Buku Pemrograman Komputer

Adrian Nur
Y.C. Danarto
Bregas Siswahjono T.S.
Paryanto
Jurusan Teknik Kimia Fakultas Teknik

Universitas Sebelas Maret
Surakarta
LEMBAR PENGESAHAN
1. Judul buku ajar
: Penyelesaian Numeris dalam

Teknik Kimia dengan Matlab
2. Tim Penyusun
: Adrian Nur, S.T., M.T.

Y.C. Danarto, S.T., M.T.
Bregas Siswahjono T.S., S.T., M.T.
Ir. Paryanto, M.S.
3. Waktu penulisan
: 4 ( empat ) bulan.
4. Biaya
: Rp. 5.000.000,- ( lima juta rupiah ).
Surakarta, 15 November 2005

Mengetahui,
Ketua Pelaksana Kegiatan SP4
Jurusan Teknik Kimia UNS
Ketua Tim Penyusun
Fadilah, ST., MT.

NIP 132 258 062
Adrian Nur, ST., MT.

NIP 132 282 191
Mengetahui/Menyetujui,
Pembantu Rektor I UNS
Dekan Fakultas Teknik UNS
Dr. Ravik Karsidi, MS

NIP 130 906 766
Ir. Sumaryoto, MT.

NIP 131 471 452
Adrian Nur
Y.C. Danarto
Paryanto

Surakarta
Penyelesaian Numeris dalam
Teknik Kimia dengan Matlab

Oleh :
Adrian Nur
Y.C.. Danarto
Paryanto
vi + 252 hlm. ; 15,5 x 23 cm

10 9 8 7 6 5 4 3 2 1
Hak Cipta @ 2005 pada penulis

Dilarang memperbanyak sebagian atau seluruh isi buku ini dalam
bentuk apapun, tanpa izin dari penulis
Edisi Pertama
Edisi pertama, Cetakan pertama, November 2005

Surakarta
KATA PENGANTAR
Penggunaan MATLAB dalam penyelesaian persoalan dalam teknik

kimia bukanlah hal yang baru. Namun penggunaan MATLAB tersebut sangat
terbatas dan tanpa memperhatikan pengetahuan numeris yang digunakan.
Buku ini menyajikan penggunaan bahasa pemrograman MATLAB
untuk penyelesaian persoalan-persoalan dalam teknik kimia secara numeris. Bab
awal buku berisi pengantar pemrograman dengan menggunakan MATLAB. Babbab selanjutnya diikuti dengan penyelesaian secara numeris berurutan :
persamaan aljabar linier, persamaan aljabar non linier, integral, pencocokan
kurva, optimasi, persamaan differensial ordiner, dan persamaan differensial
parsial. Setiap bab berisi tentang metode-metode numeris yang digunakan,
fungsi-fungsi MATLAB, contoh-contoh problem teknik kimia, dan programprogram penyelesaiannya beserta keluaran program.
Para mahasiswa sangat diharapkan menambah pengetahuan tentang
pemanfaatan MATLAB dari berbagai buku dan internet yang diantaranya
tercantum dalam daftar pustaka. Kerajinan dan ketekunan yang disertai doa
akan membawa keberhasilan.
Terima kasih tak lupa ditujukan kepada istri dan anak-anak tercinta
yang rela kehilangan waktu bersama suami/ayahnya selama penyusunan buku
ini. Buku ini tidak dapat tersusun tanpa bantuan teman-teman sejawat yang
memberikan kritik dan komentar berguna. Segala kritik dan saran untuk
perbaikan buku ini masih sangat kami harapkan.
Tim Penulis
iv
DAFTAR ISI
Kata Pengantar
Daftar Isi
I.
PENGANTAR PEMOGRAMAN MATLAB

1.1.
1.2.
1.3.
II.
III.
IV.
Fungsi Umum Matlab

Tipe Data
M-File
iii
v
1
2
9
16
PERSAMAAN ALJABAR LINIER
23
2.1.
2.2.
2.3.
23
31
36
Metode Eliminasi Gauss

Metode Inversi Matriks
Metode Dekomposisi LU
PERSAMAAN ALJABAR NON LINIER
43
3.1.
3.2.
3.3.
43
48
52
Metode Bagidua (Bisection)

Metode Newton-Raphson
Fungsi fzero
INTEGRAL NUMERIS
75
4.1.
4.2.
4.3.
76
80
85
Aturan Trapesium
Aturan Simpson
Kuadratur Gauss
vi
V.
PENCOCOKAN KURVA
5.1.
5.2.
VI.
VII.
100
101
112
119
121
122
127
131
OPTIMASI
133
6.1.
6.2.
6.3.
133
136
146
Pemograman Linier
Metode Golden Section
Optimasi Multivariabel
PERSAMAAN DIFFERENSIAL ORDINER
169
7.1.
Masalah Harga Awal

7.1.1. Metode Euler
7.1.2. Metode Runge-Kutta
7.1.3. Metode Prediktor-Korektor
7.1.4. Fungsi ode
Masalah Harga Batas
7.2.1. Metode Shooting
7.2.2. Metode Beda Hingga (finite difference)
170
170
173
174
176
206
207
212
PERSAMAAN DIFFERENSIAL PARSIAL
227
8.1.
228
228
236
237
237
247
7.2.
VIII.
Regresi Kuadrat Terkecil

5.1.1.
Regresi Linier
5.1.2.
Regresi Polinomial
5.1.3.
Regresi Multivariabel
Interpolasi
5.2.1.
Interpolasi Satu Dimensi
5.2.2.
Interpolasi Spline
5.2.3.
Interpolasi Dua Dimensi
99
8.2.
Persamaan Differensial Eliptik

8.1.1. Persamaan Laplace
8.1.2. Persamaan Poisson
Persamaan Differensial Parabolik
8.2.1. Metode Eksplisit
8.2.2. Metode Implisit
Daftar Pustaka
251
PENGANTAR
PEMROGRAMAN MATLAB
MATLAB (Matrix Laboratory) adalah sebuah program untuk analisis

dan komputasi numerik, merupakan suatu bahasa pemrograman matematika
tingkat lanjut yang dibuat dengan dasar pemikiran menggunakan sifat dan bentuk
matriks. Pada awalnya, program ini merupakan interface untuk koleksi rutinrutin numerik proyek UNPACK dan EISPACK, yang dikembangkan
menggunakan bahasa FORTRAN. Namun sekarang, program ini merupakan
produk komersial perusahaan Mathworks, Inc. yang dalam perkembangan
selanjutnya dikembangkan menggunakan bahasa C++ dan assembler (terutama
untuk fungsi-fungsi dasar MATLAB).
MATLAB telah berkembang menjadi sebuah lingkungan pemrograman
yang canggih dan berisi fungsi-fungsi built-in untuk melakukan tugas
pengolahan sinyal, aljabar linier, dan perhitungan matematis lainnya. MATLAB
juga berisi toolbox yang di dalamnya terdapat fungsi-fungsi tambahan untuk
aplikasi khusus. MATLAB bersifat extensible, dalam arti bahwa seorang
pengguna dapat menulis fungsi baru untuk ditambahkan di library jika fungsifungsi built-in yang tersedia tidak dapat melakukan tugas tertentu yang
diinginkan. Kemampuan pemrograman yang dibutuhkan tidak terIalu sulit bila
2
telah memiliki pengalaman dalam pemrograman bahasa lain seperti bahasa C,
PASCAL, atau FORTRAN.
MATLAB merupakan perangkat lunak (software) yang dikembangkan
oleh Mathworks, Inc. (lihat http://www.mathworks.com) dan merupakan
perangkat lunak yang paling efisien untuk perhitungan numerik berbasis matriks.
Dengan demikian jika di dalam perhitungan kita dapat memformulasikan
masalah ke dalam format matriks, maka MATLAB merupakan pilihan terbaik
untuk penyelesaian numeriknya.
Dalam penggunaannya MATLAB hanya bersaing dengan MATCAD
atau MAPLE. Namun demikian sifatnya yang fleksibel menjadikannya lebih
banyak digunakan oleh para praktisi maupun akademisi dari pada yang lain.
MATLAB merupakan bahasa pemrograman tingkat tinggi berbasis
matriks yang sering digunakan untuk teknik komputasi numerik dalam
menyelesaikan masalah-masalah yang melibatkan operasi matematika elemen,
matrik, optimasi, aproksimasi, dan lain-lain. Secara umum MATLAB banyak
digunakan pada bidang-bidang :
Matematika dan Komputasi;
Pengembangan dan Algoritma;
Pernrograman modeling, sn-nulasi, dan pembuatan prototipe;
Analisa Data, eksplorasi, dan visualisasi;
Analisis numerik dan statistik;
Pengembangan aplikasi teknik.
1.1. FUNGSI UMUM MATLAB
JENIS-JENIS JENDELA (WINDOW) MATLAB

Beberapa macam jendela (window) yang tersedia dalam MATLAB
antara lain sebagai berikut :
a. MATLAB Command Window/Editor
3
MATLAB Command Window/Editor merupakan jendela yang dibuka
pertama kali setiap kali MATLAB dijalankan.
Pada jendela ini dapat dilakukan akses-akses ke perintah-perintah
MATLAB dengan mengetikkan ekspresi MATLAB, seperti mengakses help
window, helpdesk, demo, dan lain-lainnya.
Jika variabel-variabel dan perintah-perintah pada layar command
window yang sedang aktif akan disimpan, maka dapat dilakukan dengan
menggunakan perintah diary. Sebagai contoh, jika ingin menyimpan output
m =
1
4
2
5
3
6
di direktori c:\coba dengan nama file data1.txt, maka dapat dilakukan dengan
mengetik :
m=[1 2 3;4 5 6]
m =
1
2
3
4
5
6
diary 'c:\coba\data1.txt'
Apapun yang tertulis di command window setelah perintah ini akan disimpan
sampai kita menutup file ini dengan mengetikkan :
diary off
Command Windows juga digunakan untuk memanggil tool MATLAB

seperti editor, debugger, atau fungsi. Window ini dicirikan dengan adanya
prompt (>>) yang menyatakan MATLAB siap menerima perintah. Perintah dapat
berupa fungsi-fungsi pengaturan file (seperti perintah DOS/UNIX) maupun
fungsi-fungsi bawaan (toolbox) MATLAB. Berikut ini beberapa fungsi
pengaturan file dalam MATLAB:
dir atau ls :
cd
digunakan untuk mehhat isi dari sebuah direktori aktif.
: digunakan untuk melakukan perpindahan dari direktori aktif

ke direktori lainnya.
pwd
: digunakan untuk melihat direktori yang sedang aktif.
4
mkdir
: digunakan untuk membuat sebuah direktori.
what
: digunakan untuk melihat nama m-file (yang akan dibahas kemudian) dalam direktori aktif.
who
: digunakan untuk mehhat variabel yang sedang aktif.
whos
: digunakan untuk menampilkan nama setiap variabel yang

sedang aktif.
delete
: digunakan untuk menghapus file.
clear
: digunakan untuk menghapus variabel.
clc
: digunakan untuk membersihkan layar.
doc
: digunakan untuk melihat dokumentasi The MathWorks, Inc.

dalam format html secara online.
demo
: digunakan untuk menampilkan demo yang disediakan oleh

MATLAB.
b. MATLAB Editor/Debugger (Editor M-File/Pencarian. Kesalahan)

Jendela ini merupakan tool yang disediakan oleh MATLAB versi. 5 ke
atas yang berfungsi sebagai editor script MATLAB (M-File). Walaupun
sebenarnya script ini dalam pernrograman MATLAB dapat saja menggunakan
editor lain seperti Notepad, Wordpad, bahkan Word. Untuk mengakses window
M-File ini dapat dilakukan dengan cara:
1. Memilih File kemudian pilih New,
2. Pilih M-File, maka MATLAB akan menampilkan editor window.
Selain cara di atas, untuk menampilkan editor M-File ini dapat juga
dilakukan dengan mengetik:
>> edit
c. Figure Windows (Jendela gambar)

Window ini adalah hasil visualisasi script MATLAB. Namun
MATLAB memberi kemudahan bagi pemrogram untuk mengedit window ini
sekaligus memberikan program khusus untuk itu sehingga window ini selain
berfungsi sebagai visualisasi output dapat juga sekaligus menjadi media input
yang interaktif.
5
Coba anda ketikkan script berikut ini pada command window dan
perhatikan hasilnya tergambar pada figure window.
x=0:2:360;
y=sin(x*pi/180);
plot(x,y)
d. MATLAB Help Window

MATLAB menyediakan sistem help yang dapat diakses dengan
perintah help. Misalnya, untuk mernperoleh informasi mengenai fungsi sin, coba
anda ketikkan
help sin
dan kernudian menekan enter. Di layar akan muncul informasi dalam bentuk teks
pada layar MATLAB yaitu:
SIN
Sine.
SIN(X) is the sine of the elements of X.
Overloaded methods
help sym/sin.m
Untuk mengetahui penggunaan perintah plot, cobalah ketikkan:

help plot
Selain help dalam bentuk seperti di atas, MATLAB juga menyediakan

demonstrasi kemampuan MATLAB dengan mengetikkan
demo
Untuk memperoleh informasi tentang konsep-konsep dasar bahasa

MATLAB, dapat dilakukan dengan perintah
intro
Bentuk help yang lain adalah Help Window yaitu dengan mengetikkan
helpwin
Informasi selengkapnya dapat diperoleh dengan mengklik dua kali salah satu
baris yang ada di MATLAB Help Window atau dapat juga dengan mengetikkan
informasi yang diinginkan pada kotak di sebelah kiri atas MATLAB Help
Window.
Help yang lain lagi adalah dalam bentuk Help Desk.
Anda bisa
mencoba sendiri menampilkan Help Desk dengan mengetikkan perintah

helpdesk
dan anda akan dapatkan berbagai kemudahan dalam memperoleh informasi yang
diinginkan.
OPERATOR MATEMATIKA
MATLAB dapat melakukan operasi-operasi aritmatika dasar berikut:
No.
OPERASI
Pemangkatan
Perkalian; Pembagian
Penambahan; Pengurangan
SIMBOL
^
* ; / atau \
+ ; -
Anda bisa membedakan tanda / dan \ dengan percobaan berikut:

2/4
2\4
Urutan dalam tabel di atas juga menunjukkan urutan prioritas (hirarki)

operasi yang dikerjakan dahulu dalam suatu ekspresi. Tanda kurung dapat
digunakan untuk mengubah hirarki itu, yaitu bagian yang dikerjakan terlebih
dahulu adalah bagian yang berada di bagian kurung paling dalam kemudian
berturut-turut sampai yang paling luar.
KOMENTAR DAN TANDA BACA

Semua teks sesudah tanda % dianggap sebagai statemen komentar.
Pernyataan yang anda tuliskan setelah tanda % berguna untuk dokumentasi apa
yang sudah dikerjakan.
Tanda titik korna (;) dalam MATLAB berguna untuk mencegah
menampilkan hasil, sedangkan tanpa tanda titik koma MATLAB akan
menampilkan hasilnya segera setelah ditekan enter.
FUNGSI-FUNGSI MATEMATIKA DASAR

MATLAB mempunyai berbagai fungsi matematika umum yang biasa
digunakan dalam matematika. Sebagian besar fungsi tersebut hampir sama
dengan yang biasa dituliskan. Untuk lebih jelasnya, anda bisa memperoleh
informasi ini dengan mengetikkan:
7
help elfun
MENYIMPAN DAN MEMANGGIL DATA

Untuk menyimpan data gunakan menu File lalu pilih Save Workspace
As. Untuk memanggil data gunakan pilihan Load WorkSpace As atau Open pada
menu File. Sedangkan untuk import data, pada MATLAB versi 6 ke atas pilih
Import Data. MATLAB juga menyediakan dua perintah - save dan load - yang
jauh lebih fleksibel. Perintah save digunakan untuk menyimpan satu atau lebih
variabel dalam file format sesuai dengan yang diinginkan.
Contoh:
clear all
x=1:10; y=10:10:10:100; % membuat array baru
save
menyimpan semua varlabel MATLAB dalam format biner di file MATLAB.mat

save data
menyimpan semua variabel MATLAB dalam format biner di file data.mat

save data x
menyimpan variabel x dalam format biner di file data.mat

save data x y /ascii
menyimpan variabel x dan y dalam format biner di file data dalam format ASCII.
Untuk membuka data gunakan perintah load.
Contoh:
load data.mat
OPERATOR LOGIKA DAN RELASIONAL

MATLAB menyediakan operasi logika dan relasional, hal ini
diperlukan untuk menjawab pertanyaan benar atau salah. Salah satu manfaat
yang penting dari kemampuan ini adalah untuk mengontrolurutan eksekusi
sederetan perintah MATLAB (biasanya dalam M-File) berdasarkan hasil
pertanyaan benar/salah.
Sebagai masukan pada sernua ekspresi relasi dan logika, MATLAB
menganggap sernua angka tidak nol sebagai benar dan nol sebagai salah. Hasil
8
sernua ekspresi relasi dan logika adalah satu untuk benar dan nol untuk salah
dengan tipe array logika, yaitu hasilnya mernuat bilangan 1 dan 0 yang tidak saja
dapat digunakan untuk statemen matematika akan tetapi dapat juga digunakan
untuk pengalamatan.
Operator relasi MATLAB menunjukkan perbandingan:
OPERATOR
RELASI
<
DISKRIPSI
Kurang dari
>
Lebih dari
<=
Kurang dari atau sama dengan
>=
Lebih dari atau sama dengan
Sama dengan
~=
Tidak sama dengan
Operator relasi MATLAB dapat digunakan untuk membandingkan dua array

yang berukuran sama atau untuk membandingkan array dengan skalar.
Operator logika menyediakan cara imtuk menggabung atau menegasi ekspresi
relasi.
Operator-operator logika dalam MATLAB adalah:
OPERATOR
LOGIKA
DISKRIPSI
&
AND
OR
NOT
Untuk lebih jelasnya anda bisa mengetikkan :

help +
kemudian tekan enter.
SUMBER-SUMBER INFORMASI MATLAB DI INTERNET

Untuk lebih mendalami MATLAB, di bawah ini terdapat beberapa situs
yang bisa dimanfaatkan.
9
1.
http://www.mathworks.com/
pada situs ini bisa didapatkan informasi
tentang produk baru MATLAB seperti buku dan lain-lainnya.

2. Newsgroup MATLAB:
news://salukinews.siu.edu/comp.softsys.MATLAB/
3.
http://dir.yahoo.com/science/mathematics/software/matlab/
merupakan sumber informasi tentang MATLAB dan langkah awal untuk

memperoleh website MATLAB lainnya.
4.
http://www.cse.uiuc.edu/cse301/matlab.html
situs ini merupakan situs
University of Illinois di Champaign-Urbana yang menyediakan beberapa link

untuk MATLAB di Internet
5. http://www.eece.maine.edu/mm
1.2. TIPE DATA

MATLAB mengenal 3 tipe data yaitu string, skalar, dan matriks.
merupakan matriks yang hanya memiliki satu baris. MATLAB juga memiliki
banyak fungsi bawaan (build in) untuk memanipulasi tipe data tersebut. Berikut
ini merupakan beberapa contoh yang menjelaskan ketiga tipe data di atas.
String
String dalam MATLAB adalah tipe data yang terdiri dari huruf-huruf
dan/atau nilai-nilai ASCII yang ditampilkan representasinya. String adalah teks
yang diawali dan diakhiri dengan tanda (......).
Contoh:
g='selamat datang'
g =
selamat datang
size(g)
ans =
1
14
whos
Name
Size
Bytes Class
ans
1x2
16 double array
g
1x14
28 char array
Grand total is 16 elements using 44 bytes
10
Setiap karakter dalam suatu string adalah satu elernen dalam array, dengan setiap
elemennya berukuran 2 byte.
Untuk melihat representasi ASCII karakter string dapat dilakukan
dengan
operasi
aritmetik
terhadap
string
atau
mengkonversikannya
menggunakan fungsi double.

Contoh:
double(g)
ans =
Columns 1 through 12
115
101
108
97
97
110
103
abs(g)
ans =
115
101
108
97
97
110
103
109
97
116
32
100
97
116
109
97
116
32
100
97
116
Fungsi char untuk menampilkan karakter dengan nilai ASCII tertentu

char(115)
ans =
s
Karena string merupakan array numerik dengan atribut khusus, string dapat
dimanipulasi menggunakan sernua metode manipulasi array yang tersedia, dalam
MATLAB.
t=g(1:5)
t =
selam
Kata selam dapat dibalik dengan cara:

t=g(5:-1:1)
t =
males
Angka -1 ditengah menunjukkan perhitungan mundur dari 5 sampai 1.

Untuk menampilkan dalam format kolom gunakan operator transpose ()
t=g(1:5)'
t =
s
e
l
a
m
11
Fungsi-fungsi string yang lain adalah:
Fungsi input
nama=input('Nama :','s')
Nama : jojon
nama =
jojon
Fungsi disp
Fungsi
disp
memungkinkan
untuk
menampilkan
string
tanpa
menampilkan nama variabelnya.

disp(nama)
jojon
atau
disp('jojon')
jojon
Syarat menggunakan disp adalah variabelnya harus berupa strings, jadi

jika ingin menampilkan sebuah angka, terlebih dahulu. merubahnya ke dalam
bentuk strings dengan menggunakan fungsi num2stro. Fungsi
num2stro
menghasilkan string, meskipun terlihat seperti angka (skalar). Perhatikan contoh

berikut.
c=234
c =
234
h=num2str(c)
h =
234
double(h)
ans =
50
51
h+2
ans =
52
53
52
54
Jelas bahwa h+2 bukan 236, karena h mewakili nilai ASCII dari string 2, 3 dan 4
yaitu masing-masing 50, 51 dan 52
Skalar
Skalar adalah sebuah bilangan tunggal yang secara matriks berukuran
1x1. Operasi skalar merupakan dasar matematika. Kalkulator biasa melakukan
perhitungan skalar. Tentu saja MATLAB bisa melakukan dengan lebih baik.
12
Namun jika dalam sekali waktu kita ingin melakukan operasi yang sama pada
beberapa bilangan, perulangan operasi skalar akan menghabiskan waktu dan
tidak praktis. Untuk itu MATLAB menyediakan operasi pada tipe data array
yang akan dibahas berikutnya.
Array
Untuk menghitung nilai, y=sin(x); 0 x . Tidak mungkin
menghitung semua nilai pada interval tersebut. Kita bisa mengevaluasi nilainya
pada setiap jarak 0,1. Untuk mudahnya kita membuat tabel:
x
0.1
0..2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
0.31
0.59
0.81
0.95
1.0
0.95
0.81
0.59
0.31
MATLAB menangani array secara intuitif, seperti halnya kita

membayangkan membuat tabel di atas. Untuk membuat array dalam MATLAB,
yang perlu dilakukan hanyalah mengetikkan kurung siku, lalu memasukkan
elemen-elemen dengan dipisahkan oleh spasi, kemudian menutup array dengan
kurung siku penutup.
x=[0 .1*pi .2*pi .3*pi .4*pi .5*pi .6*pi .7*pi .8*pi .9*pi pi]
x =
Columns 1 through 7
0
0.3142
0.6283
0.9425
1.2566
1.5708
1.8850
2.1991
2.5133
2.8274
3.1416
y=sin(x);
disp(y)
Columns 1 through 7
0
0.3090
0.5878
0.8090
0.9511
1.0000
0.9511
0.8090
0.5878
0.3090
0.0000
Kita bisa juga menuliskan array x dengan lebih ringkas.

x=[0:0.1*pi:pi] % mulai dari 0 sampai pi selang 0.1*pi
x =
Columns 1 through 7
0
0.3142
0.6283
0.9425
1.2566
1.5708
2.1991
2.5133
2.8274
3.1416
atau
x=[0:0.1:1]*pi
1.8850
13
atau
x=linspace(0,pi,11)
Fungsi linspace didefinisikan sebagai :

linspace(nilai_pertama, nilai_akhir, jumlah_elemen)
Dalam MATLAB elemen-elemen array diakses menggunakan subcript;

misaInya x(1) adalah elemen pertama x, x(2) adalah elemen kedua x, dan
seterusnya.
Tabel berikut menunjukkan operasi-operasi array dasar.
Data ilustrasi: a=[a1 a2 ... an], b=[b1 b2 ... bn], c=<skalar>
Penambahan skalar
a+c=[a1+c a2+c ... an+c]
Perkalian skalar
a*c=[a1*c a2*c ... an*c]
Penambahan array
a+b=[a1+b1 a2+b2
Perkalian array
a.*b=[a1*b1 a2+b2 ... an+bn]
Pembagian kanan array
a./b=[a1/b1 a2/b2 ... an/bn]
Pembagian kiri array
a.\b=[a1/b1 a2/b2 ... an/bn]
Pemangkatan array
a.^c=[a1^c a2^c ... an^c]
...
an+bn]
c.â=[câ1 câ2 ... cân]

a.^b=[a1^b1 a2^b2 ... an^bn]
Matriks
Matriks merupakan bentuk utama MATLAB. Seperti haInya array,
matriks juga didefenisikan elemen demi elemen. Untuk memahami operasi
matriks dasar, perhatikan contoh-contoh berikut ini.
a=[1 2 3] %penentuan matriks a
a =
1
2
3
b=[1 2 1; 3 2 1; 2 1 3] %penentuan matriks b
b =
1
2
1
3
2
1
2
1
3
14
Tanda titik koma memisahkan antar baris matriks, sedangkan antar kolom cukup
dengan spasi.
c=a*b %perkalian a dan b
c =
13
9
12
Pada perkalian matriks di atas yang perlu diingat adalah jumlah kolom a harus
sama dengan jumlah baris b. Jika tidak demikian maka MATLAB akan
memberikan pesan kesalahan:
d=b*a
??? Error using ==> *
Inner matrix dimensions must agree.
Perhatikan contoh berikut untuk pembagian.

a/b
ans =
1.2000
-0.6000
0.8000
b/a
ans =
0.5714
0.7143
0.9286
b\a
??? Error using ==> \
Matrix dimensions must agree.
det(b) %determinan b, b matriks bujursangkar
ans =
-10
Jika b bukan matriks bujur sangkar, maka akan ada pesan kesalahan
det(a)
??? Error using ==> det
Matrix must be square.
inv(b) %invers b, b harus matriks bujursangkar
ans =
-0.5000
0.5000
0
0.7000
-0.1000
-0.2000
0.1000
-0.3000
0.4000
f=a' %transpose matriks a
f =
1
2
3
Ukuran matriks dapat diketahui dengan fungsi size()

size(a)
ans =
1
size(b)
ans =
15
3
Elemen pertama pada variabel ans adalah jumlah baris dan kedua adalah jumlah
kolom.
Terdapat berbagai fungsi matriks yang tersedia dalam MATLAB yang
bisa anda pelajari dengan mengetikkan:
help matfun
Juga untuk mengetahui matrik elementer yang tersedia, ketikkan:

help elmat
Tentu saja ini bisa dipahami jika anda sudah memahami matematika matriks.
Selain operasi matriks dasar MATLAB juga menyediakan operasi
antar elemen yang sangat berguna. Dot atau titik (.) adalah tanda yang
digunakan unutk operasi-operasi tersebut. Sebagai contoh operasi matriks X dan
matriks Y meliputi X.^Y; X.*Y dan X./Y. Pada operasi ini tiap elemen
dioperasikan dengan elemen yang bersesuaian posisinya dalam matriks. Dengan
demikian ukuran matriks X dan Y harus sama.
Bentuk ini tidak perlu digunakan dalam penjumlahan atau pengurangan
karena sudah merupakan operasi antar elemen.
X=[1 2;3 4]
X =
1
2
3
4
Y=[2 3;1 4]
Y =
2
3
1
4
X.*Y
% perkalian antar elemen
ans =
2
6
3
16
X*Y
% perkalian standar matriks
ans =
4
11
10
25
Z=[2 3]
Z =
2
3
X.*Z
??? Error using ==> .*
Matrix dimensions must agree.
1.3. M-FILE
16
Untuk menyelesaikan masalah yang cukup sederhana, mengetikkan
beberapa perintah langsung di command window memang cukup cepat dan
efektif. Tetapi jika jumlah perintahnya sangat banyak atau jika anda ingin
mengubah beberapa variabel dan mengulang kembali perhitungannya, maka
mengetikkan perintah langsung di command window akan sangat menjemukan.
Untuk itu, MATLAB menyediakan suatu struktur untuk membuat fungsi anda
sendiri atau suatu teknik pemrograman dalam bentuk M-File. M-File berasal dari
aturan bahwa nama file ini harus dikhiri dengan ekstensi .m; misalnya
gambar1.m
M-File juga memudahkan pemakai untuk menyimpan dan memanggil
kembali perhitungan yang sering digunakan. Perintah diary yang biasanya
digunakan untuk menyimpan file yang berisi barisan perintah dan keluaran pada
command window hanya sekedar merekam tetapi tidak bisa langsung digunakan
dalam perhitungan jika dipanggil kembali.
Membentuk M-File
Untuk membuat M-File, klik File pada menu pull-down di MATLAB
command window, lalu pilih New dan klik M-File. Di layar akan muncul
MATLAB Editor/Debugger. Selanjutnya di layar ini dapat ditulis argumenargumen yang diinginkan, dapat diedit penulisannya dan sebagainya. Setelah
selesai melakukan pengetikan, klik File pada layar MATLAB Editor/Debugger
dan pilih Save As... . Beri nama yang Anda inginkan untuk file tersebut,
misalnya contoh11.m kemudian klik Save. Pastikan file yang disimpan dalam
direktori yang mudah untuk dipanggil.
Berikut ini contoh sederhana script file.
Contoh 1.1
% Script file contoh11.
% Kurva fungsi y=(sin x)/x
x = pi/100:pi/100:10*pi;
y = sin(x)./x;
plot(x,y)
grid
17
Untuk mengesekusi script file di atas maka pada Command Window ketikkan
nama file yang telah disimpan sebelumnya misal
contoh11.
Dengan syarat
bahwa sebelumnya directory path-nya sudah ditujukan ke tempat file yang

disimpan. Hasil run contoh di atas, di layar akan muncul.:
1
0.8
0.6
0.4
0.2
-0.2
-0.4
0
10
15
20
25
30
35
Gambar 1.1. Keluaran Program contoh1.1

Fungsi M-File hampir sama dengan script file di mana keduanya
merupakan suatu file teks dengan ekstensi m. Fungsi M-File ini tidak
dimasukkan dalam command window seperti halnya script file, melainkan
diletakkan pada suatu file tersendiri yang dibuat dalam editor teks (MATLAB
editor/debugger).
Suatu fungsi M-File harus mengikuti beberapa aturan dan mempunyai
sejumlah sifat penting. Aturan-aturan dan sifat-sifat tersebut meliputi:
1.
Narna fungsi dan narna file harus identik. Contoh: fhitung disimpan dalam
file yang bernama fhitung.m
2.
Pertama kali MATLAB mengeksekusi suatu. fungsi M-File, MATLAB

membuka file fungsi tersebut dan mengkornpilasi perintah-perintah di
dalamnya menjadi suatu representasi internal dalam memori yang
mempercepat eksekusi sernua pemanggilan berikutnya. Jika fungsi juga
18
melibatkan pemanggilan ke fungsi M-File yang lain, fungsi M-File yang
dipanggil itu juga akan dikompilasi ke dalam memori.
3.
Sembilan baris komentar yang pertama merupakan teks help yang

ditampilkan. Jika anda meminta help, misalnya
>>help fhitung
menampilkan 9 baris komentar pertama fungsi fhitung. Baris komentar yang

paling atas disebut baris H1, merupakan baris yang dicari oleh perintah
lookfor.
4.
Setiap fungsi memiliki ruang kerja sendiri yang berbeda dengan ruang kerja
MATLAB. Satu-satunya hubungan antara ruang kerja MATLAB dengan
variabel-variabel dalam fungsi adalah variabel-variabel input dan output
fungsi. Jika suatu fungsi mengubah nilai dalam bentuk suatu variabel input,
perubahan itu hanya tampak dalam fungsi dan tidak mempengaruhi ruang
kerja MATLAB.
5.
Jika suatu fungsi dipanggil, jumlah argument input dan output yang
digunakan hanya terdapat dalam fungsi tersebut.
6.
Fungsi dapat berbagi variabel dengan fungsi lain, ruang ke.ja MATLAB,
dan
pemanggilan
rekursi
untuk
dirinya
sendiri
jika
variabelnya
dideklarasikan sebagal variabel global.

7.
Fungsi M-File berhenti dieksekusi dan kernbali ke prompt jika telah

mencapal akhir M-File atau jika menemui perintah return. Perintah return
merupakan cara sederhana untuk menghentikan fungsi sebelum mencapai
akhir M-File.
8.
Fungsi M-File dapat mernuat lebih dari sebuah fungsi.

Jika perintah MATLAB tidak diakhiri dengan titik koma, hasil perintah
serta nama variabelnya akan ditampilkan kembali dalam command window.

Supaya tampilannya lebih bagus, untuk menampilkan nama variabel digunakan
perintah disp. Perintah echo on membuat perintah-perintah yang dibuat di MFile akan ditampilkan kembali di command window, sedangkan echo off
19
berfungsi sebaliknya. Perintah input memungkinkan untuk meminta input dari
pemakai saat M-File dijalankan.
Secara umum fungsi M-File didefinisikan menggunakan command
function. Sintaks standar untuk command function adalah:
function[output1,output2,...]=NamaFunction(inputl,input2,..)
Untuk memberi keterangan mengenai maksud dan tujuan M-File yang

kita buat, agar orang lain juga paham dengan M-File tersebut, perlu adanya suatu
keterangan (help) dan untuk membuatnya dapat dilakukan dengan menggunakan
command % dari MATLAB.
Contoh 12
function [x,y]=gerak_parabola(sudut,V0,g,t);
%[x,y]=gerak_parabola(sudut,V0,g,t)
%Menghitung jarak (x, m) dan tinggi (y, m)
%sebagai fungsi sudut lemparan (dalam radian),
%kecepatan awal (V0, m/detik),
%percepatan gravitasi (g, m/detik^2)
%dan waktu (t, detik)
x=V0*cos(sudut)*t;
y=V0*sin(sudut)*t-g/2*t.^2;
Jika kita menginginkan keterangan tentang M-file tersebut, kita ketikkan pada
Command Window:
help gerak_parabola
Setelah ditekan enter muncul:

[x,y]=gerak_parabola(sudut,V0,g,t)
Menghitung jarak (x, m) dan tinggi (y, m)
sebagai fungsi sudut lemparan (dalam radian),
kecepatan awal (V0, m/detik),
percepatan gravitasi (g, m/detik^2)
dan waktu (t, detik)
Menjalankan M-File
Untuk memanggil atau mengeksekusi M File, yang perlu dilakukan
adalah dengan memindahkan path search dari MATLAB compiler. Pada
dasarnya, proses eksekusi compiler MATLAB adalah dengan mencan command
atau definisi operator yang ada dan mengeksekusi definisi script atau operator
pertama yang ditulis dan ditemui direktori MATLAB (di direkton bin atau
toolbox).
20
Set Path dapat dilakukan dengan cara membuka menu pull down di
MATLAB command editor, pilih File kemudian pilih Set Path. Dari menu
tersebut arahkan current directory ke direktori tempat di mana disimpan script
yang ingin dieksekusi dengan cara mengetikkan atau browsing directory ke
tempat penyimpanan script yang akan dieksekusi.
Ada beberapa cara menjalankan fungsi M-File. Misalkan fungsi
gerak_parabola (contoh 12) dapat dijalankan dengan cara, antara lain:
[jarak,tinggi]=gerak_parabola(pi/4,40,9.8,1)
x =
28.2843
y =
23.3843
atau bisa juga variabel waktunya bertipe array

[jarak,tinggi]=gerak_parabola(pi/4,40,9.8,[1:3])
jarak =
28.2843
56.5685
84.8528
tinggi =
23.3843
36.9685
40.7528
Hal ini dimungkinkan karena kita menggunakan operator pemangkatan dengan

dot (titik)
y=V0*sin(sudut)*t-g/2*t.^2;
Bukan
y=V0*sin(sudut)*t-g/2*t^2;
atau dengan perintah feval

[x,y]=feval('gerak_parabola',pi/4,40,9.8,1)
x =
28.2843
y =
23.3843
Bentuk umum perintah feval adalah

feval('namafungsi', input1,input2,...)
Perlu diketahui, MATLAB juga mempunyai command inline yang

digunakan untuk mendefinisikan atau menuliskan suatu fungsi pada command
window.
21
Contoh 13
g=inline('6-x^2')
g =
Inline function:
g(x) = 6-x^2
g(2)
ans =
2
Contoh 14
radius=inline('sqrt(x^2+y^2)','x','y')
radius =
Inline function:
radius(x,y) = sqrt(x^2+y^2)
radius(2,3)
ans =
3.6056
PERSAMAAN ALJABAR
LINIER
Persamaan umum persamaan aljabar linier simultan adalah:

a11x1 + a12x2 + . . . + a1nxn = b1
a21x1 + a22x2 + . . . + a2nxn = b2
.
.
.
an1x1 + an2x2 + . . . + annxn = bn
dengan a adalah koefisien konstanta dan b adalah konstanta.
2.1. METODE ELIMINASI GAUSS

Teknik yang dilakukan dalam metode ini meliputi kombinasi persamaan
agar mengeliminasi yang tidak diketahui dan solusi melalui substitusi balik.
Langkah-langkah penyelesaian dengan eliminasi Gauss secara umum adalah :
24
a 11
a 21
a
31
a 11
x3 =
x2 =
x1 =
a 12
a 22
a 32
a 13 | b1
a '23 | b '2
''
a 33
| b 3''
a 12
a '22
b 3''
''
a 33
(b
'
2
a 13 | b 1
a 23 | b 2
a 33 | b 3
,
a '23 x 3
a '22
(b
),
a 12 x 2 a 13 x 3
.
a 11
Persamaan dasar
a11x1 + a12x2 + a13x3 = b1
.... (2.1)
a21x1 + a22x2 + a23x3 = b2
.... (2.2)
a31x1 + a32x2 + a33x3 = b3
.... (2.3)
Normalisasi pers. (2.1) dengan cara membagi a11

x1 +
1
1
1
a12x2 +
a13x3 =
b1
a 11
a 11
a 11
.... (2.4)
Eliminasi a21 pers. (2.2) dengan cara :

[Pers.(2.2) - a21 x Pers.(2.4)]
a
a
a
a 22 21 a 12 x 2 + a 23 21 a 13 x 3 = b 2 21 b1
a 11
a 11
a 11
a '22 x 2 + a '23 x 3 = b '2
Eliminasi a31 pers. (2.3) dengan cara :

[Pers.(2.3) - a31 x Pers.(2.4)]
a
a
a
a 32 31 a 12 x 2 + a 33 31 a 13 x 3 = b 3 31 b1
a 11
a 11
a 11
.... (2.5)
25
'
'
a 32
x 2 + a 33
x 3 = b 3'
.... (2.6)
Normalisasi pers. (2.5) dengan cara membagi a '22

1
x2 +
a '22
a '23 x 3 =
1
a '22
b '2
.... (2.7)
Eliminasi a'32 pers. (2.6) dengan cara :

'
[Pers.(2.6) - a 32 x Pers.(2.7)]
'
'
'
a 33 a 32 a '23 x 3 = b 3' a 32 b '2
a '22
a '22
''
a 33
x 3 = b 3''
.... (2.8)
Solusi dengan cara substitusi.

Solusi x3 dari pers. (2.8)
x3 =
b 3''
''
a 33

x2 =
(b
'
2
a '23 x 3
a '22

x1 =
(b
a 12 x 2 a 13 x 3
a 11
Bentuk pemograman dengan Matlab dapat disusun sebagai berikut :

function [x] = elimgauss(A,B,n)
%
Program ini bertujuan menyelesaikan Pers Aljabar Linier
%
dengan metode Eliminasi Gauss untuk sistem n x n
%
n adalah orde matriks
%
A adalah matriks n x n
%
B adalah matriks n x 1
%
x adalah output matriks n x 1 untuk penyelesaian A x = B
%
%
%
%
%
Nama File : elimgauss.m

Surakarta, Oktober 2005
Jurusan Teknik Kimia, Fak. Teknik
---------------------------------------------------------------
26
%
Eliminasi Gauss
for k=1:n
for i=k+1:n
m(i,k)=A(i,k)/A(k,k);
for j=k:n
A(i,j)=A(i,j)-m(i,k)*A(k,j);
end
B(i)=B(i)-m(i,k)*B(k);
end
end
%
Substitusi Balik
x(n)=B(n)/A(n,n);
for i=n-1:-1:1
sum=B(i);
for k=i+1:n
sum=sum-A(i,k)*x(k);
end
x(i)=sum/A(i,i);
end
Contoh 2.1. Campuran Batubara

Unit utilitas penyediaan energi membutuhkan batubara dengan kadar sulfur 0,61
%, phospor 0,043 % dan abu 1,8 %. Ada 4 tipe batubara yang tersedia dengan
komposisi yang dapat dilihat di tabel. Tentukan campuran ke empat tipe batubara
tersebut !
Tipe
%S
%P
% abu
0,2
0,05
1,0
0,06
0,5
0,03
0,7
0,03
Basis untuk 1 kg batubara campuran

x1 +
x2 +
x3 +
x4
0,2x1 +
x2 +
0,5x3 +
0,7x4
0,61
0,05x1 +
0,06x2 +
0,03x3 +
0,03x4
0,043
2x1 +
3x2 +
x3 +
x4
1,8
x1 +
x2 +
x3 +
x4
2x1 +
10x2 +
5x3 +
7x4
6,1
5x1 +
6x2 +
3x3 +
3x4
4,3
Proses penskalaan
27
2x1 +
3x2 +
x3 +
x4
1,8
Program penyelesaian dengan eliminasi Gauss

%
%
%
%
%
%
%
%
%
%
%
%
%
Campuran Batubara
Hasil Penyusunan Persamaan Aljabar Linier
x1 +
x2 + x3 + x4 = 1
2x1 + 10x2 + 5x3 + 7x4 = 6.1
5x1 + 6x2 + 3x3 + 3x4 = 4.3
2x1 + 3x2 + x3 + x4 = 1.8
Penyelesaian dilakukan dengan Eliminasi Gauss
-------------------------------------------------------Surakarta, Oktober 2005
********************************************************
clear all
clc
%
Penyusunan Matriks A
A = [1 1 1 1
2 10 5 7
5 6 3 3
2 3 1 1];
%
Penyusunan Matriks B
B = [1 6.1 4.3 1.8]';
n = 4;
Orde matriks
x = elimgauss(A,B,n);
disp(' ')
disp('Fraksi masing-masing type batubara')
disp('----------------------------------')
x1 = x(1)
x2 = x(2)
x3 = x(3)
x4 = x(4)
Keluaran program
Fraksi masing-masing type batubara
---------------------------------x1 =
0.2000
x2 =
0.3000
x3 =
0.4000
x4 =
0.1000
Sehingga batubara
type 1 = 20 %
type 2 = 30 %
type 3 = 40 %
type 4 = 10 %
28
Contoh 2.2. Komposisi Fraksi Mol Senyawa Hidrokarbon

Tiga senyawa hidrokarbon berada dalam suatu tabung, dengan tekanan 2 atm dan
berada dalam keadaan kesetimbangan fase cair-gas. Hitunglah komposisi fraksi
mol cairan ketiga gas tersebut, dengan data-data dan rumus di bawah ini.
xi = 1
(2.2.1)
yi = 1
(2.2.2)
yi PT =
xi Pio
H1 x1 + H2 x2 + H3 x3 = H
(2.2.3)
(2.2.4)
dengan xi = fraksi mol cairan komponen i

yi = fraksi mol gas komponen i
Pio = tekanan uap murni komponen i
PT = tekanan total
Hi = panas pencampuran komponen i
H = panas pencampuran total
Data-data
P10 = 5/2 atm, P20 = 5/3 atm, P30 = 5/4 atm

H1 = 20 kcal, H2 = 30 kcal, H3 = 55 kcal
PT = 2 atm, H = 30 kcal
Susunlah menjadi persamaan aljabar linier terlebih dahulu dan selesaikan!
Penyelesaian :
Persamaan (2.2.1)
x 1 + x2 + x3 = 1
Substitusi persamaan (2.2.3) ke persamaan (2.2.2)
PO
P1O
PO
x1 + 2 x2 + 3 x3 = 1
PT
PT
PT
5/4 x1 + 5/6 x2 + 5/8 x3 =1

30 x1 + 20 x2 + 15 x1 = 24
(2.2.5)
Persamaan (2.2.4)
20 x1 + 30 x2 + 55 x3 = 30
Persamaan aljabar simultan
(2.2.6)
29
x 1 + x2 + x3 = 1
(2.2.1)
30 x1 + 20 x2 + 15 x1 = 24
(2.2.5)
20 x1 + 30 x2 + 55 x3 = 30
(2.2.6)
Selanjutnya diselesaikan dengan Matlab

%
%
%
%
%
%
%
%
%
%
%
%
Komposisi Fraksi Mol Senyawa Hidrokarbon

Tekanan uap murni komponen 5/2 atm, 5/3 atm, 5/4 atm
Entaphi panas pencampuran 20 kcal, 30 kcal, 55 kcal
Tekanan total = 2 atm;
Entalphi total 30 kcal;
Penyelesaian dilakukan dengan Eliminasi Gauss
--------------------------------------------------------------Surakarta, Oktober 2005
***************************************************************
clear all
clc
%
Data-data
P = [5/2 5/3 5/4];
H = [20 30 55];
Pt = 2;
Ht = 30;
%
%
%
%
atm
kcal
atm
kcal
%
A = [1 1 1
P(1)/Pt P(2)/Pt P(3)/Pt
H(1) H(2) H(3)];
%
B = [1 1 Ht]';
n = 3;
Orde matriks
x = elimgauss(A,B,n);
disp(' ')
disp('Fraksi Mol masing-masing komponen')
disp('---------------------------------')
x1 = x(1)
x2 = x(2)
x3 = x(3)
Keluaran program tersebut adalah

Fraksi Mol masing-masing komponen
--------------------------------x1 =
0.5000
x2 =
0.3000
x3 =
0.2000
30
2.2. METODE INVERSI MATRIKS

Persamaan umum persamaan aljabar linier simultan dapat dituliskan dalam
bentuk matriks sebagai berikut
a 11
a
21
a 31
.
a n1
a 12
a 22
a 13
a 23
...
...
a 32
a 33
...
a n2
a n3
...
a 1n
a 2 n
a 3n
a nn
x 1 b1
x b
2 2
x 3 = b3

. .
x n b n

. (2.9)
x = B
Suatu matriks jika dikalikan dengan matriks identitas maka akan dihasilkan
matriks itu sendiri. Matriks identitas adalah matriks bujursangkar yang terdiri
dari bilangan 0 pada setiap elemennya kecuali pada diagonal matriks yang
mempunyai bilangan 1.
Contoh matriks identitas 3 x 3
1 0 0
0 1 0 = I
0 0 1
Jika matriks identitas tersebut dikalikan dengan matriks lain maka akan
dihasilkan matriks itu sendiri. Contohnya jika matriks tersebut dikalikan dengan
B yaitu suatu matriks yang berukuran 1 x 3.
1 0 0 b 1
b1
0 1 0 b = b
2
2
0 0 1 b 3
b 3
= B
Inversi matriks A adalah jika inversi matriks A tersebut dikalikan dengan A

maka akan diperoleh matriks identitas.
A-1 A = I
Penyelesaian persamaan linier simultan dengan inversi matriks adalah
31
A x
= B
-1
= A-1 B
A A x
I x = A-1 B
= A-1 B
(2.10)
a
Inversi matriks A ukuran 2 x 2 11
a 21
A-1 =
a 11a 22
a 12
dapat ditentukan dengan cara
a 22
a 22
1
a 12 a 21 a 21
a 12
a 11
Matlab dengan mudah dapat menentukan inversi suatu matriks dengan

menggunakan fungsi
inv.
Contoh 2.3. Konstanta Kecepatan Reaksi Phase Gas Nitrit Oksida dengan
Oksigen
Data konstanta kecepatan reaksi phase gas nitrit oksida dengan oksigen
T, K
10-9 k , cc/ (mol det)
300
7,1
413
4,0
564
2,8
Jika k sesuai dengan persamaan
k = A T exp (-E/T)
Tentukan A, m, dan E
Penyelesaian
k = A Tm exp (-E/T)
ln k = ln A + m ln T E/T
Dari data-data di atas
22,68336 = ln A + 5,70378 m 0,00333 E
22,10956 = ln A + 6,02345 m 0,00242 E
21,75289 = ln A + 6,33505 m 0,00177 E
untuk
ln A
= x1
= x2
32
E
= x3
x1 + 5,70378 x2 0,00333 x3 = 22,68336

x1 + 6,02345 x2 0,00242 x3 = 22,10956
x1 + 6,33505 x2 0,00177 x3 = 21,75289
Dalam bentuk matriks
1 5,70378 0,00333 x 1 22,68336
1 6,02345 0,00242 x = 22,10956
1 6,33505 0,00177 x 3 21,75289
Program penyelesaian dengan Matlab

%
%
%
%
%
%
%
%
%
%
Konstanta Kecepatan Reaksi Phase Gas Nitrit Oksida dg Oksigen

k = A T^m exp(-E/T)
ln k = ln A + m ln T + (-E)/T
Penyelesaian dilakukan dengan Inversi Matriks
------------------------------------------------------------Surakarta, Oktober 2005
*************************************************************
clear all
clc
%
Data-data
T = [ 300 413 564];
k = [ 7.1 4.0 2.8]*10^9;
% K
% cc/(mol.det)
%
Penyusunan Matriks AA
AA = [ 1 log(T(1)) 1/T(1)
1 log(T(2)) 1/T(2)
1 log(T(3)) 1/T(3)];
%
Penyusunan Matriks BB
BB = log(k);
CC = inv(AA)*BB';
disp(' ')
disp('Parameter konstanta kecepatan reaksi')
disp('------------------------------------')
A = exp(CC(1))
m = CC(2)
E = -CC(3)
Keluaran program di atas adalah

Parameter konstata kecepatan reaksi
-----------------------------------
33
A =
1.3509e+007
m =
0.6064
E =
-841.6950
sehingga persamaan konstanta kecepatan reaksinya adalah

k = 1,3509.107 T0,6064 exp(841,6950/T)
Contoh 2.4. Parameter Transfer Massa

Hubungan parameter-parameter transfer massa dapat dinyatakan sebagai
kelompok tak berdimensi (KTD) sebagai berikut:
d p VS
= K 1
kf a dp
De
K2
D
e
K3
Sh = K1 (Re)K2 (Sc)K3
Tentukan K1, K2, dan K3 dengan data-data berikut:
Sh
Re
Sc
(Sherwood)
(Reynold)
(Schmidt)
43,7
10800
0,6
21,5
5290
0,6
24,2
3120
1,8
Penyelesaian
Sh = K1 (Re)K2 (Sc)K3
log (Sh) = log (K1) + K2 log (Re) + K3 log (Sc)
Dari tabel-tabel di atas, diperoleh
1,64048 = x1 + 4,03342 x2 0,22185 x3
1,33244 = x1 + 3,72346 x2 0,22185 x3
1,38382 = x1 + 3,49415 x2 + 0,25527 x3
disusun dalam bentuk matriks
34
1 4,03342 0,22185 x 1 1,64048
1 3,72346 0,22185 x = 1,33244
2
1 3,49415 0,25527 x 3 1,38382
Program Penyelesaian
%
%
%
%
%
%
%
%
%
%
Parameter Transfer Massa

Sh=k1*(Re)^k2*(Sc)^k3
log(Sh) = log(k1) + k2*log(Re) + k3*log(Sc)
Penyelesaian dilakukan dengan Inversi Matriks
***************************************************************
clear all
clc
%
Data-data
Sh = [43.7 21.5 24.2];
Re = [10800 5290 3120];
Sc = [0.6 0.6 1.8];
%
A = [1 log10(Re(1)) log10(Sc(1))
1 log10(Re(2)) log10(Sc(2))
1 log10(Re(3)) log10(Sc(3))];
%
B = [log10(Sh(1))
log10(Sh(2))
log10(Sh(3))]
k = A\B;
disp(' ')
disp('Konstanta Parameter Transfer Massa ')
disp('-----------------------------------')
k1 = 10^k(1)
k2 = k(2)
k3 = k(3)
Keluaran Program
Konstanta Parameter Transfer Massa
----------------------------------k1 =
0.0058
k2 =
0.9938
k3 =
0.5853
Persamaan hubungan parameter-parameter transfer massa menjadi :

Sh = 0,0058 (Re)0,9938 (Sc)0,5853
35
2.3. METODE DEKOMPOSISI LU

Modifikasi metode eliminasi yang lain adalah metode dekomposisi LU.
Metode ini similar dengan metode eliminasi Gauss. Matriks koefisien konstanta
diubah menjadi 2 matriks lain, yaitu L dan U; dengan L adalah matriks
triangular bawah dengan diagonal 1 dan U adalah matriks triangular atas.
A = LU
(2.11)
Konsep dasar metode dekomposisi LU adalah

Ax=b
L U x = L b*
U x = b*
(2.12)
Matriks A didekomposisi menjadi matriks L dan U. Matriks L hasil dekomposisi

A digunakan untuk mendekomposisikan matriks b, sehingga diperoleh matriks
b*. Jika matriks U dikalikan dengan matriks x akan diperoleh matriks b*.
Selanjutnya x diperoleh dengan substitusi balik karena U adalah matriks
triangular bawah.
Contoh 2.5. Neraca Massa Steady State pada Kolom Distilasi Bertingkat
Xylena, styrena, toluena, dan benzena dipisahkan dengan kolom distilasi seperti
ditunjukkan pada gambar 2.1.
Tentukan kecepatan alir D1, D2, B1, B2, D, dan B.
36
D1
7 % Xylena
4 % Styrena
54 % Toluena
35 % Benzena
D
#2
B1
F = 70 mol/menit
18 % Xylena
24 % Styrena
42 % Toluena
16 % Benzena
#1
D2
15 % Xylena
25 % Styrena
40 % Toluena
20 % Benzena
15 % Xylena
10 % Styrena
54 % Toluena
21 % Benzena
B
#3
B2
24 % Xylena
65 % Styrena
10 % Toluena
1 % Benzena
Gambar 2.1. Distilasi Bertingkat

Program Matlab
%
%
%
%
%
%
%
%
%
%
%
Neraca Massa Steady State pada Kolom Distilasi Bertingkat

Xylena, styrena, toluena, dan benzena
dipisahkan dengan kolom distilasi bertingkat
Penyelesaian dilakukan dengan Dekomposisi LU
***************************************************************
clear all
clc
37
%
A = [0.07 0.18 0.15 0.24
0.04 0.24 0.10 0.65
0.54 0.42 0.54 0.1
0.35 0.16 0.21 0.01];
%
B = [0.15*70 0.25*70 0.40*70 0.20*70]';
disp(' ')
disp('Penyelesaian untuk D1 B1 D2 B2 adalah : ')
%
Dekomposisi Matriks A
[L,U] = lu(A);
%
Membentuk Matriks B*
Bstar = inv(L)*B;
%
Menentukan Matriks x
X = inv(U)*Bstar
disp('Umpan kolom 2')
D1 = X(1);
B1 = X(2);
D = D1 + B1
X_Dx = (A(1,1)*D1+A(1,2)*B1)/D
X_Ds = (A(2,1)*D1+A(2,2)*B1)/D
X_Dt = (A(3,1)*D1+A(3,2)*B1)/D
X_Db = (A(4,1)*D1+A(4,2)*B1)/D
disp('Umpan kolom 3')
D2 = X(3);
B2 = X(4);
B = D2 + B2
X_Dx = (A(1,3)*D2+A(1,4)*B2)/B
X_Ds = (A(2,3)*D2+A(2,4)*B2)/B
X_Dt = (A(3,3)*D2+A(3,4)*B2)/B
X_Db = (A(4,3)*D2+A(4,4)*B2)/B
Keluaran program :
Penyelesaian untuk D1 B1 D2 B2 adalah :
X =
26.2500
17.5000
8.7500
17.5000
Umpan kolom 2
D =
43.7500
X_Dx =
0.1140
X_Ds =
0.1200
X_Dt =
0.4920
X_Db =
0.2740
Umpan kolom 3
38
B =
26.2500
X_Dx =
0.2100
X_Ds =
0.4667
X_Dt =
0.2467
X_Db =
0.0767
Contoh 2.6. Persamaan Virial

Selain hubungan gas ideal yang telah dikenal, ada banyak persamaan lain yang
menghubungkan volume dan tekanan gas. Salah satunya adalah persamaan virial
PV = a + bP + cP2
Untuk mengevaluasi konstanta-konstanta a, b, dan c, telah dilakukan
percobaan dengan data sebagai berikut :
P (atm)
V (L/mol)
9/2
16/3
Susunlah data-data di atas menjadi persamaan aljabar linier simultan

dan selesaikan.
Program Matlab
%
%
%
%
%
%
%
%
%
%
Persamaan Virial
PV = a + bP + cP^2
Untuk mengevaluasi konstanta-konstanta a, b, dan c,
telah dilakukan percobaan dengan data-data di bawah ini
***************************************************************
clear all
clc
%
Data-data
P = [1 2 3];
V = [4 9/2 16/3];
%
Matriks A
A = [1 P(1) (P(1))^2
1 P(2)
(P(2))^2
1 P(3) (P(3))^2];
%
Matriks B
B = [P(1)*V(1)
% atm
% L/mol
39
P(2)*V(2)
P(3)*V(3)];
C = A\B;
disp(' ')
disp('Konstanta persamaan virial adalah : ')
disp('------------------------------------')
a = C(1)
b = C(2)
c = C(3)
Keluaran Program
Konstanta persamaan virial adalah :
-----------------------------------a =
1
b =
2
c =
1
Contoh 2.7. Persamaan Kecepatan Reaksi

Untuk kecepatan reaksi, ra
= k C a C b , dengan data ditunjukkan pada
tabel.
Tentukan persamaan kecepatan reaksi tersebut !
Ca
Cb
0,7
0,2
0,4567
0,9
0,3
1,0707
1,6
0,2
2,5917
Penyelesaian dengan Program Matlab

clear all
clc
echo on
%
Persamaan Virial
%
ra=k*(Ca)â*(Cb)^b
%
log(ra) = log(k) + a*log(Ca) + b*log(Cb)
%
Untuk mengevaluasi konstanta-konstanta a, b, dan k,
%
%
%
--------------------------------------------------------------%
%
%
%
***************************************************************
echo off
40
%
Data-data
Ca = [0.7 0.9 1.6];
Cb = [0.2 0.3 0.2];
ra = [0.4567 1.0707 2.5917];
% Matriks A
A = [1 log10(Ca(1)) log10(Cb(1))
1 log10(Ca(2)) log10(Cb(2))
1 log10(Ca(3)) log10(Cb(3))];
% Matriks B
B = [log10(ra(1))
log10(ra(2))
log10(ra(3))];
konst = A\B;
disp(' ')
disp('Konstanta adalah : ')
disp('-------------------')
k = 10^konst(1)
a = konst(2)
b = konst(3)
Keluaran Program
%
Persamaan Virial
%
ra=k*(Ca)â*(Cb)^b
%
log(ra) = log(k) + a*log(Ca) + b*log(Cb)
%
Untuk mengevaluasi konstanta-konstanta a, b, dan k,
%
%
%
--------------------------------------------------------------%
%
%
%
***************************************************************
echo off
Konstanta adalah :
------------------k =
3.4990
a =
2.1000
b =
0.7998
PERSAMAAN ALJABAR
NON LINIER
Suatu penyelesaian persamaan aljabar non linier adalah menentukan nilai

x, sehingga suatu fungsi x, f(x) akan sama dengan nol.
Contoh, f(x) = e-x x, maka yang ingin diketahui adalah berapakah nilai x,
sehingga f(x) = 0.
Secara umum ada 2 metode yang digunakan, yaitu metode akolade dan metode
terbuka.
Metode akolade adalah metode yang menggunakan 2 titik awal tebakan, yang
kedua titik tersebut harus mengapit jawaban yang dimaksud. Termasuk metode
ini adalah metode Bisection (bagi dua).
Berbeda dengan metode akolade, metode terbuka hanya menggunakan satu
tebakan awal. Termasuk metode ini adalah metode Newton-Raphson.
3.1. METODE BISECTION (BAGIDUA)

Pada metode Bisection, mula-mula diperkirakan suatu interval sehingga
akar persamaan yang akan diperoleh berada pada interval tersebut. Selanjutnya
44
dicari nilai f(x) dari kedua titik dan dari titik tengah interval. Dengan
menganalisa nilai f(x) ketiga titik maka kita dapat membuang setengah interval
dalam setiap langkahnya.
Langkah penyelesaian :
1.
Tentukan interval perkiraan awal, misalkan antara xA dan xB
2.
Hitung f(xA) dan f(xB)
3.
Interval yang benar akan menghasilkan f(xA) dan f(xB) pada daerah yang
berbeda (sebelah kanan dan kiri akar persamaan yang dicari)
Akar persamaan
xA
xB
Gambar 3.1. Kurva Akar-akar Persamaan

Uji apakah [f(xA)]x[f(xB)] < 0. Jika salah, maka ulangi langkah (1) dan
(2).
4.
Hitung xM, yaitu titik tengah interval

xM =
5.
xA + xB
2
Hitung f(xM)
a.
Jika [f(xA)]x[f(xM)] > 0, maka xA baru = xM dan xB tetap
. (3.1)
45
xA
=
xM
xA
xB
baru
Gambar 3.2. Penentuan xA dan xB baru jika [f(xA)]x[f(xM)] > 0

b.
Jika [f(xA)]x[f(xM)] < 0, maka xA tetap dan xB baru = xM
x M = xA
Baru
xA
xB
Gambar 3.3. Penentuan xA dan xB baru jika [f(xA)]x[f(xM)] < 0

6.
Uji apakah f(xm) < Toleransi. Jika tidak, ulangi langkah (4) untuk
menentukan xm yang baru.
Contoh 3.1. Konversi untuk disosiasi H2O

Uap air didisosiasikan (dipecah) menjadi H2 dan O2 pada tekanan 0,2 atm
sebagai berikut:
H2O H2 + O2
Fraksi molekul (x) dari H2O dapat dinyatakan sebagai berikut:
kp =
2p
(1 x ) (2 + x )
Jika kp = 0,4568 tentukanlah x yang memenuhi persamaan di atas.
46
Program matlab untuk metode bagidua :
%
Persamaan aljabar non linier
%
%
Penyelesaian dilakukan dengan Metode Bagidua (bisection)
%
%
-------------------------------------------------------------%
%
%
%
**************************************************************
clc
clear all
disp 'Masukkan Perkiraan Batas Bawah dan Batas Atas '
xa=input('batas bawah = ');
xb=input('batas atas = ');
fa = contoh31(xa);
fb = contoh31(xb);
x=[xa:(xb-xa)/50:xb];
plot(x,contoh31(x));
xlabel('x')
ylabel('f(x)')
grid on
while fa*fb > 0
disp 'Tebakan salah, ganti batas atas dan/atau batas bawah'
disp 'Perhatikan grafik!! Perkirakan nilai x untuk f(x)
mendekati nol'
xa=input('batas bawah = ');
xb=input('batas atas = ');
fa=contoh31(xa);
fb=contoh31(xb);
end
tol=0.000001;
xm=(xa+xb)/2;
fm=contoh31(xm);
while abs(xa-xb)>tol
xm=(xa+xb)/2;
fm=contoh31(xm);
if fa*fm<0
xb=xm;
fb=contoh31(xb);
else
xa=xm;
fa=contoh31(xa);
end
end
t =['f(x)=0 untuk x = 'num2str(xm)];
disp (t)
Program dalam bentuk M-function untuk persoalan di atas

function f_x = contoh31(x)
%
Program penyelesaian utk reaksi disosiasi H2O
%
H2O --> H2 + 1/2 O2
%
x
/ 2p
%
kp = ------/ ----%
(1 - x) \/ (2 + x)
%
p = 0,2 atm
%
kp = 0,4568
%
%
%
Nama File : contoh31.m

---------------------------------------------------------------
47
p = 0.2;
kp = 0.4568;
f_x = x./(1-x).*sqrt(2*p./(2+x))-kp;
%atm
Dalam memberikan masukan untuk batas bawah dan atas, secara teori nilai
konversi berkisar antara 0 0,99. Untuk x = 1, nilai kp akan tak terdefinisi.
Keluaran program :
Masukkan Perkiraan Batas Bawah dan Batas Atas
batas bawah = 0
batas atas = 0.99
f(x)=0 untuk x = 0.53487
Contoh 3.2. Faktor Kompresibilitas Gas Ideal

Hubungan faktor kompresibilitas gas ideal dalam bentuk
z=
1 y + y 2 y3
1 y3
dengan y = b/4v, untuk b adalah koreksi van der Waals dan v adalah volum
molar. Jika z = 0,892 berapakah y ?
Penyelesaian dilakukan dengan program bisection yaitu dengan mengganti
fungsi disosiasi H2O dengan fungsi untuk persoalan faktor kompresibilitas gas
ideal.
function f_y = contoh32(y)
%
Faktor Kompresibilitas Gas Ideal
%
1 - y + y^2 - y^3
%
z = ------------------%
1 - y^3
%
z = 0,896
%
%
%

--------------------------------------------------------------
z = 0.892;
f_y = (1-y+y.^2-y.^3)-z.*(1-y.^3);
Secara umum ada 3 nilai yang memenuhi persamaan di atas karena f(y)
merupakan persamaan orde 3. Tetapi nilai untuk y yang tepat adalah antara 0 1.
Masukkan Perkiraan Batas Bawah dan Batas Atas
48
batas bawah = 0
batas atas = 1
f(x)=0 untuk x = 0.1229
3.2. METODE NEWTON-RAHPSON

Metode Newton-Raphson adalah metode yang paling populer untuk
mencari akar-akar suatu persamaan aljabar non linier. Metode ini merupakan
metode terbuka, yaitu hanya menggunakan satu tebakan awal. Jika suatu tebakan
awal adalah xi, maka garis singgung titik xi pada f(xi), dapat diperluas sampai
memotong sumbu x. Titik potong garis tersebut pada sumbu x kemudian menjadi
perbaikan tebakan awal, xi+1.
f(xi)
Akar persamaan
Garis
singgung
f(xi+1)
xi+1
xi
Gambar 3.4. Menentukan Akar-Akar Persamaan dengan Newton Raphson

Slope (kemiringan) garis singgung pada titik xi adalah turunan pertama fungsi
f(x), didekati dengan
f(x) = f ( x i ) 0
x i x i +1
xi+1 = xi - f ( x i )
f ' (x i )
Langkah penyelesaian
1.
Tentukan tebakan awal xi
2.
Hitung f(xi) dan f(xi)
3.
Hitung xi+1 dengan persamaan (26)
4.
Uji apakah | xi+1 - xi | < toleransi atau
.(3.2)
49
| f(xi) | < toleransi,
Jika ya, maka selesai.
Jika tidak, xi baru = xi+1, ulangi langkah (2)
Adakalanya f(x) sulit dicari dengan analitis. Untuk itu dapat dilakukan
pendekatan secara numeris
f(x)= f ( x 0 + ) f ( x 0 )
. (3.3)
dengan adalah bilangan yang kecil.

Persamaan di atas banyak digunakan untuk penyelesaian akar-akar persamaan
aljabar non linier dengan pemograman komputer.
Secara umum metode Newton-Raphson adalah metode yang sangat efisien.
Tetapi metode ini mempunyai beberapa kelemahan untuk kasus-kasus tertentu,
seperti konvergen yang sangat perlahan, atau bahkan bersifat divergen.
Contoh 3.3. Temperatur Dew Point untuk Campuran Benzena dan Toluena
Tentukan temperatur dew point (Titik Embun) dan komposisi liquid dari suatu
campuran gas benzena dan toluena pada tekanan 1 atm (760 mmHg). Komposisi
uap adalah 0,77 fraksi mol benzena dan 0,23 fraksi mol toluena.
Campuran gas dan liquid diasumsikan sebagai campuran ideal. Kondisi
kesetimbangan sesuai dengan Hukum Roult-Dalton, yiP=xiPiO Tekanan uap
murni dihitung dengan persamaan log p O = A
B
untuk pO dalam mmHg
T+C
dan T dalam OC
Benzena
Toluena
6,89745
6,95334
1206,35
1343,94
220,237
219,377
Program Metode Newton-Raphson
50
%
%
%
%
%
%
%
%
%
Persamaan aljabar non linier

Penyelesaian dilakukan dengan Metode Newton-Raphson
***************************************************************
clc
clear all
xnew=input(' Nilai untuk tebakan awal =
xold=0;
tol=0.0001;
eps=0.0001;
');
disp ' x-old

f(x-old) '
while abs(xnew-xold)>tol
xold=xnew;
fxold=contoh33(xold);
t=['
'num2str(xold) '
'num2str(fxold) ];
disp (t)
fmin=contoh33(xold-eps);
fplus=contoh33(xold+eps);
dfx=(fplus-fmin)/2/eps;
xnew=xold-fxold/dfx;
end
t=['akar persamaan, x = 'num2str(xold) ' f(x) = 'num2str(fxold)];
disp(t)
Proram penyelesaian
function fT=contoh33(T)
%
Temperatur Dew Point untuk Campuran Benzena dan Toluena
%
Komposisi uap y1 = 0,77 dan y2 = 0,33
%
Tekanan uap murni
%
o
(
B
)
%
Pi = 10^( A + ------- )
%
(
(T + C) )
%
Hukum Roult-Dalton
%
yi * P
%
xi = -------%
o
%
Pi
%
x1 + x2 = 1
%
%
%

---------------------------------------------------------------
P=760;
% Konversi dari atm ke mmHg
y1=0.77;
y2=0.23;
p1o=10^(6.89745-1206.35/(T+220.237));
p2o=10^(6.95334-1343.94/(T+219.377));
x1=y1*P/p1o;
x2=y2*P/p2o;
fT=x1+x2-1;
Keluaran program
Nilai untuk tebakan awal =
x-old
f(x-old)
85
51
85
0.17029
89.639
0.014053
90.0946
0.0001176
90.0985
8.4065e-009
akar persamaan, x = 90.0985
f(x) = 8.4065e-009
Sehingga T = 90,0985 OC
Contoh 3.4. Hubungan Faktor Friksi suatu Pelarut dengan Bilangan
Reynolds
Hubungan faktor friksi untuk aliran suatu pelarut dengan bilangan Reynolds (Re)
secara empiris adalah
1
f
5,6
1
= ln Re f + 14
k
k
dengan k = konsentrasi larutan dan f adalah faktor friksi. Tentukanlah f, jika Re

= 3750 dan k=0,28
Program penyelesaian dengan Metode Newton-Raphson. Karena bekerja pada
bilangan yang lebih kecil, toleransi dapat kita turunkan sampai 10-7.
function f_f = contoh34(f)

%
Hubungan faktor friksi suatu pelarut dengan bil Reynolds
%
1
1
5,6
%
------- = --- ln [ Re*sqrt(f) ] + [ 14 - ----- ]
%
sqrt(f)
k
k
%
Re = 3750
%
k = 0,28
%
%
%

---------------------------------------------------------------
Re = 3750;
k = 0.28;
f_f = ((1/k)*log(Re*sqrt(f))+(14-5.6/k))*sqrt(f)-1;
Keluaran program
Nilai untuk tebakan awal = 0.01
x-old
f(x-old)
0.01
0.51676
0.0044847
-0.080152
0.005105
-0.0020744
0.0051219
-1.4377e-006
akar persamaan, x = 0.0051219 f(x) = -1.4377e-006
52
sehingga f = 0,0051219
3.3. FUNGSI fzero

Matlab mempunyai suatu fungsi untuk menyelesaikan persamaan aljabar
non linier. Fungsi ini disebut dengan
fzero.
Fungsi ini terdiri dari beberapa
metode yang dipadukan untuk menyelesaikan berbagai persoalan secara cepat

dan tepat. Penggunaan fungsi fzero adalah :
x
= fzero(nama_fungsi,xo, tol, trace)
dengan :
adalah nama suatu fungsi yang berisi persamaan yang
akan dicari nilai nol-nya.
xo adalah nilai perkiraan awal
tol adalah ketepatan penyelesaian jika trace mempunyai nilai lebih
dari 1.
trace adalah jumlah iterasi yang dilakukan.
Dua parameter terdepan harus diisi, sehingga alternatif untuk menggunakan
nama_fungsi
fungsi ini adalah

x
= fzero(nama_fungsi,xo)
Contoh 3.5. Persamaan Peng-Robinson

Untuk menghitung volum CO2 pada tekanan 1.104 kPa dan temperatur 3400K,
dapat digunakan persamaan EOS (equation of state) Peng-Robinson
P=
RT
a
V b V (V + b ) + b( V b)
dengan a = 364,61 m6kPa/(kgmol)2 dan b = 0,02664 m3/kgmol

R=8,3137 m3kPa/kgmol K. Tentukanlah V dengan tebakan awal V, gunakan
EOS gas ideal (PV=RT)
%
%
%
%
%
%
%
%
Persamaan Peng-Robinson
Penyelesaian dilakukan dengan fungsi fzero
53
%
***************************************************************
% Data-data
clear all
clc
global R T P
R=8.3137;
T=340;
P=10^4;
%
%
%
m^3.kPa/(kgmol.K)
K
kPa
% Sebagai nilai tebakan V digunakan pers Gas Ideal

Vo=R*T/P;
% Penentuan nilai V dengan fungsi fzero
V=fzero('F35',Vo)
Fungsi penyelesaian Peng-Robinson

function fV=F35(V)
%
Persamaan Peng-Robinson
%
%
%
%
R.T
P = -----V - b
Parameter utk CO2
a
------------------V(V + b) + b(V - b)
%
Nama File : F35.m
%
%
--------------------------------------------------------------global R T P
%Parameter Peng-Robinson untuk CO2
a=364.61;
b=0.02664;
fV=R*T/(V-b)-a/(V*(V+b)+b*(V-b))-P;
Keluaran program
V =
1.6792e-001
Sehingga volum molar CO2 adalah 0,16792 m3/kgmol

Contoh 3.6. Penurunan temperatur karena pelepasan panas
Suatu campuran gas mempunyai kapasitas panas
Cp = 7,053 + 1,2242.10-3 T 2,6124.10-7 T2
T dalam oF dan Cp dalam Btu/lbmol oF. Jika panas yang dilepaskan
untuk menurunkan temperatur campuran gas panas tersebut dari 550 oF adalah
2616 Btu/lbmol gas sampai temperatur berapakah campuran gas tersebut dapat
didinginkan.
54
T
q=
Cp
dt
To
Sampai berapakah campuran gas tersebut dapat didinginkan ?

function fT=contoh36(T)
%
Penurunan temperatur karena pelepasan panas
%
Cp = 7,053 + 1,2242.10(-3) T - 2,6124.10(-7) T^2
%
q = integral(cp dT)
%
Data
%
q = -2616 BTU/lbmol
%
To = 550
oF
%
%
%

---------------------------------------------------------------
q = -2616;
To = 550;
% BTU/lbmol
% oF
%
Integral secara analitis
fT=7.053*(T-To)+1.2242*10^-3/2*(T^2-To^2)...
-2.6124*10^-7/3*(T^3-To^3)-q;
Fungsi tersebut dapat dijalankan dari jendela command

>> T = fzero('contoh36',150)
T =
1.9992e+002
Sehingga temperatur gas adalah 199,92 OF.
Contoh-contoh lain
Contoh 3.7. Debit Aliran dengan Pompa pada Pipa
Suatu cairan akan dialirkan dari tangki 1 ke tangki 2 melalui pipa berdiameter D,
dengan bantuan pompa. Panjang ekuivalen pipa, Le. Dari persamaan Bernoulli
antara titik 1 dan titik 2 diperoleh persamaan berikut :
z 2 z1 +
f.Le.v 2
Hm = 0
2.g.D
faktor friksi didekati dengan persamaan empiris :
f=
0,0596
Re 0,215
Re =
.v.D
dengan
55
Karakteristik pompa sentrifugal yang dapat dipakai berupa hubungan antara head
pompa ( Hm, cm) dengan debit ( Q, cm3/dtk) dapat didekati dengan persamaan :
Hm = 3718,5 2,34967.Q + 7,8474.10-4.Q2 9,5812.10-8.Q3
Debit aliran dihitung dengan persamaan :
Q=
.D 2 .v
Data-data yang diketahui : = 1 g/cm3; = 0,01 g/cm.dtk; g = 981 cm/dtk2; z1 =

300 cm; z2 = 800 cm; D = 4 cm; Le = 20.000 cm. Hitung berapa kecepatan aliran
dalam pipa (v) dan debitnya (Q).
Penyelesaian Program Matlab
%
Debit Aliran dengan Pompa pada Pipa
%
%
--------------------------------------------------------------%
%
%
%
***************************************************************
clear all
clc
global rho myu g z2 z1 D Le
% Data-data
rho=1;
myu=0.01;
g=981;
z1=300;
z2=800;
D=4;
Le=20000;
%
%
%
%
%
%
%
Densitas, g/cm^3
Viskositas, g/cm.dtk
grafitasi, cm/dtk^2
tinggi titik 1, cm
tinggi titik 2, cm
diameter pipa, cm
panjang ekivalen, cm
% Perhitungan
vhit=fzero(@F37,200)
Qhit=pi/4*D^2*vhit
Program terkait
function fv = F37(v)
%
Langkah perhitungan
%
tebak v ---> hitung bil. Reynold ---> hitung faktor friksi
%
---> hitung debit ---> hitung head pompa --->
%
hitung pers. Bernoulli
%
f Le v^2
%
z2 - z1 + -------- - Hm = 0
%
2 g D
%
%
%
Nama File : F37.m

---------------------------------------------------------------
global rho myu g z2 z1 D Le

Re=rho*v*D/myu;
f=0.0596/Re^0.215;
% Perhitungan Bil. Reynold

% Perhitungan faktor friksi
56
Q=pi/4*D^2*v;
% Perhitungan Debit
Hm=3718.5-2.3496*Q+7.8474e-4*Q^2-9.5812e-8*Q^3;
% Perhitungan head pompa
fv=z2-z1+f*Le*v^2/(2*g*D)-Hm; % Persamaan Bernoulli
Keluaran program
vhit =
227.6735
Qhit =
2.8610e+003
Terhitung kecepatan aliran 227,6735 cm/detik dengan debit 2.861 cm3/detik.
Contoh 3.8. Reaktor Adiabatis untuk Reaksi Eksotermis Fase Gas

Reaksi eksotermis fasa gas A + 2B C dijalankan dalam reaktor adiabatik.
Umpan berjumlah Fo gmol/j dan bersuhu TF mempunyai komposisi : 25 % A
dan 75 % B. Tekanan sepanjang reaktor tetap P atm. Ingin dicari nilai konversi A
pada kesetimbangan (z). Konversi kesetimbangan dapat dihitung dengan
persamaan :
Tkesetimbangan - Tneraca panas = 0
Dari neraca panas diperoleh persamaan :
T = TF -
0,25.(1 - z).C pA
0,25.z. H FR
+ (0,75 0,5.z).C pB + 0,25.C pC
dengan :
H FR = H oR + (C pC C pA 2.C pB ).(TF Tref )

Dari kesetimbangan diperoleh :
T=
B
K
ln
A
dengan K =
0,25.(1 z)
.P
(1 0,5.z)
(0,75 0,5.z)
PB =
.P
(1 0,5.z)
0,25.z
.P
PC =
(1 0,5.z)
PA =
PC
PA .PB
57
Data-data yang diketahui :
Tref = 298 K; A = 8.10
-6
HRo
= - 20.000 cal/gmol; TF = 400 K; P = 20 atm;
atm; B = 4500 K; CpA = 7 cal/mol.K; CpB = 8
cal/gmol.K; CpC = 12 cal/gmol.K

Program Matlab
%
%
%
%
%
%
%
%
Reaktor Adiabatis untuk Reaksi Eksotermis Fase Gas

Reaksi A + 2B --> C
***************************************************************
global dHr Tf
P Tref A B Cpa Cpb Cpc
% Data-data
dHr=-20000;
% Panas reaksi, kal/gmol
Tf=400; P=20;
% Temperatur umpan, K
Tref=298;
% Temperatur referensi, K
% Parameter temperatur kesetimbangan
A=8e-6;
% atm
B=4500;
% K
% Kapasitas panas
Cpa=7;
% kal/mol.K
Cpb=8;
% kal/mol.K
Cpc=12;
% kal/mol.K
% Perhitungan konversi kesetimbangan
konversi=fzero(@F38,0.6)
Program terkait
function fz = F38(z)
%
Langkah perhitungan
%
tebak konversi kesetimbangan z ---> hitung tekanan parsial
%
komponen a, b, dan c ---> hitung panas reaksi
%
---> hitung temperatur reaktor ---> hitung temperatur
%
kesetimbangan ---> bandingkan T reaktor dan T ktmbgn
%
T kesetimbangan - T reaktor = 0
%
%
%
%
Nama File : F38.m

---------------------------------------------------------------
global dHr Tf P Tref A B Cpa Cpb Cpc

% Perhitungan tekanan parsial komponen
Pa=0.25*(1-z)*P/(1-0.5*z);
Pb=(0.75-0.5*z)*P/(1-0.5*z);
Pc=0.25*z*P/(1-0.5*z);
% Panas reaksi
dHrf=dHr+(Cpc-Cpa-2*Cpb)*(Tf-Tref);
% Temperatur reaktor
T=Tf-0.25*z*dHrf/(0.25*(1-z)*Cpa+(0.75-0.5*z)*Cpb+0.25*z*Cpc);
% Temperatur kesetimbangan
K=Pc/Pa/Pb^2;
Tstb=B/log(K/A);
58
fz=Tstb-T;
Keluaran program
konversi =
0.4143
Contoh 3.9. Temperatur Titik Embun untuk Campuran Benzena, Toluena,

dan Ortho-xylena
Campuran uap dengan fraksi mol benzene (A) = 0,4; toluene (B) = 0,3; dan
ortho-xylene (C) = 0,3; didinginkan pada tekanan tetap Pt = 76 cmHg. Ingin
dicari pada suhu berapa (K) pengembunan terjadi. Sistem mengikuti hukum
Roult-Dalton. Harga tekanan uap murni mengikuti persamaan
3764
PAo = exp14,95
4497
PBo = exp16,07
4934
PCo = exp16,27
Pengembunan terjadi jika
y A .Pt y B .Pt y C .Pt

+
+
1 = 0
PAo
PBo
PCo
Penyelesaian
%
%
%
%
%
%
%
Temperatur Titik Embun untuk Campuran Benzena,

Toluena, dan Ortho-xylena
***************************************************************
global ya yb yc Pt
% Data-data tekanan parsial
ya=0.4; yb=0.3; yc=0.3;
% Tekanan total, cmHg
Pt=76;
% Perhitungan temperatur
T=fzero(@F39,300)
Program terkait
59
function fT=F39(T)
%
Tekanan uap murni
%
o
(
B )
%
Pi = 10^( A + --- )
%
(
T )
%
Hukum Roult-Dalton
%
yi * P
%
xi = -------%
o
%
Pi
%
x1 + x2 + x3 = 1
%
%
%
Nama File : F39.m

---------------------------------------------------------------
global ya yb yc Pt
Pao=exp(14.95-3764/T);
Pbo=exp(16.07-4497/T);
Pco=exp(16.27-4934/T);
fT=Pt*(ya/Pao+yb/Pbo+yc/Pco)-1;
Keluaran program
T =
390.2252
Temperatur titik embun 390,2252 K
Contoh 3.10. Terminal Velocity untuk Partikel Jatuh dalam Fluida

Partikel berbentuk bola yang bergerak dalam suatu fluida mempunyai terminal
velocity sebagai berikut :
4g p D p
v t =
3C D
(3.10.1)
dengan vt adalah terminal velocity (m/detik), g adalah percepatan grafitasi (=

9,80665 m/detik2), p adalah densitas partikel (kg/m3), adalah densitas fluida
(kg/m3), Dp adalah diameter partikel bola (m) dan CD adalah koefisien drag (tak
berdimensi).
Koefisien drag partikel bola untuk terminal velocity bervariasi dengan bilangan
Reynolds (Re) sebagai berikut :
CD =
CD =
24
Re
24
1 + 0,14 Re 0,7
Re
untuk Re < 0,1
untuk
0,1 Re 1000
60
CD = 0,44
untuk
4
CD = 0,19 8.10 /Re
1000< Re 35000
untuk
35000 Re
dengan Re = D p v t dan adalah viskositas (Pa detik atau kg/mdetik)
Tentukan terminal velocity untuk partikel batubara dengan P = 1800 kg/m3 dan
Dp = 0,208.10-3 m yang jatuh dalam air pada T = 298,15 K dengan = 994,6
kg/m3 dan = 8,931.10-4 kg/mdetik.
Penyelesaian
Tebak vt hitung Re Tentukan CD Cek vt dengan persamaan (3.10.1 )
Program Matlab
function fv_t = contoh310(v_t)
%
Terminal Velocity untuk Partikel Jatuh dalam Fluida
%
Tebak vt --> hitung Re --> Tentukan CD --> Cek vt
%
/ 4.g.(rhop - rho).Dp
%
vt = / ------------------%
\/
3.CD.rho
%
%
%

---------------------------------------------------------------
%
Data-data
rho_p = 1800;
D_p = 0.208*10^-3;
T = 298.15;
rho = 994.6;
mu = 8.931*10^-4;
g = 9.80665;
%kg/m^3
%m
%K
%kg/m^3
%kg/m/s
%m/s^2
%
Menghitung bilangan Reynold
Re = D_p*v_t*rho/mu;
%
Menentukan koef. drag (CD)
if Re < 0.1
C_D = 24/Re;
elseif Re < 1000
C_D = 24*(1+0.14*Re^0.7)/Re;
elseif Re < 350000;
C_D = 0.44;
else
C_D = 0.19-80000/Re;
end
%
Membandingkan vt awal dan vt perhitungan
fv_t = v_t^2*(3*C_D*rho)-4*g*(rho_p-rho)*D_p;
Perintah dari jendela command dan hasilnya :

>> v_t_tebakan = 0.2;
>> v_t = fzero('contoh310',v_t_tebakan)
v_t =
61
1.5782e-002
Sehingga vt adalah 0,015782 m/detik

Contoh 3.11.
Volum Molar dan Faktor Kompressibilitas untuk

Persamaan van der Waals
Hukum gas ideal dapat menunjukkan hubungan tekanan, volum, dan temperatur
(PVT) hanya pada tekanan gas rendah (mendekati tekanan atmosfer). Untuk
tekanan tinggi persamaan yang harus digunakan lebih kompleks daripada hukum
gas ideal tersebut. Perhitungan volum molar dan faktor kompressibilitas
menggunakan persamaan yang lebih kompleks yang memerlukan penyelesaian
secara numeris. Salah satu persamaan yang dapat digunakan adalah persamaan
van der Waals
a
P + 2 (V b ) = RT
V
dengan
a=
27 R 2TC 2
64 PC
b=
RTC
8PC
dengan
P
= tekanan (atm)
= volum molar (L/gmol)
= temperatur (K)
= konstanta gas = 0,08206 atmL/gmolK
TC
= temperatur kritis (405,5 K untuk ammonia)
PC
= tekanan kritis (111,3 atm untuk ammonia)
Tekanan tereduksi dinyatakan sebagai Pr =
P
PC
Faktor kompressibilitas dinyatakan sebagai Z=

a.
PV
RT
Tentukan volum molar dan faktor kompressibilitas untuk gas ammonia pada
tekanan P = 56 atm dan temperatur T = 450 K menggunakan persamaan van
der Waals !
b.
Ulangi perhitungan untuk Pr = 1, 2, 4, 10, dan 20 !
62
c.
Bagaimanakah hubungan faktor kompressibilitas untuk berbagai nilai Pr ?
Penyelesaian
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
%
Volum Molar dan Faktor Kompressibilitas utk Pers van der Waals
Varibel berubah
P
Pr = ----Pr
Dari data-data yang ada
Hitung P
Hitung V dengan terlebih dahulu menebak V,
lalu hitung dengan pers. van der Waals
Hitung Z
P.V
Z = -----R.T
***************************************************************
clear all
format short e
global P a b R T
%
Data-data
Pc = 111.3;
%
Tc = 405.5;
%
R = 0.08206;
%
T = 450;
%
P = 56;
%
Pr = [P/Pc 1 2 4 10 20];
a = 27/64*R^2*Tc^2/Pc;
b = R*Tc/(8*Pc);
atm
K
atm.L/gmol.K
K
atm
%
Perhitungan
for j = 1:6
P = Pc*Pr(j);
Vtebak = R*T/P;
V = fzero('waals',Vtebak);
z = P*V/(R*T);
hasil(j,1)=Pr(j);
hasil(j,2)=V;
hasil(j,3)=P*V/(R*T);
end
%
Menampilkan hasil perhitungan
disp('
Pr
Volum molar
faktor Z')
disp(hasil)
plot(hasil(:,1),hasil(:,3))
title('Faktor Kompresibilitas vs Tekanan Tereduksi')
xlabel('Tekanan Tereduksi')
ylabel('Faktor Kompresibilitas')
Fungsi van der Waals

function f_V = waals(V)
%
Persamaan van der Waals
%
[
a
]
%
[ P + ------ ] ( V - b )
%
[
V^2
]
%
Parameter utk ammonia
= RT
63
%
Nama File : waals.m
%
%
--------------------------------------------------------------global P a b R T
% Modifikasi persamaan van der Waals
f_V = P*V^3-P*b*V^2-R*T*V^2+a*V-a*b;
Faktor kompresibilitas
Hasil perhitungan
Gambar 3.5. Keluaran Program Contoh 3.11

>>
Pr
5.0314e-001
1.0000e+000
2.0000e+000
4.0000e+000
1.0000e+001
2.0000e+001
Volum molar
5.7489e-001
2.3351e-001
7.7268e-002
6.0654e-002
5.0875e-002
4.6175e-002
faktor Z
8.7183e-001
7.0381e-001
4.6578e-001
7.3126e-001
1.5334e+000
2.7835e+000
Contoh 3.12. Temperatur Batang Konduktor sebagai Fungsi Arus

Suatu batang konduktor berdiameter D dan hambatan elektrik per satuan
panjang RL. Batang tersebut mula-mula berada pada kesetimbangan termal
dengan udara di sekitarnya. Aliran listrik I dilewatkan melalui batang tersebut.
Untuk diameter batang yang kecil, dapat diasumsikan bahwa temperatur
sepanjang batang seragam, dengan temperatur sebagai fungsi waktu T(t).
64
Neraca energi pada batang logam
Eacc = Eg Eout
Ecc = kecepatan energi tersimpan pada batang logam
Eg = kecepatan pembangkitan energi dalam batang karena panas hambatan
Eout = kecepatan aliran energi total keluar dari batang karena konveksi dan radiasi
T lingkungan
Panas yang dilepaskan
I, kuat arus
D, diameter
L, panjang pipa
Gambar 3.6. Batang Konduktor

Energi dalam batang sepanjang waktu
Ecv = cV
dT
dt
Eg = I2RLL
Dengan RL adalah hambatan per satuan panjang dan satuan persamaan di atas
adalah (amp)2ohm.
Eout = hA(T - T) + A(T4 T4sur)
Dengan A adalah luas permukaan perpindahan panas
T adalah temperatur fluida
Tsur adalah temperatur lingkungan karena perpindahan panas radiasi
= emisivitas material
= konstanta Stefan boltzmann = 5,67.108 W/m2-K4
Substitusi ke persamaan
cV
dT 2
= I RLL - hA(T - T) + A(T4 T4sur)
dt
65
dengan
A = DL
V = D2L/4
Kondisi awal T(0) = T0
Jika arus mula-mula adalah nol, kemudian temperatur awal T0 maka didapatkan
persamaan
hA(T - T) + A(T04 T4sur) = 0
jika T dan Tsur sama, maka T0 = T = Tsur.
D = 1 mm
= 0,8
RL = 0,4 ohm/m
h = 100 W/m2K
T = Tsur = 25 oC
%
%
%
%
%
%
%
Temperatur Batang Konduktor sebagai Fungsi Arus Listrik

***************************************************************
clear all
global D emiss R_L sig h Tinf Tsur Isq
D = 0.001;
% Diameter kawat (m)
emiss = 0.8;
% Emisivitas
R_L = 0.4;
% Risistansi per satuan panjang (ohm/m)
sig = 5.67e-8;
% Konstanta Stefan-Bolzmann (W/m^2K^4)
h = 100;
% Koefisien transfer panas (W/m^2K)
Tinf = 25+273.15;
% Temperatur fluida (K)
Tsur = Tinf;
% Temperatur lingkungan untuk radiasi (K)
NI = 21;
I = linspace(0,10,NI);
Tss = zeros(size(I));
Isq = I(1)*I(1);
Tg = Tinf;
Tss(1) = fzero('neracaenergi',Tg);
%
Perhitungan Temperatur
for n=2:NI
Isq = I(n)*I(n);
Tss(n) = fzero('neracaenergi',Tss(n-1));
end
Tssa = Tinf +I.*I*R_L/(h*pi*D);
%
Plot hasil perhitungan
plot(I,Tss-273.15,'k',I,Tssa-273.15,'k-.','LineWidth',2), grid on
rr = axis; rr(3) = 0; axis(rr);
title('Temperatur Konduktor Steady State vs Arus')
66
xlabel('Arus (amps)'), ylabel('Temperatur Steady State (C)')
legend('T(ss) dengan radiasi','T(ss) tanpa radiasi')
%
Perhitungan neraca energi
A = pi*D;
gen = I.*I.*R_L;
conv = h*A*(Tss-Tinf);
rad = emiss*sig*A*(Tss.^4-Tsur^4);
bal = (gen-conv-rad);
%
Menampilkan hasil
fprintf(1,'\n\n')
fprintf(1,'
HASIL PERHITUNGAN \n')
fprintf(1,' Parameter perancangan \n')
fprintf(1,'
Diameter kawat (m)
= %8.3f \n',D)
fprintf(1,'
Emisivitas
= %8.3f
\n',emiss)
fprintf(1,'
Resistansi (ohm/m)
= %8.3f
\n',R_L)
fprintf(1,'
Konstanta Stefan-Bolzmann (W/m^2K^4)= %9.2e
\n',sig)
fprintf(1,'
Koefisien Transfer Panas (W/m^2K)
= %8.3f \n',h)
fprintf(1,'
Temperatur Fluida (C)
= %8f
\n',Tinf-273.15)
fprintf(1,'
Temperatur Lingkungan (C)
= %8f
\n',Tsur-273.15)
fprintf(1,'\n')
fprintf(1,' Komponen Neraca Energi vs Arus \n')
fprintf(1,'
I
Energi yg Muncul
Konveksi
Radiasi Neraca
Temperatur \n')
fprintf(1,' (A)
(W/m)
(W/m)
(W/m)
(W/m)
C
\n')
for n = 1:NI
fprintf(1,' %4.1f
%8.2f
%8.2f
%8.2f %8.4f %8.2f
\n',...
I(n),gen(n),conv(n),rad(n),bal(n),Tss(n)-273)
end
Fungsi neraca energi

function F=neracaenergi(T)
%
Neraca Energi pada Batangan Konduktor
%
keadaan steady state
%
input - output = akumulasi
%
panas arus listrik - panas konveksi - panas radiasi = 0
%
%
%
Nama File : neracaenergi.m

---------------------------------------------------------------
global D emiss R_L sig h Tinf Tsur Isq

A = pi*D;
%
Panas yang dibangkitkan arus listrik
gen = Isq*R_L;
%
Panas konveksi
conv = h*A*(T-Tinf);
%
Panas radiasi
rad = emiss*sig*A*(T^4-Tsur^4);
%
Neraca energi
F = (gen-conv-rad);
67
Keluaran program
HASIL PERHITUNGAN
Parameter perancangan
Diameter kawat (m)
=
0.001
Emisivitas
=
0.800
Resistansi (ohm/m)
=
0.400
Konstanta Stefan-Bolzmann (W/m^2K^4)= 5.67e-008
Koefisien Transfer Panas (W/m^2K)
= 100.000
Temperatur Fluida (C)
= 25.000000
Temperatur Lingkungan (C)
= 25.000000
Komponen Neraca Energi vs Arus
I
Energi yg Muncul
Konveksi
(A)
(W/m)
(W/m)
0.0
0.00
0.00
0.5
0.10
0.10
1.0
0.40
0.38
1.5
0.90
0.86
2.0
1.60
1.52
2.5
2.50
2.38
3.0
3.60
3.43
3.5
4.90
4.66
4.0
6.40
6.08
4.5
8.10
7.68
5.0
10.00
9.47
5.5
12.10
11.44
6.0
14.40
13.59
6.5
16.90
15.92
7.0
19.60
18.42
7.5
22.50
21.09
8.0
25.60
23.93
8.5
28.90
26.93
9.0
32.40
30.09
9.5
36.10
33.41
10.0
40.00
36.88
Radiasi
(W/m)
0.00
0.00
0.02
0.04
0.08
0.12
0.17
0.24
0.32
0.42
0.53
0.66
0.81
0.98
1.18
1.41
1.67
1.97
2.31
2.69
3.12
Neraca Temperatur
(W/m)
C
0.0000
25.15
0.0000
25.45
0.0000
26.36
-0.0000
27.88
0.0000
30.00
0.0000
32.73
0.0000
36.06
0.0000
39.98
-0.0000
44.50
-0.0000
49.60
-0.0000
55.30
-0.0000
61.57
-0.0000
68.41
0.0000
75.81
0.0000
83.77
0.0000
92.28
0.0000
101.32
-0.0000
110.88
-0.0000
120.94
-0.0000
131.50
0.0000
142.53
Temperatur Steady State (C)
68
Contoh 3.13. Pengaruh friksi pada Aliran Pipa

Suatu sistem pipa dan tangki ditunjukkan pada gambar 3.8. Tinggi cairan dalam
tangki, h, panjang pipa pengeluaran, L, dengan diameter, D. Kecepatan cairan
keluar tangki V yang dapat diperkirakan dari neraca energi makroskopik.
Gambar 3.8. Sistem Pipa dan Tangki
69
Neraca energi pada sistem pada keadaan steady :
p1
v2
p
v2
+ z1 + 1 + h A h R h L = 2 + z1 + 2
2g
2g
Tidak ada peralatan mekanik, sehingga hA = hR = 0, kecepatan pada permukaan

nol, dan p1 = p2.
v 22
= z1 z 2 h L
2g
untuk kasus di atas, h + L = z1 z2, dan V = v2. hL ditentukan dengan persamaan

hL = f
LV 2
D 2g
Persamaan menjadi
V2
LV 2
= h+Lf
2g
D 2g
V2 =
2g(h + L )
L
1 + f
D
Konstanta gravitasional 32,2 ft/detik2. Faktor friksi, f, untuk aliran turbulen

didekati dengan korelasi Swamee-Jain.
f =
0,25
/ D 5,74
+ 0,9
log10
3,7 Re
/D adalah kekasaran relatif dan Re adalah bilangan Reynold, Re = VD/

Tentukan bagaimana kecepatan bervariasi sebagai fungsi panjang pipa L dan
diameter D.
Asumsikan fluida adalah air pada 60 OF ( = 1,21 x 10-5 ft2/detik). Tangki cukup
besar dan air keluar melalui pipa besi Sch 40 ( = 1,5 x 10-4 ft). h = 5 ft.
Plotkan V(L) dengan kisaran 1/12 ft < L < 20 ft.
Ukuran pipa Sch 40
Pipa 1/2 D1 = 0,0518 ft
D2 = 0,0874 ft
Pipa 1
Pipa 1 D3 = 0,1342 ft
Pemograman Matlab
70
%
%
%
%
%
%
%
Pengaruh Friksi pada Aliran Pipa

***************************************************************
clear all
global DD h LL g visc rough
%
Data-data, D dan L bervariasi
D = [0.0518 0.0874 0.1342];
%
h = 5;
%
g = 32.2;
%
visc = 1.21e-5;
%
rough = 1.5e-4;
%
NL = 50;
L = linspace(1/12,20,NL)';
variasi diameter pipa (ft)

tinggi fluida dalam tangki (ft)
konstanta percepatan (ft/detik^2)
viskositas air pada 60 F (ft^2/s)
kekasaran pipa besi (ft)
ND = length(D);
V = zeros(NL,ND);
%
Perhitungan
for n=1:ND
DD = D(n);
Vo = sqrt(2*g*h);
LL = L(1);
V(1,n) = fzero('friksi_pipa',Vo);
for i=2:NL
LL = L(i);
V(i,n) = fzero('friksi_pipa',V(i-1,n));
end
end
%
Menampilkan hasil perhitungan
plot(L,V(:,1),'k -',L,V(:,2),'k+',L,V(:,3),'k.','lineWidth',2)
title('Friksi Pipa : Velocity vs Panjang Pipa')
xlabel('Panjang pipa (ft)')
ylabel('Velocity Aliran Keluar (ft/detik)')
legend('pipa Sch 40 1/2"','pipa Sch 40 1"','pipa Sch 40 1 1/2"')
Fungsi friksi pada pipa

function F=friksi_pipa(V)
%
Friksi pada pipa
%
Evaluasi F(V) = V^2 - 2g(h+L)/(1+fL/D)
%
f adalah faktor friksi sebagai fungsi bilangan Reynold
%
%
%
Nama File : friksi_pipa.m

---------------------------------------------------------------
global DD h LL g visc rough

%
Bilangan Reynolds
Re = V*DD/visc;
%
Kekasaran relatif
RR = rough/DD;
%
Faktor friksi
f = 0.25/(log10(RR/3.7+5.74/Re^0.9))^2;
F = V^2-2*g*(h+LL)/(1+f*LL/DD);
Keluaran program
Velocity Aliran Keluar (ft/detik)
71
INTEGRAL NUMERIS
Secara matematis integrasi dinyatakan oleh :

b
. (4.1)
I = f ( x ) dx
a
yang dinyatakan sebagai integrasi fungsi f(x) terhadap variabel x, yang

dievaluasikan antara batas x = a sampai x = b. Persamaan tersebut adalah jumlah
total f(x) dx yang meliputi bentangan dari x = a hingga x = b. Gambar 4.1
menunjukkan sebuah manifestasi grafik konsep tersebut.
f (x)
x
a
Gambar 4.1. Konsep Integrasi

Integrasi adalah menentukan luas di bawah kurva f(x) antara x = a dan x = b.
76
4.1. ATURAN TRAPESIUM

Aturan trapesium dapat digunakan untuk penyelesaian integral secara numeris .
Caranya adalah dengan membagi bentangan x = a sampai x = b menjadi bagianbagian yang lebih kecil yang besarnya masing-masing sebesar x berjumlah n
buah. Jumlah interval n semakin besar, hasil integrasi secara numeris akan
semakin baik.
f (x)
x
a
Dx
Gambar 4.2. Konsep Dasar Aturan Trapesium

Masing-masing bagian dianggap berbentuk trapesium, sehingga luas masingmasing bagian adalah x tinggi x jumlah sisi sejajar. Harga integral diperoleh
dari jumlah luasan total dari masing-masing bagian.
b
f (x) dx
x
(f (a ) + f ( x 1 ) ) + x (f ( x 1 ) + f ( x 2 ) ) + ...... + x (f ( x n 1 ) + f (b) )
2
2
2
x
[f (a ) + 2f (x 1 ) + 2f ( x 2 ) + ...... + 2f (x n 1 ) + f (b)]
2
(b a )
[f (a ) + 2f (x 1 ) + 2f (x 2 ) + ...... + 2f (x n 1 ) + f (b)]
2n
.(4.2)
Dalam Matlab, metode perhitungan integrasi dengan aturan trapesium dapat
menggunakan fungsi trapz.
77
Penggunaan fungsi trapz adalah
Z = trapz(x,y)
yang menghitung integral y terhadap x menggunakan metode trapesium. x dan y

merupakan vektor yang sama panjang.
Contoh 4.1. Distilasi Batch di Laboratorium

Sebuah distilasi dijalankan secara batch mula-mula diisi 20 lbmol umpan dengan
fraksi mol umpan cair benzena xF = 0,32.Umpan kemudian dialirkan dengan
kecepatan 10 lbmol/jam, dan input panas diatur agar isi destilasi tetap 20 lbmol.
Tentukan waktu yang dibutuhkan untuk memperoleh destilat dengan fraksi mol
fase uap yD = 0,4.
Hubungan fraksi mol fase uap y dan fase cair x dianggap sesuai dengan Hukum
Roult, dengan = 2,48.
Gambar 4.3. Distilasi Batch di Laboratorium

Penyelesaian
Neraca massa total
F D = dM = 0
dt
D = F = 10 lbmol/jam
78
Neraca massa benzena
F xF D yD = M
dt =
dx w
dt
M
dx w
F x F D yD
Hukum Roult untuk kesetimbangan

yD =
x w
1 ( 1) x w
pada yD = 0,4 akan diperoleh xw = 0,21

Sehingga penyelesaian persamaan
adalah
xw
t=
M
dx w
F
x
D yD
F
xwo
dengan yD mengikuti kesetimbangan Roult.

Program penyelesaian
%
Distilasi Batch di laboratorium
%
Distilasi secara batch
%
%
xwn
[
M
]
%
t = Integral [------------- ] dxw
%
xwo
[ F xf - D yd ]
%
yd adalah fraksi mol benzena pada destilat
%
xw adalah fraksi mol benzena pada labu destilasi
%
Hubungan yd dan xw mengikuti Hukum Roult
%
alpha xw
%
yd = -------------------%
1 - (alpha - 1)xw
%
%
%
--------------------------------------------------------------%
%
%
%
***************************************************************
% Data-data
F = 10 ;
D = F ;
M = 20 ;
xf = 0.32;
xwo = xf ;
alpha = 2.48;
ydn = 0.4;
%laju alir umpan, lbmol/jam

%laju alir destilat, lbmol/jam
%massa labu destilasi, lbmol
%fraksi mol benzena pada umpan
%fraksi mol benzena pada labu destilasi mula-mula
%konstanta Roult
%fraksi mol benzena pada destilat akhir
% Perhitungan xwn dr pers. Hukum Roult

xwn = ydn/(alpha-(alpha-1)*ydn);
% Nilai-nilai xw
n = 100;
%jumlah interval
xw=linspace(xwn,xwo,n);
79
% Nilai t pada berbagai xw
yd = alpha.*xw./(1+(alpha-1).*xw);
ti=-M./(F.*xf-D.*yd);
% Jumlah t pada seluruh bagian
t=trapz(xw,ti)
Diperoleh t = 1,5394 jam
Contoh 4.2. Kecepatan accelerometer

Accelerometer adalah alat yang digunakan untuk mengukur kecepatan suatu
benda. Alat ini mengintegrasikan sinyal percepatan untuk menghasilkan suatu
perkiraan jarak tempuh. Hubungan waktu (detik) dengan percepatan (m/detik2)
ditunjukkan pada tabel di bawah.
Waktu
(detik)
Percepatan
(m/detik2)
10
11
17
24
32
41
48
51
Perkirakan kecepatan pada 1, 2, , 10 detik

Penyelesaian
10
v(10) =
10
a(t) dt + v(0) =
a(t) dt
Program Matlab
%
%
%
%
%
%
%
%
%
%
%
Kecepatan accelerometer
Hubungan waktu (t) dengan percepatan a (m^2/detik)
ditunjukkan pada tabel
Kecepatan secara numeris
v = int ( a dt)
***************************************************************
% Data-data
t=[0:10];
a=[0 2 4 7 11 17 24 32 41 48 51];
% detik
% m^2/detik
v(1)=0;
% keadaan awal
% Perhitungan secara numeris
80
for k=[2:11]
v(k)=trapz(t(1:k),a(1:k));
end
% Cetak Hasil
disp(' ')
disp('
t(detik) v(m/detik)')
disp([t' v' ])
Keluaran Program
t(detik)
0
1.0000
2.0000
3.0000
4.0000
5.0000
6.0000
7.0000
8.0000
9.0000
10.0000
v(m/detik)
0
1.0000
4.0000
9.5000
18.5000
32.5000
53.0000
81.0000
117.5000
162.0000
211.5000
4.2. ATURAN SIMPSON

Aturan Simpson berdasarkan pada penggunaan pendekatan polinomial kuadratik
suatu fungsi f(x) pada sepasang sub-interval.
Integrasi polinomial kuadratik melalui titik (x0, f0), (x1, f1), dan (x2, f2) dengan f0
= f(x0), f1 = f(x1), dan f2 =f(x2) mengikuti persamaan berikut :
x1
f (x) dx = 3 (f 0 + 4f1 + f 2 )
x0
.(4.3.)
81
f (x)
f(x0)
f(x1)
f(x2)
h
x
x0
x1
x2
Gambar 4.4. Konsep Dasar Aturan Simpson

Aplikasi aturan Simpson pada seluruh pasangan interval dalam kisaran x0 sampai
xn
b
f (x) dx
h
(f 0 + 4f1 + f 2 ) + h (f 2 + 4f3 + f 4 ) + ...... + h (f 2n 2 + 4fx 2n 1 + f 2n )
3
3
3
h
[f 0 + 4(f1 + f 3 + ...... + f 2n 1 ) + 2(f 2 + f 4 + ...... + f 2n 2 ) + f 2n )]
3
.(4.4)
Untuk menggambarkan penggunaan aturan Simpson, akan ditampilkan dua
alternatif yaitu fungsi simp1 dan simp2.
simp1
menggunakan vektor koefisien v dan vektor fungsi nilai y serta
mengalikan kedua vektor. simp2 menggunakan aturan Simpson secara

konvensional (menggunakan loop).
Alternatif 1
function q = simp1(func,a,b,m)
%
Integrasi Numeris
%
%
Penyelesaian dilakukan dengan Aturan Simpson
%
Menggunakan vektor
%
q = simp1(func,a,b,m)
%
integrasi fungsi func dr a sampai b dg m pembagian
%
%
Nama File : simp1.m
%
82
%
---------------------------------------------------------------
if (m/2)~= floor(m/2)
disp('m harus genap '); break
end
h = (b-a)/m;
x = [a:h:b];
y = feval(func,x);
v = 2*ones(m+1,1);
v2 = 2*ones(m/2,1);
v(2:2:m) = v(2:2:m) + v2;
v(1) = 1;
v(m+1) = 1;
q = y*v;
q = q*h/3;
Alternatif 2
function q = simp1(func,a,b,m)
%
Integrasi Numeris
%
%
Penyelesaian dilakukan dengan Aturan Simpson
%
Menggunakan loop
%
q = simp2(func,a,b,m)
%
integrasi fungsi func dr a sampai b dg m pembagian
%
%
Nama File : simp2.m
%
%
--------------------------------------------------------------if (m/2)~= floor(m/2)
disp('m harus genap '); break
end
h = (b-a)/m;
s = 0;
y1 = feval(func,a);
for j = 2:2:m
x = a+(j-1)*h;
ym = feval(func,x);
x = a+j*h;
yh = feval(func,x);
s = s+y1+4*ym+yh;
y1=yh;
end
q = s*h/3;
Contoh 4.3 Program Penggunaan Aturan Simpson

Kedua alternatif aturan Simpson tersebut digunakan untuk menyelesaikan
1
y = x 7 dx
0
fungsi persamaan tersebut dalam Matlab diberi nama f43
83
function fv = f43(x)
% Fungsi pangkat sederhana
%
f(x) = x^7
%
%
Nama File : F43.m
%
%
--------------------------------------------------------------fv = x.^7;
Berikut program yang digunakan untuk menguji simp1

%
%
%
%
%
%
%
%
%
Integrasi Numeris dg Aturan Simpson

menggunakan vektor
integral x^7 dari 0 sampai 1
***************************************************************
n = 2; i = 1;
t = clock;
disp(' n
nilai integral')
while n<51200
simpval=simp1('f43',0,1,n);
fprintf('%3.0f%14.9f\n',n,simpval);
n=2*n; i=i+1;
end
fprintf('\nwaktu = %4.2f detik ',etime(clock,t));
Keluaran program
n
2
4
8
16
32
64
128
256
512
1024
2048
4096
8192
16384
32768
nilai integral
0.171875000
0.129150391
0.125278473
0.125017703
0.125001111
0.125000070
0.125000004
0.125000000
0.125000000
0.125000000
0.125000000
0.125000000
0.125000000
0.125000000
0.125000000
waktu = 0.06 detik
Program untuk simp2

%
%
%
%
%
%
%
%
Integrasi Numeris dg Aturan Simpson

menggunakan loop
integral x^7 dari 0 sampai 1
84
%
***************************************************************
n = 2; i = 1;
t = clock;
disp(' n
nilai integral')
while n<51200
simpval=simp2('F43',0,1,n);
fprintf('%3.0f%14.9f\n',n,simpval);
n=2*n; i=i+1;
end
fprintf('\nwaktu = %4.2f detik ',etime(clock,t));
Keluaran program
n
2
4
8
16
32
64
128
256
512
1024
2048
4096
8192
16384
32768
nilai integral
0.171875000
0.129150391
0.125278473
0.125017703
0.125001111
0.125000070
0.125000004
0.125000000
0.125000000
0.125000000
0.125000000
0.125000000
0.125000000
0.125000000
0.125000000
waktu = 3.46 detik
Terlihat jelas bahwa aturan Simpson yang menggunakan metode konvensional

(loop) membutuhkan waktu yang lebih lama daripada menggunakan vektor yang
merupakan ciri Matlab.
4.3. KUADRATUR GAUSS

Aturan trapesium dan aturan Simpson mempunyai karakteristik
perkiraan integral yang didasarkan pada harga-harga fungsi berspasi genap.
Konsekuensinya letak titik-titik basis yang dipakai dalam persamaan ini
sebelumnya telah ditentukan atau tetap. Misalnya aturan trapesium didasarkan
kepada pengambilan luas di bawah garis lurus yang menghubungkan harga-harga
fungsi pada kedua ujung interval integrasi. Akibatnya kesalahan yang
ditimbulkan cukup besar (Gambar 4.5.a).
85
Misalkan kendala titik-titik basis yang tetap ini diperbaiki dengan
menentukan dua titik pada tertentu kurva. Dengan menempatkan titik-titik ini
dengan bijaksana, dapat dibuat suatu garis lurus yang mengimbangi kesalahan
positif dan negatif, sehingga perkiraan integral dapat diperbaiki (Gambar 4.5.b).
Kuadratur Gauss adalah suatu teknik untuk melaksanakan strategi ini.
Integral dinyatakan dengan
1
i =1
I = f ( x ) dx = c i f ( x i )
.(4.5)
untuk n = 2, kita harus menentukan 4 parameter yaitu c1, c2, x1, dan x2.
1
I = f ( x ) dx = c1f(x1) + c2f(x2)
1
Aturan integrasi akan tepat untuk fungsi polinomial 1, x, x2, dan x3.
f(x) = 1
memberikan
=2
= c1 + c2
x dx
=0
= c1x1 + c2x2
= 2/3
= c1x12 + c2x22
=0
= c1x13 + c2x23
1 dx
f(x) = x
memberikan
f(x) = x2
memberikan
dx
f(x) = x3
memberikan
dx
86
f (x)
x
(a)
f (x)
x
(b)
Gambar 4.5. Konsep Dasar Kuadratur Gauss

Penyelesaian 4 persamaan di atas memberikan
c1 = c2 = 1
sehingga
x1 = -
1
3
x2 =
1
3
1
1
1
I = f ( x ) dx = f + f
3
3
Prosedur yang sama dapat dilakukan dengan penggunaan titik yang lebih banyak.
87
Fungsi Matlab
quad
dan
quad8
menggunakan konsep kuadratur
Gauss. Kedua fungsi pengintegralan beroperasi dengan cara yang sama.

Keduanya mengevaluasi nilai fungsi yang akan diintegralkan pada interval
apapun yang diperlukan untuk memperoleh hasil yang tepat. Bahkan keduanya
cenderung untuk membuat perkiraan tingkat tinggi daripada menggunakan
trapezoid sederhana. quad8 lebih teliti dari quad.
Tabel 4.1. Faktor Bobot c dan Argumen Fungsi x
untuk Kuadratur Gauss
Titik
2
Faktor Bobot
Argumen Fungsi
c1 =
1,000000000 x1 =
c2 =
1,000000000 x2 =
-0,577350269
0,577350269
c1 =
0,555555556 x1 =
-0,774596669
c2 =
0,888888889 x2 =
c3 =
0,555555556 x3 =
0,774596669
c1 =
0,347854845 x1 =
-0,861136312
c2 =
0,652145155 x2 =
-0,339981044
c3 =
0,652145155 x3 =
0,339981044
c4 =
0,347854845 x4 =
0,861136312
c1 =
0,236926885 x1 =
-0,906179846
c2 =
0,478628670 x2 =
-0,538469310
c3 =
0,568888889 x3 =
c4 =
0,478628670 x4 =
0,538469310
c5 =
0,236926885 x5 =
0,906179846
c1 =
0,171324492 x1 =
-0,932469514
c2 =
0,360761573 x2 =
-0,661209386
c3 =
0,467913935 x3 =
-0,238619186
c4 =
0,467913935 x4 =
0,238619186
c5 =
0,360761573 x5 =
0,661209386
c6 =
0,171324492 x6 =
0,932469514
Contoh 4.4. Program Penggunaan fungsi quad8.

% Integrasi Numeris dengan menggunakan fungsi quad8
%
Integral x^p dari a sampai b
%
% Pengunaan fungsi quad8
%
integral = quad8('func', a, b)
%
dengan func ... nama fungsi yang diintegralkan,
%
harus dalam bentuk fungsi x
%
a
... batas bawah integrasi (input)
%
b
... batas atas integrasi (input)
88
%
% Variabel lain
%
p
... exponent/pangkat
%
%
--------------------------------------------------------------%
%
%
%
***************************************************************
global p
disp(' ')
disp('Perhitungan integral dari a sampai b (x^p dx)')
disp(' ')
% Input parameter
p=input('Masukan nilai pangkat p: ');
a=input('Masukan batas integrasi bawah a : ');
b=input('Masukan batas integrasi atas b : ');
% integral
s = quad8('F44', a, b);
% cetak hasil
disp(['Hasil perhitungan secara numeris : ', num2str(s)])
disp(['Hasil
perhitungan
secara
analitis
:
',
num2str(b^(p+1)/(p+1)-a^(p+1)/(p+1))])
Fungsi yang akan diintegralkan

function f=F44(x)
% Fungsi pangkat sederhana
%
f(x) = x^p
%
%
Nama File : F44.m
%
%
--------------------------------------------------------------global p
f = x.^p;
Keluaran program
Perhitungan integral dari a sampai b (x^p dx)
Masukan nilai pangkat p: 2.5
Masukan batas integrasi bawah a :
Masukan batas integrasi atas b :
Hasil perhitungan secara numeris
Hasil perhitungan secara analitis
0
1
:
:
0.28571
0.28571
Contoh-contoh lain
Contoh 4.5. Kecepatan Reaksi pada Katalis Porous
Suatu proses dengan katalis porous mempunyai kecepatan reaksi
89
dC
= 0,7C 2
dt
1,0357 + 0,3173
1 + 0,4172
= 12 C
Tentukan waktu yang dibutuhkan untuk menurunkan konsentrasi dari C = 2

mol/gr katalis menjadi 1 mol/g katalis.
% Kecepatan Reaksi pada Katalis Porous
%
Integral Numeris dengan Aturan Trapesium
%
%
phi = 12 * C^0.5
%
1,0357 + 0,3173*phi
%
eta = --------------------%
1 + 0,4172*phi
%
[
- dC
]
%
t
= integral [ ----------- ]
%
[ 0,7*eta*C^2 ]
%
Co = konsentrasi awal
%
Cn = konsentrasi akhir
%
%
--------------------------------------------------------------%
%
%
%
***************************************************************
% Data batas integral
Co = 2;
Cn = 1;
% mol/gr katalis
% mol/gr katalis
C = linspace(Cn,Co,101) ;
% kondisi batas dibalik
% Perhitungan integral
phi = 12*sqrt(C);
eta = (1.0357+0.3173*phi)./(1+0.4172*phi);
x=1./(0.7.*eta.*C.^2);
% karena kondisi batas dibalik,
% tanda negatif hilang
t = trapz(C,x);
% Cetak Hasil
disp(['Waktu yang diperlukan menurunkan konsentrasi dari Co = ',
num2str(Co), ' mol/gr katalis'])
disp(['
menjadi Cn = ', num2str(Cn), ' mol/gr katalis'])
disp(['
adalah ', num2str(t), ' detik'])
Keluaran program
Waktu yang diperlukan menurunkan konsentrasi dari Co = 2 mol/gr
katalis
menjadi Cn = 1 mol/gr katalis
adalah 0.89188 detik
Contoh 4.6. Penurunan temperatur karena pelepasan panas

Suatu campuran gas mempunyai kapasitas panas
Cp = 7,053 + 1,2242.10-3 T 2,6124.10-7 T2
90
T dalam oF dan Cp dalam Btu/lbmol oF. Jika panas yang dilepaskan
untuk menurunkan temperatur campuran gas panas tersebut dari 550 oF adalah
2616 Btu/lbmol gas sampai temperatur berapakah campuran gas tersebut dapat
didinginkan.
T
q=
Cp
dt
To
Sampai berapakah campuran gas tersebut dapat didinginkan ?

Persoalan ini sama dengan contoh 3.6, namun integral untuk menghitung kalor
yang dilepaskan diperoleh secara numeris.
function fq=contoh46(Tn)
%
Penurunan temperatur karena pelepasan panas
%
Cp = 7,053 + 1,2242.10(-3) T - 2,6124.10(-7) T^2
%
q = integral(cp dT)
%
Data
%
q = -2616 BTU/lbmol
%
To = 550
oF
%
%
%

---------------------------------------------------------------
q = -2616;
To = 550;
% BTU/lbmol
% oF
%
Integral secara numeris aturan trapesium
T=linspace(Tn,To,1000);
cp=-(7.053+1.2242.*10^-3.*T-2.6124.*10^-7.*T.^2);
qtebak=trapz(T,cp);
fq=qtebak-q;

>> T = fzero('contoh46',150)
T =
199.9225
Sehingga temperatur gas adalah 199,9225 OF.
Contoh 4.7. Reaktor Plug Flow Adiabatik

Reaktor plug flow beroperasi adiabatik digunakan untuk reaksi fase cair : A
produk
91
Fv, Cao, To
A ---> hasil
xout
Gambar 4.6. Reaktor Plug Flow Adiabatik

Rekasi orde 2 eksotermis. Perubahan entalpi reaksi, HR konstan. Hubungan
tetapan kecepatan reaksi (k) dengan temperatur (T) mengikuti persamaan :
k = A.exp E
RT
Diketahui Fv = 200 L/menit; CAo = 5 gmol/L; = 1,1 kg/L; Cp = 0,8 kcal/kg/K;
A = 3,12E+08 L/gmol/menit; E = 18.600 cal/gmol; HR = -15 kal/gmol; R =
1,987 cal/gmol/K; dan volum reaktor, Vol = 8000 L. Ingin dicari temperatur
masuk To yang memberikan konversi keluar xout = 0,8.
Dari neraca massa
V=
Fv
C Ao
xout
xin
1
k (1 x ) 2
dx
k = A.exp E
RT
Dari neraca panas

T = To CAoH R x
Cp

function FV=contoh47(To)
% Reaktor plug flow beroperasi adiabatik
% digunakan untuk reaksi fase cair : A --> produk
% Tentukan To sehingga keluar dg konversi xout
%
Fv
[ xout
1
%
V = ----- intg [
---------- dx
%
Cao
[ xin k*(1-x)^2
%
E
%
k = A exp [- ---- ]
%
RT
%
Cao*Hr*x
%
T = To - -----------%
rho*Cp
%
%
%
92
%
---------------------------------------------------------------
% Data-data
Fv=200;
Cao=5;
rho=1.1;
Cp=0.8;
A=3.12*10^8;
E=18600;
Hr=-15;
R=1.987;
Vol=8000;
xin=0;
xout=0.8;
%
%
%
%
%
%
%
%
%
%
%
laju alir volum, L/menit

konsentrasi umpan, gmol/L
densitas, kg/L
kapasitas panas, kcal/kg/K
konstanta Arrhenius, L/gmol/menit
konstanta Arrhenius, cal/gmol
panas reaksi, kcal/gmol
konstanta gas ideal, cal/gmol/K
volume reaktor, L
konversi masuk reaktor
konversi keluar reaktor
% Perhitungan Volume
x=linspace(xin,xout,1000);
T=To-Cao*Hr/rho/Cp*x
;
k=A*exp(-E/R./T);
eq=1./k./(1-x).^2;
V=Fv/Cao*trapz(x,eq);
% Dibandingkan dg Volume sesungguhnya
FV=Vol-V;

>> Totebakan=300;
>> To=fzero('contoh47',Totebakan)
To =
360.2898
Contoh 4.8. Pelarutan Butiran Padat

Butir-butir padatan A dengan densitas = 2 g/mL, jari-jari awal Ro =2 cm,
berjumlah Nb = 40.000, dimasukkan dalam W g solven. Padatan A melarut
dengan panas pelarutan =100 cal/g. Kelarutan A dalam solven sebagai fungsi
suhu mengikuti persamaan
3333
x S = exp 8,8053
T
Waktu yang diperlukan padatan untuk melarut dinyatakan dengan persamaan
t=
kX
Ro
(x
0
dr
S x)
Persamaan-persamaan lainnya yang diperlukan,

x = (mo m) / W
93
3
m = 4 r Nb / 3
T = To +
(mo - m)
x
(W + m) Cp
Jika diketahui W = 100.000 g, kx = 0,01 g/(cm2.dtk) dan To = 350 K, Tentukan

waktu (t) yang diperlukan padatan A untuk melarut.
%
%
%
%
%
%
%
Pelarutan Butiran Padat

***************************************************************
global Ro rho Nb To lamda W Cp kx

% Data-data
Ro=0.5;
rho=2;
Nb=40000;
To=350;
lamda=100;
W=100000;
Cp=1;
kx=0.01;
%
%
%
%
%
%
%
%
jari-jari awal, cm
densitas, g/mL
jumlah padatan
Temperatur awal, K
panas pelarutan, kal/g
gram solvent
kapasitas panas solvent
konstanta pelarutan, g/(cm2.dtk)
% Perhitungan
waktu=quad(@F48,0,Ro)
Program terkait
function area = F48(r)
%
Integral
%
Hitung berat mula-mula ---> hitung berat pada r
%
---> hitung T ---> hitung x ---> hitung t
%
%
rho
[Ro
dr
%
t = ----- int [ -------%
kx
[0 (xs - x)
%
%
%
Nama File : F48.m

---------------------------------------------------------------
global Ro rho Nb To lamda W Cp kx

mo=4*pi*Ro^3*rho*Nb/3;
m=4*pi*r.^3*rho*Nb/3;
T=To+lamda*(mo-m)/(W+mo)/Cp;
x=(mo-m)/W;
xs=exp(8.8053-3333./T);
area=rho/kx./(xs-x);
Keluaran program
94
waktu =
180.0717
Contoh 4.9. Temperatur Pelarutan Butiran Padat

Butir-butir padatan A dengan densitas = 2 g/mL, jari-jari awal Ro = 2 cm,
berjumlah Nb = 40.000, dimasukkan dalam W g solven. Padatan A melarut
dengan panas pelarutan =100 cal/g. Kelarutan A dalam solven sebagai fungsi
suhu mengikuti persamaan
3333
x S = exp 8,8053
T
Waktu yang diperlukan padatan untuk melarut dinyatakan dengan persamaan
t=
kX
Ro
(x
0
dr
S x)
Persamaan-persamaan lainnya yang diperlukan,

x = (mo m) / W
m = 4 r3 Nb / 3
T = To +
(mo - m)
(W + m) Cp
Jika diketahui W = 100.000 g, kx = 0,01 g/(cm2.dtk) dan tdata = 200 dtk; tentukan
suhu masuk To. Suhu masuk To dapat diketahui dengan persamaan berikut,
t tdata = 0
%
%
%
%
%
%
%
Temperatur Pelarutan Butiran Padat

***************************************************************
global Ro rho Nb lamda W Cp kx tdat

Ro=0.5;
% jari-jari awal, cm
rho=2;
% densitas, g/mL
Nb=40000;
% jumlah padatan
To=350;
% Temperatur awal, K
lamda=100;
% panas pelarutan, kal/g
W=100000;
% gram solvent
Cp=1;
% kapasitas panas solvent
kx=0.01;
% konstanta pelarutan, g/(cm2.dtk)
95
tdat=200;
% waktu pelarutan
To=fzero(@F49,400)
Program terkait
function fTo = F49(To)
%
tebak To ---> Hitung berat mula-mula
%
---> hitung berat pada r ---> hitung T
%
---> hitung x ---> hitung t
%
rho
[Ro
dr
%
t = ----- int [ -------%
kx
[0 (xs - x)
%
---> bandingkan dg t data
%
%
%
Nama File : F49.m

---------------------------------------------------------------
global Ro rho Nb lamda W Cp kx tdat

r=linspace(0,Ro,100);
mo=4*pi*Ro^3*rho*Nb/3;
m=4*pi*r.^3*rho*Nb/3;
T=To+lamda*(mo-m)/(W+mo)/Cp;
x=(mo-m)/W; xs=exp(8.8053-3333./T);
area=rho/kx./(xs-x);
thit=trapz(r,area);
fTo=thit-tdat;
Keluaran program
To =
347.2318
Contoh 4.10.
Waktu Pengosongan Tangki
Suatu cairan akan dialirkan dari tangki dengan grafitasi melalui pipa berdiameter
D. Panjang ekuivalen pipa, Le. Tinggi permukaan cairan pada tangki mula-mula
za.
Waktu pengosongan tangki dinyatakan dengan persamaan berikut :
2 z
D 2f 1
t = t2 . .dz
D z 2i v
Persamaan Bernoulli:
f.Le.v 2 v 2
=0
2.g.D 2g
faktor friksi didekati dengan persamaan empiris :
f=
0,0596
Re 0,215
dengan
96
Re =
.v.D
Debit aliran dihitung dengan persamaan :

Q=
.D 2 .v
Data-data yang diketahui : = 1 g/cm3; = 0,01 g/cm.dtk; g = 981 cm/dtk2; Dt =

200 cm; za = 600 cm; zf = 200 cm; D = 3 cm; Le = 40.000 cm
%
%
%
%
%
%
%
Waktu Pengosongan Tangki

***************************************************************
global rho D Dt miu Le g

% Data-data
rho=1;
% Densitas, g/cm^3
miu=0.01;
% Viskositas, g/cm.dtk
g=981;
% grafitasi, cm/dtk^2
D=3;
% diameter pipa, cm
Dt=200
% diameter tangki, cm
Le=40000;
% panjang ekivalen, cm
za=200;
zf=600;
t=quad(@F410,za,zf);
waktu=Dt^2*t/D^2
Program terkait
function fz=F410(z)
%
%
Nama File : F410.m
%
%
--------------------------------------------------------------global rho D Dt miu Le g
vo=0.4*sqrt(2*g*z);
v=fsolve(@F410F,vo,[],z);
fz=1./v;
Program lain
function fv=F410F(v,z)
%
%
Nama File : F410F.m
%
%
--------------------------------------------------------------global rho D Dt miu Le g
Re=rho*v*D/miu;
97
f=0.0596./Re.^0.215;
fv=z-f*Le.*v.^2/(2*g*D)-v.^2/(2*g);
Keluaran program
waktu =
1.9688e+004
Waktu pengosongan 19.688 detik
PENCOCOKAN KURVA
Datadata yang dimiliki sering berupa harga-harga yang diskrit dari suatu
garis yang kontinyu. Sering kita membutuhkan data-data yang terletak di antara
harga-harga yang diskrit tersebut. Bagian ini akan mempelajari bagaimana cara
kita memperkirakan data-data untuk harga-harga yang terletak di antara hargaharga yang diskrit.
Ada dua pendekatan yang umum dilakukan, yaitu :
1.
Regresi Kuadrat Terkecil

Pendekatan regresi dilakukan jika data-data yang ada menunjukkan tingkat
kesalahan yang berarti ( misal data hasil penelitian ). Metode ini berusaha
mencari persamaan yang mempunyai kecenderungan melewati titik-titik
tersebut.
2.
Interpolasi
Pendekatan interpolasi dilakukan jika data-data yang ada telah diketahui
dengan teliti dan valid ( misal data dari buku-buku referensi/handbook ).
Persamaan yang dibuat harus melalui titik-titik yang telah diketahui
tersebut.
100
5.1. REGRESI KUADRAT TERKECIL

Tujuan cara akhir regresi kuadrat terkecil adalah mendapatkan konstantakonstanta persamaan sehingga diperoleh jumlah kuadrat kesalahan (SSE = sum
of squares of errors) minimum.
SSE = (y data y pers )2
n
(5.1)
n =1
Ada beberapa kemungkinan minimasi kesalahan untuk persamaan yang terbaik

yaitu :
1.
Minimasi jumlah kesalahan

Persamaan dinyatakan dengan
n
i =1
Ei =
(yi ao a1xi)
(5.2)
i =1
Tetapi kriteria ini kurang baik. Gambar 5.1 yang melukiskan pencocokan
kurva terhadap dua titik. Sembarang garis lurus yang melalui titik tengah
dari garis penghubung itu akan meminimalkan harga pers (3.2) menjadi
nol, karena kesalahan akan saling meniadakan.
Gambar 5.1. Minimasi Kesalahan dengan Persamaan (5.2)
2.
Minimasi jumlah kesalahan absolut

Kriteria yang lain adalah meminimalkan jumlah harga absolut selisih
kesalahan, dengan persamaan
101
n
Ei =
i =1
|yi ao a1xi|
(5.3)
i =1
Gambar 5.2 memperlihatkan mengapa kriteria ini juga kurang baik.
o
o
Gambar 5.2. Minimasi Kesalahan dengan Persamaan (5.3)
3.
Minimasi jumlah kesalahan kuadrat

Kriteria ketiga adalah dengan mencocokan sebuah garis terbaik yang
meminimalkan jarak titik-titik dengan garis tersebut. Strategi yang
digunakan adalah dengan meminimalkan jumlah kuadrat kesalahan, yaitu
n
SSE =
Ei2 = (y i a o a1x i )
n
n =1
i=1
(5.4)
5.1.1. REGRESI LINIER

Persamaan garis linier,
y = a0 + a1x
(5.5)
Sehingga SSE adalah

n
SSE = y data y pers

n =1
)2
SSE = E i2 = (y i a 0 a1x i )2
n
i =1
n =1
(5.6)
(5.7)
102
Minimasi SSE, jika SSE = 0 dan SSE = 0.
a 0
a 1
SSE = -2
a 0
( yi ao a1xi ) = 0
yi - ao - a1xi = 0
yi - n ao - a1 xi = 0
n ao + a1 xi = yi
SSE = -2
a 1
(5.8)
[( yi ao a1xi )xi] = 0
xiyi - xiao - a1xi2 = 0
xiyi - ao xi - a1 xi2 = 0
ao xi + a1 xi2 = xiyi
(5.9)
Penyelesaian pers. (5.8) dan (5.9)

a1 = n x i y i x i y i
(5.10)
a0 = y a 1 x
(5.11)
n x i2 ( x i ) 2
dengan y dan x adalah rata-rata yi dan xi
KUANTIFIKASI KESALAHAN
Kuantifikasi kesalahan dalam regresi kuadrat terkecil dapat dinyatakan dengan
persamaan
R2 =
St Sr
St
...(5.12)
dengan R adalah koefisien korelasi, dan R2 adalah koefisien determinasi.
dan
St =
(yi - y )2
...(5.13)
Sr =
(yi a0 a1xi)2
...(5.14)
Untuk pencocokan yang sempurna Sr = 0, sehingga R2 = 1.
103
LINIERISASI HUBUNGAN YANG TIDAK LINIER
Hubungan variabel bebas dan variabel tak bebas tidak selalu merupakan
hubungan yang linier, tetapi dapat juga hubungan yang tidak linier namun dapat
dibawa ke bentuk hubungan yang linier. Proses ini disebut linierisasi.
Contoh linierisasi hubungan yang tidak linier
1.
y=axb
ln (y) = ln (a x b)
ln (y) = ln (a) + ln (xb)
ln (y) = ln (a) + b ln (x)
Hubungan variabel bebas dan variabel tak bebas menjadi linier dengan
ln (y) = y
ln (x) = x
ln (a) = a0
b
= a1
sehingga, y = a1x + a0
2.
y = a ebx
ln (y) = ln (a ebx)
ln (y) = ln (a) + b x
Hubungan linier, dengan
ln (y) = y
x
=x
ln (a) = a0
b
= a1
3.
y=a+
b
x

y =y
1
=x
x
a = a0
104
b = a1
4.
y=
x
a + bx
1 a + bx
=
y
x
1 a
=
+b
y x
1
=y
y
1
=x
x
b = a0
a = a1
5.
y=
ax
b+x
1 b+x
=
y
ax
1
a
1
=
+
y bx a
1
=y
y
1
=x
x
1
= a0
a
105
a
= a1
b
Contoh 5.1. Persamaan BET untuk proses adsorpsi
Dalam proses adsorpsi, hubungan logam yang dijerap, q(mg/g adsorben), dengan
konsentrasi kesetimbangan C (mg/L) dapat dihubungkan dengan persamaan BET
q=
q maks d C
(CS C )1 + (d 1) C
C
S
Dari suatu penelitian diperoleh data

C
0,8
4,88
8,04
16,1
19,25
17,23
32,09
46,75
62,90
64,73
Jika diketahui CS = 49,46 mg/L

a.
Linierisasikan persamaan BET di atas
b.
Dengan menggunakan metode kuadrat terkecil, tentukan qmaks dan d.
Penyelesaian
q=
q maks d C
(C S C )1 + (d 1) C
CS
1
=
q
C S
(C S C )1 + (d 1) C
q maks dC
C
1 + (d 1)
CS
1
=
q(C S C )
q maks dC
C
1
(d 1)C
=
+
q(C S C ) q maks d q maks dC S
y = a0 + a1x
106
dengan
C
q (C S C )
=C
a0
1
q maks d
a1
(d 1)
q maks d C S
Program Matlab
% Persamaan BET untuk proses adsorpsi
%
qmaks d C
%
q = ------------------------------%
(Cs - C)[ 1 + (d - 1)*C/Cs ]
%
Linierisasi
%
C
1
(d-1)C
%
--------- = ------- + ---------%
q(Cs - C)
qmaks d
qmaks d Cs
%
C
%
y = --------x = C
%
q(Cs - C)
%
1
(d - 1)
%
a0 = ------a1 = ---------%
qmaks d
qmaks d Cs
%
--------------------------------------------------------------%
%
%
%
***************************************************************
% Data - data
C = [0.8 4.88 8.04 16.1 19.25];
q = [17.23 32.09 46.75 62.90 64.73];
adsorben
% Konsentrasi, mg/L
% Logam terjerap, mg/g
n=5;
Cs=49.46;
% jumlah data
% konstanta BET, mg/L
% Linierisasi
y = C./(Cs-C)./q;
x = C;
% Perhitungan regresi linier
xkuad=0;
xy=0;
for i=1:n
xkuad=xkuad+(x(i))^2;
xy=xy+x(i)*y(i);
end
% Konstanta regresi linier
a1=(n*xy-sum(x)*sum(y))/(n*xkuad-(sum(x))^2);
a0=mean(y)-a1*mean(x);
% Parameter BET
d=a1/a0*Cs+1
qmaks=1/a0/d
% Plot hasil
q=a0+a1*x;
plot(x,y,'k*',x,q,'k-','lineWidth', 2)
107
title('Perbandingan Data Percobaan dan Perhitungan')
Keluaran program
d =
32.0593
qmaks =
42.9100
Dalam Matlab, fungsi
polyfit
menyelesaikan masalah pencocokan kurva untuk
kuadrat terkecil. Penggunaan fungsi
polyfit
akan menghasilkan suatu
persamaan polinomial yang paling mendekati data. Jika derajat fungsi
polyfit
dipilih n = 1, maka akan dihasilkan persamaan garis lurus yaitu regresi linier.
Program Matlab dengan penggunaan fungsi polyfit untuk contoh yang sama
% Persamaan BET untuk proses adsorpsi
%
qmaks d C
%
q = ------------------------------%
(Cs - C)[ 1 + (d - 1)*C/Cs ]
%
Linierisasi
%
C
1
(d-1)C
%
--------- = ------- + ---------%
q(Cs - C)
qmaks d
qmaks d Cs
%
C
%
y = --------x = C
108
%
%
%
%
%
%
%
%
%
%
q(Cs - C)
1
(d - 1)
a0 = ------a1 = ---------qmaks d
qmaks d Cs
Penyelesaian dengan fungsi polyfit
***************************************************************
% Data - data
C = [0.8 4.88 8.04 16.1 19.25];
q = [17.23 32.09 46.75 62.90 64.73];
adsorben
% Konsentrasi, mg/L
% Logam terjerap, mg/g
Cs=49.46;
% konstanta BET, mg/L
% Linierisasi
y = C./(Cs-C)./q;
x = C;
% fungsi polyfit
p=polyfit(x,y,1);
% Parameter BET
d=p(1)*Cs/p(2)+1
qmaks=1/p(2)/d
Keluaran program
d =
32.0593
qmaks =
42.9100
Contoh 5.2. Tekanan uap toluena pada persamaan Antoine

Data tekanan uap toluena dalam OC dan Torr adalah
T (OC)
-26,7
-4,4
6,4
18,4
31,8
40,3
p (torr)
10
20
40
60
Tentukan konstanta-konstanta persamaan Antoine yang menyatakan

hubungan T dan p sebagai berikut
p = exp a +
T
+
273
,
2
Penyelesaiannya
b
p = exp a +
T + 273,2
ln(p) = a +
b
T + 273,2
109
y=a+bx
untuk y = ln(p) dan x =
1
T + 273,2
% Tekanan uap toluena pada persamaan Antoine

%
[
b
]
%
p = exp [ a + -----------]
%
[
T + 273,2 ]
%
Linierisasi
%
b
%
ln ( p ) = a + ----------%
T + 273,2
%
1
%
y = ln ( p )
x = ----------%
T + 273,2
%
y = b x + a
%
Penyelesaian dengan fungsi polyfit
%
--------------------------------------------------------------%
%
%
%
***************************************************************
% Data - data
p = [ 1 5 10 20 40 60];
T = [ -26.7 -4.4 6.4 18.4 31.8 40.3];
% dalam C
% dalam Torr
% Linierisasi
y = log(p);
x = 1./(T+273.15);
kons = polyfit(x,y,1);
a = kons(2)
b = kons(1)
Keluaran program
a =
19.1905
b =
-4.7260e+003
Sehingga
4726,0
= exp19,1905
T
+ 273,2
Contoh 5.3. Resistansi Hidrolik

Sebanyak 15 L cairan ditempatkan dalam tangki. Ketika katup pengeluaran
dibuka cairan akan keluar dengan kecepatan tertentu. Kecepatan ini tergantung
pada volum cairan di dalam tangki. Kecepatan pengeluaran dicatat dengan cara
mengukur waktu yang diperlukan untuk mengisi penuh suatu gelas ukur. Hasil
pengukuran ditunjukkan pada tabel di bawah ini.
110
Gambar 5.4. Resistensi Hidrolik
Volum cairan (L)
Waktu untuk mengisi gelas

ukur (detik)
15
12
Jika persamaan Torricelli adalah

f = rV1/2
dengan
= laju alir cairan melalui katup (L/detik)
= volum cairan di dalam tangki (L)
= konstanta
Tentukanlah nilai r untuk persamaan Torricelli dari data di atas. Perkirakan

waktu yang dibutuhkan untuk memenuhi gelas ukur jika terdapat 36 L di dalam
tangki !
Dari persamaan Torricelli terlihat hubungan laju alir dan volume cairan dalam
tangki adalah pangkat . Sehingga jika diplotkan log10(f) dan log10(V) akan
dihasilkan persamaan garis lurus.
111
Program Matlab
%
%
%
%
%
%
%
%
%
%
%
Resistansi Hidrolik
persamaan Torricelli adalah
f = r*V^(1/2)
f = laju alir cairan melalui katup (L/detik)
V = volum cairan di dalam tangki (L)
r = konstanta
***************************************************************
% Data - data
V = [6 9 12 15];
waktu = [9 8 7 6 ];
laju_alir = 1./waktu;
%
p
m
r
% volume, L
% waktu pengisian, detik
% laju alir, 1/detik
Penggunaan polyfit
= polyfit(log10(V),log10(laju_alir),1);
= p(1);
= 10^p(2)
% Evaluasi persamaan polyfit

x = [6:0.01:40];
y = r*x.^m;
subplot(2,1,1)
loglog(x,y,'k-',V,laju_alir,'ko','linewidth',2)
xlabel('Volum')
ylabel('Laju alir')
axis([5 15 0.1 0.3])
% Ekstrapolasi untuk V = 36
subplot(2,1,2)
plot(x,1./y,'k-',V,waktu,'ko','linewidth',2)
xlabel('Volum')
ylabel('Waktu')
axis([5 36 0 10])
Keluaran program
waktu
Laju alir
112
Gambar 5.5 Keluaran Program Contoh 5.3
5.1.2. REGRESI POLINOMIAL

Jika pada regresi linier, data-data didekati dengan persamaan garis y = a1x
+ a0, maka pada regresi polinomial, data-data didekati dengan persamaan
polinomial, yaitu :
y = a0 + a1x + a2x2 + .... + amxm
....(5.15)
sehingga
n
....(5.16)
n =1
i =1
n =1
SSE = E2 = y i a 0 a1x i a 2 x i2 .... a m x im

i
SSE = -2
a 0
( yi ao a1xi - a2 x i - .... - am x im ) = 0
....(5.17)
113
SSE = -2
a 1
xi( yi ao a1xi - a2 x i - .... - am x im ) = 0
SSE = -2
a 2
x i ( yi ao a1xi - a2 x i - .... - am x im ) = 0
.
.
.
.
SSE
= -2
a m
xi ( yi ao a1xi - a2 x i - .... - am x im ) = 0
a0n + a1xi + a2 xi + .... + am xim = yi

a0xi + a1 xi + a2 xi + .... + am xim + 1 = xiyi
2
a0 xi + a1 xi + a3 xi + .... + am xim + 2 = xi yi
2
.
.
.
.
2m = m y
a0 xim + a1 xim + 1 + a2 xim + 2 + .... + am xi
xi i
Diperoleh persamaan m aljabar dengan m bilangan yang tidak diketahui.

Persamaan-persamaan tersebut dapat diselesaikan dengan metode-metode yang
telah dijelaskan pada Bab II.
xi
x i2
x 3i
xi
x2
i
....
m
x i
x im +1
x i2
x 3i
x i4
x im + 2
....
....
x im a 0 yi
x im +1 a1 = x2i yi
xim + 2 a 2 x i yi
x i2 m
....
a
m
....
xmy
i i
114
Fungsi
dari Matlab dapat digunakan untuk derajat n = 2, yang disebut
polyfit
polinomial kuadratis. Hasil fungsi
polyfit
adalah vektor baris yang berisi
koefisien-koefisien polinomial.
Selain fungsi
polyfit,
Matlab juga mempunyai fungsi
polyval
untuk
mengevaluasi polinomial pada tiap titik yang ingin diketahui nilainya.
Contoh 5.4. Persamaan Fit untuk Data Tekanan Uap Benzena

Data tekanan uap murni benzena pada berbagai temperatur ditunjukkan pada
tabel.
Temperatur
Tekanan
Temperatur
Tekanan
(OC)
(mmHg)
(OC)
(mmHg)
-36,7
15,4
60
-19,6
26,1
100
-11,5
10
42,2
200
-2,6
20
60,6
400
7,6
40
80,1
760
Hubungan tekanan sebagai fungsi temperatur dapat dinyatakan sebagai

persamaan empiris polinomial sederhana sebagai berikut :
P = a0 + a1T + a2T2 + a3T3 + + anTn
dengan a0, a1, , an adalah parameter yang ditentukan dengan regresi dan n
adalah orde polinomial.
Persamaan lain yang umum digunakan adalah persamaan Clausius-Clapeyron :
log(P) = A
B
T + 273,15
dengan P adalah tekanan uap dalam mmHg dan T adalah temperatur dalam OC.
Parameter A dan B ditentukan dengan regresi.
Program pertama untuk penyelesaian persamaan empiris polinomial
% Persamaan Fit untuk Data Tekanan Uap Benzena
%
Hubungan tekanan sebagai fungsi temperatur
%
sebagai persamaan empiris polinomial sederhana
%
P = a0 + a1*T + a2*T^2 + a3*T^3 + ... + an*T^n
%
Penyelesaian dengan menggunakan fungsi polyfit
%
Persamaan polinomial tersebut kemudian dievaluasi
115
%
%
%
%
%
%
dengan fungsi polyval

***************************************************************
% Data - data
% tekanan, mmHg
vp = [ 1 5 10 20 40 60 100 200 400 760];
% temperatur, oC
T =[-36.7 -19.6 -11.5 -2.6 7.6 15.4 26.1 42.2 60.6 80.1];
% Penggunaan fungsi polyfit
m = 3;
%orde polinomial
p = polyfit(T,vp,m);
% Evaluasi persamaan polinomial
z = polyval(p,T);
% nilai vp dengan persamaan polinomial
% Cetak hasil
plot(T,z,'k-',T,vp,'ko','linewidth',2)
xlabel('T(C)')
ylabel('vp(mmHg)')
vp(mmHg)
Keluaran program
Gambar 5.6. Keluaran Program Contoh 5.4.a
Program penyelesaian untuk persamaan Clausius-Clapeyron
116
%
Hubungan tekanan sebagai fungsi temperatur
%
sebagai persamaan empiris polinomial sederhana
%
P = a0 + a1*T + a2*T^2 + a3*T^3 + ... + an*T^n
%
%
%
%
--------------------------------------------------------------%
%
%
%
***************************************************************
% Data - data
% tekanan, mmHg
vp = [ 1 5 10 20 40 60 100 200 400 760];
% temperatur, oC
T =[-36.7 -19.6 -11.5 -2.6 7.6 15.4 26.1 42.2 60.6 80.1];
% Linierisasi
y = log10(vp);
x = 1./(T+273.15);
% Penggunaan fungsi polyfit
p = polyfit(x,y,1);
% Evaluasi persamaan
z = 10.^(p(2)+(p(1)./(T+273.15)));
% Cetak hasil
xlabel('T(C)')
ylabel('vp(mmHg)')
Keluaran program
vp(mmHg)
117
Gambar 5.7 Keluaran Program Contoh 5.4.b
Dari kedua grafik terlihat persamaan polinomial memberikan hasil yang lebih
baik.
Contoh 5.5 Persamaan Kualitatif Konversi dan Kecepatan Reaksi pada

Reaktor Alir Pipa
Data hubungan konversi reaksi x dengan kecepatan reaksi pada reaktor alir pipa
digambarkan pada tabel. Tentukan persamaan kualitatif hubungan keduanya !
X
0,0
0,1
0,2
0,3
0,4
-ra
0,0053
0,0052
0,0050
0,0045
0,0040
0,5
0,6
0,7
0,8
0,85
-ra
0,0033
0,0025
0,0018
0,00125
0,001
Program Matlab
%Regresi Polinomial
118
%
%
%
%
%
%
%
%
%
%
%
Berikut data-data percobaan Konversi dan Kecepatan Reaksi

Persamaan empiris polinomial sederhana
ra = a0 + a1*X + a2*X^2 + a3*X^3 + ... + an*X^n
***************************************************************
% Data-data
X=[0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.85];
ra=[0.0053 0.0052 0.005 0.0045 0.004 0.0033 ...
0.0025 0.0018 0.00125 0.001];
% Fungsi polyfit orde 3
p=polyfit(X,ra,3)
% Evaluasi persamaan polinomial
f=polyval(p,X);
% Plot data percobaan dan perhitungan
plot(X,ra,'ko',X,f,'k-','linewidth',2)
xlabel('x'); ylabel('y');
axis([0 0.85 0 0.006]);
title('Regresi Polinomial');
%Xmin Xmaks Ymin Ymaks
Keluaran program
Gambar 5.8 Keluaran Program Contoh 5.5
119
5.1.3. REGRESI LINIER MULTIVARIABEL

Suatu pengembangan regresi linier yang berguna adalah kasus untuk y
sebagai fungsi linier dari dua atau lebih variabel, yaitu :
y = a0 + a1x1 + a2x2 + a3x3 + .... + akxk
....(5.18)
sehingga
n
....(5.19)
n =1
SSE =
2
2
E i = (yi a 0 a1x1,i a 2 x 2,i .... a k x k ,i )
i =1
n =1
SSE
SSE
SSE
SSE
= 0,
= 0,
= 0, ....,
= 0.
a 0
a 1
a 2
a k
a0n + a1x1,i + a2x2,i + .... + akxk,i
= yi
a0x1,i + a1 x1, i + a2x1,ix2,i + .... + akx1,ixk,i = yix1,i

2
a0x2,i + a1x2,ix1,i + a2 x 2, i + .... + akx2,ixk,i = yix2,i

.
.
.
2
a0xk,i + a1xk,ix1,i + a2xk,ix2,i + .... + ak x k , i = yixk,I
x1,i
x 2, i
2
x1,i x1,i x 2,i
x 2,i x1,i x 22,i
x1,i
x
2 ,i
....
x k ,i
x k ,i x1,i
....
x k ,i x 2,i ....
x k,i a 0 yi
x1,i x k a 1 x1,i yi
x 2,i x k a 2 = x 2,i yi
x 2k ,i
....
a k

....
x y
m,i i
....(5.20)
120
Penyelesaian dapat dilakukan dengan metode-metode yang telah dijelaskan pada
Bab II.
Contoh 5.6. Breaking Strength dan Komposisi Logam

Gaya tensi y diperlukan untuk mematahkan batang besi yang diberi campuran
unsur 1 dan 2 sebagai komposisi persentase x1dan x2. Tabel di bawah
menunjukkan data-data y untuk berbagai komposisi campuran unsur 1 dan 2.
Hubungan y dengan x1 dan x2 dinyatakan sebagai y = a0 + a1y1 + a2y2.
Breaking Strength (kN)
unsur 1 (%)
unsur 2 (%)
x1
x2
7,1
19,2
31
45
11
Tentukan a0, a1, dan a2.

Program Matlab
% Breaking strength dan komposisi logam
% Regresi Multivariabel
%
Gaya tensi y diperlukan untuk mematahkan batang besi
%
komposisi persentase x1dan x2
%
y = a0 + a1*y1 + a2*y2
%
Penyelesaian dengan menggunakan matriks
%
--------------------------------------------------------------%
%
%
%
***************************************************************
% Data-data
x1=[0:3]';
x2=[5 7 8 11]';
y=[7.1 19.2 31 45]';
% Matriks X
X=[ones(size(x1)) x1 x2];
% Perhitungan konstanta
a=X\y
% Evaluasi persamaan
yp=X*a;
max_persen_error = 100*max(abs((yp-y)./y))
Keluaran program
121
a =
0.8000
10.2429
1.2143
max_persen_error =
3.2193
5.2. INTERPOLASI
Interpolasi berguna untuk memperkirakan harga-harga antara dari datadata yang telah diketahui dengan tepat.
Interpolasi yang paling populer adalah polinomial interpolasi diferensiasi
terbagi Newton. Sebelum pembahasan interpolasi polinomial secara umum, akan
dibahas interpolasi linier (versi pertama) dan interpolasi kuadratik (versi kedua).
5.2.1. INTERPOLASI SATU DIMENSI

INTERPOLASI LINIER
Interpolasi linier dilakukan dengan menghubungkan dua titik yang telah
diketahui dengan sebuah garis lurus. Secara grafis dapat dilihat pada gambar 5.9.
f(x1)
f(x)
f(x0)
x0
x1
Gambar. 5.9 Konsep Dasar Interpolasi Linier
122
f (x) f (x 0 ) = f (x1 ) f (x 0 )
x1 x 0
x x0
f(x) = f(x0) + f ( x 1 ) f ( x 0 ) (x x0)

(x1 x 0 )
....(5.21)
INTERPOLASI KUADRATIK
Interpolasi kuadratik adalah interpolasi polinomial versi 2, yang
membutuhkan 3 titik yang diketahui.
Bentuk umum
f(x) = b0 + b1(x-x0) + b2(x-x0)(x-x1)
....(5.22)
dengan
b0 = f(x0)
b1 = f ( x 1 ) f ( x 0 )
( x1 x 0 )
f ( x 2 ) f ( x1 ) f ( x1 ) f ( x 0 )
( x 2 x1 )
( x1 x 0 )
b2 =
(x 2 x 0 )
INTERPOLASI POLINOMIAL
Bentuk umum interpolasi polinomial Newton
f(x) = b0 + b1(x-x0) + b2(x-x0)(x-x1) + .... + bn(x-x0)(x-x1)(x-x2)....(x-xn) ....(5.23)
dengan
b0 = f(x0)
b1 = f[x1,x0]
b2 = f[x2,x1,x0]
.
.
.
bn = f[xn,xn-1, ....,x1,x0]
Differensiasi terbagi pertama
123
f[xi,xj] = f ( x i ) f ( x j )
(x i x j )
Differensiasi terbagi kedua

f[xi,xj,xk] = f[xi, xj] f[xj, xk]
xi xj
.
.
.
Differensiasi terbagi ke-n
f[xn,xn-1,....,x1,x0] = f [ x n , x n 1 ,..., x1 ] f [ x n 1 , x n 2 ,..., x 0 ]
xn x0
sehingga
f(x) = f(x0)+(x-x0)f[x1,x0]+(x-x0)(x-x1)f[x2,x1,x0]+....+
(x-x0)(x-x1)(x-x2)....(x-xn)f[xn,xn-1,....,x1,x0]
....(5.24)
Interpolasi polinomial order 3
xi
f(xi)
x0
f(xi)
x1
f(x1)
II
III
f[x1,x0]
f[x2,x1,x0]
f[x2,x1]
2
3
x2
f(x2)
x3
f(x3)
f[x3,x2]
f[x3,x2,x1,x0]
f[x3,x2,x1]
Contoh 5.7. Densitas asam asetat pada 25 OC

Dari data densitas asam asetat pada 25 OC, tentukanlah densitas asam asetat pada
konsentrasi 65 % !
Data densitas asam asetat pada 25 OC
Konsentrasi Densitas
124
(%)
(g/cm3)
0,997
10
1,011
20
1,024
30
1,035
40
1,045
50
1,053
60
1,06
70
1,064
80
1,065
90
1,061
100
1,044
Penyelesaian
% Densitas Asam Asetat pada 25 oC
%
Interpolasi Polinomial Newton
%
%
--------------------------------------------------------------%
%
%
%
***************************************************************
format long
% Data-data
x=[60 70 80 90 100];
rho = [1.06 1.064 1.065 1.061 1.044];
% konsentrasi, %
% Densitas, g/cm^3
% Jumlah data yang digunakan

n=5;
% orde tertinggi adalah n - 1
% orde 1
for i= 1 :n
frho(i,1)=rho(i);
end
% orde selanjutnya
for j=1:n-1
k=j+1;
for i=1 :n-j
frho(i,k)=(frho(i+1,j)-frho(i,j))/(x(i+j)-x(i));
end
end
% Menampilkan matriks
rho=frho
xi=65;
t=['Hasil interpolasi polinomail Newton untuk x = ' num2str(xi)];
125
disp(t)
disp '----------------------------'
fa=1;
p=0;
for j=1:n
p=p+frho(1,j)*fa;
t=['Nilai densitas dengan Polinomial Newton orde ' num2str(j-1)
' = ' num2str(p)];
disp(t)
fa=fa*(xi-x(j));
end
disp ' '
Keluaran program
rho =
1.0600
0.0004
-0.0000
-0.0000
-0.0000
1.0640
0.0001
-0.0000
-0.0000
1.0650
-0.0004
-0.0001
1.0610
-0.0017
1.0440
Hasil interpolasi polinomial Newton untuk x = 65

---------------------------Nilai densitas dengan Polinomial Newton orde 0 =
Nilai densitas dengan Polinomial Newton orde 1 =
1.06
1.062
1.0624
1.0623
1.0625
Dalam matlab dapat digunakan fungsi interp1 untuk interpolasi satu dimensi.
YI = interp1 (X,Y,XI,metode) adalah interpolasi untuk menentukan nilai
YI jika X = X1, dengan menggunakan data-data hubungan Y terhadap X.
Metode yang dapat digunakan antara lain :
nearest
- interpolasi dengan tetangga terdekat
linier
- interpolasi linier
spline
- interpolasi spline kubik
cubic
- interpolasi kubik
Contoh 5.8. Konduktivitas termal aseton

Bennett & Meyers memberikan data-data konduktivitas termal aseton. Hubungan
ln (k) dan ln (T) mendekati persamaan garis lurus, dengan T dalam R (R = OF +
460). Tentukan nilai k pada 300 OF !
126
k
[BTU/jam.ft.OF]
T (OF)
0,0057
32
0,0074
115
0,0099
212
0,0147
363
% Konduktivitas termal aseton
%
Hubungan ln(k) dan ln(T) mendekati garis lurus
%
Tentukan k pada T = 300 oF
%
Diselesaikan dengan fungsi interp1
%
%
--------------------------------------------------------------%
%
%
%
***************************************************************
% Data-data
k = [0.0057 0.0074 0.0099 0.0147];
T = [32 115 212 363]+460;
% BTU/jam.ft.oF
% temperatur, R
% Hubungan k dan T akan linier dalam bentuk ln k dan ln T

ln_k = log(k);
ln_T = log(T);
% Interpolasi Linier
Tx = log(300+460);
kx = interp1(ln_T,ln_k,Tx,'linier');
% Hasil
k_pd_300 = exp(kx)
Keluaran program
k_pd_300 =
0.0126
Konduktivitas termal aseton pada 300 OF adalah 0,0126 BTU/jam.ft.OF
5.2.2. INTERPOLASI SPLINE
127
Polinomial orde ke-n telah dapat digunakan untuk interpolasi di antara n
+ 1 titik data. Misalnya untuk delapan titik dapat diturunkan suatu polinomial
orde ke tujuh yang sempurna. Kurva ini akan melalui semua titik-titik data yang
ada. Tetapi ada kasus di mana fungsi-fungsi ini dapat membawa hasil yang
keliru. Suatu pendekatan alternatif adalah menerapkan polinomial yang lebih
rendah terhadap sub kumpulan titik data. Polinomial penyambungan demikian
disebut fungsi spline
Kurva orde tiga fungsi spline dilaksanakan untuk menyambung setiap pasang
titik-titik data yang dinamakan
spline kubik
Fungsi-fungsi ini mempunyai
perilaku tambahan yang menghubungkan antara persamaan-persamaan secara

visual tanpa halangan.
SPLINE LINIER
Sambungan paling sederhana adalah sebuah garis lurus. Spline orde
pertama untuk sekumpulan susunan titik data dapat didefinisikan sebagai
sekumpulan fungsi linier yang menghubungkan titik-titik :
f(x) = f(x0) + m0(x x0)
x0 # x # x1
f(x) = f(x1) + m1(x x1)
x1 # x # x2
f(x) = f(xn-1) + m0(x xn-1)

dengan mi =
xn-1 # x # xn
f ( x i +1 ) f ( x i )
x i +1 x i
Persamaan-persamaan ini dapat dipakai untuk mengevaluasi fungsi

tersebut pada sembarang titik di antara x0 dan xn, pertama-tama dengan menaruh
interval di dalam tempat titik itu terletak. Metode ini identik dengan interpolasi
linier.
128
SPLINE KUADRATIK
a1x2 + b1x + c
interval 1
x0
i=0
a2x2 + b2x + c
interval 2
a3x2 + b3x + c
interval 3
x1
x2
i=1
i=2
Gambar 5.10. Konsep Dasar Spline Kuadratik
x3
i=3
Tujuan spline kuadratik adalah untuk menurunkan sebuah polinomial

orde kedua untuk setiap interval di antara titik-titik data. Polinomial untuk setiap
interval secara umum dapat dinyatakan sebagai :
fi(x) = aix2 + bix + ci
SPLINE KUBIK
Tujuan spline kubik ialah menurunkan suatu polinomial orde ketiga
untuk setiap interval di antara simpul seperti :
fi(x) = aix3 + bix2 + cix + di
Untuk n + 1 titik data ( i = 0, 1, 2, , n ) terdapat n interval dan konsekuensinya
diperlukan 4n konstanta yang tidak diketahui untuk dievaluasi.
Contoh 5.9. Viskositas larutan MDEA

Larutan metil dietanol amin (MDEA) banyak digunakan untuk absorpsi gas
seperti H2S dan CO2. Dalam suatu menara absorpsi, perlu diketahui viskositas 43
% larutan metil dietanol amin (MDEA) dalam air pada 45OC. Untuk itu, ingin
dipergunakan persamaan berikut:
ln = B1 +
B2
+ B3T
T
129
Dengan dalam poise, dan T dalam K. Bi adalah parameter dengan ketentuan
sebagai berikut:
Fraksi berat
B1
B2.10-3
B3.102
-19,52
3,913
2,112
0,1
-22,14
4,475
2,470
0,2
-25,16
5,157
2,859
0,3
-28,38
5,908
3,255
0,4
-31,52
6,678
3,634
0,5
-34,51
7,417
MDEA
3,972
O
Tentukan viskositas larutan pada 43 % larutan dan 45 C.
Penyelesaian
% Viskositas larutan MDEA
%
B2
%
ln miu = B1 + ----- + B3*T
%
T
%
dengan miu = viskositas, poise
%
T
= temperatur, K
%
Bi = parameter viskositas sebagai fungsi konsentrasi, x
%
(data dalam bentuk tabel)
%
viskositas MDE pada konsentrasi x = 0,43 dan T = 45 oC
%
%
--------------------------------------------------------------%
%
%
%
***************************************************************
% Data parameter viskositas sebagai fungsi x
x = [0 0.1 0.2 0.3 0.4 0.5];
B1 = [-19.52 -22.14 -25.16 -28.38 -31.52 -34.51];
B2 = [3.913 4.475 5.157 5.908 6.678 7.417]*10^3;
B3 = [2.112 2.470 2.859 3.255 3.634 3.972]*10^-2;
% Data x dan T yang ingin dicari viskositasnya
x_i = 0.43;
% Konsentrasi
T_i = 45+273.15;
% Temperatur, K
% Konstanta B1, B2, dan B3 pada 0.43 ditentukan terlebih dahulu
% Interpolasi nilai B pada konsentrasi 0.43
B1_i = interp1(x,B1,x_i,'spline');
% Viskositas dihitung
viscA = exp(B1_i + B2_i/T_i + B3_i*T_i);
% Viscositas pada 45 C ditentukan terlebih dahulu
% Viskositas pada 45 C dihitung
visc = exp(B1 + B2./T_i + B3.*T_i)
% Interpolasi viskositas pada konsentrasi 0.43
130
viscB = interp1(x,visc,x_i,'spline');
% Cetak Hasil
disp(' ')
disp(['Viskositas MDEA pada x = ',num2str(x_i), ' dan T =
',num2str(T_i)])
disp(['jika parameter viskositas pada x = ',num2str(x_i), '
dihitung dulu'])
viskositas = viscA
disp(['jika viskositas pada T = ',num2str(T_i),' dihitung dulu'])
viskositas = viscB
Keluaran program
Viskositas MDEA pada x = 0.43 dan T = 318.15
jika parameter viskositas pada x = 0.43 dihitung dulu
viskositas =
3.2302
jika viskositas pada T = 318.15 dihitung dulu
viskositas =
3.2093
5.2.3. INTERPOLASI DUA DIMENSI

Interpolasi dua dimensi mempunyai prinsip yang sama dengan
interpolasi satu dimensi. Perbedaanya adalah interpolasi dua dimensi
menginterpolasikan fungsi dua variabel z = f(x,y).
ZI = interp2 (X,Y,Z,XI,YI)
adalah interpolasi untuk menentukan nilai
ZI,
dari fungsi Z pada titik XI dan YI dari matriks X dan Y. Metode yang ditampilkan
pada interpolasi 1 dimensi dapat juga digunakan pada interpolasi 2 dimensi.
Contoh 5.10. Beda entalpi uap yang didinginkan

Tentukan berapakah H (beda entalpi) dari uap yang didinginkan menjadi 480 0F
dan 52 psia, jika kondisi mula-mula adalah 640 0F dan 92 psia !
50
Entalphi, H dalam Btu/lb

T (0F)
400
500
600
1258,7
1282,6
-
55
1258,2
1282,2
90
1328,7
1378,1
p (psia)
700
-
131
95
1328,4
1377,8
% Beda entalpi uap yang didinginkan
%
uap mula-mula adalah 640 oF dan 92 psia
%
menjadi 480 oF dan 52 psia
%
Digunakan interpolasi 2 dimensi
%
%
--------------------------------------------------------------%
%
%
%
***************************************************************
% Kondisi awal
To = [600 700];
po = [90 95];
Ho = [1328.7 1378.1
1328.4 1377.8];
H1 = interp2(To,po,Ho,640,92)
% Kondisi akhir
Tn = [400 500];
pn = [50 55];
Hn = [1258.7 1282.6
1258.2 1282.2];
H2 = interp2(Tn,pn,Hn,480,52)
% Perhitungan beda entalpi
del_H = H2 - H1
Keluaran program
H1 =
1.3483e+003
H2 =
1.2777e+003
del_H =
-70.6880
% Temperatur, oF
% Tekanan, psia
% Entalphi, BTU/lb
% Interpolasi 2 dimensi
% Temperatur, oF
% Tekanan, psia
% Entalphi, BTU/lb
% Interpolasi 2 dimensi
OPTIMASI
Optimasi adalah suatu proses untuk mencari kondisi optimum dalam arti
yang paling menguntungkan. Optimasi bisa berupa proses mencari nilai
maksimum (maksimasi) atau proses mencari nilai minimum (minimasi).
Variabel yang dimaksimumkan atau diminimimkan disebut objective
function, sedangkan variabel yang dicari nilainya sehingga objective function
menjadi maksimum atau minimum disebut design variabel.
Proses optimasi secara analitis dilakukan dengan cara melihat turunan
(derivatif) objective function terhadap design variabel. Dalam prakteknya, proses
optimasi sangat sulit diselesaikan dengan cara analitis (kalkulus). Jika demikian
maka dapat dilakukan proses optimasi dengan cara direct search, yaitu
melakukan perhitungan harga objective function untuk berbagai nilai design
variabel.
6.1. PEMOGRAMAN LINIER

Bentuk umum
Minimasi cTx
Subyek Ax = b
dan x 0
134
dengan x adalah vektor kolom n komponen yang ingin ditentukan nilainya.
Konstanta yang diberikan sistem disediakan oleh vektor kolom b dengan m
komponen, matriks A ukuran m x n, dan vektor kolom c dengan n komponen.
Seluruh
persamaan
dan
fungsi
berada
dalam
bentuk
linier.
Tujuan
keseluruhannya adalah minimasi suatu fungsi linier cTx yang disebut sebagai
objective function. Penyelesaian secara detail tidak dijelaskan disini. Tetapi
program berikut dapat digunakan untuk menyelesaikan persoalan pemograman
linier.
function [xsol,basic]=proglin(A,b,c,tol)
%
Program ini bertujuan mencari nilai minimum
%
untuk pemograman linier c'x
%
subyek Ax = b
%
%
A adalah matriks koefisien untuk batasan-batasan
%
b adalah vektor kolom sisi kanan
%
c adalah vektor baris koefisien biaya
%
xsol adalah vektor hasil penyelesaian
%
basic adalah urutan variabel dasar (basic)
%
%
%
Nama File : proglin.m

---------------------------------------------------------------
% Menyediakan matriks-matriks yang mengosongkannya

x2=[ ]; x=[ ]; [m n]=size(A);
% Mengeset kondisi awal
aplus1=b-sum(A(1:m,:)')'; cplus1=1000000;
A=[A aplus1]; c=[c cplus1];
B=[ ]; n=n+1;
x0=ones(1,n)'; x=x0;
alpha=0.0001; lambda=zeros(1,m)'; iter=0;
% Langkah utama
while abs(c*x-lambda'*b)>tol
x2=x.*x; D=diag(x); D2=diag(x2);
AD2=A*D2;
lambda=(AD2*A')\(AD2*c');
dualres=c'-A'*lambda;
normres=norm(D*dualres);
for i=1:n
if dualres(i)>0
ratio(i)=normres/(x(i)*(c(i)-A(:,i)'*lambda));
else
ratio(i)=inf;
end
end
R=min(ratio)-alpha;
x1=x-R*D2*dualres/normres;
x=x1; basiscount=0; B=[ ]; basic=[ ]; cb=[ ];
for k=1:n
if x(k)>tol
basiscount=basiscount+1;
basic=[basic k];
end
135
end
if basiscount==m
for k=basic
B=[B A(:,k)]; cb=[cb c(k)];
end
primalsol=b'/B'; xsol=primalsol;
break
end
iter=iter+1;
end
objective=c*x
Contoh 6.1. Produksi Motor Bahan Bakar Padat

Pabrik kimia membuat dua tipe kecil motor bahan bakar padat sebagai uji coba.
Motor A mempunyai keuntungan $ 3 per motor, dan motor B mempunyai
keuntungan $ 4 per motor. Tersedia waktu proses total 80 jam per minggu untuk
memproduksi kedua motor. Rata-rata 4 jam per motor untuk memproduksi motor
A dan hanya 2 jam per motor untuk memproduksi B. Tetapi karena material B
lebih beracun daripada A, waktu penyiapan motor B membutuhkan 5 jam per
motor sedangkan motor A hanya 2 jam per motor. Waktu yang tersedia untuk
penyiapan adalah 120 jam per minggu. Tentukan jumlah poduksi masing-masing
motor untuk menghasilkan keuntungan maksimal.
Objective function dan persamaan batas adalah
Maksimum keuntungan = 3A + 4B
atau
Minimasi - keuntungan = - 3A 4B
Subyek 4A + 2B # 80
2A + 5B # 120
A, B 0
% Produksi Motor Bahan Bakar

% Pemograman linier
%
Minimasi
- keuntungan = - 3A - 4B
%
Subyek 4A + 2B <= 80
Waktu proses
%
2A + 5B <= 120
Waktu persiapan
%
A, B >= 0
%
%
--------------------------------------------------------------%
%
%
%
***************************************************************
% Data-data
c=[-3 -4];
a=[4 2; 2 5];
136
b=[80 120]';
% Perhitungan
[xsol,ind]=proglin(a,b,c,1e-10);
% Cetak hasil
i=1;fprintf('\Penyelesaian adalah : ');
for j=ind
fprintf('\nx(%1.0f)=%8.4f\',j,xsol(i));
i=i+1;
end
fprintf('\nNilai variabel lain adalah nol\n')
Keluaran program
objective =
-110.0000
x(1)= 10.0000
x(2)= 20.0000
Nilai variabel lain adalah nol
Keuntungan maksimal diperoleh adalah $ 110 per minggu dari produksi 10

motor A dan 20 motor B per minggu
6.2. METODE GOLDEN SECTION

Golden section adalah salah satu optimasi secara numeris yang dapat
digunakan untuk fungsi yang bersifat unimodal (hanya mempunyai 1 nilai
maksimum/minimum).
Pada metode ini interval awal (XA sampai XB) dievaluasi di dua titik,
yaitu XP dan XQ.
Maksimasi : YP < YQ maka
XA baru = XP lama
XB tetap
XP baru = XQ lama
XQ dicari
YP > YQ maka XA tetap

XB baru = XQ lama
XP dicari
XQ baru = XP lama
Minimasi : YP < YQ maka
XA tetap
137
XB baru = XQ lama
XP dicari
XQ baru = XP lama
YP > YQ maka
XA baru = XP lama
XB tetap
XP baru = XQ lama
XQ dicari
Jarak interval l = (5 1)/2 = 0,618

Program optimasi dengan metode golden section
function [f,a]=golden(func,p,tol)
%
Program ini bertujuan mencari nilai minimum satu variabel
%
fungsi non linier dg metode golden section
%
%
func adalah nama fungsi non linier
%
p adalah vektor 2 elemen untuk kisaran yang dicari
%
tol adalah toleransi
%
a adalah nilai optimum dari x
%
f adalah nilai minimum fungsi pada x = a
%
%
%
Nama File : golden.m

---------------------------------------------------------------
if p(1)<p(2)
a=p(1); b=p(2);
else
a=p(2); b=p(1);
end
g=(-1+sqrt(5))/2;
r=b-a;
iter=0;
while r>tol
x=[a+(1-g)*r a+g*r];
y=feval(func,x);
if y(1)<y(2)
b=x(2);
else
a=x(1);
end
r=b-a;
iter=iter+1;
end
iter
f=feval(func,a);
138
l = 0,618
l
l
XA
XP
XQ
XB
XA
XP
XQ
XB
XA
XP XQ
XB
Gambar 6.1. Optimasi dengan Metode Golden Section
Contoh 6.2. Ekstraksi Asam Benzoat dari Limbah Industri

Suatu industri menghasilkan 10.000 lb/jam limbah yang mengandung 0,002 lb
asam benzoat/lb air. Asam benzoat berharga $ 0,4/lb saat dalam phase benzena &
harga benzena $ 0,001/lb. Benzena larut dalam phase air dalam jumlah 0,07 lb/lb
air. Limbah industri tidak bernilai baik sebelum dan sesudah ditambah benzena.
Distribusi asam benzoat di antara 2 phase sesuai dengan distribusi y = 4x,
dengan y dan x didefinisikan dalam gambar 6.2.
F xo
(4W + 0,79F)
a.
Buktikan bahwa: x
b.
Buktikan bahwa keuntungan (P) = 0,4F(xo x) 0,001W
c.
Tentukan W hingga diperoleh P maksimum, dengan metode lima titik
139
xo = 0,002 lb as. benzoat/ lb air
F = 10.000 lb air/jam
W = lb benzena / jam
Phase benzena
y lb as. benzoat/lb
benzena
Phase air
x lb as.benzoat / (lb air + lb benzena larut)
Gambar 6.2. Proses Ekstraksi Asam Benzoat dengan Benzena
Penyelesaian
a. Fraksi massa Asam Benzoat pada fase air
Neraca massa komponen Asam Benzoat
input output = akumulasi
As. Benzoat umpan As. Benzoat fase benzena As. Benzoat fase air = 0
As. Benzoat umpan (jumlah benzena x fraksi As. Benzoat pada fase
benzena) (jumlah benzena dan air x fraksi As. Benzoat pada fase
air) = 0
F x0 (W 0,07 F) y (F + 0,07 F) x = 0
F x0 (W 0,07 F) 4 x (1,07 F) x = 0
F x0 4 W x 0,79 F x = 0
x=
Fxo
(4W + 0,79F)
b. Keuntungan (P)
Keuntungan ( P ) = harga jual As. Benzoat fase benzena harga beli benzena
= As. Benzoat fase benzena x $ 0,4 Benzena x $0,001
140
= (x0 F x F) $ 0,4 (W) $0,001
= 0,4F(xo x) 0,001W
c. Jumlah benzena (W) optimal untuk mendapatkan keuntungan (P) maksimal
P
= 0,4F(xo x) 0,001W
= 0,4F(xo
Fxo
) 0,001W
(4W + 0,79F)
= 0,4.10000 (0,002 -
=8-
80000
(4W + 7900)
10000.0,002
(4W + 0,79.10000)
) 0,001.W
- 0,001W
function fw=contoh62(w)
% Ekstraksi asam benzoat dari limbah industri
%
Program bertujuan menentukan jumlah benzena yang ditambahkan
%
untuk pengambilan asam benzoat dari limbah industri
%
w adalah benzena yang ditambahkan
%
%
%

---------------------------------------------------------------
% Data-data
xo=0.002;
F=10000;
% Konsentrasi asam benzoat pada limbah

% Laju alir limbah
% Perhitungan asam benzoat yang dapat diambil

x=F.*xo./(4.*w+0.79.*F);
% Perhitungan keuntungan yang diperoleh
P=0.4.*F.*(xo-x)-0.001.*w;
% Program maksimasi diubah menjadi minimasi
fw=1./P;
Langkah untuk menjalankan program dan hasilnya adalah :

>> [f,x]=golden('contoh62',[2400 2550],0.00001)
iter =
35
f =
0.9702
x =
2.4971e+003
141
Matlab menyediakan fungsi untuk menentukan nilai minimasi satu variabel yaitu
fungsi fminbnd. Cara memanggil fungsi ini adalah
x = fminbnd(fun,x1,x2)
dari fungsi
fun
pada interval
dimulai pada
x0
dan menentukan nilai minimasi
x1 < x < x2. fun
adalah fungsi dengan input
x
x
dan keluaran adalah evaluasi nilai F pada x .
Contoh 6.3. Optimasi Konversi pada Reaktor Batch

Reaksi fase cair orde 2, A B dijalankan dalam reaktor batch isotermal.
Konstanta kecepatan reaksi, k = 0,025 L/(gmol menit). Umpan A dengan
konsentrasi awal, CAO = 2 gmol/L. Waktu bongkar isi reaktor (tp) 45 menit.
Waktu siklus (ts) = tr + tp dengan tr adalah waktu reaksi. Waktu reaksi dihitung
dari persamaan kecepatan reaksi dC A = k.C 2 .
A
dt
xA
, dengan CA=CAO(1 - xA).
kC AO (1 x A )
a.
Buktikan waktu reaksi adalah tr =
b.
Dengan persamaan reaksi A B, diketahui jumlah B terbentuk adalah CB

= CAO xA, Buktikan jumlah B terbentuk persatuan waktu siklus adalah
CB
0,1.x A (1 x A )
=
ts
x A + 2,25(1 x A )
c.
Tentukan konversi A yang memberikan jumlah B terbentuk persatuan

waktu siklus maksimum.
d.
Tentukan waktu reaksi yang memberikan jumlah B terbentuk persatuan

waktu siklus maksimum.
Penyelesaian
a.
dC A
= k.C 2A
dt
Ca
dC A
2
Cao C A
= k dt
0
1 - 1 = kt
C A C Ao
142
1 = kt
1
C Ao (1 x A ) C Ao
xA
= kt
C Ao (1 x A )
tr =
b.
xA
kC AO (1 x A )
CB
=
ts
C Ao x A
1
kC Ao
xA
1 xA
+ tp
= C Ao x A kC Ao (1 x A )
x A + tp kC Ao (1 x A )
=
c.
0,1.x A (1 x A )
x A + 2,25(1 x A )
Program matlab
% Optimasi konversi pada reaktor batch

%
reaksi orde 2 pada reaktor batch
%
A --> B
%
optimasi konversi untuk mendapatkan
%
B maksimal per waktu siklus
%
Penyelesaian dengan fungsi fminbnd
%
--------------------------------------------------------------%
%
%
%
***************************************************************
%
clear all
clc
global Cao k tp
% Data-data
Cao = 2;
k = 0.025;
tp = 45;
% gmol/L
% L/(gmol.menit)
% menit
% Interval konversi
xo=0.01;
% konversi minimal yang mungkin terjadi
xn=0.99;
% konversi maksimal yang mungkin terjadi
% Perhitungan konversi optimal
x_opt=fminbnd('F63',xo,xn)
Fungsi matlab
function Cb_ts_min=F63(x)
%
Program ini berisi fungsi untuk menghitung
143
%
%
%
%
B terbentuk per satuan waktu siklus

Nama File : F63.m
---------------------------------------------------------------
global k Cao tp
tr = x/(k*Cao*(1-x));
ts = tp + tr;
Cb_ts = Cao*x/ts;
Cb_ts_min = 1/Cb_ts;
%
%
%
%
Waktu reaksi
Waktu siklus
Maksimum B terbentuk per waktu siklus
Program minimasi
Keluaran program
x_opt =
0.6000
Konversi optimal adalah 0,6

d.
tr =
xA
kC AO (1 x A )
= 30 menit
Cara klasik untuk mendapatkan suatu nilai yang optimal adalah dengan mencoba
semua titik yang mungkin. Cara ini lebih lama tetapi cukup menarik untuk
optimasi proses yang sederhana.
Contoh 6.4. Produksi Optimal
Seorang engineer ingin menentukan tingkat produksi yang optimal. Jika ia

memproduksi barang lebih banyak daripada yang dapat ia jual, maka
keuntungan yang diperoleh tidak sebanyak yang diharapkan. Data pabrik
menunjukkan bahwa biaya tetap (fixed cost) produksi $ 30.000 per tahun tidak
tergantung banyak barang yang diproduksi. Biaya tambahan adalah $ 2.000 per
unit barang. Penjualan berfluktuasi 25 50 unit per tahun tanpa ada data
kecenderungan penjualan. Harga barang tidak bisa lebih dari $ 4.000 per unit.
Tentukan jumlah unit barang yang diproduksi setiap tahun, dengan asumsi satu
unit barang dijual dengan harga $ 4.000 sepanjang tahun. Asumsikan harga
barang turun menjadi $ 1.000 per unitnya pada akhir tahun jika barang tersebut
tidak terjual.
Program matlab untuk persoalan di atas adalah
144
% Produksi optimal
%
Perhitungan jumlah unit barang yang diproduksi setiap tahun
%
Untuk mendapatkan keuntungan maksimal
%
%
--------------------------------------------------------------%
%
%
%
***************************************************************
n = 5000;
%Jumlah simulasi random
level = [25:50];
%vektor tingkat produksi awal
cost = 30000+2000*level;
%biaya
for k = 1:26
cum_profit = 0;
for m = 1:n
demand = floor(rand*(50-25)+26);
if demand >= level(k)
income = 4000*level(k);
else
income = 4000*demand+1000*(level(k)-demand);
end
profit = income-cost(k);
cum_profit = cum_profit+profit;
end
expected_profit = cum_profit/n;
p(k,1) = level(k);
p(k,2) = expected_profit;
end
plot(p(:,1),p(:,2),'o',p(:,1),p(:,2),'-')
xlabel('Jumlah unit'),ylabel('Profit ($)')
loop k menunjukkan keuntungan produksi pada berbagai jumlah unit produksi
yaitu antara 25 50. loop m menunjukkan jumlah simulasi secara acak. Variabel
demand menunjukkan jumlah permintaan untuk produksi. Jika permintaan lebih
besar daripada jumlah produksi, maka seluruh barang akan dijual dan incomenya
adalah $ 4.000 kali jumlah barang. Jika income lebih sedikit daripada produksi
barang, maka income adalah $ 4.000 kali jumlah barang terjual ditambah $ 1.000
kali jumlah barang yang tidak terjual. Pada setiap permintaan yang acak, maka
profit adalah selisih pdapatn dan biaya. profit_kum adalah profit kumulatif
keuntungan untuk seluruh simulasi acak. expected_profit adalah profit

kumulatif rata-rata yaitu profit_kum dibagi simulasi acak.
Keluaran program
Profit ($)
145
6.3. OPTIMASI MULTIVARIABEL

Untuk optimasi multivariabel, Matlab menyediakan fminsearch. Untuk
memanggil fminsearch dapat diikuti langkah berikut:
x = fminsearch (fun,x0)
dimulai pada x0untuk menemukan x
optimal pada fungsi fun. fun menerima input x, dan keluar adalah F yang
dievaluasi pada x. x0dapat berupa scalar, vektor, atau matriks.
Contoh 6.5. Persamaan Fit untuk Data Tekanan Uap Benzena
Contoh 5.4 tentang hubungan tekanan uap benzena dan temperatur, dapat
pula digunakan persamaan Antoine
log(P) = A
B
T+C
Parameter A, B, dan C harus ditentukan dengan regresi non linier.
146
Program
%
Regresi non linier
%
B
%
log (P) = A - ------%
T + C
%
Penyelesaian dengan fungsi fminsearch
%
--------------------------------------------------------------%
%
%
%
***************************************************************
global vp T
% Data-data
vp = [ 1 5 10 20 40 60 100 200 400 760];
T = [-36.7 -19.6 -11.5 -2.6 7.6 15.4 26.1 42.2 60.6 80.1];
%Tebakan untuk nilai parameter
Ko = [10 2000 273] ;
% Perhitungan optimasi
K = fminsearch('F65',Ko)
% Evaluasi parameter
z = 10.^(K(1)-(K(2)./(T+K(3))));
% Menampilkan hasil
set(gca,'fontsize',14)
xlabel('T(C)')
ylabel('vp(mmHg)')
Fungsi terkait
function ff=F65(K)
%
Program ini bertujuan mencari nilai minimum
%
program non linier
%
Persamaan Antoine
%
K(1) = A
%
K(2) = B
%
K(3) = C
%
%
Nama File : F65.m
%
%
--------------------------------------------------------------global vp T
% Perhitungan minimasi SSE
f = log10(vp)-K(1)+K(2)./(T+K(3));
ff=sum(f.*f);
Keluaran program
K =
5.7673
677.0928
Artinya A = 5,7673
153.8852
147
B = 677,0928
vp(mmHg)
C = 153,8852
Contoh 6.6. Hidrogenasi Etilen menjadi Etana

Kecep. Reaksi
PE
PEA
PH
(mol/kgkat.detik)
(atm)
(atm)
(atm)
1,04
3,13
5,21
3,82
4,19
2,391
0,5
3,867
0,5
0,5
148
2,199
0,5
0,75
0,5
Reaksi hidrogenasi etilen menjadi etana

H2 + C2H4 C2H6
terjadi dengan katalis cobalt molybdenum. Dari data-data yang ditunjukkan pada
tabel di bawah ini, tentukan parameter-parameter persamaan kecepatan reaksi
dengan menggunakan analisa kuadrat terkecil.
-rA =
kPE PH
1 + K A PEA + K E PE
Penyelesaian
% Hidrogenasi Etilen menjadi Etana
%
Reaksi hidrogenasi etilen menjadi etana
%
H2 + C2H4 --> C2H6
%
Regresi Non Linear
%
kPePh
%
ra = -----------------%
1 + KaPea + KePe
%
Ingin menghitung nilai k, Ka, dan Ke
%
--------------------------------------------------------------%
%
%
%
***************************************************************
%
clear all
clc
global ra Pe Ph Pea n
% Data-data Percobaan
ra=[1.04 3.13 5.21 3.82 4.19 2.391
%
%
Pe=[1 1 1 3 5 0.5 0.5 0.5 0.5]; %
Pea=[1 1 1 1 1 1 0.5 3 5];
%
Ph=[1 3 5 3 3 3 5 3 1];
%
3.867 2.199 0.75];

Kecepatan reaksi
mol/kgkat.detik
Tekanan, atm
Tekanan, atm
Tekanan, atm
% Jumlah data
n=9;
% Tebakan awal k, Ka, Ke masing-masing 1
xo=[1 1 1];
%Minimasi di sub program F66
disp 'Harga k, Ka, dan Ke hasil minimasi'
fminsearch('F66',xo)
Fungsi perhitungan SSE

function f=F66(x)
%
149
%
%
%
%
%
%
%
SEE dari persamaan kecepatan reaksi sebagai

fungsi konstanta-konstanta yang ingin dicari
x(1)=k; x(2)=Ke; x(3)=Ka
Nama File : F66.m
---------------------------------------------------------------
% Data-data
global ra Pe Ph Pea n
% Minimasi SSE
f=0;
for i=1:n
f=f+(ra(i)-(x(1)*Pe(i)*Ph(i))/(1+x(3)*Pea(i)+x(2)*Pe(i)))^2;
end
Hasil program
>> Harga k, Ka, dan Ke hasil minimasi
ans =
3.3479
2.2111
0.0429
Artinya adalah k = 3,3479; Ka = 2,2111; dan Ke = 0,0429

-rA =
3,3479PE PH
1 + 2,2111PEA + 0,0429PE
Contoh 6.7. Optimasi Kanal Saluran Air
Gambar 6.5 menunjukkan cross section dari kanal saluran air. Analisa awal
menunjukkan bahwa luas penampang saluran harus 100 ft3 untuk dapat
menampung kecepatan aliran air. Untuk meminimasi biaya digunakan kanal
lurus dengan cara meminimasi panjang perimeter kanal. Tentukan d, b, dan
untuk meminimasi panjang kanal ini.
d
b
Gambar 6.5. Kanal Saluran Air
Panjang perimeter L dapat ditulis sebagai
150
L = b + 2d
sin
Luas penampang saluran
2
= 100
A = db + d
tan
b = 100 d
d
tan
substitusi pada persamaan

L=
100
d
2d
+
d
tan sin
Program Matlab
% Optimasi Kanal Saluran Air
%
menentukan d dan sudut tetha
%
100
d
2d
%
L = ---- - ---------- + ---------%
d
tan(tetha)
sin(tetha)
%
Ingin menghitung nilai k, Ka, dan Ke
%
---------------------------------------------------------------%
%
%
%
*****************************************************************
%
clear all
clc
% Tebakan awal
d_tebakan = 20;
teta_tebakan = 1;
% ft
% Perhitungan optimasi
x =fminsearch('F67',[d_tebakan teta_tebakan]);
% Hasil perhitungan
d = x(1)
teta = x(2)*180/pi
% konversi ke derajat
Program perhitungan L
function L = F67(x)
%
Program ini berisi fungsi untuk menghitung L
%
sebagai fungsi d dan tetha
%
%
Nama File : F67.m
%
%
--------------------------------------------------------------d = x(1);
teta = x(2);
% Persamaan yang diminimasi
L = 100./d-d./tan(teta)+2*d./sin(teta);
151
Keluaran program
>>
d =
7.5983
teta =
60.0004
Contoh 6.8. Perhatikan Program berikut ini

%
%
%
%
%
%
%
%
%
%
--------------------------------------------------------------Demonstrasi regresi nonlinear dengan fminsearch

Fit y=alpha*exp(beta*x)
***************************************************************
clear all
global xDataz yDataz
% Header Program
disp('Demonstrasi regresi nonlinear')
disp(' y = alpha*exp(beta*x)')
% Data-data
xDataz = [ 0 2 3 5 7 8 9 ]';
yDataz = [ 10 8 5 3 2 1 1 ]';
% Tebakan
guess = [15 -0.5];
% Perhitungan
param = fminsearch('F68', guess);
% Cetak hasil perhitungan
alpha = param(1);
beta = param(2);
disp('Koefisien adalah: ')
disp([ 'alpha = ', num2str(alpha) ])
disp([ 'beta = ', num2str(beta) ])
% Evaluasi hasil
yfit = alpha.*exp(beta.*xDataz);
% Plot dan membandingkan hasil
plot(xDataz, yDataz, 'o', xDataz, yfit, '-', 'linewidth',2)
set(gca,'fontsize',16)
Fungsi untuk menghitung SSE

function sse=F68(param)
%
Program ini berisi fungsi untuk menghitung SEE
%
%
param(1)=alpha; param(2)=beta
%
%
Nama File : F68.m
%
%
---------------------------------------------------------------
152
global xDataz yDataz
% Mengubah variabel
alpha = param(1);
beta = param(2);
% Perhitungan SSE
error = yDataz - alpha.*exp(beta.*xDataz);
sse = sum(error.^2);
Keluaran Program
Gambar 6.6. Keluaran Program Contoh 6.8.

Demonstrasi regresi nonlinear
y = alpha*exp(beta*x)
Koefisien adalah:
alpha = 10.5674
beta = -0.23575
Contoh 6.9. Ekstraktor Tiga Tingkat
Campuran C dan A akan diambil C-nya dengan ekstraksi menggunakan solven B

dalam ekstraktor 3 tingkat yang beroperasi secara cross-current seperti terlihat
pada gambar 6.7. Hubungan kesetimbangan antara C dalam fasa B (y) dan C
dalam fasa A (x) mengikuti persamaan :
y = k.x2
Ingin dicari S1, S2, dan S3 yang memberikan xR minimal jika S = S1 + S2 + S3 =

tetap.
153
S1
S3
S2
1
x0
x1
F
x2
F
x3=xR
S1
S2
S3
y1
y2
y3
Gambar 6.7. Ekstraktor Tiga Tingkat Cross-current
Dari neraca massa diperoleh persamaan,
x1 =
x2 =
F + F 2 + 4F.S1 .k.x o
2S1 .k
F + F 2 + 4F.S 2 .k.x 1
xR = x3 =
2S 2 .k
F + F 2 + 4F.S3 .k.x 2
2S3 .k
S3 = S S1 S2
Data-data yang diketahui adalah F = 100 kg A/mnt; S = 180 kg B/mnt; xo = 0,2
kg C/ kg A; dan k = 20
% Ekstraktor Tiga Tingkat
%
%
--------------------------------------------------------------%
%
%
%
***************************************************************
global Stot xo F S3 k
% Data-data
Stot=180;
xo=0.2;
F=100;
k=20;
%
%
%
%
Laju alir solvent total, kg B/menit

Konsentrasi umpan, kg C/kg A
Laju alir umpan, kg A/menit
Konstanta kesetimbangan
% Tebakan awal laju alir solvent S1 & S2

So=[20 100];
% Perhitungan
[S,xR]=fminsearch(@F69,So);
154
% Hasil perhitungan
S1=S(1)
S2=S(2)
S3=Stot-S1-S2
xR_min=xR
Program terkait
function xR=F69(S)
%
Program ini berisi fungsi untuk menghitung XR
%
%
S(1) & S(2) ---> S(3) akan terhitung
%
%
Nama File : F69.m
%
%
--------------------------------------------------------------global Stot xo F S3 k
S3=Stot-S(1)-S(2);
x1= (-F+sqrt(F^2+4*F*S(1)*k*xo))/(2*S(1)*k);
x2= (-F+sqrt(F^2+4*F*S(2)*k*x1))/(2*S(2)*k);
xR= (-F+sqrt(F^2+4*F*S3*k*x2))/(2*S3*k);
Keluaran program
S1 =
47.3733
S2 =
59.8036
S3 =
72.8231
xR_min =
0.0382
Contoh 6.10. Koefisien Aktivitas Campuran Biner
Pada suhu 350 K, campuran biner bahan A dan B, fasa uapnya mengikuti
hukum-hukum gas ideal sedangkan fasa cairnya non-ideal dengan koefisien
aktivitas mengikuti persamaan :
A = exp ( .xB2 )
dan
B = exp ( .xA2 )
Pada 350 K, tekanan uap murni A dan B masing-masing 80 cmHg dan 60 cmHg.
Data tekanan total kesetimbangan pada 350 K pd berbagai fraksi mol A adalah :
xA
Pt
(cmHg)
0,1
0,2
0,3
0,4
0,6
0,7
0,8
0,9
65,8
70,3
73,9
76,5
79,9
80,9
81,3
81
155
Berdasarkan data-data tersebut, perkirakan nilai dengan membandingkan Pt
data dengan Pt hasil perhitungan sampai diperoleh SSE minimum.
SSE = (Pt hit Pt dat )
dengan Pthit dapat dicari dengan persamaan,
Pt hit = x A .PAo .exp (1 x A ) 2 + (1 x A ).PBo .exp(e 2A )

Penyelesaian
% Koefisien Aktivitas Campuran Biner
%
Koef(A) = exp (beta.xB^2 )
%
Koef(B) = exp (beta.xA^2 )
%
--------------------------------------------------------------%
%
%
%
***************************************************************
global xa Ptdat Pao Pbo
% Data-data
xa=[0.1 0.2 0.3 0.4 0.6 0.7 0.8 0.9];
Ptdat=[65.8 70.3 73.9 76.5 79.9 80.9 81.3 81];
% Tekanan uap murni
Pao=80; Pbo=60;
% Perhitungan beta
beta=fminsearch(@F610,0.7)
Program terkait
function fP=F610(B)
%
Program ini berisi fungsi untuk menghitung SSE
%
%
SSE = sigma [ P data - P hit ]^2
%
%
Nama File : F610.m
%
%
--------------------------------------------------------------global xa Ptdat Pao Pbo
Pt=xa*Pao.*exp(B*(1-xa).^2)+(1-xa)*Pbo.*exp(B*xa.^2);
fP=sum((Ptdat-Pt).^2);
Keluaran program
beta =
0.4584
Contoh 6.11.
Reaktor Adiabatis untuk Reaksi Fase Gas Bolak-balik

Eksotermis
156
Reaksi fasa gas bolak-balik eksotermis SO2 + O2 SO3 dijalankan dalam
reaktor tabung adiabatik dengan bantuan katalisator padat berbentuk butir-butir.
Aliran gas dianggap plug-flow dan tekanan system dianggap tetap Pt = 1 atm.
Proses ditunjukkan pada gambar 6.8.
Kecepatan reaksi mengikuti persamaan :
PSO3
k 1 .PO 2 .PSO 2 .1
0
,
5
P
.
P
.
K
gmol SO 2
SO 2
O2
P
=
r
2
jam . kg katalisator 22,414. 1 + K 2 .PSO 2 + K 3 .PSO 3
dengan :
5473
k 1 = exp12,16
8619
K 2 = exp 9,953 +
52956
K 3 = exp 71,745
11300
K P = exp 10,68 +
PSO 2 =
(1 x)
.Pt
(12,82 0,5.x)
PO 2 =
(1 x)
.Pt
(12,82 0,5.x)
PSO3 =
x
.Pt
(12,82 0,5.x)
xF
Tin
T = TF + 241,7.(x xF)
xin
Tin
xout
Tout
W kg katalis
F gmol N2 / j
SO2 = 7,8%
O2 = 10,8%
N2 = 81,4%
R gmol N2 / j
157
Gambar 6.8. Reaktor Adiabatis Plug Flow
Ingin dicari harga (R/F) yang memberikan nilai W minimum

x
out
R 1
W = 137,3.1 + . . dx
F x in r
R
x F + .x out
R
x in =
R
1+
F
Diketahui data-data sebagai berikut, xF = 0; xout = 0,64; TF = 660 K
% Reaktor Adiabatis untuk Reaksi Fase Gas Bolak-balik Eksotermis
%
%
SO2 + O2 ---> SO3
%
--------------------------------------------------------------%
%
%
%
***************************************************************
global xf xout Tf
% Data-data
xf=0;
% Konversi umpan
xout=0.64; % Konversi keluar reaktor
Tf=660;
% Temperatur umpan, K
% Perhitungan
[RperF,Wmin]=fminsearch(@F611,4)
Program terkait
158
function W=F611(RperF)
%
Program ini berisi fungsi untuk menghitung berat katalis
%
%
Nama File : F611.m
%
%
--------------------------------------------------------------global xf xout Tf
% Perhitungan konversi masuk reaktor
xin=(xf+RperF*xout)/(1+RperF);
% Distribusi nilai konversi dari konversi masuk sampai keluar
x=linspace(xin,xout,100);
% Perhitungan temperatur reaktor
T=Tf+241.7*(x-xf);
% Perhitungan tekanan parsial
Pso2=(1-x)./(12.82-0.5*x);
Po2=(1.3846-0.5*x)./(12.82-0.5*x);
Pso3=x./(12.82-0.5*x);
% Perhitungan kecepatan reaksi
k1=exp(12.16-5473./T);
K2=exp(-9.953+8619./T);
K3=exp(-71.745+52596./T);
Kp=exp(-10.68+11300./T);
Ra=k1.*Po2.*Pso2.*(1-Pso3./(Pso2.*sqrt(Po2).*Kp))./...
(22.414*(1+K2.*Pso2+K3.*Pso3).^2);
Ra1=1./Ra;
% Perhitungan berat katalis
area=trapz(x,Ra1);
W=137.3*(1+RperF)*area;
Keluaran program
RperF =
2.2554
Wmin =
4.4758e+003
Sehingga pada R/F = 2,25 akan diperoleh berat katalis minimum yaitu 4475,8 kg.
Contoh 6.12. Reaktor Batch Adiabatis untuk Reaksi Cair Orde 2
Reaktor batch beroperasi secara adiabatis untuk reaksi fasa cair order 2 : A B.
Perubahan entalpi reaksi HR, volume reaktor VR, dan kapasitas panas larutan Cp
dianggap tetap. Waktu bongkar pasang tp. Umpan masuk pada suhu TF dan
konsentrasi A CAo. Reaksi dihentikan pada konversi xR. Konversi A mula-mula
xRo. Ingin dicari konversi A yang memberikan kecepatan produksi B tiap waktu
maksimum.
Persamaan-persamaan yang dipakai adalah :
159
tR =
1
C Ao
x out
x in
1
dx A
k.(1 x A ) 2
E
k = A. exp
RT
T = TF B = VR
C Ao H R
xA
.Cp
C Ao .x R
(t R + t p )
Data-data yang diketahui adalah VR = 10.000 L; CAo = 1 gmol/L; = 1,0

kcal/(kg.K); A = 107 L/(gmol.mnt); E = 14 kcal/gmol; HR = - 6 kcal/gmol; R =
0,001987 kcal/(gmol.K); TF = 350 K; tp = 120 mnt; xRo = 0.
% Reaktor Batch Adiabatis untuk Reaksi Cair Orde 2
%
A --> B
%
%
--------------------------------------------------------------%
%
%
%
***************************************************************
global Tf Cao dHr rho Cp A Ea R xro Vr tp
% Data-data
Tf=350;
Cao=1;
dHr=-6;
rho=1;
Cp=1;
A=1e7;
Ea=14;
R=0.001987;
xro=0;
Vr=10000;
tp=120;
%
%
%
%
%
%
%
%
%
%
Temperatur umpan, K
Konsentrasi umpan, gmol/L
Beda entalphi reaksi, kkal/gmol
Densitas larutan, kg/L
Kapasitas panas larutan, kcal/kg.K
Konstanta Arrhenius, L/gmol.menit
Konstanta Arrhenius, kkal/gmol
Konstanta gas ideal, kkal/gmol.K
Konversi mula-mula
Volume reaktor, L
% Perhitungan konversi
konversi=fminsearch(@F612,0.5)
Program terkait
function fxr=soal_15b(xr)
%
Program ini berisi fungsi untuk menghitung konversi
%
%
Nama File : F612.m
%
%
---------------------------------------------------------------
160
global Tf Cao dHr rho Cp A Ea R xro Vr tp
tr=quad(@F612F,xro,xr);
fxr=(tr+tp)/(Vr*Cao*xr);
Program lain
function fx=F612F(x)
%
Program ini berisi fungsi untuk menghitung integral
%
waktu reaksi
%
Nama File : F612F.m
%
%
--------------------------------------------------------------global Tf Cao dHr rho Cp A Ea R xro Vr tp
T=Tf-Cao*dHr*x/(rho*Cp);
k=A*exp(-Ea./(R*T));
fx=1./(Cao*k.*(1-x).^2);
Keluaran program
konversi =
0.6267
Contoh 6.13. Reaktor Batch Adiabatis Reaksi Fase Cair Bolak-balik
Reaksi fasa cair bolak-balik eksotermis : A B dijalankan dalam reaktor batch

adiabatis. Volum campuran dapat dianggap tetap. Suhu awal reaktor To. Panas
reaksi kal/gmol, kapasitas panas campuran Cp cal/(g.K). Konsentrasi A mulamula CAo gmol/L dan konversi awal xo. Konversi akhir yang diinginkan xN. Ingin
dicari suhu awal reaktor To yang memberikan waktu reaksi t minimum.
Waktu reaksi dinyatakan dengan persamaan,
t=
xN
dx
k[(1 x) K.x ]
xo
E
k = A. exp
RT
K = . exp
T
T = To +
.C Ao
(x - x o )
.Cp
Data-data yang diketahui adalah : A = 25; E = 10.000; R = 1,987; = 1750; = 5.000; = 1100; Cp = 1,2; CAo = 1; xo = 0; xN = 0,3.
161
% Reaktor Batch Adiabatis Reaksi Fase Cair Bolak-balik
%
A <---> B
%
--------------------------------------------------------------%
%
%
%
***************************************************************
global alpa rho Cp Cao xo xn beta A Ea R lamda
% Data-data
alpa=1750;
rho=1100;
Cp=1.2;
Cao=1;
xo=0;
xn=0.3;
beta=-5e3;
A=25;
Ea=1e4;
R=1.987;
lamda=-8e4;
% Perhitungan temperatur awal optimum
[To,waktu]=fminsearch(@F613,700)
Program terkait
function ft=F613(To)
%
Program ini berisi fungsi untuk menghitung waktu reaksi
%
%
Nama File : F613.m
%
%
--------------------------------------------------------------global alpa rho Cp Cao xo xn beta A Ea R lamda
% Distribusi konversi di reaktor
x=linspace(xo,xn,100);
% Perhitungan temperatur reaktor
T=To+lamda*Cao*(x-xo)/rho/Cp;
% Perhitungan waktu reaksi
k=A*exp(-Ea./(R*T));
K=alpa*exp(beta./T) ;
y=1./(k.*((1-x)-K.*x));
ft=trapz(x,y);
Keluaran program
To =
736.3329
waktu =
25.6426
Contoh 6.14. Dua Reaktor Adiabatis Tersusun Seri
162
Reaksi endotermis order 1 fasa gas : A B + C, dijalankan dengan katalisator
padat dalam 2 reaktor adiabatis yang disusun seri seperti terlihat pada gambar
6.9. Suhu umpan masuk ke reaktor-reaktor dijaga Tin dengan preheater dan interheater. Umpan reaktor 1 berupa A murni sebanyak FAo. Tekanan reaktor-reaktor
dianggap tetap P. Aliran gas dianggap plug flow. Carilah konversi antara yang
memberikan berat katalisator W minimum.
Berat katalisator dinyatakan dengan persamaan,
x out
Wi = FAo .
x in
dx
, ( i =1 , 2 )
rA
Kecepatan reaksi dinyatakan dengan persamaan
rA =
k.P 1 x
R .T 1 + x
T = TR
[(1 x in ).Cp A + x in .(Cp B + Cp C )].(TR Tin ) + ( x x in ).H oR

(1 x ).Cp A + x.(Cp B + Cp C )
x0, Tin
x1, T1
x1, Tin
x2, T2
x0, T0
W2
W1
HE
HE
Gambar 6.9. Susunan Reaktor Seri
% Dua Reaktor Adiabatis Tersusun Seri
%
Reaksi endotermis order 1 fasa gas
%
A ---> B + C
%
dengan katalisator padat dalam 2 reaktor adiabatis
%
yang disusun seri
%
--------------------------------------------------------------%
%
%
%
***************************************************************
global xin xout Tr Tin Cpa Cpb Cpc dHr R P Fao
% Data-data
xin=0;
xout=0.6;
% Konversi masuk rangkaian reaktor

% Konversi keluar rangkaian reaktor
163
Tr=298;
Tin=1200;
Cpa=4;
Cpb=5.5;
Cpc=7;
dHr=2000;
P=2;
R=0.082;
Fao=10;
%
%
%
%
%
%
%
%
%
Temperatur referensi, K
Temperatur masuk reaktor, K
Kapasitas panas A, kal/gmol.K
Kapasitas panas B, kal/gmol.K
Kapasitas panas C, kal/gmol.K
Beda entalphi reaktsi, kal/gmol
Tekanan reaktor, atm
Konstanta gas ideal, L.atm/gmol.K
Kecepatan umpan masuk,gmol/detik
% Penentuan konversi keluar reaktor 1 optimal utk W minimal

[x1,W]=fminbnd(@F614,xin,xout)
Program terkait
function fw=F614(x1)
%
Program ini berisi fungsi untuk menghitung berat katalis
%
%
Nama File : F614.m
%
%
--------------------------------------------------------------global xin xout Tr Tin Cpa Cpb Cpc dHr R P Fao
% Distribusi nilai x dari xin sampai x1
x=linspace(xin,x1,40);
% Perhitungan temperatur keluar reaktor 1
T=Tr-((Tr-Tin)*((1-xin)*Cpa+xin*(Cpb+Cpc))+(x-xin)*dHr)./...
((1-x)*Cpa+x*(Cpb+Cpc));
% Perhitungan berat katalis reaktor 1
k=2.5e16*exp(-33000./T);
ya=Fao./(k*P.*(1-x)./(R*T.*(1+x)));
wa=trapz(x,ya);
% Distribusi nilai x dari x1 sampai xout
x=linspace(x1,xout,40);
% Perhitungan temperatur keluar reaktor 2
T=Tr-((Tr-Tin)*((1-x1)*Cpa+x1*(Cpb+Cpc))+(x-x1)*dHr)./...
((1-x)*Cpa+x*(Cpb+Cpc));
% Perhitungan berat katalis reaktor 2
k=2.5e16*exp(-33000./T);
yb=Fao./(k*P.*(1-x)./(R*T.*(1+x)));
wb=trapz(x,yb);
% Berat katalis total
fw=wa+wb;
Keluaran program
x1 =
0.2506
W =
560.4560
Sehingga konversi dari reaktor 1 yang optimal adalah 0,2506 dengan berat
katalis total minimal 560,456 kg.
164
Contoh 6.15. Reaktor Batch untuk Reaksi Gas Cair
Reaksi fasa cair eksotermis A B, dijalankan dalam sebuah reaktor tangki

berpengaduk yang bekerja secara batch dan adiabatis. Kadar A dalam reaktor
kecil. Data operasi reaktor tersebut untuk konsentrasi A awal, CAo = 1,6 gmol/L
adalah sebagai berikut,
Waktu
Konversi A
(menit)
Suhu
(K)
340
30
0,11
344
60
0,28
350
90
0,53
359
120
0,78
369
150
0,90
373
Jika persamaan kinetika dinyatakan sebagai berikut,
t=
1
C Ao
dx
k.(1 x)
E
k = A. exp
RT
T = To + CAo..x
Tentukan nilai dengan cara regresi linear kemudian tentukan nilai A dan B
dengan mencari SSE minimum, SSE dinyatakan dengan persamaan berikut,
SSE = (t hit t dat )
Penyelesaian
% Reaktor Batch untuk Reaksi Gas Cair
%
Reaksi fasa cair eksotermis
%
A ---> B
%
reaktor tangki berpengaduk yang bekerja
%
secara batch dan adiabatis
%
--------------------------------------------------------------%
%
%
%
***************************************************************
% Tebakan konstanta
165
Ao=[2e18 1.8e4];
% Penentuan konstanta
[A]=fminsearch(@F615,Ao);
% Menampilkan hasil perhitungan
Ar=A(1)
B=A(2)
Program terkait
function ft=F615(A)
%
Program ini berisi fungsi untuk menghitung SEE
%
%
Nama File : F615.m
%
%
--------------------------------------------------------------% Data-data
Cao=1.6; To=340;
tdat=[0 30 60 90 120 150];
Tdt=[340 344 350 359 369 373];
xdt=[0 0.11 0.28 0.53 0.78 0.9];
% Penentuan Beta
p=polyfit(xdt,Tdt,1);
beta=p(1)/Cao;
% Perhitungan waktu
for i=1:6
x=linspace(0,xdt(i),100);
T=To+beta*Cao*x;
k=A(1)*exp(-A(2)./T);
y=1./(Cao*k.*(1-x).^2);
wkt(i)=trapz(x,y);
end
% Perhitungan SEE
ft=sum((tdat-wkt).^2);
Keluaran program
Ar =
9.9683e+017
B =
1.6204e+004
PERSAMAAN
DIFFERENSIAL ORDINER
Persamaan differensial merupakan persamaan yang sangat sering

dijumpai dalam penyusunan suatu model untuk mendiskripsikan suatu
phenomena. Persamaan differensial merupakan gabungan suatu fungsi yang
tidak diketahui disertai turunannya. Variabel yang didifferensialkan disebut
variabel tak bebas dan variabel tempat variabel tak bebas didifferensialkan
disebut variabel bebas (independen). Jika fungsi tersebut mencakup satu variabel
bebas, maka persamaan tersebut disebut persamaan differensial ordiner. Tetapi
jika fungsi tersebut mencakup lebih dari satu variabel bebas, maka persamaanya
disebut persamaan differensial parsial, yang akan dibahas pada bab VIII.
Persamaan differensial juga diklasifikasikan menurut ordenya. Jika suatu
fungsi turunan tertingginya adalah turunan pertama, maka persamaan tersebut
disebut persamaan differensial orde satu. Suatu persamaan orde dua akan
mempunyai turunan kedua sebagai turunan tertinggi.
Penyelesaian persamaan differensial orde ke-n membutuhkan n kondisi
yang diketahui. Jika kondisi dispesifikasikan pada harga yang sama pada
variabel bebas (misal pada t = 0) maka masalah ini dinamakan masalah harga
awal (initial value problem). Selain masalah harga awal, kadang spesifikasi
kondisi terjadi pada harga-harga yang berbeda dari variabel bebas. Jika demikian
170
maka persoalan tersebut disebut masalah harga batas (boundary value problem).
Pada bagian awal bab ini akan dibahas masalah harga awal terlebih dahulu yang
akan dilanjutkan penyelesaian untuk masalah harga batas pada bagian akhir bab.
Ada dua kategori utama metode numerik dalam penyelesaian persamaan
differensial ordiner, yaitu metode satu langkah dan metode multi langkah. Untuk
metode satu langkah akan dibahas metode Euler dan metode Runge-Kutta.
Sedangkan metode multi langkah akan dibahas metode predictor-korektor.
7.1. MASALAH HARGA AWAL

7.1.1. METODE EULER
Metode Euler adalah salah satu metode satu langkah yang paling
mendasar. Semua metode satu langkah menggunakan suatu slope untuk
mengekstrapolasikan suatu harga lama variabel tak bebas terhadap suatu harga
baru variabel tak bebas tersebut. Perbedaanya adalah pada cara memperkirakan
besarnya slope tersebut.
slope
xi
xi+1
h
Gambar 7.1. Penjelasan Grafis Metode Satu Langkah

Bentuk umum yn+1 = yn + h
(7.1)
Untuk metode Euler turunan pertama memberikan perkiraan langsung

slope pada yn.
171
yn+1 = yn + f(tn,yn) h
(7.2)
Berikut program Matlab untuk metode Euler

function [tvals, yvals]=euler(func,tspan,startval,step)
%
Program ini bertujuan untuk penyelesaian
%
persamaan differensial ordiner
%
dengan Metode Euler
%
Cara menggunakan fungsi ini
%
tvals adalah variabel bebas (t)
%
yvals adalah variabel tak bebas hasil perhitungan (y)
%
func adalah nama fungsi yang ingin diselesaikan
%
tspan adalah variabel bebas
%
starval adalah nilai awal variabel bebas (yo)
%
step adalah besaran langkah untuk interval tspan
%
%
Nama File : euler.m
%
%
--------------------------------------------------------------steps=(tspan(2)-tspan(1))/step+1;
y=startval;t=tspan(1);
yvals=startval;tvals=tspan(1);
for i=2:steps
y1=y+step*feval(func,t,y);t1=t+step;
tvals=[tvals,t1]; yvals=[yvals,y1];
t=t1;y=y1;
end
Contoh 7.1.
Selesaikan dengan Metode Euler
dy/dt = y 20
dengan y(0) = 100
Program Matlab
% Demonstrasi penggunaan metode euler
%
Program ini bertujuan menyelesaikan
%
dy
%
---- = y - 20
y(0) = 100
%
dt
%
Tentukan y sebagai fungsi t
%
Penyelesaian dengan Metode Euler
%
Dicoba untuk berbagai besaran step yang berbeda
%
--------------------------------------------------------------%
%
%
%
***************************************************************
[t y] = euler('F71',[0 5],100,0.5); % step = 0.5
plot(t,y,'ko','LineWidth',2);
axis([0 5 0 12000])
pause(3)
hold on;
[t y] = euler('F71',[0 5],100,0.2); % step = 0.2
plot(t,y,'kx','LineWidth',2);
pause(3)
[t y] = euler('F71',[0 5],100,0.1); % step = 0.1
plot(t,y,'k+','LineWidth',2);
pause(3)
xlabel('time','FontSize',14);ylabel('y','FontSize',14);
plot(t,80*exp(t)+20,'k-')
hold off;
172
Fungsi terkait
function v=F71(t,y)
%
Program ini berisi fungsi untuk menghitung v
%
dy
%
v = ---- = y - 20
%
dt
%
Nama File : F71.m
%
%
--------------------------------------------------------------v= y - 20;
Keluaran program
7.1.2. METODE RUNGE-KUTTA

Metode satu langkah lain adalah metode Runge-Kutta.
Bentuk umum
yn+1 = yn + hf(tn, yn, h)
(7.3)
f(tn, yn, h) disebut fungsi inkremen yang dapat diinterpretasikan sebagai sebuah
slope rata-rata sepanjang interval. Fungsi inkremen dapat ditulis sebagai
173
f(tn, yn, h) = a1k1 + a2k2 + + ankn
Ada beberapa jenis metode Runge-Kutta yang dapat digunakan tergantung dari
pengembangan jumlah suku-suku yang berbeda pada fungsi inkremen. Metode
Runge-Kutta yang paling popular adalah Metode Runge-Kutta klasikal yang
menggunakan orde 4 ( n = 4 ).
yn+1 = yn + (k1 + 2k2 + 2k3 + k4)/6
dengan
(7.4)
k1 = h(tn, yn)
k2 = h(tn + h/2, yn + k1/2)
k3 = h(tn + h/2, yn + k2/2)
k4 = h(tn + h, yn + k3)
Berikut program Matlab untuk metode Runge-Kutta

function [tvals,yvals]=rkgen(func,tspan,startval,step)
%
%
%
dengan Metode Runge-Kutta
%
%
%
%
%
%
%
%
%
Nama File : rkgen.m
%
%
--------------------------------------------------------------b=[ ];c=[ ];d=[ ];order = 4;
b=[1/6 1/3 1/3 1/6]; d=[0 0.5 0.5 1];
c=[0 0 0 0; 0.5 0 0 0; 0 0.5 0 0; 0 0 1 0];
steps=(tspan(2)-tspan(1))/step+1;
y=startval;t=tspan(1);
yvals=startval;tvals=tspan(1);
for j=2:steps
k(1)=step*feval(func,t,y);
for i=2:order
k(i)=step*feval(func,t+step*d(i),y+c(i,1:i-1)*k(1:i-1)');
end;
y1=y+b*k';t1=t+step;
t=t1;y=y1;
end;
7.1.3. METODE PREDIKTOR KOREKTOR
174
Metode Euler dan metode Runge-Kutta menggunakan harga variabel tak
bebas yn pada sebuah titik berikutnya tn+1. Pendekatan alternatif lain adalah
dengan mendasarkan pengertian bahwa sekali perhitungan dimulai informasi
yang berharga dari titik-titik terdahulu berada dalam pengaturan. Pendekatan ini
disebut metode multi langkah. Metode prediktor-korektor adalah metode multi
langkah yang menggunakan beberapa persamaan untuk memperkirakan harga
variabel tak bebas ke-n+1. Hasilnya kemudian koreksi dengan persamaan
korektor. Sebagai contoh dapat digunakan metode Adam-Bashforth-Moulton.
yn+1 = yn + h(55yn 59yn-1 + 37yn-2 9yn-3)/24
(7.5)
y n+1 = f(tn+1,yn+1)
yn+1 = yn + h(9yn+1 19yn 5yn-1 + yn-2)/24
(7.6)
y n+1 = f(tn+1,yn+1)
tn+1 = tn + h
Terlihat dibutuhkan tiga titik awal untuk dapat menggunakan metode AdamBashforth-Moulton. Tiga titik awal ini dapat diperoleh dengan menggunakan
metode Runge-Kutta.
Program Matlab untuk metode Adam-Bashforth-Moulton
function [tvals,yvals]=abm(func,tspan,startval,step)
%
%
%
Metode Prediktor-Korektor (Adams, Bashforth, Moulton)
%
%
%
%
%
%
%
%
%
Nama File : abm.m
%
%
--------------------------------------------------------------b=[ ];c=[ ];d=[ ];order = 4;
b=[1/6 1/3 1/3 1/6]; d=[0 0.5 0.5 1];
c=[0 0 0 0; 0.5 0 0 0; 0 0.5 0 0; 0 0 1 0];
steps=(tspan(2)-tspan(1))/step+1;
y=startval;t=tspan(1);fval(1)=feval(func,t,y);
ys(1)=startval;yvals=startval;tvals=tspan(1);
% Tiga langkah awal dengan Metode Runge-Kutta
for j=2:4
k(1)=step*feval(func,t,y);
for I=2:order
k(i)=step*feval(func,t+step*d(i),y+c(I,1:I-1)*k(1:I-1));
end;
y1=y+b*k;ys(j)=y1;t1=t+step;
175
fval(j)=feval(func,t1,y1);
t=t1;y=y1;
end;
% Langkah selanjutnya dg ABM orde 4
for I=5:steps
y1=ys(4)+step*(55*fval(4)-59*fval(3)+37*fval(2)-9*fval(1))/24;
t1=t+step;fval(5)=feval(func,t1,y1);
yc=ys(4)+step*(9*fval(5)+19*fval(4)-5*fval(3)+fval(2))/24;
fval(5)=feval(func,t1,yc);
fval(1:4)=fval(2:5);
ys(4)=yc;
tvals=[tvals,t1];yvals=[yvals,yc];
t=t1; y=y1;
end
Contoh 7.2.
Selesaikan
dy/dt = 2yt
dengan y = 2 untuk t = 0
Penyelesaian secara analitis y = 2exp(t2)

% Demonstrasi penyelesaian Persamaan Differensial Ordiner
%
%
dy
%
---- = 2*t*y
y(0) = 2
%
dt
%
Tentukan y sebagai fungsi t
%
Penyelesaian dengan
%
Metode Runge-Kutta dan Prediktor-Korektor
%
--------------------------------------------------------------%
%
%
%
***************************************************************
%
t0=0; tf=2; tinc=0.25; steps=floor((tf-t0)/tinc+1);
[t,y1]=rkgen(F72,[t0 tf],2,tinc);
[t,y2]=abm(F72,[t0 tf],2,tinc);
disp( t
Runge-Kutta
Prediktor-Korektor
Eksak )
for I=1:steps
fprintf(%8.2f%14.7f%18.7f%16.7f\n,t(i),y1(i),y2(i),...
2*exp(t(i)*t(i)));
end
Program terkait
function v=F72(t,y)
%
%
dy
%
v = ---- = 2*y*t
%
dt
%
Nama File : F72.m
%
%
-------------------------------------------------------------v=2*t*y;
Keluaran program
176
t
0.00
0.25
0.50
0.75
1.00
1.25
1.50
1.75
2.00
Runge-Kutta
2.0000000
2.1289876
2.5680329
3.5099767
5.4357436
9.5369365
18.9519740
42.6424234
108.5814979
Prediktor-Korektor
Eksak
2.0000000
2.0000000
2.1289876
2.1289889
2.5680329
2.5680508
3.5099767
3.5101093
5.4340314
5.4365637
9.5206761
9.5414664
18.8575896
18.9754717
42.1631012
42.7618855
106.2068597
109.1963001
7.1.4. FUNGSI ode

Matlab menyediakan fungsi-fungsi
ode
untuk secara numerik
mendekati penyelesaiannya. Fungsi ode45 adalah fungsi ode pertama yang dapat
dicoba pada masalah yang baru. Untuk melakukan hal tersebut perlu ditulis
sebuah fungsi M-File yang menghasilkan derivatif untuk nilai variabel tak bebas.
Contoh 7.3. Penyelesaian Dua Persamaan Differensial Ordiner

Perhatikan contoh program berikut
%
%
dc/dt = 1 - c - xk*c
... neraca massa
%
dT/dt = 1 - T - alpha*xk*c
... neraca entalpi
%
Penyelesaian dengan fungsi ode45
%
%
--------------------------------------------------------------%
%
%
%
***************************************************************
clear all
global Alpha Beta
% Data-data
Alpha = -5.;
Beta = 2.;
% Nilai awal
y0(1) = 1. ;
y0(2) = 0.1;
% Batasan waktu
t0 = 0.;
% waktu mulai
tf = 1.;
% waktu akhir
% Penggunaan fungsi ode45
[t y] = ode45('F73', [t0:0.01:tf], y0);
% Menyimpan hasil perhitungan
% Data ini dapat dibuka dg word atau excel
temp = [t y]; save ode.dat temp -ascii
177
% Plot hasil
plot(t, y, 'k-','linewidth',2)
Program perhitungan
function dydt = F73(time, y)
%
%
dc/dt = 1 - c - xk*c
... neraca massa
%
dT/dt = 1 - T - alpha*xk*c
... neraca entalpi
%
Nama File : F73.m
%
%
-------------------------------------------------------------global Alpha Beta
% Variabel sesungguhnya
c = y(1);
T = y(2);
% Konstanta kecepatan reaksi
xk = Beta*T*T;
% Persamaan Differensial Ordiner
dydt(1) = 1. - c - xk*c
;
dydt(2) = 1. - T - Alpha*xk*c ;
dydt = dydt';
Keluaran program
178
Contoh 7.4. Tangki Seri Larutan Garam

Dua buah tangki dengan kapasitas 100 L diisi penuh dengan larutan garam
dengan konsentrasi 20 g/L. Ke dalam tangki I dimasukkan air 5 L/menit, dan
pada saat yang sama dari tangki I dialirkan 8 L/menit larutan ke tangki II. Dari
tangki II dialirkan 8 L/menit tapi dipecah menjadi 2 aliran yaitu 3 L/menit
dikembalikan (di-recycle) ke tangki I dan 5 L/menit diambil sebagai hasil.
Tentukan konsentrasi garam pada kedua tangki setelah 30 menit.
Recycle
Tangki I
Tangki II
Produk
Gambar 7.4. Tangki Seri Larutan Garam

% Dua Tangki Seri Larutan Garam
%
Tentukan konsentrasi larutan garam pada Tangki I dan II
%
sebagai fungsi waktu
%
--------------------------------------------------------------%
%
%
%
***************************************************************
%
% Kondisi awal tangki
C1o = 20;
% Konsentrasi Tangki I awal, g/L
C2o = 20;
% Konsentrasi Tangki II awal, g/L
179
Co = [C1o C2o];
% Batasan waktu
to = 0;
% waktu awal, menit
tn = 30;
% waktu akhir, menit
n = 31;
% jumlah data
datat = linspace(to,tn,n);
% Perhitungan
[t,C]= ode45('F74',datat,Co);
% Plot hasil
plot(t,C(:,1),'k-',t,C(:,2),'k+','LineWidth',2);
legend('C1','C2')
% Menampilkan hasil
t = t(n)
C1 = C(n,1)
C2 = C(n,2)
Program terkait
function dCdt = F74(t,C)
%
%
konsentrasi garam tangki I dan II
%
sebagai fungsi waktu
%
Neraca massa tangki I
%
dC1/dt = (q0*C0 + qR*C2 - q1*C1)/V1
%
Neraca massa tangki II
%
dC2/dt = (q1*C1 - q2*C2)/V2
%
Nama File : F74.m
%
%
-------------------------------------------------------------% Data-data
V1 = 100;
V2 = 100;
q0 = 5;
q1 = 8;
q2 = 8;
qR = 3;
qproduk = 5;
C0 = 0;
%
%
%
%
%
%
%
%
Volume tangki I, L
Volume tangki II, L
Laju alir umpan, L/menit
Laju alir keluar tangki I, L/menit
Laju alir keluar tangki II, L/menit
Laju alir recycle, L/menit
Laju alir produk, L/menit
konsentrasi umpan, L/menit
% Persamaan differensial
dCdt1 = (q0*C0 + qR*C(2) - q1*C(1))/V1;
dCdt2 = (q1*C(1) - q2*C(2))/V2;
dCdt = [dCdt1
dCdt2];
Keluaran program
180
Contoh 7.5. Penukar Panas dalam Tangki Seri

Tiga tangki tersusun seri digunakan sebagai preheater larutan minyak
multikomponen sebelum larutan tersebut diumpankan ke kolom distilasi untuk
dipisahkan. Setiap tangki mula-mula diisi dengan 1000 kg minyak 20 OC. Steam
jenuh pada temperatur 250 OC dikondensasikan di dalam koil di setiap tangki.
Minyak umpan masuk tangki pertama pada kecepatan 100 kg/menit dn overflow
ke tangki kedua dan ketiga dengan kecepatan yang sama. Temperatur umpan
minyak masuk tangki pada 20 OC. Tangki-tangki dilengkapi dengan pengaduk
sehingga larutan tercampuran sempurna dan mempunyai suhu yang seragam.
Temperatur keluar tangki sama dengan temperatur di dalam tangki. Kapasitas
panas Cp minyak adalah 2,0 kJ/kg. Untuk setiap tangki, panas yang ditransfer ke
minyak dari koil steam dinyatakan dengan
Q = UA(Tsteam T)
181
O
dengan UA = 10 kJ/menit C yaitu koefisien transfer panas dan luas oil setiap
tangki. T adalah temperatur minyak dalam tangki (OC) dan Q adalah kecepatan
panas ditransfer dalam kJ/menit.
To = 20 C
W = 100 kg/menit
T1
T1
steam
T2
T2
T3
steam
T3
steam
Gambar 7.6. Sistem Penukar Panas Tangki Seri

Tentukan suhu di dalam setiap tangki sebagai fungsi waktu !
Penyelesaian
Neraca panas pada tangki 1
MCp
dT1
= WCpTo + UA(Tsteam T1) WCpT1
dt
dT1
= [WCp(To T1) + UA(Tsteam T1)]/ (MCp)
dt
analog untuk tangki 2 dan 3
dT2
= [WCp(T1 T2) + UA(Tsteam T2)]/ (MCp)
dt
dT3
= [WCp(T2 T3) + UA(Tsteam T3)]/ (MCp)
dt
Program Matlab
% Penukar Panas dalam Tangki Seri
%
Larutan minyak multikomponen dipanaskan dalam
%
tiga tangki tersusun seri.
%
Sebagai pemanas digunakan steam jenuh yang
%
terkondensasi dalam koil
%
Tentukan suhu di dalam tangki sebagai fungsi waktu
%
Penyelesaian dengan fungsi ode45
%
--------------------------------------------------------------%
%
%
%
***************************************************************
%
182
clear all
clc
global W UA M Cp Tsteam Jml_Tangki To
% Data-data
Jml_Tangki = 3;
W = 100;
UA = 10;
M = 1000;
Cp = 2.0;
Tsteam = 250;
To = 20;
%
%
%
%
%
%
%
Jumlah tangki
Laju alir minyak, kg/menit
Koef. transfer panas & luas koil, kJ/menit.C
massa minyak dalam tangki, kg
kapasitas panas minyak, kj/kg
temperatur steam jenuh, C
temperatur minyak masuk, C
% Temperatur awal tangki

T_awal = ones(1,Jml_Tangki)*To;
% Setting waktu
t_mulai = 0;
% menit
t_akhir = 90;
% menit
tspan = [t_mulai t_akhir];
% Perhitungan dg fungsi ode45
[t,T]=ode45('F75',tspan,T_awal);
% Plot hasil perhitungan
plot(t,T,'k-','LineWidth',2)
title('Temperatur dalam Tangki Berpengaduk','FontSize',14)
xlabel('waktu(menit)','FontSize',14)
ylabel('T(C)','FontSize',14)
output=[t T];
save temp.dat output ascii
Program terkait
function dTdt = F75(t,T)
%
%
temperatur di dalam tangki sebagai fungsi waktu
%
Neraca panas di setiap tangki
%
dTi
W Cp (To - Ti) + UA (Tsteam - Ti)
%
----- = ----------------------------------%
dt
M Cp
%
Nama File : F75.m
%
%
--------------------------------------------------------------global W UA M Cp Tsteam Jml_Tangki To
for j =1:Jml_Tangki
if j==1
dTdt(j)=(W*Cp*(To-T(j))+UA*(Tsteam-T(j)))/(M*Cp); % Tangki 1
else
dTdt(j)=(W*Cp*(T(j-1)-T(j))+UA*(Tsteam-T(j)))/(M*Cp);
% Tangki 2 & 3
end
end
dTdt=dTdt';
Keluaran program
183
Contoh 7.6. Persamaaan Differensial Ordiner Simultan

Dalam sistem yang tertutup, tiga komponen bereaksi dengan langkah sebagai
berikut
k
1
B
A
2
A + C
B + C
3
C + B
2B
mengikuti persamaan differensial berikut :
dC A
= -k1CA + k2CBCC
dt
dC B
= k1CA k2CBCC k3CB2
dt
dC C
= k3CB2
dt
184
CA(0) =1, CB(0) = CC(0) = 0.
Tentukan CA(10), CB(10), dan CC(10), jika k1 = 0,08, k2 =2 x 104, k3 = 6.107 !
Program Matlab
% Reaksi-reaksi Simultan
%
k1
k2
k3
%
A ----> B
B + C ----> A + C
2B ----> C + B
%
ra = -k1*Ca
%
rb = k1*Ca - k2*Cb*Cc - k3*Cb^2
%
rc = k3*Cb^2
%
Tentukan Ca, Cb, dan Cc sebagai fungsi waktu
%
--------------------------------------------------------------%
%
%
%
***************************************************************
%
clear all
clc
global k1 k2 k3
% Data konstanta kecepatan reaksi
k1 = 8e-2;
k2 = 2e-4;
k3 = 6e-2;
% Data kondisi awal
Cao = 1.0;
Cbo = 0;
Cco = 0;
Co = [Cao Cbo Cco];
% Batasan waktu
to = 0;
tn = 10;
tspan = [to tn];
% Perhitungan
[t C] = ode45('F76',tspan,Co);
% Plot Hasil
plot(t,C(:,1),'k-',t,C(:,2),'k+',t,C(:,3),'ko','LineWidth',2)
title('Tiga Reaksi Simultan','FontSize',14)
xlabel('waktu','FontSize',14)
ylabel('konsentrasi','FontSize',14)
legend('Ca','Cb','Cc',14)
Program terkait
function dC_dt=F76(t,C)
%
Program ini berisi fungsi untuk menghitung Ca, Cb, Cc
%
ra = -k1*Ca
%
rb = k1*Ca - k2*Cb*Cc - k3*Cb^2
%
rc = k3*Cb^2
%
Nama File : F76.m
%
%
-------------------------------------------------------------global k1 k2 k3
% Variabel awal
Ca = C(1);
Cb = C(2);
Cc = C(3);
185
dC_dt(1) = -k1*Ca + k2*Cb*Cc;
dC_dt(2) = k1*Ca - k2*Cb*Cc - k3*Cb^2;
dC_dt(3) = k3*Cb^2;
dC_dt=dC_dt';
konsentrasi
Keluaran program
Contoh 7.7. Reaksi Pembentukan Etilen Oksida dari Etilen

Reaksi oksidasi etilen menjadi etilen oksida
H2C CH2
O
1/2 O 2
H2C
CH2
Etilen oksida (A) dan O2 (B) masuk reaktor pada temperatur 260 OC. Etilen
masuk dengan kecepatan 0,3 lbmol/detik dan tekanan 10 atm. Reaksi dijalankan
pada sepuluh unit pipa yang masing-masing unit terdiri 100 pipa diameter 1 in
schedule 40.
186
Akibatnya laju alir 3.10-4 lbmol/detik. Sifat fisis fluida bereaksi dipertimbangkan
sebagai udara pada tekanan dan temperatur yang sama. Densitas katalis yang
berdiameter in 120 lb/ft3 dan bed void fraction 0,45.
Kecepatan reaksi rA = kPA1/3PB2/3 dengan k = 0,0141 lbmol/(atm.lbkatalis.jam)
pada 260 OC. Tentukan konversi dan penurunan tekanan sebagai fungsi berat
katalis ! Diketahui o = 0,0775 atm/ft.
Penyelesaian
FAo = 3.10-4 lbmol/detik = 1,08 lbmol/jam
FBo = 1,5.10-4 lbmol/detik = 0,54 lbmol/jam
FI = 1,5.10-4 lbmol/detik x 0,79/0,21 = 5,64.10-4 lbmol/detik = 2,03 lbmol/jam
FTo = 3,65 lbmol/jam
PAo = yAoPo = (FAo / FTo)Po
PAo = (1,08/2,03).10 atm = 3 atm
-rA = kPA1/3PB2/3
-rA = k(CART)1/3(CBRT)2/3 = kRT CA1/3CB2/3
v = vo (1+X)(Po/P)
CA = FA = C Ao (1 x ) P
v
1 + x Po
CB = FB = C Ao (1 / 2 x / 2) P
v
1 + x
Po
-rA = kC Ao RTo P (1- x)1/3(1/2 - x)2/3
1 + x Po
-rA = k (1 x ) y
(1 + x )
dengan k = kPAo(1/2)2/3 dan y = P/Po
k = 0,0141lbmol/(atm.lbkat.jam).3atm.0,63
k = 0,0266 lbmol/(lbkat.jam)
= yAo = (FAo / FTo) = (1,08/2,03)(1 1 ) = -0,15
FAo
dx = -rA
dW
187
dx
dW
= -rA / FAo
Persamaan untuk penurunan tekanan
Po
dP
=
(1 + x )
dW
2 P / Po
dy
= (1 + x )
dW
2y
dengan =
2 o
Ac(1 ) kat Po
= 0,0166 / lbkat
o = G (1 )
c g c D P 3
150(1 )
+ 1,75G
Dp
untuk pipa1 in schedule 40 , Ac = 0,01414 ft2

G = m / Ac
G = 104,4 =7383,3 lbm/(jam.ft2)
0,01414
Untuk udara 260 OC dan 10 atm,

= 0,0673 lbm/(ft.jam)
o = 0,413 lbm/ft3
Dp = in = 0,0208 ft
gc = 4,17.108 lbm.ft/(lbf.jam2)
o = 164,1 lbf/ft3 = 0,0775 atm/ft = 25,8 kPa/m
% Reaksi Pembentukan Etilen Oksida dari Etilen

%
--------------------------------------------------------------%
%
%
%
***************************************************************
%
% Kondisi awal
Xo = 0;
% konversi mula-mula
yo = 1;
% penurunan tekanan mula-mula
xo = [Xo yo];
Wspan = [0 60];
% batasan berat katalis
global eps kprime
% Perhitungan
[W,x]=ode45('F77',Wspan,xo);
f=(1+eps.*x(:,1))./x(:,2);
% Plot hasil
188
figure(1)
plot(W,x,'k+',W,f,'k-','linewidth',2)
title('Reaksi Pembentukan Etilen Oksida','fontsize',14)
xlabel('W (lb)','fontsize',14)
legend('X','y','f','fontsize',14)
rate=kprime*((1-x(:,1))/(1+eps*x(:,1)))*x(:,2);
figure(2)
plot(W,rate,'k-','linewidth',2)
title('Kecepatan Reaksi Pembentukan Etilen Oksida','fontsize',14)
xlabel('W (lb)','fontsize',14)
Program lain
function dx_dW=F77(W,x)
%
Nama File : F77.m
%
%
-------------------------------------------------------------global eps kprime
X = x(1);
y = x(2);
kprime=0.0266;
eps=-0.15;
alpha=0.0166;
rate=kprime*((1-X)/(1+eps*X))*y;
fa0=1;
dx_dW(1,:)=rate/fa0;
dx_dW(2,:)=-alpha*(1+eps*X)/(2*y);
Keluaran program
Gambar 7.9.a. Keluaran Program Contoh 7.7
189
Gambar 7.9.b. Keluaran Program Contoh 7.7

Contoh 7.8. Reaksi Phase Gas Reversibel dan Eksotermis dalam Reaktor
Katalitik
Reaksi elementari phase gas 2A C dijalankan pada reaktor packed bed.

Reaktor dilengkapi dengan penukar panas dan terjadi penurunan tekanan
(pressure drop) sepanjang reaktor.
q
Ta
Fao
To
Ta
Gambar 7.10. Reaktor Katalitik
Berbagai nilai parameter untuk reaktor ini ditunjukkan pada tabel di bawah ini :
190
CPa = 40,0 J/gmolK
R = 8,314 j/gmolK
CPc = 80,0 J/gmolK
Fao = 5,0 gmol/menit
Hr = -40.000 J/gmol
Ua = 0,8 J/kgmenitK
Ea = 41.800 J/gmolK
Ta = 500 K
k = 0,5 dm /kgmenitmol @ 450 K
= 0,015 kg-1
KC = 25.000 dm3/gmol @ 450 K
Po = 10 atm
Cao = 0,271 gmol/dm
yao = 1,0
To = 450 K
Plot konversi (X), penurunan tekanan (y) dan temperatur (T.10-3) sepanjang
reaktor untuk W = 0 sampai W = 20 kg. Plot juga profil konsentrasi untuk
reaktan A dan produk C untuk harga W yang sama !
Penyelesaian
Neraca massa untuk reaktor katalitik
Fao
dX = -r
a
dW
-ra = k Ca 2 Cc
KC
dengan konstanta kecepatan reaksi reaktan A mengikuti persamaan Arrhenius

k = k(pada 450 K) exp E a 1 1
R 450 T
dan konstanta kesetimbangan bervariasi terhadap temperatur yang ditentukan
dari persamaan vant Hoff dengan Cp = 0
KC = KC(pada 450 K) exp Hr 1 1
R 450 T
Stoikiometri untuk 2A C untuk phase gas (perubahan volumetrik)
Ca = Cao 1 X P To = Cao 1 X y To
1 + X Po T
1 + 0,5X T
Cc = 0,5CaoX y To
1 + 0,5X T
Penurunan tekanan dapat dinyatakan sebagai
191
d(P / Po) (1 + X) Po T
=
dW
2
P To
dy (1 + X) T
=
dW
2y
To
Secara umum neraca energi dapat ditulis sebagai berikut
dT Ua (Ta T) + r ' a Hr
=
dW
FaoCpa
% Reaksi Phase Gas Reversibel dan Eksotermis dlm Reaktor Katalitik
%
Reaksi elementari phase gas 2A --> C
%
dijalankan pada reaktor packed bed
%
Reaktor dilengkapi dengan penukar panas
%
terjadi penurunan tekanan sepanjang reaktor
%
Tentukan konveri, penurunan tekanan, dan temperatur
%
sebagai fungsi berat katalis
%
--------------------------------------------------------------%
%
%
%
***************************************************************
%
global Ta delH CPA FAO
% Data-data
Ta = 500;
delH = -40000;
CPA = 40;
FAO = 5;
%
%
%
%
% Kondisi awal
var0(1) = 0;
var0(2) = 450;
var0(3) = 1.0;
Wspan = [0 20];
% konversi
% temperatur
% penurunan tekanan
temperatur, K
panas reaksi, J/gmol
kapasitas panas A, J/(gmol.K)
laju alir A, gmol/menit
% Perhitungan
[W var]=ode45('F78',Wspan,var0);
% Plot hasil
tt = var(:,2)/1000;
x=var(:,1);
T=var(:,2);
y=var(:,3);
figure(1)
plot(W,x,'k-',W,y,'k+',W,tt,'ko','LineWidth',2)
title('Model Reaktor','FontSize',14)
xlabel('W','FontSize',14)
legend('konversi A', 'Tekanan ternormalisasi', 'T/1000')
temp=0.271*(450./T).*y./(1-0.5*x);
CA=temp.*(1-x);
CC=temp.*0.5.*x;
figure(2)
plot(W,CA,'k-',W,CC,'k+','LineWidth',2)
title('Konsentrasi','FontSize',14)
xlabel('W','FontSize',14)
legend('Konsentrasi A','Konsentrasi C')
192
Program terkait
function der=F78(W,var)
%
Program ini berisi fungsi untuk menghitung x, T, y
%
dx/dW = -ra'/Fao
%
dT
Ua*(Ta-T) + ra'*delH
%
---- = ---------------------%
dW
Fao*Cpa
%
dy
- alpha*(1+eps*x)
T
%
---- = ------------------ * ---%
dW
2*y
To
%
Nama File : F78.m
%
%
-------------------------------------------------------------global Ta delH CPA FAO
% variabel awal
x = var(1);
T = var(2);
y = var(3);
% perhitungan
k = 0.5*exp(5032*(1/450-1/T));
temp = 0.271*(450/T)*y/(1-0.5*x);
CA = temp*(1-x);
CC = temp*0.5*x;
Kc = 25000*exp(delH/8.314*(1/450-1/T));
rA = -k*(CA*CA-CC/Kc);
% persamaan differensial
der(1) = -rA/FAO;
der(2) = (0.8*(Ta-T)+rA*delH)/(CPA*FAO);
der(3) = -0.015*(1-0.5*x)*(T/450)/(2*y);
der=der';
Keluaran program
193
Gambar 7.11.a. Keluaran Program Contoh 7.8
194
Gambar 7.11.b. Keluaran Program Contoh 7.8
Contoh 7.9. Tinggi Cairan dalam Tangki Sperikal
Tangki berisi air berbentuk bola diisi dari suatu lubang pada bagian puncak dan
dikeluarkan melalui lubang yang lain pada bagian dasar kolom. Jika jari-jari
tangki adalah r, maka volume air dalam tangki dapat dinyatakan sebagai fungsi h
(tinggi cairan) sebagai berikut
V(h) = rh2 h3
Laju alir volum melalui lubang (q) merupakan fungsi tinggi cairan (h) dan
dinyatakan dengan :
q = CdA 2gh
dengan
= luas lubang
Cd
= Konstanta, untuk air 0,6
= gravitasi
Gambar 7.12. Tangki Sperikal
Tentukan waktu tangki menjadi kosong jika tinggi cairan mula-mula 9 ft. Tangki
mempunyai jari-jari r = 5 ft dan lubang mempunyai diameter 1 in di dasar tangki.
Gunakan g = 32,2 ft/second2.
dV
= -q
dt
195
2rh
dh
dh
- h2
= - CdA
dt
dt
2gh
dh = C d A 2gh
dt
( 2rh h 2 )
% Tinggi Cairan dalam Tangki Sperikal
%
Menentukan tinggi cairan dalam tangki sebagai fungsi waktu
%
--------------------------------------------------------------%
%
%
%
***************************************************************
%
clear all
% kondisi awal
ho = 9;
% ft
% Batasan waktu
to = 0;
tn = 2475;
tspan = [to tn];
% menit
% menit
% Perhitungan
[t,h]=ode45('F79',tspan,ho);
% Plot hasil
plot(t,h,'k-','LineWidth',2)
xlabel('Waktu (detik)','FontSize',14)
ylabel('Tinggi (ft)','FontSize',14)
Program terkait
function hdot = F79(t,h)
%
dh
Cd*A*(2*g*h)^0.5
%
---- = - ------------------%
dt
phi*(2*r*h - h^2)
%
Nama File : F63.m
%
%
-------------------------------------------------------------%Data-data
Cd = 0.6;
r = 5;
dhole = 1/12;
A = pi*(dhole)^2;
g = 32.2;
%
%
%
%
jari-jari tangki, ft
diameter lubang, konversi ke ft
luas lubang pengeluaran
ft/det^2
hdot = -Cd*A*(2*g*h)^0.5/(pi*(2*r*h-h^2));
Tinggi(ft)
Keluaran program
196

Contoh 7.10. Reaksi Dehidrogenasi dalam Reaktor Sperikal
Sebanyak 20.000 barrel minyak diproses per hari untuk meningkatkan angka
oktannya dalam reaktor reforming. Laju alir umpan adalah 44 kg per detik atau
440 mol per detik.
Reaksi dehidrogenasi
Parafin olefin + H2
Reaksi orde satu terhadap parafin. Asumsi parafin masih murni pada tekanan
2000 kPa dan konsentrasi 0,32 mol/dm3. Tentukan konsentrasi dan penurunan
tekanan ketika reaksi ini dijalankan dalam reaktor bola berdiameter 27 dm !
-rA
= kCA
-rA
= B (-rA) = C (1 - ) kCA
Berat katalis
= 173,870 kg
= 0,032 kg/dm3
Dp
= 0,02 dm
= 0,4
197
3
= 0,02 dm /(kgkatdetik)
= 1,5.10-6 kg/dmdetik
L = L
= 27 dm
= 2,6 kg/dm3
dFA
= rA Ac
dz
dx rA Ac
=
dz
FAo
rA = - kCA = - k CA C (1 - )
CA = CAo 1 x y
1 + x
= yAo = 1 x (1+1-1) = 1
y = P/Po
Persamaan untuk penurunan tekanan
dy
= o (1 + x )
dz
Po y
o = G (1 ) 150(1 ) + 1,75G
c g c D P 3
Dp
G = m / Ac
Reaktor sperikal
Ac = [R2 (z L)2]
o =
G (1 0,4) 150(1 0,4)1,5.10 6

+ 1,75G
0,02
0,032.0,02.0,4 3
o = [98,87G + 25630G2]0,01
w = C (1 - ) [R2z 1/3(z L)3 - 1/3 L3]
% Reaksi Dehidrogenasi dalam Reaktor Sperikal
%
Reaksi dehidrogenasi
%
Parafin --> olefin + H2
%
Reaksi orde satu terhadap parafin.
%
Tentukan konsentrasi dan penurunan tekanan
%
--------------------------------------------------------------%
%
%
%
***************************************************************
%
global eps kprime
198
% Data awal
Xo = 0;
yo = 1;
xo = [Xo yo];
% batasan jarak
zspan = [0 54];
%Perhitungan
[z,x]=ode45('F710',zspan,xo);
% Plot hasil
plot(z,x,'k-','linewidth',2)
title('Reaksi Dehidrogenasi pada Reaktor Bola')
xlabel('z (dm)','FontSize',12)
legend('X','y',12)
axis([0 54 0 1.2])
Program terkait
function dx_dz=F710(z,x)
%
Nama File : F710.m
%
%
-------------------------------------------------------------% Variabel awal
X = x(1);
y = x(2);
% Data-data
Fa0 = 440;
P0 = 2000;
Ca0 = 0.32;
R = 30;
phi = 0.4;
kprime = 0.02;
L = 27;
rhocat = 2.6;
m = 44;
% Perhitungan
Ca = Ca0*(1-X)*y/(1+X);
Ac = pi*(R^2-(z-L)^2);
V=pi*(z*R^2-1/3*(z-L)^3-1/3*L^3);
G=m/Ac;
ra=-kprime*Ca*rhocat*(1-phi);
beta=(98.87*G+25630*G^2)*0.01;
W=rhocat*(1-phi)*V;
% Differnsial
dx_dz(1,:)=-ra*Ac/Fa0;
dx_dz(2,:)=-beta/P0/y*(1+X);
Keluaran program
199

Contoh 7.11. Reaksi Dehidrogenasi Phase Uap Benzena dalam Reaktor
Alir Tubular
Reaksi dehidrogenasi phase uap benzena dalam reaktor alir tubular

2C6H6 C12H10 + H2
C6H6 + C12H10 C18H14 + H2
Kecepatan reaksi
r1 =
15200
dx1
T p2 pDpH
= 14,96.10 6 e
B
d(V F)
K1
lbmol benzena bereaksi/(jam ft3)
r2 =
15200
dx 2
T p p pT pH
= 8,67.10 6 e
B D
d(V F)
K2
lbmol triphenil terbentuk//(jam ft3)
pB = tekanan parsial benzena, atm
T = temperatur, 1033 K
pD = tekanan parsial diphenil, atm
V = volume reaktor, ft3
pT = tekanan parsial triphenil, atm
F = laju alir bahan, lbmol/jam
pH = tekanan parsial hidrogen, atm
P = tekanan total, 1 atm
x1 = konversi pada reaksi 1
K1 = 0,312
200
x2 = konversi pada reaksi 2
K2 = 0,480
Jika umpan terdiri dari benzena murni 1 lbmol/ft3 buktikan bahwa
dx1
= 6,089 (1 x1 x 2 )2
d (V F)
(12 x1 x 2 )(12 x1 + x 2 )
x 2 12 x1 + x 2
dx 2
= 3,529 (1 x1 x 2 ) 12 x1 x 2
0,480
d(V F)
0,312
Tentukan x1 dan x2 pada (V/F) = 0,5 ft3jam/lbmol !

Penyelesaian
% Reaksi Dehidrogenasi Phase Uap Benzena dlm Reaktor Alir Tubular
%
Reaksi
%
2C6H6 ---> C12H10 + H2
%
C6H6 + C12H10 ---> C18H14 + H2
%
Tentukan konversi reaksi 1 dan 2 sbg fungsi (V/F)
%
--------------------------------------------------------------%
%
%
%
***************************************************************
%
global T K1 K2
% Data-data
T = 1033;
K1 = 0.312;
K2 = 0.480;
% Temperatur, K
% konstanta kesetimbangan reaksi 1
% konstanta kesetimbangan reaksi 2
% Kondisi awal
x1o = 0;
x2o = 0;
xo = [x1o x2o];
% Batasan V/F
V_Fo = 0;
% V/F awal, ft^3.jam/lbmol
V_Ff = 0.5;
% V/F awal, ft^3.jam/lbmol
V_Fspan = [V_Fo V_Ff];
% Perhitungan
[V_F,x]=ode45('F711',V_Fspan,xo);
% Plot hasil
plot(V_F,x(:,1),'k-',V_F,x(:,2),'k+','Linewidth',2)
title('Dehidrogenasi Benzena','FontSize',12)
xlabel('V/F dlm ft^3.jam/lbmol','FontSize',12)
ylabel('konversi Benzena','FontSize',12)
legend('reaksi 1', 'reaksi 2')
disp(['Pada V/F ',num2str(V_F(end))])
konversi = x(end,:)
Program terkait
function dx_dVF = F711(V_F,x)
%
201
%
%
%
%
%
%
%
%
%
%
konversi reaksi 1 dan reaksi 2

dx1
[
(0,5x1-x2)(0,5x1+x2) ]
------- = 0,6089 [ (1-x1-x2)^2 - -------------------- ]
d(V/F)
[
0,312
]
dx2
[
x2(0,5x1+x2) ]
------- = 3,529 [ (1-x1-x2)(0,5x1-x2) - ------------ ]
d(V/F)
[
0,480
]
Nama File : F11.m
--------------------------------------------------------------
global T K1 K2
dx_dVF(1) = 14.96*10^6*exp(-15200/T)*((1-x(1)-x(2))^2-...
(0.5*x(1)-x(2))*(0.5*x(1)+x(2))/K1);
dx_dVF(2) = 8.67*10^6*exp(-15200/T)*((1-x(1)-x(2))*...
(0.5*x(1)-x(2))-x(2)*(0.5*x(1)+x(2))/K2);
dx_dVF=dx_dVF';
konversi Benzena
Keluaran program
Contoh 7.12. Distilasi Secera Batch Komponen Biner
Proses distilasi secara biner melibatkan komponen 1 dan 2. Mol liquid tersisa (L)
dinyatakan sebagai fungsi fraksi mol komponen ke-2, x2 sebagai berikut :
dL
L
=
dx 2 x 2 (k 2 1)
202
dengan k2 adalah rasio kesetimbangan uap cair komponen ke-2. Jika sistem
dianggap berada pada keadaan ideal, rasio kesetimbangan uap cair dapat dihitung
sebagi ki = Pi /P dengan Pi adalah tekanan uap komponen i dan P adalah tekanan
total.
Secara umum model tekanan uap menggunakan persamaan Antoine dengan T
adalah temperatur (OC).
Pi = 10^ A B
T +C
Temperatur dalam batch distilasi mengikuti kurva bubble point. Temperatur

bubble point didefinisikan sebagai
k1x1 + k2x2 = 1
Untuk sistem biner dengan komponen benzena (komponen ke-1) dan toluena
(komponen ke-2) diasumsikan berada pada kesetimbangan. Konstanta Antoine
untuk benzena A1 = 6,90565, B1 = 1211,033, dan C1 = 220,79. Sedang untuk
toluena A2 = 6,95464, B2 = 1344,8, dan C2 = 219,482. P adalah tekanan (mmHg)
dan T adalah temperatur (OC).
Hitunglah jumlah liquid tersisa
dalam distilasi saat konsentrasi toluena
mencapai 80 %, jika diketahui 100 mol liquid umpan terdiri 60% benzena dan
40% toluena (fraksi mol) pada tekanan 1,2 atm.
Penyelesaian
% Distilasi Secera Batch Komponen Biner
%
Proses distilasi secara biner melibatkan komponen 1 dan 2
%
Hitunglah jumlah liquid tersisa dalam distilasi
%
--------------------------------------------------------------%
%
%
%
***************************************************************
%
clear all
clc
global A B C P
%
A
B
C
Data-data Persamaan Antoine

= [6.90565 6.95464]; % Komponen 1 => Benzena
= [1211.033 1344.8]; % Komponen 2 => Toluena
= [220.79 219.482];
% Data-data proses
P = 1.2*760;
Lo = 100;
x2_awal = 0.4;
x2_akhir = 0.8;
%
%
%
%
mmHg
mol
mol toluena awal
mol toluena akhir
203
% Penyelesaian PD Ordiner
x2span = [x2_awal x2_akhir];
[x2 L] = ode45('F712',x2span,Lo);
% Plot hasil
plot(x2,L,'k-','linewidth',2)
title('Distillasi Batch','fontsize',14)
xlabel('Fraksi mol toluena','fontsize',14)
ylabel('Mol cairan','fontsize',14)
% Save hasil
output = [x2 L];
save batch.dat output -ascii
Program terkait 1
function dLdx2 = F712(x2,L)
%
Program ini berisi fungsi untuk menghitung PD ordiner
%
dL
L
%
----- = --------------%
dx2
x2 ( k2 - 1 )
%
Nama File : F712.m
%
%
-------------------------------------------------------------global A B C P x2
T_tebak = (80.1+110.6)/2;
T = fzero('F712F', T_tebak);
%
%
% T
%
T tebakan dari rata-rata

titik didih
harus dicari terlebih
dahulu dg fzero
P_i = 10.^(A-B./(T+C));
k = P_i/P;
dLdx2 = L/x2/(k(2)-1);
Program terkait 2
function f = F712F(T)
%
Program ini berisi fungsi untuk menentukan T
%
(
B
)
%
Pi = 10^(A - -------)
%
(
T + C )
%
Pi
%
ki = ---%
P
%
k1*x1 + k2*x2 = 1
%
Nama File : F712F.m
%
%
-------------------------------------------------------------global A B C P x2
x1 = 1-x2;
P_i = 10.^(A-B./(T+C));
k = P_i/P;
f = 1-k(1)*x1-k(2)*x2;
Keluaran program
Mol cairan
204
7.2. MASALAH NILAI BATAS

Dalam persamaan differensial orde lebih dari satu, dibutuhkan nilainilai yang sudah diketahui untuk dapat mengevaluasi konstanta-konstanta dalam
fungsi partikular. Beberapa nilai dispesifikasikan pada nilai variabel bebas yang
sama yang biasanya merupakan nilai awal. Tetapi beberapa persoalan kadang
nilai variabel bebas yang diketahui tidak pada nilai yang sama, karena nilai-nilai
variabel bebas yang diketahui biasanya pada kondisi batas (boundary condition).
Persoalan seperti ini disebut masalah nilai batas.
205
7.2.1. METODE SHOOTING

Metode shooting dapat diilustrasikan seperti sebuah meriam yang
menembakkan pelurunya. Meriam tersebut harus mempunyai sudut tertentu agar
peluru bisa mengenai sasarannya. Dalam penyelesaian persamaan differensial,
sebuah nilai yang kritikal (biasanya slope) ditentukan nilainya. Nilai awal yang
telah diketahui dan nilai slope yang ditebak menyebabkan kita dapat menghitung
titik-titik selanjutnya dengan metode-metode yang telah diberikan pada sub bab
7.1. (metode Euler, Runge-Kutta, dan lain-lain). Pada akhir perhitungan akan
dibandingkan dengan nilai yang sudah diketahui. Jika ternyata nilai akhir hasil
perhitungan tersebut telah sama dengan nilai yang diketahui maka nilai slope
tebakan telah tepat. Tetapi jika nilai akhir hasil perhitungan berbeda dengan nilai
yang diketahui maka harus ditentukan nilai slope yang baru.
Berikut program matlab untuk masalah harga batas
function [t,z] = bvp2sh(func,tspan,zbc,options,alfo)
%
%
persamaan differensial ordiner orde 2
%
masalah harga batas
%
dengan Metode shooting
%
Bentuk umum persamaan differensial ordiner orde 2
%
y'' + a*y' + b*y = f(t)
%
dengan a dan b dapat merupakan fungsi y dan t
%
Persamaan di atas dapat juga ditulis sebagai
%
dz1/dt = z2
and
dz2/dt = f - a*z2 - b*z1
%
dengan z1 = y and z2 = y'
%
%
%
tspan adalah vektor variabel bebas
%
zbc adl matriks yg mengandung koefisien kondisi batas
%
options adalah struktur opsi standar (optional)
%
alfo adalah tebakan awal alf (optional)
%
t - vektor kolom variabel bebas
%
z - matriks penyelesaian dg kolom 1 untuk z1
%
dan kolom 2 untuk z2
%
%
Nama File : bvp2sh.m
%
%
File prepared by J. R. White, UMass-Lowell (March 2003)
%
--------------------------------------------------------------%
%
%
%
%
Cek apakah opsi tersedia

if nargin < 4, options = [];
end
Cek apakah tebakan awal alf ada

if nargin < 5, alfo = 1;
end
Mengekstrak kondisi batas
a1 = zbc(1,1); b1 = zbc(1,2);
w1 = zbc(1,3);
206
a2 = zbc(2,1);
%
%
%
%
%
%
%
%
%
%
%
%
b2 = zbc(2,2);
set parameter iteratif

err = 1e10;
tol = 1e-6;
mulai iterasi
while abs(err) > tol
&
w2 = zbc(2,3);
icnt = 1;
icntmax = 25;
icnt <= icntmax
menentukan vektor kondisi awal berdasarkan sturtur matriks zbc

if b1 == 0
zo = [w1/a1; alfo];
else
zo = [alfo; (w1 - a1*alfo)/b1];
end
Penyelesaian PDO dg kondisi awal yang diketahui
[t,z] = ode23(func,tspan,zo,options);
Evaluasi kesalahan pada BC ke2
e1 = a2*z(end,1) + b2*z(end,2) - w2; err = e1;
fprintf(1,' \n')
fprintf(1,'untuk iterasi # %2i: \n',icnt)
fprintf(1,' kondisi batas adalah : %13.5e %13.5e \n',zo)
fprintf(1,' error dan BC ke2 :
%13.5e \n',err)
fprintf(1,' \n')
estimasi nilai alf baru
if abs(err) > tol
alfp = 1.01*alfo;
if b1 == 0
zo = [w1/a1; alfp];
else
zo = [alfp; (w1 - a1*alfp)/b1];
end
[t,z] = ode23(func,tspan,zo,options);
e2 = a2*z(end,1) + b2*z(end,2) - w2;
deda = (e2-e1)/(0.01*alfo);
alfn = alfo-e1/deda;
icnt = icnt+1;
alfo = alfn;
end
end
% akhir loop iterasi
if icnt >= icntmax
fprintf(1,' WARNING -- iterasi telah maksimum!!! \n');
end
Contoh 7.13
Selesaikan persoalan nilai batas 2 titik dengan shooting method

d2y
dt 2
+ 3xy + 7 y = cos(2 x )
dengan y(0) = 1 dan y() = 0

Penyelesaian
Persamaan di atas disubstitusi menjadi
z1 = z2
z2 = -3xz2 7z1 + cos(2x)
207
Program matlab
%
Masalah Nilai Batas
%
%
y'' + 3xy' + 7y = cos(2x)
%
y(0) = 1 and y(pi) = 0
%
Penyelesaian dengan Metode Shooting
%
File prepared by J. R. White, UMass-Lowell (Aug. 2003)
%
--------------------------------------------------------------%
%
%
%
***************************************************************
%
clear all, close all, nfig = 0;
%
Nilai ALF tebakan adalah 1, -1, dan -5.4713
gs = [1 -1 -5.4715];
%
%
set kondisi batas dan penyelesaian IVP
xo = 0;
xf = pi;
tol = 1.0e-6;
yxo = 1.0;
options = odeset('RelTol',tol);
[x1,z1] = ode23('F713',[xo xf],[yxo gs(1)],options);
%
%
plot hasil
nfig = nfig+1; figure(nfig)
plot(x1,z1(:,1),'k-',x2,z2(:,1),'k-.',x3,z3(:,1),'k-','LineWidth',2)
title('Metode Shooting (Iterasi Manual)')
xlabel('x'),ylabel('y'),grid
legend('alf = 1','alf = -1','alf = -5.4715')
Program terkait
function zp = odefile(x,z)
%
Persamaan Differensial Ordiner
%
y'' + 3xy' + 7y = cos(2x)
%
Nama File : F713.m
%
%
%
--------------------------------------------------------------zp = zeros(length(z),1);
zp(1) = z(2);
zp(2) = -3*x*z(2) - 7*z(1) + cos(2*x);
Keluaran program
208
Gambar 7.17. Keluaran Program Contoh 7.13a.
Alternatif penyelesaian yang lebih baik adalah dengan menggunakan iteratif

secara automatis.
%
Masalah Nilai Batas
%
%
y'' + 3xy' + 7y = cos(2x)
%
y(0) = 1 and y(pi) = 0
%
%
Iteratif secara automatis
%
%
--------------------------------------------------------------%
%
%
%
***************************************************************
clear all
% Set kondisi batas dan penyelesaian
xo = 0;
xf = pi;
zbc = [1 0 1.0;
1 0 0.0];
tol = 1e-6;
options = odeset('RelTol',tol);
[xs,zs] = bvp2sh('F713',[xo xf],zbc,options);
209
% Plot hasil
plot(xs,zs(:,1),'k','LineWidth',2),grid
title('Metode Shooting untuk PDO orde 2')
Keluaran program
Gambar 7.18. Keluaran Program Contoh 7.13b
7.2.2. METODE BEDA HINGGA (FINITE DIFFERENCE)

Metode beda hingga (finite difference) sebenarnya adalah mengubah
persamaan differensial ordiner menjadi sekumpulan persamaan aljabar, dengan
suatu persamaan neraca untuk tiap titik atau volum terbatas dalam suatu sistem.
Teknik umum yang digunakan adalah dengan menempatkan derivatif dalam
persamaan differensial ordiner dengan pendekatan beda hingga dalam suatu
jaringan titik.
Pendekatan beda hingga
210
dy yi +1 yi
dx
x
(forward)
dy yi yi 1
dx
x
(backward)
dy yi +1 yi 1
dx
2x
(central)
secara teoritis metode central lebih baik.

Untuk turunan kedua dengan metode central
d 2 y d dy
=

dx 2 dx dx
y i+1 y i y i y i1
x = y i+1 2 y i + y i1
x
x
(x )2
Contoh 7.14
Selesaikan persoalan nilai batas 2 titik dengan finite difference method

d2y
dt 2
+ 3xy + 7 y = cos(2 x )
dengan y(0) = 1 dan y() = 0

Penyelesaian
x xi dan xi+1 = xi + x
y(x) y(xi) = yi y(x) y(xi) = yi
h = x =
yi =
xf xo
N +1
y i 1 2 y i + y i +1
x 2
yi = yi +1 yi 1
2x
Substitusi pada persamaan differensial awal

d2y
dt 2
+ 3xy + 7 y = cos(2 x )
y i 1 2 y i + y i +1
y y i 1 + 7y = cos(2x )
+3xi i +1
i
i
2
2x
x
211
3x i x
2
2
3x x
1
yi-1 + (-2 + 7x )yi + 1 + i yi+1 = x cos(2xi)
2
2
selanjutnya
A(i,i-1) = 1
3x i x
2
A(i,i) = -2 + 7x2
A(i,i+1) = 1 + 3x i x
2
b(i) = x cos(2xi)
untuk i = 1, yi-1 = yo = yxo
3x x
(-2 + 7x2)y1 + 1 + i y2 = x2cos(2x1)
2
3x 1 x yxo
1
untuk i = N, yi+1 = yN+1 = yxf

3x N x y + (-2 + 7x2)y = x2cos(2x ) - 3x N x yxf
N
N
1 2 N-1
1 + 2
Kasus B
Pendekatan y =
d2y
dt 2
y i +1 y i
x
+ 3xy + 7 y = cos(2 x )
y i 1 2 y i + y i +1
yi +1 yi + 7y = cos(2x )
i
i
+3xi x
2
x
yi-1 (2 + 3xix 7x2)yi + (1 +3xix) yi+1 = x2cos(2xi)

untuk i = 1
(2 + 3x1x 7x2)y1 + (1 +3x1x) y2 = x2cos(2x1) yxo
untuk i = N
yN-1 (2 + 3xNx 7x2)yN = x2cos(2x1) (1 +3x1x) yxf
%
Masalah Nilai Batas
%
%
y'' + 3xy' + 7y = cos(2x)
%
y(0) = 1 and y(pi) = 0
212
%
%
%
%
%
%
%
%
%
Penyelesaian dengan Metode Finite Difference

Digunakan beberapa jumlah titik yang berbeda
***************************************************************
% Kondisi batas
xo = 0;
xf = pi;
yxo = 1;
yxf = 0;
% jumlah titik yang berbeda
NN = [20 40 60 160];
for n=1:4
N = NN(n);
% substitusi finite difference
dx = (xf-xo)/(N+1);
dx2 = dx*dx;
x = (xo+dx):dx:(xf-dx);
% Metode 1 : central
a = zeros(N,N); b = zeros(N,1);
% titik awal
a(1,1) = -2+7*dx2;
a(1,2) = 1+3*x(1)*dx/2;
b(1) = dx2*cos(2*x(1))-(1-3*x(1)*dx/2)*yxo;
% titik ke 2 sampai ke N-1
for i = 2:N-1
a(i,i-1) = 1-3*x(i)*dx/2;
a(i,i) = -2+7*dx2;
a(i,i+1) = 1+3*x(i)*dx/2;
b(i) = dx2*cos(2*x(i));
end
% titik ke N
a(N,N-1) = 1-3*x(N)*dx/2;
a(N,N) = -2+7*dx2;
b(N) = dx2*cos(2*x(N))-(1-3*x(N)*dx/2)*yxf;
% penyelesaian persamaan aljabar simultan
y = a\b;
za = [yxo y' yxf];
xa = [xo x xf];
% Metode 2 : forward
a = zeros(N,N); b = zeros(N,1);
% titik awal
a(1,1) = -(2+3*x(i)*dx-7*dx2);
a(1,2) = 1+3*x(i)*dx/2;
b(1) = dx2*cos(2*x(1))-yxo;
% titik ke 2 sampai ke N-1
for i = 2:N-1
a(i,i-1) = 1;
a(i,i) = -(2+3*x(i)*dx-7*dx2);
a(i,i+1) = 1+3*x(i)*dx;
b(i) = dx2*cos(2*x(i));
end
% titik ke N
a(N,N-1) = 1;
a(N,N) = -(2+3*x(N)*dx+7*dx2);
b(N) = dx2*cos(2*x(N))-(1-3*x(N)*dx)*yxf;
% penyelesaian persamaan aljabar simultan
y = a\b;
213
zb = [yxo y' yxf];
xb = [xo x xf];
% plot hasil
t = '220+n';
subplot(eval(t)),plot(xa,za,xb,zb,'LineWidth',2)
axis([0 3.2 -2 1]);
title(['Metode Finite Difference (',num2str(N),' titik)'])
legend('Metode Central','Metode Forward')
end
Keluaran hasil
Contoh 7.15. Transfer Panas dalam Circular Fin
Sebuah fin berbentuk lingkaran tipis digunakan untuk memindahkan panas.

T oo
qc
qr
qr+ r
qc = 0
Gambar 7.20. Circular Fin
214
Dalam keadaan steady
qr qr+r qc = 0
- kAr
k 2r
dT
dT
+ kAr
dr r
dr
dT
dr
k 2r
r + r
hAc (T - T) = 0
r + r
dT
dr
2[2r+r]h(T - T) = 0
limit r 0
dT
d
k 2r 4rh(T T) = 0
dr
dr
2
d T
dT
2h r2(T T) = 0
r2 dr 2 + r
dr
k
T(rw) = Tw
dan
dT
dr
=0
rs
Persamaan ditulis dalam kelompok tak berdimensi

u=
T T
Tw T
dan
x=
r
rs
rs
du du dr
dT
=
=
dx dr dx Tw T dr
rs2
d 2 u d du dr
d 2T
=
=
dx 2 dr dx dx Tw T dr 2
Tw T
(rsx)
2
rs
2
d2u
Tw T du
2h
2
dx 2 + (rsx) rs dx k (rsx) (T T)u = 0
du
d2u
+x
2x2u = 0
x
2
dx
dx
2
x2 u + x u 2x2u = 0
Kondisi batas
2hrs2
dengan =
k
2
215
x=
rw
=a
rs
u(a) = 1
x=
rs
=b=1
rs
u(b) = 0
rw = 1 in
rs = 1,5 in
O
= 0,0625 in
Tw = 200 F
T = 70 F
h = 20 BTU/jam.ft2.oF
h = 75 BTU/jam.ft.oF
Tentukan distribusi panas, total hilang panas fin, dan hitung effisiensi, , yaitu
=
transfer panas aktual

transfer panas jika fin masuk pada Tw
Penyelesaian
x2 u + x u 2x2u = 0
Kondisi batas
x=
rw
=a
rs
u(a) = 1
x=
rs
=b=1
rs
u(b) = 0
Shooting Method
z1 = z2
z2 =
1
z2 + 2z1
x
kondisi awal yang diberikan
1
z(a) = u (a ) =
u ' (a )

216
% Transfer Panas dalam Circular Fin
%
%
x2 u" + x u' - a2x2u = 0
%
z1' = z2
%
z2' = - (1/x) z2 + a2z1
%
u(a) = 1
u'(b) = 0
%
%
%
--------------------------------------------------------------%
%
%
%
***************************************************************
%
clear all
clc
global alpha
rw = 1/12;
rs = 1.5/12;
thk = 0.0625/12;
Tw = 200;
Tinf = 70;
h = 20;
k = 75;
%
%
%
%
%
%
%
jari-jari dalam (ft)

jari-jari luar (ft)
tebal fin (ft)
temperatur dinding dalam (F)
temperatur lingkungan (F)
koefisien transfer panas (BTU/jamft^2F)
konduktivitas termal (BTU/jamftF)
a = rw/rs;
b = rs/rs;
alf2 = (2*h*rs*rs)/(k*thk);
alpha = sqrt(alf2);
Qideal = 2*pi*h*(rs*rs-rw*rw)*(Tw-Tinf);
fid = fopen('cylfinsh.out','w');
fprintf(fid,'\n Data dan Hasil Perhitungan \n');
fprintf(fid,'\n \n Data \n');
fprintf(fid,'Jari-jari inside, rw
= %6.2f ft \n',rw);
fprintf(fid,'Jari-jari outside, rs
= %6.2f ft \n',rs);
fprintf(fid,'Tebal fin, thk
= %6.2f ft \n',thk);
fprintf(fid,'Temperatur inside, Tw
= %6.2f F \n',Tw);
fprintf(fid,'Temperatur ambient, Tinf
= %6.2f F \n',Tinf);
fprintf(fid,'Koef. transfer panas, h
= %6.2f BTU/jamft^2F \n',h);
fprintf(fid,'Konduktivitas termal, k
= %6.2f BTU/jamftF \n',k);
zbc = [1 0 1.0
0 1 0.0];
[x,z] = bvp2sh('F715',[a b],zbc);
[nr,nc] = size(z);
Qactual = -k*(2*pi*a*thk)*(Tw-Tinf)*z(1,2);
Ttip = Tinf+(Tw-Tinf)*z(nr,1);
fineff = Qactual/Qideal;
fprintf(fid,'\n \n-------------------------------\n');
fprintf(fid, 'Temperatur dinding (F)
= %8.3f \n',Tw);
fprintf(fid, 'Temperatur ambient (F)
= %8.3f \n',Tinf);
fprintf(fid, 'Temperatur tip (F)
= %8.3f \n',Ttip);
fprintf(fid, 'Q ideal (BTU/jam)
= %8.3f \n',Qideal);
fprintf(fid, 'Q actual (BTU/jam)
= %8.3f \n',Qactual);
fprintf(fid, 'Eff fin
= %8.3f \n',fineff);
subplot(2,1,1)
plot(x,z(:,1),'k','LineWidth',2)
title('Profil Temperatur pd Fin Lingkaran dg Metode Shooting')
grid, ylabel('Temperatur')
217
subplot(2,1,2)
plot(x,z(:,2),'k','LineWidth',2)
title('Gradien Temperatur pd Fin Lingkaran dg Metode Shooting')
grid, xlabel('jarak'), ylabel('grandien temperatur')
fclose(fid)
Program terkait
function zp = odefile(x,z)
%
Persamaan Differensial Ordiner
%
x2 u" + x u' - a2x2u = 0
%
Nama File : F715.m
%
%
%
--------------------------------------------------------------global alpha
zp = zeros(length(z),1);
zp(1) = z(2);
zp(2) = -z(2)/x+alpha*alpha*z(1);
Gradien temperatur
Temperatur
Keluaran program
Gambar 7.21. Keluaran Program Contoh 7.15a
Metode Beda Hingga
218
xi+1 = xi + x
x xi
u(x) u(xi) = ui
u(x) u(xi) = ui
x =
ba
N
ui =
u i 1 2u i + u i +1
x 2
ui =
u i +1 u i 1
2x
u i 1 2u i + u i +1 + x u i +1 u i 1 2x 2u = 0
i i
i
x 2
2 x
xi2
dengan 2 =
x
1
2x i
2hrs2
k
ui-1 (2 + 2x2)ui +
A(i,i-1) = 1
x u = 0
i+1
1 +
2x i
x
2x i
A(i,i) = (2 + 2x2)
A(i,i+1) = 1 +
x
2x i
b(i) = 0
untuk i = 1, u0 = u(a) = 1
(2 + 2x2)u1 +
x
1 +
u2 =
2x 1
x
1
u0
2x 1
untuk ujung yang terisolasi

qxN-1/2 qxN qc = 0
- kAr
dT
dr
hAc(TN - T) = 0
r = rs r / 2
qxN = 0
219
Ar = 2(rs -
r
)
2
Ac =2 rs rs
2
dT
dr
=
r = rs r / 2
r 2
=
2
r
r
hr
f N (TN T )
k
dengan fN =
du
dx
du
dx
=
xN x / 2
rs
dT
Tw T dr
(rs r / 4)
(rs r / 2)
2
= 2hrs 1 r f (TN T )
N
k 2 rs (Tw T )
rs r / 2
xN x / 2
= 2 2 fNuN
untuk evaluasi pada x = xN
atau
du
dx
=
xN x / 2
x
2
u N u N 1
x
x 2
1 + 2
f N uN + uN-1 = 0
2
Program Matlab
% Transfer Panas dalam Circular Fin
%
%
x2 u" + x u' - a2x2u = 0
%
z1' = z2
%
z2' = - (1/x) z2 + a2z1
%
u(a) = 1
u'(b) = 0
%
%
%
--------------------------------------------------------------%
%
%
%
***************************************************************
%
clear all
clc
rw = 1/12;
rs = 1.5/12;
% jari-jari dalam (ft)

% jari-jari luar (ft)
220
thk = 0.0625/12;
Tw = 200;
Tinf = 70;
h = 20;
k = 75;
%
%
%
%
%
tebal fin (ft)

temperatur dinding dalam (F)
temperatur lingkungan (F)
koefisien transfer panas (BTU/jamft^2F)
konduktivitas termal (BTU/jamftF)
a = rw/rs;
b = rs/rs;
alf2 = (2*h*rs*rs)/(k*thk);
alpha = sqrt(alf2);
Qideal = 2*pi*h*(rs*rs-rw*rw)*(Tw-Tinf);
fid = fopen('cylfinfd.out','w');
fprintf(fid,'\n Data dan Hasil Perhitungan \n');
fprintf(fid,'\n \n Data \n');
fprintf(fid,'Jari-jari inside, rw
= %6.2f ft \n',rw);
fprintf(fid,'Jari-jari outside, rs
= %6.2f ft \n',rs);
fprintf(fid,'Tebal fin, thk
= %6.2f ft \n',thk);
fprintf(fid,'Temperatur inside, Tw
= %6.2f F \n',Tw);
fprintf(fid,'Temperatur ambient, Tinf
= %6.2f F \n',Tinf);
fprintf(fid,'Koef. transfer panas, h
= %6.2f BTU/jamft^2F \n',h);
fprintf(fid,'Konduktivitas termal, k
= %6.2f BTU/jamftF \n',k);
u0 = 1;
N = input('Enter nilai N yg diinginkan (tekan 0 untuk keluar) = ');
while N ~= 0
clear A B u x xx zz zzp
A = zeros(N,N);
B = zeros(N,1);
dx = (b-a)/N;
dx2 = dx*dx;
x = linspace(a+dx,b,N);
fn = (b-dx/4)/(b-dx/2);
for n = 2:N-1
A(n,n-1) = 1-dx/(2*x(n));
A(n,n) = -(2+alf2*dx2);
A(n,n+1) = 1+dx/(2*x(n));
B(n) = 0;
end
A(1,1) = -(2+alf2*dx2);
A(1,2) = 1+dx/(2*x(1));
B(1) = -(1-dx/(2*x(1)))*u0;
A(N,N-1) = 1;
A(N,N) = -(1+alf2*dx2*fn/2);
B(N) = 0;
u = A\B;
xx = [a x];
zz = [u0 u'];
zzp(1) = (zz(2)-zz(1))/dx;
zzp(N+1) =0;
for n=2:N
zzp(n) = (zz(n+1)-zz(n-1))/(2*dx);
end
Qactual1 = -k*(2*pi*a*thk)*(Tw-Tinf)*zzp(1);
dr=dx*rs;
Qactual2 = h*2*pi*((rw+dr/2)^2-rw^2)*(Tw-Tinf)*zz(1) + ...
h*2*pi*(rs^2-(rs-dr/2)^2)*(Tw-Tinf)*zz(N+1);
for n = 2:N
r2 = (xx(n)+dx/2)*rs;
r1 = (xx(n)-dx/2)*rs;
area = 2*pi*(r2^2-r1^2);
Qactual2=Qactual2+h*area*(Tw-Tinf)*zz(n);
221
end
Ttip = Tinf+(Tw-Tinf)*zz(N+1);
fineff = Qactual2/Qideal;
fprintf(fid,'\n \n-------------------------------\n');
fprintf(fid, 'Temperatur dinding (F)
= %8.3f \n',Tw);
fprintf(fid, 'Temperatur ambient (F)
= %8.3f \n',Tinf);
fprintf(fid, 'Temperatur tip (F)
= %8.3f \n',Ttip);
fprintf(fid, 'Q ideal (BTU/jam)
= %8.3f \n',Qideal);
= %8.3f (konduksi)\n',
Qactual1);
= %8.3f (konveksi)\n',
Qactual2);
fprintf(fid, 'Eff fin
= %8.3f \n',fineff);
subplot(2,1,1)
plot(xx,zz,'LineWidth',2)
title(['Profil Temperatur pd Fin Lingkaran dg Metode FD . . .
untuk N = ', num2str(N)])
grid, ylabel('Temperatur')
subplot(2,1,2)
plot(xx,zzp,'LineWidth',2)
title(['Gradien Temperatur pd Fin Lingkaran dg Metode FD . . .
untuk N = ', num2str(N)])
grid, xlabel('jarak'), ylabel('grandien temperatur')
N = input('Enter nilai N lain yang diinginkan (tekan 0 untuk
keluar) = ');
end
fclose(fid)
Keluaran program untuk N = 50
Gradien temperatur
Temperatur
222
Gambar 7.22. Keluaran Program Contoh 7.15b
PERSAMAAN
DIFFERENSIAL PARSIAL
Persamaan differensial parsial secara umum untuk orde dua dalam

variabel bebas x dan y dapat dinyatakan sebagai berikut :
A
2u
x 2
+B
u u
2u
2u
+ C 2 + D x , y, u , , = 0
x y
xy
y
(8.1)
Persamaan differensial parsial dapat diklasifikasikan tergantung dari nilai B2

4AC.
-
jika B2 4AC < 0, maka persamaan Eliptik
jika B2 4AC = 0, maka persamaan Parabolik
jika B2 4AC > 0, maka persamaan Hiperbolik
Jika koefisien A, B, dan C dalah fungsi x, y, dan/atau u, persamaan mungkin

berubah dari satu klasifikasi menjadi klasifikasi lain pada titik bervariasi. Dalam
teknik kimia persamaan yang sering dijumpai adalah persamaan differensial
eliptik dan parabolik, sehingga kedua persamaan itulah yang akan dibahas dalam
bab ini.
228
8.1. PERSAMAAN DIFFERENSIAL ELIPTIK

Persamaan differensial eliptik terbentuk jika koefisien A dan C pada
persamaan (8.1) sama dengan 1 dan B sama dengan nol, sehingga B2 4AC < 1.
Ada 2 type persamaan differensial eliptik yang akan dibahas, yaitu

-
Persamaan Laplace
A
2u
x 2
+C
2u
=0
y 2
(8.2)
Persamaan Poisson
A
2u
x
+C
u u
+ D x, y, u, , = 0
x y
2u
y 2
(8.3)
8.1.1. PERSAMAAN LAPLACE

Persamaan Laplace sering muncul dari penyusunan persoalan
perpindahan panas dalam suatu plat. Bentuk paling sederhana persamaan Laplace
adalah
2u
x 2
2u
y 2
=0
(8.4)
Penyelesaian persamaan Laplace adalah metode beda hingga.

2u
x 2
2u
y 2
u i +1, j 2u i, j + i 1, j
(x )
u i, j+1 2u i, j + i, j1
(y )2
(8.5)
Jika diambil x = y = h
2u
x
2u
y
1
h2
[ ui+1,j + ui-1,j + ui,j+1 + ui,j-1 4ui,j] = 0
(8.6)
Contoh 8.1. Profil Temperatur pada Plat

Tentukan distribusi temperatur pada sebuah plat bujursangkar yang salah satu
sisiya mengikuti persamaan T = 100*sin(*y), sedang ketiga sisi yang lain sama
dengan nol.
229
Program Matlab
% Profil Temperatur pada Plat Rektanguler
%
Persamaan Laplace
%
d^2 U
d^2 U
%
----- + ----- = 0
%
d x^2
d y^2
%
Temperatur salah satu sisi = 100*sin(Pi*y)
%
sedang ketiga sisi yang lain = 0
%
%
%
Author's Data: Housam BINOUS
%
Department of Chemical Engineering
%
National Institute of Applied Sciences and Technology
%
Tunis, TUNISIA
%
--------------------------------------------------------------%
%
%
%
***************************************************************
%
% Jumlah titik adalah 29*29
% Penyelesaian sistem AU = X dengan U adalah temperatur
% yang tidak diketahui pada titik interior.
clear;
N=30;
for j=0:N-2
for i=1:N-2
X(i+j*(N-1))=0;
end
end
for i=1:N-1
X(i*(N-1))=-100*sin(i*pi/N);
end
% Penyusunan matriks A
for i=1:(N-1)*(N-1)
A(i,i)=-4;
end
for i=1:N-2
for k=0:N-2
A(i+k*(N-1),i+1+k*(N-1))=1;
end
end
for k=0:N-3
for i=1:N-1
A(i+k*(N-1),i+(k+1)*(N-1))=1;
end
end
for i=1:(N-1)*(N-1)
for j=1:i
A(i,j)=A(j,i);
end
end
% Inversi Matriks dan Perhitungan temperatur
M=inv(A);
U=M*X';
% Plot hasil pada bentuk contour
for i=1:N-1
for j=1:N-1
x(i,j)=U(j+(i-1)*(N-1));
end
230
end
[i,j]=meshgrid(1:1:N-1,1:1:N-1);
[c,h]=contourf(i,j,x);
Contoh 8.2. Aliran Panas Steady State

Plat tipis dari baja mempunyai ukuran 10 cm x 20 cm. Jika salah satu sisi
ukuran 10 cm dijaga pada 100 OC dan ketiga sisi yang lain dijaga pada 0 OC.
Tentukan profil temperatur pada plat. Untuk baja k = 0,16 kal/detik.cm2.C/cm.
Penyelesaian
2u
x
2u
y 2
=0
dengan u(x,0) = 0,
u(x,10) = 0,
u(0,y) = 0,
231
u(20,y) = 100.
Program Matlab
%
Persamaan Laplace
%
d^2 U
d^2 U
%
----- + ----- = 0
%
d x^2
d y^2
%
Plat ukuran 10cm x 20cm
%
Temperatur salah satu sisi = 100
%
sedang ketiga sisi yang lain = 0
%
%
%
--------------------------------------------------------------%
%
%
%
***************************************************************
%
% Jumlah titik adalah 9*19
% Penyelesaian sistem AU = X dengan U adalah temperatur
% yang tidak diketahui pada titik interior.
clear;
N=20;
M=10;
for j=0:N-2
for i=1:M-2
X(i+j*(M-1))=0;
end
end
for i=1:M-1
X(i*(N-1))=-100;
end
% Penyusunan matriks A
for i=1:(N-1)*(M-1)
A(i,i)=-4;
end
for i=1:N-2
for k=0:M-2
A(i+k*(N-1),i+1+k*(N-1))=1;
end
end
for k=0:M-3
for i=1:N-1
A(i+k*(N-1),i+(k+1)*(N-1))=1;
end
end
for i=1:(N-1)*(M-1)
for j=1:i
A(i,j)=A(j,i);
end
end
% Inversi Matriks dan Perhitungan Temperatur
G=inv(A);
U=G*X';
% Plot hasil bentuk contour
for i=1:M-1
for j=1:N-1
x(i,j)=U(j+(i-1)*(N-1));
end
232
end
T = x
[i,j]=meshgrid(1:1:N-1,1:1:M-1);
[c,h]=contourf(i,j,x);
Keluaran program

Contoh berikut menggunakan fungsi ellipgen dalam penyelesaian persamaan
differensial Eliptik.
function [a,om]=ellipgen(nx,hx,ny,hy,G,F,bx0,bxn,by0,byn)
%
Penyelesaian persamaan PD Parsial Eliptik
%
d^2 Z
d^2 Z
%
----- + ----- + G(x,y)*Z = F(x,y)
%
d x^2
d y^2
%
pada plat rektanguler
%
%
hx,hy = ukuran titik arah x, y
%
F, G = array (ny+1,nx+1) representasi F(x,y), G(x,y)
%
bx0, bxn = vektor baris kondisi batas pada x0, xn
%
by0, byn = vektor baris kondisi batas pada y0, yn
%
a = array (ny+1,nx+1) penyelesaian
%
%
Nama File : ellipgen.m
%
%
--------------------------------------------------------------nmax=(nx-1)*(ny-1); r=hy/hx;
a=zeros(ny+1,nx+1); p=zeros(ny+1,nx+1);
if nargin==6
ncase=0;mode=F;
end
if nargin==10
233
test=0;
if F==zeros(ny+1,nx+1), test=1; end
if bx0==zeros(1,ny+1), test=test+1; end
if bxn==zeros(1,ny+1), test=test+1; end
if by0==zeros(1,nx+1), test=test+1; end
if byn==zeros(1,nx+1), test=test+1; end
if test==5
disp(' WARNING ')
disp(' ')
break
end
bx0=bx0(1,ny+1:-1:1); bxn=bxn(1,ny+1:-1:1);
a(1,:)=byn; a(ny+1,:)=by0;
a(:,1)=bx0'; a(:,nx+1)=bxn';ncase=1;
end
for i=2:ny
for j=2:nx
nn=(i-2)*(nx-1)+(j-1);
q(nn,1)=i; q(nn,2)=j; p(i,j)=nn;
end
end
C=zeros(nmax,nmax); e=zeros(nmax,1); om=zeros(nmax,1);
if ncase==1, g=zeros(nmax,1); end
for i=2:ny
for j=2:nx
nn=p(i,j); C(nn,nn)=-(2+2*r^2); e(nn)=hy^2*G(i,j);
if ncase==1, g(nn)=g(nn)+hy^2*F(i,j); end
if p(i+1,j)~=0
np=p(i+1,j); C(nn,np)=1;
else
if ncase==1, g(nn)=g(nn)-by0(j); end
end
if p(i-1,j)~=0
np=p(i-1,j); C(nn,np)=1;
else
if ncase==1, g(nn)=g(nn)-byn(j); end
end
if p(i,j+1)~=0
np=p(i,j+1); C(nn,np)=r^2;
else
if ncase==1, g(nn)=g(nn)-r^2*bxn(i); end
end
if p(i, j-1)~=0
np=p(i,j-1); C(nn,np)=r^2;
else
if ncase==1, g(nn)=g(nn)-r^2*bx0(i); end
end
end
end
if ncase==1
C=C+diag(e); z=C\g;
for nn=1:nmax
i=q(nn,1); j=q(nn,2); a(i,j)=z(nn);
end
else
[u,lam]=eig(C,-diag(e));
[om,k]=sort(diag(lam)); u=u(:,k);
for nn=1:nmax
i=q(nn,1); j=q(nn,2);
a(i,j)=u(nn,mode);
end
end
Contoh 8.3. Distribusi Temperatur pada Plat Rektanguler
234
Tentukan distribusi temperatur dalam suatu plat rektanguler, dengan kondisi
batas sebagai berikut
x = 0, T = 100y
x = 3, T = 250y
y = 0, T = 0
y = 2, T = 200 + (100/3)x2
Penyelesaian untuk ukuran 6 x 6.
Program Matlab
%
Persamaan Laplace
%
Plat ukuran 2 x 3
%
pada x = 0, T = 100y
%
pada x = 3, T = 250y
%
pada y = 0, T = 0
%
pada y = 2, T = 200 + (100/3)x^2
%
%
%
--------------------------------------------------------------%
%
%
%
***************************************************************
%
clear all
% Jumlah titik arah x, y
nx=6; ny=6;
% Ukuran titik arah x, y
hx=0.5; hy=0.3333;
% Input data pada kondisi batas
by0=[0 0 0 0 0 0 0];
byn=[200 208.33 233.33 275 333.33 408.33 500];
bx0=[0 33.33 66.67 100 133.33 166.67 200];
bxn=[0 83.33 166.67 250 333.33 416.67 500];
% Penyelesaian dg fungsi ellipgen
F=zeros(ny+1,nx+1); G=F;
% PD Laplace
a=ellipgen(nx, hx, ny, hy, G, F, bx0, bxn, by0, byn);
% Plot hasil
contourf(a)
xlabel('Titik-titik dalam arah x');
ylabel('Titik-titik dalam arah y');
Keluaran program
235
8.1.2. PERSAMAAN POISSON

Bentuk persamaan umum
A
2u
x
+C
u u
= F x, y, u , ,
x y
y
2u
2
Contoh 8.4. Defleksi Membran

Tentukan defleksi membran bujursangkar seragam dengan ujung-ujung tetap
dijaga. Sedang beban distribusi dapat didekati dengan suatu beban pada suatu
titik.
Permasalahan
ini
mengikuti
persamaan
Poisson
dengan
F(x,y)
menunjukkan beban membran.

Penyelesaian dengan fungsi ellipgen.
% Defleksi Membran
%
Persamaan Poisson
%
Plat ukuran 2 x 3
%
d^2 U
d^2 U
%
----- + ----- = F (x,y)
%
d x^2
d y^2
%
%
%
--------------------------------------------------------------%
%
%
%
***************************************************************
%
% Jumlah titik arah x, y
nx=6; ny=6;
236
% Ukuran titik arah x, y
hx=1/6; hy=1/6;
% Input data
by0=[0 0 0 0
byn=[0 0 0 0
bx0=[0 0 0 0
bxn=[0 0 0 0
pada kondisi batas

0 0 0];
0 0 0];
0 0 0];
0 0 0];
% Penyelesaian dg fungsi ellipgen

F=-ones(ny+1,nx+1); G=zeros(nx+1,ny+1);
a=ellipgen(nx, hx, ny, hy, G, F, bx0, bxn, by0, byn);
% Plot hasil
surfl(a)
axis([1 7 1 7 0 0.1])
xlabel('titik-titik arah x');
ylabel('titik-titik arah y ');
zlabel('tebal');
Keluaran program
8.2. PERSAMAAN PARABOLIK

Persamaan parabolik akan sering dijumpai dalam persamaan aliran panas
satu dimensi unsteady state.
237
2u
x
c u
k t
(8.7)
8.2.1. METODE EKSPLISIT

Metode eksplisit menyelesaikan persamaan (8.7) dengan pendekatan beda
hingga sebagai berikut
2u
x 2
u ij+1 + 2u ij + u ij1
(8.8)
(x )2
j+1
j
u u i u i
=
t
t
(8.9)
Substitusi persamaan (8.8) dan (8.9) pada persamaan (8.7) dan penyelesaian
untuk uij+1
u ij+1 =
kt
c(x )
Penyederhanaan jika
u ij+1 =
(u
j
i +1
kt
c(x )2
1 j
u i +1 + u ij1
2
2kt
+ u ij1 + 1
c(x )2
j
u
i
(8.10)
1 1 dengan M adalah Modulus

=
2 M
(8.11)
Contoh 8.5
Selesaikan persamaan 8.10. untuk M = 4. Ditentukan uin = 0,5, uA = 1,0, uB =

0,2, L = 1, N = 10.
Program Matlab
% Persamaan Differensial Parsial
%
Persamaan Parabolik
%
d^2 u
d u
%
------- = ----%
d x^2
d t
%
Penyelesaian dengan Finite Difference
%
Metode Eksplisit
%
%
--------------------------------------------------------------%
%
%
%
***************************************************************
%
clc
clear all
238
uin = 0.5;
uA =1;
uB = 0.2;
% nilai u untuk seluruh x pada t = 0

% nilai u untuk x = 0 (bagian atas) pada t > 0
% nilai u untuk x = 1 (bagian bawah) pada t > 0
% Interval x = 0 sampai x = L, dibagi N bagian sama besar

AL = 1;
% panjang sisi
N = 25;
% sisi x dibagi sebanyak N bagian
% Modulus
AM = 4;
% Interval waktu dibagi bagian kecil sebesar delt
Jend = 100; % jumlah hitungan waktu yaitu t = delt*Jend
delx = AL/N;
delt = delx^2/AM;
%Kondisi awal
for i=1:N+1
x(i)= (i-1)*delx;
u(i,1)= uin;
end
for j=1:Jend
for i=2:N
u(1,j+1)=uA;
u(N+1,j+1)=uB;
u(i,j+1)=(u(i-1,j)+(AM-2)*u(i,j)+u(i+1,j))/AM;
end
end
% Plot x,y kondisi awal
plot(x',u(:,1),'LineWidth',2)
disp('kondisi awal t = 0')
x = x', u0 = u(:,1)
% Tidak semua hitungan perlu diplotkan
disp('kondisi t >= 0')
hold on
for w=1:Jend
j=ceil(w/20);
uu(:,j) = u(:,w);
t(j)=delt*w;
end
x=x ,t, un=uu
plot(x,uu,'LineWidth',2)
Keluaran program
>> kondisi awal t = 0
x =
0
0.0400
0.0800
0.1200
0.1600
0.2000
0.2400
0.2800
0.3200
0.3600
0.4000
0.4400
0.4800
0.5200
0.5600
0.6000
239
0.6400
0.6800
0.7200
0.7600
0.8000
0.8400
0.8800
0.9200
0.9600
1.0000
u0 =
0.5000
0.5000
0.5000
0.5000
0.5000
0.5000
0.5000
0.5000
0.5000
0.5000
0.5000
0.5000
0.5000
0.5000
0.5000
0.5000
0.5000
0.5000
0.5000
0.5000
0.5000
0.5000
0.5000
0.5000
0.5000
0.5000
kondisi t >= 0
x =
0
0.0400
0.0800
0.1200
0.1600
0.2000
0.2400
0.2800
0.3200
0.3600
0.4000
0.4400
0.4800
0.5200
0.5600
0.6000
0.6400
0.6800
0.7200
0.7600
0.8000
0.8400
0.8800
0.9200
0.9600
1.0000
240
t =
0.0080
0.0160
0.0240
0.0320
0.0400
1.0000
0.8714
0.7557
0.6620
0.5939
0.5494
0.5235
0.5100
0.5038
0.5013
0.5004
0.5001
0.5000
0.5000
0.4999
0.4998
0.4992
0.4977
0.4940
0.4859
0.4703
0.4437
0.4028
0.3466
0.2772
0.2000
1.0000
0.9099
0.8244
0.7472
0.6810
0.6272
0.5855
0.5550
0.5337
0.5197
0.5109
0.5055
0.5021
0.4996
0.4971
0.4937
0.4882
0.4798
0.4670
0.4487
0.4237
0.3914
0.3517
0.3054
0.2540
0.2000
1.0000
0.9267
0.8558
0.7896
0.7298
0.6776
0.6335
0.5974
0.5689
0.5470
0.5304
0.5179
0.5083
0.5001
0.4922
0.4835
0.4728
0.4592
0.4418
0.4200
0.3935
0.3621
0.3262
0.2865
0.2440
0.2000
1.0000
0.9366
0.8748
0.8160
0.7614
0.7121
0.6684
0.6307
0.5988
0.5722
0.5502
0.5319
0.5163
0.5023
0.4889
0.4751
0.4600
0.4428
0.4228
0.3997
0.3732
0.3434
0.3105
0.2752
0.2381
0.2000
1.0000
0.9432
0.8876
0.8341
0.7836
0.7369
0.6943
0.6562
0.6226
0.5931
0.5673
0.5447
0.5244
0.5057
0.4879
0.4700
0.4513
0.4313
0.4095
0.3855
0.3592
0.3307
0.3001
0.2677
0.2342
0.2000
un =
241
Contoh 8.6. Distribusi Temperatur sebagai Fungsi Waktu pada Plat Tipis
Plat besi yang sangat luas mempunyai tebal 2 cm. Temperatur mula-mula dalam
plat merupakan fungsi jarak dari salah satu sisinya sebagai berikut :
u = 100x
untuk 0 # x # 1,
u = 100( 2 x)
untuk 0 # x # 1.
Tentukan temperatur tebal plat sebagai fungsi x dan t, jika kedua permukaan
tetap dijaga 0 OC. Untuk besi k = 0,13 kal/detik.cm. OC, c = 0,11 cal/g. OC, =
7,8 g/cm3.
Penyelesaian
kt
c(x )
1 1 ,
=
2 M
x = 0,25 sehingga t = 0,206 detik
Program Matlab
%
Persamaan Parabolik
%
d^2 u
c*rho
d u
%
------- = ----- ----%
d x^2
k
d t
%
Plat tebal 2 cm
%
Kondisi awal
%
u(x,0) = 100x
utk 0 <= x <= 1
%
u(x,0) = 100(2-x)
utk 1 <= x <= 2
%
Kondisi batas
%
u(0,t) = 0
%
u(2,t) = 0
%
%
Metode Eksplisit
%
%
--------------------------------------------------------------%
%
%
%
***************************************************************
%
format short
clc
clear all
% Data-data
L=2;
k=0.13;
c=0.11;
rho=7.8;
% Interval
N=8;
M=0.5;
delx=L/N;
%
%
%
%
tebal plat, cm
konduktivitas panas, kal/det.cm.oC
kapasitas panas, kal/g.oC
densitas, g/cm^3
% modulus
242
delt=M*c*rho*delx^2/k;
xo=0;
Jend=10;
for i=1:N+1
x(i)=xo+delx*(i-1);
end
% Kondisi awal
for i=1:ceil((N+1)/2)
u(1,i)=100*x(i);
end
for i=N+1:-1:ceil((N+1)/2)
u(1,i)=100*(2-x(i));
end
for i=1:Jend
t(i)=delt*i;
end
for j=1:Jend
for i=2:ceil((N+1)/2)+1
u(j+1,i)=(k*delt/(c*rho*delx^2))*(u(j,i-1)+u(j,i+1))+...
(1-2*k*delt/(c*rho*delx^2))*u(j,i);
end
for i=N+1:-1:ceil((N+1)/2)+1
u(j+1,i)=u(j+1,ceil((N+1)/2)*2-i);
end
end
x
t=t'
u
Keluaran program
x =
0
0.2500
0.5000
0.7500
1.0000
1.2500
1.5000
1.7500
2.0000
25.0000
25.0000
25.0000
25.0000
21.8750
21.8750
18.7500
18.7500
16.0156
16.0156
13.6719
50.0000
50.0000
50.0000
43.7500
43.7500
37.5000
37.5000
32.0313
32.0313
27.3438
27.3438
75.0000
75.0000
62.5000
62.5000
53.1250
53.1250
45.3125
45.3125
38.6719
38.6719
33.0078
100.000
75.0000
75.0000
62.5000
62.5000
53.1250
53.1250
45.3125
45.3125
38.6719
38.6719
75.0000
75.0000
62.5000
62.5000
53.1250
53.1250
45.3125
45.3125
38.6719
38.6719
33.0078
50.0000
50.0000
50.0000
43.7500
43.7500
37.5000
37.5000
32.0313
32.0313
27.3438
27.3438
25.0000
25.0000
25.0000
25.0000
21.8750
21.8750
18.7500
18.7500
16.0156
16.0156
13.6719
0
0
0
0
0
0
0
0
0
0
0
t =
0.2062
0.4125
0.6187
0.8250
1.0313
1.2375
1.4437
1.6500
1.8563
2.0625
u =
0
0
0
0
0
0
0
0
0
0
0
Contoh 8.7. Difusi Alkohol
243
Suatu tabung panjang 20 cm mula-mula berisi udara dengan 2 % uap alkohol.
Pada bagian bawah tabung berhubungan dengan bejana berisi alkohol sehingga
alkohol tersebut menguap melalui tabung yang mula-mula berisi udara diam
tersebut. Pada bagian ini konsentrasi alkohol dijaga tetap 10 %. Pada bagian atas
(puncak) tabung uap alkohol di permukaan atas tabung dapat dianggap selalu
nol.
20 cm
Gambar 8.6. Difusi Alkohol
Tentukan distribusi konsentrasi alkohol pada tabung sampai minimal 100 detik.
Diketahui = 0,119 cm2 / detik. Ambil r = t/(x)2 =1/2 dan x = 4 cm.
Penyelesaian
t = 0.5(x)2/ = 67,2 detik
Program Matlab
%
Persamaan Parabolik
%
d^2 c
d c
%
D ------- = ----%
d x^2
d t
%
Kondisi awal
%
c(0,t) = 2
%
Kondisi batas
%
c(0,t) = 0
c(20,t) = 10
%
%
Metode Eksplisit
%
%
--------------------------------------------------------------%
%
%
%
***************************************************************
%
244
format short
clc
clear all
% Data-data
L=20;
D=0.119;
% panjang tube, cm
% koefisien difusivitas, cm^2/detik
N=5;
M=0.5;
delx=L/N;
delt=M/D*delx^2;
xo=0;
Jend=16;
for i=1:N+1
x(i)=xo+delx*(i-1);
end
x
%Kondisi awal
u(1,1)=0.0;
for i=2:N
u(1,i)=2;
end
u(1,N+1)=10.0;
% interval waktu
for i=1:Jend+1
t(i) = delt*i-delt;
end
t=t'
for j=1:Jend
u(j+1,1)=0.0;
for i=2:N
u(j+1,i)=(delt*D/delx^2)*(u(j,i-1)+u(j,i+1))+...
(1-2*delt*D/delx^2)*u(j,i);
end
u(j+1,N+1)=10.0;
end
u
Keluaran program
x =
0
t =
1.0e+003 *
0
0.0672
0.1345
0.2017
0.2689
0.3361
0.4034
0.4706
0.5378
0.6050
0.6723
0.7395
0.8067
0.8739
0.9412
1.0084
1.0756
12
16
20
245
u =
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
2.0000
1.0000
1.0000
0.7500
1.2500
1.1250
1.5000
1.4219
1.6719
1.6211
1.7852
1.7520
1.8594
1.8376
1.9080
1.8937
1.9398
2.0000
2.0000
1.5000
2.5000
2.2500
3.0000
2.8438
3.3438
3.2422
3.5703
3.5039
3.7188
3.6753
3.8159
3.7875
3.8795
3.8609
2.0000
2.0000
4.0000
3.7500
4.7500
4.5625
5.1875
5.0625
5.4688
5.3867
5.6523
5.5986
5.7725
5.7373
5.8511
5.8281
5.9025
2.0000
6.0000
6.0000
7.0000
6.8750
7.3750
7.2813
7.5938
7.5313
7.7344
7.6934
7.8262
7.7993
7.8862
7.8687
7.9255
7.9140
10.0000
10.0000
10.0000
10.0000
10.0000
10.0000
10.0000
10.0000
10.0000
10.0000
10.0000
10.0000
10.0000
10.0000
10.0000
10.0000
10.0000
8.2.2. METODE IMPLISIT

Berikut penggunaan fungsi
heat
untuk penyelesaian persamaan
differensial parsial secara implisit.

function u=heat(nx,hx,nt,ht,init,lowb,hib,K)
%
Penyelesaian persamaan PD Parsial Parabolik
%
d^2 U
d U
%
K ----- = ---%
d x^2
d t
%
%
nx,hx = jumlah dan ukuran titik x
%
nt,ht = jumlah dan ukuran titik t
%
init = vektor baris (nx+1) nilai awal fungsi
%
lowb, hib = batas bawah dan atas x
%
lowb dan hib mempunyai nilai skalar
%
K = konstanta persamaan parabolik
%
%
Nama File : heat.m
%
%
--------------------------------------------------------------alpha=K*ht/hx^2;
A=zeros(nx-1,nx-1);u=zeros(nt+1,nx+1);
u(:,1)=lowb*ones(nt+1,1);
u(:,nx+1)=hib*ones(nt+1,1);
u(1,:)=init;
A(1,1)=1+2*alpha;
for i=2:nx-2
A(i,i)=1+2*alpha;
A(i,i-1)=-alpha;
A(i,i+1)=-alpha;
end
A(nx-1,nx-2)=-alpha;
A(nx-1,nx-1)=1+2*alpha;
b(1,1)=init(2)+init(1)*alpha;
for i=2:nx-2
b(i,1)=init(i+1);
end
b(nx-1,1)=init(nx)+init(nx+1)*alpha;
[L,U]=lu(A);
for j=2:nt+1
246
y=L\b;x=U\y;
u(j,2:nx)=x';b=x;
b(1,1)=b(1,1)+lowb*alpha;
b(nx-1,1)=b(nx-1,1)+hib*alpha;
end
Contoh 8.8. Distribusi Temperatur pada Dinding Batu Tahan Api sebagai
Fungsi Waktu
Dinding batu tahan api setebal 0,3 m mula-mula mempunyai temperatur seragam
100 OC. Temperatur kedua permukaan diturunkan secara tiba-tiba menjadi 20 OC
dan tetap dijaga pada temperatur ini. Tentukan distribusi temperatur pada
dinding pada interval 440 detik sampai 22000 detik. Untuk batu tahan api K =
5.10-7 m2/detik.
Penyelesaian dengan menggunakan fungsi
heat,
dan diambil 15 subdivisi untuk
x dan 50 subdivisi untuk t.

Program Matlab
% Distribusi Temperatur Dinding Tahan Api
%
Persamaan Parabolik
%
Tebal dinding 0.3 m
%
Temperatur mula-mula seragam 100 oC
%
Secara tiba-tiba kedua sisi menjadi 20 oC
%
dan dijaga tetap seperti itu
%
%
Metode Implisit
%
--------------------------------------------------------------%
%
%
%
***************************************************************
% Data-data
K=5e-7;
hx=0.02;
nx=15;
ht=440;
nt=50;
%
%
%
%
%
m^2/detik
ukuran interval x
jumlah interval x
detik, ukuran interval t
jumlah interval t
% Kondisi awal
init = 100*ones(1,nx+1);
% Kondisi batas
lowb=20; hib=20;
% Perhitungan
u=heat(nx,hx,nt,ht,init,lowb,hib,K);
% Plot Hasil
surfl(u)
axis([0 16 0 50 0 120])
view([-217 30])
xlabel('x'); ylabel('waktu');
zlabel('temperatur')
247
Keluaran Program
DAFTAR PUSTAKA
---, 2005, MATLAB Central > File Exchange > Chemistry and Physics,
www.mathworks.com/matlabcentral/fileexchange/load Category.do
Chapra, S.C. dan Canale, R.P., 1991, Metode Numerik untuk Teknik, Penerbit
UI Jakarta
Cutlip, M.B. dan Schacham, M., 2002, Application of Mathematical Software
Packages in Chemical Engineering Education, Workshop Presenters,
ASSE Chem. Eng. Division Summer School, University of Colorado,
Boulder
Davis, M.E., 1965, Numerical Analysis for Chemical Engineering, John Wiley
and Sons., New York
Fogler, H.S., 1999, Elements of Chemical Reaction Engineering, 3 ed.,
Prentice Hall International Ed. Englewood Cliffs, New Jersey.
Gerald, C.F. dan Wheatley, P.O., 1985, Applied Numerical Analysis, AdisonWesley Publising Company, Inc., USA
Hanna, O.T. dan Sandall, O.C., 1995, Computational Methods in Chemical
Engineering, Prentice Hall PTR, New Jersey
Hanselman, D. dan Littlefield, B., 2000, Matlab Bahasa Komputasi Teknik,
Penerbit Andi, Yoyakarta
Jenson, V.G. dan Jeffreys, G.V., 1977, Mathematical Methods in Chemical
Engineering, Academic Press, Inc., London
Levenspiel, O., 1999, Chemical Reaction Engineering, 3 ed., John Wiley and
Sons, New York
Mickley, H.S., Sherwood, T.S., dan Reed, C.E., 1975, Applied Mathematical in
Chemical Engineering, Tata Mc. Graw Hill Pub. Ca., New York
Palm, W.J., 1999, Matlab for Engineering Applications, Mc.Graw-Hill, New
York
252
Penny, J. dan Lindfield, G., 2000, Numerical Methods using Matlab, Prentice
Hall, Inc., New Jersey
Pike, R.W., 1986, Optimization for Engineering System, Van Nostrand
Reinhold Company Inc., New York
Rudd, D.F. dan Watson, C.C., 1968, Strategy of Process Engineering, John
Wiley & Sons, Inc., New York
Sediawan, W.B. dan Prasetya, A., 1977, Pemodelan Matematis dan
Penyelesaian Numeris dalam Teknik Kimia, Penerbit Andi Yogyakarta
Smith, J.M., 1981, Chemical Engineering Kinetics, 3rded., Mc. Graw Hill Inc.,
Tokyo
Wang, N. S., 2002, Computer Methods in Chemical Engineering, Chemical
Engineering Dept., University of Maryland, www.glue.umd.edu/
White, J.R., 2005, Mathematical Methods for Engineering, Chemical &
Nuclear Engineering Dept., University of Massachussetts Lowell,
www.profjrwhite.com/math_methods.htm.
White, J.R., 2005, Problem Solving with Matlab, Chemical & Nuclear
Engineering Dept., University of Massachussetts Lowell,
www.profjrwhite.com/matlab_course.htm.

Buku Pemrograman Komputer

Diunggah oleh

Hak Cipta:

Format Tersedia

Buku Pemrograman Komputer

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Buku Pemrograman Komputer

Diunggah oleh

Hak Cipta:

Format Tersedia

Adrian Nur

Jurusan Teknik Kimia Fakultas Teknik

: Penyelesaian Numeris dalam

: Adrian Nur, S.T., M.T.

: Rp. 5.000.000,- ( lima juta rupiah ).

Surakarta, 15 November 2005

Ketua Tim Penyusun

Fadilah, ST., MT.

Adrian Nur, ST., MT.

Dekan Fakultas Teknik UNS

Dr. Ravik Karsidi, MS

Ir. Sumaryoto, MT.

Jurusan Teknik Kimia Fakultas Teknik

Penyelesaian Numeris dalam

Teknik Kimia dengan Matlab

vi + 252 hlm. ; 15,5 x 23 cm

Hak Cipta @ 2005 pada penulis

Jurusan Teknik Kimia Fakultas Teknik

Penggunaan MATLAB dalam penyelesaian persoalan dalam teknik

PENGANTAR PEMOGRAMAN MATLAB

Fungsi Umum Matlab

PERSAMAAN ALJABAR LINIER

Metode Eliminasi Gauss

PERSAMAAN ALJABAR NON LINIER

Metode Bagidua (Bisection)

PERSAMAAN DIFFERENSIAL ORDINER

Masalah Harga Awal

PERSAMAAN DIFFERENSIAL PARSIAL

Regresi Kuadrat Terkecil

Persamaan Differensial Eliptik

MATLAB (Matrix Laboratory) adalah sebuah program untuk analisis

Matematika dan Komputasi;

Pengembangan dan Algoritma;

Pernrograman modeling, sn-nulasi, dan pembuatan prototipe;

Analisa Data, eksplorasi, dan visualisasi;

Analisis numerik dan statistik;

Pengembangan aplikasi teknik.

1.1. FUNGSI UMUM MATLAB

JENIS-JENIS JENDELA (WINDOW) MATLAB

Command Windows juga digunakan untuk memanggil tool MATLAB

digunakan untuk mehhat isi dari sebuah direktori aktif.

: digunakan untuk melakukan perpindahan dari direktori aktif

: digunakan untuk melihat direktori yang sedang aktif.

: digunakan untuk membuat sebuah direktori.

: digunakan untuk mehhat variabel yang sedang aktif.

: digunakan untuk menampilkan nama setiap variabel yang

: digunakan untuk menghapus file.

: digunakan untuk menghapus variabel.

: digunakan untuk membersihkan layar.

: digunakan untuk melihat dokumentasi The MathWorks, Inc.

: digunakan untuk menampilkan demo yang disediakan oleh

b. MATLAB Editor/Debugger (Editor M-File/Pencarian. Kesalahan)

c. Figure Windows (Jendela gambar)

d. MATLAB Help Window

Untuk mengetahui penggunaan perintah plot, cobalah ketikkan:

Selain help dalam bentuk seperti di atas, MATLAB juga menyediakan

Untuk memperoleh informasi tentang konsep-konsep dasar bahasa

mencoba sendiri menampilkan Help Desk dengan mengetikkan perintah

Anda bisa membedakan tanda / dan \ dengan percobaan berikut:

ac=[a1c a2c ... anc]

a.b=[a1b1 a2+b2 ... an+bn]