ANALISIS PREDIKSI KEKASARAN PERMUKAAN HASIL PROSES SIDE MILLING AISI 1045 MENGGUNAKAN ARTIFICIAL NEURAL NETWORKS (ANN)

AN-NAJIY, AHMAD MUJADDID and Yanis, Muhammad (2020) ANALISIS PREDIKSI KEKASARAN PERMUKAAN HASIL PROSES SIDE MILLING AISI 1045 MENGGUNAKAN ARTIFICIAL NEURAL NETWORKS (ANN). Undergraduate thesis, Sriwijaya University.

	Text RAMA_21201_03051281621065.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (3MB) | Request a copy
Preview	Text RAMA_21201_03051281621065_0028027004_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (715kB) | Preview
	Text RAMA_21201_03051281621065_0028027004_02.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (378kB) | Request a copy
	Text RAMA_21201_03051281621065_0028027004_03.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (884kB) | Request a copy
	Text RAMA_21201_03051281621065_0028027004_04.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (783kB) | Request a copy
	Text RAMA_21201_03051281621065_0028027004_05.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (10kB) | Request a copy
	Text RAMA_21201_03051281621065_0028027004_06_ref.pdf - Bibliography Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (77kB) | Request a copy
	Text RAMA_21201_03051281621065_0028027004_07_lamp.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (2MB) | Request a copy
	Text RAMA_21201_03051281621065_TURNITIN.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (6MB) | Request a copy

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%.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Side Milling, Kekasaran Permukaan, Jaringan Saraf Tiruan (JST)
Subjects:	T Technology > TJ Mechanical engineering and machinery > TJ1125-1345 Machine shops and machine shop practice > TJ1180 Machining, Ceramic materials--Machining-Strength of materials-Machine tools-Design and construction T Technology > TJ Mechanical engineering and machinery > TJ1125-1345 Machine shops and machine shop practice > TJ1180 Machining, Ceramic materials--Machining-Strength of materials-Machine tools-Design and construction > TJ1180.I34 Machining-Machine tools-Numerical control-Computer integrated manufacturing systems-Artificial intelligence
Divisions:	03-Faculty of Engineering > 21201-Mechanical Engineering (S1)
Depositing User:	Users 9196 not found.
Date Deposited:	16 Dec 2020 02:25
Last Modified:	16 Dec 2020 04:11
URI:	http://repository.unsri.ac.id/id/eprint/38629

Actions (login required)

View Item