ADLIM

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
NAMA : MUHAMMAD ADLIM

NIM : 08021181520004
HARI / TANGGAL : JUMAT, 16 NOVEMBER 2018
ASISTEN : 1. ANNISA SETIANINGRUM
2. KRISTINA
3. ERIK ARI IRAWAN
LABORATORIUM FISIKA KOMPUTASI

JURUSAN FISIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SRIWIJAYA
2018
LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
I. Nomor Percobaan : I (Satu)

II. Nama Percobaan : Metoda Beda Hingga
III. Tujuan Percobaan : Membuat program komputer (script Matlab(TM)) untuk
aplikasi metoda beda hingga pada kasus fisika yang melibatkan persamaan
diferensial parsial.
Fakultas MIPA – Jurusan Fisika

Universitas Sriwijaya
LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
IV. Dasar Teori

Persamaan difrensial muncul sebagai model matematika dari berbagai bidang
ilmu antara lain: fisika, kimia, biologi, rekayasa, ekonomi dan lain-lain sebagainya.
Secara umum persamaan diferensial digolongkan menjadi dua jenis yaitu:
1. Jika suatu persamaan difrensial hanya mengandung turunan biasa, maka ia
disebut Persamaan Diferensial Biasa (PDB)
2. Jika menngandung turunan parsial ia disebut Persamaan Diferensial Parsial
(PDP).
Pengertian Metoda Beda Hingga (Finite Difference Method, FDM)
FDM merupakan sebuah metode numerik untuk menyelesaikan persamaan
diferensial.Metode ini menggunakan aproksimasi persamaan beda (difference
equations), dalam hal initurunan (‘persoalan’) diaproksimasi dengan beda hingga. FDM
adalah sebuah metodediskretisasi.
Gambar 1.1 Ilustrasi grid line dan mesh points

Garis –garis xi dan yi disebut “grid line” dan perpotongan xi dan yi disebut “mesh
points”.
Bentuk Umum Persamaan Difrensial Parsial
Berikut ini adalah bentuk umum dari persamaan diferensial parsial:
𝜕2 𝑧 𝜕2 𝑧 𝜕2 𝑧 𝜕𝑧 𝜕𝑧
𝐴(𝑥, 𝑦) 𝜕𝑥 2 + 𝐵(𝑥, 𝑦) 𝜕𝑥𝜕𝑦 + 𝐶(𝑥, 𝑦) 𝜕𝑦 2 + 𝑓 (𝑥, 𝑦, 𝑧, 𝜕𝑥 , 𝜕𝑦) = 0 (1.1),
Bila kita mempunyai sebuah PDP, misalkan persamaan Poisson atau Laplace, sebagai
berikut:
𝜕2 𝑢(𝑥,𝑦) 𝜕 2 𝑢(𝑥,𝑦)
+ = 𝑓(𝑥, 𝑦) (1.2),
𝜕𝑥 2 𝜕𝑦 2
Persamaan diatas adalah PDP Elliptik. Penyelesaiannya berdasarkan pendekatan

metodebeda hingga dirumuskan sebagai berikut:
ℎ2 ℎ2
2 [1 + ] 𝑤𝑖,𝑗 − (𝑤𝑖+1,𝑗 + 𝑤𝑖−1,𝑗 ) − 𝑘 2 (𝑤𝑖,𝑗+1 + 𝑤𝑖,𝑗−1 ) = −ℎ2 𝑓(𝑥𝑖 , 𝑦𝑗 ) (1.3),
𝑘2
Dengan syarat batasnya adalah :

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
𝑤0,𝑗 = 𝑔(𝑥0 , 𝑦𝑗 ), 𝑤𝑛,𝑗 = 𝑔(𝑥𝑛 , 𝑦𝑗 ) 𝑗 = 0,1 … , 𝑚 − 1; (1.4),
𝑤𝑖,0 = 𝑔(𝑥𝑖 , 𝑦0 ), 𝑤𝑖,𝑚 = 𝑔(𝑥𝑖 , 𝑦𝑚 ) 𝑖 = 1,2 … , 𝑛 − 1 (1.5),

(Monado dkk., 2017).
Persamaan diferensial parsial menurut nilai koefisiennya dibedakan atas tiga
persamaan, yaitu persamaan parabolik, persamaan eliptik, dan persamaan hiperbolik.
Kebanyakan permasalahan dalam ilmu pengetahuan dan teknologi dapat
dipresentasikan dalam bentuk persamaan diferensial parsial. Persamaan tersebut
memegang peranan penting di dalam penggambaran keadaan fisis, dimana
besaran‐besaran yang terlibat didalamnya berubah terhadap ruang dan waktu.
Persamaan eliptik biasanya berhubungan dengan masalah keseimbangan atau
kondisi permanen (tidak tergantung waktu), dan penyelesaiannya memerlukan
kondisi batas di sekeliling daerah tinjauan (Sulistyono, 2015).
Sebuah persamaan diferensial parsial dikatakan kuasilinier jika ia linier dalam
turunan tertingginya. Jadi, suatu persamaan kuasilinier ordo-kedua dalam dua peubah
bebas 𝑥, 𝑦 dapat ditulis sebagai:
𝑎𝑢𝑥𝑥 + 2𝑏𝑢𝑥𝑦 + 𝑐𝑢𝑦𝑦 = 𝐹(𝑥, 𝑦, 𝑢, 𝑢𝑥 , 𝑢𝑦 ) (1.6).
Dalam hal ini 𝑢 adalah fungsi yang tidak diketahui. Persamaan ini dikatakan :
1. Berjenis eliptik jika 𝑎𝑐 − 𝑏 2 > 0 (misalnya: persamaan Laplace)
2. Berjenis parabolik jika 𝑎𝑐 − 𝑏 2 = 0 (misalnya: persamaan panas)
3. Berjenis hiperbolik jika 𝑎𝑐 − 𝑏 2 < 0 (misalnya: persamaan gelombang)
Didalam persamaan panas dan gelombang, 𝑦 adalah waktu 𝑡. Disini koefisien
𝑎, 𝑏, 𝑐 mungkin adalah fungsi dari 𝑥, 𝑦, sehingga jenis persamaan diferensial (1.6)
mungkin berbeda didalam daerah bidang– 𝑥𝑦 yang berbeda. Penggolongan ini tidak
sekedar formal belaka, namun mempunyai implikasi praktis yang besar sebab perilaku
umum solusinya berbeda dari jenis satu ke jenis lainnya, dan begitu juga dengan syarat
tambahan (syarat batas dan syarat awal) yang harus diperhitungakan. Penerapan yang
berkaitan dengan persamaan eliptik biasanya membawa pada masalah nilai batas
didalam suatu daerah 𝑅. Masalah ini dinamakan masalah nilai batas pertama atau
masalah dirichlet jika 𝑢 didefinisikan pada kurva batas 𝐶 bagi daerah 𝑅(Kreyszig,1993).
Terdapat banyak masalahdalam ilmu terapan, fisika, dan rekayasa teknik
yangdimodelkan secara matematika dengan persamaan diferensial dan syarat-syarat
batas. Kadang-kadang untuk mencari solusi analitik atau eksak dari persamaan
diferensial biasa merupakan hal yang sangat sulit. Cara lain di samping solusi analitik
atau eksak adalah solusi numerik atau pedekatan.
Jika diberikan persamaan diferensial linier tingkat dua pada umumnya, solusi
analitiknya sulit dicari, mengingat persamaan diferensial yang diberikan tersebut masih
bersifat umum. Dalam hal ini, akan dicari solusi numeriknya dengan metode beda
hingga. Instrumen untuk solusi itu adalah formula pendekatan beda hingga untuk

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
turunan fungsi. Bila solusi eksak dari suatu persamaan differensial biasa sulit sekali atau
bahkan tidak dapat diselesaikan maka biasanya solusi pendekatannya secara numerik
dapat dicari dengan metode beda hingga (Sangadji, 2008).
Finite difference method menunjukkan bagaimana suatu turunan dapat didekati
dengan penggunaan finite difference. Kita bisa menggunakan pendekatan yang sama
untuk solusi dari beberapa jenis persamaan diferensial. Metode ini secara efektif
menggantikan persamaan diferensial dengan seperangkat persamaan diferensial.
Solusi dari persamaan diferensial parsial eliptik orde kedua ditentukan di atas
daerah tertutup, dan bentuk batas dan kondisinya pada setiap titik harus ditentukan.
Beberapa persamaan diferensial parsial eliptik parsial terkecil, yang muncul secara
alami dalam deskripsi sistem fisik diantaranya:
persamaan Laplace ∇2 𝑧 = 0 (1.7),
persamaan Poisson ∇2 𝑧 = 𝐹(𝑥, 𝑦) (1.8),
persamaan Helmholtz ∇2 𝑧 + 𝐺(𝑥, 𝑦)𝑧 = 𝐹(𝑥, 𝑦) (1.9),
𝜕2 𝑧 𝜕2 𝑧
dimana ∇2 𝑧 = 𝜕𝑥 2 + 𝜕𝑦 2dan 𝑧(𝑥, 𝑦)adalah fungsi yang tidak diketahui. Perhatikan
bahwa persamaan Laplacedan persamaan Poisson adalah kasus khusus persamaan
Helmholtz. Secara umum, persamaan ini harus memenuhi kondisi batas yang ditentukan
berdasarkan nilai fungsi atau turunan dari fungsi normal terhadap batas.Selanjutnya,
masalah ini bisa memiliki kondisi batas campuran. Jika kita membandingkan (1.7),
(1.8), dan (1.9) terhadap persamaan diferensial parsial orde dua standar dalam dua
variabel, yaitu persamaan (1.1). Kita melihat bahwa dalam setiap kasus 𝐴 = 𝐶 = 1
dan𝐵 = 0, sehingga𝐵 2 = 4𝐴𝐶 < 0. Persamaan Laplace bersifat homogen, dan jika ada
masalah yang memiliki kondisi batas yang homogen maka solusinya, 𝑧 = 0. Persamaan
eliptikhanya dapat diselesaikan dalam bentuk tertutup untuk sejumlah situasi. Untuk
sebagian besar masalah, perlu menggunakan pendekatan numerik. Metode beda hingga
relatif mudah diterapkan, terutama untuk daerah segi empat (Lindfield dan Penny,
2012).

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
V. Algoritma
Program Solusi Persoalan Distribusi Panas
Step1: Mulai
Step2: Inisialisasi matrik A
Inisialisasi matriks b
Inisialisasi n=9, i, j, p, u, v, jj, m, k, x, S, w
Step3: Untuk i = 1 sampai n
Step4: Proses matriks A (i, n+1) = matriks b (i,1)
Step5: Untuk j = 1 sampai n-1
Step6: Jika matriks A (j,j) = 0, maka
Step7: Untuk p = 1 sampai n+1
Step8:Proses u = matriks A (j,p)
Proses v = matriks A (j+1,p)
Proses matriks A (j+1,p) = u
Proses matriks A (j,p) = v
Step9: Proses jj = j+1
Step10: Untuk i = jj sampai n
Step11: Proses m = matriks A (i,j) / matriks A (j,j)
Step12: Untuk k = 1 sampai n+1
Step13:Proses matriks A (i,k) = matriks A (i,k) – (m ×matriks A (j,k)
Step14: Matriks x (n,1) = matriks A (n,n+1) / matriks A (n,n)
Step15: Untuk i = n-1 sampai 1 dengan selisih -1
Step 16: Proses S=0
Step17: Untuk j = n sampai i+1 dengan selisih -1
Step18:Proses S = S+ matriks A (i,j) ×matriks x (j,1)
Step19:Proses matriks x (i,1) = (matriks A (i, n+1)-S) / matriks A (i,i)
Step20: Proses w = matriks x
Step21: Selesai

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
VI. Flowchart Mulai
Inisialisasimatrik A,
A=[ 4 -1 0 -1 0 0 0 0 0; -1 4 -1 0 -1 0 0 0 0;
0 -1 4 0 0 -1 0 0 0; -1 0 0 4 -1 0 -1 0 0;
0 -1 0 -1 4 -1 0 -1 0; 0 0 -1 0 -1 4 0 0 -1;
0 0 0 -1 0 0 4 -1 0; 0 0 0 0 -1 0 -1 4 -1;
0 0 0 0 0 -1 0 -1 4];
Inisialisasi matriks b=[ 25; 50; 150; 0; 0; 50; 0; 0; 25];

Inisialisasi n=9, i, j, p, u, v, jj, m, k, x, S, w
Pembentukan matriks augmentasi 𝑖 = 1 𝑠𝑎𝑚𝑝𝑎𝑖 𝑖 = 𝑛

A (i,n+1) = b (i,1)
tidak
(𝐴(𝑗, 𝑗) = 0)
𝑝 = 1 𝑠𝑎𝑚𝑝𝑎𝑖 𝑝 = 𝑛
ya
𝑗
= 1 𝑠𝑎𝑚𝑝𝑎𝑖 𝑗
𝑢 = 𝐴(𝑗, 𝑝)
=𝑛
−1 𝑣 = 𝐴(𝑗 + 1, 𝑝)
Pembentukan elemen matriks A
𝐴(𝑗 + 1, 𝑝) = 𝑢
𝐴(𝑗, 𝑝) = 𝑣
𝑖
= 𝑗𝑗 𝑠𝑎𝑚𝑝𝑎𝑖 𝑗 𝑗𝑗 = 𝑗 + 1
=𝑛
𝑚 = 𝐴(𝑖, 𝑗)/𝐴(𝑗, 𝑗)
𝐴(𝑖, 𝑘) = 𝐴(𝑖, 𝑘) − (𝑚 × 𝐴(𝑗, 𝑘)) 𝑘 = 1 𝑠𝑎𝑚𝑝𝑎𝑖 𝑘 = 𝑛 + 1

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
VII. Listing
% solusi persoalan distribusi panas, FDM Eliptik
clear all
clc
n=9;
A=[ 4 -1 0 -1 0 0 0 0 0; -1 4 -1 0 -1 0 0 0 0;
0 -1 4 0 0 -1 0 0 0; -1 0 0 4 -1 0 -1 0 0;
0 -1 0 -1 4 -1 0 -1 0; 0 0 -1 0 -1 4 0 0 -1;
0 0 0 -1 0 0 4 -1 0; 0 0 0 0 -1 0 -1 4 -1;
0 0 0 0 0 -1 0 -1 4];
b=[25; 50; 150; 0; 0; 50; 0; 0; 25];
%&&&&&& Proses Eliminasi Gauss &&&&&&&&&&&&&&&&&&&&&&&&&

%====== Menggabungkan Vektor b kedalam matrik A ========
%====== sehingga terbentuk matrik Augmentasi. ========
for i=1:n
A(i,n+1)=b(i,1);
end
%---------Proses Triangularisasi-----------
for j=1:(n-1)
%----mulai proses pivot---
if (A(j,j)==0)
for p=1:n+1
u=A(j,p);
v=A(j+1,p);
A(j+1,p)=u;

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
A(j,p)=v;
end
end
%----akhir proses pivot---
jj=j+1;
for i=jj:n
m=A(i,j)/A(j,j);
for k=1:(n+1)
A(i,k)=A(i,k)-(m*A(j,k));
end
end
end
%-------------------------------------------
%------Proses Substitusi mundur-------------

x(n,1)=A(n,n+1)/A(n,n);
for i=n-1:-1:1
S=0;
for j=n:-1:i+1
S=S+A(i,j)*x(j,1);
end
x(i,1)=(A(i,n+1)-S)/A(i,i);
end
%===== Menampilkan Vektor w =================

w=x

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
VIII. Tugas Pendahuluan

1. Jelaskan pengertian PDP Eliptik?
2. Jelaskan pengertian syarat batas! Apa bedanya dengan syarat awal?
Jawaban:
1. PDP Eliptik adalah persamaan diferensial parsial yang biasanya berhubungan
dengan masalah keseimbangan atau kondisi permanen (tidak bergantung waktu),
dan penyelesaiannya memerlukan kondisi batas disekeliling daerah
tinjauan.Persamaan PDP eliptik diantaranya:
persamaan Laplace ∇2 𝑧 = 0
persamaan Poisson ∇2 𝑧 = 𝐹(𝑥, 𝑦)
persamaan Helmholtz ∇2 𝑧 + 𝐺(𝑥, 𝑦)𝑧 = 𝐹(𝑥, 𝑦)
𝜕2 𝑧 𝜕2 𝑧
dimana ∇2 𝑧 = 𝜕𝑥 2 + 𝜕𝑦 2 dan 𝑧(𝑥, 𝑦)adalah fungsi yang tidak diketahui.
Persamaan Laplacedan persamaan Poisson adalah kasus khusus persamaan
Helmholtz. Secara umum, persamaan ini harus memenuhi kondisi batas yang
ditentukan berdasarkan nilai fungsi atau turunan dari fungsi normal terhadap
batas.Selanjutnya, masalah ini bisa memiliki kondisi batas campuran.
2. Syarat batas adalah syarat yang diberikan pada titik akhir dari suatu selang
antara titik awal sampai titik akhir pada suatu persamaan diferensial, sedangkan
syarat awal adalah kondisi awal yang diberikan pada suatu persamaan
diferensial.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
IX. Data Hasil Pengamatan

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
X. Analisa
Dalam menyelesaikan persamaan diferensial parsial eliptik memerlukan
kondisi batas dalam sekeliling daerah yang ditinjau berupa batas awal dan batas akhir.
Persamaan diferensial eliptik antara lain persamaan Laplace, Poisson, dan Helmholtz.
Persamaan-persamaan tersebut dapat diselesaikan dengan menggunakan program
matlab. Sebelum diselesaikan menggunakan program matlab, terlebih dahulu
diselesaikan menggunakan pendekatan metode beda hingga. Sebelumnya terlebih
dahulu menentukan sebuah syarat batas.
Setelah syarat batas ditentukan maka dapat ditentukan mesh point dari daerah
yang ingin di cari nilainya. Mesh point ini, titik dimana dapat mewakili keadaan dari
sebuah luasan. Sebaikknya jarak antar mesh point tidak sangat jauh agar hasil yang
didapatkan mendekati solusi eksak dari persamaan tersebut.Berdasarkan syarat-syarat
batas yang telah ditentukan sebelumnya dan dengan jumlah perulangan yang telah
ditentukan maka persamaan tersebut akan membentuk sebuah matriks sehingga dapat
diselesaikan dengan menggunakan program matlab. Walaupun hasil dari penyelesaian
persamaan diferensial parsial menggunakan program matlab tidak seakurat jika
menggunakan persamaan eksaknya akan tetapi penyelesaian dengan menggunakan
program matlab dapat membantu jika suatu persamaan diferensial parsial tidak
diketahui persamaan eksaknya.
Dalam kasus distribusi panas pada sebuah lempengan logam dengan

penyelesaian menggunakan program matlab dengan pertama-tama memasukkan nilai
matriks yang telah didapat bedasarkan perhitungan menggunakan pendekatan metode
beda hingga eliptik. Setelah itu maka proses selanjutnya dengan menggabungkan kedua
matriks sehingga membentuk matriks augmentasi. Dengan menggunakan matlab jika
membentuk matriks augmentasi maka dilakukan perulangan sebanyak perulangan yg
telah ditentukan. Hal ini dapat dilihat pada scribt untuk baris ke 18 jika tanda semikolon
(;) dihilangkan. Selanjutnya dilakukan proses triangularisasi dan pada baris ke 25
sampai baris ke 30 dilakukan proses penukaran baris jika garis diagonalnya tidak benilai
nol.
Setelah melakukan proses triangularisasi lalu masuk ke proses subtitusi

mundur. Pada proses subtitusi mundur untuk 𝑖 = 𝑛 − 1sampai 𝑖 = 1 dengan kenaikkan

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
mundur sebesar (-1) dilakukan proses 𝑆 = 0. Untuk 𝑗 = 𝑛 − 1sampai 𝑖 = 1 + 1dengan

kenaikkan sebesar (-1) dilakukan proses menentukan nilai S yang baru. Sehingga
didapatlah nilai 𝑥. Nilai 𝑥 sama dengan nilai 𝑤, dan nilai 𝑤 tersebut merupakan nilai
dari mesh point yang dicari.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
XI. Tugas Akhir

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
XII. Kesimpulan
1. Metoda beda hingga menggunakan mesh point sebagai titik yang ingin dicari nilainya
dan sebagai perwakilan dari sebuah luasan.
2. Jarak antar mesh point jangan terlalu jauh agar hasil dari perhitungan mendekati hasil
perhitungan menggunakan solusi eksak.
3. Untuk menyelesaikan persamaan diferensial eliptik menggunakan program matlab
terlebih dahulu harus dibuat dalam bentuk matrik karena perhitungan didalam
program matlab menggunakan eliminasi gauss.
4. Semua proses eliminasi gauss dalam program matlab akan telihat jika tanda
semikolon (;) dihilangkan pada scribt matlab.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
DAFTAR PUSTAKA
Kreyszig, E., 1993. Matematika Teknik Lanjutan. Jakarta: Gramedia Pustaka Utama.
Lindfield, G. R., dan Penny, J. E. T., 2012.Numerical Methods Using Matlab. Waltham:
Elsevier.
Monado, F., Koryanti, E., dan Ariani, M., 2017.Modul Praktikum Fisika Komputasi II.
Indralaya: Universitas Sriwijaya.
Sangadji, 2008. Metode Beda Hingga untuk Solusi Numerik Persamaan Diferensial.
Jurnal Mat Stat, 2 (8): 132-133.
Sulistyono, B. A., 2015. Aplikasi Metode Beda Hingga Skema Eksplisit pada
Persamaan Konduksi Panas. Jurnal Math Educator Nusantara, 1 (1): 41.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
LAPORAN
PRAKTIKUM FISIKA KOMPUTASI II
I. NomorPercobaan: II (Dua)
II. NamaPercobaan: Metoda Beda Hingga : PDP Parabolik
III. TujuanPercobaan:
Membuat program komputer (script Matlab(TM)) aplikasi metode
beda hingga pada kasus fisika terkait persamaan diferensial tipe
parabolik.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
IV. Dasar Teori

Banyak fenomena fisika yang dapat dimodelkan menjadi Persamaan Diferensial
Parsial (PDP) jenis parabolik. Salah satu contohnya adalah kasus distribusi panas
bergantung waktu pada sebuah objek. Misalkan distribusi panas pad sekeping logam
‘satu’ dimensi dengan perumusannya seperti pada persamaan (2.1).
𝜕2 𝑢 𝜕𝑢
𝛼2 (𝑥, 𝑡 ) = (2.1),
𝜕𝑥 2 𝜕𝑡
dengan batasan: 0 < 𝑥 < 𝐿 𝑑𝑎𝑛 𝑡 ≥ 0; dengan 𝛼 adalah sebuah konstanta.

Persamaan (2.1) dapat diselesaikan dengan menggunakan FDM pendekatan forward
difference, backward difference, atau pendekatan Crack-Nicolson.
Berikut ini adalah perumusan umum FDM Forward Difference:
𝑤𝑖,𝑗+1 = (1 − 2)𝑤𝑖,𝑗 + 𝑤𝑖+1,𝑗 + 𝑤𝑖−1,𝑗 (2.2),
dengan:
𝛼2
 = ℎ2 (2.3),
(Monado dkk., 2017).

Salah satu metode numerik untuk menyelesaikan persamaan diferensial parsial
seperti model ini adalah metode beda hingga. Dalam metode beda hingga terdapat
bermacam skema, salah satunya skema implisit yang stabil tanpa syarat. Suatu
persamaan yang di dalamnya terdapat turunan parsial dan terdapat dua atau lebih
variabel bebas maka, persamaan tersebut disebut persamaan diferensial parsial (partial
differential equation/pde)(Rahayu dkk., 2013).
Salah satu metode yang dapat memperkirakan bentuk diferensial kontinu
menjadi bentuk diskrit ialah dengan metode beda hingga. Orde dari persamaan
diferensial parsial ditentukan berdasarkan orde dari turunan tertinggi pada persamaan
diferensial parsial tersebut.Persamaan diferensial parsial adalah persamaan-persamaan
yang mengandung satu atau lebih turunan-turunan parsial. Persamaan itu haruslah
melibatkan paling sedikit dua variabel bebas. Tingkat persamaan diferensialparsial
adalah tingkat turunan tertinggi pada persamaan itu. Orde dari persamaan diferensial
parsial ditentukan berdasarkan orde dari turunan tertinggi pada persamaan diferensial
parsial tersebut. Berikut ini diberikan beberapa bentuk persamaan diferensial parsial
diantaranya, Persamaan Ellips jika𝑏 2 − 4𝑎𝑐 < 0, Persamaan Parabola jika 𝑏 2 − 4𝑎𝑐 =
0, Persamaan Hiperbola jika𝑏 2 − 4𝑎𝑐 > 0.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
Diferensial numerik digunakan untuk memperkirakan bentuk diferensial

kontinu menjadi bentuk diskret. Diferensial numerik ini banyak digunakan untuk
menyelesaikan persamaan diferensial. Bentuk tersebut dapat diturunkan berdasar pada
deret taylor.Metode beda hingga skema Crank-Nicolsonmerupakan pengembangan dari
skema eksplisit dan implisit. Dalam skema eksplisit, ruas kanan ditulis pada waktu ke 𝑛.
Dalam skema implisit, ruas kanan ditulis untuk waktu 𝑛+1. Skema ini menggunakan
teknik pembobotan untuk diskritisasi waktu sekarang 𝑡𝑛, dan diskritisasi waktu yang
akan datang 𝑡𝑛+1. Dengan cara yang lebih fleksibel yaitu dengan menggunakan faktor
pemberat waktu. Skema jaringan titik hitungan diberikan oleh gambar 1 berikut.
Gambar 2.1. Skema Crank-Nicolson.

Skema ini menggunakan teknik pembobotan untuk diskritisasi waktu sekarang 𝑡𝑛
dan diskritisasi waktu yang akan datang 𝑡𝑛+1 dengan cara yang lebih fleksibel yaitu
dengan menggunakan faktor pemberat waktu. Beda hingga terhadap ruang (𝑥):
𝜕2 𝑇 (𝑇𝑛+1 𝑛+1
𝑖+1 −2𝑇𝑖 +𝑇𝑛+1
𝑖−1 ) (𝑇𝑛𝑖+1 −2𝑇𝑛𝑖 +𝑇𝑛𝑖−1 )
= + (1 − 𝜃) (2.4),
𝜕𝑥 2 (∆𝑥)2 (∆𝑥)2
Dengan 0≤𝜃≤1 adalah faktor pemberat waktu. sedangkan untuk beda hingga terhadap
waktu:
𝜕𝑇 𝑇𝑖𝑛+1 −𝑇𝑖𝑛 )
= (2.5),
𝜕𝑡 ∆𝑡
dengan 𝜃 adalah koefisien pembobot dengan nilai :

𝜃 = 0, jika skema adalah eksplisit; 𝜃 = 1, jika skema adalah implisit; 𝜃 = 12, jika skema
adalah Crank-Nicolson(Khamidiyah dan Pagalay, 2014).
Sebuah persamaan diferensial parsial dikatakan kuasilinier jika ia linier dalam
turunan tertingginya. Jadi suatu persamaan kuasilinier ordo-kedua dalam dua peubah
bebas x, y dapat dituliskan sebagai
𝑎𝑢𝑥𝑥 + 2𝑏𝑢𝑥𝑦 + 𝑐𝑢𝑦𝑦 = 𝐹(𝑥, 𝑦, 𝑢, 𝑢𝑥 , 𝑢𝑦 ) (2.6).

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
Dalam hal ini u adalah fungsi yang tidak diketahui. Persamaan ini dikatakan
berjenis eliptik jika 𝑎𝑐 − 𝑏 2 > 0 (misalnya persamaan Laplace), berjenis parabolik jika
𝑎𝑐 − 𝑏 2 = 0 (misalnya persamaan panas), berjenis hiperbolik jika 𝑎𝑐 − 𝑏 2 <
0 (misalnya persamaan Gelombang). (Didalam persamaan panas dan gelombang, y
adalah waktu t). Disini, koefisien a, b, c, mungkin adalah fungsi dari x, y, sehingga jenis
persamaan diferensial (1.5) mungkin berbeda didalam daerah bidang-xy yang berbeda.
Penggolongan ini tidak sekedar formal belaka, namun mempunyai implikasi praktis
yang besar sebab perilaku umum solusinya berbeda dari jenis satu ke jenis yang lainnya,
dan begitu juga dengan syarat tambahan (syarat batas dan syarat awal) yang harus
diperhitungkan(Kreyszic, 1993).
Sebagian besar persamaan diferensial parsial secara fisika adalah turunan kedua
dan dapat di klasifikasikan dalam tiga bentuk diantaranya, parabolik, eliptik, dan
hiperbolik. Persamaan parabolik melibatkan turunan pertama untuk masing-masing
variabel bebasnya, tetapi turunan keduanya berada pada variabel remaining. Contohnya
adalah persamaan difusi dan waktu bebas persamaan scrhodinger dimana turunan
pertama terhadap waktu dan turunan kedua terhadap ruang(Koonin dan Meredith,
1990).
Permasalahan yang mengandung waktu sebagai variabel bebas biasanya termasuk
dalam persamaan parabola. Persamaan parabola yang paling sederhana adalah
perambatan panas dan difusi polutan, yang mempunyai bentuk :
𝜕𝑇 𝜕2 𝑇
=𝐾 (2.7).
𝜕𝑡 𝜕𝑥 2
Dalam persamaan perambatan panas, T adalah temperatur, K adalah koefisien

konduktivitas, t adalah waktu dan x adalah jarak. Pada persamaan difusi polutan,
variabel T adalah konsentrasi polutasn, dan K adalah koefisien difusi turbulen.
Penyelesaian persamaan tipe parabola dengan menggunakan metode beda hingga
dapat dibedakan menjadi tiga metode (skema) dasar, yaitu skema eksplisit dan implisit.
Pada skema eksplisit, variabel (temperatur) pada suatu titik dihitung secara langsung
dari variabel di beberapa titik disekitarnya pada waktu sebelumnya, yang udah diketahui
nilainya. Dengan metode ini, penurunan persamaan diferensial parsial kedalam bentuk
beda hingga lebih mudah. Namun kendala utamanya adalah kemungkinan terjadinya
ketidakstabilan hitungan, apabila digunakan langkah waktu yang beas. Di dalam
implisit, untuk menghitung variabel di suatu titik perlu dibuat suatu sistem persamaan

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
yang mengandung variabel di titik tersebut dan titik-titik disekitarnya pada waktu yang
sama.Salah satu metode yang paling banyak digunakan untuk menyelesaikan masalah
ini adalah metode sapuan ganda dari Choleski. Berdasarkan kedua skema dasar tersebut
telah dikembangkan skema yang lainnya, seperti skema Crack-Nicolson, Preissman,
Leap Frog, dan sebagainya.Skema Pressman merupakan pengembangan dari skema
dasar implisit sedangkan skema Leap Frog merupakan pengembangan dari skema dasar
eksplisit(Triatmodjo, 2002).

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
V. Algoritma
Step1 :Mulai
Step2 :Inisialisasi n = 9, alpha = 1.0, k = 0.0005, h = 0.1, lambda, i, iterasi = 1000, j,
matriks w,w0, Matriks A (9x9) (1-2 x lambda) lambda 0 0 0 0 0 0 0
lambda(1-2 x lambda) lambda 0 0 0 0 0 0
0 lambda (1-2 x lambda) lambda 0 0 0 0 0
0 0 lambda (1-2 x lambda) lambda 0 0 0 0
0 0 0 lambda (1-2 x lambda) lambda 0 0 0
0 0 0 0 lambda (1-2 x lambda) lambda 0 0
0 0 0 0 0 lambda (1-2 x lambda) lambda 0
0 0 0 0 0 0 lambda (1-2 x lambda) lambda
0 0 0 0 0 0 0 lambda (1-2 x lambda)
(alpha2 )𝑥𝑘
Step3 :Proses lambda = ℎ2
Step4 :Proses suhu (i) = sin (𝑝𝑖 𝑥 𝑖 𝑥 0.1), lakukanperulanganuntuk i = 1 sampai n

Step5 :Proses w0(i,1) = suhu (i), lakukanperulanganuntuk i = 1 sampai n
Step6:Proses matriks A =(1-2 x lambda) lambda 0 0 0 0 0 0 0
lambda(1-2 x lambda) lambda 0 0 0 0 0 0
0 lambda (1-2 x lambda) lambda 0 0 0 0 0
0 0 lambda (1-2 x lambda) lambda 0 0 0 0
0 0 0 lambda (1-2 x lambda) lambda 0 0 0
0 0 0 0 lambda (1-2 x lambda) lambda 0 0
0 0 0 0 0 lambda (1-2 x lambda) lambda 0
0 0 0 0 0 0 lambda (1-2 x lambda) lambda
0 0 0 0 0 0 0 lambda (1-2 x lambda)
Step7 :Cetak “PerkalianMatriks”
Step8 : Proses matriks w (i,1) = 0, lakukanperulanganuntuk i = 1 sampai n
Step9 : Proses matriks w (i,1)= matriks w (i,1) + matriks A (i,j) xmatriks w0 (j,1),
Lakukanperulanganuntuk j = 1 sampai n danperulangan i = 1 sampai n.
Step10: Cetak w
Step11: Proses w0=w
Step 12 : Lakukan proses perulangan step 7 hingga step 11 untuk k = 1 sampai iterasi.
Step13: Selesai.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
VI. Flowchart Mulai
Inisialisasi n = 9, alpha = 1.0, k = 0.0005, h =

0.1, lambda, i, iterasi = 1000, j, matriks
w,w0, Matriks A (9x9)
(1-2xlambda) lambda 0 0 0 0 0 0 0
lambda (1-2xlambda) lambda 0 0 0 0 0 0
0 lambda (1-2xlambda) lambda 0 0 0 0 0
0 0 lambda (1-2xlambda) lambda 0 0 0 0
0 0 0 lambda (1-2xlambda) lambda 0 0 0
0 0 0 0 lambda (1-2xlambda) lambda 0 0
0 0 0 0 0 lambda (1-2xlambda) lambda 0
0 0 0 0 0 0 lambda (1-2xlambda) lambda
0 0 0 0 0 0 0 lambda (1-2xlambda)
(alpha2 ) 𝑥 𝑘
Proses lambda = ℎ2
Perulanganuntuk i = 1 sampai n
Proses suhu (i) = sin (𝑝𝑖 𝑥 𝑖 𝑥 0.1),

Proses w0(i,1) = suhu (i), lakukan
(1-2xlambda) lambda 0 0 0 0 0 0 0
lambda (1-2xlambda) lambda 0 0 0 0 0 0
0 lambda (1-2xlambda) lambda 0 0 0 0 0
0 0 lambda (1-2xlambda) lambda 0 0 0 0
Proses matriks A= 0 0 0 lambda (1-2xlambda) lambda 0 0 0
0 0 0 0 lambda (1-2xlambda) lambda 0 0
0 0 0 0 0 lambda (1-2xlambda) lambda 0
0 0 0 0 0 0 lambda (1-2xlambda) lambda
0 0 0 0 0 0 0 lambda (1-2xlambda)
Perulanganuntuk k = 1 sampai 1000
Cetak
“PerkalianMatriks”
D

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
D
Perulanganuntuk k = 1 sampai 1000
Perulanganuntuk i = 1 Proses matriks w (i,1) = 0

sampai n
Perulanganuntuk j = 1 sampai n
Proses matriks w (i,1) = matriks w (i,1) + matriks A (i,j) xmatriks w0 (j,1),

.
Cetak w
Proses w0=w
Selesai

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
VII. Listing
% modul FDM-2
% distribusi panas bergantung waktu 1D
% FDM forward difference
clear all
clc
format long;
n=9;
alpha=1.0;
k=0.0005;
h=0.1;
% menghitung lambda
Lambda=(alpha^2)*k/(h^2);
%kondisi awal
for i=1:n
suhu(i)=sin(pi*i*0.1);
end
%Mengcopy kondisi awal w
for i=1:n
w0=(i,1)=suhu(i);
end
% menuliskan matriks A
A=[ (1-2*lambda) lambda 0 0 0 0 0 0 0;
lambda (1-2*lambda) lambda 0 0 0 0 0 0;
0 lambda (1-2*lambda) lambda 0 0 0 0 0 ;
0 0 lambda (1-2*lambda) lambda 0 0 0 0;
0 0 0 lambda (1-2*lambda) lambda 0 0 0;
0 0 0 0 lambda (1-2*lambda) lambda 0 0;
0 0 0 0 0 lambda (1-2*lambda) lambda 0 ;
0 0 0 0 0 0 lambda (1-2*lambda) lambda ;
0 0 0 0 0 0 0 lambda (1-2*lambda) ];

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
iterasi=1000;
for k=1:iterasi
disp(’perkalianmatriks’)
%======================================
for i=1:n
w(i,1)=0.0;
end
for i=1:n
for j=1:n
w(i,1)=w(i,1)+A(i,j)*w0(j,1);
end
end
%====================================
w
w0=w;
end

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II

1. Buktikan bahwa persamaan (2.1) adalah PDP Parabolik
2. Apa perbedaan FDM forward-difference, FDM backward-difference, dan
FDM Crack-Nicolson?
Jawaban
1. Persamaan (2.1)
𝜕 2𝑢 𝜕𝑢
𝛼2 2
(𝑥, 𝑡) =
𝜕𝑥 𝜕𝑡
𝜕𝑢 𝜕 2𝑢
− 𝛼 2 2 (𝑥, 𝑡) = 0
𝜕𝑡 𝜕𝑥
Nilai untuk a = α, b = 0, dan c = 0;
Hal diatas sesuai dengan pengertian persamaan diferensial parabolik. Persamaan
diferensial parsial parabolik adalah persamaan yang nilai diskriminannya
bernilai sama dengan nol.
𝑏 2 − 4𝑎𝑐 = 0
2. FDM forward-difference digunakan ketika akan mencari nilai dari sebuah

fungsi dengan menggeser variabel dengan jarak ∆𝑥 dimana pengeseran variabel
dilakukan ke arah depan dengan menggunakan pendekatan dalam ekspansi deret
taylor, FDM backward-differencehampir sama dengan forward-difference
dimana untuk mencari nilai dari sebuah fungsi dengan menggeser variabel
dengan jarak ∆𝑥 dimana pengeseran variabel dilakukan ke arah belakang atau
mundur dengan menggunkan pendekatan dalam ekspansi deret taylor, dan FDM
Crack-Nicolson merupakan salah satu metode beda hingga yang memiliki
kestabilan tanpa syarat dan memiliki niali eror paling kecil dibandingkan dengan
metode beda hingga lainnya.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
IX.Data Hasil Pengamatan

Tabel 2.1. Hasil Simulasi Distribusi Panas Bergantung Waktu 1-Dimensi
error
error
X solusi analitik k = 0,0005 k = 0,05 k=
k=0,0005
0,05
0 0.000000000000 0.000000000000000 0.000000000000000 0 0
0,1 0.002233558991 0.002286520786578 0.000395215422590 0.00005 0.00183
0,2 0.004248481666 0.004349220987440 0.000663856379453 0.00010 0.00358
0,3 0.005847533355 0.005986189135246 0.001025413471925 0.00013 0.00482
0,4 0.006874187736 0.007037187382262 0.001109719509017 0.00016 0.00576
0,5 0.007227948727 0.007399336697334 0.001195664445039 0.00017 0.00603
0,6 0.006874187736 0.007037187382262 0.001109719509017 0.00016 0.00576
0,7 0.005847533355 0.005986189135246 0.001025413471925 0.00013 0.00482
0,8 0.004248481666 0.004349220987440 0.000663856379453 0.00010 0.00358
0,9 0.002233558991 0.002286520786578 0.000395215422590 0.00005 0.00183
1 0.000000000000 0.000000000000000 0.000000000000000 0 0
Nilai k=0,0005 dan k=0,05 merupakan hasil perhitungan Matlab.
Solusi analitik didapat dengan persamaan
2 ×0,5)
𝑤𝑎𝑛𝑎𝑙𝑖𝑡𝑖𝑘 (1, 𝑖) = 𝑒 (−𝜋 × sin(𝜋 × 𝑥(1, 𝑖)) (2.8),
(𝑥, 𝑡) = 𝑒 −𝜋2 𝑡
sin (𝜋𝑥) (2.9),
Diketahui iterasi = 1000 dan k =0,0005. Maka didapat:
𝑇
𝑖𝑡𝑒𝑟𝑎𝑠𝑖 = (2.10),
𝑘
𝑇 = 𝑖𝑡𝑒𝑟𝑎𝑠𝑖 x 𝑘
𝑇 = 1000 × 0,0005
𝑇 = 0,5 detik
Karena 𝑥𝑖 = 𝑖ℎmaka didapat 𝑥1 sampai 𝑥9.
𝑥1 = 1 x(01) = 0,1
𝑥2 = 2 x(0,1) = 0,2
𝑥3 = 3 x(0,1) = 0,3
𝑥4 = 4 x(0,1) = 0,4
𝑥5 = 5 x(0,1) = 0,5
𝑥6 = 6 x(0,1) = 0,6
𝑥7 = 7 x(0,1) = 0,7
𝑥8 = 8 x(0,1) = 0,8

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
𝑥9 = 9 x(0,1) = 0,9
𝑥10 = 10 x(0,1) = 1,0
Sehingga didapat nilai solusi analitiknya:

2 (0,5)
(𝑥1, 𝑡) = 𝑒 −(3,14) sin((180)0,1) = 𝑒 −4,9298 sin(18) = 0,002233558991
2 (0,5)
(𝑥2, 𝑡) = 𝑒 −(3,14) sin((180)0,2) = 𝑒 −4,9298 sin(36) = 0,004248481666
2 (0,5)
(𝑥3, 𝑡) = 𝑒 −(3,14) sin((180)0,3) = 𝑒 −4,9298 sin(54) = 0,005847533355
2 (0,5)
(𝑥4, 𝑡) = 𝑒 −(3,14) sin((180)0,4) = 𝑒 −4,9298 sin(72) = 0,006874187736
2 (0,5)
(𝑥5, 𝑡) = 𝑒 −(3,14) sin((180)0,5) = 𝑒 −4,9298 sin(90) = 0,007227948727
2 (0,5)
(𝑥6, 𝑡) = 𝑒 −(3,14) sin((180)0,6) = 𝑒 −4,9298 sin(108) = 0,006874187736
2 (0,5)
(𝑥7, 𝑡) = 𝑒 −(3,14) sin((180)0,7) = 𝑒 −4,9298 sin(126) = 0,005847533355
2 (0,5)
(𝑥8, 𝑡) = 𝑒 −(3,14) sin((180)0,8) = 𝑒 −4,9298 sin(144) = 0,004248481666
2 (0,5)
(𝑥9, 𝑡) = 𝑒 −(3,14) sin((180)0,9) = 𝑒 −4,9298 sin(162) = 0,002233558991
2 (0,5)
(𝑥10, 𝑡) = 𝑒 −(3,14) sin((180)1,0) = 𝑒 −4,9298 sin(180) = 0
Eror untuk k=0,0005 didapat dari

|𝑘 = 0,0005 − 𝑠𝑜𝑙𝑢𝑠𝑖 𝑎𝑛𝑎𝑙𝑖𝑡𝑖𝑘|
Eror untuk k=0,05 didapat dari
|𝑘 = 0,05 − 𝑠𝑜𝑙𝑢𝑠𝑖 𝑎𝑛𝑎𝑙𝑖𝑡𝑖𝑘|
Hasil perhitungan Matlab

k=0,0005 k=0,05

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
X.Analisa
Pada percobaan diminta mencari solusi dari persoalan distribusi panas yang
bergantung waktu dengan menggunakan metode finite difference. Dimana bentuk
persamaan untuk menyelesaikannya menggunakan persamaan diferensial parsial
parabolik, dalam hal ini dilakukan dengan pendekatan forward difference. Pada script
yang digunakan terdapat matriks yang dituliskan semuanya dalam inisialisasi dengan
nama matriks A. Matriks tersebut terbentuk dari persoalan yang akan dicari, dimana
sebelumnya telah dilakukan perhitungan secara matematika untuk mendapatkan nilai
matriks tersebut dengan menggunakan solusi umum dari persamaan (2.2). Dengan
memasukkan h, k, syarat batas dan syarat awal maka didapat matriks A.
Seperti yang diketahui nilai iterasi pada percobaan sebesar 1000, dimana pada
command window tidak dapat ditampilkan semua hasil iterasi karena terlalu panjang dan
banyak. Dari iterasi atau perulangan yang terjadi sebanyak 1000 kali tersebut akan
didapatkan nilai w akan terus diulang sampai perulangan ke 1000. Iterasi bernilai 1000
karena nilai t atau waktu yang digunakan sebesar 0,5 detik dan k sebesar 0,0005.
Dimana perhitungan untuk mendapatkan iterasi dari periode waktu dibagi dengan
besarnya k. Sehingga dari hal ini didapat pengaruh k terhadap iterasi bahwa semakin
kecil k maka iterasinya akan semakin besar. Dengan kata lain, banyaknya iterasi
berbanding terbalik dengan besarnya k.
Pada percobaan dilakukan perbandingan untuk script dengan nilai k sebesar
0,0005 dan iterasinya 1000 sertanilai k 0,05 yang iterasinya 10. Untuk nilai k, sudah
diketahui dari persoalan, dimana untuk k bernilai 0,05 yang iterasinya 10 eror yang
didapat lebih besar daripada eror untuk k bernilai 0,0005yang iterasinya 1000 karena
jika nilai k tersebut semakin kecil maka eror yang didapat akan semakin kecil pula
tetapi tidak menutup kemungkinan bahwa akan adanya penyimpangan nilai jika nilai k
0,0005 di rasio dengan solusi analitik atau solusi yang didapat secara manual.
Penyelesaian untuk persamaan diferensial parsial parabolik dengan pendekatan
forward difference memerlukan kondisi atau syarat awal dan batas. Pada bagian akhir
script terdapat pemrosesan w0=w, yang dimaksud disini jika iterasi pertama sudah
didapat yang dicetak dengan notasi w maka nilai iterasi pertama yang dicetak tersebut
akan di ubah notasi w-nya menjadi w0 dimana w0 ini akan digunakan untuk mencari
iterasi kedua. Dan begitu selanjutnya untuk mendapatkan nilai w hingga iterasi ke 1000.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
XI.Tugas Akhir

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
XII.Kesimpulan
1. Matriks A terbentuk dengan dilakukannya perhitungan secara matematika
menggunakan solusi umum dari persamaan (2.2).
2. Perhitungan untuk iterasi didapatkan dari periode waktu dibagi dengan besarnya
k.
3. Semakin kecil k maka iterasinya akan semakin besar. Dengan kata lain,
banyaknya iterasi berbanding terbalik dengan besarnya k.
4. Semakin kecil nilai k maka eror yang didapat akan semakin kecil pula tetapi
tidak menutup kemungkinan bahwa akan adanya penyimpangan nilai jika nilai k
0,0005 di rasio dengan solusi analitik.
5. Pemrosesan w0=w terjadi jika iterasi pertama sudah didapat dan dicetak dengan
notasi w maka nilai iterasi pertama tersebut akan di ubah notasi w-nya menjadi
w0 dimana w0 ini akan digunakan untuk mencari iterasi kedua. Dan begitu
selanjutnya untuk mendapatkan nilai w hingga iterasi ke 1000.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
DAFTAR PUSTAKA
Khamidiyah, K. dan Pagalay, U., 2014. Diskritisasi Pada Sistem Persamaan Diferensial
Parsial Pola Pembentukan Sel. Jurnal Chaucy, 3(3):132-133.
Koonin, S., E. dan Meredith, D., C., 1990. Computational Physics Fortran Version.
Canada: Westview Press.
Monado, F., Koriyanti. E., dan Ariani. M., 2017. Modul Praktikum Fisika Komputasi II.
Rahayu, J., Pagalay. U., dan Kusumastuti, A., 2013. Solusi Numerik Model Reaksi-
Difusi (Turing) dengan Metode Beda Hingga Implisit.Jurnal Chaucy, 1(3):19.
Triatmodjo, B., 2002. Metode Numerik Dilengkapi dengan Program Komputer.
Yogyakarta: Beta Offset.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
LAPORAN
I. NomorPercobaan : III (Tiga)

II. NamaPercobaan : Analisa Sinyal dalam Domain Frekuensi
III. TujuanPercobaan : Mengamati sinyal dalam domain waktu dan domain
frekuensi menggunakan library FFT yang ada dalam DSP Toolbox Matlab.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
IV. Dasar Teori

Percobaan di laboratorium untuk menguji atau menyimulasikan fenomena alam
sudah sering dilakukan oleh para ilmuan fisika, yang ada pada umumnya menghasilkan
data yang akan dianalisis terutama untuk meilihat apakah sesuai dengan kerangka
teoritis yang telah diketahui atau yang sedang di uji-coba (Suarga, 2007).
Selain adanya deret fourier, juga dikenal adanya transformasi fourier (Fourier
Transform). Joseph Fourier mengemukakan bahwa sebuah fungsi periodik dapat
direpresentasikan dengan mengkombinasikan penjumlahan tak hingga dari fungsi sinus
dan cosinus. Representasi fungsi inilah yang kemudian dikenal sebagai deret fourier.
beberapa tahun setelah penemuan ini, deret fourier dikembangkan menjadi bentuk yang
lebih umum sehingga dapat diterapkan pada fungsi yang non-periodik, bentuk yang
lebih umum ini yang kemudian dikenal sebagai transformasi Fourier.
Biasanya sebuah fungsi digambarkan dalam domain waktu, artinya yang diukur
dari fungsi tersebut adalah waktu. Dengan kata lain, jika fungsi tersebut digambarkan
pada sumbu simetri, maka sumbu𝑥 (sebagai variabel bebas) mewakili waktu, dan sumbu
𝑦 (sebagai variabel tak bebas) mewakili nilai pada waktu 𝑡 tertentu, atau nilai
amplitudonya. Pada aplikasinya, representasi ini tidak selalu merupakan representasi
terbaik. Pada banyak kasus, informasi khusus tersembunyi pada nilai frekuensinya.
Dengan menggunakan analisis fourier maka representasi waktu-amplitudoakan
ditransformasikan sehingga menjadi representasi frekuensi-amplitudo. Artinya sumbu 𝑥
mewakili frekuensi dan sumbu 𝑦 mewakili nilai amplitudonya.
Transformasi Fourier bersifat reversibel, yaitu suatu fungsi dapat ditransformasi
ke dalam domain frekuensi (yang memuat informasi frekuensi-amplitudo), dan di
inversikan lagi ke domain waktu (yang memuat informasi waktu-amplitudo). Namun,
kedua informasi tersebut tidak bisa didapatkan secara bersamaan. Representasi fungsi
dalam domain frekuensi tidak memuat informasi waktu, demikian pula sebaliknya
(Noya dkk., 2014).
Respon frekuensi digambarkan/dipresentasikan dari sistem respon atas masukkan
sinusoidal pada frekuensi yang beragam. Keluaran sistem linear atas masukkan
sinusoidal pada frekuensi yang sama namun berbeda ukuran dan fasenya.
Respon frekuensi didefinisikan sebgai ukuran (magnitude) dan beda fase antara
masukkan dan keluaran sinusoidal (hartanto dan Prasteyo, 2004).

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
Sinyal adalah sebuah fenomena yang muncul dari suatu lingkungan tertentu dan
dapat dinyatakan secara kuantitatif. Sinyal dikatakan sebagai fenomena artinya sinyal
itu membawa informasi. Sinyal dikatakan secara kuantitatif artinya sinyal dapat
dinyatakan oleh persamaan matematika walaupun hanya berupa pendekatan. Contoh
sinyal yang merupakan fungsi waktu:
 Bit-bit yang dikirimkan komputer
 Suhu ruangan yang dicatat setiap detik
 Kecepatan angin, ketinggian air pada sungai
 ECG (Electro Cardio Grahps) yaitu sinyal yang direkam dari aktivitas jantung
 EEG (Electro Encephalo Grahps) yaitu sinyal yang direkam dari aktivitas otak.
Sinyal dapat diklafikasikan menjadi:
 Sinyal diskrit atau sinyal waktu diskrit adalah deret waktu, contohnya sebuah
sinyal yang telah diambil sampelnya dari sinyal waktu kontinu.
 Sinyal digital adalah waktu disktrit yang hanya membutuhkan satu set nilai
diskrit.
Gambar 3.1. Continuous Time Signal dan Discrete Time Signal.

Sebuah sinyal dapat memiliki satu atau lebih frekuensi didalamnya. Sinyal dapat dilihat
dari dua sudut pandang yang berbeda yaitu: domain waktu dan domain frekuensi.
 Domain waktu menggambarkan bagaimana sebuah sinyal berubah dari waktu ke
waktu.
 Domain frekuensi menggambarkan berapa banyak sinyal yang berada di dalam
suatu pita (band) frekuensi pada suatu rentang frekuensi masing-masing.
Gambar 3.1. Time Domain dan Frequency Domain.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
Metode Transformasi Fourier

Transformasi fourier adalah proses yang digunakan untuk mengubah sinyal
dengan domain waktu menjadi sinyal domain frekuensi.
 Continous-Time FourierTransform
+∞ 1 +∞
𝐹(𝑗𝜔) = ∫−∞ 𝐹(𝑡) 𝑒 −𝑗𝜔𝑡 𝑑𝑡 𝑓(𝑡) = 2𝜋 ∫−∞ 𝐹(𝑗𝜔) 𝑒 𝑗𝜔 𝑑𝜔
 Discrete-Time Fourier Transform (DFT)

1
𝑋(𝑒 𝑗𝜔 ) = ∑+∞
𝑛=−∞ 𝑥[𝑛] 𝑒
−𝑗𝜔𝑛
𝑥[𝑛] = 2𝜋 ∫2𝜋 𝑋(𝑒 𝑗𝜔 ) 𝑒 𝑗𝜔𝑛 𝑑𝜔
Discrete Fourier Transform (DFT)

Discrete Fourier Transform (DFT) adalah prosedur powerful yang digunakan
dalam pemrossesan sinyal digital dan filtrasi digital. DFT memungkinkan kita untuk
menganalisa, memanipulasi dan mensintesis sinyal yang tidak mungkin dapat dilakukan
dalam pemrosesan sinyal analog. DFT dapat mengubah sinyal diskrit dalam domain
waktu menjadi spektrum diskrit domain frekuensi.
Diasumsikan sinyal {𝑥[𝑛]}𝑛−1
𝑛=0 maka DFT dari sinyal adalah deretan 𝑋[𝑘] untuk 𝑘 =
0, … . 𝑛 − 1.
2𝜋𝑗𝑛𝑘
1
𝑋[𝑛] = 𝑁 ∑𝑁−1
𝑘=0 𝑥[𝑘] 𝑒 𝑁 , 𝑛 = 0,2, … , 𝑁 − 1 (3.)
Fast Fourier Transform (FFT)

Salah satu proses analisa dalam domain frekuensi dapat dilakukan dengan cara
menghitung frekuensi dari suatu sinyal, dalam hal ini bisa dimanfaatkan bentuk waktu
diskrit dari analisa Fourier, yang kemudian disempurnakan dengan suatu algoritma
yaitu Fast Fourier Transform (FFT). Algoritma ini menghitung transformasi Fourier
diskrit (Discrete Fourier Transform/DFT) dengan cepat dan efisien.
Prinsip kerja FFT adalah membagi sinyal hasil sampling menjadi beberapa bagian yang
kemudian masing-masing bagian diselesaikan dengan algoritma yang sama dan hasilnya
dikumpulkan kembali.
Re-writing
−2𝜋𝑗𝑛𝑘
1
𝑋[𝑛] = 𝑁 ∑𝑁−1
𝑘=0 𝑥[𝑛] 𝑒 𝑁 𝑎𝑠 𝑋[𝑘] = ∑𝑁−1 𝑛𝑘
𝑛=0 𝑥[𝑛] 𝑊𝑁 (3.)
It is easy to realize that the same values of 𝑊𝑁𝑛𝑘 are calculated many times as the
computation proceeds.
Using the symetric property of the twiddle factor, we can save lots of computations.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
𝑁−1 𝑁−1 𝑁−1
𝑋[𝑘] = ∑ 𝑥[𝑛] 𝑊𝑁𝑛𝑘 = 𝑋[𝑘] = ∑ 𝑥[𝑛] 𝑊𝑁𝑛𝑘 + 𝑋[𝑘] = ∑ 𝑥[𝑛] 𝑊𝑁𝑛𝑘

𝑛=0 𝑛=0 𝑛=0
𝑒𝑣𝑒𝑛 𝑛 𝑜𝑑𝑑 𝑛
𝑁 𝑁
−1 −1
2 2
= ∑ 𝑥(2𝑟) 𝑊𝑁2𝑘𝑟 + ∑ 𝑥(2𝑟 + 1) 𝑊𝑁𝑘(2𝑟+1)

𝑟=0 𝑟=0
𝑁 𝑁
−1 −1
2 2
𝑘𝑟 𝑘𝑟
= ∑ 𝑥1 (𝑟) 𝑊𝑁/2 + 𝑊𝑁𝑘 ∑ 𝑥2 (𝑟) 𝑊𝑁/2
𝑟=0 𝑟=0
= 𝑋1 (𝑘) + 𝑊𝑁𝑘 𝑋2 (𝑘)

Thus the N-point DFT can be obtained from two N/2-point transforms, one on even
input data, and one on odd input data (Monado dkk., 2017).
FFT digunakan untuk merubah domain waktu sinyal menjadi domain frekuensi.
Software Matlab 2013 merupakan software simulasi dari analisis data yang sudah
menyediakan fungsi FFT. Fungsi FFT Matlab adalah signal Processing yang disebut
SPTool. Untuk memanggil singal processing Matlab dengan mengaktifkan fungsi
SPTool pada command windows atau pada Matlab 2013 dengan memilih signal analisys
pada Toolbar Matlab (Suryono dan Syaiffudin, 2014).

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
V. Algoritma
Gelombang Sinus
Step 1 : Mulai
Step 2 : Inisialisasi Fs=150, f=5, A=1, nfft=1024, x, X, mx, f
1
Step3 : Proses membuat Vector time dengan rentang 0-1 tiap kenaikan 𝐹𝑠
Step 4 : Proses 𝑥 = 𝐴 𝑥 sin(2𝑥𝜋𝑥𝑡𝑥𝑓)

Step 5 : Proses mengubah domain waktu menjadi domain frekuensi (𝑋 = 𝑓𝑓𝑡(𝑥, 𝑛𝑓𝑓𝑡),
dengan memanggil 𝑌 = 𝑓𝑓𝑡(𝑥, 𝑛) dari library.
Step 6 : Proses pembentukan nilai x yang baru dengan hanya mengambil ½ dari nffft,
(X=X(1 sampai nfft/2))
Step7: Proses mendapatkan nilai Power Spektrum sinyal, (x mx=abs(X))
Step8: Proses mendapatkan rentang frekuensi dari domain frekuensinya,
𝑛𝑓𝑓𝑡
(0 𝑠𝑎𝑚𝑝𝑎𝑖 2−1
)𝑥 (𝐹𝑠/𝑛𝑓𝑓𝑡)
Step9 : Cetak grafik pada figure(1)dengan sumbu x adalah data dari t dan sumbu y
adalah data dari x, dengan judul “Sine Wave Signal” Pada sumbu x berlabel
“Time(s)” dan pada sumbu y berlabel “Ampiltude”.
Step10 : Cetak grafik pada figure(2)dengan sumbu x adalah data dari f dan sumbu y
adalah data dari mx, dengan judul “Power Spectrum of a Sine Wave” Pada
sumbu x berlabel “Frequency(Hz)” dan pada sumbu y berlabel “Power”.
Step 11 : Selesai
Gelombang Cosinus
Step 1 : Mulai
1
Step 4 : Proses 𝑥 = 𝐴 𝑥 cos(2𝑥𝜋𝑥𝑡𝑥𝑓)

𝑛𝑓𝑓𝑡

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
Step 11 : Selesai
Gelombang Kotak
Step 1 : Mulai
1
Step 4 : Proses 𝑥 = 𝐴 𝑥 square(2𝑥𝜋𝑥𝑡𝑥𝑓)

𝑛𝑓𝑓𝑡
Step 11 : Seles

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
VI. Flowchart
Gelombang Sinus Mulai
Inisialisasi Fs=150, f=5, A=1,

nfft=1024, x, X, mx, f
1
Proses membuat Vector time dengan rentang 0-1 tiap kenaikan 𝐹𝑠
Proses 𝑥 = 𝐴𝑥 square(2𝑥𝜋𝑥𝑡𝑥𝑓)
Proses mengubah domain waktu menjadi domain frekuensi (𝑋 =
𝑓𝑓𝑡(𝑥, 𝑛𝑓𝑓𝑡), dengan memanggil 𝑌 = 𝑓𝑓𝑡(𝑥, 𝑛) dari library.
Proses pembentukan nilai x yang baru dengan hanya mengambil ½ dari nffft,
Proses mendapatkan nilai Power Spektrum sinyal, (x mx=abs(X))
Proses mendapatkan rentang frekuensi dari domain frekuensinya,
𝑛𝑓𝑓𝑡
(0 𝑠𝑎𝑚𝑝𝑎𝑖 ) 𝑥 (𝐹𝑠/𝑛𝑓𝑓𝑡)
2−1
Cetak grafik pada figure(1)dengan sumbu x adalah

data dari t dan sumbu y adalah data dari x, dengan
judul “Sine Wave Signal” Pada sumbu x berlabel
“Time(s)” dan pada sumbu y berlabel “Ampiltude”
data dari f dan sumbu y adalah data dari mx,
dengan judul “Power Spectrum of a Sine Wave”
Pada sumbu x berlabel “Frequency(Hz)” dan pada
sumbu y berlabel “Power”.
Selesai

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
Gelombang Cosinus
Mulai

1
𝑛𝑓𝑓𝑡
2−1

Selesai

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
Gelombang Kotak
Mulai

1
𝑛𝑓𝑓𝑡
2−1

Selesai

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
VII. Listing
% script-1 Gelombang Sinus
Fs=150; %Sampling frequency
t=0:1/Fs:1; %Time vector of 1 second
f=5; %Create a sine wave of f Hz
A=1; %create amplitude
x=A*sin(2*pi*t*f);
nfft=1024; %Left of FFT
% Take fft, padding with zeros so that length (X) is equal
to nfft
X=fft(x,nfft);
% FFT is symmetric, throw away second half
X=X(1:nfft/2);
Mx=abs(X);
% Frekuency Vector
f=(0:nfft/2-1)*Fs/nfft;
% Generate the plot, tittle and labels
figure(1);
plot(t,x);
tittle(‘Sine Wave Signal’);
xlabel(‘Time(s)’);
ylabel(‘Amplitude’);
figure(2);
plot(f,mx);
tittle(‘Power Spectrum of a Sine Wave’);
xlabel(‘Frequency (Hz)’);
ylabel(‘Power’);
% script-1 Gelombang Cosinus


LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
x=A*cos(2*pi*t*f);
to nfft
X=fft(x,nfft);
X=X(1:nfft/2);
Mx=abs(X);
% Frekuency Vector
figure(1);
plot(t,x);
figure(2);
plot(f,mx);
% script-1 Gelombang Kotak

x=A*square(2*pi*t*f);
to nfft
X=fft(x,nfft);

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
X=X(1:nfft/2);
Mx=abs(X);
% Frekuency Vector
figure(1);
plot(t,x);
figure(2);
plot(f,mx);

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II

3. Jelaskan perbedaan antara sinyal kontinu dan sinyal diskrit
4. Jelaskan perbedaan antara sinyal periodic dengan sinyal non-periodic
5. Jelaskan perbedaan antara sinyal yang dinyatakan dalam domain waktu dengan
domain frekuensi
6. Mengapa diperlukan analisis sinyal dalam domain frekuensi ?
Jawaban
1. Perbedaan antara sinyal kontinu dan sinyal diskrit
Sinyal kontinu adalah sinyal analog yang memiliki niali pada setiap waktu dan
memiliki variabel bebas yang bernilai real sedangkan sinyal diskrit adalah sinyal
yang memiliki nilai untuk waktu tertentu dan variabel bebasnya bernilai integer.
2. Perbedaan sinyal periodic dan sinyal non-periodic
Sinyal periodik adalah sinyal yang mengalami perulangan bentuk yang sama pada
selang waktu tertentu sedangkan sinyal non-periodic adalah sinyal yang polanya
tidak berulang setiap waktu dan memilki energi yang tak terbatas.
3. Pada sinyal domain waktu ditunjukkan bagaimana sebuah sinyal berubah dari
waktu ke waktu. Keras lemahnya sinyal dipengaruhi oleh amplitudo.
Pada sinyal domain frekuensi ditunjukkan berapa banyak sinyal yang berada
dalam suatu pita frekuensi pada rentang frekuensi masing-masing. Informasi
penting tersembunyi didalam frekuensi sinyal. Keras lemahnya sinyal tidak
mempengaruhi frekuensi didalamnya dan sinyal domain frekuensi dapat
dikembalikan ke sinyal domain waktu.
4. Diperlukan analisis sinyal dalam domain frekuensi karena sinyal adalah pembawa
informasi yang menunjukkan frekuensi apa yang muncul. Frekuensi menunjukkan
tinggi rendahnya sinyal yang diterima. Jika suatu variabel sering berubah maka
frekuensi akan tinggi.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II

Gelombang Sinus
GelombangCosinus

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
Gelombang Kotak

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
X. Analisa
Pada percobaan dilakukan proses mengubah sinyal dari domain waktu menjadi
sinyal dengan domain frekuensi. Pada proses ini terdapat library tersendiri untuk
memanggil fungsinya. Fungsi tersebut dibagi dalam dua kelompok, satu untuk
transformasi disktrit dengan fungsi Y=fft(x) dan satu lagi untuk transformasi kontinu
dengan fungsi Y=fft(x,n) dan Y=fft(x,n,dim). Dalam percobaan fungsi yang digunakan
hanya satu fungsi, Y=fft(x,n) dimana fungsi ini digunakan untuk transformasi kontinu.
Karena banyak sinyal dalam komunikasi bersifat kontinu sehingga untuk kasus sinyal
kontinu perlu menggunakan transformasi fourier. Transformasi disini dapat dilihat dari
sumbu masing-masing grafik pada percobaan, dimana untuk grafik amplitude terhadap
waktu akan di transformasikan menjadi representasi grafik amplitudo terhadap
frekuensi.
Pada percobaan untuk script gelombang sinus, hasil running program berupa dua
buah grafik, diantaranya grafik amplitude terhadap waktu dan grafik power spectrum
terhadap frekuensi. Pada srcipt dilakukan pengubahan nilai frekuensi dan amplitudo
sehingga didapatkan perbandingan. Semakin besar nilai frekuensi yang dimasukkan
maka gelombang pada grafik akan semakin banyak dan gelombang terlihat semakin
terlihat kecil dan rapat. Dan jika amplitudo di perbesar skala pada grafik akan mengikuti
besarnya nilai amplitudo.
Pada percobaan untuk script gelombang cosinus, hasilnya tak jauh berbeda dengan
gelombang sinus dengan dua buah grafik yang sama. Dengan dilakukan perbandingan
grafik untuk gelombang cosinus mengasilkan hal yang sama dengan grafik gelombang
sinus. Kedunya berbeda pada perumusan di script, kemudian untuk gelombang sinus
gelombangnya dimulai dari simpul gelombang sedangkan cosinus dimulai dari perut
gelombang.
Pada percobaan untuk script gelombang kotak, hasil running program juga
terdapat dua buah grafik. Berbeda dengan grafik gelombang sinus dan cosinus, grafik
amplitudo terhadap waktu untuk gelombang kotak berbentuk kotak sesuai dengan
namanya. Untuk grafik power spectrum terhadap frekuensi gelombang kotak berbeda
dengan dua grafik lainnya, dimana jika diberi frekuensi masukkan 5 akan terlihat
puncak power tertinggi terdapat pada garis frekuensi 5 tetapi disetiap kelipatan 5 ada
nilai tertinggi dan terendahnya juga.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
XI. Kesimpulan
1. Dalam percobaan fungsi yang digunakan hanya satu fungsi, Y=fft(x,n) dimana
fungsi ini digunakan untuk transformasi kontinu. Karena banyak sinyal dalam
komunikasi bersifat kontinu sehingga untuk kasus sinyal kontinu perlu
menggunakan transformasi fourier.
2. Transformasi pada percobaan dapat dilihat dari sumbu masing-masing grafik
pada percobaan, dimana untuk grafik amplitude terhadap waktu akan di
transformasikan menjadi representasi grafik amplitudo terhadap frekuensi.
3. Baik untuk scriptgelombang sinus maupun cosinus di dapat bahwa, semakin
besar nilai frekuensi yang dimasukkan maka gelombang pada grafik akan
semakin banyak dan gelombang terlihat semakin terlihat kecil dan rapat.
4. Jika amplitudo di perbesar skala pada grafik akan mengikuti besarnya nilai
amplitudo.
5. Perbedaan script gelombang sunis dan cosinus pada perumusan di script,
kemudian untuk gelombang sinus gelombangnya dimulai dari perut gelombang
sedangkan cosinus dimulai dari simpul gelombang.
6. Untuk grafik power spectrum terhadap frekuensi gelombang kotak berbeda
dengan dua grafik lainnya, dimana jika diberi frekuensi masukkan 5 akan
terlihat puncak power tertinggi terdapat pada garis frekuensi 5 tetapi disetiap
kelipatan 5 ada kenaikkan.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
DAFTAR PUSTAKA
Hartanto, T., W., D., dan Prasetyo, Y., W., A., 2004. Analisis dan Desain Sistem
Kontrol dengan MATLAB. Yogyakarta: ANDI.
Noya, V., H., P., Rumlawang, F., Y., dan Lesnussa, Y., A., 2014. Aplikasi Transformasi
Fourier untuk Menentukan Periode Curah Hujan (Studi Kasus: Periode Curah
Hujan di Kabupaten Seram Bagian Barat, Provinsi Maluku). Jurnal Matematika
Integratif, 2(10): 86.
Suarga, 2007. Fisika Komputasi Solusi Problema Fisika dengan MATLAB. Yogyakarta:
ANDI.
Suryono dan Syaiffudin., A., 2014. Fast Fourier Transform (FFT) Untuk Analisis
Sinyal Suara Doppler Ultrasonik. Youngster Physics Journal, 3(3): 184.
LAPORAN PENDAHULUAN

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
LAPORAN
I. NomorPercobaan : IV (Empat)
II. NamaPercobaan : Analisa Sinyal dalam Domain Frekuensi (kasus: Kombinasi
Sinyal)
III. TujuanPercobaan :
Mengamati frekuensi pada kombinasi beberapa sinyal
menggunakan library FFT yang ada dalam DSP Toolbox Matlab.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
IV. Dasar Teori

Pada dasarnya untuk menghitung frekuensi dari suatu sinyal suara, pada sebuah
implementasi diskrit, analisa Fourier dapat digunakan, yang kemudian lebih
disempurnakan dengan suatu algoritma yang kenal sebagai Fast Fourier transform
(FFT). Secara umum teknik ini merupakan pendekatan yang terbaik untuk transformasi.
Dalam hal ini, input sinyal yang ditetapkan memiliki panjang 2m (meter). Maka dapat
memilih analisis yang akan digunakan. Output dari syntax FFT (x,n) merupakan sebuah
vektor komplek, dengan n amplitudo komplek dari 0 Hz sampai dengan sampling
frekuensi yang digunakan.
Pada tahun 1960, J. W. Cooley dan J. W. Tukey, berhasil merumuskan suatu
teknik perhitungan algoritma Fourier Transform yang efisien. Teknik perhitungan
algoritma ini dikenal dengan sebutan Fast Fourier Transform atau lebih populer dengan
istilah FFT yang diperkenalkan oleh J.S.Bendat dan A.G.Piersol pada 1986. Fast
Fourier Transform dalam bahasa Indonesia adalah Transformasi Fourier Cepat adalah
sumber dari suatu algoritma untuk menghitung Discrete Fourier Transform
(transformasi fourier diskri tatau DFT) dengan cepat, efisien dan inversnya. Fast
Fourier Transform (FFT) diterapkan dalam beragam bidang dari pengolahan sinyal
digital dan memecahkan persamaan diferensial parsial menjadi algoritma-algoritma
untuk penggandaan bilangan integer dalam jumlah banyak. Metode FFT memerlukan
sekitar 10000 operasi algoritma matematika untuk data dengan 1000 observasi, 100 kali
lebih cepat dibandingan dengan metode sebelumnya. Penemuan FFT dan perkembangan
personal komputer, teknik FFT dalam proses analisa data menjadi populer, dan
merupakan salah satu metode baku dalam analisa data. Satu bentuk transformasi yang
umum digunakan untuk merubah sinyal dari domain waktu ke domain frekuensi adalah
Transformasi Fourier Persamaan dari bentuk sinya x(t). FFT dalam pengolahan isyarat
meliputi Periode dan frekuensi. Secara umum periode didefinisikan sebagai waktu yang
dibutuhkan untuk sebuah isyarat atau gelombang mencapai suatu gelombang penuh.
Maka ada frekuensi diartikan sebagai jumlah gelombang yang terjadi dalam 1detik.
Sehingga waktu yang satuannya adalah detik (second) akan menjadi Hertz (1-per
second) (Wahyudi dkk., 2015).
Respon frekuensi digambarkan/dipresentasikan dari sistem respon atas masukkan
sinusoidal pada frekuensi yang beragam. Keluaran sistem linear atas masukkan

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
sinusoidal pada frekuensi yang sama namun berbeda ukuran dan fasenya.Respon
frekuensi didefinisikan sebgai ukuran (magnitude) dan beda fase antara masukkan dan
keluaran sinusoidal (Hartanto dan Prasteyo, 2004).
Discrete Fourier Transform (DFT) adalah prosedur powerful yang digunakan
dalam pemrossesan sinyal digital dan filtrasi digital. DFT memungkinkan kita untuk
menganalisa, memanipulasi dan mensintesis sinyal yang tidak mungkin dapat dilakukan
dalam pemrosesan sinyal analog. DFT dapat mengubah sinyal diskrit dalam domain
waktu menjadi spektrum diskrit domain frekuensi.
Diasumsikan sinyal {𝑥[𝑛]}𝑛−1
𝑛=0 maka DFT dari sinyal adalah deretan 𝑋[𝑘] untuk 𝑘 =
0, … . 𝑛 − 1.
1 2𝜋𝑗𝑛𝑘
𝑋 [𝑛] = ∑𝑁−1
𝑘=0 𝑥 [𝑘 ] 𝑒 𝑁 , 𝑛 = 0,2, … , 𝑁 − 1 (4.1)
𝑁
Contoh DFT:
𝑥[𝑛] = [2 4 − 1 6], 𝑁 = 4, (𝑛 = 0,1,2,3)
3 3
𝜋
−𝑗 𝑛𝑘
𝑋[𝑘] = ∑ 𝑥[𝑛] 𝑒 2 = ∑ 𝑥[𝑛] (−𝑗)𝑛𝑘
𝑛=0 𝑛=0
𝑋[0] = 2 + 4 + (−1) + 6 = 11
𝑋[1] = 2 + (−4𝑗) + 1 + 6𝑗 = 3 + 2𝑗
𝑋[2] = 2 + (−4) + (−1) − 6 = −9
𝑋[3] = 2 + (4𝑗) + 1 − 6𝑗 = 3 − 2𝑗
Gambar 4.1. Time Domain Signal dan Frequency Domain Signal

Perhitungan dalam transformasi Fourier disktrit (Discrete Fourier
Transform/DFT) dapat dilakukan dengan cepat dan efisien menggunakan algoritma
Fast Fourier Transform (FFT).Prinsip kerja FFT adalah membagi sinyal hasil sampling

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
menjadi beberapa bagian yang kemudian masing-masing bagian diselesaikan dengan

algoritma yang sama dan hasilnya dikumpulkan kembali.
Ditulis kembali
𝑛𝑘
𝑋[𝑘] = ∑𝑁−1
𝑛=0 𝑥[𝑛] 𝑒
−2𝜋𝑗𝑛𝑘/𝑁
sebagai 𝑋[𝑘] = ∑𝑁−1
𝑛=0 𝑥[𝑛] 𝑊𝑁 (4.2)
Mudah untuk dipahami bahwa nilai 𝑊𝑁𝑛𝑘 yang sama dihitung berkali-kali
seiring perhitungan berlangsung dengan menggunakan sifat simetri dari twiddle
factor, kita dapat menyimpan banyak perhitungan.
𝑛𝑘 𝑁−1 𝑛𝑘 𝑁−1 𝑛𝑘
𝑋[𝑘] = ∑𝑁−1
𝑛=0 𝑥[𝑛] 𝑊𝑁 = ∑ 𝑛=0 𝑥(𝑛) 𝑊𝑁 + ∑ 𝑛=0 𝑥(𝑛) 𝑊𝑁 (4.3)
𝑒𝑣𝑒𝑛 𝑛 𝑜𝑑𝑑 𝑛
𝑁/2−1 𝑁/2−1 𝑘(2𝑟+1)

= ∑𝑟=0 𝑥(2𝑟) 𝑊𝑁2𝑘𝑟 + ∑𝑟=0 𝑥(2𝑟 + 1) 𝑊𝑁 (4.3a)
𝑁/2−1 𝑘𝑟 𝑁/2−1 𝑘𝑟
= ∑𝑟=0 𝑥1 (𝑟) 𝑊𝑁/2 + 𝑊𝑁𝑘 ∑𝑟=0 𝑥2 (𝑟) 𝑊𝑁/2 (4.3b)
= 𝑋1 (𝑘) + 𝑊𝑁𝑘 𝑋2 (𝑘) (4.3c)
Dengan demikian, DFT batas−𝑁 dapat diperoleh dari dua transformasi batas−𝑁/
2, satu pada data masukan genap dan satu pada data masukan ganjil (Monado dkk.,
2017).
Analisis Fourier mentransformasi data atau fungsi dari domain waktu ke domain
frekuensi. Pada umumnya Matlab menggunakan x dan w sebagai parameter dalam
mengimplementasikan transformasi Fourier. Deret Fourier akan mentransformasi fungsi
periodik dalam domain x menjadi nilai diskrit pada domain frekuensi. Sedangkan untuk
fungsi non-periodik akan ditransformasikan dalam domain x menjadi fungsi kontinu
pada domaim frekuensi (Lindfield dan Penny, 2012).
Aplikasi langsung dari d efinisi DFT untuk data vektor dengan panjang N
membutuhkan N perkalian dan N penjumlahan. Sehingga jika digunakan 𝑁dalam
jumlah yang besar akan menimbulkan jutaan operasi perhitungan DFT. Untuk
memudahkan perhitungan, muncullah teknik Transformasi Fourier Cepat atau Fast
Fourier Transform (FFT).
FFT merupakan DFT yang memiliki jumlah komputasi lebih sedikit dibanding
komputasi DFT biasa. DFT akan menghasilkan jumlah komputasi sebesar 𝑁2 sedangkan
FFT akan menghasilkan jumlah komputasi sebesar (𝑁)log2(𝑁). FFT dalam pengolahan

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
isyarat meliputi Periode dan frekuensi.Sehingga FFT menjadi metode praktis DFT
untuk 𝑁 dalam jumlah yang besar (Noya dkk., 2014).

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
V. Algoritma
Program Kombinasi 2 Sinyal
Step 1 : Mulai
Step 2 : Inisialisasi fs=100, vektor waktu t, f1=10, s1, f2=30, s2, s, S, w dan Sab.
Step 3 : Proses membuat vektor waktu t dengan nilai 1 sampai 400 dibagidenganfs.
Step 4 : Proses membangkitkan sinyal s1= 5 × sin(2 × 𝜋 × f1 × 𝑡).
Proses membangkitkan sinyal s2= 3 × sin(2 × 𝜋 × f2 × 𝑡).
Proses kombinasisinyal s = s1+ s2.
Step 5 : Cetak grafik denganstruktur 2 baris 1 kolompadajendelafigure, denganbaris ke-
1mempunyai sumbu-x berisikandata dari vektorwaktut dan sumbu-y berisikandata dari
s, dengan judul “DuaSinyal Sinus”. Pada sumbu-x berlabel “Waktu (s)” dan pada
sumbu-y berlabel “x(t)”.
Step 6 : Proses mengubah domain waktu menjadi domain frekuensi dengan
memanggilfungsi fft dari library, S=fft(s,512).
Step 7: Proses untuk mendapatkan vektor frekuensiwpada domain frekuensinya,
w= ((0 sampai 255)/256) × (fs/2).
Step8: Proses mendapatkan nilai dayaspektrum sinyal, Sab= absolute value (S).
2 mempunyaisumbu-x berisikandata dari vektorfrekuensi w dan sumbu-y berisikandata
dari Sab (untuk data 1 hingga 256), dengan judul “Sinyalpada domain frekuensi”. Pada
sumbu-x berlabel “Frekuensi(Hz)” dan pada sumbu-y berlabel “x(f)”.
Step 10 : Selesai

Step 1 : Mulai
Step 2 : Inisialisasi fs=100, vektor waktu t, f1=5, s1, f2=15, s2, f3=25, s3, f4=35, s4, s,
S, w dan Sab.
Step 3 : Proses membuat vektor waktu t dengan nilai 1 sampai 100 dibagidenganfs.
Proses membangkitkan sinyal s4 = 20 × sin(2 × 𝜋 × f4 × 𝑡).

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
Proses kombinasisinyal s = s1+s2+s3+ s4.

s, dengan judul “EmpatSinyal Sinus”. Pada sumbu-x berlabel “Waktu (s)” dan pada
Step 7: Proses untuk mendapatkan vektor frekuensi wpada domain frekuensinya,
w= ((0 sampai 255)/256) × (fs/2).
Step 10 : Selesai

Step 1 : Mulai
Step 2 : Inisialisasi Fs=100, vektor waktu t, f1=2, s1, f2=5, s2, f3=15, s3, f4=20, s4,
f5=35, s5, f6=45, s6, s, S, w dan Sab.
Step 3 : Proses membuat vektor waktu t dengan nilai 1 sampai 200 dibagidenganFs.
Proses kombinasisinyal s = s1+s2+s3+ s4+s5 + s6.
s, dengan judul “EnamSinyal Sinus”. Pada sumbu-x berlabel “Waktu (s)” dan pada

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II

Step 7: Proses untuk mendapatkan vektor frekuensiwpada domain frekuensinya,
w= ((0 sampai 255)/256) × (fs/2).
Step 10 : Selesai

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
VI. Listing
 Program 1
% script-1 Kombinasi 2 sinyal
% Bangkitkan 2 sinyal sinus dengan frekuensi f1 dan f2
Clc;clf;
fs=100;
t=(1:400)/fs;
f1=10;
s1=5*sin(2*pi*f1*t);
f2=30;
s=s1+s2;
subplot(211)
plot(t,s)
tittle(‘Dua Sinyal Sinus’);
xlabel(‘Waktu(s)’);
ylabel(‘x(t)’);
S=fft(s,512);
W=(0:255)/256*fs/2;
Sab=abs(S);
subplot(212)
plot(w,Sab(1:256))
tittle(‘Sinyal pada Domain Frekuensi’);
xlabel(‘Frekuensi(Hz)’);
ylabel(‘x(f)’);
 Program 2
% script-2 Kombinasi 4 sinyal
% Bangkitkan 4 sinyal sinus dengan frekuensi f1, f2, f3,
dan f4
Clc;clf;
fs=100;
t=(1:100)/fs;
f1=5;

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
s1=50*sin(2*pi*f1*t);
f2=15;
s2=40*sin(2*pi*f2*t);
f3=25;
s3=30*sin(2*pi*f3*t);
f4=35;
s4=20*sin(2*pi*f4*t);
s=s1+s2+s3+s4;
subplot(211)
plot(t,s)
tittle(‘Empat Sinyal Sinus’);
ylabel(‘x(t)’);
S=fft(s,512);
W=(0:255)/256*fs/2;
Sab=abs(S);
subplot(212)
plot(w,Sab(1:256))
ylabel(‘x(f)’);
 Program 3
% script-3Kombinasi 6 sinyal
% Bangkitkan 4 sinyal sinus dengan frekuensi f1, f2, f3,
f4, f5, dan f6
fs=100;
t=(1:200)/fs;
f1=2;
s1=20*sin(2*pi*f1*t);
f2=5;
s2=15*sin(2*pi*f2*t);
f3=15;
s3=10*sin(2*pi*f3*t);

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
f4=20;
f5=35;
f6=45;
s=s1+s2+s3+s4+s5+s6;
subplot(211)
plot(t,s)
tittle(‘Enam Sinyal Sinus’);
ylabel(‘x(t)’);
S=fft(s,512);
W=(0:255)/256*fs/2;
Sab=abs(S);
subplot(212)
plot(w,Sab(1:256))
ylabel(‘x(f)’);

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
VII. Flowchart
Mulai
Inisialisasi fs=100, vektor waktu t,

f1=10, s1, f2=30, s2, s, S, w dan Sab.
Proses membuat vektor waktu t dengan nilai 1 sampai 400 dibagidenganfs.

Proses kombinasisinyal s = s1+ s2.
Cetak grafik denganstruktur 2 baris 1 kolompadajendelafigure,

denganbaris ke-1mempunyai sumbu-x berisikandata dari
vektorwaktut dan sumbu-y berisikandata dari s, dengan judul
“DuaSinyal Sinus”. Pada sumbu-x berlabel “Waktu (s)” dan
pada sumbu-y berlabel “x(t)”.
Proses mengubah domain waktu menjadi domain frekuensi dengan

Proses untuk mendapatkan vektor frekuensiwpada domain frekuensinya,
w= ((0 sampai 255)/256) × (fs/2).
Proses mendapatkan nilai dayaspektrum sinyal, Sab= absolute value (S).

denganbaris ke-2 mempunyaisumbu-x berisikandata dari
vektorfrekuensi w dan sumbu-y berisikandata dari Sab (untuk
data 1 hingga 256), dengan judul “Sinyalpada domain
frekuensi”. Pada sumbu-x berlabel “Frekuensi(Hz)” dan pada
sumbu-y berlabel “x(f)”.
Selesai

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
Mulai
Inisialisasi fs=100, vektor waktu t,

f1=5, s1, f2=15, s2, f3=25, s3, f4=35,
s4, s, S, w dan Sab.
Proses membuat vektor waktu t dengan nilai 1 sampai 100 dibagidenganfs.

Proses kombinasisinyal s = s1+s2+s3+ s4.

“EmpatSinyal Sinus”. Pada sumbu-x berlabel “Waktu (s)” dan

Proses untuk mendapatkan vektor frekuensi wpada domain frekuensinya,
w= ((0 sampai 255)/256) × (fs/2).

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II

Selesai
Mulai
Inisialisasi Fs=100, vektor waktu t,

f1=2, s1, f2=5, s2, f3=15, s3, f4=20, s4,
f5=35, s5, f6=45, s6, s, S, w dan Sab.
Proses membuat vektor waktu t dengan nilai 1 sampai 200 dibagidenganFs.

K
Proses kombinasisinyal s = s1+s2+s3+ s4+s5 + s6.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II

“EnamSinyal Sinus”. Pada sumbu-x berlabel “Waktu (s)” dan

Proses untuk mendapatkan vektor frekuensiwpada domain frekuensinya,
w= ((0 sampai 255)/256) × (fs/2).

Selesai

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II

1. Mengapa sinyal dalam domain waktu perlu ditransformasikan ke dalam bentuk
domain frekuensi? Apa manfaatnya?
2. Apa perbedaan antaraDiscrete Fourier Transform dengan Fast Fourier
Transform
3. Berikan 5 contoh aplikasi yang menggunakan Trasnfromasi Fourier Diskrit
Jawaban
1. Sinyal dalam domain waktu perlu ditransformasikan ke dalam bentuk domain
frekuensi karena dalam domain waktu perlu analisis yang panjang dengan
melibatkan turunan dari fungsi. Manfaatnya untuk mempermudah analisis yang
dilakukan terhadap sinyal dan sistemnya.
2. Discrete Fourier Transformadalah prosedurpowerful yang digunakan dalam
pemrosesan sinyal digital dan filterasi digital. Sedangkan Fast Fourier
Transformadalah suatu metoda untuk mentransformasikan sinyal, yang memiliki
algoritma untuk menghitung transformasi fourier diskrit (DFT).
3. Contoh aplikasi yang menggunakan Transfromasi Fourier Diskrit:
 Menentukan periode curah hujan
 Pemrosesan sinyal digital
 Menyelesaikan persamaan diferensial
 Bidang yang terkait untuk menganalisa frekuensi yang terkandung.
 Melakukan sejumlah operasi misalnya operasi-operasi konvolusi.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II

 Program 1 (Kombinasi 2 sinyal)
a. Variasi Frekuensi
𝑓2 = 30𝐻𝑧 . 𝑓2 = 20𝐻𝑧
𝑓2 = 40𝐻𝑧 𝑓2 = 50𝐻𝑧
b. Variasi Amplitudo
𝐴1 = 5𝐻𝑧 𝐴1 = 7𝐻𝑧

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
𝐴1 = 10𝐻𝑧 𝐴1 = 16𝐻𝑧
𝑓1 = 5𝐻𝑧, 𝑓2 = 15𝐻𝑧, 𝑓3 = 25𝐻𝑧, 𝑓4 = 35𝐻𝑧,
𝑓1 = 5𝐻𝑧, 𝑓2 = 20𝐻𝑧, 𝑓3 = 30𝐻𝑧, 𝑓4 = 40𝐻𝑧,


LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
X. Analisa
Pada program masing-masing menginisialisasi fs, nilai fs ini menjadi penentu
untuk rentang pada sumbu x baik untuk kombinasi 2, kombinasi 4, dan kombinasi 6.
Nilai fs ini juga akan mempengaruhi nilai waktu dan frekuensi, hal ini dapat diketahui
dari script saat perumusan untuk membuat vektor waktu dan juga proses mendapatkan
vektor frekuensi dari domain frekuensinya. Untuk masing-masing program terdapat
proses pembangkitan sinyal yang di tunjukkan dengan perumusan s1, s2, dan seterusnya
sebanyak sinyal yang akan di kombinasi. Hasil dari penjumlahan pembangkit sinyal
tersebut dinamakan proses kombinasi sinyal karena pada proses ini terjadi
pengkombinasian sinyal, dimana sinyal yang dibangkitkan akan di jumlahkan sesuai
dengan banyaknya sinyal.
Pada saat fs bernilai 100 dan f2 diinput 50, maka grafik untuk gelombang atau
sinyal pada domain frekuensi tidak akan muncul karena saat fs 100 rentang untuk
frekuensinya hanya sampai 49,8 sedangkan f2 yang diinput bernilai 50. Pada percobaan
sebelumnya menggunakan nfft atau panjang dari FFT sebesar 1024, sekarang
menggunakan nilai setengah dari 1024, 512. Jumlah sampling yang membentuk sinyal
untuk nilai 1024 akan lebih kecil, lebih rapat, dan teliti jika dibandingkan dengan 512.
Pada percobaan untuk scriptkombinasi 2 sinyal, hasil program berupa, grafik
kombinasi 2 sinyal dengan gelombang sinus dan grafik sinyal dalam domain waktu.
Proses pengubahan sinyal ini yang di panggil dari library Matlab, dalam script ini
berupa S=fft(s,512). Pada srcipt dilakukan pengubahan nilai frekuensi dan amplitudo
bergantian sehingga didapatkan perbandingan. Gelombang dengan frekuensi 10
memiliki daya spektrum yang paling tinggi daripada gelombang dengan frekuensi 20,
30, 40, dan 50, hal tersebut dapat terjadi karena gelombang dengan frekuensi 10
memiliki nilai amplitudo yang lebih besar daripada frekuensi lainnya.
Percobaan untuk scriptkombinasi 4 sinyal, dengan dilakukan perbandingan grafik
untuk kombinasi 4 sinyal akan mengasilkan hal yang sama dengan kombinasi 2 sinyal
yang memiliki frekuensi kecil dan amplitudo besar maka daya spektrumnya akan paling
tinggi.Hasil dari percobaan untuk scriptkombinasi 6 sinyal akan memiliki sinyal yang
banyak dan juga lebih kompleks dibandingkan dengan kombinasi 2 dan 4. Perbedaan
ketiga kombinasi sinyal ini hanya terdapat pada besarnya nilai amplitudo, frekuensi, dan
bentuk gelombang keluarnya.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
XI. Tugas Akhir

Diketahui 2 sinyal yang memiliki persamaan:
1. a=2*sin(300*t)
2. b=6*sin(700*t)
Kombinasikan sinyal tersebut dan tunjukkan grafik:
a) Sinyal a (Domain Waktu)
b) Sinyal b (Domain Waktu)
c) Sinyal a+b (Domain Waktu)
d) Sinyal a+b (Domain Frekuensi)
Note: selang waktu 2 detik dan sampling frekuensinya sesuai keinginan masing-masing.
Berikan penjelasan!
Jawaban:
Script

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
Gambar 4.7. Sinyal a (Domain Waktu)
Gambar 4.8. Sinyal b (Domain Waktu)

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
Gambar 4.9. Sinyal a+b (Domain Waktu)
Gambar 4.10. Sinyal a+b (Domain Frekuensi)

Penjelasan:
Pada program menggunakan nilai fs sebesar 100 dan nilai 𝑡 dari 1 sampai 200
sehingga dengan proses t=(1:200)/fs maka waktu yang dihasilkan sebesar 2 detik. Pada
program menggunakan banyaknya nilai sampling sebesar 512. Nilai fa bisa dianggap

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
sebesar 300 dan nilai fb sebesar 700 dan nilai amplitudo a sebesar 2 dan amplitudo b
sebesar 6. Ketika program dijalankan maka daya spektrum a lebih besar daripada daya
spektrum b karena nilai fa lebih kecil daripada fb. Daya spektrum b lebih kecil
walaupun nilai amplitudo b lebih besar karena berdasarkan persamaan a dan b jika
diproses maka hasil a lebih besar dari pada hasil b.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
XII.Kesimpulan
1. Nilai fs mempengaruhi nilai waktu dan frekuensi dan juga menjadi penentu
untuk rentang pada sumbu x.
2. Untuk masing-masing program terdapat proses pembangkitan sinyal yang di
tunjukkan dengan perumusan s1, s2, dan seterusnya sebanyak sinyal yang akan
di kombinasi. Hasil dari penjumlahan pembangkit sinyal tersebut dinamakan
proses kombinasi sinyal karena pada proses ini terjadi pengkombinasian sinyal,
dimana sinyal yang dibangkitkan akan di jumlahkan sesuai dengan banyaknya
sinyal.
3. Pada saat fs bernilai 100 dan f2 diinput 50 sinyal pada domain frekuensi tidak
muncul karena rentang untuk frekuensinya hanya sampai 49,8.
4. Jumlah sampling yang membentuk sinyal untuk nfft 1024 akan lebih kecil, lebih
rapat, dan teliti jika dibandingkan dengan nfft 512.
5. Gelombang dengan frekuensi 10 memiliki daya spektrum yang paling tinggi
daripada gelombang dengan frekuensi 20, 30, 40, dan 50, hal tersebut dapat
terjadi karena gelombang dengan frekuensi 10 memiliki nilai amplitudo yang
lebih besar daripada frekuensi lainnya.
6. Perbedaan ketiga kombinasi sinyal ini hanya terdapat pada besarnya nilai
amplitudo, frekuensi, dan bentuk gelombang keluarnya.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
DAFTAR PUSTAKA
Hartanto, T. W. D., dan Prasetyo, Y. W. A., 2004. Analisis dan Desain Sistem Kontrol
dengan MATLAB. Yogyakarta: ANDI.
Lindfield, G.R. dan Penny, J.E.T., 2012. Numerical Methods Using Matlab.Waltham:
Elsevier.
Noya, V. H. P., Rumlawang, F. Y., dan Lesnussa, Y. A., 2014. Aplikasi Transformasi
Fourier untuk Menentukan Periode Curah Hujan (Studi Kasus: Periode Curah
Hujan di Kabupaten Seram Bagian Barat, Provinsi Maluku).Jurnal Matematika
Integratif, 2(10): 86.
Wahyudi, S. T., Safrianti, E., dan Rahayu, Y., 2015. Aplikasi Spectrum Analyzer untuk
Menganalisa Frekuensi Sinyal Audio Menggunakan Matlab. Jurnal Teknik
Elektro, 2(2): 1-2, dan 8.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
LAPORAN
I. NomorPercobaan: V (Lima)
II. NamaPercobaan: Golden Search
1. Mengetahui mengapa dan kapan metode optimasi diperlukan
dalam menyelesaikan permasalahan.
2. Mampu menentukan rasio emas dan memahami mengapa hal
itu mempuat optimasi satu-dimensi menjadi efisien.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
IV. Dasar Teori

Teori optimasi mengembangkan berbagai metode untuk pemilihan optimasl x1, ...,
xn yang memaksimumkan (atau meminimumkan) fungsi tujuan f. Didalam banyak
masalah, pemilihan nilai-nilai x1, ..., xn, tidak seluruhnya bebas melainkan dikenai
suatu kendala (constraint), yaitu syarat atau kondisi tambahan yang berasal dari sifat
alamiah maslah itu sendiri dan peubah-peubahnya (Kreyszig, 1993).
Optimasi merupakan suatu proses untuk mencari kondisi yang optimum, dalam
arti paling menguntungkan. Optimasi bisa berupa maksimasi atau minimasi dari suatu
fungsi. Metode optimasi melibatkan nilai tebakan dan nilai ekstrim fungsi.
Gambar 5.1. Optimasi Satu Dimensi

Pada Gambar 1 terlihat bahwa fungsi f(x) minimum ekivalen dengan maksimum
−f(x). Secara analitik, nilai maksimum atau minimum dari suatu persamaan:
y = f(x) (5.1),
dapat diperoleh pada harga x yang memenuhi:
𝑑𝑦 𝑑𝑓
𝑦 ′ = 𝑓 ′ (𝑥) = = =0 (5.2).
𝑑𝑥 𝑑𝑥
Namun untuk beberapa fungsi, proses mencari turunan fungsinya cukup rumit sehingga
proses untuk menentukan titik optimum menjadi sulit untuk ditururnkan atau
mempunyai turunan yang sulit dicari akarnya. Untuk kasus seperti ini proses optimasi
dapat dilakukan dengan cara numerik, salah satunya adalah dengan metode Golden
Search untuk satu variabel.
Metode Golden Search merupakan metode optimasi satu variabel yang sederhana,
dan mempunyai pendekatan yang mirip dengan metode bisection dalam penetuan akar
persamaan linier. Metode ini juga bergantung pada penentuan interval batas bawah
𝑥𝑙 dan batas atas 𝑥0 yang memiliki akar tunggal. Keberadaan akar antara batasan

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
tersebut diverifikasi dengan menghitung fungsi f(𝑥𝑙 ) dan f(𝑥0 ). Akar di estimasikan
sebagai titik tengah dari interval tersebut.
Definisi Euclid tentang rasio emas didasarkan pada pembagian garis menjadi
dua segmen sehingga rasio kelesuruhan garis ke segmen yang lebih besar sama dengan
rasio segmen yang lebih besar terhadap segmen yang lebih kecil. Rasio ini disebut
dengan rasio emas.
Gambar 5.2. Pembagian Garis Menurut Ratio Emas

Nilai aktual golden ratio dapat diturunkan dari ekspresi yang dinyatakan dengan definisi
𝑙1 +𝑙2 𝑙
Euclid: , jika persamaan ini dikalikan dengan 𝑙1 maka persamaannya menjadi :
𝑙1 2
𝑙
𝜑 2 − 𝜑 − 1 = 0 dengan 𝜑 = 𝑙1 (5.3),
2
Akar positif dari persamaan tersebut adalah golden ratio:

1+√5
𝜑= = 1.61803398874989 … (5.4),
2
Pada metode Golden search, dua titik tengah dipilih berdasrkan golden ratio:
𝑥1 = 𝑥𝑙 + 𝑑 (5.5),
𝑥2 = 𝑥𝑢 − 𝑑 (5.6),
Dimana: 𝑑 = (𝜑 − 1)(𝑥𝑢 − 𝑥𝑙 )
Fungsi evaluasi pada dua titik interior ini. Ada dua kemungkinan hasil yang bisa terjadi:
1. Jika f(x1) < f(x2), maka f(x1) merupakan minimum domain x disebelah kiri x2,
dari x1 sampai x2 dapat dieleminasi karena tidak mungkin berisi minimum. Pada
kasus ini, x2 menjadi nilai x1 yang baru untuk langkah selanjutnya.
2. Jika f(x2) < f(x1), maka f(x2) merupakan minimum domain x disebelah kanan
x2, mulai dari x1 sampai xu dieleminasi. Pada kasus ini, x2 menjadi nilai x1
yang baru untuk langkah selanjutnya.
Algoritma golden section search memiliki kelebihan yaitu range interval akan
semakin berkurang seiring dengan iterasi yang dilakukan. Pengurangan selang
menjadikan besar range 61,8% dari sebelumnya. Dalam 10 kali iterasi maka range akan
berkurang sekitar besar range 61,8% dari panjang awal range. Selain itu, algoritma

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
golden-section search dapat mengurangi proses komputasi karena adanya penggunaan

kembali nilai dari suatu fungsi. Sifatnya yang termasuk dalam metode pencarian
tertutup juga menyebabkan proses pencarian dengan golden-section search selalu
konvergen(Monado dkk., 2017).
Golden ratio atau disebut juga divine proportion adalah suatu teori klasik yang
menjelaskan pembagiansuatu garis dimana rasio perbandingan bagian yang lebih kecil
terhadap bagian yang lebih besar adalah samadengan perbandingan bagian yang lebih
besar terhadap garis keseluruhan.Perbandingan meliputi panjang dan lebar, perpotongan
antar objek, serta simetri yang secara tidak langsung dihasilkan dengan mengikuti
konsep pembagi garis ini.
1+√5
Golden ratio adalah bilangan irasional yang bernilai , disebut juga thegolden
2
mean, the golden cut, the divine proportion, the Fibbonaci number dan mean of Fidhias
biasanyadisimbolkan dengan τ yang dalam bahasa Yunani merupakan simbol untuk
potongan. Simbol φ jugamelambangkan golden ratio, phi diambil dari huruf pertama
matematikawan Phidias yang meneliti tentangrasio ini. Golden ratio memiliki hubungan
yang erat dengan deret Fibonacci.Dimana pada deret perbandingan,semakin besar nilai
Fn maka perbandingan tersebut akan semakin mendekati sebuah limit bernilai
1,618033…atau golden ratio (Kurniawan dkk., 2015).
Golden section didefinisikan sebagai rasio antara dua bagian dari sebuah garis
atau dua buah ukuran suatu gambar bidang dimana bagian yang lebih kecil
dibandingkan dengan bagian yang lebih besar adalah sama dengan perbandingan bagian
yang besar terhadap keseluruhannya(Astrini dkk., 2015).
Pada umumnya, linier programmingdi anggap sebagai metode operational
research (OR) tetapi bahasan sangat luas untuk aplikasinya. Masalah ini dapat di
tuliskan dengan bentuk umum :
Minimasi 𝑓 = 𝑐𝑥 (5.6).
Dengan kendala 𝐴𝑥 = 𝑏 (5.7).
Dan 𝑥 ≥ 0 (5.8).
Dimana x adalah vektor kolom dari komponen n. Konstanta sistem dari
komponen m vektor kolom b, dengan matriks A adalah m x n, dan komponen n vektor
kolom c. Persyaratan untuk minimasi fungsi linier secara umum dituliskan𝑐 𝑇 𝑥
(Lindfield dan Penny, 2012).

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
V. Algoritma
Step 1 : Mulai
Step2 : Inisialisasi nama fungsi adalah goldmin dengan parameter keluaran x, fx, ea,
Iter, dan parameter masukan f, xl, xu, es, maxit, varargin.
Inisialisasi iter=0, phi, d, xopt, x1, x2.
Step 3 : Jika argument input kurang dari 3 maka program error dan cetak ‘at least 3
input argument required’program selesai. Jika tidak, ke step selanjutnya.
Step4 : Jika argument input kurang dari 4 atau es kosong maka es = 0.0001. Jika tidak,
ke step selanjutnya.
Step5 : Jika argument input kurang dari 5 atau maxit kosong maka maxit=50. Jika
tidak,ke step selanjutnya.
(1+√5)
Step6 :,Proses 𝜋 =
2
Step7 : lakukan perulangan while yang pertama untuk:

- Proses d = (phi − 1) × (xu − xl), x1= xl + d dan x2 = xu − d
- Jika f(x1, variabel argument) < f(x2, variabel argument) maka xopt=x1 dan
xl=x2 jika tidak, maka xopt=x2 dan xu=x1.
- Proses iter=iter+1
𝑥𝑢−𝑥𝑙
- Jika xopt ≠ 0 maka ea = (2− phi) × nilai absolute 𝑥𝑜𝑝𝑡 × 100. Jika tidak ke
step selanjutnya.
- Jika ea ≤es atau iter ≥ maxit maka perulangan berhenti. Jika tidak melanjuti
perulangan.
Step8 : Proses x = xopt dan fx=f(xopt, variabel argument)
Step9 : Selesai
Program Utama
Step 1 : Mulai
Step 2 : Inisialisasi operator x, parameter keluaran xmin, fmin, ea, iter, parameter
masukan f, 0, 4 dan fungsi goldmin.
Step 3 : Proses f = 𝑥 2 + 61𝑥 − 3.
Step 4 : Pemanggilan fungsi goldmin.
Step 5 : Selesai

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
VI. Flowchart
Mulai
Inisialisasi nama fungsi adalah goldmin dengan

parameter keluaran x, fx, ea, iter dan parameter
masukan f, xl, xu, es, maxit, varargin.
Inisialisasi iter=0, phi, d, xopt, x1, x2.
Ya X=argument masukan < 3.

X
Tidak
Cetak ‘at least 3
input arguments Tidak Y=argument masukan < 4
Y
required’ atau es kosong.
Ya
es = 0,0001
Selesai
Z Tidak Z=argument masukan <5

atau maxit kosong.
Ya
maxit = 50
(1+√5)
Proses phi= 2
Proses d= (𝑝ℎ𝑖 − 1) × (𝑥𝑢-xl)

Proses 𝑥1 = 𝑥𝑙 + 𝑑
Proses 𝑥2 = 𝑥𝑢 − 𝑑
D=f(x1, variabel argument) Tidak

D
< f(x2, variabel argument)
Ya
A B C

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
A B C
xopt=x1 xopt=x2
xl=x2 xu=x1
iter=iter+1
Tidak
J= xopt≠0 J
Ya
𝑥𝑢−𝑥𝑙
ea=(2-phi) × nilai absolute 𝑥𝑜𝑝𝑡 × 100
Tidak S=ea ≤es atau

S
iter ≥ maxit
Ya
x=xopt
fx=f(xopt, panjang argument variabel dengan batas tertentu)
Selesai
Program Utama
Mulai
Inisialisasi operator x, parameter keluaran

xmin, fmin, ea, iter, parameter masukan f,
0, 4 dan fungsi goldmin.
Proses f = 𝑥 2 + 61𝑥 − 3.
.
Pemanggilan fungsi goldmin.
Selesai

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
VII. Listing
Function [x, fx, ea, iter]=goldmin (f, xl, xu, es, maxit,
varargin)
% goldmin : minimization golden section search
% [xopt, fopt, ea, iter] = goldmin (f, xl, xu, es,
maxit,p1, p2, ... ): menggunakan golden search untuk
mendapatkan nilai minimum dari fungsi f
% input :
% f = nama fungsi
% xl, xu = tebakan bawah dan atas
% es = desired relative error (default = 0.0001%)
% maxit = iterasi maksimum 9default =s0)
% p1, p2, ... = parameter additional yang digunakan fungsi
f
% output :
% x = lokasi minimum
% fx = nilai minimum fungsi
% ea = pendekatan kesalahan relatif(%)
% iter = julah iterasi
if nargin<3, error (‘at least 3 input argument required’);

end
if nargin<4 |isempty (es), es=0.0001; end
if nargin<5 |isempty (maxit), maxit=50; end
phi=(1+sqrt(5))/2;
iter=0;
while(1)
𝑑 = (𝑝ℎ𝑖 − 1) ∗ (𝑥𝑢 − 𝑥1);
𝑥1 = 𝑥1 + 1;
𝑥2 = 𝑥𝑢 − 𝑑;
If f(x1, varargin{:}) < f(x2, varargin{:})
xopt = x1;
x1 = x2;

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
Else
xopt = x2;
xu = x1;
end
iter = iter + 1;
if xopt~=0, ea = (2- phi)*abs ((xu-x1)/xopt)*100; end
if ea <= es | iter >= maxit, break, end
end
x = xopt; fx=f(xopt, varargin{:});
memanggil fungsi goldmin.m

>> f=@(x) x^2+61*x-3;
>> [xmin, fmin, ea, iter]=goldmin(f, 0, 4)

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II

1. Apa tujuan dilakukan optimasi ?
2. Mengapa ratio emas membuat optimasi satu dimensi menjadi efisien
Jawaban
1. Optimasi dilakukan untuk mencari kondisiyang optimum dari suatu fungsi,
dalam arti paling menguntungkan.
2. Ratio emas membuat optimasi satu dimensi menjadi efisien karena ratio emas
merupakan metode optimasi satu variabel yang sederhana dan mempunyai
pendekatan yang mirip dengan metode bisection dalam penentuan akar
persamaan tak linier.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
IX. Data HasilPengamatan

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
X. Analisa
Seperti yang diketahui grafik satu dimensi untuk optimasi berbentuk parabola,
karena bentuknya parabola maka akan ada nilai yang maksimum dan minimum. Nilai
minimum dan maksimum tersebut dapat dicari dengan golden search. Pada percobaan
ini dilakukan pencarian untuk nilai Xmin, nilai fungsi Xmin dan jumlah iterasi atau
perulangan dengan menggunakan fungsi goldmin.
Pada listing percobaan, program yang di tuliskan bukan program utama, untuk
memanggil program utama dari fungsi goldmin diatas dapat dilakukan dengan cara
menuliskan perintah pada command windows. Ada dua perintah diantaranya, f=@x
x^2+61*x-3 dan [xmin, fmin, ea, iter]=goldmin(f, 0, 4). Dimana fungsi goldmin
tersebut memiliki tiga parameter dengan nama (f, 0, 4). Dengan memasukkan perintah
tersebut maka akan didapatkan hasil untuk nilai Xmin, nilai fungsi Xmin dan jumlah
iterasi atau perulangan.
Fungsi dengan nama goldmin dan parameter (f, xl, xu, es, maxit, dan
varagin)dapat dikatakan sebagai algoritma di M-filedengan variabel paramerter yang
memuat masukan dan keluaran.Beberapa parameter yang digunakan diatas, masing-
masing mempunyai fungsi yang berbeda-beda, dimana f sebagai nama fungsi, xl dan xu
sebagai tebakan bawah dan atas, es sebagai error relatif dengan besar 0,0001%, maxit
sebagai iterasi maksimum bernilai 50, dan varargin sebagai sintak. Sintak varargin ini,
akan digunakan ketika parameter input berubah. Sintak ini juga dikenal dengan panjang
dari argumen.
Terdapat dua parameter pada program, paramneter masukkan dan paramter
keluaran. Parameter masukkan pada program ditunjukkan oleh f, xl, es, maxit, p1, dan
p2. Sedangkan parameter keluran pada program ditunjukkan oleh x, fx, ea, dan iter,
dimana parameter tersebut sebagai nilai yang dicari pada program.
Pada script terdapat sintak dengan nama nargin, nargin ini dikenal dengan jumlah
argumen yang telah diinputkan. Dalam program jika nargin kurang dari tiga maka akan
error, jika nargin kurang dari 4 maka akan proses es=0,0001 sedangkan jika nargin
kurang dari 5 maka akan diproses maxit=50. Fungsi dari nargin sendiri dikenal sebagai
jumlah argumen yang digunakan oleh fungsi untuk nilai input atau output. Ada pula
isempty dalam hal ini akan digunakan untuk mengecek benar atau salah, dimana jika
benar maka akan mengisi nilai es atau maxit dengan default yang ditentukan.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
XI. Kesimpulan
1. Pada percobaan ini dilakukan pencarian untuk nilai Xmin, nilai fungsi Xmin dan
jumlah iterasi atau perulangan dengan menggunakan fungsi goldmindengan
menuliskan perintah pada command windows.
2. Fungsi dengan nama goldmin dan parameter (f, xl, xu, es, maxit, dan
varagin)dapat dikatakan sebagai algoritma di M-filedengan variabel paramerter
yang memuat masukan dan keluaran.
3. Sintak varargin ini, akan digunakan ketika parameter input berubah. Sintak ini
juga dikenal dengan panjang dari argumen.
4. Parameter masukkan pada program ditunjukkan oleh f, xl, es, maxit, p1, dan p2.
Sedangkan parameter keluran pada program ditunjukkan oleh x, fx, ea, dan iter.
5. Jika nargin kurang dari 5 maka akan diproses maxit=50.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
DAFTAR PUSTAKA
Astrini, W., Martiningrum, I., dan Adhitama, M. S., 2015. Studi Golden Section Pada
Fasade Bangunan Di Kawasan Kayutangan Malang. Jurnal Ruas, 1(13): 68.
Kurniawan, I. D. G. A., Magdalena, R., dan Susatio, E., 2015. Pengaruh Golden Ratio
Pada Proporsi WajahTerhadap Persepsi Estetika WajahThe Role Of Golden
Ratio On Face ProportionIn Face Aesthetic Perception. e-Proceeding of
Engineering, 2(2): 3048.
Linfield, G. R. Dan Penny, J. E. T., 2012. Numerical Methods UsingMatlab. Watham:
Elsevier.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
LAPORAN
I. NomorPercobaan: VI (Enam)
II. NamaPercobaan: Metode Newton Kuadratik
Mengetahui bagaimana menyelesaikan permasalahan optimasi
fisika dengan metode newton dalam menyelesaikan sistem
persamaan non linier.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
IV. Dasar Teori

Sistem persamaan nonlinear merupakan kumpulan dari beberapa persamaan
nonlinear dengan fungsi tujuannya saja atau bersama dengan fungsi kendala berbentuk
nonlinier, yaitu pangkat dari variabelnya lebih dari satu. Ada beberapa fungsi tujuan
dalam persamaan nonlinier yang tidak bisa diselesaikan secara analitik, tetapi dapat
diselesaikan dengan metode-metode khusus untuk penyelesaian masalah dalam
persamaan nonlinier. Untuk menyelesaikan permasalahan persamaan nonlinier terdapat
banyak metode dan algoritma yang bisa digunakan, tetapi setiap metode dan algoritma
yang ada mempunyai kelebihan dan kekurangan masing-masing. Salah satunya metode
numerik digunakan untuk menyelesaikan persoalan dimana perhitungan secara analitik
tidak dapat digunakan. Ada banyak macam metode numerik untuk menyelesaikan
sistem persamaan linear maupun sistem persamaan nonlinear diantaranya metode
Newton-Raphson dan metode Jacobian. Metode Newton-Raphson adalah metode untuk
mencari hampiran atau pendekatan terhadap akar fungsi real. Metode Newton-Raphson
sering konvergen dengan cepat, terutama bila iterasi dimulai cukup dekat dengan akar
yang diinginkan. Secara umum pembahasan metode Newton-Raphson yang digunakan
menggunakan pendekatan polinomial Taylor:
𝑓′′(𝑥0 ) 𝑓 𝑛 (𝑥0 )
𝑃𝑛 (𝑥) = 𝑓(𝑥0 ) + 𝑓 ′ (𝑥0 )(𝑥 − 𝑥0 ) + (𝑥 − 𝑥0 )2 + ⋯ + (𝑥 − 𝑥0 )𝑛 (6.1)
2! 𝑛!
Dalam penyelesaian sistem persamaan nonlinear yang terdiri dari himpunan nilai-
nilai 𝑥 yang secara simultan memberikan semua persamaan tersebut nilai yang sama
dengan nol.
Untuk menyelesaikan sistem persamaan nonlinear dengan metode Newton-
Raphson, tuliskan sistem tersebut dalam bentuk persamaan (6.2). Langkah selanjutnya
menentukan nilai awal untuk masing-masing variabel(𝑥(0)). Kemudian menghitung
nilai dari fungsi sistem persamaan nonlinear dengan nilai tebakan awal yang telah
ditentukan pada langkah sebelumnya. Langkah berikutnya mencari turunan dari fungsi
sistem persamaan nonlinear untuk masing-masing variabelnya. Setelah itu menghitung
turunan dari fungsi yang telah didapat dari langkah sebelumnya dengan menggunakan
nilai tebakan awal (𝑥(0)). Menentukan deviasi dari setiap variabelnya. Kemudian
menghitung nilai titik selanjutnya. Dalam hal ini nilai galat ditetapkan sebesar 10−6.
Ulangi terus proses iterasi metode Newton-Raphson sampai konvergen (Utami dkk.,
2013).

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
Metode Newton, metode ini untuk solusi dari persamaan 𝑓(𝑥) = 0geometris
yang mudah dari tangen untuk kurva 𝑓(𝑥). Metode ini membutuhkan beberapa taksiran
awal untuk akar dan sumbu axis 𝑓(𝑥)dengan rentang yang berhubungan. Proses ini akan
terus berulang hingga mencapai kekonvergenan pada persamaan (Lindfield dan Penny,
2012).
Berbagai persoalan fisika memerlukan komputasi yang cukup rumit apabila
dikerjakan secara analitik dan manual. Aproksimasi penyelesaian kemudian
diperkenalkan untuk menyederhanakan penyelesaian eksak. Dalam penyelesaian secara
numerik, terdapat beberapa metode yang dapat digunakan seperti metode biseksi,
iterasi, dan Newton Raphson. Masing-masing metode tersebut memiliki kelebihan dan
kekurangan masing-masing namun dapat memberikan hasil yang sama.
Metode numerik diciptakan untuk melakukan aproksimasi ini dalam pencarian
solusi persoalan rumit. Namun demikian tidak jarang komputasi numerik harus
dilakukan berulang kali agar dapat dihasilkan besaran erroryang cukup kecil sesuai
dengan persyaratan, yang apabila dilakukan secara manual akan menyita banyak waktu.
Karenanya diperlukan suatu metode dalam mencari hasil dari suatu persoalan yang
dinyatakan dalam model matematis.
Metode Newton-Raphson juga dikenal dengan metode Newton. Metode ini
berasl dari nama Issac Newton dan Joseph Raphson. Gagasan awal metode Newton-
Raphson adalah metode yanh digunakan untuk mencari akar dari sebuah fungsi riil.
Metode ini di mulai dengan memperkirakan satu titik awal dan mendekatinya dengan
memperhatikan gradien pada titik tersebut.
Metode newton dalam masalah optimasi menggunakan pendekatan yang sama
dengan metode Newton dalam penetuan akar persamaan tak linier, melalui
pendefisinian fungis: 𝑔(𝑥) = 𝑓 ′ (𝑥). Karena pada kondisi optimum berlaku: 𝑓 ′ (𝑥 ∗) =
𝑔(𝑥 ∗) = 0 (dengan x* menyatakan nilai x optimum) maka, nilai x* dapat diperoleh
secara iteratif sebagai
𝑓′(𝑥 )
𝑥𝑙+1 = 𝑥𝑙 − 𝑓"(𝑥𝑙 ) (6.2)
𝑙
Pada setiap iterasi i, titik optimum x* dari pendekatan kuadratik menjadi titk
yang akan digunakan untuk membuat fungsi pendekatan kuadratik yang selanjutnya.
Prosedur iterasi newton dihentikan jika perubahan titik optimum telah mencapai
ketelitian yang diharapkan|𝑥 𝑙+1 − 𝑥 𝑙 | < 𝜀

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
Gambar 6.1. Metode Newton (Monado ddk., 2017).

Implied volatility adalah volatilitas yang digunakan dalam penentuan harga opsi
Eropa yang diperoleh dengan cara menyamakan harga opsi teoritis, harga yang
diperoleh dari model Black Scholes, dengan harga opsi yang dipasar,c(σ) = c ∗. Dengan
memisalkan𝑓(σ) = c (σ) − c ∗, maka dapat dilihat bahwa volatilitas adalah akar dari
persamaan 𝑓(𝜎). Metode yang sering digunakan untuk menyelesaikan persamaan
tersebut adalah metode Newton-Raphson. Karena syarat (turunan pertamanya) untuk
menggunakan metode ini sudah diketahui.
Tetapi dengan menggunakan metode Newton-Raphson diperlukan tebakan awal
yang mendekati akar, jika tidak maka ada kemungkinan tidak akan konvergen kesolusi
yang dicari. Algoritma genetika adalah metode pencarian solusi yang berdasarkan
seleksi alam. Metode ini bersifat acak, karena metode ini dimulai dari populasi solusi
yang dibangun secara acak. Metode ini tidak memerlukan sifat dari fungsi yang akan
dicari solusinya seperti turunan fungsi, sehingga metoda ini dapat digunakan untuk
semua fungsi.
Metode Newton Raphson adalah salah satu metode numerik yang sangat baik
untuk menentukan akar suatu fungsi. Metode ini selalu konvergen jika pemilihan titik
awalnya mendekati solusi, dan metode ini konvergen secara kuadratik. Kekurangan dari
metode ini adalah dalam perhitungan diperlukan turunan fungsi f’(x) dari fungsi f(x)
yang ingin dicari akarnya. Fungsi f(x) adalah nonlinier. Fungsi f(x) dihampiri oleh
fungsi linier g(x), dimana g(x) adalah turunan dari f(x), dan temukan solusi untuk g(x) =
0. Solusi tersebut diambil sebagai nilai hampiran solusi 𝑥 = 𝛼 dari 𝑓(𝑥) = 0 (Dewi,
2012).
Diantara semua metode pencarian akar, metode Newton-Raphsonlah yang paling
terkenal dan paling banyak dipakai dalam terapan sains dan rekayasa. Metode ini paling
disukai karena konvergensinya paling cepat diantara metode yang lainnya (Munir.,
2013).

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
V. Algoritma
Step 1 : Mulai
Step2: Inisialisasinewtraph, func, dfunc, xr, es, maxit, varargin, iter=0, xrold, ea,
danroot.
Step 3: Jika argument input kurang dari 3 maka program error dan cetak ‘at least 3 input
argument required’program selesai. Jika tidak, ke step selanjutnya.
Step4: Jika argument input kurang dari 4 atau es kosong maka es = 0.0001. Jika tidak,
ke step selanjutnya.
Step5 : Jika argument input kurang dari 5 atau maxit kosong maka maxit=50. Jika
tidak,ke step selanjutnya.
Step6 : lakukan perulangan while yang pertama untuk:
-Proses xrold=xr
-Proses 𝑥𝑟 = 𝑥𝑟 − 𝑓𝑢𝑛𝑐(𝑥𝑟)/𝑑𝑓𝑢𝑛𝑐(𝑥𝑟)
-Proses iter=iter+1
𝑥𝑟−𝑥𝑟𝑜𝑙𝑑
-Jika xr ≠ 0 maka ea = nilai absolute × 100. Akhiri pemilihan if. Jika
𝑥𝑟
tidak ke step selanjutnya.

-Jika ea ≤es atau iter ≥ maxit maka proses perulangan berhenti. Jika tidak ke
step selanjutnya.
Step7 : Proses root=xr
Step8 : Selesai
Program Utama
Step 1 : Mulai
Step 2 : Inisialisasi operator m, y, dy dan newtraph.
9,81×𝑚 9,81×0,25
Step 3 : Proses y=@m √ × tanh (√ × 4) − 36
0,25 𝑚
2
1 9,81 9,81×0,25 9,81 9,81×0,25
Proses dy=@m 2 × √𝑚∗0,25 × tanh (√ 𝑚
× 4) −
2×𝑚
× sech (√
𝑚
× 4)
Step 4 : Pemanggilan fungsi newtraph dengan parameter func= y, dfunc=dy, xr=140

dan es=0,00001).
Step 5 : Selesai

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
VI. Flowchart
Mulai
Inisialisasi newtraph, func, dfunc, xr, es,

maxit, varargin, iter=0, xrold, ea, dan root
argument masukan Tidak

<3
Ya
Program error dan Cetak ‘at least 3 input

arguments required’
Selesai
Tidak
A
A= argument masukan
Ya kurang dari 4 atau nilai es
Maka es = 0,0001 kosong.
Tidak B= argument masukan

B
kurang dari 5 atau nilai
maxit kosong.
Ya
maxit = 50

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
Proses xrold=xr
Proses 𝑥𝑟 = 𝑥𝑟 − 𝑓𝑢𝑛𝑐(𝑥𝑟)/𝑑𝑓𝑢𝑛𝑐(𝑥𝑟)
Proses iter=iter+1
xr≠0
Ya
Tidak
𝑥𝑟−𝑥𝑟𝑜𝑙𝑑
ea = nilai absolute × 100
𝑥𝑟
ea ≤es atau
iter ≥ maxit
x=xopt
fx=f(xopt, panjang argument variabel dengan batas tertentu)
Selesai
Program Utama
Mulai
Inisialisasi operator m, y, dy dan newtraph.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
9,81×𝑚 9,81×0,25
Proses y= √ × tanh (√ × 4) − 36
0,25 𝑚
2
1 9,81 9,81×0,25 9,81 9,81×0,25
Proses dy= 2 × √𝑚∗0,25 × tanh (√ × 4) − 2×𝑚 × sech (√ × 4)
𝑚 𝑚
Pemanggilan fungsi newtraph dengan parameter funch= y, dfunch=dy,

xr=140 dan es=0,00001)
Selesai

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
VII. Listing
Function [root, ea, iter]=newtraph (func, dfunc, xr, es,
maxit, varargin)
% newtraph: Newton-Raphson root location zeroes
% [root, ea, iter] = newtraph(func, dfunc, xr, es,
maxit,p1, p2, ... ):
% uses Newton-Raphson method to find the root of func
% input :
% func = name of function
% dfunc = name of derivative of funcion
% xr = initial guess
% es = desired relative error (default = 0.0001%)
% maxit = iterasi maksimum (default =50)
% p1, p2, ... = additional parameters used by function
% output :
% root = real root
% ea = aproximate relative error (%)
% iter = number of iterations
if nargin<3, error (‘at least 3 input argument required’);
end
if nargin<4 |isempty (es), es=0.0001; end
if nargin<5 |isempty (maxit), maxit=50; end
iter=0;
while(1)
xrold=xr;
xr=xr-func(xr)/dfunc(xr);
iter=iter+1;
if xr~=0, ea = abs(xr-xrold/xr)*100; end
if ea<= es|iter>=maxit, break, end
endroot=xr;
memanggil fungsi newtraph.m diatas sebagai berikut:
>> y=@m sqrt(9.81*m/0.25)*tanh(sqrt(9.81*0.25/m)*4)-36;

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
>>dy=@m½*sqrt(9.81*(m/0.25))*tanh((9.81*0.25/m)^(1/2)*4)-
9.81/(2*m)*sech(sqrt(9.81*0.25/m)*4)^2;
>> newtraph(y, dy, 140,0.00001)

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
VIII. Data Hasil Pengamatan

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
IX. Analisa
Pada percobaan ini hampir sama dengan percobaan sebelumnya dimana dalam hal
pemanggilan program utama. Program utama ini akan dipanggil dengan menuliskan
fungsi dan turunan fungsi yang sebelumnya dihitung menjadi parameter, dalam hal ini
akan dituliskan pada command windows. Padapenulisan fungsi dan turunan fungsi ini,
terdapat penulisan @m yang berarti fungsi dituliskan dalam fungsi m. Program utama
yang dipanggil ini bernama newtraph. Pada program ini menggunakan metode Newton-
Raphson yang digunakan untuk mencari akar dari sebuah fungsi. Dalam penggunaan
metode Newton-Raphson fungsi yang akan dicari nilai akarnya akan di cari turunan dari
fungsi tersebut terlebih dahulu.
Pada program ini menggunakan parameter masukan func, dfunc, xr, es, maxit, dan
varargin sedangkan paramater keluarannya root, ea, dan iter. Karena harus di cari
dahulu nilai turunan fungsinya yang pada program ditunjukan sebagai parameter dfunc.
Sedangkan fungsi awalnya ditunjukkan sebagai parameter func, dengan nilai awal
sebagai xr. Hasil yang didapat berupa akar dari fungsi yang dicari yang mana pada
program dituliskan sebagai parameter root.
Jika nargin atau argument input kurang dari 3 makapada program akan terjadi
errorkemudian akan mencetak‘at least 3 input argument required’ dan jika nargin tidak
kurang dari tiga maka akan ke step selanjutnya. Step selanjutnya dimana jika argument
input kurang dari 4 atau es kosong atau nilai error relatif tidak ada maka akan berlaku
es yang diinginkansebesar 0.0001, dan jika nargin tidak kurang dari 4maka akan ke step
selanjutnya. Step selanjutnya, jikaargument inputkurangdari 5 atau maxit kosong atau
nilai perulangan maksimum tidak ada maka akan berlaku nilaimaxit yang diinginkan
sebesar 50.
Pada program terdapat xr atau nilai awal yang di cari dengan persamaan𝑥𝑟 =
𝑥𝑟 − 𝑓𝑢𝑛𝑐(𝑥𝑟)/𝑑𝑓𝑢𝑛𝑐(𝑥𝑟), yang sesuai dengan teori pada persamaan (6.2). Terdapat
juga langkah pemilihan dimana, jika xr tidak linier atau pada program dituliskan
dengan (~=) maka akan diproses ea atau ketidaktelitian dalam hal ini akan diulang
untuk setiap iterasinya. Proses perulangan ini akan berhenti jika ada perubahan dari titik
optimum. Dan jika ea kurang dari sama dengan es atau nilai errornya maka iterasinya
akan lebih besar dari sama dengan maxit dimana maxit ini bernilai 50. Kemudian akan
didapat nilai root atau akar dari fungsi bernilai 142,7376.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
X. Tugas Akhir
1. Apakah syarat perulangan perhitungan pada fungsi di atas untuk berhenti?
2. Modifikasi listing program diatas unutk variasi nilai parameter yang berbeda,
lalu amati hasilnya.
Jawaban
1. Prosedur iterasi newton dihentikan jika perubahan titik optimum telah mencapai
ketelitian yang diharapkan |𝑥 𝑙+1 − 𝑥 𝑙 | < 𝜀
2. Untuk program dengan parameter :
𝑦 = 𝑥 4 − 2𝑥 3 + 16𝑥 2 + 2𝑥 − 7
𝑑𝑦 = 4𝑥 3 − 6𝑥 2 + 32𝑥 + 2
[root, ea, iter]=newtraph(y,dy,1)
Hasil running program :

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
XI. Kesimpulan
7. Padapenulisan fungsi dan turunan fungsi di command window, terdapat
penulisan @m yang berarti fungsi yang dicari dituliskan dalam fungsi m.
8. Dalam penggunaan metode Newton-Raphson fungsi yang akan dicari nilai
akarnya akan di cari turunan dari fungsi tersebut terlebih dahulu.
9. Pada program ini menggunakan parameter masukan func, dfunc, xr, es, maxit,
dan varargin sedangkan paramater keluarannya root, ea, dan iter.
10. Jika nargin atau argument input kurang dari 3 makapada program akan terjadi
errorkemudian akan mencetak‘at least 3 input argument required’ dan jika
nargin tidak kurang dari tiga maka akan ke step selanjutnya.
11. Jika argument input kurang dari 4 atau es kosong atau nilai error relatif tidak
ada maka akan berlaku es yang diinginkan sebesar 0.0001, dan jika nargin tidak
kurang dari 4 maka akan ke step selanjutnya.
12. Jikaargument inputkurangdari 5 atau maxit kosong atau nilai perulangan
maksimum tidak ada maka akan berlaku nilaimaxit yang diinginkan sebesar 50.
13. Nilai root atau akar dari fungsi yang dicaari bernilai 142,7376.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
DAFTAR PUSTAKA
Linfield, G., R. Dan Penny, J., E., T., 2012. Numerical Methods UsingMatlab. Watham:
Elsevier.
Dewi, K., E., 2012. Perbandingan Metode Newton-Raphson dan Algoritma Genetik
pada Penentuan Implied Volatility Saham.Jurnal Ilmiah Komputer dan
Informatika (KOMPUTA), 2(1): 10-11.
Munir, R., 2013. Metode Numerik. Bandung: Informatika Bandung.
Utami, N., N., R., Widana, I., N., dan Asih, N., M., 2013. Perbandingan Solusi Sistem
Persamaan Nonlinear Menggunakan Metode Newtonraphson dan Metode
Jacobian. E-Jurnal Matematika, 2(2): 11-13.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
LAPORAN
FISIKA KOMPUTASI II
I. Nomor Percobaan : VII (Tujuh)

II. Nama Percobaan : METODE EULER: Kasus Gerak Benda Jatuh
III. Tujuan Percobaan :
1. Dapat menerapkan metode Euler dalam penyelesaian numerik gerak benda
jatuh.
2. Dapat membuat program sederhana menggunakan matlab (Tm) khususnya
dalam kasus gerak benda jatuh.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
IV. Dasar Teori

Dalam modul ini diharapkan mahasiswa membaca kembali materi kuliah
mekanika yang berhubungan dengan :
• Perpindahan, kecepatan dan percepatan
• Gerak dengan kecepatan konstan
• Gerak jatuh bebas
Tinjau, benda bermassa m yang jatuh bebas dari suatu ketinggian di udara (hambatan
udara diabaikan). Dari hukum ke dua Newton tentang gerak diperoleh:
F = ma = mg (4.1)
Kecepatan jatuh benda pada waktu t dapat diperoleh dari persamaan berikut:
v(t)= fa dt = alt)t +c (4.2)
dengan c adalah konstanta hasil integrasi yang dalam hal ini dapat dimaknai sebagai
kecepatan awal, sehingga persamaan (2) di atas menjadi:
v(O)= gt+v (4.3)
dengan a = 8
Persoalan yang lebih rumit muncul bila hambatan udara diperhitungkan. Gaya yang
disebabkan oleh adanya hambatan udara dapat dituliskan sebagai berikut:
F= {cpAv2 (4.4)
dengan c: koefisien drag
p: rapat massa udara
v: kecepatan benda
A : Luas penampang benda
Percepatan benda jatuh (berbentuk bola) dapat diperoleh dengan menggunakan hukum
ke dua Newton, sebagai berikut:
1
ma= mg-2cpAy ;A = p2
1
a=g-2cpar v2 (4.5)
Untuk memperoleh solusi eksak dari persamaan (5) sangat sulit, kecuali jika hambatan
udara diabaikan akan diperoleh solusi seperti persamaan (3). Terhadap kesulitan seperti
ini, kita gunakan komputer (solusi numerik) untuk membantu penyelesaian, (monado
dkk, 2017).
Fisika merupakan salah satu cabang ilmu pengetahuan alam yang mempelajari tentang
gejala alam. Gejala alam didalam fisika dapat ditinjau secara teoritis maupun

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
eksperimen. Eksperimen dilakukan untuk membuktikan kebenaran teori sedangkan teori

digunakan untuk memandu jalanya sebuah eksperimen. Gerak jatuh bebas merupakan
salah satu gejala alam yang dipelajari di dalam fisika. Gerak jatuh bebas adalah gerak
jatuh benda pada arah vertikal dari ketinggian tertentu tanpa kecepatan awal. Galileo
menyatakan bahwa untuk gerak jatuh bebas semua benda akan jatuh dengan percepatan
yang sama jika tidak ada udara dan hambatan lainya. Percepatan konstan untuk gerak
jatuh bebas adalah akibat gravitasi bumi (g). Berdasarkan teori, peristiwa gerak jatuh
bebas dipengaruhi oleh gaya gravitasi bumi, sehingga nilai percepatan benda pada saat
mengalami gerak jatuh bebas adalah mendekati nilai percepatan gravitasi
bumi(Dasriyani dkk, 2014).
Persamaan diffrensial tampaknya sederhana, tetapi untuk menyelesaikan persamaan
diffrensial di atas bukanlah sesuatu yang mudah, bahkan dapat dikatakan dengan
menggunakan cara analitik, tidak dapat ditemukan penyelesaian. Sehingga pemakaian
metode-metode pendekatan dengan metode numeric menjadi suatu alternatif yang dapat
digunakan.
Ada beberapa metode yang dapat digunakan untuk menyelesaikan persamaan
differensial, antara lain: metode Euler, metode pendekatan dengan deret Taylor, metode
runge-kutta dan metode-metode prediktor-korektor seperti metode Adam Moulton.
Hanya saja metode-metode pendekatan ini menyebabkan penyelesaian yang dihasilkan
bukanlah penyelesaian umum dari persamaan differensial, tetapi penyelesaian khusus
dengan nilai awal dan nilai batas yang ditentukan.Permasalahan persamaan differensial
ini merupakan permasalahan yang banyak ditemui ketika analisa yang dilakukan
tergantung pada waktu dan nilainya mengalami perubahan-perubahan berdasarkan
waktu.Hampir banyak model matematis di dalam ilmu teknik menggunakan pernyataan
dalam persamaan differensial (Gunawan, 2016).
Metode Euler
Metode Euler disebut juga metode orde pertama, karena pada persamaan kita
hanya mengambil sampai suku orde pertama saja.Selain dengan bantuan deret Taylor,
metode Euler juga dapat diturunkan dengan cara yang berbeda. Sebagai contoh,
missalkan kita menggunakan aturan segi empat untuk mengintegrasi-kan f(x,y) pada
persamaan diferensial.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
Meskipun metode Euler sederhana, tetapiiamengandungduamacamgalat, yaitu

galat pemotongan (truncation error) dan galat longgokan(cumulative error).Galat
pemotongan ini sebanding dengan kuadrat ukuran langkah h sehingga disebut juga galat
perlangkah (error per step) atau galat lokal. Semakin kecil nilai h (yang berarti
semakin banyak langkah perhitungan), semakin kecil pula galat hasil perhitungannya.
Perhatikan bahwa nilai pada setiap langkah (yr) dipakai lagi pada langkah berikutnya
(yr+1). Galat solusi pada langkah ke-r adalah tumpukan galat dari langkah-langkah
sebelumnya. Galat yang terkumpul pada akhir langkah ke-r ini disebut galat longgokan
(cumulative error)(Triatmodjo, 2002).

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
V. Listing
%Metode Euler: benda jatuh
%penentuan interval waktu h dan parameter lainnya
clear all
clc
format long r=0; %batas awal interval
s=15; %batas akhir interval
h=0.01; %interval waktu iterasi
N=(5-r) /h; y nilai step-size
g = 9.8; $percepatan gravitasi
a0=g; 3 percepatan mula-mula
VO=0; 8 kecepatan awal
to=0.0; waktu awal
% perubahan t sesuai step-size h adalah:
for i=1:1:N
t(i)=I+ (ith); end
%solusinya:
v(1)=v0+h+fjbi (v0);
for i=2:N
k=i-1;
v(i)=v (k) +h* fjbi (v (k));
end
%Emenampilkan hasil
v
plot(t,v);
xlabel('Waktu');
ylabel('kecepatan');
%fungsi untuk persamaan benda jatuh
function a=fjbi (v)
g = 9.8;
C = 0.046;
R- 0.0075;
m = 0.0039;

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
rho = 1.2;
a = g -(0.5*c*rho*pi*R.^2*V.^2)/m;

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
VI. Tugas Pendahuluan

1. Jelaskan makna fisis dari posisi, kecepatan dan percepatan?
2. Tuliskan perumusan umum metode numerik Euler, berikan penjelasan secara singkat?
Jawaban:
1. – Posisi adalah suatu kedudukan benda terhadap titik acuan.
–Kecepatan adalah perpindahan benda tiap satuan waktu dengan
memperhatikan arahnya.
–Percepatan adalah perubahan kecepatan satuan waktu tertentu.
2. Penyelesaian dengan metode euler adalah proses mencari nilai fungsi y(x) pada
titik x tertentu dari persamaan diferensial biasa f(x,y) yang diketahui. Metode Euler
diturunkan dengan cara menguraikan 𝑦𝑥𝑟+1 disekitar 𝑥𝑟 kedalam deret Taylor:
𝑥𝑟+1− 𝑥𝑟 𝑥𝑟+1− 𝑥𝑟−1 2
yxr+1 = y(xr ) + ( ) y′(xr ) + ( ) y′′(xr ) + ⋯
1! 2!
jika dipotong sampai suku orde tiga, maka:
𝑥𝑟+1− 𝑥𝑟 𝑥𝑟+1− 𝑥𝑟−1 2 ′′
yxr+1 = y(xr ) + ( ) y′(xr ) + ( ) y (t), 𝑥𝑟 < 𝑡 < 𝑥𝑟+1
1! 2!
berdasarkan bentuk baku:
𝑦 ′ (𝑥𝑟 ) = 𝑓(𝑥𝑟 , 𝑦𝑟 )dan 𝑥𝑟+1 - 𝑥𝑟 = h
Sehingga didapat persamaan umum metode numerik Euler:
yxr+1 = y(xr ) + hf(xr , yr ), dengan r = 0,1,2,....,n
secara singkat:
𝑦𝑟+1 = 𝑦𝑟 + ℎ𝑓𝑟

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
VII. Data Hasil Pengamatan

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
Grafik 9.1 Hubungan kecepatanterhadap waktu

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
VIII. Analisa
Percobaan ini membahas tentang kasus gerak benda jatuh dimana dalam
penyelesaiannya digunakan metode euler, sehingga dapat diperoleh nilai percepatannya
atau hubungan antara nilai kecepatan terhadap waktu pada saat benda dijatuhkan. Pada
kasus ini terdiri dari program utama dan sub program dengan keduanya harus disimpan
di dalam folder yang sama.
Dengan parameter masukan pada subprogram berupa fjb1 (v), parameter ini dapat
diubah, apabila pada subprogram parameter ini namanya diubah maka pada program
utama pemanggilan untuk nama fjb1 juga harus diubah atau namanya harus sama.
Karena pada kasus ini yang akan dicari nilai percepatannya maka parameter keluaran
yang digunakan berupa [a] dan nilainya dapat dipengaruhi oleh besaranya nilai v yang
digunakan atau yang diperoleh solusinya pada program utama.
Hasil nilai kecepatan v pada program utama diperoleh 1500 nilai dan bergantung
dengan interval waktu, sehingga pada program ini dimodifikasi nilai hasil v yang
ditampilkan hanya berupa v(100:100:1500), dengan batas interval waktu berupa 1
sampai 15 detik. Sehingga dapat diketahui bahwa semakin kecil interval waktu yang
digunakan maka hasil atau nilai yang akan diperoleh akan semakin banyak. Semakin
besar nilai waktu yang digunakan maka akan semakin besar niai kecepatan yang
dihasilkan. Pada kasus ini tidak digunakan kecepatan awal sehingga jatuhnya benda
akan semakin cepat.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
IX. Tugas Akhir

1. Jelaskan pengertian ‘truncation error’ dan ‘round-off errror’ ?
2. Mengapa diperlukan pemilihan interval waktu iterasi yang bersesuaian dengan kasus
yang akan diselesaikan?
3. Apakah dalam percobaan yang anda lakukan diperoleh kecepatan yang konstan?
Mengapa demikian, jelaskan!
Jawab
1. Truncation errors merupakan kesalahan yang timbul karena pemotongan suku pada
suatu deret/rumus approksimasi, misalnya suatu rumus rumit diganti dengan rumus
yang lebih sederhana. Kesalahan pemotongan terjadi ketika suatu rumus komputasi
disederhanakan dengan cara membuang suku yangberderajat tinggi. Sedangkan,
Round-off errors merupakan kesalahan yang timbul akibat adanya pembulatan
angka.
2. Pemilihan interval waktu iterasi diperlukan bersesuaikan dengan kasus yang akan
diselesaikan karena pada kasus yang diselesaikan harus memiliki batas awal interval
dan batas akhir interval atau waktu interval. Dengan menentukan point-point dalam
jarak yang sama di dalam interval [a,b] (pada gambar 4.1). Jarak antar point Interval
waktu iterasi dirumuskan sebagai
𝑏–𝑎
ℎ = 𝑁
dengan 𝑁 adalah bilangan integer positif. Nilai h ini juga dikenal dengan nama step
size. Setelah diketahui nilai interval waktu iterasinya maka dapat diketahui pula
nilai percepatan pada kasus gerak benda jatuh untuk setiap iterasinya.
3. Pada percobaan yang telah dilakukan tidak diperoleh kecepatan yang konstan,
karena pada kasus ini gerak benda yang jatuh tidak diberikan kecepatan awal
sehingga semakin lama waktunya maka nilai kecepatannya akan semakin besar
(cepat).

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
DAFTAR PUSTAKA
Dasriyani, Y., Hufri, dan Yohandri, 2014. Pembuatan Set Eksperimen Gerak Jatuh
Bebas Berbasis Mikrokontroler dengan Tampilan PC. Jurnal Saintek, 6(1): 84.
Gunawan, P. H., 2016. Pengantar Persamaan Diferensial Parsial untuk Sains dan
Teknik. Jakarta: Nulis Buku.
Monado, F., Koryanti, E., dan Ariani, M., 2017. Modul Praktikum Fisika Komputasi II.
Triatmodjo, B., 2002. Metode Numerik Dilengkapi Dengan Program Komputer.
Yogyakarta: Beta Offset.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
LAPORAN
FISIKA KOMPUTASI II
I. Nomor Percobaan : VIII (Delapan)

II. Nama Percobaan : penyelesaian numerik persamaan diferensial (metode
Runge-Kutta orde 4)
III. Tujuan Percobaan : 1. Memahami metode Runge-Kutta orde 4.
2. Dapat memecahkan persamaan diferensial biasa
menggunakan metode Runge-Kutta orde 4.

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
IV. Dasar Teori

Persamaan Diferensial
Persamaan diferensial adalah persamaan yang mengandung beberapa bentuk
turunan. Suatu persamaan yang mengandung turunan fungsi terbagi atas: 1) Persamaan
diferensial biasa yakni mengandung anya 1 variabel bebas dan 2) persamaan diferensial
parsial yakni mengandung lebih dari satu variabel bebas. Contoh:
𝑑𝑦
𝑥 + 𝑑𝑥 + 𝑦 = 3 (Persamaan differensial biasa ordesatu)
𝑑2 𝑦 𝑑𝑦
+ 3 𝑑𝑥 + 2𝑦 = 0 (Persamaan differensial odre dua)
𝑑2 𝑥
𝜕𝑦 𝜕2 𝑦
= 𝜕2 𝑥 (persamaan differensial parsial orde dua) (4.1)
𝜕𝑡
Penyelesaian persamaan differensial adalah suatu fungsi yang memenuhi persamaan

differensial dan memenuhi kondisi awal yang diberikan pada persamaan tersebut.
 Penyelesaian secara analitis:
Dicari penyelesaian secara umum yang mengandung konstanta sembarang
kemudian mengevaluasi konstanta tersebut sehingga hasilnya sesuai dengan kondisi
𝑑𝑦
awal. Misal: = 𝑦 Penyelesaian umum: 𝑦 = 𝐶𝑒 𝑥 , kondisi awal: x=0, y(x=0)=1. Jadi,
𝑑𝑥
1= 𝐶𝑒 0 C=1, penyelesaian khususnya: y=𝑒 𝑥 .

 Penyelesaian secara numerik
Berupa tabel nilai-nilai numerik dari fungsi untuk berbagai variabel bebas,
dilakukan pada titik-titik yang ditentukan secara berurutan, untuk mendapatkan hasil
yang lebih teliti maka interval antara titik-titik yang berurutan tersebut dibuat semakin
kecil (Monado dkk., 2018).
Persamaan diferensial memegang penting dalam rekayasa, fisika, ilmu ekonomi
dan berbagai macam disiplin ilmu. Persamaan diferensial muncul dalam berbagai
bidang sains dan teknologi, bila hubungan deterministik yang melibatkan besaran yang
berubah secara kontinu dimodelkan oleh fungsi matematika dan laju perubahannya
dinyatakan sebagai turunan diketahui atau dipostulatkan. Salah satu aplikasi turunan
dalam kehidupan sehari-hari adalah untuk menkonstruksi model matematika dan
fenomena perubahan dalam kehidupan sehari-hari yang melibatkan laju perubahan
sesaat atau laju perunahan rata-rata. Persamaan diferensial orde pertama diatas
merupakan persamaan diferensial paling sederhana bentuknya karena persamaan ini
hanya mengandung turunan pertama dari fungsi yang tidak diketahui. Walaupun

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
sederhana bentuknya, banyak fenomena dalam keidupan sehari-hari yang sifatnya dapat
dimodelkan sebagai fenomena persamaan diferensial orde pertama (Nuraeni, 2017).
Menentukan Galat per Langkah Metode PDB
Galat per langkah metode PDB diperoleh dengan bantuan deret Taylor. Kita sudah
pernah menurunkan galat per langkah metode Heun dengan bantuan deret Taylor.
Sekarang, prosedur untuk menentukan galat per langkah suatu metode PDB dapat ditulis
sebagai berikut:
(1) Notasi nilai y hampiran di xr+1 adalah yr+1
(2) Notasi nilai y sejati di xr+1 adalah Yr+1
(3) Uraikan yr+1 di sekitar xr
(4) Uraikan Yr+1 di sekitar xr
(5) Galat per langkah adalah = (4) - (3) (Munir, 2008).
Metode Penyelesaian Numerik
Salah satu metode penyelesaian numerik persamaan differensial biasa adalah
dengan metode Runge-Kutta. Metode Runge-Kutta merupakan metode satu langkah
yang memberikan ketelitian hasil yang lebih besar dan tidak memerlukan turunan dari
fungsi. Metode Runge-Kutta orde 4 adalah metode numerik persamaan differensial orde
4. Penggunaan metode Runge-Kutta orde 4 bertujuan untuk mencari nilai error yang
jauh lebih kecil dibandingkan dengan metode lainnya. Persamaan-persamaan yng
menyusun metode Runge-Kutta orde 4 adalah sebagai berikut:
𝑦𝑐 =∝
𝑘1 = ℎ𝑓(𝑡1 , 𝑦1 )
ℎ 1
𝑘2 = ℎ𝑓(𝑡1 + , 𝑦𝑡 + 𝑘1 )
2 2
ℎ 1
𝑘3 = ℎ𝑓 (𝑡1 + , 𝑦𝑡 + 𝑘2 )
2 2
ℎ 1
𝑘4 = ℎ𝑓 (𝑡1 + , 𝑦𝑡 + 𝑘3 )
2 2
1
𝑦𝑡+1 = 𝑦𝑡 + 6 (𝑘1 + 2𝑘2 + 2𝑘3 + 𝑘4 ) (4.2)
Algoritma metode Runge-Kutta orde 4: 1)Tentukan persamaan f(x,y). 2) Tentukn x=x0

dan y=y0. 3) Tentukan nilai awal x0 dan nilai y0. 4) Tentukan nilai h. 5) Jumlah loop,
n=xa-x0/h. 6) Untuk i=1 sampai n, maka: a. 𝑦𝑖+1 = 𝑦𝑖 + ℎ𝑓(𝑥𝑖 , 𝑦𝑖 ) b. 𝑥 = 𝑥 + ℎ. 7)
Simpan nilai xi, yi. 8) Lanjutkan nilai i (Monado dkk., 2018).

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
Galat per-langkah metode Runge-Kutta orde empat adalah O(h3). Sedangkan

galat longgokan metode Runge-Kutta orde empat adalah O(h2). Metode Runge-Kutta
orde yang lebih tinggi tentu memberikan solusi yang semakin teliti. Tetapi ketelitian ini
harus dibayar dengan jumlah komputasi yang semakin banyak. Jadi ada timbal balik
(trade-off) dalam memilih suatu metode Runge-Kutta (Munir, 2008).

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
V. Algoritma

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
VI. Flowchart

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
VII. Listing
PROGRAM 1
function rungekutta
h=0.5;
t=0;
w=0.5;
fprintf('step 0:t=%12.8f, w=%12.8f\n', t, w);
for i=1:4
k1= h*f(t,w);
k2= h*f(t+h/2,w+k1/2);
k3=h*f(t+h/2,w+k2/2);
k4=h*f(t+h,w+k3);
w=w+(k1+2*k2+2*k3+k4)/6;
t=t+h;
fprintf('Step %d: t=%6.4f, w=%18.15f\n', i, t, w);
end
function y=f(t,y)
y=y-t^2+1;
PROGRAM 2
*FUNGSI M-FILE SISTEM LORENTZ

function f= lorentz (t,y)
f= zeros (1,3);
f(1)= 10*(y(2)-y(1));
f(2)= -y(1)*y(3)+28*y(1)-y(2);
f(3)= y(1)*y(2)-8*y(3)/3;
*FUNGSI METODE RUNGE KUTTA ORDE 4

function [tSol,ySol]=RK4(dEqs,t,y, tStop,h)
if size (y,1)>1;
y=y';
end

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
tSol= zeros (2,1);ySol= zeros(2,length(y));

tSol(1)=t; ySol(1,:)=y;
i=1;
while t<tStop
i=i+1;
h=min(h,tStop-t);
k1=h*feval(dEqs,t,y);
k2=h*feval(dEqs,t+h/2,y +k1/2);
k3=h*feval(dEqs,t+h/2,y +k2/2);
k4=h*feval(dEqs,t+h,y +k3);
y=y+(k1+2*k2+2*k3+k4)/6;
t=t+h;
tSol(i)=t; ySol(i,:)=y;
end
*FUNGSI EKSEKUSI PROGRAM M FILE SISTYEM LORENTZ (YG

DIRUNNING)
[t,y]=RK4(@lorentz, 0, [0.1 0.1 0.1], 50,0.01);
figure(1)
plot3(y(:,1),y(:,2),y(:,3))
xlabel('x')
ylabel('y')
zlabel('z')
title('DIAGRAM FASE SISTEM KONVEKSI LORENTZ')
figure(2)
plot(t,y)
xlabel('Waktu')
ylabel('Dinamika')
title('TIME SERIES SISTEM KONVEKSI LORENTZ')
legend('x', ‘y’, ‘z’)

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
VIII. Data Hasil Pengamatan

PROGRAM 1
PROGRAM 2

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
IX. Analisa

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
X. Tugas Akhir

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
XI. Kesimpulan

LAPORAN PRAKTIKUM
FISIKA KOMPUTASI II
DAFTAR PUSTAKA
Monado, F., Koriyanti, E., dan Ariani, M., 2018. Modul Praktikum Fisika Komputasi II.
Indralaya : Universitas Sriwijaya.
Munir, R., 2008. Metode Numerik Revisi Kedua. Bandung: Informatika.
Nuraeni, Z., 2017. Aplikasi Persamaan Diferensial dalam Estimasi Jumlah Populasi.
Jurnal Ilmiah Pendidikan Matematika, 1(5): 9.


ADLIM

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

ADLIM

Diunggah oleh

Hak Cipta:

Format Tersedia

LAPORAN PRAKTIKUM

NAMA : MUHAMMAD ADLIM

LABORATORIUM FISIKA KOMPUTASI

I. Nomor Percobaan : I (Satu)

Fakultas MIPA – Jurusan Fisika

IV. Dasar Teori

Gambar 1.1 Ilustrasi grid line dan mesh points

Persamaan diatas adalah PDP Elliptik. Penyelesaiannya berdasarkan pendekatan

Dengan syarat batasnya adalah :

Fakultas MIPA – Jurusan Fisika

𝑤0,𝑗 = 𝑔(𝑥0 , 𝑦𝑗 ), 𝑤𝑛,𝑗 = 𝑔(𝑥𝑛 , 𝑦𝑗 ) 𝑗 = 0,1 … , 𝑚 − 1; (1.4),

𝑤𝑖,0 = 𝑔(𝑥𝑖 , 𝑦0 ), 𝑤𝑖,𝑚 = 𝑔(𝑥𝑖 , 𝑦𝑚 ) 𝑖 = 1,2 … , 𝑛 − 1 (1.5),

Fakultas MIPA – Jurusan Fisika

Fakultas MIPA – Jurusan Fisika

Fakultas MIPA – Jurusan Fisika

VI. Flowchart Mulai

Inisialisasi matriks b=[ 25; 50; 150; 0; 0; 50; 0; 0; 25];

Pembentukan matriks augmentasi 𝑖 = 1 𝑠𝑎𝑚𝑝𝑎𝑖 𝑖 = 𝑛

𝐴(𝑖, 𝑘) = 𝐴(𝑖, 𝑘) − (𝑚 × 𝐴(𝑗, 𝑘)) 𝑘 = 1 𝑠𝑎𝑚𝑝𝑎𝑖 𝑘 = 𝑛 + 1

Fakultas MIPA – Jurusan Fisika

b=[25; 50; 150; 0; 0; 50; 0; 0; 25];

%&&&&&& Proses Eliminasi Gauss &&&&&&&&&&&&&&&&&&&&&&&&&

Fakultas MIPA – Jurusan Fisika

%------Proses Substitusi mundur-------------

%===== Menampilkan Vektor w =================

Fakultas MIPA – Jurusan Fisika

VIII. Tugas Pendahuluan

Fakultas MIPA – Jurusan Fisika

Fakultas MIPA – Jurusan Fisika

IX. Data Hasil Pengamatan

Fakultas MIPA – Jurusan Fisika

Dalam kasus distribusi panas pada sebuah lempengan logam dengan

Setelah melakukan proses triangularisasi lalu masuk ke proses subtitusi

Fakultas MIPA – Jurusan Fisika

mundur sebesar (-1) dilakukan proses 𝑆 = 0. Untuk 𝑗 = 𝑛 − 1sampai 𝑖 = 1 + 1dengan

Fakultas MIPA – Jurusan Fisika

XI. Tugas Akhir

Fakultas MIPA – Jurusan Fisika

Fakultas MIPA – Jurusan Fisika

Fakultas MIPA – Jurusan Fisika

Fakultas MIPA – Jurusan Fisika

IV. Dasar Teori

dengan batasan: 0 < 𝑥 < 𝐿 𝑑𝑎𝑛 𝑡 ≥ 0; dengan 𝛼 adalah sebuah konstanta.

(Monado dkk., 2017).

Fakultas MIPA – Jurusan Fisika

Diferensial numerik digunakan untuk memperkirakan bentuk diferensial

Gambar 2.1. Skema Crank-Nicolson.

dengan 𝜃 adalah koefisien pembobot dengan nilai :

Fakultas MIPA – Jurusan Fisika

Dalam persamaan perambatan panas, T adalah temperatur, K adalah koefisien

Fakultas MIPA – Jurusan Fisika

Fakultas MIPA – Jurusan Fisika

Step4 :Proses suhu (i) = sin (𝑝𝑖 𝑥 𝑖 𝑥 0.1), lakukanperulanganuntuk i = 1 sampai n

Fakultas MIPA – Jurusan Fisika

VI. Flowchart Mulai

Inisialisasi n = 9, alpha = 1.0, k = 0.0005, h =

Proses suhu (i) = sin (𝑝𝑖 𝑥 𝑖 𝑥 0.1),

Proses w0(i,1) = suhu (i), lakukan

Fakultas MIPA – Jurusan Fisika

Perulanganuntuk i = 1 Proses matriks w (i,1) = 0

Proses matriks w (i,1) = matriks w (i,1) + matriks A (i,j) xmatriks w0 (j,1),

Fakultas MIPA – Jurusan Fisika

Fakultas MIPA – Jurusan Fisika