NAMA : SINTIA SAFITRI

NIM : 2208521011

KELAS : A

UAS FISIKA KOMPUTASI

1. a). turunan pertama dan turunan kedua dari fungsi f(x) = sin(2x)
Turunan pertama yaitu f’(x)= 2 cos 2x
Untuk x= -3.14 -> f’(x)= 2 cos 2(-3.14)= 1.9969
Untuk x= -1.57 -> f’(x)= 2 cos 2(-1.57)= 1.9992
Untuk x= 0 -> f’(x)= 2 cos (0)= 2
Untuk x= 1.57 -> f’= 2 cos (1.57)= 1.9992
Untuk x=3.14 -> f’(x)= 2 cos (3.14)= 1.9969
Turunan kedua yaitu f”(x)= -4 sin 2x
Untuk x= -3.14 -> f’’(x)= -4 sin 2(-3.14)= 11.420
Untuk x= -1.57 -> f’’(x)= -4 sin 2(-1.57)= 5.710
Untuk x= 0 -> f’’(x)= -4 sin 2(0)= 0
Untuk x= 1.57 -> f’’= -4 sin 2(1.57)= -5.710
Untuk x=3.14 -> f’’(x)= -4 sin 2(3.14)= -11.420

b).
#Turunan Pertama dan Kedua
#dengan rentang x
#kasus y=sin(x)
import matplotlib.pyplot as plt
import numpy as np
import math
N=4
z=np.empty((N),dtype=float)
x_awal=float(input('masukkan x awal = ')) #e.g., -6.28
x_akhir=float(input('masukkan x akhir = ')) #e.g., 6.28
jml_pita = 100
xn=np.empty((jml_pita+2),dtype=float)
dif=np.empty((jml_pita+2),dtype=float)
dif2=np.empty((jml_pita+2),dtype=float)
#print(len(dif))
x_interval=(x_akhir-x_awal)/(jml_pita+1)
#x =np.arange(x_awal,x_akhir,x_interval)

#*****Plotting y =sin(x)****
x =np.arange(x_awal,x_akhir+x_interval,x_interval)
#print(len(x))
y =np.sin(2*x)
y1=2*np.cos(2*x) #turunan pertama analitik
y2=-4*np.sin(2*x)
plt.plot(x,y,'r')
plt.plot(x,y1,'y')
plt.plot(x,y2,'k')
#*****Finding 1st order derivative*****
n=0
y=x_awal
while n<=jml_pita+1: #y<=x_akhir:
eps=1e-5
h=1.5
zz=0
delta=10;
while abs(delta)>=eps:#iterasi selama delta lebih besar dari eps
for i in range (1,2+1,1):
if i==1:
x=y+h
else:
x=y-h
#*****************
fx=np.sin(2*x)
#*****************
z[i]=fx
dx=(z[1]-z[2])/(2*h) #equation of 1st diff
delta=zz-dx
zz=dx
#h=h/10
dif[n]=dx
xn[n]=y
y=y+x_interval
n=n+1
#****Finding 2nd order derivative***
n=0
y=x_awal
while n<=jml_pita+1: #y<=x_akhir:
eps=1e-5
h=1.5
zz=0
delta=10;
while abs(delta)>=eps: #iteration while delta greater equal eps
for i in range (1,3+1,1): #i=1:1:2
if i==1:
x=y+h
else:
 if i==2:
x=y
else:
if i==3:
x=y-h
#*****************
fx=np.sin(2*x) #given function
#*****************
z[i]=fx
dx=(z[1]-2*z[2]+z[3])/(h**2) #equation of 2nd derivative
delta=zz-dx
zz=dx
#h=h/10
dif2[n]=dx
xn[n]=y
#print(y)
y=y+x_interval
n=n+1
#print(y)
#********************************************************
#Plotting the curves of 1st and 2nd derivative
#********************************************************
#handles.y(2,:)=dif; %set baris kedua dari y sbg turunan pertama
#set(handles.p,plot(x,handles.y(2,:)));
plt.plot(xn,dif,'g') #1st differential
plt.plot(xn,dif2,'b') #2nd differential
plt.title('y=sin(2x)')
plt.xlabel('x')
plt.ylabel('y')
plt.legend(['y','y\' (analitik)','y\"(analitik)','y\'(Beda Central)','y\"(Beda Central)'])
plt.show();
import pandas as pd
df = pd.DataFrame(y1,dif)
df.to_excel(excel_writer = "turunan1_sinx.xlsx")
df = pd.DataFrame(y2,dif2)
df.to_excel(excel_writer = "turunan2_sinx.xlsx")

hasil run program untuk h=1.5

c). Hasil dari grafik warna hijau(beda central) dengan kuning(analitik) terhadap sumbuh y,
dimana terdapat penyimpangan pada garis kuning batas bawah sebesar -2 sedangkan garis hijau
sebesar 0. Untuk batas atas nya garis kuning sebesar 2 dan garis hijau sebesar 0.
d). Terdapat peyimpangan garis dimana batas atas garis hitam(analitik) sebesar 4 dan garis batas
atas garis biru 1.5, sedangkan untuk batas bawahnya garis hitam berada pada -4 dan garis biru -
1.5
e). Hasil regresi turunan pertama dengan memakai file : turunan1_sin2x.xlsx. A

Hasil regresi turunan kedua dengan memakai file : turunan2_sin2x.xlsx

Analisis Regresi:
- Hasil regresi turunan pertama antara y’ (analitik) dan y’(beda central) turunan pertama
menghasilkan nilai gradien m = 21.259 dan konstanta c = -1.10-16. Hal ini berarti kemiringan
garis m dan c masih menyimpang dari nilai idealnya yaitu 1 dan 0, secara berurutan.
Sedangkan Nilai koefisien determinasi R2 yang dihasilkan yaitu 1. Nilai ini sama dengan nilai
koefisien determinasi R2 yang ideal yaitu 1.
- Hasil regresi turunan kedua antara y’ (analitik) dan y’(beda central) turunan kedua
menghasilkan nilai gradien m = 2.2613 dan konstanta c = -5.10-17. Hal ini berarti kemiringan
garis m dan c masih menyimpang dari nilai idealnya yaitu 1 dan 0, secara berurutan.
Sedangkan Nilai koefisien determinasi R2 yang dihasilkan yaitu 1. Nilai ini sama dengan nilai
koefisien determinasi R2 yang ideal yaitu 1

f). Hasil run program dan hasil regresi untuk h=1

1. Terjadi penyimpangan antara beda analitik dan beda central dimana analitik warna kuning
sebesar 2 unutk batas atas nya dan batas bawah nya -2 dan untuk beda central wanra hijau
sebesar 1 untuk batas atas nya dan batas bawahnya -1. Terdapat penyimpangan sebesar 1
dari 2 analitik dengan 1 beda central
2. Terjadi penyimpangan antara beda analitik dan beda central dimana analitik warna kuning
sebesar 4 unutk batas atas nya dan batas bawah nya -4 dan untuk beda central wanra hijau
sebesar 3 untuk batas atas nya dan batas bawahnya -3. Terdapat penyimpangan sebesar 1
dari 4 analitik dengan 3 beda central
3. Hasil regresi turunan pertama antara y’ (analitik) dan y’(beda central) (Gambar 2)
menghasilkan nilai gradien m = 2.1995 dan konstanta c = -2.10-16. Hal ini berarti kemiringan
garis m dan c masih menyimpang dari nilai idealnya yaitu 1 dan 0, secara berurutan.
Sedangkan Nilai koefisien determinasi R2 yang dihasilkan yaitu 1. Nilai ini sama dengan nilai
koefisien determinasi R2 yang ideal yaitu 1.
4. Hasil regresi turunan kedua antara y’ (analitik) dan y’(beda central) (Gambar 3)
menghasilkan nilai gradien m = 1.412 dan konstanta c = -1.10-17. Hal ini berarti kemiringan
garis m dan c masih menyimpang dari nilai idealnya yaitu 1 dan 0, secara berurutan.
Sedangkan Nilai koefisien determinasi R2 yang dihasilkan yaitu 1. Nilai ini sama dengan nilai
koefisien determinasi R2 yang ideal yaitu 1.

g). Hasil run program dan hasil regresi untuk h=0.1