Prosiding ISBN :
|
|
- Shinta Sugiarto
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Penggunaan Metode Bayesian Subyektif dalam Pengkonstruksian Grafik Pengendali-c Sekar Sukma Asmara a, Adi Setiawan b, Tundjung Mahatma c a Mahasiswa Program Studi Matematika Fakultas Sains Matematika Universitas Kristen Satya Wacana Jl. Diponegoro Salatiga, qkhasweetie@yahoo.com b Dosen Program Studi Matematika Fakultas Sains Matematika Universitas Kristen Satya Wacana Jl. Diponegoro Salatiga, adi_setia_03@yahoo.com c Dosen Program Studi Matematika Fakultas Sains Matematika Universitas Kristen Satya Wacana Jl. Diponegoro Salatiga, t.mahatma@gmail.com ABSTRAK Metode Bayesian Subyektif dapat digunakan untuk melakukan estimasi titik berdasarkan pada sampel informasi priornya. Grafik pengendali memberikan gambaran mengenai perilaku sebuah proses. Grafik pengendali digunakan untuk mengidentifikasi apakah sebuah proses yang berjalan dalam kondisi terkendali atau tidak. Pada makalah ini dijelaskan penggunaan metode Bayesian subyektif dalam pengkonstruksian grafik pengendali-c. Kata Kunci : bayesian subyektif, prior, grafik pengendali ABSTRACT Subjective Bayesian Method can be used for the point estimation based on the sample and its prior information. Control chart gives description about the performance of a process. It is also used to indicate whether a process is in controlled condition or not. The paper explains the usage of Subjective Bayesian Method in the construction of c-chart. Key Words : subjective bayesian, prior, control chart Pendahuluan Konsumen mempunyai ekspektasi yang besar terhadap produk yang dibelinya. Menurut Montgomery (1990), kualitas merupakan jaminan utama konsumen dalam memilih produk, oleh karena itu dalam setiap pembelian konsumen mengharapkan produk-produk yang bebas dari cacat. Menurut Prawirosentono (2007), konsumen yang membeli produk berorientasi pada kualitas, pada umumnya mempunyai loyalitas produk yang besar dibandingkan dengan konsumen yang membeli produk berdasarkan harga, sehingga mereka akan selalu membeli produk tersebut (repurchase). Dengan Yogyakarta, 29 Desember
2 demikian kualitas menjadi kunci sebuah bisnis dalam menentukan keberhasilannya, karena produk yang berkualitas mempunyai daya saing tinggi dengan produk lain yang sejenis. Selain itu, peningkatan kualitas sering kali disertai dengan penurunan biaya produksi, karena dapat meminimalisasi produk-produk yang rusak. Namun dalam banyak proses produksi, terdapat banyak variabilitas sehingga diperlukan pengendalian proses statistik yaitu untuk menyingkirkan variabilitas dalam proses. Salah satu alat yang efektif untuk mengurangi variabilitas adalah grafik pengendali. Dalam penelitian ini, akan dikonstruksikan grafik pengendali-c ( -chart) dengan menggunakan metode Bayesian subyektif, sehingga dapat diidentifikasi apakah proses terkendali atau tidak. Hasil identifikasi tersebut digunakan sebagai acuan sebuah perusahaan mengambil tindakan perbaikan dalam pengendalian proses produksi. Dasar Teori Grafik pengendali adalah teknik pengendali proses pada jalur yang digunakan secara luas untuk pengendalian kualitas, yang dapat digunakan untuk menaksir parameter suatu proses produksi, menentukan kemampuan proses, memberikan informasi yang berguna dalam meningkatkan proses itu (Montgomery, 1990 : 120). Grafik pengendali terdiri dari nilai karakteristik kualitas, garis tengah (centerline) yang merupakan nilai rata-rata karakteristik kualitas, batas pengendali atas (upper control limit), batas pengendali bawah (lower control limit). Dengan demikian dapat diketahui apakah nilai karakteristik kualitas termasuk daerah yang diterima (accepted area) atau daerah ditolak (rejected area) seperti pada Gambar 1. Dalam statistik, untuk memperoleh tingkat kepercayaan sebesar, digunakan batas toleransi sebesar 3 kali deviasi standar. Grafik Pengendali-c Klasik Grafik pengendali-c mengganggap bahwa terjadinya ketidaksesuaian dalam sampel-sampel berukuran tetap dapat dimodelkan dengan distribusi Poisson, dengan fungsi probabilitas Yogyakarta, 29 Desember
3 Gambar 1. Diagram Shewhart mengikuti distribusi Poisson dengan fungsi probabilitas = banyaknya ketidaksesuaian, = parameter distribusi Poisson, dengan mean variansi adalah parameter. Jika nilai standar tidak diberikan maka dapat ditaksir dengan banyak ketidaksesuaian rata-rata yang diamati, sehingga diperoleh batas-batas pengendali fungsi likelihood adalah (1) (Montgomery 1990 : 169). dengan. Grafik Pengendali-c dengan Metode Bayesian Subyektif Banyaknya cacat atau tak sesuai yang terjadi dalam unit pemeriksaan Distribusi Gamma merupakan keluarga konjugat distribusi Poisson, sehingga fungsi kepadatan probabilitas Yogyakarta, 29 Desember
4 priornya berdistribusi Gamma dengan fungsi densitas. Parameter pada distribusi prior yang dipilih, merepresentasikan penilaian subyektif peneliti. Salah satu metodenya adalah memilih prior berdistribusi Gamma. Dipilih paramater Gamma yang cocok dengan keyakinan prior berdasarkan mean deviasi standarnya adalah Gamma Estimator Bayes dapat digunakan sebagai sehingga Batas dihitung sehingga dengan dipilih jarak minimum anatara dengan tingkat signifikansi. (Darmanto). Oleh karena itu estimator Bayes sama dengan rata-rata ketidaksesuaian pada grafik pengendali-c klasik. Distribusi posterior dihitung dengan mengalikan distribusi prior dengan fungsi likelihood distribusi sampelnya yaitu Metode Penelitian Untuk melukiskan grafik pengendali-c, data yang digunakan adalah data contoh banyaknya ketidaksesuaian dalam sampel papan untaian tercetak yang diambil dari studi literatur. Hal pertama yang dilakukan dalam penelitian ini adalah melukiskan grafik pengendali-c klasik. Metode bayesian subyektif dapat digunakan untuk mengestimasi titik dalam hal ini batasbatas pengendali yang kemudian digunakan Yogyakarta, 29 Desember
5 Banyak Ketidaksesuaian Prosiding ISBN : untuk melukiskan grafik pengendali-c dengan prior Gamma prior Gamma dengan parameter yang cocok dengan keyakinan prior berdasarkan mean deviasi standarnya. Grafik Pengendali-c Klasik Untuk menentukan batas pengendali digunakan persamaan, oleh karena itu diperoleh Hasil Pembahasan Data contoh banyaknya ketidaksesuaian dalam sampel papan untaian tercetak digunakan pada grafik pengendali-c, seperti pada Tabel 1. Tabel 1. Data Banyak Ketidaksesuaian dalam Sampel dengan 100 papan untaian tercetak. Banyaknya No. Sampel Ketidaksesuaian dengan demikian diperoleh grafik pengendali-c klasik pada Gambar 2. Berdasarkan Gambar 2 diperoleh batas pengendali yang simetri terdapat 2 titik yang out of control. c-chart klasik Nomor Sampel Gambar 2. Grafik Pengendali-c Klasik Yogyakarta, 29 Desember
6 Banyak Ketidaksesuaian Prosiding ISBN : Grafik Pengendali-c dengan Metode Bayesian Subyektif Berdasarkan data diperoleh bahwa Gambar 3 terdapat 18 sampel yang out of control. c-chart Bayesian subyektif Secara subyektif dipilih, dari persamaan diperoleh distribusi posterior Nomor Sampel. Untuk menentukan digunakan persamaan sehingga ditentukan dengan persamaan dengan. Hasil perhitungan dengan menggunakan program R diperoleh Gambar 3. Grafik Pengendali-c dengan Prior Gamma Salah satu metode untuk memilih parameter, digunakan persamaan untuk membantu menentukan yaitu, yang digunakan untuk melukiskan batas pengendali pada grafik pengendali-c, seperti pada Gambar 3. Berdasarkan Dengan menggunakan persamaan diperoleh Yogyakarta, 29 Desember
7 Banyak Ketidaksesuaian Prosiding ISBN : c-chart Bayesian subyektif Distribusi posterior ditentukan dengan menggunakan persamaan, sehingga diperoleh Nomor Sampel Gambar 4. Grafik Pengendali-c dengan Prior Gamma. Untuk menentukan digunakan persamaan sehingga ditentukan dengan persamaan dengan. Hasil perhitungan dengan menggunakan program R diperoleh, yang digunakan untuk melukiskan batas pengendali pada grafik pengendali-c, seperti pada Gambar 4. Berdasarkan gambar di atas terdapat 18 sampel yang out of control. Studi simulasi dilakukan dengan cara membangkitkan sampel dengan ukuran besar (misalkan diambil dari distribusi Poisson dengan parameter. Sampel tersebut digunakan dalam pengkonstruksian grafik pengendali-c klasik (Metode 1), grafik pengendali-c dengan prior Gamma (Metode 2), grafik pengendali-c dengan prior Gamma (Metode 3). Oleh karena itu dapat ditentukan proporsi titik-titik sampel yang out of control. Hasil tersebut dinyatakan pada Tabel 2, Tabel 3, Tabel 4. Yogyakarta, 29 Desember
8 Tabel 2. Tabel hasil rata-rata proporsi titik yang out of control untuk metode 1. No. Metode 1 Tabel 4. Tabel hasil rata-rata proporsi titik yang out of control untuk metode 3. No. Metode 3 Tabel 3. Tabel hasil rata-rata proporsi titik yang out of control untuk metode 2 No. Metode 2 Hasil proporsi titik yang out of control dari grafik pengendali-c klasik jauh berbeda dengan hasil proporsi titik yang out of control dari grafik pengendali-c dengan menggunakan metode Bayesian subyektif untuk yang dipilih. Untuk yang lain akan diperoleh hasil proporsi titik-titik sampel yang out of control hampir sama. Kesimpulan Dalam bab sebelumnya telah dijelaskan penggunaan metode Bayesian subyektif dalam pengkonstruksian grafik pengendali-c, dengan prior berdistribusi Gamma. Dalam makalah ini dipilih secara subyektif distribusi prior Gamma prior Gamma yang cocok dengan keyakinan prior berdasarkan Yogyakarta, 29 Desember
9 mean deviasi standarnya. Distribusi posterior diperoleh dari distribusi sampel distribusi prior. Hasil proporsi titik yang out of control dari grafik pengendali-c klasik mendekati nilai yang diharapkan yaitu. Segkan hasil proporsi titik yang out of control dari grafik pengendali-c dengan metode Bayesian subyektif jauh dari nilai yang diharapkan. Pustaka Montgomery, D.C Pengantar Pengendalian Kualitas Statistik. Alih bahasa: Zanzawi Soejoeti. Yogyakarta: Universitas Gadjah Mada. Prawirosentono, S Filosofi Baru Tentang Manajemen Mutu Terpadu Abad 21, Edisi Kedua. Jakarta : Bumi Aksara. Setiawan, A Penggunaan Metode Bayesian Obyektif dalam Pembuatan Grafik Pengendali p-chart. Prosiding Seminar Nasional Penelitian, Pendidikan, Penerapan MIPA, UNY Yogyakarta Web 1 : Darmanto, Estimasi Parameter, Blog Statistika, b.ac.id/materi-kuliah/ Yogyakarta, 29 Desember
Studi 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 terperinciSTUDI SIMULASI GRAFIK PENGENDALI BERDASARKAN ESTIMASI FUNGSI DENSITAS KERNEL BIVARIAT
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Negeri Yogyakarta, Juni 0 STUDI SIMULASI GRAFIK PENGENDALI BERDASARKAN ESTIMASI FUNGSI DENSITAS KERNEL BIVARIAT
Lebih terperinciINFERENSI PARAMETER SIMPANGAN BAKU POPULASI NORMAL DENGAN METODE BAYESIAN OBYEKTIF
INFERENSI PARAMETER SIMPANGAN BAKU S - POPULASI NORMAL DENGAN METODE BAYESIAN OBYEKTIF Adi Setiawan Program Studi Matematika Fakultas Sains dan Matematika Universitas Kristen Satya Wacana, Jl Diponegoro
Lebih terperinciPENGUJIAN HIPOTESIS DENGAN METODE BAYESIAN OBYEKTIF. Adi Setiawan
PENGUJIAN HIPOTESIS DENGAN METODE BAYESIAN OBYEKTIF Adi Setiawan Program Studi Matematika Industri dan Statistika, Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Jl Diponegoro 5-6 Salatiga
Lebih terperinciS 10 Studi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis)
PROSIDING ISBN : 978 979 6353 6 3 S 0 Studi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis) Wirayanti ), Adi Setiawan ), Bambang Susanto
Lebih terperinciINFERENSI PARAMETER MEAN POPULASI NORMAL DENGAN METODE BAYESIAN OBYEKTIF
INFERENSI PARAMETER MEAN POPULASI NORMAL DENGAN METODE BAYESIAN OBYEKTIF Adi Setiawan Program Studi Matematika Industri dan Statistika, Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Jl
Lebih terperinciPENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM INFERENSI PARAMETER POPULASI SERAGAM
PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM INFERENSI PARAMETER POPULASI SERAGAM Adi Setiawan Program Studi Matematika, Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Jl. Diponegoro 52-6
Lebih terperinciGRAFIK PENGENDALI NON PARAMETRIK UNIVARIAT PADA DATA ph PRODUK AIR MINUM GALON MERK X BERDASARKAN FUNGSI DISTRIBUSI EMPIRIK
GRAFIK PENGENDALI NON PARAMETRIK UNIVARIAT PADA DATA ph PRODUK AIR MINUM GALON MERK X BERDASARKAN FUNGSI DISTRIBUSI EMPIRIK Jantini Trianasari Natangku ), Adi Setiawan 2), Lilik Linawati 2) ) Mahasiswa
Lebih terperinciPENGKONSTRUKSIAN GRAFIK PENGENDALI BERDASAR BOXPLOT
PENGKONSTRUKSIAN GRAFIK PENGENDALI BERDASAR BOXPLOT Frangky Masipupu 1), Adi Setiawan ), Bambang Susanto 3) 1) Mahasiswa Program Studi Matematika ),3) Dosen Program Studi Matematika Program Studi dan Matematika
Lebih terperinciPenggunaan Metode Bootstrap dalam Regresi Cox Proportional Hazards pada Ketahanan Hidup Pasien Diabetes mellitus
Penggunaan Metode Bootstrap dalam Regresi Cox Proportional Hazards pada Ketahanan Hidup Pasien Diabetes mellitus Ninuk Rahayu a, Adi Setiawan b, Tundjung Mahatma c a,b,c Program Studi Matematika Fakultas
Lebih terperinciPENERAPAN MODEL REGRESI LINIER BAYESIAN UNTUK MENGESTIMASI PARAMETER DAN INTERVAL KREDIBEL
PENERAPAN MODEL REGRESI LINIER BAYESIAN UNTUK MENGESTIMASI PARAMETER DAN INTERVAL KREDIBEL Vania Mutiarani 1, Adi Setiawan, Hanna Arini Parhusip 3 1 Mahasiswa Program Studi Matematika FSM UKSW, 3 Dosen
Lebih terperinciSTUDI SIMULASI UJI KOEFISIEN KORELASI SPEARMAN DAN KENDALL DARI SAMPEL YANG DIBANGKITKAN BERDASARKAN ESTIMASI DENSITAS KERNEL MULTIVARIAT
STUDI SIMULASI UJI KOEFISIEN KORELASI SPEARMAN DAN KENDALL DARI SAMPEL YANG DIBANGKITKAN BERDASARKAN ESTIMASI DENSITAS KERNEL MULTIVARIAT Studi Kasus: Beberapa Kurs Mata Uang Asing Terhadap Rupiah Rangga
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 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 terperinciESTIMASI VOLATILITY (σ) DARI MODEL AR(p) MENGGUNAKAN METODE MARKOV CHAIN MONTE CARLO (MCMC)
ESTIMASI VOLATILITY (σ) DARI MODEL AR(p) MENGGUNAKAN METODE MARKOV CHAIN MONTE CARLO (MCMC) Radite Astana Murti 1), Bambang Susanto 2), dan Hanna Arini Parhusip 3) 1) Mahasiswa Program Studi Matematika
Lebih terperinciPEMBUATAN GRAFIK PENGENDALI DAN STUDI SIMULASI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS)
PEMBUATAN GRAFIK PENGENDALI DAN STUDI SIMULASI BERDASARKAN ANALISIS KOMPONEN UTAMA (PRINCIPAL COMPONENT ANALYSIS) CONSTRUCTION OF CONTROL CHART AND SIMULATION STUDY BASED ON PRINCIPAL COMPONENT ANALYSIS
Lebih terperinciESTIMASI PARAMETER DAN INTERVAL KREDIBEL DENGAN MODEL REGRESI LINIER BERGANDA BAYESIAN
ESTIMASI PARAMETER DAN INTERVAL KREDIBEL DENGAN MODEL REGRESI LINIER BERGANDA BAYESIAN Vania Mutiarani a, Adi Setiawan b, Hanna Arini Parhusip c a Program Studi Matematika FSM UKSW Jl. Diponegoro 52-6
Lebih terperinciPERBANDINGAN KOEFISIEN VARIASI ANTARA 2 SAMPEL DENGAN METODE BOOTSTRAP
JdC, Vol. 1, No 1, 2012 PERBANDINGAN KOEFISIEN VARIASI ANTARA 2 SAMPEL DENGAN METODE BOOTSTRAP (Studi Kasus Pada Analisis Inflasi Bulanan Komoditas Beras, Cabe Merah Dan Bawang Putih Di Kota Semarang)
Lebih terperinciPETA KENDALI MULTIATRIBUT C DENGAN PENDEKATAN DISTRIBUSI MULTIVARIAT POISSON
PETA KENDALI MULTIATRIBUT C DENGAN PENDEKATAN DISTRIBUSI MULTIVARIAT POISSON Reny Anggraeni, Erna Tri Herdiana, Nasrah Sirajang Program Studi Statistika, FMIPA, Universitas Hasanuddin Abstrak Kualitas
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 terperinciPENENTUAN ESTIMASI INTERVAL DARI DISTRIBUSI NORMAL DENGAN METODE BAYES SKRIPSI. Oleh : Pramita Elfa Diana Santi J2E
PENENTUAN ESTIMASI INTERVAL DARI DISTRIBUSI NORMAL DENGAN METODE BAYES SKRIPSI Oleh : Pramita Elfa Diana Santi JE 005 40 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan Dalam industri modern ekspektasi pelanggan menjadi suatu acuan pentimg dari kualitas produk. Oleh karena itu dalam proses produksi tidak hanya mementingkan
Lebih terperinciPENAKSIRAN PARAMETER µ DAN σ PADA DISTRIBUSI NORMAL MENGGUNAKAN METODE BAYES DAN MAKSIMUM LIKELIHOOD SKRIPSI SUNARTO URJOYO PURBA
PENAKSIRAN PARAMETER µ DAN σ PADA DISTRIBUSI NORMAL MENGGUNAKAN METODE BAYES DAN MAKSIMUM LIKELIHOOD SKRIPSI SUNARTO URJOYO PURBA 09083005 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Dalam pembicaraan statistik, jawaban yang diinginkan adalah jawaban untuk ruang lingkup yang lebih luas, yakni populasi. Tetapi objek dari studi ini menggunakan sampel
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang Permasalahan Dalam banyak proses industri, selalu ada variabilitas dasar sebanyak tertentu. Apabila variabilitas dasar suatu proses relatif kecil akan dipandang sebagai
Lebih terperinciPENGKONSTRUKSIAN GRAFIK PENGENDALI BERDASAR BOXPLOT BIVARIAT
S-3 PENGKONSTRUKSIAN GRAFIK PENGENDALI BERDASAR BOXPLOT BIVARIAT Frangky Masipupu 1), Adi Setiawan ), Bambang Susanto 3) 1) Mahasiswa Program Studi Matematika ) 3) Dosen Program Studi Matematika Program
Lebih terperinciRESAMPLING BERDASARKAN ESTIMASI DENSITAS KERNEL BIVARIAT
RESAMPLING BERDASARKAN ESTIMASI DENSITAS KERNEL BIVARIAT Adi Setiawan Program Studi Matematika Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Jl. Diponegoro 52-60 Salatiga 50711 e-mail
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang dan Permasalahan Semakin banyak dan beragamnya industri saat ini, menyebabkan semakin ketat persaingan antara perusahaan industri satu dengan yang lainnya, baik dari
Lebih terperinciPERBANDINGAN PETA KENDALI ATRIBUT DALAM PENGENDALIAN KUALITAS PRODUK DI PT ARIKA KHARISMA AGUNG. Muhlis M. Asri, Annisa, Muh.
PERBANDINGAN PETA KENDALI ATRIBUT DALAM PENGENDALIAN KUALITAS PRODUK DI PT ARIKA KHARISMA AGUNG Muhlis M. Asri, Annisa, Muh. Saleh AF Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperinciPENGKONSTRUKSIAN GRAFIK PENGENDALI BERDASAR BOXPLOT
PENGKONSTRUKSIAN GRAFIK PENGENDALI BERDASAR BOXPLOT Frangky Masipupu 1), Adi Setiawan ),Bambang Susanto 3) 1) Mahasiswa Program Studi Matematika ),3) Dosen Program Studi Matematika Fakultas Sains dan Matematika
Lebih terperinciINFERENSI STATISTIK DISTRIBUSI BINOMIAL DENGAN METODE BAYES MENGGUNAKAN PRIOR KONJUGAT. Oleh : ADE CANDRA SISKA NIM: J2E SKRIPSI
INFERENSI STATISTIK DISTRIBUSI BINOMIAL DENGAN METODE BAYES MENGGUNAKAN PRIOR KONJUGAT Oleh : ADE CANDRA SISKA NIM: J2E 006 002 SKRIPSI Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains Pada
Lebih terperinciS - 28 PEMBENTUKAN SAMPEL BARU YANG MEMENUHI SYARAT VALID DAN RELIABEL DENGAN TEKNIK RESAMPLING PADA DATA KUISIONER TIPE YES/NO QUESTIONS
S - 28 PEMBENTUKAN SAMPEL BARU YANG MEMENUHI SYARAT VALID DAN RELIABEL DENGAN TEKNIK RESAMPLING PADA DATA KUISIONER TIPE YES/NO QUESTIONS Stevvileny Angu Bima 1, Adi Setiawan 2, Tundjung Mahatma 3 1) Mahasiswa
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Industri pada era modern saat ini berkembang sangat pesat. Hal ini ditandai dengan banyaknya perusahaan bidang industri yang menghasilkan suatu produk. Mulai dari produk
Lebih terperinciBAB I PENDAHULUAN. untuk menentukan produk dan jasa yang digunakan (Ariani, 2004). Konsumen
1 BAB I PENDAHULUAN 1.1 LATAR BELAKANG MASALAH Kualitas merupakan salah satu faktor yang mempengaruhi konsumen untuk menentukan produk dan jasa yang digunakan (Ariani, 2004). Konsumen biasanya memilih
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Ketatnya persaingan antara perusahaan industri satu dengan yang lainnya menyebabkan semakin banyak dan beragam industri saat ini yang berusaha untuk meningkatkan kualitas
Lebih 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 terperinciProsiding Seminar Nasional Sains dan Pendidikan Sains VIII, Fakultas Sains dan Matematika, UKSW Salatiga, 15 Juni 2013, Vol 4, No.
PENERAPAN METODE BOOTSTRAP PADA UJI KOMPARATIF NON PARAMETRIK LEBIH DARI SAMPEL Studi Kasus: Inflasi di Kota Purwokerto, Surakarta, Semarang, dan Tegal Tahun 003-01 Yudi Agustius 1), Adi Setiawan ), Bambang
Lebih terperinciBAB III PENGENDALIAN KUALITAS MULTIVARIAT. menghasilkan produk dengan kualitas yang baik, haruslah dilakukan pengendalian
BAB III PENGENDALIAN KUALITAS MULTIVARIAT Seperti yang telah dibahas pada bab sebelumnya bahwa untuk menghasilkan produk dengan kualitas yang baik, haruslah dilakukan pengendalian pada proses produksinya.
Lebih terperinciPENERAPAN DAN STUDI SIMULASI GRAFIK PENGENDALI NON PARAMETRIK BERDASARKAN FUNGSI DISTRIBUSI EMPIRIK PADA DATA ph PRODUK AIR MINUM GALON MERK X
PENERAPAN DAN STUDI SIMULASI GRAFIK PENGENDALI NON PARAMETRIK BERDASARKAN FUNGSI DISTRIBUSI EMPIRIK PADA DATA ph PRODUK AIR MINUM GALON MERK X Oleh : Jantini Trianasari Natangku 662008002 TUGAS AKHIR Diajukan
Lebih terperinciMODEL PREDIKSI DENGAN BINOMIAL POISSON INAR(1) DAN TRINOMIAL POISSON INAR(2)
Prosiding Seminar Nasional Matematika dan Pendidikan Matematika (SESIOMADIKA) 2017 ISBN: 978-602-60550-1-9 Statistika, hal. 36-41 MODEL PREDIKSI DENGAN BINOMIAL POISSON INAR(1) DAN TRINOMIAL POISSON INAR(2)
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi adalah suatu metode yang digunakan untuk menganalisa hubungan antara variabel respon dan variabel prediktor. Pada umumnya analisis regresi
Lebih terperinciAdi Setiawan Program Studi Matematika, Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Jl. Diponegoro Salatiga 50711
PENENTUAN DISTRIBUSI SKEWNESS DAN KURTOSIS DENGAN METODE RESAMPLING BERDASAR DENSITAS KERNEL (STUDI KASUS PADA ANALISIS INFLASI BULANAN KOMODITAS BAWANG MERAH, DAGING AYAM RAS DAN MINYAK GORENG DI KOTA
Lebih terperinciYudi Agustius, Adi Setiawan, Bambang Susanto
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA, Fakultas MIPA, Universitas Negeri Yogyakarta, 18 Mei 2013 PENERAPAN METODE BOOTSTRAP PADA UJI KOMPARATIF NON PARAMETRIK 2 SAMPEL Studi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Grafik pengendali merupakan alat baku untuk mengukur performa proses (Liu dan Tang, 1996). Hal ini dikembangkan pada tahun 1920 dan sekarang grafik pengendali menjadi
Lebih terperinciPEMBENTUKAN SAMPEL BARU YANG MASIH MEMENUHI SYARAT VALID DAN RELIABEL DENGAN TEKNIK RESAMPLING
Bidang Kajian : Statistika PEMBENTUKAN SAMPEL BARU YANG MASIH MEMENUHI SYARAT VALID DAN RELIABEL DENGAN TEKNIK RESAMPLING Stevvileny Angu Bima 1), Adi Setiawan 2), Tundjung Mahatma 3) 1) Mahasiswa Program
Lebih terperinciADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA.'\ ... f - -~." jt.. "
... f - -~." jt.. " ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA.'\ r P fi'. ":' 1)":- < /r J ESTIMASI PABAMETEll DISTRIBUSI LOGNORMAL MENGGUNAIAN METODR BAYES BBRDASARKAN PRIORINFORMATIF. ( BBTrI KRISDlANA
Lebih terperinciGRAFIK PENGENDALI Mnp PADA DATA TAK SESUAI
GRAFIK PENGENDALI Mnp PADA DATA TAK SESUAI Nonik Brilliana P 1, Sudarno 2, dan Suparti 2 1 Mahasiswa Jurusan Statistika FSM Undip 2 Staf Pengajar Jurusan Statistika FSM Undip Abstrak Pada era globalisasi
Lebih terperinciUJI VALIDITAS DAN UJI RELIABILITAS MENGGUNAKAN METODE BOOTSTRAP PADA DATA KUISIONER TIPE YES/NO QUESTIONS
PROSIDING SEMINAR NASIONAL SAINS DAN PENDIDIKAN SAINS VIII UKSW UJI VALIDITAS DAN UJI RELIABILITAS MENGGUNAKAN METODE BOOTSTRAP PADA DATA KUISIONER TIPE YES/NO QUESTIONS Jesyca R. T. Muaja 1), Adi Setiawan
Lebih terperinciBAB III METODE PENELITIAN
digilib.uns.ac.id BAB III METODE PENELITIAN Metode yang digunakan dalam penelitian ini adalah kajian pustaka dari buku referensi karya ilmiah. Karya ilmiah yang digunakan adalah hasil penelitian serta
Lebih terperinciBAB 1 PENDAHULUAN. ii Bagaimana rata-rata atau nilai tengah dibuat oleh Stimulan eksternal.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan ilmu pengetahuan matematika dan penerapannya dalam berbagai bidang keilmuan selalu mencari metode baru untuk memudahkan dalam memprediksi dan menaksir
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini diberikan beberapa konsep dasar seperti teorema dan beberapa definisi sebagai landasan dalam penelitian ini. Konsep dasar ini berkaitan dengan masalah yang dibahas dalam
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Di zaman sekarang, kemajuan sains dan teknologi sangat berkembang pesat. Salah satu ilmu yang berkembang adalah matematika yang merupakan induk dari semua ilmu
Lebih terperinciANALISIS KEMAMPUAN PROSES PADA DATA BERDISTRIBUSI BINOMIAL
ANALISIS KEMAMPUAN PROSES PADA DATA BERDISTRIBUSI BINOMIAL Makalah Untuk Memenuhi Tugas Mata Kuliah Pengendalian Kualitas Statistik Yang Dibina Oleh Bapak Hendro Permadi Nama Kelompok: Sudarsono (309312422762)
Lebih terperinciESTIMASI PARAMETER DALAM MODEL RETURN STOKASTIK DENGAN LOMPATAN MENGGUNAKAN METODE MARKOV CHAIN MONTE CARLO
ESTIMASI PARAMETER DALAM MODEL RETURN STOKASTIK DENGAN LOMPATAN MENGGUNAKAN METODE MARKOV CHAIN MONTE CARLO Yessy Okvita 1), Bambang Susanto 2), dan Hanna Arini Parhusip 3) 1) Mahasiswa Program Studi Matematika
Lebih terperinciAdi Setiawan Program Studi Matematika, Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Jl. Diponegoro Salatiga 50711
PENENTUAN DISTRIBUSI SKEWNESS DAN KURTOSIS DENGAN METODE RESAMPLING BERDASAR DENSITAS KERNEL (STUDI KASUS PADA ANALISIS INFLASI BULANAN KOMODITAS BAWANG MERAH, DAGING AYAM RAS DAN MINYAK GORENG DI KOTA
Lebih terperinciMODEL DISTRIBUSI TOTAL KERUGIAN AGGREGAT MANFAAT RAWAT JALAN BERDASARKAN SIMULASI
MODEL DISTRIBUSI TOTAL KERUGIAN AGGREGAT MANFAAT RAWAT JALAN BERDASARKAN SIMULASI Puspitaningrum Rahmawati, Bambang Susanto, Leopoldus Ricky Sasongko Program Studi Matematika (Fakultas Sains dan Matematika,
Lebih terperinciSTUDI KAUSALITAS GRANGER ANTARA NILAI TUKAR RUPIAH TERHADAP USD DAN AUD MENGGUNAKAN ANALISIS VAR
Prosiding Seminar Nasional Penelitian, Pendidikan dan Penerapan MIPA Fakultas MIPA, Universitas Negeri Yogyakarta, 16 Mei 2009 STUDI KAUSALITAS GRANGER ANTARA NILAI TUKAR RUPIAH TERHADAP USD DAN AUD MENGGUNAKAN
Lebih terperinciKata Kunci: Bagan kendali nonparametrik, estimasi fungsi kepekatan kernel
Jurnal Matematika UNAND Vol. 5 No. 2 Hal. 1 10 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND BAGAN KENDALI NONPARAMETRIK DENGAN ESTIMASI FUNGSI KEPEKATAN KERNEL (STUDI KASUS: INDEKS PRESTASI MAHASISWA
Lebih terperinciPemodelan Data Curah Hujan Menggunakan Proses Shot Noise Modeling Rainfall Data Using a Shot Noise Process
Prosiding Statistika ISSN: 2460-6456 Pemodelan Data Menggunakan Proses Shot Noise Modeling Rainfall Data Using a Shot Noise Process 1 Novi Tri Wahyuni, 2 Sutawatir Darwis, 3 Teti Sofia Yanti 1,2,3 Prodi
Lebih terperinciBAB I PENDAHULUAN. , untuk x 0, 0, 0 { 0, untuk x yang lain. 1 maka fungsi densitas di atas akan menjadi fungsi densitas distribusi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan ilmu pengetahuan dan teknologi berdampak positif pada berbagai bidang termasuk bidang Statistika. Hal ini dapat dilihat dari semakin banyak penemuan
Lebih terperinciS - 19 UJI NORMALITAS BERDASARKAN METODE ANDERSON- DARLING, CRAMER-VON MISES DAN LILLIEFORS MENGGUNAKAN METODE BOOTSTRAP
S - 19 UJI NORMALITAS BERDASARKAN METODE ANDERSON- DARLING, CRAMER-VON MISES DAN LILLIEFORS MENGGUNAKAN METODE BOOTSTRAP Janse Oktaviana Fallo 1, Adi Setiawan 2, Bambang Susanto 3 1,2,3 Program Studi Matematika
Lebih terperinciBAB I PENDAHULUAN. memperkecil atau meminimumkan ketidakpastian tersebut. Risiko dapat terjadi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam setiap kegiatan yang dilakukan oleh suatu kelompok atau perorangan pasti ada risiko yang harus ditanggung. Risiko merupakan kemungkinan terjadinya suatu
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 terperinciBAB II TINJAUAN PUSTAKA. (b) Variabel independen yang biasanya dinyatakan dengan simbol
BAB II TINJAUAN PUSTAKA A. Regresi Regresi adalah suatu studi statistik untuk menjelaskan hubungan dua variabel atau lebih yang dinyatakan dalam bentuk persamaan. Salah satu variabel merupakan variabel
Lebih terperinciANALISIS GRAFIK KENDALI np YANG DISTANDARISASI UNTUK PENGENDALIAN KUALITAS DALAM PROSES PENDEK
ANALISIS GRAFIK KENDALI np YANG DISTANDARISASI UNTUK PENGENDALIAN KUALITAS DALAM PROSES PENDEK Yayuk Nurkotimah dan Fachrur Rozi Jurusan Matematika UIN Maulana Malik Ibrahim Malang e-mail: ocy_cute9@yahoo.com
Lebih terperinciPENERAPAN GRAFIK HOTELLING T 2 BIVARIAT PADA KARATERISTIK KUALITAS PARFUM REMAJA DARI PERUSAHAAN X
PENERAPAN GRAFIK HOTELLING T BIVARIAT PADA KARATERITIK KUALITA PARFUM REMAJA DARI PERUAHAAN X Fitria Puspitoningrum ), Adi etiawan ) dan Hanna A.Parhusip ) ) Mahasiswa Program tudi Matematika FM UKW Jl.
Lebih terperinciPenerapan Grafik dan Studi Simulasi Hotelling T 2 Triviat pada Kualitas Parfum Remaja dari Perusahaan X
PROIDING IBN : 978 979 6353 6 3 Penerapan Grafik dan tudi imulasi Hotelling T Triviat pada Kualitas Parfum Remaja dari Perusahaan X - 5 Fitria Puspitoningrum ), Adi etiawan ) dan Hanna A. Parhusip ) )
Lebih terperinciESTIMASI PARAMETER MODEL REGRESI ZERO-INFLATED POISSON (ZIP) MENGGUNAKAN METODE BAYESIAN
ESTIMASI PARAMETER MODEL REGRESI ZERO-INFLATED POISSON (ZIP) MENGGUNAKAN METODE BAYESIAN Karima Puspita Sari, Respatiwulan, dan Bowo Winarno Program Studi Matematika FMIPA UNS Abstrak. Model regresi zero-inflated
Lebih terperinciANALISIS GRAFIK PENGENDALI NONPARAMETRIK DENGAN ESTIMASI FUNGSI DENSITAS KERNEL PADA KASUS WAKTU PELOROTAN BATIK TULIS SKRIPSI
ANALISIS GRAFIK PENGENDALI NONPARAMETRIK DENGAN ESTIMASI FUNGSI DENSITAS KERNEL PADA KASUS WAKTU PELOROTAN BATIK TULIS SKRIPSI Oleh: Hana Hayati J2E 009 38 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam persaingan pasar yang amat ketat seperti sekarang ini, industri harus menjaga kualitas produk atau jasa mereka tetap terjamin. Hal ini dikarenakan agar konsumen
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 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 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 terperinciSTATISTIKA MATEMATIKA
STATISTIKA MATEMATIKA Penulis: Prof. Subanar, Ph.D Edisi Pertama Cetakan Pertama, 2013 Hak Cipta 2013 pada penulis, Hak Cipta dilindungi undang-undang. Dilarang memperbanyak atau memindahkan sebagian atau
Lebih terperinciBAB 2 LANDASAN TEORI
10 BAB 2 LANDASAN TEORI 2.1 Defenisi Mutu Dalam dunia industri baik industri jasa maupun manufaktur mutu adalah faktor kunci yang membawa keberhasilan bisnis, pertumbuhan dan peningkatan posisi bersaing.
Lebih terperinciSKRIPSI. Disusun Oleh: MARTA WIDYASTUTI
ANALISIS PENGARUH INFLASI, KURS, DAN SUKU BUNGA SERTIFIKAT BANK INDONESIA TERHADAP INDEKS HARGA SAHAM GABUNGAN MENGGUNAKAN REGRESI LINIER BERGANDA BAYES SKRIPSI Disusun Oleh: MARTA WIDYASTUTI 24010211130068
Lebih terperinciBAB I PENDAHULUAN. menghasilkan data, melalui penggunaan metode statistik dapat mengetahui bahwa
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam era globalisasi, kualitas menjadi tulang punggung keberhasilan suatu perusahaan dalam menjalankan roda perekonomian. Kualitas yang baik akan menghasilkan
Lebih terperinciProsiding Statistika ISSN:
Prosiding Statistika ISSN: 2460-6456 Diagram Kendali V dari Distribusi Maxwel untuk Pengendalian Kualitas Total Dissolved Solids (TDS) Air Mineral Al-Ma soem V Control Chart of The Maxwel Distribution
Lebih terperinciPengendalian Kualitas TIN-212
II Process Capability Analysis Pengendalian Kualitas TIN-212 Syarat-syarat pelaksanaan process capability analysis 1 Jika kita sudah mengetahui bagaimana kinerja proses kita (voice of process), tentunya
Lebih terperinciESTIMASI MODEL PERSAMAAN STRUKTURAL MELALUI PENDEKATAN BAYESIAN (Studi Kasus: Data Kinerja Pegawai Universitas Bina Darma Palembang)
BIAStatistics (215) Vol. 9, No. 2, hal. 1-6 ESTIMASI MODEL PERSAMAAN STRUKTURAL MELALUI PENDEKATAN BAYESIAN (Studi Kasus: Data Kinerja Pegawai Universitas Bina Darma Palembang) 1 Didin Astriani P, 2 Jadi
Lebih terperinciUji Normalitas Menggunakan Statistik Jarque-BeraBerdasarkan Metode Bootstrap
Uji Normalitas Menggunakan Statistik Jarque-BeraBerdasarkan Metode Bootstrap Dian Christiani Kabasarang a, Adi Setiawan b, Bambang Susanto c a,b,c Program Studi Matematika Fakultas Sains dan Matematika,
Lebih terperinciSri Subanti TEORI PELUANG SEBELAS MARET UNIVERSITY PRESS. iii
TEORI PELUANG i Sanksi Pelanggaran Pasal 72 Undang-undang Nomor 19 Tahun 2002 Perubahan atas Undang-undang Nomor 7 Tahun 1987 Perubahan atas Undang-undang Nomor 6 Tahun 1982 Tentang Hak Cipta 1. Barang
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Flowchart Penelitian Gambar 3.1 Flowchart Diagram 36 37 3.2 Langkah-Langkah Penelitian Metodologi penelitian merupakan tahapan yang harus ditetapkan sebelum melakukan penelitian,
Lebih terperinciSATUAN ACARA PERKULIAHAN MATA KULIAH : ANALISIS DATA UJI HIDUP KODE MATA KULIAH : MAA SKS
SATUAN ACARA PERKULIAHAN MATA KULIAH : ANALISIS DATA UJI HIDUP KODE MATA KULIAH : MAA 516 3 SKS MINGGU 1 Pendahuluan dan - Pengertian Dasar soal-soal 2 Konsep-Konsep Dasar untuk Hidup Model Kontinu 1.
Lebih terperinciProsedur untuk Memonitor Proses dengan Proporsi Kecacatan yang Rendah
Prosiding Statistika ISSN: 2460-6456 Prosedur untuk Memonitor Proses dengan Proporsi Kecacatan yang Rendah 1 Shobrina Nuradhanti Nugroho, 2 Teti Sofia Yanti, 3 Suwanda Idris 1,2,3 Prodi Statistika, Fakultas
Lebih terperinciPENDAHULUAN. CuSum. Univariate EWMA MEWMA. Multivariate Hotelling. Kosumen. Kualitas Baik. Peta Kendali. Pengendalian Kualitas
PENDAHULUAN Kosumen Kualitas Baik Univariate CuSum EWMA Peta Kendali Pengendalian Kualitas MEWMA Multivariate Hotelling PENDAHULUAN R U M U S A N M A S A L A H 1. Bagaimana prosedur pembentukan peta kendali
Lebih terperinciPerbandingan Karakteristik Inflasi Kota-Kota Di Indonesia Bagian Timur Sebelum Dan Sesudah Krisis Moneter 1998
Perbandingan Karakteristik Inflasi Kota-Kota Di Indonesia Bagian Timur Sebelum Dan Sesudah Krisis Moneter 1998 Adi Setiawan Program Studi Matematika, Fakultas Sains dan Matematika Universitas Kristen Satya
Lebih terperinciBAB III METODE PENELITIAN
1 BAB III METODE PENELITIAN Metode penelitian merupakan gambaran dari tahapan yang dilalui dalam menyelesaikan suatu masalah yang ditemui dalam sebuah penelitian, dimana dibuat berdasarkan latar belakang
Lebih terperinciBagan Kendali Rasio Likelihood dan Aplikasinya pada Data Kurs Mata Uang dan Industri
Vol. 10, No. 1, 26-34, Juli 2013 Bagan Kendali Rasio Likelihood dan Aplikasinya pada Data Kurs Mata Uang dan Industri Andi Fitri Ayu 1, Erna Tri Herdiani 1, M. Saleh AF 1, Anisa 1, Nasrah Sirajang 1 Abstrak
Lebih terperinciPENGUJIAN HIPOTESIS DALAM MODEL SPLINE PADA REGRESI NONPARAMETRIK
TESIS ST 2309 PENGUJIAN HIPOTESIS DALAM MODEL SPLINE PADA REGRESI NONPARAMETRIK AHMAD ZAKI NRP. 1305 201 015 DOSEN PEMBIMBING Dr. Drs. I Nyoman Budiantara, M.S. Ir. Mutiah Salamah Chamid, M.Kes. PROGRAM
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman 81-90 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS GRAFIK PENGENDALI NONPARAMETRIK DENGAN ESTIMASI FUNGSI
Lebih terperinciPerbandingan Estimasi Parameter Pada Distribusi Eksponensial Dengan Menggunakan Metode Maksimum Likelihood Dan Metode Bayesian
Perbandingan Estimasi Parameter Pada Distribusi Eksponensial Dengan Menggunakan Metode Maksimum Likelihood Dan Metode Bayesian Rado Yendra 1, Elsa Tria Noviadi 2 1,2 Jurusan Matematika, Fakultas Sains
Lebih terperinciESTIMASI PARAMETER MODEL MIXTURE AUTOREGRESSIVE (MAR) MENGGUNAKAN ALGORITMA EKSPEKTASI MAKSIMISASI (EM) Abstract
Estimasi Parameter (Mika Asrini) ESTIMASI PARAMETER MODEL MIXTURE AUTOREGRESSIVE (MAR) MENGGUNAKAN ALGORITMA EKSPEKTASI MAKSIMISASI (EM) Mika Asrini 1, Winita Sulandari 2, Santoso Budi Wiyono 3 1 Mahasiswa
Lebih terperinciPENERAPAN METODE PENDUGAAN AREA KECIL (SMALL AREA ESTIMATION) PADA PENENTUAN PROPORSI RUMAH TANGGA MISKIN DI KABUPATEN KLUNGKUNG
E-Jurnal Matematika Vol. 2, No.3, Agustus 2013, 35-39 ISSN: 2303-1751 PENERAPAN METODE PENDUGAAN AREA KECIL (SMALL AREA ESTIMATION) PADA PENENTUAN PROPORSI RUMAH TANGGA MISKIN DI KABUPATEN KLUNGKUNG PUTU
Lebih terperinciMedan, Juli Penulis
9. Seluruh teman-teman seperjuangan di Ekstensi Matematika Statistika, dan semua pihak yang turut membantu menyelesaikan skripsi ini. Sepenuhnya penulis menyadari bahwa dalam penulisan skripsi ini masih
Lebih terperinciPENGGUNAAN ANALISIS KETAHANAN HIDUP UNTUK PENENTUAN PERIODE GARANSI DAN HARGA PRODUK PADA DATA WAKTU HIDUP LAMPU NEON
PENGGUNAAN ANALISIS KETAHANAN HIDUP UNTUK PENENTUAN PERIODE GARANSI DAN HARGA PRODUK PADA DATA WAKTU HIDUP LAMPU NEON SKRIPSI Disusun Oleh: DIAN IKA PRATIWI 24010211120017 JURUSAN STATISTIKA FAKULTAS SAINS
Lebih terperinciPROSIDING. Seminar Nasional Sains dan Pendidikan Sains IV Fakultas Sains dan Matematika UKSW 13 Juni 2009
PROSIDING Seminar Nasional Sains dan Pendidikan Sains IV Fakultas Sains dan Matematika UKSW 13 Juni 2009 Pembelajaran Sains yang Menarik dan Menantang Diterbitkan Oleh: Fakultas Sains dan Matematika Universitas
Lebih terperinciBab 2. Teori Dasar. 2.1 Pendahuluan
Bab 2 Teori Dasar 2.1 Pendahuluan Gagasan bagan kendali statistik pertama kali diperkenalkan oleh Walter A. Shewhart dari Bell Telephone laboratories pada tahun 1924 (Montgomery, 2001, hal 9). Tujuan dari
Lebih 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 terperinciPENGONTROLAN KUALITAS PRODUK MENGGUNAKAN METODE DIAGRAM KONTROL MULTIVARIAT np (Mnp) DALAM USAHA PENINGKATAN KUALITAS
PENGONTROLAN KUALITAS PRODUK MENGGUNAKAN METODE DIAGRAM KONTROL MULTIVARIAT np (Mnp) DALAM USAHA PENINGKATAN KUALITAS (Studi Kasus di PT Coca-Cola Amatil Indonesia (CCAI) Semarang) SKRIPSI Disusun Oleh
Lebih terperinci