Difference between revisions of "Rivaldo Marta"
Rivaldomarta (talk | contribs) |
Rivaldomarta (talk | contribs) |
||
(54 intermediate revisions by the same user not shown) | |||
Line 3: | Line 3: | ||
NPM : 1706036324 | NPM : 1706036324 | ||
+ | بِسْمِ اللَّهِ الرَّحْمَنِ الرَّحِيمِ | ||
− | + | [[File:Rivaldoppt.jpg|300px]] | |
+ | |||
+ | |||
+ | __TOC__ | ||
+ | |||
+ | |||
+ | ==Pengenalan Metode Numerik== | ||
---- | ---- | ||
Line 23: | Line 30: | ||
− | [[File:]] | + | [[File:Homework_Valdo.PNG]] |
+ | |||
+ | setelah Python di run, akan muncul hasil sebagai berikut | ||
+ | |||
+ | [[File:Run_Valdo.PNG]] | ||
+ | |||
+ | |||
+ | |||
+ | ==Deret Fibonacci== | ||
+ | |||
+ | ---- | ||
+ | |||
+ | |||
+ | Deret Fibonacci adalah sebuah pola bilangan yang diperoleh dari penjumlahan dua bilangan sebelumnya di dalam deret tersebut. | ||
+ | |||
+ | [[File:Tugas_Fibonacci_Rivaldo Marta.PNG]] | ||
+ | |||
+ | ==Quiz 16 Oktober 2019== | ||
+ | |||
+ | ---- | ||
+ | |||
+ | '''Soal Problem set 2.1 no 6''' | ||
+ | |||
+ | from numpy import linalg | ||
+ | import numpy as np | ||
+ | |||
+ | #memasukkan nilai-nilai matriks | ||
+ | |||
+ | A= np.array ([[0,0,2,1,2] ,[0,1,0,2,-1], [1,2,0,-2,1], [0,0,0,-1,1], [0,1,-1,1,-1]]) | ||
+ | B= np.array ([[1], [1], [-4], [-2], [-1]]) | ||
+ | H= np.array ([[0,0,2,1,2,1] ,[0,1,0,2,-1,1], [1,2,0,-2,1,-4], [0,0,0,-1,1,-2], [0,1,-1,1,-1,-1]]) #matriks untuk dilakukan operasi gauss elimination | ||
+ | print ('Matrix A :') | ||
+ | print (A) | ||
+ | print ('Matrix B :') | ||
+ | print (B) | ||
+ | print ('persamaan Gaus-Elimination :') | ||
+ | print (H) | ||
+ | |||
+ | #akan dicari nilai matrix X menggunakan library linalg | ||
+ | matrix = A | ||
+ | sols = B | ||
+ | persamaan = linalg.solve (matrix,sols) | ||
+ | x1 = int(row1[0]) | ||
+ | x2 = int(row2[1]) | ||
+ | x3 = int(row3[2]) | ||
+ | x4 = int(row4[3]) | ||
+ | x5 = int(row5[4]) | ||
+ | hasil= (x1, x2, x3, x4, x5) | ||
+ | print ("maka matrix X adalah :") | ||
+ | print (hasil) | ||
+ | |||
+ | |||
+ | ==Hasil Coding dan Video Penjelasan UTS== | ||
+ | |||
+ | ---- | ||
+ | |||
+ | |||
+ | Soal A | ||
+ | ---- | ||
+ | |||
+ | from math import* | ||
+ | #memasukkan variabel yang dipelukan | ||
+ | g=9.81 | ||
+ | m1=eval(input("massa 1 dalam kg: ")) | ||
+ | m2=eval(input("massa 2 dalam kg: ")) | ||
+ | m3=eval(input("massa 3 dalam kg: ")) | ||
+ | alpha=eval(input("sudut dalam radian: ")) | ||
+ | ms=eval(input("koefisien gesek statis: ")) | ||
+ | y=sin(alpha) | ||
+ | x=cos(alpha) | ||
+ | z=(y-ms*x) | ||
+ | T1=m1*g*z | ||
+ | T2=T1+m2*g*z | ||
+ | T3=T2+m3*g*z | ||
+ | m4=T3/g | ||
+ | print("nilai T1 adalah: ", T1, "Newton") | ||
+ | print("nilai T2 adalah: ", T2, "Newton") | ||
+ | print("nilai T3 adalah: ", T3, "Newton") | ||
+ | print("nilai m4 adalah: ", m4, "kilogram") | ||
+ | |||
+ | [[File:Rivaldo Marta Problem 1.mp4]] | ||
+ | |||
+ | |||
+ | |||
+ | Soal B | ||
+ | ---- | ||
+ | def TurunanV(t, v): #Fungsi Turunan V terhadap t | ||
+ | return ((a - cd*vt**3/2)/m) | ||
+ | |||
+ | #memasukkan nilai variabel yang diperlukan | ||
+ | cd=eval(input("drag coefficient: ")) | ||
+ | v0=eval(input("initial velocity(m/s): ")) | ||
+ | m=eval(input("mass (kg): ")) | ||
+ | a=eval(input("acceleration (m/s^2): ")) | ||
+ | vt=eval(input("top speed (m/s): ")) | ||
+ | xinitial = 0 #x awal | ||
+ | yinitial = 0 #y awal | ||
+ | x = vt | ||
+ | h = 0.2 #delta yang digunakan | ||
+ | |||
+ | |||
+ | nilai = (int)((x - xinitial)/h) #menghitung jumlah increment | ||
+ | for i in range(1, nilai + 1): | ||
+ | k1 = h * TurunanV(xinitial, yinitial) #runge kutta | ||
+ | k2 = h * TurunanV(xinitial + 0.5 * h, yinitial + 0.5 * k1) | ||
+ | k3 = h * TurunanV(xinitial + 0.5 * h, yinitial + 0.5 * k2) | ||
+ | k4 = h * TurunanV(xinitial + h, yinitial + k3) | ||
+ | |||
+ | yinitial = yinitial + (1.0 / 6.0)*(k1 + 2 * k2 + 2 * k3 + k4) | ||
+ | xinitial = xinitial + h #menambahkan xawal besarkan delta h | ||
+ | print("maka waktu yang dibutuhkan adalah",yinitial, "detik") | ||
+ | |||
+ | [[File:Rivaldo Marta Problem 2.mp4]] | ||
+ | |||
+ | |||
+ | ==Video Muhasabah== | ||
+ | |||
+ | ---- | ||
+ | |||
+ | |||
+ | Berikut adalah video muhasabah dan evaluasi diri saya selama pembelajaran setengah semester Metode Numerik | ||
+ | |||
+ | [[File:Video Muhasabah Rivaldo Marta.mp4]] | ||
+ | |||
+ | |||
+ | <comments voting="Plus" /> | ||
+ | |||
+ | ==Permodelan Sistem Getaran Mekanik== | ||
+ | |||
+ | ---- | ||
+ | |||
+ | |||
+ | dV/dt=(f(t)-cv) | ||
+ | |||
+ | [[File:Sistem Damper.PNG]] | ||
+ | |||
+ | '''Coding Sistem''' | ||
+ | def TurunanV(t, v): #Fungsi Turunan V terhadap t | ||
+ | return ((2*t - c*v)/m) | ||
+ | |||
+ | c=eval(input("coefficient damper (Ns/m) : ")) | ||
+ | m=eval(input("mass (kg) : ")) | ||
+ | |||
+ | tinitial = 0 #t awal | ||
+ | vinitial = 0 #v awal | ||
+ | t = 5 #nilai t yang ditanya (kecepatan sistem setelah 5 detik) | ||
+ | h = 0.01 #delta yang digunakan | ||
+ | nilai = (int)((t - tinitial)/h) #menghitung jumlah increment | ||
+ | for i in range(1, nilai + 1): | ||
+ | k1 = h * TurunanV(tinitial, vinitial) #runge kutta | ||
+ | k2 = h * TurunanV(tinitial + 0.5 * h, vinitial + 0.5 * k1) | ||
+ | k3 = h * TurunanV(tinitial + 0.5 * h, vinitial + 0.5 * k2) | ||
+ | k4 = h * TurunanV(tinitial + h, vinitial + k3) | ||
+ | |||
+ | vinitial = vinitial + (1.0 / 6.0)*(k1 + 2 * k2 + 2 * k3 + k4) #menjumlahkan nilai k1,k2,k3,k4 ke y' yang baru dan membaginya | ||
+ | tinitial = tinitial + h #menambahkan xawal besarkan delta h | ||
+ | print("maka besarnya kecepatan sistem adalah",vinitial, "m/s") | ||
+ | |||
+ | |||
+ | [[File:Syntax dan Output Sistem Damper.PNG]] | ||
+ | |||
+ | ==CFDSOF== | ||
+ | ---- | ||
+ | |||
+ | CFD merupakan aplikasi untuk menganalisis drag dan lift dari suatu objek. Design objek yang berupa CAD dimasukkan kedalam CFDSOF dalam format STL. Lalu masukkan kriteria geometri, limit daerah analisis fluida, lalu masukkan kriteria mesh. setelah di apply, masukkan ke paraview untuk mendapatkan data lift dan drag. | ||
+ | |||
+ | ==Artificial Neuron Network== | ||
+ | ---- | ||
+ | artificial neural network (ANN), atau juga disebut simulated neural network (SNN), atau umumnya hanya disebut neural network (NN)), adalah jaringan dari sekelompok unit pemroses kecil yang dimodelkan berdasarkan sistem saraf manusia. ANN merupakan sistem adaptif yang dapat mengubah strukturnya untuk memecahkan masalah berdasarkan informasi eksternal maupun internal yang mengalir melalui jaringan tersebut. Oleh karena sifatnya yang adaptif, JST juga sering disebut dengan jaringan adaptif |
Latest revision as of 17:08, 17 December 2019
Nama: Rivaldo Marta
NPM : 1706036324
بِسْمِ اللَّهِ الرَّحْمَنِ الرَّحِيمِ
Contents
Pengenalan Metode Numerik
Mengapa Anak Mesin Perlu Belajar Kalkulus?
Sebagai Mahasiswa Mesin yang nantinya akan menjadi sarjana teknik, perlu untuk memiliki analisis yang tepat dalam menyelesaikan permasalahan yang dihadapi nanti. Sarjana teknik harus mampu memodelkan dan mensimulasikan permasalahan yang ada sehingga dapat ditentukan perhitungan yang tepat untuk mendapatkan pemecahan masalah yang tepat. Perhitungan yang tepat dapat dicapai dengan memahami konsep Kalkulus yang tepat.
Pengertian Metode Numerik
Menurut ahli matematika seperti Chapra dan Chanale (1991) berpendapat bahwa pengertian metode numerik adalah teknik penyelesaian masalah secara matematis dg operasi aritmetika melalui formulasi tertentu. Secara umum,metode numerik adalah tool matematis yang dirancang untuk menyelesaikan masalah numerik (angka atau bilangan). Implementasi dari numerical method yang dilengkapi dengan kaidah pemeriksaan konvergensi yang sesuai dalam bahasa pemrograman disebut dengan algoritma numerik (numerical algorithm).
Dalam pembelajaran ini, Bahasa pemrograman yang digunakan adalah Python. Bahasa pemrograman berguna untuk mengubah perintah user menjadi Bahasa yang dapat dijalankan oleh software yang digunakan untuk memecahkan permasalahan yang ada. Bahasa pemrograman dapat dijelaskan melalui flowchart, yaitu bagan-bagan yang berisi tahapan selama proses coding.
Menyelesaikan Persoalan Matematis
Misalkan mencari limit x mendekati 1 untuk fungsi T(x) = (x^2-1)/(x-1)
setelah Python di run, akan muncul hasil sebagai berikut
Deret Fibonacci
Deret Fibonacci adalah sebuah pola bilangan yang diperoleh dari penjumlahan dua bilangan sebelumnya di dalam deret tersebut.
Quiz 16 Oktober 2019
Soal Problem set 2.1 no 6
from numpy import linalg import numpy as np #memasukkan nilai-nilai matriks A= np.array ([[0,0,2,1,2] ,[0,1,0,2,-1], [1,2,0,-2,1], [0,0,0,-1,1], [0,1,-1,1,-1]]) B= np.array ([[1], [1], [-4], [-2], [-1]]) H= np.array ([[0,0,2,1,2,1] ,[0,1,0,2,-1,1], [1,2,0,-2,1,-4], [0,0,0,-1,1,-2], [0,1,-1,1,-1,-1]]) #matriks untuk dilakukan operasi gauss elimination print ('Matrix A :') print (A) print ('Matrix B :') print (B) print ('persamaan Gaus-Elimination :') print (H) #akan dicari nilai matrix X menggunakan library linalg matrix = A sols = B persamaan = linalg.solve (matrix,sols) x1 = int(row1[0]) x2 = int(row2[1]) x3 = int(row3[2]) x4 = int(row4[3]) x5 = int(row5[4]) hasil= (x1, x2, x3, x4, x5) print ("maka matrix X adalah :") print (hasil)
Hasil Coding dan Video Penjelasan UTS
Soal A
from math import* #memasukkan variabel yang dipelukan g=9.81 m1=eval(input("massa 1 dalam kg: ")) m2=eval(input("massa 2 dalam kg: ")) m3=eval(input("massa 3 dalam kg: ")) alpha=eval(input("sudut dalam radian: ")) ms=eval(input("koefisien gesek statis: ")) y=sin(alpha) x=cos(alpha) z=(y-ms*x) T1=m1*g*z T2=T1+m2*g*z T3=T2+m3*g*z m4=T3/g print("nilai T1 adalah: ", T1, "Newton") print("nilai T2 adalah: ", T2, "Newton") print("nilai T3 adalah: ", T3, "Newton") print("nilai m4 adalah: ", m4, "kilogram")
Soal B
def TurunanV(t, v): #Fungsi Turunan V terhadap t return ((a - cd*vt**3/2)/m) #memasukkan nilai variabel yang diperlukan cd=eval(input("drag coefficient: ")) v0=eval(input("initial velocity(m/s): ")) m=eval(input("mass (kg): ")) a=eval(input("acceleration (m/s^2): ")) vt=eval(input("top speed (m/s): ")) xinitial = 0 #x awal yinitial = 0 #y awal x = vt h = 0.2 #delta yang digunakan nilai = (int)((x - xinitial)/h) #menghitung jumlah increment for i in range(1, nilai + 1): k1 = h * TurunanV(xinitial, yinitial) #runge kutta k2 = h * TurunanV(xinitial + 0.5 * h, yinitial + 0.5 * k1) k3 = h * TurunanV(xinitial + 0.5 * h, yinitial + 0.5 * k2) k4 = h * TurunanV(xinitial + h, yinitial + k3) yinitial = yinitial + (1.0 / 6.0)*(k1 + 2 * k2 + 2 * k3 + k4) xinitial = xinitial + h #menambahkan xawal besarkan delta h print("maka waktu yang dibutuhkan adalah",yinitial, "detik")
Video Muhasabah
Berikut adalah video muhasabah dan evaluasi diri saya selama pembelajaran setengah semester Metode Numerik
Permodelan Sistem Getaran Mekanik
dV/dt=(f(t)-cv)
Coding Sistem
def TurunanV(t, v): #Fungsi Turunan V terhadap t return ((2*t - c*v)/m) c=eval(input("coefficient damper (Ns/m) : ")) m=eval(input("mass (kg) : ")) tinitial = 0 #t awal vinitial = 0 #v awal t = 5 #nilai t yang ditanya (kecepatan sistem setelah 5 detik) h = 0.01 #delta yang digunakan nilai = (int)((t - tinitial)/h) #menghitung jumlah increment for i in range(1, nilai + 1): k1 = h * TurunanV(tinitial, vinitial) #runge kutta k2 = h * TurunanV(tinitial + 0.5 * h, vinitial + 0.5 * k1) k3 = h * TurunanV(tinitial + 0.5 * h, vinitial + 0.5 * k2) k4 = h * TurunanV(tinitial + h, vinitial + k3) vinitial = vinitial + (1.0 / 6.0)*(k1 + 2 * k2 + 2 * k3 + k4) #menjumlahkan nilai k1,k2,k3,k4 ke y' yang baru dan membaginya tinitial = tinitial + h #menambahkan xawal besarkan delta h print("maka besarnya kecepatan sistem adalah",vinitial, "m/s")
CFDSOF
CFD merupakan aplikasi untuk menganalisis drag dan lift dari suatu objek. Design objek yang berupa CAD dimasukkan kedalam CFDSOF dalam format STL. Lalu masukkan kriteria geometri, limit daerah analisis fluida, lalu masukkan kriteria mesh. setelah di apply, masukkan ke paraview untuk mendapatkan data lift dan drag.
Artificial Neuron Network
artificial neural network (ANN), atau juga disebut simulated neural network (SNN), atau umumnya hanya disebut neural network (NN)), adalah jaringan dari sekelompok unit pemroses kecil yang dimodelkan berdasarkan sistem saraf manusia. ANN merupakan sistem adaptif yang dapat mengubah strukturnya untuk memecahkan masalah berdasarkan informasi eksternal maupun internal yang mengalir melalui jaringan tersebut. Oleh karena sifatnya yang adaptif, JST juga sering disebut dengan jaringan adaptif
Enable comment auto-refresher