Laporan Praktikum

Komputasi Proses

Dosen Pengajar :
Dedi Wijayanto, ST, MT.

Disusun oleh :
Dwiki Ramadhan D1121151006 2015
Husna Kamilia D1121151002 2015
Wafa Arif D1121131001 2013
Yuliana Astrid Silitonga D1121131005 2013

PROGRAM STUDI TEKNIK KIMIA

FAKULTAS TEKNIK
UNIVERSITAS TANJUNGPURA
PONTIANAK
2018
 MODUL 1
BAB I PENDAHULUAN

1.1 Tujuan Praktikum

 Mengetahui cara mengoperasikan dan prosedur membuat program
sederhana dalam MATLAB
 Mengetahui cara menginisialisasi variable dalam MATLAB
 Mengetahui operasi matematika dan fungsi dasar dalam MATLAB
 Mengetahui cara menyelesaikan suatu masalah dengan menggunakan grafik
dalam MATLAB

1.2 Batasan Masalah

 Mengetahui pengertian dan fungsi-fungsi dari tool pada MATLAB.
 Mengerti cara mengoperasikan dan prosedur membuat program dasar dalam
MATLAB.
 Mengetahui serta dapat memahami operasi matematika dan fungsi dasar
dalam MATLAB
 Membuat grafik pada MATLAB.

1.3 Dasar Teori

Perangkat Lunak MATLAB
MATLAB merupakan perangkat lunak produk dari The MathWorks,Inc
yang memadukan kemampuan perhitungan, pencitraan, dan permograman dalam
satu paket. MATLAB merupakan bahasa komputasi teknik yang lebih mudah dan
lebih canggih dalam penggunaannya dibandingkan dengan bahasa teknik
pendahulunya seperti FORTRAN, BASIC, PASCAL. Sebetulnya MATLAB
tidaklah berbeda dengan kalkulator scientific yang sehari-hari kita (orang teknik)
kenal. Secara garis besar lingkungan kerja MATLAB terdiri atas beberapa unsur,
yaitu:
 Command window (layar kendali)
 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.
 Workspace (rak data)
Jendela Workspace menampilkan semua variabel yang tersedia. Dikala
kitatidak menetapkan variabel, jendela tidak itu kosong. Kita juga bisa melihat
danmengganti variabel di jendela ini (Ahlersten, 2012).
 Command history (layar pengingat)
Jendela ini berisi perintah-perintah yang pernah dijalankan sebelumnya pada
aplikasi Matlab.
 M-file (editor )  akan dibahas pada bagian khusus.

Gambar I.1 Lingkungan Kerja MATLAB

 Gambar I.2 Sistem Kerja MATLAB
Matrik dan Vektor pada MATLAB
Salah satu fitur yang dimiliki oleh Matlab adalah penggunaan vektor
sebagai objek. Vektor adalah sebuah larik satu-dimensi dari bilangan bilangan
yang tersusun dalam baris atau kolom. Vektor kolom dapat dibuat dengan cara
menyusun bilangan-bilangan dalam sebuah kurung kotak yang mana setiap
elemen dibatasi titik koma.
>> A=[1;2;3]
A=
1
2
3
Sedangkan untuk membuat vektor yang berbentuk baris adalah dengan
menyusun bilangan-bilangan yang dibatasi dalam kurung kotak dan setiap elemen
dipisahkan oleh spasi atau tanda titik koma.
>> A=[1,2,3,4]
A=
1234
Untuk menyatakan vektor baris dengan elemen-elemen dengan pola tertentu juga
dapat dibuat
>> x=1:5
 x=
1 2 3 4 5
Vektor tersebut juga dapat dituliskan dengan cara
x=[1 2 3 4 5]

Matriks adalah sekumpulan bilangan yang disusun secara baris dan kolom dan
ditempatkan pada kurung biasa atau kurung siku.

Penulisan matriks:

atau

Ordo suatu matriks adalah bilangan yang menunjukkan banyaknya baris (m) dan
banyaknya kolom (n).

Matriks berorde 3x2.

Dasar Dasar Operasi pada MATLAB

Dasar-dasar operasi dan variabel juga perlu dipelajari, untuk
memperlancaruntuk mengoperasikan aplikasi matlab. Dasar-dasar operasi yang
digunakan pada matlab antara lain:
 (+) : Penjumlahan
 () : Pengurangan
 (*) : Perkalian
 (/) : Pembagian
 (^) : Perpangkatan
 sqrt( ) : akar
 () : Kurung
 . : point (tanda koma)
 clc : menghapus/ mengkosongkan jendela
command window
 BAB II. HASIL PERCOBAAN & PEMBAHASAN
2.1 Hasil dan Pembahasan
Pada MATLAB ada beberapa bagian jendela yang penting untuk diketahui
untuk mengoperasikan aplikasi ini, antara lain Command Window, Current
Directory, Workspace, dan Command History
 Command window (layar kendali)
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.
 Workspace (rak data)
Jendela Workspace menampilkan semua variabel yang tersedia.
Dikala kitatidak menetapkan variabel, jendela tidak itu kosong. Kita juga
bisa melihat danmengganti variabel di jendela ini (Ahlersten, 2012).
 Command history (layar pengingat)
Jendela ini berisi perintah-perintah yang pernah dijalankan
sebelumnya pada aplikasi Matlab.
 Current Directory
Jendela ini berisi perintah perintah yang pernah dijalankan
sebelumnya pada aplikasi Matlab. Dasar dasar operasi dan variable juga
perlu dipelajari, untuk memperlancar mengoperasikan aplikasi Matlab.
Dasar-dasar operasi yang digunakan pada matlab antara lain:
 (+) : Penjumlahan
 () : Pengurangan
 (*) : Perkalian
 (/) : Pembagian
 (^) : Perpangkatan
 sqrt( ) : akar
 () : Kurung
  . : point (tanda koma)
 clc : menghapus / mengkosongkan
jendela command window
Adapun aplikasi penggunaan MATLAB dapat dilihat dari soal 2 dan 3. Pada
soal nomor 2 modul 1, untuk menghitung tekanan uap murni n-heksana dalam
rentang temperature 25-100C dengan menggunakan persamaan Antoine dapat
dilakukan dengan program MATLAB. Berikut adalah tampilannya pada command
window
%MENGHITUNG TEKANAN UAP MURNI n-HEKSANA
A=14.0568
B=2825.42
C=-42.7089
%RENTANG TEMPERATUR DALAM KELVIN (K)
T=298:373
%PERSAMAAN ANTOINE
LOG10P=A-B./(T+C)
%MENGHITUNG TEKANAN SATURASI
Psat=10.^LOG10P
%MEMBUAT GRAFIK
>> plot(T,Psat)
>> xlabel('Temperatur[K]')
>> ylabel('Tekanan[Kpa]')
>> title('Grafik P(Tekanan) terhadap T(Suhu) dari Persamaan Antoine')
Adapun hasilnya berupa grafik perbandingan antara temperatur dan tekanan.
Dapat dilihat pada gambar berikut ini :
 Gambar 1.3 Grafik P terhadap T dari Persamaan Antoine
Adapun aplikasi Matlab digunakan pada kasus nomor 3 modul 1 untuk
menghitung laju difusi gas amoniak menggunakan Hukum Fick’s. Berikut adalah
tampilannya pada command window
%MENGHITUNG LAJU DIFUSI GAS AMONIAK
>> L=0.1 %
>> R=8314
>> T=298
>> PA1=10130
>> PA2=5070
>> DAB=0.000023
%PERSAMAAN HUKUM FICK'S
>> JA=DAB*(PA1-PA2)/R*T*L
JA =
4.1714e-04
Dari dua permasalahan diatas, maka diketahui bahwa Matlab dapat
menyelesaikan berbagai jenis rumus antara lain Persamaan Antoine dan Hukum
Fick’s. Selain menyelesaikan rumus, Matlab juga dapat membuat grafik
perbandingan berbagai jenis perintah.
 BAB III. PENUTUP
3.1 Kesimpulan
Kesimpulan yang dapat diambil dalam praktikum Matlab yang berjudul
Pengenalan Matlab & Pengantar Pemograman adalah :
a. Bagian bagian jendela yang paling penting pada matlab yaitu command
window, current directory, workspace, dan command history,
b. Dasar dasar operasi pada matlab hampir sama dengan matematika seperti
biasanya, seperti penjumlahan (+), pengurangan (-), perkalian (*),
pembagian (/) dan operasi perhitungan lainnya.
c. Matlab dapat menyelesaikan berbagai rumus dari berbagai permasalahan
persamaan serta dapat membuat grafik.

3.2 Saran
Saran saya untuk praktikum ini adalah lebih teliti dalam menulis suatu
permasalahan di command window, karena kurang tanda titik akan menyebabkan
error.
 DAFTAR PUSTAKA
Ahlersten dan Oky Dwi Nurhayati. 2012. Analisis Statistika
menggunakan MATLAB. Yogyakarta : GRAHA ILMU.
Nuriman, Away dkk. 2006. Pemrograman MATLAB. Yogyakarta: ANDI
Rieko. 2007. Matlab dan Pengantar Pemograman.
(https://rieko.files.wordpress.com/2007/12/buku-komprostek.pdf).
Supardi. 2010. Vektor dan Matrik.
(https://supardi.files.wordpress.com/2010/03/praktikum-4.pdf).
LAMPIRAN 1. Flowchart

Mulai

Dimasukkan Nilai :
A = 14.0568
B = 2825.42
C = -42.7089
T = 298 : 373 (K)

Dihitung persamaan Antoine dengan

cara:
LnP = A-B/(T+C)

Dihitung tekanan dengan cara :

Psat = 10^LnP

Dibuat suatu grafik Psat terhadap T dengan cara:

plot(T,Psat)
xlabel('Temperatur[K]')
ylabel('Tekanan[Kpa]')
title('Grafik P(Tekanan) terhadap T(Suhu) dari Persamaan
Antoine')

Error
Run

Selesai

Gambar 2.1 Flowchart Penyelesaian Soal 2

 Mulai

Dimasukkan Nilai :
L=0.1 %; R=8314; T=298; PA1=10130;
PA2=5070; DAB=0.000023

Digunakan Persamaan Hukum Fick's

JA=DAB*(PA1-PA2)/R*T*L

Run Error

Selesai

Gambar 2.2 Flowchart Penyelesaian Soal 3

Lampiran 2. Listing Program
A. Penyelesaian Soal Nomor 2

Gambar 2.1 Tampilan M-File Penyelesaian Nomor 2

B. Penyelesaian Soal Nomor 3

Gambar 2.2 Tampilan M-File Penyelesaian Nomor 3

 MODUL 3

BAB I PENDAHULUAN

1.1 Tujuan Penelitian

Praktikum ini membahas bentuk komputasi persamaan linear pada metode

polinomial pada suatu angka reaksi aplikasi teknik kimia

1.2 Batasan Masalah

Agar mahasiswa dapat mencari akar persamaan non linear dengan

menggunakan penyelesaian MATLAB.

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 linier adalah sebuah
persamaan aljabar, yang tiap sukunya mengandung konstanta, atau perkalian
konstanta dengan variabel tunggal. Persamaan ini dikatakan linear sebab
hubungan matematis ini dapat digambarkan sebagai garis lurus dalam sistem
koordinat kartesius.
Perbedaannya :
Bentuk Persamaan:
 Persamaan linier  ax + b =0
 Persamaan non linier  ax2 + bx + c = 0
Bentuk Grafik
 Persamaan linier  garis lurus
 y yx

LINIER x
Gambar 1.1 Kurva Linier
 Persamaan non linier  parabola

y=exp(x)

NON-LINIER

Gambar 1.2 Grafik Non Linier

Metode Newton-Raphson

No Keunggulan Kelemahan
1. Hanya butuh satu tebakan Kekonvergenan ada kalanya gagal
dicapai.
awal.
2. Laju konvergensi cepat

Penyelesaian persamaan Non Linear :

1. Analitik
 Metode abc
 −𝑏 ± √𝑏 2 − 4𝑎𝑐
𝑥1 , 𝑥2 =
2𝑎
 Metode faktorisasi
𝑥 2 − 4𝑥 + 4 = 0
(𝑥 − 2)(𝑥 − 2) = 0

2. Numeris
 Biseksi
 Regula Falsi
 Secant
 Newton Rhapson
Penyelesaian persamaan non linier
1. Metode Tertutup
 Mencari akar pada range (a,b) tertentu.
 Dalam range (a,b) dipastikan terdapat satu akar.
 Hasil selalu konvergen, disebut juga metode konvergen.
2. Metode Terbuka
 Diperlukan tebakan awal.
 xn dipakai untuk menghitung xn+1.
 Hasil dapat konvergen atau divergen.
Metode Tertutup
 Metode tabel
 Metode Biseksi
 Metode Regula Falsi
Metode Terbuka
 Metode iterasi sederhana
 Metode Newton – Rhapson
 Metode Secant.
 Dalam bidang teknik sering didapatkan persamaan non linear :
f(x) = 0. Ingin dicari hagra 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 dapat
memenuhi. Berdasarkan harga tersebut dicari harga x yang lebih baik, yaitu xnew,
yang didapatkan dengan persamaan :

𝑥𝑛𝑒𝑤
𝑓(𝑥𝑜𝑙𝑑 )
= 𝑥𝑜𝑙𝑑 − ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ (3.1)
𝑓 ′ (𝑥𝑛𝑒𝑤 )

Selanjutnya harga xnew menjadi xold untuk mencari xnew berikutnya.

Demikian seterusnya hingga diperoleh harga x yang cukup baik. Hal ini ditandai
dengan harga xnew mendekati xold atau harga : f(xnew) ≈ 0

Subrutin dalam MATLAB untuk persamaan tak linier tunggal

MATLAB telah menyediakan program untuk menyelesaikan persamaan

linier tunggal yang telah menyatu dengan program MATLAB itu sendiri. Ada dua
subrutin yang umum digunakan, yaitu roots dan fzero.

Tabel Perbandingan subrutin roots terhadap fzero

Rutin Keunggulan Kelemahan

roots.m  Seluruh akar dapat diketahui  Hanya untuk pers.
dengan hanya sekali kuadrat dan polinomial.
menjalankan rutin.
 Tidak membutuhkan tebakan
mula.
 fzero.m  Solusi bagi segala jenis pers tak  Hanya satu buah
linier. akar yang dapat
diketahui sekali
menjalankan rutin.
 Membutuhkan tebakan
mula.
Penggunaan roots:
Penulisan perintah roots di Command window
MATLAB C(1)*X^N + ... + C(N)*X + C(N+1)

C = [C(1) C(2)........C(N) C(N+1)

roots(C)

BAB II. HASIL PERCOBAAN DAN PEMBAHASAN

2.1 Hasil dan Pembahasan

Tugas 5

Menyelesaikan sistem persamaan tak linier dengan menggunakan

subrutin MATLAB Suatu reaksi elementer A  B + C berlangsung dalam
sebuah reaktor tangki berpengaduk kontinu. Laju umpan murni A, 12 mol/s pada
temperatur 25 C. Reaksi bersifat eksotermik, untuk itu digunakan air pendingin
bertemperatur 50 C untuk menyerap kalor yang dibebaskan reaksi. Asumsi
konstanta kapasitas panas sama baik di sisi reaktan maupun produk, neraca energi
untuk sistem ini dirumuskan sebagai berikut:

FA0 = laju molar umpan, mol/s.

X = konversi

ΔHR = Kalor reaksi, J/(mol.K)

CP,A = kapasitas panas A, J/(mol.K)

T = temperatur reaktor, C
T0 = temperatur referensi, 25 C

Ta = temperatur air pendingin, C

U = koefisien pindah panas total, W/(m2.K)

A = luas pindah panas, m2

Dengan τadalah waktu tinggal dalam sekon, dan k adalah laju reaksi spesifik
dalam s-1 dihitung dengan menggunakan persamaan Arrhenius: Hitunglah harga
temperatur reaktor dan konversinya!. (ΔHR=-1500 kJ/mol; τ=10 s; CP,A = 4500
J/(mol.K); UA/FA0 =700 W.s/(mol.K).

Penyelesaian dalam MATLAB

M.File cstr.m

%Kelompok 1
%MODUL 3
%PERSAMAAN NON LINIER
%x(1)=untuk T
%x(2)=untuk konversi
function fx=cstr(x)
FA0=12; %mol/s
T0=25; %oC
Ta=50; %oC
HR=-1500000; %j/mol
CPA=4500; %j/mol.K
t=10; %s
UA=700*FA0; %W.s/mol.K

A=FA0*CPA*(X(1)-T0)+UA*(X(1)-Ta)+FA0*x(2)*HR
B=t*k(x(1)-x(2)*(1+t*k(x(1))))
fx=[A
 B]
end
function y=k(x)
y=650*exp(-3800/(x+273))
end

M.File MATLAB12.m (untuk mengeksekusi)

function y=k(x)
x=25
y=650*exp(-3800/(x+273))
end

COMMAND WINDOW

>> MATLAB12

x=

25

y=

0.0019

ans =

0.0019

Keterangan :

x : Suhu Reaktor (C)

y :k

Jadi untuk menghitung konversinya adalah

 𝑘 10∗0.0019
𝑋 = 1+𝑘 => 𝑋 = 1+10∗0.0019 = 0.0186

Dari data diatas, didapat bahwa jika suhu reaktor sebesar 25C maka didapatkan
konstanta reaksinya adalah 0.0019 dan konversinya sebesar 0.0186

BAB III PENUTUP

3.1 Kesimpulan
Kesimpulan dari praktikum ini adalah persoalan kinetika reaksi kimia
dapat diselesaikan dengan menggunakan program Matlab. Dengan
menggunakan perintah function pada Matlab, didapat konversi pada suhu
reaktor sebesar 25C adalah 0.0186.

3.2 Saran
Saran untuk praktikum ini adalah lebih teliti dalam memasukkan data
berupa nilai yang diketahui pada soal dalam program matlab, dan juga
satuan yang digunakan pada data data, disamakan terlebih dahulu agar hasil
akhir yang diperoleh sesuai dengan yang diinginkan
 DAFTAR PUSTAKA
Nuriman, Away dkk. 2006. Pemrograman MATLAB. Yogyakarta: ANDI
Rieko. 2007. Matlab dan Pengantar Pemograman.
(https://rieko.files.wordpress.com/2007/12/buku-komprostek.pdf).
Suparno, Supriysnto., 2014. Komputasi untuk Sains dan Teknik. Jakarta :
Universitas Indonesia.
Lampiran 1. Flowchart

Mulai

Jalankan program Matlab dengan

menggunakan subrutin “function”

Masukkan nilai nilai berikut kedalam program

Matlab:
FA0=12 mol/s; T0=25C; Ta=50C
HR=-1500 kJ/mol; CPA=4500 j/mol.K; t=10 s
UA=700*FA0 W.s/mol.K

Dimasukkan rumus neraca energi (A) dan konversi (B):

A=FA0*CPA*(X(1)-T0)+UA*(X(1)-Ta)+FA0*x(2)*HR
B=t*k(x(1)-x(2)*(1+t*k(x(1))))

Dibuat matrik nilai A dan B

Dibuat M-file baru untuk

mengeksekusi

Dimasukkan nilai tebakan awal

Suhu Reaktor (X) = 25C

Error
Run

Mulai

Gambar 2.1 Flowchart Penyelesaian Tugas 5

Lampiran 2. Listing Program

Gambar 2.1 M.File cstr.m

Gambar 2.2 M.File MATLAB12.m

Gambar 2.3 Hasil Program pada Command Window

 MODUL 4
BAB I PENDAHULUAN
1.1 Tujuan Praktikum

Untuk mengetahui cara menghitung regresi linier dan non linier dengan
menggunakan matlab.

1.2 Batasan Masalah

Pada percobaan kali ini dilakukan penyelesaian regresi linier dan non linier
dalam menentukan nilai konstanta dalam suatu persamaan laju reaksi dan
menentukan konstanta dari persamaan viskositas.

1.3 Dasar Teori

Regresi adalah suatu proses memperkirakan secara sistematis tentang apa

yang paling mungkin terjadi di masa yang akan datang berdasarkan informasi
masa lalu dan sekarang yang dimiliki agar kesalahannya dapat diperkecil. Analisis
regresi merupakan studi ketergantungan satu atau lebih variabel bebas terhadap
variabel tidak bebas. Dengan maksud untuk meramalkan nilai variabel tidak
bebas. Dalam ilmu statistika, teknik yang umum digunakan untuk menganalisis
hubungan antara dua atau lebih variabel adalah analisis regresi. Model matematis
dalam menjelaskan hubungan antar variabel dalam analisis regresi menggunakan
persamaan regresi

Dalam suatu persamaan regresi terdapat 2 macam variabel, yaitu :

 Variabel dependen/variabel respon (variabel tak bebas) adalah variabel yang

nilainya bergantung dari variabel lain. Biasanya dinyatakan dengan Y.
 Variabel independen/variabel predictor (variabel bebas) adalah variabel
yang nilainya tidak bergantung dari variabel lain. Biasanya dinyatakan
dengan X.

Persamaan Regresi Persamaan Regresi linier Sederhana :

Y = a + bX
Keterangan
Y = Nilai yang diramalkan/ subjek variabel terikat yang diproyeksikan
a = Nilai Konstansta harga Y jika X = 0

b = Koefesien regresi/ Nilai arah sebagai penentu ramalan/prediksi

yang menunjukkan nilai peningkatan (+) atau nilai penurunan (-)
variabel Y

X = Variabel bebas
Macam macam regresi non linier
1. Parabola Kuadratik
2. Parabola Kubik
3. Eksponen
4. Geometrik
5. Logistik
6. Hiperbola
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. Perhatikan fungsi tak linier (persamaan
Antoine) sebagai berikut.

a0, a1, dan a2 merupakan parameter.

Pada akhirnya diperoleh sistem persamaan tak linier yang terdiri atas 3 buah
persamaan tak linier. Sistem persamaan tak linier dapat diselesaikan secara
simultan menggunakan metode Newton.
 BAB II HASIL PERCOBAAN & PEMBAHASAN

2.1 Hasil dan Pembahasan

Untuk modul tentang regresi linier dan non linier, terdapat 2 soal yang
harus diselesaikan dengan menggunakan program MATLAB. Pada soal pertama,
data yang diperlukan dalam regresi linier kali ini adalah sebagai berikut.
TUGAS 1
Table 1. Data T dan Cp yang dicari regresi liniernya

Langkah pertama penyelesaian adalah dengan membuat data data tersebut menjadi
bentuk matrik. Berikut cara menjalankan programnya pada m-file
% KELOMPOK 1
% REGRESI LINIER DAN NON LINIER

% DATA T(C)
T=[10,20,30,40,50,60,70]
% DATA Cp
Cp=[1.308,1.005,0.801,0.656,0.549,0.469,0.406]
Selanjutnya dicari nilai konstanta dari persamaan berikut dengan menggunakan
polyfit.

% KELOMPOK 1
% REGRESI LINIER DAN NON LINIER

% DATA T(C)
T=[10,20,30,40,50,60,70]
% DATA Cp
Cp=[1.308,1.005,0.801,0.656,0.549,0.469,0.406]
[k1,k2,k3]=polyfit(Cp,T,1)
Didapat hasil pada command windows adalah sebagai berikut:
>> MATLAB15
T=

10 20 30 40 50 60 70

Cp =

1.3080 1.0050 0.8010 0.6560 0.5490 0.4690 0.4060

k1 =

-20.8096 40.0000

k2 =

struct with fields:

R: [2×2 double]
df: 5
normr: 14.2046

k3 =

0.7420
0.3228

TUGAS 2

Pada soal nomor 2, Sebuah reaksi heterogen diketahui terjadi pada laju yang
dapat digambarkan oleh model Langmuir-Hinshelwood berikut ini:

Dari pengukuran laju awal, k1 ditentukan sebagai 0.015 mol/s.g-cat.atm, pada 400
K.
Penyelesaian soal ini sama dengan penyelesaian tugas 1, dimana soal ini
diselesaikan dengan program Matlab dengan subrutin Polyfit. Berikut adalah
programnya:

%KELOMPOK 1
%REGRESI LINIER DAN NON LINIER

clear
clc
%MASUKKAN DATA DATA DALAM BENTUK MATRIKS
PA=[1,0.9,0.8,0.7,0.6,0.5,0.4]
PR=[0,0.1,0.2,0.3,0.4,0.5,0.6]
r=[3.4*10^-5,3.6*10^-5,3.7*10^-5,3.9*10^-5,4.0*10^-5,4.1*10^-5,4.2*10^-5]
K1=0.015
y=r;
X1=K1*PA;
X2=X1/(1+PA+PR)
[Ka,Kr]=polyfit(PA,r,1)
A=[sum(X1.^2),sum(X1.*X2),sum(X1)
sum(X1.*X2),sum(X2.^2),sum(X2)
sum(X1),sum(X2),length(r)];
c=[sum(X1.*y),sum(X2.*y),sum(y)];
a=A/c
Dimana hasil dari program diatas adalah :
PA =

1.0000 0.9000 0.8000 0.7000 0.6000 0.5000 0.4000

PR =

0 0.1000 0.2000 0.3000 0.4000 0.5000 0.6000

r=
 1.0e-04 *

0.3400 0.3600 0.3700 0.3900 0.4000 0.4100 0.4200

K1 =

0.0150

X2 =

0.0052

Ka =

1.0e-04 *

-0.1321 0.4768

Kr =

struct with fields:

R: [2×2 double]

df: 5

normr: 9.0633e-07

a=

1.0e+04 *

0.0273

0.0020

2.6022

Jadi diperoleh nilai masing masing Ka dan Kr berturut turut adalah (-0.1321
0.4768) dan (9.0633e-07)
 BAB III PENUTUP

3.1 Kesimpulan
Pada penyelesaian tugas pertama dan kedua menggunakan fungsi
polynomial polyfit. Polyfit berfungsi untuk mencocokkan kurva polynomial.
Pada soal nomor 1, telah diketahui bahwa Nilai dari k1= (-2.0000, 40.0000)
kemudian k2 = 14.2046 dan k3= (0.7420, 0.3228). Pada soal nomor 2,
telah diketahui bahwa Nilai dari Ka= (-0.1321, 0.4768) dan Kr= 9.0633e-
007.
3.2 Saran
Saran saya untuk praktikum ini adalah lebih teliti dalam memasukkan
data data yang terdapat dalam soal dan selalu mencermati dan memahami
maksud dari dosen yang menjelaskan tentang materi ini, sebab, jika tidak
dapat memahaminya, maka akan menemukan kesulitan dalam meyelesaikan
permasalahan permasalahan yang ada pada bab ini
 DAFTAR PUSTAKA
Anonim. 2009. Regresi Non Linier
(https://repository.unikom.ac.id/33244/1/regresi%20non%20linier.pdf)
Nuriman, Away dkk. 2006. Pemrograman MATLAB. Yogyakarta: ANDI
Rieko. 2007. Matlab dan Pengantar Pemograman.
(https://rieko.files.wordpress.com/2007/12/buku-komprostek.pdf).
Zanthy, Luvy Sylviana. 2016. Analisis Regresi Sederhana. (http://luvy-sylviana-
zanthy.dosen.stkipsiliwangi.ac.id/files/2016/04/ANALISIS-REGRESI-
SEDERHANA-6.pdf)
LAMPIRAN 1. Flowchart

Mulai

Dimasukkan nilai T dan Cp kedalam

program Matlab dengan mengubah
bentuknya kedalam matrik

T=[10,20,30,40,50,60,70]
Cp=[1.308,1.005,0.801,0.656,0.549,0.469,0.406
]

Gunakan subrutin “Polyfit”

dalam program Matlab:
[k1,k2,k3]=polyfit(Cp,T,1)

Run
Error

Selesai

Gambar 1.1 Flowchart Penyelesaian Tugas 1

 Mulai

Dimasukkan nilai PA, PR dan r

kedalam program Matlab dengan
mengubah bentuknya kedalam matrik

PA = [1,0.9,0.8,0.7,0.6,0.5,0.4]
PR = [0,0.1,0.2,0.3,0.4,0.5,0.6]
r = [3.4*10^-5,3.6*10^-5,3.7*10^-5,3.9*10^-5,4.0*10^-
5,4.1*10^-5,4.2*10^-5]

K1=0.015

Masukkan rumus kedalam M-

file matlab:
X1=K1*PA;
X2=X1/(1+PA+PR)

Gunakan subrutin “Polyfit”

dalam program Matlab:
[Ka,Kr]=polyfit(PA,r,1)

Run
Error

Selesai

Gambar 1.2 Flowchart Penyelesaian Tugas 2

LAMPIRAN 2. Listing Program

Gambar 1.1 M-file tugas 1

Gambar 1.2 M-file tugas 2

Gambar 1.3 Hasil Pemograman Tugas 1
Gambar 1.4 Hasil Pemograman Tugas 2
 MODUL 6
BAB I PENDAHULUAN
1.1 Tujuan Praktikum
Adapun tujuan dari praktikum ini adalah:
 Untuk mengetahui apa itu persamaan diferensial biasa
 Agar mahasiswa dapat menyelesaikan bentuk penyelesaian differensial
biasa dengan problem menggunakan penyelesaian MATLAB
1.2 Batasan Masalah
 Percobaan ini membatasi masalah persamaan diferensial biasa.
 Menyelesaikan persamaan diferensial biasa menggunakan MATLAB
1.3 Dasar Teori
Pada umumnya dikenal dua jenis persamaan difrensial yaitu Persamaan
Difrensial Biasa (PDB) dan Persamaan Difrensial Parsial (PDP). Untuk
mengetahui perbedaan kedua jenis persamaan difrensial itu dapat dilihat dalam
defnisi berikut:
Persamaan Difrensial adalah Suatu persamaan yang meliputi turunan fungsi
dari satu atau lebih variabel terikat terhadap satu atau lebih variabel bebas.
Selanjutnya jika turunan fungsi itu hanya tergantung pada satu variabel bebas
maka disebut Persamaan Difrensial Biasa (PDB) dan bila tergantung pada lebih
dari satu variabel bebas disebut Persamaan Difrensial Parsial (PDP).
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 ini diperkenalkan pertama
kali oleh Leibniz pada tahun 1676. 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. Sebagai
contoh, turunan-turunan dalam fisika muncul sebagai kecepatan dan percepatan
sedangkan dalam geometri sebagai kemiringan. Persamaan diferensial juga dapat
didefinisikan sebagai persamaan matematis yang mengandung satu variabel bebas,
variabel terikat dan turunan-turunan variabel terikat terhadap variabel bebasnya.
Persamaan diferensial diklasifikasikan sebagai:
1. Menurut jenis atau tipe: ada persamaan diferensial biasa (ordinary
differential equation) dan persamaan diferensial parsial (partial differential
equation). Persamaan diferensial biasa didefinisikan sebagai suatu
persamaan yang mengandung satu atau lebih turunan biasa suatu fungsi
yang tidak diketahui dengan dua atau lebih peubah bebas. Sedangkan
persamaan diferensial parsial didefinisikan sebagai suatupersamaan yang
mengandung satu atau lebih turunan parsial suatu fungsi yang tidak
diketahui dengan dua atau lebih peubah bebas.
2. Menurut orde: orde persamaan diferensial adalah orde tertinggi turunan
fungsi yang ada dalam persamaan. adalah orde tiga; adalah orde dua;
adalah orde satu.
3. Menurut derajat: derajat suatu persamaan diferensial adalah pangkat
tertinggi dari turunan fungsi orde tertinggi. Sebagai contoh: adalah
persamaan diferensial biasa, orde tiga, derajat dua. Persamaan diferensial
Sturm-Liouville adalah persamaan diferensial biasa berorde dua yang
diperkenalkan oleh ahli matematika Jacques C.F Sturm(1803-1855) dan
Joseph Liouville (1809-1882). Persamaan diferensial ini dapat diselesaikan
dengan menggunakan metode numerik. Sasaran akhir dari analisis numerik
yang dilakukan dalam metode numerik adalah diperolehnya metode yang
terbaik untuk memperoleh jawaban yang berguna dari persoalan
matematika.
Solusi persamaan diferensial adalah suatu fungsi dari variabel bebas,
sebutlah y = g(x) yang memenuhi persamaan diferensial adalah solusi persamaan
diferensial yang diberikan, maka substitusikan y = g(x) kedalam persamaan
diferensial yang diberikan. Solusi persamaan diferensial biasa (PDB) ada
beberapa macam:
1. Solusi umum persamaan diferensial
Solusi umum adalah solusi PD dengan konstanta sembarang
sebanyak orde-nya. Kita ketahui bahwa sebuah pengintegralan akan
 memunculkan sebuah konstanta (C) sembarang. Pengintegralan
selanjutnya akan menimbulkan konstanta (C) sembarang lain. Solusi PD
diperoleh antara lain dengan pengintegralan sebanyak ordenya. Jadi PD
orde satu akan mempunyai solusi umum dengan sebuah konstanta
sembarang, PD orde n akan mempunyai solusi dengan n konstanta
sembarang. Dengan demikian sebuah nilai riil untuk konstanta sembarang
itu, maka akan diperoleh sebuah kurva. Jika konstanta sembarang itu diberi
berbagai nilai riil maka terbentuklah rumpun kurva dengan parameter
sebanyak konstanta sembarang itu. Contoh: y ' 3 mempunyai

penyelesaian umum y  3 x  C
2. Solusi khusus persamaan diferensial
Solusi khusus sama dengan solusi umum dengan konstanta
sembarang yang telah diganti dengan angka riil tertentu. Jadi kurva solusi
khusus bukan lagi merupakan rumpun kurva melainkan salah satu
darirumpun kurva itu. Contoh: y ' 3 dengan syarat y (0)  1 , maka
penyelesaian khususnya adalah y  3 x  1
3. Solusi singular persamaan diferensial
Mungkin ada solusi lain yang tidak mungkin diperoleh dengan cara
menentukan nilai tertentu atau mensubstitusikan suatu nilai bagi konstanta
sembarang pada solusi umum. Solusi yang demikian ini disebut solusi
singular. Contoh: y  Cx  C 2 adalah solusi umum dari PDB

( y' )2  xy'  y , namun demikian disisi lain PDB tersebut mempunyai

1 2
penyelesaian singular y   x .
4
4. Solusi implisit persamaan diferensial
Solusi implisit adalah solusi PD yang berbentuk G(x,y) = 0. Semua
variabel ada disatu ruas, yang berbeda dengan solusi biasanya yaitu solusi
eksplisit yang berbentuk y = f(x).
1.1 Metode Penyelesaian Persamaan diferensial Biasa
 Terdapat tiga jenis metoda yang dapat digunakan untuk menentukan solusi
dari suatu PDB yaitu:
1. Metoda Analitik
Metoda ini dapat menghasilkan dua bentuk solusi yaitu bentuk
eksplisit dan implisit, yang dicari melalui teknik deduktif analogis dengan
menggunakan konsep-konsep matematik. Kelebihannya dapat mengetahui
bentuk fungsi solusinya namun tidak cukup fleksibel untuk masalah-
masalah yang komplek. Dengan komputer dapat diselesaikan dengan
software MATLAB atau MAPLE. Prosedur dalam MATLAB ditulis
sebagai berikut:

%Menggunakan fungsi
dsolve>>dsolve(‘Dy = 3*y + 1,
y(0)=1’)

2. Metoda kualitatif
Solusi ini hanya dapat memberikan gambaran secara geometris
bagaimana visualisasi dari solusi PDB. Dengan mengamati pola grafik
gradien "field" (direction field), maka dapat diestimasi solusi PDB itu.
Keunggulannya dapat memahami secara mudah kelakuan solusi suatu
PDB namun fungsi asli dari solusinya tidak diketahui, dan juga kurang
fleksibel untuk kasus yang komplek. Dengan MATLAB direction fieeld
dapat digambar sebagai berikut:

3. Metode numeric
 Pada saat sekarang metoda ini merupa-kan metoda yang fleksibel.
Metoda ini berkembang sesuai dengan perkembangan computer, dan dapat
menyelesaikan PDB dari level yang mudah sampai pada level yang
kompleks. Meskipun fungsi tidak solusi tidak diketahui secara eksplisit
maupun implicitnamun data yang diberikan dapat divisualisir dalam
bentuk grafik sehingga dapat dianalisis dengan baik. Metoda ini
berdasarkan prinsip-prinsip pendekatan (aproksimasi) sehingga solusi yang
diperoleh adalah solusi hampiran (solusi pendekatan). Sebagai
konsekwensi dari penggunaan metoda ini adalah adanya evaluasi berulang
dengan menggunakan komputer untuk mendapatkan hasil yang akurat.
Salah satu metoda ang telah anda kenal adalah metoda EULER dengan
rumus yn+1 = yn+ hf(t; y), (lihat catatan Algoritma dan Pemerograman).
Dibawah diberikan programming metoda EULER dengan menggunakan
MATLAB programming.
 BAB III HASIL PERCOBAAN & PEMBAHASAN
3.1 Hasil dan Pembahasan
Untuk pengaplikasian penyelesaian persamaan differensial biasa (PDB)
dilakukan dengan mengerjakan kasus 6. Pada kasus 6, permasalahan yang dicari
adalah menentukan vektor dan nilai Eigen dari sebuah matrik. Berikut adalah
soalnya:

Untuk menentukan nilai dan vektor eigen, dapat menggunakan perintah “eig”
pada program Matlab. Berikut adalah tampilan pada m-file nya:

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

[V,D]=eig(A)
Dari penulisan program tersebut, diperolah hasil sebagai berikut :

>> MATLAB17

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

D=
 -1.1017 0 0

0 3.6584 0

0 0 7.4433

Dimana vektor eigen [V] yang didapat adalah :

= -0.8607 0.1734 0.4788

0.2058 -0.7416 0.6385

0.4658 0.6481 0.6026

Dan nilai eigennya [D] adalah :

= -1.1017 0 0

0 3.6584 0

0 0 7.4433

Tugas 8

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. Mekanisme reaksi secara keseluruhan proses fermentasi dapat dituliskan
sebagai berikut :
Untuk penyelesaian diatas, dibuat 2 m-file. Dimana salah satu m-file digunakan
untuk menulis program eksekusi. Berikut adalah penulisan programnya:

%KELOMPOK 1
%FERMENTASI
function dydt=fermen(t,y)
b1=0.949;
b2=3.439;
b3=18.72;
b4=37.51;
b5=1.169;

A=b1*y(1)*(1-y(1)/b2)
B=((b3*y(1)*y(4))/(b4+y(4)))-(0.9082*b5*y(2))
C=b5*y(2)
D=-1.011*(((b3*y(1))*y(4))/(b4+y(4)))

dydt=[A;B;C;D];
end
untuk program pengeksekusinya adalah :
clear
clc
tspan=[0;1;2;3;4;5;6;7;8;9];
yo=[0.5;0.0;0.0;50.0];
[t,y]=ode23('fermen',tspan,yo)
Dari program diatas, didapat hasil sebagai berikut:
t=

0
1
2
 3
4
5
6
7
8
9

y=

0.5000 0 0 50.0000
1.0499 5.0440 2.9663 42.1769
1.8282 9.9738 11.7994 29.0824
2.5644 12.4430 25.3208 14.1708
3.0382 9.9037 38.7599 4.3985
3.2721 5.2933 47.5755 0.9651
3.3724 2.2454 51.7835 0.1828
3.4129 0.8553 53.4773 0.0330
3.4289 0.3100 54.1073 0.0058
3.4351 0.1097 54.3330 0.0010
 BAB III PENUTUP
3.1 Kesimpulan
Dari praktikum ini, dapat disimpulkan bahwa permasalahan persamaan
differensial biasa dapat diselesaikan dengan menggunakan program Matlab. Dari
contoh soal, penentuan nilai dan vektor eigen dapat diselesaikan dengan
menggunakan subrutin “eig” dalam program matlab. Contoh lain adalah
menentukan nilai y1, y2, y3, dan y4 pada tugas 8, didapat kesimpulan bahwa PDB
tak linier dalam diselesaikan dengan menggunakan subrutin “ode23” pada
program Matlab.
3.2 Saran
Karena Sistem Persamaan Diferensial Biasa (PDB) merupakan model
matematika yang berkaitan erat dalam kehidupan sehari-hari, oleh sebab itu,
sangat penting untuk mempelajari secara mendalam cara memecahkan suatu
model Sistem Persamaan Diferensial Parsial (PDP). Salah satu cara untuk
memudahkan dalam menyelesaikan masalah yang berkaitan dengan Sistem
Persamaan Diferensial Parsial (PDP) yaitu menggunakan program matlab.
 DAFTAR PUSTAKA
Degeng, I Wayan. 2007. Kalkulus Lanjut: Persamaan Deferensial & Aplikasinya.
Yogyakarta: Graha Ilmu.
Nuriman, Away dkk. 2006. Pemrograman MATLAB. Yogyakarta: ANDI
Rieko. 2007. Matlab dan Pengantar Pemograman.
(https://rieko.files.wordpress.com/2007/12/buku-komprostek.pdf).
Lampiran 1. Flowchart

Mulai

Dianalisis matrik

Bentuk matrik pada

program Matlab dengan
cara :
A=[1 2 3;2 5 1;3 1 4]

Dicari nilai dan vektor Eigen dengan

menggunakan perintah “eig” contoh
[V,D]=eig(A)

Run
Error

Selesai

Gambar 1.1 Flowchart Kasus 6 Nomor 1

 Mulai

Dianalisis soal

Dimasukkan nilai nilai yang

terdapat dalam soal:
b1=0.949; b2=3.439; b3=18.72;
b4=37.51; b5=1.169;

Digunakan perintah Function pada

program Matlab:
function dydt=fermen(t,y)

Dimasukkan rumus rumus yang terdapat dalam

soal disesuaikan dengan penulisan di Matlab :
A = b1*y(1)*(1-y(1)/b2)
B = ((b3*y(1)*y(4))/(b4+y(4)))-
(0.9082*b5*y(2))
C = b5*y(2)
D = -1.011*(((b3*y(1))*y(4))/(b4+y(4)))

Digunakan M-file baru untuk Error

mengeksekusi program

Masukkan tebakan awal :

T = 25C

Selesai

Gambar 1.2 Flowchart Tugas 8

Lampiran 2. Listing Program

Gambar 1.3 Tampilan M-file Kasus 6 Nomor 1

Gambar 1.4 Tampilan M-file Tugas 8

Gambar 1.5 Tampilan M-file Pengeksekusi Tugas 8