Difference between revisions of "Rafiq Ali Abdillah Azizi"

From ccitonlinewiki
Jump to: navigation, search
(UTS)
(Artificial Neuron Networ)
 
(26 intermediate revisions by the same user not shown)
Line 1: Line 1:
 
[[Pertemuan Pertama]]
 
[[Pertemuan Pertama]]
 +
 +
 +
[[Profil]]
 +
 +
Nama: Rafiq Ali Abdillah Azizi
 +
 +
NPM: 1806200854
 +
 +
Asal: Kebumen, Jawa Tengah
 +
 +
[[File:koreng.jpg]]
 +
  
 
بسم الله الر حمن الر حيم
 
بسم الله الر حمن الر حيم
Line 245: Line 257:
  
 
[https://drive.google.com/open?id=1WEsF_aVfV12wNF--Dkc1p0r4Mqr0A45z]
 
[https://drive.google.com/open?id=1WEsF_aVfV12wNF--Dkc1p0r4Mqr0A45z]
 +
 +
 +
 +
== Tugas Perbaikan UTS ==
 +
 +
Pada tugas kali ini saya akan menggunakan permasalahan gerak vertikal ke atas pada keseharian yaitu menendang bola ke atas. pada permasalahan ini menggunakan kecepatan tendangan pada waktu tertentu dan bola pada posisi 50 cm ketika ditendang ke atas.
 +
 +
[[File:bola ditendang.jpg]]
 +
 +
dari persamaan umumnya dimana untuk mendapatkan kecepatan saat bola ditendang maka butuh suatu percepatan seperti rumus yang biasa kita kenal yaitu
 +
 +
Vt = V0 + at
 +
 +
mengapa harus menggunakan runge kutta karena adanya variabel yang perlu di integralkan dalam satu persamaan sehingga tidak bisa membentuk persamaan linier yaitu V atau kecepatan yang merupakan integral dari a atau percepatan.
 +
 +
dan berikut codingnya
 +
 +
t = eval(input("pada saat t berapa: "))
 +
 +
h = 1  # dtnya
 +
 +
t0 = 0.1
 +
 +
y0 = 50  #bola ditendang dari darat denga ketinggian 50cm
 +
 +
def F(t0, y0):
 +
  return ((y0 + 5*t*t)/t)
 +
# Finds value of y for a given x using step size h
 +
 +
def rungeKutta(t0, y0, t, h):
 +
  # Count number of iterations using step size or step height h
 +
    n = (int)((t - t0) / h)
 +
    # mendefinisikan y= y0
 +
    y = y0
 +
    for i in range(1, n + 1):
 +
        "Apply Runge Kutta Formulas to find next value of y"
 +
        k1 = h * F(t0, y)
 +
        k2 = h * F(t0 + 0.5 * h, y + 0.5 * k1)
 +
        k3 = h * F(t0 + 0.5 * h, y + 0.5 * k2)
 +
        k4 = h * F(t0 + h, y + k3)
 +
        # Update next value of y
 +
        y = y + (1.0 / 6.0) * (k1 + 2 * k2 + 2 * k3 + k4)
 +
        # Update next value of t
 +
        t0 = t0 + h
 +
  return y
 +
print('posisi air padaman pertama telah sampai pada ketinggian:',rungeKutta(t0, y0, t, h))
 +
 +
Berikut adalah hasil run python ketika diberi waktu 20 detik
 +
 +
 +
[[File: hasil kodingan.jpg]]
 +
 +
 +
 +
== Analisis menggunakan CFDS dan Paraview ==
 +
 +
Analisis Drag Force dimulai dengan menggunakan program CFDSOF. Pada program CFDSOF, dilakukan impor gambar 3D dari mobil yang akan dianalisis, pembuatan mesh, beserta input data dan boundary condition yang diinginkan. Setelah semua data telah diinput, dilakukan penjalanan solver.
 +
 +
[[File:koreng 25.jpg]]
 +
 +
 +
Analisis dilanjutkan dengan menggunakan program ParaView.
 +
 +
[[File:koreng 26.jpg]]
 +
 +
Pada program ParaView, dilakukan penghilangan internalMesh dan dimunculkan car_body.
 +
 +
[[File:koreng 27.jpg]]
 +
 +
Setelah itu, dilanjutkan dengan membuat filter "Generate Surface Normal" dengan "Compute cell normal"
 +
 +
[[File:koreng 28.jpg]]
 +
 +
Setelah itu, dilakukan perhitungan menggunakan kalkulator yang ada di program dengan menggunakan Attribute Mode Cell Data, mengganti Result Array Name menjadi Drag Force, dan melakukan perhitungan p*Normal_X
 +
 +
[[File:koreng 29.jpg]]
 +
 +
Terakhir, tambahkan filter Integrate Variables dan dapatkan nilai Drag Force
 +
 +
[[File:koreng 30.jpg]]
 +
 +
 +
== Simulasi Airfoil ==
 +
 +
 +
Dengan menggunakan metode CFDS diatas lalu dengan sudut serang dari -15 hingga 90  dihasilkan data sebagai berikut
 +
 +
[[File:koreng 31.jpg]]
 +
 +
Drag Fprce
 +
 +
[[File:koreng 32.jpg]]
 +
 +
Lift Force
 +
 +
[[File:Korneg 33.jpg]]
 +
 +
hasil dari codingannya
 +
 +
[[File:koreng 34.jpg]]
 +
 +
== Artificial Neuron Networ ==
 +
 +
ANN ini merupakan salah satu metode untuk melakukan pengolahan data yang cara kerjanya mirip dengan sistem saraf otak pada manusia. Karena semakin banyaknya data yang terimput maka data yang dihasilkan akan lebih mirip dengan data yang real. Adapun beberapa langkah utama yang harus dilakukan supaya bisa menjalankan program dengan metode ini.
 +
 +
1. Olahlah data yang akan di analisis, bisa dengan data data dragforce dan lift force kemarin.
 +
 +
[[File:koreng X.jpg]]
 +
 +
2. input data yang telah diolah
 +
 +
3. Acak dengan init
 +
 +
4. Tambahkan layer tersembunyi untuk rumus untuk mengolah datanya
 +
 +
[[File:koreng Z.jpg]]
 +
 +
5. lalu pilih pengoptimalan, kehilangan dan metrik kinerja
 +
 +
6. Kompilasi model
 +
 +
7. gunakan model fit unutk melatih model.
 +
 +
8. evaluasi model tersebut
 +
 +
maka akan kelihatan bagamna perbandingan antara hasil real data dengan hasil yang dilakukan dengan metode ANN dari hasilnya kemarin hasil data grafiknya sangatlah mirip.
 +
 +
[[File:koreng Y.jpg]]
 +
 +
 +
 +
(comments voting "plus" :/)

Latest revision as of 12:40, 24 December 2019

Pertemuan Pertama


Profil

Nama: Rafiq Ali Abdillah Azizi

NPM: 1806200854

Asal: Kebumen, Jawa Tengah

Koreng.jpg


بسم الله الر حمن الر حيم


wong bumen njajal nulis mugo lancar


SAIKI DURUNG BISO,AKU RAK POPO SENG PENTING USAHA

Mengapa harus belajar kalkulus?

dalam suatu kehidupan sudah pasti akan ada ilmu yang mengikuti baik ilmu yang pasti maupun yang tidak pasti karena orang hidup diperintahkan untuk mencari ilmu. semakin majunya zaman sudah pasti diikut sertai kemajuan dalam hal teknologi juga. untuk membentuk suatu alat yang mencerminkan kemajuan teknologi sudah pasti dibutuhkan berbagai perhitungan baik dari perhitungan kekuatan maupun ketelitian suatu design agar tercipta suatu alat yang sesuai dengan kebutuhan dan keamanan yang terjamin. Karenanya dibutuhkan suatu perhitungan-perhitungan dasar, dari situlah kalkulus sangat dibutuhkan sebagai dasar ilmu perhitungan yang pasti. sebagai seorang engineer sudah pastinya kita harus pandai akan hal dasar INI.

MINGGU DEPAN SINAU PYTHON (BAHASA PEMOGRAMAN)

T(x)=(x^2-1)/(x-1)


Pertemuan Ke-Dua

Kalkulasi limit dengan python.jpg


Pertemuan Ke-Tiga

Deret Fibonaci dengan python

A. Jika menggunakan for

1. Mulai

2. Buatlah deret yang diingin kan, misal dengan variabel "a,b,c = 0,1,0" a dengan nilai 0 karena deret diminta dari 0

3. lalu "for in range (10)" itu untuk mengatur berapa jumlah suku yg diinginkan, jika (10) maka jumlah sukunya ada 10

4. "print(a)" untuk membuat deret sesuai dengan perintah suku pertama a dan diatas a yang diminta adalah 0


5. masukkan rumus umum fibonaci dengan variabel a,b,c "c=a+b , a=b , b=c"

6. selesai

Fibo1.jpg


B. Dengan Function

1. Mulai

2. Masukkan n, yaitu banyaknya bilangan fibonacci yang diinginkan

3. Tentukan nilai i untuk suku pertama dan kedua yaitu i=0 atau i=1

4. Jika i=0 atau i=1 cetak fibonacci(i)=i

5. Isi nilai i>1 dimana i≤n

6. Tambahkan nilai pada variabel fibonacci di bilangan ke (i-1) dengan nilai pada variabel fibonacci di bilangan ke (i-2) kemudian nyatakan ke variabel fibonacci pada indeks ke i.

8. Cetak nilai variabel fibonacci(i)

9. Tambahkan i dengan 1

10. Selesai

Flowchartfunction.jpg

Sgjenengefunction.jpg


Pertmuan Ke Enam

Pada pembelajaran kali ini Prof DAI menjelaskan bahwa banyaknya fungsi matematika untuk menghitung suatu permaslahan. untuk pertemuan ini prof DAI menjelaskan hal yang terjadi pada batang yang mengalami gaya tarik di satu sisi dan sisi lainnya menmpel pada dinding. Pada batang tersebut sudah pasti banyak sekali titik pusat persebaran gaya tersebut. Untuk mempermudah menghitung hal tersebut digunakanlah persamaan diferensial. untuk mempermudah memahami persamaan diferensial kami diajarkan oleh asisten menggunakan methode Runge Kutta yang dimana pada intinya memiliki methode tersendiri yang dinamakan methode Runge Kutta


Pertemuan Ke Tujuh

Kuis

Coding Kuis Aljabar dan persamaan diferensial

1. Persamaan Aljabar simultan dengan A.X = B


from numpy import linalg import numpy as np

matAbar1 = [0,0,2,1,2]

matAbar2 = [0,1,0,2,-1]

matAbar3 = [1,2,0,-2,1]

matAbar4 = [0,0,0,-1,1]

matAbar5 = [0,1,-1,1,-1]

A = np.array ([matAbar1,matAbar2,matAbar3,matAbar4,matAbar5])

print ("matriks yang diketahui:")

print (A)

B = np.array ([1,1,-4,-2,-1])

print ("matriks hasil kali matriks yang diketahui dengan x:")

print (B)

jawab = linalg.solve (A,B)

matXkol1 = int(jawab[0])

matXkol2 = int(jawab[1])

matXkol3 = int(jawab[2])

matXkol4 = int(jawab[3])

matXkol5 = int(jawab[4])

print ("hasil X adalah :")

print ("matXkol1= ",matXkol1)

print ("matXkol2= ",matXkol2)

print ("matXkol3= ",matXkol3)

print ("matXkol4= ",matXkol4)

print ("matXkol5= ",matXkol5)

2. coding untuk penyelesaian persamaan diferensial

def dydx(x, y):

   return ((x**2 - 4*y)) 
 
  1. mencari nilai y dengan nilai x tertentu pada suatu posisi tertentu h
  2. dan nilai awal y0 pada x0

def rungeKutta(x0, y0, x, h):

   n = (int)((x - x0)/h)  
   
   y = y0 
   for i in range(1, n + 1): 
       "menggunakan metode runge kutta untuk mencari y dan dengan terlebih dahulu mencari nilai k nya"
       "y ahir=y awal+1/6(k1+2*k2+2*k3+k4)"
       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) 
 
       # hasil y ahir
       y = y + (1.0 / 6.0)*(k1 + 2 * k2 + 2 * k3 + k4) 
 
       # hasil x pada posisi h
       x0 = x0 + h 
   return y 
 
  1. misalkan :

x0 = 0 y = 1 x = 0.03 h = 0.01 print ('nilai y saat x adalah :', rungeKutta(x0, y, x, h))


==

UTS

Muhasabah Sedikit renungan diri ada di link di bawah. Terima Kasih

[1]

Coding untuk persoalan 1A mencari tegangan tali

from math import *

A=eval(input("masukkan m1: "))
B=eval(input("masukkan m2: "))
C=eval(input("masukkan m3: "))
D=eval(input("masukkan m4: "))
u=eval(input("masukkan koefisien gesek: "))
alfa=eval(input("masukkan sudut dalam derajat: "))
g=9.8
x=sin(alfa)
y=cos(alfa)
T1=A*g*(x-u*y)
T2=B*g*(x-u*y) + T1
T3=C*g*(x-u*y) + T2
T4=D*g
print("Besar Tegangan Tali T4 adalah: ",T4)


Video presentasi untuk persoalan no 1 di link di bawah ini

[2]

[3]


untuk nomer 2 mencari waktu yang diperlukan untuk mencapai top speed

berikut kodingnya

from math import * from sympy import *

G=9.81

Roair= 1.2

Cd=eval(input("masukkan drag coefficient: "))

Luas=eval(input("masukkan area (m^2): "))

v0=eval(input("masukkan velocity awal: "))

M=eval(input("masukkan massa mobil(kg): "))

K=eval(input("masukkan koefisien gesekan: "))

A=eval(input("masukkan percepatan(m/s^2): "))

Vtop=eval(input("masukkan besar topspeed: "))

As=G*K

Adrag=(Cd*Luas*Roair*v0**2)/2*M

Atot=A-(Adrag+As)

t=Vtop/Atot

print("waktu yang dibutuhkan dari diam sampai top speed: ",t)

Berikut Video presentasi untuk persoalan nomer 2 di link bawah ini :

[4]


Tugas Perbaikan UTS

Pada tugas kali ini saya akan menggunakan permasalahan gerak vertikal ke atas pada keseharian yaitu menendang bola ke atas. pada permasalahan ini menggunakan kecepatan tendangan pada waktu tertentu dan bola pada posisi 50 cm ketika ditendang ke atas.

Bola ditendang.jpg

dari persamaan umumnya dimana untuk mendapatkan kecepatan saat bola ditendang maka butuh suatu percepatan seperti rumus yang biasa kita kenal yaitu

Vt = V0 + at

mengapa harus menggunakan runge kutta karena adanya variabel yang perlu di integralkan dalam satu persamaan sehingga tidak bisa membentuk persamaan linier yaitu V atau kecepatan yang merupakan integral dari a atau percepatan.

dan berikut codingnya

t = eval(input("pada saat t berapa: "))

h = 1 # dtnya

t0 = 0.1

y0 = 50 #bola ditendang dari darat denga ketinggian 50cm

def F(t0, y0):

  return ((y0 + 5*t*t)/t)
  1. Finds value of y for a given x using step size h

def rungeKutta(t0, y0, t, h):

  # Count number of iterations using step size or step height h
   n = (int)((t - t0) / h)
   # mendefinisikan y= y0
   y = y0
   for i in range(1, n + 1):
       "Apply Runge Kutta Formulas to find next value of y"
       k1 = h * F(t0, y)
       k2 = h * F(t0 + 0.5 * h, y + 0.5 * k1)
       k3 = h * F(t0 + 0.5 * h, y + 0.5 * k2)
       k4 = h * F(t0 + h, y + k3)
       # Update next value of y
       y = y + (1.0 / 6.0) * (k1 + 2 * k2 + 2 * k3 + k4)
       # Update next value of t
       t0 = t0 + h
  return y

print('posisi air padaman pertama telah sampai pada ketinggian:',rungeKutta(t0, y0, t, h))

Berikut adalah hasil run python ketika diberi waktu 20 detik


Hasil kodingan.jpg


Analisis menggunakan CFDS dan Paraview

Analisis Drag Force dimulai dengan menggunakan program CFDSOF. Pada program CFDSOF, dilakukan impor gambar 3D dari mobil yang akan dianalisis, pembuatan mesh, beserta input data dan boundary condition yang diinginkan. Setelah semua data telah diinput, dilakukan penjalanan solver.

Koreng 25.jpg


Analisis dilanjutkan dengan menggunakan program ParaView.

Koreng 26.jpg

Pada program ParaView, dilakukan penghilangan internalMesh dan dimunculkan car_body.

Koreng 27.jpg

Setelah itu, dilanjutkan dengan membuat filter "Generate Surface Normal" dengan "Compute cell normal"

Koreng 28.jpg

Setelah itu, dilakukan perhitungan menggunakan kalkulator yang ada di program dengan menggunakan Attribute Mode Cell Data, mengganti Result Array Name menjadi Drag Force, dan melakukan perhitungan p*Normal_X

Koreng 29.jpg

Terakhir, tambahkan filter Integrate Variables dan dapatkan nilai Drag Force

Koreng 30.jpg


Simulasi Airfoil

Dengan menggunakan metode CFDS diatas lalu dengan sudut serang dari -15 hingga 90 dihasilkan data sebagai berikut

Koreng 31.jpg

Drag Fprce

Koreng 32.jpg

Lift Force

Korneg 33.jpg

hasil dari codingannya

Koreng 34.jpg

Artificial Neuron Networ

ANN ini merupakan salah satu metode untuk melakukan pengolahan data yang cara kerjanya mirip dengan sistem saraf otak pada manusia. Karena semakin banyaknya data yang terimput maka data yang dihasilkan akan lebih mirip dengan data yang real. Adapun beberapa langkah utama yang harus dilakukan supaya bisa menjalankan program dengan metode ini.

1. Olahlah data yang akan di analisis, bisa dengan data data dragforce dan lift force kemarin.

Koreng X.jpg

2. input data yang telah diolah

3. Acak dengan init

4. Tambahkan layer tersembunyi untuk rumus untuk mengolah datanya

Koreng Z.jpg

5. lalu pilih pengoptimalan, kehilangan dan metrik kinerja

6. Kompilasi model

7. gunakan model fit unutk melatih model.

8. evaluasi model tersebut

maka akan kelihatan bagamna perbandingan antara hasil real data dengan hasil yang dilakukan dengan metode ANN dari hasilnya kemarin hasil data grafiknya sangatlah mirip.

Koreng Y.jpg


(comments voting "plus" :/)