Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK
Austempered Ductile Iron (ADI) adalah besi tuang nodular yang mengalami proses austemper yang memiliki kombinasi sifat ketangguhan, keausan dan keuletan yang baik. ADI memiliki struklur accicular ferit dalam matriks austenit. Kandungan austenit sisa sangat menentukan sifat mekanis ADI. Austenit sisa yang terdapat pada ADI tidak stabil dan dapat bertransformasi menjadi mariensit bila mengalami deformasi. Fraksi volume dan distribusi austenit sisa sangat tergantung pada perlakuan panas dan unsur paduannya. Penelitian ini bertujuan unluk mengetahui pengaruh waktu tahan austemper terhadap karakreristik pembentukan austenit sisa pada ADI, kestabilan austenit sisa akibat proses deformasi plastis dan membandingkan perhifungan fraksi volume austenit sisa dengan metode Difraksi Sinar-X dan Point Counting. Bahan penelitian ini adalah BTN FCD -15 dengan unsur paduan 0.27% Mo, 0.23% Mn dan 2.95% Ni. Proses austenisasi dilakukan pada temperazur 900°C dengan waktu tahan 90 menit, lalu proses austemper pada remperarur 400°C dengan waktu tahan 60,120,180 menit. Setelah itu dilakukan proses canai dingin dengan variasi reduksi 5,10, 15 % . Pengujian yang dilakukan adalah kekerasan, pengujiam heat tinting dan pengamatan strukrur mikro serta pengujian Difraksi Sinar-X. Dari penelitian diperoleh bahwa faksi volume austenit sisa berkurang dari 29.25% ke 17.2% dengan meningkatnya waktu tahan austemper dari 60 hingga 180 menit, dengan metode Point Counting. Fraksi volume austenit sisa menurun dari 14.1% menjadi 9.95% (60 menit, 10.95% menjadi 7.25% ( 120 menit, 11.65% menjadi 11.1 % (180 menit dengan meningkatnya reduksi dari 5 hingga 15% dengan metode Point Counting. Kekerasan Bahan ADI meningkat dari 242.25 BHN menjadi 247.15 BHN dengan meningkatnya waktu tahan austemper dari 60 hingga 180 menit. Kekerasam Bahan ADI meningkat dari 256.33 BHN menjadi 307.41 BHN (60 mni, 270.64 BHN menjadi 308.7 BHN (120 mni), 272. 9BHN menjadi 313. 8.5 (180 mni dengan meningkatnya % reduksi dari 5 hingga 15%. Penghitungan fraksi volume austenit sisa dengan metode Difaksi Sinar-X dan merode Point Counting mengalami perbedaan sehingga dinerlukam penelitiam lebih lanjut untuk mencari hubungan antara keduanya.

Abstrak :
Proses perhitungan persentase mineral berdasarkan jenisnya atau point counting, merupakan salah satu proses yang tidak mudah. Boleh jadi seorang ahli geologi pun membutuhkan waktu yang relatif tidak singkat untuk melakukannya. Kesulitan ini terkait ukuran, objek penelitian, maupun perbedaan dalam menginterpretasikan objek yang diteliti. Di sisi lain pembelajaran mendalam atau deep learning menggunakan sistem kecerdasan buatan (artificial intelligence) dapat meniru manusia dan bagaimana jaringan saraf bekerja untuk melakukan suatu kegiatan. Skripsi ini membahas mengenai bagaimana sistem kecerdasan buatan digunakan untuk membantu identifikasi dan point counting mineral kuarsa, berdasarkan sampel sayatan tipis mikroskop polarisasi bidang. Sampel yang digunakan berasal dari sebagian daerah Kecamatan Agrabinta, Cidadap dan sekitarnya. Sampel sayatan tipis PPL batuan yang didapatkan dianalisis dengan tiga metode, yakni metode point counting konvensional, pengiriman beberapa sampel ke laboratorium, dan menggunakan sistem kecerdasan buatan aplikasi yang diberi nama Quartz Point Count. Dari ketiga metode kemudian dibandingkan hasil dari persentase mineral kuarsa. Hasil dari penelitian ini menunjukan penggunaan sistem kecerdasan buatan untuk point counting mineral kuarsa pada sampel wilayah penelitian, memiliki nilai perbedaan yang tidak signifikan dibandingkan hasil point counting konvensional, maupun hasil uji laboratorium. ......The process of calculating the percentage of minerals based on type or point counting is not an easy process. It may take a geologist a long time to do this. This difficulty is related to size, research object, and differences in interpreting the object. On the other hand, deep learning using an artificial intelligence system can imitate humans and the way neural networks work in carrying out many activities. This thesis explains how artificial intelligence systems are used to assist in the identification and point count of quartz mineral, based on thin section samples from a plane polarizing microscope (PPL). The samples used came from Agrabinta, Cidadap and surrounding areas. The PPL thin section rock samples obtained were analyzed using three methods, the conventional way of point counting, sending several samples to the laboratory, and using an artificial intelligence system application called Quartz Point Count. The three methods then compare the results of the percentage of quartz minerals. The research result shows that the use of an artificial intelligence system for calculating quartz mineral points in research location samples has no significant differences compared to conventional point counting results or laboratory test results.