Difference between revisions of "Metnum03-Khairul Hasibullah"

From ccitonlinewiki
Jump to: navigation, search
(PERTEMUAN 3)
Line 125: Line 125:
 
hukum Hooke
 
hukum Hooke
  
 
+
[[File:rumusspringmass.png|500px|thumb|left|penjabaran hukum hooke]]
  
  
Line 136: Line 136:
  
 
Ini merupakan contoh yang digunakan pada dibukuu
 
Ini merupakan contoh yang digunakan pada dibukuu
 +
 +
[[File:contohmodelspringmass.png|500px|thumb|center|soal spring mass]]
 +
 +
  
  
 +
Untuk penjabaran gaya-gaya yang bekerja pada masing-masing massa adalah sebagai berikut:
  
Untuk penjabaran gaya-gaya yang bekerja pada masing-masing massa adalah sebagai berikut
+
[[File:pebjabarangayaspringmass.png|500px|thumb|center|penjabaran gaya-gaya yang bekerja]]
  
  

Revision as of 10:57, 30 November 2020

Assalamualaikum Warahmatullahi Wabarakatuh


Biodata

Nama: Khairul Hasibullah

NPM : 1806233335

Hobi: Membaca buku

Pertemuan 1

Sebelum UTS Kami mempelajari berbagai hal yaitu:

1. Deret mclaurin Deret mclaurin berkaitan dengan deret taylor dimana deret mclaurin dimana deret mclaurin adalah bentuk khusus dari deret taylor dimana fungsinya diekspansi disekitar c=0

deret mclaurin memiliki bentuk sebagai berikut

File:Deretmclaurin.png
deret mclaurin



Deret mclaurin digunakan untuk membantu kita mencari nilai dari sebuah persamaan dimana akar dari persamaannya yang dicari angka yang tidak bulat, seperti sin 27,5 atau sebagainya

2. Open method and barcekting method Open dan bracketing method merupakan metode yang digunakan untuk mencari nilai akar-akar dari sebuah persamaan, Open method dan bracketing method hanya dibatasi pada kondisi konvergen

open method terdiri simple fixed point, newton raphson, secant , and brents bracketing method terdiri dari graphical method, bisection method, false position method

3. Regresi Linear regresi linear adalah sebuah pendekatan untuk memodelkan hubungan antara variable terikat Y dan satu atau lebih variable bebas yang disebut X. Salah satu kegunaan dari regresi linear adalah untuk melakukan prediksi berdasarkan data-data yang telah dimiliki sebelumnya. Hubungan di antara variable-variabel tersebut disebut sebagai model regresi linear. Berdasarkan penggunaan variable bebas, maka regresi linear dapat dibagi menjadi dua, yaitu regresi linear univariate dan regresi linear multivariate.

Persamaan umum regresi linear: Y=ax+b

dimana

File:Regresilinear.png
regresi linear




4. Turunan Numerik Turunan numerik digunakan dalam menentukan nilai turunan fungsi f berdasarkan pada tabel, dimana ada tiga bentuk turunan yaitu:

 a. forward differential


 b. backward differential
  
File:Backwarddiff.png
turunanmundur



 c. center differential
File:Centerdiff.png
turunan central



tutorial open modelica tentang pendulum

https://www.youtube.com/watch?v=CdaQzhmoHDY


Pertemuan 2

Pada pertemuan 2 kemarin, seperti yang telah dijelaskan sebelumnya, pak Dai memberi kami tugas untuk menyelesaikan salah satu persamaan linear simultan dengan open modelica. saya memilih untuk mengerjakan Metode Gauss Elimination sebagai objek percobaan saya didalam penyelesaian modelica. pertama-tama saya mencari soal tentang 3 persamaan linear 3 variable yang nantinya akan diubah menjadi matriks 3x3 dengan persamaan A*B=C. dimana matriks A[3x3], B[3], dan C[3]. soulusi yang dicari adalah pada nilai B1,B2, dan B3.

berikut contoh soal saya

soal persamaan linear simultan

Setelah itu, persamaan2 tersebut dibuat dalam bentuk matriks sebelum diselesaikan menggunakan gauss, menjadi

matrik eliminasi gauss


sesuai dengan perintah pak dai, kita dianjurkan membuat 2 kelas dalam modelica. yang pertama adalah kelas function dimana kita memasukan fungsi algoritma nya. dan kelas yang kedua adalah class dimana nanti function tadi di recall dan dimasukan variable nya lalu solve dilakukan..

Function Class

kelas function

function class diisi dengan mendeclare nilai input,outputdan logartima dimana input  : A[3,3] dan C[3]

output  : B[3]

Logaritma : B:=Modelica.Math.Matrices.solve(A,C)

logaritma menggunakan fungsi yang sudah ada didalam modelica yaitu fungsi matrices untuk gauss elimination.


Class gauss elimination

class elimasi gauss

dalam kelas ini, fungsi tadi yang bernama "fungsii" direcall pada kolom equation dengan memasukan A&C sebagai inputnya dan B outputnya. namun sebelum itu terlebih dahulu saya mendeclare nilai2 inputanya tadi seperti digambar atas tersebut.


Hasil

simulasi eliminasi gauss
hasil eliminasi gauss

setelah itu, kita dapat melakukan plotting dan mendapatkan hasilnya. dari gambar tersebut kita dapat mengetahui nilai dari B adalah = 0.94 , 1.59 , -0.12

PERTEMUAN 3

Pada pertemuan ketiga kami mempelajari tentang spring mass system dimana persamaan umum untuk penyelasaian spring mass system menggunakan hukum Hooke

penjabaran hukum hooke


dimana

m: massa benda x: perpindahan Fd dan Fu: merupakan gaya yang bekerja pada benda seperti gaya pegas maupun gaya gravitasi


Ini merupakan contoh yang digunakan pada dibukuu

soal spring mass



Untuk penjabaran gaya-gaya yang bekerja pada masing-masing massa adalah sebagai berikut:

File:Pebjabarangayaspringmass.png
penjabaran gaya-gaya yang bekerja


Selanjutnya untuk massa 1=

1.) Subjek Massa 1

    2K(x2-x1)-Kx1+m1g= m d^2 x1/dt^2    dikarenakan tidak adanya percepatan pada sistem maka m d^2 x1/dt^2 =0
    3kx1 - 2kx2=m1g ......(1)

2.) Subjek Massa 2

     k(x3-x2) - (2k(x2-x1))+m2g=0
    -kx3 + 3kx2-2kx1=m2g ......(2)

3.) Subjek Massa 3

     -k(x3-x2) +m3g=0
      -kx2 + kx3=m3g .......(3)



Ini merupakan proses pengerjaan saya pada open modelica


kelas fungsi spring mass
class spring mass
hasil displacement spring mass