Oleh: Nurul Hidayah Dosen pembimbing: Dra. Laksmi Prita, M.Si
|
|
|
- Hadian Kurniawan
- 7 tahun lalu
- Tontonan:
Transkripsi
1 KAJIAN PERBANDINGAN KINERJA GRAFIK PENGENDALI CUMULATIVE SUM (CUSUM) DAN EXPONENTIALLY WEIGHTED MOVING AVERAGE (EWMA) DALAM MENDETEKSI PERGESERAN RATARATA PROSES Oleh: Nurul Hidayah Dosen pembimbing: Dra. Laksmi Prita, M.Si
2 Latar Belakang STATISTICAL PROSES CONTROL GRAFIK PENGENDALI CUSUM GRAFIK PENGENDALI SHEWHART CROWDER (187), LUCAS & SACUCCI () DUNCAN (174), HAWKINS & OLWELL (18) GRAFIK PENGENDALI EWMA KAJIAN PERBANDINGAN GRAFIK PENGENDALI CUSUM DAN EWMA
3 Rumusan Masalah PENDAHULUAN 1. Bagaimana kinerja grafik pengendali Cusum dalam mendeteksi pergeseran ratarata proses yang kecil? 2. Bagaimana kinerja grafik pengendali EWMA dalam mendeteksi pergeseran ratarata proses yang kecil? 3. Bagaimana perbedaan kinerja grafik pengendali Cusum dan EWMA dalam mendeteksi pergeseran ratarata proses yang kecil? Batasan Masalah 1. Disimulasikan rangkaian data dibangkitkan (degenerate) dengan distribusi Normal 2. Pergeseran ratarata ditentukan dalam standar deviasi. Sesuai dengan tujuan untuk membandingkan kinerja grafik pengendali Cusum dan EWMA dalam mendeteksi pergeseran ratarata yang kecil, maka dikaji nilai pergeseran ratarata yang kurang dari 1,5σ
4 PENDAHULUAN Tujuan 1. Mendapatkan grafik pengendali Cusum untuk mengetahui kinerjanya dalam mendeteksi pergeseran ratarata proses yang kecil 2. Mendapatkan grafik pengendali EWMA untuk mengetahui kinerjanya dalam mendeteksi pergeseran ratarata proses yang kecil 3. Membandingkan kinerja grafik pengendali Cusum dan EWMA dengan melihat ARL dari masingmasing grafik pengendali. Hasil perbandingan tersebut untuk mengetahui grafik manakah yang memiliki tingkat senstivitas lebih tinggi dalam mendeteksi pergeseran ratarata proses yang kecil
5 PENDAHULUAN Manfaat Manfaat yang akan diperoleh dari proposal ini adalah memberikan pengetahuan akademis tentang perbandingan kinerja grafik pengendali Cusum dan EWMA dengan melihat ARL dari masingmasing grafik. Hasil perbandingan tersebut untuk mengetahui grafik manakah yang memiliki tingkat senstivitas lebih tinggi dalam mendeteksi pergeseran ratarata proses yang kecil. Perbandingan kedua grafik pengendali tersebut dapat diaplikasikan dalam dunia industri.
6 GRAFIK PENGENDALI CUSUM TINJAUAN PUSTAKA Grafik pengendali Cusum menghimpun semua informasi dalam barisan nilainilai sampel dengan menampilkan jumlah kumulatif deviasi nilai ratarata sampel atas nilai target. Sesuai dengan [7] jumlah kumulatif pada sampel kei,, dinyatakan dalam rumus sebagai berikut. ; (1) ialah banyaknya sampel,. ialah ratarata sampel kedan ialah nilai target ratarata proses. Grafik Cusum lebih efektif daripada grafik Shewhart dalam mendeteksi pergeseran ratarata proses yang kecil karena menggabungkan informasi dari beberapa sampel. Selain itu, kinerja grafik Cusum lebih efektif dengan ukuran sampel. [4]
7 GRAFIK PENGENDALI CUSUM TINJAUAN PUSTAKA Apabila proses dalam keadaan terkendali pada nilai target ratarata proses, maka jumlahan kumulatif yang didefinisikan dalam persamaan (1) haruslah berubahubah secara acak disekitar nol. Tetapi jika dalam titiktitik yang tergambar terjadi kecenderungan ke atas atau ke bawah, hal ini dipandang sebagai fakta bahwa ratarata proses telah bergeser Jika ialah deviasi perubahan ratarata akibat pergeseran atas nilai target dan ialah standar deviasi, maka besar pergeseran ratarata proses dalam unit standar deviasi, δ, dinyatakan dalam rumus sebagai berikut. (2)
8 GRAFIK PENGENDALI CUSUM TINJAUAN PUSTAKA Sebuah prosedur keputusan formal Vmask yang diusulkan oleh Barnard (15) untuk menentukan apakah proses terkendali atau tidak. Suatu jenis Vmask ditunjukkan pada Gambar 1. Vmask diposisikan sedemikian hingga titik P bersamaan dengan nilai yang diplot dari jumlahan kumulatif dan garis OP yang sejajar sumbu mendatar (horizontal). Jika semua jumlah kumulatif sebelumnya terletak diantara dua lengan Vmask, proses dalam keadaan terkendali. Tetapi jika sesuatu terletak diluar lengan Vmask, maka proses dianggap tidak terkendali. Penampilan grafik pengendali Cusum ditentukan oleh dua parameter Vmask yaitu jarak d dan sudut θ. Menurut Johnsons (161) parameter jarak dan sudut ini dinyatakan dalam rumus: Gambar 1 Vmask pada grafik pengendali Cusum
9 GRAFIK PENGENDALI CUSUM TINJAUAN PUSTAKA (3) (4) dengan ialah peluang terbesar terjadinya tanda pergeseran ratarata ketika proses terkendali (tanda bahaya palsu). Dengan demikian,, yaitu ekspetasi jumlah sampel yang diambil sebelum muncul tanda out of control ketika proses stabil dinyatakan sebagai berikut. (5)
10 , GRAFIK PENGENDALI EWMA TINJAUAN PUSTAKA Grafik pengendali EWMA juga merupakan alternatif terhadap grafik pengendali Shewhart dalam mendeteksi pergeseran ratarata proses yang kecil. Sebagaimana grafik Cusum, secara khusus grafik EWMA digunakan pada pengamatan secara individu, yaitu ukuran sampel.[6] Diasumsikan pengamatan dari proses pada variabel. Sesuai [7] grafik pengendali EWMA didefinisikan sebagai berikut. (6) ialah nilai pengamatan kei,, dan λ adalah parameter bobot yang bernilai antara nol dan satu, dan ialah nilai target ratarata proses. Nilai awal yang dikehendaki pada pengamatan pertama merupakan target ratarata proses,. Batas kendali atas (UCL) dan batas kendali bawah (LCL) grafik EWMA ialah: (7) (8)
11 ARL TINJAUAN PUSTAKA Average Run Length (ARL) adalah ratarata banyaknya sampel (subgrup) yang harus diamati sampai ditemukan out of conrol yang pertama. ARL dapat digunakan untuk mengukur kinerja grafik pengendali, termasuk grafik pengendali variabilitas proses multivariat. Semakin kecil ARL, maka semakin kecil pula ekspetasi jumlah sampel yang diperlukan sampai terjadinya sinyal out of control. Hal ini berarti semakin kecil ARL, semakin cepat grafik kendali mendeteksi adanya pergeseran [2]. Bagi sembarang grafik pengendali Shewhart, nilai ARL pada kondisi terkendali adalah: () dengan p adalah probabilitas bahwa satu titik keluar batas pengendali, p 0. Pada dasarnya, ARL ialah banyaknya titik sampel yang harus digambarkan sebelum satu titik menunjukkan keadaan tidak terkendali. [7]
12 METODE PENELITIAN Pembangkitan Data Aplikasi pada Grafik Pengendali Cusum dan EWMA Analisa Kinerja Grafik Pengendali Cusum Analisa Kinerja Grafik Pengendali EWMA Analisa Perbandingan Kinerja Grafik Pengendali Cusum dan EWMA
13 1. Pembangkitan Data ANALISA & PEMBAHASAN Dari data tingkat keputihan (whiteness) kertas HVS 50 Gsm yang diambil dari laboratorium PT. Kertas Leces (Persero). Data yang diperoleh merupakan hasil inspeksi harian yang dilakukan setiap 3 jam dan didapatkan data pengamatan sebanyak 54 kali. Data diambil selama 6 hari yaitu pada tanggal 31 0ktober 2006 sampai 5 Nopember 2006 diperoleh ratarata, dan standar deviasi proses,. Ditetapkan 18 nilai pergeseran yang diamati beserta perhitungan nilai perubahan ratarata akibat pergeseran tersebut dengan menggunakan persamaan (2), dapat dilihat pada Tabel 1. Tabel 1 Nilai pergeseran dan perubahan ratarata m Pergeseran ratarata kem (δm) Perubahan nilai ratarata akibat pergeseran kem (μm) m Pergeseran ratarata kem (δm) Perubahan nilai ratarata akibat pergeseran kem (μm) ,5 +1,375 +1,25 +1,5 +1,0 +0,875 +0,75 +0,625 +0,5 138, , ,18 137, , ,21 136,86 136, , ,5 0,625 0,75 0,875 1,0 1,5 1,25 1,375 1,5 134, , ,1 133,57 133, ,41 133, , ,72
14 ANALISA & PEMBAHASAN Dibangkitkan 18 seri data terkendali berdistribusi Normal untuk masingmasing nilai pergeseran ratarata dengan dan, masingmasing 0 nilai. Dibangkitkan rangkaian data acak berdistribusi Normal menggunakan nilai perubahan ratarata (μm)dan standar deviasi proses (σ), masingmasing 20 nilai. Tujuannya ialah dengan menempatkan rangkaian data dari perubahan nilai ratarata ini pada seri data terkendali sehingga muncul tanda adanya pergeseran ratarata (out of control) Rangkaian perubahan 20 nilai ini ditempatkan pada seri data terkendali dalam posisi yang berbeda. Rangkaian pertamaditempatkan pada posisi 0, rangkaian kedua pada posisi 30, rangkaian ketiga pada posisi 2140, demikian selanjutnya hingga rangkaian terakhir ditempatkan pada posisi 10. Tujuan strategi penempatan rangkaian ini ialah untuk mengetahui pengaruhnya terhadap kinerja masingmasing grafik pengendali jika ketidakstabilan terjadi di awal, tengah atau akhir proses.
15 ANALISA & PEMBAHASAN 2. Aplikasi pada grafik Cusum dan EWMA Penentuan parameter yang mendukung kinerja kedua grafik didasarkan pada sebagai ukuran perbandingan. Pada grafik pengendali Cusum, digunakan metode Jhonson untuk mendapatkan nilai dari skema Vmask. Pada skema ini, ditunjukkan pada persamaan (5). Dengan menetapkan nilai terkendali, yaitu maka diperoleh nilai resiko kesalahan tipe I, dan ditetapkan resiko kesalahan tipe II,. Adapun kinerja grafik EWMA ini ditentukan oleh parameter batas kendali L dan smoothing parameter λ. Dalam mendeteksi pergeseran yang kecil, pemilihan kedua parameter ini dilakukan agar grafik EWMA memberikan nilai yang mendekati nilai grafik Cusum. Pada grafik Cusum telah ditentukan nilai α untuk menghasilkan dengan menggunakan metode Jhonson. Adapun pada grafik EWMA ditentukan spesifikasi beberapa nilai L dan λ yang bebeda yang menunjukkan bahwa grafik EWMA menghasilkan nilai. Nilai parameter ini berturutturut ialah λ=0,40 dan L=3,054; λ=0,25 dan L=2,8; λ=0,20 dan L=2,62; λ=0, dan L=2,814; λ=0,05 dan L=2,615.[6]
16 CuSum CuSum CuSum CuSum Grafik Pengendali Cusum Vmask pada pergeseran ratarata +1,5σ CuSum Chart for Col_1 CuSum Chart for Col_2 CuSum Chart for Col_ Observation CuSum Chart for Col_ Observation CuSum Chart for Col_ Observation (a) Posisi perubahan 0 (b) Posisi perubahan 30 (c) Posisi perubahan CuSum Chart for Col_ Observation Observation Observation (d) Posisi perubahan 5170 (e) Posisi perubahan 810 (f) Posisi perubahan 10 Gambar 2 Grafik pengendali Cusum Vmask pada seri perubahan dengan pergeseran ratarata +1,5σ Tabel 2 Posisi titik out of control pertama pada tiap grafik Posisi perubahan Posisi titik out of control pertama Posisi perubahan Posisi titik out of control pertama
17 Grafik pengendali EWMA untuk nilai parameter dan pada pergeseran ratarata +1,5σ EWMA EWMA EWMA EWMA EWMA EWMA EWMA Chart of Perubahan Mean +1,5SD (0) Lambda=0,05 dan L=2,615 EWMA Chart of Perubahan Mean +1,5SD (30) Lambda=0,05 dan L=2,615 EWMA Chart of Perubahan Mean +1,5SD (4160) Lambda=0,05 dan L=2, ,0 137,0 137,0 136,5 +2,6SL=136,36 136,5 +2,6SL=136,36 136,5 +2,6SL=136,36 136,0 136,0 136,0 135,5 _ X=135, ,5 _ X=135, ,5 _ X=135, ,0 135,0 135,0 2,6SL=134,807 2,6SL=134,807 2,6SL=134, Sample Sample Sample (a) Posisi perubahan 0 (b) Posisi perubahan 30 (c) Posisi perubahan ,0 EWMA Chart of Perubahan Mean +1,5SD (810) Lambda=0,05 dan L=2, ,0 EWMA Chart of Perubahan Mean +1,5SD (5170) Lambda=0,05 dan L=2, ,5 EWMA Chart of Perubahan Mean +1,5SD (10) Lambda=0,05 dan L=2,615 +2,6SL=136,36 136,5 +2,6SL=136,36 136,5 +2,6SL=136,36 136,0 136,0 135,5 _ X=135, ,0 135,5 _ X=135, ,5 _ X=135, , Sample ,6SL=134, , Sample (d) Posisi perubahan 5170 (e) Posisi perubahan 810 (f) Posisi perubahan 10 Gambar 3 Grafik pengendali EWMA dengan parameter dan pada seri perubahan dengan pergeseran ratarata +1,5σ ,6SL=134, , Sample ,6SL=134,807 Tabel 3 Posisi titik out of control pertama pada tiap grafik Posisi perubahan Posisi titik out of control pertama Posisi perubahan Posisi titik out of control pertama
18 Tabel 4 ARL Grafik Pengendali Cusum dan EWMA pada Pergeseran Ratarata +1,5σ Posisi Perubahan Ratarata CUSUM L=3,054 λ=0,40 L=2,8 λ=0,25 EWMA L=2,62 λ=0,20 L=2,814 λ=0, L=2,615 λ=0, Ratarata ,4,3,1
19 3. Analisis Kinerja Grafik Cusum ANALISA & PEMBAHASAN Hasil ratarata ARL dari penerapan seluruh seri perubahan pada grafik pengendali Cusum untuk variasi pergeseran ratarata +1,5σ sampai 1,5σ dapat dilihat pada Tabel 5 ARL hasil kinerja yang diperoleh dari grafik pengendali Cusum tampak sedikit berbeda jika dibandingkan antara pergeseran kecil positif dengan pergeseran kecil negatif. Pergeseran positif ( sampai ) lebih sering terdeteksi daripada pergeseran negatif ( sampai ). Pada tingkat pergeseran ratarata antara sampai ini kinerja grafik pengendali Cusum kurang efektif dalam mendeteksi ketidakstabilan dalam suatu proses. Namun, pada tingkat pergeseran ratarata lebih dari +1,0σ grafik pengendali Cusum sangat sensitif dalam mendeteksi tanda out of control, yaitu beberapa sampel sebelum adanya perubahan ratarata Tabel 5 Hasil Ratarata ARL Grafik Cusum pada pergeseran ratarata +1,5σ sampai 1,5σ Pergeseran Ratarata +1,5 +1,375 +1,25 +1,5 +1,0 +0,875 +0,75 +0,625 +0,5 1,4 3,5 2, ,4 1,8 CUSUM * ** 3 4 Pergeseran Ratarata 0,5 0,625 0,75 0,875 1,0 1,5 1,25 1,375 1,5 5 7,5 4,3 4,8 5,1 3,4 CUSUM * ** 5 2 *ARL **jumlah grafik posisi perubahan yang dapat mendeteksi tanda out of control
20 ANALISA & PEMBAHASAN 4. Analisis Kinerja Grafik EWMA Hasil ratarata ARL dari penerapan seluruh seri perubahan pada grafik pengendali EWMA dapat dilihat pada Tabel 6 Terlihat pada Tabel 6 hasil ARL grafik EWMA dengan λ=0,40 dan L=3,054 menampilkan kinerja yang paling minimal karena hanya dapat mendeteksi tanda out of control pada 42,2% dari seluruh grafik posisi perubahan. EWMA dengan λ=0,40 ini tidak dapat mendeteksi pergeseran ratarata yang kurang dari 1,5σ. Tampak berbeda jika dibandingkan dengan ARL EWMA pada parameter λ=0,25 dan λ=0,20 yang dapat lebih peka terhadap perubahan ratarata. Grafik EWMA dengan λ=0,25 dan λ=0,20 ini menampilkan kinerja yang hampir sama, masingmasing dapat mendeteksi pergeseran pada 64,4% dan 65% grafik. Adapun untuk grafik EWMA dengan λ=0, dan λ=0,05 menampilkan kinerja terbaik karena sangat peka dalam mendeteksi tanda out of control bahkan pada tingkat pergeseran ratarata yang sangat kecil. Grafik dengan kedua parameter ini masingmasing dapat mendeteksi pergeseran pada 73,3% and 76,1% dari seluruh grafik perubahan posisi yang diujikan. Terlihat pada Tabel 3 pada pergeseran ratarata yang kurang dari 1σ, grafik dengan kedua parameter ini selalu menunjukkan pendeteksian tercepat dengan menghasilkan nilai ARL yang lebih kecil. Hal ini menunjukkan bahwa EWMA dengan λ=0, dan λ=0,05 ini sangat efektif untuk mendeteksi ketidakstabilan proses pada variasi pergeseran ratarata kurang dari 1σ.
21 ANALISA & PEMBAHASAN Tabel 6 Hasil Ratarata ARL Grafik EWMA pada pergeseran ratarata +1,5σ sampai 1,5σ EWMA Pergeseran Ratarata L=3,054 λ=0,40 L=2,8 λ=0,25 L=2,62 λ=0,20 L=2,814 λ=0, L=2,615 λ=0,05 * ** * ** * ** * ** * ** +1,5 +1,375 +1,25 +1,5 +1,0 +0,875 +0,75 +0,625 +0,5 0,5 0,625 0,75 0,875 1,0 1,5 1,25 1,375 1,5 3, ,3 1,3 3, ,5 7,3 1, ,3 4,8 1, ,5 7,3 1, 1 3,3 3,7 5 16,4,1 4,5 14,1,6 15,4 7,1 6,5 3,1 2 7,1 4,6 5,8,4 17,7, 14,2,4 13,8 15,5 7,3 5,8 6, *ARL **jumlah grafik posisi perubahan yang dapat mendeteksi tanda out of control
22 ANALISA & PEMBAHASAN 5. Analisis Perbandingan Kinerja Grafik Cusum dan EWMA Hasil akhir penerapan seri perubahan pada grafik pengendali Cusum dan EWMA untuk variasi pergeseran antara sampai dapat dilihat pada Tabel 4. Nilai yang bercetak tebal menunjukkan grafik yang menampilkan kinerja terbaik pada tiap variasi pergeseran. Terlihat pada Tabel 7 bahwa grafik Cusum selalu memberikan pendeteksian tercepat dan terbaik daripada grafik EWMA dengan berbagai nilai λ pada tingkat pergeseran lebih dari 1σ dengan menghasilkan nilai ARL yang paling kecil, kecuali pada pergeseran negatif 1σ meskipun menghasilkan ARL yang kecil tetapi hanya dapat mendeteksi pergeseran pada 2 grafik posisi perubahan saja. Namun, pada tingkat variasi yang kurang dari 1σ, grafik EWMA dapat lebih peka daripada grafik Cusum. EWMA dengan λ=0, dan λ=0,05 lebih sering mendeteksi adanya pergeseran ratarata. Pada tingkat variasi pergeseran kurang dari 1σ ini, dilakukan perbandingan jumlah grafik posisi perubahan yang terdeteksi oleh grafik pengendali Cusum dan EWMA untuk dan dengan menggunakan uji hipotesa perbedaan antara dua proporsi. Grafik Cusum mendeteksi pada 32 grafik posisi perubahan. Adapun grafik EWMA masingmasing mendeteksi 55 dan 60 grafik posisi perubahan. Dengan demikian dapat disimpulkan bahwa pada tingkat signifikan α=0,05 grafik pengendali EWMA dengan parameter λ=0, dan λ=0,05 berbeda secara signifikan dari grafik pengendali Cusum dengan menampilkan kinerja terbaik pada perubahan ratarata kurang dari 1σ.
23 Tabel 7 Hasil Ratarata ARL Cusum dan EWMA pada pergeseran ratarata +1,5σ sampai 1,5σ Pergesera n Ratarata EWMA CUSUM L=3,054 λ=0,40 L=2,8 λ=0,25 L=2,62 λ=0,20 L=2,814 λ=0, L=2,615 λ=0,05 * ** * ** * ** * ** * ** * ** +1,5 +1,375 +1,25 +1,5 +1,0 +0,875 +0,75 +0,625 +0,5 0,5 0,625 0,75 0,875 1,0 1,5 1,25 1,375 1,5 1,4 3,5 2, ,4 1,8 5 7,5 4,3 4,8 5,1 3, , ,3 1,3 3, ,5 7,3 1, ,3 4,8 1, ,5 7,3 1, 1 3,3 3,7 5 16,4,1 4,5 14,1,6 15,4 7,1 6,5 3,1 2 7,1 4,6 5,8,4 17,7, 14,2,4 13,8 15,5 7,3 5,8 6, *ARL **jumlah grafik posisi perubahan yang dapat mendeteksi tanda out of control
24 KESIMPULAN Pada variasi perubahan antara +1,0σ sampai 1,0σ grafik pengendali Cusum lebih peka terhadap pergeseran positif (+0,5σ sampai +1,0σ) daripada pergeseran negatif (0,5σ sampai 1,0σ) yang ditunjukkan dengan lebih banyaknya jumlah grafik posisi perubahan yang mendeteksi pergeseran pada variasi pergeseran positif ini. Adapun pada variasi perubahan ratarata 1σ δ 1,5σ grafik pengendali Cusum sangat sensitif dalam mendeteksi tanda out of control, yaitu beberapa sampel sebelum adanya perubahan ratarata. Kinerja grafik pengendali EWMA dengan λ=0,40; λ=0,25 dan λ=0,20 kurang efektif dalam mendeteksi ratarata yang kurang dari 1,0σ yang ditunjukkan dengan sedikit grafik yang dapat mendeteksi adanya pergeseran pada tingkat variasi ini. Adapun untuk EWMA dengan λ=0, dan λ=0,05 menampilkan kinerja terbaik pada tingkat variasi kurang dari 1σ karena dapat mendeteksi adanya pergeseran yang kecil. Membandingkan kinerja grafik pengendali Cusum dan EWMA terhadap pergeseran ratarata yang kecil, yaitu kurang dari 1,5σ maka pada pergeseran ratarata antara 1,0σ sampai 1,5σ grafik pengendali yang efektif dan memberikan kinerja terbaik ialah grafik pengendali Cusum. Adapun pada pergeseran ratarata kurang dari 1,0σ grafik pengendali EWMA menampilkan pendeteksian yang lebih baik daripada Cusum.
25 DAFTAR PUSTAKA Barnard, G. A. 15. Control Charts and Stochastic Processes. Journal of Royal Statistical Society 21, 23271Duncan, A. J Quality control and industrial statistics. Homewood, IL: Irwin. Dewi, N.P Pendeteksian Pergeseran Proses Mean dan Variability dengan Menggunakan Peta Kendali MaxEWMA. Tugas Akhir Jurusan Statistika, ITS Surabaya. Maratoni, H.P Analisis Peta Kendali Statistik Multivariat pada Kertas HVS 50GSM di PT. Kertas Leces (Persero). Tugas Akhir Jurusan Matematika, ITS Surabaya. Mitra, Amitava. 18. Fundamental of quality control and improvement, second edition. Upper sadle river, N.J: Prentice hall. Montgomery, D.C. 16. Introduction to statistical quality control. New York: Wiley Montgomery, D.C Introduction to statistical quality control. New York: Wiley. Vargas, V.C., Lopes, L.F.D., & Souza, A.M Comparative study of the performance of the Cusum and EWMA control charts. Journal of computers and industrial engineering 46, Windayani, D.M Analisis Rancangan Ekonomi pada Grafik Kendali Exponentially Weighted Moving Average. Tugas Akhir Jurusan Matematika, ITS Surabaya.
26 TERIMA KASIH
ANALISIS DAN PEMBAHASAN
ANALISIS DAN PEMBAHASAN 4.3 Peta Kendali Hotelling Dalam kehidupan sehari-hari banyak sekali proses produksi yang memiliki karakteristik kualitas lebih dari satu. Proses yang seperti ini disebut dengan
KAJIAN PERBANDINGAN KINERJA GRAFIK PENGENDALI CUMULATIVE SUM
KAJIAN PERBANDINGAN KINERJA GRAFIK PENGENDALI CUMULATIVE SUM (CUSUM) DAN EXPONENTIALLY WEIGHTED MOVING AVERAGE () DALAM MENDETEKSI PERGESERAN RATARATA PROSES Oleh: Nurul Hidayah 06 0 05 Desen pebibing:
ANALISIS 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
ANALISIS 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
Penerapan 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,
BAB 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
MODUL 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
PENDAHULUAN. 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
Bab 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
BAB 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
BAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Kualitas produk memegang peranan penting dalam menentukan maju atau mundurnya perusahaan. Pengendalian kualitas proses produksi merupakan faktor penting dalam kegiatan
PERAN 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
BAB 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
(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
PERBANDINGAN KINERJA DIAGRAM KONTROL G DAN DIAGRAM KONTROL S BESERTA APLIKASINYA
Program Studi MMT-ITS, Surabaya 7 Juli 03 PERBANDINGAN KINERJA DIAGRAM KONTROL G DAN DIAGRAM KONTROL S BESERTA APLIKASINYA Marlon Stivo Noya Van Delsen, *) dan Muhammad Mashuri ) ) Jurusan Statistika,
BAGAN 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
Prosiding 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
BAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Pengendalian kualitas merupakan aktivitas keteknikan dan manajemen, yang dengan aktivitas itu bisa diukur ciri-ciri kualitas produk, membandingkannya dengan spesifikasi
BAB I PENDAHULUAN. untuk menentukan produk dan jasa yang digunakan (Ariani, 2004). Konsumen
1 BAB I PENDAHULUAN 1.1 LATAR BELAKANG MASALAH Kualitas merupakan salah satu faktor yang mempengaruhi konsumen untuk menentukan produk dan jasa yang digunakan (Ariani, 2004). Konsumen biasanya memilih
BAB 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
BAB I PENDAHULUAN 1. 1 Latar Belakang
BAB I PENDAHULUAN 1. 1 Latar Belakang Kualitas suatu produk merupakan faktor yang berpengaruh terhadap kepuasan konsumen. Untuk mempertahankan suatu kualitas produk, produk harus dikendalikan dan dimonitor
SEMINAR TUGAS AKHIR NP CONTROL CHART BY USING BAYESIAN APPROACH PETA KENDALI NP MENGGUNAKAN PENDEKATAN BAYESIAN. Oleh : Rizckha Septiana
SEMINAR TUGAS AKHIR PETA KENDALI NP MENGGUNAKAN PENDEKATAN BAYESIAN NP CONTROL CHART BY USING BAYESIAN APPROACH Oleh : Rizckha Septiana 1207 100 004 Dosen Pembimbing: Dra. Laksmi Prita Wardhani, M.Si,
Prosedur untuk Memonitor Proses dengan Proporsi Kecacatan yang Rendah
Prosiding Statistika ISSN: 2460-6456 Prosedur untuk Memonitor Proses dengan Proporsi Kecacatan yang Rendah 1 Shobrina Nuradhanti Nugroho, 2 Teti Sofia Yanti, 3 Suwanda Idris 1,2,3 Prodi Statistika, Fakultas
ANALISIS PETA KENDALI-p MENGGUNAKAN KUALITAS FUZZY PADA PERGESERAN NILAI RATA-RATA DAN VARIANSI DARI SUATU PROSES ROLLITA PUTRI KARENI ( )
SEMINAR TUGAS AKHIR ANALISIS PETA KENDALI-p MENGGUNAKAN KUALITAS FUZZY PADA PERGESERAN NILAI RATA-RATA DAN VARIANSI DARI SUATU PROSES ROLLITA PUTRI KARENI (1207 100 067) Dosen Pembimbing Dra. Laksmi Prita
BAB 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
BAB 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
KINERJA DIAGRAM KONTROL W DAN DIAGRAM KONTROL G PERFORMANCE OF W CONTROL CHART AND G CONTROL CHART
Jurnal Ilmu Matematika dan Terapan Desember 06 Volume 0 Nomor Hal. 37 47 KINERJA DIAGRAM KONTROL W DAN DIAGRAM KONTROL G M. Stivo Noya Van Delsen, Mozart Winston Talakua,, Jurusan Matematika FMIPA UNPATTI
DAFTAR ISI. HALAMAN JUDUL. i. LEMBAR PERSETUJUAN ii LEMBAR PENGESAHAN. iii LEMBAR PERNYATAAN.. iv
DAFTAR ISI HALAMAN JUDUL. i LEMBAR PERSETUJUAN ii LEMBAR PENGESAHAN. iii LEMBAR PERNYATAAN.. iv ABSTRAK. v ABSTRACT... vi KATA PENGANTAR... vii DAFTAR ISI.. ix DAFTAR TABEL. xii DAFTAR GAMBAR xiii DAFTAR
BAB I PENDAHULUAN 1.1. Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang Permasalahan Dewasa ini, persaingan ketat diantara perusahaan terus digencarkan guna untuk mempertahankan keberlangsungan suatu perusahaan. Salah satu faktor yang
GRAFIKPENGENDALI 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.
PETA KENDALI MULTIATRIBUT C DENGAN PENDEKATAN DISTRIBUSI MULTIVARIAT POISSON
PETA KENDALI MULTIATRIBUT C DENGAN PENDEKATAN DISTRIBUSI MULTIVARIAT POISSON Reny Anggraeni, Erna Tri Herdiana, Nasrah Sirajang Program Studi Statistika, FMIPA, Universitas Hasanuddin Abstrak Kualitas
Diagram ARL W i & W Ri. Varian
maka nilai RL 1 yang ada ditambah satu sampai ditemui adanya out of control. Menentukan 1 dengan menghitung rata-rata RL 1 dari keseluruhan replikasi. Untuk aplikasi data yang digunakan dalam penelitian
SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
PERBANDINGAN GRAFIK PENGENDALI GRAND MEDIAN DAN CUMULATIVE SUM PADA VARIABEL BERAT SHUTTLECOCK DI CV MARJOKO KOMPAS DAN DOMAS oleh NURUL MUSDALIFAH M0112064 SKRIPSI ditulis dan diajukan untuk memenuhi
Studi 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
PERBANDINGAN PETA KENDALI ATRIBUT DALAM PENGENDALIAN KUALITAS PRODUK DI PT ARIKA KHARISMA AGUNG. Muhlis M. Asri, Annisa, Muh.
PERBANDINGAN PETA KENDALI ATRIBUT DALAM PENGENDALIAN KUALITAS PRODUK DI PT ARIKA KHARISMA AGUNG Muhlis M. Asri, Annisa, Muh. Saleh AF Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
BAB 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,
PENERAPAN 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
PIPA PVC PUTU WITRI DEWAYANTI Dosen Pembimbing: Dr. Muhammad Mashuri, MT. Co Pembimbing: Wibawati, S.Si, M.Si. Kamis, 7 Juli 2011
PUTU WITRI DEWAYANTI 137131 1 PENERAPAN DIAGRAM KONTROL KOMBINASI MULTIVARIATE EXPONENTIAL WEIGHTED MOVING AVERAGE (MEWMA) PADA TAHAP CUTTING PROSES PRODUKSI PIPA PVC Dosen Pembimbing: Dr. Muhammad Mashuri,
PENGONTROLAN BAHAN BAKU PRODUKSI SEMEN JENIS PCC DI PT. SEMEN PADANG DENGAN MENGGUNAKAN DIAGRAM KONTROL MEWMA
Jurnal Matematika UNAND Vol. 5 No. 3 Hal. 7 14 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENGONTROLAN BAHAN BAKU PRODUKSI SEMEN JENIS PCC DI PT. SEMEN PADANG DENGAN MENGGUNAKAN DIAGRAM KONTROL
Dlri Fiuia $trbi# Nn/l. N
4di ". ; :W -":Es-..3rys\ il., F. ii) I _-- ::...-.ij.jr,-i:lii:{aid{*;f,!.:rtq {'!%EEryryrynr:rirjt'i',r\14:Er:i{Y.ii.. :1 t:irrri,' -.,::ffi.t I A*ikel sleh Dwi Fiuia Subiakti ini Telah diperiksa dan
KOMPUTASI 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
SEMINAR TUGAS AKHIR. Peta Kendali Comulative Sum (Cusum) Residual Studi Kasus pada PT. PJB Unit Pembangkitan Gresik. Rina Wijayanti
SEMINAR TUGAS AKHIR Peta Kendali Comulative Sum (Cusum) Residual Studi Kasus pada PT. PJB Unit Pembangkitan Gresik Rina Wijayanti 1306100044 Pembimbing Drs. Haryono, MSIE Dedi Dwi Prastyo, S.Si., M.Si.
PERBANDINGAN 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,
ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di:
ISSN: 2339-254 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 205, Halaman 957-966 Online di: http://ejournal-s.undip.ac.id/index.php/gaussian PREDIKSI NILAI KURS DOLLAR AMERIKA MENGGUNAKAN EXPONENTIAL SMOOTHING
AUTOKORELASI PADA BAGAN KENDALI
Jurnal Matematika UNAND Vol. 3 No. 2 Hal. 88 96 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND AUTOKORELASI PADA BAGAN KENDALI NILA CHOIROTUNNISA, MAIYASTRI, YUDIANTRI ASDI Program Studi Matematika,
PEMBUATAN 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
TUGAS AKHIR SM MUHAMMAD HAKAM Dosen Pembimbing : Dra. Nuri Wahyuningsih, M.Kes Dra. Titik Mudjiati, M.Si
TUGAS AKHIR SM141501 PERBANDINGAN GRAFIK KENDALI CUSUM (CUMULATIVE SUM) DAN EWMA (EXPONENTIALLY WEIGHTED MOVING AVERAGE) DALAM PENGENDALIAN KUALITAS PRODUKSI PIPA BESI PADA PT. PACIFIC ANGKASA ABADI MUHAMMAD
BAB 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
PENGONTROLAN KUALITAS PROSES PRODUKSI ROKOK UNIT SIGARET KRETEK TANGAN DI PT. X MENGGUNAKAN DIAGRAM KONTROL MULTIVARIAT np (Mnp)
PENGONTROLAN KUALITAS PROSES PRODUKSI ROKOK UNIT SIGARET KRETEK TANGAN DI PT. X MENGGUNAKAN DIAGRAM KONTROL MULTIVARIAT np (Mnp) Oleh: Wenny Rakhmania 1306 100 032 Jurusan Statistika Institut Teknologi
UNIVERSITAS INDONESIA BAGAN KENDALI EXPONENTIALLY WEIGHTED MOVING AVERAGE UNTUK MEAN PROSES SKRIPSI KRISTINA INTAN KARTIKA PUTRI
UNIVERSITAS INDONESIA BAGAN KENDALI EXPONENTIALLY WEIGHTED MOVING AVERAGE UNTUK MEAN PROSES SKRIPSI KRISTINA INTAN KARTIKA PUTRI 0606067446 FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM PROGRAM SARJANA
BAB 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.
Studi 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
Pengendalian Kualitas Produksi Botol RC Cola 200 ML di PT. IGLAS (Persero) Gresik Menggunakan Diagram Kontrol DOB (Decision On Belief)
JURNAL SAINS DAN SENI POMITS Vol. 3, No. 2, (204) ISSN: 2337-3539 (230-927 Print) D-254 Pengendalian Kualitas Produksi Botol RC Cola 200 ML di PT. IGLAS (Persero) Gresik Menggunakan Diagram Kontrol DOB
Prosiding Statistika ISSN:
Prosiding Statistika ISSN: 2460-6456 Implementasi Diagram Kendali Kombinasi Individual (X) dan Moving Range (MR) pada Komponen Pesawat Implementation A Combined Individual (X) and Moving Range (MR) Control
GRAFIK PENGENDALI Mnp PADA DATA TAK SESUAI
GRAFIK PENGENDALI Mnp PADA DATA TAK SESUAI Nonik Brilliana P 1, Sudarno 2, dan Suparti 2 1 Mahasiswa Jurusan Statistika FSM Undip 2 Staf Pengajar Jurusan Statistika FSM Undip Abstrak Pada era globalisasi
BAB I PENDAHULUAN. menghasilkan data, melalui penggunaan metode statistik dapat mengetahui bahwa
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam era globalisasi, kualitas menjadi tulang punggung keberhasilan suatu perusahaan dalam menjalankan roda perekonomian. Kualitas yang baik akan menghasilkan
Perbandingan 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
Studi 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
STATISTICAL 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
Pengontrolan Kualitas Proses Produksi Spray Tube Body ftn Menggunakan Diagram Kontrol MEWMA
Pengontrolan Kualitas Proses Produksi Spray Tube Body ftn Menggunakan Diagram Kontrol MEWMA Oleh : Nurul Qomariyah 1308030012 Dosen Pembimbing : Dr. Muhammad Mashuri, MT LATAR BELAKANG Kualitas Proses
INFO TEKNIK Volume 1 No. 1, Desember 2000 (1-5) Sebuah Skema Pengendalian Proses Tak Stabil
INFO TEKNIK Volume 1 No. 1, Desember 2000 (1-5) Sebuah Skema Pengendalian Proses Tak Stabil Aqli Mursadin 1 Abstrak Sebuah skema pengendalian proses tak stabil diperkenalkan melalui proses ramp, suatu
BAGAN KENDALI ZERO INFLATED POISSON ADRIAN MATANDUNG. Pembimbing 1. Dr. Erna Tri Herdiani, M.Si, 2. Dr. La Podje Talangko, M.Si.
BAGAN KENDALI ZERO INFLATED POISSON ADRIAN MATANDUNG Pembimbing. Dr. Erna Tri Herdiani, M.Si, 2. Dr. La Podje Talangko, M.Si. Program Studi Statistik, Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan
Uji tracking setpoint
Validasi model Uji tracking setpoint Pengujian dilakukan dengan BOD konstan, yaitu 2200 mg/l. Untuk mencapai keadaan steady, sistem membutuhan waktu sekitar 30 jam. Sedangkan grafik kedua yang merupakan
BAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Statistika merupakan ilmu yang mempelajari bagaimana merencanakan, mengumpulkan, menganalisis, menginterpretasi dan mempresentasikan data. Dalam perkembangan masa,
PENERAPAN DIAGRAM MEWMA BARU PADA PROSES BLENDING BAGIAN PRIMARY DI SEBUAH PERUSAHAAN ROKOK DI SURABAYA
PENERAPAN DIAGRAM MEWMA BARU PADA PROSES BLENDING BAGIAN PRIMARY DI SEBUAH PERUSAHAAN ROKOK DI SURABAYA Sri Sulistyawati. 1, Muhammad Mashuri 2 1) Mahasiswa Jurusan Statistika FMIPA ITS 2) Dosen Jurusan
Seminar Nasional IENACO 2016 ISSN:
ANALISIS PENGENDALIAN KUALITAS KEJERNIHAN GULA DI PT TERSANA BARU DENGAN MENGGUNAKAN PETA KENDALI EXPONENTIALLY WEIGHTED MOVING EVERAGE (EWMA) Eka Nurkomara 1*, Arief Rahmana 2, Nissa Syifa Puspani 3 Teknik
Studi Performansi Pada Peta Kendali Variabel Dengan Pendekatan Rantai Markov
Volume 6 No., Juli 5 (3-4) Studi Performansi Pada Peta Kendali Variabel Dengan Pendekatan Rantai Markov Mastiadi Tamjidillah Abstract Many products which are non-conforming with specification from company
PENERAPAN DIAGRAM KONTROL T2 HOTELLING PADA PROSES PRODUKSI KACA. Skripsi. Disusun Oleh : Muhammad Hilman Rizki Abdullah
PENERAPAN DIAGRAM KONTROL T2 HOTELLING PADA PROSES PRODUKSI KACA Skripsi Disusun Oleh : Muhammad Hilman Rizki Abdullah 24010210120022 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO
BAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Dewasa ini bidang perindustrian telah berkembang pesat. Semakin banyak dan beragamnya industri saat ini, menyebabkan persaingan antara perusahaan industri yang satu
III 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
ISSN: JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman 111-120 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENGONTROLAN KUALITAS PRODUK MENGGUNAKAN METODE DIAGRAM KONTROL
BAB 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
JURNAL SAINS DAN SENI ITS Vol. 6, No.1, (2017) ( X Print) A 6
JURNAL SAINS DAN SENI ITS Vol. 6, No.1, (2017) 2337-3520 (2301-928X Print) A 6 Perbandingan Diagram Kontrol X Shewhart dan X VSSI (Variable Sample Size and Sampling Interval) dalam Pengendalian Kualitas
KULIAH 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,
ANALISIS 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)
JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) ( X Print) D-290
JURNAL SAINS DAN SENI POMITS Vol. 3, No., (04) 337-350 (30-98X Print) D-90 Pengontrolan Kualitas Diameter Pipa Baja pada Proses Tube Mill dengan Menerapkan Diagram Kontrol Kombinasi MEWMA Dimas N. D. Seputro
PENGONTROLAN KUALITAS PROSES PRODUKSI MINYAK LUMAS DENGAN MENGGUNAKAN DIAGRAM KONTROL KOMBINASI MEWMA
PENGONTROLAN KUALITAS PROSES PRODUKSI MINYAK LUMAS DENGAN MENGGUNAKAN DIAGRAM KONTROL KOMBINASI MEWMA Rxyzcha Pradhana Vydia Tyagita 1, Muhammad Mashuri 2 Mahasiswa S2 Statistika Institut Teknologi Sepuluh
BAB II TINJAUAN PUSTAKA. permasalahan yang teridentifikasi adalah PT. Vonex Indonesia belum
BAB II TINJAUAN PUSTAKA 2.1. Pendahuluan Berdasarkan uraian yang dikemukakan pada Bab I bahwa permasalahan yang teridentifikasi adalah PT. Vonex Indonesia belum memiliki cara untuk mengatur proses stabilitasi
BAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Saat ini, dunia memasuki era globalisasi yang berdampak terhadap sistem perdagangan internasional yang bebas dan lebih terbuka. Keadaan ini memberi peluang sekaligus
ANALISIS GRAFIK KENDALI np YANG DISTANDARISASI UNTUK PENGENDALIAN KUALITAS DALAM PROSES PENDEK
ANALISIS GRAFIK KENDALI np YANG DISTANDARISASI UNTUK PENGENDALIAN KUALITAS DALAM PROSES PENDEK Yayuk Nurkotimah dan Fachrur Rozi Jurusan Matematika UIN Maulana Malik Ibrahim Malang e-mail: ocy_cute9@yahoo.com
Analisis Peta Kendali U Pada Proses Pembuatan Plat Baja di PT. Gunawan Dianjaya Steel Tbk
Analisis Peta Kendali U Pada Proses Pembuatan Plat Baja di PT. Gunawan Dianjaya Steel Tbk Dias Ardha P 1311 030 032 Dosen Pembimbing Dr. Sony Sunaryo, M.Si PROGRAM STUDI DIPLOMA III Jurusan Statistika
Diagram 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
ANALISIS RISIKO TIPE I (PRODUSEN) DAN RISIKO TIPE II (KONSUMEN) DALAM KERJASAMA RANTAI PASOK. Nama Mahasiswa : Afriani Sulastinah NRP :
ANALISIS RISIKO TIPE I (PRODUSEN) DAN RISIKO TIPE II (KONSUMEN) DALAM KERJASAMA RANTAI PASOK Nama Mahasiswa : Afriani Sulastinah NRP : 1206 100 030 Jurusan : Matematika Dosen Pembimbing : Dra. Laksmi Prita
DETEKSI 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
Analisis Kualitas Tenun Sarung Menggunakan Metode Statistical Quality Control Di PT. PTI Pekalongan
Analisis Kualitas Tenun Sarung Menggunakan Metode Statistical Quality Control Di PT. PTI Pekalongan Arief Hadi Prasetyo *1) dan Kariyam 2) 1) Statistika, FMIPA, Universitas Islam Indonesia, Jalan Kaliurang
SKRIPSI. Oleh: Anastasia Arinda Dantika
PENERAPANN DIAGRAM KONTROL MULTIVARIATE EXPONENTIALLY WEIGHTED MOVING AVERAGEE (MEWMA) PADA PENGENDALIAN KARAKTERISTIK KUALITAS AIR (Studi Kasus: Instalasi Pengolahan Air III PDAM Tirta Moedal Kota Semarang)
PENGONTROLAN KUALITAS PROSES PRODUKSI HEXAGON BOLT M16 X 75MM DI PT.TIMUR MEGAH STEEL GRESIK. MENGGUNAKAN METODE DIAGRAM KONTROL MULTIVARIAT np (Mnp)
Seminar Hasil Tugas Akhir PENGONTROLAN KUALITAS PROSES PRODUKSI HEXAGON BOLT M16 X 75MM DI PT.TIMUR MEGAH STEEL GRESIK MENGGUNAKAN METODE DIAGRAM KONTROL MULTIVARIAT np (Mnp) Febrianto 1308 100 075 Dosen
PEMBUATAN GRAFIK PENGENDALI DAN STUDI SIMULASI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS)
PEMBUATAN GRAFIK PENGENDALI DAN STUDI SIMULASI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS) CONSTRUCTION OF CONTROL CHART AND SIMULATION STUDY BASED ON PRINCIPAL COMPONENT ANALYSIS
ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE)
Seminar Nasional Matematia dan Apliasinya, 1 Otober 17 ANALISIS PETA KENDALI DEWMA (DOUBLE EXPONENTIALLY WEIGHTED MOVING AVERAGE) DALAM PENGENDALIAN KUALITAS PRODUKSI FJLB (FINGER JOINT LAMINATING BOARD)
PENGENDALIAN KUALITAS PRODUK GARAM PADA PT. SUSANTI MEGAH SURABAYA
PENGENDALIAN KUALITAS PRODUK GARAM PADA PT. SUSANTI MEGAH SURABAYA Retno Indriartiningtias Laboratorium Ergonomi dan APK Jurusan Teknik Industri Universitas Trunojoyo, Madura Email : artiningtias@yahoo.com
Monitoring Uji Stabilitas Jenis Tablet Antibiotik Pada Masa Kadaluarsa Menggunakan Diagram Kontrol Multivariat (Studi Kasus : PT X )
Monitoring Uji Stabilitas Jenis Tablet Antibiotik Pada Masa Kadaluarsa Menggunakan Diagram Kontrol Multivariat (Studi Kasus : PT X ) Rindang Sukmanita dan Muhamad Mashuri Mahasiswa Jurusan Statistika,
BAB 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)
ANALISIS KAPABILITAS PROSES UNTUK PENGENDALIAN KUALITAS PRODUK PEMBATAS BUKU INDUSTRI RUMAHAN
J u r n a l E K B I S / V o l. X IV/ N o. / e d i s i S e p t e m b e r 15 7 ANALISIS KAPABILITAS PROSES UNTUK PENGENDALIAN KUALITAS PRODUK PEMBATAS BUKU INDUSTRI RUMAHAN *( Diah Ayu Novitasari Fakultas
UJI STATISTIK NON PARAMETRIK. Widha Kusumaningdyah, ST., MT
UJI STATISTIK NON PARAMETRIK Widha Kusumaningdyah, ST., MT SIGN TEST Sign Test Digunakan untuk menguji hipotesa tentang MEDIAN dan DISTRIBUSI KONTINYU. Pengamatan dilakukan pada median dari sebuah distribusi
S 10 Studi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis)
PROSIDING ISBN : 978 979 6353 6 3 S 0 Studi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis) Wirayanti ), Adi Setiawan ), Bambang Susanto
Pengendalian Kualitas Statistik Produk Botol Sting 240 ml di PT IGLAS (Persero) Oleh: Wahyu Eka Kusumaningrum
Pengendalian Kualitas Statistik Produk Botol Sting 40 ml di PT IGLAS (Persero) Oleh: Wahyu Eka Kusumaningrum 1308030047 PENDAHULUAN LATAR BELAKANG PT IGLAS (Persero) merupakan perusahaan manufacturing
ESTIMASI PARAMETER BATAS PENGENDALI EWMA
ESTIMASI PARAMETER BATAS PENGENDALI EWMA X - R Oleh : ERNITA DWI HASTUTI M0106040 SKRIPSI Ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika JURUSAN MATEMATIKA
PENENTUAN DIAGRAM KENDALI DALAM ANALISIS KUALITAS PRODUKSI BISKUIT SQUARE PUFF PT. UBM BISCUIT SIDOARJO
Program Studi MMT-ITS, Surabaya Februari 3 PENENTUAN DIAGRAM KENDALI DALAM ANALISIS KUALITAS PRODUKSI BISKUIT SQUARE PUFF PT. UBM BISCUIT SIDOARJO Rizal Rinumpoko *), Septia Fendiasari, Lucia Aridinanti,
PETA KENDALI R ADAPTIF SEBAGAI ALTERNATIF PETA KENDALI R SHEWHART DALAM MENDETEKSI PERGESERAN KECIL PADA VARIANS
PETA KENDALI R ADAPTIF SEBAGAI ALTERNATIF PETA KENDALI R SHEWHART DALAM MENDETEKSI PERGESERAN KECIL PADA VARIANS Adative R Control Chart as Alternative Shewhart R Control Chart in Detecting Small Shifts
PENGENDALIAN KUALITAS PRODUK LAMP CASE TIPE CA22 MENGGUNAKAN PETA KENDALI T 2 HOTTELING
PENGENDALIAN KUALITAS PRODUK LAMP CASE TIPE CA MENGGUNAKAN PETA KENDALI T HOTTELING Oleh : PARAMITHA DIAN LINGGANI PUTRI NRP 308 030 008 Dosen Pembimbing Dr. Muhammad Mashuri, MT. LATAR BELAKANG Bidang