Kelompok B15
Nofaldi Atmam 1906398420
Muhammad Faishol Amirul M. 1906285573
Yusuf Fakhri Aldrian 1906351096
Teori Balok Euler-Bernoulli adalah pemodelan untuk suatu material yang bengkok
ketika diberikan tekanan. Perpindahan vertikal balok diwakili oleh fungsi y(x), dengan
0 ≤ 𝑥 ≤ 𝐿, dengan L adalah panjang balok, dimana fungsi ini memenuhi 𝐸𝐼𝑦'''' = 𝑓(𝑥)
. Kita dapat memodelkan persamaan Balok Euler-Bernoulli ini menjadi sebuah Sistem
Persamaan Linear (SPL), misalkan untuk suatu bilangan positif n, maka h=L/n, dimana
nilai h ini kita akan membagi suatu balok dengan panjang L ke dalam n bagian sama
panjang, jadi untuk mencari nilai y pada x = L, maka didapatkan persamaan linear
4
𝑦𝑖−2 − 4𝑦𝑖−1 + 6𝑦𝑖 − 4𝑦𝑖+1 + 𝑦𝑖+2 = (ℎ / 𝐸𝐼)𝑓(𝑥). Kita akan membuat sebuah
B. Isi
Mula-mula kita melakukan iterasi pada semua input n, kemudian kita mencari solusi
untuk dua buah pendekatannya, yaitu pendekatan secara standar dan efisien.
Algoritma jika implementasi menggunakan partial pivoting.
Jika partial pivoting diterapkan, hasil terlindungi dari adanya kemungkinan
munculnya unsur yang sangat kecil pada diagonal pada saat dilakukan operasi
perhitungan. Dalam partial pivoting, unsur dengan nilai mutlak paling besar yang
berada pada kolom yang akan disederhanakan dipindahkan ke posisi diagonal
sebelum kolom itu disederhanakan.
Dengan partial pivoting, kita pakai elemen diagonal matriks sebagai pivot untuk
eliminasi kolom pertama. Lalu, eliminasi Gaussian dimulai dengan melihat terlebih
dahulu entri terbesar di kolom pertama, lalu barisnya ditukar dengan baris pivot.
Berikut adalah algoritma LU factorization yang menggunakan partial pivoting.
P = eye(n);
for k=1:n-1
% Mencari baris l (dimana l itu terbesar)
[m, l] = max(abs(A(k:n, k)));
% Adjust max indexing
l += (k - 1);
% Tukar baris-baris P
tmp = P(l, :);
P(l, :) = P(k, :);
P(k, :) = tmp;
for i=k+1:n
% Find m untuk setiap baris i
L(i, k) = A(i,k)/A(k, k);
% Eliminasi baris i+1 .. n
A(i,:) = A(i,:) - L(i, k) * A(k,:);
endfor
endfor
U = A;
endfunction
Dari tabel diatas kita dapat melihat hasil backward error untuk pendekatan
standar dan pendekatan optimal kedua pendekatan tersebut memiliki nilai yang sama,
karena kedua pendekatan ini memiliki output L dan U yang sama, yang membedakan
kedua pendekatan ini adalah cara mereka melakukan LU factorization. Tidak ada
pendekatan yang cenderung lebih akurat karena nilainya sama saja.
Dari tabel diatas kita dapat melihat nilai condition number untuk setiap input
n, dari sini kita dapat menyimpulkan bahwa semakin besar nilai n akan semakin besar
juga nilai condition numbernya, Dapat kita lihat bahwa saat n = 40 nilai condition
number saja sudah sangat besar, hal ini tentu akan berpengaruh kepada ekspektasi
akurasi kita, karena nilai condition numbernya sangat besar, sedikit saja ada nilai
input yang berubah maka nilai output juga dapat berubah sangat jauh, terlebih lagi
untuk nilai n yang sangat besar condition numbernya kita sudah tidak dapat
melakukan komputasi untuk backward errornya.
2 2 2
4. Dengan menggunakan fungsi exact 𝑦(𝑥) = (𝑓/24𝐸𝐼)𝑥 (𝑥 − 4𝐿𝑥 + 6𝐿 ).
Untuk setiap n pada [10,20,40,80,100], Dimana solusi dari nomor 1 adalah yAprrox
dan solusi dari fungsi exact adalah yExact, dan error pada setiap ujung balok, berikut
tabel dan plotnya :
n = 10, plot:
n = 20, plot:
n = 40, plot:
n = 80, plot:
untuk n = 100, tidak dapat melihat hasil plot karena octave selalu mengeluarkan error,
value untuk n=100 terlalu tinggi.
Berikut tabel nilai error untuk tiap tiap nilai n pada ujung balok (x=L):
n error di x = L
10 0.075146
20 10.565
40 1348714.82859
80 1.8286e+17
100 9.7904e+22
Dari tabel di atas terlihat bahwa dengan bertambahnya nilai n, maka semakin
besar error pada hasil. Bahkan untuk nilai n yang sangat besar hasilnya tidak dapat
ditampilkan pada plot, dengan nilai error yang sangat tinggi juga, sementara untuk n
yang kecil nilai errornya masih dapat ditoleransi (< 1).
5. Berikut ini merupakan tabel backward error pada x = L meter untuk beberapa nilai n.
Dari tabel di atas terlihat bahwa dengan bertambahnya nilai n, maka semakin
besar error pada hasil. Hal ini dikarenakan nilai dari conditional number pada matriks
A yang sangat besar pula, sehingga menyebabkan persamaan menjadi sangat sensitif
dan terjadinya ill-condition. Conditional number untuk matriks A semakin besar
karena matriks A dibentuk atas persamaan aproksimasi.
C. Kesimpulan
Penyelesaian SPL untuk mencari perpindahan vertikal balok pada permasalahan balok
Euler-Bernoulli dapat dioptimasi karena matriks konstanta membentuk matriks pita. Dari
3
yang awalnya membutuhkan O(𝑛 ) berubah menjadi O(n). Optimasi ini juga tidak
mengubah tingkat akurasi pada hasil.
Meskipun begitu, akurasi pada solusi permasalahan akan semakin memburuk
dengan bertambahnya banyak segmentasi yang dilakukan. Hal ini disebabkan karena
matriks konstanta dibentuk dari persamaan aproksimasi. Semakin banyak nilai yang
diaproksimasi, maka semakin besar pula condition number yang dimiliki oleh matriks
konstanta. Hal ini menyebabkan solusi permasalahan menjadi semakin tidak akurat.
REFERENSI
https://www.researchgate.net/figure/LU-factorization-of-a-matrix-without-pivoting-Blank-spa
ces-indicate-zero-entries-The_fig7_270659665
https://stackoverflow.com/questions/41150997/perform-lu-decomposition-without-pivoting-i
n-matlab/55730883
Slide Perkuliahan Analisis Numerik Fasilkom UI