ABSTRAK - Pramudya Vito Agata
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
BAB 1 Pramudya Vito Agata
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
BAB 2 Pramudya Vito Agata
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
BAB 3 Pramudya Vito Agata
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
BAB 4 Pramudya Vito Agata
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
BAB 5 Pramudya Vito Agata
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
COVER Pramudya Vito Agata
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
DAFTAR PUSTAKA Pramudya Vito Agata
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
LAMPIRAN Pramudya Vito Agata
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Metode Kisi Boltzmann (LBM) merupakan salah satu metode yang cukup
andal dalam menyimulasikan aliran fluida. LBM menjadi makin populer seiring
waktu karena kesederhanaan, efisiensi, serta kemampuannya dalam mengatasi geometri
yang cukup kompleks. Tugas akhir pada tingkat sarjana ini berfokus pada
pengembangan prototipe program komputasi menggunakan LBM, khususnya untuk
simulasi difusi panas transien 1D, aliran Poiseuille 2D, serta aliran 2D yang
melalui silinder berpenampang lingkaran. Tujuan utama dari tugas ini adalah
untuk membuat dan memvalidasi program LBM, dengan penekanan khusus pada
penggunaan Python untuk implementasinya.
Python dipilih sebagai bahasa pemrograman untuk mengembangkan program
LBM karena kemudahannya dalam pengembangan, kemampuannya untuk mencipatakan
prototipe dengan cepat, serta sintaksisnya yang mudah dipahami. Meskipun
memiliki kecepatan eksekusi yang lebih lambat dibandingkan dengan bahasa
pemrograman lainnya, Python mendukung berbagai metode percepatan, seperti
melalui vektorisasi array dan kompilasi Just-In-Time (JIT), yang membuatnya
menjadi pilihan yang sangat baik untuk mengonstruksi prototipe LBM dengan
cepat.
Hasil studi ini menunjukkan bahwa, meskipun penggunaan loop pada Python
tidaklah efisien, kompilasi JIT dapat meningkatkan kinerja program LBM secara
signifikan, dan mempercepat waktu eksekusinya hingga ratusan sampai ribuan
kali. Tugas akhir ini menekankan potensi Python untuk menciptakan prototipe
LBM yang efisien serta pentingnya memilih pendekatan yang tepat untuk mempercepat
program berdasarkan kebutuhan komputasi.