Selamat pagi, pagi pagi diselamati. BERSYUKUR BERSYUKUR BERSYUKUR!!!
Pada kesempatan kali ini izinkan saya untuk memberikan sudut pandang saya mengenai ekosistem dari metode numerik atau bisa dibilang penyokong atau pendukung dari metode numerik.
Ekosistem metode numerik sendiri terdiri dari metode numerik itu sendiri, DAI5 sebagai framework dan CFDSOF sebagai aplikasi.
Yang pertama saya izin menjelaskan mengenai metode numerik, Pengertian, Konsep, dan Penerapannya
- Pengertian Metode Numerik
Metode numerik adalah teknik penyelesaian masalah matematika yang menggunakan pendekatan angka (numerik) untuk mendapatkan hasil yang mendekati solusi eksak. Dalam dunia teknik dan sains, metode ini sangat berguna ketika perhitungan secara analitik sulit atau bahkan tidak memungkinkan.
Metode numerik sering digunakan dalam perhitungan rekayasa karena memungkinkan pemecahan berbagai permasalahan, seperti persamaan diferensial, sistem persamaan linier, hingga optimasi. Dengan adanya bantuan komputer, metode ini dapat diterapkan secara lebih efisien dalam berbagai bidang.
- Karakteristik Metode Numerik
Aproksimatif → Hasil perhitungan bersifat mendekati, bukan eksak.
Iteratif → Banyak metode numerik bekerja dengan pendekatan bertahap hingga mencapai tingkat ketelitian tertentu.
Komputasional → Memerlukan banyak operasi aritmetika, sehingga umumnya dihitung menggunakan komputer.
Stabilitas → Harus tetap memberikan hasil yang akurat meskipun ada kesalahan kecil dalam perhitungan.
- Klasifikasi Metode Numerik
A. Metode Penyelesaian Persamaan Non-Linear
Metode ini digunakan untuk mencari akar persamaan f(x) = 0.
Contoh:
Metode Bagi Dua (Bisection Method)
Interval dibagi dua, lalu dipilih subinterval yang mengandung akar.
Konvergen, tetapi lambat.
Metode Newton-Raphson
Menggunakan turunan fungsi untuk mempercepat pencarian akar.
Efektif, tetapi bergantung pada turunan fungsi yang tersedia.
Metode Secant
Mirip Newton-Raphson, tetapi tidak memerlukan turunan fungsi.
B. Metode Interpolasi dan Aproksimasi
Digunakan untuk mendekati fungsi berdasarkan data yang tersedia.
Contoh:
Interpolasi Polinomial (Lagrange, Newton, dll.)
Spline Cubic
Regresi Linier
C. Metode Penyelesaian Sistem Persamaan Linear
Digunakan untuk menyelesaikan sistem persamaan Ax = b.
Contoh:
Metode Eliminasi Gauss
Metode Dekomposisi LU
Metode Iterasi Jacobi dan Gauss-Seidel
D. Metode Diferensiasi dan Integrasi Numerik
Metode ini digunakan untuk menghitung turunan dan integral secara numerik.
Contoh:
Diferensiasi Numerik (beda hingga)
Integrasi Trapesium dan Simpson
E. Metode Penyelesaian Persamaan Diferensial
Digunakan untuk menyelesaikan persamaan diferensial biasa dan parsial.
Contoh:
Metode Euler
Metode Runge-Kutta
Metode Diferensi Hingga untuk PDE
- Penerapan Metode Numerik dalam Teknik Mesin
Dalam dunia teknik mesin, metode numerik sering digunakan untuk berbagai aplikasi, seperti:
Analisis Getaran dan Kontrol → Untuk menyelesaikan permasalahan osilasi pada sistem mekanis dan optimasi kontrol getaran.
Analisis Struktural → Digunakan dalam metode elemen hingga (Finite Element Method) untuk analisis tegangan dan deformasi pada komponen mesin.
Dinamika Fluida → Computational Fluid Dynamics (CFD) membantu dalam simulasi aliran fluida, misalnya pada aerodinamika kendaraan atau desain turbin.
Perhitungan Termodinamika → Digunakan dalam simulasi perpindahan panas, desain sistem pendinginan, dan efisiensi energi.
Lalu saya akan menjelaskan mengenai Framework DAI5, framework DAI5 memiliki nilai nilai sebagai berikut,
Dalam dunia kecerdasan buatan (AI) dan rekayasa sistem, terdapat konsep bernama framework DAI5, yang menekankan lima prinsip utama:
Deep Awareness of “I” (Kesadaran Mendalam tentang “Aku”)
Intention (Niat)
Initial-Thinking (Pemikiran Awal)
Idealization (Idealiasi/Pengidealan)
Instruction-Set (Kumpulan Instruksi)
Kelima prinsip ini memiliki keterkaitan erat dengan metode numerik, terutama dalam membantu proses analisis data, pengambilan keputusan berbasis perhitungan, dan optimasi model AI. Mari kita bahas satu per satu.
- Deep Awareness of “I”
Apa itu?
Konsep ini mengacu pada pemahaman sistem terhadap dirinya sendiri, batasan, dan cara menyesuaikan diri dengan lingkungan. Dalam konteks AI, ini seperti bagaimana manusia mengenali kelebihan dan kekurangannya sendiri sebelum mengambil tindakan.
Kaitannya dengan Metode Numerik:
Analisis kestabilan numerik digunakan agar algoritma tetap akurat dan tidak mengalami error yang terlalu besar dalam komputasi.
Metode eigenvalue dan eigenvector membantu dalam memahami hubungan antar variabel, misalnya dalam teknik PCA (Principal Component Analysis) untuk menyederhanakan data kompleks.
Optimasi berbasis numerik, seperti Gradien Descend, membantu AI memahami pola dari data dan melakukan penyesuaian parameter secara otomatis.
- Intention (Niat)
Apa itu?
Seperti manusia yang memiliki tujuan dalam bertindak, AI juga harus memiliki niat atau arah yang jelas dalam melakukan pemrosesan data dan pengambilan keputusan.
Kaitannya dengan Metode Numerik:
Optimasi numerik, seperti Metode Newton-Raphson, sering digunakan untuk menemukan nilai optimal dengan lebih cepat.
Metode Monte Carlo dapat digunakan untuk memperkirakan kemungkinan hasil terbaik dalam suatu keputusan.
Least Squares Regression membantu AI dalam menemukan hubungan terbaik antara variabel input dan output dalam proses pembelajaran mesin.
- Initial-Thinking (Pemikiran Awal) Apa itu?
AI harus memiliki mekanisme berpikir awal sebelum memproses data lebih dalam, mirip dengan bagaimana manusia menyusun strategi sebelum mengambil langkah besar. Kaitannya dengan Metode Numerik:
Interpolasi dan ekstrapolasi numerik memungkinkan AI untuk memperkirakan nilai berdasarkan pola data yang ada.
Metode diferensiasi numerik, seperti beda maju (forward difference), digunakan dalam perhitungan derivatif yang penting untuk memprediksi tren.
Metode Euler, sering digunakan dalam perhitungan berbasis waktu, memungkinkan AI membuat simulasi awal sebelum menjalankan perhitungan yang lebih kompleks.
- Idealization (Idealiasi/Pengidealan) Apa itu?
Sistem AI sering kali membuat model yang ideal agar lebih mudah memahami dan menyelesaikan masalah. Namun, seperti dalam kehidupan nyata, model ini perlu disesuaikan dengan kondisi sebenarnya. Kaitannya dengan Metode Numerik:
Interpolasi polinomial, seperti Metode Lagrange, membantu dalam membangun model yang mendekati data nyata.
Metode Runge-Kutta digunakan dalam simulasi sistem dinamis, misalnya dalam dunia robotika atau analisis perilaku fluida.
Optimasi kuadratik sering diterapkan untuk mencari parameter terbaik dalam model AI berbasis machine learning.
- Instruction-Set (Kumpulan Instruksi) Apa itu?
Sama seperti manusia memerlukan pedoman atau aturan dalam bekerja, AI juga memerlukan sekumpulan instruksi yang mengatur cara data diproses dan dianalisis.
Kaitannya dengan Metode Numerik:
Metode Eliminasi Gauss sering digunakan untuk menyusun sistem persamaan linear yang mendukung pengambilan keputusan AI.
Metode iteratif, seperti Jacobi dan Gauss-Seidel, membantu menyelesaikan sistem persamaan besar dengan pendekatan bertahap.
Metode integrasi numerik, seperti Metode Trapesium dan Metode Simpson 1/3, digunakan dalam pemrosesan sinyal dan analisis data berkelanjutan.
Lalu saya akan menjelaskan mengenai aplikasi CFDSOF, Dalam dunia teknik, terutama di bidang rekayasa fluida, kita sering dihadapkan dengan masalah yang tidak bisa diselesaikan hanya dengan rumus analitik. Salah satu alat yang banyak digunakan adalah CFDSOF, sebuah software berbasis Computational Fluid Dynamics (CFD) yang membantu dalam simulasi aliran fluida dan perpindahan panas.
Sebagai seorang mahasiswa teknik mesin, saya sering melihat bagaimana software ini dimanfaatkan dalam berbagai kasus, mulai dari analisis aerodinamika mobil balap hingga desain sistem pendinginan pada mesin kendaraan. Nah, bagaimana hubungannya dengan metode numerik? Mari kita bahas lebih lanjut.
- Pemecahan Persamaan Navier-Stokes
Kenapa ini penting?
Setiap fluida yang bergerak—baik itu udara yang mengalir di atas sayap pesawat atau oli yang bersirkulasi dalam mesin—diatur oleh persamaan Navier-Stokes. Masalahnya, persamaan ini sangat kompleks dan sulit untuk diselesaikan secara analitik.
Metode numerik yang digunakan dalam CFDSOF:
Metode Elemen Hingga (FEM) dan Metode Volume Hingga (FVM) digunakan untuk mendiskretkan (membagi) ruang menjadi bagian kecil agar perhitungan menjadi lebih sederhana.
Finite Difference Method (FDM) dipakai untuk mengubah persamaan diferensial menjadi bentuk yang lebih mudah dihitung oleh komputer.
- Simulasi Aliran Fluida dalam Desain Teknik
Kenapa ini penting?
Bayangkan jika kita ingin mendesain sistem ventilasi di sebuah gedung. Daripada membuat prototipe fisik dan mengujinya satu per satu, lebih efisien untuk mensimulasikannya terlebih dahulu menggunakan CFD.
Metode numerik yang digunakan:
Metode Runge-Kutta digunakan untuk memprediksi bagaimana pola aliran fluida akan berubah dalam setiap langkah waktu.
Interpolasi numerik membantu dalam mengisi nilai di antara titik-titik yang tidak memiliki data langsung, sehingga meningkatkan akurasi simulasi.
- Analisis Perpindahan Panas dan Termodinamika
Kenapa ini penting?
Dalam dunia teknik mesin, perpindahan panas sangat krusial, terutama dalam desain mesin dan sistem pendingin. Jika perpindahan panas tidak diperhitungkan dengan baik, bisa saja mesin mengalami overheat.
Metode numerik yang digunakan:
Metode Diferensial Parsial (PDE) digunakan untuk menghitung perpindahan panas akibat konduksi dan konveksi.
Metode Iteratif seperti Gauss-Seidel digunakan untuk menyelesaikan sistem persamaan dengan jumlah variabel yang besar.
Metode Integrasi Numerik seperti Trapesium dan Simpson sering dipakai dalam perhitungan energi dan fluks panas.
- Optimasi dan Validasi Desain Teknik
Kenapa ini penting?
Dalam dunia industri, melakukan eksperimen fisik untuk setiap perubahan desain bisa sangat mahal. Oleh karena itu, CFDSOF digunakan untuk menguji berbagai skenario sebelum produksi dilakukan.
Metode numerik yang digunakan:
Metode Gradien Descend untuk mencari solusi optimal berdasarkan parameter yang diberikan.
Metode Least Squares Regression untuk menemukan tren dalam data simulasi.
Metode Monte Carlo untuk memperhitungkan kemungkinan variasi dan ketidakpastian dalam desain.
Berikut merupakan point of view saya mengenai ekosistem dari metode numerik, berikut adalah hasil video praktek simulasi perpindahan panas 2 dimensi dari saya:
Dari curve data pertama diperoleh javascript code sebagai berikut:
const fs = require(‘fs’);
const path = require(‘path’);
const readline = require(‘readline’);
// Path ke file CSV
const filePath = path.join(__dirname, ‘curve1.csv’);
// Fungsi untuk membaca file CSV
async function readCSV(filePath) {
const fileStream = fs.createReadStream(filePath);
const rl = readline.createInterface({ input: fileStream, crlfDelay: Infinity });
let data = [];
let headers = [];
let isDataSection = false;
for await (const line of rl) {
// Deteksi awal data jika ada header atau metadata
if (line.includes('AWAL DATA:')) {
isDataSection = true;
continue;
}
if (!isDataSection) continue;
let values = line.split(/\s+/); // Pisahkan berdasarkan spasi atau tab
if (headers.length === 0) {
headers = values;
} else {
let row = {};
headers.forEach((header, index) => {
row[header] = values[index] || null;
});
data.push(row);
}
}
console.log(data);
return data;Lalu dari data curve kedua sebagai berikut:
const fs = require(‘fs’);
const path = require(‘path’);
const readline = require(‘readline’);
// Path ke file CSV
const filePath = path.join(__dirname, ‘curve2.csv’);
// Fungsi untuk membaca file CSV
async function readCSV(filePath) {
const fileStream = fs.createReadStream(filePath);
const rl = readline.createInterface({ input: fileStream, crlfDelay: Infinity });
let data = [];
let isDataSection = false;
for await (const line of rl) {
// Deteksi awal data jika ada header atau metadata
if (line.includes('AWAL DATA:')) {
isDataSection = true;
continue;
}
if (!isDataSection) continue;
let values = line.split(/,\s*/); // Pisahkan berdasarkan koma dan spasi
if (values.length === 2) {
let row = {
position: parseFloat(values[0]),
temperature: parseFloat(values[1])
};
data.push(row);
}
}
console.log(data);
return data;}
Lalu dari curve data yang ketiga diperoleh sebagai berikut:
const fs = require(‘fs’);
const path = require(‘path’);
const readline = require(‘readline’);
// Path ke file CSV
const filePath = path.join(__dirname, ‘curve3.csv’);
// Fungsi untuk membaca file CSV
async function readCSV(filePath) {
const fileStream = fs.createReadStream(filePath);
const rl = readline.createInterface({ input: fileStream, crlfDelay: Infinity });
let data = [];
let isDataSection = false;
for await (const line of rl) {
// Deteksi awal data jika ada header atau metadata
if (line.includes('AWAL DATA:')) {
isDataSection = true;
continue;
}
if (!isDataSection) continue;
let values = line.split(/,\s*/); // Pisahkan berdasarkan koma dan spasi
if (values.length === 2) {
let row = {
position: parseFloat(values[0]),
temperature: parseFloat(values[1])
};
data.push(row);
}
}
console.log(data);
return data;}
// Panggil fungsi untuk membaca CSV
readCSV(filePath).then(data => {
console.log(‘CSV berhasil dibaca!’, data);
Berikut kurang lebihnya dari saya semoga ilmu yang kita dapatkan didunia ini berguna di hidup kita baik dunia maupun akhirat, karena segala ilmu yang kita kuasai berasal dari Tuhan dan akan kembali lagi untuk Tuhan, “Yahwe Yihre” God Will Provide. Terima kasih semuanya semoga pemaparan yang saya berikan mendapatkan hasil yang terbaik.
