Perpustakaan Digital ITB

Paduan entropi tinggi atau High Entropy Alloy (HEA) sebagai paduan baru dengan empat efek intinya memiliki potensial untuk diaplikasikan di lingkungan korosif seperti media garam. Pengembangan HEA terkait sifat ketahanan korosinya pun terus dikembangkan, namun studi eksperimental melalui pengujian korosi membutuhkan waktu dan biaya yang besar. Metode untuk mempercepat pengembangan HEA yang memiliki ketahanan korosi yang baik sebagai acuan awal sebelum melakukan eksperimen perlu dilakukan. Untuk itu pada penelitian ini digunakan pembelajaran mesin. Model algoritma yang diterapkan adalah Random Forest (RF), Decision Tree (DT) dan Gradient Boosting (GB). Hasil dari penelitian ini menunjukkan algoritma random forest sebagai model prediksi paling optimal berdasarkan nilai akurasi dan hasil validasi prediksi. Pada penelitian ini diperoleh juga hasil prediksi laju korosi HEA AlCoCrFeNiMn, AlCrFeNiMnTi, AlCo0,1CrFeNi, AlCo0,5CrFeNi, AlCoCr0,1FeNi, dan AlCoCr0,5FeNi dengan ketiga model algoritma.