MATLAB

Kenali skema penamaan rilis MATLAB, perkembangan fitur penting versi terbaru, dan cara memilih versi yang tepat untuk kebutuhan Anda.

Pasang MATLAB resmi melalui MathWorks Account atau siapkan alternatif GNU Octave, lengkap dengan verifikasi instalasi.

Konfigurasikan folder kerja, path MATLAB, preferensi tampilan, dan editor agar produktif sejak awal.

Terapkan gaya penulisan kode MATLAB yang bersih: penamaan variabel dan fungsi, indentasi, komentar, serta struktur berkas.

Pahami apa itu MATLAB, sejarah singkatnya, dan posisinya sebagai lingkungan komputasi numerik untuk teknik dan sains.

Telusuri bidang yang memakai MATLAB: aljabar linear, pemrosesan sinyal, citra, kendali, machine learning, hingga keuangan kuantitatif.

Kenali anatomi MATLAB Desktop: Home tab, Editor, dan panel-panel pendukung yang menyusun ruang kerja Anda.

Gunakan Command Window untuk bereksperimen secara interaktif dan Workspace untuk memeriksa isi variabel yang hidup di memori.

Kelola current folder dan search path MATLAB supaya berkas dan fungsi selalu ditemukan tanpa galat.

Cari bantuan langsung dari dalam MATLAB melalui perintah help, doc, lookfor, dan documentation browser.

Tulis, simpan, dan jalankan skrip MATLAB pertama Anda beserta seluruh konvensi berkas .m yang menyertainya.

Pelajari cara membuat, memberi nilai, dan membaca variabel di MATLAB beserta aturan penamaan dan perilaku variabel ans.

Kenali tipe numerik MATLAB: double, single, dan integer beserta konsekuensi jangkauan dan presisinya.

Bedakan tipe char dan string di MATLAB beserta cara membuat, menggabungkan, dan mengakses teks.

Pahami tipe logical true dan false, operator pembanding yang menghasilkannya, serta kegunaannya sebagai indeks dan kondisi.

Kuasai operator aritmetika MATLAB: penjumlahan, pengurangan, perkalian, pembagian, pangkat, dan operasi elemen-per-elemen.

Gunakan operator perbandingan MATLAB untuk membandingkan nilai dan array secara elemen-per-elemen.

Pahami operator logika and, or, not, dan xor beserta short-circuit evaluation yang membedakannya.

Prediksi urutan evaluasi ekspresi MATLAB melalui tabel precedence dan aturan associativity operator.

Konversikan nilai antar tipe data MATLAB secara eksplisit dan pahami konsekuensi pembulatan serta pemotongan nilainya.

Tampilkan nilai dengan format yang tepat melalui format long, short, fprintf, sprintf, dan disp.

Pahami konsep array multidimensi dan matriks di MATLAB: dimensi, ukuran, dan filosofi everything-is-a-matrix.

Buat array dengan berbagai cara: penulisan langsung, operator colon, linspace, logspace, dan fungsi pembantu.

Buat matriks khusus dengan zeros, ones, eye, diag, dan magic serta pahami kapan masing-masing dipakai.

Akses elemen array dan matriks dengan linear indexing dan subscript indexing beserta kata kunci end.

Ambil potongan array dengan slicing berbasis rentang indeks dan pahami semantik copy-on-write MATLAB.

Saring elemen array dengan logical indexing: kondisi boolean langsung sebagai indeks, teknik khas MATLAB.

Ubah bentuk array dengan reshape, permute, fliplr, flipud, dan rot90 tanpa mengubah data dasarnya.

Gabungkan array secara horizontal dan vertikal dengan operator kurung siku serta fungsi horzcat dan vertcat.

Bedakan operasi elemen-per-elemen (dot operator) dari operasi matriks pada perkalian, pembagian, dan pangkat.

Lakukan operasi aljabar linear inti: perkalian matriks, pembagian kiri-kanan, dan transpose.

Pahami implicit expansion sejak R2016b: aturan dimensi kompatibel yang membuat array berukuran beda tetap bisa dioperasikan.

Tangani missing values NaN di array: propagasinya dalam operasi dan cara mendeteksinya dengan isnan.

Kenalkan cell array: wadah heterogen yang menyimpan tipe berbeda dalam satu array beserta kurung vs kurung kurawal.

Tulis percabangan dengan if, elseif, dan else serta pahami cara MATLAB mengevaluasi kondisi logisnya.

Gunakan switch-case untuk percabangan berbasis nilai tunggal dan bandingkan kelayakannya terhadap if-elseif.

Ulangi blok kode dengan for loop yang menelusuri array beserta praktik preallocation yang menyertainya.

Ulangi blok kode dengan while loop berbasis kondisi dan pastikan loop selalu bergerak menuju kondisi berhenti.

Susun loop bersarang untuk struktur data multidimensi dan pelajari pola traversal matriks yang umum.

Kendalikan jalannya loop dengan break untuk keluar paksa dan continue untuk melewati satu iterasi.

Tangkap galat saat runtime dengan try-catch, lempar error sendiri dengan fungsi error, dan validasi input dasar.

Pilih struktur kontrol yang paling sesuai untuk setiap masalah dengan mempertimbangkan keterbacaan dan performa.

Tulis fungsi dalam berkas .m dengan struktur function dasar dan pahami aturan nama berkas terhadap nama fungsi.

Mendefinisikan parameter input dan nilai kembalian fungsi serta memahami perilaku nargout saat output diabaikan.

Sembunyikan helper di dalam berkas skrip atau fungsi dengan local functions yang tidak terlihat dari luar.

Buat fungsi satu-baris tanpa berkas dengan anonymous functions dan pahami penangkapan variabelnya.

Perlakukan fungsi sebagai data dengan function handle: membuatnya, memanggilnya, dan mengoperkannya antar fungsi.

Tulis fungsi dengan banyak input dan banyak output sekaligus, termasuk perilaku nargin dan nargout.

Rancang fungsi dengan argumen opsional dan nilai default menggunakan arguments block dan pola nargin klasik.

Terima jumlah argumen yang bervariasi dengan varargin dan varargout.

Tulis fungsi rekursif di MATLAB: kasus dasar, pemanggilan diri, dan batas rekursi yang perlu diwaspadai.

Pahami aturan scope MATLAB: base workspace, function workspace, dan bagaimana data mengalir di antaranya.

Validasi input fungsi secara deklaratif dengan arguments block: tipe, ukuran, dan batasan nilai.

Bangun dataset numerik dari nol dan kelola isi, ukuran, serta organisasinya sebagai fondasi pengolahan data.

Urutkan data dengan sort dan sortrows beserta opsi arah, indeks asli, dan pengurutan stabil.

Saring data dengan kombinasi kondisi logis dan pelajari pola mask boolean untuk subset yang presisi.

Cari posisi dan kecocokan data dengan find, ismember, dan strcmp untuk data numerik maupun teks.

Temukan nilai unik dan hitung kemunculannya dengan unique, sum, accumarray, dan histogram counting.

Deteksi dan tangani data hilang: NaN numerik, standar missing, serta strategi omit, hapus, dan isi ulang.

Rangkum data dengan mean, median, mode, std, var, min, dan max beserta versi yang mengabaikan NaN.

Kelompokkan data dan hitung statistik per grup dengan accumarray dan discretize sebagai pola grouping inti.

Kenalkan table dan timetable: struktur data berkolom bernama untuk dataset terstruktur dan berstempel waktu.

Gunakan categorical array untuk data berkategori terbatas: pembuatan, level, urutan, dan operasinya.

Rapikan data nyata: normalisasi teks, standarkan satuan, tangani duplikat, dan susun pipeline pembersihan.

Kuasai cell array secara mendalam: membuat, mengakses, mengubah, dan mengoperasikan wadah heterogen MATLAB.

Simpan data berlabel dengan struct: pembuatan, akses field, array of struct, dan operasi berbasis fieldnames.

Kuasai table: membuat, mengindeks kolom dan baris, menjoin, serta mengekspor data berkolom bernama.

Kelola data berstempel waktu dengan timetable: sinkronisasi waktu, resampling, dan agregasi per interval.

Gunakan Containers.Map sebagai key-value store: menambah, mencari, menghapus, dan mengiterasi pasangan kunci-nilai.

Bekerja dengan string array modern MATLAB: pembuatan, manipulasi massal, dan perbandingannya terhadap char.

Representasikan data kategori dengan categorical array: ordinal, nominal, dan operasi perbandingannya.

Hitung waktu dengan datetime, duration, dan calendarDuration: parsing, format, aritmetika, dan selisih waktu.

Pilih struktur data yang tepat untuk setiap masalah dengan membandingkan kemampuan, biaya memori, dan keterbacaan.

Pahami anatomi figur MATLAB: figure, axes, dan objek grafis beserta alur berpikir memilih jenis grafik.

Buat line plot dengan plot: beberapa seri, gaya garis, penanda, warna, dan properti yang paling sering dipakai.

Visualisasikan hubungan dua variabel dengan scatter dan scatter3 termasuk pewarnaan dan skala penanda.

Bandingkan kategori dengan bar, barh, dan grouped/stacked bar beserta error bar overlay.

Lihat sebaran data dengan histogram dan histogram2: jumlah bin, rentang, normalisasi, dan overlay kurva.

Bandingkan distribusi antar grup dengan boxplot dan boxchart beserta cara membaca kuartil dan outlier.

Tampilkan proporsi dengan pie dan pie3 beserta kegunaan dan keterbatasannya sebagai visualisasi.

Visualisasikan permukaan dua variabel dengan surf, mesh, dan waterfall termasuk colormap dan shading.

Gambarkan garis level dengan contour, contourf, dan contour3 untuk data grid dua dimensi.

Susun banyak grafik dalam satu figur dengan subplot, tiledlayout, dan nexttile.

Lengkapi grafik dengan xlabel, ylabel, title, legend, dan text supaya maknanya terbaca tanpa penjelasan tambahan.

Kendalikan sumbu dengan xlim, ylim, skala logaritmik, dan axis equal untuk proporsi yang jujur.

Rapikan tampilan grafik: colormap, grid, teks anotasi, hold on, dan gaya konsisten antar figur.

Jadikan grafik interaktif dengan data cursor, rotated labels, dan teknik linking antar figur.

Simpan figur ke berkas dengan saveas, print, dan exportgraphics dalam resolusi dan format yang tepat.

Bedakan aritmetika matriks penuh dan elemen-per-elemen di MATLAB beserta pembagian kiri dan kanan.

Pahami peta jalan aljabar linear MATLAB: fungsi inti, konsep vektor-matriks, dan alur analisisnya.

Gunakan transpose dan inverse matriks: operator quote, transpose non-konjugat, dan kapan inverse sebaiknya dihindari.

Uji sifat matriks dengan determinant, rank, dan kondisi singular beserta makna geometrisnya.

Hitung eigenvalue dan eigenvector dengan eig dan baca maknanya untuk sistem dinamis dan analisis data.

Selesaikan Ax = b dengan backslash operator dan bandingkan terhadap inverse serta linsolve.

Ganti loop dengan operasi vektor: pola vectorization inti yang membuat kode MATLAB ringkas dan cepat.

Pahami presisi floating point IEEE 754 di MATLAB: eps, round-off, dan cara membandingkan angka hampir sama.

Kenalkan komputasi simbolik dengan sym dan solve: solusi eksak, aljabar simbolik, dan batasnya.

Pahami representasi floating point IEEE 754: mantissa, eksponen, realmin, realmax, dan konsekuensinya.

Klasifikasi galat round-off vs truncation, catastrophic cancellation, dan aturan praktis mengurangi galat.

Cari akar persamaan f(x) = 0 dengan bisection, Newton-Raphson, dan fzero.

Hampiri turunan dengan forward, backward, dan central difference, lalu gunakan gradient pada grid data.

Hampiri integral definit dengan Riemann sum, trapezoid, trapz, cumtrapz, dan quad.

Hitung nilai antar titik data dengan interp1, interp2, dan interpolasi linear maupun kubik beserta peringatan ekstrapolasi dan Runge phenomenon.

Pasangkan kurva pada data dengan polyfit, least squares manual, dan fit termasuk menilai kualitasnya.

Cari minimum fungsi dengan fminbnd, fminsearch, dan fmincon beserta konsep local minimum dan constraint dasar.

Waspadai galat yang membesar: kondisi matriks, pemilihan formulasi, dan teknik stabilisasi numerik.

Pilih metode numerik yang tepat dengan mempertimbangkan akurasi, keandalan, dan biaya komputasinya.

Rangkum data dengan ukuran pemusatan, penyebaran, dan bentuk distribusi beserta versi robust terhadap outlier.

Pakai distribusi normal, uniform, dan binomial di MATLAB: PDF, CDF, dan pengambilan parameter dari data.

Bangkitkan bilangan acak dengan rand, randn, dan randi serta kendalikan reproducibility melalui rng.

Ambil sampel dari populasi: random sampling, stratified sampling, dan bootstrap untuk estimasi ketidakpastian.

Ukur hubungan antar variabel dengan corrcoef dan corr beserta makna koefisien dan keterbatasan korelasi.

Pasangkan model linear dengan operator backslash, polyfit, dan fitlm lalu baca koefisien serta R-kuadratnya.

Uji dugaan statistik dengan ttest, ttest2, dan ranksum: p-value, significance level, dan keputusannya.

Bangun interval kepercayaan untuk mean dan proporsi serta tafsirkan makna tingkat kepercayaan dengan benar.

Bandingkan banyak grup sekaligus dengan one-way ANOVA: between-group variance, F-statistic, dan post-hoc.

Analisis deret waktu di MATLAB: moving average, detrending, dan autokorelasi untuk data berstempel waktu.

Tafsirkan hasil statistik secara kritis: p-value bukan probabilitas hipotesis, korelasi bukan kausalitas.

Baca file teks dengan readlines, fileread, dan fscanf: baris per baris, kata per kata, hingga keseluruhan isi.

Baca dan tulis CSV dengan readmatrix, readtable, dan writetable beserta penanganan header dan pemisah.

Baca dan tulis Excel dengan readtable, readmatrix, dan writetable/writematrix termasuk pilihan sheet dan rentang.

Baca dan tulis JSON dengan jsondecode dan jsonencode: objek, array, dan struktur datanya di MATLAB.

Baca dan tulis XML dengan readstruct dan xmlread: menelusuri node dan atribut dokumen XML.

Baca dan tulis berkas biner dengan fread dan fwrite: presisi data, endianness, dan seek di dalam berkas.

Tulis data ke berkas dengan fprintf, writematrix, dan writetable: format, presisi, dan append mode.

Kendalikan proses import dengan detectImportOptions dan setvartype: tipe kolom, rentang, dan nilai kosong.

Kelola berkas dan folder dari dalam MATLAB: dir, exist, copyfile, movefile, delete, dan mkdir.

Hadapi dataset besar: chunked reading, tall array, datastore, dan strategi memori yang hemat.

Pahami konsep OOP: encapsulation, inheritance, dan polymorphism beserta alasan memakainya di MATLAB.

Tulis class pertama dengan classdef: struktur berkas, atribut class, dan instansiasi objek.

Definisikan properties: nilai default, validasi, atribut constant dan dependent, serta aksesnya.

Definisikan methods: input, output, static method, dan pola overloading khas MATLAB.

Bangun constructor: inisialisasi properties, input wajib dan opsional, serta validasi input.

Kendalikan akses ke property dan method dengan GetAccess, SetAccess, Hidden, dan Access.

Bedakan value class dan handle class: semantik copy versus reference beserta implikasinya pada desain.

Turunkan class dengan inheritance: subclass, superclass, method yang dioverride, dan penggunaan objek induk.

Perlakukan objek berbeda lewat antarmuka sama: polymorphism, abstract method, dan interface class.

Bangun komunikasi antar objek dengan events dan listeners: notify, addlistener, dan callback payload.

Rancang class yang sehat: pilih value atau handle, pisahkan tanggung jawab, dan hindari class dewa.

Baca error message MATLAB dengan benar: identifier, teks, stack trace, dan pola galat yang paling umum.

Jelajahi kode sambil berjalan dengan debugger MATLAB: step, step in, step out, dan mode prompt K>>.

Pasang jeda eksekusi dengan dbstop, conditional breakpoints, dan error breakpoints untuk berhenti tepat di lokasi masalah.

Periksa kondisi program saat berhenti: dbstatus, dbstack, who/whos, dan workspace browser dalam mode debug.

Kunci asumsi kode dengan assert: kondisi yang harus benar dan kegunaannya sebagai alarm dini galat.

Tulis unit test dengan matlab.unittest: TestCase, metode verify, dan menjalankan runtests dari command line.

Siapkan dan bersihkan lingkungan test dengan setup/teardown: TestCase setup, tearDown, dan ScriptTestCase.

Uji banyak kasus sekaligus dengan parameterized tests: TestParameter, methods dengan parameter, dan repeat.

Ukur cakupan test dengan kode coverage report, runner berbasis plugin, dan membaca persentase cakupan dengan kritis.

Deteksi masalah sebelum berjalan dengan code analyzer: checkcode, mlint legacy, dan membaca linter MATLAB.

Jaga hasil konsisten antar eksekusi: seed acak, versi MATLAB, dan dokumentasi environment dalam hasil analisis.

Ukur waktu eksekusi dengan profile dan timeit sebelum optimasi: temukan hot spot, bukan menebaknya.

Percepat kode dengan vectorization: ganti loop dengan operasi array, logical indexing, dan accumarray.

Alokasikan array sebelum loop dengan zeros: hindari penumbuhan array di dalam loop yang memperlambat kode.

Kenali pola loop yang membocorkan performa: dynamic growth, operasi skalar berulang, dan pemanggilan fungsi mahal.

Kelola memori MATLAB: in-place operation, tipe hemat memori, whos untuk audit, dan menghindari salinan besar.

Optimalkan operasi array: kolom vs baris, operasi in-place, dan pemilihan tipe data yang tepat untuk performa.

Optimalkan pemanggilan fungsi: kurangi overhead call, manfaatkan JIT, dan pola fungsi yang bersahabat dengan optimasi.

Kenalkan parfor dan parfeval dari Parallel Computing Toolbox: kapan paralelisasi menguntungkan dan kapan tidak.

Kenalkan gpuArray dan arrayfun GPU: memindahkan data dan komputasi ke GPU dengan benar.

Ukur performa secara adil: timeit, banyak iterasi, kondisi mesin, dan melaporkan hasil benchmark yang jujur.

Terjemahkan masalah nyata menjadi model matematis: asumsi, variabel, persamaan, dan batas validitasnya.

Simulasikan sistem dinamik dengan ODE solver ode45: model, waktu simulasi, dan visualisasi lintasannya.

Analisis sinyal dengan FFT: sampling, spektrum frekuensi, dan filtering sederhana untuk sinyal bising.

Proses citra dengan operasi dasar: membaca, konversi grayscale, threshold, histogram, dan deteksi tepi.

Modelkan fenomena fisika: gerak parabola, osilasi teredam, dan kalor dengan integrasi numerik MATLAB.

Modelkan sistem teknik: rangkaian RLC, sistem massa-pegas-damper, dan respons frekuensinya.

Analisis data eksperimen: kalibrasi, galat pengukuran, kurva kalibrasi, dan pelaporan ketidakpastian.

Cocokkan parameter model dengan data: least squares parameter fitting dan penilaian kualitas kecocokannya.

Sajikan hasil simulasi yang meyakinkan: lintasan waktu, fase plane, animasi sederhana, dan heatmap parameter.

Otomatiskan tahapan pengolahan data: fungsi per tahap, parameter konfigurasi, dan validasi antar tahap.

Proses ratusan berkas sekaligus: dir pattern, loop berkas, penanganan galat per berkas, dan ringkasan hasil.

Hasilkan laporan otomatis: format hasil analisis, tabel ringkasan, figur, dan penulisan berkas laporan terstruktur.

Jalankan pekerjaan besar secara batch: partisi data, loop batch, dan checkpoint agar pekerjaan dapat dilanjutkan.

Panggil Python dari MATLAB dengan py.: modul, fungsi, konversi tipe, dan kasus pakai ekosistem Python.

Panggil C/C++ dari MATLAB melalui MEX: struktur gateway mexFunction, mxarray, dan build sederhana.

Sambungkan MATLAB ke database SQL: koneksi, query, fetch, dan parameterized query yang aman.

Rancang pipeline analisis utuh: tahapan modular, konfigurasi, logging, idempotensi, dan pengujian pipeline.

Pahami konsep GUI MATLAB: event-driven programming, komponen, callbacks, dan pilihan figure vs App Designer.

Buat app pertama dengan App Designer: memulai proyek, drag-drop komponen, menyimpan, dan menjalankan app.

Kenali komponen inti App Designer: button, edit field, dropdown, slider, tabel, dan axes beserta propertinya.

Tulis callbacks yang benar: pola respons event, event data, objek sumber, dan urutan eksekusinya.

Alirkan data antara komponen dan logika: membaca input, memvalidasi, menyimpan state, dan memperbarui tampilan.

Tampilkan grafik di dalam app: komponen UIAxes, perintah plot dengan target axes, dan pembaruan dinamis.

Validasi input pengguna di app: field numerik, pesan galat yang jelas, dan mencegah eksekusi dengan data salah.

Rancang aplikasi analisis yang utuh: alur kerja pengguna, tata letak, state, dan pengujian aplikasi.

Distribusikan kode MATLAB: MATLAB path startup, packaging aplikasi, dan opsi compiler untuk pengguna tanpa MATLAB.

Bangun kalkulator matriks interaktif: perancangan, operasi matriks, validasi input, dan pengujian menyeluruh.

Bangun laporan visualisasi dataset: pemilihan dataset, import, pembersihan, pembuatan grafik, hingga ekspor laporan.

Analisis data eksperimen secara statistik: perancangan analisis, statistik deskriptif, uji signifikansi, hingga interpretasi.

Bangun simulasi pertumbuhan tanaman: model logistik, integrasi numerik, visualisasi, dan analisis parameter.

Analisis deret waktu data cuaca: import, pembersihan, visualisasi tren, dan analisis statistik musiman.

Bangun aplikasi analisis data berbasis antarmuka: perancangan UI, komponen, integrasi analisis, dan pengujian aplikasi.