BAB IV PENGUMPULAN DAN PENGOLAHAN DATA
|
|
- Hadian Pranata
- 7 tahun lalu
- Tontonan:
Transkripsi
1 40 BAB IV PENGUMPULAN DAN PENGOLAHAN DATA Pada bagia ii aka diuraika megeai hasil kegiata pegumpula data da proses pegolaha data yag dilakuka. Sebagai objek peelitia adalah mesi ove botol PT.Pharos Idoesia. 4.1 Profil Perusahaa PT. Pharos Idoesia adalah sebuah perusahaa yag bergerak di bidag farmasi di Idoesia. Selai itu, PT. Pharos Idoesia merupaka perusahaa farmasi pertama di Idoesia yag memperoleh sertifikat Cara Pembuata Obat yag Baik (CPOB) dari Bada Pegawas Obat da Makaa (BPOM). PT. Pharos Idoesia berdiri pada taggal 30 September 1971 da didirika oleh Drs. Eddie Lembog. Nama Pharos diambil dari satu ama mercusuar yag berada di wilayah Teluk Alexadria, Mesir. PT. Pharos Idoesia termasuk ke dalam eam besar idustri farmasi di Idoesia di maa mempuyai cabag-cabag yag palig besar yag tersebar di kota-kota besar di Idoesia.
2 41 4. Proses Kerja Mesi Ove Botol Mesi ove botol terdiri dari beberapa bagia yag salig berhubuga. Bagia ii satu sama lai salig meujag dalam proses Pegeriga botol. Kompoe dari Mesi ove botol tersebut diataraya dapat dilihat pada gambar dibawah ii. Gambar 4.1a Mesi Ove botol
3 4 Gambar 4.1b Mesi Ove botol 4.3 Pegumpula Data Pegumpula data yag dilakuka dalam peelitia ii adalah megguaka data sekuder. Data sekuder diperoleh dari data-data yag ada di PT.Pharos Idoesia Data Kompoe Kritis Dalam peulisa tugas akhir ii, peulis meeliti waktu kerusaka pada mesi ove botol. Mesi ove botol ii juga merupaka mesi yag palig serig diguaka da memiliki frekuesi kerusaka yag tiggi. Di perusahaa ii haya
4 43 terdapat 1 buah mesi ove botol yag beroperasi. Peraa mesi ii dalam proses produksi sagat kritis da petig karea mesi ove botol merupaka awal dari semua proses produksi liquid yag ada. Dapat dipastika apabila mesi ove botol ii megalami gaggua, maka seluruh proses proses produksi liquid aka tergaggu. Pada peelitia ii data kerusaka mesi pegerig ove botol diambil dari bula Jui 01 sampai Jauari 013. Hal ii disesuaika dega pecatata data secara maual yag telah dilakuka oleh para tekisi. Dari pecatata data yag ada, dirumuska data kerusaka dega megguaka diagram Pareto. Berikut ii adalah tabel ama kompoe da jumlah kerusaka yag terjadi pada mesi ove botol. Tabel 4.1 Nama Kompoe da Jumlah Kerusaka No Nama Kompoe Jumlah Kerusaka 1 Bearig Block 6 Heater 8 3 Shaft Blower 6 4 Kotaktor 6 5 Bushig 5 6 Keyway bushig 6 7 Keyway impeler 3 8 Relay 6 9 Thermocouple 4 10 Shaft 5 11 Temperatur Cotrol 4 1 Timer 3
5 44 Jumlah Kerusaka Bearig Block Heater Shaft Blower Kotaktor bushig Keyway bushig Keyway impeler Relay Thermocouple Shaft Temperatur Cotrol Timer Jumlah Kerusaka Grafik 4.1 Pareto Chart Kerusaka Kompoe Mesi Ove botol Dari Pareto Chart di atas, dapat dilihat bahwa kompoe heater merupaka kompoe yag palig serig megalami kerusaka. Oleh karea itu kompoe ii merupaka kompoe kritis maka aka dilakuka perhituga lebih lajut dega megguaka data yag ada Data Waktu Kerusaka Data waktu kerusaka yag diguaka adalah time to repair (TTR) da time to failure (TTF) dimaa TTR adalah lamaya perbaika higga mesi dapat berfugsi kembali, sedagka TTF adalah selag waktu kerusaka awal yag telah diperbaiki higga terjadi kerusaka berikutya.
6 Data Time to Repair da Time to Failure Kompoe Heater Heater merupaka salah satu kompoe petig dari Meis ove botol. Peragkat ii merupaka bagia yag meghasilka paas yag terdapat dalam mesi. Data time to repair (TTR) da time to failure (TTR) utuk kompoe heater dapat dilihat pada tabel berikut. Tabel 4. Data Time to Repair (TTR) Komppoe Heater No Start Fiish Dowtime TTR (Jam) (Jam) 1 6/7/1 7:15 6/7/1 13: /4/1 7:00 7/4/1 8: /1/1 7:00 7/1/1 10: /1/1 3:00 8/1/1 4: /7/1 1:30 8/7/1 15: /11/1 1:00 9/11/1 15: /19/1 9:00 11/19/1 11: /5/1 9:00 1/5/1 16: Tabel 4.3 Data Time to Failure (TTF) Komppoe Heater No Start Fiish TTF (Jam) 1 6/7/1 7:15 6/7/1 13:00 0 7/4/1 7:00 7/4/1 8: /1/1 7:00 7/1/1 10: /1/1 3:00 8/1/1 4: /7/1 1:30 8/7/1 15: /11/1 1:00 9/11/1 15: /19/1 9:00 11/19/1 11: /5/1 9:00 1/5/1 16:00 334
7 Perhituga Idex of Fit (r) da Pedugaa Parameter Distribusi Data Waktu Time to Failure (TTF) pada Kompoe Heater Mesi Ove Botol Perhituga idex of fit (r) dilakuka utuk megetahui jeis distribusi yag dipakai dari data time to failure. Dari distribusi yag dipakai, dapat diketahui rumus maa yag aka diguaka utuk melakuka perhituga mea time to failure (MTTF). Ada 4 distribusi yag aka dipakai dalam mecari ilai r (idex of fit), yaitu distribusi Weibull, Normal, Logormal, da Ekspoesial Distribusi Weibull Tabel 4.4 Perhituga Idex of fit Berdasarka Distribusi Weibull Data Waktu TTF Pada Kompoe Heater i t i x i = (l t i ) F(t i ) y i x i. y i x i y i Cotoh Perhituga : x i = l (t i ) x i = l (t 1 )
8 47 = l (166.75) = F(t i ) = (i 0.3)/( + 0.4) F(t 1 ) = (1 0.3)/( ) = y i = l l 1 1 F(ti) y 1 = l l Nilai idex of fit : = r weibull = i=1 xi.yi i=1 xi i=1 yi xi i=1 xi i=1 i=1 yi i=1 yi r weibull = 7( ) = Distribusi Normal Tabel 4.5 Perhituga Idex of fit Berdasarka Distribusi Normal Data Waktu TTF Pada Kompoe Heater i t i x i f (t i ) z i x i. z i x i z i
9 Cotoh Perhituga : x i = t i x 1 = t 1 = F(t i ) = (i 0.3)/( + 0.4) F(t 1 ) = (1 0.3)/( ) = z i = Φ-1[F(ti)] diperoleh dari tabel Φ(z) z 1 = Φ-1(0.095) = Nilai idex of fit : r ormal = i=1 xi.zi i=1 xi i=1 zi xi i=1 xi i=1 i=1 zi i=1 zi r ormal = 7( ) =
10 Distribusi Log Normal Tabel 4.6 Perhituga Idex of fit Berdasarka Distribusi Log Normal Data Waktu TTF Pada Kompoe Heater i t i x i = (l t i ) f (t i ) z i x i. z i x i z i Cotoh Perhituga : x i = l (t i ) x 1 = l (t 1 ) = l (166.75) = F(t i ) = (i 0.3)/( + 0.4) F(t 1 ) = (1 0.3)/( ) = z i = Φ-1[F(ti)] diperoleh dari tabel Φ(z) z 1 = Φ-1(0.095) =
11 50 Nilai idex of fit : r logormal = i=1 xi.zi i=1 xi i=1 zi xi i=1 xi i=1 i=1 zi i=1 zi r logormal = 7(3.393) = Distribusi Ekspoesial Tabel 4.7 Perhituga Idex of fit Berdasarka Distribusi Ekspoesial Data Waktu TTF Pada Kompoe Heater i t i x i f (t i ) y i x i. y i x i y i Cotoh Perhituga : x i = t i x 1 = t 1 = F(t i ) = (i 0.3)/( + 0.4)
12 51 F(t 1 ) = (1 0.3)/( ) = y i = l y 1 = l 1 1 F(ti) Nilai idex of fit : = r ekspoesial = i=1 xi.yi i=1 xi i=1 yi xi i=1 xi i=1 i=1 yi i=1 yi r ekspoesial = 7( ) = Berikut ii adalah rigkasa ilai idex of fit (r) hasil keempat distribusi di atas: r weibull = r ormal = r log ormal = yag terbesar r ekspoetial = Berdasarka hasil rigkasa di atas, terlihat bahwa ilai idex of fit (r) yag terbesar adalah dega megguaka distribusi logormal maka parameter yag diguaka s da t med. Rumus parameter dega distribusi logormal adalah sebagai berikut :
13 5 MTTF = t med es 4.5 Uji Kesesuaia (Goodess of Fit Test) Distribusi Data Waktu Time to Failure (TTF) pada Kompoe Heater Mesi Ove Botol Pegujia ii dimaksudka utuk megetahui apakah data yag ada membetuk suatu distribusi tertetu. Pegujia ii dilakuka berdasarka ilai idex of fit yag terbesar. Kemudia membadigka atara hipotesa ol (H0) yag meyataka bahwa data kerusaka megikuti distribusi piliha da hipotesis alterative (H1) yag meyataka bahwa data kerusaka tidak megikuti distribusi piliha. Karea ilai idex of fit yag terbesar terdapat pada distribusi logormal, maka pegujia yag dilakuka dega megguaka uji Kolmogorov Smirov. Selag kepercayaa adalah 95 % sehigga α = Adapu cotoh perhitugaya adalah sebagai berikut: Ho = Data waktu TTF Drai Valve berdistribusi logormal,. H1 = Data waktu TTF Drai Valve tidak berdistribusi logormal, α = 0.05 Uji statistikya adalah : D = max{d1,d} Dimaa :
14 53 Tabel 4.8 Uji kesesuaia distribusi log ormal data waktu TTF Pada Kompoe Heater i ti xi = l ti l ti µ (l ti µ) (l ti µ)/s (i-1)/ i/ C D1 D Cotoh Perhituga : µ = ῑ xi = l (t i ) = l (166.75) = ῑ = = l ti i= = s = l ti t i=1 1 =
15 54 = Cumulative Probability = Φ l ti t s = Φ (-1.451) = diperoleh dari tabel Φ (z) D1 (i) = Φ l ti t s i 1 = ( ) = D (i) = i Φ l ti t s = ( ) = Dari data tabel 3.8 diatas dapat diambil ilai Kolmogorov smirov test static = (pilih ilai yag terbesar) D0.05, 7 = (diperoleh dari tabel ilai kritis utuk uji Normalitas Kolmogorov Smirov pada lampira) Dhitug < Dtabel < 0.483, maka tolak H1 da terima Ho. Kesimpulaya data waktu TTF pada kompoe heater berdistribusi log ormal
16 Perhituga Nilai Mea Time to Failure pada Kompoe Heater Mesi Ove Botol Setelah kita melakuka uji kesesuaia distribusi data melalui Goodess of Fit Test, maka lagkah selajutya kita melakuka perhituga MTTF berdasarka rumus dari distribusi sesuai dega parameter yag telah ada. Distribusi yag terbetuk adalah Log Normal, maka parameter yag diguaka adalah μ da σ dimaa ilai. μ = tmed da σ = s T med = e μ = e = s = i=1 l ti t = = Rumus yag diguaka yaitu: MTTF = t med. e s MTTF = x e =
17 Perhituga Idex of Fit (r) da Pedugaa Parameter Distribusi Data Waktu Time to Repair (TTR) pada Kompoe Heater Mesi Ove Botol Perhituga idex of fit (r) dilakuka utuk megetahui jeis distribusi yag dipakai dari data time to Repair. Dari distribusi yag dipakai, dapat diketahui rumus maa yag aka diguaka utuk melakuka perhituga mea time to repair (MTTR). Ada 4 distribusi yag aka dipakai dalam mecari ilai r (idex of fit), yaitu distribusi Weibull, Normal, Logormal, da Ekspoesial Distribusi Weibull Tabel 4.9 Perhituga Idex of fit Berdasarka Distribusi Weibull Data Waktu TTR Pada Kompoe Heater i t i x i = l ti f (t i ) y i x i. y i x i y i Total Cotoh Perhituga : x i = l (t i )
18 57 x 1 = l (t 1 ) = l (1.50) = 0.3 F(t i ) = (i 0.3)/( + 0.4) F(t 1 ) = (1 0.3)/( ) = y i = l l 1 1 F(ti) y 1 = l l Nilai idex of fit : = -.44 r weibull = i=1 xi.yi i=1 xi i=1 yi xi i=1 xi i=1 i=1 yi i=1 yi r weibull = 8(0.385) = Distribusi Normal Tabel 4.10 Perhituga Idex of fit Berdasarka Distribusi Normal Data Waktu TTR Pada Kompoe Heater i t i x i f (t i ) z i x i. z i x i z i
19 Total Cotoh Perhituga : x i = t i x 1 = t 1 = F(t i ) = (i 0.3)/( + 0.4) F(t 1 ) = (1 0.3)/( ) = z i = Φ-1[F(ti)] diperoleh dari tabel Φ(z) z 1 = Φ-1( ) = Nilai idex of fit : r ormal = i=1 xi.zi i=1 xi i=1 zi xi i=1 xi i=1 i=1 zi i=1 zi r ormal = 8(15.654) =
20 Distribusi Log Normal Tabel 4.11 Perhituga Idex of fit Berdasarka Distribusi Log Normal Data Waktu TTR Pada Kompoe Heater i t i x i = l ti f (t i ) z i x i. z i x i Total z i Cotoh Perhituga : x i = l (t i ) x 1 = l (t 1 ) = l (1.50) = 0.3 F(t i ) = (i 0.3)/( + 0.4) F(t 1 ) = (1 0.3)/( ) = z i = Φ-1[F(ti)] diperoleh dari tabel Φ(z) z 1 = Φ-1(0.0833) = Nilai idex of fit :
21 60 r logormal = i=1 xi.zi i=1 xi i=1 zi xi i=1 xi i=1 i=1 zi i=1 zi r logormal = 8(5.077) = Distribusi Ekspoesial Tabel 4.1 Perhituga Idex of fit Berdasarka Distribusi Ekspoesial Data Waktu TTR Pada Kompoe Heater i t i x i f (t i ) y i x i. y i x i Total y i Cotoh Perhituga : x i = t i x 1 = t 1 = 1.50 F(t i ) = (i 0.3)/( + 0.4)
22 61 F(t 1 ) = (1 0.3)/( ) = y i = l 1 1 F(ti) y 1 = l Nilai idex of fit : = r ekspoesial = i=1 xi.yi i=1 xi i=1 yi xi i=1 xi i=1 i=1 yi i=1 yi r ekspoesial = 8(36.17) = Berikut ii adalah rigkasa ilai idex of fit (r) hasil keempat distribusi di atas: r weibull = r ormal = r log ormal = r ekspoesial = yag terbesar Berdasarka hasil rigkasa di atas, terlihat bahwa ilai idex of fit (r) yag terbesar adalah dega megguaka distribusi ekspoesial, maka parameter
23 6 yag diguaka adalah dimaa rumus Rumus parameter dega distribusi Ekspoetial adalah sebagai berikut : λ = b dimaa b = i=1 i=1 xi.yi xi = 36.17/11 = Jadi λ = Uji Kesesuaia (Goodess of Fit Test) Distribusi Data Waktu Time to Repair (TTR) pada Kompoe Heater Mesi Ove Botol Pegujia ii dimaksudka utuk megetahui apakah data yag ada membetuk suatu distribusi tertetu. Pegujia ii dilakuka berdasarka ilai idex of fit yag terbesar. Kemudia membadigka atara hipotesa ol (H0) yag meyataka bahwa data kerusaka megikuti distribusi piliha da hipotesis alterative (H1) yag meyataka bahwa data kerusaka tidak megikuti distribusi piliha. Karea ilai idex of fit yag terbesar terdapat pada distribusi Ekspoesial maka pegujia yag dilakuka dega megguaka uji Barlett s Test. Selag kepercayaa adalah 95 % sehigga α = Adapu cotoh perhitugaya adalah sebagai berikut:
24 63 Ho = Data waktu TTF Drai Valve berdistribusi Ekspoesial H1 = Data waktu TTF Drai Valve tidak berdistribusi Ekspoesial α = 0.05 Tabel 4.13 Uji Kesesuaia Distribusi Ekspoetial Data Waktu TTR pada Kompoe Heater i ti l ti Total Uji statistikya adalah : Keteraga : ti = data waktu kerusaka ke i r = jumlah kerusaka b = ilai uji statistik utuk uji Bartlett s Test Cotoh Perhitugaya :
25 64 B = r l 1 r r i=1 ti 1+ r+1 6r 1 r r i=1 lti B =.3016 X (0.05,6) > B > X (0.95,6) X (0.05,6) >.3016 > X (0.975,6) >.3016 > 1.37 Dari hasil perhituga terlihat bahwa H0 diterima Kesimpulaya data waktu TTR pada kompoe heater berdistribusi Ekspoetial. 4.9 Perhituga Nilai Mea Time to Repair pada Kompoe Heater Mesi Ove Botol Distribusi yag terbetuk adalah Ekspoetial, maka parameter yag diguaka adalah λ. λ = b = Rumus yag diguaka yaitu: MTTR = 1/ λ = 1/0.986 =
26 Perhituga Reliability ilai MTTF Tapa Prevetive Maiteace Pada Kompoe Heater Prevetive maiteace sagat disaraka karea bisa meguragi dowtime da meguragi kodisi wear out dari mesi sehigga dapat meigkatka reliability mesi. Kehadala merupaka probabilitas sistem atau kompoe aka berfugsi higga waktu tertetu (t). Model kehadala berikut ii megasumsika sistem kembali kodisi semula atau kodisi baru setelah mejalai tidaka prevetive maiteace. Utuk perhituga kehadala (reliability) dapat dihitug setelah medapatka ilai mea time to failure (MTTF) dari kompoe kritis, yaitu heater. Tabel 4.14 Perhituga Reliability Kompoe heater Sebelum Prevetive Maiteace Berdasarka Distribusi Logormal t t/tmed l(t/tmed) R(t)
27 Berdasarka tabel perhituga di atas, perhituga reliability dilakuka dega cara mesimulasika selama 000 jam operasi kerja pada setiap t (waktu) utuk melihat peurua kehadala (sebelum dilakukaya prevetive maiteace) Cotoh perhitugaya adalah: Kehadala sistem tapa prevetive maiteace R(t) Apabila MTTF ya sebesar jam, maka t = 50.78, t med = da s = Rumus yag diguaka adalah : R(t) = 1-1 s l t tmed R(50.781) = l = data dari tabel Z = atau 38.1% Dari hasil perhituga reliability utuk kompoe heater ii dilakuka dega simulasi 000 jam operasi utuk setiap t (waktu). Dari hasil perhituga
28 67 reliability yag diperoleh dari MTTF = jam, dimaa pada saat t = , reliability R(t) dari sistem tapa megguaka prevetive maiteace adalah sebesar atau 38.1% Grafik Reliability Kompoe Heater Sebelum Prevetive Maiteace R(t) Grafik 4. Grafik Reliability Utuk Kompoe Heater Sebelum Prevetive Maiteace 4.11 Peetua Iterval Perawata utuk Kompoe Heater Dari hasil perhituga MTTF kita dapat megetahui ilai reliability pada kodisi sekarag yag terjadi di perusahaa Peulis megasumsika bahwa reliability mesi tercapai apabila kompoe-kompoe pada mesi dapat beroperasi dega baik tapa gaggua atau terjadiya kemaceta/kerusaka, maka perhituga reliability ii juga lebih difokuska pada reliability kompoe heater.
29 68 Reliability yag igi ditigkatka dari kompoe heater adalah sebesar 90% dari kodisi sebelum dilakuka prevetive maiteace. Bila kita lihat t100 da t00 pada table 3.13, maka kita dapatka Reliability R(t), dimaa R(100) sebesar (99.18%) da R(00) sebesar (89.79%). Selajutya kita mecari reliability yag diharapka R(t) yaitu 90% dega perhituga waktu atara t100 sampai dega t00. Dega megguaka cara trial da error, agka percobaa yag diambil yaitu T = jam, R (t) = atau %. 4.1 Reliability ilai MTTF Sesudah Prevetive Maiteace Pada Kompoe Heater Tabel 4.15 Perhituga Reliability Kompoe heater Sesudah Prevetive Maiteace Berdasarka Distribusi Logormal t R(t) R(T) R(t-T) Rm(t)
30 Grafik Reliability Utuk Kompoe Heater Sebelum da Sesudah Prevetive Maiteace Axis Title rt rm rt Grafik 4.3 Grafik Reliability Utuk Kompoe Heater Sebelum da Sesudah Prevetive Maiteace
31 Perhituga Frekuesi Pemeriksaa Sebelum Prevetive Maiteace Sebelum meerapka prevetive maiteace, pemeriksaa haya dilakuka pada saat mesi tidak dapat beroperasi lagi atau dega kata lai kompoe mesi megalami kerusaka. Kompoe yag rusak ii apabila tidak dapat diperbaiki lagi, maka harus digati dega kompoe baru. Perhituga frekuesi kerusaka dilakuka dalam kuru waktu tertetu, misalya 1 bula. Jadi, frekuesi pemeriksaa sama saja dega frekuesi kerusaka. Berikut ii adalah rumusya: k f = ( jam kerja per bula / MTTF ) k f = frekuesi kerusaka sebelum prevetive maiteace Jam kerja per bula = 4 jam/hari x 6 hari/miggu x 4 miggu/bula Jam kerja per bula = 576 jam/bula Jadi : k f = ( 576 / ) = Perhituga Frekuesi Pemeriksaa Setelah Prevetive Maiteace Setelah diterapkaya prevetive maiteace, pemeriksaa dilakuka pada saat iterval waktu sesuai dega target reliability yag sudah ditetapka oleh perusahaa. Tetu saja hal ii dapat megakibatka meigkatya frekuesi pemeriksaa dibadigka sebelum dilakukaya prevetive maiteace. Adapu mafaat peigkata frekuesi pemeriksaa tersebut atara lai terjagaya performa kompoe da memperpajag umur pemakaia kompoe. Berikut ii adalah rumusya: K p = ( jam kerja per bula / T )
32 71 K p Jam kerja/bula Jam kerja/per bula = frekuesi kerusaka sesudah prevetive maiteace = 4 jam/hari x 6 hari/miggu x 4 miggu/bula = 576 jam/bula Jadi : K p = ( 576 / ) = kali
BAB III METODOLOGI PENELITIAN. Madiun, untuk mendapatkan gambaran kondisi tempat penelitian secara umum,
32 BAB III METODOLOGI PENELITIAN 3.1 Objek Peelitia Peelitia dilakuka di PT. INKA yag terletak di Jl. Yos Sudarso o 71 Madiu, utuk medapatka gambara kodisi tempat peelitia secara umum, termasuk kegiata-kegiata
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Objek Peelitia Peelitia dilakuka di bagia spiig khususya bagia widig Pabrik Cambrics Primissima (disigkat PT.Primissima) di Jala Raya Magelag Km.15 Slema, Yogyakarta. Peelitia
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4. Pegumpula da Pegolaha Data 4.. Peetua Sectio Kritis Perhituga pada peelitia ii dimulai dega megumpulka data jumlah breakdow da dowtime pada setiap sectio yag ditagai oleh
Lebih terperinciBAB 5 HASIL DAN PEMBAHASAN
BAB 5 HASIL DAN PEMBAHASAN 5. Pegumpula da Pegolaha Data 5.. Peetua Kompoe Kritis Melalui observasi secara lagsug diketahui bahwa mesi F70-FQ7 memiliki frekuesi kerusaka palig bayak diatara mesi-mesi yag
Lebih terperinciBAB III MENENTUKAN MODEL KERUSAKAN DAN INTERVAL WAKTU PREVENTIVE MAINTENANCE OPTIMUM SISTEM AXIS PADA MESIN CINCINNATI MILACRON DOUBLE GANTRY TIPE-F
BAB III MENENUKAN MODEL KERUSAKAN DAN INERVAL WAKU PREVENIVE MAINENANCE OPIMUM SISEM AXIS PADA MESIN CINCINNAI MILACRON DOUBLE GANRY IPE-F 3.1 Pedahulua Pada Bab II telah dijelaska beberapa teori yag diguaka
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada
Lebih terperinciBab III Metoda Taguchi
Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa
Lebih terperinciJURNAL REKAYASA DAN MANAJEMEN SISTEM INDUSTRI VOL.3 NO. 3 TEKNIK INDUSTRI UNIVERSITAS BRAWIJAYA
PENGUKURAN PERFORMANSI SISTEM PRODUKSI MENGGUNAKAN OVERALL THROUGHPUT EFFECTIVENESS (OTE) (Studi Kasus: PT. Tai Gemilag Desa Kerje Kecamata Sregat Kabupate Blitar) PRODUCTION SYSTEM PERFORMANCE MEASUREMENT
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas
Lebih terperinciPENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:
PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Tujua Peelitia Peelitia ii bertujua utuk megetahui apakah terdapat perbedaa hasil belajar atara pegguaa model pembelajara Jigsaw dega pegguaa model pembelajara Picture ad Picture
Lebih terperinciBAB VII RANDOM VARIATE DISTRIBUSI DISKRET
BAB VII RANDOM VARIATE DISTRIBUSI DISKRET Diskret radom variabel dapat diguaka utuk berbagai radom umber yag diambil dalam betuk iteger. Pola kebutuha ivetori (persediaa) merupaka cotoh yag serig diguaka
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I
7 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas XI IPA SMA Negeri I Kotaagug Tahu Ajara 0-03 yag berjumlah 98 siswa yag tersebar dalam 3
Lebih terperinciBAB 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 terperinciBAB III METODE PENELITIAN
6 BAB III METODE PENELITIAN 3.1 Desai Peelitia Meurut Kucoro (003:3): Peelitia ilmiah merupaka usaha utuk megugkapka feomea alami fisik secara sistematik, empirik da rasioal. Sistematik artiya proses yag
Lebih terperinciSEBARAN t dan SEBARAN F
SEBARAN t da SEBARAN F 1 Tabel uji t disebut juga tabel t studet. Sebara t pertama kali diperkealka oleh W.S. Gosset pada tahu 1908. Saat itu, Gosset bekerja pada perusahaa bir Irladia yag melarag peerbita
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula
Lebih terperinciBAB III METODOLOGI PENELITIAN
31 Flowchart Metodologi Peelitia BAB III METODOLOGI PENELITIAN Gambar 31 Flowchart Metodologi Peelitia 18 311 Tahap Idetifikasi da Peelitia Awal Tahap ii merupaka tahap awal utuk melakuka peelitia yag
Lebih terperinciStatistika Inferensia: Pendugaan Parameter. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015
Statistika Iferesia: Pedugaa Parameter Dr. Kusma Sadik, M.Si Dept. Statistika IPB, 05 Populasi : Parameter Sampel : Statistik Statistik merupaka PENDUGA bagi parameter populasi Pegetahua megeai distribusi
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,
Lebih terperinciBAB IV PEMECAHAN MASALAH
BAB IV PEMECAHAN MASALAH 4.1 Metodologi Pemecaha Masalah Dalam ragka peigkata keakurata rekomedasi yag aka diberika kepada ivestor, maka dicoba diguaka Movig Average Mometum Oscillator (MAMO). MAMO ii
Lebih terperinciBAB III METODOLOGI 3.1 Tempat dan Waktu Penelitian 3.2 Bahan dan Alat 3.3 Metode Pengumpulan Data Pembuatan plot contoh
BAB III METODOLOGI 3.1 Tempat da Waktu Peelitia Pegambila data peelitia dilakuka di areal revegetasi laha pasca tambag Blok Q 3 East elevasi 60 Site Lati PT Berau Coal Kalimata Timur. Kegiata ii dilakuka
Lebih terperinciBAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua
BAB IV METODE PENELITlAN 4.1 Racaga Peelitia Racaga atau desai dalam peelitia ii adalah aalisis komparasi, dua mea depede (paired sample) yaitu utuk meguji perbedaa mea atara 2 kelompok data. 4.2 Populasi
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5
III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas I MIA SMA Negeri 5 Badar Lampug Tahu Pelajara 04-05 yag berjumlah 48 siswa. Siswa tersebut
Lebih terperinciBAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan
BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu
Lebih terperinciBAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.
BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh
Lebih terperinciRESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015
RESPONSI STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 015 A. PENYAJIAN DAN PERINGKASAN DATA 1. PENYAJIAN DATA a. Sebutka tekik peyajia data utuk data kualitatif! Diagram kueh, diagram batag, distribusi
Lebih terperinciIV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data
IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.
Lebih terperinciDistribusi Pendekatan (Limiting Distributions)
Distribusi Pedekata (Limitig Distributios) Ada 3 tekik utuk meetuka distribusi pedekata: 1. Tekik Fugsi Distribusi Cotoh 2. Tekik Fugsi Pembagkit Mome Cotoh 3. Tekik Teorema Limit Pusat Cotoh Fitriai Agustia,
Lebih terperinciBAB 6: ESTIMASI PARAMETER (2)
Bab 6: Estimasi Parameter () BAB 6: ESTIMASI PARAMETER (). ESTIMASI PROPORSI POPULASI Proporsi merupaka perbadiga atara terjadiya suatu peristiwa dega semua kemugkiaa peritiwa yag bisa terjadi. Besara
Lebih terperinciI. DERET TAKHINGGA, DERET PANGKAT
I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da
Lebih terperinciREGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan
REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k
Lebih terperinciIV. METODE PENELITIAN. Penelitian ini dilakukan di Kawasan Pantai Anyer, Kabupaten Serang
IV. METODE PENELITIAN 4.1 Lokasi da Waktu Peelitia Peelitia ii dilakuka di Kawasa Patai Ayer, Kabupate Serag Provisi Bate. Lokasi ii dipilih secara segaja atau purposive karea Patai Ayer merupaka salah
Lebih terperinciBAB IV PEMBAHASAN DAN ANALISIS
BAB IV PEMBAHASAN DAN ANALISIS 4.1. Pembahasa Atropometri merupaka salah satu metode yag dapat diguaka utuk meetuka ukura dimesi tubuh pada setiap mausia. Data atropometri yag didapat aka diguaka utuk
Lebih terperinciBAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI
BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI Utuk lebih memahami megeai etropi, pada bab ii aka diberika perhituga etropi utuk beberapa distribusi diskrit da kotiu. 3. Distribusi Diskrit Pada sub bab ii dibahas
Lebih terperinciBAB III METODE PENELITIAN
22 BAB III METODE PENELITIAN 3.1. Metode Peelitia Pada bab ii aka dijelaska megeai sub bab dari metodologi peelitia yag aka diguaka, data yag diperluka, metode pegumpula data, alat da aalisis data, keragka
Lebih terperinciBAB III METODOLOGI PENELITIAN. data dalam penelitian ini termasuk ke dalam data yang diambil dari Survei Pendapat
BAB III METODOLOGI PENELITIAN 3.1. Jeis da Sumber Data Jeis peelitia yag aka diguaka oleh peeliti adalah jeis peelitia Deskriptif. Dimaa jeis peelitia deskriptif adalah metode yag diguaka utuk memperoleh
Lebih terperinciANALISA KEBIJAKAN REPAIR MAINTENANCE DAN KEBIJAKAN PREVENTIVE MAINTENANCE UNTUK MENGETAHUI BIAYA OPTIMAL PADA MESIN AYAK PT.
ANALISA KEBIJAKAN REPAIR MAINTENANCE DAN KEBIJAKAN PREVENTIVE MAINTENANCE UNTUK MENGETAHUI BIAYA OPTIMAL PADA MESIN AYAK PT. JAMU JAGO Audi Rakhmada ), Aries Susaty 2) Program Studi Tekik Idustri Fakultas
Lebih terperincib. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:
Statistik da Peluag A. Statistik Statistik adalah metode ilmiah yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis data, serta cara pegambila kesimpula berdasarka data-data tersebut. Data ialah
Lebih terperinciPendugaan Parameter. Debrina Puspita Andriani /
Pedugaa Parameter 7 Debria Puspita Adriai E-mail : debria.ub@gmail.com / debria@ub.ac.id Outlie Pedahulua Pedugaa Titik Pedugaa Iterval Pedugaa Parameter: Kasus Sampel Rataa Populasi Pedugaa Parameter:
Lebih terperinciCara Pengisian Pada File Excel
Cara Pegisia Pada ile Excel Pada tabel realisasi da keuaga ias Pekerjaa Umum Bia Marga Propisi Jawa Timur ii terdiri dari beberapa kolom seperti dibawah ii: atker Tahu Bula Adapu cara pegisia dari masig-masig
Lebih terperinciPENAKSIRAN DAN PERAMALAN BIAYA D. PENAKSIRAN BIAYA JANGKA PANJANG E. PERAMALAN BIAYA
PENAKSIRAN DAN PERAMALAN BIAYA Ari Darmawa, Dr. S.AB, M.AB Email: aridarmawa_fia@ub.ac.id A. PENDAHULUAN B. PENAKSIRAN DAN PRAKIRAAN FUNGSI BIAYA C. PENAKSIRAN JANGKA PENDEK - Ekstrapolasi sederhaa - Aalisis
Lebih terperinciUKURAN PEMUSATAN DATA
Malim Muhammad, M.Sc. UKURAN PEMUSATAN DATA J U R U S A N A G R O T E K N O L O G I F A K U L T A S P E R T A N I A N U N I V E R S I T A S M U H A M M A D I Y A H P U R W O K E R T O DEFINISI UKURAN PEMUSATAN
Lebih terperinciBAB III METODE PENELITIAN
36 BAB III METODE PENELITIAN A. Racaga Peelitia 1. Pedekata Peelitia Peelitia ii megguaka pedekata kuatitatif karea data yag diguaka dalam peelitia ii berupa data agka sebagai alat meetuka suatu keteraga.
Lebih terperinciA. Pengertian Hipotesis
PENGUJIAN HIPOTESIS A. Pegertia Hipotesis Hipotesis statistik adalah suatu peryataa atau dugaa megeai satu atau lebih populasi Ada macam hipotesis:. Hipotesis ol (H 0 ), adalah suatu hipotesis dega harapa
Lebih terperinciMINIMASI DOWNTIME TOOL PUNCH MESIN HEADING PADA PREVENTIVE MAINTENANCE DENGAN METODE AGE REPLACEMENT
MINIMASI DOWNTIME TOOL PUNCH MESIN HEADING PADA PREVENTIVE MAINTENANCE DENGAN METODE AGE REPLACEMENT Edi Satoso 1 ; Edwi Juliato Chairul 2 ABSTRACT Productio machies ca be a barrier for the o time product
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Lokasi da Waktu Pegambila Data Pegambila data poho Pius (Pius merkusii) dilakuka di Huta Pedidika Guug Walat, Kabupate Sukabumi, Jawa Barat pada bula September 2011.
Lebih terperinciChapter 7 Student Lecture Notes 7-1
Chapter 7 Studet Lecture Notes 7-1 DASAR-DASAR UJI Hipotesis: Hipo (di bawah) da Tesis (peryataa yag telah diuji) Hipotesis Statistik:suatu proposisi atau aggapa megeai parameter populasi yag dapat diuji
Lebih terperinciBAB III METODE PENELITIAN. Metode yang digunakan dalam penelitian ini adalah penelitian korelasi,
BAB III METODE PENELITIAN 3.1 Metode Peelitia Metode yag diguaka dalam peelitia ii adalah peelitia korelasi, yaitu suatu metode yag secara sistematis meggambarka tetag hubuga pola asuh orag tua dega kosep
Lebih terperinciBAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya
5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Metode Peelitia Peelitia ii megguaka metode peelitia Korelasioal. Peelitia korelasioaal yaitu suatu metode yag meggambarka secara sistematis da obyektif tetag hubuga atara
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Metode Pegumpula Data Dalam melakuka sebuah peelitia dibutuhka data yag diguaka sebagai acua da sumber peelitia. Disii peulis megguaka metode yag diguaka utuk melakuka pegumpula
Lebih terperinciTINJAUAN PUSTAKA Pengertian
TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok
Lebih terperinciBAB III METODE PENELITIAN. penelitian yang tepat dalam sebuah penelitian ditentukan guna menjawab
BAB III METODE PENELITIAN Metode peelitia merupaka suatu cara atau prosedur utuk megetahui da medapatka data dega tujua tertetu yag megguaka teori da kosep yag bersifat empiris, rasioal da sistematis.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi
Lebih terperinciPertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd
Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag
Lebih terperinciBAB III METODOLOGI PENELITIAN
22 BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka di tiga kator PT Djarum, yaitu di Kator HQ (Head Quarter) PT Djarum yag bertempat di Jala KS Tubu 2C/57 Jakarta Barat,
Lebih terperinciP r o s i d i n g 149
P r o s i d i g 149 PENGENDALIAN KUALITAS PRODUK KOPI TRADISIONAL DALAM RANGKA MENINGKATKAN KEPUASAN KONSUMEN Heptari Elita Dewi (1), Aisa Aprilia (2), Heru Satoso Hadi Subagyo (3) Fakultas Pertaia, Uiversitas
Lebih terperinciESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika
Wed 6/0/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato tatistika Deskriptif Iferesi Estimasi Uji Hipotesis Titik Retag Estimasi da Uji Hipotesis Dilakuka setelah peelitia dalam tahap pegambila suatu
Lebih terperinciIV. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan pada bulan September sampai Desember
IV. METODOLOGI PENELITIAN 4.1. Metode Peelitia 4.1.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka pada bula September sampai Desember 2009, bertempat di Laboratorium Terpadu IPB yag beralamat di Kampus
Lebih terperinciPETA KONSEP RETURN dan RISIKO PORTOFOLIO
PETA KONSEP RETURN da RISIKO PORTOFOLIO RETURN PORTOFOLIO RISIKO PORTOFOLIO RISIKO TOTAL DIVERSIFIKASI PORTOFOLIO DENGAN DUA AKTIVA PORTOFOLIO DENGAN BANYAK AKTIVA DEVERSIFIKASI DENGAN BANYAK AKTIVA DEVERSIFIKASI
Lebih terperinciMata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4
Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika
Lebih terperinciIV METODE PENELITIAN
IV METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di PT. Bak Bukopi, Tbk Cabag Karawag yag berlokasi pada Jala Ahmad Yai No.92 Kabupate Karawag, Jawa Barat da Kabupate Purwakarta
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu
Lebih terperinciPengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)
Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu
Lebih terperinci9 Departemen Statistika FMIPA IPB
Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351 9 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Pegatar Aalisis utuk Data Respo Kategorik Data respo kategorik Sebara
Lebih terperinciBAB IV PENELITIAN. menggunakan sensor mekanik limit switch sebagai mekanis hitungnya
BAB IV PENELITIAN 4.1 Spesifikasi Alat Coloy couter didesai khusus agar diperutuka bagi user utuk membatu meghitug sekaligus megaalisa jumlah media dega megguaka sesor mekaik limit switch sebagai mekais
Lebih terperinciBAB IV PENELITIAN Gambar Alat Untuk gambar alat dapat dilihat pada gambar 4.1. dibawah ini: Gambar 4.1. Modul Alat Tugas Akhir
43 BAB IV PENELITIAN 4.1. Spesifikasi Alat Nama Alat : Had dryer Dilegkapi Dega UV Steril da Pompa Caira Sabu Otomatis. Tegaga : 0 V Frekuesi : 50-60 Hz Daya : 350 Watt 4.. Gambar Alat Utuk gambar alat
Lebih terperinciBAB III METODE PENELITIAN. cuci mobil CV. Sangkara Abadi di Bumiayu. Metode analisis yang dipakai
20 BAB III METODE PENELITIAN 3.1 Jeis Peelitia Peelitia ii merupaka aalisis tetag kelayaka ivestasi usaha cuci mobil CV. Sagkara Abadi di Bumiayu. Metode aalisis yag dipakai adalah metode aalisis kuatitatif
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian ini adalah penelitian pengembangan (research and
BAB III METODE PENELITIAN A. Jeis Peelitia Jeis peelitia ii adalah peelitia pegembaga (research ad developmet), yaitu suatu proses peelitia utuk megembagka suatu produk. Produk yag dikembagka dalam peelitia
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma
Lebih terperinci3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian
19 3 METODE PENELITIAN 3.1 Keragka Pemikira Secara rigkas, peelitia ii dilakuka dega tiga tahap aalisis. Aalisis pertama adalah megaalisis proses keputusa yag dilakuka kosume dega megguaka aalisis deskriptif.
Lebih terperinciIII. METODE PENELITIAN
30 III. METODE PENELITIAN A. Metode Dasar Peelitia Metode yag diguaka dalam peelitia adalah metode deskriptif, yaitu peelitia yag didasarka pada pemecaha masalah-masalah aktual yag ada pada masa sekarag.
Lebih terperinciPedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai
PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan.
9 III. METODOLOGI PENELITIAN A. Populasi Da Sampel Peelitia ii dilaksaaka di MTs Muhammadiyah Natar Lampug Selata. Populasiya adalah seluruh siswa kelas VIII semester geap MTs Muhammadiyah Natar Tahu Pelajara
Lebih terperinciIII PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah
III PEMBAHASAN Pada bagia ii aka diformulasika masalah yag aka dibahas. Solusi masalah aka diselesaika dega Metode Dekomposisi Adomia. Selajutya metode ii aka diguaka utuk meyelesaika model yag diyataka
Lebih terperinciBAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.
BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN 3.1. DIAGRAM ALIR PENELITIAN Perumusa - Sasara - Tujua Pegidetifikasia da orietasi - Masalah Studi Pustaka Racaga samplig Pegumpula Data Data Primer Data Sekuder
Lebih terperinciPenyelesaian: Variables Entered/Removed a. a. Dependent Variable: Tulang b. All requested variables entered.
2. Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a) Hitug Sum of Square for Regressio (X) b) Hitug Sum of Square for Residual c) Hitug Meas Sum of Square for Regressio (X) d) Hitug
Lebih terperinciBAB 3 METODE PENELITIAN
Sedagka itegrasi ruas kaa utuk ersamaa (3b) diperoleh ds / = S... (36) Dega demikia pesamaa yag harus dipecahka adalah l 1 1 u u = S (37) Dari ersamaa (37) diperoleh persamaa utuk u u S = exp S 1exp S...
Lebih terperinciYang biasa dinamakan test komposit lawan komposit. c. Hipotesis mengandung pengertian minimum. Perumusan H 0 dan H 1 berbentuk :
PARAMETER PENGJIAN HIPOTESIS MODL PARAMETER PENGJIAN HIPOTESIS. Pedahulua Kalau yag sedag ditest atau diuji itu parameter θ dalam hal ii pegguaaya ati bias rata-rata µ prprsi p, simpaga baku σ da lai-lai,
Lebih terperinciPendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X
Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..
Lebih terperincisimulasi selama 4,5 jam. Selama simulasi dijalankan, animasi akan muncul pada dijalankan, ProModel akan menyajikan hasil laporan statistik mengenai
37 Gambar 4-3. Layout Model Awal Sistem Pelayaa Kedai Jamoer F. Aalisis Model Awal Model awal yag telah disusu kemudia disimulasika dega waktu simulasi selama 4,5 jam. Selama simulasi dijalaka, aimasi
Lebih terperinciBAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL
BAB VIII MASAAH ESTIMASI SAT DAN DA SAMPE 8.1 Statistik iferesial Statistik iferesial suatu metode megambil kesimpula dari suatu populasi. Ada dua pedekata yag diguaka dalam statistik iferesial. Pertama,
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Daerah peelitia adalah Kota Bogor yag terletak di Provisi Jawa Barat. Pemiliha lokasi ii berdasarka pertimbaga atara lai: (1) tersediaya Tabel Iput-Output
Lebih terperinciBAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.
BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek
Lebih terperinciNama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL
Nama : INDRI SUCI RAHMAWATI NIM : 2015-32-005 ANALISIS REGRESI SESI 01 HAL. 86-88 Latiha 2 Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a. Hitug Sum of Square for Regressio (X) b.
Lebih terperinciIV. METODE PENELITIAN. berdasarkan tujuan penelitian (purposive) dengan pertimbangan bahwa Kota
IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia ii dilaksaaka di Kota Bogor Pemiliha lokasi peelitia berdasarka tujua peelitia (purposive) dega pertimbaga bahwa Kota Bogor memiliki jumlah peduduk yag
Lebih terperinciBAB IV ANALISIS HIDROLOGI DAN PERHITUNGANNYA
BAB IV ANALII HIDROLOGI DAN PERHITUNGANNYA 4.1. TINJAUAN UMUM Dalam merecaaka ormalisasi sugai, aalisis yag petig perlu ditijau adalah aalisis hidrologi. Aalisis hidrologi diperluka utuk meetuka besarya
Lebih terperinciIII. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011
III. METODE PENELITIAN A. Latar Peelitia Peelitia ii merupaka peelitia yag megguaka total sampel yaitu seluruh siswa kelas VIII semester gajil SMP Sejahtera I Badar Lampug tahu pelajara 2010/2011 dega
Lebih terperinciMETODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa
19 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah seluruh siswa kelas VIII SMP Negeri 8 Badar Lampug tahu pelajara 2009/2010 sebayak 279 orag yag terdistribusi dalam tujuh
Lebih terperinciBAB III METODE PENELITIAN. Lokasi penelitian ini dilakukan di Puskesmas Limba B terutama masyarakat
38 3.1 Lokasi da Waktu Peelitia 3.1.1 Lokasi Peelitia BAB III METODE PENELITIAN Lokasi peelitia ii dilakuka di Puskesmas Limba B terutama masyarakat yag berada di keluraha limba B Kecamata Kota Selata
Lebih terperinciIII. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain
III. METODE PENELITIAN 3.1 Jeis da Sumber Data Data yag diguaka pada peelitia ii merupaka data sekuder yag diperoleh dari Bada Pusat Statistik (BPS) Provisi NTB, Bada Perecaaa Pembagua Daerah (BAPPEDA)
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Sebagai hasil penelitian dalam pembuatan modul Rancang Bangun
47 BAB IV HASIL DAN PEMBAHASAN Sebagai hasil peelitia dalam pembuata modul Racag Bagu Terapi Ifra Merah Berbasis ATMega8 dilakuka 30 kali pegukura da perbadiga yaitu pegukura timer/pewaktu da di badigka
Lebih terperinciPerbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling
Jural Gradie Vol No Juli 5 : -5 Perbadiga Power of Test dari Uji Normalitas Metode Bayesia, Uji Shapiro-Wilk, Uji Cramer-vo Mises, da Uji Aderso-Darlig Dyah Setyo Rii, Fachri Faisal Jurusa Matematika,
Lebih terperinciMasih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi.
Distribusi Samplig (Distribusi Pearika Sampel). Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,
Lebih terperinciNama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL
Nama : INDRI SUCI RAHMAWATI NIM : 2015-32-005 ANALISIS REGRESI SESI 01 HAL. 85-88 Latiha 1 Pelajari data dibawah ii, tetuka depede da idepedet variabel serta a. Hitug Sum of for Regressio (X) b. Hitug
Lebih terperinciBAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)
BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) Setiap peelitia selalu berkeaa dega sekelompok data. Yag dimaksud kelompok disii adalah: Satu orag mempuyai sekelompok data, atau sekelompok orag mempuyai satu
Lebih terperinci