View/Open

Author
ROLLAN, CHANDRA

Date Published
12 Feb 2026

Advisor
Agita Phasa, M.T.,
Quratul Aini, S.Si., M.T.,

Subject
Teknik Material

Publisher

Peningkatan insidensi kasus patah tulang secara global menuntut ketersediaan biomaterial implan yang mampu mengatasi keterbatasan fundamental material standar Ti-6Al-4V, khususnya terkait risiko fenomena stress shielding dan potensi sitotoksisitas jangka panjang. Penelitian ini bertujuan untuk merancang dan memvalidasi komposisi optimal paduan Ti-Nb-Zr-Mo Ta melalui integrasi pendekatan komputasi serta sintesis eksperimental. Penelitian ini memberikan manfaat signifikan berupa penyediaan alternatif material implant tulang dengan sifat mekanik yang sesuai dan aman digunakan. Lingkup penelitian mencakup komparasi model machine learning, Support Vector Regression (SVR) dan Gradient Boosting Regression (GBR) untuk memprediksi komposisi serta memfabrikasi material melalui metalurgi serbuk. Metodologi dilaksanakan dengan mengevaluasi performa algoritma SVR dan GBR, di mana GBR menghasilkan model terbaik dengan

URI
https://repo.itera.ac.id/depan/submission/SB2602110049

Keyword
modulus elastisitas toksik pembelajaran mesin unsur campuran metalurgi serbuk