<![CDATA[Abstract: Tuntutan terhadap efisiensi energi dan pengurangan dampak negatif lingkungan dalam proses manufaktur mendorong perlunya pendekatan yang lebih cerdas dan berkelanjutan dalam pengendalian kualitas. Studi ini bertujuan untuk membangun model prediktif berbasis Support Vector Regression (SVR) dan mengintegrasikannya dengan algoritma optimasi Equilibrium Optimizer (EO) guna memprediksi dan mengoptimalkan parameter pemesinan pada proses bubut baja AISI 1045. Pemodelan dengan SVR berbasis data eksperimen dengan tiga parameter input yaitu kecepatan potong (v), laju pemakanan (f), dan kedalaman potong (d), dan kekasaran permukaan (Ra) sebagai output. Hasil analisis ANOVA menunjukkan bahwa laju pemakanan dan kecepatan potong merupakan parameter signifikan yang mempengaruhi nilai kekasaran permukaan, sedangkan kedalaman potong tidak berpengaruh signifikan. Model SVR yang dikembangkan menunjukkan performa prediksi yang sangat baik dengan nilai Mean Absolute Percentage Error (MAPE) yang rendah dan koefisien determinasi (R²) yang tinggi, baik pada data pelatihan maupun pengujian. Validasi visual melalui scatter plot juga menunjukkan kecocokan yang sangat baik antara data prediksi dan data eksperimen. Simulasi berbasis model SVR, yang divisualisasikan melalui surface plot, tidak hanya mengonfirmasi temuan dari ANOVA tetapi juga mampu mengungkapkan interaksi tersembunyi antar parameter, seperti pengaruh simultan antara kecepatan potong dan kedalaman potong terhadap kekasaran permukaan. Optimasi lebih lanjut menggunakan kombinasi SVR-EO berhasil menemukan parameter pemesinan optimal, yakni v = 143.92 m/menit, f = 0.12 mm/rev., dan d = 0,7 mm, yang menghasilkan nilai Ra = 1,244 µm—lebih rendah dari nilai terbaik eksperimen. Hasil ini membuktikan bahwa pendekatan SVR-EO efektif untuk meningkatkan kualitas, efisiensi, dan keberlanjutan dalam proses pemesinan, serta mencerminkan nilai profesionalisme dalam penerapan teknologi cerdas untuk mendukung praktik manufaktur berkelanjutan.]]>
Copyrights © 2025
