LAPORAN PRAKTIKUM

KOMPUTASI DAN LOGIKA PEMROGRAMAN

DISUSUN OLEH:
NAMA : MHD. IRVAN HADI LUBIS
NIM : 21 01 091
GRUP :E
TANGGAL PRAKTIKUM: 13 DESEMBER 2022

KEMENTERIAN PERINDUSTRIAN REPUBLIK INDONESIA

POLITEKNIK TEKNOLOGI KIMIA INDUSTRI
PROGRAM STUDI TEKNIK KIMIA
MEDAN
2022
 MODUL 8
PERSAMAAN KOMPUTASI

1.1. Tujuan Praktikum

1. Mahasiswa mengetahui konsep dasar komputasi pada teknik Kimia
2. Mahasiswa memahami cara menggunakan persamaan dalam menyelesaikan
masalah teknik Kimia
1.2. Teori Dasar
Salah satu wujud model matematika yang banyak dijumpai di dalam
berbagai disiplin ilmu seperti ekonomi, fisika, statistika, keteknikan, dan riset
operasional adalah Sistem Persamaan Linear (SPL). Kemunculan sistem persamaan
linear beraifat langsung dari masalah-masalah nyata dan penyelesaiannya
merupakan bagian dari proses penyelesaian masalah yang lain. Pembelajaran
mengenai dasar SPL pada bagian sebelumnya dijumpai pada mata kuliah Aljabar
Linear Elementer. Terdapat beberapa konsep mendasar yang ditekankan pada
pembelajaran SPL diantaranya :
1. Sistem Persamaan Linear secara matematis dibentuk oleh beberapa persamaan
linear yang dapat merepresentasikan berbagai fenomena. Masalah yang akan
diselesaikan dalam Sistem Persamaan Linear yaitu bagaimana menemukan solusi
secara simultan pada suatu masalah SPL.
2. Secara teoritis, penyelesaian SPL dapat dilakukan dengan beberapa metode
seperti metode grafik dan metode eliminasi-subtitusi. Namun metode tersebut
terbatas pada SPL yang hanya terdiri dari dua variabel. Pada SPL yang memilik tiga
variabel atau lebih dapat diselesaikan melalui penyelesaian matriks. SPL yang telah
direpresentasikan oleh Matriks Koefisien, Vektor Solusi dan Vektor
3. Konstanta dapat diselesaikan dengan metode Eliminasi Gauss, Eliminasi Gauss
Jordan atau metode perkalian Inverse Matriks. Metode-metode tersebut dikenal
sebagai metode langsung dengan melibatkan perhitungan Operasi Baris Dasar
dalam matriksnya. (Sahid (2005)
Pada kenyataanya Operasi Baris Dasar suatu matriks membutuhkan waktu
dan ketelitian tingkat tinggi dalam penyelesaiannya, terlebih ketika matriks
koefisien unsur-unsurnya berupa pecahan dan mempunyai ukuran yang besar. Oleh
karena itu, dibutuhkan suatu metode penyelesaian alternatif yang dapat diterapkan
dalam menyelesaikan masalah SPL.
5. Konsep dasar metode iteratif dalam menyelesaikan suatu SPL yaitu dengan
memanipulasi setiap bentuk SPL dengan menyatakan suatu barisan solusi. Solusi
pada langkah pertama disebut sebagai solusi awal, dengan masing-masing
algoritma akan konvergen ke solusi analitik.
Suatu Sistem Persamaan Linear secara bentuk dapat dinyatakan sebagai
susunan persamaan-persamaan linear, dimana setiap persamaan linear terdiri dari
unsur variabel, koefisien dan konstanta. Berikut bentuk Umum Persamaan Linear :

A sebagai Matriks koefisien, b vektor konstanta, x vektor hampiran solusi. Pada

buku matematika komputasi, penentuan solusi persamaan linear akan diselesaikan
melalui metode iterasi yang berbeda yaitu metode iterasi Jacobi dan Gauss Seidel.
Metode yang bersifat iteratif digunakan nuk menyeesaikan SPL yang berukuran
besar. Dari kedua metode ini akan diuraikan prinsip kerjanya dalam bentuk
algoritma yang selanjutnya akan dibandingkan laju konvergennya.
Metode Iterasi Jacobi merupakan teknik penyelesaian SPL berukuran n×n
secara iteratif. Prosesnya dimulai dari hampiran awal terhdap penyelesaian x0
kemudian membentuk serangkain vektor-vektor X1,X2 yang konvergen ke X.
Dalam mencari solusi SPL pada matriks yang berukuran kecil, metode langsung
seperti metode Gauss lebih praktis dan efisien dibandingkan dengan metode iteratif.
Namun untuk ukuran matriks yang besar, maka akan sangat sulit untuk menerapkan
metode langsung. Dibutuhkan iterasi hingga konvergen ke solusi yang diinginkan.
Konsep dasar dari iterasi jacobi menggunakan rumusan :

Akar-akar Persamaan Non Linier terdapat background masalah yaitu

permasalahan menentukan akar persamaan non linear merupakan salah satu topik
masalah dalam metode numerik. Pada buku ini, masalah penentuan akar persamaan
non linear dipilih sebagai sub bahasan untuk mengeksplorasi dan melihat
bagaimana prinsip dari pada Matematika Komputasi itu sendiri.
Metode kurungan (bracketing method) dimana metode ini biasa juga disebut
metode jebakan karena langkah pertama yang dilakukan adalah menaksir dimana
letak akar dengan cara mengurung. Selanjutnya kurungan tersebut diperkecil.
Berbagai prosedur dapat dilakukan untuk memperkecil kurungan tersebut,
misalnya:
1. Metode Tabel atau Grafik
2. Bisection method (metode bagi dua)
3. Regula falsi / False position method (metode posisi palsu)
Metode Terbuka dimana perbedaan dasar metode ini dengan metode
kurungan adalah pada metode ini, pemilihan sebuah (atau beberapa) nilai awal tidak
perlu mengurung akar, akibatnya dengan metode ini dapat saja diperoleh iterasi
yang konvergen (semakin mendekati akar) atau divergen (semakin menjauhi akar).
Beberapa pendekatan (formulasi) dapat digunakan antara lain :
1. Fixed point method (metode titik tetap)
2. Newton-Raphson Method
3. Secant Method (metode tali busur)
Metode bagi dua adalah salah satu jeni smetode kurungan. Prosedur metode ini
didahului dengan menaksir dimana letak akar f (x) dengan cara mengurung akar
pada interval tertutup [a,b] dengan syarat f (a) dan f (b) haruslah berbeda tanda.
Kenyataan ini didasarkan pada konsep teorema harga menengah. Prosedur yang
digunakan untuk mempersempit jebakan adalah dengan cara kurungan sebelumnya
(interval tertutup [a,b]) atas dua bagian yang sama besar. Yakni interval t x a
dan interval b, x t dengan demikian t merupakan titik tengah interval [a,b].
Ilustrasi geometris dari metode bagi dua dapat dilihat dari gambar berikut ini
 State atau keadaan sistem dinamis adalah koleksi dari bilangan x(t) ≡ (x1(t),
x2(t), ..., xn(t)) yang apabila diberikan suatu nilai pada waktu t = t0, maka nilainya
akan dapat ditentukan pada t ≥ t0 melalui pilihan vektor kontrol u(t) = (u1(t), u2(t),
..., xr(t)). Bilangan xi(t) untuk (1 ≤ i ≤ n, t0 ≤ t ≤ T) disebut sebagai peubah keadaan
atau peubah state, dan ruang keadaan adalah ruang dimensi n yang memuat
koordinat xi(t) (1 ≤ i ≤ n). Dengan cara yang sama, bilangan ui(t) untuk (1 ≤ i ≤ r t0
≤ t ≤ T) disebut sebagai peubah kontrol atau peubah kendali. Misalnya, x(t) dapat
melambangkan peubah ekonomi, seperti GNP, konsumsi, investasi dan kondisi
perekonomian lainnya, serta u(t) mewakili peubah kontrol, seperti kebijakan suku
bunga, pengeluaran pemerintah, suplai uang dan instrumen ekonomi lainnya yang
dapat dikendalikan. Keadaan atau state suatu sistem pada waktu t, yang disebut
dengan sistem dinamis, direpresentasikan oleh sistem persamaan diferensial dalam
hal masalah kontinyu, atau sistem persamaan beda untuk masalah diskret. Misalnya,
x˙(t) = f[x(t), u(t), t] atau
x(k + 1) = f[x(k), u(k), k].
Sistem dinamis dapat berbentuk linier dan dapat pula berbentuk tak-linier,
juga dapat berbentuk sistem ’autonomous’ (sistem tidak memuat t atau k) atau
berbentuk sistem ’nonautonomous’, dapat pula memiliki koefisien konstanta atau
koefisien peubah pada persamaan diferensial atau persamaan beda. Sistem juga
dapat berbentuk deterministik dan juga dapat berbentuk stokastik. Dalam kuliah ini
hanya akan dibahas sistem deterministik (Kierzenka J, Shampine L. 2001.).
Sistem dinamis dikontrol atau dikendalikan oleh instrumen atau kontrol
yang sesuai. Hanya kontrol yang ’admissible’ ( yaitu kontrol yang memenuhi
persyaratan yang diberikan) saja yang perlu diperhatikan. Misalnya, jika ui(t)
menyatakan proporsi pendapatan nasional yang ditabung untuk membentuk kapital
di sektor i,(i = 1, 2, ..., r) maka 0 ≤ ui(t) ≤ 1, ∀i, t dan 0 ≤ Pr 1 ui(t) ≤ 1. Secara
umum, kendala fisik ini dinyatakan dengan persyaratan bahwa peubah kontrol harus
dipilih dari kumpulan kontrol-kontrol yang admissible, yang dilambangkan dengan
Ω(u(t)), artinya, kontrol u(t) ∈ Ω(u(t)). Untuk ilustrasi di atas, Ω(u(t)) ≡ {ui(t) : 0 ≤
ui(t) ≤ 1, 0 ≤ Xr 1 ui(t) ≤ 1} Apabila u(t) hanya fungsi dari t, maka disebut kontrol
’open-loop,’ misalnya mengatur mesin cuci untuk berfungsi dalam jangka waktu
tertentu. Apabila kontrol u(t) juga merupakan fungsi dari peubah state x(t), yaitu
u(t) = u[x(t), t], maka disebut kontrol ’closed loop,’ misalnya pengeluaran
pemerintah, u(t), merupakan fungsi dari GNP/PDB, x(t), dan waktu pemilu.
Suatu keadaan x 1 dikatakan dapat dicapai (reachable) dari sebarang
keadaan x 0 pada waktu t0 jika kontrol u1(T) ∈ Ω(u(t)) dapat ditemukan demikian
rupa sehingga x(u1, x0 , t1 ) = x 1 untuk waktu t1 ≥ t0. Koleksi dari semua x 1
tersebut disebut reachable states pada waktu t. Istilah controllability merujuk pada
kenyataan bahwa beberapa state terminal x 1 dapat dicapai dari state awal x 0
dengan pilihan kontrol u(t)yang tepat, u(t) ∈ Ω(u). Jadi, controllability merupakan
syarat perlu untuk adanya suatu solusi. Observability adalah kemampuan untuk
menentukan state awal x 0 dari observasi data dan output. Output menyatakan
hubungan antara peubah state dengan [eubah kontrol, misalnya y(t) = g[x(t), u(t),
t]. Masalah observability hanya muncul jika output tidak dapat diukur secara
eksplisit. (Moler CB. 2004).
Peubah kontrol u(t) harus dipilih dalam rangka memaksimumkan atau
meminimumkan fungsional objektif J[u(t)], (fungsional objektif ini merupakan
ukuran performance, makanya kadang-kadang juga disebut indeks performance.
Jika fungsi f0(x, u, t) = π(x, p)e −rt , atau f0 = u(c)e −rt , maka fungsional J
merupakan nilai kini (present value) dari profit π atau utilitas konsumsi yang
terdiskon pada tingkat diskon r. Secara umum, terdapat 3 alternatif untuk
menyajikan formulasi fungsional objektif ( 1.3), yaitu :
1. (Formulasi Bolza) Formulasi fungsional objektif bentuk Bolza merupakan
formulasi yang lebih umum. J[u(t)] = S[x(T), T] + Z T f0(x(t), u(t), t)dt dengan f0
dan S adalah fungsi yang kontinu dan dapat diturunkan. Fungsi S[x(T), T] dikenal
dengan fungsi ’scrap value’ pada waktu terminal T.
2. (Formulasi Lagrange ) Formulasi Lagrange merupakan bentuk khusus dari ( 1.4),
dengan S[x(T), T] = 0, yaitu J[u(t)] = Z T t0 f(x(t), u(t), t)dt.
3. (Formulasi Mayer) Formulasi Mayer ini juga merupakan bentuk khusus dari
dengan f(x(t), u(t), t) = 0, yaitu J[u(t)] = S[x(T), T](1.6) Dengan pendefinisian
kembali peubah-peubahnya, maka ke-3 alternatif di atas ekivalen. Misalnya,
formulasi Bolza dapat dikonversikan menjadi formulasi Mayer dengan
mendefinisikan peubah tambahan xn+1(t) sebagai xn+1(t) = Z t t0 f(x, u, τ )dτ,
xn+1(t0) = 0 akan menghasilkan J = xn+1(t) + S[x(T), T]. (Kaas R, 2009).
1.3. Prosedur
Program 1

Program 2 Neraca Massa Linier Rangkaian Proses

Program 3 Sistem Distribusi Steam Pabrik Kimia

PROGRAM 3

Program 5 Penyelesaian Persamaan Reaksi Kimia Dan Neraca Massa

]
Program 6 Penentuan Akar dari Persamaan non Linier: x-exp(-x)=0

Program 7 Persamaan Van Der Waals

Program 8 Interpolasi Linier

Program 8

1.4. Pembahasan
Pada program 1 disini dapat diketahui bahwa ada sebuah system
persamaan linier dan persamaan linier yang diketahui dapat dinyatakan dalam
sebuah bentuk persamaan matriks dengan format matriks 4×4 dan pada program
1 mencari hasil nilai x dengan pembagian matriks kiri yang dikerjakan pada
jendela kerja console sehingga mengdapatkan hasil dari variable x.
Pada program 2 mencari neraca massa linier dengan rangkaian proses dimana
bahan A akan diubah atau dikonversikan menjadi bahan B didalam sebuah
reaktor kemudian produk B keluar dengan bersamaan dengan reaktan A yang
tidak bereaksi menuju pemisahan sehingga reaktan A dapat dikembalikan lagi
kedalam reaktor, sehingga pada penyelesaian program 2 dengan menggunakan
metode eliminasi Gauss sehingga didapat nilai dengan menyimbolkan variable
x dengan pembagian matriks kiri pada lembar kerja console.
Pada program 3 yaitu sistem distribusi steam dipabrik kimia dengan
menggunakan seperangkat persamaan yang mengandung 14 variabel dan
dengan persamaan aljabar linier dimana p merupakan matriks bujur sangkar
yang banyak mengandung nilai nol sehingga pada akhir program didapatkan
hasil dengan pembagiann matriks kiri pada jendela kerja console.
Pada program 4 yaitu kolom absopsi enam plat atau tray yang dioperasikan
dalam keadaan steady state yang memiliki hubungan kesetimbangan linier
yang terjadi antara cairan dan uap. Dalam program 4 ini mencari nilai dari
kolom absopsi dengan menggunakan penyelesaian komposisi tray dengan
menggunakan metode eliminasi Gauss.
Pada program 5 yaitu tentang penyelesaian persamaan dari reaksi kimia dan
neraca massa dimana suatu reaksi kimia aka dijalankan didalam rangkaian
disebuah reaktor dengan tangki berpengaduk. Pada persamaan ini matriks
berbentuk diagonal maka pada akhir program dihasilkan persamaan reaksi
neraca massa dengan variable x menggunakan pembagian kiri.
Pada program 6 yaitu penentuan akar dari persamaan non linier. Pada
persamaan ini dianggap nilai f(x) adalah nol maka pada persamaan non linier
tunggal atau sistem persamaan non linier ini dapat menyelesaikan dengan
menggunakan fungsi fsolve .
Pada program 7 ini yaitu persamaan Van Der Waals dimana persamaan ini
menyatakan hubungan antara tekanan absolute (p) [atm], suhu (T)[K] dan
volume (L/molal). Pada program ini juga menggunakan persamaan non linier
dengan fungsi fsolve dengan tekanan yang bervariasi yaitu 300, 500 dan 700
sehingga hasil suhu bervariasi.
Pada program 8 yaitu interpolasi linier dimana interpolasi ini yaitu penentuan
nilai suatu titik yang terletak diantara dua titik data atau pengamatan dengan
memakai fungsi yi=interpln(xydata,xi) sehingga pada akhir program dihasilkan
nilai interpolasi dengan nilai x dan y d diinput dan dimasukkan dengan
menggunakan fungsi dari interpolasi.
1.5. Kesimpulan
Berdasarkan praktikum yang telah dilakukan dapat disimpulkan bahwa:
1. Komputasi sebetulnya bisa diartikan sebagai cara untuk menemukan
pemecahan masalah dari data input dengan menggunakan suatu algoritma.
Hal ini ialah apa yang disebut dengan teori komputasi, suatu sub-bidang dari
ilmu komputer dan Matematika. Implementasi komputasi modern di bidang
Kimia adalah Computational Chemistry yaitu penggunaan ilmu komputer
untuk membantu menyelesaikan masalah Kimia. Contohnya penggunaan
super komputer untuk menghitung struktur dan sifat molekul. Istilah Kimia
teori dapat didefinisikan sebagai deskripsi Matematika untuk Kimia,
sedangkan Kimia komputasi biasanya digunakan ketika metode Matematika
dikembangkan dengan cukup baik untuk dapat digunakan dalam program
komputer.
2. Masalah syarat batas sering muncul sebagai model dari berbagai bidang
ilmu.Karena solusi analitik Scilab tidak selalu tersedia, metode numerik
menjadi salah satu cara untuk memperoleh solusinya. Selain itu, dengan
tersedianya rutin yang memudahkan pengguna untuk menyelesaikan
MSB secara numerik, dimungkinkan melakukan simulasi secara
berulang untuk menguji berbagai skenario pemodelan.Tulisan ini
mendemonstrasikan rutin simulasi MSB dalam lingkungan problem
solving environment SCILAB yang bersifat open source.
1.6. Daftar Pustaka
Kaas R,Goovaerts M, Dhaene J, Denuit M. 2009.Credibility theory. Modern
Actuarial Risk Theory: Using R.203-229
Kierzenka J, Shampine L. 2001. A BVP solver on residual control and the Matlab
PSE.ACM Transactions on Mathematical Software.27(3): 299-316.
Moler CB. 2004.Numerical Computing with MATLAB. SIAM.
Sahid. 2005. Pengantar Komputasi Numerik dengan MATLAB. Andi :
Yogyakarta.