Pengaruh Suhu Pemotongan Terhadap Perkembanganaus Pahat Pada Pembubutan Kerasdankering Baja Aisi 4340menggunakan Pahat Karbida CVD Berlapis Chapter III V
33
BAB III
METODOLOGI
3.1
Bahan
1.
Baja AISI 4340
Benda kerja yang digunakan untuk penelitian ini adalah baja AISI 4340
yang telah dilakukan proses pengerasan (hardening process). Pengerasan
dilakukan sampai bahan mencapai kekerasan 45-50 Hrc. Ukuran benda kerja yang
digunakan adalah diameter 80 mm dan panjang 250 mm dengan spesifikasi pada
bab 2
Gambar 3.1 Spesimen benda baja AISI 4340
Universitas Sumatera Utara
34
3.2
Peralatan
Adapun alat yang digunakan dalam penelitian ini :
1. Mesin Bubut CNC
Mesin Bubut CNC merupakan suatu alat yang digunakan dalam penelitian
ini dan berfungsi untuk membubut spesimen benda kerja.berikut adalah
spesifikasi mesin bubut CNC yang digunakan :
Merk
: GSK CNC 928TEa
Model
:NX-L300
Serial
:FE-NC-LTH-157
Daya
:9.5 KVA
Voltase
:380 V
Frekuensi
:50 Hz
Gambar 3. 3 Mesin bubut CNC
2. Tool Holder
Tool holder berfungsi sebagai dudukan mata pahat, mata pahat diklem
dengan menggunakan baut agar kuat dan kokoh pada saat memotong logam. Tool
holder yang digunakan memiliki seri MSDNN 2020 K12 mempunyai spesifikasi:
Universitas Sumatera Utara
35
M
= Pengunci ganda,
S
= Bentuk sisipan segiempat,
D
= Sudut potong pahat 45°,
N
= Sudut pahat 0°,
N
= Arah pahat netral,
Tebal Holder
= (20x20) mm,
K (panjang holder)
= 125 mm,
Ukuran pahat sisipan
= 12 mm
Gambar 3.4 Tool Holder
3. Pahat karbida
Pahat yang digunakan pada penelitian ini adalah pahat CVD karbida
.dan berikut ini adalah microstruktur dari pahat CVD TT8125 yang
digunakan pada penelitian ini:
Universitas Sumatera Utara
36
Gambar 3.2 Pahat CVD karbida
4. Mikroskop Dino-Lite
Mikroskop berfungsi untuk meneliti, mengukur dan memperbesar
penglihatan terhadap keausan pahat insert yang digunakan pada penelitian.
Berikut spesifikasi mikroskop Dino-Lite AM4515T8 :
-
Resolusi
= 1.3 MP (1280x1024)
-
Perbesaran
= 700 – 900 kali
-
Koneksi
= USB 2.0
-
Ukuran
= 10,5 cm(H)x3,2 cm(D)
-
8 lampu LED putih
-
Automatic Magnification Reading (AMR)
Universitas Sumatera Utara
37
Gambar 3.5 Mikroskop Dino Lite
5.
video IR Termometer
video IR Termometer berfungsi untuk mengukur suhu pemotongan tanpa
menyentuh benda.
- Merk
: Extech
- Tipe
: VIR50
- Jaungkauan suhu
: -58 sampai 3992 0F (-50 sampai 2200oC)
- Jenis kamera
: VGA (640 x 480)
- Waktu respon
: 150 millisekon
Universitas Sumatera Utara
38
Gambar 3.6 video IR Termometer
3.3
Metode penelitian
Metode penelitian yang digunakan dalam pembuatan skripsi ini adalah
metode eksperimental dengan menggunakan metode desain eksperimen yang akan
dijelaskan dibawah.
Metode desain eksperimen yang digunakan pada penelitian ini adalah
metode eksperimental dengan perancangan data berdasarkan factorial design.
Dalam hal ini, menggunakan metode 23factorial design dengan menggunakan 3
faktor dan menghasilkan 8 data pengujian. Tabel 23factorial design pada subbab
sebelumnya.
Metode penelitian yang digunakan meliputi:
1. Terdapat 3 parameter bebas dalam penelitian ini, yaitu v (m/min), f
(mm/rev), dan a (mm) dengan variabel respon adalah keausan pahat
(VB) dan temperatur.
Universitas Sumatera Utara
39
2. Pengumpulan data dilakukan pada tabel 3.1 dimana setiap variable
bebas memiliki 2x level yaitu Low dan High (L dan H) dengan rentang
v (65 - 75) m/min, f (0,15 – 0,2) mm/rev, dan a (1,5 – 2) mm.
level
low
high
v
65
75
f
0,15
0,2
a
1,5
2
3. Setiap pengujian dilakukan sampai kriteria umur pahat tercapai.
Dimana kriteria umur pahat ditentukan dari eksperimen 1 sampai 8
dengan nilai keausan pahat (VB) ≤ 0,3
4. Setelah data pada tabel diatas diperoleh, maka akan digunakan metode
factorial design 23 untuk memperoleh kondisi pemotongan optimum
dengan respon variabel VB dan suhu berdasarkan kriteria yang
diinginkan , Optimasi dilakukan dengan menggunakan software design
expert.
Universitas Sumatera Utara
40
BAB IV
HASIL DATA PENELITIAN
4.1 Data Hasil Penelitian
Pada bab ini akan diuraikan mengenai pengumpulan dan pengolahan data
eksperimen meliputi kenaikan temperatur spesimen,pengujian data,perhitungan
pengaruh faktor dan penentuan level terbaik dari faktor –faktor yang berpengaruh
signifikan terhadap variabel respon dengan menggunakan software desain expert.
Dalam eksperimen ini penulis telah menentukan dengan 2 kondisi pemotongan
menurut metode eksperimen factorial 23 dengan menggunakan 3 faktor utama.
Adapun tiga faktor utama yang dimaksudkan dalam eksperimen ini adalah
kecepatan potong (v) , pemakanan (f) , dan kedalaman potong (a) . sedangkan dua
kondisi yang dimaksudkan penulis yaitu high dan low. Data eksperimen high
(tinggi) dan low (rendah) yang direncanakan berdasarkan pada eksperimen yang
telah dilakukan berdasarkan trial dan error sehingga mendapatkan kondisi
pemotongan yang sesuai dengan eksperimen yang akan dilakukan. Dalam
eksperimen ini telah didapatkan data yang akan digunakan dalam menentukan
Hasil Data eksperimen yaitu data keausan pahat / flank wear (vb) dan temperatur
(T) , panjang lintasan pahat (Lt) dan waktu pemesinan (Tc) yang telah didapatkan
selama melakukan penelitian.
Universitas Sumatera Utara
41
No.
Run
V
(m/min)
F
(mm/rev)
A
(mm)
Lt
(km)
T
VB
(mm)
Tc
(min)
1
2
3
4
5
6
7
8
75
75
75
75
65
65
65
65
0,2
0,2
0,15
0,15
0,2
0,2
0,15
0,15
2
1,5
2
1,5
2
1,5
2
1,5
0,717
0,774
0,753
1,066
0,845
1,259
1,528
2,441
T1
T2
T3
T4
T5
T6
T7
T8
0,3
0,264
0,366
0,235
0,203
0,236
0,202
0,311
9,18
9,86
9,6
13,66
12,38
18,83
22,25
36,28
Tabel 4.1 data keseluruhan
Dari data tabel 4.1 telah terdapat keseluruhan data yang akan digunakan
untuk digunakan pada eksperimen ini. Adapun data panjang lintasan pahat didapat
dari perhitungan dengan menggunakan rumus sebagai berikut :
Lt =
��
�
�d
Keterangan :
Lt : panjang lintasan pahat (km)
lt : panjang pemesinan (mm)
f : gerak makan (mm/rev)
d : diameter spesimen (mm)
sementara itu pada setiap T1 sampai dengan T8 akan bandingkan pada Lt,VB,dan
Tc dengan menggunakan grafik perbandingan. Dimana tujuan dari grafik
perbandingan ini yaitu agar mengetahui nilai temperatur yang didapatkan, baik
mengalami kenaikan ataupun turun.
Universitas Sumatera Utara
42
4.1.1. Run 1
1,27
2,45
3,63
4,78
VB
(mm)
0,09
0,09
0,10
0,12
251,0
233,3
253,0
253,4
lt passing
(km)
0,096
0,094
0,092
0,091
pass 5
5,93
0,13
302,8
0,088
pass 6
7,05
0,13
371,0
0,087
pass 7
8,12
9,18
0,14
0,30
286,0
308,2
0,084
0,084
Run 1
t (min)
pass 1
pass 2
pass 3
pass 4
pass 8
T
Tabel 4.2 Run 1
Pada Run 1, parameter yang digunakan pada eksperimen ini adalah v 75
m/min
f 0,2 mm/rev a 2 mm (HHH). grafik temperatur terhadap Vb yang
didapatkan pada percobaan Run 1 menunjukkan kenaikan seiring dengan jumlah
pass yang dilakukan seperti terlihat pada gambar 4.1.
dan keausan pahat
dilakukan sampai dengan nilai Vb Max = 0,3 mm dan setelah pengukuran
didapatkan suhu tertinggi sebesar 371 C sedangkan Suhu terendah didapatkan
yaitu sebesar 233,3 C. Dan pada pencapaian Vb 0,13 mm terlihat kenaikan suhu
yang sangat signifikan yaitu 371℃ .hal ini terjadi karena pada waktu pengujian
suhu ,lilitan geram menutupi ruang tembak daripada sinar laser termometer.
Sehingga temperatur yang didapat akan sangat melonjak jauh. Dan pada saat
pengujian Pass 8 terjadi perubahan Vb yang sangat signifikan atau dimana yang
dimaksud adalah terjadi lompatan Vb yang sangat signifikan yaitu dari 0,14 mm –
0,30 mm , hal ini dikarenakan terjadinya chipping pada pahat uji. Chipping ini
juga menyebabkan terjadinya finishing yang kurang baik pada benda kerja
(spesimen) dan juga secara otomatis akan mengakibatkan temperatur meningkat
seperti terlihat pada gambar 4.1. dalam pengambilan data pada eksperimen Run 1
Universitas Sumatera Utara
43
ini, panjang permesinan (lt) yang digunakan pun relatif hampir sama pada setiap
pass nya. Terlihat pada gambar 4.2 grafik perbandingan mengalami penurunan
suhu terhadap Lt.
Temperatur
T vs VB
Run 1
400
350
300
250
200
150
100
50
0
0
0,05
0,1
0,15
0,2
0,25
0,3
0,35
VB
Gambar 4.1 grafik T vs Vb
Temperatur
T vs lt
Run 1
400
350
300
250
200
150
100
50
0
0,082
0,084
0,086
0,088
0,090
0,092
0,094
0,096
0,098
lt
Gambar 4.2 T vs Lt
Universitas Sumatera Utara
44
400,0
350,0
Cutting temperature (oC)
300,0
250,0
200,0
150,0
100,0
50,0
0,0
0,00
2,00
4,00
6,00
8,00
10,00
Cutting time (t)(min)
Gambar 4.3 grafik T vs Tc
Sedangkan pada Tc atau yang dimaksud dengan waktu pemesinan terlihat
pada grafik mengalami kenaikan. Dimana suhu tertinggi yaitu sebesar 371℃
didapat pada menit 7,05 sedangkan suhu terendah sebesar 233,3 didapat pada
menit 2,45 seperti yang terlihat pada gambar 4.3.
4.1.2 Run 2
Run 2
t (min)
pass 1
pass 2
pass 3
pass 4
2,92
5,73
7,10
9,87
VB
(mm)
0,09
0,14
0,15
0,26
T
281,0
281,0
310,0
343,6
lt passing
(km)
0,229
0,224
0,109
0,212
Tabel 4.3 Run 2
Universitas Sumatera Utara
45
Pada Run 2, parameter yang digunakan pada eksperimen ini adalah v 75
m/min
f 0,2
mm/rev
a 1,5 mm (HHL).pada Run 2 ini sendiripun hanya
digunakan 4 pass. grafik temperatur terhadap Vb yang didapatkan pada percobaan
Run 2 menunjukkan kenaikan seiring dengan jumlah pass yang dilakukan seperti
terlihat pada gambar 4.4. relatif tidak ada penurunan suhu pada setiap Pass nya,
hanya saja pada pass 1 dan pass 2 mengalami kesamaan suhu yaitu sebesar 281
℃.suhu tertingi didapat sebesar 343,6℃ dimana suhu tersebut didapat pada Vb
sebesar 0,26 mm sedangkan pada suhu terendah yaitu 281℃ didapatkan pada Vb
sebesar 0,09 dan 0,14 mm seperti yang terlihat pada gambar 4.4. Sementara pada
penentuan panjang lintasan pahat (Lt),dimana pada pass 1 dan 2 ditentukan
dengan panjang 0,220 km. Sedangkan pada pass ketiga diambil 0,109 km karna
menghindari akan lompatan Vb yang terlalu signifikan dan ternyata seperti terlihat
pada tabel bahwasanya Vb yang didapat pada Pass 3 tidak begitu jauh. Sehingga
pada pass ke 4 dengan tidak memikirkan resiko akan lompatan Vb yang terlalu
jauh maka disimpulkan mengambil panjang lintasan pahat secara penuh yaitu
sebesar 0,212 km . dan seperti yang ada pada gambar terlihat grafik T vs Lt
mengalami penurunan.
Universitas Sumatera Utara
46
Temperatur
T vs VB
Run 2
400
350
300
250
200
150
100
50
0
0
0,05
0,1
0,15
0,2
0,25
0,3
VB
Gambar 4.4 grafik T vs Vb
Temperatur
T vs lt
Run 2
400
350
300
250
200
150
100
50
0
0,000
0,050
0,100
0,150
0,200
0,250
lt
Gambar 4.5 grafik T vs Lt
Universitas Sumatera Utara
47
400
350
Cutting temperature (oC)
300
250
200
150
100
50
0
0
2
4
6
8
10
12
Cutting time (t)(min)
Gambar 4.6 grafik T vs Tc
Sedangkan pada Tc atau yang dimaksud dengan waktu pemesinan terlihat
pada grafik mengalami kenaikan. Dimana suhu tertinggi yaitu sebesar 343,6 ℃
didapat pada menit 9,87 yaitu pada pass terakhir. sedangkan suhu terendah
sebesar 281 ℃ didapat pada menit 2,92 dan 5,73 yaitu pada pass 1 dan 2 seperti
yang terlihat pada gambar 4.6.
4.1.3 Run 3
Run 3
t (min)
pass 1
pass 2
pass 3
3,95
7,78
9,60
VB
(mm)
0,09
0,16
0,37
T
329,6
322,3
352,0
lt passing
(km)
0,310
0,299
0,144
Tabel 4.4 Run 3
Pada Run 3 , parameter yang digunakan pada eksperimen ini adalah v 75
m/min f 0,15 a 2 mm (HLH). Jumlah Pass yang digunakan pada Run 3 ini hanya
Universitas Sumatera Utara
48
3 pass. grafik temperatur terhadap Vb yang didapatkan pada percobaan Run 3
menunjukkan kenaikan seiring dengan jumlah pass yang dilakukan,walaupun
pada pass kedua ada mengalami sedikit penurunan seperti terlihat pada gambar
4.7.dimana suhu tertinggi sebesar 352 ℃ didapatkan pada Vb sebesar 0,37 mm
sedangkan suhu terendah sebesar 322,3 ℃ didapatkan pada Vb 0,16 mm. pada
Run 3 ini pengambilan Lt cukup besar sehingga mengurangi jumlah pass yang
didapat,terbukti hanya dengan 3 pass saja. Sedangkan grafik temperatur terhadap
Lt mengalami penurunan. Seperti pada gambar 4.8.
Temperatur
T vs VB
Run 3
355
350
345
340
335
330
325
320
0
0,05
0,1
0,15
0,2
0,25
0,3
0,35
0,4
VB
Gambar 4.7 grafik T vs Vb
Universitas Sumatera Utara
49
355
350
345
340
335
330
325
320
0,000
0,050
0,100
0,150
0,200
0,250
0,300
0,350
lt
Gambar 4.8 grafik T vs Lt
400
350
300
Cutting temperature (oC)
Temperatur
T vs lt
Run 3
250
200
150
100
50
0
0
2
4
6
8
10
12
Cutting time (t)(min)
Gambar 4.9 grafikT vs Tc
Universitas Sumatera Utara
50
Sedangkan pada Tc atau yang dimaksud dengan waktu pemesinan terlihat
pada grafik mengalami kenaikan. Dimana suhu tertinggi yaitu sebesar 352 ℃
didapat pada menit 9,60 yaitu pada pass terakhir. sedangkan suhu terendah
sebesar 322,3 ℃ didapat pada menit 7,78 seperti yang terlihat pada gambar 4.9.
4.1.4 Run 4
Run 4
t (min)
pass 1
pass 2
pass 3
pass 4
pass 5
3,58
7,07
10,42
12,07
13,67
VB
(mm)
0,09
0,11
0,15
0,19
0,24
T
296,1
255,0
303,8
196,5
268,0
lt passing
(km)
0,279
0,271
0,262
0,129
0,124
Tabel 4.5 Run 4
Pada Run 4 , parameter yang digunakan pada eksperimen ini adalah v 75
m/min f 0,15 mm/rev a 1,5 mm (HLL).dengan jumlah pass sebanyak 5 pass.
grafik temperatur terhadap Vb yang didapatkan pada percobaan Run 4
menunjukkan penurunan seiring dengan jumlah pass yang dilakukan,gambar 4.10.
Dimana temperatur tertinggi didapat pada pass 3 dengan 303,8 ℃ ,temperatur
tersebut berada di saat Vb 0,15 mm. dan temperatur terendah ada pada pass 4
dengan 196,5 ℃ dimana temperatur tersebut pada saat Vb 0,19 mm. Sedangkan
pada Vb tidak ada terlihat kenaikan yang terlalu signifikan walaupun pada pass 4
dan 5 panjang lintasan pahat telah dikurangi agar menghindarkan kenaikan Vb
yang terlalu jauh seperti yang terlihat pada tabel 4.5. dan pada grafik pebandingan
T vs Lt terihat pada gambar 4.11 mengalami kenaikan.
Universitas Sumatera Utara
51
Temperatur
T vs VB
Run 4
350
300
250
200
150
100
50
0
0
0,05
0,1
0,15
0,2
0,25
VB
Gambar 4.10 grafik T vs Vb
Temperatur
T vs lt
Run 4
350
300
250
200
150
100
50
0
0,000
0,050
0,100
0,150
0,200
0,250
0,300
lt
Gambar 4.11 grafik T vs Lt
Universitas Sumatera Utara
52
400
350
Cutting temperature (oC)
300
250
200
150
100
50
0
0
5
10
15
Cutting time (t)(min)
Gambar 4.12 grafik T vs Tc
Sedangkan pada Tc atau yang dimaksud dengan waktu pemesinan terlihat
pada grafik mengalami penurunan. Dimana suhu tertinggi yaitu sebesar 303,8 ℃
didapat pada menit 10,42 yaitu pada pass terakhir. sedangkan suhu terendah
sebesar 196,5 ℃ didapat pada menit 12,07 seperti yang terlihat pada gambar 4.12.
Universitas Sumatera Utara
53
4.1.5 Data Run 5
Run 5
t (min)
pass 1
pass 2
pass 3
pass 4
pass 5
pass 6
pass 7
2,73
5,33
6,63
7,82
9,02
10,13
11,33
12,38
pass 8
VB
(mm)
0,08
0,14
0,14
0,16
0,16
0,17
0,20
0,20
T
272,8
283,1
300,0
235,0
317,0
271,3
309,5
328,5
lt passing
(km)
0,184
0,176
0,088
0,080
0,085
0,076
0,082
0,072
Tabel 4.6 Run 5
Pada Run 5 , parameter yang digunakan pada eksperimen ini adalah v 65
m/min f 0,2 mm/rev a 2 mm (LHH). ). Jumlah Pass yang digunakan pada Run 5
ini hanya 8 pass. grafik temperatur terhadap Vb yang didapatkan pada percobaan
Run 5 menunjukkan kenaikan seiring dengan jumlah pass yang dilakukan,
walaupun pada pass keempat terjadi penurunan suhu yang lumayan jauh seperti
yang ada pada gambar 4.13 .dimana pada Run kelima ini temperatur tertinggi
didapat pada pass terakhir yaitu pass delapan 328,5℃ ,dan didapat disaat Vb
berada pada 0,20 mm. sedangkang temperatur terendah pada pass keempat 235℃
berada pada Vb 0,16 mm. Sedangkan grafik perbandingan T vs Lt mengalami
penurunan seperti yang ada pada gambar 4.14.
Universitas Sumatera Utara
54
Temperatur
T vs VB
Run 5
350
300
250
200
150
100
50
0
0
0,05
0,1
0,15
0,2
0,25
VB
Gambar 4.13 grafik T vs Vb
Temperatur
T vs lt
Run 5
350
300
250
200
150
100
50
0
0,000
0,050
0,100
0,150
0,200
lt
Gambar 4.14 grafik T vs Lt
Universitas Sumatera Utara
55
400
Cutting temperature (oC)
350
300
250
200
150
100
50
0
0
5
10
15
Cutting time (t)(min)
Gambar 4.15 grafik T vs Tc
Sedangkan pada Tc atau yang dimaksud dengan waktu pemesinan terlihat
pada grafik mengalami kenaikan. Dimana suhu tertinggi yaitu sebesar 328,5℃
didapat pada menit 12,38 yaitu pada pass terakhir. sedangkan suhu terendah
sebesar 235℃ didapat pada menit 7,82 seperti yang terlihat pada gambar 4.15.
4.1.6 Data Run 6
Run 6
t (min)
pass 1
pass 2
pass 3
pass 4
pass 5
pass 6
pass 7
3,40
6,70
9,87
11,47
12,97
14,50
15,93
17,45
18,83
pass 8
pass 9
VB
(mm)
0,08
0,10
0,16
0,16
0,18
0,18
0,20
0,21
0,24
T
254,2
262,2
304,0
273,4
259,2
267,0
229,0
241,0
175
lt passing
(km)
0,226
0,219
0,213
0,106
0,101
0,104
0,097
0,101
0,093
Tabel 4.7 Run 6
Universitas Sumatera Utara
56
Pada Run 6 , parameter yang digunakan pada eksperimen ini adalah v 65
m/min f 0,2 mm/rev a 1,5 mm (LHL). Jumlah Pass yang digunakan pada Run 6
ini hanya 9 pass. grafik temperatur terhadap Vb yang didapatkan pada percobaan
Run 6 menunjukkan penurunan seiring dengan jumlah pass yang dilakukan
gambar 4.16. Dimana temperatur tertinggi didapat pada pass 3 dengan 304 ℃
,suhu tersebutpun didapat pada saat Vb 0,16 mm. dan temperatur terendah ada
pada pass 9 dengan 175 ℃ pada saat Vb 0,24 mm atau pass yang terakhir.
Sedangkan grafik perbandingan T vs Lt terlihat mengalami kenaikan seperti yang
ada pada gambar 4.17.
Temperatur
T vs VB
Run 6
350
300
250
200
150
100
50
0
0
0,05
0,1
0,15
0,2
0,25
VB
Gambar 4.16 grafik T vs Vb
Universitas Sumatera Utara
57
350
300
250
200
150
100
50
0
0,000
0,050
0,100
0,150
0,200
0,250
lt
Gambar 4.17 grafik T vs Lt
400
350
300
Cutting temperature (oC)
Temperatur
T vs lt
Run 6
250
200
150
100
50
0
0
5
10
15
20
Cutting time (t)(min)
Gambar 4.18 grafik T vs Tc
Universitas Sumatera Utara
58
Sedangkan pada Tc atau yang dimaksud dengan waktu pemesinan terlihat
pada grafik mengalami penurunan. Dimana suhu tertinggi yaitu sebesar 304 ℃
didapat pada menit 9,87 . sedangkan suhu terendah sebesar 175 ℃ didapat pada
menit 18,83 yaitu pada pass terakhir seperti yang terlihat pada gambar 4.18.
4.1.7 Data Run 7
Run 7
t (min)
pass 1
pass 2
pass 3
pass 4
pass 5
pass 6
pass 7
3,32
6,52
9,52
12,37
13,77
15,05
16,40
17,60
VB
(mm)
0,07
0,10
0,10
0,15
0,15
0,17
0,18
0,19
18,80
20,0
21,1
22,3
0,19
0,19
0,20
0,20
pass 8
pass 9
pass 10
pass 11
pass 12
T
304,0
364,4
306,0
312,7
262,0
262,0
329,3
228,2
350
350
356
340,6
lt passing
(km)
0,226
0,216
0,206
0,196
0,097
0,089
0,093
0,083
0,083
0,083
0,078
0,078
Tabel 4.8 Run 7
Pada Run 7 , parameter yang digunakan pada eksperimen ini adalah v 65
m/min f 0,15 mm/rev a 2 mm (LLH). Pada Run 7 ini ada 12 pass yang telah
didapatkan dengan mencapai Vb hingga 0,202. grafik temperatur terhadap Vb
yang didapatkan pada percobaan Run 7 menunjukkan kenaikan seiring dengan
jumlah pass yang dilakukan,walaupun kenaikan nya sangat tipis. dengan suhu
tertinggi ada pada pass kedua dengan 364,4℃,pada saat mengalami Vb sebesar
0,10 mm.sedangkan temperatur terendah ada pada pass 8 dengan suhu 228,2 ℃
dan pada saat berada di Vb 0,19 mm. Dan dari hasil pengujian ada beberapa yang
besar nilai temperatur nya yang sama yaitu pada pass 5 dan 6, juga pada pass 9
dan 10. Seperti yang terlihat pada gambar 4.19. dan tabel 4.8. sedangkan grafik
Universitas Sumatera Utara
59
perbandingan T vs Lt terlihat mengalami kenaikan yang juga sangat tipis. Seperti
yang terlihat pada gambar 4.20.
Temperatur
T vs VB
Run 7
400
350
300
250
200
150
100
50
0
0
0,05
0,1
0,15
0,2
0,25
0,200
0,250
VB
Gambar 4.19 grafik T vs Vb
Temperatur
T vs lt
Run 7
400
350
300
250
200
150
100
50
0
0,000
0,050
0,100
0,150
lt
Gambar 4.20 grafik T vs Lt
Universitas Sumatera Utara
60
400
Cutting temperature (oC)
350
300
250
200
150
100
50
0
0
5
10
15
20
25
Cutting time (t)(min)
Gambar 4.21 grafik T vs Tc
Sedangkan pada Tc atau yang dimaksud dengan waktu pemesinan terlihat
pada grafik mengalami kenaikan. Dimana suhu tertinggi yaitu sebesar 364,4℃,
didapat pada menit 6,52 . sedangkan suhu terendah sebesar 228,2 ℃
didapat
pada menit 17,60 seperti yang terlihat pada gambar 4.21.
Universitas Sumatera Utara
61
4.1.8 Data Run 8
Run 8
t (min)
pass 1
pass 2
pass 3
pass 4
pass 5
pass 6
pass 7
3,20
6,28
9,27
12,13
14,92
16,28
17,57
20,42
22,88
25,22
27,48
29,65
31,68
33,63
35,48
36,28
pass 8
pass 9
pass 10
pass 11
pass 12
pass 13
pass 14
pass 15
pass 16
VB
(mm)
0,09
0,10
0,10
0,10
0,14
0,14
0,15
0,15
0,17
0,19
0,20
0,21
0,22
0,23
0,28
0,31
T
216,1
246,0
284,0
269,0
217,0
210,9
267,2
251,3
203,4
199
258
211,2
318
205,3
198,8
325,3
lt passing
(km)
0,215
0,208
0,201
0,194
0,188
0,093
0,088
0,174
0,167
0,160
0,153
0,146
0,140
0,133
0,127
0,055
Tabel 4.9 Run 8
Pada Run 8 , parameter yang digunakan pada eksperimen ini adalah v 65
m/min
f 0,15 mm/rev
a 1,5 mm (LLL). Pada Run 8 ini sendiripun telah
didapatkan jumlah pass hingga 16. Dimana diantara kedelepan Run yang telah
didapatkan secara keseluruhan,Run 8 ini lah yang memiliki jumlah pass yang
paling banyak dari yang lainnya. grafik temperatur terhadap Vb yang didapatkan
pada percobaan Run 8 menunjukkan kenaikan seiring dengan jumlah pass yang
dilakukan.seperti pada Run sebelumnya, bahwa run 8 juga mengalami kenaikan
yang sangat tipis seperti yang ada pada gambar 4.22. Dimana nilai temperatur
tertinggi ada pada pass ke16 dengan nilai temperatur 325,3℃ ,pada saat Vb
sebesar 0,311 mm . sedangkan nilai temperatur terendah ada pada pass ke15 yaitu
sebesar 198,8℃ dengan Vb sebesar 0,28 mm. Sedangkan grafik perbandingan T
vs Lt mengalami penurunan seperti pada gambar 4.23.
Universitas Sumatera Utara
62
Temperatur
T vs VB
Run 8
350
300
250
200
150
100
50
0
0
0,05
0,1
0,15
0,2
0,25
0,3
0,35
VB
Gambar 4.22 grafik T vs Vb
Temperatur
T vs lt
Run 8
350
300
250
200
150
100
50
0
0,000
0,050
0,100
0,150
0,200
0,250
lt
Gambar 4.23 grafik T vs Lt
Universitas Sumatera Utara
63
400
350
Cutting Temperature (C)
300
250
200
150
100
50
0
0
10
20
30
40
Cutting Time (t) (min)
Gambar 4.24 grafik T vs Tc
Sedangkan pada Tc atau yang dimaksud dengan waktu pemesinan terlihat
pada grafik mengalami kenaikan. Dimana suhu tertinggi yaitu sebesar 325,3℃
didapat pada menit 36,28 . sedangkan suhu terendah sebesar 198,8℃ didapat pada
menit 35,48 seperti yang terlihat pada gambar 4.24.
4.2 suhu pemotongan Rata-rata pada 8 kondisi
Maksud dari sub bab ini adalah merata-ratakan suhu pemotongan yang
telah dihasilkan selama penelitan secara keseluruhan. Dimana pada setiap Run
yang telah memiliki jumlah suhu pada setiap pass nya lalu dicoba untuk dirataratakan sebagaimana contoh pada tabel.
Universitas Sumatera Utara
64
RUN
V
F
A
1
2
3
4
5
6
7
8
75
75
75
75
65
65
65
65
0,2
0,2
0,15
0,15
0,2
0,2
0,15
0,15
2
1,5
2
1,5
2
1,5
2
1,5
T
Ratarata
282,3
303,9
334,6
289,7
289,7
251,7
313,8
242,5
Tabel 4.10 Data kondisi pemotongan dengan suhu rata-rata
diagram suhu
400,0
350,0
300,0
250,0
200,0
150,0
100,0
50,0
0,0
1
2
3
4
5
6
7
8
Gambar 4.25 diagram suhu keseluruhan
4.3 Model Matematika Hasil design expert
Pengertian Pemodelan Matematika merupakan salah satu tahap dari
pemecahan
masalah
matematika.
Model
merupakan
Simplifikasi
atau
penyederhanaan fenomena – fenomena nyata dalam bentuk matematika. Model
matematika yang dihasilkan, dapat berupa bentuk persamaan,pertidaksamaan,
sistem persamaan atau lainnya terdiri atas sekumpulan lambang yang disebut
variabel atau besaran yang kemudian di dalamnya digunakan operasi matematika
Universitas Sumatera Utara
65
seperti tambah, kali, kurang, atau bagi. Dengan prinsip-prinsip matematika
tersebut dapat dilihat apakah model yang dihasilkan telah sesuai dengan rumusan
sebagaimana formulasi masalah nyata yang dihadapi.adapun kegunanan dari
pemodelan matematika ini sendiri yaitu Mendapatkan pengertian atau kejelasan
mekanisme dalam masalah,dan juga dapat digunakan untuk memprediksi kejadian
yang akan muncul dari suatu fenomena atau perluasannya.
Namun pada eksperimen ini model matematika yang digunakan
merupakan perbandingan daripada variable temperatur (T) dan variable aus pahat
(Vb) dengan kondisi pemotongan didapatkan dengan menggunakan software
Design Expert dengan penyelesaian factorial. Dengan menggunakan software ini
kita dapat menentukan kondisi pemotongan yang ideal sesuai dengan input data
yang kita masukkan. Software ini kita gunakan untuk menginvestigasi pengaruh
antara 3 parameter input, yaitu kecepatan potong (m/min) , pemakanan (mm/rev)
dan kedalaman potong (mm) terhadap variable respon, yaitu temperatur dan
tingkat keausan pahat .
4.3.1 ANNOVA untuk variable respon temperatur
Hasil data eksprimen dari proses pembubutan dalam skala celcius akan
ditunjukan pada tabel 4.10 . data eksperimen tersebut akan diregresi dan dianalisa
oleh software design expert . hasil analisa dari tabel tersebut akan ditunjukkan
pada tabel 4.11 yang memperlihatkan model temperatur tersebut tidak signifikan
dengan nilai F=7,67 . Dengan catatan nilai p-value (Prob>F) lebih kecil daripada
0,05, maka pemodelan tersebut signifikan. Dikarenakan data yang dihasilkan tidak
signifikan maka diambil nilai yang terendah dari p-value yaitu data C (a
Universitas Sumatera Utara
66
kedalaman potong) sebagai data yang paling mempengaruhi dalam eksperimen.
Sedangkan hubugan antara kecepatan potong dan pemakanan (AB), hubungan
antara kecepatan potong dan kedalaman potong (AC) dan hubungan antara
pemakanan dan kedalaman potong (BC) tidak memberi nilai yang signifikan
terhadap respon temperatur. Dengan hasil analisa data yang dihasilkan oleh
software Design Expert pada tabel maka dapat dikatakan bahwa kondisi
pemotongan yang paling mempengaruhi temperatur adalah kedalaman potong (a)
kemudiaan diikuti oleh kecepatan potong (v), dan pemakanan (f) .
Source
Model
A-v
B-f
C-a
AB
AC
BC
Residual
Cor Total
Std. Dev.
Mean
C.V. %
Sum of
Squares
6375,73
1593,48
351,48
2199,16
66,50
920,16
1244,95
138,56
6514,29
11,77
288,52
4,08
df
6
1
1
1
1
1
1
1
7
Mean
Square
1062,62
1593,48
351,48
2199,16
66,50
920,16
1244,95
138,56
F
Value
7,67
11,50
2,54
15,87
0,48
6,64
8,98
R-Squared
Adj R-Squared
Pred R-Squared
p-value
Prob > F
0,2696
0,1826
0,3569
0,1566
0,6143
0,2357
0,2050
not significant
0,9787
0,8511
-0,3613
Tabel 4.11 Analysis of variance
Hasil analisis regresi dari software ini menghasilkan persamaan sebagai berikut:
Temp = -1923.55781 + 21.87359v + 4842.31250f + 1016.19792a - 23.06458vf
- 8.57979va - 1995.95833fa
Universitas Sumatera Utara
67
4.3.2 ANNOVA untuk variable respon aus pahat
Hasil data eksperimen dari proses pembubutan dalam skala Aus pahat
akan ditunjukkan pada table 4.12. Data eksperimen tersebut akan diregresi dan
dianalisa oleh software design expert. Hasil analisa yang memperlihatkan model
aus pahat tersebut tidak signifikan terhadap eksperimen dengan nilai F = 0,886.
Dengan catatan nilai p-value (Prob>F) lebih kecil daripada 0,05, maka pemodelan
tersebut signifikan. Dikarenakan data yang dihasilkan tidak signifikan maka
diambil nilai yang terendah dari p-value yaitu data A (v kecepatan potong)
sebagai data yang paling mempengaruhi dalam eksperimen. Sedangkan hubugan
antara kecepatan potong dan pemakanan (AB), hubungan antara kecepatan potong
dan kedalaman potong (AC) dan hubungan antara pemakanan dan kedalaman
potong (BC) tidak memberi nilai yang signifikan terhadap respon aus pahat.
Dengan hasil analisa data yang dihasilkan oleh software Design Expert pada tabel
maka dapat dikatakan bahwa kondisi pemotongan yang paling mempengaruhi aus
pahat adalah kecepatan potong (v), kemudiaan diikuti oleh pemakanan (f) dan
kedalaman potong (a) .
Universitas Sumatera Utara
68
Source
Sum of
Squares
df
Mean
Square
F
Value
p-value
Prob > F
Model
0,019
6
3,240,E-03
0,886
0,6709
A-v
B-f
C-a
AB
AC
BC
Residual
Cor Total
Std. Dev.
Mean
C.V. %
5,671,E-03
1,540,E-03
7,812,E-05
1,711,E-04
0,012
4,512,E-05
3,655,E-03
0,023
0,06045763
0,264625
22,8465299
1
1
1
1
1
1
1
7
5,671,E-03
1,540,E-03
7,812,E-05
1,711,E-04
0,012
4,512,E-05
3,655,E-03
1,552
0,421
0,021
0,047
3,265
0,012
0,4306
0,6335
0,9076
0,8643
0,3218
0,9296
R-Squared
Adj R-Squared
Pred R-Squared
not
significant
0,8417
-0,1078
-9,1286
Tabel 4.12 Analysis of variance
Hasil analisis dari soft ware ini menghasilkan persamaan sebagai berikut :
Vb = 4.08925 - 0.055225v - 2.48000f - 2.08400a + 0.037000vf + 0.030900va 0.38000fa
4.4 Analisa hubungan Kondisi pemotongan
Analisa hubungan kondisi pemotongan adalah merupakan analisa dimana
hasil yang telah didapat dari pada software design expert untuk menunjukkan
bahwa adanya hubungan antara kondisi pemotongan dengan temperatur maupun
aus pahat. Dimana dapat kita lihat hasil dari yang didapat dari pengujian tersebut
dalam bentuk grafik yang dihasilkan oleh design expert .
4.4.1 Analisa hubungan kondisi pemotongan dengan temperatur
Persamaan 4.1 merupakan persamaan model linier dengan nilai F sebesar
7,67 menunjukkan model tersebut tidak memiliki pengaruh yang signifikan
terhadap temperatur. Pada gambar 4.27 Normal Plot of residual menunjukkan
Universitas Sumatera Utara
69
bahwa penyebaran dari data residual antara data temperatur yang aktual dan
diprediksi menyerupai suatu garis diagonal yang melintang dari sisi kiri menuju
sisi kanan dengan arah yang naik. Agar penyebaran dari nilai residual mendekati
normal,maka dipasangkan garis diagonal pada grafik tersebut. Pada gambar 4.28
Plot pertubation menunjukkan dan membandingkan pengaruh variable kondisi
pemotongan dengan variable temperatur dengan memperhatikan sumbu x – nya ,
yaitu :
1. Temperatur pemotongan menaik seiring dengan bertambanya kecepatan
potong (A)
2. Temperatur pemotongan menurun seiring dengan naiknya pemakanan (B)
3. Temperatur pemotongan naik seiring dengan naiknya kedalaman potong
(C)
Gambar 4.29 mengilustrasikan pengaruh dari 2 faktor yaitu v kecepatan
potong (A) dan f pemakanan (B) dengan nilai kedalaman potong (C) yang
dijaga konstan yaitu 1,75 mm. Dapat dilihat pada grafik yaitu bahwa dengan
kecepatan potong yang tinggi dan pemakanan yang tinggi menghasilkan
temperatur yang rendah.
Universitas Sumatera Utara
70
Normal Plot of Residuals
99
334.633
242.531
Normal % Probability
95
90
80
70
50
30
20
10
5
1
-6
-4
-2
0
2
4
6
Residuals
Gambar 4.26 normal plot of residual
Gambar 4.27 grafik perturbation
Universitas Sumatera Utara
71
334.633
242.531
X1 = A: v
X2 = B: f
400
Actual Factor
C: a = 1.75
350
temp
300
250
200
150
0.2
75
0.19
73
0.18
71
0.17
B: f (mm/rev)
69
0.16
67
0.15
A: v (m/min)
65
Gambar 4.28 Grafik 3D surface
4.4.2 Analisa hubungan kondisi pemotongan dengan aus pahat
Persamaan 4.2 merupakan persamaan model linier dengan nilai F sebesar
0,886 menunjukkan model tersebut tidak memiliki pengaruh yang signifikan
terhadap aus pahat. Pada gambar 4.30 Normal Plot of Residual menunjukkan
bahwa penyebaran dari data residual antara data temperatur yang actual dan
diprediksi menyerupai suatu garis diagonal yang melintang dari sisi kiri menuju
sisi kanan dengan arah yang naik. Agar penyebaran dari nilai residual mendekati
normal, maka dipasangkan garis diagonal pada grafik tersebut. Pada gambar 4.31 .
plot pertubation menunjukkan dan membandingkan pengaruh variable kondisi
pemotongan dengan variable aus pahat (Vb) dengan mempehatikan sumbu X –
nya, yaitu :
Universitas Sumatera Utara
72
1. Aus pahat (Vb) pemotongan naik seiring dengan bertambahnya kecepatan
potong (A)
2. Aus pahat (Vb) pemotongan turun seiring dengan naiknya pemakanan (B)
3. Aus pahat (Vb) pemotongan naik seiring dengan naiknya kedalaman
potong. (C)
Gambar 4.32 mengilustrasikan pengaruh dari 2 faktor yaitu v kecepatan
potong (A) dan f pemakanan (B) dengan nilai kedalaman potong (C) yang dijaga
konstan yaitu 1,75 mm. Dapat dilihat pada grafik yaitu bahwa dengan kecepatan
potong yang tinggi dan pemakanan yang rendah menghasilkan aus pahat (Vb)
yang rendah.
Normal Plot of Residuals
99
0.366
0.202
Normal % Probability
95
90
80
70
50
30
20
10
5
1
-0.03
-0.02
-0.01
0
0.01
0.02
0.03
Residuals
Gambar 4.29 grafik Plot of Residual
Universitas Sumatera Utara
73
Gambar 4.30 grafik pertubation
0.366
0.202
X1 = A: v
X2 = B: f
0.8
Actual Factor
C: a = 1.75
0.6
0.4
vb
0.2
0
-0.2
0.2
75
0.19
73
0.18
71
0.17
B: f (mm/rev)
69
0.16
67
0.15
A: v (m/min)
65
Gambar 4.31 Grafik 3D Surface
Universitas Sumatera Utara
74
4.5 optimasi kondisi pemotongan
Optimasi kondisi pemotongan ini dilakukan untuk mendapatkan nilai
optimal dari parameter kondisi pemotongan untuk memberikan temperatur dan
keausan pahat yang optimal selama dilakukan pembubutan. Proses optimasi
dilakukan dengan software design expert yang mana data akan tersusun pada tabel
4.12
yang
merupakan
pembatasan untuk
ooptimasi
kondisi parameter
pemotongan. Dan tabel 4.13 merupakan tabel untuk hasil optimasi kondisi
pemotongan.
Name
A:v
B:f
C:a
temp
vb
Goal
is in range
is in range
is in range
is in range
minimize
Lower
Limit
Upper
Limit
65
0,15
1,5
242,531
0,202
75
0,2
2
334,633
0,37
Tabel 4.13 Batas Kondisi optimasi
Tabel 4.13
merupakan tabel batas optimasi yang akan diolah oleh
software Nilai A (v) , B (f) , C (a), dan temperatur yang akan dioptimasi
menghasilkan nilai dalam jangkauan (in range) , sedangkan pada aus pahat (vb)
digunakan minimize sebab semakin kecil nilai aus pahat maka umur pahat akan
semakin lama dan nilai kekasaran permukaan juga lebih bagus.
Universitas Sumatera Utara
75
Number
1
2
3
4
5
6
7
8
9
10
v
65,264
65,527
65,000
65,057
65,248
65,292
65,793
65,439
65,013
65,122
f
0,196
0,199
0,200
0,198
0,180
0,199
0,199
0,198
0,191
0,196
a
1,920
1,931
2,000
1,927
1,998
1,991
1,990
1,988
1,920
1,953
temp
282,995
282,177
285,488
281,977
298,275
285,444
285,486
286,432
285,343
285,134
vb
0,200
0,199
0,182
0,195
0,202
0,188
0,195
0,191
0,202
0,194
selected
Tabel 4.14 Hasil Optimasi
Tabel 4.14 merupakan 10 hasil optimasi yang dilakukan oleh software
design expert. Software ini menghasilkan 95 solusi hasil optimasi yang telah
dilakukan, namun 10 yang terbaik yang dapat penulis ambil.
Tabel no 1
merupakan tabel yang dipilih oleh software karena merupakan data yang paling
optimal dari semua data yang diolah.
6
5
7
5
0
.1
5
A
:v=6
5
.2
6
3
6
1
.5
0
.2
B
:f=0
.1
9
5
9
2
7
2
C
:a=1
.9
2
0
4
3
2
4
2
.5
3
1
3
3
4
.6
3
3
te
m
p=2
8
2
.9
9
5
D
e
s
ira
b
ility=1
.0
0
0
0
.2
0
2
0
.3
6
6
v
b=0
.1
9
9
9
5
4
Gambar 4.32 hasil optimasi design expert bentuk bar
Universitas Sumatera Utara
76
Hasil optimasi yang dilakukan menghasilkan v= 65,26 ; f = 0,196 ; a =
1,92 ; temperatur = 283
;
Vb = 0,2. Ini merupakan kondisi yang paling
optimum pada pemotongan , dengan respon temperatur dan aus pahat (Vb).
B: f (mm/rev)
Overlay Plot
temp: 334.633
vb: 0.366
temp: 282.852
vb: 0.198005
X1 65.2636
X2 0.195927
temp: 334.633
vb: 0.366
A: v (m/min)
Gambar 4.33 Grafik Overlay Plot
Gambar 4.34 merupakan grafik overlay plot
yaitu grafik yang
menampilkan hubungan antara temperatur dan aus pahat yang dimodelkan dalam
grafik oleh software design expert. Terlihat bahwa daerah kuning merupakan
daerah solusi yang dihasilkan oleh software design expert.
Universitas Sumatera Utara
77
4.6 mikro struktur pada CVD TT 8125
Pada penelitian ini pahat yang digunakan yaitu CVD berlapis TT 8125.
Setelah dilakukannya penelitian dan penghitungan optimasi pada sub bab
sebelumnya dan didapat juga hasil tersebut,maka pada sub bab ini akan mencoba
mengkaji struktur lapisan daripada mata pahat yang digunakan pada penelitian ini
yaitu CVD TT 8125. Pada sub bab sebelumnya telah diterangkan bahwasannya
pada pahat ini memiliki ada empat lapisan,dimulai dari lapisan terdalam (dasar)
yaitu WC CO,TiCN,��2 �3 , dan TiN. Dan masing – masing dari lapisan tersebut
akan
coba
dipaparkan
dengan
menggunakan
gambar.
berikut
gambar
mikrostruktur susunan dari CVD TT8125
Sumber: Taegutec
Gambar 4.34 Mikrostruktur CVD TT 8125
Seperti yang terdapat di gambar, bahwasannya lapisan terdasar adalah WC Co
(substrate),lalu pada lapis kedua atau diatas dari lapisan WC Co ada TiCN,lalu
pada lapisan ketiga ada ��2 �3 dan lapisan terluar ada TiN. Jika dilihat pada
gambar, lapisan TiN memiliki jumlah lapisan tertipis. Maka dari itu dengan
keterbatasan fasilitas penguji mengasumsikan lapisan Tin dengan panjang 1
micrometer, ��2 �3 4micrometer , TiCN 6micrometer.maka dari itu penulis akan
Universitas Sumatera Utara
78
mecoba mengkaji perjalanan suhu pada setiap lapisan / node yaitu TiN
��2 �3 TiCN dengan menggunakan FEM (fenite elemen) secara sederhana.
Adapun rumus yang digunakan pada awal penentuan konduktivitas lokal atau
/node yaitu:
K=
Keterangan
��
�
1
�
−1
−1
�
1
K : konduktivitas termal
A : Luas penampang
L : panjang
4.6.1 perjalanan suhu pada setiap NODE
Pada sub ini penulis akan mencoba menerjemahkan perjalanan suhu yang
di hasilkan dengan menggunakan Fenite elemen secara sederhana dan akan
diuraikan juga dalam bentuk grafik dan Tabel , akan tetapi penulis tidak
melampirkan hasil dari Run 4 dan 6 dikarenakan terjadinya eror data.:
•
Run 1
Temperature
Exp (Model)
y = -0,795x2 + 19,62x +
206,0
No.
Pass
Experiment
1
251
2
233,3
3
253
272,0
267,7
4
253,4
297,2
275,3
0,121
5
302,8
324,0
282,0
0,128
6
371
352,3
288,0
7
286
382,3
293,1
0,141
8
308,2
413,8
297,4
0,3
FEM (Model)
y = -0,405x2 + 10,39x +
240,2
Coating
VB
(mm)
226,4
250,2
TiN
0,085
248,4
259,4
0,09
Al2O3
TiCN
0,096
0,131
Tabel 4.15 Hasil perhitungan Run 1
Universitas Sumatera Utara
79
Setelah didapatkan hasil dari Grafik FEM Run 1,maka penulis mencoba
mengasumsikan perjalanan suhu dari hasil eksperimen terhadap setiap lapisan
pahat CVD TT 8125 . dimana menurut hasil simulasi FEM bahwasannya lapisan
TiN habis pada Pass 1, lalu pada lapisan kedua yaitu AL2O3 habis pada
perjalanan Pass ke 4 , dan TiCN habis pada pass ke 8 atau yang ke terakhir.
Selebihnya dari itu maka sudah bekerja pada lapisan dasar yaitu WC Co atau
substrart. Seperti yang terlihat pada Gambar 4.35 dan 4.36.
Gambar 4.35 Grafik FEM Run 1
Universitas Sumatera Utara
80
Gambar 4.36 Grafik VB vs TC vs Suhu pada Run 1
•
Run 2
Temperature
Exp (Model)
FEM (Model)
y = 1,471x2 - 9,354x +
y = -0,437x2 + 11,31x +
294,2
269,2
286,3
280,1
No.
Pass
Experiment
1
281
2
281
281,4
290,1
3
310
279,4
299,2
4
343,6
280,3
307,4
Coating
TiN
Al2O3
TiCN
VB
(mm)
0,092
0,142
0,151
0,264
Tabel 4.16 Hasil perhitungan Run 2
Pada Run 2 ini jumlah pass ada 4 . maka Setelah didapatkan hasil dari
Grafik FEM Run 2,maka penulis mencoba mengasumsikan perjalanan suhu dari
hasil eksperimen terhadap setiap lapisan pahat CVD TT 8125 . dimana menurut
Universitas Sumatera Utara
81
hasil simulasi FEM bahwasannya lapisan TiN habis pada Pass 1, lalu pada lapisan
kedua yaitu AL2O3 habis pada Pass ke 2 , dan TiCN habis pada pass ke 4 atau
yang ke terakhir. Selebihnya dari itu maka sudah bekerja pada lapisan dasar yaitu
WC Co atau substrart. Seperti yang terlihat pada Gambar 4.37 dan 4.38.
Gambar 4.37 Grafik FEM Run 2
Universitas Sumatera Utara
82
Gambar 4.38 Grafik VB vs TC vs Suhu pada Run 2
•
Run 3
Temperature
Exp (Model)
y = 3,230x2 - 39,81x +
436,4
No.
Pass
Experiment
1
329,6
399,8
2
322,3
369,7
3
352
346,0
VB
FEM (Model)
y = -0,150x2 + 3,968x +
325,4
329,2
Coating
TiN
332,7
Al2O3
336,0
TiCN
(mm)
0,089
0,156
0,366
Tabel 4.17 Hasil perhitungan Run 3
Pada Run 3 ini jumlah pass sangat sedikit,dengan jumlah 3 pass. Setelah
didapatkan hasil dari Grafik FEM Run 3,maka penulis mencoba mengasumsikan
Universitas Sumatera Utara
83
perjalanan suhu dari hasil eksperimen pada setiap lapisan pahat CVD TT 8125 .
dimana menurut hasil simulasi FEM bahwasannya lapisan TiN habis pada Pass 1,
lalu pada lapisan kedua yaitu AL2O3 habis pada perjalanan Pass ke 2 , dan TiCN
habis pada pass ke 3 atau yang ke terakhir. Selebihnya dari itu maka sudah
bekerja pada lapisan dasar yaitu WC Co atau substrart. Seperti yang terlihat pada
Gambar 4.39 dan 4.40.
Gambar 4.39 Grafik FEM Run 3
Universitas Sumatera Utara
84
Gambar 4.40 Grafik VB vs TC vs Suhu pada Run 3
•
Run 5
Temperature
Exp (Model)
y = 0,979x2 - 10,50x +
301,2
291,7
VB
No.
Pass
Experiment
1
272,8
2
283,1
284,1
280,9
3
300
278,5
289,1
4
235
274,9
296,5
5
317
273,2
303,1
0,16
6
271,3
273,4
308,8
0,166
7
309,5
275,7
313,8
8
328,5
279,9
318,1
FEM (Model)
y = -0,396x2 + 10,15x +
262,2
272,0
Coating
TiN
(mm)
0,083
0,139
0,143
AL2O3
TiCN
0,155
0,195
0,203
Tabel 4.18 Hasil perhitungan Run 5
Pada Run 5 ini jumlah pass ada 8. Setelah didapatkan hasil dari Grafik
FEM Run 5,maka penulis mencoba mengasumsikan perjalanan suhu dari hasil
Universitas Sumatera Utara
85
eksperimen pada setiap lapisan pahat CVD TT 8125 . dimana menurut hasil
simulasi FEM bahwasannya lapisan TiN habis pada Pass 2, lalu pada lapisan
kedua yaitu AL2O3 habis pada perjalanan Pass ke 5 , dan TiCN habis pada pass
ke 8 atau yang ke terakhir. Selebihnya dari itu maka sudah bekerja pada lapisan
dasar yaitu WC Co atau substrart. Seperti yang terlihat pada Gambar 4.41 dan
4.42.
Gambar 4.41 Grafik FEM Run 5
Universitas Sumatera Utara
86
Gambar 4.42 Grafik VB vs TC vs Suhu pada Run 5
•
Run 7
No.
Pass
Experiment
1
304
2
364,4
3
Temperature
Exp (Model)
y = 0,614x2 - 15,14x +
383,7
369,2
VB
FEM (Model)
y = -0,252x2 + 6,570x +
297,1
303,4
Coating
355,9
309,2
TiN
306
343,8
314,5
0,101
4
312,7
333,0
319,3
0,145
5
262
323,4
323,7
6
262
315,0
327,4
0,171
7
329,3
307,8
330,7
0,177
8
228,2
301,9
333,5
0,186
9
350
297,2
335,8
337,6
10
(mm)
0,07
AL2O3
TiCN
0,095
0,154
0,188
350
293,7
11
356
291,5
338,9
0,198
12
340,6
290,4
339,7
0,202
0,192
Tabel 4.19 Hasil perhitungan Run 7
Universitas Sumatera Utara
87
Setelah didapatkan hasil dari Grafik FEM Run 7,maka penulis
mencoba mengasumsikan perjalanan suhu dari hasil eksperimen pada setiap
lapisan pahat CVD TT 8125 . dimana menurut hasil simulasi FEM bahwasannya
lapisan TiN habis pada Pass 3, lalu pada lapisan kedua yaitu AL2O3 habis pada
perjalanan Pass ke 6 , dan TiCN habis pada pass ke 12 atau yang ke terakhir.
Selebihnya dari itu maka sudah bekerja pada lapisan dasar yaitu WC Co atau
substrart. Seperti yang terlihat pada Gambar 4.43 dan 4.44.
Gambar 4.43 Grafik FEM Run 7
Universitas Sumatera Utara
88
0,3
400
cvd, v 75, f 0.2, a 2.0
350
Flank wear (VB)(mm)
Series2
Poly. (cvd, v 75, f
0.2, a 2.0)
Poly. (Series2)
0,2
300
250
200
150
0,1
100
50
0
0
0
y=
0,614x2
5
- 15,14x + 383,7
R² = 0,231
10
15
20
25
Cutting time (t)(min)
Gambar 4.44 Grafik VB vs TC vs Suhu pada Run 7
Universitas Sumatera Utara
89
•
Run 8
No.
Pass
Experiment
1
216,1
2
246
3
4
Temperature
Exp (Model)
y = 0,065x2 - 2,447x +
257,8
255,4
VB
FEM (Model)
y = -0,931x2 + 22,04x +
191,8
212,9
Coating
253,2
232,2
TiN
284
251,0
249,5
0,096
269
249,1
265,1
0,1
5
217
247,2
278,7
0,142
6
210,9
245,5
290,5
7
267,2
243,9
300,5
0,146
8
251,3
242,4
308,5
0,148
9
203,4
241,0
314,7
0,172
10
199
239,8
319,1
0,192
11
258
238,7
321,6
0,202
12
(mm)
0,086
AL2O3
0,095
0,143
211,2
237,8
322,2
13
318
237,0
321,0
14
205,3
236,3
317,9
0,225
15
198,8
235,7
312,9
0,282
16
325,3
235,3
306,1
0,311
TiCN
0,21
0,222
Tabel 4.20 Hasil perhitungan Run 8
Pada Run 8 atau Run yang terakhir ini jumlah Pass yaitu 16. Dimana
jumlah Pass terbanyak diantara keseluruhan Run . Setelah didapatkan hasil dari
Grafik FEM Run 8, maka penulis mencoba mengasumsikan perjalanan suhu dari
hasil eksperimen pada setiap lapisan pahat CVD TT 8125 . dimana menurut hasil
simulasi FEM bahwasannya lapisan TiN habis pada Pass 3, lalu pada lapisan
kedua yaitu AL2O3 habis pada perjalanan Pass ke 8 , dan TiCN habis pada pass
ke 16 atau yang ke terakhir. Selebihnya dari itu maka sudah bekerja pada lapisan
dasar yaitu WC Co atau substrart. Seperti yang terlihat pada Gambar 4.45 dan
4.46.
Universitas Sumatera Utara
90
Gambar 4.45 Grafik FEM Run 8
Gambar 4.46 Grafik VB vs TC vs Suhu pada Run 8
Universitas Sumatera Utara
91
BAB V
KESIMPULAN DAN SARAN
5.1.
Kesimpulan
Kesimpulan yang didapatkan dari eksperimen ini adalah:
1. Variabel pemotongan yang paling berpengaruh terhadap variable respon
temperatur menurut hasil analisa software design expert yang terdapat
dalam ANNOVA adalah kedalaman potong (a) kemudiaan diikuti oleh
kecepatan potong (v), dan pemakanan (f). Dan variabel pemotongan yang
paling berpengaruh terhadap variabel respon aus pahat menurut software
design expert adalah kecepatan potong (v), kemudiaan diikuti oleh
pemakanan (f) dan kedalaman potong (a) .
2. Software design expert menghasilkan pemodelan matematika daripada
faktor yang dimasukkan yaitu v, f, a dan respon temperatur yang telah
dihasilkan selama eksperimen, yaitu:
Temp = -1923.55781 + 21.87359v + 4842.31250f + 1016.19792a 23.06458vf - 8.57979va - 1995.95833fa.
Sedangkan pada aus pahat yaitu :
Vb = 4.08925 - 0.055225v - 2.48000f - 2.08400a + 0.037000vf +
0.030900va - 0.38000fa
3. Optimasi Kondisi pemotongan ideal yang didapatkan oleh hasil optimasi
software design expert adalah :
v= 65,26
temperatur = 283
f = 0,196
Vb = 0,2 mm
a = 1,92
Universitas Sumatera Utara
92
4. Menurut hasil simulasi FEM: Lapisan TiN memiliki ketahanan sampai di
Vb 0,14. Sedangkan ��2 �3 memiliki ketahanan sampai di Vb 0,18 dan
TiCN memiliki ketahanan sampai di Vb 0,3.
5.2.
Saran
Saran yang didapatkan pada eksperimen ini adalah:
1. Pengukuran aus pahat sebaiknya dilakukan di tempat meja ukur yang baik
tanpa ada gangguan, sebab mikroskop dinolite yang digunakan sensitif
terhadap getaran sehingga penggunaan mikroskop menjadi lebih akurat
dan efisien.
2. Sebaiknya pada penelitian selanjutnya menggunakan Mesin CNC yang
mempunyai kualitas yang lebih baik lagi.
3. Lebih berhati-hati dalam pengambilan data agar tidak ada terjadinya eror
data,sebab apabila terdapat eror data sangat tidak mungkin penelitian
kembali di ulang.
Universitas Sumatera Utara
BAB III
METODOLOGI
3.1
Bahan
1.
Baja AISI 4340
Benda kerja yang digunakan untuk penelitian ini adalah baja AISI 4340
yang telah dilakukan proses pengerasan (hardening process). Pengerasan
dilakukan sampai bahan mencapai kekerasan 45-50 Hrc. Ukuran benda kerja yang
digunakan adalah diameter 80 mm dan panjang 250 mm dengan spesifikasi pada
bab 2
Gambar 3.1 Spesimen benda baja AISI 4340
Universitas Sumatera Utara
34
3.2
Peralatan
Adapun alat yang digunakan dalam penelitian ini :
1. Mesin Bubut CNC
Mesin Bubut CNC merupakan suatu alat yang digunakan dalam penelitian
ini dan berfungsi untuk membubut spesimen benda kerja.berikut adalah
spesifikasi mesin bubut CNC yang digunakan :
Merk
: GSK CNC 928TEa
Model
:NX-L300
Serial
:FE-NC-LTH-157
Daya
:9.5 KVA
Voltase
:380 V
Frekuensi
:50 Hz
Gambar 3. 3 Mesin bubut CNC
2. Tool Holder
Tool holder berfungsi sebagai dudukan mata pahat, mata pahat diklem
dengan menggunakan baut agar kuat dan kokoh pada saat memotong logam. Tool
holder yang digunakan memiliki seri MSDNN 2020 K12 mempunyai spesifikasi:
Universitas Sumatera Utara
35
M
= Pengunci ganda,
S
= Bentuk sisipan segiempat,
D
= Sudut potong pahat 45°,
N
= Sudut pahat 0°,
N
= Arah pahat netral,
Tebal Holder
= (20x20) mm,
K (panjang holder)
= 125 mm,
Ukuran pahat sisipan
= 12 mm
Gambar 3.4 Tool Holder
3. Pahat karbida
Pahat yang digunakan pada penelitian ini adalah pahat CVD karbida
.dan berikut ini adalah microstruktur dari pahat CVD TT8125 yang
digunakan pada penelitian ini:
Universitas Sumatera Utara
36
Gambar 3.2 Pahat CVD karbida
4. Mikroskop Dino-Lite
Mikroskop berfungsi untuk meneliti, mengukur dan memperbesar
penglihatan terhadap keausan pahat insert yang digunakan pada penelitian.
Berikut spesifikasi mikroskop Dino-Lite AM4515T8 :
-
Resolusi
= 1.3 MP (1280x1024)
-
Perbesaran
= 700 – 900 kali
-
Koneksi
= USB 2.0
-
Ukuran
= 10,5 cm(H)x3,2 cm(D)
-
8 lampu LED putih
-
Automatic Magnification Reading (AMR)
Universitas Sumatera Utara
37
Gambar 3.5 Mikroskop Dino Lite
5.
video IR Termometer
video IR Termometer berfungsi untuk mengukur suhu pemotongan tanpa
menyentuh benda.
- Merk
: Extech
- Tipe
: VIR50
- Jaungkauan suhu
: -58 sampai 3992 0F (-50 sampai 2200oC)
- Jenis kamera
: VGA (640 x 480)
- Waktu respon
: 150 millisekon
Universitas Sumatera Utara
38
Gambar 3.6 video IR Termometer
3.3
Metode penelitian
Metode penelitian yang digunakan dalam pembuatan skripsi ini adalah
metode eksperimental dengan menggunakan metode desain eksperimen yang akan
dijelaskan dibawah.
Metode desain eksperimen yang digunakan pada penelitian ini adalah
metode eksperimental dengan perancangan data berdasarkan factorial design.
Dalam hal ini, menggunakan metode 23factorial design dengan menggunakan 3
faktor dan menghasilkan 8 data pengujian. Tabel 23factorial design pada subbab
sebelumnya.
Metode penelitian yang digunakan meliputi:
1. Terdapat 3 parameter bebas dalam penelitian ini, yaitu v (m/min), f
(mm/rev), dan a (mm) dengan variabel respon adalah keausan pahat
(VB) dan temperatur.
Universitas Sumatera Utara
39
2. Pengumpulan data dilakukan pada tabel 3.1 dimana setiap variable
bebas memiliki 2x level yaitu Low dan High (L dan H) dengan rentang
v (65 - 75) m/min, f (0,15 – 0,2) mm/rev, dan a (1,5 – 2) mm.
level
low
high
v
65
75
f
0,15
0,2
a
1,5
2
3. Setiap pengujian dilakukan sampai kriteria umur pahat tercapai.
Dimana kriteria umur pahat ditentukan dari eksperimen 1 sampai 8
dengan nilai keausan pahat (VB) ≤ 0,3
4. Setelah data pada tabel diatas diperoleh, maka akan digunakan metode
factorial design 23 untuk memperoleh kondisi pemotongan optimum
dengan respon variabel VB dan suhu berdasarkan kriteria yang
diinginkan , Optimasi dilakukan dengan menggunakan software design
expert.
Universitas Sumatera Utara
40
BAB IV
HASIL DATA PENELITIAN
4.1 Data Hasil Penelitian
Pada bab ini akan diuraikan mengenai pengumpulan dan pengolahan data
eksperimen meliputi kenaikan temperatur spesimen,pengujian data,perhitungan
pengaruh faktor dan penentuan level terbaik dari faktor –faktor yang berpengaruh
signifikan terhadap variabel respon dengan menggunakan software desain expert.
Dalam eksperimen ini penulis telah menentukan dengan 2 kondisi pemotongan
menurut metode eksperimen factorial 23 dengan menggunakan 3 faktor utama.
Adapun tiga faktor utama yang dimaksudkan dalam eksperimen ini adalah
kecepatan potong (v) , pemakanan (f) , dan kedalaman potong (a) . sedangkan dua
kondisi yang dimaksudkan penulis yaitu high dan low. Data eksperimen high
(tinggi) dan low (rendah) yang direncanakan berdasarkan pada eksperimen yang
telah dilakukan berdasarkan trial dan error sehingga mendapatkan kondisi
pemotongan yang sesuai dengan eksperimen yang akan dilakukan. Dalam
eksperimen ini telah didapatkan data yang akan digunakan dalam menentukan
Hasil Data eksperimen yaitu data keausan pahat / flank wear (vb) dan temperatur
(T) , panjang lintasan pahat (Lt) dan waktu pemesinan (Tc) yang telah didapatkan
selama melakukan penelitian.
Universitas Sumatera Utara
41
No.
Run
V
(m/min)
F
(mm/rev)
A
(mm)
Lt
(km)
T
VB
(mm)
Tc
(min)
1
2
3
4
5
6
7
8
75
75
75
75
65
65
65
65
0,2
0,2
0,15
0,15
0,2
0,2
0,15
0,15
2
1,5
2
1,5
2
1,5
2
1,5
0,717
0,774
0,753
1,066
0,845
1,259
1,528
2,441
T1
T2
T3
T4
T5
T6
T7
T8
0,3
0,264
0,366
0,235
0,203
0,236
0,202
0,311
9,18
9,86
9,6
13,66
12,38
18,83
22,25
36,28
Tabel 4.1 data keseluruhan
Dari data tabel 4.1 telah terdapat keseluruhan data yang akan digunakan
untuk digunakan pada eksperimen ini. Adapun data panjang lintasan pahat didapat
dari perhitungan dengan menggunakan rumus sebagai berikut :
Lt =
��
�
�d
Keterangan :
Lt : panjang lintasan pahat (km)
lt : panjang pemesinan (mm)
f : gerak makan (mm/rev)
d : diameter spesimen (mm)
sementara itu pada setiap T1 sampai dengan T8 akan bandingkan pada Lt,VB,dan
Tc dengan menggunakan grafik perbandingan. Dimana tujuan dari grafik
perbandingan ini yaitu agar mengetahui nilai temperatur yang didapatkan, baik
mengalami kenaikan ataupun turun.
Universitas Sumatera Utara
42
4.1.1. Run 1
1,27
2,45
3,63
4,78
VB
(mm)
0,09
0,09
0,10
0,12
251,0
233,3
253,0
253,4
lt passing
(km)
0,096
0,094
0,092
0,091
pass 5
5,93
0,13
302,8
0,088
pass 6
7,05
0,13
371,0
0,087
pass 7
8,12
9,18
0,14
0,30
286,0
308,2
0,084
0,084
Run 1
t (min)
pass 1
pass 2
pass 3
pass 4
pass 8
T
Tabel 4.2 Run 1
Pada Run 1, parameter yang digunakan pada eksperimen ini adalah v 75
m/min
f 0,2 mm/rev a 2 mm (HHH). grafik temperatur terhadap Vb yang
didapatkan pada percobaan Run 1 menunjukkan kenaikan seiring dengan jumlah
pass yang dilakukan seperti terlihat pada gambar 4.1.
dan keausan pahat
dilakukan sampai dengan nilai Vb Max = 0,3 mm dan setelah pengukuran
didapatkan suhu tertinggi sebesar 371 C sedangkan Suhu terendah didapatkan
yaitu sebesar 233,3 C. Dan pada pencapaian Vb 0,13 mm terlihat kenaikan suhu
yang sangat signifikan yaitu 371℃ .hal ini terjadi karena pada waktu pengujian
suhu ,lilitan geram menutupi ruang tembak daripada sinar laser termometer.
Sehingga temperatur yang didapat akan sangat melonjak jauh. Dan pada saat
pengujian Pass 8 terjadi perubahan Vb yang sangat signifikan atau dimana yang
dimaksud adalah terjadi lompatan Vb yang sangat signifikan yaitu dari 0,14 mm –
0,30 mm , hal ini dikarenakan terjadinya chipping pada pahat uji. Chipping ini
juga menyebabkan terjadinya finishing yang kurang baik pada benda kerja
(spesimen) dan juga secara otomatis akan mengakibatkan temperatur meningkat
seperti terlihat pada gambar 4.1. dalam pengambilan data pada eksperimen Run 1
Universitas Sumatera Utara
43
ini, panjang permesinan (lt) yang digunakan pun relatif hampir sama pada setiap
pass nya. Terlihat pada gambar 4.2 grafik perbandingan mengalami penurunan
suhu terhadap Lt.
Temperatur
T vs VB
Run 1
400
350
300
250
200
150
100
50
0
0
0,05
0,1
0,15
0,2
0,25
0,3
0,35
VB
Gambar 4.1 grafik T vs Vb
Temperatur
T vs lt
Run 1
400
350
300
250
200
150
100
50
0
0,082
0,084
0,086
0,088
0,090
0,092
0,094
0,096
0,098
lt
Gambar 4.2 T vs Lt
Universitas Sumatera Utara
44
400,0
350,0
Cutting temperature (oC)
300,0
250,0
200,0
150,0
100,0
50,0
0,0
0,00
2,00
4,00
6,00
8,00
10,00
Cutting time (t)(min)
Gambar 4.3 grafik T vs Tc
Sedangkan pada Tc atau yang dimaksud dengan waktu pemesinan terlihat
pada grafik mengalami kenaikan. Dimana suhu tertinggi yaitu sebesar 371℃
didapat pada menit 7,05 sedangkan suhu terendah sebesar 233,3 didapat pada
menit 2,45 seperti yang terlihat pada gambar 4.3.
4.1.2 Run 2
Run 2
t (min)
pass 1
pass 2
pass 3
pass 4
2,92
5,73
7,10
9,87
VB
(mm)
0,09
0,14
0,15
0,26
T
281,0
281,0
310,0
343,6
lt passing
(km)
0,229
0,224
0,109
0,212
Tabel 4.3 Run 2
Universitas Sumatera Utara
45
Pada Run 2, parameter yang digunakan pada eksperimen ini adalah v 75
m/min
f 0,2
mm/rev
a 1,5 mm (HHL).pada Run 2 ini sendiripun hanya
digunakan 4 pass. grafik temperatur terhadap Vb yang didapatkan pada percobaan
Run 2 menunjukkan kenaikan seiring dengan jumlah pass yang dilakukan seperti
terlihat pada gambar 4.4. relatif tidak ada penurunan suhu pada setiap Pass nya,
hanya saja pada pass 1 dan pass 2 mengalami kesamaan suhu yaitu sebesar 281
℃.suhu tertingi didapat sebesar 343,6℃ dimana suhu tersebut didapat pada Vb
sebesar 0,26 mm sedangkan pada suhu terendah yaitu 281℃ didapatkan pada Vb
sebesar 0,09 dan 0,14 mm seperti yang terlihat pada gambar 4.4. Sementara pada
penentuan panjang lintasan pahat (Lt),dimana pada pass 1 dan 2 ditentukan
dengan panjang 0,220 km. Sedangkan pada pass ketiga diambil 0,109 km karna
menghindari akan lompatan Vb yang terlalu signifikan dan ternyata seperti terlihat
pada tabel bahwasanya Vb yang didapat pada Pass 3 tidak begitu jauh. Sehingga
pada pass ke 4 dengan tidak memikirkan resiko akan lompatan Vb yang terlalu
jauh maka disimpulkan mengambil panjang lintasan pahat secara penuh yaitu
sebesar 0,212 km . dan seperti yang ada pada gambar terlihat grafik T vs Lt
mengalami penurunan.
Universitas Sumatera Utara
46
Temperatur
T vs VB
Run 2
400
350
300
250
200
150
100
50
0
0
0,05
0,1
0,15
0,2
0,25
0,3
VB
Gambar 4.4 grafik T vs Vb
Temperatur
T vs lt
Run 2
400
350
300
250
200
150
100
50
0
0,000
0,050
0,100
0,150
0,200
0,250
lt
Gambar 4.5 grafik T vs Lt
Universitas Sumatera Utara
47
400
350
Cutting temperature (oC)
300
250
200
150
100
50
0
0
2
4
6
8
10
12
Cutting time (t)(min)
Gambar 4.6 grafik T vs Tc
Sedangkan pada Tc atau yang dimaksud dengan waktu pemesinan terlihat
pada grafik mengalami kenaikan. Dimana suhu tertinggi yaitu sebesar 343,6 ℃
didapat pada menit 9,87 yaitu pada pass terakhir. sedangkan suhu terendah
sebesar 281 ℃ didapat pada menit 2,92 dan 5,73 yaitu pada pass 1 dan 2 seperti
yang terlihat pada gambar 4.6.
4.1.3 Run 3
Run 3
t (min)
pass 1
pass 2
pass 3
3,95
7,78
9,60
VB
(mm)
0,09
0,16
0,37
T
329,6
322,3
352,0
lt passing
(km)
0,310
0,299
0,144
Tabel 4.4 Run 3
Pada Run 3 , parameter yang digunakan pada eksperimen ini adalah v 75
m/min f 0,15 a 2 mm (HLH). Jumlah Pass yang digunakan pada Run 3 ini hanya
Universitas Sumatera Utara
48
3 pass. grafik temperatur terhadap Vb yang didapatkan pada percobaan Run 3
menunjukkan kenaikan seiring dengan jumlah pass yang dilakukan,walaupun
pada pass kedua ada mengalami sedikit penurunan seperti terlihat pada gambar
4.7.dimana suhu tertinggi sebesar 352 ℃ didapatkan pada Vb sebesar 0,37 mm
sedangkan suhu terendah sebesar 322,3 ℃ didapatkan pada Vb 0,16 mm. pada
Run 3 ini pengambilan Lt cukup besar sehingga mengurangi jumlah pass yang
didapat,terbukti hanya dengan 3 pass saja. Sedangkan grafik temperatur terhadap
Lt mengalami penurunan. Seperti pada gambar 4.8.
Temperatur
T vs VB
Run 3
355
350
345
340
335
330
325
320
0
0,05
0,1
0,15
0,2
0,25
0,3
0,35
0,4
VB
Gambar 4.7 grafik T vs Vb
Universitas Sumatera Utara
49
355
350
345
340
335
330
325
320
0,000
0,050
0,100
0,150
0,200
0,250
0,300
0,350
lt
Gambar 4.8 grafik T vs Lt
400
350
300
Cutting temperature (oC)
Temperatur
T vs lt
Run 3
250
200
150
100
50
0
0
2
4
6
8
10
12
Cutting time (t)(min)
Gambar 4.9 grafikT vs Tc
Universitas Sumatera Utara
50
Sedangkan pada Tc atau yang dimaksud dengan waktu pemesinan terlihat
pada grafik mengalami kenaikan. Dimana suhu tertinggi yaitu sebesar 352 ℃
didapat pada menit 9,60 yaitu pada pass terakhir. sedangkan suhu terendah
sebesar 322,3 ℃ didapat pada menit 7,78 seperti yang terlihat pada gambar 4.9.
4.1.4 Run 4
Run 4
t (min)
pass 1
pass 2
pass 3
pass 4
pass 5
3,58
7,07
10,42
12,07
13,67
VB
(mm)
0,09
0,11
0,15
0,19
0,24
T
296,1
255,0
303,8
196,5
268,0
lt passing
(km)
0,279
0,271
0,262
0,129
0,124
Tabel 4.5 Run 4
Pada Run 4 , parameter yang digunakan pada eksperimen ini adalah v 75
m/min f 0,15 mm/rev a 1,5 mm (HLL).dengan jumlah pass sebanyak 5 pass.
grafik temperatur terhadap Vb yang didapatkan pada percobaan Run 4
menunjukkan penurunan seiring dengan jumlah pass yang dilakukan,gambar 4.10.
Dimana temperatur tertinggi didapat pada pass 3 dengan 303,8 ℃ ,temperatur
tersebut berada di saat Vb 0,15 mm. dan temperatur terendah ada pada pass 4
dengan 196,5 ℃ dimana temperatur tersebut pada saat Vb 0,19 mm. Sedangkan
pada Vb tidak ada terlihat kenaikan yang terlalu signifikan walaupun pada pass 4
dan 5 panjang lintasan pahat telah dikurangi agar menghindarkan kenaikan Vb
yang terlalu jauh seperti yang terlihat pada tabel 4.5. dan pada grafik pebandingan
T vs Lt terihat pada gambar 4.11 mengalami kenaikan.
Universitas Sumatera Utara
51
Temperatur
T vs VB
Run 4
350
300
250
200
150
100
50
0
0
0,05
0,1
0,15
0,2
0,25
VB
Gambar 4.10 grafik T vs Vb
Temperatur
T vs lt
Run 4
350
300
250
200
150
100
50
0
0,000
0,050
0,100
0,150
0,200
0,250
0,300
lt
Gambar 4.11 grafik T vs Lt
Universitas Sumatera Utara
52
400
350
Cutting temperature (oC)
300
250
200
150
100
50
0
0
5
10
15
Cutting time (t)(min)
Gambar 4.12 grafik T vs Tc
Sedangkan pada Tc atau yang dimaksud dengan waktu pemesinan terlihat
pada grafik mengalami penurunan. Dimana suhu tertinggi yaitu sebesar 303,8 ℃
didapat pada menit 10,42 yaitu pada pass terakhir. sedangkan suhu terendah
sebesar 196,5 ℃ didapat pada menit 12,07 seperti yang terlihat pada gambar 4.12.
Universitas Sumatera Utara
53
4.1.5 Data Run 5
Run 5
t (min)
pass 1
pass 2
pass 3
pass 4
pass 5
pass 6
pass 7
2,73
5,33
6,63
7,82
9,02
10,13
11,33
12,38
pass 8
VB
(mm)
0,08
0,14
0,14
0,16
0,16
0,17
0,20
0,20
T
272,8
283,1
300,0
235,0
317,0
271,3
309,5
328,5
lt passing
(km)
0,184
0,176
0,088
0,080
0,085
0,076
0,082
0,072
Tabel 4.6 Run 5
Pada Run 5 , parameter yang digunakan pada eksperimen ini adalah v 65
m/min f 0,2 mm/rev a 2 mm (LHH). ). Jumlah Pass yang digunakan pada Run 5
ini hanya 8 pass. grafik temperatur terhadap Vb yang didapatkan pada percobaan
Run 5 menunjukkan kenaikan seiring dengan jumlah pass yang dilakukan,
walaupun pada pass keempat terjadi penurunan suhu yang lumayan jauh seperti
yang ada pada gambar 4.13 .dimana pada Run kelima ini temperatur tertinggi
didapat pada pass terakhir yaitu pass delapan 328,5℃ ,dan didapat disaat Vb
berada pada 0,20 mm. sedangkang temperatur terendah pada pass keempat 235℃
berada pada Vb 0,16 mm. Sedangkan grafik perbandingan T vs Lt mengalami
penurunan seperti yang ada pada gambar 4.14.
Universitas Sumatera Utara
54
Temperatur
T vs VB
Run 5
350
300
250
200
150
100
50
0
0
0,05
0,1
0,15
0,2
0,25
VB
Gambar 4.13 grafik T vs Vb
Temperatur
T vs lt
Run 5
350
300
250
200
150
100
50
0
0,000
0,050
0,100
0,150
0,200
lt
Gambar 4.14 grafik T vs Lt
Universitas Sumatera Utara
55
400
Cutting temperature (oC)
350
300
250
200
150
100
50
0
0
5
10
15
Cutting time (t)(min)
Gambar 4.15 grafik T vs Tc
Sedangkan pada Tc atau yang dimaksud dengan waktu pemesinan terlihat
pada grafik mengalami kenaikan. Dimana suhu tertinggi yaitu sebesar 328,5℃
didapat pada menit 12,38 yaitu pada pass terakhir. sedangkan suhu terendah
sebesar 235℃ didapat pada menit 7,82 seperti yang terlihat pada gambar 4.15.
4.1.6 Data Run 6
Run 6
t (min)
pass 1
pass 2
pass 3
pass 4
pass 5
pass 6
pass 7
3,40
6,70
9,87
11,47
12,97
14,50
15,93
17,45
18,83
pass 8
pass 9
VB
(mm)
0,08
0,10
0,16
0,16
0,18
0,18
0,20
0,21
0,24
T
254,2
262,2
304,0
273,4
259,2
267,0
229,0
241,0
175
lt passing
(km)
0,226
0,219
0,213
0,106
0,101
0,104
0,097
0,101
0,093
Tabel 4.7 Run 6
Universitas Sumatera Utara
56
Pada Run 6 , parameter yang digunakan pada eksperimen ini adalah v 65
m/min f 0,2 mm/rev a 1,5 mm (LHL). Jumlah Pass yang digunakan pada Run 6
ini hanya 9 pass. grafik temperatur terhadap Vb yang didapatkan pada percobaan
Run 6 menunjukkan penurunan seiring dengan jumlah pass yang dilakukan
gambar 4.16. Dimana temperatur tertinggi didapat pada pass 3 dengan 304 ℃
,suhu tersebutpun didapat pada saat Vb 0,16 mm. dan temperatur terendah ada
pada pass 9 dengan 175 ℃ pada saat Vb 0,24 mm atau pass yang terakhir.
Sedangkan grafik perbandingan T vs Lt terlihat mengalami kenaikan seperti yang
ada pada gambar 4.17.
Temperatur
T vs VB
Run 6
350
300
250
200
150
100
50
0
0
0,05
0,1
0,15
0,2
0,25
VB
Gambar 4.16 grafik T vs Vb
Universitas Sumatera Utara
57
350
300
250
200
150
100
50
0
0,000
0,050
0,100
0,150
0,200
0,250
lt
Gambar 4.17 grafik T vs Lt
400
350
300
Cutting temperature (oC)
Temperatur
T vs lt
Run 6
250
200
150
100
50
0
0
5
10
15
20
Cutting time (t)(min)
Gambar 4.18 grafik T vs Tc
Universitas Sumatera Utara
58
Sedangkan pada Tc atau yang dimaksud dengan waktu pemesinan terlihat
pada grafik mengalami penurunan. Dimana suhu tertinggi yaitu sebesar 304 ℃
didapat pada menit 9,87 . sedangkan suhu terendah sebesar 175 ℃ didapat pada
menit 18,83 yaitu pada pass terakhir seperti yang terlihat pada gambar 4.18.
4.1.7 Data Run 7
Run 7
t (min)
pass 1
pass 2
pass 3
pass 4
pass 5
pass 6
pass 7
3,32
6,52
9,52
12,37
13,77
15,05
16,40
17,60
VB
(mm)
0,07
0,10
0,10
0,15
0,15
0,17
0,18
0,19
18,80
20,0
21,1
22,3
0,19
0,19
0,20
0,20
pass 8
pass 9
pass 10
pass 11
pass 12
T
304,0
364,4
306,0
312,7
262,0
262,0
329,3
228,2
350
350
356
340,6
lt passing
(km)
0,226
0,216
0,206
0,196
0,097
0,089
0,093
0,083
0,083
0,083
0,078
0,078
Tabel 4.8 Run 7
Pada Run 7 , parameter yang digunakan pada eksperimen ini adalah v 65
m/min f 0,15 mm/rev a 2 mm (LLH). Pada Run 7 ini ada 12 pass yang telah
didapatkan dengan mencapai Vb hingga 0,202. grafik temperatur terhadap Vb
yang didapatkan pada percobaan Run 7 menunjukkan kenaikan seiring dengan
jumlah pass yang dilakukan,walaupun kenaikan nya sangat tipis. dengan suhu
tertinggi ada pada pass kedua dengan 364,4℃,pada saat mengalami Vb sebesar
0,10 mm.sedangkan temperatur terendah ada pada pass 8 dengan suhu 228,2 ℃
dan pada saat berada di Vb 0,19 mm. Dan dari hasil pengujian ada beberapa yang
besar nilai temperatur nya yang sama yaitu pada pass 5 dan 6, juga pada pass 9
dan 10. Seperti yang terlihat pada gambar 4.19. dan tabel 4.8. sedangkan grafik
Universitas Sumatera Utara
59
perbandingan T vs Lt terlihat mengalami kenaikan yang juga sangat tipis. Seperti
yang terlihat pada gambar 4.20.
Temperatur
T vs VB
Run 7
400
350
300
250
200
150
100
50
0
0
0,05
0,1
0,15
0,2
0,25
0,200
0,250
VB
Gambar 4.19 grafik T vs Vb
Temperatur
T vs lt
Run 7
400
350
300
250
200
150
100
50
0
0,000
0,050
0,100
0,150
lt
Gambar 4.20 grafik T vs Lt
Universitas Sumatera Utara
60
400
Cutting temperature (oC)
350
300
250
200
150
100
50
0
0
5
10
15
20
25
Cutting time (t)(min)
Gambar 4.21 grafik T vs Tc
Sedangkan pada Tc atau yang dimaksud dengan waktu pemesinan terlihat
pada grafik mengalami kenaikan. Dimana suhu tertinggi yaitu sebesar 364,4℃,
didapat pada menit 6,52 . sedangkan suhu terendah sebesar 228,2 ℃
didapat
pada menit 17,60 seperti yang terlihat pada gambar 4.21.
Universitas Sumatera Utara
61
4.1.8 Data Run 8
Run 8
t (min)
pass 1
pass 2
pass 3
pass 4
pass 5
pass 6
pass 7
3,20
6,28
9,27
12,13
14,92
16,28
17,57
20,42
22,88
25,22
27,48
29,65
31,68
33,63
35,48
36,28
pass 8
pass 9
pass 10
pass 11
pass 12
pass 13
pass 14
pass 15
pass 16
VB
(mm)
0,09
0,10
0,10
0,10
0,14
0,14
0,15
0,15
0,17
0,19
0,20
0,21
0,22
0,23
0,28
0,31
T
216,1
246,0
284,0
269,0
217,0
210,9
267,2
251,3
203,4
199
258
211,2
318
205,3
198,8
325,3
lt passing
(km)
0,215
0,208
0,201
0,194
0,188
0,093
0,088
0,174
0,167
0,160
0,153
0,146
0,140
0,133
0,127
0,055
Tabel 4.9 Run 8
Pada Run 8 , parameter yang digunakan pada eksperimen ini adalah v 65
m/min
f 0,15 mm/rev
a 1,5 mm (LLL). Pada Run 8 ini sendiripun telah
didapatkan jumlah pass hingga 16. Dimana diantara kedelepan Run yang telah
didapatkan secara keseluruhan,Run 8 ini lah yang memiliki jumlah pass yang
paling banyak dari yang lainnya. grafik temperatur terhadap Vb yang didapatkan
pada percobaan Run 8 menunjukkan kenaikan seiring dengan jumlah pass yang
dilakukan.seperti pada Run sebelumnya, bahwa run 8 juga mengalami kenaikan
yang sangat tipis seperti yang ada pada gambar 4.22. Dimana nilai temperatur
tertinggi ada pada pass ke16 dengan nilai temperatur 325,3℃ ,pada saat Vb
sebesar 0,311 mm . sedangkan nilai temperatur terendah ada pada pass ke15 yaitu
sebesar 198,8℃ dengan Vb sebesar 0,28 mm. Sedangkan grafik perbandingan T
vs Lt mengalami penurunan seperti pada gambar 4.23.
Universitas Sumatera Utara
62
Temperatur
T vs VB
Run 8
350
300
250
200
150
100
50
0
0
0,05
0,1
0,15
0,2
0,25
0,3
0,35
VB
Gambar 4.22 grafik T vs Vb
Temperatur
T vs lt
Run 8
350
300
250
200
150
100
50
0
0,000
0,050
0,100
0,150
0,200
0,250
lt
Gambar 4.23 grafik T vs Lt
Universitas Sumatera Utara
63
400
350
Cutting Temperature (C)
300
250
200
150
100
50
0
0
10
20
30
40
Cutting Time (t) (min)
Gambar 4.24 grafik T vs Tc
Sedangkan pada Tc atau yang dimaksud dengan waktu pemesinan terlihat
pada grafik mengalami kenaikan. Dimana suhu tertinggi yaitu sebesar 325,3℃
didapat pada menit 36,28 . sedangkan suhu terendah sebesar 198,8℃ didapat pada
menit 35,48 seperti yang terlihat pada gambar 4.24.
4.2 suhu pemotongan Rata-rata pada 8 kondisi
Maksud dari sub bab ini adalah merata-ratakan suhu pemotongan yang
telah dihasilkan selama penelitan secara keseluruhan. Dimana pada setiap Run
yang telah memiliki jumlah suhu pada setiap pass nya lalu dicoba untuk dirataratakan sebagaimana contoh pada tabel.
Universitas Sumatera Utara
64
RUN
V
F
A
1
2
3
4
5
6
7
8
75
75
75
75
65
65
65
65
0,2
0,2
0,15
0,15
0,2
0,2
0,15
0,15
2
1,5
2
1,5
2
1,5
2
1,5
T
Ratarata
282,3
303,9
334,6
289,7
289,7
251,7
313,8
242,5
Tabel 4.10 Data kondisi pemotongan dengan suhu rata-rata
diagram suhu
400,0
350,0
300,0
250,0
200,0
150,0
100,0
50,0
0,0
1
2
3
4
5
6
7
8
Gambar 4.25 diagram suhu keseluruhan
4.3 Model Matematika Hasil design expert
Pengertian Pemodelan Matematika merupakan salah satu tahap dari
pemecahan
masalah
matematika.
Model
merupakan
Simplifikasi
atau
penyederhanaan fenomena – fenomena nyata dalam bentuk matematika. Model
matematika yang dihasilkan, dapat berupa bentuk persamaan,pertidaksamaan,
sistem persamaan atau lainnya terdiri atas sekumpulan lambang yang disebut
variabel atau besaran yang kemudian di dalamnya digunakan operasi matematika
Universitas Sumatera Utara
65
seperti tambah, kali, kurang, atau bagi. Dengan prinsip-prinsip matematika
tersebut dapat dilihat apakah model yang dihasilkan telah sesuai dengan rumusan
sebagaimana formulasi masalah nyata yang dihadapi.adapun kegunanan dari
pemodelan matematika ini sendiri yaitu Mendapatkan pengertian atau kejelasan
mekanisme dalam masalah,dan juga dapat digunakan untuk memprediksi kejadian
yang akan muncul dari suatu fenomena atau perluasannya.
Namun pada eksperimen ini model matematika yang digunakan
merupakan perbandingan daripada variable temperatur (T) dan variable aus pahat
(Vb) dengan kondisi pemotongan didapatkan dengan menggunakan software
Design Expert dengan penyelesaian factorial. Dengan menggunakan software ini
kita dapat menentukan kondisi pemotongan yang ideal sesuai dengan input data
yang kita masukkan. Software ini kita gunakan untuk menginvestigasi pengaruh
antara 3 parameter input, yaitu kecepatan potong (m/min) , pemakanan (mm/rev)
dan kedalaman potong (mm) terhadap variable respon, yaitu temperatur dan
tingkat keausan pahat .
4.3.1 ANNOVA untuk variable respon temperatur
Hasil data eksprimen dari proses pembubutan dalam skala celcius akan
ditunjukan pada tabel 4.10 . data eksperimen tersebut akan diregresi dan dianalisa
oleh software design expert . hasil analisa dari tabel tersebut akan ditunjukkan
pada tabel 4.11 yang memperlihatkan model temperatur tersebut tidak signifikan
dengan nilai F=7,67 . Dengan catatan nilai p-value (Prob>F) lebih kecil daripada
0,05, maka pemodelan tersebut signifikan. Dikarenakan data yang dihasilkan tidak
signifikan maka diambil nilai yang terendah dari p-value yaitu data C (a
Universitas Sumatera Utara
66
kedalaman potong) sebagai data yang paling mempengaruhi dalam eksperimen.
Sedangkan hubugan antara kecepatan potong dan pemakanan (AB), hubungan
antara kecepatan potong dan kedalaman potong (AC) dan hubungan antara
pemakanan dan kedalaman potong (BC) tidak memberi nilai yang signifikan
terhadap respon temperatur. Dengan hasil analisa data yang dihasilkan oleh
software Design Expert pada tabel maka dapat dikatakan bahwa kondisi
pemotongan yang paling mempengaruhi temperatur adalah kedalaman potong (a)
kemudiaan diikuti oleh kecepatan potong (v), dan pemakanan (f) .
Source
Model
A-v
B-f
C-a
AB
AC
BC
Residual
Cor Total
Std. Dev.
Mean
C.V. %
Sum of
Squares
6375,73
1593,48
351,48
2199,16
66,50
920,16
1244,95
138,56
6514,29
11,77
288,52
4,08
df
6
1
1
1
1
1
1
1
7
Mean
Square
1062,62
1593,48
351,48
2199,16
66,50
920,16
1244,95
138,56
F
Value
7,67
11,50
2,54
15,87
0,48
6,64
8,98
R-Squared
Adj R-Squared
Pred R-Squared
p-value
Prob > F
0,2696
0,1826
0,3569
0,1566
0,6143
0,2357
0,2050
not significant
0,9787
0,8511
-0,3613
Tabel 4.11 Analysis of variance
Hasil analisis regresi dari software ini menghasilkan persamaan sebagai berikut:
Temp = -1923.55781 + 21.87359v + 4842.31250f + 1016.19792a - 23.06458vf
- 8.57979va - 1995.95833fa
Universitas Sumatera Utara
67
4.3.2 ANNOVA untuk variable respon aus pahat
Hasil data eksperimen dari proses pembubutan dalam skala Aus pahat
akan ditunjukkan pada table 4.12. Data eksperimen tersebut akan diregresi dan
dianalisa oleh software design expert. Hasil analisa yang memperlihatkan model
aus pahat tersebut tidak signifikan terhadap eksperimen dengan nilai F = 0,886.
Dengan catatan nilai p-value (Prob>F) lebih kecil daripada 0,05, maka pemodelan
tersebut signifikan. Dikarenakan data yang dihasilkan tidak signifikan maka
diambil nilai yang terendah dari p-value yaitu data A (v kecepatan potong)
sebagai data yang paling mempengaruhi dalam eksperimen. Sedangkan hubugan
antara kecepatan potong dan pemakanan (AB), hubungan antara kecepatan potong
dan kedalaman potong (AC) dan hubungan antara pemakanan dan kedalaman
potong (BC) tidak memberi nilai yang signifikan terhadap respon aus pahat.
Dengan hasil analisa data yang dihasilkan oleh software Design Expert pada tabel
maka dapat dikatakan bahwa kondisi pemotongan yang paling mempengaruhi aus
pahat adalah kecepatan potong (v), kemudiaan diikuti oleh pemakanan (f) dan
kedalaman potong (a) .
Universitas Sumatera Utara
68
Source
Sum of
Squares
df
Mean
Square
F
Value
p-value
Prob > F
Model
0,019
6
3,240,E-03
0,886
0,6709
A-v
B-f
C-a
AB
AC
BC
Residual
Cor Total
Std. Dev.
Mean
C.V. %
5,671,E-03
1,540,E-03
7,812,E-05
1,711,E-04
0,012
4,512,E-05
3,655,E-03
0,023
0,06045763
0,264625
22,8465299
1
1
1
1
1
1
1
7
5,671,E-03
1,540,E-03
7,812,E-05
1,711,E-04
0,012
4,512,E-05
3,655,E-03
1,552
0,421
0,021
0,047
3,265
0,012
0,4306
0,6335
0,9076
0,8643
0,3218
0,9296
R-Squared
Adj R-Squared
Pred R-Squared
not
significant
0,8417
-0,1078
-9,1286
Tabel 4.12 Analysis of variance
Hasil analisis dari soft ware ini menghasilkan persamaan sebagai berikut :
Vb = 4.08925 - 0.055225v - 2.48000f - 2.08400a + 0.037000vf + 0.030900va 0.38000fa
4.4 Analisa hubungan Kondisi pemotongan
Analisa hubungan kondisi pemotongan adalah merupakan analisa dimana
hasil yang telah didapat dari pada software design expert untuk menunjukkan
bahwa adanya hubungan antara kondisi pemotongan dengan temperatur maupun
aus pahat. Dimana dapat kita lihat hasil dari yang didapat dari pengujian tersebut
dalam bentuk grafik yang dihasilkan oleh design expert .
4.4.1 Analisa hubungan kondisi pemotongan dengan temperatur
Persamaan 4.1 merupakan persamaan model linier dengan nilai F sebesar
7,67 menunjukkan model tersebut tidak memiliki pengaruh yang signifikan
terhadap temperatur. Pada gambar 4.27 Normal Plot of residual menunjukkan
Universitas Sumatera Utara
69
bahwa penyebaran dari data residual antara data temperatur yang aktual dan
diprediksi menyerupai suatu garis diagonal yang melintang dari sisi kiri menuju
sisi kanan dengan arah yang naik. Agar penyebaran dari nilai residual mendekati
normal,maka dipasangkan garis diagonal pada grafik tersebut. Pada gambar 4.28
Plot pertubation menunjukkan dan membandingkan pengaruh variable kondisi
pemotongan dengan variable temperatur dengan memperhatikan sumbu x – nya ,
yaitu :
1. Temperatur pemotongan menaik seiring dengan bertambanya kecepatan
potong (A)
2. Temperatur pemotongan menurun seiring dengan naiknya pemakanan (B)
3. Temperatur pemotongan naik seiring dengan naiknya kedalaman potong
(C)
Gambar 4.29 mengilustrasikan pengaruh dari 2 faktor yaitu v kecepatan
potong (A) dan f pemakanan (B) dengan nilai kedalaman potong (C) yang
dijaga konstan yaitu 1,75 mm. Dapat dilihat pada grafik yaitu bahwa dengan
kecepatan potong yang tinggi dan pemakanan yang tinggi menghasilkan
temperatur yang rendah.
Universitas Sumatera Utara
70
Normal Plot of Residuals
99
334.633
242.531
Normal % Probability
95
90
80
70
50
30
20
10
5
1
-6
-4
-2
0
2
4
6
Residuals
Gambar 4.26 normal plot of residual
Gambar 4.27 grafik perturbation
Universitas Sumatera Utara
71
334.633
242.531
X1 = A: v
X2 = B: f
400
Actual Factor
C: a = 1.75
350
temp
300
250
200
150
0.2
75
0.19
73
0.18
71
0.17
B: f (mm/rev)
69
0.16
67
0.15
A: v (m/min)
65
Gambar 4.28 Grafik 3D surface
4.4.2 Analisa hubungan kondisi pemotongan dengan aus pahat
Persamaan 4.2 merupakan persamaan model linier dengan nilai F sebesar
0,886 menunjukkan model tersebut tidak memiliki pengaruh yang signifikan
terhadap aus pahat. Pada gambar 4.30 Normal Plot of Residual menunjukkan
bahwa penyebaran dari data residual antara data temperatur yang actual dan
diprediksi menyerupai suatu garis diagonal yang melintang dari sisi kiri menuju
sisi kanan dengan arah yang naik. Agar penyebaran dari nilai residual mendekati
normal, maka dipasangkan garis diagonal pada grafik tersebut. Pada gambar 4.31 .
plot pertubation menunjukkan dan membandingkan pengaruh variable kondisi
pemotongan dengan variable aus pahat (Vb) dengan mempehatikan sumbu X –
nya, yaitu :
Universitas Sumatera Utara
72
1. Aus pahat (Vb) pemotongan naik seiring dengan bertambahnya kecepatan
potong (A)
2. Aus pahat (Vb) pemotongan turun seiring dengan naiknya pemakanan (B)
3. Aus pahat (Vb) pemotongan naik seiring dengan naiknya kedalaman
potong. (C)
Gambar 4.32 mengilustrasikan pengaruh dari 2 faktor yaitu v kecepatan
potong (A) dan f pemakanan (B) dengan nilai kedalaman potong (C) yang dijaga
konstan yaitu 1,75 mm. Dapat dilihat pada grafik yaitu bahwa dengan kecepatan
potong yang tinggi dan pemakanan yang rendah menghasilkan aus pahat (Vb)
yang rendah.
Normal Plot of Residuals
99
0.366
0.202
Normal % Probability
95
90
80
70
50
30
20
10
5
1
-0.03
-0.02
-0.01
0
0.01
0.02
0.03
Residuals
Gambar 4.29 grafik Plot of Residual
Universitas Sumatera Utara
73
Gambar 4.30 grafik pertubation
0.366
0.202
X1 = A: v
X2 = B: f
0.8
Actual Factor
C: a = 1.75
0.6
0.4
vb
0.2
0
-0.2
0.2
75
0.19
73
0.18
71
0.17
B: f (mm/rev)
69
0.16
67
0.15
A: v (m/min)
65
Gambar 4.31 Grafik 3D Surface
Universitas Sumatera Utara
74
4.5 optimasi kondisi pemotongan
Optimasi kondisi pemotongan ini dilakukan untuk mendapatkan nilai
optimal dari parameter kondisi pemotongan untuk memberikan temperatur dan
keausan pahat yang optimal selama dilakukan pembubutan. Proses optimasi
dilakukan dengan software design expert yang mana data akan tersusun pada tabel
4.12
yang
merupakan
pembatasan untuk
ooptimasi
kondisi parameter
pemotongan. Dan tabel 4.13 merupakan tabel untuk hasil optimasi kondisi
pemotongan.
Name
A:v
B:f
C:a
temp
vb
Goal
is in range
is in range
is in range
is in range
minimize
Lower
Limit
Upper
Limit
65
0,15
1,5
242,531
0,202
75
0,2
2
334,633
0,37
Tabel 4.13 Batas Kondisi optimasi
Tabel 4.13
merupakan tabel batas optimasi yang akan diolah oleh
software Nilai A (v) , B (f) , C (a), dan temperatur yang akan dioptimasi
menghasilkan nilai dalam jangkauan (in range) , sedangkan pada aus pahat (vb)
digunakan minimize sebab semakin kecil nilai aus pahat maka umur pahat akan
semakin lama dan nilai kekasaran permukaan juga lebih bagus.
Universitas Sumatera Utara
75
Number
1
2
3
4
5
6
7
8
9
10
v
65,264
65,527
65,000
65,057
65,248
65,292
65,793
65,439
65,013
65,122
f
0,196
0,199
0,200
0,198
0,180
0,199
0,199
0,198
0,191
0,196
a
1,920
1,931
2,000
1,927
1,998
1,991
1,990
1,988
1,920
1,953
temp
282,995
282,177
285,488
281,977
298,275
285,444
285,486
286,432
285,343
285,134
vb
0,200
0,199
0,182
0,195
0,202
0,188
0,195
0,191
0,202
0,194
selected
Tabel 4.14 Hasil Optimasi
Tabel 4.14 merupakan 10 hasil optimasi yang dilakukan oleh software
design expert. Software ini menghasilkan 95 solusi hasil optimasi yang telah
dilakukan, namun 10 yang terbaik yang dapat penulis ambil.
Tabel no 1
merupakan tabel yang dipilih oleh software karena merupakan data yang paling
optimal dari semua data yang diolah.
6
5
7
5
0
.1
5
A
:v=6
5
.2
6
3
6
1
.5
0
.2
B
:f=0
.1
9
5
9
2
7
2
C
:a=1
.9
2
0
4
3
2
4
2
.5
3
1
3
3
4
.6
3
3
te
m
p=2
8
2
.9
9
5
D
e
s
ira
b
ility=1
.0
0
0
0
.2
0
2
0
.3
6
6
v
b=0
.1
9
9
9
5
4
Gambar 4.32 hasil optimasi design expert bentuk bar
Universitas Sumatera Utara
76
Hasil optimasi yang dilakukan menghasilkan v= 65,26 ; f = 0,196 ; a =
1,92 ; temperatur = 283
;
Vb = 0,2. Ini merupakan kondisi yang paling
optimum pada pemotongan , dengan respon temperatur dan aus pahat (Vb).
B: f (mm/rev)
Overlay Plot
temp: 334.633
vb: 0.366
temp: 282.852
vb: 0.198005
X1 65.2636
X2 0.195927
temp: 334.633
vb: 0.366
A: v (m/min)
Gambar 4.33 Grafik Overlay Plot
Gambar 4.34 merupakan grafik overlay plot
yaitu grafik yang
menampilkan hubungan antara temperatur dan aus pahat yang dimodelkan dalam
grafik oleh software design expert. Terlihat bahwa daerah kuning merupakan
daerah solusi yang dihasilkan oleh software design expert.
Universitas Sumatera Utara
77
4.6 mikro struktur pada CVD TT 8125
Pada penelitian ini pahat yang digunakan yaitu CVD berlapis TT 8125.
Setelah dilakukannya penelitian dan penghitungan optimasi pada sub bab
sebelumnya dan didapat juga hasil tersebut,maka pada sub bab ini akan mencoba
mengkaji struktur lapisan daripada mata pahat yang digunakan pada penelitian ini
yaitu CVD TT 8125. Pada sub bab sebelumnya telah diterangkan bahwasannya
pada pahat ini memiliki ada empat lapisan,dimulai dari lapisan terdalam (dasar)
yaitu WC CO,TiCN,��2 �3 , dan TiN. Dan masing – masing dari lapisan tersebut
akan
coba
dipaparkan
dengan
menggunakan
gambar.
berikut
gambar
mikrostruktur susunan dari CVD TT8125
Sumber: Taegutec
Gambar 4.34 Mikrostruktur CVD TT 8125
Seperti yang terdapat di gambar, bahwasannya lapisan terdasar adalah WC Co
(substrate),lalu pada lapis kedua atau diatas dari lapisan WC Co ada TiCN,lalu
pada lapisan ketiga ada ��2 �3 dan lapisan terluar ada TiN. Jika dilihat pada
gambar, lapisan TiN memiliki jumlah lapisan tertipis. Maka dari itu dengan
keterbatasan fasilitas penguji mengasumsikan lapisan Tin dengan panjang 1
micrometer, ��2 �3 4micrometer , TiCN 6micrometer.maka dari itu penulis akan
Universitas Sumatera Utara
78
mecoba mengkaji perjalanan suhu pada setiap lapisan / node yaitu TiN
��2 �3 TiCN dengan menggunakan FEM (fenite elemen) secara sederhana.
Adapun rumus yang digunakan pada awal penentuan konduktivitas lokal atau
/node yaitu:
K=
Keterangan
��
�
1
�
−1
−1
�
1
K : konduktivitas termal
A : Luas penampang
L : panjang
4.6.1 perjalanan suhu pada setiap NODE
Pada sub ini penulis akan mencoba menerjemahkan perjalanan suhu yang
di hasilkan dengan menggunakan Fenite elemen secara sederhana dan akan
diuraikan juga dalam bentuk grafik dan Tabel , akan tetapi penulis tidak
melampirkan hasil dari Run 4 dan 6 dikarenakan terjadinya eror data.:
•
Run 1
Temperature
Exp (Model)
y = -0,795x2 + 19,62x +
206,0
No.
Pass
Experiment
1
251
2
233,3
3
253
272,0
267,7
4
253,4
297,2
275,3
0,121
5
302,8
324,0
282,0
0,128
6
371
352,3
288,0
7
286
382,3
293,1
0,141
8
308,2
413,8
297,4
0,3
FEM (Model)
y = -0,405x2 + 10,39x +
240,2
Coating
VB
(mm)
226,4
250,2
TiN
0,085
248,4
259,4
0,09
Al2O3
TiCN
0,096
0,131
Tabel 4.15 Hasil perhitungan Run 1
Universitas Sumatera Utara
79
Setelah didapatkan hasil dari Grafik FEM Run 1,maka penulis mencoba
mengasumsikan perjalanan suhu dari hasil eksperimen terhadap setiap lapisan
pahat CVD TT 8125 . dimana menurut hasil simulasi FEM bahwasannya lapisan
TiN habis pada Pass 1, lalu pada lapisan kedua yaitu AL2O3 habis pada
perjalanan Pass ke 4 , dan TiCN habis pada pass ke 8 atau yang ke terakhir.
Selebihnya dari itu maka sudah bekerja pada lapisan dasar yaitu WC Co atau
substrart. Seperti yang terlihat pada Gambar 4.35 dan 4.36.
Gambar 4.35 Grafik FEM Run 1
Universitas Sumatera Utara
80
Gambar 4.36 Grafik VB vs TC vs Suhu pada Run 1
•
Run 2
Temperature
Exp (Model)
FEM (Model)
y = 1,471x2 - 9,354x +
y = -0,437x2 + 11,31x +
294,2
269,2
286,3
280,1
No.
Pass
Experiment
1
281
2
281
281,4
290,1
3
310
279,4
299,2
4
343,6
280,3
307,4
Coating
TiN
Al2O3
TiCN
VB
(mm)
0,092
0,142
0,151
0,264
Tabel 4.16 Hasil perhitungan Run 2
Pada Run 2 ini jumlah pass ada 4 . maka Setelah didapatkan hasil dari
Grafik FEM Run 2,maka penulis mencoba mengasumsikan perjalanan suhu dari
hasil eksperimen terhadap setiap lapisan pahat CVD TT 8125 . dimana menurut
Universitas Sumatera Utara
81
hasil simulasi FEM bahwasannya lapisan TiN habis pada Pass 1, lalu pada lapisan
kedua yaitu AL2O3 habis pada Pass ke 2 , dan TiCN habis pada pass ke 4 atau
yang ke terakhir. Selebihnya dari itu maka sudah bekerja pada lapisan dasar yaitu
WC Co atau substrart. Seperti yang terlihat pada Gambar 4.37 dan 4.38.
Gambar 4.37 Grafik FEM Run 2
Universitas Sumatera Utara
82
Gambar 4.38 Grafik VB vs TC vs Suhu pada Run 2
•
Run 3
Temperature
Exp (Model)
y = 3,230x2 - 39,81x +
436,4
No.
Pass
Experiment
1
329,6
399,8
2
322,3
369,7
3
352
346,0
VB
FEM (Model)
y = -0,150x2 + 3,968x +
325,4
329,2
Coating
TiN
332,7
Al2O3
336,0
TiCN
(mm)
0,089
0,156
0,366
Tabel 4.17 Hasil perhitungan Run 3
Pada Run 3 ini jumlah pass sangat sedikit,dengan jumlah 3 pass. Setelah
didapatkan hasil dari Grafik FEM Run 3,maka penulis mencoba mengasumsikan
Universitas Sumatera Utara
83
perjalanan suhu dari hasil eksperimen pada setiap lapisan pahat CVD TT 8125 .
dimana menurut hasil simulasi FEM bahwasannya lapisan TiN habis pada Pass 1,
lalu pada lapisan kedua yaitu AL2O3 habis pada perjalanan Pass ke 2 , dan TiCN
habis pada pass ke 3 atau yang ke terakhir. Selebihnya dari itu maka sudah
bekerja pada lapisan dasar yaitu WC Co atau substrart. Seperti yang terlihat pada
Gambar 4.39 dan 4.40.
Gambar 4.39 Grafik FEM Run 3
Universitas Sumatera Utara
84
Gambar 4.40 Grafik VB vs TC vs Suhu pada Run 3
•
Run 5
Temperature
Exp (Model)
y = 0,979x2 - 10,50x +
301,2
291,7
VB
No.
Pass
Experiment
1
272,8
2
283,1
284,1
280,9
3
300
278,5
289,1
4
235
274,9
296,5
5
317
273,2
303,1
0,16
6
271,3
273,4
308,8
0,166
7
309,5
275,7
313,8
8
328,5
279,9
318,1
FEM (Model)
y = -0,396x2 + 10,15x +
262,2
272,0
Coating
TiN
(mm)
0,083
0,139
0,143
AL2O3
TiCN
0,155
0,195
0,203
Tabel 4.18 Hasil perhitungan Run 5
Pada Run 5 ini jumlah pass ada 8. Setelah didapatkan hasil dari Grafik
FEM Run 5,maka penulis mencoba mengasumsikan perjalanan suhu dari hasil
Universitas Sumatera Utara
85
eksperimen pada setiap lapisan pahat CVD TT 8125 . dimana menurut hasil
simulasi FEM bahwasannya lapisan TiN habis pada Pass 2, lalu pada lapisan
kedua yaitu AL2O3 habis pada perjalanan Pass ke 5 , dan TiCN habis pada pass
ke 8 atau yang ke terakhir. Selebihnya dari itu maka sudah bekerja pada lapisan
dasar yaitu WC Co atau substrart. Seperti yang terlihat pada Gambar 4.41 dan
4.42.
Gambar 4.41 Grafik FEM Run 5
Universitas Sumatera Utara
86
Gambar 4.42 Grafik VB vs TC vs Suhu pada Run 5
•
Run 7
No.
Pass
Experiment
1
304
2
364,4
3
Temperature
Exp (Model)
y = 0,614x2 - 15,14x +
383,7
369,2
VB
FEM (Model)
y = -0,252x2 + 6,570x +
297,1
303,4
Coating
355,9
309,2
TiN
306
343,8
314,5
0,101
4
312,7
333,0
319,3
0,145
5
262
323,4
323,7
6
262
315,0
327,4
0,171
7
329,3
307,8
330,7
0,177
8
228,2
301,9
333,5
0,186
9
350
297,2
335,8
337,6
10
(mm)
0,07
AL2O3
TiCN
0,095
0,154
0,188
350
293,7
11
356
291,5
338,9
0,198
12
340,6
290,4
339,7
0,202
0,192
Tabel 4.19 Hasil perhitungan Run 7
Universitas Sumatera Utara
87
Setelah didapatkan hasil dari Grafik FEM Run 7,maka penulis
mencoba mengasumsikan perjalanan suhu dari hasil eksperimen pada setiap
lapisan pahat CVD TT 8125 . dimana menurut hasil simulasi FEM bahwasannya
lapisan TiN habis pada Pass 3, lalu pada lapisan kedua yaitu AL2O3 habis pada
perjalanan Pass ke 6 , dan TiCN habis pada pass ke 12 atau yang ke terakhir.
Selebihnya dari itu maka sudah bekerja pada lapisan dasar yaitu WC Co atau
substrart. Seperti yang terlihat pada Gambar 4.43 dan 4.44.
Gambar 4.43 Grafik FEM Run 7
Universitas Sumatera Utara
88
0,3
400
cvd, v 75, f 0.2, a 2.0
350
Flank wear (VB)(mm)
Series2
Poly. (cvd, v 75, f
0.2, a 2.0)
Poly. (Series2)
0,2
300
250
200
150
0,1
100
50
0
0
0
y=
0,614x2
5
- 15,14x + 383,7
R² = 0,231
10
15
20
25
Cutting time (t)(min)
Gambar 4.44 Grafik VB vs TC vs Suhu pada Run 7
Universitas Sumatera Utara
89
•
Run 8
No.
Pass
Experiment
1
216,1
2
246
3
4
Temperature
Exp (Model)
y = 0,065x2 - 2,447x +
257,8
255,4
VB
FEM (Model)
y = -0,931x2 + 22,04x +
191,8
212,9
Coating
253,2
232,2
TiN
284
251,0
249,5
0,096
269
249,1
265,1
0,1
5
217
247,2
278,7
0,142
6
210,9
245,5
290,5
7
267,2
243,9
300,5
0,146
8
251,3
242,4
308,5
0,148
9
203,4
241,0
314,7
0,172
10
199
239,8
319,1
0,192
11
258
238,7
321,6
0,202
12
(mm)
0,086
AL2O3
0,095
0,143
211,2
237,8
322,2
13
318
237,0
321,0
14
205,3
236,3
317,9
0,225
15
198,8
235,7
312,9
0,282
16
325,3
235,3
306,1
0,311
TiCN
0,21
0,222
Tabel 4.20 Hasil perhitungan Run 8
Pada Run 8 atau Run yang terakhir ini jumlah Pass yaitu 16. Dimana
jumlah Pass terbanyak diantara keseluruhan Run . Setelah didapatkan hasil dari
Grafik FEM Run 8, maka penulis mencoba mengasumsikan perjalanan suhu dari
hasil eksperimen pada setiap lapisan pahat CVD TT 8125 . dimana menurut hasil
simulasi FEM bahwasannya lapisan TiN habis pada Pass 3, lalu pada lapisan
kedua yaitu AL2O3 habis pada perjalanan Pass ke 8 , dan TiCN habis pada pass
ke 16 atau yang ke terakhir. Selebihnya dari itu maka sudah bekerja pada lapisan
dasar yaitu WC Co atau substrart. Seperti yang terlihat pada Gambar 4.45 dan
4.46.
Universitas Sumatera Utara
90
Gambar 4.45 Grafik FEM Run 8
Gambar 4.46 Grafik VB vs TC vs Suhu pada Run 8
Universitas Sumatera Utara
91
BAB V
KESIMPULAN DAN SARAN
5.1.
Kesimpulan
Kesimpulan yang didapatkan dari eksperimen ini adalah:
1. Variabel pemotongan yang paling berpengaruh terhadap variable respon
temperatur menurut hasil analisa software design expert yang terdapat
dalam ANNOVA adalah kedalaman potong (a) kemudiaan diikuti oleh
kecepatan potong (v), dan pemakanan (f). Dan variabel pemotongan yang
paling berpengaruh terhadap variabel respon aus pahat menurut software
design expert adalah kecepatan potong (v), kemudiaan diikuti oleh
pemakanan (f) dan kedalaman potong (a) .
2. Software design expert menghasilkan pemodelan matematika daripada
faktor yang dimasukkan yaitu v, f, a dan respon temperatur yang telah
dihasilkan selama eksperimen, yaitu:
Temp = -1923.55781 + 21.87359v + 4842.31250f + 1016.19792a 23.06458vf - 8.57979va - 1995.95833fa.
Sedangkan pada aus pahat yaitu :
Vb = 4.08925 - 0.055225v - 2.48000f - 2.08400a + 0.037000vf +
0.030900va - 0.38000fa
3. Optimasi Kondisi pemotongan ideal yang didapatkan oleh hasil optimasi
software design expert adalah :
v= 65,26
temperatur = 283
f = 0,196
Vb = 0,2 mm
a = 1,92
Universitas Sumatera Utara
92
4. Menurut hasil simulasi FEM: Lapisan TiN memiliki ketahanan sampai di
Vb 0,14. Sedangkan ��2 �3 memiliki ketahanan sampai di Vb 0,18 dan
TiCN memiliki ketahanan sampai di Vb 0,3.
5.2.
Saran
Saran yang didapatkan pada eksperimen ini adalah:
1. Pengukuran aus pahat sebaiknya dilakukan di tempat meja ukur yang baik
tanpa ada gangguan, sebab mikroskop dinolite yang digunakan sensitif
terhadap getaran sehingga penggunaan mikroskop menjadi lebih akurat
dan efisien.
2. Sebaiknya pada penelitian selanjutnya menggunakan Mesin CNC yang
mempunyai kualitas yang lebih baik lagi.
3. Lebih berhati-hati dalam pengambilan data agar tidak ada terjadinya eror
data,sebab apabila terdapat eror data sangat tidak mungkin penelitian
kembali di ulang.
Universitas Sumatera Utara