Difference between revisions of "Pandega Atana Tamma Hariyanto"
(3 intermediate revisions by the same user not shown) | |||
Line 4: | Line 4: | ||
'''Profil''' | '''Profil''' | ||
− | {| class="wikitable" style="float:left; margin- | + | {| class="wikitable" style="float:left; margin-up: 10px;" |
!colspan="2"|Profile | !colspan="2"|Profile | ||
|- | |- | ||
Line 20: | Line 20: | ||
|colspan="2" style="text-align:center;width:200px;"| | |colspan="2" style="text-align:center;width:200px;"| | ||
|} | |} | ||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
Line 98: | Line 129: | ||
'''Selasa, 11 Desember 2019''' | '''Selasa, 11 Desember 2019''' | ||
− | Hari itu, kami diajari oleh Bang Timo mengenai ANN. ANN atau ''Artificial Neural Network'' merupakan sistem pembelajaran terawasi yang dibangun dari sejumlah besar elemen sederhana, yang disebut ''neuron'' atau ''perceptron''. | + | Hari itu, kami diajari oleh Bang Timo mengenai ANN. ANN atau ''Artificial Neural Network'' merupakan sistem pembelajaran terawasi yang dibangun dari sejumlah besar elemen sederhana, yang disebut ''neuron'' atau ''perceptron''. Setiap neuron dapat membuat keputusan sederhana dan meneruskan ke neuron lain. |
+ | |||
+ | [[File:Ann.png]] | ||
Adanya ANN dapat membantu kami dalam menguji hasil antara prediksi dengan aslinya. | Adanya ANN dapat membantu kami dalam menguji hasil antara prediksi dengan aslinya. | ||
+ | |||
+ | Langkah-Langkah | ||
+ | |||
+ | '''1. Memasukkan Library yang dibutuhkan''' | ||
+ | |||
+ | akan muncul versi dari TensorFlow | ||
+ | |||
+ | '''2. Mengupload file excel''' | ||
+ | |||
+ | file excel yang sudah dibuat (contoh excel berisi hubungan antara fdrag, flift, dan angle of attack) | ||
+ | |||
+ | '''3. Normalisasi''' | ||
+ | |||
+ | dilakukan supaya matriksnya tidak terlalu besar | ||
+ | |||
+ | '''4. Membuat ANN''' | ||
+ | |||
+ | '''5. Unnormalisasikan''' | ||
+ | |||
+ | dilakukan supaya didapatkan hasil yang sebenarnya | ||
+ | |||
+ | '''6. Hasilnya muncul''' | ||
+ | |||
+ | semakin sama antara output prediksi dan output real maka dapat dikatakan berhasil |
Latest revision as of 11:47, 17 December 2019
بِسْمِ اللَّهِ الرَّحْمَنِ الرَّحِيم
Profil
Profile | |
---|---|
Nama Lengkap | Pandega Atana Tamma Hariyanto |
NPM | 1706036583 |
Jurusan | Teknik Mesin |
Kegiatan di Kelas
Selasa, 3 September 2019
Hari itu merupakan hari pertama kelas mata kuliah metode numerik. Bapak Dr. Ir. Achmad Engkos mengatakan bahwa mata kuliah metnum merupakan lanjutan dari mata kuliah matematika teknik. Adanya metode numerik memungkinkan kita untuk dapat menghitung suatu fungsi yang rumit yang biasanya hanya dapat dilakukan dengan kalkulator.
Pada hari itu, kami diajarkan Taylor's Method. Metode ini digunakan untuk mencari besaran sin (phi/7) dengan memanfaatkan deret aritmatika. Langkah pertama yang dilakukan adalah membuat tabel pada microsoft excel yang berisi i, x, rasio, suku ke-, f(x), dan error. Masing-masing tersebut memiliki rumus yang berbeda-beda.
Selasa, 10 September 2019
Saat ini bahasa pemprogaman sangatlah dibutuhkan untuk mempermudah proses permesinan. Sebelum lebih jauh, kami diajarkan tentang program sederhana. Pseudocode merupakan bahasa algoritma pemprogaman komputer yang memiliki struktur sederhana. Adanya program ini dapat membantu menghitung nilai dari sin(x), cos(x), dan e^x. Guna kode ini adalah untuk dapat lebih mudah dibaca oleh manusia, karena bahasa pemprogaman komputer yang sulit dimengerti. Langkah pertama yang dilakukan adalah menulis f(x), i, serta errornya. Setelah itu, mulai menentukan besar rasio, suku, serta jumlah suku sebelum dengan suku setelahnya.
Selasa, 17 September 2019
Pada pertemuan ini, kami diajarkan mengenai turunan numerik. Ada 3 jenis turunan numerik, yaitu maju, mundur, dan pusat (center).
Penggunaan ketiga cara tersebut ditentukan oleh data-data yang didapat berupa nilai-nilai suatu titik, yaitu x dan y (f(x)). Saat nilai h sama, turunan pusat merupakan jenis turunan yang paling baik dibanding maju dan mundur yang memiliki tingkat keakuratan yang sama. Sedangkan, nilai h menentukan besarnya truncation error. Truncation error merupakan kesalahan akibat pemotongan deret taylor.
Selasa, 24 Oktober 2019
Kali ini, diajarkan mengenai metode yang digunakan untuk mencari pembuat nol dari sebuah fungsi.
Selasa, 29 Oktober 2019
Kelas hari itu diajarkan oleh Bapak Dr. Ir. Ahmad Indra. Beliau mengajarkan tentang salah satu bahasa komputer, yaitu Phyton. Phyton memiliki banyak fungsi, antara lain Image Processing, System Utilities, Artificial Inteilligence, Embedded Scripting, dan lain-lain.
Tugas 1
Selasa, 5 November 2019
Suatu masalah dalam dunia engineering perlu diselesaikan dengan metode brainware, hardware, dan software. Otak digunakan untuk mencari initial value problem, setelah itu dibuat modelnya baik dalam bentuk matematika atau fisik. Tahapan terakhirya yaitu dibutuhkan analisisnya melalui software seperti CFD, FEA, dll.
Setelah itu ada kelompok teman saya yang presentasi menjelaskan bagaimana cara mereka mendapatkan besarnya kecepatan puncak (top speed) pada suatu mobil dengan metode Runge-Kutte. Kemudian didapatkan pseudocode-nya untuk selanjutnya di-run di Phyton dan hasil pun akan muncul.
Terakhir, dijelaskan mengenai aplikasi untuk mencari aerodinamika dari suatu bangun dengan CFDSOF yang merupakan buatan Pak Dai. Contoh yang diambil untuk percobaannya adalah mobil, kami diajarkan mencari drag dari mobil tersebut. Hal yang perlu dilakukan adalah mengupload gambar mobil ke CFDSOF dan dibuatkan meshnya lalu ditentukan titik mana yang akan terkena udara (inlet dan outletnya). Setelah semua selesai, cukup di-run kemudian akan muncul gambaran udara yang mengenai mobil tersebut.
Selasa, 26 November 2019
Pada hari itu, kami diberikan kuis oleh Pak Dai. Pertanyaannya mencakup apa fungsi dari kami mempelajari metode numerik. Kemudian mengapa Pak Dai mengenakan peci.
Selasa, 3 Desember 2019
Setiap kelompok diminta untuk mencari nilai optimum dari sebuah airfoil. Hal yang divariasikan adalah angle of attacknya. Jenis airfoilnya sendiri diberi kebebasann pada kami untuk memmilihnya.
Optimasi didapatkan dengan cara memasukkan rumus pada jupyter. Sebelum itu, kami harus menentukan persamaan garis dari besarnya drag setiap sudut dan juga lift setiap sudutnya. Kemudian persamaan tersebut dimasukkan ke dalam codingan yang ada pada jupyter note. Sesudah itu, codingan tersebut di-run dan hasilnya pun akan muncul.
Selasa, 11 Desember 2019
Hari itu, kami diajari oleh Bang Timo mengenai ANN. ANN atau Artificial Neural Network merupakan sistem pembelajaran terawasi yang dibangun dari sejumlah besar elemen sederhana, yang disebut neuron atau perceptron. Setiap neuron dapat membuat keputusan sederhana dan meneruskan ke neuron lain.
Adanya ANN dapat membantu kami dalam menguji hasil antara prediksi dengan aslinya.
Langkah-Langkah
1. Memasukkan Library yang dibutuhkan
akan muncul versi dari TensorFlow
2. Mengupload file excel
file excel yang sudah dibuat (contoh excel berisi hubungan antara fdrag, flift, dan angle of attack)
3. Normalisasi
dilakukan supaya matriksnya tidak terlalu besar
4. Membuat ANN
5. Unnormalisasikan
dilakukan supaya didapatkan hasil yang sebenarnya
6. Hasilnya muncul
semakin sama antara output prediksi dan output real maka dapat dikatakan berhasil