Catatan bukti · UDINUS · SDGs
- Unit
- Rektorat UDINUS
- Periode
- 2025
- Tujuan
- Nomor
- ccda9499-4dae-4227-a42d-e22bbd1d4cd4
- Terbit
- 2026-10-30
Universitas Dian Nuswantoro melaksanakan kegiatan mengenai optimasi berbasis pembelajaran mesin untuk memprediksi kekasaran permukaan pada komponen cetak 3D dengan orientasi vertikal. Kegiatan ini membahas tantangan akurasi pengukuran kekasaran permukaan dalam Additive Manufacturing, ketika pengukuran tradisional berbasis titik dapat gagal menangkap keseluruhan karakteristik permukaan. Kegiatan ini melibatkan Islahudin, Nur; Nugroho, Dony Satriyo; Wijaya, Dewa Kusuma; Amalia; Suprijono, Herwin; Ginta, Turnad Lenggo; Azka, Muizuddin; dan Rahadian, Helmy sebagai peserta.
Kegiatan tersebut mengkaji penggunaan pembelajaran mesin untuk meningkatkan prediksi kekasaran dengan mengintegrasikan analisis berbasis citra dan pengendalian adaptif secara waktu nyata. Rancangan eksperimen faktorial penuh digunakan untuk mengkaji pengaruh kepadatan infill, kecepatan pencetakan, temperatur nozzle, dan tinggi lapisan terhadap kekasaran permukaan komponen cetak yang berorientasi vertikal. Bukti kegiatan menyebutkan dataset dari 81 eksperimen, termasuk data citra kekasaran, yang digunakan untuk menguji dan memvalidasi model XGBoost.
Model yang diusulkan menghasilkan kinerja yang lebih baik dibandingkan pendekatan regresi tradisional. Model pembelajaran mesin mencapai R2 sebesar 97,06% dan Mean Squared Error sebesar 0,1383, sedangkan pendekatan konvensional mencapai R2 sebesar 95,72% dan Mean Squared Error sebesar 0,224. Dalam lingkup kegiatan ini, hasil tersebut menunjukkan potensi optimasi berbasis pembelajaran mesin untuk meningkatkan presisi dan konsistensi dalam Additive Manufacturing. Sumber mengaitkan potensi tersebut dengan penerapan Additive Manufacturing pada industri dirgantara, kesehatan, dan otomotif.
Sejalan dengan Tujuan Pembangunan Berkelanjutan 9, kegiatan ini memberikan bukti penelitian dan inovasi yang berfokus pada peningkatan proses Additive Manufacturing melalui analisis berbasis citra, pengendalian adaptif, rancangan eksperimen, dan validasi XGBoost. Dengan demikian, kegiatan ini mendukung pembingkaian kelembagaan Universitas Dian Nuswantoro sebagai penelitian inovasi dan infrastruktur pada tahun 2025.