MUHAMMAD ILHAM FIRMANSYAH (2025) ANALISIS DETEKSI KEAUSAN PADA PAHAT MESIN TURNING MELALUI PENDEKATAN MACHINE LEARNING BERBASIS GETARAN. S1 thesis, Universitas Muhammadiyah Yogyakarta.

[thumbnail of Halaman Judul] Text (Halaman Judul)
Halaman Judul.pdf
Download (2MB)
[thumbnail of Lembar Pengesahan] Text (Lembar Pengesahan)
Lembar Pengesahan.pdf
Restricted to Registered users only
Download (419kB)
[thumbnail of Abstrak] Text (Abstrak)
Abstrak.pdf
Restricted to Registered users only
Download (252kB)
[thumbnail of Bab I] Text (Bab I)
Bab I.pdf
Download (240kB)
[thumbnail of Bab II] Text (Bab II)
Bab II.pdf
Restricted to Registered users only
Download (914kB)
[thumbnail of Bab III] Text (Bab III)
Bab III.pdf
Restricted to Registered users only
Download (546kB)
[thumbnail of Bab IV] Text (Bab IV)
Bab IV.pdf
Restricted to Registered users only
Download (1MB)
[thumbnail of Bab V] Text (Bab V)
Bab V.pdf
Restricted to Registered users only
Download (234kB)
[thumbnail of Daftar Pustaka] Text (Daftar Pustaka)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (200kB)
[thumbnail of Lampiran] Text (Lampiran)
Lampiran.pdf
Restricted to Registered users only
Download (5MB)
[thumbnail of Naskah Publikasi] Text (Naskah Publikasi)
Naskah Publikasi.pdf
Restricted to Registered users only
Download (987kB)
[thumbnail of Full Text] Text (Full Text)
Full Text.pdf
Restricted to Repository staff only
Download (11MB)

Abstract

Keausan pada pahat bubut berdampak signifikan terhadap kualitas hasil pemesinan dan efisiensi produksi. Penelitian ini mengusulkan pendekatan klasifikasi kondisi keausan pahat menggunakan algoritma Support Vector Machine (SVM) berbasis sinyal getaran. Data dikumpulkan melalui metode impact testing dan dianalisis dalam domain waktu serta frekuensi. Parameter statistik dari masing-masing domain digunakan sebagai fitur masukan. Recursive Feature Elimination (RFE) diterapkan untuk memilih fitur paling relevan. Hasil menunjukkan bahwa akurasi tertinggi dicapai pada domain frekuensi dengan penerapan RFE, yaitu sebesar 100% untuk klasifikasi biner dan 97,2% untuk klasifikasi multiclass. Pendekatan ini terbukti efektif untuk deteksi keausan pahat secara non-destruktif. Selain itu, metode pengamatan visual pada pahat menjadi metode untuk memvalidasi kondisi pada pahat.

Dosen Pembimbing: Sunardi, Ir., S.T., M.Eng., Ph.D. and Berli Paripurna Kamiel, Ir., S.T., M.Eng.Sc., Ph.D. | NIDN0510027701, NIDN0502037401
Item Type: Thesis (S1)
Uncontrolled Keywords: Tool wear, SVM, RFE, vibration signal, frequency domain, machine learning
Divisions: Fakultas Teknik > S1 Teknik Mesin
Depositing User: Bima
Date Deposited: 30 Jun 2025 03:47
Last Modified: 30 Jun 2025 03:47
URI: https://etd.umy.ac.id/id/eprint/51655

Actions (login required)

View Item View Item