Pendahuluan

Bayangkan sebuah rangkaian sederhana: baterai, resistor, dan kapasitor. Saat sakelar ditutup, tegangan pada kapasitor tidak langsung sama dengan tegangan baterai. Tegangan itu berubah perlahan, mula-mula cepat, lalu semakin lambat. Jika kita mengukurnya dengan osiloskop, kita melihat kurva naik yang halus. Jika kita mensimulasikannya dengan program, kita menulis beberapa baris kode. Jika kita menganalisisnya secara matematis, kita memperoleh persamaan diferensial. Jika kita ingin menghubungkan banyak komponen sekaligus, kita menyusun sistem persamaan linear. Jika rangkaian itu menjadi bagian dari pengendali motor, kita perlu memahami kestabilan, respons frekuensi, dan umpan balik.

Contoh kecil ini menunjukkan alasan buku ini disusun: matematika, komputasi, dan teknik elektro bukan tiga dunia terpisah. Dalam praktik rekayasa modern, ketiganya bekerja bersama. Matematika memberi bahasa untuk menyatakan hubungan. Komputasi memberi alat untuk menghitung, menyimulasikan, dan menguji. Teknik elektro memberi sistem fisis yang ingin kita pahami, rancang, dan kendalikan.

Buku ini adalah jalur terpadu menuju kemampuan itu.

Mengapa fondasi ini penting?

Di tingkat awal, banyak mahasiswa melihat kalkulus sebagai kumpulan aturan turunan dan integral, aljabar linear sebagai operasi matriks, algoritma sebagai kode program, dan rangkaian listrik sebagai hukum Ohm serta hukum Kirchhoff. Semua itu benar, tetapi belum lengkap.

Kekuatan sebenarnya muncul ketika kita melihat hubungan antarbidang.

Turunan, misalnya, bukan hanya rumus untuk mencari gradien grafik. Turunan menyatakan laju perubahan sesaat. Dalam teknik elektro, laju perubahan tegangan atau arus muncul pada kapasitor dan induktor. Hubungan arus kapasitor

\[ i(t) = C \frac{dv(t)}{dt} \]

mengatakan bahwa arus \(i(t)\) sebanding dengan laju perubahan tegangan \(v(t)\), dengan \(C\) sebagai kapasitansi. Ini bukan sekadar persamaan simbolik; ini adalah pernyataan tentang perilaku sistem fisis. Buku rangkaian dasar seperti Alexander dan Sadiku menempatkan hubungan elemen resistor, kapasitor, dan induktor sebagai dasar analisis rangkaian linear waktu kontinu (Alexander & Sadiku, 2017).

Aljabar linear juga bukan sekadar menghitung determinan. Ketika banyak node dalam rangkaian dihubungkan oleh resistor, hukum Kirchhoff dapat menghasilkan sistem persamaan linear

\[ A\mathbf{x} = \mathbf{b}. \]

Di sini \(A\) adalah matriks koefisien, \(\mathbf{x}\) adalah vektor besaran yang belum diketahui, dan \(\mathbf{b}\) adalah vektor sumber atau masukan. Memahami rank, ruang solusi, dan nilai eigen membantu kita mengetahui apakah solusi ada, unik, stabil, atau sensitif terhadap perubahan data. Pendekatan ini sejalan dengan cara aljabar linear modern digunakan untuk memahami sistem persamaan, transformasi linear, dan struktur ruang vektor (Strang, 2016).

Algoritma pun bukan hanya “cara membuat program berjalan”. Algoritma adalah prosedur langkah demi langkah yang terdefinisi jelas untuk menyelesaikan masalah komputasi. Definisi ini dekat dengan cara buku algoritma standar menggambarkan algoritma sebagai prosedur komputasional yang menerima masukan dan menghasilkan keluaran (Cormen et al., 2009). Dalam konteks teknik, algoritma diperlukan untuk menyelesaikan sistem linear besar, menggambar grafik respons, mencari akar persamaan, mengurutkan data sensor, dan mensimulasikan sistem dinamis.

Persamaan diferensial menjadi jembatan antara perubahan kontinu dan model teknik. Banyak sistem fisis tidak hanya ditentukan oleh nilai saat ini, tetapi juga oleh bagaimana nilai itu berubah terhadap waktu. Persamaan diferensial digunakan secara luas dalam matematika teknik untuk memodelkan rangkaian listrik, getaran mekanis, perpindahan panas, dan sistem kendali (Kreyszig, 2011).

Dengan demikian, buku ini tidak hanya mengajarkan “materi”. Buku ini membangun cara berpikir.

Empat bahasa yang akan kita satukan

Sepanjang buku ini, kita akan memakai empat bahasa utama: bahasa matematika, bahasa komputasi, bahasa sistem, dan bahasa rekayasa.

Bahasa matematika membantu kita menyatakan ide dengan tepat. Sebagai contoh, kalimat “tegangan menjadi kecil saat waktu besar” dapat dibuat lebih teliti dengan limit:

\[ \lim_{t \to \infty} v(t) = 0. \]

Pernyataan ini tidak bergantung pada gambar atau intuisi semata. Ia mengatakan bahwa untuk waktu yang cukup besar, nilai \(v(t)\) dapat dibuat sedekat mungkin dengan nol.

Bahasa komputasi membantu kita menjalankan perhitungan secara sistematis. Misalnya, jika solusi eksak suatu persamaan terlalu sulit dicari, kita dapat memakai metode numerik. Metode Euler, Runge-Kutta, eliminasi Gauss, dan iterasi Newton adalah contoh algoritma yang mengubah masalah matematika menjadi langkah komputasi.

Bahasa sistem membantu kita melihat hubungan antara masukan, keadaan, dan keluaran. Sebuah sistem dapat dipahami sebagai objek yang menerima masukan, memiliki perilaku internal, lalu menghasilkan keluaran. Dalam rangkaian RC, masukan dapat berupa tegangan sumber, keadaan dapat berupa tegangan kapasitor, dan keluaran dapat berupa tegangan pada salah satu komponen.

Bahasa rekayasa membantu kita menghubungkan simbol dengan tujuan desain. Dalam rekayasa, kita tidak hanya bertanya “berapa jawabannya?”, tetapi juga “apakah sistem ini aman?”, “apakah stabil?”, “apakah efisien?”, “berapa galatnya?”, dan “apakah model ini cukup baik untuk keputusan yang akan diambil?”.

Keempat bahasa ini saling memperkuat. Jika hanya memakai matematika tanpa komputasi, kita dapat terhenti pada masalah yang tidak memiliki solusi tertutup sederhana. Jika hanya memakai komputasi tanpa matematika, kita dapat memperoleh angka tanpa memahami galat, kestabilan, atau makna hasilnya. Jika hanya memakai rumus rangkaian tanpa pemodelan sistem, kita sulit beralih ke kontrol, sinyal, dan elektronika modern.

Apa yang dimaksud dengan model?

Salah satu kata paling penting dalam buku ini adalah model. Model adalah representasi yang sengaja disederhanakan dari sesuatu yang ingin kita pahami. Model tidak sama dengan realitas lengkap. Model memilih aspek yang dianggap penting dan mengabaikan aspek lain yang dianggap kurang relevan untuk tujuan tertentu.

Sebagai contoh, resistor ideal dimodelkan dengan hukum Ohm:

\[ v = iR. \]

Persamaan ini menyatakan bahwa tegangan \(v\) pada resistor sebanding dengan arus \(i\), dengan konstanta proporsionalitas \(R\) yang disebut resistansi. Dalam banyak kondisi, model ini sangat berguna. Namun resistor fisik nyata memiliki toleransi nilai, batas daya, efek temperatur, dan perilaku parasitik pada frekuensi tinggi. Karena itu, model ideal bukan kebohongan; ia adalah pendekatan yang harus digunakan dengan kesadaran terhadap batasnya.

Dalam buku ini, kita akan sering bergerak melalui tiga tahap:

1. Menyusun model dari situasi fisis atau komputasional.
2. Menganalisis model dengan matematika.
3. Memeriksa hasil melalui interpretasi, simulasi, atau contoh numerik.

Sebagai contoh, rangkaian RC dapat dimodelkan oleh persamaan diferensial orde pertama. Dari model itu, kita dapat mencari solusi analitik, menggambar kurva, lalu membandingkan dengan simulasi numerik.

Besaran, satuan, dan makna fisis

Dalam teknik elektro, simbol matematika hampir selalu mewakili besaran fisis. Besaran fisis adalah kuantitas yang dapat dikaitkan dengan pengukuran atau keadaan sistem fisis, seperti tegangan, arus, daya, energi, waktu, frekuensi, muatan, medan listrik, atau temperatur.

Contohnya:

• \(v(t)\) dapat menyatakan tegangan sebagai fungsi waktu.
• \(i(t)\) dapat menyatakan arus sebagai fungsi waktu.
• \(p(t) = v(t)i(t)\) dapat menyatakan daya sesaat.
• \(\omega = 2\pi f\) dapat menyatakan frekuensi sudut dari sinyal sinusoidal.

Satuan membantu menjaga makna. Jika \(v\) diukur dalam volt dan \(i\) dalam ampere, maka \(p = vi\) diukur dalam watt. Pemeriksaan satuan sering menjadi cara cepat untuk mendeteksi kesalahan. Misalnya, jika suatu perhitungan energi menghasilkan satuan volt, kemungkinan ada kesalahan model atau manipulasi aljabar.

Buku ini akan mendorong Anda untuk tidak memperlakukan persamaan sebagai susunan simbol kosong. Setiap persamaan teknik perlu dibaca dengan tiga pertanyaan:

• Apa besaran yang diwakili oleh setiap simbol?
• Apa satuannya?
• Apa makna fisis dari hubungan tersebut?

Dari kalkulus menuju sistem dinamis

Kalkulus mempelajari perubahan dan akumulasi. Turunan mempelajari laju perubahan, sedangkan integral mempelajari akumulasi. Kedua ide ini menjadi dasar banyak model teknik.

Misalnya, jika arus adalah laju perubahan muatan,

\[ i(t) = \frac{dq(t)}{dt}, \]

maka muatan dapat diperoleh dari akumulasi arus:

\[ q(t) = q(t_0) + \int_{t_0}^{t} i(\tau)\,d\tau. \]

Di sini \(\tau\) adalah variabel integrasi. Kita menggunakannya agar tidak tertukar dengan batas atas \(t\). Contoh ini menunjukkan hubungan langsung antara turunan dan integral: satu menyatakan perubahan sesaat, yang lain menyatakan penjumlahan kontinu dari perubahan itu.

Ketika sebuah sistem berubah terhadap waktu, kita sering memperoleh sistem dinamis. Sistem dinamis adalah sistem yang keadaannya berkembang menurut waktu. Dalam bentuk sederhana, keadaan sistem dapat ditulis sebagai \(x(t)\), dan perubahannya dapat dimodelkan oleh

\[ \frac{dx}{dt} = f(x,t). \]

Persamaan ini mengatakan bahwa laju perubahan keadaan \(x\) ditentukan oleh keadaan saat ini dan waktu. Bentuk seperti ini muncul dalam pertumbuhan populasi, peluruhan radioaktif, pengisian kapasitor, pendinginan, dan banyak sistem kendali.

Dari aljabar linear menuju representasi modern

Aljabar linear mempelajari vektor, matriks, ruang vektor, dan transformasi linear. Pada awalnya, vektor dapat dipahami sebagai daftar angka. Misalnya,

\[ \mathbf{x} = \begin{bmatrix} v_1\\ v_2\\ v_3 \end{bmatrix} \]

dapat menyatakan tiga tegangan node dalam rangkaian. Matriks kemudian dapat menyatakan hubungan antarbesaran:

\[ \begin{bmatrix} a_{11} & a_{12} & a_{13}\\ a_{21} & a_{22} & a_{23}\\ a_{31} & a_{32} & a_{33} \end{bmatrix} \begin{bmatrix} v_1\\ v_2\\ v_3 \end{bmatrix} = \begin{bmatrix} b_1\\ b_2\\ b_3 \end{bmatrix}. \]

Namun aljabar linear menjadi lebih kuat ketika kita melihat matriks sebagai transformasi. Matriks dapat memutar, meregangkan, memproyeksikan, mencampur, atau mengubah koordinat data. Nilai eigen dan vektor eigen membantu menemukan arah khusus yang hanya mengalami penskalaan oleh transformasi. Dalam sistem dinamis linear, nilai eigen sering berkaitan erat dengan kestabilan dan mode alami sistem.

Sebagai contoh, sistem

\[ \frac{d\mathbf{x}}{dt} = A\mathbf{x} \]

memiliki perilaku yang sangat dipengaruhi oleh nilai eigen matriks \(A\). Jika komponen respons yang terkait nilai eigen tertentu meluruh terhadap waktu, sistem cenderung menuju keadaan setimbang pada arah tersebut. Jika komponen respons tumbuh, sistem dapat menjadi tidak stabil. Hubungan antara nilai eigen, solusi sistem linear, dan kestabilan adalah tema penting dalam matematika teknik dan sistem kendali (Kreyszig, 2011; Franklin et al., 2015).

Dari algoritma menuju simulasi

Dalam praktik modern, banyak analisis teknik dilakukan dengan bantuan komputer. Namun komputer tidak “memahami” masalah seperti manusia. Komputer menjalankan instruksi. Karena itu, kita perlu mengubah ide matematika menjadi algoritma.

Misalnya, untuk mencari akar persamaan \(f(x)=0\), metode Newton memakai iterasi

\[ x_{k+1} = x_k - \frac{f(x_k)}{f'(x_k)}. \]

Rumus ini menghasilkan urutan tebakan \(x_0, x_1, x_2, \ldots\). Jika syarat tertentu terpenuhi dan tebakan awal cukup baik, urutan itu dapat mendekati akar. Tetapi metode ini juga dapat gagal jika turunan mendekati nol, tebakan awal buruk, atau fungsi memiliki perilaku rumit. Karena itu, komputasi numerik selalu perlu disertai analisis galat dan pemeriksaan hasil.

Dalam buku ini, program tidak diperlakukan sebagai hiasan. Program adalah alat berpikir. Saat menulis program untuk menggambar respons rangkaian, kita sedang menguji apakah model, persamaan, dan interpretasi kita konsisten.

Dari sinyal menuju sistem elektro

Teknik elektro banyak berurusan dengan sinyal. Sinyal adalah besaran yang membawa informasi atau merepresentasikan perubahan terhadap variabel tertentu, biasanya waktu. Contoh sinyal adalah tegangan mikrofon, arus pada antena, data sensor suhu, dan deretan bit pada sistem digital.

Sinyal waktu kontinu ditulis, misalnya, sebagai \(x(t)\). Sinyal waktu diskret ditulis sebagai \(x[n]\), dengan \(n\) bilangan bulat. Perbedaan ini penting. Tegangan analog pada keluaran sensor dapat dimodelkan sebagai fungsi waktu kontinu, sedangkan data hasil pencuplikan oleh mikrokontroler berupa deret nilai diskret.

Analisis sinyal dan sistem menggunakan alat seperti konvolusi, transformasi Fourier, transformasi Laplace, respons impuls, dan respons frekuensi. Transformasi Fourier, misalnya, membantu melihat sinyal dari sudut pandang frekuensi, bukan hanya waktu. Pendekatan waktu dan frekuensi merupakan bagian inti dari teori sinyal dan sistem linear (Oppenheim et al., 1997).

Contoh sederhana: sinyal sinusoidal

\[ x(t) = A\cos(\omega t + \phi) \]

memiliki amplitudo \(A\), frekuensi sudut \(\omega\), dan fase \(\phi\). Dalam analisis AC, sinyal seperti ini dapat direpresentasikan dengan fasor, yaitu bilangan kompleks yang menyimpan informasi amplitudo dan fase. Representasi kompleks ini membuat perhitungan rangkaian sinusoidal keadaan tunak menjadi jauh lebih ringkas.

Cara buku ini bergerak

Buku ini dimulai dari bahasa matematika dasar: himpunan, fungsi, logika, bukti, notasi sigma, bilangan kompleks, dan pemodelan kuantitas fisis. Bagian ini penting karena seluruh bab berikutnya memakai notasi dan penalaran yang dibangun di sana.

Setelah itu, kita memasuki kalkulus satu variabel: fungsi, limit, kekontinuan, turunan, optimisasi, integral, dan deret. Kalkulus memberi alat untuk memahami perubahan, akumulasi, dan hampiran. Materi ini sejalan dengan urutan umum buku kalkulus universitas yang membangun limit, turunan, integral, dan deret sebagai fondasi analisis fungsi (Stewart, 2016).

Kemudian buku bergerak ke kalkulus multivariabel dan aljabar linear. Di sini kita belajar menangani sistem dengan banyak variabel, banyak persamaan, dan banyak dimensi. Ini penting untuk rangkaian besar, pemrosesan sinyal, pembelajaran mesin, sistem kendali, dan analisis jaringan.

Bagian berikutnya memperkenalkan pemrograman ilmiah, algoritma, struktur data, graf, dan komputasi numerik. Tujuannya bukan menjadikan pembaca sekadar pengguna perangkat lunak, melainkan pembelajar yang memahami cara perhitungan dilakukan, mengapa suatu algoritma efisien, dan kapan hasil numerik perlu dicurigai.

Setelah fondasi matematika dan komputasi terbentuk, buku masuk ke persamaan diferensial, sistem ruang keadaan, transformasi Laplace, transformasi Fourier, dan analisis sinyal. Ini adalah jembatan langsung menuju sistem elektro modern.

Bab-bab akhir membahas rangkaian listrik, rangkaian AC, elektronika dasar, sistem digital, kontrol, dan proyek integratif. Pada bagian ini, pembaca diajak melihat bagaimana konsep yang telah dipelajari bertemu dalam persoalan rekayasa yang lebih nyata.

Sikap belajar yang disarankan

Buku ini tidak dirancang untuk dibaca seperti novel. Setiap definisi, contoh, dan persamaan perlu diolah. Saat menemukan persamaan, jangan langsung menghafal. Tanyakan:

• Dari mana persamaan ini berasal?
• Apa arti setiap simbol?
• Apa contoh numeriknya?
• Apa yang terjadi jika salah satu parameter diperbesar atau diperkecil?
• Apakah satuannya konsisten?
• Apakah hasilnya masuk akal secara fisis?

Misalnya, jika diperoleh konstanta waktu rangkaian RC

\[ \tau = RC, \]

periksalah satuannya. Resistansi \(R\) memiliki satuan ohm, kapasitansi \(C\) memiliki satuan farad, dan hasil kali keduanya memiliki satuan detik. Ini cocok dengan makna \(\tau\) sebagai ukuran waktu karakteristik. Pemeriksaan sederhana seperti ini sering menyelamatkan kita dari kesalahan besar.

Latihan terbaik adalah menghubungkan empat bentuk representasi:

1. Persamaan, misalnya \(i = C\,dv/dt\).
2. Grafik, misalnya kurva tegangan terhadap waktu.
3. Kode, misalnya simulasi numerik respons rangkaian.
4. Makna fisis, misalnya kapasitor menolak perubahan tegangan yang tiba-tiba.

Jika Anda dapat berpindah di antara empat bentuk ini, pemahaman Anda akan jauh lebih kokoh.

Tujuan akhir buku ini

Setelah menyelesaikan buku ini, Anda diharapkan mampu membaca dan membangun model matematika sederhana untuk sistem teknik elektro, menyelesaikannya secara analitik atau numerik, menulis program untuk membantu analisis, serta menafsirkan hasilnya secara fisis dan rekayasa.

Lebih khusus, Anda akan membangun kemampuan untuk:

• memahami fungsi, limit, turunan, integral, deret, dan kalkulus multivariabel;
• menggunakan vektor, matriks, ruang vektor, nilai eigen, dan dekomposisi matriks;
• merancang algoritma dasar dan menilai kompleksitasnya;
• memakai struktur data dan graf untuk merepresentasikan sistem terhubung;
• menyelesaikan persamaan diferensial biasa dan sistem ruang keadaan;
• menganalisis sinyal dengan transformasi Laplace dan Fourier;
• memahami dasar rangkaian listrik, rangkaian AC, elektronika, sistem digital, dan kontrol;
• menyatukan semua fondasi tersebut dalam proyek pemodelan dan simulasi.

Tujuan ini ambisius, tetapi jalurnya bertahap. Setiap bab dibangun dari ide sebelumnya. Jika suatu bagian terasa sulit, itu bukan tanda bahwa Anda tidak mampu. Sering kali itu hanya tanda bahwa ada definisi, contoh, atau prasyarat kecil yang perlu diperkuat.

Buku ini mengajak Anda belajar seperti seorang calon insinyur dan ilmuwan komputasi: teliti dengan simbol, jujur terhadap galat, peka terhadap makna fisis, dan siap menggunakan komputer sebagai alat berpikir. Dengan fondasi itu, kalkulus, aljabar linear, algoritma, dan persamaan diferensial tidak lagi tampak sebagai mata kuliah terpisah, tetapi sebagai satu bahasa terpadu untuk memahami dan merancang sistem elektro modern.

References

Alexander, C. K., & Sadiku, M. N. O. (2017). Fundamentals of Electric Circuits (6th ed.). McGraw-Hill Education.

Cormen, T. H., Leiserson, C. E., Rivest, R. L., & Stein, C. (2009). Introduction to Algorithms (3rd ed.). MIT Press.

Franklin, G. F., Powell, J. D., & Emami-Naeini, A. (2015). Feedback Control of Dynamic Systems (7th ed.). Pearson.

Kreyszig, E. (2011). Advanced Engineering Mathematics (10th ed.). Wiley.

Oppenheim, A. V., Willsky, A. S., & Nawab, S. H. (1997). Signals and Systems (2nd ed.). Prentice Hall.

Stewart, J. (2016). Calculus: Early Transcendentals (8th ed.). Cengage Learning.

Strang, G. (2016). Introduction to Linear Algebra (5th ed.). Wellesley-Cambridge Press.