Mengapa Grid Independence Test (GIT) Wajib Dilakukan dalam Simulasi Engineering?
Dalam dunia Computer-Aided Engineering (CAE), baik itu Computational Fluid Dynamics (CFD) maupun Finite Element Analysis (FEA), kita sering mendengar istilah “hasil simulasi yang akurat”. Namun, bagaimana kita bisa yakin bahwa hasil tekanan, gaya, atau perpindahan yang muncul di layar monitor benar-benar merepresentasikan fenomena fisik yang terjadi, dan bukan sekadar artefak dari pengaturan mesh kita?
Di sinilah Grid Independence Test (GIT) atau sering disebut Mesh Convergence Study memegang peranan krusial.
Apa Itu Grid Independence Test?
Grid Independence Test adalah prosedur sistematis untuk memastikan bahwa solusi numerik dari sebuah simulasi tidak lagi berubah secara signifikan meskipun jumlah elemen (grid) ditambahkan atau diperhalus.
Secara sederhana, jika Anda memperhalus mesh dan hasilnya masih berubah drastis, artinya simulasi Anda masih bergantung pada ukuran grid (Grid Dependent). Simulasi yang kredibel harus mencapai titik di mana hasil akhirnya bersifat “independen” terhadap ukuran elemen.
Mengapa GIT Sangat Penting?
Banyak pengguna pemula terjebak pada visualisasi kontur warna-warni yang terlihat meyakinkan. Padahal, tanpa GIT, risiko berikut akan muncul:
- Ketidakteraturan Data: Hasil simulasi bisa jauh dari nilai eksperimen karena mesh terlalu kasar untuk menangkap gradien fisik (seperti boundary layer).
- Pemborosan Resource: Sebaliknya, menggunakan mesh yang terlalu halus tanpa pengujian akan membuang waktu komputasi (CPU hours) dan memori secara cuma-cuma tanpa meningkatkan akurasi.
- Validasi Ilmiah: Untuk kebutuhan jurnal ilmiah, skripsi, atau laporan profesional, GIT adalah standar validasi yang wajib dilampirkan.
Langkah-Langkah Melakukan Grid Independence Test
Untuk mendapatkan hasil yang valid secara metodologi, berikut adalah langkah-langkah yang disarankan:
1. Buat Variasi Kerapatan Mesh
Siapkan minimal tiga tingkatan mesh yang berbeda:
- Coarse (Kasar): Jumlah elemen sedikit, waktu running cepat.
- Medium (Sedang): Penambahan elemen secara merata (biasanya dengan rasio 1.5 kali lipat).
- Fine (Halus): Mesh yang sangat rapat untuk melihat batas konvergensi.
2. Tentukan Variabel Monitor yang Relevan
Pilih satu parameter kunci yang paling kritikal dalam desain Anda. Contohnya:
- CFD: Pressure drop, Drag coefficient (Cd), atau temperatur maksimum.
- FEA: Von Mises Stress di area kritikal atau Total Displacement.
3. Plot Grafik Konvergensi
Buatlah grafik dengan sumbu X sebagai Jumlah Elemen dan sumbu Y sebagai Nilai Variabel yang dipantau.
Hasil yang diharapkan: Garis pada grafik akan mengalami perubahan signifikan di awal, namun perlahan-lahan akan mendatar (asimtotik) seiring bertambahnya jumlah elemen. Titik di mana garis mulai mendatar inilah yang disebut sebagai titik Grid Independence.
Menggunakan Metode GCI (Grid Convergence Index)
Untuk level profesional, sekadar melihat grafik terkadang dianggap kurang objektif. Anda bisa menggunakan metode Grid Convergence Index (GCI) yang didasarkan pada teori Richardson Extrapolation. GCI memberikan estimasi persentase error terhadap solusi eksak, sehingga Anda bisa menyatakan dengan yakin: “Hasil simulasi ini memiliki error numerik sebesar 1%.”
Kesimpulan: Akurasi vs Efisiensi
Melakukan simulasi bukan sekadar menekan tombol solve. Sebagai engineer, tanggung jawab kita adalah memastikan data yang dihasilkan dapat dipertanggungjawabkan. Grid Independence Test adalah jembatan yang menghubungkan antara asumsi numerik dengan realitas fisik.
Dengan menerapkan GIT, Anda tidak hanya mendapatkan hasil yang akurat, tetapi juga efisiensi kerja yang optimal karena Anda tahu kapan harus berhenti menambah jumlah elemen.
Kontributor: Daris Arsyada