FISIKA KOMPUTASI II
LAPORAN PENDAHULUAN
PRAKTIKUM FISIKA KOMPUTASI II
dilakukan dengan metode sederhana (Alie dan Ramadhan, 2019). Secara umum,
diskretisasi bekerjan dengan mengubah variabel numerik (kontiniu) menjadi varibel baru
yang nilainya berupa selang-selang nilai asal yang tidak tumpang tindih (Sartono dkk.
2020).
Diskretisasi seringkali membantu dalam proses eksplorasi dan visualisasi
perbandingan kejadian kategori suatu kelas berdasarkan nilai-nilai variabel numerik.
Tanpa ada diskretisasi, terlihat banyak noise yang mengganggu sehingga pola-pola umum
pada data menjadi tidak begitu terlihat. Metode diskretisasi dikelompokkan menjadi dua
yaitu metode splitting dan metode merging. Cara yang pertama adalah memandang semua
nilai asal berada pada satu selang nilai yang sangat lebar kemudian dipisah-pisah menjadi
selang-selang yang lebih kecil. Cara yang kedua bekerja sebaliknya dengan membuat
selang-selang yang super kecil yang hanya memuat satu macam nilai dan kemudian
melakukan penggabungan terhadap selang-selang yang bersebalahan (Sartono dkk.,
2020).
4.3 Bentuk Umum Persamaan Diferensial Parsial
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). Bentuk umum persamaan diferensial parsial linear
orde 2 dalam 2 variabel bebas adalah:
𝐴𝑓𝑥𝑥 + 𝐵𝑓𝑥𝑦 + 𝐶𝑓𝑦𝑦 + 𝐷𝑓𝑥 + 𝐸𝑓𝑦 + 𝐹𝑓 = 𝐺 (4.3.1)
Menurut Sasangko, persamaan di atas dapat dinyatakan sebagai kondisi jika koefisien A,
B, D,E, F, G adalah konstanta atau fungsi yang terdiri dari variabel bebas saja, maka
persamaan tersebut disebut linear (Rahayu dkk., 2013). Persamaan difernsial parsial
(PDP) adalah persamaan diferensial suatu fungsi yang memiliki turunan dari dua atau
lebih varibel bebas. Orde PDP adalah pangkat tertinggi turunan parsial yang ada
dipersamaan. Tahap awal mencari solusi PDP menggunakan metode ini adalah merubah
bentuk PDP menjadi bentuk diskrit (Syafutra dan Kartono, 2017).
4.4 Perbedaan PDB dan PDP
Persamaan diferensial 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: Persamaan Diferensial
Biasa dan Persamanaa Diferensial Parsial. Jika suatu persamaan diferensial hanya
mengandung turunan biasa, maka ia disebut Persamaan Diferensial Biasa (PDB). Jika
mengandung turunan parsial ia disebut Persamaan Diferensial Parsial (PDP) (Monado
dkk., 2018). Persamaan diferensial parsial adalah persamaan-persamaan yang
mengandung satu atau lebih turunan-turunan parsial. Diferensial numerik digunakan
untuk memperkirakan bentuk diferensial kontinu menjadi bentuk diskret. Diferensial
numerik ini banyak digunakan untuk menyelesaikan persamaan diferensial (Khamidiyah
dan Pagalay, 2014).
4.5 Pengertian Syarat Batas
Solusi dari suatu persamaan diferensial, baik persamaan diferensial biasa (PDB)
maupun persamaan diferensial parsial (PDP) tidaklah tunggal. Jika solusi pada PDB
ketidaktunggalan dinyatakan dalam konstanta, maka ketidaktunggalan pada PDP
dinyatakan dengan fungsi. Ketunggalan solusi persamaan diferensial dapat diperoleh jika
persamaan diferensial tersebut dilengkapi syarat awal dan atau syarat batas. Syarat awal
adalah suatu syarat atau kondisi yang harus dipenuhi pada awal waktu tertentu,
sedangankan syarat batas adalah suatu syarat atau kondisi yang harus dipenuhi pada
batas-batas domain yang terkait dengan ruang. Suatu syarat batas dikatakan linear jika
pada batas domain, syarat batas tersebut dinyatakan dalam relasi linear antara u dan
turunan-turunannya (Manaqib, 2018).
V. ALGORITMA
Program Solusi Persoalan Dristribusi Panas
Step 1 Mulai
Step 2 Inisialisasi n=9, i, j, p, u, v, jj, m, k, x, S, w
Inisialisasi matrik A
Inisialisasi matriks b
Inisialisasi untuk i=1 sampai n; untuk j=1 sampai n-1; untuk i=jj sampai n;
untuk k=1 sampai n+1; untuk i=n-1 sampai 1 dengan selisih 1; S=0;
untuk j=n sampai i+1 dengan selisih -1
Step 3 Proses matriks A(i, n+1)= matriks b(i, 1)
Step 4 Jika matriks A(j,j)=0, maka 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
Step 5 Jika tidak proses jj=j+1
Step 6 Proses m=matriks A(i,j) dibagi matriks A(j,j)
Step 7 Proses matriks A(i,k)=matriks A(i,k)-m dikali matriks A(j,k)
Step 8 Proses matriks x(n,1)=matriks A(n, n+1) dibagi matriks A(n,n)
Step 9 Proses S=0
Step 10 Proses S=S+ matriks A(i,j) dikali matriks x(j,1)
Step 11 Proses matriks x(i,1)=(matriks A(i, n+1) dibagi matriks A(i,j)
Step 12 Cetak w=matriks x
Step 13 Selesai
VI. FLOWCHART
Mulai
Ya
Proses jj=j+1
A B C
A A
A B C
A
A
Proses S=0
Cetak w=matriks x
Selesai
VII. LISTING
% solusi persoalan distribusi panas, FDM Elliptik
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;
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
X. ANALISA
Penyelesaian persamaan diferensial parsial akan sulit diselesaikan dengan Matlab
jika langsung mengimplementasikan rumus persamaan diferensial parsial, maka dengan
itu digunakan metode yang lebih sederhana untuk menyelesaikan suatu persamaan
diferensial parsial pada Matlab. Metode yang digunakan untuk menyelesaikan suatu
persamaan diferensial parsial dapat dilakukan dengan metode eliminasi Gauss, proses
augmentasi, triangularisasi, serta pivot. Pada akhir proses pivot langsung diberikan
perulangan dan langsung membaca script m yang berfungsi untuk membantu proses
mengubah. Proses pivot itu sendiri berfungsi untuk mengubah matriks menjadi nol. Untuk
proses triangularisasi terjadi pada baris ke 20 dengan menggunakan perulangan. Dalam
proses triangularisasi tadi terdapat proses pivot yang sebagaimana sudah dijelaskan
sebelumnya. Proses triangularisasi dijalankan dengan pendekatan segitiga untuk matriks.
Varibel jj tidak lagi bernilai satu dikarenakan varibel tersebut sudah di inisialisasi pada
baris ke 31. Proses berikutnya ada proses subtitusi mundur yang menggunakan metode
augmentasi, yang berfungsi akan menampilkan nilai dengan nilai mundur untuk hasil
matriks. Pada proses augmentasi terdapat varibel baru yaitu varibel S=0. Varibel S ini
hanya menghasilakn satu kali perulangan. Sebelum melakukan penyelesaian persamaan
diferensial menggunakan proses-proses yang sudah disebutkan tadi, terlebih dahulu
diselesaikan menggunakan metode beda hingga serta terlebih dahulu menentukan syarat
batas dari persamaan. Jika syarat batas sudah ditentukan, persamaan yang akan
diselesaikan akan membentuk matriks.
XI. KESIMPULAN
1. Perbedaan yang sangat jelas antara Persamaan Diferensial Biasa dengan Persamaan
Diferensial Parsial terletak pada variabel yang ada.
2. Proses augmentasi diselesaikan menggunakan eliminasi Gauss
3. Klasifikasi percobaan kali ini merupakan Persamaan Diferensial Parsial Elliptik
DAFTAR PUSTAKA
Alie, M. Z., dan Ramadhan, M. I., 2019. Perhitungan Kekuatan Kapal Dengan Metode
Elemen Hingga. Sleman: Deepublish.
Khadimiyah, K., dan Pagalay, U., 2014. Diskritasi Pada Sistem Persamaan Diferensial
Parsila Pola Pembentukan Sel. Cauchy, 3(3): 132-133.
Manaqib, M., 2018. Penyelesaian Masalah Syarat Batas Persamaan Helmhotz
Menggunakan Dual Reciprocitu Boundary Element Method. Jurnal Logika, 2(8):
116-117.
Monado, F., Korianti, E., dan Ariana, M., 2018. Modul Praktikum Fisika Komputasi II.
Indralaya: Universitas Sriwijaya.
Oktaviana, L., Noviani, E., dan Yudhi., 2020. Metode Beda Hingga Eksplisit Dan Implisit
Untuk Menyelesaikan Persamaan Panas. Bimaster, 2(09): 301-302; 304-307.
Rahayu, J., Pagalay, U., dan Kusumastuti, A., 2013. Solusi Numerik Model Reaksi-
Difusi(Turing) Dengan Metode Beda Hingga Implisit. Jurnal Cauchy, 1(3): 19.
Sartono, B., Bodro, D. K., dan Dito, G. A., 2020. Teknik Eksplorasi Data Yang Harus
Dikuasai Para Scientist. Bogor: IPB Press.
Syafutra, H., dan Kartono, A., 2017. Fisika Komputasi. Bogor: IPB Press.
LAMPIRAN