Analisis Kekasaran Permukaan Hasil Proses Side Milling Menggunakan Artificial Neural Networks (ANN)

Abstract

Kekasaaran permukaan adalah salah satu penyimpangan yang disebabkan oleh kondisi pemotongan pada proses pemesinan. Pada pengujian ini pemberian cairan pemotongan dilakukan dengan metode MQL (minimum quantity lubricant) dengan benda kerja AISI 1045. Eksperimental pengujian dilakukan berdasarkan Central Composite Design dengan titik level yang disesuaikan dengan kondisi mesin freis vertikal yang digunakan, dengan Variabel kecepatan potong (Vc), gerak makan (fz) dan kedalaman potong (a). Prediksi kekasaran permukaan dilakukan dengan menggunakan metode Artificial Neural Networks. Syarat yang ditetapkan dalam ANN yaitu struktur jaringan dengan 3 input, n hidden layer dan 1 output, algoritma jaringan feed forward backpropagation, training dan fungsi learning dengan Levenberg-Marquardt dan performansi dikalkulasikan dengan MSE. Hasil yang didapatkan bahwa pengaruh kecepatan potong terhadap kekasaran berbanding terbalik, semakin tinggi kecepatan potong maka akan menghasilkan nilai keasaran yang halus dan sebaliknya, sedangkan pengaruh gerak makan dan kedalaman makan terhadap kekasaran berbanding lurus, semakin tinggi nilai gerak makan dan kedalaman makan maka nilai kekasaran yang didapat akan semakin kasar. Prediksi kekasaran permukaan menghasilkan MSE terendah pada jaringan struktur 3-8-1 dengan MSE 0,001648738 dengan prediksi eror sebesar 3,2415% pada keseluruhan data training dan data testing. Dan pada data test mendapatkan rentang nilai penyimpangan 0,99% sampai 15,199%.