Skripsi

PREDIKSI KEKASARAN PERMUKAAN BAJA DENGAN REGRESI RANDOM FOREST

---

Penilaian

---

Kekasaran permukaan baja merupakan salah satu parameter yang penting dalam proses manufaktur yang dapat mempengaruhi kualitas suatu produk. Penelitian ini bertujuan untuk menprediksi kekasaran permukaan baja menggunakan metode regresi random forest dengan melakukan diskritisasi keanggotaan fuzzy berbasis kurva beta. Data yang digunakan pada penelitian ini terdiri dari 120 data sampel dari baja AISI 1045 hasil pemahatan menggunakan mesin CNC Miling OPTImill F 105 dengan pahat karbida Endmill Coated bermata 4 dan diameter 10 mm, yang terdiri dari 9 variabel bebas dan 1 variabel terikat berupa rata-rata kekasaran permukaan baja. Proses pemodelan dilakukan dengan membangun sejumlah pohon keputusan dengan menggabungkan hasil prediksi dari setiap pohon. Berdasarkan hasil dari penelitian yang telah dilakukan dapat disimpulkan bahwa model regresi random forest dapat memberikan prediksi kekasaran permukaan baja yang baik. Evaluasi terhadap performa model menghasilkan Mean Absolute Error (MAE) sebesar 0,108, Mean Squared Error (MSE) sebesar 0,018, dan Root Mean Squared Error (RMSE) sebesar 0,134 yang menunjukkan bahwa rata-rata kesalahan prediksi model terhadap nilai aktual kekasaran permukaan baja yang rendah dan untuk nilai R-squared (R^2 ) sebesar 0,875 yang menunjukkan bahwa model mampu menjelaskan 87,5% variasi dari data kekasaran permukaan baja dengan baik. Selain itu, variabel kekasaran permukaan total pada titik 4 (R_(t_4 )) adalah variabel yang menjadi node akar pada pohon keputusan, artinya variabel R_(t_4 ) memiliki pengaruh yang signifikan dalam proses prediksi.

---

Availability

Inventory Code	Barcode	Call Number	Location	Status
2507004685	T180425	T1804252025	Central Library (REFERENS)	Available but not for loan - Not for Loan

Detail Information

Series Title

08011282126048

Call Number

T1804252025

Publisher

Indralaya : Prodi Ilmu Matematika, Fakultas Matematika Dan Ilmu Pengetahuan Alam Universitas Sriwijaya., 2025

Collation

xiii, 104 hlm.; ilus.; tab.; 29 cm.

Language

Indonesia

ISBN/ISSN

-

Classification

510.07

Content Type

Text

Media Type

unmediated

Carrier Type

-

Edition

-

Subject(s)

Matematika

Specific Detail Info

-

Statement of Responsibility

MURZ

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment