Silabus 20x Sesi

Bagian 1: Landasan Teori dan Persiapan

1. Pengenalan Metode Inversi dalam Elektromagnetik

• Definisi inversi.

• Aplikasi metode inversi di material komposit.

2. Pengenalan Material Komposit dan Parameter Elektromagnetik

• Permittivity, permeability, conductivity.

• Tipe-tipe material komposit (serat karbon, GFRP, dll).

3. Teori Dasar ANSYS Maxwell

• Prinsip metode elemen hingga (FEM) di Maxwell.

• Struktur simulasi elektromagnetik.

4. Persiapan Model Simulasi Awal di ANSYS Maxwell

• Instalasi, setup workspace.

• Skema pembuatan project baru.

Bagian 2: Simulasi Forward Problem

5. Membuat Geometri Material Komposit di ANSYS Maxwell

• Desain 2D sederhana (persegi panjang, lapisan).

6. Definisi Material dan Boundary Condition

• Input material property (ε, μ, σ).

• Penerapan boundary (PEC, PMC, radiation).

7. Setting Excitation dan Simulation Setup

• Definisi sumber gelombang: port, current source.

• Setup frequency domain dan transient domain.

8. Simulasi Forward Problem: Validasi Awal

• Menjalankan simulasi.

• Mengekstrak medan listrik dan medan magnet.

Bagian 3: Pengembangan Metode Inversi

9. Prinsip Metode Inversi untuk Estimasi Material

• Forward vs inverse modeling.

• Formulasi fungsi objektif.

10. Perancangan Skema Inversi: Optimasi Parameter

• Definisi variabel optimasi.

• Penentuan kriteria error (misal: least-squares misfit).

11. Implementasi Metode Optimasi Sederhana

• Algoritma: Grid Search atau Nelder-Mead.

12. Integrasi MATLAB/Python dengan ANSYS Maxwell

• Co-simulation basics.

• Automasi update material properties + rerun Maxwell.

Bagian 4: Studi Kasus dan Evaluasi

13. Studi Kasus 1: Estimasi Permittivity Material Tunggal

• Setup target properties.

• Jalankan metode inversi.

14. Analisis Error dan Konvergensi

• Membandingkan hasil estimasi vs nilai target.

• Plotting kurva error convergence.

15. Studi Kasus 2: Material Berlapis (Multilayer)

• Model dua lapisan material berbeda.

• Simulasi dan estimasi dua parameter sekaligus.

16. Pengaruh Noise terhadap Akurasi Inversi

• Simulasi data noisy.

• Robustness analysis.

Bagian 5: Finalisasi Model dan Penulisan

17. Pengembangan Algoritma Inversi Lebih Lanjut

• Pertimbangan menggunakan algoritma canggih: GA, PSO, atau Bayesian.

18. Validasi Model Inversi

• Cross-validation.

• Sensitivity analysis.

19. Penyusunan Laporan Penelitian

• Struktur laporan.

• Analisis hasil dan diskusi.

20. Simulasi Akhir dan Persiapan Presentasi

• Finalisasi grafik, tabel hasil.

• Persiapan bahan presentasi skripsi/tesis/disertasi.