<> "The repository administrator has not yet configured an RDF license."^^ . <> . . . "DETEKSI CACAT LAS PORI MENGGUNAKAN METODE \r\nMACHINE LEARNING SISTEM MAGNETIC \r\nINDUCTION TOMOGRAPHY (MIT)"^^ . "Teknik penyambungan logam berperan penting dalam reparasi produksi logam \r\noleh karena itu pengelasan merupakan bagian tak terpisahkan dari pertumbuhan \r\npeningkatan industri. Beberapa komponen dari logam yang rentan terjadinya \r\nkegagalan adalah pada sambungan las. Proses pengelasan seringkali terjadi \r\nkerusakan atau cacat, karena itu harus dilakukan suatu pengujian untuk \r\nmemastikan bahwa material tersebut aman. Kualitas hasil lasan dipengaruhi oleh \r\nada tidaknya cacat pada hasil lasan. Maka perlu dilakukan inspeksi terhadap \r\nlogam untuk mengetahui adanya cacat tanpa merusak struktur logam yang disebut \r\npengujian tak merusak (Non Destructive Test). Salah satu metode yang sedang \r\ndikembangkan untuk pengujian tak merusak adalah magnetic induction \r\ntomography (MIT). Selain karena bersifat non-intrusive dan non-invasive, \r\nkelebihan MIT adalah aman dari bahaya radiasi dan relatif murah. Tujuan dari \r\npenelitian ini adalah untuk mengevaluasi performa desain koil pada pengukuran \r\ncacat las serta mengidentifikasi pola sensor berdasarkan data penelitian untuk \r\nmembuat prediksi dalam mendeteksi cacat dengan algoritma sistem machine \r\nlearning. Penelitian ini menggunakan sensor MIT 2 channel dengan koil \r\ntransmitter dan koil receiver terbuat dari kawat tembaga. Spesimen uji yang \r\ndigunakan adalah pelat baja SS400 sebanyak 5 buah dengan dimensi 10 cm x 10 \r\ncm x 1 cm. Diberikan 5 cacat las buatan berbentuk porositas di permukaan \r\nspesimen uji dengan diameter 1 mm, 1,5 mm, 2 mm, 2,5 mm dan 3 mm. \r\nEksperimen dilakukan dengan meletakkan sensor MIT di atas cacat las kemudian \r\nsensor akan menginspeksi cacat selama frekuensi 100 kHz – 1 MHz. Hasil \r\nmemperlihatkan bahwa sensor selenoida lebih sensitif dalam membedakan cacat \r\nlas dibanding sensor planar. Parameter terbaik dalam penelitian ini berdasarkan \r\nnilai relatif magnitude adalah posisi inpeksi cacat las yaitu dibawah koil receiver \r\ndan kemampuan sensor dalam mendeteksi cacat adalah permukaan pelat baja. \r\nKarakterisasi sensor selenoida dilakukan terhadap 7 sensor, didapatkan hasil \r\nfabrikasi yang paling optimal mendeteksi cacat porositas adalah sensor 2 dan 5. \r\nDilihat berdasarkan kemampuan membedakan variasi ukuran cacat las. Signal to \r\nnoise ratio pada sensor 2 terletak pada rentang frekuensi 137 – 162 kHz yaitu \r\nminimal bernilai 15 dB. Sedangkan pada sensor 5 nilai SNR paling baik berada \r\npada rentang frekuensi 106 – 184 kHz dan 300 – 353 kHz dengan nilai minimal \r\n15 dB. Nilai SNR mininimal 15 dB menjelaskan jika sensor dapat efektif \r\nmengabaikan gangguan. Sensor 2 lebih sensitif dalam mendeteksi cacat las tetapi \r\ntrend grafik tidak linier, dan sensor 5 kurang sensitif dalam mendeteksi cacat \r\nporositas tetapi trend grafik linier. Algoritma machine learning terbaik penelitian \r\nini adalah Support Vector Machine dengan nilai akurasi 100 %, hal ini dapat \r\ndipertimbangkan untuk digunakan karena akurasinya cenderung stabil."^^ . "2021" . . . . "Fakultas Teknik Universitas Sultan Ageng Tirtayasa"^^ . . . "teknik metalurgi, Fakultas Teknik Universitas Sultan Ageng Tirtayasa"^^ . . . . . . . . . <> . . "Nabilla"^^ . "Hilzaviani"^^ . "Nabilla Hilzaviani"^^ . . "Didied"^^ . "Haryono"^^ . "Didied Haryono"^^ . . "Harisma"^^ . "Nugraha"^^ . "Harisma Nugraha"^^ . . "Fakultas Teknik Universitas Sultan Ageng Tirtayasa"^^ . . . . . . . "DETEKSI CACAT LAS PORI MENGGUNAKAN METODE \r\nMACHINE LEARNING SISTEM MAGNETIC \r\nINDUCTION TOMOGRAPHY (MIT) (Text)"^^ . . . "DETEKSI CACAT LAS PORI MENGGUNAKAN METODE \r\nMACHINE LEARNING SISTEM MAGNETIC \r\nINDUCTION TOMOGRAPHY (MIT) (Text)"^^ . . . "DETEKSI CACAT LAS PORI MENGGUNAKAN METODE \r\nMACHINE LEARNING SISTEM MAGNETIC \r\nINDUCTION TOMOGRAPHY (MIT) (Other)"^^ . . . . . . "DETEKSI CACAT LAS PORI MENGGUNAKAN METODE \r\nMACHINE LEARNING SISTEM MAGNETIC \r\nINDUCTION TOMOGRAPHY (MIT) (Other)"^^ . . . . . "HTML Summary of #50578 \n\nDETEKSI CACAT LAS PORI MENGGUNAKAN METODE \nMACHINE LEARNING SISTEM MAGNETIC \nINDUCTION TOMOGRAPHY (MIT)\n\n" . "text/html" . . . "TN Mining engineering. Metallurgy"@en . .