Assalamualaikum perkenalkan nama saya Reza Juniawan dengan Npm 2306155470 saya akan coba menjelaskan permasalahan dari grafik curve fitting dan integrasi numerik dengan pendekatan 33 kriteria evaluasi framework DAI5, Sebelum itu tentu kita perlu bersyukur kepada allah swt, yang telah memberikan Kesehatan dan juga hidayahnya kepada kita semua.
Grafik curve fitting dan integrasi numerik merupakan dua aspek penting dalam analisis data dan pemodelan matematis, terutama dalam bidang teknik dan sains komputasi. Curve fitting digunakan untuk menemukan persamaan yang paling sesuai dengan data yang diberikan, sementara integrasi numerik merupakan metode aproksimasi yang digunakan untuk menghitung luas atau volume di bawah kurva dengan pendekatan diskret. Kedua metode ini sangat berguna dalam berbagai disiplin ilmu, seperti fisika, teknik mesin, ekonomi, hingga kecerdasan buatan. Namun, penerapan metode ini harus dilakukan dengan penuh kesadaran, akurasi, dan pertimbangan etis. Untuk memastikan pendekatan yang sistematis dan komprehensif, framework DAI5 dengan 33 kriteria evaluasi dapat digunakan sebagai alat bantu dalam memahami dan mengimplementasikan solusi numerik yang akurat, efisien, dan memiliki nilai kebermanfaatan yang lebih luas.
A. Deep Awareness of I
Kesadaran mendalam terhadap keteraturan alam dan ilmu pengetahuan yang diberikan oleh Allah SWT merupakan dasar utama dalam menyelesaikan masalah teknis, termasuk dalam curve fitting dan integrasi numerik.
- Consciousness of Purpose – Kalau dipikir-pikir, sebaran panas pada plat baja bukan sekadar angka atau rumus di atas kertas. Fenomena ini adalah bagian dari hukum alam yang sudah ditetapkan oleh Allah SWT. Dengan mempelajarinya lebih dalam lewat metode numerik, kita jadi makin sadar bahwa ada keteraturan yang luar biasa di alam ini. Ilmu ini bukan sekadar alat buat hitung-hitungan, tapi juga cara buat kita merenung dan memahami kebijaksanaan-Nya dalam menciptakan segala sesuatu dengan begitu teratur dan presisi.
- Self-awareness – Kadang kita merasa sudah paham sesuatu, tapi ternyata ada keterbatasan yang bikin solusi yang kita pikir benar malah kurang akurat. Dalam teknik, metode analitis sering kali ribet dan berisiko menghasilkan kesalahan jika diterapkan pada masalah yang kompleks. Makanya, kita harus sadar bahwa ada cara lain, seperti metode numerik, yang bisa membantu mendapatkan hasil yang lebih akurat. Kesadaran ini penting, supaya kita nggak kaku dalam berpikir dan selalu terbuka pada pendekatan yang lebih efektif.
- Ethical Consideration- Ilmu yang kita pelajari harus punya tujuan yang jelas dan bermanfaat. Dalam kasus ini, memahami distribusi suhu pada plat baja bukan hanya soal angka atau simulasi yang keren, tapi juga bagaimana ilmu ini bisa dimanfaatkan dengan baik. Bisa buat efisiensi energi, mengurangi risiko kegagalan material, atau meningkatkan keamanan di dunia industri. Jadi, setiap perhitungan dan analisis yang kita lakukan harus dilakukan dengan penuh tanggung jawab, bukan sekadar cari hasil, tapi juga memastikan dampaknya nggak merugikan orang lain atau lingkungan.
- Integration of CCIT (Cara Cerdas Ingat Tuhan) – Apa pun yang kita pelajari, kita nggak boleh lupa bahwa semua ilmu datangnya dari Allah SWT. Setiap rumus, setiap metode yang kita gunakan, pada dasarnya adalah cara buat memahami keteraturan yang sudah Allah ciptakan. Kalau kita sadar akan hal ini, belajar dan bekerja jadi bukan sekadar mengejar nilai atau hasil, tapi juga bentuk ibadah dan rasa syukur atas ilmu yang diberikan.
- Critical Reflection – Memahami sebaran panas pada plat baja bukan cuma soal teknis, tapi juga bisa bikin kita lebih sadar akan keteraturan di alam semesta. Kok bisa panas menyebar dengan pola yang tetap dan bisa diprediksi? Itu semua bagian dari sistem yang Allah ciptakan dengan sempurna. Secara sosial, konsep ini juga ngajarin kita bahwa semua sistem punya dampak ke sekitarnya. Jadi, kita harus peka, nggak cuma fokus ke satu hal, tapi juga melihat bagaimana sesuatu bisa berpengaruh lebih luas ke lingkungan dan kehidupan manusia.
- Continuum of Awareness – Kesadaran ini harus kita bawa terus dalam setiap tahap analisis. Dari awal menyiapkan simulasi, memasukkan data, menjalankan perhitungan, sampai akhirnya menganalisis hasilnya lewat grafik atau curve fitting plot. Ini bukan sekadar langkah-langkah teknis, tapi juga perjalanan buat lebih memahami keteraturan yang sudah Allah tetapkan di alam. Kalau kita terus menjaga kesadaran ini, setiap proses jadi lebih bermakna dan ilmunya bisa kita gunakan dengan lebih bijak.
B. Intention ( Niat )
Menjaga Niat dan Kualitas dalam Simulasi Sebaran Panas
- Clarity of Intent – Memahami Ilmu Sebagai Bagian dari Ketetapan Allah
Simulasi yang kita lakukan ini bukan sekadar hitungan angka atau uji coba teknis. Lebih dari itu, ini adalah cara kita untuk memahami bagaimana Allah SWT telah menetapkan hukum-hukum alam, termasuk bagaimana panas berpindah pada suatu material. Dengan mempelajari distribusi suhu pada plat baja, kita semakin menyadari keteraturan yang luar biasa dalam ciptaan-Nya. Jadi, setiap langkah dalam simulasi ini bukan hanya tentang mendapatkan hasil yang akurat, tapi juga tentang semakin mengenali kebesaran-Nya dalam ilmu yang kita pelajari. - Alignment of Objectives – Menyusun Data agar Lebih Mudah Dipahami
Untuk mendapatkan pemahaman yang lebih jelas mengenai distribusi suhu pada plat, hasil simulasi perlu diolah dengan metode yang sistematis. Salah satu caranya adalah menggunakan curve fitting plot, terutama pada baris J2 – J10, agar pola distribusi suhu bisa terlihat lebih jelas. Setelah itu, data ini diubah menjadi heatmap, yang membantu kita melihat penyebaran panas secara menyeluruh. Dengan pendekatan ini, kita bisa lebih mudah memahami bagaimana panas bergerak dan menyebar di dalam plat, serta menganalisis aliran energi (heat flux) dengan lebih efektif. - Relevance of Intent – Mengubah Data Menjadi Informasi yang Lebih Jelas
Tujuan utama dari perhitungan numerik ini adalah untuk membuat data lebih mudah dipahami. Oleh karena itu, output seperti curve fitting plot dan heatmap bukan hanya sekadar gambar atau grafik, tapi juga alat bantu yang mempermudah kita dalam menginterpretasikan hasil simulasi. Dengan visualisasi ini, kita bisa melihat pola sebaran suhu secara lebih intuitif, sehingga keputusan teknis yang diambil bisa lebih tepat dan akurat. - Sustainability Focus – Solusi yang Lebih Ramah Lingkungan dan Efisien
Menggunakan metode numerik dalam penelitian ini bukan hanya soal efisiensi waktu dan biaya, tapi juga soal keberlanjutan. Dibandingkan dengan eksperimen fisik yang bisa menghasilkan limbah atau bahan sisa, simulasi di komputer jauh lebih ramah lingkungan. Dari segi sosial, metode ini juga mengurangi dampak negatif terhadap lingkungan sekitar, karena tidak ada limbah yang bisa mencemari air, tanah, atau udara. Dari sisi ekonomi, pendekatan ini lebih hemat biaya karena kita tidak perlu melakukan uji coba berulang kali dengan bahan nyata. Jadi, dengan menggunakan metode numerik, kita tidak hanya mendapatkan hasil yang akurat, tapi juga ikut berkontribusi pada kelestarian lingkungan dan efisiensi sumber daya. - Focus on Quality – Memastikan Keakuratan Hasil Simulasi
Keakuratan dalam simulasi ini dijaga dengan mengikuti prinsip-prinsip ilmiah, seperti curve fitting plot dan berbagai persamaan fisika yang relevan. Dalam kasus ini, Hukum Fourier Konduksi Panas dan Persamaan Difusi Panas digunakan untuk memastikan bahwa hasil yang diperoleh benar-benar mencerminkan kondisi nyata. Dengan pemodelan heatmap, kita bisa melihat bagaimana energi berpindah dalam plat dengan lebih jelas, sehingga analisis yang dilakukan tidak hanya berbasis teori, tetapi juga sesuai dengan hukum-hukum alam yang sudah ditetapkan. Ini memastikan bahwa hasil yang diperoleh tidak hanya akurat, tapi juga bisa digunakan sebagai dasar dalam pengambilan keputusan teknik.
C. Initial Thinking
- Problem Understanding– Bagaimana Panas Menyebar di Plat?
Tantangan utama dalam simulasi ini adalah memahami bagaimana suhu tersebar di permukaan plat stainless steel 304 berukuran 1 x 1 meter. Dalam skenario ini, sumber panas sebesar 303 K diterapkan pada salah satu ujung plat. Kita perlu menganalisis bagaimana energi panas ini bergerak ke seluruh bagian plat, bagaimana distribusinya, serta faktor-faktor apa saja yang mempengaruhi laju perpindahan panas tersebut. - Stakeholder Awereness – Sifat Termal Stainless Steel 304
Salah satu faktor penting dalam simulasi ini adalah memahami sifat termal dari material yang digunakan. Stainless Steel 304 (SS 304) memiliki konduktivitas termal sebesar 16,2 W/mK, yang memungkinkan panas menyebar secara efektif ke seluruh permukaan plat. Selain itu, material ini juga memiliki ketahanan terhadap perubahan suhu secara tiba-tiba (thermal shock), sehingga ketika diberikan panas sebesar 303 K, strukturnya tetap stabil tanpa mengalami perubahan sifat yang signifikan. - Contextual Analysis – Posisi Masalah dalam Ilmu Perpindahan Panas
Studi ini berfokus pada perpindahan panas, yang merupakan salah satu cabang utama dalam termodinamika. Dengan memahami bagaimana panas mengalir melalui suatu material, kita bisa menerapkan prinsip-prinsip perpindahan panas secara lebih efektif dalam simulasi. Pengetahuan ini penting untuk berbagai aplikasi teknik, termasuk desain sistem pendingin, pemrosesan material, dan optimalisasi efisiensi termal dalam industri. - Root Cause Analysis – Peran Kalor dalam Perpindahan Panas
Dalam kajian perpindahan panas, energi yang bertanggung jawab atas penyebaran suhu dalam suatu sistem disebut kalor. Kalor ini bergerak ke seluruh plat sesuai dengan hukum fisika yang telah ditetapkan, salah satunya adalah Hukum Fourier tentang perpindahan panas. Hukum ini menjelaskan bagaimana panas berpindah dari satu titik ke titik lainnya berdasarkan gradien suhu dan sifat konduktivitas termal material. - Relevance of Analysis – Untuk memahami pola distribusi suhu pada plat secara lebih jelas, metode numerik digunakan dalam simulasi dengan perangkat lunak CFDSOF. Hasil perhitungan berupa data temperatur pada berbagai titik di plat perlu divisualisasikan agar lebih mudah dipahami. Salah satu cara yang digunakan adalah curve fitting plot, yang membantu melihat pola distribusi suhu secara lebih presisi. Untuk menghasilkan model yang sesuai, diperlukan perhitungan terhadap parameter a, b, dan c dalam persamaan fitting yang optimal. Selain itu, heatmap juga digunakan untuk memberikan gambaran menyeluruh tentang bagaimana suhu tersebar di seluruh permukaan plat, sehingga analisis yang dilakukan menjadi lebih aplikatif.
17. Use of Data and Evidence – Keakuratan simulasi sangat dipengaruhi oleh kualitas data yang digunakan. Dalam analisis ini, hanya satu parameter utama yang diperlukan, yaitu konduktivitas termal sebesar 16,2 W/mK. Nilai ini menjadi faktor kunci dalam menentukan bagaimana panas berpindah pada plat, sehingga perhitungan yang dihasilkan lebih akurat dan dapat mencerminkan kondisi sebenarnya.
D. Idealization
- Assumption Clarity – Beberapa asumsi diterapkan dalam simulasi untuk menjaga konsistensi hasil dan memastikan kondisi ideal tetap terjaga. Plat dianggap memiliki struktur material yang homogen, sehingga sifat fisiknya tidak berubah di seluruh bagiannya. Selain itu, karakteristik termalnya dianggap konstan sepanjang proses, memastikan tidak ada perubahan dalam konduktivitas panas. Plat juga diperlakukan sebagai sistem adiabatik, yang berarti tidak ada panas yang hilang ke lingkungan sekitar. Dengan asumsi-asumsi ini, analisis dapat lebih terfokus pada pola penyebaran panas tanpa adanya gangguan dari faktor eksternal.
- Creativity and Innovation – Distribusi panas pada plat direpresentasikan menggunakan grid berukuran 12 × 12 sel. Dalam sistem ini, baris diberi label “J” dan kolom “I”, dengan posisi J1, J12, I1, dan I12 berfungsi sebagai sumber panas utama. Sementara itu, area lainnya bertindak sebagai dinding konduktif yang memiliki konduktivitas termal sebesar 16,2 W/mK. Pendekatan ini dirancang untuk meniru bagaimana panas berpindah secara nyata dalam material dan memungkinkan simulasi menghasilkan pola distribusi suhu yang lebih akurat.
- Physical Realism – Metode yang digunakan dalam simulasi ini selaras dengan prinsip dasar Hukum Fourier tentang perpindahan panas. Dengan model ini, distribusi suhu yang dihasilkan lebih realistis dan mendekati kondisi sebenarnya, sehingga dapat diterapkan dalam berbagai skenario teknik yang memerlukan analisis perpindahan panas secara presisi.
- Alignment with Intent – Tujuan utama dari simulasi ini adalah untuk memahami bagaimana panas tersebar pada permukaan plat. Oleh karena itu, konfigurasi simulasi disusun agar sesuai dengan prinsip fisika yang berlaku. Selain itu, visualisasi seperti curve fitting plot dan heatmap digunakan untuk mempermudah analisis dengan menyajikan gambaran yang lebih jelas tentang pola penyebaran panas yang terjadi.
- Scalability and Adaptability – Metode ini dapat digunakan dalam berbagai rentang suhu, asalkan tidak mencapai batas ekstrem yang berpotensi menyebabkan perubahan fase pada Stainless Steel 304 akibat perlakuan panas (heat treatment). Dengan mempertimbangkan batasan tersebut, pendekatan ini tetap relevan dan dapat diterapkan dalam berbagai kondisi tanpa kehilangan akurasi.
- Simplicity and Elegance – Pendekatan yang digunakan dalam simulasi ini dirancang agar tetap efisien tanpa memerlukan daya komputasi yang besar. Dengan metode yang ringkas dan efektif, proses perhitungan dapat dilakukan dengan cepat tanpa mengorbankan keakuratan hasil. Hal ini memungkinkan simulasi dijalankan dengan optimal, bahkan dalam keterbatasan sumber daya komputasi.
E. Instruction Set
Selenjautnya yaitu mengenai Intruction Set Dimana Langkah-langkah dalam curve fitting plot dilakukan secara sistematis dan iteratif, memastikan setiap tahapan tetap selaras dengan tujuan awal. Dengan pendekatan ini, analisis menjadi lebih terstruktur, dan pola perubahan suhu pada plat dapat diinterpretasikan dengan lebih akurat.
- Clarity of Steps – Hasil simulasi berupa XY Plot yang diperoleh dari baris J2 hingga J11 dianalisis lebih lanjut menggunakan metode curve fitting plot. Proses ini bertujuan untuk menemukan pola distribusi suhu yang lebih jelas dan memahami bagaimana data yang diperoleh sesuai dengan model matematis tertentu. Dimana persamaan yang digunakan dalam Curve fitting yaitu sebagai berikut :
- Comprehensiveness – Simulasi ini telah mencakup seluruh aspek penting yang memengaruhi perpindahan panas, termasuk jumlah kalor dan gradien suhu. Dengan mempertimbangkan faktor-faktor ini, hasil perhitungan menjadi lebih akurat dan mampu merepresentasikan fenomena perpindahan panas secara lebih realistis.
- Physical Interpretation – Untuk memberikan pemahaman yang lebih jelas terhadap hasil simulasi, data divisualisasikan dalam bentuk curve fitting plot dan heatmap. Visualisasi ini membantu dalam mengidentifikasi pola distribusi suhu secara detail. Setelah sebelumnya dijelaskan proses curve fitting plot, berikut ini adalah code yang digunakan untuk menerapkan metode tersebut menggunakan JavaScript yang dikemas dalam format HTML .
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<title>Curve Fitting CFD</title>
<script src="https://cdn.plot.ly/plotly-latest.min.js"></script>
</head>
<body>
<h2>Curve Fitting CFDSOF</h2>
<div id="plot"></div>
<script>
var traces = [];
traces.push({
x: [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0],
y: [322.778, 342.158, 350.737, 354.591, 355.714, 354.591, 350.737, 342.158, 322.778, 273.0],
mode: 'markers',
name: 'plot2.csv Data'
});
traces.push({
x: [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0],
y: [320.4690272727275, 339.1875303030305, 352.2578590909093, 359.6800136363638, 361.45399393939414, 357.5798000000002, 348.057431818182, 332.8868893939396, 312.06817272727295, 285.6012818181821],
mode: 'lines',
name: 'plot2.csv Fit'
});
traces.push({
x: [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0],
y: [302.955, 322.117, 333.201, 338.912, 340.674, 338.912, 333.201, 322.117, 302.955, 273.0],
mode: 'markers',
name: 'plot3.csv Data'
});
traces.push({
x: [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0],
y: [302.745281818182, 320.5791666666669, 333.23027121212147, 340.6985954545457, 342.98413939393964, 340.08690303030323, 332.00688636363657, 318.74408939393953, 300.29851212121224, 276.6701545454546],
mode: 'lines',
name: 'plot3.csv Fit'
});
traces.push({
x: [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0],
y: [293.925, 310.153, 321.039, 327.182, 329.159, 327.182, 321.039, 310.153, 293.925, 273.0],
mode: 'markers',
name: 'plot4.csv Data'
});
traces.push({
x: [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0],
y: [294.06393636363657, 309.7051969696971, 320.8652984848486, 327.54424090909106, 329.7420242424244, 327.45864848484865, 320.6941136363639, 309.44841969697, 293.72156666666706, 273.51355454545507],
mode: 'lines',
name: 'plot4.csv Fit'
});
traces.push({
x: [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0],
y: [289.594, 303.53, 313.62, 319.618, 321.598, 319.618, 313.62, 303.53, 289.594, 273.0],
mode: 'markers',
name: 'plot5.csv Data'
});
traces.push({
x: [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0],
y: [289.75389090909107, 303.5857575757578, 313.4788666666669, 319.4332181818184, 321.44881212121237, 319.5256484848487, 313.66372727272756, 303.8630484848487, 290.1236121212124, 272.4454181818184],
mode: 'lines',
name: 'plot5.csv Fit'
});
traces.push({
x: [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0],
y: [287.919, 300.755, 310.293, 316.072, 317.998, 316.072, 310.293, 300.755, 287.919, 273.0],
mode: 'markers',
name: 'plot6.csv Data'
});
traces.push({
x: [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0],
y: [288.0659909090911, 300.95525757575774, 310.1811833333335, 315.7437681818183, 317.6430121212123, 315.8789151515153, 310.4514772727274, 301.36069848484857, 288.60657878787885, 272.18911818181823],
mode: 'lines',
name: 'plot6.csv Fit'
});
traces.push({
x: [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0],
y: [288.327, 301.279, 310.727, 316.378, 318.25, 316.378, 310.727, 301.279, 288.327, 273.0],
mode: 'markers',
name: 'plot7.csv Data'
});
traces.push({
x: [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0],
y: [288.4737545454546, 301.37450000000007, 310.60358636363645, 316.1610136363637, 318.0467818181819, 316.26089090909096, 310.80334090909093, 301.6741318181818, 288.8732636363636, 272.4007363636363],
mode: 'lines',
name: 'plot7.csv Fit'
});
traces.push({
x: [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0],
y: [291.109, 305.307, 314.958, 320.464, 322.247, 320.464, 314.958, 305.307, 291.109, 273.0],
mode: 'markers',
name: 'plot8.csv Data'
});
traces.push({
x: [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0],
y: [291.23160909090916, 304.99234848484855, 314.8145348484849, 320.69816818181823, 322.6432484848485, 320.6497757575758, 314.71775, 304.84717121212117, 291.03803939393936, 273.2903545454545],
mode: 'lines',
name: 'plot8.csv Fit'
});
traces.push({
x: [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0],
y: [297.803, 313.882, 323.335, 328.274, 329.81, 328.274, 323.335, 313.882, 297.803, 273.0],
mode: 'markers',
name: 'plot9.csv Data'
});
traces.push({
x: [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0],
y: [297.64192727272734, 312.68169696969704, 323.35637575757585, 329.6659636363637, 331.61046060606066, 329.1898666666668, 322.4041818181819, 311.25340606060615, 295.7375393939395, 275.85658181818195],
mode: 'lines',
name: 'plot9.csv Fit'
});
traces.push({
x: [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0],
y: [313.221, 329.082, 336.226, 339.486, 340.446, 339.486, 336.226, 329.082, 313.221, 273.0],
mode: 'markers',
name: 'plot10.csv Data'
});
traces.push({
x: [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0],
y: [311.37694545454565, 326.72072727272746, 337.4414787878789, 343.53920000000016, 345.01389090909106, 341.86555151515165, 334.094181818182, 321.69978181818203, 304.6823515151518, 283.0418909090913],
mode: 'lines',
name: 'plot10.csv Fit'
});
traces.push({
x: [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0],
y: [353.0, 353.0, 353.0, 353.0, 353.0, 353.0, 353.0, 353.0, 353.0, 313.0],
mode: 'markers',
name: 'plot11.csv Data'
});
traces.push({
x: [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0],
y: [347.90909090909093, 353.00000000000006, 356.27272727272737, 357.72727272727286, 357.3636363636365, 355.1818181818183, 351.18181818181824, 345.3636363636364, 337.7272727272727, 328.27272727272714],
mode: 'lines',
name: 'plot11.csv Fit'
});
Plotly.newPlot('plot', traces, {
title: 'Curve Fitting CFD',
xaxis: {title: 'Posisi (m)'},
yaxis: {title: 'Temperatur (K)'}
});
</script>
</body>
</html>Dan untuk Code dari heatmap sebagai berikut :
!pip install numpy matplotlib -q
import numpy as np
import matplotlib.pyplot as plt
# Data suhu dari dokumen (J=2 hingga J=11), dengan 11 titik (0 hingga 1 m)
data = {
2: [303.0, 337.778, 351.284, 357.243, 359.911, 360.687, 359.911, 357.243, 351.284, 337.778, 303.0],
3: [303.0, 323.828, 337.116, 344.778, 348.713, 349.926, 348.713, 344.778, 337.116, 323.828, 303.0],
4: [303.0, 317.419, 328.575, 336.038, 340.240, 341.590, 340.240, 336.038, 328.575, 317.419, 303.0],
5: [303.0, 314.273, 323.728, 330.561, 334.617, 335.955, 334.617, 330.561, 323.728, 314.273, 303.0],
6: [303.0, 312.945, 321.503, 327.861, 331.713, 332.997, 331.713, 327.861, 321.503, 312.945, 303.0],
7: [303.0, 313.006, 321.477, 327.668, 331.377, 332.607, 331.378, 327.668, 321.477, 313.006, 303.0],
8: [303.0, 314.603, 323.730, 329.958, 333.522, 334.678, 333.522, 329.958, 323.730, 314.603, 303.0],
9: [303.0, 318.676, 328.881, 334.911, 338.075, 339.062, 338.075, 334.911, 328.881, 318.676, 303.0],
10: [303.0, 328.221, 338.208, 342.732, 344.806, 345.419, 344.806, 342.732, 338.208, 328.221, 303.0],
11: [328.0, 353.0, 353.0, 353.0, 353.0, 353.0, 353.0, 353.0, 353.0, 353.0, 328.0]
}
# Membuat matriks suhu 12x12 dengan menambahkan nilai tambahan untuk kolom ke-12
temperature_matrix = np.zeros((12, 12))
for j in range(2, 12):
temp_row = np.append(data[j], data[j][-1]) # Replikasi nilai tepi kanan
temperature_matrix[j-1] = temp_row
temperature_matrix[0] = np.append([303.0] * 11, 303.0) # J=1, semua 303 K
temperature_matrix[11] = np.append([328.0] * 11, 328.0) # J=12, semua 328 K
# Membuat heatmap
fig, ax = plt.subplots(figsize=(8, 6))
heatmap = ax.contourf(np.linspace(0, 1, 12), np.linspace(0, 1, 12), temperature_matrix, levels=50, cmap='plasma') # Colormap plasma untuk kontras tanpa hitam
# Menambahkan label temperatur di setiap sel
for i in range(12):
for j in range(12):
ax.text(i / 11, j / 11, f'{temperature_matrix[j, i]:.0f}', ha='center', va='center', fontsize=6, color='white')
# Menghapus sumbu agar mirip dengan gambar CFD
ax.set_xticks([])
ax.set_yticks([])
# Menambahkan watermark "Reza Junaiwan"
ax.text(0.95, 0.05, 'Reza Junaiwan', transform=ax.transAxes, fontsize=8, color='white', alpha=0.5, ha='right', va='bottom')
# Menambahkan tabel energi panas di bawah dengan nilai dari hasil teman Anda
label = (
"Energi Panas (W):\n"
"Sisi Atas: {:>8.2f} W\n"
"Sisi Bawah: {:>8.2f} W\n"
"Sisi Kiri: {:>8.2f} W\n"
"Sisi Kanan: {:>8.2f} W\n"
"Total (harus ≈ 0): {:>8.2f} W"
).format(0.0, 0.0, -2380.16, 2380.16, 0.000000001999999999494757503)
ax.text(0.5, -0.2, label, transform=ax.transAxes, ha='center', va='top', fontsize=10, bbox=dict(facecolor='white', alpha=0.8, pad=5))
# Menambahkan colorbar dengan skala yang mirip
cbar = plt.colorbar(heatmap)
cbar.set_label('Temperature (K)')
cbar.set_ticks(np.linspace(np.min(temperature_matrix), np.max(temperature_matrix), 10))
# Simpan dan tampilkan gambar
plt.savefig('temperature_heatmap_with_friend_results.png', format='png', dpi=300, bbox_inches='tight')
plt.show()
print("Tabel energi panas disesuaikan dengan hasil teman Anda:")
print("Sisi Atas: 0.00 W")
print("Sisi Bawah: 0.00 W")
print("Sisi Kiri: -2380.16 W")
print("Sisi Kanan: 2380.16 W")
print("Total (harus ≈ 0): 0.000000001999999999494757503 W")27. Error Minimization – Ketepatan hasil simulasi dapat ditingkatkan dengan memperbanyak jumlah data, mengingat visualisasi hanya merupakan pendekatan dari dataset yang ada. Semakin banyak data yang tersedia, semakin akurat pula pola distribusi suhu yang dihasilkan, sehingga kesalahan dalam interpolasi atau aproksimasi dapat diminimalkan. Selain itu, pemilihan metode curve fitting yang tepat, seperti polinomial orde tinggi atau spline interpolation, juga dapat membantu meningkatkan akurasi hasil.
28. Verification and Validation – Hasil simulasi perlu divalidasi dengan membandingkannya terhadap teori yang sudah ada, seperti Hukum Fourier dalam perpindahan panas. Selain itu, validasi juga dapat dilakukan dengan membandingkan hasil numerik dengan data eksperimen atau solusi analitis yang telah terbukti kebenarannya. Dengan akal sehat yang dianugerahkan oleh Allah SWT, manusia memiliki kemampuan untuk menilai apakah hasil simulasi masuk akal dan sesuai dengan prinsip fisika yang berlaku.
29. Iterative Approach – Pendekatan iteratif memungkinkan simulasi dijalankan secara berulang dengan berbagai parameter, seperti variasi konduktivitas termal, suhu awal, atau kondisi batas. Metode ini memastikan hasil simulasi tetap akurat dan stabil dalam berbagai kondisi. Selain itu, iterasi juga berguna untuk menyempurnakan model dengan menyesuaikan ukuran grid atau resolusi numerik, sehingga hasil akhir lebih presisi dan realistis.
30. Sustainability Integration – Penggunaan simulasi memberikan keuntungan dalam aspek keberlanjutan karena mengurangi ketergantungan pada eksperimen fisik yang mahal dan menghasilkan limbah. Dengan memanfaatkan model numerik, analisis dapat dilakukan lebih efisien tanpa memerlukan bahan uji nyata. Selain itu, metode ini tidak membutuhkan daya komputasi tinggi, sehingga lebih hemat energi dibandingkan simulasi resolusi tinggi yang kompleks.
31. Communication Effectiveness – Hasil simulasi disajikan dalam bentuk curve fitting plot dan heatmap untuk mempermudah interpretasi distribusi suhu. Meskipun curve fitting plot memberikan analisis detail pada titik-titik tertentu, heatmap lebih informatif karena mampu menampilkan distribusi suhu secara keseluruhan pada plat. Dengan kombinasi kedua metode ini, hasil simulasi dapat dikomunikasikan secara efektif kepada berbagai kalangan, termasuk insinyur, peneliti, dan praktisi industri.
32. Alignment with DAI5 Framework – Proses analisis dan penyelesaian kasus distribusi suhu pada plat telah disusun berdasarkan framework DAI5, yang tidak hanya mempertimbangkan aspek teknis, tetapi juga memperhatikan nilai etika, manfaat, dan keberlanjutan. Pendekatan ini memastikan bahwa ilmu teknik tidak hanya berfungsi sebagai alat pemecahan masalah, tetapi juga menjadi refleksi atas keteraturan alam yang telah Allah SWT ciptakan.
33. Documentation Quality – Dokumentasi hasil simulasi disusun menggunakan curve fitting plot gabungan dan heatmap untuk memberikan gambaran yang lebih menyeluruh.
Curve Fitting CFDSOF
Visualisasi Heatmap pada simulasi 2D
Panas dari sumber di ujung plat menyebar ke seluruh permukaan, dengan suhu yang semakin menurun seiring bertambahnya jarak. Proses ini mengikuti hukum perpindahan panas, di mana energi mengalir dari suhu tinggi ke rendah hingga mencapai keseimbangan.
Melalui Integrasi Numerik dan 33 Kriteria Evaluasi Framework DAI5, pola penyebaran panas dapat dianalisis secara sistematis. Visualisasi dengan curve fitting plot dan heatmap membantu memahami distribusi suhu serta pengaruh parameter fisik. Pendekatan ini bermanfaat dalam penelitian maupun aplikasi industri, memberikan wawasan lebih mendalam dalam analisis teknik. Mungkin sekian yang dapat sampaikan pada blog ini, Terimakasih
waalaikumsalam warahmatullahi wabarakatuh
