seminar tugas akhirrepository.its.ac.id/71226/3/2412100065-presentationpdf.pdf · massa jenis,...
Post on 14-Nov-2020
9 Views
Preview:
TRANSCRIPT
Oleh:
Gede Panji Wiryawan2412100065
SEMINAR TUGAS AKHIRBidang Minat Rekayasa Bahan
Jurusan Teknik Fisika FTI – ITSSurabaya, 16 Juni 2016
Dosen Pembimbing:
Ir. Zulkifli, M.Sc.Detak Yan Pratama, S.T., M.Sc.
• Massa jenis ~ 500 kg/m3
• Kemampuan insulasi panas yang baik
• Sifat tahan api
• Mudah digunakan dalam bidang kontruksi
• Kemampuan absorpsi suara yang baik
Autoclaved Aerated Concrete(AAC) Block
KONDUKTIVITAS TERMAL
Massa jenis, kandungan uap air, suhu, kelembapan, komposisi mineral penyusun bata ringan
Konduktivitas Termal sebagai fungsikandungan uap air (Jerman, 2013)Hubungan antara konduktivitas termal dan densitas
pada berbagai konsentrasi kandungan uap air
(Struhárová, 2016)
• Bagaimana membuat jaringan syaraf tiruan yang dapat digunakanuntuk memprediksi koefisien konduktivitas termal bata ringan?
• Bagaimana pengaruh variasi komposisi Si, Ca, Al, terhadapkonduktivitas termal bata ringan?
• Membuat jaringan syaraf tiruan untuk memprediksi koefisienkonduktivitas termal bata ringan berdasarkan pengaruh komposisi Si, Ca, Al dan suhu lingkungan.
• Mengetahui pengaruh variasi komposisi Si, Ca, Al terhadapkonduktivitas termal bata ringan berdasarkan model jaringan syaraftiruan yang didapat.
• Bata ringan yang digunakan dalam penelitian ini adalah bata ringanjenis Autoclaved Aerated Concrete (AAC)
• Jaringan syaraf tiruan yang digunakan adalah feed forward backpropagation dengan algoritma pelatihan Levenberg-Marquardt
• Data training JST dihimpun dari penelitian yang dilakukan oleh: Baspinar, et al. (2012) [8], Kurama, et al. (2009) [9], danKunchariyakun, et al. (2015) [10].
• Data uji JST diperoleh dari dari data pengukuran massa jenis, uji EDX dan uji konduktivitas termal empat sampel bata ringan yang diperoleh.
Beton Berpori tergolong material komposit (Grutzeck, 2005)
Berdasarkan metode pengeringannya (curing), digolongkan ke dalam dua jenis
(Grutzeck, 2005) yaitu:
• Low Temperature Cured Cellular Concrete (LTCCC) dan
• Autoclaved Aerated Concrete (AAC) atau Bata Ringan
Matriks
Gas (Pori)+
Menurut Narayanan dan Ramamurthy (2000), pada dasarnya AAC adalah mortar
(campuran semen, air dan agregat halus) dengan tambahan pasir atau fly ash sebagai
filler.
(A.J. Hamad, 2014)
([Online]http://www.understanding-cement.com/autoclaved-aerated-concrete.html)
Diagram Fasa CaO – SiO2 – H2O(S. Bernstein, 2011)
Variasi Fasa pada sistem CaO – Al2O3 – SiO2 – H2O(Meller et al, 2009)
Struktur mikro AAC(S. Bernstein, 2011)
Struktur mikro Tobermorite(S. Bernstein, 2011)
Makropori pada AAC(Andolsun, 2006)
KomposisiMineral
Kelembapan
Massa Jenis
Kandunganuap air Suhu
Porositas
KonduktivitasTermal
Koefisiein Konduktivitas Termal (k atau λ) menyatakan besarnya laju perpindahanpanas pada suatu material
Satuan Konduktivitas termal: W/mK
Neuron Biologis(Fauset, 1994)
Neuron JST (Elemen dasar pada JST)
Menerima Memproses Meneruskan
JST Multilayer pada Matlab(Matlab Documentation
R2015a)
JST Multilayer
Forward Propagation
x1
x2
w(1)11
w(1)21
w(2)11
Backropagation
z(2)a(2) z(3)
z(2) = XW
a(2) = f(z(2))
z(3) = a(2)W(2)
𝑿 =𝑥1𝑥2
𝑾(𝟏) = w(1)
11 w(1)21
𝑾(𝟐)=[w(2)
11]
y
y = f(z(3))
E = ½ (y - T)
𝒈 =𝝏𝑬
𝝏𝒘
T = Target
Update Weight
Evaluasi dan Penentuan model JST
yang digunakan
Mulai
Pengukuran Densitas, uji EDX,
dan uji konduktivitas termal bata
ringan
Pembuatan Database JST
Studi literatur
Pembuatan program JST dengan
variasi jumlah hidden node
Pengumpulan Data
sekunder Bata Ringan
(AAC)
A
Pengumpulan Sampel Bata
Ringan (AAC)
Nilai error (selisih
antara target dan
nilai keluaran JST)
dapat diterima
Selesai
Penyusunan
Laporan
Analisis Data
Pengujian JST
A
Tidak
Ya
• Baspinar, M. S., Demir, I., Kahraman, E., Gorhan, G. Utilization Potential of Fly Ash together with Silica Fume in Autoclaved Aerated Concrete Production. Journal of Civil Engineering (2014) 18(1):47-52
• Kuramaa, H. Topcu, I.B., Karakurtb, C. Properties of the autoclaved aerated concrete produced from coal bottom ash. Journal of materials processing technology 209 (2009) 767–773
• Kunchariyakun, K., Asavapisit, S., Sombatsompop, K. Properties of autoclaved aerated concrete incorporating rice husk ash as partial replacement for fine aggregate. Cement & ConcreteComposites 55 (2015) 11–16
KonduktivitasTermal (λ)
0.1450.2010.128
0.1560.123
0.1420.135
0.135
0.3610.306
0.2870.2570.22
0.3760.349
0.3330.2930.267
INPUT
TARGET
No Sampel Si Ca Al O Density Suhu1 A 12.65 29.24 5.28 39.56 660 25
2 C 12.18 31.96 4.89 38.87 760 25
3 C1 13.84 25.14 6 40.24 630 25
4 C2 13.97 24.43 6.1 40.4 640 25
5 C3 14.12 23.67 6.21 40.57 590 25
6 C4 14.29 22.86 6.34 40.77 650 25
7 C2SF1 14.18 24.27 6.06 40.47 740 25
8 C2SF2 14.18 24.27 6.06 40.47 780 25
9 Ref 32.56 18.3 0.93 46.28 650 25
10 BAC25 29.29 18.79 2.32 46.13 580 25
11 BAC50 26.05 19.29 3.71 45.98 560 25
12 BAC75 22.81 19.78 5.09 45.82 520 25
13 BAC100 19.54 20.28 6.49 45.67 500 25
14 CT 27.28 24.69 1.15 42.7 1219 25
15 RHC25 26.87 24.75 1.15 42.45 1026 25
16 RHC50 26.47 24.81 1.15 42.21 882 25
17 RHC75 26.07 24.87 1.15 41.96 754 25
18 RHC100 25.66 24.93 1.15 41.72 671 25
Mulai
Muat Data Training
Normalisasi Data
Inisialisasi Jaringan
Syaraf Tiruan
Penentuan Parameter
Pelatihan
Mulai Pelatihan
(Epoch = 1) Simpan Jaringan
Selesai
Inisialisasi bobot dengan
bilangan acak
Epoch/Performance
goal/Gradient/Mu/Va
lidation check/Time
tercapai
Ya
Tidak
Epoch =
Epoch + 1
A
A
Pelatihan Levenberg-Marquardt
Si
Densitas
b11
b12 b1n
b21
Konduktivitas Termal
Input
Hidden Layer
OutputCa
Al
O
Suhu b11
Hidden Node
Bias
Fungsi Aktivasi Tansig
Fungsi Aktivasi Pureline
Keterangan:
INPUT
Sampel Si Ca Al O Density Suhu
AAC-1 27 31 1.67 39 593 25
AAC-2 26 30 1.69 41 607 25
AAC-3 5.6 52 0 42 509 25
AAC-4 10 50 0 39 632 25
JSTOUTPUT/PREDIKSI
SampelKonduktivitas
Termal
AAC-1
AAC-2
AAC-3
AAC-4
UKURAN SAMPEL = 20 cm x 20 cm x 10 cm
BRIX (A) GREATWALL (C) FASTCON (B) ECOBLOCK (D)
593 kg/m3 509 kg/m3 607 kg/m3 632 kg/m3
AAC-1 AAC-2
AAC-3 AAC-4
Komposisi (Wt%)
O Mg Al Si S Ca
AAC-1 38.79 0.61 1.67 27.37 0.83 30.74
AAC-2 41.19 0.61 1.69 25.89 1.00 29.62
AAC-3 41.80 0 0 5.56 1.14 51.50
AAC-4 38.71 0 0 10.16 1.26 49.88
MIN 38.71 0 0 5.56 0.83 29.62
MAX 41.80 0.61 1.69 27.37 1.26 51.50
MEAN 40.12 0.31 0.84 17.24 1.06 40.43
STD 1.61 0.35 0.97 11.02 0.18 11.87
Besarnya kandungan unsur kalsium (Ca), silicon (Si) dan oksigen (O) menunjukkankeberadaan fasa C-S-H
Sampel Konduktivitas Termal (W/mK)
AAC-1 0,214
AAC-2 0,212
AAC-3 0,214
AAC-4 0,214
𝑀𝑆𝐸 =1
𝑁
𝑖=1
𝑁
𝑇𝑖 − 𝑌𝑖2
N = jumlah data training atau validasi
Ti = nilai target
Yi = nilai keluaran JST
Jumlah Hidden Node
MSE (Rata-rata)Training Validasi
1 0.002855 0.0059082 0.002668 0.0055163 0.002434 0.0032694 0.004751 0.0038335 0.002383 0.0064646 0.002625 0.0070597 0.002716 0.0089558 0.00225 0.0038919 0.002897 0.008206
10 0.002974 0.004768
Plot perbandingan performancetraining dan validasi JST-2
Plot validation checks JST-2
Nama file JST MSE Training MSE ValidasiJST-1 0.002694 0.003716JST-2 0.002763 0.002252JST-3 0.001845 0.00384
Plot regresi training dan validasi JST-2
Sampel Target PrediksiAAC-1 0,214 0,243AAC-2 0,212 0,29AAC-3 0,214 0,32AAC-4 0,214 0,32
MineralKonduktivitas Termal
(W/mK)
Quartz (kristal tunggal) 7,2 – 13,6
Tobermorite 0,18 – 0,2
KomposisiSi (%)
Konduktivitas Termal (W/mK) Vf
12,18 0,137 0,06813,38 0,138 0,06814,58 0,138 0,06715,78 0,139 0,06616,98 0,140 0,06418,17 0,142 0,06119,37 0,145 0,05720,57 0,149 0,05221,77 0,154 0,04522,97 0,161 0,03624,17 0,170 0,02625,37 0,182 0,01526,57 0,196 0,00327,76 0,211 -0,00828,96 0,227 -0,01830,16 0,244 -0,02731,36 0,259 -0,03432,56 0,272 -0,039
Komposisi Ca (%)
Konduktivitas Termal (W/mK) Vf
18,3 0,290 -0,04619,1 0,276 -0,041
19,91 0,256 -0,03320,71 0,233 -0,02121,51 0,208 -0,00622,32 0,185 0,01223,12 0,168 0,02923,92 0,156 0,04324,73 0,148 0,05225,53 0,145 0,05726,34 0,144 0,05827,14 0,147 0,05527,94 0,152 0,04728,75 0,161 0,03629,55 0,174 0,02230,35 0,191 0,00731,16 0,213 -0,00931,96 0,236 -0,023
Komposisi Al (%)
Konduktivitas Termal (W/mK) Vf
1,11 0,230 -0,0201,44 0,216 -0,0111,77 0,203 -0,0022,10 0,192 0,0062,43 0,183 0,0142,76 0,176 0,0213,09 0,170 0,0273,42 0,165 0,0323,75 0,161 0,0364,08 0,158 0,0404,41 0,155 0,0434,74 0,153 0,0465,07 0,151 0,0485,40 0,150 0,0505,73 0,148 0,0526,06 0,147 0,0546,39 0,146 0,0556,72 0,145 0,056
Berdasarkan pelatihan dan evaluasi yang telah dilakukan terhadap 10 model JST dengan variasi hidden
node, diketahui bahwa JST dengan 3 hidden node memiliki performance yang paling baik dengan
karakteristik sebagai berikut: a) MSE rata-rata validasi untuk 3 kali pelatihan sebesar 0,003269, b) JST-2
memiliki MSE validasi yang bernilai paling kecil diantara ketiga JST dengan 3 hidden node lainnya yaitu
sebesar 0.002252.
Pengujian JST yang dilakukan untuk memprediksi konduktivitas termal empat sampel bata ringan
memberikan hasil: Konduktivitas termal AAC-1 sebesar 0,243 W/mK, Konduktivitas termal AAC-2 sebesar
0,29 W/mK, Konduktivitas termal AAC-3 sebesar 0,32 W/mK, Konduktivitas termal AAC-4 sebesar 0,32
W/mK
Simulasi JST bata ringan menunjukkan bahwa kandungan Si yang diperbolehkan maksimal sebesar
26,57%, kandungan Ca berada pada rentang 20,32% – 30,35%, dan kandungan minimal aluminium pada
bata ringan sebesar 2,10%.
SEKIAN***
Terima Kasih atas Perhatian dan Kehadirannya
top related