ABSTRAK Nyoman Bagastantya Widiastika
PUBLIC Resti Andriani
BAB 1 Nyoman Bagastantya Widiastika
Terbatas  Resti Andriani
» Gedung UPT Perpustakaan
Terbatas  Resti Andriani
» Gedung UPT Perpustakaan
BAB 2 Nyoman Bagastantya Widiastika
Terbatas  Resti Andriani
» Gedung UPT Perpustakaan
Terbatas  Resti Andriani
» Gedung UPT Perpustakaan
BAB 3 Nyoman Bagastantya Widiastika
Terbatas  Resti Andriani
» Gedung UPT Perpustakaan
Terbatas  Resti Andriani
» Gedung UPT Perpustakaan
BAB 4 Nyoman Bagastantya Widiastika
Terbatas  Resti Andriani
» Gedung UPT Perpustakaan
Terbatas  Resti Andriani
» Gedung UPT Perpustakaan
BAB 5 Nyoman Bagastantya Widiastika
Terbatas  Resti Andriani
» Gedung UPT Perpustakaan
Terbatas  Resti Andriani
» Gedung UPT Perpustakaan
PUSTAKA Nyoman Bagastantya Widiastika
Terbatas  Resti Andriani
» Gedung UPT Perpustakaan
Terbatas  Resti Andriani
» Gedung UPT Perpustakaan
Setelah ditemukannya paduan entropi tinggi pada tahun 2004, mulai banyak penelitian mengenai paduan tersebut. Banyak industri yang diuntungkan akibat penemuan paduan ini seperti industri transportasi, energi, maupun kesehatan. Di Indonesia, pengembangan industri dan penelitian alat kesehatan merupakan salah satu program prioritas nasional untuk mengatasi ketergantungan pada alat kesehatan impor. Adanya keunggulan sifat mekanis dan fisik dari paduan entropi tinggi dan sedang, terutama CoCrNiAl, berpotensi untuk dikembangkan sebagai biomaterial untuk alat kesehatan. Pengaturan nilai SFE dari paduan entropi tinggi dan sedang dapat berpengaruh kepada sifat mekanis paduan melalui mekanisme deformasinya. Untuk mengetahui nilai SFE paduan pada parameter tertentu, dilakukan simulasi dengan perhitungan termodinamika dan machine learning untuk meningkatkan efektivitas penelitian. Penelitian ini bertujuan untuk menentukan pengaruh komposisi dan temperatur dari paduan, menentukan model machine learning terbaik, serta memberikan saran dan panduan desain paduan entropi sedang CoCrNiAl.
Simulasi diawali dengan menentukan parameter yang digunakan untuk perhitungan termodinamika yang diambil dari beberapa literatur. Setelah itu, parameter dan perhitungan termodinamika dimasukkan ke dalam program MATLAB untuk dilakukan perhitungan. Hasil perhitungan tersebut kemudian dijadikan database yang akan disuplai kepada dua model machine learning, yaitu decision tree dan random forest, untuk dapat dipelajari. Setelah mempelajari data yang diberikan, kemudian model tersebut diminta melakukan prediksi nilai SFE baik kepada data test dari database maupun data test independen dari literatur. Performa dan akurasi model kemudian diukur dengan menggunakan perhitungan mean average error (MAE) dan juga diagram confusion matrix untuk menentukan model terbaik.
Dari simulasi yang dilakukan, seiring dengan meningkatnya temperatur, nilai SFE juga akan semakin meningkat pada tiap komposisi yang disimulasikan. Berdasarkan perhitungan termodinamika pada temperatur 10 K; penambahan atom Co dapat menurunkan nilai SFE dari 77,45 mJ/m2 menjadi 35,5 mJ/m2, penambahan atom Cr dapat menurunkan nilai SFE dari 109,87 mJ/m2 menjadi 0,36 mJ/m2, penambahan atom Ni dapat meningkatkan nilai SFE dari 30,65 mJ/m2 menjadi 60,23 mJ/m2, dan penambahan atom Al dapat meningkatkan nilai SFE dari -41,33 mJ/m2 menjadi 85,07 mJ/m2. Model terbaik yang didapatkan dari kedua model yang digunakan adalah model random forest dengan nilai MAE sebesar 0,29612 dan akurasi 99,73%. Untuk membuat desain paduan CoCrNiAl yang memiliki nilai medium SFE, dapat mengikuti rentang at-Al 14% – 31,67%, at-Ni 5% – 28,67%, at-Cr 26,67% – 34%, at-Co 22% – 31,67% pada temperatur 300 K.