PENGGUNAAN METODE PARAMETER TAGUCHI DALAM 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 Level Factor giving optimum surface roughness is feed rate factor at level 1 or 0,112 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.PENDAHULUAN 1.1 Latar 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 33 = 27 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. 1.2 Tujuan Penelitian Tujuan dari pelaksanaan penelitian ini adalah : 1.
Mendapatkan kekasaran permukaan optimum proses bubut berdasarkan setting parameter pemotongan yang digunakan.
2.
Mengetahui tingkat keakuratan metode Parameter Taguchi dalam mengidentifiaksi kekasaran permukaan optimum proses bubut.
3.
Mendapatkan tingkat parameter pemotongan yang signifikan (berpengaruh) terhadap kekasaran permukaan.
2. TINJAUAN PUSTAKA 2.1. 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
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.
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.
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.
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.
2.2. Rasio Signal terhadap Noise ( S/N Ratio)
Faktor noise dapat dibagi menjadi 3 (tiga), yaitu :
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 : 2.2.1. 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 :
1 n S / N STB 10 log y i2 n i 1
...(1)
dimana : n = jumlah tes di dalam percobaan
Nilai S/N untuk jenis karakteristik NTB :
S / N NTB 10 log .Ve (untuk variansi saja) Vm Ve (rata2 dan variansi) ... (3) S / N NTB 10 log . Ve
2.3. Faktor Terkendali dan Faktor Noise
1. Faktor noise eksternal Diartikan sebagai sumber-sumber variabilitas yang berasal dari luar produk. 2. 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
2.2.2. Larger-the-Better (LTB) 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 LTB adalah :
1 n 1 S / N STB log 2 n i 1 y i
2.3. Parameter Topografi Permukaan (Surface Finish)
… (2)
2.2.3. Nominal-the-Better (NTB) Karakteristik kualitas dimana ditetapkan suatu nilai nominal tertentu, jika nilainya semakin mendekati
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
Jurnal Teknik Mesin
Vol. 5, No.2,Desember 2008
parameter surface finish dapat diuraikan sebagai berikut[2]:
3. METODE PENELITIAN 3.1. Peralatan Pendukung Penelitian
Roughness average (Ra)
Mesin Bubut
Parameter ini juga diketahui sebagai nilai kekasaran tengah arithmatik (the arithmatic mean roughness value), AA (arithmatic average), atau CLA (center line average). Ra banyak dikenal secara universal dan digunakan pada parameter roughness internasional. Nilai Ra dihitung dengan persamaan
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
L
Ra
1 Y ( x) dx L 0
No
...(4)
1 2 3 4 5 6
dimana: Ra= penyimpangan rata-rata aritmatik dari garis tengah. L = panjang sampling Y = ordinat dari kurva profil
Ra RMS
Root-mean-square (rms)
Ini adalah parameter root-mean-square berhubungan dengan Ra dengan persamaan :
ISSN 1829-8958
yang
1 L 2 [( y ( x) y avg )] dx ....(5) L 0
Deskripsi Merek Produsen Type Daya motor Putaran spindle Thn pembuatan
Maximat Austria V13 3 Hp 50 rpm – 2000 rpm 1987
Pahat Insert dan Tool Holder
Tool holder yang digunakan adalah PCLNR25K jenis righ-handed dengan side cutting edge angle 50 dan end cutting edge angle 50, back rake angle -50 Dan side rake angle -50. Skema geometri dari tool holder sebagaimana diperlihatkan pada “Gambar (2)” berikut.
Kedalaman total (peak to valey roughness):
Yaitu jarak antara dua garis paralel ke garis tengah yang berhubungan dengan titik ekstrim atas dan bawah pada panjang sampling roughness profil. Rt = ymax -ymin
...(6)
Pada persamaan di atas, nilai yavg adalah nilai ratarata dalam arah vertikal. Kemudian y(x) – yavg adalah deviasi dari center line average pada posisi x sembarang dalam arah yang dibaca dari x = 0 sampai x = L 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
Gambar 2. Tool Holder Pahat yang digunakan adalah karbida dengan spesifikasi geometri berdasarkan Indexable Widia adalah CNGA-120408T seperti tabel berikut Tabel 2 Jenis pahat insert
Gambar 1. Ilustrasi profil permukaan [9] 96
Penggunaan Metode Parameter Taguchi dalam Mengidentifikasi Kekasaran Permukaan Optimum Proses Bubut (Zulhendri)
Tabel 3 Kondisi pemotongan pahat insert
N = 1000. v / d
Dlm Pmotgn
Laju pmakn
Kecep.potong
(mm)
(mm/rev)
(m/min)
N = 1000. 45 / 35
0.5 – 2.0
0.1 – 0.35
40 – 110
= 420.4 rpm
Untuk v = 45 m/min dan d = 35 mm, maka
3.2. Prosedur dan Langkah Percobaan
Sesuai dengan kemampuan mesin bubut, pada penelitian ini digunakan N = 415 rpm
Langkah 1. Pemilihan karakteristik kualitas
Untuk v = 65 m/min dan d = 35 mm, maka
Karakteristik kualitas bedasarkan metode Taguchi yang sesuai pada penelitian ini adalah Smaller –theBetter (STB), karena hasil yang diinginkan pada penelitian ini adalah kekasaran permukaan yang paling kecil dari proses bubut dengan parameter pemotongan yang dilakukan. Langkah 2. Pemilihan faktor kendali dan faktor tak terkendali (noise) Pada penelitian ini faktor yang dapat dikendalikan dipilih:
N = 1000. 75 / 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 = 1000. 110 / 35 = 1167,13 rpm/
1.
kedalaman pemakanan (depth of cut).
Sesuai dengan kemampuan mesin bubut, pada penelitian ini digunakan N = 1180 rpm
2.
kecepatan pemakanan (feed).
Langkah 3. Pemilihan Orthogonal Array (OA).
3.
kecepatan potong (cutting speed).
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 L933 artinya adalah ada 9 fariasi percobaan untuk 3 faktor dengan 3 level seperti pada gambar 3.2 berikut
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
Low (-1)
A Dlm Pmotgn (mm) 0.5 mm
Factors B Laju pmakn (mm/rev) 0.112 mm/rev
C Kecep.poton g (m/min) 45 (m/min)
Medium (0)
1 mm
0.225 mm/rev
65 (m/min)
High (1)
2 mm
0.315 mm/rev.
110 (m/min)
Level
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
Khusus untuk kecepatan potong penentuan harga v berpengaruh terhadap kecepatan putaran benda kerja yang digunakan. Dari persamaan 97
Jurnal Teknik Mesin
Vol. 5, No.2,Desember 2008
ISSN 1829-8958
Langkah 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.
Ra d L f L v L 2. Ra Langkah 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.
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)
Laju pmkn (f) Kecep.pot (v)
Respon Ra (µm)
mm
mm/rev
m/min
1
0.5
0.112
45
2
0.5
0.225
65
3
0.5
0.315
110
4
1
0.112
65
5
1
0.225
110
6
1
0.315
45
7
1.5
0.112
110
8
1.5
0.225
45
9
1.5
0.315
65
1, 2, 3
Langkah 5. Analisa data Berdasarkan data percobaan dihitung dengan signal to noise Smaller–the-Better (S/N STB) “Persamaan (2)”
1 n S / N STB 10 log yi2 n i 1 berdasarkan analysis of variance (ANOVA) menggunakan software MINITAB didapatkan faktorfaktor yang signifikan mempengaruhi kekasaran permukaan. Langkah 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
Penggunaan Metode Parameter Taguchi dalam Mengidentifikasi Kekasaran Permukaan Optimum Proses Bubut (Zulhendri)
Dari “Tabel {8)” didapatkan bahwa laju pemakanan dan kecepatan potong Fstatistik > Ttabel
4. HASIL DAN PEMBAHASAN 4.1 Data Percobaan Tabel 7. Hasil pengukuran kekasaran permukaan Dlm pmakn (d)
Laju pmkn
mm
mm/rev
m/min
1
2
3
1
0.5
0.112
45
1,99
1,81
1,7
2
0.5
0.225
65
2,02
2,2
2,24
3
0.5
0.315
110
1
1,27
1,14
4
1
0.112
65
1,45
1,68
1,17
5
1
0.225
110
1,44
1,35
1,25
6
1
0.315
45
2,03
2,26
2,14
7
1.5
0.112
110
1,13
1,34
1,47
8
1.5
0.225
45
1,97
1,42
1,67
9
1.5
0.315
65
2,7
2,54
2,2
No
(f)
Respon
Kecep.pot (v)
4.2. Pengolahan Data 4.2.1. 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 = τ2 = 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
Sedangkan dalam pemakan Fstatistik < Ttabel 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 15,52 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. 4.2.2. Menghitung optimum
faktor
1 n S / N 10 log yi2 n i 1
α,df-
dimana:
Tabel 8. ANOVA
level
Dari ”Tabel (8)” Kekasaran permukaan tersebut dibuat menjadi seperti ”Tabel (9)” berikut. Ra ratarata didapatkan dari Ra rata-rata = (Ra1 + Ra2 + Ra3 ) / 3 dan S/N didapatkan dari persamaan
num,df-den
- 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 =2 - df-den adalah derjat kebebasan yang digunakan sebagai penyebut. df-den = T-k , T = jumlah total keseluruhan sampel. Pada penelitian ini df-den = 27-3 = 24 Berdasarkan tabel distribusi F untuk F0.0.5, 2, 24 adalah 3,403.
kombinasi
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, 2, 3 dibagi 3. = (1,83 µm + 2,15 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 No 1 2 3 4 5 6 7 8 9
Dlm pmkn
Laju pot
(d) mm 0.5 0.5 0.5 1 1 1 1.5 1.5 1.5
(f) mm/rev 0.112 0.225 0.315 0.112 0.225 0.315 0.112 0.225 0.315
Respon
Kecep. Pot. (v) m/min 45 65 110 65 110 45 110 45 65
rata-rata
1 1,99 2,02 1 1,45 1,44 2,03 1,13 1,97 2,7
Ra (µm) 2 3 1,81 1,7 2,2 2,24 1,27 1,14 1,68 1,17 1,35 1,25 2,26 2,14 1,34 1,47 1,42 1,67 2,54 2,2 Rata-rata
Ra ratarata
S/N
1,83 2,15 1,14 1,43 1,35 2,14 1,31 1,69 2,48 1,73
-5,28 -6,67 -1,15 -3,22 -2,60 -6,63 -2,42 -4,62 -7,92 -40,51
Tabel 10. Ra rata-rata untuk masing-masing level pada setiap faktor Level 1 2 3
Depth of cut (d) 1,71 1,64 1,83
Feed 1,53 1,73 1,92
Cutting speed (v) 1,89 2,02 1,29
99
Jurnal Teknik Mesin
Vol. 5, No.2,Desember 2008
Tabel 11. S/N rata-rata untuk masing-masing level pada setiap faktor Level
Depth of cut (d)
Feed
Cutting speed (v)
1 2 3
-2,64 -4,15 -4,98
-2,60 -4,63 -5,23
-5,51 -5,94 -2,06
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)”
pemakanan pada penelitian ini pemakanan dipilih pada level 2.
untuk
dalam
4.2.3. Memprediksi kekasaran optimum Berdasarkan level optimum untuk setiap faktor bisa didapatkan prediksi Ra optimum dari pasangan level dan faktor yang diuji yaitu:
Raprediksi = d 2 f 1 v3 2. Ra = 1,64 + 1,53 + 1,29 – 2 x 1,73 = 1 µm Dengan cara yang sama N/S dapat diprediksi dengan persamaan :
Main Effects Plot (data means) for Means Dlm pmakanan
ISSN 1829-8958
S/Nprediksi =
Laju pmakan
2,0
S / N d 2 S / N f 1 S / N v 3 2. S / N
1,8 1,6
= - 4,15 - 2,6 – 2,06 + 2 x 4,51
Mean of Means
1,4 1,2 0,5
1,0 Kecep.pot
1,5
0,112
0,225
0,315
= - 0,61
2,0
4.2.3.
1,8 1,6 1,4 1,2 45
65
110
Gambar 5. Grafik Ra rata-rata untuk masing-masing level pada setiap faktor Main Effects Plot (data means) for SN ratios Dlm pmakanan
-2
Mean of SN ratios
-4
0,5 -2
1,0 Kecep.pot
1,5
0,112
0,225
0,315
Dalam pemakanan pada level 2 (d2) atau 1 mm
Laju pemakanan pada level 1 (f1) atau 0,112 mm/rev.
Kecepatan potong pada level 3 (v3) atau 110 m/min
-3 -4 -5 -6 45
65
110
Dari hasil pengukuran untuk kondisi pemotongan diatas didapatkan Ra yaitu:
Signal-to-noise: Smaller is better
Ra = 1,2 µm, 0,9 µm, dan 1,1 µm
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 :
Laju pemakanan pada level 1 (f1) atau 0,112 mm/rev.
Kecepatan potong pada level 3 (v3) atau 110 m/min Raoptimum =
f1 , v3
Tetapi karena faktor dalam pemakanan berdasarkan ANOVA tidak berbengaruh sehingga kita bebas memilih level optimum untuk faktor dalam
pada
-5 -6
pembubutan
Untuk menguji keakuratan Raprediksi yang didapatkan dari persamaan di atas, dilakukan proses pembubutan dengan kondisi pemotongan optimum seperti diatas yaitu:
Laju pmakan
-3
Melakukan proses variasi optimum
Maka Rarata-rata = 1,067 µm Dan S/N = -0,62 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. KESIMPULAN 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
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. 2.
3.
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. Level Faktor yang memberikan kekasaran optimum adalah : a. Faktor laju pemakanan pada level 1 atau 0,112 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.
(ERC/NSM) The Ohio State University, May 2003. 6.
Feng, C-X. and Wang, X-F. Surface Roughness Predictive Modeling: Neural Networks versus Regression. International Journal of Advanced Manufacturing Technology (in press), 2002.
7.
Montgomery, D. C. Design and Analysis of th
Experiments, 5 Edition. John Wiley & Sons, New York, 2001. 8.
M.B de Rooij and D.J. Schipper, Surface Technology & Tribology, University of Twente Netherlands. www.tr.utwente.nl, 2004.
9.
Kalpakjian Serope and Schmid R. Steven, Manufacturing Engineering and Technology, Fourth Edition, Prentice Hall, London, 2002.
5.2. 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. PUSTAKA: 1.
Taguchi Genichi, Quality Engineering in Production Systems, McGraw-Hill Book Company, Singapore, 1989.
2.
Rochim Taufig, Teori dan teknologi proses pemesinan, Higher education development support project, Bandung, 1993.
3.
Iriawan Nur, Puji Astuti Septin, Mengolah Data Statistik dengan Mudah Menggunakan MiniTab 14, ANDI, Yogyakarta, 2006.
4.
Harinaldi, Prinsip-prinsip statistik untuk teknik dan sains, Erlangga, Jakarta, 2005.
5.
Schmidt Carsten, Tool Wear Prediction and Verification in Orthogonal Cutting, Engineering Research Center for Net Shape Manufacturing 101
