PENGGUNAAN METODE PARAMETER TAGUCHI DALAM MENGIDENTIFIKASI KEKASARAN PERMUKAAN OPTIMUM PROSES BUBUT

Transkripsi

1 PENGGUNAAN METODE PARAMETER TAGUCHI DAAM MENGIDENTIFIKASI KEKASARAN PERMUKAAN OPTIMUM PROSES BUBUT Zulhendri (1), Yusri (1) (1) Staf Pengajar Jurusan Teknik Mesin Politeknik Negeri Padang ABSTRACT Surface Roughness a mechanic product can be yielded passing a number of processes manufacturer, one of them is turning process, where yielded surface quality is very influenced by arrangement of amputations parameter i.e. depth of cut, feed rate and cutting speed. To get optimum surface roughness used design of experiment (DOE) with parameter Taguchi method. This method selected because owning the effectiveness storey; level which is high to be compared to the other factorial method. Intention of this research is to get the storey; level accuracy of method Parameter Taguchi in identification of optimum surface roughness of turning. And also get the amputations parameter storey; level significant influential to surface roughness. This research is done by choosing three factor able to be controlled that is; depth of cut, feed rate and cutting speed massing with three level attempts. Pursuant to parameter Taguchi got nine attempt variations. Object material test is St. 37 in form of solid bar of the size Ø 30 x 100 mm, counted 9 processes the guy wire done at the lathe Maximal V 13. From analysis result got that evel Factor giving optimum surface roughness is feed rate factor at level 1 or 0,11 mm/re, cutting speed factor at level 3 or 110 m/min. Method Taguchi effective proven prediction of optimum surface roughness, where Ra optimum prediction 1 µ m which relative is equal to Ra from measurement of attempt that is and 1,067 µm. Keywords: Surface roughness, Taguchi method 1.PENDAHUUAN 1.1 atar Belakang. Kekasaran permukaan suatu produk mekanik dapat dihasilkan melalui sejumlah proses manufaktur, salah satunya adalah melalui proses pemesinan dalam hal ini melalui proses pemesinan bubut, dimana kualitas permukaan yang dihasilkan sangat dipengaruhi oleh pengaturan parameter pemotongan (kedalaman pemakanan (depth of cut), laju pemakanan (feed rate) dan kecepatan potong). Untuk mendapatkan kekasaran permukaan optimum digunakan design of expriment (DOE) dengan metode parameter Taguchi. Metode ini dipilih karena memiliki tingkat keefektifan yang tinggi dibandingkan dengan metode faktorial yang lain. Sebagai contoh jika ada tiga parameter yang diuji dengan masing-masing parameter mempunyai tiga level, jika menggunakan DOE metode full faktorial maka akan ada 3 3 = 7 kombinasi percobaan hal ini jelas akan membutuhkan biaya yang besar dan waktu yang lama, sedangkan dengan metode parameter Taguchi hanya butuh 9 kombinasi percobaan. Namun karena pada metode Taguchi ini hanya sebagian variasi percobaan yang dilakukan dibandingkan dengan metode full faktorial, maka perlu diteliti tingkat keakuratan metode ini. Berdasarkan hal tersebut di atas peneliti ingin melakukan penelitian untuk mendapatkan tingkat kekasaran permukaan optimum yang mampu dicapai melalui proses mesin bubut menggunakan metode parameter Taguchi serta sejauh mana tingkat keakuratan metode ini. 1. Tujuan Penelitian Tujuan dari pelaksanaan penelitian ini adalah : 1. Mendapatkan kekasaran permukaan optimum proses bubut berdasarkan setting parameter pemotongan yang digunakan.. Mengetahui tingkat keakuratan metode Parameter Taguchi dalam mengidentifiaksi kekasaran permukaan optimum proses bubut. 3. Mendapatkan tingkat parameter pemotongan yang signifikan (berpengaruh) terhadap kekasaran permukaan.. TINJAUAN PUSTAKA.1. Metode Parameter Taguchi Metode Taguchi diperkenalkan oleh Dr. Genichi Taghuci (1940) yang merupakan metodologi baru dalam bidang teknik yang bertujuan untuk memperbaiki kualitas produk dan proses serta dapat

2 Penggunaan Metode Parameter Taguchi dalam Mengidentifikasi Kekasaran Permukaan Optimum Proses Bubut (Zulhendri) menekan biaya dan resources seminimal mungkin. Sasaran metode Taguchi adalah peningkatan kualitas produk, dengan mencari faktor-faktor yang berpengaruh terhadap kualitas, lalu memisahkannya kedalam faktor kendali dan faktor tidak terkendali (noise). Masing-masing faktor dibagi berdasarkan level, lalu dipilih matriks orthogonal sebagai alat bantu untuk pelaksanaan ekperimen berdasarkan jumlah faktor dan level faktor yang terpilih. Hasil ekperimen dianalisis dengan Signal to Noise Ratio (S/N) dan ANOVA untuk menentukan faktor-faktor dan level faktor yang paling segnifikan berpengaruh pada kualitas produk. Metode Taguchi menggunakan seperangkat matriks khusus yang disebut Orthogonal Array. Matriks standar ini merupakan langkah untuk menentukan jumlah percobaan minimal yang dapat memberikan informasi sebanyak mungkin semua faktor yang mempengaruhi parameter. Bagian terpenting dari metode Orthogonal Array terletak pada pemilihan kombinasi level variabel-variabel input untuk masing-masing percobaan... Rasio Signal terhadap Noise ( S/N Ratio) Taguchi memperkenalkan pendekatan S/N ratio untuk meneliti pengaruh faktor noise terhadap variasi yang timbul. Jenis dari S/N rasio tergantung pada karakteristik yang diinginkan, yaitu :..1. Smaller the-better (STB) Karaktristik kualitas dimana semakin rendah nilainya, maka kualitas semakin baik. Contoh nya adalah dalam mencari kekasaran permukaan optimum proses pemesinan, dimana semakin kecil kekasaran permukaan semaki baik permukaanya. Contoh lain adalah keausan, kebocoran dan lain-lain. Nilai S/N untuk jenis karakteristik STB adalah : n 1 S / N STB 10 log y i...(1) n i1 dimana : n = jumlah tes di dalam percobaan... arger-the-better (TB) Karakteristik kualitas dimana semakin besar nilainya,maka kualitas semakin baik. Contohnya adalah kekuatan material, efisiensi bahan bakar dan lain-lain. Nilai S/N untuk jenis karakteristik TB adalah : n 1 1 S / N STB log () n i1 yi..3. Nominal-the-Better (NTB) Karakteristik kualitas dimana ditetapkan suatu nilai nominal tertentu, jika nilainya semakin mendekati nilai nominal tertentu tersebut maka kualitasnya semakin baik. Contohnya adalah ukuran produk dimana semakin mendekati ukuran nominal yang ditetapkan kualitasnya semakin baik, contoh lainnya adalah clearance, viskositas dan lain-lain. Nilai S/N untuk jenis karakteristik NTB : S / N NTB 10log. Ve (untuk variansi saja) Vm Ve S / N NTB 10log. (rata dan variansi)... (3) Ve.3. Faktor Terkendali dan Faktor Noise Taguchi mengembangkan faktor perancangan dan pengembangan produk/proses ke dalam dua kelompok yaitu faktor terkendali dan faktor noise. Faktor terkendali adalah faktor yang ditetapkan (atau dapat dikendalikan) oleh produsen/peneliti selama tahap perancangan produk/proses dan tidak dapat diubah. Sedangkan faktor noise adalah faktor yang tidak dapat dikendalikan langsung oleh produsen/peneliti. Faktor noise dapat dibagi menjadi 3 (tiga), yaitu : 1. Faktor noise eksternal Diartikan sebagai sumber-sumber variabilitas yang berasal dari luar produk.. Faktor noise dari unit ke unit Merupakan hasil dari produksi dimana selalu ada perbedaan dari setiap item yang sejenis yang telah diproduksi. Disebut juga sebagai variasi toleransi 3. Faktor noise deteriorasi Disebut juga noise internal karena faktor ini berasal dari sesuatu (internal) yang berubah dari proses atau degradasi dari komponen mesin yang memasuki over time. Dalam perancangan eksperimen Taguchi, penanganan faktor noise melalui 3 (tiga) cara, yaitu : a. Dengan melakukan pengulangan terhadap masing-masing perobaan b. Dengan memasukkan faktor noise tersebut kedalam percobaan dengan menempatkannya diluar faktor terkendali c. Dengan menganggap faktor terkendali bervariasi.3. Parameter Topografi Permukaan (Surface Finish) Surface finish dapat ditandai dalam beberapa parameter yang berbeda. Karena kebutuhan parameter yang berbeda dalam operasi mesin yang beraneka ragam telah banyak parameter surface roughness baru yang dikembangkan. Beberapa 95

3 Jurnal Teknik Mesin Vol. 5, No.,Desember 008 ISSN parameter surface finish dapat diuraikan sebagai berikut [] : Roughness average (R a ) Parameter ini juga diketahui sebagai nilai kekasaran tengah arithmatik (the arithmatic mean roughness value), AA (arithmatic average), atau CA (center line average). R a banyak dikenal secara universal dan digunakan pada parameter roughness internasional. Nilai R a dihitung dengan persamaan 3. METODE PENEITIAN 3.1. Peralatan Pendukung Penelitian Mesin Bubut Pengujian parameter pemesinan dalam penelitian ini dilakukan di Bengkel mesin Politeknik Negeri Padang pada mesin bubut konvensional dengan merek Maximat buatan Austria. Tabel 1. Data teknis Mesin Bubut dimana: R a 1 0 Y( x) dx...(4) R a = penyimpangan rata-rata aritmatik dari garis tengah. = panjang sampling Y = ordinat dari kurva profil Root-mean-square (rms) Ini adalah parameter root-mean-square yang berhubungan dengan R a dengan persamaan : R a RMS 1 0 [( y( x) y avg )] dx Kedalaman total (peak to valey roughness):...(5) Yaitu jarak antara dua garis paralel ke garis tengah yang berhubungan dengan titik ekstrim atas dan bawah pada panjang sampling roughness profil. R t = y max -y min...(6) Pada persamaan di atas, nilai y avg adalah nilai ratarata dalam arah vertikal. Kemudian y(x) y avg adalah deviasi dari center line average pada posisi x sembarang dalam arah yang dibaca dari x = 0 sampai x = Pada pengukuran surface tester jarum peraba (stylus) dari alat ukur harus digerakkan mengikuti lintasan yang berupa garis lurus dengan jarak yang telah ditentukan. Panjang lintasan ini disebut dengan panjang pengukuran (tranversing length). Profil yang terukur pada panjang pengukuran (sampling length) kemudian dianalisa. Gambar (1) berikut memperlihatkan ilustrasi dari profil permukaan dan tekstur permukaan No Deskripsi 1 Merek Maximat Produsen Austria 3 Type V13 4 Daya motor 3 Hp 5 Putaran spindle 50 rpm 000 rpm 6 Thn pembuatan 1987 Pahat Insert dan Tool Holder Tool holder yang digunakan adalah PCNR5K jenis righ-handed dengan side cutting edge angle 5 0 dan end cutting edge angle 5 0, back rake angle -5 0 Dan side rake angle Skema geometri dari tool holder sebagaimana diperlihatkan pada Gambar () berikut. Gambar. Tool Holder Pahat yang digunakan adalah karbida dengan spesifikasi geometri berdasarkan Indexable Widia adalah CNGA-10408T seperti tabel berikut Tabel Jenis pahat insert Gambar 1. Ilustrasi profil permukaan [9] 96

4 Penggunaan Metode Parameter Taguchi dalam Mengidentifikasi Kekasaran Permukaan Optimum Proses Bubut (Zulhendri) Tabel 3 Kondisi pemotongan pahat insert Dlm Pmotgn (mm) aju pmakn (mm/rev) Kecep.potong Prosedur dan angkah Percobaan angkah 1. Pemilihan karakteristik kualitas Karakteristik kualitas bedasarkan metode Taguchi yang sesuai pada penelitian ini adalah Smaller the- Better (STB), karena hasil yang diinginkan pada penelitian ini adalah kekasaran permukaan yang paling kecil dari proses bubut dengan parameter pemotongan yang dilakukan. angkah. Pemilihan faktor kendali dan faktor tak terkendali (noise) Pada penelitian ini faktor yang dapat dikendalikan dipilih: 1. kedalaman pemakanan (depth of cut).. kecepatan pemakanan (feed). 3. kecepatan potong (cutting speed). Faktor ini dipilih karena karena ketiga faktor berpotensi mempengaruhi kekasaran permukaan proses bubut. Karena faktor ini dapat dikendalikan pada pengoperasian proses pemesinan bubut maka dimasukan kedalam kategori faktor yang dapat dikendalikan. Faktor tak terkendali (noise) yang digunakan pada penelitian ini adalah lokasi pengukuran kekasaran permukaan benda uji. Faktor ini dipilih karena sukar mengontrol lokasi kekasaran permukaan yang diukur sebab berbeda dan terpisah. Pengukuran kekasaran permukaan menggunakan Digital Surface Analyzer dan dilakukan pada tiga lokasi yang berbeda. Tabel berikut memperlihatkan faktor dan level percobaan. Table 4. Factors dan levels dari experiment untuk model yang dibangun N = v / d Untuk v = 45 m/min dan d = 35 mm, maka N = / 35 = 40.4 rpm Sesuai dengan kemampuan mesin bubut, pada penelitian ini digunakan N = 415 rpm Untuk v = 65 m/min dan d = 35 mm, maka N = / 35 = 689,17 rpm Sesuai dengan kemampuan mesin bubut, pada penelitian ini digunakan N = 700 rpm Untuk v = 110 m/min dan d = 30 mm, maka N = / 35 = 1167,13 rpm/ Sesuai dengan kemampuan mesin bubut, pada penelitian ini digunakan N = 1180 rpm angkah 3. Pemilihan Orthogonal Array (OA). Pemilihan orthogonal array pada parameter Taguchi ini dilakukan dengan menggunakan bantuan software MiniTab 14. Karena ada tiga faktor dan tiga level untuk masing-masing faktor maka OA nya adalah artinya adalah ada 9 fariasi percobaan untuk 3 faktor dengan 3 level seperti pada gambar 3. berikut Gambar 3. Penentuan OA dengan 3 faktor dan 3 level Bentuk lengkap OA dapat dilihat pada tabel dibawah ini. Tabel 5. Orthonal Array atau Variasi percobaan evel ow (-1) Medium (0) Factors A B C aju pmakn (mm/rev) Dlm Pmotgn (mm) 0.5 mm 1 mm 0.11 mm/rev 0.5 mm/rev Kecep.poton g High (1) mm mm/rev. 110 Khusus untuk kecepatan potong penentuan harga v berpengaruh terhadap kecepatan putaran benda kerja yang digunakan. Dari persamaan 97

5 Jurnal Teknik Mesin Vol. 5, No.,Desember 008 ISSN angkah 4. Melakukan Percobaan Material benda uji adalah St. 37 berbentuk solid bar dengan ukuran Ø 30 x 100 mm, sebanyak 9 buah. Bentuk benda uji dan set up percobaan yang dilakukan seperti gambar berikut. Gambar 4. Set up percobaan Setelah proses pemesinan kemudian dilanjutkan dengan pengukuran kekasaran permukaan. Hasil pengukuran kekasaran dimuat dalam tabel seperti berikut Tabel 6. Bentuk format hasil pengukuran kekasaran permukaan No Dlm pmakn (d) aju pmkn (f) Kecep.pot (v) Respon Ra (µm) mm mm/rev m/min 1,, Ra d f v. Ra angkah 7. Melakukan proses pemesinan bubut berdasarkan variasi percobaan optimum. Berdasarkan variasi percobaan optimum yang didapatkan dari langkah 5 dilakukan proses pemesinan dan diukur kekasaran permukaannya. Berdasarkan hasil pengukuran kekasaran permukaan dari langkah 7 dibandingkan dengan kekasaran permukaan berdasarkan perhitungan seperti langkah 6. Berdasarkan perbandingan tersebut dapat dilihat tingkat keakuratan metode Taguchi ini. Diagram prosedur dan langkah percobaan metode Taguchi ini dapat dilihat pada diagram berikut ini. angkah 5. Analisa data Berdasarkan data percobaan dihitung dengan signal to noise Smaller the-better (S/N STB) Persamaan () 1 S / N STB 10 log n n y i i1 berdasarkan analysis of variance (ANOVA) menggunakan software MINITAB didapatkan faktorfaktor yang signifikan mempengaruhi kekasaran permukaan. angkah 6. Memprediksi kekasaran permukaan optimum Berdasarkan faktor-faktor yang signifikan mempengaruhi kekasaran permukaan dipilih level setiap faktor yang memberikan kekasaran optimum kemudian dihitung kekasaran permukaan menggunakan persamaan: Gambar 3.4 Prosedur dan langkah percobaan 98

6 Penggunaan Metode Parameter Taguchi dalam Mengidentifikasi Kekasaran Permukaan Optimum Proses Bubut (Zulhendri) 4. HASI DAN PEMBAHASAN 4.1 Data Percobaan Tabel 7. Hasil pengukuran kekasaran permukaan No Dlm pmakn (d) aju pmkn (f) Kecep.pot (v) Respon mm mm/rev m/min ,99 1,81 1, ,0,, ,7 1, ,45 1,68 1, ,44 1,35 1, ,03,6, ,13 1,34 1, ,97 1,4 1, ,7,54, 4.. Pengolahan Data Analisa varian Berdasarkan data hasil pengukuran kekasaran pengukuran pada tabel 5.1 diatas dilakukan analysis of variance (ANOVA) untuk melihat pengaruh masing-masing parameter terhadap kekasaran permukaan. Dengan hipotesis: H0 : τ1 = τ = 0 (variasi perlakuan tidak berpengaruh terhadap kekasaran permukaan) H1 : τi 0 (ada perlakuan yang memberikan pengaruh terhadap kekasaran permukaan) Hipotesa awal akan ditolak apabila nilai F > F α,dfnum,df-den dimana: - α adalah tingkat kepercayaan, diambil 5% - df-num adalah drajat kebebasan yang digunakan sebagai pembilang. df-num = k-1, k = jumlah sampel Pada penelitian ini df-num = 3-1 = - df-den adalah derjat kebebasan yang digunakan sebagai penyebut. df-den = T-k, T = jumlah total keseluruhan sampel. Pada penelitian ini df-den = 7-3 = 4 Berdasarkan tabel distribusi F untuk F 0.0.5,, 4 adalah 3,403. Tabel 8. ANOVA Dari Tabel {8) didapatkan bahwa laju pemakanan dan kecepatan potong F statistik > T tabel Sedangkan dalam pemakan F statistik < T tabel Artinya laju pemakanan dan kecepatan potong mempunyai pengaruh yang signifikan terhadap kekasaran, sedangkan dalam pemakanan tidak mempunyai pengaruh yang signifikan terhadap kekasaran permukaan. F paling besar dari ketiga faktor yang diuji adalah F untuk faktor kecepatan potong yaitu 15,5 artinya kecepatan potong memberikan pengaruh yang paling besar terhadap kekasaran permukaan. Faktor dalam pemakanan pada penelitian ini tidak memberikan pengaruh signifikan terhadap kekasaran permukaan disebabkan karena tingkatan level untuk dalam pemakanan terlalu kecil yaitu 0,5 mm, 1 mm dan 1,5 mm. Pengaruh setiap faktor terhadap kekasaran permukaan dapat dilihat pada grafik berikut Menghitung kombinasi level faktor optimum Dari Tabel (8) Kekasaran permukaan tersebut dibuat menjadi seperti Tabel (9) berikut. Ra ratarata didapatkan dari Ra rata-rata = (Ra 1 + Ra + Ra 3 ) / 3 dan S/N didapatkan dari persamaan 1 S / N 10 log n n y i i1 Kemudian berdasarkan Tabel (9) dihitung Ra untuk masing-masing level pada setiap faktor dan dimuat pada Tabel (10) sebagai contoh Ra dalam pemakanan (depth of cut) untuk level 1 atau 0,5 mm didapatkan dari Ra pada No. 1,, 3 dibagi 3. = (1,83 µm +,15 µm + 1,14 µm) / 3 = 1,708 µm. dengan cara yang sama didapatkan S/N rata-rat untuk masingmasing level pada setiap faktor dan dimuat pada Tabel (11) Ra rata-rata yang paling kecil adalah level faktor yang optimum sedangkan untuk S/N besar S/N semakin besar suatu proses bisa diprediksi. Tabel 9. Ra rata-rata S/N rata-rata No Dlm pmkn aju pot Kecep. Pot. Respon Ra ratarata (d) (f) (v) Ra (µm) S/N mm mm/rev m/min ,99 1,81 1,7 1,83-5, ,0,,4,15-6, ,7 1,14 1,14-1, ,45 1,68 1,17 1,43-3, ,44 1,35 1,5 1,35 -, ,03,6,14,14-6, ,13 1,34 1,47 1,31 -, ,97 1,4 1,67 1,69-4, ,7,54,,48-7,9 Rata-rata 1,73-40,51 Tabel 10. Ra rata-rata untuk masing-masing level pada setiap faktor evel Depth of cut (d) Feed Cutting speed (v) 1 1,71 1,53 1,89 1,64 1,73,0 3 1,83 1,9 1,9 99

7 Jurnal Teknik Mesin Vol. 5, No.,Desember 008 ISSN Tabel 11. S/N rata-rata untuk masing-masing level pada setiap faktor evel Depth of cut (d) Feed Cutting speed (v) 1 -,64 -,60-5,51-4,15-4,63-5,94 3-4,98-5,3 -,06 Berdasarkan Tabel (10) dan Tabel (11) dibuat dibuat grafik untuk memperlihatkan Ra terkecil dan S/N terbesar pada masing-masing level untuk setiap faktor. Seperti terlihat pada Gambar (5) dan Gambar (6) Mean of Means,0 1,8 1,6 1,4 1,,0 1,8 1,6 1,4 1, 0,5 45 Main Effects Plot (data means) for Means Dlm pmakanan 1,0 Kecep.pot 65 1, ,11 aju pmakan 0,5 0,315 Gambar 5. Grafik Ra rata-rata untuk masing-masing level pada setiap faktor Mean of SNratios ,5 45 Main Effects Plot (data means) for SN ratios Dlm pmakanan 1,0 Kecep.pot 65 Signal-to-noise: Smaller is better 1, ,11 aju pmakan 0,5 0,315 Gambar 6. Grafik S/N rata-rata untuk masing-masing level pada setiap faktor Dari Gambar (5) dan Gambar (6) didapatkan Ra paling kecil dan S/N paling besar masing masing level yang merupakan level optimum untuk setiap faktor yaitu : aju pemakanan pada level 1 (f 1 ) atau 0,11 mm/rev. Kecepatan potong pada level 3 (v 3 ) atau 110 m/min Ra optimum = f,v 1 3 Tetapi karena faktor dalam pemakanan berdasarkan ANOVA tidak berbengaruh sehingga kita bebas memilih level optimum untuk faktor dalam pemakanan pada penelitian ini untuk dalam pemakanan dipilih pada level Memprediksi kekasaran optimum Berdasarkan level optimum untuk setiap faktor bisa didapatkan prediksi Ra optimum dari pasangan level dan faktor yang diuji yaitu: Ra prediksi = d f v. Ra 1 3 = 1,64 + 1,53 + 1,9 x 1,73 = 1 µm Dengan cara yang sama N/S dapat diprediksi dengan persamaan : S/N prediksi = / N d S / N f1 S / N v3 S. S / N = - 4,15 -,6,06 + x 4,51 = - 0, Melakukan proses pembubutan pada variasi optimum Untuk menguji keakuratan Ra prediksi yang didapatkan dari persamaan di atas, dilakukan proses pembubutan dengan kondisi pemotongan optimum seperti diatas yaitu: Dalam pemakanan pada level (d ) atau 1 mm aju pemakanan pada level 1 (f 1 ) atau 0,11 mm/rev. Kecepatan potong pada level 3 (v 3 ) atau 110 m/min Dari hasil pengukuran untuk kondisi pemotongan diatas didapatkan Ra yaitu: Ra = 1, µm, 0,9 µm, dan 1,1 µm Maka Ra rata-rata = 1,067 µm Dan S/N = -0,6 Jika dibandingkan hasil pengukuran kekasaran optimum tersebut dengan kekasaran yang didapatkan harga yang relatif sama, berarti metoda taguchi dapat digunakan untuk mendapatkan kekasaran optimum pada proses bubut. 5. KESIMPUAN DAN SARAN 5.1. Kesimpulan Berdasarkan analisa dan pengolahan data di atas dapat disimpulkan sebagai berikut: 1. Dari tiga faktor yang diuji (dalam pemakanan, laju pemakanan dan kecepatan potong) dengan 100

8 Penggunaan Metode Parameter Taguchi dalam Mengidentifikasi Kekasaran Permukaan Optimum Proses Bubut (Zulhendri) tiga level untuk setiap faktor ternyata dalam pemakanan tidak berpengaruh terhadap kekasaran permukaan sedangkan laju pemakanan dan kecepatan potong memberikan pengaruh terhadap kekasaran permukaan. Pengaruh kekasaran permukaan yang paling besar diberikan oleh faktor kecepatan potong.. Dalam pemakanan tidak mempengaruhi kekasaran permukaan disebabkan karena level yang digunakan perbedaannya tidak cukup besar yaitu 0,5 mm, 1 mm dan 1,5 mm. 3. evel Faktor yang memberikan kekasaran optimum adalah : a. Faktor laju pemakanan pada level 1 atau 0,11 mm/re. b. Faktor kecepatan potong pada level 3 atau 110 m/min 4. Harga Ra optimum prediksi yang dihitung berdasarkan metode taguchi relatif sama dengan Ra optimum yang didapatkan dari pengukuran percobaan yaitu 1 µm dan 1,067 µm. 5. Metode Taguchi dapat digunakan untuk memprediksi kekasaran optimum dari level faktor yang dipilih. 5.. Saran Kekasaran optimum yang didapatkan dari metode Taguchi ini adalah berdasarkan level faktor yang dipilih yang bisa saja berubah jika level faktornya dirubah, oleh kareana itu perlu kehati-hatian dalam memilih level setiap faktor, karena keakuratan metode Taguchi terletak pada ketepatan dalam memilih level setiap faktor serta pemilihan faktor yang diperkirakan mempengaruhi. (ERC/NSM) The Ohio State University, May Feng, C-X. and Wang, X-F. Surface Roughness Predictive Modeling: Neural Networks versus Regression. International Journal of Advanced Manufacturing Technology (in press), Montgomery, D. C. Design and Analysis of th Experiments, 5 Edition. John Wiley & Sons, New York, M.B de Rooij and D.J. Schipper, Surface Technology & Tribology, University of Twente Netherlands Kalpakjian Serope and Schmid R. Steven, Manufacturing Engineering and Technology, Fourth Edition, Prentice Hall, ondon, 00. PUSTAKA: 1. Taguchi Genichi, Quality Engineering in Production Systems, McGraw-Hill Book Company, Singapore, Rochim Taufig, Teori dan teknologi proses pemesinan, Higher education development support project, Bandung, Iriawan Nur, Puji Astuti Septin, Mengolah Data Statistik dengan Mudah Menggunakan MiniTab 14, ANDI, Yogyakarta, Harinaldi, Prinsip-prinsip statistik untuk teknik dan sains, Erlangga, Jakarta, Schmidt Carsten, Tool Wear Prediction and Verification in Orthogonal Cutting, Engineering Research Center for Net Shape Manufacturing 101