Computation Process
using
Scilab
Komputasi
Komputasi
Proses
Proses
1.
1.
Pengenalan
Pengenalan
Scilab
Scilab
2.
2.
Bahasa
Bahasa
pemrograman
pemrograman
dengan
dengan
Scilab
Scilab
3.
3.
Metoda
Metoda
Numerik
Numerik
4.
4.
Aplikasi
Aplikasi
Komputasi
Komputasi
Proses
Proses
dengan
dengan
Scilab
Introduction
Introduction
Physical & Mathematical MODELS Simplified picture of REALITY Engineers are symbolic analysts TOOL to solve PROBLEMS •Forecasting •Controlling SoftwareLanguage Programme
Interactive program
Numerical computation & data visualization
Scilab
Scilab
Software gratis:
Software gratis:
http://
http://
www.scilab.org
www.scilab.org
OS: Windows
OS: Windows
dan
dan
Linux
Linux
Mirip
Mirip
dengan
dengan
program
program
Matlab
Matlab
Tool Bar
-->r=6 r = 6. -->luas=0.25*%pi*r^2 luas = 28.274334 deff(‘(out1,out2,…)=modul(in1,in2,…)’,’persamaan’ Fungsi: mendefinisikan persamaan (rumus) pada jendela kerja
-->deff('A=luas(r)','A=0.25*%pi*r^2') -->ls=luas(3)
ls =
7.0685835 -->
Perintah membuka
Jendela Editor Hasil Dari menu bar: (klik)
Editor
Atau tekan [alt – d] Dari Tool bar: (klik) Dari Jendela kerja: (ketik) scipad()
Tips:
Cara lebih mudah, dapat dilakukan (pilih salah satu):
Pada menu bar “jendela editor”, pilih Execute (Alt+x) Æ Load into
Scilab
Pada menu bar “jendela editor”, Ctrl + l
Pada menu bar “jendela kerja”, pilih File Æ Exec… Æ pilih file yang
akan dieksekusi -->exec('c:\scilabc\luasbs.sci') -->function hsl=luasbs(r); --> hsl = 0.25*%pi*r^2; -->endfunction; -->
getf() Fungsi: mengambil / mengaktifkan file *.scipada suatu fungsi yang lain
1 function V=volbs(h,r)
2 getf('c:/scilabc/luasbs.sci') 3 V=h*luasbs(r)
ls file_dir Fungsi‘direktori file’: menampilkan file pada -->ls c:/scinum ans = !volbs.sci ! ! ! !luasbs.sci ! -->
Apabila fungsi atau modul yang akan digunakan cukup banyak,maka penggunaan getf() tidak efektif
genlib(‘nama’,’file_dir’) Fungsi: membangun library dari fungsi (*.sci) pada‘direktori file’
load(’file_dir/lib’) Fungsi: memanggil library dari fungsipada ‘direktori file’
DIFFERENSIASI NUMERIK
¾
Persamaan differensial merupakan
model matematis yang paling sering
muncul dalam bidang keteknikan
maupun saintifik
¾
Salah satu penyelesaiannya dengan
metode beda hingga (
finite
Definisi turunan (derivatif)
( ) ( ) ( ) ( ) 0 0 x x 0 x x x x f x f lim x ' f dx x df 0 0 − − = = →Jika h = x – x0 = ∆x maka pendekatan turunan di atas adalah
( ) ( ) ( ) ( ) ( ) x x f x f h x f x f x ' f 0 0 0 ∆ − = − ≈
Diketahui suatu fungsi y = f (x), ingin dicari pada x = x0. Penyelesaiannya dapat menggunakan 3 cara yaitu :
1. Forward Difference (Beda Maju)
2. Backward Difference (Beda Mundur)
3. Central Difference (Beda Pusat)
dx dy
1. Metode Beda Maju
(Forward Difference)
Beda hingga maju pertama dari y pada i atau x didefinisikan :
∆yi = yi+1 – yi
Beda maju kedua pada i atau x didefinisikan :
∆2y
i = yi+2 – 2yi+1 + yi
atau ∆2y(x) = y(x+2h) – 2y(x+h) + y(x)
Sehingga penyelesaiannya bisa dituliskan : atau ∆y(x) = y(x+h) – y(x)
x ) x ( f ) x x ( f dx dy 0 0 0 x x ∆ − ∆ + ≅ =
(
i 1 i)
i y y h 1 dx dy − = + atau2. Metode Beda Mundur
(Backward Difference)
Beda hingga mundur pertama dari y pada i atau x didefinisikan :
∇yi = yi – yi-1
Beda mundur kedua pada i atau x didefinisikan :
∇2y
i = yi – 2yi-1 + yi-2
atau ∇2y(x) = y(x) – 2y(x-h) + y(x-2h)
Sehingga penyelesaiannya bisa dituliskan : atau ∇y(x) = y(x) – y(x-h)
x ) x x ( f ) x ( f dx dy 0 0 0 x x ∆ ∆ − − ≅ =
(
i i 1)
i y y h 1 dx dy − − = atau3. Metode Beda Pusat
(Central Difference)
Beda hingga terpusat pertama dari y pada i atau x didefinisikan : atau δy(x) = y(x+1/2 h) – y(x-1/2 h)
Turunan beda terpusat selanjutnya adalah :
2 1 2 1 i i i y y y = + − − ∂ ( i 1 i 1) i y y h 2 1 dx dy − + − = 2 2 ( i 1 i i 1) i 2 y y 2 y h 1 dx y d − + − + = ; ( i 2 i 1 i 1 i 2) 3 3 i 3 y y 2 y 2 y h 2 1 dx y d − − + + − + − =
Penyelesaiannya dapat dituliskan
x 2 ) x x ( f ) x x ( f dx dy 0 0 0 x x ∆ ∆ − − ∆ + ≅ = atau ( i 1 i 1) i y y h 2 1 dx dy − + − =
Derivatif Orde Dua
Untuk penurunan (derivatif) pangkat dua dengan metode beda hingga terpusat digunakan rumus dengan bentuk :
(
i 2 i i 1)
2 2 i 2 y y 2 y h 1 dx y d − + − + =Atau dapat juga dituliskan :
2 0 0 0 0 x ) x x ( f ) x ( f 2 ) x x ( f dx y d x x 2 2 ∆ ∆ − + − ∆ + ≅ =
INTEGRASI NUMERIS
INTEGRASI NUMERIS
Jika ada fungsi sedangkan f(x) sulit sekali untuk diintegrasikan secara analitik, maka cara yang paling mudah adalah dengan mengintegrasikannya
secara numerik ∫ = xn 0 x dx ) x ( f Y f(x) x x0 x1 x2 xn-1 xn
Dalam perhitungan integrasi numerik, luasan di bawah kurva akan diubah dalam bentuk trapesium, dimana
ruang kosong merupakan bagian dari kesalahan numerik
Untuk mengatasi kesalahan dilakukan dengan cara
membagi menjadi trapesium dengan segmen yang lebih kecil
Integrasi dilakukan dengan menggunakan interval ∆x
yang sama (homogen) sepanjang batas integrasi dari x0
sampai xn
Batas/interval integrasi dibagi menjadi n interval
Batas interval diberi indeks 0, 1, 2, ….. , n sehingga
( ) n x x x = n − 0 ∆ x . i x xi = 0 + ∆
Penyelesaian numerik dapat dilakukan
dengan dua cara, yaitu
¬
Trapezoidal Rule
¬
Simpson Rule
⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎣ ⎡ − = + ∑ + ∆ ∫ ≅ f(x ) 2 f(x ) f(x ) 2 x dx ) x ( f n 1 n 1 i i 0 n x 0 x ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎣ ⎡ − = − =∑ + ∑ + + ∆ ∫ ≅ f(x ) 4 f(x ) 2 f(x ) f(x ) 3 x dx ) x ( f n 2 n 6 , 4 , 2 i i 1 n 5 , 3 , 1 i i 0 n x 0 xAKAR PERSAMAAN
(PERSAMAAN NON LINIER)
[
Merupakan bentuk persamaan
aljabar yang nilainya sama dengan nol
[
Untuk satu variabel bebas x, maka
f(x)
≅
0
[
Banyak digunakan dalam model
Metode Penyelesaian Akar
Persamaan
1. Metode Pengurungan (bracketing
method)
¾ Memerlukan dua titik sebagai tebakan awal
2. Metode Terbuka (open method)
¾ Hanya memerlukan satu titik sebagai
1. METODE PENGURUNGAN
Dilakukan dengan menebak 2 angka
a. Metode Bisection (bagi dua)
b. Metode Regula Falsi (posisi palsu)
atau Metode Interpolasi Linier
a. Metode Bisection (Bagi Dua)
Merupakan metode yang paling sederhana
Diawali dengan menebak dua nilai yaitu nilai bawah
(sblm akar) xa dan nilai atas (stlh akar) xb
Tebakan benar jika f(xb) dan f(xa) mempunyai
tanda yang berlawanan : f(xb) . f(xa) < 0
Jika f(xb) . f(xa) > 0 maka tebakan awal diulangi Nilai kedua tebakan dibagi dua, disebut xc
Nilai xc akan menggantikan posisi nilai lama.
Jika xc berada pada posisi xb disebut dengan x’b
dan jika berada pada posisi xa akan diubah menjadi x’
Algoritma Bisection (Bagi Dua)
1. Tebak akar atas, xa dan akar bawah, xb
2. Periksa f(xa).f(xb)=0 stop didapat harga akar 3. Periksa f(xa).f(xb)<0, jika tidak kembali ke-1 4. Periksa kriteria penghentian,
jika terpenuhi stop tulis akar 5. Perkirakan akar yang dicari
xc = (xa + xb)/2
6. Evaluasi akar xc Hitung f(xc)
a. Jika f(xc).f(xa)>0, maka xc berada di subinterval bawah Atur xa = xc kembali ke-4
b. Jika f(xc).f(xa)<0, maka xc berada di subinterval atas Atur xb = xc kembali ke-4
c. Jika f(xb).f(xc)=0, maka didapat harga akar yang dicari: xc selesai
b. Metode Regula Falsi (Posisi Palsu)
Merupakan perbaikan dari metode
bisection
Dilakukan dengan menarik garis lurus pada
kedua interval x
bdan x
a
Harga
Algoritma sama dengan metode bisection,
hanya tahapan 5 diganti nilai x
cnya
( )(
)
( ) ( )
ab b aa a cx
f
x
f
x
x
x
f
x
x
−
−
−
=
2. METODE TERBUKA
Dilakukan dengan menebak 1 angka
a. Metode Pertemuan Dua Grafik
b. Metode Newton Raphson
b. Metode Newton Raphson
Mula-mula diperkirakan harga x
iawal
kemudian dipotongkan thd kurva dan
ditarik garis singgung
Garis singgung merupakan tangen atau
slope.
Slope merupakan turunan pertama dari
f(x
i) sehingga didapat hubungan :
Persamaan Newton Raphson :
( )
(
( )
)
1 i i i i x x x f x ' f + − =( )
( )
ii i 1 i x ' f x f x x + = −Algoritma Newton Raphson
1. Tuliskan fungsi f(x) 2. Cari harga f’(x)
3. Masukkan tebakan awal x0
4. Masukkan parameter penghentian program :
¾ Kesalahan relatif perkiraan Ebs ¾ Jumlah iterasi maksimum
5. Inisialisasi harga : iterasi = 0 dan Eas = 1.1 Ebs 6. Jika kesalahan relatif (Eas > Ebs) dan (iterasi <
iterasi makasimum) maka :
a. Harga
b. Cek harga Eas
c. Iterasi = iterasi + 1
7. Ulangi 6 sampai kondisi tercapai 8. Tulis xiter = akar
( ) ( )i i i 1 i iter x ' f x f x x x = + = − iter 1 iter iter as x x x E = − −
c. Metode Secant
[
Kelemahan metode Newton Raphson,
harus mencari turunan pertama dari
fungsi f(x
i)
[
Metode secant untuk menghindari
turunan pertama dengan turunan
numerik mundur
( ) ( ) ( )
i 1 i i 1 i ix
x
x
f
x
f
x
'
f
−
−
=
− −Sub Program PERSAMAAN NON LINEAR
Scilab menyediakan sub program untuk menyelesaikan satu atau beberapa sistem persamaan non linear secara simultan dengan menggunakan perintah fsolve
x = fsolve(x0, persamaan)
Contoh :
Akan dicari akar persamaan simultan non linear dari :
57 xy 3 y 10 xy x 2 2 = + = + ( ) ( )x,y y 3xy 57 0 f 0 10 xy x y , x f 2 2 2 1 = − + = = − + =
Kedua persamaan diubah menjadi :
Persamaan ditulis dalam bentuk matrik dengan x sebagai x(1) dan y sebagai x(2)
Contoh :
Diketahui persamaan Van der Waals untuk
menggambarkan kondisi gas non-ideal :
Hitunglah volume molar udara (V) pada 50
atm dan suhu -100
oC jika diketahui nilai
konstanta a = 1.33 atm.liter
2/gmol, b =
0.0366 liter/gmol dan R = 0.08205
liter.atm/K.gmol
(
V
b
)
RT
V
a
P
+
2 ⎟⎟−
=
⎠ ⎞ ⎜⎜ ⎝ ⎛PERSAMAAN DIFERENSIAL
1. Persamaan Diferensial Biasa (ODE), hanya
terdapat 1 variabel bebas
2. Persamaan Diferensial Parsial (PDE),
terdapat lebih dari 1 variabel bebas
kx
dx
dy
y
dx
y
d
2 2=
+
t
T
x
T
2 2∂
∂
=
∂
∂
α
Persamaan Diferensial Biasa (ODE)
Berdasarkan pangkat (Orde) : • PDB Orde satu :
• PDB Orde dua : • PDB Orde tiga :
Berdasarkan kondisi batas :
• IVP (Initial Value Problems), bila nilai variabel tak bebas atau turunannya diketahui pada kondisi nilai mula-mula
• BVP (Boundary Value Problems), bila nilai variabel tak bebas atau turunannya diketahui lebih dari satu nilai variabel bebasnya
kx y dx dy = + kx dx dy y dx y d 2 2 = + kx dx dy b dx y d a dx y d 2 2 2 3 3 = ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ + +
Persamaan Diferensial Parsial (PDE)
• PDE Order satu :
• PDE Order dua :
• PDE Order tiga :
0 y C x C = ∂ ∂ α − ∂ ∂ 0 y C D x C e 2 2 = ∂ ∂ + ∂ ∂ 0 y u y x u x u 2 2 3 3 = ∂ ∂ + ∂ ∂ ∂ + ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ ∂ ∂
Penyelesaian Persamaan
Diferensial Biasa (ODE)
1. Metode Euler (Eksplisit)
2. Metode Euler Modifikasi (Implisit)
3. Metode Runge-Kutta
1. Metode Euler (Eksplisit)
Disebut juga metoda integrasi nilai awal
Kondisi awal : y(x
0) = y
0(
x, y)
f dx dy =( )
x, y dx f dy 1 i i 1 i i x x y y∫
∫
+ + =∫
( )
+ = − + 1 i i x x i 1 i y f x, y dx y(
i i)
i 1 iy
h
f
x
,
y
y
+=
+
Perbandingan Analitis dengan
Metode Euler (Eksplisit)
Persamaan diferensial yang diselesaikan:
8 x 6 x 4 dx dy 3 2 + −
= Dimana x = 0, y = 2 (kondisi awal); xa=3, h=0.5
xi yanaltk yeuler % kslhan
0 2 2 -0.5 5.81 6 3.27 1 9 9.5 5.56 1.5 12.31 12.5 1.54 2 18 16.5 8.33 2.5 29.81 24.5 17.81 3 53 41 22.64
Algoritma Metode Euler (Eksplisit)
1. Tentukan x = x0 dan y = y0
2. Tentukan nilai awal x0 dan nilai akhir xa dari variabel bebas
3. Tentukan nilai h 4. Inisialisasi i = 0
5. Buat persamaan f(x,y), modul terpisah 6. Vektor x(i)=[x0, x0+h, x0+2h,…,xa]
7. Jumlah loop, n=(xa-x0)/h
8. Untuk i=0 sampai n-1 maka : 9. yi+1=yi + hf(xi,yi)
10. x = x + h
11. Simpan nilai xi, yi 12. Lanjutkan i
2. Metode Euler Modifikasi (Implisit)
[
Untuk memperkecil kesalahan
[
Merupakan gabungan antara beda maju
dan beda mundur
[
Beda maju pertama dari y pada i sama
dengan beda mundur pertama dari y pada
i+1
[
sehingga
1 i i 1 i i y y y y = + − = ∇ + ∆ yi+1 = yi + ∇yi+1(
i 1 i 1)
i 1 iy
h
f
x
,
y
y
+=
+
+ + Untuk memperbaiki metode Euler, maka metode Euler
eksplisit digunakan untuk memprediksi nilai yi+1
Nilai prediksi pada persamaan di atas digunakan untuk
mengkoreksi metoda implisit
Persamaan di atas disebut dengan Metode Prediktor
Korektor atau Metode Heun
Kombinasi metoda beda maju dan beda mundur dituliskan
dalam bentuk
( )
yi+1 pred = yi + h f(
xi,yi)
( )
yi+1 kork = yi + hf(
xi+1,( )
yi+1 pred)
(
i i 1)
2 1 i 1 i y y y y + = + ∇ + ∇ +( )
(
)
12(
i 1 i 1)
i i 2 1 i 1 i y h f x ,y h f x , y y + = + + + + fpred fcorr fpred fcorrPerbandingan dengan Analitis
xi yanaltk yeuler % kslhanEuler yeuler-mod % kslhan Euler-mod 0 2 2 - 2 -0.5 5.81 6 3.27 5.75 1.03 1 9 9.5 5.56 9 0.0 1.5 12.31 12.5 1.54 12.5 1.54 2 18 16.5 8.33 18.5 2.78 2.5 29.81 24.5 17.81 30.75 3.15 3 53 41 22.64 54.5 2.83
3. Metode Runge-Kutta
[
Merupakan
metode
untuk
menyelesaikan
persamaan
diferensial dengan ketelitian dan
kestabilan yang cukup tinggi.
[
Sangat
umum
digunakan
untuk
menyelesaikan bentuk PDB baik
linear maupun non linear dengan
problema kondisi awal
Bentuk penyelesaian berdasarkan orde (pangkat):
¾ Orde (pangkat) dua:
Dimana nilai dari ki adalah :
¾ Orde (pangkat) tiga :
Dimana nilai dari ki adalah :
¾ Orde (pangkat) empat :
Dimana nilai dari ki adalah :
( 1 2) 2 1 i 1 i y k k y + = + + ( i i) 1 hf x ,y k =
(
i i 1)
2 hf x h,y k k = + +(
1 2 3)
6 1 i 1 i y k 4k k y + = + + + ( i i ) 1 hf x ,y k = ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ + + = 2 k y , 2 h x f h k2 i i 1 ; k3 = hf(
xi + h,yi + 2k2 − k1)
( 1 2 3 4) 6 1 i 1 i y k 2k 2k k y + = + + + +(
i i)
1 hf x ,y k = ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ + + = 2 k y , 2 h x f h k2 i i 1 ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ + + = 2 k y , 2 h x f h k3 i i 2 ( i i 3) 4 hf x h,y k k = + +Perbandingan dengan Analitis
xi yanaltk yeuler % kslhan Euler yeuler-mod % kslhan Euler-mod yrk4 % kslhan rk4 0 2 2 - 2 - 2 -0.5 5.8125 6 3.27 5.75 1.03 5.8125 0 1 9 9.5 5.56 9 0.0 9 0 1.5 12.3125 12.5 1.54 12.5 1.54 12.3125 0 2 18 16.5 8.33 18.5 2.78 18 0 2.5 29.8125 24.5 17.81 30.75 3.15 29.8125 0 3 53 41 22.64 54.5 2.83 53 0Sub Program PDB
Scilab menyediakan sub program siap pakai untuk menyelesaikan persoalan PDB y=ode (y0,t0,t,fungsi) fungsi dt dy = Bentuk persamaan : Dimana :
y0 = kondisi awal dari variabel tak bebas (y) t0 = kondisi awal dari variabel bebas (t)
Persamaan Diferensial Biasa
Simultan
Merupakan sekumpulan persamaan diferensial biasa yang harus diselesaikan secara simultan
(
)
(
)
(
1 2 n)
n n n 2 1 2 2 n 2 1 1 1 y , ... , y , y , x f dx dy . . y , ... , y , y , x f dx dy y , ... , y , y , x f dx dy = = =Penyelesaian dengan menggunakan
metode Runge Kutta orde empat
(
1j 2j 3j 4j)
6 1 j , i j , 1 i y k 2k 2k k y + = + + + +Dengan nilai k adalah :
(
)
(
i i,1 3,1 i,2 3,2 i,n 3,n)
j j , 4 n , 2 n , i 2 , 2 2 , i 1 , 2 1 , i i j j , 3 n , 1 n , i 2 , 1 2 , i 1 , 1 1 , i i j j , 2 n , i 2 , i 1 , i i j j , 1 k y , ... , k y , k y , h x hf k 2 k y , ... , 2 k y , 2 k y , 2 h x hf k 2 k y , ... , 2 k y , 2 k y , 2 h x hf k y , ... , y , y , x hf k + + + + = ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ + + + + = ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ + + + + = =Jika dalam sistem terdapat dua persamaan diferensial biasa dengan bentuk ( ) ( 1 2) 2 2 2 1 1 1 y , y , x f dx dy y , y , x f dx dy = =
Maka penyelesaian persamaan diferensial biasa tersebut dengan menggunakan metode Runge Kutta orde 4 secara simultan adalah :
(
)
(
1,2 2,2 3,2 4,2)
6 1 2 , i 2 , 1 i 1 , 4 1 , 3 1 , 2 1 , 1 6 1 1 , i 1 , 1 i k k 2 k 2 k y y k k 2 k 2 k y y + + + + = + + + + = + +dimana :
(
)
(
)
(
)
(
i i,1 3,1 i,2 3,2)
2 2 , 4 2 , 3 2 , i 1 , 3 1 , i i 1 1 , 4 2 , 2 2 , i 1 , 2 1 , i i 2 2 , 3 2 , 2 2 , i 1 , 2 1 , i i 1 1 , 3 2 , 1 2 , i 1 , 1 1 , i i 2 2 , 2 2 , 1 2 , i 1 , 1 1 , i i 1 1 , 2 2 , i 1 , i i 2 2 , 1 2 , i 1 , i i 1 1 , 1 k y , k y , h x hf k k y , k y , h x hf k 2 k y , 2 k y , 2 h x hf k 2 k y , 2 k y , 2 h x hf k 2 k y , 2 k y , 2 h x hf k 2 k y , 2 k y , 2 h x hf k y , y , x hf k y , y , x hf k + + + = + + + = ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ + + + = ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ + + + = ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ + + + = ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ + + + = = =Akan diselesaikan dan divisualisasikan dua buah persamaan diferensial biasa sebagai berikut :
1 2 2 1 1 y 1 . 0 y 3 . 0 4 dx dy y 5 . 0 dx dy − − = − =
Dengan kondisi awal (batas) : x = 0; y1 = 4; y2 = 2
Contoh :
Dua buah tangki air tersambung secara seri dan saling
berinteraksi. Kecepatan aliran keluar merupakan fungsi akar kuadrat dari ketinggian air, jadi untuk tangki 1 kecepatan alirannya adalah sedangkan untuk tangki 2 sebagai
fungsi . Akan ditentukan ketinggian h1 dan h2 sebagai fungsi waktu dari t = 0 sampai t = 40 menit dengan interval 4 menit. Setelah disusun neraca bahan, diperoleh persamaan diferensial simultan sebagai fungsi waktu :
;
Harga-harga parameter yang ada :
β1 = 2,5 ft2,5/menit β
2 = 5/√6 ft3/menit
A1 = 5 ft2 A
2 = 10 ft2 F = 5 ft3/menit
Dengan kondisi awal pada t = 0, h1 = 12 ft dan h2 = 7 ft 2 1 h h − 2 h 2 1 1 1 1 1 h h A A F dt dh = − β − 2 2 2 2 1 2 2 2 h A h h A dt dh = β − − β
Uap campuran keluar dari kondensor parsial kolom destilasi yang beroperasi pada 1 atm dengan komposisi 47% mol air (1), 20% mol asam formiat (2) dan sisanya methanol (3). Pada
kondensor terjadi kesetimbangan antara uap dan cairannya dan berlaku persamaan-persamaan berikut :
dimana, dan untuk P0
i diperkirakan dengan
persamaan Antoine : dengan i = 1, 2, 3 dan
Perkirakanlah suhu operasi pada operasi kondensor (=dewpoint uap campuran) dalam oC, dengan data konstanta
A1 = 18,304 A2 = 16,988 A3 = 18,510 B1 = 3816,4 B2 = 3599,6 B3 = 3593,4 C1 = -46,13 C2 = -26,09 C3 = -35,225 Po dalam mmHg dan T dalam Kelvin
i i i K y x = P P Ki = oi ⎟ ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎜ ⎝ ⎛ + − = i i i i o C T B A exp P x 1 i i = ∑