Software Matlab

1. Pengertian MATLAB

MATLAB adalah singkatan dari Matrix Laboratory atau laboratorium matriks. Nama ini mencerminkan ciri utamanya: semua data pada dasarnya diperlakukan sebagai matriks (larik berdimensi banyak). Bilangan tunggal dianggap matriks berukuran 1×1, sedangkan deretan angka dianggap vektor.

MATLAB adalah lingkungan komputasi numerik sekaligus bahasa pemrograman tingkat tinggi. Perangkat lunak ini dikembangkan dan dipasarkan oleh perusahaan MathWorks di Amerika Serikat. MATLAB dipakai untuk:

perhitungan matematika dan analisis numerik;
pengolahan dan visualisasi data;
pemrograman dan pengembangan algoritma;
pemodelan dan simulasi sistem;
pengolahan sinyal dan citra;
kecerdasan buatan dan pembelajaran mesin;
rekayasa kendali, keuangan kuantitatif, dan berbagai bidang lainnya.

MATLAB bersifat komersial berlisensi, tetapi tersedia berbagai skema lisensi, termasuk lisensi kampus dan versi daring dengan batasan tertentu.

2. Sejarah Singkat

MATLAB pertama kali dibuat pada akhir 1970-an oleh Cleve Moler, ketua jurusan ilmu komputer di Universitas New Mexico, Amerika Serikat. Ia ingin mahasiswanya dapat memakai pustaka perhitungan matriks LINPACK dan EISPACK tanpa harus menulis program dalam bahasa Fortran. Maka lahirlah antarmuka sederhana bernama MATLAB.

Pada pertengahan 1980-an, insinyur Jack Little melihat potensi komersial perangkat lunak ini. Bersama Cleve Moler dan Steve Bangert, ia mendirikan MathWorks pada tahun 1984 dan menulis ulang MATLAB dalam bahasa C. Sejak saat itu, MATLAB berkembang pesat dengan penambahan grafik, Simulink, dan ratusan toolbox.

MathWorks merilis versi baru secara berkala, umumnya dua kali setahun, dengan penamaan tahun diikuti huruf a (rilis pertama) dan b (rilis kedua), misalnya R2025a dan R2025b. Periksa situs resmi untuk rilis terbaru.

3. Alasan Memilih MATLAB

Kuat untuk matriks dan komputasi numerik. Operasi matriks yang rumit dapat ditulis dalam satu baris.

Sintaks ringkas. Program yang di bahasa lain memerlukan puluhan baris sering cukup ditulis dalam beberapa baris di MATLAB.

Visualisasi yang kuat. Grafik dua dimensi dan tiga dimensi dapat dibuat dan disunting dengan mudah.

Dokumentasi lengkap. Setiap fungsi dilengkapi penjelasan dan contoh yang dapat langsung dijalankan.

Ekosistem toolbox yang luas. Tersedia toolbox untuk statistika, optimasi, pengolahan sinyal, pengolahan citra, kendali, keuangan, pembelajaran mendalam, dan banyak lagi.

Terintegrasi dengan Simulink. Pemodelan dan simulasi sistem dinamis dapat dilakukan secara grafis.

Andal dan teruji. Fungsi-fungsi intinya telah lama dipakai dan divalidasi oleh banyak kalangan.

Banyak dipakai di industri dan akademik. Kemampuan MATLAB kerap dicantumkan sebagai nilai tambah pada bidang teknik, sains data, dan keuangan kuantitatif.

Dapat bekerja bersama bahasa lain. MATLAB dapat memanggil kode Python, C, C++, dan Java, dan sebaliknya.

4. Produk dalam Keluarga MATLAB

MATLAB: produk inti berupa lingkungan komputasi dan bahasa pemrograman.
Simulink: lingkungan pemodelan dan simulasi berbasis diagram blok.
Toolbox: paket fungsi tambahan untuk bidang tertentu, dibeli atau dilisensikan terpisah.
MATLAB Online: versi berbasis peramban yang dapat dipakai tanpa memasang aplikasi penuh.
MATLAB Mobile: aplikasi untuk gawai bergerak.
MATLAB Drive: ruang penyimpanan daring untuk berkas MATLAB.
Live Editor: dokumen interaktif yang memadukan kode, hasil, grafik, dan teks penjelasan dalam satu berkas.
App Designer: alat untuk membuat aplikasi berantarmuka grafis sendiri.

Cakupan dan skema produk dapat berubah dari waktu ke waktu. Periksa situs resmi MathWorks untuk informasi terbaru.

5. Kebutuhan Sistem, Lisensi, dan Cara Memasang

5.1 Kebutuhan sistem

MATLAB berjalan pada Windows, macOS, dan Linux. Kebutuhan memori dan ruang penyimpanan tergolong besar, terutama bila memasang banyak toolbox. Periksa persyaratan sistem pada halaman resmi sebelum memasang.

5.2 Lisensi

MATLAB berlisensi berbayar. Beberapa skema yang lazim tersedia adalah lisensi perorangan, lisensi pelajar, lisensi kampus, dan lisensi perusahaan. Banyak perguruan tinggi memiliki lisensi institusi sehingga mahasiswa dapat memakainya tanpa biaya. Tanyakan kepada bagian teknologi informasi kampus. MathWorks juga menyediakan MATLAB Online dengan batas jam pemakaian tertentu untuk pengguna tanpa lisensi penuh. Periksa situs resmi untuk ketentuan dan harga terbaru.

5.3 Langkah pemasangan

Buka situs resmi MathWorks di mathworks.com.
Buat akun MathWorks, atau masuk bila sudah punya. Bila memakai lisensi kampus, daftarkan akun dengan surel kampus.
Pilih menu unduhan, lalu unduh pemasang sesuai sistem operasi.
Jalankan pemasang dan masuk dengan akun MathWorks.
Pilih lisensi yang akan dipakai.
Pilih produk dan toolbox yang ingin dipasang. Pilih seperlunya saja agar ruang penyimpanan tidak terbuang.
Tunggu proses pemasangan selesai, lalu buka MATLAB.

Unduhlah hanya dari situs resmi. Perangkat lunak bajakan berisiko mengandung virus, tidak mendapat pembaruan, dan melanggar hukum hak cipta.

5.4 Alternatif gratis

Bagi yang belum memiliki lisensi, GNU Octave merupakan perangkat lunak gratis dan bersumber terbuka dengan sintaks yang sangat mirip MATLAB. Sebagian besar program sederhana dapat dijalankan di keduanya, meskipun tidak semua fungsi dan toolbox tersedia di Octave.

6. Mengenal Antarmuka MATLAB

Saat dibuka, MATLAB menampilkan beberapa bagian utama:

Command Window (jendela perintah): tempat mengetik perintah dan melihat hasilnya secara langsung. Tanda >> menandakan MATLAB siap menerima perintah.
Workspace (ruang kerja): daftar seluruh variabel yang sedang tersimpan di memori beserta ukuran dan tipenya.
Current Folder (folder saat ini): menampilkan folder kerja dan berkas di dalamnya.
Editor: tempat menulis skrip dan fungsi yang disimpan sebagai berkas.
Command History (riwayat perintah): daftar perintah yang pernah dijalankan.
Toolstrip (bilah alat): berisi tab seperti Home, Plots, Apps, dan Editor yang memuat tombol untuk berbagai fungsi.

Untuk memulai, ketik perintah sederhana pada Command Window, misalnya:

matlab 2 + 3

MATLAB akan menampilkan hasilnya, yaitu ans = 5.

7. Dasar-Dasar Bahasa MATLAB

7.1 Variabel dan penugasan

Variabel dibuat dengan menugaskan nilai memakai tanda sama dengan. Tidak perlu mendeklarasikan tipe terlebih dahulu.

matlab

a = 10;
b = 3.5;
hasil = a * b

Tanda titik koma (;) di akhir baris menyembunyikan tampilan hasil. Tanpa titik koma, hasil ditampilkan pada jendela perintah.

Aturan penamaan variabel:

harus diawali huruf;
boleh berisi huruf, angka, dan garis bawah;
huruf besar dan kecil dibedakan (nilai berbeda dengan Nilai);
hindari memakai nama fungsi bawaan, seperti sum, mean, atau max, sebagai nama variabel.

7.2 Operator dasar

Penjumlahan +, pengurangan -, perkalian *, pembagian /, dan pemangkatan ^.
Operator perbandingan: == (sama dengan), ~= (tidak sama dengan), <, >, <=, >=.
Operator logika: & (dan), | (atau), ~ (bukan), serta && dan || untuk evaluasi hubung singkat.

7.3 Konstanta dan fungsi bawaan

pi: bilangan pi.
Inf: tak hingga.
NaN: bukan bilangan (not a number).
i atau j: satuan imajiner.
Fungsi umum: sqrt, abs, exp, log, log10, sin, cos, tan, round, floor, ceil, mod.

7.4 Format tampilan

matlab

format short   % empat angka di belakang koma (bawaan)
format long    % lebih banyak angka desimal

7.5 Komentar dan perintah bantu

Komentar diawali tanda persen (%). Perintah yang sering dipakai:

matlab

clc          % membersihkan jendela perintah
clear        % menghapus semua variabel dari ruang kerja
close all    % menutup semua jendela grafikhelp sum     % bantuan singkat untuk fungsi sumdoc sum      % dokumentasi lengkap fungsi sumwho          % daftar nama variabel
whos         % daftar variabel beserta ukuran dan tipenya

Kebiasaan yang baik adalah membuka skrip dengan clear; clc; close all; agar hasil tidak dipengaruhi sisa pekerjaan sebelumnya.

8. Vektor dan Matriks

8.1 Membuat vektor dan matriks

matlab

v = [1 2 3 4 5]          % vektor baris
w = [1; 2; 3]            % vektor kolom
A = [1 2 3; 4 5 6; 7 8 9]  % matriks 3x3

Spasi atau koma memisahkan elemen dalam satu baris. Titik koma memisahkan baris.

8.2 Membuat deret angka

matlab

x = 1:5              % 1 2 3 4 5
y = 0:0.5:2          % 0 0.5 1 1.5 2
z = linspace(0,1,5)  % lima titik berjarak sama dari 0 sampai 1

8.3 Matriks khusus

matlab

zeros(3,2)   % matriks nol berukuran 3x2
ones(2,4)    % matriks satu berukuran 2x4
eye(3)       % matriks identitas 3x3
rand(3)      % bilangan acak seragam antara 0 dan 1
randn(3)     % bilangan acak berdistribusi normal baku

8.4 Pengindeksan

Berbeda dengan sebagian bahasa pemrograman lain, indeks MATLAB dimulai dari 1, bukan 0.

matlab

A(2,3)      % elemen baris 2 kolom 3
A(1,:)      % seluruh baris pertama
A(:,2)      % seluruh kolom kedua
A(end,end)  % elemen terakhir
A(A>5)      % semua elemen yang lebih besar dari 5

8.5 Operasi matriks dan operasi elemen demi elemen

Operator biasa (*, /, ^) menjalankan operasi matriks. Untuk operasi elemen demi elemen, tambahkan titik di depan operator.

matlab

A * B      % perkalian matriks
A .* B     % perkalian elemen demi elemen
A .^ 2     % kuadrat setiap elemen
A'         % transpos

Kekeliruan antara * dan .* adalah kesalahan yang paling sering dialami pemula.

8.6 Aljabar linear

matlab

det(A)         % determinan
inv(A)         % invers
rank(A)        % peringkat
[V, D] = eig(A)  % nilai eigen dan vektor eigen
x = A \ b      % menyelesaikan sistem persamaan linear Ax = b

Untuk menyelesaikan sistem persamaan linear, pakai operator \ alih-alih inv(A)*b karena lebih cepat dan lebih stabil secara numerik.

8.7 Ukuran dan pengubahan bentuk

matlab

size(A)         % ukuran matriks
length(v)       % panjang vektor
numel(A)        % jumlah seluruh elemen
reshape(1:6,2,3)  % mengubah bentuk menjadi 2x3
[A, B]          % menggabungkan matriks secara horizontal
[A; B]          % menggabungkan matriks secara vertikal

8.8 Fungsi ringkasan

matlab

sum(v)      mean(v)     median(v)
max(v)      min(v)      sort(v)
cumsum(v)   prod(v)     find(v>2)

Pada matriks, fungsi-fungsi ini bekerja per kolom secara bawaan. Untuk bekerja per baris, tambahkan argumen dimensi, misalnya sum(A,2).

9. Tipe Data dan Struktur Data

9.1 Tipe numerik dan logika

Tipe bawaan adalah double (bilangan riil berpresisi ganda). Tipe lain antara lain single, int8, int16, int32, uint8, dan logical (benar atau salah).

9.2 Karakter dan untai

matlab

kata = 'Halo';        % larik karakter
teks = "Belajar MATLAB";  % untai (string)
strlength(teks)       % panjang untai
upper(teks)           % huruf besar
teks + " itu mudah"   % penggabungan untai

9.3 Larik sel (cell array)

Dipakai untuk menyimpan data berbeda tipe atau ukuran dalam satu wadah.

matlab

C = {1, 'abc', [1 2 3]};
C{3}      % mengambil isi sel ketiga

9.4 Struktur (struct)

Dipakai untuk mengelompokkan data berlabel.

matlab

mhs.nama = "Sari";
mhs.nilai = 88;
mhs.nilai

9.5 Tabel (table)

Sangat berguna untuk data ala lembar kerja dengan kolom bernama.

matlab

T = table(["A";"B";"C"], [80;75;90], 'VariableNames', {'Nama','Nilai'})
T.Nilai

9.6 Data kategorik

matlab

k = categorical(["rendah";"tinggi";"rendah"])

10. Kendali Alur

10.1 Percabangan if

matlab

nilai = 82;
if nilai >= 85
    disp('A');
elseif nilai >= 70    disp('B');
else    disp('C');
end

10.2 Perulangan for

matlab

for k = 1:5
    fprintf('Iterasi ke-%d\n', k);
end

10.3 Perulangan while

matlab

n = 1;
while n < 100
    n = n * 2;
end

10.4 Pilihan switch

matlab

hari = 'Senin';
switch hari
    case 'Senin'
        disp('Awal pekan');
    case 'Jumat'
        disp('Akhir pekan kerja');
    otherwise
        disp('Hari biasa');
end

10.5 Perintah pengendali lain

break: menghentikan perulangan.
continue: melompat ke iterasi berikutnya.
return: keluar dari fungsi.

10.6 Penanganan galat

matlab

try
    x = log(-1);
catch pesan    disp(pesan.message);
end

10.7 Vektorisasi

Salah satu keunggulan MATLAB adalah kemampuan mengoperasikan seluruh vektor sekaligus. Sering kali perulangan dapat dihindari.

matlab

% Dengan perulangan
y = zeros(1,100);
for k = 1:100    y(k) = k^2;
end
% Dengan vektorisasi (lebih ringkas dan umumnya lebih cepat)k = 1:100;y = k.^2;

11. Skrip dan Fungsi

11.1 Skrip

Skrip adalah berkas berekstensi .m yang berisi serangkaian perintah. Skrip dijalankan dengan mengeklik tombol Run atau mengetik nama berkasnya. Skrip memakai ruang kerja yang sama dengan jendela perintah.

11.2 Fungsi

Fungsi memiliki ruang kerja sendiri dan menerima masukan serta mengembalikan keluaran. Simpan dengan nama berkas yang sama dengan nama fungsinya.

matlab

function hasil = luasLingkaran(r)
    hasil = pi * r^2;
end

Berkas disimpan sebagai luasLingkaran.m, lalu dipanggil dengan:

matlab

luasLingkaran(5)

Fungsi dapat memiliki banyak masukan dan keluaran:

matlab

function [rerata, simpBaku] = ringkas(x)
    rerata = mean(x);
    simpBaku = std(x);
end

11.3 Fungsi anonim

Fungsi singkat satu baris tanpa berkas terpisah.

matlab

f = @(x) x.^2 + 3*x;
f(2)

11.4 Menjaga kerapian

Beri nama fungsi dan variabel yang bermakna.
Tulis komentar pada bagian yang tidak jelas.
Pecah program besar menjadi fungsi-fungsi kecil.
Simpan berkas terkait dalam satu folder proyek.

12. Grafik dan Visualisasi

12.1 Grafik garis

matlab

x = linspace(0, 2*pi, 100);
y = sin(x);
plot(x, y, 'LineWidth', 1.5);
xlabel('x');
ylabel('sin(x)');
title('Grafik fungsi sinus');
grid on;

12.2 Beberapa kurva dalam satu grafik

matlab

plot(x, sin(x), 'b-', x, cos(x), 'r--');
legend('sin', 'cos');

Atau gunakan hold on untuk menambahkan kurva pada grafik yang sama.

12.3 Beberapa grafik dalam satu jendela

matlab

subplot(2,1,1); plot(x, sin(x)); title('Sinus');
subplot(2,1,2); plot(x, cos(x)); title('Kosinus');

12.4 Jenis grafik lain

scatter(x, y): diagram sebar.
bar(y): diagram batang.
histogram(data): histogram.
boxplot(data): diagram kotak-garis (memerlukan Statistics and Machine Learning Toolbox).
pie(y): diagram lingkaran.
area(y): diagram area.
surf(X,Y,Z) dan mesh(X,Y,Z): permukaan tiga dimensi.
contour(X,Y,Z): garis kontur.
plot3(x,y,z): kurva tiga dimensi.
heatmap(...): peta panas.

12.5 Menyimpan grafik

matlab

exportgraphics(gcf, 'grafik.png', 'Resolution', 300);

Grafik juga dapat disimpan lewat menu pada jendela grafik atau dengan saveas.

13. Mengimpor dan Mengekspor Data

13.1 Membaca data

matlab

T = readtable('data.csv');      % menjadi tabel
M = readmatrix('angka.csv');    % menjadi matriks numerik

readtable juga dapat membaca berkas Excel (.xlsx) secara langsung. Sekilas isi tabel dapat dilihat dengan:

matlab

head(T)
summary(T)

13.2 Menulis data

matlab

writetable(T, 'hasil.csv');
writematrix(M, 'hasil_angka.csv');

13.3 Menyimpan dan memuat ruang kerja

matlab

save('data.mat');        % menyimpan semua variabel
save('data.mat', 'A');   % menyimpan variabel tertentu
load('data.mat');        % memuat kembali

Berkas .mat adalah format asli MATLAB dan menyimpan variabel apa adanya.

13.4 Alternatif melalui antarmuka

Tombol Import Data pada tab Home memungkinkan data diimpor lewat kotak dialog interaktif, yang berguna bagi pemula.

13.5 Membersihkan data

matlab

T = rmmissing(T);              % menghapus baris dengan data hilang
T = fillmissing(T, 'constant', 0);  % mengisi data hilang (contoh)

Data hilang dalam MATLAB umumnya ditandai NaN (numerik) atau <missing> (untai dan kategorik).

14. Statistika dan Analisis Data

14.1 Statistik deskriptif

matlab

x = [78 85 90 66 72 88 95 81];
mean(x)      % rerata
median(x)    % median
mode(x)      % modus
std(x)       % simpangan baku
var(x)       % ragam
range(x)     % rentang
prctile(x, [25 50 75])  % persentil

Sebagian fungsi, seperti range, dan prctile, dapat memerlukan Statistics and Machine Learning Toolbox pada rilis tertentu. Periksa dokumentasi.

14.2 Korelasi

matlab

jam = [1 2 3 4 5 6 7 8];
nilai = [55 60 63 70 72 80 85 90];
corrcoef(jam, nilai)

Nilai di luar diagonal pada matriks hasil adalah koefisien korelasi Pearson.

14.3 Regresi linear sederhana

Tanpa toolbox tambahan:

matlab

p = polyfit(jam, nilai, 1);   % p(1) kemiringan, p(2) intersep
prediksi = polyval(p, jam);
plot(jam, nilai, 'o', jam, prediksi, '-');
xlabel('Jam belajar'); ylabel('Nilai');

Dengan Statistics and Machine Learning Toolbox:

matlab

T = table(jam', nilai', 'VariableNames', {'Jam','Nilai'});
mdl = fitlm(T, 'Nilai ~ Jam')

Hasilnya memuat koefisien, galat baku, nilai p, R², dan R² yang disesuaikan.

14.4 Uji hipotesis (dengan Statistics and Machine Learning Toolbox)

matlab

[h, p] = ttest(x, 75);          % uji-t satu sampel dengan nilai acuan 75
[h, p] = ttest2(kelA, kelB);    % uji-t dua sampel independen
[p, tbl] = anova1(data);        % ANOVA satu arah
[h, p] = kstest(zscore(x));     % uji normalitas Kolmogorov-Smirnov

Keluaran h bernilai 1 bila hipotesis nol ditolak pada taraf 5 persen dan 0 bila tidak ditolak. Keluaran p adalah nilai p.

14.5 Normalisasi dan standarisasi

matlab

z = zscore(x);           % skor baku
n = normalize(x, 'range');  % skala 0 sampai 1

14.6 Analisis kelompok data

matlab

G = groupsummary(T, 'Kategori', 'mean', 'Nilai');

14.7 Bilangan acak dan simulasi

matlab

rng(1);              % mengatur benih agar hasil dapat diulang
x = randn(1000,1);   % 1000 bilangan acak normal baku
histogram(x);

15. Komputasi Numerik

15.1 Integral

matlab

integral(@(x) x.^2, 0, 3)    % hasilnya 9

15.2 Persamaan nonlinear

matlab

akar = fzero(@(x) x^2 - 2, [0 2])   % sekitar 1,4142

15.3 Optimasi

matlab

[xmin, fmin] = fminsearch(@(x) (x-3)^2 + 2, 0)

Untuk optimasi terkendala dan skala besar, tersedia Optimization Toolbox.

15.4 Persamaan diferensial biasa

matlab

[t, y] = ode45(@(t,y) -0.5*y, [0 10], 5);
plot(t, y);

15.5 Interpolasi dan pencocokan kurva

matlab

yi = interp1(x, y, xq, 'linear');
p = polyfit(x, y, 2);   % polinom derajat 2

15.6 Matematika simbolik (dengan Symbolic Math Toolbox)

matlab

syms x
diff(x^3, x)      % turunan: 3*x^2
int(x^2, x)       % integral: x^3/3
solve(x^2 - 4 == 0, x)   % akar: -2 dan 2

16. Pengantar Simulink

Simulink adalah lingkungan pemodelan dan simulasi berbasis diagram blok yang terintegrasi dengan MATLAB. Pengguna menyusun model dengan menyeret dan menghubungkan blok, lalu menjalankan simulasi dan melihat hasilnya pada osiloskop virtual.

Simulink banyak dipakai untuk:

sistem kendali dan otomasi;
sistem tenaga dan elektronika daya;
sistem mekanik dan otomotif;
pemrosesan sinyal dan komunikasi;
sistem tertanam.

Untuk membukanya, ketik simulink pada jendela perintah atau klik ikon Simulink pada tab Home. Bagi pemula, mulailah dengan menguasai MATLAB terlebih dahulu sebelum mendalami Simulink.

17. Toolbox Penting

Toolbox dilisensikan terpisah dari MATLAB inti. Beberapa yang paling sering dipakai:

Statistics and Machine Learning Toolbox: uji statistik, regresi, klasifikasi, pengelompokan, dan pembelajaran mesin klasik.
Optimization Toolbox: optimasi linear, nonlinear, dan bilangan bulat.
Signal Processing Toolbox: analisis dan penyaringan sinyal.
Image Processing Toolbox: pengolahan dan analisis citra.
Control System Toolbox: perancangan dan analisis sistem kendali.
Deep Learning Toolbox: jaringan saraf dan pembelajaran mendalam.
Curve Fitting Toolbox: pencocokan kurva dan permukaan.
Symbolic Math Toolbox: perhitungan simbolik.
Financial Toolbox dan Econometrics Toolbox: pemodelan keuangan, manajemen portofolio, dan analisis deret waktu ekonomi.
Parallel Computing Toolbox: pemrosesan paralel untuk mempercepat perhitungan.
Database Toolbox: koneksi ke basis data.

Untuk mengetahui toolbox yang terpasang, ketik ver pada jendela perintah.

18. Live Editor dan Aplikasi Bawaan

18.1 Live Editor

Live Editor memungkinkan pengguna menulis kode, melihat hasil dan grafik tepat di bawahnya, serta menyisipkan teks, persamaan, dan gambar. Berkasnya berekstensi .mlx. Cocok untuk laporan, bahan ajar, dan dokumentasi analisis. Hasilnya dapat diekspor ke PDF, Word, atau HTML.

18.2 Aplikasi bawaan (Apps)

Tab Apps menyediakan alat interaktif tanpa perlu menulis kode, misalnya:

Curve Fitter: mencocokkan kurva pada data.
Regression Learner dan Classification Learner: membangun model prediksi lewat antarmuka grafis.
Signal Analyzer dan Image Viewer.
Data Cleaner: membersihkan data secara interaktif.

Fitur ini membantu pemula yang belum terbiasa menulis kode.

19. Studi Kasus

19.1 Studi kasus 1: Hubungan jam belajar dan nilai

Situasi. Seorang dosen ingin mengetahui apakah jam belajar berkaitan dengan nilai ujian pada 30 mahasiswa. Data disimpan dalam berkas belajar.csv dengan kolom Jam dan Nilai.

Langkah analisis:

matlab

clear; clc; close all;

% 1. Membaca dataT = readtable('belajar.csv');head(T)

% 2. Statistik deskriptifsummary(T)

% 3. Grafik sebarscatter(T.Jam, T.Nilai, 'filled');xlabel('Jam belajar'); ylabel('Nilai ujian');
% 4. KorelasiR = corrcoef(T.Jam, T.Nilai);
disp(R(1,2));
% 5. Regresi linearmdl = fitlm(T, 'Nilai ~ Jam')
% 6. Grafik garis regresihold on;plot(T.Jam, mdl.Fitted, 'r-', 'LineWidth', 1.5);hold off;

Tafsiran. Periksa koefisien korelasi, nilai p untuk koefisien Jam, dan R². Bila koefisien positif dan nilai p kurang dari 0,05, jam belajar berkaitan secara signifikan dengan kenaikan nilai. Ingat bahwa keterkaitan tidak otomatis berarti sebab-akibat.

19.2 Studi kasus 2: Simulasi Monte Carlo untuk memperkirakan pi

Ide. Bangkitkan titik acak di dalam persegi satuan. Perbandingan titik yang jatuh di dalam seperempat lingkaran terhadap seluruh titik mendekati pi per empat.

matlab

rng(1);
N = 100000;
x = rand(N,1);
y = rand(N,1);
dalam = (x.^2 + y.^2) <= 1;
piPerkiraan = 4 * sum(dalam) / N

Semakin besar N, semakin dekat perkiraan dengan nilai pi sebenarnya. Contoh ini menggambarkan cara berpikir simulasi yang dapat diterapkan pada risiko keuangan, antrean layanan, hingga rekayasa keandalan.

19.3 Studi kasus 3: Nilai masa depan investasi

Situasi. Menghitung nilai masa depan tabungan bulanan dengan bunga majemuk.

matlab

setoran = 1000000;    % setoran per bulan
sukuBunga = 0.005;    % 0,5 persen per bulan
bulan = 1:60;         % lima tahun

NM = setoran * ((1 + sukuBunga).^bulan - 1) / sukuBunga;
plot(bulan, NM, 'LineWidth', 1.5);xlabel('Bulan'); ylabel('Nilai masa depan');grid on;NM(end)

Contoh ini memperlihatkan bagaimana rumus keuangan dapat diterapkan pada seluruh vektor waktu sekaligus lewat vektorisasi.

20. Debugging dan Penanganan Galat

20.1 Memahami pesan galat

Pesan galat MATLAB berwarna merah dan biasanya menyebutkan jenis galat serta baris penyebabnya. Baca pesan dari atas ke bawah, lalu klik tautan nomor baris untuk melompat ke lokasi kode.

20.2 Galat yang sering muncul

Undefined function or variable: nama salah ketik, variabel belum dibuat, atau berkas fungsi tidak berada pada folder kerja.
Dimensions of arrays being concatenated are not consistent: ukuran matriks tidak cocok saat digabung.
Matrix dimensions must agree atau Inner matrix dimensions must agree: ukuran matriks tidak sesuai untuk operasi yang dilakukan, atau tertukar * dengan .*.
Index exceeds the number of array elements: indeks melebihi ukuran larik.
Subscript indices must either be real positive integers or logicals: indeks berupa nol, negatif, atau pecahan. Ingat bahwa indeks dimulai dari 1.
Unrecognized function or variable: fungsi berasal dari toolbox yang belum dipasang atau belum berlisensi.

20.3 Alat debugging

Breakpoint: klik area di samping nomor baris pada Editor untuk menghentikan program di baris itu, lalu periksa isi variabel.
Step: menjalankan program baris demi baris.
Perintah disp dan fprintf: menampilkan nilai untuk pemeriksaan cepat.
whos: memeriksa ukuran dan tipe variabel.
Analyzer kode: garis bawah oranye pada Editor menandakan saran perbaikan.

20.4 Profil kinerja

Bila program lambat, pakai Run and Time atau perintah profile on untuk mengetahui bagian yang paling banyak memakan waktu. Kebiasaan yang membantu kecepatan: gunakan vektorisasi dan alokasikan larik terlebih dahulu (misalnya zeros) sebelum mengisinya dalam perulangan.

21. Praktik Baik dalam Menulis Program

Beri nama yang bermakna pada variabel dan fungsi.
Tulis komentar yang menjelaskan tujuan, bukan sekadar mengulang kode.
Buka skrip dengan clear, clc, dan close all agar hasil dapat diulang.
Gunakan titik koma untuk menekan keluaran yang tidak perlu.
Alokasikan larik lebih dulu sebelum mengisinya dalam perulangan.
Gunakan vektorisasi bila memungkinkan.
Pecah program menjadi fungsi kecil agar mudah diuji dan dipakai ulang.
Atur benih acak dengan rng agar hasil simulasi dapat direplikasi.
Simpan versi kerja secara berkala dan gunakan pengendali versi bila bekerja pada proyek besar.
Uji dengan contoh kecil yang jawabannya sudah diketahui sebelum dipakai pada data sebenarnya.

22. Perbandingan MATLAB dengan Perangkat Lunak Lain

22.1 MATLAB dan Python

Python gratis, bersumber terbuka, dan memiliki ekosistem sangat luas untuk sains data serta pembelajaran mesin (NumPy, pandas, scikit-learn, dan sebagainya). MATLAB unggul pada lingkungan terpadu, dokumentasi yang seragam, Simulink, dan toolbox yang dirancang untuk bekerja sama. Python unggul pada biaya, fleksibilitas, dan luasnya komunitas.

22.2 MATLAB dan R

R sangat kuat untuk statistika dan gratis. MATLAB lebih menonjol pada komputasi numerik, rekayasa, simulasi, dan pemrosesan sinyal.

22.3 MATLAB dan GNU Octave

Octave gratis dengan sintaks yang sangat mirip. Namun, Octave tidak memiliki Simulink, cakupan toolbox lebih terbatas, dan kinerjanya dapat berbeda.

22.4 MATLAB dan SPSS, Minitab, atau JASP

Ketiganya berorientasi pada menu dan cocok untuk analisis statistik baku tanpa pemrograman. MATLAB lebih fleksibel untuk analisis khusus, simulasi, dan otomatisasi, tetapi menuntut kemampuan menulis kode.

22.5 MATLAB dan Microsoft Excel

Excel mudah dan luas dipakai untuk pengolahan data sederhana. MATLAB jauh lebih kuat untuk data besar, perhitungan matriks, grafik lanjutan, dan otomatisasi yang dapat diulang.

23. Kelebihan dan Kekurangan MATLAB

Kelebihan:

Sangat kuat untuk operasi matriks dan komputasi numerik.
Sintaks ringkas dan mudah dibaca.
Grafik berkualitas tinggi dan mudah disunting.
Dokumentasi, contoh, dan bantuan yang lengkap.
Toolbox yang luas dan terintegrasi.
Simulink untuk pemodelan dan simulasi sistem.
Banyak dipakai di dunia akademik dan industri.
Dapat bekerja bersama Python, C, C++, dan Java.

Kekurangan:

Berlisensi berbayar, dan toolbox dilisensikan terpisah sehingga biayanya dapat besar.
Membutuhkan sumber daya komputer yang cukup besar.
Kurang cocok untuk membangun aplikasi web atau perangkat lunak skala besar dibandingkan bahasa serba guna.
Kode yang bergantung pada toolbox tertentu tidak dapat dijalankan oleh pihak yang tidak memiliki lisensi.
Bagi pemula tanpa latar belakang pemrograman, kurva belajarnya lebih curam dibandingkan perangkat lunak berbasis menu.

24. Kesalahan yang Sering Terjadi

Tertukar * dan .*, sehingga muncul galat dimensi atau hasil yang keliru.
Mengira indeks dimulai dari 0.
Memakai nama fungsi bawaan sebagai nama variabel, misalnya sum, max, atau mean, sehingga fungsi aslinya tidak dapat dipakai.
Lupa titik koma, sehingga jendela perintah dibanjiri keluaran.
Tidak membersihkan ruang kerja, sehingga variabel lama memengaruhi hasil.
Menaruh berkas di luar folder kerja atau lintasan pencarian, sehingga fungsi tidak ditemukan.
Nama berkas fungsi tidak sama dengan nama fungsinya.
Memakai inv(A)*b alih-alih A\b untuk menyelesaikan sistem persamaan linear.
Tidak mengalokasikan larik lebih dulu sehingga program lambat.
Tidak memeriksa asumsi sebelum menafsirkan hasil uji statistik.
Tidak menyimpan pekerjaan atau tidak menuliskan benih acak sehingga hasil tidak dapat diulang.
Menyalin kode tanpa memahaminya, lalu kebingungan saat terjadi galat.

25. Pemecahan Masalah Umum

Fungsi tidak dikenali. Periksa ejaan, pastikan berkas berada pada folder kerja atau lintasan pencarian (addpath), dan pastikan toolbox terkait telah terpasang dengan ver.
Berkas data tidak terbaca. Periksa nama dan lokasi berkas, pemisah kolom, serta pengodean karakter. Coba impor lewat tombol Import Data.
Angka terbaca sebagai teks. Periksa apakah ada karakter tak terduga, tanda pemisah ribuan, atau spasi pada kolom tersebut.
Program sangat lambat. Gunakan vektorisasi, alokasikan larik lebih dulu, dan periksa dengan profil kinerja.
Grafik tidak sesuai harapan. Periksa apakah hold on masih aktif, atau gunakan figure untuk membuka jendela grafik baru.
Memori habis. Kurangi ukuran data, hapus variabel yang tidak dipakai dengan clear, atau proses data dalam potongan kecil.
Hasil tidak sama dengan perangkat lunak lain. Periksa pengaturan seperti pembagi simpangan baku (populasi atau sampel), jenis uji, dan pembulatan.

26. Peluang Karier dan Manfaat Menguasai MATLAB

Kemampuan MATLAB bermanfaat pada berbagai bidang:

Teknik dan rekayasa: kendali, tenaga listrik, mekanika, dan elektronika.
Sains data dan analitik: pengolahan data, pemodelan, dan pembelajaran mesin.
Keuangan kuantitatif: manajemen risiko, penentuan harga aset, simulasi portofolio, dan peramalan.
Kesehatan dan biomedis: pengolahan sinyal dan citra medis.
Riset akademik: analisis data penelitian dan simulasi.
Otomotif dan kedirgantaraan: pemodelan dan simulasi sistem.

Bagi lulusan yang mengincar posisi analis, kemampuan pemrograman dasar bersama pemahaman statistika dan pemodelan adalah kombinasi yang bernilai. Sertakan contoh proyek nyata pada portofolio agar kemampuan Anda mudah dibuktikan.