Abstract
Tugas komputasi ini bertujuan untuk menganalisis dan memvisualisasikan laju perpindahan panas radiasi () dari berbagai material logam sebagai fungsi dari luas permukaan (
) dan suhu absolut (
). Analisis ini didasarkan pada Hukum Stefan-Boltzmann, yang menyatakan bahwa
.
Metode: Proyek ini menggunakan bahasa pemrograman Python dengan pustaka NumPy untuk perhitungan numerik dan Matplotlib untuk visualisasi. Sebuah fungsi inti, hitung_radiasi, diimplementasikan untuk menghitung dengan mempertimbangkan emisivitas (
) dari sepuluh jenis material yang berbeda (mulai dari emas dipoles dengan
rendah hingga benda hitam ideal dengan
. Fungsi utama, analisis_radiasi_gabungan, secara sistematis membandingkan empat material terpilih pada minimal dua tingkat suhu berbeda (misalnya,
dan
) di sepanjang rentang luas permukaan (0.1 hingga 10.0 m2).
Hasil Utama: Hasil visualisasi berupa plot (Watt) terhadap
(m2) menunjukkan secara jelas dua parameter dominan yang mempengaruhi laju radiasi:
- Pengaruh Suhu: Laju radiasi berbanding lurus dengan pangkat empat suhu (
), yang ditunjukkan oleh peningkatan drastis
saat suhu dinaikkan (misalnya,
dan
).
- Pengaruh Material (Emisivitas): Material dengan emisivitas tinggi, seperti Benda Hitam Ideal
dan Baja Karbon Teroksidasi
, menunjukkan laju radiasi yang jauh lebih tinggi dibandingkan material dengan emisivitas rendah, seperti Emas Dipoles
pada suhu dan luas permukaan yang sama.
Kesimpulan: Simulasi komputasi ini berhasil memodelkan perilaku perpindahan panas radiasi. Kesimpulannya adalah bahwa emisivitas material dan suhu absolut adalah variabel kunci dalam desain termal, di mana perbedaan kecil dalam dan perubahan sedang pada
dapat menghasilkan perbedaan substansial pada laju kehilangan panas radiasi. Proyek ini memberikan pemahaman intuitif dan kuantitatif mengenai peran sifat termal material dalam rekayasa perpindahan panas.
Author Declaration
1. Deep Awareness (of) I
Tuhan yang maha esa adalah yang mengetahui segalanya. tidak ada apapun yang lebih besar dari dia. apapun yang terjadi di muka bumi ini adalah atas kehendaknya.
2. Niat Kegiatan Proyek
Penulis membuat suatu sistem untuk menghitung radiasi suatu material sehingga mendapatkan material apa yang sesuai dengan kebutuhan dari radiasi yang di timbulkan
Introduction
1. Latar Belakang
Perpindahan panas adalah fenomena fundamental dalam rekayasa dan ilmu pengetahuan yang mencakup tiga mekanisme utama: konduksi, konveksi, dan radiasi. Di antara ketiganya, radiasi termal memainkan peran krusial, terutama pada suhu tinggi atau dalam ruang hampa, karena mekanisme ini tidak memerlukan medium fisik untuk mentransfer energi. Pemahaman mendalam tentang radiasi sangat penting dalam berbagai aplikasi, mulai dari desain tungku industri, sistem pendingin pesawat ruang angkasa, hingga efisiensi panel surya.
Laju perpindahan panas radiasi dari suatu permukaan diatur oleh Hukum Stefan-Boltzmann, yang dirumuskan sebagai:
Di mana adalah laju energi radiasi (Watt),
adalah luas permukaan (m2),
adalah suhu absolut (Kelvin),
adalah Konstanta Stefan-Boltzmann, dan
adalah emisivitas permukaan atau sifat kritis material yang mendefinisikan efisiensi permukaannya dalam memancarkan energi (dengan nilai
).
2. Tujuan
Tujuan utama dari tugas komputasi ini adalah:
- Menerapkan persamaan Hukum Stefan-Boltzmann secara numerik menggunakan Python untuk menghitung laju perpindahan panas radiasi (
).
- Menganalisis dan membandingkan secara kuantitatif pengaruh variasi emisivitas (
) dari berbagai jenis material logam (teroksidasi dan dipoles) terhadap
- Menganalisis pengaruh eksponensial dari perubahan suhu absolut (
) terhadap
untuk material yang sama.
- Memvisualisasikan hasil perhitungan
sebagai fungsi dari luas permukaan (
) untuk menyediakan alat bantu diagnostik yang intuitif dalam perbandingan desain termal.
Methods & Procedures
Metodologi ini menjelaskan pendekatan komputasi yang diterapkan untuk menganalisis perpindahan panas radiasi. Metode ini mengintegrasikan prinsip-prinsip Kerangka Berpikir Komputasi (Computational Thinking) dengan implementasi teknis dan numerik menggunakan Python.
1. Kerangka Berpikir Komputasi (Computational Thinking)
Proyek ini disusun berdasarkan empat pilar utama Computational Thinking untuk memecahkan masalah analisis fisika:
A. Dekomposisi (Decomposition)
Masalah utama (analisis terhadap
,
dan
) dipecah menjadi langkah-langkah terpisah:
- Pengumpulan Data: Mengorganisir konstanta (
) dan data material (
).
- Pemodelan: Mengimplementasikan persamaan Stefan-Boltzmann dalam satu fungsi Python.
- Pengujian Skenario: Menggunakan struktur nested loop untuk menguji semua kombinasi material dan suhu.
- Validasi Output: Menghitung
secara numerik dan memvisualisasikannya.
B. Abstraksi (Abstraction)
Model fisika () diabstraksikan menjadi sebuah fungsi Python (hitung_radiasi). Fungsi ini menyembunyikan detail operasional (seperti nilai
dan operasi pangkat empat) dan hanya membutuhkan
, ,
dan
sebagai input.
C. Pengenalan Pola (Pattern Recognition)
Pola matematis utama diidentifikasi untuk efisiensi komputasi:
- Hubungan linier (
) yang ditangani menggunakan pemrosesan vektor NumPy.
- Hubungan non-linier (
) yang menjadi fokus analisis sensitivitas.
D. Algoritma (Algorithm)
Seluruh proses dirangkum dalam alur kerja sistematis (seperti yang digambarkan dalam flowchart), yang menggunakan nested loop untuk memastikan setiap skenario dihitung dan divisualisasikan secara lengkap.
2. Metode Numerik dan Pemodelan Fisika
A. Persamaan Dasar dan Konstanta
Analisis didasarkan pada Hukum Stefan-Boltzmann:
di mana = 5.670 x 10-8 W/(m2.K4). Data emisivitas (
) untuk minimal sepuluh jenis material logam digunakan, mulai dari Benda Hitam Ideal (
=1.00) hingga Emas Dipoles (
=0.02).
B. Diskretisasi Numerik
Untuk analisis kontinu Luas Permukaan (), metode diskretisasi numerik diterapkan:
- Rentang Luas Permukaan (
, dari 0.1 hingga 10.0 m2) dipecah menjadi 50 titik data diskrit yang seragam menggunakan np.linspace.
- Perhitungan
kemudian dilakukan secara vektor untuk semua 50 titik ini, memungkinkan hasil yang cepat dan efisien.
3. Implementasi Teknis
- Lingkungan Komputasi: Menggunakan Python dengan pustaka NumPy untuk perhitungan vektor dan Matplotlib untuk visualisasi.
- Konversi Suhu: Suhu input dalam Celsius secara otomatis dikonversi ke Kelvin (
) di awal proses.
- Struktur Kontrol: Fungsi analisis_radiasi_gabungan menggunakan nested loop:
- Loop Luar: Mengiterasi melalui N material yang dipilih (variasi
).
- Loop Dalam: Mengiterasi melalui M tingkat suhu yang dipilih (variasi T).
- Total perhitungan menghasilkan
kurva data.
- Loop Luar: Mengiterasi melalui N material yang dipilih (variasi
- Visualisasi Data: Hasil vektor Q vs A diplot pada grafik tunggal. Warna dan gaya garis digunakan untuk membedakan antara material dan tingkat suhu, memfasilitasi interpretasi komparatif.
Flowchart
Results & Discussion
1. Hasil Simulasi Komputasi
Analisis komputasi menghasilkan plot yang memvisualisasikan Laju Perpindahan Panas Radiasi () terhadap Luas Permukaan (
) untuk empat material terpilih pada dua tingkat suhu (Gambar 1).
Hasil simulasi mengonfirmasi dan mengilustrasikan secara kuat Hukum Stefan-Boltzmann, menyoroti bagaimana emisivitas dan suhu berinteraksi untuk menentukan laju perpindahan panas radiasi.
Conclusion and Recommendation
Tugas komputasi ini berhasil memodelkan dan memvisualisasikan ketergantungan laju perpindahan panas radiasi pada tiga variabel kunci. Secara numerik, telah dibuktikan bahwa meskipun berbanding lurus dengan
dan
, faktor suhu absolut yang dipangkatkan empat adalah pendorong utama laju radiasi total. Analisis perbandingan material menegaskan bahwa teknik pengolahan permukaan (seperti oksidasi atau pemolesan) adalah cara efektif untuk memodulasi
dan, akibatnya, mengontrol kinerja termal sistem.
Acknowledgments
Terimakasih kepada Prof. Ir. Ahmad Indra Siswantara, Ph. D selaku dosen komputasi teknik kemudian teman KKE serta bang Epsi yang membantu membuat tugas ini
Appendices
import numpy as np
import matplotlib.pyplot as plt
# —————————————————-
# 1. Konstanta dan Data Material
# —————————————————-
# Konstanta Stefan-Boltzmann (W/(m^2 * K^4))
SIGMA = 5.670e-8
# Data Logam dan Emisivitas (Minimal 10 Jenis)
logam_data = {
“Aluminium Teroksidasi”: 0.11,
“Tembaga Teroksidasi”: 0.78,
“Nikel Teroksidasi”: 0.35,
“Baja Karbon (Oksida)”: 0.79,
“Besi Cor (Oksida Berat)”: 0.64,
“Titanium Teroksidasi”: 0.61,
“Kromium Teroksidasi”: 0.81,
“Paduan Inconel”: 0.70,
“Emas Dipoles”: 0.02,
“Benda Hitam Ideal (Ref.)”: 1.00
}
# —————————————————-
# 2. Fungsi Perhitungan Radiasi Q
# —————————————————-
def hitung_radiasi(epsilon, A, T):
“””
Menghitung laju perpindahan panas radiasi (Q)
Q = epsilon * sigma * A * T^4
A diharapkan berupa array NumPy untuk perhitungan tervektorisasi.
“””
Q = epsilon * SIGMA * A * (T**4)
return Q
# —————————————————-
# 3. Fungsi Utama untuk Analisis dan Plotting
# —————————————————-
def analisis_radiasi_gabungan(material_list, T_celcius_list):
“””
Melakukan perhitungan Q untuk daftar material dan suhu yang diberikan,
kemudian memplot hasilnya terhadap Luas Permukaan (A).
“””
# Menggunakan gaya plot yang lebih profesional
plt.style.use(‘seaborn-v0_8-whitegrid’)
# Konversi suhu dari Celsius ke Kelvin
T_kelvin_list = [T_celsius + 273.15 for T_celsius in T_celcius_list]
# Rentang Luas Permukaan yang akan dianalisis (sumbu X)
Area_m2 = np.linspace(0.1, 10.0, 50)
# Area referensi untuk output kuantitatif
A_ref = Area_m2[-1] # Luas referensi = 10.0 m^2
plt.figure(figsize=(16, 10))
plt.title(
f’Analisis Laju Radiasi (Q) terhadap Luas Permukaan (A)\nPerbandingan Material dan Suhu Berdasarkan Hukum Stefan-Boltzmann ($Q \\propto \\epsilon A T^4$)’,
fontsize=16,
pad=20
)
print(f”\n— Hasil Kuantitatif (Q pada A = {A_ref:.1f} mยฒ) —“)
# Loop 1: Iterasi melalui setiap material yang dipilih
# Menggunakan plt.cm.tab10 untuk memberikan warna yang berbeda pada setiap material
for i, material in enumerate(material_list):
epsilon = logam_data.get(material)
if epsilon is None:
print(f”Peringatan: Material ‘{material}’ tidak ditemukan dalam data.”)
continue
# Loop 2: Iterasi melalui setiap tingkat suhu yang dipilih
for j, (T_kelvin, T_celcius) in enumerate(zip(T_kelvin_list, T_celcius_list)):
# Hitung Q (vektorisasi)
Q_values = hitung_radiasi(epsilon, Area_m2, T_kelvin)
# Cari nilai Q pada Area referensi (A_ref = 10.0 m^2)
Q_max = Q_values[-1]
# Label plot menggabungkan Material dan Suhu
label_plot = f'{material} ($\epsilon$={epsilon:.2f}) | T={T_celcius:.0f}ยฐC’
# Plot hasil dengan skema warna yang konsisten per material
plt.plot(
Area_m2,
Q_values,
label=label_plot,
linewidth=3 if epsilon == 1.0 else 2, # Tebalkan garis Benda Hitam sebagai referensi
linestyle=’–‘ if j > 0 else ‘-‘, # Garis putus-putus untuk Suhu Tinggi, garis penuh untuk Suhu Rendah
color=plt.cm.tab10(i) # Warna berbeda untuk setiap material
)
# Cetak hasil kuantitatif
# Gunakan format koma untuk pemisah ribuan agar mudah dibaca
print(f”[{material}, {T_celcius:.0f}ยฐC]: Q = {Q_max:,.0f} Watt”)
# Pengaturan Grafik
plt.xlabel(‘Luas Permukaan Logam (A) [$m^2$]’, fontsize=14, labelpad=10)
plt.ylabel(‘Laju Perpindahan Panas Radiasi (Q) [Watt]’, fontsize=14, labelpad=10)
# Grid dan Ticks
plt.tick_params(axis=’both’, which=’major’, labelsize=12)
# Legenda di luar plot
plt.legend(
loc=’upper left’,
bbox_to_anchor=(1.01, 1),
borderaxespad=0.,
title=”Skenario Analisis ($\epsilon$ dan $T$)”,
fontsize=10
)
plt.tight_layout(rect=[0, 0, 0.75, 1]) # Sesuaikan layout agar legenda muat
# Tampilkan plot
plt.show()
print(“\n— Visualisasi Selesai —“)
# —————————————————-
# 4. Input Pilihan Variabel (Contoh Penggunaan)
# —————————————————-
# DAFTAR PILIHAN LOGAM YANG INGIN DIBANDINGKAN
# Pilih 4 material dengan emisivitas beragam
selected_materials = [
“Benda Hitam Ideal (Ref.)”,
“Baja Karbon (Oksida)”,
“Nikel Teroksidasi”,
“Emas Dipoles”
]
# DAFTAR PILIHAN SUHU YANG INGIN DIBANDINGKAN (dalam ยฐC)
# Pilih minimal 2 tingkat suhu
selected_temperatures_c = [
300.0, # Suhu Rendah-Menengah
700.0 # Suhu Tinggi
]
# Jalankan Analisis
analisis_radiasi_gabungan(selected_materials, selected_temperatures_c)
link video : https://www.youtube.com/watch?v=vJTLAxpnUfI
link drive : https://drive.google.com/drive/folders/16O4tQvJXDmXsMPY9A_GaHDRpDHHxJXxj
