Difference between revisions of "Almacho Rachmanudiputra"

From ccitonlinewiki
Jump to: navigation, search
Line 258: Line 258:
 
if __name__ == "__main__":
 
if __name__ == "__main__":
 
     main()
 
     main()
 +
 +
Nomor 2 :
 +
 +
import numpy as np
 +
 +
def diff_y (x,y) :
 +
    fungsi = x**2 - 4*y
 +
    return (fungsi)
 +
x = 0
 +
y = 1
 +
h = 0.01
 +
step_size = np.arrange (0,0.03,h)
 +
 +
for t in step_size :
 +
    k1 = diff_y (x,y)
 +
    k2 = diff_y ((x+0,5*h), (y+0.5*k1*h))
 +
 +
    y = y + k1*h
 +
 +
print ('maka y(0.03) adalah', y)

Revision as of 15:07, 14 October 2019

Nama : Almacho Rachmanudiputra

Jurusan : Teknik Mesin Paralel Universitas Indonesia

NPM : 1706026701

Biografi dan Riwayat Pendidikan

Lahir  : Jakarta, 23 Oktober 1998

2002-2003 : Sakinah Al Azhar Rawamangun

2003-2005 : TK Islam Al Azhar Rawamangun

2005-2011 : SDI Al Azhar 13 Rawamangun

2011-2014 : SMP Negeri 115 Jakarta

2014-2017 : SMA Negeri 8 Jakarta

2017-  : S1 Teknik Mesin Paralel Universitas Indonesia


Kelas Mekanika Fluida



https://youtu.be/JlW4K9E_xXw

Studi Kasus Bab 8-11 Mekanika Fluida


Studi Kasus Bab 8-11 - Almacho Rachmanudiputra

Hasil Belajar Pemrograman Python/C++

Di minggu pertama saya mencoba untuk mengunduh aplikasi python namun saya belum menemukan crack file tersebut. Lalu saya membaca e-book panduan python, disitu saya membaca peraturan penulisan sintaks pada python yang harus dipenuhi, antara lain penulisan statement, penulisan string, penulisan case, penulisan blok, serta cara menulis komentar di python. Untuk penulisan komentar biasanya menggunakan tanda baca pagar (#), serta menggunakan tanda petik ('). Terakhir saya membaca berbagai macam penulisan blok seperti blok percabangan, blok fungsi, blok perulangan, blok class, blok exception, dan block with.

Statement = instruksi yang akan dieksekusi oleh komputer.

String = teks atau kumpulan karakter.

Blok program = kumpulan dari beberapa statement yang dikumpulkan menjadi satu blok.

Contoh Pengerjaan Phython :

x1 = 0

dx1 = ('0.1')

dx = float (dx1)

x2 = x1+dx

Fx_1 = ((x2**2)-1) / (x1-1)

n = 1 error = 0

print ("n x F(x) error")

print (n," ",x1," ",Fx_1," ",error)

while x2<1 :

Fx_2 = ((x2**2)-1) / (x2-1)

error = ((Fx_2-Fx_1) / Fx_1)

Fx_1 = Fx_2

n = n+1

print (n," ",x1," ",Fx_1," ",error)

x2=x2+dx

Hiburan 1

x1 = 0

dx1 = ('0.1')

dx = float (dx1)

x2 = x1+dx

Fx_1 = ((x2**2)-1) / (x1-1)

n = 1 error = 0

print ("n x F(x) error")

print (n," ",x1," ",Fx_1," ",error)

while x2<1 :

Fx_2 = ((x2**2)-1) / (x2-1)

error = ((Fx_2-Fx_1) / Fx_1)

Fx_1 = Fx_2

n = n+1

print (n," ",x1," ",Fx_1," ",error)

x2=x2+dx

Hiburan 2

Konversi dar Eliminasi dengan metode Gaussian

6x1 + 4x2 = 50

2x1 + x3 + 4x4 = 50

7x2 + 3x3 + 4x4 = 50

4x1 + 4x3 = 50

Masukkan kedalam persamaan matriks

[[6, 4, 0, 0,][2, 0, 1, 4][0, 7, 3, 4][4, 0, 4, 0]]

Lalu masukkan matriks kedalam program Phyton

import numpy as np

A = np. array ([[6, 4, 0, 0], [2, 0, 1, 4], [0, 7, 3, 4], [4, 0, 4, 0]], float)

B = np.array ([50, 50, 0, 0], float)

n = len (A)

Gunakan eliminasi Gauss

for k in range(0,n-1) :

for i in range (k+1,n) :

if A[i,k]! = 0 :

lam = A[i,k]/A[k,k]

A[i,k:n] = A[i,k:n] - (A[k,k:n]*lam)

B[i] = B[i] - B[k]*lam

x = np.zeros(n,float)

for m in range(n-1,-1,-1) :

X[m] = (B[m] - np.dot(A[m,m+1:n],x[m+1:n])/A[m,m]

Hiburan 4 dan 5

Pada hiburan minggu ke-4 & ke-5, saya menggunakan matriks dalam menyelesaikan suatu persoalan yang menggunakan persamaan. Dikerjakan dalam Python dengan memasukkan modul pengerjaan.


Secara teori, digunakan hukum kontinuitas massa sehingga didapati rumus Q*p=Q*p dan didapatakan 4 persamaan dengan 4 variabel

6C1 - 4C2 = 50

-2C1 - 1C3 + 4C4 = 50

7C2 - 3C3 - 4C4 = 0

-4C1 + 4C3 = 0


6C1 - 4C2 + 0C3 + 0C4 = 50

-2C1 + 0C2 - 1C3 + 4C4 = 50

0C1 + 7C2 - 3C3 - 4C4 = 0

-4C1 + 0C2 + 4C3 + 0C4 = 0

Kemudian, persamaan - persamaan ini dimasukkan kedalam python untuk di hitung hasil persamaannya.

Kuis

Nomor 1 :

import numpy as np


class GEPP():

   def __init__(self, A, b, doPricing=True):
       #super(GEPP, self).__init__()
       self.A = A                      # input: A is an n x n numpy matrix
       self.b = b                      # b is an n x 1 numpy array
       self.doPricing = doPricing
       self.n = None                   # n is the length of A
       self.x = None                   # x is the solution of Ax=b
       self._validate_input()          # method that validates input
       self._elimination()             # method that conducts elimination
       self._backsub()                 # method that conducts back-substitution
   def _validate_input(self):
       self.n = len(self.A)
       if self.b.size != self.n:
           raise ValueError("Invalid argument: incompatible sizes between" +
                            "A & b.", self.b.size, self.n)
   def _elimination(self):


       # Elimination
       for k in range(self.n - 1):
           if self.doPricing:
               # Pivot
               maxindex = abs(self.A[k:, k]).argmax() + k
               if self.A[maxindex, k] == 0:
                   raise ValueError("Matrix is singular.")
               # Swap
               if maxindex != k:
                   self.Ak, maxindex = self.Amaxindex, k
                   self.bk, maxindex = self.bmaxindex, k
           else:
               if self.A[k, k] == 0:
                   raise ValueError("Pivot element is zero. Try setting doPricing to True.")
           # Eliminate
           for row in range(k + 1, self.n):
               multiplier = self.A[row, k] / self.A[k, k]
               self.A[row, k:] = self.A[row, k:] - multiplier * self.A[k, k:]
               self.b[row] = self.b[row] - multiplier * self.b[k]
   def _backsub(self):
       # Back Substitution
       self.x = np.zeros(self.n)
       for k in range(self.n - 1, -1, -1):
           self.x[k] = (self.b[k] - np.dot(self.A[k, k + 1:], self.x[k + 1:])) / self.A[k, k]


def main():

   A = np.array([[1., 2., 0., -2., 0.],
                 [0., 1., 0., 2., -1.],
                 [0., 0., 2., 1., 2.],
                 [0., 0., 0., -1., 1.],
                 [0., 1., -1., 1., -1.]])
   b = np.array([[-4.],
                 [1.],
                 [1.],
                 [-2.],
                 [-1.]])
   GaussElimPiv = GEPP(np.copy(A), np.copy(b), doPricing=False)
   print(GaussElimPiv.x)
   print(GaussElimPiv.A)
   print(GaussElimPiv.b)
   GaussElimPiv = GEPP(A, b)
   print(GaussElimPiv.x)

if __name__ == "__main__":

   main()

Nomor 2 :

import numpy as np

def diff_y (x,y) :

   fungsi = x**2 - 4*y
   return (fungsi)

x = 0 y = 1 h = 0.01 step_size = np.arrange (0,0.03,h)

for t in step_size :

   k1 = diff_y (x,y)
   k2 = diff_y ((x+0,5*h), (y+0.5*k1*h))
   y = y + k1*h

print ('maka y(0.03) adalah', y)