BAB 9 ANUM
-
Upload
adinda-natasya -
Category
Documents
-
view
228 -
download
2
description
Transcript of BAB 9 ANUM
BAB 9
BAB 9CURVE-FITTING DAN FUNGSI APROKSIMASI
Dalam bab ini akan dibahas mengenai pembentukan curve fitting terhadap sekumpulan data yang diperoleh dari hasil eksperimen. Aproksimasi least-square banyak digunakan dalam menentukan curve-fitting dengan menggunakan persamaan polynomial.
9.1. Aproksimasi Least-Squares
Anggaplah sekumpulan data diperoleh dari hasil percobaan laboratorium fisika, yaitu :
T, oC R, Ohms
_______ _______
20.5 765
32.7 826
51.0 873
73.2 942
95.7 1032
Plot tahanan, R versus Temperature, T diperlihatkan pada gambar 9.1.1.
Gambar 9.1.1. Tahanan versus temperature
Hubungan linear antara R dan T dapat ditentukan dengan persamaan :
(9.1.1)
1dimana a dan b merupakan konstanta.
Metode Least-Squares digunakan untuk menentukan konstanta a dan b melalui minimisasi jumlah kesalahan kwadrat antara nilai percobaan dan nilai yang dihitung. Misalkan Yi adalah nilai dari percobaan dan yi adalah nilai yang diperoleh dari persamaan :
(9.1.2)
2dimana xi merupakan variabel bebas yang diukur. Misalkan kesalahan, ei = Yi - yi, jumlah kewadrat kesalahan, S, dihitung dengan persamaan :
(9.1.3)
3
(9.1.4)
4
(9.1.5)
5N adalah jumlah pasangan data x,Y. Untuk mendapatkan konstanta a dan b, turunan parsil S terhadap a dan b dijadikan sama dengan nol atau harga S diminimalkan sesuai dengan kriteria metoda Least-Squares :
(9.1.6)
6
(9.1.7)
7Persamaan ini dapat disusun menjadi
(9.1.8)
8
(9.1.9)
9Persamaan ini dapat diselesaikan secara simultan untuk mendapatkan nilai slope a dan intercept b.
Data percobaan R versus T yang diberikan diatas dapat disusun kedalam Tabel 9.1.1 :
Tabel 9.1.1. Tahanan Versus Temperatur
_______________________________________________________________
No. :
Ti:Ri:Ti2
:Ti Ri_______________________________________________________________
1. :
20.5:765:420.25:15682.5
2. :
32.7: 826: 1069.29 : 27010.2
3. : 51.0: 873: 2601.00 : 44523.0
4. : 73.2: 942: 5358.24 : 68954.4
5. : 95.7: 1032: 9158.49 : 98762.4
_______________________________________________________________
N = 5: 273.1 : 4438 : 18607.27 :254932.5
___________________________________________________________
Dengan memasukkan nilai jumlah kedalam persamaan diatas didapat
(9.1.10)
10
(9.1.11)
11Dari penyelesaian simultan diperoleh a = 3.395, dan b = 702.2, sehingga persamaan linear adalah
(9.1.12)
129.2. Fitting Kurva Nonlinear dengan Least-Squares
Jika data percobaan tidak memberikan hubungan linear, dapat digunakan fungsi lain dalam bentuk eksponensial seperti :
(9.2.1)
13atau
(9.2.2)
14Persamaan tersebut dapat dilinearisasi dengan operasi logaritma sehingga dapat digunakan metoda Least-Squares :
(9.2.3)
15atau
(9.2.4)
16 Metoda Least-Squares dapat digunakan untuk mencari konstanta-konstanta persamaan polynomial dengan derajat yang lebih tinggi, misalnya untuk hubungan :
(9.2.5)
17dengan kesalahan yang didefinisikan sebagai
(9.2.6)
18Jumlah kuadrat kesalahan didefinisikan sebagai
(9.2.7)
19Nilai S diminimalkan terhadap a0, a1, ........, an ....... sehingga diperoleh persamaan :
(9.2.8)
(9.2.9)
...........
(9.2.10)
Persamaan (9.2.8) sampai dengan (9.2.10) disusun ke dalam persamaan :
(9.2.11)
(9.2.12)
(9.2.13)
(9.2.14)
Persamaan (9.2.1) sampai (9.2.4) dapat diselesaikan secara simultan dengan menggunakan metoda eliminasi Gauss atau metoda lain.Contoh :
Carilah persamaan kuadratik menggunakan metoda least-square dari data sebagai berikut :
_______________________________________________________________
X :0.050.110.150.310.460.520.700.740.820.981.17
Y : 0.9560.8900.8320.7170.5710.5390.3780.3700.3060.2420.104
_______________________________________________________________
Dari data yang diberikan diperoleh :
System persamaan yang diberikan diperoleh :
Penyelesaian system persamaan menghasilkan a0 = 0.998, a1 = -1.018, a2 = 0.225 sehingga diperoleh persamaan : y = 0.998 1.018x + 0,225x2.
Penggunaan polynomial dengan derajat yang lebih tinggi lebih berarti jika variansi (2 mengalami penurunan. Variansi (2 dihitung dengan persamaan :
(9.2.15)
Perhitungan nilai variansi untuk berbagai polynomial ditampilkan pada table 9.2.1. untuk contoh di atas.
Tabel 9.2.1. Nilai variansi untuk berbagai polynomial
_______________________________________________________________
Tingkat
Persamaan
(2
e2_______________________________________________________________
1y = 0.952 0.76 x
0.000100.0092
2y = 0.998 1.018x + 0.225 x2
0.00020.0018
3y = 1.004 1.079x + 0.351x2
0,069 x3
_______________________________________________________________
Program dan keluaran dengan metoda least square ditampilkan pada Lampiran 14.209.3. Soal-Soal
1. Carilah persamaan dengan menggunakan metoda least-square untuk data berikut dengan asumsi nilai x bebas kesalahan :
x
y
x
y
1
2.04
4
7.18
2
4.12
5
9.20
3
5.64
6
12.04
Untuk tingkat 1, 2 dan 3 dah hitung variansi dan jumlah error kuadrat.2. Data kelarutan n-butana dalam anhydrous hydrofluoric acid pada tekanan tinggi diberikan pada table berikut :
Temperature, 0F
Kelarutan, % berat
77
2.4
100
3.4
185
7.0
239
11.1
285
19.6
_____________________________________________________________
Jika korelasi yang diharapkan adalah y = a ebx
Tentukan konstanta a dan b dengan menggunakan metoda least-square.
3. Carilah parameter a, b, dan c dalam persamaan normal :
z = ax + by + c
jika diberikan data :
x :
01.22.13.44.04.25.65.86.9
_____________________________________________________________
y :
00.56.00.55.13.21.37.410.2
z :
1.23.4-4.69.92.47.214.33.51.3
4. Laju alir dari fire hose diperkirakan sebagai fungsi tekanan berpangkat pada suatu nozzle. Carilah korelasi yang tepat dengan menggunakan metoda least-square jika diberikan data :
Aliran, gallon per menit
Tekanan, psi
94
10
118
16
147
25
180
40
230
60
5. Fungsi kuadratik diharapkan untuk data berikut :
x :
1
2
3
4
5
y :
1.9
9.3
21.5
42.0
115.7
Dapatkan fungsi kuadratik dengan metoda least-square.6. Excess Gibbs Energy function dari air + trietylamine dinyatakan sebagai berikut :
Data berikut dapat digunakan untuk memperoleh polynomial kuadratik :
x
y
0.05
10.2847
0.25
9.5148
0.45
9.3282
0.65
9.7665
0.85
11.3528
0.95
13.4083
7. Studi mengenai dekomposisi thermal dari isopropyl isocyanate dilakukan pada differential packed-bed reactor. Dari data di bawah ini, tentukan reaction-rate law parameters :
RunRate (mol/s.dm3) Concentration (mol/dm3) Temperatur (K)
1
4.9 x 10-4
0.2
700
2
1.1 x 10-4
0.02
750
3
2.4 x 10-3
0.05
800
4
2.2 x 10-3
0.08
850
5
1.18 x 10-1
0.1
900
6
1.82 x 10-2
0.06
950
8. Fitting Polymials to vapor Pressure Data
Tekanan uap benzene :
TK = TC + 273,15
NoTemperature, T (0C)TK (K)Pressure, P (mmg Hg)
1-36,7236,451
2-19,6253,555
3-11,5261,6510
4-2,6270,5520
57,6280,7540
615,4288,5560
726,1299,35100
842,2315,35200
960,6333,75400
1080,1353,25760
Polynomials :
P(cole) = ao + a1TK + a2TK2 + a3TK3 + a4TK4
N = 10 (jumlah data)
n = 4 (degree of polynomials)
Least Squares Objective Function yang diminimalkan
LS =
untuk menentukan ao, a1, a2, a3, dan a4
Program Hookes jeeres digunakan untuk fungsi objective yang diminimalkan.
Variance :
Variance digunakan untuk menentukan degree polynomials yang memberikan best fit terhadap data.
V = N - (n+1)
Procedure :1) Read TK(1),.,TK(10)
2) Read P(1),,P(10)
3) Set harga ao, a1, a2, a3, dan a44) Hitung PC(1),,PC(10)
5) Minimalkan
Referensi :
Perry, R. H., Green, D. W., and Malorey, J. D., eds. Perrys Chemical Engineers Handbook, 6th ed, New York ; McGraw Hill, 1984
_1135838965.xls
_1135840850.unknown
_1322908746.unknown
_1322909201.unknown
_1358951452.unknown
_1358951577.unknown
_1358951403.unknown
_1322909050.unknown
_1135841657.unknown
_1135843080.unknown
_1135843117.unknown
_1135845038.unknown
_1135842977.unknown
_1135841589.unknown
_1135840360.unknown
_1135840639.unknown