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 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 m which relative is equal to Ra from measurement of
attempt that is and 1,067 m.
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

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 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 (m)

mm

mm/rev

m/min

0.5

0.112

45

0.5

0.225

65

0.5

0.315

110

0.112

65

0.225

110

0.315

45

1.5

0.112

110

1.5

0.225

45

1.5

0.315

65

1, 2, 3

Langkah 5. Analisa data

Berdasarkan data percobaan dihitung dengan signal
to noise Smallerthe-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

0.5

0.112

45

1,99

1,81

1,7

0.5

0.225

65

2,02

2,2

2,24

0.5

0.315

110

1,27

1,14

0.112

65

1,45

1,68

1,17

0.225

110

1,44

1,35

1,25

0.315

45

2,03

2,26

2,14

1.5

0.112

110

1,13

1,34

1,47

1.5

0.225

45

1,97

1,42

1,67

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 : 1 = 2 = 0 (variasi perlakuan tidak berpengaruh
terhadap kekasaran permukaan)
H1 : i 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

,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

- 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
m + 2,15 m + 1,14 m) / 3 = 1,708 m. 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 (m)
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 m
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 m, 0,9 m, dan 1,1 m

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 m

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 m dan 1,067 m.

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