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