Difference between revisions of "Report Tugas Kelompok 10 : Metode Numerik 2019"
Puntasingga (talk | contribs) |
Puntasingga (talk | contribs) |
||
| (10 intermediate revisions by 2 users not shown) | |||
| Line 1: | Line 1: | ||
| − | + | '''Bismillahirrahmanirrahim''' | |
| + | |||
| + | |||
| + | '''Assalamu'alaikum Warahmatullahi Wabarakatuh.''' | ||
| + | ---- | ||
| + | == '''Profile Kelompok''' == | ||
| + | ---- | ||
- Bintang Farhan Muhammad (1706986334) | - Bintang Farhan Muhammad (1706986334) | ||
| Line 16: | Line 22: | ||
Dari hasil pemodelan tersebut kami lakukan perhitungan dengan metode numerik untuk mendapatkan grafik respon transien agar diketahui kecepatan maksimumnya. Code yang kami tulis dapat dilihat pada gambar dibawah ini. | Dari hasil pemodelan tersebut kami lakukan perhitungan dengan metode numerik untuk mendapatkan grafik respon transien agar diketahui kecepatan maksimumnya. Code yang kami tulis dapat dilihat pada gambar dibawah ini. | ||
| + | |||
| + | [[File:Metode Numerik 111.mp4]] | ||
[[File:Capture11111.PNG]] | [[File:Capture11111.PNG]] | ||
| Line 26: | Line 34: | ||
Setelah didapatkan data tersebut, kami melakukan coding pada program python, dan dilakukan scatter plot. Dapat dilihat bahwa trend grafik cendrung linear sehingga kami memutuskan untuk menggunakan regresi linear. Code Python dapat dilihat pada gambar dibawah ini. | Setelah didapatkan data tersebut, kami melakukan coding pada program python, dan dilakukan scatter plot. Dapat dilihat bahwa trend grafik cendrung linear sehingga kami memutuskan untuk menggunakan regresi linear. Code Python dapat dilihat pada gambar dibawah ini. | ||
| + | |||
| + | [[File:Metnum 2222.mp4]] | ||
[[File:Capture33333.PNG]] | [[File:Capture33333.PNG]] | ||
| Line 45: | Line 55: | ||
hal pertama yang dilakukan adalah modelling menggunakan inventor. | hal pertama yang dilakukan adalah modelling menggunakan inventor. | ||
| − | [[File:Screenshot (19).png| | + | [[File:Screenshot (19).png|600px]] |
| − | [[File:Screenshot (101).png| | + | [[File:Screenshot (101).png|600px]] |
Selanjutnya kami mencari persamaan dengan regresi linear. | Selanjutnya kami mencari persamaan dengan regresi linear. | ||
| Line 53: | Line 63: | ||
Dilakukan regresi polynomial dengan tiga cara : | Dilakukan regresi polynomial dengan tiga cara : | ||
| − | + | ''Excel'' | |
| − | + | ||
| − | + | ''Polynomial regression'' | |
| + | |||
| + | ''Multiple linear regression'' | ||
| + | |||
| Line 62: | Line 75: | ||
| − | [[File:Screenshot (2).png| | + | [[File:Screenshot (2).png|600px]] |
| − | [[File:Screenshot (103).png| | + | [[File:Screenshot (103).png|600px]] |
| − | [[File:Screenshot (4).png| | + | [[File:Screenshot (4).png|600px]] |
| + | |||
| + | |||
'''Dengan multiple linear regression''' | '''Dengan multiple linear regression''' | ||
| Line 72: | Line 87: | ||
[[File:12345.PNG]] | [[File:12345.PNG]] | ||
| − | [[File:Screenshot (6).png| | + | [[File:Screenshot (6).png|600px]] |
| − | [[File:Screenshot (7).png| | + | [[File:Screenshot (7).png|600px]] |
| − | [[File:Screenshot (80).png| | + | [[File:Screenshot (80).png|600px]] |
| − | [[File:Screenshot (9).png| | + | [[File:Screenshot (9).png|600px]] |
| + | |||
| + | |||
'''Dengan Polynomial Regression''' | '''Dengan Polynomial Regression''' | ||
| Line 83: | Line 100: | ||
[[File:1234.PNG]] | [[File:1234.PNG]] | ||
| − | [[File:Screenshot (11).png| | + | [[File:Screenshot (11).png|600px]] |
| − | [[File:Screenshot (12).png| | + | [[File:Screenshot (12).png|600px]] |
| + | |||
| + | |||
Lalu didapatkan regresi linearnya sebagai berikut : | Lalu didapatkan regresi linearnya sebagai berikut : | ||
| − | [[File:Screenshot (131).png| | + | [[File:Screenshot (131).png|600px]] |
| + | |||
| + | |||
| + | Setelah itu dilakukan coding didalam phyton, ada 2 metode yang kami lakukan dalam optimasi kali ini, yaitu SLSQP dan Gradient Method. | ||
| + | |||
| + | |||
| + | |||
| + | '''SLSQP''' | ||
| + | |||
| + | [[File:Picture11111.png|600px]] | ||
| + | [[File:Picture2222.png|600px]] | ||
| + | [[File:Picture3333.png|600px]] | ||
| + | |||
| + | '''Gradient method''' | ||
| + | |||
| + | Pada gradient method, Digunakan penurunan secara metode numerik. pada metode ini, ,menggunakan fungsi dari excel karena paling mendekati bentuk hasil simulasi. Pada metode ini juga, dilakukan while loop hingga gradien sama dengan nol. | ||
| + | |||
| + | [[File:Picture4444.png]] | ||
| + | [[File:Picture5555.png]] | ||
Latest revision as of 19:52, 14 December 2019
Bismillahirrahmanirrahim
Assalamu'alaikum Warahmatullahi Wabarakatuh.
Contents
Profile Kelompok
- Bintang Farhan Muhammad (1706986334)
- Punta Singga Parasdya (1706986473)
- Muhammad Mizan (1806149192)
- Muhammad Abi Rizky (1706036311)
Tugas Pertama, Pemodelan Matematika Mobil, dan Kecepatan Maksimal dengan Metode Runge-Kutta
Pada tugas ini, kami melakukan pemodelan matematika pada mobil untuk menghitung kecepatan maksimal mobil. Pemodelan dilakukan dengan membuat FBD pada mobil, dengan hanya memperhitungkan drag force dan gaya gesek dengan jalan. Diasumsikan mechanical loss pada transmisi tidak ada, begitu juga dengan loss lainnya sehingga daya baterai mobil ditransmisikan 100% ke roda. Kami memilih mobil Tesla sebagai bahan dalam pemodelan ini, dengan spesifikasi mobil sebagai berikut:
Dengan spesifikasi tersebut, didapatkan hasil pemodelan seperti ini.
Dari hasil pemodelan tersebut kami lakukan perhitungan dengan metode numerik untuk mendapatkan grafik respon transien agar diketahui kecepatan maksimumnya. Code yang kami tulis dapat dilihat pada gambar dibawah ini.
Tugas Kedua, Curve Fitting Drag Force Mobil
Pada tugas ini kami mensimulasikan drag force pada mobil dengan menggunakan CFDSOF-NG. Model mobil yang digunakan dapat dilihat seperti pada gambar dibawah ini. Kami melakukan simulasi dengan rentang kecepatan 0-50m/s dengan interval 5m/s dan didapatkan data sebagai berikut:
Setelah didapatkan data tersebut, kami melakukan coding pada program python, dan dilakukan scatter plot. Dapat dilihat bahwa trend grafik cendrung linear sehingga kami memutuskan untuk menggunakan regresi linear. Code Python dapat dilihat pada gambar dibawah ini.
Tugas Ketiga, Optimasi Airfoil Menggunakan Python dengan Simulasi CFDSOF-NG
Pada tugas ini kami ditugaskan untuk mencari sudut optimal airfoil dengan menggunakan CFDSOF-NG.
hal pertama yang dilakukan adalah modelling menggunakan inventor.
.png)
.png)
Selanjutnya kami mencari persamaan dengan regresi linear. Grafik naik turun mendekati persamaan polynomial pangkat enam.
Dilakukan regresi polynomial dengan tiga cara :
Excel
Polynomial regression
Multiple linear regression
Dengan excel
.png)
.png)
.png)
Dengan multiple linear regression
.png)
.png)
.png)
.png)
Dengan Polynomial Regression
.png)
.png)
Lalu didapatkan regresi linearnya sebagai berikut :
.png)
Setelah itu dilakukan coding didalam phyton, ada 2 metode yang kami lakukan dalam optimasi kali ini, yaitu SLSQP dan Gradient Method.
SLSQP
Gradient method
Pada gradient method, Digunakan penurunan secara metode numerik. pada metode ini, ,menggunakan fungsi dari excel karena paling mendekati bentuk hasil simulasi. Pada metode ini juga, dilakukan while loop hingga gradien sama dengan nol.
