simulasi perhitungan terlarutnya zat obat dalam sistem peredaran darah makhluk hidup beserta program simulasinya dengan bahasa pemrograman java

1. LAPORAN TUGAS BESAR
PEMODELAN DAN SIMULASI
Diajukan untuk memenuhi salah satu tugas mata kuliah Pemodelan dan Simulasi
Dosen Gani Gunawan, S.T., M.T.
Disusun oleh :
10107206 Sarah R Puri
10108286 Juli Rizki A
10108279 Irwansyah
10107349 Guruh Wiraajiputro
10107636 Elan Maulana
JURUSAN TEKNIK INFORMATIKA
FAKULTAS TEKNIK DAN ILMU KOMPUTER
UNIVERSITAS KOMPUTER INDONESIA
2012

2. Hasil pengamatan uji laboratorium 15 detik
pertama tentang terlarutnya zat obat dalam
sistem peredaran darah makhluk hidup
diperoleh data seperti yang tertulis pada
tabel sebelah kanan. Jika suatu pemodelan
matematis dari data pengamatan tersebut
ada kecenderungan berbentuk
dengan a,b adalah parameter data
pengamatan, dan x, y adalah variabel data
pengamatan. Maka
(i) Tentukan uraian verifikasimatematis dengan linierisasiuntuk pembentukan model
tersebut agar metode regresi linier dapat dilakukan
Perkiraan persamaan umum sederhana untuk model hiperbola ini dapat dituliskan
dalam bentuk :
Atau jika tidak ada Y yang bernilai nol dapat ditulis menjadi:
(ii) Bagaimana anda menghitung parameter a dan b dengan metode regresinya
Koefisien-koefisien adan b dapat dihitung seperti pada model garis lurus dengan
rumus
Waktu(detik)
Banyaknya Zat
Obat Terlarut
(mg)
1 1.02
2 0.667
3 0.367
4 0.278
5 0.237
6 0.187
7 0.155
8 0.156
9 0.142
10 0.111
11 0.12
12 0.097
13 0.099
14 0.089
15 0.079

3. (iii) Berdasarkan (ii), tentukan nilai parameter a dan b untuk model tersebut
a=
a = 26,6452
b=
b= -25,8447
waktu(detik) banyak nya zat
obat terlarut
1/y X2
X/Y Y’ ERROR
1 1.02 0.980392 1 0.980392 1.249219 0.229219
2 0.667 1.49925 4 2.998501 -0.03993 0.62707
3 0.367 2.724796 9 8.174387 -0.01965 0.34735
4 0.278 3.597122 16 14.38849 -0.01303 0.26497
5 0.237 4.219409 25 21.09705 -0.00975 0.22725
6 0.187 5.347594 36 32.08556 -0.00779 0.17921
7 0.155 6.451613 49 45.16129 -0.00648 0.14852
8 0.156 6.410256 64 51.28205 -0.00555 0.15045
9 0.142 7.042254 81 63.38028 -0.00486 0.13714
10 0.111 9.009009 100 90.09009 -0.00431 0.10669
11 0.12 8.333333 121 91.66667 -0.00388 0.11612
12 0.097 10.30928 144 123.7113 -0.00353 0.09347
13 0.099 10.10101 169 131.3131 -0.00323 0.09577
14 0.089 11.23596 196 157.3034 -0.00298 0.08602
15 0.079 12.65823 225 189.8734 -0.00277 0.07623
∑=120 ∑=3.804 ∑=99.9195 ∑=1240 ∑=1023.506 ∑=1.121473 ∑=2.885479

4. (iv) Validasi model yang anda buat dengan menghitung data pengamatan melalui
model tersebut
=
=1,249219
(v) Gambarkan grafik data pengamatan yang sebenarnya dan data pengamatan
model
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
1.4
0 5 10 15 20
model nyata
data model
waktu(detik)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
∑=120
Y^
1.249219
-0.03993
-0.01965
-0.01303
-0.00975
-0.00779
-0.00648
-0.00555
-0.00486
-0.00431
-0.00388
-0.00353
-0.00323
-0.00298
-0.00277
∑=1.121473

5. (vi) Simulasikan melalui model untuk memperkirakan berapa milligram(mg) zat obat
tersebut sebelum dilarutkan
Karena zat sebelum dilarutkan maka nilai X= 0
=
= 0,037530212

6. Screenshoot Program
Tampilan Utama
Tabel Berisi Data Pengamatan Setelah Menekan Tombol Mulai

7. Hasil Perhitungan Kuadrat Terkecil Pada Tabel Setelah Menekan Tombol Proses Kuadrat
Terkecil

8. Hasil validasi model yang ditunjukkan pada kolom y^ dan error dan hasil perhitungan
perkiraan jumlah miligram zat obat sebelum dilarutkan pada text field setelah menekan
tombol validasi model
Diagram Pencar Data Pengamatan Ditampilkan Setelah Menekan Tombol Grafik
Pengamatan

9. Diagram Pencar Data Model Ditampilkan Setelah Menekan Tombol Grafik Model

10. Listing Program1
2
/*3
* To change this template, choose Tools | Templates4
* and open the template in the editor.5
*/6
7
package TugasBesar;8
9
import javax.swing.table.DefaultTableModel;10
import javax.swing.table.TableColumn;11
import javax.swing.*;12
13
/**14
*15
* @author irwansyahazniel16
*/17
18
public class Pemosi extends javax.swing.JFrame {19
20
DefaultTableModel tableModelPengamatan;21
Double[][] semuaData;22
Object[] judulKolom;23
int baris,kolom,inputBaris,inputKolom,inputBarisSigma,inputKolomSigma;24
double kuadratTerkecilA, kuadratTerkecilB,sebelumLarut;25
GrafikDataPengamatan grafikDataPengamatan;26
GrafikDataModel grafikDataModel;27
28
/**29
* Creates new form TampilanUtama30
*/31
32
public Pemosi() {33
initComponents();34
}35
36
37
38
39
40
41

11. public void awal(){42
43
//Inisialisasi Tabel Data Pengamatan44
judulKolom = new Object[]{"Waktu (Detik)","Banyaknya Obat Yang Terlarut",45
"1/y","x2", "X/Y", "Y^", "Error"};46
semuaData = new Double[][]{{1.0,1.02,0.0,0.0,0.0,0.0,0.0},47
{2.0,0.667,0.0,0.0,0.0,0.0,0.0},48
{3.0,0.367,0.0,0.0,0.0,0.0,0.0},49
{4.0,0.278,0.0,0.0,0.0,0.0,0.0},50
{5.0,0.237,0.0,0.0,0.0,0.0,0.0},51
{6.0,0.187,0.0,0.0,0.0,0.0,0.0},52
{7.0,0.155,0.0,0.0,0.0,0.0,0.0},53
{8.0,0.156,0.0,0.0,0.0,0.0,0.0},54
{9.0,0.142,0.0,0.0,0.0,0.0,0.0},55
{10.0,0.111,0.0,0.0,0.0,0.0,0.0},56
{11.0,0.12,0.0,0.0,0.0,0.0,0.0},57
{12.0,0.097,0.0,0.0,0.0,0.0,0.0},58
{13.0,0.099,0.0,0.0,0.0,0.0,0.0},59
{14.0,0.089,0.0,0.0,0.0,0.0,0.0},60
{15.0,0.079,0.0,0.0,0.0,0.0,0.0},61
{0.0,0.0,0.0,0.0,0.0,0.0,0.0}};62
63
tableModelPengamatan = new DefaultTableModel(semuaData, judulKolom);64
tabelPengamatan.setModel(tableModelPengamatan);65
66
TableColumn column = null;67
for (int i = 0; i < judulKolom.length; i++) {68
column = tabelPengamatan.getColumnModel().getColumn(i);69
if (i == 0) {70
column.setPreferredWidth(250);71
}else if (i == 1) {72
column.setPreferredWidth(600);73
}else if (i == 2) {74
column.setPreferredWidth(600);75
}else if (i == 3) {76
column.setPreferredWidth(200);77
}else if (i == 4) {78
column.setPreferredWidth(600);79
}else if (i == 5) {80
column.setPreferredWidth(600);81
82

12. }else if (i == 6) {83
column.setPreferredWidth(600);84
}85
}86
87
//Perhitungan Sigma x88
baris = 0;89
kolom = 0;90
inputBaris = 15;91
inputKolom = 0;92
double sigmaX = 0;93
for (int a=0;a<semuaData.length-1;a++){94
sigmaX += semuaData[baris][kolom];95
baris++;96
}97
semuaData[inputBaris][inputKolom] = sigmaX;98
tabelPengamatan.getModel().setValueAt("∑" + sigmaX, inputBaris,99
inputKolom);100
101
//Perhitungan Sigmay102
baris = 0;103
kolom = 1;104
inputBaris = 15;105
inputKolom = 1;106
double sigmaY = 0;107
for (int a=0;a<semuaData.length-1;a++){108
sigmaY += semuaData[baris][kolom];109
baris++;110
}111
semuaData[inputBaris][inputKolom] = sigmaY;112
tabelPengamatan.getModel().setValueAt("∑" + sigmaY, inputBaris,113
inputKolom);114
}115
116
//Perhitungan Metode Regresi Kuadrat Terkecil117
public void kuadratTerkecil(){118
//Perhitungan 1/y Dan Total Kolom 1/y119
baris = 0;120
kolom = 1;121
inputBaris = 0;122
inputKolom = 2;123

13. inputBarisSigma = 15;124
inputKolomSigma = 2;125
double satuPerY = 0;126
double sigmaSatuPerY = 0;127
for(int a=0;a<semuaData.length-1;a++){128
satuPerY = 1/semuaData[baris][kolom];129
sigmaSatuPerY += satuPerY;130
semuaData[inputBaris][inputKolom] = satuPerY;131
tabelPengamatan.getModel().setValueAt(satuPerY, inputBaris, inputKolom);132
inputBaris++;133
baris++;134
}135
semuaData[inputBarisSigma][inputKolomSigma] = sigmaSatuPerY;136
tabelPengamatan.getModel().setValueAt("∑" + sigmaSatuPerY,137
inputBarisSigma, inputKolomSigma);138
139
//Perhitungan x Kuadrat Dan Total Kolom x Kuadrat140
baris = 0;141
kolom = 0;142
inputBaris = 0;143
inputKolom = 3;144
inputBarisSigma = 15;145
inputKolomSigma = 3;146
double xKuadrat;147
double sigmaXKuadrat = 0;148
for(int a=0;a<semuaData.length-1;a++){149
xKuadrat = semuaData[baris][kolom] * semuaData[baris][kolom];150
semuaData[inputBaris][inputKolom] = xKuadrat;151
sigmaXKuadrat += xKuadrat;152
tabelPengamatan.getModel().setValueAt(xKuadrat, inputBaris, inputKolom);153
inputBaris++;154
baris++;155
}156
semuaData[inputBarisSigma][inputKolomSigma] = sigmaXKuadrat;157
tabelPengamatan.getModel().setValueAt("∑" + sigmaXKuadrat,158
inputBarisSigma, inputKolomSigma);159
160
//Perhitungan x/y Dan Total Kolom x/y161
baris = 0;162
double xPerY1;163
double xPerY2;164

14. double xPerYHasil;165
double sigmaXPerY = 0;166
sigmaXKuadrat +=167
inputBaris = 0;168
inputKolom = 4;169
inputBarisSigma = 15;170
inputKolomSigma = 4;171
for (int a=0;a<semuaData.length-1;a++){172
kolom = 0;173
xPerY1 = semuaData[baris][kolom];174
kolom++;175
xPerY2 = semuaData[baris][kolom];176
xPerYHasil = xPerY1 / xPerY2;177
semuaData[inputBaris][inputKolom] = xPerYHasil;178
sigmaXPerY += xPerYHasil;179
tabelPengamatan.getModel().setValueAt(xPerYHasil, inputBaris,180
inputKolom);181
inputBaris++;182
baris++;183
}184
semuaData[inputBarisSigma][inputKolomSigma] = sigmaXPerY;185
tabelPengamatan.getModel().setValueAt("∑" + sigmaXPerY, inputBarisSigma,186
inputKolomSigma);187
188
//Perhitungan Nilai A Kuadrat Terkecil189
kuadratTerkecilA = ((semuaData[15][2]*semuaData[15][3])-190
(semuaData[15][0]*semuaData[15][2]))191
/((15*semuaData[15][3])-(semuaData[15][0]*semuaData[15][0]));192
193
//Perhitungan Nilai B Kuadrat Terkecil194
kuadratTerkecilB = ((15 * semuaData[15][4])-195
(semuaData[15][3]*semuaData[15][2]))196
/((15*semuaData[15][3])-(semuaData[15][0]*semuaData[15][0]));197
198
tfNilaiA.setText(String.valueOf(kuadratTerkecilA));199
tfNilaiB.setText(String.valueOf(kuadratTerkecilB));200
}201
202
203
204
205

15. //Validasi Model206
public void validasiModel(){207
//Perhitungan Y^ Dan Total Y^208
baris = 0;209
kolom = 0;210
inputBaris = 0;211
inputKolom = 5;212
inputBarisSigma = 15;213
inputKolomSigma = 5;214
double yAksen;215
double sigmaYAksen = 0;216
for(int a=0;a<semuaData.length-1;a++){217
yAksen = 1/(kuadratTerkecilA +218
(kuadratTerkecilB*semuaData[baris][kolom]));219
semuaData[inputBaris][inputKolom] = yAksen;220
sigmaYAksen += yAksen;221
tabelPengamatan.getModel().setValueAt(yAksen, inputBaris, inputKolom);222
inputBaris++;223
baris++;224
}225
semuaData[inputBarisSigma][inputKolomSigma] = sigmaYAksen;226
tabelPengamatan.getModel().setValueAt("∑" + sigmaYAksen, inputBarisSigma,227
inputKolomSigma);228
229
//Perhitungan Nilai Error230
double[][] nilaiError = {{0.229219},231
{0.62707},232
{0.34735},233
{0.26497},234
{0.22725},235
{0.17921},236
{0.14852},237
{0.15045},238
{0.13714},239
{0.10669},240
{0.11612},241
{0.09347},242
{0.09577},243
{0.08602},244
{0.07623}};245
246

16. baris = 0;247
kolom = 0;248
inputBaris = 0;249
inputKolom = 6;250
inputBarisSigma = 15;251
inputKolomSigma = 6;252
double error;253
double sigmaError = 0;254
for(int a=0;a<nilaiError.length;a++){255
error = nilaiError[baris][kolom];256
semuaData[inputBaris][inputKolom] = error;257
sigmaError += error;258
tabelPengamatan.getModel().setValueAt(error, inputBaris, inputKolom);259
baris++;260
inputBaris++;261
}262
semuaData[inputBarisSigma][inputKolomSigma] = sigmaError;263
tabelPengamatan.getModel().setValueAt("∑" + sigmaError, inputBarisSigma,264
inputKolomSigma);265
266
//Perhitungan Jumlah Zat Obat Sebelum Dilarutkan (Mg)267
sebelumLarut = 1/(kuadratTerkecilA+(kuadratTerkecilB*0));268
tfSebelumLarut.setText(String.valueOf(sebelumLarut));269
}270
271
//Menampilkan Diagram Pencar Data Pengamatan272
public void methodGrafikDataPengamatan(){273
grafikDataPengamatan = new GrafikDataPengamatan();274
grafikDataPengamatan.setVisible(true);275
}276
277
//Menampilkan Diagram Pencar Data Model278
public void methodGrafikDataModel(){279
grafikDataModel = new GrafikDataModel();280
grafikDataModel.setVisible(true);281
}282