FISIKA KOMPUTASI II
LAPORAN
PRAKTIKUM FISIKA KOMPUTASI II
I. Nomor Percobaan : II
II. Nama Percobaan : Metode Beda Hingga : PDP Parabolik
III. Tujuan Percobaan :
Membuat program komputer (script Matlab(TM)) aplikasi metode beda hingga pada
kasus fisika terkait persamaan diferensial parsial tipe parabolik.
kemungkinan terjadinya ketidakstabilan hitungan. Oleh karena itu dikaji pula stabilitas
skema eksplisit dengan cara mengambil beberapa nilai dari ∆t. Tafsiran grafis secara
intuisi aliran panas yang akan melalui medium padat seperti gambar berikut ini:
Distribusi panas terjadi dari suatu tempat yang memiliki temperatur tinggi ke
tempat lain yang bertemperatur rendah. Pada suatu proses pekerjaan di bidang industri
dibutuhkan pemasukan ataupun pengeluaran panas untuk mencapai dan
mempertahankan keadaan suhu tertentu sesuai kebutuhan. Distribusi panas terjadi
karena adanya gaya dorong yaitu perbedaan temperatur. Jika suatu benda ingin
dipanaskan maka harus ada benda lain yang memiliki temperatur lebih panas. Demikian
pula sebaliknya jika ingin mendinginkan suatu benda maka diperlukan juga benda lain
yang bertemperatur lebih rendah.
Pada proses distribusi panas konduksi satu dimensi maka panas hanya merambat
dalam satu arah, misalnya hanya pada arah sumbu x. Persamaan distribusi panas
konduksi satu dimensi dimodelkan dengan persamaan difusi yang merupakan suatu ben-
𝜕𝑢 𝜕𝑣 𝜕2 𝑢
𝑢 + 𝜕𝑦 = v (4.5)
𝜕𝑥 𝜕𝑦2
Persamaan-persamaan aliran lapisan batas (4.4 dan 4.5) adalah persamaan parabolik.
Secara umum penyelesaian dari persamaan-persamaan diferensial parsial non linier
(seperti persamaan lapisan batas diatas) sangat sulit untuk diperoleh. Namun dengan
menerapkan transformasi koordinat secara cerdik dan mengubah variabel-variabel,
Blasius meringkas persamaan diferensial parsial menjadi persamaan diferensial biasa
yang dapat dipecahkannya (Munson dkk., 2005).
V. Algoritma
Step 1: Mulai
Step 2: Inisialisasi n = 9, alpha = 1.0, k = 0.0005, h = 0.1, lambda, i, pi, suhu, w0,
Matriks A, iterasi = 1000, j, w.
(alpha2 ) 𝑥 𝑘
Step 3: Proses lambda = ℎ2
Step 4: Proses suhu (i) = sin (𝑝𝑖 𝑥 𝑖 𝑥 0.1), lakukan perulangan untuk i = 1
sampai n
Step 5: Proses w0(i,1) = suhu (i), lakukan perulangan untuk i = 1 sampai n
Step 6: Proses matriks A = (1-2*lambda) lambda 0 0 0 0 0 0 0
lambda (1-2*lambda) lambda 0 0 0 0 0 0
0 lambda (1-2*lambda) lambda 0 0 0 0 0
0 0 lambda (1-2*lambda) lambda 0 0 0 0
0 0 0 lambda (1-2*lambda) lambda 0 0 0
0 0 0 0 lambda (1-2*lambda) lambda 0 0
0 0 0 0 0 lambda (1-2*lambda) lambda 0
0 0 0 0 0 0 lambda (1-2*lambda) lambda
0 0 0 0 0 0 0 lambda (1-2*lambda)
Step 7: Cetak “Perkalian Matriks”, lakukan perulangan untuk k = 1 sampai 1000
Step 8: Proses matriks w (i,1) = 0, lakukan perulangan untuk i = 1 sampai n
Step 9: Proses matriks w (i,1) = matriks w (i,1) + matriks A (i,j) x matriks w0 (j,1),
lakukan perulangan untuk j = 1 sampai n dan perulangan i = 1 sampai n.
Step 10: Cetak w
Step 11: Proses w0 = w
Step 12: Selesai
VI. Flowchart
Mulai
(alpha2 ) 𝑥 𝑘
Proses lambda = ℎ2
(1-2*lambda) lambda 0 0 0 0 0 0 0
lambda (1-2*lambda) lambda 0 0 0 0 0 0
0 lambda (1-2*lambda) lambda 0 0 0 0 0
0 0 lambda (1-2*lambda) lambda 0 0 0 0
Proses matriks A= 0 0 0 lambda (1-2*lambda) lambda 0 0 0
0 0 0 0 lambda (1-2*lambda) lambda 0 0
0 0 0 0 0 lambda (1-2*lambda) lambda 0
0 0 0 0 0 0 lambda (1-2*lambda) lambda
0 0 0 0 0 0 0 lambda (1-2*lambda)
Perulangan untuk k = 1 sampai 1000
A
Perulangan untuk i = 1 sampai n
Cetak w
Proses w0 = w
Selesai
VII. Listing
%Modul FDM-2
%Distribusi panas bergantung waktu 1D
%FDM Forward Difference
clear all
clc
format long;
n=9;
alpha=1.0;
k=0.0005;
h=0.1;
%Menghitung lambda
lambda=(alpha^2)*k/(h^2);
% Kondisi awal
for i=1:n
suhu(i)=sin(pi*i*0.1);
end
iterasi=1000;
for k=1:iterasi
disp(’perkalian matriks’)
%======================================
for i=1:n
w(i,1)=0.0;
end
for i=1:n
for j=1:n
w(i,1)=w(i,1)+A(i,j)*w0(j,1);
end
end
%====================================
w
w0=w;
end
𝜕𝑢 𝜕 2𝑢
− 𝛼 2 2 (𝑥, 𝑡) = 0
𝜕𝑡 𝜕𝑥
A = 𝛼 2 , B = 0, dan C = 0
Maka nilai diskriminanya sama dengan nol. Sesuai dengan pernyataan bahwa
PDP Parabolik memiliki nilai deskriminan 𝑏 2 − 4𝑎𝑐 = 0
2. - FDM forward difference, digunakan untuk mencari nilai suatu fungsi jika
independent variablenya digeser ke depan (makanya namanya forward
difference) sebesar ∆x. Sederhananya, jika kita tahu f(x), maka forward
differenve mencari berapakah f(x+∆x).
- FDM backward difference.digunakan untuk mencari nilai suatu fungsi jika
independent variablenya digeser ke belakang sebesar ∆x. Jika kita tahu f(x),
maka backward difference mencari berapakah f(x-∆x).
-Telah diketahui bahwa FDM forward dan backward memiliki local trucnction
atau galat pemotongan. 𝑂(𝑘 + ℎ2 ), dengan 𝑂(𝑘) merupakan galat yang muncul
dari aproksimasi turunan pertama pada diferensial maju atau diferensial mundur
dalam waktu dan 𝑂(ℎ2 ) merupakan galat yang muncul dari aproksimasi turunan
kedua dalam ruang (saham). Metode Crank-Nicolson merupakan salah satu dari
beberapa metode beda hingga yang memiliki kestabilan tanpa syarat dan nilai
error-nya paling kecil dibandingkan metode-metode lainnya.
Solusi Analitik:
2 × 0,5 )
𝑤𝑎𝑛𝑎𝑙𝑖𝑡𝑖𝑘 (1,i) = e( −π × sin (π × x(1,i))
x(1,i) = i × h x(1,1) = 1 × 0,1 = 0,1
x(1,2) = 2 × 0,1 = 0,2
x(1,3) = 3 × 0,1 = 0,3
x(1,4) = 4 × 0,1 = 0,4
x(1,5) = 5 × 0,1 = 0,5
x(1,6) = 6 × 0,1 = 0,6
x(1,7) = 7 × 0,1 = 0,7
x(1,8) = 8 × 0,1 = 0,8
X. Analisa
Persamaan diferensial parsial parabolik dalam penyelesaian kasus distribusi
panas bergantung waktu satu dimensi dapat diselesaikan dengan metode forward
difference maupun backward difference. Pada listing program terdapat iterasi k=0.0005;
yang bekerja pada waktu maksimum 0.5 detik yang berarti setiap 0.5 detiknya terdapat
seribu kali iterasi data. Dengan demikian perubahan waktu tercatat pada interval k dan
pada bidang horizontalnya terdapat titik simulasi yang berjarak h = 0.1 yang memenuhi
setiap titik dari mesh point. Sementara, sumbu vertikal menunjukan perubahan dari
waktu ke waktu dengan interval waktu sama dengan k dan karena α = 1, h = 0,1 dan k =
0,0005.
Dikarenakan nilai alpha telah diketahui sama dengan satu, maka nilai lambda
dapat dicari dengan rumusan alpha kuadrat dikali k dibadi dengan h kuadrat yang
hasilnya sama dengan 0,05. Setelah nilai lamda diketahui persamaan lanjar dari kasus
distribusi panas dapat diketahui, dengan menyusun sistem persamaan lanjar kedalam
iterasi dalam rumusan listing 𝑤(𝑖, 1) = 𝑤(𝑖, 1) + 𝐴(𝑖, 𝑗) ∗ 𝑤0(𝑗, 1) dapat dibuat
representasi matriks 𝐴𝑤 (𝑗) = 𝑤 (𝑗+1) dimana perhitungan dimulai dari j = 0 dan dengan
memasukkan syarat kondisi awal 𝑢(𝑥, 0) = sin 𝜋𝑥, 0 ≤ 𝑥 ≤ 1 nilai untuk masing-
masing u dapat diketahui, setelahnya notasi u diubah menjadi notasi w yang
menghasilkan nilai distribusi panas di masing-masing titik mesh point setelah selang
waktu 0,0005 detik dan proses perhitungan terus menerus diulang sampai mencapai
waktu maksimum, jika waktu maksimum adalah 0,5 detik maka iterasi yang terjadi
sebanyak 1000 kali.
Iterasi disini hanya untuk perulangan, banyaknya iterasi yang dilakukan pada
program tidak akan mempengaruhi tingkat ketelitian hasil yang didapat. Namun, tingkat
ketelitian yang didapat dipengaruhi oleh interval. Dengan kata lain pula, semakin
banyaknya mesh point maka hasil yang di dapakan akan lebih baik. Dari tabel hasil
pengamatan, berdasarkan perhitungan manual yang dilakukan, hasil yang didapat tidak
berbeda jauh dari nilai yang didapat pada perhitungan matlab. Hal ini dapat dilihat pada
tabel perbandian errornya yang bernilai berkisar 2.88% saja.
(3,1) = 0.8050605 + 0 × 1
(3,1) = 0.8050605
Untuk i=3 dan j=6
(𝑖, 1) = 𝑤(𝑖, 1) + 𝐴(𝑖, 𝑗) × 𝑤0(𝑗, 1)
XII. Kesimpulan
1. Pada listing program terdapat iterasi k=0.0005; yang bekerja pada waktu
maksimum 0.5 detik yang berarti setiap 0.5 detiknya terdapat seribu kali iterasi
data.
2. notasi u diubah menjadi notasi w yang menghasilkan nilai distribusi panas di
masing-masing titik mesh point setelah selang waktu 0,0005 detik dan proses
perhitungan terus menerus diulang sampai mencapai waktu maksimum.
3. banyaknya iterasi yang dilakukan pada program tidak akan mempengaruhi
tingkat ketelitian hasil yang didapat.
4. Dari tabel hasil pengamatan, berdasarkan perhitungan manual yang dilakukan,
hasil yang didapat tidak berbeda jauh dari nilai yang didapat pada perhitungan
matlab.
DAFTAR PUSTAKA
Monado, F., KorIyanti, E., dan Ariani, M., 2018. Modul Praktikum Fisika Komputasi II.
Indralaya : Universitas Sriwijaya.
Munson, B. R., Young, D. F ., dan Okiishi, T, H., 2005. Mekanika Fluida Jilid 2.
Jakarta: Erlangga.
Rebetor , I. dan Noorbaity, 2012. Aproksimasi Distribusi Panas dengan Menggunakan
Metode Forward-Backward Difference. Jurnal Politeknologi, 3(11): 265-266.
Sulistyono, B. A., 2015. Aplikasi Metode Beda Hingga Skema Eksplisit pada
Persamaan Konduksi Panas. Jurnal Math Educator Nusantara, 1(1) : 41-42.