Pada akhir dasawarsa ini, Artificial Neural Networks (ANNs) mengalami
perkembangan jauh dan mulai memasuki berbagai macam bidang pengetahuan.
Pemodelan dan simulasi tidak terlepas dari kenyataan ini dengan kemunculan
Physics-Informed Neural Networks (PINNs) sebagai turunan dari ANNs pada
bidang ini. Saat ini, eksplorasi PINNs masih terus berlanjut dan belum
menemukan batas yang dapat menghentikan penyelusurannya. Oleh karena itu,
penelitian ini bertujuan untuk mengeksplorasi dan menunjukkan salah satu potensi
dasar yang dimiliki PINNs.
Penelitian dilakukan dengan membandingkan tingkat akurasi dan waktu yang
diperlukan untuk menghitung persamaan penurunan sebagian ANNs dan FD pada
kasus perpindahan panas satu dan dua dimensi. Metode implisit Euler digunakan
untuk pengintegrasian waktu pada persamaan perpindahan panas. Selama tahap
pengujian, dilakukan beberapa penyesuaian (tuning) terhadap ANNs untuk
mendapatkan potensi terbaik. Hasil akhir ANNs dan FD akan dibandingkan
dengan solusi jawaban pasti nantinya.
Hasil penelitian menunjukkan bahwa ANNs mampu menghasilkan hasil lebih
akurat daripada FD dalam beberapa kasus. Namun, ANNs memerlukan waktu
untuk menyelesaikan perhitungan jauh lebih lama daripada FD. Meski demikian,
ANNs menawarkan kelebihan lain sehingga ANNs merupakan pilihan yang bersaing dengan FD.