Solusi Persamaan Diskrit

Persamaan – persamaan hasil diskritisasi volume untuk perhitungan numeric, seperti pada gambar 1, dapat diselesaikan dengan berbagai metode. Metode – metode apapun yang digunakan, pada prinsipnya, dapat menyelesaikan persamaan – persamaan ini untuk mencari solusi dari sistem persamaannya sendiri. Namun, untuk perhitungan – perhitungan yang rumit dengan jumlah persamaan dan variable yang banyak, dimana computer digunakan, algoritma kalkulasi yang efisien serta bersahabat dengan performa computer yang ekonomis perlu untuk dipahami.

Secara umum, metode yang digunakan adalah metode langsung (Direct) dan tidak langsung (Indirect atau Iterative). Yang dimaksud dengan metode langsung adalah suatu metode analitis yang digunakan langsung untuk mencari solusi dari sistem persamaan, contohnya adalah metode aturan cramer dan eliminasi Gauss. Pada metode ini, jumlah operasi perhitungan yang dilakukan dapat diketahui sebelumnya, yaitu, untuk menyelesaikan sebanyak N persamaan dengan N variable yang tidak diketahui, diperlukan N3 operasi dimana sebanyak N2 koefisien harus disimpan pada memori computer.

Gambar 1. Contoh sistem persamaan linear

Tentunya, hal ini menjadi suatu hambatan tersendiri jika kemampuan computer yang akan digunakan mempunyai performa yang minim pada saat ingin dilakukan komputasi mengenai permasalahan, yang pada saat sudah didiskritisasi, membentuk suatu sistem persamaan dengan jumlah persamaan dan jumlah variable yang banyak sehingga akan diperlukan memori computer yang besar untuk menyimpan N2 koefisien.

Sedangkan metode tidak langsung atau iterative, merupakan metode yang berbasiskan terhadap aplikasi dari langkah – langkah/algoritma sederhana yang diulang – ulang pada sistem persamaan tersebut hingga sistem persamaan mencapai keadaan konvergen yang merepresentasikan solusi dari sistem persamaan tersebut. Pada metode iterative, banyaknya langkah – langkah perhitungan yang dilakukan tidak dapat diprediksi, dimana tipikalnya adalah sebanyak N perhitungan per satu kali iterasi. Kekurangan lainnya adalah, jika sistem persamaan tidak berada pada kondisi yang kondusif, maka konvergensi dari suatu sistem persamaan tidak dapat terjamin. Satu – satunya kelebihan dari penggunaan metode iterative adalah sedikitnya memori computer yang digunakan sebagai akibat dari algoritma yang mendesain agar computer hanya menyimpan koefisien – koefisien yang tidak nol. Simulasi – simulasi aliran fluida dapat memiliki jumlah persamaan dan variabel yang sangat banyak, mulai dari 1000 – 2 juta persamaan, yang tentunya dari sistem persamaan tersebut akan terdapat koefisien – koefisien nol, yang jika tidak disimpan pada memori computer, akan menghemat banyak ruang untuk performa computer.

Dikarenakan sistem persamaan Jacobi dan Gauss – Siedel yang lambat mencapai konvergensi pada saat sistem persamaan yang ditinjau mempunyai jumlah persamaan dan variable yang banyak, maka metode ini tidak digunakan pada prosedur kalkulasi CFD. Metode iterative selain Jacobi dan Gauss – Siedel, metode lain yang dapat digunakan adalah kalkulasi dengan menggunakan algoritma matrix tri – diagonal (TDMA) yang diperkenalkan oleh Thomas pada tahun 1949.

Tri – Diagonal Matrix Algorithm (TDMA)

TDMA merupakan metode kalkulasi iterative untuk komputasi CFD dua atau tiga dimensi dan merupakan algoritma standar untuk kalkulasi solusi persamaan aliran pada koordinat cartesius. Dapat diperhatikan salah satu contoh matriks tri – diagonal pada gambar 2.

Gambar 2. Contoh sistem persamaan yang membentuk matriks tri – diagonal

Pada gambar di atas, ϕ1 dan ϕn+1 adalah merupakan nilai batas yang diketahui. Bentuk umum dari setiap persamaan adalah seperti berikut,

Persamaan – persamaan pada gambar 2 dapat di atur ulang seperti berikut,

Gambar 3.

Untuk mendapatkan solusi terhadap ϕ, langkah kalkulasi yang pertama dilakukan adalah forward elimination dengan kemudian dilakukan back substitution untuk mendapatkan nilai – nilai ϕ. Inti dari forward elimination adalah mengatur ulang persamaan – persamaan pada gambar di atas. Dapat diperhatikan urutannya seperti pada gambar 4 untuk contoh forward elimination untuk ϕ3. Untuk langkah pertama, ϕ2 disubtitusi dari persamaan pertama seperti pada gambar 3 di atas.

Gambar 4. Forward Elimination  pada ϕ3

Setelah langkah pada gambar 4 diteruskan sampai ϕn, langkah back substitution dilakukan untuk kalkulasi solusi terhadap nilai – nilai ϕ. Dengan Back Substitution adalah langkah yang mencari solusi variable dari persamaan yang terakhir, dengan kemudian mensubtitusi persamaan terakhir tersebut ke persamaan sebelumnya, langkah ini terus dilakukan hingga nilai semua variable diperoleh.

Aplikasi TDMA

Pada kasus dua dimensi (lihat gambar 5), TDMA akan dilakukan dengan mengkalkulasi sistem persamaan pada satu arah dengan kemudian berpindah ke garis lainnya. Untuk lebih jelasnya, misal akan dilakukan suatu kalkulasi pada bidang dua dimensi seperti pada gambar 5, maka perlu dibuat sistem persamaan dari 1 sampai titik n. Setelah kalkulasi dari titik satu sampai titik n selesai, kalkulasi berpindah ke samping dengan arah yang sama dengan kalkulasi sebelumnya.

Gambar 5. Bidang dua dimensi

Misal, pada titik 2, persamaan yang terbentuk dapat berupa seperti pada gambar di bawah ini.

Gambar 6.

Untuk menyesuaikannya seperti persamaan pada gambar 2, maka persamaan di atas diatur seperti di bawah ini.

Gambar 7.

Dengan subskrip S, N, W, E, P adalah masing – masing koefisien dan variable sebelah selatan titik, koefisien dan variable sebelah utara titik, koefisien dan variable sebelah barat titik, koefisien dan variable sebelah timur titik, dan titik yang bersangkutan, serta b yang adalah suku sumber atau factor yang berkontribusi terhadap perubahan nilai – nilai atau distribusi variable ϕ pada daerah komputasi. Karena perhitungan bergerak dari selatan ke utara, maka nilai – nilai yang bersangkutan dengan titik sebelah barat dan sebelah timur titik yang bersangkutan dianggap diketahui (biasanya diberikan nilai nol). Begitu terus perhitungan dilakukan hingga variable – variable ϕ di setiap titik pada bidang diperoleh. Setelah itu, perhitungan dilakukan lagi (diulang/iterasi) hingga error terhadap solusi dari sistem persamaan mencapai toleransi yang telah ditetapkan sebelumnya.

Sedangkan untuk kasus tiga dimensi, perhitungan pada dasarnya sama seperti pada kasus dua dimensi. Namun, sebelum kalkulasi sistem persamaan diiterasi, pergerakan perhitungan bergerak ke atas/ bawah terlebih dahulu untuk mendapatkan variable pada semua daerah komputasi. Berikut contoh gambar untuk memperjelas aplikasi TDMA pada kasus tiga dimensi.

Gambar 8. Daerah komputasi tiga dimensi

Serta berikut contoh persamaan pada setiap titik di kasus komputasi tiga dimensi.

Untuk contoh kalkulasi pada model fisikanya, referensi versteeg [1] dapat menjadi bahan acuan. Sedangkan beberapa contoh – contoh kalkulasi iterasi dapat diperhatikan pada Metoda Iterative Bisection dalam kalkulasi solusi persamaan polynomial orde tiga, Kalkulasi ketinggian cairan pada tanki horizontal dengan menggunakan Microsoft Visual Basic. Serta berikut pembahasan  – pembahasan singkat mengenai kalkulasi solusi sistem persamaan, Kalkulasi solusi persamaan aljabar simultan, Metoda Iterasi.

Referensi:

[1] HK Versteeg. Malalasekera W. An Introduction to Computational Fluid Dynamic : Chapter 7. Longman Scientific and Technical. 1995.

  1. No trackbacks yet.

Tinggalkan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

Logo WordPress.com

You are commenting using your WordPress.com account. Logout / Ubah )

Gambar Twitter

You are commenting using your Twitter account. Logout / Ubah )

Foto Facebook

You are commenting using your Facebook account. Logout / Ubah )

Foto Google+

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s

%d blogger menyukai ini: