Untuk melakukan curve fitting pada data yang diberikan, kita dapat menggunakan berbagai metode, seperti regresi linier, polinomial, atau eksponensial, tergantung pada pola data. Dalam kasus ini, kita akan menggunakan Python dengan library numpy dan scipy untuk melakukan curve fitting.
Berikut adalah langkah-langkah untuk melakukan curve fitting:

1. Membaca Data: Membaca data dari file CSV seperti di bawah:

2. Memilih Data: Memilih data untuk sumbu X (ARAH-I) dan sumbu Y (TEMPERATUR).

3. Curve Fitting: Melakukan curve fitting dengan fungsi yang sesuai.

4. Plotting: Menampilkan hasil curve fitting bersama dengan data asli.

Kode Python

import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit

# Data dari file CSV
x_data = np.array([1.00000E-01, 2.00000E-01, 3.00000E-01, 4.00000E-01, 5.00000E-01, 
                   6.00000E-01, 7.00000E-01, 8.00000E-01, 9.00000E-01])
y_data = np.array([3.22739E+02, 3.42070E+02, 3.50580E+02, 3.54316E+02, 3.55220E+02, 
                   3.53630E+02, 3.48646E+02, 3.36931E+02, 3.07665E+02])

# Definisi fungsi untuk curve fitting
def linear_func(x, a, b):
    return a * x + b

# Melakukan curve fitting
params, covariance = curve_fit(linear_func, x_data, y_data)

# Menampilkan parameter hasil fitting
a, b = params
print(f"Fitted parameters: a = {a}, b = {b}")

# Membuat data untuk plotting hasil fitting
x_fit = np.linspace(min(x_data), max(x_data), 100)
y_fit = linear_func(x_fit, *params)

# Plotting data asli dan hasil fitting
plt.scatter(x_data, y_data, label='Data Asli')
plt.plot(x_fit, y_fit, label='Curve Fitting', color='red')
plt.xlabel('ARAH-I (M)')
plt.ylabel('TEMPERATUR (K)')
plt.title('Curve Fitting Data Temperatur')
plt.legend()
plt.show()

Hasil Curve Fitting

Link HTML:

PERSAMAAN DARI CURVE FITTING

y = ax² + bx + c

y = -500x² + 800x + 300

Untuk mengubah persamaan temperatur menjadi persamaan flux panas dengan AI, kita perlu menggunakan Hukum Fourier tentang konduksi panas. Setelah itu, kita dapat menghitung daya (P) dengan mengintegralkan flux panas (q) terhadap luas area (A).

Prompting ke AI Menggunakan DeepSeek

Persamaan flux panas: q = 50000x − 40000 (W/m²)

Daya: P = -1575 W (arah aliran panas ke arah negatif x).

Menghitung Daya Menggunakan Prompting AI

HASIL AKHIR

Daya Total: P = −1575 W

Persebaran Daya:

• Pada x = 0.1 m, P = −375W
• Pada x = 0.5 m, P = −1375W
• Pada x = 0.9 m, P = −1575W

Plot persebaran daya akan menunjukkan bagaimana daya berubah sepanjang posisi x.

Kode Python Persebaran Daya dari AI

import numpy as np
import matplotlib.pyplot as plt

# Data dari file CSV
posisi_i = np.array([0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9])
temperatur = np.array([322.739, 342.070, 350.580, 354.316, 355.220, 353.630, 348.646, 336.931, 307.665])

# Buat grid 2D (contoh dengan 10 posisi J)
posisi_j = np.arange(1, 11)
temperatur_2d = np.zeros((len(posisi_j), len(posisi_i)))

# Isi data pada J=2 (indeks 1)
temperatur_2d[1, :] = temperatur

# Contoh: Asumsikan simetri untuk mengisi grid
for j in range(len(posisi_j)):
    if j != 1:
        temperatur_2d[j, :] = temperatur  # Atau gunakan metode lain seperti simetri/interpolasi

# Visualisasi
plt.imshow(temperatur_2d, cmap='hot', aspect='auto', extent=[posisi_i.min(), posisi_i.max(), posisi_j.min(), posisi_j.max()])
plt.colorbar(label='Temperatur (K)')
plt.xlabel('Posisi I (m)')
plt.ylabel('Posisi J')
plt.title('Persebaran Temperatur 2D')
plt.show()

Diagram tersebut menunjukkan Persebaran Temperatur 2D, dengan posisi I (m) pada sumbu x dan posisi J pada sumbu y. Warna pada diagram mewakili suhu dalam Kelvin (K), dengan skala warna yang menunjukkan suhu dari 310K (hitam) hingga 350K (putih).

• Distribusi Temperatur: Terlihat bahwa temperatur bervariasi di berbagai posisi. Pada posisi I sekitar 0.1 m, temperatur cenderung rendah (sekitar 310K), sedangkan pada posisi I sekitar 0.9 m, temperatur cenderung tinggi (sekitar 350K).
• Gradien Temperatur: Ada gradien temperatur yang signifikan dari kiri ke kanan pada diagram. Ini menunjukkan perpindahan panas dari area yang lebih panas ke area yang lebih dingin.