Metnum03 Ikhsanul Fikri Fakhrurrozi

From ccitonlinewiki
Revision as of 08:27, 30 November 2020 by Ikhsanul ff (talk | contribs) (Pertemuan Ketiga)
Jump to: navigation, search

Alhamdulillah, segala puji bagi Allah SWT dan sholawat serta salam kepada Nabi Muhammad SAW, Perkenalkan nama saya Fikri, informasi singkat saya dapat dilihat sebagai berikut :

FOTO 100 kb.jpeg

Nama : Ikhsanul Fikri Fakhrurrozi

Email : ifikrifakhrurrozi97@gmail.com








Pertemuan Pasca UTS

Pertemuan Pertama


Hari, Tanggal : Senin 9 November 2020 Oleh : Dr. Ahmad Indra


Pada pertemuan pertama Pak Dai memberikan PR, sebagai berikut :

1. apa saja yang sudah dipelajari di metode numerik?

2. Buatlah video tentang aplikasi Open Modelica.


Metode bisection

Metode bisection merupakan salah satu metode incremental search yang mana interval dari dua titik x dibagi dua sehingga mendapatkan nilai x lagi. Berikut adalah langkah-langkah metode bisection :

• Lakukan tembakan pada dua titik terendah (xi) dan titik tertinggi (xu). • Kemudian carilah xr dengan menjumlahkan antara xi dan xu kemudian hasil dari penjumlahan tersebut dibagi dua. • Lakukan evaluasi sebagai berikut :

Jika f(xl) f(xr) < 0, akar persamaan terletak di sub interval terendah. Jadi, atur xu = xr kemudian kembali ke langkah 2.

Jika f(xl) f(xr) > 0, akar persamaan terletak di sub interval tertinggi. Jadi, atur xi = xr kemudian kembali ke langkah 2.

Jika f(xl) f(xr) = 0, akar persamaan sama dengan xr. Sehingga hentikan perhitungan.

Metode Newton-Raphson

Metode newton-raphson dapat diwakili dengan formula berikut :

NR formula.PNG

Kemudian aplikasi dari metode Newton-Raphson adalah sebagai berikut :


NR ex.PNG


Perhitungan nilai persentase error antara nilai akhir dan nilai awal adalah selisih antara nilai awal dan nilai akhir dibagi dengan nilai akhir kemudian hasilnya dikalikan 100 untuk mendapatkan persentase dari nilai errornya.

Error formula.PNG

Metode Sekan

Metode sekan dapat diwakili dengan formula berikut :

Sekann formula.PNG

Aplikasinya dapat dilihat pada contoh soal berikut :


Sekan formula.PNG


Kemudian untuk aplikasi penggunaan openmodelica saya berikan penjelasannya dalam bentuk video dengan link berikut ini :

Aplikasi Least Square Fit Regression pada Openmodelica


Pertemuan Kedua


Hari, Tanggal : Senin 16 November 2020 Oleh : Dr. Ahmad Indra


Pada pertemuan hari ini pak Dai mengevaluasi hasil belaja mahasiswa terkait dengan penggunaan aplikasi openmodelica. Kemudian mahasiswa diminta untuk membuat coding sederhana terkait nilai rata-rata 10 sample. Berikut saya lampirkan hasil coding dan simulasinya.


coding


hasil


PR Aljabar Simultan dengan Openmodelica

Kemudian pada hari ini juga pak Dai memberikan PR kepada mahasiswa berupa aplikasi penyelesaian problem aljabar simultan baik itu menggunakan metode gauss elimination, gauss-seidell, dll. Kemudian saya menggunakan persamaan berikut ini dalam menyelesaikan problem aljabar simultan menggunakan gauss elimination :


persamaan aljabar


kemudian saya menyelesaikan persamaan aljabar tersebut dengan menggunakan metode gauss elimination di software openmodelica. berikut adalah hasil codingnya :


coding


Pada coding ini saya menggunakan fasilitas library pada openmodelica yaitu "Modelica.Math.Matrices.solve(A,b)" untuk menyelesaikan problem aljabar tersebut. Kemudian hasil dari coding tersebut adalah sebagai berikut :


persamaan aljabar


Hasil dari gauss elimination tersebut adalah x1 = -41, x2 = 26, x3 = 12, x4 = 1.


Pertemuan Ketiga


Hari, Tanggal : Senin 23 November 2020 Oleh : Dr. Ahmad Indra


Pada hari ini pak Dai membahas tentang respon dan displacement dari permasalahan berupa rangkaian pegas, kemudian dilakukan pembuktian terhadap perhitungan tersebut.


Pegas iff.PNG


1. massa 1


  2k(x2-x1)+(m1*g)-(k*x1) = m1*(d^2x1/dt^2) ---> karena tidak ada percepatan searah sumbu x maka d^2x1/dt^2 = 0,
  Sehingga 3kx1-3kx2 = m1*g.


2. massa 2


  2(m2*g+[k(x3-x2)]-2k(x2-x1) = 0
  3kx2-2kx1-kx3 = m2*g.


3. massa 3


  m3*g-k(x3-x2) = 0
  kx3-kx2 = m3*g.