Rafi Ahmad Eshandra

Nama  : Rafi Ahmad Eshandra

NPM  : 1706986486

Jurusan  : Teknik Mesin

No HP  : 082114306757

KEGIATAN DIKELAS

Assalamualaikum wr.wb

Pada bagian ini saya akan memaparkan hasil pertemuan tiap minggunya pada mata kuliah metode numerik.

'''PERTEMUAN 1 '''

Selasa, 3 September 2019

Metode Numerik adalah teknik yang digunakan untuk memformulasikan persoalan matematika sehingga dapat dipecahkan dengan operasi perhitungan biasa.

Pada pertemuan kali ini materi yang diberikan adalah mengenai pengolahan data dengan keterbatasan kemampuan dalam menghitung. Dimana pengaplikasian

metode numerik sangat berguna dalam kehidupan sehari-hari. Karena hasil yang didapatkan akan lebih presisi dan akurat.

Materi yang diberikan pada pertemuan kali ini adalah Metode Taylor dimana metode ini berfungsi untuk mengaproksimasikan nilai dari sebuah

fungsi.

Dalam hal ini deret tersebut merupakan jumlah tak hingga dari suku pada deret.

Untuk menghitungnya digunakan dengan prinsip turunan pada sebuah titik.

Berikut adalah rumus deret taylor :

'''PERTEMUAN 2'''

Selasa, 10 September 2019

Pertemuan ke-2 kali ini membahas tentang tingkatan bahasa komputer. Bahasa yang paling rendah dalam komputer disebut dengan bahasa binary. Bahasa

binary sendiri hanyalah angka 1 dan 0. Sementara pembelajaran yang ditujukan pada pertemuan kali ini adalah mengenai Pseudocode yang merupakan

algortima yang ditujukan untuk dibaca oleh manusia bukan oleh komputer. Ada pula beberapa pseudocode yang diajarkan dikelas diantaranya

l = r ; err = 1

suku = x

sin = suku, while err > 1e-7

ratio = -x^2/((2*1)*(2*1+1))

suku = suku*ratio

err = abs(suku/sin)

sin = sin + suku

l = l + 1

Itulah beberapa rangkuman materi yang didapatkan pada pertemuan 2 mata kuliah metode numerik

'''PERTEMUAN 3'''

Selasa, 17 September 2019

Pada pertemuan kali ini dibahas mengenai turunan numerik, yang mana dibagi menjadi 3 yaitu maju, mundur dan center. Turunan numerik sendiri adalah

hampiran nilai turunan fungsi f yang diberikan dalam bentuk tabel. Penggunaan metode ini bergantung pada data yang kita inginkan, kita harus

mengidentifikasi terlebih dahulu.

Adapula beberapa rumus mengenai turunan numerik diantaranya :

'''PERTEMUAN 4'''

Selasa, 24 September 2019

Pertemuan kali ini membahas mengenai secant, bisect, dan Newton-Raphson method. Metode-metode ini digunakan untuk pencarian pembuat 0 dari fungsi.

ketiga metode diatas dapat disebut juga dengan root finding algoritma.

1. Secant method sendiri adalah metode yang menggunakan garis secant

2. Bisect method sendiri adalah metode pencarian akar-akar untuk fungis yang terus menerus

3. Newton-Raphson method sendiri adalah metode pencarian akar suatu fungsi f(x) dengan pendekatan satu titik, dimana fungsi f(x) mempunyai turunan.

Itu adalah beberapa metode dari root finding algoritma.

'''PERTEMUAN 5'''

Selasa, 1 Oktober 2019

Pertemuan kali ini membahas mengenai Truncation Error, Rounding Error, Persamaan Banyak. Inti dari pelajaran pertemuan kali ini adalah tiap-tiap

software memiliki truncation error, selain itu tiap metode numerik sendiri memiliki truncaation error pula. Akan tetapi hal-hal tersebut dapat kita

perkecil dengan meshing. Meshing sendiri adalah meshing merupakan pembagian daerah yang dianalisis menjadi partisi-partisi yang sangat kecil, semakin

kecil partisi tersebut maka akan semakin akurat pula hasilnya.

Sementara rounding error adalah kesalahan perhitungan matematis atau kesalahan kuantisasi yang disebabkan oleh perubahan angka menjadi bilangan

bulat. Apabila jumlah pengoperasian perhitungan bertambah banyak maka jumlah rounding akan semakin banyak pula.

Selasa, 29 Oktober 2019

'''TUGAS 1'''

'''PERTEMUAN 6'''

Selasa, 5 November 2019

Pertemuan kali ini membahas mengenai cara menyelesaikan sebuah engineering problem melalui model, study, dan setelah itu menemui solution nya. kami diajarkan tentang cara penggunaan

python dengan cara berfikir "runge-kutta" yang lebih simple dari hitungan dengan taylor series

'''PERTEMUAN 7'''

Selasa, 19 November 2019

Pada pertemuan kali ini kami diajarkan tentang Optimasi Aerodinamik. Optimasi merupakan proses untukmencapai hasil yang maksimal.

Kami diberikan tugas untuk kelompok yaitu untuk mencari Optimasi sudut dari sebuah Airfoil dengan Python.

Untuk mencari optimasi sudut dari sebuah airfoil, pertama kami mendesain airfoil terlbih dahulu menggunakan inventor lalu mensimulasikan airfoil tersebut pada CDFSOF-NG dan akan didapat Lift

Force dan Drag Force pada setiap sudut yang kami tentukan. Selanjutnya kami memasukan data-data tersebut pada Microsoft Excel dan didapatkan grafik gaya terhadap sudut kemiringan beserta

persamaannya. Persamaan yang didapat tersebut selanjutnya akan disimulasikan pada aplikasi python yaitu Jupyter dan dari aplikasi tersebut akan didapatkan hasil optimasinya.

'''PERTEMUAN 8'''

Selasa, 26 November 2019

Pada pertemuan kali ini, kami diberikan kuis. Kuis yang diberikan oleh Pak Dai terdiri dari 4 soal, yakni:

1. Apa perbedaan paham dengan tahu

2. Apa yang didapat dari belajar Metode Numerik selama ini

3. Mengapa Pak Dai memakai peci

4. Cara/metode yang dapat digunakan untuk menyelesaikan persamaan Limit

Kuis kali ini bertujuan untuk mengevaluasi pelajaran yang telah diterima sejauh ini serta untuk merefleksi diri sendiri

'''PERTEMUAN 9'''

Selasa, 3 Desember 2019

Pada pertemuan kali ini membahas mengenai optimasi. Dimana optimasi adalah mencari angka yang paling dinamis dalam suatu airfoil. Kami diminta untuk mencari angle of attack atau sudut terbaik

untuk take off pada suatu pesawat dengan menggunakan applikasi CFD Soft NG

'''PERTEMUAN 10'''

Selasa, 10 Desember 2019

Pertemuan kali ini kami belajar mengenai ANN. ANN atau Artificial Neural Network merupakan sistem pembelajaran terawasi yang dibangun dari sejumlah besar elemen sederhana, yang disebut neuron

atau perceptron. ANN dapat digunakan untuk kami menguji hasil antara yang diharapkan dengan realisasinya.

Tahapan-tahapan membuat ANN adalah :

1. Menambahkan Lapisan Input

2. Acak dengan Init

3. Tambahkan lapisan tersembunyi

4. Pilih pengoptimal, kehilangan dan metrik kinerja

5. Kompilasi model menggunakan model.fit untuk melatih model

6. Evaluasi model tersebut

7. Sesuaikan parameter atau model optimasi jika perlu

Akan didapatkan output real vs Output prediksi