Muhammad Fadhil Zuhdi

Profil

Nama: Muhammad Fadhil Zuhdi

NPM: 1706036186

Jurusan: Teknik Mesin

TUGAS REVIEW PELAJARAN KELAS METODE NUMERIK

• Resume 1, 3 September 2019[[1]]
• Resume 2, 10 September 2019[[2]]
• Resume 3, 17 September 2019[[3]]
• Resume 4, 24 September 2019[[4]]

Tugas 1, 29 Oktober 2019

Mencari waktu untuk sebuah mobil mencapai kecepatan maksimal

Tugas 2, 03 November 2019

Video tutorial bagaimana cara mencari waktu sebuah untuk mencapai kecepatan maksimal oleh:

• Muhammad Fadhil Zuhdi (1706036186)
• Ilham Hutama Putra (1706036450)
• Afif Abdurrahman Ilmy (1706036280)

Hasil kerja kelompok kami: [5]

Resume Selasa, 5 November 2019

Mencari Waktu untuk Sebuah Mobil Menyentuh Kecepatan Maksimal dengan Metode Runge Kutta

Diberi sebuah studi case untuk mencari waktu sebuah mobil untuk mendapatkan kecepatan maksimal. Dari konsep awal, cara urutan berfikirnya adalah dari real life case, membuat model matematika atau numerik, dan membuat hasil analisis. Pertama kita akan mendapatkan permasalahan engineering. Dari permasalahan tersebut, model matematika atau numerik dibuat. Metode numerik dapat berupa: brainware, software, dan hardware. Kali ini, kita akan menggunakan software untuk menyelesaikan studi kasus ini. Setelah mendapatkan model matematikanya, kita menggunakan metode analisis yang ingin digunakan. Saat ini, kita akan menggunakan runge kutta method.

Runge Kutta Method Metode Runge-Kutta adalah alternatif lain dari metode deret Taylor yang tidak membutuhkan perhitungan turunan. Metode ini berusaha mendapatkan derajat ketelitian yang lebih tinggi, dan sekaligus menghindarkan keperluan mencari turunan yang lebih tinggi dengan jalan mengevaluasi fungsi f(x, y) pada titik terpilih dalam setiap selang langkah. Metode Runge-Kutta adalah metode PDB yang paling popuper karena banyak dipakai dalam praktek.

Bentuk umum metoda Range-Kutta orde-n ialah:

yr+1 = yr + a1k1 + a2k2 + ... + an kn

dengan a1, a2, ..., an adalah tetapan, dan

• k1 = hf (xr , yr)
• k2 = hf (xr + p1h, yr + q11k1)
• k3 = hf (xr + p2h, yr + q21k1 + q22k2)
• kn = hf (xr + pn-1h, yr + qn-1,1 k1 + qn-1,2 k2 + ... + qn-1, n-1 kn-1)

Nilai ai, pi, qij dipilih sedemikian rupa sehingga meminimumkan galat per langkah, dan persamaan (P.8.24) akan sama dengan metode deret Taylor dari orde setinggi mungkin.

• Galat per langkah metode Runge-Kutta orde-n  : O(hn+1)
• Galat longgokan metode Runge-Kutta orde-n  : O(hn)

Orde metode = n

Review Materi 19 November 2019

Materi hari ini yang diberikan adalah tentang optimasi. Optimasi ini dilakukan untuk mengoptimasi suatu output agar optimum. Bekal optimasi ini sangat penting konsepnya karena akan dipakai di kebanyakan riset.

Hal yang pertama dilakukan adalah melihat karakteristik fungsi tersebut untuk dapat melihat titik optimum. Hal-hal apa saja yang dapat diubah sehingga sistem.

Pembuatan tugas kelompok ini ada di sini: [6]

Review Materi Selasa, 26 November 2019

Sebelumnya Pak Dai meminta untuk mempresentasikan progress hasil kerja kelompok kami yang mencari sudut optimal airfoil dengan CFD SOF dan python untuk hari ini. Namun pada hari ini, Pak Dai memutuskan untuk melaksanakan kuis untuk pertemuan ini.

Review Materi Selasa, 3 Desember 2019

Pada hari ini, mahasiswa ajar metode numerik Pak Dai mempresentasikan hasil kerja kelompok kami tentang optimasi sudut airfoil. Berikut adalah hasil presentasi kami.

Spesimen Airfoil

Airfoil yang ditest harus dalam bentuk file .slt. Pembuatan airfoil dapat dilaksanakan dengan Autodesk Inventor.

Spesifikasi airfoil yang akan digunakan:

• (s1223-il) S1223
• Selig S1223 high lift low Reynolds number airfoil
• Max thickness 12.1% at 19.8% chord
• Max camber 8.1% at 49% chord

Simulasi Airfoil

Airfoil yang digunakan dites dengan aplikasi CFDSOF. CFDSOF dapat mencari gaya angkat dan gaya hambat pada suatu objek spesimen. Dalam kasus ini, spesimen adalah airfoil. Namun, terdapat kesalahan teknis saat menggunakan CFDSOF. Ketika memulai membuat mesh, terdapat kesalahan eror berupa kesalahan pada coding dan akan berpengaruh kepada proses selanjutnya. Langkah yang dapat dilakukan adalah dengan menggunakan aplikasi lain seperti XLFR.

Sama seperti menggunakan CFDSOF, hal yang perlu dilakukan adalah menentukan Angle of Attack, properti fluida yang melewati airfoil dan lamanya waktu untuk mengamati simulasi.

Pencarian Nilai Fd dan Fl

Setelah melakukan simulasi, kita hanya perlu mengintegrasi variabel pada simulasi. Lalu mengulanginya dengan variasi AoA yang divariasikan dengan waktu pengamatan yang sama. Maka akan didapatkan,

Optimasi Airfoil

Setelah didapatkan data-data Drag dan Lift Force, yang perlu dilakukan selanjutnya, mencari AoA yang tepat agar mendapatkan Drag Force yang kecil dan Lift Force yang besar. Oleh karena itu, diperlukan peran komputer untuk menghitung dengan bahasa pemrograman yaitu Python agar dapat mencari Sudut Optimasi. Untuk mencari optimasi, diperlukan formula berikut pada Python,

Setelah dituliskan formula untuk mencari formula, mendefinisikan variabel-variabel yang dibutuhkan agar dijadikan pertimbangan oleh bahasa pemrograman pada perhitungan. Proses perhitungan seperti berikut,

Dari hasil perhitungan optimasi sudut serang airfoil untuk mendapatkan Drag Force yang minimal dan Lift Force yang maksimal, didapatkan AoA yang optimum sebesar 18.25 derajat

Review Materi Selasa, 10 Desember

Pada kelas hari ini, kami membahas tentang Artificial Neural Network (ANN). ANN adalah sistem komputasi yang terinspirasi dari jaringan saraf biologis yang membentuk otak hewan. [1] Sistem semacam itu "belajar" untuk melakukan tugas dengan mempertimbangkan contoh-contoh, umumnya tanpa diprogram dengan aturan spesifik tugas. Misalnya, dalam pengenalan gambar, mereka mungkin belajar mengidentifikasi gambar yang mengandung kucing dengan menganalisis contoh gambar yang telah secara manual dilabeli sebagai "kucing" atau "tidak ada kucing" dan menggunakan hasil untuk mengidentifikasi kucing di gambar lain. Mereka melakukan ini tanpa sepengetahuan kucing sebelumnya, misalnya, bahwa mereka memiliki bulu, ekor, kumis dan wajah seperti kucing. Sebaliknya, mereka secara otomatis menghasilkan karakteristik identifikasi dari contoh yang mereka proses.