DevinaHQ Paper · v1.0 · 20 September 2026

Engineering Foundations

Mathematics, Physics, Computing, dan Scientific Method

Oleh DevinaHQ · Paper konseptual · Engineering & Learning

Seri: Engineering Foundations — Dari Model menuju Bukti · Bagian 1

• engineering
• mathematics
• physics
• computing
• scientific method
• pemodelan

Matematika memberi bentuk pada pertanyaan. Fisika menghubungkannya dengan kenyataan. Computing memperluas kemampuan menghitung. Metode ilmiah mengajarkan bagaimana setiap jawaban diperiksa dan diperbaiki.

Abstrak

Engineering memerlukan kemampuan mengubah kebutuhan menjadi rancangan yang dapat dijelaskan, diuji, dan dipertanggungjawabkan. Paper ini mengusulkan kerangka belajar yang mempertemukan empat fondasi: mathematics, physics, computing, dan scientific method. Matematika digunakan untuk menyatakan hubungan dan ketidakpastian; fisika untuk menentukan mekanisme serta batas model; computing untuk menjalankan perhitungan yang dapat diperiksa; dan metode ilmiah untuk membandingkan prediksi dengan bukti. Hubungan tersebut dijelaskan melalui contoh hipotetis sistem massa, pegas, dan peredam, disertai perhitungan serta skrip yang dapat dijalankan ulang. Pembahasan membedakan pembuktian matematis, verifikasi komputasi, validasi empiris, dan penerimaan sebuah rancangan. Hasilnya adalah usulan alur belajar serta kriteria mutu pekerjaan, bukan temuan eksperimen baru. Tujuan akhirnya ialah membentuk kebiasaan merekayasa dengan alasan yang jelas, bukti yang memadai, dan kesadaran akan batas pengetahuan.

1. Mengapa fondasi perlu dipertemukan

Sebuah jembatan, sistem pendingin, perangkat lunak pengolah data, atau wahana terbang selalu berangkat dari pertanyaan tentang kebutuhan. Berapa beban yang harus ditanggung? Berapa energi yang tersedia? Seberapa besar kesalahan yang dapat diterima? Jawaban atas pertanyaan itu menentukan apa yang perlu dihitung, diukur, dan diuji.

Kemampuan menggunakan alat menjadi bermakna ketika orang memahami alasan di balik hasilnya. Grafik yang halus belum menjelaskan apakah modelnya sesuai. Persamaan yang konsisten belum membuktikan bahwa asumsi tentang material benar. Pengukuran yang berulang juga dapat menyimpan kesalahan sistematis. Karena itu, fondasi engineering perlu tumbuh melalui hubungan antara penalaran, alam, perhitungan, dan bukti.

Kriteria pendidikan engineering ABET 2026–2027 menempatkan matematika dan sains dasar, topik rekayasa, eksperimen, desain, komunikasi, serta tanggung jawab profesional dalam kerangka yang saling melengkapi. Paper ini mengambil arah umum tersebut sebagai konteks, lalu menyusun empat fondasi sebagai kerangka belajar DevinaHQ. Pengelompokan empat fondasi ini bukan klasifikasi resmi ABET. [1]

Kerangka ini terutama berguna untuk pembelajaran rekayasa sistem fisik. Bidang tertentu tetap memerlukan fondasi tambahan: kimia untuk proses dan material, biologi untuk sistem hayati, serta ilmu sosial untuk memahami penggunaan teknologi. Desain juga memerlukan pertimbangan biaya, lingkungan, keselamatan, dan kebutuhan manusia.

2. Mathematics: bahasa hubungan, perubahan, dan ketidakpastian

Matematika membantu mengubah kalimat seperti “sistem harus cukup stabil” menjadi pertanyaan yang lebih tepat: stabil terhadap gangguan apa, selama berapa lama, dan diukur melalui besaran apa? Proses ini dimulai dengan mendefinisikan variabel, satuan, hubungan, serta syarat yang harus dipenuhi.

Aljabar membantu menyusun hubungan antarbesaran. Geometri dan trigonometri menjelaskan bentuk serta arah. Kalkulus membahas perubahan dan akumulasi; turunan dapat menyatakan laju perubahan, sedangkan integral menjumlahkan kontribusi yang tersebar. Materi kalkulus satu variabel MIT, misalnya, menghubungkan diferensiasi dan integrasi dengan kebutuhan sains serta engineering. [2]

Aljabar linear berguna ketika banyak variabel saling berkaitan, seperti gaya pada beberapa titik atau keadaan sebuah sistem kendali. Persamaan diferensial menyatakan bagaimana keadaan berubah terhadap waktu. Probabilitas dan statistika membantu membaca variasi serta menyatakan ketidakpastian. Setiap cabang memberi cara mengajukan pertanyaan yang lebih terukur.

Latihan awal yang kuat adalah memeriksa dimensi. Jika energi ditulis sebagai hasil kali gaya dan perpindahan, satuannya harus setara joule. Menjumlahkan panjang dengan waktu menandakan bahwa hubungan belum dirumuskan dengan benar. Pemeriksaan satuan dapat menemukan kesalahan sebelum program yang lebih rumit dijalankan.

Pembuktian matematis menetapkan konsekuensi dari definisi dan asumsi tertentu. Penerapan ke dunia nyata menambah pekerjaan lain: memeriksa apakah asumsi itu layak. Sebuah model boleh diselesaikan dengan tepat, sementara benda yang diwakilinya berperilaku berbeda karena gesekan, perubahan suhu, atau deformasi yang diabaikan.

3. Physics: memahami mekanisme dan batas alam

Fisika mengajak kita bertanya tentang mekanisme: interaksi apa yang menyebabkan gerak, ke mana energi berpindah, dan apa yang membatasi respons sistem? Dalam mekanika, pertanyaan itu dapat dimulai dari diagram gaya dan hukum gerak. Dalam termodinamika, perhatian diarahkan pada energi, kalor, kerja, dan batas proses. Elektromagnetisme serta mekanika fluida membuka kelompok persoalan lain.

Memilih model berarti menentukan detail yang diperlukan untuk tujuan tertentu. Pegas ideal dapat dianggap memiliki gaya yang sebanding dengan simpangan pada rentang kerja tertentu. Ketika rentang itu dilampaui, material berubah, atau sambungan memiliki kelonggaran, hubungan linear mungkin tidak lagi memadai. Kualitas model bergantung pada kesesuaian penyederhanaan tersebut dengan pertanyaan yang hendak dijawab.

Getaran memberi contoh yang mudah diamati. Energi berpindah antara gerak massa dan deformasi pegas. Adanya redaman membuat energi mekanis berkurang melalui mekanisme disipasi. Pembahasan osilator harmonik dan osilator teredam dalam kuliah MIT menyediakan dasar fisik untuk contoh di bagian berikut. [3a] [3b]

Kebiasaan pentingnya adalah menyebut batas model sejak awal: apakah geraknya satu dimensi, massanya dianggap terpusat, temperatur konstan, dan gaya hambat dianggap sebanding dengan kecepatan? Dengan batas yang jelas, orang lain dapat menilai bagian mana dari kesimpulan yang masih dapat digunakan ketika keadaan berubah.

4. Computing: memperluas kemampuan menghitung

Computing mencakup cara memecah persoalan menjadi langkah yang dapat dijalankan, memilih representasi data, menyusun algoritma, dan memeriksa hasilnya. Menulis kode merupakan salah satu bagian dari pekerjaan itu. Pemilihan model, data masukan, metode numerik, dan ukuran kesalahan tetap memerlukan penalaran.

Komputasi memungkinkan kita mencoba banyak kondisi: bagaimana respons berubah ketika massa ditambah, parameter memiliki toleransi, atau beban bergerak? Metode numerik juga membantu ketika persamaan sulit diselesaikan secara analitis. Kemampuan tersebut memperluas eksplorasi, tetapi sekaligus memperbanyak tempat bagi kesalahan.

Untuk simulasi terhadap waktu, ukuran langkah waktu dapat memengaruhi hasil. Jika langkah terlalu besar, perhitungan dapat menyimpang atau menjadi tidak stabil. Salah satu pemeriksaan adalah mengulang perhitungan dengan langkah yang lebih kecil dan menilai apakah besaran yang relevan mulai mendekati nilai yang tetap. Konvergensi ini menjawab persoalan numerik; kesesuaian model dengan sistem nyata masih perlu diperiksa secara terpisah.

Wilson dan kolega menyarankan praktik seperti menata data serta kode, mendokumentasikan pekerjaan, dan mencatat perubahan dengan version control. Dalam konteks paper ini, prinsip tersebut diwujudkan melalui parameter yang dinyatakan jelas, skrip yang dapat dijalankan ulang, dan pembanding hasil. [4]

AI dapat membantu menjelaskan persamaan, mengusulkan kode, atau menemukan kekeliruan. Dalam alur yang diusulkan di sini, hasilnya tetap melewati pemeriksaan satuan, kasus sederhana, dan pembandingan dengan sumber atau data. Orang yang mengambil keputusan harus dapat menjelaskan mengapa hasil komputasi layak digunakan.

5. Scientific Method: membuat pengetahuan terbuka terhadap koreksi

Metode ilmiah dipahami di sini sebagai disiplin membangun penjelasan yang dapat diperiksa melalui bukti. Praktiknya dapat melibatkan eksperimen, pengamatan, pemodelan, atau kombinasi beberapa cara. Urutannya sering berulang: hasil awal mengubah pertanyaan, memperlihatkan variabel yang terlewat, atau menuntut alat ukur yang lebih baik.

Untuk proyek pembelajaran, siklus kerja berikut dapat digunakan:

1. Rumuskan pertanyaan yang dapat diperiksa. Misalnya, bagaimana perubahan massa memengaruhi periode getaran dalam rentang kerja pegas tertentu?
2. Nyatakan model dan prediksi sebelum mengukur. Tuliskan asumsi, variabel yang diubah, serta kondisi yang dijaga.
3. Susun pengukuran. Tentukan alat, kalibrasi, jumlah pengulangan, dan cara mencatat kejadian yang tidak sesuai rencana.
4. Bandingkan hasil dengan prediksi. Perhatikan besarnya selisih, ketidakpastian, dan pola penyimpangannya.
5. Perbaiki penjelasan dan laporkan batasnya. Catat perubahan model serta bukti yang masih diperlukan.

Jika parameter ditaksir dari sekumpulan data, pengujian berikutnya sebaiknya memakai pengukuran tambahan yang tidak digunakan untuk penaksiran tersebut. Langkah ini membantu menilai apakah model mampu memprediksi keadaan lain dalam ruang lingkupnya. Kecocokan pada data yang sama dapat memberi gambaran yang terlalu optimistis.

Mengikuti istilah National Academies (2019), reproducibility berhubungan dengan memperoleh hasil komputasi yang konsisten menggunakan data, kode, dan kondisi analisis yang sama; replicability berhubungan dengan konsistensi hasil studi yang mengumpulkan datanya sendiri untuk pertanyaan ilmiah yang sama. Penggunaan istilah dapat berbeda antarbidang, sehingga definisinya perlu dinyatakan. [5]

Ketidakpastian juga perlu dibawa ke dalam kesimpulan. Pedoman NIST menjelaskan bagaimana ketidakpastian besaran masukan diteruskan ke hasil perhitungan melalui hubungan matematisnya. Banyaknya digit pada layar tidak dapat menggantikan pengetahuan tentang alat ukur dan sumber variasi. [6]

6. Contoh terpadu: memahami getaran sebuah dudukan

Bayangkan sebuah dudukan alat yang bergetar setelah mendapat gangguan kecil. Kita ingin memperkirakan seberapa cepat getaran berlangsung dan bagaimana redaman memengaruhi responsnya. Contoh berikut memakai parameter hipotetis untuk pembelajaran; seluruh angka merupakan hasil model, bukan hasil pengukuran perangkat.

6.1 Menyatakan model

Anggap gerak berlangsung pada satu arah, massa terpusat, pegas linear, dan peredam viskos linear. Simpangan x diukur dari posisi keseimbangan statis. Modelnya:

m d²x/dt² + c dx/dt + kx = F(t)

Di sini m adalah massa dalam kilogram, c koefisien redaman dalam N·s/m, k kekakuan pegas dalam N/m, dan F gaya luar dalam newton. Setiap suku memiliki satuan gaya. Untuk getaran bebas setelah dilepas, kita gunakan F(t) = 0.

6.2 Menurunkan prediksi

Gunakan m = 1 kg, k = 100 N/m, simpangan awal 0,01 m, dan kecepatan awal nol. Model tanpa redaman memberikan frekuensi sudut alami ω_n = √(k/m) = 10 rad/s. Periodenya T = 2π/ω_n ≈ 0,628 s, atau frekuensi sekitar 1,592 Hz.

Jika ditambahkan redaman c = 2 N·s/m, rasio redaman ζ = c/(2√(km)) = 0,10. Sistem berada dalam kondisi underdamped: simpangan masih berosilasi, tetapi besar osilasinya berkurang. Frekuensi sudut teredamnya menjadi √99 rad/s, sehingga periode teredam sekitar 0,631 s.

Untuk kondisi awal tersebut, solusi analitis kasus teredam adalah x(t) = 0,01 e^−αt[cos(ω_dt) + (α/ω_d) sin(ω_dt)], dengan α = 1 s⁻¹ dan ω_d = √99 rad/s. Waktu dinyatakan dalam sekon dan hasil simpangan dalam meter. Solusi ini menjadi pembanding bagi komputasi numerik.

6.3 Memeriksa perhitungan

Skrip pendamping mengintegrasikan persamaan dengan metode Runge–Kutta orde empat pada rentang 0–5 s. Perhitungan diulang dengan langkah waktu 0,02 s, 0,01 s, dan 0,005 s, lalu dibandingkan dengan solusi analitis pada waktu yang sama. Skrip melaporkan galat maksimum simpangan dan perubahan energi; semua hasilnya merupakan simulasi.

Unduh skrip verifikasi Python

Jalankan dengan Python 3: python3 oscillator-check.py. Skrip memakai pustaka standar Python dan tidak memerlukan paket tambahan.

Kasus tanpa redaman memberi pembanding energi: E = ½mv² + ½kx² seharusnya konstan pada solusi analitis. Jika galat membesar, kita perlu memeriksa langkah waktu atau implementasi. Pada kasus teredam, model memberi dE/dt = −cv². Pemeriksaan ini menghubungkan kode dengan konsekuensi fisik model.

6.4 Merancang pengujian terhadap kenyataan

Pengujian fisik selanjutnya dapat memakai pegas dan beban kecil dengan penopang yang aman. Massa diukur, kekakuan ditaksir dari hubungan gaya dan pertambahan panjang dalam rentang linear, lalu gerak direkam dengan skala panjang serta informasi waktu yang jelas. Pengukuran dilakukan berulang, termasuk pada massa atau simpangan awal lain yang masih berada dalam batas model.

Periode pengamatan kemudian dibandingkan dengan prediksi. Jika m dan k memiliki ketidakpastian baku kecil dan independen, pendekatan orde pertama untuk model tanpa redaman memberikan:

u(T)/T ≈ ½√[(u(m)/m)² + (u(k)/k)²]

Rumus ini adalah penerapan propagasi ketidakpastian, dengan asumsi independensi yang harus diperiksa. Jika kedua masukan berkorelasi, suku kovarians diperlukan. Ketidakpastian pengukuran periode juga perlu dipertimbangkan saat membandingkan hasil. [6]

Selisih yang berpola dapat mengarahkan penyelidikan: massa pegas mungkin tidak dapat diabaikan, gesekan mungkin tidak viskos, atau kekakuan berubah terhadap simpangan. Contoh ini berhenti pada rancangan pengujian; validasi empiris baru dapat diklaim setelah data nyata dikumpulkan dan dianalisis.

7. Dari hasil hitungan ke keputusan rekayasa

Verifikasi komputasi menilai apakah persamaan yang dipilih telah diselesaikan dengan benar dan cukup akurat. Validasi model menilai apakah model memadai untuk mewakili sistem nyata pada tujuan serta rentang tertentu. Keberhasilan salah satunya tidak otomatis menuntaskan yang lain.

Pada tingkat produk, NASA membedakan verifikasi terhadap persyaratan yang ditetapkan dan validasi terhadap penggunaan yang dimaksud dalam lingkungan operasionalnya. Pembedaan ini membantu menjelaskan mengapa perangkat dapat memenuhi spesifikasi teknis tertentu, tetapi masih perlu diuji dalam konteks kebutuhan penggunanya. [7] [8]

Kembali ke dudukan alat: menentukan redaman yang layak memerlukan informasi tentang gangguan, batas simpangan, waktu pemulihan, biaya, serta kebutuhan pengukuran. Tidak ada nilai redaman terbaik yang berlaku bagi semua tujuan. Respons getaran bebas pada contoh tadi juga belum cukup untuk menilai respons terhadap gaya periodik atau getaran dari landasan.

Science membantu menjelaskan apa yang terjadi dan menguji dugaan tentang mekanismenya. Engineering memakai pengetahuan itu untuk memilih tindakan dalam batas kebutuhan dan sumber daya. Ukuran keberhasilannya mencakup apakah keputusan dapat dijelaskan, bukti apa yang menopangnya, dan kondisi apa yang menuntut keputusan tersebut ditinjau ulang.

8. Jalur belajar dan penerapan

Usulan pembelajaran DevinaHQ menggunakan perkembangan bertahap. Pelajar dapat kembali ke konsep matematika ketika model fisik membutuhkannya, menulis program kecil untuk memeriksa perhitungan, lalu merancang pengukuran yang memperjelas batas model. Kedalaman disesuaikan dengan bekal awal; urutan ini belum merupakan kurikulum yang diuji efektivitasnya.

Sebuah latihan dapat dimulai dari pengukuran periode getaran sebelum pelajar menguasai persamaan diferensial. Pada tahap berikutnya, persamaan tersebut memberi penjelasan yang lebih dalam. Pendekatan ini memungkinkan pengalaman konkret menjadi pertanyaan yang mendorong pembelajaran konsep.

Untuk OLS, kerangka ini dapat dikembangkan menjadi modul pemodelan dan evaluasi bukti. Dalam pembelajaran astronomi, misalnya, pelajar dapat membandingkan prediksi gerak dengan pengamatan sambil mencatat ketidakpastian waktu dan sudut. Untuk flight dynamics, keterhubungan yang sama dapat menjadi dasar mempelajari gaya, keadaan gerak, simulasi, dan pengujian. Penerapan tersebut adalah arah pengembangan; paper ini tidak menyatakan bahwa modulnya sudah tersedia.

Ukuran kemajuan yang diusulkan adalah kemampuan menjelaskan pilihan. Apakah pelajar dapat menerangkan setiap variabel, mengenali asumsi penting, menemukan keterbatasan data, menjalankan kembali perhitungannya, dan mengubah kesimpulan ketika bukti berubah? Pertanyaan ini memberi ruang untuk menilai proses serta jawaban akhir.

9. Tujuan seri dan rencana kelanjutan

Paper ini menjadi bagian pertama seri Engineering Foundations: Dari Model menuju Bukti. Target v1.0 adalah menyediakan peta hubungan empat fondasi dan contoh yang bisa diperiksa. Tujuan akhir seri ialah menghasilkan modul latihan, contoh komputasi, dan panduan eksperimen yang dapat dicoba serta dievaluasi.

Bagian lanjutan belum memiliki tanggal terbit. Setelah bahan praktik dicoba, pengalaman penggunaannya dapat menjadi dasar catatan penerapan. Perbaikan istilah, perhitungan, atau rujukan pada paper yang sama dicatat sebagai v1.1; perubahan substantif pada kerangka menjadi v2.0. Paper sambungan menjawab pertanyaan baru pada halaman tersendiri.

Seri ini berhubungan dengan Arsitektur Melampaui Bangunan melalui perhatian pada hubungan antarbagian sistem. Ia juga berhubungan dengan Logika dan Sastra melalui kebutuhan menjelaskan alasan, mendengarkan keberatan, dan mengomunikasikan batas pengetahuan dengan jernih.

Penutup

Fondasi engineering tumbuh ketika matematika, fisika, computing, dan metode ilmiah digunakan bersama. Matematika menata hubungan. Fisika menjelaskan mekanisme. Computing menjalankan dan memperluas perhitungan. Metode ilmiah membawa hasilnya kembali kepada bukti.

Kebiasaan yang ingin dibentuk adalah keberanian membuat model sekaligus kesediaan mengoreksinya. Dengan kebiasaan itu, sebuah rancangan memiliki alasan yang dapat diterangkan, hasil yang dapat diperiksa, serta batas penggunaan yang dapat dipertanggungjawabkan.

Daftar pustaka

1. ABET. Criteria for Accrediting Engineering Programs, 2026–2027. Kriteria umum program sarjana, terutama Student Outcomes dan Curriculum.
2. MIT OpenCourseWare. (2010). 18.01SC Single Variable Calculus. Materi diferensiasi dan integrasi.
3. Lee, Y.-J. (2016). 8.03SC Physics III: Vibrations and Waves. MIT OpenCourseWare. Lecture 1: Periodic Oscillations, Harmonic Oscillators [3a]; Lecture 2: Damped Free Oscillators [3b].
4. Wilson, G., Bryan, J., Cranston, K., Kitzes, J., Nederbragt, L., & Teal, T. K. (2017). Good enough practices in scientific computing. PLOS Computational Biology, 13(6), e1005510. DOI: 10.1371/journal.pcbi.1005510.
5. National Academies of Sciences, Engineering, and Medicine. (2019). Reproducibility and Replicability in Science, Bab 3: Understanding Reproducibility and Replicability. The National Academies Press. DOI: 10.17226/25303.
6. Taylor, B. N., & Kuyatt, C. E. (1994). Guidelines for Evaluating and Expressing the Uncertainty of NIST Measurement Results, Appendix A. NIST Technical Note 1297.
7. NASA. Systems Engineering Handbook, §5.3 Product Verification. Edisi daring.
8. NASA. Systems Engineering Handbook, §5.4 Product Validation. Edisi daring.

Riwayat versi: v1.0 · 20 September 2026 · Publikasi awal, contoh numerik, dan arah pengembangan seri.

← Kembali ke Papers