ABSTRAK

Ulir pendorong adalah bagian penggerak dari tempat tidur rumah sakit yang  berf  PT.  Mega  Andalan  Kalasan  (MAK)  merupakan  perusahaan  dalam negeri yang bergerak dalam industri alat kesehatan di Indonesia, salah satunya adalah bed rumah sakit. Bed rumah sakit yang diproduksi tersebut mempunyai kemampuan untuk menaikkan dan menurunkan bagian depan dan belakang bed dengan adanya ulir pendorong. Ulir pendorong diproduksi menggunakan mesin CNC Turning dengan steady rest yang memerlukan kepresisian dan akurat. Objek dalam penelitian ini adalah ulir pendorong tipe hi-low supramax bed 73004. Berdasarkan pengamatan, rata-rata defect ulir pendorong adalah 20% yang disebabkan oleh pahat yang sudah aus. Hal ini dikarenakan chatter pada mesin CNC Turning. Berdasarkan permasalahan dari proses produksi ulir pendorong ini dapat diminimalisir dengan menggunakan beberapa parameter seperti seperti spindle speed, depth of cut, coolant dan tool wear. Tujuan dari penelitian ini adalah  untuk  mengurangi  variasi  produk  ulir  dengan  melakukan  eksperimen dalam proses pembuatan ulir pendorong. Eksperimen dilakukan menggunakan metode Taguchi guna mendapatkan proses optimasi yang simultan dengan kasus multirespon yaitu diameter mayor, diameter minor, diameter pitch, dan cycle time. Metode Taguchi multirespon digunakan untuk  eksperimen kasus multi respon dilakukan dengan menggunakan kombinasi metode GRA dan PCA. Penelitian ini menggunakan replikasi sebanyak 3 kali dalam setiap ekspeimen dan orthogonal array dalam eksperimen ini menggunakan kombinasi L9. Hasil eksperimen yang dilakukan  menunjukkan  adanya  penurunan  variansi  respon  ukuran  diameter mayor,  diameter  minor,  diameter  pitch  dengan  rata-rata  dari  0.0145  menjadi
0.0016 dan cycle time yang lebih cepat dari 440 detik menjadi 320 detik menggunakan kombinasi metode GRA dan PCA. Kondisi optimum terjadi pada spindle speed 1200 mm/menit, depth of cut 0,1 mm, coolant 1:30, dan waktu pemakaian pahat 70% pemakaian.

Kata  kunci  :  Proses  Turning  ,  Optimasi,  Grey  Relational  Analysis  (GRA),

Principal Component Analysis (PCA)