Article Per Year (5 Year)
p-Index From 2021 - 2026
1.235
P-Index
This Author published in this journals
All Journal Rekayasa Mesin Jurnal Pengabdian UntukMu NegeRI JURNAL PHOTON Journal Of Khairun Community Services International Journal of Multidisciplinary Research and Literature (IJOMRAL) BATOBO: Jurnal Pengabdian Kepada Masyarakat Jurnal Polimesin IJIMCE : International Journal of Innovation in Mechanical Construction and Energy
Lega Putri Utami
Universitas Andalas
Religion Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Energy Engineering Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Nursing Physics Social Sciences Other

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
Prediction of aluminum alloy mechanical properties using synthetic data generated by generative adversarial networks Utami, Lega Putri; Armijal, Armijal; Leni, Desmarita; Kasmar, Andre Febrian
Jurnal Polimesin Vol 23, No 2 (2025): April
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jpl.v23i2.6084

Abstract

Machine learning models are widely used to predict the mechanical properties  of aluminum  alloys.  However,  their  accuracy  is  often hindered   by  the  scarcity  of high-quality   tensile  test  data,  as experimental   data  collection  is  costly  and  time-consuming.  To address this limitation, this study employs Generative Adversarial Networks  (GANs)  to  generate   synthetic   tensile  test  data  for aluminum alloys, improving the accuracy of predictive models. The dataset consists of 200 real samples containing the compositions of nine chemical elements and two mechanical properties-Yield Strength (YS) and Ultimate Tensile Strength (UTS). A trained GAN model   was  used  to  generate   1,000  synthetic  samples,  whose statistical similarity to the original dataset was validated using the Kolmogorov-Smirnov (KS)  test and Pearson  correlation  analysis. The results confirmed  that all synthetic variables  retained  similar distributions and correlation patterns to the original dataset. To evaluate the impact of synthetic data on predictive  accuracy,  three machine learning algorithms-Random Forest Regressor (RF), Gradient Boosting Regressor (GBR), and Ada Boost Regressor (ABR)-were tested under two training schemes: (1) synthetic data for training and real data for testing and (2) real data for both training and testing. The RF model showed the highest improvement in UTS prediction,  with reductions of 38.3% and 46.3% in Mean Absolute Error (MAE) and Root Mean Square Error (RMSE),  respectively. The GBR model exhibited notable enhancements in YS prediction, with MAE and RMSE reductions of22.5% and 28.3%. These results demonstrate that GAN-generated  synthetic data is highly effective in  improving  machine  learning  predictions   of aluminum  alloy properties, particularly when experimental data is limited.
Pemanfaatan Panas Buang Tungku Gasifikasi Penghasil Listrik Menggunakan Termoelektrik Sebagai Solusi Limbah Pabrik Tahu di Desa Tanah merah Kecamatan Siak Hulu Kabupaten Kampar, Provinsi Riau Ridwan Abdurrahman; Abrar Ridwan; Lega Putri Utami
BATOBO: Jurnal Pengabdian Kepada Masyarakat Vol 1 No 1: BATOBO: Juni 2023
Publisher : Jurusan Teknik Elektro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31258/batobo.1.1.29-35

Abstract

Limbah pabrik tahu di Desa Tanah Merah, Kecamatan Siak Hulu, Kabupaten Kampar, Provinsi Riau, dapat menjadi masalah lingkungan yang signifikan. Limbah ini terutama terdiri dari panas buang yang dihasilkan selama proses produksi tahu menggunakan tungku gasifikasi. Namun, panas buang ini biasanya tidak dimanfaatkan secara efisien dan hanya terbuang sia-sia. Oleh karena itu, perlu dicari solusi yang ramah lingkungan dan berkelanjutan untuk memanfaatkan panas buang ini. Dalam penelitian ini, kami mengusulkan pemanfaatan panas buang tungku gasifikasi pabrik tahu menggunakan modul termoelektrik. Modul termoelektrik adalah perangkat yang dapat mengubah perbedaan suhu menjadi energi listrik. Dalam konteks ini, panas buang dari tungku gasifikasi akan digunakan untuk menghasilkan suhu tinggi pada satu sisi modul termoelektrik, sedangkan suhu lingkungan akan berfungsi sebagai suhu rendah pada sisi lainnya. Perbedaan suhu ini akan menciptakan gradien suhu yang akan menghasilkan potensi listrik melalui efek Seebeck dalam modul termoelektrik. Dengan menerapkan sistem ini, panas buang dari tungku gasifikasi dapat diubah menjadi energi listrik yang dapat dimanfaatkan untuk memenuhi kebutuhan listrik pabrik tahu. Selain itu, ini juga akan membantu mengurangi emisi gas rumah kaca dan dampak negatif lainnya terhadap lingkungan. Dengan memanfaatkan energi panas yang sebelumnya terbuang sia-sia, pabrik tahu dapat mengurangi penggunaan energi konvensional dan meminimalkan dampak negatif terhadap lingkungan. Penelitian lebih lanjut dan implementasi praktis perlu dilakukan untuk memastikan kelayakan dan efektivitas pemanfaatan panas buang ini dalam skala yang lebih besar.
Co-Authors Abrar Ridwan Afdhal Afdhal Ahmad Kafrawi Nasution Ahmad Kafrawi Nasution, Ahmad Kafrawi Armijal, Armijal Budi Istana Camim, Moh. Delovita Ginting, Delovita Desmarita Leni Iskandar R Iskandar R, Iskandar R Kasmar, Andre Febrian Khan, Sharif Legisnal Hakim Ridwan Abdurahman Ridwan Abdurrahman Ruzita Sumiati Sunaryo Sunaryo Vitriani Vitriani Widian, Raihan Khairi Willyansyah Willyansyah Yani, Endri Zulkifli Amin