JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-31
|
|
- Susanti Lesmana
- 6 tahun lalu
- Tontonan:
Transkripsi
1 JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 202) ISSN: X D-3 Optimasi Multirespo Metode Taguchi dega Pedekata Quality Loss Fuctio (Study Kasus Proses Pembakara CO da Temperatur Gas Buag Pada Boiler di PLTU Paito Swasta Phase II) Dia Susaa Heri, da Soy Suaryo Jurusa Statistika, Fakultas Matematika da Ilmu Pegetahua Alam, Istitut Tekologi Sepuluh Nopember (ITS) Jl. Arief Rahma Hakim, Surabaya 60 Abstrak Pembagkit Listrik Teaga Uap (PLTU) Paito Phase II merupaka pembagkit listrik swasta PMA (Peaama Modal Asig) yag megguaka baha bakar batubara. Pada pembagkit listrik ii terjadi beberapa perubaha eergi. Pada perubaha eergi kimia mejadi eergi paas yag palig redah efisiesiya sehigga peelitia lebih dipusatka pada perubaha ii. Peelitia kali ii bertujua utuk meetuka variabel-variabel proses yag sigifika da meetuka kombiasi settig variabel proses yag megoptimalka pembakara gas CO da temperatur gas keluara cerobog pada PLTU II Paito dega megguaka metode Quality Loss Fuctio. Metode Quality Loss Fuctio memiliki kelebiha dibadigka dega metode-metode sebelumya yaitu metode ii pegerjaaya lebih sigkat. Hasil dari metode ii diperoleh variabel yag sigifika adalah faktor A Tiltig (pegarah osel) da C kombiasi elevasi osel sehigga diperoleh kombiasi settig kodisi optimum yaitu A 3 B 2 C 3 D 3. Hasil prediksi CO dega kualitas smaller the better sebesar (mg/nm 3 ) da temperatur gas buag dega kualitas omial the best diperoleh ilai prediksi sebesar C. Kata Kuci Gas CO, Temperatur da Quality Loss Fuctio I. PENDAHULUAN EMBANGKIT Listrik Teaga Uap (PLTU) Paito Phase PII merupaka perusahaa pembagkit listrik swasta PMA (Peaama Modal Asig) yag terletak di Jawa Timur. Pembagkit listrik ii memiliki dua buah uit pembagkit yag megguaka baha bakar batubara sebagai pembagkit boilerya. Pada prisipya proses pembagkit listrik teaga uap ii merupaka ragkaia perubaha eergi yag megubah eergi kimia mejadi eergi paas dalam betuk uap paas didalam boiler. Eergi paas dalam betuk uap paas ii kemudia diubah mejadi eergi mekaik/kietik oleh turbi yag aka diubah mejadi eergi listrik []. Perubaha eergi kimia mejadi eergi paas merupaka perubaha yag palig redah efisiesiya sehigga peelitia ii lebih dipusatka pada perubaha eergi ii. Megoptimalka proses pembakara di dalam boiler dilakuka dega meetuka variabel-variabel yag berpegaruh terhadap proses pembakara beserta levellevelya, meetuka respo-respo yag mewakili performace pembakara da faktor-faktor oise yaitu faktor yag tidak bisa dikedalika. Pada peelitia ii metode yag diguaka adalah metode Taguchi, tetapi karea bayakya respo lebih dari satu (multirespo) maka utuk megatasi kasus tersebut dilakuka pedekata Quality Loss Fuctio. Peelitia tetag kasus yag sama optimasi multirespo dega Taguchi sebelumya dilakuka oleh [] da tetag metode yag sama sebelumya perah dilakuka oleh [2]. Tujua dari peelitia ii adalah utuk meetuka variabel-variabel proses yag sigifika terhadap gas CO da temperatur gas keluara serta meetuka kombiasi settig variabel proses yag megoptimalka pembakara gas CO da temperature gas keluara cerobog pada PLTU Paito phase II. A. Metode Taguchi II. TINJAUAN PUSTAKA Metode Taguchi pertama kali dikealka oleh Dr. Geichi Taguchi. Sasara metode Taguchi sediri adalah megoptimalka fugsi tujua yag secara berubah-ubah da meguragi sesitivitas terhadap faktor yag tak terkedali [3]. Pada metode Taguchi terdapat dua kompoe utama yaitu Sigal to Noise Ratio (SN Ratio) da Orthogoal array yag diguaka utuk meetuka jumlah eksperime miimal yag dapat memberi iformasi sebayak mugki semua faktor yag mempegaruhi parameter [4]. Pada peelitia Orthogoal array yag diguaka adalah: 3 L 27 ( 3 ) L : Meyataka desig Lati Square orthogoal array
2 JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 202) ISSN: X D : Meyataka jumlah percobaa yag dibutuhka ketika megguaka orthogoal array 3 : Meyataka Jumlah faktor yag diamati dalam orthogoal array 3 : Meyataka jumlah level pada setiap faktor L L : loss fuctio dari karakteristik performa ke-i pada eksperime ke-j yag telah diormalisasi. : rata-rata loss fuctio dari karakteristik prforma ke-i pda eksperime ke-j. B. Metode Quality Loss Fuctio Quality Loss Fuctio adalah metode yag efisie utuk optimasi karakteristik gada Nilai loss fuctio tersebut dapat dihitug dega megguaka persamaa berikut ii [2]:. Karakteristik semaki kecil semaki baik (Smaller The Better) Persamaa merupaka perhituga loss fuctio dega karakteristik kualitas Smaller The Better (S.T.B) adalah sebagai berikut: k 2 L = y p () p= 2. Karakteristik ilai tertetu adalah yag terbaik (Nomial the best) Perhituga loss fuctio dega karakteristik kualitas ilai target tertetu berupa ilai omial terbaik (N.T.B) dapat dihitug dega megguaka persamaa 2 sebagai berikut: k 2 L = ( yp m) (2) p= 3. Karakteristik semaki besar semaki baik (Larger The Better) Persamaa 3 merupaka perhituga loss fuctio dega karakteristik kualitas (Larger The Better) (L.T.B) adalah sebagai berikut: L = k p= y 2 p L : loss fuctio dari karakteristik performa ke-i pada eksperime ke-j : Jumlah replikasi y p : ilai dari karakteristik performa ke-i pada eksperime ke-j saat replikasi ke-p k : koefisie biaya Pada proses optimasi masig-masig karakteristik yag diteliti memiliki ilai satua yag berbeda. Proses ormalisasi quality loss fuctio pada persamaa 4 di bawah ii diguaka utuk meormalisasi ilai k : L N = (4) L (3) Metode pembobota pada fugsi quality loss fuctio seperti pada persamaa 5 berikut ii diguaka utuk memberika bobot pada faktor yag telah diormalisasika pada persamaa 4: TL j = m i= w N i TL j : total loss fuctio pada eksperime ke-j m : jumlah karakteristik performa yag diamati w i : faktor pembobota utuk karakteristik performa ke-i Sebelum melakuka perhituga ilai total loss fuctio pada persamaa 5 maka dilakuka perhituga ilai bobot terlebih dahulu dega megguaka persamaa 6 sebagai berikut: E oo = Max θ = (6) Dega kedala : j =,, u, u 2,, u s 0 v, v 2,, v m 0 u r da v i adalah bobot output ke-r da iput ke-i yag aka dicari ilai optimalya dari model tersebut. x i adalah ilai iput ke-i. y r adalah ilai output ke-r. Total loss fuctio yag diperoleh pada persamaa 5 kemudia di trasformasika ke dalam sigal to oise rasio [] dega megguaka persamaa 7 berikut ii: η = 0log (7) j TL j III. METODOLOGI PENELITIAN A. Data da Variabel Peelitia Data yag diguaka dalam peelitia ii adalah data sekuder yag diperoleh dari tugas akhir []. Variabel-variabel dalam peelitia ii adalah: a. Respo Y = Kaduga gas CO dega karakteristik smaller the better Y 2 = Temperatur gas keluara cerobog dega karakteristik omial is better b. Faktor (variabel prediktor). A tiltig (pegarah osel) ada 3 level: (5)
3 JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 202) ISSN: X D-33 A = + 0 derajat (megarah ke atas) A 2 = 0 derajat (horisotal) A 3 = -0 derajat (megarah ke bawah) 2. B distribusi udara (ilai bias OFA) ada 3 level: B = bias OFA 0,8 (kosetrasi udara ke atas OFA) B 2 = bias OFA 0 (distribusi udara merata atara OFA da Wibox) B 3 = bias OFA,2 (kosetrasi udara kearah widbox) 3. C kombiasi elevasi osel ada 3 level: C = bias OFA 0,8 (kosetrasi udara ke atas OFA) C 2 = bias OFA 0 (distribusi udara merata atara OFA da Wibox) C 3 = bias OFA,2 (kosetrasi udara kearah widbox) 4. D tarika furace ada 3 level: D = Tarika furace -.2 mbar D 2 = Tarika furace -.4 mbar D 3 = Tarika furace -.6 mbar B. Lagkah-Lagkah Aalisis Lagkah-lagkah yag dilakuka dalam peelitia ii adalah sebagai berikut.. Meghitug derajat bebas pada masig-masig faktor df = A+B+C+D+AB+BC+AC = (3-)+ (3-)+ (3-)+ (3-)+(3-)(3-)+ (3-)(3-)+ (3-)(3-) = = Meetuka Orthogoal array yag aka diguaka, karea ilai df yag dihasilka sebesar 20 maka racaga Orthogoal array yag diguaka pada tabel adalah 3 L 27 ( 3 ) Tabel. Orthogoal array eks Variabel proses Meghitug ilai quality loss fuctio pada orthogoal array pada gas CO da temperature keluara cerobog. Kaduga gas CO dega karakteristik smaller the better bisa dihitug dega persamaa da temperatur dega karakteristik omial the best bisa dihitug dega persamaa Jika satua karekteristik berbeda pada setiap respo maka diormalisasi dega megguaka persamaa 4 5. Meetapka faktor pembobota yag tepat pada variabelvariabel yag telah diormalka dega megguaka persamaa 6 6. Meghitug ilai total loss fuctio dega persamaa 5 7. Meghitug sigal to oise ratio dega megguaka persamaa 7 8. Nilai sigal to oise ratio yag diperoleh selajutya diaalisa dega megguaka metode Taguchi sehigga diperoleh proses pembakara yag optimal pada boiler. IV. ANALISIS DAN PEMBAHASAN A. Perhituga ilai Loss Fuctio Berikut ii merupaka hasil perhituga ilai loss fuctio utuk:. Kaduga Gas CO Pada variabel kaduga gas Co memiliki karakteristik kualitas low is better (smaller is better) sehigga dalam peetua kodisi umum dipilih ilai yag terkecil. Pada tabel 2 di bawah ii merupaka perhituga ilai loss fuctio utuk variabel respo kaduga gas CO: Tabel 2. Nilai Loss Fuctio Gas CO Loss Fuctio Loss Fuctio 379, , , , , , , , , , , , , , , , , , , , , , , , , , ,00 2. Temperature Gas Buag Pada variabel kaduga temperatur gas buag memiliki karakteristik kualitas omial is the best, maka melihat ilai
4 JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 202) ISSN: X D-34 yag semaki medekati target adalah yag dipilih dalam peetua kodisi optimum. Besar target yag ditetuka perusahaa adalah 35. Tabel 3 dibawah ii merupaka perhituga ilai loss fuctio utuk variabel respo temperatur gas buag: Tabel 3. Nilai Loss Fuctio Temperatur Gas Keluara Loss fuctio Loss fuctio 84,05 4 2, , 5 3,94 3 2, , ,35 7 6,84 5 9,23 8,44 6 3,95 9 9,2 7 30, ,74 8 7,88 2,5 9 8, , ,70 23,3 0, ,72 2 5, ,86 3 8,4 26,3 27 2,02 B. Perhituga Nilai Normalisasi Loss Fuctio Pada variabel gas Co da temperature gas buag memiliki ilai satua karakteristik yag berbeda maka dari itu dilakuka ormalisasi. Pada tabel 4 da 5 di bawah ii merupaka perhituga ormalisasi dari ilai loss fuctio gas CO da temperature gas buag:. Kaduga Gas Co Pada tabel 4 di bawah ii merupaka hasil perhituga ormalisasi kaduga gas CO: Tabel 4. Nilai Normalisasi Gas CO Normalisasi Normalisasi 0,77 5 0,2 2,27 6 0,70 3 2,8 7 0,65 4 0,62 8,8 5 0,55 9,29 6 0,37 20,3 7 2,05 2,77 8 0, ,50 9, ,76 0, ,83 0,83 25,76 2 0,74 26,53 3 0,3 27,4 4 0,03 2. Kaduga Temperature Keluara Pada tabel 5 berikut ii merupaka hasil perhituga ormalisasi kaduga temperature gas buag: Tabel 5. Nilai Normalisasi Temperatur Gas Keluara Normalisasi Normalisasi 5,45 5 0,26 2 2,28 6,56 3 0,83 7 0,44 4 3,4 8 0,09 5,25 9 0,59 Lajuta Tabel 5. Nilai Normalisasi Temperatur Gas Keluara Normalisasi Normalisasi 6 0,9 20 0,37 7,96 2 0,07 8,6 22 0,50 9 0, ,07 0, ,8 0, ,32 2 0, ,09 3,8 27 0,5 4 0,78 C. Total Loss Fuctio Berdasarka hasil ormalisasi pada tabel 4 da 5 dilakuka peggabuga atara respo kaduga gas CO da temperature gas buag dega cara memberi bobot pada masig-masig respo kemudia didapatka ilai total loss fuctio. Pada tabel 6 berikut ii merupaka hasil pembobot yag diperoleh dega meguaka persamaa 6: Tabel 6. Program Liier DEA utuk Pertama model: max= * u; 6,50 * v + 43,90 * v2 = ; *u <= 6,50 * v + 43,90 * v2 ; *u <= 79,00 * v + 40,83 * v2 ; *u <= 03,50 * v + 38,45 * v2 ; *u <= 55,00 * v + 4,85 * v2 ; *u <= 52,00 * v + 39,23 * v2 ; *u <= 42,75 * v + 38,60 * v2 ; *u <= 00,50 * v + 40,35 * v2 ; *u <= 69,00 * v + 39,5 * v2 ; *u <= 88,50 * v + 37,75 * v2 ; *u <= 7,50 * v + 40,8 * v2 ; *u <= 63,75 * v + 38,08 * v2 ; *u <= 60,25 * v + 37,5 * v2 ; *u <= 38,75 * v + 39,3 * v2 ; *u <=,00 * v + 38,33 * v2 ; *u <= 3,75 * v + 36,58 * v2 ; *u <= 58,75 * v + 39,73 * v2 ; *u <= 56,50 * v + 37,35 * v2 ; *u <= 76,25 * v + 35,20 * v2 ; *u <= 79,75 * v + 37,85 * v2 ; *u <= 74,50 * v + 37,8 * v2 ; *u <= 93,50 * v + 34,93 * v2 ; *u <= 49,50 * v + 37,55 * v2 ; *u <= 6,25 * v + 35,60 * v2 ; *u <= 64,00 * v + 33,90 * v2 ; *u <= 93,00 * v + 36,90 * v2 ; *u <= 87,00 * v + 34,80 * v2 ; *u <= 83,50 * v + 33,83 * v2 ; u >= 0 ; v >= 0 ; v2 >= 0 ; ed
5 JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 202) ISSN: X D-35 Setelah melakuka perhituga dega megguaka program liier seperti pada tabel 6, maka aka didapatka ilai bobot seperti pada tabel 7 berikut ii: Tabel 7. Nilai Total Loss Fuctio TL TL 5,09 5 0,25 2 2,27 6,49 3 0,83 7 0,46 4 2,94 8 0,0 5,9 9 0,59 6 0, ,38 7,96 2 0,07 8,6 22 0,50 9 0, ,3 0, ,23 0,7 25 0,32 2 0, ,09 3, 27 0,5 4 0,03 D. Nilai Sigal to Noise Ratio Sigal to Noise Ratio merupaka ilai trasformasi dari beberapa pegulaga data sehigga ilaiya mewakili kualitas peyajia. Dalam peelitia ii ilai sigal to oise ratio didapatka dari ilai total loss fuctio dari masigmasig ilai respo yag telah diboboti. Pada tabel 8 berikut ii merupaka ilai SN ratio: Tabel 8. SN Ratio SN (db) SN (db) -7,07 5 5,99 2-3,57 6 -,73 3 0,82 7 3,38 4-4,69 8 0,2 5-0,77 9 2,26 6 0, ,26 7-2,92 2,28 8-0, ,04 9 2,6 23 9,0 0-2, ,45, ,02 2 4, ,72 3-0, ,8 4 5,93 Hasil perhituga SN ratio tersebut diguaka dalam aalisis varias. Pada metode ii diguaka utuk melihat faktor-faktor yag secara sigifika mempegaruhi variabel respo. Tabel 9 berikut ii hasil aalisis varia: Sumber Variasi db Tabel 9. Aalysis Of Variace SN Ratio Jumlah Kuadrat Rata-rata Kuadrat F hitug P- value A 2 334,09 67,04 5,98 0,00 B 2 4,85 20,93 2,00 0,22 C 2 223,40,70 0,69 0,0 D 2 0,09 0,05 0,00,00 A*B 4 34,55 8,64 0,83 0,55 A*C 4 25,67 6,42 0,6 0,67 B*C 4 59,35 4,84,42 0,33 Residual Error 6 62,72 0,45 Total 26 78,73 Berdasarka hasil aova pada tabel 9 didapatka beberapa faktor yag tidak sigifika maka dari itu dilakuka peggabuga. Pada tabel 0 berikut ii merupaka hasil ANOVA yag sudah digabugka (poolig): Tabel 0. Aalysis Of Variace SN Ratio (Poolig) Jumlah Rata-rata db F-hit Kuadrat Kuadrat Sumber Variasi P-value A 2 334,0 67,04 6,39 0,00 C 2 223,40,70 0,96 0,00 Residual Error ,20 0,9 Total 26 78,70 Berdasarka Tabel 0 diatas dapat diketahui bahwa faktor yag sigifika da perbegaruh terhadap respo adalah faktor A yaitu tiltig ( sudut pegarah osel) da juga faktor C yaitu kombiasi elevasi osel yag memiliki ilai P-value < α (0,05) yaitu A tiltig dega p-value 0,00 < 0,05 da C kombiasi elevasi osel dega p -value 0,00< 0,05 E. Meetuka Kodisi Optimum Pada tabel di bawah ii merupaka hasil kodisi optimum pada masig-masig respo: Tabel. Level-level kodisi optimum pada kaduga gas CO da temperature gas buag Level A B C D -,73,24 -,0 2,98 2 4,05 3,90 4,42 2,94 3 6,69 3,86 5,59 3,08 Delta 8,42 2,66 6,60 0,4 Rak Berdasarka tabel diatas didapatka hasil-hasil level pada kodisi optimum, sehigga dari sii dapat dilihat bahwa settig variabel pada kodisi optimum adalah A 3 B 2 C 3 D 3 yaitu tiltig (sudut pegarah osel) -0 derajat (megarah ke bawah), bis OFA 0 (distribusi udara merata atara OFA da wid-box), elevasi osel bawah (elevasi A, elevasi B, elevasi C, elevasi D, elevasi E), tarika furace,6 mbar. F. Perbadiga Nilai Optimum Atara TOPIS, Fuzzy Logic da Loss Fuctio Nilai optimum yag diperoleh dari aalis megguaka metode TOPSIS, fuzzy logic da loss fuctio dapat dilihat pada tabel 2 berikut ii:
6 JURNAL SAINS DAN SENI ITS Vol., No., (Sept. 202) ISSN: X D-36 Tabel 2. Perbadiga ilai optimum pada tiga metode Metode yg Kodisi diguaka Optimum Respo Nilai prediksi TOPSIS A 3 B 3 C 3 D 3 CO 97,87 (mg/nm 3 ) Temperatur 33,09 0 C Fuzzy Logic A 3 B 2 C 2 D 2 CO 6,03 (mg/nm 3 ) Temperatur 35,9 0 C Loss Fuctio A 3 B 2 C 3 D 3 CO 66,4 (mg/nm 3 ) Temperatur 33,59 0 C Prediksi utuk kaduga gas CO da temperature gas buag pada tabel 2 metode fuzzy logic merupaka metode yag palig baik dibadigka dega metode loss fuctio da TOPSIS karea ilai prediksi yag dihasilka metode fuzzy logic lebih medekati karakteristik dari masig-masig respo. Metode loss fuctio sediri memiliki hasil prediksi utuk CO da temperature gas buag lebih baik daripada metode TOPSIS. Nilai prediksiya utuk CO dega karakteristik smaller the better utuk loss fuctio sebesar 66,4 (mg/nm 3 ) dibadigka dega ilai TOPSIS sebesar 97,87 (mg/nm 3 ). Sedagka utuk ilai temperature gas buag dega kualitas omial the best dega target dari perusahaa sebesar 35 metode loss fuctio meghasilka ilai sebesar 33,59 0 C da utuk metode TOPSIS memiliki ilai prediksi sebesar 33,09 0 C. Nilai-ilai prediksi diatas dapat dilihat juga pada cofidece iterval yag dapat diguaka utuk meghitug kodisi optimum pada tabel 3 dibawah ii: Tabel 3. Cofidece Iterval pada tiga metode Metode Respo CI Karakteristik TOPSIS CO 93,86<µ<0,87 STB Temperatur 32,89<µ<33,30 NTB Fuzzy Logic Loss Fuctio CO 57,02<µ<65,03 STB Temperatur 35,5<µ<35,93 NTB CO STB 62,3<µ<70,4 Temperatur 33,38<µ<33,79 NTB Berdasarka tabel 3 diatas dapat diketahui bahwa ilai prediksi pada ke tiga metode diatas berada pada cofidace iterval yag telah ditetuka. Pada cofidace iterval diatas juga bisa diaalisis metode yag meghasilka ilai palig baik adalah metode fuzzy logic karea metode ii memiliki iterval yag palig medekati dega kualitas karakteristik dari masig-masig respo yaitu CO da temperature gas buag. dega elevasi osel bawah (elevasi A, elevasi B, elevasi C, elevasi D, elevasi E), da factor D tarika udara pada furace dega tarika furace -,6 mbar. Sehigga dega megguaka metode Loss Fuctio utuk kodisi optimum proses pembakara pada boiler didapatka kombiasi settig A 3 B 2 C 3 D 3. Berdasarka ilai prediksi dari gas CO da temperature gas buag dega megguaka 3 metode yaitu metode TOPSIS, Fuzzy Logic, da Loss Fuctio ilai prediksi yag palig bagus dihasilka oleh Fuzzy Logic yaitu (mg/nm 3 ) da Loss Fuctio memiliki ilai prediksi yag lebih bagus daripada ilai prediksi TOPSIS utuk gas CO adalah (mg/nm 3 ) dibadigka hasil TOPSIS yaitu (mg/nm 3 ) sedagka utuk temperature gas buagya palig bagus dega metode Fuzzy Logic C, sedagka utuk loss fuctio da TOPSIS hasilya jauh dari target yag telah ditetuka yaitu C da C, amu atara loss fuctio da TOPSIS hasil prediksiya lebih bagus metode loss fuctio. DAFTAR PUSTAKA [] V. Medyaigsih, Optimasi Multirespo Dega Metode Fuzzy Logic (Study Kasus Proses Pembakara CO Da Temperatur Gas Buag Pada Boiler Di PLTU Paito Swasta Phase II), Tugas Akhir: Jurusa Statistika Fakultas Matematika da Ilmu Pegetahua Alam, Istitut Tekologi Sepuluh Nopember, Surabaya (20). [2] Gaitode,V. N., Karik S. R., Achyutha. B. T., da Siddeswarappa. B (2006). Multi-Respose Optimizatio I Drillig Usig Taguchi s Quality Loss Fuctio, Idia Joural of Eggieerig ad Materials Sciece, Vol. 3, No. 6 (2006) [3] S. Suaryo, Lecture Notes Taguchi Method. Jurusa Statistika, Fakultas Matematika da Ilmu Pegetahua Alam, Istitut Tekologi Sepuluh Nopember, Surabaya (202). [4] Sug H. Park, (996). Robust Desig Ad Aalysis for Quality Egieerig, New Delhi : PT. Palatio Thomso Press (2006). V. KESIMPULAN DAN SARAN A. Kesimpula Berdasarka aalisis yag telah dilakuka maka dapat ditarik kesimpula bahwa variabel-variabel proses yag sigifika terhadap gas CO da temperature gas keluara cerobog adalah factor A Tiltig (sudut pegarah osel) dega derajat 0 derajat (megarah ke bawah), factor B distribusi udara dega bias OFA 0 (distribusi udara merata atara OFA da wid-box), factor C kombiasi elevasi osel
Bab 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 terperinciOPTIMASI MULTIRESPON PEMBUATAN KERTAS DI PAPER MACHINE II PT. ADIPRIMA SARAPRINTA GRESIK DENGAN PENDEKATAN METODE FUZZY LOGIC ABSTRAK
OPTIMASI MULTIRESPON PEMBUATAN KERTAS DI PAPER MACHINE II PT. ADIPRIMA SARAPRINTA GRESIK DENGAN PENDEKATAN METODE FUZZY LOGIC Niswatu Qoitah, Dr. Brodjol Sutijo SU,M.Si Mahasiswa S Statistika FMIPA, Dose
Lebih terperinciPenerapan Pendekatan Gabungan Grey Relational Analysis (GRA) dan Principal Component Analysis (PCA) Pada Metode Taguchi Multirespon
Peerapa Pedekata Gabuga Grey Relatioal Aalysis (GRA) da Pricipal Compoet Aalysis (PCA) Pada Metode Taguchi Multirespo Nur Aprilia Rahmadai, Soy Suaryo, da Muhammad Sahid Akbar Jurusa Statistika, Fakultas
Lebih terperinciStudi Kasus Optimasi Proses Sizing Benang di P.T. XYZ
Studi Kasus Optimasi Proses Sizig Beag di P.T. XYZ Didik Wahjudi Dose Jurusa Tekik Mesi-Fakultas Tekologi Idustri, Uiversitas Kriste Petra Ceter for Quality Improvemet Jl. Siwalakerto -, Surabaya 609 dwahjudi@peter.petra.ac.id
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 terperinciPENENTUAN VARIABEL PERANCANGAN ECONOMIZER YANG ROBUST DAN MAMPU MEMENUHI MULTI TUJUAN (RESPON)
Prosidig Semiar Nasioal Maajeme Tekologi VI Program Studi MMT-ITS, Surabaya 4 Agustus 007 PENENTUAN VARIABEL PERANCANGAN ECONOMIZER YANG ROBUST DAN MAMPU MEMENUHI MULTI TUJUAN (RESPON (Studi Kasus Pada
Lebih terperinciOPTIMASI KUAT TEKAN, RESAPAN, DAN KEAUSAN PAVING BLOK ABU VULKANIK DENGAN PENDEKATAN THE FUZZY LOGICS
OPTIMASI KUAT TEKAN, RESAPAN, DAN KEAUSAN PAVING BLOK ABU VULKANIK DENGAN PENDEKATAN THE UZZY LOGICS Radi Nugraha Putra, DR.Brojol Sutijo SU.,M.Si Mahasiswa Jurusa Statistika, Dose Pembimbig Jurusa Statistika
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 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 terperinciBAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:
BAB III METODOLOGI PENELITIAN 3. Variabel da Defiisi Operasioal Variabel-variabel yag diguaka pada peelitia ii adalah: a. Teaga kerja, yaitu kotribusi terhadap aktivitas produksi yag diberika oleh para
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 terperinciJurnal Matematika Murni dan Terapan Epsilon Juni 2014 Vol. 8 No. 1 METODE TAGUCHI UNTUK PENINGKATAN KUALITAS MUTU PRODUK
Jural Matematika Muri da Terapa Epsilo Jui 4 Vol. 8 No. METODE TGUCHI UNTUK PENINGKTN KULITS MUTU PRODUK khriyadi Wijaarta, Nur Salam, Dewi ggraii Program Studi Matematika Fakultas MIP Ulam Jl. Jed.. Yai
Lebih terperinciBAB III METODE PENELITIAN
30 BAB III METODE PENELITIAN Peelitia pejadwala pembagkit termal ii adalah utuk membadigka metode Lagragia Relaxatio yag diajuka peulis dega metode yag diguaka PLN. Di sii aka diuji metode maa yag peramalaya
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 terperinciPerancangan Setting Level Optimal dan Penentuan Quality Loss Function pada Pembuatan Tegel dengan Metode Taguchi
Performa (3) Vol., No.: 3-39 Peracaga Settig Level Optimal da Peetua Quality Loss Fuctio pada Pembuata Tegel dega Metode Taguchi Dewi Marlia, Eko Pujiyato da Cucuk Nur Rosidi Jurusa Tekik Idustri, Uiversitas
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 terperinciPENENTUAN PANJANG GELOMBANG MAKSIMUM DAN KONSENTRASI CAMPURAN MENGGUNAKAN DUA JENIS SPEKTROFOTOMETRI UV-VIS
Lapora Praktikum Aalisis Istrumetal 2014 PENENTUAN PANJANG GELOMBANG MAKSIMUM DAN KONSENTRASI CAMPURAN MENGGUNAKAN DUA JENIS SPEKTROFOTOMETRI UV-VIS Norma Nur Azizah 1, Wula Suci P, Mohamad Rafi 1 Departeme
Lebih terperinciMATHunesa Jurnal Ilmiah Matematika Volume 1 No.6 Tahun 2017 ISSN
MATHuesa Jural Ilmiah Matematika Volume No.6 Tahu 207 ISSN 230-95 DESAIN EKSPERIMEN TAGUCHI DALAM OPTIMASI KUAT TEKAN BATU BATA edik Adika PROGRAM STUDI S- MATEMATIKA, AKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciBAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy
BAB III PEMBAHASAN Pada BAB III ii aka dibahas megeai betuk program liear fuzzy dega koefisie tekis kedala berbetuk bilaga fuzzy da pembahasa peyelesaia masalah optimasi studi kasus pada UD FIRDAUS Magelag
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 terperinciPENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN
PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,
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 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 terperinciIII. METODELOGI PENELITIAN
III. METODELOGI PENELITIAN A. Metode Peelitia Metode peelitia merupaka suatu cara tertetu yag diguaka utuk meeliti suatu permasalaha sehigga medapatka hasil atau tujua yag diigika, meurut Arikuto (998:73)
Lebih terperinciBAB IV PENGUMPULAN DAN PERHITUNGAN DATA
BAB IV PENGUMPULAN DAN PERHITUNGAN DATA 4.1 Meetuka udara masuk (efisiesi volumetrik) da efisiesi pegirima pada hasil uji 4.1.1 Rumus udara masuk (efisiesi volumetrik) da efisiesi pegirima Jumlah volume
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 terperinciDIKTAT KULIAH PENGENDALIAN & PENJAMINAN KUALITAS (IE-501)
DIKTAT KULIAH PENGENDALIAN & PENJAMINAN KUALITAS (IE-50) TOPIK 7: TAGUCHI PARAMETER DESIGN Diktat ii diguaka bagi mahasiswa Jurusa Tekik Idustri Fakultas Tekik Uiversitas Kriste Maraatha Disusu oleh: Ir.
Lebih terperinciBab 3 Metode Interpolasi
Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui
Lebih terperinciPendekatan Nilai Logaritma dan Inversnya Secara Manual
Pedekata Nilai Logaritma da Iversya Secara Maual Moh. Affaf Program Studi Pedidika Matematika, STKIP PGRI BANGKALAN affafs.theorem@yahoo.com Abstrak Pada pegaplikasiaya, bayak peggua yag meggatugka masalah
Lebih terperinciPERBANDINGAN METODE 2 K-P FRACTIONAL FACTORIAL DENGAN METODE TAGUCHI PADA PROSES PEMBUATAN FIBER GLASS
PERBANDINGAN METODE 2 K-P FRACTIONAL FACTORIAL DENGAN METODE TAGUCHI (Jai Rahardjo et al.) PERBANDINGAN METODE 2 K-P FRACTIONAL FACTORIAL DENGAN METODE TAGUCHI PADA PROSES PEMBUATAN FIBER GLASS Jai Rahardjo
Lebih terperinciBAB 3 DATA DAN METODOLOGI PENELITIAN
BAB 3 DATA DAN METODOLOGI PENELITIAN Pada Bab ii aka memberika iformasi hal yag berkaita dega lagkah-lagkah sistematis yag aka diguaka dalam mejawab pertayaa peelitia.utuk itu diperluka beberapa hal sebagai
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 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 terperinciBAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON
BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARA DAN FAKTOR DIKON 3.1 Ecoomic Order Quatity Ecoomic Order Quatity (EOQ) merupaka suatu metode yag diguaka utuk megedalika
Lebih terperinciMakalah ANALISIS REGRESI DAN REGRESI GANDA
1 Makalah ANALISIS REGRESI DAN REGRESI GANDA Disusu oleh : 1. Rudii mulya ( 41610010035 ). Falle jatu awar try ( 41610010036 ) 3. Novia ( 41610010034 ) Tekik Idustri Uiversitas Mercu Buaa Jakarta 010 Rudii
Lebih terperinciJURNAL TEKNOLOGI TECHNOSCIENTIA ISSN: Vol. 1 No. 2 Februari 2009
JURNAL TEKNOLOGI TECHNOSCIENTIA ISSN: 7-45 Vol. No. Februari 00 ANALISIS PENGENDALIAN KUALITAS MELALUI EVALUASI DAN PERBAIKAN PROSES PRODUKSI DENGAN PENDEKATAN METODE CONTROL CHART DAN METODE TAGUCHI Joko
Lebih terperinciBAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:
4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap
Lebih terperinciPENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN
PEDUGA RASIO UTUK RATA-RATA POPULASI MEGGUAKA KUARTIL VARIABEL BATU PADA PEGAMBILA SAMPEL ACAK SEDERHAA DA PEGATURA PERIGKAT MEDIA ur Khasaah, Etik Zukhroah, da Dewi Reto Sari S. Prodi Matematika Fakultas
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 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 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 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 terperinciPENAKSIR RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA SAMPLING GANDA
PEAKSIR RASIO UTUK RATA-RATA POPULASI MEGGUAKA KOEFISIE VARIASI DA KOEFISIE KURTOSIS PADA SAMPLIG GADA Heru Agriato *, Arisma Ada, Firdaus Mahasiswa Program S Matematika Dose Jurusa Matematika Fakultas
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 terperinciPOSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan
POSITRON, Vol. II, No. (0), Hal. -5 ISSN : 30-4970 Peetua Eergi Osilator Kuatum Aharmoik Megguaka Teori Gaggua Iklas Saubary ), Yudha Arma ), Azrul Azwar ) )Program Studi Fisika Fakultas Matematika da
Lebih terperinciPENGANTAR MODEL LINEAR Oleh: Suryana
PENGANTAR MODEL LINEAR Oleh: Suryaa Model liear meyagkut masalah statistik yag ketergatugaya terhadap parameter secara liear. Betuk umum model liear adalah 0 1X1... px p, dega = Variabel respo X i = Variabel
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 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 terperinciKAJIAN KONDISI PROSES DELIGNIFIKASI TEPUNG SOHUN DENGAN METODE TAGUCHI
KAJIAN KONDISI PROSES DELIGNIFIKASI TEPUNG SOHUN DENGAN METODE TAGUCHI Cyrilla Idri Parwati, Purawa Jurusa Tekik Idustri, Istitut Sais & Tekologi AKPRIND Yogyakarta Jurusa Tekik Ligkuga, Istitut Sais &
Lebih terperinciPENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno
sutiko PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK Sutiko Program Studi Tekik Iformatika Fakultas Sais da Matematika UNDIP tik@udip.ac.id
Lebih terperinciPerbandingan Beberapa Metode Pendugaan Parameter AR(1)
Jural Vokasi 0, Vol.7. No. 5-3 Perbadiga Beberapa Metode Pedugaa Parameter AR() MUHLASAH NOVITASARI M, NANI SETIANINGSIH & DADAN K Program Studi Matematika Fakultas MIPA Uiversitas Tajugpura Jl. Ahmad
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 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 terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, , Agustus 2003, ISSN : METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT
Vol. 6. No., 97-09, Agustus 003, ISSN : 40-858 METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT Robertus Heri Jurusa Matematika FMIPA UNDIP Abstrak Tulisa ii membahas peetua persamaa ruag
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 terperinciBAB 3 METODE PENELITIAN. Disini penerapan kriteria optimasi yang digunakan untuk menganalisis
BAB 3 METODE PENELITIAN 3.1 Peetapa Kriteria Optimasi Disii peerapa kriteria optimasi yag diguaka utuk megaalisis kebutuha pokok pada PT. Kusuma Kecaa Khatulistiwa yaitu : 1. Aalisis forecastig (peramala
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 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 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Disai Peelitia Tujua Jeis Peelitia Uit Aalisis Time Horiso T-1 Assosiatif survey Orgaisasi Logitudial T-2 Assosiatif survey Orgaisasi Logitudial T-3 Assosiatif survey Orgaisasi
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 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 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 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 terperinciRekayasa Mutu Besi Beton dengan Metode Taguchi
JURNAL TEKNIK MESIN Vol., No., Oktober 000: 0 08 Rekayasa Mutu Besi Beto dega Metode Taguchi Didik Wahjudi Dose Fakultas Tekologi Idustri Jurusa Tekik Mesi Uiversitas Kriste Petra Roche Alimi Dose Fakultas
Lebih terperinciMETODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc.
METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/0 SUGENG00 Copyright 996-98 Dale Caregie & Associates, Ic. Kesalaha ERROR: Selisih atara ilai perkiraa dega ilai eksakilai
Lebih terperinciPengujian Normal Multivariat T 2 Hotteling pada Faktor-Faktor yang Mempengaruhi IPM di Jawa Timur dan Jawa Barat Tahun 2007
1 Peguia Normal Multivariat T Hottelig pada Faktor-Faktor yag Mempegaruhi IPM di Jawa Timur da Jawa Barat Tahu 007 Dedi Setiawa, Zuy Iesa Pratiwi, Devi Lidasari, da Sati Puteri Rahayu Jurusa Statistika,
Lebih terperinciInstitut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan
Istitut Tekologi Sepuluh Nopember Surabaya Model Sistem dalam Persamaa Keadaa Pegatar Materi Cotoh Soal Rigkasa Latiha Pegatar Materi Cotoh Soal Rigkasa Istilah-istilah Dalam Persamaa Keadaa Aalisis Sistem
Lebih terperinciModul 2 PENGUKURAN JARAK ANTAR NODE MENGGUNAKAN X-Bee. RSSI 10x
Modul ENGUKURAN JARAK ANTAR NODE MENGGUNAKAN X-Bee. TUJUAN a. Memperkiraka jarak atar ode berdasarka model komuikasi irkabel b. Megukur kuat siyal terima dari modul komuikasi X Bee c. Medapatka karakteristik
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 terperinciJENIS PENDUGAAN STATISTIK
ENDUGAAN STATISTIK ENDAHULUAN Kosep pedugaa statistik diperluka utuk membuat dugaa dari gambara populasi. ada pedugaa statistik dibutuhka pegambila sampel utuk diaalisis (statistik sampel) yag ati diguaka
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1.Tempat da Waktu Peelitia ii dilakuka di ligkuga Kampus Aggrek da Kampus Syahda Uiversitas Bia Nusatara Program Strata Satu Reguler. Da peelitia dilaksaaka pada semester
Lebih terperinciPENAKSIRAN. Penaksiran Titik. Selang Kepercayaan untuk VARIANSI. MA2181 ANALISIS DATA Utriweni Mukhaiyar 17 Oktober 2011
PENAKSIRAN Peaksira Titik Peaksira Selag Selag Kepercayaa utuk RATAAN Selag Kepercayaa utuk VARIANSI MA8 ANALISIS DATA Utriwei Mukhaiyar 7 Oktober 0 Metode Peaksira Peaksira Titik Peaksira Selag Nilai
Lebih terperinciPENGGUNAAN ARTIFICIAL NEURAL NETWORK UNTUK PREDIKSI TEGANGAN PADA BALOK KASTELA HEKSAGONAL BENTANG 1 METER (001S)
PENGGUNAAN ARTIFICIAL NEURAL NETWORK UNTUK PREDIKSI TEGANGAN PADA BALOK KASTELA HEKSAGONAL BENTANG METER (00S) Ahmad Muhtarom Jurusa Tekik Sipil, Uiversitas Sriwijaya, Jl. Raya Palembag-Prabumulih KM.3
Lebih terperinciRange atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu
BAB 4 UKURAN PENYEBARAN DATA Pada Bab sebelumya kita telah mempelajari beberapa ukura pemusata data, yaitu ukura yag memberika iformasi tetag bagaimaa data-data ii megumpul atau memusat Pada bagia Bab
Lebih terperinciPENENTUAN LEVEL FAKTOR BENANG SLIVER
PENENTUAN LEVEL FAKTOR BENANG SLIVER YANG OPTIMAL PADA MESIN CARDING GUNA MEMPERBAIKI KUALITAS DI PT. INDUSTRI SANDANG NUSANTARA UNIT PATAL SECANG MAGELANG APPOINTMENT LEVEL FACTOR SLIVER YARN TO GET OPTIMAL
Lebih terperinciOptimasi Cranking Ampere Aki Di P.T. X
JURNAL TEKNIK MESIN Vol. 3, No., Oktober 001: 70 76 Optimasi Crakig Ampere Aki Di P.T. X Didik Wahjudi Dose Fakultas Tekologi Idustri Jurusa Tekik Mesi Uiversitas Kriste Petra Abstrak Produk aki di P.T.
Lebih terperinciUkuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus
-Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.
Lebih terperinciII. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang
II. LANDASAN TEORI Defiisi 2.1 Samplig Samplig adalah proses pegambila atau memilih buah eleme dari populasi yag berukura N (Lohr, 1999). Dalam melakuka samplig, terdapat teori dasar yag disebut teori
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 terperinciREGRESI LINIER GANDA
REGRESI LINIER GANDA Secara umum, data hasil pegamata Y bisa terjadi karea akibat variabelvariabel bebas,,, k. Aka ditetuka hubuga atara Y da,,, k sehigga didapat regresi Y atas,,, k amu masih meujukka
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 terperinciBab 7 Penyelesaian Persamaan Differensial
Bab 7 Peelesaia Persamaa Differesial Persamaa differesial merupaka persamaa ag meghubugka suatu besara dega perubahaa. Persamaa differesial diataka sebagai persamaa ag megadug suatu besara da differesiala
Lebih terperinciPENDUGAAN PARAMETER DARI DISTRIBUSI POISSON DENGAN MENGGUNAKAN METODE MAXIMUM LIKEHOOD ESTIMATION (MLE) DAN METODE BAYES
Jural Matematika UNAND Vol. 3 No. 4 Hal. 52 59 ISSN : 233 29 c Jurusa Matematika FMIPA UNAND PENDUGAAN PARAMETER DARI DISTRIBUSI POISSON DENGAN MENGGUNAKAN METODE MAXIMUM LIKEHOOD ESTIMATION (MLE) DAN
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 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 terperinciSTATISTIKA ANALISIS REGRESI DAN KORELASI LINIER SEDERHANA
STATISTIKA ANALISIS REGRESI DAN KORELASI LINIER SEDERHANA OUTLINE LANJUTAN Peetua garis duga regresi dega Metode OLS kostata a da koefisie b Aalisis Varias komposisi variasi sekitar garis r da r Stadard
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 terperinciANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN Erie Sadewo
ANALISIS TABEL INPUT OUTPUT PROVINSI KEPULAUAN RIAU TAHUN 2010 Erie Sadewo Kodisi Makro Ekoomi Kepulaua Riau Pola perekoomia suatu wilayah secara umum dapat diyataka meurut sisi peyediaa (supply), permitaa
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 terperinciPENGARUH GEOMETRI PAHAT BUBUT HSS TERHADAP NILAI KEKASARAN PERMUKAAN DAN KEAUSAN PAHAT PROSES BUBUT DENGAN METODE TAGUCHI
No. 3/ATW/Maret/205 ISSN 6936329 PENGARUH GEOMETRI PAHAT BUBUT HSS TERHADAP NILAI KEKASARAN PERMUKAAN DAN KEAUSAN PAHAT PROSES BUBUT DENGAN METODE TAGUCHI Oleh : Sriyato ),Faisal RM 2),Ali Parkha 3) )
Lebih terperinciBAB III METODE PENELITIAN. Dalam melakukan penelitian, terlebih dahulu menentukan desain
BAB III METODE PENELITIAN 3.1 Desai Peelitia Dalam melakuka peelitia, terlebih dahulu meetuka desai peelitia yag aka diguaka sehigga aka mempermudah proses peelitia tersebut. Desai peelitia yag diguaka
Lebih terperinciProgram Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya PENS. Probability and Random Process. Topik 10. Regresi
Program Pasca Sarjaa Terapa Politekik Elektroika Negeri Surabaya Probability ad Radom Process Topik 10. Regresi Prima Kristalia Jui 015 1 Outlie 1. Kosep Regresi Sederhaa. Persamaa Regresi Sederhaa 3.
Lebih terperinciMateri 5 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2016 Nizar Rabbi Radliya
Materi 5 DATA MINING 3 SKS Semester 6 S1 Sistem Iformasi UNIKOM 2016 Nizar Rabbi Radliya izar.radliya@yahoo.com Nama Mahasiswa NIM Kelas Kompetesi Dasar Memahami tekik data miig klasifikasi da mampu meerapka
Lebih terperinciPRESENTASI TUGAS AKHIR KI091391
PRESENTASI TUGAS AKHIR KI0939 APLIKASI PERBAIKAN KONTRAS PADA CITRA RADIOGRAFI GIGI MENGGUNAKAN KOMBINASI METODE HISTOGRAM EQUALIZATION DAN FAST GRAY LEVEL GROUPING (Kata kuci: Fast gray level groupig,
Lebih terperinci3. Rangkaian Logika Kombinasional dan Sequensial 3.1. Rangkaian Logika Kombinasional Enkoder
3. Ragkaia Logika Kombiasioal da Sequesial Ragkaia Logika secara garis besar dibagi mejadi dua, yaitu ragkaia logika Kombiasioal da ragkaia logika Sequesial. Ragkaia logika Kombiasioal adalah ragkaia yag
Lebih terperinciBAB V METODOLOGI PENELITIAN
BAB V METODOLOGI PEELITIA 5.1 Racaga Peelitia Peelitia ii merupaka peelitia kualitatif dega metode wawacara medalam (i depth iterview) utuk memperoleh gambara ketidaklegkapa pegisia berkas rekam medis
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 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 III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jeis peelitia Peelitia ii merupaka jeis peelitia eksperime. Karea adaya pemberia perlakua pada sampel (siswa yag memiliki self efficacy redah da sagat redah) yaitu berupa layaa
Lebih terperinciPENAKSIRAN M A S T A T I S T I K A D A S A R 1 7 M A R E T 2014 U T R I W E N I M U K H A I Y A R
PENAKSIRAN P E N A K S I R A N T I T I K P E N A K S I R A N S E L A N G S E L A N G K E P E R C A Y A A N U N T U K R A T A A N S E L A N G K E P E R C A Y A A N U N T U K V A R I A N S I M A 0 8 S T
Lebih terperinci