Nama: MuhamadNIM: I0411031

Pendahuluan

Kecerdasan buatan adalah suatu ilmu pengetahuan dimana komputer diprogram untuk menyelesaikan masalah menurut penalaran manusia. Dengan kata lain, komputer diprogram untuk berpikir layaknya manusia. Dengan cara menyederhanakan program, kecerdasan buatan dapat menirukan proses belajar manusia sehingga informasi baru dapat diserap dan digunakan sebagai acuan pada masa-masa yang akan datang. Teknik yang digunakan dalam kecerdasan buatan memungkinkan dibuatnya sebuah program yang setiap bagiannya mengandung langkah-langkah independen dan dapat diidentifikasi dengan baik untuk dapat memecahkan sebuah atau sejumlah masalah. Kecerdasan buatan sendiri ada berbagai macam metode, antara lain Jaringan Syaraf Tiruan, Support Vector Machine, dllDalam tugas ini, akan dibahas mengenai penggunaan Support Vector Machine (SVM) menggunakan software MATLAB untuk 2 kasus, yakni1. Prediksi waktu produksi mesin bubut2. Klasifikasi tingkat keausan pahatUntuk kasus yang pertama, prediksi waktu produksi mesin bubut, penulis mengambil kasus pada skripsi karya Bambang Adi Winoto Mahasiswa Teknik Mesin UNS 2005 dengan judul Prediksi Umur Produksi Mesin Bubut dengan Pendekatan Kecerdasan Buatan (Artificial Intelligence). Jadi, pada skripsi ini beliau mencoba untuk melakukan perhitungan waktu produksi mesin bubut menggunakan jaringan syaraf tiruan pada software MATLAB.Sedang untuk kasus kedua, Klasifikasi tingkat keausan pahat, penulis mengambil kasus pada skripsi karya Agus Winoto Mahasiswa Teknik Mesin UNS 2004 dengan judul Prediksi Umur Pahat dengan Mesin Pendukung Vektor (Support Vector Machine). Dalam skripsinya beliau membahas tentang meprediksi umur pahat menggunakan SVM, berdasarkan tingkat keausan pahat, dan pahat yang digunakan dalam penelitiannya adalah jenis pahat HSS.

Metode Penelitiana. Kasus Prediksi Waktu Produksi Mesin BubutWaktu produksi ialah seluruh waktu yang dibutuhkan dalam menyelesaikan suatu pekerjaan untuk dapat menyelesaikan suatu produk..Untuk mengetahui waktu produksi mesin bubut, perlu mengetahui beberapa parameter yang mempengaruhinya, antara lain pemotongan dan pemesinan. Parameter pemesinan dan pemotongan terdiri dari beberapa faktor, diantaranya adalah pemakanan (feed), kedalaman pemotongan (depth of cut), kecepatan potong (cutting speed) dan putaran spindle. Setelah mengetahui nilai nilai dari parameter tersebut, waktu produksi bisa diperkirakan tanpa harus melakukan uji coba.Di sini penulis mengambil hasil penelitian Bambang Adi Winoto sebanyak 48 data untuk melatih program. Berikut data yang digunakan

Tabel 1 Training DataNoPutaran (rpm)Feeding (mm/rev)Tebal Pemakanan (mm)Waktu Produksi(min/produk)

11900,1140,197,951

21900,1140,253,240

31900,1140,344,278

41900,1140,435,346

51900,2280,154,361

61900,2280,231,445

71900,2280,326,894

81900,2280,422,263

91900,3810,136,567

101900,3810,222,553

111900,3810,319,733

121900,3810,416,922

131900,4570,131,505

141900,4570,220,033

151900,4570,317,732

161900,4570,415,422

173000,1140,166,048

183000,1140,237,284

193000,1140,331,567

203000,1140,425,740

213000,2280,137,534

223000,2280,223,007

233000,2280,320,134

243000,2280,417,190

253000,3810,126,471

263000,3810,217,500

273000,3810,315,708

283000,3810,413,866

293000,4570,123,488

303000,4570,215,949

313000,4570,314,477

323000,4570,412,965

334600,1140,146,649

344600,1140,227,540

354600,1140,323,751

364600,1140,419,889

374600,2280,127,534

384600,2280,217,990

394600,2280,316,049

404600,2280,414,180

414600,3810,119,479

424600,3810,213,929

434600,3810,312,863

444600,3810,411,727

454600,4570,117,770

464600,4570,213,125

474600,4570,312,159

484600,4570,411,204

Kemudian diambil 10 data digunakan untuk diujikan pada programTabel 2. Sample dataNoMasukan (Input)Target

Putaran (rpm)Feeding (mm/rev)Tebal Pemakanan (mm)Waktu Produksi(min/produk)

11900,1140,253,240

21900,2280,154,361

31900,3810,136,567

44600,3810,213,929

51900,1140,435,346

64600,1140,323,751

73000,3810,126,471

83000,2280,320,134

94600,2280,127,534

104600,3810,119,479

b. Klasifikasi tingkat keausan pahatDalam tugas ini penulis mencoba mengklasifikasikan kategori keausan pahat berdasarkan data penelitian beliau. Jenis pahat yang digunakan adalah jenis HSS. Berikut standar keausan pahat yang dicantumkan dalam skripsi karya Agus Winoto Tabel 1. Batas Keausan PahatPahatBenda kerjaVB (mm)K

HSSKarbidaKarbida KeramikBaja dan Besi tuangBaja Besi tuang dan Non ferrousBaja dan Besi tuang0,3 s.d. 0,80,2 s.d. 0,60,4 s.d. 0,60,3 -0,30,3-

Di sini penulis mencoba mengklasifikasikan menjadi 3 kelas yakni keausan pahat dengan nilai VB (keausan tepi) dibawah 0,3 berarti masih aman, nilai VB diantara 0,3 sampai 0,4 berarti keausan pahat rawan, dan yang terakhir nilai VB lebih dari 0,4 yang berarti pahat tidak boleh digunakan.Tabel 2. KlasifikasiKelasNilai VBKategori Pahat

1VB