ABSTRAK Dimas Ahmad Thoriq
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
COVER Dimas Ahmad Thoriq
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
BAB1 Dimas Ahmad Thoriq
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
BAB2 Dimas Ahmad Thoriq
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
BAB3 Dimas Ahmad Thoriq
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
BAB4 Dimas Ahmad Thoriq
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
BAB5 Dimas Ahmad Thoriq
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
BAB6 Dimas Ahmad Thoriq
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
PUSTAKA Dimas Ahmad Thoriq
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
PT X adalah perusahaan yang bergerak pada industri manufaktur produk
permesinan dengan strategi make-to-order (MTO). PT X perlu melakukan estimasi
waktu pesanan untuk dapat menaksir biaya dan tarif pesanan yang akan
dinegosiasikan kepada pelanggan, karena sifat pesanan MTO yang selalu unik dan
spesifik. PT X saat ini menggunakan perangkat lunak CAM untuk melakukan
estimasi waktu permesinan CNC. Tetapi, hasil evaluasi mengindikasikan bahwa
terdapat selisih yang cukup tinggi antara waktu estimasi CAM dengan waktu aktual
permesinan yang terjadi di lapangan.
Penelitian ini bertujuan untuk mengembangkan suatu model estimasi waktu
permesinan CNC dengan menggunakan model pembelajaran mesin berbasis
jaringan saraf tiruan, dengan memanfaatkan ketersediaan data permesinan yang
telah diakumulasi oleh PT X. Pengembangan model dilakukan menggunakan model
jaringan saraf tiruan sebagai model yang diusulkan dan model regresi linear
majemuk sebagai model pembanding. Pengembangan model dilakukan dengan
mengadopsi standar lintas-industri kerangka kerja proyek data mining CRISP-DM.
Model jaringan saraf tiruan terbukti memiliki kinerja yang lebih akurat dan
terpercaya dibandingkan dengan model pembandingnya. Hasil pengujian
menunjukkan bahwa model jaringan saraf tiruan mampu mengestimasi waktu
permesinan CNC PT X dengan rerata kesalahan RMSE sebesar 196,35 detik dan
standar deviasi kesalahan mutlak sebesar 147,49 detik pada 62 data uji. Model
usulan mampu mengurangi sebesar 72% dari rerata kesalahan yang dihasilkan oleh
metode estimasi PT X saat ini. Beberapa parameter permesinan teridentifikasi
memberikan pengaruh yang signifikan terhadap waktu permesinan, di antaranya
adalah variabel panjang pemotongan dan stepover.