A. Judul Proyek
Eksplorasi Optimasi Profil Kecepatan terhadap Keausan Ban Kendaraan Menggunakan Pendekatan Numerik
B. Nama Lengkap Penulis
Darryl Leonard William Wijaya (NPM: 2406352821)
C. Afiliasi
Kelas Metode Numerik 03, Departemen Teknik Mesin, Universitas Indonesia
D. Abstrak
Makalah ini menyajikan eksplorasi konseptual untuk menganalisis dan mengoptimalkan profil kecepatan operasional terhadap tingkat keausan ban menggunakan kerangka kerja DAI5. Metodologi ini mengintegrasikan kesadaran spiritual, niat etis keberlanjutan, dan prinsip dasar rekayasa tribologi. Karena penulis masih dalam tahap pemahaman awal algoritma numerik, model dibangun menggunakan idealisasi diskret sederhana untuk memetakan fenomena trade-off antara inefisiensi waktu operasional dan pengikisan material termal yang bersifat non-linear. Hasil komputasi pada jarak 500 km menunjukkan bahwa agregasi kedua penalti tersebut membentuk kurva “U”, dengan titik sweet spot teridentifikasi pada kecepatan 70,7 km/jam. Studi ini meletakkan fondasi logis sebelum implementasi scripting metode numerik yang lebih kompleks, sekaligus membuktikan bahwa efisiensi sistem harus berjalan beriringan dengan keawetan komponen.
E. Deklarasi Penulis
1. Deep Awareness (of) I
Penelitian ini dilandasi oleh kesadaran mendalam bahwa gaya gesek dan degradasi material adalah sunnatullah (ketetapan hukum alam) yang diciptakan oleh Tuhan Yang Maha Esa. Melalui penerapan Cara Cerdas Ingat Tuhan (CCIT), penulis menyadari bahwa setiap rumusan angka dalam komputasi ini adalah upaya manusiawi untuk merenungi dan mengelola keteraturan alam tersebut. Sebagai pembelajar, penulis menyadari keterbatasan bias kognitif dan asumsi yang digunakan, serta berkomitmen untuk menyajikan hasil secara jujur. Pendekatan numerik ini bukan sekadar alat hitung, melainkan instrumen pertanggungjawaban etis insinyur agar sumber daya (material ban) yang diamanahkan Tuhan tidak terbuang sia-sia akibat kecerobohan operasional.
2. Niat Kegiatan Proyek
Niat utama dari eksplorasi ini adalah membangun pemahaman fundamental optimasi numerik yang berorientasi pada nilai keberlanjutan (sustainability). Proyek ini diniatkan untuk mencari solusi teknik yang tidak hanya menguntungkan secara ekonomi (waktu yang cepat), tetapi juga etis terhadap lingkungan (mengurangi limbah ban akibat keausan prematur).
F. Pendahuluan
Sistem ban merupakan komponen esensial pada hampir semua kendaraan mekanis darat yang berfungsi sebagai pentransmisi energi kinetik melalui mekanisme gesekan dengan permukaan. Meskipun perannya vital, seringkali fokus operasional hanya ditekankan pada pencapaian waktu tempuh sesingkat mungkin, mengabaikan fakta bahwa kecepatan tinggi memicu lonjakan energi termal yang menghancurkan material ban secara eksponensial.
Pemikiran Awal (tentang Masalah):
- Menganalisis Masalah Secara Sistematis:Masalah utamanya adalah adanya trade-off (tarik-ulur) operasional. Melaju pelan membuat ban sangat awet, namun mengakibatkan inefisiensi waktu. Sebaliknya, melaju dengan kecepatan maksimal menghemat waktu, tetapi mengakibatkan keausan fatal pada ban sebelum target jarak tercapai.
- Sorotan Penelitian Sebelumnya dan Kesenjangan yang Ada:Banyak studi keausan (tribologi) berfokus pada inovasi material karet ban itu sendiri. Di sisi lain, operator sistem biasanya tidak memiliki alat komputasi matematis yang mudah diakses untuk menentukan di kecepatan berapa mereka harus beroperasi agar seimbang. Terdapat kesenjangan edukasi numerik untuk optimasi tingkat pengguna (operasional).
- Mengurai Masalah:Isu keausan ini diurai menjadi dua tantangan spesifik matematis: (1) Menghitung fungsi penalti waktu (t = s/v), dan (2) Menghitung fungsi laju keausan (wear rate) yang dipengaruhi oleh gesekan linear dan efek termal non-linear.
- Dekonstruksi ke Prinsip-Prinsip Dasar:Operasi ini bertumpu pada prinsip dasar fisika mekanika klasik (hambatan gesek) dan termodinamika dasar (pembangkitan panas akibat gesekan kecepatan tinggi yang melunakkan material polimer karet).
- Analisis State-of-the-Art:Saat ini, optimasi ban sering mengandalkan simulasi Finite Element Analysis (FEA) yang sangat berat dan mahal. Diperlukan pendekatan metode numerik sederhana (seperti algoritma scalar minimization) yang dapat dijalankan dengan komputasi ringan (seperti bahasa pemrograman Python) untuk memberikan estimasi parameter awal yang cukup akurat bagi para desainer atau operator.
G. Metode & Langkah-langkah Solusi
1. Idealisasi:
Untuk memfasilitasi pemahaman konseptual awal, model disederhanakan dengan asumsi berikut (yang merepresentasikan idealisasi fisika murni tanpa faktor eksternal tak terduga):
- Jarak operasional ditetapkan konstan sejauh 500 km dengan asumsi kondisi lintasan homogen dan cuaca standar.
- Model Laju Keausan diasumsikan terdiri dari dua komponen: Gesekan dasar (linear, berbanding lurus dengan v) dan Efek termal/aerodinamis (kuadratik, berbanding lurus dengan v^2).
- Batas kegagalan fungsional ban (failure limit) ditetapkan pada ketebalan 20 unit.
2. Instruksi (Set):
Langkah-langkah perancangan komputasi dilakukan secara iteratif sebagai berikut:
- Pendefinisian Parameter: Menetapkan jarak tempuh (s = 500 km) dan rentang eksplorasi kecepatan operasional (20 =< v <= 120 km/jam).
- Pemodelan Fungsi Objektif: Merumuskan fungsi Biaya Total (C) yang merupakan penjumlahan dari Waktu Tempuh (t) dan Total Keausan.
- Eksekusi Simulasi: Menghitung agregasi biaya dan estimasi umur pakai pada matriks kecepatan diskret untuk melihat pembentukan tren data secara manual.
- Optimasi Numerik: (Rencana implementasi) Menggunakan algoritma Bounded Scalar Minimization pada perangkat lunak komputasi untuk mencari nilai minimum presisi secara otomatis.
- Validasi Fisik: Menerjemahkan angka matematis ke dalam interpretasi fisik dunia nyata untuk memastikan solusi yang didapat masuk akal secara keteknikan.
H. Hasil dan Diskusi
Berdasarkan pendekatan idealisasi yang dilakukan, komputasi konseptual menghasilkan matriks data operasional (lihat Lampiran B). Secara interpretasi fisik, data menunjukkan fenomena ekstrem di kedua sisi spektrum kecepatan:
- Pada v = 30 km/jam, ban mampu bertahan sangat lama (41,6 jam), namun sistem kehilangan efisiensinya karena memakan waktu 16,6 jam untuk menyelesaikan rute 500 km.
- Pada v = 120 km/jam, perjalanan sangat cepat (4,1 jam), namun wear rate meroket tak terkendali. Umur ban anjlok menjadi 4,9 jam, menempatkan sistem pada risiko kegagalan struktural kritis.
Kurva Trade-off dan Sweet Spot
Agregasi matematis dari kedua variabel tersebut membentuk grafik kurva “U” (Lampiran A). Hasil komputasi numerik mengidentifikasi bahwa titik minimum mutlak (Biaya Total terendah) berada pada sweet spot 70,7 km/jam. Pada titik kompromi ini, efisiensi waktu terjaga dengan baik (waktu tempuh 7 jam) dan integritas keberlanjutan material terpenuhi (sisa umur pakai ban masih 11,7 jam). Hal ini membuktikan bahwa efisiensi tidak selalu berarti “secepat mungkin”, melainkan optimasi keseimbangan sistem.
I. Kesimpulan, Penutup, Rekomendasi
Penerapan kerangka DAI5 dalam analisis numerik ini berhasil menyadarkan penulis bahwa penyelesaian masalah teknik harus memadukan ketajaman matematis dengan kesadaran lingkungan. Titik optimal operasional ban (70,7 km/jam) terbukti secara matematis sebagai solusi yang mengurangi keborosan material (sustainability) sekaligus mempertahankan produktivitas operasional.
Sebagai rekomendasi lanjutan, penulis bermaksud mengimplementasikan logika matematis ini ke dalam penulisan script komputasi (menggunakan bahasa Python dan library SciPy) agar algoritma pencarian titik minimum ini dapat bekerja secara otomatis merespons parameter material ban komersial yang lebih spesifik dan nyata.
J. Ucapan Terima Kasih
Penulis mengucapkan terima kasih kepada Prof. DAI atas bimbingan mata kuliah Metode Numerik yang tidak hanya mentransfer ilmu eksak, tetapi juga menanamkan kesadaran etis dan spiritual melalui kerangka DAI5, sehingga mengubah cara pandang penulis terhadap nilai rekayasa keteknikan.
K. Referensi yang Dikutip
- Wong, J. Y. (2008). Theory of Ground Vehicles (4th Edition). John Wiley & Sons.Tautan: https://www.wiley.com/en-us/Theory+of+Ground+Vehicles
- Grosch, K. A. (1996). The Speed and Temperature Dependence of Rubber Friction and Its Bearing on the Skid Resistance of Tires. Rubber Chemistry and Technology, 69(3), 495-504.Tautan DOI: https://doi.org/10.5254/1.3538383
- Chapra, S. C., & Canale, R. P. (2014). Numerical Methods for Engineers (7th Edition). McGraw-Hill Education.Tautan: https://www.mheducation.com/highered/product/numerical-methods-engineers
- Virtanen, P., Gommers, R., Oliphant, T. E., et al. (2020). SciPy 1.0: fundamental algorithms for scientific computing in Python. Nature Methods, 17, 261–272.Tautan DOI: https://doi.org/10.1038/s41592-019-0686-2
L. Lampiran
Lampiran A: Grafik Konseptual Optimasi Kecepatan (Kurva U)

Gambar 1: Kurva pembentukan Biaya Total yang menunjukkan fenomena tarik-ulur (trade-off) antara inefisiensi waktu dan keausan ban.
Lampiran B: Tabel Perhitungan Konseptual Parameter Keausan (Jarak 500 km)
(Asumsi: Batas maksimal keausan ban sebelum gagal fungsi = 20 unit)
| Kecepatan | Waktu Tempuh | Laju Aus (Wear Rate) | Umur Bertahan Ban | Biaya Total | Keterangan Fisik |
| 30 km/jam | 16,6 jam | 0,48 unit/jam | 41,6 jam | 24,6 | Sangat lambat, inefisien |
| 50 km/jam | 10,0 jam | 1,00 unit/jam | 20,0 jam | 20,0 | Operasional cukup seimbang |
| 70,7 km/jam | 7,0 jam | 1,70 unit/jam | 11,7 jam | 19,1 | Optimal (Sweet Spot) |
| 90 km/jam | 5,5 jam | 2,52 unit/jam | 7,9 jam | 19,5 | Mulai terjadi panas berlebih |
| 120 km/jam | 4,1 jam | 4,08 unit/jam | 4,9 jam | 21,1 | Keausan termal fatal |
Lampiran C: Draf Kerangka Algoritma (Pseudo-script Python)
Python
import numpy as np
from scipy.optimize import minimize_scalar
jarak_tempuh = 500 # Jarak idealisasi dalam km
# Model Laju Keausan (Linear + Kuadratik termal)
def laju_keausan(v):
return (0.01 * v) + (0.0002 * v**2)
def estimasi_umur_pakai(v):
batas_keausan = 20
return batas_keausan / laju_keausan(v)
# Fungsi Objektif (Biaya Total)
def fungsi_objektif(v):
if v <= 0: return float('inf') # Menghindari error fisika
waktu_tempuh = jarak_tempuh / v
total_keausan = laju_keausan(v) * waktu_tempuh
return waktu_tempuh + total_keausan
# Eksekusi Optimasi Terkendala (Constrained Optimization)
hasil_optimasi = minimize_scalar(fungsi_objektif, bounds=(20, 120), method='bounded')
Lampiran D: Flow Chart Laporan
