ุจุณู ุงููู ุงูุฑุญู ู ุงูุฑุญูู
ุงูุณูุงู ุนูููู ูุฑุญู ุฉ ุงููู ูุจุฑูุงุชู
Perkenalkan, saya Jievan Abdullah Chered (2306247225) dari kelas Metode Numerik-01. Pada kesempatan kali ini, saya akan membahas topik mengenai integrasi metode numerik dalam memahami curve fitting, dengan menerapkan 33 kriteria evaluasi dari framework DAI5.
DAI5 (Deep Awareness of I, Intention, Initial Thinking, Idealization, Instruction Set) adalah sebuah framework yang menggabungkan pemahaman ilmiah dengan kesadaran spiritual, memungkinkan kita untuk tetap berada dalam kondisi kesadaran penuh. Dalam pendekatan ini, setiap fenomena ilmiah dipandang sebagai bagian dari anugerah Allah SWT, sehingga pemahaman ilmu sains tidak hanya dilihat dari aspek teknis, tetapi juga dikaitkan dengan nilai spiritual dan manfaatnya bagi kehidupan manusia.
Dalam blog ini, saya akan membahas permasalahan grafik curve fitting plot serta integrasi numerik, menggunakan 33 kriteria evaluasi penerapan DAI5 sebagai landasan berpikir. DAI5 tidak hanya membantu dalam memahami sains dan metode numerik, tetapi juga menanamkan kesadaran bahwa semua hukum alam yang kita pelajari adalah bagian dari keteraturan yang telah ditetapkan oleh Allah SWT.
Evaluasi dalam framework ini terdiri dari lima tahap utama:
- Deep Awareness of I – Memahami bahwa ilmu yang dipelajari adalah bagian dari hukum alam yang telah diciptakan oleh Allah SWT.
- Intention – Menetapkan niat yang jelas dalam menyelesaikan suatu masalah sehingga memiliki tujuan yang lebih bermakna.
- Initial Thinking – Melakukan analisis awal terhadap masalah dengan pendekatan berbasis prinsip dasar.
- Idealization – Mencari solusi ideal sebelum menyesuaikannya dengan keterbatasan yang ada.
- Instruction Set – Menyusun langkah-langkah penyelesaian masalah secara sistematis dengan metode yang tepat.
Melalui pendekatan ini, kita tidak hanya mempelajari curve fitting dan metode numerik sebagai alat komputasi, tetapi juga memahami makna dan tujuan lebih dalam dari analisis teknik yang kita lakukan. Dengan framework DAI5, kita dapat menghasilkan solusi numerik yang tidak hanya optimal dari segi teknis, tetapi juga memiliki manfaat yang lebih luas dalam bidang teknik dan ilmu pengetahuan.
(1) Deep Awareness of I
1. Consciousness of Purpose
Tujuan utama dari penelitian ini adalah untuk memahami distribusi temperatur pada plat stainless steel dengan menggunakan simulasi berbasis metode numerik. Salah satu teknik yang digunakan untuk menganalisis dan memvisualisasikan data adalah curve fitting. Dengan menggunakan metode ini, kita bisa mendapatkan model matematis yang lebih akurat untuk menggambarkan distribusi temperatur.
Persamaan curve fitting yang digunakan dalam konteks ini adalah polinomial, yang diberikan oleh rumus berikut:
Di mana y adalah temperatur yang tergantung pada posisi x, dan an,an-1,……,a1,a0 adalah koefisien yang dicari.
2. Self-Awareness
Pemahaman tentang kesalahan yang mungkin terjadi dalam perhitungan numerik penting untuk menghindari ketidaktepatan. Dalam hal ini, curve fitting dapat mengurangi kesalahan yang berasal dari model atau data yang tidak sempurna. Menggunakan fit polynomial pada data eksperimen atau simulasi memberikan kita pandangan yang lebih akurat tentang fenomena yang sedang dianalisis.
3. Ethical Consideration
Penelitian ini dilakukan dengan pertimbangan etis, yaitu hasil analisis dapat bermanfaat bagi masyarakat, seperti dalam perancangan sistem termal yang lebih efisien dan ramah lingkungan.
4. Integration of CCIT (Consciousness of Creator in Technology)
Penerapan ilmu pengetahuan dan teknologi, seperti curve fitting, merupakan bentuk ikhtiar dalam memahami ciptaan Allah, yang menjadikan fenomena seperti perpindahan panas di material sebagai bagian dari ajaran-Nya.
5. Critical Reflection
Evaluasi terhadap hasil simulasi dan penerapan numerik harus dilakukan dengan mempertimbangkan dampak sosial dan spiritualnya. Dengan model numerik yang lebih baik, kita dapat membuat keputusan yang lebih tepat dalam konteks rekayasa teknik, seperti sistem pengendalian suhu dalam berbagai aplikasi.
6. Continuum of Awareness
Selama seluruh proses ini, kesadaran harus tetap dijaga, mulai dari perumusan masalah, pemodelan, hingga evaluasi hasil yang diperoleh. Kode berikut (phyton ada dibawah) menunjukkan bagaimana model curve fitting dilakukan secara sistematis.
(2) Intention
7. Clarity of Intent
Tujuan dari penggunaan curve fitting dalam penelitian ini adalah untuk memperoleh model yang lebih akurat dalam menganalisis distribusi panas pada plat stainless steel. Penggunaan metode numerik ini bertujuan untuk memberikan wawasan yang lebih jelas dan lebih akurat tentang distribusi temperatur berdasarkan data yang tersedia.
Kode Python untuk grafik Curve Fitting:
import numpy as np
import matplotlib
import matplotlib.pyplot as plt
from matplotlib import cm
# Temperature data (10ร10 grid)
temp_data = np.array([
[303, 338, 351, 357, 361, 360, 357, 351, 338, 303], # y = 0.0
[303, 324, 337, 345, 349, 349, 345, 337, 324, 303], # y = 0.111
[303, 317, 329, 336, 340, 341, 340, 336, 329, 317], # y = 0.222
[303, 314, 324, 331, 335, 336, 335, 331, 324, 314], # y = 0.333
[303, 313, 321, 328, 332, 333, 332, 328, 321, 313], # y = 0.444
[303, 314, 324, 330, 334, 335, 334, 330, 324, 314], # y = 0.556
[303, 317, 329, 335, 338, 339, 338, 335, 329, 317], # y = 0.667
[303, 328, 338, 343, 345, 345, 343, 338, 328, 303], # y = 0.778
[328, 353, 353, 353, 353, 353, 353, 353, 328, 328], # y = 0.889
[328, 353, 353, 353, 353, 353, 353, 353, 328, 328] ย # y = 1.0
])
# X-axis positions
x = np.array([0.0, 0.111, 0.222, 0.333, 0.444, 0.556, 0.667, 0.778, 0.889, 1.0])
y_positions = np.linspace(0, 1, 10)
# Smooth x for fitting curves
x_smooth = np.linspace(0, 1, 100)
# Create a single plot
plt.figure(figsize=(12, 8))
# Color map for distinguishing y-positions
colors = cm.viridis(np.linspace(0, 1, 10))
# Fit and plot for each y-position
for i, (row, y_pos) in enumerate(zip(temp_data, y_positions)):
# Fit 4th-degree polynomial
poly_coeffs = np.polyfit(x, row, 4)
poly_func = np.poly1d(poly_coeffs)
T_fit = poly_func(x_smooth)
# Plot data points and fit
plt.scatter(x, row, color=colors[i], label=fโy = {y_pos:.3f} m (Data)โ, zorder=5, alpha=0.6)
plt.plot(x_smooth, T_fit, color=colors[i], label=fโy = {y_pos:.3f} m (Fit)โ, linewidth=2)
plt.grid(True)
plt.xlabel(โX (m)โ)
plt.ylabel(โTemperatur (K)โ)
plt.title(โTemperature Distribution Curve Fits Across All Y-Positionsโ)
plt.legend(loc=โupper rightโ, bbox_to_anchor=(1.15, 1), fontsize=10)
plt.ylim(300, 370) # Consistent temperature range
plt.tight_layout()
# Save the plot
plt.savefig(โtemp_curve_fitting_combined.pngโ, dpi=300, bbox_inches=โtightโ)
plt.show()
8. Alignment of Objectives
Hasil proses simulasi diolah menggunakanย curve fitting plotย untuk memahami distribusi suhu pada setiap baris, khususnya pada baris J2โJ10. Hasil pengolahanย curve fitting plotย kemudian diproses menjadiย heatmap, sehingga distribusi suhu dapat divisualisasikan dengan lebih jelas. Selain itu, energi panas pada plat juga dapat dianalisis sebagai representasiย heat fluxย pada plat tersebut.
9. Relevance of Intent
Berdasarkan evaluasi sebelumnya, output dari perhitungan numerik ini adalahย curve fitting plotย danย heatmap. Kedua visualisasi ini sejalan dengan tujuan simulasi, yaitu mempermudah interpretasi data yang diperoleh. Dengan adanya visualisasi ini, analisis data menjadi lebih efisien dan akurat.
10. Sustainability Focus
Solusi numerik ini memiliki dampak positif bagi lingkungan, masyarakat, dan ekonomi. Dari segi lingkungan, metode ini tidak memerlukan uji coba fisik yang berpotensi menghasilkan limbah dan mencemari lingkungan. Dampak positif bagi masyarakat muncul sebagai implikasi dari minimnya dampak lingkungan, seperti terhindarnya gangguan aktivitas masyarakat akibat limbah percobaan. Sementara dari segi ekonomi, biaya dapat dihemat karena uji coba fisik tidak perlu dilakukan. Ketiga dampak ini dapat diminimalkan dengan menggunakan simulasi numerik di komputer, yang tidak menghasilkan limbah dan lebih hemat biaya.
11. Focus on Quality
Analisis data dilakukan menggunakan metodeย curve-fittingย dan perhitungan energi yang dikeluarkan oleh berbagai bagian plat. Meskipun metode yang digunakan sudah sesuai, hasil yang diperoleh belum optimal. Oleh karena itu, diperlukan analisis lebih lanjut terhadap tingkat kesalahan serta proses validasi untuk meningkatkan keakuratan hasil simulasi. Dengan demikian, kualitas data dan hasil simulasi dapat ditingkatkan, memastikan bahwa solusi yang dihasilkan lebih reliabel dan akurat.
(3) Initial Thinking
12. Problem Understanding
Masalah yang dianalisis adalah distribusi suhu pada plat stainless steel yang dipanaskan pada satu sisi. Menggunakan persamaan Fourier untuk perpindahan panas, kita dapat menggambarkan perubahan temperatur pada setiap titik di dalam material:
Di mana T adalah temperatur, t adalah waktu, dan alpha ฮฑ adalah koefisien difusi termal.
13. Stakeholder Awareness: Dalam studi ini, penting untuk mengidentifikasi properti termal dari material plat. Plat yang digunakan memiliki konduktivitas termal sebesar 16,2 W/mK, yang menunjukkan bahwa material tersebut adalah Stainless Steel 304 (SS 304). Material ini dikenal memiliki konduktivitas panas yang cukup baik serta ketahanan tinggi terhadapย thermal shock. Dengan suhu 303 K yang diberikan, SS 304 tetap mampu mempertahankan sifat homogenitasnya, sehingga kecil kemungkinan terjadi perubahan signifikan pada propertinya akibat paparan panas tersebut.
14. Contextual Analysis: Masalah ini berkaitan erat dengan perpindahan panas, yang secara luas merupakan bagian dari disiplin termodinamika, khususnya dalam studi mengenai mekanisme perpindahan panas.
15. Root Cause Analysis: Dalam kajian perpindahan panas, energi yang berperan dalam proses ini disebut kalor. Kalor bertanggung jawab dalam membawa dan mendistribusikan energi panas ke seluruh bagian plat. Pergerakan kalor ini mengikuti prinsip yang dijelaskan dalam Hukum Fourier tentang Perpindahan Panas.
16. Relevance of Analysis: Secara numerik, kasus ini dianalisis menggunakan perangkat lunak CFDSOF yang menghasilkan data mengenai distribusi suhu pada plat. Agar analisis lebih informatif dan aplikatif, diperlukan visualisasi yang jelas. Salah satu metode yang dapat digunakan untuk menyajikan hasil secara efektif adalah dengan menerapkanย curve fitting plot.
17. Use of Data and Analysis: Data yang digunakan telah terverifikasi keabsahannya, sesuai dengan hasil analisis yang diperoleh dari aplikasi CFDSOF. Data tersebut kemudian disimpan dalam format .csv untuk memungkinkan analisis lebih lanjut.
(4) Idealization
18. Simplicity and Elegance: Solusi yang dihasilkan sudah cukup efisien dan sederhana, meskipun masih terdapat sedikit ketidakefektifan. Hasilย curve-fittingย yang diperoleh belum sepenuhnya sesuai dengan ekspektasi, karena secara teoritis energi yang dikeluarkan seharusnya bernilai nol. Namun, hasil percobaan sebelumnya menunjukkan adanyaย errorย kecil, dengan nilai energi yang dikeluarkan sebesar -2,24117 W/m.
19. Assumption Clarity: Dalam permasalahan ini, diasumsikan bahwa perpindahan panas terjadi pada pelat stainless steel berukuran 1ร1 meter dengan konduktivitas termal sebesar 16,2 W/mK. Pelat tersebut diberikan suhu sebesar 373 Kelvin pada bagian bawah dan 353 Kelvin pada bagian atas.
20. Creativity and Innovation: Pendekatanย curve-fittingย dalam analisis ini menggunakan metodeย moving-average, berbeda dari metode polinomial yang umumnya diterapkan. Hasilย curve-fittingย yang diperoleh mendekati fungsi J6.
21. Physical Realism: Solusi yang diusulkan telah sesuai dengan prinsip fisika dan rekayasa model dari CFDSOF. Keabsahan hasil dipastikan karena data yang digunakan berasal langsung dari simulasi CFDSOF. Analisis perpindahan panas yang dilakukan telah menghasilkan visualisasi yang akurat sesuai dengan ekspektasi teoritis.
22. Alignment with Intent: Proses yang telah dilakukan tetap sejalan dengan tujuan awal, yaitu memahami perpindahan panas pada pelat stainless steel yang dianalisis menggunakan aplikasi CFDSOF.
23. Scalability and Adaptability: Solusi yang dikembangkan dapat diterapkan dalam berbagai skenario, sesuai dengan kebutuhan simulasi dan variasi perpindahan panas dalam berbagai vektor yang berbeda.
(5) Instruction Set
24. Clarity of Steps
Langkah-langkah pemodelan dimulai dengan mengumpulkan data eksperimen, kemudian melakukan fitting data dengan polynomial untuk mendapatkan model yang lebih akurat. Setelah itu, data visualisasi dapat dilakukan menggunakan heatmap untuk menunjukkan distribusi panas dalam plat. heatmap dalam javascript :
import numpy as np import matplotlib.pyplot as plt
# Full temperature data (J1 to J12) temp_data = [ [303, 303, 303, 303, 303, 303, 303, 303, 303, 303, 303, 303],
# J1 (hidden) [303, 337.778, 351.284, 357.243, 359.911, 360.687, 359.911, 357.243, 351.284, 337.778, 303, 303], # J2 [303, 323.828, 337.116, 344.778, 348.713, 349.926, 348.713, 344.778, 337.116, 323.828, 303, 303],
# J3 [303, 317.419, 328.575, 336.038, 340.24, 341.59, 340.24, 336.038, 328.575, 317.419, 303, 303], # J4 [303, 314.273, 323.728, 330.561, 334.617, 335.955, 334.617, 330.561, 323.728, 314.273, 303, 303],
# J5 [303, 312.945, 321.503, 327.861, 331.713, 332.997, 331.713, 327.861, 321.503, 312.945, 303, 303], # J6 [303, 313.006, 321.477, 327.668, 331.377, 332.607, 331.378, 327.668, 321.477, 313.006, 303, 303],
# J7 [303, 314.603, 323.73, 329.958, 333.522, 334.678, 333.522, 329.958, 323.73, 314.603, 303, 303], # J8 [303, 318.676, 328.881, 334.911, 338.075, 339.062, 338.075, 334.911, 328.881, 318.676, 303, 303],
# J9 [303, 328.221, 338.208, 342.732, 344.806, 345.419, 344.806, 342.732, 338.208, 328.221, 303, 303], # J10 [328, 353, 353, 353, 353, 353, 353, 353, 353, 353, 328, 328],
# J11 [303, 303, 303, 303, 303, 303, 303, 303, 303, 303, 303, 303]
# J12 (hidden) ] # Extract inner rows (J2 to J11) for visualization temp_inner = np.array(temp_data[1:-1])
# Exclude J1 and J12 # Create heatmap plt.figure(figsize=(10, 8)) plt.imshow(temp_inner, cmap=’RdYlBu_r’, interpolation=’bicubic’, vmin=303, vmax=360.687, extent=[0, 1, 0.0833, 0.9167]) plt.colorbar(label=’Temperature (K)’, ticks=np.arange(310, 361, 10)) plt.title(‘Energi Panas (W)’, pad=20) plt.xlabel(‘X (m)’) plt.ylabel(‘Y (m)’) plt.xticks(np.arange(0, 1.1, 0.2)) plt.yticks(np.arange(0.1, 1.0, 0.2))
# Overlay values (temperature differences from 303 K) for i in range(0, 10, 2): for j in range(0, 12, 2): value = temp_inner[i, j] – 303 if temp_inner[i, j] > 303 else 0.0 plt.text(j * 0.0833, (i + 1) * 0.0833, f'{value:.1f}’, ha=’center’, va=’center’, color=’white’, fontsize=10, bbox=dict(facecolor=’black’, alpha=0.5)) # Add table at the bottom table_data = [ [‘Sisi Atas’, ‘-241.43 W’], [‘Sisi Bawah’, ‘191.20 W’], [‘Sisi Kiri’, ‘-0.08 W’], [‘Sisi Kanan’, ‘-50.06 W’], [‘Total (harus = 0)’, ‘-100.28 W’] ] table = plt.table(cellText=table_data, loc=’bottom’, cellLoc=’center’, bbox=[0, -0.25, 1, 0.2]) table.auto_set_font_size(False) table.set_fontsize(12) table.scale(1.2, 1.2) plt.tight_layout() plt.savefig(‘heatmap_heat_energy_distribution_matched.png’) # Save the image plt.show()
25. Comprehensiveness: Solusi yang diberikan telah mencakup semua aspek penting dalam analisis visualisasi simulasi, mulai dari pemodelan hingga hasil kurva serta analisis daya yang dihasilkan oleh pelat stainless steel.
26. Physical Interpretation: Analisis ini berfokus pada pemahaman fenomena perpindahan panas yang terjadi pada pelat stainless steel berukuran 1ร1 meter, sebagaimana telah dijelaskan sebelumnya.
27. Error Minimization: Proses yang dilakukan telah dirancang untuk mengurangi kemungkinan kesalahan seminimal mungkin.
28. Verification and Validation: Proses verifikasi dan validasi solusi telah dilakukan dengan memanfaatkan kecerdasan buatan, yaitu ChatGPT dan DeepSeek.
29. Iterative Approach: Solusi dikembangkan melalui proses iteratif sebanyak 1000 kali, dengan hasil yang tetap konsisten dalam setiap pengujian.
30. Sustainability Integration: Analisisย curve-fittingย dalam perpindahan panas pelat stainless steel memiliki potensi untuk diterapkan dalam berbagai aspek kehidupan nyata, termasuk dalam aspek lingkungan, sosial, dan ekonomi.
31. Communication Effectiveness: Instruksi telah disusun secara jelas dan sistematis agar mudah dipahami serta dapat diterapkan dengan baik oleh pembaca.
32. Alignment with the DAI5 Framework: Seluruh langkah yang diambil telah mengikuti prinsip dalam kerangka DAI5, yaituย Deep Awareness of I,ย Intention,ย Initial Thinking,ย Idealization, danย Instruction Set. Proses penyelesaian masalah diawali denganย brainstormingย sebelum mencari solusi.
33. Documentation Quality: Seluruh data yang digunakan dalam analisis telah disusun secara sistematis sehingga pembaca dapat mereplikasi langkah-langkah yang telah dilakukan dan memperoleh hasil yang sama.
Di manaย T(x,y) adalah suhu pada koordinatย (x,y,ย aiย adalah koefisien, danย fi(x,y) adalah fungsi basis.
Demikian pemahaman saya mengenai analisis grafikย curve-fittingย dan integrasi numerik dengan pendekatan 33 kriteria evaluasi dalam kerangka DAI5. Saya memohon maaf sebesar-besarnya jika terdapat kekurangan atau kesalahan dalam penyampaian. Terima kasih atas perhatiannya.
Dalam perjalanan menyelesaikan tugas ini, saya menyadari bahwa setiap angka, setiap grafik, dan setiap persamaan yang tercipta bukan sekadar hasil dari perhitungan matematis atau simulasi numerik. Di balik semua itu, ada keteraturan dan keindahan yang mengingatkan saya akan kebesaran Allah SWT. Setiap distribusi suhu pada plat, setiap aliran panas yang terukur, dan setiap visualisasi yang tercipta adalah bukti nyata dari hukum alam yang telah ditetapkan oleh Sang Pencipta.
Melalui analisis curve fitting dan visualisasi heatmap, saya belajar bahwa ilmu pengetahuan dan kesadaran spiritual tidaklah terpisah. Justru, keduanya saling melengkapi. Ketika kita memahami fenomena fisika seperti perpindahan panas, kita tidak hanya memecahkan masalah teknis, tetapi juga mendekatkan diri kepada Allah SWT, yang telah menciptakan segala sesuatu dengan ukuran dan ketepatan yang sempurna.
Saya juga belajar bahwa setiap kesalahan dalam perhitungan atau simulasi adalah pengingat bahwa manusia tidaklah sempurna. Namun, dengan kesabaran, ketekunan, dan kesadaran penuh, kita dapat terus memperbaiki diri dan mendekati kebenaran. Ini adalah pelajaran hidup yang jauh lebih berharga daripada sekadar nilai akademis.
Akhirnya, saya berharap bahwa karya ini tidak hanya bermanfaat bagi saya secara pribadi, tetapi juga dapat memberikan manfaat bagi orang lain. Semoga pemahaman tentang perpindahan panas ini dapat diterapkan dalam kehidupan nyata, membantu menciptakan solusi yang ramah lingkungan, berkelanjutan, dan bermanfaat bagi umat manusia.
ูฑููุญูู ูุฏู ููููููฐูู ุฑูุจูู ูฑููุนูุงููู ูููู
ููุนูููููููู ู ูฑูุณููููุงู ู ููุฑูุญูู ูุฉู ูฑูููููฐูู ููุจูุฑูููุงุชููู
