MUAMMAR MUFID Primary Author mixed material bibliography Banda Aceh Teknik Mesin dan Industri 2025

Skripsi

Korosi pada baja tulangan dalam beton merupakan permasalahan serius yang dapat mengurangi umur pakai struktur dan meningkatkan risiko kegagalan material. Simulasi korosi menjadi metode yang penting dalam memprediksi distribusi potensial dan memahami pola degradasi material akibat proses elektrokimia. Metode tradisional seperti Finite Element Method (FEM) banyak digunakan, tetapi memiliki keterbatasan dalam efisiensi waktu komputasi, terutama untuk domain yang kompleks. Penelitian ini mengusulkan pendekatan Physics-Informed Neural Network (PINN) sebagai metode alternatif untuk mempercepat simulasi distribusi potensial korosi. PINN mengintegrasikan hukum fisika ke dalam arsitektur neural network, sehingga dapat memperkirakan distribusi potensial tanpa perlu melakukan meshing atau penyelesaian numerik secara eksplisit seperti pada metode FEM. Model yang dikembangkan dalam penelitian ini menggunakan empat hidden layer dengan 64 neuron, yang dipilih berdasarkan hasil hyperparameter tuning yang menunjukkan keseimbangan antara akurasi dan efisiensi komputasi. Hasil penelitian menunjukkan bahwa relative L2 Loss antara PINN dan FEM hanya sebesar 1,10%, menandakan bahwa PINN mampu mereplikasi solusi FEM dengan tingkat akurasi yang tinggi. Selain itu, dari segi efisiensi waktu komputasi, simulasi menggunakan PINN hanya membutuhkan 0,809 ms, yang setara dengan 99,79% dari waktu komputasi FEM, tetapi dengan struktur komputasi yang lebih fleksibel dan tidak bergantung pada pembuatan geometri serta proses mesh. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 153509 2025-04-16 09:51:30 2025-04-16 10:06:55 machine generated