Skripsi

KLASIFIKASI KEKASARAN PERMUKAAN BAJA S45C PADA PROSES MILLING CNC METODE DECISION TREE ID 3

---

Industri manufaktur terus berkembang berkat mesin CNC yang memungkinkan produksi massal dengan tingkat presisi tinggi dan efisiensi waktu optimal. Namun, kualitas produk dipengaruhi oleh kekasaran permukaan, yang seringkali berkorelasi non-linear dengan parameter proses CNC. Machine learning, khususnya metode decision tree, menjadi solusi untuk menangani kompleksitas ini. Proses CNC dipengaruhi oleh variasi bahan baku, kondisi mesin, dan perubahan alat potong, yang dapat dianalisis melalui data sensor. Dengan menggunakan machine learning, perusahaan dapat mengembangkan model untuk memprediksi kekasaran permukaan berdasarkan variabel-variabel tertentu dalam proses CNC. Ini memungkinkan perusahaan untuk mengoptimalkan parameter proses guna mencapai tingkat kekasaran yang diinginkan, mengurangi limbah, dan memastikan konsistensi kualitas produk. Oleh karena itu, penelitian ini penting dilakukan sebagai upaya memahami dan meningkatkan kualitas produk dalam industri manufaktur. Penelitian ini dilakukan dengan tujuan untuk mengklasifikasikan kekasaran baja S45C dan mengetahui pengaruh perhitungan menggunakan metode Decision Tree ID3 pada proses milling CNC. Penelitiann ini dilaksanakan pada bulan Januari sampai Februari 2024 di Laboratorium Produksi Jurusan Teknik Mesin Fakultas Teknik Universitas Sriwijaya. Tahapan penelitian yang dilakukan diawali dengan pengujian bahan benda kerja menggunakan proses milling cnc dengan memasukkan program dengan G-code pada mesin CNC milling. Hasil pengujian dilanjutkan dengan pengukuran kekasaran permukaan benda kerja S45C untuk didapatkan data pengujian. Data pengujian selanjutnya diklasifikasi menggunakan metode Decision Tree ID3. Pengklasifikasian menggunakan metode Decision Tree ID3 dilakukan menggunakan Google Colab dengan memperhatikan kelas Ra 1, dimana nilai Ra ≤ 3 memperoleh tingkat akurasi 50%, kelas Ra 2 dengan nilai Ra > 3 mendapatkan tingkat akurasi 62,5%, kelas Ra 3 dengan nilai Ra ≤ 3 mendapatkan tingkat akurasi 57%, dan kelas Ra 4 dengan nilai Ra ≤ 3 mendapatkan tingkat akurasi 42%. Hasil rata-rata akurasi dari perhitungan Cross Validation 5- fold adalah sebesar 53%. Hasil perhitungan menggunakan Decision Tree ID3, parameter yang memiliki pengaruh paling signifikan terhadap nilai kekasaran permukaan adalah kecepatan potong, yang memiliki nilai gain tertinggi sebesar 1.24581. Setelahnya, parameter gerak makan memiliki nilai gain sebesar 0.06734, dan parameter kedalaman makan memiliki nilai gain terendah sebesar 0.17551. Kata Kunci: CNC Milling, Kekasaran Permukaan, Decision Tree ID 3

---

Availability

Detail Information

Series Title

-

Call Number

T1498052024

Publisher

Indralaya : Prodi Teknik Mesin, Fakultas Teknik Universitas Sriwijaya., 2024

Collation

xxxi, 45 hlm.; ilus.; 29 cm

Language

Indonesia

ISBN/ISSN

-

Classification

621.910 7

Content Type

Text

Media Type

unmediated

Carrier Type

-

Edition

-

Subject(s)

Prodi Teknik Mesin
CNC Milling

Specific Detail Info

-

Statement of Responsibility

KA

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment