Assalamualaikum Warahmatullahi Wabarakatuh.
Pada hari yang sangat berbahagia ini, dimana kita semua telah diberkahi rahmat yang maha besar oleh Allah SWT untuk bisa hidup dan terus belajar, izinkan saya menjelaskan mengenai Studi Kasus Integrasi Numerik menggunakan DAI5 untuk konduksi panas steady State 2D.
Sebelum itu saya akan memulainya dengan langkah pengerjaan dari tugas ini,
A. Curve Fitting
Langkah pertama kita mulai dengan menyimpan plot xy dengan fungsi sumbu Y temperatur dari J2 sampai J10 lalu menyatukannya menjadi satu file menjadi seperti ini :
Lalu kita lanjutkan dengan meminta bantuan AI, disini saya menggunakan DeepSeek untuk melakukan curve fitting menggunakan python, lalu menjalankan code python tersebut di google colab. Code python yang saya dapatkan adalah seperti berikut,
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
# Load data from CSV file
df = pd.read_csv(“posisi.csv”, delimiter=”,”)
# Rename columns for clarity
df.rename(columns={df.columns[0]: “X”}, inplace=True)
# Convert columns to numeric, handling errors
df = df.apply(pd.to_numeric, errors=’coerce’)
# Drop rows with NaN values in any column
df.dropna(inplace=True)
# Define the quadratic function for curve fitting
def quadratic(x, a, b, c):
return a * x**2 + b * x + c
# Extract X values
X = df[“X”].values
# Iterate over each Y column for curve fitting
plt.figure(figsize=(10, 6))
for column in df.columns[1:]:
Y = df[column].values
params, _ = curve_fit(quadratic, X, Y)
# Generate fitted values
X_fit = np.linspace(min(X), max(X), 100)
Y_fit = quadratic(X_fit, *params)
# Plot original data and fitted curve
plt.scatter(X, Y, label=f”{column} Data”, alpha=0.6)
plt.plot(X_fit, Y_fit, label=f”{column} Fit”)
plt.xlabel(“Posisi x (m)”)
plt.ylabel(“Temperatur (K)”)
plt.legend()
plt.title(“Curve Fitting Distribusi Temperatur Dari Setiap Posisi Sumbu Y”)
plt.show()
Code python ini akan menghasilkan pola curve fitting seperti dibawah ini yang akan kita gunakan persamaannya untuk menghitung daya.
B. Menghitung dan Memvisualisasikan Pesebaran Daya
Sebelum menghitung daya, kita harus mengubah persamaan temperatur tersebut menjadi persamaan flux panas. Disini, saya juga menggunakan AI DeepSeek untuk membantu saya mengubah persamaannya. Untuk mengubah persamaan temperatur menjadi persamaan flux panas (q), kita perlu menggunakan hukum Fourier tentang konduksi panas.
Berikut akan saya berikan code python untuk mengubah persamaan temperatur menjadi persamaan flux panas dan juga menghitung daya serta memvisualisasikannya.
import numpy as np
import matplotlib.pyplot as plt
#Data panjang (x) dan temperatur (T) untuk semua posisi
x = np.array([0.0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0]) # Panjang (x)
posisi = np.arange(2, 11) # Posisi 2 hingga 10
#Data temperatur untuk semua posisi
T = np.array([
[303, 303, 303, 303, 303, 303, 303, 303, 303],
[338, 324, 317, 314, 313, 313, 315, 319, 328],
[351, 337, 329, 324, 321, 321, 324, 329, 338],
[357, 345, 336, 330, 328, 328, 330, 335, 343],
[360, 349, 340, 335, 332, 331, 333, 338, 345],
[361, 350, 342, 336, 333, 333, 335, 339, 345],
[360, 349, 340, 335, 332, 331, 333, 338, 345],
[357, 345, 336, 330, 328, 328, 330, 335, 343],
[351, 337, 329, 324, 321, 321, 324, 329, 338],
[338, 324, 317, 314, 313, 313, 315, 319, 328],
[303, 303, 303, 303, 303, 303, 303, 303, 303]
])
#Membuat heatmap 2D
plt.figure(figsize=(10, 6))
plt.imshow(T, cmap=’coolwarm’, extent=[2, 10, 1.0, 0.0], aspect=’auto’)
#Menambahkan color bar
cbar = plt.colorbar()
cbar.set_label(‘Temperatur (K)’)
#Menambahkan label sumbu dan judul
plt.xlabel(‘Posisi’)
plt.ylabel(‘Panjang (x)’)
plt.title(‘Distribusi Temperatur pada Semua Posisi’)
plt.xticks(posisi)
plt.yticks(x)
#Menampilkan plot
plt.show()
Code python diatas akan menghasilkan peta penyebaran daya flux panas, seperti berikut ini,
C. Kesimpulan
- Hasil analisis dalam bentuk visualisasi ini dapat digunakan untuk memprediksi perilaku sistem, mengoptimalkan desain, atau memahami fenomena fisika seperti konduksi panas.
- Curve fitting dan visualisasi merupakan alat yang penting untuk menganalisis distribusi temperatur dan daya.
- Terdapat variasi suhu yang tidak merata dalam sistem, dengan pola tertentu yang menandai daerah-daerah bersuhu tinggi maupun rendah.
D. Penutup
Sejauh ini saja yang ingin saya sampaikan mengenai curve fitting serta visualisasi penyebaran daya flux panas yang terjadi, mohon maaf jika ada kesalahan dari apa yang saya sampaikan. Terima kasih banyak, assalamualaikum warahmatullahi wabarakatuh.
Mesin!!! Bersyukur, Bersyukur, Bersyukur!!
