PENERAPAN MACHINE LEARNING (ANN DAN KNN) UNTUK OPTIMISASI KOMPOSISI PADUAN Ti-Nb-Zr-Ta-Mo SEBAGAI MATERIAL IMPLAN TULANG DENGAN VALIDASI SINTESIS METALURGI SERBUK
Paduan titanium konvensional Ti-6Al-4V secara luas digunakan sebagai implan ortopedi, namun material ini memiliki kelemahan fundamental berupa efek stress shielding akibat ketidakcocokan modulus elastisitas dengan tulang, serta risiko sitotoksisitas jangka panjang dari pelepasan ion Aluminium dan Vanadium. Penelitian ini bertujuan merancang biomaterial generasi baru berupa paduan tipe-\beta (Ti-Nb-Zr-Ta-Mo) non-toksik melalui optimalisasi komposisi berbasis Machine Learning, yang kemudian divalidasi secara fisik melalui rute metalurgi serbuk. Hasil evaluasi komputasi membuktikan bahwa algoritma Artificial Neural Networks (ANN) jauh lebih baik dan presisi dibandingkan K-Nearest Neighbors (KNN), dengan capaian Mean Squared Error (MSE) sebesar 0,005517 dan nilai Koefisien Determinasi (R2) sebesar 0,9092 tanpa mengalami overfitting. Berdasarkan prediksi model ANN tersebut, komposisi optimal berhasil diidentifikasi dengan target penurunan modulus teoretis hingga 15 GPa. Validasi eksperimental melalui tahapan sintering pada suhu 1100°C berhasil mensintesis paduan dengan retensi porositas fungsional sebesar 11,84%. Pengujian sifat mekanis mencatatkan nilai kekerasan rata-rata 261,22 HV, dan melalui konversi analitis memproyeksikan kekuatan tarik (UTS) sebesar 783,66 MPa dan kekuatan luluh (YS) sebesar 705,29 MPa. Sinergi antara pembentukan struktur fasa ganda (\alpha+\beta) dan keberadaan rongga porositas residu terbukti berhasil mereduksi modulus elastisitas paduan secara signifikan hingga mencapai 77,72 GPa. Pencapaian keseimbangan antara kekuatan penahan beban yang ekstrem dan fleksibilitas material yang baik ini mengonfirmasi bahwa paduan Ti-Nb-Zr-Ta-Mo sangat potensial diaplikasikan untuk memitigasi kegagalan implan di masa depan.
URI
https://repo.itera.ac.id/depan/submission/SB2606290072
Keyword
Biomaterial Implan Paduan Titanium β Machine Learning Metalurgi Serbuk Sifat Mekanik