Anda di halaman 1dari 83

Laporan Praktikum Komputasi

Disusun Oleh
Pradika Wibowo D1121141011
Yusep Listiawan D1121141012
Sarinawati D1121141024
Munawaroh D1121141027
Yovita Veny Sara D1121141028

Dosen Pembimbing
Dedi Wijayanto, ST,.MT

PRODI TEKNIK KIMIA


FAKULTAS TEKNIK
UNIVERSITAS TANJUNGPURA
PONTIANAK
2017
KATA PENGANTAR

Syukur Alhamdulillah segala puji bagi Allah Subhanahu Wa Taala atas


Rahmat dan RidhoNya. Serta shalawat dan salam semoga tercurahkan kepada
Baginda Nabi Muhammad SAW, karena penulis dapat menyelesaikan LAPORAN
PRAKTIKUM KOMPUTASI dengan tepat waktu.

Laporan ini ditujukan untuk memenuhi matakuliah wajib semester enam


mahasiswa Prodi Teknik Kimia Fakultas Teknik Universitas Tanjungpura. Banyak
kesulitan dan hambatan yang Penulis hadapi dalam pembuatan laporan ini tapi
dengan semangat dan kegigihan sehingga Penulis mampu menyelesaikan laporan ini
dengan baik, oleh karena itu pada kesempatan ini, Penulis mengucapkan terima
kasih kepada Dedi Wijayanto, ST,.MT selaku dosen pembimbing yang
memberikan arahan dan tanggungjawab untuk menyelesaikan laporan ini. Tidak
lupa penulis juga mengucapkan terima kasih kepada semua pihak yang telah
membantu dan memberikan dukungan pada kami.

Kami menyadari terdapat banyak kekurangan baik dari segi materi, ilustrasi,
dan sistematika penulisan dalam pembuatan laporan ini. Oleh karena itu, saran dan
kritik dari para pembaca yang bersifat membangun sangat kami harapkan. Besar
harapan kami laporan ini dapat diapresiasi sehingga dapat bermanfaat baik bagi
kami sebagai penulis dan pembaca pada umumnya terutama bagi masyarakat
Indonesia.

Pontianak, 12 Juni 2017

Penulis

LAPORAN KELOMPOK 5 2
DAFTAR ISI

HALAMAN SAMPUL

KATA PENGANTAR .......................................................................................... 2

DAFTAR ISI ......................................................................................................... 3

LAPORAN PRAKTIKUM MODUL I ................................................................. 4

LAPORAN PRAKTIMUM MODUL 2 ................................................................ 13

LAPORAN PRAKTIMUM MODUL 3 ................................................................ 22

LAPORAN PRAKTIMUM MODUL 4 ................................................................ 30

LAPORAN PRAKTIMUM MODUL 5 ................................................................ 42

LAPORAN PRAKTIMUM MODUL 6 ................................................................ 49

LAPORAN PRAKTIMUM MODUL 7 ................................................................ 59

LAMPIRAN-LAMPIRAN.................................................................................... 68

LAPORAN KELOMPOK 5 3
MODUL 1

Pengenalan Matlab & Pengantar Pemrograman

Bab I Pendahuluan

1.1 Tujuan Praktikum


Adapun tujuan praktikum pada praktikum pengenalan matlab kali ini adalah:
1. Praktikan mampu mengetahui bagian-bagian dasar yang penting dalam
jendela Matlab.
2. Praktikum mampu mengetahui dan dapat menggunakan dasar-dasar
operasi dan variabel pada Matlab.

1.2 Batasan Masalah

Adapun batasan masalah yang akan dibahas pada praktikum pengenalan


Matlab kali ini adalah:

1. Apa bagian yang penting dalam jendela Matlab?


2. Apa saja dasar-dasar operasi dan variabel pada matlab?

1.3 Dasar Teori

MATLAB adalah singkatan dari MATrix LABoratory. Matlab dibuat bertujuan


untuk mempermudah akses untuk perangkat lunak matrix yang di kembangkan oleh
LINPACK (sistem paket linear) dan EISPACK (sistem paket eigen) (Houcque,
2005).

MATLAB adalah bahasa kinerja tinggi untuk komputasi teknis. Ini


mengintegrasikan komputasi, visualisasi, dan lingkungan pemrograman.
Selanjutnya, MATLAB adalah lingkungan bahasa pemrograman modern: memiliki
struktur data yang canggih, berisi built-in editing dan alat debugging, dan
mendukung pemrograman berorientasi obyek. Faktor-faktor ini membuat

LAPORAN KELOMPOK 5 4
MATLAB aplikasi yang sangat baik untuk pengajaran dan penelitian (Houcque,
2005).

MATLAB memiliki banyak keunggulan dibandingkan dengan bahasa


komputer konvensional (misalnya, C, FORTRAN) untuk memecahkan masalah
teknis . MATLAB merupakan suatu sistem interaktif yang elemen data dasar adalah
array yang tidak memerlukan dimensi. Paket perangkat lunak telah tersedia secara
komersial sejak tahun 1984 dan sekarang dianggap sebagai alat standar di banyak
universitas dan industri di seluruh dunia (Houcque, 2005).

Kegunaan umum dari MATLAB diantaranya untuk Matematika dan


Komputasi, Pengembangan Algoritma, Akuisisi Data, Pemodelan dan Simulasi,
Pembuatan Prototipe, Analisis Data, Eksplorasi, Visualisasi, dan Pengembangan
Aplikasi termasuk GUI (Away, 2006).

Bahasa MATLAB dapat digunakan dalam sebuah sistem MATLAB interaktif


yang elemen data dasarnya adalah array yang tidak membutuhkan pengaturan
dimensi. Hal ini memungkinkan penyelesaian banyak masalah komputasi teknik,
terutama yang berhubungan dengan formulasi matriks dan vektor. Dalam beberapa
kasus, dapat juga dilakukan penulisan program dalam bahasa seperti C dan Fortran
(Away, 2006).

Bagian-bagian jendela Matlab:

Window Utama MATLAB

Adalah window induk yang melingkupi seluruh lingkungan kerja Matab


sebagai tempat dock-ing bagi form yang lain.

Launch Pad windows

Windows ini berfungsi sebagai penunutun bagi pemakai dalam memilih opsi
dari fungsi-fungsi / toolbox yang ditawarkan oleh Matlab

Workspace windows

LAPORAN KELOMPOK 5 5
Window ini berfungsi sebagai navigator bagi pemakai dalam penyediaan
informasi mengenai fariabel yang sedang aktif dalam workspace pada saat
pemakaian. Workspace window seperti lingkungan abstrak yang menyimpan
seluruh variable dan perintah yang pernah digunakan selama penggunaan
berlangsung

Current Directory window

Window ini sebagai browser Directory aktif yang hamper sama dengan windo
explorer

LAPORAN KELOMPOK 5 6
Bab II Hasil Percobaan dan Pembahasan

Pada Matlab, ada beberapa bagian jendela yang penting yang patut diketahui
untuk mengoperasikan aplikasi Matlab, antara lain Command Window, Current
Directory, Workspace, dan Command History.

a. Command Window

Ini adalah pusat dari bagian Matlab. Disini, kita memasukkan perintah kepada
program apa yang kita ingin lakukan (Ahlersten, 2012). Di jendela ini, kita dapat
memberi perintah atau command yang berhubungan dengan pengerjaan. Di jendela
inilah kita dapat memasukkan nilai-nilai matematika dan melihat hasil prosesnya.

b. Current Directory

Jendela ini hampir sama fungsinya dengan Explorer di Windows, yaitu dapat
melihat/mengatur folder-folder (Ahlersten, 2012). Pada jendela ini, berisi data-data
kerja matlab, seperti data pemrograman yang disimpan di suatu folder.

c. Workspace

Jendela Workspace menampilkan semua variabel yang tersedia. Dikala kita


tidak menetapkan variabel, jendela tidak itu kosong. Kita juga bisa melihat dan
mengganti variabel di jendela ini (Ahlersten, 2012).

d. Command History

Jendela ini berisi perintah-perintah yang pernah dijalankan sebelumnya pada


aplikasi Matlab. Dasar-dasar operasi dan variabel juga perlu dipelajari, untuk
memperlancar untuk mengoperasikan aplikasi matlab. Dasar-dasar operasi yang
digunakan pada matlab antara lain:

+ : Penjumlahan
- : Pengurangan
* : Perkalian
/ : Pembagian
^ : Perpangkatan

LAPORAN KELOMPOK 5 7
sqrt( ) : akar
() : Kurung
. : point (tanda koma)
clc : menghapus/ mengkosongkan jendela command window
Nomor 2 (Persamaan Antoine)

Buat sebuah algoritma dan program dalam M-file untuk menghitung tekanan
uap murni n-heksana dalam rentang temperatur 25 - 100oC, dengan menggunakan
persamaan Antoine sbb:

ln P = A B/(T + C)

Dengan

A = 14.0568 T = Temperatur (K)

B = 2825.42 P = Tekanan uap murni (kPa)

C = -42.7089

Buat pula grafik P terhadap T-nya menggunakan rutin plot dalam MATLAB.

Adapun aplikasi penggunaan Matlab dapat dilihat dari soal no 2 dan soal no 3.
Pada soal nomor 2 modul 1, untuk menghitung tekanan uap murni n-heksana dalam
rentang temperatur 25 - 100 oC, dengan menggunakan persamaan Antoine
dilakukan program pada matlab sebagai berikut pada comman window

% Menghitung tekanan uap murni n-heksana


A = 14.0568;
B = 2825.42;
C = -42.7089;
% Rentang temperatur
T = 293:373; % dalam kelvin

% Persamaan Antoine
log10P = A - B./(T+C);

LAPORAN KELOMPOK 5 8
% Perhitungan Tekanan
Psat = 10.^log10P;
% Membuat grafik Psat terhadap T
plot(T,Psat);
xlabel('Temperatur [K]');
ylabel('Tekanan [KPa]');
title('Tekanan Saturasi dari Persamaan Antoine');

Sehingga keluaran hasilnya akan di jadikan grafik P terhadap T-nya


menggunakan rutin plot dalam MATLAB. Adapun hasilnya berupa grafik
perbandingan antara temperatur dan tekanan dapat dilihat pada gambar berikut:

Gambar 1. Grafik T vs P
Nomor 3 (Equimolar Counterdiffusion)
Gas amoniak (A) berdifusi melalui pipa sepanjang 0,10 m yang berisi gas
N2 (B) pada tekanan 1,0132 x 105 Pa dan temperatur 298 K. Tekanan pada titik 1
PA,1 = 1,013 x 104 Pa dan pada titik 2 PA,2 = 0,507 x 104 Pa. Diffusivitas DAB =
0,230 x 10-4 m2/s. Laju diffusi gas amoniak (A) dapat dievaluasi menggunakan
Hukum Ficks berikut ini: R = 8314 J/(kmol.K)

(1 2 )
=

LAPORAN KELOMPOK 5 9
R = 8314 J/(kmol.K)

Buat sebuah algoritma dan program MATLAB berupa suatu fungsi dalam
M-file untuk menghitung laju diffusi gas amoniak
Pada soal nomor 3 dilakukan pembuatan sebuah algoritma dan program
MATLAB berupa suatu fungsi dalam M-file untuk menghitung laju diffusi gas
amoniak. Dilakukan pemograman pada editor untuk membuat M-file sebagai
berikut:
% Menghitung laju diffusi gas amoniak
z = 0.10; % dalam m
R = 8314 % dalam J/(kmol.K)
T = 298 % dalam K
PA1 =1.013*10^4 % dalam Pa
PA2 =0.507*10^4 % dalam Pa
DAB =0.230*10^-4 % dalam m^2/s
% Persamaan Hukum Fick's
JA = DAB*(PA1-PA2)/R*T*z % dalam [kmol.A/(s.m^2)I]
Dari program diatas pada soal nomor 3 didapat keluaran sebagai berikut

R=
8314
T=
298
PA1 =
1.0130e+004

PA2 =
5070
DAB =
2.3000e-005
JA =
4.1714e-004

LAPORAN KELOMPOK 5 10
Dari dua soal diatas maka diketahui bahwa matlab dapat menyelesaikan
berbagai jenis rumus antara lain persamaan Antoine dan Hukum Ficks. Selain
menyelesaikan rumus, Matlab dapat juga membuat grafik perbandingan berbagai
jenis perintah.

LAPORAN KELOMPOK 5 11
Bab III Penutup

3.1 Kesimpulan
Adapun kesimpulan pada praktikum pengenalan matlab kali ini adalah:

1. Bagian-bagian jendela yang paling penting pada matlab yaitu: command


window, current directory, workspace, dan command history.
2. Dasar-dasar operasi pada matlab hampir sama dengan matematika seperti
biasanya, contohnya + ; - ; * ; / ; ^ ; sqrt( ).
3. Matlab dapat menyelesaikan berbagai rumus dari berbagai persaman serta
dapat membuat grafik perbandingan seperti pada tugas nomor 2 dan nomor
3

3.2 Saran
1. Melakukan praktikum tepat waktu agar tidak ketinggalan materi.
2. Memasukan data dengan ketelitian serta keakuratan agar tidak terjadi error
pada program.
3. Memastikan bersar kecilnya huruf pada program matlab.

DAFTAR PUSTAKA

Away nuriman. dkk. 2006 Pemrograman MATLAB. Yogyakarta: ANDI

Ahlersten dan Oky Dwi Nurhayati. 2012. Analisis Statistika menggunakan


MATLAB. Yogyakarta:GRAHA ILMU

Houcque and Robert. 2005. MATLAB. Jakarta: erlangga

LAPORAN KELOMPOK 5 12
MODUL 2

PERSAMAAN LINIER

Bab I Pendahuluan

1.1.Tujuan Praktikum
Adapun tujuan praktikum persamaan linier ini adalah:
a. Untuk mengetahui metode persamaan linier
b. Mempelajari dan membandingkan metode-metode numeric untuk
menyelesaikan persamaan linier
c. Dapat mengaplikasikan persamaan linier dalam bentuk matlab
1.2.Batasan Masalah
Adapun batasan masalah dalam praktikum persamaan linier ini, Seringkali
ditemukan persamaan tak linier dalam permasalah real teknk kimia. Tentunya
kita tak dapat begitu daja mengalurkan data-data dengan menggunakan
pemodelan linier. Agar dapat dimodelkan dengan pemodelan linier, maka
persamaan tak linier itu harus dilinierisasi terlebih dahulu
1.3.Dasar Teori
Umumnya, suatu persamaan Non linier f(x): 0 tidak dapat diselesaikan
secara analitis, namun dapat diselesaikan dengan metode numerik yang lebih
kompleks. Berbagai macam metode numerik telah berkembang, antara lain
metode Bisection, Interpolasi linier, dan Secant yang menggunakan dua
bilangan sebagai harga awal. Berikut penjelasan mengenai metode-metode
numerik tersebut.
1. Metode Bisection
Metode Bisection disebut juga metode pemotongan biner, dimana
interval dari suatu fungsi dibagi dua. Bila fungsi berubah tanda dalam
interval tersebut, maka harga fungsi di tengahnya dievaluasi, kemudian
letak akar-akarnya ditemukan berada di tengah-tengah sub interval dimana
perubahan tanda terjadi. Proses tesebut dilakukan berulang-ulang sampai
nilai error (kesalahan) tidak terlalu besar. Metode ini memang lebih lambat

LAPORAN KELOMPOK 5 13
jika dibandingkan dengan metode yang lain. Namun kerapian analisis
kesalahannya menjadi nilai lebih.
Algoritma dari metode ini adalah:
A. Memilih harga pendekatan awal, x1 dan x2 dimana f(x1) harus
berlawanan tanda dengan f(x2).
B. Menentukan harga x3 = (x3 + x2)/2.
C. Bila % x, - xz < toleransi, harga x3 adalah harga x yang dicari, jika
tidak maka proses dilanjutkan ke langkah 4.
D. Bila f(x3) berlawanan tanda dengan f(x1), maka x2 baru=X3. Jika f(x3)
berlau,anan tanda dengan f(x2), maka x1 baru=X3, kemudian kembali ke
langkah 2.
2. Metode Interpolasi Linier
Walaupun metode Bisection mudah dan memiliki analisa kesalahan
yang sederhana, namun metode ini tidak efisien. Untuk sebagian besar
fungsi, kita dapat meningkatkan kecepatan konvergensi. Salah satu dari
metode ini adalah metode Interpolasi Linier (disebut juga metode "False
Position" atau "Regula falsi"). Misalkan suatu fungsi f(x) linier pada interval
(x1,x2) dan nilai f(x1) dan f(x2) berlawanan tanda, sedangkan nilai x3 berada
dalam interval (berada di antara x1 dan x2) maka nilai xr dapat didekati
dengan menggunakan rumus:
(x2)
3 = 2 (2 1) (1)
(2) (1)
Kemudian f(x3) dihitung dan diadakan lagi interpolasi linier antara
harga-harga pada mana f(x) berubah tanda dan menghasilkan harga baru
untuk x3. Prosedur ini dilakukan berulang-ulang sampai didapatkan nilai
akar yang dikehendaki.
Algoritma metode interpolasi linier adalah sebagai berikut:
A. Pilihlah harga x1 dan x2 sedemikian hingga f(x1) dan f(x2) berlawanan
tanda.
B. Menentukan harga x3 dengan rumus (I.3.1).

LAPORAN KELOMPOK 5 14
C. Memasukkan nilai x3 ke fungsi asal, jika f(x3) | < toleransi, maka harga
x3 adalah harga x yang dicari. Bila tidak proses dilanjutkan ke langkah
4.
D. Bila f(x3) berlawanan tanda dengan f(x1), maka tetapkan x2=x3 dan bila
f(x3) berlawanan tanda dengan f(x2), tetapkan X1=X3, proses kembali ke
langkah 2.
3. Metode Secant
Metode ini juga pengembangan dari metode interpolasi linier.
Metode ini dapat disebut metode ekstrapolasi linier. Pada metode ini fungsi
f(x1) tidak perlu berlawanan tanda dengan f(x2), namun dipilih dua harga
yang dekat dengan akar sebenarnya yang ditunjukkan oleh fungsi dari kedua
titik tersebut.
Algoritma dari metode ini adalah:
A. Memilih harga pendekatan awal, x1 dan x2.
B. Menentukan harga x3 dengan Pers (1).
C. Jika f(x3) < toleransi, maka harga x3 adalah harga x yang dicari, bila
tidak dilanjutkan ke langkah 4.
D. Jika f(x1) > f(x2) maka x1 baru=X2, jika tidak maka x1 baru=X2.
E. Kemudian menentukan harga x2 baru=X3 dan kembali ke langkah 2.

= LINERISASI ln = ( )

ln = + ln

Tabel 4.1 Hasil Linerisasi Persamaan-Persamaan Tak Linier

Tipe persamaan Absis Ordinat Slope Intersep


y=ax+b x y a b
y=aebx x ln(y) b ln(a)
x x/y a b
=
( + )

LAPORAN KELOMPOK 5 15
Bab II Hasil Percobaan dan Pembahasan

Dalam praktikum persamaan linier ini perhitungan dilakukan dalam bentuk


matlab, berikut ini conto-contoh dna penyelesaian yang dipaparkan. Ada beberapa
kasus yang diselesaikan dalam perhitungan bentuk matlab.

Kasus 1

Harga konduktivitas aluminium pada berbagai temperature sebagai berikut:

T (K) 300 400 500 600 800


k (Btu/(hxft2)(oF/ft) 273 240 237 232 220

k=a0T+a1

Untuk mencari harga a0 dan a1 dapat menggunakan metode jumlah selisih kuadrat
terkecil seperti yang telah dijelaskan sebelumnya.

%konduktivitas.m
clear
clc
T=[4,5,6,8]*100; %Absis
k=[240,237,232,220]; %Ordinat
n=length(k);
A =[sum(T.^2),sum(T)

sum(T),n];
c =[sum(k.*T)

sum(k)];
a =A\c
kmod =a(1)*T+a(2);
S = sum((k-kmod).^2)

LAPORAN KELOMPOK 5 16
Hasil pada command window

>>konduktivitas
a=
-0.0511
261.6571
S=
3.8857

Dalam kasus ini tidak terjadi error, artinya antara hasil dari modul dan
matlab tidak ada perbedaan.

Subrutin MATLAB untuk regresi persamaan linear dan polinomial dapat


menggunakan perintah sbb:

[P, S] = polyfit(x,y,n) ada dua bagian yaitu data-data dan n=orde polinom

Kasus 1 merupakan persamaan linier, maka n yang digunakan dalam


subrutin polyfit adalah 1. Berikut ini pemrograman MATLAB-nya.

%konduktivitas2
T =[4,5,6,8]*100; %Absis
K =[240,237,232,220]; %Ordinat
[P,S] = polyfit(T,K,1)

Sehingga diperoleh hasil dari command window adalah

>>konduktivitas2
P=
-0.0511 261.6571
S=
R: [2x2 double]

df:2
normr: 1.9712

LAPORAN KELOMPOK 5 17
Ada kesalahan pada penulisan di modul, untuk kasus satu function atau
variable k seharusnya dalam bentuk huruf kapital K karena di matlab huruf
yang tidak sesuai akan error.

Kasus 2

Kukus lewat jenuh bertemperatur 130 oC mengalir dalam sebuah pipa yang
memiliki diameter dalam 20 mm (D1), dan diameter luar 25 mm (D2). Pipa
diinsulasi setebal 40 mm [(D3 D2)/2]. Koefisien konveksi kukus (hi) = 1700
W/m2.K, dan koefisien konveksi udara (ho) = 3 W/m2.K. Konduktivitas termal
pipa (ks) = 45 W/m.K, dan insulasi (ki) = 0,064 W/m.K. Temperatur udara di luar
insulasi = 25 oC. Perkirakan temperatur T1, T2, dan T3.

T2 T3
T1
Kukus, Ts

Udara, Ta

Berikut ini pemrograman MATLAB-nya

%kasus2.m
clc
clear
%Input data

Ts =130; %oC

Ta =25; %oC

D1 =20e-3; %Diameter dalam pipa, m

D2 =25e-3; % Diameter luar pipa, m

Ith=40e-3; % Tebal insulasi, m

LAPORAN KELOMPOK 5 18
D3 = (D2 + 2*Ith); % Diameter pipa + insulasi

Hi =1700; % Koefisien transfer panas bagian

dalam (W/m2.K)

ho = 3 ; % koefisien transfer panas bagian

luar (W/m2.K)

ks = 45; % Konduktivitas panas baja (W/m.K)

ki =0.064; % Konduktivitas panas insulasi

(W/m.K)
% Matriks koefisien variable

A = [2*ks/log(D2/D1)+hi*D1, -2*ks/log(D2/D1), 0
ks/log(D2/D1),(ks/log(D2/D1)+ki/log(D3/D2)),ki/log(D3/D
2)0,2*ki/log(D3/D2),(2*ki/log(D3/D2)+ho*D3)];
% Matriks konstanta

c = [hi*D1*Ts; 0; -ho*D3*Ta];

% Menyelesaikan sis pers. linier dengan fungsi invers


MATLAB

T = inv (A)*c

Hasil Eksekusi persamaan dari command window

>>kasus2
T=
129.7858
129.7678
48.1191

Tidak ada error dalam kasus ini, ketika dimasukkan ke dalam matlab. Hasil
dan keluaran dalam matlab sama.

LAPORAN KELOMPOK 5 19
Bab III Penutup

3.1.Kesimpulan
Dari percobaan persamaan linier dengan menggunakan matlab ini dapat
disimpulkan bahwa:
1. Persamaan Non linier f(x): 0 tidak dapat diselesaikan secara analitis,
namun dapat diselesaikan dengan metode numerik yang lebih kompleks.
2. Berbagai macam metode numerik telah berkembang, antara lain metode
Bisection, Interpolasi linier, dan Secant yang menggunakan dua
bilangan sebagai harga awal. Berikut penjelasan mengenai metode-
metode numerik tersebut.
3. Dalam kasus 1 untuk menentukan harga konduktivitas alumunium pada
berbagai temperature dapat diselesaikan dengan model matematik yang
diwakili dengan menggunakan persamaan linier untuk mencari harga a0
dan a1 dengan menggunakan metode jumlah selisih kuadrat terkecil,
hasil yang diperoleh dari command window adalah a sebesar -0,0511
dan 261,6571 kemudian S yang diperoleh sebesar 3,8857
4. Untuk kasus 2 dalam menetukan temperature udara di luar ada tiga
persamaan linier yang berhasil dirumuskan dari peneracaan energy,
yaitu mengubah system persamaan linier menjadi bentuk matrik Ax=c,
hasil dari command window sebesar T=129, 7858, 129, 7678 dan 48,
1191.
3.2.Saran
1. Hendaknya praktikan datang tepat waktu untuk mengikuti praktikum
komputasi agar tidak ketinggalan materi dan pembahasan.
2. Praktikan memperhatikan ketika memasukkan rumus ataupun command
pada matlab agar tidak terjadi error dalam mengoprasikan matlab.

LAPORAN KELOMPOK 5 20
DAFTAR PUSTAKA

Adrian Nur dkk, 2005 Penyelesaian numeris dalam Teknik Kimia dengan
MATLAB. Jurusan Teknik Kimia Fakultas Teknik Universitas Sebelas
Maret. Surakarta.

Andry Pujiriyanto, 2014 Cepat Mahir Matlab Ilmu Komputer.com

Modul MATLAB Institut Teknologi Surabaya

Modul MATLAB dan Pengantar Pemrograman

LAPORAN KELOMPOK 5 21
MODUL 3

PERSAMAAN TAK LINIER

Bab I Pendahuluan

1.1.Tujuan Praktikum
Agar mahasiswa dapat mencari akar persamaan non linear menggunakan
penyelesaian numerik.
1.2.Batasan Masalah
Dalam praktkum ini batasan masalah yang diambil untuk menyelesaikan tugas
yang ada hanya menggunakan persamaan non linier dengan menggunakan
penyelesaian numeric. Seringkalai ditemukan persamaan Linier yang harus
dimodifikasi ke persamaan tak linier.
1.3.Dasar Teori

Persamaan adalah suatu pernyataan matematika dalam bentuk simbol yang


menyatakan bahwa dua hal adalah persis atau sama. Terdapat dua macam
persamaan, yaitu persamaan linier dan non linier. Persamaan linear adalah sebuah
persamaan aljabar dimana setiap sukunya mengandung konstanta atau perkalian
konstanta dengan tanda sama dengan serta variabelnya berpangkat satu. Persamaan
ini dikatakan linear karena jika kita gambarkan dalam koordinat kartesius berbentuk
garis lurus. Sistem persamaan linear disebut sistem persamaan linear satu variabel
karena dalam sistem tersebut mempunyai satu variabel. Persamaan non linear
adalah persamaan yang mempunyai peubah dengan pangkat terkecil adalah 1.
Masalah pencarian solusi persamaan linear dapat dirumuskan dengan singkat
sebagai berikut : tentukan nilai x yang memenuhi persamaan f(x) =0, yaitu nilai x
= s sedemikian sehingga f(s) sama dengan nol. Perbedaan antara persamaan linear
dan non linear adalah sebagai berikut :

1. Bentuk Persamaan
a. Persamaan linier ax + b =0
b. Persamaan non linier ax2 + bx + c = 0

LAPORAN KELOMPOK 5 22
2. Bentuk Grafik
a. Persamaan linier garis lurus
y

x
Gambar 1. Grafik garis lurus

b. Persamaan non linier parabola

y y

x x
Gambar 2. Grafik parabola

Penyelesaian persamaan non linear dapat dengan metode analitik


dan numerik. Dalam metode numerik, pencarian akar f(x) = 0 dilakukan
secara iteratif (looping). Metode yang digunakan dalam penyelesaian
persamaan non linear adalah:
a. Metode Biseksi
b. Metode Regula Falsi
c. Metode Newton Raphson
d. Metode Secan

LAPORAN KELOMPOK 5 23
Metode Newton Raphson biasa digunakan dalam mencari akar dari
suatu persamaan non linier, jika diasumsikan f mempunyai turunan kontinu
f. Metode Newton Rapshon sering digunakan karena kesederhanaannya
dan mempunyai konvergensi yang cepat. Karena metode ini merupakan
metode Terbuka, maka tetap diperlukan nilai tebakan awal untuk Xo. Secara
geometri, metode Newton Raphson hampir sama dengan metode regula
falsi, bedanya garis yang dipakai adalah garis singgung. Dengan
menggunakan x0 sebagai tebakan awal, dilanjutkan dengan mencari titik
(x0, f(x0)). Kemudian dibuat garis singgung dari titik (x0, f(x0)), sehingga
diperoleh titik potong (x1, 0) antara sumbu-x dan garis singgung titik (x0,
f(x0)). Kemudian dilanjutkan lagi dengan mencari titik (x1, f(x1)). Dari titik
(x1, f(x1)) kemudian dibuat garis singgung, sehingga diperoleh titik potong
(x2, 0) antara sumbu-x dan garis singgung titik (x1, f(x1)).

Dalam bidang teknik sering didapatkan persamaan non linear : f (x)


= 0. Ingin dicari harga x yang memenuhi persamaan tersebut. Ada beberapa
cara numeris yang dapat digunakan. Di sini akan dibahas cara Newton
Rhapson . Mula mula diramal suatu harga x,misal (xold), yang kira kira
memenuhi. Berdasarkan harga tersebut dicari harga x yang lebih baik,yaitu
xnew,yang didapatkan dengan persamaan :

( )
= - ( )

Selanjutnya harga xold menjadi xold untuk mencari xnew berikutnya.


Demikian seterusnnya hingga di peroleh harga x yang cukup baik. Hal ini
di tandai dengan harga xnew mendekati xold atau harga : f (xnew ) 0.

Algoritma :

1. Menentukan nilai x dan


2. Menghitung nilai f(xold)

LAPORAN KELOMPOK 5 24
3. Menghitung nilai f(xold) dengan cara central

( + ) ( )
( ) =
2

4. Menghitung xnew

( )
=
( )

Bab II Hasil dan Pembahasan

Dalam bab 3 ini ada soal yang harus diselesaikan melalui matlab yaitu:
Suatu reaksi elementer A B + C berlangsung dalam sebuah reactor tangki
berpengaduk kontinyu. Laju umpan murni A, 12 mol/s pada temperature 25oC.
Reaksi bersifat eksotermik, untuk itu digunakan air pendingin bertemparature 50oC
untuk menyerap kalor yang dibebaskan reaksi. Asumsi konstanta kapasitas
panassama baik di sisi reaktan maupun produk, neraca energi untuk system ini
dirumuskan sebagai berikut:
-FAo XHR = FAoCP,A(T- To) + UA(T-Ta)
FAo = laju molar umpan, mol/s
X = konversi
HR = kalor reaksi, J/(mol.K)
CP,A = kapasitas panas A, J/(mol.K)
T = temperature reactor, oC
To = temperature referensi, oC
Ta = temperature air pendingin
U = koefisien pindah panas total, W/(m2.K)
A = luas pindah panas, m2
Untuk reaksi orde pertama konversi dirumuskan sebagai berikut:

X=
1+

LAPORAN KELOMPOK 5 25
Dengan adalah waktu tinggal dalam sekon, dan k adalah laju reaksi spesifik dalam
s-1 dihitung dengan menggunakan persamaan Arrhenius:

k = 650exp[-3800/(T+273)

Hitunglah harga termperature reactor dan konversinya!

(HR = -1500 kJ/mol; =10 s; CP,A = 4500 J/(mol.K); UA/FAo = 700 W.s/(mol.K).

Dengan mengunakan langkah-langkah berikut ini untuk menyelesaikan soal


tersebut

1. Pertama adalah membuka M-file, kemudian menuliskan apa apa saja yang
telah diketahui dari soal.
2. Karena disoal sudah diketahui persamaanya maka persamaan tersubut dibuat
saru ruas saja (=0)
A = FAoCP,A(T- To) + UA(T-Ta) + FAo XHR=0
B = X + =0
3. Membuat function, dari soal dicari nilai T dan Konversi (x). karena dalam
bahasa pemprograman aturan terkait penulisan dan agar terbaca oleh Matlab
maka T dirubah menjadi x(1) dan konversi menjadi x(2) sehingga di M=file
dituliskan sebagai berikut:
A = FAoCP,A(x(1)- To) + UA(x(1)-Ta) + FAo x(2)HR

Untuk persamaan kedua masih sama dengan mengganti T dan konversi,


hanya saja dalam k menggunakan perubahan dari T (x(1)) karena dalam nilai
k dari persamaan ke 3 mengandung T,
B = x(1) + ((2)) ((2))
Dari persamaan 1 dan 2 dibuat matriks kolom fx=[A;B] lalu end.
Untuk lebih jelasnya seperti gambar dibawah

LAPORAN KELOMPOK 5 26
4. Kemudian membuat function lagi dengan memasukan nilai k
y=k(x)
5. Memasukan nilai k dengan notasi
k = 650exp[-3800/(T+273) untuk temperature (T) tidak diubah ke x(1)
namun ke x agar function ini dapat terbaca di function sebelumnya lalu end.

Seperti pada gambar dibawah ini


6. Save M-file tadi
7. Kemudian membuka M-file yang baru untuk mengeksekusi
8. Isi dengan [x,fval]=fsolve('cstr',[300 0.6]), menggunakan fsolve karena
variabel yang ingin dicari yaitu X dan T ada dalam persamaan yang berada
dalam persamaan dan di dalam persamaan lagi. Angka 0,6 adalah tebakan
untuk konversi, karena konversi 0-1 maka angka tebakan yang digunakan
harus kurang diantara 0-1. Angka 300 adalah tebakan untuk temperature,
karena menggunakan temperature dalam kelvin maka angka tebakannya
bebas namun masih diatas 273.
9. Masih dalam M-file kedua dituliskan dengan:

LAPORAN KELOMPOK 5 27
fprintf('\n Temperature reaktor=%1.3f K', x(1))
fprintf('\n Konversi=%1.10f', x(2))

fprintf adalah untuk perintah. Angka 3 pada 1,4 adalah banyaknya bilangan
di belakang koma yang diinginkan sedangkan angka 1 menunjukan jarak
spasi. Setelah itu disimpan dan di-run.
Jelasnya seperti gambar dibawah ini.

Hasil keluaran dari command window adalah

x=

y=

6.5174e+008

Ans=

6.5174e+008

LAPORAN KELOMPOK 5 28
Bab III Penutup

3.1. Kesimpulan

Berdasarkan hasil dan pembahasan diatas dapat disimpulkan bahwa:

1. Untuk menentukan konstanta kapasitas dalam reakto dapat menggunakan


metode function pada matlab.
2. Hasil dari program matlab dari tugas 5 adalah x= 2, y= 6.5174e+008 dan
ans= 6.5174e+008.

3.2. Saran
4. Setiap menemui formula yang menggunakan , jangan lupa dikunci (F4).
5. Teliti dalam memasukan formula dalam mencari nilai f(xold)
6. Teliti dalam memasukan untuk mencari nilai f(xold) dikarenakan
formulanya yang panjang.
7. Teliti dalam menggunakan tanda kurung, karena jika penggunaan tanda
kuraung tidak tepat maka hasilnya akan berbeda.

DAFTAR PUSTAKA

Anonim.2010.Buku Petunjuk Praktikum Komputasi Proses.Yogyakarta : Teknik


Kimia UII
http://adhiecenter.blogspot.co.id/2009/10/solusi-persamaan-non-linear.html
diakses pada tanggal 17 November 2015 pk 18:48
http://dokumen.tips/documents/penyelesaian-persamaan-non-linier-
menggunakan-metode-newton.html diakses pada tanggal 17 November
2015 pk 18:30
https://noniarizka.wordpress.com/2015/06/12/kumpulan-laporan-praktikum-
komputasi-proses/ diakses pada tanggal 17 November 2015 pk 20:41
https://www.scribd.com/doc/247924444/laporan-komputasi-
proses?fb_ref=Default diakses pada tanggal 17 November 2015 pk 19:05

LAPORAN KELOMPOK 5 29
MODUL 4

Regresi Linier dan Non Linier

Bab I Pendahuluan

1.1.Tujuan
Agar mahasiswa dapat menyusun persamaan empirik dari data yang ada
dengan menggunakan pendekatan secara numeris.

1.2.Batasan Masalah
Dalam praktikum ini batasan masalah yang diambil tugas yang diselesaikan
menggunkan matlab dengan persamaan regresi linier dan non linier. Terkadang
penyelesaiannya hanya menggunakan salah satu dari persamaan tersebut.

1.3.Dasar Teori
Persamaan regresi adalah persamaa matematik yang memungkinkan kita
meramalkan nilai-nilai suatu peubah tak bebas dari nilai-nilai satu atau lebih
peubah bebas. Secara umum, regresi adaleh metode yang digunakan untuk
meramalkan nilai harapan yang bersyarat. Regresi dikatakan linear apabila
hubungan antara peubah bebas dengan peubah tak bebas adalah linear,
sedangkan apabila hubungan antara peubah bebas dengan peubah tak bebas
tidak linear, maka regresi dikatakan regresi non linear. Hubungan antara peubah
bebas dengan peubah tak bebas dikatakan linear apabila diagram pencar data
dari peubah-peubah tersebut mendekati pola garis lurus.
Dalam dunia keteknikan metode kuadrat terkecil ini digunakan untuk
melakukan regresi dan atau pencocokan kurva yang diharapkan dapat
membentuk persamaan matematis tertentu. Secara empiris, persamaan-
persamaan matematis tertentu yang sering digunakan di antaranya adalah:

(a) Persamaan garis lurus (linier) : y=ax+b


(b) Persamaan parabolis (kuadratis) : y = p x2 + q x + r2

LAPORAN KELOMPOK 5 30
(c) Persamaan polinomial (secara umum) : y =C1+C2x+C3x2+.....+Ckxk-
1
+....+Cnxn-1
=
=1
k-1

(d) Persamaan eksponensial : y =aebx^2+cx+d


2 +
(e) Persamaan asimptotis : y= +

Regresi linier berfungsi untuk mengukur besarnya pengaruh variabel


bebas terhadap variabel tergantung dan memprediksi variabel tergantung dengan
menggunakan variabel bebas. Gujarati (2006) mendefinisikan analisis regresi
sebagai kajian terhadap hubungan satu variabel yang disebut sebagai variabel
yang diterangkan (the explained variabel) dengan satu atau dua variabel yang
menerangkan (the explanatory). Variabel pertama disebut juga sebagai variabel
tergantung dan variabel kedua disebut juga sebagai variabel bebas. Jika variabel
bebas lebih dari satu, maka analisis regresi disebut regresi linier berganda.
Disebut berganda karena pengaruh beberapa variabel bebas akan dikenakan
kepada variabel tergantung.
Setelah dipelajari seperlunya mengenai bentuk hubungan linear antara
dua variabel X dan Y sekarang akan diperhatikan bentuk hubungan regresi
nonlinear antar dua variabel.Tidak akan dibicarakan secara luas dan mendalam
mengenai regresi nonlinear ini, tetapi hanya merupakan suatu tinjauansingkat
saja, tinjauan yang pada umumnya dapat ditelaah berdasarkan teori regresi
linear.
Meskipun terdapat banyak sekali bentuk regresi non linear yang biasa
digunakan tetapi di sini hanyalah akan ditinjau beberapa saja yang penting dan
termudah. Untuk regresi nonlinear Y atas X yang akan ditinjau di sini, antara
lain berbentuk lengkungan :

a. Parabola kuadratis dengan persamaan Y a bX cX 2


b. Parabola kubis dengan persamaan
Y a bX cX 2 dX 3

c. Logaritmis dengan persamaan : Y aX b

LAPORAN KELOMPOK 5 31
1
d. Hiperbola dengan persamaan : Y
a bX

Metode Kuadrat Terkecil ditemukan oleh Carl F. Gauss (matematikawan


dan fisikawan ternama asal Jerman, abad ke-17) ketika ia masih berumur 18
tahun, dan metode ini masih dipakai sampai saat ini sebagai metode yang paling
baik untuk menentukan hubungan linier dari dua variabel data. Dengan metode
kuadrat terkecil, kita dapat menyajikan data dengan lebih berguna.
Metode kuadrat terkecil, yang lebih dikenal dengan nama Least-Squares
Method, adalah salah satu metode pendekatan yang paling penting dalam dunia
keteknikan untukregresi ataupun pembentukan persamaan dari titik-titik data
diskretnya (dalam pemodelan), berfungsi untuk menentukan dugaan bentuk
regresi apakah linier atau tidak dimana terdapat perbedaan dugaan. Cara ini
berpangkal pada kenyataan bahwa jumlah kuadrat dari jarak antara titik-titik
dengan garis regresi yang sedang dicari harus sekecil mungkin.
Regresi dengan X merupakan variabel bebasnya dan Y variabel
tergantungnya, dinamakan regresi Y atas X. Untuk gambaran umum yang terdiri
dari sebuah variabel bebas X dan sebuah variabel tergantung Y dimana model
regresi linier untuk populasi sudah dapat diduga, maka perlu menaksir
parameter-parameter regresi. Metode yang dapat digunakan untuk analisis time
series ini adalah
Metode Garis Linier Secara Bebas (Free Hand Method)
Metode Setengah Rata-Rata (Semi Average Method)
Metode Rata-Rata Bergerak (Moving Average Method)
Metode Kuadrat Terkecil (Least Square Method)
Secara khusus, analisis time series dengan metode kuadrat terkecil dapat
dibagi dalam dua kasus, yaitu kasus data genap dan kasus data ganjil. Persamaan
garis linear dari analisis time series akan mengikuti:
Y=a+bX
Keterangan: Y adalah variabel dependen (tak-bebas) yang dicari trendsnya

LAPORAN KELOMPOK 5 32
X adalah variabel independen (bebas) dengan menggunakan waktu
(biasanya dalam tahun)
Sedangkan untuk mencari nilai konstanta (a) dan parameter (b) dapat dipakai
persamaan:
a = Y / N dan
b = XY / X2
Bentuk persamaan : y = ax
Misal tersedia data :
x x1 x2 x3 ... xn-1 xn
y y1 y2 y3 ... yn-1 yn
Ingin dicari harga a yang sesuai

Untuk pasangan harga xi, yi maka erornya adalah:


= (1.1)
=

Sehingga harga Sum of Squares of Errors (SSE) adalah

= ( )2 (1.2)
=1

= ()

Harga SSE tergantung pada harga a yang dipakai. Harga a yang akan
terbaik adalah yang memberikan SSE minimum. Harga SSE akan minimum
bila :



= 0 (1.3)

LAPORAN KELOMPOK 5 33
Sehingga :


= 2( )

=1

(1.4)
=0

( )2 ( ) = 0

( )
= (1.5)
( )2

Bentuk persamaan: y = a0 + a1.x

Dengan cara yang sama akan diperoleh:

= (0 +
=1

)2 (1.6)
= (0 , 1 )

Harga SSE akan minimum bila:


= 0 =0
0 1

Maka:



= 2(0 + ) 1
0
=1

=0

0 + 1
= (1.7)

LAPORAN KELOMPOK 5 34


= 2(0 + )
1
=1

0 + 2
=
(1.8)

Maka akan diperoleh 2 persamaan dengan 2 bilangan yang tidak diketahui


(a0 dan a1), sehingga harga a0 dan a1 dapat dicari.

Algoritma:

Berikut ini algoritma untuk evaluasi tetapan dalam persamaan empirik


(regresi linier dengan metode kuadrat terkecil):

1) Untuk persamaan y = a0x


a) Mendefinisikan bentuk persamaan y = a0x
b) Menentukan data nilai x dan y
c) Menentukan nilai (xy) dan x2
d) Menentukan jumlah (SUM) x , y ,x2 dan (xy)
e) Mencari tetapan nilai a0
( x i . y i )
a
( x i )
2

2) Untuk persamaan y = a0 + a1x


a) Mendefinisikan bentuk persamaan y = a0 + a1x
b) Menentukan nilai x dan y
c) Menentukan nilai x2 dan xy
d) Menentukan jumlah (SUM) x , y , x2 , dan( xy)
e) Memasukkan nilai yang sudah didapat ke persamaan
n a0 + a1xi = yi...................................... ..(1)
a0xi + a1(xi2)= (xi yi)............................(2)
f) Mengeleminasikan kedua persamaan untuk mendapatkan a1 atau a0

LAPORAN KELOMPOK 5 35
Bab II Hasil dan Pembahasan

Pada bagian sebelumnya kita telah mempelajari regresi persamaan tak linier
dengan terlebih dahulu melakukan linierisasi. Namun tidak semua persamaan tak
linier dapat memberikan parameter yang akurat dengan linierisasi. Pada bagian ini
kita akan mempelajari regresi persamaan tak linier sehingga kita tidak lagi harus
melinierisasikan persamaan tak linier.

Tugas 1

Harga viskositas air (centipoise) telah diukur pada berbagai temperatur. Hasil dari
eksperimen disajikan dibawah ini. Menggunakan regresi linier ganda (multiple
regresi linier), carilah konstanta-konstanta yang sesuai dengan persamaan berikut:


= + +

T(C) 10 20 30 40 50 60 70
1.308 1.005 0.801 0.656 0.549 0.469 0.406

Persamaan ini dimasukkan ke dalam matlab dengan menggunakan regresi


linier ganda untuk menyelesaikan permasalah.

LAPORAN KELOMPOK 5 36
Penulisan di dalam editor

Hasil Command Window

LAPORAN KELOMPOK 5 37
Ada beberapa konstanta yang dicari dalam soal ini yaitu k1, k2 dan k3. Hasil
keluaran dari jendela komen ada beberapa variable yang dihasilkan. Untuk rentang
konstanta pada umumnya dari 0-0.6, namun pada hasil penyelesaian ini dihasilkan
konstanta yang memiliki rentang sangat besar, hal ini dikarenakan mungkin ada
permasalahan dalam memasukkan rumus atau persamaan sehingga nilai tidak
terlalu cocok.

Tugas 2

Sebuah reaksi heterogen diketahui terjadi pada laju yang dapat digambarkan oleh
model Langmuir-Hinshelwood berikut ini:
1
=
(1 + + )2
Dari pengukuran laju awal, k1 ditentukan sebagai 0.015 mol/s.g-cat.atm, pada 400
K. Dengan menggunakan data laju reaksi pada 400 K, perkirakan nilai dari KA
dan KR.
PA 1 0.9 0.8 0.7 0.6 0.5 0.4
PR 0 0.2 0.2 0.3 0.4 0.5 0.6
r 3.4x10-5 3.6x10-5 3.7x10-5 3.9x10-5 4.0x10-5 4.1x10 4.2x10-
-5
5

LAPORAN KELOMPOK 5 38
Penulisan perumusan dalam bentuk matlab di dalam editor

Hasil Command Window

LAPORAN KELOMPOK 5 39
a=
0.0037
-0.0009
0.0000
>> [Ka, Kr] = polyfit (Pa, r, 1)

LAPORAN KELOMPOK 5 40
Bab III Penutup

3.1. Kesimpulan
1. Pada soal nomor 1, telah diketahui bahwa Nilai dari k1= (-2.0000, 40.0000)
kemudian k2 = 14.2046 dan k3= (0.7420, 0.3228).
2. Pada soal nomor 2, telah diketahui bahwa Nilai dari Ka= (-0.1321, 0.4768)
dan Kr= 9.0633e-007.

3.2. Saran
1. Harus teliti dalam memasukan rumus pada Ms.Excel baik tanda baca
maupun angka-angkanya
2. Tidak melakukan copy paste hasil pekerjaan lain karena akan merugikan
orang lain dan diri sendiri
3. Memperhatikan saat asisten sedang menjelaskan dan tidak bergurau saat
di dalam laboratorium komputasi
4. Lebih mendalami Ms. Excel supaya mampu mengimplementasikan apa
yang sudah didapat di kelas saat perkuliahan berlangsung
5. Mengurangi Human Error
6. Karena perhitungan a1 dan a0 masih dilakukan secara manual dengan cara
substitusi dan eliminasi, maka diperlukan ketelitian

DAFTAR PUSTAKA

Adrian Nur dkk, 2005 Penyelesaian numeris dalam Teknik Kimia dengan
MATLAB. Jurusan Teknik Kimia Fakultas Teknik Universitas Sebelas
Maret. Surakarta.

LAPORAN KELOMPOK 5 41
MODUL 5

INTEGRASI (Under Construction)

Bab I Pendahuluan

1.1.Tujuan Praktikum
Adapun tujuan praktikum persamaan differensial parsial ini adalah:
a. Untuk mengetahui metode persamaan integrasi.
b. Mempelajari dan membandingkan metode-metode numeric untuk
menyelesaikan persamaan integrasi.
c. Dapat mengaplikasikan persamaan integrasi dalam bentuk matlab

1.2.Batasan Masalah
Adapun batasan masalah dalam praktikum persamaan integrasi ini, ada
beberapa metode yang harus dipelajari yaitu Trapezoidal, Simpson l/3, dan
Simpson 3/8. Ada beberapa subrutin MATLAB yang harus diketahui seperti
trapz, quad, dblquad, triplequad.

1.3.Dasar Teori
Secara matematis integrasi dinyatakan oleh:

= () . (5.1)

Yang dinyatakan sebagai integrasi fungsi f(x) terhadap variabel x, yang


dievaluasikan antara batas x = a sampai x = b. Persamaan tersebut adalah jumlah
total f(x) dx yang meliputi bentangan dari x = a hingga x = b. Gambar 5.1
menunjukkan sebuah manifestasi grafik konsep tersebut.

LAPORAN KELOMPOK 5 42
Gambar 5.1. Konsep Integrasi

Integrasi adalah menentukan luas di bawah kurva f(x) antara x = a dan x = b.

ATURAN TRAPESIUM
Aturan trapesium dapat digunakan untuk penyelesaian integral secara numeris.
Caranya adalah dengan membagi bentangan x = a sampai x = b menjadi
bagianbagian yang lebih kecil yang besarnya masing-masing sebesar x
berjumlah n
buah. Jumlah interval n semakin besar, hasil integrasi secara numeris akan
semakin baik.

Gambar 5.2. Konsep Dasar Aturan Trapesium

Masing-masing bagian dianggap berbentuk trapesium, sehingga luas


masingmasing bagian adalah x tinggi x jumlah sisi sejajar. Harga integral
diperoleh dari jumlah luasan total dari masing-masing bagian.



() = (() + (1 )) + ((1 ) + (2 )) + + ((1 )
2 2 2

+ ())

LAPORAN KELOMPOK 5 43

= [() + 2(1 ) + 2(2 ) + + 2(1 ) + ()]
2

( )
= [() + 2(1 ) + 2(2 ) + + 2(1 ) + ()]
2

Dalam Matlab, metode perhitungan integrasi dengan aturan trapesium dapat


menggunakan fungsi trapz. Penggunaan fungsi trapz adalah Z = trapz(x,y) yang
menghitung integral y terhadap x menggunakan metode trapezium, x dan y
merupakan vektor yang sama panjang.

ATURAN SIMPSON

Aturan Simpson berdasarkan pada penggunaan pendekatan polinomial kuadratik


suatu fungsi f(x) pada sepasang sub-interval. Integrasi polinomial kuadratik melalui
titik (x0, f0), (x1, f1), dan (x2, f2) dengan f0 = f(x0), f1 = f(x1), dan f2 =f(x2) mengikuti
persamaan berikut:



() = ( + 41 + 2 )
23 0

Gambar 5.4. Konsep Dasar Aturan Simpson

Aplikasi aturan Simpson pada seluruh pasangan interval dalam kisaran x0 sampai
xn

LAPORAN KELOMPOK 5 44


() = (0 + 41 + 2 ) . . + (22 + 421 + 2 )
23 3

Untuk menggambarkan penggunaan aturan Simpson, akan ditampilkan dua


alternatif yaitu fungsi simp1 dan simp2, simp1 menggunakan vektor koefisien v dan
vektor fungsi nilai y serta mengalikan kedua vector, simp2 menggunakan aturan
Simpson secara konvensional (menggunakan loop).

LAPORAN KELOMPOK 5 45
Bab II Hasil dan Pembahasan

Pada penyelesaian tugas nomor 1 untuk menentukan besar entalpi material


dengan kapasitas massa material 2000 gram dan temperatur -200 s.d 100 oC
dilakukan perhitungan dengan program matlab yaitu dengan Subrutin MATLAB:
quad. Subrutin quad ini memiliki rumusan awal berupa

Q = quad(fungsi,A,B)

Subrutin quad merupakan salah satu langkah penyelesaian menghitung harga


integral dari nilai-nilai diskrit dari kapasitas.

Tugas Nomor 1
Lakukan komputasi yang sama seperti pada kasus 1, namun dengan massa material
2000 gram dan temperatur -200 s.d 100 oC.

Adapun program yang dijalankan untuk menyelesaikan tugas nomor 1 yaitu


memasukan rumus untuk kapasitas panas suatu material dapat dievaluasi dengan
menggunakan persamaan sbb:

() = 0.132 + 1.56 104 + 2.64 107 2 /0

Sehingga penulisan pada program matlabnya berupa:

% kapasitas.m
function cp = kapasitas(T)
cp=0.132+1.56e-4.*T+2.64e-7*T.^2;

% nilai kapasitas
kapasitas = 2000 % dalam gram

Selanjutnya di save dan dimasukan lagi program sub quad sebagai berikut:

LAPORAN KELOMPOK 5 46
% runkapasitas.m
Q = quad('kapasitas',-200,100)

Untuk mendapatkan hasinya program sub quar di save kemudian di run


sehingga keluaran dari command windownya yaitu

kapasitas =

2000

Q=

38.0520

Hasil keluaran dari commad window terjadi karena dilakukan penyimpanan


2 M-file yang terdiri dari 1 M-file berisi kapasitas dan 1 M-file yang lain berisi
fungsi eksekusi.

LAPORAN KELOMPOK 5 47
Bab III Penutup

3.3. Kesimpulan

Berdasarkan hasil dan pembahasan diatas dapat disimpulkan bahwa:

1. Untuk menentukan besaran entalpi material denganberbagai kapasitas dapat


diselesaikan dengan intergral, salah satunya subrutin quad.
2. Penyelesaian masalahnya dapat dilakukan dengan menyimpan perintah
kedalam 2 M-file yang diman salah satu berfungsi sebagai perintah dan yg
lainnya berfungsi sebagai fungsi eksekusi.
3. Hasil dari program matlab dari tugas nomor 1 berupa Q= 38.0520
3.4. Saran
1. Diharapkan melakukan program matlab dengan teliti agar tidak terjadi
kesalahan.
2. Terlebih dahulu membaca atau memahami teori pada modul.

DAFTAR PUSTAKA

Adrian Nur dkk, 2005 Penyelesaian numeris dalam Teknik Kimia dengan
MATLAB. Jurusan Teknik Kimia Fakultas Teknik Universitas Sebelas
Maret. Surakarta.

LAPORAN KELOMPOK 5 48
MODUL 6

Persamaan Diferensial Biasa (PDB)

Bab I Pendahuluan

1.1.Tujuan Praktikum
Adapun tujuan praktikum persamaan diferensiasi biasa adalah:
a. Mengetahui metode persamaan deferensial biasa.
b. Mempelajari dan memahami metode-metode numeric untuk
menyelesaikan persamaan deferensial biasa
c. Dapat mengaplikasikan persamaan diferensial biasa dalam bentuk
matlab.

1.2.Batasan Masalah
Adapun batasan masalah yang diambil dari persamaan diferesial biasa ini
adalah bagaimana caranya mengetahui persamaan diferensial biasa dalam bentu
matlab untuk menyelesaikan persoalan-persoalan yang ada di bab ini.

1.3.Dasar Teori
Persamaan differensial merupakan persamaan yang sangat sering
dijumpai dalam penyusunan suatu model untuk mendiskripsikan suatu
phenomena. Persamaan differensial merupakan gabungan suatu fungsi yang
tidak diketahui disertai turunannya. Variabel yang didifferensialkan disebut
variabel tak bebas dan variabel tempat variabel tak bebas didifferensialkan
disebut variabel bebas (independen). Jika fungsi tersebut mencakup satu
variable bebas, maka persamaan tersebut disebut persamaan differensial
ordiner.
Persamaan differensial juga diklasifikasikan menurut ordenya. Jika suatu
fungsi turunan tertingginya adalah turunan pertama, maka persamaan tersebut
disebut persamaan differensial orde satu. Suatu persamaan orde dua akan

LAPORAN KELOMPOK 5 49
mempunyai turunan kedua sebagai turunan tertinggi. Penyelesaian persamaan
differensial orde ke-n membutuhkan n kondisi yang diketahui. Jika kondisi
dispesifikasikan pada harga yang sama pada variabel bebas (misal pada t = 0)
maka masalah ini dinamakan masalah harga awal (initial value problem).
Selain masalah harga awal, kadang spesifikasi kondisi terjadi pada harga-harga
yang berbeda dari variabel bebas. Jika demikian maka persoalan tersebut
disebut masalah harga batas (boundary value problem).
Pada bagian awal bab ini akan dibahas masalah harga awal terlebih
dahulu yang akan dilanjutkan penyelesaian untuk masalah harga batas pada
bagian akhir bab. Ada dua kategori utama metode numerik dalam penyelesaian
persamaan differensial ordiner, yaitu metode satu langkah dan metode multi
langkah. Untuk metode satu langkah akan dibahas metode Euler dan metode
Runge-Kutta. Sedangkan metode multi langkah akan dibahas metode predictor-
korektor.
Persamaan diferensial biasa adalah persamaan diferensial yang terdiri
atas fungsi turunan satu buah variabel bebas. Contoh: Persamaan gaya geser
(shear stress) pada aliran fluida dirumuskan sbb.

=

Perhatikan PDB hanya memiliki satu buah variabel bebas yaitu x dan satu
variabel terikat yaitu xz.
Aplikasi PDB PDB banyak ditemukan pada pemodelan-pemodelan teknik
reaktor, kinetika reaksi kimia, peristiwa-peristiwa perpindahan dll.

Orde 1 + =
2
Orde 2 2 + =
3 2
Orde 3 3 + 2 + ( )2 =

LAPORAN KELOMPOK 5 50
Bab II Hasil Percobaan dan Pembahasan

Persamaan diferensial biasa adalah persamaan diferensial yang terdiri atas

fungsi turunan satu buah variabel bebas. Aplikasi PDB banyak ditemukan pada

pemodelan-pemodelan teknik reaktor, kinetika reaksi kimia, peristiwa-peristiwa

perpindahan dll. Berdasarkan ordenya PDB terdiri atas tiga jenis (paling umum

ditemukan dalam permasalahan teknik kimia) yaitu:


1 = + =

2
2 = 2
+ =

3 2 2
3 = 3 + 2 + ( ) =

Salah satu contoh penyelesaian persamaan differensial biasa terdapat pada

tugas 6 no 1 dan 2, serta tugas 8. Adapun penyelesaiannya seperti berikut:

Tugas 6 Transformasi kanonikal PDB dan analisis eigen

Nomor 1

Hitunglah nilai dan vektor eigen dari matrik A berikut ini. Bandingkan hasilnya

dengan menggunakan subrutin eig di MATLAB.


= [ ]

LAPORAN KELOMPOK 5 51
Nomor 2

Ubahlah persamaan differensial berikut ke dalam bentuk kanonikal.

2
. 3 10 = 0
2

3 3
2
. 3
+ 2
2 10 = 0

3 3
2 2
. ( ) + 9 = 0
3 2

Dari soal diatas maka penyelesaiannya menggunakan matlab pada no 1 yaitu

Program pada editor

% Transformasi kanonikal PDB dan analisis eigen

A= [1 2 3;2 5 1;3 1 4]

[V,D]=eig(A)

Keluaran pada commad window

A=

1 2 3

2 5 1

3 1 4

V=

-0.8607 0.1734 0.4788

0.2058 -0.7416 0.6385

0.4658 0.6481 0.6026

LAPORAN KELOMPOK 5 52
D=

-1.1017 0 0

0 3.6584 0

0 0 7.4433

Tugas 8 Solusi PDB tak linier menggunakan subrutin MATLAB orde23

Nomor 1 Konversi glukosa menjadi asam glukonik merupakan reaksi oksidasi


sederhana dari gugus aldehid gula menjadi gugus karboksil. Enzim glukosa
oksidase, terbentuk dalam mikroorganisme untuk mengubah glukosa menjadi
glukonolaktona. Kemudian glukonolaktona bereaksi dengan air membentuk asam
glukonik.

Penyelesaian pada matlab berupa

Dibuat dua M-file yang 1 M-file sebagai fungsi yang diberi nama fermen dan 1 M-
file lagi sebagai eksekuli ada punprogramnya

%fermen.m

function dydt=fermen(t,y)

b1=0.949;

b2=3.439;

b3=18.72;

b4=37.51;

b5=1.169;

LAPORAN KELOMPOK 5 53
dydt=[b1*y(1)*1-y(1)/b2

b3*y(1)*y(4)/b4+y(4)-0.9082*b5*y(2)

b5*y(2)

-1.011*(b3*y(1))*y(4)/b4+y(4)];

M-file selanjutnya sebagai eksekusi

%subrutin matlab
clear
clc
tspan=[0:1:9];
yo=[0.5 0.0 0.0 50.0];
[t,y]=ode23('fermen',tspan,yo)

Sehingga keluaran dari matlab sebagai berikut


t=
0
1
2
3
4
5

LAPORAN KELOMPOK 5 54
y=

0.5000 0 0 50.0000

0.9656 64.4265 36.6077 95.1214

1.8644 149.1302 159.4310 129.8306

3.5999 220.0065 381.6581 93.3024

6.9521 177.5118 626.9684 19.3589

13.4264 76.1435 772.3922 0.3336

25.9309 26.5129 827.5159 0.0001

50.0798 9.1673 846.6148 0.0000

96.7206 3.1705 853.2178 0.0000

186.8008 1.0966 855.5013 -0.0000

Nomor 2

Ubahlah persamaan differensial berikut kedalam bentuk kanonikal


a. 3 -10x=0

3 2
b. +t3 -t -10T=0
3 2

3 2
c. -y3 -( )2+9y=0
3

hasil diperoleh dari perhitungan manual

a.misalkan

=y
1
= =2

2 2
= =y3
2

LAPORAN KELOMPOK 5 55
maka PDB orde 2 dapat ditulis sbb:
1
=y2

2
=y3=10y1+3y2

penulisan dalam bentuk matrik sebagai berikut

1 0 1 1
[ ]=[ ][ ]
2 10 3 2

b. misalkan

misalkan T=y
1
= =y2

2 2
= =y3
2

3 3
= =y4
3

maka PDB orde 3 dapat ditulis sbb:


1
=y2

2
=y3

3
=y4=10y1+t y2-t3

penulisan dalam bentuk matriks sbb


1

2
0 1 0 1

=[ 0 0 1 ] [2 ]
3 10 3 3
[ ]

LAPORAN KELOMPOK 5 56
c.misalkan

y=z
1
= =y2

2 2
= =y3
2

3 3
=
3

maka PDB orde 3 tak linier dituliskan sbb


1
=y2

2
=y3

3
= -9z1+Z12Z2+y33 PDB tak linier tidak dapat dituliskan dalam

bentuk matriks.

LAPORAN KELOMPOK 5 57
Bab III Penutup
3.1 Kesimpulan
Dari hasil dan pembahasan diatas dapat disimpulkan bahwa
1. Aplikasi PDB banyak ditemukan pada pemodelan-pemodelan teknik
reaktor, kinetika reaksi kimia, peristiwa-peristiwa perpindahan dll.
2. Berdasarkan ordenya PDB terdiri atas tiga jenis (paling umum ditemukan
dalam permasalahan teknik kimia) yaitu:

1 = + =

2
2 = 2 + =

3 2 2
3 = 3 + 2 + ( ) =

3. Dengan menggunakan matlab PBD dapat diselesaikan dengan mudah
contohnya pada tugas 6 dan tugas 7 dengan bebagai jenis orde.
3.2 Saran
1. Diharapkan melakukan program matlab dengan teliti agar tidak terjadi
kesalahan
2. Terlebih dahulu membaca atau memahami terori pada modul

DAFTAR PUSTAKA

Adrian Nur dkk, 2005 Penyelesaian numeris dalam Teknik Kimia dengan
MATLAB. Jurusan Teknik Kimia Fakultas Teknik Universitas Sebelas
Maret. Surakarta.

Modul MATLAB dan Pengantar Pemrograman

LAPORAN KELOMPOK 5 58
MODUL 7

PERSAMAAN DIFFERENSIAL PARSIAL

Bab I Pendahuluan

1.1.Tujuan Praktikum
Adapun tujuan praktikum persamaan differensial parsial ini adalah:
a. Untuk mengetahui metode persamaan differensial parsial.
b. Mempelajari dan membandingkan metode-metode numeric untuk
menyelesaikan persamaan differensial parsial
c. Dapat mengaplikasikan persamaan differensial parsial dalam bentuk matlab

1.2.Batasan Masalah
Adapun batasan masalah dalam praktikum persamaan differensial parsial
ini, Seringkali ditemukan fungsi turunan hanya satu variable bebas dalam
permasalah real teknik kimia. Tentunya kita tak dapat begitu saja mengalurkan
data-data dengan menggunakan pemodelan differensial parsial. Pemodelan
kimia dan fisika atas suatu fenomena dalam bidang teknik kimia seringkali
menghasilkan rumusan matematis dalam bentuk PDP khususnya pada berbagai
fenomena perpindahan (momentum, massa, dan panas).

1.3.Dasar Teori

Persamaan diferensial parsial adalah persamaan diferensial yang terdiri atas


fungsi turunan lebih dari satu variabel bebas. Persamaan differensial parsial secara
umum untuk orde dua dalam variabel bebas x dan y dapat dinyatakan sebagai
berikut:

2 2 2
2
+ + 2
+ (, , , , ) = 0 . . (8.1)

LAPORAN KELOMPOK 5 59
Persamaan differensial parsial dapat diklasifikasikan tergantung dari nilai B2
4AC.

jika B2 4AC < 0, maka persamaan Eliptik


jika B2 4AC = 0, maka persamaan Parabolik
jika B2 4AC > 0, maka persamaan Hiperbolik

Jika koefisien A, B, dan C dalah fungsi x, y, dan/atau u, persamaan mungkin


berubah dari satu klasifikasi menjadi klasifikasi lain pada titik bervariasi. Dalam
teknik kimia persamaan yang sering dijumpai adalah persamaan differensial
eliptik dan parabolik, sehingga kedua persamaan itulah yang akan dibahas
dalam bab ini.

PERSAMAAN DIFFERENSIAL ELIPTIK

Persamaan differensial eliptik terbentuk jika koefisien A dan C pada persamaan


(8.1) sama dengan 1 dan B sama dengan nol, sehingga B2 4AC < 1.

Ada 2 type persamaan differensial eliptik yang akan dibahas, yaitu

- Persamaan Laplace
2 2
+ = 0 (8.2)
2 2
- Persamaan Poisson
2 2
- 2 + 2 + (, , , , ) = 0 . . (8.3)

PERSAMAAN LAPLACE

2 2
+ = 0 (8.4)
2 2
Penyelesaian persamaan Laplace adalah metode beda hingga.
2 2 +1, 2,+1, ,+1 2,+,1
+ = + . . (8.5)
2 2 ()2 ()2

Jika diambil x = y = h

LAPORAN KELOMPOK 5 60
2 2 1
2
+ 2 = 2 [+1, + ,1 + ,+1 + ,1 4, ] = 0 (8.6)

Umumnya PDP dalam teknik kimia berorde 2 dengan 2 sampai 4 variabel


bebas. Berdasarkan kelinierannya PDP terdiri atas tiga jenis, linier, quasilinier,
taklinier. Kajian PDP dalam diktat ini terbatas hanya untuk PDP orde 2 linier saja.

Kondisi Batas Untuk lebih memahami kondisi batas pada PDP perhatikan
contoh persamaan konduksi tak tunak satu dimensi sbb:

2
=
2

1. Kondisi Dirichlet
Nilai variabel terikat (T) diketahui pada nilai variabel bebas (x,t) tertentu
Kondisi awal
T = f(x) pada t=0 dan 0 x 1, atau
T = T0 pada t=0 dan 0 x 1
Kondisi batas
T = f(x) pada x=0 dan t > 0, dan
T = T1 pada x=0 dan t > 0
2. Kondisi Neuman
Turunan variabel terikat (T) diketahui pada nilai tertentu atau sebagai
fungsi dari variabel bebas (x,t).

= 0 = 1 0

3. Kondisi Robbin

= ( ) = 0 0

Turunan variable terikat (T) diketahui sebagai fungsi dari variable terikat
itu sendiri. Solusi yang paling sederhana dan gampang untuk diterapkan
yaitu dengan metode penghampiran selisih terhingga (finite difference
approximation).

LAPORAN KELOMPOK 5 61
Bab II Hasil Percobaan dan Pembahasan

Persamaan diferensial adalah suatu persamaan yang melibatkan satu atau


lebih turunan fungsi yang belum diketahui, dan atau persamaan itu mungkin juga
melibatkan fungsi itu sendiri dan konstanta. Persamaan diferensial seringkali
muncul dalam model matematika yang mencoba menggambarkan keadaan
kehidupan nyata. Banyak hukum-hukum alam dan hipotesa-hipotesa dapat
diterjemahkan kedalam persamaan yang mengandung turunan melalui bahasa
matematika. Salah satu contoh persamaan differensial terdapat pada tugas 9 nomor
1 yaitu sebagai berikut:

Tugas 9

Menyelesaikan persamaan differensial dengan penghampiran selisih


terhingga (diskretisasi)

Nomor 1

Dengan menggunakan penghampiran selisih terhingga terpusat selesaikan


persamaan diferensial sbb:

2
=+2
2

(0) = (1) = 1

Rentang Integrasi = 0 s/d 1

Sertakan pula kurva x,y diagram kartesiusnya

Soal diatas akan diselesaikan dengan menggunakan matlab, dimana proses


awalnya memasukan data-data yang diketahui kedalam editor seperti dibawah ini.

clear
clc
%Diskretisasi terhadap x
N=10;
dx=(1-0)/N;

LAPORAN KELOMPOK 5 62
x =[0:dx:1]'
%Membuat matrik A koefisien y
A = diag(-2*ones(N-1,1))+diag(ones(N-2,1),1) + diag(ones(N-2,1),-1)
%Vektor konstanta C
C = (1*[dx:dx:x(end)-dx]+2)*dx^2
C(1)=C(1)-1
C(end)=C(end)-1
%Menghitung harga y
y=A\C'
y=[1;y;1]
%Membuat kurva x-y
plot(x,y)
xlabel('x')
ylabel('y')
grid on
Selanjutnya menyimpan program kedalam M-file kemudiandi run kedalam
commad window agar bisa dijalankan. Sehingga hasil keluaran nya sebagai berikut:

x=

0.1000

0.2000

0.3000

0.4000

0.5000

0.6000

0.7000

0.8000

LAPORAN KELOMPOK 5 63
0.9000

1.0000

A=

-2 1 0 0 0 0 0 0 0

1 -2 1 0 0 0 0 0 0

0 1 -2 1 0 0 0 0 0

0 0 1 -2 1 0 0 0 0

0 0 0 1 -2 1 0 0 0

0 0 0 0 1 -2 1 0 0

0 0 0 0 0 1 -2 1 0

0 0 0 0 0 0 1 -2 1

0 0 0 0 0 0 0 1 -2

C=

0.0210 0.0220 0.0230 0.0240 0.0250 0.0260 0.0270 0.0280


0.0290

C=

-0.9790 0.0220 0.0230 0.0240 0.0250 0.0260 0.0270 0.0280


0.0290

C=

-0.9790 0.0220 0.0230 0.0240 0.0250 0.0260 0.0270 0.0280 -


0.9710

y=

0.8935

LAPORAN KELOMPOK 5 64
0.8080

0.7445

0.7040

0.6875

0.6960

0.7305

0.7920

0.8815

y=

1.0000

0.8935

0.8080

0.7445

0.7040

0.6875

0.6960

0.7305

0.7920

0.8815

1.0000

Dari keluaran program tersebut akan didapatkan hasil berupa kurva x,y
diagram kartesius.

LAPORAN KELOMPOK 5 65
Bab III Penutup

3.1 Kesimpulan

1. Persamaan diferensial adalah suatu persamaan yang melibatkan satu atau lebih
turunan fungsi yang belum diketahui, dan atau persamaan itu mungkin juga
melibatkan fungsi itu sendiri dan konstanta.
2. Pada penyelesaian tugas 9 no 1 dapat diselesaikan dengan persamaan
differensial dengan penghampiran selisih terhingga (diskretisasi) dengan
menggunakan matlab. Adapun rumusnya sebagai berikut:
2
=+2
2

(0) = (1) = 1

3. Hasil dari soal diatas didapatkan nilai y (0) adalah 0.8935; 0.8080; 0.7445;
0.7040; 0.6875 ; 0.6960; 0.7305; 0.7920; 0.8815 dan hasil y (1) adalah
1.0000; 0.8935; 0.8080; 0.7445; 0.7040; 0.6875; 0.6960; 0.7305; 0.7920;
0.8815; 1.0000 dan didapatlah berupa kurva perbandingan antara nilai X dan
Y dengan diagram kartesiusnya

3.2 Saran
1. Diperlukan ketelitian dalam penulisan rumus mencari y(0) dan y(1) karena
rumus yang digunakan relatif sulit.
2. Setelah di save ke dalam M-file jangan lupa merun pada commad window
3. Teliti dalam menggunakan tanda kurung, karena jika penggunaan tanda
kurung tidak tepat maka hasilnya akan berbeda.

LAPORAN KELOMPOK 5 66
DAFTAR PUSTAKA

Adrian Nur dkk, 2005 Penyelesaian numeris dalam Teknik Kimia dengan
MATLAB. Jurusan Teknik Kimia Fakultas Teknik Universitas Sebelas
Maret. Surakarta.

Andry Pujiriyanto, 2014 Cepat Mahir Matlab Ilmu Komputer.com

Modul MATLAB dan Pengantar Pemrograman

LAPORAN KELOMPOK 5 67
LAMPIRAN FOTO MATLAB BAB 1

Gambar 1. Penyelesaian soal Nomor 2

Gambar 2. Penyelesaian Soal Nomor 3

LAPORAN KELOMPOK 5 68
LAMPIRAN FOTO MATLAB BAB 2

Gambar 1. Foto 1 Bab 2

LAPORAN KELOMPOK 5 69
Gambar 3. Foto 2 Bab 2

Gambar 4. Foto 3 Bab 2

LAPORAN KELOMPOK 5 70
LAMPIRAN FOTO MATLAB BAB 3

Gambar 1. Penyelesaian Tugas 5

Gambar 2. Hasil Command Window Tugas 5

LAPORAN KELOMPOK 5 71
LAMPIRAN FOTO MATLAB BAB 4

LAPORAN KELOMPOK 5 72
Gambar 1. Tugas 1 Hasil Pengeluaran Komen Window

LAPORAN KELOMPOK 5 73
LAPORAN KELOMPOK 5 74
Gambar 2. Hasil Pengeluaran dan Command Window Tugas 2

LAPORAN KELOMPOK 5 75
LAMPIRAN FOTO MATLAB BAB 5

Gambar 1.program fungsi perintah

Gambar 2.program fungsi eksekusi pada editor

LAPORAN KELOMPOK 5 76
Gambar 3. Hasil keluaran dari commad window

LAPORAN KELOMPOK 5 77
LAMPIRAN FOTO MATLAB BAB 6

Gambar 1. Program Matlab Tugas 6 No 1

Gambar 2. Program Matlab Tugas 8

LAPORAN KELOMPOK 5 78
Gambar 3.Hasil Keluaran Tugas 8

LAPORAN KELOMPOK 5 79
LAMPIRAN FOTO MATLAB BAB 7

Gambar 1. Program pada editor

LAPORAN KELOMPOK 5 80
LAPORAN KELOMPOK 5 81
LAPORAN KELOMPOK 5 82
Gamabar 2. Keluaran pada commad window

Gambar 3. Hasil keluaran berupa kurva kartesiusnya perbandingan X dan Y

LAPORAN KELOMPOK 5 83