<br />
Komputasi ilmiah dan numerik adalah bidang booming dalam penelitian, teknik, dan analitik. Revolusi dalam industri komputer selama beberapa dekade terakhir telah menyediakan alat baru dan kuat untuk praktisi komputasi. Ini telah memungkinkan usaha komputasi dari skala dan kompleksitas yang sebelumnya tidak pernah terjadi sebelumnya. Akibatnya, semua bidang dan industri bermunculan. Perkembangan ini masih berlangsung, dan ini menciptakan peluang baru seiring dengan meningkatnya perangkat keras, perangkat lunak, dan algoritme. Pada akhirnya, teknologi yang memungkinkan untuk gerakan ini adalah perangkat keras komputasi yang kuat yang telah dikembangkan dalam beberapa dekade terakhir. Namun, untuk seorang praktisi komputasi, lingkungan perangkat lunak yang digunakan untuk pekerjaan komputasi sama pentingnya dengan, jika tidak lebih penting daripada, perangkat keras di mana perhitungan dilakukan.<br />
<br />
'''b. Current state of knowledge'''<br />
<br />
Knowledge i have learned in master amount of application and I just know it in master degree, and this is application I had to learn in master degree, first is lab view, I use it for measure temperature in contactor, so I know the temperature at inlet and outlet, second is REFROP this application helped me to know enthalpy in refrigerant, is superheated or subcool, third but not last is CFD-SOF with this application I can calculate velocity of fluid at an object, for example, is I calculated velocity in planar plate, internal flow pipe, and so on. <br />
<br />
'''c. Pengalaman Komputasi Teknik'''<br />
<br />
Untuk pengalaman saya menggunakan komputasi sudah ada beberapa, seperti CFD SOF dan beberapa bahasa pemograman, tetapi di era data scientist sekarang banyak yang sedang menggunakan bahasa python untuk menjadi bahasa pemograman mereka, hal ini dikarekan python merupakan bahasa pemograman open source (gratis) dan mudah di gunakan untuk pemula, berikut dasar - dasar menggunakan bahsa python :<br />
<br />
'''c.1 Pengenalan Komputasi Menggunakan Python'''<br />
<br />
Python adalah bahasa pemrograman tingkat tinggi yang diartikan untuk keperluan umum yang banyak digunakan dalam komputasi ilmiah dan teknik. Pertama dan terpenting, Python terkenal dengan sintaks code yang bersih dan mudah dibaca. Pembacaan kode yang baik meningkatkan pemeliharaan, yang secara umum menghasilkan lebih sedikit bug dan aplikasi yang lebih baik secara keseluruhan, tetapi juga memungkinkan pengembangan kode yang cepat. Dalam pemecahan masalah komputasi, tentu saja, penting untuk mempertimbangkan kinerja algoritma dan implementasinya. Sementara kinerja runtime terbaik dapat dicapai dalam bahasa pemrograman tingkat rendah seperti fortran dan C, bekerja dalam bahasa tingkat tinggi seperti Python biasanya mengurangi waktu pengembangan dan seringkali menghasilkan kode yang lebih fleksibel dan dapat diperluas.<br />
<br />
'''c.2 Environement Untuk Komputasi Dengan Python''' <br />
<br />
Ada beberapa environtment berbeda yang dapat digunakan Python untuk komputasi ilmiah dan teknis. Keragaman ini memiliki kelebihan dan kekurangan dibandingkan dengan lingkungan yang didukung. Dalam produk komputasi memiliki keanekaragaman menyediakan fleksibilitas dan dinamika yang cocok untuk spesialisasi untuk kasus penggunaan tertentu. Di sini saya memberikan orientasi lingkungan umum untuk komputasi ilmiah. Contoh 3 GUI yang digunakan untuk menjalankan python adalah :<br />
<br />
'''c.2.1. IPython'''<br />
<br />
IPython merupakan sebuah console yang dapat dijalankan secara interaktif. Secara bersama dengan text editor untuk menuliskan code, menyediakan yang ringan untuk dikembangkan .<br />
<br />
'''c.2.2. The Jupyter Notebook'''<br />
<br />
Merupakan aplikasi web di mana kode Python dapat ditulis dan dieksekusi melalui browser web. Environtment ini sangat bagus untuk komputasi numerik, analisis, dan penyelesaian masalah, karena memungkinkan seseorang untuk mengumpulkan code, output yang dihasilkan oleh code, dokumentasi teknis terkait, dan analisis dan interpretasi, semuanya dalam satu dokumen.<br />
<br />
'''c.2.3. Spyder'''<br />
<br />
Integrated Development Environment, yang dapat digunakan untuk menulis dan menjalankan kode Python secara interaktif. IDE seperti Spyder adalah alat yang dapat diguankan untuk mengembangkan library dan modul Python yang bisa digunakan kembali<br />
<br />
'''c.2.4. Interpreter'''<br />
<br />
Cara standar untuk mengeksekusi kode Python adalah menjalankan program secara langsung melalui interpreter Python. Pada kebanyakan sistem, interpreter Python dipanggil menggunakan perintah python. Ketika Python file source diperintahkan sebagai argumen untuk perintah ini, kode Python dalam file tersebut dijalankan.<br />
<br />
$ python hello.py<br />
<br />
Hello from Python!<br />
<br />
Di sini file hello.py berisi satu baris:<br />
<br />
print("Hello from Python!")<br />
<br />
Untuk melihat versi Python mana yang diinstal, seseorang dapat menjalankan perintah python dengan argumen --version:<br />
<br />
$ python –version<br />
<br />
Python 3.6.5<br />
<br />
Adalah umum untuk menginstal lebih dari satu versi Python pada sistem yang sama. Setiap versi Python memelihara kumpulan perpustakaannya sendiri dan menyediakan perintah penerjemahnya sendiri (sehingga setiap lingkungan Python dapat menginstal perpustakaan yang berbeda). Pada banyak sistem, versi tertentu dari juru bahasa Python tersedia melalui perintah seperti, misalnya, python2.7 dan python3.6. Dimungkinkan juga untuk mengatur lingkungan python virtual yang independen dari lingkungan yang disediakan sistem. Ini memiliki banyak keuntungan dan saya sangat menyarankan untuk membiasakan diri dengan cara ini bekerja dengan Python. Lampiran A memberikan perincian tentang cara mengatur dan bekerja dengan lingkungan semacam ini.<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-2 : ''' (Senin, 10 Februari 2020), Sinopsis Tuga Akhir ==<br />
<br />
<br />
----<br />
<br />
<br />
'''a. Menjelaskan Sinopsis Tugas Akhir''' <br />
<br />
JUDUL : <br />
<br />
Sistem Pendingin Mengguankan Thermo Electric Cooler dengan Controller Propotional - Integral Derivative<br />
<br />
SINOPSIS : <br />
<br />
Pendinginan merupakan salah satu proses yang dapat digunakan untuk berbagai macam penggunaan, antara lain untuk menjaga produk industri makanan dan produk medis seperti obat-obatan dan vaksin. Proses pendinginan sekarang masih menggunakan teknologi pengawetan berbasis kompresi menggunakan gas pendingin. Tipe gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannya dan tipe R600a memiliki COP yang lebih rendah. Penelitian ini bertujuan merancang perangkat keras dan perangkat lunak yang dapat diaplikasikan pada pendingin termoelektrik, dengan merancang sebuah alat yang digunakan untuk sistem lemari pendingin menggunakan Thermoelectric Cooler (TEC) dan mendapatkan nilai COP yang tinggi. Sistem dibangun dengan kontroler Proportional Integral Derivative (PID). Sistem ini menggunakan beberapa alat antara lain, sensor suhu, Transistor tipe TIP31, modul bluetooth, kipas, dan mikrokontroler ATSAM3X8E. Pengendalian suhu dilakukan dengan membandingkan set-point suhu yang diinginkan dengan suhu dari sensor. Dari penelitian ini diperoleh hasil bahwa semakin besar nilai tegangan yang diberikan maka semakin besar pula besar nilai Pulse Wave Modulation (PWM) yang dihasilkan. Semakin tinggi nilai besar PWM, semakin cepat penurunan suhu pada kotak pendingin. Dari beberapa pengujian dapat disimpulkan bahwa nilai parameter kontrol proporsional (Kp), parameter kontrol integral (Ki), dan nilai parameter kontrol deferensial (Kd ), dimana pada nilai Kp = 255, Ki = 100, dan Kd = 200 mendapatkan grafik yang lebih stabil dan mendekati nilai set-point, dengan nilai error sebesar 2,86 %.<br />
<br />
<br />
'''b. Perbedaan deterministik dan stokastik'''<br />
<br />
b.1 deterministik adalah sesuatu yang pasti akan terjadi. <br />
<br />
b.2 stokastik adalah Stokastik adalah kebolehjadian, atau dengan kata lain sesuatu yang belum terjadi kepastiannya. "Sesungguhnya, Allah tidak akan mengubah nasib suatu kaum, hingga mereka mengubahnya sendiri.." (Q.S. Ar-Ra'd [13] : 11) <br />
<br />
<br />
'''c . Komputasi Teknik pada Tugas Akhir'''<br />
<br />
Tipe tugas akhir saya adalah deteministik. Hal ini dikarenakan nilai dari PID yang saya tentukan pasti. Menurut pendapat saya untuk penerapan komputasi teknik pada tugas akhir saya adalah <br />
<br />
Pada penggunaan fitur controller PID, adalah kemampuan untuk menggunakan tiga tipe kontroller yakni propotional, integral dan derivatif yang mempengaruhi nilai keluaran kontroller untuk dipalikasikan pada nilai yang optimal dari kontroller itu sendiri. <br />
<br />
[[File:PID.png|400px|thumb|left ]]<br />
<br />
Diagram blok yang terdapat pada sebelah kiri menunjukkan bagamimana cara controller ini bekerja. Gambar tersebut menunjukan kontroller PID, yang mana secara kontinu menghitung nilai error e(t) sebagai selisih dari setpoint r(t) dan variabel proses y(t), dan pengaplikasian nya dikoreksi berdasakan propotional, integral, dan derivatif. Kontroller mencoba utnuk meminimalisir error dari lebih nya koreksi kontrol variabel u(t), salah satu contoh nya pengontrolan pada kecepatan kipas, kontrol PID dibutuhkan untuk mengetahui jumlah RPM selanjutnya pada kipas sehingga dapat mendinginkan suatu objek.<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
'''d. Komputasi pada tugas akhir saya kedepan nya'''<br />
<br />
Melakuakn simulasi CFD sederhana untuk melihat aliran fluida di dalam lemari pendingin<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan Ke-3''', (Senin 17-Februari-2020), Presentasi Sinopsis Project Komputasi Teknik ==<br />
<gallery mode="slideshow"><br />
File:PPT_1.png|200px|center|<br />
File:PPT_2.png|200px|center|<br />
File:PPT_3.png|200px|center|<br />
File:PPT_4.png|200px|center|<br />
File:ppt_5.png|200px|center|<br />
</gallery><br />
<br />
----<br />
<br />
== '''Pertemuan ke-4''', (Senin, 24 Februari 2020), Presentasi Model Matematis Project Komputasi Teknik ==<br />
<br />
----<br />
<br />
<br />
<br />
Skema kontrol PID dinamai dari ketiga term pengendalinya, yang kemudian dijumlahkan menjadi variabel manipulasi. Term proporsional, integral, dan derivatif dijumlahkan untuk menghitung keluaran kontroler PID. Dengan mendefinisikan u(t) sebagai keluaran kontroler, bentuk akhir dari algoritme PID adalah:<br />
<br />
<br />
<br />
[[File:Rumus1.png|300px|thumb|center ]]<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Contoh PID pada MATLAB<br />
|-<br />
|'''Jenis'''<br />
|'''Foto'''<br />
|'''Deskripsi'''<br />
|-<br />
! '''Porpotional Integral''' <br />
| [[File:Tilu.png|300px|thumb|left ]] || sys = zpk([],[-1 -1 -1],1); <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Loro.png|300px|thumb|left ]] || <br />
<br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
T_pi_fast = feedback(C_pi_fast*sys,1);<br />
step(T_pi,T_pi_fast)<br />
axis([0 30 0 1.4])<br />
legend('PI','PI,fast')<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Siji.png|300px|thumb|left ]] || <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
[C_pidf_fast,info] = pidtune(sys,'PIDF',1.0)<br />
T_pidf_fast = feedback(C_pidf_fast*sys,1);<br />
<br />
step(T_pi_fast, T_pidf_fast); <br />
<br />
axis([0 30 0 1.4]);<br />
<br />
legend('PI,fast','PIDF,fast');<br />
<br />
sys = zpk([],[-1 -1 -1],1); <br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
S_pi_fast = feedback(sys,C_pi_fast);<br />
S_pidf_fast = feedback(sys,C_pidf_fast);<br />
step(S_pi_fast,S_pidf_fast);<br />
axis([0 50 0 0.4]);<br />
legend('PI,fast','PIDF,fast');<br />
<br />
|-<br />
|}<br />
<br />
----<br />
<br />
<br />
== '''Pertemuan ke-5''', (2 Maret 2020), Quis I ==<br />
<br />
<br />
[[File:Photo 1.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 2.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 3.jpeg|350px|thumb|center ]]<br />
<br />
<br />
<br />
<br />
----<br />
== '''Finite ELement, Finite Diffirent, Finite Volume''' ==<br />
<br />
* '''Pengertian Finite Element :'''<br />
<br />
'''Finite Element :''' menyelesaikan suatu problem dengan cara membagi obyek analisa menjadi bagian-bagian kecil yang terhingga. Bagian-bagian kecil ini kemudian dianalisa dan hasilnya digabungkan kembali untuk mendapatkan penyelesaian untuk keseluruhan daerah. Kata “finite atau terhingga” digunakan untuk menekankan bahwa bagian-bagian kecil tersebut tidak tak terhingga, seperti yang lazim digunakan pada metode integral analitik.<br />
<br />
* '''Pengertian Finite Volume :'''<br />
<br />
'''Finite Volume :''' adalah metode yang digunakna untuk merepresentasikan persamaan diferensial parisial dalam bentuk persamaan algeraic. Didalam metode finite volume, mengintergalkan bagian dari persamaan diferensial parsial ,menggunakan teorema divergensi.<br />
<br />
* '''Pengertian Finite Different :'''<br />
<br />
'''Finite Different :''' adalah diskritisasi yang digunakan untuk menyelesaiakn persamaan diferensial dengan memperkirakan denagn persamaan diferensial yang menggunakan perbedaan yang mendekati derivatif.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Pertemuan ke-6''', Senin 9 Maret 2020, Extended Abstrak ==<br />
<br />
<br />
<br />
Name : Wsinu indrawan<br />
<br />
Title : Fluid Analysis For Mini Fan Refrigerator Using Thermoelectric Cooler <br />
<br />
The cooling is one of the processes can be used for various types of applications, starting from maintaining food industry products and medical products such as drugs and vaccines. The cooling process now still uses compression-based preservation technology using cooling gas. The types of cooling gas used are R134a and R600a. However, the R134a contains HF which has been banned for used, and the R600a contains HF gas which can reduce the ozone layer. In addition, a single fan compressor system that uses cooling gas in a steam compressor has difficulties in regulating the temperature of the target compartment. Based on this, an alternative cooling technology is needed. Thermoelectric cooler (TEC) is an alternative cooling technology, because TEC has advantages such as small size, lower noise and vibration, easier in temperature regulation, low maintenance requirements, can absorb heat using the principle of heat difference so that in addition to being able to the cooler can also be a heater, and besides that it can be turned on with a DC current. Obtained a solution in the form of cooling using a thermoelectric cooler, using a fan in the refrigerator.The current research examines the application of CFD (Computational Fluid Dynamic) to analyze the flow of wind into the refrigerator. Use the existing CFD analyst application. To analyze the flow of fluid entering the refrigerator, it is simplified for this refrigerator, by cutting the inside of the refrigerator. So that the incoming fluid flow can be reviewed, from the incoming air velocity can be analyzed with a simple correlation to the wind speed generated with existing pwm. It is expected that from this research, researchers can find out the wind phenomenon that is in the refrigerator so that it can be used for further research.<br />
<br />
<br />
<br />
<br />
[[File:G1.png|400px|thumb|center ]]<br />
<br />
[[File:test1.png|400px|thumb|center ]]<br />
<br />
== '''Optimasi Energi Pada Manusia''' ==<br />
<br />
The article below will describe how to make optimization in daily life, during one month<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Optimasi Energi Pada Manusia<br />
|-<br />
|'''Jenis'''<br />
|'''Perhitungan'''<br />
|'''Deskripsi'''<br />
|-<br />
! Step 1<br />
| [[File:gazo1.png|700px|left]] || Pertama saya menentukan jumlah jam yang dibutuhkan per hari secara acak dengan funsi rand di excel <br />
<br />
|-<br />
! Step 2 <br />
| [[File:gazo2.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 1<br />
<br />
|-<br />
! Step 3 <br />
| [[File:gazo3.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 2<br />
<br />
|-<br />
! Step 4 <br />
| [[File:gazo4.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 3<br />
<br />
<br />
|-<br />
! Step 5 <br />
| [[File:gazo5.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 4<br />
<br />
|-<br />
! Step 6 <br />
| [[File:hebat.png|700px|left]] || Mencari grafik polynomial pada salah satu minggu dan diadapatkan grafik polynom nya<br />
<br />
|-<br />
! Step 7 <br />
| [[File:gazo7.png|700px|left]] || hasil konversi watt ke rupiah pada hari senin pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 8 <br />
| [[File:gazo8.png|700px|left]] || hasil konversi watt ke rupiah pada hari selasa pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 9 <br />
| [[File:gazo9.png|700px|left]] || hasil konversi watt ke rupiah pada hari rabu pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 10 <br />
| [[File:gazo10.png|700px|left]] || hasil konversi watt ke rupiah pada hari jumat pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 11 <br />
| [[File:gazo11.png|700px|left]] || hasil konversi watt ke rupiah pada hari sabtu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step 12 <br />
| [[File:gazo12.png|700px|left]] || hasil konversi watt ke rupiah pada hari minggu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step Final<br />
| [[File:cobajadulu.png|700px|left]] || Mencoba memasukan nilai minimum ke dalam matlab dan mencari dengan curve fitting<br />
<br />
|-<br />
|}<br />
<br />
== '''Pengarahan Beberapa Teknologi Komputasi Teknik''', 16-03-2020 ==<br />
<br />
<br />
Pada pertemuan kali ini membahas masalah initial thinking, mendevelop model matematis, anlisa secara umum dan analisa secara khusus<br />
<br />
Mengembangkan model amtematis dari konsep model utama dari model matematis tersebut<br />
<br />
Dari modeling tersebut dibutuhkan beberapa tahapan pertama :<br />
<br />
*Constrain <br />
<br />
*Boundary Condition <br />
<br />
*Setelah beberapa tahapan itu masuk ke tahapan simulasi <br />
<br />
Pengertian Verifikasi : <br />
<br />
Verifikasi adalah teori filsafat positif logis dalam memilih yang menyatakan bahwa pengalaman adalah satu-satunya sumber dasar pengetahuan dan dalam analisis logis dapat dilakukan dengan bantuan simbol-simbol logika dengan menggunakan metode untuk pemecahkan masalah melalui metode verifikasi empirik yaitu bila terdapat sesuatu yang tidak dapat diverifikasi secara empirik maka hasilnya adalah sia-sia. penganut teori radikal ini memiliki masalah konsekuensi untuk filosofi tradisional, karena, jika benar, akan menyebabkan banyak pekerjaan sia-sia pada filosofis masa lalu, antara lain pada metafisika dan etika.<br />
<br />
Validasi : <br />
<br />
validasi adalah sebuah teknik validasi model untuk menilai bagaimana hasil statistik analisis akan menggeneralisasi kumpulan data independen. Teknik ini utamanya digunakan untuk melakukan prediksi model dan memperkirakan seberapa akurat sebuah model prediktif ketika dijalankan dalam praktiknya. Dalam sebuah masalah prediksi, sebuah model biasanya diberikan kumpulan data (dataset) yang diketahui untuk digunakan dalam menjalankan pelatihan (dataset pelatihan), serta kumpulan data yang tidak diketahui (atau data yang pertama kali dilihat) terhadap model yang diuji (pengujian dataset).[4] Tujuan dari validasi silang adalah untuk mendefinisikan dataset untuk "menguji" model dalam tahap pelatihan (yaitu, validasi data), dalam rangka untuk membatasi masalah seperti terjadinya overfitting, memberikan wawasan tentang bagaimana model akan menggeneralisasi independen dataset (yaitu, dataset tidak diketahui, misalnya dari masalah nyata), dll.<br />
<br />
== '''Ujian Tengah Semester''', Komputasi Teknik ==<br />
<br />
<br />
<br />
<br />
=== '''Video Pembelajaran Setiap Minggu''' ===<br />
<br />
<br />
'''Kemampuran Komputasi Teknik Selama Perkuliahan, Tutorial Menggunakan CFDSOF'''<br />
<br />
<br />
[[File:.pertemuan3wisnuindrawan.mp4||500px|center]]<br />
<br />
<br />
<br />
=== '''Draft Paper Komputasi Teknik''' ===<br />
<br />
<br />
==== BAB I ====<br />
<br />
Pendinginan salah satu teknologi yang memiliki berbagai macam pengaplikasian, dimulai dari menjaga produk makanan dari kebusukan dan berbagai pengendalian suhu dalam bidang elektronik dan industri lainnya (Gökçekdan Şahin, 2017).Salah satu teknologi pendinginan yang sekarang ini sering digunakan adalah teknologi berbasis kompresi uap karna mempunyai (COP) coefficient of performanceyang tinggi dan mempunyai harga yang lebih murah dibandingkan teknologi alternatif lainnya.Dalam proses pendinginan, teknologi kompresi uap menggunakan gas pendingin yang berfungsi untuk menyerap panas pada udara dalam ruangan, sehingga menjadi bersuhu rendah. Secara luas gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannyadan tipe R600a mengandung gas HF yang dapat mengurangi lapisan ozon (Söylemez dkk., 2018). Selain itu,pada sistem kompresor satu kipas yang menggunakan gas pendingin pada kompresor uap memiliki kesulitan dalampengaturan temperatur dari kompartemen target. Berdasarkan pernyataan tersebut diperlukan suatu teknologi pendingin alternatif. Thermoelectric cooler adalah salah satu alternatif teknologi pendingin, dikarenakan thermoelectric cooler memiliki kelebihan seperti berukuran kecil, kebisingan dan getaran yang lebih rendah, lebih mudah dalam pengaturan suhu, mebutuhkan perawatan yang sedikit, dan dapat dihidupkan dengan arus DC (Söylemezdkk., 2018). Pendinginan dengan menggunakan TEC (Termoelectric Cooling) telah digunakan untuk menghilangkan embun kaca depan kendaraan. Penelitian tersebut telah menghasilkan temperatur hingga 22,4 oC. Penelitian lainTEC telah digunakan untuk pendingin kotak minuman dengan menggunakan 3thermoelectric cooling, dimana dapat menghasilkan temperatur kotak minuman tanpa beban mencapai14,3 oC, dengan beban pendingin air sebanyak 1 liter sebesar 16,4 oC (Nulhakim, 2017). TEC (Termoelectric Cooling) tidak hanya dapat mendinginkan, tetapi dapat memanaskan di waktu yang bersamaan. Sifat dari TEC ini dapat dimanfaatkan untuk sistem pengaturan suhu ruangan. Untuk tujuan pengaturan suhu yang lebih akurat, dapat dipertimbangkan menggunakan sistem kontrol loop tertutup dengan PID (Propotional, Integral dan Derivative). Kelebihan dari pemakaian kontroler PID di loop tertutup adalah kontrol PID memiliki kemampuan untuk penyetelan otomatis, dan dapat adaptasi terhadap variasi waktu, sehinggasistem dari kontroler PID menyediakan aplikasi didalam industri dengan fitur kontrol yang lebih akurat dandapat disesuaikan dengan kebutuhan(Abdullah dan Ayman, 2008). Pengaturan PID pada umumnya menggunakan alat yang memakan banyak biaya. Tetapi menurut hasil dari eskperimen yang menyatakan bahwa kontroler PID menggunakna mikrokontoler tipe P18F4685 yang memiliki kapasitas 14 bit dapat menghasilkan kestabilan yang baik, dengan overshoot yang sedikit, dan memiliki waktu settling time yang sedikit pula (El-Nagar dan El-Bardini, 2014). Dari latar belakang tersebut diperlukan suatu sistem pendingin ruangan yang terkontrol secara otomatis menggunakanteknologi pendingin ramah lingkungan yang terkontrol dengan sistem kontrol loop tertutup, sehinggadapat manjadi salah satu alternatif teknologi pendingin ruangan.Berdasarkan potensi tersebut maka telah dilakukan penelitian tentang rancang bangun sistem pendingin ruangan menggunakan TEC (Thermoelectric Cooler) dengan kontroler PID.<br />
<br />
==== BAB II ====<br />
<br />
'''Sensor Suhu''' <br />
<br />
Salah satu jenis sensor suhu yang banyak digunakan di industri adalah tipe sensor suhu berbahan semikonduktor. Sensor ini menggunakankonfigurasi dioda atau transistor di kutub yang pada sambungan p-n bahan tersebut memiliki respon yang kuat terhadap suhu. Terdapat dua jenis pemberian tegangan pada sambungan p-n yaitu bias maju dan bias mundur seperti ditunjukkan pada Gambar 2.1. Ketika sambungan p-n bias maju dihubungkan dengansumber arus, maka terjadi beda potensial pada kedua sambungan. Beda potensial atau tegangan yang dihasilkan berbanding lurus dengan perubahan suhu(Suryono, 2018).<br />
<br />
[[File:wisnu.png|500px|center|]]<br />
<br />
<br />
<br />
'''Thermoelectric'''<br />
<br />
Modul thermoelectric khas dibuat menggunakan dua buah keramik berbentuk wafer dengan jenis bahan semikonduktor bismuth telluride P dan N yang diapit di antara keduanya seperti yang ditunjukkan pada Gambar 2.3. Bahan keramik di kedua sisi dari thermoelectric berfungsi untuk pelindung dan sebagai isolator listrik yang diperlukan. Bahan tipe-N memiliki kelebihan elektron, sementara bahan tipe-P membutuhkan elektron. Bahan P dan N membentuk pasangan, seperti yang ditunkjukan pada Gambar 2.3. Pasangan thermoelectric dipasang secara seri dan termal sejajar. Modul thermoelectric dapat berisi satu sampai beberapa ratus pasangan. Saat elektron bergerak dari bahan tipe-P ke bahan tipe-N melalui konektor listrik, elektron beralih ke keadaan energi yang lebih tinggi dan menyerap energi panas (sisi dingin) (Manikandan dkk., 2017).<br />
<br />
<br />
[[File:dewawisnuganteng.png|500px|center|]]<br />
<br />
<br />
<br />
<br />
<br />
==== BAB III ====<br />
<br />
Sistem pengendalian yang saya pakai adalah menggunakan mobile phone, jadi pada penyetingan set point pada PID menggunakan apliaksi mobile bebasis bluetooth<br />
<br />
<br />
[[File:bismillahadajalan.png|500px|center|]]<br />
<br />
Selanjut nya pada sistem kerja dari alat ini menggunakan sistem PID untuk mengatur kecepatan dari driver motor untuk mengatur suhu, jika suhu tidak sesuai dengan yang diinginkan maka kecepatan kipas akan terus bertambah.<br />
<br />
<br />
[[File:PIDBROH.png|500px|center|]]<br />
<br />
<br />
Hasil rancang bangun dari alat pendingin ditunjukan pada gambar dibawah ini<br />
<br />
<br />
[[File:celenganrindu.jpg|500px|center|]]<br />
<br />
Pembuatan interface untuk memasukkan data set point pada aplikasi mobile<br />
<br />
[[File:interface.png|500px|center|]]<br />
<br />
Pembuatan interface untuk mencari device bluetooth pada device-device sekitar<br />
<br />
[[File:tampilan2.png|500px|center|]]<br />
<br />
==== BAB IV ====<br />
<br />
Hasil data dari kalibrasi sensor suhu dengan alat ukur standart SNI <br />
<br />
<br />
[[File:akad.png|500px|center|]]<br />
<br />
<br />
Data PID setelah melakukan trial and error mendapatkan nilai Kp Kd Ki <br />
<br />
<br />
[[File:bismillahwisnudata.png|500px|center|]]<br />
<br />
=== '''Laporan Optimasi Energi''' ===<br />
<br />
<br />
Grafik Pada Minggu Pertama<br />
<br />
<br />
<br />
[[File:bersyukurlah.png|500px|center|]]<br />
<br />
[[File:gambarsatu.png|500px|center|]]<br />
<br />
<br />
[[File:semuaudahadarezekinya.png|500px|center|]]<br />
<br />
<br />
<br />
[[File:janganngeluhterus.png|500px|center|]]<br />
<br />
Gambar yang ditunjukan dengan menggunakna aplikasi sypder menunjukkan nilai x, nilai tersebut merupakan nilai minimum atau optimum dari persamaan yang telah dibuat dengan menggunakan excel<br />
<br />
<br />
Revisi Projek tugas komputasi teknik <br />
<br />
Pada kesempatan kali ini saya menggunakan case baru untuk menyelesaikan draft paper mata kuliah komputasi teknik <br />
<br />
Hal ini dikarenakan, ketertarikan penulis untuk mengangkat tema ini <br />
<br />
==Refisi draft paper==<br />
<br />
<br />
<br />
Beberapa contoh data dari nasabah yang dihasilkan untuk mengetahui apakah nasabah ingin meninggalkan bank dari data - data pribadi mereka, <br />
seperti lama mereka menggunakan jasa bank ini, jumlah tabungan mereka, kemudian umur mereka, dan dari pria atau wanita <br />
<br />
<br />
[[File:22 April 2020 5.png || 700px]]<br />
<br />
Pertama data yang berada dalam format csv dimasukan ke dalam pemograman python dengan maka akan muncul tampilan seperti diatas, ataua kerap<br />
disebut sebagai dataframe, setelah dataframe terbentuk maka dataframe tersebut di pecah - pecah atau dikelompokkan mana yang bisa digunakan untuk <br />
independent variable atau tidak <br />
<br />
<br />
<br />
[[File:22 April 2020 1.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 2.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 3.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 4.png || 700px]]<br />
<br />
<br />
methode dari draft paper ini adalah : <br />
<br />
'''mengguankan machine learning''' <br />
<br />
Pembelajaran mesin (ML) adalah studi tentang algoritma komputer yang meningkat secara otomatis melalui pengalaman. [1] Itu dilihat sebagai bagian dari kecerdasan buatan. Algoritma pembelajaran mesin membangun model matematika berdasarkan data sampel, yang dikenal sebagai "data pelatihan", untuk membuat prediksi atau keputusan tanpa diprogram secara eksplisit untuk melakukannya. [2] [3]: 2 Algoritma pembelajaran mesin digunakan dalam berbagai berbagai aplikasi, seperti penyaringan email dan visi komputer, di mana sulit atau tidak layak untuk mengembangkan algoritma konvensional untuk melakukan tugas-tugas yang diperlukan.<br />
<br />
Pembelajaran mesin terkait erat dengan statistik komputasi, yang berfokus pada membuat prediksi menggunakan komputer. Studi tentang optimasi matematika memberikan metode, teori dan domain aplikasi ke bidang pembelajaran mesin. Penambangan data adalah bidang studi terkait, dengan fokus pada analisis data eksplorasi melalui pembelajaran tanpa pengawasan.<br />
<br />
'''Realsi terhadap optimasi'''<br />
<br />
Pembelajaran mesin juga memiliki ikatan intim dengan optimisasi: banyak masalah pembelajaran dirumuskan sebagai minimalisasi beberapa fungsi kerugian pada serangkaian contoh pelatihan. Fungsi kerugian menyatakan perbedaan antara prediksi model yang sedang dilatih dan contoh masalah yang sebenarnya (misalnya, dalam klasifikasi, seseorang ingin menetapkan label pada instance, dan model dilatih untuk memprediksi dengan benar label yang telah ditetapkan sebelumnya dari sekumpulan contoh). Perbedaan antara dua bidang muncul dari tujuan generalisasi: sementara algoritma optimasi dapat meminimalkan kerugian pada set pelatihan, pembelajaran mesin berkaitan dengan meminimalkan kerugian pada sampel yang tidak terlihat. <br />
<br />
'''Relasi terhadap statistik'''<br />
<br />
Pembelajaran mesin dan statistik adalah bidang yang terkait erat dalam hal metode, tetapi berbeda dalam tujuan utamanya: statistik menarik kesimpulan populasi dari sampel, sementara pembelajaran mesin menemukan pola prediksi yang dapat digeneralisasikan. Menurut Michael I. Jordan, gagasan pembelajaran mesin, mulai dari prinsip metodologis hingga alat teoretis, telah memiliki pra-sejarah panjang dalam statistik. [22] Dia juga menyarankan istilah ilmu data sebagai pengganti untuk menyebut bidang keseluruhan. <br />
<br />
Leo Breiman membedakan dua paradigma pemodelan statistik: model data dan model algoritmik, [23] di mana "model algoritmik" berarti kurang lebih algoritma pembelajaran mesin seperti hutan acak.<br />
<br />
Beberapa ahli statistik telah mengadopsi metode dari pembelajaran mesin, yang mengarah ke bidang gabungan yang mereka sebut pembelajaran statistik. <br />
<br />
<br />
'''Teori'''<br />
<br />
Tujuan inti seorang pelajar adalah untuk menggeneralisasi dari pengalamannya. Generalisasi dalam konteks ini adalah kemampuan mesin pembelajaran untuk melakukan secara akurat pada contoh / tugas baru yang tidak terlihat setelah mengalami kumpulan data pembelajaran. Contoh-contoh pelatihan berasal dari beberapa distribusi probabilitas yang umumnya tidak diketahui (dianggap mewakili ruang kejadian) dan pelajar harus membangun model umum tentang ruang ini yang memungkinkannya menghasilkan prediksi yang cukup akurat dalam kasus-kasus baru.<br />
<br />
Analisis komputasi algoritma pembelajaran mesin dan kinerjanya adalah cabang ilmu komputer teoretis yang dikenal sebagai teori pembelajaran komputasi. Karena set pelatihan terbatas dan masa depan tidak pasti, teori pembelajaran biasanya tidak menghasilkan jaminan kinerja algoritma. Sebaliknya, batasan probabilistik pada kinerja cukup umum. Dekomposisi bias-varians adalah salah satu cara untuk mengukur kesalahan generalisasi.<br />
<br />
Untuk kinerja terbaik dalam konteks generalisasi, kompleksitas hipotesis harus sesuai dengan kompleksitas fungsi yang mendasari data. Jika hipotesis kurang kompleks dari fungsi, maka model memiliki data yang sesuai. Jika kompleksitas model meningkat dalam respons, maka kesalahan pelatihan berkurang. Tetapi jika hipotesisnya terlalu kompleks, maka modelnya akan mengalami overfitting dan generalisasi akan menjadi lebih buruk. <br />
<br />
Selain batas kinerja, ahli teori belajar mempelajari kompleksitas waktu dan kelayakan belajar. Dalam teori pembelajaran komputasi, perhitungan dianggap layak jika dapat dilakukan dalam waktu polinomial. Ada dua jenis hasil kompleksitas waktu. Hasil positif menunjukkan bahwa kelas fungsi tertentu dapat dipelajari dalam waktu polinomial. Hasil negatif menunjukkan bahwa kelas-kelas tertentu tidak dapat dipelajari dalam waktu polinomial.<br />
<br />
<br />
<br />
'''metode machine learning ada beberapa tipe nya berikut penjelasan mengenai teori machine learning :''' <br />
<br />
1. Suppport Vector Machine (SVMs)<br />
<br />
Support vector Machines (SVMs) adalah algoritma pembelajaran mesin yang diawasi yang fleksibel namun kuat yang digunakan baik untuk klasifikasi dan regresi. Tetapi umumnya, mereka digunakan dalam masalah klasifikasi. Pada 1960-an, SVM pertama kali diperkenalkan tetapi kemudian disempurnakan pada tahun 1990. SVM memiliki cara implementasi yang unik dibandingkan dengan algoritma pembelajaran mesin lainnya. Akhir-akhir ini, mereka sangat populer karena kemampuan mereka untuk menangani beberapa variabel kontinu dan kategorikal.<br />
<br />
<br />
Dalam praktiknya, algoritma SVM diimplementasikan dengan kernel yang mengubah ruang data input ke dalam formulir yang diperlukan. SVM menggunakan teknik yang disebut trik kernel di mana kernel mengambil ruang input dimensi rendah dan mengubahnya menjadi ruang dimensi yang lebih tinggi. Dengan kata-kata sederhana, kernel mengubah masalah yang tidak dapat dipisahkan menjadi masalah yang dapat dipisahkan dengan menambahkan lebih banyak dimensi ke dalamnya. Itu membuat SVM lebih kuat, fleksibel dan akurat. Berikut ini adalah beberapa jenis kernel yang digunakan oleh SVM.<br />
<br />
<br />
Linear Kernel <br />
<br />
Ini dapat digunakan sebagai produk titik antara dua pengamatan. Rumus kernel linear adalah sebagai berikut<br />
<br />
Metode yang digunakan <br />
<br />
pada penelesaian masalah ini saya menggunakana beberapa engone dari python untuk melakuakn machine learning yakni '''sklearn''' dan '''tensor flow''', berikut penjelasan masing masing metode nya :<br />
<br />
ini adalah struktur skrip dari '''sklearn.prepocessing''' <br />
<br />
class sklearn.preprocessing.OneHotEncoder(*, categories='auto', drop=None, sparse=True, dtype=<class 'numpy.float64'>, handle_unknown='error')[source]<br />
<br />
kenapa class ini digunakan karena machine leraning tidak bisa memproses selain angka, tapi pada kasus ini saya menggunakan nama, umur dan beberapa proses yang menggunakan tipe string(kata - kata)<br />
sehigga sulit untuk di klasifikasikan.<br />
<br />
'''maka dari itu metode ini dapat digunakan.'''<br />
<br />
'''One Hot Encoding adalah :''' reperentasi kategori variabel dalam vektor biner. <br />
<br />
Pertama nilai dari proses ini dipetakan dala nilai integer (nilai angka yang benilai bilangan bulat, tidak memiliki nilai koma)<br />
<br />
Lalu, setiap nilai yang berbentuk integer ini direpresentasikan sebagai vektor biner yang semua nya bernilai nol kecuali yang terindeks integer, yang di tandai 1.<br />
<br />
== Quis II, 6 April 2020 ==<br />
<br />
<br />
Assalamualaiakum Beerikut adalah link dari Quis 2<br />
Wisnu Indrawan <br />
1906433745<br />
<br />
https://drive.google.com/drive/folders/17z_x1nPTXBtnZl_PVhXRBZXdK5Wy0GMx?usp=sharing<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan Tanggal : Senin, 13 April 2020 ==<br />
<br />
<br />
<gallery mode="slideshow"><br />
File:Wisnu 12346798.png<br />
File:Wisnu 123467989.png<br />
File:Wisnu 12346798910.png<br />
File:Wisnu 12346798435435.png<br />
File:Wisnu 1234679843fdsaf4.png<br />
</gallery><br />
<br />
== Resume Pertemuan tanggal : Senin, 20 April 2020 ==<br />
<br />
<br />
<gallery mode="slideshow"><br />
<br />
<br />
File:qwerwqerqwerq_caseII_1.png<br />
File:qwerwqerqwerq_caseII_2.png<br />
File:24-04-2020-1-tugas komtek.png<br />
File:2020-04-24 23 12 57-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 22-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:hasil-24-04-2020.png<br />
File:2020-04-24 23 47 29-Book1 - Excel.png<br />
</gallery><br />
<br />
<br />
Penggunaan aplikasi python untuk mencari ann pada kasus ini terdapat perbedaan, untuk penggunaan matlab untuk mencari nilai ann pada aplikasi ini menggunakan nntool <br />
<br />
<br />
'''nntool''' <br />
<br />
[[File:Example.jpg||400px]]<br />
<br />
== Resume Pertemuan tanggal : Senin, 27 April 2020 ==<br />
<br />
1. Pemahaman terkait prinsip dan konsep komputasi teknik<br />
<br />
2. Penerapan konsep dan skill dalam komputasi teknik<br />
<br />
3. Lebih mengenal diri<br />
<br />
Dari 3 point diatas disampaikan via zoom dengan cara sebagai berikut:<br />
<br />
a. show your contributions<br />
<br />
b. your understanding<br />
<br />
c. your skill<br />
<br />
== Resume Pertemuan tanggal : Senin, 04 Mei 2020 ==<br />
<br />
<br />
<br />
- Pemahaman terkait prinsip dan konsep komputasi teknik<br />
<br />
- Penerapan konsep dan skill dalam komputasi teknik<br />
<br />
- Lebih mengenal diri baik individu maupun kelompok/ kelas<br />
<br />
Intisaru dari evaluasi diri ini adalah :<br />
<br />
- show your contributions<br />
<br />
- your understanding<br />
<br />
- your skkill<br />
<br />
== Resume Pertemuan tanggal : Senin, 11 Mei 2020 ==<br />
<br />
<br />
Pada pertemuan tanggal 11 Mei 2020 terdapat pembahasan selanjut nya pada pertemuan minggu lalu mengnai pressure drop. Pada pembahsan pada grup whatshap mengenai tentang pendapat individu mengenai kasus pressure drop dan di bahas kemabli dalam grup Komputasi Teknik via whatshapp. Diharapkan pada pembahasan ini secara personal memahami cases Basic Mechanics dan menjadi kewajiban bagi setiap mahsiwa menyatakan analisa pribadi terkait kasus tersebut. <br />
<br />
Berikut Hasil dari pembahasan kasus tersebut : <br />
<br />
<gallery mode="slideshow"><br />
File:WhatsApp Image 2020-05-12 at 19.30.27.jpeg<br />
File:WhatsApp Image 2020-05-11 at 09.41.12.jpeg<br />
File:WhatsApp Image 2020-05-12 at 16.50.43.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.51.38.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.53.29.jpeg<br />
</gallery><br />
<br />
<br />
<br />
'''Azikri '''<br />
<br />
sedikit tambahan terkait hal di atas, bahwa pada dasarnya aliran fluida dalam pipa akan mengalami penurunan tekanan atau pressure drop seiring dengan <br />
panjang pipa ataupun disebabkan oleh gesekan dengan permukaan<br />
saluran, dan juga ketika aliran melewati sambungan pipa, belokan, katup, difusor, dan sebagainya.<br />
Disisi lain, prinsip dasar persamaan kontinuitas juga jadi landasan dimana massa tidak dapat diciptakan dan<br />
tidak dapat dimusnahkan, sehingga massa dalam suatu sistem yang konstan dapat dinyatakan dengan rumus : rho.A.v=m<br />
<br />
atau Jika aliran fluida bersifat incompressible dan steady flow, maka persamaan menjadi : Q=A.v<br />
<br />
Singkatnya dr persmaan pertama bahwa pressure drop berbanding terbalik dengan D, dan begitu halnya dengan persamaan 2 tegangan geser berbanding <br />
terbalik dg A<br />
<br />
'''Adhika '''<br />
<br />
- Gaya Masuk - Gaya Geser Total = Gaya Keluar<br />
- Gaya Geser Total = Gaya Masuk - Gaya Keluar<br />
- Gaya Geser Total = P1.A - P2.A <br />
- Gaya Geser Total = dp . Luas Area Pipa<br />
Shear Stress . Luas Selimut = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(Luas Area Pipa . L. pi . 4) = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(L. pi . 4) / sqrt(Luas Area Pipa) = dp<br />
<br />
Kesimpulan:<br />
Luas Area Pipa semakin besar maka dp akan semakin kecil<br />
<br />
<br />
'''Jerry '''<br />
<br />
Ketika nilai A membesar, maka nilai D secara langsung juga membesar karena A merupakan fungsi D; A(D). <br />
<br />
Dari persamaan pressure drop, terlihat bahwa nilai D berbanding terbalik dengan nilai deltaP. <br />
<br />
Hal ini akan mengimplikasikan bahwa semakin besar nilai D, maka semakin kecil nilai deltaP<br />
<br />
'''Dessy'''<br />
<br />
Sederhananya jika dilihat dari persamaan untuk Pressure Drop maka sudah cukup jelas dalam menjawab pertanyaan mengapa ketika luas area (A) diperbesar <br />
menyebabkan nilai pressure drop yang menurun, dimana <br />
<br />
dP = f L rho V^2 / 2 D<br />
<br />
Dari persamaan diatas terlihat bahwa nilai diameter (pengaruhnya terhadap luas area) berbanding terbalik dengan nilai pressure loss dP.<br />
<br />
Tambahan juga jika dilihat dari nilai kecepatan (disini saya menggunakan analogi aliran fluida dalam pipa), secara logika apabila nilai luas <br />
penampang A diperbesar maka nilai kecepatan akan semakin kecil, sesuai dengan persamaan yang telah dijelaskan oleh saudara Dieter sebelumnya.<br />
<br />
Maka jika kembali ke persamaan pressure drop sesuai analogi ini, A yang besar akan menyebabkan nilai V menurun, akibatnya nilai dP pun akan menurun.<br />
<br />
Dari sini dapat disimpulkan bahwa semakin besar nilai diameter D, yang menghasilkan nilai area A yang semakin besar pula, menghasilkan nilai pressure <br />
drop dP yang semakin kecil.<br />
<br />
'''Muhammad Gumilar'''<br />
<br />
Ada hal menarik disini, dari beberapa yang saya perhtikan dari beberapa pendapat teman-teman, pengaruh dari adanya luasan atau diameter pipa akan <br />
mempengaruhi keepatan alir didalam pipa , sesuai dengan hukum kontinuitas. Berkaitan dengan hal ini, saya mencerna bahwa bisa saja sebenarnya jika <br />
kita membandingkan dua hal yang mana, dua buah pipa dengan diameter yang berbeda akan tetepa memiliki kecepatan aliran rata-rata yang sama, yang <br />
mana berarti kedua debit aliran dari pipa ini berbeda. Namun yang dititikberatkan pada pembahasannya adala, kenapa berdasarkan rumus pressure loss, <br />
apabila diameter membesar, maka pressure drop akan berkurang. Sedangkan dari persamaan yang lain, kita kethaui bahwa gaya gesek akibat adanya <br />
tegangan geser akan meningkat karena persamaannya adalah F=thow * A. <br />
<br />
Kebingunga dari mahasiswS1 tersebut menurut saya adalah pemahaman beliau yang tidak komprehensif terhadap kosnep pressure drop. Memang, pressure drop <br />
itu berhubungan erat dengan adanya gesekan viscous antara fluida dengan dinding pipa. Akan tetapi, ada hal penting yang dilupakan oleh sang mahasiswa <br />
S! tersebut, yaitu bahwa perbesaran diameter dari pipa juga akan mengakibatkan tegangan geser yang terjadi. Secara sederhana, sepemahaman saya, <br />
tegangan geser itu berbanding lurus dengan gradient kecepatan aliran fluida di sepanjang pipa, yaitu du/dy. Nah, apabila, dengan kecepatan rata-rata <br />
yang sama, diameter pipa semakin besar, maka gradient kecepatan di sepanjang pipa akan berkurang karena pengaruh gaya viscous antara dinding dan <br />
fluida juga semain berkurang. Oleh karena itu, pressure Drop yang terjadi juga akan semakin berkurang. Semoga bermanfaaat semua eheheheh<br />
<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan tanggal : Senin, 18 Mei 2020 ==<br />
<br />
Pada pertemuan kali ini membahas materi minggu lalu dan saya ingin menjelaskan lagi terkait tentang friction loss, berikut penjelasan nya <br />
<br />
Dalam aliran fluida, kehilangan gesekan (atau gesekan kulit) adalah hilangnya tekanan atau "head" yang terjadi pada pipa atau aliran saluran karena efek viskositas fluida di dekat permukaan pipa atau saluran. [1] Dalam sistem mekanis seperti mesin pembakaran internal, istilah ini mengacu pada daya yang hilang dalam mengatasi gesekan antara dua permukaan yang bergerak, sebuah fenomena yang berbeda.</div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=Wisnu_indrawan&diff=35879Wisnu indrawan2020-06-01T09:02:13Z<p>Wisnu indrawan: /* Resume Pertemuan tanggal : Senin, 18 Mei 2020 */</p>
<hr />
<div><br />
<br />
----<br />
<br />
== '''Biodata Diri :''' ==<br />
<br />
----<br />
<br />
<br />
[[File:wisnu.jpg|200px|thumb|left|Watashinonamaeha wisnu ndes ]]<br />
<br />
*Nama : Wisnu Indrawan <br />
<br />
*NPM : 1906433745<br />
<br />
*Jurusan : Teknik Mesin<br />
<br />
*Institusi : Universitas Indonesia<br />
<br />
*Penjuruan : SUBAK (Sistem Utilitas Bangunan)<br />
<br />
*Email : wisnu.indrawan@ui.ac.id<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Istilah - Istilah Teknik''' ==<br />
<br />
<br />
'''1. Clustering ''' <br />
<br />
*clustering adalah teknik machine learning berupa algoritma pengelompokkan objek-objek data berjumlah N menjadi <br />
kelompok-kelompok data tertentu (cluster)<br />
<br />
*Objek data yang beada dalam satu kelompok / cluster harus memiliki kemiripan <br />
<br />
*Semakin banyak data yang diperoleh sama dnegan semakin akurat hasil yang di dapatkan <br />
<br />
*Clustering merupakan salah satu jenis dari algoritma unsupervised learining, algoritma <br />
yang bertujuan untuk mempelajari dan menemukan pola dari suatu input yang diberikan tanpa menggunuakan label <br />
<br />
*Dengan penggunaan supervised learning, maka beberapa hal berikut ini dapat dilakukan <br />
<br />
'''1.''' Search: Membandingkan antar dokumen, gambar atau suara untuk menampilkan item serupa. <br />
<br />
'''2.''' Deteksi anomali: Mendeteksi perilaku yang tidak biasa yang biasanya berhubungan dengan hal-hal yang ingin dicegah atau dideteksi, seperti contoh penipuan. <br />
<br />
<br />
Selain itu teknik clustering terdapat beberapa algoritma di dalam nya yang akan dijelaskan istilah nya pada bagian bawah ini : <br />
<br />
<br />
<br />
'''2. K-Means Clustering'''<br />
<br />
*Tentukan jumlah cluster <br />
<br />
*alokasikan data ke dalam cluster secara rancodm <br />
<br />
*hitung centroid/rata-rata dari data yang ada di masing-masing cluster <br />
<br />
*alokasikan masing masing data ke centroid/data-data terdekat <br />
<br />
*kembali ke step 3, apabila masih ada data yang berpindah cluster atau apabila <br />
perubahan nilai centroid, ada yang di atas nilai threshold yang ditentikan atau apabila <br />
perubahan nilai pada objective function yang digunakan di atas nilai threshold yang ditentukan<br />
<br />
<br />
'''3. Mean-Shift Clustering<br />
'''<br />
*Untuk mejelaskan mean-shift, kita ilustrasikan sekumpulan titik dalam ruang <br />
dua dimensi <br />
<br />
*kita mulai dengan circular sliding window yang berpusat pada titik C(dipilih secara acak)<br />
dan memiliki jadi-jadir r sebagai kernel. Mean shift adalah algoritma yang melakukan pergeseran kernel ini secara iteratif <br />
ke daerah kepadatan yang lebih tinggi pada setiap langkah hingga konvegensi.\<br />
<br />
*pada setiap iterasi, sliding window digeser ke arah daerah dengan kepadatan lebih tinggi dengan menggeser titik tengahnya. kepadatan pada sliding window sebanding dengan jumlah tiitk di dalamnya <br />
<br />
*terus melakuakn pergeseran pada sliding window sesuai dengan rata -rata sampai tidak ada arah di mana pergeseran dapat mengakomondasikan lebih banyak titik di dalam kernel (tidak lagi meningkatkan densitas/jumlah titik di window)<br />
<br />
*langkah 1 hingga 3 ini dilakukan dengan banyak sliding window sampai semua titik terletak di dalam window. Ketika beberapa window saling berumpang tindih, window yang berisi titik terbanyak akan dipertahankan. Objek data kemudian dikelompokkan sesua dengan sliding window tempat mereka berada.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-1 ''', (Senin, 03 Februari 2020), Muhasabah ==<br />
<br />
<br />
----<br />
<br />
<br />
'''Muhasabah Diri :''' <br />
<br />
'''Muhasabah adalah''' : sesuatu hal yang perlu dan menjadikannya sebuah kebutuhan dalam tiap-tiap diri manusia, di dalam agama Islam, muhasabah sangatlah dianjurkan karena jika muhasabah bisa dijalankan dengan baik akan memberi banyak manfaat baik yang akan di dapatkan di dunia maupun diakhirat kelak.<br />
<br />
'''Pada pertemuan pertama kami mempelajari apa makna dari komputasi teknik :'''<br />
<br />
'''a. Definisi Komputasi'''<br />
<br />
Komputasi : setulnya bisa diartikan sebagai cara untuk menemukan pemecahan masalah dari data input dengan menggunakan suatu algoritme. Hal ini ialah apa yang disebut dengan teori komputasi, suatu sub-bidang dari ilmu komputer dan matematika. Selama ribuan tahun, perhitungan dan komputasi umumnya dilakukan dengan menggunakan pena dan kertas, atau kapur dan batu tulis, atau dikerjakan secara mental, kadang-kadang dengan bantuan suatu tabel. Namun sekarang, kebanyakan komputasi telah dilakukan dengan menggunakan komputer.<br />
<br />
Komputasi ilmiah dan numerik adalah bidang booming dalam penelitian, teknik, dan analitik. Revolusi dalam industri komputer selama beberapa dekade terakhir telah menyediakan alat baru dan kuat untuk praktisi komputasi. Ini telah memungkinkan usaha komputasi dari skala dan kompleksitas yang sebelumnya tidak pernah terjadi sebelumnya. Akibatnya, semua bidang dan industri bermunculan. Perkembangan ini masih berlangsung, dan ini menciptakan peluang baru seiring dengan meningkatnya perangkat keras, perangkat lunak, dan algoritme. Pada akhirnya, teknologi yang memungkinkan untuk gerakan ini adalah perangkat keras komputasi yang kuat yang telah dikembangkan dalam beberapa dekade terakhir. Namun, untuk seorang praktisi komputasi, lingkungan perangkat lunak yang digunakan untuk pekerjaan komputasi sama pentingnya dengan, jika tidak lebih penting daripada, perangkat keras di mana perhitungan dilakukan.<br />
<br />
'''b. Current state of knowledge'''<br />
<br />
Knowledge i have learned in master amount of application and I just know it in master degree, and this is application I had to learn in master degree, first is lab view, I use it for measure temperature in contactor, so I know the temperature at inlet and outlet, second is REFROP this application helped me to know enthalpy in refrigerant, is superheated or subcool, third but not last is CFD-SOF with this application I can calculate velocity of fluid at an object, for example, is I calculated velocity in planar plate, internal flow pipe, and so on. <br />
<br />
'''c. Pengalaman Komputasi Teknik'''<br />
<br />
Untuk pengalaman saya menggunakan komputasi sudah ada beberapa, seperti CFD SOF dan beberapa bahasa pemograman, tetapi di era data scientist sekarang banyak yang sedang menggunakan bahasa python untuk menjadi bahasa pemograman mereka, hal ini dikarekan python merupakan bahasa pemograman open source (gratis) dan mudah di gunakan untuk pemula, berikut dasar - dasar menggunakan bahsa python :<br />
<br />
'''c.1 Pengenalan Komputasi Menggunakan Python'''<br />
<br />
Python adalah bahasa pemrograman tingkat tinggi yang diartikan untuk keperluan umum yang banyak digunakan dalam komputasi ilmiah dan teknik. Pertama dan terpenting, Python terkenal dengan sintaks code yang bersih dan mudah dibaca. Pembacaan kode yang baik meningkatkan pemeliharaan, yang secara umum menghasilkan lebih sedikit bug dan aplikasi yang lebih baik secara keseluruhan, tetapi juga memungkinkan pengembangan kode yang cepat. Dalam pemecahan masalah komputasi, tentu saja, penting untuk mempertimbangkan kinerja algoritma dan implementasinya. Sementara kinerja runtime terbaik dapat dicapai dalam bahasa pemrograman tingkat rendah seperti fortran dan C, bekerja dalam bahasa tingkat tinggi seperti Python biasanya mengurangi waktu pengembangan dan seringkali menghasilkan kode yang lebih fleksibel dan dapat diperluas.<br />
<br />
'''c.2 Environement Untuk Komputasi Dengan Python''' <br />
<br />
Ada beberapa environtment berbeda yang dapat digunakan Python untuk komputasi ilmiah dan teknis. Keragaman ini memiliki kelebihan dan kekurangan dibandingkan dengan lingkungan yang didukung. Dalam produk komputasi memiliki keanekaragaman menyediakan fleksibilitas dan dinamika yang cocok untuk spesialisasi untuk kasus penggunaan tertentu. Di sini saya memberikan orientasi lingkungan umum untuk komputasi ilmiah. Contoh 3 GUI yang digunakan untuk menjalankan python adalah :<br />
<br />
'''c.2.1. IPython'''<br />
<br />
IPython merupakan sebuah console yang dapat dijalankan secara interaktif. Secara bersama dengan text editor untuk menuliskan code, menyediakan yang ringan untuk dikembangkan .<br />
<br />
'''c.2.2. The Jupyter Notebook'''<br />
<br />
Merupakan aplikasi web di mana kode Python dapat ditulis dan dieksekusi melalui browser web. Environtment ini sangat bagus untuk komputasi numerik, analisis, dan penyelesaian masalah, karena memungkinkan seseorang untuk mengumpulkan code, output yang dihasilkan oleh code, dokumentasi teknis terkait, dan analisis dan interpretasi, semuanya dalam satu dokumen.<br />
<br />
'''c.2.3. Spyder'''<br />
<br />
Integrated Development Environment, yang dapat digunakan untuk menulis dan menjalankan kode Python secara interaktif. IDE seperti Spyder adalah alat yang dapat diguankan untuk mengembangkan library dan modul Python yang bisa digunakan kembali<br />
<br />
'''c.2.4. Interpreter'''<br />
<br />
Cara standar untuk mengeksekusi kode Python adalah menjalankan program secara langsung melalui interpreter Python. Pada kebanyakan sistem, interpreter Python dipanggil menggunakan perintah python. Ketika Python file source diperintahkan sebagai argumen untuk perintah ini, kode Python dalam file tersebut dijalankan.<br />
<br />
$ python hello.py<br />
<br />
Hello from Python!<br />
<br />
Di sini file hello.py berisi satu baris:<br />
<br />
print("Hello from Python!")<br />
<br />
Untuk melihat versi Python mana yang diinstal, seseorang dapat menjalankan perintah python dengan argumen --version:<br />
<br />
$ python –version<br />
<br />
Python 3.6.5<br />
<br />
Adalah umum untuk menginstal lebih dari satu versi Python pada sistem yang sama. Setiap versi Python memelihara kumpulan perpustakaannya sendiri dan menyediakan perintah penerjemahnya sendiri (sehingga setiap lingkungan Python dapat menginstal perpustakaan yang berbeda). Pada banyak sistem, versi tertentu dari juru bahasa Python tersedia melalui perintah seperti, misalnya, python2.7 dan python3.6. Dimungkinkan juga untuk mengatur lingkungan python virtual yang independen dari lingkungan yang disediakan sistem. Ini memiliki banyak keuntungan dan saya sangat menyarankan untuk membiasakan diri dengan cara ini bekerja dengan Python. Lampiran A memberikan perincian tentang cara mengatur dan bekerja dengan lingkungan semacam ini.<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-2 : ''' (Senin, 10 Februari 2020), Sinopsis Tuga Akhir ==<br />
<br />
<br />
----<br />
<br />
<br />
'''a. Menjelaskan Sinopsis Tugas Akhir''' <br />
<br />
JUDUL : <br />
<br />
Sistem Pendingin Mengguankan Thermo Electric Cooler dengan Controller Propotional - Integral Derivative<br />
<br />
SINOPSIS : <br />
<br />
Pendinginan merupakan salah satu proses yang dapat digunakan untuk berbagai macam penggunaan, antara lain untuk menjaga produk industri makanan dan produk medis seperti obat-obatan dan vaksin. Proses pendinginan sekarang masih menggunakan teknologi pengawetan berbasis kompresi menggunakan gas pendingin. Tipe gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannya dan tipe R600a memiliki COP yang lebih rendah. Penelitian ini bertujuan merancang perangkat keras dan perangkat lunak yang dapat diaplikasikan pada pendingin termoelektrik, dengan merancang sebuah alat yang digunakan untuk sistem lemari pendingin menggunakan Thermoelectric Cooler (TEC) dan mendapatkan nilai COP yang tinggi. Sistem dibangun dengan kontroler Proportional Integral Derivative (PID). Sistem ini menggunakan beberapa alat antara lain, sensor suhu, Transistor tipe TIP31, modul bluetooth, kipas, dan mikrokontroler ATSAM3X8E. Pengendalian suhu dilakukan dengan membandingkan set-point suhu yang diinginkan dengan suhu dari sensor. Dari penelitian ini diperoleh hasil bahwa semakin besar nilai tegangan yang diberikan maka semakin besar pula besar nilai Pulse Wave Modulation (PWM) yang dihasilkan. Semakin tinggi nilai besar PWM, semakin cepat penurunan suhu pada kotak pendingin. Dari beberapa pengujian dapat disimpulkan bahwa nilai parameter kontrol proporsional (Kp), parameter kontrol integral (Ki), dan nilai parameter kontrol deferensial (Kd ), dimana pada nilai Kp = 255, Ki = 100, dan Kd = 200 mendapatkan grafik yang lebih stabil dan mendekati nilai set-point, dengan nilai error sebesar 2,86 %.<br />
<br />
<br />
'''b. Perbedaan deterministik dan stokastik'''<br />
<br />
b.1 deterministik adalah sesuatu yang pasti akan terjadi. <br />
<br />
b.2 stokastik adalah Stokastik adalah kebolehjadian, atau dengan kata lain sesuatu yang belum terjadi kepastiannya. "Sesungguhnya, Allah tidak akan mengubah nasib suatu kaum, hingga mereka mengubahnya sendiri.." (Q.S. Ar-Ra'd [13] : 11) <br />
<br />
<br />
'''c . Komputasi Teknik pada Tugas Akhir'''<br />
<br />
Tipe tugas akhir saya adalah deteministik. Hal ini dikarenakan nilai dari PID yang saya tentukan pasti. Menurut pendapat saya untuk penerapan komputasi teknik pada tugas akhir saya adalah <br />
<br />
Pada penggunaan fitur controller PID, adalah kemampuan untuk menggunakan tiga tipe kontroller yakni propotional, integral dan derivatif yang mempengaruhi nilai keluaran kontroller untuk dipalikasikan pada nilai yang optimal dari kontroller itu sendiri. <br />
<br />
[[File:PID.png|400px|thumb|left ]]<br />
<br />
Diagram blok yang terdapat pada sebelah kiri menunjukkan bagamimana cara controller ini bekerja. Gambar tersebut menunjukan kontroller PID, yang mana secara kontinu menghitung nilai error e(t) sebagai selisih dari setpoint r(t) dan variabel proses y(t), dan pengaplikasian nya dikoreksi berdasakan propotional, integral, dan derivatif. Kontroller mencoba utnuk meminimalisir error dari lebih nya koreksi kontrol variabel u(t), salah satu contoh nya pengontrolan pada kecepatan kipas, kontrol PID dibutuhkan untuk mengetahui jumlah RPM selanjutnya pada kipas sehingga dapat mendinginkan suatu objek.<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
'''d. Komputasi pada tugas akhir saya kedepan nya'''<br />
<br />
Melakuakn simulasi CFD sederhana untuk melihat aliran fluida di dalam lemari pendingin<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan Ke-3''', (Senin 17-Februari-2020), Presentasi Sinopsis Project Komputasi Teknik ==<br />
<gallery mode="slideshow"><br />
File:PPT_1.png|200px|center|<br />
File:PPT_2.png|200px|center|<br />
File:PPT_3.png|200px|center|<br />
File:PPT_4.png|200px|center|<br />
File:ppt_5.png|200px|center|<br />
</gallery><br />
<br />
----<br />
<br />
== '''Pertemuan ke-4''', (Senin, 24 Februari 2020), Presentasi Model Matematis Project Komputasi Teknik ==<br />
<br />
----<br />
<br />
<br />
<br />
Skema kontrol PID dinamai dari ketiga term pengendalinya, yang kemudian dijumlahkan menjadi variabel manipulasi. Term proporsional, integral, dan derivatif dijumlahkan untuk menghitung keluaran kontroler PID. Dengan mendefinisikan u(t) sebagai keluaran kontroler, bentuk akhir dari algoritme PID adalah:<br />
<br />
<br />
<br />
[[File:Rumus1.png|300px|thumb|center ]]<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Contoh PID pada MATLAB<br />
|-<br />
|'''Jenis'''<br />
|'''Foto'''<br />
|'''Deskripsi'''<br />
|-<br />
! '''Porpotional Integral''' <br />
| [[File:Tilu.png|300px|thumb|left ]] || sys = zpk([],[-1 -1 -1],1); <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Loro.png|300px|thumb|left ]] || <br />
<br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
T_pi_fast = feedback(C_pi_fast*sys,1);<br />
step(T_pi,T_pi_fast)<br />
axis([0 30 0 1.4])<br />
legend('PI','PI,fast')<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Siji.png|300px|thumb|left ]] || <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
[C_pidf_fast,info] = pidtune(sys,'PIDF',1.0)<br />
T_pidf_fast = feedback(C_pidf_fast*sys,1);<br />
<br />
step(T_pi_fast, T_pidf_fast); <br />
<br />
axis([0 30 0 1.4]);<br />
<br />
legend('PI,fast','PIDF,fast');<br />
<br />
sys = zpk([],[-1 -1 -1],1); <br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
S_pi_fast = feedback(sys,C_pi_fast);<br />
S_pidf_fast = feedback(sys,C_pidf_fast);<br />
step(S_pi_fast,S_pidf_fast);<br />
axis([0 50 0 0.4]);<br />
legend('PI,fast','PIDF,fast');<br />
<br />
|-<br />
|}<br />
<br />
----<br />
<br />
<br />
== '''Pertemuan ke-5''', (2 Maret 2020), Quis I ==<br />
<br />
<br />
[[File:Photo 1.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 2.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 3.jpeg|350px|thumb|center ]]<br />
<br />
<br />
<br />
<br />
----<br />
== '''Finite ELement, Finite Diffirent, Finite Volume''' ==<br />
<br />
* '''Pengertian Finite Element :'''<br />
<br />
'''Finite Element :''' menyelesaikan suatu problem dengan cara membagi obyek analisa menjadi bagian-bagian kecil yang terhingga. Bagian-bagian kecil ini kemudian dianalisa dan hasilnya digabungkan kembali untuk mendapatkan penyelesaian untuk keseluruhan daerah. Kata “finite atau terhingga” digunakan untuk menekankan bahwa bagian-bagian kecil tersebut tidak tak terhingga, seperti yang lazim digunakan pada metode integral analitik.<br />
<br />
* '''Pengertian Finite Volume :'''<br />
<br />
'''Finite Volume :''' adalah metode yang digunakna untuk merepresentasikan persamaan diferensial parisial dalam bentuk persamaan algeraic. Didalam metode finite volume, mengintergalkan bagian dari persamaan diferensial parsial ,menggunakan teorema divergensi.<br />
<br />
* '''Pengertian Finite Different :'''<br />
<br />
'''Finite Different :''' adalah diskritisasi yang digunakan untuk menyelesaiakn persamaan diferensial dengan memperkirakan denagn persamaan diferensial yang menggunakan perbedaan yang mendekati derivatif.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Pertemuan ke-6''', Senin 9 Maret 2020, Extended Abstrak ==<br />
<br />
<br />
<br />
Name : Wsinu indrawan<br />
<br />
Title : Fluid Analysis For Mini Fan Refrigerator Using Thermoelectric Cooler <br />
<br />
The cooling is one of the processes can be used for various types of applications, starting from maintaining food industry products and medical products such as drugs and vaccines. The cooling process now still uses compression-based preservation technology using cooling gas. The types of cooling gas used are R134a and R600a. However, the R134a contains HF which has been banned for used, and the R600a contains HF gas which can reduce the ozone layer. In addition, a single fan compressor system that uses cooling gas in a steam compressor has difficulties in regulating the temperature of the target compartment. Based on this, an alternative cooling technology is needed. Thermoelectric cooler (TEC) is an alternative cooling technology, because TEC has advantages such as small size, lower noise and vibration, easier in temperature regulation, low maintenance requirements, can absorb heat using the principle of heat difference so that in addition to being able to the cooler can also be a heater, and besides that it can be turned on with a DC current. Obtained a solution in the form of cooling using a thermoelectric cooler, using a fan in the refrigerator.The current research examines the application of CFD (Computational Fluid Dynamic) to analyze the flow of wind into the refrigerator. Use the existing CFD analyst application. To analyze the flow of fluid entering the refrigerator, it is simplified for this refrigerator, by cutting the inside of the refrigerator. So that the incoming fluid flow can be reviewed, from the incoming air velocity can be analyzed with a simple correlation to the wind speed generated with existing pwm. It is expected that from this research, researchers can find out the wind phenomenon that is in the refrigerator so that it can be used for further research.<br />
<br />
<br />
<br />
<br />
[[File:G1.png|400px|thumb|center ]]<br />
<br />
[[File:test1.png|400px|thumb|center ]]<br />
<br />
== '''Optimasi Energi Pada Manusia''' ==<br />
<br />
The article below will describe how to make optimization in daily life, during one month<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Optimasi Energi Pada Manusia<br />
|-<br />
|'''Jenis'''<br />
|'''Perhitungan'''<br />
|'''Deskripsi'''<br />
|-<br />
! Step 1<br />
| [[File:gazo1.png|700px|left]] || Pertama saya menentukan jumlah jam yang dibutuhkan per hari secara acak dengan funsi rand di excel <br />
<br />
|-<br />
! Step 2 <br />
| [[File:gazo2.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 1<br />
<br />
|-<br />
! Step 3 <br />
| [[File:gazo3.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 2<br />
<br />
|-<br />
! Step 4 <br />
| [[File:gazo4.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 3<br />
<br />
<br />
|-<br />
! Step 5 <br />
| [[File:gazo5.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 4<br />
<br />
|-<br />
! Step 6 <br />
| [[File:hebat.png|700px|left]] || Mencari grafik polynomial pada salah satu minggu dan diadapatkan grafik polynom nya<br />
<br />
|-<br />
! Step 7 <br />
| [[File:gazo7.png|700px|left]] || hasil konversi watt ke rupiah pada hari senin pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 8 <br />
| [[File:gazo8.png|700px|left]] || hasil konversi watt ke rupiah pada hari selasa pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 9 <br />
| [[File:gazo9.png|700px|left]] || hasil konversi watt ke rupiah pada hari rabu pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 10 <br />
| [[File:gazo10.png|700px|left]] || hasil konversi watt ke rupiah pada hari jumat pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 11 <br />
| [[File:gazo11.png|700px|left]] || hasil konversi watt ke rupiah pada hari sabtu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step 12 <br />
| [[File:gazo12.png|700px|left]] || hasil konversi watt ke rupiah pada hari minggu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step Final<br />
| [[File:cobajadulu.png|700px|left]] || Mencoba memasukan nilai minimum ke dalam matlab dan mencari dengan curve fitting<br />
<br />
|-<br />
|}<br />
<br />
== '''Pengarahan Beberapa Teknologi Komputasi Teknik''', 16-03-2020 ==<br />
<br />
<br />
Pada pertemuan kali ini membahas masalah initial thinking, mendevelop model matematis, anlisa secara umum dan analisa secara khusus<br />
<br />
Mengembangkan model amtematis dari konsep model utama dari model matematis tersebut<br />
<br />
Dari modeling tersebut dibutuhkan beberapa tahapan pertama :<br />
<br />
*Constrain <br />
<br />
*Boundary Condition <br />
<br />
*Setelah beberapa tahapan itu masuk ke tahapan simulasi <br />
<br />
Pengertian Verifikasi : <br />
<br />
Verifikasi adalah teori filsafat positif logis dalam memilih yang menyatakan bahwa pengalaman adalah satu-satunya sumber dasar pengetahuan dan dalam analisis logis dapat dilakukan dengan bantuan simbol-simbol logika dengan menggunakan metode untuk pemecahkan masalah melalui metode verifikasi empirik yaitu bila terdapat sesuatu yang tidak dapat diverifikasi secara empirik maka hasilnya adalah sia-sia. penganut teori radikal ini memiliki masalah konsekuensi untuk filosofi tradisional, karena, jika benar, akan menyebabkan banyak pekerjaan sia-sia pada filosofis masa lalu, antara lain pada metafisika dan etika.<br />
<br />
Validasi : <br />
<br />
validasi adalah sebuah teknik validasi model untuk menilai bagaimana hasil statistik analisis akan menggeneralisasi kumpulan data independen. Teknik ini utamanya digunakan untuk melakukan prediksi model dan memperkirakan seberapa akurat sebuah model prediktif ketika dijalankan dalam praktiknya. Dalam sebuah masalah prediksi, sebuah model biasanya diberikan kumpulan data (dataset) yang diketahui untuk digunakan dalam menjalankan pelatihan (dataset pelatihan), serta kumpulan data yang tidak diketahui (atau data yang pertama kali dilihat) terhadap model yang diuji (pengujian dataset).[4] Tujuan dari validasi silang adalah untuk mendefinisikan dataset untuk "menguji" model dalam tahap pelatihan (yaitu, validasi data), dalam rangka untuk membatasi masalah seperti terjadinya overfitting, memberikan wawasan tentang bagaimana model akan menggeneralisasi independen dataset (yaitu, dataset tidak diketahui, misalnya dari masalah nyata), dll.<br />
<br />
== '''Ujian Tengah Semester''', Komputasi Teknik ==<br />
<br />
<br />
<br />
<br />
=== '''Video Pembelajaran Setiap Minggu''' ===<br />
<br />
<br />
'''Kemampuran Komputasi Teknik Selama Perkuliahan, Tutorial Menggunakan CFDSOF'''<br />
<br />
<br />
[[File:.pertemuan3wisnuindrawan.mp4||500px|center]]<br />
<br />
<br />
<br />
=== '''Draft Paper Komputasi Teknik''' ===<br />
<br />
<br />
==== BAB I ====<br />
<br />
Pendinginan salah satu teknologi yang memiliki berbagai macam pengaplikasian, dimulai dari menjaga produk makanan dari kebusukan dan berbagai pengendalian suhu dalam bidang elektronik dan industri lainnya (Gökçekdan Şahin, 2017).Salah satu teknologi pendinginan yang sekarang ini sering digunakan adalah teknologi berbasis kompresi uap karna mempunyai (COP) coefficient of performanceyang tinggi dan mempunyai harga yang lebih murah dibandingkan teknologi alternatif lainnya.Dalam proses pendinginan, teknologi kompresi uap menggunakan gas pendingin yang berfungsi untuk menyerap panas pada udara dalam ruangan, sehingga menjadi bersuhu rendah. Secara luas gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannyadan tipe R600a mengandung gas HF yang dapat mengurangi lapisan ozon (Söylemez dkk., 2018). Selain itu,pada sistem kompresor satu kipas yang menggunakan gas pendingin pada kompresor uap memiliki kesulitan dalampengaturan temperatur dari kompartemen target. Berdasarkan pernyataan tersebut diperlukan suatu teknologi pendingin alternatif. Thermoelectric cooler adalah salah satu alternatif teknologi pendingin, dikarenakan thermoelectric cooler memiliki kelebihan seperti berukuran kecil, kebisingan dan getaran yang lebih rendah, lebih mudah dalam pengaturan suhu, mebutuhkan perawatan yang sedikit, dan dapat dihidupkan dengan arus DC (Söylemezdkk., 2018). Pendinginan dengan menggunakan TEC (Termoelectric Cooling) telah digunakan untuk menghilangkan embun kaca depan kendaraan. Penelitian tersebut telah menghasilkan temperatur hingga 22,4 oC. Penelitian lainTEC telah digunakan untuk pendingin kotak minuman dengan menggunakan 3thermoelectric cooling, dimana dapat menghasilkan temperatur kotak minuman tanpa beban mencapai14,3 oC, dengan beban pendingin air sebanyak 1 liter sebesar 16,4 oC (Nulhakim, 2017). TEC (Termoelectric Cooling) tidak hanya dapat mendinginkan, tetapi dapat memanaskan di waktu yang bersamaan. Sifat dari TEC ini dapat dimanfaatkan untuk sistem pengaturan suhu ruangan. Untuk tujuan pengaturan suhu yang lebih akurat, dapat dipertimbangkan menggunakan sistem kontrol loop tertutup dengan PID (Propotional, Integral dan Derivative). Kelebihan dari pemakaian kontroler PID di loop tertutup adalah kontrol PID memiliki kemampuan untuk penyetelan otomatis, dan dapat adaptasi terhadap variasi waktu, sehinggasistem dari kontroler PID menyediakan aplikasi didalam industri dengan fitur kontrol yang lebih akurat dandapat disesuaikan dengan kebutuhan(Abdullah dan Ayman, 2008). Pengaturan PID pada umumnya menggunakan alat yang memakan banyak biaya. Tetapi menurut hasil dari eskperimen yang menyatakan bahwa kontroler PID menggunakna mikrokontoler tipe P18F4685 yang memiliki kapasitas 14 bit dapat menghasilkan kestabilan yang baik, dengan overshoot yang sedikit, dan memiliki waktu settling time yang sedikit pula (El-Nagar dan El-Bardini, 2014). Dari latar belakang tersebut diperlukan suatu sistem pendingin ruangan yang terkontrol secara otomatis menggunakanteknologi pendingin ramah lingkungan yang terkontrol dengan sistem kontrol loop tertutup, sehinggadapat manjadi salah satu alternatif teknologi pendingin ruangan.Berdasarkan potensi tersebut maka telah dilakukan penelitian tentang rancang bangun sistem pendingin ruangan menggunakan TEC (Thermoelectric Cooler) dengan kontroler PID.<br />
<br />
==== BAB II ====<br />
<br />
'''Sensor Suhu''' <br />
<br />
Salah satu jenis sensor suhu yang banyak digunakan di industri adalah tipe sensor suhu berbahan semikonduktor. Sensor ini menggunakankonfigurasi dioda atau transistor di kutub yang pada sambungan p-n bahan tersebut memiliki respon yang kuat terhadap suhu. Terdapat dua jenis pemberian tegangan pada sambungan p-n yaitu bias maju dan bias mundur seperti ditunjukkan pada Gambar 2.1. Ketika sambungan p-n bias maju dihubungkan dengansumber arus, maka terjadi beda potensial pada kedua sambungan. Beda potensial atau tegangan yang dihasilkan berbanding lurus dengan perubahan suhu(Suryono, 2018).<br />
<br />
[[File:wisnu.png|500px|center|]]<br />
<br />
<br />
<br />
'''Thermoelectric'''<br />
<br />
Modul thermoelectric khas dibuat menggunakan dua buah keramik berbentuk wafer dengan jenis bahan semikonduktor bismuth telluride P dan N yang diapit di antara keduanya seperti yang ditunjukkan pada Gambar 2.3. Bahan keramik di kedua sisi dari thermoelectric berfungsi untuk pelindung dan sebagai isolator listrik yang diperlukan. Bahan tipe-N memiliki kelebihan elektron, sementara bahan tipe-P membutuhkan elektron. Bahan P dan N membentuk pasangan, seperti yang ditunkjukan pada Gambar 2.3. Pasangan thermoelectric dipasang secara seri dan termal sejajar. Modul thermoelectric dapat berisi satu sampai beberapa ratus pasangan. Saat elektron bergerak dari bahan tipe-P ke bahan tipe-N melalui konektor listrik, elektron beralih ke keadaan energi yang lebih tinggi dan menyerap energi panas (sisi dingin) (Manikandan dkk., 2017).<br />
<br />
<br />
[[File:dewawisnuganteng.png|500px|center|]]<br />
<br />
<br />
<br />
<br />
<br />
==== BAB III ====<br />
<br />
Sistem pengendalian yang saya pakai adalah menggunakan mobile phone, jadi pada penyetingan set point pada PID menggunakan apliaksi mobile bebasis bluetooth<br />
<br />
<br />
[[File:bismillahadajalan.png|500px|center|]]<br />
<br />
Selanjut nya pada sistem kerja dari alat ini menggunakan sistem PID untuk mengatur kecepatan dari driver motor untuk mengatur suhu, jika suhu tidak sesuai dengan yang diinginkan maka kecepatan kipas akan terus bertambah.<br />
<br />
<br />
[[File:PIDBROH.png|500px|center|]]<br />
<br />
<br />
Hasil rancang bangun dari alat pendingin ditunjukan pada gambar dibawah ini<br />
<br />
<br />
[[File:celenganrindu.jpg|500px|center|]]<br />
<br />
Pembuatan interface untuk memasukkan data set point pada aplikasi mobile<br />
<br />
[[File:interface.png|500px|center|]]<br />
<br />
Pembuatan interface untuk mencari device bluetooth pada device-device sekitar<br />
<br />
[[File:tampilan2.png|500px|center|]]<br />
<br />
==== BAB IV ====<br />
<br />
Hasil data dari kalibrasi sensor suhu dengan alat ukur standart SNI <br />
<br />
<br />
[[File:akad.png|500px|center|]]<br />
<br />
<br />
Data PID setelah melakukan trial and error mendapatkan nilai Kp Kd Ki <br />
<br />
<br />
[[File:bismillahwisnudata.png|500px|center|]]<br />
<br />
=== '''Laporan Optimasi Energi''' ===<br />
<br />
<br />
Grafik Pada Minggu Pertama<br />
<br />
<br />
<br />
[[File:bersyukurlah.png|500px|center|]]<br />
<br />
[[File:gambarsatu.png|500px|center|]]<br />
<br />
<br />
[[File:semuaudahadarezekinya.png|500px|center|]]<br />
<br />
<br />
<br />
[[File:janganngeluhterus.png|500px|center|]]<br />
<br />
Gambar yang ditunjukan dengan menggunakna aplikasi sypder menunjukkan nilai x, nilai tersebut merupakan nilai minimum atau optimum dari persamaan yang telah dibuat dengan menggunakan excel<br />
<br />
<br />
Revisi Projek tugas komputasi teknik <br />
<br />
Pada kesempatan kali ini saya menggunakan case baru untuk menyelesaikan draft paper mata kuliah komputasi teknik <br />
<br />
Hal ini dikarenakan, ketertarikan penulis untuk mengangkat tema ini <br />
<br />
==Refisi draft paper==<br />
<br />
<br />
<br />
Beberapa contoh data dari nasabah yang dihasilkan untuk mengetahui apakah nasabah ingin meninggalkan bank dari data - data pribadi mereka, <br />
seperti lama mereka menggunakan jasa bank ini, jumlah tabungan mereka, kemudian umur mereka, dan dari pria atau wanita <br />
<br />
<br />
[[File:22 April 2020 5.png || 700px]]<br />
<br />
Pertama data yang berada dalam format csv dimasukan ke dalam pemograman python dengan maka akan muncul tampilan seperti diatas, ataua kerap<br />
disebut sebagai dataframe, setelah dataframe terbentuk maka dataframe tersebut di pecah - pecah atau dikelompokkan mana yang bisa digunakan untuk <br />
independent variable atau tidak <br />
<br />
<br />
<br />
[[File:22 April 2020 1.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 2.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 3.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 4.png || 700px]]<br />
<br />
<br />
methode dari draft paper ini adalah : <br />
<br />
'''mengguankan machine learning''' <br />
<br />
Pembelajaran mesin (ML) adalah studi tentang algoritma komputer yang meningkat secara otomatis melalui pengalaman. [1] Itu dilihat sebagai bagian dari kecerdasan buatan. Algoritma pembelajaran mesin membangun model matematika berdasarkan data sampel, yang dikenal sebagai "data pelatihan", untuk membuat prediksi atau keputusan tanpa diprogram secara eksplisit untuk melakukannya. [2] [3]: 2 Algoritma pembelajaran mesin digunakan dalam berbagai berbagai aplikasi, seperti penyaringan email dan visi komputer, di mana sulit atau tidak layak untuk mengembangkan algoritma konvensional untuk melakukan tugas-tugas yang diperlukan.<br />
<br />
Pembelajaran mesin terkait erat dengan statistik komputasi, yang berfokus pada membuat prediksi menggunakan komputer. Studi tentang optimasi matematika memberikan metode, teori dan domain aplikasi ke bidang pembelajaran mesin. Penambangan data adalah bidang studi terkait, dengan fokus pada analisis data eksplorasi melalui pembelajaran tanpa pengawasan.<br />
<br />
'''Realsi terhadap optimasi'''<br />
<br />
Pembelajaran mesin juga memiliki ikatan intim dengan optimisasi: banyak masalah pembelajaran dirumuskan sebagai minimalisasi beberapa fungsi kerugian pada serangkaian contoh pelatihan. Fungsi kerugian menyatakan perbedaan antara prediksi model yang sedang dilatih dan contoh masalah yang sebenarnya (misalnya, dalam klasifikasi, seseorang ingin menetapkan label pada instance, dan model dilatih untuk memprediksi dengan benar label yang telah ditetapkan sebelumnya dari sekumpulan contoh). Perbedaan antara dua bidang muncul dari tujuan generalisasi: sementara algoritma optimasi dapat meminimalkan kerugian pada set pelatihan, pembelajaran mesin berkaitan dengan meminimalkan kerugian pada sampel yang tidak terlihat. <br />
<br />
'''Relasi terhadap statistik'''<br />
<br />
Pembelajaran mesin dan statistik adalah bidang yang terkait erat dalam hal metode, tetapi berbeda dalam tujuan utamanya: statistik menarik kesimpulan populasi dari sampel, sementara pembelajaran mesin menemukan pola prediksi yang dapat digeneralisasikan. Menurut Michael I. Jordan, gagasan pembelajaran mesin, mulai dari prinsip metodologis hingga alat teoretis, telah memiliki pra-sejarah panjang dalam statistik. [22] Dia juga menyarankan istilah ilmu data sebagai pengganti untuk menyebut bidang keseluruhan. <br />
<br />
Leo Breiman membedakan dua paradigma pemodelan statistik: model data dan model algoritmik, [23] di mana "model algoritmik" berarti kurang lebih algoritma pembelajaran mesin seperti hutan acak.<br />
<br />
Beberapa ahli statistik telah mengadopsi metode dari pembelajaran mesin, yang mengarah ke bidang gabungan yang mereka sebut pembelajaran statistik. <br />
<br />
<br />
'''Teori'''<br />
<br />
Tujuan inti seorang pelajar adalah untuk menggeneralisasi dari pengalamannya. Generalisasi dalam konteks ini adalah kemampuan mesin pembelajaran untuk melakukan secara akurat pada contoh / tugas baru yang tidak terlihat setelah mengalami kumpulan data pembelajaran. Contoh-contoh pelatihan berasal dari beberapa distribusi probabilitas yang umumnya tidak diketahui (dianggap mewakili ruang kejadian) dan pelajar harus membangun model umum tentang ruang ini yang memungkinkannya menghasilkan prediksi yang cukup akurat dalam kasus-kasus baru.<br />
<br />
Analisis komputasi algoritma pembelajaran mesin dan kinerjanya adalah cabang ilmu komputer teoretis yang dikenal sebagai teori pembelajaran komputasi. Karena set pelatihan terbatas dan masa depan tidak pasti, teori pembelajaran biasanya tidak menghasilkan jaminan kinerja algoritma. Sebaliknya, batasan probabilistik pada kinerja cukup umum. Dekomposisi bias-varians adalah salah satu cara untuk mengukur kesalahan generalisasi.<br />
<br />
Untuk kinerja terbaik dalam konteks generalisasi, kompleksitas hipotesis harus sesuai dengan kompleksitas fungsi yang mendasari data. Jika hipotesis kurang kompleks dari fungsi, maka model memiliki data yang sesuai. Jika kompleksitas model meningkat dalam respons, maka kesalahan pelatihan berkurang. Tetapi jika hipotesisnya terlalu kompleks, maka modelnya akan mengalami overfitting dan generalisasi akan menjadi lebih buruk. <br />
<br />
Selain batas kinerja, ahli teori belajar mempelajari kompleksitas waktu dan kelayakan belajar. Dalam teori pembelajaran komputasi, perhitungan dianggap layak jika dapat dilakukan dalam waktu polinomial. Ada dua jenis hasil kompleksitas waktu. Hasil positif menunjukkan bahwa kelas fungsi tertentu dapat dipelajari dalam waktu polinomial. Hasil negatif menunjukkan bahwa kelas-kelas tertentu tidak dapat dipelajari dalam waktu polinomial.<br />
<br />
<br />
<br />
'''metode machine learning ada beberapa tipe nya berikut penjelasan mengenai teori machine learning :''' <br />
<br />
1. Suppport Vector Machine (SVMs)<br />
<br />
Support vector Machines (SVMs) adalah algoritma pembelajaran mesin yang diawasi yang fleksibel namun kuat yang digunakan baik untuk klasifikasi dan regresi. Tetapi umumnya, mereka digunakan dalam masalah klasifikasi. Pada 1960-an, SVM pertama kali diperkenalkan tetapi kemudian disempurnakan pada tahun 1990. SVM memiliki cara implementasi yang unik dibandingkan dengan algoritma pembelajaran mesin lainnya. Akhir-akhir ini, mereka sangat populer karena kemampuan mereka untuk menangani beberapa variabel kontinu dan kategorikal.<br />
<br />
<br />
Dalam praktiknya, algoritma SVM diimplementasikan dengan kernel yang mengubah ruang data input ke dalam formulir yang diperlukan. SVM menggunakan teknik yang disebut trik kernel di mana kernel mengambil ruang input dimensi rendah dan mengubahnya menjadi ruang dimensi yang lebih tinggi. Dengan kata-kata sederhana, kernel mengubah masalah yang tidak dapat dipisahkan menjadi masalah yang dapat dipisahkan dengan menambahkan lebih banyak dimensi ke dalamnya. Itu membuat SVM lebih kuat, fleksibel dan akurat. Berikut ini adalah beberapa jenis kernel yang digunakan oleh SVM.<br />
<br />
<br />
Linear Kernel <br />
<br />
Ini dapat digunakan sebagai produk titik antara dua pengamatan. Rumus kernel linear adalah sebagai berikut<br />
<br />
Metode yang digunakan <br />
<br />
pada penelesaian masalah ini saya menggunakana beberapa engone dari python untuk melakuakn machine learning yakni '''sklearn''' dan '''tensor flow''', berikut penjelasan masing masing metode nya :<br />
<br />
ini adalah struktur skrip dari '''sklearn.prepocessing''' <br />
<br />
class sklearn.preprocessing.OneHotEncoder(*, categories='auto', drop=None, sparse=True, dtype=<class 'numpy.float64'>, handle_unknown='error')[source]<br />
<br />
kenapa class ini digunakan karena machine leraning tidak bisa memproses selain angka, tapi pada kasus ini saya menggunakan nama, umur dan beberapa proses yang menggunakan tipe string(kata - kata)<br />
sehigga sulit untuk di klasifikasikan.<br />
<br />
'''maka dari itu metode ini dapat digunakan.'''<br />
<br />
'''One Hot Encoding adalah :''' reperentasi kategori variabel dalam vektor biner. <br />
<br />
Pertama nilai dari proses ini dipetakan dala nilai integer (nilai angka yang benilai bilangan bulat, tidak memiliki nilai koma)<br />
<br />
Lalu, setiap nilai yang berbentuk integer ini direpresentasikan sebagai vektor biner yang semua nya bernilai nol kecuali yang terindeks integer, yang di tandai 1.<br />
<br />
== Quis II, 6 April 2020 ==<br />
<br />
<br />
Assalamualaiakum Beerikut adalah link dari Quis 2<br />
Wisnu Indrawan <br />
1906433745<br />
<br />
https://drive.google.com/drive/folders/17z_x1nPTXBtnZl_PVhXRBZXdK5Wy0GMx?usp=sharing<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan Tanggal : Senin, 13 April 2020 ==<br />
<br />
<br />
<gallery mode="slideshow"><br />
File:Wisnu 12346798.png<br />
File:Wisnu 123467989.png<br />
File:Wisnu 12346798910.png<br />
File:Wisnu 12346798435435.png<br />
File:Wisnu 1234679843fdsaf4.png<br />
</gallery><br />
<br />
== Resume Pertemuan tanggal : Senin, 20 April 2020 ==<br />
<br />
<br />
<gallery mode="slideshow"><br />
<br />
<br />
File:qwerwqerqwerq_caseII_1.png<br />
File:qwerwqerqwerq_caseII_2.png<br />
File:24-04-2020-1-tugas komtek.png<br />
File:2020-04-24 23 12 57-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 22-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:hasil-24-04-2020.png<br />
File:2020-04-24 23 47 29-Book1 - Excel.png<br />
</gallery><br />
<br />
== Resume Pertemuan tanggal : Senin, 27 April 2020 ==<br />
<br />
1. Pemahaman terkait prinsip dan konsep komputasi teknik<br />
<br />
2. Penerapan konsep dan skill dalam komputasi teknik<br />
<br />
3. Lebih mengenal diri<br />
<br />
Dari 3 point diatas disampaikan via zoom dengan cara sebagai berikut:<br />
<br />
a. show your contributions<br />
<br />
b. your understanding<br />
<br />
c. your skill<br />
<br />
== Resume Pertemuan tanggal : Senin, 04 Mei 2020 ==<br />
<br />
<br />
<br />
- Pemahaman terkait prinsip dan konsep komputasi teknik<br />
<br />
- Penerapan konsep dan skill dalam komputasi teknik<br />
<br />
- Lebih mengenal diri baik individu maupun kelompok/ kelas<br />
<br />
Intisaru dari evaluasi diri ini adalah :<br />
<br />
- show your contributions<br />
<br />
- your understanding<br />
<br />
- your skkill<br />
<br />
== Resume Pertemuan tanggal : Senin, 11 Mei 2020 ==<br />
<br />
<br />
Pada pertemuan tanggal 11 Mei 2020 terdapat pembahasan selanjut nya pada pertemuan minggu lalu mengnai pressure drop. Pada pembahsan pada grup whatshap mengenai tentang pendapat individu mengenai kasus pressure drop dan di bahas kemabli dalam grup Komputasi Teknik via whatshapp. Diharapkan pada pembahasan ini secara personal memahami cases Basic Mechanics dan menjadi kewajiban bagi setiap mahsiwa menyatakan analisa pribadi terkait kasus tersebut. <br />
<br />
Berikut Hasil dari pembahasan kasus tersebut : <br />
<br />
<gallery mode="slideshow"><br />
File:WhatsApp Image 2020-05-12 at 19.30.27.jpeg<br />
File:WhatsApp Image 2020-05-11 at 09.41.12.jpeg<br />
File:WhatsApp Image 2020-05-12 at 16.50.43.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.51.38.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.53.29.jpeg<br />
</gallery><br />
<br />
<br />
<br />
'''Azikri '''<br />
<br />
sedikit tambahan terkait hal di atas, bahwa pada dasarnya aliran fluida dalam pipa akan mengalami penurunan tekanan atau pressure drop seiring dengan <br />
panjang pipa ataupun disebabkan oleh gesekan dengan permukaan<br />
saluran, dan juga ketika aliran melewati sambungan pipa, belokan, katup, difusor, dan sebagainya.<br />
Disisi lain, prinsip dasar persamaan kontinuitas juga jadi landasan dimana massa tidak dapat diciptakan dan<br />
tidak dapat dimusnahkan, sehingga massa dalam suatu sistem yang konstan dapat dinyatakan dengan rumus : rho.A.v=m<br />
<br />
atau Jika aliran fluida bersifat incompressible dan steady flow, maka persamaan menjadi : Q=A.v<br />
<br />
Singkatnya dr persmaan pertama bahwa pressure drop berbanding terbalik dengan D, dan begitu halnya dengan persamaan 2 tegangan geser berbanding <br />
terbalik dg A<br />
<br />
'''Adhika '''<br />
<br />
- Gaya Masuk - Gaya Geser Total = Gaya Keluar<br />
- Gaya Geser Total = Gaya Masuk - Gaya Keluar<br />
- Gaya Geser Total = P1.A - P2.A <br />
- Gaya Geser Total = dp . Luas Area Pipa<br />
Shear Stress . Luas Selimut = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(Luas Area Pipa . L. pi . 4) = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(L. pi . 4) / sqrt(Luas Area Pipa) = dp<br />
<br />
Kesimpulan:<br />
Luas Area Pipa semakin besar maka dp akan semakin kecil<br />
<br />
<br />
'''Jerry '''<br />
<br />
Ketika nilai A membesar, maka nilai D secara langsung juga membesar karena A merupakan fungsi D; A(D). <br />
<br />
Dari persamaan pressure drop, terlihat bahwa nilai D berbanding terbalik dengan nilai deltaP. <br />
<br />
Hal ini akan mengimplikasikan bahwa semakin besar nilai D, maka semakin kecil nilai deltaP<br />
<br />
'''Dessy'''<br />
<br />
Sederhananya jika dilihat dari persamaan untuk Pressure Drop maka sudah cukup jelas dalam menjawab pertanyaan mengapa ketika luas area (A) diperbesar <br />
menyebabkan nilai pressure drop yang menurun, dimana <br />
<br />
dP = f L rho V^2 / 2 D<br />
<br />
Dari persamaan diatas terlihat bahwa nilai diameter (pengaruhnya terhadap luas area) berbanding terbalik dengan nilai pressure loss dP.<br />
<br />
Tambahan juga jika dilihat dari nilai kecepatan (disini saya menggunakan analogi aliran fluida dalam pipa), secara logika apabila nilai luas <br />
penampang A diperbesar maka nilai kecepatan akan semakin kecil, sesuai dengan persamaan yang telah dijelaskan oleh saudara Dieter sebelumnya.<br />
<br />
Maka jika kembali ke persamaan pressure drop sesuai analogi ini, A yang besar akan menyebabkan nilai V menurun, akibatnya nilai dP pun akan menurun.<br />
<br />
Dari sini dapat disimpulkan bahwa semakin besar nilai diameter D, yang menghasilkan nilai area A yang semakin besar pula, menghasilkan nilai pressure <br />
drop dP yang semakin kecil.<br />
<br />
'''Muhammad Gumilar'''<br />
<br />
Ada hal menarik disini, dari beberapa yang saya perhtikan dari beberapa pendapat teman-teman, pengaruh dari adanya luasan atau diameter pipa akan <br />
mempengaruhi keepatan alir didalam pipa , sesuai dengan hukum kontinuitas. Berkaitan dengan hal ini, saya mencerna bahwa bisa saja sebenarnya jika <br />
kita membandingkan dua hal yang mana, dua buah pipa dengan diameter yang berbeda akan tetepa memiliki kecepatan aliran rata-rata yang sama, yang <br />
mana berarti kedua debit aliran dari pipa ini berbeda. Namun yang dititikberatkan pada pembahasannya adala, kenapa berdasarkan rumus pressure loss, <br />
apabila diameter membesar, maka pressure drop akan berkurang. Sedangkan dari persamaan yang lain, kita kethaui bahwa gaya gesek akibat adanya <br />
tegangan geser akan meningkat karena persamaannya adalah F=thow * A. <br />
<br />
Kebingunga dari mahasiswS1 tersebut menurut saya adalah pemahaman beliau yang tidak komprehensif terhadap kosnep pressure drop. Memang, pressure drop <br />
itu berhubungan erat dengan adanya gesekan viscous antara fluida dengan dinding pipa. Akan tetapi, ada hal penting yang dilupakan oleh sang mahasiswa <br />
S! tersebut, yaitu bahwa perbesaran diameter dari pipa juga akan mengakibatkan tegangan geser yang terjadi. Secara sederhana, sepemahaman saya, <br />
tegangan geser itu berbanding lurus dengan gradient kecepatan aliran fluida di sepanjang pipa, yaitu du/dy. Nah, apabila, dengan kecepatan rata-rata <br />
yang sama, diameter pipa semakin besar, maka gradient kecepatan di sepanjang pipa akan berkurang karena pengaruh gaya viscous antara dinding dan <br />
fluida juga semain berkurang. Oleh karena itu, pressure Drop yang terjadi juga akan semakin berkurang. Semoga bermanfaaat semua eheheheh<br />
<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan tanggal : Senin, 18 Mei 2020 ==<br />
<br />
Pada pertemuan kali ini membahas materi minggu lalu dan saya ingin menjelaskan lagi terkait tentang friction loss, berikut penjelasan nya <br />
<br />
Dalam aliran fluida, kehilangan gesekan (atau gesekan kulit) adalah hilangnya tekanan atau "head" yang terjadi pada pipa atau aliran saluran karena efek viskositas fluida di dekat permukaan pipa atau saluran. [1] Dalam sistem mekanis seperti mesin pembakaran internal, istilah ini mengacu pada daya yang hilang dalam mengatasi gesekan antara dua permukaan yang bergerak, sebuah fenomena yang berbeda.</div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=Wisnu_indrawan&diff=35878Wisnu indrawan2020-06-01T09:00:46Z<p>Wisnu indrawan: /* Resume Pertemuan tanggal : Senin, 18 Mei 2020 */</p>
<hr />
<div><br />
<br />
----<br />
<br />
== '''Biodata Diri :''' ==<br />
<br />
----<br />
<br />
<br />
[[File:wisnu.jpg|200px|thumb|left|Watashinonamaeha wisnu ndes ]]<br />
<br />
*Nama : Wisnu Indrawan <br />
<br />
*NPM : 1906433745<br />
<br />
*Jurusan : Teknik Mesin<br />
<br />
*Institusi : Universitas Indonesia<br />
<br />
*Penjuruan : SUBAK (Sistem Utilitas Bangunan)<br />
<br />
*Email : wisnu.indrawan@ui.ac.id<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Istilah - Istilah Teknik''' ==<br />
<br />
<br />
'''1. Clustering ''' <br />
<br />
*clustering adalah teknik machine learning berupa algoritma pengelompokkan objek-objek data berjumlah N menjadi <br />
kelompok-kelompok data tertentu (cluster)<br />
<br />
*Objek data yang beada dalam satu kelompok / cluster harus memiliki kemiripan <br />
<br />
*Semakin banyak data yang diperoleh sama dnegan semakin akurat hasil yang di dapatkan <br />
<br />
*Clustering merupakan salah satu jenis dari algoritma unsupervised learining, algoritma <br />
yang bertujuan untuk mempelajari dan menemukan pola dari suatu input yang diberikan tanpa menggunuakan label <br />
<br />
*Dengan penggunaan supervised learning, maka beberapa hal berikut ini dapat dilakukan <br />
<br />
'''1.''' Search: Membandingkan antar dokumen, gambar atau suara untuk menampilkan item serupa. <br />
<br />
'''2.''' Deteksi anomali: Mendeteksi perilaku yang tidak biasa yang biasanya berhubungan dengan hal-hal yang ingin dicegah atau dideteksi, seperti contoh penipuan. <br />
<br />
<br />
Selain itu teknik clustering terdapat beberapa algoritma di dalam nya yang akan dijelaskan istilah nya pada bagian bawah ini : <br />
<br />
<br />
<br />
'''2. K-Means Clustering'''<br />
<br />
*Tentukan jumlah cluster <br />
<br />
*alokasikan data ke dalam cluster secara rancodm <br />
<br />
*hitung centroid/rata-rata dari data yang ada di masing-masing cluster <br />
<br />
*alokasikan masing masing data ke centroid/data-data terdekat <br />
<br />
*kembali ke step 3, apabila masih ada data yang berpindah cluster atau apabila <br />
perubahan nilai centroid, ada yang di atas nilai threshold yang ditentikan atau apabila <br />
perubahan nilai pada objective function yang digunakan di atas nilai threshold yang ditentukan<br />
<br />
<br />
'''3. Mean-Shift Clustering<br />
'''<br />
*Untuk mejelaskan mean-shift, kita ilustrasikan sekumpulan titik dalam ruang <br />
dua dimensi <br />
<br />
*kita mulai dengan circular sliding window yang berpusat pada titik C(dipilih secara acak)<br />
dan memiliki jadi-jadir r sebagai kernel. Mean shift adalah algoritma yang melakukan pergeseran kernel ini secara iteratif <br />
ke daerah kepadatan yang lebih tinggi pada setiap langkah hingga konvegensi.\<br />
<br />
*pada setiap iterasi, sliding window digeser ke arah daerah dengan kepadatan lebih tinggi dengan menggeser titik tengahnya. kepadatan pada sliding window sebanding dengan jumlah tiitk di dalamnya <br />
<br />
*terus melakuakn pergeseran pada sliding window sesuai dengan rata -rata sampai tidak ada arah di mana pergeseran dapat mengakomondasikan lebih banyak titik di dalam kernel (tidak lagi meningkatkan densitas/jumlah titik di window)<br />
<br />
*langkah 1 hingga 3 ini dilakukan dengan banyak sliding window sampai semua titik terletak di dalam window. Ketika beberapa window saling berumpang tindih, window yang berisi titik terbanyak akan dipertahankan. Objek data kemudian dikelompokkan sesua dengan sliding window tempat mereka berada.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-1 ''', (Senin, 03 Februari 2020), Muhasabah ==<br />
<br />
<br />
----<br />
<br />
<br />
'''Muhasabah Diri :''' <br />
<br />
'''Muhasabah adalah''' : sesuatu hal yang perlu dan menjadikannya sebuah kebutuhan dalam tiap-tiap diri manusia, di dalam agama Islam, muhasabah sangatlah dianjurkan karena jika muhasabah bisa dijalankan dengan baik akan memberi banyak manfaat baik yang akan di dapatkan di dunia maupun diakhirat kelak.<br />
<br />
'''Pada pertemuan pertama kami mempelajari apa makna dari komputasi teknik :'''<br />
<br />
'''a. Definisi Komputasi'''<br />
<br />
Komputasi : setulnya bisa diartikan sebagai cara untuk menemukan pemecahan masalah dari data input dengan menggunakan suatu algoritme. Hal ini ialah apa yang disebut dengan teori komputasi, suatu sub-bidang dari ilmu komputer dan matematika. Selama ribuan tahun, perhitungan dan komputasi umumnya dilakukan dengan menggunakan pena dan kertas, atau kapur dan batu tulis, atau dikerjakan secara mental, kadang-kadang dengan bantuan suatu tabel. Namun sekarang, kebanyakan komputasi telah dilakukan dengan menggunakan komputer.<br />
<br />
Komputasi ilmiah dan numerik adalah bidang booming dalam penelitian, teknik, dan analitik. Revolusi dalam industri komputer selama beberapa dekade terakhir telah menyediakan alat baru dan kuat untuk praktisi komputasi. Ini telah memungkinkan usaha komputasi dari skala dan kompleksitas yang sebelumnya tidak pernah terjadi sebelumnya. Akibatnya, semua bidang dan industri bermunculan. Perkembangan ini masih berlangsung, dan ini menciptakan peluang baru seiring dengan meningkatnya perangkat keras, perangkat lunak, dan algoritme. Pada akhirnya, teknologi yang memungkinkan untuk gerakan ini adalah perangkat keras komputasi yang kuat yang telah dikembangkan dalam beberapa dekade terakhir. Namun, untuk seorang praktisi komputasi, lingkungan perangkat lunak yang digunakan untuk pekerjaan komputasi sama pentingnya dengan, jika tidak lebih penting daripada, perangkat keras di mana perhitungan dilakukan.<br />
<br />
'''b. Current state of knowledge'''<br />
<br />
Knowledge i have learned in master amount of application and I just know it in master degree, and this is application I had to learn in master degree, first is lab view, I use it for measure temperature in contactor, so I know the temperature at inlet and outlet, second is REFROP this application helped me to know enthalpy in refrigerant, is superheated or subcool, third but not last is CFD-SOF with this application I can calculate velocity of fluid at an object, for example, is I calculated velocity in planar plate, internal flow pipe, and so on. <br />
<br />
'''c. Pengalaman Komputasi Teknik'''<br />
<br />
Untuk pengalaman saya menggunakan komputasi sudah ada beberapa, seperti CFD SOF dan beberapa bahasa pemograman, tetapi di era data scientist sekarang banyak yang sedang menggunakan bahasa python untuk menjadi bahasa pemograman mereka, hal ini dikarekan python merupakan bahasa pemograman open source (gratis) dan mudah di gunakan untuk pemula, berikut dasar - dasar menggunakan bahsa python :<br />
<br />
'''c.1 Pengenalan Komputasi Menggunakan Python'''<br />
<br />
Python adalah bahasa pemrograman tingkat tinggi yang diartikan untuk keperluan umum yang banyak digunakan dalam komputasi ilmiah dan teknik. Pertama dan terpenting, Python terkenal dengan sintaks code yang bersih dan mudah dibaca. Pembacaan kode yang baik meningkatkan pemeliharaan, yang secara umum menghasilkan lebih sedikit bug dan aplikasi yang lebih baik secara keseluruhan, tetapi juga memungkinkan pengembangan kode yang cepat. Dalam pemecahan masalah komputasi, tentu saja, penting untuk mempertimbangkan kinerja algoritma dan implementasinya. Sementara kinerja runtime terbaik dapat dicapai dalam bahasa pemrograman tingkat rendah seperti fortran dan C, bekerja dalam bahasa tingkat tinggi seperti Python biasanya mengurangi waktu pengembangan dan seringkali menghasilkan kode yang lebih fleksibel dan dapat diperluas.<br />
<br />
'''c.2 Environement Untuk Komputasi Dengan Python''' <br />
<br />
Ada beberapa environtment berbeda yang dapat digunakan Python untuk komputasi ilmiah dan teknis. Keragaman ini memiliki kelebihan dan kekurangan dibandingkan dengan lingkungan yang didukung. Dalam produk komputasi memiliki keanekaragaman menyediakan fleksibilitas dan dinamika yang cocok untuk spesialisasi untuk kasus penggunaan tertentu. Di sini saya memberikan orientasi lingkungan umum untuk komputasi ilmiah. Contoh 3 GUI yang digunakan untuk menjalankan python adalah :<br />
<br />
'''c.2.1. IPython'''<br />
<br />
IPython merupakan sebuah console yang dapat dijalankan secara interaktif. Secara bersama dengan text editor untuk menuliskan code, menyediakan yang ringan untuk dikembangkan .<br />
<br />
'''c.2.2. The Jupyter Notebook'''<br />
<br />
Merupakan aplikasi web di mana kode Python dapat ditulis dan dieksekusi melalui browser web. Environtment ini sangat bagus untuk komputasi numerik, analisis, dan penyelesaian masalah, karena memungkinkan seseorang untuk mengumpulkan code, output yang dihasilkan oleh code, dokumentasi teknis terkait, dan analisis dan interpretasi, semuanya dalam satu dokumen.<br />
<br />
'''c.2.3. Spyder'''<br />
<br />
Integrated Development Environment, yang dapat digunakan untuk menulis dan menjalankan kode Python secara interaktif. IDE seperti Spyder adalah alat yang dapat diguankan untuk mengembangkan library dan modul Python yang bisa digunakan kembali<br />
<br />
'''c.2.4. Interpreter'''<br />
<br />
Cara standar untuk mengeksekusi kode Python adalah menjalankan program secara langsung melalui interpreter Python. Pada kebanyakan sistem, interpreter Python dipanggil menggunakan perintah python. Ketika Python file source diperintahkan sebagai argumen untuk perintah ini, kode Python dalam file tersebut dijalankan.<br />
<br />
$ python hello.py<br />
<br />
Hello from Python!<br />
<br />
Di sini file hello.py berisi satu baris:<br />
<br />
print("Hello from Python!")<br />
<br />
Untuk melihat versi Python mana yang diinstal, seseorang dapat menjalankan perintah python dengan argumen --version:<br />
<br />
$ python –version<br />
<br />
Python 3.6.5<br />
<br />
Adalah umum untuk menginstal lebih dari satu versi Python pada sistem yang sama. Setiap versi Python memelihara kumpulan perpustakaannya sendiri dan menyediakan perintah penerjemahnya sendiri (sehingga setiap lingkungan Python dapat menginstal perpustakaan yang berbeda). Pada banyak sistem, versi tertentu dari juru bahasa Python tersedia melalui perintah seperti, misalnya, python2.7 dan python3.6. Dimungkinkan juga untuk mengatur lingkungan python virtual yang independen dari lingkungan yang disediakan sistem. Ini memiliki banyak keuntungan dan saya sangat menyarankan untuk membiasakan diri dengan cara ini bekerja dengan Python. Lampiran A memberikan perincian tentang cara mengatur dan bekerja dengan lingkungan semacam ini.<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-2 : ''' (Senin, 10 Februari 2020), Sinopsis Tuga Akhir ==<br />
<br />
<br />
----<br />
<br />
<br />
'''a. Menjelaskan Sinopsis Tugas Akhir''' <br />
<br />
JUDUL : <br />
<br />
Sistem Pendingin Mengguankan Thermo Electric Cooler dengan Controller Propotional - Integral Derivative<br />
<br />
SINOPSIS : <br />
<br />
Pendinginan merupakan salah satu proses yang dapat digunakan untuk berbagai macam penggunaan, antara lain untuk menjaga produk industri makanan dan produk medis seperti obat-obatan dan vaksin. Proses pendinginan sekarang masih menggunakan teknologi pengawetan berbasis kompresi menggunakan gas pendingin. Tipe gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannya dan tipe R600a memiliki COP yang lebih rendah. Penelitian ini bertujuan merancang perangkat keras dan perangkat lunak yang dapat diaplikasikan pada pendingin termoelektrik, dengan merancang sebuah alat yang digunakan untuk sistem lemari pendingin menggunakan Thermoelectric Cooler (TEC) dan mendapatkan nilai COP yang tinggi. Sistem dibangun dengan kontroler Proportional Integral Derivative (PID). Sistem ini menggunakan beberapa alat antara lain, sensor suhu, Transistor tipe TIP31, modul bluetooth, kipas, dan mikrokontroler ATSAM3X8E. Pengendalian suhu dilakukan dengan membandingkan set-point suhu yang diinginkan dengan suhu dari sensor. Dari penelitian ini diperoleh hasil bahwa semakin besar nilai tegangan yang diberikan maka semakin besar pula besar nilai Pulse Wave Modulation (PWM) yang dihasilkan. Semakin tinggi nilai besar PWM, semakin cepat penurunan suhu pada kotak pendingin. Dari beberapa pengujian dapat disimpulkan bahwa nilai parameter kontrol proporsional (Kp), parameter kontrol integral (Ki), dan nilai parameter kontrol deferensial (Kd ), dimana pada nilai Kp = 255, Ki = 100, dan Kd = 200 mendapatkan grafik yang lebih stabil dan mendekati nilai set-point, dengan nilai error sebesar 2,86 %.<br />
<br />
<br />
'''b. Perbedaan deterministik dan stokastik'''<br />
<br />
b.1 deterministik adalah sesuatu yang pasti akan terjadi. <br />
<br />
b.2 stokastik adalah Stokastik adalah kebolehjadian, atau dengan kata lain sesuatu yang belum terjadi kepastiannya. "Sesungguhnya, Allah tidak akan mengubah nasib suatu kaum, hingga mereka mengubahnya sendiri.." (Q.S. Ar-Ra'd [13] : 11) <br />
<br />
<br />
'''c . Komputasi Teknik pada Tugas Akhir'''<br />
<br />
Tipe tugas akhir saya adalah deteministik. Hal ini dikarenakan nilai dari PID yang saya tentukan pasti. Menurut pendapat saya untuk penerapan komputasi teknik pada tugas akhir saya adalah <br />
<br />
Pada penggunaan fitur controller PID, adalah kemampuan untuk menggunakan tiga tipe kontroller yakni propotional, integral dan derivatif yang mempengaruhi nilai keluaran kontroller untuk dipalikasikan pada nilai yang optimal dari kontroller itu sendiri. <br />
<br />
[[File:PID.png|400px|thumb|left ]]<br />
<br />
Diagram blok yang terdapat pada sebelah kiri menunjukkan bagamimana cara controller ini bekerja. Gambar tersebut menunjukan kontroller PID, yang mana secara kontinu menghitung nilai error e(t) sebagai selisih dari setpoint r(t) dan variabel proses y(t), dan pengaplikasian nya dikoreksi berdasakan propotional, integral, dan derivatif. Kontroller mencoba utnuk meminimalisir error dari lebih nya koreksi kontrol variabel u(t), salah satu contoh nya pengontrolan pada kecepatan kipas, kontrol PID dibutuhkan untuk mengetahui jumlah RPM selanjutnya pada kipas sehingga dapat mendinginkan suatu objek.<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
'''d. Komputasi pada tugas akhir saya kedepan nya'''<br />
<br />
Melakuakn simulasi CFD sederhana untuk melihat aliran fluida di dalam lemari pendingin<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan Ke-3''', (Senin 17-Februari-2020), Presentasi Sinopsis Project Komputasi Teknik ==<br />
<gallery mode="slideshow"><br />
File:PPT_1.png|200px|center|<br />
File:PPT_2.png|200px|center|<br />
File:PPT_3.png|200px|center|<br />
File:PPT_4.png|200px|center|<br />
File:ppt_5.png|200px|center|<br />
</gallery><br />
<br />
----<br />
<br />
== '''Pertemuan ke-4''', (Senin, 24 Februari 2020), Presentasi Model Matematis Project Komputasi Teknik ==<br />
<br />
----<br />
<br />
<br />
<br />
Skema kontrol PID dinamai dari ketiga term pengendalinya, yang kemudian dijumlahkan menjadi variabel manipulasi. Term proporsional, integral, dan derivatif dijumlahkan untuk menghitung keluaran kontroler PID. Dengan mendefinisikan u(t) sebagai keluaran kontroler, bentuk akhir dari algoritme PID adalah:<br />
<br />
<br />
<br />
[[File:Rumus1.png|300px|thumb|center ]]<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Contoh PID pada MATLAB<br />
|-<br />
|'''Jenis'''<br />
|'''Foto'''<br />
|'''Deskripsi'''<br />
|-<br />
! '''Porpotional Integral''' <br />
| [[File:Tilu.png|300px|thumb|left ]] || sys = zpk([],[-1 -1 -1],1); <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Loro.png|300px|thumb|left ]] || <br />
<br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
T_pi_fast = feedback(C_pi_fast*sys,1);<br />
step(T_pi,T_pi_fast)<br />
axis([0 30 0 1.4])<br />
legend('PI','PI,fast')<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Siji.png|300px|thumb|left ]] || <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
[C_pidf_fast,info] = pidtune(sys,'PIDF',1.0)<br />
T_pidf_fast = feedback(C_pidf_fast*sys,1);<br />
<br />
step(T_pi_fast, T_pidf_fast); <br />
<br />
axis([0 30 0 1.4]);<br />
<br />
legend('PI,fast','PIDF,fast');<br />
<br />
sys = zpk([],[-1 -1 -1],1); <br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
S_pi_fast = feedback(sys,C_pi_fast);<br />
S_pidf_fast = feedback(sys,C_pidf_fast);<br />
step(S_pi_fast,S_pidf_fast);<br />
axis([0 50 0 0.4]);<br />
legend('PI,fast','PIDF,fast');<br />
<br />
|-<br />
|}<br />
<br />
----<br />
<br />
<br />
== '''Pertemuan ke-5''', (2 Maret 2020), Quis I ==<br />
<br />
<br />
[[File:Photo 1.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 2.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 3.jpeg|350px|thumb|center ]]<br />
<br />
<br />
<br />
<br />
----<br />
== '''Finite ELement, Finite Diffirent, Finite Volume''' ==<br />
<br />
* '''Pengertian Finite Element :'''<br />
<br />
'''Finite Element :''' menyelesaikan suatu problem dengan cara membagi obyek analisa menjadi bagian-bagian kecil yang terhingga. Bagian-bagian kecil ini kemudian dianalisa dan hasilnya digabungkan kembali untuk mendapatkan penyelesaian untuk keseluruhan daerah. Kata “finite atau terhingga” digunakan untuk menekankan bahwa bagian-bagian kecil tersebut tidak tak terhingga, seperti yang lazim digunakan pada metode integral analitik.<br />
<br />
* '''Pengertian Finite Volume :'''<br />
<br />
'''Finite Volume :''' adalah metode yang digunakna untuk merepresentasikan persamaan diferensial parisial dalam bentuk persamaan algeraic. Didalam metode finite volume, mengintergalkan bagian dari persamaan diferensial parsial ,menggunakan teorema divergensi.<br />
<br />
* '''Pengertian Finite Different :'''<br />
<br />
'''Finite Different :''' adalah diskritisasi yang digunakan untuk menyelesaiakn persamaan diferensial dengan memperkirakan denagn persamaan diferensial yang menggunakan perbedaan yang mendekati derivatif.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Pertemuan ke-6''', Senin 9 Maret 2020, Extended Abstrak ==<br />
<br />
<br />
<br />
Name : Wsinu indrawan<br />
<br />
Title : Fluid Analysis For Mini Fan Refrigerator Using Thermoelectric Cooler <br />
<br />
The cooling is one of the processes can be used for various types of applications, starting from maintaining food industry products and medical products such as drugs and vaccines. The cooling process now still uses compression-based preservation technology using cooling gas. The types of cooling gas used are R134a and R600a. However, the R134a contains HF which has been banned for used, and the R600a contains HF gas which can reduce the ozone layer. In addition, a single fan compressor system that uses cooling gas in a steam compressor has difficulties in regulating the temperature of the target compartment. Based on this, an alternative cooling technology is needed. Thermoelectric cooler (TEC) is an alternative cooling technology, because TEC has advantages such as small size, lower noise and vibration, easier in temperature regulation, low maintenance requirements, can absorb heat using the principle of heat difference so that in addition to being able to the cooler can also be a heater, and besides that it can be turned on with a DC current. Obtained a solution in the form of cooling using a thermoelectric cooler, using a fan in the refrigerator.The current research examines the application of CFD (Computational Fluid Dynamic) to analyze the flow of wind into the refrigerator. Use the existing CFD analyst application. To analyze the flow of fluid entering the refrigerator, it is simplified for this refrigerator, by cutting the inside of the refrigerator. So that the incoming fluid flow can be reviewed, from the incoming air velocity can be analyzed with a simple correlation to the wind speed generated with existing pwm. It is expected that from this research, researchers can find out the wind phenomenon that is in the refrigerator so that it can be used for further research.<br />
<br />
<br />
<br />
<br />
[[File:G1.png|400px|thumb|center ]]<br />
<br />
[[File:test1.png|400px|thumb|center ]]<br />
<br />
== '''Optimasi Energi Pada Manusia''' ==<br />
<br />
The article below will describe how to make optimization in daily life, during one month<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Optimasi Energi Pada Manusia<br />
|-<br />
|'''Jenis'''<br />
|'''Perhitungan'''<br />
|'''Deskripsi'''<br />
|-<br />
! Step 1<br />
| [[File:gazo1.png|700px|left]] || Pertama saya menentukan jumlah jam yang dibutuhkan per hari secara acak dengan funsi rand di excel <br />
<br />
|-<br />
! Step 2 <br />
| [[File:gazo2.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 1<br />
<br />
|-<br />
! Step 3 <br />
| [[File:gazo3.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 2<br />
<br />
|-<br />
! Step 4 <br />
| [[File:gazo4.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 3<br />
<br />
<br />
|-<br />
! Step 5 <br />
| [[File:gazo5.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 4<br />
<br />
|-<br />
! Step 6 <br />
| [[File:hebat.png|700px|left]] || Mencari grafik polynomial pada salah satu minggu dan diadapatkan grafik polynom nya<br />
<br />
|-<br />
! Step 7 <br />
| [[File:gazo7.png|700px|left]] || hasil konversi watt ke rupiah pada hari senin pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 8 <br />
| [[File:gazo8.png|700px|left]] || hasil konversi watt ke rupiah pada hari selasa pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 9 <br />
| [[File:gazo9.png|700px|left]] || hasil konversi watt ke rupiah pada hari rabu pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 10 <br />
| [[File:gazo10.png|700px|left]] || hasil konversi watt ke rupiah pada hari jumat pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 11 <br />
| [[File:gazo11.png|700px|left]] || hasil konversi watt ke rupiah pada hari sabtu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step 12 <br />
| [[File:gazo12.png|700px|left]] || hasil konversi watt ke rupiah pada hari minggu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step Final<br />
| [[File:cobajadulu.png|700px|left]] || Mencoba memasukan nilai minimum ke dalam matlab dan mencari dengan curve fitting<br />
<br />
|-<br />
|}<br />
<br />
== '''Pengarahan Beberapa Teknologi Komputasi Teknik''', 16-03-2020 ==<br />
<br />
<br />
Pada pertemuan kali ini membahas masalah initial thinking, mendevelop model matematis, anlisa secara umum dan analisa secara khusus<br />
<br />
Mengembangkan model amtematis dari konsep model utama dari model matematis tersebut<br />
<br />
Dari modeling tersebut dibutuhkan beberapa tahapan pertama :<br />
<br />
*Constrain <br />
<br />
*Boundary Condition <br />
<br />
*Setelah beberapa tahapan itu masuk ke tahapan simulasi <br />
<br />
Pengertian Verifikasi : <br />
<br />
Verifikasi adalah teori filsafat positif logis dalam memilih yang menyatakan bahwa pengalaman adalah satu-satunya sumber dasar pengetahuan dan dalam analisis logis dapat dilakukan dengan bantuan simbol-simbol logika dengan menggunakan metode untuk pemecahkan masalah melalui metode verifikasi empirik yaitu bila terdapat sesuatu yang tidak dapat diverifikasi secara empirik maka hasilnya adalah sia-sia. penganut teori radikal ini memiliki masalah konsekuensi untuk filosofi tradisional, karena, jika benar, akan menyebabkan banyak pekerjaan sia-sia pada filosofis masa lalu, antara lain pada metafisika dan etika.<br />
<br />
Validasi : <br />
<br />
validasi adalah sebuah teknik validasi model untuk menilai bagaimana hasil statistik analisis akan menggeneralisasi kumpulan data independen. Teknik ini utamanya digunakan untuk melakukan prediksi model dan memperkirakan seberapa akurat sebuah model prediktif ketika dijalankan dalam praktiknya. Dalam sebuah masalah prediksi, sebuah model biasanya diberikan kumpulan data (dataset) yang diketahui untuk digunakan dalam menjalankan pelatihan (dataset pelatihan), serta kumpulan data yang tidak diketahui (atau data yang pertama kali dilihat) terhadap model yang diuji (pengujian dataset).[4] Tujuan dari validasi silang adalah untuk mendefinisikan dataset untuk "menguji" model dalam tahap pelatihan (yaitu, validasi data), dalam rangka untuk membatasi masalah seperti terjadinya overfitting, memberikan wawasan tentang bagaimana model akan menggeneralisasi independen dataset (yaitu, dataset tidak diketahui, misalnya dari masalah nyata), dll.<br />
<br />
== '''Ujian Tengah Semester''', Komputasi Teknik ==<br />
<br />
<br />
<br />
<br />
=== '''Video Pembelajaran Setiap Minggu''' ===<br />
<br />
<br />
'''Kemampuran Komputasi Teknik Selama Perkuliahan, Tutorial Menggunakan CFDSOF'''<br />
<br />
<br />
[[File:.pertemuan3wisnuindrawan.mp4||500px|center]]<br />
<br />
<br />
<br />
=== '''Draft Paper Komputasi Teknik''' ===<br />
<br />
<br />
==== BAB I ====<br />
<br />
Pendinginan salah satu teknologi yang memiliki berbagai macam pengaplikasian, dimulai dari menjaga produk makanan dari kebusukan dan berbagai pengendalian suhu dalam bidang elektronik dan industri lainnya (Gökçekdan Şahin, 2017).Salah satu teknologi pendinginan yang sekarang ini sering digunakan adalah teknologi berbasis kompresi uap karna mempunyai (COP) coefficient of performanceyang tinggi dan mempunyai harga yang lebih murah dibandingkan teknologi alternatif lainnya.Dalam proses pendinginan, teknologi kompresi uap menggunakan gas pendingin yang berfungsi untuk menyerap panas pada udara dalam ruangan, sehingga menjadi bersuhu rendah. Secara luas gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannyadan tipe R600a mengandung gas HF yang dapat mengurangi lapisan ozon (Söylemez dkk., 2018). Selain itu,pada sistem kompresor satu kipas yang menggunakan gas pendingin pada kompresor uap memiliki kesulitan dalampengaturan temperatur dari kompartemen target. Berdasarkan pernyataan tersebut diperlukan suatu teknologi pendingin alternatif. Thermoelectric cooler adalah salah satu alternatif teknologi pendingin, dikarenakan thermoelectric cooler memiliki kelebihan seperti berukuran kecil, kebisingan dan getaran yang lebih rendah, lebih mudah dalam pengaturan suhu, mebutuhkan perawatan yang sedikit, dan dapat dihidupkan dengan arus DC (Söylemezdkk., 2018). Pendinginan dengan menggunakan TEC (Termoelectric Cooling) telah digunakan untuk menghilangkan embun kaca depan kendaraan. Penelitian tersebut telah menghasilkan temperatur hingga 22,4 oC. Penelitian lainTEC telah digunakan untuk pendingin kotak minuman dengan menggunakan 3thermoelectric cooling, dimana dapat menghasilkan temperatur kotak minuman tanpa beban mencapai14,3 oC, dengan beban pendingin air sebanyak 1 liter sebesar 16,4 oC (Nulhakim, 2017). TEC (Termoelectric Cooling) tidak hanya dapat mendinginkan, tetapi dapat memanaskan di waktu yang bersamaan. Sifat dari TEC ini dapat dimanfaatkan untuk sistem pengaturan suhu ruangan. Untuk tujuan pengaturan suhu yang lebih akurat, dapat dipertimbangkan menggunakan sistem kontrol loop tertutup dengan PID (Propotional, Integral dan Derivative). Kelebihan dari pemakaian kontroler PID di loop tertutup adalah kontrol PID memiliki kemampuan untuk penyetelan otomatis, dan dapat adaptasi terhadap variasi waktu, sehinggasistem dari kontroler PID menyediakan aplikasi didalam industri dengan fitur kontrol yang lebih akurat dandapat disesuaikan dengan kebutuhan(Abdullah dan Ayman, 2008). Pengaturan PID pada umumnya menggunakan alat yang memakan banyak biaya. Tetapi menurut hasil dari eskperimen yang menyatakan bahwa kontroler PID menggunakna mikrokontoler tipe P18F4685 yang memiliki kapasitas 14 bit dapat menghasilkan kestabilan yang baik, dengan overshoot yang sedikit, dan memiliki waktu settling time yang sedikit pula (El-Nagar dan El-Bardini, 2014). Dari latar belakang tersebut diperlukan suatu sistem pendingin ruangan yang terkontrol secara otomatis menggunakanteknologi pendingin ramah lingkungan yang terkontrol dengan sistem kontrol loop tertutup, sehinggadapat manjadi salah satu alternatif teknologi pendingin ruangan.Berdasarkan potensi tersebut maka telah dilakukan penelitian tentang rancang bangun sistem pendingin ruangan menggunakan TEC (Thermoelectric Cooler) dengan kontroler PID.<br />
<br />
==== BAB II ====<br />
<br />
'''Sensor Suhu''' <br />
<br />
Salah satu jenis sensor suhu yang banyak digunakan di industri adalah tipe sensor suhu berbahan semikonduktor. Sensor ini menggunakankonfigurasi dioda atau transistor di kutub yang pada sambungan p-n bahan tersebut memiliki respon yang kuat terhadap suhu. Terdapat dua jenis pemberian tegangan pada sambungan p-n yaitu bias maju dan bias mundur seperti ditunjukkan pada Gambar 2.1. Ketika sambungan p-n bias maju dihubungkan dengansumber arus, maka terjadi beda potensial pada kedua sambungan. Beda potensial atau tegangan yang dihasilkan berbanding lurus dengan perubahan suhu(Suryono, 2018).<br />
<br />
[[File:wisnu.png|500px|center|]]<br />
<br />
<br />
<br />
'''Thermoelectric'''<br />
<br />
Modul thermoelectric khas dibuat menggunakan dua buah keramik berbentuk wafer dengan jenis bahan semikonduktor bismuth telluride P dan N yang diapit di antara keduanya seperti yang ditunjukkan pada Gambar 2.3. Bahan keramik di kedua sisi dari thermoelectric berfungsi untuk pelindung dan sebagai isolator listrik yang diperlukan. Bahan tipe-N memiliki kelebihan elektron, sementara bahan tipe-P membutuhkan elektron. Bahan P dan N membentuk pasangan, seperti yang ditunkjukan pada Gambar 2.3. Pasangan thermoelectric dipasang secara seri dan termal sejajar. Modul thermoelectric dapat berisi satu sampai beberapa ratus pasangan. Saat elektron bergerak dari bahan tipe-P ke bahan tipe-N melalui konektor listrik, elektron beralih ke keadaan energi yang lebih tinggi dan menyerap energi panas (sisi dingin) (Manikandan dkk., 2017).<br />
<br />
<br />
[[File:dewawisnuganteng.png|500px|center|]]<br />
<br />
<br />
<br />
<br />
<br />
==== BAB III ====<br />
<br />
Sistem pengendalian yang saya pakai adalah menggunakan mobile phone, jadi pada penyetingan set point pada PID menggunakan apliaksi mobile bebasis bluetooth<br />
<br />
<br />
[[File:bismillahadajalan.png|500px|center|]]<br />
<br />
Selanjut nya pada sistem kerja dari alat ini menggunakan sistem PID untuk mengatur kecepatan dari driver motor untuk mengatur suhu, jika suhu tidak sesuai dengan yang diinginkan maka kecepatan kipas akan terus bertambah.<br />
<br />
<br />
[[File:PIDBROH.png|500px|center|]]<br />
<br />
<br />
Hasil rancang bangun dari alat pendingin ditunjukan pada gambar dibawah ini<br />
<br />
<br />
[[File:celenganrindu.jpg|500px|center|]]<br />
<br />
Pembuatan interface untuk memasukkan data set point pada aplikasi mobile<br />
<br />
[[File:interface.png|500px|center|]]<br />
<br />
Pembuatan interface untuk mencari device bluetooth pada device-device sekitar<br />
<br />
[[File:tampilan2.png|500px|center|]]<br />
<br />
==== BAB IV ====<br />
<br />
Hasil data dari kalibrasi sensor suhu dengan alat ukur standart SNI <br />
<br />
<br />
[[File:akad.png|500px|center|]]<br />
<br />
<br />
Data PID setelah melakukan trial and error mendapatkan nilai Kp Kd Ki <br />
<br />
<br />
[[File:bismillahwisnudata.png|500px|center|]]<br />
<br />
=== '''Laporan Optimasi Energi''' ===<br />
<br />
<br />
Grafik Pada Minggu Pertama<br />
<br />
<br />
<br />
[[File:bersyukurlah.png|500px|center|]]<br />
<br />
[[File:gambarsatu.png|500px|center|]]<br />
<br />
<br />
[[File:semuaudahadarezekinya.png|500px|center|]]<br />
<br />
<br />
<br />
[[File:janganngeluhterus.png|500px|center|]]<br />
<br />
Gambar yang ditunjukan dengan menggunakna aplikasi sypder menunjukkan nilai x, nilai tersebut merupakan nilai minimum atau optimum dari persamaan yang telah dibuat dengan menggunakan excel<br />
<br />
<br />
Revisi Projek tugas komputasi teknik <br />
<br />
Pada kesempatan kali ini saya menggunakan case baru untuk menyelesaikan draft paper mata kuliah komputasi teknik <br />
<br />
Hal ini dikarenakan, ketertarikan penulis untuk mengangkat tema ini <br />
<br />
==Refisi draft paper==<br />
<br />
<br />
<br />
Beberapa contoh data dari nasabah yang dihasilkan untuk mengetahui apakah nasabah ingin meninggalkan bank dari data - data pribadi mereka, <br />
seperti lama mereka menggunakan jasa bank ini, jumlah tabungan mereka, kemudian umur mereka, dan dari pria atau wanita <br />
<br />
<br />
[[File:22 April 2020 5.png || 700px]]<br />
<br />
Pertama data yang berada dalam format csv dimasukan ke dalam pemograman python dengan maka akan muncul tampilan seperti diatas, ataua kerap<br />
disebut sebagai dataframe, setelah dataframe terbentuk maka dataframe tersebut di pecah - pecah atau dikelompokkan mana yang bisa digunakan untuk <br />
independent variable atau tidak <br />
<br />
<br />
<br />
[[File:22 April 2020 1.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 2.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 3.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 4.png || 700px]]<br />
<br />
<br />
methode dari draft paper ini adalah : <br />
<br />
'''mengguankan machine learning''' <br />
<br />
Pembelajaran mesin (ML) adalah studi tentang algoritma komputer yang meningkat secara otomatis melalui pengalaman. [1] Itu dilihat sebagai bagian dari kecerdasan buatan. Algoritma pembelajaran mesin membangun model matematika berdasarkan data sampel, yang dikenal sebagai "data pelatihan", untuk membuat prediksi atau keputusan tanpa diprogram secara eksplisit untuk melakukannya. [2] [3]: 2 Algoritma pembelajaran mesin digunakan dalam berbagai berbagai aplikasi, seperti penyaringan email dan visi komputer, di mana sulit atau tidak layak untuk mengembangkan algoritma konvensional untuk melakukan tugas-tugas yang diperlukan.<br />
<br />
Pembelajaran mesin terkait erat dengan statistik komputasi, yang berfokus pada membuat prediksi menggunakan komputer. Studi tentang optimasi matematika memberikan metode, teori dan domain aplikasi ke bidang pembelajaran mesin. Penambangan data adalah bidang studi terkait, dengan fokus pada analisis data eksplorasi melalui pembelajaran tanpa pengawasan.<br />
<br />
'''Realsi terhadap optimasi'''<br />
<br />
Pembelajaran mesin juga memiliki ikatan intim dengan optimisasi: banyak masalah pembelajaran dirumuskan sebagai minimalisasi beberapa fungsi kerugian pada serangkaian contoh pelatihan. Fungsi kerugian menyatakan perbedaan antara prediksi model yang sedang dilatih dan contoh masalah yang sebenarnya (misalnya, dalam klasifikasi, seseorang ingin menetapkan label pada instance, dan model dilatih untuk memprediksi dengan benar label yang telah ditetapkan sebelumnya dari sekumpulan contoh). Perbedaan antara dua bidang muncul dari tujuan generalisasi: sementara algoritma optimasi dapat meminimalkan kerugian pada set pelatihan, pembelajaran mesin berkaitan dengan meminimalkan kerugian pada sampel yang tidak terlihat. <br />
<br />
'''Relasi terhadap statistik'''<br />
<br />
Pembelajaran mesin dan statistik adalah bidang yang terkait erat dalam hal metode, tetapi berbeda dalam tujuan utamanya: statistik menarik kesimpulan populasi dari sampel, sementara pembelajaran mesin menemukan pola prediksi yang dapat digeneralisasikan. Menurut Michael I. Jordan, gagasan pembelajaran mesin, mulai dari prinsip metodologis hingga alat teoretis, telah memiliki pra-sejarah panjang dalam statistik. [22] Dia juga menyarankan istilah ilmu data sebagai pengganti untuk menyebut bidang keseluruhan. <br />
<br />
Leo Breiman membedakan dua paradigma pemodelan statistik: model data dan model algoritmik, [23] di mana "model algoritmik" berarti kurang lebih algoritma pembelajaran mesin seperti hutan acak.<br />
<br />
Beberapa ahli statistik telah mengadopsi metode dari pembelajaran mesin, yang mengarah ke bidang gabungan yang mereka sebut pembelajaran statistik. <br />
<br />
<br />
'''Teori'''<br />
<br />
Tujuan inti seorang pelajar adalah untuk menggeneralisasi dari pengalamannya. Generalisasi dalam konteks ini adalah kemampuan mesin pembelajaran untuk melakukan secara akurat pada contoh / tugas baru yang tidak terlihat setelah mengalami kumpulan data pembelajaran. Contoh-contoh pelatihan berasal dari beberapa distribusi probabilitas yang umumnya tidak diketahui (dianggap mewakili ruang kejadian) dan pelajar harus membangun model umum tentang ruang ini yang memungkinkannya menghasilkan prediksi yang cukup akurat dalam kasus-kasus baru.<br />
<br />
Analisis komputasi algoritma pembelajaran mesin dan kinerjanya adalah cabang ilmu komputer teoretis yang dikenal sebagai teori pembelajaran komputasi. Karena set pelatihan terbatas dan masa depan tidak pasti, teori pembelajaran biasanya tidak menghasilkan jaminan kinerja algoritma. Sebaliknya, batasan probabilistik pada kinerja cukup umum. Dekomposisi bias-varians adalah salah satu cara untuk mengukur kesalahan generalisasi.<br />
<br />
Untuk kinerja terbaik dalam konteks generalisasi, kompleksitas hipotesis harus sesuai dengan kompleksitas fungsi yang mendasari data. Jika hipotesis kurang kompleks dari fungsi, maka model memiliki data yang sesuai. Jika kompleksitas model meningkat dalam respons, maka kesalahan pelatihan berkurang. Tetapi jika hipotesisnya terlalu kompleks, maka modelnya akan mengalami overfitting dan generalisasi akan menjadi lebih buruk. <br />
<br />
Selain batas kinerja, ahli teori belajar mempelajari kompleksitas waktu dan kelayakan belajar. Dalam teori pembelajaran komputasi, perhitungan dianggap layak jika dapat dilakukan dalam waktu polinomial. Ada dua jenis hasil kompleksitas waktu. Hasil positif menunjukkan bahwa kelas fungsi tertentu dapat dipelajari dalam waktu polinomial. Hasil negatif menunjukkan bahwa kelas-kelas tertentu tidak dapat dipelajari dalam waktu polinomial.<br />
<br />
<br />
<br />
'''metode machine learning ada beberapa tipe nya berikut penjelasan mengenai teori machine learning :''' <br />
<br />
1. Suppport Vector Machine (SVMs)<br />
<br />
Support vector Machines (SVMs) adalah algoritma pembelajaran mesin yang diawasi yang fleksibel namun kuat yang digunakan baik untuk klasifikasi dan regresi. Tetapi umumnya, mereka digunakan dalam masalah klasifikasi. Pada 1960-an, SVM pertama kali diperkenalkan tetapi kemudian disempurnakan pada tahun 1990. SVM memiliki cara implementasi yang unik dibandingkan dengan algoritma pembelajaran mesin lainnya. Akhir-akhir ini, mereka sangat populer karena kemampuan mereka untuk menangani beberapa variabel kontinu dan kategorikal.<br />
<br />
<br />
Dalam praktiknya, algoritma SVM diimplementasikan dengan kernel yang mengubah ruang data input ke dalam formulir yang diperlukan. SVM menggunakan teknik yang disebut trik kernel di mana kernel mengambil ruang input dimensi rendah dan mengubahnya menjadi ruang dimensi yang lebih tinggi. Dengan kata-kata sederhana, kernel mengubah masalah yang tidak dapat dipisahkan menjadi masalah yang dapat dipisahkan dengan menambahkan lebih banyak dimensi ke dalamnya. Itu membuat SVM lebih kuat, fleksibel dan akurat. Berikut ini adalah beberapa jenis kernel yang digunakan oleh SVM.<br />
<br />
<br />
Linear Kernel <br />
<br />
Ini dapat digunakan sebagai produk titik antara dua pengamatan. Rumus kernel linear adalah sebagai berikut<br />
<br />
Metode yang digunakan <br />
<br />
pada penelesaian masalah ini saya menggunakana beberapa engone dari python untuk melakuakn machine learning yakni '''sklearn''' dan '''tensor flow''', berikut penjelasan masing masing metode nya :<br />
<br />
ini adalah struktur skrip dari '''sklearn.prepocessing''' <br />
<br />
class sklearn.preprocessing.OneHotEncoder(*, categories='auto', drop=None, sparse=True, dtype=<class 'numpy.float64'>, handle_unknown='error')[source]<br />
<br />
kenapa class ini digunakan karena machine leraning tidak bisa memproses selain angka, tapi pada kasus ini saya menggunakan nama, umur dan beberapa proses yang menggunakan tipe string(kata - kata)<br />
sehigga sulit untuk di klasifikasikan.<br />
<br />
'''maka dari itu metode ini dapat digunakan.'''<br />
<br />
'''One Hot Encoding adalah :''' reperentasi kategori variabel dalam vektor biner. <br />
<br />
Pertama nilai dari proses ini dipetakan dala nilai integer (nilai angka yang benilai bilangan bulat, tidak memiliki nilai koma)<br />
<br />
Lalu, setiap nilai yang berbentuk integer ini direpresentasikan sebagai vektor biner yang semua nya bernilai nol kecuali yang terindeks integer, yang di tandai 1.<br />
<br />
== Quis II, 6 April 2020 ==<br />
<br />
<br />
Assalamualaiakum Beerikut adalah link dari Quis 2<br />
Wisnu Indrawan <br />
1906433745<br />
<br />
https://drive.google.com/drive/folders/17z_x1nPTXBtnZl_PVhXRBZXdK5Wy0GMx?usp=sharing<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan Tanggal : Senin, 13 April 2020 ==<br />
<br />
<br />
<gallery mode="slideshow"><br />
File:Wisnu 12346798.png<br />
File:Wisnu 123467989.png<br />
File:Wisnu 12346798910.png<br />
File:Wisnu 12346798435435.png<br />
File:Wisnu 1234679843fdsaf4.png<br />
</gallery><br />
<br />
== Resume Pertemuan tanggal : Senin, 20 April 2020 ==<br />
<br />
<br />
<gallery mode="slideshow"><br />
<br />
<br />
File:qwerwqerqwerq_caseII_1.png<br />
File:qwerwqerqwerq_caseII_2.png<br />
File:24-04-2020-1-tugas komtek.png<br />
File:2020-04-24 23 12 57-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 22-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:hasil-24-04-2020.png<br />
File:2020-04-24 23 47 29-Book1 - Excel.png<br />
</gallery><br />
<br />
== Resume Pertemuan tanggal : Senin, 27 April 2020 ==<br />
<br />
1. Pemahaman terkait prinsip dan konsep komputasi teknik<br />
<br />
2. Penerapan konsep dan skill dalam komputasi teknik<br />
<br />
3. Lebih mengenal diri<br />
<br />
Dari 3 point diatas disampaikan via zoom dengan cara sebagai berikut:<br />
<br />
a. show your contributions<br />
<br />
b. your understanding<br />
<br />
c. your skill<br />
<br />
== Resume Pertemuan tanggal : Senin, 04 Mei 2020 ==<br />
<br />
<br />
<br />
- Pemahaman terkait prinsip dan konsep komputasi teknik<br />
<br />
- Penerapan konsep dan skill dalam komputasi teknik<br />
<br />
- Lebih mengenal diri baik individu maupun kelompok/ kelas<br />
<br />
Intisaru dari evaluasi diri ini adalah :<br />
<br />
- show your contributions<br />
<br />
- your understanding<br />
<br />
- your skkill<br />
<br />
== Resume Pertemuan tanggal : Senin, 11 Mei 2020 ==<br />
<br />
<br />
Pada pertemuan tanggal 11 Mei 2020 terdapat pembahasan selanjut nya pada pertemuan minggu lalu mengnai pressure drop. Pada pembahsan pada grup whatshap mengenai tentang pendapat individu mengenai kasus pressure drop dan di bahas kemabli dalam grup Komputasi Teknik via whatshapp. Diharapkan pada pembahasan ini secara personal memahami cases Basic Mechanics dan menjadi kewajiban bagi setiap mahsiwa menyatakan analisa pribadi terkait kasus tersebut. <br />
<br />
Berikut Hasil dari pembahasan kasus tersebut : <br />
<br />
<gallery mode="slideshow"><br />
File:WhatsApp Image 2020-05-12 at 19.30.27.jpeg<br />
File:WhatsApp Image 2020-05-11 at 09.41.12.jpeg<br />
File:WhatsApp Image 2020-05-12 at 16.50.43.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.51.38.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.53.29.jpeg<br />
</gallery><br />
<br />
<br />
<br />
'''Azikri '''<br />
<br />
sedikit tambahan terkait hal di atas, bahwa pada dasarnya aliran fluida dalam pipa akan mengalami penurunan tekanan atau pressure drop seiring dengan <br />
panjang pipa ataupun disebabkan oleh gesekan dengan permukaan<br />
saluran, dan juga ketika aliran melewati sambungan pipa, belokan, katup, difusor, dan sebagainya.<br />
Disisi lain, prinsip dasar persamaan kontinuitas juga jadi landasan dimana massa tidak dapat diciptakan dan<br />
tidak dapat dimusnahkan, sehingga massa dalam suatu sistem yang konstan dapat dinyatakan dengan rumus : rho.A.v=m<br />
<br />
atau Jika aliran fluida bersifat incompressible dan steady flow, maka persamaan menjadi : Q=A.v<br />
<br />
Singkatnya dr persmaan pertama bahwa pressure drop berbanding terbalik dengan D, dan begitu halnya dengan persamaan 2 tegangan geser berbanding <br />
terbalik dg A<br />
<br />
'''Adhika '''<br />
<br />
- Gaya Masuk - Gaya Geser Total = Gaya Keluar<br />
- Gaya Geser Total = Gaya Masuk - Gaya Keluar<br />
- Gaya Geser Total = P1.A - P2.A <br />
- Gaya Geser Total = dp . Luas Area Pipa<br />
Shear Stress . Luas Selimut = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(Luas Area Pipa . L. pi . 4) = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(L. pi . 4) / sqrt(Luas Area Pipa) = dp<br />
<br />
Kesimpulan:<br />
Luas Area Pipa semakin besar maka dp akan semakin kecil<br />
<br />
<br />
'''Jerry '''<br />
<br />
Ketika nilai A membesar, maka nilai D secara langsung juga membesar karena A merupakan fungsi D; A(D). <br />
<br />
Dari persamaan pressure drop, terlihat bahwa nilai D berbanding terbalik dengan nilai deltaP. <br />
<br />
Hal ini akan mengimplikasikan bahwa semakin besar nilai D, maka semakin kecil nilai deltaP<br />
<br />
'''Dessy'''<br />
<br />
Sederhananya jika dilihat dari persamaan untuk Pressure Drop maka sudah cukup jelas dalam menjawab pertanyaan mengapa ketika luas area (A) diperbesar <br />
menyebabkan nilai pressure drop yang menurun, dimana <br />
<br />
dP = f L rho V^2 / 2 D<br />
<br />
Dari persamaan diatas terlihat bahwa nilai diameter (pengaruhnya terhadap luas area) berbanding terbalik dengan nilai pressure loss dP.<br />
<br />
Tambahan juga jika dilihat dari nilai kecepatan (disini saya menggunakan analogi aliran fluida dalam pipa), secara logika apabila nilai luas <br />
penampang A diperbesar maka nilai kecepatan akan semakin kecil, sesuai dengan persamaan yang telah dijelaskan oleh saudara Dieter sebelumnya.<br />
<br />
Maka jika kembali ke persamaan pressure drop sesuai analogi ini, A yang besar akan menyebabkan nilai V menurun, akibatnya nilai dP pun akan menurun.<br />
<br />
Dari sini dapat disimpulkan bahwa semakin besar nilai diameter D, yang menghasilkan nilai area A yang semakin besar pula, menghasilkan nilai pressure <br />
drop dP yang semakin kecil.<br />
<br />
'''Muhammad Gumilar'''<br />
<br />
Ada hal menarik disini, dari beberapa yang saya perhtikan dari beberapa pendapat teman-teman, pengaruh dari adanya luasan atau diameter pipa akan <br />
mempengaruhi keepatan alir didalam pipa , sesuai dengan hukum kontinuitas. Berkaitan dengan hal ini, saya mencerna bahwa bisa saja sebenarnya jika <br />
kita membandingkan dua hal yang mana, dua buah pipa dengan diameter yang berbeda akan tetepa memiliki kecepatan aliran rata-rata yang sama, yang <br />
mana berarti kedua debit aliran dari pipa ini berbeda. Namun yang dititikberatkan pada pembahasannya adala, kenapa berdasarkan rumus pressure loss, <br />
apabila diameter membesar, maka pressure drop akan berkurang. Sedangkan dari persamaan yang lain, kita kethaui bahwa gaya gesek akibat adanya <br />
tegangan geser akan meningkat karena persamaannya adalah F=thow * A. <br />
<br />
Kebingunga dari mahasiswS1 tersebut menurut saya adalah pemahaman beliau yang tidak komprehensif terhadap kosnep pressure drop. Memang, pressure drop <br />
itu berhubungan erat dengan adanya gesekan viscous antara fluida dengan dinding pipa. Akan tetapi, ada hal penting yang dilupakan oleh sang mahasiswa <br />
S! tersebut, yaitu bahwa perbesaran diameter dari pipa juga akan mengakibatkan tegangan geser yang terjadi. Secara sederhana, sepemahaman saya, <br />
tegangan geser itu berbanding lurus dengan gradient kecepatan aliran fluida di sepanjang pipa, yaitu du/dy. Nah, apabila, dengan kecepatan rata-rata <br />
yang sama, diameter pipa semakin besar, maka gradient kecepatan di sepanjang pipa akan berkurang karena pengaruh gaya viscous antara dinding dan <br />
fluida juga semain berkurang. Oleh karena itu, pressure Drop yang terjadi juga akan semakin berkurang. Semoga bermanfaaat semua eheheheh<br />
<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan tanggal : Senin, 18 Mei 2020 ==<br />
<br />
<br />
Dalam aliran fluida, kehilangan gesekan (atau gesekan kulit) adalah hilangnya tekanan atau "head" yang terjadi pada pipa atau aliran saluran karena efek viskositas fluida di dekat permukaan pipa atau saluran. [1] Dalam sistem mekanis seperti mesin pembakaran internal, istilah ini mengacu pada daya yang hilang dalam mengatasi gesekan antara dua permukaan yang bergerak, sebuah fenomena yang berbeda.<br />
<br />
== Resume Pertemuan tanggal : Senin, 18 Mei 2020 ==</div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=Wisnu_indrawan&diff=35877Wisnu indrawan2020-06-01T08:50:14Z<p>Wisnu indrawan: /* Resume Pertemuan tanggal : Senin, 27 April 2020 */</p>
<hr />
<div><br />
<br />
----<br />
<br />
== '''Biodata Diri :''' ==<br />
<br />
----<br />
<br />
<br />
[[File:wisnu.jpg|200px|thumb|left|Watashinonamaeha wisnu ndes ]]<br />
<br />
*Nama : Wisnu Indrawan <br />
<br />
*NPM : 1906433745<br />
<br />
*Jurusan : Teknik Mesin<br />
<br />
*Institusi : Universitas Indonesia<br />
<br />
*Penjuruan : SUBAK (Sistem Utilitas Bangunan)<br />
<br />
*Email : wisnu.indrawan@ui.ac.id<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Istilah - Istilah Teknik''' ==<br />
<br />
<br />
'''1. Clustering ''' <br />
<br />
*clustering adalah teknik machine learning berupa algoritma pengelompokkan objek-objek data berjumlah N menjadi <br />
kelompok-kelompok data tertentu (cluster)<br />
<br />
*Objek data yang beada dalam satu kelompok / cluster harus memiliki kemiripan <br />
<br />
*Semakin banyak data yang diperoleh sama dnegan semakin akurat hasil yang di dapatkan <br />
<br />
*Clustering merupakan salah satu jenis dari algoritma unsupervised learining, algoritma <br />
yang bertujuan untuk mempelajari dan menemukan pola dari suatu input yang diberikan tanpa menggunuakan label <br />
<br />
*Dengan penggunaan supervised learning, maka beberapa hal berikut ini dapat dilakukan <br />
<br />
'''1.''' Search: Membandingkan antar dokumen, gambar atau suara untuk menampilkan item serupa. <br />
<br />
'''2.''' Deteksi anomali: Mendeteksi perilaku yang tidak biasa yang biasanya berhubungan dengan hal-hal yang ingin dicegah atau dideteksi, seperti contoh penipuan. <br />
<br />
<br />
Selain itu teknik clustering terdapat beberapa algoritma di dalam nya yang akan dijelaskan istilah nya pada bagian bawah ini : <br />
<br />
<br />
<br />
'''2. K-Means Clustering'''<br />
<br />
*Tentukan jumlah cluster <br />
<br />
*alokasikan data ke dalam cluster secara rancodm <br />
<br />
*hitung centroid/rata-rata dari data yang ada di masing-masing cluster <br />
<br />
*alokasikan masing masing data ke centroid/data-data terdekat <br />
<br />
*kembali ke step 3, apabila masih ada data yang berpindah cluster atau apabila <br />
perubahan nilai centroid, ada yang di atas nilai threshold yang ditentikan atau apabila <br />
perubahan nilai pada objective function yang digunakan di atas nilai threshold yang ditentukan<br />
<br />
<br />
'''3. Mean-Shift Clustering<br />
'''<br />
*Untuk mejelaskan mean-shift, kita ilustrasikan sekumpulan titik dalam ruang <br />
dua dimensi <br />
<br />
*kita mulai dengan circular sliding window yang berpusat pada titik C(dipilih secara acak)<br />
dan memiliki jadi-jadir r sebagai kernel. Mean shift adalah algoritma yang melakukan pergeseran kernel ini secara iteratif <br />
ke daerah kepadatan yang lebih tinggi pada setiap langkah hingga konvegensi.\<br />
<br />
*pada setiap iterasi, sliding window digeser ke arah daerah dengan kepadatan lebih tinggi dengan menggeser titik tengahnya. kepadatan pada sliding window sebanding dengan jumlah tiitk di dalamnya <br />
<br />
*terus melakuakn pergeseran pada sliding window sesuai dengan rata -rata sampai tidak ada arah di mana pergeseran dapat mengakomondasikan lebih banyak titik di dalam kernel (tidak lagi meningkatkan densitas/jumlah titik di window)<br />
<br />
*langkah 1 hingga 3 ini dilakukan dengan banyak sliding window sampai semua titik terletak di dalam window. Ketika beberapa window saling berumpang tindih, window yang berisi titik terbanyak akan dipertahankan. Objek data kemudian dikelompokkan sesua dengan sliding window tempat mereka berada.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-1 ''', (Senin, 03 Februari 2020), Muhasabah ==<br />
<br />
<br />
----<br />
<br />
<br />
'''Muhasabah Diri :''' <br />
<br />
'''Muhasabah adalah''' : sesuatu hal yang perlu dan menjadikannya sebuah kebutuhan dalam tiap-tiap diri manusia, di dalam agama Islam, muhasabah sangatlah dianjurkan karena jika muhasabah bisa dijalankan dengan baik akan memberi banyak manfaat baik yang akan di dapatkan di dunia maupun diakhirat kelak.<br />
<br />
'''Pada pertemuan pertama kami mempelajari apa makna dari komputasi teknik :'''<br />
<br />
'''a. Definisi Komputasi'''<br />
<br />
Komputasi : setulnya bisa diartikan sebagai cara untuk menemukan pemecahan masalah dari data input dengan menggunakan suatu algoritme. Hal ini ialah apa yang disebut dengan teori komputasi, suatu sub-bidang dari ilmu komputer dan matematika. Selama ribuan tahun, perhitungan dan komputasi umumnya dilakukan dengan menggunakan pena dan kertas, atau kapur dan batu tulis, atau dikerjakan secara mental, kadang-kadang dengan bantuan suatu tabel. Namun sekarang, kebanyakan komputasi telah dilakukan dengan menggunakan komputer.<br />
<br />
Komputasi ilmiah dan numerik adalah bidang booming dalam penelitian, teknik, dan analitik. Revolusi dalam industri komputer selama beberapa dekade terakhir telah menyediakan alat baru dan kuat untuk praktisi komputasi. Ini telah memungkinkan usaha komputasi dari skala dan kompleksitas yang sebelumnya tidak pernah terjadi sebelumnya. Akibatnya, semua bidang dan industri bermunculan. Perkembangan ini masih berlangsung, dan ini menciptakan peluang baru seiring dengan meningkatnya perangkat keras, perangkat lunak, dan algoritme. Pada akhirnya, teknologi yang memungkinkan untuk gerakan ini adalah perangkat keras komputasi yang kuat yang telah dikembangkan dalam beberapa dekade terakhir. Namun, untuk seorang praktisi komputasi, lingkungan perangkat lunak yang digunakan untuk pekerjaan komputasi sama pentingnya dengan, jika tidak lebih penting daripada, perangkat keras di mana perhitungan dilakukan.<br />
<br />
'''b. Current state of knowledge'''<br />
<br />
Knowledge i have learned in master amount of application and I just know it in master degree, and this is application I had to learn in master degree, first is lab view, I use it for measure temperature in contactor, so I know the temperature at inlet and outlet, second is REFROP this application helped me to know enthalpy in refrigerant, is superheated or subcool, third but not last is CFD-SOF with this application I can calculate velocity of fluid at an object, for example, is I calculated velocity in planar plate, internal flow pipe, and so on. <br />
<br />
'''c. Pengalaman Komputasi Teknik'''<br />
<br />
Untuk pengalaman saya menggunakan komputasi sudah ada beberapa, seperti CFD SOF dan beberapa bahasa pemograman, tetapi di era data scientist sekarang banyak yang sedang menggunakan bahasa python untuk menjadi bahasa pemograman mereka, hal ini dikarekan python merupakan bahasa pemograman open source (gratis) dan mudah di gunakan untuk pemula, berikut dasar - dasar menggunakan bahsa python :<br />
<br />
'''c.1 Pengenalan Komputasi Menggunakan Python'''<br />
<br />
Python adalah bahasa pemrograman tingkat tinggi yang diartikan untuk keperluan umum yang banyak digunakan dalam komputasi ilmiah dan teknik. Pertama dan terpenting, Python terkenal dengan sintaks code yang bersih dan mudah dibaca. Pembacaan kode yang baik meningkatkan pemeliharaan, yang secara umum menghasilkan lebih sedikit bug dan aplikasi yang lebih baik secara keseluruhan, tetapi juga memungkinkan pengembangan kode yang cepat. Dalam pemecahan masalah komputasi, tentu saja, penting untuk mempertimbangkan kinerja algoritma dan implementasinya. Sementara kinerja runtime terbaik dapat dicapai dalam bahasa pemrograman tingkat rendah seperti fortran dan C, bekerja dalam bahasa tingkat tinggi seperti Python biasanya mengurangi waktu pengembangan dan seringkali menghasilkan kode yang lebih fleksibel dan dapat diperluas.<br />
<br />
'''c.2 Environement Untuk Komputasi Dengan Python''' <br />
<br />
Ada beberapa environtment berbeda yang dapat digunakan Python untuk komputasi ilmiah dan teknis. Keragaman ini memiliki kelebihan dan kekurangan dibandingkan dengan lingkungan yang didukung. Dalam produk komputasi memiliki keanekaragaman menyediakan fleksibilitas dan dinamika yang cocok untuk spesialisasi untuk kasus penggunaan tertentu. Di sini saya memberikan orientasi lingkungan umum untuk komputasi ilmiah. Contoh 3 GUI yang digunakan untuk menjalankan python adalah :<br />
<br />
'''c.2.1. IPython'''<br />
<br />
IPython merupakan sebuah console yang dapat dijalankan secara interaktif. Secara bersama dengan text editor untuk menuliskan code, menyediakan yang ringan untuk dikembangkan .<br />
<br />
'''c.2.2. The Jupyter Notebook'''<br />
<br />
Merupakan aplikasi web di mana kode Python dapat ditulis dan dieksekusi melalui browser web. Environtment ini sangat bagus untuk komputasi numerik, analisis, dan penyelesaian masalah, karena memungkinkan seseorang untuk mengumpulkan code, output yang dihasilkan oleh code, dokumentasi teknis terkait, dan analisis dan interpretasi, semuanya dalam satu dokumen.<br />
<br />
'''c.2.3. Spyder'''<br />
<br />
Integrated Development Environment, yang dapat digunakan untuk menulis dan menjalankan kode Python secara interaktif. IDE seperti Spyder adalah alat yang dapat diguankan untuk mengembangkan library dan modul Python yang bisa digunakan kembali<br />
<br />
'''c.2.4. Interpreter'''<br />
<br />
Cara standar untuk mengeksekusi kode Python adalah menjalankan program secara langsung melalui interpreter Python. Pada kebanyakan sistem, interpreter Python dipanggil menggunakan perintah python. Ketika Python file source diperintahkan sebagai argumen untuk perintah ini, kode Python dalam file tersebut dijalankan.<br />
<br />
$ python hello.py<br />
<br />
Hello from Python!<br />
<br />
Di sini file hello.py berisi satu baris:<br />
<br />
print("Hello from Python!")<br />
<br />
Untuk melihat versi Python mana yang diinstal, seseorang dapat menjalankan perintah python dengan argumen --version:<br />
<br />
$ python –version<br />
<br />
Python 3.6.5<br />
<br />
Adalah umum untuk menginstal lebih dari satu versi Python pada sistem yang sama. Setiap versi Python memelihara kumpulan perpustakaannya sendiri dan menyediakan perintah penerjemahnya sendiri (sehingga setiap lingkungan Python dapat menginstal perpustakaan yang berbeda). Pada banyak sistem, versi tertentu dari juru bahasa Python tersedia melalui perintah seperti, misalnya, python2.7 dan python3.6. Dimungkinkan juga untuk mengatur lingkungan python virtual yang independen dari lingkungan yang disediakan sistem. Ini memiliki banyak keuntungan dan saya sangat menyarankan untuk membiasakan diri dengan cara ini bekerja dengan Python. Lampiran A memberikan perincian tentang cara mengatur dan bekerja dengan lingkungan semacam ini.<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-2 : ''' (Senin, 10 Februari 2020), Sinopsis Tuga Akhir ==<br />
<br />
<br />
----<br />
<br />
<br />
'''a. Menjelaskan Sinopsis Tugas Akhir''' <br />
<br />
JUDUL : <br />
<br />
Sistem Pendingin Mengguankan Thermo Electric Cooler dengan Controller Propotional - Integral Derivative<br />
<br />
SINOPSIS : <br />
<br />
Pendinginan merupakan salah satu proses yang dapat digunakan untuk berbagai macam penggunaan, antara lain untuk menjaga produk industri makanan dan produk medis seperti obat-obatan dan vaksin. Proses pendinginan sekarang masih menggunakan teknologi pengawetan berbasis kompresi menggunakan gas pendingin. Tipe gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannya dan tipe R600a memiliki COP yang lebih rendah. Penelitian ini bertujuan merancang perangkat keras dan perangkat lunak yang dapat diaplikasikan pada pendingin termoelektrik, dengan merancang sebuah alat yang digunakan untuk sistem lemari pendingin menggunakan Thermoelectric Cooler (TEC) dan mendapatkan nilai COP yang tinggi. Sistem dibangun dengan kontroler Proportional Integral Derivative (PID). Sistem ini menggunakan beberapa alat antara lain, sensor suhu, Transistor tipe TIP31, modul bluetooth, kipas, dan mikrokontroler ATSAM3X8E. Pengendalian suhu dilakukan dengan membandingkan set-point suhu yang diinginkan dengan suhu dari sensor. Dari penelitian ini diperoleh hasil bahwa semakin besar nilai tegangan yang diberikan maka semakin besar pula besar nilai Pulse Wave Modulation (PWM) yang dihasilkan. Semakin tinggi nilai besar PWM, semakin cepat penurunan suhu pada kotak pendingin. Dari beberapa pengujian dapat disimpulkan bahwa nilai parameter kontrol proporsional (Kp), parameter kontrol integral (Ki), dan nilai parameter kontrol deferensial (Kd ), dimana pada nilai Kp = 255, Ki = 100, dan Kd = 200 mendapatkan grafik yang lebih stabil dan mendekati nilai set-point, dengan nilai error sebesar 2,86 %.<br />
<br />
<br />
'''b. Perbedaan deterministik dan stokastik'''<br />
<br />
b.1 deterministik adalah sesuatu yang pasti akan terjadi. <br />
<br />
b.2 stokastik adalah Stokastik adalah kebolehjadian, atau dengan kata lain sesuatu yang belum terjadi kepastiannya. "Sesungguhnya, Allah tidak akan mengubah nasib suatu kaum, hingga mereka mengubahnya sendiri.." (Q.S. Ar-Ra'd [13] : 11) <br />
<br />
<br />
'''c . Komputasi Teknik pada Tugas Akhir'''<br />
<br />
Tipe tugas akhir saya adalah deteministik. Hal ini dikarenakan nilai dari PID yang saya tentukan pasti. Menurut pendapat saya untuk penerapan komputasi teknik pada tugas akhir saya adalah <br />
<br />
Pada penggunaan fitur controller PID, adalah kemampuan untuk menggunakan tiga tipe kontroller yakni propotional, integral dan derivatif yang mempengaruhi nilai keluaran kontroller untuk dipalikasikan pada nilai yang optimal dari kontroller itu sendiri. <br />
<br />
[[File:PID.png|400px|thumb|left ]]<br />
<br />
Diagram blok yang terdapat pada sebelah kiri menunjukkan bagamimana cara controller ini bekerja. Gambar tersebut menunjukan kontroller PID, yang mana secara kontinu menghitung nilai error e(t) sebagai selisih dari setpoint r(t) dan variabel proses y(t), dan pengaplikasian nya dikoreksi berdasakan propotional, integral, dan derivatif. Kontroller mencoba utnuk meminimalisir error dari lebih nya koreksi kontrol variabel u(t), salah satu contoh nya pengontrolan pada kecepatan kipas, kontrol PID dibutuhkan untuk mengetahui jumlah RPM selanjutnya pada kipas sehingga dapat mendinginkan suatu objek.<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
'''d. Komputasi pada tugas akhir saya kedepan nya'''<br />
<br />
Melakuakn simulasi CFD sederhana untuk melihat aliran fluida di dalam lemari pendingin<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan Ke-3''', (Senin 17-Februari-2020), Presentasi Sinopsis Project Komputasi Teknik ==<br />
<gallery mode="slideshow"><br />
File:PPT_1.png|200px|center|<br />
File:PPT_2.png|200px|center|<br />
File:PPT_3.png|200px|center|<br />
File:PPT_4.png|200px|center|<br />
File:ppt_5.png|200px|center|<br />
</gallery><br />
<br />
----<br />
<br />
== '''Pertemuan ke-4''', (Senin, 24 Februari 2020), Presentasi Model Matematis Project Komputasi Teknik ==<br />
<br />
----<br />
<br />
<br />
<br />
Skema kontrol PID dinamai dari ketiga term pengendalinya, yang kemudian dijumlahkan menjadi variabel manipulasi. Term proporsional, integral, dan derivatif dijumlahkan untuk menghitung keluaran kontroler PID. Dengan mendefinisikan u(t) sebagai keluaran kontroler, bentuk akhir dari algoritme PID adalah:<br />
<br />
<br />
<br />
[[File:Rumus1.png|300px|thumb|center ]]<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Contoh PID pada MATLAB<br />
|-<br />
|'''Jenis'''<br />
|'''Foto'''<br />
|'''Deskripsi'''<br />
|-<br />
! '''Porpotional Integral''' <br />
| [[File:Tilu.png|300px|thumb|left ]] || sys = zpk([],[-1 -1 -1],1); <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Loro.png|300px|thumb|left ]] || <br />
<br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
T_pi_fast = feedback(C_pi_fast*sys,1);<br />
step(T_pi,T_pi_fast)<br />
axis([0 30 0 1.4])<br />
legend('PI','PI,fast')<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Siji.png|300px|thumb|left ]] || <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
[C_pidf_fast,info] = pidtune(sys,'PIDF',1.0)<br />
T_pidf_fast = feedback(C_pidf_fast*sys,1);<br />
<br />
step(T_pi_fast, T_pidf_fast); <br />
<br />
axis([0 30 0 1.4]);<br />
<br />
legend('PI,fast','PIDF,fast');<br />
<br />
sys = zpk([],[-1 -1 -1],1); <br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
S_pi_fast = feedback(sys,C_pi_fast);<br />
S_pidf_fast = feedback(sys,C_pidf_fast);<br />
step(S_pi_fast,S_pidf_fast);<br />
axis([0 50 0 0.4]);<br />
legend('PI,fast','PIDF,fast');<br />
<br />
|-<br />
|}<br />
<br />
----<br />
<br />
<br />
== '''Pertemuan ke-5''', (2 Maret 2020), Quis I ==<br />
<br />
<br />
[[File:Photo 1.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 2.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 3.jpeg|350px|thumb|center ]]<br />
<br />
<br />
<br />
<br />
----<br />
== '''Finite ELement, Finite Diffirent, Finite Volume''' ==<br />
<br />
* '''Pengertian Finite Element :'''<br />
<br />
'''Finite Element :''' menyelesaikan suatu problem dengan cara membagi obyek analisa menjadi bagian-bagian kecil yang terhingga. Bagian-bagian kecil ini kemudian dianalisa dan hasilnya digabungkan kembali untuk mendapatkan penyelesaian untuk keseluruhan daerah. Kata “finite atau terhingga” digunakan untuk menekankan bahwa bagian-bagian kecil tersebut tidak tak terhingga, seperti yang lazim digunakan pada metode integral analitik.<br />
<br />
* '''Pengertian Finite Volume :'''<br />
<br />
'''Finite Volume :''' adalah metode yang digunakna untuk merepresentasikan persamaan diferensial parisial dalam bentuk persamaan algeraic. Didalam metode finite volume, mengintergalkan bagian dari persamaan diferensial parsial ,menggunakan teorema divergensi.<br />
<br />
* '''Pengertian Finite Different :'''<br />
<br />
'''Finite Different :''' adalah diskritisasi yang digunakan untuk menyelesaiakn persamaan diferensial dengan memperkirakan denagn persamaan diferensial yang menggunakan perbedaan yang mendekati derivatif.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Pertemuan ke-6''', Senin 9 Maret 2020, Extended Abstrak ==<br />
<br />
<br />
<br />
Name : Wsinu indrawan<br />
<br />
Title : Fluid Analysis For Mini Fan Refrigerator Using Thermoelectric Cooler <br />
<br />
The cooling is one of the processes can be used for various types of applications, starting from maintaining food industry products and medical products such as drugs and vaccines. The cooling process now still uses compression-based preservation technology using cooling gas. The types of cooling gas used are R134a and R600a. However, the R134a contains HF which has been banned for used, and the R600a contains HF gas which can reduce the ozone layer. In addition, a single fan compressor system that uses cooling gas in a steam compressor has difficulties in regulating the temperature of the target compartment. Based on this, an alternative cooling technology is needed. Thermoelectric cooler (TEC) is an alternative cooling technology, because TEC has advantages such as small size, lower noise and vibration, easier in temperature regulation, low maintenance requirements, can absorb heat using the principle of heat difference so that in addition to being able to the cooler can also be a heater, and besides that it can be turned on with a DC current. Obtained a solution in the form of cooling using a thermoelectric cooler, using a fan in the refrigerator.The current research examines the application of CFD (Computational Fluid Dynamic) to analyze the flow of wind into the refrigerator. Use the existing CFD analyst application. To analyze the flow of fluid entering the refrigerator, it is simplified for this refrigerator, by cutting the inside of the refrigerator. So that the incoming fluid flow can be reviewed, from the incoming air velocity can be analyzed with a simple correlation to the wind speed generated with existing pwm. It is expected that from this research, researchers can find out the wind phenomenon that is in the refrigerator so that it can be used for further research.<br />
<br />
<br />
<br />
<br />
[[File:G1.png|400px|thumb|center ]]<br />
<br />
[[File:test1.png|400px|thumb|center ]]<br />
<br />
== '''Optimasi Energi Pada Manusia''' ==<br />
<br />
The article below will describe how to make optimization in daily life, during one month<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Optimasi Energi Pada Manusia<br />
|-<br />
|'''Jenis'''<br />
|'''Perhitungan'''<br />
|'''Deskripsi'''<br />
|-<br />
! Step 1<br />
| [[File:gazo1.png|700px|left]] || Pertama saya menentukan jumlah jam yang dibutuhkan per hari secara acak dengan funsi rand di excel <br />
<br />
|-<br />
! Step 2 <br />
| [[File:gazo2.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 1<br />
<br />
|-<br />
! Step 3 <br />
| [[File:gazo3.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 2<br />
<br />
|-<br />
! Step 4 <br />
| [[File:gazo4.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 3<br />
<br />
<br />
|-<br />
! Step 5 <br />
| [[File:gazo5.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 4<br />
<br />
|-<br />
! Step 6 <br />
| [[File:hebat.png|700px|left]] || Mencari grafik polynomial pada salah satu minggu dan diadapatkan grafik polynom nya<br />
<br />
|-<br />
! Step 7 <br />
| [[File:gazo7.png|700px|left]] || hasil konversi watt ke rupiah pada hari senin pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 8 <br />
| [[File:gazo8.png|700px|left]] || hasil konversi watt ke rupiah pada hari selasa pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 9 <br />
| [[File:gazo9.png|700px|left]] || hasil konversi watt ke rupiah pada hari rabu pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 10 <br />
| [[File:gazo10.png|700px|left]] || hasil konversi watt ke rupiah pada hari jumat pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 11 <br />
| [[File:gazo11.png|700px|left]] || hasil konversi watt ke rupiah pada hari sabtu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step 12 <br />
| [[File:gazo12.png|700px|left]] || hasil konversi watt ke rupiah pada hari minggu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step Final<br />
| [[File:cobajadulu.png|700px|left]] || Mencoba memasukan nilai minimum ke dalam matlab dan mencari dengan curve fitting<br />
<br />
|-<br />
|}<br />
<br />
== '''Pengarahan Beberapa Teknologi Komputasi Teknik''', 16-03-2020 ==<br />
<br />
<br />
Pada pertemuan kali ini membahas masalah initial thinking, mendevelop model matematis, anlisa secara umum dan analisa secara khusus<br />
<br />
Mengembangkan model amtematis dari konsep model utama dari model matematis tersebut<br />
<br />
Dari modeling tersebut dibutuhkan beberapa tahapan pertama :<br />
<br />
*Constrain <br />
<br />
*Boundary Condition <br />
<br />
*Setelah beberapa tahapan itu masuk ke tahapan simulasi <br />
<br />
Pengertian Verifikasi : <br />
<br />
Verifikasi adalah teori filsafat positif logis dalam memilih yang menyatakan bahwa pengalaman adalah satu-satunya sumber dasar pengetahuan dan dalam analisis logis dapat dilakukan dengan bantuan simbol-simbol logika dengan menggunakan metode untuk pemecahkan masalah melalui metode verifikasi empirik yaitu bila terdapat sesuatu yang tidak dapat diverifikasi secara empirik maka hasilnya adalah sia-sia. penganut teori radikal ini memiliki masalah konsekuensi untuk filosofi tradisional, karena, jika benar, akan menyebabkan banyak pekerjaan sia-sia pada filosofis masa lalu, antara lain pada metafisika dan etika.<br />
<br />
Validasi : <br />
<br />
validasi adalah sebuah teknik validasi model untuk menilai bagaimana hasil statistik analisis akan menggeneralisasi kumpulan data independen. Teknik ini utamanya digunakan untuk melakukan prediksi model dan memperkirakan seberapa akurat sebuah model prediktif ketika dijalankan dalam praktiknya. Dalam sebuah masalah prediksi, sebuah model biasanya diberikan kumpulan data (dataset) yang diketahui untuk digunakan dalam menjalankan pelatihan (dataset pelatihan), serta kumpulan data yang tidak diketahui (atau data yang pertama kali dilihat) terhadap model yang diuji (pengujian dataset).[4] Tujuan dari validasi silang adalah untuk mendefinisikan dataset untuk "menguji" model dalam tahap pelatihan (yaitu, validasi data), dalam rangka untuk membatasi masalah seperti terjadinya overfitting, memberikan wawasan tentang bagaimana model akan menggeneralisasi independen dataset (yaitu, dataset tidak diketahui, misalnya dari masalah nyata), dll.<br />
<br />
== '''Ujian Tengah Semester''', Komputasi Teknik ==<br />
<br />
<br />
<br />
<br />
=== '''Video Pembelajaran Setiap Minggu''' ===<br />
<br />
<br />
'''Kemampuran Komputasi Teknik Selama Perkuliahan, Tutorial Menggunakan CFDSOF'''<br />
<br />
<br />
[[File:.pertemuan3wisnuindrawan.mp4||500px|center]]<br />
<br />
<br />
<br />
=== '''Draft Paper Komputasi Teknik''' ===<br />
<br />
<br />
==== BAB I ====<br />
<br />
Pendinginan salah satu teknologi yang memiliki berbagai macam pengaplikasian, dimulai dari menjaga produk makanan dari kebusukan dan berbagai pengendalian suhu dalam bidang elektronik dan industri lainnya (Gökçekdan Şahin, 2017).Salah satu teknologi pendinginan yang sekarang ini sering digunakan adalah teknologi berbasis kompresi uap karna mempunyai (COP) coefficient of performanceyang tinggi dan mempunyai harga yang lebih murah dibandingkan teknologi alternatif lainnya.Dalam proses pendinginan, teknologi kompresi uap menggunakan gas pendingin yang berfungsi untuk menyerap panas pada udara dalam ruangan, sehingga menjadi bersuhu rendah. Secara luas gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannyadan tipe R600a mengandung gas HF yang dapat mengurangi lapisan ozon (Söylemez dkk., 2018). Selain itu,pada sistem kompresor satu kipas yang menggunakan gas pendingin pada kompresor uap memiliki kesulitan dalampengaturan temperatur dari kompartemen target. Berdasarkan pernyataan tersebut diperlukan suatu teknologi pendingin alternatif. Thermoelectric cooler adalah salah satu alternatif teknologi pendingin, dikarenakan thermoelectric cooler memiliki kelebihan seperti berukuran kecil, kebisingan dan getaran yang lebih rendah, lebih mudah dalam pengaturan suhu, mebutuhkan perawatan yang sedikit, dan dapat dihidupkan dengan arus DC (Söylemezdkk., 2018). Pendinginan dengan menggunakan TEC (Termoelectric Cooling) telah digunakan untuk menghilangkan embun kaca depan kendaraan. Penelitian tersebut telah menghasilkan temperatur hingga 22,4 oC. Penelitian lainTEC telah digunakan untuk pendingin kotak minuman dengan menggunakan 3thermoelectric cooling, dimana dapat menghasilkan temperatur kotak minuman tanpa beban mencapai14,3 oC, dengan beban pendingin air sebanyak 1 liter sebesar 16,4 oC (Nulhakim, 2017). TEC (Termoelectric Cooling) tidak hanya dapat mendinginkan, tetapi dapat memanaskan di waktu yang bersamaan. Sifat dari TEC ini dapat dimanfaatkan untuk sistem pengaturan suhu ruangan. Untuk tujuan pengaturan suhu yang lebih akurat, dapat dipertimbangkan menggunakan sistem kontrol loop tertutup dengan PID (Propotional, Integral dan Derivative). Kelebihan dari pemakaian kontroler PID di loop tertutup adalah kontrol PID memiliki kemampuan untuk penyetelan otomatis, dan dapat adaptasi terhadap variasi waktu, sehinggasistem dari kontroler PID menyediakan aplikasi didalam industri dengan fitur kontrol yang lebih akurat dandapat disesuaikan dengan kebutuhan(Abdullah dan Ayman, 2008). Pengaturan PID pada umumnya menggunakan alat yang memakan banyak biaya. Tetapi menurut hasil dari eskperimen yang menyatakan bahwa kontroler PID menggunakna mikrokontoler tipe P18F4685 yang memiliki kapasitas 14 bit dapat menghasilkan kestabilan yang baik, dengan overshoot yang sedikit, dan memiliki waktu settling time yang sedikit pula (El-Nagar dan El-Bardini, 2014). Dari latar belakang tersebut diperlukan suatu sistem pendingin ruangan yang terkontrol secara otomatis menggunakanteknologi pendingin ramah lingkungan yang terkontrol dengan sistem kontrol loop tertutup, sehinggadapat manjadi salah satu alternatif teknologi pendingin ruangan.Berdasarkan potensi tersebut maka telah dilakukan penelitian tentang rancang bangun sistem pendingin ruangan menggunakan TEC (Thermoelectric Cooler) dengan kontroler PID.<br />
<br />
==== BAB II ====<br />
<br />
'''Sensor Suhu''' <br />
<br />
Salah satu jenis sensor suhu yang banyak digunakan di industri adalah tipe sensor suhu berbahan semikonduktor. Sensor ini menggunakankonfigurasi dioda atau transistor di kutub yang pada sambungan p-n bahan tersebut memiliki respon yang kuat terhadap suhu. Terdapat dua jenis pemberian tegangan pada sambungan p-n yaitu bias maju dan bias mundur seperti ditunjukkan pada Gambar 2.1. Ketika sambungan p-n bias maju dihubungkan dengansumber arus, maka terjadi beda potensial pada kedua sambungan. Beda potensial atau tegangan yang dihasilkan berbanding lurus dengan perubahan suhu(Suryono, 2018).<br />
<br />
[[File:wisnu.png|500px|center|]]<br />
<br />
<br />
<br />
'''Thermoelectric'''<br />
<br />
Modul thermoelectric khas dibuat menggunakan dua buah keramik berbentuk wafer dengan jenis bahan semikonduktor bismuth telluride P dan N yang diapit di antara keduanya seperti yang ditunjukkan pada Gambar 2.3. Bahan keramik di kedua sisi dari thermoelectric berfungsi untuk pelindung dan sebagai isolator listrik yang diperlukan. Bahan tipe-N memiliki kelebihan elektron, sementara bahan tipe-P membutuhkan elektron. Bahan P dan N membentuk pasangan, seperti yang ditunkjukan pada Gambar 2.3. Pasangan thermoelectric dipasang secara seri dan termal sejajar. Modul thermoelectric dapat berisi satu sampai beberapa ratus pasangan. Saat elektron bergerak dari bahan tipe-P ke bahan tipe-N melalui konektor listrik, elektron beralih ke keadaan energi yang lebih tinggi dan menyerap energi panas (sisi dingin) (Manikandan dkk., 2017).<br />
<br />
<br />
[[File:dewawisnuganteng.png|500px|center|]]<br />
<br />
<br />
<br />
<br />
<br />
==== BAB III ====<br />
<br />
Sistem pengendalian yang saya pakai adalah menggunakan mobile phone, jadi pada penyetingan set point pada PID menggunakan apliaksi mobile bebasis bluetooth<br />
<br />
<br />
[[File:bismillahadajalan.png|500px|center|]]<br />
<br />
Selanjut nya pada sistem kerja dari alat ini menggunakan sistem PID untuk mengatur kecepatan dari driver motor untuk mengatur suhu, jika suhu tidak sesuai dengan yang diinginkan maka kecepatan kipas akan terus bertambah.<br />
<br />
<br />
[[File:PIDBROH.png|500px|center|]]<br />
<br />
<br />
Hasil rancang bangun dari alat pendingin ditunjukan pada gambar dibawah ini<br />
<br />
<br />
[[File:celenganrindu.jpg|500px|center|]]<br />
<br />
Pembuatan interface untuk memasukkan data set point pada aplikasi mobile<br />
<br />
[[File:interface.png|500px|center|]]<br />
<br />
Pembuatan interface untuk mencari device bluetooth pada device-device sekitar<br />
<br />
[[File:tampilan2.png|500px|center|]]<br />
<br />
==== BAB IV ====<br />
<br />
Hasil data dari kalibrasi sensor suhu dengan alat ukur standart SNI <br />
<br />
<br />
[[File:akad.png|500px|center|]]<br />
<br />
<br />
Data PID setelah melakukan trial and error mendapatkan nilai Kp Kd Ki <br />
<br />
<br />
[[File:bismillahwisnudata.png|500px|center|]]<br />
<br />
=== '''Laporan Optimasi Energi''' ===<br />
<br />
<br />
Grafik Pada Minggu Pertama<br />
<br />
<br />
<br />
[[File:bersyukurlah.png|500px|center|]]<br />
<br />
[[File:gambarsatu.png|500px|center|]]<br />
<br />
<br />
[[File:semuaudahadarezekinya.png|500px|center|]]<br />
<br />
<br />
<br />
[[File:janganngeluhterus.png|500px|center|]]<br />
<br />
Gambar yang ditunjukan dengan menggunakna aplikasi sypder menunjukkan nilai x, nilai tersebut merupakan nilai minimum atau optimum dari persamaan yang telah dibuat dengan menggunakan excel<br />
<br />
<br />
Revisi Projek tugas komputasi teknik <br />
<br />
Pada kesempatan kali ini saya menggunakan case baru untuk menyelesaikan draft paper mata kuliah komputasi teknik <br />
<br />
Hal ini dikarenakan, ketertarikan penulis untuk mengangkat tema ini <br />
<br />
==Refisi draft paper==<br />
<br />
<br />
<br />
Beberapa contoh data dari nasabah yang dihasilkan untuk mengetahui apakah nasabah ingin meninggalkan bank dari data - data pribadi mereka, <br />
seperti lama mereka menggunakan jasa bank ini, jumlah tabungan mereka, kemudian umur mereka, dan dari pria atau wanita <br />
<br />
<br />
[[File:22 April 2020 5.png || 700px]]<br />
<br />
Pertama data yang berada dalam format csv dimasukan ke dalam pemograman python dengan maka akan muncul tampilan seperti diatas, ataua kerap<br />
disebut sebagai dataframe, setelah dataframe terbentuk maka dataframe tersebut di pecah - pecah atau dikelompokkan mana yang bisa digunakan untuk <br />
independent variable atau tidak <br />
<br />
<br />
<br />
[[File:22 April 2020 1.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 2.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 3.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 4.png || 700px]]<br />
<br />
<br />
methode dari draft paper ini adalah : <br />
<br />
'''mengguankan machine learning''' <br />
<br />
Pembelajaran mesin (ML) adalah studi tentang algoritma komputer yang meningkat secara otomatis melalui pengalaman. [1] Itu dilihat sebagai bagian dari kecerdasan buatan. Algoritma pembelajaran mesin membangun model matematika berdasarkan data sampel, yang dikenal sebagai "data pelatihan", untuk membuat prediksi atau keputusan tanpa diprogram secara eksplisit untuk melakukannya. [2] [3]: 2 Algoritma pembelajaran mesin digunakan dalam berbagai berbagai aplikasi, seperti penyaringan email dan visi komputer, di mana sulit atau tidak layak untuk mengembangkan algoritma konvensional untuk melakukan tugas-tugas yang diperlukan.<br />
<br />
Pembelajaran mesin terkait erat dengan statistik komputasi, yang berfokus pada membuat prediksi menggunakan komputer. Studi tentang optimasi matematika memberikan metode, teori dan domain aplikasi ke bidang pembelajaran mesin. Penambangan data adalah bidang studi terkait, dengan fokus pada analisis data eksplorasi melalui pembelajaran tanpa pengawasan.<br />
<br />
'''Realsi terhadap optimasi'''<br />
<br />
Pembelajaran mesin juga memiliki ikatan intim dengan optimisasi: banyak masalah pembelajaran dirumuskan sebagai minimalisasi beberapa fungsi kerugian pada serangkaian contoh pelatihan. Fungsi kerugian menyatakan perbedaan antara prediksi model yang sedang dilatih dan contoh masalah yang sebenarnya (misalnya, dalam klasifikasi, seseorang ingin menetapkan label pada instance, dan model dilatih untuk memprediksi dengan benar label yang telah ditetapkan sebelumnya dari sekumpulan contoh). Perbedaan antara dua bidang muncul dari tujuan generalisasi: sementara algoritma optimasi dapat meminimalkan kerugian pada set pelatihan, pembelajaran mesin berkaitan dengan meminimalkan kerugian pada sampel yang tidak terlihat. <br />
<br />
'''Relasi terhadap statistik'''<br />
<br />
Pembelajaran mesin dan statistik adalah bidang yang terkait erat dalam hal metode, tetapi berbeda dalam tujuan utamanya: statistik menarik kesimpulan populasi dari sampel, sementara pembelajaran mesin menemukan pola prediksi yang dapat digeneralisasikan. Menurut Michael I. Jordan, gagasan pembelajaran mesin, mulai dari prinsip metodologis hingga alat teoretis, telah memiliki pra-sejarah panjang dalam statistik. [22] Dia juga menyarankan istilah ilmu data sebagai pengganti untuk menyebut bidang keseluruhan. <br />
<br />
Leo Breiman membedakan dua paradigma pemodelan statistik: model data dan model algoritmik, [23] di mana "model algoritmik" berarti kurang lebih algoritma pembelajaran mesin seperti hutan acak.<br />
<br />
Beberapa ahli statistik telah mengadopsi metode dari pembelajaran mesin, yang mengarah ke bidang gabungan yang mereka sebut pembelajaran statistik. <br />
<br />
<br />
'''Teori'''<br />
<br />
Tujuan inti seorang pelajar adalah untuk menggeneralisasi dari pengalamannya. Generalisasi dalam konteks ini adalah kemampuan mesin pembelajaran untuk melakukan secara akurat pada contoh / tugas baru yang tidak terlihat setelah mengalami kumpulan data pembelajaran. Contoh-contoh pelatihan berasal dari beberapa distribusi probabilitas yang umumnya tidak diketahui (dianggap mewakili ruang kejadian) dan pelajar harus membangun model umum tentang ruang ini yang memungkinkannya menghasilkan prediksi yang cukup akurat dalam kasus-kasus baru.<br />
<br />
Analisis komputasi algoritma pembelajaran mesin dan kinerjanya adalah cabang ilmu komputer teoretis yang dikenal sebagai teori pembelajaran komputasi. Karena set pelatihan terbatas dan masa depan tidak pasti, teori pembelajaran biasanya tidak menghasilkan jaminan kinerja algoritma. Sebaliknya, batasan probabilistik pada kinerja cukup umum. Dekomposisi bias-varians adalah salah satu cara untuk mengukur kesalahan generalisasi.<br />
<br />
Untuk kinerja terbaik dalam konteks generalisasi, kompleksitas hipotesis harus sesuai dengan kompleksitas fungsi yang mendasari data. Jika hipotesis kurang kompleks dari fungsi, maka model memiliki data yang sesuai. Jika kompleksitas model meningkat dalam respons, maka kesalahan pelatihan berkurang. Tetapi jika hipotesisnya terlalu kompleks, maka modelnya akan mengalami overfitting dan generalisasi akan menjadi lebih buruk. <br />
<br />
Selain batas kinerja, ahli teori belajar mempelajari kompleksitas waktu dan kelayakan belajar. Dalam teori pembelajaran komputasi, perhitungan dianggap layak jika dapat dilakukan dalam waktu polinomial. Ada dua jenis hasil kompleksitas waktu. Hasil positif menunjukkan bahwa kelas fungsi tertentu dapat dipelajari dalam waktu polinomial. Hasil negatif menunjukkan bahwa kelas-kelas tertentu tidak dapat dipelajari dalam waktu polinomial.<br />
<br />
<br />
<br />
'''metode machine learning ada beberapa tipe nya berikut penjelasan mengenai teori machine learning :''' <br />
<br />
1. Suppport Vector Machine (SVMs)<br />
<br />
Support vector Machines (SVMs) adalah algoritma pembelajaran mesin yang diawasi yang fleksibel namun kuat yang digunakan baik untuk klasifikasi dan regresi. Tetapi umumnya, mereka digunakan dalam masalah klasifikasi. Pada 1960-an, SVM pertama kali diperkenalkan tetapi kemudian disempurnakan pada tahun 1990. SVM memiliki cara implementasi yang unik dibandingkan dengan algoritma pembelajaran mesin lainnya. Akhir-akhir ini, mereka sangat populer karena kemampuan mereka untuk menangani beberapa variabel kontinu dan kategorikal.<br />
<br />
<br />
Dalam praktiknya, algoritma SVM diimplementasikan dengan kernel yang mengubah ruang data input ke dalam formulir yang diperlukan. SVM menggunakan teknik yang disebut trik kernel di mana kernel mengambil ruang input dimensi rendah dan mengubahnya menjadi ruang dimensi yang lebih tinggi. Dengan kata-kata sederhana, kernel mengubah masalah yang tidak dapat dipisahkan menjadi masalah yang dapat dipisahkan dengan menambahkan lebih banyak dimensi ke dalamnya. Itu membuat SVM lebih kuat, fleksibel dan akurat. Berikut ini adalah beberapa jenis kernel yang digunakan oleh SVM.<br />
<br />
<br />
Linear Kernel <br />
<br />
Ini dapat digunakan sebagai produk titik antara dua pengamatan. Rumus kernel linear adalah sebagai berikut<br />
<br />
Metode yang digunakan <br />
<br />
pada penelesaian masalah ini saya menggunakana beberapa engone dari python untuk melakuakn machine learning yakni '''sklearn''' dan '''tensor flow''', berikut penjelasan masing masing metode nya :<br />
<br />
ini adalah struktur skrip dari '''sklearn.prepocessing''' <br />
<br />
class sklearn.preprocessing.OneHotEncoder(*, categories='auto', drop=None, sparse=True, dtype=<class 'numpy.float64'>, handle_unknown='error')[source]<br />
<br />
kenapa class ini digunakan karena machine leraning tidak bisa memproses selain angka, tapi pada kasus ini saya menggunakan nama, umur dan beberapa proses yang menggunakan tipe string(kata - kata)<br />
sehigga sulit untuk di klasifikasikan.<br />
<br />
'''maka dari itu metode ini dapat digunakan.'''<br />
<br />
'''One Hot Encoding adalah :''' reperentasi kategori variabel dalam vektor biner. <br />
<br />
Pertama nilai dari proses ini dipetakan dala nilai integer (nilai angka yang benilai bilangan bulat, tidak memiliki nilai koma)<br />
<br />
Lalu, setiap nilai yang berbentuk integer ini direpresentasikan sebagai vektor biner yang semua nya bernilai nol kecuali yang terindeks integer, yang di tandai 1.<br />
<br />
== Quis II, 6 April 2020 ==<br />
<br />
<br />
Assalamualaiakum Beerikut adalah link dari Quis 2<br />
Wisnu Indrawan <br />
1906433745<br />
<br />
https://drive.google.com/drive/folders/17z_x1nPTXBtnZl_PVhXRBZXdK5Wy0GMx?usp=sharing<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan Tanggal : Senin, 13 April 2020 ==<br />
<br />
<br />
<gallery mode="slideshow"><br />
File:Wisnu 12346798.png<br />
File:Wisnu 123467989.png<br />
File:Wisnu 12346798910.png<br />
File:Wisnu 12346798435435.png<br />
File:Wisnu 1234679843fdsaf4.png<br />
</gallery><br />
<br />
== Resume Pertemuan tanggal : Senin, 20 April 2020 ==<br />
<br />
<br />
<gallery mode="slideshow"><br />
<br />
<br />
File:qwerwqerqwerq_caseII_1.png<br />
File:qwerwqerqwerq_caseII_2.png<br />
File:24-04-2020-1-tugas komtek.png<br />
File:2020-04-24 23 12 57-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 22-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:hasil-24-04-2020.png<br />
File:2020-04-24 23 47 29-Book1 - Excel.png<br />
</gallery><br />
<br />
== Resume Pertemuan tanggal : Senin, 27 April 2020 ==<br />
<br />
1. Pemahaman terkait prinsip dan konsep komputasi teknik<br />
<br />
2. Penerapan konsep dan skill dalam komputasi teknik<br />
<br />
3. Lebih mengenal diri<br />
<br />
Dari 3 point diatas disampaikan via zoom dengan cara sebagai berikut:<br />
<br />
a. show your contributions<br />
<br />
b. your understanding<br />
<br />
c. your skill<br />
<br />
== Resume Pertemuan tanggal : Senin, 04 Mei 2020 ==<br />
<br />
<br />
<br />
- Pemahaman terkait prinsip dan konsep komputasi teknik<br />
<br />
- Penerapan konsep dan skill dalam komputasi teknik<br />
<br />
- Lebih mengenal diri baik individu maupun kelompok/ kelas<br />
<br />
Intisaru dari evaluasi diri ini adalah :<br />
<br />
- show your contributions<br />
<br />
- your understanding<br />
<br />
- your skkill<br />
<br />
== Resume Pertemuan tanggal : Senin, 11 Mei 2020 ==<br />
<br />
<br />
Pada pertemuan tanggal 11 Mei 2020 terdapat pembahasan selanjut nya pada pertemuan minggu lalu mengnai pressure drop. Pada pembahsan pada grup whatshap mengenai tentang pendapat individu mengenai kasus pressure drop dan di bahas kemabli dalam grup Komputasi Teknik via whatshapp. Diharapkan pada pembahasan ini secara personal memahami cases Basic Mechanics dan menjadi kewajiban bagi setiap mahsiwa menyatakan analisa pribadi terkait kasus tersebut. <br />
<br />
Berikut Hasil dari pembahasan kasus tersebut : <br />
<br />
<gallery mode="slideshow"><br />
File:WhatsApp Image 2020-05-12 at 19.30.27.jpeg<br />
File:WhatsApp Image 2020-05-11 at 09.41.12.jpeg<br />
File:WhatsApp Image 2020-05-12 at 16.50.43.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.51.38.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.53.29.jpeg<br />
</gallery><br />
<br />
<br />
<br />
'''Azikri '''<br />
<br />
sedikit tambahan terkait hal di atas, bahwa pada dasarnya aliran fluida dalam pipa akan mengalami penurunan tekanan atau pressure drop seiring dengan <br />
panjang pipa ataupun disebabkan oleh gesekan dengan permukaan<br />
saluran, dan juga ketika aliran melewati sambungan pipa, belokan, katup, difusor, dan sebagainya.<br />
Disisi lain, prinsip dasar persamaan kontinuitas juga jadi landasan dimana massa tidak dapat diciptakan dan<br />
tidak dapat dimusnahkan, sehingga massa dalam suatu sistem yang konstan dapat dinyatakan dengan rumus : rho.A.v=m<br />
<br />
atau Jika aliran fluida bersifat incompressible dan steady flow, maka persamaan menjadi : Q=A.v<br />
<br />
Singkatnya dr persmaan pertama bahwa pressure drop berbanding terbalik dengan D, dan begitu halnya dengan persamaan 2 tegangan geser berbanding <br />
terbalik dg A<br />
<br />
'''Adhika '''<br />
<br />
- Gaya Masuk - Gaya Geser Total = Gaya Keluar<br />
- Gaya Geser Total = Gaya Masuk - Gaya Keluar<br />
- Gaya Geser Total = P1.A - P2.A <br />
- Gaya Geser Total = dp . Luas Area Pipa<br />
Shear Stress . Luas Selimut = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(Luas Area Pipa . L. pi . 4) = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(L. pi . 4) / sqrt(Luas Area Pipa) = dp<br />
<br />
Kesimpulan:<br />
Luas Area Pipa semakin besar maka dp akan semakin kecil<br />
<br />
<br />
'''Jerry '''<br />
<br />
Ketika nilai A membesar, maka nilai D secara langsung juga membesar karena A merupakan fungsi D; A(D). <br />
<br />
Dari persamaan pressure drop, terlihat bahwa nilai D berbanding terbalik dengan nilai deltaP. <br />
<br />
Hal ini akan mengimplikasikan bahwa semakin besar nilai D, maka semakin kecil nilai deltaP<br />
<br />
'''Dessy'''<br />
<br />
Sederhananya jika dilihat dari persamaan untuk Pressure Drop maka sudah cukup jelas dalam menjawab pertanyaan mengapa ketika luas area (A) diperbesar <br />
menyebabkan nilai pressure drop yang menurun, dimana <br />
<br />
dP = f L rho V^2 / 2 D<br />
<br />
Dari persamaan diatas terlihat bahwa nilai diameter (pengaruhnya terhadap luas area) berbanding terbalik dengan nilai pressure loss dP.<br />
<br />
Tambahan juga jika dilihat dari nilai kecepatan (disini saya menggunakan analogi aliran fluida dalam pipa), secara logika apabila nilai luas <br />
penampang A diperbesar maka nilai kecepatan akan semakin kecil, sesuai dengan persamaan yang telah dijelaskan oleh saudara Dieter sebelumnya.<br />
<br />
Maka jika kembali ke persamaan pressure drop sesuai analogi ini, A yang besar akan menyebabkan nilai V menurun, akibatnya nilai dP pun akan menurun.<br />
<br />
Dari sini dapat disimpulkan bahwa semakin besar nilai diameter D, yang menghasilkan nilai area A yang semakin besar pula, menghasilkan nilai pressure <br />
drop dP yang semakin kecil.<br />
<br />
'''Muhammad Gumilar'''<br />
<br />
Ada hal menarik disini, dari beberapa yang saya perhtikan dari beberapa pendapat teman-teman, pengaruh dari adanya luasan atau diameter pipa akan <br />
mempengaruhi keepatan alir didalam pipa , sesuai dengan hukum kontinuitas. Berkaitan dengan hal ini, saya mencerna bahwa bisa saja sebenarnya jika <br />
kita membandingkan dua hal yang mana, dua buah pipa dengan diameter yang berbeda akan tetepa memiliki kecepatan aliran rata-rata yang sama, yang <br />
mana berarti kedua debit aliran dari pipa ini berbeda. Namun yang dititikberatkan pada pembahasannya adala, kenapa berdasarkan rumus pressure loss, <br />
apabila diameter membesar, maka pressure drop akan berkurang. Sedangkan dari persamaan yang lain, kita kethaui bahwa gaya gesek akibat adanya <br />
tegangan geser akan meningkat karena persamaannya adalah F=thow * A. <br />
<br />
Kebingunga dari mahasiswS1 tersebut menurut saya adalah pemahaman beliau yang tidak komprehensif terhadap kosnep pressure drop. Memang, pressure drop <br />
itu berhubungan erat dengan adanya gesekan viscous antara fluida dengan dinding pipa. Akan tetapi, ada hal penting yang dilupakan oleh sang mahasiswa <br />
S! tersebut, yaitu bahwa perbesaran diameter dari pipa juga akan mengakibatkan tegangan geser yang terjadi. Secara sederhana, sepemahaman saya, <br />
tegangan geser itu berbanding lurus dengan gradient kecepatan aliran fluida di sepanjang pipa, yaitu du/dy. Nah, apabila, dengan kecepatan rata-rata <br />
yang sama, diameter pipa semakin besar, maka gradient kecepatan di sepanjang pipa akan berkurang karena pengaruh gaya viscous antara dinding dan <br />
fluida juga semain berkurang. Oleh karena itu, pressure Drop yang terjadi juga akan semakin berkurang. Semoga bermanfaaat semua eheheheh<br />
<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan tanggal : Senin, 18 Mei 2020 ==<br />
<br />
<br />
<br />
== Resume Pertemuan tanggal : Senin, 18 Mei 2020 ==</div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=Wisnu_indrawan&diff=35876Wisnu indrawan2020-06-01T08:48:05Z<p>Wisnu indrawan: </p>
<hr />
<div><br />
<br />
----<br />
<br />
== '''Biodata Diri :''' ==<br />
<br />
----<br />
<br />
<br />
[[File:wisnu.jpg|200px|thumb|left|Watashinonamaeha wisnu ndes ]]<br />
<br />
*Nama : Wisnu Indrawan <br />
<br />
*NPM : 1906433745<br />
<br />
*Jurusan : Teknik Mesin<br />
<br />
*Institusi : Universitas Indonesia<br />
<br />
*Penjuruan : SUBAK (Sistem Utilitas Bangunan)<br />
<br />
*Email : wisnu.indrawan@ui.ac.id<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Istilah - Istilah Teknik''' ==<br />
<br />
<br />
'''1. Clustering ''' <br />
<br />
*clustering adalah teknik machine learning berupa algoritma pengelompokkan objek-objek data berjumlah N menjadi <br />
kelompok-kelompok data tertentu (cluster)<br />
<br />
*Objek data yang beada dalam satu kelompok / cluster harus memiliki kemiripan <br />
<br />
*Semakin banyak data yang diperoleh sama dnegan semakin akurat hasil yang di dapatkan <br />
<br />
*Clustering merupakan salah satu jenis dari algoritma unsupervised learining, algoritma <br />
yang bertujuan untuk mempelajari dan menemukan pola dari suatu input yang diberikan tanpa menggunuakan label <br />
<br />
*Dengan penggunaan supervised learning, maka beberapa hal berikut ini dapat dilakukan <br />
<br />
'''1.''' Search: Membandingkan antar dokumen, gambar atau suara untuk menampilkan item serupa. <br />
<br />
'''2.''' Deteksi anomali: Mendeteksi perilaku yang tidak biasa yang biasanya berhubungan dengan hal-hal yang ingin dicegah atau dideteksi, seperti contoh penipuan. <br />
<br />
<br />
Selain itu teknik clustering terdapat beberapa algoritma di dalam nya yang akan dijelaskan istilah nya pada bagian bawah ini : <br />
<br />
<br />
<br />
'''2. K-Means Clustering'''<br />
<br />
*Tentukan jumlah cluster <br />
<br />
*alokasikan data ke dalam cluster secara rancodm <br />
<br />
*hitung centroid/rata-rata dari data yang ada di masing-masing cluster <br />
<br />
*alokasikan masing masing data ke centroid/data-data terdekat <br />
<br />
*kembali ke step 3, apabila masih ada data yang berpindah cluster atau apabila <br />
perubahan nilai centroid, ada yang di atas nilai threshold yang ditentikan atau apabila <br />
perubahan nilai pada objective function yang digunakan di atas nilai threshold yang ditentukan<br />
<br />
<br />
'''3. Mean-Shift Clustering<br />
'''<br />
*Untuk mejelaskan mean-shift, kita ilustrasikan sekumpulan titik dalam ruang <br />
dua dimensi <br />
<br />
*kita mulai dengan circular sliding window yang berpusat pada titik C(dipilih secara acak)<br />
dan memiliki jadi-jadir r sebagai kernel. Mean shift adalah algoritma yang melakukan pergeseran kernel ini secara iteratif <br />
ke daerah kepadatan yang lebih tinggi pada setiap langkah hingga konvegensi.\<br />
<br />
*pada setiap iterasi, sliding window digeser ke arah daerah dengan kepadatan lebih tinggi dengan menggeser titik tengahnya. kepadatan pada sliding window sebanding dengan jumlah tiitk di dalamnya <br />
<br />
*terus melakuakn pergeseran pada sliding window sesuai dengan rata -rata sampai tidak ada arah di mana pergeseran dapat mengakomondasikan lebih banyak titik di dalam kernel (tidak lagi meningkatkan densitas/jumlah titik di window)<br />
<br />
*langkah 1 hingga 3 ini dilakukan dengan banyak sliding window sampai semua titik terletak di dalam window. Ketika beberapa window saling berumpang tindih, window yang berisi titik terbanyak akan dipertahankan. Objek data kemudian dikelompokkan sesua dengan sliding window tempat mereka berada.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-1 ''', (Senin, 03 Februari 2020), Muhasabah ==<br />
<br />
<br />
----<br />
<br />
<br />
'''Muhasabah Diri :''' <br />
<br />
'''Muhasabah adalah''' : sesuatu hal yang perlu dan menjadikannya sebuah kebutuhan dalam tiap-tiap diri manusia, di dalam agama Islam, muhasabah sangatlah dianjurkan karena jika muhasabah bisa dijalankan dengan baik akan memberi banyak manfaat baik yang akan di dapatkan di dunia maupun diakhirat kelak.<br />
<br />
'''Pada pertemuan pertama kami mempelajari apa makna dari komputasi teknik :'''<br />
<br />
'''a. Definisi Komputasi'''<br />
<br />
Komputasi : setulnya bisa diartikan sebagai cara untuk menemukan pemecahan masalah dari data input dengan menggunakan suatu algoritme. Hal ini ialah apa yang disebut dengan teori komputasi, suatu sub-bidang dari ilmu komputer dan matematika. Selama ribuan tahun, perhitungan dan komputasi umumnya dilakukan dengan menggunakan pena dan kertas, atau kapur dan batu tulis, atau dikerjakan secara mental, kadang-kadang dengan bantuan suatu tabel. Namun sekarang, kebanyakan komputasi telah dilakukan dengan menggunakan komputer.<br />
<br />
Komputasi ilmiah dan numerik adalah bidang booming dalam penelitian, teknik, dan analitik. Revolusi dalam industri komputer selama beberapa dekade terakhir telah menyediakan alat baru dan kuat untuk praktisi komputasi. Ini telah memungkinkan usaha komputasi dari skala dan kompleksitas yang sebelumnya tidak pernah terjadi sebelumnya. Akibatnya, semua bidang dan industri bermunculan. Perkembangan ini masih berlangsung, dan ini menciptakan peluang baru seiring dengan meningkatnya perangkat keras, perangkat lunak, dan algoritme. Pada akhirnya, teknologi yang memungkinkan untuk gerakan ini adalah perangkat keras komputasi yang kuat yang telah dikembangkan dalam beberapa dekade terakhir. Namun, untuk seorang praktisi komputasi, lingkungan perangkat lunak yang digunakan untuk pekerjaan komputasi sama pentingnya dengan, jika tidak lebih penting daripada, perangkat keras di mana perhitungan dilakukan.<br />
<br />
'''b. Current state of knowledge'''<br />
<br />
Knowledge i have learned in master amount of application and I just know it in master degree, and this is application I had to learn in master degree, first is lab view, I use it for measure temperature in contactor, so I know the temperature at inlet and outlet, second is REFROP this application helped me to know enthalpy in refrigerant, is superheated or subcool, third but not last is CFD-SOF with this application I can calculate velocity of fluid at an object, for example, is I calculated velocity in planar plate, internal flow pipe, and so on. <br />
<br />
'''c. Pengalaman Komputasi Teknik'''<br />
<br />
Untuk pengalaman saya menggunakan komputasi sudah ada beberapa, seperti CFD SOF dan beberapa bahasa pemograman, tetapi di era data scientist sekarang banyak yang sedang menggunakan bahasa python untuk menjadi bahasa pemograman mereka, hal ini dikarekan python merupakan bahasa pemograman open source (gratis) dan mudah di gunakan untuk pemula, berikut dasar - dasar menggunakan bahsa python :<br />
<br />
'''c.1 Pengenalan Komputasi Menggunakan Python'''<br />
<br />
Python adalah bahasa pemrograman tingkat tinggi yang diartikan untuk keperluan umum yang banyak digunakan dalam komputasi ilmiah dan teknik. Pertama dan terpenting, Python terkenal dengan sintaks code yang bersih dan mudah dibaca. Pembacaan kode yang baik meningkatkan pemeliharaan, yang secara umum menghasilkan lebih sedikit bug dan aplikasi yang lebih baik secara keseluruhan, tetapi juga memungkinkan pengembangan kode yang cepat. Dalam pemecahan masalah komputasi, tentu saja, penting untuk mempertimbangkan kinerja algoritma dan implementasinya. Sementara kinerja runtime terbaik dapat dicapai dalam bahasa pemrograman tingkat rendah seperti fortran dan C, bekerja dalam bahasa tingkat tinggi seperti Python biasanya mengurangi waktu pengembangan dan seringkali menghasilkan kode yang lebih fleksibel dan dapat diperluas.<br />
<br />
'''c.2 Environement Untuk Komputasi Dengan Python''' <br />
<br />
Ada beberapa environtment berbeda yang dapat digunakan Python untuk komputasi ilmiah dan teknis. Keragaman ini memiliki kelebihan dan kekurangan dibandingkan dengan lingkungan yang didukung. Dalam produk komputasi memiliki keanekaragaman menyediakan fleksibilitas dan dinamika yang cocok untuk spesialisasi untuk kasus penggunaan tertentu. Di sini saya memberikan orientasi lingkungan umum untuk komputasi ilmiah. Contoh 3 GUI yang digunakan untuk menjalankan python adalah :<br />
<br />
'''c.2.1. IPython'''<br />
<br />
IPython merupakan sebuah console yang dapat dijalankan secara interaktif. Secara bersama dengan text editor untuk menuliskan code, menyediakan yang ringan untuk dikembangkan .<br />
<br />
'''c.2.2. The Jupyter Notebook'''<br />
<br />
Merupakan aplikasi web di mana kode Python dapat ditulis dan dieksekusi melalui browser web. Environtment ini sangat bagus untuk komputasi numerik, analisis, dan penyelesaian masalah, karena memungkinkan seseorang untuk mengumpulkan code, output yang dihasilkan oleh code, dokumentasi teknis terkait, dan analisis dan interpretasi, semuanya dalam satu dokumen.<br />
<br />
'''c.2.3. Spyder'''<br />
<br />
Integrated Development Environment, yang dapat digunakan untuk menulis dan menjalankan kode Python secara interaktif. IDE seperti Spyder adalah alat yang dapat diguankan untuk mengembangkan library dan modul Python yang bisa digunakan kembali<br />
<br />
'''c.2.4. Interpreter'''<br />
<br />
Cara standar untuk mengeksekusi kode Python adalah menjalankan program secara langsung melalui interpreter Python. Pada kebanyakan sistem, interpreter Python dipanggil menggunakan perintah python. Ketika Python file source diperintahkan sebagai argumen untuk perintah ini, kode Python dalam file tersebut dijalankan.<br />
<br />
$ python hello.py<br />
<br />
Hello from Python!<br />
<br />
Di sini file hello.py berisi satu baris:<br />
<br />
print("Hello from Python!")<br />
<br />
Untuk melihat versi Python mana yang diinstal, seseorang dapat menjalankan perintah python dengan argumen --version:<br />
<br />
$ python –version<br />
<br />
Python 3.6.5<br />
<br />
Adalah umum untuk menginstal lebih dari satu versi Python pada sistem yang sama. Setiap versi Python memelihara kumpulan perpustakaannya sendiri dan menyediakan perintah penerjemahnya sendiri (sehingga setiap lingkungan Python dapat menginstal perpustakaan yang berbeda). Pada banyak sistem, versi tertentu dari juru bahasa Python tersedia melalui perintah seperti, misalnya, python2.7 dan python3.6. Dimungkinkan juga untuk mengatur lingkungan python virtual yang independen dari lingkungan yang disediakan sistem. Ini memiliki banyak keuntungan dan saya sangat menyarankan untuk membiasakan diri dengan cara ini bekerja dengan Python. Lampiran A memberikan perincian tentang cara mengatur dan bekerja dengan lingkungan semacam ini.<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-2 : ''' (Senin, 10 Februari 2020), Sinopsis Tuga Akhir ==<br />
<br />
<br />
----<br />
<br />
<br />
'''a. Menjelaskan Sinopsis Tugas Akhir''' <br />
<br />
JUDUL : <br />
<br />
Sistem Pendingin Mengguankan Thermo Electric Cooler dengan Controller Propotional - Integral Derivative<br />
<br />
SINOPSIS : <br />
<br />
Pendinginan merupakan salah satu proses yang dapat digunakan untuk berbagai macam penggunaan, antara lain untuk menjaga produk industri makanan dan produk medis seperti obat-obatan dan vaksin. Proses pendinginan sekarang masih menggunakan teknologi pengawetan berbasis kompresi menggunakan gas pendingin. Tipe gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannya dan tipe R600a memiliki COP yang lebih rendah. Penelitian ini bertujuan merancang perangkat keras dan perangkat lunak yang dapat diaplikasikan pada pendingin termoelektrik, dengan merancang sebuah alat yang digunakan untuk sistem lemari pendingin menggunakan Thermoelectric Cooler (TEC) dan mendapatkan nilai COP yang tinggi. Sistem dibangun dengan kontroler Proportional Integral Derivative (PID). Sistem ini menggunakan beberapa alat antara lain, sensor suhu, Transistor tipe TIP31, modul bluetooth, kipas, dan mikrokontroler ATSAM3X8E. Pengendalian suhu dilakukan dengan membandingkan set-point suhu yang diinginkan dengan suhu dari sensor. Dari penelitian ini diperoleh hasil bahwa semakin besar nilai tegangan yang diberikan maka semakin besar pula besar nilai Pulse Wave Modulation (PWM) yang dihasilkan. Semakin tinggi nilai besar PWM, semakin cepat penurunan suhu pada kotak pendingin. Dari beberapa pengujian dapat disimpulkan bahwa nilai parameter kontrol proporsional (Kp), parameter kontrol integral (Ki), dan nilai parameter kontrol deferensial (Kd ), dimana pada nilai Kp = 255, Ki = 100, dan Kd = 200 mendapatkan grafik yang lebih stabil dan mendekati nilai set-point, dengan nilai error sebesar 2,86 %.<br />
<br />
<br />
'''b. Perbedaan deterministik dan stokastik'''<br />
<br />
b.1 deterministik adalah sesuatu yang pasti akan terjadi. <br />
<br />
b.2 stokastik adalah Stokastik adalah kebolehjadian, atau dengan kata lain sesuatu yang belum terjadi kepastiannya. "Sesungguhnya, Allah tidak akan mengubah nasib suatu kaum, hingga mereka mengubahnya sendiri.." (Q.S. Ar-Ra'd [13] : 11) <br />
<br />
<br />
'''c . Komputasi Teknik pada Tugas Akhir'''<br />
<br />
Tipe tugas akhir saya adalah deteministik. Hal ini dikarenakan nilai dari PID yang saya tentukan pasti. Menurut pendapat saya untuk penerapan komputasi teknik pada tugas akhir saya adalah <br />
<br />
Pada penggunaan fitur controller PID, adalah kemampuan untuk menggunakan tiga tipe kontroller yakni propotional, integral dan derivatif yang mempengaruhi nilai keluaran kontroller untuk dipalikasikan pada nilai yang optimal dari kontroller itu sendiri. <br />
<br />
[[File:PID.png|400px|thumb|left ]]<br />
<br />
Diagram blok yang terdapat pada sebelah kiri menunjukkan bagamimana cara controller ini bekerja. Gambar tersebut menunjukan kontroller PID, yang mana secara kontinu menghitung nilai error e(t) sebagai selisih dari setpoint r(t) dan variabel proses y(t), dan pengaplikasian nya dikoreksi berdasakan propotional, integral, dan derivatif. Kontroller mencoba utnuk meminimalisir error dari lebih nya koreksi kontrol variabel u(t), salah satu contoh nya pengontrolan pada kecepatan kipas, kontrol PID dibutuhkan untuk mengetahui jumlah RPM selanjutnya pada kipas sehingga dapat mendinginkan suatu objek.<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
'''d. Komputasi pada tugas akhir saya kedepan nya'''<br />
<br />
Melakuakn simulasi CFD sederhana untuk melihat aliran fluida di dalam lemari pendingin<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan Ke-3''', (Senin 17-Februari-2020), Presentasi Sinopsis Project Komputasi Teknik ==<br />
<gallery mode="slideshow"><br />
File:PPT_1.png|200px|center|<br />
File:PPT_2.png|200px|center|<br />
File:PPT_3.png|200px|center|<br />
File:PPT_4.png|200px|center|<br />
File:ppt_5.png|200px|center|<br />
</gallery><br />
<br />
----<br />
<br />
== '''Pertemuan ke-4''', (Senin, 24 Februari 2020), Presentasi Model Matematis Project Komputasi Teknik ==<br />
<br />
----<br />
<br />
<br />
<br />
Skema kontrol PID dinamai dari ketiga term pengendalinya, yang kemudian dijumlahkan menjadi variabel manipulasi. Term proporsional, integral, dan derivatif dijumlahkan untuk menghitung keluaran kontroler PID. Dengan mendefinisikan u(t) sebagai keluaran kontroler, bentuk akhir dari algoritme PID adalah:<br />
<br />
<br />
<br />
[[File:Rumus1.png|300px|thumb|center ]]<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Contoh PID pada MATLAB<br />
|-<br />
|'''Jenis'''<br />
|'''Foto'''<br />
|'''Deskripsi'''<br />
|-<br />
! '''Porpotional Integral''' <br />
| [[File:Tilu.png|300px|thumb|left ]] || sys = zpk([],[-1 -1 -1],1); <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Loro.png|300px|thumb|left ]] || <br />
<br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
T_pi_fast = feedback(C_pi_fast*sys,1);<br />
step(T_pi,T_pi_fast)<br />
axis([0 30 0 1.4])<br />
legend('PI','PI,fast')<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Siji.png|300px|thumb|left ]] || <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
[C_pidf_fast,info] = pidtune(sys,'PIDF',1.0)<br />
T_pidf_fast = feedback(C_pidf_fast*sys,1);<br />
<br />
step(T_pi_fast, T_pidf_fast); <br />
<br />
axis([0 30 0 1.4]);<br />
<br />
legend('PI,fast','PIDF,fast');<br />
<br />
sys = zpk([],[-1 -1 -1],1); <br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
S_pi_fast = feedback(sys,C_pi_fast);<br />
S_pidf_fast = feedback(sys,C_pidf_fast);<br />
step(S_pi_fast,S_pidf_fast);<br />
axis([0 50 0 0.4]);<br />
legend('PI,fast','PIDF,fast');<br />
<br />
|-<br />
|}<br />
<br />
----<br />
<br />
<br />
== '''Pertemuan ke-5''', (2 Maret 2020), Quis I ==<br />
<br />
<br />
[[File:Photo 1.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 2.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 3.jpeg|350px|thumb|center ]]<br />
<br />
<br />
<br />
<br />
----<br />
== '''Finite ELement, Finite Diffirent, Finite Volume''' ==<br />
<br />
* '''Pengertian Finite Element :'''<br />
<br />
'''Finite Element :''' menyelesaikan suatu problem dengan cara membagi obyek analisa menjadi bagian-bagian kecil yang terhingga. Bagian-bagian kecil ini kemudian dianalisa dan hasilnya digabungkan kembali untuk mendapatkan penyelesaian untuk keseluruhan daerah. Kata “finite atau terhingga” digunakan untuk menekankan bahwa bagian-bagian kecil tersebut tidak tak terhingga, seperti yang lazim digunakan pada metode integral analitik.<br />
<br />
* '''Pengertian Finite Volume :'''<br />
<br />
'''Finite Volume :''' adalah metode yang digunakna untuk merepresentasikan persamaan diferensial parisial dalam bentuk persamaan algeraic. Didalam metode finite volume, mengintergalkan bagian dari persamaan diferensial parsial ,menggunakan teorema divergensi.<br />
<br />
* '''Pengertian Finite Different :'''<br />
<br />
'''Finite Different :''' adalah diskritisasi yang digunakan untuk menyelesaiakn persamaan diferensial dengan memperkirakan denagn persamaan diferensial yang menggunakan perbedaan yang mendekati derivatif.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Pertemuan ke-6''', Senin 9 Maret 2020, Extended Abstrak ==<br />
<br />
<br />
<br />
Name : Wsinu indrawan<br />
<br />
Title : Fluid Analysis For Mini Fan Refrigerator Using Thermoelectric Cooler <br />
<br />
The cooling is one of the processes can be used for various types of applications, starting from maintaining food industry products and medical products such as drugs and vaccines. The cooling process now still uses compression-based preservation technology using cooling gas. The types of cooling gas used are R134a and R600a. However, the R134a contains HF which has been banned for used, and the R600a contains HF gas which can reduce the ozone layer. In addition, a single fan compressor system that uses cooling gas in a steam compressor has difficulties in regulating the temperature of the target compartment. Based on this, an alternative cooling technology is needed. Thermoelectric cooler (TEC) is an alternative cooling technology, because TEC has advantages such as small size, lower noise and vibration, easier in temperature regulation, low maintenance requirements, can absorb heat using the principle of heat difference so that in addition to being able to the cooler can also be a heater, and besides that it can be turned on with a DC current. Obtained a solution in the form of cooling using a thermoelectric cooler, using a fan in the refrigerator.The current research examines the application of CFD (Computational Fluid Dynamic) to analyze the flow of wind into the refrigerator. Use the existing CFD analyst application. To analyze the flow of fluid entering the refrigerator, it is simplified for this refrigerator, by cutting the inside of the refrigerator. So that the incoming fluid flow can be reviewed, from the incoming air velocity can be analyzed with a simple correlation to the wind speed generated with existing pwm. It is expected that from this research, researchers can find out the wind phenomenon that is in the refrigerator so that it can be used for further research.<br />
<br />
<br />
<br />
<br />
[[File:G1.png|400px|thumb|center ]]<br />
<br />
[[File:test1.png|400px|thumb|center ]]<br />
<br />
== '''Optimasi Energi Pada Manusia''' ==<br />
<br />
The article below will describe how to make optimization in daily life, during one month<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Optimasi Energi Pada Manusia<br />
|-<br />
|'''Jenis'''<br />
|'''Perhitungan'''<br />
|'''Deskripsi'''<br />
|-<br />
! Step 1<br />
| [[File:gazo1.png|700px|left]] || Pertama saya menentukan jumlah jam yang dibutuhkan per hari secara acak dengan funsi rand di excel <br />
<br />
|-<br />
! Step 2 <br />
| [[File:gazo2.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 1<br />
<br />
|-<br />
! Step 3 <br />
| [[File:gazo3.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 2<br />
<br />
|-<br />
! Step 4 <br />
| [[File:gazo4.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 3<br />
<br />
<br />
|-<br />
! Step 5 <br />
| [[File:gazo5.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 4<br />
<br />
|-<br />
! Step 6 <br />
| [[File:hebat.png|700px|left]] || Mencari grafik polynomial pada salah satu minggu dan diadapatkan grafik polynom nya<br />
<br />
|-<br />
! Step 7 <br />
| [[File:gazo7.png|700px|left]] || hasil konversi watt ke rupiah pada hari senin pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 8 <br />
| [[File:gazo8.png|700px|left]] || hasil konversi watt ke rupiah pada hari selasa pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 9 <br />
| [[File:gazo9.png|700px|left]] || hasil konversi watt ke rupiah pada hari rabu pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 10 <br />
| [[File:gazo10.png|700px|left]] || hasil konversi watt ke rupiah pada hari jumat pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 11 <br />
| [[File:gazo11.png|700px|left]] || hasil konversi watt ke rupiah pada hari sabtu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step 12 <br />
| [[File:gazo12.png|700px|left]] || hasil konversi watt ke rupiah pada hari minggu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step Final<br />
| [[File:cobajadulu.png|700px|left]] || Mencoba memasukan nilai minimum ke dalam matlab dan mencari dengan curve fitting<br />
<br />
|-<br />
|}<br />
<br />
== '''Pengarahan Beberapa Teknologi Komputasi Teknik''', 16-03-2020 ==<br />
<br />
<br />
Pada pertemuan kali ini membahas masalah initial thinking, mendevelop model matematis, anlisa secara umum dan analisa secara khusus<br />
<br />
Mengembangkan model amtematis dari konsep model utama dari model matematis tersebut<br />
<br />
Dari modeling tersebut dibutuhkan beberapa tahapan pertama :<br />
<br />
*Constrain <br />
<br />
*Boundary Condition <br />
<br />
*Setelah beberapa tahapan itu masuk ke tahapan simulasi <br />
<br />
Pengertian Verifikasi : <br />
<br />
Verifikasi adalah teori filsafat positif logis dalam memilih yang menyatakan bahwa pengalaman adalah satu-satunya sumber dasar pengetahuan dan dalam analisis logis dapat dilakukan dengan bantuan simbol-simbol logika dengan menggunakan metode untuk pemecahkan masalah melalui metode verifikasi empirik yaitu bila terdapat sesuatu yang tidak dapat diverifikasi secara empirik maka hasilnya adalah sia-sia. penganut teori radikal ini memiliki masalah konsekuensi untuk filosofi tradisional, karena, jika benar, akan menyebabkan banyak pekerjaan sia-sia pada filosofis masa lalu, antara lain pada metafisika dan etika.<br />
<br />
Validasi : <br />
<br />
validasi adalah sebuah teknik validasi model untuk menilai bagaimana hasil statistik analisis akan menggeneralisasi kumpulan data independen. Teknik ini utamanya digunakan untuk melakukan prediksi model dan memperkirakan seberapa akurat sebuah model prediktif ketika dijalankan dalam praktiknya. Dalam sebuah masalah prediksi, sebuah model biasanya diberikan kumpulan data (dataset) yang diketahui untuk digunakan dalam menjalankan pelatihan (dataset pelatihan), serta kumpulan data yang tidak diketahui (atau data yang pertama kali dilihat) terhadap model yang diuji (pengujian dataset).[4] Tujuan dari validasi silang adalah untuk mendefinisikan dataset untuk "menguji" model dalam tahap pelatihan (yaitu, validasi data), dalam rangka untuk membatasi masalah seperti terjadinya overfitting, memberikan wawasan tentang bagaimana model akan menggeneralisasi independen dataset (yaitu, dataset tidak diketahui, misalnya dari masalah nyata), dll.<br />
<br />
== '''Ujian Tengah Semester''', Komputasi Teknik ==<br />
<br />
<br />
<br />
<br />
=== '''Video Pembelajaran Setiap Minggu''' ===<br />
<br />
<br />
'''Kemampuran Komputasi Teknik Selama Perkuliahan, Tutorial Menggunakan CFDSOF'''<br />
<br />
<br />
[[File:.pertemuan3wisnuindrawan.mp4||500px|center]]<br />
<br />
<br />
<br />
=== '''Draft Paper Komputasi Teknik''' ===<br />
<br />
<br />
==== BAB I ====<br />
<br />
Pendinginan salah satu teknologi yang memiliki berbagai macam pengaplikasian, dimulai dari menjaga produk makanan dari kebusukan dan berbagai pengendalian suhu dalam bidang elektronik dan industri lainnya (Gökçekdan Şahin, 2017).Salah satu teknologi pendinginan yang sekarang ini sering digunakan adalah teknologi berbasis kompresi uap karna mempunyai (COP) coefficient of performanceyang tinggi dan mempunyai harga yang lebih murah dibandingkan teknologi alternatif lainnya.Dalam proses pendinginan, teknologi kompresi uap menggunakan gas pendingin yang berfungsi untuk menyerap panas pada udara dalam ruangan, sehingga menjadi bersuhu rendah. Secara luas gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannyadan tipe R600a mengandung gas HF yang dapat mengurangi lapisan ozon (Söylemez dkk., 2018). Selain itu,pada sistem kompresor satu kipas yang menggunakan gas pendingin pada kompresor uap memiliki kesulitan dalampengaturan temperatur dari kompartemen target. Berdasarkan pernyataan tersebut diperlukan suatu teknologi pendingin alternatif. Thermoelectric cooler adalah salah satu alternatif teknologi pendingin, dikarenakan thermoelectric cooler memiliki kelebihan seperti berukuran kecil, kebisingan dan getaran yang lebih rendah, lebih mudah dalam pengaturan suhu, mebutuhkan perawatan yang sedikit, dan dapat dihidupkan dengan arus DC (Söylemezdkk., 2018). Pendinginan dengan menggunakan TEC (Termoelectric Cooling) telah digunakan untuk menghilangkan embun kaca depan kendaraan. Penelitian tersebut telah menghasilkan temperatur hingga 22,4 oC. Penelitian lainTEC telah digunakan untuk pendingin kotak minuman dengan menggunakan 3thermoelectric cooling, dimana dapat menghasilkan temperatur kotak minuman tanpa beban mencapai14,3 oC, dengan beban pendingin air sebanyak 1 liter sebesar 16,4 oC (Nulhakim, 2017). TEC (Termoelectric Cooling) tidak hanya dapat mendinginkan, tetapi dapat memanaskan di waktu yang bersamaan. Sifat dari TEC ini dapat dimanfaatkan untuk sistem pengaturan suhu ruangan. Untuk tujuan pengaturan suhu yang lebih akurat, dapat dipertimbangkan menggunakan sistem kontrol loop tertutup dengan PID (Propotional, Integral dan Derivative). Kelebihan dari pemakaian kontroler PID di loop tertutup adalah kontrol PID memiliki kemampuan untuk penyetelan otomatis, dan dapat adaptasi terhadap variasi waktu, sehinggasistem dari kontroler PID menyediakan aplikasi didalam industri dengan fitur kontrol yang lebih akurat dandapat disesuaikan dengan kebutuhan(Abdullah dan Ayman, 2008). Pengaturan PID pada umumnya menggunakan alat yang memakan banyak biaya. Tetapi menurut hasil dari eskperimen yang menyatakan bahwa kontroler PID menggunakna mikrokontoler tipe P18F4685 yang memiliki kapasitas 14 bit dapat menghasilkan kestabilan yang baik, dengan overshoot yang sedikit, dan memiliki waktu settling time yang sedikit pula (El-Nagar dan El-Bardini, 2014). Dari latar belakang tersebut diperlukan suatu sistem pendingin ruangan yang terkontrol secara otomatis menggunakanteknologi pendingin ramah lingkungan yang terkontrol dengan sistem kontrol loop tertutup, sehinggadapat manjadi salah satu alternatif teknologi pendingin ruangan.Berdasarkan potensi tersebut maka telah dilakukan penelitian tentang rancang bangun sistem pendingin ruangan menggunakan TEC (Thermoelectric Cooler) dengan kontroler PID.<br />
<br />
==== BAB II ====<br />
<br />
'''Sensor Suhu''' <br />
<br />
Salah satu jenis sensor suhu yang banyak digunakan di industri adalah tipe sensor suhu berbahan semikonduktor. Sensor ini menggunakankonfigurasi dioda atau transistor di kutub yang pada sambungan p-n bahan tersebut memiliki respon yang kuat terhadap suhu. Terdapat dua jenis pemberian tegangan pada sambungan p-n yaitu bias maju dan bias mundur seperti ditunjukkan pada Gambar 2.1. Ketika sambungan p-n bias maju dihubungkan dengansumber arus, maka terjadi beda potensial pada kedua sambungan. Beda potensial atau tegangan yang dihasilkan berbanding lurus dengan perubahan suhu(Suryono, 2018).<br />
<br />
[[File:wisnu.png|500px|center|]]<br />
<br />
<br />
<br />
'''Thermoelectric'''<br />
<br />
Modul thermoelectric khas dibuat menggunakan dua buah keramik berbentuk wafer dengan jenis bahan semikonduktor bismuth telluride P dan N yang diapit di antara keduanya seperti yang ditunjukkan pada Gambar 2.3. Bahan keramik di kedua sisi dari thermoelectric berfungsi untuk pelindung dan sebagai isolator listrik yang diperlukan. Bahan tipe-N memiliki kelebihan elektron, sementara bahan tipe-P membutuhkan elektron. Bahan P dan N membentuk pasangan, seperti yang ditunkjukan pada Gambar 2.3. Pasangan thermoelectric dipasang secara seri dan termal sejajar. Modul thermoelectric dapat berisi satu sampai beberapa ratus pasangan. Saat elektron bergerak dari bahan tipe-P ke bahan tipe-N melalui konektor listrik, elektron beralih ke keadaan energi yang lebih tinggi dan menyerap energi panas (sisi dingin) (Manikandan dkk., 2017).<br />
<br />
<br />
[[File:dewawisnuganteng.png|500px|center|]]<br />
<br />
<br />
<br />
<br />
<br />
==== BAB III ====<br />
<br />
Sistem pengendalian yang saya pakai adalah menggunakan mobile phone, jadi pada penyetingan set point pada PID menggunakan apliaksi mobile bebasis bluetooth<br />
<br />
<br />
[[File:bismillahadajalan.png|500px|center|]]<br />
<br />
Selanjut nya pada sistem kerja dari alat ini menggunakan sistem PID untuk mengatur kecepatan dari driver motor untuk mengatur suhu, jika suhu tidak sesuai dengan yang diinginkan maka kecepatan kipas akan terus bertambah.<br />
<br />
<br />
[[File:PIDBROH.png|500px|center|]]<br />
<br />
<br />
Hasil rancang bangun dari alat pendingin ditunjukan pada gambar dibawah ini<br />
<br />
<br />
[[File:celenganrindu.jpg|500px|center|]]<br />
<br />
Pembuatan interface untuk memasukkan data set point pada aplikasi mobile<br />
<br />
[[File:interface.png|500px|center|]]<br />
<br />
Pembuatan interface untuk mencari device bluetooth pada device-device sekitar<br />
<br />
[[File:tampilan2.png|500px|center|]]<br />
<br />
==== BAB IV ====<br />
<br />
Hasil data dari kalibrasi sensor suhu dengan alat ukur standart SNI <br />
<br />
<br />
[[File:akad.png|500px|center|]]<br />
<br />
<br />
Data PID setelah melakukan trial and error mendapatkan nilai Kp Kd Ki <br />
<br />
<br />
[[File:bismillahwisnudata.png|500px|center|]]<br />
<br />
=== '''Laporan Optimasi Energi''' ===<br />
<br />
<br />
Grafik Pada Minggu Pertama<br />
<br />
<br />
<br />
[[File:bersyukurlah.png|500px|center|]]<br />
<br />
[[File:gambarsatu.png|500px|center|]]<br />
<br />
<br />
[[File:semuaudahadarezekinya.png|500px|center|]]<br />
<br />
<br />
<br />
[[File:janganngeluhterus.png|500px|center|]]<br />
<br />
Gambar yang ditunjukan dengan menggunakna aplikasi sypder menunjukkan nilai x, nilai tersebut merupakan nilai minimum atau optimum dari persamaan yang telah dibuat dengan menggunakan excel<br />
<br />
<br />
Revisi Projek tugas komputasi teknik <br />
<br />
Pada kesempatan kali ini saya menggunakan case baru untuk menyelesaikan draft paper mata kuliah komputasi teknik <br />
<br />
Hal ini dikarenakan, ketertarikan penulis untuk mengangkat tema ini <br />
<br />
==Refisi draft paper==<br />
<br />
<br />
<br />
Beberapa contoh data dari nasabah yang dihasilkan untuk mengetahui apakah nasabah ingin meninggalkan bank dari data - data pribadi mereka, <br />
seperti lama mereka menggunakan jasa bank ini, jumlah tabungan mereka, kemudian umur mereka, dan dari pria atau wanita <br />
<br />
<br />
[[File:22 April 2020 5.png || 700px]]<br />
<br />
Pertama data yang berada dalam format csv dimasukan ke dalam pemograman python dengan maka akan muncul tampilan seperti diatas, ataua kerap<br />
disebut sebagai dataframe, setelah dataframe terbentuk maka dataframe tersebut di pecah - pecah atau dikelompokkan mana yang bisa digunakan untuk <br />
independent variable atau tidak <br />
<br />
<br />
<br />
[[File:22 April 2020 1.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 2.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 3.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 4.png || 700px]]<br />
<br />
<br />
methode dari draft paper ini adalah : <br />
<br />
'''mengguankan machine learning''' <br />
<br />
Pembelajaran mesin (ML) adalah studi tentang algoritma komputer yang meningkat secara otomatis melalui pengalaman. [1] Itu dilihat sebagai bagian dari kecerdasan buatan. Algoritma pembelajaran mesin membangun model matematika berdasarkan data sampel, yang dikenal sebagai "data pelatihan", untuk membuat prediksi atau keputusan tanpa diprogram secara eksplisit untuk melakukannya. [2] [3]: 2 Algoritma pembelajaran mesin digunakan dalam berbagai berbagai aplikasi, seperti penyaringan email dan visi komputer, di mana sulit atau tidak layak untuk mengembangkan algoritma konvensional untuk melakukan tugas-tugas yang diperlukan.<br />
<br />
Pembelajaran mesin terkait erat dengan statistik komputasi, yang berfokus pada membuat prediksi menggunakan komputer. Studi tentang optimasi matematika memberikan metode, teori dan domain aplikasi ke bidang pembelajaran mesin. Penambangan data adalah bidang studi terkait, dengan fokus pada analisis data eksplorasi melalui pembelajaran tanpa pengawasan.<br />
<br />
'''Realsi terhadap optimasi'''<br />
<br />
Pembelajaran mesin juga memiliki ikatan intim dengan optimisasi: banyak masalah pembelajaran dirumuskan sebagai minimalisasi beberapa fungsi kerugian pada serangkaian contoh pelatihan. Fungsi kerugian menyatakan perbedaan antara prediksi model yang sedang dilatih dan contoh masalah yang sebenarnya (misalnya, dalam klasifikasi, seseorang ingin menetapkan label pada instance, dan model dilatih untuk memprediksi dengan benar label yang telah ditetapkan sebelumnya dari sekumpulan contoh). Perbedaan antara dua bidang muncul dari tujuan generalisasi: sementara algoritma optimasi dapat meminimalkan kerugian pada set pelatihan, pembelajaran mesin berkaitan dengan meminimalkan kerugian pada sampel yang tidak terlihat. <br />
<br />
'''Relasi terhadap statistik'''<br />
<br />
Pembelajaran mesin dan statistik adalah bidang yang terkait erat dalam hal metode, tetapi berbeda dalam tujuan utamanya: statistik menarik kesimpulan populasi dari sampel, sementara pembelajaran mesin menemukan pola prediksi yang dapat digeneralisasikan. Menurut Michael I. Jordan, gagasan pembelajaran mesin, mulai dari prinsip metodologis hingga alat teoretis, telah memiliki pra-sejarah panjang dalam statistik. [22] Dia juga menyarankan istilah ilmu data sebagai pengganti untuk menyebut bidang keseluruhan. <br />
<br />
Leo Breiman membedakan dua paradigma pemodelan statistik: model data dan model algoritmik, [23] di mana "model algoritmik" berarti kurang lebih algoritma pembelajaran mesin seperti hutan acak.<br />
<br />
Beberapa ahli statistik telah mengadopsi metode dari pembelajaran mesin, yang mengarah ke bidang gabungan yang mereka sebut pembelajaran statistik. <br />
<br />
<br />
'''Teori'''<br />
<br />
Tujuan inti seorang pelajar adalah untuk menggeneralisasi dari pengalamannya. Generalisasi dalam konteks ini adalah kemampuan mesin pembelajaran untuk melakukan secara akurat pada contoh / tugas baru yang tidak terlihat setelah mengalami kumpulan data pembelajaran. Contoh-contoh pelatihan berasal dari beberapa distribusi probabilitas yang umumnya tidak diketahui (dianggap mewakili ruang kejadian) dan pelajar harus membangun model umum tentang ruang ini yang memungkinkannya menghasilkan prediksi yang cukup akurat dalam kasus-kasus baru.<br />
<br />
Analisis komputasi algoritma pembelajaran mesin dan kinerjanya adalah cabang ilmu komputer teoretis yang dikenal sebagai teori pembelajaran komputasi. Karena set pelatihan terbatas dan masa depan tidak pasti, teori pembelajaran biasanya tidak menghasilkan jaminan kinerja algoritma. Sebaliknya, batasan probabilistik pada kinerja cukup umum. Dekomposisi bias-varians adalah salah satu cara untuk mengukur kesalahan generalisasi.<br />
<br />
Untuk kinerja terbaik dalam konteks generalisasi, kompleksitas hipotesis harus sesuai dengan kompleksitas fungsi yang mendasari data. Jika hipotesis kurang kompleks dari fungsi, maka model memiliki data yang sesuai. Jika kompleksitas model meningkat dalam respons, maka kesalahan pelatihan berkurang. Tetapi jika hipotesisnya terlalu kompleks, maka modelnya akan mengalami overfitting dan generalisasi akan menjadi lebih buruk. <br />
<br />
Selain batas kinerja, ahli teori belajar mempelajari kompleksitas waktu dan kelayakan belajar. Dalam teori pembelajaran komputasi, perhitungan dianggap layak jika dapat dilakukan dalam waktu polinomial. Ada dua jenis hasil kompleksitas waktu. Hasil positif menunjukkan bahwa kelas fungsi tertentu dapat dipelajari dalam waktu polinomial. Hasil negatif menunjukkan bahwa kelas-kelas tertentu tidak dapat dipelajari dalam waktu polinomial.<br />
<br />
<br />
<br />
'''metode machine learning ada beberapa tipe nya berikut penjelasan mengenai teori machine learning :''' <br />
<br />
1. Suppport Vector Machine (SVMs)<br />
<br />
Support vector Machines (SVMs) adalah algoritma pembelajaran mesin yang diawasi yang fleksibel namun kuat yang digunakan baik untuk klasifikasi dan regresi. Tetapi umumnya, mereka digunakan dalam masalah klasifikasi. Pada 1960-an, SVM pertama kali diperkenalkan tetapi kemudian disempurnakan pada tahun 1990. SVM memiliki cara implementasi yang unik dibandingkan dengan algoritma pembelajaran mesin lainnya. Akhir-akhir ini, mereka sangat populer karena kemampuan mereka untuk menangani beberapa variabel kontinu dan kategorikal.<br />
<br />
<br />
Dalam praktiknya, algoritma SVM diimplementasikan dengan kernel yang mengubah ruang data input ke dalam formulir yang diperlukan. SVM menggunakan teknik yang disebut trik kernel di mana kernel mengambil ruang input dimensi rendah dan mengubahnya menjadi ruang dimensi yang lebih tinggi. Dengan kata-kata sederhana, kernel mengubah masalah yang tidak dapat dipisahkan menjadi masalah yang dapat dipisahkan dengan menambahkan lebih banyak dimensi ke dalamnya. Itu membuat SVM lebih kuat, fleksibel dan akurat. Berikut ini adalah beberapa jenis kernel yang digunakan oleh SVM.<br />
<br />
<br />
Linear Kernel <br />
<br />
Ini dapat digunakan sebagai produk titik antara dua pengamatan. Rumus kernel linear adalah sebagai berikut<br />
<br />
Metode yang digunakan <br />
<br />
pada penelesaian masalah ini saya menggunakana beberapa engone dari python untuk melakuakn machine learning yakni '''sklearn''' dan '''tensor flow''', berikut penjelasan masing masing metode nya :<br />
<br />
ini adalah struktur skrip dari '''sklearn.prepocessing''' <br />
<br />
class sklearn.preprocessing.OneHotEncoder(*, categories='auto', drop=None, sparse=True, dtype=<class 'numpy.float64'>, handle_unknown='error')[source]<br />
<br />
kenapa class ini digunakan karena machine leraning tidak bisa memproses selain angka, tapi pada kasus ini saya menggunakan nama, umur dan beberapa proses yang menggunakan tipe string(kata - kata)<br />
sehigga sulit untuk di klasifikasikan.<br />
<br />
'''maka dari itu metode ini dapat digunakan.'''<br />
<br />
'''One Hot Encoding adalah :''' reperentasi kategori variabel dalam vektor biner. <br />
<br />
Pertama nilai dari proses ini dipetakan dala nilai integer (nilai angka yang benilai bilangan bulat, tidak memiliki nilai koma)<br />
<br />
Lalu, setiap nilai yang berbentuk integer ini direpresentasikan sebagai vektor biner yang semua nya bernilai nol kecuali yang terindeks integer, yang di tandai 1.<br />
<br />
== Quis II, 6 April 2020 ==<br />
<br />
<br />
Assalamualaiakum Beerikut adalah link dari Quis 2<br />
Wisnu Indrawan <br />
1906433745<br />
<br />
https://drive.google.com/drive/folders/17z_x1nPTXBtnZl_PVhXRBZXdK5Wy0GMx?usp=sharing<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan Tanggal : Senin, 13 April 2020 ==<br />
<br />
<br />
<gallery mode="slideshow"><br />
File:Wisnu 12346798.png<br />
File:Wisnu 123467989.png<br />
File:Wisnu 12346798910.png<br />
File:Wisnu 12346798435435.png<br />
File:Wisnu 1234679843fdsaf4.png<br />
</gallery><br />
<br />
== Resume Pertemuan tanggal : Senin, 20 April 2020 ==<br />
<br />
<br />
<gallery mode="slideshow"><br />
<br />
<br />
File:qwerwqerqwerq_caseII_1.png<br />
File:qwerwqerqwerq_caseII_2.png<br />
File:24-04-2020-1-tugas komtek.png<br />
File:2020-04-24 23 12 57-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 22-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:hasil-24-04-2020.png<br />
File:2020-04-24 23 47 29-Book1 - Excel.png<br />
</gallery><br />
<br />
== Resume Pertemuan tanggal : Senin, 27 April 2020 ==<br />
<br />
1. Pemahaman terkait prinsip dan konsep komputasi teknik<br />
2. Penerapan konsep dan skill dalam komputasi teknik<br />
3. Lebih mengenal diri<br />
Dari 3 point diatas disampaikan via zoom dengan cara sebagai berikut:<br />
<br />
show your contributions<br />
your understanding<br />
your skkill<br />
<br />
== Resume Pertemuan tanggal : Senin, 04 Mei 2020 ==<br />
<br />
<br />
<br />
- Pemahaman terkait prinsip dan konsep komputasi teknik<br />
<br />
- Penerapan konsep dan skill dalam komputasi teknik<br />
<br />
- Lebih mengenal diri baik individu maupun kelompok/ kelas<br />
<br />
Intisaru dari evaluasi diri ini adalah :<br />
<br />
- show your contributions<br />
<br />
- your understanding<br />
<br />
- your skkill<br />
<br />
== Resume Pertemuan tanggal : Senin, 11 Mei 2020 ==<br />
<br />
<br />
Pada pertemuan tanggal 11 Mei 2020 terdapat pembahasan selanjut nya pada pertemuan minggu lalu mengnai pressure drop. Pada pembahsan pada grup whatshap mengenai tentang pendapat individu mengenai kasus pressure drop dan di bahas kemabli dalam grup Komputasi Teknik via whatshapp. Diharapkan pada pembahasan ini secara personal memahami cases Basic Mechanics dan menjadi kewajiban bagi setiap mahsiwa menyatakan analisa pribadi terkait kasus tersebut. <br />
<br />
Berikut Hasil dari pembahasan kasus tersebut : <br />
<br />
<gallery mode="slideshow"><br />
File:WhatsApp Image 2020-05-12 at 19.30.27.jpeg<br />
File:WhatsApp Image 2020-05-11 at 09.41.12.jpeg<br />
File:WhatsApp Image 2020-05-12 at 16.50.43.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.51.38.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.53.29.jpeg<br />
</gallery><br />
<br />
<br />
<br />
'''Azikri '''<br />
<br />
sedikit tambahan terkait hal di atas, bahwa pada dasarnya aliran fluida dalam pipa akan mengalami penurunan tekanan atau pressure drop seiring dengan <br />
panjang pipa ataupun disebabkan oleh gesekan dengan permukaan<br />
saluran, dan juga ketika aliran melewati sambungan pipa, belokan, katup, difusor, dan sebagainya.<br />
Disisi lain, prinsip dasar persamaan kontinuitas juga jadi landasan dimana massa tidak dapat diciptakan dan<br />
tidak dapat dimusnahkan, sehingga massa dalam suatu sistem yang konstan dapat dinyatakan dengan rumus : rho.A.v=m<br />
<br />
atau Jika aliran fluida bersifat incompressible dan steady flow, maka persamaan menjadi : Q=A.v<br />
<br />
Singkatnya dr persmaan pertama bahwa pressure drop berbanding terbalik dengan D, dan begitu halnya dengan persamaan 2 tegangan geser berbanding <br />
terbalik dg A<br />
<br />
'''Adhika '''<br />
<br />
- Gaya Masuk - Gaya Geser Total = Gaya Keluar<br />
- Gaya Geser Total = Gaya Masuk - Gaya Keluar<br />
- Gaya Geser Total = P1.A - P2.A <br />
- Gaya Geser Total = dp . Luas Area Pipa<br />
Shear Stress . Luas Selimut = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(Luas Area Pipa . L. pi . 4) = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(L. pi . 4) / sqrt(Luas Area Pipa) = dp<br />
<br />
Kesimpulan:<br />
Luas Area Pipa semakin besar maka dp akan semakin kecil<br />
<br />
<br />
'''Jerry '''<br />
<br />
Ketika nilai A membesar, maka nilai D secara langsung juga membesar karena A merupakan fungsi D; A(D). <br />
<br />
Dari persamaan pressure drop, terlihat bahwa nilai D berbanding terbalik dengan nilai deltaP. <br />
<br />
Hal ini akan mengimplikasikan bahwa semakin besar nilai D, maka semakin kecil nilai deltaP<br />
<br />
'''Dessy'''<br />
<br />
Sederhananya jika dilihat dari persamaan untuk Pressure Drop maka sudah cukup jelas dalam menjawab pertanyaan mengapa ketika luas area (A) diperbesar <br />
menyebabkan nilai pressure drop yang menurun, dimana <br />
<br />
dP = f L rho V^2 / 2 D<br />
<br />
Dari persamaan diatas terlihat bahwa nilai diameter (pengaruhnya terhadap luas area) berbanding terbalik dengan nilai pressure loss dP.<br />
<br />
Tambahan juga jika dilihat dari nilai kecepatan (disini saya menggunakan analogi aliran fluida dalam pipa), secara logika apabila nilai luas <br />
penampang A diperbesar maka nilai kecepatan akan semakin kecil, sesuai dengan persamaan yang telah dijelaskan oleh saudara Dieter sebelumnya.<br />
<br />
Maka jika kembali ke persamaan pressure drop sesuai analogi ini, A yang besar akan menyebabkan nilai V menurun, akibatnya nilai dP pun akan menurun.<br />
<br />
Dari sini dapat disimpulkan bahwa semakin besar nilai diameter D, yang menghasilkan nilai area A yang semakin besar pula, menghasilkan nilai pressure <br />
drop dP yang semakin kecil.<br />
<br />
'''Muhammad Gumilar'''<br />
<br />
Ada hal menarik disini, dari beberapa yang saya perhtikan dari beberapa pendapat teman-teman, pengaruh dari adanya luasan atau diameter pipa akan <br />
mempengaruhi keepatan alir didalam pipa , sesuai dengan hukum kontinuitas. Berkaitan dengan hal ini, saya mencerna bahwa bisa saja sebenarnya jika <br />
kita membandingkan dua hal yang mana, dua buah pipa dengan diameter yang berbeda akan tetepa memiliki kecepatan aliran rata-rata yang sama, yang <br />
mana berarti kedua debit aliran dari pipa ini berbeda. Namun yang dititikberatkan pada pembahasannya adala, kenapa berdasarkan rumus pressure loss, <br />
apabila diameter membesar, maka pressure drop akan berkurang. Sedangkan dari persamaan yang lain, kita kethaui bahwa gaya gesek akibat adanya <br />
tegangan geser akan meningkat karena persamaannya adalah F=thow * A. <br />
<br />
Kebingunga dari mahasiswS1 tersebut menurut saya adalah pemahaman beliau yang tidak komprehensif terhadap kosnep pressure drop. Memang, pressure drop <br />
itu berhubungan erat dengan adanya gesekan viscous antara fluida dengan dinding pipa. Akan tetapi, ada hal penting yang dilupakan oleh sang mahasiswa <br />
S! tersebut, yaitu bahwa perbesaran diameter dari pipa juga akan mengakibatkan tegangan geser yang terjadi. Secara sederhana, sepemahaman saya, <br />
tegangan geser itu berbanding lurus dengan gradient kecepatan aliran fluida di sepanjang pipa, yaitu du/dy. Nah, apabila, dengan kecepatan rata-rata <br />
yang sama, diameter pipa semakin besar, maka gradient kecepatan di sepanjang pipa akan berkurang karena pengaruh gaya viscous antara dinding dan <br />
fluida juga semain berkurang. Oleh karena itu, pressure Drop yang terjadi juga akan semakin berkurang. Semoga bermanfaaat semua eheheheh<br />
<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan tanggal : Senin, 18 Mei 2020 ==<br />
<br />
<br />
<br />
== Resume Pertemuan tanggal : Senin, 18 Mei 2020 ==</div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=Wisnu_indrawan&diff=35875Wisnu indrawan2020-06-01T08:44:37Z<p>Wisnu indrawan: </p>
<hr />
<div><br />
<br />
----<br />
<br />
== '''Biodata Diri :''' ==<br />
<br />
----<br />
<br />
<br />
[[File:wisnu.jpg|200px|thumb|left|Watashinonamaeha wisnu ndes ]]<br />
<br />
*Nama : Wisnu Indrawan <br />
<br />
*NPM : 1906433745<br />
<br />
*Jurusan : Teknik Mesin<br />
<br />
*Institusi : Universitas Indonesia<br />
<br />
*Penjuruan : SUBAK (Sistem Utilitas Bangunan)<br />
<br />
*Email : wisnu.indrawan@ui.ac.id<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Istilah - Istilah Teknik''' ==<br />
<br />
<br />
'''1. Clustering ''' <br />
<br />
*clustering adalah teknik machine learning berupa algoritma pengelompokkan objek-objek data berjumlah N menjadi <br />
kelompok-kelompok data tertentu (cluster)<br />
<br />
*Objek data yang beada dalam satu kelompok / cluster harus memiliki kemiripan <br />
<br />
*Semakin banyak data yang diperoleh sama dnegan semakin akurat hasil yang di dapatkan <br />
<br />
*Clustering merupakan salah satu jenis dari algoritma unsupervised learining, algoritma <br />
yang bertujuan untuk mempelajari dan menemukan pola dari suatu input yang diberikan tanpa menggunuakan label <br />
<br />
*Dengan penggunaan supervised learning, maka beberapa hal berikut ini dapat dilakukan <br />
<br />
'''1.''' Search: Membandingkan antar dokumen, gambar atau suara untuk menampilkan item serupa. <br />
<br />
'''2.''' Deteksi anomali: Mendeteksi perilaku yang tidak biasa yang biasanya berhubungan dengan hal-hal yang ingin dicegah atau dideteksi, seperti contoh penipuan. <br />
<br />
<br />
Selain itu teknik clustering terdapat beberapa algoritma di dalam nya yang akan dijelaskan istilah nya pada bagian bawah ini : <br />
<br />
<br />
<br />
'''2. K-Means Clustering'''<br />
<br />
*Tentukan jumlah cluster <br />
<br />
*alokasikan data ke dalam cluster secara rancodm <br />
<br />
*hitung centroid/rata-rata dari data yang ada di masing-masing cluster <br />
<br />
*alokasikan masing masing data ke centroid/data-data terdekat <br />
<br />
*kembali ke step 3, apabila masih ada data yang berpindah cluster atau apabila <br />
perubahan nilai centroid, ada yang di atas nilai threshold yang ditentikan atau apabila <br />
perubahan nilai pada objective function yang digunakan di atas nilai threshold yang ditentukan<br />
<br />
<br />
'''3. Mean-Shift Clustering<br />
'''<br />
*Untuk mejelaskan mean-shift, kita ilustrasikan sekumpulan titik dalam ruang <br />
dua dimensi <br />
<br />
*kita mulai dengan circular sliding window yang berpusat pada titik C(dipilih secara acak)<br />
dan memiliki jadi-jadir r sebagai kernel. Mean shift adalah algoritma yang melakukan pergeseran kernel ini secara iteratif <br />
ke daerah kepadatan yang lebih tinggi pada setiap langkah hingga konvegensi.\<br />
<br />
*pada setiap iterasi, sliding window digeser ke arah daerah dengan kepadatan lebih tinggi dengan menggeser titik tengahnya. kepadatan pada sliding window sebanding dengan jumlah tiitk di dalamnya <br />
<br />
*terus melakuakn pergeseran pada sliding window sesuai dengan rata -rata sampai tidak ada arah di mana pergeseran dapat mengakomondasikan lebih banyak titik di dalam kernel (tidak lagi meningkatkan densitas/jumlah titik di window)<br />
<br />
*langkah 1 hingga 3 ini dilakukan dengan banyak sliding window sampai semua titik terletak di dalam window. Ketika beberapa window saling berumpang tindih, window yang berisi titik terbanyak akan dipertahankan. Objek data kemudian dikelompokkan sesua dengan sliding window tempat mereka berada.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-1 ''', (Senin, 03 Februari 2020), Muhasabah ==<br />
<br />
<br />
----<br />
<br />
<br />
'''Muhasabah Diri :''' <br />
<br />
'''Muhasabah adalah''' : sesuatu hal yang perlu dan menjadikannya sebuah kebutuhan dalam tiap-tiap diri manusia, di dalam agama Islam, muhasabah sangatlah dianjurkan karena jika muhasabah bisa dijalankan dengan baik akan memberi banyak manfaat baik yang akan di dapatkan di dunia maupun diakhirat kelak.<br />
<br />
'''Pada pertemuan pertama kami mempelajari apa makna dari komputasi teknik :'''<br />
<br />
'''a. Definisi Komputasi'''<br />
<br />
Komputasi : setulnya bisa diartikan sebagai cara untuk menemukan pemecahan masalah dari data input dengan menggunakan suatu algoritme. Hal ini ialah apa yang disebut dengan teori komputasi, suatu sub-bidang dari ilmu komputer dan matematika. Selama ribuan tahun, perhitungan dan komputasi umumnya dilakukan dengan menggunakan pena dan kertas, atau kapur dan batu tulis, atau dikerjakan secara mental, kadang-kadang dengan bantuan suatu tabel. Namun sekarang, kebanyakan komputasi telah dilakukan dengan menggunakan komputer.<br />
<br />
Komputasi ilmiah dan numerik adalah bidang booming dalam penelitian, teknik, dan analitik. Revolusi dalam industri komputer selama beberapa dekade terakhir telah menyediakan alat baru dan kuat untuk praktisi komputasi. Ini telah memungkinkan usaha komputasi dari skala dan kompleksitas yang sebelumnya tidak pernah terjadi sebelumnya. Akibatnya, semua bidang dan industri bermunculan. Perkembangan ini masih berlangsung, dan ini menciptakan peluang baru seiring dengan meningkatnya perangkat keras, perangkat lunak, dan algoritme. Pada akhirnya, teknologi yang memungkinkan untuk gerakan ini adalah perangkat keras komputasi yang kuat yang telah dikembangkan dalam beberapa dekade terakhir. Namun, untuk seorang praktisi komputasi, lingkungan perangkat lunak yang digunakan untuk pekerjaan komputasi sama pentingnya dengan, jika tidak lebih penting daripada, perangkat keras di mana perhitungan dilakukan.<br />
<br />
'''b. Current state of knowledge'''<br />
<br />
Knowledge i have learned in master amount of application and I just know it in master degree, and this is application I had to learn in master degree, first is lab view, I use it for measure temperature in contactor, so I know the temperature at inlet and outlet, second is REFROP this application helped me to know enthalpy in refrigerant, is superheated or subcool, third but not last is CFD-SOF with this application I can calculate velocity of fluid at an object, for example, is I calculated velocity in planar plate, internal flow pipe, and so on. <br />
<br />
'''c. Pengalaman Komputasi Teknik'''<br />
<br />
Untuk pengalaman saya menggunakan komputasi sudah ada beberapa, seperti CFD SOF dan beberapa bahasa pemograman, tetapi di era data scientist sekarang banyak yang sedang menggunakan bahasa python untuk menjadi bahasa pemograman mereka, hal ini dikarekan python merupakan bahasa pemograman open source (gratis) dan mudah di gunakan untuk pemula, berikut dasar - dasar menggunakan bahsa python :<br />
<br />
'''c.1 Pengenalan Komputasi Menggunakan Python'''<br />
<br />
Python adalah bahasa pemrograman tingkat tinggi yang diartikan untuk keperluan umum yang banyak digunakan dalam komputasi ilmiah dan teknik. Pertama dan terpenting, Python terkenal dengan sintaks code yang bersih dan mudah dibaca. Pembacaan kode yang baik meningkatkan pemeliharaan, yang secara umum menghasilkan lebih sedikit bug dan aplikasi yang lebih baik secara keseluruhan, tetapi juga memungkinkan pengembangan kode yang cepat. Dalam pemecahan masalah komputasi, tentu saja, penting untuk mempertimbangkan kinerja algoritma dan implementasinya. Sementara kinerja runtime terbaik dapat dicapai dalam bahasa pemrograman tingkat rendah seperti fortran dan C, bekerja dalam bahasa tingkat tinggi seperti Python biasanya mengurangi waktu pengembangan dan seringkali menghasilkan kode yang lebih fleksibel dan dapat diperluas.<br />
<br />
'''c.2 Environement Untuk Komputasi Dengan Python''' <br />
<br />
Ada beberapa environtment berbeda yang dapat digunakan Python untuk komputasi ilmiah dan teknis. Keragaman ini memiliki kelebihan dan kekurangan dibandingkan dengan lingkungan yang didukung. Dalam produk komputasi memiliki keanekaragaman menyediakan fleksibilitas dan dinamika yang cocok untuk spesialisasi untuk kasus penggunaan tertentu. Di sini saya memberikan orientasi lingkungan umum untuk komputasi ilmiah. Contoh 3 GUI yang digunakan untuk menjalankan python adalah :<br />
<br />
'''c.2.1. IPython'''<br />
<br />
IPython merupakan sebuah console yang dapat dijalankan secara interaktif. Secara bersama dengan text editor untuk menuliskan code, menyediakan yang ringan untuk dikembangkan .<br />
<br />
'''c.2.2. The Jupyter Notebook'''<br />
<br />
Merupakan aplikasi web di mana kode Python dapat ditulis dan dieksekusi melalui browser web. Environtment ini sangat bagus untuk komputasi numerik, analisis, dan penyelesaian masalah, karena memungkinkan seseorang untuk mengumpulkan code, output yang dihasilkan oleh code, dokumentasi teknis terkait, dan analisis dan interpretasi, semuanya dalam satu dokumen.<br />
<br />
'''c.2.3. Spyder'''<br />
<br />
Integrated Development Environment, yang dapat digunakan untuk menulis dan menjalankan kode Python secara interaktif. IDE seperti Spyder adalah alat yang dapat diguankan untuk mengembangkan library dan modul Python yang bisa digunakan kembali<br />
<br />
'''c.2.4. Interpreter'''<br />
<br />
Cara standar untuk mengeksekusi kode Python adalah menjalankan program secara langsung melalui interpreter Python. Pada kebanyakan sistem, interpreter Python dipanggil menggunakan perintah python. Ketika Python file source diperintahkan sebagai argumen untuk perintah ini, kode Python dalam file tersebut dijalankan.<br />
<br />
$ python hello.py<br />
<br />
Hello from Python!<br />
<br />
Di sini file hello.py berisi satu baris:<br />
<br />
print("Hello from Python!")<br />
<br />
Untuk melihat versi Python mana yang diinstal, seseorang dapat menjalankan perintah python dengan argumen --version:<br />
<br />
$ python –version<br />
<br />
Python 3.6.5<br />
<br />
Adalah umum untuk menginstal lebih dari satu versi Python pada sistem yang sama. Setiap versi Python memelihara kumpulan perpustakaannya sendiri dan menyediakan perintah penerjemahnya sendiri (sehingga setiap lingkungan Python dapat menginstal perpustakaan yang berbeda). Pada banyak sistem, versi tertentu dari juru bahasa Python tersedia melalui perintah seperti, misalnya, python2.7 dan python3.6. Dimungkinkan juga untuk mengatur lingkungan python virtual yang independen dari lingkungan yang disediakan sistem. Ini memiliki banyak keuntungan dan saya sangat menyarankan untuk membiasakan diri dengan cara ini bekerja dengan Python. Lampiran A memberikan perincian tentang cara mengatur dan bekerja dengan lingkungan semacam ini.<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-2 : ''' (Senin, 10 Februari 2020), Sinopsis Tuga Akhir ==<br />
<br />
<br />
----<br />
<br />
<br />
'''a. Menjelaskan Sinopsis Tugas Akhir''' <br />
<br />
JUDUL : <br />
<br />
Sistem Pendingin Mengguankan Thermo Electric Cooler dengan Controller Propotional - Integral Derivative<br />
<br />
SINOPSIS : <br />
<br />
Pendinginan merupakan salah satu proses yang dapat digunakan untuk berbagai macam penggunaan, antara lain untuk menjaga produk industri makanan dan produk medis seperti obat-obatan dan vaksin. Proses pendinginan sekarang masih menggunakan teknologi pengawetan berbasis kompresi menggunakan gas pendingin. Tipe gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannya dan tipe R600a memiliki COP yang lebih rendah. Penelitian ini bertujuan merancang perangkat keras dan perangkat lunak yang dapat diaplikasikan pada pendingin termoelektrik, dengan merancang sebuah alat yang digunakan untuk sistem lemari pendingin menggunakan Thermoelectric Cooler (TEC) dan mendapatkan nilai COP yang tinggi. Sistem dibangun dengan kontroler Proportional Integral Derivative (PID). Sistem ini menggunakan beberapa alat antara lain, sensor suhu, Transistor tipe TIP31, modul bluetooth, kipas, dan mikrokontroler ATSAM3X8E. Pengendalian suhu dilakukan dengan membandingkan set-point suhu yang diinginkan dengan suhu dari sensor. Dari penelitian ini diperoleh hasil bahwa semakin besar nilai tegangan yang diberikan maka semakin besar pula besar nilai Pulse Wave Modulation (PWM) yang dihasilkan. Semakin tinggi nilai besar PWM, semakin cepat penurunan suhu pada kotak pendingin. Dari beberapa pengujian dapat disimpulkan bahwa nilai parameter kontrol proporsional (Kp), parameter kontrol integral (Ki), dan nilai parameter kontrol deferensial (Kd ), dimana pada nilai Kp = 255, Ki = 100, dan Kd = 200 mendapatkan grafik yang lebih stabil dan mendekati nilai set-point, dengan nilai error sebesar 2,86 %.<br />
<br />
<br />
'''b. Perbedaan deterministik dan stokastik'''<br />
<br />
b.1 deterministik adalah sesuatu yang pasti akan terjadi. <br />
<br />
b.2 stokastik adalah Stokastik adalah kebolehjadian, atau dengan kata lain sesuatu yang belum terjadi kepastiannya. "Sesungguhnya, Allah tidak akan mengubah nasib suatu kaum, hingga mereka mengubahnya sendiri.." (Q.S. Ar-Ra'd [13] : 11) <br />
<br />
<br />
'''c . Komputasi Teknik pada Tugas Akhir'''<br />
<br />
Tipe tugas akhir saya adalah deteministik. Hal ini dikarenakan nilai dari PID yang saya tentukan pasti. Menurut pendapat saya untuk penerapan komputasi teknik pada tugas akhir saya adalah <br />
<br />
Pada penggunaan fitur controller PID, adalah kemampuan untuk menggunakan tiga tipe kontroller yakni propotional, integral dan derivatif yang mempengaruhi nilai keluaran kontroller untuk dipalikasikan pada nilai yang optimal dari kontroller itu sendiri. <br />
<br />
[[File:PID.png|400px|thumb|left ]]<br />
<br />
Diagram blok yang terdapat pada sebelah kiri menunjukkan bagamimana cara controller ini bekerja. Gambar tersebut menunjukan kontroller PID, yang mana secara kontinu menghitung nilai error e(t) sebagai selisih dari setpoint r(t) dan variabel proses y(t), dan pengaplikasian nya dikoreksi berdasakan propotional, integral, dan derivatif. Kontroller mencoba utnuk meminimalisir error dari lebih nya koreksi kontrol variabel u(t), salah satu contoh nya pengontrolan pada kecepatan kipas, kontrol PID dibutuhkan untuk mengetahui jumlah RPM selanjutnya pada kipas sehingga dapat mendinginkan suatu objek.<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
'''d. Komputasi pada tugas akhir saya kedepan nya'''<br />
<br />
Melakuakn simulasi CFD sederhana untuk melihat aliran fluida di dalam lemari pendingin<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan Ke-3''', (Senin 17-Februari-2020), Presentasi Sinopsis Project Komputasi Teknik ==<br />
<gallery mode="slideshow"><br />
File:PPT_1.png|200px|center|<br />
File:PPT_2.png|200px|center|<br />
File:PPT_3.png|200px|center|<br />
File:PPT_4.png|200px|center|<br />
File:ppt_5.png|200px|center|<br />
</gallery><br />
<br />
----<br />
<br />
== '''Pertemuan ke-4''', (Senin, 24 Februari 2020), Presentasi Model Matematis Project Komputasi Teknik ==<br />
<br />
----<br />
<br />
<br />
<br />
Skema kontrol PID dinamai dari ketiga term pengendalinya, yang kemudian dijumlahkan menjadi variabel manipulasi. Term proporsional, integral, dan derivatif dijumlahkan untuk menghitung keluaran kontroler PID. Dengan mendefinisikan u(t) sebagai keluaran kontroler, bentuk akhir dari algoritme PID adalah:<br />
<br />
<br />
<br />
[[File:Rumus1.png|300px|thumb|center ]]<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Contoh PID pada MATLAB<br />
|-<br />
|'''Jenis'''<br />
|'''Foto'''<br />
|'''Deskripsi'''<br />
|-<br />
! '''Porpotional Integral''' <br />
| [[File:Tilu.png|300px|thumb|left ]] || sys = zpk([],[-1 -1 -1],1); <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Loro.png|300px|thumb|left ]] || <br />
<br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
T_pi_fast = feedback(C_pi_fast*sys,1);<br />
step(T_pi,T_pi_fast)<br />
axis([0 30 0 1.4])<br />
legend('PI','PI,fast')<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Siji.png|300px|thumb|left ]] || <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
[C_pidf_fast,info] = pidtune(sys,'PIDF',1.0)<br />
T_pidf_fast = feedback(C_pidf_fast*sys,1);<br />
<br />
step(T_pi_fast, T_pidf_fast); <br />
<br />
axis([0 30 0 1.4]);<br />
<br />
legend('PI,fast','PIDF,fast');<br />
<br />
sys = zpk([],[-1 -1 -1],1); <br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
S_pi_fast = feedback(sys,C_pi_fast);<br />
S_pidf_fast = feedback(sys,C_pidf_fast);<br />
step(S_pi_fast,S_pidf_fast);<br />
axis([0 50 0 0.4]);<br />
legend('PI,fast','PIDF,fast');<br />
<br />
|-<br />
|}<br />
<br />
----<br />
<br />
<br />
== '''Pertemuan ke-5''', (2 Maret 2020), Quis I ==<br />
<br />
<br />
[[File:Photo 1.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 2.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 3.jpeg|350px|thumb|center ]]<br />
<br />
<br />
<br />
<br />
----<br />
== '''Finite ELement, Finite Diffirent, Finite Volume''' ==<br />
<br />
* '''Pengertian Finite Element :'''<br />
<br />
'''Finite Element :''' menyelesaikan suatu problem dengan cara membagi obyek analisa menjadi bagian-bagian kecil yang terhingga. Bagian-bagian kecil ini kemudian dianalisa dan hasilnya digabungkan kembali untuk mendapatkan penyelesaian untuk keseluruhan daerah. Kata “finite atau terhingga” digunakan untuk menekankan bahwa bagian-bagian kecil tersebut tidak tak terhingga, seperti yang lazim digunakan pada metode integral analitik.<br />
<br />
* '''Pengertian Finite Volume :'''<br />
<br />
'''Finite Volume :''' adalah metode yang digunakna untuk merepresentasikan persamaan diferensial parisial dalam bentuk persamaan algeraic. Didalam metode finite volume, mengintergalkan bagian dari persamaan diferensial parsial ,menggunakan teorema divergensi.<br />
<br />
* '''Pengertian Finite Different :'''<br />
<br />
'''Finite Different :''' adalah diskritisasi yang digunakan untuk menyelesaiakn persamaan diferensial dengan memperkirakan denagn persamaan diferensial yang menggunakan perbedaan yang mendekati derivatif.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Pertemuan ke-6''', Senin 9 Maret 2020, Extended Abstrak ==<br />
<br />
<br />
<br />
Name : Wsinu indrawan<br />
<br />
Title : Fluid Analysis For Mini Fan Refrigerator Using Thermoelectric Cooler <br />
<br />
The cooling is one of the processes can be used for various types of applications, starting from maintaining food industry products and medical products such as drugs and vaccines. The cooling process now still uses compression-based preservation technology using cooling gas. The types of cooling gas used are R134a and R600a. However, the R134a contains HF which has been banned for used, and the R600a contains HF gas which can reduce the ozone layer. In addition, a single fan compressor system that uses cooling gas in a steam compressor has difficulties in regulating the temperature of the target compartment. Based on this, an alternative cooling technology is needed. Thermoelectric cooler (TEC) is an alternative cooling technology, because TEC has advantages such as small size, lower noise and vibration, easier in temperature regulation, low maintenance requirements, can absorb heat using the principle of heat difference so that in addition to being able to the cooler can also be a heater, and besides that it can be turned on with a DC current. Obtained a solution in the form of cooling using a thermoelectric cooler, using a fan in the refrigerator.The current research examines the application of CFD (Computational Fluid Dynamic) to analyze the flow of wind into the refrigerator. Use the existing CFD analyst application. To analyze the flow of fluid entering the refrigerator, it is simplified for this refrigerator, by cutting the inside of the refrigerator. So that the incoming fluid flow can be reviewed, from the incoming air velocity can be analyzed with a simple correlation to the wind speed generated with existing pwm. It is expected that from this research, researchers can find out the wind phenomenon that is in the refrigerator so that it can be used for further research.<br />
<br />
<br />
<br />
<br />
[[File:G1.png|400px|thumb|center ]]<br />
<br />
[[File:test1.png|400px|thumb|center ]]<br />
<br />
== '''Optimasi Energi Pada Manusia''' ==<br />
<br />
The article below will describe how to make optimization in daily life, during one month<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Optimasi Energi Pada Manusia<br />
|-<br />
|'''Jenis'''<br />
|'''Perhitungan'''<br />
|'''Deskripsi'''<br />
|-<br />
! Step 1<br />
| [[File:gazo1.png|700px|left]] || Pertama saya menentukan jumlah jam yang dibutuhkan per hari secara acak dengan funsi rand di excel <br />
<br />
|-<br />
! Step 2 <br />
| [[File:gazo2.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 1<br />
<br />
|-<br />
! Step 3 <br />
| [[File:gazo3.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 2<br />
<br />
|-<br />
! Step 4 <br />
| [[File:gazo4.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 3<br />
<br />
<br />
|-<br />
! Step 5 <br />
| [[File:gazo5.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 4<br />
<br />
|-<br />
! Step 6 <br />
| [[File:hebat.png|700px|left]] || Mencari grafik polynomial pada salah satu minggu dan diadapatkan grafik polynom nya<br />
<br />
|-<br />
! Step 7 <br />
| [[File:gazo7.png|700px|left]] || hasil konversi watt ke rupiah pada hari senin pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 8 <br />
| [[File:gazo8.png|700px|left]] || hasil konversi watt ke rupiah pada hari selasa pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 9 <br />
| [[File:gazo9.png|700px|left]] || hasil konversi watt ke rupiah pada hari rabu pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 10 <br />
| [[File:gazo10.png|700px|left]] || hasil konversi watt ke rupiah pada hari jumat pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 11 <br />
| [[File:gazo11.png|700px|left]] || hasil konversi watt ke rupiah pada hari sabtu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step 12 <br />
| [[File:gazo12.png|700px|left]] || hasil konversi watt ke rupiah pada hari minggu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step Final<br />
| [[File:cobajadulu.png|700px|left]] || Mencoba memasukan nilai minimum ke dalam matlab dan mencari dengan curve fitting<br />
<br />
|-<br />
|}<br />
<br />
== '''Pengarahan Beberapa Teknologi Komputasi Teknik''', 16-03-2020 ==<br />
<br />
<br />
Pada pertemuan kali ini membahas masalah initial thinking, mendevelop model matematis, anlisa secara umum dan analisa secara khusus<br />
<br />
Mengembangkan model amtematis dari konsep model utama dari model matematis tersebut<br />
<br />
Dari modeling tersebut dibutuhkan beberapa tahapan pertama :<br />
<br />
*Constrain <br />
<br />
*Boundary Condition <br />
<br />
*Setelah beberapa tahapan itu masuk ke tahapan simulasi <br />
<br />
Pengertian Verifikasi : <br />
<br />
Verifikasi adalah teori filsafat positif logis dalam memilih yang menyatakan bahwa pengalaman adalah satu-satunya sumber dasar pengetahuan dan dalam analisis logis dapat dilakukan dengan bantuan simbol-simbol logika dengan menggunakan metode untuk pemecahkan masalah melalui metode verifikasi empirik yaitu bila terdapat sesuatu yang tidak dapat diverifikasi secara empirik maka hasilnya adalah sia-sia. penganut teori radikal ini memiliki masalah konsekuensi untuk filosofi tradisional, karena, jika benar, akan menyebabkan banyak pekerjaan sia-sia pada filosofis masa lalu, antara lain pada metafisika dan etika.<br />
<br />
Validasi : <br />
<br />
validasi adalah sebuah teknik validasi model untuk menilai bagaimana hasil statistik analisis akan menggeneralisasi kumpulan data independen. Teknik ini utamanya digunakan untuk melakukan prediksi model dan memperkirakan seberapa akurat sebuah model prediktif ketika dijalankan dalam praktiknya. Dalam sebuah masalah prediksi, sebuah model biasanya diberikan kumpulan data (dataset) yang diketahui untuk digunakan dalam menjalankan pelatihan (dataset pelatihan), serta kumpulan data yang tidak diketahui (atau data yang pertama kali dilihat) terhadap model yang diuji (pengujian dataset).[4] Tujuan dari validasi silang adalah untuk mendefinisikan dataset untuk "menguji" model dalam tahap pelatihan (yaitu, validasi data), dalam rangka untuk membatasi masalah seperti terjadinya overfitting, memberikan wawasan tentang bagaimana model akan menggeneralisasi independen dataset (yaitu, dataset tidak diketahui, misalnya dari masalah nyata), dll.<br />
<br />
== '''Ujian Tengah Semester''', Komputasi Teknik ==<br />
<br />
<br />
<br />
<br />
=== '''Video Pembelajaran Setiap Minggu''' ===<br />
<br />
<br />
'''Kemampuran Komputasi Teknik Selama Perkuliahan, Tutorial Menggunakan CFDSOF'''<br />
<br />
<br />
[[File:.pertemuan3wisnuindrawan.mp4||500px|center]]<br />
<br />
<br />
<br />
=== '''Draft Paper Komputasi Teknik''' ===<br />
<br />
<br />
==== BAB I ====<br />
<br />
Pendinginan salah satu teknologi yang memiliki berbagai macam pengaplikasian, dimulai dari menjaga produk makanan dari kebusukan dan berbagai pengendalian suhu dalam bidang elektronik dan industri lainnya (Gökçekdan Şahin, 2017).Salah satu teknologi pendinginan yang sekarang ini sering digunakan adalah teknologi berbasis kompresi uap karna mempunyai (COP) coefficient of performanceyang tinggi dan mempunyai harga yang lebih murah dibandingkan teknologi alternatif lainnya.Dalam proses pendinginan, teknologi kompresi uap menggunakan gas pendingin yang berfungsi untuk menyerap panas pada udara dalam ruangan, sehingga menjadi bersuhu rendah. Secara luas gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannyadan tipe R600a mengandung gas HF yang dapat mengurangi lapisan ozon (Söylemez dkk., 2018). Selain itu,pada sistem kompresor satu kipas yang menggunakan gas pendingin pada kompresor uap memiliki kesulitan dalampengaturan temperatur dari kompartemen target. Berdasarkan pernyataan tersebut diperlukan suatu teknologi pendingin alternatif. Thermoelectric cooler adalah salah satu alternatif teknologi pendingin, dikarenakan thermoelectric cooler memiliki kelebihan seperti berukuran kecil, kebisingan dan getaran yang lebih rendah, lebih mudah dalam pengaturan suhu, mebutuhkan perawatan yang sedikit, dan dapat dihidupkan dengan arus DC (Söylemezdkk., 2018). Pendinginan dengan menggunakan TEC (Termoelectric Cooling) telah digunakan untuk menghilangkan embun kaca depan kendaraan. Penelitian tersebut telah menghasilkan temperatur hingga 22,4 oC. Penelitian lainTEC telah digunakan untuk pendingin kotak minuman dengan menggunakan 3thermoelectric cooling, dimana dapat menghasilkan temperatur kotak minuman tanpa beban mencapai14,3 oC, dengan beban pendingin air sebanyak 1 liter sebesar 16,4 oC (Nulhakim, 2017). TEC (Termoelectric Cooling) tidak hanya dapat mendinginkan, tetapi dapat memanaskan di waktu yang bersamaan. Sifat dari TEC ini dapat dimanfaatkan untuk sistem pengaturan suhu ruangan. Untuk tujuan pengaturan suhu yang lebih akurat, dapat dipertimbangkan menggunakan sistem kontrol loop tertutup dengan PID (Propotional, Integral dan Derivative). Kelebihan dari pemakaian kontroler PID di loop tertutup adalah kontrol PID memiliki kemampuan untuk penyetelan otomatis, dan dapat adaptasi terhadap variasi waktu, sehinggasistem dari kontroler PID menyediakan aplikasi didalam industri dengan fitur kontrol yang lebih akurat dandapat disesuaikan dengan kebutuhan(Abdullah dan Ayman, 2008). Pengaturan PID pada umumnya menggunakan alat yang memakan banyak biaya. Tetapi menurut hasil dari eskperimen yang menyatakan bahwa kontroler PID menggunakna mikrokontoler tipe P18F4685 yang memiliki kapasitas 14 bit dapat menghasilkan kestabilan yang baik, dengan overshoot yang sedikit, dan memiliki waktu settling time yang sedikit pula (El-Nagar dan El-Bardini, 2014). Dari latar belakang tersebut diperlukan suatu sistem pendingin ruangan yang terkontrol secara otomatis menggunakanteknologi pendingin ramah lingkungan yang terkontrol dengan sistem kontrol loop tertutup, sehinggadapat manjadi salah satu alternatif teknologi pendingin ruangan.Berdasarkan potensi tersebut maka telah dilakukan penelitian tentang rancang bangun sistem pendingin ruangan menggunakan TEC (Thermoelectric Cooler) dengan kontroler PID.<br />
<br />
==== BAB II ====<br />
<br />
'''Sensor Suhu''' <br />
<br />
Salah satu jenis sensor suhu yang banyak digunakan di industri adalah tipe sensor suhu berbahan semikonduktor. Sensor ini menggunakankonfigurasi dioda atau transistor di kutub yang pada sambungan p-n bahan tersebut memiliki respon yang kuat terhadap suhu. Terdapat dua jenis pemberian tegangan pada sambungan p-n yaitu bias maju dan bias mundur seperti ditunjukkan pada Gambar 2.1. Ketika sambungan p-n bias maju dihubungkan dengansumber arus, maka terjadi beda potensial pada kedua sambungan. Beda potensial atau tegangan yang dihasilkan berbanding lurus dengan perubahan suhu(Suryono, 2018).<br />
<br />
[[File:wisnu.png|500px|center|]]<br />
<br />
<br />
<br />
'''Thermoelectric'''<br />
<br />
Modul thermoelectric khas dibuat menggunakan dua buah keramik berbentuk wafer dengan jenis bahan semikonduktor bismuth telluride P dan N yang diapit di antara keduanya seperti yang ditunjukkan pada Gambar 2.3. Bahan keramik di kedua sisi dari thermoelectric berfungsi untuk pelindung dan sebagai isolator listrik yang diperlukan. Bahan tipe-N memiliki kelebihan elektron, sementara bahan tipe-P membutuhkan elektron. Bahan P dan N membentuk pasangan, seperti yang ditunkjukan pada Gambar 2.3. Pasangan thermoelectric dipasang secara seri dan termal sejajar. Modul thermoelectric dapat berisi satu sampai beberapa ratus pasangan. Saat elektron bergerak dari bahan tipe-P ke bahan tipe-N melalui konektor listrik, elektron beralih ke keadaan energi yang lebih tinggi dan menyerap energi panas (sisi dingin) (Manikandan dkk., 2017).<br />
<br />
<br />
[[File:dewawisnuganteng.png|500px|center|]]<br />
<br />
<br />
<br />
<br />
<br />
==== BAB III ====<br />
<br />
Sistem pengendalian yang saya pakai adalah menggunakan mobile phone, jadi pada penyetingan set point pada PID menggunakan apliaksi mobile bebasis bluetooth<br />
<br />
<br />
[[File:bismillahadajalan.png|500px|center|]]<br />
<br />
Selanjut nya pada sistem kerja dari alat ini menggunakan sistem PID untuk mengatur kecepatan dari driver motor untuk mengatur suhu, jika suhu tidak sesuai dengan yang diinginkan maka kecepatan kipas akan terus bertambah.<br />
<br />
<br />
[[File:PIDBROH.png|500px|center|]]<br />
<br />
<br />
Hasil rancang bangun dari alat pendingin ditunjukan pada gambar dibawah ini<br />
<br />
<br />
[[File:celenganrindu.jpg|500px|center|]]<br />
<br />
Pembuatan interface untuk memasukkan data set point pada aplikasi mobile<br />
<br />
[[File:interface.png|500px|center|]]<br />
<br />
Pembuatan interface untuk mencari device bluetooth pada device-device sekitar<br />
<br />
[[File:tampilan2.png|500px|center|]]<br />
<br />
==== BAB IV ====<br />
<br />
Hasil data dari kalibrasi sensor suhu dengan alat ukur standart SNI <br />
<br />
<br />
[[File:akad.png|500px|center|]]<br />
<br />
<br />
Data PID setelah melakukan trial and error mendapatkan nilai Kp Kd Ki <br />
<br />
<br />
[[File:bismillahwisnudata.png|500px|center|]]<br />
<br />
=== '''Laporan Optimasi Energi''' ===<br />
<br />
<br />
Grafik Pada Minggu Pertama<br />
<br />
<br />
<br />
[[File:bersyukurlah.png|500px|center|]]<br />
<br />
[[File:gambarsatu.png|500px|center|]]<br />
<br />
<br />
[[File:semuaudahadarezekinya.png|500px|center|]]<br />
<br />
<br />
<br />
[[File:janganngeluhterus.png|500px|center|]]<br />
<br />
Gambar yang ditunjukan dengan menggunakna aplikasi sypder menunjukkan nilai x, nilai tersebut merupakan nilai minimum atau optimum dari persamaan yang telah dibuat dengan menggunakan excel<br />
<br />
<br />
Revisi Projek tugas komputasi teknik <br />
<br />
Pada kesempatan kali ini saya menggunakan case baru untuk menyelesaikan draft paper mata kuliah komputasi teknik <br />
<br />
Hal ini dikarenakan, ketertarikan penulis untuk mengangkat tema ini <br />
<br />
==Refisi draft paper==<br />
<br />
<br />
<br />
Beberapa contoh data dari nasabah yang dihasilkan untuk mengetahui apakah nasabah ingin meninggalkan bank dari data - data pribadi mereka, <br />
seperti lama mereka menggunakan jasa bank ini, jumlah tabungan mereka, kemudian umur mereka, dan dari pria atau wanita <br />
<br />
<br />
[[File:22 April 2020 5.png || 700px]]<br />
<br />
Pertama data yang berada dalam format csv dimasukan ke dalam pemograman python dengan maka akan muncul tampilan seperti diatas, ataua kerap<br />
disebut sebagai dataframe, setelah dataframe terbentuk maka dataframe tersebut di pecah - pecah atau dikelompokkan mana yang bisa digunakan untuk <br />
independent variable atau tidak <br />
<br />
<br />
<br />
[[File:22 April 2020 1.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 2.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 3.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 4.png || 700px]]<br />
<br />
<br />
methode dari draft paper ini adalah : <br />
<br />
'''mengguankan machine learning''' <br />
<br />
Pembelajaran mesin (ML) adalah studi tentang algoritma komputer yang meningkat secara otomatis melalui pengalaman. [1] Itu dilihat sebagai bagian dari kecerdasan buatan. Algoritma pembelajaran mesin membangun model matematika berdasarkan data sampel, yang dikenal sebagai "data pelatihan", untuk membuat prediksi atau keputusan tanpa diprogram secara eksplisit untuk melakukannya. [2] [3]: 2 Algoritma pembelajaran mesin digunakan dalam berbagai berbagai aplikasi, seperti penyaringan email dan visi komputer, di mana sulit atau tidak layak untuk mengembangkan algoritma konvensional untuk melakukan tugas-tugas yang diperlukan.<br />
<br />
Pembelajaran mesin terkait erat dengan statistik komputasi, yang berfokus pada membuat prediksi menggunakan komputer. Studi tentang optimasi matematika memberikan metode, teori dan domain aplikasi ke bidang pembelajaran mesin. Penambangan data adalah bidang studi terkait, dengan fokus pada analisis data eksplorasi melalui pembelajaran tanpa pengawasan.<br />
<br />
'''Realsi terhadap optimasi'''<br />
<br />
Pembelajaran mesin juga memiliki ikatan intim dengan optimisasi: banyak masalah pembelajaran dirumuskan sebagai minimalisasi beberapa fungsi kerugian pada serangkaian contoh pelatihan. Fungsi kerugian menyatakan perbedaan antara prediksi model yang sedang dilatih dan contoh masalah yang sebenarnya (misalnya, dalam klasifikasi, seseorang ingin menetapkan label pada instance, dan model dilatih untuk memprediksi dengan benar label yang telah ditetapkan sebelumnya dari sekumpulan contoh). Perbedaan antara dua bidang muncul dari tujuan generalisasi: sementara algoritma optimasi dapat meminimalkan kerugian pada set pelatihan, pembelajaran mesin berkaitan dengan meminimalkan kerugian pada sampel yang tidak terlihat. <br />
<br />
'''Relasi terhadap statistik'''<br />
<br />
Pembelajaran mesin dan statistik adalah bidang yang terkait erat dalam hal metode, tetapi berbeda dalam tujuan utamanya: statistik menarik kesimpulan populasi dari sampel, sementara pembelajaran mesin menemukan pola prediksi yang dapat digeneralisasikan. Menurut Michael I. Jordan, gagasan pembelajaran mesin, mulai dari prinsip metodologis hingga alat teoretis, telah memiliki pra-sejarah panjang dalam statistik. [22] Dia juga menyarankan istilah ilmu data sebagai pengganti untuk menyebut bidang keseluruhan. <br />
<br />
Leo Breiman membedakan dua paradigma pemodelan statistik: model data dan model algoritmik, [23] di mana "model algoritmik" berarti kurang lebih algoritma pembelajaran mesin seperti hutan acak.<br />
<br />
Beberapa ahli statistik telah mengadopsi metode dari pembelajaran mesin, yang mengarah ke bidang gabungan yang mereka sebut pembelajaran statistik. <br />
<br />
<br />
'''Teori'''<br />
<br />
Tujuan inti seorang pelajar adalah untuk menggeneralisasi dari pengalamannya. Generalisasi dalam konteks ini adalah kemampuan mesin pembelajaran untuk melakukan secara akurat pada contoh / tugas baru yang tidak terlihat setelah mengalami kumpulan data pembelajaran. Contoh-contoh pelatihan berasal dari beberapa distribusi probabilitas yang umumnya tidak diketahui (dianggap mewakili ruang kejadian) dan pelajar harus membangun model umum tentang ruang ini yang memungkinkannya menghasilkan prediksi yang cukup akurat dalam kasus-kasus baru.<br />
<br />
Analisis komputasi algoritma pembelajaran mesin dan kinerjanya adalah cabang ilmu komputer teoretis yang dikenal sebagai teori pembelajaran komputasi. Karena set pelatihan terbatas dan masa depan tidak pasti, teori pembelajaran biasanya tidak menghasilkan jaminan kinerja algoritma. Sebaliknya, batasan probabilistik pada kinerja cukup umum. Dekomposisi bias-varians adalah salah satu cara untuk mengukur kesalahan generalisasi.<br />
<br />
Untuk kinerja terbaik dalam konteks generalisasi, kompleksitas hipotesis harus sesuai dengan kompleksitas fungsi yang mendasari data. Jika hipotesis kurang kompleks dari fungsi, maka model memiliki data yang sesuai. Jika kompleksitas model meningkat dalam respons, maka kesalahan pelatihan berkurang. Tetapi jika hipotesisnya terlalu kompleks, maka modelnya akan mengalami overfitting dan generalisasi akan menjadi lebih buruk. <br />
<br />
Selain batas kinerja, ahli teori belajar mempelajari kompleksitas waktu dan kelayakan belajar. Dalam teori pembelajaran komputasi, perhitungan dianggap layak jika dapat dilakukan dalam waktu polinomial. Ada dua jenis hasil kompleksitas waktu. Hasil positif menunjukkan bahwa kelas fungsi tertentu dapat dipelajari dalam waktu polinomial. Hasil negatif menunjukkan bahwa kelas-kelas tertentu tidak dapat dipelajari dalam waktu polinomial.<br />
<br />
<br />
<br />
'''metode machine learning ada beberapa tipe nya berikut penjelasan mengenai teori machine learning :''' <br />
<br />
1. Suppport Vector Machine (SVMs)<br />
<br />
Support vector Machines (SVMs) adalah algoritma pembelajaran mesin yang diawasi yang fleksibel namun kuat yang digunakan baik untuk klasifikasi dan regresi. Tetapi umumnya, mereka digunakan dalam masalah klasifikasi. Pada 1960-an, SVM pertama kali diperkenalkan tetapi kemudian disempurnakan pada tahun 1990. SVM memiliki cara implementasi yang unik dibandingkan dengan algoritma pembelajaran mesin lainnya. Akhir-akhir ini, mereka sangat populer karena kemampuan mereka untuk menangani beberapa variabel kontinu dan kategorikal.<br />
<br />
<br />
Dalam praktiknya, algoritma SVM diimplementasikan dengan kernel yang mengubah ruang data input ke dalam formulir yang diperlukan. SVM menggunakan teknik yang disebut trik kernel di mana kernel mengambil ruang input dimensi rendah dan mengubahnya menjadi ruang dimensi yang lebih tinggi. Dengan kata-kata sederhana, kernel mengubah masalah yang tidak dapat dipisahkan menjadi masalah yang dapat dipisahkan dengan menambahkan lebih banyak dimensi ke dalamnya. Itu membuat SVM lebih kuat, fleksibel dan akurat. Berikut ini adalah beberapa jenis kernel yang digunakan oleh SVM.<br />
<br />
<br />
Linear Kernel <br />
<br />
Ini dapat digunakan sebagai produk titik antara dua pengamatan. Rumus kernel linear adalah sebagai berikut<br />
<br />
Metode yang digunakan <br />
<br />
pada penelesaian masalah ini saya menggunakana beberapa engone dari python untuk melakuakn machine learning yakni '''sklearn''' dan '''tensor flow''', berikut penjelasan masing masing metode nya :<br />
<br />
ini adalah struktur skrip dari '''sklearn.prepocessing''' <br />
<br />
class sklearn.preprocessing.OneHotEncoder(*, categories='auto', drop=None, sparse=True, dtype=<class 'numpy.float64'>, handle_unknown='error')[source]<br />
<br />
kenapa class ini digunakan karena machine leraning tidak bisa memproses selain angka, tapi pada kasus ini saya menggunakan nama, umur dan beberapa proses yang menggunakan tipe string(kata - kata)<br />
sehigga sulit untuk di klasifikasikan.<br />
<br />
'''maka dari itu metode ini dapat digunakan.'''<br />
<br />
'''One Hot Encoding adalah :''' reperentasi kategori variabel dalam vektor biner. <br />
<br />
Pertama nilai dari proses ini dipetakan dala nilai integer (nilai angka yang benilai bilangan bulat, tidak memiliki nilai koma)<br />
<br />
Lalu, setiap nilai yang berbentuk integer ini direpresentasikan sebagai vektor biner yang semua nya bernilai nol kecuali yang terindeks integer, yang di tandai 1.<br />
<br />
== Quis II, 6 April 2020 ==<br />
<br />
<br />
Assalamualaiakum Beerikut adalah link dari Quis 2<br />
Wisnu Indrawan <br />
1906433745<br />
<br />
https://drive.google.com/drive/folders/17z_x1nPTXBtnZl_PVhXRBZXdK5Wy0GMx?usp=sharing<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan Tanggal : Senin, 13 April 2020 ==<br />
<br />
<br />
<gallery mode="slideshow"><br />
File:Wisnu 12346798.png<br />
File:Wisnu 123467989.png<br />
File:Wisnu 12346798910.png<br />
File:Wisnu 12346798435435.png<br />
File:Wisnu 1234679843fdsaf4.png<br />
</gallery><br />
<br />
== Resume Pertemuan tanggal : Senin, 20 April 2020 ==<br />
<br />
<br />
<gallery mode="slideshow"><br />
<br />
<br />
File:qwerwqerqwerq_caseII_1.png<br />
File:qwerwqerqwerq_caseII_2.png<br />
File:24-04-2020-1-tugas komtek.png<br />
File:2020-04-24 23 12 57-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 22-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:hasil-24-04-2020.png<br />
File:2020-04-24 23 47 29-Book1 - Excel.png<br />
</gallery><br />
<br />
== Resume Pertemuan tanggal : Senin, 27 April 2020 ==<br />
<br />
1. Pemahaman terkait prinsip dan konsep komputasi teknik<br />
2. Penerapan konsep dan skill dalam komputasi teknik<br />
3. Lebih mengenal diri<br />
Dari 3 point diatas disampaikan via zoom dengan cara sebagai berikut:<br />
<br />
show your contributions<br />
your understanding<br />
your skkill<br />
<br />
== Resume Pertemuan tanggal : Senin, 04 Mei 2020 ==<br />
<br />
<br />
<br />
- Pemahaman terkait prinsip dan konsep komputasi teknik<br />
<br />
- Penerapan konsep dan skill dalam komputasi teknik<br />
<br />
- Lebih mengenal diri baik individu maupun kelompok/ kelas<br />
<br />
Intisaru dari evaluasi diri ini adalah :<br />
<br />
- show your contributions<br />
<br />
- your understanding<br />
<br />
- your skkill<br />
<br />
== Resume Pertemuan tanggal : Senin, 11 Mei 2020 ==<br />
<br />
<br />
Pada pertemuan tanggal 11 Mei 2020 terdapat pembahasan selanjut nya pada pertemuan minggu lalu mengnai pressure drop. Pada pembahsan pada grup whatshap mengenai tentang pendapat individu mengenai kasus pressure drop dan di bahas kemabli dalam grup Komputasi Teknik via whatshapp. Diharapkan pada pembahasan ini secara personal memahami cases Basic Mechanics dan menjadi kewajiban bagi setiap mahsiwa menyatakan analisa pribadi terkait kasus tersebut. <br />
<br />
Berikut Hasil dari pembahasan kasus tersebut : <br />
<br />
<gallery mode="slideshow"><br />
File:WhatsApp Image 2020-05-12 at 19.30.27.jpeg<br />
File:WhatsApp Image 2020-05-11 at 09.41.12.jpeg<br />
File:WhatsApp Image 2020-05-12 at 16.50.43.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.51.38.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.53.29.jpeg<br />
</gallery><br />
<br />
<br />
<br />
'''Azikri '''<br />
<br />
sedikit tambahan terkait hal di atas, bahwa pada dasarnya aliran fluida dalam pipa akan mengalami penurunan tekanan atau pressure drop seiring dengan <br />
panjang pipa ataupun disebabkan oleh gesekan dengan permukaan<br />
saluran, dan juga ketika aliran melewati sambungan pipa, belokan, katup, difusor, dan sebagainya.<br />
Disisi lain, prinsip dasar persamaan kontinuitas juga jadi landasan dimana massa tidak dapat diciptakan dan<br />
tidak dapat dimusnahkan, sehingga massa dalam suatu sistem yang konstan dapat dinyatakan dengan rumus : rho.A.v=m<br />
<br />
atau Jika aliran fluida bersifat incompressible dan steady flow, maka persamaan menjadi : Q=A.v<br />
<br />
Singkatnya dr persmaan pertama bahwa pressure drop berbanding terbalik dengan D, dan begitu halnya dengan persamaan 2 tegangan geser berbanding <br />
terbalik dg A<br />
<br />
'''Adhika '''<br />
<br />
- Gaya Masuk - Gaya Geser Total = Gaya Keluar<br />
- Gaya Geser Total = Gaya Masuk - Gaya Keluar<br />
- Gaya Geser Total = P1.A - P2.A <br />
- Gaya Geser Total = dp . Luas Area Pipa<br />
Shear Stress . Luas Selimut = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(Luas Area Pipa . L. pi . 4) = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(L. pi . 4) / sqrt(Luas Area Pipa) = dp<br />
<br />
Kesimpulan:<br />
Luas Area Pipa semakin besar maka dp akan semakin kecil<br />
<br />
<br />
'''Jerry '''<br />
<br />
Ketika nilai A membesar, maka nilai D secara langsung juga membesar karena A merupakan fungsi D; A(D). <br />
<br />
Dari persamaan pressure drop, terlihat bahwa nilai D berbanding terbalik dengan nilai deltaP. <br />
<br />
Hal ini akan mengimplikasikan bahwa semakin besar nilai D, maka semakin kecil nilai deltaP<br />
<br />
'''Dessy'''<br />
<br />
Sederhananya jika dilihat dari persamaan untuk Pressure Drop maka sudah cukup jelas dalam menjawab pertanyaan mengapa ketika luas area (A) diperbesar <br />
menyebabkan nilai pressure drop yang menurun, dimana <br />
<br />
dP = f L rho V^2 / 2 D<br />
<br />
Dari persamaan diatas terlihat bahwa nilai diameter (pengaruhnya terhadap luas area) berbanding terbalik dengan nilai pressure loss dP.<br />
<br />
Tambahan juga jika dilihat dari nilai kecepatan (disini saya menggunakan analogi aliran fluida dalam pipa), secara logika apabila nilai luas <br />
penampang A diperbesar maka nilai kecepatan akan semakin kecil, sesuai dengan persamaan yang telah dijelaskan oleh saudara Dieter sebelumnya.<br />
<br />
Maka jika kembali ke persamaan pressure drop sesuai analogi ini, A yang besar akan menyebabkan nilai V menurun, akibatnya nilai dP pun akan menurun.<br />
<br />
Dari sini dapat disimpulkan bahwa semakin besar nilai diameter D, yang menghasilkan nilai area A yang semakin besar pula, menghasilkan nilai pressure <br />
drop dP yang semakin kecil.<br />
<br />
'''Muhammad Gumilar'''<br />
<br />
Ada hal menarik disini, dari beberapa yang saya perhtikan dari beberapa pendapat teman-teman, pengaruh dari adanya luasan atau diameter pipa akan <br />
mempengaruhi keepatan alir didalam pipa , sesuai dengan hukum kontinuitas. Berkaitan dengan hal ini, saya mencerna bahwa bisa saja sebenarnya jika <br />
kita membandingkan dua hal yang mana, dua buah pipa dengan diameter yang berbeda akan tetepa memiliki kecepatan aliran rata-rata yang sama, yang <br />
mana berarti kedua debit aliran dari pipa ini berbeda. Namun yang dititikberatkan pada pembahasannya adala, kenapa berdasarkan rumus pressure loss, <br />
apabila diameter membesar, maka pressure drop akan berkurang. Sedangkan dari persamaan yang lain, kita kethaui bahwa gaya gesek akibat adanya <br />
tegangan geser akan meningkat karena persamaannya adalah F=thow * A. <br />
<br />
Kebingunga dari mahasiswS1 tersebut menurut saya adalah pemahaman beliau yang tidak komprehensif terhadap kosnep pressure drop. Memang, pressure drop <br />
itu berhubungan erat dengan adanya gesekan viscous antara fluida dengan dinding pipa. Akan tetapi, ada hal penting yang dilupakan oleh sang mahasiswa <br />
S! tersebut, yaitu bahwa perbesaran diameter dari pipa juga akan mengakibatkan tegangan geser yang terjadi. Secara sederhana, sepemahaman saya, <br />
tegangan geser itu berbanding lurus dengan gradient kecepatan aliran fluida di sepanjang pipa, yaitu du/dy. Nah, apabila, dengan kecepatan rata-rata <br />
yang sama, diameter pipa semakin besar, maka gradient kecepatan di sepanjang pipa akan berkurang karena pengaruh gaya viscous antara dinding dan <br />
fluida juga semain berkurang. Oleh karena itu, pressure Drop yang terjadi juga akan semakin berkurang. Semoga bermanfaaat semua eheheheh<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan tanggal : Senin, 18 Mei 2020 ==</div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=Wisnu_indrawan&diff=35874Wisnu indrawan2020-06-01T08:43:35Z<p>Wisnu indrawan: /* Resume Pertemuan Tanggal : Senin, 13 April 2020 */</p>
<hr />
<div><br />
<br />
----<br />
<br />
== '''Biodata Diri :''' ==<br />
<br />
----<br />
<br />
<br />
[[File:wisnu.jpg|200px|thumb|left|Watashinonamaeha wisnu ndes ]]<br />
<br />
*Nama : Wisnu Indrawan <br />
<br />
*NPM : 1906433745<br />
<br />
*Jurusan : Teknik Mesin<br />
<br />
*Institusi : Universitas Indonesia<br />
<br />
*Penjuruan : SUBAK (Sistem Utilitas Bangunan)<br />
<br />
*Email : wisnu.indrawan@ui.ac.id<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Istilah - Istilah Teknik''' ==<br />
<br />
<br />
'''1. Clustering ''' <br />
<br />
*clustering adalah teknik machine learning berupa algoritma pengelompokkan objek-objek data berjumlah N menjadi <br />
kelompok-kelompok data tertentu (cluster)<br />
<br />
*Objek data yang beada dalam satu kelompok / cluster harus memiliki kemiripan <br />
<br />
*Semakin banyak data yang diperoleh sama dnegan semakin akurat hasil yang di dapatkan <br />
<br />
*Clustering merupakan salah satu jenis dari algoritma unsupervised learining, algoritma <br />
yang bertujuan untuk mempelajari dan menemukan pola dari suatu input yang diberikan tanpa menggunuakan label <br />
<br />
*Dengan penggunaan supervised learning, maka beberapa hal berikut ini dapat dilakukan <br />
<br />
'''1.''' Search: Membandingkan antar dokumen, gambar atau suara untuk menampilkan item serupa. <br />
<br />
'''2.''' Deteksi anomali: Mendeteksi perilaku yang tidak biasa yang biasanya berhubungan dengan hal-hal yang ingin dicegah atau dideteksi, seperti contoh penipuan. <br />
<br />
<br />
Selain itu teknik clustering terdapat beberapa algoritma di dalam nya yang akan dijelaskan istilah nya pada bagian bawah ini : <br />
<br />
<br />
<br />
'''2. K-Means Clustering'''<br />
<br />
*Tentukan jumlah cluster <br />
<br />
*alokasikan data ke dalam cluster secara rancodm <br />
<br />
*hitung centroid/rata-rata dari data yang ada di masing-masing cluster <br />
<br />
*alokasikan masing masing data ke centroid/data-data terdekat <br />
<br />
*kembali ke step 3, apabila masih ada data yang berpindah cluster atau apabila <br />
perubahan nilai centroid, ada yang di atas nilai threshold yang ditentikan atau apabila <br />
perubahan nilai pada objective function yang digunakan di atas nilai threshold yang ditentukan<br />
<br />
<br />
'''3. Mean-Shift Clustering<br />
'''<br />
*Untuk mejelaskan mean-shift, kita ilustrasikan sekumpulan titik dalam ruang <br />
dua dimensi <br />
<br />
*kita mulai dengan circular sliding window yang berpusat pada titik C(dipilih secara acak)<br />
dan memiliki jadi-jadir r sebagai kernel. Mean shift adalah algoritma yang melakukan pergeseran kernel ini secara iteratif <br />
ke daerah kepadatan yang lebih tinggi pada setiap langkah hingga konvegensi.\<br />
<br />
*pada setiap iterasi, sliding window digeser ke arah daerah dengan kepadatan lebih tinggi dengan menggeser titik tengahnya. kepadatan pada sliding window sebanding dengan jumlah tiitk di dalamnya <br />
<br />
*terus melakuakn pergeseran pada sliding window sesuai dengan rata -rata sampai tidak ada arah di mana pergeseran dapat mengakomondasikan lebih banyak titik di dalam kernel (tidak lagi meningkatkan densitas/jumlah titik di window)<br />
<br />
*langkah 1 hingga 3 ini dilakukan dengan banyak sliding window sampai semua titik terletak di dalam window. Ketika beberapa window saling berumpang tindih, window yang berisi titik terbanyak akan dipertahankan. Objek data kemudian dikelompokkan sesua dengan sliding window tempat mereka berada.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-1 ''', (Senin, 03 Februari 2020), Muhasabah ==<br />
<br />
<br />
----<br />
<br />
<br />
'''Muhasabah Diri :''' <br />
<br />
'''Muhasabah adalah''' : sesuatu hal yang perlu dan menjadikannya sebuah kebutuhan dalam tiap-tiap diri manusia, di dalam agama Islam, muhasabah sangatlah dianjurkan karena jika muhasabah bisa dijalankan dengan baik akan memberi banyak manfaat baik yang akan di dapatkan di dunia maupun diakhirat kelak.<br />
<br />
'''Pada pertemuan pertama kami mempelajari apa makna dari komputasi teknik :'''<br />
<br />
'''a. Definisi Komputasi'''<br />
<br />
Komputasi : setulnya bisa diartikan sebagai cara untuk menemukan pemecahan masalah dari data input dengan menggunakan suatu algoritme. Hal ini ialah apa yang disebut dengan teori komputasi, suatu sub-bidang dari ilmu komputer dan matematika. Selama ribuan tahun, perhitungan dan komputasi umumnya dilakukan dengan menggunakan pena dan kertas, atau kapur dan batu tulis, atau dikerjakan secara mental, kadang-kadang dengan bantuan suatu tabel. Namun sekarang, kebanyakan komputasi telah dilakukan dengan menggunakan komputer.<br />
<br />
Komputasi ilmiah dan numerik adalah bidang booming dalam penelitian, teknik, dan analitik. Revolusi dalam industri komputer selama beberapa dekade terakhir telah menyediakan alat baru dan kuat untuk praktisi komputasi. Ini telah memungkinkan usaha komputasi dari skala dan kompleksitas yang sebelumnya tidak pernah terjadi sebelumnya. Akibatnya, semua bidang dan industri bermunculan. Perkembangan ini masih berlangsung, dan ini menciptakan peluang baru seiring dengan meningkatnya perangkat keras, perangkat lunak, dan algoritme. Pada akhirnya, teknologi yang memungkinkan untuk gerakan ini adalah perangkat keras komputasi yang kuat yang telah dikembangkan dalam beberapa dekade terakhir. Namun, untuk seorang praktisi komputasi, lingkungan perangkat lunak yang digunakan untuk pekerjaan komputasi sama pentingnya dengan, jika tidak lebih penting daripada, perangkat keras di mana perhitungan dilakukan.<br />
<br />
'''b. Current state of knowledge'''<br />
<br />
Knowledge i have learned in master amount of application and I just know it in master degree, and this is application I had to learn in master degree, first is lab view, I use it for measure temperature in contactor, so I know the temperature at inlet and outlet, second is REFROP this application helped me to know enthalpy in refrigerant, is superheated or subcool, third but not last is CFD-SOF with this application I can calculate velocity of fluid at an object, for example, is I calculated velocity in planar plate, internal flow pipe, and so on. <br />
<br />
'''c. Pengalaman Komputasi Teknik'''<br />
<br />
Untuk pengalaman saya menggunakan komputasi sudah ada beberapa, seperti CFD SOF dan beberapa bahasa pemograman, tetapi di era data scientist sekarang banyak yang sedang menggunakan bahasa python untuk menjadi bahasa pemograman mereka, hal ini dikarekan python merupakan bahasa pemograman open source (gratis) dan mudah di gunakan untuk pemula, berikut dasar - dasar menggunakan bahsa python :<br />
<br />
'''c.1 Pengenalan Komputasi Menggunakan Python'''<br />
<br />
Python adalah bahasa pemrograman tingkat tinggi yang diartikan untuk keperluan umum yang banyak digunakan dalam komputasi ilmiah dan teknik. Pertama dan terpenting, Python terkenal dengan sintaks code yang bersih dan mudah dibaca. Pembacaan kode yang baik meningkatkan pemeliharaan, yang secara umum menghasilkan lebih sedikit bug dan aplikasi yang lebih baik secara keseluruhan, tetapi juga memungkinkan pengembangan kode yang cepat. Dalam pemecahan masalah komputasi, tentu saja, penting untuk mempertimbangkan kinerja algoritma dan implementasinya. Sementara kinerja runtime terbaik dapat dicapai dalam bahasa pemrograman tingkat rendah seperti fortran dan C, bekerja dalam bahasa tingkat tinggi seperti Python biasanya mengurangi waktu pengembangan dan seringkali menghasilkan kode yang lebih fleksibel dan dapat diperluas.<br />
<br />
'''c.2 Environement Untuk Komputasi Dengan Python''' <br />
<br />
Ada beberapa environtment berbeda yang dapat digunakan Python untuk komputasi ilmiah dan teknis. Keragaman ini memiliki kelebihan dan kekurangan dibandingkan dengan lingkungan yang didukung. Dalam produk komputasi memiliki keanekaragaman menyediakan fleksibilitas dan dinamika yang cocok untuk spesialisasi untuk kasus penggunaan tertentu. Di sini saya memberikan orientasi lingkungan umum untuk komputasi ilmiah. Contoh 3 GUI yang digunakan untuk menjalankan python adalah :<br />
<br />
'''c.2.1. IPython'''<br />
<br />
IPython merupakan sebuah console yang dapat dijalankan secara interaktif. Secara bersama dengan text editor untuk menuliskan code, menyediakan yang ringan untuk dikembangkan .<br />
<br />
'''c.2.2. The Jupyter Notebook'''<br />
<br />
Merupakan aplikasi web di mana kode Python dapat ditulis dan dieksekusi melalui browser web. Environtment ini sangat bagus untuk komputasi numerik, analisis, dan penyelesaian masalah, karena memungkinkan seseorang untuk mengumpulkan code, output yang dihasilkan oleh code, dokumentasi teknis terkait, dan analisis dan interpretasi, semuanya dalam satu dokumen.<br />
<br />
'''c.2.3. Spyder'''<br />
<br />
Integrated Development Environment, yang dapat digunakan untuk menulis dan menjalankan kode Python secara interaktif. IDE seperti Spyder adalah alat yang dapat diguankan untuk mengembangkan library dan modul Python yang bisa digunakan kembali<br />
<br />
'''c.2.4. Interpreter'''<br />
<br />
Cara standar untuk mengeksekusi kode Python adalah menjalankan program secara langsung melalui interpreter Python. Pada kebanyakan sistem, interpreter Python dipanggil menggunakan perintah python. Ketika Python file source diperintahkan sebagai argumen untuk perintah ini, kode Python dalam file tersebut dijalankan.<br />
<br />
$ python hello.py<br />
<br />
Hello from Python!<br />
<br />
Di sini file hello.py berisi satu baris:<br />
<br />
print("Hello from Python!")<br />
<br />
Untuk melihat versi Python mana yang diinstal, seseorang dapat menjalankan perintah python dengan argumen --version:<br />
<br />
$ python –version<br />
<br />
Python 3.6.5<br />
<br />
Adalah umum untuk menginstal lebih dari satu versi Python pada sistem yang sama. Setiap versi Python memelihara kumpulan perpustakaannya sendiri dan menyediakan perintah penerjemahnya sendiri (sehingga setiap lingkungan Python dapat menginstal perpustakaan yang berbeda). Pada banyak sistem, versi tertentu dari juru bahasa Python tersedia melalui perintah seperti, misalnya, python2.7 dan python3.6. Dimungkinkan juga untuk mengatur lingkungan python virtual yang independen dari lingkungan yang disediakan sistem. Ini memiliki banyak keuntungan dan saya sangat menyarankan untuk membiasakan diri dengan cara ini bekerja dengan Python. Lampiran A memberikan perincian tentang cara mengatur dan bekerja dengan lingkungan semacam ini.<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-2 : ''' (Senin, 10 Februari 2020), Sinopsis Tuga Akhir ==<br />
<br />
<br />
----<br />
<br />
<br />
'''a. Menjelaskan Sinopsis Tugas Akhir''' <br />
<br />
JUDUL : <br />
<br />
Sistem Pendingin Mengguankan Thermo Electric Cooler dengan Controller Propotional - Integral Derivative<br />
<br />
SINOPSIS : <br />
<br />
Pendinginan merupakan salah satu proses yang dapat digunakan untuk berbagai macam penggunaan, antara lain untuk menjaga produk industri makanan dan produk medis seperti obat-obatan dan vaksin. Proses pendinginan sekarang masih menggunakan teknologi pengawetan berbasis kompresi menggunakan gas pendingin. Tipe gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannya dan tipe R600a memiliki COP yang lebih rendah. Penelitian ini bertujuan merancang perangkat keras dan perangkat lunak yang dapat diaplikasikan pada pendingin termoelektrik, dengan merancang sebuah alat yang digunakan untuk sistem lemari pendingin menggunakan Thermoelectric Cooler (TEC) dan mendapatkan nilai COP yang tinggi. Sistem dibangun dengan kontroler Proportional Integral Derivative (PID). Sistem ini menggunakan beberapa alat antara lain, sensor suhu, Transistor tipe TIP31, modul bluetooth, kipas, dan mikrokontroler ATSAM3X8E. Pengendalian suhu dilakukan dengan membandingkan set-point suhu yang diinginkan dengan suhu dari sensor. Dari penelitian ini diperoleh hasil bahwa semakin besar nilai tegangan yang diberikan maka semakin besar pula besar nilai Pulse Wave Modulation (PWM) yang dihasilkan. Semakin tinggi nilai besar PWM, semakin cepat penurunan suhu pada kotak pendingin. Dari beberapa pengujian dapat disimpulkan bahwa nilai parameter kontrol proporsional (Kp), parameter kontrol integral (Ki), dan nilai parameter kontrol deferensial (Kd ), dimana pada nilai Kp = 255, Ki = 100, dan Kd = 200 mendapatkan grafik yang lebih stabil dan mendekati nilai set-point, dengan nilai error sebesar 2,86 %.<br />
<br />
<br />
'''b. Perbedaan deterministik dan stokastik'''<br />
<br />
b.1 deterministik adalah sesuatu yang pasti akan terjadi. <br />
<br />
b.2 stokastik adalah Stokastik adalah kebolehjadian, atau dengan kata lain sesuatu yang belum terjadi kepastiannya. "Sesungguhnya, Allah tidak akan mengubah nasib suatu kaum, hingga mereka mengubahnya sendiri.." (Q.S. Ar-Ra'd [13] : 11) <br />
<br />
<br />
'''c . Komputasi Teknik pada Tugas Akhir'''<br />
<br />
Tipe tugas akhir saya adalah deteministik. Hal ini dikarenakan nilai dari PID yang saya tentukan pasti. Menurut pendapat saya untuk penerapan komputasi teknik pada tugas akhir saya adalah <br />
<br />
Pada penggunaan fitur controller PID, adalah kemampuan untuk menggunakan tiga tipe kontroller yakni propotional, integral dan derivatif yang mempengaruhi nilai keluaran kontroller untuk dipalikasikan pada nilai yang optimal dari kontroller itu sendiri. <br />
<br />
[[File:PID.png|400px|thumb|left ]]<br />
<br />
Diagram blok yang terdapat pada sebelah kiri menunjukkan bagamimana cara controller ini bekerja. Gambar tersebut menunjukan kontroller PID, yang mana secara kontinu menghitung nilai error e(t) sebagai selisih dari setpoint r(t) dan variabel proses y(t), dan pengaplikasian nya dikoreksi berdasakan propotional, integral, dan derivatif. Kontroller mencoba utnuk meminimalisir error dari lebih nya koreksi kontrol variabel u(t), salah satu contoh nya pengontrolan pada kecepatan kipas, kontrol PID dibutuhkan untuk mengetahui jumlah RPM selanjutnya pada kipas sehingga dapat mendinginkan suatu objek.<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
'''d. Komputasi pada tugas akhir saya kedepan nya'''<br />
<br />
Melakuakn simulasi CFD sederhana untuk melihat aliran fluida di dalam lemari pendingin<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan Ke-3''', (Senin 17-Februari-2020), Presentasi Sinopsis Project Komputasi Teknik ==<br />
<gallery mode="slideshow"><br />
File:PPT_1.png|200px|center|<br />
File:PPT_2.png|200px|center|<br />
File:PPT_3.png|200px|center|<br />
File:PPT_4.png|200px|center|<br />
File:ppt_5.png|200px|center|<br />
</gallery><br />
<br />
----<br />
<br />
== '''Pertemuan ke-4''', (Senin, 24 Februari 2020), Presentasi Model Matematis Project Komputasi Teknik ==<br />
<br />
----<br />
<br />
<br />
<br />
Skema kontrol PID dinamai dari ketiga term pengendalinya, yang kemudian dijumlahkan menjadi variabel manipulasi. Term proporsional, integral, dan derivatif dijumlahkan untuk menghitung keluaran kontroler PID. Dengan mendefinisikan u(t) sebagai keluaran kontroler, bentuk akhir dari algoritme PID adalah:<br />
<br />
<br />
<br />
[[File:Rumus1.png|300px|thumb|center ]]<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Contoh PID pada MATLAB<br />
|-<br />
|'''Jenis'''<br />
|'''Foto'''<br />
|'''Deskripsi'''<br />
|-<br />
! '''Porpotional Integral''' <br />
| [[File:Tilu.png|300px|thumb|left ]] || sys = zpk([],[-1 -1 -1],1); <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Loro.png|300px|thumb|left ]] || <br />
<br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
T_pi_fast = feedback(C_pi_fast*sys,1);<br />
step(T_pi,T_pi_fast)<br />
axis([0 30 0 1.4])<br />
legend('PI','PI,fast')<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Siji.png|300px|thumb|left ]] || <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
[C_pidf_fast,info] = pidtune(sys,'PIDF',1.0)<br />
T_pidf_fast = feedback(C_pidf_fast*sys,1);<br />
<br />
step(T_pi_fast, T_pidf_fast); <br />
<br />
axis([0 30 0 1.4]);<br />
<br />
legend('PI,fast','PIDF,fast');<br />
<br />
sys = zpk([],[-1 -1 -1],1); <br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
S_pi_fast = feedback(sys,C_pi_fast);<br />
S_pidf_fast = feedback(sys,C_pidf_fast);<br />
step(S_pi_fast,S_pidf_fast);<br />
axis([0 50 0 0.4]);<br />
legend('PI,fast','PIDF,fast');<br />
<br />
|-<br />
|}<br />
<br />
----<br />
<br />
<br />
== '''Pertemuan ke-5''', (2 Maret 2020), Quis I ==<br />
<br />
<br />
[[File:Photo 1.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 2.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 3.jpeg|350px|thumb|center ]]<br />
<br />
<br />
<br />
<br />
----<br />
== '''Finite ELement, Finite Diffirent, Finite Volume''' ==<br />
<br />
* '''Pengertian Finite Element :'''<br />
<br />
'''Finite Element :''' menyelesaikan suatu problem dengan cara membagi obyek analisa menjadi bagian-bagian kecil yang terhingga. Bagian-bagian kecil ini kemudian dianalisa dan hasilnya digabungkan kembali untuk mendapatkan penyelesaian untuk keseluruhan daerah. Kata “finite atau terhingga” digunakan untuk menekankan bahwa bagian-bagian kecil tersebut tidak tak terhingga, seperti yang lazim digunakan pada metode integral analitik.<br />
<br />
* '''Pengertian Finite Volume :'''<br />
<br />
'''Finite Volume :''' adalah metode yang digunakna untuk merepresentasikan persamaan diferensial parisial dalam bentuk persamaan algeraic. Didalam metode finite volume, mengintergalkan bagian dari persamaan diferensial parsial ,menggunakan teorema divergensi.<br />
<br />
* '''Pengertian Finite Different :'''<br />
<br />
'''Finite Different :''' adalah diskritisasi yang digunakan untuk menyelesaiakn persamaan diferensial dengan memperkirakan denagn persamaan diferensial yang menggunakan perbedaan yang mendekati derivatif.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Pertemuan ke-6''', Senin 9 Maret 2020, Extended Abstrak ==<br />
<br />
<br />
<br />
Name : Wsinu indrawan<br />
<br />
Title : Fluid Analysis For Mini Fan Refrigerator Using Thermoelectric Cooler <br />
<br />
The cooling is one of the processes can be used for various types of applications, starting from maintaining food industry products and medical products such as drugs and vaccines. The cooling process now still uses compression-based preservation technology using cooling gas. The types of cooling gas used are R134a and R600a. However, the R134a contains HF which has been banned for used, and the R600a contains HF gas which can reduce the ozone layer. In addition, a single fan compressor system that uses cooling gas in a steam compressor has difficulties in regulating the temperature of the target compartment. Based on this, an alternative cooling technology is needed. Thermoelectric cooler (TEC) is an alternative cooling technology, because TEC has advantages such as small size, lower noise and vibration, easier in temperature regulation, low maintenance requirements, can absorb heat using the principle of heat difference so that in addition to being able to the cooler can also be a heater, and besides that it can be turned on with a DC current. Obtained a solution in the form of cooling using a thermoelectric cooler, using a fan in the refrigerator.The current research examines the application of CFD (Computational Fluid Dynamic) to analyze the flow of wind into the refrigerator. Use the existing CFD analyst application. To analyze the flow of fluid entering the refrigerator, it is simplified for this refrigerator, by cutting the inside of the refrigerator. So that the incoming fluid flow can be reviewed, from the incoming air velocity can be analyzed with a simple correlation to the wind speed generated with existing pwm. It is expected that from this research, researchers can find out the wind phenomenon that is in the refrigerator so that it can be used for further research.<br />
<br />
<br />
<br />
<br />
[[File:G1.png|400px|thumb|center ]]<br />
<br />
[[File:test1.png|400px|thumb|center ]]<br />
<br />
== '''Optimasi Energi Pada Manusia''' ==<br />
<br />
The article below will describe how to make optimization in daily life, during one month<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Optimasi Energi Pada Manusia<br />
|-<br />
|'''Jenis'''<br />
|'''Perhitungan'''<br />
|'''Deskripsi'''<br />
|-<br />
! Step 1<br />
| [[File:gazo1.png|700px|left]] || Pertama saya menentukan jumlah jam yang dibutuhkan per hari secara acak dengan funsi rand di excel <br />
<br />
|-<br />
! Step 2 <br />
| [[File:gazo2.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 1<br />
<br />
|-<br />
! Step 3 <br />
| [[File:gazo3.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 2<br />
<br />
|-<br />
! Step 4 <br />
| [[File:gazo4.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 3<br />
<br />
<br />
|-<br />
! Step 5 <br />
| [[File:gazo5.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 4<br />
<br />
|-<br />
! Step 6 <br />
| [[File:hebat.png|700px|left]] || Mencari grafik polynomial pada salah satu minggu dan diadapatkan grafik polynom nya<br />
<br />
|-<br />
! Step 7 <br />
| [[File:gazo7.png|700px|left]] || hasil konversi watt ke rupiah pada hari senin pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 8 <br />
| [[File:gazo8.png|700px|left]] || hasil konversi watt ke rupiah pada hari selasa pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 9 <br />
| [[File:gazo9.png|700px|left]] || hasil konversi watt ke rupiah pada hari rabu pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 10 <br />
| [[File:gazo10.png|700px|left]] || hasil konversi watt ke rupiah pada hari jumat pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 11 <br />
| [[File:gazo11.png|700px|left]] || hasil konversi watt ke rupiah pada hari sabtu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step 12 <br />
| [[File:gazo12.png|700px|left]] || hasil konversi watt ke rupiah pada hari minggu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step Final<br />
| [[File:cobajadulu.png|700px|left]] || Mencoba memasukan nilai minimum ke dalam matlab dan mencari dengan curve fitting<br />
<br />
|-<br />
|}<br />
<br />
== '''Pengarahan Beberapa Teknologi Komputasi Teknik''', 16-03-2020 ==<br />
<br />
<br />
Pada pertemuan kali ini membahas masalah initial thinking, mendevelop model matematis, anlisa secara umum dan analisa secara khusus<br />
<br />
Mengembangkan model amtematis dari konsep model utama dari model matematis tersebut<br />
<br />
Dari modeling tersebut dibutuhkan beberapa tahapan pertama :<br />
<br />
*Constrain <br />
<br />
*Boundary Condition <br />
<br />
*Setelah beberapa tahapan itu masuk ke tahapan simulasi <br />
<br />
Pengertian Verifikasi : <br />
<br />
Verifikasi adalah teori filsafat positif logis dalam memilih yang menyatakan bahwa pengalaman adalah satu-satunya sumber dasar pengetahuan dan dalam analisis logis dapat dilakukan dengan bantuan simbol-simbol logika dengan menggunakan metode untuk pemecahkan masalah melalui metode verifikasi empirik yaitu bila terdapat sesuatu yang tidak dapat diverifikasi secara empirik maka hasilnya adalah sia-sia. penganut teori radikal ini memiliki masalah konsekuensi untuk filosofi tradisional, karena, jika benar, akan menyebabkan banyak pekerjaan sia-sia pada filosofis masa lalu, antara lain pada metafisika dan etika.<br />
<br />
Validasi : <br />
<br />
validasi adalah sebuah teknik validasi model untuk menilai bagaimana hasil statistik analisis akan menggeneralisasi kumpulan data independen. Teknik ini utamanya digunakan untuk melakukan prediksi model dan memperkirakan seberapa akurat sebuah model prediktif ketika dijalankan dalam praktiknya. Dalam sebuah masalah prediksi, sebuah model biasanya diberikan kumpulan data (dataset) yang diketahui untuk digunakan dalam menjalankan pelatihan (dataset pelatihan), serta kumpulan data yang tidak diketahui (atau data yang pertama kali dilihat) terhadap model yang diuji (pengujian dataset).[4] Tujuan dari validasi silang adalah untuk mendefinisikan dataset untuk "menguji" model dalam tahap pelatihan (yaitu, validasi data), dalam rangka untuk membatasi masalah seperti terjadinya overfitting, memberikan wawasan tentang bagaimana model akan menggeneralisasi independen dataset (yaitu, dataset tidak diketahui, misalnya dari masalah nyata), dll.<br />
<br />
== '''Ujian Tengah Semester''', Komputasi Teknik ==<br />
<br />
<br />
<br />
<br />
=== '''Video Pembelajaran Setiap Minggu''' ===<br />
<br />
<br />
'''Kemampuran Komputasi Teknik Selama Perkuliahan, Tutorial Menggunakan CFDSOF'''<br />
<br />
<br />
[[File:.pertemuan3wisnuindrawan.mp4||500px|center]]<br />
<br />
<br />
<br />
=== '''Draft Paper Komputasi Teknik''' ===<br />
<br />
<br />
==== BAB I ====<br />
<br />
Pendinginan salah satu teknologi yang memiliki berbagai macam pengaplikasian, dimulai dari menjaga produk makanan dari kebusukan dan berbagai pengendalian suhu dalam bidang elektronik dan industri lainnya (Gökçekdan Şahin, 2017).Salah satu teknologi pendinginan yang sekarang ini sering digunakan adalah teknologi berbasis kompresi uap karna mempunyai (COP) coefficient of performanceyang tinggi dan mempunyai harga yang lebih murah dibandingkan teknologi alternatif lainnya.Dalam proses pendinginan, teknologi kompresi uap menggunakan gas pendingin yang berfungsi untuk menyerap panas pada udara dalam ruangan, sehingga menjadi bersuhu rendah. Secara luas gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannyadan tipe R600a mengandung gas HF yang dapat mengurangi lapisan ozon (Söylemez dkk., 2018). Selain itu,pada sistem kompresor satu kipas yang menggunakan gas pendingin pada kompresor uap memiliki kesulitan dalampengaturan temperatur dari kompartemen target. Berdasarkan pernyataan tersebut diperlukan suatu teknologi pendingin alternatif. Thermoelectric cooler adalah salah satu alternatif teknologi pendingin, dikarenakan thermoelectric cooler memiliki kelebihan seperti berukuran kecil, kebisingan dan getaran yang lebih rendah, lebih mudah dalam pengaturan suhu, mebutuhkan perawatan yang sedikit, dan dapat dihidupkan dengan arus DC (Söylemezdkk., 2018). Pendinginan dengan menggunakan TEC (Termoelectric Cooling) telah digunakan untuk menghilangkan embun kaca depan kendaraan. Penelitian tersebut telah menghasilkan temperatur hingga 22,4 oC. Penelitian lainTEC telah digunakan untuk pendingin kotak minuman dengan menggunakan 3thermoelectric cooling, dimana dapat menghasilkan temperatur kotak minuman tanpa beban mencapai14,3 oC, dengan beban pendingin air sebanyak 1 liter sebesar 16,4 oC (Nulhakim, 2017). TEC (Termoelectric Cooling) tidak hanya dapat mendinginkan, tetapi dapat memanaskan di waktu yang bersamaan. Sifat dari TEC ini dapat dimanfaatkan untuk sistem pengaturan suhu ruangan. Untuk tujuan pengaturan suhu yang lebih akurat, dapat dipertimbangkan menggunakan sistem kontrol loop tertutup dengan PID (Propotional, Integral dan Derivative). Kelebihan dari pemakaian kontroler PID di loop tertutup adalah kontrol PID memiliki kemampuan untuk penyetelan otomatis, dan dapat adaptasi terhadap variasi waktu, sehinggasistem dari kontroler PID menyediakan aplikasi didalam industri dengan fitur kontrol yang lebih akurat dandapat disesuaikan dengan kebutuhan(Abdullah dan Ayman, 2008). Pengaturan PID pada umumnya menggunakan alat yang memakan banyak biaya. Tetapi menurut hasil dari eskperimen yang menyatakan bahwa kontroler PID menggunakna mikrokontoler tipe P18F4685 yang memiliki kapasitas 14 bit dapat menghasilkan kestabilan yang baik, dengan overshoot yang sedikit, dan memiliki waktu settling time yang sedikit pula (El-Nagar dan El-Bardini, 2014). Dari latar belakang tersebut diperlukan suatu sistem pendingin ruangan yang terkontrol secara otomatis menggunakanteknologi pendingin ramah lingkungan yang terkontrol dengan sistem kontrol loop tertutup, sehinggadapat manjadi salah satu alternatif teknologi pendingin ruangan.Berdasarkan potensi tersebut maka telah dilakukan penelitian tentang rancang bangun sistem pendingin ruangan menggunakan TEC (Thermoelectric Cooler) dengan kontroler PID.<br />
<br />
==== BAB II ====<br />
<br />
'''Sensor Suhu''' <br />
<br />
Salah satu jenis sensor suhu yang banyak digunakan di industri adalah tipe sensor suhu berbahan semikonduktor. Sensor ini menggunakankonfigurasi dioda atau transistor di kutub yang pada sambungan p-n bahan tersebut memiliki respon yang kuat terhadap suhu. Terdapat dua jenis pemberian tegangan pada sambungan p-n yaitu bias maju dan bias mundur seperti ditunjukkan pada Gambar 2.1. Ketika sambungan p-n bias maju dihubungkan dengansumber arus, maka terjadi beda potensial pada kedua sambungan. Beda potensial atau tegangan yang dihasilkan berbanding lurus dengan perubahan suhu(Suryono, 2018).<br />
<br />
[[File:wisnu.png|500px|center|]]<br />
<br />
<br />
<br />
'''Thermoelectric'''<br />
<br />
Modul thermoelectric khas dibuat menggunakan dua buah keramik berbentuk wafer dengan jenis bahan semikonduktor bismuth telluride P dan N yang diapit di antara keduanya seperti yang ditunjukkan pada Gambar 2.3. Bahan keramik di kedua sisi dari thermoelectric berfungsi untuk pelindung dan sebagai isolator listrik yang diperlukan. Bahan tipe-N memiliki kelebihan elektron, sementara bahan tipe-P membutuhkan elektron. Bahan P dan N membentuk pasangan, seperti yang ditunkjukan pada Gambar 2.3. Pasangan thermoelectric dipasang secara seri dan termal sejajar. Modul thermoelectric dapat berisi satu sampai beberapa ratus pasangan. Saat elektron bergerak dari bahan tipe-P ke bahan tipe-N melalui konektor listrik, elektron beralih ke keadaan energi yang lebih tinggi dan menyerap energi panas (sisi dingin) (Manikandan dkk., 2017).<br />
<br />
<br />
[[File:dewawisnuganteng.png|500px|center|]]<br />
<br />
<br />
<br />
<br />
<br />
==== BAB III ====<br />
<br />
Sistem pengendalian yang saya pakai adalah menggunakan mobile phone, jadi pada penyetingan set point pada PID menggunakan apliaksi mobile bebasis bluetooth<br />
<br />
<br />
[[File:bismillahadajalan.png|500px|center|]]<br />
<br />
Selanjut nya pada sistem kerja dari alat ini menggunakan sistem PID untuk mengatur kecepatan dari driver motor untuk mengatur suhu, jika suhu tidak sesuai dengan yang diinginkan maka kecepatan kipas akan terus bertambah.<br />
<br />
<br />
[[File:PIDBROH.png|500px|center|]]<br />
<br />
<br />
Hasil rancang bangun dari alat pendingin ditunjukan pada gambar dibawah ini<br />
<br />
<br />
[[File:celenganrindu.jpg|500px|center|]]<br />
<br />
Pembuatan interface untuk memasukkan data set point pada aplikasi mobile<br />
<br />
[[File:interface.png|500px|center|]]<br />
<br />
Pembuatan interface untuk mencari device bluetooth pada device-device sekitar<br />
<br />
[[File:tampilan2.png|500px|center|]]<br />
<br />
==== BAB IV ====<br />
<br />
Hasil data dari kalibrasi sensor suhu dengan alat ukur standart SNI <br />
<br />
<br />
[[File:akad.png|500px|center|]]<br />
<br />
<br />
Data PID setelah melakukan trial and error mendapatkan nilai Kp Kd Ki <br />
<br />
<br />
[[File:bismillahwisnudata.png|500px|center|]]<br />
<br />
=== '''Laporan Optimasi Energi''' ===<br />
<br />
<br />
Grafik Pada Minggu Pertama<br />
<br />
<br />
<br />
[[File:bersyukurlah.png|500px|center|]]<br />
<br />
[[File:gambarsatu.png|500px|center|]]<br />
<br />
<br />
[[File:semuaudahadarezekinya.png|500px|center|]]<br />
<br />
<br />
<br />
[[File:janganngeluhterus.png|500px|center|]]<br />
<br />
Gambar yang ditunjukan dengan menggunakna aplikasi sypder menunjukkan nilai x, nilai tersebut merupakan nilai minimum atau optimum dari persamaan yang telah dibuat dengan menggunakan excel<br />
<br />
<br />
Revisi Projek tugas komputasi teknik <br />
<br />
Pada kesempatan kali ini saya menggunakan case baru untuk menyelesaikan draft paper mata kuliah komputasi teknik <br />
<br />
Hal ini dikarenakan, ketertarikan penulis untuk mengangkat tema ini <br />
<br />
==Refisi draft paper==<br />
<br />
<br />
<br />
Beberapa contoh data dari nasabah yang dihasilkan untuk mengetahui apakah nasabah ingin meninggalkan bank dari data - data pribadi mereka, <br />
seperti lama mereka menggunakan jasa bank ini, jumlah tabungan mereka, kemudian umur mereka, dan dari pria atau wanita <br />
<br />
<br />
[[File:22 April 2020 5.png || 700px]]<br />
<br />
Pertama data yang berada dalam format csv dimasukan ke dalam pemograman python dengan maka akan muncul tampilan seperti diatas, ataua kerap<br />
disebut sebagai dataframe, setelah dataframe terbentuk maka dataframe tersebut di pecah - pecah atau dikelompokkan mana yang bisa digunakan untuk <br />
independent variable atau tidak <br />
<br />
<br />
<br />
[[File:22 April 2020 1.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 2.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 3.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 4.png || 700px]]<br />
<br />
<br />
methode dari draft paper ini adalah : <br />
<br />
'''mengguankan machine learning''' <br />
<br />
Pembelajaran mesin (ML) adalah studi tentang algoritma komputer yang meningkat secara otomatis melalui pengalaman. [1] Itu dilihat sebagai bagian dari kecerdasan buatan. Algoritma pembelajaran mesin membangun model matematika berdasarkan data sampel, yang dikenal sebagai "data pelatihan", untuk membuat prediksi atau keputusan tanpa diprogram secara eksplisit untuk melakukannya. [2] [3]: 2 Algoritma pembelajaran mesin digunakan dalam berbagai berbagai aplikasi, seperti penyaringan email dan visi komputer, di mana sulit atau tidak layak untuk mengembangkan algoritma konvensional untuk melakukan tugas-tugas yang diperlukan.<br />
<br />
Pembelajaran mesin terkait erat dengan statistik komputasi, yang berfokus pada membuat prediksi menggunakan komputer. Studi tentang optimasi matematika memberikan metode, teori dan domain aplikasi ke bidang pembelajaran mesin. Penambangan data adalah bidang studi terkait, dengan fokus pada analisis data eksplorasi melalui pembelajaran tanpa pengawasan.<br />
<br />
'''Realsi terhadap optimasi'''<br />
<br />
Pembelajaran mesin juga memiliki ikatan intim dengan optimisasi: banyak masalah pembelajaran dirumuskan sebagai minimalisasi beberapa fungsi kerugian pada serangkaian contoh pelatihan. Fungsi kerugian menyatakan perbedaan antara prediksi model yang sedang dilatih dan contoh masalah yang sebenarnya (misalnya, dalam klasifikasi, seseorang ingin menetapkan label pada instance, dan model dilatih untuk memprediksi dengan benar label yang telah ditetapkan sebelumnya dari sekumpulan contoh). Perbedaan antara dua bidang muncul dari tujuan generalisasi: sementara algoritma optimasi dapat meminimalkan kerugian pada set pelatihan, pembelajaran mesin berkaitan dengan meminimalkan kerugian pada sampel yang tidak terlihat. <br />
<br />
'''Relasi terhadap statistik'''<br />
<br />
Pembelajaran mesin dan statistik adalah bidang yang terkait erat dalam hal metode, tetapi berbeda dalam tujuan utamanya: statistik menarik kesimpulan populasi dari sampel, sementara pembelajaran mesin menemukan pola prediksi yang dapat digeneralisasikan. Menurut Michael I. Jordan, gagasan pembelajaran mesin, mulai dari prinsip metodologis hingga alat teoretis, telah memiliki pra-sejarah panjang dalam statistik. [22] Dia juga menyarankan istilah ilmu data sebagai pengganti untuk menyebut bidang keseluruhan. <br />
<br />
Leo Breiman membedakan dua paradigma pemodelan statistik: model data dan model algoritmik, [23] di mana "model algoritmik" berarti kurang lebih algoritma pembelajaran mesin seperti hutan acak.<br />
<br />
Beberapa ahli statistik telah mengadopsi metode dari pembelajaran mesin, yang mengarah ke bidang gabungan yang mereka sebut pembelajaran statistik. <br />
<br />
<br />
'''Teori'''<br />
<br />
Tujuan inti seorang pelajar adalah untuk menggeneralisasi dari pengalamannya. Generalisasi dalam konteks ini adalah kemampuan mesin pembelajaran untuk melakukan secara akurat pada contoh / tugas baru yang tidak terlihat setelah mengalami kumpulan data pembelajaran. Contoh-contoh pelatihan berasal dari beberapa distribusi probabilitas yang umumnya tidak diketahui (dianggap mewakili ruang kejadian) dan pelajar harus membangun model umum tentang ruang ini yang memungkinkannya menghasilkan prediksi yang cukup akurat dalam kasus-kasus baru.<br />
<br />
Analisis komputasi algoritma pembelajaran mesin dan kinerjanya adalah cabang ilmu komputer teoretis yang dikenal sebagai teori pembelajaran komputasi. Karena set pelatihan terbatas dan masa depan tidak pasti, teori pembelajaran biasanya tidak menghasilkan jaminan kinerja algoritma. Sebaliknya, batasan probabilistik pada kinerja cukup umum. Dekomposisi bias-varians adalah salah satu cara untuk mengukur kesalahan generalisasi.<br />
<br />
Untuk kinerja terbaik dalam konteks generalisasi, kompleksitas hipotesis harus sesuai dengan kompleksitas fungsi yang mendasari data. Jika hipotesis kurang kompleks dari fungsi, maka model memiliki data yang sesuai. Jika kompleksitas model meningkat dalam respons, maka kesalahan pelatihan berkurang. Tetapi jika hipotesisnya terlalu kompleks, maka modelnya akan mengalami overfitting dan generalisasi akan menjadi lebih buruk. <br />
<br />
Selain batas kinerja, ahli teori belajar mempelajari kompleksitas waktu dan kelayakan belajar. Dalam teori pembelajaran komputasi, perhitungan dianggap layak jika dapat dilakukan dalam waktu polinomial. Ada dua jenis hasil kompleksitas waktu. Hasil positif menunjukkan bahwa kelas fungsi tertentu dapat dipelajari dalam waktu polinomial. Hasil negatif menunjukkan bahwa kelas-kelas tertentu tidak dapat dipelajari dalam waktu polinomial.<br />
<br />
<br />
<br />
'''metode machine learning ada beberapa tipe nya berikut penjelasan mengenai teori machine learning :''' <br />
<br />
1. Suppport Vector Machine (SVMs)<br />
<br />
Support vector Machines (SVMs) adalah algoritma pembelajaran mesin yang diawasi yang fleksibel namun kuat yang digunakan baik untuk klasifikasi dan regresi. Tetapi umumnya, mereka digunakan dalam masalah klasifikasi. Pada 1960-an, SVM pertama kali diperkenalkan tetapi kemudian disempurnakan pada tahun 1990. SVM memiliki cara implementasi yang unik dibandingkan dengan algoritma pembelajaran mesin lainnya. Akhir-akhir ini, mereka sangat populer karena kemampuan mereka untuk menangani beberapa variabel kontinu dan kategorikal.<br />
<br />
<br />
Dalam praktiknya, algoritma SVM diimplementasikan dengan kernel yang mengubah ruang data input ke dalam formulir yang diperlukan. SVM menggunakan teknik yang disebut trik kernel di mana kernel mengambil ruang input dimensi rendah dan mengubahnya menjadi ruang dimensi yang lebih tinggi. Dengan kata-kata sederhana, kernel mengubah masalah yang tidak dapat dipisahkan menjadi masalah yang dapat dipisahkan dengan menambahkan lebih banyak dimensi ke dalamnya. Itu membuat SVM lebih kuat, fleksibel dan akurat. Berikut ini adalah beberapa jenis kernel yang digunakan oleh SVM.<br />
<br />
<br />
Linear Kernel <br />
<br />
Ini dapat digunakan sebagai produk titik antara dua pengamatan. Rumus kernel linear adalah sebagai berikut<br />
<br />
Metode yang digunakan <br />
<br />
pada penelesaian masalah ini saya menggunakana beberapa engone dari python untuk melakuakn machine learning yakni '''sklearn''' dan '''tensor flow''', berikut penjelasan masing masing metode nya :<br />
<br />
ini adalah struktur skrip dari '''sklearn.prepocessing''' <br />
<br />
class sklearn.preprocessing.OneHotEncoder(*, categories='auto', drop=None, sparse=True, dtype=<class 'numpy.float64'>, handle_unknown='error')[source]<br />
<br />
kenapa class ini digunakan karena machine leraning tidak bisa memproses selain angka, tapi pada kasus ini saya menggunakan nama, umur dan beberapa proses yang menggunakan tipe string(kata - kata)<br />
sehigga sulit untuk di klasifikasikan.<br />
<br />
'''maka dari itu metode ini dapat digunakan.'''<br />
<br />
'''One Hot Encoding adalah :''' reperentasi kategori variabel dalam vektor biner. <br />
<br />
Pertama nilai dari proses ini dipetakan dala nilai integer (nilai angka yang benilai bilangan bulat, tidak memiliki nilai koma)<br />
<br />
Lalu, setiap nilai yang berbentuk integer ini direpresentasikan sebagai vektor biner yang semua nya bernilai nol kecuali yang terindeks integer, yang di tandai 1.<br />
<br />
== Quis II, 6 April 2020 ==<br />
<br />
<br />
Assalamualaiakum Beerikut adalah link dari Quis 2<br />
Wisnu Indrawan <br />
1906433745<br />
<br />
https://drive.google.com/drive/folders/17z_x1nPTXBtnZl_PVhXRBZXdK5Wy0GMx?usp=sharing<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan Tanggal : Senin, 13 April 2020 ==<br />
<br />
<br />
<gallery mode="slideshow"><br />
File:Wisnu 12346798.png<br />
File:Wisnu 123467989.png<br />
File:Wisnu 12346798910.png<br />
File:Wisnu 12346798435435.png<br />
File:Wisnu 1234679843fdsaf4.png<br />
</gallery><br />
<br />
== Resume Pertemuan tanggal : Senin, 20 April 2020 ==<br />
<br />
<br />
<gallery mode="slideshow"><br />
<br />
<br />
File:qwerwqerqwerq_caseII_1.png<br />
File:qwerwqerqwerq_caseII_2.png<br />
File:24-04-2020-1-tugas komtek.png<br />
File:2020-04-24 23 12 57-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 22-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:hasil-24-04-2020.png<br />
File:2020-04-24 23 47 29-Book1 - Excel.png<br />
</gallery><br />
<br />
== Resume Pertemuan tanggal : Senin, 27 April 2020 ==<br />
<br />
1. Pemahaman terkait prinsip dan konsep komputasi teknik<br />
2. Penerapan konsep dan skill dalam komputasi teknik<br />
3. Lebih mengenal diri<br />
Dari 3 point diatas disampaikan via zoom dengan cara sebagai berikut:<br />
<br />
show your contributions<br />
your understanding<br />
your skkill<br />
<br />
== Resume Pertemuan tanggal : Senin, 04 Mei 2020 ==<br />
<br />
<br />
<br />
- Pemahaman terkait prinsip dan konsep komputasi teknik<br />
<br />
- Penerapan konsep dan skill dalam komputasi teknik<br />
<br />
- Lebih mengenal diri baik individu maupun kelompok/ kelas<br />
<br />
Intisaru dari evaluasi diri ini adalah :<br />
<br />
- show your contributions<br />
<br />
- your understanding<br />
<br />
- your skkill<br />
<br />
== Resume Pertemuan tanggal : Senin, 11 Mei 2020 ==<br />
<br />
<br />
Pada pertemuan tanggal 11 Mei 2020 terdapat pembahasan selanjut nya pada pertemuan minggu lalu mengnai pressure drop. Pada pembahsan pada grup whatshap mengenai tentang pendapat individu mengenai kasus pressure drop dan di bahas kemabli dalam grup Komputasi Teknik via whatshapp. Diharapkan pada pembahasan ini secara personal memahami cases Basic Mechanics dan menjadi kewajiban bagi setiap mahsiwa menyatakan analisa pribadi terkait kasus tersebut. <br />
<br />
Berikut Hasil dari pembahasan kasus tersebut : <br />
<br />
<gallery mode="slideshow"><br />
File:WhatsApp Image 2020-05-12 at 19.30.27.jpeg<br />
File:WhatsApp Image 2020-05-11 at 09.41.12.jpeg<br />
File:WhatsApp Image 2020-05-12 at 16.50.43.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.51.38.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.53.29.jpeg<br />
</gallery><br />
<br />
<br />
<br />
'''Azikri '''<br />
<br />
sedikit tambahan terkait hal di atas, bahwa pada dasarnya aliran fluida dalam pipa akan mengalami penurunan tekanan atau pressure drop seiring dengan <br />
panjang pipa ataupun disebabkan oleh gesekan dengan permukaan<br />
saluran, dan juga ketika aliran melewati sambungan pipa, belokan, katup, difusor, dan sebagainya.<br />
Disisi lain, prinsip dasar persamaan kontinuitas juga jadi landasan dimana massa tidak dapat diciptakan dan<br />
tidak dapat dimusnahkan, sehingga massa dalam suatu sistem yang konstan dapat dinyatakan dengan rumus : rho.A.v=m<br />
<br />
atau Jika aliran fluida bersifat incompressible dan steady flow, maka persamaan menjadi : Q=A.v<br />
<br />
Singkatnya dr persmaan pertama bahwa pressure drop berbanding terbalik dengan D, dan begitu halnya dengan persamaan 2 tegangan geser berbanding <br />
terbalik dg A<br />
<br />
'''Adhika '''<br />
<br />
- Gaya Masuk - Gaya Geser Total = Gaya Keluar<br />
- Gaya Geser Total = Gaya Masuk - Gaya Keluar<br />
- Gaya Geser Total = P1.A - P2.A <br />
- Gaya Geser Total = dp . Luas Area Pipa<br />
Shear Stress . Luas Selimut = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(Luas Area Pipa . L. pi . 4) = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(L. pi . 4) / sqrt(Luas Area Pipa) = dp<br />
<br />
Kesimpulan:<br />
Luas Area Pipa semakin besar maka dp akan semakin kecil<br />
<br />
<br />
'''Jerry '''<br />
<br />
Ketika nilai A membesar, maka nilai D secara langsung juga membesar karena A merupakan fungsi D; A(D). <br />
<br />
Dari persamaan pressure drop, terlihat bahwa nilai D berbanding terbalik dengan nilai deltaP. <br />
<br />
Hal ini akan mengimplikasikan bahwa semakin besar nilai D, maka semakin kecil nilai deltaP<br />
<br />
'''Dessy'''<br />
<br />
Sederhananya jika dilihat dari persamaan untuk Pressure Drop maka sudah cukup jelas dalam menjawab pertanyaan mengapa ketika luas area (A) diperbesar <br />
menyebabkan nilai pressure drop yang menurun, dimana <br />
<br />
dP = f L rho V^2 / 2 D<br />
<br />
Dari persamaan diatas terlihat bahwa nilai diameter (pengaruhnya terhadap luas area) berbanding terbalik dengan nilai pressure loss dP.<br />
<br />
Tambahan juga jika dilihat dari nilai kecepatan (disini saya menggunakan analogi aliran fluida dalam pipa), secara logika apabila nilai luas <br />
penampang A diperbesar maka nilai kecepatan akan semakin kecil, sesuai dengan persamaan yang telah dijelaskan oleh saudara Dieter sebelumnya.<br />
<br />
Maka jika kembali ke persamaan pressure drop sesuai analogi ini, A yang besar akan menyebabkan nilai V menurun, akibatnya nilai dP pun akan menurun.<br />
<br />
Dari sini dapat disimpulkan bahwa semakin besar nilai diameter D, yang menghasilkan nilai area A yang semakin besar pula, menghasilkan nilai pressure <br />
drop dP yang semakin kecil.<br />
<br />
'''Muhammad Gumilar'''<br />
<br />
Ada hal menarik disini, dari beberapa yang saya perhtikan dari beberapa pendapat teman-teman, pengaruh dari adanya luasan atau diameter pipa akan <br />
mempengaruhi keepatan alir didalam pipa , sesuai dengan hukum kontinuitas. Berkaitan dengan hal ini, saya mencerna bahwa bisa saja sebenarnya jika <br />
kita membandingkan dua hal yang mana, dua buah pipa dengan diameter yang berbeda akan tetepa memiliki kecepatan aliran rata-rata yang sama, yang <br />
mana berarti kedua debit aliran dari pipa ini berbeda. Namun yang dititikberatkan pada pembahasannya adala, kenapa berdasarkan rumus pressure loss, <br />
apabila diameter membesar, maka pressure drop akan berkurang. Sedangkan dari persamaan yang lain, kita kethaui bahwa gaya gesek akibat adanya <br />
tegangan geser akan meningkat karena persamaannya adalah F=thow * A. <br />
<br />
Kebingunga dari mahasiswS1 tersebut menurut saya adalah pemahaman beliau yang tidak komprehensif terhadap kosnep pressure drop. Memang, pressure drop <br />
itu berhubungan erat dengan adanya gesekan viscous antara fluida dengan dinding pipa. Akan tetapi, ada hal penting yang dilupakan oleh sang mahasiswa <br />
S! tersebut, yaitu bahwa perbesaran diameter dari pipa juga akan mengakibatkan tegangan geser yang terjadi. Secara sederhana, sepemahaman saya, <br />
tegangan geser itu berbanding lurus dengan gradient kecepatan aliran fluida di sepanjang pipa, yaitu du/dy. Nah, apabila, dengan kecepatan rata-rata <br />
yang sama, diameter pipa semakin besar, maka gradient kecepatan di sepanjang pipa akan berkurang karena pengaruh gaya viscous antara dinding dan <br />
fluida juga semain berkurang. Oleh karena itu, pressure Drop yang terjadi juga akan semakin berkurang. Semoga bermanfaaat semua eheheheh<br />
<br />
== Resume Pertemuan tanggal : Senin, 18 Mei 2020 ==</div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=Wisnu_indrawan&diff=35873Wisnu indrawan2020-06-01T08:39:18Z<p>Wisnu indrawan: /* Resume Pertemuan Tanggal : Senin, 13 April 2020 */</p>
<hr />
<div><br />
<br />
----<br />
<br />
== '''Biodata Diri :''' ==<br />
<br />
----<br />
<br />
<br />
[[File:wisnu.jpg|200px|thumb|left|Watashinonamaeha wisnu ndes ]]<br />
<br />
*Nama : Wisnu Indrawan <br />
<br />
*NPM : 1906433745<br />
<br />
*Jurusan : Teknik Mesin<br />
<br />
*Institusi : Universitas Indonesia<br />
<br />
*Penjuruan : SUBAK (Sistem Utilitas Bangunan)<br />
<br />
*Email : wisnu.indrawan@ui.ac.id<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Istilah - Istilah Teknik''' ==<br />
<br />
<br />
'''1. Clustering ''' <br />
<br />
*clustering adalah teknik machine learning berupa algoritma pengelompokkan objek-objek data berjumlah N menjadi <br />
kelompok-kelompok data tertentu (cluster)<br />
<br />
*Objek data yang beada dalam satu kelompok / cluster harus memiliki kemiripan <br />
<br />
*Semakin banyak data yang diperoleh sama dnegan semakin akurat hasil yang di dapatkan <br />
<br />
*Clustering merupakan salah satu jenis dari algoritma unsupervised learining, algoritma <br />
yang bertujuan untuk mempelajari dan menemukan pola dari suatu input yang diberikan tanpa menggunuakan label <br />
<br />
*Dengan penggunaan supervised learning, maka beberapa hal berikut ini dapat dilakukan <br />
<br />
'''1.''' Search: Membandingkan antar dokumen, gambar atau suara untuk menampilkan item serupa. <br />
<br />
'''2.''' Deteksi anomali: Mendeteksi perilaku yang tidak biasa yang biasanya berhubungan dengan hal-hal yang ingin dicegah atau dideteksi, seperti contoh penipuan. <br />
<br />
<br />
Selain itu teknik clustering terdapat beberapa algoritma di dalam nya yang akan dijelaskan istilah nya pada bagian bawah ini : <br />
<br />
<br />
<br />
'''2. K-Means Clustering'''<br />
<br />
*Tentukan jumlah cluster <br />
<br />
*alokasikan data ke dalam cluster secara rancodm <br />
<br />
*hitung centroid/rata-rata dari data yang ada di masing-masing cluster <br />
<br />
*alokasikan masing masing data ke centroid/data-data terdekat <br />
<br />
*kembali ke step 3, apabila masih ada data yang berpindah cluster atau apabila <br />
perubahan nilai centroid, ada yang di atas nilai threshold yang ditentikan atau apabila <br />
perubahan nilai pada objective function yang digunakan di atas nilai threshold yang ditentukan<br />
<br />
<br />
'''3. Mean-Shift Clustering<br />
'''<br />
*Untuk mejelaskan mean-shift, kita ilustrasikan sekumpulan titik dalam ruang <br />
dua dimensi <br />
<br />
*kita mulai dengan circular sliding window yang berpusat pada titik C(dipilih secara acak)<br />
dan memiliki jadi-jadir r sebagai kernel. Mean shift adalah algoritma yang melakukan pergeseran kernel ini secara iteratif <br />
ke daerah kepadatan yang lebih tinggi pada setiap langkah hingga konvegensi.\<br />
<br />
*pada setiap iterasi, sliding window digeser ke arah daerah dengan kepadatan lebih tinggi dengan menggeser titik tengahnya. kepadatan pada sliding window sebanding dengan jumlah tiitk di dalamnya <br />
<br />
*terus melakuakn pergeseran pada sliding window sesuai dengan rata -rata sampai tidak ada arah di mana pergeseran dapat mengakomondasikan lebih banyak titik di dalam kernel (tidak lagi meningkatkan densitas/jumlah titik di window)<br />
<br />
*langkah 1 hingga 3 ini dilakukan dengan banyak sliding window sampai semua titik terletak di dalam window. Ketika beberapa window saling berumpang tindih, window yang berisi titik terbanyak akan dipertahankan. Objek data kemudian dikelompokkan sesua dengan sliding window tempat mereka berada.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-1 ''', (Senin, 03 Februari 2020), Muhasabah ==<br />
<br />
<br />
----<br />
<br />
<br />
'''Muhasabah Diri :''' <br />
<br />
'''Muhasabah adalah''' : sesuatu hal yang perlu dan menjadikannya sebuah kebutuhan dalam tiap-tiap diri manusia, di dalam agama Islam, muhasabah sangatlah dianjurkan karena jika muhasabah bisa dijalankan dengan baik akan memberi banyak manfaat baik yang akan di dapatkan di dunia maupun diakhirat kelak.<br />
<br />
'''Pada pertemuan pertama kami mempelajari apa makna dari komputasi teknik :'''<br />
<br />
'''a. Definisi Komputasi'''<br />
<br />
Komputasi : setulnya bisa diartikan sebagai cara untuk menemukan pemecahan masalah dari data input dengan menggunakan suatu algoritme. Hal ini ialah apa yang disebut dengan teori komputasi, suatu sub-bidang dari ilmu komputer dan matematika. Selama ribuan tahun, perhitungan dan komputasi umumnya dilakukan dengan menggunakan pena dan kertas, atau kapur dan batu tulis, atau dikerjakan secara mental, kadang-kadang dengan bantuan suatu tabel. Namun sekarang, kebanyakan komputasi telah dilakukan dengan menggunakan komputer.<br />
<br />
Komputasi ilmiah dan numerik adalah bidang booming dalam penelitian, teknik, dan analitik. Revolusi dalam industri komputer selama beberapa dekade terakhir telah menyediakan alat baru dan kuat untuk praktisi komputasi. Ini telah memungkinkan usaha komputasi dari skala dan kompleksitas yang sebelumnya tidak pernah terjadi sebelumnya. Akibatnya, semua bidang dan industri bermunculan. Perkembangan ini masih berlangsung, dan ini menciptakan peluang baru seiring dengan meningkatnya perangkat keras, perangkat lunak, dan algoritme. Pada akhirnya, teknologi yang memungkinkan untuk gerakan ini adalah perangkat keras komputasi yang kuat yang telah dikembangkan dalam beberapa dekade terakhir. Namun, untuk seorang praktisi komputasi, lingkungan perangkat lunak yang digunakan untuk pekerjaan komputasi sama pentingnya dengan, jika tidak lebih penting daripada, perangkat keras di mana perhitungan dilakukan.<br />
<br />
'''b. Current state of knowledge'''<br />
<br />
Knowledge i have learned in master amount of application and I just know it in master degree, and this is application I had to learn in master degree, first is lab view, I use it for measure temperature in contactor, so I know the temperature at inlet and outlet, second is REFROP this application helped me to know enthalpy in refrigerant, is superheated or subcool, third but not last is CFD-SOF with this application I can calculate velocity of fluid at an object, for example, is I calculated velocity in planar plate, internal flow pipe, and so on. <br />
<br />
'''c. Pengalaman Komputasi Teknik'''<br />
<br />
Untuk pengalaman saya menggunakan komputasi sudah ada beberapa, seperti CFD SOF dan beberapa bahasa pemograman, tetapi di era data scientist sekarang banyak yang sedang menggunakan bahasa python untuk menjadi bahasa pemograman mereka, hal ini dikarekan python merupakan bahasa pemograman open source (gratis) dan mudah di gunakan untuk pemula, berikut dasar - dasar menggunakan bahsa python :<br />
<br />
'''c.1 Pengenalan Komputasi Menggunakan Python'''<br />
<br />
Python adalah bahasa pemrograman tingkat tinggi yang diartikan untuk keperluan umum yang banyak digunakan dalam komputasi ilmiah dan teknik. Pertama dan terpenting, Python terkenal dengan sintaks code yang bersih dan mudah dibaca. Pembacaan kode yang baik meningkatkan pemeliharaan, yang secara umum menghasilkan lebih sedikit bug dan aplikasi yang lebih baik secara keseluruhan, tetapi juga memungkinkan pengembangan kode yang cepat. Dalam pemecahan masalah komputasi, tentu saja, penting untuk mempertimbangkan kinerja algoritma dan implementasinya. Sementara kinerja runtime terbaik dapat dicapai dalam bahasa pemrograman tingkat rendah seperti fortran dan C, bekerja dalam bahasa tingkat tinggi seperti Python biasanya mengurangi waktu pengembangan dan seringkali menghasilkan kode yang lebih fleksibel dan dapat diperluas.<br />
<br />
'''c.2 Environement Untuk Komputasi Dengan Python''' <br />
<br />
Ada beberapa environtment berbeda yang dapat digunakan Python untuk komputasi ilmiah dan teknis. Keragaman ini memiliki kelebihan dan kekurangan dibandingkan dengan lingkungan yang didukung. Dalam produk komputasi memiliki keanekaragaman menyediakan fleksibilitas dan dinamika yang cocok untuk spesialisasi untuk kasus penggunaan tertentu. Di sini saya memberikan orientasi lingkungan umum untuk komputasi ilmiah. Contoh 3 GUI yang digunakan untuk menjalankan python adalah :<br />
<br />
'''c.2.1. IPython'''<br />
<br />
IPython merupakan sebuah console yang dapat dijalankan secara interaktif. Secara bersama dengan text editor untuk menuliskan code, menyediakan yang ringan untuk dikembangkan .<br />
<br />
'''c.2.2. The Jupyter Notebook'''<br />
<br />
Merupakan aplikasi web di mana kode Python dapat ditulis dan dieksekusi melalui browser web. Environtment ini sangat bagus untuk komputasi numerik, analisis, dan penyelesaian masalah, karena memungkinkan seseorang untuk mengumpulkan code, output yang dihasilkan oleh code, dokumentasi teknis terkait, dan analisis dan interpretasi, semuanya dalam satu dokumen.<br />
<br />
'''c.2.3. Spyder'''<br />
<br />
Integrated Development Environment, yang dapat digunakan untuk menulis dan menjalankan kode Python secara interaktif. IDE seperti Spyder adalah alat yang dapat diguankan untuk mengembangkan library dan modul Python yang bisa digunakan kembali<br />
<br />
'''c.2.4. Interpreter'''<br />
<br />
Cara standar untuk mengeksekusi kode Python adalah menjalankan program secara langsung melalui interpreter Python. Pada kebanyakan sistem, interpreter Python dipanggil menggunakan perintah python. Ketika Python file source diperintahkan sebagai argumen untuk perintah ini, kode Python dalam file tersebut dijalankan.<br />
<br />
$ python hello.py<br />
<br />
Hello from Python!<br />
<br />
Di sini file hello.py berisi satu baris:<br />
<br />
print("Hello from Python!")<br />
<br />
Untuk melihat versi Python mana yang diinstal, seseorang dapat menjalankan perintah python dengan argumen --version:<br />
<br />
$ python –version<br />
<br />
Python 3.6.5<br />
<br />
Adalah umum untuk menginstal lebih dari satu versi Python pada sistem yang sama. Setiap versi Python memelihara kumpulan perpustakaannya sendiri dan menyediakan perintah penerjemahnya sendiri (sehingga setiap lingkungan Python dapat menginstal perpustakaan yang berbeda). Pada banyak sistem, versi tertentu dari juru bahasa Python tersedia melalui perintah seperti, misalnya, python2.7 dan python3.6. Dimungkinkan juga untuk mengatur lingkungan python virtual yang independen dari lingkungan yang disediakan sistem. Ini memiliki banyak keuntungan dan saya sangat menyarankan untuk membiasakan diri dengan cara ini bekerja dengan Python. Lampiran A memberikan perincian tentang cara mengatur dan bekerja dengan lingkungan semacam ini.<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-2 : ''' (Senin, 10 Februari 2020), Sinopsis Tuga Akhir ==<br />
<br />
<br />
----<br />
<br />
<br />
'''a. Menjelaskan Sinopsis Tugas Akhir''' <br />
<br />
JUDUL : <br />
<br />
Sistem Pendingin Mengguankan Thermo Electric Cooler dengan Controller Propotional - Integral Derivative<br />
<br />
SINOPSIS : <br />
<br />
Pendinginan merupakan salah satu proses yang dapat digunakan untuk berbagai macam penggunaan, antara lain untuk menjaga produk industri makanan dan produk medis seperti obat-obatan dan vaksin. Proses pendinginan sekarang masih menggunakan teknologi pengawetan berbasis kompresi menggunakan gas pendingin. Tipe gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannya dan tipe R600a memiliki COP yang lebih rendah. Penelitian ini bertujuan merancang perangkat keras dan perangkat lunak yang dapat diaplikasikan pada pendingin termoelektrik, dengan merancang sebuah alat yang digunakan untuk sistem lemari pendingin menggunakan Thermoelectric Cooler (TEC) dan mendapatkan nilai COP yang tinggi. Sistem dibangun dengan kontroler Proportional Integral Derivative (PID). Sistem ini menggunakan beberapa alat antara lain, sensor suhu, Transistor tipe TIP31, modul bluetooth, kipas, dan mikrokontroler ATSAM3X8E. Pengendalian suhu dilakukan dengan membandingkan set-point suhu yang diinginkan dengan suhu dari sensor. Dari penelitian ini diperoleh hasil bahwa semakin besar nilai tegangan yang diberikan maka semakin besar pula besar nilai Pulse Wave Modulation (PWM) yang dihasilkan. Semakin tinggi nilai besar PWM, semakin cepat penurunan suhu pada kotak pendingin. Dari beberapa pengujian dapat disimpulkan bahwa nilai parameter kontrol proporsional (Kp), parameter kontrol integral (Ki), dan nilai parameter kontrol deferensial (Kd ), dimana pada nilai Kp = 255, Ki = 100, dan Kd = 200 mendapatkan grafik yang lebih stabil dan mendekati nilai set-point, dengan nilai error sebesar 2,86 %.<br />
<br />
<br />
'''b. Perbedaan deterministik dan stokastik'''<br />
<br />
b.1 deterministik adalah sesuatu yang pasti akan terjadi. <br />
<br />
b.2 stokastik adalah Stokastik adalah kebolehjadian, atau dengan kata lain sesuatu yang belum terjadi kepastiannya. "Sesungguhnya, Allah tidak akan mengubah nasib suatu kaum, hingga mereka mengubahnya sendiri.." (Q.S. Ar-Ra'd [13] : 11) <br />
<br />
<br />
'''c . Komputasi Teknik pada Tugas Akhir'''<br />
<br />
Tipe tugas akhir saya adalah deteministik. Hal ini dikarenakan nilai dari PID yang saya tentukan pasti. Menurut pendapat saya untuk penerapan komputasi teknik pada tugas akhir saya adalah <br />
<br />
Pada penggunaan fitur controller PID, adalah kemampuan untuk menggunakan tiga tipe kontroller yakni propotional, integral dan derivatif yang mempengaruhi nilai keluaran kontroller untuk dipalikasikan pada nilai yang optimal dari kontroller itu sendiri. <br />
<br />
[[File:PID.png|400px|thumb|left ]]<br />
<br />
Diagram blok yang terdapat pada sebelah kiri menunjukkan bagamimana cara controller ini bekerja. Gambar tersebut menunjukan kontroller PID, yang mana secara kontinu menghitung nilai error e(t) sebagai selisih dari setpoint r(t) dan variabel proses y(t), dan pengaplikasian nya dikoreksi berdasakan propotional, integral, dan derivatif. Kontroller mencoba utnuk meminimalisir error dari lebih nya koreksi kontrol variabel u(t), salah satu contoh nya pengontrolan pada kecepatan kipas, kontrol PID dibutuhkan untuk mengetahui jumlah RPM selanjutnya pada kipas sehingga dapat mendinginkan suatu objek.<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
'''d. Komputasi pada tugas akhir saya kedepan nya'''<br />
<br />
Melakuakn simulasi CFD sederhana untuk melihat aliran fluida di dalam lemari pendingin<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan Ke-3''', (Senin 17-Februari-2020), Presentasi Sinopsis Project Komputasi Teknik ==<br />
<gallery mode="slideshow"><br />
File:PPT_1.png|200px|center|<br />
File:PPT_2.png|200px|center|<br />
File:PPT_3.png|200px|center|<br />
File:PPT_4.png|200px|center|<br />
File:ppt_5.png|200px|center|<br />
</gallery><br />
<br />
----<br />
<br />
== '''Pertemuan ke-4''', (Senin, 24 Februari 2020), Presentasi Model Matematis Project Komputasi Teknik ==<br />
<br />
----<br />
<br />
<br />
<br />
Skema kontrol PID dinamai dari ketiga term pengendalinya, yang kemudian dijumlahkan menjadi variabel manipulasi. Term proporsional, integral, dan derivatif dijumlahkan untuk menghitung keluaran kontroler PID. Dengan mendefinisikan u(t) sebagai keluaran kontroler, bentuk akhir dari algoritme PID adalah:<br />
<br />
<br />
<br />
[[File:Rumus1.png|300px|thumb|center ]]<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Contoh PID pada MATLAB<br />
|-<br />
|'''Jenis'''<br />
|'''Foto'''<br />
|'''Deskripsi'''<br />
|-<br />
! '''Porpotional Integral''' <br />
| [[File:Tilu.png|300px|thumb|left ]] || sys = zpk([],[-1 -1 -1],1); <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Loro.png|300px|thumb|left ]] || <br />
<br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
T_pi_fast = feedback(C_pi_fast*sys,1);<br />
step(T_pi,T_pi_fast)<br />
axis([0 30 0 1.4])<br />
legend('PI','PI,fast')<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Siji.png|300px|thumb|left ]] || <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
[C_pidf_fast,info] = pidtune(sys,'PIDF',1.0)<br />
T_pidf_fast = feedback(C_pidf_fast*sys,1);<br />
<br />
step(T_pi_fast, T_pidf_fast); <br />
<br />
axis([0 30 0 1.4]);<br />
<br />
legend('PI,fast','PIDF,fast');<br />
<br />
sys = zpk([],[-1 -1 -1],1); <br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
S_pi_fast = feedback(sys,C_pi_fast);<br />
S_pidf_fast = feedback(sys,C_pidf_fast);<br />
step(S_pi_fast,S_pidf_fast);<br />
axis([0 50 0 0.4]);<br />
legend('PI,fast','PIDF,fast');<br />
<br />
|-<br />
|}<br />
<br />
----<br />
<br />
<br />
== '''Pertemuan ke-5''', (2 Maret 2020), Quis I ==<br />
<br />
<br />
[[File:Photo 1.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 2.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 3.jpeg|350px|thumb|center ]]<br />
<br />
<br />
<br />
<br />
----<br />
== '''Finite ELement, Finite Diffirent, Finite Volume''' ==<br />
<br />
* '''Pengertian Finite Element :'''<br />
<br />
'''Finite Element :''' menyelesaikan suatu problem dengan cara membagi obyek analisa menjadi bagian-bagian kecil yang terhingga. Bagian-bagian kecil ini kemudian dianalisa dan hasilnya digabungkan kembali untuk mendapatkan penyelesaian untuk keseluruhan daerah. Kata “finite atau terhingga” digunakan untuk menekankan bahwa bagian-bagian kecil tersebut tidak tak terhingga, seperti yang lazim digunakan pada metode integral analitik.<br />
<br />
* '''Pengertian Finite Volume :'''<br />
<br />
'''Finite Volume :''' adalah metode yang digunakna untuk merepresentasikan persamaan diferensial parisial dalam bentuk persamaan algeraic. Didalam metode finite volume, mengintergalkan bagian dari persamaan diferensial parsial ,menggunakan teorema divergensi.<br />
<br />
* '''Pengertian Finite Different :'''<br />
<br />
'''Finite Different :''' adalah diskritisasi yang digunakan untuk menyelesaiakn persamaan diferensial dengan memperkirakan denagn persamaan diferensial yang menggunakan perbedaan yang mendekati derivatif.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Pertemuan ke-6''', Senin 9 Maret 2020, Extended Abstrak ==<br />
<br />
<br />
<br />
Name : Wsinu indrawan<br />
<br />
Title : Fluid Analysis For Mini Fan Refrigerator Using Thermoelectric Cooler <br />
<br />
The cooling is one of the processes can be used for various types of applications, starting from maintaining food industry products and medical products such as drugs and vaccines. The cooling process now still uses compression-based preservation technology using cooling gas. The types of cooling gas used are R134a and R600a. However, the R134a contains HF which has been banned for used, and the R600a contains HF gas which can reduce the ozone layer. In addition, a single fan compressor system that uses cooling gas in a steam compressor has difficulties in regulating the temperature of the target compartment. Based on this, an alternative cooling technology is needed. Thermoelectric cooler (TEC) is an alternative cooling technology, because TEC has advantages such as small size, lower noise and vibration, easier in temperature regulation, low maintenance requirements, can absorb heat using the principle of heat difference so that in addition to being able to the cooler can also be a heater, and besides that it can be turned on with a DC current. Obtained a solution in the form of cooling using a thermoelectric cooler, using a fan in the refrigerator.The current research examines the application of CFD (Computational Fluid Dynamic) to analyze the flow of wind into the refrigerator. Use the existing CFD analyst application. To analyze the flow of fluid entering the refrigerator, it is simplified for this refrigerator, by cutting the inside of the refrigerator. So that the incoming fluid flow can be reviewed, from the incoming air velocity can be analyzed with a simple correlation to the wind speed generated with existing pwm. It is expected that from this research, researchers can find out the wind phenomenon that is in the refrigerator so that it can be used for further research.<br />
<br />
<br />
<br />
<br />
[[File:G1.png|400px|thumb|center ]]<br />
<br />
[[File:test1.png|400px|thumb|center ]]<br />
<br />
== '''Optimasi Energi Pada Manusia''' ==<br />
<br />
The article below will describe how to make optimization in daily life, during one month<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Optimasi Energi Pada Manusia<br />
|-<br />
|'''Jenis'''<br />
|'''Perhitungan'''<br />
|'''Deskripsi'''<br />
|-<br />
! Step 1<br />
| [[File:gazo1.png|700px|left]] || Pertama saya menentukan jumlah jam yang dibutuhkan per hari secara acak dengan funsi rand di excel <br />
<br />
|-<br />
! Step 2 <br />
| [[File:gazo2.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 1<br />
<br />
|-<br />
! Step 3 <br />
| [[File:gazo3.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 2<br />
<br />
|-<br />
! Step 4 <br />
| [[File:gazo4.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 3<br />
<br />
<br />
|-<br />
! Step 5 <br />
| [[File:gazo5.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 4<br />
<br />
|-<br />
! Step 6 <br />
| [[File:hebat.png|700px|left]] || Mencari grafik polynomial pada salah satu minggu dan diadapatkan grafik polynom nya<br />
<br />
|-<br />
! Step 7 <br />
| [[File:gazo7.png|700px|left]] || hasil konversi watt ke rupiah pada hari senin pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 8 <br />
| [[File:gazo8.png|700px|left]] || hasil konversi watt ke rupiah pada hari selasa pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 9 <br />
| [[File:gazo9.png|700px|left]] || hasil konversi watt ke rupiah pada hari rabu pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 10 <br />
| [[File:gazo10.png|700px|left]] || hasil konversi watt ke rupiah pada hari jumat pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 11 <br />
| [[File:gazo11.png|700px|left]] || hasil konversi watt ke rupiah pada hari sabtu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step 12 <br />
| [[File:gazo12.png|700px|left]] || hasil konversi watt ke rupiah pada hari minggu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step Final<br />
| [[File:cobajadulu.png|700px|left]] || Mencoba memasukan nilai minimum ke dalam matlab dan mencari dengan curve fitting<br />
<br />
|-<br />
|}<br />
<br />
== '''Pengarahan Beberapa Teknologi Komputasi Teknik''', 16-03-2020 ==<br />
<br />
<br />
Pada pertemuan kali ini membahas masalah initial thinking, mendevelop model matematis, anlisa secara umum dan analisa secara khusus<br />
<br />
Mengembangkan model amtematis dari konsep model utama dari model matematis tersebut<br />
<br />
Dari modeling tersebut dibutuhkan beberapa tahapan pertama :<br />
<br />
*Constrain <br />
<br />
*Boundary Condition <br />
<br />
*Setelah beberapa tahapan itu masuk ke tahapan simulasi <br />
<br />
Pengertian Verifikasi : <br />
<br />
Verifikasi adalah teori filsafat positif logis dalam memilih yang menyatakan bahwa pengalaman adalah satu-satunya sumber dasar pengetahuan dan dalam analisis logis dapat dilakukan dengan bantuan simbol-simbol logika dengan menggunakan metode untuk pemecahkan masalah melalui metode verifikasi empirik yaitu bila terdapat sesuatu yang tidak dapat diverifikasi secara empirik maka hasilnya adalah sia-sia. penganut teori radikal ini memiliki masalah konsekuensi untuk filosofi tradisional, karena, jika benar, akan menyebabkan banyak pekerjaan sia-sia pada filosofis masa lalu, antara lain pada metafisika dan etika.<br />
<br />
Validasi : <br />
<br />
validasi adalah sebuah teknik validasi model untuk menilai bagaimana hasil statistik analisis akan menggeneralisasi kumpulan data independen. Teknik ini utamanya digunakan untuk melakukan prediksi model dan memperkirakan seberapa akurat sebuah model prediktif ketika dijalankan dalam praktiknya. Dalam sebuah masalah prediksi, sebuah model biasanya diberikan kumpulan data (dataset) yang diketahui untuk digunakan dalam menjalankan pelatihan (dataset pelatihan), serta kumpulan data yang tidak diketahui (atau data yang pertama kali dilihat) terhadap model yang diuji (pengujian dataset).[4] Tujuan dari validasi silang adalah untuk mendefinisikan dataset untuk "menguji" model dalam tahap pelatihan (yaitu, validasi data), dalam rangka untuk membatasi masalah seperti terjadinya overfitting, memberikan wawasan tentang bagaimana model akan menggeneralisasi independen dataset (yaitu, dataset tidak diketahui, misalnya dari masalah nyata), dll.<br />
<br />
== '''Ujian Tengah Semester''', Komputasi Teknik ==<br />
<br />
<br />
<br />
<br />
=== '''Video Pembelajaran Setiap Minggu''' ===<br />
<br />
<br />
'''Kemampuran Komputasi Teknik Selama Perkuliahan, Tutorial Menggunakan CFDSOF'''<br />
<br />
<br />
[[File:.pertemuan3wisnuindrawan.mp4||500px|center]]<br />
<br />
<br />
<br />
=== '''Draft Paper Komputasi Teknik''' ===<br />
<br />
<br />
==== BAB I ====<br />
<br />
Pendinginan salah satu teknologi yang memiliki berbagai macam pengaplikasian, dimulai dari menjaga produk makanan dari kebusukan dan berbagai pengendalian suhu dalam bidang elektronik dan industri lainnya (Gökçekdan Şahin, 2017).Salah satu teknologi pendinginan yang sekarang ini sering digunakan adalah teknologi berbasis kompresi uap karna mempunyai (COP) coefficient of performanceyang tinggi dan mempunyai harga yang lebih murah dibandingkan teknologi alternatif lainnya.Dalam proses pendinginan, teknologi kompresi uap menggunakan gas pendingin yang berfungsi untuk menyerap panas pada udara dalam ruangan, sehingga menjadi bersuhu rendah. Secara luas gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannyadan tipe R600a mengandung gas HF yang dapat mengurangi lapisan ozon (Söylemez dkk., 2018). Selain itu,pada sistem kompresor satu kipas yang menggunakan gas pendingin pada kompresor uap memiliki kesulitan dalampengaturan temperatur dari kompartemen target. Berdasarkan pernyataan tersebut diperlukan suatu teknologi pendingin alternatif. Thermoelectric cooler adalah salah satu alternatif teknologi pendingin, dikarenakan thermoelectric cooler memiliki kelebihan seperti berukuran kecil, kebisingan dan getaran yang lebih rendah, lebih mudah dalam pengaturan suhu, mebutuhkan perawatan yang sedikit, dan dapat dihidupkan dengan arus DC (Söylemezdkk., 2018). Pendinginan dengan menggunakan TEC (Termoelectric Cooling) telah digunakan untuk menghilangkan embun kaca depan kendaraan. Penelitian tersebut telah menghasilkan temperatur hingga 22,4 oC. Penelitian lainTEC telah digunakan untuk pendingin kotak minuman dengan menggunakan 3thermoelectric cooling, dimana dapat menghasilkan temperatur kotak minuman tanpa beban mencapai14,3 oC, dengan beban pendingin air sebanyak 1 liter sebesar 16,4 oC (Nulhakim, 2017). TEC (Termoelectric Cooling) tidak hanya dapat mendinginkan, tetapi dapat memanaskan di waktu yang bersamaan. Sifat dari TEC ini dapat dimanfaatkan untuk sistem pengaturan suhu ruangan. Untuk tujuan pengaturan suhu yang lebih akurat, dapat dipertimbangkan menggunakan sistem kontrol loop tertutup dengan PID (Propotional, Integral dan Derivative). Kelebihan dari pemakaian kontroler PID di loop tertutup adalah kontrol PID memiliki kemampuan untuk penyetelan otomatis, dan dapat adaptasi terhadap variasi waktu, sehinggasistem dari kontroler PID menyediakan aplikasi didalam industri dengan fitur kontrol yang lebih akurat dandapat disesuaikan dengan kebutuhan(Abdullah dan Ayman, 2008). Pengaturan PID pada umumnya menggunakan alat yang memakan banyak biaya. Tetapi menurut hasil dari eskperimen yang menyatakan bahwa kontroler PID menggunakna mikrokontoler tipe P18F4685 yang memiliki kapasitas 14 bit dapat menghasilkan kestabilan yang baik, dengan overshoot yang sedikit, dan memiliki waktu settling time yang sedikit pula (El-Nagar dan El-Bardini, 2014). Dari latar belakang tersebut diperlukan suatu sistem pendingin ruangan yang terkontrol secara otomatis menggunakanteknologi pendingin ramah lingkungan yang terkontrol dengan sistem kontrol loop tertutup, sehinggadapat manjadi salah satu alternatif teknologi pendingin ruangan.Berdasarkan potensi tersebut maka telah dilakukan penelitian tentang rancang bangun sistem pendingin ruangan menggunakan TEC (Thermoelectric Cooler) dengan kontroler PID.<br />
<br />
==== BAB II ====<br />
<br />
'''Sensor Suhu''' <br />
<br />
Salah satu jenis sensor suhu yang banyak digunakan di industri adalah tipe sensor suhu berbahan semikonduktor. Sensor ini menggunakankonfigurasi dioda atau transistor di kutub yang pada sambungan p-n bahan tersebut memiliki respon yang kuat terhadap suhu. Terdapat dua jenis pemberian tegangan pada sambungan p-n yaitu bias maju dan bias mundur seperti ditunjukkan pada Gambar 2.1. Ketika sambungan p-n bias maju dihubungkan dengansumber arus, maka terjadi beda potensial pada kedua sambungan. Beda potensial atau tegangan yang dihasilkan berbanding lurus dengan perubahan suhu(Suryono, 2018).<br />
<br />
[[File:wisnu.png|500px|center|]]<br />
<br />
<br />
<br />
'''Thermoelectric'''<br />
<br />
Modul thermoelectric khas dibuat menggunakan dua buah keramik berbentuk wafer dengan jenis bahan semikonduktor bismuth telluride P dan N yang diapit di antara keduanya seperti yang ditunjukkan pada Gambar 2.3. Bahan keramik di kedua sisi dari thermoelectric berfungsi untuk pelindung dan sebagai isolator listrik yang diperlukan. Bahan tipe-N memiliki kelebihan elektron, sementara bahan tipe-P membutuhkan elektron. Bahan P dan N membentuk pasangan, seperti yang ditunkjukan pada Gambar 2.3. Pasangan thermoelectric dipasang secara seri dan termal sejajar. Modul thermoelectric dapat berisi satu sampai beberapa ratus pasangan. Saat elektron bergerak dari bahan tipe-P ke bahan tipe-N melalui konektor listrik, elektron beralih ke keadaan energi yang lebih tinggi dan menyerap energi panas (sisi dingin) (Manikandan dkk., 2017).<br />
<br />
<br />
[[File:dewawisnuganteng.png|500px|center|]]<br />
<br />
<br />
<br />
<br />
<br />
==== BAB III ====<br />
<br />
Sistem pengendalian yang saya pakai adalah menggunakan mobile phone, jadi pada penyetingan set point pada PID menggunakan apliaksi mobile bebasis bluetooth<br />
<br />
<br />
[[File:bismillahadajalan.png|500px|center|]]<br />
<br />
Selanjut nya pada sistem kerja dari alat ini menggunakan sistem PID untuk mengatur kecepatan dari driver motor untuk mengatur suhu, jika suhu tidak sesuai dengan yang diinginkan maka kecepatan kipas akan terus bertambah.<br />
<br />
<br />
[[File:PIDBROH.png|500px|center|]]<br />
<br />
<br />
Hasil rancang bangun dari alat pendingin ditunjukan pada gambar dibawah ini<br />
<br />
<br />
[[File:celenganrindu.jpg|500px|center|]]<br />
<br />
Pembuatan interface untuk memasukkan data set point pada aplikasi mobile<br />
<br />
[[File:interface.png|500px|center|]]<br />
<br />
Pembuatan interface untuk mencari device bluetooth pada device-device sekitar<br />
<br />
[[File:tampilan2.png|500px|center|]]<br />
<br />
==== BAB IV ====<br />
<br />
Hasil data dari kalibrasi sensor suhu dengan alat ukur standart SNI <br />
<br />
<br />
[[File:akad.png|500px|center|]]<br />
<br />
<br />
Data PID setelah melakukan trial and error mendapatkan nilai Kp Kd Ki <br />
<br />
<br />
[[File:bismillahwisnudata.png|500px|center|]]<br />
<br />
=== '''Laporan Optimasi Energi''' ===<br />
<br />
<br />
Grafik Pada Minggu Pertama<br />
<br />
<br />
<br />
[[File:bersyukurlah.png|500px|center|]]<br />
<br />
[[File:gambarsatu.png|500px|center|]]<br />
<br />
<br />
[[File:semuaudahadarezekinya.png|500px|center|]]<br />
<br />
<br />
<br />
[[File:janganngeluhterus.png|500px|center|]]<br />
<br />
Gambar yang ditunjukan dengan menggunakna aplikasi sypder menunjukkan nilai x, nilai tersebut merupakan nilai minimum atau optimum dari persamaan yang telah dibuat dengan menggunakan excel<br />
<br />
<br />
Revisi Projek tugas komputasi teknik <br />
<br />
Pada kesempatan kali ini saya menggunakan case baru untuk menyelesaikan draft paper mata kuliah komputasi teknik <br />
<br />
Hal ini dikarenakan, ketertarikan penulis untuk mengangkat tema ini <br />
<br />
==Refisi draft paper==<br />
<br />
<br />
<br />
Beberapa contoh data dari nasabah yang dihasilkan untuk mengetahui apakah nasabah ingin meninggalkan bank dari data - data pribadi mereka, <br />
seperti lama mereka menggunakan jasa bank ini, jumlah tabungan mereka, kemudian umur mereka, dan dari pria atau wanita <br />
<br />
<br />
[[File:22 April 2020 5.png || 700px]]<br />
<br />
Pertama data yang berada dalam format csv dimasukan ke dalam pemograman python dengan maka akan muncul tampilan seperti diatas, ataua kerap<br />
disebut sebagai dataframe, setelah dataframe terbentuk maka dataframe tersebut di pecah - pecah atau dikelompokkan mana yang bisa digunakan untuk <br />
independent variable atau tidak <br />
<br />
<br />
<br />
[[File:22 April 2020 1.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 2.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 3.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 4.png || 700px]]<br />
<br />
<br />
methode dari draft paper ini adalah : <br />
<br />
'''mengguankan machine learning''' <br />
<br />
Pembelajaran mesin (ML) adalah studi tentang algoritma komputer yang meningkat secara otomatis melalui pengalaman. [1] Itu dilihat sebagai bagian dari kecerdasan buatan. Algoritma pembelajaran mesin membangun model matematika berdasarkan data sampel, yang dikenal sebagai "data pelatihan", untuk membuat prediksi atau keputusan tanpa diprogram secara eksplisit untuk melakukannya. [2] [3]: 2 Algoritma pembelajaran mesin digunakan dalam berbagai berbagai aplikasi, seperti penyaringan email dan visi komputer, di mana sulit atau tidak layak untuk mengembangkan algoritma konvensional untuk melakukan tugas-tugas yang diperlukan.<br />
<br />
Pembelajaran mesin terkait erat dengan statistik komputasi, yang berfokus pada membuat prediksi menggunakan komputer. Studi tentang optimasi matematika memberikan metode, teori dan domain aplikasi ke bidang pembelajaran mesin. Penambangan data adalah bidang studi terkait, dengan fokus pada analisis data eksplorasi melalui pembelajaran tanpa pengawasan.<br />
<br />
'''Realsi terhadap optimasi'''<br />
<br />
Pembelajaran mesin juga memiliki ikatan intim dengan optimisasi: banyak masalah pembelajaran dirumuskan sebagai minimalisasi beberapa fungsi kerugian pada serangkaian contoh pelatihan. Fungsi kerugian menyatakan perbedaan antara prediksi model yang sedang dilatih dan contoh masalah yang sebenarnya (misalnya, dalam klasifikasi, seseorang ingin menetapkan label pada instance, dan model dilatih untuk memprediksi dengan benar label yang telah ditetapkan sebelumnya dari sekumpulan contoh). Perbedaan antara dua bidang muncul dari tujuan generalisasi: sementara algoritma optimasi dapat meminimalkan kerugian pada set pelatihan, pembelajaran mesin berkaitan dengan meminimalkan kerugian pada sampel yang tidak terlihat. <br />
<br />
'''Relasi terhadap statistik'''<br />
<br />
Pembelajaran mesin dan statistik adalah bidang yang terkait erat dalam hal metode, tetapi berbeda dalam tujuan utamanya: statistik menarik kesimpulan populasi dari sampel, sementara pembelajaran mesin menemukan pola prediksi yang dapat digeneralisasikan. Menurut Michael I. Jordan, gagasan pembelajaran mesin, mulai dari prinsip metodologis hingga alat teoretis, telah memiliki pra-sejarah panjang dalam statistik. [22] Dia juga menyarankan istilah ilmu data sebagai pengganti untuk menyebut bidang keseluruhan. <br />
<br />
Leo Breiman membedakan dua paradigma pemodelan statistik: model data dan model algoritmik, [23] di mana "model algoritmik" berarti kurang lebih algoritma pembelajaran mesin seperti hutan acak.<br />
<br />
Beberapa ahli statistik telah mengadopsi metode dari pembelajaran mesin, yang mengarah ke bidang gabungan yang mereka sebut pembelajaran statistik. <br />
<br />
<br />
'''Teori'''<br />
<br />
Tujuan inti seorang pelajar adalah untuk menggeneralisasi dari pengalamannya. Generalisasi dalam konteks ini adalah kemampuan mesin pembelajaran untuk melakukan secara akurat pada contoh / tugas baru yang tidak terlihat setelah mengalami kumpulan data pembelajaran. Contoh-contoh pelatihan berasal dari beberapa distribusi probabilitas yang umumnya tidak diketahui (dianggap mewakili ruang kejadian) dan pelajar harus membangun model umum tentang ruang ini yang memungkinkannya menghasilkan prediksi yang cukup akurat dalam kasus-kasus baru.<br />
<br />
Analisis komputasi algoritma pembelajaran mesin dan kinerjanya adalah cabang ilmu komputer teoretis yang dikenal sebagai teori pembelajaran komputasi. Karena set pelatihan terbatas dan masa depan tidak pasti, teori pembelajaran biasanya tidak menghasilkan jaminan kinerja algoritma. Sebaliknya, batasan probabilistik pada kinerja cukup umum. Dekomposisi bias-varians adalah salah satu cara untuk mengukur kesalahan generalisasi.<br />
<br />
Untuk kinerja terbaik dalam konteks generalisasi, kompleksitas hipotesis harus sesuai dengan kompleksitas fungsi yang mendasari data. Jika hipotesis kurang kompleks dari fungsi, maka model memiliki data yang sesuai. Jika kompleksitas model meningkat dalam respons, maka kesalahan pelatihan berkurang. Tetapi jika hipotesisnya terlalu kompleks, maka modelnya akan mengalami overfitting dan generalisasi akan menjadi lebih buruk. <br />
<br />
Selain batas kinerja, ahli teori belajar mempelajari kompleksitas waktu dan kelayakan belajar. Dalam teori pembelajaran komputasi, perhitungan dianggap layak jika dapat dilakukan dalam waktu polinomial. Ada dua jenis hasil kompleksitas waktu. Hasil positif menunjukkan bahwa kelas fungsi tertentu dapat dipelajari dalam waktu polinomial. Hasil negatif menunjukkan bahwa kelas-kelas tertentu tidak dapat dipelajari dalam waktu polinomial.<br />
<br />
<br />
<br />
'''metode machine learning ada beberapa tipe nya berikut penjelasan mengenai teori machine learning :''' <br />
<br />
1. Suppport Vector Machine (SVMs)<br />
<br />
Support vector Machines (SVMs) adalah algoritma pembelajaran mesin yang diawasi yang fleksibel namun kuat yang digunakan baik untuk klasifikasi dan regresi. Tetapi umumnya, mereka digunakan dalam masalah klasifikasi. Pada 1960-an, SVM pertama kali diperkenalkan tetapi kemudian disempurnakan pada tahun 1990. SVM memiliki cara implementasi yang unik dibandingkan dengan algoritma pembelajaran mesin lainnya. Akhir-akhir ini, mereka sangat populer karena kemampuan mereka untuk menangani beberapa variabel kontinu dan kategorikal.<br />
<br />
<br />
Dalam praktiknya, algoritma SVM diimplementasikan dengan kernel yang mengubah ruang data input ke dalam formulir yang diperlukan. SVM menggunakan teknik yang disebut trik kernel di mana kernel mengambil ruang input dimensi rendah dan mengubahnya menjadi ruang dimensi yang lebih tinggi. Dengan kata-kata sederhana, kernel mengubah masalah yang tidak dapat dipisahkan menjadi masalah yang dapat dipisahkan dengan menambahkan lebih banyak dimensi ke dalamnya. Itu membuat SVM lebih kuat, fleksibel dan akurat. Berikut ini adalah beberapa jenis kernel yang digunakan oleh SVM.<br />
<br />
<br />
Linear Kernel <br />
<br />
Ini dapat digunakan sebagai produk titik antara dua pengamatan. Rumus kernel linear adalah sebagai berikut<br />
<br />
Metode yang digunakan <br />
<br />
pada penelesaian masalah ini saya menggunakana beberapa engone dari python untuk melakuakn machine learning yakni '''sklearn''' dan '''tensor flow''', berikut penjelasan masing masing metode nya :<br />
<br />
ini adalah struktur skrip dari '''sklearn.prepocessing''' <br />
<br />
class sklearn.preprocessing.OneHotEncoder(*, categories='auto', drop=None, sparse=True, dtype=<class 'numpy.float64'>, handle_unknown='error')[source]<br />
<br />
kenapa class ini digunakan karena machine leraning tidak bisa memproses selain angka, tapi pada kasus ini saya menggunakan nama, umur dan beberapa proses yang menggunakan tipe string(kata - kata)<br />
sehigga sulit untuk di klasifikasikan.<br />
<br />
'''maka dari itu metode ini dapat digunakan.'''<br />
<br />
'''One Hot Encoding adalah :''' reperentasi kategori variabel dalam vektor biner. <br />
<br />
Pertama nilai dari proses ini dipetakan dala nilai integer (nilai angka yang benilai bilangan bulat, tidak memiliki nilai koma)<br />
<br />
Lalu, setiap nilai yang berbentuk integer ini direpresentasikan sebagai vektor biner yang semua nya bernilai nol kecuali yang terindeks integer, yang di tandai 1.<br />
<br />
== Quis II, 6 April 2020 ==<br />
<br />
<br />
Assalamualaiakum Beerikut adalah link dari Quis 2<br />
Wisnu Indrawan <br />
1906433745<br />
<br />
https://drive.google.com/drive/folders/17z_x1nPTXBtnZl_PVhXRBZXdK5Wy0GMx?usp=sharing<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan Tanggal : Senin, 13 April 2020 ==<br />
<br />
<br />
<gallery><br />
File:Wisnu 12346798.png<br />
File:Wisnu 123467989.png<br />
File:Wisnu 12346798910.png<br />
File:Wisnu 12346798435435.png<br />
File:Wisnu 1234679843fdsaf4.png<br />
</gallery><br />
<br />
== Resume Pertemuan tanggal : Senin, 20 April 2020 ==<br />
<br />
<br />
<gallery mode="slideshow"><br />
<br />
<br />
File:qwerwqerqwerq_caseII_1.png<br />
File:qwerwqerqwerq_caseII_2.png<br />
File:24-04-2020-1-tugas komtek.png<br />
File:2020-04-24 23 12 57-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 22-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:hasil-24-04-2020.png<br />
File:2020-04-24 23 47 29-Book1 - Excel.png<br />
</gallery><br />
<br />
== Resume Pertemuan tanggal : Senin, 27 April 2020 ==<br />
<br />
1. Pemahaman terkait prinsip dan konsep komputasi teknik<br />
2. Penerapan konsep dan skill dalam komputasi teknik<br />
3. Lebih mengenal diri<br />
Dari 3 point diatas disampaikan via zoom dengan cara sebagai berikut:<br />
<br />
show your contributions<br />
your understanding<br />
your skkill<br />
<br />
== Resume Pertemuan tanggal : Senin, 04 Mei 2020 ==<br />
<br />
<br />
<br />
- Pemahaman terkait prinsip dan konsep komputasi teknik<br />
<br />
- Penerapan konsep dan skill dalam komputasi teknik<br />
<br />
- Lebih mengenal diri baik individu maupun kelompok/ kelas<br />
<br />
Intisaru dari evaluasi diri ini adalah :<br />
<br />
- show your contributions<br />
<br />
- your understanding<br />
<br />
- your skkill<br />
<br />
== Resume Pertemuan tanggal : Senin, 11 Mei 2020 ==<br />
<br />
<br />
Pada pertemuan tanggal 11 Mei 2020 terdapat pembahasan selanjut nya pada pertemuan minggu lalu mengnai pressure drop. Pada pembahsan pada grup whatshap mengenai tentang pendapat individu mengenai kasus pressure drop dan di bahas kemabli dalam grup Komputasi Teknik via whatshapp. Diharapkan pada pembahasan ini secara personal memahami cases Basic Mechanics dan menjadi kewajiban bagi setiap mahsiwa menyatakan analisa pribadi terkait kasus tersebut. <br />
<br />
Berikut Hasil dari pembahasan kasus tersebut : <br />
<br />
<gallery mode="slideshow"><br />
File:WhatsApp Image 2020-05-12 at 19.30.27.jpeg<br />
File:WhatsApp Image 2020-05-11 at 09.41.12.jpeg<br />
File:WhatsApp Image 2020-05-12 at 16.50.43.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.51.38.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.53.29.jpeg<br />
</gallery><br />
<br />
<br />
<br />
'''Azikri '''<br />
<br />
sedikit tambahan terkait hal di atas, bahwa pada dasarnya aliran fluida dalam pipa akan mengalami penurunan tekanan atau pressure drop seiring dengan <br />
panjang pipa ataupun disebabkan oleh gesekan dengan permukaan<br />
saluran, dan juga ketika aliran melewati sambungan pipa, belokan, katup, difusor, dan sebagainya.<br />
Disisi lain, prinsip dasar persamaan kontinuitas juga jadi landasan dimana massa tidak dapat diciptakan dan<br />
tidak dapat dimusnahkan, sehingga massa dalam suatu sistem yang konstan dapat dinyatakan dengan rumus : rho.A.v=m<br />
<br />
atau Jika aliran fluida bersifat incompressible dan steady flow, maka persamaan menjadi : Q=A.v<br />
<br />
Singkatnya dr persmaan pertama bahwa pressure drop berbanding terbalik dengan D, dan begitu halnya dengan persamaan 2 tegangan geser berbanding <br />
terbalik dg A<br />
<br />
'''Adhika '''<br />
<br />
- Gaya Masuk - Gaya Geser Total = Gaya Keluar<br />
- Gaya Geser Total = Gaya Masuk - Gaya Keluar<br />
- Gaya Geser Total = P1.A - P2.A <br />
- Gaya Geser Total = dp . Luas Area Pipa<br />
Shear Stress . Luas Selimut = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(Luas Area Pipa . L. pi . 4) = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(L. pi . 4) / sqrt(Luas Area Pipa) = dp<br />
<br />
Kesimpulan:<br />
Luas Area Pipa semakin besar maka dp akan semakin kecil<br />
<br />
<br />
'''Jerry '''<br />
<br />
Ketika nilai A membesar, maka nilai D secara langsung juga membesar karena A merupakan fungsi D; A(D). <br />
<br />
Dari persamaan pressure drop, terlihat bahwa nilai D berbanding terbalik dengan nilai deltaP. <br />
<br />
Hal ini akan mengimplikasikan bahwa semakin besar nilai D, maka semakin kecil nilai deltaP<br />
<br />
'''Dessy'''<br />
<br />
Sederhananya jika dilihat dari persamaan untuk Pressure Drop maka sudah cukup jelas dalam menjawab pertanyaan mengapa ketika luas area (A) diperbesar <br />
menyebabkan nilai pressure drop yang menurun, dimana <br />
<br />
dP = f L rho V^2 / 2 D<br />
<br />
Dari persamaan diatas terlihat bahwa nilai diameter (pengaruhnya terhadap luas area) berbanding terbalik dengan nilai pressure loss dP.<br />
<br />
Tambahan juga jika dilihat dari nilai kecepatan (disini saya menggunakan analogi aliran fluida dalam pipa), secara logika apabila nilai luas <br />
penampang A diperbesar maka nilai kecepatan akan semakin kecil, sesuai dengan persamaan yang telah dijelaskan oleh saudara Dieter sebelumnya.<br />
<br />
Maka jika kembali ke persamaan pressure drop sesuai analogi ini, A yang besar akan menyebabkan nilai V menurun, akibatnya nilai dP pun akan menurun.<br />
<br />
Dari sini dapat disimpulkan bahwa semakin besar nilai diameter D, yang menghasilkan nilai area A yang semakin besar pula, menghasilkan nilai pressure <br />
drop dP yang semakin kecil.<br />
<br />
'''Muhammad Gumilar'''<br />
<br />
Ada hal menarik disini, dari beberapa yang saya perhtikan dari beberapa pendapat teman-teman, pengaruh dari adanya luasan atau diameter pipa akan <br />
mempengaruhi keepatan alir didalam pipa , sesuai dengan hukum kontinuitas. Berkaitan dengan hal ini, saya mencerna bahwa bisa saja sebenarnya jika <br />
kita membandingkan dua hal yang mana, dua buah pipa dengan diameter yang berbeda akan tetepa memiliki kecepatan aliran rata-rata yang sama, yang <br />
mana berarti kedua debit aliran dari pipa ini berbeda. Namun yang dititikberatkan pada pembahasannya adala, kenapa berdasarkan rumus pressure loss, <br />
apabila diameter membesar, maka pressure drop akan berkurang. Sedangkan dari persamaan yang lain, kita kethaui bahwa gaya gesek akibat adanya <br />
tegangan geser akan meningkat karena persamaannya adalah F=thow * A. <br />
<br />
Kebingunga dari mahasiswS1 tersebut menurut saya adalah pemahaman beliau yang tidak komprehensif terhadap kosnep pressure drop. Memang, pressure drop <br />
itu berhubungan erat dengan adanya gesekan viscous antara fluida dengan dinding pipa. Akan tetapi, ada hal penting yang dilupakan oleh sang mahasiswa <br />
S! tersebut, yaitu bahwa perbesaran diameter dari pipa juga akan mengakibatkan tegangan geser yang terjadi. Secara sederhana, sepemahaman saya, <br />
tegangan geser itu berbanding lurus dengan gradient kecepatan aliran fluida di sepanjang pipa, yaitu du/dy. Nah, apabila, dengan kecepatan rata-rata <br />
yang sama, diameter pipa semakin besar, maka gradient kecepatan di sepanjang pipa akan berkurang karena pengaruh gaya viscous antara dinding dan <br />
fluida juga semain berkurang. Oleh karena itu, pressure Drop yang terjadi juga akan semakin berkurang. Semoga bermanfaaat semua eheheheh<br />
<br />
== Resume Pertemuan tanggal : Senin, 18 Mei 2020 ==</div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=Wisnu_indrawan&diff=35872Wisnu indrawan2020-06-01T08:37:01Z<p>Wisnu indrawan: /* Resume Pertemuan tanggal : Senin, 20 April 2020 */</p>
<hr />
<div><br />
<br />
----<br />
<br />
== '''Biodata Diri :''' ==<br />
<br />
----<br />
<br />
<br />
[[File:wisnu.jpg|200px|thumb|left|Watashinonamaeha wisnu ndes ]]<br />
<br />
*Nama : Wisnu Indrawan <br />
<br />
*NPM : 1906433745<br />
<br />
*Jurusan : Teknik Mesin<br />
<br />
*Institusi : Universitas Indonesia<br />
<br />
*Penjuruan : SUBAK (Sistem Utilitas Bangunan)<br />
<br />
*Email : wisnu.indrawan@ui.ac.id<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Istilah - Istilah Teknik''' ==<br />
<br />
<br />
'''1. Clustering ''' <br />
<br />
*clustering adalah teknik machine learning berupa algoritma pengelompokkan objek-objek data berjumlah N menjadi <br />
kelompok-kelompok data tertentu (cluster)<br />
<br />
*Objek data yang beada dalam satu kelompok / cluster harus memiliki kemiripan <br />
<br />
*Semakin banyak data yang diperoleh sama dnegan semakin akurat hasil yang di dapatkan <br />
<br />
*Clustering merupakan salah satu jenis dari algoritma unsupervised learining, algoritma <br />
yang bertujuan untuk mempelajari dan menemukan pola dari suatu input yang diberikan tanpa menggunuakan label <br />
<br />
*Dengan penggunaan supervised learning, maka beberapa hal berikut ini dapat dilakukan <br />
<br />
'''1.''' Search: Membandingkan antar dokumen, gambar atau suara untuk menampilkan item serupa. <br />
<br />
'''2.''' Deteksi anomali: Mendeteksi perilaku yang tidak biasa yang biasanya berhubungan dengan hal-hal yang ingin dicegah atau dideteksi, seperti contoh penipuan. <br />
<br />
<br />
Selain itu teknik clustering terdapat beberapa algoritma di dalam nya yang akan dijelaskan istilah nya pada bagian bawah ini : <br />
<br />
<br />
<br />
'''2. K-Means Clustering'''<br />
<br />
*Tentukan jumlah cluster <br />
<br />
*alokasikan data ke dalam cluster secara rancodm <br />
<br />
*hitung centroid/rata-rata dari data yang ada di masing-masing cluster <br />
<br />
*alokasikan masing masing data ke centroid/data-data terdekat <br />
<br />
*kembali ke step 3, apabila masih ada data yang berpindah cluster atau apabila <br />
perubahan nilai centroid, ada yang di atas nilai threshold yang ditentikan atau apabila <br />
perubahan nilai pada objective function yang digunakan di atas nilai threshold yang ditentukan<br />
<br />
<br />
'''3. Mean-Shift Clustering<br />
'''<br />
*Untuk mejelaskan mean-shift, kita ilustrasikan sekumpulan titik dalam ruang <br />
dua dimensi <br />
<br />
*kita mulai dengan circular sliding window yang berpusat pada titik C(dipilih secara acak)<br />
dan memiliki jadi-jadir r sebagai kernel. Mean shift adalah algoritma yang melakukan pergeseran kernel ini secara iteratif <br />
ke daerah kepadatan yang lebih tinggi pada setiap langkah hingga konvegensi.\<br />
<br />
*pada setiap iterasi, sliding window digeser ke arah daerah dengan kepadatan lebih tinggi dengan menggeser titik tengahnya. kepadatan pada sliding window sebanding dengan jumlah tiitk di dalamnya <br />
<br />
*terus melakuakn pergeseran pada sliding window sesuai dengan rata -rata sampai tidak ada arah di mana pergeseran dapat mengakomondasikan lebih banyak titik di dalam kernel (tidak lagi meningkatkan densitas/jumlah titik di window)<br />
<br />
*langkah 1 hingga 3 ini dilakukan dengan banyak sliding window sampai semua titik terletak di dalam window. Ketika beberapa window saling berumpang tindih, window yang berisi titik terbanyak akan dipertahankan. Objek data kemudian dikelompokkan sesua dengan sliding window tempat mereka berada.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-1 ''', (Senin, 03 Februari 2020), Muhasabah ==<br />
<br />
<br />
----<br />
<br />
<br />
'''Muhasabah Diri :''' <br />
<br />
'''Muhasabah adalah''' : sesuatu hal yang perlu dan menjadikannya sebuah kebutuhan dalam tiap-tiap diri manusia, di dalam agama Islam, muhasabah sangatlah dianjurkan karena jika muhasabah bisa dijalankan dengan baik akan memberi banyak manfaat baik yang akan di dapatkan di dunia maupun diakhirat kelak.<br />
<br />
'''Pada pertemuan pertama kami mempelajari apa makna dari komputasi teknik :'''<br />
<br />
'''a. Definisi Komputasi'''<br />
<br />
Komputasi : setulnya bisa diartikan sebagai cara untuk menemukan pemecahan masalah dari data input dengan menggunakan suatu algoritme. Hal ini ialah apa yang disebut dengan teori komputasi, suatu sub-bidang dari ilmu komputer dan matematika. Selama ribuan tahun, perhitungan dan komputasi umumnya dilakukan dengan menggunakan pena dan kertas, atau kapur dan batu tulis, atau dikerjakan secara mental, kadang-kadang dengan bantuan suatu tabel. Namun sekarang, kebanyakan komputasi telah dilakukan dengan menggunakan komputer.<br />
<br />
Komputasi ilmiah dan numerik adalah bidang booming dalam penelitian, teknik, dan analitik. Revolusi dalam industri komputer selama beberapa dekade terakhir telah menyediakan alat baru dan kuat untuk praktisi komputasi. Ini telah memungkinkan usaha komputasi dari skala dan kompleksitas yang sebelumnya tidak pernah terjadi sebelumnya. Akibatnya, semua bidang dan industri bermunculan. Perkembangan ini masih berlangsung, dan ini menciptakan peluang baru seiring dengan meningkatnya perangkat keras, perangkat lunak, dan algoritme. Pada akhirnya, teknologi yang memungkinkan untuk gerakan ini adalah perangkat keras komputasi yang kuat yang telah dikembangkan dalam beberapa dekade terakhir. Namun, untuk seorang praktisi komputasi, lingkungan perangkat lunak yang digunakan untuk pekerjaan komputasi sama pentingnya dengan, jika tidak lebih penting daripada, perangkat keras di mana perhitungan dilakukan.<br />
<br />
'''b. Current state of knowledge'''<br />
<br />
Knowledge i have learned in master amount of application and I just know it in master degree, and this is application I had to learn in master degree, first is lab view, I use it for measure temperature in contactor, so I know the temperature at inlet and outlet, second is REFROP this application helped me to know enthalpy in refrigerant, is superheated or subcool, third but not last is CFD-SOF with this application I can calculate velocity of fluid at an object, for example, is I calculated velocity in planar plate, internal flow pipe, and so on. <br />
<br />
'''c. Pengalaman Komputasi Teknik'''<br />
<br />
Untuk pengalaman saya menggunakan komputasi sudah ada beberapa, seperti CFD SOF dan beberapa bahasa pemograman, tetapi di era data scientist sekarang banyak yang sedang menggunakan bahasa python untuk menjadi bahasa pemograman mereka, hal ini dikarekan python merupakan bahasa pemograman open source (gratis) dan mudah di gunakan untuk pemula, berikut dasar - dasar menggunakan bahsa python :<br />
<br />
'''c.1 Pengenalan Komputasi Menggunakan Python'''<br />
<br />
Python adalah bahasa pemrograman tingkat tinggi yang diartikan untuk keperluan umum yang banyak digunakan dalam komputasi ilmiah dan teknik. Pertama dan terpenting, Python terkenal dengan sintaks code yang bersih dan mudah dibaca. Pembacaan kode yang baik meningkatkan pemeliharaan, yang secara umum menghasilkan lebih sedikit bug dan aplikasi yang lebih baik secara keseluruhan, tetapi juga memungkinkan pengembangan kode yang cepat. Dalam pemecahan masalah komputasi, tentu saja, penting untuk mempertimbangkan kinerja algoritma dan implementasinya. Sementara kinerja runtime terbaik dapat dicapai dalam bahasa pemrograman tingkat rendah seperti fortran dan C, bekerja dalam bahasa tingkat tinggi seperti Python biasanya mengurangi waktu pengembangan dan seringkali menghasilkan kode yang lebih fleksibel dan dapat diperluas.<br />
<br />
'''c.2 Environement Untuk Komputasi Dengan Python''' <br />
<br />
Ada beberapa environtment berbeda yang dapat digunakan Python untuk komputasi ilmiah dan teknis. Keragaman ini memiliki kelebihan dan kekurangan dibandingkan dengan lingkungan yang didukung. Dalam produk komputasi memiliki keanekaragaman menyediakan fleksibilitas dan dinamika yang cocok untuk spesialisasi untuk kasus penggunaan tertentu. Di sini saya memberikan orientasi lingkungan umum untuk komputasi ilmiah. Contoh 3 GUI yang digunakan untuk menjalankan python adalah :<br />
<br />
'''c.2.1. IPython'''<br />
<br />
IPython merupakan sebuah console yang dapat dijalankan secara interaktif. Secara bersama dengan text editor untuk menuliskan code, menyediakan yang ringan untuk dikembangkan .<br />
<br />
'''c.2.2. The Jupyter Notebook'''<br />
<br />
Merupakan aplikasi web di mana kode Python dapat ditulis dan dieksekusi melalui browser web. Environtment ini sangat bagus untuk komputasi numerik, analisis, dan penyelesaian masalah, karena memungkinkan seseorang untuk mengumpulkan code, output yang dihasilkan oleh code, dokumentasi teknis terkait, dan analisis dan interpretasi, semuanya dalam satu dokumen.<br />
<br />
'''c.2.3. Spyder'''<br />
<br />
Integrated Development Environment, yang dapat digunakan untuk menulis dan menjalankan kode Python secara interaktif. IDE seperti Spyder adalah alat yang dapat diguankan untuk mengembangkan library dan modul Python yang bisa digunakan kembali<br />
<br />
'''c.2.4. Interpreter'''<br />
<br />
Cara standar untuk mengeksekusi kode Python adalah menjalankan program secara langsung melalui interpreter Python. Pada kebanyakan sistem, interpreter Python dipanggil menggunakan perintah python. Ketika Python file source diperintahkan sebagai argumen untuk perintah ini, kode Python dalam file tersebut dijalankan.<br />
<br />
$ python hello.py<br />
<br />
Hello from Python!<br />
<br />
Di sini file hello.py berisi satu baris:<br />
<br />
print("Hello from Python!")<br />
<br />
Untuk melihat versi Python mana yang diinstal, seseorang dapat menjalankan perintah python dengan argumen --version:<br />
<br />
$ python –version<br />
<br />
Python 3.6.5<br />
<br />
Adalah umum untuk menginstal lebih dari satu versi Python pada sistem yang sama. Setiap versi Python memelihara kumpulan perpustakaannya sendiri dan menyediakan perintah penerjemahnya sendiri (sehingga setiap lingkungan Python dapat menginstal perpustakaan yang berbeda). Pada banyak sistem, versi tertentu dari juru bahasa Python tersedia melalui perintah seperti, misalnya, python2.7 dan python3.6. Dimungkinkan juga untuk mengatur lingkungan python virtual yang independen dari lingkungan yang disediakan sistem. Ini memiliki banyak keuntungan dan saya sangat menyarankan untuk membiasakan diri dengan cara ini bekerja dengan Python. Lampiran A memberikan perincian tentang cara mengatur dan bekerja dengan lingkungan semacam ini.<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-2 : ''' (Senin, 10 Februari 2020), Sinopsis Tuga Akhir ==<br />
<br />
<br />
----<br />
<br />
<br />
'''a. Menjelaskan Sinopsis Tugas Akhir''' <br />
<br />
JUDUL : <br />
<br />
Sistem Pendingin Mengguankan Thermo Electric Cooler dengan Controller Propotional - Integral Derivative<br />
<br />
SINOPSIS : <br />
<br />
Pendinginan merupakan salah satu proses yang dapat digunakan untuk berbagai macam penggunaan, antara lain untuk menjaga produk industri makanan dan produk medis seperti obat-obatan dan vaksin. Proses pendinginan sekarang masih menggunakan teknologi pengawetan berbasis kompresi menggunakan gas pendingin. Tipe gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannya dan tipe R600a memiliki COP yang lebih rendah. Penelitian ini bertujuan merancang perangkat keras dan perangkat lunak yang dapat diaplikasikan pada pendingin termoelektrik, dengan merancang sebuah alat yang digunakan untuk sistem lemari pendingin menggunakan Thermoelectric Cooler (TEC) dan mendapatkan nilai COP yang tinggi. Sistem dibangun dengan kontroler Proportional Integral Derivative (PID). Sistem ini menggunakan beberapa alat antara lain, sensor suhu, Transistor tipe TIP31, modul bluetooth, kipas, dan mikrokontroler ATSAM3X8E. Pengendalian suhu dilakukan dengan membandingkan set-point suhu yang diinginkan dengan suhu dari sensor. Dari penelitian ini diperoleh hasil bahwa semakin besar nilai tegangan yang diberikan maka semakin besar pula besar nilai Pulse Wave Modulation (PWM) yang dihasilkan. Semakin tinggi nilai besar PWM, semakin cepat penurunan suhu pada kotak pendingin. Dari beberapa pengujian dapat disimpulkan bahwa nilai parameter kontrol proporsional (Kp), parameter kontrol integral (Ki), dan nilai parameter kontrol deferensial (Kd ), dimana pada nilai Kp = 255, Ki = 100, dan Kd = 200 mendapatkan grafik yang lebih stabil dan mendekati nilai set-point, dengan nilai error sebesar 2,86 %.<br />
<br />
<br />
'''b. Perbedaan deterministik dan stokastik'''<br />
<br />
b.1 deterministik adalah sesuatu yang pasti akan terjadi. <br />
<br />
b.2 stokastik adalah Stokastik adalah kebolehjadian, atau dengan kata lain sesuatu yang belum terjadi kepastiannya. "Sesungguhnya, Allah tidak akan mengubah nasib suatu kaum, hingga mereka mengubahnya sendiri.." (Q.S. Ar-Ra'd [13] : 11) <br />
<br />
<br />
'''c . Komputasi Teknik pada Tugas Akhir'''<br />
<br />
Tipe tugas akhir saya adalah deteministik. Hal ini dikarenakan nilai dari PID yang saya tentukan pasti. Menurut pendapat saya untuk penerapan komputasi teknik pada tugas akhir saya adalah <br />
<br />
Pada penggunaan fitur controller PID, adalah kemampuan untuk menggunakan tiga tipe kontroller yakni propotional, integral dan derivatif yang mempengaruhi nilai keluaran kontroller untuk dipalikasikan pada nilai yang optimal dari kontroller itu sendiri. <br />
<br />
[[File:PID.png|400px|thumb|left ]]<br />
<br />
Diagram blok yang terdapat pada sebelah kiri menunjukkan bagamimana cara controller ini bekerja. Gambar tersebut menunjukan kontroller PID, yang mana secara kontinu menghitung nilai error e(t) sebagai selisih dari setpoint r(t) dan variabel proses y(t), dan pengaplikasian nya dikoreksi berdasakan propotional, integral, dan derivatif. Kontroller mencoba utnuk meminimalisir error dari lebih nya koreksi kontrol variabel u(t), salah satu contoh nya pengontrolan pada kecepatan kipas, kontrol PID dibutuhkan untuk mengetahui jumlah RPM selanjutnya pada kipas sehingga dapat mendinginkan suatu objek.<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
'''d. Komputasi pada tugas akhir saya kedepan nya'''<br />
<br />
Melakuakn simulasi CFD sederhana untuk melihat aliran fluida di dalam lemari pendingin<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan Ke-3''', (Senin 17-Februari-2020), Presentasi Sinopsis Project Komputasi Teknik ==<br />
<gallery mode="slideshow"><br />
File:PPT_1.png|200px|center|<br />
File:PPT_2.png|200px|center|<br />
File:PPT_3.png|200px|center|<br />
File:PPT_4.png|200px|center|<br />
File:ppt_5.png|200px|center|<br />
</gallery><br />
<br />
----<br />
<br />
== '''Pertemuan ke-4''', (Senin, 24 Februari 2020), Presentasi Model Matematis Project Komputasi Teknik ==<br />
<br />
----<br />
<br />
<br />
<br />
Skema kontrol PID dinamai dari ketiga term pengendalinya, yang kemudian dijumlahkan menjadi variabel manipulasi. Term proporsional, integral, dan derivatif dijumlahkan untuk menghitung keluaran kontroler PID. Dengan mendefinisikan u(t) sebagai keluaran kontroler, bentuk akhir dari algoritme PID adalah:<br />
<br />
<br />
<br />
[[File:Rumus1.png|300px|thumb|center ]]<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Contoh PID pada MATLAB<br />
|-<br />
|'''Jenis'''<br />
|'''Foto'''<br />
|'''Deskripsi'''<br />
|-<br />
! '''Porpotional Integral''' <br />
| [[File:Tilu.png|300px|thumb|left ]] || sys = zpk([],[-1 -1 -1],1); <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Loro.png|300px|thumb|left ]] || <br />
<br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
T_pi_fast = feedback(C_pi_fast*sys,1);<br />
step(T_pi,T_pi_fast)<br />
axis([0 30 0 1.4])<br />
legend('PI','PI,fast')<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Siji.png|300px|thumb|left ]] || <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
[C_pidf_fast,info] = pidtune(sys,'PIDF',1.0)<br />
T_pidf_fast = feedback(C_pidf_fast*sys,1);<br />
<br />
step(T_pi_fast, T_pidf_fast); <br />
<br />
axis([0 30 0 1.4]);<br />
<br />
legend('PI,fast','PIDF,fast');<br />
<br />
sys = zpk([],[-1 -1 -1],1); <br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
S_pi_fast = feedback(sys,C_pi_fast);<br />
S_pidf_fast = feedback(sys,C_pidf_fast);<br />
step(S_pi_fast,S_pidf_fast);<br />
axis([0 50 0 0.4]);<br />
legend('PI,fast','PIDF,fast');<br />
<br />
|-<br />
|}<br />
<br />
----<br />
<br />
<br />
== '''Pertemuan ke-5''', (2 Maret 2020), Quis I ==<br />
<br />
<br />
[[File:Photo 1.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 2.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 3.jpeg|350px|thumb|center ]]<br />
<br />
<br />
<br />
<br />
----<br />
== '''Finite ELement, Finite Diffirent, Finite Volume''' ==<br />
<br />
* '''Pengertian Finite Element :'''<br />
<br />
'''Finite Element :''' menyelesaikan suatu problem dengan cara membagi obyek analisa menjadi bagian-bagian kecil yang terhingga. Bagian-bagian kecil ini kemudian dianalisa dan hasilnya digabungkan kembali untuk mendapatkan penyelesaian untuk keseluruhan daerah. Kata “finite atau terhingga” digunakan untuk menekankan bahwa bagian-bagian kecil tersebut tidak tak terhingga, seperti yang lazim digunakan pada metode integral analitik.<br />
<br />
* '''Pengertian Finite Volume :'''<br />
<br />
'''Finite Volume :''' adalah metode yang digunakna untuk merepresentasikan persamaan diferensial parisial dalam bentuk persamaan algeraic. Didalam metode finite volume, mengintergalkan bagian dari persamaan diferensial parsial ,menggunakan teorema divergensi.<br />
<br />
* '''Pengertian Finite Different :'''<br />
<br />
'''Finite Different :''' adalah diskritisasi yang digunakan untuk menyelesaiakn persamaan diferensial dengan memperkirakan denagn persamaan diferensial yang menggunakan perbedaan yang mendekati derivatif.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Pertemuan ke-6''', Senin 9 Maret 2020, Extended Abstrak ==<br />
<br />
<br />
<br />
Name : Wsinu indrawan<br />
<br />
Title : Fluid Analysis For Mini Fan Refrigerator Using Thermoelectric Cooler <br />
<br />
The cooling is one of the processes can be used for various types of applications, starting from maintaining food industry products and medical products such as drugs and vaccines. The cooling process now still uses compression-based preservation technology using cooling gas. The types of cooling gas used are R134a and R600a. However, the R134a contains HF which has been banned for used, and the R600a contains HF gas which can reduce the ozone layer. In addition, a single fan compressor system that uses cooling gas in a steam compressor has difficulties in regulating the temperature of the target compartment. Based on this, an alternative cooling technology is needed. Thermoelectric cooler (TEC) is an alternative cooling technology, because TEC has advantages such as small size, lower noise and vibration, easier in temperature regulation, low maintenance requirements, can absorb heat using the principle of heat difference so that in addition to being able to the cooler can also be a heater, and besides that it can be turned on with a DC current. Obtained a solution in the form of cooling using a thermoelectric cooler, using a fan in the refrigerator.The current research examines the application of CFD (Computational Fluid Dynamic) to analyze the flow of wind into the refrigerator. Use the existing CFD analyst application. To analyze the flow of fluid entering the refrigerator, it is simplified for this refrigerator, by cutting the inside of the refrigerator. So that the incoming fluid flow can be reviewed, from the incoming air velocity can be analyzed with a simple correlation to the wind speed generated with existing pwm. It is expected that from this research, researchers can find out the wind phenomenon that is in the refrigerator so that it can be used for further research.<br />
<br />
<br />
<br />
<br />
[[File:G1.png|400px|thumb|center ]]<br />
<br />
[[File:test1.png|400px|thumb|center ]]<br />
<br />
== '''Optimasi Energi Pada Manusia''' ==<br />
<br />
The article below will describe how to make optimization in daily life, during one month<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Optimasi Energi Pada Manusia<br />
|-<br />
|'''Jenis'''<br />
|'''Perhitungan'''<br />
|'''Deskripsi'''<br />
|-<br />
! Step 1<br />
| [[File:gazo1.png|700px|left]] || Pertama saya menentukan jumlah jam yang dibutuhkan per hari secara acak dengan funsi rand di excel <br />
<br />
|-<br />
! Step 2 <br />
| [[File:gazo2.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 1<br />
<br />
|-<br />
! Step 3 <br />
| [[File:gazo3.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 2<br />
<br />
|-<br />
! Step 4 <br />
| [[File:gazo4.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 3<br />
<br />
<br />
|-<br />
! Step 5 <br />
| [[File:gazo5.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 4<br />
<br />
|-<br />
! Step 6 <br />
| [[File:hebat.png|700px|left]] || Mencari grafik polynomial pada salah satu minggu dan diadapatkan grafik polynom nya<br />
<br />
|-<br />
! Step 7 <br />
| [[File:gazo7.png|700px|left]] || hasil konversi watt ke rupiah pada hari senin pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 8 <br />
| [[File:gazo8.png|700px|left]] || hasil konversi watt ke rupiah pada hari selasa pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 9 <br />
| [[File:gazo9.png|700px|left]] || hasil konversi watt ke rupiah pada hari rabu pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 10 <br />
| [[File:gazo10.png|700px|left]] || hasil konversi watt ke rupiah pada hari jumat pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 11 <br />
| [[File:gazo11.png|700px|left]] || hasil konversi watt ke rupiah pada hari sabtu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step 12 <br />
| [[File:gazo12.png|700px|left]] || hasil konversi watt ke rupiah pada hari minggu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step Final<br />
| [[File:cobajadulu.png|700px|left]] || Mencoba memasukan nilai minimum ke dalam matlab dan mencari dengan curve fitting<br />
<br />
|-<br />
|}<br />
<br />
== '''Pengarahan Beberapa Teknologi Komputasi Teknik''', 16-03-2020 ==<br />
<br />
<br />
Pada pertemuan kali ini membahas masalah initial thinking, mendevelop model matematis, anlisa secara umum dan analisa secara khusus<br />
<br />
Mengembangkan model amtematis dari konsep model utama dari model matematis tersebut<br />
<br />
Dari modeling tersebut dibutuhkan beberapa tahapan pertama :<br />
<br />
*Constrain <br />
<br />
*Boundary Condition <br />
<br />
*Setelah beberapa tahapan itu masuk ke tahapan simulasi <br />
<br />
Pengertian Verifikasi : <br />
<br />
Verifikasi adalah teori filsafat positif logis dalam memilih yang menyatakan bahwa pengalaman adalah satu-satunya sumber dasar pengetahuan dan dalam analisis logis dapat dilakukan dengan bantuan simbol-simbol logika dengan menggunakan metode untuk pemecahkan masalah melalui metode verifikasi empirik yaitu bila terdapat sesuatu yang tidak dapat diverifikasi secara empirik maka hasilnya adalah sia-sia. penganut teori radikal ini memiliki masalah konsekuensi untuk filosofi tradisional, karena, jika benar, akan menyebabkan banyak pekerjaan sia-sia pada filosofis masa lalu, antara lain pada metafisika dan etika.<br />
<br />
Validasi : <br />
<br />
validasi adalah sebuah teknik validasi model untuk menilai bagaimana hasil statistik analisis akan menggeneralisasi kumpulan data independen. Teknik ini utamanya digunakan untuk melakukan prediksi model dan memperkirakan seberapa akurat sebuah model prediktif ketika dijalankan dalam praktiknya. Dalam sebuah masalah prediksi, sebuah model biasanya diberikan kumpulan data (dataset) yang diketahui untuk digunakan dalam menjalankan pelatihan (dataset pelatihan), serta kumpulan data yang tidak diketahui (atau data yang pertama kali dilihat) terhadap model yang diuji (pengujian dataset).[4] Tujuan dari validasi silang adalah untuk mendefinisikan dataset untuk "menguji" model dalam tahap pelatihan (yaitu, validasi data), dalam rangka untuk membatasi masalah seperti terjadinya overfitting, memberikan wawasan tentang bagaimana model akan menggeneralisasi independen dataset (yaitu, dataset tidak diketahui, misalnya dari masalah nyata), dll.<br />
<br />
== '''Ujian Tengah Semester''', Komputasi Teknik ==<br />
<br />
<br />
<br />
<br />
=== '''Video Pembelajaran Setiap Minggu''' ===<br />
<br />
<br />
'''Kemampuran Komputasi Teknik Selama Perkuliahan, Tutorial Menggunakan CFDSOF'''<br />
<br />
<br />
[[File:.pertemuan3wisnuindrawan.mp4||500px|center]]<br />
<br />
<br />
<br />
=== '''Draft Paper Komputasi Teknik''' ===<br />
<br />
<br />
==== BAB I ====<br />
<br />
Pendinginan salah satu teknologi yang memiliki berbagai macam pengaplikasian, dimulai dari menjaga produk makanan dari kebusukan dan berbagai pengendalian suhu dalam bidang elektronik dan industri lainnya (Gökçekdan Şahin, 2017).Salah satu teknologi pendinginan yang sekarang ini sering digunakan adalah teknologi berbasis kompresi uap karna mempunyai (COP) coefficient of performanceyang tinggi dan mempunyai harga yang lebih murah dibandingkan teknologi alternatif lainnya.Dalam proses pendinginan, teknologi kompresi uap menggunakan gas pendingin yang berfungsi untuk menyerap panas pada udara dalam ruangan, sehingga menjadi bersuhu rendah. Secara luas gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannyadan tipe R600a mengandung gas HF yang dapat mengurangi lapisan ozon (Söylemez dkk., 2018). Selain itu,pada sistem kompresor satu kipas yang menggunakan gas pendingin pada kompresor uap memiliki kesulitan dalampengaturan temperatur dari kompartemen target. Berdasarkan pernyataan tersebut diperlukan suatu teknologi pendingin alternatif. Thermoelectric cooler adalah salah satu alternatif teknologi pendingin, dikarenakan thermoelectric cooler memiliki kelebihan seperti berukuran kecil, kebisingan dan getaran yang lebih rendah, lebih mudah dalam pengaturan suhu, mebutuhkan perawatan yang sedikit, dan dapat dihidupkan dengan arus DC (Söylemezdkk., 2018). Pendinginan dengan menggunakan TEC (Termoelectric Cooling) telah digunakan untuk menghilangkan embun kaca depan kendaraan. Penelitian tersebut telah menghasilkan temperatur hingga 22,4 oC. Penelitian lainTEC telah digunakan untuk pendingin kotak minuman dengan menggunakan 3thermoelectric cooling, dimana dapat menghasilkan temperatur kotak minuman tanpa beban mencapai14,3 oC, dengan beban pendingin air sebanyak 1 liter sebesar 16,4 oC (Nulhakim, 2017). TEC (Termoelectric Cooling) tidak hanya dapat mendinginkan, tetapi dapat memanaskan di waktu yang bersamaan. Sifat dari TEC ini dapat dimanfaatkan untuk sistem pengaturan suhu ruangan. Untuk tujuan pengaturan suhu yang lebih akurat, dapat dipertimbangkan menggunakan sistem kontrol loop tertutup dengan PID (Propotional, Integral dan Derivative). Kelebihan dari pemakaian kontroler PID di loop tertutup adalah kontrol PID memiliki kemampuan untuk penyetelan otomatis, dan dapat adaptasi terhadap variasi waktu, sehinggasistem dari kontroler PID menyediakan aplikasi didalam industri dengan fitur kontrol yang lebih akurat dandapat disesuaikan dengan kebutuhan(Abdullah dan Ayman, 2008). Pengaturan PID pada umumnya menggunakan alat yang memakan banyak biaya. Tetapi menurut hasil dari eskperimen yang menyatakan bahwa kontroler PID menggunakna mikrokontoler tipe P18F4685 yang memiliki kapasitas 14 bit dapat menghasilkan kestabilan yang baik, dengan overshoot yang sedikit, dan memiliki waktu settling time yang sedikit pula (El-Nagar dan El-Bardini, 2014). Dari latar belakang tersebut diperlukan suatu sistem pendingin ruangan yang terkontrol secara otomatis menggunakanteknologi pendingin ramah lingkungan yang terkontrol dengan sistem kontrol loop tertutup, sehinggadapat manjadi salah satu alternatif teknologi pendingin ruangan.Berdasarkan potensi tersebut maka telah dilakukan penelitian tentang rancang bangun sistem pendingin ruangan menggunakan TEC (Thermoelectric Cooler) dengan kontroler PID.<br />
<br />
==== BAB II ====<br />
<br />
'''Sensor Suhu''' <br />
<br />
Salah satu jenis sensor suhu yang banyak digunakan di industri adalah tipe sensor suhu berbahan semikonduktor. Sensor ini menggunakankonfigurasi dioda atau transistor di kutub yang pada sambungan p-n bahan tersebut memiliki respon yang kuat terhadap suhu. Terdapat dua jenis pemberian tegangan pada sambungan p-n yaitu bias maju dan bias mundur seperti ditunjukkan pada Gambar 2.1. Ketika sambungan p-n bias maju dihubungkan dengansumber arus, maka terjadi beda potensial pada kedua sambungan. Beda potensial atau tegangan yang dihasilkan berbanding lurus dengan perubahan suhu(Suryono, 2018).<br />
<br />
[[File:wisnu.png|500px|center|]]<br />
<br />
<br />
<br />
'''Thermoelectric'''<br />
<br />
Modul thermoelectric khas dibuat menggunakan dua buah keramik berbentuk wafer dengan jenis bahan semikonduktor bismuth telluride P dan N yang diapit di antara keduanya seperti yang ditunjukkan pada Gambar 2.3. Bahan keramik di kedua sisi dari thermoelectric berfungsi untuk pelindung dan sebagai isolator listrik yang diperlukan. Bahan tipe-N memiliki kelebihan elektron, sementara bahan tipe-P membutuhkan elektron. Bahan P dan N membentuk pasangan, seperti yang ditunkjukan pada Gambar 2.3. Pasangan thermoelectric dipasang secara seri dan termal sejajar. Modul thermoelectric dapat berisi satu sampai beberapa ratus pasangan. Saat elektron bergerak dari bahan tipe-P ke bahan tipe-N melalui konektor listrik, elektron beralih ke keadaan energi yang lebih tinggi dan menyerap energi panas (sisi dingin) (Manikandan dkk., 2017).<br />
<br />
<br />
[[File:dewawisnuganteng.png|500px|center|]]<br />
<br />
<br />
<br />
<br />
<br />
==== BAB III ====<br />
<br />
Sistem pengendalian yang saya pakai adalah menggunakan mobile phone, jadi pada penyetingan set point pada PID menggunakan apliaksi mobile bebasis bluetooth<br />
<br />
<br />
[[File:bismillahadajalan.png|500px|center|]]<br />
<br />
Selanjut nya pada sistem kerja dari alat ini menggunakan sistem PID untuk mengatur kecepatan dari driver motor untuk mengatur suhu, jika suhu tidak sesuai dengan yang diinginkan maka kecepatan kipas akan terus bertambah.<br />
<br />
<br />
[[File:PIDBROH.png|500px|center|]]<br />
<br />
<br />
Hasil rancang bangun dari alat pendingin ditunjukan pada gambar dibawah ini<br />
<br />
<br />
[[File:celenganrindu.jpg|500px|center|]]<br />
<br />
Pembuatan interface untuk memasukkan data set point pada aplikasi mobile<br />
<br />
[[File:interface.png|500px|center|]]<br />
<br />
Pembuatan interface untuk mencari device bluetooth pada device-device sekitar<br />
<br />
[[File:tampilan2.png|500px|center|]]<br />
<br />
==== BAB IV ====<br />
<br />
Hasil data dari kalibrasi sensor suhu dengan alat ukur standart SNI <br />
<br />
<br />
[[File:akad.png|500px|center|]]<br />
<br />
<br />
Data PID setelah melakukan trial and error mendapatkan nilai Kp Kd Ki <br />
<br />
<br />
[[File:bismillahwisnudata.png|500px|center|]]<br />
<br />
=== '''Laporan Optimasi Energi''' ===<br />
<br />
<br />
Grafik Pada Minggu Pertama<br />
<br />
<br />
<br />
[[File:bersyukurlah.png|500px|center|]]<br />
<br />
[[File:gambarsatu.png|500px|center|]]<br />
<br />
<br />
[[File:semuaudahadarezekinya.png|500px|center|]]<br />
<br />
<br />
<br />
[[File:janganngeluhterus.png|500px|center|]]<br />
<br />
Gambar yang ditunjukan dengan menggunakna aplikasi sypder menunjukkan nilai x, nilai tersebut merupakan nilai minimum atau optimum dari persamaan yang telah dibuat dengan menggunakan excel<br />
<br />
<br />
Revisi Projek tugas komputasi teknik <br />
<br />
Pada kesempatan kali ini saya menggunakan case baru untuk menyelesaikan draft paper mata kuliah komputasi teknik <br />
<br />
Hal ini dikarenakan, ketertarikan penulis untuk mengangkat tema ini <br />
<br />
==Refisi draft paper==<br />
<br />
<br />
<br />
Beberapa contoh data dari nasabah yang dihasilkan untuk mengetahui apakah nasabah ingin meninggalkan bank dari data - data pribadi mereka, <br />
seperti lama mereka menggunakan jasa bank ini, jumlah tabungan mereka, kemudian umur mereka, dan dari pria atau wanita <br />
<br />
<br />
[[File:22 April 2020 5.png || 700px]]<br />
<br />
Pertama data yang berada dalam format csv dimasukan ke dalam pemograman python dengan maka akan muncul tampilan seperti diatas, ataua kerap<br />
disebut sebagai dataframe, setelah dataframe terbentuk maka dataframe tersebut di pecah - pecah atau dikelompokkan mana yang bisa digunakan untuk <br />
independent variable atau tidak <br />
<br />
<br />
<br />
[[File:22 April 2020 1.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 2.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 3.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 4.png || 700px]]<br />
<br />
<br />
methode dari draft paper ini adalah : <br />
<br />
'''mengguankan machine learning''' <br />
<br />
Pembelajaran mesin (ML) adalah studi tentang algoritma komputer yang meningkat secara otomatis melalui pengalaman. [1] Itu dilihat sebagai bagian dari kecerdasan buatan. Algoritma pembelajaran mesin membangun model matematika berdasarkan data sampel, yang dikenal sebagai "data pelatihan", untuk membuat prediksi atau keputusan tanpa diprogram secara eksplisit untuk melakukannya. [2] [3]: 2 Algoritma pembelajaran mesin digunakan dalam berbagai berbagai aplikasi, seperti penyaringan email dan visi komputer, di mana sulit atau tidak layak untuk mengembangkan algoritma konvensional untuk melakukan tugas-tugas yang diperlukan.<br />
<br />
Pembelajaran mesin terkait erat dengan statistik komputasi, yang berfokus pada membuat prediksi menggunakan komputer. Studi tentang optimasi matematika memberikan metode, teori dan domain aplikasi ke bidang pembelajaran mesin. Penambangan data adalah bidang studi terkait, dengan fokus pada analisis data eksplorasi melalui pembelajaran tanpa pengawasan.<br />
<br />
'''Realsi terhadap optimasi'''<br />
<br />
Pembelajaran mesin juga memiliki ikatan intim dengan optimisasi: banyak masalah pembelajaran dirumuskan sebagai minimalisasi beberapa fungsi kerugian pada serangkaian contoh pelatihan. Fungsi kerugian menyatakan perbedaan antara prediksi model yang sedang dilatih dan contoh masalah yang sebenarnya (misalnya, dalam klasifikasi, seseorang ingin menetapkan label pada instance, dan model dilatih untuk memprediksi dengan benar label yang telah ditetapkan sebelumnya dari sekumpulan contoh). Perbedaan antara dua bidang muncul dari tujuan generalisasi: sementara algoritma optimasi dapat meminimalkan kerugian pada set pelatihan, pembelajaran mesin berkaitan dengan meminimalkan kerugian pada sampel yang tidak terlihat. <br />
<br />
'''Relasi terhadap statistik'''<br />
<br />
Pembelajaran mesin dan statistik adalah bidang yang terkait erat dalam hal metode, tetapi berbeda dalam tujuan utamanya: statistik menarik kesimpulan populasi dari sampel, sementara pembelajaran mesin menemukan pola prediksi yang dapat digeneralisasikan. Menurut Michael I. Jordan, gagasan pembelajaran mesin, mulai dari prinsip metodologis hingga alat teoretis, telah memiliki pra-sejarah panjang dalam statistik. [22] Dia juga menyarankan istilah ilmu data sebagai pengganti untuk menyebut bidang keseluruhan. <br />
<br />
Leo Breiman membedakan dua paradigma pemodelan statistik: model data dan model algoritmik, [23] di mana "model algoritmik" berarti kurang lebih algoritma pembelajaran mesin seperti hutan acak.<br />
<br />
Beberapa ahli statistik telah mengadopsi metode dari pembelajaran mesin, yang mengarah ke bidang gabungan yang mereka sebut pembelajaran statistik. <br />
<br />
<br />
'''Teori'''<br />
<br />
Tujuan inti seorang pelajar adalah untuk menggeneralisasi dari pengalamannya. Generalisasi dalam konteks ini adalah kemampuan mesin pembelajaran untuk melakukan secara akurat pada contoh / tugas baru yang tidak terlihat setelah mengalami kumpulan data pembelajaran. Contoh-contoh pelatihan berasal dari beberapa distribusi probabilitas yang umumnya tidak diketahui (dianggap mewakili ruang kejadian) dan pelajar harus membangun model umum tentang ruang ini yang memungkinkannya menghasilkan prediksi yang cukup akurat dalam kasus-kasus baru.<br />
<br />
Analisis komputasi algoritma pembelajaran mesin dan kinerjanya adalah cabang ilmu komputer teoretis yang dikenal sebagai teori pembelajaran komputasi. Karena set pelatihan terbatas dan masa depan tidak pasti, teori pembelajaran biasanya tidak menghasilkan jaminan kinerja algoritma. Sebaliknya, batasan probabilistik pada kinerja cukup umum. Dekomposisi bias-varians adalah salah satu cara untuk mengukur kesalahan generalisasi.<br />
<br />
Untuk kinerja terbaik dalam konteks generalisasi, kompleksitas hipotesis harus sesuai dengan kompleksitas fungsi yang mendasari data. Jika hipotesis kurang kompleks dari fungsi, maka model memiliki data yang sesuai. Jika kompleksitas model meningkat dalam respons, maka kesalahan pelatihan berkurang. Tetapi jika hipotesisnya terlalu kompleks, maka modelnya akan mengalami overfitting dan generalisasi akan menjadi lebih buruk. <br />
<br />
Selain batas kinerja, ahli teori belajar mempelajari kompleksitas waktu dan kelayakan belajar. Dalam teori pembelajaran komputasi, perhitungan dianggap layak jika dapat dilakukan dalam waktu polinomial. Ada dua jenis hasil kompleksitas waktu. Hasil positif menunjukkan bahwa kelas fungsi tertentu dapat dipelajari dalam waktu polinomial. Hasil negatif menunjukkan bahwa kelas-kelas tertentu tidak dapat dipelajari dalam waktu polinomial.<br />
<br />
<br />
<br />
'''metode machine learning ada beberapa tipe nya berikut penjelasan mengenai teori machine learning :''' <br />
<br />
1. Suppport Vector Machine (SVMs)<br />
<br />
Support vector Machines (SVMs) adalah algoritma pembelajaran mesin yang diawasi yang fleksibel namun kuat yang digunakan baik untuk klasifikasi dan regresi. Tetapi umumnya, mereka digunakan dalam masalah klasifikasi. Pada 1960-an, SVM pertama kali diperkenalkan tetapi kemudian disempurnakan pada tahun 1990. SVM memiliki cara implementasi yang unik dibandingkan dengan algoritma pembelajaran mesin lainnya. Akhir-akhir ini, mereka sangat populer karena kemampuan mereka untuk menangani beberapa variabel kontinu dan kategorikal.<br />
<br />
<br />
Dalam praktiknya, algoritma SVM diimplementasikan dengan kernel yang mengubah ruang data input ke dalam formulir yang diperlukan. SVM menggunakan teknik yang disebut trik kernel di mana kernel mengambil ruang input dimensi rendah dan mengubahnya menjadi ruang dimensi yang lebih tinggi. Dengan kata-kata sederhana, kernel mengubah masalah yang tidak dapat dipisahkan menjadi masalah yang dapat dipisahkan dengan menambahkan lebih banyak dimensi ke dalamnya. Itu membuat SVM lebih kuat, fleksibel dan akurat. Berikut ini adalah beberapa jenis kernel yang digunakan oleh SVM.<br />
<br />
<br />
Linear Kernel <br />
<br />
Ini dapat digunakan sebagai produk titik antara dua pengamatan. Rumus kernel linear adalah sebagai berikut<br />
<br />
Metode yang digunakan <br />
<br />
pada penelesaian masalah ini saya menggunakana beberapa engone dari python untuk melakuakn machine learning yakni '''sklearn''' dan '''tensor flow''', berikut penjelasan masing masing metode nya :<br />
<br />
ini adalah struktur skrip dari '''sklearn.prepocessing''' <br />
<br />
class sklearn.preprocessing.OneHotEncoder(*, categories='auto', drop=None, sparse=True, dtype=<class 'numpy.float64'>, handle_unknown='error')[source]<br />
<br />
kenapa class ini digunakan karena machine leraning tidak bisa memproses selain angka, tapi pada kasus ini saya menggunakan nama, umur dan beberapa proses yang menggunakan tipe string(kata - kata)<br />
sehigga sulit untuk di klasifikasikan.<br />
<br />
'''maka dari itu metode ini dapat digunakan.'''<br />
<br />
'''One Hot Encoding adalah :''' reperentasi kategori variabel dalam vektor biner. <br />
<br />
Pertama nilai dari proses ini dipetakan dala nilai integer (nilai angka yang benilai bilangan bulat, tidak memiliki nilai koma)<br />
<br />
Lalu, setiap nilai yang berbentuk integer ini direpresentasikan sebagai vektor biner yang semua nya bernilai nol kecuali yang terindeks integer, yang di tandai 1.<br />
<br />
== Quis II, 6 April 2020 ==<br />
<br />
<br />
Assalamualaiakum Beerikut adalah link dari Quis 2<br />
Wisnu Indrawan <br />
1906433745<br />
<br />
https://drive.google.com/drive/folders/17z_x1nPTXBtnZl_PVhXRBZXdK5Wy0GMx?usp=sharing<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan Tanggal : Senin, 13 April 2020 == <br />
<br />
<br />
<br />
<br />
== Resume Pertemuan tanggal : Senin, 20 April 2020 ==<br />
<br />
<br />
<gallery mode="slideshow"><br />
<br />
<br />
File:qwerwqerqwerq_caseII_1.png<br />
File:qwerwqerqwerq_caseII_2.png<br />
File:24-04-2020-1-tugas komtek.png<br />
File:2020-04-24 23 12 57-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 22-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:hasil-24-04-2020.png<br />
File:2020-04-24 23 47 29-Book1 - Excel.png<br />
</gallery><br />
<br />
== Resume Pertemuan tanggal : Senin, 27 April 2020 ==<br />
<br />
1. Pemahaman terkait prinsip dan konsep komputasi teknik<br />
2. Penerapan konsep dan skill dalam komputasi teknik<br />
3. Lebih mengenal diri<br />
Dari 3 point diatas disampaikan via zoom dengan cara sebagai berikut:<br />
<br />
show your contributions<br />
your understanding<br />
your skkill<br />
<br />
== Resume Pertemuan tanggal : Senin, 04 Mei 2020 ==<br />
<br />
<br />
<br />
- Pemahaman terkait prinsip dan konsep komputasi teknik<br />
<br />
- Penerapan konsep dan skill dalam komputasi teknik<br />
<br />
- Lebih mengenal diri baik individu maupun kelompok/ kelas<br />
<br />
Intisaru dari evaluasi diri ini adalah :<br />
<br />
- show your contributions<br />
<br />
- your understanding<br />
<br />
- your skkill<br />
<br />
== Resume Pertemuan tanggal : Senin, 11 Mei 2020 ==<br />
<br />
<br />
Pada pertemuan tanggal 11 Mei 2020 terdapat pembahasan selanjut nya pada pertemuan minggu lalu mengnai pressure drop. Pada pembahsan pada grup whatshap mengenai tentang pendapat individu mengenai kasus pressure drop dan di bahas kemabli dalam grup Komputasi Teknik via whatshapp. Diharapkan pada pembahasan ini secara personal memahami cases Basic Mechanics dan menjadi kewajiban bagi setiap mahsiwa menyatakan analisa pribadi terkait kasus tersebut. <br />
<br />
Berikut Hasil dari pembahasan kasus tersebut : <br />
<br />
<gallery mode="slideshow"><br />
File:WhatsApp Image 2020-05-12 at 19.30.27.jpeg<br />
File:WhatsApp Image 2020-05-11 at 09.41.12.jpeg<br />
File:WhatsApp Image 2020-05-12 at 16.50.43.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.51.38.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.53.29.jpeg<br />
</gallery><br />
<br />
<br />
<br />
'''Azikri '''<br />
<br />
sedikit tambahan terkait hal di atas, bahwa pada dasarnya aliran fluida dalam pipa akan mengalami penurunan tekanan atau pressure drop seiring dengan <br />
panjang pipa ataupun disebabkan oleh gesekan dengan permukaan<br />
saluran, dan juga ketika aliran melewati sambungan pipa, belokan, katup, difusor, dan sebagainya.<br />
Disisi lain, prinsip dasar persamaan kontinuitas juga jadi landasan dimana massa tidak dapat diciptakan dan<br />
tidak dapat dimusnahkan, sehingga massa dalam suatu sistem yang konstan dapat dinyatakan dengan rumus : rho.A.v=m<br />
<br />
atau Jika aliran fluida bersifat incompressible dan steady flow, maka persamaan menjadi : Q=A.v<br />
<br />
Singkatnya dr persmaan pertama bahwa pressure drop berbanding terbalik dengan D, dan begitu halnya dengan persamaan 2 tegangan geser berbanding <br />
terbalik dg A<br />
<br />
'''Adhika '''<br />
<br />
- Gaya Masuk - Gaya Geser Total = Gaya Keluar<br />
- Gaya Geser Total = Gaya Masuk - Gaya Keluar<br />
- Gaya Geser Total = P1.A - P2.A <br />
- Gaya Geser Total = dp . Luas Area Pipa<br />
Shear Stress . Luas Selimut = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(Luas Area Pipa . L. pi . 4) = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(L. pi . 4) / sqrt(Luas Area Pipa) = dp<br />
<br />
Kesimpulan:<br />
Luas Area Pipa semakin besar maka dp akan semakin kecil<br />
<br />
<br />
'''Jerry '''<br />
<br />
Ketika nilai A membesar, maka nilai D secara langsung juga membesar karena A merupakan fungsi D; A(D). <br />
<br />
Dari persamaan pressure drop, terlihat bahwa nilai D berbanding terbalik dengan nilai deltaP. <br />
<br />
Hal ini akan mengimplikasikan bahwa semakin besar nilai D, maka semakin kecil nilai deltaP<br />
<br />
'''Dessy'''<br />
<br />
Sederhananya jika dilihat dari persamaan untuk Pressure Drop maka sudah cukup jelas dalam menjawab pertanyaan mengapa ketika luas area (A) diperbesar <br />
menyebabkan nilai pressure drop yang menurun, dimana <br />
<br />
dP = f L rho V^2 / 2 D<br />
<br />
Dari persamaan diatas terlihat bahwa nilai diameter (pengaruhnya terhadap luas area) berbanding terbalik dengan nilai pressure loss dP.<br />
<br />
Tambahan juga jika dilihat dari nilai kecepatan (disini saya menggunakan analogi aliran fluida dalam pipa), secara logika apabila nilai luas <br />
penampang A diperbesar maka nilai kecepatan akan semakin kecil, sesuai dengan persamaan yang telah dijelaskan oleh saudara Dieter sebelumnya.<br />
<br />
Maka jika kembali ke persamaan pressure drop sesuai analogi ini, A yang besar akan menyebabkan nilai V menurun, akibatnya nilai dP pun akan menurun.<br />
<br />
Dari sini dapat disimpulkan bahwa semakin besar nilai diameter D, yang menghasilkan nilai area A yang semakin besar pula, menghasilkan nilai pressure <br />
drop dP yang semakin kecil.<br />
<br />
'''Muhammad Gumilar'''<br />
<br />
Ada hal menarik disini, dari beberapa yang saya perhtikan dari beberapa pendapat teman-teman, pengaruh dari adanya luasan atau diameter pipa akan <br />
mempengaruhi keepatan alir didalam pipa , sesuai dengan hukum kontinuitas. Berkaitan dengan hal ini, saya mencerna bahwa bisa saja sebenarnya jika <br />
kita membandingkan dua hal yang mana, dua buah pipa dengan diameter yang berbeda akan tetepa memiliki kecepatan aliran rata-rata yang sama, yang <br />
mana berarti kedua debit aliran dari pipa ini berbeda. Namun yang dititikberatkan pada pembahasannya adala, kenapa berdasarkan rumus pressure loss, <br />
apabila diameter membesar, maka pressure drop akan berkurang. Sedangkan dari persamaan yang lain, kita kethaui bahwa gaya gesek akibat adanya <br />
tegangan geser akan meningkat karena persamaannya adalah F=thow * A. <br />
<br />
Kebingunga dari mahasiswS1 tersebut menurut saya adalah pemahaman beliau yang tidak komprehensif terhadap kosnep pressure drop. Memang, pressure drop <br />
itu berhubungan erat dengan adanya gesekan viscous antara fluida dengan dinding pipa. Akan tetapi, ada hal penting yang dilupakan oleh sang mahasiswa <br />
S! tersebut, yaitu bahwa perbesaran diameter dari pipa juga akan mengakibatkan tegangan geser yang terjadi. Secara sederhana, sepemahaman saya, <br />
tegangan geser itu berbanding lurus dengan gradient kecepatan aliran fluida di sepanjang pipa, yaitu du/dy. Nah, apabila, dengan kecepatan rata-rata <br />
yang sama, diameter pipa semakin besar, maka gradient kecepatan di sepanjang pipa akan berkurang karena pengaruh gaya viscous antara dinding dan <br />
fluida juga semain berkurang. Oleh karena itu, pressure Drop yang terjadi juga akan semakin berkurang. Semoga bermanfaaat semua eheheheh<br />
<br />
== Resume Pertemuan tanggal : Senin, 18 Mei 2020 ==</div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=Wisnu_indrawan&diff=35871Wisnu indrawan2020-06-01T08:35:18Z<p>Wisnu indrawan: /* Resume Pertemuan tanggal : Senin, 20 April 2020 */</p>
<hr />
<div><br />
<br />
----<br />
<br />
== '''Biodata Diri :''' ==<br />
<br />
----<br />
<br />
<br />
[[File:wisnu.jpg|200px|thumb|left|Watashinonamaeha wisnu ndes ]]<br />
<br />
*Nama : Wisnu Indrawan <br />
<br />
*NPM : 1906433745<br />
<br />
*Jurusan : Teknik Mesin<br />
<br />
*Institusi : Universitas Indonesia<br />
<br />
*Penjuruan : SUBAK (Sistem Utilitas Bangunan)<br />
<br />
*Email : wisnu.indrawan@ui.ac.id<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Istilah - Istilah Teknik''' ==<br />
<br />
<br />
'''1. Clustering ''' <br />
<br />
*clustering adalah teknik machine learning berupa algoritma pengelompokkan objek-objek data berjumlah N menjadi <br />
kelompok-kelompok data tertentu (cluster)<br />
<br />
*Objek data yang beada dalam satu kelompok / cluster harus memiliki kemiripan <br />
<br />
*Semakin banyak data yang diperoleh sama dnegan semakin akurat hasil yang di dapatkan <br />
<br />
*Clustering merupakan salah satu jenis dari algoritma unsupervised learining, algoritma <br />
yang bertujuan untuk mempelajari dan menemukan pola dari suatu input yang diberikan tanpa menggunuakan label <br />
<br />
*Dengan penggunaan supervised learning, maka beberapa hal berikut ini dapat dilakukan <br />
<br />
'''1.''' Search: Membandingkan antar dokumen, gambar atau suara untuk menampilkan item serupa. <br />
<br />
'''2.''' Deteksi anomali: Mendeteksi perilaku yang tidak biasa yang biasanya berhubungan dengan hal-hal yang ingin dicegah atau dideteksi, seperti contoh penipuan. <br />
<br />
<br />
Selain itu teknik clustering terdapat beberapa algoritma di dalam nya yang akan dijelaskan istilah nya pada bagian bawah ini : <br />
<br />
<br />
<br />
'''2. K-Means Clustering'''<br />
<br />
*Tentukan jumlah cluster <br />
<br />
*alokasikan data ke dalam cluster secara rancodm <br />
<br />
*hitung centroid/rata-rata dari data yang ada di masing-masing cluster <br />
<br />
*alokasikan masing masing data ke centroid/data-data terdekat <br />
<br />
*kembali ke step 3, apabila masih ada data yang berpindah cluster atau apabila <br />
perubahan nilai centroid, ada yang di atas nilai threshold yang ditentikan atau apabila <br />
perubahan nilai pada objective function yang digunakan di atas nilai threshold yang ditentukan<br />
<br />
<br />
'''3. Mean-Shift Clustering<br />
'''<br />
*Untuk mejelaskan mean-shift, kita ilustrasikan sekumpulan titik dalam ruang <br />
dua dimensi <br />
<br />
*kita mulai dengan circular sliding window yang berpusat pada titik C(dipilih secara acak)<br />
dan memiliki jadi-jadir r sebagai kernel. Mean shift adalah algoritma yang melakukan pergeseran kernel ini secara iteratif <br />
ke daerah kepadatan yang lebih tinggi pada setiap langkah hingga konvegensi.\<br />
<br />
*pada setiap iterasi, sliding window digeser ke arah daerah dengan kepadatan lebih tinggi dengan menggeser titik tengahnya. kepadatan pada sliding window sebanding dengan jumlah tiitk di dalamnya <br />
<br />
*terus melakuakn pergeseran pada sliding window sesuai dengan rata -rata sampai tidak ada arah di mana pergeseran dapat mengakomondasikan lebih banyak titik di dalam kernel (tidak lagi meningkatkan densitas/jumlah titik di window)<br />
<br />
*langkah 1 hingga 3 ini dilakukan dengan banyak sliding window sampai semua titik terletak di dalam window. Ketika beberapa window saling berumpang tindih, window yang berisi titik terbanyak akan dipertahankan. Objek data kemudian dikelompokkan sesua dengan sliding window tempat mereka berada.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-1 ''', (Senin, 03 Februari 2020), Muhasabah ==<br />
<br />
<br />
----<br />
<br />
<br />
'''Muhasabah Diri :''' <br />
<br />
'''Muhasabah adalah''' : sesuatu hal yang perlu dan menjadikannya sebuah kebutuhan dalam tiap-tiap diri manusia, di dalam agama Islam, muhasabah sangatlah dianjurkan karena jika muhasabah bisa dijalankan dengan baik akan memberi banyak manfaat baik yang akan di dapatkan di dunia maupun diakhirat kelak.<br />
<br />
'''Pada pertemuan pertama kami mempelajari apa makna dari komputasi teknik :'''<br />
<br />
'''a. Definisi Komputasi'''<br />
<br />
Komputasi : setulnya bisa diartikan sebagai cara untuk menemukan pemecahan masalah dari data input dengan menggunakan suatu algoritme. Hal ini ialah apa yang disebut dengan teori komputasi, suatu sub-bidang dari ilmu komputer dan matematika. Selama ribuan tahun, perhitungan dan komputasi umumnya dilakukan dengan menggunakan pena dan kertas, atau kapur dan batu tulis, atau dikerjakan secara mental, kadang-kadang dengan bantuan suatu tabel. Namun sekarang, kebanyakan komputasi telah dilakukan dengan menggunakan komputer.<br />
<br />
Komputasi ilmiah dan numerik adalah bidang booming dalam penelitian, teknik, dan analitik. Revolusi dalam industri komputer selama beberapa dekade terakhir telah menyediakan alat baru dan kuat untuk praktisi komputasi. Ini telah memungkinkan usaha komputasi dari skala dan kompleksitas yang sebelumnya tidak pernah terjadi sebelumnya. Akibatnya, semua bidang dan industri bermunculan. Perkembangan ini masih berlangsung, dan ini menciptakan peluang baru seiring dengan meningkatnya perangkat keras, perangkat lunak, dan algoritme. Pada akhirnya, teknologi yang memungkinkan untuk gerakan ini adalah perangkat keras komputasi yang kuat yang telah dikembangkan dalam beberapa dekade terakhir. Namun, untuk seorang praktisi komputasi, lingkungan perangkat lunak yang digunakan untuk pekerjaan komputasi sama pentingnya dengan, jika tidak lebih penting daripada, perangkat keras di mana perhitungan dilakukan.<br />
<br />
'''b. Current state of knowledge'''<br />
<br />
Knowledge i have learned in master amount of application and I just know it in master degree, and this is application I had to learn in master degree, first is lab view, I use it for measure temperature in contactor, so I know the temperature at inlet and outlet, second is REFROP this application helped me to know enthalpy in refrigerant, is superheated or subcool, third but not last is CFD-SOF with this application I can calculate velocity of fluid at an object, for example, is I calculated velocity in planar plate, internal flow pipe, and so on. <br />
<br />
'''c. Pengalaman Komputasi Teknik'''<br />
<br />
Untuk pengalaman saya menggunakan komputasi sudah ada beberapa, seperti CFD SOF dan beberapa bahasa pemograman, tetapi di era data scientist sekarang banyak yang sedang menggunakan bahasa python untuk menjadi bahasa pemograman mereka, hal ini dikarekan python merupakan bahasa pemograman open source (gratis) dan mudah di gunakan untuk pemula, berikut dasar - dasar menggunakan bahsa python :<br />
<br />
'''c.1 Pengenalan Komputasi Menggunakan Python'''<br />
<br />
Python adalah bahasa pemrograman tingkat tinggi yang diartikan untuk keperluan umum yang banyak digunakan dalam komputasi ilmiah dan teknik. Pertama dan terpenting, Python terkenal dengan sintaks code yang bersih dan mudah dibaca. Pembacaan kode yang baik meningkatkan pemeliharaan, yang secara umum menghasilkan lebih sedikit bug dan aplikasi yang lebih baik secara keseluruhan, tetapi juga memungkinkan pengembangan kode yang cepat. Dalam pemecahan masalah komputasi, tentu saja, penting untuk mempertimbangkan kinerja algoritma dan implementasinya. Sementara kinerja runtime terbaik dapat dicapai dalam bahasa pemrograman tingkat rendah seperti fortran dan C, bekerja dalam bahasa tingkat tinggi seperti Python biasanya mengurangi waktu pengembangan dan seringkali menghasilkan kode yang lebih fleksibel dan dapat diperluas.<br />
<br />
'''c.2 Environement Untuk Komputasi Dengan Python''' <br />
<br />
Ada beberapa environtment berbeda yang dapat digunakan Python untuk komputasi ilmiah dan teknis. Keragaman ini memiliki kelebihan dan kekurangan dibandingkan dengan lingkungan yang didukung. Dalam produk komputasi memiliki keanekaragaman menyediakan fleksibilitas dan dinamika yang cocok untuk spesialisasi untuk kasus penggunaan tertentu. Di sini saya memberikan orientasi lingkungan umum untuk komputasi ilmiah. Contoh 3 GUI yang digunakan untuk menjalankan python adalah :<br />
<br />
'''c.2.1. IPython'''<br />
<br />
IPython merupakan sebuah console yang dapat dijalankan secara interaktif. Secara bersama dengan text editor untuk menuliskan code, menyediakan yang ringan untuk dikembangkan .<br />
<br />
'''c.2.2. The Jupyter Notebook'''<br />
<br />
Merupakan aplikasi web di mana kode Python dapat ditulis dan dieksekusi melalui browser web. Environtment ini sangat bagus untuk komputasi numerik, analisis, dan penyelesaian masalah, karena memungkinkan seseorang untuk mengumpulkan code, output yang dihasilkan oleh code, dokumentasi teknis terkait, dan analisis dan interpretasi, semuanya dalam satu dokumen.<br />
<br />
'''c.2.3. Spyder'''<br />
<br />
Integrated Development Environment, yang dapat digunakan untuk menulis dan menjalankan kode Python secara interaktif. IDE seperti Spyder adalah alat yang dapat diguankan untuk mengembangkan library dan modul Python yang bisa digunakan kembali<br />
<br />
'''c.2.4. Interpreter'''<br />
<br />
Cara standar untuk mengeksekusi kode Python adalah menjalankan program secara langsung melalui interpreter Python. Pada kebanyakan sistem, interpreter Python dipanggil menggunakan perintah python. Ketika Python file source diperintahkan sebagai argumen untuk perintah ini, kode Python dalam file tersebut dijalankan.<br />
<br />
$ python hello.py<br />
<br />
Hello from Python!<br />
<br />
Di sini file hello.py berisi satu baris:<br />
<br />
print("Hello from Python!")<br />
<br />
Untuk melihat versi Python mana yang diinstal, seseorang dapat menjalankan perintah python dengan argumen --version:<br />
<br />
$ python –version<br />
<br />
Python 3.6.5<br />
<br />
Adalah umum untuk menginstal lebih dari satu versi Python pada sistem yang sama. Setiap versi Python memelihara kumpulan perpustakaannya sendiri dan menyediakan perintah penerjemahnya sendiri (sehingga setiap lingkungan Python dapat menginstal perpustakaan yang berbeda). Pada banyak sistem, versi tertentu dari juru bahasa Python tersedia melalui perintah seperti, misalnya, python2.7 dan python3.6. Dimungkinkan juga untuk mengatur lingkungan python virtual yang independen dari lingkungan yang disediakan sistem. Ini memiliki banyak keuntungan dan saya sangat menyarankan untuk membiasakan diri dengan cara ini bekerja dengan Python. Lampiran A memberikan perincian tentang cara mengatur dan bekerja dengan lingkungan semacam ini.<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-2 : ''' (Senin, 10 Februari 2020), Sinopsis Tuga Akhir ==<br />
<br />
<br />
----<br />
<br />
<br />
'''a. Menjelaskan Sinopsis Tugas Akhir''' <br />
<br />
JUDUL : <br />
<br />
Sistem Pendingin Mengguankan Thermo Electric Cooler dengan Controller Propotional - Integral Derivative<br />
<br />
SINOPSIS : <br />
<br />
Pendinginan merupakan salah satu proses yang dapat digunakan untuk berbagai macam penggunaan, antara lain untuk menjaga produk industri makanan dan produk medis seperti obat-obatan dan vaksin. Proses pendinginan sekarang masih menggunakan teknologi pengawetan berbasis kompresi menggunakan gas pendingin. Tipe gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannya dan tipe R600a memiliki COP yang lebih rendah. Penelitian ini bertujuan merancang perangkat keras dan perangkat lunak yang dapat diaplikasikan pada pendingin termoelektrik, dengan merancang sebuah alat yang digunakan untuk sistem lemari pendingin menggunakan Thermoelectric Cooler (TEC) dan mendapatkan nilai COP yang tinggi. Sistem dibangun dengan kontroler Proportional Integral Derivative (PID). Sistem ini menggunakan beberapa alat antara lain, sensor suhu, Transistor tipe TIP31, modul bluetooth, kipas, dan mikrokontroler ATSAM3X8E. Pengendalian suhu dilakukan dengan membandingkan set-point suhu yang diinginkan dengan suhu dari sensor. Dari penelitian ini diperoleh hasil bahwa semakin besar nilai tegangan yang diberikan maka semakin besar pula besar nilai Pulse Wave Modulation (PWM) yang dihasilkan. Semakin tinggi nilai besar PWM, semakin cepat penurunan suhu pada kotak pendingin. Dari beberapa pengujian dapat disimpulkan bahwa nilai parameter kontrol proporsional (Kp), parameter kontrol integral (Ki), dan nilai parameter kontrol deferensial (Kd ), dimana pada nilai Kp = 255, Ki = 100, dan Kd = 200 mendapatkan grafik yang lebih stabil dan mendekati nilai set-point, dengan nilai error sebesar 2,86 %.<br />
<br />
<br />
'''b. Perbedaan deterministik dan stokastik'''<br />
<br />
b.1 deterministik adalah sesuatu yang pasti akan terjadi. <br />
<br />
b.2 stokastik adalah Stokastik adalah kebolehjadian, atau dengan kata lain sesuatu yang belum terjadi kepastiannya. "Sesungguhnya, Allah tidak akan mengubah nasib suatu kaum, hingga mereka mengubahnya sendiri.." (Q.S. Ar-Ra'd [13] : 11) <br />
<br />
<br />
'''c . Komputasi Teknik pada Tugas Akhir'''<br />
<br />
Tipe tugas akhir saya adalah deteministik. Hal ini dikarenakan nilai dari PID yang saya tentukan pasti. Menurut pendapat saya untuk penerapan komputasi teknik pada tugas akhir saya adalah <br />
<br />
Pada penggunaan fitur controller PID, adalah kemampuan untuk menggunakan tiga tipe kontroller yakni propotional, integral dan derivatif yang mempengaruhi nilai keluaran kontroller untuk dipalikasikan pada nilai yang optimal dari kontroller itu sendiri. <br />
<br />
[[File:PID.png|400px|thumb|left ]]<br />
<br />
Diagram blok yang terdapat pada sebelah kiri menunjukkan bagamimana cara controller ini bekerja. Gambar tersebut menunjukan kontroller PID, yang mana secara kontinu menghitung nilai error e(t) sebagai selisih dari setpoint r(t) dan variabel proses y(t), dan pengaplikasian nya dikoreksi berdasakan propotional, integral, dan derivatif. Kontroller mencoba utnuk meminimalisir error dari lebih nya koreksi kontrol variabel u(t), salah satu contoh nya pengontrolan pada kecepatan kipas, kontrol PID dibutuhkan untuk mengetahui jumlah RPM selanjutnya pada kipas sehingga dapat mendinginkan suatu objek.<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
'''d. Komputasi pada tugas akhir saya kedepan nya'''<br />
<br />
Melakuakn simulasi CFD sederhana untuk melihat aliran fluida di dalam lemari pendingin<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan Ke-3''', (Senin 17-Februari-2020), Presentasi Sinopsis Project Komputasi Teknik ==<br />
<gallery mode="slideshow"><br />
File:PPT_1.png|200px|center|<br />
File:PPT_2.png|200px|center|<br />
File:PPT_3.png|200px|center|<br />
File:PPT_4.png|200px|center|<br />
File:ppt_5.png|200px|center|<br />
</gallery><br />
<br />
----<br />
<br />
== '''Pertemuan ke-4''', (Senin, 24 Februari 2020), Presentasi Model Matematis Project Komputasi Teknik ==<br />
<br />
----<br />
<br />
<br />
<br />
Skema kontrol PID dinamai dari ketiga term pengendalinya, yang kemudian dijumlahkan menjadi variabel manipulasi. Term proporsional, integral, dan derivatif dijumlahkan untuk menghitung keluaran kontroler PID. Dengan mendefinisikan u(t) sebagai keluaran kontroler, bentuk akhir dari algoritme PID adalah:<br />
<br />
<br />
<br />
[[File:Rumus1.png|300px|thumb|center ]]<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Contoh PID pada MATLAB<br />
|-<br />
|'''Jenis'''<br />
|'''Foto'''<br />
|'''Deskripsi'''<br />
|-<br />
! '''Porpotional Integral''' <br />
| [[File:Tilu.png|300px|thumb|left ]] || sys = zpk([],[-1 -1 -1],1); <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Loro.png|300px|thumb|left ]] || <br />
<br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
T_pi_fast = feedback(C_pi_fast*sys,1);<br />
step(T_pi,T_pi_fast)<br />
axis([0 30 0 1.4])<br />
legend('PI','PI,fast')<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Siji.png|300px|thumb|left ]] || <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
[C_pidf_fast,info] = pidtune(sys,'PIDF',1.0)<br />
T_pidf_fast = feedback(C_pidf_fast*sys,1);<br />
<br />
step(T_pi_fast, T_pidf_fast); <br />
<br />
axis([0 30 0 1.4]);<br />
<br />
legend('PI,fast','PIDF,fast');<br />
<br />
sys = zpk([],[-1 -1 -1],1); <br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
S_pi_fast = feedback(sys,C_pi_fast);<br />
S_pidf_fast = feedback(sys,C_pidf_fast);<br />
step(S_pi_fast,S_pidf_fast);<br />
axis([0 50 0 0.4]);<br />
legend('PI,fast','PIDF,fast');<br />
<br />
|-<br />
|}<br />
<br />
----<br />
<br />
<br />
== '''Pertemuan ke-5''', (2 Maret 2020), Quis I ==<br />
<br />
<br />
[[File:Photo 1.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 2.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 3.jpeg|350px|thumb|center ]]<br />
<br />
<br />
<br />
<br />
----<br />
== '''Finite ELement, Finite Diffirent, Finite Volume''' ==<br />
<br />
* '''Pengertian Finite Element :'''<br />
<br />
'''Finite Element :''' menyelesaikan suatu problem dengan cara membagi obyek analisa menjadi bagian-bagian kecil yang terhingga. Bagian-bagian kecil ini kemudian dianalisa dan hasilnya digabungkan kembali untuk mendapatkan penyelesaian untuk keseluruhan daerah. Kata “finite atau terhingga” digunakan untuk menekankan bahwa bagian-bagian kecil tersebut tidak tak terhingga, seperti yang lazim digunakan pada metode integral analitik.<br />
<br />
* '''Pengertian Finite Volume :'''<br />
<br />
'''Finite Volume :''' adalah metode yang digunakna untuk merepresentasikan persamaan diferensial parisial dalam bentuk persamaan algeraic. Didalam metode finite volume, mengintergalkan bagian dari persamaan diferensial parsial ,menggunakan teorema divergensi.<br />
<br />
* '''Pengertian Finite Different :'''<br />
<br />
'''Finite Different :''' adalah diskritisasi yang digunakan untuk menyelesaiakn persamaan diferensial dengan memperkirakan denagn persamaan diferensial yang menggunakan perbedaan yang mendekati derivatif.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Pertemuan ke-6''', Senin 9 Maret 2020, Extended Abstrak ==<br />
<br />
<br />
<br />
Name : Wsinu indrawan<br />
<br />
Title : Fluid Analysis For Mini Fan Refrigerator Using Thermoelectric Cooler <br />
<br />
The cooling is one of the processes can be used for various types of applications, starting from maintaining food industry products and medical products such as drugs and vaccines. The cooling process now still uses compression-based preservation technology using cooling gas. The types of cooling gas used are R134a and R600a. However, the R134a contains HF which has been banned for used, and the R600a contains HF gas which can reduce the ozone layer. In addition, a single fan compressor system that uses cooling gas in a steam compressor has difficulties in regulating the temperature of the target compartment. Based on this, an alternative cooling technology is needed. Thermoelectric cooler (TEC) is an alternative cooling technology, because TEC has advantages such as small size, lower noise and vibration, easier in temperature regulation, low maintenance requirements, can absorb heat using the principle of heat difference so that in addition to being able to the cooler can also be a heater, and besides that it can be turned on with a DC current. Obtained a solution in the form of cooling using a thermoelectric cooler, using a fan in the refrigerator.The current research examines the application of CFD (Computational Fluid Dynamic) to analyze the flow of wind into the refrigerator. Use the existing CFD analyst application. To analyze the flow of fluid entering the refrigerator, it is simplified for this refrigerator, by cutting the inside of the refrigerator. So that the incoming fluid flow can be reviewed, from the incoming air velocity can be analyzed with a simple correlation to the wind speed generated with existing pwm. It is expected that from this research, researchers can find out the wind phenomenon that is in the refrigerator so that it can be used for further research.<br />
<br />
<br />
<br />
<br />
[[File:G1.png|400px|thumb|center ]]<br />
<br />
[[File:test1.png|400px|thumb|center ]]<br />
<br />
== '''Optimasi Energi Pada Manusia''' ==<br />
<br />
The article below will describe how to make optimization in daily life, during one month<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Optimasi Energi Pada Manusia<br />
|-<br />
|'''Jenis'''<br />
|'''Perhitungan'''<br />
|'''Deskripsi'''<br />
|-<br />
! Step 1<br />
| [[File:gazo1.png|700px|left]] || Pertama saya menentukan jumlah jam yang dibutuhkan per hari secara acak dengan funsi rand di excel <br />
<br />
|-<br />
! Step 2 <br />
| [[File:gazo2.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 1<br />
<br />
|-<br />
! Step 3 <br />
| [[File:gazo3.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 2<br />
<br />
|-<br />
! Step 4 <br />
| [[File:gazo4.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 3<br />
<br />
<br />
|-<br />
! Step 5 <br />
| [[File:gazo5.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 4<br />
<br />
|-<br />
! Step 6 <br />
| [[File:hebat.png|700px|left]] || Mencari grafik polynomial pada salah satu minggu dan diadapatkan grafik polynom nya<br />
<br />
|-<br />
! Step 7 <br />
| [[File:gazo7.png|700px|left]] || hasil konversi watt ke rupiah pada hari senin pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 8 <br />
| [[File:gazo8.png|700px|left]] || hasil konversi watt ke rupiah pada hari selasa pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 9 <br />
| [[File:gazo9.png|700px|left]] || hasil konversi watt ke rupiah pada hari rabu pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 10 <br />
| [[File:gazo10.png|700px|left]] || hasil konversi watt ke rupiah pada hari jumat pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 11 <br />
| [[File:gazo11.png|700px|left]] || hasil konversi watt ke rupiah pada hari sabtu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step 12 <br />
| [[File:gazo12.png|700px|left]] || hasil konversi watt ke rupiah pada hari minggu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step Final<br />
| [[File:cobajadulu.png|700px|left]] || Mencoba memasukan nilai minimum ke dalam matlab dan mencari dengan curve fitting<br />
<br />
|-<br />
|}<br />
<br />
== '''Pengarahan Beberapa Teknologi Komputasi Teknik''', 16-03-2020 ==<br />
<br />
<br />
Pada pertemuan kali ini membahas masalah initial thinking, mendevelop model matematis, anlisa secara umum dan analisa secara khusus<br />
<br />
Mengembangkan model amtematis dari konsep model utama dari model matematis tersebut<br />
<br />
Dari modeling tersebut dibutuhkan beberapa tahapan pertama :<br />
<br />
*Constrain <br />
<br />
*Boundary Condition <br />
<br />
*Setelah beberapa tahapan itu masuk ke tahapan simulasi <br />
<br />
Pengertian Verifikasi : <br />
<br />
Verifikasi adalah teori filsafat positif logis dalam memilih yang menyatakan bahwa pengalaman adalah satu-satunya sumber dasar pengetahuan dan dalam analisis logis dapat dilakukan dengan bantuan simbol-simbol logika dengan menggunakan metode untuk pemecahkan masalah melalui metode verifikasi empirik yaitu bila terdapat sesuatu yang tidak dapat diverifikasi secara empirik maka hasilnya adalah sia-sia. penganut teori radikal ini memiliki masalah konsekuensi untuk filosofi tradisional, karena, jika benar, akan menyebabkan banyak pekerjaan sia-sia pada filosofis masa lalu, antara lain pada metafisika dan etika.<br />
<br />
Validasi : <br />
<br />
validasi adalah sebuah teknik validasi model untuk menilai bagaimana hasil statistik analisis akan menggeneralisasi kumpulan data independen. Teknik ini utamanya digunakan untuk melakukan prediksi model dan memperkirakan seberapa akurat sebuah model prediktif ketika dijalankan dalam praktiknya. Dalam sebuah masalah prediksi, sebuah model biasanya diberikan kumpulan data (dataset) yang diketahui untuk digunakan dalam menjalankan pelatihan (dataset pelatihan), serta kumpulan data yang tidak diketahui (atau data yang pertama kali dilihat) terhadap model yang diuji (pengujian dataset).[4] Tujuan dari validasi silang adalah untuk mendefinisikan dataset untuk "menguji" model dalam tahap pelatihan (yaitu, validasi data), dalam rangka untuk membatasi masalah seperti terjadinya overfitting, memberikan wawasan tentang bagaimana model akan menggeneralisasi independen dataset (yaitu, dataset tidak diketahui, misalnya dari masalah nyata), dll.<br />
<br />
== '''Ujian Tengah Semester''', Komputasi Teknik ==<br />
<br />
<br />
<br />
<br />
=== '''Video Pembelajaran Setiap Minggu''' ===<br />
<br />
<br />
'''Kemampuran Komputasi Teknik Selama Perkuliahan, Tutorial Menggunakan CFDSOF'''<br />
<br />
<br />
[[File:.pertemuan3wisnuindrawan.mp4||500px|center]]<br />
<br />
<br />
<br />
=== '''Draft Paper Komputasi Teknik''' ===<br />
<br />
<br />
==== BAB I ====<br />
<br />
Pendinginan salah satu teknologi yang memiliki berbagai macam pengaplikasian, dimulai dari menjaga produk makanan dari kebusukan dan berbagai pengendalian suhu dalam bidang elektronik dan industri lainnya (Gökçekdan Şahin, 2017).Salah satu teknologi pendinginan yang sekarang ini sering digunakan adalah teknologi berbasis kompresi uap karna mempunyai (COP) coefficient of performanceyang tinggi dan mempunyai harga yang lebih murah dibandingkan teknologi alternatif lainnya.Dalam proses pendinginan, teknologi kompresi uap menggunakan gas pendingin yang berfungsi untuk menyerap panas pada udara dalam ruangan, sehingga menjadi bersuhu rendah. Secara luas gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannyadan tipe R600a mengandung gas HF yang dapat mengurangi lapisan ozon (Söylemez dkk., 2018). Selain itu,pada sistem kompresor satu kipas yang menggunakan gas pendingin pada kompresor uap memiliki kesulitan dalampengaturan temperatur dari kompartemen target. Berdasarkan pernyataan tersebut diperlukan suatu teknologi pendingin alternatif. Thermoelectric cooler adalah salah satu alternatif teknologi pendingin, dikarenakan thermoelectric cooler memiliki kelebihan seperti berukuran kecil, kebisingan dan getaran yang lebih rendah, lebih mudah dalam pengaturan suhu, mebutuhkan perawatan yang sedikit, dan dapat dihidupkan dengan arus DC (Söylemezdkk., 2018). Pendinginan dengan menggunakan TEC (Termoelectric Cooling) telah digunakan untuk menghilangkan embun kaca depan kendaraan. Penelitian tersebut telah menghasilkan temperatur hingga 22,4 oC. Penelitian lainTEC telah digunakan untuk pendingin kotak minuman dengan menggunakan 3thermoelectric cooling, dimana dapat menghasilkan temperatur kotak minuman tanpa beban mencapai14,3 oC, dengan beban pendingin air sebanyak 1 liter sebesar 16,4 oC (Nulhakim, 2017). TEC (Termoelectric Cooling) tidak hanya dapat mendinginkan, tetapi dapat memanaskan di waktu yang bersamaan. Sifat dari TEC ini dapat dimanfaatkan untuk sistem pengaturan suhu ruangan. Untuk tujuan pengaturan suhu yang lebih akurat, dapat dipertimbangkan menggunakan sistem kontrol loop tertutup dengan PID (Propotional, Integral dan Derivative). Kelebihan dari pemakaian kontroler PID di loop tertutup adalah kontrol PID memiliki kemampuan untuk penyetelan otomatis, dan dapat adaptasi terhadap variasi waktu, sehinggasistem dari kontroler PID menyediakan aplikasi didalam industri dengan fitur kontrol yang lebih akurat dandapat disesuaikan dengan kebutuhan(Abdullah dan Ayman, 2008). Pengaturan PID pada umumnya menggunakan alat yang memakan banyak biaya. Tetapi menurut hasil dari eskperimen yang menyatakan bahwa kontroler PID menggunakna mikrokontoler tipe P18F4685 yang memiliki kapasitas 14 bit dapat menghasilkan kestabilan yang baik, dengan overshoot yang sedikit, dan memiliki waktu settling time yang sedikit pula (El-Nagar dan El-Bardini, 2014). Dari latar belakang tersebut diperlukan suatu sistem pendingin ruangan yang terkontrol secara otomatis menggunakanteknologi pendingin ramah lingkungan yang terkontrol dengan sistem kontrol loop tertutup, sehinggadapat manjadi salah satu alternatif teknologi pendingin ruangan.Berdasarkan potensi tersebut maka telah dilakukan penelitian tentang rancang bangun sistem pendingin ruangan menggunakan TEC (Thermoelectric Cooler) dengan kontroler PID.<br />
<br />
==== BAB II ====<br />
<br />
'''Sensor Suhu''' <br />
<br />
Salah satu jenis sensor suhu yang banyak digunakan di industri adalah tipe sensor suhu berbahan semikonduktor. Sensor ini menggunakankonfigurasi dioda atau transistor di kutub yang pada sambungan p-n bahan tersebut memiliki respon yang kuat terhadap suhu. Terdapat dua jenis pemberian tegangan pada sambungan p-n yaitu bias maju dan bias mundur seperti ditunjukkan pada Gambar 2.1. Ketika sambungan p-n bias maju dihubungkan dengansumber arus, maka terjadi beda potensial pada kedua sambungan. Beda potensial atau tegangan yang dihasilkan berbanding lurus dengan perubahan suhu(Suryono, 2018).<br />
<br />
[[File:wisnu.png|500px|center|]]<br />
<br />
<br />
<br />
'''Thermoelectric'''<br />
<br />
Modul thermoelectric khas dibuat menggunakan dua buah keramik berbentuk wafer dengan jenis bahan semikonduktor bismuth telluride P dan N yang diapit di antara keduanya seperti yang ditunjukkan pada Gambar 2.3. Bahan keramik di kedua sisi dari thermoelectric berfungsi untuk pelindung dan sebagai isolator listrik yang diperlukan. Bahan tipe-N memiliki kelebihan elektron, sementara bahan tipe-P membutuhkan elektron. Bahan P dan N membentuk pasangan, seperti yang ditunkjukan pada Gambar 2.3. Pasangan thermoelectric dipasang secara seri dan termal sejajar. Modul thermoelectric dapat berisi satu sampai beberapa ratus pasangan. Saat elektron bergerak dari bahan tipe-P ke bahan tipe-N melalui konektor listrik, elektron beralih ke keadaan energi yang lebih tinggi dan menyerap energi panas (sisi dingin) (Manikandan dkk., 2017).<br />
<br />
<br />
[[File:dewawisnuganteng.png|500px|center|]]<br />
<br />
<br />
<br />
<br />
<br />
==== BAB III ====<br />
<br />
Sistem pengendalian yang saya pakai adalah menggunakan mobile phone, jadi pada penyetingan set point pada PID menggunakan apliaksi mobile bebasis bluetooth<br />
<br />
<br />
[[File:bismillahadajalan.png|500px|center|]]<br />
<br />
Selanjut nya pada sistem kerja dari alat ini menggunakan sistem PID untuk mengatur kecepatan dari driver motor untuk mengatur suhu, jika suhu tidak sesuai dengan yang diinginkan maka kecepatan kipas akan terus bertambah.<br />
<br />
<br />
[[File:PIDBROH.png|500px|center|]]<br />
<br />
<br />
Hasil rancang bangun dari alat pendingin ditunjukan pada gambar dibawah ini<br />
<br />
<br />
[[File:celenganrindu.jpg|500px|center|]]<br />
<br />
Pembuatan interface untuk memasukkan data set point pada aplikasi mobile<br />
<br />
[[File:interface.png|500px|center|]]<br />
<br />
Pembuatan interface untuk mencari device bluetooth pada device-device sekitar<br />
<br />
[[File:tampilan2.png|500px|center|]]<br />
<br />
==== BAB IV ====<br />
<br />
Hasil data dari kalibrasi sensor suhu dengan alat ukur standart SNI <br />
<br />
<br />
[[File:akad.png|500px|center|]]<br />
<br />
<br />
Data PID setelah melakukan trial and error mendapatkan nilai Kp Kd Ki <br />
<br />
<br />
[[File:bismillahwisnudata.png|500px|center|]]<br />
<br />
=== '''Laporan Optimasi Energi''' ===<br />
<br />
<br />
Grafik Pada Minggu Pertama<br />
<br />
<br />
<br />
[[File:bersyukurlah.png|500px|center|]]<br />
<br />
[[File:gambarsatu.png|500px|center|]]<br />
<br />
<br />
[[File:semuaudahadarezekinya.png|500px|center|]]<br />
<br />
<br />
<br />
[[File:janganngeluhterus.png|500px|center|]]<br />
<br />
Gambar yang ditunjukan dengan menggunakna aplikasi sypder menunjukkan nilai x, nilai tersebut merupakan nilai minimum atau optimum dari persamaan yang telah dibuat dengan menggunakan excel<br />
<br />
<br />
Revisi Projek tugas komputasi teknik <br />
<br />
Pada kesempatan kali ini saya menggunakan case baru untuk menyelesaikan draft paper mata kuliah komputasi teknik <br />
<br />
Hal ini dikarenakan, ketertarikan penulis untuk mengangkat tema ini <br />
<br />
==Refisi draft paper==<br />
<br />
<br />
<br />
Beberapa contoh data dari nasabah yang dihasilkan untuk mengetahui apakah nasabah ingin meninggalkan bank dari data - data pribadi mereka, <br />
seperti lama mereka menggunakan jasa bank ini, jumlah tabungan mereka, kemudian umur mereka, dan dari pria atau wanita <br />
<br />
<br />
[[File:22 April 2020 5.png || 700px]]<br />
<br />
Pertama data yang berada dalam format csv dimasukan ke dalam pemograman python dengan maka akan muncul tampilan seperti diatas, ataua kerap<br />
disebut sebagai dataframe, setelah dataframe terbentuk maka dataframe tersebut di pecah - pecah atau dikelompokkan mana yang bisa digunakan untuk <br />
independent variable atau tidak <br />
<br />
<br />
<br />
[[File:22 April 2020 1.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 2.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 3.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 4.png || 700px]]<br />
<br />
<br />
methode dari draft paper ini adalah : <br />
<br />
'''mengguankan machine learning''' <br />
<br />
Pembelajaran mesin (ML) adalah studi tentang algoritma komputer yang meningkat secara otomatis melalui pengalaman. [1] Itu dilihat sebagai bagian dari kecerdasan buatan. Algoritma pembelajaran mesin membangun model matematika berdasarkan data sampel, yang dikenal sebagai "data pelatihan", untuk membuat prediksi atau keputusan tanpa diprogram secara eksplisit untuk melakukannya. [2] [3]: 2 Algoritma pembelajaran mesin digunakan dalam berbagai berbagai aplikasi, seperti penyaringan email dan visi komputer, di mana sulit atau tidak layak untuk mengembangkan algoritma konvensional untuk melakukan tugas-tugas yang diperlukan.<br />
<br />
Pembelajaran mesin terkait erat dengan statistik komputasi, yang berfokus pada membuat prediksi menggunakan komputer. Studi tentang optimasi matematika memberikan metode, teori dan domain aplikasi ke bidang pembelajaran mesin. Penambangan data adalah bidang studi terkait, dengan fokus pada analisis data eksplorasi melalui pembelajaran tanpa pengawasan.<br />
<br />
'''Realsi terhadap optimasi'''<br />
<br />
Pembelajaran mesin juga memiliki ikatan intim dengan optimisasi: banyak masalah pembelajaran dirumuskan sebagai minimalisasi beberapa fungsi kerugian pada serangkaian contoh pelatihan. Fungsi kerugian menyatakan perbedaan antara prediksi model yang sedang dilatih dan contoh masalah yang sebenarnya (misalnya, dalam klasifikasi, seseorang ingin menetapkan label pada instance, dan model dilatih untuk memprediksi dengan benar label yang telah ditetapkan sebelumnya dari sekumpulan contoh). Perbedaan antara dua bidang muncul dari tujuan generalisasi: sementara algoritma optimasi dapat meminimalkan kerugian pada set pelatihan, pembelajaran mesin berkaitan dengan meminimalkan kerugian pada sampel yang tidak terlihat. <br />
<br />
'''Relasi terhadap statistik'''<br />
<br />
Pembelajaran mesin dan statistik adalah bidang yang terkait erat dalam hal metode, tetapi berbeda dalam tujuan utamanya: statistik menarik kesimpulan populasi dari sampel, sementara pembelajaran mesin menemukan pola prediksi yang dapat digeneralisasikan. Menurut Michael I. Jordan, gagasan pembelajaran mesin, mulai dari prinsip metodologis hingga alat teoretis, telah memiliki pra-sejarah panjang dalam statistik. [22] Dia juga menyarankan istilah ilmu data sebagai pengganti untuk menyebut bidang keseluruhan. <br />
<br />
Leo Breiman membedakan dua paradigma pemodelan statistik: model data dan model algoritmik, [23] di mana "model algoritmik" berarti kurang lebih algoritma pembelajaran mesin seperti hutan acak.<br />
<br />
Beberapa ahli statistik telah mengadopsi metode dari pembelajaran mesin, yang mengarah ke bidang gabungan yang mereka sebut pembelajaran statistik. <br />
<br />
<br />
'''Teori'''<br />
<br />
Tujuan inti seorang pelajar adalah untuk menggeneralisasi dari pengalamannya. Generalisasi dalam konteks ini adalah kemampuan mesin pembelajaran untuk melakukan secara akurat pada contoh / tugas baru yang tidak terlihat setelah mengalami kumpulan data pembelajaran. Contoh-contoh pelatihan berasal dari beberapa distribusi probabilitas yang umumnya tidak diketahui (dianggap mewakili ruang kejadian) dan pelajar harus membangun model umum tentang ruang ini yang memungkinkannya menghasilkan prediksi yang cukup akurat dalam kasus-kasus baru.<br />
<br />
Analisis komputasi algoritma pembelajaran mesin dan kinerjanya adalah cabang ilmu komputer teoretis yang dikenal sebagai teori pembelajaran komputasi. Karena set pelatihan terbatas dan masa depan tidak pasti, teori pembelajaran biasanya tidak menghasilkan jaminan kinerja algoritma. Sebaliknya, batasan probabilistik pada kinerja cukup umum. Dekomposisi bias-varians adalah salah satu cara untuk mengukur kesalahan generalisasi.<br />
<br />
Untuk kinerja terbaik dalam konteks generalisasi, kompleksitas hipotesis harus sesuai dengan kompleksitas fungsi yang mendasari data. Jika hipotesis kurang kompleks dari fungsi, maka model memiliki data yang sesuai. Jika kompleksitas model meningkat dalam respons, maka kesalahan pelatihan berkurang. Tetapi jika hipotesisnya terlalu kompleks, maka modelnya akan mengalami overfitting dan generalisasi akan menjadi lebih buruk. <br />
<br />
Selain batas kinerja, ahli teori belajar mempelajari kompleksitas waktu dan kelayakan belajar. Dalam teori pembelajaran komputasi, perhitungan dianggap layak jika dapat dilakukan dalam waktu polinomial. Ada dua jenis hasil kompleksitas waktu. Hasil positif menunjukkan bahwa kelas fungsi tertentu dapat dipelajari dalam waktu polinomial. Hasil negatif menunjukkan bahwa kelas-kelas tertentu tidak dapat dipelajari dalam waktu polinomial.<br />
<br />
<br />
<br />
'''metode machine learning ada beberapa tipe nya berikut penjelasan mengenai teori machine learning :''' <br />
<br />
1. Suppport Vector Machine (SVMs)<br />
<br />
Support vector Machines (SVMs) adalah algoritma pembelajaran mesin yang diawasi yang fleksibel namun kuat yang digunakan baik untuk klasifikasi dan regresi. Tetapi umumnya, mereka digunakan dalam masalah klasifikasi. Pada 1960-an, SVM pertama kali diperkenalkan tetapi kemudian disempurnakan pada tahun 1990. SVM memiliki cara implementasi yang unik dibandingkan dengan algoritma pembelajaran mesin lainnya. Akhir-akhir ini, mereka sangat populer karena kemampuan mereka untuk menangani beberapa variabel kontinu dan kategorikal.<br />
<br />
<br />
Dalam praktiknya, algoritma SVM diimplementasikan dengan kernel yang mengubah ruang data input ke dalam formulir yang diperlukan. SVM menggunakan teknik yang disebut trik kernel di mana kernel mengambil ruang input dimensi rendah dan mengubahnya menjadi ruang dimensi yang lebih tinggi. Dengan kata-kata sederhana, kernel mengubah masalah yang tidak dapat dipisahkan menjadi masalah yang dapat dipisahkan dengan menambahkan lebih banyak dimensi ke dalamnya. Itu membuat SVM lebih kuat, fleksibel dan akurat. Berikut ini adalah beberapa jenis kernel yang digunakan oleh SVM.<br />
<br />
<br />
Linear Kernel <br />
<br />
Ini dapat digunakan sebagai produk titik antara dua pengamatan. Rumus kernel linear adalah sebagai berikut<br />
<br />
Metode yang digunakan <br />
<br />
pada penelesaian masalah ini saya menggunakana beberapa engone dari python untuk melakuakn machine learning yakni '''sklearn''' dan '''tensor flow''', berikut penjelasan masing masing metode nya :<br />
<br />
ini adalah struktur skrip dari '''sklearn.prepocessing''' <br />
<br />
class sklearn.preprocessing.OneHotEncoder(*, categories='auto', drop=None, sparse=True, dtype=<class 'numpy.float64'>, handle_unknown='error')[source]<br />
<br />
kenapa class ini digunakan karena machine leraning tidak bisa memproses selain angka, tapi pada kasus ini saya menggunakan nama, umur dan beberapa proses yang menggunakan tipe string(kata - kata)<br />
sehigga sulit untuk di klasifikasikan.<br />
<br />
'''maka dari itu metode ini dapat digunakan.'''<br />
<br />
'''One Hot Encoding adalah :''' reperentasi kategori variabel dalam vektor biner. <br />
<br />
Pertama nilai dari proses ini dipetakan dala nilai integer (nilai angka yang benilai bilangan bulat, tidak memiliki nilai koma)<br />
<br />
Lalu, setiap nilai yang berbentuk integer ini direpresentasikan sebagai vektor biner yang semua nya bernilai nol kecuali yang terindeks integer, yang di tandai 1.<br />
<br />
== Quis II, 6 April 2020 ==<br />
<br />
<br />
Assalamualaiakum Beerikut adalah link dari Quis 2<br />
Wisnu Indrawan <br />
1906433745<br />
<br />
https://drive.google.com/drive/folders/17z_x1nPTXBtnZl_PVhXRBZXdK5Wy0GMx?usp=sharing<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan Tanggal : Senin, 13 April 2020 == <br />
<br />
<br />
<br />
<br />
== Resume Pertemuan tanggal : Senin, 20 April 2020 ==<br />
<br />
<br />
<gallery mode="slideshow"><br />
<br />
File:qwerwqerqwerq_caseII_2.png<br />
File:24-04-2020-1-tugas komtek.png<br />
File:2020-04-24 23 12 57-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 22-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:2020-04-24 23 13 53-Spyder (Python 3.7).png<br />
File:hasil-24-04-2020.png<br />
File:2020-04-24 23 47 29-Book1 - Excel.png<br />
</gallery><br />
<br />
== Resume Pertemuan tanggal : Senin, 27 April 2020 ==<br />
<br />
1. Pemahaman terkait prinsip dan konsep komputasi teknik<br />
2. Penerapan konsep dan skill dalam komputasi teknik<br />
3. Lebih mengenal diri<br />
Dari 3 point diatas disampaikan via zoom dengan cara sebagai berikut:<br />
<br />
show your contributions<br />
your understanding<br />
your skkill<br />
<br />
== Resume Pertemuan tanggal : Senin, 04 Mei 2020 ==<br />
<br />
<br />
<br />
- Pemahaman terkait prinsip dan konsep komputasi teknik<br />
<br />
- Penerapan konsep dan skill dalam komputasi teknik<br />
<br />
- Lebih mengenal diri baik individu maupun kelompok/ kelas<br />
<br />
Intisaru dari evaluasi diri ini adalah :<br />
<br />
- show your contributions<br />
<br />
- your understanding<br />
<br />
- your skkill<br />
<br />
== Resume Pertemuan tanggal : Senin, 11 Mei 2020 ==<br />
<br />
<br />
Pada pertemuan tanggal 11 Mei 2020 terdapat pembahasan selanjut nya pada pertemuan minggu lalu mengnai pressure drop. Pada pembahsan pada grup whatshap mengenai tentang pendapat individu mengenai kasus pressure drop dan di bahas kemabli dalam grup Komputasi Teknik via whatshapp. Diharapkan pada pembahasan ini secara personal memahami cases Basic Mechanics dan menjadi kewajiban bagi setiap mahsiwa menyatakan analisa pribadi terkait kasus tersebut. <br />
<br />
Berikut Hasil dari pembahasan kasus tersebut : <br />
<br />
<gallery mode="slideshow"><br />
File:WhatsApp Image 2020-05-12 at 19.30.27.jpeg<br />
File:WhatsApp Image 2020-05-11 at 09.41.12.jpeg<br />
File:WhatsApp Image 2020-05-12 at 16.50.43.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.51.38.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.53.29.jpeg<br />
</gallery><br />
<br />
<br />
<br />
'''Azikri '''<br />
<br />
sedikit tambahan terkait hal di atas, bahwa pada dasarnya aliran fluida dalam pipa akan mengalami penurunan tekanan atau pressure drop seiring dengan <br />
panjang pipa ataupun disebabkan oleh gesekan dengan permukaan<br />
saluran, dan juga ketika aliran melewati sambungan pipa, belokan, katup, difusor, dan sebagainya.<br />
Disisi lain, prinsip dasar persamaan kontinuitas juga jadi landasan dimana massa tidak dapat diciptakan dan<br />
tidak dapat dimusnahkan, sehingga massa dalam suatu sistem yang konstan dapat dinyatakan dengan rumus : rho.A.v=m<br />
<br />
atau Jika aliran fluida bersifat incompressible dan steady flow, maka persamaan menjadi : Q=A.v<br />
<br />
Singkatnya dr persmaan pertama bahwa pressure drop berbanding terbalik dengan D, dan begitu halnya dengan persamaan 2 tegangan geser berbanding <br />
terbalik dg A<br />
<br />
'''Adhika '''<br />
<br />
- Gaya Masuk - Gaya Geser Total = Gaya Keluar<br />
- Gaya Geser Total = Gaya Masuk - Gaya Keluar<br />
- Gaya Geser Total = P1.A - P2.A <br />
- Gaya Geser Total = dp . Luas Area Pipa<br />
Shear Stress . Luas Selimut = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(Luas Area Pipa . L. pi . 4) = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(L. pi . 4) / sqrt(Luas Area Pipa) = dp<br />
<br />
Kesimpulan:<br />
Luas Area Pipa semakin besar maka dp akan semakin kecil<br />
<br />
<br />
'''Jerry '''<br />
<br />
Ketika nilai A membesar, maka nilai D secara langsung juga membesar karena A merupakan fungsi D; A(D). <br />
<br />
Dari persamaan pressure drop, terlihat bahwa nilai D berbanding terbalik dengan nilai deltaP. <br />
<br />
Hal ini akan mengimplikasikan bahwa semakin besar nilai D, maka semakin kecil nilai deltaP<br />
<br />
'''Dessy'''<br />
<br />
Sederhananya jika dilihat dari persamaan untuk Pressure Drop maka sudah cukup jelas dalam menjawab pertanyaan mengapa ketika luas area (A) diperbesar <br />
menyebabkan nilai pressure drop yang menurun, dimana <br />
<br />
dP = f L rho V^2 / 2 D<br />
<br />
Dari persamaan diatas terlihat bahwa nilai diameter (pengaruhnya terhadap luas area) berbanding terbalik dengan nilai pressure loss dP.<br />
<br />
Tambahan juga jika dilihat dari nilai kecepatan (disini saya menggunakan analogi aliran fluida dalam pipa), secara logika apabila nilai luas <br />
penampang A diperbesar maka nilai kecepatan akan semakin kecil, sesuai dengan persamaan yang telah dijelaskan oleh saudara Dieter sebelumnya.<br />
<br />
Maka jika kembali ke persamaan pressure drop sesuai analogi ini, A yang besar akan menyebabkan nilai V menurun, akibatnya nilai dP pun akan menurun.<br />
<br />
Dari sini dapat disimpulkan bahwa semakin besar nilai diameter D, yang menghasilkan nilai area A yang semakin besar pula, menghasilkan nilai pressure <br />
drop dP yang semakin kecil.<br />
<br />
'''Muhammad Gumilar'''<br />
<br />
Ada hal menarik disini, dari beberapa yang saya perhtikan dari beberapa pendapat teman-teman, pengaruh dari adanya luasan atau diameter pipa akan <br />
mempengaruhi keepatan alir didalam pipa , sesuai dengan hukum kontinuitas. Berkaitan dengan hal ini, saya mencerna bahwa bisa saja sebenarnya jika <br />
kita membandingkan dua hal yang mana, dua buah pipa dengan diameter yang berbeda akan tetepa memiliki kecepatan aliran rata-rata yang sama, yang <br />
mana berarti kedua debit aliran dari pipa ini berbeda. Namun yang dititikberatkan pada pembahasannya adala, kenapa berdasarkan rumus pressure loss, <br />
apabila diameter membesar, maka pressure drop akan berkurang. Sedangkan dari persamaan yang lain, kita kethaui bahwa gaya gesek akibat adanya <br />
tegangan geser akan meningkat karena persamaannya adalah F=thow * A. <br />
<br />
Kebingunga dari mahasiswS1 tersebut menurut saya adalah pemahaman beliau yang tidak komprehensif terhadap kosnep pressure drop. Memang, pressure drop <br />
itu berhubungan erat dengan adanya gesekan viscous antara fluida dengan dinding pipa. Akan tetapi, ada hal penting yang dilupakan oleh sang mahasiswa <br />
S! tersebut, yaitu bahwa perbesaran diameter dari pipa juga akan mengakibatkan tegangan geser yang terjadi. Secara sederhana, sepemahaman saya, <br />
tegangan geser itu berbanding lurus dengan gradient kecepatan aliran fluida di sepanjang pipa, yaitu du/dy. Nah, apabila, dengan kecepatan rata-rata <br />
yang sama, diameter pipa semakin besar, maka gradient kecepatan di sepanjang pipa akan berkurang karena pengaruh gaya viscous antara dinding dan <br />
fluida juga semain berkurang. Oleh karena itu, pressure Drop yang terjadi juga akan semakin berkurang. Semoga bermanfaaat semua eheheheh<br />
<br />
== Resume Pertemuan tanggal : Senin, 18 Mei 2020 ==</div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=Wisnu_indrawan&diff=35859Wisnu indrawan2020-06-01T07:33:10Z<p>Wisnu indrawan: /* Resume Pertemuan tanggal : Senin, 27 April 2020 */</p>
<hr />
<div><br />
<br />
----<br />
<br />
== '''Biodata Diri :''' ==<br />
<br />
----<br />
<br />
<br />
[[File:wisnu.jpg|200px|thumb|left|Watashinonamaeha wisnu ndes ]]<br />
<br />
*Nama : Wisnu Indrawan <br />
<br />
*NPM : 1906433745<br />
<br />
*Jurusan : Teknik Mesin<br />
<br />
*Institusi : Universitas Indonesia<br />
<br />
*Penjuruan : SUBAK (Sistem Utilitas Bangunan)<br />
<br />
*Email : wisnu.indrawan@ui.ac.id<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Istilah - Istilah Teknik''' ==<br />
<br />
<br />
'''1. Clustering ''' <br />
<br />
*clustering adalah teknik machine learning berupa algoritma pengelompokkan objek-objek data berjumlah N menjadi <br />
kelompok-kelompok data tertentu (cluster)<br />
<br />
*Objek data yang beada dalam satu kelompok / cluster harus memiliki kemiripan <br />
<br />
*Semakin banyak data yang diperoleh sama dnegan semakin akurat hasil yang di dapatkan <br />
<br />
*Clustering merupakan salah satu jenis dari algoritma unsupervised learining, algoritma <br />
yang bertujuan untuk mempelajari dan menemukan pola dari suatu input yang diberikan tanpa menggunuakan label <br />
<br />
*Dengan penggunaan supervised learning, maka beberapa hal berikut ini dapat dilakukan <br />
<br />
'''1.''' Search: Membandingkan antar dokumen, gambar atau suara untuk menampilkan item serupa. <br />
<br />
'''2.''' Deteksi anomali: Mendeteksi perilaku yang tidak biasa yang biasanya berhubungan dengan hal-hal yang ingin dicegah atau dideteksi, seperti contoh penipuan. <br />
<br />
<br />
Selain itu teknik clustering terdapat beberapa algoritma di dalam nya yang akan dijelaskan istilah nya pada bagian bawah ini : <br />
<br />
<br />
<br />
'''2. K-Means Clustering'''<br />
<br />
*Tentukan jumlah cluster <br />
<br />
*alokasikan data ke dalam cluster secara rancodm <br />
<br />
*hitung centroid/rata-rata dari data yang ada di masing-masing cluster <br />
<br />
*alokasikan masing masing data ke centroid/data-data terdekat <br />
<br />
*kembali ke step 3, apabila masih ada data yang berpindah cluster atau apabila <br />
perubahan nilai centroid, ada yang di atas nilai threshold yang ditentikan atau apabila <br />
perubahan nilai pada objective function yang digunakan di atas nilai threshold yang ditentukan<br />
<br />
<br />
'''3. Mean-Shift Clustering<br />
'''<br />
*Untuk mejelaskan mean-shift, kita ilustrasikan sekumpulan titik dalam ruang <br />
dua dimensi <br />
<br />
*kita mulai dengan circular sliding window yang berpusat pada titik C(dipilih secara acak)<br />
dan memiliki jadi-jadir r sebagai kernel. Mean shift adalah algoritma yang melakukan pergeseran kernel ini secara iteratif <br />
ke daerah kepadatan yang lebih tinggi pada setiap langkah hingga konvegensi.\<br />
<br />
*pada setiap iterasi, sliding window digeser ke arah daerah dengan kepadatan lebih tinggi dengan menggeser titik tengahnya. kepadatan pada sliding window sebanding dengan jumlah tiitk di dalamnya <br />
<br />
*terus melakuakn pergeseran pada sliding window sesuai dengan rata -rata sampai tidak ada arah di mana pergeseran dapat mengakomondasikan lebih banyak titik di dalam kernel (tidak lagi meningkatkan densitas/jumlah titik di window)<br />
<br />
*langkah 1 hingga 3 ini dilakukan dengan banyak sliding window sampai semua titik terletak di dalam window. Ketika beberapa window saling berumpang tindih, window yang berisi titik terbanyak akan dipertahankan. Objek data kemudian dikelompokkan sesua dengan sliding window tempat mereka berada.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-1 ''', (Senin, 03 Februari 2020), Muhasabah ==<br />
<br />
<br />
----<br />
<br />
<br />
'''Muhasabah Diri :''' <br />
<br />
'''Muhasabah adalah''' : sesuatu hal yang perlu dan menjadikannya sebuah kebutuhan dalam tiap-tiap diri manusia, di dalam agama Islam, muhasabah sangatlah dianjurkan karena jika muhasabah bisa dijalankan dengan baik akan memberi banyak manfaat baik yang akan di dapatkan di dunia maupun diakhirat kelak.<br />
<br />
'''Pada pertemuan pertama kami mempelajari apa makna dari komputasi teknik :'''<br />
<br />
'''a. Definisi Komputasi'''<br />
<br />
Komputasi : setulnya bisa diartikan sebagai cara untuk menemukan pemecahan masalah dari data input dengan menggunakan suatu algoritme. Hal ini ialah apa yang disebut dengan teori komputasi, suatu sub-bidang dari ilmu komputer dan matematika. Selama ribuan tahun, perhitungan dan komputasi umumnya dilakukan dengan menggunakan pena dan kertas, atau kapur dan batu tulis, atau dikerjakan secara mental, kadang-kadang dengan bantuan suatu tabel. Namun sekarang, kebanyakan komputasi telah dilakukan dengan menggunakan komputer.<br />
<br />
Komputasi ilmiah dan numerik adalah bidang booming dalam penelitian, teknik, dan analitik. Revolusi dalam industri komputer selama beberapa dekade terakhir telah menyediakan alat baru dan kuat untuk praktisi komputasi. Ini telah memungkinkan usaha komputasi dari skala dan kompleksitas yang sebelumnya tidak pernah terjadi sebelumnya. Akibatnya, semua bidang dan industri bermunculan. Perkembangan ini masih berlangsung, dan ini menciptakan peluang baru seiring dengan meningkatnya perangkat keras, perangkat lunak, dan algoritme. Pada akhirnya, teknologi yang memungkinkan untuk gerakan ini adalah perangkat keras komputasi yang kuat yang telah dikembangkan dalam beberapa dekade terakhir. Namun, untuk seorang praktisi komputasi, lingkungan perangkat lunak yang digunakan untuk pekerjaan komputasi sama pentingnya dengan, jika tidak lebih penting daripada, perangkat keras di mana perhitungan dilakukan.<br />
<br />
'''b. Current state of knowledge'''<br />
<br />
Knowledge i have learned in master amount of application and I just know it in master degree, and this is application I had to learn in master degree, first is lab view, I use it for measure temperature in contactor, so I know the temperature at inlet and outlet, second is REFROP this application helped me to know enthalpy in refrigerant, is superheated or subcool, third but not last is CFD-SOF with this application I can calculate velocity of fluid at an object, for example, is I calculated velocity in planar plate, internal flow pipe, and so on. <br />
<br />
'''c. Pengalaman Komputasi Teknik'''<br />
<br />
Untuk pengalaman saya menggunakan komputasi sudah ada beberapa, seperti CFD SOF dan beberapa bahasa pemograman, tetapi di era data scientist sekarang banyak yang sedang menggunakan bahasa python untuk menjadi bahasa pemograman mereka, hal ini dikarekan python merupakan bahasa pemograman open source (gratis) dan mudah di gunakan untuk pemula, berikut dasar - dasar menggunakan bahsa python :<br />
<br />
'''c.1 Pengenalan Komputasi Menggunakan Python'''<br />
<br />
Python adalah bahasa pemrograman tingkat tinggi yang diartikan untuk keperluan umum yang banyak digunakan dalam komputasi ilmiah dan teknik. Pertama dan terpenting, Python terkenal dengan sintaks code yang bersih dan mudah dibaca. Pembacaan kode yang baik meningkatkan pemeliharaan, yang secara umum menghasilkan lebih sedikit bug dan aplikasi yang lebih baik secara keseluruhan, tetapi juga memungkinkan pengembangan kode yang cepat. Dalam pemecahan masalah komputasi, tentu saja, penting untuk mempertimbangkan kinerja algoritma dan implementasinya. Sementara kinerja runtime terbaik dapat dicapai dalam bahasa pemrograman tingkat rendah seperti fortran dan C, bekerja dalam bahasa tingkat tinggi seperti Python biasanya mengurangi waktu pengembangan dan seringkali menghasilkan kode yang lebih fleksibel dan dapat diperluas.<br />
<br />
'''c.2 Environement Untuk Komputasi Dengan Python''' <br />
<br />
Ada beberapa environtment berbeda yang dapat digunakan Python untuk komputasi ilmiah dan teknis. Keragaman ini memiliki kelebihan dan kekurangan dibandingkan dengan lingkungan yang didukung. Dalam produk komputasi memiliki keanekaragaman menyediakan fleksibilitas dan dinamika yang cocok untuk spesialisasi untuk kasus penggunaan tertentu. Di sini saya memberikan orientasi lingkungan umum untuk komputasi ilmiah. Contoh 3 GUI yang digunakan untuk menjalankan python adalah :<br />
<br />
'''c.2.1. IPython'''<br />
<br />
IPython merupakan sebuah console yang dapat dijalankan secara interaktif. Secara bersama dengan text editor untuk menuliskan code, menyediakan yang ringan untuk dikembangkan .<br />
<br />
'''c.2.2. The Jupyter Notebook'''<br />
<br />
Merupakan aplikasi web di mana kode Python dapat ditulis dan dieksekusi melalui browser web. Environtment ini sangat bagus untuk komputasi numerik, analisis, dan penyelesaian masalah, karena memungkinkan seseorang untuk mengumpulkan code, output yang dihasilkan oleh code, dokumentasi teknis terkait, dan analisis dan interpretasi, semuanya dalam satu dokumen.<br />
<br />
'''c.2.3. Spyder'''<br />
<br />
Integrated Development Environment, yang dapat digunakan untuk menulis dan menjalankan kode Python secara interaktif. IDE seperti Spyder adalah alat yang dapat diguankan untuk mengembangkan library dan modul Python yang bisa digunakan kembali<br />
<br />
'''c.2.4. Interpreter'''<br />
<br />
Cara standar untuk mengeksekusi kode Python adalah menjalankan program secara langsung melalui interpreter Python. Pada kebanyakan sistem, interpreter Python dipanggil menggunakan perintah python. Ketika Python file source diperintahkan sebagai argumen untuk perintah ini, kode Python dalam file tersebut dijalankan.<br />
<br />
$ python hello.py<br />
<br />
Hello from Python!<br />
<br />
Di sini file hello.py berisi satu baris:<br />
<br />
print("Hello from Python!")<br />
<br />
Untuk melihat versi Python mana yang diinstal, seseorang dapat menjalankan perintah python dengan argumen --version:<br />
<br />
$ python –version<br />
<br />
Python 3.6.5<br />
<br />
Adalah umum untuk menginstal lebih dari satu versi Python pada sistem yang sama. Setiap versi Python memelihara kumpulan perpustakaannya sendiri dan menyediakan perintah penerjemahnya sendiri (sehingga setiap lingkungan Python dapat menginstal perpustakaan yang berbeda). Pada banyak sistem, versi tertentu dari juru bahasa Python tersedia melalui perintah seperti, misalnya, python2.7 dan python3.6. Dimungkinkan juga untuk mengatur lingkungan python virtual yang independen dari lingkungan yang disediakan sistem. Ini memiliki banyak keuntungan dan saya sangat menyarankan untuk membiasakan diri dengan cara ini bekerja dengan Python. Lampiran A memberikan perincian tentang cara mengatur dan bekerja dengan lingkungan semacam ini.<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-2 : ''' (Senin, 10 Februari 2020), Sinopsis Tuga Akhir ==<br />
<br />
<br />
----<br />
<br />
<br />
'''a. Menjelaskan Sinopsis Tugas Akhir''' <br />
<br />
JUDUL : <br />
<br />
Sistem Pendingin Mengguankan Thermo Electric Cooler dengan Controller Propotional - Integral Derivative<br />
<br />
SINOPSIS : <br />
<br />
Pendinginan merupakan salah satu proses yang dapat digunakan untuk berbagai macam penggunaan, antara lain untuk menjaga produk industri makanan dan produk medis seperti obat-obatan dan vaksin. Proses pendinginan sekarang masih menggunakan teknologi pengawetan berbasis kompresi menggunakan gas pendingin. Tipe gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannya dan tipe R600a memiliki COP yang lebih rendah. Penelitian ini bertujuan merancang perangkat keras dan perangkat lunak yang dapat diaplikasikan pada pendingin termoelektrik, dengan merancang sebuah alat yang digunakan untuk sistem lemari pendingin menggunakan Thermoelectric Cooler (TEC) dan mendapatkan nilai COP yang tinggi. Sistem dibangun dengan kontroler Proportional Integral Derivative (PID). Sistem ini menggunakan beberapa alat antara lain, sensor suhu, Transistor tipe TIP31, modul bluetooth, kipas, dan mikrokontroler ATSAM3X8E. Pengendalian suhu dilakukan dengan membandingkan set-point suhu yang diinginkan dengan suhu dari sensor. Dari penelitian ini diperoleh hasil bahwa semakin besar nilai tegangan yang diberikan maka semakin besar pula besar nilai Pulse Wave Modulation (PWM) yang dihasilkan. Semakin tinggi nilai besar PWM, semakin cepat penurunan suhu pada kotak pendingin. Dari beberapa pengujian dapat disimpulkan bahwa nilai parameter kontrol proporsional (Kp), parameter kontrol integral (Ki), dan nilai parameter kontrol deferensial (Kd ), dimana pada nilai Kp = 255, Ki = 100, dan Kd = 200 mendapatkan grafik yang lebih stabil dan mendekati nilai set-point, dengan nilai error sebesar 2,86 %.<br />
<br />
<br />
'''b. Perbedaan deterministik dan stokastik'''<br />
<br />
b.1 deterministik adalah sesuatu yang pasti akan terjadi. <br />
<br />
b.2 stokastik adalah Stokastik adalah kebolehjadian, atau dengan kata lain sesuatu yang belum terjadi kepastiannya. "Sesungguhnya, Allah tidak akan mengubah nasib suatu kaum, hingga mereka mengubahnya sendiri.." (Q.S. Ar-Ra'd [13] : 11) <br />
<br />
<br />
'''c . Komputasi Teknik pada Tugas Akhir'''<br />
<br />
Tipe tugas akhir saya adalah deteministik. Hal ini dikarenakan nilai dari PID yang saya tentukan pasti. Menurut pendapat saya untuk penerapan komputasi teknik pada tugas akhir saya adalah <br />
<br />
Pada penggunaan fitur controller PID, adalah kemampuan untuk menggunakan tiga tipe kontroller yakni propotional, integral dan derivatif yang mempengaruhi nilai keluaran kontroller untuk dipalikasikan pada nilai yang optimal dari kontroller itu sendiri. <br />
<br />
[[File:PID.png|400px|thumb|left ]]<br />
<br />
Diagram blok yang terdapat pada sebelah kiri menunjukkan bagamimana cara controller ini bekerja. Gambar tersebut menunjukan kontroller PID, yang mana secara kontinu menghitung nilai error e(t) sebagai selisih dari setpoint r(t) dan variabel proses y(t), dan pengaplikasian nya dikoreksi berdasakan propotional, integral, dan derivatif. Kontroller mencoba utnuk meminimalisir error dari lebih nya koreksi kontrol variabel u(t), salah satu contoh nya pengontrolan pada kecepatan kipas, kontrol PID dibutuhkan untuk mengetahui jumlah RPM selanjutnya pada kipas sehingga dapat mendinginkan suatu objek.<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
'''d. Komputasi pada tugas akhir saya kedepan nya'''<br />
<br />
Melakuakn simulasi CFD sederhana untuk melihat aliran fluida di dalam lemari pendingin<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan Ke-3''', (Senin 17-Februari-2020), Presentasi Sinopsis Project Komputasi Teknik ==<br />
<gallery mode="slideshow"><br />
File:PPT_1.png|200px|center|<br />
File:PPT_2.png|200px|center|<br />
File:PPT_3.png|200px|center|<br />
File:PPT_4.png|200px|center|<br />
File:ppt_5.png|200px|center|<br />
</gallery><br />
<br />
----<br />
<br />
== '''Pertemuan ke-4''', (Senin, 24 Februari 2020), Presentasi Model Matematis Project Komputasi Teknik ==<br />
<br />
----<br />
<br />
<br />
<br />
Skema kontrol PID dinamai dari ketiga term pengendalinya, yang kemudian dijumlahkan menjadi variabel manipulasi. Term proporsional, integral, dan derivatif dijumlahkan untuk menghitung keluaran kontroler PID. Dengan mendefinisikan u(t) sebagai keluaran kontroler, bentuk akhir dari algoritme PID adalah:<br />
<br />
<br />
<br />
[[File:Rumus1.png|300px|thumb|center ]]<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Contoh PID pada MATLAB<br />
|-<br />
|'''Jenis'''<br />
|'''Foto'''<br />
|'''Deskripsi'''<br />
|-<br />
! '''Porpotional Integral''' <br />
| [[File:Tilu.png|300px|thumb|left ]] || sys = zpk([],[-1 -1 -1],1); <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Loro.png|300px|thumb|left ]] || <br />
<br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
T_pi_fast = feedback(C_pi_fast*sys,1);<br />
step(T_pi,T_pi_fast)<br />
axis([0 30 0 1.4])<br />
legend('PI','PI,fast')<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Siji.png|300px|thumb|left ]] || <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
[C_pidf_fast,info] = pidtune(sys,'PIDF',1.0)<br />
T_pidf_fast = feedback(C_pidf_fast*sys,1);<br />
<br />
step(T_pi_fast, T_pidf_fast); <br />
<br />
axis([0 30 0 1.4]);<br />
<br />
legend('PI,fast','PIDF,fast');<br />
<br />
sys = zpk([],[-1 -1 -1],1); <br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
S_pi_fast = feedback(sys,C_pi_fast);<br />
S_pidf_fast = feedback(sys,C_pidf_fast);<br />
step(S_pi_fast,S_pidf_fast);<br />
axis([0 50 0 0.4]);<br />
legend('PI,fast','PIDF,fast');<br />
<br />
|-<br />
|}<br />
<br />
----<br />
<br />
<br />
== '''Pertemuan ke-5''', (2 Maret 2020), Quis I ==<br />
<br />
<br />
[[File:Photo 1.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 2.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 3.jpeg|350px|thumb|center ]]<br />
<br />
<br />
<br />
<br />
----<br />
== '''Finite ELement, Finite Diffirent, Finite Volume''' ==<br />
<br />
* '''Pengertian Finite Element :'''<br />
<br />
'''Finite Element :''' menyelesaikan suatu problem dengan cara membagi obyek analisa menjadi bagian-bagian kecil yang terhingga. Bagian-bagian kecil ini kemudian dianalisa dan hasilnya digabungkan kembali untuk mendapatkan penyelesaian untuk keseluruhan daerah. Kata “finite atau terhingga” digunakan untuk menekankan bahwa bagian-bagian kecil tersebut tidak tak terhingga, seperti yang lazim digunakan pada metode integral analitik.<br />
<br />
* '''Pengertian Finite Volume :'''<br />
<br />
'''Finite Volume :''' adalah metode yang digunakna untuk merepresentasikan persamaan diferensial parisial dalam bentuk persamaan algeraic. Didalam metode finite volume, mengintergalkan bagian dari persamaan diferensial parsial ,menggunakan teorema divergensi.<br />
<br />
* '''Pengertian Finite Different :'''<br />
<br />
'''Finite Different :''' adalah diskritisasi yang digunakan untuk menyelesaiakn persamaan diferensial dengan memperkirakan denagn persamaan diferensial yang menggunakan perbedaan yang mendekati derivatif.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Pertemuan ke-6''', Senin 9 Maret 2020, Extended Abstrak ==<br />
<br />
<br />
<br />
Name : Wsinu indrawan<br />
<br />
Title : Fluid Analysis For Mini Fan Refrigerator Using Thermoelectric Cooler <br />
<br />
The cooling is one of the processes can be used for various types of applications, starting from maintaining food industry products and medical products such as drugs and vaccines. The cooling process now still uses compression-based preservation technology using cooling gas. The types of cooling gas used are R134a and R600a. However, the R134a contains HF which has been banned for used, and the R600a contains HF gas which can reduce the ozone layer. In addition, a single fan compressor system that uses cooling gas in a steam compressor has difficulties in regulating the temperature of the target compartment. Based on this, an alternative cooling technology is needed. Thermoelectric cooler (TEC) is an alternative cooling technology, because TEC has advantages such as small size, lower noise and vibration, easier in temperature regulation, low maintenance requirements, can absorb heat using the principle of heat difference so that in addition to being able to the cooler can also be a heater, and besides that it can be turned on with a DC current. Obtained a solution in the form of cooling using a thermoelectric cooler, using a fan in the refrigerator.The current research examines the application of CFD (Computational Fluid Dynamic) to analyze the flow of wind into the refrigerator. Use the existing CFD analyst application. To analyze the flow of fluid entering the refrigerator, it is simplified for this refrigerator, by cutting the inside of the refrigerator. So that the incoming fluid flow can be reviewed, from the incoming air velocity can be analyzed with a simple correlation to the wind speed generated with existing pwm. It is expected that from this research, researchers can find out the wind phenomenon that is in the refrigerator so that it can be used for further research.<br />
<br />
<br />
<br />
<br />
[[File:G1.png|400px|thumb|center ]]<br />
<br />
[[File:test1.png|400px|thumb|center ]]<br />
<br />
== '''Optimasi Energi Pada Manusia''' ==<br />
<br />
The article below will describe how to make optimization in daily life, during one month<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Optimasi Energi Pada Manusia<br />
|-<br />
|'''Jenis'''<br />
|'''Perhitungan'''<br />
|'''Deskripsi'''<br />
|-<br />
! Step 1<br />
| [[File:gazo1.png|700px|left]] || Pertama saya menentukan jumlah jam yang dibutuhkan per hari secara acak dengan funsi rand di excel <br />
<br />
|-<br />
! Step 2 <br />
| [[File:gazo2.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 1<br />
<br />
|-<br />
! Step 3 <br />
| [[File:gazo3.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 2<br />
<br />
|-<br />
! Step 4 <br />
| [[File:gazo4.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 3<br />
<br />
<br />
|-<br />
! Step 5 <br />
| [[File:gazo5.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 4<br />
<br />
|-<br />
! Step 6 <br />
| [[File:hebat.png|700px|left]] || Mencari grafik polynomial pada salah satu minggu dan diadapatkan grafik polynom nya<br />
<br />
|-<br />
! Step 7 <br />
| [[File:gazo7.png|700px|left]] || hasil konversi watt ke rupiah pada hari senin pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 8 <br />
| [[File:gazo8.png|700px|left]] || hasil konversi watt ke rupiah pada hari selasa pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 9 <br />
| [[File:gazo9.png|700px|left]] || hasil konversi watt ke rupiah pada hari rabu pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 10 <br />
| [[File:gazo10.png|700px|left]] || hasil konversi watt ke rupiah pada hari jumat pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 11 <br />
| [[File:gazo11.png|700px|left]] || hasil konversi watt ke rupiah pada hari sabtu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step 12 <br />
| [[File:gazo12.png|700px|left]] || hasil konversi watt ke rupiah pada hari minggu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step Final<br />
| [[File:cobajadulu.png|700px|left]] || Mencoba memasukan nilai minimum ke dalam matlab dan mencari dengan curve fitting<br />
<br />
|-<br />
|}<br />
<br />
== '''Pengarahan Beberapa Teknologi Komputasi Teknik''', 16-03-2020 ==<br />
<br />
<br />
Pada pertemuan kali ini membahas masalah initial thinking, mendevelop model matematis, anlisa secara umum dan analisa secara khusus<br />
<br />
Mengembangkan model amtematis dari konsep model utama dari model matematis tersebut<br />
<br />
Dari modeling tersebut dibutuhkan beberapa tahapan pertama :<br />
<br />
*Constrain <br />
<br />
*Boundary Condition <br />
<br />
*Setelah beberapa tahapan itu masuk ke tahapan simulasi <br />
<br />
Pengertian Verifikasi : <br />
<br />
Verifikasi adalah teori filsafat positif logis dalam memilih yang menyatakan bahwa pengalaman adalah satu-satunya sumber dasar pengetahuan dan dalam analisis logis dapat dilakukan dengan bantuan simbol-simbol logika dengan menggunakan metode untuk pemecahkan masalah melalui metode verifikasi empirik yaitu bila terdapat sesuatu yang tidak dapat diverifikasi secara empirik maka hasilnya adalah sia-sia. penganut teori radikal ini memiliki masalah konsekuensi untuk filosofi tradisional, karena, jika benar, akan menyebabkan banyak pekerjaan sia-sia pada filosofis masa lalu, antara lain pada metafisika dan etika.<br />
<br />
Validasi : <br />
<br />
validasi adalah sebuah teknik validasi model untuk menilai bagaimana hasil statistik analisis akan menggeneralisasi kumpulan data independen. Teknik ini utamanya digunakan untuk melakukan prediksi model dan memperkirakan seberapa akurat sebuah model prediktif ketika dijalankan dalam praktiknya. Dalam sebuah masalah prediksi, sebuah model biasanya diberikan kumpulan data (dataset) yang diketahui untuk digunakan dalam menjalankan pelatihan (dataset pelatihan), serta kumpulan data yang tidak diketahui (atau data yang pertama kali dilihat) terhadap model yang diuji (pengujian dataset).[4] Tujuan dari validasi silang adalah untuk mendefinisikan dataset untuk "menguji" model dalam tahap pelatihan (yaitu, validasi data), dalam rangka untuk membatasi masalah seperti terjadinya overfitting, memberikan wawasan tentang bagaimana model akan menggeneralisasi independen dataset (yaitu, dataset tidak diketahui, misalnya dari masalah nyata), dll.<br />
<br />
== '''Ujian Tengah Semester''', Komputasi Teknik ==<br />
<br />
<br />
<br />
<br />
=== '''Video Pembelajaran Setiap Minggu''' ===<br />
<br />
<br />
'''Kemampuran Komputasi Teknik Selama Perkuliahan, Tutorial Menggunakan CFDSOF'''<br />
<br />
<br />
[[File:.pertemuan3wisnuindrawan.mp4||500px|center]]<br />
<br />
<br />
<br />
=== '''Draft Paper Komputasi Teknik''' ===<br />
<br />
<br />
==== BAB I ====<br />
<br />
Pendinginan salah satu teknologi yang memiliki berbagai macam pengaplikasian, dimulai dari menjaga produk makanan dari kebusukan dan berbagai pengendalian suhu dalam bidang elektronik dan industri lainnya (Gökçekdan Şahin, 2017).Salah satu teknologi pendinginan yang sekarang ini sering digunakan adalah teknologi berbasis kompresi uap karna mempunyai (COP) coefficient of performanceyang tinggi dan mempunyai harga yang lebih murah dibandingkan teknologi alternatif lainnya.Dalam proses pendinginan, teknologi kompresi uap menggunakan gas pendingin yang berfungsi untuk menyerap panas pada udara dalam ruangan, sehingga menjadi bersuhu rendah. Secara luas gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannyadan tipe R600a mengandung gas HF yang dapat mengurangi lapisan ozon (Söylemez dkk., 2018). Selain itu,pada sistem kompresor satu kipas yang menggunakan gas pendingin pada kompresor uap memiliki kesulitan dalampengaturan temperatur dari kompartemen target. Berdasarkan pernyataan tersebut diperlukan suatu teknologi pendingin alternatif. Thermoelectric cooler adalah salah satu alternatif teknologi pendingin, dikarenakan thermoelectric cooler memiliki kelebihan seperti berukuran kecil, kebisingan dan getaran yang lebih rendah, lebih mudah dalam pengaturan suhu, mebutuhkan perawatan yang sedikit, dan dapat dihidupkan dengan arus DC (Söylemezdkk., 2018). Pendinginan dengan menggunakan TEC (Termoelectric Cooling) telah digunakan untuk menghilangkan embun kaca depan kendaraan. Penelitian tersebut telah menghasilkan temperatur hingga 22,4 oC. Penelitian lainTEC telah digunakan untuk pendingin kotak minuman dengan menggunakan 3thermoelectric cooling, dimana dapat menghasilkan temperatur kotak minuman tanpa beban mencapai14,3 oC, dengan beban pendingin air sebanyak 1 liter sebesar 16,4 oC (Nulhakim, 2017). TEC (Termoelectric Cooling) tidak hanya dapat mendinginkan, tetapi dapat memanaskan di waktu yang bersamaan. Sifat dari TEC ini dapat dimanfaatkan untuk sistem pengaturan suhu ruangan. Untuk tujuan pengaturan suhu yang lebih akurat, dapat dipertimbangkan menggunakan sistem kontrol loop tertutup dengan PID (Propotional, Integral dan Derivative). Kelebihan dari pemakaian kontroler PID di loop tertutup adalah kontrol PID memiliki kemampuan untuk penyetelan otomatis, dan dapat adaptasi terhadap variasi waktu, sehinggasistem dari kontroler PID menyediakan aplikasi didalam industri dengan fitur kontrol yang lebih akurat dandapat disesuaikan dengan kebutuhan(Abdullah dan Ayman, 2008). Pengaturan PID pada umumnya menggunakan alat yang memakan banyak biaya. Tetapi menurut hasil dari eskperimen yang menyatakan bahwa kontroler PID menggunakna mikrokontoler tipe P18F4685 yang memiliki kapasitas 14 bit dapat menghasilkan kestabilan yang baik, dengan overshoot yang sedikit, dan memiliki waktu settling time yang sedikit pula (El-Nagar dan El-Bardini, 2014). Dari latar belakang tersebut diperlukan suatu sistem pendingin ruangan yang terkontrol secara otomatis menggunakanteknologi pendingin ramah lingkungan yang terkontrol dengan sistem kontrol loop tertutup, sehinggadapat manjadi salah satu alternatif teknologi pendingin ruangan.Berdasarkan potensi tersebut maka telah dilakukan penelitian tentang rancang bangun sistem pendingin ruangan menggunakan TEC (Thermoelectric Cooler) dengan kontroler PID.<br />
<br />
==== BAB II ====<br />
<br />
'''Sensor Suhu''' <br />
<br />
Salah satu jenis sensor suhu yang banyak digunakan di industri adalah tipe sensor suhu berbahan semikonduktor. Sensor ini menggunakankonfigurasi dioda atau transistor di kutub yang pada sambungan p-n bahan tersebut memiliki respon yang kuat terhadap suhu. Terdapat dua jenis pemberian tegangan pada sambungan p-n yaitu bias maju dan bias mundur seperti ditunjukkan pada Gambar 2.1. Ketika sambungan p-n bias maju dihubungkan dengansumber arus, maka terjadi beda potensial pada kedua sambungan. Beda potensial atau tegangan yang dihasilkan berbanding lurus dengan perubahan suhu(Suryono, 2018).<br />
<br />
[[File:wisnu.png|500px|center|]]<br />
<br />
<br />
<br />
'''Thermoelectric'''<br />
<br />
Modul thermoelectric khas dibuat menggunakan dua buah keramik berbentuk wafer dengan jenis bahan semikonduktor bismuth telluride P dan N yang diapit di antara keduanya seperti yang ditunjukkan pada Gambar 2.3. Bahan keramik di kedua sisi dari thermoelectric berfungsi untuk pelindung dan sebagai isolator listrik yang diperlukan. Bahan tipe-N memiliki kelebihan elektron, sementara bahan tipe-P membutuhkan elektron. Bahan P dan N membentuk pasangan, seperti yang ditunkjukan pada Gambar 2.3. Pasangan thermoelectric dipasang secara seri dan termal sejajar. Modul thermoelectric dapat berisi satu sampai beberapa ratus pasangan. Saat elektron bergerak dari bahan tipe-P ke bahan tipe-N melalui konektor listrik, elektron beralih ke keadaan energi yang lebih tinggi dan menyerap energi panas (sisi dingin) (Manikandan dkk., 2017).<br />
<br />
<br />
[[File:dewawisnuganteng.png|500px|center|]]<br />
<br />
<br />
<br />
<br />
<br />
==== BAB III ====<br />
<br />
Sistem pengendalian yang saya pakai adalah menggunakan mobile phone, jadi pada penyetingan set point pada PID menggunakan apliaksi mobile bebasis bluetooth<br />
<br />
<br />
[[File:bismillahadajalan.png|500px|center|]]<br />
<br />
Selanjut nya pada sistem kerja dari alat ini menggunakan sistem PID untuk mengatur kecepatan dari driver motor untuk mengatur suhu, jika suhu tidak sesuai dengan yang diinginkan maka kecepatan kipas akan terus bertambah.<br />
<br />
<br />
[[File:PIDBROH.png|500px|center|]]<br />
<br />
<br />
Hasil rancang bangun dari alat pendingin ditunjukan pada gambar dibawah ini<br />
<br />
<br />
[[File:celenganrindu.jpg|500px|center|]]<br />
<br />
Pembuatan interface untuk memasukkan data set point pada aplikasi mobile<br />
<br />
[[File:interface.png|500px|center|]]<br />
<br />
Pembuatan interface untuk mencari device bluetooth pada device-device sekitar<br />
<br />
[[File:tampilan2.png|500px|center|]]<br />
<br />
==== BAB IV ====<br />
<br />
Hasil data dari kalibrasi sensor suhu dengan alat ukur standart SNI <br />
<br />
<br />
[[File:akad.png|500px|center|]]<br />
<br />
<br />
Data PID setelah melakukan trial and error mendapatkan nilai Kp Kd Ki <br />
<br />
<br />
[[File:bismillahwisnudata.png|500px|center|]]<br />
<br />
=== '''Laporan Optimasi Energi''' ===<br />
<br />
<br />
Grafik Pada Minggu Pertama<br />
<br />
<br />
<br />
[[File:bersyukurlah.png|500px|center|]]<br />
<br />
[[File:gambarsatu.png|500px|center|]]<br />
<br />
<br />
[[File:semuaudahadarezekinya.png|500px|center|]]<br />
<br />
<br />
<br />
[[File:janganngeluhterus.png|500px|center|]]<br />
<br />
Gambar yang ditunjukan dengan menggunakna aplikasi sypder menunjukkan nilai x, nilai tersebut merupakan nilai minimum atau optimum dari persamaan yang telah dibuat dengan menggunakan excel<br />
<br />
<br />
Revisi Projek tugas komputasi teknik <br />
<br />
Pada kesempatan kali ini saya menggunakan case baru untuk menyelesaikan draft paper mata kuliah komputasi teknik <br />
<br />
Hal ini dikarenakan, ketertarikan penulis untuk mengangkat tema ini <br />
<br />
==Refisi draft paper==<br />
<br />
<br />
<br />
Beberapa contoh data dari nasabah yang dihasilkan untuk mengetahui apakah nasabah ingin meninggalkan bank dari data - data pribadi mereka, <br />
seperti lama mereka menggunakan jasa bank ini, jumlah tabungan mereka, kemudian umur mereka, dan dari pria atau wanita <br />
<br />
<br />
[[File:22 April 2020 5.png || 700px]]<br />
<br />
Pertama data yang berada dalam format csv dimasukan ke dalam pemograman python dengan maka akan muncul tampilan seperti diatas, ataua kerap<br />
disebut sebagai dataframe, setelah dataframe terbentuk maka dataframe tersebut di pecah - pecah atau dikelompokkan mana yang bisa digunakan untuk <br />
independent variable atau tidak <br />
<br />
<br />
<br />
[[File:22 April 2020 1.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 2.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 3.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 4.png || 700px]]<br />
<br />
<br />
methode dari draft paper ini adalah : <br />
<br />
'''mengguankan machine learning''' <br />
<br />
Pembelajaran mesin (ML) adalah studi tentang algoritma komputer yang meningkat secara otomatis melalui pengalaman. [1] Itu dilihat sebagai bagian dari kecerdasan buatan. Algoritma pembelajaran mesin membangun model matematika berdasarkan data sampel, yang dikenal sebagai "data pelatihan", untuk membuat prediksi atau keputusan tanpa diprogram secara eksplisit untuk melakukannya. [2] [3]: 2 Algoritma pembelajaran mesin digunakan dalam berbagai berbagai aplikasi, seperti penyaringan email dan visi komputer, di mana sulit atau tidak layak untuk mengembangkan algoritma konvensional untuk melakukan tugas-tugas yang diperlukan.<br />
<br />
Pembelajaran mesin terkait erat dengan statistik komputasi, yang berfokus pada membuat prediksi menggunakan komputer. Studi tentang optimasi matematika memberikan metode, teori dan domain aplikasi ke bidang pembelajaran mesin. Penambangan data adalah bidang studi terkait, dengan fokus pada analisis data eksplorasi melalui pembelajaran tanpa pengawasan.<br />
<br />
'''Realsi terhadap optimasi'''<br />
<br />
Pembelajaran mesin juga memiliki ikatan intim dengan optimisasi: banyak masalah pembelajaran dirumuskan sebagai minimalisasi beberapa fungsi kerugian pada serangkaian contoh pelatihan. Fungsi kerugian menyatakan perbedaan antara prediksi model yang sedang dilatih dan contoh masalah yang sebenarnya (misalnya, dalam klasifikasi, seseorang ingin menetapkan label pada instance, dan model dilatih untuk memprediksi dengan benar label yang telah ditetapkan sebelumnya dari sekumpulan contoh). Perbedaan antara dua bidang muncul dari tujuan generalisasi: sementara algoritma optimasi dapat meminimalkan kerugian pada set pelatihan, pembelajaran mesin berkaitan dengan meminimalkan kerugian pada sampel yang tidak terlihat. <br />
<br />
'''Relasi terhadap statistik'''<br />
<br />
Pembelajaran mesin dan statistik adalah bidang yang terkait erat dalam hal metode, tetapi berbeda dalam tujuan utamanya: statistik menarik kesimpulan populasi dari sampel, sementara pembelajaran mesin menemukan pola prediksi yang dapat digeneralisasikan. Menurut Michael I. Jordan, gagasan pembelajaran mesin, mulai dari prinsip metodologis hingga alat teoretis, telah memiliki pra-sejarah panjang dalam statistik. [22] Dia juga menyarankan istilah ilmu data sebagai pengganti untuk menyebut bidang keseluruhan. <br />
<br />
Leo Breiman membedakan dua paradigma pemodelan statistik: model data dan model algoritmik, [23] di mana "model algoritmik" berarti kurang lebih algoritma pembelajaran mesin seperti hutan acak.<br />
<br />
Beberapa ahli statistik telah mengadopsi metode dari pembelajaran mesin, yang mengarah ke bidang gabungan yang mereka sebut pembelajaran statistik. <br />
<br />
<br />
'''Teori'''<br />
<br />
Tujuan inti seorang pelajar adalah untuk menggeneralisasi dari pengalamannya. Generalisasi dalam konteks ini adalah kemampuan mesin pembelajaran untuk melakukan secara akurat pada contoh / tugas baru yang tidak terlihat setelah mengalami kumpulan data pembelajaran. Contoh-contoh pelatihan berasal dari beberapa distribusi probabilitas yang umumnya tidak diketahui (dianggap mewakili ruang kejadian) dan pelajar harus membangun model umum tentang ruang ini yang memungkinkannya menghasilkan prediksi yang cukup akurat dalam kasus-kasus baru.<br />
<br />
Analisis komputasi algoritma pembelajaran mesin dan kinerjanya adalah cabang ilmu komputer teoretis yang dikenal sebagai teori pembelajaran komputasi. Karena set pelatihan terbatas dan masa depan tidak pasti, teori pembelajaran biasanya tidak menghasilkan jaminan kinerja algoritma. Sebaliknya, batasan probabilistik pada kinerja cukup umum. Dekomposisi bias-varians adalah salah satu cara untuk mengukur kesalahan generalisasi.<br />
<br />
Untuk kinerja terbaik dalam konteks generalisasi, kompleksitas hipotesis harus sesuai dengan kompleksitas fungsi yang mendasari data. Jika hipotesis kurang kompleks dari fungsi, maka model memiliki data yang sesuai. Jika kompleksitas model meningkat dalam respons, maka kesalahan pelatihan berkurang. Tetapi jika hipotesisnya terlalu kompleks, maka modelnya akan mengalami overfitting dan generalisasi akan menjadi lebih buruk. <br />
<br />
Selain batas kinerja, ahli teori belajar mempelajari kompleksitas waktu dan kelayakan belajar. Dalam teori pembelajaran komputasi, perhitungan dianggap layak jika dapat dilakukan dalam waktu polinomial. Ada dua jenis hasil kompleksitas waktu. Hasil positif menunjukkan bahwa kelas fungsi tertentu dapat dipelajari dalam waktu polinomial. Hasil negatif menunjukkan bahwa kelas-kelas tertentu tidak dapat dipelajari dalam waktu polinomial.<br />
<br />
<br />
<br />
'''metode machine learning ada beberapa tipe nya berikut penjelasan mengenai teori machine learning :''' <br />
<br />
1. Suppport Vector Machine (SVMs)<br />
<br />
Support vector Machines (SVMs) adalah algoritma pembelajaran mesin yang diawasi yang fleksibel namun kuat yang digunakan baik untuk klasifikasi dan regresi. Tetapi umumnya, mereka digunakan dalam masalah klasifikasi. Pada 1960-an, SVM pertama kali diperkenalkan tetapi kemudian disempurnakan pada tahun 1990. SVM memiliki cara implementasi yang unik dibandingkan dengan algoritma pembelajaran mesin lainnya. Akhir-akhir ini, mereka sangat populer karena kemampuan mereka untuk menangani beberapa variabel kontinu dan kategorikal.<br />
<br />
<br />
Dalam praktiknya, algoritma SVM diimplementasikan dengan kernel yang mengubah ruang data input ke dalam formulir yang diperlukan. SVM menggunakan teknik yang disebut trik kernel di mana kernel mengambil ruang input dimensi rendah dan mengubahnya menjadi ruang dimensi yang lebih tinggi. Dengan kata-kata sederhana, kernel mengubah masalah yang tidak dapat dipisahkan menjadi masalah yang dapat dipisahkan dengan menambahkan lebih banyak dimensi ke dalamnya. Itu membuat SVM lebih kuat, fleksibel dan akurat. Berikut ini adalah beberapa jenis kernel yang digunakan oleh SVM.<br />
<br />
<br />
Linear Kernel <br />
<br />
Ini dapat digunakan sebagai produk titik antara dua pengamatan. Rumus kernel linear adalah sebagai berikut<br />
<br />
Metode yang digunakan <br />
<br />
pada penelesaian masalah ini saya menggunakana beberapa engone dari python untuk melakuakn machine learning yakni '''sklearn''' dan '''tensor flow''', berikut penjelasan masing masing metode nya :<br />
<br />
ini adalah struktur skrip dari '''sklearn.prepocessing''' <br />
<br />
class sklearn.preprocessing.OneHotEncoder(*, categories='auto', drop=None, sparse=True, dtype=<class 'numpy.float64'>, handle_unknown='error')[source]<br />
<br />
kenapa class ini digunakan karena machine leraning tidak bisa memproses selain angka, tapi pada kasus ini saya menggunakan nama, umur dan beberapa proses yang menggunakan tipe string(kata - kata)<br />
sehigga sulit untuk di klasifikasikan.<br />
<br />
'''maka dari itu metode ini dapat digunakan.'''<br />
<br />
'''One Hot Encoding adalah :''' reperentasi kategori variabel dalam vektor biner. <br />
<br />
Pertama nilai dari proses ini dipetakan dala nilai integer (nilai angka yang benilai bilangan bulat, tidak memiliki nilai koma)<br />
<br />
Lalu, setiap nilai yang berbentuk integer ini direpresentasikan sebagai vektor biner yang semua nya bernilai nol kecuali yang terindeks integer, yang di tandai 1.<br />
<br />
== Quis II, 6 April 2020 ==<br />
<br />
<br />
Assalamualaiakum Beerikut adalah link dari Quis 2<br />
Wisnu Indrawan <br />
1906433745<br />
<br />
https://drive.google.com/drive/folders/17z_x1nPTXBtnZl_PVhXRBZXdK5Wy0GMx?usp=sharing<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan Tanggal : Senin, 13 April 2020 == <br />
<br />
<br />
<br />
<br />
== Resume Pertemuan tanggal : Senin, 20 April 2020 ==<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan tanggal : Senin, 27 April 2020 ==<br />
<br />
1. Pemahaman terkait prinsip dan konsep komputasi teknik<br />
2. Penerapan konsep dan skill dalam komputasi teknik<br />
3. Lebih mengenal diri<br />
Dari 3 point diatas disampaikan via zoom dengan cara sebagai berikut:<br />
<br />
show your contributions<br />
your understanding<br />
your skkill<br />
<br />
== Resume Pertemuan tanggal : Senin, 04 Mei 2020 ==<br />
<br />
<br />
<br />
- Pemahaman terkait prinsip dan konsep komputasi teknik<br />
<br />
- Penerapan konsep dan skill dalam komputasi teknik<br />
<br />
- Lebih mengenal diri baik individu maupun kelompok/ kelas<br />
<br />
Intisaru dari evaluasi diri ini adalah :<br />
<br />
- show your contributions<br />
<br />
- your understanding<br />
<br />
- your skkill<br />
<br />
== Resume Pertemuan tanggal : Senin, 11 Mei 2020 ==<br />
<br />
<br />
Pada pertemuan tanggal 11 Mei 2020 terdapat pembahasan selanjut nya pada pertemuan minggu lalu mengnai pressure drop. Pada pembahsan pada grup whatshap mengenai tentang pendapat individu mengenai kasus pressure drop dan di bahas kemabli dalam grup Komputasi Teknik via whatshapp. Diharapkan pada pembahasan ini secara personal memahami cases Basic Mechanics dan menjadi kewajiban bagi setiap mahsiwa menyatakan analisa pribadi terkait kasus tersebut. <br />
<br />
Berikut Hasil dari pembahasan kasus tersebut : <br />
<br />
<gallery mode="slideshow"><br />
File:WhatsApp Image 2020-05-12 at 19.30.27.jpeg<br />
File:WhatsApp Image 2020-05-11 at 09.41.12.jpeg<br />
File:WhatsApp Image 2020-05-12 at 16.50.43.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.51.38.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.53.29.jpeg<br />
</gallery><br />
<br />
<br />
<br />
'''Azikri '''<br />
<br />
sedikit tambahan terkait hal di atas, bahwa pada dasarnya aliran fluida dalam pipa akan mengalami penurunan tekanan atau pressure drop seiring dengan <br />
panjang pipa ataupun disebabkan oleh gesekan dengan permukaan<br />
saluran, dan juga ketika aliran melewati sambungan pipa, belokan, katup, difusor, dan sebagainya.<br />
Disisi lain, prinsip dasar persamaan kontinuitas juga jadi landasan dimana massa tidak dapat diciptakan dan<br />
tidak dapat dimusnahkan, sehingga massa dalam suatu sistem yang konstan dapat dinyatakan dengan rumus : rho.A.v=m<br />
<br />
atau Jika aliran fluida bersifat incompressible dan steady flow, maka persamaan menjadi : Q=A.v<br />
<br />
Singkatnya dr persmaan pertama bahwa pressure drop berbanding terbalik dengan D, dan begitu halnya dengan persamaan 2 tegangan geser berbanding <br />
terbalik dg A<br />
<br />
'''Adhika '''<br />
<br />
- Gaya Masuk - Gaya Geser Total = Gaya Keluar<br />
- Gaya Geser Total = Gaya Masuk - Gaya Keluar<br />
- Gaya Geser Total = P1.A - P2.A <br />
- Gaya Geser Total = dp . Luas Area Pipa<br />
Shear Stress . Luas Selimut = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(Luas Area Pipa . L. pi . 4) = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(L. pi . 4) / sqrt(Luas Area Pipa) = dp<br />
<br />
Kesimpulan:<br />
Luas Area Pipa semakin besar maka dp akan semakin kecil<br />
<br />
<br />
'''Jerry '''<br />
<br />
Ketika nilai A membesar, maka nilai D secara langsung juga membesar karena A merupakan fungsi D; A(D). <br />
<br />
Dari persamaan pressure drop, terlihat bahwa nilai D berbanding terbalik dengan nilai deltaP. <br />
<br />
Hal ini akan mengimplikasikan bahwa semakin besar nilai D, maka semakin kecil nilai deltaP<br />
<br />
'''Dessy'''<br />
<br />
Sederhananya jika dilihat dari persamaan untuk Pressure Drop maka sudah cukup jelas dalam menjawab pertanyaan mengapa ketika luas area (A) diperbesar <br />
menyebabkan nilai pressure drop yang menurun, dimana <br />
<br />
dP = f L rho V^2 / 2 D<br />
<br />
Dari persamaan diatas terlihat bahwa nilai diameter (pengaruhnya terhadap luas area) berbanding terbalik dengan nilai pressure loss dP.<br />
<br />
Tambahan juga jika dilihat dari nilai kecepatan (disini saya menggunakan analogi aliran fluida dalam pipa), secara logika apabila nilai luas <br />
penampang A diperbesar maka nilai kecepatan akan semakin kecil, sesuai dengan persamaan yang telah dijelaskan oleh saudara Dieter sebelumnya.<br />
<br />
Maka jika kembali ke persamaan pressure drop sesuai analogi ini, A yang besar akan menyebabkan nilai V menurun, akibatnya nilai dP pun akan menurun.<br />
<br />
Dari sini dapat disimpulkan bahwa semakin besar nilai diameter D, yang menghasilkan nilai area A yang semakin besar pula, menghasilkan nilai pressure <br />
drop dP yang semakin kecil.<br />
<br />
'''Muhammad Gumilar'''<br />
<br />
Ada hal menarik disini, dari beberapa yang saya perhtikan dari beberapa pendapat teman-teman, pengaruh dari adanya luasan atau diameter pipa akan <br />
mempengaruhi keepatan alir didalam pipa , sesuai dengan hukum kontinuitas. Berkaitan dengan hal ini, saya mencerna bahwa bisa saja sebenarnya jika <br />
kita membandingkan dua hal yang mana, dua buah pipa dengan diameter yang berbeda akan tetepa memiliki kecepatan aliran rata-rata yang sama, yang <br />
mana berarti kedua debit aliran dari pipa ini berbeda. Namun yang dititikberatkan pada pembahasannya adala, kenapa berdasarkan rumus pressure loss, <br />
apabila diameter membesar, maka pressure drop akan berkurang. Sedangkan dari persamaan yang lain, kita kethaui bahwa gaya gesek akibat adanya <br />
tegangan geser akan meningkat karena persamaannya adalah F=thow * A. <br />
<br />
Kebingunga dari mahasiswS1 tersebut menurut saya adalah pemahaman beliau yang tidak komprehensif terhadap kosnep pressure drop. Memang, pressure drop <br />
itu berhubungan erat dengan adanya gesekan viscous antara fluida dengan dinding pipa. Akan tetapi, ada hal penting yang dilupakan oleh sang mahasiswa <br />
S! tersebut, yaitu bahwa perbesaran diameter dari pipa juga akan mengakibatkan tegangan geser yang terjadi. Secara sederhana, sepemahaman saya, <br />
tegangan geser itu berbanding lurus dengan gradient kecepatan aliran fluida di sepanjang pipa, yaitu du/dy. Nah, apabila, dengan kecepatan rata-rata <br />
yang sama, diameter pipa semakin besar, maka gradient kecepatan di sepanjang pipa akan berkurang karena pengaruh gaya viscous antara dinding dan <br />
fluida juga semain berkurang. Oleh karena itu, pressure Drop yang terjadi juga akan semakin berkurang. Semoga bermanfaaat semua eheheheh<br />
<br />
== Resume Pertemuan tanggal : Senin, 18 Mei 2020 ==</div>Wisnu indrawanhttp://air.eng.ui.ac.id/index.php?title=Wisnu_indrawan&diff=35857Wisnu indrawan2020-06-01T07:30:50Z<p>Wisnu indrawan: /* Resume Pertemuan tanggal : Senin, 04 Mei 2020 */</p>
<hr />
<div><br />
<br />
----<br />
<br />
== '''Biodata Diri :''' ==<br />
<br />
----<br />
<br />
<br />
[[File:wisnu.jpg|200px|thumb|left|Watashinonamaeha wisnu ndes ]]<br />
<br />
*Nama : Wisnu Indrawan <br />
<br />
*NPM : 1906433745<br />
<br />
*Jurusan : Teknik Mesin<br />
<br />
*Institusi : Universitas Indonesia<br />
<br />
*Penjuruan : SUBAK (Sistem Utilitas Bangunan)<br />
<br />
*Email : wisnu.indrawan@ui.ac.id<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Istilah - Istilah Teknik''' ==<br />
<br />
<br />
'''1. Clustering ''' <br />
<br />
*clustering adalah teknik machine learning berupa algoritma pengelompokkan objek-objek data berjumlah N menjadi <br />
kelompok-kelompok data tertentu (cluster)<br />
<br />
*Objek data yang beada dalam satu kelompok / cluster harus memiliki kemiripan <br />
<br />
*Semakin banyak data yang diperoleh sama dnegan semakin akurat hasil yang di dapatkan <br />
<br />
*Clustering merupakan salah satu jenis dari algoritma unsupervised learining, algoritma <br />
yang bertujuan untuk mempelajari dan menemukan pola dari suatu input yang diberikan tanpa menggunuakan label <br />
<br />
*Dengan penggunaan supervised learning, maka beberapa hal berikut ini dapat dilakukan <br />
<br />
'''1.''' Search: Membandingkan antar dokumen, gambar atau suara untuk menampilkan item serupa. <br />
<br />
'''2.''' Deteksi anomali: Mendeteksi perilaku yang tidak biasa yang biasanya berhubungan dengan hal-hal yang ingin dicegah atau dideteksi, seperti contoh penipuan. <br />
<br />
<br />
Selain itu teknik clustering terdapat beberapa algoritma di dalam nya yang akan dijelaskan istilah nya pada bagian bawah ini : <br />
<br />
<br />
<br />
'''2. K-Means Clustering'''<br />
<br />
*Tentukan jumlah cluster <br />
<br />
*alokasikan data ke dalam cluster secara rancodm <br />
<br />
*hitung centroid/rata-rata dari data yang ada di masing-masing cluster <br />
<br />
*alokasikan masing masing data ke centroid/data-data terdekat <br />
<br />
*kembali ke step 3, apabila masih ada data yang berpindah cluster atau apabila <br />
perubahan nilai centroid, ada yang di atas nilai threshold yang ditentikan atau apabila <br />
perubahan nilai pada objective function yang digunakan di atas nilai threshold yang ditentukan<br />
<br />
<br />
'''3. Mean-Shift Clustering<br />
'''<br />
*Untuk mejelaskan mean-shift, kita ilustrasikan sekumpulan titik dalam ruang <br />
dua dimensi <br />
<br />
*kita mulai dengan circular sliding window yang berpusat pada titik C(dipilih secara acak)<br />
dan memiliki jadi-jadir r sebagai kernel. Mean shift adalah algoritma yang melakukan pergeseran kernel ini secara iteratif <br />
ke daerah kepadatan yang lebih tinggi pada setiap langkah hingga konvegensi.\<br />
<br />
*pada setiap iterasi, sliding window digeser ke arah daerah dengan kepadatan lebih tinggi dengan menggeser titik tengahnya. kepadatan pada sliding window sebanding dengan jumlah tiitk di dalamnya <br />
<br />
*terus melakuakn pergeseran pada sliding window sesuai dengan rata -rata sampai tidak ada arah di mana pergeseran dapat mengakomondasikan lebih banyak titik di dalam kernel (tidak lagi meningkatkan densitas/jumlah titik di window)<br />
<br />
*langkah 1 hingga 3 ini dilakukan dengan banyak sliding window sampai semua titik terletak di dalam window. Ketika beberapa window saling berumpang tindih, window yang berisi titik terbanyak akan dipertahankan. Objek data kemudian dikelompokkan sesua dengan sliding window tempat mereka berada.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-1 ''', (Senin, 03 Februari 2020), Muhasabah ==<br />
<br />
<br />
----<br />
<br />
<br />
'''Muhasabah Diri :''' <br />
<br />
'''Muhasabah adalah''' : sesuatu hal yang perlu dan menjadikannya sebuah kebutuhan dalam tiap-tiap diri manusia, di dalam agama Islam, muhasabah sangatlah dianjurkan karena jika muhasabah bisa dijalankan dengan baik akan memberi banyak manfaat baik yang akan di dapatkan di dunia maupun diakhirat kelak.<br />
<br />
'''Pada pertemuan pertama kami mempelajari apa makna dari komputasi teknik :'''<br />
<br />
'''a. Definisi Komputasi'''<br />
<br />
Komputasi : setulnya bisa diartikan sebagai cara untuk menemukan pemecahan masalah dari data input dengan menggunakan suatu algoritme. Hal ini ialah apa yang disebut dengan teori komputasi, suatu sub-bidang dari ilmu komputer dan matematika. Selama ribuan tahun, perhitungan dan komputasi umumnya dilakukan dengan menggunakan pena dan kertas, atau kapur dan batu tulis, atau dikerjakan secara mental, kadang-kadang dengan bantuan suatu tabel. Namun sekarang, kebanyakan komputasi telah dilakukan dengan menggunakan komputer.<br />
<br />
Komputasi ilmiah dan numerik adalah bidang booming dalam penelitian, teknik, dan analitik. Revolusi dalam industri komputer selama beberapa dekade terakhir telah menyediakan alat baru dan kuat untuk praktisi komputasi. Ini telah memungkinkan usaha komputasi dari skala dan kompleksitas yang sebelumnya tidak pernah terjadi sebelumnya. Akibatnya, semua bidang dan industri bermunculan. Perkembangan ini masih berlangsung, dan ini menciptakan peluang baru seiring dengan meningkatnya perangkat keras, perangkat lunak, dan algoritme. Pada akhirnya, teknologi yang memungkinkan untuk gerakan ini adalah perangkat keras komputasi yang kuat yang telah dikembangkan dalam beberapa dekade terakhir. Namun, untuk seorang praktisi komputasi, lingkungan perangkat lunak yang digunakan untuk pekerjaan komputasi sama pentingnya dengan, jika tidak lebih penting daripada, perangkat keras di mana perhitungan dilakukan.<br />
<br />
'''b. Current state of knowledge'''<br />
<br />
Knowledge i have learned in master amount of application and I just know it in master degree, and this is application I had to learn in master degree, first is lab view, I use it for measure temperature in contactor, so I know the temperature at inlet and outlet, second is REFROP this application helped me to know enthalpy in refrigerant, is superheated or subcool, third but not last is CFD-SOF with this application I can calculate velocity of fluid at an object, for example, is I calculated velocity in planar plate, internal flow pipe, and so on. <br />
<br />
'''c. Pengalaman Komputasi Teknik'''<br />
<br />
Untuk pengalaman saya menggunakan komputasi sudah ada beberapa, seperti CFD SOF dan beberapa bahasa pemograman, tetapi di era data scientist sekarang banyak yang sedang menggunakan bahasa python untuk menjadi bahasa pemograman mereka, hal ini dikarekan python merupakan bahasa pemograman open source (gratis) dan mudah di gunakan untuk pemula, berikut dasar - dasar menggunakan bahsa python :<br />
<br />
'''c.1 Pengenalan Komputasi Menggunakan Python'''<br />
<br />
Python adalah bahasa pemrograman tingkat tinggi yang diartikan untuk keperluan umum yang banyak digunakan dalam komputasi ilmiah dan teknik. Pertama dan terpenting, Python terkenal dengan sintaks code yang bersih dan mudah dibaca. Pembacaan kode yang baik meningkatkan pemeliharaan, yang secara umum menghasilkan lebih sedikit bug dan aplikasi yang lebih baik secara keseluruhan, tetapi juga memungkinkan pengembangan kode yang cepat. Dalam pemecahan masalah komputasi, tentu saja, penting untuk mempertimbangkan kinerja algoritma dan implementasinya. Sementara kinerja runtime terbaik dapat dicapai dalam bahasa pemrograman tingkat rendah seperti fortran dan C, bekerja dalam bahasa tingkat tinggi seperti Python biasanya mengurangi waktu pengembangan dan seringkali menghasilkan kode yang lebih fleksibel dan dapat diperluas.<br />
<br />
'''c.2 Environement Untuk Komputasi Dengan Python''' <br />
<br />
Ada beberapa environtment berbeda yang dapat digunakan Python untuk komputasi ilmiah dan teknis. Keragaman ini memiliki kelebihan dan kekurangan dibandingkan dengan lingkungan yang didukung. Dalam produk komputasi memiliki keanekaragaman menyediakan fleksibilitas dan dinamika yang cocok untuk spesialisasi untuk kasus penggunaan tertentu. Di sini saya memberikan orientasi lingkungan umum untuk komputasi ilmiah. Contoh 3 GUI yang digunakan untuk menjalankan python adalah :<br />
<br />
'''c.2.1. IPython'''<br />
<br />
IPython merupakan sebuah console yang dapat dijalankan secara interaktif. Secara bersama dengan text editor untuk menuliskan code, menyediakan yang ringan untuk dikembangkan .<br />
<br />
'''c.2.2. The Jupyter Notebook'''<br />
<br />
Merupakan aplikasi web di mana kode Python dapat ditulis dan dieksekusi melalui browser web. Environtment ini sangat bagus untuk komputasi numerik, analisis, dan penyelesaian masalah, karena memungkinkan seseorang untuk mengumpulkan code, output yang dihasilkan oleh code, dokumentasi teknis terkait, dan analisis dan interpretasi, semuanya dalam satu dokumen.<br />
<br />
'''c.2.3. Spyder'''<br />
<br />
Integrated Development Environment, yang dapat digunakan untuk menulis dan menjalankan kode Python secara interaktif. IDE seperti Spyder adalah alat yang dapat diguankan untuk mengembangkan library dan modul Python yang bisa digunakan kembali<br />
<br />
'''c.2.4. Interpreter'''<br />
<br />
Cara standar untuk mengeksekusi kode Python adalah menjalankan program secara langsung melalui interpreter Python. Pada kebanyakan sistem, interpreter Python dipanggil menggunakan perintah python. Ketika Python file source diperintahkan sebagai argumen untuk perintah ini, kode Python dalam file tersebut dijalankan.<br />
<br />
$ python hello.py<br />
<br />
Hello from Python!<br />
<br />
Di sini file hello.py berisi satu baris:<br />
<br />
print("Hello from Python!")<br />
<br />
Untuk melihat versi Python mana yang diinstal, seseorang dapat menjalankan perintah python dengan argumen --version:<br />
<br />
$ python –version<br />
<br />
Python 3.6.5<br />
<br />
Adalah umum untuk menginstal lebih dari satu versi Python pada sistem yang sama. Setiap versi Python memelihara kumpulan perpustakaannya sendiri dan menyediakan perintah penerjemahnya sendiri (sehingga setiap lingkungan Python dapat menginstal perpustakaan yang berbeda). Pada banyak sistem, versi tertentu dari juru bahasa Python tersedia melalui perintah seperti, misalnya, python2.7 dan python3.6. Dimungkinkan juga untuk mengatur lingkungan python virtual yang independen dari lingkungan yang disediakan sistem. Ini memiliki banyak keuntungan dan saya sangat menyarankan untuk membiasakan diri dengan cara ini bekerja dengan Python. Lampiran A memberikan perincian tentang cara mengatur dan bekerja dengan lingkungan semacam ini.<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan-2 : ''' (Senin, 10 Februari 2020), Sinopsis Tuga Akhir ==<br />
<br />
<br />
----<br />
<br />
<br />
'''a. Menjelaskan Sinopsis Tugas Akhir''' <br />
<br />
JUDUL : <br />
<br />
Sistem Pendingin Mengguankan Thermo Electric Cooler dengan Controller Propotional - Integral Derivative<br />
<br />
SINOPSIS : <br />
<br />
Pendinginan merupakan salah satu proses yang dapat digunakan untuk berbagai macam penggunaan, antara lain untuk menjaga produk industri makanan dan produk medis seperti obat-obatan dan vaksin. Proses pendinginan sekarang masih menggunakan teknologi pengawetan berbasis kompresi menggunakan gas pendingin. Tipe gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannya dan tipe R600a memiliki COP yang lebih rendah. Penelitian ini bertujuan merancang perangkat keras dan perangkat lunak yang dapat diaplikasikan pada pendingin termoelektrik, dengan merancang sebuah alat yang digunakan untuk sistem lemari pendingin menggunakan Thermoelectric Cooler (TEC) dan mendapatkan nilai COP yang tinggi. Sistem dibangun dengan kontroler Proportional Integral Derivative (PID). Sistem ini menggunakan beberapa alat antara lain, sensor suhu, Transistor tipe TIP31, modul bluetooth, kipas, dan mikrokontroler ATSAM3X8E. Pengendalian suhu dilakukan dengan membandingkan set-point suhu yang diinginkan dengan suhu dari sensor. Dari penelitian ini diperoleh hasil bahwa semakin besar nilai tegangan yang diberikan maka semakin besar pula besar nilai Pulse Wave Modulation (PWM) yang dihasilkan. Semakin tinggi nilai besar PWM, semakin cepat penurunan suhu pada kotak pendingin. Dari beberapa pengujian dapat disimpulkan bahwa nilai parameter kontrol proporsional (Kp), parameter kontrol integral (Ki), dan nilai parameter kontrol deferensial (Kd ), dimana pada nilai Kp = 255, Ki = 100, dan Kd = 200 mendapatkan grafik yang lebih stabil dan mendekati nilai set-point, dengan nilai error sebesar 2,86 %.<br />
<br />
<br />
'''b. Perbedaan deterministik dan stokastik'''<br />
<br />
b.1 deterministik adalah sesuatu yang pasti akan terjadi. <br />
<br />
b.2 stokastik adalah Stokastik adalah kebolehjadian, atau dengan kata lain sesuatu yang belum terjadi kepastiannya. "Sesungguhnya, Allah tidak akan mengubah nasib suatu kaum, hingga mereka mengubahnya sendiri.." (Q.S. Ar-Ra'd [13] : 11) <br />
<br />
<br />
'''c . Komputasi Teknik pada Tugas Akhir'''<br />
<br />
Tipe tugas akhir saya adalah deteministik. Hal ini dikarenakan nilai dari PID yang saya tentukan pasti. Menurut pendapat saya untuk penerapan komputasi teknik pada tugas akhir saya adalah <br />
<br />
Pada penggunaan fitur controller PID, adalah kemampuan untuk menggunakan tiga tipe kontroller yakni propotional, integral dan derivatif yang mempengaruhi nilai keluaran kontroller untuk dipalikasikan pada nilai yang optimal dari kontroller itu sendiri. <br />
<br />
[[File:PID.png|400px|thumb|left ]]<br />
<br />
Diagram blok yang terdapat pada sebelah kiri menunjukkan bagamimana cara controller ini bekerja. Gambar tersebut menunjukan kontroller PID, yang mana secara kontinu menghitung nilai error e(t) sebagai selisih dari setpoint r(t) dan variabel proses y(t), dan pengaplikasian nya dikoreksi berdasakan propotional, integral, dan derivatif. Kontroller mencoba utnuk meminimalisir error dari lebih nya koreksi kontrol variabel u(t), salah satu contoh nya pengontrolan pada kecepatan kipas, kontrol PID dibutuhkan untuk mengetahui jumlah RPM selanjutnya pada kipas sehingga dapat mendinginkan suatu objek.<br />
<br />
<br />
<br />
<br />
<br />
<br />
<br />
'''d. Komputasi pada tugas akhir saya kedepan nya'''<br />
<br />
Melakuakn simulasi CFD sederhana untuk melihat aliran fluida di dalam lemari pendingin<br />
<br />
<br />
----<br />
<br />
== '''Resume Pertemuan Ke-3''', (Senin 17-Februari-2020), Presentasi Sinopsis Project Komputasi Teknik ==<br />
<gallery mode="slideshow"><br />
File:PPT_1.png|200px|center|<br />
File:PPT_2.png|200px|center|<br />
File:PPT_3.png|200px|center|<br />
File:PPT_4.png|200px|center|<br />
File:ppt_5.png|200px|center|<br />
</gallery><br />
<br />
----<br />
<br />
== '''Pertemuan ke-4''', (Senin, 24 Februari 2020), Presentasi Model Matematis Project Komputasi Teknik ==<br />
<br />
----<br />
<br />
<br />
<br />
Skema kontrol PID dinamai dari ketiga term pengendalinya, yang kemudian dijumlahkan menjadi variabel manipulasi. Term proporsional, integral, dan derivatif dijumlahkan untuk menghitung keluaran kontroler PID. Dengan mendefinisikan u(t) sebagai keluaran kontroler, bentuk akhir dari algoritme PID adalah:<br />
<br />
<br />
<br />
[[File:Rumus1.png|300px|thumb|center ]]<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Contoh PID pada MATLAB<br />
|-<br />
|'''Jenis'''<br />
|'''Foto'''<br />
|'''Deskripsi'''<br />
|-<br />
! '''Porpotional Integral''' <br />
| [[File:Tilu.png|300px|thumb|left ]] || sys = zpk([],[-1 -1 -1],1); <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Loro.png|300px|thumb|left ]] || <br />
<br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
T_pi_fast = feedback(C_pi_fast*sys,1);<br />
step(T_pi,T_pi_fast)<br />
axis([0 30 0 1.4])<br />
legend('PI','PI,fast')<br />
<br />
|-<br />
! Propotional Integral Fast Vs Propotinal Integral Derivative Fast <br />
| [[File:Siji.png|300px|thumb|left ]] || <br />
<br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
[C_pidf_fast,info] = pidtune(sys,'PIDF',1.0)<br />
T_pidf_fast = feedback(C_pidf_fast*sys,1);<br />
<br />
step(T_pi_fast, T_pidf_fast); <br />
<br />
axis([0 30 0 1.4]);<br />
<br />
legend('PI,fast','PIDF,fast');<br />
<br />
sys = zpk([],[-1 -1 -1],1); <br />
[C_pi,info] = pidtune(sys,'PI')<br />
T_pi = feedback(C_pi*sys, 1);<br />
step(T_pi)<br />
[C_pi_fast,info] = pidtune(sys,'PI',1.0)<br />
<br />
S_pi_fast = feedback(sys,C_pi_fast);<br />
S_pidf_fast = feedback(sys,C_pidf_fast);<br />
step(S_pi_fast,S_pidf_fast);<br />
axis([0 50 0 0.4]);<br />
legend('PI,fast','PIDF,fast');<br />
<br />
|-<br />
|}<br />
<br />
----<br />
<br />
<br />
== '''Pertemuan ke-5''', (2 Maret 2020), Quis I ==<br />
<br />
<br />
[[File:Photo 1.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 2.jpeg|350px|thumb|center ]]<br />
<br />
[[File:Photo 3.jpeg|350px|thumb|center ]]<br />
<br />
<br />
<br />
<br />
----<br />
== '''Finite ELement, Finite Diffirent, Finite Volume''' ==<br />
<br />
* '''Pengertian Finite Element :'''<br />
<br />
'''Finite Element :''' menyelesaikan suatu problem dengan cara membagi obyek analisa menjadi bagian-bagian kecil yang terhingga. Bagian-bagian kecil ini kemudian dianalisa dan hasilnya digabungkan kembali untuk mendapatkan penyelesaian untuk keseluruhan daerah. Kata “finite atau terhingga” digunakan untuk menekankan bahwa bagian-bagian kecil tersebut tidak tak terhingga, seperti yang lazim digunakan pada metode integral analitik.<br />
<br />
* '''Pengertian Finite Volume :'''<br />
<br />
'''Finite Volume :''' adalah metode yang digunakna untuk merepresentasikan persamaan diferensial parisial dalam bentuk persamaan algeraic. Didalam metode finite volume, mengintergalkan bagian dari persamaan diferensial parsial ,menggunakan teorema divergensi.<br />
<br />
* '''Pengertian Finite Different :'''<br />
<br />
'''Finite Different :''' adalah diskritisasi yang digunakan untuk menyelesaiakn persamaan diferensial dengan memperkirakan denagn persamaan diferensial yang menggunakan perbedaan yang mendekati derivatif.<br />
<br />
<br />
<br />
<br />
----<br />
<br />
== '''Pertemuan ke-6''', Senin 9 Maret 2020, Extended Abstrak ==<br />
<br />
<br />
<br />
Name : Wsinu indrawan<br />
<br />
Title : Fluid Analysis For Mini Fan Refrigerator Using Thermoelectric Cooler <br />
<br />
The cooling is one of the processes can be used for various types of applications, starting from maintaining food industry products and medical products such as drugs and vaccines. The cooling process now still uses compression-based preservation technology using cooling gas. The types of cooling gas used are R134a and R600a. However, the R134a contains HF which has been banned for used, and the R600a contains HF gas which can reduce the ozone layer. In addition, a single fan compressor system that uses cooling gas in a steam compressor has difficulties in regulating the temperature of the target compartment. Based on this, an alternative cooling technology is needed. Thermoelectric cooler (TEC) is an alternative cooling technology, because TEC has advantages such as small size, lower noise and vibration, easier in temperature regulation, low maintenance requirements, can absorb heat using the principle of heat difference so that in addition to being able to the cooler can also be a heater, and besides that it can be turned on with a DC current. Obtained a solution in the form of cooling using a thermoelectric cooler, using a fan in the refrigerator.The current research examines the application of CFD (Computational Fluid Dynamic) to analyze the flow of wind into the refrigerator. Use the existing CFD analyst application. To analyze the flow of fluid entering the refrigerator, it is simplified for this refrigerator, by cutting the inside of the refrigerator. So that the incoming fluid flow can be reviewed, from the incoming air velocity can be analyzed with a simple correlation to the wind speed generated with existing pwm. It is expected that from this research, researchers can find out the wind phenomenon that is in the refrigerator so that it can be used for further research.<br />
<br />
<br />
<br />
<br />
[[File:G1.png|400px|thumb|center ]]<br />
<br />
[[File:test1.png|400px|thumb|center ]]<br />
<br />
== '''Optimasi Energi Pada Manusia''' ==<br />
<br />
The article below will describe how to make optimization in daily life, during one month<br />
<br />
<br />
<br />
{| class="wikitable" style="text-align: left; width: 700px; height: 500px;"|<center><br />
<br />
!colspan="3"|Optimasi Energi Pada Manusia<br />
|-<br />
|'''Jenis'''<br />
|'''Perhitungan'''<br />
|'''Deskripsi'''<br />
|-<br />
! Step 1<br />
| [[File:gazo1.png|700px|left]] || Pertama saya menentukan jumlah jam yang dibutuhkan per hari secara acak dengan funsi rand di excel <br />
<br />
|-<br />
! Step 2 <br />
| [[File:gazo2.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 1<br />
<br />
|-<br />
! Step 3 <br />
| [[File:gazo3.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 2<br />
<br />
|-<br />
! Step 4 <br />
| [[File:gazo4.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 3<br />
<br />
<br />
|-<br />
! Step 5 <br />
| [[File:gazo5.png|700px|left]] || Mengkalikan jumlah energi dengan pengali joule pada minggu 4<br />
<br />
|-<br />
! Step 6 <br />
| [[File:hebat.png|700px|left]] || Mencari grafik polynomial pada salah satu minggu dan diadapatkan grafik polynom nya<br />
<br />
|-<br />
! Step 7 <br />
| [[File:gazo7.png|700px|left]] || hasil konversi watt ke rupiah pada hari senin pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 8 <br />
| [[File:gazo8.png|700px|left]] || hasil konversi watt ke rupiah pada hari selasa pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 9 <br />
| [[File:gazo9.png|700px|left]] || hasil konversi watt ke rupiah pada hari rabu pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 10 <br />
| [[File:gazo10.png|700px|left]] || hasil konversi watt ke rupiah pada hari jumat pada minggu-1 hingga minggu-4<br />
<br />
|-<br />
! Step 11 <br />
| [[File:gazo11.png|700px|left]] || hasil konversi watt ke rupiah pada hari sabtu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step 12 <br />
| [[File:gazo12.png|700px|left]] || hasil konversi watt ke rupiah pada hari minggu pada minggu-1 hingga minggu-4<br />
<br />
<br />
|-<br />
! Step Final<br />
| [[File:cobajadulu.png|700px|left]] || Mencoba memasukan nilai minimum ke dalam matlab dan mencari dengan curve fitting<br />
<br />
|-<br />
|}<br />
<br />
== '''Pengarahan Beberapa Teknologi Komputasi Teknik''', 16-03-2020 ==<br />
<br />
<br />
Pada pertemuan kali ini membahas masalah initial thinking, mendevelop model matematis, anlisa secara umum dan analisa secara khusus<br />
<br />
Mengembangkan model amtematis dari konsep model utama dari model matematis tersebut<br />
<br />
Dari modeling tersebut dibutuhkan beberapa tahapan pertama :<br />
<br />
*Constrain <br />
<br />
*Boundary Condition <br />
<br />
*Setelah beberapa tahapan itu masuk ke tahapan simulasi <br />
<br />
Pengertian Verifikasi : <br />
<br />
Verifikasi adalah teori filsafat positif logis dalam memilih yang menyatakan bahwa pengalaman adalah satu-satunya sumber dasar pengetahuan dan dalam analisis logis dapat dilakukan dengan bantuan simbol-simbol logika dengan menggunakan metode untuk pemecahkan masalah melalui metode verifikasi empirik yaitu bila terdapat sesuatu yang tidak dapat diverifikasi secara empirik maka hasilnya adalah sia-sia. penganut teori radikal ini memiliki masalah konsekuensi untuk filosofi tradisional, karena, jika benar, akan menyebabkan banyak pekerjaan sia-sia pada filosofis masa lalu, antara lain pada metafisika dan etika.<br />
<br />
Validasi : <br />
<br />
validasi adalah sebuah teknik validasi model untuk menilai bagaimana hasil statistik analisis akan menggeneralisasi kumpulan data independen. Teknik ini utamanya digunakan untuk melakukan prediksi model dan memperkirakan seberapa akurat sebuah model prediktif ketika dijalankan dalam praktiknya. Dalam sebuah masalah prediksi, sebuah model biasanya diberikan kumpulan data (dataset) yang diketahui untuk digunakan dalam menjalankan pelatihan (dataset pelatihan), serta kumpulan data yang tidak diketahui (atau data yang pertama kali dilihat) terhadap model yang diuji (pengujian dataset).[4] Tujuan dari validasi silang adalah untuk mendefinisikan dataset untuk "menguji" model dalam tahap pelatihan (yaitu, validasi data), dalam rangka untuk membatasi masalah seperti terjadinya overfitting, memberikan wawasan tentang bagaimana model akan menggeneralisasi independen dataset (yaitu, dataset tidak diketahui, misalnya dari masalah nyata), dll.<br />
<br />
== '''Ujian Tengah Semester''', Komputasi Teknik ==<br />
<br />
<br />
<br />
<br />
=== '''Video Pembelajaran Setiap Minggu''' ===<br />
<br />
<br />
'''Kemampuran Komputasi Teknik Selama Perkuliahan, Tutorial Menggunakan CFDSOF'''<br />
<br />
<br />
[[File:.pertemuan3wisnuindrawan.mp4||500px|center]]<br />
<br />
<br />
<br />
=== '''Draft Paper Komputasi Teknik''' ===<br />
<br />
<br />
==== BAB I ====<br />
<br />
Pendinginan salah satu teknologi yang memiliki berbagai macam pengaplikasian, dimulai dari menjaga produk makanan dari kebusukan dan berbagai pengendalian suhu dalam bidang elektronik dan industri lainnya (Gökçekdan Şahin, 2017).Salah satu teknologi pendinginan yang sekarang ini sering digunakan adalah teknologi berbasis kompresi uap karna mempunyai (COP) coefficient of performanceyang tinggi dan mempunyai harga yang lebih murah dibandingkan teknologi alternatif lainnya.Dalam proses pendinginan, teknologi kompresi uap menggunakan gas pendingin yang berfungsi untuk menyerap panas pada udara dalam ruangan, sehingga menjadi bersuhu rendah. Secara luas gas pendingin yang digunakan adalah tipe R134a dan R600a, tetapi tipe R134a mengandung gas HFCs yang sudah dilarang penggunaannyadan tipe R600a mengandung gas HF yang dapat mengurangi lapisan ozon (Söylemez dkk., 2018). Selain itu,pada sistem kompresor satu kipas yang menggunakan gas pendingin pada kompresor uap memiliki kesulitan dalampengaturan temperatur dari kompartemen target. Berdasarkan pernyataan tersebut diperlukan suatu teknologi pendingin alternatif. Thermoelectric cooler adalah salah satu alternatif teknologi pendingin, dikarenakan thermoelectric cooler memiliki kelebihan seperti berukuran kecil, kebisingan dan getaran yang lebih rendah, lebih mudah dalam pengaturan suhu, mebutuhkan perawatan yang sedikit, dan dapat dihidupkan dengan arus DC (Söylemezdkk., 2018). Pendinginan dengan menggunakan TEC (Termoelectric Cooling) telah digunakan untuk menghilangkan embun kaca depan kendaraan. Penelitian tersebut telah menghasilkan temperatur hingga 22,4 oC. Penelitian lainTEC telah digunakan untuk pendingin kotak minuman dengan menggunakan 3thermoelectric cooling, dimana dapat menghasilkan temperatur kotak minuman tanpa beban mencapai14,3 oC, dengan beban pendingin air sebanyak 1 liter sebesar 16,4 oC (Nulhakim, 2017). TEC (Termoelectric Cooling) tidak hanya dapat mendinginkan, tetapi dapat memanaskan di waktu yang bersamaan. Sifat dari TEC ini dapat dimanfaatkan untuk sistem pengaturan suhu ruangan. Untuk tujuan pengaturan suhu yang lebih akurat, dapat dipertimbangkan menggunakan sistem kontrol loop tertutup dengan PID (Propotional, Integral dan Derivative). Kelebihan dari pemakaian kontroler PID di loop tertutup adalah kontrol PID memiliki kemampuan untuk penyetelan otomatis, dan dapat adaptasi terhadap variasi waktu, sehinggasistem dari kontroler PID menyediakan aplikasi didalam industri dengan fitur kontrol yang lebih akurat dandapat disesuaikan dengan kebutuhan(Abdullah dan Ayman, 2008). Pengaturan PID pada umumnya menggunakan alat yang memakan banyak biaya. Tetapi menurut hasil dari eskperimen yang menyatakan bahwa kontroler PID menggunakna mikrokontoler tipe P18F4685 yang memiliki kapasitas 14 bit dapat menghasilkan kestabilan yang baik, dengan overshoot yang sedikit, dan memiliki waktu settling time yang sedikit pula (El-Nagar dan El-Bardini, 2014). Dari latar belakang tersebut diperlukan suatu sistem pendingin ruangan yang terkontrol secara otomatis menggunakanteknologi pendingin ramah lingkungan yang terkontrol dengan sistem kontrol loop tertutup, sehinggadapat manjadi salah satu alternatif teknologi pendingin ruangan.Berdasarkan potensi tersebut maka telah dilakukan penelitian tentang rancang bangun sistem pendingin ruangan menggunakan TEC (Thermoelectric Cooler) dengan kontroler PID.<br />
<br />
==== BAB II ====<br />
<br />
'''Sensor Suhu''' <br />
<br />
Salah satu jenis sensor suhu yang banyak digunakan di industri adalah tipe sensor suhu berbahan semikonduktor. Sensor ini menggunakankonfigurasi dioda atau transistor di kutub yang pada sambungan p-n bahan tersebut memiliki respon yang kuat terhadap suhu. Terdapat dua jenis pemberian tegangan pada sambungan p-n yaitu bias maju dan bias mundur seperti ditunjukkan pada Gambar 2.1. Ketika sambungan p-n bias maju dihubungkan dengansumber arus, maka terjadi beda potensial pada kedua sambungan. Beda potensial atau tegangan yang dihasilkan berbanding lurus dengan perubahan suhu(Suryono, 2018).<br />
<br />
[[File:wisnu.png|500px|center|]]<br />
<br />
<br />
<br />
'''Thermoelectric'''<br />
<br />
Modul thermoelectric khas dibuat menggunakan dua buah keramik berbentuk wafer dengan jenis bahan semikonduktor bismuth telluride P dan N yang diapit di antara keduanya seperti yang ditunjukkan pada Gambar 2.3. Bahan keramik di kedua sisi dari thermoelectric berfungsi untuk pelindung dan sebagai isolator listrik yang diperlukan. Bahan tipe-N memiliki kelebihan elektron, sementara bahan tipe-P membutuhkan elektron. Bahan P dan N membentuk pasangan, seperti yang ditunkjukan pada Gambar 2.3. Pasangan thermoelectric dipasang secara seri dan termal sejajar. Modul thermoelectric dapat berisi satu sampai beberapa ratus pasangan. Saat elektron bergerak dari bahan tipe-P ke bahan tipe-N melalui konektor listrik, elektron beralih ke keadaan energi yang lebih tinggi dan menyerap energi panas (sisi dingin) (Manikandan dkk., 2017).<br />
<br />
<br />
[[File:dewawisnuganteng.png|500px|center|]]<br />
<br />
<br />
<br />
<br />
<br />
==== BAB III ====<br />
<br />
Sistem pengendalian yang saya pakai adalah menggunakan mobile phone, jadi pada penyetingan set point pada PID menggunakan apliaksi mobile bebasis bluetooth<br />
<br />
<br />
[[File:bismillahadajalan.png|500px|center|]]<br />
<br />
Selanjut nya pada sistem kerja dari alat ini menggunakan sistem PID untuk mengatur kecepatan dari driver motor untuk mengatur suhu, jika suhu tidak sesuai dengan yang diinginkan maka kecepatan kipas akan terus bertambah.<br />
<br />
<br />
[[File:PIDBROH.png|500px|center|]]<br />
<br />
<br />
Hasil rancang bangun dari alat pendingin ditunjukan pada gambar dibawah ini<br />
<br />
<br />
[[File:celenganrindu.jpg|500px|center|]]<br />
<br />
Pembuatan interface untuk memasukkan data set point pada aplikasi mobile<br />
<br />
[[File:interface.png|500px|center|]]<br />
<br />
Pembuatan interface untuk mencari device bluetooth pada device-device sekitar<br />
<br />
[[File:tampilan2.png|500px|center|]]<br />
<br />
==== BAB IV ====<br />
<br />
Hasil data dari kalibrasi sensor suhu dengan alat ukur standart SNI <br />
<br />
<br />
[[File:akad.png|500px|center|]]<br />
<br />
<br />
Data PID setelah melakukan trial and error mendapatkan nilai Kp Kd Ki <br />
<br />
<br />
[[File:bismillahwisnudata.png|500px|center|]]<br />
<br />
=== '''Laporan Optimasi Energi''' ===<br />
<br />
<br />
Grafik Pada Minggu Pertama<br />
<br />
<br />
<br />
[[File:bersyukurlah.png|500px|center|]]<br />
<br />
[[File:gambarsatu.png|500px|center|]]<br />
<br />
<br />
[[File:semuaudahadarezekinya.png|500px|center|]]<br />
<br />
<br />
<br />
[[File:janganngeluhterus.png|500px|center|]]<br />
<br />
Gambar yang ditunjukan dengan menggunakna aplikasi sypder menunjukkan nilai x, nilai tersebut merupakan nilai minimum atau optimum dari persamaan yang telah dibuat dengan menggunakan excel<br />
<br />
<br />
Revisi Projek tugas komputasi teknik <br />
<br />
Pada kesempatan kali ini saya menggunakan case baru untuk menyelesaikan draft paper mata kuliah komputasi teknik <br />
<br />
Hal ini dikarenakan, ketertarikan penulis untuk mengangkat tema ini <br />
<br />
==Refisi draft paper==<br />
<br />
<br />
<br />
Beberapa contoh data dari nasabah yang dihasilkan untuk mengetahui apakah nasabah ingin meninggalkan bank dari data - data pribadi mereka, <br />
seperti lama mereka menggunakan jasa bank ini, jumlah tabungan mereka, kemudian umur mereka, dan dari pria atau wanita <br />
<br />
<br />
[[File:22 April 2020 5.png || 700px]]<br />
<br />
Pertama data yang berada dalam format csv dimasukan ke dalam pemograman python dengan maka akan muncul tampilan seperti diatas, ataua kerap<br />
disebut sebagai dataframe, setelah dataframe terbentuk maka dataframe tersebut di pecah - pecah atau dikelompokkan mana yang bisa digunakan untuk <br />
independent variable atau tidak <br />
<br />
<br />
<br />
[[File:22 April 2020 1.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 2.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 3.png || 700px]]<br />
<br />
<br />
<br />
[[File:22 April 2020 4.png || 700px]]<br />
<br />
<br />
methode dari draft paper ini adalah : <br />
<br />
'''mengguankan machine learning''' <br />
<br />
Pembelajaran mesin (ML) adalah studi tentang algoritma komputer yang meningkat secara otomatis melalui pengalaman. [1] Itu dilihat sebagai bagian dari kecerdasan buatan. Algoritma pembelajaran mesin membangun model matematika berdasarkan data sampel, yang dikenal sebagai "data pelatihan", untuk membuat prediksi atau keputusan tanpa diprogram secara eksplisit untuk melakukannya. [2] [3]: 2 Algoritma pembelajaran mesin digunakan dalam berbagai berbagai aplikasi, seperti penyaringan email dan visi komputer, di mana sulit atau tidak layak untuk mengembangkan algoritma konvensional untuk melakukan tugas-tugas yang diperlukan.<br />
<br />
Pembelajaran mesin terkait erat dengan statistik komputasi, yang berfokus pada membuat prediksi menggunakan komputer. Studi tentang optimasi matematika memberikan metode, teori dan domain aplikasi ke bidang pembelajaran mesin. Penambangan data adalah bidang studi terkait, dengan fokus pada analisis data eksplorasi melalui pembelajaran tanpa pengawasan.<br />
<br />
'''Realsi terhadap optimasi'''<br />
<br />
Pembelajaran mesin juga memiliki ikatan intim dengan optimisasi: banyak masalah pembelajaran dirumuskan sebagai minimalisasi beberapa fungsi kerugian pada serangkaian contoh pelatihan. Fungsi kerugian menyatakan perbedaan antara prediksi model yang sedang dilatih dan contoh masalah yang sebenarnya (misalnya, dalam klasifikasi, seseorang ingin menetapkan label pada instance, dan model dilatih untuk memprediksi dengan benar label yang telah ditetapkan sebelumnya dari sekumpulan contoh). Perbedaan antara dua bidang muncul dari tujuan generalisasi: sementara algoritma optimasi dapat meminimalkan kerugian pada set pelatihan, pembelajaran mesin berkaitan dengan meminimalkan kerugian pada sampel yang tidak terlihat. <br />
<br />
'''Relasi terhadap statistik'''<br />
<br />
Pembelajaran mesin dan statistik adalah bidang yang terkait erat dalam hal metode, tetapi berbeda dalam tujuan utamanya: statistik menarik kesimpulan populasi dari sampel, sementara pembelajaran mesin menemukan pola prediksi yang dapat digeneralisasikan. Menurut Michael I. Jordan, gagasan pembelajaran mesin, mulai dari prinsip metodologis hingga alat teoretis, telah memiliki pra-sejarah panjang dalam statistik. [22] Dia juga menyarankan istilah ilmu data sebagai pengganti untuk menyebut bidang keseluruhan. <br />
<br />
Leo Breiman membedakan dua paradigma pemodelan statistik: model data dan model algoritmik, [23] di mana "model algoritmik" berarti kurang lebih algoritma pembelajaran mesin seperti hutan acak.<br />
<br />
Beberapa ahli statistik telah mengadopsi metode dari pembelajaran mesin, yang mengarah ke bidang gabungan yang mereka sebut pembelajaran statistik. <br />
<br />
<br />
'''Teori'''<br />
<br />
Tujuan inti seorang pelajar adalah untuk menggeneralisasi dari pengalamannya. Generalisasi dalam konteks ini adalah kemampuan mesin pembelajaran untuk melakukan secara akurat pada contoh / tugas baru yang tidak terlihat setelah mengalami kumpulan data pembelajaran. Contoh-contoh pelatihan berasal dari beberapa distribusi probabilitas yang umumnya tidak diketahui (dianggap mewakili ruang kejadian) dan pelajar harus membangun model umum tentang ruang ini yang memungkinkannya menghasilkan prediksi yang cukup akurat dalam kasus-kasus baru.<br />
<br />
Analisis komputasi algoritma pembelajaran mesin dan kinerjanya adalah cabang ilmu komputer teoretis yang dikenal sebagai teori pembelajaran komputasi. Karena set pelatihan terbatas dan masa depan tidak pasti, teori pembelajaran biasanya tidak menghasilkan jaminan kinerja algoritma. Sebaliknya, batasan probabilistik pada kinerja cukup umum. Dekomposisi bias-varians adalah salah satu cara untuk mengukur kesalahan generalisasi.<br />
<br />
Untuk kinerja terbaik dalam konteks generalisasi, kompleksitas hipotesis harus sesuai dengan kompleksitas fungsi yang mendasari data. Jika hipotesis kurang kompleks dari fungsi, maka model memiliki data yang sesuai. Jika kompleksitas model meningkat dalam respons, maka kesalahan pelatihan berkurang. Tetapi jika hipotesisnya terlalu kompleks, maka modelnya akan mengalami overfitting dan generalisasi akan menjadi lebih buruk. <br />
<br />
Selain batas kinerja, ahli teori belajar mempelajari kompleksitas waktu dan kelayakan belajar. Dalam teori pembelajaran komputasi, perhitungan dianggap layak jika dapat dilakukan dalam waktu polinomial. Ada dua jenis hasil kompleksitas waktu. Hasil positif menunjukkan bahwa kelas fungsi tertentu dapat dipelajari dalam waktu polinomial. Hasil negatif menunjukkan bahwa kelas-kelas tertentu tidak dapat dipelajari dalam waktu polinomial.<br />
<br />
<br />
<br />
'''metode machine learning ada beberapa tipe nya berikut penjelasan mengenai teori machine learning :''' <br />
<br />
1. Suppport Vector Machine (SVMs)<br />
<br />
Support vector Machines (SVMs) adalah algoritma pembelajaran mesin yang diawasi yang fleksibel namun kuat yang digunakan baik untuk klasifikasi dan regresi. Tetapi umumnya, mereka digunakan dalam masalah klasifikasi. Pada 1960-an, SVM pertama kali diperkenalkan tetapi kemudian disempurnakan pada tahun 1990. SVM memiliki cara implementasi yang unik dibandingkan dengan algoritma pembelajaran mesin lainnya. Akhir-akhir ini, mereka sangat populer karena kemampuan mereka untuk menangani beberapa variabel kontinu dan kategorikal.<br />
<br />
<br />
Dalam praktiknya, algoritma SVM diimplementasikan dengan kernel yang mengubah ruang data input ke dalam formulir yang diperlukan. SVM menggunakan teknik yang disebut trik kernel di mana kernel mengambil ruang input dimensi rendah dan mengubahnya menjadi ruang dimensi yang lebih tinggi. Dengan kata-kata sederhana, kernel mengubah masalah yang tidak dapat dipisahkan menjadi masalah yang dapat dipisahkan dengan menambahkan lebih banyak dimensi ke dalamnya. Itu membuat SVM lebih kuat, fleksibel dan akurat. Berikut ini adalah beberapa jenis kernel yang digunakan oleh SVM.<br />
<br />
<br />
Linear Kernel <br />
<br />
Ini dapat digunakan sebagai produk titik antara dua pengamatan. Rumus kernel linear adalah sebagai berikut<br />
<br />
Metode yang digunakan <br />
<br />
pada penelesaian masalah ini saya menggunakana beberapa engone dari python untuk melakuakn machine learning yakni '''sklearn''' dan '''tensor flow''', berikut penjelasan masing masing metode nya :<br />
<br />
ini adalah struktur skrip dari '''sklearn.prepocessing''' <br />
<br />
class sklearn.preprocessing.OneHotEncoder(*, categories='auto', drop=None, sparse=True, dtype=<class 'numpy.float64'>, handle_unknown='error')[source]<br />
<br />
kenapa class ini digunakan karena machine leraning tidak bisa memproses selain angka, tapi pada kasus ini saya menggunakan nama, umur dan beberapa proses yang menggunakan tipe string(kata - kata)<br />
sehigga sulit untuk di klasifikasikan.<br />
<br />
'''maka dari itu metode ini dapat digunakan.'''<br />
<br />
'''One Hot Encoding adalah :''' reperentasi kategori variabel dalam vektor biner. <br />
<br />
Pertama nilai dari proses ini dipetakan dala nilai integer (nilai angka yang benilai bilangan bulat, tidak memiliki nilai koma)<br />
<br />
Lalu, setiap nilai yang berbentuk integer ini direpresentasikan sebagai vektor biner yang semua nya bernilai nol kecuali yang terindeks integer, yang di tandai 1.<br />
<br />
== Quis II, 6 April 2020 ==<br />
<br />
<br />
Assalamualaiakum Beerikut adalah link dari Quis 2<br />
Wisnu Indrawan <br />
1906433745<br />
<br />
https://drive.google.com/drive/folders/17z_x1nPTXBtnZl_PVhXRBZXdK5Wy0GMx?usp=sharing<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan Tanggal : Senin, 13 April 2020 == <br />
<br />
<br />
<br />
<br />
== Resume Pertemuan tanggal : Senin, 20 April 2020 ==<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan tanggal : Senin, 27 April 2020 ==<br />
<br />
<br />
<br />
<br />
== Resume Pertemuan tanggal : Senin, 04 Mei 2020 ==<br />
<br />
<br />
<br />
- Pemahaman terkait prinsip dan konsep komputasi teknik<br />
<br />
- Penerapan konsep dan skill dalam komputasi teknik<br />
<br />
- Lebih mengenal diri baik individu maupun kelompok/ kelas<br />
<br />
Intisaru dari evaluasi diri ini adalah :<br />
<br />
- show your contributions<br />
<br />
- your understanding<br />
<br />
- your skkill<br />
<br />
== Resume Pertemuan tanggal : Senin, 11 Mei 2020 ==<br />
<br />
<br />
Pada pertemuan tanggal 11 Mei 2020 terdapat pembahasan selanjut nya pada pertemuan minggu lalu mengnai pressure drop. Pada pembahsan pada grup whatshap mengenai tentang pendapat individu mengenai kasus pressure drop dan di bahas kemabli dalam grup Komputasi Teknik via whatshapp. Diharapkan pada pembahasan ini secara personal memahami cases Basic Mechanics dan menjadi kewajiban bagi setiap mahsiwa menyatakan analisa pribadi terkait kasus tersebut. <br />
<br />
Berikut Hasil dari pembahasan kasus tersebut : <br />
<br />
<gallery mode="slideshow"><br />
File:WhatsApp Image 2020-05-12 at 19.30.27.jpeg<br />
File:WhatsApp Image 2020-05-11 at 09.41.12.jpeg<br />
File:WhatsApp Image 2020-05-12 at 16.50.43.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.51.38.jpeg<br />
File:WhatsApp Image 2020-05-12 at 19.53.29.jpeg<br />
</gallery><br />
<br />
<br />
<br />
'''Azikri '''<br />
<br />
sedikit tambahan terkait hal di atas, bahwa pada dasarnya aliran fluida dalam pipa akan mengalami penurunan tekanan atau pressure drop seiring dengan <br />
panjang pipa ataupun disebabkan oleh gesekan dengan permukaan<br />
saluran, dan juga ketika aliran melewati sambungan pipa, belokan, katup, difusor, dan sebagainya.<br />
Disisi lain, prinsip dasar persamaan kontinuitas juga jadi landasan dimana massa tidak dapat diciptakan dan<br />
tidak dapat dimusnahkan, sehingga massa dalam suatu sistem yang konstan dapat dinyatakan dengan rumus : rho.A.v=m<br />
<br />
atau Jika aliran fluida bersifat incompressible dan steady flow, maka persamaan menjadi : Q=A.v<br />
<br />
Singkatnya dr persmaan pertama bahwa pressure drop berbanding terbalik dengan D, dan begitu halnya dengan persamaan 2 tegangan geser berbanding <br />
terbalik dg A<br />
<br />
'''Adhika '''<br />
<br />
- Gaya Masuk - Gaya Geser Total = Gaya Keluar<br />
- Gaya Geser Total = Gaya Masuk - Gaya Keluar<br />
- Gaya Geser Total = P1.A - P2.A <br />
- Gaya Geser Total = dp . Luas Area Pipa<br />
Shear Stress . Luas Selimut = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(Luas Area Pipa . L. pi . 4) = dp . Luas Area Pipa<br />
- Turbulent Viscosity . du/dy . sqrt(L. pi . 4) / sqrt(Luas Area Pipa) = dp<br />
<br />
Kesimpulan:<br />
Luas Area Pipa semakin besar maka dp akan semakin kecil<br />
<br />
<br />
'''Jerry '''<br />
<br />
Ketika nilai A membesar, maka nilai D secara langsung juga membesar karena A merupakan fungsi D; A(D). <br />
<br />
Dari persamaan pressure drop, terlihat bahwa nilai D berbanding terbalik dengan nilai deltaP. <br />
<br />
Hal ini akan mengimplikasikan bahwa semakin besar nilai D, maka semakin kecil nilai deltaP<br />
<br />
'''Dessy'''<br />
<br />
Sederhananya jika dilihat dari persamaan untuk Pressure Drop maka sudah cukup jelas dalam menjawab pertanyaan mengapa ketika luas area (A) diperbesar <br />
menyebabkan nilai pressure drop yang menurun, dimana <br />
<br />
dP = f L rho V^2 / 2 D<br />
<br />
Dari persamaan diatas terlihat bahwa nilai diameter (pengaruhnya terhadap luas area) berbanding terbalik dengan nilai pressure loss dP.<br />
<br />
Tambahan juga jika dilihat dari nilai kecepatan (disini saya menggunakan analogi aliran fluida dalam pipa), secara logika apabila nilai luas <br />
penampang A diperbesar maka nilai kecepatan akan semakin kecil, sesuai dengan persamaan yang telah dijelaskan oleh saudara Dieter sebelumnya.<br />
<br />
Maka jika kembali ke persamaan pressure drop sesuai analogi ini, A yang besar akan menyebabkan nilai V menurun, akibatnya nilai dP pun akan menurun.<br />
<br />
Dari sini dapat disimpulkan bahwa semakin besar nilai diameter D, yang menghasilkan nilai area A yang semakin besar pula, menghasilkan nilai pressure <br />
drop dP yang semakin kecil.<br />
<br />
'''Muhammad Gumilar'''<br />
<br />
Ada hal menarik disini, dari beberapa yang saya perhtikan dari beberapa pendapat teman-teman, pengaruh dari adanya luasan atau diameter pipa akan <br />
mempengaruhi keepatan alir didalam pipa , sesuai dengan hukum kontinuitas. Berkaitan dengan hal ini, saya mencerna bahwa bisa saja sebenarnya jika <br />
kita membandingkan dua hal yang mana, dua buah pipa dengan diameter yang berbeda akan tetepa memiliki kecepatan aliran rata-rata yang sama, yang <br />
mana berarti kedua debit aliran dari pipa ini berbeda. Namun yang dititikberatkan pada pembahasannya adala, kenapa berdasarkan rumus pressure loss, <br />
apabila diameter membesar, maka pressure drop akan berkurang. Sedangkan dari persamaan yang lain, kita kethaui bahwa gaya gesek akibat adanya <br />
tegangan geser akan meningkat karena persamaannya adalah F=thow * A. <br />
<br />
Kebingunga dari mahasiswS1 tersebut menurut saya adalah pemahaman beliau yang tidak komprehensif terhadap kosnep pressure drop. Memang, pressure drop <br />
itu berhubungan erat dengan adanya gesekan viscous antara fluida dengan dinding pipa. Akan tetapi, ada hal penting yang dilupakan oleh sang mahasiswa <br />
S! tersebut, yaitu bahwa perbesaran diameter dari pipa juga akan mengakibatkan tegangan geser yang terjadi. Secara sederhana, sepemahaman saya, <br />
tegangan geser itu berbanding lurus dengan gradient kecepatan aliran fluida di sepanjang pipa, yaitu du/dy. Nah, apabila, dengan kecepatan rata-rata <br />
yang sama, diameter pipa semakin besar, maka gradient kecepatan di sepanjang pipa akan berkurang karena pengaruh gaya viscous antara dinding dan <br />
fluida juga semain berkurang. Oleh karena itu, pressure Drop yang terjadi juga akan semakin berkurang. Semoga bermanfaaat semua eheheheh<br />
<br />
== Resume Pertemuan tanggal : Senin, 18 Mei 2020 ==</div>Wisnu indrawan