Optimasi Cranking Ampere Aki Di P.T. X

Ukuran: px
Mulai penontonan dengan halaman:

Download "Optimasi Cranking Ampere Aki Di P.T. X"

Transkripsi

1 JURNAL TEKNIK MESIN Vol. 3, No., Oktober 001: Optimasi Crakig Ampere Aki Di P.T. X Didik Wahjudi Dose Fakultas Tekologi Idustri Jurusa Tekik Mesi Uiversitas Kriste Petra Abstrak Produk aki di P.T. X memiliki crakig ampere 1 CA sehigga tidak bisa memeuhi permitaa pasar Jepag, Eropa da Amerika yag mempersyaratka crakig ampere miimal 75 CA. Dega megguaka diagram tulag ika didapat faktor-faktor yag diduga berpegaruh terhadap crakig ampere aki. Perusahaa memilih faktor-faktor yag bisa dieksperimetasika. Faktor-faktor yag dipilih berjumlah 4 faktor da masig-masig faktor memiliki 3 level, yaitu: iterval waktu chargig (30 meit, 60 meit, 90 meit), tebal plat sel (1, mm, 1,4 mm, 1,6 mm), persetase kemuria baha (96%, 97%, 98%), da besar kuat arus chargig (160 A, 170 A, 180 A). Dari data tersebut, dilakuka kombiasi percobaa dega megguaka matriks ortogoal yag merupaka salah satu lagkah dari metode Taguchi. Dari hasil aalisa didapatka hasil kombiasi terbaik ialah iterval waktu chargig 60 meit, tebal plat sel 1,4 mm, persetase kemuria baha 98%, da besar kuat arus chargig 180 A yag dapat meigkatka crakig ampere higga mecapai 78 CA. Uji verifikasi membuktika bahwa crakig ampere sebesar 78 tersebut dapat dicapai. Kata kuci: optimasi, crakig ampere, metode Taguchi. Abstract Accumulator products of P.T. X that have accumulator of 1 CA ca ot fulfil Japaese, Europe ad U.S. stadards that require miimum crakig ampere of 75 CA. By usig fishboe diagram suspected affectig factors to accumulator crakig ampere are obtaied. Compay chooses factors that are allowed to be experimeted. There are 4 chose factors. Each factors has 3 levels that are chargig time iterval (30 miutes, 60 miutes, 90 miutes), cell plate thickess (1. mm, 1.4 mm, 1,6 mm), material purity percetage (96%, 97%, 98%), ad chargig curret (160 A, 170 A, 180 A). From the data, the experimet combiatio is doe by usig orthogoal array that is oe of the Taguchi's method steps. From the aalysis the best combiatio is obtaied that is chargig time iterval of 60 miutes, cell plate thickess of 1.4 mm, material purity percetage of 98%, ad chargig curret of 180 A. This combiatio ca icrease crakig ampere to 78 CA. Verificatio test proves that crakig ampere of 78 CA ca be attaied. Keywords: optimizatio, crakig ampere, Taguchi method. H0 H1 MS MSe xi SS SSe SSm SST SS x y Daftar Notasi Hipotesis ol (hipotesis yaag diigika) Hipotesis alteratif Mea of Square suatu faktor Mea of Square Error jumlah seluruh percobaa Jumlah muculya tiap level faktor dalam suatu kolom matriks orthogoal Sum of Square suatu faktor Sum of Square due to error Sum of square due to mea Total Sum of Square Pure Sum of Square Faktor data percobaa Catata : Diskusi utuk makalah ii diterima sebelum taggal 1 Februari 00. Diskusi yag layak muat aka diterbitka pada Jural Tekik Mesi Volume 4 Nomor 1 April 00. y ρ η θ rata rata seluruh percobaa Perse Kotribusi Sigal to Noise Ratio faktor yag diuji 1. Pedahulua Stadar pegukura kualitas aki yag biasa diguaka adalah crakig ampere, yaitu bayakya arus yag dapat diberika oleh aki dalam 30 detik pada 3 C higga voltase aki turu mejadi +7,0 Volt. Hal ii merupaka stadar Eropa utuk jeis aki 1 Volt. Utuk memeuhi permitaa pasar di dalam egeri da sebagia egara Asia kecuali Jepag, P.T. X telah dapat memeuhi kualifikasi crakig ampere utuk aki yag dipersyaratka. Tetapi, 70

2 OPTIMASI CRANKING AMPERE AKI DI P.T. X (Didik Wahjudi) crakig ampere yag dihasilka masih sagat bervariasi da kadag-kadag di bawah stadar Eropa, Jepag da Amcrika, sehigga tidak bisa meembus pasar di saa. Tujua dari peelitia ii adalah utuk megetahui faktorfaktor yag secara sigifika mempegaruhi crakig ampere serta megatur besar faktorfaktor tersebut agar diperoleh crakig ampere yag setiggi-tiggiya..1 Metode Taguchi. Ladasa Teori Utuk mecapai produk yag bermutu, faktor-faktor yag mempegaruhi kierja selama operasi harus ditetuka dalam proses peracaga awal. Peracaga dega metode Taguchi ii memberi iformasi bagaimaa racaga parameter yag berbeda mempegaruhi hasil kerja di bawah kodisi yag berbeda. Metode Taguchi adalah metodologi tekik utuk merekayasa/memperbaiki produktivitas selama tahap pegembaga supaya produk-produk yag berkualitas tiggi dapat dihasilka dega cepat da dega biaya redah. Metode Taguchi berprisip pada perbaika mutu dega memperkecil akibat dari variasi tapa meghilagka peyebabya. Hal ii utuk membuat ujuk kerja (performace) kebal terhadap berbagai peyebab variasi suatu proses. Metode Taguchi dapat diaplikasika diberbagai persoala yag meliputi bidag elektroika, tekologi iformasi, proses idustri da masih bayak lagi.. Fugsi Kerugia Mutu Fugsi kerugia mutu ii dimaksudka utuk meghitug kerugia mutu yag terjadi. Bila produk yag dihasilka medekati target, maka mutu yag dihasilka semaki baik da kerugia yag dihasilka semaki kecil. Bila mutu yag dihasilka semaki jauh dari target maka kerugiaa yag dialami aka semaki besar. Fugsi ii terdiri dari 3 macam jeis, yaitu: a. Jeis semaki kecil semaki baik (smaller the better) Jeis ii diguaka bilamaa karakteristik mutuya tidak egatif, idealya ol. b. Jeis omial terbaik (omial the best) Jeis ii diguaka bilamaa karakteristik mutu mempuyai ilai target tertetu. c. Jeis semaki besar semaki baik (larger the better) Jeis ii diguaka bilamaa karakteristik mutu yag dikehedaki sebesar mugki..3 Parameter-Parameter yag Terkait Parameter-parameter yag terkait dalam suatu proses produksi adalah: a. Faktor Siyal Faktor ii adalah parameter yag diatur utuk meetuka ilai respo produk yag diigika. b. Faktor Noise (Ucotrollable Factor) Faktor ii termasuk parameter yag tidak dapat dikedalika oleh peracag, atau bobotya dalam ligkuga sulit atau mahal utuk dikedalika. c. Faktor Kedali (Cotrollable Factor) Faktor ii termasuk parameter yag dapat ditetuka secara bebas oleh peracag dalam ilai terbaik parameter tersebut. Bila ilai tiap faktor kedali tertetu diubah maka karakteristik mutu dapat pula berubah..4 SNR (Sigal to Noise Ratio) SNR (Sigal to Noise Ratio) adalah logaritma dari suatu fugsi kerugia kuadratik. SNR ii diguaka utuk megevaluasi kualitas dari suatu produk. SNR megukur tigkat ujuk kerja da efek dari faktor oise dari ujuk kerja tersebut da juga megevaluasi stabilitas ujuk kerja dari karakteristik output. Semaki tiggi ujuk kerja yag diukur dega tiggiya SNR sama dega kerugia yag megecil. SNR adalah ukura obyektif dari kualitas yag memuat baik mea da varia dalam perhituga. Ada beberapa jeis SNR, yaitu: Semaki kecil semaki baik (smaller-thebetter) η = 10 log 10 y + σ (1) σ = ( y i y) i= 1 1 ( ) Nomial terbaik (omial-the-best) η = 10 log 10 µ σ Semaki besar semaki baik (larger-thebetter) 1 1 η = 10 log 10 (4) i= 1 y i () (3) 71

3 JURNAL TEKNIK MESIN Vol. 3, No., Oktober 001: Matriks Orthogoal Pegguaa matriks orthogoal dalam metode Taguchi mampu mereduksi jumlah eksperime secara sigifika da dapat mempelajari sejumlah besar variabel keputusa dega sedikit eksperime. Dalam matriks orthogoal ii diaggap tidak terjadi iteraksi atara faktor-faktor kedali, sehigga pemiliha faktor kedali yag diguaka tidak boleh megadug hubuga iteraksi atara faktor yag satu dega yag lai. Dega aggapa ii maka jumlah eksperime dapat direduksi. Pada matriks orthogoal setiap kolomya mewakili faktor kedali, sedagka setiap barisya mewakili keadaa dari faktor (level faktor kedali). Iformasi megeai matriks orthogoal dapat diketahui dari peulisa ama matriks orthogoal. Adapu peulisa matriks orthogoal adalah sebagai berikut: ( 4 L ) 9 3 4, mejelaska jumlah kolom 3, mejelaska jumlah level 9, mejelaska jumlah baris Gambar 1. Notasi dari Matriks Orthogoal a. Notasi L meujukka bahwa iformasi dalam betuk matriks orthogoal. b. Jumlah baris meujukka jumlah percobaa yag dibutuhka. Utuk meghitug jumlah baris, diguaka rumus: df (MO) = jumlah Faktor x df level Jumlah baris = df (MO) + 1 dimaa: df (MO) = degree of freedom dari matriks orthogoal. Jumlah Faktor = jumlah faktor yag aka diguaka df level = jumlah level 1 c. Jumlah level meujukka jumlah level yag dipakai. d. Jumlah kolom meujukka jumlah faktor yag dipakai pada matriks orthogoal. Dega megguaka matriks orthogoal, dari data hasil percobaa diperoleh rata-rata respo dari tiap level dari tiap faktor. Ratarata respo didapatka dega mejumlahka data yag mempuyai faktor da level yag sama kemudia dibagi dega jumlah data, sehigga pada akhirya aka didapatka rata-rata respo dari berbagai faktor dega berbagai level. Sedag efek tiap faktor, dapat dicari dega meguragka rata-rata respo palig besar dega rata-rata respo palig kecil (dari faktor yag sama). Dari perhituga aka didapatka efek dari tiap-tiap faktor..6 Aalisa Varia Lagkah-lagkah perhituga dalam ANOVA adalah sebagai berikut: Meghitug Sum of Square due to Mea (SSm) dega rumus: SS m = * y (5) Meghitug Sum of Square (SS) suatu faktor dega rumus: ( ( xi *xi )) SSm SS= (6) Meghitug Total Sum of Square (SST) dega rumus: SST = y SSm (7) Meghitug Sum of Square due to error (SSe) dega rumus: SSe = SST - SS (8) Meghitug Mea of Square (MS) dega rumus: SS MS = (9) df Meghitug F-Ratio, dega rumus: MS F Ratio = (10) MS e Meghitug Pure Sum of Square (SS ) dega rumus: SS = SS - (df x MSe) (11) Meghitug Pure Sum of Square Error (SSe ) dega rumus: SSe = SST - SS (1) Meghitug Perse kotribusi (ρ) dega rumus: ρ = ( SS /SST ) x 100 % (13).7 Uji Hipotesa Pegujia hipotesa secara statistik merupaka suatu peryataa megeai faktor yag megikuti suatu distribusi probabilitas tertetu. Faktor yag diuji dibadigka dega suatu ilai yag tertetu atau faktor yag sama pada level yag berbeda. H0: θ1 = θ H1: θ1 θ Pegujia hipotesa dapat juga megguaka hipotesis alteratif dua sisi yag bertujua utuk meguji hipotesa seperti: H1: θ1 < θ atau H: θ1 > θ 7

4 OPTIMASI CRANKING AMPERE AKI DI P.T. X (Didik Wahjudi) Dari pegujia hipotesa ii dilakuka uji statistik sehigga dapat ditarik kesimpula utuk meolak atau gagal meolak H0. 3. Lagkah-Lagkah Percobaa 3.1 Racaga Eksperime Dari faktor-faktor terkotrol yag diperoleh melalui fishboe diagram da aalisaya, serta pertimbaga berdasarka pegalama dari pihak perusahaa, dapat diambil beberapa variabel, yaitu: Variabel respo, yaitu: crakig ampere, yag bisa didapatka dari megukur produk aki dega crakig meter utuk setiap kombiasi produk sampel. Variabel bebas/faktor yag terpilih adalah: a. Iterval Waktu Chargig (meit): Stadar pabrik: 60 meit, jumlah level: 3 Yag diuji: 30 meit, 60 meit (1 jam), da 90 meit (1,5 jam). b. Tebal plat sel (mm): Stadar pabrik: 1,4 mm, jumlah level: 3 Yag djuji: 1, mm, 1,4 mm, da 1,6 mm. c. Persetase kemuria baha (%): Stadar pabrik: 96%, jumlah level: 3 Yag diuji: 96%, 97%, da 98%. d. Kuat arus chargig (A): Stadar pabrik: 160A, jumlah level: 3 Yag diuji: 160 A, 170 A, da 180 A. Dalam eksperime ii diguaka 4 faktor dega racaga 3 level. Dari jumlah level da faktor yag ada, dapat ditetuka jumlah kolom utuk matriks orthogoal. Jumlah kolom dihitug dega rumus sebagai berikut: Jumlah faktor = 4 Jumlah level = 3 df level = (jumlah level) - 1 = 3-1 = df.matriks orthogoal = jumlah faktor x df = 4 x = 8 Jumlah baris = df.matriks orthogoal + 1 = = 9 Jumlah baris meujukka jumlah percobaa yag dilakuka. Ru ii direplikasi (diulag percobaaya) sebayak 3 kali, sehigga total eksperime yag aka dilakuka adalah 7. Kode level beserta ilai-ilai dari kode level tersebut ditujukka pada Tabel 1. Tabel 1. Kode Level Nilai Variabel Faktor Kode 1 3 Iterval Waktu Chargig (meit) A Tebal plat sel (mm) B 1, 1,4 1,6 Persetase kemumia baha (%) C Besar arus chargig (A) D Prosedur Percobaa Lagkah-lagkah yag dilakuka dalam pegambila data adalah sebagai berikut: a. Melakuka pembuata mole dari timah dega persetase yag berbeda-beda sesuai dega data yag aka diuji yaitu 96%, 97%, da 98%. b. Melakuka pembuata ram dega cetaka yag berbeda sesuai dega ketebala yag aka diuji, yaitu 1, mm, 1,4 mm, da 1,6 mm. c. Membuat pasta dega masig-masig serbuk timah yag sudah dibuat sebelumya. d. Membuat plat-plat sel dega cara melapisi ram dega ketebala yag berbeda-beda dega megkombiasika pasta yag berbeda pula yag sesuai dega data utuk percobaa. e. Melakuka proses chargig dega kombiasi yag sesuai dega racaga percobaa. f. Meadai plat-plat set yag sudah jadi, kemudia meragkaiya mejadi uit-uit aki. g. Uit-uit aki tersebut kemudia dites dega crakig meter. h. Mecatat data hasil eksperime berupa crakig ampere aki. 3.3 Data Hasil Eksperime Data hasil eksperime dapat dilihat pada Tabel, dega variabel bebas berupa iterval waktu chargig (T), tebal plat sel (T), persetase kemuria baha (P), da arus chargig (I), serta respo berupa crakig ampere (R). Tabel. Data Hasil Percobaa Exp. No. Faktor T (mi) W (mm) P (%) I (A) R 1 (CA) R (CA) R 3 (CA) , , , , , , , , , Aalisa da Data Pembahasa 4.1 Pegolaha Data Dari Tabel dihitug rata-rata, stadard deviasi (σ) serta SNR dari data percobaa sehigga didapat Tabel 3. Cotoh perhituga utuk Tabel 3 adalah sebagai berikut: 73

5 JURNAL TEKNIK MESIN Vol. 3, No., Oktober 001: y y = y = 3 y = SNR = 10log ( i= 1 yi 1 1 = 10 log ( *( SNR = ) Tabel 3. Rata-rata ( y ) da SNR 1 19 R1 R R3 y SNR Data dari peelitia ii aka diaalisa dega empat cara, yaitu: Perhituga efek dari mea Perhituga efek dari SNR Perhituga efek dari tiap faktor utuk tiap replikasi Perhituga aalisa varia (ANOVA) Perhituga Efek Dari Mea Data dari Tabel 3 kemudia dilakuka perhituga utuk membuat Tabel 4, yaitu Tabel Efek Dari Mea. Adapu cotoh perhituga utuk Tabel 4 adalah sebagai berikut: Rata-rata respo utuk A1: A1 = 3 = 3.67 Efek utuk faktor A: Efek faktor A = rata-rata respo terbesar rata-rata respo terkecil = = Tabel 4. Tabel Efek dari Mea A B C D Level Level Level Efek Rak Optimum A B C3 D3 )) Dari rata-rata respo tiap faktor dipilih yag ilaiya palig besar utuk disaraka sebagai racaga usula karea karakteristik mutu crakig ampere adalah jeis larger-the-better. Dari Tabel 4 didapat racaga usula A, B, C3, da D3. Perhituga Efek dari SNR Cotoh perhituga utuk Tabel 5 adalah sebagai berikut: Rata-rata SNR utuk A1: A 1 = ( ) / 3 = Efek SNR utuk faktor A = rata-rata SNR terbesar rata-rata SNR terkecil; = = 0.75 Tabel 5. Tabel Efek dari SNR A B C D Level Level Level Efek Rak Optimum A B C3 D3 Dari efek SNR tiap-tiap faktor dapat dilihat urut-uruta pegaruh dari tiap-tiap faktor mulai yag kecil sampai yag besar. Dari efek SNR tiap faktor dipilih yag ilaiya terbesar utuk disaraka sebagai racaga usula sesuai dega karakteristik mutu larger-thebetter. Dari Tabel 5 didapat racaga usula yag sama dega Tabel 4, yaitu A, B, C3, da D3. Perhituga Efek Tiap Faktor utuk Tiap Replikasi Lagkah pertama dari perhituga ii ialah mecari rata-rata respo dari tiap level faktor utuk tiap replikasi. Sebagai cotoh, perhituga rata-rata respo utuk lavel 1 dari faktor A pada replikasi 1 adalah: A 1R1= ( ) / 3 = 3.33 Hasil perhituga ditampilka pada Tabel 6. Dari Tabel 6 dihitug besar efek tiap faktor utuk tiap replikasi, yaitu dega meguragka ilai respo terkecil dari ilai respo terbesar utuk setiap faktor da level. Hasil perhituga besar efek tiap faktor utuk tiap replikasi ditampilka pada Tabel 7. Dari Tabel 7 didapat racaga usula yag sama dega Tabel 4 da Tabel 5, yaitu A, B, C3, da D3 74

6 OPTIMASI CRANKING AMPERE AKI DI P.T. X (Didik Wahjudi) Tabel 6. Respo Tiap Faktor utuk Tiap Replikasi Kelas Faktor R1 R R3 Level A A B B C C D D3 Tabel 7. Efek Tiap Faktor utuk Tiap Replikasi Faktor R1 R R3 Rakig A B C D Perhituga Aalisa Varia (ANOVA) Dega memakai peragkat luak statistik didapat tabel aalisa varia yag ditujukka pada Tabel 8. Perse kotribusi (ρ) dihitug dega cara sebagai berikut: ρ = (SS / SST) x 100 % ρa = (, / 13,16.963) x 100 % = % Tabel 8. Aalisa Varia Source SS MS F-ratio SS r (%) A, , , B 1, , C 8, , , , D Error Total 13, , Dari Tabel Aalisa Varia di atas dapat dilihat bahwa semua faktor yag dipilih memag secara sigifika mempegaruhi crakig ampere. Hal ii didapat dega membadigka F-ratio hasil perhituga dega F-ratio dari tabel dega megguaka α = 5%. Dari tabel F utuk α = 5%, ν1 =, da ν = 18 didapat F0.05,, 18 = Agka ii jauh lebih kecil dibadigka dega F-ratio hitug masig-masig faktor. Rakig perse kotribusi dari tiap faktor meujukka tigkat pegaruh yag sama dega hasil-hasil perhituga sebelumya. Tabel 9 memberika rigkasa perbadiga dari ke-empat cara perhituga yag telah dilakuka. Tabel 9. Rakig Pegaruh Tiap Faktor Rakig Mea SNR Replikasi Perse Kotribusi 1 C C C C A A A A 3 B B B B 4 D D D D 4. Uji Verifikasi Setelah racaga optimal ditetuka maka harus diketahui pula prediksi respo dari racaga optimal tersebut. Kemudia barulah eksperime verifikasi dilakuka utuk membadigka hasilya dega prediksi respo. Jika prediksi respo da hasil eksperime verifikasi cukup dekat satu sama lai maka kita dapat meyimpulka racaga cukup memadai. Sebalikya jika hasil eksperime verifikasi berbeda jauh dari hasil prediksi maka dapat dikataka racaga belum memadai. Utuk racaga usula (A B C3 D3), besar prediksi rata-rata proses adalah: µprediksi = A + B + C + D 3 x y = (3 x ) = Setelah diketahui prediksi hasilya, eksperime verifikasi dilakuka utuk membuktika apakah prediksi hasil tersebut bisa tercapai. Hasil dari uji verifikasi diberika pada Tabel 10. Tabel 10. Tabel Hasil EksperimeVerifikasi No Hasil Eksperime Rata-rata 78 Stadar deviasi Utuk membadigka hasil eksperime verifikasi dega prediksi respo, dilakuka uji hipotesa sebagai berikut: H0: µ = µo H1: µ µo dimaa: µ = µverifikasi µo = µprediksi = Syarat peolaka H0 adalah t0 > t α/, ν x µ 0 t 0 = s / t 0 = / 3 to = Utuk α = 5 %, da ν = 3-1 = t 0.05, = < t α/, ν (gagal tolak Ho) 75

7 JURNAL TEKNIK MESIN Vol. 3, No., Oktober 001: Jadi tidak cukup bukti utuk meolak bahwa hasil eksperime verifikasi sama dega prediksi. 5. Kesimpula Dari hasil peelitia yag telah dilakuka, dapat disimpulka beberapa hal, atara lai: Hasil uji hipotesa perbadiga hasil eksperime verifikasi baik dega prediksi maupu dega kodisi awal, pegguaa metode Taguchi dapat meigkatka crakig ampere. Racaga usula yag diusulka kepada pihak perusahaa adalah: - Iterval waktu chargig : 60 meit - Tebal plat : 1,4 mm - Persetase kemuria baha : 98 % - Kuat arus chargig : 180 A Racaga usula tersebut terbukti dapat meghasilka crakig ampere rata-rata sebesar 78 CA. Daftar Pustaka 1. Bagchi, Tapa P., Taguchi Method Explaied: Practical Steps to Robust Desig, New Delhi: Pretice-Hall, Motgomery, D.C., Statistical Quality Desig & Cotrol: Cotemporary Cocepts ad Methods, New York: Mac Mila Publishig Compay, Phadke, Madhav S., Quality Egieerig Usig Robust Desig, New Jersey: Pretice Hall, Locher, Robert H., ad Joseph E. Matar, Desigig for Quality: a Itroductio to the Best of Taguchi's & Wester Methods of Statistical Experimetal Desig. New York: Quality Resources, Belavedram, Nicolo, Quality by Desig: Taguchi Techiques for Idustrial Experimetatio, Lodo: Pretice Hall Iteratioal, Bhattacharya, Gouri K., ad Richard A. Johso, Statistical Cocepts ad Methods, Sigapore: Joh Wiley & Sos,

Studi Kasus Optimasi Proses Sizing Benang di P.T. XYZ

Studi Kasus Optimasi Proses Sizing Benang di P.T. XYZ Studi Kasus Optimasi Proses Sizig Beag di P.T. XYZ Didik Wahjudi Dose Jurusa Tekik Mesi-Fakultas Tekologi Idustri, Uiversitas Kriste Petra Ceter for Quality Improvemet Jl. Siwalakerto -, Surabaya 609 dwahjudi@peter.petra.ac.id

Lebih terperinci

Bab III Metoda Taguchi

Bab III Metoda Taguchi Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.

Lebih terperinci

PERBANDINGAN METODE 2 K-P FRACTIONAL FACTORIAL DENGAN METODE TAGUCHI PADA PROSES PEMBUATAN FIBER GLASS

PERBANDINGAN METODE 2 K-P FRACTIONAL FACTORIAL DENGAN METODE TAGUCHI PADA PROSES PEMBUATAN FIBER GLASS PERBANDINGAN METODE 2 K-P FRACTIONAL FACTORIAL DENGAN METODE TAGUCHI (Jai Rahardjo et al.) PERBANDINGAN METODE 2 K-P FRACTIONAL FACTORIAL DENGAN METODE TAGUCHI PADA PROSES PEMBUATAN FIBER GLASS Jai Rahardjo

Lebih terperinci

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-31

JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-31 JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 202) ISSN: 230-928X D-3 Optimasi Multirespo Metode Taguchi dega Pedekata Quality Loss Fuctio (Study Kasus Proses Pembakara CO da Temperatur Gas Buag Pada Boiler

Lebih terperinci

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,

Lebih terperinci

Penyelesaian: Variables Entered/Removed a. a. Dependent Variable: Tulang b. All requested variables entered.

Penyelesaian: Variables Entered/Removed a. a. Dependent Variable: Tulang b. All requested variables entered. 2. Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a) Hitug Sum of Square for Regressio (X) b) Hitug Sum of Square for Residual c) Hitug Meas Sum of Square for Regressio (X) d) Hitug

Lebih terperinci

Nama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL

Nama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL Nama : INDRI SUCI RAHMAWATI NIM : 2015-32-005 ANALISIS REGRESI SESI 01 HAL. 86-88 Latiha 2 Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a. Hitug Sum of Square for Regressio (X) b.

Lebih terperinci

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA. Langkah Langkah Dalam Pengolahan Data

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA. Langkah Langkah Dalam Pengolahan Data BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Metode Pegolaha Data Lagkah Lagkah Dalam Pegolaha Data Dalam melakuka pegolaha data yag diperoleh, maka diguaka alat batu statistik yag terdapat pada Statistical

Lebih terperinci

Optimasi Proses Injeksi dengan Metode Taguchi

Optimasi Proses Injeksi dengan Metode Taguchi JURNAL TEKNIK MESIN Vol. 3, No. 1, April 001: 4 8 Optimasi Proses Injeksi dengan Metode Taguchi Didik Wahjudi, Gan Shu San Dosen Fakultas Teknologi Industri Jurusan Teknik Mesin Universitas Kristen Petra

Lebih terperinci

Rekayasa Mutu Besi Beton dengan Metode Taguchi

Rekayasa Mutu Besi Beton dengan Metode Taguchi JURNAL TEKNIK MESIN Vol., No., Oktober 000: 0 08 Rekayasa Mutu Besi Beto dega Metode Taguchi Didik Wahjudi Dose Fakultas Tekologi Idustri Jurusa Tekik Mesi Uiversitas Kriste Petra Roche Alimi Dose Fakultas

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur 0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH 89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas

Lebih terperinci

DIKTAT KULIAH PENGENDALIAN & PENJAMINAN KUALITAS (IE-501)

DIKTAT KULIAH PENGENDALIAN & PENJAMINAN KUALITAS (IE-501) DIKTAT KULIAH PENGENDALIAN & PENJAMINAN KUALITAS (IE-50) TOPIK 7: TAGUCHI PARAMETER DESIGN Diktat ii diguaka bagi mahasiswa Jurusa Tekik Idustri Fakultas Tekik Uiversitas Kriste Maraatha Disusu oleh: Ir.

Lebih terperinci

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I 7 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas XI IPA SMA Negeri I Kotaagug Tahu Ajara 0-03 yag berjumlah 98 siswa yag tersebar dalam 3

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 31 Flowchart Metodologi Peelitia BAB III METODOLOGI PENELITIAN Gambar 31 Flowchart Metodologi Peelitia 18 311 Tahap Idetifikasi da Peelitia Awal Tahap ii merupaka tahap awal utuk melakuka peelitia yag

Lebih terperinci

Nama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL

Nama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL Nama : INDRI SUCI RAHMAWATI NIM : 2015-32-005 ANALISIS REGRESI SESI 01 HAL. 85-88 Latiha 1 Pelajari data dibawah ii, tetuka depede da idepedet variabel serta a. Hitug Sum of for Regressio (X) b. Hitug

Lebih terperinci

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas I MIA SMA Negeri 5 Badar Lampug Tahu Pelajara 04-05 yag berjumlah 48 siswa. Siswa tersebut

Lebih terperinci

3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian

3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian 19 3 METODE PENELITIAN 3.1 Keragka Pemikira Secara rigkas, peelitia ii dilakuka dega tiga tahap aalisis. Aalisis pertama adalah megaalisis proses keputusa yag dilakuka kosume dega megguaka aalisis deskriptif.

Lebih terperinci

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika Wed 6/0/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato tatistika Deskriptif Iferesi Estimasi Uji Hipotesis Titik Retag Estimasi da Uji Hipotesis Dilakuka setelah peelitia dalam tahap pegambila suatu

Lebih terperinci

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan.

III. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan. 9 III. METODOLOGI PENELITIAN A. Populasi Da Sampel Peelitia ii dilaksaaka di MTs Muhammadiyah Natar Lampug Selata. Populasiya adalah seluruh siswa kelas VIII semester geap MTs Muhammadiyah Natar Tahu Pelajara

Lebih terperinci

BAB IV PEMBAHASAN DAN ANALISIS

BAB IV PEMBAHASAN DAN ANALISIS BAB IV PEMBAHASAN DAN ANALISIS 4.1. Pembahasa Atropometri merupaka salah satu metode yag dapat diguaka utuk meetuka ukura dimesi tubuh pada setiap mausia. Data atropometri yag didapat aka diguaka utuk

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3.1 Metode Pegumpula Data Dalam melakuka sebuah peelitia dibutuhka data yag diguaka sebagai acua da sumber peelitia. Disii peulis megguaka metode yag diguaka utuk melakuka pegumpula

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 36 BAB III METODE PENELITIAN A. Racaga Peelitia 1. Pedekata Peelitia Peelitia ii megguaka pedekata kuatitatif karea data yag diguaka dalam peelitia ii berupa data agka sebagai alat meetuka suatu keteraga.

Lebih terperinci

Pengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)

Pengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD) Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Tujua Peelitia Peelitia ii bertujua utuk megetahui apakah terdapat perbedaa hasil belajar atara pegguaa model pembelajara Jigsaw dega pegguaa model pembelajara Picture ad Picture

Lebih terperinci

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu

Lebih terperinci

BAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and

BAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and BAB III METODE PENELITIAN A. Jeis Peelitia Jeis peelitia ii adalah peelitia pegembaga (research ad developmet), yaitu suatu proses peelitia utuk megembagka suatu produk. Produk yag dikembagka dalam peelitia

Lebih terperinci

BAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.

BAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014. BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek

Lebih terperinci

MATHunesa Jurnal Ilmiah Matematika Volume 1 No.6 Tahun 2017 ISSN

MATHunesa Jurnal Ilmiah Matematika Volume 1 No.6 Tahun 2017 ISSN MATHuesa Jural Ilmiah Matematika Volume No.6 Tahu 207 ISSN 230-95 DESAIN EKSPERIMEN TAGUCHI DALAM OPTIMASI KUAT TEKAN BATU BATA edik Adika PROGRAM STUDI S- MATEMATIKA, AKULTAS MATEMATIKA DAN ILMU PENGETAHUAN

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 3 BAB III METODOLOGI PENELITIAN A. Metode Peelitia Metode yag diguaka dalam peelitia ii adalah metode kuatitatif dega eksperime semu (quasi eksperimet desig). Peelitia ii melibatka dua kelas, yaitu satu

Lebih terperinci

APLIKASI METODE TAGUCHI DALAM PENGENDALIAN KUALITAS PRODUKSI

APLIKASI METODE TAGUCHI DALAM PENGENDALIAN KUALITAS PRODUKSI APLIKASI METODE TAGUCHI DALAM PENGENDALIAN KUALITAS PRODUKSI Ermawati ), Hartati ) )Dose Jurusa Matematika, )Mahasiswa Jurusa Matematika Fakultas Sais da Tekologi UIN Alauddi Makassar Abstract: The grocery

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 38 BAB III METODOLOGI PENELITIAN A. Metode Peelitia Metode peelitia adalah suatu cara ilmiah utuk medapatka data dega tujua tertetu. Peelitia yag megagkat judul Efektivitas Tekik Permaia Pioy Heyo dalam

Lebih terperinci

BAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua

BAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua BAB IV METODE PENELITlAN 4.1 Racaga Peelitia Racaga atau desai dalam peelitia ii adalah aalisis komparasi, dua mea depede (paired sample) yaitu utuk meguji perbedaa mea atara 2 kelompok data. 4.2 Populasi

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. Sebelum melakukan deteksi dan tracking obyek dibutuhkan perangkat

BAB IV HASIL DAN PEMBAHASAN. Sebelum melakukan deteksi dan tracking obyek dibutuhkan perangkat BAB IV HASIL DAN PEMBAHASAN 4.1 Kebutuha Sistem Sebelum melakuka deteksi da trackig obyek dibutuhka peragkat luak yag dapat meujag peelitia. Peragkat keras da luak yag diguaka dapat dilihat pada Tabel

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu

Lebih terperinci

III. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011

III. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011 III. METODE PENELITIAN A. Latar Peelitia Peelitia ii merupaka peelitia yag megguaka total sampel yaitu seluruh siswa kelas VIII semester gajil SMP Sejahtera I Badar Lampug tahu pelajara 2010/2011 dega

Lebih terperinci

A. Pengertian Hipotesis

A. Pengertian Hipotesis PENGUJIAN HIPOTESIS A. Pegertia Hipotesis Hipotesis statistik adalah suatu peryataa atau dugaa megeai satu atau lebih populasi Ada macam hipotesis:. Hipotesis ol (H 0 ), adalah suatu hipotesis dega harapa

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa

Lebih terperinci

Metode Bootstrap Persentil Pada Sensor Tipe II Berdistribusi Eksponensial

Metode Bootstrap Persentil Pada Sensor Tipe II Berdistribusi Eksponensial Statistika, Vol. 7 No. 1, 1 6 Mei 007 Metode Bootstrap Persetil Pada Sesor Tipe II Berdistribusi Ekspoesial Jurusa Statistika FMIPA Uiversitas Islam Idoesia Yogyakarta Abstrak Metode bootstrap adalah suatu

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 22 BAB III METODE PENELITIAN 3.1. Metode Peelitia Pada bab ii aka dijelaska megeai sub bab dari metodologi peelitia yag aka diguaka, data yag diperluka, metode pegumpula data, alat da aalisis data, keragka

Lebih terperinci

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya 5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel

Lebih terperinci

Perancangan Setting Level Optimal dan Penentuan Quality Loss Function pada Pembuatan Tegel dengan Metode Taguchi

Perancangan Setting Level Optimal dan Penentuan Quality Loss Function pada Pembuatan Tegel dengan Metode Taguchi Performa (3) Vol., No.: 3-39 Peracaga Settig Level Optimal da Peetua Quality Loss Fuctio pada Pembuata Tegel dega Metode Taguchi Dewi Marlia, Eko Pujiyato da Cucuk Nur Rosidi Jurusa Tekik Idustri, Uiversitas

Lebih terperinci

SEBARAN t dan SEBARAN F

SEBARAN t dan SEBARAN F SEBARAN t da SEBARAN F 1 Tabel uji t disebut juga tabel t studet. Sebara t pertama kali diperkealka oleh W.S. Gosset pada tahu 1908. Saat itu, Gosset bekerja pada perusahaa bir Irladia yag melarag peerbita

Lebih terperinci

OPTIMASI MULTIRESPON PEMBUATAN KERTAS DI PAPER MACHINE II PT. ADIPRIMA SARAPRINTA GRESIK DENGAN PENDEKATAN METODE FUZZY LOGIC ABSTRAK

OPTIMASI MULTIRESPON PEMBUATAN KERTAS DI PAPER MACHINE II PT. ADIPRIMA SARAPRINTA GRESIK DENGAN PENDEKATAN METODE FUZZY LOGIC ABSTRAK OPTIMASI MULTIRESPON PEMBUATAN KERTAS DI PAPER MACHINE II PT. ADIPRIMA SARAPRINTA GRESIK DENGAN PENDEKATAN METODE FUZZY LOGIC Niswatu Qoitah, Dr. Brodjol Sutijo SU,M.Si Mahasiswa S Statistika FMIPA, Dose

Lebih terperinci

Chapter 7 Student Lecture Notes 7-1

Chapter 7 Student Lecture Notes 7-1 Chapter 7 Studet Lecture Notes 7-1 DASAR-DASAR UJI Hipotesis: Hipo (di bawah) da Tesis (peryataa yag telah diuji) Hipotesis Statistik:suatu proposisi atau aggapa megeai parameter populasi yag dapat diuji

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,

Lebih terperinci

PROSIDING ISBN:

PROSIDING ISBN: S-6 Perlukah Cross Validatio dilakuka? Perbadiga atara Mea Square Predictio Error da Mea Square Error sebagai Peaksir Harapa Kuadrat Kekelirua Model Yusep Suparma (yusep.suparma@ upad.ac.id) Uiversitas

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada

Lebih terperinci

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak: PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. Sebagai hasil penelitian dalam pembuatan modul Rancang Bangun

BAB IV HASIL DAN PEMBAHASAN. Sebagai hasil penelitian dalam pembuatan modul Rancang Bangun 47 BAB IV HASIL DAN PEMBAHASAN Sebagai hasil peelitia dalam pembuata modul Racag Bagu Terapi Ifra Merah Berbasis ATMega8 dilakuka 30 kali pegukura da perbadiga yaitu pegukura timer/pewaktu da di badigka

Lebih terperinci

III. METODOLOGI PENELITIAN. diinginkan. Menurut Arikunto (1991 : 3) penelitian eksperimen adalah suatu

III. METODOLOGI PENELITIAN. diinginkan. Menurut Arikunto (1991 : 3) penelitian eksperimen adalah suatu III. METODOLOGI PENELITIAN A. Metode Peelitia Metode peelitia merupaka suatu cara tertetu yag diguaka utuk meeliti suatu permasalaha sehigga medapatka hasil atau tujua yag diigika. Meurut Arikuto (99 :

Lebih terperinci

Pertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd

Pertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag

Lebih terperinci

BAB III METODE PENELITIAN. Dalam melakukan penelitian, terlebih dahulu menentukan desain

BAB III METODE PENELITIAN. Dalam melakukan penelitian, terlebih dahulu menentukan desain BAB III METODE PENELITIAN 3.1 Desai Peelitia Dalam melakuka peelitia, terlebih dahulu meetuka desai peelitia yag aka diguaka sehigga aka mempermudah proses peelitia tersebut. Desai peelitia yag diguaka

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jeis peelitia Peelitia ii merupaka jeis peelitia eksperime. Karea adaya pemberia perlakua pada sampel (siswa yag memiliki self efficacy redah da sagat redah) yaitu berupa layaa

Lebih terperinci

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus -Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.

Lebih terperinci

III. METODELOGI PENELITIAN

III. METODELOGI PENELITIAN III. METODELOGI PENELITIAN A. Metode Peelitia Metode peelitia merupaka suatu cara tertetu yag diguaka utuk meeliti suatu permasalaha sehigga medapatka hasil atau tujua yag diigika, meurut Arikuto (998:73)

Lebih terperinci

JURNAL TEKNOLOGI TECHNOSCIENTIA ISSN: Vol. 1 No. 2 Februari 2009

JURNAL TEKNOLOGI TECHNOSCIENTIA ISSN: Vol. 1 No. 2 Februari 2009 JURNAL TEKNOLOGI TECHNOSCIENTIA ISSN: 7-45 Vol. No. Februari 00 ANALISIS PENGENDALIAN KUALITAS MELALUI EVALUASI DAN PERBAIKAN PROSES PRODUKSI DENGAN PENDEKATAN METODE CONTROL CHART DAN METODE TAGUCHI Joko

Lebih terperinci

PENGENDALIAN KUALITAS STATISTIKA UNTUK MONITORING DAN EVALUASI KINERJA DOSEN DI JURUSAN MATEMATIKA FMIPA UNIVERSITAS TANJUNGPURA

PENGENDALIAN KUALITAS STATISTIKA UNTUK MONITORING DAN EVALUASI KINERJA DOSEN DI JURUSAN MATEMATIKA FMIPA UNIVERSITAS TANJUNGPURA PRISMA 1 (2018) PRISMA, Prosidig Semiar Nasioal Matematika https://joural.ues.ac.id/sju/idex.php/prisma/ PENGENDALIAN KUALITAS STATISTIKA UNTUK MONITORING DAN EVALUASI KINERJA DOSEN DI JURUSAN MATEMATIKA

Lebih terperinci

BAB 6: ESTIMASI PARAMETER (2)

BAB 6: ESTIMASI PARAMETER (2) Bab 6: Estimasi Parameter () BAB 6: ESTIMASI PARAMETER (). ESTIMASI PROPORSI POPULASI Proporsi merupaka perbadiga atara terjadiya suatu peristiwa dega semua kemugkiaa peritiwa yag bisa terjadi. Besara

Lebih terperinci

PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart

PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart Prosidig Semiar Nasioal Peelitia, Pedidika da Peerapa MIPA, Fakultas MIPA, Uiversitas Negeri Yogyakarta, 2 Jui 2012 PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart Adi Setiawa

Lebih terperinci

Statistika Inferensia: Pendugaan Parameter. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015

Statistika Inferensia: Pendugaan Parameter. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015 Statistika Iferesia: Pedugaa Parameter Dr. Kusma Sadik, M.Si Dept. Statistika IPB, 05 Populasi : Parameter Sampel : Statistik Statistik merupaka PENDUGA bagi parameter populasi Pegetahua megeai distribusi

Lebih terperinci

9 Departemen Statistika FMIPA IPB

9 Departemen Statistika FMIPA IPB Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351 9 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Pegatar Aalisis utuk Data Respo Kategorik Data respo kategorik Sebara

Lebih terperinci

STATISTIKA NON PARAMETRIK

STATISTIKA NON PARAMETRIK . PENDAHULUAN STATISTIKA NON PARAMETRIK Kelebiha Uji No Parametrik: - Perhituga sederhaa da cepat - Data dapat berupa data kualitatif (Nomial atau Ordial) - Distribusi data tidak harus Normal Kelemaha

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1.Tempat da Waktu Peelitia ii dilakuka di ligkuga Kampus Aggrek da Kampus Syahda Uiversitas Bia Nusatara Program Strata Satu Reguler. Da peelitia dilaksaaka pada semester

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Objek Peelitia Peelitia dilakuka di bagia spiig khususya bagia widig Pabrik Cambrics Primissima (disigkat PT.Primissima) di Jala Raya Magelag Km.15 Slema, Yogyakarta. Peelitia

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. Alat terapi ini menggunakan heater kering berjenis fibric yang elastis dan

BAB IV HASIL DAN PEMBAHASAN. Alat terapi ini menggunakan heater kering berjenis fibric yang elastis dan BAB IV HASIL DAN PEMBAHASAN 4.1. Spesifikasi Alat Alat terapi ii megguaka heater kerig berjeis fibric yag elastis da di bugkus dega busa, pasir kuarsa, da kai peutup utuk memberi isolator terhadap kulit

Lebih terperinci

III BAHAN DAN METODE PENELITIAN

III BAHAN DAN METODE PENELITIAN 27 III BAHAN DAN METODE PENELITIAN 3.1 Baha Peelitia 3.1.1 Objek Peelitia Objek yag diguaka dalam peelitia ii adalah kuda Sumba (Sadelwood) betia da jata berjumlah 30 ekor dega umur da berat yag relatif

Lebih terperinci

Modul Kuliah statistika

Modul Kuliah statistika Modul Kuliah statistika Dose: Abdul Jamil, S.Kom., MM SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER MUHAMMADIYAH JAKARTA Bab 2 Populasi da Sampel 2.1 Populasi Populasi merupaka keseluruha pegamata

Lebih terperinci

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28 5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.

Lebih terperinci

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL BAB VIII MASAAH ESTIMASI SAT DAN DA SAMPE 8.1 Statistik iferesial Statistik iferesial suatu metode megambil kesimpula dari suatu populasi. Ada dua pedekata yag diguaka dalam statistik iferesial. Pertama,

Lebih terperinci

TINJAUAN PUSTAKA Pengertian

TINJAUAN PUSTAKA Pengertian TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok

Lebih terperinci

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET BAB VII RANDOM VARIATE DISTRIBUSI DISKRET Diskret radom variabel dapat diguaka utuk berbagai radom umber yag diambil dalam betuk iteger. Pola kebutuha ivetori (persediaa) merupaka cotoh yag serig diguaka

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:

BAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah: BAB III METODOLOGI PENELITIAN 3. Variabel da Defiisi Operasioal Variabel-variabel yag diguaka pada peelitia ii adalah: a. Teaga kerja, yaitu kotribusi terhadap aktivitas produksi yag diberika oleh para

Lebih terperinci

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,

Lebih terperinci

JENIS PENDUGAAN STATISTIK

JENIS PENDUGAAN STATISTIK ENDUGAAN STATISTIK ENDAHULUAN Kosep pedugaa statistik diperluka utuk membuat dugaa dari gambara populasi. ada pedugaa statistik dibutuhka pegambila sampel utuk diaalisis (statistik sampel) yag ati diguaka

Lebih terperinci

STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN

STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN Supriadi Putra, M,Si Laboratorium Komputasi Numerik Jurusa Matematika FMIPA Uiversitas Riau e-mail : spoetra@yahoo.co.id ABSTRAK Makalah ii

Lebih terperinci

Pendugaan Parameter. Debrina Puspita Andriani /

Pendugaan Parameter. Debrina Puspita Andriani    / Pedugaa Parameter 7 Debria Puspita Adriai E-mail : debria.ub@gmail.com / debria@ub.ac.id Outlie Pedahulua Pedugaa Titik Pedugaa Iterval Pedugaa Parameter: Kasus Sampel Rataa Populasi Pedugaa Parameter:

Lebih terperinci

OPTIMASI KUAT TEKAN, RESAPAN, DAN KEAUSAN PAVING BLOK ABU VULKANIK DENGAN PENDEKATAN THE FUZZY LOGICS

OPTIMASI KUAT TEKAN, RESAPAN, DAN KEAUSAN PAVING BLOK ABU VULKANIK DENGAN PENDEKATAN THE FUZZY LOGICS OPTIMASI KUAT TEKAN, RESAPAN, DAN KEAUSAN PAVING BLOK ABU VULKANIK DENGAN PENDEKATAN THE UZZY LOGICS Radi Nugraha Putra, DR.Brojol Sutijo SU.,M.Si Mahasiswa Jurusa Statistika, Dose Pembimbig Jurusa Statistika

Lebih terperinci

LIMIT. = δ. A R, jika dan hanya jika ada barisan. , sedemikian hingga Lim( a n

LIMIT. = δ. A R, jika dan hanya jika ada barisan. , sedemikian hingga Lim( a n LIMIT 4.. FUNGSI LIMIT Defiisi 4.. A R Titik c R adalah titik limit dari A, jika utuk setiap δ > 0 ada palig sedikit satu titik di A, c sedemikia sehigga c < δ. Defiisi diatas dapat disimpulka dega cara

Lebih terperinci

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..

Lebih terperinci

REGRESI DAN KORELASI SEDERHANA

REGRESI DAN KORELASI SEDERHANA REGRESI DAN KORELASI SEDERHANA Apa yag disebut Regresi? Korelasi? Aalisa regresi da korelasi sederhaa membahas tetag keterkaita atara sebuah variabel (variabel terikat/depede) dega (sebuah) variabel lai

Lebih terperinci

Pendekatan Nilai Logaritma dan Inversnya Secara Manual

Pendekatan Nilai Logaritma dan Inversnya Secara Manual Pedekata Nilai Logaritma da Iversya Secara Maual Moh. Affaf Program Studi Pedidika Matematika, STKIP PGRI BANGKALAN affafs.theorem@yahoo.com Abstrak Pada pegaplikasiaya, bayak peggua yag meggatugka masalah

Lebih terperinci

PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI

PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI Halama Tulisa Jural (Judul da Abstraksi) Jural Paradigma Ekoomika Vol.1, No.5 April 2012 PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI Oleh : Imelia.,SE.MSi Dose Jurusa Ilmu Ekoomi da Studi Pembagua,

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. : Lux meter dilengkapi sensor jarak berbasis arduino. : panjang 15,4 cm X tinggi 5,4 cm X lebar 8,7 cm

BAB IV HASIL DAN PEMBAHASAN. : Lux meter dilengkapi sensor jarak berbasis arduino. : panjang 15,4 cm X tinggi 5,4 cm X lebar 8,7 cm BAB IV HASIL DAN PEMBAHASAN 4.1. Spesifikasi Alat Nama Alat Tegaga Ukura Berat : Lux meter dilegkapi sesor jarak berbasis arduio : 5 V (DC) : pajag 15,4 cm tiggi 5,4 cm lebar 8,7 cm : 657 gram 4.. Gambar

Lebih terperinci

PENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN

PENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN PEDUGA RASIO UTUK RATA-RATA POPULASI MEGGUAKA KUARTIL VARIABEL BATU PADA PEGAMBILA SAMPEL ACAK SEDERHAA DA PEGATURA PERIGKAT MEDIA ur Khasaah, Etik Zukhroah, da Dewi Reto Sari S. Prodi Matematika Fakultas

Lebih terperinci

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) Setiap peelitia selalu berkeaa dega sekelompok data. Yag dimaksud kelompok disii adalah: Satu orag mempuyai sekelompok data, atau sekelompok orag mempuyai satu

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3.1 Disai Peelitia Tujua Jeis Peelitia Uit Aalisis Time Horiso T-1 Assosiatif survey Orgaisasi Logitudial T-2 Assosiatif survey Orgaisasi Logitudial T-3 Assosiatif survey Orgaisasi

Lebih terperinci

Biostatistics UJI CHI-SQUARE UJI HIPOTESIS CHI-SQUARE

Biostatistics UJI CHI-SQUARE UJI HIPOTESIS CHI-SQUARE Biostatistics UJI CHI-SQUARE I N T A N Y U S U F H A B I B I E, S. G Z - Ilmu statistik tidak haya membatu kita utuk medeskripsika data secara rigkas, tapi juga dapat diguaka utuk meguji hipotesa. - Hipotesa

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 20 Bandar Lampung, dengan populasi

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 20 Bandar Lampung, dengan populasi 5 III. METODE PENELITIAN A. Populasi da Sampel Peelitia ii dilaksaaka di SMPN 0 Badar Lampug, dega populasi seluruh siswa kelas VII. Bayak kelas VII disekolah tersebut ada 7 kelas, da setiap kelas memiliki

Lebih terperinci

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu: 4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap

Lebih terperinci

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4 Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika

Lebih terperinci

Analisa Data Statistik. Ratih Setyaningrum, MT

Analisa Data Statistik. Ratih Setyaningrum, MT Aalisa Data tatistik Ratih etyaigrum, MT Referesi Agoes oehiaie, Ph.D Daftar Isi Iferesi tatistik Hipotesa tatistik : Kosep Umum Hipotesa statistik adalah sebuah klaim/peryataa atau cojecture tetag populasi.

Lebih terperinci

simulasi selama 4,5 jam. Selama simulasi dijalankan, animasi akan muncul pada dijalankan, ProModel akan menyajikan hasil laporan statistik mengenai

simulasi selama 4,5 jam. Selama simulasi dijalankan, animasi akan muncul pada dijalankan, ProModel akan menyajikan hasil laporan statistik mengenai 37 Gambar 4-3. Layout Model Awal Sistem Pelayaa Kedai Jamoer F. Aalisis Model Awal Model awal yag telah disusu kemudia disimulasika dega waktu simulasi selama 4,5 jam. Selama simulasi dijalaka, aimasi

Lebih terperinci

PENGANTAR MODEL LINEAR Oleh: Suryana

PENGANTAR MODEL LINEAR Oleh: Suryana PENGANTAR MODEL LINEAR Oleh: Suryaa Model liear meyagkut masalah statistik yag ketergatugaya terhadap parameter secara liear. Betuk umum model liear adalah 0 1X1... px p, dega = Variabel respo X i = Variabel

Lebih terperinci

BAB III METODE PENELITIAN. objek penelitian yang penulis lakukan adalah Beban Operasional susu dan Profit

BAB III METODE PENELITIAN. objek penelitian yang penulis lakukan adalah Beban Operasional susu dan Profit BAB III METODE PENELITIAN 3.1 Objek Peelitia Objek peelitia merupaka sasara utuk medapatka suatu data. Jadi, objek peelitia yag peulis lakuka adalah Beba Operasioal susu da Profit Margi (margi laba usaha).

Lebih terperinci

PENENTUAN VARIABEL PERANCANGAN ECONOMIZER YANG ROBUST DAN MAMPU MEMENUHI MULTI TUJUAN (RESPON)

PENENTUAN VARIABEL PERANCANGAN ECONOMIZER YANG ROBUST DAN MAMPU MEMENUHI MULTI TUJUAN (RESPON) Prosidig Semiar Nasioal Maajeme Tekologi VI Program Studi MMT-ITS, Surabaya 4 Agustus 007 PENENTUAN VARIABEL PERANCANGAN ECONOMIZER YANG ROBUST DAN MAMPU MEMENUHI MULTI TUJUAN (RESPON (Studi Kasus Pada

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini dilaksanakan di kelas XI MIA SMA Negeri 1 Kampar,

BAB III METODE PENELITIAN. Penelitian ini dilaksanakan di kelas XI MIA SMA Negeri 1 Kampar, 45 BAB III METODE PENELITIAN A. Tempat da Waktu Peelitia Peelitia ii dilaksaaka di kelas I MIA MA Negeri Kampar, pada bula April-Mei 05 semester geap Tahu Ajara 04/05 B. ubjek da Objek Peelitia ubjek dalam

Lebih terperinci