Titanium Grade 2 termasuk jenis bahan yang sering dipergunakan di industri, utamanya pada bahan untuk implan biomedis. Titanium Grade 2 mempunyai sifat perbandingan kekakuan terhadap berat yang baik, tahan terhadap korosi dan memiliki sifat biokompatibel yang baik di dalam tubuh. Namun memiliki konduktifitas panas yang rendah, sehingga perlu memilih perameter pemesinan yang tepat untuk menghasilkan nilai kekasaran permukaan yang baik. Penelitian ini bertujuan untuk mengetahui karakteristik Titanium Grade 2 yaitu kekasaran permukaan hasil pemesinan frais. Desain penelitian menggunakan metode Taguchi L9, dengan 2 faktor dan 3 level. Parameter pemesinan yang digunakan ialah putaran spindel 500; 700; 900 rpm dan kecepatan pemakanan 25; 50; 75 mm/menit. Variabel respon yang diteliti ialah kekasaran permukaan. Proses frais dilakukan menggunakan Mesin CNC Dahlih. Kekasaran permukaan diukur menggunakan Mitutoyo surface roughess tester. Analisis data menggunakan analisis ANOVA. Hasil penelitian menunjukan bahwa ada pengaruh variasi parameter pemesinan terhadap respon kekasaran permukaan. Variabel putaran spindel mempunyai p-value sebesar 0,039 dan variabel gerak makan memiliki p-value sebesar 0,025. Hal ini menunjukkan bahwa kedua variabel bebas tersebut memiliki pengaruh yang signifikan terhadap respon kekasaran permukaan. Kekasaran permukaan terendah dapat dicapai dengan pengaturan putaran spindel sebesar 700 rpm dan kecepatan pemakanan sebesar 25 mm/menit. Kata kunci: titanium grade 2, kekasaran permukaan, frais, anova Daftar RujukanBagno, A., & Di Bello, C. (2004). Surface treatments and roughness properties of Ti-based biomaterials. Journal of Materials Science: Materials in Medicine. https://doi.org/10.1023/B:JMSM.0000042679.28493.7fBruce, 2011. (2013). Analisis Kekasaran Permukaan Dan Getaran Pada Pemesinan Bubut Menggunakan Pahat Putar Modular (Modular Rotary Tools) Untuk Material Titanium 6Al-4V Eli. Journal of Chemical Information and Modeling. https://doi.org/10.1017/CBO9781107415324.004Davim, J. P. (2011). Machining of hard materials. Machining of Hard Materials. https://doi.org/10.1007/978-1-84996-450-0Ganguli, S., & Kapoor, S. G. (2016). Improving the performance of milling of titanium alloys using the atomization-based cutting fluid application system. Journal of Manufacturing Processes. https://doi.org/10.1016/j.jmapro.2016.05.011Karkalos, N. E., Galanis, N. I., & Markopoulos, A. P. (2016). Surface roughness prediction for the milling of Ti-6Al-4V ELI alloy with the use of statistical and soft computing techniques. Measurement: Journal of the International Measurement Confederation. https://doi.org/10.1016/j.measurement.2016.04.039Kiswanto, G., Mandala, A., Azmi, M., & Ko, T. J. (2020). The effects of cutting parameters to the surface roughness in high speed cutting of micro-milling titanium alloy ti-6al-4v. Key Engineering Materials, 846 KEM, 133–138. https://doi.org/10.4028/www.scientific.net/KEM.846.133Mufarrih, A., Istiqlaliyah, H., & Ilha, M. M. (2019). Optimization of Roundness, MRR and Surface Roughness on Turning Process using Taguchi-GRA. In Journal of Physics: Conference Series. https://doi.org/10.1088/1742-6596/1179/1/012099Nithyanandam, J., Das, S. L., & Palanikumar, K. (2015). Inluence of Cutting Parameters in Machining of Titanium Alloy. Indian Journal of Science and Technology, 8(8), 556–562. https://doi.org/10.17485/ijst/2015/v8i/71291Oshida, Y. (2012). Bioscience and Bioengineering of Titanium Materials: Second Edition. Bioscience and Bioengineering of Titanium Materials: Second Edition. https://doi.org/10.1016/C2011-0-07805-5Setyowidodo, I., Sutanto, S., Mufarrih, A., & Sholehah, I. M. (2020). Exhaust temperature and peltier element optimization of thermoelectric generator output. In IOP Conference Series: Materials Science and Engineering. https://doi.org/10.1088/1757-899X/850/1/012007Shucai, Y., Chunsheng, H., & Minli, Z. (2019). A prediction model for titanium alloy surface roughness when milling with micro-textured ball-end cutters at different workpiece inclination angles. International Journal of Advanced Manufacturing Technology. https://doi.org/10.1007/s00170-018-2852-6Soepangkat, B. O. P., Pramujati, B., Effendi, M. K., Norcahyo, R., & Mufarrih, A. M. (2019). Multi-objective Optimization in Drilling Kevlar Fiber Reinforced Polymer Using Grey Fuzzy Analysis and Backpropagation Neural Network–Genetic Algorithm (BPNN–GA) Approaches. International Journal of Precision Engineering and Manufacturing. https://doi.org/10.1007/s12541-019-00017-zTapiero, H., Townsend, D. M., & Tew, K. D. (2003). Trace elements in human physiology and pathology. Copper. Biomedicine and Pharmacotherapy. https://doi.org/10.1016/S0753-3322(03)00012-XThepsonthi, T., & Özel, T. (2012). Multi-objective process optimization for micro-end milling of Ti-6Al-4V titanium alloy. International Journal of Advanced Manufacturing Technology. https://doi.org/10.1007/s00170-012-3980-zWennerberg, A., & Albrektsson, T. (2009). Effects of titanium surface topography on bone integration: A systematic review. Clinical Oral Implants Research. https://doi.org/10.1111/j.1600-0501.2009.01775.x