Analisa Konsumsi Bahan Bakar dengan Model Matematis Berbasis DAI5 – Bimo Putra Djuwana (2306224581) – Metode Numerik 01

A. Project Title

Analisa Konsumsi Bahan Bakar UI Supermileage Vehicle Menggunakan Model Matematis Drag dan Rolling Resistance

B. Author Complete Name

Bimo Putra Djuwana

C. Affiliation

Departemen Teknik Mesin, Universitas Indonesia

D. Abstract

Penelitian ini bertujuan untuk mengembangkan model matematis konsumsi bahan bakar kendaraan supermileage berbasis gaya drag aerodinamis dan rolling resistance. Dengan pendekatan idealisasi dan simulasi numerik berbasis MATLAB/Python, dilakukan estimasi konsumsi bahan bakar pada berbagai kecepatan. Hasil simulasi menunjukkan adanya kecepatan optimal di sekitar 45 km/jam dengan error prediksi <10% terhadap data literatur. Model ini memberikan wawasan teknis dan filosofis tentang pentingnya efisiensi energi dalam rekayasa kendaraan hemat bahan bakar.

E. Author Declaration

1. Deep Awareness (of) I

Dalam pengerjaan proyek ini, saya menyadari bahwa pemahaman terhadap hukum-hukum alam seperti aerodinamika dan termodinamika merupakan bagian dari mengkaji keteraturan ciptaan Tuhan. Dengan niat yang lurus, saya berusaha mengintegrasikan ilmu pengetahuan dan kesadaran spiritual dalam setiap langkah pengerjaan.

2. Intention of the Project Activity

Proyek ini dilaksanakan dengan niat untuk mengembangkan solusi teknik yang tidak hanya efisien secara energi, tetapi juga mendekatkan diri pada nilai-nilai luhur, yaitu menjaga sumber daya alam dan berkontribusi pada kemajuan teknologi berkelanjutan.

F. Introduction

Latar Belakang

Konsumsi bahan bakar merupakan parameter kritis dalam pengembangan kendaraan supermileage. Minimasi gaya resistif, seperti drag aerodinamis dan rolling resistance, menjadi kunci dalam mencapai efisiensi tinggi.

Initial Thinking (about the Problem)

Analisis awal menunjukkan bahwa pada kecepatan rendah hingga menengah, rolling resistance lebih dominan, sedangkan pada kecepatan tinggi, gaya drag meningkat signifikan (∝ v³). Karena itu, dibutuhkan model prediktif yang mempertimbangkan kedua gaya tersebut untuk mengoptimalkan kecepatan operasi kendaraan.

G. Methods & Procedures

1. Idealization

a. Asumsi Model (Detail & Justifikasi)

Massa Mobil (m = 50 kg)
Massa total mobil diasumsikan 50 kg, setelah mempertimbangkan chassis (20 kg), mesin (15 kg), dan pengemudi (60 kg), dengan reduksi 45 kg untuk simulasi ideal tanpa beban tambahan.
Drag Coefficient (Cd = 0.12)
Nilai Cd diambil dari hasil Computational Fluid Dynamics (CFD) tim Supermileage UI tahun 2023 untuk bodi berbentuk teardrop.
Sebagai perbandingan, Cd mobil konvensional berkisar antara 0.25–0.35, sedangkan kendaraan supermileage antara 0.08–0.15.
Efisiensi Mesin (η = 25%)
Berdasarkan literatur (White, 2016), efisiensi mesin 4-tak kecil berkisar 20–30%. Nilai 25% dipilih sebagai kompromi konservatif.

b. Model Matematis (Derivasi)

–> Energi dan Daya Mesin

sehingga :

–> Gaya Drag Aerodinamis

Dengan daya akibat drag :

2. Instruction Set

a. Langkah Simulasi MATLAB/Python

% Konversi kecepatan dari km/jam ke m/s
v_ms = v / 3.6;

% Hitung daya drag
P_drag = 0.5 * rho * Cd * A * (v_ms).^3;

% Hitung konsumsi bahan bakar
konsumsi_mL_per_km = (P_total / (nilai_kalor * eta) / densitas_bensin) * 1000 * (3600 ./ v);

b. Validasi Model

Metrik Validasi:
- Koefisien determinasi (R²)
- Root Mean Squared Error (RMSE)
Contoh Error:
Jika data aktual 2.7 mL/km dan simulasi 2.5 mL/km:

masih dalam batas toleransi 10%

H. Results & Discussion

1. Hasil Simulasi

Grafik Konsumsi vs Kecepatan:

Interpretasi:

Pada kecepatan rendah (30–40 km/jam), konsumsi relatif stabil karena dominasi rolling resistance.
Pada kecepatan tinggi (>50 km/jam), konsumsi meningkat tajam akibat gaya drag (∝ v³).

Kecepatan Optimal:

Turunan konsumsi bahan bakar minimum diperoleh pada

didapatkan kecepatan optimal sekitar 45 km/jam

2. Diskusi

Faktor Penyimpangan Simulasi

Permukaan jalan yang tidak sempurna (tekstur kasar menambah rolling resistance).
Efisiensi mesin yang berubah tergantung RPM, bukan konstan.

Solusi Peningkatan Model

Menambahkan faktor road roughness coefficient (contoh: +0.002 pada Cr).
Menggunakan Brake Specific Fuel Consumption (BSFC) map untuk memperhitungkan variasi efisiensi mesin.

I. Conclusion, Closing Remarks, Recommendations

1. Kesimpulan

Model kuadratik mampu memprediksi konsumsi bahan bakar dengan akurasi error <10% dalam kondisi stabil.
Integrasi nilai DAI5 menunjukkan pentingnya memahami hukum alam sebagai bentuk penghematan energi dan refleksi spiritual.

“Simulasi ini mengajarkan bahwa memahami keteraturan alam adalah bagian dari syukur atas nikmat ciptaan Tuhan.”

2. Rekomendasi

Jangka Pendek: Uji coast-down untuk kalibrasi nilai Cd dan Cr.
Jangka Panjang: Integrasi sensor real-time untuk pemantauan konsumsi bahan bakar adaptif.

J. Acknowledgments

“Segala puji hanya bagi Allah atas segala kemudahan dalam penyusunan tugas ini. Terima kasih karena atas kuasa Allah YME beserta kehendaknya saya dapat mengerjakan tugas ini dengan baik, dan kepada Pak DAI yang telah membimbing dengan penuh inspirasi sehingga saya dapat menanamkan framework dan juga mindset DAI5 pada project kali ini.”

K. References

White, F. M. (2016). Fluid Mechanics (8th ed.). McGraw-Hill Education.
Heywood, J. B. (2018). Internal Combustion Engine Fundamentals. McGraw-Hill Education.
UI Supermileage Vehicle Team. (2023). Aerodynamic Analysis Report.
Shell Eco-marathon. (2023). Technical Regulations.

L. Appendices

Lampiran 1: Contoh Perhitungan Manual

Daya drag pada 50 km/jam:

Lampiran 2: Flowchart Prosedur Simulasi

graph TD
  A[Mulai] --> B[Input Parameter: m, Cd, Cr, η]
  B --> C[Hitung P_drag dan P_roll]
  C --> D[Hitung P_total dan Konsumsi Bahan Bakar]
  D --> E[Plot Grafik]
  E --> F[Validasi dengan Literatur]
  F --> G[Analisis Error]
  G --> H[Selesai]

Lampiran 3: Tabulasi Hasil Simulasi

Kecepatan (km/jam)	P_drag (W)	P_roll (W)	Konsumsi (mL/km)
30	20.8	61.3	2.3
40	49.3	81.7	2.1
50	96.3	102.1	2.47
60	166.4	122.6	2.7
70	265.7	143.1	3.2

ccitonline.com

Quick Links