M Zofran Hilmy

03411540000023
Metode Inversi
L Norm
Script
clc e = dobs-dpre;
clear all abse = abs(e);
close all E1(i,j)=sum(abse);
E2(i,j)=sum(abse.^2);
N=30; E3(i,j)=sum(abse.^3);
zmin=0; E4(i,j)=sum(abse.^4);
zmax=50; Einf(i,j)=sum(abse.^20);
z = end
sort(random('Uniform',zmin,zmax,N,1) end
);
% find minimum error
% d = a + b*z + noise [Ep, p] = min(E1);
a=32.6067; %nilai suhu di permukaan [E1min, c1] = min(Ep);
b=0.9565; %nilai perubahan nilai r1 = p(c1);
suhu terhadap kedalaman a1 = amin+Da*(r1-1);
sd=5; b1 = bmin+Db*(c1-1);
dobs = dpre1 = a1 + b1*z;
a+b*z+random('Normal',0,sd,N,1);
dobsmin=min(dobs); [Ep, p] = min(E2);
dobsmax=max(dobs); [E2min, c2] = min(Ep);
batas=mean(dobs); r2 = p(c2);
a2 = amin+Da*(r2-1);
% outlier b2 = bmin+Db*(c2-1);
for i=1:4 dpre2 = a2 + b2*z;

dobs(1+i)=random('uniform',0,batas,1 [Ep, p] = min(E3);

,1); [E3min, c3] = min(Ep);
dobs(N- r3 = p(c3);
i)=random('uniform',batas,dobsmax,1, a3 = amin+Da*(r3-1);
1); b3 = bmin+Db*(c3-1);
end dpre3 = a3 + b3*z;

% grid [Ep, p] = min(E4);

Na=201; [E4min, c4] = min(Ep);
amin=0; r4 = p(c4);
Da = 0.1; a4 = amin+Da*(r4-1);
Nb=201; b4 = bmin+Db*(c4-1);
bmin=0; dpre4 = a4 + b4*z;
Db = 0.1;
[Ep, p] = min(Einf);
% L norm [Einfmin, cinf] = min(Ep);
E1 = zeros(Na,Nb); rinf = p(cinf);
E2 = zeros(Na,Nb); ainf = amin+Da*(rinf-1);
E3 = zeros(Na,Nb); binf = bmin+Db*(cinf-1);
E4 = zeros(Na,Nb); dpreinf = ainf + binf*z;
Einf = zeros(Na,Nb);
for i=[1:Na] disp(sprintf('1: a %f b %f', a1, b1
for j=[1:Nb] ));
ao = amin+Da*(i-1); disp(sprintf('1: a %f b %f', a2, b2
bo = bmin+Db*(j-1); ));
dpre = ao + bo*z;
 M Zofran Hilmy
03411540000023
Metode Inversi
disp(sprintf('1: a %f b %f', a3, b3 axis( [pdmin, pdmax, 0, 60 ]' );
)); plot( dobs, z, 'ko', 'LineWidth',
disp(sprintf('1: a %f b %f', a4, b4 2);
)); plot( dpre1, z, 'r-', 'LineWidth',
disp(sprintf('1: a %f b %f', ainf, 2);
binf )); plot( dpre2, z, 'g-', 'LineWidth',
2);
% plot results plot( dpre3, z, 'm-', 'LineWidth',
figure(1); 2);
clf; plot( dpre4, z, 'c-', 'LineWidth',
2);
pdmin=0; plot( dpreinf, z, 'b-', 'LineWidth',
pdmax=100; 2);
xlabel('T');
ylabel('d');
axis ij legend('dobs','dpre1','dpre2','dpre3
set(gca,'LineWidth',2); ','dpre4','dpreinf')
hold on;

Flow Chart

Pembuatan Data
berupa kedalaman Pembuatan L-Norm
Pembuatan outlier
vs suhu dengan sebanyak 5
noise

Membuat minimum
Membuat a dan b
error untuk gradien Plot hasil data
untuk tiap L-Norm
L-Norm

Hasil Data

Nilai a dan b hasil L norm

 M Zofran Hilmy
03411540000023
Metode Inversi
Plot Grafik

Pembahasan
Data suhu sebanyak 30 data dengan nilai awal 32.6067 dan pertambahan 0.9565, nilai
kedalaman berkisar dari 0-50 disertai noise yang berkisar dari 0 sampai 5. Outlier dibuat sebanyak
8 nilai dengan 4 angka dibawah rata rata dan 4 diatas rata rata data. Dilakukan nilai L norm
sebanyak 5 yaitu L norm pangkat 1, 2, 3, 4 dan 20. L norm pangkat 20 sebagai infinity. Minimum
error dibuat untuk mengetahui nilai a dan b pada tiap garis L norm. Plot grafik menghasilkan 5
buah garis L norm sehingga terlihat perubahan tiap L norm karena data yang sangat beragam.