Perpustakaan Digital ITB

Pelapisan seng pada produk baja banyak digunakan dalam industri otomotif. Seng dipilih karena ketahanan korosinya dan sacrificial protection. Dalam aplikasi tersebut seng merupakan logam yang terpapar langsung dengan lingkungan atmosfer. Pengukuran laju korosi atmosferik dilakukan untuk mengetahui tingkat korosi pada produk seng yang terekspos di lingkungan telah ada (brownfield) agar dapat dilakukan mitigasi untuk menghindari kegagalan awal pada produk dan pada lingkungan baru (greenfield) dapat dilakukan prediksi sebagai tahap awal atau tahap desain dalam pemilihan material. Pengujian eksposur adalah pengujian yang umum dilakukan untuk mempelajari perilaku dan nilai laju korosi atmosferik untuk jangka panjang serta membutuhkan waktu yang lama. Oleh sebab itu, data berdasarkan pengujian tersebutdigunakan sebagai analisis keberlanjutan sehingga analisis data korosi memerlukan metode data mining yang lebih maju. Pembelajaran mesin dipilih sebagai metode permasalahan tersebut. Pada penelitian ini, model algoritma yang digunakan yaitu Bagging Regressor, XGBoost Regressor, dan Gradient Boosting. Penyesuaian hyperparameter dapat mengoptimalkan model algoritma. Hasil yang diperoleh menunjukkan bahwa algoritma XGBoost Regressor sebagai model paling optimal berdasarkan nilai akurasi dan hasil validasi prediksi. Penelitian ini juga diperoleh hasil prediksi laju korosi atmosferik di Jakarta, Bandung, Valparaiso, Barcelona, dan Jepang secara berturut-turut yaitu 10,619 g/m2; 9,589 g/m2; 7,813 g/m2; 2,943 g/m2; 11,132 g/m2.