Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian ini mengevaluasi performa algoritma dekomposisi LU dengan batasan serta metode iterasi Conjugate Gradient Method (CGM) dalam menentukan konduktivitas termal aluminium dan besi menggunakan metode Inverse Heat Conduction Problem (IHCP). IHCP digunakan untuk menyelesaikan masalah konduksi panas dengan menentukan parameter yang tidak diketahui seperti kondisi batas dan konduktivitas termal bergantung pada temperatur. Algoritma dekomposisi LU dengan batasan diimplementasikan dalam IHCP 2D untuk mengoptimalkan perhitungan distribusi temperatur. Simulasi pada pelat aluminium menunjukkan kesalahan absolut maksimum 1,22%, sementara eksperimen dengan isolasi penuh menunjukkan 1,83%. Prediksi konduktivitas termal menggunakan tembakan 10, 50, dan 100 W/mK menghasilkan nilai konduktivitas aluminium antara 233,693 hingga 240,659 W/mK dengan kesalahan maksimum 1,83%, dan besi antara 78,84 hingga 80,38 W/mK dengan kesalahan maksimum 1,74%. Kesimpulannya, variasi material, nilai konduktivitas termal, fluks panas, dan kondisi sistem tidak berdampak signifikan pada prediksi konduktivitas termal. Peningkatan peralatan uji dan metode pengukuran yang lebih akurat diperlukan untuk aplikasi praktis.

---

This study aims to evaluate the performance of the LU decomposition algorithm with constraints and the Conjugate Gradient Method (CGM) iteration in determining the thermal conductivity of aluminum and iron materials using the Inverse Heat Conduction Problem (IHCP) method. IHCP is applied to solve heat conduction problems, determining unknown parameters such as boundary conditions and temperature-dependent thermal conductivity. In this research, the LU decomposition algorithm with constraints was implemented in a 2D IHCP to optimize forward calculations for temperature distribution. Simulations on aluminum plates showed a maximum absolute error of 1.22%, while experiments with full insulation showed 1.83%. Thermal conductivity prediction using shots of 10, 50, and 100 W/mK revealed values for aluminum ranging from 233.693 to 240.659 W/mK with a maximum error of 1.83%, and for iron from 78.84 to 80.38 W/mK with a maximum error of 1.74%. The study concludes that material variation, thermal conductivity values, heat flux, and system conditions do not significantly impact thermal conductivity prediction. Therefore, more accurate testing equipment and measurement methods are necessary for practical applications."

"Penelitian ini mengevaluasi performa dua metode utama untuk menentukan konduktivitas termal pada kuningan dan stainless steel menggunakan Inverse Heat Conduction Problem (IHCP) 2 dimensi: dekomposisi LU dengan batasan dan Algoritma iterasi Conjugate Gradient Method (CGM) dengan Backpropagation Learning. Tujuan penelitian adalah menganalisis dampak variasi material, konfigurasi insulasi, tebakan nilai awal konduktivitas termal, dan daya pemanas terhadap hasil akhir konduktivitas termal. Metode CGM dipilih karena efisiensinya dalam menangani sistem persamaan linier besar, sementara dekomposisi LU efektif untuk matriks pentadiagonal. Simulasi dan eksperimen dilakukan untuk memvalidasi metode ini, dengan variasi daya pemanas dan tebakan awal nilai konduktivitas termal. Hasil menunjukkan bahwa pada pelat kuningan, prediksi konduktivitas termal simulasi berada diantara 110,157-111,659 dengan kesalahan absolut maksimum sebesar 0,76% dan prediksi konduktivitas termal eksperimen berada diantara 109,802-111,382 dengan kesalahan absolut maksimum sebesar 1,08% sedangkan pada pelat stainless steel, prediksi konduktivitas termal simulasi berada diantara 13,502-13,933 dengan kesalahan absolut maksimum sebesar 1,99% dan prediksi konduktivitas termal eksperimen berada diantara 13,502-13,951 dengan kesalahan absolut maksimum sebesar 2,16%. Peningkatan daya pemanas tidak mempengaruhi nilai konduktivitas termal, tetapi tebakan awal konduktivitas termal mempengaruhi jumlah iterasi yang dibutuhkan untuk mencapai nilai konduktivitas termal yang akurat. Penelitian ini juga menyoroti batasan seperti analisis dalam kondisi steady-state dan skala laboratorium eksperimen. Rekomendasi untuk penelitian mendatang mencakup pengaturan sistem tertutup pada eksperimen untuk mengontrol suhu lingkungan serta penerapan algoritma machine learning guna meningkatkan akurasi prediksi konduktivitas termal material. Secara keseluruhan, penelitian ini menegaskan bahwa metode yang digunakan efektif dalam memprediksi konduktivitas termal kuningan dan stainless steel, meskipun material dengan konduktivitas rendah cenderung memiliki kesalahan yang lebih besar dalam pengukuran dengan metode IHCP.

---

This research evaluates the performance of two primary methods for determining thermal conductivity in brass and stainless steel using the 2-dimensional Inverse Heat Conduction Problem (IHCP): LU decomposition with constraints and the iterative Conjugate Gradient Method (CGM) with Backpropagation Learning. The study aims to analyze the impact of material variation, insulation configuration, initial thermal conductivity guesses, and heating power on the final thermal conductivity results. CGM was chosen for its efficiency in handling large linear equation systems, while LU decomposition is effective for pentadiagonal matrices. Simulations and experiments were conducted to validate these methods, with variations in heating power and initial thermal conductivity guesses. The results show that for brass plates, simulated thermal conductivity predictions range between 110.157 and 111.659 with a maximum absolute error of 0.76%, and experimental predictions range between 109.802 and 111.382 with a maximum absolute error of 1.08%. For stainless steel plates, simulated thermal conductivity predictions range between 13.502 and 13.933 with a maximum absolute error of 1.99%, and experimental predictions range between 13.502 and 13.951 with a maximum absolute error of 2.16%. An increase in heating power does not affect the thermal conductivity values, but the initial thermal conductivity guesses influence the number of iterations required to achieve accurate thermal conductivity values. This research also highlights limitations such as the steady-state analysis and the laboratory-scale experiments. Recommendations for future research include implementing a closed-system setup in experiments to control ambient temperature and applying machine learning algorithms to improve the accuracy of thermal conductivity predictions. Overall, this study confirms that the methods used are effective in predicting the thermal conductivity of brass and stainless steel, although materials with low conductivity tend to have higher measurement errors with the IHCP method."

"Conjugate Gradient merupakan suatu metode optimasi yang dapat meminimasi suatu fungsi, dimana arab pencariannya berdasarkan arab konjugasi yang nilainya ortogonal. Karena sifat pencariannya yang ortogonal, sebingga membuat Conjugate Gradient dapat mencapai konvergensi pad a solusi yang dicari dengan cepat. Conjugate Gradient tidak banya dapat digunakan untuk menyelesakan fungsi yang Iinier, tetapi juga dapat digunakan untuk masalah non Iinier, salab satunya digunakan untuk pelatihan jaringan syaraf tiruan. Pada makalah ini, digunakan algoritma Conjugate Gradient Polak Ribiere dalam pelatiban jaringan syaraf tiruan sebagai sistem peramalan temperature udara. Data k1imatologi yang digunakan sebagai parameter masukan yaitu temperature udara, kelembaban, tekanan udara, curah bujan, lama penyinaran matabari, dan kecepatan an gin. Berdasarkan basil penelitian ini, kita dapat menginterpretasikan babwa sistem peramalan temperatur udara ini mengbasilkan akurasi lebib dari 90%."

"Fluida yang di dalamnya tersuspensi partikel padat berukuran nanometer disebut sebagai fluida nano. Partikel nano yang tersuspensi merubah morfologi dari cairan dasarnya dan meningkatkan perpindahan energi di dalamnya. Ukuran dan fraksi volume partikel nano merupakan parameter kunci yang mempengaruhi segi termal dan konduktivitas termal fluida nano. Semakin kecil ukuran partikel nano yang tersuspensi, pengaruh perpindahan energi akibat gerak acak partikel menjadi dominan, sehingga pengaruh ini dapat digunakan untuk memprediksi konduktivitas termal fluida nano. Di dalam skripsi ini penulis mencoba menurunkan persamaan untuk memprediksi konduktivitas termal fluida nano dengan rnemperhitungkan pengaruh gerak brown dan faktor kenaikan temperatur, At N. Dari pengukuran karakteristiknya, fluida nano besar kemungkinan dapat dijadikan fluida kerja, oIeh karena itu perlu diteliti mengenai mekanisme perpindahan kalor konveksi pada fluida ini, karena parameter koefisien konveksi memegang peranan penting dalam proses perpindahan kalor secara konveksi. Dalam skripsi ini, untuk menentukan nilai koefisien konveksi fluida nano digunakan korelasi Dittus-Boelter, Sieder-Tate dan Petukhov pada fluida nano A1203-Air. Hasil prediksi menunjukkan bahwa koefisien konveksi fluida nano meningkat terhadap koefisien konveksi fluida dasarnya, yaitu air."

"ABSTRAKPerkembangan pembangunan gedung perkantoran, hotel dan apartement di kota besar sangat pesat sekali. Perkembangan pembangunan tersebut menuntut design dan perencanan penunjang bangunan yang baik serta pemilihan material yang kuat dan serasi.Untuk iklim Indonesia yang panas, perencanaan tata udara pada bangunan gedung sangat vital sekali. Rancangan tata udara yang tepat akan sangat menghemat enerji listrik yang digunakan dalam sistem pendinginan udara ruangan. Penghematan dapat diperoleh dari memperkecil kerugian kalor. Kerugian kalor yang terjadi sangatlah bergantung pada nilai konduktivitas kalor dari material bangunannya.Dalam rancangan tata udara selama ini selalu digunakan data konduktivitas dari tabel ASHRAE (American Society Of Heating Refrigerating and Air Conditioning Engineers) yang tentunya berpokok pada bahan produksi luar negeri. Sedangkan saat ini produksi bahan bangunan dari dalam negeri pun sudah banyak. Tentunya spesifikasinya berbeda dengan buatan luar negeri, untuk itu kita perlu mengetahui nilai konduktivitasnya.Pengujian konduktivitas kalor material bangunan untuk kondisi di Indonesia dilakukan, dengan maksud mengetahui nilai konduktivitas kalor material bangunan lokal sekaligus menambah data koefisien konduktivitas kalor pada buku literatur yang ada. Ruang lingkup dari pengujian hanya terbatas pada menentukan konduktivitas kalor material bangunan lokai yang banyak digunakan dipasaran.Dalam penelitian ini digunakan metode eksperimental yang dimulai dengan persiapan studi literatur, dan pemilihan bahan uji. Pemilihan bahan uji dalam penelitian ini dipilih Jenis material bangunan yang umumnya digunakan di Indonesia seperti semen, tanah merah, batu Bata, gipsum, asbes, keramik, kaca, dan kayu. Bahan uji/ material dibuat spesimen dengan dimensi yang disesuaikan dengan rekomendasi dari alat uji yang digunakan.Penelitian konduktivitas kalor material bangunan ini mengunakan peralatan uji konduktivitas kalor Ogawa Seiki. Prinsip dasar pengujan peralatan ini adalah dengan menghilangkan kontak antara permukaan bahan uji dengan silinder standar penguji. Karena tahanan kontak yang sangat besar dapat mengakibatkan adanya pengaruh konveksi. Untuk itu dibuat dua spesimen yang ketebalannya berbeda dengan bahan yang sama.

---

ABSTRACTThe development of office buildings, hotels and apartments in big cities grows very fast. This development needs a good design and supporting planning of a building with the strong and suitable material selection.Planning the air conditioning for a building is very vital in Indonesian hot climate. A good air conditioning plan will save a lot of electrical energy used in conditioning a room. This matter can be obtained from reducing thermal losses. The thermal losses depend on the thermal conductivity value of building material.Present air conditioning design always refers to conductivity data from the ASI-LRAE (American Society of Heating Refrigerating and Air Conditioning Engineers) table, based on foreign material. On the other hand, the local product of building material is in abundance so that we need to know the conductivity value.The objectives of the measurement are to gain the local building material conductivity value, found in the market.The measurement uses the experimental method which begins with reference study and selection of material. The material selected are cement, clay, bricks, gypsum, asbes, ceramics, glasses, and wood. The material is turned into a specimen with a dimension that fits the measurement apparatus,The measurement of thermal conductivity of the building material uses Ogawa Seiki measurement apparatus. The principal of this apparatus is to eliminate contact between material surface and measurement standard cylinder, because a big contact resistance may result convection effect. The result of the measurement of two different specimen-same material, different thickness- is shown in the table below."