SAMPLING PLAN. Dasar - Dasar Penarikan Contoh (Sampling)
|
|
- Ade Widjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 SAMPLING PLAN Dasar - Dasar Penarikan Contoh (Sampling)
2 Apa Itu Sampling? Pendugaan karakteristik suatu populasi berdasarkan contoh (sample) yang diambil dari populasi tersebut pengukuran hanya dilakukan pada sebagian elemen dari populasi: tidak semua elemen dalam populasi diukur Digunakan untuk memperoleh nilai dugaan dari populasi yang sedang dipelajari
3 Apa itu sampling (2) Perumpamaan: seorang koki yang mencicipi satu sendok sup untuk mengatakan bahwa satu panci sup yang dimasaknya memang lezat.
4 Bandingkan! Adakah sampling untuk yang satu ini?
5 Untuk diingat!!!!!
6 Populasi & contoh (2) Ukuran populasi: banyaknya unit populasi di dalam populasinya dinotasikan: N Ukuran contoh: banyaknya unit populasi yang terambil sbg contoh dinotasikan: n Intensitas sampling (IS): Proporsi ukuran contoh terhadap ukuran populasi:
7 Populasi & contoh (3) Parameter: nilai yang mencerminkan karakteristik populasi Statistik: nilai mencerminkan karakteristik contoh Misalnya: Rata-rata/nilai tengah (mean) Ragam (variance)
8 Misalkan dalam kelas Anda ini: Apabila akan dipilih 10 orang wakil: Apakah populasinya? Berapakah ukuran populasinya? Apakah wujud unit populasinya? Apakah sampling frame-nya? Berapakah ukuran contohnya? Berapakah intensitas sampling-nya? Studi Kasus
9 Mengapa Sampling? Keuntungan sampling: Menghemat sumberdaya: biaya, waktu, tenaga Kecepatan mendapatkan informasi (up to date) Ruang lingkup (cakupan) lebih luas Data/informasi yang diperoleh lebih teliti dan mendalam Pekerjaan lapangan lebih mudah dibanding cara sensus
10 Mengapa Sampling? Sampling lebih disukai dibanding inspeksi 100% bilamana inspeksi bersifat destruktif. inspeksi butuh biaya yang mahal inspeksi 100% tidak layak untuk dijalankan Sarana inspeksi otomatis tak tersedia
11 Kesalahan dalam Sampling Jenis kesalahan: A. Kesalahan non-sampling: Kesalahan yang bukan berasal dari pengambilan contoh, muncul karena: kesalahan pengukuran (measurement error) kesalahan alat (instrumental error) Kesalahan karena faktor pengukur (human error) Kesalahan karena faktor lingkungan (environmental error) Besarnya kesalahan jenis ini sulit dihitung secara pasti
12 Kesalahan dalam sampling (2) B.Kesalahan sampling (sampling error, SE): Kesalahan yang disebabkan oleh pengambilan contoh (sampling) yang dilakukan secara tidak tepat Besarnya kesalahan dapat dihitung dengan formula berikut:
13 Ukuran contoh yang paling optimal adalah satu titik dimana banyaknya unit populasi yang terambil sebagai contoh akan menghasilkan total error yang paling minimal
14 Teliti, Akurat, Bias Dalam sampling: Contoh (sample) digunakan untuk memperoleh nilai dugaan (estimate) yang akurat/tepat bagi parameter populasi
15 Teliti, Akurat, Bias Ingatlah selalu ilustrasi berikut:
16 Teliti, akurat, bias Ketelitian (precision): Derajat kesesuaian (degree of agreement) dari suatu rangkaian pengukuran Dalam sampling : Penyimpangan nilai-nilai pengukuran (dari contoh) thdp nilai rata-ratanya sendiri {Ditunjukan oleh nilai simpangan baku (s)} Keakuratan/ketepatan (accuracy): Derajat kedekatan suatu nilai pengukuran terhadap nilai sebenarnya Dalam sampling : Besarnya penyimpangan nilai-nilai dugaan dari contoh thdp nilai parameter populasinya (Catatan: parameter populasi seringkali tdk diketahui)
17 Teliti, akurat, bias Bias kesalahan sistematis yg dapat disebabkan oleh : kesalahan dlm prosedur pengukuran, alat, prosedur sampling, perhitungan, pencatatan, dsb Hubungan ketiganya: (A=akurasi, B=bias, P=presisi) Akurasi = presisi, jika bias dapat dihilangkan
18 Dua Metoda Pengambilan Contoh 1. Pengambilan contoh secara acak (random sampling): Sampel diambil tanpa mengikuti satu pola tertentu, setiap unit populasi punya peluang yang sama untuk terambil dan menjadi bagian dari contoh
19 Dua Metoda Pengambilan Contoh 2. Pengambilan contoh secara sistematik (systematic sampling): Unit contoh diambil dengan pola ttt, keteratutan ttt (sistematis) Tidak memiliki penduga ragam yang sah: Dalam penerapannya, sering dimodifikasi menjadi systematic sampling with random start
20 Acceptance Sampling
21 Acceptance Sampling The inspection and classification of a sample of nits selected at random from a larger batch or lot and ultimate decision about disposition of the lot Lot Disposition or Lot Sentencing Another area of quality control and improvement Closely connected with inspection and testing of product Inspection can occur at many points in a process
22 Acceptance Sampling Berhubungan dengan keputusan untuk menerima atau menolak lot produk Acceptance sampling dari lot ke lot adalah suatu proses pengambilan keputusan Suatu keputusan yang didasarkan pada sample yang diambil dari unit - unit yang terdapat dalam lot produk
23 Acceptance Sampling A batch (lot) of items has been produced. Before shipment, the producer tests the lot for outgoing quality, or After receiving shipment, the consumer tests the lot for incoming quality.acceptance Sampling
24 Acceptance Sampling
25 Persyaratan Suatu Lot Lots should be homogeneous: produced on the same machines, by same operators, from common raw materials, at approximately the same time period (come from a single source) units should be as similar to each other as possible. Larger lots are more preferable than smaller lots
26 Dasar Penentuan Suatu Acceptance Sampling Plans 1. By Attributes each sampled item is inspected and classified as conforming or nonconforming (defective). Or, the number of defects or nonconformities is counted for each item. Large numbers of nonconforming or nonconformities indicate poor quality
27 Dasar Penentuan Suatu Acceptance Sampling Plans 2. By Variables some quantitative quality characteristic is measured for each sampled item. the sample mean of the measurements is computed. if the sample mean lies outside an acceptable range, the lot is rejected.
28 Beberapa Skema Acceptance Sampling Plan Sampling Plan for Attributes Sampling Plan for Variables Single-Sampling Attributes plans Dodge-Romig Plans Double Sampling Plans MIL-STD-105E Sequential Sampling Variables Sampling Plans
29 Single-Sampling Attributes Plans Inspected units should be selected at random each combination of n items has an equal chance of comprising the sample. Inspected units should represent all items in the lot eliminates bias
30 Single-Sampling Attributes Plans A lot of size N has been submitted for inspection A simple random sample is selected from a lot for inspection. n = sample size. c = acceptance number. If there are more than c nonconforming items in the sample, then the lot is rejected. Example N = 10,000 n= 89 c = 2 N = 10,000 n = 89
31
32
33 Contoh A manufacturer of silicon chips produces lots of 1000 chips for shipment. A single-sampling plan with n = 65 and c = 2 is used to test for bad outgoing lots. In one sample, 4 defective chips are discovered. Since 4 > 2, the lot is rejected and not shipped. The source of the defective chips should be found and eliminated. In a random sample of 65 chips taken from another lot, 2 defective chips are discovered. This lot is acceptable for shipment.
34 Fungsi Operating Characteristic (OC) Sebuah fungsi untuk mengukur performa design suatu sampling plan Probabilitas diterimanya suatu lot dihitung berdasar fungsi OC berikut: p = true proportion nonconforming.
35 The OC Curve Plot of OC Function Curve plots the probability of accepting the lot (P a ) versus the lot fraction defective (p)
36 The OC Curve
37
38 Latihan 1. A single sampling plan has parameters n = 2 and c = 0. What is the OC function for such a plan? How much the probability of accepting a lot with 5% defective? How much the probability of acceptance of a lot with 20% defective? 2. What is the OC function for a plan having n = 2 and c = 1? 3. What is the OC function for a plan with n = 10 and c = 2?
39 Latihan 4. An apple producer has 500 baskets of apples, containing 20 each. A buyer wants to inspect 10 of the apples before accepting the lot (if 2 or less are bruised). How many n, N, and c? Suppose 20% of the apples in the lot are bruised, What is the probability of accepting such a lot? If 50 % of the apples are bruised, then the probability of accepting such a lot is
40 DOUBLE SAMPLING PLAN
41
42
43
44
45
46
47
48
49 Contoh Suatu sampling plan dengan: n1 = 10 n2 = 20 ac1 = 0 ac2= 3 re1 = re2 = 3 N = 1000 D = 50
50
51 Example B: Consider a double sampling plan with n1 = 100, c1 = 2, r1 = 6, n2 = 200, c2 = 5. Find that the probability of acceptance If p =.01
52 Military Standard 105E
53
54
55
56
57
58 Military Standard 105E Procedure Choose the AQL Choose the inspection level Determine the lot size Fine the appropriate sample size code letter (from Table 14-4) Determine the appropriate type of sampling plan to use (single) Enter the appropriate table to find the type of plan to be used Determine the corresponding normal and reduced inspection plans to be used when required
59 Acceptable quality level (AQL) The poorest quality level for the supplier s process that a consumer would consider to be acceptable A property of the supplier s manufacturing process, not a property of the sampling plan This is the maximum proportion of defectives allowed. The producer requires that the probability of acceptance at this level be fairly high. i.e. Pa(AQL) should be large, typically this should be near 0.99 or Type I error probability: α = 1 Pa(AQL); typically.05 or.01
60 Lot tolerance percent defective (LTPD) or consumer s quality level The protection obtained for individual lots of poor quality This is a numerical definition of an unacceptable lot. The consumer requires that this kind of lot be rejected with high probability. In other words Pa(LTPD) should be small, typically this is chosen to be 0.1 Pa(LTPD) is often referred to as, the probability of Type II error. Also called rejectable quality level (RQL) and the limiting quality level (LQL)
61 Latihan 1. Suppose MIL STD 105E is used, lots of are to be examined, and AQL is.4 %. a. If double sampling is used. How many n and c we need b. Now, suppose single sampling is used. Calculate n and c we need
62 Latihan c. Suppose that the following sequence of rejected (R) and accepted (A) lots with the number of defectives D occur: Lot A/R A R A A R A A A A A A A A A A D What mode of inspection will be applicated to that supplier?
63 MENDISAIN ACCEPTANCE SAMPLING PLAN
64 Mendesign Suatu Acceptance Sampling plan How can we decide 1. how many items n to sample, and 2. how many nonconforming items c in that sample are enough to convince us that the lot is unacceptable
65
66
67
68 Effects of c on OC curves
69
70
71
72 Optimal Plans The ideal OC curve places high probability on accepting good lots (p close to 0), and low probability on accepting bad lots. The producer wants all good lots to be accepted. (minimize type I error probability = producer s risk). In other words, if p is small, then the producer wants Pa(p) to be close to 1 The consumer wants all bad lots to be rejected. (minimize type II error probability = consumer s risk). If p is large, then the consumer wants Pa(p) close to 0.
73
74
75 Finding a Plan, given α, β, LTPD and AQL To construct sampling plan such that for n and c, where p1 = AQL and p2 = LTPD. To solve these equations, we could use a binomial nomograph OR Use Better alternative: normal approximation to binomial
76 Binomial Nomograph
77 Normal Approximation to Binomial
78
79
80
81
82
83
Rencana Penerimaan Sampel (Acceptance Sampling)
Rencana Penerimaan Sampel (Acceptance Sampling) 12 Pengendalian Kualitas Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id Blog : http://debrina.lecture.ub.ac.id/
Lebih terperinciB. ACCEPTANCE SAMPLING. Analysis
Analysis Control A. PENDAHULUAN B. ACCEPTANCE SAMPLING Control Analysis Pengendalian dan pengawasan mutu untuk mengetahui kesesuaian dengan standar tidak dapat diterapkan pada semua produk karena jumlah
Lebih terperinciSAMPLING PENERIMAAN ( ACCEPTANCE SAMPLING )
SAMPLING PENERIMAAN ( ACCEPTANCE SAMPLING ) PENDAHULUAN Pengertian dari Sampling Penerimaan : keputusan untuk menerima atau menolak suatu lot atau populasi berdasarkan hasil dari pemeriksaan sebagian lot
Lebih terperinciMILITARY STANDARD (MIL-STD) Ganda Marulitua Simbolon ( )
MILITARY STANDARD (MIL-STD) Ganda Marulitua Simbolon (4133230016) Robinsar Pakpahan (4133230031) Rony G.T.Marpaung (4133230032) Sumanto Sitanggang (4132230035) MIL-STD-105E Suatu sistem rencana penarikan
Lebih terperinciSampling Plan System for Attribute Inspection. For use with ANSI / ASQC Z1.4
Sampling Plan System for Attribute Inspection For use with ANSI / ASQC Z1.4 March 2008 PENGANTAR Panduan ini disusun berdasarkan buku Sampling Procedure and Tables for Inspection by Attribute yang diterbitkan
Lebih terperinciAcceptance Sampling. sampling penerimaan
Acceptance Sampling sampling penerimaan ditolak dan dikembalikan? diterima? Pemeriksaan bahan baku Option: o tidak ada pemeriksaan o pemeriksaan 100% o pemeriksaan sample Supplier Pabrik Konsumen Pemeriksaan
Lebih terperinciRencana Penerimaan Sampel (Acceptance Sampling)
Rencana Penerimaan Sampel (Acceptance Sampling) 12 Pengendalian Kualitas Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id Blog : hdp://debrina.lecture.ub.ac.id/
Lebih terperinciRencana Penerimaan Sampel (Acceptance Sampling) untuk Data Atribut
Rencana Penerimaan Sampel (Acceptance Sampling) untuk Data Atribut 13 Pengendalian Kualitas Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e- Mail : debrina@ub.ac.id Blog : hdp://debrina.lecture.ub.ac.id/
Lebih terperinciKUMPULAN TABEL MIL-STD-414
KUMPULAN TABEL MIL-STD-414 Ir. Budi Nurtama, M.Agr. 2005 Program Studi Supervisor Jaminan Mutu Pangan Departemen Ilmu dan Teknologi Pangan Fakultas Teknologi Pertanian Institut Pertanian Bogor TABLES FOR
Lebih terperinciRabu, 8 Desember 2010
Perencanaan Sampling Penerimaan dengan Atribut Bagian - 1 ekop2003@yahoo.com Rabu, 8 Desember 2010 Review Apa tujuan dilakukannya analisis kemampuan proses? Apa artinya jika indek kemampuan proses ( C
Lebih terperinciStatistik Bisnis 1. Week 9 Discrete Probability
Statistik Bisnis 1 Week 9 Discrete Probability Random Variables Random Variables Discrete Random Variable Continuous Random Variable Wk. 9 Wk. 10 Probability Distributions Probability Distributions Wk.
Lebih terperinciRENCANA PENERIMAAN SAMPEL (ACCEPTANCE SAMPLING)
1 KOMPETENSI Mampu menerapkan rencana penerimaan sampel, baik satu tingkat atau beberapa tingkat, untuk data atribut dan data variabel dengan menggunakan beberapa metode guna menentukan keputusan dalam
Lebih terperinciBAB 3 METODE PENELITIAN
30 BAB 3 METODE PENELITIAN 3.1 Populasi dan Metode Pengambilan Sampel Dalam penelitian ini yang menjadi populasi penelitian adalah bahan baku yang digunakan oleh PT Singgang Jati. Jumlah populasi penelitian
Lebih terperinciACCEPTANCE SAMPLING PLANS MUHAMMAD YUSUF IWAN NOEGROHO GALIH DWI AGUNG P BRIAN REYVENDRA P AHMAD AUDREY T. JUIOCAISAR W SYAFIQAR NABIL M.
ACCEPTANCE SAMPLING PLANS MUHAMMAD YUSUF IWAN NOEGROHO GALIH DWI AGUNG P BRIAN REYVENDRA P AHMAD AUDREY T. JUIOCAISAR W SYAFIQAR NABIL M. ILHAMDKA 125060707111002 125060707111004 125060707111009 125060707111022
Lebih terperinciTEKNIK PENARIKAN SAMPEL PADA DATA ATRIBUT UNTUK PEMERIKSAAN HASIL AKHIR PRODUKSI
TEKNIK PENARIKAN SAMPEL PADA DATA ATRIBUT UNTUK PEMERIKSAAN HASIL AKHIR PRODUKSI ERNANING WIDIASWANTI Program Studi Teknik Industri, Universitas Trunojoyo Madura Jl. Raya Telang PO Box Kamal, Bangkalan,
Lebih terperinciAnalisis dan Dampak Leverage
Analisis dan Dampak Leverage leverage penggunaan assets dan sumber dana oleh perusahaan yang memiliki biaya tetap dengan maksud agar peningkatan keuntungan potensial pemegang saham. leverage juga meningkatkan
Lebih terperinciQUICKSWITCHING SYSTEMS (QSS) UNTUK SAMPLING SEKUENSIAL SKRIPSI
QUICKSWITCHING SYSTEMS (QSS) UNTUK SAMPLING SEKUENSIAL RACHMA UNTANG JAUHARI JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS AIRLANGGA SURABAYA 2003 QUICK SWITCHING SYSTEMS
Lebih terperinciPENGAWASAN PROSES WAKTU JENIS. SAMPLING PENERIMAAN *single *double *sequential. X-Chart R- Chart. By Variable. *single *double *sequential
I. PENGERTIAN Kualitas adalah sesuatu yang cocok/sesuai dengan selera seseorang (fitness for use) Kualitas adalah barang atau jasa yang dapat menaikkan status pemakai Kualitas adalah barang atau jasa yang
Lebih terperinciStatistik Bisnis 2. Week 4 Fundamental of Hypothesis Testing Methodology
Statistik Bisnis 2 Week 4 Fundamental of Hypothesis Testing Methodology ONE-TAIL TESTS One-Tail Tests In many cases, the alternative hypothesis focuses on a particular direction H 0 : μ 3 H 1 : μ < 3 H
Lebih terperinciThe use of Statitical Quality Control to reduce a defective product at shoes company CV. Fortuna shoes. Abstract
The use of Statitical Quality Control to reduce a defective product at shoes company CV. Fortuna shoes Abstract Quality is the most important element in today's business world competition. A company that
Lebih terperinciModel Optimisasi Ukuran Lot Produksi yang Mempertimbangkan Inspeksi Sampling dengan Kriteria Minimisasi Total Ongkos
Model Optimisasi Ukuran Lot Produksi yang Mempertimbangkan Inspeksi Sampling dengan Kriteria Minimisasi Total Ongkos Arie Desrianty, Fifi Herni M, Adelia Septy Perdana Jurusan Teknik Industri Institut
Lebih terperinciSeminar Nasional IENACO ISSN: PENENTUAN SAMPEL PRODUK LINK BELT MENGGUNAKAN METODE ACCEPTANCE SAMPLING MIL-STD-105E
PENENTUAN SAMPEL PRODUK LINK BELT MENGGUNAKAN METODE ACCEPTANCE SAMPLING MIL-STD-105E Siti Nandiroh 1, Ganang Adi Sulistyawan 2 1 Pusat Studi Logistik dan Optimisasi Industri (PUSLOGIN), Universitas Muhammadiyah
Lebih terperinciSAMPLING PENERIMAAN SKRIPSI
/i'''' " SAMPLING PENERIMAAN SKRIPSI f:::~ Mftfi't, 9-3> /C)t/ Aqh (' '"" ;- I ~ " ;I Q.. A.. 4;,. /,/ NO ~.;. ':,(',
Lebih terperinciDistribusi probabilitas dan normal. Statisitik Farmasi 2015
Distribusi probabilitas dan normal Statisitik Farmasi 2015 Part 1. DISTRIBUSI PROBABILITAS Statisitik Farmasi 2015 Tujuan Perkuliahan Setelah menyelesaikan kuliah ini, mahasiswa mampu: Membuat distribusi
Lebih terperinciStatistics for Managers Using Microsoft Excel Chapter 1 Introduction and Data Collection
Statistics for Managers Using Microsoft Excel Chapter 1 Introduction and Data Collection 1999 Prentice-Hall, Inc. Chap. 1-1 Statistik untuk Para Menejer 1. Untuk mengetahui tingkat pengembalian investasi.
Lebih terperinciUJI HIPOTESIS SATU SAMPEL. Chapter 10
UJI HIPOTESIS SATU SAMPEL Chapter 10 Tujuan 1. Mendefinisikan hypothesis and hypothesis testing. 2. Menjelaskan lima tahapan prosedur uji hipotesis. 3. Membedakan antara uji hipotesis satu sisi dan dua
Lebih terperinciADLN Perpustakaan Universitas Airlangga
PERBANDINGAN METODE GENERALIZED CROSS VALIDATION DAN GENERALIZED MAXIMUM LIKELIHOOD DALAM REGRESI NONPARAMETRIK SPLINE UNTUK MEMPERKIRAKAN JUMLAH LEUKOSIT PADA TERSANGKA FLU BURUNG DI JAWA TIMUR RINGKASAN
Lebih terperinciLAMPIRAN A HASIL UJI MUTU FISIK GRANUL
LAMPIRAN A HASIL UJI MUTU FISIK GRANUL Mutu fisik yang diuji Kadar air (%) Waktu alir (detik) Sudut diam ( ) Indeks kompresibilitas (%) Replikasi Formula I II III IV I 3,34 3,35 3,31 3,25 II 3,01 3,04
Lebih terperinciLAMPIRAN A HASIL UJI MUTU FISIK GRANUL. Propranolol Hidroklorida
LAMPIRAN A HASIL UJI MUTU FISIK GRANUL Replikasi Formula Tablet Sublingual Mutu fisk Propranolol Hidroklorida yang diuji F I F II F III F IV Persyaratan Waktu alir I 9.57 8.54 7.56 6.01 Tidak lebih (detik)
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 terperinciIntroduction to Time Series Analysis
Introduction to Time Series Analysis Kegiatan peramalan merupakan bagian integral dari pengambilan keputusan manajemen. Peramalan mengurangi ketergantungan pada hal-hal yang belum pasti (intuitif). Dalam
Lebih terperinciStatistik Bisnis. Week 9 Confidence Interval Estimation
Statistik Bisnis Week 9 Confidence Interval Estimation Agenda Time Activity 20 minutes Point and Interval Estimate 40 minutes Confidence Interval Estimate for the Mean ( Known) 40 minutes Confidence Interval
Lebih terperinciReview QUIZ ( 10 menit )
Lecture 4 Control Chart for Variables - 1 1 Review QUIZ ( 10 menit ) Sebutkan pembagian penyebab variasi pada proses manufaktur? Berikan contoh? Kapan proses disebut in control dan kapan out of control?
Lebih terperinciLAMPIRAN A HASIL UJI MUTU FISIK GRANUL
LAMPIRAN A HASIL UJI MUTU FISIK GRANUL Pengujian Kadar air (persen) Waktu alir (detik) Sudut diam (derajat) Indeks kompresibilitas (persen) Formula Replikasi 1 2 3 4 I 3,64 4,71 4,38 2,78 II 4,66 3,11
Lebih terperinciUsulan Perencanaan Sampling Penerimaan Berdasarkan Kecacatan Atribut dengan Metode Mil Std 105E pada Proses Penyamakan Kulit
Performa (2008) Vol.7, No.1: 39-54 Usulan Perencanaan Sampling Penerimaan Berdasarkan Kecacatan Atribut dengan Metode Mil Std 105E pada Proses Penyamakan Kulit Lobes Herdiman, I Wayan Suletra, Amithya
Lebih terperinciLAMPIRAN A Percobaan Validasi Metode Analisa Propranolol HCl. 1. Penentuan Kurva Baku Berikut ini adalah data dari kurva baku selama tiga hari C 1
LAMPIRAN A Percobaan Validasi Metode Analisa Propranolol HCl 1. Penentuan Kurva Baku Berikut ini adalah data dari kurva baku selama tiga hari C 1 A 1 C 2 A 2 C 3 (µg/ml) (µg/ml) (µg/ml) 2,04 0,03 2 0,03
Lebih terperinciSTATISTIKA II IT
STATISTIKA II IT-011227 Ummu Kalsum UNIVERSITAS GUNADARMA 2017 Keterlambatan : KONTRAK KULIAH MOHON KETERLAMBATAN TIDAK LEBIH 15 MENIT Sanksi atau hukuman, sebagai contoh: Menguraikan pengetahuan tentang
Lebih terperinciTipe Contoh/Sample yang Digunakan
Tipe Contoh/Sample yang Digunakan Contoh Contoh Nonpeluang Contoh Berpeluang Pertimbangan Kemudahan Acak Sederhana Stratifikasi Sistematik Gerombol Penarikan Contoh NON-PELUANG (Nonprobability Sampling)
Lebih terperinciPengendalian Kualitas dengan Metode Acceptance Sampling (Studi kasus: AMDK ADENI Pamekasan)
Pengendalian Kualitas dengan Metode Acceptance Sampling (Studi kasus: AMDK ADENI Pamekasan) 1 M. Fitriyan H, 2 Agus Salim Program Studi Teknik Industri, Universitas Trunojoyo Madura Jl. Raya Telang PO
Lebih terperinciApa itu suatu Hypothesis?
Chapter 7 Student Lecture Notes 7-1 Dasar Dasar Hipotesis Apa itu suatu Hypothesis? Hypothesis adalah suatu pernyataan (asumsi) tentang parameter populasi I nyatakan rata-rata IPK kelas ini = 3.5! Contoh
Lebih terperinciNon Linear Estimation and Maximum Likelihood Estimation
Non Linear Estimation and Maximum Likelihood Estimation Non Linear Estimation and Maximum Likelihood Estimation Non Linear Estimation We have studied linear models in the sense that the parameters are
Lebih terperinciSIMULASI MONTE CARLO RISK MANAGEMENT DEPARTMENT OF INDUSTRIAL ENGINEERING
SIMULASI MONTE CARLO RISK MANAGEMENT DEPARTMENT OF INDUSTRIAL ENGINEERING PENGANTAR Simulasi Monte Carlo didefinisikan sebagai semua teknik sampling statistik yang digunakan untuk memperkirakan solusi
Lebih terperinciStatistik Bisnis 1. Week 9 Discrete Probability Binomial and Poisson Distribution
Statistik Bisnis 1 Week 9 Discrete Probability Binomial and Poisson Distribution Agenda 15 minutes 45 minutes 30 minutes Attendance check Discussion Exercise Learning Objectives In this chapter, you learn:
Lebih terperinciTeori Pengambilan Keputusan. Week 10 Decision Analysis Decision Tree
Teori Pengambilan Keputusan Week 10 Decision Analysis Decision Tree Six Steps in Decision Making 1. Clearly define the problem at hand. 2. List the possible alternatives. 3. Identify the possible outcomes
Lebih terperinciRencana Penerimaan Sampel (Acceptance Sampling) untuk Data Variabel
Rencana Penerimaan Sampel (Acceptance Sampling) untuk Data Variabel 12 Pengendalian Kualitas Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e- Mail : debrina@ub.ac.id Blog : hdp://debrina.lecture.ub.ac.id/
Lebih terperinciKonsep Dasar Statistik dan Probabilitas
Konsep Dasar Statistik dan Probabilitas Pengendalian Kualitas Statistika Ayundyah Kesumawati Prodi Statistika FMIPA-UII October 7, 2015 Ayundyah (UII) Konsep Dasar Statistik dan Probabilitas October 7,
Lebih terperinciBusiness Statistics: A Decision-Making Approach 7 th Edition
Business Statistics: A Decision-Making Approach 7 th Edition Chapter 1 The Where, Why, and How of Data Collection Business Statistics: A Decision-Making Approach, 7e 2008 Prentice-Hall, Inc. Chap 1-1 Perangkat
Lebih terperinciRencana Penerimaan Sampel (Acceptance Sampling)
Rencana Penerimaan Sampel (Acceptance Sampling) 12 Pengendalian Kualitas Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id Blog : hdp://debrina.lecture.ub.ac.id/
Lebih terperinciPengendalian Proses. Waktu
Pengendalian Kualitas TKI-306 DEFINISI adalah Pernyataan tentang ukuran sampel yang akan digunakan dan kriteria penerimaan/penolakan sampel untuk memvonis suatu lot Aplikasi tipikal sampling penerimaan
Lebih terperinciInferensia Statistik parametrik VALID?? darimana sampel diambil
Inferensia Statistik parametrik VALID?? Tergantung dari bentuk populasi Tergantung dari bentuk populasi darimana sampel diambil Uji kesesuaian (goodness of fit) ) untuk tabel frekuensi Goodness-of-fit
Lebih terperinciNama Soal Pembagian Ring Road Batas Waktu 1 detik Nama Berkas Ringroad[1..10].out Batas Memori 32 MB Tipe [output only] Sumber Brian Marshal
Nama Soal Pembagian Ring Road Batas Waktu 1 detik Nama Berkas Ringroad[1..10].out Batas Memori 32 MB Tipe [output only] Sumber Brian Marshal Deskripsi Soal Dalam rangka mensukseskan program Visit Indonesia,
Lebih terperinciWHAT IS RESEARCH DESIGN?
CHAPTER 5 RESEARCH DESIGN (Disarikan dari berbagai sumber) WHAT IS RESEARCH DESIGN? The design is: 1. Is an activity- and time-based plan. 2. Is always based on the research question. 3. Guides the selection
Lebih terperinciBAB II LANDASAN TEORI. SEMPEL TUNGGAL MAUPUN GANDA. NAMUN APABILA MASIH TERDAPAT KERAGUAN DAN HARUS
BAB II LANDASAN TEORI. SEMPEL TUNGGAL MAUPUN GANDA. NAMUN APABILA MASIH TERDAPAT KERAGUAN DAN HARUS BAB II LANDASAN TEORI 2.1 Sejarah ANSI/ASQC Rencana penerimaan sample secara manual dapat dilakukan
Lebih terperinciFOR IMMEDIATE RELEASE
FOR IMMEDIATE RELEASE International www.roymorgan.com Finding No. 2009 Available on Website: www.roymorgan.com On March 19, 2013 KADIN-Roy Morgan Keyakinan Konsumen menurun di bulan Februari 155.5 poin
Lebih terperinciESTIMASI PARAMETER µ DAN σ 2 PADA DISTRIBUSI EKSPONENSIAL TERGENERALISIR DUA VARIABEL MENGGUNAKAN FUNGSI PEMBANGKIT MOMEN SKRIPSI
ESTIMASI PARAMETER µ DAN σ 2 PADA DISTRIBUSI EKSPONENSIAL TERGENERALISIR DUA VARIABEL MENGGUNAKAN FUNGSI PEMBANGKIT MOMEN SKRIPSI GHAZALI WARDHONO 090823040 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN
Lebih terperinciABSTRAK. Kata kunci: pengendalian kualitas, diagram pareto, peta kendali p, diagram sebab-akibat. Universitas Kristen Maranatha
ABSTRAK Perusahaan Barly Joy Collection merupakan sebuah home industry yang bergerak di bidang manufaktur pakaian. Adapun produk yang dihasilkan adalah baju dengan bahan kaos. Banyak perusahaan pesaing
Lebih terperinciStatistika Farmasi
Bab 4: Uji Hipotesis Statistika FMIPA Universitas Islam Indonesia Uji Hipotesis Hipotesis Suatu pernyataan tentang besarnya nilai parameter populasi yang akan diuji. Pernyataan tersebut masih lemah kebenarannya
Lebih terperinciABSTRACT. Keywords: Quality Control, Types of Pants Defects, c Chart, Check Sheet, Pareto Diagram, Fish Bone Diagram. vi Universitas Kristen Maranatha
ABSTRACT Increased business competition and the number of competitors require each company to maintain the quality of its products. Quality control activities required to maintain the quality of the product.
Lebih terperinciPraktikum Total Quality Management
Moul ke: 09 Dr. Fakultas Praktikum Total Quality Management Aries Susanty, ST. MT Program Stui Acceptance Sampling Abstract Memberikan pemahaman tentang rencana penerimaan sampel, baik satu tingkat atau
Lebih terperinciABSTRAK. Kata Kunci: Proyeksi Permintaan, Optimasi, Integer Linear Programming.
ABSTRAK Saat ini terdapat banyak UMKM yang berkembang di Yogyakarta. Salah satunya adalah usaha Phia Deva yang memproduksi penganan phia dengan berbagai macam varian rasa. Phia Deva adalah industri kecil
Lebih terperinciOrthogonal Array dan Matriks Eksperimen. Pertemuan Oktober 2015
Orthogonal Array dan Matriks Eksperimen Pertemuan - 4 28 Oktober 2015 Today s Outline Review Matriks Eksperimen Interaksi antar Faktor Memilih karakteristik kualitas Review Mereduksi loss melalui reduksi
Lebih terperinci32-bit and 64-bit Windows: Frequently asked questions
32-bit and 64-bit Windows: Frequently asked questions // // Here are answers to some common questions about the 32-bit and 64-bit versions of Windows. Frequently asked questions Collapse all What is the
Lebih terperinciDATA COLLECTION PLAN SAMPLING
DATA COLLECTION PLAN Tipe data ada 2 macam: 1. Data kualitatif (categorical), misalnya: status perkawinan, partai politik, warna mata (defined categories). 2. Data kuantitatif (numerical), terdiri atas
Lebih terperinciDAFTAR ISI.. LEMBAR PENGESAHAN SURAT PERNYATAAN ABSTRAK.. ABSTRACT... DAFTAR TABEL.. DAFTAR PERSAMAAN..
ABSTRAK Perkembangan teknologi yang semakin pesat, membuat semakin sedikitnya suatu industri yang memakai operator dalam menjalankan suatu proses produksi. Pada saat ini, kontrol otomatis lebih banyak
Lebih terperinciBAB I PENDAHULUAN. Dalam suatu penelitian, seringkali tidak mungkin untuk melakukan
BAB I PENDAHULUAN 1.1 LATAR BELAKANG MASALAH Dalam suatu penelitian, seringkali tidak mungkin untuk melakukan pengamatan pada semua elemen populasi. Karena itu, perlu dilakukan pengambilan sampel yang
Lebih terperinciTeknik Pengolahan Data
Universitas Gadjah Mada Jurusan Teknik Sipil dan Lingkungan Prodi Magister Teknik Pengelolaan Bencana Alam Teknik Pengolahan Data Uji Hipotesis (Hypothesis Tes/ng) 1 Uji Hipotesis Model Matema/ka vs Pengukuran
Lebih terperinciLAMPIRAN A PERCOBAAN VALIDASI METODE ANALISA PROPRANOLOL HCL. Berikut ini adalah data dari kurva baku selama tiga hari berturut turut A 2 C 3.
LAMPIRAN A PERCOBAAN VALIDASI METODE ANALISA PROPRANOLOL HCL 1. Penentuan Kurva Baku Berikut ini adalah data dari kurva baku selama tiga hari berturut turut C 1 (µg/ ml) A 1 C 2 (µg/ ml) A 2 C 3 (µg/ ml)
Lebih terperinciPARAMETER GENETIK: Pengantar heritabilitas dan ripitabilitas
PARAMETER GENETIK: Pengantar heritabilitas dan ripitabilitas Pendahuluan: Timbulnya keragaman berbagai sifat kuantitatif Derajat keragaman yang dihitung ( Rataan, varians dan SD) BERAPA BAGIAN DARI PERBEDAAN
Lebih terperinciDependent VS independent variable
Kuswanto-2012 !" #!! $!! %! & '% Dependent VS independent variable Indep. Var. (X) Dep. Var (Y) Regression Equation Fertilizer doses Yield y = b0 + b1x Evaporation Rain fall y = b0+b1x+b2x 2 Sum of Leave
Lebih terperinciDr. Kusman Sadik, M.Si Departemen Statistika IPB, 2016
1 Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2016 This part presents some basic statistical methods essential to modeling, analyzing, and forecasting time series data. Both graphical displays and
Lebih terperinciPenggunaan Distribusi Normal
Penggunaan Distribusi Normal Penerapan data antropometri dapat dilakukan jika ada nilai mean (rata-rata) dan SD (standard deviasi) dari suatu distribusi normal Persentil: suatu nilai yg menyatakan bahwa
Lebih terperinciPenyaji: IGST BGS RAI UTAMA, SE., MMA., MA. Sunday, March 4, 2018 Pertemuan 1 1
Penyaji: IGST BGS RAI UTAMA, SE., MMA., MA. Sunday, March 4, 2018 Pertemuan 1 1 Pendekatan Statistik Statistik Deskriptif Mengumpulkan, mengolah, menyajikan Data untuk dapat menggambarkan tentang sebuah
Lebih terperinciModel Regresi untuk Data Deret Waktu. Kuliah 8 Metode Peramalan Deret Waktu
Model Regresi untuk Data Deret Waktu Kuliah 8 Metode Peramalan Deret Waktu r.rahma.anisa@gmail.com Review Salah satu asumsi regresi linear klasik: cov e i, e j = 0 dengan e i menunjukkan galat pengamatan
Lebih terperinciSISTEM PENGENALAN PENGUCAPAN HURUF VOKAL DENGAN METODA PENGUKURAN SUDUT BIBIR PADA CITRA 2 DIMENSI ABSTRAK
SISTEM PENGENALAN PENGUCAPAN HURUF VOKAL DENGAN METODA PENGUKURAN SUDUT BIBIR PADA CITRA 2 DIMENSI Adhi Fajar Sakti Wahyudi (0722062) Jurusan Teknik Elektro Email: afsakti@gmail.com ABSTRAK Teknologi pengenalan
Lebih terperinciABSTRAK. iii. Universitas Kristen Maranatha
ABSTRAK Penelitian ini dilaksanakan untuk mengetahui derajat Self-Efficacy Beliefs dalam mempromosikan produk Wine dan Spirits yang dimiliki sales Shop X Bandung. Penelitian ini menggunakan metode deskriptif
Lebih terperinciAplikasi Sistem Persamaan Linier dalam Persoalan Dunia Nyata (real world problem)
Aplikasi Sistem Persamaan Linier dalam Persoalan Dunia Nyata (real world problem) IF2123 Aljabar Geometri Oleh: Rinaldi Munir Program Studi Informatika, STEI-ITB Rinaldi Munir - IF2123 Aljabar Geometri
Lebih terperinciAnalisis Chi-Square (x 2 )
Analisis Chi-Square (x 2 ) Chi square ("χ 2 " dari huruf Yunani "Chi "Kai") to determine if data good or not. Expl... to determine possible outcomes for genetic crosses. How will we know if our fruit fly
Lebih terperinciPraktikum String, StringBuffer dan StringBuilder
Praktikum String, StringBuffer dan StringBuilder Soal String Dasar 1. Terdapat sebuah kalimat dan sebuah karakter yang akan dicari pada kalimat tersebut. Tampilkan output karakter tersebut pada indeks
Lebih terperinciLobes Herdiman, Retno Wulan Damayanti 1, Sukarno Jurusan Teknik Industri, Universitas Sebelas Maret, Surakarta
Performa (2007) Vol. 6, No.2: 60-70 Perencanaan Pengambilan Sampel Lampu TL Dop 10 W pada Post Quality Inspection dengan Metode Military Standard 105D di PT. General Electric Lighting Indonesia Lobes Herdiman,
Lebih terperinciDISTRIBUSI SAMPLING besar
DISTRIBUSI SAMPLING besar Distribusi Sampling Sampling = pendataan sebagian anggota populasi = penarikan contoh / pengambilan sampel Sampel yang baik Sampel yang representatif, yaitu diperoleh dengan memperhatikan
Lebih terperinciThe Central Limit Theorem
Kesumawati Prodi Statistika FMIPA-UII March 30, 2015 Sifat-Sifat Distribusi Sampel Sifat-sifat dari distribusi sampel tersebut dikenal dengan Central Limit Theorem 1. Bentuk distribusi dari rata-rata sampel
Lebih terperinciPENERAPAN ACCEPTANCE SAMPLING GUNA MENENTUKAN RISIKO PRODUK CACATPADA PT. CAHAYA LESTARI PERMAI ABADI
PENERAPAN ACCEPTANCE SAMPLING GUNA MENENTUKAN RISIKO PRODUK CACATPADA PT. CAHAYA LESTARI PERMAI ABADI Alfredo TjiptoSetiawan 1501157713 Kevin- 1501157726 Abstrak Tujuan Penelitian ini untuk memudahkan
Lebih terperinciABSTRAK. Kata kunci: roster, serbuk kayu, kuat tekan, metode Taguchi.
ABSTRAK Pembangunan sektor perumahan/hunian memacu berkembangnya usaha bahan bangunan terutama industri pasir-semen di daerah Godean. Salah satu produk yang dihasilkan oleh industri pasir-semen adalah
Lebih terperinciStatistik Bisnis 2. Week 6 Two-Sample Test Population Proportions and Variances
Statistik Bisnis Week 6 Two-Samle Test Poulation Proortions and Variances Learning Objectives The means of two indeendent oulations The means of two related oulations In this chater, you learn how to use
Lebih terperinciOPTIMALISASI PRODUK DENGAN MENGGUNAKAN METODE PERANCANGAN TOLERANSI TAGUCHI PT Jasa Marga ro) C. abang Semarang
OPTIMALISASI PRODUK DENGAN MENGGUNAKAN METODE PERANCANGAN TOLERANSI TAGUCHI PT Jasa Marga ro) C abang Semarang SKRIPSI Oleh : PATRICIA WAHYU HAUMAHU NIM : J2E 006 026 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA
Lebih terperinciINTISARI. Rancangan D-optimal Untuk Model Eksponensial Tergeneralisasi, Eksponensial Terboboti dan Morgan Mercer Flodin (MMF) Oleh
INTISARI Rancangan D-optimal Untuk Model Eksponensial Tergeneralisasi, Eksponensial Terboboti dan Morgan Mercer Flodin (MMF) Oleh TATIK WIDIHARIH 11/324544/SPA/00397 Model Eksponensial dengan kurva berbentuk
Lebih terperinciMANAJEMEN PROYEK LANJUT
MANAJEMEN PROYEK LANJUT Advance Project Management Dr. Ir. Budi Susetyo, MT Fakultas TEKNIK Program Magister SIPIL - MK www.mercubuana.ac.id 1 Bagian Isi 1. PM and Project financial management 2. Money
Lebih terperinciPraktikum Metode Komputasi (Vector Spaces)
Praktikum Metode Komputasi (Vector Spaces) Vina Apriliani January 17, 016 Soal Latihan MATLAB Bab 3 Buku Leon Aljabar Linear Berikut 1 Soal Latihan MATLAB Bab 3 Buku Leon Aljabar Linear yang saya ambil
Lebih terperinciComparative Statics Slutsky Equation
Comparative Statics Slutsky Equation 1 Perbandingan Statis Perbandingan 2 kondisi ekuilibrium yang terbentuk dari perbedaan nilai parameter dan variabel eksogen Contoh: Perbandingan 2 keputusan konsumen
Lebih terperinciANALISIS TINGKAT KEBUTURAN ANGKUTAN TAKSI KOTA BANDUNG DENG.4N TEKNIK STATED PREFERENCE
ANALISIS TINGKAT KEBUTURAN ANGKUTAN TAKSI KOTA BANDUNG DENG.4N TEKNIK STATED PREFERENCE T 388.413 214 KUR ABSTRAK Penyediaan angkutan umum yang baik tidak terlepas dari kondisi sosial-ekonomi masyarakatnya.
Lebih terperinciPENERAPAN MODEL COOPERATIVE SCRIPT DALAM PEMBELAJARAN TIK PADA SISWA KELAS VIII SMPN 27 PADANG
PENERAPAN MODEL COOPERATIVE SCRIPT DALAM PEMBELAJARAN TIK PADA SISWA KELAS VIII SMPN 27 PADANG Muslim Jamil, Drs. Khairudin, M.Si, Karmila Suryani, M.Kom Program Studi Pendidikan Teknik Informatika dan
Lebih terperinciANALISIS CAPAIAN OPTIMASI NILAI SUKU BUNGA BANK SENTRAL INDONESIA: SUATU PENGENALAN METODE BARU DALAM MENGANALISIS 47 VARIABEL EKONOMI UNTU
ANALISIS CAPAIAN OPTIMASI NILAI SUKU BUNGA BANK SENTRAL INDONESIA: SUATU PENGENALAN METODE BARU DALAM MENGANALISIS 47 VARIABEL EKONOMI UNTU READ ONLINE AND DOWNLOAD EBOOK : ANALISIS CAPAIAN OPTIMASI NILAI
Lebih terperinciEKTIVITAS PENGENDALIAN INTERNAL TERHADAP OPTIMALISASI PENERIMAAN PAJAK DAERAH
TUGAS AKHIR EFEKTIVITAS PENGENDALIAN INTERNAL TERHADAP OPTIMALISASI PENERIMAAN PAJAK DAERAH (Studi Kasus Pada Penerapan Peraturan Daerah Nomor 2 Tahun 2011 di Dinas Pendapatan Kota Cimahi) EFFECTIVENESS
Lebih terperinciJARINGAN KOMPUTER. 2. What is the IP address and port number used by gaia.cs.umass.edu to receive the file. gaia.cs.umass.edu :
JARINGAN KOMPUTER Buka wireshark tcp-ethereal-trace-1 TCP Basics Answer the following questions for the TCP segments: 1. What is the IP address and TCP port number used by your client computer source)
Lebih terperinciReview Teknik Sampling
Review Teknik Sampling Mendapatkan data Primer Studi Kualitatif Observasi Percobaan Survey Survey lengkap (sensus) mengumpulkan data dari keseluruhan populasi Populasi : kumpulan objek yang menjadi perhatian
Lebih terperinciPENERAPAN PENGENDALIAN KUALITAS JENIS VARIABEL PADA PRODUKSI MAKANAN (Studi Kasus pada Pabrik Wingko Babat Cap Moel Semarang)
PENERAPAN PENGENDALIAN KUALITAS JENIS VARIABEL PADA PRODUKSI MAKANAN (Studi Kasus pada Pabrik Wingko Babat Cap Moel Semarang) SKRIPSI Disusun Oleh : PRAMESTIARA DEWIGA 24010211130023 JURUSAN STATISTIKA
Lebih terperinciStatistik Bisnis. Week 13 Chi-Square Test
Statistik Bisnis Week 13 Chi-Square Test Learning Objectives In this chapter, you learn: How and when to use the chi-square test for contingency tables TEST FOR THE DIFFERENCE BETWEEN TWO PROPORTIONS Contingency
Lebih terperinciSTATISTIKA TEKNIK LNK2016 CORRELATION & REGRESSION
STATISTIKA TEKNIK LNK2016 CORRELATION & REGRESSION ! Correlation is a statistical method used to determine whether a relationship between variables exists.! Regression is a statistical method used to describe
Lebih terperinciSubnetting & CIDR. Fakultas Rekayasa Industri Institut Teknologi Telkom
Subnetting & CIDR Fakultas Rekayasa Industri Institut Teknologi Telkom Soal 1 Diketahui IP Address 172.128.127.24 dengan netmask 255.255.255.240. tentukanlah network address dengan broadcast address yang
Lebih terperinciPENGARUH SEMANGAT KERJA PEMILIK DAN PEKERJA TERHADAP KEWIRAUSAHAAN MORO ARTOS DI SALATIGA SKRIPSI
PENGARUH SEMANGAT KERJA PEMILIK DAN PEKERJA TERHADAP KEWIRAUSAHAAN MORO ARTOS DI SALATIGA SKRIPSI Disusun dan Diajukan untuk melengkapi syarat - syarat Guna memperoleh Gelar Sarjana Pendidikan Pada Program
Lebih terperinci