TOPIK 9 PETA KENDALI KHUSUS. LD, Semester II 2003/04 1. PETA KENDALI UNTUK PENGUKURAN INDIVIDUAL

Ukuran: px
Mulai penontonan dengan halaman:

Download "TOPIK 9 PETA KENDALI KHUSUS. LD, Semester II 2003/04 1. PETA KENDALI UNTUK PENGUKURAN INDIVIDUAL"

Transkripsi

1 TI 3 PENGENDALIAN KUALITAS STATISTIK TOPIK 9 PETA KENDALI KHUSUS LD, Seeer II 003/04 Hl. TI 3 PENGENDALIAN KUALITAS STATISTIK. PETA KENDALI UNTUK PENGUKURAN INDIVIDUAL =. Siuai: Diguakaya ipeki & pegukura ooai, eiap ui produk diaalii; Tigka produki aga redah, da idak eugkika dilakuka aplig dega >; Pegukura berulag pada proe aka berbeda karea fakor kealaha lab aau aalii, eperi pada proe kiia. Cooh: Pegedalia vikoia ca, dega daa aplig bb. Bach Σ Vikoia 33,75 33,05 34,00 33,8 33,46 34,0 33,68 33,7 33,49 33,0 33,6 33,00 33,54 33, 33,84 50,85 MR - 0,70 0,95 0,9 0,35 0,56 0,34 0,4 0, 0,9 0,4 0,6 0,54 0,4 0,7 6,73 5 i = i = = 4 MR i = i MR = = 4 PETA KENDALI 50,85 5 GT = MR = 0,48 BKAMR = D4MR = ( 3,67 )(0,48 ) =,57 BKBMR = D3MR = (0 )(0,48 ) = 0 PETA KENDALI : GT = = 33,5 = 33,5 6, 73 = 0,48 4 MR : MR 0,48 BKA /BKB = ± 3 = 33,5 ± 3 d,8 BKA = 34,80 da BKB = 3,4 Uuk = : D3 = 0 D4 = 3,67 d =,8 LD, Seeer II 003/04 Hl.

2 TI 3 PENGENDALIAN KUALITAS STATISTIK a. Pea Kedali Movig Rage b. Pea Kedali uuk Pegukura Idividual LD, Seeer II 003/04 Hl. 3 TI 3 PENGENDALIAN KUALITAS STATISTIK Pea Kedali uuk Pegukura Idividual Ierpreai haru hai-hai, karea erjadi korelai aar daa ovig average. a. Pea Kedali Movig Rage b. Pea Kedali uuk Pegukura Idividual LD, Seeer II 003/04 Hl. 4

3 TI 3 PENGENDALIAN KUALITAS STATISTIK. SHORT RUN PRODUCTION LD, Seeer II 003/04 Hl. 5 TI 3 PENGENDALIAN KUALITAS STATISTIK Pea Kedali p uuk hor-ru ru producio LD, Seeer II 003/04 Hl. 6

4 3. CUMULATIVE SUM (CUSUM) CONTROL CHART TI 3 PENGENDALIAN KUALITAS STATISTIK Kelebiha : Megguaka iforai yag erkadug dala obervai ebeluya. Dapa edeeki pergeera kecil. Julah kuulaif pada apel ke- : ( ) S = i µ o i= diaa i = raa apel ke - i & µ o = arge raa - proe Baa Kedali (V-Mak) : Jika = bear pergeera yag igi dideeki, pergeera relaif raa - proe : β Jarak peadu V - ak : d = l δ α Jika probabilia Error Tipe II, β, dipilih aga kecil, aka : d = l( α ) δ Sudu lega V -ak : a- θ =, diaa k k = fakor kala yag erepreeaika ui kala verikal pada pea Rekoedai : k aara σ da σ Average Ru Legh : ARL = p p = probabilia bahwa au iik aka jauh di luar baa kedali Uuk 3σ pada pea kedali Shewhar, di aa proe dala kedali, p = 0,06. δ = σ LD, Seeer II 003/04 Hl CUMULATIVE SUM (CUSUM) CONTROL CHART TI 3 PENGENDALIAN KUALITAS STATISTIK Cooh: Uuk pegedalia pereae kaduga kaliu dala oba dilakuka pegeceka erhadap 5 ubgrup dega =5. Targe raa-raa yag diigika adalah 6,5% dega deviai adar 0,%. Diigika pea kedali yag dapa eoior pergeera 0, dari raa- proe. Diauika igka error ipe I = 0,05. 0, DATA HASIL SAMPLING δ = = = =,4 σ σ / 0, / 5 Subgrup LD, Seeer II 003/04 Raa- Subgrup 5,5 6,0 6,6 6,8 7,5 5,9 7,0 5,4 6,4 6,3 6,9 7,8 6, 6,8 6,6 Deviai dari Targe -,0-0,5 0, 0,3,0-0,6 0,5 -, -0, -0, 0,4,3-0,3 0,3 0, Cuu (S i ) -,0 -,5 -,4 -, -0, -0,7-0, -,3 -,4 -,6 -, 0, -0, 0, 0, d = l( α ) = l δ (,4) Uuk k = 0,5, aka 0, θ = a- = a- k ( 0,05) ( 0,5) = 5, 74 = a 0,4 =,8 ( ) o Hl. 8

5 TI 3 PENGENDALIAN KUALITAS STATISTIK 4. MOVING AVERAGE CONTROL CHART Efekif uuk edeeki pergeera proe Uuk = Forulai Uu : Uuk ar-up period (<w) x + x x = M = w = lebar MA σ Var( x ) = Var( M ) = w CL = x = M UCL / LCL = x ± 3 + x x w w+ σ σ Var( xi ) = = w w+ 443 w σ w w+ σ w w x = x = M =, =,,..., w CL = x = M σ UCL / LCL = x ± 3, berubah _ euai _ LD, Seeer II 003/04 Hl. 9 TI 3 PENGENDALIAN KUALITAS STATISTIK CONTOH SOAL (=5, w = 6) Sa. No Saple Average x Movig Average, M Corol Lii LCL UCL x = 503 CL = = = 5,5 0 0 R( dikeahui) = 0,40 R 0,40 ˆ σ = = = 0,7 d,36 = 3( < w) : σ UCL / LCL = x ± 3 = 5,5 ± 3 UCL = 5,83 LCL = 5,07 0,7 (5)(3) LD, Seeer II 003/04 Hl. 0

6 TI 3 PENGENDALIAN KUALITAS STATISTIK 5. GEOMETRIC MOVING AVERAGE CONTROL CHART G = r x + ( r) G G = r x + ( r) G G = r x + r( r) x + ( r) G G = r x + r( r) x + r( r G0 = x = M σ r Var( G ) = r ) x { ( r) } G 0 Caaa: Uuk ar-up period, aalog dega Movig Average Corol Char Uuk yag bear, (-r) 0 σ r σ G = Var( G ) = r r UCL / LCL = x ± 3σ ( r) σ ˆ σ = R d Uuk kecil: r UCL / LCL = x ± 3σ ( r) [ ( r) ] LD, Seeer II 003/04 Hl. TI 3 PENGENDALIAN KUALITAS STATISTIK CONTOH SOAL ( = 5, w = 6, r = 0,) 503 x = = 5,5 0 R( dikeahui) = 0,40 R 0,40 ˆ σ = = = 0,7 d 0,36 G : G = ( r)( x) + ( r) G G0 = x = 5,5 G = (0,)(5,0) + ( 0,)(5,5) = 5, 0 UCL / LCL = 5,5 ± 3(0,7) UCL LCL = = 5,96 5,04 0, ( 0,)5 ()() [ ( 0,) ] LD, Seeer II 003/04 Hl.

7 TI 3 PENGENDALIAN KUALITAS STATISTIK 6. TREND CHART (REGRESSION CONTROL CHART) Uuk proe yag egguaka ool wear aau die wear; Raa-raa proe awal & akhir dieuka dega baa peifikai; Aui: rage baa peifikai > rage variabilia proe (Idek Kapabilia Proe >) C = a + b(i) LD, Seeer II 003/04 Hl. 3 TI 3 PENGENDALIAN KUALITAS STATISTIK Forula: C = fied value of he aple average for aple uber i; a = iik iereki pada C dega gari ubu verikal; b = lope dari C; i = oor ubgrup aau apel; g = julah ubgrup. a = b = x i g g x g i i ( i ( ( x i) x i)( i) i) i) UCL / LCL = ( a ± A R) + b( i) LD, Seeer II 003/04 Hl. 4

8 TI 3 PENGENDALIAN KUALITAS STATISTIK Saple CONTOH SOAL: No. Over he coure of achiig he di aeer of eel hub, ool wear ake place o a gradual bai. Saple of ize 4 were radoly eleced, ad he ea ad rage of he hub diaeer were foud. The followig able how he aple ea ad he rage R for 5 uch aple. Fid he ceer lie ad corol lii of a red char for he aple average. If he pecificaio lii ae ha he hub diaeer u be fro 34 o 78, whe hould he ool be chaged? Raa- (i) x ( x)( i ) , ,47.6 (i) ,55 R LD, Seeer II 003/04 i x ( x)( i ) i R Hl. 5 TI 3 PENGENDALIAN KUALITAS STATISTIK (.386,4)(5.55) (9.47,6)(35) a = = 40,97 5(5.55) (35) 5(.947,6) (.386,4)(35) b = =,4 5(5.55) (35) C = 40,97 +,4( i) R = 96 / 5 =,84 = 4, A = 0,79 PETA KENDALI UCL LCL= ( a+ A R) + b( i) / UCL/ LCL= [ 40,97± (0,79)(,84) ] UCL= 49,6035+ (,4)( i) UCL= 3,34 (,4)( i) BATAS-BATAS KENDALI + (,4)( i) LD, Seeer II 003/04 Hl. 6

9 TI 3 PENGENDALIAN KUALITAS STATISTIK 7. MULTIVARIATE CONTROL CHART Korelai : Idepede Korelai : A. Area kedali egiepa (joi corol), Pea kedali dibagu ecara idepede B. Area kedali elip, Pea kedali dibagu ecara iula; uuk variabel yag berkorelai Prob. (error ipe I) : Prob. raa- apel dala area elip α = (-α) p (dala kedali) = - α LD, Seeer II 003/04 Hl. 7 TI 3 PENGENDALIAN KUALITAS STATISTIK Hoellig T Corol Char T [ ( x x) + ( x x) ( x x)( x ) ] = x ( ) dof = (julah karakeriik kualia), da - (dof variai apel). Jika T > T α,, (-), aka palig idak ada au karakeriik kualia yag berada di luar baa kedali. Hubuga diribui T da F: ( ) ( p) α, p,( ) = p Fα, p, p = dof ueraor, -p = dof deoiaor diribui F. Uuk lebih dari karakeriik: T T = ( )' S ( ) p p p + p UCL = F p + α, p,( p+ ) = julah ubgrup (apel) = ukura ubgrup p = julah karakeriik yag dikedalika LD, Seeer II 003/04 Hl. 8

10 TI 3 PENGENDALIAN KUALITAS STATISTIK Vekor raa-raa apel dari i karakeriik : j = M j j pj, j =,,...,( o.apel ) Nilai raa-raa obervai uuk karakeriik ke-i dari apel ke-j: x k = ijk ij = i =,,..., p, j =,,..., k = o. obervai, k =,,, Variai apel dari karakeriik ke-i dari apel ke-j: i =,,..., p = ( ) ij ijk ij, ( ) j =,,..., k = Kovariai aara karakeriik ke-i & ke-h dari apel ke-j: ihj = ( ijk ij )( hjk hj ( ) k = j =,,..., ), i h LD, Seeer II 003/04 Hl. 9 TI 3 PENGENDALIAN KUALITAS STATISTIK Vekor raa-raa oial dari eiap karakeriik uuk apel: i = j= ij, i =,,..., p Elee arik variai-kovariai S: i ih = = j= j= ij ihj, i =,,..., p, i h Cooh Pea Kedali Hoellig T Marik variaikovariai S: LD, Seeer II 003/04 S = K K K p p M 3 p p Hl. 0

11 TI 3 PENGENDALIAN KUALITAS STATISTIK Daa for he bivariae proce characeriic of igle-rad break facor ad weigh of exile fiber LD, Seeer II 003/04 Hl. TI Perhiuga 3 PENGENDALIAN baa-baa KUALITAS kedali STATISTIK bivaria LD, Seeer II 003/04 T = ( [ ( x x) + ( x x) ( x x)( x ) ] x ) Hl.

12 TI 3 PENGENDALIAN KUALITAS STATISTIK Pea Kedali Hoellig T LD, Seeer II 003/04 T = ( )' S ( ) p p p + p UCL = F p + α, p,( p+ ) Hl. 3

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak BB V NLIS HSIL 5.1 Ukura kurasi Hasil Peramala Uuk medapaka jeis peramala yag digika erdapa bayak parameer-parameer yag dapa diguaka. Seperi yag elah diuraika pada ladasa eori, parameer-parameer ersebu

Lebih terperinci

JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA

JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA Achmad Samudi, M.Pd. JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA 6. MENGUJI PROPORSI π : UJI DUA PIAK Mialka kia mempuyai populai biom dega propori periiwa A π Berdaarka ebuah ampel

Lebih terperinci

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan 30 B A B III METODE PENELITIAN 3. Peeapa Lokai da Waku Peeliia Objek peeliia dalam peeliia ii adalah megaalii perbadiga harga jual produk melalui pedekaa arge pricig dega co-plu pricig pada oko kue yag

Lebih terperinci

Peta Kendali (Control Chart untuk Unit-Unit Individu)

Peta 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 terperinci

V. PENGUJIAN HIPOTESIS

V. PENGUJIAN HIPOTESIS V. PENGUJIAN IPOTEI A. IPOTEI TATITIK Defiisi uau hipoesa saisik adalah suau peryaaa aau dugaa megeai sau aau lebih variabel populasi. ipoesis digologka mejadi. ipoesis ol adalah hipoesis yag dirumuska

Lebih terperinci

PENGUJIAN HIPOTESIS DUA RATA-RATA

PENGUJIAN HIPOTESIS DUA RATA-RATA PENGUJIN HIPOTEI DU RT-RT Pegujia hipoesis dua raa-raa diguaka uuk membadigka dua keadaa aau epaya dua populasi. Misalya kia mempuyai dua populasi ormal masig-masig dega raa-raa µ da µ sedagka simpaga

Lebih terperinci

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi.

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi. . Pedahulua PENGUJIAN HIPOTESIS Hipoesis Saisik : peryaaa aau dugaa megeai sau aau lebih populasi. Pegujia hipoesis berhubuga dega peerimaa aau peolaka suau hipoesis. Kebeara (bear aau salahya) suau hipoesis

Lebih terperinci

Penerapan Diagram Kontrol EWMA dan NEWMA pada Proses Pembuatan Benang 30 Rayon di PT. Lotus Indah Textile Industries Surabaya

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,

Lebih terperinci

PENDAHULUAN INTERVAL KEPERCAYAAN PENAKSIRAN TITIK PENAKSIRAN INTERVAL 5/14/2012 KANIA EVITA DEWI

PENDAHULUAN INTERVAL KEPERCAYAAN PENAKSIRAN TITIK PENAKSIRAN INTERVAL 5/14/2012 KANIA EVITA DEWI 5/4/0 INTERVAL KEPERCAYAAN Poulai θ= μ,, π PENDAHULUAN amlig amel θˆ=,, KANIA EVITA DEWI Peakira arameer ada cara:. Peakira iik. Peakira ierval aau ierval keercayaa PENAKSIRAN TITIK Peakira iik -> Jika

Lebih terperinci

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI. Modul ke: 06Fakultas EKONOMI DAN BISNIS

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI. Modul ke: 06Fakultas EKONOMI DAN BISNIS Modul ke: 06Fakulas EKONOMI DAN BISNIS EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI Program Sudi Akuasi Idik Sodiki,SE,MBA,MM Krieria Kepuusa Ivesasi aau Pegaggara Modal o Beberapa krieria yag aka diperguaka

Lebih terperinci

PENDAHULUAN. CuSum. Univariate EWMA MEWMA. Multivariate Hotelling. Kosumen. Kualitas Baik. Peta Kendali. Pengendalian Kualitas

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

Lebih terperinci

INFERENSI STATISTIS: UJI HIPOTESIS

INFERENSI STATISTIS: UJI HIPOTESIS Uiversitas Gadjah Mada Fakultas Tekik Departeme Tekik Sipil da Ligkuga INFERENSI STATISTIS: UJI HIPOTESIS Statistika da Probabilitas Model Matematis vs Pegukura komparasi garis teoretik (prediksi meurut

Lebih terperinci

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu BAB 2 TINJAUAN TEORI 2.1 Pegeria Peramala Ramala pada dasarya merupaka dugaa aau perkiraa megeai erjadiya suau kejadia aau perisiwa di waku yag aka daag. Peramala merupaka sebuah ala bau yag peig dalam

Lebih terperinci

BAGIAN 2 TOPIK 5. andhysetiawan

BAGIAN 2 TOPIK 5. andhysetiawan BAGIAN OIK 5 adhyseiawa Isi Maeri Modulasi Aliudo AM Modulasi Frekuesi FM adhyseiawa MODULASI AMLIUDO DAN MODULASI ANGULAR SUDU Modulasi roses erubaha karakerisik aau besara gelobag ebawa, euru ola gelobag

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN EORI. ijaua Puaka Daa ruu waku adalah daa yag dikumpulka meuru urua waku dalam uau reag waku ereu (Roadi, 006). Secara umum aalii ruu waku mempuyai ujua uuk pemodela da peramala. Pemodela

Lebih terperinci

Universitas Sumatera Utara

Universitas Sumatera Utara 50.7 4.3770 6.7547 6.7547 4.4 48.6965 R4.7 36.3 N8 TOL 0..70 35.9497 36.3.99 50.7 94.338 6.89 3.5 6.75 7.567 36.0 6.4837 57.396 8.783 66.0384 5.337 37.006 3.568 PISAU POTONG AISI D SEPUH No Qy NAME MATERIAL

Lebih terperinci

BAB II LANDASAN TEORI. Dalam penulisan tugas akhir ini diperlukan teori-teori yang mendukung yang

BAB II LANDASAN TEORI. Dalam penulisan tugas akhir ini diperlukan teori-teori yang mendukung yang BAB II LANDASAN TEORI Dalam peulisa ugas akhir ii diperluka eori-eori yag medukug yag didapa dari maa kuliah yag perah dierima, da referesi-referesi sebagai baha pedukug. Uuk mecapai ujua dari peulisa

Lebih terperinci

Matriks Transformasi

Matriks Transformasi Marik Tranformai A Marik Tranformai dan Koordina Homogen Kombinai benuk perkalian dan ranlai unuk ranformai geomeri 2D ke dalam uau marik dilakukan dengan mengubah marik 2 2 menjadi marik 3 3 Unuk iu maka

Lebih terperinci

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB Sudi kelayaka bisis pada dasarya berujua uuk meeuka kelayaka bisis berdasarka krieria ivesasi Krieria ersebu diaaraya adalah ; 1. Nilai bersih kii (Ne

Lebih terperinci

Bab 2. Teori Dasar. 2.1 Pendahuluan

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

Lebih terperinci

ANALISIS BEDA Fx F.. S u S g u i g y i an a t n o t da d n a Ag A u g s u Su S s u wor o o

ANALISIS BEDA Fx F.. S u S g u i g y i an a t n o t da d n a Ag A u g s u Su S s u wor o o ANALII BEDA Fx. ugiyao da Agus usworo Kosep Peeliia bermaksud meguji keadaa (sesuau) yag erdapa dalam suau kelompok dega kelompok lai Meguji apakah erdapa perbedaa yg Meguji apakah erdapa perbedaa yg sigifika

Lebih terperinci

Rumus-rumus yang Digunakan

Rumus-rumus yang Digunakan Saisika Uipa Surabaya 4. Sampel Tuggal = Rumus-rumus yag Diguaka s..... Sampel berkorelasi D D N N N...... 3. Sampel Bebas a. Uuk varias sama... 3 aau x x s g... 4 b. Sampel Heeroge Guaka Uji Corha - Cox

Lebih terperinci

PETA PENGENDALI UNTUK UNIT INDIVIDU PRESENTASI PENGENDALIAN KUALITAS

PETA PENGENDALI UNTUK UNIT INDIVIDU PRESENTASI PENGENDALIAN KUALITAS PETA PENGENDALI UNTUK UNIT INDIVIDU PRESENTASI PENGENDALIAN KUALITAS CONTROL CHART suatu metode penyajian grafik keadaan produksi secara kronologis dengan batas-batas yang menggambarkan kemampuan produksi

Lebih terperinci

ANALISIS BEDA. Konsep. Uji t (t-test) Teknik Uji Beda. Agus Susworo Dwi Marhaendro

ANALISIS BEDA. Konsep. Uji t (t-test) Teknik Uji Beda. Agus Susworo Dwi Marhaendro ANALII BEA Agus usworo wi Marhaedro Kosep Peeliia bermaksud meguji keadaa (sesuau) yag erdapa dalam suau kelompok dega kelompok lai Meguji apakah erdapa perbedaa yg sigifika di aara kelompok-kelompok Tekik

Lebih terperinci

PENGARUH MODEL PEMBELAJARAN INTERAKSI SOSIAL UNTUK MENINGKATKAN HASIL BELAJAR SISWA KELAS VIII SMPN 2 GERUNG TAHUN PELAJARAN 2014/2015

PENGARUH MODEL PEMBELAJARAN INTERAKSI SOSIAL UNTUK MENINGKATKAN HASIL BELAJAR SISWA KELAS VIII SMPN 2 GERUNG TAHUN PELAJARAN 2014/2015 KONSTAN: Jural Fiika da Pedidika Fiika Vol.. o. (05) hal. 36-45 PENGARUH MODEL PEMBELAJARAN INTERAKSI SOSIAL UNTUK MENINGKATKAN HASIL BELAJAR SISWA KELAS VIII SMPN GERUNG TAHUN PELAJARAN 04/05 Lida Sekar

Lebih terperinci

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala (orecasig) Peramala (orecasig) adalah suau kegiaa yag memperkiraka apa yag aka erjadi pada masa medaag. Peramala pejuala adalah peramala yag megkaika berbagai

Lebih terperinci

BAGAN KENDALI CUMULATIVE SUM (CU-SUM)

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

Lebih terperinci

BAB V ANALISA HASIL. Pada bab sebelumnya telah dilakukan pengolahan data-data yang

BAB V ANALISA HASIL. Pada bab sebelumnya telah dilakukan pengolahan data-data yang BAB V ANALISA HASIL Pada bab sebelumnya telah dilakukan pengolahan data-data yang dikumpulkan untuk pembuatan perencanaan kebutuhan material (MRP). Kemudian dalam bab ini berisikan analisa berdasarkan

Lebih terperinci

Pengendalian Kualitas Statistik Produk Botol Sting 240 ml di PT IGLAS (Persero) Oleh: Wahyu Eka Kusumaningrum

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

Lebih terperinci

BAB III ANALISIS LOOKBACK OPTIONS

BAB III ANALISIS LOOKBACK OPTIONS BAB III : ANALII LOOKBACK OPION BAB III ANALII LOOKBACK OPION Pada Bab III ii aka dibahas egeai lookback opios da aalisisa Asusi ag kia pakai adalah saha ag diguaka (uderlig asse) idak eberika divide ipe

Lebih terperinci

Oleh : Azzahrowani Furqon Dosen Pembimbing Dr. Purhadi, M.Sc.

Oleh : Azzahrowani Furqon Dosen Pembimbing Dr. Purhadi, M.Sc. Aalss Regres Webull uuk Megeahu Fakor-Fakor yag Mempegaruh Laju Perbaka Kods Kls Pedera Sroke Sud kasus RSU Haj Surabaya Oleh : Azzahrowa Furqo 3090004 Dose Pembmbg Dr. Purhad, M.Sc. AGENDA OUTLINE PENDAHULUAN

Lebih terperinci

A.Interval Konfidensi pada Selisih Rata-rata

A.Interval Konfidensi pada Selisih Rata-rata A.Iterval Kofidei pada Seliih Rata-rata. Bila kita mempuyai da maig-maig adalah mea ample acak beba berukura da yag diambil dari populai dega ragam da diketahui, maka elag kepercayaa 00-% bagi - adalah

Lebih terperinci

= 0 diturunkan terhadap x. Karena y fungsi dari x, maka setiap kali menurunkan y harus dikalikan dengan didapat diselesaikan ke y '.

= 0 diturunkan terhadap x. Karena y fungsi dari x, maka setiap kali menurunkan y harus dikalikan dengan didapat diselesaikan ke y '. 6..MENURUNKAN FUNGSI IMPLISIT Padag y fugsi dari yag disajika dalam beuk implisi f (, y) 0. Turuaya y' didapa sebagai beriku: a. Jika mugki y diyaaka sebagai beuk eksplisi dari, lalu diuruka erhadap b.

Lebih terperinci

STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA

STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA Widya Tekika Vol.18 No.2; Okober 2010 ISSN 1411 0660: 1-6 Absrak STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA Arie Resu Wardhai 1), Salvador Mauel Pereira 2) Perusahaa sepau da sadal House of Mr.

Lebih terperinci

PERAN STATISTIKA DALAM MENDUKUNG PENGEMBANGAN INDUSTRI Pengendalian Mutu dengan Bantuan Statistika

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

Lebih terperinci

Holt-Winter Exponential Smoothing. Minggu 5-6

Holt-Winter Exponential Smoothing. Minggu 5-6 Hol-Winer Exponenial Smoohing Minggu 5-6 Hol Exponenial moohing Meode Hol wo parameer exponenial moohing adalah pengembangan dari exponenial moohing ederhana. Menambahkan fakor perumbuhan (fakor ren) pada

Lebih terperinci

Bab III. Menggunakan Jaringan

Bab III. Menggunakan Jaringan Bab III Pembuaan Jadwal Pelajaran Sekolah dengan Menggunakan Jaringan Pada bab ini akan dipaparkan cara memodelkan uau jaringan, ehingga dapa merepreenaikan uau jadwal pelajaran di ekolah. Tahap perama

Lebih terperinci

Mata Kuliah: Statistik Inferensial

Mata Kuliah: Statistik Inferensial STATISTIK INFERENSIAL Prof. Dr. H. Almadi Syahza, SE., MP Email: ayahza@yahoo.co.id PROGRAM STUDI PENDIDIKAN EKONOMI FKIP UNIVERSITAS RIAU DISTRIBUSI SAMPLING 2 Bagia I Statitik Iduktif Metode da Ditribui

Lebih terperinci

Rahma Rei Sakura, S.T., M.T. NIP MANAJEMEN OPERASIONAL PRODUKSI

Rahma Rei Sakura, S.T., M.T. NIP MANAJEMEN OPERASIONAL PRODUKSI Rahma Rei Sakura, S.T., M.T. NIP. 153112 1 MANAJEMEN OPERASIONAL PRODUKSI - 16027304 Pola Daa Musiman (Tanpa Trend) MANAJEMEN OPERASIONAL PRODUKSI - 16027304 2 1 Teknik Moving Average dan Exponenial Smoohing,

Lebih terperinci

BAB V METODE PENELITIAN

BAB V METODE PENELITIAN 31 BAB V METODE PENELITIAN 5.1 Lokasi da Waku Peeliia Peeliia ii dilaksaaka di Kecamaa Sukaagara, Kabupae Ciajur. Pemiliha lokasi peeliia dilakuka secara segaja (purposive samplig) dega memperimbagka aspek

Lebih terperinci

LAMPIRAN I GREEK ALPHABET

LAMPIRAN I GREEK ALPHABET LAMPIRAN I GREEK ALPHABE Α, Alpha Μ, µ Mu Ψ, Psi Β, β Ba Ν, ν Nu Ω, ω Oga. Γ, γ Gaa, δ Dla Ε, ε Epsilo Ζ, ζ Za Η, η Ea Θ, θ ha Ι, ι Ioa Κ, κ Kappa Λ, λ Labda Ξ, ξ i Ο,ο Oico Π, π Pi Ρ, ρ Rho Σ, σ Siga

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3 Meode Pegumpula Daa 3 Jeis Daa Pada peeliia ii aka megguaka jeis daa yag bersifa kuaiaif Daa kuaiaif adalah daa yag berbeuk agka / omial Dalam peeliia ii aka megguaka daa pejuala

Lebih terperinci

BAB III TINJAUAN PUSTAKA

BAB III TINJAUAN PUSTAKA BAB III TINJAUAN PUSTAKA 3.1. Defiisi Peramala Peramala adalah proses uuk memperkiraka berapa bayak kebuuha dimasa medaag yag melipui kebuuha dalam ukura kuaias, kualias, waku da lokasi yag dibuuhka dalam

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang

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

Lebih terperinci

III Control chart for variables. Pengendalian Kualitas TIN-212

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

Lebih terperinci

BAB 3 METODOLOGI PEMECAHAN MASALAH

BAB 3 METODOLOGI PEMECAHAN MASALAH BAB 3 METODOLOGI PEMECAHAN MASALAH 3.1 Tahapan Pemecahan Masalah Tahapan pemecahan masalah berfungsi unuk memudahkan dalam mencari jawaban dalam proses peneliian yang dilakukan agar sesuai dengan arah

Lebih terperinci

KAJIAN PERBANDINGAN KINERJA GRAFIK PENGENDALI CUMULATIVE SUM

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:

Lebih terperinci

STATISTIKA NON PARAMETRIK

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

Lebih terperinci

Sistem Komunikasi II (Digital Communication Systems)

Sistem Komunikasi II (Digital Communication Systems) Siem Komuikai II (Digial Commuicaio Syem) Lecure #3: Demodulai / Deeki Baebad (Baebad Demodulaio / Deecio) - PAR I opik: 3. Pedahulua. 3. Repreeai Geomeri dari Siyal. 3.3 Opimal Deecio: Maximum Likelihood

Lebih terperinci

Kinematika. Posisi ; kedudukan suatu benda disuatu saat relatif terhadap suatu titik acuan.

Kinematika. Posisi ; kedudukan suatu benda disuatu saat relatif terhadap suatu titik acuan. Kinemaika mempelajari erak benda anpa mempelajari penyebabnya. Posisi ; kedudukan suau benda disuau saa relaif erhadap suau iik acuan. Linasan ; S ab perpindahan suau benda dari suau posisi ke ab p p p

Lebih terperinci

--Fisheries Data Analysis-- Perbandingan ragam. By. Ledhyane Ika Harlyan. Faculty of Fisheries and Marine Science Brawijaya University

--Fisheries Data Analysis-- Perbandingan ragam. By. Ledhyane Ika Harlyan. Faculty of Fisheries and Marine Science Brawijaya University --Fiherie Data Aalyi-- Perbadiga ragam By. Ledhyae Ika Harlya Faculty of Fiherie ad Marie Sciece Brawijaya Uiverity Tujua Itrukioal Khuu Mahaiwa dapat megguaka aalii tatitika ederhaa dega berfoku ukura

Lebih terperinci

Oleh: Nurul Hidayah Dosen pembimbing: Dra. Laksmi Prita, M.Si

Oleh: 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 terperinci

ANALISIS DAN PEMBAHASAN

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

Lebih terperinci

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang BAB 2 LANDASAN EORI 2.1 Pegeria Peramala Peramala adalah kegiaa uuk memperkiraka apa yag aka erjadi di masa yag aka daag. Sedagka ramala adalah suau siuasi aau kodisi yag diperkiraka aka erjadi pada masa

Lebih terperinci

Perancangan Sistem Kontrol dengan Tanggapan Waktu

Perancangan Sistem Kontrol dengan Tanggapan Waktu erancangan Siem onrol dengan anggapan Waku 4 erancangan Siem onrol dengan anggapan Waku.. endahuluan ada bab ini, akan dibaha mengenai perancangan uau iem konrol ingleinpu-ingle-oupu linier ime-invarian

Lebih terperinci

GRAFIKPENGENDALI VARIABEL

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.

Lebih terperinci

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

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

Lebih terperinci

AUTOKORELASI PADA BAGAN KENDALI

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,

Lebih terperinci

PENGOLAHAN SINYAL DIGITAL. Modul 2. Proses ADC-DAC

PENGOLAHAN SINYAL DIGITAL. Modul 2. Proses ADC-DAC PENGOLAHAN SINYAL DIGITAL Modul. Proses ADC-DAC Coe Kosep Samplig Kuaisasi Codig Decodig ilerig ADC-DAC Perhiuga error kuaisasi dikaika dega level kuaisasi da samplig rae ADC Aalog o Digial Coverer Megubah

Lebih terperinci

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN Nomi Kelari *, Hasriai 2, Musraii 2 Mahasiswa Program S Maemaika 2 Dose Jurusa Maemaika Fakulas Maemaika da Ilmu Pegeahua

Lebih terperinci

MINGGU KE-12 TEOREMA LIMIT PUSAT DAN TERAPANNYA

MINGGU KE-12 TEOREMA LIMIT PUSAT DAN TERAPANNYA MINGGU KE-12 TEOREMA LIMIT PUSAT DAN TERAPANNYA TEOREMA LIMIT PUSAT DAN TERAPANNYA Telah dikeal bahwa X 1, X 2...X sampel radom dari distribusi ormal dega mea µ da variasi σ 2, maka x µ σ/ atau xi µ σ

Lebih terperinci

INTERVAL KEPERCAYAAN

INTERVAL KEPERCAYAAN INTERVAL KEPERCAYAAN Tujua utama diambil ebuah ampel dari ebuah populai adalah utuk memperoleh iformai megeai parameter populai.. Ada cara meetuka parameter populai yaitu peakira da pegujia hipotei. Peakira

Lebih terperinci

Prosiding Statistika ISSN:

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

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

Pada tugas akhir ini, data yang digunakan adalah data salah satu key characteristic dari suatu produk manufaktur.

Pada tugas akhir ini, data yang digunakan adalah data salah satu key characteristic dari suatu produk manufaktur. BAB IV ANALISA DATA 3 BAB 4 ANALISA DATA 4.1 Pendahuluan Dalam suatu proses produksi di industri, data yang akan diolah tidak begitu saja bisa didapatkan. Ada suatu proses sehingga data tersebut bisa didapatkan,

Lebih terperinci

Market Basket Analysis dengan Metode Fuzzy C-Covering untuk Menentukan Pola Pembelian pada Toko Buku

Market Basket Analysis dengan Metode Fuzzy C-Covering untuk Menentukan Pola Pembelian pada Toko Buku Marke Baske Aalysis dega Meode Fuzzy C-Coverig uuk Meeuka Pola Pebelia pada Toko Buku Yessica Naaliai Fakulas Tekologi Iforasi Jl. Dipoegoro 5-60 Salaiga (098 34940 yessica_4@yahoo.co Yos Richard Beeh

Lebih terperinci

Transformasi Laplace Bagian 1

Transformasi Laplace Bagian 1 Modul Tranformai aplace Bagian M PENDAHUUAN Prof. S.M. Nababan, Ph.D eode maemaika adalah alah au cabang ilmu maemaika yang mempelajari berbagai meode unuk menyeleaikan maalah-maalah fii yang dimodelkan

Lebih terperinci

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel BAB III PENAKSIR DERET FOURIER 3. Peaksi Dalam saisika, peaksi adalah sebuah saisik (fugsi dai daa sampel obsevasi) yag diguaka uuk meaksi paamee populasi yag idak dikeahui (esimad) aau fugsi yag memeaka

Lebih terperinci

MA1201 MATEMATIKA 2A Hendra Gunawan

MA1201 MATEMATIKA 2A Hendra Gunawan MA101 MATEMATIKA A Hendra Gunawan Semeser II, 016/017 9 Mare 017 Kuliah yang Lalu 11 Fungsi dua (aau lebih) peubah 1 Turunan Parsial 13 Limi dan Kekoninuan 14 Turunan ungsi dua peubah 15 Turunan berarah

Lebih terperinci

ANALISIS RANCANGAN EKONOMI PADA GRAFIK KENDALI EXPONENTIALLY WEIGHTED MOVING AVERAGE (EWMA)

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

Lebih terperinci

x = μ...? 2 2 s = σ...? x x s = σ...?

x = μ...? 2 2 s = σ...? x x s = σ...? Pedugaa Parameter x 2 sx s = μ...? 2 = σ x...? = σ...? Peduga Parameter Peduga titik yaitu parameter populasi p diduga dega suatu besara statistik, misal: rata-rata, proporsi, ragam, dll Peduga Selag (Iterval)

Lebih terperinci

BAB IV SISTEM TUNGGU (DELAY SYSTEM)

BAB IV SISTEM TUNGGU (DELAY SYSTEM) 38 Da eayaa Traf BB IV SISTM TUGGU (DLY SYSTM) Kedaaga ae buffer erver µ Keberagaa ae Gambar 4. : model em uggu ada em uggu, aggla yag daag ada aa emua bu, aggla erebu meuggu ama ada alura/eralaa yag beba

Lebih terperinci

BAB IV DESKRIPSI ANALISIS DATA

BAB IV DESKRIPSI ANALISIS DATA BAB IV DESKRIPSI ANALISIS DATA A. Dekripi Data Peelitia ii megguaka peelitia ekperime, ubyek peelitiaya dibedaka mejadi dua kela, yaitu kela kotrol da kela ekperime. Kela kotrol pada peelitia ii merupaka

Lebih terperinci

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA Prosidig Semiar Nasioal Sais da Pedidika Sais IX, Fakulas Sais da Maemaika, UKSW Salaiga, Jui 4, Vol 5, No, ISSN :87-9 MODEL KOREKSI KESALAHAN DENGAN MEODE BAYESIAN PADA DAA RUNUN WAKU INDEKS HARGA KONSUMEN

Lebih terperinci

Diagram Kendali Simpangan Baku Eksak untuk Proses Berdistribusi Normal dengan Parameter σ Diketahui

Diagram Kendali Simpangan Baku Eksak untuk Proses Berdistribusi Normal dengan Parameter σ Diketahui Statitika, Vol. No., 5 6 Mei Diagram Kedali Simpaga Baku Ekak utuk Proe Berditribui Normal dega Parameter Diketahui Aceg Komarudi Mutaqi, Suwada Program Studi Statitika Fakulta MIPA Uiverita Ilam Badug,

Lebih terperinci

Statistika. Besaran Statistik

Statistika. Besaran Statistik Statitika Beara Statitik Itiarto Statitical Meaure Commo tatitical meaure Meaure of cetral tedecy Mea Mode Media Meaure of variability Rage Variace Stadard deviatio Meaure of a idividual i a populatio

Lebih terperinci

MODUL 5 PETA KENDALI CUSUM & EWMA

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

Lebih terperinci

DAFTAR ISI. HALAMAN JUDUL... i. HALAMAN PENGSAHAN... ii. KATA PENGANTAR... iii. DAFTAR ISI... vi. DAFTAR GAMBAR... ix. DAFTAR TABEL...

DAFTAR ISI. HALAMAN JUDUL... i. HALAMAN PENGSAHAN... ii. KATA PENGANTAR... iii. DAFTAR ISI... vi. DAFTAR GAMBAR... ix. DAFTAR TABEL... DAFTAR ISI HALAMAN JUDUL... i HALAMAN PENGSAHAN... ii KATA PENGANTAR... iii DAFTAR ISI... vi DAFTAR GAMBAR... ix DAFTAR TABEL... x DAFTAR LAMPIRAN... xi ABSTRAK... xii BAB I. PENDAHULUAN 1.1 Latar Belakang...

Lebih terperinci

KOMENTAR DOSEN PENGUJI

KOMENTAR DOSEN PENGUJI DATA PENULIS Nama : I Made Sumaryana Alamat di Bandung : Jl. Cibogo Atas Gg. Siti Murgi No.24C, Bandung Alamat Asal : Jl. Gatot Subroto II No.4 Denpasar, Bali No. Telp Bandung : 022 2008468 No. Telp Asal

Lebih terperinci

Peta Kendali (Control Chart)

Peta 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 terperinci

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di 8 METODE PENELITIAN Lokasi da Waku Peeliia Peeliia ii dilaksaaka selama 3 bula, erhiug sejak bula Februari sampai dega April 2008, di DAS Waeruhu, yag secara admiisraif erleak di wilayah Kecamaa Sirimau,

Lebih terperinci

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) . Definisi L.2 (Kejadian lepas )

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) .   Definisi L.2 (Kejadian lepas ) 33 LAMPIRAN 34 35 Beberapa Defiisi Ruag Cooh Kejadia da Peluag Suau percobaa yag dapa diulag dalam kodisi yag sama, yag hasilya idak dapa diprediksi dega epa eapi kia bisa megeahui semua kemugkia hasil

Lebih terperinci

DISTRIBUSI BINOMIAL. (sukses sebanyak x kali, gagal sebanyak n x kali)

DISTRIBUSI BINOMIAL. (sukses sebanyak x kali, gagal sebanyak n x kali) DISTRIBUSI BINOMIAL Distribusi bioial berasal dari percobaa bioial yaitu suatu proses Beroulli yag diulag sebayak kali da salig bebas. Distribusi Bioial erupaka distribusi peubah acak diskrit. Secara lagsug,

Lebih terperinci

Geometric Moving Average (Diagram Kontrol Rata-rata Bergerak December Geometrik) 2, / 8

Geometric Moving Average (Diagram Kontrol Rata-rata Bergerak December Geometrik) 2, / 8 Geometric Moving Average (Diagram Kontrol Rata-rata Bergerak Geometrik) Pengendalian Kualitas Statistika Ayundyah Kesumawati Prodi Statistika FMIPA-UII December 2, 2015 Geometric Moving Average (Diagram

Lebih terperinci

A. Interval Konfidensi untuk Mean

A. Interval Konfidensi untuk Mean ESTIMASI INTERVAL A. Iterval Kofidei utuk Mea Defiii Jika ˆ merupaka etimator utuk parameter da P ˆ ˆ, maka ˆ ˆ diebut Dimaa iterval kofidei(-)00% utuk. :- koefiie kofidei ˆ, ˆ bata iterval tigkat kealaha

Lebih terperinci

BANGUN RUANG. ABFE dan sisi DCGH, dan sisi ADHE dan sisi

BANGUN RUANG. ABFE dan sisi DCGH, dan sisi ADHE dan sisi NGUN RUNG. Pengeian 1. Kubu Kubu adalah bangun uang yang dibaai oleh enam buah bidang peegi yang konguen (benuk dan E beanya ama). (Pehaikan Gamba 1) Kubu mempunyai 6 ii, 8 iik udu, dan 12 uuk. Semua uuk

Lebih terperinci

B. DESKRIPSI SINGKAT MATA KULIAH

B. DESKRIPSI SINGKAT MATA KULIAH A. IDENTITAS MATA KULIAH Nama Maa Kuliah : Kalkulus 1 Kode Maa Kuliah : MUG1A4 SKS : 4 (empa) Jeis : Maa kuliah wajib Jam pelaksaaa : Taap muka di kelas = 4 jam per peka Tuorial/ resposi Semeser / Tigka

Lebih terperinci

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Al Azhar-3

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Al Azhar-3 III. METODOLOGI PENELITIAN A. Populai da Sampel Peelitia Populai dalam peelitia ii adalah emua iwa kela I IPA SMA Al Azhar-3 Badar Lampug tahu ajara 0/0 yag berjumlah 48 iwa da terebar dalam empat kela.

Lebih terperinci

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun 43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C

Lebih terperinci

Rancangan Acak Kelompok

Rancangan Acak Kelompok Racaga Acak Kelompok Saua percoaa dak seragam dlakuka pegelompoka egacaka dlakuka per kelompok Model : Y j μ + β + τ + ε dega : Y j respos pada perlakua ke -, ulaga ke - j μ raaa umum j τ pegaruh perlakuake

Lebih terperinci

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 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

Lebih terperinci

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF Pada bab ini akan dibahas mengenai sifa-sifa dari model runun waku musiman muliplikaif dan pemakaian model ersebu menggunakan meode Box- Jenkins beberapa ahap

Lebih terperinci

PENGENDALIAN KUALITAS PRODUK LAMP CASE TIPE CA22 MENGGUNAKAN PETA KENDALI T 2 HOTTELING

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

Lebih terperinci

Sistem Komunikasi II (Digital Communication Systems)

Sistem Komunikasi II (Digital Communication Systems) Siem Komunikai II (Digial Communicaion Syem) Topik: Lecure #2: Modulai Baeband (Baeband Modulaion) 2. Mapping (Formaing). - Binary (2-Level) PAM / PCM. - M-ary (Muli-Level) PAM / PCM. 2.2 Pule Shaping

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2. Sisem Produksi Proses maufakur dapa digambarka seperi erliha dalam Gambar.., berupa keragka masuka-keluara, dimaa masukaya berupa baha baku, selajuya baha baku dikoversi (dega

Lebih terperinci

Uji apakah ada perbedaan signifikan antara mean masing-masing laboratorium. Gunakan α=0.05.

Uji apakah ada perbedaan signifikan antara mean masing-masing laboratorium. Gunakan α=0.05. MA 8 STATISTIKA DASAR SEMESTER I /3 KK STATISTIKA, FMIPA ITB UJIAN AKHIR SEMESTER (UAS) Sei, Desember, 9.3.3 WIB ( MENIT) Kelas. Pegajar: Utriwei Mukhaiyar, Kelas. Pegajar: Sumato Wiotoharjo Jawablah pertayaa

Lebih terperinci

CONTROL CHARTS UNTUK DATA ATRIBUT. Lely Riawati, ST., MT

CONTROL 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah Dalam sisem perekonomian suau perusahaan, ingka perumbuhan ekonomi sanga mempengaruhi kemajuan perusahaan pada masa yang akan daang. Pendapaan dan invesasi merupakan

Lebih terperinci

Sistim Komunikasi 1. Pertemuan 5 Konversi Analog ke Digital

Sistim Komunikasi 1. Pertemuan 5 Konversi Analog ke Digital isim Komuikasi 1 Peremua 5 Koversi Aalog ke Digial Murik Alayrus Tekik Elekro Fakulas Tekik, UMB murikalayrus@yahoo.com 1 Base Ba Moulaio Paa bagia sebelum kia meapaka siyal koiyu erhaap waku, misalyasiyalm(),

Lebih terperinci

BAB II TINJAUAN TEORITIS

BAB II TINJAUAN TEORITIS BAB II TIJAUA TEORITIS 2.1 Peramalan (Forecasing) 2.1.1 Pengerian Peramalan Peramalan dapa diarikan sebagai beriku: a. Perkiraan aau dugaan mengenai erjadinya suau kejadian aau perisiwa di waku yang akan

Lebih terperinci