Nama : Fajar Ajinugroho Program Magister Teknologi Biomedis

NPM : 2106666486 Universitas Indonesia

Tugas II Metodologi Penelitian II

1. Fit the following data with the power model ( 𝑦 = 𝑎𝑥 ).Use the resulting power equation to
predict y at x = 9:

Mencari y saat x = 9
𝑛 × ∑𝑋𝑌 − ∑𝑋 ∑𝑌
𝑏=
𝑛 × ∑𝑋 − ∑𝑋 × ∑𝑋

10 × 37,8401 − 20,9794 × 19,1795

𝑏=
10 × 48,4508 − 20,9794 × 20,9794

𝑏 = −0,5402

𝑎 = 𝑌−𝑏𝑋
19,1795 20,9794
𝑎 = − 0,5402
10 10

𝑎 = 3,0514
𝑎= 𝑒 ,
𝑎 = 21,1458
𝑦 = 𝑎𝑥
,
𝑦 = 21,1458 (9)
𝑦 = 6,4514
Fitting data
∑𝑌 × ∑ 𝑋 − ∑𝑋 × ∑𝑋𝑌
𝑎 =
𝑛 × ∑𝑋 − ∑𝑋 × ∑𝑋

19,1795 × 48,4508 − 20,9794 × 37,8401

𝑎 =
10 × 48,4508 − 20,9794 × 20,9794

𝑎 = 3,0514
𝑎= 𝑒 ,
𝑎 = 21,1458
𝑛 × ∑𝑋𝑌 − ∑𝑋 ∑𝑌
𝑏=
𝑛 × ∑𝑋 − ∑𝑋 × ∑𝑋

10 × 37,8401 − 20,9794 × 19,1795

𝑏=
10 × 48,4508 − 20,9794 × 20,9794

𝑏 = −0,5402
x=2,5
,
𝑦 = 21,1458 (2,5)
𝑦 = 12,8890
x=3,5
,
𝑦 = 21,1458 (3,5)
𝑦 = 10,74
x=5
,
𝑦 = 21,1458 (5)
𝑦 = 8,8629
x=6
,
𝑦 = 21,1458 (6)
𝑦 = 8,0315
x=7,5
,
𝑦 = 21,1458 (7,5)
𝑦 = 7,1193
x=10
,
𝑦 = 21,1458 (10)
𝑦 = 6,0944
x=12,5
,
𝑦 = 21,1458 (12,5)
𝑦 = 5,4022
x=15
,
𝑦 = 21,1458 (15)
𝑦 = 4,8954
x=17,5
,
𝑦 = 21,1458 (17,5)
𝑦 = 4,5042
x=20
,
𝑦 = 21,1458 (20)
𝑦 = 4,1907

Power Model
14

12

10

0
0 5 10 15 20 25

y before fitting y' after fitting

*Note dan lampiran:

 X = ln(x) dan Y = ln(y)

 y before y' after
n x X= ln (x) Y= ln(y) 𝑋 XY
fitting fitting
1 2,5 13 12,889 0,9163 2,5649 0,8396 2,3502
2 3,5 11 10,74 1,2528 2,3979 1,5694 3,0040
3 5 8,5 8,8629 1,6094 2,1401 2,5903 3,4443
4 6 8,2 8,0315 1,7918 2,1041 3,2104 3,7701
5 7,5 7 7,1193 2,0149 1,9459 4,0598 3,9208
6 10 6,2 6,0944 2,3026 1,8245 5,3019 4,2012
7 12,5 5,2 5,4022 2,5257 1,6487 6,3793 4,1641
8 15 4,8 4,8954 2,7081 1,5686 7,3335 4,2479
9 17,5 4,6 4,5042 2,8622 1,5261 8,1922 4,3679
10 20 4,3 4,1907 2,9957 1,4586 8,9744 4,3696
∑x = ∑X = ∑Y = ∑𝑋 = ∑XY =
99,5 20,9794 19,1795 48,4508 16,6798

2. Fit an exponential model to

Fitting data

∑𝑌 × ∑ 𝑥 − ∑𝑥 × ∑𝑥𝑌
𝑎 =
𝑛 × ∑𝑥 − ∑𝑥 × ∑𝑥

44,1670 × 14,900 − 8,3 × 63,855

𝑎 =
10 × 14,900 − 8,3 × 8,3

𝑎 = 1,3699
𝑎= 𝑒
𝑎= 𝑒 ,
𝑎 = 3,9353

𝑛 × ∑𝑥𝑌 − ∑𝑥 ∑𝑌
𝑏=
𝑛 × ∑𝑥 − ∑𝑥 × ∑𝑥

10 × 9,5796 − 1,0389 × 44,1670

𝑏=
10 × 2,3177 − 1,0389 × 1,0389

𝑏 = 2,2373

𝑦 = 𝑎𝑒
, ( )
𝑦 = 3,9353 𝑒
X=0,4
𝑦 = 3,9353 𝑒 , ( , )

𝑦 = 17,461

X=0,8
𝑦 = 3,9353 𝑒 , ( , )

𝑦 = 77,4747
X=1,2
𝑦 = 3,9353 𝑒 , ( , )

𝑦 = 343,7566
X=1,6
𝑦 = 3,9353 𝑒 , ( , )

𝑦 = 1525,2529
X=2
𝑦 = 3,9353 𝑒 , ( )

𝑦 = 6767,5683
X=2,3
𝑦 = 3,9353 𝑒 , ( , )

𝑦 = 20689,5356

*Note dan lampiran:

 X = x dan Y = ln(y)

Exponential Model
25000

20000

15000

10000

5000

0
0 0.5 1 1.5 2 2.5

y before fitting y' after fitting

 y before y' after
n x X= ln (x) Y= ln(y) 𝑥 xY
fitting fitting
1 0,4 800 17,461 -0,9163 6,6846 0,1600 2,6738
2 0,8 975 77,4747 -0,2231 6,8824 0,6400 5,5059
3 1,2 1500 343,7566247 0,1823 7,3132 1,4400 8,7759
4 1,6 1950 1525,252919 0,4700 7,5756 2,5600 12,1209
5 2 2900 6767,568388 0,6931 7,9725 4,0000 15,9449
6 2,3 3600 20689,53569 0,8329 8,1887 5,2900 18,8340
∑Y = ∑XY =
∑x = 8,3 44,6170 ∑𝑥 = 14,0900 63,8555
 𝑑𝑦
𝑥 =3−𝑦
𝑑𝑥
1 1
𝑑𝑦 = 𝑑𝑥
3−𝑦 𝑥
1 1
𝑑𝑦 = 𝑑𝑥
3−𝑦 𝑥
− ln(3 − 𝑦) = ln 𝑥 + ln 𝐶 = ln 𝐶𝑥
− ln(3 − 𝑦) = ln 𝐶𝑥
(3 − 𝑦) = 𝐶𝑥
3. Jelaskan dengan contoh persamaan diferensial ordinasi linear dan tak linear (non linear).
Jelaskan perbedaanya?
 Persamaan diferensial linear tidak memuat variable tak bebas dari turunan turunannya
yang berpangkat lebih dari satu sedangkan untuk non linear variable tak bebas ada yang
berpangkat lebih dari Satu
 Persamaan diferensial linear tidak terdapat perkalian dari variable tak bebas dan atau
turunan turunannya sedangkan persamaan diferensial nonlinear terdapat perkalian dari
variable tak bebas
 Persamaan diferensial linear tidak terdapat fungsi transendental sedangkan non linear
terdapat fungsi transcendental

Persamaan Linear:
𝑑𝑦
𝑥 =3−𝑦
𝑑𝑥
Persamaan non Linear:
𝑑𝑥1
= 𝑥1 + 𝑥1 𝑥2
𝑑𝑡
Persamaan diatas terdapat perkalian antar variable tak bebas sehingga dikatakan non linear
𝑑𝑥1
= 4𝑥1 − 2𝑥2
𝑑𝑡
Persamaan diatas memuat pangkat lebih dari satu pada variable tak bebas sehingga dikatakan
non linear

4. Berikan contoh model matematika dengan menggunakan persamaan diferensial ordinary

yang diaplikasikan di bidang biomedis
1
𝑦′′ = [𝐹𝑒 − 𝐹𝑠(𝑘, 𝑃) − 𝐹𝑑(𝑘 , 𝑃)]
𝑚
Persamaan diatas adalah persamaan diferensial nonlinear berdasarkan hukum ke dua
Newton persamaan ini untuk menggambarkan y (displacement pada otot) dimana:

m : massa otot
Fe : Gaya dari eksternal
Fs (k,P) : Persamaan non linear yang menggambarkan Spring force
Fd (k’,P) : Persamaan non linear yang menggambarkan damper force
K : kontraksi pada otot
P : Tekanan absolut pada otot