Pembangunan Python untuk menunjukkan Keakuratan Metode Modifikasi RK4 dibandingkan dengan Metode RK Merson untuk MNA

Artikel ini membahas tentang pembangunan script python untuk menunjukkan akurasi dari dua metode numerik, yaitu Metode Runge-Kutta yang Dimodifikasi (MRK) dan Metode Runge-Kutta-Merson di bawah generalisasi H-diferensiabilitas (RKM), dalam menyelesaikan masalah nilai awal. Fokus artikel ini adalah menentukan akurasi dan efisiensi dari kedua metode dalam lingkungan fuzzy, di mana ketidakpastian pada parameter diselesaikan menggunakan konsep Hukuhara-differentiability (gH). Hasil simulasi numerik menunjukkan bahwa metode MRK memberikan kecepatan konvergensi yang lebih cepat pada kondisi tertentu, dibandingkan dengan metode RKM tersebut. Kemudian Skrip Python yang dibangun menampilkan imputan fungsi, nilai awal, interval waktu dan ukuran langkah sehingga dari script tersebut dapat dimasukkan fungsi, nilai awal, interval waktu dan ukuran langkah lainnya sehingga script dapat dianalisis untuk mendapatian hasil yang optimal.

Publication Details

Journal
Digital Repository Universitas Negeri Medan (Universitas Negeri Medan)
Published
2024-11-20
Primary Topic
Fuzzy Systems and Optimization
Type
article
Field-Weighted Citation Impact
0.00
Controls
|||
ALL TIME
JAN
FEB
MAR
APR
MAY
JUN
JUL
AUG
SEP
OCT
article

Pembangunan Python untuk menunjukkan Keakuratan Metode Modifikasi RK4 dibandingkan dengan Metode RK Merson untuk MNA

Digital Repository Universitas Negeri Medan (Universitas Negeri Medan)
Fuzzy Systems and Optimization
article

Pembangunan Python untuk menunjukkan Keakuratan Metode Modifikasi RK4 dibandingkan dengan Metode RK Merson untuk MNA

article en

Abstract

Artikel ini membahas tentang pembangunan script python untuk menunjukkan akurasi dari dua metode numerik, yaitu Metode Runge-Kutta yang Dimodifikasi (MRK) dan Metode Runge-Kutta-Merson di bawah generalisasi H-diferensiabilitas (RKM), dalam menyelesaikan masalah nilai awal. Fokus artikel ini adalah menentukan akurasi dan efisiensi dari kedua metode dalam lingkungan fuzzy, di mana ketidakpastian pada parameter diselesaikan menggunakan konsep Hukuhara-differentiability (gH). Hasil simulasi numerik menunjukkan bahwa metode MRK memberikan kecepatan konvergensi yang lebih cepat pada kondisi tertentu, dibandingkan dengan metode RKM tersebut. Kemudian Skrip Python yang dibangun menampilkan imputan fungsi, nilai awal, interval waktu dan ukuran langkah sehingga dari script tersebut dapat dimasukkan fungsi, nilai awal, interval waktu dan ukuran langkah lainnya sehingga script dapat dianalisis untuk mendapatian hasil yang optimal.

Digital Repository Universitas Negeri Medan (Universitas Negeri Medan)
Openalex Percentile: Top 35%
Fuzzy Systems and Optimization
AI Navigator

Ask Laika to Summarize, Analyze, and Connect papers live on the map.

Summarize Papers & Methodologies

Extract key findings, datasets, and comparative methods across publications.

Benchmark Rankings & Visual Analytics

Rank top research institutions, authors, funders, topics, and journals by Field-Weighted Citation Impact (FWCI) and paper volume with instant charts.

Connect Distant Disciplines

Bridge topological clusters on the map to find hidden collaborative intersections.