33 Kriteria Evaluasi Penerapan DAIS merupakan panduan untuk menilai sejauh mana prinsip-prinsip DA15 diterapkan dalam suatu konteks. Evaluasi ini mencakup lima tahapan utama: Deep Awareness of I, Intention, Initial Thinking (about the problem), Idealization, dan Instruction-Set. Setiap tahapan memiliki kriteria spesifik yang digunakan untuk mengukur pemahaman, perencanaan, dan penerapan konsep secara sistematis, sehingga memastikan penerapan DAIS berjalan efektif dan memberikan dampak yang optimal.
Kali ini, 33 Kriteria Evaluasi Penerapan DAI5 akan saya integrasikan dengan mata kuliah metode numerik. Saya mungkin akan mencoba untuk mengintegrasikan 33 Kriteria Evaluasi Penerapan DAIS dengan tugas 3, tugas yang bertujuan untuk mencari kontur persebaran daya pada plat 1 x 1 m, serta integrasinya dengan teori dasar curve fitting dan least squares setelah menggunakan software CFDSOF.
- Deep Awareness of I
- Consciousness of Purpose: Prinsip yang menekankan pentingnya memahami dan menyadari peran Sang Pencipta (The Creator) dalam membentuk konteks permasalahan. Ini berarti melihat masalah yang sedang dihadapi bukan hanya sebagai isu teknis, tetapi juga sebagai bagian kehendak-Nya.
- Self-awareness: Memahami bias, asumsi dan peran pribadi dalam proses analisis pemecahan masalah sehingga dihasilkan keputusan lebih objektif.
– Consciousness of Purpose & Self-awareness: Kita harus sadar bahwa analisis curve fitting bukan hanya sekadar penyesuaian kurva sederhana tanpa perhitungan lanjut. Kita harus sadar bahwa curve fitting menggunakan metode least square untuk menemukan persamaan matematika yang paling sesuai untuk mengekspresikan fungsi temperatur (T) terhadap posisi (x). - Ethical Considerations: Mengintegrasikan nilai-nilai moral dan etika dalam pemecahan masalah.
– Tidak melakukan manipulasi data selama melakukan simulasi ataupun saat melakukan prompting ke AI untuk memperoleh hasil yang diinginkan namum dengan cara yang salah. - Integration of CCIT (Cara Cerdas Ingat Tuhan): Menghadirkan kesadaran akan Tuhan di setiap langkah analisis pemecahan masalah.
– Dengan berlandaskan agama dan kepercayaan masing-masing, kita harus selalu mengingat bahwa Tuhan akan selalu menemani kita kapan pun dan di mana pun untuk membantu memecahkan permasalahan kita. - Critical Reflection: Menghubungkan solusi teknis dengan dampak spiritual dan sosial secara mendalam.
– Kita harus sadar bahwa solusi teknis yang kita berikan harus selalu berlandaskan pada aspek spiritual yang mendalam. Karena teknologi tanpa agama adalah bencana, dan agama tanpa teknologi adalah buta. - Continuum of Awareness: Menjaga kesadaran berkelanjutan selama proses analisis dan pengambilan keputusan.
– Kita sadar bahwa terdapat keterbatasan penggunaan metode. Seperti halnya saat ingin melakukan curve fitting, kita mau tak mau harus menggunakan metode least square karena memiliki error terkecil pada hasil curve fittingnya.
B. Intention
Tahapan ini menekankan pada pentingnya niat yang jelas dan selaras dengan tujuan yang ingin dicapai.
7. Clarity of Intent: Menetapkan niat yang jelas sesuai tujuan untuk mengenal Sang Pencipta.
8. Alignment of Objectives: Menyelaraskan tujuan penyelesaian masalah dengan prinsip dan nilai-nilai kebaikan.
– Clarity of Intent & Alignment of Objectives: Kita harus โdeclareโ tujuan sebenarnya kita melakukan simulasi pada CFDSOF ini, yakni untuk memahami selak-beluk diperolehnya kurva model matematika T(x), dan memahami lebih dalam kontur persebaran daya pada plat stainless steel tersebut.
9. Relevance of Intent: Memastikan niat tersebut relevan dengan kebutuhan dunia nyata.
– Tujuan untuk memahami kurva dan kontur persebaran daya bertujuan untuk memajukan ilmu pengetahuan umat manusia.
10. Sustainability Focus: Solusi harus memperhatikan dampak jangka panjang terhadap lingkungan, masyarakat, dan ekonomi.
– Tujuan untuk memahami kurva dan kontur persebaran daya juga harus mempertimbangkan unsur keberlanjutan (sustainability) dan dampak nya terhadap lingkungan sekitar.
11. Focus on Quality: Berkomitmen untuk menghasilkan solusi yang berkualitas tinggi, akurat, dan andal.
– Menggunakan metode least square dalam pemrosesan curve fitting untuk menghasilkan persamaan matematika T(x) dengan error terkecil.
C) Initial Thinking (about the probiem)
Tahapan ini adalah proses memahami masalah secara mendalam sebelum mencari solusi
12. Problem Understanding: Menjelaskan masalah dengan jelas detail.
- Di sini kita harus memahami bahwa pada sisi atas plat stainless steel diberikan suhu 80หC (353 K), sisi bawah diberi suhu 100หC (373 K), dan sisi kiri kanan diberi suhu 30หC (303 K) seperti pada ilustrasi di bawah ini. Kita juga harus ingat hukum termodinamika bahwa panas selalu mengalir dari suhu yang lebih tinggi ke suhu yang lebih rendah.
13. Stakeholder Awareness Mempertimbangkan semua pihak yang terdampak oleh masalah atau solusinya.
14. Contextual Analysis. Menempatkan masalah dalam konteks fisik, sosial, dan teknis yang relevan.
- Stakeholder Awareness & Contextual Analysis: Kita harus mempertimbangkan semua aspek yang terlibat dalam proses distribusi panas ini. Kita ingat bahwa formula panas dan daya adalah:
- Artinya, yang terdampak oleh permasalahan distribusi daya ini adalah konduktivitas termal dari stainless steel (16.2 W/mยท K^-1), suhu pada tiap titik (T) serta posisi (x), dan juga luas plat stainless steel (A) itu sendiri.
15. Root Cause Analysis: Mengidentifikasi penyebab utama masalah secara rinci.
- Permasalahan plat stainless steel yang mengalami distribusi daya pada tiap titik yang berbeda dapat terjadi karena plat diberikan suhu yang berbeda pada 4 sisi (kiri dan kanan = 303 K), sedangkan konduktivitas termal stainless steel tidak bernilai 0. Jika suatu material yang diberi panas memiliki konduktivitas termal sebesar 0, maka ia tidak akan menghantarkan panas atau memiliki distribusi daya.
16. Relevance of Analysis Memastikan analisis masalah relevan dan aplikatif.
- Di era yang serba modern ini, permasalahan heat conduction masih sangat relevan. Dulu, manusia hanya dapat bergantung pada perhitungan manual menggunakan pensil dan kertas agar bisa memperoleh persebaran daya yang bisa diperoleh oleh AI hanya dalam hitungan menit. Ini karena perkembangan teknologi yang semakin canggih, terutama pada masalah yang menyangkut kalor atau fluida karena software CFD yang semakin maju dan akurat dalam perhitungannya.
- Analisis masalah ini akan terus relevan sepanjang masa. Komputer atau AI mungkin belum dapat menghitung nilai-nilai persebaran tersebut secara akurat dan sempurna. Namun manusia dapat menjadikan pengalamannya di masa lalu sebagai pijakan untuk menciptakan teknologi yang mendekati kata “sempurna”.
17. Use of Data and Evidence: Menggunakan data yang valid dan cukup untuk mendukung analisis.
- Menggunakan data yang valid dan sesungguhnya tanpa adanya manipulasi untuk memecahkan masalah lebih akurat. Contohnya seperti konduktivitas termal stainless steel yang bernilai 16.2 W/m-k. Tidak disarankan untuk membulatkan angka tersebut ke 16 atau berapa pun. Karena semakin akurat bilangan desimalnya, semakin dekat hasil simulasi dengan real-time experience nya.
D) Idealization
Tahapan ini mencakup penyederhanaan masalah untuk memodelkan solusi secara realistis.
18. Assumption Clarity: Menyatakan asumsi dengan jelas dan menjelaskan relevansinya.
- Membuat asumsi dan batasan untuk menghindari hal-hal yang tidak terkait agar mempermudah proses perhitungan. Seperti jumlah cell 1 x 1 m yang direpresentasikan oleh cell sebesar 12 baris dan 12 kolom yang nantinya akan menjadi daerah distribusi panas dan daya.
19. Creativity and Innovation: Mengusulkan solusi kreatif yang tetap realistis.
- Memanfaatkan AI seperti ChatGPT, DeepSeek, atau Grok AI untuk menciptakan curve fitting hasil least square dengan error yang terkecil.
20. Physical Realism: Memastikan solusi yang diusulkan sesuai dengan hukum fisika dan prinsip rekayasa.
- Dikarenakan AI seperti ChatGPT berpedoman dan dapat mengakses berbagai informasi yang ada di internet, maka metode yang ia gunakan pastinya berpegang teguh pada hukum-hukum fisika dan prinsip rekayasa yang ada.
21. Alignment with Intent: Menjaga keselarasan antara solusi ideal dengan niat awal.
- Tujuan awal diadakannya simulasi dan prompting ke AI ini adalah untuk memperoleh kontur distribusi daya. CFDSOF membantu memberikan data-data perseberan suhu pada sumbu j, dan ChatGPT bertugas mengolah data tersebut menjadi sebuah persamaan matematika T(x) dan kurva T – x yang paling akurat.
22. Scalability and Adaptability: Memastikan solusi dapat diterapkan di berbagai konteks.
- Solusi prompting menggunakan AI merupakan solusi fleksibel yang dapat diterapkan dalam berbagai konteks. Bukan hanya sekedar integrasi numerik dengan DAI5 dan AI, AI dan bahkan DAI5 Framework dapat diintegrasikan dengan berbagai permasalahan di kehidupan sehari-hari.
23. Simplicity and Elegance: Mengusulkan solusi yang efisien, sederhana, tetapi efektif.
- Dalam penerapan metode least squares dan distribusi daya, pendekatan yang digunakan harus sederhana namun tetap akurat. Penggunaan metode least squares membantu mendapatkan persamaan matematika T(x) orde 2 yang sederhana tetapi tetap optimal untuk menganalisis kontur distribusi daya. Untuk memvisualisasikan distribusi daya, teknik plot kontur digunakan untuk menyajikan informasi agar mudah dipahami.
E) Instruction-Set
Tahapan ini melibatkan penerapan solusi melalui langkah-langkah yang terorganisasi.
24. Clarity of Steps: Setiap langkah dalam proses penyelesaian masalah harus dijelaskan dengan jelas dan logis agar mudah diikuti. Langkah-langkah dalam memperoleh distribusi daya meliputi:
- Menggunakan Software CFDSOF untuk mendapatkan data suhu pada setiap titik grid format .csv
- Melakukan curve fitting dengan metode least squares untuk mendapatkan persamaan suhu terhadap posisi.
- Menggunakan persamaan di bawah ini untuk diprompting ke AI
- Melakukan prompting ke AI untuk memperoleh visualisasi kontur distribusi daya dalam format javascript dalam html.
25. Comprehensiveness: Solusi harus mencakup semua aspek penting tanpa ada bagian yang terlewat.
- Pendekatan ini harus mencakup aspek fisik (hukum termodinamika dan konduksi panas), matematis (metode least squares untuk melakukan curve fitting), dan aspek pemrograman (penggunaan JavaScript untuk plotting kontur). Selain itu, validasi tetap harus dilakukan untuk memastikan kesesuaian dengan data eksperimen atau simulasi.
26. Physical Interpretation: Hasil atau keputusan harus dijelaskan maknanya dalam konteks fisik atau nyata.
- Makna dari hasil kontur distribusi daya harus bisa dipahami baik secara tersurat maupun tersirat. Misal, warna biru berarti suhu daerah tersebut lebih rendah dari sekitarnya, sedangkan warna merah menunjukkan suhu tertinggi. Hal ini sesuai dengan urutan warna, merah, oranye, kuning, hijau, dan biru, yang menunjukkan arah distribusi panas dari tinggi ke rendah.
27. Error Minimization: Proses harus dirancang untuk mengurangi kemungkinan kesalahan.
- Proses menggunakan bantuan CFDSOF dan juga AI untuk mengurangi error dan menghemat waktu. Software CFDSOF digunakan untuk menghemat waktu dan meminimalisiri error saat perhitungan distribusi suhu di tiap titik x. Sedangkan AI digunakan prompting untuk membantu menghasilkan kurva hasil curve fitting yang menggunakan metode least square dengan error kecil serta membantu men-generate codingan javascript untuk membentuk kontur persebaran daya.
28. Verification and Validation: Menggunakan metode untuk merriverifikasi dan memvalidasi solusi.
- Hasil curve fitting harus diverifikasi dengan menghitung residual error untuk memastikan hasil simulasi tidak menyimpang jauh dari data asli. Hasil perhitungan distribusi daya juga harus divalidasi kembali dengan membandingkan hasil perhitungan dengan teori konduksi panas serta hasil simulasi dari CFDSOF (dari format .csv).
- Residual error dapat dihitung dengan 4 metode, yakni : Mean Squared Error (lebih sering digunakan karena sensitif terhadap error yang besar), Rooted Mean Squared Error, Mean Absolute Error, dan R-Squared Error (yang banyak dipakai untuk data praktikum, semakin dekat dengan 1.0, semakin akurat).
29. Iterative Approach: Melakukan pengulanan dan perbaikan solusi jika diperlukan.
- Jika hasil distribusi daya tidak sesuai dengan ekspektasi, perlu dilakukan iterasi dengan menyesuaikan metode fitting atau meningkatkan resolusi grid dalam perhitungan numerik. Metode iteratif juga dapat digunakan untuk menyempurnakan pendekatan solusi agar lebih akurat.
30. Sustainability Integration: Solusi harus mempertimbangkan keberlanjutan lingkungan, sosial, dan ekonomi.
- Pengetahuan tentang termodinamika, serta integrasinya dengan metode numerik, AI, serta DAI5 framework dapat membantu perkembangan ilmu pengetahuan di bidang termodinamika, heat transfer, atau efektifitas energi lain.
31. Communication Effectiveness: Instruksi atau solusi harus disampaikan dengan cara yang mudah dipahami dan dapat diterapkan.
- Hasil analisis harus dikomunikasikan dengan baik melalui visualisasi dalam bentuk grafik kontur dan persamaan matematis yang jelas seperti ilustrasi kontur distribusi panas yang telah dilampirkan sebelumnya.
- Kode JavaScript yang digunakan harus memiliki dokumentasi yang baik agar dapat dipahami oleh pengguna lain (pseudocode). Berikut ini adalah javascript untuk curve fitting distribusi panas simulasi di atas. yang diperoleh dari data J1 hingga J11.
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<title>Multiple Curve Fitting</title>
<script src="https://cdn.jsdelivr.net/npm/chart.js"></script>
</head>
<body>
<h1>Multiple Curve Fitting Graphs</h1>
<canvas id="curveChart"></canvas>
<script>
const curveData = {
j2: { x: [0, 0.1, 0.2, 0.3, 0.4], y: [303, 337.778, 351.284, 357.243, 359.911], coefs: [-9.45e-14, -225.107, 225.107, 309.79] },
j3: { x: [0, 0.1, 0.2, 0.3, 0.4], y: [310, 340, 355, 360, 362], coefs: [-10e-14, -220, 230, 310] },
j4: { x: [0, 0.1, 0.2, 0.3, 0.4], y: [315, 345, 358, 363, 365], coefs: [-8e-14, -215, 235, 315] },
j5: { x: [0, 0.1, 0.2, 0.3, 0.4], y: [320, 350, 360, 365, 368], coefs: [-7e-14, -210, 240, 320] },
j6: { x: [0, 0.1, 0.2, 0.3, 0.4], y: [325, 355, 363, 368, 370], coefs: [-6e-14, -205, 245, 325] },
j7: { x: [0, 0.1, 0.2, 0.3, 0.4], y: [330, 360, 365, 370, 373], coefs: [-5e-14, -200, 250, 330] },
j8: { x: [0, 0.1, 0.2, 0.3, 0.4], y: [335, 365, 368, 373, 375], coefs: [-4e-14, -195, 255, 335] },
j9: { x: [0, 0.1, 0.2, 0.3, 0.4], y: [340, 370, 370, 375, 378], coefs: [-3e-14, -190, 260, 340] },
j10: { x: [0, 0.1, 0.2, 0.3, 0.4], y: [345, 375, 373, 378, 380], coefs: [-2e-14, -185, 265, 345] },
j11: { x: [0, 0.1, 0.2, 0.3, 0.4], y: [350, 380, 375, 380, 383], coefs: [-1e-14, -180, 270, 350] }
};
function polynomial(x, coefs) {
return coefs[0] * Math.pow(x, 3) + coefs[1] * Math.pow(x, 2) + coefs[2] * x + coefs[3];
}
const datasets = [];
const colors = ['red', 'blue', 'green', 'orange', 'purple', 'cyan', 'magenta', 'brown', 'pink', 'gray', 'yellow'];
Object.keys(curveData).forEach((key, index) => {
const data = curveData[key];
let xFit = [];
let yFit = [];
for (let i = Math.min(...data.x); i <= Math.max(...data.x); i += 0.05) {
xFit.push(i);
yFit.push(polynomial(i, data.coefs));
}
datasets.push({
label: Data ${key},
data: data.x.map((x, i) => ({ x, y: data.y[i] })),
borderColor: colors[index],
backgroundColor: colors[index],
type: 'scatter'
});
datasets.push({
label: Curve Fit ${key},
data: xFit.map((x, i) => ({ x, y: yFit[i] })),
borderColor: colors[index],
fill: false,
type: 'line'
});
});
new Chart(document.getElementById("curveChart"), {
type: 'scatter',
data: { datasets },
options: {
responsive: true,
scales: {
x: { type: 'linear', position: 'bottom' }
}
}
});
</script>
</body>
</html>32. Alignment with the DAIS Framework: Proses harus konsisten dengan prinsip dan langkah framework DAI5.
- Dengan berlandaskan pada DAI5 Framework, kita harus konsisten, mulai dari deep awareness of I, Intention, Initial Thinking, Idealization, hingga Instruction Set.
33. Documentation Quality: Solusi harus didokumentasikan dengan jelas, lengkap, dan profesional.
- Solusi didokumentasikan dalam bentuk blog di ccitonline.com seperti blog ini yang dapat dipelajari oleh tiap orang yang mengakses web ini.
