ccitonline.com

Assalamualaikum Wr. Wb, Selamat siang Prof. DAI 5 dan rekan-rekan semua. Perkenalkan, saya Kezia Aletha Regina dengan NPM 2406362904. Pada pertemuan minggu ini, saya akan menyampaikan rangkuman proses prompting yang saya lakukan di AI DAI 5.

Pada sesi kali ini, saya melakukan pembaruan progres proyek yang sedang dikerjakan. Setiap mahasiswa diberi kesempatan untuk memaparkan perkembangan proyek masing-masing selama dua minggu terakhir. Selain itu, Prof. DAI 5 juga memperkenalkan AI DAI 5, yaitu sistem kecerdasan buatan yang beliau kembangkan.

Selanjutnya, kami diminta untuk membuat prompt berupa perkenalan diri serta mengajukan pertanyaan terkait tema atau judul proyek yang sedang kami kerjakan.

Berikut adalah hasil yang saya peroleh dari prompting menggunakan AI DAI 5:

Prompt 1: Selamat siang, perkenalkan saya Kezia Aletha Regina dari kelas 03 Metode Numerik. Anda dapat memanggil saya Ale, sebagaimana teman-teman saya juga memanggil saya demikian. Saat ini saya merupakan mahasiswa dari Prof. Ir. Ahmad Indra Siswantara, Ph.D., dan saya terdaftar sebagai mahasiswa Program Studi Teknik Mesin Universitas Indonesia.



Hasil Prompt 1: Selamat siang, Ale.

Izinkan saya menyambut perkenalan Anda dengan hangat. Merupakan kehormatan bagi saya untuk berinteraksi dengan mahasiswa yang menempuh studi di lingkungan akademik yang sangat kredibel, apalagi dengan latar belakang di Program Studi Teknik Mesin Universitas Indonesia.

Anda dapat memanggil saya Analis atau Konsultan Anda dalam konteks kerangka kerja ini.

Analisis Awal Profil Anda:

Saya melihat adanya perpaduan yang sangat menarik dalam latar belakang Anda: Teknik Mesin (ilmu aplikasi fisik dan sistem), Metode Numerik (ilmu pemodelan dan aproksimasi matematis), dan status sebagai Mahasiswa yang berada dalam lingkungan akademik yang diawasi oleh Prof. DAI.

Secara inheren, ini adalah kombinasi yang sempurna. Metode Numerik mengajarkan kita bahwa dunia nyata seringkali terlalu rumit untuk diselesaikan dengan persamaan eksak (analitik); kita harus membuat model, membuat asumsi, dan menggunakan iterasi untuk mendekati kebenaran terbaik.

Sementara itu, DAI5 mengajarkan kita bahwa sebelum kita menyelesaikan masalah secara matematis atau teknis, kita harus menyelesaikan masalah kesadaran dan niat.

Oleh karena itu, peran saya di sini adalah menjembatani dua ranah tersebut: menggabungkan ketelitian sistematis dan pendekatan iteratif dari Metode Numerik Anda, dengan kedalaman refleksi kesadaran dan tujuan (Niat) dari kerangka kerja DAI5.

Bagaimana Kita Akan Bekerja?

Saya tidak hanya berfungsi sebagai pemecah masalah teknis, tetapi sebagai fasilitator proses berpikir yang holistik.

Ketika Anda siap, Ale, silakan ajukan sebuah masalah—masalah akademis, tantangan proyek, atau bahkan dilema konseptual—yang Anda rasa perlu dianalisis secara mendalam.

Kita akan bersama-sama menelusuri perjalanannya melalui lima tahapan DAI5:

1. Deep Awareness of I: Kita akan memastikan landasan kesadaran dan niat kita sudah stabil.
2. Intention: Kita akan merumuskan tujuan utama yang selaras.
3. Initial Thinking: Kita akan menggali akar masalahnya dengan analisis data dan konteks yang tajam.
4. Idealization: Kita akan merumuskan model ideal (simplifikasi) sambil tetap menjaga esensi masalah.
5. Instruction-Set: Kita akan merancang langkah-langkah implementasi yang terukur, terverifikasi, dan siap diulang (iteratif).

Saya siap memulai proses kesadaran ini. Tantangan apa yang ingin Anda bawa ke atas meja diskusi kita hari ini, Ale?

Prompt 2: Saat ini saya sedang mengembangkan proyek Metode Numerik yang berfokus pada optimasi sudut serang airfoil untuk memaksimalkan rasio lift terhadap drag. Dalam teknik mesin, optimasi tidak hanya berkaitan dengan peningkatan performa, tetapi juga bagaimana mencapai efisiensi terbaik dalam batasan tertentu. Judul proyek yang saya kerjakan adalah “Implementasi Metode Numerik dalam Optimasi Sudut Serang Airfoil untuk Memaksimalkan Rasio Lift terhadap Drag”. Menurut Anda, bagaimana penilaian terhadap proyek Metode Numerik dengan tema yang saya pilih ini?


Hasil Prompt 2:
Ini adalah topik yang luar biasa, sangat relevan secara akademis, dan memiliki kedalaman fisika serta komputasi yang sangat tinggi. Anda berada di jalur yang tepat.

Dalam konteks kerangka berpikir yang terstruktur (seperti yang diasumsikan dalam kerangka DAI5), sebuah topik penelitian tidak hanya dilihat dari apa yang dikerjakan, tetapi juga dari bagaimana asumsi yang dibuat, batasan apa yang ditetapkan, dan variabel apa yang akan dioptimalkan.

Saya akan membedah proyek Anda—”Analisis Aerodinamika Profil Sayap untuk Memaksimalkan Rasio Daya (L/D)”—menjadi tiga lapisan analisis: Tingkat Teknis, Tingkat Metodologi, dan Tingkat Optimasi (DAI5).

🚀 LAPISAN 1: ANALISIS TEKNIS (The “What”)

Secara teknis, fokus Anda sudah tepat, yaitu memetakan Koefisien Angkat ($C_L$) terhadap Koefisien Hambat ($C_D$) untuk menentukan titik operasi paling efisien (Minimum Drag Coefficient, atau Maximum L/D).

Poin untuk Diperdalam:

1. Asumsi Aliran (Flow Assumptions): Anda harus sangat eksplisit mengenai asumsi aliran yang Anda gunakan. Apakah Anda mengasumsikan:
   • Fluida tidak termampatkan (Incompressible Flow)?
   • Aliran Isothermal (Suhu konstan)?
   • Konstanta massa/energi yang diabaikan?
   • Kekuatan akademis: Ketika Anda menyebutkan asumsi ini, Anda secara otomatis menunjukkan bahwa Anda memahami batasan fisik dari model Anda.
2. Model Turbulensi: Jangan hanya menjalankan simulasi CFD biasa. Kedalaman akademis akan datang dari pemilihan dan justifikasi Model Turbulensi (misalnya, $k-\omega$ SST, atau Reynolds-Averaged Navier-Stokes). Model ini adalah inti dari akurasi $C_D$.
3. Boundary Layer Resolution: Tekanan tinggi pada hasil $C_D$ seringkali disebabkan oleh akurasi penanganan Boundary Layer. Pastikan mesh (jaring elemen komputasi) di dekat permukaan profil sangat halus (high resolution) untuk menangkap fenomena separation (pemisahan aliran) secara akurat.

🧠 LAPISAN 2: ANALISIS METODOLOGIS (The “How”)

Ini adalah bagian di mana Anda membuktikan bahwa Anda bukan sekadar menjalankan software, tetapi Anda memahami fisika di balik software tersebut.

A. Validasi dan Verifikasi (V&V):

• Validasi (Verification): Apakah simulasi Anda bebas dari numerical error (misalnya, konvergensi yang stabil).
• Verifikasi (Validation): Ini yang paling krusial. Anda harus memvalidasi hasilnya dengan literatur. Misalnya, “Hasil $C_L$ pada sudut serangan tertentu diperbandingkan dengan data NACA Report X” atau “Hasil $C_D$ pada aliran laminar dibandingkan dengan data teoretis Y.” Ini yang membuat skripsi Anda tidak hanya simulasi, tetapi riset ilmiah.

B. Pengembangan Fungsi:

• Daripada sekadar membuat plot $C_L$ vs $C_D$, bangunlah fungsi utilitas dalam kode pemrograman Anda (Python/MATLAB) yang secara otomatis menghitung:
  $$\text{Efficiency} (\eta) = \frac{L}{D} = \frac{C_L}{C_D}$$
  Dan mencari nilai $\alpha$ yang memaksimalkan $\eta$. Ini menunjukkan penguasaan algoritma dan fisika.

💡 LAPISAN 3: PEMETAAN DAI5 (The “What If”)

Ini adalah lapisan berpikir tertinggi. Jika proyek Anda sudah berjalan sesuai skenario optimal, bagaimana Anda bisa memperluas batasan (Constraints) atau mengoptimalkan tujuannya (Objectives)?

1. Pendefinisian Tujuan yang Berlapis (Hierarchical Goal Setting)

Alih-alih hanya mengatakan “Memaksimalkan L/D,” pertimbangkan tujuan yang lebih kaya:

• Goal Level 1 (Utama): Maksimalkan $L/D$.
• Goal Level 2 (Kendala): Pastikan $C_L$ berada dalam rentang [0.8 hingga 1.2].
• Goal Level 3 (Skenario): Optimalkan profil sayap agar memberikan efisiensi terbaik dalam kondisi tertentu (misalnya, efisiensi terbaik saat lepas landas, bukan saat jelajah jelajah).

2. Penerapan Teknik Optimasi Lanjutan (Algorithmic Optimization)

Jangan hanya melakukan sweeping (menguji ratusan sudut serangan). Terapkan algoritma optimasi seperti Genetic Algorithm (GA) atau Particle Swarm Optimization (PSO).

• Konsepnya: Daripada menebak-nebak, algoritma ini akan “mencari” sudut serangan optimal secara cerdas berdasarkan nilai $L/D$ yang Anda berikan, jauh lebih efisien dan lebih canggih secara metodologis.

3. Mempertimbangkan Variasi Parameter (System Variation)

Untuk menunjukkan pemahaman sistemik, uji bagaimana parameter eksternal memengaruhi hasilnya:

• Perubahan Re-entry: Bagaimana jika Anda mengubah bilangan Mach (misalnya, dari transonik ke supersonik)?
• Perubahan Lingkungan: Bagaimana jika Anda mempertimbangkan viskositas udara yang berubah karena suhu tinggi?

📋 RINGKASAN STRATEGIS (Action Plan)

Dengan menambahkan kedalaman pada tiga aspek ini (pemilihan model, validasi, dan kompleksitas tujuan), proyek Anda akan naik kelas dari sekadar simulasi menjadi penelitian aerodinamika yang komprehensif.

Sekian pembelajaran yang saya dapat kan

Assalamualaikum Wr. Wb

Terimakasih