@thesis{thesis,
		author={ },
		title ={ARTIFICIAL NEURAL NETWORK MODEL FOR SURFACE ROUGHNESS PREDICTION IN CNC MILLING MACHINING},
		year={0000},
		url={https://digilib.itb.ac.id/gdl/view/53602},
		abstract={Kehalusan permukaan adalah faktor penting dalam mengevaluasi kualitas dari
produk. Banyak faktor yang mempengaruhi kekasaran permukaan, salah satunya
adalah parameter pemotongan. Penelitian ini bertujuan untuk membuat model
jaringan syaraf tiruan (JST) /artificial neural network (ANN) untuk prediksi
kekasaran permukaan pada proses milling. Parameter pemotongan meliputi spindle
speed, depth of cut, feed rate, dan penggunaan fluida pendingin dipelajari dalam
penelitian ini. Studi ini focus pada penggunaan cairan pendingin sebagai parameter
input.
Algoritma feedforward-backpropagation akan digunakan dalam pengembangan
struktur JST. Dalam penelitian ini menggunakan algoritma backpropagation
dengan menggunakan Levenberg-Marquardt dan Gradient descent with momentum
and adaptive learning rate training function. Selanjutnya, fungsi transfer sigmoid
tangen hiperbolik dan fungsi transfer sigmoid digunakan sebagai fungsi aktivasi.
Beberapa kombinasi hidden layer dengan variasi hidden nodes pada setiap hidden
layer diteliti dalam penelitian ini. Pengujian dan verifikasi menggunakan data di
luar parameter percobaan. Kinerja masing-masing model dievaluasi dengan
mengukur mean squared error (MSE) masing-masing model.
Dari percobaan menunjukan bahwa kondisi optimum untuk parameter pemotongan
guna menghasilkan kehalusan permukaan terbaik (Ra = 0.06 ?m) adalah dengan
kombinasi penggunaan fluida pendingin, spindle speed yang tinggi, depth of cut
yang rendah, dan federate yang rendah. Analisis JST menghasilkan struktur 4-2-1
dengan Levenberg-Marquardt backpropagation training function dan fungsi
aktivasi sigmoid merupakan model yang paling akurat dengan nilai MSE 0,004,
0,0017, dan 0,0077 masing-masing untuk pelatihan, pengujian, dan verifikasi.
Untuk studi lanjutan, dapat dilakukan prediksi kekasaran permukaan secara realtime
selama proses pemotongan dengan menggunakan metode JST.
}
		}