You are on page 1of 126

KOMPUTASI PROSES TEKNIK KIMIA

MENGGUNAKAN MATLAB
Teguh Kurniawan, ST.

F(X,Y )

-5

-10
2

3
2
0

1
0
-1

-2
Y

-2
-3

Jurusan Teknik Kimia Fakultas Teknik


Universitas Sultan Ageng Tirtayasa
2006

Kata Pengantar
Segala rasa syukur saya panjatkan pada Allah SWT yang telah
memberikan segala daya sehingga terwujudlah buku ajar dihadapan para pembaca.
Momen bulan Ramadhan 1427 H telah memberikan kekuatan tersendiri bagi saya
untuk memberikan karya yang sebaik-baiknya. Meskipun demikian, saya sadar
tiada karya manusia yang sempurna. Oleh karena itu, diawal halaman pengantar
saya ungkapkan harapan yang sangat besar kepada para pembaca seluruhnya
untuk memberikan saran demi perbaikan buku ajar.
Perkembangan perangkat keras (hardware-microprocessor) yang amat
cepat, membuat teknologi perangkat lunak (software) menjadi cepat pula
berkembang. Berbagai macam perangkat lunak untuk mendukung penyelesaian
persoalan keteknikan (engineering) bermunculan. Di mulai dengan Basic, Pascal,
FORTRAN sebagai program pendahulu. Bahkan FORTRAN sempat menjadi
primadona senjata ampuh bagi orang teknik. Belakangan muncul POLYMATH,
MATHCAD dan MATLAB sebagai generasi baru perangkat lunak bidang teknik
dan MIPA. Perangkat lunak yang terakhir disebut, saat ini sudah sangat banyak
penggunanya baik dari kalangan akademisi maupun praktisi karena berbagai
keunggulannya dalam menyelesaikan persoalan numerik dan simulasi proses.
Salah satu bidang keteknikan yang sarat dengan perhitungan numerik,
pemodelan serta simulasi fenomena proses adalah bidang teknik kimia.
Penggunaan paling banyak di jurusan teknik kimia adalah pada bagian teknik
reaktor, pengendalian proses, kinetika katalisis, termodinamika, operasi
perpindahan kalor, peristiwa perpindahan dan tentunya komputasi kroses teknik
kimia. Seiring dengan makin luasnya penggunaan MATLAB di kalangan industri,
maka sebagai langkah untuk mempersiapkan para mahasiswa agar siap terjun di
dunia kerja sudah saatnya bagi setiap kampus yang berorientasi pada kebutuhan
pasar untuk mengajarkan MATLAB.
Materi buku ajar disusun dengan pendekatan penyelesaian kasus-kasus
persoalan numerik teknik kimia dengan menggunakan subrutin MATLAB versi
7.0 seperti roots, fzero, fsolve, quad, ode23, fminsearch dll. Namun demikian
dalam buku ajar ini juga tetap dimasukkan berbagai materi asas numerik untuk
mencegah terjadinya pengetahuan semu (black box) seperti pemrograman Gauss,
Newton-Raphson, bisection dalam bahasa MATLAB.
Harapan penulis dengan hadirnya buku ajar ini dapat membantu
memperkenalkan MATLAB sekaligus menjadi acuan praktis untuk memahami
MATLAB sebagai alat untuk menyelesaikan persoalan-persoalan dalam dunia
teknik, khususnya teknik kimia. Akhir kata saya ucapkan terima kasih kepada
Universitas Sultan Ageng Tirtayasa (UNTIRTA) atas segala dukungannya.
Cilegon, 30 Oktober 2006

Teguh Kurniawan, ST
Staf Pengajar Komputasi Proses Teknik Kimia
Jurusan Teknik Kimia-Fakultas Teknik
Universitas Sultan Ageng Tirtayasa

DAFTAR ISI

Halaman
Kata Pengantar..........................................................................................................i
Daftar Isi..................................................................................................................ii
Daftar Tabel............................................................................................................iii
Daftar Gambar........................................................................................................iv
Bab 1 Pengenalan MATLAB...................................................................................1
Bab 2 Sistem Persamaan Linier.............................................................................27
Bab 3 Persamaan Tak Linier..................................................................................40
Bab 4 Optimisasi....................................................................................................62
Bab 5 Regresi Linier dan Non Linier.....................................................................65
Bab 6 Integrasi.......................................................................................................78
Bab 7 Persamaan Diferensial Biasa.......................................................................83
Bab 8 Persamaan Diferensial Parsial...................................................................109
Daftar Pustaka.........................................................................................................v

ii

Bab 1 Pengenalan MATLAB &Pengantar Pemrograman

Bab 1
Pengenalan Matlab & Pengantar Pemrograman
1.1 Perangkat Lunak MATLAB
MATLAB merupakan perangkat lunak produk dari The MathWorks,Inc
yang memadukan kemampuan perhitungan, pencitraan, dan permograman dalam
satu paket. MATLAB merupakan bahasa komputasi teknik yang lebih mudah dan
lebih canggih dalam penggunaannya dibandingkan dengan bahasa teknik
pendahulunya seperti FORTRAN, BASIC, PASCAL. Sebetulnya MATLAB
tidaklah berbeda dengan kalkulator scientific yang sehari-hari kita (orang teknik)
kenal. Bedanya MATLAB adalah kalkulator super canggih, karena MATLAB
memiliki keunggulan sbb:
1. Menghitung sampai dengan ketelitian 16 angka dibelakang koma,
sehingga perhitungan lebih akurat.
2. Menyediakan fasilitas untuk membuat program sesuai dengan kebutuhan
kita.
3. Mampu menampilkan data-data dalam grafik 2-D hingga 3-D dengan
pewarnaan yang akan memudahkan interpretasi data yang kita miliki.
4. Menyediakan perintah-perintah praktis untuk menyelesaikan berbagai
macam

persoalan

matematis

seperti

persamaan

pangkat

tinggi

(polinomial), persamaan linier, persamaan tak linier, optimasi fungsi,


persamaan diferensial biasa, persamaan diferensial parsial, fungsi integral,
interpolasi data, operasi aljabar, operasi matrik, korelasi data-data dan
masih banyak lagi.
5. Memiliki kemudahan dalam mengelola data-data yang sangat banyak
dalam bentuk vektor/matrik.
6. Memiliki fasilitas toolbox yang berisi subrutin untuk menyelesaikan
persoalan tertentu dan dapat dengan mudah dimodifikasi serta ditambah
untuk pengembangan lebih lanjut.

Halaman 1 dari 101

Bab 1 Pengenalan MATLAB &Pengantar Pemrograman

Secara garis besar lingkungan kerja MATLAB terdiri atas beberapa unsur,
yaitu:
1. Command window (layar kendali)
2. Workspace (rak data)
3. Command history (layar pengingat)
4. M-file (editor ) akan dibahas pada bagian khusus.

Workspace berfungsi sbg


tempat menyimpan secara
ototmatis segala variabel
masukan dan hasil

Command window merupakan


jendela utama MATLAB. Tempat
untuk mengeksekusi perintah
menampilkan masukan dan hasil

Command history adalah tempat menyimpan


secara otomatis segala perintah yang telah
dituliskan pada command windows.

Gambar 1.1 Lingkungan kerja MATLAB 7.0


Untuk lebih jelas mengenai lingkungan kerja MATLAB perhatikan contoh
berikut ini (lihat gambar 1.2). Pada command window ketikkan a = 2 dan b = 4,
maka secara otomatis MATLAB akan menyimpan variabel a dengan harga 2 dan
variabel b dengan harga 4 pada workspace. Variabel a dan b dapat dipanggil
setiap saat dibutuhkan. Misalkan kita ingin menghitung perkalian a dan b,
kemudian menyimpannya dengan nama variabel c. Pada command window
ketikkan c = a*b, maka MATLAB akan memanggil harga a dan b kemudian
melakukan operasi perkalian dan menyimpan hasilnya dengan nama variabel c.
Segala sesuatu yang telah diketikkan pada command window disimpan dalam
command history dan dapat dipanggil kembali dengan menggunakan key arrow
atas dan bawah ().

Halaman 2 dari 101

Bab 1 Pengenalan MATLAB &Pengantar Pemrograman

Perintah memasukan
data variabel a

Menyimpan secara
otomatis harga
variabel a, b , dan c

Perintah memasukan
data variabel b

Perintah menghitung
harga variabel c

Menyimpan secara otomatis perintah-perintah


yang telah diketikkan di command window

Gambar 1.2 Sistem kerja MATLAB


Sekali kita mendefinisikan sebuah variabel, MATLAB akan menyimpan
dalam workspace untuk selamanya. Untuk menghapus seluruh variabel yang
telah dibuat dapat menggunakan perintah clear. Variabel a, b, dan c yang telah
tersimpan akan hilang. Jika ingin membersihkan layar command window tanpa
menghapus variabel-variabelnya kita dapat menggunakan perintah clc. Beberapa
nama variabel yang telah didefinisikan oleh MATLAB sebagai berikut:
Tabel 1.1 Variabel terdefinisi dalam MATLAB
Var

Keterangan

eps

Bilangan yang jika ditambahkan dengan suatu bilangan lain tidak


mengubah besar bilangan lain itu. Epsilon berharga 2.2204e-016

pi

3.1416....

inf

Tak berhingga (Infinity). Simbol matematika = ~

NaN Bilangan tak tentu (Not a Number) contoh 0/0, ~ - ~


i,j

Bilangan imajiner (akar dari -1)

Halaman 3 dari 101

Bab 1 Pengenalan MATLAB &Pengantar Pemrograman

Untuk menamakan sebuah variabel sebaiknya tidak memakai nama-nama


yang telah didefinisikan oleh MATLAB.

1.2 Matrik, Vektor dan MATLAB


MATLAB adalah singkatan dari matrix laboratory. Oleh karena itu
pemahaman terhadap konsep matrik harus memadai agar dapat memanfaatkan
MATLAB sebagai bahasa komputasi dengan maksimal. Vektor merupakan matrik
yang hanya terdiri atas satu kolom atau satu baris saja.
Penulisan matrik di MATLAB
Tanda pisah antar elemen matrik
Tanda koma (,) atau spasi digunakan untuk memisahkan elemen-elemen satu
baris. Tanda titik koma(;) digunakan untuk memisahkan elemen-elemen satu
kolom.
>> a=[1,2,3]
a =
1

>> b=[1;2;3]
b =
1
2
3

>> A=[1 2 3;4 5 6;7 8 9]


A =
1

Matrik transposisi
>> A'
ans =

Halaman 4 dari 101

Bab 1 Pengenalan MATLAB &Pengantar Pemrograman

Menentukan ukuran matrik


>> size(A)
ans =
3

Menentukan determinan matrik


>> det(A)
ans =
0

Menentukan invers matrik


>> inv(A)
Warning: Matrix is close to singular or badly scaled.
Results may be inaccurate. RCOND = 1.541976e-018.
ans =
1.0e+016 *
-0.4504

0.9007

-0.4504

0.9007

-1.8014

0.9007

-0.4504

0.9007

-0.4504

Perhitungan

invers

matrik

menggunakan

MATLAB

ternyata

memunculkan peringatan yang menyatakan bahwa matrik A adalah singular (tak


wajar). Hal ini bisa diketahui lebih awal dengan melihat harga determinan A.
Apabila determinan A berharga nol dapat dipastikan matrik A adalah matrik
singular.
Vektor baris adalah matrik yang terdiri atas satu baris saja.
>> B=[2:6]
B =
2

Penulisan seperti di atas akan menghasilkan vektor baris dengan selisih 1


>> C=[2:2:6]
C =
2

Penulisan seperti di atas akan menghasilkan vektor baris dengan selisih 2

Halaman 5 dari 101

Bab 1 Pengenalan MATLAB &Pengantar Pemrograman

Vektor kolom adalah matrik yang terdiri atas satu kolom saja
>> V=[2:0.5:4]'
V =
2.0000
2.5000
3.0000
3.5000
4.0000

Penulisan seperti di atas akan menghasilkan vektor kolom dengan selisih 0.5

Menentukan ukuran vektor


>> length(V)
ans =
5

Matrik kerancang
Matrik kerancang adalah matrik berdimensi besar yang sebagian besar
elemennya adalah nol. Misalnya:
1
0

0
1

7
0

0
0
0
0
0
7
0

0
8
0
0
0
0
0

0
0
7
0
0
0
0

3
0
9
0
0
0
0

0
0
0
0
0
0
9

6
0
0

0
0

0
0

Matrik segitiga atas


Matriks segitiga atas (disimbolkan U atau R) Adalah matriks bujur sangkar
yang semua elemen di bawah diagonalnya nol
1
0

4
5 6 7
= U4
0 8 9

0 0 10
2 3

Halaman 6 dari 101

Bab 1 Pengenalan MATLAB &Pengantar Pemrograman

Matrik segitiga bawah


Matrik segitiga bawah (disimbolkan L) Adalah matriks bujur sangkar yang
semua elemen di atas diagonalnya nol.
1
2

0
5
6
7

0 0
0 0
= L4
8 0

9 10

Matrik identitas
Matrik identitas adalah matrik yang elemen diagonalnya bernilai 1 dan
elemen lainnya bernilai nol.
1
0

0
1
0
0

0
0
1
0

0
0
= I4
0

Perhatikan cara membuat matrik identitas tanpa harus mengetik elemen


per elemen anggota matrik sbb:
>> diag(ones(4,1))
ans =
1

atau
>> eye(4)
ans =

Matriks diagonal
Matrik diagonal adalah matrik yang elemen selain diagonalnya bernilai nol.

Halaman 7 dari 101

Bab 1 Pengenalan MATLAB &Pengantar Pemrograman

1
0

0
2
0
0

0
0
3
0

0
0
= D4
0

Perhatikan cara membuat matrik diagonal tanpa harus mengetik elemen per
elemen sbb:
>> diag(1:4)
ans =
1

Matrik Tridiagonal
2 1 0 0 0 0 0 0 0
1 2 1 0 0 0 0 0 0

0 1 2 1 0 0 0 0 0

0 0 1 2 1 0 0 0 0
0 0 0 1 2 1 0 0 0

0 0 0 0 1 2 1 0 0
0 0 0 0 0 1 2 1 0

0 0 0 0 0 0 1 2 1
0 0 0 0 0 0 0 1 2

Perhatikan cara membuat matrik diagonal tanpa harus mengetik elemen per
elemen sbb:
>> diag(-2*ones(9,1))+diag(ones(8,1),1)+diag(ones(8,1),-1)
ans =
-2

-2

-2

-2

-2

-2

-2

-2

-2

Halaman 8 dari 101

Bab 1 Pengenalan MATLAB &Pengantar Pemrograman

Aljabar Matrik
Operasi aljabar matrik maupun skalar menggunakan simbol yang tidak jauh
berbeda. Berikut ini hirarki operasi aljabar dalam MATLAB. Pertama ^ kedua *
ketiga / atau \ dan terakhir + dan -. Keterangan:
^

Pangkat

Perkalian

Pembagian matrik kanan (mis: B/A = B*inv(A))

Pembagian matrik kiri (mis: A\B = inv(A)*B)

Penambahan

Pengurangan

Penjumlahan dan pengurangan


Hanya dapat dilakukan jika matrik-matrik yang akan dijumlahkan dan
dikurangkan memiliki orde sama.
2 3 1 6 2 3 1 6 4 6 2 12
1 4 5 2 + 1 4 5 2 = 2 8 10 4

2 3 1 6 2 3 1 6 0 0 0 0
1 4 5 2 1 4 5 2 = 0 0 0 0

>> A =[2 3 1 6;1 4 5 2]


A =

12

10

>> A+A
ans =

>> A-A
ans =

Halaman 9 dari 101

Bab 1 Pengenalan MATLAB &Pengantar Pemrograman

Perkalian matrik
Syarat jumlah kolom A = jumlah kolom baris B

AB

AB BA
Misal
1
B = 2
3

A = [1 2 3]

1
AB = [1 2 3] 2 = 1 + 4 + 9 = 14
3

(1 x 3) (3 x 1)=(1 x 1)
1
1 2 3

BA = 2 [1 2 3] = 2 4 6
3
3 6 9

Operasi perkalian matrik dalam MATLAB dilakukan dengan simbol *


>> A=[1,2,3]
A =
1

>> B=[1;2;3]
B =
1
2
3
>> A*B
ans =
14
>> B*A
ans =
1

Halaman 10 dari 101

Bab 1 Pengenalan MATLAB &Pengantar Pemrograman

Pembagian matrik kanan

xA = c
x = cA1
x = c/ A
Misalkan:
1 2 3
x 2 5 4 = [ 20 15 8]
4 3 1
>> A=[1 2 3;2 5 4;4 3 1]
A =
1

>> c=[20 15 -8]


c =
20

15

-8

>> x=c/A
x =
-8.6667

3.0952

5.6190

Pembagian matrik kiri

Ax = c
x = A1c
x = A\c
Misalkan:
1 2 3
20
2 5 4 x = 15


4 3 1
8

>> A=[1 2 3;2 5 4;4 3 1]


A =
1

Halaman 11 dari 101

Bab 1 Pengenalan MATLAB &Pengantar Pemrograman


>> c=[20;15;-8]
c =
20
15
-8

>> x=A\c
x =
-1.0000
-4.7143
10.1429

Beberapa fungsi built in matrik -perintah yang telah terdefinisi dalam


MATLAB- akan sangat berguna untuk mempermudah pekerjaan perhitungan
matrik, disajikan sebagai berikut.

expm

eksponensial dari sebuah matrik

logm

logaritma dari sebuah matrik

sqrtm

akar kuadrat dari sebuah matrik

Operasi elemen matrik


Seringkali dibutuhkan operasi antar elemen-elemen matrik, oleh karena itu
MATLAB telah menyediakan perintah untuk melakukan operasi elemen matrik
dengan simbol .* (titik diikuti dengan bintang). Perkalian elemen hanya dapat
dilakukan untuk orde matrik yang sama.
1. .* perkalian antar elemen matrik. A.*B adalah perkalian antar elemen per
elemen matrik A dengan B. A dan B harus memiliki ukuran yang sama
kecuali jika salah satunya adalah skalar (bilangan tunggal).
2. ./ Pembagian elemen kanan. A./B adalah matrik dengan elemen-elemen
A(i,j)/B(i,j). A dan B harus memiliki ukuran yang sama, kecuali jika salah
satunya adalah skalar.

Halaman 12 dari 101

Bab 1 Pengenalan MATLAB &Pengantar Pemrograman

3. .\ Pembagian elemen kiri. A.\B adalah matrik dengan elemen-elemen


B(i,j)/A(i,j). A dan B harus memiliki ukuran yang sama, kecuali jika salah
satunya adalah skalar.
4. .^ Pangkat elemen. A.^B is adalah matrik dengan elemen-elemen A(i,j)
pangkat B(i,j). A dan B harus memiliki ukuran yang sama, kecuali jika
salah satunya adalah skalar.
Berikut ini masing-masing contoh operasi elemen matrik.
>> A=[1 2;3 4]
A =
1

>> A.*A
ans =
1

16

>> A./A'
ans =

1.0000

0.6667

1.5000

1.0000

>> A.\A'
ans =
1.0000

1.5000

0.6667

1.0000

>> A.^A
ans =
1

27

256

Halaman 13 dari 101

Bab 1 Pengenalan MATLAB &Pengantar Pemrograman

1.3 Membuat Grafik


Grafik 2 Dimensi
Perintah menggambar grafik 2D

plot(x,y)
Misalkan:
x

2.7

7.4

20.1

54.6

148.4

>> x=[1,2,3,4,5]
x =
1

>> y=[2.7,7.4,20.1,54.6,148.4]
y =
2.7000

7.4000

20.1000

54.6000

148.4000

150

100

50

>> plot(x,y)
>> xlabel('x')
>> ylabel('y')

1.5

2.5

3
x

3.5

4.5

Gambar 1.3 Grafik 2 Dimensi


Grafik 3 Dimensi
Perintah menggambar grafik 3D

surf(x,y,z)
Misalkan:
x

z(x=1)

z(x=2)

z(x=3)

10

13

10

13

18

17

20

25

Halaman 14 dari 101

Bab 1 Pengenalan MATLAB &Pengantar Pemrograman


>> x=[1 2 3]
x =

>> y=[1 2 3 4]

y =

>> z=[2 5 10;5 8 13;10 13 18;17 20 25]

z =
25

10

20

13

15

10

13

18

17

20

25

10
5

>> surf(x,y,z)
>> xlabel('x')

0
4
3

2.5

>> zlabel('z')

>> ylabel('y')
y

1.5
1

Gambar 1.4 Grafik 3 Dimensi


Untuk mempercantik tampilan dan mempermudah penafsiran grafik dengan
menambah legenda warna ketikkan perintah berikut ini.
>> shading interp
>> colorbar

Halaman 15 dari 101

Bab 1 Pengenalan MATLAB &Pengantar Pemrograman

Gambar 1.5 Grafik 3 Dimensi yang diperhalus

Grafik 3 Dimensi Semu


Apabila penafsiran grafik 3D seperti tercetak di muka masih dirasakan
sulit, MATLAB telah menyediakan perintah untuk membuat grafik 3D menjadi
grafik 2D.
>> pcolor(x,y,z)
>> xlabel('x')
>> ylabel('y')
>> zlabel('z')
>> shading interp
>> colorbar

Gambar 1.6 Grafik 3 Dimensi semu

1.4 Algoritma & Pemrograman


Algoritma adalah urutan langkah-langkah logis yang dibutuhkan untuk
melakukan suatu tugas spesifik. Algoritma dapat dituliskan dalam bentuk kalimat,
namun lebih umum dituliskan dalam bentuk diagram alir (flow chart).

Halaman 16 dari 101

Bab 1 Pengenalan MATLAB &Pengantar Pemrograman

Tabel 1.2 Simbol algoritma pemrograman


Simbol

Nama

Fungsi

Garis alir

Menyatakan aliran logika

Terminal

Menyatakan awal atau


akhir suatu program.

Proses

Menyatakan perhitungan
atau manipulasi data.

Masukan/keluaran

Menyatakan masukan
atau keluaran data dan
informasi

Kondisi/keputusan

Menyatakan sebuah
perbandingan, pertanyaan
atau keputusan yang
menentukan lintasan
mana yang akan diikuti.

Konektor

Menyatakan perpindahan
halaman.

M-file
Sampai saat ini kita masih menjalankan perintah-perintah serta masukan
data dengan mengetikkannya secara langsung dalam command window. Tentunya
akan sangat merepotkan jika kita dihadapkan pada persoalan yang menuntut
pembuatan program yang sangat panjang berpuluh-puluh bahkan beratus-ratus
baris perintah. Untuk kemudahan dalam membuat program, MATLAB
menyediakan fasilitas m-file atau editor sebagai tempat untuk mengetikkan
perintah dan menyimpan program-program yang dibuat. Penulisan program dalam

Halaman 17 dari 101

Bab 1 Pengenalan MATLAB &Pengantar Pemrograman

m-file dapat dilakukan dengan dua cara, yaitu skrip m-file dan fungsi m-file.
Berikutnya akan dibahas satu per satu.

Cara membuka M-File:


File/New/M-File

Gambar 1.7 Membuka m-file


Aturan penamaan m-file
Penamaan m file baik untuk skrip maupun fungsi memiliki aturan tertentu
yang harus dipatuhi. Berikut ini aturan penamaan m-file pada MATLAB 7.
1. Penamaan harus dimulai dengan huruf latin (a-z atau A-Z) baru kemudian
boleh diikuti dengan angka. Huruf kapital dengan huruf kecil tidaklah
sama (FILE file)
2. Tidak boleh ada spasi, titik, koma, titik koma, dan segala macam tanda
baca lainnya kecuali underscore ( _ ).
3. Nama sebuah fungsi m-file sebaiknya disamakan dengan nama fungsinya.
4. Sebaiknya tidak menggunakan nama yang telah didefinisikan sebagai
fungsi MATLAB tertentu, contoh roots, fzero,zeros dll.

Halaman 18 dari 101

Bab 1 Pengenalan MATLAB &Pengantar Pemrograman

Skrip m-file
Skrip adalah file sederhana yang tidak memiliki input argumen dan output
argumen. Definisi lain yang mudah diingat, skrip adalah penulisan program
MATLAB dalam m-file dengan bentuk bukan fungsi. Sebagai contoh berikut ini
adalah penulisan perintah-perintah dalam m-file untuk membuat grafik 3D yang
telah dituliskan sebelumnya secara langsung pada command window. File ini
disimpan dengan nama coba_m_file.m

Gambar 1.7 Skrip coba_m_file.m


Untuk memberikan komentar dalam m-file dapat dilakukan dengan
menambahkan % sebelum mengetikkan komentar atau keterangan yang
diperlukan seperti terlihat pada coba_m_file di atas.
Eksekusi atau menjalankan skrip tersebut dapat dilakukan dengan berbagai
cara yang berbeda sbb:
Halaman 19 dari 101

Bab 1 Pengenalan MATLAB &Pengantar Pemrograman

1. Tekan tombol F5 pada keyboard, atau


2. Klik debug kemudian run, atau
3. Aktifkan command window. Ketikkan nama file yang akan dieksekusi.
>>coba_m_file.

Fungsi m-file
Seperti yang telah dijelaskan sebelumnya selain dengan skrip kita dapat
juga melakukan pemrograman dalam bentuk lain yaitu fungsi m-file. Penjelasan
mengenai cara membuat fungsi m-file dilakukan dengan pendekatan contoh soal
kasus 1. Namun sebelum menginjak pada pembahasan cara membuat m-file, saya
akan mengajak untuk melihat beberapa fungsi yang telah ada dalam MATLAB
sebagai fungsi built in sebagai berikut.
Tabel 1.3 Fungsi built in MATLAB

Fungsi

Keterangan

sin(x)
sind(x)
cos(x)
cosd(x)
tan(x)
tand(x)
log(x)
log10(x)
log2(x)
exp(x)
sqrt(x)

harga sinus dari x, radian


harga sinus dari x, derajat
harga kosinus dari x, radian
harga kosinus dari x, derajat
harga tangen dari x, radian
harga tangen dari x, derajat
logaritma dengan basis bilangan natural e dari x
logaritma dengan basis bilangan 10 dari x
logaritma dengan basis bilangan 2 dari x
eksponensial dari x
akar kuadrat dari x

Kasus 1 [volume tangki penyimpan]


Senyawa kimia yang mudah menguap pada temperatur kamar biasa disimpan
dalam fasa cair pada tekanan uapnya. Dalam kasus ini n-butana (C4H10) di simpan
pada tekanan 2,581 bar dan temperatur 300 K. Penyimpanan skala besar (bulk>50
m3) n-butana seringkali dilakukan dalam tangki yang berbentuk bola (spherical).
Sebuah tangki penyimpan n-butana berbentuk bola. Hitunglah volume tangki jika
bola memiliki jari-jari 2,3,9,10 m!.

Halaman 20 dari 101

Bab 1 Pengenalan MATLAB &Pengantar Pemrograman

Jawaban:
4
Vbola = r 3
3

Algoritma pemrograman
Mulai

Masukan harga
Jari-jari, r (m)

Hitung harga
Volume bola
V = 4/3**r^3

Harga Volume
Bola (m3)

Selesai
Penulisan program untuk kasus 1 kita dilakukan dengan dua cara, yaitu
dalam bentuk skrip dan fungsi .

Halaman 21 dari 101

Bab 1 Pengenalan MATLAB &Pengantar Pemrograman

Penulisan program dalam bentuk skrip


% kasus_1.m
clc
clear
r = 2:10
V =4/3*pi*r.^3
% Membuat grafik V terhadap r
plot(r,V)
xlabel('jari-jari [m]')
ylabel('Volume [m^3 ]')

Eksekusi kasus_1.m dalam command window


>>kasus_1
r =
2

V =
1.0e+003 *
Columns 1 through 5
0.0335
0.1131
Columns 6 through 9
1.4368
2.1447

0.2681

0.5236

3.0536

4.1888

10

0.9048

4500
4000
3500

Volume [m3 ]

3000
2500
2000
1500
1000
500
0

6
jari-jari [m]

10

Gambar 1.8 Volume vs jari-jari tangki penyimpan [skrip]

Halaman 22 dari 101

Bab 1 Pengenalan MATLAB &Pengantar Pemrograman

Penulisan program dalam bentuk fungsi


%kasus1.m
function V = kasus1(r)
V = 4/3*pi*r.^3
% Membuat gambar
plot(r,V)
xlabel('jari-jari [m]')
ylabel('volume [m^3 ]')

Eksekusi fungsi kasus1.m di command window


>> kasus1(2:10)
ans =
1.0e+003 *
Columns 1 through 5
0.0335
0.1131
Columns 6 through 9
1.4368
2.1447

0.2681

0.5236

3.0536

4.1888

0.9048

Eksekusi sebuah fungsi dapat pula dilakukan dengan perintah berikut ini.

feval(fungsi,x1,...,xn)
x1,....,xn adalah varibel bebas yang akan dievaluasi.
>> feval('kasus1',[2:10])
ans =
1.0e+003 *
Columns 1 through 5
0.0335

0.1131

0.2681

0.5236

3.0536

4.1888

0.9048

Columns 6 through 9
1.4368

2.1447
4500
4000
3500

Volume [m3 ]

3000
2500
2000
1500
1000
500
0

6
jari-jari [m]

10

Gambar 1.8 Volume vs jari-jari tangki penyimpan [fungsi]

Halaman 23 dari 101

Bab 1 Pengenalan MATLAB &Pengantar Pemrograman

Kontrol aliran
MATLAB memiliki kontrol aliran yang berguna dalam menentukan
berbagai keputusan selanjutnya sebuah program, diantaranya adalah for, if, while,
dan switch. Pernyataan relasi yang sering digunakan dalam kontrol aliran adalah
sebagai berikut:
==

sama dengan

>

lebih besar dari

<=

kurang dari sama dengan

operator logika tidak

>=

lebih dari sama dengan

&

operator logika dan

~=

tidak sama dengan

operator logika atau

<

kurang dari

for
% ideal.m
clear
clc
R = 8.314;

%J/mol.K

T =[310:10:400];

%K

P =1e5;

%Pa

for i = 1:10
V(i)=R*T(i)/P;

%m3/mol

end
V

if
%nilai.m
x = input('masukkan nilai ujian=');
if x >= 80
disp('Nilai A')
elseif x >= 65
disp('Nilai B')
elseif x >= 55
disp('Nilai C')
elseif x >= 45
disp('Nilai D')
else
disp('Nilai E')
end

Halaman 24 dari 101

Bab 1 Pengenalan MATLAB &Pengantar Pemrograman

While
%diff.m
dif=1;
x2=7
while dif > 0.0005
x1=x2-cos(x2)/(1+x2);
dif=abs(x2-x1);
x2=x1
end

Switch
%pilih.m
method = 'Bilinear';

switch lower(method)
case {'linear','bilinear'}
disp('Method is linear')
case 'cubic'
disp('Method is cubic')
case 'nearest'
disp('Method is nearest')
otherwise
disp('Unknown method.')
end

1.5 Manfaatkan fasilitas help!


Masih sangat banyak sekali bahasan MATLAB yang berlum tercakup
dalam buku ajar ini. Semua hal yang berkaitan dengan operasional MATLAB
sudah ada dalam help MATLAB. Kita tinggal membuka dan mempelajarinya
sendiri.

Apabila

menemukan

kesulitan

dalam

melakukan

pemrograman

menggunakan MATLAB, kita dapat memanfaatkan fasilitas help. Caranya dengan


mengetikkan help kemudian ketikan topik yang kita cari.

Halaman 25 dari 101

Bab 1 Pengenalan MATLAB &Pengantar Pemrograman

Tugas 1: Pengenalan MATLAB dan Membuat Program Sederhana


Nomor 1 (Tutorial MATLAB)
Baca tutorial Cepat Mahir MATLAB, Bab 1 Memulai Menggunakan
MATLAB dan Bab 5 Fungsi M-File.
Nomor 2 (Persamaan Antoine)
Buat sebuah algoritma dan program dalam M-file untuk menghitung tekanan uap
murni n-heksana dalam rentang temperatur 25 - 100 oC, dengan menggunakan
persamaan Antoine sbb:

ln P = A B /(T + C )
Dengan
A = 14.0568 T = Temperatur (K)
B = 2825.42

P = Tekanan uap murni (kPa)

C = -42.7089
Buat pula grafik P terhadap T-nya menggunakan rutin plot dalam MATLAB.
Nomor 3 (Equimolar Counterdiffusion)
Gas amoniak (A) berdifusi melalui pipa sepanjang 0,10 m yang berisi gas N2 (B)
pada tekanan 1,0132 x 105 Pa dan temperatur 298 K. Tekanan pada titik 1 PA,1 =
1,013 x 104 Pa dan pada titik 2 PA,2 = 0,507 x 104 Pa. Diffusivitas DAB = 0,230
x 10-4 m2/s. Laju diffusi gas amoniak (A) dapat dievaluasi menggunakan Hukum
Ficks berikut ini:
J A* =

DAB ( PA1 PA 2 )
[kmol. A /( s.m 2 )]
RT z

R = 8314 J/(kmol.K)

Buat sebuah algoritma dan program MATLAB berupa suatu fungsi dalam M-file
untuk menghitung laju diffusi gas amoniak.
Petunjuk : program terdiri atas 2 buah m-file. 1 buah untuk menulis fungsi, 1 buah untuk
mengeksekusi fungsi.

_____________________________________o0o_____________________________________

Halaman 26 dari 101

Bab 2 Sistem Persamaan Linier

Bab 2
Sistem Persamaan Linier
2.1 Definisi Vektor-Vektor TSL (Terhubung Secara Linier)
Sehimpunan vektor x1, x2, ......, xn yang masing-masing berukuran m
disebut terhubung secara linier (TSL) jika dapat ditemukan sehimpunan
konstanta k1 , k2 ,...., kn dengan harga tidak semuanya nol, sehingga:

k1 x1 + k2 x2 + .... + kn xn = 0
Catatan:
0 adalah vektor yang semua elemennya nol berukuran m.
Contoh himpunan vektor TSL
1
2
3

x1 = 2 , x2 = 4 , x3 = 6
3
6
9

1
2
3 0

(2) 2 + (1) 4 +(0) 6 = 0


3
6
9 0
k1

k2

k3

2.2 Definisi Vektor-Vektor TTSL


Sehimpunan vektor x1, x2, ......, xn yang masing-masing berukuran m
disebut tak terhubung secara linier (TTSL) jika TIDAK dapat ditemukan
sehimpunan konstanta seperti pada vektor TSL.
Penentuan keterhubungan linier dari vektor-vektor dengan cara yang telah
didefinisikan diatas tidaklah praktis karena hanya mengandalkan prinsip cobacoba. Metode praktis yang dapat diterapkan untuk menentukan keterhubungan
linier dari vektor-vektor adalah ortogonalisasi Gram Schmidt.

Halaman 27 dari 101

Bab 2 Sistem Persamaan Linier

2.3 Konsep Keortogonalan


Sehimpunan dari n buah vektor berdimensi m (x1, x2, ......, xn) disebut
himpunan ortogonal/saling tegak lurus jika kedua syarat di bawah ini terpenuhi.

( xi ) x j
T
( xi ) x j
T

= 0 untuk i j dan
0 untuk i = j dengan i, j = 1, 2,..., n

Sehimpunan vektor-vektor yang ortogonal pasti TTSL, namun TTSL belum tentu
ortogonal. Diagram vennya sbb:

TTSL
Ortogonal

Contoh:
3
0.6
(1) x1 = , x2 =
1
1.8

0.6
x1T x2 = [3 1] = 1.8 1.8 = 0
1.8
3
x1T x1 = [3 1] = 9 + 1 = 10
1

ortogonal

Pada praktek komputasi seringkali ditemukan

( xi )

x j 0 hampir ortogonal.

Untuk ( xi ) x j 105 secara praktis bisa dikatakan ortogonal.


T

Ortogonalisasi Gram-Schmidt

Menegakkan sehimpunan vektor-vektor ortogonal y1,y2,....,yn dari suatu


himpunan vektor-vektor x1, x2,....,xn.

Halaman 28 dari 101

Bab 2 Sistem Persamaan Linier

1. y1 = x1
( y1 )T x2
2. y2 = x2
y1
T
( y1 ) y1
( y1 )T x3
( y2 )T x3
3. y3 = x3
y1
y2
T
T
( y1 ) y1
( y2 ) y2
( y1 )T xi
( yi 1 )T xi
i. yi = xi
y1 KK
yi 1
T
T
( y1 ) y1
( yi 1 ) yi 1
Vektor-vektor y1 , y2 ,K , yn saling tegak lurus satu sama lain dan y1 juga tegak
lurus pada x1 , x2 ,K , x j 1 .

Pengujian Keterhubungan Linier Vektor-Vektor

Konstruksi vektor-vektor yang saling tegak lurus (ortogonal) dengan


metode Gram-Schmidt dari vektor-vektor yang akan diuji. Jika (V j ) V j = 0 (atau
T

mendekati nol), maka himpunan vektor yang diuji TSL.

Contoh:
Ortogonalisasikan vektor-vektor kolom dari matrik A berikut ini.
1 2 3
A = 4 5 6
7 8 9

Jawaban:
x1 x2 x3
1 2 3
A = 4 5 6
7 8 9

Menghitung y1
y1 = x1 = [1 4 7 ]

Halaman 29 dari 101

Bab 2 Sistem Persamaan Linier

Menghitung y2

( y1 )

1
y1 = [1 4 7 ] 4 = 1 + 16 + 49 = 66
7

( y1 )

2
x2 = [1 4 7 ] 5 = 2 + 20 + 56 = 78
8

( y )T x
78
T
T
y2 = x2 1 T 2 y1 = [ 2 5 8] [1 4 7 ] = [ 0.8182 0.2727 -0.2727 ]
66
( y1 ) y1

Menghitung y3

( y1 )

3
x3 = [1 4 7 ] 6 = 3 + 24 + 63 = 90
9

( y2 )

3
x3 = [ 0.8182 0.2727 -0.2727 ] 6 = 1.6364
9

( y2 )

0.8182
y2 = [ 0.8182 0.2727 -0.2727 ] 0.2727 = 0.8182
-0.2727

( y1 )T x3
( y2 )T x3
y3 = x3
y1
y2
T
T
( y1 ) y1
( y2 ) y2
90
1.6364
T
y3 = [3 6 9] [1 4 7 ]
[ 0.8182 0.2727 0.2727] = [ 0 0 0]
66
0.8182
Dapat disimpulkan bahwa banyaknya vektor-vektor kolom A yang TTSL
adalah 2.

Halaman 30 dari 101

Bab 2 Sistem Persamaan Linier

2.4 Norma vektor dan matrik

Misalkan x adalah vektor kolom/baris berdimensi n


A adalah matrik bujursangkar berdimensi n x n

Norma ke-1
n

x 1 = xi = x1 + x2 + ... + xn
i =1

A 1 = maks aij
j

(norma kolom)

i =1

Norma ke-2
1

n
2
x 2 = ( xi )
i =1

Panjang Vektor

A 2 Norma spektral

Memiliki sifat yang lebih baik daripada A 1 dan

A , sayangnya tidak mempunyai ungkapan matematis yang sederhana sehingga

jarang digunakan dalam komputasi numeris sebagai gantinya digunakan norma


frobenius.

Norma Frobenius

n n
2
= ( aij )
i =1 j =1

Norma ke-

= maks xi
i

A = maks aij
i

j =1

norma baris

Halaman 31 dari 101

Bab 2 Sistem Persamaan Linier

Contoh:
x = [1 2 3]
3

x 1 = xi = x1 + x2 + x3 = 1 + 2 + 3 = 6
i =1

2
3
2
x 2 = ( xi ) = x12 + x22 + x32 = (1) 2 + (2) 2 + (3) 2 = 1 + 4 + 9 = 14
i =1

= maks xi = 3 = 3
i

1 2 3
A = 4 5 6
7 8 9
1 + 4 + 7 = 12

1 + 2 + 3 = 6
4 + 5 + 6 = 15

= 24

7 + 8 + 9 = 24

A F = 1+ 4 + 9 +16 + 25 + 36 + 49 + 64 + 81 = 285

2 + 5 + 8 = 15
3 + 6 + 9 = 18
A 1 = 18

2.5 Martabat matrik

Martabat sebuah matrik adalah jumlah maksimum kolom-kolom TTSL


dari matrik yang bersangkutan. Banyak maksimum kolom TTSL sama dengan
banyak maksimum baris TTSL. Perintah dalam MATLAB untuk menentukan
martabat suatu matrik adalah rank.
Contoh:
>> A=[1 2 3;4 5 6;7 8 9]
A =
1

Halaman 32 dari 101

Bab 2 Sistem Persamaan Linier


>> rank(A)
ans =
2

Tugas 2 Ortogonalisasi Gram-Schmidt (pilihlah salah satu soal berikut ini!)

Nomor 1
Konstruksi sekumpulan vektor kolom yang saling tegak lurus dari vektor-vektor
kolom matrik A di bawah ini, dengan menggunakan ortogonalisasi Gram-Schmdt.
1 0 1 1 1
1 1 0 2 2

A = 1 1 2 0 4

3 1 2 4 0
0 1 1 1 3
Nomor 2
Buatlah

sebuah

pemrograman

program

MATLAB.

ortogonalisasi
Jangan

lupa

Gram-Schmidt
untuk

dalam

menyertakan

bahasa
algoritma

pemrogramannya.

2.6 Metode eliminasi Gauss

3x1 + 18 x2 + 9 x3 = 18
2 x1 + 3x2 + 3x3 = 117
4 x1 +

x2 + 2 x3 = 283

Matrik perbesarannya adalah sebagai berikut:

3 18 9 | 18
A = 2 3 3 |117
4 1 2 |283
Langkah 1 Buat elemen di bawah a11 menjadi nol
Hitung:
l21 =

a21 2
=
a11 3

Halaman 33 dari 101

Bab 2 Sistem Persamaan Linier

l31 =

a31 4
=
a11 3

Hitung:
Baris ke-2 baru = baris ke-2 lama l21 x baris ke-1
= [ 2 3 3 |117 ] 2 3 x [3 18 9|18]
= [ 0 9 3 |105]
Baris ke-3 baru = baris ke-3 lama l31 x baris ke-1

= [ 4 1 2 | 283] 4 3 x [3 18 9 |18]
= [ 0 23 10 | 259]

9 | 18
3 18

A = 0 9 3 | 105
0 23 10 | 259
Langkah 2
Hitung:

l32 =

a32 23
=
a22 9

Hitung:
Baris ke-3 baru = baris ke-3 lama l32 x baris ke-2
= [ 0 23 10 |105] 23 9 x [ 0 9 3 | 259]
= [ 0 0 7 3 | 28 3 ]

9
|
18
3 18
0 9 3 | 105

0 0 7 / 3 | 28 / 3
3 x1 + 18 x2 + 9 x3 = 18
9 x2 3 x3 = 105
73 x3 = 283

x3 = 4

Halaman 34 dari 101

Bab 2 Sistem Persamaan Linier

x2 = 13
x1 = 72
Berikut ini permrograman metode Gauss dalam bahasa MATLAB 7
function x = Gauss(A , c)
%GAUSS Solves a set of linier algebraic equations by the Gauss
% elimination method.
% GAUSS(A,C) finds unknowns of a set of linier algebraic
% equations. A is the matrix of coefficients and C is the
% vector of constants.
%
% See also JORDAN, JACOBI.
%(c) by N. Mostoufi & A. Constantinides
%January 1,1999
c = (c(:).)

; %Make sure it's a column vector

n = length(c);
[nr nc] = size(A);
% Check coefficient matrix and vector of constants
if nr ~= nc
error('Coefficient matrix is not square.')
end
if nr ~= n
error('Coefficient matrix and vector of constants do not have the same length')
end
% Check if the coefficient matrix is singular
if det(A) == 0
fprintf('\n Rank = %7.3g\n',rank(A))
error('The coefficient matrix is singular.')
end
unit = eye(n); % Unit matrix
order = [1 : n]; % Order of unknowns
aug = [A c]; % Augmented matrix
% Gauss elimination
for k = 1 : n-1
pivot = abs(aug(k , k));
prow = k;
pcol = k;

Halaman 35 dari 101

Bab 2 Sistem Persamaan Linier

% Locating the maximum pivot element


for row = k : n
for col = k : n
if abs(aug(row , col)) > pivot
pivot = abs(aug(row , col));
prow = row;
pcol = col;
end
end
end
% Interchanging the rows
pr = unit;
tmp = pr(k , :);
pr(k , :) = pr(prow , :);
pr(prow , :) = tmp;
aug = pr * aug;
% Interchanging the columns
pc = unit;
tmp = pc(k , :);
pc(k , :) = pc(pcol , :) ;
pc(pcol , :) = tmp;
aug(1 : n, 1 : n) = aug(1 : n , 1 : n) * pc;
order = order * pc; % Keep track of the column interchanges
% Reducing the elements below diagonal to zero in the column k
lk = unit;
for m = k + 1 : n
lk(m , k) = - aug(m , k) / aug(k , k);
end
aug = lk * aug;
end
x = zeros(n , 1);
% Back substitution
t(n) = aug(n , n + 1) / aug(n , n);
x(order(n)) = t(n);
for k = n - 1 : -1 : 1
t(k) = (aug(k,n+1) - sum(aug(k,k+1:n).*t(k+1:n))) / aug(k,k);
x(order(k)) = t(k);
end

Kasus1
Kukus lewat jenuh bertemperatur 130 oC mengalir dalam sebuah pipa yang
memiliki diameter dalam 20 mm (D1), dan diameter luar 25 mm (D2). Pipa
diinsulasi setebal 40 mm [(D3 D2)/2]. Koefisien konveksi kukus (hi) = 1700

Halaman 36 dari 101

Bab 2 Sistem Persamaan Linier

W/m2.K, dan koefisien konveksi udara (ho) = 3 W/m2.K. Konduktivitas termal


pipa (ks) = 45 W/m.K, dan insulasi (ki) = 0,064 W/m.K. Temperatur udara di luar
insulasi = 25 oC. Perkirakan temperatur T1, T2, dan T3.

T2

T3

T1
Kukus, TS

Udara, Ta

Perpindahan panas dari kukus ke pipa.

hi D1 (TS T1 ) =

(T1 T2 )
ln ( D2 / D1 ) / ( 2 k s )

Perpindahan panas dari pipa ke insulasi

(T1 T2 )
(T2 T3 )
=
ln ( D2 / D1 ) / ( 2 k s ) ln ( D3 / D2 ) / ( 2 ki )
Perpindahan panas dari insulasi ke udara

(T2 T3 )
= hO D3 (T3 Ta )
ln ( D3 / D2 ) / ( 2 ki )
Ada tiga persamaan linier yang berhasil dirumuskan dari peneracaan energi
tersebut.

2k s
2k s
+ hi D1 T1

T2 = hi D1TS
ln
D
/
D
ln
D
/
D
(
)
(
)
2
1
2
1

ks
ks
ki
ki
+

T1
T2 +
T3 = 0
ln ( D2 / D1 )
ln ( D2 / D1 ) ln ( D3 / D2 )
ln ( D3 / D2 )

2 ki
2 ki
+ hO D3 T3 = hO D3Ta

T2
ln ( D3 / D2 )
ln ( D3 / D2 )

Ubah sistem persamaan linier menjadi bentuk matrik Ax = c, menjadi sbb:

Halaman 37 dari 101

Bab 2 Sistem Persamaan Linier

2k s
2k s
+ hi D1

ln ( D2 / D1 )

ln ( D2 / D1 )

T1 hi D1TS

ks
ks
ki
ki

T = 0

2
D
D
D
D
D
D
D
D
ln
/
ln
/
ln(
/
)
ln
/
(
(
(
2
1)
2
1)
3
2
3
2 )

T3 hO D3Ta

2 ki
2 ki
h
D
0

O 3
D
D
D
D
ln
/
ln
/
(
)
(
)

3
2
3
2


Berikut ini pemrograman MATLAB-nya.
%kasus2.m
clc
clear
% Input data
Ts = 130;
% oC
Ta = 25;
% oC
D1 = 20e-3;
% Diameter dalam pipa, m
D2 = 25e-3;
% Diameter luar pipa, m
Ith = 40e-3;
% Tebal insulasi, m
D3 = (D2 + 2*Ith);
% Diameter pipa + insulasi
hi = 1700; % Koefisien transfer panas bagian dalam (W/m2.K)
ho = 3 ;
% koefisien transfer panas bagian luar (W/m2.K)
ks = 45;
% Konduktivitas panas baja (W/m.K)
ki = 0.064;
% Konduktivitas panas insulasi (W/m.K)
% Matriks koefisien variabel
A = [2*ks/log(D2/D1)+hi*D1 , -2*ks/log(D2/D1) , 0
ks/log(D2/D1) , -(ks/log(D2/D1)+ki/log(D3/D2)) , ki/log(D3/D2)
0 , 2*ki/log(D3/D2) , -(2*ki/log(D3/D2)+ho*D3)];
% Matriks konstanta
c = [hi*D1*Ts ; 0 ; -ho*D3*Ta];
% Menyelesaikan sis pers. linier dengan fungsi invers MATLAB
T = inv(A)*c

Eksekusi persamaan di command window


>>kasus2
T=
129.7858
129.7678
48.1191

Halaman 38 dari 101

Bab 2 Sistem Persamaan Linier

Tugas 3: Menyelesaikan Sistem Persamaan Aljabar Linier Secara Simultan


Suatu Sistem Distribusi Uap Dalam Sebuah Pabrik Kimia.
Nomor 1

Sebuah sistem persamaan linier dirumuskan dari Neraca massa & energi distribusi
uap pabrik (ditampilkan di bawah). Sistem tersebut terdiri dari 14 buah variabel xi
dengan i = 3,...,16 belum diketahui, dan yi adalah parameter yang telah diketahui.
xi dan yi dalam 1000 lb/h. Dengan menggunakan MATLAB hitunglah 14 variabel
(xi, i=3,,16) yang belum diketahui itu.
181.60 x3 132.57 x4 x5 = y1 y2 + y5 + y4 = 5.1
1.17 x3 x6 = 0
132.57 0.745 x7 = 61.2
x5 + x7 x8 x9 x10 + x15 = y7 + y8 y3 = 99.1
x8 + x9 + x10 + x11 x12 x13 = y7 = 8.4
x6 x15 = y6 y5 = 24.2
1.15(181.60) + x3 x6 + x12 + x16 = 1.15 y1 y9 + 0.4 = 19.7
181.60 4.594 x12 0.11x16 = y1 + 1.0235 y9 + 2.45 = 35.05
0.0423(181.60) + x11 = 0.0423 y1 = 2.88
0.016(181.60) + x4 = 0
x8 0.147 x16 = 0
x5 0.07 x14 = 0
0.0805(181.60) + x9 = 0
x12 x14 + x16 = 0.4 y9 = 97.9

Nomor 2

Ketik ulang program Gauss.m pada m-file MATLAB. Gunakan fungsi gauss itu
untuk menyelesaikan sistem persamaan linier pada nomor 1.

________________________________o0o_______________________________

Halaman 39 dari 101

Bab 3 Persamaan Tak Linier

Bab 3
Persamaan Tak Linier

Persamaan Linier

y = mx + c

y=x

LINIER

Gambar 3.1 Kurva linier


Persamaan Tak Linier
Contoh:

y
y = exp( x)

NON-LINIER
Gambar 3.2 Kurva tak linier

Halaman 40 dari 101

Bab 3 Persamaan Tak Linier

Berikut ini beberapa contoh Persamaan Tak Linier


Tabel 3.1 Contoh Persamaan Tak linier
Jenis Pers.

Contoh

Tak Linier

x2 4 x + 3 = 0

Persamaan Kuadrat
Persamaan Polinomial

x 4 + 6 x3 + 7 x 2 6 x 8 = 0

Persamaan Transenden

sin x 2 exp( x 2 ) = 0

Persamaan Logaritmik

ln(1 + x 2 ) 2 exp( x 2 ) = 0

Dalam aplikasinya di bidang teknik kimia, persamaan tak linier memiliki peranan
yang sangat penting.
Tabel 3.2 Aplikasi Persamaan Tak Linier dalam bidang teknik kimia
Aplikasi Pers. Tak Linier

Neraca Massa dan Energi,

Contoh

H + N
o
0

Tout
out

out
P ,i

To

Termodinamika
Persamaan gas nyata/kubik,
Kesetimbangan reaksi
kimia,

Operasi Teknik Kimia, dll.

P=

RT
a
2
V b V

dT N

Tin
in

in
P ,i

=0

To

(1

C p dT
G0o H 0o H 0o 1 C p
ln K +
+
+
dT
=0
RT0
RT T T0 R
R T
T0
T

n j z jF F

F (1 q ) = 0

j
1
=
j

(2

1) Persamaan kubik tersebut diusulkan oleh Johannes Diderik van der Waals
(1873), Fisikawan Belanda, peraih nobel Fisika pada tahun 1910.
2) Persamaan Underwood untuk distilasi multikomponen.

Halaman 41 dari 101

Bab 3 Persamaan Tak Linier

Klasifikasi persamaan tak Linier


Berdasarkan jumlah banyaknya persamaan tak linier dibagi menjadi dua
1. Persamaan Tunggal
Persamaan tak linier hanya satu buah.
Contoh: x 2 + 2 x 3 = 0

f ( x) = 0

2. Persamaan Serentak/Sistem Persamaan


Persamaan tak linier terdiri atas minimal dua buah.

f 1 ( x1 , x 2 ,..., x N ) = 0

f 2 ( x1 , x 2 ,..., x N ) = 0
...
f N ( x1 , x 2 ,..., x N ) = 0

Contoh :

2 x sin{( x + y ) / 2} = 0
2 x cos{( x y ) / 2} = 0

Solusi Persamaan Tak Linier Tunggal

Mencari akar-akar x yang membuat harga y atau f(x) menjadi nol.

f ( x ) = 0 x = .... ?
Ada berbagai metode numerik yang dapat digunakan untuk menyelesaikan
persaman tak linier tunggal, diantaranya:
z Metode Penyetengahan Interval
z Metode Substitusi Berurut
z Metode Wegstein
z Metode Interpolasi Linear
z Metode Newton-Raphson,dll.

Dalam diktat ini hanya akan diterangkan metode penyetengahan interval dan
metode Newton-Raphson..

Halaman 42 dari 101

Bab 3 Persamaan Tak Linier

Metode penyetengahan interval

Tabel 3.3 Karakteristik metode penyetengahan interval


No
1.

Keunggulan
Sederhana

Kelemahan
Tebakan awal terdiri atas dua buah [a,b]
dan harus memenuhi f(a)*f(b)<0

2.

Pasti konvergen

Laju konvergensi relatif lebih lambat


daripada metode Newton-Raphson

Algoritma metode penyetengahan interval

1. Mulai
2. Definisikan persamaan tak linier yang akan dicari akarnya dan tetapkan
toleransinya.
Misalkan: f(x) = log(x) . Tol = 1e-5
3. Tetapkan dua buah tebakan awal a dan b.
Misalkan: a = 0.1 dan b = 10.
4. Hitung harga f(a) dan f(b)
Hitung: f(0.1) = log(0.1) = -1
f(10) = log(10) = 1
5. Periksa apakah syarat f(a) * f(b) < 0 terpenuhi. Jika syarat terpenuhi proses
dilanjutkan ke langkah berikutnya. Jika tidak kembali ke langkah 2.
Periksa: f(0.1) * f(10) = -1*1 = -1 < 0. Syarat terpenuhi proses berlanjut ke
langkah berikutnya.
6. Hitung harga m = (a + b) / 2
Hitung: m = (0.1 + 10)/2 = 5.05
7. Hitung harga f(m)
Hitung: f(5.05) = log(5.05) = 0.7033
8. Periksa apakah f(a) * f(m) > 0 terpenuhi. Jika terpenuhi, harga a diganti
dengan m. Jika tidak terpenuhi harga b yang diganti dengan m.
Periksa: f(0.1) * f(5.05) = -1*0.7033 = -0.7033 < 0. Syarat tidak terpenuhi
harga b diganti dengan m, sehingga b yang baru = 5.05.

Halaman 43 dari 101

Bab 3 Persamaan Tak Linier

9. Periksa kriteria iterasi, |(a - b)/a| > Tol. Jika kriteria iterasi terpenuhi proses
kembali ke langkah 5. Jika tidak dilanjutkan ke langkah berikutnya..
Periksa: |(0.1 5.05)/0.1| = 49.5 > 1e-5. Kriteria iterasi terpenuhi, maka
kembali ke langkah 5.
10. Hitung harga akar pembuat nol, x = (a + b) / 2
11. Selesai
Algoritma yang telah disusun dimuka, dapat juga dituliskan dalam bentuk
diagram Alir (flow chart) sebagai berikut:
1

mulai

m=(a+b)/2

Definisikan f(x)
dan toleransi

Hitung harga:
f(m)

Tetapkan harga
a dan b

f(a)*f(m)

y
Hitung harga:
f(a), f(b)

tid

a=m
f(a)=f(m)

b=m
f(b)=f(m)

ya

tidak

|(a-b)/a|>tol
f(a)*f(b)<
0

ya

tidak
x*=(a+b)/2

1
Selesai

Gambar 3.3 Algoritma metode penyengahan interval

Halaman 44 dari 101

Bab 3 Persamaan Tak Linier

Pemrograman metode penyetengahan interval dengan menggunakan bahasa


MATLAB.
biseksi.m
function x = biseksi(fungsi,a,b,tol)
% a = tebakan awal pertama, b = tebakan awal kedua
% tol = toleransi
while abs((a - b)/a) > tol
fa = feval(fungsi,a);
fb = feval(fungsi,b);
if fa*fb > 0
error('masukan tebakan a dan b yang berbeda')
end
m = (a + b)/2;
fm = feval(fungsi,m);
if fm*fa > 0;
a = m;
else
b = m;
end
end
x=(a+b)/2;

Contoh:
Carilah akar-akar persamaan kuadrat x 2 + 4 x + 3 = 0 dengan menggunakan metode
penyetengahan interval!.
%kuadrat.m
function y = kuadrat(x)
y = x^2+4*x+3;

Perintah pada command window sbb:


>>biseksi(kuadrat,-2,1,1e-6)
ans =
-1.0000
>> biseksi('kuadrat',-2,-4,1e-6)
ans =
-3.0000

Dari perhitungan menggunakan metode bisection diperoleh akar-akar dari


persamaan kuadrat adalah [-1,-3].

Halaman 45 dari 101

Bab 3 Persamaan Tak Linier

Metode Newton-Raphson

Tabel 4.3 Karakteristik metode penyetengahan interval


No
1.
2.

Keunggulan

Kelemahan

Hanya butuh satu tebakan

Kekonvergenan adakalanya gagal

awal.

dicapai.

Laju konvergensi cepat

y
f ( xn )
0

xn

xn +1

Gambar 3.4 Metode newton-Raphson

f '( xn ) = gradien =
xn +1 = xn

f ( xn +1 ) f ( xn ) 0 f ( xn )
=
xn +1 xn
xn +1 xn

f ( xn )
f '( xn )

Metode Newton-Raphson.

f ( xn )
xn +1 = xn
f '( xn )

Algoritma Metode Newton-Raphson

1. Mulai
2. Definisikan persamaan tak linier dan turunannya.
Misalkan: f(x) = log(x).

f ' ( x) = 1 /( x ln 10)
3. Tetapkan harga tebakan awal ( x0 ) dan besar toleransinya
Misalkan: x0 = 0.1 . Tol = 1e-5
4. Nyatakan x = x 0 dan x0 = x + 1 .

Halaman 46 dari 101

Bab 3 Persamaan Tak Linier

x = 0.1
x0=0.1+1=1.1
5. Periksa kriteria iterasi |(x x0)/x| > Tol. Jika kriteria iterasi terpenuhi
proses dilanjutkan. Jika kriteria iterasi tidak terpenuhi proses dihentikan.
Akar pembuat nol diperoleh.
6. Nyatakan x0 = x.

x0 = 0.1
7. Hitung harga f(x0) dan f(x0).

f(0.1) = -1
f(0.1) = 1/(0.1*ln10) = 4.343
8. Hitung harga x = x0

x = 0.1

f ( x0 )
f ' ( x0 )

(1)
= 0.3303
4.343

9. Kembali ke langkah 5
10. Selesai.

Halaman 47 dari 101

Bab 3 Persamaan Tak Linier

Mulai

Definisikan
f(x) dan f(x),
x0, tol
Nyatakan:
x = x0
x0 = x + 1

tidak
ya
Nyatakan:
x0 = x

Tampilkan
x* = x

Hitung harga:
f(x0) dan f(x0)

Selesai

Hitung harga:
x=x0-f(x0)/f(x0)

Gambar 3.5 Algoritma metode Newton-Raphson

Halaman 48 dari 101

Bab 3 Persamaan Tak Linier

%NewRap.m
function [x iter] = NewRap(fungsi,dfungsi,x0,tol)
% fungsi = fungsi yang akan dicari akar-akarnya
% dfungsi = turunan pertama fungsi
% x0 = tebakan awal
% tol = toleransi
itermax = 100;
iter = 0;
x = x0;
x0 = x + 1;
% loop iterasi
while abs((x - x0)/x) > tol & iter <= itermax
iter = iter + 1;
x0 = x;
fx= feval(fungsi,x);
df= feval(dfungsi,x);
% Rumus Newton-Raphson
x = x0 - fx/df;
end

%kuadrat.m
function y = kuadrat(x)
y = x^2+4*x+3;

%dkuadrat.m
function dy = dkuadrat(x)
dy = 2*x+4;

Kita gunakan contoh kasus yang sama dengan contoh pada metode bisection.
y = x2 + 4x + 3 = 0
dy
= 2x + 4
dx
>> [x iter]=NewRap('kuadrat','dkuadrat',2,1e-6)
x =
-1.0000

Halaman 49 dari 101

Bab 3 Persamaan Tak Linier


iter =
6
>> [x iter]=NewRap('kuadrat','dkuadrat',-4,1e-6)
x =
-3.0000
iter =
5

Dari perhitungan menggunakan metode Newton Raphson diperoleh akar-akar dari


persamaan kuadrat adalah [-1,-3].

Subrutin dalam MATLAB untuk persamaan tak linier tunggal

MATLAB telah menyediakan program untuk menyelesaikan persamaan linier


tunggal yang telah menyatu dengan program MATLAB itu sendiri. Ada dua
subrutin yang umum digunakan, yaitu roots dan fzero.
Tabel 4.4 Perbandingan subrutin roots terhadap fzero
Rutin

Keunggulan

roots.m

1. Seluruh akar dapat diketahui

Kelemahan
1. Hanya untuk pers. kuadrat

dengan hanya sekali

dan polinomial.

menjalankan rutin.
2. Tidak membutuhkan tebakan
mula.
fzero.m

1. Solusi bagi segala jenis pers

1. Hanya satu buah akar

tak linier.

yang dapat diketahui


sekali menjalankan rutin.
2. Membutuhkan tebakan
mula.

Penggunaan roots:
Penulisan perintah roots di Command window MATLAB
C(1)*X^N + ... + C(N)*X + C(N+1)

Halaman 50 dari 101

Bab 3 Persamaan Tak Linier

C = [C(1) C(2)........C(N) C(N+1)


roots(C)
Contoh persamaan kuadrat x 2 + 4 x 5 = 0 maka C(1)=1, C(2)=4, C(3)= -5.
Carilah akar-akar persamaan kuadrat di bawah ini.

x2 + 4 x 5 = 0
MATLAB Command window
>> C=[1 4 -5]
C =
1

-5

>> roots(C)
ans =
-5
1

Penggunaan fzero:
Penulisan fzero di MATLAB Command window

x =fzero(fungsi,x0)
Contoh penggunaan fzero:
x2 + 4 x + 3 = 0
Penulisan contoh di MATLAB Command window
>> fzero('x^2+4*x+3',0)
ans =
-1

Halaman 51 dari 101

Bab 3 Persamaan Tak Linier

Untuk keteraturan dan kemudahan pemanggilan akan lebih baik mendefinisikan


fungsi pada m-file.
%kuadrat.m
function y = kuadrat(x)
y = x^2+4*x+3

Baru kemudian kita panggil fungsi dari MATLAB Command window


>> x = fzero('kuadrat',0)
x =
-1

Untuk mencari akar lainnya, ubah tebakan awalnya.


>> x = fzero('kuadrat',-4)
x =
-3.0000

Kasus 3 Aplikasi subrutin roots


Kasus 3
Tekanan uap n-butana pada temperatur 350 K adalah 9.4573 bar.
Hitunglah volume molar uap jenuh dan cair jenuh n-butana pada
Kondisi tersebut dengan menggunakan persamaan gas Van der Waals.
(R=8.314j/mol.K ;Tc=425.1 K; Pc=37.96 bar)

Jawaban:
Persamaan Van der Waals
P=

RT
a
2
V b V

a=

27 R 2Tc 2
1 RTc
dan b =
64 Pc
8 Pc

Transformasi ke
dalam bentuk umum
pers.polinomial

Halaman 52 dari 101

Bab 3 Persamaan Tak Linier

P (V b)(V 2 ) = RTV 2 a(V b)


P (V 3 bV 2 ) = RTV 2 aV + ab
PV 3 ( Pb + RT )V 2 + aV ab = 0
% kasus3.m
clear
clc
% Masukan kondisi operasi
P = input('masukan tekanan, Pa = ');
T = input('masukan temperatur, K = ');
R = 8314 ;
%J/(kmol.K)
Pc = 37.96e5; %Pa
Tc = 425.1;
%K
% Hitung konstanta a & b
a = (27/64)*R^2*Tc^2/Pc;
b = (1/8)*R*Tc/Pc;
% Definisikan koefisien polinomial
VdW=[P, -(P*b + R*T), a, -a*b];
vol = roots(VdW)
%liter/mol

Eksekusi program kasus3.m. Masukan dan hasil di Command Window


>>kasus3
masukan tekanan, Pa = 9.4573e5
masukan temperatur, K = 350
vol =
2.6669
0.3354
0.1910

Kasus 4 Aplikasi subrutin fzero


Diketahui sebuah persamaan kapasitas panas sbb.

Cp = 0.716 4.257 E 6T +

15.04
T

kJ
kg.K

Tentukan temperatur pada saat Cp = 1 kJ/kg.K !

Halaman 53 dari 101

Bab 3 Persamaan Tak Linier

Langkah 1 Membuat program fungsi yang akan dinolkan.


%KapPns.m
function f = KapPns(T,cp)
%Persamaan tak linier yang akan dinolkan
f = cp - 0.716 + 4257e-6*T - 15.04/T^0.5;

Langkah 2 Membuat program pengeksekusi


% kasus4.m
clear
clc
cp = input('masukan kapasitas panas,kJ/kg.K = ');
T = fzero(@(T) KapPns(T,cp),100)

Langkah 3 Eksekusi program kasus4.m


Masukan dan hasil di Command Window
>> kasus4
masukan harga kapasitas panas,kJ/kg.K = 1
T=
189.7597

Tugas 4
Menyelesaikan persamaan tak linier tunggal dengan menggunakan
subrutin MATLAB

Tekanan uap n-butana pada temperatur 350 K adalah 9.4573 bar. Volume molar
uap jenuh dan cair jenuh n-butana pada kondisi tersebut dapat dihitung dengan
menggunakan persamaan kubik Redlich-Kwong-Soave sebagai berikut:
P=

RT
a

V b V (V + b)

Dalam bentuk persamaan polinomial menjadi sebagai berikut::

Halaman 54 dari 101

Bab 3 Persamaan Tak Linier

Z 3 Z 2 + ( A B B 2 ) Z AB = 0
Dengan:
B=

bP
aP
PV
A= 2 2 Z =
RT
RT
RT

a=

0.4278R 2TC2
0.0867 RTC
;b =
PC
PC
2

T
2
= 1 + S 1
; S = 0.48508 + 1.55171 0.15613
T

(R=8.314j/mol.K ;Tc=425.1 K; Pc=37.96 bar; = 0.1931). Hitunglah volume


molar uap jenuh dan cair jenuh n-butana pada kondisi itu !!.

Sistem Persamaan Tak Linier

Sistem persamaan tak linier merupkan persamaan tak linier yang terdiri atas lebih
dari satu buah persamaan tak linier.
Solusi Sistem Persamaan Tak Linier

Metode Newton
f ( x1 , x2 ) = 0
f ( x1 , x2 ) = 0

f1 (1)
x | x
1
f 2 (1)
x | x
1

f1 (1)
| x (1)
x2

f (1)
1 = 1
(1)
f 2 (1) (1)
f2
|x 2
x2

J = f

x ( n +1) = x ( n ) +

Halaman 55 dari 101

Bab 3 Persamaan Tak Linier

function [xnew , iter] =


Newton(fnctn,x0,rho,tol,varargin)
%(c) by N. Mostoufi & A. Constantinides,January 1, 1999
%Initialization
if nargin < 4 | isempty(tol)
tol = 1e-6;
end
if nargin < 3 | isempty(rho)
rho = 1;
end
x0 = (x0(:).')'; % Make sure it's a column vector
nx = length(x0);
x = x0*1.1;
xnew = x0;
iter = 0;
maxiter = 100;
while max(abs(x-xnew)) > tol & iter < maxiter
iter = iter + 1;
x = xnew;
fnk = feval(fnctn,x,varargin{:});
% Set dx for derivation
for k = 1:nx
if x(k) ~= 0
dx(k) = x(k) / 100;
else
dx(k) = 1/100;
end
end
% Calculation of the Jacobian matrix
a = x;
b = x;
for k = 1 : nx
a(k) = a(k) - dx(k); fa =
feval(fnctn,a,varargin{:});
b(k) = b(k) + dx(k); fb =
feval(fnctn,b,varargin{:});
jacob(:,k) = (fb - fa) / (b(k) - a(k));
a(k) = a(k) + dx(k);
b(k) = b(k) - dx(k);
end
% Next approximation of the roots
if det(jacob) == 0
xnew = x + max([abs(dx), 1.1*tol]);
else
xnew = x - rho * inv(jacob) * fnk;
end
end
if iter >= maxiter
disp('Warning : Maximum iterations reached.')
end

Halaman 56 dari 101

Bab 3 Persamaan Tak Linier

Contoh sistem persamaan tak linier.

f1 ( x, y ) = x 3 3 xy 2 1/ 2 = 0
f 2 ( x, y ) = 3 x 2 y y 3 3 / 2 = 0
Langkah 1 Buat terlebih dahulu fungsi sistem persamaan taklinier dalam m-file.
%sistem.m
function f = sistem(x)
f=[x(1)^3-3*x(1)*x(2)^2-0.5
3*x(1)^2*x(2)-x(2)^3-sqrt(3)/2]

Langkah 2 Buat program pengeksekusi menggunakan Newton.m pada m-file yang


berbeda atau dapat juga langsung di command window.
%run_sistem.m
[x iter] = Newton('sistem',[1 2])

Langkah 3 Jalankan program pengeksekusi. Klik debug/run


Langkah 2 dapat di loncat dengan menuliskan langsung perintah eksekusi pada
Command window
>> [x iter] = Newton('sistem',[1 2])
x =
2.5198
1.5874

iter =
7

Subrutin dalam MATLAB untuk sistem persamaan taklinier

Solusi sistem persamaan taklinier dapat menggunakan fsolve pada MATLAB.


Contoh:
x3 3 xy 2 = 1/ 2
3x 2 y y 3 = 3 / 2

Langkah 1 Buat terlebih dahulu fungsi sistem persamaan taklinier dalam m-file.

Halaman 57 dari 101

Bab 3 Persamaan Tak Linier

Langkah 2 Buat program pengeksekusi menggunakan fsolve pada m-file yang


berbeda atau dapat juga langsung di command window.

Langkah 3 Jalankan program pengeksekusi.


function f = sistem(x)
f=[x(1)^3-3*x(1)*x(2)^2-0.5
3*x(1)^2*x(2)-x(2)^3-sqrt(3)/2]

>>[X,FVAL] = fsolve('sistem',[1 2])


Optimization terminated: first-order optimality is less than
options.TolFun.
X=
2.5198

1.5874

FVAL =
1.0e-010 *
0.1930
0.0966

Kasus 5
Reaksi reformasi kukus berlangsung menurut rangkaian reaksi kesetimbangan
berikut:

CH 4( g ) + H 2O( g )
CO( g ) + 3H 2( g )

R-1

CO( g ) + H 2O( g )
CO2( g ) + H 2

R-2

Pada suhu 2000 K harga konstanta kesetimbangan untuk masing-masing reaksi


adalah 1,930x10-4 dan 5,528. Tentukan komposisi kesetimbangan komponenkomponen apabila Gas umpan berkomposisi 20% CH4(g) dan 80% H2O(g)
berada pada kondisi suhu 2000 K dan tekanan 1 atm.

Halaman 58 dari 101

Bab 3 Persamaan Tak Linier

Jawaban
Misal ditetapkan basis perhitungan 10 mol gas umpan
e1 = derajat reaksi dari reaksi pertama
e2 = derajat reaksi dari reaksi kedua
Fraksi mol kesetimbangan setiap komponen dapat dinyatakan sebagai berikut:
YCO =

e1 e2
10 + 2e1

YH 2 =

e2
10 + 2e1

YCH 4 =

YCO2 =

3e1 + e2
10 + 2e1

YH 2O =

8 e1 e2
10 + 2e1

2 e1
10 + 2e1

Persamaan konstanta kesetimbangan dinyatakan sebagai berikut:


K1 =

YCOYH32 P 2
YCH 4 YH 2O

K2 =

YCO2 YH 2
YCOYH 2O

( e1 e2 )( 3e1 e2 )
2
( 2 e1 )(8 e1 e2 )(10 + 2e1 )
3

= K1

e2 ( 3e1 + e2 )
=K
( e1 e2 )( 8 e1 e2 ) 2

Berikut ini pemrograman MATLAB-nya.


function y = KsT(e,K1,K2)
%Sistem Pers.tak linier yang akan dinolkan
y = [(e(1)-e(2))*(3*e(1)-e(2))^3 /((2-e(1))*(8-e(1)
- e(2))*(10+2*e(1))^2) - K1
e(2)*(3*e(1)+e(2)) / ((e(1)-e(2))*(8-e(1)-e(2))) - K2];

clear
clc
K1 = input(Masukan konstanta kst. reaksi 1 = ');
K2 = input(Masukan konstanta kst. reaksi 2 = ');
%Pencari nol fungsi KsT.m
e = fsolve(@(e) KsT(e,K1,K2),[1 0.5])

Halaman 59 dari 101

Bab 3 Persamaan Tak Linier

Eksekusi di MATLAB command window


>>kasus5
Masukan harga konstanta kst. reaksi 1 = 1.93e-4
Masukan harga konstanta kst. reaksi 2 = 5.528
Optimization terminated: first-order optimality is less than options.TolFun.
e=
0.7480

0.6920

Tugas 5
Menyelesaikan sistem persamaan tak linier dengan menggunakan
subrutin MATLAB

Suatu reaksi elementer A

B + C berlangsung dalam sebuah reaktor tangki

berpengaduk kontinu. Laju umpan murni A, 12 mol/s pada temperatur 25 oC.


Reaksi bersifat eksotermik, untuk itu digunakan air pendingin bertemperatur 50
oC untuk menyerap kalor yang dibebaskan reaksi. Asumsi konstanta kapasitas
panas sama baik di sisi reaktan maupun produk, neraca energi untuk sistem ini
dirumuskan sebagai berikut:
FAo X H R = FAoC P , A (T T0 ) + UA(T Ta )

FA0 = laju molar umpan, mol/s.


X

= konversi

HR = Kalor reaksi, J/(mol.K)

CP,A = kapasitas panas A, J/(mol.K)


T

= temperatur reaktor, oC

T0 = temperatur referensi, 25 oC
Ta = temperatur air pendingin, oC
U

= koefisien pindah panas total, W/(m2.K)

Halaman 60 dari 101

Bab 3 Persamaan Tak Linier

= luas pindah panas, m2

Untuk reaksi orde pertama konversi dirumuskan sebagai berikut:


X=

k
1+ k

Dengan adalah waktu tinggal dalam sekon, dan k adalah laju reaksi spesifik
dalam s-1 dihitung dengan menggunakan persamaan Arrhenius:
k = 650 exp[ 3800 /(T + 273)]

Hitunglah harga temperatur reaktor dan konversinya!.


(HR=-1500 kJ/mol; =10 s; CP,A = 4500 J/(mol.K); UA/FA0 =700
W.s/(mol.K).

_______________________________o0o________________________________

Halaman 61 dari 101

Bab 4 Optimisasi

Bab 4
Optimisasi

Titik
maksimum
5

F(X,Y )

-5

-10
2

Titik
0
minimum

2
1
0
-1

-2
Y

-2
-3

Optimisasi Menggunakan MATLAB


Untuk mencari harga minimum dan maksimum kita dapat menggunakan perintah
fminsearch. Berikut ini cara penulisannya.

[x,fval,exitflag] = fminsearch(fun,x0)
keterangan:
fun = Fungsi yang akan diminimumkan atau dimaksimumkan
x0 = Tebakan awal
x = Harga x yang menyebabkan fungsi minimum atau maksimum
fval = Nilai maksimum atau minimum.
exitflag = Kriteria penghentian proses iterasi. Harga x mencapai kekonvergenan
jika exitflag bernilai 1.

Halaman 62 dari 101

Bab 4 Optimisasi

Optimisasi Variabel Tunggal


Carilah titik minimum x 2 + 4 x + 3 = 0 dengan menggunakan subrutin fiminsearch

dalam MATLAB.
>> [x fval exitflag]=fminsearch('kuadrat',2)
x =
-2.0000
fval =
-1
exitflag =
1

Optimisasi Variabel Jamak

Kasus12
Carilah titik minimum dari persamaan multivariabel berikut ini.
y = ( x1 3) 2 + 0.5( x2 4) 2 + 3

Jawaban
%multivaribel.m
function y = multivariabel(x);
y = (x(1)-3)^2 + 0.5*(x(2)-4)^2 + 3;

%kasus12.m
[x,fval,exitflag] = fminsearch('multivariabel',[1,16])

>> kasus12
x =
3.0000

4.0000

fval =
3.0000
exitflag =
1

Halaman 63 dari 101

Bab 4 Optimisasi

Tugas 11 Optimisasi

Nomor 1: Temperatur Optimal Dalam Reaktor


kf

8 -5000/T detikA
P Diselenggarakan dalam reactor batch. Diketahui kf = 10 e
kr

1 dan k = 1016e-10000/T detik-1, dimana T dalam K Neraca massa P dalam


r
reaktor partaian:
dCP
= k f C A kr CP = k f ( C Ao CP ) kr CP
dt
dCP
+ ( k f + kr ) CP = k f C Ao
dt

( k f + k r )t
CP k f 1 e
=
Hasil integrasi persamaan ini adalah:
C Ao
k f + kr

CA0 = konsentrasi A mula-mula


Hitung temperatur optimal yang menyebabkan perolehan maksimal produk P
pada waktu reaksi 1 detik.

Nomor 2: Rosenbrock

Carilah titik minimum dari fungsi multidimensional Rosenbrock berikut.


f ( x) = 100( x2 x12 ) 2 + (1 x1 ) 2

________________________________o0o_______________________________

Halaman 64 dari 101

Bab 5 Regresi Linier dan Non Linier

Bab 5
Regresi Linier dan Non Linier
5.1 Regresi Linier
Misalkan kita memiliki sekumpulan data-data sbb
( x1 , y1 ), ( x2 , y2 ),....., ( xn , yn )
Kemudian diperoleh suatu persamaan matematik untuk merepresentasikan datadata eksperimental tersebut berupa persamaan linier.
y = a0 x + a1
Jumlah kuadrat terkecil dari selisih antara model dengan data sbb
n

S = [ ymodel ( xi ) yi ] = [ a0 xi + a1 yi ]
2

i =1

i =1

Turunan terhadap parameter a0


n
S
= 2 xi ( a0 xi + a1 yi ) = 0
a0
i =1
n

x (a x + a y ) = 0
i =1

0 i

x a +xa =x y
i =1

2
i 0

i =1

i 1

i =1

............................................(i

Turunan terhadap parameter a1


n
S
= 2 ( xi a0 + a1 yi ) = 0
a1
i =1
n

(a x + a y ) = 0
i =1

0 i

i =1

i =1

xi a0 + na1 = yi .............................................................(ii
Persamaan (i dan (ii dapat dijelmakan dalam bentuk matrik sbb:
n 2
xi
i =1
n
xi
i =1

x
xi yi

a
i =1
0 = i =1

a1 n

n
yi

i =1
n

Halaman 65 dari 101

Bab 5 Regresi Linier dan Non Linier

Harga paramter a0 dan parameter a1 dapat diperoleh dengan menyelesaikan sistem


persamaan linier di atas.
Kasus 1
Harga konduktivitas alumunium pada berbagai temperatur sbb
T (K)

300

400

500

600

800

k (Btu/(hft2)(F/ft) 273 240 237 232 220


Model matematik dapat diwakili dengan menggunakan persamaan linier
k = a0T + a1

Untuk mencari harga a0 dan a1 dapat menggunakan metode jumlah selisih kuadrat
terkecil seperti yang telah dijelaskan sebelumnya.
%konduktivitas.m
clear
clc
T=[4,5,6,8]*100;
k=[240,237,232,220];
n=length(k);
A = [sum(T.^2),sum(T)
sum(T), n];
c = [sum(k.*T)
sum(k)];
a = A\c
kmod = a(1)*T +a(2);
S = sum((k-kmod).^2)

% Absis
% Ordinat

Hasil pada command window


>>konduktivitas
a =
-0.0511
261.6571
S =
3.8857

Subrutin MATLAB untuk regresi persamaan linear dan polinomial dapat


menggunakan perintah sbb:

[P,S] = polyfit(x,y,n)
data-data

n=orde polinom

Kasus 1 merupakan persamaan linier, maka n yang digunakan dalam subrutin


polyfit adalah 1. Berikut ini pemrograman MATLAB-nya.

Halaman 66 dari 101

Bab 5 Regresi Linier dan Non Linier


%konduktivitas2
T = [4,5,6,8]*100;

% Absis

K = [240,237,232,220];

% Ordinat

[P,S] = polyfit(T,k,1)

>>konduktivitas2
P =
-0.0511

261.6571

S =
R: [2x2 double]
df: 2
normr: 1.9712

5.2 Linierisasi

Seringkali ditemukan persamaan tak linier dalam permasalah real teknk kimia.
Tentunya kita tak dapat begitu daja mengalurkan data-data dengan menggunakan
pemodelan linier. Agar dapat dimodelkan dengan pemodelan linier, maka
persamaan tak linier itu harus dilinierisasi terlebih dahulu. Berikut ini
pemaparannya.
LINIERISASI

y = ae

ln y = ln(aebx )
ln y = bx + ln a

bx

Tabel 5.1 Hasil linearisasi persamaan-persamaan tak linier


Tipe persamaan

absis

ordinat

slope

intersep

y = ax + b

y = aebx

ln(y)

ln(a)

x/y

1/x

y=

x
(ax + b)

y = a/ x+b

Halaman 67 dari 101

Bab 5 Regresi Linier dan Non Linier

y = ax b + c

ln(x)

ln(y-c)

ln(a)

Kasus
Suatu reaksi berorde n memiliki laju reaksi sbb:

r = kC An
Apabila volume reaktor partaian (batch) konstan, persamaan laju reaksi menjadi
sbb:

dC A
= kC An
dt
Tentukan orde laju reaksi tersebut jika diketahui data-data eksperimen sbb:
Tabel 5.2 Konsentrasi, waktu, dan laju perubahannya
Waktu (s)

CA (mol/liter) dCA/dt (mol/liter.s)

1.0

-0.10000

10

0.50

-0.02500

20

0.33

-0.01110

30

0.25

-0.00625

40

0.20

-0.00400

Jawaban:
dC A
= kC An
dt

dC
ln A = n ln C A + ln k
dt

%linierisasi
t = [0:10:40];

% waktu

CA = [1,0.50,0.33,0.25,0.20];

%konsentrasi A

dCAdt = -[0.1,0.025,0.0111,0.00625,0.00400]; %Laju


y = log(-dCAdt);

Halaman 68 dari 101

Bab 5 Regresi Linier dan Non Linier


x = log(CA);

[P S] = polyfit(x,y,1);
n = P(1)

%orde reaksi

k = exp(P(2))

%konstanta laju reaksi

Hasil pada command window


n =
1.9982
k =
0.1002

5.3 Regresi Linier Peubah Banyak

y ( x1 , x2 ) = a0 x1 + a1 x2 + a2
n

S = ( yi a0 x1,i a1 x2,i a2 ) 2
i =1

n
S
= 2 x1,i ( yi a0 x1,i a1 x2,i a2 ) = 0
a0
i =1
n

(x
i =1

1,i

yi x1,2i a0 x1,i x2,i a1 x1,i a2 ) = 0

1,i

i =1

i =1

i =1

i =1

a0 + x1,i x2,i a1 + x1,i a2 = x1,i yi

n
S
= 2 x2,i ( yi a0 x1,i a1 x2,i a2 ) = 0
a1
i =1
n

(x
i =1

2,i

x
i =1

yi x1,i x2,i a0 x 2,2 i a1 x2,i a2 ) = 0


n

i =1

i =1

x a + x 2 ,i a1 + x2,i a2 = x2,i yi

1,i 2,i 0

i =1

n
S
= 2 ( yi a0 x1,i a1 x2,i a2 ) = 0
a2
i =1

x
i =1

i =1

i =1

a + x2,i a1 + na2 = yi

1,i 0

Halaman 69 dari 101

Bab 5 Regresi Linier dan Non Linier

Ketiga buah persamaan linier tersebut dapat dijelmakan dalam matrik sbb:
n 2
x1,i
i =1
n
x1,i x2,i
i =1
n
x1,i
i =1

x1,i x2,i
i =1

x
i =1

2
2,i

x
i =1

2,i

1,i
x1,i yi
i =1
a0 i =1

n
n

x2,i a1 = x2,i yi

i =1
a2 i =1

n
yi

i =1

Kasus
Perhatikan data-data reaksi non-isotermal suatu reaksi reversibel berikut ini:
r
A
P

Tabel 5.3 Data laju reaksi


CA(mol/liter)

Temperatur (K)

Laju reaksi (mol/liter.s)

373

1.508

0.023

395

2.936

1.15

365

1.293

0.87

400

3.242

1.05

405

4.566

0.75

388

1.899

0.55

410

2.780

0.65

380

1.255

Anggap reaksi tersebut memenuhi model persamaan laju sbb:


E
r = k0C n exp

RT

Perkirakan harga k0, E dan n dari data-data yang tersedia.


Jawaban.
1
ln r = n ln C + E
+ ln k0
RT
yi = ln ri

x1,i = ln Ci

x2,i =

1
RTi

Halaman 70 dari 101

Bab 5 Regresi Linier dan Non Linier


% multivariabel
clear
clc
CA = [1,0.023,1.15,0.87,1.05,0.75,0.55,0.65];

%mol/liter

T = [373,395,365,400,405,388,410,380];

%K

r = [1.508,2.936,1.293,3.242,4.566,1.899,2.780,1.255];%mol/liter.s

y = log(r);
x1 = log(CA);
x2 =-1./(0.082*T);

A = [sum(x1.^2),sum(x1.*x2), sum(x1)
sum(x1.*x2),sum(x2.^2),sum(x2)
sum(x1),sum(x2),length(r)];
c = [sum(x1.*y)
sum(x2.*y)
sum(y)];
a = A\c

Hasil pada Command window


a =
-0.0108
320.9052
10.8467

5.4 Regresi Non Linier

Pada bagian sebelumnya kita telah mempelajari regresi persamaan tak


linier dengan terlebih dahulu melakukan linierisasi. Namun tidak semua
persamaan tak linier dapat memberikan parameter yang akurat dengan linierisasi.
Pada bagian ini kita akan mempelajari regresi persamaan tak linier sehingga kita
tidak lagi harus melinierisasikan persamaan tak linier. Perhatikan fungsi tak linier
sbb:

a1
y = exp a0 +

( x + a2 )

Persamaan
Antoine

a0, a1, dan a2 merupakan parameter.

Halaman 71 dari 101

Bab 5 Regresi Linier dan Non Linier

a1
S = yi exp a0 +

( xi + a2 )
i =1

Turunan parsial terhadap a0


n

a1
a1
S
= 2 yi exp a0 +
exp a0 +
=0
( xi + a2 )
( xi + a2 )
a0
i =1

Turunan parsial terhadap a1


n

a1
a1 1
S
exp a0 +
= 2 yi exp a0 +

= 0

( xi + a2 )
( xi + a2 ) xi + a2
a1
i =1

Turunan parsial terhadap a2


n

a1
a1
S
exp a0 +
a1 ln( xi + a2 ) ) = 0
= 2 yi exp a0 +
(

( xi + a2 )
( xi + a2 )
a2
i =1

Pada akhirnya diperoleh sistem persamaan tak linier yang terdiri atas 3 buah
persamaan tak linier. Sistem persamaan tak linier dapat diselesaikan secara
simultan menggunakan metode Newton seperti yang telah dibahas pada bab 3
persamaan tak linier.

5.5 Subrutin MATLAB: nlinfit

[beta,R] = nlinfit(x,y,modelfun,beta0)

Kasus
Tabel 3.3 Tekanan uap dari Benzena (Perry)
Temperatur, T
o
C
-36.7
-19.6
-11.5
-2.6
7.6
15.4
26.1

Tekanan, P
(mmHg)
1
5
10
20
40
60
100

Halaman 72 dari 101

Bab 5 Regresi Linier dan Non Linier

42.2
60.6
80.1

200
400
760

Persamaan polynomial

P ( x) = a0 + a1 x + a2 x 2 + a3 x3 + ... + an x n
Persamaan Clapeyron
log( P ) = A +

B
T

Persamaan Riedel

log( P) = A +

B
+ C log(T ) + DT
T

dengan harga = 2 .
a. Korelasikan data dengan berbagai orde persamaan polynomial dengan
menganggap temperatur absolut (Kelvin) adalah variabel bebas dan P
adalah variabel terikat.
b. Korelasikan data dengan menggunakan persamaan Clapeyron
c. Korelasikan data menggunakan persamaan Riedel
d. Diskusikan persamaan manakah yang terbaik mewakili data-data
eksperimental tersebut.
Jawab:
a. Polynom orde 2, 3, 4, 5
%polynom
clear
clc
T =[-36.7,-19.6,-11.5,-2.6,7.6,15.4,26.1,42.2,60.6,80.1]+273;%K
P = [1 5 10 20 40 60 100 200 400 760];%mmHg
N =length(P);
P2 = polyfit(T,P,2)
Pmod2 = polyval(P2,T); R2 = Pmod2-P; Var2 = sum(R2.^2)/(N-2)
P3 = polyfit(T,P,3)
Pmod3 = polyval(P3,T); R3 = Pmod2-P; Var3 = sum(R3.^2)/(N-3)
P4 = polyfit(T,P,4)
Pmod4 = polyval(P4,T); R4 = Pmod2-P; Var4 = sum(R4.^2)/(N-4)
P5 = polyfit(T,P,5)
Pmod5 = polyval(P5,T); R5 = Pmod2-P; Var5 = sum(R5.^2)/(N-5)

Hasil di Command Window

Halaman 73 dari 101

Bab 5 Regresi Linier dan Non Linier


P2 =
1.0e+003 *
0.0001

-0.0450

5.8560

Var2 =
1.0647e+003
Warning: Polynomial is badly conditioned. Remove repeated data
points
or try centering and scaling as described in HELP
POLYFIT.
> In polyfit at 81
In polinom at 9
P3 =
1.0e+004 *
0.0000

-0.0001

0.0146

-1.2519

Var3 =
1.2168e+003
Warning: Polynomial is badly conditioned. Remove repeated data
points
or try centering and scaling as described in HELP
POLYFIT.
> In polyfit at 81
In polinom at 11
P4 =
1.0e+004 *
0.0000

-0.0000

0.0001

-0.0248

1.5881

Var4 =
1.4196e+003
Warning: Polynomial is badly conditioned. Remove repeated data
points
or try centering and scaling as described in HELP
POLYFIT.
> In polyfit at 81
In polinom at 13

P5 =
1.0e+004 *
-0.0000

0.0000

-0.0000

0.0002

-0.0339

2.1109

Var5 =

Halaman 74 dari 101

Bab 5 Regresi Linier dan Non Linier


1.7035e+003

b. Persamaan Clapeyron
%clapeyron.m
function logP = clapeyron(a,T);
logP = a(1)+a(2)./T;
%Persamaan Clapeyron

clear
clc
T =[-36.7,-19.6,-11.5,-2.6,7.6,15.4,26.1,42.2,60.6,80.1];
P = [1 5 10 20 40 60 100 200 400 760];
logP = log10(P);
a0 = [0.1 0.3];
[a R]=nlinfit(T,logP,'clapeyron',a0)
N = length(P);
z = length(a0);
Variance = sum(R.^2)/(N-z)

Hasil di Command Window


a =
1.6667

1.9173

R =
Columns 1 through 8
-1.6145
0.2598

-0.8699

-0.5000

0.3718

-0.3169

-0.0131

0.5889

Columns 9 through 10
0.9037

1.1902

Variance =
0.8124

c. Persamaan Riedel
%riedel.m
function logP = riedel(a,T)
logP = a(1)+a(2)./T+a(3)*log10(T)+a(4)*T.^2;

%run_riedel.m
clear
clc
T =[-36.7,-19.6,-11.5,-2.6,7.6,15.4,26.1,42.2,60.6,80.1]+273;%K
P =[1 5 10 20 40 60 100 200 400 760];%mmHg

Halaman 75 dari 101

Bab 5 Regresi Linier dan Non Linier


logP = log10(P);

a0 = [1 1 1 1];

[a R] = nlinfit(T,logP,'riedel',a0)
N = length(P); z = length(a0);
Variance = sum(R.^2)/(N-4)

Hasil di command window


a =
1.0e+003 *
0.2162

-9.2955

-0.0756

0.0000

-0.0113

0.0080

-0.0046

0.0054

R =
Columns 1 through 6
0.0107

-0.0236

0.0251

0.0081

Columns 7 through 10
-0.0065

-0.0112

Variance =
2.9689e-004

d. Pembahasan

Tugas

Nomor 1
Harga viskositas air (centipoise) telah diukur pada berbagai temperatur. Hasil dari
eksperimen disajikan dibawah ini. Menggunakan regresi linier ganda (multiple
regresi linier), carilah konstanta-konstanta yang sesuan dengan persamaan
berikut:
1

= k1 + k2T + k3T 2

T(oC)

10

20

30

40

50

60

70

(cp)

1.308

1.005

0.801

0.656

0.549

0.469

0.406

Nomor 2
Sebuah reaksi heterogen diketahui terjadi pada laju yang dapat digambarkan oleh
model Langmuir-Hinshelwood berikut ini:

Halaman 76 dari 101

Bab 5 Regresi Linier dan Non Linier

r=

k1 PA
(1 + K A PA + K R PR ) 2

Dari pengukuran laju awal, k1 ditentukan sebagai 0.015 mol/s.g-cat.atm, pada 400
K. Dengan menggunakan data laju reaksi pada 400 K, perkirakan nilai dari KA
dan KR.
PA

0.9

0.8

0.7

0.6

0.5

0.4

PR

0.1

0.2

0.3

0.4

0.5

0.6

3.4x10-5 3.6x10-5 3.7x10-5 3.9x10-5 4.0x10-5 4.1x10-5 4.2x10-5

________________________________o0o______________________________

Halaman 77 dari 101

Bab 6 Integrasi

Bab 6
Integrasi
(Under construction)
6.1 Metode Trapesium

f(x)

f(b)

f(a)

Gambar 5.1 Metode trapesium

f (a) + f (b)
2

f ( x)dx = (b a)
a

6.2 Metode Simpson

x2

f ( x)dx = 3 ( f ( x ) + 4 f ( x ) + f ( x ) )
0

x0

6.3 Metode Romberg

6.4 Metode Gauss

Halaman 78 dari 101

Bab 6 Integrasi

6.5 Subrutin MATLAB: trapz

Subrutin trapz menghitung harga integral dari nilai-nilai diskrit x dan y


dengan menggunakan metode Trapezoidal.

Z = trapz(x,y)
Keterangan:
x dan y adalah vektor

Kasus 1

Dua buah besaran yang sangat penting dalam pembelajaran proses-proses


fermentasi adalan laju pembebasan CO2 dan laju pengambilan O2. Hal tersebut
dihitung dari analisis eksperimental dari gas masuk dan gas keluar fermentor, dan
laju alir, temperatur dan tekanan dari gas-gas ini. Rasio pembebasan CO2 terhadap
pengambilan O2 menghasilkan RQ (Respiratory Quotient) yang merupakan
barometer aktivitas metabolik dari mikroorganisme. Laju di atas dapat
dintegrasikan untuk memperoleh jumlah keseluruhan dari CO2 yang diproduksi
dan oksigen yang dikonsumsi selama fermentasi. Tabel berikut menunjukan laju
respirasi dihtung dari fermentasi Penicillium chrysogenum yang menghasilkan
antibiotik penicilin.

Tabel 5.1 Laju pembebasan CO2 dan laju pengambilan O2


Waktu fermentasi
(jam)
140
141
142
143
144
145
146
147
148
149
150

Laju Pembebasan CO2


(g/jam)
15.72
15.53
15.19
16.56
16.21
17.39
17.36
17.42
17.60
17.75
18.95

Laju pengambilan O2
(g/jam)
15.49
16.16
15.35
15.13
14.20
14.23
14.29
12.74
14.74
13.68
14.51

Halaman 79 dari 101

Bab 6 Integrasi

Hitunglah jumlah keseluruhan CO2 yang dihasilkan dan Oksigen yang dikonsumsi
selama fermentasi berlangsung.

%Respiratory_Quotient
clear
clc

t = [140:150];

% Waktu fermentasi

dCO2dt = [15.72,15.53,15.19,16.56,16.21,17.39,17.36,17.42,...
17.60,17.75,18.95];

% Laju pembebasan CO2

dO2dt = [15.49,16.16,15.35,15.13,14.20,14.23,14.29,12.74,...
14.74,13.68,14.51];

% Laju pengambilan O2

CO2 = trapz(t,dCO2dt)
O2 = trapz(t,dO2dt)

RQ = CO2/O2

6.6 Subrutin MATLAB: quad

Q = quad(fungsi,A,B)
Kasus 2
Harga kapasitas panas suatu material dapat dievaluasi dengan menggunakan
persamaan sbb:

c p (T ) = 0.132 + 1.56x104 T + 2.64x107 T 2

cal/goC

Hitunglah besar entalpi material sebanyak 1 gram pada rentang temperatur -100
o

C s.d 200 oC dengan rumus sbb:


T2

H = m c(T )dT
T1

Halaman 80 dari 101

Bab 6 Integrasi
%kapasitas.m
function cp = kapasitas(T)

cp=0.132+1.56e-4.*T+2.64e-7*T.^2;

%runkapasitas.m
Q = quad('kapasitas',-100,200)

>> runkapasitas
Q =
42.7320

6.7 Subrutin MATLAB: dblquad

Subrutin dblquad digunakan untuk menghitung integral lipat dua.

q = dblquad(fun,xmin,xmax,ymin,ymax)
%integrnd.m
function z = integrnd(x, y)
z = y*sin(x)+x*cos(y);

%run_integrnd.m
Q = dblquad(@integrnd,pi,2*pi,0,pi);

6.8 Subrutin MATLAB: triplequad

Subrutin triplequad digunakan untuk menghitung integral lipat tiga.

triplequad(fun,xmin,xmax,ymin,ymax,zmin,zmax)

%intgrnd3
function f = integrnd3(x,y,z)
f = y*sin(x)+z*cos(x);

%run_integrnd3
Q = triplequad('integrnd3', 0, pi, 0, 1, -1, 1)

Halaman 81 dari 101

Bab 6 Integrasi

Tugas

Nomor 1
Lakukan komputasi yang sama seperti pada kasus 1, namun dengan massa
material 2000 gram dan temperatur -200 s.d 100 oC.

Nomor 2
Profil kecepatan dari partikel pasir unggun terfluidakan dengan udara pada
kecepatan 1 m/s diberikan pada tabel Tabel 1 dan Tabel 2. Hitunglah kecepatan
gradien aksial ( Vz / z , Vr / z ). Plot rata-rata gradien z versus posisi radial dan
bandingkanlah besar ordenya.

Posisi aksial, mm
Posisi aksial, mm

25
75
125
175
225
275
325
375
425
475

4.7663
-13.09
-15.81
1.77
1.43
-5.07
13.11
11.7
8.18
3.35
-27.05

25
75
125
175
225
275
325
375
425
475

4.7663
93.33
244.73
304.34
308.81
379.66
416.08
184.46
55.74
-67.81
-136.25

14.2988
-37.66
-15.99
1.17
-0.57
-7.26
16.51
34.5
25.29
-0.39
-22.25

14.2988
74.12
217.07
260.58
281.67
328.52
366.96
157.25
-12.28
-118.77
-32.33

Posisi radial (mm)


33.3638 42.8962
-54.44
-58.21
-25.37
-22.3
5.5
1.63
2.44
0.2
-18.17
-17.3
21
20.29
71.44
73.49
37.07
30.05
-42.22
-57.42
-79.45 -110.08

52.4288
-41.35
-11.1
-1.79
-0.65
-10
15.64
64.88
2.61
-82.36
-116.62

61.9612
-23.97
-2.26
-0.26
0.35
-2.65
0.98
50.91
-17.06
-69.34
-128.25

Posisi radial (mm)


23.8313 33.3638 42.8962
69.35
43.68
18.8
177.09
103.79
16.87
201.15
118.82
22.76
209.18
133.9
53.88
279.3
165.61
53.25
314.09
203.08
44.97
111.99
63.23
1.03
-18.74
-47.26
-42.1
-108.46
-89.68
9.24
-65.5 -111.72
38.74

52.4288
-6.9
-39.74
-52.23
-51.92
-65.97
-76.93
-63.66
-9.95
61.78
115.6

61.9612
-21.56
-74.91
-82.86
-98.47
-133.92
-160.04
-71.23
125.57
175.43
84.88

23.8313
-52.41
-27.81
3.45
4.86
-18.43
19.32
58.3
31.18
-18
-49.45

Halaman 82 dari 101

71.4938
-7.21
1.63
1.09
2.21
0.29
-9.81
19.14
-15.88
-17.35
-76.49

Bab 7 Persamaan Diferensial Biasa

Bab 7
Persamaan Diferensial Biasa (PDB)
Definisi PDB
Persamaan diferensial biasa adalah persamaan diferensial yang terdiri atas fungsi
turunan satu buah variabel bebas.
Contoh:
Persamaan gaya geser (shear stress) pada aliran fluida dirumuskan sbb.

d xz
= g
dx
Perhatikan PDB hanya memiliki satu buah variabel bebas yaitu x dan satu variabel
terikat yaitu xz.

Aplikasi PDB
PDB banyak ditemukan pada pemodelan-pemodelan teknik reaktor, kinetika
reaksi kimia, peristiwa-peristiwa perpindahan dll.

Klasifikasi PDB
Berdasarkan ordenya PDB terdiri atas tiga jenis (paling umum ditemukan dalam
permasalahan teknik kimia).
Orde 1

dy
+ y = kx
dx

Orde 2

d2y
dy
+y
= kx
2
dx
dx

Orde 3

d3y
d2y
dy
a
+
+ b = kx
3
2
dx
dx
dx

Berdasarkan ordenya PDB terdiri atas dua jenis.


1. Linier
Persamaan umum PDB linier dirumuskan sbb:

Halaman 83 dari 101

Bab 7 Persamaan Diferensial Biasa

bo ( x )

dny
d n 1 y
dy
b
x
+
+ ... + bn 1 ( x ) + bn ( x ) y = R ( x )
(
)
1
n
n 1
dx
dx
dx

2. Taklinier
PDB yang tidak memenuhi persamaan umum PDB linier di muka
dikelompokan ke dalam PDB tak linier.
Berdasarkan kondisi batasnya PDB terdiri atas dua jenis.
1. PDB bernilai awal
2 y
= yx
x 2
y (0) = 2,

y
(0) = 1
x

harga x sama

2. PDB bernilai batas

2 y
= yx
x 2
y (0) = 2, y (1) = 1
harga x berbeda

Transformasi ke Dalam Bentuk Kanonikal

Persamaan diferensial biasa linier orde 1 bernilai awal dapat diselesaikan dengan
menggunakan metode matrik eksponensial dan metode eigen yang akan dibahas
di depan nanti. PDB linier orde 2, 3 bernilai awal dapat pula diselesaikan dengan
metode-metode tersebut, asalkan PDB tersebut ditransformsikan terlebih dahulu
ke dalam PDB orde 1. Berikut ini penjelasan teknik transformasi dari PDB
berorde tinggi menjadi PDB berorde 1.
Contoh 1:
d4z
d 3z
d 2z
dz
+
5

2
6 + 3z = 0
4
3
2
dt
dt
dt
dt

Halaman 84 dari 101

Bab 7 Persamaan Diferensial Biasa

Transformasi PDB orde 4 linier tersebut akan menghasilkan 4 buah PDB linier
orde 1.
Misalkan:
z = y1
dz dy1
=
= y2
dt dt
d 2 z dy2
=
= y3
dt 2
dt
d 3 z dy3
=
= y4
dt 3
dt
d 4 z dy4
=
dt 4
dt

Maka PDB
orde 4 dapat
dituliskan sbb:

dy1
dt
dy2
dt
dy3
dt
dy4
dt

= y2
= y3

Penulisan
dalam bentuk
matrik sbb:

= y4

dydt1 0
dy2
dt = 0
dy3 0
dydt
dt4 3

1
0
0
6

= 3 y1 + 6 y2 + 2 y3 5 y4

Contoh 2:
d4z
d 3z
d 2z
dz
+
5

2
6 + 3z = et
4
3
2
dt
dt
dt
dt
Transformasi PDB orde 4 linier tersebut akan menghasilkan 5 buah PDB linier
orde 1.
Misalkan:
z = y1
dz dy1
=
= y2
dt dt
d 2 z dy2
=
= y3
dt 2
dt
d 3 z dy3
=
= y4
dt 3
dt
d 4 z dy4
=
dt 4
dt
t
y5 = e
dy5
= e t = y5
dt

Maka PDB
orde 4 dapat
dituliskan sbb:

dy1
dt
dy2
dt
dy3
dt
dy4
dt
dy5
dt

= y2
= y3
= y4
= 3 y1 + 6 y2 + 2 y3 5 y4 + y5
= y5

Penulisan
dalam
bentuk
matrik sbb:

Halaman 85 dari 101

0 0 y1
1 0 y2
0 1 y3

2 5 y4

Bab 7 Persamaan Diferensial Biasa

dydt1 0
dy2
dt 0
dy3 = 0
dt
dydt4 3
dy
dt5 0

1
0
0
6
0

0 0 0 y1
1 0 0 y2
0 1 0 y3

2 5 1 y4
0 0 1 y5

Contoh 3:
3

2
d 3z
dz
2 d z
z
+
2z = 0
3
2
dx
dx dx

Transformasi PDB orde 3 taklinier.


Misalkan:
z = y1
dz dy1
=
= y2
dx dx
d 2 z dy2
=
= y3
dx 2 dx
d 3 z dy3
=
dx 3 dx

Maka PDB
orde 3 taklinier
dituliskan sbb:

dy1
= y2
dx
dy2
= y3
dx
dy3
= 2 y1 y12 y3 + y23
dx

PDB taklinier tidak dapat dituliskan dalam bentuk matrik.

Halaman 86 dari 101

Bab 7 Persamaan Diferensial Biasa

Contoh 4:

d 3 z 3 d 2 z 2 dz
+t
t
+ 5z = 0
dt 3
dt 2
dt
Transformasi PDB orde 3 taklinier.
Misalkan:
z = y1
dz dy1
=
= y2
dt dt
d 2 z dy2
=
= y3
dt 2
dt
d 3 z dy3
=
dt 3
dt
y4 = t

Maka PDB
orde 3 taklinier
dituliskan sbb:

dy4
=1
dt

dy1
dt
dy2
dt
dy3
dt
dy4
dt

= y2
= y3
= 5 y1 + y42 y2 y43 y3
=1

PDB taklinier tidak dapat dituliskan dalam bentuk matrik.

Nilai dan Vektor Eigen


Aw[ k ] = k w[ k ]
Aw[ k ] k w[ k ] = 0

( A k I ) w[ k ] = 0
( A k I ) = 0

atau w[ k ] 0

det ( A k I ) = 0

Vektor eigen tidak


bernilai nol

Keterangan:
A adalah sebuah matrik kubus

k adalah nilai eigen


w[ k ] adalah vektor eigen

Halaman 87 dari 101

Bab 7 Persamaan Diferensial Biasa

Berikut ini akan dipaparkan cara menghitung nilai dan vektor eigen secara
analitik.

Kasus 6

Tentukanlah vektor dan nilai eigen dari matrik A berikut ini dengan menggunakan
cara analitik.

1 0 3
A = 0 2 1
3 1 1
Jawaban:

( A k I ) w[ k ] = 0
det ( A k I ) = 0
(1 )

(2 )

(1 )

(1 )

(1 )

(2 )

(1 )

=0

0
(2 ) = 0
1

(1 )(2 )(1 ) (3)(2 )(3) (1 ) = 0


(1 2 )( 2) 9(2 ) (1 ) = 0

2 3 + 2 2 18 + 9 1 + = 0
3 + 2 2 + 11 21 = 0
Dengan menggunakan subrutin roots MATLAB diperoleh harga akar-akar
polinom pangkat 3 (nilai eigen) tersebut, yaitu:

1 = 3.4211 2 = 3.2880 3 = 1.8669


Kembali ke persamaan awal.

( A k I ) w[ k ] = 0
0
3 w1
(1 )
0
(2 )
1 w2 = 0

3
1
(1 ) w3

Halaman 88 dari 101

Bab 7 Persamaan Diferensial Biasa

Karena vektor eigen (w) tidak bernilai nol, maka kita misalkan harga w3 sebagai
basis bernilai 1.

(1 ) w1 + 3w3 = 0
(2 ) w2 + w3 = 0
Misalkan w3 = 1, maka system persamaan linier menjadi
3
(1 )
1
w2 =
(2 )
w3 = 1
w1 =

(1 ) w1 = 3
(2 ) w2 = 1
Masukan harga nilai eigen
Untuk:

1 = 3.4211

2 = 3.2880

1.2391
w = 0.7037
1
[1]

[2]

0.6996
= 0.1891
1

3 = 1.8669
[3]

3.4607
= 7.5131
1

Normalisasi vektor-vektor eigen tersebut dengan menggunakan norma ke-2.


w[1]

(1.2391

+ 0.7037 2 + 12 ) = 1.741

1.2391

1.741 0.7117

= 0.4042
w[1] = 0.7037

1.741

0.5744
1

1.741

w[2]

w[2]

( 0.6996

+ 0.18912 + 12 ) = 1.235

0.6996

1.235 0.5665

= 0.1531
= 0.1891

1.235

0.8097
1

1.235

Halaman 89 dari 101

Bab 7 Persamaan Diferensial Biasa

w[3]

( 3.4607

+ 7.51312 + 12 ) = 8.332

3.4607

8.332 0.4153

= 0.9017
w[3] = 7.5131

8.332

0.1200

1
8.332

Jadi nilai dan vektor eigen matrik A adalah


3.4211
= 3.2880
1.8669

0.7117 0.5665 0.4153


w = 0.4042 0.1531 0.9017
0.5744 0.8097 0.1200

Catatan: Perkalian konstanta dengan vektor eigen tidak akan mengubah esensi dari vektor eigen
tersebut. Untuk persoalan ini harga vektor eigen yang diperoleh menggunakan MATLAB (sekejap
lagi akan dibahas) adalah hasil perkalian antara -1 dengan vektor eigen yang telah diperoleh pada
perhitungan secara analitik.

MATLAB telah menyediakan rutin untuk menghitung nilai dan vektor eigen
matriks A yaitu eig.
Penulisan perintahnya pada MATLAB command window sbb:

[V , D ] = eig ( A)
Vektor eigen

Nilai eigen

Sebagai contoh berikut ini akan ditampilkan perintah pada command window
untuk menghitung nilai dan vektor eigen dari matrik A yang telah diselesaikan
secara analitik sebelumnya.
>> [V,D]=eig(A)
V=
-0.5665 -0.4153 -0.7118
-0.1531 0.9018 -0.4042
0.8097 -0.1200 -0.5744

Halaman 90 dari 101

Bab 7 Persamaan Diferensial Biasa

D=
-3.2880

0 1.8669

0 3.4211

Tugas 6
Transformasi kanonikal PDB dan analisis eigen

Nomor 1
Hitunglah nilai dan vektor eigen dari matrik A berikut ini. Bandingkan hasilnya
dengan menggunakan subrutin eig di MATLAB.
1 2 3
A = 2 5 1
3 1 4

Nomor 2
Ubahlah persamaan differensial berikut ke dalam bentuk kanonikal.
a.

d 2x
dx
3 10 x = 0
2
dt
dt

b.

d 3T 3 d 2T 2 dT
+t
t
10T = 0
dt 3
dt 2
dt

c.

2
d3y
dy
3 d y
y

+ 9y = 0
3
2
dx
dx dx

Halaman 91 dari 101

Bab 7 Persamaan Diferensial Biasa

Solusi Persamaan Differensial Biasa Linier bernilai awal

1. Metode matriks eksponensial

dy
= Ay
dt

y ( 0 ) = y0

A adalah matriks persegi (m x m) dan y adalah vektor kolom (m x 1)


Integrasikan persamaan diferensial linier tersebut.
y

dy
y y = A0 dt
0

ln

y
= At
y0

y = e At y0
Fungsi matriks eksponensial dapat dituliskan sebagai berikut:
exp(At ) = I + At +

A 2 t 2 A 3t 3
+
+ ...
2!
3!

Contoh soal:
Kasus 7

Berikut ini adalah PDB linier orde 2.


d 2x
dx
3 10 x = 0
2
dt
dt
Dengan nilai awal pada t = 0, sbb:
x(0) = 3
dx
0 = 15
dt
Selesaikan PDB tercetak menggunakan metode matrik eksponensial dalam
interval 0 t 1.0 (Langkah integrasi 0.1).

Halaman 92 dari 101

Bab 7 Persamaan Diferensial Biasa

Jawaban :
d 2x
dx
3 10 x = 0
2
dt
dt
x = y1

dy1
dt 0 1 y1

=

dy2 1 3 y2
dt

dx dy1
=
= y2
dt dt
d 2 x dy2
=
= 3 y2 + y1
dt 2
dt

dy
dt

dy
= Ay
dt
Integrasikan.

3
y0 =
15

y = e At y0

Rentang integrasi 0 t 1.0. Langkah integrasi 0.1


t

0 0.1

0
y1 t
y = e
2

3t

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9 1.0

15

Dengan mensubstitusikan t = 0 s.d 1 (langkah integrasi 0.1) selesailah persoalan


ini.
Berikut ini pemrograman MATLAB-nya.
kasus7.m

Halaman 93 dari 101

Bab 7 Persamaan Diferensial Biasa

clear
clc
A = [0 1
1 3];
% Nilai awal
yo = [3;15];
t = [0:0.1:1]';
for i = 1:length(t)
y(i,:) = expm(A*t(i))*yo;
end
%kurva t-x
x = y(:,1)
plot(t,x)
xlabel('t')
ylabel('x')
grid on

>>kasus7a
t=
0
0.1000
0.2000
0.3000
0.4000
0.5000
0.6000
0.7000
0.8000
0.9000
1.0000

x=
3.0000
4.7688
7.2122
10.5945

Halaman 94 dari 101

Bab 7 Persamaan Diferensial Biasa


15.2839
21.7922
30.8319
43.3941
60.8578
85.1416
118.9150

120

100

80

60

40

20

0.1

0.2

0.3

0.4

0.5
t

0.6

0.7

0.8

0.9

2. Metode nilai-vektor eigen


Harga e At dapat dihitung dengan menggunakan bantuan nilai dan vektor eigen.

e At = Ve Dt V 1
Sehingga solusi PDB linier menjadi.

y = Ve Dt V 1 y0
Untuk lebih memahami metode nilai-vektor eigen berikut ini disajikan
penyelesaian kasus 7 dengan menggunakan metode nilai-vektor eigen.
Langkah awal sama dengan metode matriks eksponensial.
0 1
A=

1 3

Halaman 95 dari 101

Bab 7 Persamaan Diferensial Biasa

Dengan menggunakan rutin eig MATLAB diperoleh harga nilai (D) dan vektor
eigen (V).
>> A=[0 1
1 3]
A=
0 1
1 3
>> [V,D]=eig(A)
V=
-0.9571 0.2898
0.2898 0.9571
D=
-0.3028
0
0 3.3028

0.9571 0.2898
V =

0.2898 0.9571

0
0.3028
dan D =
3.3028
0

Substitusikan matriks V dan D ke dalam persamaan

y = Ve Dt V 1 y0
0.9571 0.2898 e0.3028t
y =

0.2898 0.9571 0

1
0 0.9571 0.2898 3


e0.3028t 0.2898 0.9571 15

Dengan mensubstitusikan t = 0 s.d 1 (langkah integrasi 0.1) selesailah persoalan


ini.
Berikut ini pemrograman MATLAB-nya.

Halaman 96 dari 101

Bab 7 Persamaan Diferensial Biasa

kasus7.m
clear
clc
A = [0 1
1 3];
% Nilai awal
yo = [3;15];
a=length(yo);
% Vektor dan Nilai eigen
[V,D]=eig(A);
% Rentang integrasi
t=[0:0.1:1]'
x =zeros(length(t),a);
for i = 1 : length(t)
y = (V*diag(exp(diag(D)*t(i)))*inv(V))*yo;
x(i,:) = y;
end
x
% kurva t-x
plot(t,x(:,1))
xlabel('t')
ylabel('x')
grid on

Eksekusi program kasus7.m (lanjutan)


Hasil di Command Window :
>>kasus7
t=
0
0.1000
0.2000
0.3000
0.4000
0.5000
0.6000
0.7000
0.8000
0.9000
1.0000

x=
3.0000 15.0000
4.7688 20.6902
7.2122 28.6127
10.5945 39.6409
15.2839 54.9901
21.7922 76.3512
30.8319 106.0768
43.3941 147.4403
60.8578 204.9959
85.1416 285.0806
118.9150 396.5110

Halaman 97 dari 101

Bab 7 Persamaan Diferensial Biasa

120

100

80

60

40

20

0.1

0.2

0.3

0.4

0.5
t

0.6

0.7

0.8

0.9

Tugas 7
Metode eigen untuk menyelesaikan sistem persamaan diferensial biasa linier

Suatu bahan radioaktif meluruh berdasarkan mekanisme reaksi berantai


sbb:
k1
k2
A
B
C

k1 dan k2 adalah konstanta laju reaksi. B adalah produk intermediate dan C


adalah produk akhir. Persamaan laju reaksinya sbb:

dC A
= k1C A
CA, CB, dan CC adalah konsentrasi
dt
bahan A, B, dan C.
dCB
= k1C A k2CB
-1
dt
k1= 3 s , k2= 1 s-1.
dCC
= k2CB
Konsentrasi mula-mula bahan sbb:
dt
CA(0)=1 mol/m3 CB(0)=0 CC(0)=0

Halaman 98 dari 101

Bab 7 Persamaan Diferensial Biasa

a) Menggunakan metode matriks eksponensial dan metode eigen tentukan


konsentrasi CA, CB, dan CC sebagai fungsi waktu.
b) Hitunglah konsentrasi CA, CB, dan CC saat t = 1 s dan t = 10 s.
c) Buatlah profil konsentrasi A, B, dan C.

Sistem PDB tak linier bernilai awal

Sistem PDB tak linier bernilai awal banyak ditemukan pada kajian-kajian teknik
kimia berikut ini:
1. Neraca massa dan energi yang melibatkan reaksi kimia.
2. Sistem dinamik nyata (tak ideal).
3. Hampir seluruh peristiwa perpindahan dalam teknologi proses.

Solusi PDB tak linier bernilai awal

1. Metode Euler

y y
y y
dy
= f ( x, y ) = i +1 i = i +1 i
dx
xi +1 xi
h
yi +1 = yi + hf ( xi , yi )
yi +1 = yi + hf ( xi , yi ) + O ( h 2 )
Kesalahan
pemotongan lokal

Harga baru = harga lama + ukuran langkah x slope


2. Metode Runge-Kutta orde ke-2 (Crank-Nicholson)

yi +1 = yi + 12 ( k1 + k2 ) + O ( h3 )
k1 = hf ( xi , yi )
k2 = hf ( xi + h, yi + k1 )

3. Metode Runge-Kutta orde ke-3

Halaman 99 dari 101

Bab 7 Persamaan Diferensial Biasa

yi +1 = yi + 16 ( k1 + 4k2 + k3 ) + O ( h 4 )
k1 = hf ( xi , yi )
h
k

k2 = hf xi + , yi + 1
2
2

k3 = hf ( xi + h, yi + 2k2 k1 )
3. Metode Runge-Kutta orde ke-4
yi +1 = yi + 16 ( k1 + 2k2 + 2k3 + k4 ) + O ( h5 )
k1 = hf ( xi , yi )
k
h

k2 = hf xi + , yi + 1
2
2

h
k

k3 = hf xi + , yi + 2
2
2

k4 = hf ( xi + h, yi + k3 )

4. Metode Runge-Kutta orde ke-5


yi +1 = yi + 901 ( 7 k1 + 32k3 + 12k4 + 32k5 + 7 k6 ) + O ( h6 )
k1 = hf ( xi , yi )
h
k

k2 = hf xi + , yi + 1
2
2

h
3k k

k3 = hf xi + , yi + 1 + 2
4
16 16

k
h

k4 = hf xi + , yi + 3
2
2

3h
3k 6k 9k

k5 = hf xi + , yi 2 + 3 + 4
4
16 16 16

k1 4k 6k 12k4 8k5

k6 = hf xi + h, yi + + 2 + 3
+

7
7
7
7
7

Halaman 100 dari 101

Bab 7 Persamaan Diferensial Biasa

5. Metode Runge-Kutta-Fehlberg
16
6656
28561
yi +1 = yi + h ( 135
k1 + 12825
k3 + 56430
k4 509 k5 + 552 k6 )

k1 = f ( xi , yi )
k2 = f ( xi + h4 , yi + h4 k1 )
k3 = f ( xi + 38h , yi + 38h k1 + 932h k2 )
7200 h
7296 h
h
k4 = f ( xi + 1213h , yi + 1932
2197 k1 2197 k 2 + 2197 k3 )
3680 h
845 h
h
k5 = f ( xi + h, yi + 439
216 k1 8hk 2 + 513 k3 4104 k 4 )
1859 h
11h
h
k6 = f ( xi + h2 , yi 827h k1 + 2hk2 3544
2565 k3 + 4104 k 4 40 k5 )
128
2197
1
d i +1 = h ( 360
k1 4275
k3 75240
k4 + 501 k5 + 552 k6 )

Algoritma dan pemrograman metode euler

Algoritma
1. Mulai
2. Definisikan fungsi f(x,y) [turunan ke-1]
3. Tetapkan nilai awal, x awal, langkah integrasi (h), dan x akhir.
4. Hitung panjang vektor x
5. Hitung yi +1 = yi hf ( xi , yi ) untuk i = 1 s.d (panjang vektor-1)
6. selesai

Halaman 101 dari 101

Bab 7 Persamaan Diferensial Biasa

Algorima dalam diagram alir

Mulai

Definisikan
fungsi f(x,y)

Masukan harga
yo, xo, h, xn

Hitung panjang vector x

yi +1 = yi hf ( xi , yi )
untuk i = 1 s.d (panjang
vektor x -1)

Selesai

eulerku.m
function [x y] = eulerku(dfungsi,yo,xo,dx,xn)
x = xo:dx:xn
a = length(x)
y(1) = yo
for i = 1 : (a-1)
y(i+1)= y(i) + dx*feval(dfungsi,x(i),y(i))
end

Halaman 102 dari 101

Bab 7 Persamaan Diferensial Biasa

dcoba.m
function f = dcoba(x,y)
f = 2*x

>> [x y] = eulerku('dcoba',0,0,1,10)
x=
Columns 1 through 9
0

Columns 10 through 11
9 10

y=
Columns 1 through 9
0

6 12 20 30 42 56

Columns 10 through 11
72 90

Subrutin dalam MATLAB untuk solusi PDB bernilai awal

Pada bagian ini akan dijelaskan subrutin ode23 dalam MATLAB untuk
menyelesaikan PDB bernilai awal dengan karakter linier, taklinier, tunggal
maupun jamak (sistem).

Halaman 103 dari 101

Bab 7 Persamaan Diferensial Biasa

Cara penulisan sintaks ode23


[t,y] = ode23(fungsiPDB,rentang_t,y0)

Fungsi PDB
yang akan
dievaluasi

Rentang
integrasi

Harga
awal

Misal:
dy
= 2 x 3 + 12 x 2 20 x + 8.5 dengan kondisi awal y = 1 pada x = 0 dan rentang
dx
integrasi dari x = 0 s.d x = 4.
Berikut ini pemrograman MATLAB-nya.
%pdb.m
function dydx = pdb(x,y)
dydx = -2*x^3+12*x^2-20*x+8.5;
%runpdb.m
clear
clc
rentang_x = [0 4];
y0 = 1;
[x,y] = ode23('pdb',rentang_x,y0)
plot(x,y)
xlabel('x')
ylabel('y')

Halaman 104 dari 101

Bab 7 Persamaan Diferensial Biasa

Eksekusi di command window


x=

y=
1.0000
1.0791
1.4488
2.1817
2.7701
3.1483
3.3031
3.2609
3.0709
2.7893
2.4787
2.2006
2.0131
1.9808
2.2494
2.6978
3.2901
3.8780
4.3716
4.6749
4.6862
4.3176
3.4933
3.0015

0
0.0094
0.0565
0.1712
0.3046
0.4524
0.6111
0.7777
0.9511
1.1319
1.3196
1.5150
1.7217
1.9512
2.2503
2.4902
2.7301
2.9516
3.1622
3.3655
3.5614
3.7483
3.9277
4.0000

5
4.5
4

3.5
3
2.5
2
1.5
1

0.5

1.5

2
x

2.5

3.5

Halaman 105 dari 101

Bab 7 Persamaan Diferensial Biasa

Kasus 8
Studi terhadap kinetika proses fermentasi berhasil dimodelkan secara matematis
sbb:

dy1
y
= k1 y1 1 1
dt
k2
dy2
= k3 y1 k4 y2
dt

Dengan k1 = 0.03120; k2 = 47.70; k3 = 3.374 ;k4 = 0.01268 serta nilai pada t = 0,


y1=5, y2=0. Evaluasi harga y1 dan y2 dalam interval waktu 0 s.d 10 jam setiap
jamnya!.
Berikut ini pemrograman MATLAB-nya.
%fermen.m
function dydt = fermen(t,y)
k1=0.03120;
k2=47.70;
k3=3.374;
k4=0.01268;
dydt=[k1*y(1)*(1-y(1)/k2)
k3*y(1)-k4*y(2)];

%kasus8
clear
clc
tspan = [0:1:10];
yo = [5 0];
[t,y]=ode23('fermen',tspan,yo)

Halaman 106 dari 101

Bab 7 Persamaan Diferensial Biasa

Eksekusi di command window


t=
0
1
2
3
4
5
6
7
8
9
10

y=
5.0000
5.1414
5.2863
5.4347
5.5868
5.7425
5.9020
6.0652
6.2323
6.4033
6.5783

0
17.0000
34.2657
51.8056
69.6282
87.7422
106.1564
124.8796
143.9206
163.2886
182.9924

Tugas 8
Solusi PDB tak linier menggunakan subrutin MATLAB ode23

Nomor 1
Konversi glukosa menjadi asam glukonik merupakan reaksi oksidasi sederhana
dari gugus aldehid gula menjadi gugus karboksil. Enzim glukosa oksidase,
terbentuk

dalam

mikroorganisme

untuk

mengubah

glukosa

menjadi

glukonolaktona. Kemudian glukonolaktona bereaksi dengan air membentuk asam


glukonik. Mekanisme reaksi secara keseluruhan proses fermentasi dapat dituliskan
sbb:
Pertumbuhan sel:
Glukosa + sel
Oksidasi glukosa:

sel

Glukosa oksidase
Glukosa + O 2
Glukonolactona + H 2 O 2

Hidrolisis glukonolactona:
Glukonolactona + H 2 O Asam glukonik
Dekomposisi peroksida:
1
Katalis
H 2 O 2
H 2O + O2
2

Model matematika untuk fermentasi bakteri Pseudomonas ovalis yang


memproduksi asam glukonik telah dirumuskan oleh Rai dan Constantinides.
Model yang menggambarkan dinamika pertumbuhan fasa logaritmik ini dapat
dituliskan sbb:

Halaman 107 dari 101

Bab 7 Persamaan Diferensial Biasa

Laju pertumbuhan sel:


y
dy1
= b1 y1 1 1
dt
b2
Laju pembentukan glukonolaktona:
dy2 b3 y1 y4
=
0.9082b5 y2
dt b4 + y4
Laju pembentukan asam glukonik:
dy3
= b5 y2
dt
Laju konsumsi glukosa:
byy
dy4
= 1.011 3 1 4
dt
b4 + y4

Keterangan:
y1 = konsentrasi sel
y 2 = konsentrasi glukonolaktona
y3 = konsentrasi asam glukonik
y 4 = konsentrasi glukosa
b1 s.d b5 = parameter, f(T,pH)
Pada kondisi operasi T=30 oC dan pH 6.6 harga dari lima parameter yang
diperoleh secara eksperimental sbb:
b1 = 0.949
b2 = 3.439
b3 = 18.72
b4 = 37.51
b5 = 1.169
Pada kondisi tersebut buatlah profil y1,y2,y3, dan y4 terhadap waktu selama 0 t
9 jam!. Nilai-nilai awal (pada saat t=0) adalah sbb:
y1(0) = 0.5 U.O.D./mL
y2(0) = 0.0 mg/mL
y3(0) = 0.0 mg/mL
y4(0) = 50.0 mg/mL
Petunjuk: soal ini mudah.!!!

_______________________________o0o________________________________

Halaman 108 dari 101

Bab 8 Persamaan Diferensial Parsial

Bab 8
Persamaan Diferensial Parsial (PDP)
Definisi PDP
Persamaan diferensial parsial adalah persamaan diferensial yang terdiri
atas fungsi turunan lebih dari satu variabel bebas.
Contoh:
Persamaan konduksi tak tunak satu dimensi pada lembaran suatu material
dirumuskan dalam PDP sbb.

T
k 2T
=
t
c p x 2
PDP tersebut terdiri dari dua buah variabel bebas, yaitu x (tebal lembaran) dan t
(waktu). Sedangkan variabel terikatnya adalah T (Temperatur). Jika digambarkan
pada koordinat kartesius akan diperoleh gambar 3 dimensi.

Aplikasi PDP
Pemodelan kimia dan fisika atas suatu fenomena dalam bidang teknik
kimia seringkali menghasilkan rumusan matematis dalam bentuk PDP khususnya
pada berbagai fenomena perpindahan (momentum, massa, dan panas).
Klasifikasi PDP
Berdasarkan ordenya PDP terdiri atas tiga jenis.
Orde 1
u
u

=0
x
y
Orde 2

2u
u
+u
=0
2
x
y
Orde 3

Halaman 109 dari 101

Bab 8 Persamaan Diferensial Parsial


2

3u
2u u
+
+
=0
3
x xy y

Umumnya PDP dalam teknik kimia berorde 2 dengan 2 sampai 4 variabel


bebas.
Berdasarkan kelinierannya PDP terdiri atas tiga jenis.
1. Linier
2. Quasilinier
3. Taklinier
Kajian PDP dalam diktat ini terbatas hanya untuk PDP orde 2 linier saja.
PDP linier orde 2 memiliki persamaan umum sbb:
a

2u
2u
2u
u
u
2
b
c
+
+
+d
+ e + fu + g = 0
2
2
x
xy
y
x
y

Berdasarkan harga b 2 ac PDP orde 2 linier terbagi atas tiga bagian, sbb:
1. Eliptik

b 2 ac < 0

2. Parabolik

b 2 ac = 0

3. hiperbolik

b 2 ac > 0

Kondisi Batas

Untuk lebih memahami kondisi batas pada PDP perhatikan contoh persamaan
konduksi tak tunak satu dimensi sbb:

T
k 2T
=
t
c p x 2
1. Kondisi Dirichlet
Nilai variabel terikat (T) diketahui pada nilai variabel bebas (x,t) tertentu

Halaman 110 dari 101

Bab 8 Persamaan Diferensial Parsial

kondisi awal
T = f ( x)

pada t = 0 dan 0 x 1, atau

T = T0

pada t = 0 dan 0 x 1

kondisi batas
T = f (t )

pada x = 0 dan t > 0, dan

T = T1

pada x = 0 dan t > 0

Contoh :

2T T
=
x 2 t
T ( 0, t ) = 1200 C

T (1, t ) = 1200 C
T ( x = 0 :1, 0 ) = 250 C

2. Kondisi Neuman
Turunan variabel terikat (T) diketahui pada nilai tertentu atau sebagai fungsi dari

variabel bebas (x,t).


T
=0
x

pada x = 1 dan t 0

3. Kondisi Robbin
k

T
= h(T T f )
x

pada x = 0 dan t 0

Turunan variabel terikat (T) diketahui sebagai fungsi dari variabel terikat itu
sendiri.
Solusi PDP

Solusi yang paling sederhana dan gampang untuk diterapkan yaitu dengang
metode penghampiran selisih terhingga (finite difference approximationi).

Halaman 111 dari 101

Bab 8 Persamaan Diferensial Parsial

Penghampiran Selisih Terhingga

1. Penghampiran selisih terpusat


ui
1
=
( ui +1 ui 1 )
x 2x
2ui
1
= 2 ( ui +1 2ui + ui 1 )
2
x
x
2
ui , j
1
=
( ui+1, j +1 ui 1, j +1 ui+1, j 1 + ui1, j 1 )
yx 4xy

2. Penghampiran selisih maju


ui
1
=
( ui +1 ui )
x x
2ui
1
= 2 ( ui + 2 2ui +1 + ui )
2
x
x
2
ui , j
1
=
( ui +1, j +1 ui, j +1 ui+1, j + ui, j )
yx 4xy

3. Penghampiran selisih mundur


ui
1
=
( ui ui 1 )
x x
2ui
1
= 2 ( ui 2ui 1 + ui 2 )
2
x
x
2
ui , j
1
=
( ui, j ui, j 1 ui1, j + ui 1, j 1 )
yx xy

Diskretisasi Persamaan Diferensial

Dalam menyelesaikan persamaan diferensial menggunakan penghampiran selisih


terhingga dikenal teknik diskretisasi. Penjelasannya diberikan berdasarkan contoh
soal sebagai berikut :
Kasus 9:
Selesaikan persamaan differensial di bawah ini, kemudian petakan harga x dan y
pada koordinat kartesius.

Halaman 112 dari 101

Bab 8 Persamaan Diferensial Parsial

d2y
= 6x + 4
dx 2
x = 0 y =1
x =1 y =1
Rentang Integrasi x = 0 s/d 1

Jawaban:
Rentang integrasi x = 0 s.d 1 didiskretisasikan menjadi 10 bagian (N = 10).
N = 10
1
x =
= 0.1
N

x
1

10

x0

x1

x2

x3

x4

x5

x6

x7

x8

x9

x10

10

Menggunakan penghampiran selisih terpusat.


2 yi
1
= 2 ( yi +1 2 yi + yi 1 )
2
x
x
Substitusikan penghampiran selisih terpusat itu ke persamaan diferensial.
2 y
6x + 4 = 0
x 2
menghasilkan
1
( yi +1 2 yi + yi 1 ) 6 xi 4 = 0
x 2

Halaman 113 dari 101

Bab 8 Persamaan Diferensial Parsial

Untuk i = 1
1
( y2 2 y1 + 1) 6(0.1) 4 = 0
x 2

Untuk i = 2 s.d. 8
1
( yi +1 2 yi + yi 1 ) 6 xi 4 = 0
x 2

SISTEM
PERSAMAAN LINIER

Untuk i = 9
1
(1 2 y9 + y8 ) 6(0.9) 4 = 0
x 2

Transformasi sistem persamaan linier di atas menjadi bentuk matrik sbb:


2
2 1 0 0 0 0 0 0 0 y1 {6(0.1) + 4} x 1
1 2 1 0 0 0 0 0 0 y 6(0.2) + 4 x 2
}

2 {
0 1 2 1 0 0 0 0 0 y3 {6(0.3) + 4} x 2


2
0 0 1 2 1 0 0 0 0 y4 {6(0.4) + 4} x
0 0 0 1 2 1 0 0 0 y5 = {6(0.5) + 4} x 2


2
0 0 0 0 1 2 1 0 0 y6 {6(0.6) + 4} x
0 0 0 0 0 1 2 1 0 y {6(0.7) + 4} x 2

7
2
0 0 0 0 0 0 1 2 1 y8 {6(0.8) + 4} x
0 0 0 0 0 0 0 1 2 y 6(0.9) + 4 x 2 1
}

9 {

Harga y dapat dihitung dengan metode yang telah dipelajari pada bagian sistem
persamaan linier.

Ay = C
y = A 1C
Berikut ini kita hitung harga vektor y dalam m-file MATLAB.

Halaman 114 dari 101

Bab 8 Persamaan Diferensial Parsial

kasus9.m
clear
clc
%Diskretisasi terhadap x
N=10;
dx=1/N;
x =[0:dx:1]'
%Membuat matrik A koefisien y
A = diag(-2*ones(N-1,1))+diag(ones(N-2,1),1) + diag(ones(N-2,1),-1)
%Vektor konstanta C
C = (6*[dx:dx:x(end)-dx]+4)*dx^2
C(1)=C(1)-1
C(end)=C(end)-1
%Menghitung harga y
y=inv(A)*C'
y=[1;y;1]
%Membuat kurva x-y
plot(x,y)
xlabel('x')
ylabel('y')
grid on

Eksekusi program kasus9.m


Masukan dan hasil di Command Window :
>> kasus9
y=
1.0000
0.7210
0.4880
0.3070
0.1840
0.1250
0.1360
0.2230
0.3920
0.6490
1.0000

Halaman 115 dari 101

Bab 8 Persamaan Diferensial Parsial

Dari hasil perhitungan MATLAB di atas dapat dibuat grafik dan hasil lengkap
untuk persoalan ini sbb:
x

0.1

0.721

0.2

0.488

0.3

0.307

0.4

0.184

0.5

0.125

0.6

0.136

0.7

0.223

0.8

0.392

0.9

0.649

1
0.9
0.8
0.7

0.6
0.5
0.4
0.3
0.2
0.1

0.1

0.2

0.3

0.4

0.5
x

0.6

0.7

0.8

0.9

Halaman 116 dari 101

Bab 8 Persamaan Diferensial Parsial

Tugas 9
Menyelesaikan persamaan differensial dengan penghampiran selisih
terhingga (diskretisasi)

Nomor 1
Dengan menggunakan penghampiran selisih terhingga terpusat selesaikan
persamaan diferensial sbb:

d2y
= y+2
dx 2
y (0) = y (1) = 1
Rentang Integrasi = 0 s/d 1
Sertakan pula kurva x,y diagram kartesiusnya.

Semidiskretisasi Persamaan Diferensial Parsial

Di muka telah dipaparkan penjelasan mengenai diskretisasi untuk menyelesaikan


persamaan diferensial. PDP dapat diselesaikan juga dengan menggunakan teknik
diskretisasi, sayangnya penerapan pada PDP lebih rumit dan melibatkan banyak
angka. Sebagai penyederhanaan dapat digunakan teknik semidiskretisasi.
Penjelasannya akan diberikan berdasarkan contoh soal sbb:
kasus10
Sebuah lembaran plastik dengan tebal 1 cm mula-mula bertemperatur 25 oC
diletakan diantara pelat yang bertemperatur 120 oC. Diketahui massa jenis plastik
900 kg/m3, konduktivitas termal 0.13 W/moC, dan kalor jenis 1670 J/kgoC .
Pemodelan matematis untuk kasus konduksi tak tunak adalah sbb:
2T T
2 =
x
t

k
cp

Dengan metode numeris evaluasi temperatur rata-rata plastik 10 menit kemudian?

Halaman 117 dari 101

Bab 8 Persamaan Diferensial Parsial

Jawaban:
2T T
=
x 2 t
T ( 0, t ) = 1200 C

Kondisi Dirichlet

T (1, t ) = 1200 C
T ( x = 0 :1, 0 ) = 250 C

k
(0.13)
= 8.6494x108 m 2 / s
=
c p (900)(1670)

= 5.1896x102 cm 2 / menit

Diskretisasi dilakukan terhadap x.

N = 20
1 0
x =
= 0.05
20

x
1
0

0.05

2
0.1

0.15

5
0.2

6
0.25

7
0.3

0.35

9
0.4

10
0.45

11
0.5

0.55

12

13
0.6

x
15

14
0.65

0.7

0.75

17

16
0.8

18

0.85

Menggunakan penghampiran selisih terpusat turunan kedua T terhadap x,


2Ti
1
= 2 (Ti +1 2Ti + Ti 1 )
2
x
x
PDP tersebut akan menjadi.
T

= 2 (Ti +1 2Ti + Ti 1 )
t x

Halaman 118 dari 101

19
0.9

0.95

20
1

Bab 8 Persamaan Diferensial Parsial

Untuk i = 1

= 2 (T2 2T1 + 120 )


t x

Untuk i = 2 : 18
T

= 2 (Ti +1 2Ti + Ti 1 )
t x

Untuk i = 19

SISTEM
PERSAMAAN
DIFERENSIAL
BIASA

= 2 (120 2T19 + T18 )


t x

Solusi sistem persamaan diferensial biasa telah dibahas pada bagian sebelumnya.
Rutin yang akan digunakan untuk sistem PDB di termaksud adalah ode23
MATLAB. Berikut ini pemrogramannya.

taktunak.m

Pemrograman MATLAB

function dTdt=taktunak(t,T)
N=20;
dx=1/N;
a=5.1896e-2; %diffusivitas termal,cm2/menit
% untuk i = 1
dTdt(1,:) = a/(dx^2)*(T(2)-2*T(1)+120);
% untuk i = 2 s.d 18
for i = 2:18
dTdt(i,:) = a/(dx^2)*(T(i+1)-2*T(i)+T(i-1));
end
% untuk i = 19
dTdt(19,:) = a/(dx^2)*(120-2*T(19)+T(18));

Halaman 119 dari 101

Bab 8 Persamaan Diferensial Parsial

kasus10.m

Pemrograman MATLAB

clear
clc
% Nilai awal dan rentang integrasi.
tspan=[0:1:10];
To = 25*ones(1,19);
% Fungsi pengintegrasi.
[t,T] = ode23(taktunak',tspan,To);
% Menampilkan hasil perhitungan.
x=[0:1/20:1]'
t
T0=120*ones(length(tspan),1);
T0(1)=(25+120)/2
% Harga T pada t=0,x=0, diambil rata-rata.
T20=120*ones(length(tspan),1);
T20(1)=(25+120)/2
% Harga T pada t=0,x=1, diambil rata-rata.
T=[T0 T T20]
% Memetakan hasil pd diagram kartesius 3-D.
figure(1)
surf(x,t,T)
xlabel('x')
ylabel('t')
zlabel('T')
colorbar
shading interp
figure(2)
pcolor(x,t,T)
xlabel('x')
ylabel('t')
zlabel('T')
colorbar
shading interp
% Menghitung rata-rata suhu plastik pd menit ke 10
[b k]=size(T);
z=T(b,:);
Tslab=mean(z)

Eksekusi program kasus10.m &runkasus10.m. Masukan dan hasil di


Command Window :
>>runkasus10
Tslab =
119.5598

Halaman 120 dari 101

Bab 8 Persamaan Diferensial Parsial

Gambar 3-D.
Profil temperatur plastik sepanjang x pada interval waktu t

Halaman 121 dari 101

Bab 8 Persamaan Diferensial Parsial

Gambar 3-D semu. Profil temperatur plastik sepanjang x pada interval


waktu t

Tugas 10: Menyelesaikan PDP dengan penghampiran selisih terhingga


terpusat (semi diskretisasi)

Nomor 1
Suatu fenomena difusi-konveksi dapat dideskripsikan dengan PDP berikut ini:
2

0 < x < 1,
= 2
t x
x
t >0
(0, t ) = 1,

(1, t ) = 0, t > 0
x
( x, 0) = 0,
0 < x <1

t>0

Jika harga = 25, selesaikan PDP diatas untuk rentang t = 0 s.d 5. Buat pula
gambar 3-D ,t,x pada koordinat kubus (kartesius).

Halaman 122 dari 101

Daftar Pustaka

Daftar Pustaka
1. Chapra, Steven C. & Canale, Raymond P., Numerical Methods for
Engineers, 1985, diterjemahkan ke dalam bahasa Indonesia dengan judul
Metode Numerik untuk Teknik oleh UI-Press, Jakarta, 1991.
2. Constantinides A. & Mostoufi N., Numerical Methods for Chemical
Engineers with MATLAB Applications, Prentice Hall, New Jersey, 1983.
3. Cutlip, Michael B. & Shacham Mordechai, Problem Solving in Chemical
Engineering with Numerical Methods, Prentice Hall, New Jersey, 1999.
4. Hanna, Owen T. & Sandal, Orville C., Computaional Methods In Chemical
Engineering, Prentice Hall, New Jersey, 1999.
5. Lindfield G. & Penny J., Numerical Method Using MATLAB, Elis Horwood,
London, 1995.
6. Riggs, James B., An Introduction to Numerical Methods for Chemical
Engineers, Texas Tech University Press, Texas, 1988.
7. Sediawan, W.B. & Prasetya A., Pemodelan Matematis dan Penyelesaian
Numeris dalam Teknik Kimia, Andi, Yogyakarta, 1997.