Analisis Pengaruh Massa Beban Terhadap Koefisien Redaman Menggunakan Software Python

Penulis

  • Stevi Silahooy Universitas Pattimura
  • Delpina Nggolaon Universitas Pattimura
  • Aufa Maulida Fitrianingrum Universitas Negeri Manado

DOI:

https://doi.org/10.52188/jpfs.v7i1.703

Kata Kunci:

Damping Coeffisien, Load Mass, Damped Oscillation, Machine Learning

Abstrak

Penelitian ini bertujuan untuk mengetahui pengaruh massa beban terhadap nilai koefisien redaman. Metode yang digunakan dalam penelitian ini adalah metode eksperimen dimana beban dengan variasi massa 100gr, 120gr, dan 140gr diosilasikan kedalam tiga jenis zat cair yaitu air, minyak kita, dan minyak tropical. Analisis didasarkan pada osilasi teredam menggunakan software python yang bertujuan untuk mengolah data karena dengan adanya training model di dalamnya diharapkan mampu memberikan hasil yang lebih akurat. Berdasarkan hasil analisis data koefisien redaman (b) pada sampel air, minyak kita dan minyak tropical secara berturut-turut adalah (0.0412, 0.0505, 0.0533), (0.1068, 0.1181, 0.1364), dan (0.1035, 0.1299, 0.1436). Hasil ini menunjukkan bahwa semakin besar massa beban maka semakin besar koefisien redaman yang  dihasilkan.

Referensi

Acu, Y., Lapanporo B. P., & Kushadiwijayanto A. A. (2017). Model Sederhana Gerak Osilator dengan Massa Berubah Terhadap Waktu Menggunakan Metode Runge Kutta. POSITRON,7(2), 42. https://doi.org/10.26418/positron.v7i2.23276

Aulia, M. R., Zannah, N., Zakiah, S., Darajat, A., Atmojo, T., & Karina, W. (2018). OSILASI TEREDAM PADA PEGAS DENGAN MEDIUM FLUIDA. JoTaLP: Journal of Teaching and Learning Physics, 3, 22–26. https://doi.org/10.15575/jtlp.v3i1.65479

Azmi, U., Hadi, Z. N., & Soraya, S. (2020). ARDL METHOD: Forecasting Data Curah Hujan Harian NTB. Jurnal Varian, 3(2), 73–82. https://doi.org/10.30812/varian.v3i2.627

Giancoli, D. C. (2005). Physics Principles with Application. In Pearson Education, Inc (6th ed., pp. 287–300). Pearson Education, Inc.

Halliday & Resnick. (2011). Fundamentals of Physics. 9th Edition.

Hendarwati, E. K., Lepong, P., & Suyitno. (2023). Pemilihan Semivariogram Terbaik Berdasarkan Root Mean Square Error (RMSE) pada Data Spasial Eksplorasi Emas Awak Mas. Jurnal Geosains Kutai Basin, 6(1), 2023.

Kusuma, P. D. (2020). Machine Learning; Teori, Program, dan Studi Kasus. In CV Budi Utama. CV Budi Utama.

Mukharomah, F., Mutiarani, A., Supiyadi, & Sulhadi. (2021). Gerak Harmonik Teredam untuk Menentukan Koefisien Viskositas Fluida Berbantuan Software Tracker Video. WaPFi (Wahana Pendidikan Fisika), 6(1). https://physlets.org/tracker/.

Selvira, C. A., Subaedi, A. N., Azzahra, N. A., Novitasari, O., & Antarnusa, G. (2020). Meningkat Keakuratan Simulasi Osilasi Harmonik Teredam pada Pegas Menggunakan Tracker Video Analysis and Modelling Tool. In Prosiding Seminar Nasional Pendidikan Fisika (Vol. 3, Issue 1). https://jurnal.untirta.ac.id/index.php/sendikfi/index

Serway, R. A., & Jewett, J. W. (2004). Physics for Scientists and Engineers . In Physics for Scientists and Engineers (6th ed.). Thomson Brooks/Cole.

Serway, R. A., & Jewett, J. W. (2008). Physics for Scientists and Engineers with Modern Physics . In Thomson Higher Education (7th ed., pp. 418–447). Thomson Higher Education.

Susilo, A., Yunianto, M., & Variani, V. I. (2012). Simulasi Gerak Harmonik Sederhana dan Osilasi Teredam pada Cassy-E 524000. In Indonesian Journal of Applied Physics (Vol. 2, Issue 2).

Tirtasari, Y., Dzar, F., Latief, E., & Amahoru, A. H. (2016). Penggunaan Teknik Video Tracking Untuk Mengamati Fenomena Osilasi Teredam Pada Pegas. Prosiding SNIPS.

Young & Freedman. (2008). University Physics with Modern Physics. In Pearson Addison Wesley (12th ed., pp. 456–485). Pearson Education International.

Zhu, M., Wang, J., Yang, X., Zhang, Y., Zhang, L., Ren, H., Wu, B., & Ye, L. (2022). A review of the application of machine learning in water quality evaluation. Eco-Environment & Health, 1(2), 107–116.

Diterbitkan

2024-03-31

Cara Mengutip

Silahooy, S., Nggolaon, D. ., & Fitrianingrum, A. M. (2024). Analisis Pengaruh Massa Beban Terhadap Koefisien Redaman Menggunakan Software Python. Jurnal Pendidikan Fisika Dan Sains (JPFS), 7(1), 28-34. https://doi.org/10.52188/jpfs.v7i1.703

Terbitan

Bagian

Articles