Difference between revisions of "Hallyena Risfenti"
(4 intermediate revisions by the same user not shown) | |||
Line 396: | Line 396: | ||
Berikut adalah hasilnya: | Berikut adalah hasilnya: | ||
− | [[File: | + | [[File:Hasil Pegas Alin.png]] |
+ | |||
+ | |||
+ | == Pertemuan Ke-sepuluh == | ||
+ | '''Hari, Tanggal : Rabu, 6 November 2019''' | ||
+ | |||
+ | '''Oleh : Dr. Ahmad Indra & Dr. Eng. Radon Dhelika''' | ||
+ | |||
+ | Kelas kali ini menjelaskan mengenai cara berpikir. Pak Dai menjelaskan mengenai gelombang yang artinya adalah gerakan yang merambat. Menyelasaikan sebuah masalah itu dimulai dari dengan mengetahui masalah bukan hanya mengetahui diketahui, ditanya, jawaban serta mencocokan rumus. | ||
+ | |||
+ | Kami diharapkan menjadi sarjana yang merumuskan masalah hingga dapat membuat solusinya. Hal pertama yang dilakukan sebelum masuk ke tahap metode numerik adalah memahami masalah yang ad. Mengetahui masalah yang ada itu tidak hanya cukup diketahui saja dan lalu memasukkannya ke dalam persamaan yang sudah ada. | ||
+ | |||
+ | Sebagai seorang mahasiswa yang sedang menempuh ilmu teknik mesin, kita harus dapat merumuskan dan menyusun masalah menjadi suatu persamaan bukan hanya menggunakan persamaan yang sudah ada. | ||
+ | |||
+ | Body motion merupakan metode analisis yang dapat digunakan pada sebuah mobil bergerak, sehingga didapatkan power. | ||
+ | |||
+ | == Pertemuan Ke-sebelas == | ||
+ | '''Hari, Tanggal : Rabu, 13 November 2019''' | ||
+ | |||
+ | '''Oleh : Dr. Ahmad Indra & Dr. Eng. Radon Dhelika''' | ||
+ | |||
+ | Ada beberapa proses mengelola data seperti contohnya adalah regresi linear dan juga curve fitting | ||
+ | |||
+ | Multiple linear regression merupakan metode optimasi dengan cara menarik garis-garis linear untuk dapat mengetahui kenaikan atau penurunan plot dan mendapat hasil optimum untuk data yang diberikan. Nilai optimasi yang didapat itu bisa nilai maksimum maupun nilai minimum tergantung yang dibutuhkan | ||
+ | |||
+ | Polynomial regression adalah metode plotting grafik dengan mendekati kurva dari suatu grafik yang telah didapatkan | ||
+ | |||
+ | |||
+ | == Pertemuan Ke-empatbelas == | ||
+ | '''Hari, Tanggal : Rabu, 14 Desember 2019''' | ||
+ | |||
+ | '''Oleh : Dr. Ahmad Indra & Dr. Eng. Radon Dhelika''' | ||
+ | |||
+ | Pada tugas kali ini, kami diberikan suatu tugas untuk menemukan hubungan antara sudut serang (''angle of attack'') dan gaya drag dan lift yang terjadi pada suatu bentuk ''airfoil''. Untuk melaksanakan tugas tersebut, kelompok kami melakukan suatu rangkaian tahapan pengerjaan sebagai berikut: | ||
+ | |||
+ | |||
+ | 1. Mendesain ''airfoil'' dengan menggunakan ''software'' CAD (dalam kasus ini kami menggunakan inventor | ||
+ | |||
+ | 2. Melakukan analisis fluida dengan ''software'' CFD-SOF dengan parameter-parameter yang telah kami tetapkan dan mencari drag dan lift force dengan paraview | ||
+ | |||
+ | 3. Plot hasil dan ''curve fitting'' dengan menggunakan excel | ||
+ | |||
+ | 4. Melakukan optimasi dengan menggunakan Phyton | ||
+ | |||
+ | 5. Penarikan kesimpulan | ||
+ | |||
+ | Untuk itu berikut ini akan kami bahas tiap detil dari langkah-langkah tersebut sebagai berikut: | ||
+ | |||
+ | '''Mendesain ''airfoil'' dengan menggunakan ''software'' CAD''' | ||
+ | |||
+ | Dalam tahap ini, kelompok kami memutuskan untuk menggunakan ''airfoil'' yang telah umum digunakan yaitu dengan menggunakan ''airfoil'' NACA 2410. Pada website *** kami menemukan desain ''airfoil'' tersebut (berupa titik-titik) kemudian kami memindahkan titik-titik tersebut ke excel. | ||
+ | |||
+ | Setelah dipindahkan ke excel, titik-titik tersebut dimasukkan ke dalam software Inventor. Sehingga menghasilkan bentuk sebagai berikut: | ||
+ | |||
+ | [[File:Airfoil Naca 2410.png]] | ||
+ | |||
+ | Airfoil tersebut didesain dengan berbagai sudut serang / angel of attack, yaitu dimulai dari -15 hingga 90 dengan interval 5 derajat | ||
+ | |||
+ | '''Melakukan analisis fluida dengan ''software'' CFD-SOF dan Paraview''' | ||
+ | |||
+ | Parameter yang dipakai: | ||
+ | - Kecepatan 80 m/s | ||
+ | - Sedangkan untuk meshing nanti akan kami tunjukkan melalui gambar parameternya (''screen shoot'') | ||
+ | |||
+ | '''Scaling''' | ||
+ | |||
+ | Tindakan ini kami lakukan, karena setelah mengecek ukuran airfoil. Ternyata Airfoil kami berubah ukurannya menjadi jauh lebih besar, sehingga kami lakukan scaling untuk mengembalikan ukurannya menjadi seperti semula | ||
+ | |||
+ | [[File:Scaling Kel 7.png]] | ||
+ | |||
+ | '''Meshing''' | ||
+ | |||
+ | Berikut ini parameter-parameter yang kami gunakan dalam simulasi: | ||
+ | |||
+ | [[File:Meshing Kel 7.png]] | ||
+ | |||
+ | Setelah data-data diatas telah didapatkan, langkah selanjutnya adalah untuk mencari drag force dan lift force pada setiap variasi sudutnya menggunakan software CFDSOF. Perhitungan dilakukan dengan kalkulator pada aplikasi third party yaitu paraview. Rumus yang digunakan untuk mendapatkan nilai drag force adalah = p*surface x sedangkan untuk mendapatkan nilai lift force adalah = p*surface y. Dibawah ini adalah salah satu hasil paraview yang kami dapatkan: | ||
+ | |||
+ | '''Drag Force''' | ||
+ | |||
+ | [[File:Drag Force Kel 7.png]] | ||
+ | |||
+ | '''Lift Force''' | ||
+ | |||
+ | [[File:Lift Force Kel 7.png]] | ||
+ | |||
+ | |||
+ | '''Plot hasil dan ''curve fitting''''' | ||
+ | |||
+ | Kemudian kami mendapatkan nilai-nilai drag force dan lift force pada setiap sudut variasi. Nilai-nilai tersebut kami input dan kami olah pada microsoft excel. Proses yang kami lakukan dinamakan curve fitting, yaitu untuk mendapatkan bentuk persamaan matematis dan juga untuk mendapatkan bentuk grafiknya. Berikut adalah data hasil drag force dan lift force yang kami dapatkan: | ||
+ | |||
+ | Tabel sudut variasi dengan nilai drag force dan lift force yang telah didapatkan: | ||
+ | |||
+ | [[File:Tabel DF Kel 7 .png]] | ||
+ | |||
+ | |||
+ | [[File:Tabel LF Kel 7.png]] | ||
+ | |||
+ | Grafik yang diperoleh melalui curve fitting di excel | ||
+ | |||
+ | '''drag force vs sudut:''' | ||
+ | |||
+ | [[File:Grafik DF Kel 7.png]] | ||
+ | |||
+ | '''lift force vs sudut:''' | ||
+ | |||
+ | [[File:Grafik LF Kel 7.png]] | ||
+ | |||
+ | |||
+ | '''Optimasi dengan menggunakan Phyton''' | ||
+ | |||
+ | Lalu kami mencari nilai optimasi dari masing-masing-masing force: | ||
+ | |||
+ | Optimasi drag force: | ||
+ | |||
+ | [[File:Hasil Optimasi DF Kel 7.png]] | ||
+ | |||
+ | Optimasi lift force: | ||
+ | |||
+ | |||
+ | Setelah mendapatkan grafik drag force maupun grafik lift force, yang kami lakukan adalah menggabungkan kedua persamaan tersebut menjadi satu untuk melihat di manakah atau pada nilai berapakah mereka bertemu atau bersinggungan. Hasil dari grafiknya adalah sebagai berikut: | ||
+ | |||
+ | [[File:Grafik Force Kel 7.png]] | ||
+ | |||
+ | Dikarenakan pada grafik terlihat adanya dua titik yang bersinggungan, maka perlunya optimasi untuk melihat nilai atau titik pasti di mana sudut serang paling optimal. Untuk mendapatkan nilai optimasi kami menggunakan metode numerik dengan bahasa pemrograman python. Hasil pemrograman dibuat sebanyak dua kali yaitu yang pertama adalah menggunakan objective persamaan drag dan yang kedua menggunakan objective persamaan lift. Hasilnya adalah sebagai berikut: | ||
+ | |||
+ | [[File:Optimasi Kel 7.png]] | ||
+ | |||
+ | [[File:Optimasi Kel 7(2).png]] | ||
+ | |||
+ | == Pertemuan Ke-limabelas == | ||
+ | '''Hari, Tanggal : Rabu, 11 Desember 2019''' | ||
+ | |||
+ | '''Oleh : Dr. Ahmad Indra & Dr. Eng. Radon Dhelika''' | ||
+ | |||
+ | Pada kelas kali ini kami membahas mengenai ANN. ANN adalah sistem pembelajaran terawasi yang dibangun dari sejumlah besar elemen sederhana, yang disebut neuron atau perceptron. Setiap neuron dapat membuat keputusan sederhana, dan memberi makan keputusan itu ke neuron lain, yang diorganisasikan dalam lapisan yang saling berhubungan. | ||
+ | |||
+ | Step atau langkah-langkah dalam pembuatan ANN antara lain adalah: | ||
+ | 1. Mempersiapkan data | ||
+ | 2. Menambahkan input layers | ||
+ | 3. Random w init | ||
+ | 4. Menambahkan hidden layers | ||
+ | 5. Memilih optimizer, loss, dan performance matrix | ||
+ | 6. Menggabungkan model | ||
+ | 7. Menggunakan model .fit untuk melatih model | ||
+ | 8. Mengevaluasi model | ||
+ | 9. Mengadjust parameter optimasi-optimasi atau model jika dibutuhkan |
Latest revision as of 16:57, 17 December 2019
بسم الله الرحمن الرحيم
Hello There!
Nama : Hallyena Risfenti (Alin)
NPM : 1706986372
Mahasiswi Teknik Mesin 2017
Contents
- 1 Pertemuan Pertama
- 2 Pertemuan Kedua
- 3 Pertemuan Ketiga
- 4 Pertemuan Keempat
- 5 Pertemuan Kelima
- 6 Pertemuan Keenam
- 7 Pertemuan Ketujuh
- 8 UTS Metnum
- 9 Perbaikan UTS
- 10 Pemodelan Matematika dengan Metode Runge Kutta Orde 4
- 11 Pertemuan Ke-sepuluh
- 12 Pertemuan Ke-sebelas
- 13 Pertemuan Ke-empatbelas
- 14 Pertemuan Ke-limabelas
Pertemuan Pertama
Hari, Tanggal : Rabu, 4 September 2019
Oleh : Dr. Ahmad Indra & Dr. Eng. Radon Dhelika
Pada pertemuan pertama, Bapak Dr. Ahmad Indra atau kerap dipanggil Pak DAI mengajarkan hal utama yang paling mendasar tetapi seringkali dilupakan yaitu berdoa sebelum belajar.
Kemudian para mahasiswa diperkenalkan dengan website air.eng.ui.ac.id. Di mana, website tersebut digunakan untuk meng-upload tugas yang akan diberikan setiap minggunya. Kami kemudian membuat nama pada page yang sudah disediakan dan menulis entry pertama kami yaitu mengenai “mengapa kita harus belajar kalkulus sedangkan kita adalah mahasiswa teknik bukan mahasiswa mipa?” menurut saya sebagai mahasiswi semester 5 mata kuliah yang sedang ditempuh banyak menggunakan persamaan dan juga permodelan matematika yang banyak didapat ketika saya sedang mempelajari kalkulus 1 dan kalkulus 2 pada semester 1 dan semester 2.
Metnum atau metoda numerik merupakan bagian dari ilmu matematika. Numerik itu dapat digunakan sebagai pemecah masalah atau solver bagi mereka yang sudah memiliki ide namun saja perhitungan akan sangat banyak. Pada mata kuliah ini, bahasa pemrograman yang akan digunakan merupakan Python
Pada akhir kelas, kami diberikan sebuah object:
T = T(x) = (X2-1)/(X-1)
jika diselesaikan dengan metoda perhitungan biasa, maka akan didapatkan angka 2. Sedangkan jika menggunakan bantuan computer cara-cara yang dapat digunakan antara lain: algoritma, flowchart, dan program.
Saya menggunakan modul sympy yang saya download atau unduh dari terminal yang sudah ada di laptop saya. Modul sympy ini merupakan python library untuk symbolic mathematics. Sympy memudahkan user untuk menyelesaikan permasalahan matematika dengan metoda yang simple.
Berikut adalah logaritma yang saya buat menggunakan Idle:
Kemudian saya run menggunakan Python Launcher dan mendapatkan hasil 2.
Pertemuan Kedua
Hari, Tanggal : Rabu, 11 September 2019
Oleh : Dr. Ahmad Indra & Dr. Eng. Radon Dhelika
Pada kelas ini, Pak Dai menjelaskan mengenai bahasa pemrograman python. Python adalah high level language dan hubungannya dengan numerik serta komputer sangat kuat. Menurut dari sumber yang saya baca yaitu buku Jaan Kiusalaas, Numerical Methods in Engineering and Python 3,Python merupakan object-oriented language yang mulai dikembangkan dari akhir 1980s.
Keuntungan dari Python sendiri antara lain: 1. Merupakan software yang bersifat open-source, 2. Tersedia untuk major operating system, 3. Lebih mudah untuk dipelajari, 4. Mudah untuk diinstall
Artificial Intelligence atau bisa dikenal dengan AI merupakan rekayasa yang dibuat oleh manusia untuk membantu manusia tersebut. Manusia itu sendiri membutuhkan bantuan dikarenakan kemampuan manusia untuk menghafal sesuatu itu terbatas. Sebagai contoh, jika seorang manusia itu bermain catur melawan komputer, komputer sudah menyimpan database-database untuk mengingat gerakan-gerakan. Hanya saja perbedaan terbesar antara Artificial Intelligence dan manusia adalah manusia memiliki hati.
Menurut Pak Dai, Industry 5.0 adalah pancasila karena seharusnya teknologi itu harus membantu manusia sehingga teknologi tidak boleh melemahkan manusia dan mengakibatkan manusia menjadi bodoh. Selain itu manusia tidak boleh sepenuhnya dikendalikan oleh teknologi tetap harus kita yang mengendalikan teknologi.
Dikarenakan komputer merupakan partner yang kita sering gunakan, maka kita harus mengenal komputer. Secara fisik komputer itu hanya mengenal tombol on atau off. Huruf, kata, maupun kalimat yang kita ketik pada keyboard komputer kita masing-masing dipresentasikan komputer dalam bentuk coding. Pada komputer dikenal pula istilah 32 bit dan 64 bit.
Seperti dalam otak kita, kita manusia mampu menyimpan data-data dalam binary digit. Jika 64 bit maka komputer memiliki kemampuan yang lebih akurat dan cepat. Kemudian informasi tambahan yang saya dapatkan, pada 32 bit processor kemampuan pengolahan untuk berinteraksi dengan RAM terbatas sampai dengan 4GB, sedangkan pada 64 bit processor kemampuan pengolahan untuk berinteraksi dengan RAM bisa lebih dari 4GB.
Dipenghujung kelas, para mahasiswa mempelajari lebih dalam mengenai Python. Hal awal yang kami lakukan adalah membuat "Hello world" menggunakan bahasa pemrograman Python. Selanjutnya kami membahas mengenai Tuple dan List. Saya mencoba kembali dua materi tersebut menggunakan aplikasi Anaconda, lebih spesifiknya lagi Spyder. Spyder memudahkan saya untuk run Python karena fiturnya yang sudah lengkap. Berikut merupakan Tuple dan List yang telah saya coba:
Tuple
Setelah di run, berikut hasilnya:
List
Setelah di run, berikut hasilnya:
Pertemuan Ketiga
Hari, Tanggal : Rabu, 18 September 2019
Oleh : Dr. Ahmad Indra & Dr. Eng. Radon Dhelika
Pertemuan kali ini, diadakannya quiz untuk membuat algoritma, flowchart, serta bagaimana cara penulisannya pada Python. Soal yang diberikan berkaitan dengan fibonacci sequence. Fibonacci sequence yang diberikan adalah sebagai berikut 1,1,2,3,5,8,13,...n. Sequence ini dapat diselesaikan atau didapatkan dengan dua cara yaitu:
1. Menyelesaikan fibonacci sequence dengan menggunakan if else statement dan while loop.
Berikut caranya:
Untuk mencoba atau menjalankan program ini, value nterms harus diubah dan ini merupakan hasil yang didapatkan:
2. Menyelesaikan fibonacci sequence dengan menggunakan metode fungsi recursion. Fungsi recursion digunakan untung mengkalkulasi nth term pada sequence
Berikut caranya:
Hasil yang didapatkan adalah sebagai berikut:
Pertemuan Keempat
Hari, Tanggal : Rabu, 25 September 2019
Oleh : Dr. Ahmad Indra & Dr. Eng. Radon Dhelika
Pada pertemuan kali ini, kami diperkenalkan oleh model atau permodelan. Di kelas kami berkolaborasi dalam memaknai apa itu model dengan kolom comment yang telah disediakan.
Model menurut saya adalah
Model itu adalah representasi atau bentuk nyata dari suatu sistem atau objek yang ingin diuji. Pemodelan ini dapat memudahkan dalam eksperimen serta pengujian hingga pada akhirnya mendapatkan suatu hasil dengan performa terbaik.
Setelah semua mahasiswa mengisi kolom comment, didapatkan bahwa pengertian model mengandung 3 hal yang utama, yaitu: 1. Simplifikasi 2. Representasi 3. Asumsi
Modelling adalah sebuah simplifikasi atau representasi yang mensimplifikasi. Objek atau sistem merupakan representasi sederhana dari suatu keadaan nyata yang rumit. Kita perlu menghitung agar dapat memastikan apa yang sudah kita design itu berfungsi dan bekerja dengan baik. Parameternya antara lain adalah kuat dan dapat menahan beban secara optimal sehingga disinilah gunanya simplifikasi.
Modelling juga merupakan asumsi, sebagai contoh terdapat penampang yang dibawahnya materialnya dari batu. Contoh lainnya adalah alat-alat mesin pasti memiliki fondasi atau ada yang menampang sehingga yang kita coba atau kita uji adalah apakah alat tersebut dapat berfungsi atau tidak.
Pertemuan Kelima
Hari, Tanggal : Rabu, 2 Oktober 2019
Oleh : Dr. Ahmad Indra & Dr. Eng. Radon Dhelika
Suatu permasalahan dapat dibuat pemodelannya dikarenakan pemodelan ini dapat memudahkan manusia/user dalam menyelesaikan masalah. Salah satu problem solvernya adalah dengan menggunakan bahasa pemrograman python.
Alasan bahasa pemrograman python ini seringkali dijadikan pilihan untuk menyelesaikan masalah antara lain karena python gratis dan saat ini sering digunakan dalam industry 4.0. Keuntungan lain yang didapatkan dari penggunaan bahasa python itu sendiri ialah python mudah untuk di download dan install karena sudah tersedia di seluruh major operating system. Ditambah pula python mudah untuk dipelajari dan dimengerti.
Pertemuan kali ini diisi oleh asisten dosen dan kami mempelajari mengenai aplikasi aljabar linear khususnya gaussian elimination pada sistem pegas. Materi ini berkaitan dengan Finite Element Method (FEM).
Finite Element Method (FEM) itu sendiri merupakan numerical technique untuk menyelesaikan masalah-masalah fenomena physical yang complex. Fenomena-fenomena ini terbagi lagi kedalam beberapa kategori. Namun, karena contoh pemodelan yang digunakan adalah pegas maka fenomena physical yang digunakan merupakan solid mechanics.
Kemudian asisten dosen menjelaskan tentang penggunaan pemodelan pada sistem tunggal untuk menjadi persamaan linier dengan cara menerjemahkan rumus yang biasa digunakan pada pegas menjadi sebuah matrix. Selain itu, variasi yang digunakan tidak hanya untuk matrix pegas yang tunggal melainkan juga pemodelan sistem ganda pada pegas seri dengan menggunakan superposisi matrix.
Pada pemodelan kali ini juga diajarkan pula penggunaan modul yang bertujuan untuk memudahkan perhitungan sistem dengan gaussian elimination. Modul yang digunakan antara lain adalah: Numpy dan Sympy
Pertemuan Keenam
Hari, Tanggal : Rabu, 9 Oktober 2019
Oleh : Dr. Ahmad Indra & Dr. Eng. Radon Dhelika
Pada pertemuan kali ini kami belajar mengenai cara memecahkan masalah menggunakan persamaan aljabar linear dan dijelaskan bahwa satu set itu memiliki banyak sekali penyelesaikan masalahnya.
Berikut merupakan cara-cara atau langkah-langkah dalam penyelesaian aljabar: 1. Metode eliminasi dengan cara mengurangi variable dari persamaan berikutnya. Hal ini dilakukan untuk mendapatkan satu varible yang selanjutnya digunakan untuk langkah substitusi. 2. Gauss 3. Trial and Error
Peran komputer dalam mata kuliah ini adalah dalam pembuatan pemodelan matematika tetapi logika tetap dari manusia dan peran komputer hanya membantu perhitungannya.
Permodelan matematis ini bentuknya adalah differential. Persamaan ini ada karena masalah yang kita hadapi itu terjadi secara kontinu.
Kontinu assumption : salah satu contohnya adalah satu ruangan itu dipenuhi dengan oksigen sehingga tidak adanya ruang hampa dalam ruangan. Oleh karena itu kita dapat menghitung temperature di titik mana pun dalam ruangan tersebut.
Jika kontinu assumption ini diberi gaya maka setiap titik akan merasakan beban maka setiap titik akan berdislokasi atau berpindah tempat. Selisih perpindahan itu biasa kita sebut dengan displacement (u). Limit ketiga delta u menuju 0 adalah ketika perubahan displacement disebut dengan (du). Hasil differential itu sangat kecil tetapi tidak mencapai angka 0.
Materi kali ini mengajarkan mahasiswa untuk menjadi mahasiswa yang cerdas dalam artian selalu memikirkan kedepan atau langkah selanjutnya.
Pertemuan Ketujuh
Hari, Tanggal : Rabu, 16 Oktober 2019
Oleh : Dr. Ahmad Indra & Dr. Eng. Radon Dhelika
Pada pertemuan kali ini kami melaksanakan kuis sebagai acuan dan sarana kami mempersiapkan UTS yang akan datang yaitu mengenai Gaussian Elimination dan juga Runge Kutta Fourth Order. Berikut adalah soal yang diberikan dari buku Jaan Kiusalaas - Numerical Methods
Saya menyelesaikan soal mengenai penulisan algoritma penyelesaian gaussian elimination dan juga hasil pada kertas soal yang diberikan, sedangkan codingnya adalah sebagai berikut:
Soal yang selanjutnya adalah mengenai Runge Kutta Fourth Order yang ada di bab 7. Berikut soalnya:
Lalu berikut coding pythonnya:
UTS Metnum
Hari, Tanggal : Rabu, 23 Oktober 2019
Oleh : Dr. Ahmad Indra & Dr. Eng. Radon Dhelika
Hari ini kami mengerjakan soal UTS yang diberikan oleh Pak Dai yaitu untuk soal IA mencari tegangan tali dengan metoda numerik.
Berikut adalah codingan yang telah saya buat beserta asumsi-asumsinya:
from math import*
g = 9.81
m1 = eval(input("massa 1:"))
m2 = eval(input("massa 2:"))
m3 = eval(input("massa 3:"))
k1 = eval(input("coefficient of friction1:"))
k2 = eval(input("coefficient of friction2:"))
k3 = eval(input("coefficient of friction3:"))
teta = eval(input("sudut teta:"))
a = eval(input("percepatan:"))
s = sin (teta)
c = cos (teta)
x1 = m1*g*(s - k1*c) - m1*a
x2 = m2*g*(s - k2*c) + x1 - m2*a
x3 = m3*g*(s - k3*c) + x2 - m3*a
print("tegangan tali T1 (x1) sama dengan:",x1)
print("tegangan tali T2 (x2) sama dengan:",x2)
print("tegangan tali T3 (x3) sama dengan:",x3)
Hasil yang didapatkan berdasarkan codingan diatas adalah:
Selanjutnya kami diberikan tugas untuk membuat video mengenai penyelesaian dengan bahasa Python yang kami buat masing-masing. Berikut adalah video penyelesaian persoalan 1A yang telah saya buat:
Soal IB diberikan gambar mobil dan membuat model matematis (persamaan differensial) untuk keseimbangan dinamis sesuai dengan gambar mobil. Kami harus mencari waktu yang diperlukan oleh mobil dari keadaan diam hingga mencapai top speednya. Berikut bahasa python yang saya tulis untuk mendapatkan waktu yang diperlukan oleh mobil:
from math import *
from sympy import *
g = 9.81
density = 1.2 #merupakan massa jenis (density) udara
cd = eval(input("drag coefficient:"))
area = eval(input("luas (m^2):"))
v1 = eval(input("kecepatan akhir:"))
m = eval(input("massa mobil(kg):"))
u = eval(input("koefisien gesek:"))
a = eval(input("percepatan(m/s^2)"))
fs = g*u
f1 = a
for v0 in range (0,v1):
fdrag = (cd*area*density*v0**2)/2*m
atot = f1 - (fdrag + fs)
t = -(v1)/atot
print("percepatan total (m/s^2):", atot)
print("waktu yang diperlukan oleh v1:", t)
Setelah memasukkan atau measumsikan data-data yang diperlukan untuk menyelesaikan permasalahan diatas, jawaban yang didapat adalah sebagai berikut:
Selanjutnya kami diberikan tugas untuk membuat video mengenai penyelesaian dengan bahasa Python yang kami buat masing-masing. Berikut adalah video penyelesaian persoalan 1B yang telah saya buat:
Perbaikan UTS
CASE A Berikut adalah penyelesaian soal A dengan bahasa pemrograman Python:
import math import numpy as np #matrix C & D C = np.array([[1., 0., 0.], [-1., 1., 0.], [0., -1., 1.]], float) D = np.array([21.37, 14.24, 7.12], float) n = len(C) #merupakan panjang dari baris c print('Matriks C :') print(C,'\n') print('Matriks C mempunyai ', n , ' baris','\n') print('Matriks D :') print(D,'\n') for k in range(0,n-1): #menggunakan metode Gauss Elimin for i in range(k+1,n): if C[i,k]!=0 : lam = C[i,k]/C[k,k] C[i,k:n] = C[i,k:n]-(C[k,k:n]*lam) D[i] = D[i]-(D[k]*lam) print('matrix C:', '\n', C, '\n') print('Nilai tegangan tali adalah:')
x = np.zeros(n,float) for m in range(n-1,-1,-1): x[m]=(D[m]-np.dot(C[m,m+1:n],x[m+1:n]))/C[m,m] print('T',m+1,'=', x[m])
CASE B Berikut merupakan coding menggunakan bahasa python dengan metode rungke kutta untuk mendapatkan top speed mobil:
g = 9.81 u = eval(input("Koefisien gesek : ")) a = eval(input("Percepatan mobil : ")) cd = eval(input("Drag coefficient : ")) m = eval(input("Massa mobil : ")) t0 = 0 v0 = 0 dt = 1 error = 100
F = a - g*u #dibagi dengan massa fs = cd/m #dibagi dengan massa
lst = []
def dvdt(t0, v0): return F-(fs*(v0)**(1.5)) while error > 0.005: k1 = dvdt(t0, v0) k2 = dvdt(t0 + 0.5 * dt, v0 + 0.5 * dt * k1) k3 = dvdt(t0 + 0.5 * dt, v0 + 0.5 * dt * k2) k4 = dvdt(t0 + dt, v0 + dt * k3) v1 = v0 + (1.0 / 6.0)*(k1 + 2 * k2 + 2 * k3 + k4) t0 = t0 + dt error = ((v1 - v0) / v1)*100 #persentase error v0 = v1 lst.append(v1) waktu = len(lst)
print ("Waktu yang dibutuhkan mobil untuk mencapai kecepatan maksimal: ", waktu+1, "s") print ("Kecepatan maksimal(top speed) mobil: ", v1, "m/s")
Kemudian berikut adalah asumsi yang saya buat beserta hasil yang didapat dari pemrograman diatas
Pemodelan Matematika dengan Metode Runge Kutta Orde 4
Berikut adalah persamaan sistem yang sesuai dengan gambar diatas:
F = m*a (sigma Gaya) 3t - cv = m*a a = (3t-cv)/m dv/dt = (3t-cv)/m
Dan berikut penyelesaiannya menggunakan bahasa pemrograman Python:
def DiferensialV(t, v): #DiferensialV merupakan fungsi turunan V terhadap t return ((3*t - c*v)/m) m=eval(input("Massa objek (kg) : ")) c=eval(input("Damping coefficient (Ns/m) : ")) t0 = 0 #t awal v0 = 0 #v awal t = 10 #kecepatan sistem yang dibutuhkan setelah mencapai waktu 10 detik h = 0.1 #delta yang digunakan
nilai = (int)((t - t0)/h) #menghitung jumlah increment for i in range(1, nilai + 1): k1 = h * DiferensialV(t0, v0) #runge kutta k2 = h * DiferensialV(t0 + 0.5 * h, v0 + 0.5 * k1) k3 = h * DiferensialV(t0 + 0.5 * h, v0 + 0.5 * k2) k4 = h * DiferensialV(t0 + h, v0 + k3) v0 = v0 + (1.0 / 6.0)*(k1 + 2 * k2 + 2 * k3 + k4) #sigma nilai k1,k2,k3,k4 ke y' yang baru dan dibagi t0 = t0 + h print("Kecepatan sistem pegas: ",v0, "m/s")
Berikut adalah hasilnya:
Pertemuan Ke-sepuluh
Hari, Tanggal : Rabu, 6 November 2019
Oleh : Dr. Ahmad Indra & Dr. Eng. Radon Dhelika
Kelas kali ini menjelaskan mengenai cara berpikir. Pak Dai menjelaskan mengenai gelombang yang artinya adalah gerakan yang merambat. Menyelasaikan sebuah masalah itu dimulai dari dengan mengetahui masalah bukan hanya mengetahui diketahui, ditanya, jawaban serta mencocokan rumus.
Kami diharapkan menjadi sarjana yang merumuskan masalah hingga dapat membuat solusinya. Hal pertama yang dilakukan sebelum masuk ke tahap metode numerik adalah memahami masalah yang ad. Mengetahui masalah yang ada itu tidak hanya cukup diketahui saja dan lalu memasukkannya ke dalam persamaan yang sudah ada.
Sebagai seorang mahasiswa yang sedang menempuh ilmu teknik mesin, kita harus dapat merumuskan dan menyusun masalah menjadi suatu persamaan bukan hanya menggunakan persamaan yang sudah ada.
Body motion merupakan metode analisis yang dapat digunakan pada sebuah mobil bergerak, sehingga didapatkan power.
Pertemuan Ke-sebelas
Hari, Tanggal : Rabu, 13 November 2019
Oleh : Dr. Ahmad Indra & Dr. Eng. Radon Dhelika
Ada beberapa proses mengelola data seperti contohnya adalah regresi linear dan juga curve fitting
Multiple linear regression merupakan metode optimasi dengan cara menarik garis-garis linear untuk dapat mengetahui kenaikan atau penurunan plot dan mendapat hasil optimum untuk data yang diberikan. Nilai optimasi yang didapat itu bisa nilai maksimum maupun nilai minimum tergantung yang dibutuhkan
Polynomial regression adalah metode plotting grafik dengan mendekati kurva dari suatu grafik yang telah didapatkan
Pertemuan Ke-empatbelas
Hari, Tanggal : Rabu, 14 Desember 2019
Oleh : Dr. Ahmad Indra & Dr. Eng. Radon Dhelika
Pada tugas kali ini, kami diberikan suatu tugas untuk menemukan hubungan antara sudut serang (angle of attack) dan gaya drag dan lift yang terjadi pada suatu bentuk airfoil. Untuk melaksanakan tugas tersebut, kelompok kami melakukan suatu rangkaian tahapan pengerjaan sebagai berikut:
1. Mendesain airfoil dengan menggunakan software CAD (dalam kasus ini kami menggunakan inventor
2. Melakukan analisis fluida dengan software CFD-SOF dengan parameter-parameter yang telah kami tetapkan dan mencari drag dan lift force dengan paraview
3. Plot hasil dan curve fitting dengan menggunakan excel
4. Melakukan optimasi dengan menggunakan Phyton
5. Penarikan kesimpulan
Untuk itu berikut ini akan kami bahas tiap detil dari langkah-langkah tersebut sebagai berikut:
Mendesain airfoil dengan menggunakan software CAD
Dalam tahap ini, kelompok kami memutuskan untuk menggunakan airfoil yang telah umum digunakan yaitu dengan menggunakan airfoil NACA 2410. Pada website *** kami menemukan desain airfoil tersebut (berupa titik-titik) kemudian kami memindahkan titik-titik tersebut ke excel.
Setelah dipindahkan ke excel, titik-titik tersebut dimasukkan ke dalam software Inventor. Sehingga menghasilkan bentuk sebagai berikut:
Airfoil tersebut didesain dengan berbagai sudut serang / angel of attack, yaitu dimulai dari -15 hingga 90 dengan interval 5 derajat
Melakukan analisis fluida dengan software CFD-SOF dan Paraview
Parameter yang dipakai: - Kecepatan 80 m/s - Sedangkan untuk meshing nanti akan kami tunjukkan melalui gambar parameternya (screen shoot)
Scaling
Tindakan ini kami lakukan, karena setelah mengecek ukuran airfoil. Ternyata Airfoil kami berubah ukurannya menjadi jauh lebih besar, sehingga kami lakukan scaling untuk mengembalikan ukurannya menjadi seperti semula
Meshing
Berikut ini parameter-parameter yang kami gunakan dalam simulasi:
Setelah data-data diatas telah didapatkan, langkah selanjutnya adalah untuk mencari drag force dan lift force pada setiap variasi sudutnya menggunakan software CFDSOF. Perhitungan dilakukan dengan kalkulator pada aplikasi third party yaitu paraview. Rumus yang digunakan untuk mendapatkan nilai drag force adalah = p*surface x sedangkan untuk mendapatkan nilai lift force adalah = p*surface y. Dibawah ini adalah salah satu hasil paraview yang kami dapatkan:
Drag Force
Lift Force
Plot hasil dan curve fitting
Kemudian kami mendapatkan nilai-nilai drag force dan lift force pada setiap sudut variasi. Nilai-nilai tersebut kami input dan kami olah pada microsoft excel. Proses yang kami lakukan dinamakan curve fitting, yaitu untuk mendapatkan bentuk persamaan matematis dan juga untuk mendapatkan bentuk grafiknya. Berikut adalah data hasil drag force dan lift force yang kami dapatkan:
Tabel sudut variasi dengan nilai drag force dan lift force yang telah didapatkan:
Grafik yang diperoleh melalui curve fitting di excel
drag force vs sudut:
lift force vs sudut:
Optimasi dengan menggunakan Phyton
Lalu kami mencari nilai optimasi dari masing-masing-masing force:
Optimasi drag force:
Optimasi lift force:
Setelah mendapatkan grafik drag force maupun grafik lift force, yang kami lakukan adalah menggabungkan kedua persamaan tersebut menjadi satu untuk melihat di manakah atau pada nilai berapakah mereka bertemu atau bersinggungan. Hasil dari grafiknya adalah sebagai berikut:
Dikarenakan pada grafik terlihat adanya dua titik yang bersinggungan, maka perlunya optimasi untuk melihat nilai atau titik pasti di mana sudut serang paling optimal. Untuk mendapatkan nilai optimasi kami menggunakan metode numerik dengan bahasa pemrograman python. Hasil pemrograman dibuat sebanyak dua kali yaitu yang pertama adalah menggunakan objective persamaan drag dan yang kedua menggunakan objective persamaan lift. Hasilnya adalah sebagai berikut:
Pertemuan Ke-limabelas
Hari, Tanggal : Rabu, 11 Desember 2019
Oleh : Dr. Ahmad Indra & Dr. Eng. Radon Dhelika
Pada kelas kali ini kami membahas mengenai ANN. ANN adalah sistem pembelajaran terawasi yang dibangun dari sejumlah besar elemen sederhana, yang disebut neuron atau perceptron. Setiap neuron dapat membuat keputusan sederhana, dan memberi makan keputusan itu ke neuron lain, yang diorganisasikan dalam lapisan yang saling berhubungan.
Step atau langkah-langkah dalam pembuatan ANN antara lain adalah: 1. Mempersiapkan data 2. Menambahkan input layers 3. Random w init 4. Menambahkan hidden layers 5. Memilih optimizer, loss, dan performance matrix 6. Menggabungkan model 7. Menggunakan model .fit untuk melatih model 8. Mengevaluasi model 9. Mengadjust parameter optimasi-optimasi atau model jika dibutuhkan