PETA KENDALI R ADAPTIF SEBAGAI ALTERNATIF PETA KENDALI R SHEWHART DALAM MENDETEKSI PERGESERAN KECIL PADA VARIANS
|
|
- Suparman Kusumo
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PETA KENDALI ADAPTIF SEBAGAI ALTENATIF PETA KENDALI SHEWHAT DALAM MENDETEKSI PEGESEAN KECIL PADA VAIANS Oleh : Farihatul Usro 7 7 Dosen Pembimbing : Dra. Faria Agustini W. MS Dra. Laksmi Prita W. MSi Jurusan Matematika Fakultas Matematika an Ilmu Pengetahuan Alam Institut Teknologi Seuluh Noember Surabaya Abstrak Kualitas meruakan hal yang sangat iertimbangkan oleh konsumen alam memilih rouk. Kualitas yang baik berasal ari suatu roses yang terkenali. Salah satu alat yang igunakan untuk mengenalikan kualitas aa roses rouksi aalah eta kenali. Umumnya eta kenali yang iakai untuk memantau varians roses untuk ata kuantitatif aalah eta kenali Shehart, yang terbukti berfungsi engan baik untuk meneteksi eningkatan yang besar aa varians, namun kurang ceat alam meneteksi eningkatan varians yang kecil. Sifat yang bisa ivariasi aa eta kenali aatif yaitu ukuran samel, interval engambilan samel an koefisien batas kenali. Dalam tugas akhir ini ianalisis eta kenali aatif yang menggunakan ukuran samel an interval engambilan samel bervariasi, kemuian ibaningkan kinerjanya terhaa eta kenali Shehart berasarkan nilai ATS (Average Time to Signal an ANOS (Average Number of Observations to Signal. Nilai ATS an ANOS i eroleh ari enekatan antai Markov. Dari hasil simulasi menggunakan nilai yang berbea ieroleh baha engambilan samel engan jumlah berbea an interval engambilan yang berbea tiak memengaruhi aa keceatan eta kenali alam meneteksi ergeseran yang kecil aa varians. Namun aat meminimalisir jumlah samel yang ibutuhkan selama engenalian, sehingga aat mengurangi biaya inseksi aa laboratorium erusahaan. Kata kunci: eta kenali aatif, eta kenali Shehart an enekatan antai markov.. PENDAHULUAN Untuk menjaga kualitas rouk yang ihasilkan an sesuai engan tuntutan kebutuhan asar erlu ilakukan engenalian kualitas (quality control aa kegiatan rouksi yang ijalani. Pengenalian kualitas tersebut secara statistik isebut juga Statistical Process Control (SPC. Dalam SPC teraat alat yang igunakan untuk mengenalikan kualitas rouk yang isebut engan eta kenali atau control chart. Dalam engenalian kualitas, karakter kualitas suatu rouk yang aat iukur secara numerik ikenalikan engan eta kenali yang menggunakan ata kuantitatif, yang isebut juga eta kenali variabel. Peta kenali variabel yang biasanya iakai aalah eta kenali Shehart. Peta kenali Shehart berfungsi engan baik alam meneteksi ergeseran stanar eviasi yang besar. Namun sering kali alam situasi raktis akan ijumai ergeseran stanar eviasi yang kecil atau seang (ergeseran varians,5, alam kasus ini eta kenali Shehart kurang ceat meneteksi ergeseran stanar eviasi.
2 Aa tiga arameter yang aat ivariasi untuk meningkatkan kinerja eta kenali yaitu ukuran samel (n, interval aktu engambilan samel (h, an koefisien batas engenali (k. Paa tugas akhir ini, ianalisis eta kenali aatif Variable Samle Size Interval (VSSI ijaikan alternatif untuk meningkatkan kinerja eta kenali. Kemuian eta kenali aatif akan ibaningkan kinerjanya engan eta kenali Shehart. Untuk menguji kinerja eta kenali aatif ini ilakukan erbaningan berasarkan nilai ATS (Average Time to Signal an ANOS (Average Number of Observations to Signal ari eta kenali aatif an eta kenali Shehart. Perhitungan ari ATS an ANOS menggunakan enekatan antai Markov.. TINJAUAN PUSTAKA. Peta Kenali Paa asarnya, eta kenali igolongkan menjai ua, yaitu eta kenali variabel an eta kenali atribut. Aabila karakteristik kualitas aat iukur an aat inyatakan engan bilangan maka eta kenali ini isebut eta kenali variabel. Seangkan aabila karakter kualitas suatu unit rouk tiak aat iukur engan skala kuantitatif an hanya aat inilai sebagai keaaan sesuai atau tiak sesuai maka eta kenali ini isebut eta kenali atribut. Teori umum mengenai eta kenali ertama kali itemukan oleh Dr. Walter A. Shehart engan moel umum sebagai berikut: CL µ (. UCL µ + k (. LCL µ k (. Dengan, : Statistik samel yang mengukur suatu karakteristik kualitas µ : Mean ari : Deviasi stanar ari k : Jarak batas-batas engenali ari garis tengah yang inyatakan alam unit stanar eviasi CL (Center Line meruakan Garis tengah ari eta kenali, UCL (Uer Cotrol Limit meruakan batas kenali atas ari eta kenali, seangkan LCL (loer control limit meruakan batas kenali baah ari eta kenali. Peta engenali variabel yang biasanya igunakan untuk memantau stanar eviasi aalah eta kenali Shehart... Peta Kenali Shehart Peta kenali Shehart selalu igunakan untuk memantau variabilitas. Dengan asumsi engamatan roses beristribusi normal X ~ N(μ,. Semua samel yang iambil secara acak engan ukuran n ari oulasi normal, range X max - X min. Dari moel umum yang itunjukkan aa ersamaan (., ersamaan (. an ersamaan (. garis tengah an batas engenali ari eta kenali Shehart aat itulis sebagai berikut: CL µ (.4 UCL µ + k + k (.5 LCL µ k k (.6 Dengan: : rata-rata range : stanar eviasi k : koefisien batas kontrol (biasanya k : koefisien samel n yang igunakan untuk mengestimasi mean ari samel Peta kenali Shehart selalu igunakan untuk memantau variabilitas. Dengan asumsi engamatan roses beristribusi normal X ~ N(μ,. Semua samel yang iambil secara acak engan ukuran n ari oulasi normal, range X max - X min. Dari moel umum yang itunjukkan aa ersamaan (., ersamaan
3 (. an ersamaan (. garis tengah an batas engenali ari eta kenali Shehart aat itulis sebagai berikut: CL µ (.4 UCL µ + k + k (.5 LCL µ k k (.6 Dengan: : rata-rata range : stanar eviasi k : koefisien batas kontrol m : koefisien samel n yang igunakan untuk mengestimasi mean ari samel engan n meruakan ukuran samel : koefisien n yang igunakan untuk mengestimasi stanar eviasi ari samel : jumlah samel E ( ω E E( (.7 Secara umum mean ari ω imisalkan engan sehingga aalah Var( ω ω E( ω E( ω E E E( E( maka ω ( E( E( ( E( E( (.8, secara umum stanar eviasi ari ω imisalkan engan. Samle ange eta kenali 5 Samle 7 9 UCL5,98 _ 7,56 LCL 5 Gambar. Peta Kenali Shehart Dalam keaaan realnya, biasanya tiak iketahui nilai µ an, oleh karena itu nilai-nilai itu harus itaksir ari samel yang iambil ketika roses itu iuga terkenali. Biasanya taksiran ini harus iasarkan aa aling seikit samai 5 samel. Teraat hubungan antara range suatu samel ari istribusi normal an eviasi stanar ari istribusi itu. Variabel ranom ω inamakan range relatif ari samel. Parameter istribusi ω aalah fungsi ukuran samel n. Mean ω an stanar eviasi ω iaatkan ari:.. Peta Kenali Aatif Peta kenali engan arameter yang teta, lebih lambat alam meneteksi gangguan aa roses. Paa eta kenali aatif aa tiga arameter yang bisa ivariasi, yaitu ukuran samel (n, interval engambilan samel (h an batas engenali (k. Paa eta kenali aatif aa ua batas engenali yaitu batas eringatan (arning limit an batas kenali (control limit. Peta kenali aatif aa tujuh macam, yang meruakan hasil kombinasi ari tiga arameter yang bisa ivariasi. Macam-macam eta kenali aatif aalah sebagai berikut:. VSL (Variable Samle Limits. VSI (Variable Samle Interval. VSS (Variable Samle Size 4. VSIL (Variable Samle Interval Limits 5. VSSI (Variable Samle Size Interval 6. VSSL (Variable Samle Size Limits 7. VP (Variable Parameter
4 Dalam eta kenali aatif engenaliannya iasumsikan menjai ua keaaan, yaitu:. Keaaan : Pengenalian Longgar. Keaaan : Pengenalian Ketat Ketika range ari samel ilot kemuian jatuh ekat engan batas range yang itentukan range atau menekati nol, maka eta kenali i esain engan samel kecil (n, interval anjang (h, koefisien control limit (k an koefisien arning limit ( besar. Keaaan ini yang isebut engenalian longgar. Ketika rata-rata range ari samel ilot kemuian jatuh ekat control limit tai belum i luar control limit, maka eta kenali i esain engan ukuran samel besar (n, interval engambilan samel enek (h, koefisien control limit (k an koefisien arning limit ( besar. Keaaan ini yang isebut engenalian ketat..5 Penekatan antai markov Anaikan suatu roses iamati aa aktu n,,..., an misalkan X n aalah keaaan (state ari roses saat n. Barisan variabel ranom {X,X,X,...} isebut roses stokastik engan aktu iskrit, an itulis sebagai {X n, n }. Menurut Kulkarni (998 rantai markov iskrit aalah suatu roses stokastik engan state sace iskrit an arameter sace (aktu roses iskrit. Dalam rantai markov robabilitas suatu state aa aktu ke- (n+ hanya tergantung aa konisi state aa aktu ke n, an tiak tergantung aa konisi ari aktuaktu sebelumnya. Dinotasikan engan X n+ j X n i,x n-,...x X n+ j X n i (.9 Misalkan S {,,} Matriks robabilitas transisi aat isusun: P (. Dengan : ij : robabilitas jika keaaan sekarang beraa aa i an keaaan berikutnya beraa i aa j. HASIL DAN PEMBAHASAN. Analisis Peta Kenali Aatif Prinsi ari eta kenali aatif hamir sama engan eta kenali Shehart, sehingga batas engenalinya juga sama. Hanya saja aa eta kenali aatif ini itambah engan batas aringatan. Sehingga eta kenali Aatif memunyai ua batas, yaitu batas kenali an batas eringatan. Paa eta kenali aatif, ukuran samel (n, interval engambilan samel (h an batas engenali (k ivariasi, tergantung aa osisi range samel aa engambilan sebelumnya. Peta kenali aatif memunyai 7 macam. Namun alam tugas akhir ini hanya macam yang ianalisis, yaitu eta kenali aatif VSS, eta kenali aatif VSI an eta kenali aatif VSSI. Batas kenali ari eta kenali aatif aalah sebagai berikut: UCL + k UWL + GT LCL k LWL Dengan, k : koefisien batas kenali : koefisien batas arning.. Peta Kenali Variable Samel Size (VSS Pengambilan samel aa eta kenali VSS aat inotasikan sebagai berikut : n, h jika UWL< i- <UCL [n(i, h(i] n, h jika UWL< i- < LWL n, h jika LWL< i- < LCL.. Peta Kenali Variable Samle Interval (VSI Pengambilan samel aa eta kenali VSI aat inotasikan sebagai berikut : n, h jika UWL< i- <UCL [n(i, h(i] n, h jika UWL< i- < LWL n, h jika LWL< i- < LCL.. Peta Kenali Variable samle size Interval (VSSI Pengambilan samel aa eta kenali VSSI aat inotasikan sebagai berikut: n, h jika UWL< i- <UCL 4
5 [n(i, h(i] n, h jika UWL< i- < LWL n, h jika LWL< i- < LCL. Mencari umus ATS an ANOS ari Peta Kenal Aatif Berasarkan Penekatan antai Markov Hasil analisis Menggunakan enekatan antai Markov untuk menaatkan rumus ari ATS an ANOS aalah sebagai berikut:.. Menefinisikan Parameter State Sace aa antai Markov Dalam tugas akhir ini, enekatan yang igunakan untuk menaatkan rumus ATS an ANOS aalah antai Markov Diskrit. antai Markov Diskrit memunyai state sace iskrit an arameter sace (aktu roses iskrit ula. Dalam hal ini sifat markovnya aalah erinahan osisi range samel saat sift ke- (n+ hanya tergantung aa osisi range samel aa sift ke-n. Dengan n meruakan aktu engamatan, maka n. Himunan state sacenya S {,,}. State sace (X n yang igunakan aa, yaitu: State. Proses alam keaaan in control an range samel jatuh i aerah tengah State. Proses alam keaaan in control an range samel jatuh i aerah eringatan State. Proses alam keaaan out of control Perinahan osisi range samel, untuk semua i an j alam S, aat inotasikan engan P (X n+ j X n i, X n-,...,x P (X n+ j X n i (4.9.. Mencari Matriks Transisi Untuk menaatkan nilai ATS an ANOS melalui enekatan rantai markov, erlu ibentuk matriks transisi robabilitas. Probabilitas transisi satu langkah yang bersifat homogen aat itulis (4. ij (X n+ j X n i; i,j,, Berasarkan state sace yang suah iefinisikan, matriks transisi robabilitasnya aat itulis sebagai : P (4. ( γ ( γ ( γ ( γ ( γ ( γ ( γ ( γ ( γ Dengan : ij (γ : robabilitas aabila range samel sekarang beraa i aerah i, range samel berikutnya beraa i aerah j, saat range mengalami ergeseran sebesar γ stanar eviasi Aabila nilai j berarti range samel jatuh aa aerah tengah (central region, seangkan ketika nilai j berarti range samel jatuh i aerah eringatan (arning region. Aabila nilai i berarti samel yang iambil berukuran kecil (n an interval engambilan samel anjang (h, seangkan aabila nilai i berarti samel yang iambil berukuran besar (n an interval engambilan samel enek (h. Paa matriks P akan ihilangkan elemen matriks yang berhubungan engan roses yang out of control. Dalam keaaan out of control tersebut roses harus ihentikan an icari enyebab terjainya gangguan. Sehingga matriks tersebut aat itulis sebagai berikut ( γ ( γ Q ( γ ( γ ( γ (4. Nilai anggota matriks transisi ieroleh ari : ( γ UWL γ an UWL ibagi engan UWL ( γ ω ; engan ω γ UWL ω γ ( γ P 5
6 UWL γ ( γ P Z (4. meruakan mean ari ω an meruakan stanar eviasi ari ω ( γ UWL UCL γ UCL UWL P ω P ω ; γ γ engan ω meruakan mean ari ω an meruakan stanar eviasi ariω UCL γ P Z (4.4 UWL γ P Z ( γ UWL γ UWL ω γ ( γ P engan ω UWL γ ( γ P Z (4.5 meruakan mean ari ω an meruakan stanar eviasi ariω ( γ UWL UCL γ karena ω sehingga aat itulis sebagai berikut UCL UWL ( γ P ω P ω γ γ Keuanya ikurangi engan kemuian ibagi engan ω ( γ P UCL γ ω P UCL UWL γ γ ( γ P Z P Z (4.6 Karena kengamatan Z beristribusi normal stanar engan µ an, sehingga nilai P ( Z z aat ieroleh ari tabel CDF istribusi normal stanar. 4.. Menaatkan Matriks Probabilitas ari Proses in control Diberikan n T [n n ] meruakan matriks transos ari ukuran samel, h T [h h ] meruakan matriks transos ari interval engambilan samel, I meruakan matriks ientitas engan orer an r T [r r ] iefinisikan sebagai robabilitas keaaan aal. Ketika roses alam keaaan in-control eluang range samel jatuh aa aerah tengah atau aerah eringatan aat ihitung engan r T. Diberikan aalah eluang range jatuh aa aerah tiakan an aalah eluang range jatuh i aerah eringatan. Untuk menaatkan nilai an aalah sebagai berikut UWL UCL UWL UCL Dari nilai-nilai eluang tersebut aat ibentuk matriks robabilitas aal r T Menghitung nilai ATS masing-masing eta kenali Untuk simulasi erhitungan ATS igunakan koefisien batas kenali k an koefisien batas eringatan, seangkan nilai stanar eviasi yang iilih aalah stanar eviasi kecil untuk ata kanungan air aa UWL γ 6
7 uuk UEA yaitu.7,.8 an.9. Hasil erhitungan ATS an ANOS masingmasing eta kenali aalah sebagai berikut: 4. Membaningkan eta kenali VSS, eta kenali VSI, eta kenali VSSI an eta kenali Shehart Setelah ilakukan simulasi engan tiga nilai an beberaa nilai γ, masing-masing eta kenali aat ibaningkan keceatannya alam meneteksi ergeseran yang kecil aa varians, semakin kecil nilai ATS an ANOS semakin baik kinerja eta kenali. Dari tabeltabel nilai ATS an ANOS aat ianalisis sebagai berikut:. Perbaningan eta kenali VSSI an VSS Peta kenali VSS lebih ceat meneteksi ergeseran aa semua nilai an semua γ. Untuk jumlah samel yang ibutuhkan sama besarnya antara eta kenali VSSI an VSS.. Perbaningan eta kenali VSSI an VSI Untuk nilai,7 eta kenali VSSI lebih ceat meneteksi ergeseran saat γ,. an, seangkan saat γ selain itu lebih ceat eta kenali VSI. Untuk nilai,8 eta kenali VSSI lebih ceat meneteksi ergesetan saat γ an.,namun untuk γ yang lainnya lebih ceat kinerja eta kenali VSI. Untuk,9 eta kenali VSI bekerja lebih ceat aa semua γ. Untuk jumlah samel yang ibutuhkan lebih seikit eta kenali VSI.. Perbaningan eta kenali VSSI an Shehart Peta kenali Shehart lebih ceat meneteksi ergeseran aa semua nilai an semua γ. Untuk jumlah samel yang ibutuhkan lebih seikit eta kenali VSSI. 4. Perbaningan eta kenali VSS an VSI Peta kenali VSI lebih ceat meneteksi ergeseran aa semua nilai an semua γ. Untuk jumlah samel yang ibutuhkan lebih seikit eta kenali VSS. 5. Perbaningan eta kenali VSS an Shehart Untuk nilai,7 eta kenali VSS lebih ceat meneteksi ergeseran saat γ,. an, seangkan saat γ selain itu lebih ceat eta kenali Shehart. Untuk nilai,8 eta kenali VSS lebih ceat meneteksi ergesetan saat γ an.,namun untuk γ yang lainnya lebih ceat kinerja eta kenali Shehart. Untuk,9 eta kenali Shehart bekerja lebih ceat aa semua γ. Untuk jumlah samel yang ibutuhkan lebih seikit eta kenali VSS. 6. Perbaningan eta kenali VSI an Shehart Peta kenali Shehart lebih ceat meneteksi ergeseran aa semua nilai an semua γ. Untuk jumlah samel yang ibutuhkan lebih seikit eta kenali Shehart. 4. Kesimulan Peta kenali yang menerakan ua sifat eta kenali aatif yaitu ukuran samel an interval engambilan samel yang ivariasi, ternyata tiak selamanya lebih ceat alam meneteksi ergeseran yang kecil aa varians, hanya aa an γ tertentu saja bisa lebih ceat alam meneteksi ergeseran kecil. Namun kelebihan ari eta kenali aatif aalah jumlah samel yang ibutuhkan lebih kecil ari eta kenali Shehart sehingga bisa mengurangi biaya inseksi bagi erusahaan. 5. DAFTA PUSTAKA Ariani, D.W. 4. Pengenalian Kualitas StatistikPenekatan Kuantitatif alam Managemen Kualitas. Yogyakarta: ANDI. Costa, A.F.B X charts ith variable samle size. J. Qual. Technol. 6, Kulkarni, V.G Moeling, Analysis, Design, an Control of Stochastic Systems. Sringer. Lee, P. H.. Aative charts ith variable arameters. Comutational Statistics an Data Analysis 55 (. Montgomery, D.C. 99. Pengantar Pengenalian Kualitas Statistik. Yogyakarta: Gajah Maa University Press. 7
PETA KENDALI R ADAPTIF SEBAGAI ALTERNATIF PETA KENDALI R SHEWHART DALAM MENDETEKSI PERGESERAN KECIL PADA VARIANS
PETA KENDALI R ADAPTIF SEBAGAI ALTERNATIF PETA KENDALI R SHEWHART DALAM MENDETEKSI PERGESERAN KECIL PADA VARIANS Adative R Control Chart as Alternative Shewhart R Control Chart in Detecting Small Shifts
Lebih terperinciPETA KENDALI X DENGAN UKURAN SAMPEL DAN INTERVAL PENGAMBILAN SAMPEL YANG BERVARIASI
JURNAL TEKNIK INDUSTRI VOL. 2, NO. 2, DESEMBER 2: 72-83 PETA KENDALI X DENGAN UKURAN SAMPEL DAN INTERVAL PENGAMBILAN SAMPEL YANG BERVARIASI Pauline Astari Singgih Dosen Fakultas Teknologi Industri, Jurusan
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 6, No.1, (2017) ( X Print) A 6
JURNAL SAINS DAN SENI ITS Vol. 6, No.1, (2017) 2337-3520 (2301-928X Print) A 6 Perbandingan Diagram Kontrol X Shewhart dan X VSSI (Variable Sample Size and Sampling Interval) dalam Pengendalian Kualitas
Lebih terperinciPraktikum Total Quality Management
Moul ke: 09 Dr. Fakultas Praktikum Total Quality Management Aries Susanty, ST. MT Program Stui Acceptance Sampling Abstract Memberikan pemahaman tentang rencana penerimaan sampel, baik satu tingkat atau
Lebih terperinciMETODE PENELITIAN Data Langkah-Langkah Penelitian
METODE PENELITIAN Data Inonesia merupakan salah satu negara yang tiak mempunyai ata vital statistik yang lengkap. Dengan memperhatikan hal tersebut, sangat tepat menggunakan Moel CPA untuk mengukur tingkat
Lebih terperinciBAB 3 MODEL DASAR DINAMIKA VIRUS HIV DALAM TUBUH
BAB 3 MODEL DASA DINAMIKA VIUS HIV DALAM TUBUH 3.1 Moel Dasar Moel asar inamika virus HIV alam tubuh menggunakan beberapa asumsi sebagai berikut: Mula-mula tubuh alam keaaan tiak terinfeksi virus atau
Lebih terperinci, serta notasi turunan total ρ
LANDASAN TEORI Lanasan teori ini berasarkan rujukan Jaharuin (4 an Groesen et al (99, berisi penurunan persamaan asar fluia ieal, sarat batas fluia ua lapisan an sistem Hamiltonian Penentuan karakteristik
Lebih terperinciAx b Cx d dan dua persamaan linier yang dapat ditentukan solusinya x Ax b dan Ax b. Pada sistem Ax b Cx d solusi akan
SOLUSI SISTEM PERSAMAAN LINIER PADA ALJABAR MAX-PLUS Bui Cahyono Peniikan Matematika, FSAINSTEK, Universitas Walisongo Semarang bui_oplang@yahoo.com Abstrak Dalam kehiupan sehari-hari seringkali kita menapatkan
Lebih terperincimatriks A. PENGERTIAN MATRIKS Persija Persib baris
Kolom 1. Pengertian Matriks matriks A. PENGERTIAN MATRIKS Dalam kehiupan sehari-hari an alam matematika, berbagai keterangan seringkali isajikan alam bentuk matriks. Contoh 1: Hasil pertaningan grup I
Lebih terperinciBAB 2 PEMODELAN DAN LANDASAN TEORI SISTEM JACKETED STIRRED TANK HEATER
BAB PEMODELAN DAN LANDASAN TEORI SISTEM JACETED STIRRED TAN HEATER Jackete stirre tank heater itunukkan aa gambar. Sistem ini teriri ari tangki an aket yang mengelilingi tangki tersebut. Aliran masuk tangki
Lebih terperinciVIII. ALIRAN MELALUI LUBANG DAN PELUAP
VIII. ALIRAN MELALUI LUBANG DAN PELUAP 8.. Penahuluan Lubang aalah bukaan paa ining atau asar tangki imana zat cair mengalir melaluinya. Lubang tersebut bisa berbentuk segi empat, segi tiga, ataupun lingkaran.
Lebih terperinciMAKALAH TUGAS AKHIR DIMENSI METRIK PADA PENGEMBANGAN GRAPH KINCIR DENGAN POLA K 1 + mk n
MAKALAH TUGAS AKHIR DIMENSI METRIK PADA PENGEMBANGAN GRAPH KINCIR DENGAN POLA K 1 + mk n Oleh : JOHANES ARIF PURWONO 105 100 00 Pembimbing : Drs. Suhu Wahyui, MSi 131 651 47 ABSTRAK Graph aalah suatu sistem
Lebih terperinciBAB 2 LANDASAN TEORI
8 BAB LANDASAN TEOI.1 Defenisi Statistical Quality Control Penenalian kualitas statistik (statistical quality control) merupakan teknik penyelesaian masalah yan iunakan untuk memonitor, menenalikan, menanalisis,
Lebih terperinciKENDALI LQR DISKRIT UNTUK SISTEM TRANSMISI DATA DENGAN SUMBER JARINGAN TUNGGAL. Jl. Prof. H. Soedarto, S.H. Tembalang Semarang
KENDALI LQR DISKRIT UNTUK SISTEM TRANSMISI DATA DENGAN SUMBER JARINGAN TUNGGAL Dita Anies Munawwaroh Sutrisno Jurusan Matematika FSM Universitas Diponegoro Jl Prof H Soearto SH Tembalang Semarang itaaniesm@gmailcom
Lebih terperinciARTIKEL PENELITIAN DOSEN MUDA
ARIKE PENEIIAN DOSEN MUDA OPIMISASI MUI UJUAN DENGAN PEA KENDAI MUU BUAAN Oleh :. ARRIVA RINCE PURI, S.Si, M. ZUAKMA, M.Si Dibiayai oleh embaga Penelitian Universitas Analas Sesuai engan Surat Peranian
Lebih terperinciAnalisis Kelompok (Cluster Analysis)
Analisis Kelomok (Cluster Analysis) Sunari Mega Purnamasari (18209007) Program Stui Sistem an eknologi Informasi Sekolah Teknik Elektro an Informatika Institut Teknologi Banung, Jl. Ganesha 10 Banung 40132,
Lebih terperinciKombinasi Gaya Tekan dan Lentur
Mata Kuliah Koe SKS : Perancangan Struktur Beton : CIV-204 : 3 SKS Kombinasi Gaya Tekan an Lentur Pertemuan 9,10,11 Sub Pokok Bahasan : Analisis an Desain Kolom Penek Kolom aalah salah satu komponen struktur
Lebih terperinciANALISAPERHITUNGANWAKTU PENGALIRAN AIR DAN SOLAR PADA TANGKI
ANALISAPERITUNGANWAKTU PENGALIRAN AIR DAN SOLAR PADA TANGKI Nurnilam Oemiati Staf Pengajar Jurusan Sipil Fakultas Teknik Universitas Muhammaiyah Palembang Email: nurnilamoemiatie@yahoo.com Abstrak paa
Lebih terperinciPENAKSIR PARAMETER DISTRIBUSI WEIBULL BERDASARKAN SENSOR TIPE I. Rizka Anggraini ABSTRACT
PENAKSIR PARAMETER DISTRIBUSI WEIBULL BERDASARKAN SENSOR TIPE I Rizka Anggraini Mahasiswa Program Stui S1 Matematika Jurusan Matematika Fakultas Matematika an Ilmu Pengetahuan Alam, Universitas Riau Kampus
Lebih terperinciDETEKSI API REAL-TIME DENGAN METODE THRESHOLDING RERATA RGB
ISSN: 1693-6930 17 DETEKSI API REAL-TIME DENGAN METODE THRESHOLDING RERATA RGB Kartika Firausy, Yusron Saui, Tole Sutikno Program Stui Teknik Elektro, Fakultas Teknologi Inustri, Universitas Ahma Dahlan
Lebih terperinciANALISIS MODEL SIR PENYEBARAN DEMAM BERDARAH DENGUE MENGGUNAKAN KRITERIA ROUTH-HURWITZ ABSTRACT
ANALISIS MODEL SIR PENYEBARAN DEMAM BERDARAH DENGUE MENGGUNAKAN KRITERIA ROUTH-HURWITZ Chintari Nurul Hananti 1 Khozin Mu tamar 2 12 Program Stui S1 Matematika Jurusan Matematika Fakultas Matematika an
Lebih terperinciIMPLEMENTASI TEKNIK FEATURE MORPHING PADA CITRA DUA DIMENSI
IMPLEMENTSI TEKNIK FETURE MORPHING PD CITR DU DIMENSI Luciana benego an Nico Saputro Jurusan Intisari Pemanfaatan teknologi animasi semakin meluas seiring engan semakin muah an murahnya penggunaan teknologi
Lebih terperinciPenerapan Aljabar Max-Plus Pada Sistem Produksi Meubel Rotan
Jurnal Graien Vol 8 No 1 Januari 2012:775-779 Penerapan Aljabar Max-Plus Paa Sistem Prouksi Meubel Rotan Ulfasari Rafflesia Jurusan Matematika, Fakultas Matematika an Ilmu Pengetahuan Alam, Universitas
Lebih terperinciBagian 3 Differensiasi
Bagian Differensiasi Bagian Differensiasi berisi materi tentang penerapan konsep limit untuk mengitung turunan an berbagai teknik ifferensial. Paa penerapan konsep limit, Ana akan iperkenalkan engan konsep
Lebih terperinciANALISIS PETA KENDALI-p MENGGUNAKAN KUALITAS FUZZY PADA PERGESERAN NILAI RATA-RATA DAN VARIANSI DARI SUATU PROSES ROLLITA PUTRI KARENI ( )
SEMINAR TUGAS AKHIR ANALISIS PETA KENDALI-p MENGGUNAKAN KUALITAS FUZZY PADA PERGESERAN NILAI RATA-RATA DAN VARIANSI DARI SUATU PROSES ROLLITA PUTRI KARENI (1207 100 067) Dosen Pembimbing Dra. Laksmi Prita
Lebih terperinciANALISIS KLASTER UNTUK PENGELOMPOKAN KABUPATEN/KOTA DI PROVINSI JAWA TENGAH BERDASARKAN INDIKATOR KESEJAHTERAAN RAKYAT
ANALISIS KLASTER UNTUK PENGELOMPOKAN KABUPATEN/KOTA DI PROVINSI JAWA TENGAH BERDASARKAN INDIKATOR KESEJAHTERAAN RAKYAT 1 Safa at Yulianto, Kishera Hilya Hiayatullah 1, Ak. Statistika Muhammaiyah Semarang
Lebih terperinciDIFERENSIAL FUNGSI SEDERHANA
DIFERENSIAL FUNGSI SEDERHANA Salah satu metoe yang cukup penting alam matematika aalah turunan (iferensial). Sejalan engan perkembangannya aplikasi turunan telah banyak igunakan untuk biang-biang rekayasa
Lebih terperinciBAB III PROSES PERANCANGAN DAN PERHITUNGAN
BB III PROSES PERNCNGN DN PERHITUNGN 3.1 Diagram alir penelitian MULI material ie an material aluminium yang iekstrusi Perancangan ie Proses pembuatan ie : 1. Pemotongan bahan 2. Pembuatan lubang port
Lebih terperinci=== PERANCANGAN RANGKAIAN KOMBINASIONAL ===
TKNIK IITL === PRNNN RNKIN KOMINSIONL === Rangkaian logika atau igital apat ibagi menjai 2 bagian yaitu:. Rangkaian Kombinasional, aalah suatu rangkaian logika yang keaaan keluarannya hanya ipengaruhi
Lebih terperinciBab 2 Tinjauan Pustaka
Bab Tinjauan Pustaka.. Pendahuluan Bab ini membahas sejumlah topik yang berhubungan dengan peta kendali yang digunaka dalam setiap penyajian mengenai metode statistis untuk pengendalian proses. Beberapa
Lebih terperinciDesain Dan Simulasi Pengontrolan Daya Aktif Dan Reaktif Inverter 3 Fasa Menggunakan PQ Controller Pada Sistem Pembangkit Tersebar Multiple
JURNAL TEKNIK OMITS Vol. 1, No. 1, (2012) 1-6 1 Desain Dan Simulasi engontrolan Daya Aktif Dan Reaktif Inverter 3 Fasa Menggunakan Q Controller aa Sistem embangkit Tersebar Multiple roton Exchange Membrane
Lebih terperinciBAB III KONTROL PADA STRUKTUR
BAB III KONROL PADA SRUKUR III. Klasifikasi Kontrol paa Struktur Sistem kontrol aktif aalah suatu sistem yang menggunakan tambahan energi luar. Sistem kontrol aktif ioperasikan engan sistem kalang-terbuka
Lebih terperinciDIFERENSIAL FUNGSI SEDERHANA
DIFERENSIAL FUNGSI SEDERHANA Tujuan instruktusional khusus : Diharapkan mahasiswa apat memahami konsep iferensial an memanfaatkannya alam melakukan analisis bisnis an ekonomi yang berkaitan engan masalah
Lebih terperinciANALISIS CLUSTER PSIKOGRAFIS KONSUMEN KEDIRI TOWN SQUARE (CLUSTER ANALYSIS PSYCHOGRAPHIC CONSUMERS KEDIRI TOWN SQUARE)
ANALISIS CLUSTER PSIKOGRAFIS KONSUMEN KEDIRI TOWN SQUARE (CLUSTER ANALYSIS PSYCHOGRAPHIC CONSUMERS KEDIRI TOWN SQUARE) Amin Tohari Universitas Nusantara PGRI Keiri, amin.tohari@unpkeiri.ac.i Abstrak Perkembangan
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 2, 57-64, Agustus 2002, ISSN :
JURN MTEMTIK N KOMPUTER Vol 5 No, 57-64, gustus, ISSN : 141-8518 FORMUSI VRISION N PENYEESIN RI MSH SYRT BTS RI PERSMN ORER U Sutrima Jurusan Matematika FMIP UNS bstract The urose of this research is to
Lebih terperinciPROGRAM KOMPUTER UNTUK PEMODELAN SEBARAN PERGERAKAN. Abstrak
PROGRAM KOMPUTER UNTUK PEMODELAN SEBARAN PERGERAKAN Ruy Setiawan, ST., MT. Sukanto Tejokusuma, Ir., M.Sc. Jenny Purwonegoro, ST. Staf Pengajar Fakultas Staf Pengajar Fakultas Alumni Fakultas Teknik Sipil
Lebih terperinciV. HASIL DAN PEMBAHASAN
34 V. HASIL DAN PEMBAHASAN 5.1. Hirarki Pusat-Pusat Pelayanan i Kecamatan Leuwiliang Analisis hirarki pusat-pusat pelayanan i Kecamatan Leuwiliang ilakukan engan menggunakan metoe skalogram berbobot berasarkan
Lebih terperinciPERANCANGAN ANTENA MIKROSTRIP PATCH SEGI EMPAT SLOTS DUAL-BAND PADA FREKUENSI 2,4 GHz DAN 3,3 GHz
PERANCANGAN ANTENA MIKROSTRIP PATCH SEGI EMPAT SLOTS DUAL-BAND PADA FREKUENSI 2,4 DAN 3,3 Zul Hariansyah Hutasuhut, Ali Hanafiah Rambe Departemen Teknik Elektro Fakultas Teknik Universitas Sumatera Utara
Lebih terperinci1.1. Sub Ruang Vektor
1.1. Sub Ruang Vektor Dalam membiarakan ruang vektor, tiak hanya vektoer-vektornya saja yang menarik, tetapi juga himpunan bagian ari ruang vektor tersebut yang membentuk ruang vektor lagi terhaap operasi
Lebih terperinciArus Melingkar (Circular Flow) dalam Perekonomian 2 Sektor
Perekonomian suatu negara igerakkan oleh pelaku-pelaku kegiatan ekonomi. Pelaku kegiatan ekonomi secara umum ikelompokkan kepaa empat pelaku, yaitu rumah tangga, perusahaan (swasta), pemerintah an ekspor-impor.
Lebih terperinciHardy F. Logiani, Awang N. I. Wardana, Andang W. Harto
Hary F. Logiani, Awang. I. Warana, Anang W. Harto Imlementasi Ientifikasi Sistem Kalang Tertutu untuk Asesmen Kinerja Pengenali Level aa Konensor Hary F. Logiani, Awang. I. Warana, Anang W. Harto 3,,3
Lebih terperinciBAB III UJICOBA KALIBRASI KAMERA
BAB III UJICOBA KALIBRASI KAMERA 3.1 Spesifikasi kamera Kamera yang igunakan alam percobaan paa tugas akhir ini aalah kamera NIKON Coolpix 7900, engan spesifikasi sebagai berikut : Resolusi maksimum :
Lebih terperinciBAB III INTERFERENSI SEL
BAB NTEFEENS SEL Kinerja sistem raio seluler sangat ipengaruhi oleh faktor interferensi. Sumber-sumber interferensi apat berasal ari ponsel lainya ialam sel yang sama an percakapan yang seang berlangsung
Lebih terperinciBAB III. PETA KENDALI KUALITAS MULTIVARIAT Z-chart UNTUK PROSES AUTOKORELASI. Salah satu fungsi dari pengendalian kualitas statistik adalah mengurangi
BAB III PETA KENDALI KUALITAS MULTIVARIAT Z-chart UNTUK PROSES AUTOKORELASI Salah satu fungsi dari pengendalian kualitas statistik adalah mengurangi variasi yang terjadi dalam suatu proses. Sementara itu,
Lebih terperinciANALISIS KESTABILAN MODEL MATEMATIKA DARI POPULASI PENDERITA DIABETES MELLITUS
KNM XVI 3-6 Juli 01 UNPAD, Jatinangor ANALISIS KESTABILAN MODEL MATEMATIKA DARI POPULASI PENDERITA DIABETES MELLITUS NANIK LISTIANA 1, WIDOWATI, KARTONO 3 1,,3 Jurusan Matematika FSM Universitas Diponegoro
Lebih terperinciBAB II DASAR TEORI. II.1 Saham
BAB II DASAR TEORI Paa bab ini akan ijelaskan asar teori yang igunakan selama pelaksanaan Tugas Akhir ini: saham, analisis funamental, analisis teknis, moving average, oscillator, an metoe Relative Strength
Lebih terperinciInstitut Teknologi Sepuluh Nopember Surabaya
Intitut Teknologi Seuluh Noember Surabaya Materi Contoh Soal Ringkaan Latihan Aemen Materi Contoh Soal Ringkaan omonen Sitem Sitem Hail Perancangan Proeur Perancangan Pengenali PD Moifikai Latihan Aemen
Lebih terperinciBAB I PENDAHULUAN 1.1 Maksud 1.2 Tujuan
BAB I PENDAHULUAN 1.1 Maksu 1.1.1 Memisahkan fraksi butiran seimen paa ukuran (iameter) butir tertentu. 1.1.2 Menentukan nilai koefisien sortasi, skewness an kurtosi baik secara grafis maupun matematis.
Lebih terperinciPERSAMAAN DIFFERENSIAL. Disusun untuk memenuhi tugas mata kuliah Matematika
PERSAMAAN DIFFERENSIAL Disusun untuk memenuhi tugas mata kuliah Matematika Disusun oleh: Aurey Devina B 1211041005 Irul Mauliia 1211041007 Anhy Ramahan 1211041021 Azhar Fuai P 1211041025 Murni Mariatus
Lebih terperinciReview QUIZ ( 10 menit )
Lecture 4 Control Chart for Variables - 1 1 Review QUIZ ( 10 menit ) Sebutkan pembagian penyebab variasi pada proses manufaktur? Berikan contoh? Kapan proses disebut in control dan kapan out of control?
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab ini terdiri dari 3 bagian. Pada bagian pertama diberikan tinjauan pustaka dari penelitian sebelumnya. Pada bagian kedua diberikan teori penunjang untuk mencapai tujuan penelitian
Lebih terperinci3. Kegiatan Belajar Medan listrik
3. Kegiatan Belajar Mean listrik a. Tujuan Kegiatan Pembelajaran Setelah mempelajari kegiatan belajar 3, iharapkan Ana apat: Menjelaskan hubungan antara kuat mean listrik i suatu titik, gaya interaksi,
Lebih terperinciANALISA DAN PERANCANGAN SISTEM INFORMASI PENJADWALAN PRODUKSI DENGAN METODE SIMULASI DISKRIT PADA PT. BIOPLAST UNGGUL
ANALISA DAN PERANCANGAN SISTEM INFORMASI PENJADWALAN PRODUKSI DENGAN METODE SIMULASI DISKRIT PADA PT. BIOPLAST UNGGUL Jeefry Sutrisman Binus University, Jakarta, DKI Jakarta, Inonesia Abstrak PT. Bioplast
Lebih terperinciSEMINAR TUGAS AKHIR NP CONTROL CHART BY USING BAYESIAN APPROACH PETA KENDALI NP MENGGUNAKAN PENDEKATAN BAYESIAN. Oleh : Rizckha Septiana
SEMINAR TUGAS AKHIR PETA KENDALI NP MENGGUNAKAN PENDEKATAN BAYESIAN NP CONTROL CHART BY USING BAYESIAN APPROACH Oleh : Rizckha Septiana 1207 100 004 Dosen Pembimbing: Dra. Laksmi Prita Wardhani, M.Si,
Lebih terperinciPEMODELAN EMPIRIS COST 231-WALFISCH IKEGAMI GUNA ESTIMASI RUGI-RUGI LINTASAN ANTENA RADAR DI PERUM LPPNPI INDONESIA
PROSIDING SEMINAR NASIONA MUTI DISIPIN IMU &CA FOR PAPERS UNISBANK KE-3(SENDI_U 3) 217 PEMODEAN EMPIRIS COST 231-WAFISCH IKEGAMI GUNA ESTIMASI RUGI-RUGI INTASAN ANTENA RADAR DI PERUM PPNPI INDONESIA Ria
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1 Statistical Process Control (SPC) Statistical Process Control (SPC) merupakan teknik penyelesaian masalah yang digunakan sebagai pemonitor, pengendali, penganalisis, pengelola,
Lebih terperinci1 Kapasitor Lempeng Sejajar
FI1201 Fisika Dasar IIA Kapasitor 1 Kapasitor Lempeng Sejajar Dosen: Agus Suroso Paa bab sebelumnya, telah ibahas mean listrik i sekitar lempeng-yang-sangat-luas yang bermuatan, E = σ 2ε 0 ˆn, (1) engan
Lebih terperinciBAB 4 ANALISIS DAN MINIMISASI RIAK TEGANGAN DAN ARUS SISI DC
BAB ANAL DAN MNMA RAK EGANGAN DAN ARU DC. Penahuluan ampai saat ini, penelitian mengenai riak sisi DC paa inverter PWM lima-fasa paa ggl beban sinusoial belum pernah ilakukan. Analisis yang ilakukan terutama
Lebih terperinciStudi Simulasi Grafik Pengendali Non Parametrik Berdasarkan Fungsi Distribusi Empirik
Studi Simulasi Grafik Pengendali Non Parametrik Berdasarkan Fungsi Empirik S 6 Jantini Trianasari Natangku 1), Adi Setiawan ), Lilik Linawati ) 1) Mahasiswa Program Studi Matematika FSM-UKSW Email : n4n4_00190@yahoo.co.id
Lebih terperinciPENALAAN KENDALI PID UNTUK PENGENDALI PROSES
PENALAAN KENDALI PID UNTUK PENGENDALI PROSES Raita.Arinya Universitas Satyagama Jakarta Email: raitatech@yahoo.com Abstrak Penalaan parameter kontroller PID selalu iasari atas tinjauan terhaap karakteristik
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Statistic Quality Control (SQC) Statistik merupakan teknik pengambilan keputusan tentang suatu proses atau populasi berdasarkan pada suatu analisa informasi yang terkandung di
Lebih terperinciPENGARUH STRATEGI VAKSINASI KONTINU PADA MODEL EPIDEMIK SVIRS
SEMIRATA MIPAnet 27 24-26 Agustus 27 UNSRAT, Manao PENGARUH STRATEGI VAKSINASI KONTINU PADA MODEL EPIDEMIK SVIRS TONAAS KABUL WANGKOK YOHANIS MARENTEK Universitas Universal Batam, tonaasmarentek@gmail.com,
Lebih terperinciSTATISTICAL PROCESS CONTROL
STATISTICAL PROCESS CONTROL Sejarah Statistical Process Control Sebelum tahun 1900-an, industri AS umumnya memiliki karakteristik dengan banyaknya toko kecil menghasilkan produk-produk sederhana, seperti
Lebih terperinciF = M a Oleh karena diameter pipa adalah konstan, maka kecepatan aliran di sepanjang pipa adalah konstan, sehingga percepatan adalah nol, d dr.
Hukum Newton II : F = M a Oleh karena iameter pipa aalah konstan, maka kecepatan aliran i sepanjang pipa aalah konstan, sehingga percepatan aalah nol, rr rr( s) rs rs( r r) rrs sin o Bentuk tersebut apat
Lebih terperinciBAB III ANALISIS RANTAI MARKOV PADA PERAMALAN PANGSA PASAR
BAB III ANALISIS RANTAI MARKOV PADA PERAMALAN PANGSA PASAR Berdasarkan ada bab sebelumnya, ada bab ini akan dijelaskan enetaan atribut-atribut (keseakatan istilah) yang akan digunakan, serta langkah-langkah
Lebih terperinciPENGENALAN IRIS MATA MENGGUNAKAN PENCIRIAN MATRIKS KO-OKURENSI ARAS KEABUAN Aditya Angga Kusuma 1, R. Rizal Isnanto 2, Imam Santoso 2.
Makalah Tugas Akhir PENGENALAN IRIS MATA MENGGUNAKAN PENCIRIAN MATRIKS KO-OKURENSI ARAS KEABUAN Aitya Angga Kusuma 1, R. Rizal Isnanto 2, Imam Santoso 2 Abstract Human iris has a very unique pattern which
Lebih terperinciPendahuluan Definisi Aturan Problems DERIVATIVE (TURUNAN) Kus Prihantoso Krisnawan. November 18 th, Yogyakarta. Krisnawan Pertemuan 1
DERIVATIVE (TURUNAN) Kus Prihantoso Krisnawan November 18 th, 2011 Yogyakarta Garis Singgung Garis Singgung Kecepatan Sesaat Garis Singgung Garis Singgung Kecepatan Sesaat Garis Singgung Garis Singgung
Lebih terperinciBAB III METODE PENELITIAN. Lokasi yang dijadikan tempat dalam penelitian ini adalah Tempat
BAB III METODE PENELITIAN 3.1 Loasi an Watu Penelitian 3.1.1 Loasi penelitian Loasi yang ijaian tempat alam penelitian ini aalah Tempat Pelelangan Ian (TPI) Kota Gorontalo. 3.1. Watu penelitian Penelitian
Lebih terperinciMODUL 5 PETA KENDALI CUSUM & EWMA
MODUL 5 PETA KENDALI CUSUM & EWMA Laboratorium OSI & K FT.UNTIRTA Praktikum Pengendalian Kualitas 2014 Page 1 MODUL 5 PETA KENDALI CUSUM & EWMA A. Tujuan Praktikum Berikut ini adalah tujuan praktikum modul
Lebih terperinci3 TEORI KONGRUENSI. Contoh 3.1. Misalkan hari ini adalah Sabtu, hari apa setelah 100 hari dari sekarang?
Paa bab ini ipelajari aritmatika moular yaitu aritmatika tentang kelas-kelas ekuivalensi, imana permasalahan alam teori bilangan iseerhanakan engan cara mengganti setiap bilangan bulat engan sisanya bila
Lebih terperinciSolusi Tutorial 6 Matematika 1A
Solusi Tutorial 6 Matematika A Arif Nurwahi ) Pernyataan benar atau salah. a) Salah, sebab ln tiak terefinisi untuk 0. b) Betul. Seerhananya, titik belok apat ikatakan sebagai lokasi perubahan kecekungan.
Lebih terperinci4.4 ANALISA VARIANS (ANOVA)
. ANALISA VARIANS (ANOVA) Anova banyak macamnya iantaranya: anova satu jalur; anova ua jalur. Anova satu jalur igunakan untuk perbeaan mean ari lebih ua sampel atau apat igunakan untuk uji perbeaan variabel
Lebih terperinciPenerapan Diagram Kontrol EWMA dan NEWMA pada Proses Pembuatan Benang 30 Rayon di PT. Lotus Indah Textile Industries Surabaya
Seminar Tugas Akhir Penerapan Diagram Kontrol EWMA dan NEWMA pada Proses Pembuatan Benang 3 Rayon di PT. Lotus Indah Textile Industries Surabaya Rista Wijayanti (37 6) Dosen Pembimbing : Dr. Sony Sunaryo,
Lebih terperinciBAB III METODE CONTROL CHART. sebagai metode grafik yang di gunakan untuk mengevaluasi apakah suatu proses
BAB III METODE CONTROL CHART 3.1 Control Chart Peta kendali atau Control Chart merupakan suatu teknik yang dikenal sebagai metode grafik yang di gunakan untuk mengevaluasi apakah suatu proses berada dalam
Lebih terperinciVI. ANALISIS DWI RAGAM (ANALISIS KOVARIANS) COVARIANS ANALYSIS
VI. ANALISIS DWI RAGAM (ANALISIS KOVARIANS) COVARIANS ANALSIS Dengan asar pemikiran bahwa berbagai ciri biofisik ari suatu plot percobaan tiak bereaksi secara terpisah tetapi seringkali secara fungsionil
Lebih terperinciBAB VI. FUNGSI TRANSENDEN
BAB VI. FUNGSI TRANSENDEN Fungsi Logaritma Natural Fungsi Balikan (Invers) Fungsi Eksponen Natural Fungsi Eksponen Umum an Fungsi Logaritma Umum Masalah Laju Perubahan Seerhana Fungsi Trigonometri Balikan
Lebih terperinciOleh: Nurul Hidayah Dosen pembimbing: Dra. Laksmi Prita, M.Si
KAJIAN PERBANDINGAN KINERJA GRAFIK PENGENDALI CUMULATIVE SUM (CUSUM) DAN EXPONENTIALLY WEIGHTED MOVING AVERAGE (EWMA) DALAM MENDETEKSI PERGESERAN RATARATA PROSES Oleh: Nurul Hidayah 06 0 057 Dosen pembimbing:
Lebih terperinci3 TEORI KONGRUENSI. Contoh 3.1. Misalkan hari ini adalah Sabtu, hari apa setelah 100 hari dari sekarang?
Paa bab ini ipelajari aritmatika moular yaitu aritmatika tentang kelas-kelas ekuivalensi, imana permasalahan alam teori bilangan iseerhanakan engan cara mengganti setiap bilangan bulat engan sisanya bila
Lebih terperinciBAB I PENDAHULUAN. B. Rumusan masalah Bagaimana cara pengendalian kualitas proses statistik pada data variabel.
BAB I PENDAHULUAN A. Latar Belakang Pengendalian Kualitas Statistik (Statistical Quality Control) secara garis besar digolongkan menjadi dua, yakni pengendalian proses statistik (statistical process control)
Lebih terperinciMursyidah Pratiwi, Yuni Yulida*, Faisal Program Studi Matematika Fakultas MIPA Universitas Lambung Mangkurat *
Jurnal Matematika Murni an Terapan εpsilon ANALISIS MODEL PREDATOR-PREY TERHADAP EFEK PERPINDAHAN PREDASI PADA SPESIES PREY YANG BERJUMLAH BESAR DENGAN ADANYA PERTAHANAN KELOMPOK Mursyiah Pratiwi, Yuni
Lebih terperinciPERSAMAAN SCHRODINGER YANG BERGANTUNG WAKTU
PERSAMAAN SCHRODINGER YANG BERGANTUNG WAKTU Perbeaan pokok antara mekanika newton an mekanika kuantum aalah cara menggambarkannya. Dalam mekanika newton, masa epan partikel telah itentukan oleh keuukan
Lebih terperinciArisma Yuni Hardiningsih. Dra. Laksmi Prita Wardhani, M.Si. Jurusan Matematika. Surabaya
ANALISIS KESTABILAN DAN MEAN DISTRIBUSI MODEL EPIDEMIK SIR PADA WAKTU DISKRIT Arisma Yuni Hardiningsih 1206 100 050 Dosen Pembimbing : Dra. Laksmi Prita Wardhani, M.Si Jurusan Matematika Institut Teknologi
Lebih terperinci2.3 Perbandingan Putaran dan Perbandingan Rodagigi. Jika putaran rodagigi yang berpasangan dinyatakan dengan n 1. dan z 2
.3 Perbaningan Putaran an Perbaningan Roagigi Jika putaran roagigi yang berpasangan inyatakan engan n (rpm) paa poros penggerak an n (rpm) paa poros yang igerakkan, iameter lingkaran jarak bagi (mm) an
Lebih terperinciBAB I PENDAHULUAN. Kelompok II, Teknik Elektro, Unhas
BAB I PENDAHULUAN A. Latar Belakang Matematika asar II merupakan matakuliah lanjutan ari matematika asar I yang telah ipelajari paa semester sebelumnya. Matematika asar II juga merupakan matakuliah pengantar
Lebih terperinciIMPLEMENTASI KENDALI PID DALAM MENINGKATKAN KINERJA POWER SYSTEM STABILIZER
Sujito, Implementasi Kenali PID alam Meningkatkan Kinerja Power System Stabilizer IMPLEMENTASI KENDALI PID DALAM MENINGKATKAN KINERJA POWER SYSTEM STABILIZER SUJITO Abstrak : Penelitian ini bertujuan untuk
Lebih terperinciData Mining. Metode Klasterisasi K-Means
Data Mining Metoe Klasterisasi K-Means Pokok Pembahasan. Konsep Dasar Clustering. Tahapan Clustering. K-Means Clustering Algoritma K-Means Rumus Umum K-Means 4. Case Stu Konsep Dasar Klusterisasi Data,
Lebih terperinciANALISIS RANCANGAN EKONOMI PADA GRAFIK KENDALI EXPONENTIALLY WEIGHTED MOVING AVERAGE (EWMA) UNTUK MEAN DAN VARIANS
ANALISIS RANCANGAN EKONOMI PADA GRAFIK KENDALI EXPONENTIALLY WEIGHTED MOVING AVERAGE (EWMA) UNTUK MEAN DAN VARIANS Oleh: Dian Mareta Windayani 1206 100 055 Desen pembimbing: Dra. Laksmi Prita, M.Si Abstrak
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3. Prosedur Pengumulan Data 3.. Sumber Data Data yang digunakan dalam enelitian ini meruakan data sekunder yang diambil dari Deartemen Keuangan, BAPEPAM, dan IAPI. Data-data
Lebih terperinciPERENCANAAN PENULANGAN LENTUR DAN GESER BALOK PERSEGI MENURUT SNI 03-847-00 Slamet Wioo Staf Pengajar Peniikan Teknik Sipil an Perenanaan FT UNY Balok merupakan elemen struktur yang menanggung beban layan
Lebih terperinciPENENTUAN FREKUENSI MAKSIMUM KOMUNIKASI RADIO DAN SUDUT ELEVASI ANTENA
Penentuan Frekuensi Maksimum Komunikasi Raio an Suut..(Jiyo) PENENTUAN FREKUENSI MAKSIMUM KOMUNIKASI RADIO DAN SUDUT ELEVASI ANTENA J i y o Peneliti iang Ionosfer an Telekomunikasi, LAPAN ASTRACT In this
Lebih terperinciLAPORAN PRAKTIKUM TEKNIK PENGUJIAN MUTU HASIL PERIKANAN STATISTICAL PROCESS CONTROL
LAPORAN PRAKTIKUM TEKNIK PENGUJIAN MUTU HASIL PERIKANAN STATISTICAL PROCESS CONTROL Disusun oleh: Bekti Wulan Sari 11/318052/PN/12374 LABORATORIUM TEKNOLOGI IKAN JURUSAN PERIKANAN FAKULTAS PERTANIAN UNIVERSITAS
Lebih terperinciANALISIS RANCANGAN EKONOMI PADA GRAFIK KENDALI EXPONENTIALLY WEIGHTED MOVING AVERAGE (EWMA)
ANALISIS RANCANGAN EKONOMI PADA GRAFIK KENDALI EXPONENTIALLY WEIGHTED MOVING AVERAGE (EWMA) Oleh: Dian Mareta Windayani 16 100 055 Dosen pembimbing: Dra. Laksmi Prita, M.Si Latar belakang PENDAHULUA N
Lebih terperinciANALISIS FUNDAMENTAL SAMPLING ERROR TERHADAP QUALITY ASSURANCE DAN QUALITY CONTROL, KAB. LUWU TIMUR, SULAWESI SELATAN
ANALISIS FUNDAMENTAL SAMPLING ERROR TERHADAP QUALITY ASSURANCE DAN QUALITY CONTROL, KAB. LUWU TIMUR, SULAWESI SELATAN Inri Warani AS 1, Djamuin 2, Hasbi Bakri 1 * 1. Jurusan Teknik Pertambangan Universitas
Lebih terperinciPerbaikan Kualitas Arus Output pada Buck-Boost Inverter yang Terhubung Grid dengan Menggunakan Metode Feed-Forward Compensation (FFC)
JURNAL TEKNIK POMITS Vol. 1, No. 1, (01) 1-6 1 Perbaikan Kualitas Arus Output paa Buck-Boost Inverter yang Terhubung Gri engan Menggunakan Metoe Fee-Forwar Compensation (FFC) Faraisyah Nugrahani, Deet
Lebih terperinciHukum Coulomb. a. Uraian Materi
Hukum oulomb a. Tujuan Kegiatan Pembelajaran Setelah mempelajari kegiatan belajar, iharapkan ana apat: - menjelaskan hubungan antara gaya interaksi ua muatan listrik, besar muatan-muatan, an jarak pisah
Lebih terperinciDesain dan Simulasi Filter FIR Menggunakan Metode Windowing
41 Desain an Simulasi Filter FIR enggunakan etoe Winowing Neily T. ooniarsih Laboratorium Telekomunikasi Jurusan Teknik Elektro Fakultas Teknik Universitas Tanjungura E-mail : neilyte@gmail.om Abstrat
Lebih terperinci1 Kapasitor Lempeng Sejajar
FI1201 Fisika Dasar IIA Kapasitor 1 Kapasitor Lempeng Sejajar Dosen: Agus Suroso Paa bab sebelumnya, telah ibahas mean listrik i sekitar lempeng-yang-sangat-luas yang bermuatan, E = σ 2ε 0 ˆn, (1) engan
Lebih terperinciIV. ANALISA RANCANGAN
IV. ANALISA RANCANGAN A. Rancangan Fungsional Dalam penelitian ini, telah irancang suatu perontok pai yang mempunyai bentuk an konstruksi seerhana an igerakkan engan menggunakan tenaga manusia. Secara
Lebih terperinciBAB III METODE PENELITIAN. Desain penelitian dilakukan sebagai pedoman bagi peneliti mengenai
47 BAB III METODE PENELITIAN 3.1 Desain Penelitian Desain penelitian ilakukan sebagai peoman bagi peneliti mengenai tahap-tahap bagaimana seharusnya sebuah penelitian ilakukan. Metoe penelitian yang igunakan
Lebih terperinciTURUNAN FUNGSI (DIFERENSIAL)
TURUNAN FUNGSI (DIFERENSIAL) A. Pengertian Derivatif (turunan) suatu fungsi. Perhatikan grafik fungsi f( (pengertian secara geometri) ang melalui garis singgung. f( f( f(+ Q [( +, f ( + ] f( P (, f ( )
Lebih terperinci