BAB 1 Fahreza Nurhidayat
Terbatas Resti Andriani
» Gedung UPT Perpustakaan
Terbatas Resti Andriani
» Gedung UPT Perpustakaan
BAB 2 Fahreza Nurhidayat
Terbatas Resti Andriani
» Gedung UPT Perpustakaan
Terbatas Resti Andriani
» Gedung UPT Perpustakaan
BAB 3 Fahreza Nurhidayat
Terbatas Resti Andriani
» Gedung UPT Perpustakaan
Terbatas Resti Andriani
» Gedung UPT Perpustakaan
BAB 4 Fahreza Nurhidayat
Terbatas Resti Andriani
» Gedung UPT Perpustakaan
Terbatas Resti Andriani
» Gedung UPT Perpustakaan
BAB 5 Fahreza Nurhidayat
Terbatas Resti Andriani
» Gedung UPT Perpustakaan
Terbatas Resti Andriani
» Gedung UPT Perpustakaan
PUSTAKA Fahreza Nurhidayat
Terbatas Resti Andriani
» Gedung UPT Perpustakaan
Terbatas Resti Andriani
» Gedung UPT Perpustakaan
Paduan CoCrWNi atau Haynes 25 digunakan sebagai material stent jantung karena
kekuatan dan modulus elastisitasnya memungkinkan strut dibuat tipis tanpa
kehilangan kekuatan radial. Matriks face-centered cubic paduan ini metastabil dan
dapat bertransformasi menjadi hexagonal close-packed selama deformasi plastis,
serta kecenderungan tersebut dikendalikan oleh stacking fault energy yang
bergantung pada komposisi unsur pemadu. Penelitian ini bertujuan memetakan
pengaruh Cr, W, dan Ni terhadap ultimate tensile strength, modulus elastisitas, yield
strength, dan stacking fault energy, menentukan model machine learning terbaik
untuk memprediksi keempat sifat itu, serta mengusulkan kandidat komposisi untuk
material stent jantung. Ruang lingkupnya mencakup 125 komposisi nonekuiatomik
di sekitar komposisi acuan Co-24Cr-5W-11Ni (at.%).
Simulasi molecular dynamics dijalankan dengan perangkat lunak LAMMPS
memakai potensial modified embedded atom method sistem Co-Cr-Ni-W pada suhu
tetap 300 K. Struktur larutan padat acak dibangun dengan Atomsk, lalu direlaksasi
untuk memperoleh parameter kisi setimbang. Uji tarik uniaksial pada supercell
berisi 28.800 atom menghasilkan kurva tegangan-regangan. Nilai stacking fault
energy dihitung melalui geseran kaku pada bidang {111} dan dirata-ratakan dari
lima realisasi penempatan atom, sedangkan kurva generalized stacking fault energy
dipetakan pada 13 komposisi terpilih. Hasil simulasi menjadi masukan pemodelan
machine learning yang membandingkan linear regression, ridge regression,
random forest, dan support vector regression melalui nested cross-validation.
Cr menaikkan ketiga sifat mekanik, W hanya menaikkan modulus elastisitas,
sedangkan Ni menurunkan ketiganya dan paling menentukan. Seluruh komposisi
menghasilkan stacking fault energy negatif pada rentang -83,29 hingga -35,76
mJ/m2 dengan nilai acuan -55,16 mJ/m2. Ni satu-satunya unsur yang efektif
menaikkannya, sedangkan Cr tidak berpengaruh berarti pada rentang yang ditinjau.
Support vector regression unggul untuk ultimate tensile strength dan modulus
elastisitas, ridge regression untuk yield strength, dan linear regression untuk
stacking fault energy, sehingga hubungan komposisi terhadap sifat hampir aditif.
Rentang yang diusulkan adalah 24 hingga 27 at.% Cr, 0 hingga 3 at.% W, dan 7
hingga 9 at.% Ni, dengan Co-27Cr-3W-7Ni sebagai kandidat terkuat dan Co-27Cr-
3W-9Ni sebagai kandidat dengan stacking fault energy lebih terjaga.
Perpustakaan Digital ITB