Pengaruh Variasi Jenis Curing Agent EPDM Terhadap IRM 903 Swelling Resistance Menggunakan Metode Faktorial Fraksional dan Artificial Neural Network

Setiawan, Adik Roni (2024) Pengaruh Variasi Jenis Curing Agent EPDM Terhadap IRM 903 Swelling Resistance Menggunakan Metode Faktorial Fraksional dan Artificial Neural Network. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6011212005-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (3MB) | Request a copy

Abstract

Ethylene-Propylene-Diene-Monomer (EPDM) merupakan jenis elastomer sintetik yang memiliki kekurangan dalam ketahanan terhadap oli dan cairan polar dikarenakan EPDM merupakan elastomer yang memiliki sifat nonpolar. Namun, sifat ini dapat ditingkatkan menggunakan bahan tambahan lain atau formulasi sistem curing. Oleh karena itu, dalam penelitian ini dipilih metode desain eksperimen untuk mendapatkan nilai optimum dalam hal ketahanan oli dengan menentukan sistem curing dalam formula elastomer EPDM menggunakan metode desain faktorial fraksional dan Artificial Neural Network (ANN). Parameter yang dibuat konstan adalah formula masterbatch EPDM Compound. Parameter proses yang dipakai adalah variasi sistem curing yang didesain menggunakan pendekatan faktorial fraksional dengan Minitab21. Adapun parameter respon yang diteliti adalah sifat mekanis, penuaan akibat panas, dan ketahanan minyak IRM 903. Metode desain eksperimen faktorial fraksional menunjukkan bahwa ketahanan minyak terbaik diperoleh pada Run-Order ke-1. Variabel ini menggunakan kombinasi kedua curing agent yaitu sulfur dan peroksida dengan nilai swelling sebesar 61% serta dapat mempertahankan sifat mekaniknya dengan baik sebelum maupun setelah uji penuaan. Metode ANN Ketahanan minyak EPDM dapat diprediksi secara akurat menggunakan metode feed forward backpropagation dengan 10 neuron dan rasio data yang digunakan sebagai Training : Validation/Testing adalah 60:40. Nilai R2 mewakili proporsi variabilitas dalam hasil prediksi) sangat mendekati nilai maksimum, yaitu 1 untuk semua parameter respons yang dianggap akurat.
==============================================================================================================================
Ethylene-Propylene-Diene-Monomer (EPDM) is a type of synthetic elastomer that has deficiencies in resistance to oil and polar fluids because EPDM is an elastomer with nonpolar properties. However, this property can be improved using other additives or curing system formulations. Therefore, in this study, the experimental design method was chosen to obtain the optimum value in terms of oil resistance by determining the curing system in the EPDM elastomer formula using the fractional factorial design method and Artificial Neural Network (ANN). The parameters that are kept constant are the EPDM Compound masterbatch formula. The process parameters used are variations of the curing system designed using a fractional factorial approach with Minitab21. The response parameters studied are mechanical properties, heat aging, and IRM 903 oil resistance. The fractional factorial experimental design method shows that the best oil resistance is obtained in Run-Order 1. This variable uses a combination of two curing agents, namely sulfur and peroxide, with a swelling value of 61% and maintains its mechanical properties well before and after the aging test. The ANN method can accurately predict EPDM oil resistance using the feed-forward backpropagation method with 10 neurons and a data ratio for Training: Validation/Testing of 60:40. The R2 value, which represents the proportion of variability in the prediction results, is very close to the maximum value of 1 for all response parameters, indicating high accuracy.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	ANN; EPDM; Desain Faktorial; Ketahanan Oli, Factorial Design, Oil Resistance
Subjects:	Q Science > QD Chemistry > Polymerization Q Science > QD Chemistry > QD471 Chemical compounds - Structure and formulas
Divisions:	Faculty of Industrial Technology and Systems Engineering (INDSYS) > Material & Metallurgical Engineering > 27101-(S2) Master Thesis
Depositing User:	Adik Roni Setiawan
Date Deposited:	14 Aug 2024 08:41
Last Modified:	14 Aug 2024 08:41
URI:	http://repository.its.ac.id/id/eprint/114424

Actions (login required)

View Item