digilib@itb.ac.id +62 812 2508 8800

ABSTRAK Kevin Fahrezi Darmawan
PUBLIC Alice Diniarti

COVER Kevin Fahrezi Darmawan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan

BAB 1 Kevin Fahrezi Darmawan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan

BAB 2 Kevin Fahrezi Darmawan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan

BAB 3 Kevin Fahrezi Darmawan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan

BAB 4 Kevin Fahrezi Darmawan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan

BAB 5 Kevin Fahrezi Darmawan
Terbatas  Alice Diniarti
» Gedung UPT Perpustakaan

PUSTAKA Kevin Fahrezi Darmawan
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.