PENELITIAN PASCA DOKTOR BOUNDARY ELEMENT INVERSE ANALYSIS SEBAGAI TEKNIK DETEKSI KOROSI LOKAL PADA BETON BERTULANG

Transkripsi

1 LAPORAN AKHIR TAHUN PENELITIAN PASCA DOKTOR BOUNDARY ELEMENT INVERSE ANALYSIS SEBAGAI TEKNIK DETEKSI KOROSI LOKAL PADA BETON BERTULANG Tahun ke-1 dari rencana 2 tahun DR. SYARIZAL FONNA, S.T, M.Sc (NIDN ) PROF. DR.ENG. GUNAWARMAN (NIDN ) Dibiayai oleh: Direktorat Riset dan Pengabdian Masyarakat Direktorat Jenderal Penguatan Riset dan Pengembangan Kementerian Riset, Teknologi, dan Pendidikan Tinggi Sesuai dengan Kontrak Penelitian Nomor: 15/SP2H/LT/DPRM/IV/217 tanggal 3 April 217 UNIVERSITAS SYIAH KUALA OKTOBER 217

2

3 RINGKASAN Deteksi dini dari korosi lokal, yaitu korosi dengan rasio anoda-katoda yang kecil, merupakan tindakan yang diperlukan untuk mencegah kerugian akibat kegagalan infrastruktur beton bertulang seperti jembatan, bangunan publik dan pelabuhan. Oleh karena itu, asesmen atau monitoring korosi, sebagai bagian integral dari perawatan (maintenance) berkala infrastruktur beton bertulang, menjadi sangat penting. Sejumlah penelitian telah dilakukan untuk mengevaluasi efektivitas deteksi korosi beton bertulang menggunakan metode konvensional seperti half-cell potential mapping technique. Namun, deteksi korosi lokal berdasarkan pada metode tersebut dapat menyebabkan interpretasi yang salah terhadap korosi yang terjadi. Hal ini menyebabkan deteksi menjadi tidak akurat. Dengan demikan, diperlukan adanya metode yang lebih handal, inovatif dan teruji dalam deteksi korosi lokal beton bertulang. Tujuan dari penelitian yang diusulkan ini adalah untuk mengembangkan kemampuan metode inverse berbasis boundary element method (BEM) dan particle swarm optimization (PSO) untuk mendeteksi korosi lokal infrastruktur beton bertulang sebagai lanjutan penelitian pada program doktoral sebelumnya. BEM merupakan salah satu metode numerik yang telah banyak digunakan untuk simulasi korosi. Sedangkan PSO adalah salah satu metode optimasi yang menjanjikan dan telah menarik minat banyak peneliti untuk menerapkannya dalam penyelesaian masalah rekayasa. Pada tahun pertama ini, pengembangan metode inverse difokuskan pada studi parametric terhadap parameter BEM dan PSO untuk mempelajari karakteristik metode yang dikembangkan. Hasil utama yang ditargetkan pada tahun pertama ini adalah pengaruh dari pelbagai parameter numerik dapat dijelaskan. Hasil simulasi memperlihatkan bahwa nilai W yang semakin kecil dengan bertambahnya iterasi (gradien W semakin negatif) memberikan akurasi solusi menjadi semakin baik. Hal ini berlaku untuk nilai W up di luar rentang nilai W konstan dari hasil penelitian sebelumnya. Oleh karena itu, pemilihan nilai W juga perlu diperhatikan dalam penggunaan metode BEIA. Hasil simulasi dengan menggunakan BEIA juga menunjukkan bahwa jumlah partikel yang semakin banyak memberikan akurasi solusi dari permasalahan menjadi semakin baik. Akan tetapi, jumlah partikel yang semakin banyak mengakibatkan beban komputasi yang tinggi. Oleh karenanya, perlu ada kompromi dalam pemilihan jumlah partikel untuk penyelesaian persoalan deteksi korosi. Kemudian, BEIA yang telah dikembangkan tersebut diterapkan dalam deteksi korosi pada salah satu struktur beton bertulang di kawasan Aceh yang pernah terdampak tsunami 24. Hasil simulasi menunjukkan bahwa BEIA berhasil mendeteksi lokasi dan ukuran korosi pada struktur tersebut dengan error < 5%. Melalui keseluruhan penelitian ini nantinya diharapkan bahwa metode inverse yang dikembangkan dapat menjadi teknik yang handal, inovatif dan teruji untuk mendeteksi korosi lokal infrastruktur beton bertulang dengan ketepatan yang lebih baik. Kata Kunci: Metode inverse, BEM, PSO, deteksi korosi, beton bertulang ii

4 PRAKATA Puji syukur kehadirat Allah SWT yang telah melimpahkan rahmatnya dengan keberhasilan bagi kami dalam menyelesaikan laporan kemajuan penelitian dengan judul Boundary Element Inverse Analysis sebagai Teknik Deteksi Korosi Lokal pada Beton Bertulang. Penelitian ini dibiayai melalui skim Penelitian Pasca Doktor dengan nomor kontrak 134/UN11.2/PP/SP3/217. Ucapan terima kasih kami persembahkan kepada UNSYIAH yang melalui Lembaga Penelitian dan Pengabdian kepada Masyarakat (LPPM) telah mempercayakan kami dengan memenangkan proposal penelitian yang kami ajukan sehingga penelitian ini dapat terlaksana. Kemudian, kami ucapkan terima kasih kepada pihak Fakultas Teknik dan terutama kepada Jurusan Teknik Mesin dan Industri yang telah memberikan kerja sama yang sangat baik bagi kelancaran penelitian ini. Tidak lupa pula kami haturkan terima kasih kepada seluruh tim peneliti mulai dari mahasiswa tugas akhir sampai dengan staf pengajar yang telah mencurahkan seluruh tenaga dan pikirannya dalam melaksanakan penelitian ini. Terima kasih juga kami ucapkan kepada semua pihak yang telah membantu terlaksananya penelitian ini yang kiranya tidak mungkin kami sebutkan satu persatu di sini. Banda Aceh, 31 Oktober 217 Tim Peneliti iii

5 RINGKASAN PRAKATA DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN DAFTAR ISI Halaman ii iii iv v vi vii BAB 1. PENDAHULUAN 1 BAB 2. TINJAUAN PUSTAKA 3 BAB 3. TUJUAN DAN MANFAAT PENELITIAN 6 BAB 4. METODE PENELITIAN 7 BAB 5. HASIL DAN LUARAN YANG DICAPAI 11 BAB 6. RENCANA TAHAPAN BERIKUTNYA 22 BAB 7. KESIMPULAN DAN SARAN 23 DAFTAR PUSTAKA 24 LAMPIRAN 27 iv

6 DAFTAR TABEL Halaman Tabel 2.1. Kriteria korosi beton bertulang 4 Tabel 2.2. Keterbatasan yang dimiliki half-cell potential mapping 4 Tabel 5.1 Variasi nilai gradient W dengan W up dalam range W konstan 12 Tabel 5.2 Variasi nilai gradient W dengan W up di luar range W konstan 15 Tabel 5.3. Luaran yang ditargetkan dan yang telah dicapai 21 v

7 DAFTAR GAMBAR Halaman Gambar 2.1. Mekanisme pengukuran potensial dengan half-cell potential mapping 4 Gambar 4.1. Fishbone diagram untuk Penelitian Pascadoktor 8 Gambar 4.2. Diagram alir BEIA yang dikembangkan 9 Gambar 5.1 Model korosi pada beton bertulang untuk keperluan simulasi pengaruh W 11 Gambar 5.2 Data potensial pada permukaan beton 12 Gambar 5.3 Pengaruh nilai W konstan terhadap jumlah iterasi dalam mendapatkan 12 solusi Gambar 5.4 Profil penurunan nilai W dengan W up =.5 13 Gambar 5.5 W up =.5 dan grad W = 13 Gambar 5.6 W up =.5 dan grad W = Gambar 5.7 W up =.5 dan grad W = Gambar 5.8 Error untuk nilai grad W dengan W up =.5 15 Gambar 5.9 Profil penurunan nilai W dengan W up = 1 15 Gambar 5.1 W up = 1 dan grad W = 16 Gambar 5.11 W up = 1 dan grad W = Gambar 5.12 Error untuk nilai grad W dengan W up = 1 17 Gambar 5.13 Model korosi beton bertulang untuk keperluan studi pengaruh jumlah 17 partikel Gambar 5.14 Jumlah partikel 5: (a) Iterasi 1; (b) Iterasi 4; (c) Iterasi 8; (d) Iterasi 12; 18 (e) Iterasi 16; (f) Iterasi 2 Gambar 5.15 Jumlah partikel 2: (a) Iterasi 1; (b) Iterasi 4; (c) Iterasi 8; (d) Iterasi 12; 18 (e) Iterasi 16; (f) Iterasi 2 Gambar 5.16 Pengaruh jumlah partikel terhadap jumlah iterasi dalam penemukan 19 solusi dan error dari solusi aktual Gambar 5.17 (a) Struktur beton bertulang di Peukan Bada yang menjadi objek 19 penelitian; (b) Distribusi potensial pada permukaan beton pada kolom yang dikaji Gambar 5.18 Distribusi nilai potensial (penampang A-A) hasil pengukuran half-cell potential mapping Gambar 5.19 Model beton bertulang untuk deteksi korosi pada struktur terdampak tsunami Gambar 5.2 Hasil simulasi untuk kasus deteksi korosi: (a) Iterasi 1; (b) Iterasi 4; (c) Iterasi 8; (d) Iterasi 12; (e) Iterasi 16; (f) Iterasi 2; (g) Iterasi 38; (h) Iterasi vi

8 DAFTAR LAMPIRAN Halaman Lampiran A. Bukti paper dalam status reviewer invited pada jurnal internasional Q2; 27 Scopus index Lampiran B. Bukti telah diterima untuk dipresentasikan pada seminar internasional 28 Lampiran C. Foto acara dan sertifikat sebagai pemakalah pada seminar nasional 29 vii

9 BAB 1. PENDAHULUAN Korosi pada infrastruktur berdampak pada kerugian suatu negara, seperti di Amerika Serikat yang merugi 276 miliar dolar Amerika pada tahun 22 - setara dengan 3,1% dari gross domestic product (GDP) (NACE International, 22). Pada tahun 213, angka kerugian tersebut diperkirakan meningkat sehingga mencapai 1 triliun dolar Amerika (Jackson, 213). Secara umum, kerugian akibat korosi pada suatu negara berkisar antara 1-5 % gross national product (GNP) (Roberge, 28). Sementara, Indonesia belum memiliki data yang pasti. Indonesia merupakan negara dengan garis pantai terpanjang keempat di dunia (Dewan Kelautan Indonesia, tanpa tahun). Hal ini menyebabkan Indonesia tidak terlepas dari ancaman kerugian korosi yang diakibatkan oleh lingkungan air laut. Ancaman tersebut salah satunya tertuju pada infrastruktur beton bertulang yang berupa jembatan, dermaga, bangunan publik, dan struktur lainnya. Korosi pada beton bertulang tersebut menyebabkan penurunan kekuatan infrastruktur sehingga mengakibatkan umur layanan (service life) menjadi lebih singkat (Moreno et. al., 214) seperti rubuhnya supermarket di Ontario, Kanada tahun 212 (Ferguson, 212) dan wahana Taman Impian Jaya Ancol tahun 211 (Latief 211). Ancaman kerugian ini dapat diperburuk dengan adanya faktor eksternal seperti gempa bumi yang sering terjadi di Indonesia. Oleh karena itu, korosi pada beton bertulang ini perlu dideteksi seawal mungkin supaya tindakan perbaikan segera dapat diambil (Fonna et. al., 213). Metode half-cell potential mapping yang merujuk kepada ASTM C876 adalah salah satu contoh teknik yang umum digunakan dalam mendeteksi korosi beton bertulang (Kelvin, 212). Hasil yang diberikan oleh teknik ini adalah tingkat kemungkinan terjadinya korosi berdasarkan nilai potensial permukaan beton (Ridha, et. al., 213). Untuk kasus korosi yang merata, teknik tersebut memberikan hasil yang baik dalam mendeteksi korosi karena nilai potensial permukaan beton hampir sama dengan permukaan tulangan (Marinier & Isgor. 213). Akan tetapi, permasalahan muncul ketika mendeteksi korosi lokal, yaitu korosi dengan rasio anoda-katoda yang kecil, karena potensial permukaan beton berbeda jauh dengan permukaan tulangan (Fonna, 214). Selain itu, persoalan deteksi korosi beton bertulang juga termasuk ke dalam ill-posed problem yang tidak bisa diselesaikan dengan direct method seperti metode half-cell potential mapping (Fonna, et.al. 216). Akibatnya, metode tersebut tidak efektif untuk mendeteksi korosi lokal. Untuk mengatasi permasalahan tersebut, metode inverse telah dikembangkan untuk keperluan deteksi lokal korosi beton bertulang. Marinier & Isgor (213) telah membangun metode inverse berdasarkan kepada finite element method (FEM) and conjugate gradient 1

10 method. Akan tetapi, mengingat korosi terjadi hanya pada permukaan bahan, FEM kurang sesuai untuk simulasi korosi dan boundary element method (BEM) dikatakan lebih sesuai (Lan, et.al 212). Kemudian, investigasi korosi beton bertulang juga telah dilakukan oleh Sadowski (213) dengan menggunakan artificial neural network (ANN). Namun, teknik ini memerlukan banyak data pengukuran lapangan dalam menjalankan ANN untuk mendapatkan hasil yang baik. Pengembangan metode inverse untuk keperluan deteksi korosi lokal beton bertulang juga telah dilakukan sebelumnya dalam jenjang program doktoral (Fonna, 214; Fonna, et. al., 213). Metode tersebut berbasis pada BEM dan particle swarm optimization (PSO) dan disebut juga boundary element inverse analysis (BEIA). BEIA dijalankan dengan menggunakan beberapa data pengukuran potensial permukaan beton. Akan tetapi, kemampuan BEIA tersebut masih sangat terbatas yaitu hanya mendeteksi lokasi dan ukuran dari korosi tunggal saja (Fonna, 214). Sementara realita di lapangan, korosi terjadi pada banyak tempat, berbagai ukuran dan bentuk. Selain itu, dari sudut pandang numerik, BEIA yang telah dikembangkan juga masih menggunakan parameter weight inertia (W) konstan dalam algoritma PSO-nya (Fonna, 214) yang dapat membuat pencarian solusi menjadi lebih lambat. Oleh karena itu, pengembangan lebih lanjut dari BEIA tersebut sangat diperlukan. 2

11 BAB 2. TINJAUAN PUSTAKA 2.1 Korosi pada Beton Bertulang Korosi didefinisikan sebagai proses kembalinya logam ke keadaan asalnya secara termodinamik (Schweitzer, 21). Korosi diartikan juga sebagai serangan yang merusak pada logam baik secara kimia maupun elektrokimia oleh lingkungannya. Pada kasus beton bertulang, tulangan baja terkorosi akibat berinteraksi dengan lingkungan beton yang telah terkontaminasi. Secara umum, baja dalam beton tahan terhadap korosi karena sifat alkali dari beton yang tinggi (ph 12-13) sehingga akan terbentuk lapisan pasif di permukaan baja (Broomfield, 27). Akan tetapi, lapisan pasif tersebut dapat rusak akibat ion klorida (chloride attack), dan akibat gas karbon dioksida (carbonation). Kedua peristiwa tersebut adalah penyebab utama inisiasi korosi dari baja tulangan (Hussain, 211). Korosi tulangan baja di dalam beton tersebut sangat berbahaya karena dapat mengakibatkan kegagalan dini (Fonna et. al., 213) atau mempersingkat umur pakai dari infrastruktur beton bertulang (Moreno et. al., 214). Oleh karenanya, korosi ini perlu di deteksi secara dini. Salah satu teknik deteksi korosi beton bertulang yang umum digunakan adalah half-cell potential mapping. 2.2 Metode Half-cell Potential Mapping Metode half-cell potential mapping dijalankan berdasarkan standar ASTM C876. Mekanisme pengukuran dengan menggunakan metode tersebut seperti diberikan dalam Gambar 2.1. Berdasarkan nilai potensial permukaan beton yang didapat dari pengukuran, korosi beton bertulang dianalisa. Tabel 2.1 memperlihatkan kriteria untuk menilai korosi tulangan yang mungkin terjadi di dalam beton. Akan tetapi, deteksi korosi menggunakan half-cell potential mapping tersebut memiliki beberapa keterbatasan seperti yang dirangkumkan dalam Tabel 2.2. Oleh karena banyak keterbatasan yang dimiliki oleh half-cell potential mapping ini, maka banyak penelitian telah dilakukan untuk mengembangkan metode lain yang lebih baik. Salah satu pengembangan yang dilakukan adalah dengan menggunakan metode numerik seperti pengembangan metode inverse. 3

12 Reference Electrode High Impedance Volt Meter 17 mv Spon Korosi Beton Tulangan Gambar 2.1. Mekanisme pengukuran potensial dengan half-cell potential mapping Tabel 2.1. Kriteria korosi beton bertulang (Broomfield, 27) Reference electrode (mv) No Standard Risiko korosi Cu/CuSO 4 Ag/AgCl Calomel Hidrogen 1. > (-2) > (-1) > (+12) > (-8) Rendah (risiko korosi 1%) 2. (-2) (-35) (-1) (-25) (+12) (-3) (-8) (-23) Pertengahan 3. < (-35) < (-25) < (-3) < (-23) Tinggi (risiko korosi >9%) 4. < (-5) < (-4) < (-18) < (-38) Sangat tinggi Tabel 2.2. Keterbatasan yang dimiliki half-cell potential mapping No Keterbatasan Rujukan 1. Hanya menunjukkan risiko atau kemungkinan terjadinya korosi Marinier & Isgor, 213; Hassan et al., 29; Babaei, Banyak faktor yang mempengaruhi nilai potensial, tidak dipertimbangkan Hassan et al., 29; Song & Saraswathy, 27; Elsener, 21; Babaei, Memerlukan data pengukuran nilai potensial yang banyak Song & Saraswathy, 27; Ridha et al., Relatif memerlukan pekerja yang banyak Ridha et al., 25 dan waktu yang lama 5. Tidak dapat mendeteksi korosi lokal Marinier & Isgor, Hanya bisa dilaksanakan dalam lingkungan Hussain, 211 udara terbuka 7. Bisa menyebabkan kesalahan interpretasi data potensial akibat ill-posed problem pada kasus beton bertulang Fonna et. al., 216 4

13 2.3 Metode Inverse dalam Deteksi Korosi Beton Bertulang Metode inverse telah dikembangkan oleh peneliti sebelumnya dengan penggabungan BEM dan genetic algorithm (GA) untuk keperluan deteksi korosi beton bertulang (Ridha et. al. 21; Suga et. al. 211; Minagawa et. al. 212). Metode tersebut menujukkan bahwa metode inverse yang dikembangkan berhasil mendeteksi korosi yang ada dalam beton bertulang. Akan tetapi, GA memiliki struktur yang rumit (Lee et.al. 28) karena memerlukan suatu fungsi untuk menterjemahkan actual variabel menjadi vektor biner atau sebaliknya (Parsopoulos & Vrahatis 21) sehingga penyelesaian menjadi lebih lama. Pendeteksian korosi beton bertulang dengan menggunakan metode inverse juga telah dikembangkan dengan gabungan finite element method (FEM) dan conjugate gradient method (Marinier & Isgor 213). Akan tetapi, FEM kurang sesuai untuk keperluan simulasi korosi (Lan, et.al 212). Oleh karena korosi terjadi hanya pada permukaan bahan maka BEM dianggap lebih sesuai untuk keperluan simulasi korosi. Investigasi korosi beton bertulang juga telah dilakukan dengan menggunakan artificial neural network (ANN) (Sadowski 213). Namun, teknik ini memiliki kelemahan yaitu memerlukan data pengukuran lapangan yang banyak untuk menjalankan ANN sehingga diperoleh hasil yang baik. Pengembangan metode inverse untuk keperluan deteksi korosi lokal beton bertulang juga telah dilakukan peneliti yang lain dengan penggabungan BEM dan particle swarm optimization (PSO) yang disebut boundary element inverse analysis (BEIA) (Fonna, 214; Fonna, et. al., 213). BEIA dijalankan dengan berdasarkan pada beberapa data pengukuran potensial permukaan beton dan telah menunjukkan kemampuan yang baik dalam deteksi korosi dengan error < 5%. Namun, BEIA tersebut masih terbatas hanya untuk mendeteksi lokasi dan ukuran dari korosi tunggal saja (Fonna, 214). Sementara realita di lapangan, korosi dapat terjadi pada banyak tempat, berbagai ukuran dan bentuk. Selain itu, dari sudut pandang numerik, BEIA yang telah dikembangkan tersebut juga masih menggunakan parameter weight inertia (W) konstan dalam algoritma PSO-nya (Fonna, 214) sehingga dapat membuat pencarian solusi menjadi lebih lambat. Dengan demikian, BEIA perlu dikembangan lebih lanjut. 5

14 BAB 3. TUJUAN DAN MANFAAT PENELITIAN 3.1. Tujuan Tujuan utama penelitian ini adalah untuk mengembangkan kemampuan metode inverse atau BEIA yang telah dibangun sebelumnya dan melakukan studi parametrik untuk memperbaiki kecepatan dan akurasi BEIA yang ada dalam menyelesaikan permasalahan Manfaat Penelitian Seperti yang telah dikemukakan, korosi pada beton bertulang dapat menyebabkan kegagalan tiba-tiba sebelum mencapai umur layanannya (service life). Kegagalan ini dapat menyebabkan kerugian yang sangat besar termasuk menimbulkan korban jiwa yang tidak diinginkan. Oleh karena itu, selain usaha pencegahan, korosi yang telah terjadi juga perlu dideteksi sedini mungkin sehingga tindakan perbaikan dapat segera diambil sebelum kegagalan terjadi. Seterusnya, korosi yang dideteksi sedini mungkin, juga dapat menghemat biaya perbaikan dibandingkan dengan ketika korosi yang sudah parah terjadi. Biaya perbaikan akan semakin tinggi apabila korosi sudah mengakibatkan keretakan pada beton. Selain itu, perbaikan pada korosi lokal juga bisa dilakukan secara tidak merusak (non-destructive) yang lebih hemat biaya. Dengan demikian, pendeteksian korosi secara dini menjadi semakin penting dilakukan. 6

15 BAB 4. METODE PENELITIAN 4.1. Waktu dan Tempat Penelitian Penelitian ini akan dilaksanakan dalam jangka waktu dua tahun yaitu tahun 217 dan 218. Pekerjaan persiapan, formulasi dan pengembangan metode BEIA pengukuran kurva polarisasi dan parameter beton, dan pengujian BEIA dengan eksperimen serta segala sesuatu yang menyangkut pekerjaan administrasi akan dilakukan di Laboratorium Metalurgi Fisik, Jurusan Teknik Mesin, Universitas Andalas dan Laboratorium Rekayasa Material, Prodi Teknik Mesin, Fakultas Teknik, Unsyiah Perangkat yang Digunakan Perangkat yang akan digunakan pada penelitian ini terbagi dalam dua kategori yaitu perangkat keras dan perangkat lunak. Perangkat keras yang digunakan adalah Personal Computer (PC), potensiostat/galvanostat, half-cell elektrode, high impedance multimeter, dan profometer. Sementara perangkat lunak yang digunakan adalah Operating System (OS) Windows 8 dan Ubuntu, g-fortran compiler, notepad++, salome mecha dan visit/paraview. Untuk tahun pertama ini, perangkat yang digunakan terfokus pada PC dan software pendukungnya Tahapan Penelitian Penelitian Pasca Doktor ini akan dilaksanakan dalam dua tahun seperti yang diperlihatkan dalam fishbone diagram penelitian pada Gambar 4.1. Fokus utama untuk tahun ke-1 adalah pada peningkatan/improvement dari BEIA yang telah dikembangkan oleh peneliti pengusul sebelumnya. Peningkatan ini dilakukan dengan mengubah parameter W dalam algoritma PSO, dan menguji pengaruh dari parameter BEIA terhadap kemampuannya dalam mencari solusi. Pada tahun pertama ini juga diuji kemampuan BEIA dalam mendeteksi korosi pada satu kasus sederhana di lapangan. Sementara, fokus untuk tahun ke-2 adalah pada kajian kapasitas BEIA dalam mendeteksi korosi dengan berbagai parameter dalam suatu studi kasus di laboratorium sehingga diperoleh BEIA yang handal dan teruji. Selain itu, tahun ke-2 juga dilakukan eksperimen di laboratorium berupa pengukuran kurva polarisasi tulangan dalam lingkungan beton dan pengukuran parameter beton. Kurva polarisasi dan parameter beton ini penting sebagai keadaan batas dalam simulasi. 7

16 Tahun ke 1 PSO BEM Catatan: * Telah dikerjakan pada penelitian sebelumnya Formulasi dan coding BEIA * Matrik H dan G * Input keadaan batas Solver dan post processor Weight inertia * Persamaan Laplace *g fortran Kurva polarisasi * pbest & gbest Arus konstan Paraview/ VisIt Salome mecha Un constant W MS Exel Parameter PSO Ukuran korosi Hasil Improvement dari BEIA untuk kasus beton bertulang Notepad++ Lokasi korosi *Pre processor Simulasi BEIA Aplikasi pada satu kasus sederhana di lapangan Pengembangan parameter korosi pada BEIA Tahun ke 2 Peralatan Pengukuran kurva polarisasi Reference electrode Multimeter Pengukuran parameter beton Material Baja tulangan Potensiostat beton Konduktivitas beton Jumlah sengkang Element ratio Tebal selimut Jumlah tulangan Jumlah data pengukuran Parameter BEM Element type Simulasi pengaruh parameter beton bertulang Kasus yang lebih komplek Simulasi parameter BEIA Peralatan Profometer Tebal selimut BEIA yang handal, inovatif dan teruji untuk deteksi korosi lokal beton bertulang Multi korosi Neighborhood model Pengembangan parameter korosi pada BEIA Parameter PSO Gambar 4.1. Fishbone diagram untuk Penelitian Pascadoktor Pada tahun pertama ini, improvement BEIA diawali dengan mengkaji pengaruh jumlah partikel terhadap kinerja BEIA dan membangun formulasi PSO dengan variable weight inertia (W) tidak konstan. Nilai W akan semakin kecil sejalan dengan penambahan iterasi. Hal ini akan menyebabkan area pecarian menjadi lebih sempit pada penambahan iterasi 8

17 sehingga solusi dapat diperoleh lebih baik. Gambar 4.1 menunjukkan diagram alir dari BEIA dengan modifikasi W. Mulai Tetapkan parameter konstan,,, dan Tentukan profil korosi secara random, Tentukan kecepatan partikel secara random, Tentukan Tetapkan 1 Hitung nilai potential listrik pada permukaan beton dari setiap partikel dengan menggunakan BEM Update Update Update Tetapkan 1 Evaluasi cost function ( ) untuk setiap partikel: Jika, maka, Jika, maka, data potensial listrik hasil pengukuran pada permukaan beton tidak? atau? ya Selesai Gambar 4.2. Diagram alir BEIA yang dikembangkan Sementara, formulasi BEM dengan menggunakan Persamaan Laplace, seperti dalam Persamaan (4.1), sebagai governing equation bagi domain beton bertulang telah selesai dilakukan pada penelitian sebelumnya (Fonna, 214; Fonna, et. al, 213)., pada Ω (4.1) Yang mana ϕ adalah potensial listrik pada domain beton bertulang. Keseluruhan formulasi BEM dapat dilihat dalam rujukan Fonna (214) dan Fonna, et. al. (213). Kemudian, formulasi tersebut dibangun algoritmanya. Algoritma tersebut akan dijabarkan dalam suatu code bahasa Fortran menggunakan notepad++ dan nantinya akan dicompile menggunakan g-fortan compiler. 9

18 Geometri dari beton bertulang dibangun dan dimesh dengan perangkat lunak salome mecha yang merupakan open source. Hasilnya berupa koordinat, node, dan elemen diatur kembali susunannya menggunakan MS exel dan diintegasikan ke dalam code BEIA. Selanjutnya BEIA dijalankan untuk mendeteksi korosi yang terjadi dalam beton bertulang. Seperti yang ditunjukkan dalam Gambar 4.2, parameter konstan BEIA ditentukan terlebih dahulu. Kemudian, tentukan profil korosi (jumlah, ukuran dan lokasi korosi) secara random. Kecepatan partikel juga ditentukan secara random pada tahap ini. Berdasarkan nilainilai tersebut, BEM dijalankan untuk mendapatkan nilai potensial elektrik pada permukaan beton bagi setiap partikel. Selanjutnya, masukkan N data potensial listrik pada permukaan beton hasil pengukuran lapangan. Nilai cost function ( ) untuk setiap partikel dihitung dengan mengikuti Persamaan (4.2). (4.2) Nilai tersebut dievaluasi mengikuti aturan dalam Gambar 4.2. Kemudian, bila stoping criterion sudah terpenuhi, maka solusi (korosi) yang dicari sudah diperoleh yaitu semua partikel telah menumpu pada kondisi yang sama. Namun, bila tidak terpenuhi, maka iterasi berlanjut dengan melakukan update pada profil korosi ( ), kecepatan partikel ( ) dan inertia wight (W) dengan mengikuti Persamaan (4.3), (4.4) dan (4.5). (4.3) (4.4) (4.5) Prosedur tersebut diulangi sehingga stoping criterion terpenuhi atau solusi telah diperoleh. Kemudian, hasil pencarian korosi tersebut divisualisasikan menggunakan paraview/visit. Pergerakan setiap partikel dalam mencari korosi dapat dianalisa. selanjutnya, parametric study dilakukan terhadap BEIA yang telah dibangun. Kajian ini dilakukan untuk melihat kestabilan dari BEIA tersebut. Hasil yang ditargetkan adalah BEIA dapat secara akurat mendeteksi korosi lokal beton bertulang melalui simulasi numerik. 1

19 BAB 5. HASIL DAN LUARAN YANG DICAPAI Hasil penelitian yang telah dicapai pada tahun pertama ini dapat dirangkum seperti berikut ini: 5.1. Persiapan peralatan utama Peralatan utama yang dipersiapkan untuk digunakan dalam penelitian tahun pertama ini adalah Personal Computer (PC) dengan spesifikasi Processor Pentium core 2 duo 2.6 GHz, Memory RAM menggunakan DDR2 248 MB, dan Strorage 25 GB. PC yang digunakan tersebut menggunakan operating system (OS) Ubuntu 1.4. Selain itu, PC tersebut juga telah dilengkapi dengan software Salome, compiler gfortran dan software Paraview. Dengan menggunakan PC tersebut, simulasi dijalankan. Kemudian, sebagai pendukung pengolahan data, satu unit notebook juga digunakan pada penelitian ini. Spesifikasi notebook tersebut adalah Processor Intel i5 2.5 GHz, Memory RAM 4GB, Strorage 9 GB, dan OS Windows Simulasi pengaruh W terhadap kinerja BEIA Satu model beton bertulang dengan single korosi digunakan untuk simulasi pengaruh W terhadap kinerja BEIA. Model tersebut seperti yang ditunjukkan dalam Gambar 5.1. Gambar 5.2 memberikan nilai potensial permukaan beton sebagai reference bagi BEIA. rebar (a) 3D model concrete 1 cm cathode 2 cm? anode 7 cm (b) 2D model x (cm) Gambar 5.1 Model korosi pada beton bertulang untuk keperluan simulasi pengaruh W 11

20 Potential (V) x (cm) Gambar 5.2 Data potensial pada permukaan beton Pada penelitian sebelumnya, nilai W konstan yang memberikan kinerja optimum bagi BEIA untuk mendapatkan solusi telah diperoleh yaitu.2 W.5 seperti yang diperlihatkan dalam Gambar 5.3 (Fonna et.al 213). Improvement yang dilakukan adalah dengan menggunakan nilai W seperti dalam Persamaan (4.5). Gambar 5.3 Pengaruh nilai W konstan terhadap jumlah iterasi dalam mendapatkan solusi (Fonna et.al 213) Tabel 5.1 Variasi nilai gradient W dengan W up dalam range W konstan 12

21 Pada studi kasus pertama, nilai W up yang digunakan adalah masih dalam rentang nilai W konstan hasil dari penelitian sebelumnya. Dalam hal ini, nilai W up =.5 dipilih. Tabel 5.1 dan Gambar 5.4 memberikan gambaran perubahan nilai W dengan bertambahnya iterasi untuk masing-masing gradien W..6 W Iteration Grad= Grad=.25 Grad=.5 Grad=.1 Grad=.15 Grad=.2 Grad=.245 Grad=.248 Grad=.25 Gambar. 5.4 Profil penurunan nilai W dengan W up = Corrosion Location (cm) W Particle 1 Particle 2 Particle 3 Particle 4 Particle 5 W Iteration Gambar 5.5 W up =.5 dan grad W = Gambar 5.5, 5.6, dan 5.7 menunjukkan pergerakan setiap partikel dalam mencari solusi lokasi korosi untuk gradien W bernilai, -.15, dan Secara umum dapat dilihat bahwa pergerakan partikel secara konsisten menjadi semakin dekat dengan solusi aktual seiring bertambahnya iterasi. 13

22 7 1 Corrosion Location (cm) W Particle 1 Particle 2 Particle 3 Particle 4 Particle 5 W Iteration Gambar 5.6 W up =.5 dan grad W = Corrosion Location (cm) W Particle 1 Particle 2 Particle 3 Particle 4 Particle 5 W Iteration Gambar 5.7 W up =.5 dan grad W = Gambar 5.8 menunjukkan besarnya error dari solusi actual untuk setiap simulasi dengan menggunakan gradien W yang berbeda dan dengan W up yang masih dalam rentang W konstan hasil penelitian sebelumnya. Secara keseluruhan dapat dilihat bahwa nilai error tersebut masih dalam rentang < 5%. Hal ini menunjukkan bahwa penggunaan W konstan atau pun yang W yang tidak konstan (dengan W up masih dalam rentang W konstan yang direkomendasi), tidak memberikan pengaruh terhadap kinerja BEIA. Penggunaan nilai W tersebut tetap memberikan solusi dengan akurasi yang baik (error < 5%). 14

23 Error (%) Gradient of W over iteration Ave Error Min Error Max Error Gambar 5.8 Error untuk nilai grad W dengan W up =.5 Selanjutnya, nilai Wup yang di luar rentang W konstan rekomendasi penelitian sebelumnya digunakan dalam simulasi yaitu W up = 1. Tabel 5.2 dan Gambar 5.9 memperlihatkan profil penurunan nilai W sepanjang iterasi untuk masing-masing gradien. Tabel 5.2 Variasi nilai gradient W dengan W up di luar range W konstan W Grad= Grad=.25 Grad=.45 Grad= Iteration Gambar 5.9 Profil penurunan nilai W dengan W up = 1 15

24 Corrosion Location (cm) Iteration W Particle 1 Particle 2 Particle 3 Particle 4 Particle 5 W Gambar 5.1 W up = 1 dan grad W = Corrosion Location (cm) Iteration W Particle 1 Particle 2 Particle 3 Particle 4 Particle 5 W Gambar 5.11 W up = 1 dan grad W = -.45 Gambar 5.1 dan 5.11 memberikan pergerakan partikel untuk setiap iterasi dalam pencarian solusi untuk kasus yang diteliti dengan menggunakan gradien W bernilai dan -.45 (W up = 1). Pada Gambar 5.1 terlihat bahwa sampai dengan iterasi ke-2, solusi belum ditemukan. Pergerakan partikel masih belum menumpu pada satu lokasi. Namun, pada Gambar 5.11 terlihat solusi yang dicari dapat ditemukan oleh semua partikel walaupun pada awal percarian, pergerakannya kurang stabil ke arah solusi. 16

25 Error (%) Gradient of W over iteration Ave Error Min Error Max Error Gambar 5.12 Error untuk nilai grad W dengan W up = 1 Gambar 5.12 menunjukkan error dari solusi aktual untuk setiap nilai gradien W yang digunakan dalam simulasi untuk W up = 1. Gambar ini memperlihatkan bahwa semakin negatif nilai gradien W memberikan nilai error yang semakin kecil. Gradien < -.2 mampu memberikan error < 5% Simulasi pengaruh jumlah partikel terhadap kinerja BEIA Kemudian, simulasi dijalankan untuk mempelajari pengaruh parameter jumlah partikel terhadap BEIA. Model korosi pada beton bertulang yang digunakan untuk simulasi ini diberikan dalam Gambar Dua parameter akan dicari oleh BEIA yaitu lokasi (CL) dan ukuran korosi (CS). rebar (a) 3D model concrete 1 cm cathode CS=? CL=? anode 7 cm (b) 2D model x (cm) Gambar 5.13 Model korosi beton bertulang untuk keperluan studi pengaruh jumlah partikel 17

26 Corrosion size (cm) Corrosion size (cm) Corrosion location (cm) Corrosion size (cm) Corrosion location (cm) Gambar 5.14 Jumlah partikel 5: (a) Iterasi 1; (b) Iterasi 4; (c) Iterasi 8; (d) Iterasi 12; (e) Iterasi 16; (f) Iterasi 2 Corrosion size (cm) Corrosion location (cm) (a) (b) (c) Corrosion location (cm) Corrosion size (cm) Corrosion location (cm) Corrosion size (cm) Corrosion location (cm) (d) (e) (f) Corrosion size (cm) Corrosion size (cm) Corrosion location (cm) Corrosion size (cm) Corrosion location (cm) (a) (b) (c) Corrosion location (cm) Corrosion size (cm) Corrosion location (cm) Gambar 5.15 Jumlah partikel 2: (a) Iterasi 1; (b) Iterasi 4; (c) Iterasi 8; (d) Iterasi 12; (e) Iterasi 16; (f) Iterasi 2 Corrosion size (cm) Corrosion size (cm) Corrosion location (cm) Corrosion location (cm) (d) (e) (f) Gambar 5.14 dan 5.15 menunjukkan hasil simulasi pendeteksian korosi dengan menggunakan 5 partikel dan 2 partikel. Secara konsisten dapat dilihat bahwa semua partikel menuju ke satu kedudukan tertentu seiring bertambahnya iterasi. Namun, pada Gambar 5.14 (f) dapat dilihat bahwa solusi yang didapat oleh BEIA tidak tepat pada 18

27 solusi aktual. Sementara pada Gambar 5.15 (f), solusi yang didapat semakin mendekati solusi aktual. Pengaruh jumlah partikel terhadap kinerja BEIA terlihat jelas pada hasil yang diberikan dalam Gambar Jumlah partikel yang banyak memberikan akurasi solusi yang baik, namun, memperbesar beban komputasi sehingga perlu ada optimasi Iterasi Iteration in finding solution Average error from actual solution (%) Error rata-rata (%) Jumlah partikel / kandidat solusi Gambar 5.16 Pengaruh jumlah partikel terhadap jumlah iterasi dalam penemukan solusi dan error dari solusi aktual 5.4. Deteksi korosi beton bertulang pada bangunan terdampak tsunami 24 Selanjutnya, BEIA yang dikembangkan diaplikasikan untuk deteksi korosi pada bangunan dalam kawasan landaan tsunami. Gambar 5.17(a) menunjukkan bangunan tersebut. Gambar 5.17(b) adalah distribusi potensial sebagai referensi bagi BEIA. Gambar 5.17 (a) Struktur beton bertulang di Peukan Bada yang menjadi objek penelitian; (b) Distribusi potensial pada permukaan beton pada kolom yang dikaji (Ridha et.al 213) 19

28 Distribusi potensial yang digunakan sebagai referensi BEIA dalam deteksi korosi, hanya pada penampang A-A yang ditunjukkan dalam Gambar Kemudian, model 3D dari satu kolom beton bertulang pada bangunan objek penelitian disederhanakan menjadi model 2D sebagaimana ditunjukkan dalam Gambar BEIA digunakan untuk deteksi lokasi dan ukuran korosi pada kolom bangunan tersebut ϕ (mv) A z (cm) A Gambar 5.18 Distribusi nilai potensial (penampang A-A) hasil pengukuran half-cell potential mapping y 4 cm z x 3 cm 3 cm Anode / corrosion Cathode Concrete cover y 4 cm z CL =? CS =? Gambar 5.19 Model beton bertulang untuk deteksi korosi pada struktur terdampak tsunami Pergerakan setiap partikel dalam proses deteksi lokasi dan ukuran korosi untuk kasus yang dikaji ini dapat dilihat dalam Gambar 5.2. Pada awal iterasi, partikel secara random tersebar pada area pencarian. Seiring bertambahnya iterasi, seluruh partikel menumpu pada kedudukan tertentu pada iterasi ke-45. Kedudukan ini adalah solusi yang diberikan oleh BEIA. Dengan membandingkan solusi ini dengan kondisi actual dilapangan, diperoleh bahwa error dari solusi tersebut masih dapat diterima yaitu < 5%. 2

29 (a) (c) (e) (g) corrosion size (cm) corrosion size (cm) corrosion size (cm) corrosion size (cm) corrosion location (cm) corrosion location (cm) corrosion location (cm) corrosion location (cm) corrosion location (cm) corrosion location (cm) corrosion location (cm) corrosion location (cm) Gambar 5.2 Hasil simulasi untuk kasus deteksi korosi: (a) Iterasi 1; (b) Iterasi 4; (c) Iterasi 8; (d) Iterasi 12; (e) Iterasi 16; (f) Iterasi 2; (g) Iterasi 38; (h) Iterasi 45. (b) (d) (f) corrosion size (cm) corrosion size (cm) corrosion size (cm) (h) corrosion size (cm) 5.5. Luaran yang Dicapai Luaran yang ditargetkan untuk diperoleh melalui penelitian ini dan yang telah dicapai sampai dengan penyusunan laporan akhir penelitian ini adalah seperti yang diberikan dalam Tabel 5.3. Tabel 5.3. Luaran yang ditargetkan dan yang telah dicapai No Jenis Luaran 217 Target Capaian Capaian 1. Publikasi ilmiah Internasional published Reviewer invited (Case Studies in Construction Materials) Q2; Scopus index 1 Nasional terakreditasi Tidak ada Tidak ada 2. Pemakalah dalam Internasional sudah dilaksanakan Telah diterima 2 temu ilmiah Nasional sudah dilaksanakan Sudah dilaksanakan 3 1 Lampiran A; 2 Lampiran B; 3 Lampiran C 21

30 BAB 6. RENCANA TAHAPAN BERIKUTNYA Tahapan penelitian yang akan dilaksanakan berikutnya pada tahun kedua adalah seperti yang telah diperlihatkan dalam Gambar 4.1 di atas. Fokus utama yang akan dilakukan pada tahun kedua penelitian adalah mendapatkan database kondisi batas bagi BEIA yaitu pengukuran kurva polarisasi bagi baja tulangan di dalam beton dan pengukuran parameter beton bertulang yang meliputi konduktivitas, tebal selimut dan posisi tulangan. Selain itu, pengembangan BEIA tetap dilanjutkan untuk meningkatkan kinerja pendeteksian korosi. Pengembangan ini melingkupi pedeteksian multi-korosi, improvement sistem pencarian, dan studi parametric BEM. Seterusnya, pada tahun kedua tersebut juga dijalankan beberapa simulasi lain seperti yang telah ditunjukkan dalam Gambar 4.1, yaitu: Melanjutkan simulasi pengaruh beberapa parameter yang lain terhadap kinerja BEIA dalam mendeteksi korosi seperti tebal selimut, jumlah data pengukuran dan jumlah sengkang/tulangan. Menguji efektivitas BEIA pada kasus yang lebih komplek seperti deteksi korosi pada tiang panjang dermaga dan struktur yang terbenam dalam tanah. 22

31 BAB 7. KESIMPULAN DAN SARAN Kesimpulan yang dapat diperoleh melalui hasil simulasi yang telah dilakukan adalah: Jumlah partikel memberikan pengaruh terhadap kinerja BEIA dalam mendapatkan solusi yang dicari Penggunaan W yang tidak konstan (gradient negatif seiring bertambahnya iterasi) memberikan kinerja BEIA yang lebih baik dengan batasan nilai W up diluar nilai W konstan hasil penelitian sebelumnya. Aplikasi BEIA pada deteksi korosi struktur beton bertulang dalam kawasan terdampak tsunami menunjukkan tingkat akurasi yang cukup baik dengan error < 5% Kemudian, saran yang perlu dilakukan adalah: Data kurva polarisasi sebagai kondisi batas bagi anoda dan katoda perlu diperoleh dari pengujian yang sesuai dengan lingkungan kerja struktur beton bertulang yang dikaji guna memberikan hasil yang lebih baik. Pada tahapan kedepan, pengembangan sistem terintegrasi antara pre-prosesor (Salome), solver (BEM 3D) dan post-prosesor perlu dilaksanakan untuk kemudahan dalam menjalankan simulasi. 23

32 DAFTAR PUSTAKA Babaei, K Evaluation of Half-Cell Corrosion Detection Test for Concrete Bridge Decks. Final Report. Washington State Department of Transportation (WSDOT). Broomfield, J. P. 27. Corrosion of Steel in Concrete - Understanding, Investigation and Repair. 2 nd edition. London: Taylor & Francis. Dewan Kelautan Indonesia, tanpa tahun, Garis Pantai Indonesia Terpanjang Keempat, [diakses pada 8 April 215[. Elsener, B. 21. Half-Cell Potential Mapping to Assess Repair Work on RC Structures. Construction and Building Materials. 15: Ferguson. E., 212. Corrosion likely culprit in roof collapse: Expert. [diakses pada 18 August 213]. Fonna, S., 214, Boundary Element Method and Particle Swarm Optimization for Inverse Analysis to Identify Reinforced Concrete Corrosion, Doctoral dissertation, Universiti Kebangsaan Malaysia (UKM) (in Malay). Fonna, S., Huzni, S., Ridha, M. and Ariffin, A.K., 213, Inverse analysis using particle swarm optimization for detecting corrosion profile of rebar in concrete structure, Engineering Analysis with Boundary Elements, 37 : Fonna, S., Ibrahim, I.M., Ridha, M., Huzni, S. and Ariffin, A. K. 216, Simulation of the illposed problem of reinforced concrete corrosion detection using boundary element method, International Journal of Corrosion, Vol. 216, article id Hassan, A.A.A., Hossain, K.M.A. & Lachemi, M. 29. Corrosion resistance of selfconsolidating concrete in full-scale reinforced beams. Cement & Concrete Composites. 31 : Hussain, R.R Underwater half-cell corrosion potential bench mark measurements of corroding steel in concrete influenced by a variety ff material science and environmental engineering variables. Measurement. 44 : Jackson, J.E., 213, Cost of Corrosion Annually in the US Over $1 Trillion, termuat di: [diakses pada 14 Juli 214]. 24

33 Kelvin Probe electrode for contactless potential measurement on concrete Properties and corrosion profiling application. Corrosion Science. 56: Lan, Z., Wang, X., Hou, B., Wang, Z., Song, J. and Shengli Chen, S Simulation of sacrificial anode protection for steel platform using boundary element method. Engineering Analysis with Boundary Elements. 36 : Latief Struktur Wahana Atlantis Dikaji Ulang. (atas talian) Dikaji.Ulang [diakses pada 28 April 216]. Lee, K.H., Baek, S.W. & Kim, K.W. 28. Inverse radiation analysis using repulsive particle swarm optimization algorithm. International Journal of Heat and Mass Transfer. 51: Marinier, P. & Isgor, O.B Model-Assisted Non-destructive Monitoring of Reinforcement Corrosion in Concrete Structures. Nondestructive Testing of Materials and Structure. Editors: Büyüköztürk, O. et al. RILEM Bookseries. Springer-Verlag : Minagawa, K., Suga, K., Kikuchi, M. & Aoki, S An efficient inverse analysis considering observation error to detect corrosion in concrete structures containing multilayered rebar. International Journal of Mechanics and Materials in Design. 8 (1) : Moreno, E., Cobo, A., Palomo,G., González, M.N., 214, Mathematical models to predict the mechanical behaviour of reinforcements depending on their degree of corrosion and the diameter of the rebars, Construction and Building Materials, 61: NACE International, 22, International Corrosion Cost and Preventive Strategies in the United States, New York. Parsopoulos, K.E. & Vrahatis, M.N. 21. Particle Swarm Optimization and Intelligence: Advances and Applications. New York: Information Science Reference. Ridha, M., Amaya K. & Aoki, S. 21. A multistep genetic algorithm for detecting corrosion of reinforcing steels in concrete. Corrosion. 57 (9) : Ridha, M., Amaya, K. & Aoki, S. 25. Boundary element simulation for identification of steel corrosion in concrete by magnetic field measurement. Corrosion. 61 (8) :

34 Ridha, M., Fonna, S., Huzni, S. and Ariffin. A.K Corrosion risk assessment of public buildings affected by the 24 tsunami in banda aceh. Journal of Earthquake and Tsunami. 7 (1) : Roberge, P.R. 28. Corrosion Engineering: Principles and Practices. McGraw-Hill. New York. Sadowski. L Non-destructive investigation of corrosion current density in steel reinforced concrete by artificial neural networks. Archives of Civil and Mechanical Engineering. 13 (1) : Schweitzer, P.A. 21. Fundamentals of Corrosion: Mechanisms, Causes, and Preventative Methods. CRC Press. New York: Taylor & Francis Group. Song, H.W. & Saraswathy, V. 27. Corrosion monitoring of reinforced concrete structures a review. Int. J. Electrochem. Sci. 2: Suga, K., Minagawa, K., Kikuchi, M. & Aoki, S Corrosion detection in concrete structure including layered rebar. Key Engineering Materials :

35 LAMPIRAN Lampiran A. Bukti paper dalam status reviewer invited pada jurnal internasional Q2; Scopus index 27

36 Lampiran B. Bukti telah diterima untuk dipresentasikan pada seminar internasional 28

37 Lampiran C. Foto acara dan sertifikat sebagai pemakalah pada seminar nasional 29

38 3