Pada tugas akhir ini, data yang digunakan adalah data salah satu key characteristic dari suatu produk manufaktur.
|
|
- Yuliana Hadiman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 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, dengan kata lain ada suatu proses produksi data, sehingga data tersebut bisa diolah dan dianalisa. Pada tugas akhir ini, data yang digunakan adalah data salah satu key characteristic dari suatu produk manufaktur. Proses produksi data yang akan digunakan hingga dapat dianalisa secara garis besar dapat dilihat pada pada bagan dibawah ini : Posisi / Koordinat (dari gambar) Ambil salah satu KC Proses Pengukuran Hasil Pengukuran Analisis
2 BAB IV ANALISA DATA 33 Gambar 4.1 Bagan proses produksi data Pada proses produksi data, sebelum proses pengukuran dilakukan, terlebih dulu dilihat titik titik mana saja yang perlu diukur dengan melihat gambar teknik dari produk yang akan diukur tersebut. Barulah kemudian setelah mengetahui dengan pasti titik titik mana saja yang perlu diukur, dilakukan proses pengukuran. Proses pengukuran produk tersebut dilakukan dengan menggunakan mesin pengukuran yang disebut dengan coordinate-measuring machine (CMM). Gambar 4. Mesin CMM Mesin ini diprogram sedemikian rupa sehingga sensor dari mesin secara otomatis akan menyentuh titik titik yang akan diukur sehingga didapatkan koordinat setiap titik. Hasil dari pengukuran yang berupa koordinat dari titik titik yang diukur kemudian diinterpretasikan dalam jarak, posisi, kedalaman ataupun diameter sebagai data. Produk ini memiliki tiga buah key characteristic. Karena analisa dalam tugas akhir ini menggunakan data univariate, maka pada proses pengolahan data hanya akan diambil salah satu dari ketiga key
3 BAB IV ANALISA DATA 34 characteristic yang ada, yaitu key characteristic yang pertama (KC1). KC1 dari produk ini dapat dilihat pada tabel dibawah ini, No No Target USL LSL Tabel 4.1 yang digunakan Secara skematis, proses analisa data dalam tugas akhir ini dapat dilihat dari bagan dibawah ini, Tipe Taguchi Loss Function - Nominal the best - Smaller the best - Larger the best Uji kenormalan data Analisis CUSUM Melihat trend dari proses produksi Kelompokan data sblm dan ssdh aksi dalam proses produksi Loss Function dengan batas kontrol shewhart Hitung rasio C p dengan batas kontrol shewhart, jika nilai CL = target Hitung peluang proses produksi thd loss cost tertentu Untuk loss cost tertentu yang ditetapkan, berapa peluang dari proses produksi yang ada bisa memenuhi. Hitung rasio C p sebelum dan sesudah Hitung rata-rata loss cost sebelum dan sesudah aksi Gambar 4.3 Bagan proses analisa data
4 BAB IV ANALISA DATA Tipe Taguchi Loss Function Dapat dilihat pada tabel diatas bahwa data yang ada memiliki nilai target yang ditetapkan. Artinya produk dikatakan berkualitas baik jika nilai spesifikasi produknya sesuai dengan nilai target tersebut. Karena itu, data yang akan diolah dapat digolongkan ke dalam tipe nominal the best (N-Type). Perhitungan rata-rata loss cost per produk dari suatu kelompok dapat hitung menggunakan formula dibawah ini, ( ) L = k S + y m Y; y, A k = S : variansi Y dari sampel disekitar rataan Y, y Y; y y : rataan dari nilai y pada suatu kelompok (y m) : besar deviasi nilai rataan kelompok dari nilai target m 4.3 Uji Kenormalan Untuk melihat apakah data yang didapat berdistribusi normal atau tidak, digunakan analisis uji kenormalan data berdasarkan metode Anderson Darling dan Probability Plot untuk distribusi normal. Uji kenormalan data ini dilakukan menggunakan software Minitab 14. Hasil dari uji kenormalan data menggunakan metode Anderson Darling dapat dilihat pada gambar dibawah ini,
5 BAB IV ANALISA DATA 36 Anderson-Darling Normal Percent Mean StDev 0.11 N 31 AD P-Value Gambar 4.4 Uji normal Anderson-Darling Dari hasil uji kenormalan data menggunakan metode Anderson-Darling didapatkan p-value sebesar 0.19, artinya untuk tingkat kesalahan α = 0.05, p Value > α sehingga data yang ada bisa diasumsikan berdistribusi normal. Sedangkan hasil dari uji kenormalan data dengan melihat probability plot untuk distribusi normal, dapat dilihat pada gambar berikut, Probability Plot of Normal - 95% CI Percent Mean StDev 0.11 N 31 AD P-Value Gambar 4.5 Probability Plot untuk distribusi normal Dari probability plot untuk distribusi normal diatas, dapat dilihat bahwa seluruh data masih berada pada daerah kategori distribusi normal.
6 BAB IV ANALISA DATA 37 Dengan demikian, berdasarkan kedua uji kenormalan data diatas, dapat diasumsikan bahwa data yang mengikuti distribusi normal. 4.4 CUSUM Analisa menggunakan cumulative sum (CUSUM) ini dilakukan untuk melihat kecenderungan dari proses produksi, apakah proses produksi yang sedang dilakukan cenderung terkontrol atau cenderung tidak terkontrol, juga untuk melihat kapan terjadi aksi pada proses produksi. Aksi disini bisa berupa setting ulang mesin, penggantian mata bor pada mesin, pergantian operator, dsb. Proses pembuatan grafik CUSUM dilakukan secara manual menggunakan software microsoft excel. Detail data perhitungan dapat dilihat pada lampiran. Grafik CUSUM berdasarkan data yang ada dapat dilihat pada grafik berikut ini, CUSUM Ci+ Ci- H+ H- Gambar 4.6 Grafik CUSUM Dari grafik CUSUM diatas, terlihat bahwa proses cenderung berjalan baik dan terlihat perubahan kecenderungan proses produksi setelah data ke 17. Ini berarti terdapat aksi setelah produk ke 17 tersebut sehingga kecenderungan proses produksi yang asalnya menurun kembali mendekati target.
7 BAB IV ANALISA DATA CLUSTER Analisa data menggunakan cluster ini dilakukan untuk melihat apakah terjadi aksi dalam proses produksi yang ada atau tidak. Jika terjadi aksi pada proses produksi, maka data bisa dikelompokan menjadi dua kelompok. Sebelumnya, agar bisa dilakukan clustering pada data, dibutuhkan variabel lain dalam proses clusteringnya, untuk itu dibuat variabel baru namun tetap berdasarkan data, yaitu selisih waktu pengukuran dalam hari, relatif terhadap waktu pengukuran yang pertama. Untuk lebih jelasnya dapat dilihat pada tabel berikut, No Selisih Waktu Target
8 BAB IV ANALISA DATA 39 USL LSL Mean Tabel 4. dengan selisih tanggal pengukuran Berdasarkan proses clustering menggunakan software Minitab 14, didapatkan dua kelompok data dengan pembagian kelompok data sebagai berikut, No Selisih waktu cluster Tabel 4.3 Pengelompokan data hasil cluster
9 BAB IV ANALISA DATA 40 Dari tabel hasil pengelompokan data menggunakan teknik cluster diatas, dapat dilihat bahwa data terbagi menjadi dua kelompok, yaitu data sebelum aksi pada proses produksi (cluster 1) dan data setelah ada aksi pada proses produksi. 4.6 Perhitungan Rata Rata Loss Cost Dan Rasio Indeks Kapabilitas Proses C p Perhitungan rata rata loss cost dan rasio C p dilakukan terhadap dua kelompok data yang dikelompokan berdasarkan dua metode diatas, yaitu berdasarkan CUSUM dan berdasarkan Cluster. Seperti telah dipaparkan pada bab, perhitungan rata rata loss cost dilakukan berdasarkan persamaan L = k S + ( y m ) Y; y, dimana Y adalah peubah acak dari nilai spesifikasi sampel yang diukur, S adalah variansi Y Y; y dari sampel disekitar rataan Y, y adalah rataan dari nilai spesifikasi pada suatu kelompok dan (y m) adalah besar deviasi nilai rataan kelompok dari nilai target m. Untuk perhitungan rasio kapabilitas proses C p, seperti telah dipaparkan pada L C 1 p bab 3, perhitungan dilakukan berdasarkan hubungan =, dimana L C p1 L 1 dan L masing masing adalah rata rata loss cost sebelum aksi dalam proses produksi rata rata loss cost setelah aksi dalam proses produksi, sementara Cp dan C 1 p masing masing adalah indeks kapabilitas proses sebelum aksi dan setelah aksi dalam proses produksi. Berdasarkan pengelompokan data menggunakan CUSUM, diperoleh kelompok data sebagai berikut,
10 BAB IV ANALISA DATA 41 No Urut sblm aksi No.Urut sesudah aksi Tabel 4.4 Pengelompokan data berdasarkan CUSUM Perhitungan terhadap data hasil pengelompokan berdasarkan CUSUM diatas memberikan hasil L 1 = dan L = , sehingga diperoleh rasio L rata rata loss cost, 1 = Ini artinya, rasio kapabilitas proses L C p setelah ada aksi dan sebelum ada aksi, C p1 adalah sebesar Sementara, berdasarkan pengelompokan data menggunakan Cluster diperoleh kelompok data sebagai berikut, No Urut sblm aksi No.Urut sesudah aksi
11 BAB IV ANALISA DATA Tabel 4.5 Pengelompokan data berdasarkan Cluster Perhitungan terhadap data hasil pengelompokan berdasarkan Cluster diatas memberikan hasil L 1 = dan L = , sehingga diperoleh rasio L rata rata loss cost, 1 = Ini artinya, rasio kapabilitas proses L C p setelah ada aksi dan sebelum ada aksi, C p1 adalah sebesar Dari kedua hasil perhitungan diatas dapat dilihat bahwa rasio kapabilitas proses lebih besar dari 1, ini memberikan kesimpulan bahwa kapabilitas proses setelah ada aksi lebih baik dari pada sebelum aksi dilakukan. Selain itu, karena loss cost setelah ada aksi lebih kecil dari pada sebelum aksi, dapat disimpulkan pula bahwa dengan kapabilitas proses yang baik akan mengakibatkan loss cost yang lebih kecil. 4.7 Peluang Proses Produksi Memenuhi Loss Cost Yang Ditetapkan Dengan diasumsikannya data mempunyai distribusi normal pada bagian 4.3, maka seperti yang telah dipaparkan pada bab 3, peluang proses produksi memenuhi loss cost yang ditetapkan, D, dapat dihitung, menggunakan ( m+ a) pesamaan D f ( x) = dx, dimana m adalah nilai target yang ditetapkan, ( m a)
12 BAB IV ANALISA DATA 43 dan f(x) adalah fungsi peluang dari distribusi normal ( ) 1 f x = e πσ 1 x µ σ c dan a =, dimana c adalah nilai loss cost yang diterapkan dan k adalah k koefisien dari persamaan taguchi loss function. Berdasarkan data diperoleh nilai k = 5, m = dan nilai a = , diasumsikan nilai loss cost diharapkan, c tidak melebih 0. dari biaya total produksi. sehingga nilai D yang merupakan peluang proses produksi memenuhi nilai loss cost yang ditetapkan yaitu maksimal sebesar c = 0. adalah sebesar Perhitungan Rasio Indeks Kapabilitas Proses C p Menggunakan Batas Kontrol Shewhart. Bagan kendali shewhart yang dipilih ialah menggunakan I-Chart, karena pengukuran yang ada hanya 1 buah untuk setiap sampel dan diharapkan centre line dari bagan kendali shewhart ini dapat dianggap sama dengan nilai target. Gambar 4.7 I Chart Dari I-Chart, didapatkan UCL=519.73, CL= , dan LCL= Sementara dari batas spesifikasi kita tahu bahwa USL= , Target= , dan LSL=
13 BAB IV ANALISA DATA 44 Dengan menggunakan uji hipotesis, dimana hipotesis nol adalah nilai CL sama dengan nilai target dan hipotesis satu adalah nilai CL tidak sama dengan nilai target, berdasarkan data diperoleh p-value sebesar Untuk tingkat kepercayaan 95% atau tingkat kesalahan α =0.05, karena p-value lebih besar dari α, maka hipotesis nol tidak ditolak, artinya nilai CL dapat dianggap sama dengan nilai target untuk tingkat kepercayaan 95%, sehingga perhitungan rasio kapabilitas proses C p menggunakan batas kontrol shewhart dapat dilakukan. Untuk mendapatkan rasio C p dengan menggunakan batas bagan kendali shewhart sebagaimana dipaparkan pada bab 3, dilakukan perhitungan a L C 1 p a a berdasarkan persamaan =, dimana L a 1 dan L masing masing adalah L C p1 rata rata nilai loss cost sebelum aksi dilakukan pada proses produksi dan rata rata nilai loss cost setelah aksi dilakukan pada proses produksi dari Taguchi Loss Funtion dengan batas spesifikasi sedangkan dan masing masing adalah indeks kapabilitas Cp sebelum dilakukan aksi pada proses produksi dan indeks kapabilitas C p sesudah dilakukan aksi pada proses produksi. C p1 C p Jika perhitungan rata rata loss cost dilakukan menggunakan batas kontrol shewhart, maka untuk memperoleh rasio C p, rata rata loss cost yang diperoleh menggunakan batas kontrol shewhart harus ditransformasikan sehingga hasilnya sama atau mendekati dengan rata rata loss cost yang diperoleh menggunakan batas spesifikasi. Formula transformasinya adalah ( ) ( ) ( = ) ( USL m) a b UCL m L y L y, dengan a L dan b L masing masing adalah rata rata loss cost yang berdasarkan batas spesifikasi dan rata rata loss cost berdasarkan batas kontrol shewhart.
14 BAB IV ANALISA DATA 45 Perhitungan rata rata loss cost dan rasio C p dilakukan terhadap dua kelompok data yang dikelompokan berdasarkan dua metode diatas, yaitu berdasarkan CUSUM dan berdasarkan Cluster. Berdasarkan pengelompokan data menggunakan CUSUM, diperoleh kelompok data sebagai berikut, No Urut sblm aksi No.Urut sesudah aksi Tabel 4.6 Pengelompokan data berdasarkan CUSUM Berdasarkan perhitungan terhadap data diatas, diperoleh rata rata loss cost menggunakan batas kontrol shewhart sebelum dilakukan aksi dan sesudah b b dilakukan aksi, L 1 dan L masing masing sebesar dan Kemudian berdasarkan formula untuk mentransformasikannya menjadi loss cost berdasarkan batas spesifikasi diperoleh rata rata loss cost sebelum a a dilakukan aksi dan sesudah dilakukan aksi, L 1 dan L masing masing sebesar dan Ini artinya, rasio kapabilitas proses setelah C p ada aksi dan sebelum ada aksi, C p1 adalah sebesar Jika
15 BAB IV ANALISA DATA 46 dibandingkan dengan rasio kapabilitas proses setelah ada aksi dan sebelum ada aksi lansung berdasarkan rasio loss cost menggunakan batas spesifikasi, tanpa melakukan transformasi dari loss cost menggunakan batas kontrol shewhart yaitu sebesar 1.65, terdapat perbedaan sebesar Perbedaan ini disebabkan karena terdapat perbedaan nilai target dengan nilai CL pada bagan kendali I-Chart. Sementara, berdasarkan pengelompokan data menggunakan Cluster diperoleh kelompok data sebagai berikut, No Urut sblm aksi No.Urut sesudah aksi Tabel 4.7 Pengelompokan data berdasarkan Cluster Berdasarkan perhitungan terhadap data diatas, diperoleh rata rata loss cost menggunakan batas kontrol shewhart sebelum dilakukan aksi dan sesudah b b dilakukan aksi, L 1 dan L masing masing sebesar dan Kemudian berdasarkan formula untuk mentransformasikannya menjadi loss cost berdasarkan batas spesifikasi diperoleh rata rata loss cost sebelum
16 BAB IV ANALISA DATA 47 a a dilakukan aksi dan sesudah dilakukan aksi, L 1 dan L masing masing sebesar dan Ini artinya, rasio kapabilitas proses setelah C p ada aksi dan sebelum ada aksi, C p1 adalah sebesar Jika dibandingkan dengan rasio kapabilitas proses setelah ada aksi dan sebelum ada aksi lansung berdasarkan rasio loss cost menggunakan batas spesifikasi, tanpa melakukan transformasi dari loss cost menggunakan batas kontrol shewhart yaitu sebesar , terdapat perbedaan sebesar Perbedaan ini disebabkan karena terdapat perbedaan nilai target dengan nilai CL pada bagan kendali I-Chart. Dari dua perhitungan diatas, dapat disimpulkan bahwa, jika nilai centre line (CL) dari batas kontrol shewhart dapat dianggap sama dengan nilai target yang ditetapkan, rasio indeks kapabilitas proses C p dapat didapatkan dengan cara mentransformasikan loss cost menggunakan batas kontrol shewhart ke loss cost menggunakan batas spesifikasi. Perbedaan yang ada dari rasio indeks kapabilitas proses C p hasil tranformasi berdasarkan loss cost dari batas kontrol shewhart dan langsung berdasarkan loss cost dari batas spesifikasi dikarenakan perbedaan nilai target dengan nilai CL pada bagan kendali shewhart yang dipilih.
BAB 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 I PENDAHULUAN 1 BAB 1 PENDAHULUAN
BAB I PENDAHULUAN 1 BAB 1 PENDAHULUAN 1.1 Kualitas Kualitas adalah sesuatu yang terus menerus dicari oleh manusia. Manusia mencari pendidikan bertujuan untuk meningkatkan kualitas dirinya, begitu pula
Lebih terperinciBab 5. Analisis Kapabilitas Produk. 5.1 Pendahuluan
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
Lebih terperinciPENDEKATAN ORIENTASI BIAYA PADA KONTROL KUALITAS
PENDEKATAN ORIENTASI BIAYA PADA KONTROL KUALITAS Diajukan untuk memenuhi persyaratan Sidang Sarjana Matematika Oleh: Iqbal Yulizar M 10103046 PROGRAM STUDI MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
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 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 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 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 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 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 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 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 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 terperinciPeta Kendali (Control Chart)
Peta Kendali (Control Chart) Pengendalian Kualitas Statistika Ayundyah Kesumawati Prodi Statistika FMIPA-UII October 21, 2015 Ayundyah (UII) Peta Kendali (Control Chart) October 21, 2015 1 / 17 Control
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 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 4 ANALISA DAN PEMBAHASAN
BAB 4 ANALISA DAN PEMBAHASAN 4. Data Sampel 4.. Pengambilan dan Pemilihan Data Sampel Dari pengumpulan data yang telah dilakukan, diperoleh 20 data sampel yang telah dikelompokkan menjadi subgrup-subgrup
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN. merupakan mesin paling kritis dalam industri pengolahan minyak sawit. Pabrik
BAB 4 HASIL DAN PEMBAHASAN 4.1.Pengumpulan Data Kerusakan Mesin Dalam penelitian ini, penulis meneliti kerusakan pada mesin kempa yang merupakan mesin paling kritis dalam industri pengolahan minyak sawit.
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 terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4. Hasil Pengumpulan Data Tabel 4. Tabel Pengumpulan Data Jam Tgl Variabel 9: : : 4: 5: 8/8/5 Tebal Material 8 6 6 6.5 Kecepatan Potong 567 6 68 64 54 Hasil Pemotongan 4 4.333
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 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 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 terperinciPENGENDALIAN KUALITAS STATISTIK
PENGENDALIAN KUALITAS STATISTIK PENGENDALIAN KUALITAS STATISTIK Pendahuluan Kualitas / Mutu : Ukuran tingkat kesesuaian barang/ jasa dg standar/spesifikasi yang telah ditentukan/ ditetapkan. Pengendalian
Lebih terperinciMengelola Eksperimen. 17 Oktober 2013
Mengelola Eksperimen 17 Oktober 013 8 langkah mengelola eksperimen Perencanaan eksperimen Langkah 1 : mendefinisikan masalah Langkah : menentukan tujuan Langkah 3 : mendefinisikan karakteristik kualitas
Lebih terperinciSOAL DETECT UTS GENAP 2014/2015. Quality Control
SOAL DETECT UTS GENAP 2014/2015 Quality Control 1. a. Buat peta kendali dan R! b. Buat revisi peta kendali jika dibutuhkan! c. Diketahui spesifikasi produk adalah 171 ± 11. Jika produk di bawah LSL maka
Lebih terperinciPerawatan ortodonti dengan pencabutan premolar pertama. Retraksi anterior
Lampiran. KERANGKA KONSEP Perawatan ortodonti dengan pencabutan molar pertama Retraksi anterior Perubahan dental Perubahan jaringan lunak bibir Perubahan jarak puncak insisial atas ke sumbu Y (PM Line)
Lebih terperinciPerbandingan Peta Kendali X-R Dan EWMA Dengan Pendekatan P-Value Untuk Mendeteksi Pergeseran Rata-Rata Proses Di PT.XYZ
Perbandingan Peta Kendali X-R Dan EWMA Dengan Pendekatan P-Value Untuk Mendeteksi Pergeseran Rata-Rata Proses Di PT.XYZ Alin Widiawati 1, Faula Arina 2, Putro Ferro Ferdinant 3 1, 2, 3 Jurusan Teknik Industri
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 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 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 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 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 terperinciANALISIS RANCANGAN EKONOMI PADA GRAFIK KENDALI EXPONENTIALLY WEIGHTED MOVING AVERAGE (EWMA) UNTUK MEAN DAN VARIANS
ANALISIS RANCANGAN EKONOMI PADA GRAFIK KENDALI EXPONENTIALLY WEIGHTED MOVING AVERAGE (EWMA) UNTUK MEAN DAN VARIANS Oleh: Dian Mareta Windayani 1206 100 055 Desen pembimbing: Dra. Laksmi Prita, M.Si Abstrak
Lebih terperinciLAPORAN PRAKTIKUM TEKNIK PENGUJIAN MUTU HASIL PERIKANAN STATISTICAL PROCESS CONTROL
LAPORAN PRAKTIKUM TEKNIK PENGUJIAN MUTU HASIL PERIKANAN STATISTICAL PROCESS CONTROL Disusun oleh: Bekti Wulan Sari 11/318052/PN/12374 LABORATORIUM TEKNOLOGI IKAN JURUSAN PERIKANAN FAKULTAS PERTANIAN UNIVERSITAS
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 terperinciPenentuan Nilai Parameter Mesin Las untuk Menghasilkan Kualitas Pengelasan yang Terbaik dengan Desain Eksperimental Taguchi 1.
Penentuan Nilai Parameter Mesin Las untuk Menghasilkan Kualitas Pengelasan yang Terbaik dengan Desain Eksperimental Taguchi Ferry Manihuruk & Isti Surjandari Departemen Teknik Industri, Fakultas Teknik
Lebih terperinciMODUL XI SELANG KEPERCAYAAN UNTUK KEPERCAYAAN
MODUL XI SELANG KEPERCAYAAN UNTUK KEPERCAYAAN Taksiran suatu parameter populasi dapat diberikan berupa taksiran titik atau berupa taksiran selang. Taksiran titik suatu parameter populasi θ merupakan nilai
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 terperinciPENGEMBANGAN MODEL PEMILIHAN PEMASOK PRODUK MANUFAKTUR UNTUK MEMINIMUMKAN BIAYA PEMBELIAN DAN BIAYA KERUGIAN KUALITAS FUZZY
PENGEMBANGAN MODEL PEMILIHAN PEMASOK PRODUK MANUFAKTUR UNTUK MEMINIMUMKAN BIAYA PEMBELIAN DAN BIAYA KERUGIAN KUALITAS FUZZY Skripsi Sebagai Persyaratan Untuk Memperoleh Gelar Sarjana Teknik RINA MURTISARI
Lebih terperinciBAB 4 METODOLOGI PEMECAHAN MASALAH
BAB 4 METODOLOGI PEMECAHAN MASALAH 4.1. Model Perumusan Masalah dan Pengambilan Keputusan Metodologi pemecahan masalah merupakan tahap menggambarkan jalannya proses penelitian atau pemecahan masalah yang
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 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 terperinciANALISIS DATA UNIVARIATE DAN MULTIVARIATE
ANALISIS DATA UNIVARIATE DAN MULTIVARIATE Febti Eka Pratiwi (383) cation_forever@yahoo.com Ria Dhea Layla NK (38363) d.d_bgt@hellokitty.co.id Abstrak Peningkatan produksi padi guna penyediaan beras sebagai
Lebih terperinciBAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA
BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA 4.1 Pengumpulan Data Data yang digunakan untuk membuat peta kontrol merupakan data pengukuran dimensi pada kabel jenis NYFGbY antara bulan April 007 sampai
Lebih terperinciPENERAPAN METODE SIX SIGMA DALAM ANALISIS KUALITAS PRODUK (Studi Kasus Produk Batik Handprint Pada PT XYZ di Bali)
E-Jurnal Matematika Vol. 6 (2), Mei 2017, pp. 124-130 ISSN: 2303-1751 PENERAPAN METODE SIX SIGMA DALAM ANALISIS KUALITAS PRODUK (Studi Kasus Produk Batik Handprint Pada PT XYZ di Bali) Tri Alit Tresna
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 terperinciAnalisis Proses Bisnis TA NTRI HIDAYAT I S I NAG A, M.KO M
Analisis Proses Bisnis TA NTRI HIDAYAT I S I NAG A, M.KO M ANALISIS KUALITAS PRODUK/JASA TA NTRI HIDAYAT I S I NAG A, M.KO M DEFINISI KUALITAS "Kualitas" menyangkut masalah pelayanan atau produk unggulan
Lebih terperinciLampiran 4. Uji Kenormalan Data.
166 Lampiran 4. Uji Kenormalan Data. Untuk menguji kenormalan data, penulis menggunakan Minitab versi 13. Hal ini dilakukan untuk mempermudah perhitungan. Langkah-langkah yang dilakukan yaitu : 1. Masukkan
Lebih terperinciPERAN STATISTIKA DALAM MENDUKUNG PENGEMBANGAN INDUSTRI Pengendalian Mutu dengan Bantuan Statistika
PERAN STATISTIKA DALAM MENDUKUNG PENGEMBANGAN INDUSTRI Pengendalian Mutu dengan Bantuan Statistika Muhammad Arif Tiro Program Studi Statistika FMIPA Universitas Negeri Makassar Abstrak Salah satu alat
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1 Statistical Process Control (SPC) Statistical Process Control (SPC) merupakan teknik penyelesaian masalah yang digunakan sebagai pemonitor, pengendali, penganalisis, pengelola,
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 terperinciBAB 2 LANDASAN TEORI
10 BAB 2 LANDASAN TEORI 2.1 Defenisi Mutu Dalam dunia industri baik industri jasa maupun manufaktur mutu adalah faktor kunci yang membawa keberhasilan bisnis, pertumbuhan dan peningkatan posisi bersaing.
Lebih terperinciBAB III. PETA KENDALI KUALITAS MULTIVARIAT Z-chart UNTUK PROSES AUTOKORELASI. Salah satu fungsi dari pengendalian kualitas statistik adalah mengurangi
BAB III PETA KENDALI KUALITAS MULTIVARIAT Z-chart UNTUK PROSES AUTOKORELASI Salah satu fungsi dari pengendalian kualitas statistik adalah mengurangi variasi yang terjadi dalam suatu proses. Sementara itu,
Lebih terperinciPERTEMUAN #11 ANALISIS PENYIMPANGAN DAN CAPABILITY PROCESS (CP) 6623 TAUFIQUR RACHMAN EBM503 MANAJEMEN KUALITAS
ANALISIS PENYIMPANGAN DAN CAPABILITY PROCESS (CP) PERTEMUAN #11 EBM503 MANAJEMEN KUALITAS 6623 TAUFIQUR RACHMAN PROGRAM STUDI MANAJEMEN FAKULTAS EKONOMI UNIVERSITAS ESA UNGGUL KEMAMPUAN AKHIR YANG DIHARAPKAN
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 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Product Development Product Development adalah serangkaian kegiatan yang dimulai dari menangkap keinginan dari pasar dan diakhiri dengan memproduksi, dan menjual produk. Tahapan
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 terperinciANALISA PENYIMPANGAN DAN CAPABILITY PROCESS (CP)
#11 ANALISA PENYIMPANGAN DAN CAPABILITY PROCESS (CP) Analisa Penyimpangan Dalam diagram kendali dimungkinkan terjadi penyimpangan, antara lain: 1. Proses Terkendali, terjadi variasi karena penyebab acak
Lebih terperinciANANALISIS EFISIENSI SISTEM PEMBAKARAN PADA BOILER DI PLTU UNIT III PT.PJB UP GRESIK DENGAN METODE STATISTICAL PROCESS CONTROL (SPC)
ANANALISIS EFISIENSI SISTEM PEMBAKARAN PADA BOILER DI PLTU UNIT III PT.PJB UP GRESIK DENGAN METODE STATISTICAL PROCESS CONTROL (SPC) Oleh: INTAN ALIFIYAH ILMI NRP. 2406 00 063 Pembimbing: Ir. Ya umar,
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH. Tahapan selanjutnya dalam metode Six Sigma adalah analisa. Setelah
BAB V ANALISA PEMECAHAN MASALAH 5.1 TAHAP ANALISIS (ANALYZE) Tahapan selanjutnya dalam metode Six Sigma adalah analisa. Setelah melakukan pengukuran untuk mengetahui akar masalah secara kuantitatif. Alat
Lebih terperinciBAB 1 PENDAHULUAN. pengendalian kualitas dalam pembuatan produk. standar (Montgomery, 1990). Statistical Quality Control (SQC) merupakan salah
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Pengendalian kualitas merupakan taktik dan strategi perusahaan global dengan produk perusahaan lain. Kualitas menjadi faktor dasar keputusan konsumen dalam memilih
Lebih terperinciPeta Kendali (Control Chart untuk Unit-Unit Individu)
Peta Kendali (Control Chart untuk Unit-Unit Individu) Pengendalian Kualitas Statistika Ayundyah Kesumawati Prodi Statistika FMIPA-UII November 18, 2015 Ayundyah (UII) Peta Kendali (Control Chart untuk
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 terperinciBAB II LANDASAN TEORI. Persyaratan utama untuk mencapai kepuasan pelanggan (customer
BAB II LANDASAN TEORI 2.1 Konsep SPC dan Pengendalian Kualitas Persyaratan utama untuk mencapai kepuasan pelanggan (customer satisfaction) dalam dunia industri manufaktur adalah kualitas dari produk maupun
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 terperinciPENGEMBANGAN BAGAN KENDALI MUTU UNTUK KOMPOSISI. simplex-lattice adalah (q+ m-1)!/(m!(q-1)!) (Cornell 1990).
Lalu bagan Shewhart dapat dibentuk dengan rumus sebagai berikut: simplex-lattice adalah (q+ m-1)!/(m!(q-1)!) (Cornell 1990). p = Rata-rata proporsi produk cacat n = Ukuran contoh yang diambil UCL = Batas
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 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 terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Data Pengeluaran Per Kapita Propinsi Jawa Timur Tahun 2008 Jawa Timur adalah provinsi yang terdiri dari 29 kabupaten dan 9 kota. Secara umum wilayah provinsi Jawa Timur dapat dibagi
Lebih terperinciCONTROL CHARTS UNTUK DATA ATRIBUT. Lely Riawati, ST., MT
CONTROL CHARTS UNTUK DATA ATRIBUT Lely Riawati, ST., MT PETA KENDALI DATA ATRIBUT Besterfield (1998) karakteristik kualitas : sesuai dengan spesifikasi atau tidak sesuai dengan spesifikasi. Atribut : goresan,
Lebih terperinciANALISA KAPABILITAS PROSES PRODUKSI AIR PDAM SURYA SEMBADA SURABAYA
ANALISA KAPABILITAS PROSES PRODUKSI AIR PDAM SURYA SEMBADA SURABAYA Agung Eko Sucahyono 1) dan Sony Sunaryo 2) 1) Program Studi Magister Manajemen Teknologi, Institut Teknologi Sepuluh Nopember, Jl. Cokroaminoto
Lebih terperinciBAB V ANALISA HASIL. 5.1 Analisa peta kendali dan kapabilitas proses. Dari gambar 4.7 peta kendali X-bar dan R-bar bulan Januari 2013, dapat
BAB V ANALISA HASIL 5.1 Analisa peta kendali dan kapabilitas proses Dari gambar 4.7 peta kendali X-bar dan R-bar bulan Januari 2013, dapat dijelaskan sebagai berikut: Garis berwarna hijau adalah Mean (rata-rata
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN
C BAB IV ANALISIS DAN PEMBAHASAN Penelitian ini mencoba meramalkan jumlah penumpang kereta api untuk masa yang akan datang berdasarkan data volume penumpang kereta api periode Januari 994-Februari 203
Lebih terperinciPenjadwalan Predictive Maintenance dan Biaya Perawatan Mesin Pellet di PT Charoen Pokphand Indonesia - Sepanjang
Soesetyo, et al. / Penjadwalan Predictive Maintenance dan Biaya Perawatan Mesin di PT Charoen Pokphand Indonesia - Sepanjang / Jurnal Titra, Vol. 2, No.2, Juni 24, pp. 47-54 Penjadwalan Predictive Maintenance
Lebih terperinciMETODOLOGI 3.1 Kerangka Pemikiran 3.2 Metode Pengumpulan Data
21 3 METODOLOGI 3.1 Kerangka Pemikiran Ikan Tuna (Thunnus sp.) merupakan salah satu komoditas perikanan Indonesia yang memiliki nilai ekonomis tinggi dan mampu menembus pasar internasional. Salah satu
Lebih terperinciBAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA. pihak perusahaan PT. Muliapack Intisempurna. Pengumpulan data ini
98 BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA 4. Pengumpulan Data Proses pengumpulan data dilakukan dengan dua cara, yaitu pengumpulan data secara langsung dan secara tidak langsung. Pengumpulan data
Lebih terperinciBAB V ANALISA DAN INTERPRETASI
59 BAB V ANALISA DAN INTERPRETASI Berdasarkan informasi dari pengolahan data yang telah ada, dapat dilakukan analisa dan interpretasi mengenai data-data yang telah diolah. 5.1 Analisa Standard Nasional
Lebih terperinciBAB 3 METODOLOGI PEMECAHAN MASALAH
BAB 3 METODOLOGI PEMECAHAN MASALAH Penelitian Pendahuluan Identifikasi Masalah Studi Pustaka Tujuan Penelitian Pengumpulan Data : - Data Produksi Pembuatan Diagram Alir Produksi Hitung Proporsi Cacat proses
Lebih terperinciStudi Performansi Air Bersih Pada Peta Kendali Untuk Minimasi Fungsi Kerugian Waste
TEKNOLOGI DI INDUSTRI (SENIATI) 6 ISSN : 85-8 Studi Performansi Air Bersih Pada Peta Kendali Untuk Minimasi Fungsi Kerugian Waste Mastiadi Tamjidillah,,*, Pratikto 3, Purnomo Budi Santoso, Sugiono Mahasiswa
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 terperinciANALISIS EFISIENSI MESIN POMPA PADA RUMAH POMPA PDAM SURABAYA UNIT X DENGAN METODE STATISTICAL PROCESS CONTROL (SPC) Oleh: Resty Dwi S.
ANALISIS EFISIENSI MESIN POMPA PADA RUMAH POMPA PDAM SURABAYA UNIT X DENGAN METODE STATISTICAL PROCESS CONTROL (SPC) Oleh: Resty Dwi S. 240905022 Ir.Ya umar,mt Dosen Pembimbing: Ir.Ali Musyafa, MSc Diperlukan
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 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 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 terperinciPENERAPAN METODE SPC DAN TAGUCHI DALAM IDENTIFIKASI FAKTOR KECACATAN PRODUK RIM
PENERAPAN METODE SPC DAN TAGUCHI DALAM IDENTIFIKASI FAKTOR KECACATAN PRODUK RIM Cahyono dan Mulki Siregar Teknik Industri Universitas Islam Jakarta cahyono76@gmail.com Abstrak Meminimalkan produk cacat
Lebih terperinciARTIKEL ANALISA PENGARUH PERUBAHAN INTAKE MANIFOLD TERHADAP PERFORMA MESIN SEPEDA MOTOR HONDA SUPRA X 125 CC
ARTIKEL ANALISA PENGARUH PERUBAHAN INTAKE MANIFOLD TERHADAP PERFORMA MESIN SEPEDA MOTOR HONDA SUPRA X 125 CC ANALISYS THE INFLUENCE OF CHANGED INTAKE MANIFOLD TOWARD THE PERFORMANCES OF HONDA SUPRA X 125
Lebih terperinciPENGGUNAAN MODEL LINIER SEBAGAI ALTERNATIF ANOVA RANCANGAN PERCOBAAN FAKTORIAL TERSARANG PADA DATA NON NORMAL
PENGGUNAAN MODEL LINIER SEBAGAI ALTERNATIF ANOVA RANCANGAN PERCOBAAN FAKTORIAL TERSARANG PADA DATA NON NORMAL Prasetyo Universitas Negeri Malang E-mail : pras_kazekage@yahoo.com Pembimbing: (I) Ir. Hendro
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 terperinciBAB 4 PENGUMPULAN DAN ANALISA DATA
94 BAB 4 PENGUMPULAN DAN ANALISA DATA 4.1 Pengumpulan Data Didalam Proses Pengolahan data dan analisa untuk pemecahan permasalahan yang terjadi didalam bagian Bleaching, Dyeing, finishing PT. Mulia Knitting
Lebih terperinciEKSPEKTASI BIAYA KERUGIAN KUALITAS PRODUK TRIPLEX 3 mm DENGAN PENDEKATAN MODEL FUNGSI KUADRAT SIMETRIS
ARIKA, Vol. 05, No. Agustus 0 ISSN: 978-05 EKSPEKTASI BIAYA KERUGIAN KUALITAS PRODUK TRIPLEX 3 mm DENGAN PENDEKATAN MODEL FUNGSI KUADRAT SIMETRIS Johan Marcus Tupan Dosen Program Studi Teknik Industri,
Lebih terperinciBAB III METODE PENELITIAN. Sampel merupakan sebagian anggota dari populasi yang dipilih dengan
26 BAB III METODE PENELITIAN 3.1 Identifikasi Sampel Penelitian Sampel merupakan sebagian anggota dari populasi yang dipilih dengan suatu prosedur tertentu dan diharapkan dapat mewakili suatu populasi
Lebih terperinciDAFTAR PUSTAKA KATA PENGANTAR... DAFTAR ISI...
KATA PENGANTAR Alhamdulillahi Rabbil alamin, Puji dan syukur kepada Allah Subhanahu Wa Ta ala. Karena atas izin-nya, makalah ini dapat terselesaikan tepat pada waktunya. Makalah ini dibuat sebagai tugas
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
1 BAB IV HASIL DAN PEMBAHASAN A. Gambaran Umum 1. Profil Perusahaan PT. Gelora Aksara Pratama (Erlangga Group) merupakan perusahaan percetakan yang berdiri pada tahun 1987. PT. Gelora Aksara Pratama dimulai
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 terperinciDETEKSI FALSE ALARM MENGGUNAKAN RESIDUAL CONTROL CHART BERDASARKAN METODE SUPPORT VECTOR REGRESSION
DETEKSI FALSE ALARM MENGGUNAKAN RESIDUAL CONTROL CHART BERDASARKAN METODE SUPPORT VECTOR REGRESSION Luh Made Pramitasari,*) dan Moses Laksono Singgih 2),2) Laboratorium Sistem Manufaktur, Jurusan Teknik
Lebih terperinciPEMBUATAN BAGAN KENDALI MULTIVARIAT T 2 -HOTELLING UNTUK PROSES PERKULIAHAN Studi Kasus : IPK dan Lama Studi Lulusan Matematika Universitas Andalas
Jurnal Matematika UNAND Vol. 1 No. 2 Hal. 85 92 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMBUATAN BAGAN KENDALI MULTIVARIAT T 2 -HOTELLING UNTUK PROSES PERKULIAHAN Studi Kasus : IPK dan Lama
Lebih terperinciSeminar Nasional IENACO 2014 ISSN
ANALISIS PENGENDALIAN KUALITAS PRODUK SOLAR DENGAN MENGGUNAKAN METODE STATISTICAL QUALITY CONTROL (SQC) (Studi Kasus : DI UNIT KILANG PUSDIKLAT MIGAS CEPU) Siti Nandiroh 1*,Eko Winardi 2 1,2 Jurusan Teknik
Lebih terperinciUji Hipotesis dan Aturan Keputusan
Uji Hipotesis dan Aturan Keputusan oleh: Khreshna Syuhada, PhD. 1. Pendahuluan Pada perkuliahan tingkat 2, telah dikenalkan masalah uji hipotesis sebagai berikut: Seorang peneliti memberikan klaim bahwa
Lebih terperinci