Perpustakaan Digital ITB

Proses stokastik yang mewakili realisasi adalah proses titik, karena memperluas ruang parameter mengikuti pola probabilistik. Aplikasi proses titik spasial di berbagai bidang seperti gempa, analisis citra, dan lainnya, namun belum pernah diaplikasikan pada objek berskala mikro. Proses titik spasial akan digunakan untuk memodelkan kejadian fasa sigma di Stainless steels (SS) berdasarkan citra mikronya. SS merupakan material tahan karat, namun jika dipapar dengan suhu tinggi dalam waktu lama, dapat membentuk endapan intermetalik Fe-Cr (fasa sigma). Fasa ini mengurangi kemampuan material menahan korosi dan dapat diamati melalui transformasi warna yang terjadi secara bertahap. Proses titik spasial pada disertasi ini untuk mengidentifikasi pola distribusi “titik” kejadian fasa sigma di permukaan SS. Eksplorasi pola ini berdasarkan lokasi dan warna dengan Analisis Korespondensi (AK). Untuk memperoleh citra struktur mikro SS, prosedur di laboratorium material dilakukan dan dipilih tiga lokasi pengamatan A, B, dan C. Kemudian, indikator fasa sigma diamati berdasarkan warna Coklat Muda (CM), Coklat Tua (CT), Coklat Kebiruan (CKB), Biru Muda (BM), dan Biru Tua (BT). Warna pada permukaan citra SS dikelompokkan menjadi lima warna indikator dengan analisis klaster K-Means. Selain itu, dihitung frekuensi warna pada grid yang berbentuk lingkaran, persegi, atau belah ketupat untuk tiap lokasi. Grid terus dibuat hingga Chi-square jenuh (konvergen). Di sini, aspek inferensial penentuan wilayah kepercayaan elips AK pun dibahas. Dari peta korespondensi didapat hasil lokasi A tidak saling bebas dengan BT, B dengan CKB dan CT, sedangkan C dengan CM. Dengan demikian fasa sigma banyak dijumpai di A dan risiko terjadinya korosi di A lebih tinggi daripada lokasi lain, sedangkan di B dan C hampir sama namun risiko di A itu sendiri homogen. Dihasilkan beberapa hal dari penelitian ini yaitu, (i) beberapa teorema batas parameter grid hingga konvergen, (ii) terdapat hubungan signifikan antara lokasi dan warna, (iii) lokasi A dan BM berkontribusi terhadap asosiasi, dan (iv) proporsi varians yang dijelaskan oleh sumbu horizontal dan vertikal menampilkan 100% varians dalam data.