Authors:

Vivi Tri Widyaningrum

Abstract:

“Abstrak—Salah satu indikator baik tidaknya suatu produk dari proses pemesinan milling adalah surface roughness (kekasaran permukaan) dari produk tersebut. Teknik untuk memprediksi surface roughness suatu produk seharusnya dikembangkan sebelum milling digunakan yaitu untuk mengevaluasi kesesuaian (fitness) dari parameter pemotongan untuk mencapai surface roughness yang diinginkan. Prediksi surface roughness dilakukan dengan menggunakan algoritma back-propagation neural network dan dengan proses pembelajaran gradient descent yang dimodifikasi yaitu dengan memberikan momentum. Tujuan dari proses pemberian momentum ini untuk menghindari terjadinya minimum lokal pada algoritma ANN backpropagation yang standar sehingga dapat dihasilkan surface roughness yang lebih baik dan juga untuk mempercepat proses prediksi. Dari hasil prediksi dengan menggunakan ANN Backpropagation yang standar dihasilkan nilai rata-rata persentase error sebesar 8.01% dengan jumlah epoch 13.906.950 dan untuk proses prediksi surface roughness dengan menggunakan ANN Backpropagation dengan momentum di akhir menghasilkan nilai rata-rata persentase error sebesar 7.03% dengan jumlah epoch 17.090.049. Sedangkan pada proses prediksi surface roughness dengan menggunakan ANN Backpropagation dengan momentum pada perubahan bobot dihasilkan nilai rata-rata persentase error sebesar 7.99% dengan jumlah epoch 9.223.441. Hal ini menunjukkan bahwa pada metode ANN Backpropagation, momentum lebih baik diberikan pada saat nilai rata-rata persentase error yang dihasilkan sudah mulai naik, walaupun prosesnya membutuhkan waktu yang cukup lama yaitu dengan jumlah epoch paling banyak dibandingkan kedua metode yang lain. Kemudian, untuk mempercepat proses prediksi maka momentum dapat diberikan pada perubahan bobot dan hal ini juga dapat menghasilkan nilai prediksi yang lebih baik dibandingkan dengan prediksi surface roughness dengan ANN Backpropagation yang standar.Kata kunci—CNC milling; surface roughness; artificial neural network; momentum; minimum lokal”

Keywords

—CNC milling; surface roughness; artificial neural network; momentum; minimum lokal

Downloads:

Download data is not yet available.

References

References Not Available

PDF:

https://jurnal.harianregional.com/prosidingcsgteis2013/full-7241

Published

2021-11-09

How To Cite

WIDYANINGRUM, Vivi Tri. Artificial Neural Network Backpropagation dengan Momentum untuk Prediksi Surface Roughness pada CNC Milling.PROSIDING CSGTEIS 2013, [S.l.], june 2015. Available at: https://jurnal.harianregional.com/prosidingcsgteis2013/id-7241. Date accessed: 16 may 2024.

Citation Format

ABNT, APA, BibTeX, CBE, EndNote - EndNote format (Macintosh & Windows), MLA, ProCite - RIS format (Macintosh & Windows), RefWorks, Reference Manager - RIS format (Windows only), Turabian

Issue

CSGTEIS 2013

Section

Articles

Creative Commons License This work is licensed under a Creative Commons Attribution 4.0 International License