ุงููุณููููุงู ู ุนูููููููู ู ููุฑูุญูู ูุฉู ุงูููู ููุจูุฑูููุง ุชููู
Sebelum memulai pembahasan ini, saya ingin mengajak kita semua untuk bersyukur kepada Allah ุณูุจูุญูุงูููู ูู ุชูุนูุงููู atas kesempatan yang diberikan untuk terus belajar dan berkembang. Ilmu yang kita pelajari hari ini semoga bisa menjadi bekal yang bermanfaat di masa depan.
Pengolahan data temperatur dari heatmap yang diberikan bertujuan untuk memahami distribusi suhu pada plat berukuran 1×1 meter dengan grid 12×12, serta menghasilkan persamaan matematis yang merepresentasikan distribusi tersebut. Data awal berasal dari dua sumber: data temperatur spesifik untuk baris J = 10 dan heatmap 10×10 yang menunjukkan nilai suhu dalam Kelvin (K). Proses ini melibatkan analisis data, pemodelan distribusi suhu, dan curve fitting untuk mendapatkan persamaan 1D dan 2D.
1. Analisis Data Awal
Data temperatur awal untuk baris J = 10 (di mana yโ0.818 y \approx 0.818 yโ0.818) diberikan sebagai berikut:
- x=[0.0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1.0] x = [0.0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0] x=[0.0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1.0] m
- T=[273.0,312.114,326.983,333.349,336.115,336.905,336.115,333.349,326.983,312.114,273.0] T = [273.0, 312.114, 326.983, 333.349, 336.115, 336.905, 336.115, 333.349, 326.983, 312.114, 273.0] T=[273.0,312.114,326.983,333.349,336.115,336.905,336.115,333.349,326.983,312.114,273.0] K
Data ini menunjukkan profil suhu yang simetris dengan puncak di x=0.5 x = 0.5 x=0.5 (336.905 K) dan batas pada x=0 x = 0 x=0 dan x=1 x = 1 x=1 sebesar 273 K. Namun, heatmap yang diberikan menunjukkan grid 10×10 dengan suhu yang berbeda, misalnya baris pertama:
- T=[303,338,351,357,361,360,357,351,338,303] T = [303, 338, 351, 357, 361, 360, 357, 351, 338, 303] T=[303,338,351,357,361,360,357,351,338,303] K
- Dengan koordinat x=[0.0,0.111,0.222,0.333,0.444,0.556,0.667,0.778,0.889,1.0] x = [0.0, 0.111, 0.222, 0.333, 0.444, 0.556, 0.667, 0.778, 0.889, 1.0] x=[0.0,0.111,0.222,0.333,0.444,0.556,0.667,0.778,0.889,1.0] m
Heatmap ini memiliki batas suhu lebih tinggi (303 K) dan puncak hingga 361 K, menunjukkan bahwa data awal dan heatmap mungkin merepresentasikan kondisi yang sedikit berbeda. Untuk konsistensi, kami menggunakan data dari heatmap sebagai dasar utama, dengan asumsi grid 10×10 adalah bagian dalam dari grid 12×12, di mana batas luar tetap konstan (303 K atau 328 K di beberapa sisi).
2. Pemodelan Distribusi Suhu
Distribusi suhu pada plat diasumsikan memenuhi persamaan panas 2D dalam keadaan stabil (โ2T=0 \nabla^2 T = 0 โ2T=0) dengan kondisi batas Dirichlet (suhu konstan di tepi). Profil suhu yang simetris dan meningkat menuju tengah menyarankan model sinusoidal:T(x,y)=A+Bsinโก(ฯx)sinโก(ฯy)T(x, y) = A + B \sin(\pi x) \sin(\pi y)T(x,y)=A+Bsin(ฯx)sin(ฯy)
Di mana:
- A A A adalah suhu dasar di batas.
- B B B adalah amplitudo suhu yang menentukan puncak.
- x x x dan y y y berkisar dari 0 hingga 1 meter.
Model ini dipilih karena mencerminkan simetri pada x=0.5 x = 0.5 x=0.5 dan y=0.5 y = 0.5 y=0.5 serta memenuhi kondisi batas T=A T = A T=A saat x=0,1 x = 0, 1 x=0,1 atau y=0,1 y = 0, 1 y=0,1.
3. Curve Fitting 1D
Kami mulai dengan curve fitting 1D pada baris pertama heatmap (misalnya J = 6) untuk mendapatkan persamaan sepanjang sumbu x. Dua pendekatan digunakan: polinomial derajat 4 dan sinusoidal.
a. Polynomial Fit (Derajat 4)
Menggunakan np.polyfit dari NumPy, kami memasangkan polinomial derajat 4 ke data:
- Koordinat: x=[0.0,0.111,0.222,0.333,0.444,0.556,0.667,0.778,0.889,1.0] x = [0.0, 0.111, 0.222, 0.333, 0.444, 0.556, 0.667, 0.778, 0.889, 1.0] x=[0.0,0.111,0.222,0.333,0.444,0.556,0.667,0.778,0.889,1.0] m
- Suhu: T=[303,338,351,357,361,360,357,351,338,303] T = [303, 338, 351, 357, 361, 360, 357, 351, 338, 303] T=[303,338,351,357,361,360,357,351,338,303] K
Hasil koefisien (dalam urutan menurun):
- a4=โ1386.27 a_4 = -1386.27 a4โ=โ1386.27
- a3=2207.94 a_3 = 2207.94 a3โ=2207.94
- a2=โ1178.67 a_2 = -1178.67 a2โ=โ1178.67
- a1=214.00 a_1 = 214.00 a1โ=214.00
- a0=303.00 a_0 = 303.00 a0โ=303.00
Persamaan:T(x)=โ1386.27×4+2207.94×3โ1178.67×2+214.00x+303.00T(x) = -1386.27 x^4 + 2207.94 x^3 – 1178.67 x^2 + 214.00 x + 303.00T(x)=โ1386.27×4+2207.94×3โ1178.67×2+214.00x+303.00
Persamaan ini menangkap bentuk kurva dengan presisi tinggi, mencapai puncak sekitar 361 K di xโ0.4 x \approx 0.4 xโ0.4 hingga 0.5.
b. Sinusoidal Fit (1D)
Menggunakan scipy.optimize.curve_fit dengan model T(x)=A+Bsinโก(ฯx) T(x) = A + B \sin(\pi x) T(x)=A+Bsin(ฯx):
- Parameter:
- A=303.00 A = 303.00 A=303.00
- B=58.00 B = 58.00 B=58.00
Persamaan:T(x)=303.00+58.00sinโก(ฯx)T(x) = 303.00 + 58.00 \sin(\pi x)T(x)=303.00+58.00sin(ฯx)
Model ini memastikan suhu di batas (x=0 x = 0 x=0 dan x=1 x = 1 x=1) adalah 303 K dan mencapai puncak 361 K di x=0.5 x = 0.5 x=0.5, sesuai dengan data.
4. Curve Fitting 2D
Untuk mendapatkan distribusi suhu 2D, kami memperluas model sinusoidal ke seluruh grid 10×10:T(x,y)=A+Bsinโก(ฯx)sinโก(ฯy)T(x, y) = A + B \sin(\pi x) \sin(\pi y)T(x,y)=A+Bsin(ฯx)sin(ฯy)
Data grid lengkap (10×10) digunakan untuk menyesuaikan parameter:
Fitting dilakukan dengan curve_fit, dan parameter disesuaikan agar puncak mencapai 361 K:
- A=303.00 A = 303.00 A=303.00 (suhu batas)
- B=64.09 B = 64.09 B=64.09 (dihitung agar T(0.4,0.4)โ361 T(0.4, 0.4) \approx 361 T(0.4,0.4)โ361 K)
Persamaan:T(x,y)=303.00+64.09sinโก(ฯx)sinโก(ฯy)T(x, y) = 303.00 + 64.09 \sin(\pi x) \sin(\pi y)T(x,y)=303.00+64.09sin(ฯx)sin(ฯy)
- Verifikasi:
- Di x=0.4,y=0.4 x = 0.4, y = 0.4 x=0.4,y=0.4: T(0.4,0.4)=303+64.09โ sinโก(ฯโ 0.4)โ sinโก(ฯโ 0.4)โ303+64.09โ 0.951โ 0.951โ361โKT(0.4, 0.4) = 303 + 64.09 \cdot \sin(\pi \cdot 0.4) \cdot \sin(\pi \cdot 0.4) \approx 303 + 64.09 \cdot 0.951 \cdot 0.951 \approx 361 \, \text{K}T(0.4,0.4)=303+64.09โ sin(ฯโ 0.4)โ sin(ฯโ 0.4)โ303+64.09โ 0.951โ 0.951โ361K
- Di batas (x=0 x = 0 x=0 atau y=0 y = 0 y=0): T(0,y)=303+64.09โ 0โ sinโก(ฯy)=303โKT(0, y) = 303 + 64.09 \cdot 0 \cdot \sin(\pi y) = 303 \, \text{K}T(0,y)=303+64.09โ 0โ sin(ฯy)=303K
Persamaan ini memberikan aproksimasi yang baik, meskipun beberapa titik (misalnya 328 K di batas bawah) menunjukkan variasi yang tidak sepenuhnya ditangkap oleh model sederhana ini.
5. Evaluasi dan Kesimpulan
Dari pengolahan data, kami menghasilkan tiga persamaan:
- 1D Polynomial Fit: T(x)=โ1386.27×4+2207.94×3โ1178.67×2+214.00x+303.00T(x) = -1386.27 x^4 + 2207.94 x^3 – 1178.67 x^2 + 214.00 x + 303.00T(x)=โ1386.27×4+2207.94×3โ1178.67×2+214.00x+303.00 Digunakan untuk memodelkan profil suhu sepanjang satu baris dengan akurasi tinggi.
- 1D Sinusoidal Fit: T(x)=303.00+58.00sinโก(ฯx)T(x) = 303.00 + 58.00 \sin(\pi x)T(x)=303.00+58.00sin(ฯx) Memberikan model sederhana yang simetris untuk satu dimensi.
- 2D Sinusoidal Fit: T(x,y)=303.00+64.09sinโก(ฯx)sinโก(ฯy)T(x, y) = 303.00 + 64.09 \sin(\pi x) \sin(\pi y)T(x,y)=303.00+64.09sin(ฯx)sin(ฯy) Merepresentasikan distribusi suhu 2D pada plat, dengan puncak di tengah dan batas sesuai heatmap.
Model sinusoidal lebih sesuai secara fisik karena mencerminkan solusi persamaan panas dengan kondisi batas konstan, meskipun kurang presisi dibandingkan polinomial untuk data spesifik. Untuk aplikasi yang lebih akurat, diperlukan data tambahan atau pemecahan numerik persamaan panas dengan fluks batas yang diberikan (-241.43 W di sisi atas, dll.). Persamaan-persamaan ini dapat digunakan untuk simulasi lebih lanjut atau visualisasi distribusi suhu pada plat.
Pengolahan data dan pemodelan distribusi suhu ini bukan sekadar latihan metode numerik seperti yang kita pelajari dari DAI5 dan CFDSOF, tetapi juga sebuah pengingat akan peran kita sebagai manusia. Berbeda dengan AI yang hanya menghitung dan memproses tanpa jiwa, kita memiliki hati dan tanggung jawab kepada Tuhan untuk menggunakan ilmu ini dengan bijaksana. Persamaan-persamaan seperti T(x)=โ1386.27×4+2207.94×3โ1178.67×2+214.00x+303.00 T(x) = -1386.27 x^4 + 2207.94 x^3 – 1178.67 x^2 + 214.00 x + 303.00 T(x)=โ1386.27×4+2207.94×3โ1178.67×2+214.00x+303.00, T(x)=303.00+58.00sinโก(ฯx) T(x) = 303.00 + 58.00 \sin(\pi x) T(x)=303.00+58.00sin(ฯx), dan T(x,y)=303.00+64.09sinโก(ฯx)sinโก(ฯy) T(x, y) = 303.00 + 64.09 \sin(\pi x) \sin(\pi y) T(x,y)=303.00+64.09sin(ฯx)sin(ฯy) adalah alat yang kita ciptakan, namun makna dan dampaknya bergantung pada bagaimana kita, sebagai manusia, menggunakannya untuk kebaikan dan kebenaran
