MODUL KE – 1
FORMULASI PERMASALAHAN INVERSI
Oleh:
Muhamad Arif Samsudin 120120158
Asisten :
Alifah Iftinan 119120042
Andika Bonardo Sipahutar 119120122
Bernard Cavin Ronlei 119120087
Kiki Harfianza 119120111
Mu'amar Hafiz 119120084
Nisa Nur Azizah 119120027
#data observasi
z = [5, 16, 25, 40, 50, 60, 70, 80, 90 ,100]
T = [35.4, 50.1, 77.3, 92.3, 137.6, 147, 180.8, 182.7, 188.5, 223.2]
d = np.reshape(T,(10,1))
linear = []
for i in range (len(z)):
linear.append(a0+a1 * z[i])
# Plot data
plt.plot(z,T,'*r', label ='sebaran data')
plt.plot(z, linear, label ='solusi inversi')
plt.grid()
plt.legend()
plt.xlabel('Kedalaman (m)')
plt.ylabel('Suhu (Celcius)')
plt.title('Variasi Suhu vs Kedalaman_120120158')
plt.show()
1.2. Gambar Hasil Grafik
1.4.Analisis Problem 1
Pada problem 1 ini, dihasilkan bentuk kurva yang linier antara kedalaman dengan
suhu, terlihat hasil kurva yang lumayan fit walau ada beberapa titik yang menjauh dari
garis liniernya. Pada data diketahui ada 10 data dan mencari 2 model (a0 dan a1).
Model ini adalah model yang berjenis linier diketahui karena garis kurva yang
dibentuk oleh model ini lurus, semakin fit hasilnya maka nilai error yang didapatpun
akan semakin kecil.
2. PROBLEM 2
2.1. Script
# Muhamad Arif Samsudin script 2
# 120120158
import numpy as np
import matplotlib.pyplot as plt
from numpy.linalg import inv
# Data Observasi
t1= [0.00, 0.25, 0.50, 0.75, 1.00, 1.25, 1.50, 1.75, 2.00, 2.25, 2.50, 2.75,
3.00, 3.25, 3.50, 3.75, 4.00, 4.25, 4.50, 4.75, 5.00] # Data waktu (sekon)
t2= [0.00, 0.0625, 0.25, 0.5625, 1.00, 1.5625, 2.25, 3.0625, 4.00, 5.0625,
6.25, 7.5625, 9.00, 10.5625, 12.25, 14.0625, 16.00, 18.0625, 20.25, 22.5625,
25.00]
h = [5.00, 5.75, 6.40, 6.94, 7.38, 7.72, 7.96, 8.10, 8.13, 8.07, 7.90, 7.62,
7.25, 6.77, 6.20, 5.52, 4.73, 3.85, 2.68, 1.77, 0.58] # Data
ketinggian (meter)
d = np.reshape(h,(21,1))-5
#plot data
plt.plot(t1, h, '*r', label='sebaran data')
plt.plot(t1, linear, label='solusi inversi')
plt.grid()
plt.legend()
plt.xlabel('Time (s)')
plt.ylabel('Ketinggian (m)')
plt.title('Variasi waktu vs Ketinggian_120120158')
plt.show()
2.2. Gambar hasil Grafik
#data observasi
z = [5, 16, 25, 40, 50, 60, 70, 80, 90 ,100]
T = [35.4, 50.1, 77.3, 92.3, 137.6, 147, 180.8, 182.7, 188.5, 223.2]
d = np.reshape(T,(10,1))
linear = []
for i in range (len(z)):
linear.append(a0+a1 * z[i])
# Plot data
plt.plot(z,T,'*r', label ='sebaran data')
plt.plot(z, linear, label ='solusi inversi')
plt.grid()
plt.legend()
plt.xlabel('Kedalaman (m)')
plt.ylabel('Suhu (Celcius)')
plt.title('Variasi Suhu vs Kedalaman_120120158')
plt.show()
Script 2
# Muhamad Arif Samsudin script 2
# 120120158
import numpy as np
import matplotlib.pyplot as plt
from numpy.linalg import inv
# Data Observasi
t1= [0.00, 0.25, 0.50, 0.75, 1.00, 1.25, 1.50, 1.75, 2.00, 2.25, 2.50, 2.75,
3.00, 3.25, 3.50, 3.75, 4.00, 4.25, 4.50, 4.75, 5.00] # Data waktu (sekon)
t2= [0.00, 0.0625, 0.25, 0.5625, 1.00, 1.5625, 2.25, 3.0625, 4.00, 5.0625, 6.25,
7.5625, 9.00, 10.5625, 12.25, 14.0625, 16.00, 18.0625, 20.25, 22.5625, 25.00]
h = [5.00, 5.75, 6.40, 6.94, 7.38, 7.72, 7.96, 8.10, 8.13, 8.07, 7.90, 7.62,
7.25, 6.77, 6.20, 5.52, 4.73, 3.85, 2.68, 1.77, 0.58] # Data ketinggian (meter)
d = np.reshape(h,(21,1))-5
#plot data
plt.plot(t1, h, '*r', label='sebaran data')
plt.plot(t1, linear, label='solusi inversi')
plt.grid()
plt.legend()
plt.xlabel('Time (s)')
plt.ylabel('Ketinggian (m)')
plt.title('Variasi waktu vs Ketinggian_120120158')
plt.show()
Hasil grafik Script 1
Hasil Script 2