Difference between revisions of "Ales Daniel"
Alesdaniel (talk | contribs) |
|||
(15 intermediate revisions by the same user not shown) | |||
Line 1: | Line 1: | ||
− | + | NAMA : . | |
− | |||
− | |||
− | |||
− | |||
NPM : 1706036072 | NPM : 1706036072 | ||
Line 167: | Line 163: | ||
<comments voting="Plus" /> | <comments voting="Plus" /> | ||
+ | |||
+ | == Permodelan Persamaan Rudal Yang Meluncur == | ||
+ | |||
+ | Asumsi suatu rudal yang meluncur dengan gerakan miring dengan sudut tertentu. Rudal tersebut bergerak pada suatu posisi yang miring terhadap sumbu x dan y. Pada pengerjaan ini, rudal tersebut dianggap bergerak secara terus menerus pada kemiringan tertentu. Perhitungan yang akan dilakukan adalah turunannya terhadap sumbu x dan sumbu y. Berikut adalah permodelan matematis yang digunakan: | ||
+ | |||
+ | dy/dt = (ay-(g+(cd*v**3/2)/m) | ||
+ | |||
+ | dx/dt = (ax-(cd*v**3/2)/m) | ||
+ | |||
+ | [[Algoritma Rudal X dan Y]] | ||
+ | |||
+ | == Tugas Besar == | ||
+ | '''Spesifikasi Airfoil''' | ||
+ | [[File:TB1.png]] | ||
+ | Airfoil yang digunakan adalah MH 70 11.08% - Martin Hepperle MH70 | ||
+ | Span = 2 mm | ||
+ | Root and Tip Chord = 10 mm | ||
+ | |||
+ | '''Pembuatan model airfoil''' | ||
+ | Airfoil dibuat dengan menggunakan software Autodesk Inventor | ||
+ | [[File:TB2.png]] | ||
+ | |||
+ | '''Simulasi menggunakan CFD''' | ||
+ | Model yang sudah dibuat diimport ke CFDSOF | ||
+ | [[File:TB3.png]] | ||
+ | Model memasuki tahap ''meshing'' | ||
+ | |||
+ | Berikut adalah ''Boundary geometry'' untuk proses ''meshing'' | ||
+ | [[File:TB4.png]] | ||
+ | |||
+ | Model memasuki tahap-tahap analisis sebagai berikut | ||
+ | [[File:TB5.png]] | ||
+ | |||
+ | [[File:TB6.png]] | ||
+ | |||
+ | [[File:TB7.png]] | ||
+ | |||
+ | [[File:TB8.png]] | ||
+ | |||
+ | [[File:TB9.png]] | ||
+ | |||
+ | [[File:TB10.png]] | ||
+ | |||
+ | [[File:TB11.png]] | ||
+ | |||
+ | [[File:TB12.png]] | ||
+ | |||
+ | '''Perhitungan menggunakan Paraview''' | ||
+ | Model ''meshing'' diimport ke Paraview | ||
+ | Perhitungan dilakukan dengan tahap berikut | ||
+ | [[File:TB12.png]] | ||
+ | |||
+ | [[File:TB13.png]] | ||
+ | |||
+ | [[File:TB14.png]] | ||
+ | |||
+ | [[File:TB15.png]] | ||
+ | |||
+ | [[File:TB16.png]] | ||
+ | |||
+ | [[File:TB17.png]] | ||
+ | |||
+ | [[File:TB18.png]] | ||
+ | |||
+ | '''Hasil Percobaan''' | ||
+ | ''Data Percobaan'' | ||
+ | Data Percobaan | ||
+ | [[File:TB19.png]] | ||
+ | |||
+ | ''Grafik Percobaan'' | ||
+ | Berikut adalah grafik lift dan drag kami | ||
+ | [[File:TB20.png]] | ||
+ | |||
+ | ''Optimasi'' | ||
+ | Kode yang digunakan | ||
+ | [[File:TB21.png]] | ||
+ | |||
+ | Berikut hasil optimasi yang dilakukan | ||
+ | [[File:TB22.png]] | ||
+ | |||
+ | Grafik hasil optimasi Lift vs Drag | ||
+ | |||
+ | [[File:TB23.png]] | ||
+ | |||
+ | == Rabu, 27 November 2019 == | ||
+ | |||
+ | Pertemuan ini diadakannya kuis mengenai pengetahuan tentang metode numerik terutama tentang optimasi dan adanya pemahaman mengenai sebuah rumus. Setelah pertemuan tersebut, diadakannya presentasi mengenai tugas metode numerik, yaitu optimasi airfoil CFD per kelompok. Kami juga diminta untuk menuliskan seberapa banyaknya kontribusi terhadap kelompok tersebut. Optimasi yang dilakukan berdasarkan data yang didapatkan dengan variasi sudut yang sudah ditentukan. Software yang digunakan adalah CFDSOF untuk melakukan ''running'' airfoil yang digunakan. Hasil tersebut ditunjukkan pada pengerjaan tugas besar yang sudah tertera. | ||
+ | |||
+ | == Rabu, 4 Desember 2019 == | ||
+ | |||
+ | Pertemuan ini merupakan lanjutan untuk presentasi mengenai optimasi airfoil yang sudah dikerjakan. Presentasi berdasarkan progress kelompok yang sudah dikerjakan selama ini. Kelas tersebut dilanjutkan dengan materi ANN atau Artificial Neural Networks. ANN sendiri merupakan sistem pembelajaran yang dibangun dari elemen sederhana berupan ''neuron''. ''Neuron'' ini mengambil keputusan sederhana dan saaling memberikan keputusan dengan yang lainnya. | ||
+ | |||
+ | == Rabu, 11 Desember 2019 == | ||
+ | |||
+ | Pertemuan ini melanjutkan materi mengenai ANN dan diberikan tugas mengenai hal tersebut. Langkah dalam pembuatan ANN adalah sebagai berikut : | ||
+ | |||
+ | 1. Data Preprocessing | ||
+ | |||
+ | 2. Add input layer | ||
+ | |||
+ | 3. Random w init | ||
+ | |||
+ | 4. Add Hidden Layers | ||
+ | |||
+ | 5. Select Optimizer, Loss, and Performance Metrics | ||
+ | |||
+ | 6. Compile the model | ||
+ | |||
+ | 7. use model.fit to train the model | ||
+ | |||
+ | 8. Evaluate the model | ||
+ | 9. Adjust optimization parameters or model if needed |
Latest revision as of 21:52, 26 December 2022
NAMA : .
NPM : 1706036072
DOSEN :
Dr. Ir. Ahmad Indra Siswantara
Dr. Eng. Radon Dhelika, B.Eng, M.Eng
Contents
- 1 Rabu, 4 September 2019
- 2 Rabu, 11 September 2019
- 3 Rabu, 18 September 2019
- 4 TUGAS KELOMPOK GAUSS-ELIMINATION
- 5 Rabu, 9 Oktober 2019
- 6 Rabu, 16 Oktober 2019
- 7 UJIAN TENGAH SEMESTER; RABU, 23 OKTOBER 2019
- 8 Permodelan Persamaan Rudal Yang Meluncur
- 9 Tugas Besar
- 10 Rabu, 27 November 2019
- 11 Rabu, 4 Desember 2019
- 12 Rabu, 11 Desember 2019
Rabu, 4 September 2019
Mengapa Saya Harus Belajar Kalkulus?
Kalkulus merupakan suatu ilmu mendasar bagi mahasiswa teknik sebagai bekal untuk melakukan perhitungan pada mata kuliah lainnya. Penggunaan ilmu tersebut dapat mengatasi permasalahan melalui perhitungan berdasarkan data yang diinformasikan. Ilmu Kalkulus lebih berfokus kepada perhitungan fungsi, turunan, integral, dan lain-lain. Pada pertemuan pertama, kami membahas salah satu penggunaan ilmu Kalkulus pada salah satu mata kuliah teknik mesin, Termodinamika. Contoh yang digunakan adalah rumus entalpi sebagai berikut :
H = U + PV
Apabila dikaitkan dengan ilmu Kalkulus, rumus tersebut dapat diturunkan menjadi rumus sebagai berikut :
dH = dU + dPV
Setelah itu, saya dijelaskan oleh pak Dai untuk setiap pelajaran yang akan dihadapi untuk selalu memulai dengan berdoa. Kami melakukan doa bersama sebelum melakukan pelajaran dan diajak oleh beliau untuk tidak pernah lupa kepada yang maha kuasa.
Metode Numerik dan Phyton
Pada mata kuliah metode numerik ini, kami menggunakan salah satu perangkat bernama Phyton. Perangkat merupakan bahasa pemrograman untuk menyusun langkah-langkah dalam menyelesaikan suatu permasalahan melalui pemberian instruksi. Perangkat ini sedang marak digunakan oleh banyak orang sebagai bahasa pemrograman dan MIT sebagai salah satu perguruan tinggi yang tengah menggunakan perangkat lunak tersebut. Komputer sendiri tidak akan mengalami kelelahan apabila menghitung angka yang banyak. Kita harus membuat langkah-langkah menyelesaikan solusinya. Dikarenakan langkah-langkah yang panjang, diperlukan perubahan bahasa yang dimengerti oleh komputer. Bahasa yang biasanya kita mengerti akan diubah melalui interpreter menjadi bahasa mesin oleh komputer atau biasa disebut sebagai High Level Language. Melalui perangkat Phyton, model matematis sesulit apapun dengan High level language, dapat dipecahkan dengan persamaan aljabar dari suatu numerik. Dalam suatu metode numerik, pasti terdapat persamaan-persamaan didalamnya. Misalkan persamaan berikut:
A = B + C
Pernyataan tersebut pada dasaranya tidak eksak sama sekali dan yang eksak hanyalah 'The One and Only', Tuhan. Persamaan tersebut memiliki bentuk yang lebih tepat sebagai berikut :
R = A - (B + C)
R merupakan residu dengan besaran yang mendekati 0
Melalui programming tersebut, dapat diaktualisasikan pada kenyataan dengan metode numerik. Salah satu contohnya adalah prediksi badai yang akan datang sehingga masyarakat dapat melakukan evakuasi terlebih dahulu. Hal tersebut disebut dengan Weather Forecasting dan menggunakan model matematika yang sangat rumit disertai super komputer. Komputer hanya mengetahui operasi matematis tambah(+), bagi(:), kali(x), dan kurang(-). Komputer tidak mengetahui operasi integral dan hanya kita sendiri yang dapat memahaminya serta menyusunnya. Langkah-langkah instruksi tersebut disebut sebagai algoritma. Hal tersebut dapat dibantu dengan membentuk flowchart untuk mengetahui alur perhitungannya.
Tugas 01
Rabu, 11 September 2019
Pada hari ini, kami mendapatkan materi lebih dalam mengenai metode numerik. Metode numerik belajar mengenai penyelesaian model matematika dengan menggunakan High Level Language. Permodelan komputer saat ini diperlukan oleh mahasiswa teknik mesin. Komputer memiliki sebuah database untuk menyimpan file. Contohnya adalah sebuah file game catur yang menyimpan langkah-langkah. Metode numerik saat ini juga digunakan untuk Artificial Intelligence. Misalkan juga pada saat melakukan pencarian di internet, akan muncul pencarian dan hal-hal yang kita inginkan berdasarkan history yang sudah ada.
Saat sedang mendownload suatu software, kita diberikan pilihan pilihan bit antara 32 dan 64 bit. 32 bit berarti intergernya berada pada tingkat 2^31, kemudian untuk 64 bit prosesnya akan lebih berbeda. Prosesor tersebut juga memiliki batas. Misalkan, pada 32 bit, berarti batas bawah dan atas yang direpresentasikan pada komputer hanya di dalam angka tersebut. Apabila kita menjalankan suatu proses yang lebih dari 32 bit, akan terjadi overflow. Untuk mempresentasikannya diberikan bilangan biner, yaitu terdiri dari 0 dan 1. Huruf yang muncul pada komputer kita terdiri dari bilangan biner tersebut. Dalam memori, ada yang menampung data dalam bentuk angka biner. Jika dengan 64 bit, angka menghasilkan angka yang lebih besar sehingga lebih akurat dengan kualitas lebih baik.
Komputer memiliki otak berupa memori. Manusia hanya memiliki memori terbatas. Akan tetapi, manusia memiliki hati. Menurut pak Dai, berpikir yang sesungguhnya adalah menggunakan hati. Otak kita hanyalah seperti komputer sebagai penyimpan memori atau database. Kita juga harus mengetahui keterbatasan kita. Apa yang dimiliki oleh komputer hanyalah Artificial Intelligence. Yang ada pada manusia merupakan natural. Manusia sendirilah yang memiliki pure inteligence walaupun memiliki memori yang terbatas.
Pada akhir pertemuan, kami diberikan latihan soal sebagai berikut :
TUPLES
rec=('Ales','Daniel',(10,27,1998))
NamaAwal,NamaAkhir,TanggalLahir=rec #Unpacking the tuple
print(NamaAkhir) #akan dicetak Daniel
TahunLahir = TanggalLahir[2]
print(TahunLahir) #akan dicetak 1998
name = rec[0] + ' ' + rec[1]
print(name) #akan dicetak Ales Daniel
print(rec[0:2]) #akan dicetak ('Ales', 'Daniel')
LISTS
a = [1.0, 2.0, 3.0] #Create a list
a.append(4.0) #Append 4.0 tp list
print(a)
a.insert(0, 0.0) #Insert 0.0 in position 0
print(a)
print(len(a)) #Determine length of list
a[2:4] = [1.0, 1.0, 1.0] #Modify selected elements
print(a)
Rabu, 18 September 2019
TUGAS KELOMPOK GAUSS-ELIMINATION
Rabu, 9 Oktober 2019
Seorang engineer harus memiliki skill untuk memodelkan suatu hal. Kontinuum berarti semua hal mengisi segalanya. Misalkan sebuah meja yang memiliki massa mengisi isi mejanya. Kontinuum tersebut dapat dimodelkan secara matematis dalam persamaan diferensial.
Rabu, 16 Oktober 2019
KUIS
1. Hasil Running Problem Set 2.1 No. 6
2. Hasil Running Problem Set 7.1 No. 2
x0 = 0 y = 1 h = 0.01 x = 0.03
- nilai x bisa berubah sesuai kebutuhan
def dydx(x, y):
return (x**2 - 4 * y)
# Ini merupakan implementasi perhitungan Runge-Kutta.
def rungeKutta(x0, y0, x, h):
n = (int)((x - x0) / h) y = y0 for i in range(1, n + 1): k1 = h * dydx(x0, y) k2 = h * dydx(x0 + 0.5 * h, y + 0.5 * k1) k3 = h * dydx(x0 + 0.5 * h, y + 0.5 * k2) k4 = h * dydx(x0 + h, y + k3) y = y + (1.0 / 6.0) * (k1 + 2 * k2 + 2 * k3 + k4) x0 = x0 + h return y
print("Nilai dengan x =", x, "adalah", rungeKutta(x0, y, x, h))
HASIL:
Nilai dengan x = 0.03 adalah 0.9607897700333333
UJIAN TENGAH SEMESTER; RABU, 23 OKTOBER 2019
Komentar dari teman di kanan dan kiri tempat duduk:
Permodelan Persamaan Rudal Yang Meluncur
Asumsi suatu rudal yang meluncur dengan gerakan miring dengan sudut tertentu. Rudal tersebut bergerak pada suatu posisi yang miring terhadap sumbu x dan y. Pada pengerjaan ini, rudal tersebut dianggap bergerak secara terus menerus pada kemiringan tertentu. Perhitungan yang akan dilakukan adalah turunannya terhadap sumbu x dan sumbu y. Berikut adalah permodelan matematis yang digunakan:
dy/dt = (ay-(g+(cd*v**3/2)/m)
dx/dt = (ax-(cd*v**3/2)/m)
Tugas Besar
Spesifikasi Airfoil Airfoil yang digunakan adalah MH 70 11.08% - Martin Hepperle MH70 Span = 2 mm Root and Tip Chord = 10 mm
Pembuatan model airfoil Airfoil dibuat dengan menggunakan software Autodesk Inventor
Simulasi menggunakan CFD Model yang sudah dibuat diimport ke CFDSOF Model memasuki tahap meshing Berikut adalah Boundary geometry untuk proses meshing Model memasuki tahap-tahap analisis sebagai berikut
Perhitungan menggunakan Paraview Model meshing diimport ke Paraview Perhitungan dilakukan dengan tahap berikut
Hasil Percobaan Data Percobaan Data Percobaan Grafik Percobaan Berikut adalah grafik lift dan drag kami Optimasi Kode yang digunakan Berikut hasil optimasi yang dilakukan Grafik hasil optimasi Lift vs Drag
Rabu, 27 November 2019
Pertemuan ini diadakannya kuis mengenai pengetahuan tentang metode numerik terutama tentang optimasi dan adanya pemahaman mengenai sebuah rumus. Setelah pertemuan tersebut, diadakannya presentasi mengenai tugas metode numerik, yaitu optimasi airfoil CFD per kelompok. Kami juga diminta untuk menuliskan seberapa banyaknya kontribusi terhadap kelompok tersebut. Optimasi yang dilakukan berdasarkan data yang didapatkan dengan variasi sudut yang sudah ditentukan. Software yang digunakan adalah CFDSOF untuk melakukan running airfoil yang digunakan. Hasil tersebut ditunjukkan pada pengerjaan tugas besar yang sudah tertera.
Rabu, 4 Desember 2019
Pertemuan ini merupakan lanjutan untuk presentasi mengenai optimasi airfoil yang sudah dikerjakan. Presentasi berdasarkan progress kelompok yang sudah dikerjakan selama ini. Kelas tersebut dilanjutkan dengan materi ANN atau Artificial Neural Networks. ANN sendiri merupakan sistem pembelajaran yang dibangun dari elemen sederhana berupan neuron. Neuron ini mengambil keputusan sederhana dan saaling memberikan keputusan dengan yang lainnya.
Rabu, 11 Desember 2019
Pertemuan ini melanjutkan materi mengenai ANN dan diberikan tugas mengenai hal tersebut. Langkah dalam pembuatan ANN adalah sebagai berikut :
1. Data Preprocessing
2. Add input layer
3. Random w init
4. Add Hidden Layers
5. Select Optimizer, Loss, and Performance Metrics
6. Compile the model
7. use model.fit to train the model
8. Evaluate the model 9. Adjust optimization parameters or model if needed
Enable comment auto-refresher