Metode Numerik Asistensi 2021
Contents
About
- Edo Syafei PMDSU
- Candra Damis Widyawati S3
- Josiah Enrico M 19
- Christopher S. Erwin M 18
- Rijal Ghodi M 18
Introduction to Programming
under construction
OpenModelica
OpenModelica adalah aplikasi yang digunakan untuk melakukan pemodelan. OpenModelica memudahkan penyelesaian permasalahan permodelan sistem yang cukup rumit. Coding yang dilakukan dalam OMEdit ditulis berdasarkan bahasa C++.
OpenModelica digunakan untuk kelas Metode Numerik untuk beberapa alasan:
- OpenModelica memampukan kita untuk melakukan pemodelan sitem teknik dengan mudah tanpa terlalu mendalami pengetahuan pemograman dan ilmu komputer.
- OpenModelica adalah software yang Open Source, dengan akses bebas dan terbuka. Karena itu, terdapat banyak pengguna dan software dapat digunakan gratis dengan bebas secara legal.
Class & Function
Ketika membuat file Class baru di OpenModelica, ada pilihan Specialization dimana jenis Class dapat dipilih. Setiap Class mempunyai karakteristik dan tujuan masing-masing. Informasi lebih lanjut tentang setiap jenis Class bisa dibaca dalam dokumentasi disini.
Salah satu jenis Class yang sudah digunakan adalah Model yang dapat melakukan pemodelan dan simulasi. Ada jenis Class lain yaitu Function dimana code yang diketik di dalamnya akan menjadi suatu fungsi yang dapat dipanggil dalam model. Ketika dibuat, Function mempunyai bagian algorithm dimana perhitungan fungsi dimasukkan. Sebelum bagian algorithm, dapat dimasukkan input dan output yang akan ditangani oleh fungsinya.
Sebagai contoh, dibikin suatu fungsi PlusTen yang menambahkan angka 10 ke nilai input x. Fungsi ini terus akan dipanggil dalam model TestPlusTen yang menerima parameter num dan menghasilkan variabel answer. Ketika dicompile, hasil penggunaan fungsi di model ini dapat dilihat.
Contoh fungsi yang menambahkan 10 ke nilai input.
Fungsi dipanggil dalam model.
Hasil model yang menggunakan fungsi.
under construction
Python
Phyton adalah bahasa pemrograman tingkat tinggi yang dewasa ini menjadi standar dalam dunia komputasi ilmiah. Meski begitu, python memiliki struktur kode yang ringkas, fleksibel, dan mudah terbaca. Tersedia secara open source dan multiplatform, Python bisa menjadi opsi terbaik untuk dipelajari oleh bagi mahasiswa yang baru mengenal dunia komputasi.
Selain itu, banyak developer-developer dari belahan dunia berlomba-lomba membuat modul yang “gratis” untuk menunjang kemudahan bahasa Python. Dua modul yang sangat bermanfaat untuk dunia komputasi adalah: NumPy dan SciPy. Ke depan dua modul ini akan dibahas lebih lanjut.
Instalasi
Ada 2 aplikasi minimal yang harus diinstal, yakni Phyton dan IDE Phyton. Python adalah aplikasi dasar dan otak dari komputasi sedangan IDE (Integrated Development Environment) adalah jembatan user untuk menulis, mengedit, mengcompile, dan men-debug kode komputasi Python. Ada beberapa jenis IDE: Spyder, Pycham, Jupiter, Visual Studio Code, dan lain-lain. Namun kali ini, akan digunakan IDE Spyder.
Aplikasi Python dapat diunduh di www.python.org IDE Spyder dapat diunduh di link berikut https://www.spyder-ide.org/ Terdapat banyak sekali dokumentasi Python yang dapat digunakan untuk bahan pembelajaran. Pada IDE Spyder, dapat digunakan perintah help (?) > Python documentation. Link-link berikut dapat menjadi referensi: http://docs.python.org, http://wiki.python.org/moin/BeginnersGuide, https://www.diveintopython.org
Systems of Linear Algebraic Equations
under construction
Gauss Elimination Method
under construction
LU Decomposition Methods
under construction
Numerical Methods
under construction
Bracketing Methods
under construction
Bisection Method
under construction
False Position (Regula Falsi)
under construction
Open Methods
under construction
Newton-Raphson Method
under construction
Secant Method
under construction
Optimization
under construction
Newton's Method
under construction
Parabolic Method
under construction
Golden Section Search
under construction
Powell's Method
Powell's method (Powell's conjugate direction method) is an algorithm proposed by Michael J. D. Powell for finding a local minimum of a function. The function need not be differentiable, and no derivatives are taken. The algorithm iterates an arbitrary number of times until no significant improvement is made. Powell's method can be used for multivariable optimization.
under construction
Case Studies
under construction
2D Truss Analysis
under construction
3D Truss Optimization
under construction
