ABSTRAK Kevin Fahrezi Darmawan
PUBLIC Alice Diniarti
COVER Kevin Fahrezi Darmawan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
BAB 1 Kevin Fahrezi Darmawan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
BAB 2 Kevin Fahrezi Darmawan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
BAB 3 Kevin Fahrezi Darmawan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
BAB 4 Kevin Fahrezi Darmawan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
BAB 5 Kevin Fahrezi Darmawan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
PUSTAKA Kevin Fahrezi Darmawan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan
Oksidasi temperatur tinggi merupakan salah satu mode kegagalan yang umum
terjadi pada komponen yang beroperasi pada temperatur tinggi, sehingga pemilihan paduan
tahan panas yang tepat perlu dilakukan agar komponen tersebut dapat dioperasikan dengan
aman dalam jangka waktu yang lama. Salah satu jenis paduan yang umum digunakan pada
komponen yang beroperasi pada temperatur tinggi adalah baja paduan tahan panas. Paduan
tersebut banyak digunakan karena relatif lebih murah dan memiliki ketahanan oksidasi yang
cukup baik. Umumnya paduan tersebut dikembangkan melalui tahapan eksperimen yang
dapat menghabiskan waktu dan biaya yang besar. Untuk memenuhi kebutuhan akan paduan
ini di masa depan, maka metode pengembangan paduan yang lebih cepat dan akurat perlu
dipelajari. Salah satunya adalah menggunakan komputasi atau pembelajaran mesin. Oleh
karena itu, penelitian ini dilakukan untuk membuat model prediksi laju oksidasi dari baja
paduan tahan panas pada temperatur tinggi menggunakan pembelajaran mesin dengan
model Extra Trees (ET), Random Forest (RF), dan Gradient Boosting (GB). Model ET
menghasilkan akurasi ????2 = 0.913, ???????????? = 0.7368, dan ???????????????? = 1.108 dengan waktu
eksekusi tercepat selama 797.246 detik. Model RF menghasilkan akurasi ????2 = 0.9, ???????????? =
0.8255, dan ???????????????? = 1.189 dengan waktu eksekusi selama 841.945 detik. Lalu model GB
menghasilkan akurasi tertinggi ????2 = 0.93, ???????????? = 0.6598, dan ???????????????? = 0.994 dengan waktu
eksekusi selama 2948.73 detik. Selain itu, penelitian ini juga menunjukkan bahwa
pemaduan unsur Al merupakan yang terbaik dalam meningkatkan ketahanan oksidasi
karena dapat membentuk oksida ????????2????3 yang protektif dan stabil pada temperatur tinggi,
sedangkan unsur N, S, dan P merupakan pengotor yang dapat menurunkan ketahanan
oksidasi dengan memperburuk antarmuka substrat dan meningkatkan risiko embrittlement
di batas butir. Adapun meningkatnya temperatur dan tekanan parsial merupakan penyebab
terburuk dalam menurunkan ketahanan oksidasi karena dapat meningkatkan laju
perpindahan ion dan meningkatkan aktivitas hidrogen untuk mengubah oksida protektif
menjadi volatile. Penulis berharap hasil penelitian ini dapat digunakan secara optimal untuk
memprediksi laju oksidasi baja paduan tahan panas pada temperatur tinggi.