Matakuliah Teknik Komputasi sebenarnya salah satu matakuliah yang cukup menegangkan selama saya mengikuti kuliah. Tapi anehnya ada rasa keranjingan yang tidak bisa digambarkan dengan kata-kata yang membuat hati ini bertanya, waduh kapan kali ya ketemu pelajaran ini segera dan berjibaku bersama di dalamnya (hahaha… lebay banget kata-katanya).
Berikut ini hasil ringkasan kuliahnya. Mungkin kalau dimasukkan semua akan sangat panjang. Kali ini hanya sebagian kecil aja. Besok jika sempat akan dilanjutkan lagi ringkasan-ringkasan lainnya, sesuai keinginan hati tentunya (hehehe…)
Bahasannya :
Gambaran Umum Ilmu Komputasi.
Diambil dari ringkasan : Angela B. Shiflet dan George W. Shiflet - Wofford College - © 2006 oleh Princeton University Press.
A. Modul 1.1. Apa itu ilmu komputer?
Ilmu Komputer :
A. Modul 1.1. Apa itu ilmu komputer?
Ilmu Komputer :
- Interdisipliner
- Titik-temu dari ilmu, ilmu komputer dan matematika
Ilmu investigasi :
- Teori
- Eksperimen
- Komputasi
Komputasi :
- Merangsang wawasan dan pemahaman
- Kadang-kadang mengarah pada teori-teori baru, menunjukkan percobaan baru
- Digunakan untuk menguji teori-teori baru
Contoh
- Penyebaran penyakit - AIDS
- Prediksi Cuaca
- Analisis bencana Space Shuttle
- Air-model berkualitas
- Pembuatan simulasi galaksi
- Potensi kerusakan gempa
- Pemodelan jantung untuk pengobatan
B. Module 1.2? Proses Modeling
Modeling :
Penerapan metode untuk melakukan analisa di dunia nyata, untuk memprediksi apa yang mungkin terjadi dengan beberapa tindakan.
Model Klasifikasi :
- Probabilistik atau perilaku stokastik - unsur kebetulan
- Deterministik perilaku
- Perubahan model dinamis dengan waktu
- Model statis
Langkah Proses Modeling – siklus ?
- Menganalisa masalah
- Merumuskan model
- Kumpulkan data
- Membuat asumsi penyederhanaan dan dokumen mereka
- Menentukan variabel dan unit
- Membangun hubungan di antara variabel dan submodels
- Tentukan persamaan dan fungsi
Langkah Pemodelan Proses
- Model Selesaikan
- Verifikasi dan solusi model menafsirkan's
- Verifikasi menentukan apakah solusi bekerja dengan baik
- Validasi menetapkan jika sistem memenuhi kebutuhan masalah itu
Langkah Pemodelan Proses
- Model pelaporan
- Analisa masalah
- Desain Model
- Solusi Model
- Hasil dan kesimpulan
- Pengembangan model
3.Module 2.2 Error (Kesalahan)
Contoh
- Predator model-Prey
- Jika Δt terlalu besar, hasil yang buruk karena kesalahan
- Titik-temu dari ilmu, ilmu komputer dan matematika
Ilmu investigasi :
- Teori
- Eksperimen
- Komputasi
Komputasi :
- Merangsang wawasan dan pemahaman
- Kadang-kadang mengarah pada teori-teori baru, menunjukkan percobaan baru
- Digunakan untuk menguji teori-teori baru
Contoh
- Penyebaran penyakit - AIDS
- Prediksi Cuaca
- Analisis bencana Space Shuttle
- Air-model berkualitas
- Pembuatan simulasi galaksi
- Potensi kerusakan gempa
- Pemodelan jantung untuk pengobatan
B. Module 1.2? Proses Modeling
Modeling :
Penerapan metode untuk melakukan analisa di dunia nyata, untuk memprediksi apa yang mungkin terjadi dengan beberapa tindakan.
Model Klasifikasi :
- Probabilistik atau perilaku stokastik - unsur kebetulan
- Deterministik perilaku
- Perubahan model dinamis dengan waktu
- Model statis
Langkah Proses Modeling – siklus ?
- Menganalisa masalah
- Merumuskan model
- Kumpulkan data
- Membuat asumsi penyederhanaan dan dokumen mereka
- Menentukan variabel dan unit
- Membangun hubungan di antara variabel dan submodels
- Tentukan persamaan dan fungsi
Langkah Pemodelan Proses
- Model Selesaikan
- Verifikasi dan solusi model menafsirkan's
- Verifikasi menentukan apakah solusi bekerja dengan baik
- Validasi menetapkan jika sistem memenuhi kebutuhan masalah itu
Langkah Pemodelan Proses
- Model pelaporan
- Analisa masalah
- Desain Model
- Solusi Model
- Hasil dan kesimpulan
- Pengembangan model
3.Module 2.2 Error (Kesalahan)
Contoh
- Predator model-Prey
- Jika Δt terlalu besar, hasil yang buruk karena kesalahan
- Aturan Aljabar? tidak harus terus
- Spreadsheet 2_2ErrorAlgebra.xls dengan
- x = 355/113, y = 101/112, z = 52/113
- Semua cara yang berbeda untuk menghitung x - 3y - z harus 0, tetapi tidak
Notasi eksponensial
- Contoh: 698.043990 ´ 10^3
- Bagian pecahan atau signifikan?
698043990
- Eksponen?
3
- Normalisasi?
0,698043990 x 10 ^ 5
Digit signifikan
- Digit signifikan jumlah floating point
- Semua digit kecuali nol terkemuka
- Jumlah digit yang signifikan dalam
698.043990 x 10 ^ 3?
(9 angka signifikan)
- Precision
Jumlah angka signifikan
- Magnitude (Besaran-nya)
- Power of 10 ketika nomor disajikan dalam notasi eksponensial dinormalisasi
- Besaran 698.043990 x 10 ^ 3?
= dinormalisasi menjadi : 0,698043990 x 10 ^ 5?
= 10 ^ 5
Round-off error
- Masalah tidak memiliki bit cukup untuk menyimpan nomor seluruh titik mengambang
Contoh: 0,698043990 x 10 ^ 5 jika hanya dapat menyimpan 6 digit signifikan, bulat?
0.698044 x 10 ^ 5
- Jangan langsung uji untuk kesamaan variabel floating point
Kesalahan bernilai absolude/mutlak(pasti angka positif) :
- | Benar - hasil |
Contoh: benar = 0,698043990 x 10 ^ 5 dan hasilnya = 0,698043 x 10 ^ 5
Absolute kesalahan =?
= | 0,698043990 x 10 ^ 5-0,698043 x 10 ^ 5 | = 0,00000990 x 10 ^ 5 = 0,990
Kesalahan relatif
- | (Benar - hasil) / benar |
Contoh: (benar - hasil) = 0,990 dan benar = 0,698043990 x 10 ^ 5
0,990 / (0,698043990 x 10 ^ 5) = 1,4182487 x 10 ^ (-5)
- Pertimbangkan kesalahan relatif
1.000.000 vs 1.000.001
1 vs 2
- Jika jawaban yang pasti adalah 0 atau mendekati 0, gunakan error absolut
Kesalahan2 pada penambahan dan pengurangan
- Jika besar perbedaan besarnya jumlah
Contoh: (0,65 x 10 ^ 5) + (0,98 x 10 ^ (-5)) =?
65000 + 0,0000098 = 65000,0000098
misalkan dapat menyimpan 6 digit signifikan bulat?
65.000,0 = (0,650000 x 10 ^ 5)
Properti asosiatif
- Apakah tidak harus terus
- Jumlah nomor + jumlah besar banyak kecil mungkin tidak sama menambahkan setiap nomor kecil untuk sejumlah besar
- Demikian pula, properti distributif tidak harus terus
Pembatalan kesalahan
- Masalah mengurangkan angka yang hampir sama
- Jawaban dapat memiliki angka signifikan kurang dari angka asli
Untuk mengurangi kesalahan numerik
- Round-off error
Penggunaan maksimum jumlah digit yang signifikan
- Jika besar perbedaan besarnya jumlah
Tambahkan dari terkecil ke nomor terbesar
Disebarkan (akumulasi) round-off error
- Contoh: berulang kali melaksanakan t = t + dt
- Lebih baik mengulang increment i dan menghitung t = i * dt
- Power of 10 ketika nomor disajikan dalam notasi eksponensial dinormalisasi
- Besaran 698.043990 x 10 ^ 3?
= dinormalisasi menjadi : 0,698043990 x 10 ^ 5?
= 10 ^ 5
Round-off error
- Masalah tidak memiliki bit cukup untuk menyimpan nomor seluruh titik mengambang
Contoh: 0,698043990 x 10 ^ 5 jika hanya dapat menyimpan 6 digit signifikan, bulat?
0.698044 x 10 ^ 5
- Jangan langsung uji untuk kesamaan variabel floating point
Kesalahan bernilai absolude/mutlak(pasti angka positif) :
- | Benar - hasil |
Contoh: benar = 0,698043990 x 10 ^ 5 dan hasilnya = 0,698043 x 10 ^ 5
Absolute kesalahan =?
= | 0,698043990 x 10 ^ 5-0,698043 x 10 ^ 5 | = 0,00000990 x 10 ^ 5 = 0,990
Kesalahan relatif
- | (Benar - hasil) / benar |
Contoh: (benar - hasil) = 0,990 dan benar = 0,698043990 x 10 ^ 5
0,990 / (0,698043990 x 10 ^ 5) = 1,4182487 x 10 ^ (-5)
- Pertimbangkan kesalahan relatif
1.000.000 vs 1.000.001
1 vs 2
- Jika jawaban yang pasti adalah 0 atau mendekati 0, gunakan error absolut
Kesalahan2 pada penambahan dan pengurangan
- Jika besar perbedaan besarnya jumlah
Contoh: (0,65 x 10 ^ 5) + (0,98 x 10 ^ (-5)) =?
65000 + 0,0000098 = 65000,0000098
misalkan dapat menyimpan 6 digit signifikan bulat?
65.000,0 = (0,650000 x 10 ^ 5)
Properti asosiatif
- Apakah tidak harus terus
- Jumlah nomor + jumlah besar banyak kecil mungkin tidak sama menambahkan setiap nomor kecil untuk sejumlah besar
- Demikian pula, properti distributif tidak harus terus
Pembatalan kesalahan
- Masalah mengurangkan angka yang hampir sama
- Jawaban dapat memiliki angka signifikan kurang dari angka asli
Untuk mengurangi kesalahan numerik
- Round-off error
Penggunaan maksimum jumlah digit yang signifikan
- Jika besar perbedaan besarnya jumlah
Tambahkan dari terkecil ke nomor terbesar
Disebarkan (akumulasi) round-off error
- Contoh: berulang kali melaksanakan t = t + dt
- Lebih baik mengulang increment i dan menghitung t = i * dt
Overflow / underflow
- Overflow - error kondisi yang terjadi bila bit tidak cukup untuk mengungkapkan nilai di komputer
- Underflow - error kondisi yang terjadi ketika hasil perhitungan terlalu kecil untuk komputer untuk mewakili
Pemotongan kesalahan
- Kesalahan yang terjadi ketika terpotong, atau terbatas, jumlah yang digunakan sebagai pendekatan untuk jumlah dari seri terbatas
Oke sampai ketemu dibahasan selanjutnya. Semoga bermanfaat.
No comments:
Post a Comment