Ryanson Jonathan

From ccitonlinewiki
Revision as of 15:55, 17 December 2019 by RyansonJ (talk | contribs) (Perlengkapan)
Jump to: navigation, search
Ryanson di tahun 2019.

Ryanson Jonathan (lahir di Jakarta, 5 Mei 2000, umur 19) merupakan seorang mahasiswa Fakultas Teknik Universitas Indonesia, mengambil jurusan Teknik Mesin. Selain itu, Ryanson juga menjalani kanal YouTube, dan akan mengeluarkan musik dengan nama Pinterbanget.


Metode Numerik

Mengapa mahasiswa Teknik Mesin harus mempelajari Kalkulus

Menurut Ryanson, mahasiswa Teknik Mesin harus belajar Kalkulus karena pada dasarnya Kalkulus adalah hal yang paling mendasar yang diperlukan untuk mempelajari hal-hal yang lebih mendalam. Ilmu-ilmu dan konsep yang dipelajari pada Kalkulus pada nantinya akan dipakai di mata kuliah lain, seperti Termodinamika Dasar dan Matematika Teknik.

Mengenal Python

Python adalah sebuah bahasa coding atau bahasa pemrograman yang digunakan untuk menyelesaikan suatu masalah.

Flowchart

Terdapat sebuah formula: 

T=(x^2-1)/(x-1)

Formula ini dapat diselesaikan menggunakan flowchart, dengan metode sbb:

Letitflowwrj.jpg

Memindahkan flowchart kedalam Python

Kemudian, flowchart dapat direpresentasikan dalam kode Python sebagai berikut:

Ryansonj tugas1.png

Tuples dan Lists

Pada pertemuan kedua, dibahas mengenai dasar-dasar Python, yang beberapa sudah saya singgung di kode yang sudah digunakan di atas. Salah satu hal yang dapat dilakukan dalam Python adalah pembentukan Tuples dan Lists, yang mana Tuples berarti data yang terdapat lebih dari 1 dan Lists berarti data dalam bentuk daftar yang nantinya dapat ditambahkan. 

tupel = ("Ryanson", "Jonathan", (5,5,2000))
firstname,lastname,date = tupel
print("Halo! Nama saya ", firstname, lastname, ". Saya biasa dipanggil ", firstname, ". Saya lahir tanggal", date[0], ", bulan", date[1], ", tahun ", date[2], ".")

Hasil dari kode diatas: "Halo! Nama saya Ryanson Jonathan. Saya biasa dipanggil Ryanson. Saya lahir tanggal 5, bulan 5, tahun 2000." 

daftar = []
daftar.append("Telur")
daftar.append("Tepung")
daftar.append("Susu")
print("Daftar belanja untuk bulan ini: ", daftar)

Hasil dari kode diatas: "Daftar belanja untuk bulan ini: ['Telur', 'Tepung', 'Susu']"

Deret Fibonacci

Pada minggu ketiga, diberikan soal untuk membuat program untuk menyelesaikan deret Fibonacci, sehingga user dapat memasukkan suatu angka (n) dan dapat mengetahui suku ke-n dalam deret Fibonacci.

Dalam menyelesaikan masalah ini, dapat ditentukan 2 pendekatan:

1. Loop

Metode loop digunakan memakai fungsi def, if, else:

Ryansonfiboloop.png

2. Function

Metode function digunakan memakai rumus yang sudah ada untuk langsung mencari deret Fibonacci:

Ryansonfibofunc.png

Pengerjaan dilakukan menggunakan algoritma Gauss seperti yang ada di buku Phyton. Namun, yang membedakan adalah tidak menggunakan module pada pengerjaan ini. Berikut adalah algoritma yang sudah dirancang berdasarkan soal pada buku Phyton :

Algoritma yang kami gunakan adalah sebagai berikut: 

a = [[2,-3,-1], \
[3,2,5], \
[2,4,4]]
b = [[3], \
[-9], \
[-5]]
n = len(b)
for k in range(0, n-1):
  for i in range(n-1, k, -1):
    if a[i][k] != 0.0:
      op= a[i][k]/a[i-1][k]
      b[i][0]=b[i][0]-op*b[i-1][0]
      for f in range(0,n):
        a[i][f]=a[i][f]-op*a[i-1][f]
Hasil=['Hasilnya']
if a[2][2] !=0:
  z=b[2][0]/a[2][2]
else:
  z=0
if a[0][0] !=0:
  y=(b[1][0]-z*a[1][2])/a[1][1]
else:
  y=0
if a[0][0] !=0:
  x=(b[0][0]-z*a[0][2]-y*a[0][1])/a[0][0]
else:
  x=0
hasil=(x,y,z)
print(a)


Gauss test kelompok2.jpg

Runge-Kutta Method


Pengerjaan dilakukan dan kode dirancang untuk mengikuti contoh soal. 

# Di sini, kita akan menggunakan x0 dan y sebagai titik asal, x sebagai t yang diinginkan, dan h sebagai increment. Kita menggunakan h = 0.01. 
x0 = 0
y = 0
h = 0.01
x = float(input("Masukkan nilai t: "))
if 0 <= x < 2:
  # dydx menyatakan persamaan awal dalam soal. Persamaan harus diintegralkan sekali untuk menghasilkan persamaan kecepatan.
  # Didapat hasil 2x^2 - 30xy karena dipakai massa m = 2,5 kg dan konstanta pegas k = 75 N/m.
  # P(t) dinyatakan dalam x. 
  def dydx(x, y): 
    return (2*x**2 - 30*x*y) 
  # Ini merupakan implementasi perhitungan Runge-Kutta.
  def rungeKutta(x0, y0, x, h): 
    n = (int)((x - x0)/h)  
    y = y0 
    for i in range(1, n + 1): 
       k1 = h * dydx(x0, y) 
       k2 = h * dydx(x0 + 0.5 * h, y + 0.5 * k1) 
       k3 = h * dydx(x0 + 0.5 * h, y + 0.5 * k2) 
       k4 = h * dydx(x0 + h, y + k3) 
 
       # untuk y selanjutnya 
       y = y + (1.0 / 6.0)*(k1 + 2 * k2 + 2 * k3 + k4) 
 
       # untuk x selanjutnya
       x0 = x0 + h 
    return y 
  print("Nilai y pada t =", x, "adalah", rungeKutta(x0, y, x, h))
elif x >= 2:
  # Ketika x >= 2, perhitungan harus diganti karena P(t) sudah konstan di angka 20 N.
  def dydx(x, y): 
    return (8 - 30*x*y) 
  def rungeKutta(x0, y0, x, h): 
    n = (int)((x - x0)/h)  
    y = y0 
    for i in range(1, n + 1): 
       k1 = h * dydx(x0, y) 
       k2 = h * dydx(x0 + 0.5 * h, y + 0.5 * k1) 
       k3 = h * dydx(x0 + 0.5 * h, y + 0.5 * k2) 
       k4 = h * dydx(x0 + h, y + k3) 
       y = y + (1.0 / 6.0)*(k1 + 2 * k2 + 2 * k3 + k4)
       x0 = x0 + h 
    return y 
  print("Nilai y pada t =", x, "adalah", rungeKutta(x0, y, x, h))
else:
  print("Mohon masukkan nilai t positif.")

Flowdiagram RungeKutta Kelompok2.jpg

KUIS

Problem 2.1 no 6 

# Untuk memasukkan modul numpy ke dalam program.
from numpy import linalg 
import numpy as np
# Matriks a dipecah menjadi 5 baris, dengan baris pertama dinotasikan sebagai a1, baris kedua a2, dst.
# matA sebagai notasi matriks a.
a1 = [0,0,2,1,2]
a2 = [0,1,0,2,-1]
a3 = [1,2,0,-2,1]
a4 = [0,0,0,-1,1]
a5 = [0,1,-1,1,-1]
matA = np.array ([a1,a2,a3,a4,a5])
# Masukkan entri pada matriks b. matB sebagai notasi matriks b.
matB = np.array ([1,1,-4,-2,-1])
# Lakukan perhitungan menggunakan modul Numpy.
hasil = linalg.solve (matA,matB)
x1 = int(hasil[0])
x2 = int(hasil[1])
x3 = int(hasil[2])
x4 = int(hasil[3])
x5 = int(hasil[4])
# Memperlihatkan hasil perhitungan kepada user.
print ("Hasil perhitungan:")
print ("x1=",x1,"x2=",x2,"x3=",x3,"x4=",x4,"dan x5=",x5)
# Kode ini dibuat oleh Ryanson Jonathan (1806149293), menggunakan bantuan modul Numpy.

Problem 7.1 no 2 

# Line dibawah ini menunjukkan x0 dan y0 sebagai titik asal, h sebagai increment.
# Digunakan h = 0.005.
# x = 0.03, sesuai dengan yang diminta soal.
x0 = 0
y0 = 1
h = 0.005
x = 0.03
# "fungsi" menyatakan fungsi awal dalam soal, yang telah diubah sehingga membentuk persamaan y'.
# Mengubah bentuk persamaan dalam soal, y' = x^2-4y.
def fungsi(x, y): 
   return (x**2 - 4*y) 
# Ini merupakan implementasi perhitungan Runge-Kutta, dinotasikan dengan "RK".
def RK(x0, y0, x, h): 
   n = (int)((x - x0)/h)  
   y = y0 
   for i in range(1, n + 1): 
      k1 = h * fungsi(x0, y) 
      k2 = h * fungsi(x0 + 0.5 * h, y + 0.5 * k1) 
      k3 = h * fungsi(x0 + 0.5 * h, y + 0.5 * k2) 
      k4 = h * fungsi(x0 + h, y + k3) 

      # untuk y selanjutnya 
      y = y + (1.0 / 6.0)*(k1 + 2 * k2 + 2 * k3 + k4) 

      # untuk x selanjutnya
      x0 = x0 + h 
   return y 
#Memperlihatkan hasil perhitungan kepada user.
print("Nilai y(", x, ") adalah", RK(x0, y0, x, h))
#Kode ini dibuat oleh Ryanson Jonathan (1806149293).

UTS

Kasus A 

# -*- coding: utf-8 -*-
"""
Created on Wed Oct 23 17:06:11 2019

@author: rjsec
"""
# Soal UTS no 1A.
# Masukkan modul Numpy ke dalam program.
from numpy import linalg 
import numpy as np
# Buat persamaan menjadi suatu matriks, yang kemudian diinvers untuk mencari nilai
# T1, T2, dan T3.
# Mb1 sebagai matriks baris pertama, Mb2 sebagai matriks baris kedua, dan
# Mb3 sebagai matriks baris ketiga.
Mb1 = [1,0,0]
Mb2 = [-1,1,0]
Mb3 = [0,-1,1]
matA = np.array ([Mb1,Mb2,Mb3])
# Masukkan nilai-nilai M1, M2, dan M3.
M1 = float(input("Masukkan nilai M1 (dalam kg): "))
M2 = float(input("Masukkan nilai M2 (dalam kg): "))
M3 = float(input("Masukkan nilai M3 (dalam kg): "))
matB = np.array ([M1,M2,M3])
# Lakukan perhitungan menggunakan modul Numpy.
hasil = linalg.solve (matA,matB)
T1 = int(hasil[0])
T2 = int(hasil[1])
T3 = int(hasil[2])
# Perlihatkan hasil perhitungan kepada pengguna.
print ("Hasil perhitungan tegangan tali:")
print ("T1 =",T1,"N, T2 =",T2,"N, dan T3 =", T3, "N.")
# Kode ini dibuat oleh Ryanson Jonathan (1806149293).
# 23 Oktober 2019.

Kasus B 

# -*- coding: utf-8 -*-
"""
Created on Wed Oct 23 17:27:42 2019

@author: rjsec
"""
# Soal UTS no 1B.
v = float(input("Masukkan top speed (dalam m/s): "))
t0 = 0
h = 0.01
v0 = 0
def func(v, t): 
   return (1200*v/12000+0.3*v**1.5) 
def rungee(v0, t0, v, h): 
   n = (int)((v - v0)/h)  
   t = t0 
   for i in range(1, n + 1): 
      k1 = h * func(v0, t) 
      k2 = h * func(v0 + 0.5 * h, t + 0.5 * k1) 
      k3 = h * func(v0 + 0.5 * h, t + 0.5 * k2) 
      k4 = h * func(v0 + h, t + k3) 
      t = t + (1/6)*(k1 + 2 * k2 + 2 * k3 + k4) 
      v0 = v0 + h 
   return t 
print("Waktu untuk mencapai top speed adalah", rungee(v0, t0, v, h), "detik.")

Revisi UTS


Kasus A 

# -*- coding: utf-8 -*-
"""
Created on Wed Oct 23 17:06:11 2019

@author: rjsec
"""
# Soal UTS no 1A.
# Masukkan modul Numpy ke dalam program.
from numpy import linalg 
import numpy as np
# Asumsi yang dibuat: gravitasi (g) = 10 m/s^2, sudut kemiringan (α) = 5.74°,
# sehingga sin(α) = 1/10.
# Buat persamaan menjadi suatu matriks, yang kemudian diinvers untuk mencari nilai
# T1, T2, dan T3.
# Mb1 sebagai matriks baris pertama, Mb2 sebagai matriks baris kedua, dan
# Mb3 sebagai matriks baris ketiga.
Mb1 = [1,0,0]
Mb2 = [-1,1,0]
Mb3 = [0,-1,1]
matA = np.array ([Mb1,Mb2,Mb3])
# Masukkan nilai-nilai M1, M2, dan M3.
M1 = float(input("Masukkan nilai M1 (dalam kg): "))
M2 = float(input("Masukkan nilai M2 (dalam kg): "))
M3 = float(input("Masukkan nilai M3 (dalam kg): "))
matB = np.array ([M1,M2,M3])
# Lakukan perhitungan menggunakan modul Numpy.
hasil = linalg.solve (matA,matB)
T1 = int(hasil[0])
T2 = int(hasil[1])
T3 = int(hasil[2])
# Perlihatkan hasil perhitungan kepada pengguna.
print ("Hasil perhitungan tegangan tali:")
print ("T1 =",T1,"N, T2 =",T2,"N, dan T3 =", T3, "N.")
# Kode ini dibuat oleh Ryanson Jonathan (1806149293).
# 23 Oktober 2019, disempurnakan 28 Oktober 2019.

Kasus B 

# -*- coding: utf-8 -*-
"""
Created on Wed Oct 23 17:27:42 2019

@author: rjsec
"""
# Soal UTS no 1B.
# vKMH sebagai kecepatan akhir (top speed, dinyatakan dalam km/h).
# v sebagai kecepatan akhir (top speed, dinyatakan dalam m/s).
# t0 dan v0 sebagai kecepatan dan waktu awal (pada kasus ini 0).
# h sebagai increment/side step. Digunakan h = 0.01.
vKMH = float(input("Masukkan top speed (dalam km/h): "))
v=vKMH/3.6
t0 = 0
v0 = 0
h = 0.01
# "func" sebagai fungsi persamaan t dalam v,
# dengan v sebagai x dan t sebagai y.
# a sebagai persamaan akselerasi.
# Asumsi yang dibuat: massa mobil (m) = 1200 kg,
# percepatan mobil (a) = 10 m/s^2, gravitasi (g) = 10 m/s^2,
# koef gesek ban (Ч) = 0,5, dan koef gesek udara = 0,3.
a = 6000-0.3*v**1.5
def func(v, t): 
   return (1200*v/a - t)
# "rungekutta" sebagai fungsi untuk menghasilkan pendekatan
# menggunakan 4th order Runge-Kutta.
def rungekutta(v0, t0, v, h): 
   n = (int)((v - v0)/h)  
   t = t0 
   for i in range(1, n + 1): 
      k1 = h * func(v0, t) 
      k2 = h * func(v0 + 0.5 * h, t + 0.5 * k1) 
      k3 = h * func(v0 + 0.5 * h, t + 0.5 * k2) 
      k4 = h * func(v0 + h, t + k3)
      
      #untuk t baru
      t = t + (1/6)*(k1 + 2 * k2 + 2 * k3 + k4) 
      
      #untuk v baru
      v0 = v0 + h 
   return t 
# Menunjukkan hasil perhitungan kepada pengguna.
print("Waktu yang diperlukan untuk mencapai top speed adalah", rungekutta(v0, t0, v, h), "detik.")
# Kode ini dibuat oleh Ryanson Jonathan (1806149293).
# 23 Oktober 2019, disempurnakan 28 Oktober 2019.

Kolom Komentar UTS


RyansonJ

54 months ago
Score 0++
Halo, ini merupakan kolom komentar saya. Mohon memberikan kritik dan masukan dengan bahasa yang sopan, ya! ^_^

Permalink | Reply

Anonymous user #1

54 months ago
Score 0 You
Test

Permalink | Reply

Add your comment
ccitonlinewiki welcomes all comments. If you do not want to be anonymous, register or log in. It is free.

Kasus Sendiri

Deskripsi kasus: orang yang akan melakukan free-fall dari sebuah ketinggian, dicari kecepatan setelah t detik. 

# -*- coding: utf-8 -*-
"""
Created on Wed Oct 30 17:22:21 2019

@author: rjsec
"""
# Contoh kasus: Orang yang akan melakukan free-fall dari sebuah tempat tinggi.
# Program digunakan untuk menghitung kecepatan orang setelah t detik mengudara.
# Gaya gesek udara diperhitungkan.

# t sebagai waktu orang mengudara, g sebagai gravitasi, m sebagai massa orang,
# cd sebagai koefisien gesek udara, t0 dan v0 sebagai waktu dan kecepatan awal,
# dan step sebagai increment/step dalam perhitungan Runge-Kutta.
t = float(input("Masukkan waktu orang mengudara (dalam detik): "))
while t < 0:
    print("Waktu tidak boleh negatif. Mohon masukkan angka positif.")
    t = float(input("Masukkan waktu orang mengudara (dalam detik): "))
g = 9.80665
m = float(input("Masukkan massa orang yang meloncat (dalam kg): "))
while m < 0:
    print("Massa tidak boleh negatif. Mohon masukkan angka positif.")
    m = float(input("Masukkan massa orang yang meloncat (dalam kg): "))
cd = float(input("Masukkan koefisien gesek udara: "))
while cd > 1 or cd < 0:
    print("Koefisien gesek udara harus berada di antara 0 dan 1.")
    cd = float(input("Masukkan koefisien gesek udara: "))
t0 = 0
v0 = 0
step = 0.01
# f(t,v) sebagai fungsi (x,y) dimana t diposisikan sebagai x dan v diposisikan sebagai y.
def f(t, v):
    return ((m*g-cd*v**1.5)/m)
# rungekutta sebagai fungsi penghitungan 4th order Runge-Kutta.
def rungekutta(t0, v0, t, step): 
   n = (int)((t - t0)/step)  
   v = v0
   for i in range(1, n + 1): 
      k1 = step * f(t, v) 
      k2 = step * f(t + 0.5 * step, v + 0.5 * k1) 
      k3 = step * f(t + 0.5 * step, v + 0.5 * k2) 
      k4 = step * f(t + step, v + k3)
     
      #untuk v baru
      v = v + (1/6)*(k1 + 2 * k2 + 2 * k3 + k4) 
      
      #untuk t baru
      t0 = t0 + step 
   return v
# Menunjukkan hasil perhitungan. 
print("Kecepatan orang setelah", t, "detik mengudara adalah", rungekutta(t0, v0, t, step), "m/s")
# Kode dibuat oleh Ryanson Jonathan (1806149293).

CFD Analysis

Analysis drag dilakukan terlebih dahulu input data yang diperlukan pada CFD-Pre dan CFD-Solve. Berikut adalah hasil setelah dilakukan Mesh Geometry dan Run Solver dari mobil yang akan dianalisa.

Testcfdkel2 1.jpg

Kemudian, pada bagian tab CFD-Post, dilakukan running dengan aplikasi Paraview untuk mengetahui drag force yang ingin dicari tahu.

Testcfdkel2 2.jpg

Lalu, dilakukan pengerjaan dengan filter Generate Surface Normal, dengan mengapply tampak car_body saja yang terlihat. Kemudian, dilakukan kalkulasi besar P terhadap gaya normal sumbu x. Hasil tersebut kemudian di apply kembali sehingga menghasilkan perhitungan yang diinginkan yaitu Drag Force yang ditentukan. Didapatkan besarnya setelah dilakukan filter dan integrasi perhitungan yang ada. Berikut adalah skema yang dilakukan:

Testcfdkel2 3.jpg

Kemudian, dilakukan percobaan lainnya dengan variasi V dengan interval 1 dari 10 hingga 20. Akhirnya, didapatkan data yang kemudian dibentuk grafiknya serta trendline yang berbentuk kurva sebagai berikut:

Testcfdkel2 4.jpg


Optimasi

Optimasi untuk kasus airfoil dilakukan menggunakan kode sbb: 

# -*- coding: utf-8 -*-
"""
Created on Mon Dec 2 14:39:11 2019

@author: rjsec
"""

import numpy as np
from scipy.optimize import minimize


def cdrag(x):
    x1 = x[0]
    drag = 0.0000003*x1**4-0.00002*x1**3+0.0008*x1**2+0.0026*x1-0.0517
    return drag

def clift(x):
    x1 = x[0]
    lift = 0.0000001*x1**4+0.00001*x1**3+0.0003*x1**2+0.0052*x1+0.0187
    return lift

def objective(x):
    return cdrag(x)

def constraint1(x): 
    return 90 - cdrag(x)
def constraint2(x):
    return 90 - clift(x)

con1=({'type':'ineq','fun':constraint1})
con2=({'type':'ineq','fun':constraint2})
cons = (con1,con2)

x1_guess = 50

x0 = np.array([x1_guess]) 

sol = minimize(objective,x0, method='SLSQP',constraints=cons, options={'disp':True})

xopt = sol.x
forceopt = -sol.fun 

dragopt = cdrag(xopt)
liftopt = clift(xopt) 

print ("")
print ("Hasil optimasi:")
print ("Sudut optimal = "+str(-xopt[0]))
print ("Total force optimal = "+str(forceopt))
print ("Drag force optimal = "+str(-dragopt))
print ("Lift force optimal = "+str(liftopt))


Tugas Besar

Spesifikasi Airfoil
TB1.png
Airfoil yang digunakan adalah MH 70 11.08% - Martin Hepperle MH70
Span = 2 mm
Root and Tip Chord = 10 mm 

Pembuatan model airfoil
Airfoil dibuat dengan menggunakan software Autodesk Inventor
TB2.png

Simulasi menggunakan CFD
Model yang sudah dibuat diimport ke CFDSOF
TB3.png
Model memasuki tahap meshing
 
Berikut adalah Boundary geometry untuk proses meshing
TB4.png

Model memasuki tahap-tahap analisis sebagai berikut 
TB5.png

TB6.png

TB7.png

TB8.png

TB9.png

TB10.png

TB11.png

TB12.png

Perhitungan menggunakan Paraview
Model meshing diimport ke Paraview
Perhitungan dilakukan dengan tahap berikut
TB12.png

TB13.png

TB14.png

TB15.png

TB16.png

TB17.png

TB18.png

Hasil Percobaan
Data Percobaan
Data Percobaan
TB19.png

Grafik Percobaan
Berikut adalah grafik lift dan drag kami
TB20.png

Optimasi
Kode yang digunakan
TB21.png

Berikut hasil optimasi yang dilakukan
TB22.png

Grafik hasil optimasi Lift vs Drag

TB23.png

Analytical Neural Network (ANN)

Analytical Neural Network, atau yang disingkat ANN, adalah sebuah teknik untuk melakukan pengolahan data melalui pengumpulan banyak input dan output supaya program dapat mengira-ngira algoritma yang dimasukkan ke input, supaya dapat dihasilkan output dengan hanya memasukkan input. Metode ini dapat dinamakan machine learning. Yang membedakan ANN dengan machine learning lainnya adalah ANN dibuat sedemikian rupa sehingga jaringannya menyerupai pemikiran manusia. ANN ada

Retrieved from "http://air.eng.ui.ac.id/index.php?title=Ryanson_Jonathan&oldid=18452"