Bab 5. Analisis Kapabilitas Produk. 5.1 Pendahuluan
|
|
- Hadi Pranata
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Bab 5 Analisis Kapabilitas Produk 5.1 Pendahuluan Data yang digunakan dalam tugas akhir ini merupakan data nilai potensi pertussis vaksin DTP tahun 2004 PT. Biofarma. Pembahasan dalam tugas akhir ini merupakan lanjutan dari pembahasan kasus yang ditemukan pada saat workshop on process capability analysis using minitab yang merupakan kerja sama antara KK Statistik, Program Studi Matematika-FMIPA ITB dengan PT. Biofarma Bandung pada tanggal Mei 2005 yang lalu. Kasus yang ditemukan adalah nilai indeks kapabilitas yang tidak memenuhi standar padahal data tersebut berdistribusi normal dan tidak diketemukannya data yang di luar kendali menurut batas spesifikasi produk dari WHO. Data yang diperoleh berupa lampiran analisis statistik produk PT. Biofarma tahun 2004, disertai nilai potensi pertussis vaksin DTP Karena keterbatasan akses untuk dapat melihat proses produksi dari vaksin yang bersangkutan, dalam tugas akhir ini, kasus hanya akan dibahas dengan pendekatan statistik. 29
2 BAB 5. ANALISIS KAPABILITAS PRODUK Info produk Imunisasi DPT adalah suatu vaksin 3-in-1 yang melindungi terhadap difteri, pertusis dan tetanus. Difteri adalah suatu infeksi bakteri yang menyerang tenggorokan dan dapat menyebabkan komplikasi yang serius atau fatal. Tetanus adalah infeksi bakteri yang bisa menyebabkan kekakuan pada rahang serta kejang, dan Pertusis (batuk rejan) adalah infeksi bakteri pada saluran udara yang ditandai dengan batuk hebat yang menetap serta bunyi pernafasan yang melengking. Pertusis berlangsung selama beberapa minggu dan dapat menyebabkan serangan batuk hebat sehingga anak tidak dapat bernafas, makan atau minum. Pertusis juga dapat menimbulkan komplikasi serius, seperti pneumonia, kejang dan kerusakan otak. Vaksin ini pertama kali dikembangkan pada tahun 1930-an dan mulai digunakan secara luas pada pertengahan tahun 1940-an. Pada tahun 1991, vaksin DTP mendapat lisensi dari Amerika Serikat. Saat ini, penggunaan vaksin ini juga mendapat banyak rekomendasi dari lembaga-lembaga kesehatan seperti The Centers for Disease Control and Prevention (CDC ), the American Academy of Pediatrics (AAP), dan the American Academy of Family Physicians (AAFP) [10]. Gambar 5.1: bagan proses produksi vaksin DTP
3 BAB 5. ANALISIS KAPABILITAS PRODUK 31 Vaksin DTP dibuat dari toksoid formol difteri yang mengandung tidak kurang dari 1500 Limes Flocculationis (Lf) per mg nitrogen protein, toksoid formol tetanus yang mengandung tidak kurang dari 1000 Lf per mg nitrogen protein, dan suspensi Bordetella pertussis mati dan zat pembawa mineral aluminium hidroksida hidrat atau aluminium fosfat. Pembuatan vaksin harus menggunakan lot benih yang sudah ditetapkan. Untuk mendapatkan vaksin yang baik, vaksin tidak boleh dibuat dari sub kultur benih awal (Farmakope Indonesia, 1995), untuk itu digunakan bakteri Bordetella pertussis generasi kedua dari sub kultur benih awal. Suspensi Bordetella pertussis yang sesuai dibiakkan secara terpisah selama 24 jam sampai 72 jam menggunakan media biakan cair atau padat yang sesuai dan tidak mengandung darah. Bakteri dipanen dan disuspensikan dalam larutan natrium klorida P 0.9% atau larutan isotonik lain yang sesuai, kemudian opasitas suspensi diukur. Hasil penetapan opasitas digunakan sebagai dasar perhitungan untuk pembuatan vaksin pada semua tahap berikutnya. Bakteri diinaktifkan/ dimatikan dengan zat kimia yang sesuai dengan pemanasan pada suhu 56 o. Suspensi disimpan pada suhu 2 o sampai 8 o hingga 3 bulan untuk mengurangi toksisitasnya. Satu tabung PFL (Pertussis Final Lot) umumnya dapat digunakan untuk 2 batch kecuali ada kondisi-kondisi lain seperti adanya permintaan lebih dari pasar, dengan tiap batchnya berisi sekitar 1 juta dosis. Untuk penetapan potensinya, digunakan tiga dosis sediaan baku dalam pelarut yang sesuai dan tiga dosis sediaan uji yang disuspensikan dengan larutan yang sesuai. Ketiga dosis diatur sedemikian sehingga dosis yang melindungi 50% mencit mendekati dosis tengah. Umumnya digunakan dosis 0.5 unit, 0.1 unit, dan 0.02 unit sediaan baku, masing-masing dosis tidak lebih dari 0.5 ml. Suntikkan setiap mencit satu dosis secara intraperitoneal. Setelah 14 hari hingga 17 hari mencit disuntik secara intraserebral satu dosis suspensi Bordetella pertussis. Amati mencit setiap hari selama 14 hari setelah penyuntikan. Potensi vaksin dihitung dengan menggunakan program dari WHO berdasarkan jumlah mencit yang hidup, tidak termasuk mencit yang mati dalam waktu 48 jam setelah penyuntikan dengan mengambil serum darah
4 BAB 5. ANALISIS KAPABILITAS PRODUK 32 mencit yang diencerkan untuk menguji kinerja antigennya. Batas spesifikasi potensi pertussis dalam vaksin tidak kurang dari 4 IU/shd (spesifikasi WHO, aturan Farmakope Indonesia). Jika nilai potensi berada di bawah nilai spesifikasi, maka sistem imunitas vaksin dalam tubuh tidak akan bekerja aktif. Sebaliknya, untuk nilai potensi yang terlalu tinggi, vaksin akan bersifat toxic (racun) (Farmakope Indonesia, 1995). 5.3 Analisis statistik proses A. Statistik deskriptif Gambar 5.2: statistik deskriptif produk Dari pengolahan statistik deskriptif minitab 14, diperoleh nilai rataan sampel=5.9 dan median=5.7 menunjukan bahwa data tidak cukup simetris. Nilai kemencengan =0.593, kemencengan yang bernilai positif menandakan data menjurai ke kanan /
5 BAB 5. ANALISIS KAPABILITAS PRODUK 33 menceng ke kiri, banyak data berkumpul di nilai yang lebih kecil dari rataan (kemencengan data simetri=0). Nilai kurtosis= menunjukan distribusi data lebih landai dibandingkan dengan distribusi normal (kurtosis distribusi normal=0). Dari diagram boxplot tidak terlihat adanya pencilan. B. Uji kenormalan Salah satu syarat perlu untuk penggunaan bagan kendali Shewhart, cusum, dan EWMA adalah asumsi kenormalannya. Oleh karena itu, sebelum melakukan proses analisis kapabilitasnya, perlu dilakukan pengujian apakah asumsi kenormalan dari data yang digunakan terpenuhi atau tidak. Uji kenormalan (atau uji asumsi distribusi lainnya) biasanya terdiri dari dua bagian, yaitu: 1. Pemeriksaan dengan grafik. (a) plot peluang kenormalan (normal probability plot) (b) plot penaksir kepadatan (density estimator plot) 2. Uji goodness-of-fit (Shapiro-Wilks, Anderson-Darling, dan lainnya.) Pada pengolahan SPM pada umumnya dan analisis kapabilitas pada khususnya, yang menarik adalah perilaku ekor yang ekstrim dari distribusi data yang digunakan. Prosedur standar yang digunakan untuk uji kenormalan tidak membahas masalah ini, karena mereka lebih menekankan pada pusat distribusi dari pada ekornya. Oleh karena itu meski uji kenormalan tidak ditolak, tidak ada jaminan bahwa penaksiran parameter yang digunakan tepat. Di bawah ini akan dilakukan beberapa uji kenormalan pada data potensi pertussis yang digunakan. Plot peluang kenormalan (Normal QQ plot) adalah plot dari kuantil teoritis dari distribusi normal dengan penaksiran parameter terhadap kuantil sampelnya. Sumbu horizontal diperoleh dari plot k n+1 kuantil dari distribusi normal, dan sumbu vertikal diperoleh dari plot n statistik terurut dari data. Ketika plot menunjukan data berada di sekitar garis linier, maka data berasal dari distribusi normal. Normal
6 BAB 5. ANALISIS KAPABILITAS PRODUK 34 QQ plot berguna untuk mendeteksi pencilan dan deviasi pada perilaku ekor secara grafik (ekor yang terlalu tipis atau tebal). Plot dari data potensi pertussis yang digunakan dapat dilihat pada grafik di bawah ini. Gambar 5.3: QQ Plot Dari grafik dapat terlihat bahwa sebagian besar plot data berada pada garis linier, hanya ada tiga titik di bagian bawah dan 1 titik di bagian atas yang tidak mengikuti garis, sehingga asumsi kenormalan tidak ditolak. Sayangnya bentuk dari distribusi sulit untuk diketahui dari plot ini. Uji goodness-of-fit formal sebaiknya dilakukan setelah uji secara grafik, karena uji secara grafik tidak memberikan hasil yang objektif. Agar tidak terlalu ketat dalam menolak hipotesis awal (H 0 ) yaitu bahwa distribusi berasal dari distribusi normal, direkomendasikan untuk mengambil taraf signifikansi yang kecil seperti 0.01 dari pada standar Tes kenormalan Anderson-Darling menguji apakah order data X (1),..., X (n) me-
7 BAB 5. ANALISIS KAPABILITAS PRODUK 35 ngikuti suatu distribusi tertentu, dalam hal ini distribusi normal. Anderson-Darling didefinisikan sebagai Uji statistik A 2 = N S dengan S = n k=1 Dari data, diperoleh A 2 2k 1 [lnf (X k ) + ln(1 F (X n+1 k ))] n = 2.91 dimana pengolahan statistik deskriptif dengan Minitab 14 (gambar 5.2) memberikan nilai A-Squared =0.48. Berdasarkan online Engineering Statistics Handbook [9], 99% distribusi data dari statistik Anderson- Darling adalah Itu berarti nilai A 2 yang diperoleh tidak memberikan alasan untuk menolak H 0. Selain itu uji ini juga memberikan p-value=0.219 dengan taraf signifikansi α diantara 1% < α < 10%, karena p value > α, maka dapat disimpulkan hipotesis nol (H 0 ) bahwa data berdistribusi normal tidak ditolak. Shapiro menjelaskan aturan penggunaan β 1 dan β 2 untuk mengukur skewness dan kurtosis berturut-turut untuk memilih distribusi yang cocok dengan data. Nilai β 1 dan β 2 dihitung melalui: ˆβ 1 = M 3 (M 2 ) 3/2 dan dari data diperoleh: M 2 = M 3 = M 4 = nilai β 1 dan β 2 diperoleh: ˆβ 2 = M 4 M 2 2 n i=1 (x i x) 2 = n n i=1 (x i x) 3 = n n i=1 (x i x) 4 = n ˆβ 1 = ˆβ 1 =
8 BAB 5. ANALISIS KAPABILITAS PRODUK 36 Gambar 5.4: Daerah β 1, β 2 untuk berbagai distribusi Dari grafik 5.4 dapat kita lihat bahwa koordinat (β1,β 2 ) berada pada daerah distribusi normal. Uji Shapiro-Wilk menguji hipotesis nol (H 0 ) bahwa sampel X 1,..., X n berasal dari distribusi normal. Uji Shapiro-Wilk menguji asumsi kenormalan berdasarkan regresi tailor dari plot peluang kenormalan. Uji statistiknya diberikan oleh: W = ( n i=1 a ix i ) 2 n i=1 (x i x) 2 (5.3.1) Seperti uji Anderson-Darling, Uji Shapiro-Wilk juga memberikan p-value=0.1716, dengan taraf signifikansi α, dimana 1% < α < 10%. Karena p value > α, maka dapat disimpulkan hipotesis nol (H 0 ) bahwa data berdistribusi normal tidak ditolak. Dari beberapa uji kenormalan yang telah dilakukan, dapat diambil kesimpulan bahwa tidak ada alasan untuk menolak hipotesis bahwa data berasal dari distribusi normal.
9 BAB 5. ANALISIS KAPABILITAS PRODUK 37 C. Proses monitoring Salah satu alat SPM yang digunakan untuk memonitoring data adalah bagan kendali. Bagan kendali ini dapat memperlihatkan apakah proses berada dalam kondisi stabil atau tidak, baik rataan maupun variabilitasnya. Selain itu, bagan kendali juga memberikan batas kendali untuk toleransi batas variabilitas proses yang diizinkan terjadi. Jika data berada dalam batas kendali (U CL dan LCL), maka proses dikatakan terkendali. Terdapat beberapa bagan kendali yang dapat digunakan untuk memonitor proses produksi, dalam hal ini untuk ukuran sampel n = 1 (bagan kendali individu), diantaranya bagan kendali I-MR (bagan kendali shewhart), cusum, dan EWMA, ketiganya menggunakan asumsi kenormalan. Bagan kendali cusum digunakan untuk mendeteksi pergeseran kecil yang terjadi, dan bagan kendali EWMA mengkoreksi penggunaan bagan cusum yang sangat sensitif terhadap pergeseran kecil pada parameter yang terlibat. Karena sifat kenormalan dari data tidak ditolak maka penggunaan bagan kendali ini dapat digunakan. Maka dengan menggunakan persamaan (2.3.1) dan (2.3.3) diperoleh grafik: Gambar 5.5: Bagan kendali I-MR
10 BAB 5. ANALISIS KAPABILITAS PRODUK 38 Dari grafik I chart terlihat beberapa sinyal di luar kendali diantaranya: ada satu titik data yang berada di luar batas kendali (batch ke-45), dua dari tiga titik lebih besar dari 2σ dari CL (dari sisi yang sama) (batch ke-37, 38), dan enam titik berturut-turut naik turun pada sisi yang sama (batch ke-11). Sehingga dapat disimpulkan secara statistik, proses berada dalam kondisi yang tidak terkendali. Sedangkan dari M R chart tidak terlihat adanya indikasi sinyal di luar kendali, tapi dapat terlihat adanya pola pergerakan yang sistematis dari data. Pada bab 2 telah dijelaskan bagaimana membangun bagan kendali cusum. Dengan menggunakan persamaan (2.3.4) dan (2.3.5) untuk membuat plot C + dan C diperoleh grafik: Gambar 5.6: Bagan kendali cusum, dengan C + dan C berturut-turut plot cusum atas dan bawah dari data Dari bagan kendali I-MR terlihat bahwa data tidak terkendali, karena itu dilakukan pengolahan data dengan bagan kendali cusum untuk mendeteksi pergeseran kecilnya. Dari bagan kendali cusum di atas dapat terlihat 4 nilai berada di atas batas spesifikasi atas U CL dan 2 nilai berada di bawah batas spesifikasi bawah. Hal ini mengindikasikan adanya pergeseran (shift) pada rataan proses. Adanya pergerakan data yang menjauhi garis tengah mengindikasikan data bukan berasal dari distribusi normal.
11 BAB 5. ANALISIS KAPABILITAS PRODUK 39 Dengan menambahkan standarisasi cusum untuk variansi (persamaan (2.3.6)) diperoleh grafik: Gambar 5.7: Bagan kendali standarisasi cusum, dengan C + dan C berturut-turut plot standarisasi cusum untuk rataan atas dan bawah dari data dan S + dan S berturut-turut plot standarisasi cusum untuk variansi atas dan bawah dari data Pada bagan kendali standarisasi cusum diperoleh sinyal di luar kendali yang lebih banyak lagi, terlihat ada 5 nilai berada di atas batas spesifikasi atas UCL dan 9 nilai berada di bawah batas spesifikasi bawah. Dari variansi S + ditunjukan juga adanya 4 sinyal di luar kendali yang melebihi batas spesifikasi atas. Dari dua bagan kendali cusum di atas, dapat disimpulkan proses berada dalam kondisi tidak terkendali. Gambar 5.8: Bagan kendali EWMA
12 BAB 5. ANALISIS KAPABILITAS PRODUK 40 Setara dengan hasil yang ditunjukan oleh bagan kendali cusum, pada bagan kendali EWMA untuk λ = 0.4 dan L = 3.054, dengan menggunakan persamaan (2.3.11) dan (2.3.12) sebagai batas kendalinya, terlihat adanya pergeseran rataan proses yang mengindikasikan proses berada dalam kondisi yang tidak terkendali. Dapat terlihat juga bahwa pergeseran data awal terkonsentrasi pada nilai potensi yang rendah, kemudian pada data ke-29, terjadi pergeseran sehingga data berada pada nilai potensi yang lebih besar. Ketika nilai potensi mencapai angka 8, terlihat adanya penurunan nilai potensi, sehingga membentuk pola tertentu dalam pergerakan data yang juga mengindikasikan proses berada di luar kendali. 5.4 Perbaikan bagan kendali pergerakan data (data driven) Tidak ditolaknya asumsi kenormalan bukan berarti data berasal dari distribusi normal. Nilai skewness 0 mengindikasikan adanya kemencengan dari distribusi normal yang seharusnya. Pada bab 3 telah diperkenalkan perbaikan bagan kendali pergerakan data (data driven), yang dijelaskan oleh Albers dan Kallenberg [1], beserta prosedur penyeleksiannya. Dalam hal pemilihan bagan kendali, pertama harus dilakukan uji seleksi apakah data berasal dari distribusi normal, parametrik, atau nonparametrik. Dari data kita peroleh standarisasi data minimum dan maksimum sebagai berikut: ( X X (1) )/S = (X (n) X)/S = menurut persamaan (3.3.1) data berdistribusi normal jika standarisasi data minimum dan maksimum berada dalam interval [d 1N, d 2N ], dengan d 1N dan d 2N diperoleh dari (lihat persamaan (3.3.2)): d 1N = u ( logn)/n = d 2N = u 5/(n n) =
13 BAB 5. ANALISIS KAPABILITAS PRODUK 41 dapat terlihat bahwa data tidak berada pada interval [d 1N, d 2N ], karenanya bagan kendali normal tidak akan digunakan. Untuk itu akan diuji apakah data berada pada interval distribusi parametrik atau tidak yaitu interval [d 1P, d 2P ], dengan [d 1P, d 2P ] diperoleh dari (lihat persamaan (3.3.3)): d 1P (ˆγ) = c(ˆγ)u 1+ˆγ ( logn)/n d 2P (ˆγ) = c(ˆγ)u 1+ˆγ 3/(n n) dengan nilai ˆγ dihitung berbeda untuk batas atas dan bawahnya. Untuk batas bawah digunakan ˆγ = γˆ L = , diperoleh d 1P ( ) = dan d 2P ( ) = Untuk batas atas digunakan ˆγ = γˆ U = diperoleh d 1P (0.1741) = dan d 2P (0.1741) = Terlihat bahwa standarisasi nilai maksimun dan minimum data tidak berada pada interval [d 1P, d 2P ], maka menurut [1] bagan kendali yang kita pilih adalah bagan kendali nonparametrik MIN. 5.5 Analisis kapabilitas proses Karena data nilai potensi pertussis tidak mempunyai batas spesifikasi atas, maka indeks kapabilitas C p (persamaan (4.2.1)) yang telah dijelaskan pada bab IV sebelumnya tidak dapat digunakan. Untuk menentukan kemampuan prosesnya digunakan indeks kapabilitas C pk. Nilai indeks kapabilitas C pk dihitung sebagai berikut (lihat persamaan (4.2.2) dan (4.2.3)): C pk = min( USL µ 3σ, µ LSL ) 3σ dengan menggunakan µ = X dan beberapa taksiran untuk σ diperoleh nilai C pk sebagai berikut: dengan menggunakan ˆσ = S, dimana S =1.1444, diperoleh µ LSL 3σ = (1.1444) = 0.55 dengan menggunakan ˆσ = R d 2 µ LSL 3σ = 0.818, diperoleh: = (0.818) = 0.77
14 BAB 5. ANALISIS KAPABILITAS PRODUK 42 dengan menggunakan ˆσ = S c 4 = , diperoleh: µ LSL 3σ = (1.4343) = 0.44 dengan menggunakan ˆσ = (1.047)med(M R) = , diperoleh: µ LSL 3σ = (0.7433) = 0.85 nilai indeks kapabilitas yang berbeda untuk beberapa penaksiran σ dekat mengindikasikan proses tidak terkendali. Masalah utamanya adalah variabilitas yang perlu segera diperkecil. Semua nilai C pk yang dihasilkan 1, hal ini tidak memenuhi standar pasar global dimana diharapkan indeks kapabilitas C pk 1. Hal ini menunjukkan bahwa kita harus berhati-hati dalam menggunakan indeks kapabilitas. Indeks kapabilitas proses hanya mempunyai arti jika proses berada dalam kondisi terkendali.
Bab 1. Pendahuluan. 1.1 Latar Belakang
Bab 1 Pendahuluan 1.1 Latar Belakang Salah satu metode yang cukup efektif dan efisien baik dalam waktu dan biaya adalah statistika pengendalian mutu (SPM). SPM digunakan untuk meningkatkan kualitas dan
Lebih terperinciBab 2. Teori Dasar. 2.1 Pendahuluan
Bab 2 Teori Dasar 2.1 Pendahuluan Gagasan bagan kendali statistik pertama kali diperkenalkan oleh Walter A. Shewhart dari Bell Telephone laboratories pada tahun 1924 (Montgomery, 2001, hal 9). Tujuan dari
Lebih terperinciPada tugas akhir ini, data yang digunakan adalah data salah satu key characteristic dari suatu produk manufaktur.
BAB IV ANALISA DATA 3 BAB 4 ANALISA DATA 4.1 Pendahuluan Dalam suatu proses produksi di industri, data yang akan diolah tidak begitu saja bisa didapatkan. Ada suatu proses sehingga data tersebut bisa didapatkan,
Lebih terperinciMODUL 5 PETA KENDALI CUSUM & EWMA
MODUL 5 PETA KENDALI CUSUM & EWMA Laboratorium OSI & K FT.UNTIRTA Praktikum Pengendalian Kualitas 2014 Page 1 MODUL 5 PETA KENDALI CUSUM & EWMA A. Tujuan Praktikum Berikut ini adalah tujuan praktikum modul
Lebih terperinciPengendalian Kualitas TIN-212
II Process Capability Analysis Pengendalian Kualitas TIN-212 Syarat-syarat pelaksanaan process capability analysis 1 Jika kita sudah mengetahui bagaimana kinerja proses kita (voice of process), tentunya
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab ini terdiri dari 3 bagian. Pada bagian pertama diberikan tinjauan pustaka dari penelitian sebelumnya. Pada bagian kedua diberikan teori penunjang untuk mencapai tujuan penelitian
Lebih terperinciIV. METODOLOGI PE ELITIA
IV. METODOLOGI PE ELITIA 4.1 Waktu dan Tempat Penelitian Penelitian ini dilakukan selama 4 bulan, mulai bulan Februari 2012 sampai dengan Mei 2012 di laboratorium kimia departemen Quality Control (QC)
Lebih terperinciPROBLEM SOLVING STATISTIKA LANJUT
PROBLEM SOLVING STATISTIKA LANJUT 1. Ujilah validitas dan reliabilitas hasil koesioner gaya kepemimpinan yang terdiri dari 12 item dan diisi oleh 44 responden dalam data pada file Excel. 2. Berikan gambaran
Lebih terperinciBAB III PENGENDALIAN KUALITAS MULTIVARIAT. menghasilkan produk dengan kualitas yang baik, haruslah dilakukan pengendalian
BAB III PENGENDALIAN KUALITAS MULTIVARIAT Seperti yang telah dibahas pada bab sebelumnya bahwa untuk menghasilkan produk dengan kualitas yang baik, haruslah dilakukan pengendalian pada proses produksinya.
Lebih terperinciPENDAHULUAN. CuSum. Univariate EWMA MEWMA. Multivariate Hotelling. Kosumen. Kualitas Baik. Peta Kendali. Pengendalian Kualitas
PENDAHULUAN Kosumen Kualitas Baik Univariate CuSum EWMA Peta Kendali Pengendalian Kualitas MEWMA Multivariate Hotelling PENDAHULUAN R U M U S A N M A S A L A H 1. Bagaimana prosedur pembentukan peta kendali
Lebih terperinciStatistical Process Control
Statistical Process Control Sachbudi Abbas Ras abbasras@yahoo.com Lembar 1 Flow Chart (dengan Stratifikasi): Grafik dari tahapan proses yang membedakan data berdasarkan sumbernya. Lembar Pengumpulan Data:
Lebih terperinciBAB III METODE PENELITIAN
1 BAB III METODE PENELITIAN Metode penelitian merupakan gambaran dari tahapan yang dilalui dalam menyelesaikan suatu masalah yang ditemui dalam sebuah penelitian, dimana dibuat berdasarkan latar belakang
Lebih terperinciANALISA PERFORMANCE MESIN PENGUPAS KAYU (ROTARY) PT. HENRISON IRIANA SORONG MENGGUNAKAN METODE INDEKS KAPABILITAS
ANALISA PERFORMANCE MESIN PENGUPAS KAYU (ROTARY) PT. HENRISON IRIANA SORONG MENGGUNAKAN METODE INDEKS KAPABILITAS Ashar 1, Irman Amri 2*, Usran 3 1 Dosen Program Studi Teknik Industri Universitas Muhammadiyah
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengertian Manajemen Operasi Untuk mengelola suatu perusahaan atau organisasi selalu dibutuhkan sistem manajemen agar tujuan dari perusahaan atau organisasi tersebut dapat tercapai.
Lebih terperinciOleh: Nurul Hidayah Dosen pembimbing: Dra. Laksmi Prita, M.Si
KAJIAN PERBANDINGAN KINERJA GRAFIK PENGENDALI CUMULATIVE SUM (CUSUM) DAN EXPONENTIALLY WEIGHTED MOVING AVERAGE (EWMA) DALAM MENDETEKSI PERGESERAN RATARATA PROSES Oleh: Nurul Hidayah 06 0 057 Dosen pembimbing:
Lebih terperinciIke Ate Yuviska(¹), Devi Kurniasari( 1 ), Oktiana (2) ABSTRAK
JURNAL KEBIDANAN Vol 1, No 3, Oktober 2015: 126-130 HUBUNGAN PENGETAHUAN IBU TENTANG EFEK SAMPING IMUNISASI DPT COMBO DENGAN KEJADIAN DEMAM PADA BAYI USIA 2-12 BULAN DI BPS YULIANTI AMD KEB KELURAHAN TALANG
Lebih terperinciGRAFIKPENGENDALI VARIABEL
GRAFIKPENGENDALI VARIABEL Grafik pengendali pertamakali diperkenalkan oleh Dr. Walter Andrew Shewhart dari Bell Telephone Laboratories, Amerika Serikat, pada tahun 1924 dengan maksud untuk mengurangi variasi.
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Pendahuluan Dalam bab ini akan diuraikan mengenai teori-teori yang mendukung serta berkaitan dengan metode bootstrap untuk pembentukan diagram kendali minimax. Uraian dimulai
Lebih terperinciBAB III BAHAN DAN METODE
BAB III BAHAN DAN METODE 3.1 Waktu dan Tempat Penelitian Penelitian ini telah dilaksanakan di PT. X yang terdapat pada Pelabuhan Perikanan Nusantara Nizam Zachman Jakarta. Waktu penelitian telah dilaksanakan
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
38 BAB 4 HASIL DAN PEMBAHASAN 4.1 Hasil Pengumpulan Data Untuk mendukung perhitungan statistikal pengendalian proses maka diperlukan data. Data adalah informasi tentang sesuatu, baik yang bersifat kualitatif
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN 4.1. Pendahuluan Pada bab ini akan akan dibahas bagaimana perhitungan untuk mengitung stabilitas produk benang TS 248 pada PT. Vonex Indonesia dengan melihat keabnormalan yang
Lebih terperinciKULIAH 4-6 PENGENDALIAN KUALITAS STATISTIKA UNTUK DATA VARIABEL
KULIAH 4-6 PENGENDALIAN KUALITAS STATISTIKA UNTUK DATA VARIABEL KOMPETENSI Mahasiswa dapat menyusun peta pengendali kualitas proses statistika untuk data variabel dengan menggunakan software statistika,
Lebih terperinciPenerapan Diagram Kontrol EWMA dan NEWMA pada Proses Pembuatan Benang 30 Rayon di PT. Lotus Indah Textile Industries Surabaya
Seminar Tugas Akhir Penerapan Diagram Kontrol EWMA dan NEWMA pada Proses Pembuatan Benang 3 Rayon di PT. Lotus Indah Textile Industries Surabaya Rista Wijayanti (37 6) Dosen Pembimbing : Dr. Sony Sunaryo,
Lebih terperinciBAB I PENDAHULUAN. B. Rumusan masalah Bagaimana cara pengendalian kualitas proses statistik pada data variabel.
BAB I PENDAHULUAN A. Latar Belakang Pengendalian Kualitas Statistik (Statistical Quality Control) secara garis besar digolongkan menjadi dua, yakni pengendalian proses statistik (statistical process control)
Lebih terperinciSATUAN ACARA PENYULUHAN ( SAP )
SATUAN ACARA PENYULUHAN ( SAP ) Topik : Imunisasi Pentavalen Hari / Tanggal : Selasa/ 08 Desember 2014 Tempat : Posyandu Katelia Waktu Pelaksanaan : 08.00 sampai selesai Peserta / Sasaran : Ibu dan Anak
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Imunisasi Imunisasi adalah suatu upaya untuk menimbulkan/meningkatkan kekebalan seseorang secara aktif terhadap suatu penyakit, sehingga bila suatu saat terpajan dengan penyakit
Lebih terperinciBAGAN KENDALI CUMULATIVE SUM (CU-SUM)
BAGAN KENDALI CUMULATIVE SUM (CU-SUM) 10/09/2012 1 REVIEW Bagan kendali Shewhart biasanya diaplikasikan pada tahap I dari SPC. Shewhart mengidentifikasi terkontrol atau tidaknya suatu proses secara statistik
Lebih terperinciV. HASIL DA PEMBAHASA
V. HASIL DA PEMBAHASA Metode analisis kadar vitamin C pada susu bubuk yang dilakukan pada penelitian ini merupakan metode yang tercantum dalam AOAC 985.33 tentang penentuan kadar vitamin C pada susu formula
Lebih terperinciPETA KENDALI VARIABEL
PETA KENDALI VARIABEL 9 Pengendalian Kualitas Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e- Mail : debrina@ub.ac.id Blog : hcp://debrina.lecture.ub.ac.id/ 2 Outline Peta Kendali Variabel
Lebih terperinciBAB V PEMBAHASAN 5.1 Data Atribut Menganalisis CTQ ( Critical to Quality) Mengidentifikasi Sumber-sumber dan Akar Penyebab Kecacatan
BAB V PEMBAHASAN 5.1 Data Atribut Dari perhitungan yang telah dilakukan didapatkan nilai sigma untuk data atribut produk wajan super ukuran 20 sebesar 3,53. 5.1.1 Menganalisis CTQ (Critical to Quality)
Lebih terperinciStudi Simulasi Grafik Pengendali Non Parametrik Berdasarkan Fungsi Distribusi Empirik
Studi Simulasi Grafik Pengendali Non Parametrik Berdasarkan Fungsi Empirik S 6 Jantini Trianasari Natangku 1), Adi Setiawan ), Lilik Linawati ) 1) Mahasiswa Program Studi Matematika FSM-UKSW Email : n4n4_00190@yahoo.co.id
Lebih terperinciANALISIS PENGENDALIAN KUALITAS STATISTIKA TERHADAP PROSES PENGOLAHAN LIMBAH CAIR INDUSTRI DI IPAL PT.SIER (PERSERO) SURABAYA
ANALISIS PENGENDALIAN KUALITAS STATISTIKA TERHADAP PROSES PENGOLAHAN LIMBAH CAIR INDUSTRI DI IPAL PT.SIER (PERSERO) SURABAYA Oleh: Novi Mayasari (1307030015) Dosen Pembimbing: Dra.Sri Mumpuni Retnaningsih,
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Ketatnya persaingan antara perusahaan industri satu dengan yang lainnya menyebabkan semakin banyak dan beragam industri saat ini yang berusaha untuk meningkatkan kualitas
Lebih terperinciPENGKONSTRUKSIAN GRAFIK PENGENDALI BERDASAR BOXPLOT
PENGKONSTRUKSIAN GRAFIK PENGENDALI BERDASAR BOXPLOT Frangky Masipupu 1), Adi Setiawan ), Bambang Susanto 3) 1) Mahasiswa Program Studi Matematika ),3) Dosen Program Studi Matematika Program Studi dan Matematika
Lebih terperinciBAB III REGRESI TERSENSOR (TOBIT) Model regresi yang didasarkan pada variabel terikat tersensor disebut
BAB III REGRESI TERSENSOR (TOBIT) 3.1 Model Regresi Tersensor (Tobit) Model regresi yang didasarkan pada variabel terikat tersensor disebut model regresi tersensor (tobit). Untuk variabel terikat yang
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian adalah suatu kerangka yang memuat langkah-langkah yang ditempuh dalam menyelesaikan permasalahan yang dihadapi. Pada bagian ini akan dijelaskan secara
Lebih terperinciASPEK MEDIS DAN KEAMANAN VAKSIN KOMBINASI PENTABIO. Dominicus Husada
ASPEK MEDIS DAN KEAMANAN VAKSIN KOMBINASI PENTABIO Dominicus Husada ISI 1. Pendahuluan 2. Aspek Medis Vaksin Kombinasi Pentabio 3. Aspek Keamanan Vaksin Kombinasi Pentabio 4. Penutup 5. Bonus PENDAHULUAN
Lebih terperinciBAB IV STUDI KASUS. Indeks merupakan daftar harga sekarang dibandingkan dengan
BAB IV STUDI KASUS 4.1 Indeks Harga Konsumen Indeks merupakan daftar harga sekarang dibandingkan dengan sebelumnya menurut persentase untuk mengetahui turun naiknya harga barang. Indeks Harga Konsumen
Lebih terperinciIII Control chart for variables. Pengendalian Kualitas TIN-212
III Control chart for variables Pengendalian Kualitas TIN-212 Common dan Assignable causes of variation Variabilitas dapat dibagi ke dalam dua kategori: 1. Common causes of variation. Variasi ini merupakan
Lebih terperinciANALISIS KEMAMPUAN PROSES
LOGO ANALISIS KEMAMPUAN PROSES Kelompok 7 Rohmad Hadi S. Ananta Ade Kurniawan Nariswari Setya Dewi Kristy Handayani Lisa Apriana Dewi Nanda Hidayati Nining Dwi Lestari M0107082 M0108015 M0108022 M0108053
Lebih terperinciTINJAUAN PUSTAKA. Analisis regresi adalah suatu metode analisis data yang menggambarkan
II. TINJAUAN PUSTAKA 2.1 Analisis Regresi Analisis regresi adalah suatu metode analisis data yang menggambarkan hubungan fungsional antara variabel respon dengan satu atau beberapa variabel prediktor.
Lebih terperinciBAB I PENDAHULUAN. Hasil dari suatu proses produksi yang diterima oleh konsumen diharapkan
BAB I PENDAHULUAN 1.1 Latar belakang Masalah Hasil dari suatu proses produksi yang diterima oleh konsumen diharapkan memenuhi spesifikasi produsen. Karena produk yang mahal, tidak efisien, dan tidak sesuai
Lebih terperinciBAB III ANALISIS KUALITAS PRODUK BENANG TS 248 MENGGUNAKAN MULTIVARIATE STATISTICAL PROCESS CONTROL ( MSPC )
BAB III ANALISIS KUALITAS PRODUK BENANG TS 48 MENGGUNAKAN MULTIVARIATE STATISTICAL PROCESS CONTROL ( MSPC ) 3.1. Pendahuluan Metode yang akan dipakai dalam pengendalian kualitas benang TS 48 adalah diagram
Lebih terperinciSTATISTICAL PROCESS CONTROL
STATISTICAL PROCESS CONTROL Sejarah Statistical Process Control Sebelum tahun 1900-an, industri AS umumnya memiliki karakteristik dengan banyaknya toko kecil menghasilkan produk-produk sederhana, seperti
Lebih terperinciPENS. Probability and Random Process. Topik 2. Statistik Deskriptif. Prima Kristalina Maret 2016
Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 2. Statistik Deskriptif Prima Kristalina Maret 2016 1 Outline [2][1] 1. Penyajian Data o Tabel
Lebih terperincistatistika untuk penelitian
statistika untuk penelitian Kelompok Ilmiah Remaja (KIR) Delayota Experiment Team (D Expert) 2013 Freeaninationwallpaper.blogspot.com Apa itu Statistika? Statistika adalah ilmu yang mempelajari cara pengumpulan,
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini dilakukan di PT SEI Bogor pada Bulan September 2016 sampai dengan Bulan Desember 2016. PT SEI Bogor merupakan perusahaan yang bergerak
Lebih terperinciANALISIS KEMAMPUAN PROSES PADA DATA BERDISTRIBUSI BINOMIAL
ANALISIS KEMAMPUAN PROSES PADA DATA BERDISTRIBUSI BINOMIAL Makalah Untuk Memenuhi Tugas Mata Kuliah Pengendalian Kualitas Statistik Yang Dibina Oleh Bapak Hendro Permadi Nama Kelompok: Sudarsono (309312422762)
Lebih terperinciKOMPUTASI METODE EXPONENTIALLY WEIGHTED MOVING AVERAGE UNTUK PENGENDALIAN KUALITAS PROSES PRODUKSI MENGGUNAKAN GUI MATLAB
KOMPUTASI METODE EXPONENTIALLY WEIGHTED MOVING AVERAGE UNTUK PENGENDALIAN KUALITAS PROSES PRODUKSI MENGGUNAKAN GUI MATLAB (STUDI KASUS : PT Djarum Kudus SKT Brak Megawon III) SKRIPSI Disusun Oleh : IYAN
Lebih terperinciInterval Estimation. Tjipto Juwono, Ph.D. May 20, TJ (SU) Interval Estimation May / 24
Interval Estimation Tjipto Juwono, Ph.D. May 20, 2015 TJ (SU) Interval Estimation May 2015 1 / 24 Outline 1 Pendahuluan 2 Pengertian Confidence Interval 3 Menghitung t 4 Menyusun Confidence Interval 5
Lebih terperinciLAPORAN PRAKTIKUM PENGENDALIAN KUALITAS STATISTIK MODUL 1
LAPORAN PRAKTIKUM PENGENDALIAN KUALITAS STATISTIK MODUL 1 PENGENDALIAN KUALITAS STATISTIK NILAI TOEFL MAHASISWA JURUSAN S1 TEKNIK KIMIA ANGKATAN 2013 DAN 2014 Disusun Oleh : Dedi Setiawan (1314100071)
Lebih terperinciDistribution. Contoh Kasus. Widya Rahmawati
Distribution Widya Rahmawati Contoh Kasus Mahasiswa A sudah mendapatkan data hasil penelitian Mahasiswa A sedang mempertimbangkan angka statistik mana yang sebaiknya ditampilkan (mean atau median) analisis
Lebih terperinciMateri ke-8 Rabu, 1 Desember 2010
Analisis Kemampuan Proses Materi ke-8 Rabu, 1 Desember 2010 Analisis Kemampuan Proses 1. Pendahuluan 2. Batas spesifikasi dan batas kontrol 3. Analisis kemampuan proses 4. Batas toleransi natural 5. Hubungan
Lebih terperinciBAB 3 METODOLOGI PEMECAHAN MASALAH
BAB 3 METODOLOGI PEMECAHAN MASALAH 3.1 Ukuran Kinerja Di bawah ini akan digambarkan mengenai bagaimana teknik maupun urut-urutan pemecahan masalah yang dipergunakan. Pada gambar flowchart di bawah ini
Lebih terperinciInterval Estimation. Tjipto Juwono, Ph.D. May 13, TJ (SU) Interval Estimation May / 17
Interval Estimation Tjipto Juwono, Ph.D. May 13, 2016 TJ (SU) Interval Estimation May 2015 1 / 17 Pendahuluan Point Estimator Perhatikan MPC pada persamaan regresi Ŷ i = ˆβ 1 + ˆβ 2 X i = 2.3121+0.5231X
Lebih terperinciPeta Kendali (Control Chart)
Peta Kendali (Control Chart) Pengendalian Kualitas Statistika Ayundyah Kesumawati Prodi Statistika FMIPA-UII October 29, 2015 Ayundyah (UII) Peta Kendali (Control Chart) October 29, 2015 1 / 22 Control
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN. penelitian ini meliputi jumlah sampel (N), nilai minimum, nilai maksimum,
44 BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis Statistik Deskriptif Berdasarkan hasil analisis statistik deskriptif, maka pada Tabel 4.1 berikut ini akan ditampilkan karakteristik sample yang digunakan
Lebih terperinciProsiding Statistika ISSN:
Prosiding Statistika ISSN: 2460-6456 Penerapan Diagram Kendali Sintetik untuk mendeteksi Pergeseran Rata-rata (Kasus pada PT.World Yamater Spinning Milis II) The Synthetic Control Chart Implementation
Lebih terperinciAnalisis Pengendalian Kualitas Produk Botol Kode 493 Menggunakan Peta Kendali Kernel di PT. Iglas (Persero)
JURNAL SAINS DAN SENI ITS Vol. 5, No.1, (2016) 2337-3520 (2301-928X Print) D-77 Analisis Pengendalian Kualitas Produk Botol Kode 493 Menggunakan Peta Kendali Kernel di PT. Iglas (Persero) Widya Azizatin
Lebih terperinciANALISIS KEMAMPUAN PROSES
ANALISIS KEMAMPUAN PROSES ì 11 Pengendalian Kualitas Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e- Mail : debrina@ub.ac.id Blog : hcp://debrina.lecture.ub.ac.id/ 2 Outline ì ANALISIS
Lebih terperinciDiagram Kontrol Data Depth untuk Memonitor Proses Multivariat
Prosiding Statistika ISSN: 2460-6456 Diagram Kontrol Data Depth untuk Memonitor Proses Multivariat 1 Mutia Laksmi, 2 Suwanda, 3 Lisnur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciKorelasi Pearson. Pendahuluan
Korelasi Pearson Korelasi Pearson merupakan salah satu ukuran korelasi yang digunakan untuk mengukur kekuatan dan arah hubungan linier dari dua veriabel. Dua variabel dikatakan berkorelasi apabila perubahan
Lebih terperinciPETA KENDALI VARIABEL
PETA KENDALI VARIABEL 9 Pengendalian Kualitas Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e- Mail : debrina@ub.ac.id Blog : hcp://debrina.lecture.ub.ac.id/ 2 Outline Peta Kendali Variabel
Lebih terperinciBAB I PENDAHULUAN. perusahaan untuk memproduksi suatu produk, baik berupa barang atau jasa yang
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pada saat ini, konsumen semakin banyak menuntut kemampuan perusahaan untuk memproduksi suatu produk, baik berupa barang atau jasa yang berkualitas tinggi. Tuntutan
Lebih terperinciPROCESS CAPABILITY ANALYSIS PADA NUT (STUDI KASUS: PT SANKEI DHARMA INDONESIA)
PROCESS CAPABILITY ANALYSIS PADA NUT (STUDI KASUS: PT SANKEI DHARMA INDONESIA) Helena Sisilia R. S.*, Hendy Tannady* Program Studi Teknik Industri, Universitas Bunda Mulia Jl. Lodan Raya No. 2, Ancol-Jakarta
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. analisis, (c) hasil pengujian hipotesis penelitian, (2) pembahasan, dan (3) keterbatasan penelitian.
BAB IV HASIL PENELITIAN DAN PEMBAHASAN Pada bab ini akan disajikan berturut-turut (1) hasil penelitian yang meliputi (a) hasil pengujian analisis deskriptif data penelitian untuk memperoleh gambaran tentang
Lebih terperinciTATAP MUKA IV UKURAN PENYIMPANGAN SKEWNESS DAN KURTOSIS. Fitri Yulianti, SP. MSi.
TATAP MUKA IV UKURAN PENYIMPANGAN SKEWNESS DAN KURTOSIS Fitri Yulianti, SP. MSi. UKURAN PENYIMPANGAN Pengukuran penyimpangan adalah suatu ukuran yang menunjukkan tinggi rendahnya perbedaan data yang diperoleh
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
58 BAB IV HASIL DAN PEMBAHASAN 4.1 Spesifikasi Data Pengambilan data dilakukan dengan spesifikasi yang telah ditentukan sebagai berikut: Pengujian : Sembilan kecepatan motor (1000 RPM, 1200 RPM, 1400 RPM,
Lebih terperinciPENGARUH NILAI UJIAN NASIONAL FISIKA DAN KIMIA TERHADAP HASIL NILAI UJIAN NASIONAL MATEMATIKA SISWA KELAS AKSELERASI IPA DI SMAN 3 BANDUNG
PENGARUH NILAI UJIAN NASIONAL FISIKA DAN KIMIA TERHADAP HASIL NILAI UJIAN NASIONAL MATEMATIKA SISWA KELAS AKSELERASI IPA DI SMAN 3 BANDUNG 1. Pendahuluan Latar Belakang Ujian Nasional biasa disingkat UN
Lebih terperinciIV HASIL DAN PEMBAHASAN
6 telah dibangkitkan. Kemudian peubah X dan Y diregresikan dengan OLS sehingga diperoleh kuadrat galat. Kuadrat galat diurutkan dari ang terkecil sampai dengan ang terbesar, lalu dilakukan pemangkasan.
Lebih terperinciBAB IV ANALISA DAN PEMBAHASAN
BAB IV ANALISA DAN PEMBAHASAN A. Statistik Deskriptif Statistik deskriptif dalam penelitian ini akan memberikan informasi mengenai variabel-variabel yang digunakan, seperti Profitabilitas, Debt to EquityRatio
Lebih terperinciBAB I PENDAHULUAN. Imunisasi merupakan hal yang wajib diberikan pada bayi usia 0-9
BAB I PENDAHULUAN A. Latar Belakang Imunisasi merupakan hal yang wajib diberikan pada bayi usia 0-9 bulan. Imunisasi adalah suatu upaya untuk menimbulkan atau meningkatkan kekebalan seseorang secara aktif
Lebih terperinciBAB V ANALISA HASIL. PT. XYZ selama ini belum pernah menerapkan metode Statistical Process
70 BAB V ANALISA HASIL 5.1 Analisa Hasil control chart PT. XYZ selama ini belum pernah menerapkan metode Statistical Process Control. Sebagai langkah awal penulis mencoba menganalisa data volume produk
Lebih terperinciMulai. Studi pustaka. Pengumpulan d. Penyusunan control chart Xbar-R dengan Minitab. - Po - PRI. Apakah control chart. terkendali?
Lampiran 1. Bagan alir penelitian Mulai Studi pustaka Pengumpulan d Penyusunan control chart Xbar-R dengan Minitab - Po - PRI Ya Apakah control chart terkendali? Tidak Menetapkan spesifikasi konsumen Penelusuran
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Tujuan utama Statistical Process Control (SPC) ialah untuk meningkatkan kualitas dan produktivitas. Kualitas memiliki hubungan yang sangat erat dengan kepuasan
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI Kualitas adalah segala sesuatu yang mampu memenuhi keinginan atau kebutuhan pelanggan (meeting the needs of customers) (Gasperz, 2006). Pengendalian kualitas secara statistik dengan
Lebih terperinciPENERAPAN DIAGRAM KONTROL KOMBINASI MEWMA PADA TAHAP CUTTING PROSES PRODUKSI PIPA PVC
PENERAPAN DIAGRAM KONTROL KOMBINASI MEWMA PADA TAHAP CUTTING PROSES PRODUKSI PIPA PVC Putu Witri Dewayanti, Muhammad Mashuri, Wibawati 3 ) Mahasiswa Jurusan Statistika FMIPA ITS,3) Dosen Jurusan Statistika
Lebih terperinciBAB IV METODE PENELITIAN
BAB IV METODE PENELITIAN 4.1. Waktu dan Tempat Penelitian Penelitian dilaksanakan pada bulan Maret hingga April 2011 dengan lokasi penelitian berada di Hutan Pendidikan Gunung Walat, Kabupaten Sukabumi.
Lebih terperinciSTRATEGI PERBAIKAN KUALITAS GULA BERDASARKAN KEMAMPUAN PROSES KONTROL
STRATEGI PERBAIKAN KUALITAS GULA BERDASARKAN KEMAMPUAN PROSES KONTROL Mila Faila Sufa * 1, Dina Ariningsih 2 1,2 Jurusan Teknik Industri Universitas Muhammadiyah Surakarta Jl.A. Yani Tromol Pos 1 Kartasura
Lebih terperinciMetode Training SPC TIDAK FOKUS PADA CARA MELAKUKAN PERHITUNGAN STATISTIK TAPI
Metode Training SPC TIDAK FOKUS PADA CAA MELAKUKAN PEHITUNGAN STATISTIK TAPI MENGAJAKAN KONSEP STATISTIK SECAA MENDALAM, APLIKASI STATISTIK, TEMASUK TEKNIK SAMPLING DISETAI VIDEO SIMULASI, STUDI KASUS
Lebih terperinciStatistik Dasar. 1. Pendahuluan Persamaan Statistika Dalam Penelitian. 2. Penyusunan Data Dan Penyajian Data
Statistik Dasar 1. Pendahuluan Persamaan Statistika Dalam Penelitian 2. Penyusunan Data Dan Penyajian Data 3. Ukuran Tendensi Sentral, Ukuran Penyimpangan 4. Momen Kemiringan 5. Distribusi Normal t Dan
Lebih terperinciANALISIS RANCANGAN EKONOMI PADA GRAFIK KENDALI EXPONENTIALLY WEIGHTED MOVING AVERAGE (EWMA)
ANALISIS RANCANGAN EKONOMI PADA GRAFIK KENDALI EXPONENTIALLY WEIGHTED MOVING AVERAGE (EWMA) Oleh: Dian Mareta Windayani 16 100 055 Dosen pembimbing: Dra. Laksmi Prita, M.Si Latar belakang PENDAHULUA N
Lebih terperinciBAB III METODE CONTROL CHART. sebagai metode grafik yang di gunakan untuk mengevaluasi apakah suatu proses
BAB III METODE CONTROL CHART 3.1 Control Chart Peta kendali atau Control Chart merupakan suatu teknik yang dikenal sebagai metode grafik yang di gunakan untuk mengevaluasi apakah suatu proses berada dalam
Lebih terperinciMA5283 STATISTIKA Bab 7 Analisis Regresi
MA5283 STATISTIKA Bab 7 Analisis Regresi Orang Cerdas Belajar Statistika Silabus Silabus dan Tujuan Perkuliahan Silabus Tujuan Peubah bebas dan terikat, konsep relation, model regresi linier, penaksir
Lebih terperinciTINJAUAN PUSTAKA. Model Regresi Linier Ganda
TINJAUAN PUSTAKA Model Regresi Linier Ganda Hubungan antara y dan X dalam model regresi linier umum adalah y = X ß + e () dengan y merupakan vektor pengamatan pada peubah respon (peubah tak bebas) berukuran
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam persaingan pasar yang amat ketat seperti sekarang ini, industri harus menjaga kualitas produk atau jasa mereka tetap terjamin. Hal ini dikarenakan agar konsumen
Lebih terperinciBAB 1 PENDAHULUAN. untuk mencegah terhadap penyakit tertentu (Hidayat, 2005). Imunisasi adalah
BAB 1 PENDAHULUAN 1.1. Latar Belakang Imunisasi merupakan usaha pemberian kekebalan pada bayi dan anak dengan memasukkan vaksin ke dalam tubuh agar tubuh membuat zat anti untuk mencegah terhadap penyakit
Lebih terperincicita-cita UUD Pembangunan bidang kesehatan di Indonesia saat ini mempunyai beban ganda (double burden). Penyakit menular masih merupakan
cita-cita UUD 1945. Pembangunan bidang kesehatan di Indonesia saat ini mempunyai beban ganda (double burden). Penyakit menular masih merupakan masalah, sementara penyakit degeneratif juga muncul sebagai
Lebih terperinciDISTRIBUSI PROBABILITAS KONTINYU. Nur Hayati, S.ST, MT Yogyakarta, Maret 2016
DISTRIBUSI PROBABILITAS KONTINYU Nur Hayati, S.ST, MT Yogyakarta, Maret 2016 DISTRIBUSI PELUANG KONTINYU Berbeda dengan variabel random diskrit, sebuah variabel random kontinyu adalah variabel yang dapat
Lebih terperinciUkuran tendensi sentral seperti mean, median, dan modus seringkali tidak mempunyai cukup informasi untuk menyimpulkan data yg ada.
Azimmatul Ihwah Ukuran tendensi sentral seperti mean, median, dan modus seringkali tidak mempunyai cukup informasi untuk menyimpulkan data yg ada. Ada cara yg lebih baik untuk menginterpretasi data yg
Lebih terperinciGRAFIK PENGENDALI NON PARAMETRIK UNIVARIAT PADA DATA ph PRODUK AIR MINUM GALON MERK X BERDASARKAN FUNGSI DISTRIBUSI EMPIRIK
GRAFIK PENGENDALI NON PARAMETRIK UNIVARIAT PADA DATA ph PRODUK AIR MINUM GALON MERK X BERDASARKAN FUNGSI DISTRIBUSI EMPIRIK Jantini Trianasari Natangku ), Adi Setiawan 2), Lilik Linawati 2) ) Mahasiswa
Lebih terperinciPengantar Uji Hipotesis. Oleh Azimmatul Ihwah
Pengantar Uji Hipotesis Oleh Azimmatul Ihwah Hipotesis Merupakan pernyataan/dugaan mengenai parameter dari 1 atau lebih populasi. Misalnya seorang guru Kimia ingin mengetahui apakah metode pembelajaran
Lebih terperinciPERBANDINGAN KINERJA DIAGRAM KONTROL MULTIVARIAT UNTUK VARIABILITAS BERDASARKAN MATRIKS KOVARIANSI DAN MATRIKS KORELASI. Abstrak
PERBANDINGAN KINERJA DIAGRAM KONTROL MULTIVARIAT UNTUK VARIABILITAS BERDASARKAN MATRIKS KOVARIANSI DAN MATRIKS KORELASI Dwi Yuli Rakhmawati, Muhammad Mashuri 2,2) Institut Teknologi Sepuluh Nopember dwiyuli_rakhmawati@yahoo.com,
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Pengendalian kualitas merupakan aktivitas keteknikan dan manajemen yang dengan aktivitas tersebut dapat mengukur ciri-ciri kualitas produk, membandingkan dengan
Lebih terperinciMETODOLOGI 3.1 Kerangka Pemikiran 3.2 Metode Pengumpulan Data
30 3 METODOLOGI 3.1 Kerangka Pemikiran Tunamerupakan komoditas komersial tinggi dalam perdagangan internasional. Salah satu bentuk olahan tuna adalah tuna loin, tuna steak, dan tuna saku. Tuna loin merupakan
Lebih terperinciPenetapan Potensi Antibiotik Secara Mikrobiologi. Marlia Singgih Wibowo School of Pharmacy ITB
Penetapan Potensi Antibiotik Secara Mikrobiologi Marlia Singgih Wibowo School of Pharmacy ITB Mengapa antibiotik perlu ditentukan kadar atau potensinya? Efek penggunaan antimikroba yang meningkat, sehingga
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Gula salah satu kebutuhan sehari-hari yang penting bagi masyarakat Indonesia, karena sumber kalori dan pemanis untuk makanan atau minuman. Menurut wakil ketua Asosiasi
Lebih terperinci(MEWMA) Zuhrawati Latif ABSTRAK
Peta Kendali Multivariate Exponentially Weighted Moving Average (MEWMA) Zuhrawati Latif Mahasiswa Jurusan Matematika Universitas Hasanuddin ABSTRAK Proses produksi merupakan serangkaian kegiatan dalam
Lebih terperinciterhadap kesehatan persalinan. Sehingga tak heran jika negara-negara maju di
Nama: Ummi Fadilah NIM: 12/339683/PPA/3995 Teori Resiko Aktuaria PROSES PEMODELAN PENDAHULUAN Salah satu ciri dari negara maju adalah pemerintah dan masyarakat yang peduli terhadap kesehatan persalinan.
Lebih terperinciStudi Performansi Air Bersih Pada Peta Kendali Untuk Minimasi Fungsi Kerugian Waste
TEKNOLOGI DI INDUSTRI (SENIATI) 6 ISSN: 58-8 Studi Performansi Air Bersih Pada Peta Kendali Untuk Minimasi Fungsi Kerugian Waste Mastiadi Tamjidillah,, Pratikto 3, Purnomo Budi Santoso, Sugiono Mahasiswa
Lebih terperinci