02 - BI Pemodelan Komputer

BUKU INFORMASI DAN BUKU KERJA
PEMBELAJARAN BERBASIS KOMPETENSI

MATA KULIAH PEMODELAN KOMPUTER
DAFTAR PENYUSUN MODUL
NO. NAMA INSTITUSI
1. Dr.Eng R.B.Seno Wulung Politeknik ATK
2. Midarto Dwi Wibowo, ST, MT Politeknik ATK
3. Taukhid Wisnu Broto, ST, MT Politeknik ATK
KEMENTERIAN PERINDUSTRIAN REPUBLIK INDONESIA

POLITEKNIK ATK YOGYAKARTA
Jl. Prof. Wirjono Prodjodikoro (Ring Road Selatan), Glugo, Panggungharjo, Sewon, Bantul,
D.I. Yogyakarta 55188
Judul Modul: Pemodelan Komputer 2
Halaman: 2 dari 63
Buku Informasi dan Buku Kerja
Modul Pembelajaran Berbasis Kompetensi
Bidang Sistem Manufaktur
DAFTAR ISI
DAFTAR ISI
----------------------------------------------------------------------------------------------------
2
BAB I PENDAHULUAN
4
A. Deskripsi singkat mata kuliah
4
B. Tujuan Pembelajaran
4
C. Capaian Pembelajaran
4
D. Pokok Bahasan
4
E. Evaluasi Penilaian
5
F. Daftar Pustaka
5
BAB II PENGENALAN PEMROGRAMAN-------------------------------------------------- 5

2.1. Window pada MATLAB ------------------------------------------------------------- 6
2.2. Operasi Matematika MATLAB ----------------------------------------------------- 7
2.3. Variabel ------------------------------------------------------------------------------ 9
2.4. Operasi Matrik ----------------------------------------------------------------------- 9
BAB III M-FILEDAN KENDALI ALIR ------------------------------ ------------- 13

3.1. M-FILE --------------- -------------------------------------------------------------- 13
3.2. Kendali alir -------------------------------------------------------------------------- 15
Tugas Aplikasi 1 -----------------------------------------------------------------------------18
BAB IV DIFFERENSIAL DAN INTEGRAL --------------------------------------- 20

4.1. Differensial -------------------------------------------------------------------------- 20
Judul Modul Pemodelan Komputer Halaman: 3 dari 63
Buku Informasi da Buku Kerja
4.2. Integral ----------------------------------------------------------------------------- 23

Tugas Aplikasi 2--------------------------------------------------------------------------- 25
BAB V PEMROGRAMAN LINIER-------------------------------------------------------- 26

5.1. Pemrograman Biner -------------------------------------------------------------- 27
5.2. Pemrograman mixed integer -----------------------------------------------------27
Tugas Aplikasi 3---------------------------------------------------------------------------- 28
BAB VI PEMROGRAMAN NON-LINIER ---------------------------------------- 29

Tugas Aplikasi 4----------------------------------------------------------------------------30
BAB VII CURVE FITTING ------------------------------------------------------- 31

7.1. Polinomial dan akar-akarnya -----------------------------------------------------32
7.2. Curve fitting ----------------------------------------------------------------------- 33
Tugas Aplikasi 5--------------------------------------------------------------------------- 33
BAB VIII PENYELESAIAN NUMERIS ------------------------------------------ 34

8.1. Metode bisection ------------------------------------------------------------------34
8.2. Metode Secant ------------------------------------------------------------------- 36
8.3. Metode Newton Raphson --------------------------------------------------------37
Tugas Aplikasi 6---------------------------------------------------------------------------39
BAB IX PERSAMAAN DIFFERENSIAL ORDINER------------------------------ 40

9.1. Metode euler----------------------------------------------------------------------- 42
9.2. Metode Runge Kutta ------------------------------------------------------------- 43
9.3. Metode Prediktor korektor--------------------------------------------------------45
Tugas Aplikasi 7---------------------------------------------------------------------------48
BAB X (PENGAYAAN) SIMULASI DENGAN MOLDFLOW ADVISER --------- 49


BAB I
PENDAHULUAN
A. Deskripsi Singkat Matakuliah

Mata kuliah ini berisi materi tentang pemodelan sistem nyata ke dalam sistem artificial
berupa program komputer. Sistem modeling sangat bermanfaat untuk pemecahan
permasalahan industri mencakup pemecahan permasalahan di bagian produksi, seperti
halnya penentuan parameter proses dalam pemastian kualitas produk, penjadwalan
produksi, dan penugasan mesin, permasalahan di bagian logistik dan rantai pasok produksi.
Sistem Modeling mampu mengurai persoalan yang rumit di sistem nyata dunia industri
dengan mentransformasikan persoalan tersebut ke dalam model matematika. Mahasiswa
kemudian memecahkan model matematika tersebut dan membawa-nya kembali ke sistem
nyata.
B. Tujuan Pembelajaran
Setelah menyelesaikan mata kuliah ini, mahasiswa mampu menggunakan tools pemodelan
komputer dalam melakukan identifikasi masalah, formulasi masalah, dan penyelesaian
masalah di industri karet dan plastik.
C. Capaian Pembelajaran (LO)

Setelah menempuh mata kuliah ini mahasiswa:
1. Mampu memodelkan permasalahan industri ke dalam suatu model matematis.
2. Mampu menggunakan program MATLAB (Program yang digunakan dalam matakuliah ini)
untuk melakukan pemodelan matematis.
3. Mampu memodelkan sistem nyata industri karet dan plastik ke dalam sistem artificial
dan kemudian memecahkan permasalahan pada sistem nyata tersebut.
4. Mampu membuat program komputer untuk menyelesaikan permasalahan industri yang
memiliki kecukupan (adequate) dan kesederhanaan (parsimony).
D. Pokok Bahasan
Pemodelan sistem, Pengenalan MATLAB, M-File, Pemrograman Integral, Pemrograman

Differensial, Metode penyelesaian numeris, Persamaan Differensial Ordiner, Linier
programming, Non-Linier programming, Integer Programming, Curve Fitting.

E. Evaluasi dan Penilaian

Kriteria penilaian yang akan digunakan untuk mengetahui keberhasilan kegiatan
pembelajaran dalam mata kuliah ini adalah:
No. Komponen Penilaian Bobot (%)

1 Ujian Akhir 40
2 Ujian tengah semester 30
3 Tugas Praktek* 30
Jumlah (Nilai Angka) 100
*)
Tugas Praktek harus 100 %, jika tidak lengkap dinyatakan TIDAK LULUS mata
kuliah pemodelan komputer.
Selanjutnya nilai angka yang dicapai mahasiswa dikonversikan ke dalam nilai huruf
A, B, C, D atau E sesuai dengan ketentuan di Politeknik ATK Yogyakarta sebagai
berikut:
No. Nilai Angka Nilai Huruf
1. > 80 A
2. 65 < N < 80 B
3. 55 < N < 65 C
4. 40 < N < 55 D
5. < 40 E
F. Daftar Pustaka
1. Arhami, M., Desiani, A. 2004. Pemrograman MATLAB. Penerbit Andi. Yogyakarta
2. Kwon.R.H. 2014. Introduction to linear optimization and extensions with MATLAB. CRC
Press.London.
3. Suarga. 2012. Komputasi Numerik: Pemrograman MATLAB untuk Metode Numerik.
Penerbit Andi. Yogyakarta
4. Sianipar, R.H. 2013. Pemrograman MATLAB dalam contoh dan penerapannya. Penerbit
Informatika. Bandung
5. Zhou, H. 2013. Computer modeling for injection molding: Simulation, optimization and
control. Wiley and Sons .inc. Canada
BAB II
PENGENALAN PEMROGRAMAN

Dalam mata kuliah pemodelan komputer ini, digunakan program MATLAB yang
merupakan program yang baik untuk melakukan analisis dan komputansi numeric
dengan dasar pemikiran menggunakan sifat dan bentuk matrik.
Matlab banyak digunakan pada:
 Matematika dan komputansi
 Pengembangan dan algoritma
 Pemrograman modeling, simulasi, dan pembuatan prototype
 Analisis data, eksplorasi, dan visualisasi
 Analisis numerik dan statistik
 Pengembangan aplikasi teknik
1.1. Window-window pada MATLAB

Ada beberapa macam window yang tersedia dalam MATLAB antara lain:
a. MATLAB command window
Merupakan command window uang dibuka pertama kali setiap MATLAB dijalankan.
Dalam command window ini, dapat dijalankan. Pada command window dapat
diketikkan perintah-perintah dan memunculkan hasil. MATLAB command window
dapat dilihat pada gambar 2.1.
Gambar 2.1. MATLAB Command Window

b. Matlab editor (Editor M-File)
Window ini merupakan tool yang disediakan oleh MATLAb sebagai editor script
MATLAB M-File. Pembahasan lebih lanjut tentang M-File dibahas pada Bab III.
c. MATLAB Help window

MATLAB menyediakan sistem help yang dapat diakses dengan perintah help.
Sistem ini memungkinkan pengguna MATLAB memperoleh informasi mengenai
perintah fungsi dan syntax lainnya, misalnya linprog untuk linear programming.
Menu help dapat dilihat apda gambar 2.2.
Gambar 2.2. Menu Help pada MATLAB
1.2. Operasi Matermatika dalam MATLAB

Operasi matematika dalam MATLAB dapat dilihat pada Tabel 2.1.

Tabel 2.1. Operasi Matematika dalam MATLAB
Operasi Format Aljabar MATLAB Contoh
Penjumlahan a+b a+b 5+7

Pengurangan a-b a-b 5-3
Perkalian axb a*b 7.65*5.4
Pembagian a:b a/b 7.68/4.43
Pemangkatan ab a^b 4^3
Derajat Keutamaan dalam operator-operator matematika dalam MATLAB:

1. Tanda kurung, dimulai dari yang paling dalam
2. Pemangkatan (^), dari kiri ke kanan
3. Perkalian (*) dan pembagian (/ ) dengan keutamaan setingkat , dari kiri
ke kanan
4. Penjumlahan (+) dan pengurangan (-) dengan derajat keutamaan
setingkat, dari kiri ke kanan
Contoh operasi matematika dalam command window MATLAB ditunjukkan oleh
gambar 2.3.
Gambar 2.3. Operasi Matematika dalam command window MATLAB
2.3. Variabel

Dalam membuat program dalam, matlab, maka perlu didefinikan variable variable
yang digunakan untuk perhitungan. Variabel dalam MATLAB adalah merupakan
objek-objek bernama, dimana penugasan-nya dengan operator “=” dan dibatasi 31
karakter. Contoh pendefinisian variabel pada command window dapat dilihat pada
gambar 2.4.
Gambar 2.4. Pendefinisian Variabel dalam Command Window MATLAB
2.4. Matrik
Kemampuan dalam melakukan perhitungan dengan matrik adalah sangat penting,
karena mendasari perhitungan-perhitungan dalam MATLAB. Untuk Membuat Matrik
dalam MATLAB, diperlukan:
• Memulainya dengan kurung siku buka ([)
• Memisahkan elemen-elemen di dalam suatu baris dengan koma atau spasi
• Menggunakan titik koma untuk memisahkan antar baris
• Mengakhiri suatu matrik dengan kurung siku tutup (])
Contoh Pendefinisian Matrik pada MATLAB dideskripsikan pada gambar 2.5.
Gambar 2.5. Pendefinisian Matrik

2.4.1. Pembangkitan Matrik Sederhana
Beberapa cara sederhana dalam membangkitkan matrik:

zeros : suatu matriks yang diisi oleh semua elemen bernilai nol.
ones : suatu matriks yang diisi oleh semua elemen bernilai satu
rand : suatu matrik dengan elemen-elemen acak terdistribusi seragam
randn : suatu matrik dengan elemen-elemen acak terdisribusi normal
eye : suatu matrik identitas
Contoh pembangkitan matrik sederhana dapat dilihat pada gambar 2.6 dan gambar
2.7.
Gambar 2.6. Matrik sederhana “zeros”
Gambar 2.7. Matrik sederhana “ones”, “rand”, dan “eye”

2.4.2. Operasi Matrik
1. Penjumlahan dan pengurangan

Dua buah matrik dapat dijumlahkan dan/atau dikurangkan, jika kedua matrik
tersebut memiliki dimensi (baris x kolom) yang sama. Contoh penjumlahan dan
pengurangan Matrik dapat dilihat pada gambar 2.8
Gambar 2.8. Penjumlahan Matrik

Pada gambar 2.8, matrik A (3x2) dijumlahkan dengan matrik B (3x2) dan
menghasilkan matrik C (3x2).
2. Perkalian matrik dengan scalar

Sebuah matrik dapat dikalikan dengan bilangan skalar. Contoh perkalian matrik
dengan skalar ditunjukkan gambar 2.9.
Gambar 2.9. Perkalian Matrik dengan Skalar

Dari gambar 2.9, dapat diketahui bahwa matrik A dapat dikalikan dengan skalar
(c=8), dengan bilangan skalar diletakkan didepan matrik. Hasil perkalian pada
gambar 2.9 adalah matrik K, dimana elemen-elemen pada matrik K, adalah elemen
matrik A dikalikan dengan skalar (c=8).
3. Perkalian matrik dengan matrik
Perkalian matrik dengan matrik dapat dilakukan jika matrik pertama memiliki
jumlah kolom sama dengan jumlah baris matrik kedua. Sebagai contoh: Jika
matrik A adalah matriks dengan ukuran m x r dan matrik B adalah matriks r x n,
maka kedua matrik tersebut dapat dikalikan dan hasilnya adalah matrik m x n.
Perkalian matrik pada matlab dapat ditunjukkan oleh gambar 2.10.
Gambar 2.10 Perkalian matrik dengan matrik

4. Transpose matrik
Pada MATLAb, dapat dicari transpose dari matrik untuk perhitungan matematis,
perintah transpose matrik pada MATLAB dapat dilihat pada gambar 2.11
Gambar 2.11. Tranpose Matrik

BAB III
M-FILE DAN KENDALI ALIR
3.1. M-File
Beberapa alas an, mengapa M-File dibutuhkan pada pemrograman menggunakan
MATLAB adalah:
1. Command windows tidak efisien karena baris yng tersimpan dalam diary tidak
dapat di-load, jika sudah keluar dari MATLAB
2. Command window hanya dilakukan baris perbaris perintah
Cara membuat file baru M-File diilustrasikan oleh gambar 3.1.
Gambar 3.1. Cara membuat file baru M-File

Aturan dan sifat M-File adalah sebagai berikut:
• Nama “fungsi” dan file harus identik.
• Pertama kali MATLAB mengeksekusi suatu fungsi M-File, MATLAB membuka
file fungsi tersebut dan mengkompilasi perintah-perintah didalamnya
menjadi suatu representasi internal dalam memori yang mempercepat
eksekusi semua pemanggilan berikutnya.
• Jika fungsi juga melibatkan pemanggilan ke fungsi M-File yang lain,
fungsi M-File yang dipanggil itu juga akan dikompilasi ke dalam memori.
• Jumlah argument input dan output yang digunakan jika suatu fungsi
dipanggil hanya terdapat dalam fungsi tersebut.

• M-File dapatmemuat lebih dari sebuah fungsi

• Fungsi dapat berbagi variabel dengan fungsi lain, dan ruang kerja
MATLAB
• Fungsi M-File berhenti dieksekusi dan kembali ke prompt jika telah
mencapai akhir dari M-File.
3.1.1 Perhitungan dalam M-File
Perhitungan-perhitungan pada command window dapat ditransfer ke dalam M-flile.
Contoh perhitungan dengan menggunakan M-file dapat dilihat pada gambar 3.2.
Gambar 3.2. Perhitungan dalam M-file

Dari gambar 3.2. tanda %, membuat baris dalam M-File hanya dibaca sebagai teks
dan tidak dibaca sebagai program. Hal tersebut bermanfaat untuk memberi tanda
dan keterangan pada program. Perhitungan dalam M-file juga dapat serta
menimbulkan grafik. Contoh perhitungannya ditunjukkan oleh gambar 3.3.
Gambar 3.3. Perhitungan Grafik dalam M-File

3.1.2 Function dalam M-file

M-file dapat memfasilitasi pengguna MATLAB untuk mendefinisikan sebuah fungsi.
Struktur perintah untuk fungsi pada M-File adalah sebagai berikut:
function[output1,output2,…]=NamaFunction(input1,input2,…)
Contoh mendefinisian fungsi dengan menggunakan M-File dapat dilihat pada gambar
3.4.
Gambar 3.4. Pendefinisian fungsi pada M-File
Dari gambar 3.4., diindikasikan bahwa nama fungsi dalam M-file haruslah sama
dengan nama file M-File. Selanjutnya fungsi dalam M-file dapat dieksekusi melalui
input data dalam command windows atau dipanggil melalui M-file yg lain.
3.2. Kendali Alir (Loop)

Dalam membuat program perhitungan pada MATLAB, dibutuhkan alur perhitungan
algoritma tertentu. Oleh karena itu pada MATLAB ada kendali alir (loop) yang dapat
melakukannya. Ada beberapa kendali alir dalam MATLAb, antara lain:
1. Loop for, Memungkinkan untuk membuat sekelompok perintah diulang sebanyak
jumlah yang tetap
2. Loop while, Mengerjakan sekelompok perintah pengulangan yang diulang secara
tidak terbatas
3. Kontruksi if-else-end, Mengerjakan sederetan perintah yang harus dikerjakan
berdasar pada suatu hasil rasional

3.2.1. Loop For

Penggunaan loop For dalam M-file dapat dicontohkan pada Gambar 3.5.
Dengan hasil:
Gambar 3.5. Loop For
3.2.2. Loop while

Contoh penggunaan Loop while dapat dilihat pada gambar 3.6
Gambar 3.6. Loop while

Dari gambar, line 5 “x=x+1” digunakan untuk menghentikan program. Jika perintah
tersebut tidak ada, maka program akan dijalankan perulangan tak hingga.

3.2.3. Kontruksi if-else-end
Struktur if-else-end yang merupakan kendali alir program dapat diilustrasikan

dengan gambar 3.7.
Gambar 3.7. Konstruksi if-else-end

Pada gambar 3.7, digunakan dua konstruksi sekaligus, yaitu “for”dan “if-else-end”:
• Loop “for” untuk range variabel x
• Loop “if-else-end” untuk prasyarat operasi rasional
Algoritma program pada gambar 3.7 adalah sebgai berikut:
1. Line 1, teks
2. Line 2, loop for untuk range x, yaitu dari 0 sampai dengan 2 dengan interval 0.1
3. Line 3, Jika x lebih besar sama dengan satu dan x kurang sama dengan 2
( 1≤x≤2), maka y akan dihitung dengan persamaan pada line 4
4. Line 5, jika x lebih besar sama dengan nol dan x kurang dari 1 ( 0≤x<1),maka y
dihitung dengan persamaan pada line 6.
5. Line 7, end menutup IF-else
6. Line 8, end menutup For

TUGAS APLIKASI 1
Selesaikanlah persoalan dibawah ini dengan menggunakan kendali alir dan
dikerjakan dalam M-File.
Sebuah perusahaan akan menyimpan bahan Polypropylene dengan sebuah tangki

tabung. Di pasaran yangki tersebut memiliki diameter antara 1 sampai 5 meter,
dimana tinggi adalah 2 kali diameter untuk diameter 1-2 meter dan 1,2 kali untuk
diameter 3-5 meter. Hitunglah volume dan luas penampang kelima alternatif tabung
tersebut. Jika harga plat/m2 adalah 200US$, pilihlah jenis tangki yang paling efisien.

BAB IV
DIFFERENSIAL DAN INTEGRAL
MATLAB dapat memudahkan untuk menyelesaikan persoalan, baik dalam

perancangan, operasi dan pengambilan keputusan yang terkait dengan
penggunakan differensial dan integral.
4.1. Differensial
Penyelesaian permasalahan diffrensial pada MATLAB dapat diselsesaikan dengan
cara analitis/simbolis dan penyelesaian numeris. Fungsi diff digunakan untuk
Menghitung derivatif simbolis atau fungsi yang didefinisikan oleh suatu ekspresi
simbolis, dengan tahapan:
1. Mendefinisikan ekspresi simbolis
2. Mendefinisikan variabel-variabel simbolis
3. Membangun ekspresi matematis
Contoh penggunaan fungsi diff diilustrasikan pada gambar 4.1. sedangkan hasilnya
dapat dilihat pada gambar 4.2.
Gambar 4.1. Penggunaan Fungsi diff untuk Differensiasi Simbolik
Gambar 4.2 Hasil Differensiasi Simbolik

Differensiasi persial juga dapat dilakkan dengan menggunakan MATLAB. Contoh

differensiasi parsial ditunjukkan oleh gambar 4.3.
Gambar 4.3. Penggunaan Differensial Parsial pada MATLAB

Pada gambar 4.3, algoritma program adalah sebagai berikut:
1. Line 1, teks
2. Line 2, pendefinisian simbol, karena akan digunakan simbol x dan y pada
program ini, maka didefinisikan syms x y
3. Line 3,Pendefinisian persamaan matematis yang akan dideferensialkan(fungsi g).
4. Line 4, A merupakan differensiasi dari g terhadap x
5. Line 5, B merupakan differensiasi dari g terhadap y
Selain differensiasi parsial, MATLAB juga dapat menyelesaikan differensiasi dengan

order tinggi. Differensiasi order lebih tinggi dapat dilihat pada gambar 4.4.
Gambar 4.4. Differensiasi order lebih tinggi.

Penjelasan dari gambar 4.4. adalah sebagai berikut:
1. Line 1, merupakan pendefinisian simbol
2. Line 2, Pendefinisian fungsi matematis
3. Line 3, B merupakan differensiasi dari A
4. Line 4, C merupakan differensiasi kedua dari A

5. Line 5, D merupakan differensiasi ketiga dari A
6. Dalam algoritma program ini, fungsi A hanya di differensiasikan terhadap x
Dimana hasil dari program pada gambar4.4. ditunjukkan oleh gambar 4.5.
Gambar 4.5. Hasil output differensiasi order yang lebih tinggi

4.1.1. Evaluasi numerik differensial
Differensial dapat dievaluasi secara numerik menggunakan fungsi subs. Fungsi subs
mengganti atau mensubtitusi semua variabel simbolis di dalam suatu ekspresi.
Contoh evaluasi numerik sebuah fungsi dapat dilihat pada gambar 4.6.

Gambar 4.6. Evaluasi numerik fungsi

Penjelasan algoritma pada gambar 4.6. adalah sebagai berikut:
1. Line 1, teks
2. Line 2, mendefiniskan simbol yang akan dipakai, yaitu x dan y
3. Line3, Pendefinisian fungsi S
4. Line 4, A adalah meng-evaluasi fungsi S dengan mensubtitusi x dengan 3
5. Line 5, B adalah meng-evaluasi fungsi S dengan mensubtitusi x dengan 3, dan y
dengan 2.
6. Line 6, C adalah meng-evaluasi fungsi S dengan mensubtitusi x dengan x, dan y
dengan x+1.
Pendifferensialan dan evaluasi numerik nya ditunjukkan dengan gambar 4.7.
sementara hasilnya dapat dilihat pada gambar 4.8.
Gambar 4.7. Evaluasi Numerik Differensial

Dari gambar 4.7, F merupakan fungsi awal, kemudian G adalah fungsi hasil
differensiasi fungsi F terhadap x, kemudian H adalah meng-evaluasi G dengan range
0 sampai 1, dengan interval 0.1.

Gambar 4.8. Output hasil evaluasi numeric differensial dari gambar 4.7.
4.2. Integral
Setelah dapat membuat penyelesaian differensial, MATLAB juga dapat
menyelesaikan permasalahan integral.
4.2.1. Indifinite Integral
Indefinite integral dapat menggunakan Fungsi int, dimana dipakai untuk mencari
integral tak tentu atas sebuah fungsi yang didefinisikan dalam suatu ekspresi
simbolis. Contoh penggunaan fungsi int, dilustrasikan oleh gambar 4.9.
Gambar 4.9. Penggunaan fungsi int dalam MATLAB

Penjelasan algoritma pada gambar 4.9 adalah sebagai berikut:
1. Line 1, mendefiniskan simbol yang digunakan, yaitu a, b, t, x, y, z.
2. Line 2, Teks
3. Line 3,5, 7, Fungsi A, B, dan C adalah hasil pengintegralan dari fungsi di dalam
kurung.
Hasil dari algoritma pada gambar 4.9 dapat dilihat pada gambar 4.10.

Gambar 4.10. Hasil Indefinite integral dari gambar 4.9

4.2.2. Definite Integral
Setelah dapat menentukan integral tak tentu, maka dapat pula ditentukan integral
tertentu yaitu antara a sampai b. Contoh menentukan integral tertentu/definite
adalah ditunjukkan gambar 4.11.
Gambar 4.11. Mengitung integral tertentu/definite

Gambar 4.11. memiliki algoritmas sebagai berikut:
1. Line 1, pendefinisian simbol yang digunakan
2. Line 2, pendefinisian fungsi A
3. Line 5, B merupakan integral dari fungsi A dari 0 sampai 1
4. Line 9, C merupakan integral dari fungsi A dari 0 sampai 10.
Hasil program pada gambar 4.11 dapat dilihat pada gambar 4.12.

Gambar 4.12. Hasil integral tertentu dari algoritma pada gambar 4.11

TUGAS APLIKASI 2
Selesaikanlah persoalan dibawah ini dengan menggunakan integral dan dikerjakan
dalam M-File.
Sebuah pabrik hendak mengosongkan tangki sedimentasinya. Namun ternyata valve
keluaran bawah macet, sehingga perlu dipompa dari atas. Jika dimensi tangki adalah
seperti pada gambar 4.13 dibawah ini:
Tentukan kerja yang harus dilakukan untuk mengosongkan air, dengan

memperhatikan bahwa pompa tidak boleh terisi oleh sludge padatan di bawah
tangki.

BAB V
PEMROGRAMAN LINIER
Pemrograman (programming) secara umum berkaitan dengan penggunaan atau

pengalokasian sumberdaya yang langka – tenaga kerja, bahan, mesin dan modal –
dalam cara yang “terbaik” sehingga diperoleh biaya yang minimum atau profit yang
maksimum. Istilah “terbaik” mengimplikasikan bahwa terdapat satu himpunan
alternatif tindakan yang tersedia bagi pengambilan keputusan. Secara umum,
keputusan terbaik diperoleh dengan memecahkan suatu masalah matematis. Contoh
persoalan pemrograman linier adalah sebagai berikut:
Pembatas:
1) Ketersediaan bahan
Bahan A : x1 + 2x2  6
Bahan B : 2x1 + x2  8
2) Permintaan
Selisih permintaan: x2 – x1 1
Permintaan cat interior : x2  2
3) Pembatas tak negatif
x1 ≥ 0; x2 ≥ 0
Fungsi Tujuan:
Memaksimumkan
Pendapatan total Z = 3x1 + 2x2
Untuk menyelesaikan pemrograman linier dengan MATLAB dapat menggunakan
perintah linprog untuk persoalan dengan spesifikasi:
 A.x  b

min f x such that  Aeq.x  beq
T
x
lb  x  ub

F, x, b, beq, lb, and ub adalah vector, A dan Aeq adalah matrik

Syntax pada MATLAB untuk pemrograman linier sebagai berikut:
x = linprog (f,A,b), Dengan constrain pertidaksamaan A*x <= b
x = linprog (f, A, b, Aeb, beq), Ditambah dengan persamaan Aeq*x = beq
x = linprog (f, A, b, Aeq, beq, lb, ub), Ditambah dengan batas atas dan batas bawah
x = linprog (f, A, b, Aeq, beq, lb, ub, x0), Ditambah dengan awal pencarian x 0
x = linprogf, A, b, Aeq, beq, lb, ub, x0, option), Ditambah dengan option
Contoh pemrograman dapat dilihat pada gambar 5.1.
Gambar 5.1. Pemrograman Linier dengan linprog

5.1. Pemrograman Linier Biner
Pemrograman linier dapat dimodifikasi menjadi pemrograman biner dengan perintah
bintprog, dimana hasil yang dicari adalah berupa bilangan biner (0 atau 1). Contoh
pemrograman linier biner ditunjukkan oleh gambar 5.2.
Gambar 5.2. Pemrograman Linier Biner dengan bintprog
5.2. Pemrograman Linier Mixed Integer

Selain permrograman dengan bilangan biner, permrograman linier juga dapat dibuat
hasilnya berupa bilangan bulat, yang disebut mixed integer linier programming
(MILP). Contoh algoritma pemrograman linier mixed integer diilustrasikan dengan
gambar 5.3.

Gambar 5.3. Mixed Integer Linier Programming
TUGAS APLIKASI 3
Selesaikanlah permasalahan dibawah ini dengan menggunakan pemrograman linier
menggunakan MATLAB:
Sebuah perusahaan PT X menghasilkan bahan kimia cair sebagai aditif dalam pencetakan
plastik. Perusahaan tersebut akan memasok bahan kimia ke perusahaan pencetakan
pencetakan plastic dengan menggunakan pipa. Jalur pipa tersebut disajikan pada gambar
1. Perusahaan PT X disimbolkan dengan titik S (source), dan perusahaan pencetakan
plastic adalah titik t. Aliran bahan kimia tersebut dapat mengalir melalui pipa dari titik 1 ,
2, sampai 6. Kapasitas tiap jalur (I,j) mengindikasikan maksimum bahan kimia yang dapat
dialirkan dari titik i ke titik j. Hitunglah bahan kimia yang bisa dipasok ke perusahaan
pencetakan plastic oleh PT X

BAB VI
PEMROGRAMAN NON-LINIER
Pemrograman dengan MATLAB dapat memecahkan permasalahan dalam formulasi

persamaan non-linier. Dalam pemrograman MATLAB, perintah yang sering
digunakan dalam permrograman non-linier adalah fmincon, yaitu untuk
memecahkan persoalan non-linier programming dengan constraint. Penggunana
fmincon dapat dilakukan dengan sintax sebagai berikut:
 A.x  b

min f T x such that  Aeq.x  beq
x
lb  x  ub

x = fmincon (fun,x0, ,A,b), Dengan constrain pertidaksamaan A*x <= b
x = fmincon(fun,x0, A, b, Aeb, beq), Ditambah dengan persamaan Aeq*x = beq
x=fmincon(fun,x0,A,b,Aeb,beq,lb,ub),ditambah dengan batas atas dan batas bawah.
X = fmincon(fun,x0, A, b, Aeb, beq, lb, ub, option), Ditambah dengan option
Pemrograman non-linier dengan MATLAB dapat dicontohkan pada gambar 6.1.
Gambar 6.1. Pemrograman Linier dengan fmincon

Modifikasi:
Pembatas juga dapat dibuat fungsi, dan kemudian dapat dipanggil oleh program
utama. Sebagaicontoh dapat dilihat pada program di gambar 6.2.

Gambar 6.2. Pemrograman linier dengan fungsi terpisah

Dari gambar 6.2 dapat ditunjukkan, bahwa fungsi utama memakai fungsi yang
terpisah dengan M-ifle tersendiri (constinc), dan mengambil data dari M-file yang
lain (tekinc1)
TUGAS APLIKASI 4
Data pencetakan benda plastik dari Polipropilen adalah seperti dibawah ini:
No Waktu % Kristalisasi No Waktu % Kristalisasi
pendinginan pendinginan
(menit)
1 2 3 7 7 68
2 3 11 8 8 74
3 4 18 9 9 79
4 5 30 10 10 82
6 49 6 11 11 84
Derajat kristaliasi bahan dari polipropilen adalah minimal 0 dan maksimal 96. Suhu
pendingin akan mempengaruhi kecepatan pendinginan, dimana penurunan 5 0 C suhu
pendingin akan mempercepat pendinginan dua kali-nya. Dalam pencetakan di pabrik,
pendingan maksimal adalah 10 menit. Jika suhu air pendingin yang digunakan untuk
datatabel diatas adalah 250C, tentukan suhu pendingin dan waktu pendinginan untuk
mencapai derajat kristalisasi yang maksimal.

BAB VII
CURVE FITTING
7.1. Polinomial dan akar-akarnya
Salah satu hal yang sangat penting dan diperlukan dalam pemodelan matematis adalah
mencari akar fungsi-fungsi polinomial dan melakukan plotting secara grafis untuk
mengidentifikasi kecenderuangan fungsi polinomial tersebut. Polinomial dalam MATLAB
direpresentasikan oleh akar akarnya. Sebagai contoh, persamaan polynomial:
3 x 3  2.23x 2  5.1x  9.8 , dalam MATLAB dapat dinyatakan sebagai: >> c = [ 3 -2.23 -5.1
9.8], karena basis MATLAB adalah matrik. Untuk mengevaluasi fungsi polinomial seperti
diatas untuk setiap nilai x, maka dapat menggunakan perintah:
>> x = -1:0.1:1;, Menentukan range dari data yang dievaluasi
>> y = polyval(c,x); , Menentukan nilai y dari fungsi polinomial yang ada
Selain melakukan evaluasi dan plotting fungsi polinomial, dapat dicari akar persamaan
polinomial tersebut dengan perintah:
>> r = roots(c)
Dengan output:
r=
-1.5985
1.1709 + 0.8200i
1.1709 - 0.8200i
Output diatas Memiliki satu akar bilangan real dan dua akar yang merupakan bilangan
kompleks.
MATLAB juga dapat mencari differensia simbolik dari fungsi polinomial tersebut dengan
perintah:
>> dc =polyder(c)
Dengan output:
dc =
9.0 -4.4600 -5.1000

7.2. Curve fitting

Curve fitting dari sebuah data-set dapat dikerjakan dengan menggunakan MATLAB.
Input data pada persoalan curve fitting adalah vektor x dan y dengan ukuran yang
sama. Dengan MATLAB, dapat ditentukan apakah dependensi variabel y pada x adalah
sebuah fungsi polinomial. Kemudian lebih lanjut dapat ditentukan derajat polinom dari
fungsi polinomial tersebut. Perintah dalam MATLAB:
>> c = polyfit(x,y,d);, Mencari dependensi y terhadap x dengan derajat polinomial d
Contoh pemrograman untuk curve fitting dapat dilihat pada gambar 7.1 dan gambar 7.2.
Gambar 7.1. Pemrograman Polyfit
Gambar 7.2. Pemrograman Polyval

TUGAS APLIKASI 5
Selesaikanlah persoalan di bawah ini dengan curve fitting menggunakan MATLAB
Seorang peneliti melakukanpenelitian tentang derajat kristalisasi bahan plastik pada
sampel berbentuk silinder sebagai fungsi terhadap jarak terhadap pusat silinder. Data
yang diperoleh adalah sebagai berikut:

BAB VIII
PENYELESAIAN NUMERIS
Salah satu hal yang paling dibutuhkan dalam pemodelan matematis, Berbagai aplikasi
dalam bidang sains dan teknologi sering memerlukan nilai suatu variabel x yang membuat
fungsi f(x)= 0. Nilai variabel yang memenuhi tersebut biasa disebut sebagai akar sebuah
fungsi. Jika persamaan yang digunakan mudah untuk difaktorkan, maka hal tersebut tidak
menjadikan masalah. Namun jika, persamaan yang akan dicari akarnya sulit untuk
difaktorkan, maka diperlukan penyelesaian numeris untuk menyelesaikannya.
Contoh pernyelesaian pencarian akar secera analitis adalah sebagai berikut:
f ( x)  6 x 2  7 x  2 , diuraikan menjadi:
 2 x  1 3x  2
x 1 dan x  2
Sehingga, 2 3
Contoh diatas merupakan persamaan yang secara mudah dapat difaktorkan dan dicari
akarnya secara analitis, sedangkan yang sulit untuk dicpecahkan secara analitis dapat
dicari dengan metode numeris.
8.1. Metode Bisection

Metode yang berbasis pada teorema nilai tengah yang selalu mencari titik tengah antara
dua titik perkiraan. Metode ini Sering disebut binary search method. Algoritma metode
bisection adalah sebagai berikut:
1. Pilih titik a dan b sedemikian rupa sehingga f(a)*f(b) < 0
2. Hitung titik tengah m = a + (b-a)/2
3. Hitung nilai f(m)
4. Bila f(m) = 0 atau (b-a)/2 < tol maka
tampilkan nilai akar = m, selesai
Selain itu maka: Bila f(a)*f(m)>0, geser a menjadi m,jika tidak maka b menjadi m
Contoh pemrograman metode bisection dengan MATLAB adalah ditunjukkan gambar 8.1.

Gambar 8.1. Metode Bisection dengan MATLAB.

Seperti diilustrasikan oleh gambar 8.1., penyelesaian metode numeris dengan bisection
dapat dibagi menjadi beberapa bagian:
1. Pendefinisian fungsi
2. Input nilai awal
3. Memperkecil area pencarian dengan bisection
4. Batas toleransi dan penghentian pencarian.
8.2. Metode Secant

Metode secant memiliki kecepatan konvergensi lebih daripada metode bisection. Metode
untuk mempercepat konvergensi metode bisection, dengan menggunakan titik potong
antara garis yang menghubungkan (a,f(a) dengan (b,f(b)) terhadap sumbu x. Metode
secant memiliki algoritma sebagai berikut:
1. Masukkan f(x), titik awal a dan b
2. Ulangi pemasukan titik awal a dan b hingga memenuhi syarat
3. p0 = a dan p1 = b
4. Tetapkan tol (toleransi) dan maxit (maksimum iterasi)
5. Hitung fp0 =f (p0), dan fp1= f(p1)
6. n=1
7. Selama (n<maxit)
a. p2 =p1-fp1*(p1-p0)/fp1-fp0)
b. bila abs(p2-p1)< tol maka cetak (akar = , p2), selesai
c. bila tidak n=n+1, p0=p1, p1 = p2, fp0 = fp1
8. Cetak (“ gagal, maximum iterasi terlampaui)
Aplikasi algoritma metode secant pada pemrograman MATLAB adalah sebagai
diperlihatkan pada gambar 8.2.
Gambar 8.2. Metode Secant dengan MATLAB.
Bagian-bagian program MATLAB untuk metode secant, mirip dengan metode bisection,
namun ditambah penentuan titik p0 dan p1, untuk membuat titik potong yang dapat
mencapai konvergensi pencarian secara numerik.

8.3. Metode Newton raphson

Metode Newton Raphson cepat mencapai konvergensi, dengan syarat fungsi f(x) bisa
dideferensiasi pada titik x dalam suatu interval tertentu. Metode Newton Raphson memiliki
algoritma sebagai berikut:
1. Masukkan persamaan f(x)
2. Masukkan titik awal x0
3. Hitung turunan pertama f1(x) = diff (f(x))
4. Tetapkan tol dan maxit
5. Lakukan perulangan dari i=1 s/d maxit
a. hitung fx = f(0), f1x=f1(x0)
b. hitung x1 = 0 – fx/f1x
c. hitung ff = f(x1)
d. tampilkan (1, x0, x1, ff)
e. Bila |x1-x0| < tol
maka cetak (“akarnya=“, x1), selesai
bila tidak : x0 = x1
6. Bila (I > maxit), Cetak (“Gagal, telah melampaui maksimum iterasi”)
Aplikasi algoritma metode secant pada pemrograman MATLAB adalah sebagai
diperlihatkan pada gambar 8.3.
Gambar 8.3. Metode Newton Raphson dengan MATLAB.

Dibandingkan dengan metode Bisection dan metode Secant metode Newton Raphson
memerlukan differensiasi, yang ditunjukkan line 8 pada gambar 8.3.
TUGAS APLIKASI 6
Selesaikanlah persoalan di bawah ini dengan metode numeris bisection, secant, dan
newton raphson menggunakan MATLAB, dan dibandingkan hasilnya.
Carilah akar persamaan

x (1  x 2  x ) ln( x)  x 2  1
• Dengan metode bisection , secant dan newton raphson

• Dengan interval, titik duga kiri 0, dan titik duga kanan dari 1-10 dengan
increment 1

BAB IX
PERSAMAAN DIFFERENSIAL ORDINER
Berbagai permasalahan dalam ilmu teknik dan rekayasa dapat dinyatakan dalam bentuk
persamaan differensial. Persamaan differensial tersebut dapat disertai persyaratan
atau kondisi tertentu. Persamaan yang mewakili sistem fisis adakalanya memiliki bentuk
yang khas sehingga memiliki solusi analitik yang khas. Namun persamaan-persamaan
yang ada banyak yang tidak bisa dilakukan secara analitik
Contoh persamaan differensial adalah sebagai berikut:
dv
F  ma  m
dt
dv c
 g  d v2
dt m
Persamaan diatas, yang merupakan persamaan dinamika benda jatuh, maka
penyelesaiannya adalah sebagai berikut:
Solusi analitik:
mg  gc 
v tanh t 
cd  m 
Solusi numerik:
 c 
vt 1  vt   g  d v 2 t
 m 
Solusi numerik tersebut adalah persamaan iterasi berdasarkan perubahan waktu mulai
dari 0 hingga t.
Persamaan differensial biasa (ordinary differential equation/ODE) adalah persamaan
differensial yang menyatakan hubungan antara dua variabel , misalnya antara y dan t.
dy
 f (t , y ), a  t  b.
dt
Dengan nilai awal, y (a)  

Definisi: Suatu permasalahan nilai awal (initial value problem/IVP) yang dinyatakan
dalam bentuk persamaan differensial biasa, disebut well posed problem.
a. Terdapat solusi unik y(t) dari persamaan differensial tersebut
b. Untuk setiap nilai ε> 0 terdapat tetapan k sedmikian rupa sehingga apabila

0    (t )  
dan Suatu solusi unik z(t) dari permasalahan:
dz
 f (t , z )   (t ), a  t  b, z ( a )     0
dt , Memenuhi:
z (t )  y (t )  k
, untuk semua a  t  b
Berikut ini adalah contoh persamaan differensial bernilai awal (IVP) dan solusinya :
Penyelesaian persoalan persamaan differensial ordiner, solusi awalnya adalah berdasar

deret Taylor, sebagai berikut:
h2 h3 hn
x(t  h)  x(t )  hx' (t )  x" (t )  x ( 3) (t )  ...  x ( n ) (t )
2 3! n!
Contoh penyelesaian dengan deret Taylor sebagai berikut:
Cari solusi persamaan differensial (PD): x (t )  t  x , Dengan x(0) =1 pada titik t = 0.1
(1) 2
Ekspansi deret taylor sekitar t=0, dengan h = (t-t0) = t, maka:

x (1)  t  x 2  x (1) (0)  t 0  x(0) 2  0  1  1
x ( 2)  1  2 x.x (1)  x ( 2) (0)  1  2 x(0).x (1) (0)  1  2(1)(1)  3
x (3)  2 x.x ( 2)  2( x (1) ) 2  x (3) (0)  2(1)(3)  2(1) 2  8
 x ( 4 ) (0)  2(1)(8)  6(1)(3)  34
Sehingga solusi deret Taylor dari persamaan tersebut adalah:

3 8 34
x(t )  1  t  t 2  t 3  t 4
2 3! 4! , Untuk t=0.1 maka x(0.1) = 0.9138
Untuk penyelesaian persamaan differensial, dapat diselesaikan dengan beberapa metode,

antara lain metode euler, metode runge kutta, dan metode predictor-corrector.

9.1. Metode Euler

Metode penyelesaian persoalan nilai awal (IVP) yang paling dasar, ketelitian rendah, yaitu
O(h2), merupakan ekspansi taylor orde-1, sebagai berikut: x(t )  x(0)  h x (0)  O(h )
(1) 2
Apabila diberikan Persamaan Differensial: x  f  t , x  , Dan nilai awal x(0) = x0, maka
(1)
x(t )  x(0)  h. f (t 0, x 0)
Selanjutnya diadakan iterasi mulai dari t = t 0 hingga t yang diinginkan

Contoh algoritma penggunaan metode euler secara lengkap adalah sebagai berikut:
1. Nilai awal: x  f (t , x ) ; a  t  b ; x(a )  

(1)
2. Input : batas [a, b], banyaknya titik n, nilai α

3. Output : solusi pada titik b, atau x(b)
4. Masukkan batas [a, b], jumlah titik n, dan nilai α
5. Hitung h=(b – a)/n
6. Mula-mula t =a, dan w=α
7. Ulangi untuk i = 1,2,3, … n
8. Cetak (t, w)
9. w= w + h * f (t, w)
10.t = a + i* h
11. Selesai
Aplikasi pemrograman dengan MATLAB untuk metode euler ditnjukkan oleh gambar 9.1.
Gambar 9.1. Metode Euler dengan MATLAB.

Kenudian, jika metode euler pada gambar 9.1., akan dibuat grafik atau plotting,dapat
dilanjutkan dengan program pada gambar 9.2.
Gambar 9.2. Plotting grafik
9.2. Metode Runge Kutta

Metode runge kutta Dikembangkan untuk meniru deret taylor tanpa melakukan
differensial analitik berulang kali. Dimana Metode Runge Kutta Orde 2, Berbanding
dengan deret Taylor Orde 2, sedangkan Metode Runge Kutta Orde 4, Menjabarkan solusi
persamaan differensial ber-orde lebih tinggi agar diperoleh akuraasi yg tinggi
Contoh algoritma metode runge kutta orde 2 adalah sebagai berikut:
1. Diberikan persoalan bernilai awal: x  f (t , x) ; a  t  b ; x (a)  

(1)
2. Input : batas [a,b], banyaknya titik n, nilai α

3. Output : w sebagai solusi pada titik b, atau x(b)
4. Masukkan batas [a,b], jumlah titik n, dan nilai α
5. Hitung h = (b-a)/n
6. Mula – mula t=a, dan w=α
7. Ulangi i=1,2,3,…n
a. cetak (t,w)
b. hitung K1=f(t,w); K2=f(t+h, w+h*K1)
c. w = w+h*(K1+K2)/2
d. t=a+i*h
8. Selesai
Dan contoh aplikasi pemrograman pad program MATLAB sesuai algoritma diatas dapat
dilihat pada gambar 9.3.

Gambar 9.3. Metode Runge Kutta Orde 2

Sedangkan jika dibutuhkan grafik, dapat dilakukan plotting yang identic dengan program
pada gambar 9.2. Selain, runge kutta order 2, jika dibutuhkan ketelitian yang lebih baik,
dapat digunakan runge kutta orde 4, dengan contoh algoritma sebagai berikut:
Diberikan persoalan bernilai awal: x  f (t , x) ; a  t  b ; x (a)  

(1)
1.
4. Masukkan batas [a,b], jumlah titik n, dan nilai α
5. Hitung h = (b-a)/n
6. Mula – mula t=a, dan w=α
7. Ulangi i=1,2,3,…n
a. cetak (t,w)
b. hitung K1=f(t,w);
c. K2=f(t+h/2, w+h*K1/2);
d. K3=f(t+h/2, w+h*K2/2);
e. K4=f(t+h/2, w+h*K3);
f. w = w+h*(K1+2*K2+2*K3+K4)/2
g. t=a+i*h
5. Selesai
Dan contoh aplikasi pemrograman pada program MATLAB sesuai algoritma runge kutta
orde 4 dapat dilihat pada gambar 9.4.
Gambar 9.4. Metode Runge Kutta Orde 4

Sedangkan jika dibutuhkan grafik, dapat dilakukan plotting yang identic dengan program
pada gambar 9.2
9.3. Metode Prediktor-korektor
Metode predictor-korektor dikenal sebagai metode yang lebih teliti dibandingkan dua
metode sebelumya, karena memiliki dua tahap perhitungan. Namun, metode predictor
korektor memiliki kerumitan lebih pada pemrograman-nya. Contoh algoritma metode
perdiktor korektor adalah sebagai berikut:
1. Diberikan persoalan bernilai awal: x  f (t , x) ; a  t  b ; x (a)  

(1)

4. Tetapkan f(t,y), batas [a,b], nilai awal alpha, dan itmax N
5. Hitung h = (b-a)/N
6. Nilai awal : t0 = a, w0 = alpha
7. Cetak (t,w)
8. Untuk i=1,2,3: (mencari titik awal menggunakan runge kutta
a. k1 = h*f(ti-1, wi-1 )
b. k2 = h*f(ti-1 + h/2, wi-1 +k1/2)
c. k3 = h*f(ti-1 + h/2, wi-1 +k2/2)
d. k4 = h*f(ti-1 + h, wi-1 +k3)
e. wi = wi-1 + (k1 + 2*k2 + 2*k3 + k4)/6
f. t = a + i*h
g. cetak (ti , wi )
9. Untuk i = 4,…, N :
a. t = a + i*h
b. w = w3 + h*[55*f(t3 , w3 ) – 59*f(t2 , w2 )+37*f(t1 , w1 ) – 9*f(t0 , w0 )]/24
c. w = w3 + h*[9*f(t , w ) +19*f(t3 , w3 ) - 5*f(t2 , w2 ) + f(t1 , w1 )]/24
d. cetak (t,w)
e. untuk j = 0,1,2
i. tj = tj+1
ii. wj = wj+1
f. t3 = t; w3 =w
10. Selesai
Penyelesian metode Prediktor-Korektor dengan MATLAB dapat ditunjukkan dengan
gambar 9.5. dan gambar 9.6.
Gambar 9.5. Metode Prediktor Korektor Bagian 1 (penentuan empat titik awal)
Gambar 9.5. menunjukkan metode predictor korektor bagian pertama, yaitu menentukan
empat titik awal. Program selanjutnya untuk bagian predictor dan korektor dapat dilihat
pada gambar 9.6.
Gambar 9.6. Metode Prediktor Korektor Bagian 2 (Prediktor- korektor)

TUGAS APLIKASI 7
Selesaikanlah persoalan di bawah ini dengan persamaan differensial metode euler,
runge kutta orde 2, runge kutta orde 4, dan predictor-korektor menggunakan
MATLAB, dan dibandingkan hasilnya.
Sebuah dinding plat terbuat dari tembaga memiliki tebal 5 cm, memiliki suhu dinding luar
180 C. Akan didinginkan dengan cairan pendingin yg mengalir diluar didinding. Jika
perpindahan panas dalam didinding berlaku hukum fourier untuk konduksi :
dT
q   kA
dx
Pendingin yang digunakan adalah air bersuhu 25 C, dan terjadi perpindahan panas
konveksi dengan didinding plat sesuai persamaan:
q  hA(Tw  Tc )
Carilah distribusi suhu pada dinding Plat tersebut.

BAB X (PENGAYAAN)
SIMULASI DENGAN MOLDFLOW ADVISER
Selain membuat sebuah pemodelan matematis, mata kuliah pemodelan juga menyajikan
materi aplikasi simulasi mesin injection molding menggunakan software moldflow adviser
Langkah-langkah dalam melakukan simulasi cetak injeksi adalah sebagai berikut:
1. Langkah Pertama membuat project baru dengan cara pilih icon “New Project”
2. Membuat nama project dan simpan project pada folder yang dikehendaki. Untuk
memudahkan akses simpan pada folder default penyimpanan pada saat instalasi
aplikasi. Kemudian klik tombol OK setelah menentukan nama project yang
dikehendaki

3. Klik icon import pada aplikasi posisi di pojok kiri atas untuk mengimport model creo
parametric yang akan dilakukan simulasi injeksi molding.
4. Sesuaikan ukuran unit model creo

5. Pastikan pada menu advanced option, ceklist “Automatic clean up” dan “Check
suitability” kemudian klik next.
6. Proses import akan berlangsung.

7. Setelah selelai proses import wizard, ceklist “Advance – True 3D” untuk proses
analisis kita nanti, kemudian klik tombol Finish.
8. Selamat anda berhasil melakukan proses import model creo parametric yang anda
pilih.

9. Langkah berikutnya kita akan mulai menganalisis injection molding, dengan cara pilih
icon “Injection Locations” kemudian letakan pada bagian model creo ditempat yang
diinginkan sebagai lokasi awal injeksi. Sebagai catatan kita bias meletakan lebih dari
satu titik injeksi dan mengubah lokasi injkeksi setelah kita letakan titik injeksi pada
model.
Sebagai contoh kita letakan titik lokasi injeksi seperti gambar dibawah ini

10. Pilih material yang akan di injeksi pada model
Sebagai contoh kita menggunakan material Polypropylene (PP)

11. Kemudian kita pilih “Process setting wizard” untuk melakukan editing pada
temperature mold, temperature melt, injection pressure, dan injection times.

12. Kita mulai analisis dengan klik icon “Start Analisis”
13. Pada saat dilakukan analisis kita bisa mengobservasi pengisian material pada
proses injeksi
Terlihat proses pengisian material pada model yang kita injeksi


14. Setelah beberapa saat selesailah proses injeksi material
15. Kita bisa melihat hasil (Result) dari proses injeksi pada model creo berdasarkan Fill ,
dengan cara mengklik icon “Result” seperti gambar dibawah ini

tinggal ceklist data apa yang kita butuhkan. Berikut adalah contoh Fill berdasarkan
Gambar Result berdasarkan Fill time
Gambar Result berdasarkan Confidence of fill

Gambar Result berdasarkan Plastic Flow
Gambar Result berdasarkan Quality Prediction

Gambar Result berdasarkan Injection Pressure
Simpan Result analisis hasil injeksi


02 - BI Pemodelan Komputer

Diunggah oleh

Informasi Dokumen

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

02 - BI Pemodelan Komputer

Diunggah oleh

Hak Cipta:

Format Tersedia

BUKU INFORMASI DAN BUKU KERJA

PEMBELAJARAN BERBASIS KOMPETENSI

DAFTAR PENYUSUN MODUL

NO. NAMA INSTITUSI

1. Dr.Eng R.B.Seno Wulung Politeknik ATK

2. Midarto Dwi Wibowo, ST, MT Politeknik ATK

3. Taukhid Wisnu Broto, ST, MT Politeknik ATK

KEMENTERIAN PERINDUSTRIAN REPUBLIK INDONESIA

BAB II PENGENALAN PEMROGRAMAN-------------------------------------------------- 5

BAB III M-FILEDAN KENDALI ALIR ------------------------------ ------------- 13

BAB IV DIFFERENSIAL DAN INTEGRAL --------------------------------------- 20

4.2. Integral ----------------------------------------------------------------------------- 23

BAB V PEMROGRAMAN LINIER-------------------------------------------------------- 26

BAB VI PEMROGRAMAN NON-LINIER ---------------------------------------- 29

BAB VII CURVE FITTING ------------------------------------------------------- 31

BAB VIII PENYELESAIAN NUMERIS ------------------------------------------ 34

BAB IX PERSAMAAN DIFFERENSIAL ORDINER------------------------------ 40

BAB X (PENGAYAAN) SIMULASI DENGAN MOLDFLOW ADVISER --------- 49

Judul Modul Pemodelan Komputer Halaman: 4 dari 63

Judul Modul Pemodelan Komputer Halaman: 5 dari 63

A. Deskripsi Singkat Matakuliah

C. Capaian Pembelajaran (LO)

Pemodelan sistem, Pengenalan MATLAB, M-File, Pemrograman Integral, Pemrograman

Judul Modul Pemodelan Komputer Halaman: 6 dari 63

E. Evaluasi dan Penilaian

No. Komponen Penilaian Bobot (%)

Judul Modul Pemodelan Komputer Halaman: 7 dari 63

1.1. Window-window pada MATLAB

Gambar 2.1. MATLAB Command Window

c. MATLAB Help window

Gambar 2.2. Menu Help pada MATLAB

1.2. Operasi Matermatika dalam MATLAB

Judul Modul Pemodelan Komputer Halaman: 9 dari 63

Tabel 2.1. Operasi Matematika dalam MATLAB

Operasi Format Aljabar MATLAB Contoh

Penjumlahan a+b a+b 5+7

Derajat Keutamaan dalam operator-operator matematika dalam MATLAB:

Gambar 2.3. Operasi Matematika dalam command window MATLAB

Judul Modul Pemodelan Komputer Halaman: 10 dari 63

Gambar 2.4. Pendefinisian Variabel dalam Command Window MATLAB

Gambar 2.5. Pendefinisian Matrik

Beberapa cara sederhana dalam membangkitkan matrik:

Gambar 2.6. Matrik sederhana “zeros”

Gambar 2.7. Matrik sederhana “ones”, “rand”, dan “eye”

1. Penjumlahan dan pengurangan

Gambar 2.8. Penjumlahan Matrik

2. Perkalian matrik dengan scalar

Gambar 2.9. Perkalian Matrik dengan Skalar

Judul Modul Pemodelan Komputer Halaman: 13 dari 63

Gambar 2.10 Perkalian matrik dengan matrik

Gambar 2.11. Tranpose Matrik

Gambar 3.1. Cara membuat file baru M-File

Judul Modul Pemodelan Komputer Halaman: 15 dari 63

• M-File dapatmemuat lebih dari sebuah fungsi

Gambar 3.2. Perhitungan dalam M-file

Gambar 3.3. Perhitungan Grafik dalam M-File

Judul Modul Pemodelan Komputer Halaman: 16 dari 63

3.1.2 Function dalam M-file

Gambar 3.4. Pendefinisian fungsi pada M-File

3.2. Kendali Alir (Loop)

Judul Modul Pemodelan Komputer Halaman: 17 dari 63

3.2.1. Loop For

Gambar 3.5. Loop For

3.2.2. Loop while