ccitonline.com

اَلسَّلَامُ عَلَيْكُمْ وَرَحْمَةُ اللهِ وَبَرَكَاتُهُ
اَلْحَمْدُ لِلَّهِ رَبِّ الْعَالَمِينَ، وَالصَّلَاةُ وَالسَّلَامُ عَلَى أَشْرَفِ الْأَنْبِيَاءِ وَالْمُرْسَلِينَ، وَعَلَى آلِهِ وَصَحْبِهِ أَجْمَعِينَ. أَمَّا بَعْد

Sebelum masuk pada pembelajaran, perkenalkan nama lengkap saya Syahrul yang biasa dipanggil Syahrul juga. Saya lahir di Jakarta Pusat tapi tumbuh di desa yang berada di Kabupaten Majalengka, Jawa Barat.

Pada saat SMA saya adalah anak yang biasa saja dan tidak terlalu pintar, saya eligible tengah-tengah di angka 41. Walaupun biasa biasa saja saya pantang menyerah hingga bisa masuk di Teknik Perkapalan UI.

Pada hari ini, setelah berdiskusi dengan AI-DAI5, saya mendapatkan ilmu mengenai dasar-dasar metode numerik, beserta kaitannya dengan framework pemikiran DAI5.

1. Deep Awareness of I (Kesadaran Dasar)

Memahami pentingnya Metode Numerik dalam engineering:

• Banyak masalah teknik tidak bisa diselesaikan secara analitik:
  • Persamaan nonlinear kompleks
  • Sistem persamaan diferensial parsial
  • Integral yang tidak punya closed-form solution
• Metode Numerik menjembatani teori dan praktek:
  • Simulasi CFD → butuh diskritisasi dan iterasi
  • Signal processing → butuh transformasi domain
  • Optimasi desain → butuh root-finding dan interpolasi

Menyadari bahwa setiap metode punya karakteristik:

• Akurasi vs Kecepatan komputasi (trade-off)
• Stabilitas numerik (kapan konvergen, kapan divergen)
• Kompleksitas implementasi (simple vs robust)

Metode Numerik dipilih karena:

• Memberikan approximate solution untuk masalah yang impossible diselesaikan exact
• Bisa diimplementasikan di komputer → scalable
• Foundation untuk software engineering tools (MATLAB, Python NumPy/SciPy, ANSYS, dll.)

2. Intention (Tujuan Pembelajaran)

Goal utama:

• Menguasai konsep fundamental dari 3 topik utama:
  1. Newton-Raphson Method (root-finding)
  2. Fourier Transform (signal analysis)
  3. Metode Numerik lainnya (integrasi, diferensiasi, ODE)

Target spesifik:

A. Newton-Raphson:

• Memahami derivasi matematis metode
• Mampu mengimplementasi kode dari scratch
• Bisa mengidentifikasi kasus divergensi dan solusinya
• Menerapkan pada studi kasus engineering (contoh: mencari critical load struktur)

B. Fourier Transform:

• Paham konsep transformasi domain waktu → frekuensi
• Bisa membedakan DFT, FFT, dan Continuous FT
• Implementasi FFT di Python untuk analisis getaran
• Aplikasi: mendeteksi frekuensi dominan dari data eksperimen

C. Metode Numerik Lain:

• Integrasi numerik: Trapezoidal, Simpson, Gaussian Quadrature
• Diferensiasi numerik: Forward/Backward/Central difference
• ODE solvers: Euler, Runge-Kutta (RK2, RK4)
• Linear system: Gauss Elimination, LU Decomposition

Outcome akhir:

• Mampu memilih metode yang tepat untuk problem yang dihadapi
• Bisa validasi hasil numerik dengan analytical solution (kalau ada)
• Punya portofolio kode yang reusable untuk project lain

3. Initial Thinking (Perancangan Metode Belajar)

A. Newton-Raphson Method

Langkah Pembelajaran:

1. Pemahaman Teori

• Baca derivasi metode dari deret Taylor
• Pahami geometric interpretation (garis singgung kurva)
• Identifikasi syarat konvergensi:
  • f'(x) ≠ 0 di sekitar akar
  • Tebakan awal x₀ cukup dekat dengan solusi

2. Implementasi Kode

3. Test Cases

• Case 1 (Simple): f(x) = x² – 2 → cari √2
• Case 2 (Nonlinear): f(x) = x³ – 2x – 5
• Case 3 (Failure): f(x) = x^(1/3) di x=0 (turunan undefined)

4. Analisis Error

• Bandingkan hasil dengan solusi exact (kalau ada)
• Plot convergence rate (error vs iterasi)
• Cek order of convergence (Newton-Raphson = quadratic)

5. Aplikasi Engineering

• Mencari critical buckling load kolom (Euler formula)
• Optimasi parameter reaktor kimia (cari steady-state)

---

B. Fourier Transform

Langkah Pembelajaran:

1. Pemahaman Konsep

• Pahami Fourier Series dulu (basis periodik)
• Lanjut ke Continuous Fourier Transform
• Akhirnya Discrete Fourier Transform (DFT)

2. Derivasi DFT

• Tulis manual formula: $$X[k] = \sum_{n=0}^{N-1} x[n] \cdot e^{-j2\pi kn/N}$$X[k]=n=0∑N−1​x[n]⋅e−j2πkn/N
• Pahami kompleksitas O(N²)
• Kenapa FFT lebih cepat → O(N log N)

3. Implementasi Kode

4. Test Cases

• Case 1: Pure sine wave (50 Hz) → cek peak di frequency domain
• Case 2: Composite signal (50 Hz + 120 Hz) → cek 2 peaks
• Case 3: Real-world data (getaran struktur dari eksperimen)

5. Parameter yang Dianalisis

• Peak frequencies → frekuensi dominan
• Magnitude spectrum → amplitudo tiap komponen
• Phase spectrum → fase tiap komponen
• Power spectral density (PSD) → distribusi energi

6. Aplikasi Engineering

• Analisis getaran mesin → deteksi unbalance
• Filter design → buang noise dari signal
• Kompresi data → keep only significant frequencies

---

C. Metode Numerik Lainnya

Integrasi Numerik

1. Trapezoidal Rule$$\int_a^b f(x)dx \approx \frac{h}{2}[f(x_0) + 2\sum_{i=1}^{n-1}f(x_i) + f(x_n)]$$∫ab​f(x)dx≈2h​[f(x0​)+2i=1∑n−1​f(xi​)+f(xn​)]

2. Simpson’s Rule$$\int_a^b f(x)dx \approx \frac{h}{3}[f(x_0) + 4\sum_{odd}f(x_i) + 2\sum_{even}f(x_i) + f(x_n)]$$∫ab​f(x)dx≈3h​[f(x0​)+4odd∑​f(xi​)+2even∑​f(xi​)+f(xn​)]

4. Idealization (Analisis & Evaluasi Hasil)

A. Newton-Raphson

Hasil yang diharapkan:

• Konvergensi quadratic (error berkurang drastis tiap iterasi)
• Butuh 3-5 iterasi untuk mencapai toleransi 10⁻⁶

B. Fourier Transform

Hasil yang diharapkan:

• FFT mendeteksi 2 peaks di 50 Hz dan 120 Hz
• Magnitude ratio sesuai dengan amplitudo input (1 : 0.5)