PERBANDINGAN ESTIMASI CADANGAN KLAIM

Ukuran: px
Mulai penontonan dengan halaman:

Download "PERBANDINGAN ESTIMASI CADANGAN KLAIM"

Transkripsi

1 TUGAS AKHIR SS450 TUGAS AKHIR SS 450 PERBANDINGAN ESTIMASI CADANGAN KLAIM PENENTUAN MENGGUNAKAN WAKTU METODE OPTIMUM CHAIN PERBAIKAN LADDER DAN MESIN GENERALIZED KETEL MENGGUNAKAN LINEAR MODELS (GLMs) METODE DENGAN POWER LAW PENDEKATAN PROCESS DI OVER-DISPERSED PT. PG X SIDOARJO POISSON (ODP)PADA ASURANSI UMUM IFA FAULINA NRP RIFKY MUHARAM Dose NRP Pembmbg Dr. Muhammad Mashur, MT Drs. Haryoo, M.SIE Dose Pembmbg Drs. Haryoo, MSIE PROGRAM STUDI SARJANA DEPARTEMEN STATISTIKA FAKULTAS PROGRAM MATEMATIKA STUDI S DAN ILMU PENGETAHUAN ALAM INSTITUT DEPARTEMEN TEKNOLOGI STATISTIKA SEPULUH NOPEMBER SURABAYA FAKULTAS 07 MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 07

2 TUGAS AKHIR SS 450 PENENTUAN WAKTU OPTIMUM PERBAIKAN MESIN KETEL MENGGUNAKAN METODE POWER LAW PROCESS DI PT. PG X SIDOARJO IFA FAULINA NRP Dose Pembmbg Dr. Muhammad Mashur, MT Drs. Haryoo, M.SIE PROGRAM STUDI SARJANA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 07

3 FINALPROJECT SS450 OPTIMUM REPAIR TIME DETERMINATION OF BOILER MACHINE USING POWER LAW PROCESS METHOD IN PT. PG X SIDOARJO IFA FAULINA NRP Supervsor Dr. Muhammad Mashur, MT Drs. Haryoo, M.SIE UNDERGRADUATE PROGRAM DEPARTMENT OF STATISTICS FACULTY OF MATHEMATICS AND NATURAL SCIENCES INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 07

4

5 PENENTUAN WAKTU OPTIMUM PERBAIKAN MESIN KETEL MENGGUNAKAN METODE POWER LAW PROCESS DI PT. PG X SIDOARJO Nama Mahasswa : Ifa Faula NRP : Departeme : Statstka Dose Pembmbg I :Dr. Muhammad Mashur, MT Dose Pembmbg II :Drs. Haryoo, M.SIE Abstrak Mateace atau perawata pada suatu mes dlakuka dega tujua agar peralata memlk kods yag sama sepert keadaa awalya da memmumka keruga secara ekoom bag perusahaa. Sehgga, frekues perawata yag tepat sagat dperluka. PT. PG X Sdoarjo saat memlk dua mes ketel, yatu Cheg Che Machery (KCC) da Fave Cal Babcock (FCB). Kedua ketel bersfat depede dega fugs yag sama, yatu sebaga mes peggerak mes yag dguaka utuk memproduks gula. Namu kedua mes memlk perbedaa dalam obyek yag dgerakka. Peelta bertujua meetuka waktu perbaka mes ketel yag tepat da memmumka baya akbat kerusaka dega megguaka metode Power Law Process. Hasl aalss meujukka bahwa kerusaka pada kedua ketel telah megkut model No Homogeeus Posso Process (NHPP) atau memlk tred laju kerusaka yag megkat. Perhtuga waktu perawata pada mes ketel KCC sebakya perawata dlakuka jka mes telah dguaka selama 4 jam operas atau setelah mes megalam kerusaka yag pertama tergatug maa yag terlebh dahulu terjad dega baya mmum sebesar Rp per satu jam operas. Sedagka, mes FCB sebakya dlakuka perawata jka telah dguaka selama 40 jam operas atau setelah mes megalam kerusaka yag pertama tergatug maa dulu yag terjad dega estmas baya Rp per jam operas. Kata Kuc : Mateace, Mes Ketel, No Homogeeous Posso Process, Power Law Process v

6 (Halama I Segaja Dkosogka) v

7 OPTIMUM REPAIR TIME DETERMINATION OF BOILER MACHINE USING POWER LAW PROCESS METHOD IN PT. PG X SIDOARJO Studet Name : Ifa Faula NRP : Departmet : Statstcs Supervsor I :Dr. Muhammad Mashur, MT Supervsor II :Drs. Haryoo, M.SIE Abstract Mateace o a mache s doe wth the am that the equpmet has the same codtos as the tal state ad mmze the ecoomc losses for the compay. Thus, the rght frequecy of care s ecessary. PT. PG X Sdoarjo curretly has two boler maches, that s Cheg Che Machery (KCC) ad Fave Cal Babcock (FCB). Both bolers are depedet wth the same fucto, as a mache drvg mache that used to produce sugar. But both maches have dffereces the object beg drve. Ths study ams to determe the proper tmg of boler repar ad mmze the cost of damage by usg Power Law Process method. The results show that damage to both bolers has followed the No Homogeeous Posso Process (NHPP) model or has a creasg tred of damage. Estmato of mateace tme o the KCC boler mache should be made f the mache has bee used for 4 hours operato or after the mache suffered the frst damage depedg o whch frst occurs wth a mmum charge of Rp 55,633 per oe hour operato. Meawhle, the FCB mache should be treated f t has bee used for 40 hours of operato or after the mache suffered the frst damage depedg where t used to happe wth the estmated cost of Rp per hour of operato. Keywords: Boler Mache, Mateace, No Homogeeous Posso Process, Power Law Process x

8 (Halama I Segaja Dkosogka) x

9 KATA PENGANTAR Alhamdulllah, segala puj bag Allah SWT yag telah memberka rahmat da karua-nya sehgga peuls dapat meyelasaka Tugas Akhr yag berjudul Peetua Waktu Optmum Perbaka Mes Ketel Megguaka Metode Power Law Process d PT. PG X Sdoarjo dega bak da sesua harapa. Lapora Tugas Akhr tdak lepas dar batua berbaga phak, utuk tu kam g meyampaka terma kash yag sebesar-besarya kepada :. Keluarga yag peuls sayag Alm. Ayah Tukba, Ibu Atm, Mbak Nta, Mas Bud, Mas Efa, da Mbak Ika serta seluruh keluarga besar peuls yag telah memberka kash sayag, doa, da motvas sehgga peuls dapat meyelesaka lapora hasl Tugas Akhr.. Dr. Muhammad Mashur, MT da Drs. Haryoo, M.SIE selaku dose pembmbg Tugas Akhr yag selama telah meluagka waktu utuk membmbg da member sara serta membatu peuls selama proses pegerjaa Tugas Akhr. 3. Dr. Agus Suharsoo, MS da Pratya Paramtha Oktavaa, S.S, M.S selaku dose peguj yag telah meluagka waktu utuk memberka masuka gua perbaka pada Tugas Akhr. 4. Dr. Suhartoo selaku Ketua Departeme da Dr. Sutko, S.S, M.S selaku Kepala Program Stud S yag memberka fasltas da araha gua kelacara Tugas Akhr. 5. Imam Safaw, S.S, M.S selaku dose wal yag membatu da meluagka waktu peuls dalam proses perwala selama perkulah. 6. Seluruh Karyawa d PT. PG X Sdoarjo khusuya devs fabrkas yag telah megzka peuls megguaka data kerusaka mes ketel sebaga baha Tugas Akhr. 7. Seluruh karyawa Admstras Departeme Statstka ITS yag telah membatu dalam proses admstras Tugas Akhr x

10 8. Sahabat-sahabat peuls yag seta meghbur da memotvas peuls sehgga peuls terus memlk semagat dalam meyelesaka Tugas Akhr 9. Tema-tema Ltas Jalur 05 yag telah bayak membatu peuls dalam hal perkulaha da peulsa lapora Tugas Akhr Peuls meyadar lapora Tugas akhr mash belum sempura sehgga sara atau krtk dar pembaca sagat bergua bag peyempuraa lapora Tugas Akhr. Surabaya, Jul 07 Peuls x

11 DAFTAR ISI x Halama HALAMAN JUDUL... LEMBAR PENGESAHAN... v ABSTRAK... v ABSTRACT... x KATA PENGANTAR... x DAFTAR ISI... x DAFTAR GAMBAR... xv DAFTAR TABEL... xv DAFTAR LAMPIRAN... xx BAB I PENDAHULUAN. Latar Belakag.... RumusaMasalah Tujua Mafaat Batasa Masalah... 4 BAB II TINJAUAN PUSTAKA. Stochastc Pot Process Reewal Process Proses Perbaka Mmal Posso Process Homogeeus Posso Processes (HPP) No-Homogeeus Posso Processes (NHPP) Power Law Process Falure Trucated data da Tme Trucated Data Maxmum Lkelhood Estmato (MLE) Tme Trucated Data Masg-Masg Mes Goodess of Ft Test....7 Peguja Persamaa Parameter dalam Power Law Process....8 Membetuk NHPP Model dega Power Law Process Replacemet Model... 5

12 .0 Proses Produks pada PT. PG X Sdoarjo... 6 BAB III METODOLOGI PENELITIAN 3. Sumber Data Varabel Peelta Lagkah Aalss... 9 BAB IV ANALISIS DAN PEMBAHASAN 4. Karakterstk Tme Trucated Data Mes KCC da FCB Estmas Parameter Masg-Masg Mes Ketel Goodess of Ft Test Peguja Persamaa Parameter dalam Power Law Process Estmas Parameter Gabuga Nodetcal System Replacemet Model Nla da... 3 c f c p 4.6. Perhtuga Estmas Baya... 3 BAB V KESIMPULAN DAN SARAN 5. Kesmpula Sara DAFTAR PUSTAKA LAMPIRAN BIODATA PENULIS xv

13 DAFTAR GAMBAR Halama Gambar. Dagram Proses Produks... 7 Gambar. Mes Ketel... 8 Gambar 3. Dagram Alr... Gambar 4. Jumlah Kerusaka Mes KCC (a) da Mes FCB (b)... 4 Gambar 4. Rate of Occurrece of Falure (ROCOF) Mes KCC (a) da Mes FCB (b) Gambar 4.3 Ekspektas Optmas Baya Perawata Mes Ketel KCC Gambar 4.4 Ekspektas Optmas Baya Perawata Mes Ketel FCB xv

14 (Halama I Segaja Dkosogka) xv

15 DAFTAR TABEL Halama Tabel 3. Struktur Data... 9 Tabel 4. Karakterstk Tme Trucated Data Usa Paka... 3 Tabel 4. Statstk Uj Cramer-vo Mses Test... 6 Tabel 4.3 Estmas Parameter Gabuga dega Nodetcal System... 8 Tabel 4.4 Rate of Occurrece of Falure (ROCOF) Mes Ketel KCC da FCB... 9 Tabel 4.5 Rca Cost of Falure... 3 Tabel 4.6 Ekspektas Baya Mes Ketel KCC Tabel 4.7 Ekspektas Baya Mes Ketel FCB xv

16 (Halama I Segaja Dkosogka) xv

17 DAFTAR LAMPIRAN Halama Lampra A. Data Lfetme Mes Ketel KCC Lampra B. Data Lfetme Mes Ketel FCB Lampra A. Goodess of Ft Test Lampra 3A. Estmas Parameter Gabuga Nodetcal System... 4 Lampra 4A. Perhtuga Nla ROCOF Mes KCC... 4 Lampra 4B. Perhtuga Nla ROCOF Mes FCB Lampra 5A. Rca Baya Perawata (C p) da Baya Akbat Kerusaka (C f) Lampra 6A. Sytax MATLAB Optmas Baya Lampra 6B. Perhtuga Optmas Baya Mes Ketel KCC Lampra 6C. Perhtuga Optmas Baya Mes Ketel FCB Lampra 7A. Surat Peryataa Iz Publkas xx

18 (Halama I Segaja Dkosogka) xx

19 BAB I PENDAHULUAN. Latar Belakag Mes adalah kompoe pokok dalam suatu perusahaa karea mes merupaka alat mekak atau elektrk yag megrm atau megubah eerg utuk melakuka suatu pekerjaa atau sebaga alat batu mempermudah pekerjaa mausa. Proses produks aka sagat bergatug pada keadaa suatu mes. Mes dapat dkataka bak jka mampu meghaslka produk dega kualtas bak da dapat mecapa target produks. Keadala mes yag tdak bak aka meggaggu kelacara proses produks. Mes aka serg megalam kerusaka karea tdak dterapkaya metode perawata yag tepat serg baya yag dtmbulkaya. Sehgga, mes perlu dlakuka pegotrola agar dapat dlakuka mateace. Mateace atau pemelharaa merupaka suatu kegata yag dlakuka secara berulag-ulag dega tujua agar peralata memlk kods yag sama sepert keadaa awalya. Kerusaka suatu mes aka berdampak keruga secara ekoom bag perusahaa. Masalah la pu tmbul dmaa perawata yag terlalu serg dlakuka aka membulka baya yag besar da perawata yag jarag dlakuka aka serg terjad kerusaka serta baya yag tmbul aka lebh besar. Sehgga perhtuga yag tepat terhadap frekues perawata sagat dperluka gua memmumka baya da mejaga kods mes tetap bak. PT. PG X d Sdoarjo merupaka pabrk gula yag memproduks gula SHS (Superor Hooft Suker) atau GKP (Gula Krstal Puth) tpe A sebaga produk utama. Sela produk tersebut ada beberapa hasl sampga, salah satuya berupa tetes yag djual ke beberapa perusahaa. Saat PT. PG X memlk 7 stasu produks yag terdr dar stasu glga, stasu ketel, stasu pemura, stasu peguapa, stasu masaka, stasu putera, da stasu peyelesaa. Proses produks d PT. PG X

20 berawal pada stasu pegglga yag memlk sstem ser yag meghaslka ra metah da ampas tebu. Selajutya, ra metah aka dproses pada stasu pemura, stasu peguapa, stasu masaka, stasu putera, da terakhr pada stasu peyelesaa. Sedagka ampas aka masuk ke statsu ketel sebaga baha bakar. Pada tahu 06, target rata-rata produks PT. PG X sebesar 700 to per har. Namu, hgga akhr musm glg tahu 06 PT. PG X haya mampu memproduks sebayak 837 to per har. Hal tersebut dakbatka adaya hambata kerusaka pada mes produks sehgga megharuska berhetya proses produks. Mes glg tebu dapat berjala dega bak jka mes ketel berfugs dega bak pula. Namu, jka mes ketel megalam kerusaka, maka semua proses produks tdak dapat berjala. Oleh sebab tu stasu ketel dsebut sebaga jatugya proses produks karea mes ketel berfugs sebaga alat peggerak mes glg tebu da geerator berupa uap paas dega baha bakar ampas tebu yag meghaslka teaga lstrk. Pada stasu ketel terdapat dua mes ketel utama yatu mes ketel Cheg Che Machery (KCC) da mes ketel Fave Cal Babcock (FCB). Kedua ketel berjala secara depede amu memlk fugs da kapastas yag sama. Artya, mes ketel satu tdak mempegaruh jalaya mes ketel yag la, amu fugsya tetap sama yatu sebaga alat peggerak. Namu, pada objek yag dgerakka oleh kedua mes tersebut berbeda. Dmaa mes KCC meggerakka geerator da mes ketel FCB sebaga ketel peggerak mes glg. Permasalaha yag terjad pada mes ketel adalah serg megalam kerusaka yag tdak meetu pada saat musm glg padahal phak perusahaa telah meetuka waktu perawata atau mateace pada saat tdak mus glg. Hal tersebut megakbatka berhetya fugs mes ketel da megakbatka membegkakya baya serta tdak tercapaya target hasl produks. Sehgga, perlu dketahu waktu yag optmal utuk

21 3 melakuka perbaka pada kedua mes ketel agar dapat memmumka baya akbat kerusaka. Peelta terdahulu megea lfetme ege bus yag dlakuka oleh Leug da Cheg (000) megguaka metode power law process dega kesmpula bahwa ege bus harus dgat pada kerusaka pertama atau pada selag waktu 53,03 hgga 60,6 bula tergatug maa yag terlebh dahulu yag terjad. Peelta la yag megguaka metode power law process juga dlakuka oleh Tyas (06) dega kesmpula bahwa tdaka perbaka terhadap kompoe Heat Exchager sebakya dlakuka pada saat kompoe telah beroperas selama 8900 flght hours atau ketka terjad kerusaka pertama sebelum mecapa waktu operas 8900 flght hours dega estmas baya yag mmum sebesar US$0,090 per flght hours. Peelta laya yag megaalss waktu perbaka telah dlakuka oleh Permatasar (06) dega kesmpula bahwa kompoe Ar Cycle Mache (ACM) pesawat CRJ-000 aka dgat setelah terjad kerusaka ke-4 dega estmas rata-rata baya peggata jagka pajag sebesar US$696. Pada peelta dlakuka aalss pada data jam het produks gula pada mes ketel d PT. PG X Sdoarjo pada saat musm glg tahu 03 hgga 06. Metode yag aka dguaka pada data tersebut yatu Power Law Process atau model proses Webull. Alasa megguaka metode tersebut adaya laju kerusaka yag megkat da sfat dar dstrbus webull yag tdak memory less. Karea pada umumya keadaa suatu mes aka berkurag keadalaya serg dega megkatya lama beroperas.. Rumusa Masalah Kerusaka yag terjad pada ketel dar tahu 03 hgga 06 mash serg terjad walaupu selama tdak musm glg telah dlakuka perawata. Hal tersebut aka meyebabka proses produks tdak berjala secara optmal da target hasl produks perusahaa tdak tercapa. Usa dar mes ketel yag

22 4 sagat tua da peraa mes ketel sebaga jatug proses produks perusahaa yag meyebabka semak petgya pegawasa da perawata khusus terhadap mes ketel. Oleh sebab tu, keadala dar mes ketel harus sagat dperhatka agar dapat terus beroperas da memmumka baya akbat kerusaka. Berdasarka keteraga pada paragraf sebelumya, maka permasalaha yag aka dbahas pada peelta tugas akhr adalah bagamaa meetuka waktu perawata mes ketel yag tepat da memmumka baya akbat kerusaka mes ketel..3 Tujua Peelta Tujua yag ddapatka dalam peelta adalah meetuka waktu optmum utuk melakuka perbaka pada mes ketel. Jka telah medapat waktu yag optmum, maka aka dapat memmumka baya akbat kerusaka d PT. PG X Sdoarjo..4 Mafaat Peelta Harapaya peelta dapat mampu memberka formas megea waktu perbaka mes ketel yag optmal sehgga dapat memmumka baya perawata maupu baya perbaka akbat kerusaka d PT. PG X Sdoarjo..5 Batasa Peelta Batasa masalah pada peelta tugas akhr adalah sebaga berkut. Data yag dguaka adalah data jam het mes ketel pada saat musm glg saja.. Objek peelta yag dguaka adalah haya pada dua mes ketel tekaa meegah d PT. PG X Sdoarjo. 3. Peelta dasumska bahwa mes ketel berfugs dega bak setelah medapatka perawata pada saat musm tdak glg.

23 BAB II TINJAUAN PUSTAKA. Stochastc Pot Process Radom varabel dega adalah jumlah kejada yag terjad dar sebuah kegagala pada terval waktu. Proses dar N ( t), t 0 yag dsebut stochastc process atau proses stokastk dega realsas suatu proses meghtug atau coutg process. Msalya, jka g dketahu jumlah kegagala pada suatu mes hgga waktu ke-t dega t adalah waktu operasoal mes. Mafaatya, utuk megetahu hubuga dar suatu rututa perstwa atau proses kejada yag bersfat tdak past (Hoylad ad Rausad, 994)... Reewal Process Terdapat dua jes kompoe yatu reparable system da o-reparable system. Reparable system merupaka suatu kompoe jka terjad kerusaka, maka kompoe tersebut dapat dperbak dega beberapa proses perbaka sela peggata pada seluruh kompoe. Sedagka o-reparable system merupaka suatu kompoe yag jka megalam kerusaka, maka harus dgat dega kompoe yag baru atau tdak dapat dperbak atau dalam arta la kompoe tersebut aka lebh mahal jka dperbak darpada dgat dega kompoe baru (O Coor, 0). Ketel d perusahaa gula serg dsebut reewal process. Reewal process merupaka proses yag jka kompoe rusak, maka kompoe aka dkembalka kepada kods sepert kompoe yag baru (as good as ew codto) setelah megalam perbaka (Hoylad ad Rausad, 994)... Proses Perbaka Mmal Mmal repar merupaka sstem yag gagal aka berfugs kembal setelah perbaka dlakuka dega kods yag sama da usa efektf yag sama sepert pada saat kegagala terakhr. Asums da mmal repar adalah daggap bahwa waktu perbaka sagat mmum. Jka g memperoleh model yag N (t) ( 0, t) 5

24 6 fleksbel dalam suatu sstem kegagala yag aka dperbak, maka haya sebaga kecl propors dar usur-usur sstem yag aka dgat pada proses repar. Hal tersebut aka medodska sstem sama sepert sebelum sstem megalam kerusaka (Rgdo ad Basu, 000).. Posso Process Sebuah kompoe yag memlk tgkat kerusaka kosta atau rusak secara tb-tba da secara lagsug dperbak atau dgat ketka megalam kerusaka. N adalah jumlah kejada yag mucul dar sebuah kegagala pada terval waktu kejada yag mucul dar sebuah kegagala pada terval waktu 0,t, bayakya kerusaka yag memlk dstrbus Posso dapat dtulska dalam persamaa sebaga berkut (Rgdo ad Basu,000). e (.) p( x) P( N ), 0,,,! Rata-rata jumlah kerusaka da varas berla θ. Terdapat dua macam dar posso process yatu Homogeeus Posso Processes (HPP) da No-Homogeeus Posso Processes (NHPP)... Homogeeus Posso Processes (HPP) Homogeeus Posso Processes (HPP) merupaka posso process dega fugs testas kosta dega waktu kedataga bersfat depede da berdstrbus expoesal yag parameter falure rate berla θ (Hoylad ad Rausad, 994). Gua meetuka probabltas jumlah kegagala oleh waktu ke-t, maka megguaka persamaa sepert berkut. r t t PN( t) r e, r 0,,, r! (.).. No-Homogeeus Posso Processes (NHPP) No-Homogeeus Posso Processes (NHPP) merupaka posso process dega testas tdak kosta dega laju kerusaka berevolus terhadap waktu. NHPP dapat daplkaska

25 7 utuk sstem dega laju kerusaka meuru atau megkat megguaka metode statstka yag releva da mudah daplkaska. NHPP meggambarka suatu proses kerusaka kompoe dega jumlah kumulatf hgga waktu ke-t. Proses htug dar N t, t 0 dega fugs testas waktu w(t) utuk t 0 dkataka memlk proses Posso dega asums sebaga berkut (Crowder, Kmber, Smth, & Sweetg, 99).. N ( 0) 0. N ( t), t 0 dkataka depedet cremets 3. PNt t Nt 0t, tdak aka terjad lebh dar satu kejada terhadap satu kegagala d waktu yag sama 4. PNt t Nt w( t) t 0t NHPP basa dsebut dega webull process dkareaka Rate of Occurrece of Falure (ROCOF) yag memlk fugs falure rate yag sama dega dstrbus webull dega parameter shape da parameter scale. ROCOF merupaka estmas dar la laju kerusaka suatu kompoe. Jka suatu kompoe reparable telah d observas pada terval waktu dega t dapat dtetuka terval waktuya (tme trucated case) atau pada kegagala terakhr (falure trucated case), maka ROCOF dapat daplkaska dega melhat dar beberapa kal kegagala yag terjad. Cumulatve testy dar NHPP adalah sebaga berkut (Hoylad ad Rausad, 994). t 0,t Wt wt dt (.3) 0 jka g meetuka probabltas jumlah Selajutya, maka dguaka persamaa sebaga berkut. W t W t W t W t P Nt Nt e (.4)! Utuk 0,,, kegagala pada terval waktu t,t

26 8 Dega rata-rata jumlah kegagala pada terval sebaga berkut. t,t adalah E Nt Nt W t W t wt dt (.5).3 Power Law Process Power Law Process (PLP) atau model proses Webull merupaka salah satu model yag dguaka utuk megecek data yag megkut No-Homogeeus Posso Processes (NHPP) dega fugs survval dstrbus webull dege Persamaa (.6) sebaga berkut (Rgdo ad Basu, 000). t (.6) S x exp, t 0 t merupaka varabel radom dega cdf adalah sebaga berkut. t Fx Sx exp, t 0 (.7) Sehgga ddapatka pdf da fugs laju kerusaka sebaga berkut. t t f x F ( x) exp (.8) Sehgga, t t exp f ( x) ( ) w t S( x) (.9) t exp t w( t) Persamaa.9 dapat membuktka bagamaa sstem aka memburuk serg dega bertambahya waktu. Jka, maka fugs testas w megkat. Sedagka w t t t t, maka

27 9 meuru da jka, maka meujukka peurua power law process mejad lebh sederhaa, yatu Homogeeus Posso Processes dega fugs testas.4 Falure Trucated data da Tme Trucated Data Falure Trucated data aka terjad ketka suatu pegamata dalam reparable system berhet setelah jumlah dar sebuah kegagala dtetapka sebelum observas. Jumlah kegagala dotaska dega yag merupaka fxed varabel. N k Sedagka waktu kegagala dotaska dega dega. T k. Jka N, k Tk, maka waktu kegagala adalah Y N k YN, k, YN, k Y k,,, k ddstrbuska sebaga N k order statstk dar dstrbus uform pada terval 0,Y N k, k. Tme Trucated data berart jka suatu pegamata berhet ketka telah dtetukaya waktu ke-t, dega kods merupaka jumlah kegagala dar terval waktu 0,T k da waktu kegagala T T T adalah fxed varabel yag k ddstrbuska sebaga N order statstk dar dstrbus uform k pada terval 0,T k (Leug ad Cheg, 000)..5 Maxmum Lkelhood Estmato (MLE) Tme Trucated Data Masg-Masg Mes Nla waktu kegagala T T T N t, yag berart pegamata waktu kegagala berhet setelah dtetapka wakt ke- T sehgga kegagala ke-n merupaka varabel radom. Fugs desty dar N, T,, T N adalah sebaga berkut (Rgdo ad Basu, 000). f N ( ) f ( t,, t ), f (, t,, t ) (.0) f N (0), 0 N k

28 0 N merupaka varabel radom yag megkut dstrbus posso dega la rata-rata (.) sebaga berkut. Jka dketahu la dar f f N t t t exp ( ), 0,,,! sehgga dperoleh Persamaa t g( y),0 y t, maka t t t, t,,, t! G t! Utuk 0 t t t t. Fugs kepadata peluag dar N da sebaga berkut. f, t, t, t t t t t t exp! t exp t t t N (.) (.) T T T adalah t t exp t t t t Utuk,0. Jka drubah ke dalam betuk logartma atural dsajka pada Persamaa (.4) sebaga berkut.! t t t (.3) t,, t l l l t l (.4) Jka Persamaa (.4) dturuka terhadap haslya aka dsajka pada Persamaa (.5) sebaga berkut.

29 ˆ t log t (.5) Utuk K homogeeous eges, ubased codtoal MLE dar adalah sebaga berkut. ˆ (.6) Dega,,,.6 Goodess of Ft Test Goodess of Ft Test merupaka suatu uj yag dapat dguaka utuk kecukupa model Power Law Process (PLP) dega melhat apakah model telah sesua atau tdak. Metode Cramer-vo Mses test utuk meguj apakah waktu kegagala dar sstem reparable megkut No-Homogeeous Posso Process (NHPP) dega Rate of Occurrece of Falure (ROCOF) t sebesar. Hpotess yag dguaka adalah sebaga berkut (Crow, 975). H 0 : Waktu kegagala utuk mes ke-k megkut HPP dega kosta ROCOF sebesar atau : Waktu kegagala utuk mes ke-k megkut NHPP H dega kosta ROCOF t atau Data waktu kegagala pada terval 0,T k dega data kegagala mula dar 0, X, k X, k X N k T k, k dega k,,, K. Lagkah-lagkah utuk medapatka statstk uj C R adalah sebaga berkut.. Jka data merupaka falure trucated dega X N k k T, maka, k M N. Jka data merupaka tme trucated dega k k

30 X N, k T, maka M k N k sehgga la M K k M k. Jka setap kompoe pada masg-masg data kegagala sampa pada waktu ke- T k, dega,,,,maka rumus yag dguaka utuk meghtug la Y Y, k M k adalah sebaga berkut. Y *, k, k (.7) Tk. Memperlakuka la M pada Y, k mejad satu group mula dar terkecl sampa ke terbesar yag dyataka dalam Nla dar Z berla palg kecl dar Y, k,, Z M Y, k lebh besar dar, Z Y, k Z j berla lebh kecl utuk M adalah trasformas jumlah kegagala dar N k. Sehgga, statstk uj utuk metode Cramer Vo Mses dyataka dalam Persamaa (.8) sebaga berkut. ˆ C R R (.8) Pegambla keputusa H 0 dtolak jka la lebh kecl dar la krts Goodess of Ft Test Cramer Vo Mses. Taraf sgfka yag dguaka adalah sebesar 5%. Sehgga, kesmpula yag dapat dambl adalah waktu kegagala utuk mes ke-k megkut NHPP dega kosta ROCOF t atau. C R.7 Peguja Persamaa Paremeter dalam Power Law Process Kehadala dar suatu kompoe dapat dketahu megkat atau meuru dapat dlhat dega megguaka grafk sederhaa. Sela tu, dapat dguaka utuk megdetfkas data da membetuk suatu model dar data tersebut (Tsag,.

31 3 0). NHPP merupaka model statstk sederhaa utuk medeskrpska terjadya suatu kegagala dalam sebuah reparable system. Peguja yag dguaka utuk meguj apakah terdapat tred pada laju kegagala dar suatu kompoe dapat dguaka peguja persamaa parameter utuk dua sstem. Adapu lagkah-lagkah peguja persamaa parameter utuk dua sstem adalah sebaga berkut (Rgdo ad Basu, 000).. Hpotess: H : 0 : (Data membetuk pola tred yag sama) H (Data tdak membetuk pola tred yag sama). Statstk uj ˆ F (.9) ˆ 3. Daerah Krts H 0 dtolak jka F F M,M ) atau F F M,M ) ( ( dega la M adalah jumlah kerusaka yag terjad pada mes KCC da merupaka jumlah kerusaka yag terjad pada mes FCB. M.8 Membetuk NHPP Model dega Power Law Process Jka waktu kegagala cederug lebh besar dakhr terval 0,T k atau dega kata la sstem semak memburuk da model o-stasoer dar proses kegagala megkut NHPP. Namu, jka pegkata kehadala suatu kompoe hgga proses kegagala megkut HPP. Maka, peguja estmas tme trucated data megguaka metode Maxmum Lkelhood Estmato (MLE). Nla waktu kegagala T T T N t, yag berart pegamata waktu kegagala berhet setelah dtetapka waktu ke-t sehgga kegagala ke-n merupaka varabel radom. No- Homogeeus Posso Process (NHPP) adalah model yag dapat

32 4 dguaka utuk setap sstem, tdak meutup kemugka sstem yag tdak detk dalam art bahwa MTBF mereka berbeda. Dalam kasus kta basaya memperkraka secara terpsah utuk setap sstem ke-k. Estmas parameter gabuga yag aka berlaku utuk mes ketel KCC da mes ketel FCB megguaka metode MLE utuk tme trucated data. Pada asums odetcal system aka meghtug estmas parameter gabuga yag dapat berlaku utuk kedua mes da la estmas parameter masg-masg mes. Salah satu cr yag dapat dlhat bahwa suatu sstem memlk odetcal system adalah la estmas berbeda jauh atar mes dega mes yag laya. Berkut fugs Lkelhood yag dguaka (Rgdo ad Basu, 000). k k k k T k j j k T k j j k k T j j k T j j e t L e t L e t L e t L,, ), ( ), ( ), ( ), ( (.0) Sehgga fugs Log-Lkelhood yag dguaka adalah sebaga berkut. k k j k j T t N L L log log log ), (, ), ( (.) Peaksra parameter dperoleh dega meuruka Persamaa. terhadap da dperoleh Persamaa. da Persamaa.3 sebaga berkut.

33 5 T ˆ T ˆ N k j k N T log t log j 0,,,, k k log t j j k T T log 0 (.) (.3).9 Replacemet Model Peggata kompoe secara medadak aka membulka baya yag lebh besar da juga tdak efseya perbaka akbat waktu yag pedek da medesak. Pada stasu ketel sebaga pembagkt teaga uap yag bergua meggerakka glga gua memproses tebu hgga mejad ra metah yag memafaatka lmbah ampas dar tebu sagat membatu utuk memmumka baya utuk pembayaa lstrk. Baya yag tmbul karea peggata terecaa aka lebh ekooms karea aka megurag kerusaka yag aka berdampak pada stasu la terlebh lag meggat sebaga besar mes yag ada d perusahaa gula berumur sagat tua. Suatu kompoe pada mes dapat dgat secara teratur dalam jagka waktu ke-t atau pada kegagala ke-n setelah dlakuka stalas, tergatg maa yag terlebh dahulu terjad pertama kal. Kebjaka peggata optmal yag berdasarka dega memmumka jagka pajag dar model baya dyataka dalam Persamaa (.4) sebaga berkut (Nakagawa ad Kowada, 983). T TPr Y T tdpr Y t 0 T (.4) P Y tdt r 0 j T W t W t e j 0 0 j! dt

34 6 utuk j 0,,,,( ) Nla ekspektas dar waktu kegagala sampa replacemet kompoe dyataka sebaga berkut. j0 jp r N T j P Y T ( j) r j W ( t) W ( t) e (.5) j0 j! Fugs baya peggat kompoe berdasarka kerusaka ke-n da waktu kerusaka ke-t dyataka dalam Persamaa.6 sebaga berkut. t W c f ( j) j 0 j! C t; T j W t e j0 j! 0 T 0,,, j 0,,,,( ) c f j e W ( t) W ( t) dt c p (.6) adalah cost of falure atau rata-rata baya perbaka karea kerusaka da c p adalah baya perbaka mmal atau baya prevetve mateace. Kebjaka peggata yag optmal utuk setap jes ege atau kompoe dtetuka dega memmalka persamaa c t; yag berhubuga dega la T da N. Fugs la laju kerusaka terhadap waktu utuk Power Law Process adalah sebaga berkut. W t t t w( t) dt 0 (.7).0 Proses Produks pada PT. PG X Sdoarjo Proses produks gula d PT. PG X Sdoarjo berawal dar stasu glga stasu glga, stasu ketel, stasu pemura, stasu peguapa, stasu masaka, stasu putera, da stasu peyelesaa dega hasl produks gula SHS (Superor Hooft Suker) atau GKP (Gula Krstal Puth) tpe A sebaga produk

35 7 utama. Berkut merupaka dagram proses produks d PT. PG X Sdoarjo. Ar Imbbs H3PO4 Ca(OH) SO Flokula Stasu Glga Nra Metah Stasu Pemura Nra Jerh Stasu Peguapa Nra Ketal Stasu Masaka Masaka Stasu Putera Gula SHS Stasu Peyelesaa Stasu Ampas Kodesat Ketel Blotog Kodesat Kodesat Tetes Gambar. Dagram Proses Produks (Sumber : PT. PG X) Berdasarka Gambar. dapat dketahu secara sgkat proses produks dar gula d PT. PG X Sdoarjo yag meujukka adaya 7 stasu proses produks. Pertama, tebu d potog kecl-kecl hgga dperas utuk memsahka atara ra tebu da ampas tebu terjad pada stasu glga. Selajutya hasl ra tebu dproses kembal d stasu pemura sedagka utuk ampas tebu masuk ke stasu ketel. Pada ra tebu selajutya masuk pada stasu peguapa, stasu masaka, stasu putera da yag terakhr pada stasu peyelesaa.

36 8 Ampas tebu yag masuk pada stasu ketel aka dguaka sebaga baha bakar mes ketel. Fugs dar mes ketel adalah sebaga peghasl teaga lstrk dar uap yag dapat dguaka sebaga pembatu alat gerak pada mes glga da geerator. Jka pada mes ketel megalam kerusaka, maka proses produks pada perusahaa aka berhet beroperas. Hal tersebut dkareaka seluruh peggerak alat da mes glg pada saat mus glg haya megadalka mes ketel saja. Berkut merupaka Gambar peampag dar mes ketel d PT. PG X Sdoarjo. Gambar. Mes Ketel (Sumber : PT. PG X Sdoarjo) Gambar. meujukka mes ketel d PT. PG X Sdoarjo, yatu KCC da FCB. Kedua mes ketel tersebut memlk fugs da kapastas produks yag sama amu beroperas secara depede. Artya, satu datara mes ketel tdak berpegaruh terhadap mes ketel laya amu fugs da kapastas produks yag sama. Pembeda dar kedua ketel tersebut adalah obyek yag dgerakka. Mes ketel KCC sebaga alat batu peggerak geerator da mes ketel FCB dguaka sebaga alat peggerak mes glg. Hasl uap ssa dar kedua mes ketel tersebut dguaka utuk stasu masaka. Mes ketel sagat berpegaruh besar pada proses produks d PT. PG X atau dsebut sebaga jatug produks karea jka mes ketel rusak, maka semua proses produks tdak dapat berjala. Hal tersebut past aka megakbatka perusahaa megalam keruga karea target produks tdak aka tercapa.

37 BAB III METODOLOGI PENELITIAN 3. Sumber Data Data yag dguaka dalam peelta tugas akhr merupaka data sekuder yag dperoleh dar PT. PG X Sdoarjo. Varabel yag dguaka adalah usa paka mes ketel dalam satua jam produks yag dhtug selama musm glg hgga musm glg berakhr. Data yag dguaka mula dar musm glg 03 sampa dega musm glg Varabel Peelta Varabel peelta yag dguaka pada peelta tugas akhr adalah usa mes beroperas mes ketel dalam satua jam beroperas pada saat musm glg sejak. Adapu struktur data pada peelta tugas akhr adalah sebaga berkut. Tabel 3. Struktur Data Kegagala ke- Usa Paka Mes Ketel KCC Kegagala ke-k (Jam Operas) Y, Y, Y, Y, Usa Paka Mes Ketel FCB (Jam Operas) N, Y N, N k, Y Nk, 3.3 Lagkah Aalss Lagkah aalss yag dlakuka dalam peelta tugas akhr adalah sebaga berkut.. Megumpulka varabel usa paka mes ketel.. Meetapka tme trucated utuk pegamata. 3. Medeskrpska jumlah kerusaka da waktu kerusaka mes ketel d PT. PG X Sdoarjo. 4. Melakuka estmas parameter pada masg-masg mes ketel megguaka Maxmum Lkelhood Estmato (MLE) utuk model tme trucated data. 9

38 0 5. Berdasarka po 4, setelah medapatka estmas parameter, maka selajutya dlakuka peguja Cramer-vo Mses test utuk megetahu apakah waktu kegagala mes ketel megkut NHPP atau HPP. Jka megkut HPP, maka perlu dlakuka pot. Jka megkut NHPP dapat dlakuka aalss selajutya. 6. Melakuka peguja persamaa parameter dalam power law process utuk megetahu apakah mes ketel KCC da FCB memlk tred laju kerusaka yag sama. Jka sama, maka utuk kedua mes ketel haya terdapat satu kebjaka waktu optmas. Namu jka tdak sama, maka kedua ketel memlk kebjaka waktu optmas yag berbeda. 7. Berdasarka pot 6, jka medapatka kesmpula kedua mes memlk pola tred yag sama, maka dlakuka estmas parameter utuk memperoleh estmas parameter gabuga yag dapat berlaku utuk kedua mes da la estmas parameter masg-masg mes. 8. Medapatka grafk dar la ROCOF utuk mes ketel. 9. Medapatka model optmas utuk meetuka waktu peggata yag memumka baya kerusaka mes ketel d PT. PG X Sdoarjo. a. Medapat fugs laju kerusaka terhadap waktu W (t). b. Memlh T da N. c. Meghtug c T ; N hgga memperoleh la yag mmum dar c T ; N. 0. Medapat kesmpula dar aalss yag ddapatka. Berdasarka lagkah aalss peelta, dapat dsusu dalam dagram alr peelta sebega berkut.

39 Pegumpula Data Meetapka Tme Trucated Data Merumuska Masalah Medeskrpska Varabel Peelta Proses Posso Megestmas Parameter Masg-Masg dega Metode MLE Uj Cramer-vo Mses H0 Tdak Dtolak HPP Tolak H0 Peguja Persamaa Tolak Tred H0 Data Tolak H0 Megestmas parameter masg-masg H0 Tdak Dtolak Megestmas parameter gabuga dega metode MLE Medapatka la ROCOF Meetuka estmas baya yag dkeluarka utuk optmal replacemet Medapatka kesmpula Gambar 3. Dagram Alr

40 (Halama I Segaja Dkosog)

41 BAB IV ANALISIS DAN PEMBAHASAN 4. Karakterstk Tme Trucated Data Mes Ketel KCC da FCB PT. PG X Sdoarjo memlk dua buah mes ketel yag bekerja secara depede, dalam arta jalaya mes satu tdak aka mempegaruh jalaya mes laya. Sehgga, jka salah satu megalam kerusaka maka mes laya aka tetap bsa berjala. Namu, kerusaka suatu mes past aka mempegaruh jalaya suatu sstem. Hal tersebut akhrya yag mejadka petgya perhtuga waktu optmum melakuka perawata pada mes ketel supaya sstem d PT. PG X Sdoarjo tetap berjala lacar. Peelta megguaka tme trucated data megguaka la T yag dtetapka sebesar 700 jam operas pada mes ketel KCC da 00 jam operas pada mes ketel FCB. Artya, pegamata aka berhet dlakuka pada saat kompoe telah beroperas selama 700 jam operas pada mes ketel KCC da setelah mes FCB beroperas selama 00 jam operas. Sehgga, aka dketahu jumlah kerusaka (N) yag berbeda atara mes satu dega mes yag laya dkareaka la N merupaka varabel radom. Karakterstk dar mes ketel KCC da mes ketel FCB dsajka dalam Tabel 4.. Tabel 4. Karakterstk Tme Trucated Data Usa Paka (Lfetme) Lfetme KCC (Jam Operas) Kerusaka Kerusaka Lfetme FCB (Jam Operas) 3

42 4 Berdasarka Tabel 4. dapat dketahu bahwa lfetme pada mes ketel KCC da FCB usa paka mes yag palg tgg merupaka mes ketel FCB dega usa paka selama 04 jam operas dega megalam kerusaka pertama kal pada saat 3744 jam operas. Data Tabel 4. jka d plotka terbetuk sepert pada Gambar 4. sebaga berkut. Usa Paka Mes Ketel KCC (Jam Operas) Jumlah Kerusaka ( N kerusaka) 6 7 (a) Usa Paka Mes Ketel FCB (Jam Operas) Jumlah Kerusaka (N Kerusaka) 6 7 (b) Gambar 4. Jumlah Kerusaka Mes KCC (a) da Mes FCB (b) Berdasarka Gambar 4. dapat dketahu bahwa usa paka mes ketel KCC dega waktu terpotog selama 700 jam beroperas (a) megalam kerusaka sebayak 7 kal dega pertama kal kerusaka terjad pada 896 jam operas. Sedagka

43 5 pada mes ketel FCB dketahu jka terpotog waktu operas 00 jam operas, maka terjad sebayak 7 kal kerusaka dega pertama kal megalam kerusaka pada 3744 jam operas. Sehgga, mes KCC lebh cepat megalam kerusaka darpada mes ketel FCB, amu Berdasarka pola yag terbetuk data usa paka mes KCC da FCB, kedua mes memlk tred yag megkat hal tersebut meujukka bahwa semak lama mes tersebut dguaka maka waktu atar kerusaka semak kecl atau semak serg terjad kerusaka. 4. Estmas Parameter Masg-Masg Mes Ketel Estmas parameter utuk data lfetme mes ketel KCC maupu mes ketel FCB megguaka metode Maxmum Lkelhood Estmato utuk tme trucated data. Proses perhtuga la dega megguaka Persamaa.5 ˆ adalah sebaga berkut. ˆ 7,35 ˆ 7, 58 t 5,7 4,4 log log t t t Berdasarka hasl perhtuga dketahu bahwa la peaksra parameter pada mes ketel KCC sebesar,35. Sedagka la peaksra parameter ˆ pada mes ketel FCB ˆ ˆ sebesar,58. Berdasarka hasl peaksra parameter ˆ yag berla lebh dar, maka dapat ddkaska bahwa laju kerusaka kedua mes megkat atau dega kata la semak lama mes tersebut dguaka, maka semak serg pula terjad kerusaka. Secara teor, hal tersebut sagat sesua dega defs No Homogeeus Posso Process (NHPP) yak posso process dega fugs testas tdak kosta dega laju kedataga atau laju kerusaka berevolus terhadap waktu. Berkut peguja yag dlakuka utuk membuktka teor tersebut megguaka Goodess of Ft Test dega metode Cramer-vo Mses test.

44 6 4.3 Goodess of Ft Test Goodes of ft test dlakuka gua megetahu apakah model sesua dega metode Power Law Process (PLP) atau tdak. Metode Cramer-vo Mses test yag aka dguaka utuk meguj apakah waktu kegagala dar reparable system megkut No-Homogeeous Posso Process (NHPP) dega Rate of Occurrece of Falure (ROCOF) atau laju kerusaka yag tdak kosta. Null hypothess yag dguaka adalah data lfetme masg-masg mes ketel megkut Homogeeus Posso Process dega la ROCOF sebesar t da alteratve hypothess yag dguaka adalah data lfetme masg-masg mes ketel megkut NHPP dega kosta ROCOF t atau Dega megguaka 5%, crtcal value pada peguja Cramer-vo Mses test lebh kecl dar la tabel Cramer-vo Mses yatu 0,07. Peelta megguaka tme trucated data dmaa M N, sehgga Tabel 4.3 merupaka C R k k C R hasl perhtuga dega Persamaa.8 da proses htugya pada Lampra A. Tabel 4. Statstk Uj Cramer-vo Mses Test Mes ˆ C KCC,35,6 0,063 FCB,58,35 0,077 Tabel 4. meujukka bahwa la statstk uj Cramer-vo Mses Test pada mes KCC sebesar 0,063 da pada mes FCB sebesar 0,077. Berdasarka la statstk uj pada Cramer-vo Mses test pada kedua mes dperoleh keputusa tolak H 0 karea memlk la C R lebh kecl dar la tabel (0,07). Sehgga, dapat dber kesmpula bahwa kerusaka yag terjad pada kedua mes ketel telah sesua dega model No Homogeeus Posso Process (NHPP) dega Power Law Process (PLP). R

45 7 Selajutya dlakuka peguja persamaa parameter utuk megetahu apakah kedua mes telah pola tred laju kerusaka yag sama atau tdak. 4.4 Peguja Persamaa Paremeter dalam Power Law Process Peguja persamaa parameter pada mes ketel KCC da mes FCB dlakuka utuk megetahu apakah terdapat persamaa pola tred laju kerusaka. Sehgga, aka dapat dketahu apakah la laju kerusaka kedua mes tersebut dapat dgabug atau tdak. Pada peguja megguaka ull hypothess atau dega kata la kedua mes memlk pola tred laju kerusaka yag sama da alteratve hypothess atau dega kata la kedua mes memlk pola tred laju kerusaka yag berbeda. Taraf sgfka yag dguaka adalah 5% da la crtcal value adalah la F F (4,4) 0, 33 0,05 atau F F 0 (4,4), 98. Berkut merupaka hasl,05 perhtuga statstk uj F megguaka Persamaa.9. ˆ ˆ F ˆ ˆ,58 F,7,35 Berdasarka perhtuga dperoleh la statstk uj F sebesar,7. Sehgga, dperoleh keputusa terma H 0 atau mes ketel KCC da mes ketel FCB memlk pola tred laju kerusaka yag sama. Selajutya, dlakuka perhtuga utuk estmas parameter ˆ gabuga yag dapat berlaku utuk kedua mes.

46 8 4.5 Estmas Parameter Gabuga Nodetcal Systems No Homogeeus Posso Process (NHPP) adalah model yag dapat dguaka utuk setap sstem, tdak meutup kemugka sstem yag tdak detk dalam art bahwa MTBF mereka berbeda. Dalam kasus, kedua mes ketel dduga memlk sfat yag tdak detk. Meskpu kedua mes ketel memlk fugs yag sama, yatu sebaga alat peggerak yag berupa uap paas. Namu, perbedaa obyek yag dgerakka oleh kedua mes ketel tersebut yag dduga sebaga peyebab keduaya salg tdak detk. Mes ketel KCC bergua sebaga peggerak geerator. Sedagka mes ketel FCB khusus dguaka sebaga peggerak mes glga. Dmaa uap ssa dar keduaya dguaka utuk stasu masaka. Estmas parameter gabuga yag aka berlaku utuk mes ketel KCC da mes ketel FCB megguaka metode Maxmum Lkelhood Estmato utuk tme trucated data. Proses perhtuga la ˆ da ˆ megguaka Persamaa. da Persamaa.3 yag dsajka pada Lampra 3A. Sedagka hasl perhtuga dsajka pada Tabel 4.3 sebaga berkut. Tabel 4.3 Estmas Parameter Gabuga Nodetcal System Mes ˆ ˆ KCC 898,88,46 FCB 39,8 Berdasarka Tabel 4.3 dapat dketahu bahwa la estmas parameter ˆ gabuga adalah sebesar,46. Sedagka utuk estmas parameter ˆ pada mes KCC adalah sebesar 898,88 da pada mes FCB adalah sebesar 39,8. Salah satu cr sstem dkataka odetc system adalah terlhat pada la ˆ yag terpaut jauh atara satu mes dega mes laya. Setelah estmas parameter telah dperoleh, maka dega la tersebut dapat dguaka utuk meghtug la Rate of

47 9 Occurrece of Falure (ROCOF). ROCOF merupaka estmas dar la laju kerusaka suatu kompoe. Jka suatu kompoe reparable telah d observas pada terval waktu dega t dapat dtetuka terval waktuya. Hasl perhtuga la ROCOF dtujukka pada Lampra 4A-4B da dragkum pada Tabel 4.4 sebaga berkut. Tabel 4.4 Rate of Occurrece of Falure (ROCOF) Mes Ketel KCC da FCB T ROCOF ROCOF T Mes KCC Mes FCB Tabel 4.4 meujukka la ROCOF pada kedua mes ketel dega laju kerusaka dar waktu ke waktu terus megkat utuk setap mes. Adaya tred megkat tersebut meujukka bahwa semak tgg laju kerusaka, maka aka semak besar pula kemugka kompoe tersebut aka gagal beroperas. Sehgga, terbukt bahwa pada mes ketel KCC da FCB megkut No Homogeeous Posso Process (NHPP). Gambar 4. meujukka gambar jka hasl perhtuga la ROCOF. bahwa laju kerusaka pada mes ketel KCC (a) megkat hgga waktu ke 700 jam operas. Sedagka pada mes FCB (b) laju kerusaka megkat hgga waktu ke 00 jam operas. Secara vsual, laju kerusaka yag megkat dar waktu ke waktu yag dalam oleh kedua mes ketel meujukka bahwa mes tdak relable atau lemah. Adaya tred ak atau tdak costat, telah membuktka bahwa kedua mes ketel megkut No Homogeeous Posso Process (NHPP). 0,t

48 ROCOF KCC T (a) ROCOF FCB T (b) Gambar 4. Rate of Occurrece of Falure (ROCOF) Mes KCC (a) da Mes FCB (b) 4.6 Replacemet Model PT. PG X Sdoarjo memlk sstem produks 6 bula glg da 6 bula tdak glg. Pada saat musm tdak glg dmafaatka utuk perawata secara keseluruha. Harapaya pada saat musm glg keseluruha mes yag dguaka utuk proses produks tdak megalam hambata atau kerusaka. Perawata dlaksaaka semaksmal mugk sampa dyataka suatu mes lolos uj oleh perusahaa da sap memproduks kembal. Namu, pada keyataaya kerusaka pada mes ketel mash serg terjad pada saat musm glg. Hal tersebut yag

49 3 megakbatka keruga yag dtmbulka pergata alat da adaya product lost. Selajutya, aka dperjelas utuk baya perawata maupu baya akbat kerusaka Nla da c f Terdapat dua c p replacemet model. Baya tersebut adalah baya yag dguaka utuk meghtug c p yatu rata-rata baya perbaka mmum atau baya yag dkeluarka utuk peggata secara terecaa (prevetve mateace). Sedagka c f adalah rata-rata baya yag harus dkeluarka jka terjad kerusaka (Cost of Falure). PT. PG X Sdoarjo memberka formas rata-rata baya utuk setap pemelharaa atau prevetve mateace selama musm tdak glg adalah sebesar Rp ,456 per jam operas. Sedagka rata-rata baya yag dbutuhka jka terjad kerusaka yag medadak dar mes ketel pada saat musm glg adalah sebesar Rp per jam operas. Rca utk pegguaa baya dtlska pada Lampra 5A da rgkasa pegguaa baya akbat kerusaka dsajka Tabel 4.5 sebaga berkut. Tabel 4.5 Rca Cost of Falure Nomal Baya yag Pegguaa Baya Dguaka Alat da Teaga Kerja (jam Operas) Rp 40.3,59 Lost Proft (jam Operas) Rp Cf Rp Tabel 4.5 meujukka rca baya yag dkeluarka jka pada mes ketel megalam kerusaka pada saat musm glg. Pegeluara utuk alat da teaga kerja dperluka baya sebesar Rp 40.3,59 per jam operas da pada baya yag dkeluarka akbat tdak tercapaya target produks adalah

50 3 sebesar Rp per jam operas. Sehgga, dapat dketahu total C f sebesar Rp per jam operas. Nla C p da C f selajutya dsubstuska ke Persamaa.5 sehgga dperoleh persamaa sebaga berkut. j W T W ( T ) ( j) e ,456 j 0 j! C T; T j W T W ( T ) e dt j! j Perhtuga Estmas Baya Sebelum medapatka la mmum dar C T ;, maka terlebh dahulu dcar la laju kerusaka terhadap waktu. Hal tersebut dlakuka dega mesubstuska la parameter da ˆ kedalam persamaa. Lagkah yag perlu dlakuka adalah dega memlh la T da N secara berpasaga yag aka mesubstuka da c f c p ke persamaa. Prosedur teratf megguaka perhtuga tegral trapesum yag dguaka, tertera pada Lampra 6A dega megguaka Persamaa (.5). Hasl estmas baya pada mes ketel dega megguaka tme trucated pada kerusaka pertama hgga keempat. Pada perhtuga estmas baya aka dhtug utuk masg-masg mes. Mes KCC dhtug megguaka la ˆ, 46 da ˆ 898, 88 yag dsajka pada Tabel 4.6. Sedagka pada mes FCB dhtug megguaka la ˆ, 46 da ˆ 39, 8 yag dsajka pada Tabel 4.7 sebaga berkut. Berdasarka Tabel 4.6 dapat dketahu bahwa hasl C T; pada mes ketel KCC dega la ˆ perhtuga dar sebesar,46 da laˆ sebesar 898,88 dperoleh baya perbaka mes ketel yag palg mmum sebesar Rp setap jam operas yatu pada saat mes telah beroperas selama ˆ

51 33 4 jam atau pada saat megalam kerusaka pertama kal tergatug maa dulu yag terjad. Artya, mes ketel sebakya dlakuka perawata ketka telah beroperas selama 4 jam operas pada saat musm glg atau setelah pertama kal terjad kerusaka pada musm glg tergatug maa dulu yag terjad. Tabel 4.6 Ekspektas Baya Mes KCC T N * Tabel 4.6 jka dgambarka terbetuk sepert pada Gambar 4.3 sebaga berkut. Gambar 4.3 Ekspektas Optmas Baya Perawata Mes Ketel KCC Berdasarka Tabel 4.7 dapat dketahu bahwa hasl C T; pada mes ketel FCB dega la ˆ perhtuga dar sebesar,46 da la ˆ sebesar 39,8 dperoleh baya

52 34 perbaka mes ketel yag palg mmum sebesar Rp setap jam operas yatu pada saat mes telah beroperas selama 40 jam atau setelah mes ketel FCB megalam kerusaka pertama kal tergatug maa dulu yag terjad. Sehgga, mes ketel FCB sebakya dlakuka perawata jka telah beroperas selama 40 jam pada saat musm glg atau pertama kal terjad kerusaka pada musm glg tergatug maa dulu yag terjad. Tabel 4.7 Ekspektas Baya ˆ, 46 da ˆ 39, 8 T N * Tabel 4.7 jka dgambarka terbetuk sepert pada Gambar 4.4 sebaga berkut. Gambar 4.4 Ekspektas Optmas Baya Perawata Mes Ketel FCB

53 BAB V KESIMPULAN DAN SARAN 5. Kesmpula Berdasarka hasl aalss da pembahasa, dapat dsmpulka sebaga berkut.. Berdasarka hasl estmas parameter ˆ dperoleh la lebh dar pada masg-masg mes. Sehgga, pola tred laju kerusaka megkat dar waktu ke waktu tdak costat. Hal tersebut ddkaska bahwa kedua mes ketel megkut No-Homogeeous Posso Process (NHPP).. Berdasarka Cramer-va Mses test, membuktka bahwa kedua mes ketel tersebut telah model megkut No- Homogeeous Posso Process (NHPP). 3. Berdasarka peguja persamaa parameter dperoleh hasl bahwa kedua mes memlk pola tred laju kerusaka yag sama. Sehgga, parameter ˆ gabuga dapat berlaku utuk kedua mes. 4. Berdasarka hasl perhtuga waktu perawata, dketahu utuk mes ketel KCC sebakya dlakuka perawata setelah beroperas selama 4 jam atau jka telah terjad kerusaka yag pertama tergatug maa dulu yag terjad. dega baya yag mmum sebesar Rp per jam operas. Sedagka utuk mes ketel FCB sebakya dlakuka perawata setelah beroperas selama 40 jam atau setelah megalam kerusaka yag pertama tergatug maa dulu yag terjad dega baya mmum sebesar Rp per jam operas. 5. Sara Sara yag dapat dberka berdasarka hasl aalss yag dperoleh adalah sebaga berkut.. Peelt megaggap bahwa mes ketel aka bekerja as good as ew setelah megalam perawata pada mus tdak 35

54 36 glg. Seharusya tdak demka, sehgga, utuk peelt berkutya memberka metode yag baru sehgga memberka kesmpula yag baru pula.. Peelta megguaka faktor teral pada mes ketel tersebut tapa memperhatka faktor eksteral dar mes ketel. Harapaya pada peelta selajutya mampu megdetfkas peyebab kerusaka dar mes ketel bak faktor teral maupu faktor eksteral. 3. Peelta megguaka tral ad error utuk meetuka jumlah kerusaka da waktu operas utuk perawata. Harapaya peelta selajutya dapat megguaka metode yag sesua sehgga dapat dketahu jumlah kerusaka da waktu operas yag tepat. 4. Bag perusahaa, sebakya lebh telt dalam pegambla da pecatata data kerusaka pada setap mes produks yag dguaka. Tujuaya agar mampu dketahu pejadwala yag tepat utuk perawata sehgga tdak sampa terjad kerusaka pada mes tersebut.

55 DAFTAR PUSTAKA Crowder, M.J., Kmber, A.C., Smth, R.L., & Sweetg, T.J. (99). "Statstcal Aalyss of Relablty Data". Sprger Scece Busess Meda. Crow, L.H. (975). Relablty Aalyss for Complex, Reparable System. AMSAA Techcal Report No. 38, -35. Fasal, M. Z. (0, 9). Retreved 07, from https: //muhammadzakyfasal.wordpress.com/0//9/pegertm ateace-secara-umum/ Hoylad, A. & Rausad, M. (994). System Relablty Egeerg Theory. New York: Joh Wley & Sos. Leug, F.K.N & Cheg A.L.M (000). Determg Replacemet Polces for Bus Eges. Iteratoal Joural of Qualty ad Relablty Maagemet, Vol. 7, pp Nakagawa, T. & Kowada, M. (983). Aalyss Of A Systems Wth Mmal Repar Ad Its Applcato To Replacemet Polcy. Europea Joural of Operatoal Research. Vol,, pp O'Coor, P. (0). Practcal Relablty Egeerg. New York: Joh Wley & Sos. Rgdo, S. E. & Basu, A.P. (000). Statstcal Methods for the Relablty of Reparable System. New York: Joh Wley&Sos, INC. Permatasar, P. (06). Optmas Waktu Pergata Kompoe Ar Cycle Mache (ACM) Pesawat Terbag CRJ-000 Megguaka Metode Geometrc Process. Surabaya: 06. PG X. (00). Profle PT. PG X. Retreved 0 7, 07, from Rgdo, S. E. & Basu, A.P. (000). Statstcal Methods for the Relablty of Reparable System. New York: Joh Wley&Sos, INC. 37

56 38 Tyas, N. A. (06). Peetua Kebjaka Waktu Optmum Perbaka Kompoe Heat Exchager (HE) Pesawat Boeg Megguaka Metode Power Law Process d PT. Garuda Mateace Faclty (GMF) Aero Asa. Lapora Tugas Akhr, Isttut Tekolog Sepuluh Nopember, Jurusa Statstka, Surabaya.

57 LAMPIRAN Lampra A.Data Lfetme Mes Ketel KCC Kerusaka Usa Paka Mes KCC (Jam Operas) x x Taggal (Jam Operas) /08/ /08/ /09/ /08/ /06/ /08/ /0/ Lampra B.Data Lfetme Mes Ketel FCB Kerusaka Taggal Usa Paka Mes FCB x x (Jam Operas) (Jam Operas) 0/06/ /0/ /09/ // /08/ /09/ /0/ Lampra A.Goodess of Ft Test ˆ 7 (,58) 7,35 ˆ 7 (,35) 7,6 39

58 40 Mes Ketel KCC kerusaka Usa paka KCC (jam) T R (-)/ R-((-)/) CR TOTAL Mes Ketel FCB kerusaka Usa paka FBC (jam) T R (-)/ R-((-)/) CR TOTAL Rˆ Rˆ Rˆ t t ˆ 3,47 3,6 C C C R R R 0,063 0,077 ˆ R

59 4 Lampra 3A. Estmas Parameter Gabuga Nodetcal Systems,46 ˆ 4,4) (5,7 4 ˆ log ˆ 7 j j t T N 39, ˆ ˆ 898, ˆ ˆ 46, 46, T T

60 4 Lampra 4A.Perhtuga Nla ROCOF Mes KCC t t w( t) 0, , 88 0,46 T ROCOF KCC T ROCOF KCC T ROCOF KCC

61 43 Lampra 4B. Perhtuga Nla ROCOF Mes FCB t t w( t) 0, , 8 0,46 T ROCOF FCB T ROCOF FCB T ROCOF FCB

62 44 Lampra5A. Rca Baya Perawata (C p) da Baya Akbat Kerusaka (C f) a. Baya Perawata (C p) Satua Cp Per Musm tdakglg (6 Bula) per har (80 har) ,94 Per jam Operas ,456 b. Baya Akbat Kerusaka (C f) Satua PergataAlat Per MusmGlg (6 Bula) per har (80 har) ,644 Per jam Operas 40.3,59 Keruga Berhet Produks Target Produks (To/Har) 700 Produks Tercapa(To/Har) 837 Lost Product (To/Har) 863 Lost Product (kg/har) Lost Product (kg/jam) Harga per kg gula Rp 5000 Sehgga, C f adalah Pergata Alat 40.3,5 Keruga Berhet Produks Total (C f)

63 45 Lampra6B.Sytax MATLAB Optmas Baya clc; clear; Lambda=put('Lambda='); Beta=put('Beta='); Cf=put('Cf='); Cp=put('Cp='); N=::4; T=::5000; Tl=legth(T); Nl=legth(N); for a=:tl t=t(a); =N; Rt=(t/Lambda).^Beta; at=0; for =0:(N-) at=at+((n-)*((rt^)/factoral())*exp(-*rt)); q=0; c=0; h=(t-0)/000; Luas=0; for p=:(000-) bw=0; ba=((((c/lambda).^beta)^)./factoral())*exp(- (c/lambda).^beta); d=c+h; bb=((((d/lambda).^beta)^)./factoral())*exp(- (d/lambda).^beta); Luas=Luas+(0.5*(ba+bb)*h); c=d; ed bw=bw+luas; ed C(a,N)=((Cf*(-at))+Cp)/bw ed mesh(c)

64 46 Lampra 6C.Perhtuga Optmas Baya Mes KCC T N

65 47 Lampra 6C. Perhtuga Optmas Baya Mes FCB T N

66 48 Lampra 7A. Surat Peryataa Iz Publkas

67 BIODATA PENULIS Peuls memlk ama legkap Ifa Faula, lahr d Kota Surabaya pada taggal 0 Aprl 994. Ifa adalah paggla akrab peuls yag merupaka aak ketga dar tga bersaudara dar pasaga Alm. Tukba da Ibu Atm. Rwayat peddka peuls dawal d SDN Medoka Ayu II/65 selama 6 tahu. Dlajutka d bagku seolah meegah pertama d SMP Neger 7 Surabaya selama 3 tahu. Lulus bagku sekolah meegah pertama, peuls melajutka sekolah meegah atas d SMA Neger 4 Surabaya selama 3 tahu. Peddka peuls dlajutka d bagku perkulaha d Isttut Tekolog Sepuluh Nophember Surabaya sebaga mahassw program stud Dploma III pada tahu 0 da meyelesaka perkulaha pada jagka waktu 3 tahua. Peuls melajutka peddka Ltas Jalur utuk medapat gelar S dega tugas akhr yag berjudul Peetua Waktu Optmum Perbaka Mes Ketel Megguaka Metode Power Law Process d PT. PG X Sdoarjo. Selama mejad mahassw ITS, peuls aktf dalam kegata kepataa d ITS dataraya GERIGI, INTERN, da peuls sempat mejad salah satu staf pada orgasas Professoal Statstcs (PST). Sara da krtk yag membagu sagat dbutuhka peuls serta jka g medskuska lebh lajut megea Tugas Akhr peuls sagat berkea. Peuls dapat dhubug va emal d fa.faula@gmal.com 49

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Pegerta Perawata (Mateace) Meurut Assaur (999, p95) perawata merupaka kegata utuk memelhara atau mejaga fasltas da peralata pabrk, da megadaka perbaka, peyesuaa, atau peggata yag dperluka

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl

Lebih terperinci

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Koferes Nasoal Tekk Spl 3 (KoNTekS 3) Jakarta, 6 7 Me 009 WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Maksum Taubrata Program Stud Tekk Spl, Uverstas Krste Maraatha Badug Jl.

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

Lebih terperinci

BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA

BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA 97 BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS 4. Hasl da Pegumpula Data 4.. Peetua L Krts DATA Berdasarka hasl peelta da observas dlapaga secara lagsug pada lata produks PT. Fajar It Plasdo yag meghaslka

Lebih terperinci

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu

Lebih terperinci

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 22 BAB II LANDASAN TEORI 2.1 Pedahulua 2.1.1 Pegerta Mateace Beberapa pegerta perawata (mateace) meurut ahl : 1. Meurut Corder (1988), perawata merupaka suatu kombas dar tdaka yag dlakuka utuk mejaga suatu

Lebih terperinci

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

Lebih terperinci

BAB II TINJAUAN PUSTAKA. Pada Bab I sudah dijelaskan bahwa tujuan penelitian ini adalah untuk

BAB II TINJAUAN PUSTAKA. Pada Bab I sudah dijelaskan bahwa tujuan penelitian ini adalah untuk BAB II TINJAUAN PUSTAKA 2.1 Pedahulua Pada Bab I sudah djelaska bahwa tujua peelta adalah utuk memperoleh ekspektas bayakya kompoe lstrk motor yag aka medapatka peggata berdasarka kebjaka Reewg Free Replacemet

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel BAB LANDASAN TEORI.1 Pegerta Regres Regres dalam statstka adalah salah satu metode utuk meetuka tgkat pegaruh suatu varabel terhadap varabel yag la. Varabel yag pertama dsebut dega bermacam-macam stlah:

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2 M 81 STTISTIK DSR SEMESTER II 11/1 KK STTISTIK, FMIP IT SOLUSI UJIN TENGH SEMESTER (UTS) Sabtu, 1 Me 1, Pukul 9. 1.4 WI (1 met) Kelas 1. Pegajar: Udjaa S. Pasarbu/Rr. Kura Novta Sar, Kelas. Pegajar: Utrwe

Lebih terperinci

X a, TINJAUAN PUSTAKA

X a, TINJAUAN PUSTAKA PENELITIAN SEBELUMNYA Statstka Deskrptf TINJAUAN PUSTAKA TINJAUAN STATISTIKA Uj Idepedes Uj depedes dguak utuk megetahu adaya hubuga atara dua varabel (Agrest, 1990). H 0 : tdak ada hubuga atara varabel

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR

Lebih terperinci

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

Lebih terperinci

Analisis Survival Pada Pasien Demam Berdarah Dengue (DBD) di RSU Haji Surabaya Menggunakan Model Regresi Weibull

Analisis Survival Pada Pasien Demam Berdarah Dengue (DBD) di RSU Haji Surabaya Menggunakan Model Regresi Weibull JURNAL SAINS DAN SENI ITS Vol. 5 No. (16) 337-35 (31-98X Pr D-31 Aalss Survval Pada Pase Demam Berdarah Degue (DBD) d RSU Haj Surabaya Megguaka Model Regres Webull Alfa Slf Mufdah da Purhad Jurusa Statstka,

Lebih terperinci

; θ ) dengan parameter θ,

; θ ) dengan parameter θ, Vol. 4. No. 3, 5-59, Desember 00, ISSN : 40-858 APLIKASI METODE BESARAN PIVOTAL DALAM PENENTUAN SELANG KEYAKINAN TAKSIRAN PARAMETER POPULASI. Agus Rusgyoo Jurusa Matematka FMIPA UNDIP Abstraks Dberka populas

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA Fakultas MIPA, Uverstas Neger Yogyakarta, 6 Me 9 ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Sty Rachyay Pusat Pemafaata Sas Atarksa,

Lebih terperinci

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah Prosdg Statstka ISSN 40-45 Uj Modfkas Pergkat Bertada Wlcoxo Utuk Masalah Dua Sampel Berpasaga 1 Wl Soldayah St Suedar 3 Lsur Wachdah 1, Statstka, Fakultas MIPA, Uverstas Islam Badug, Jl. Tamasar No. 1

Lebih terperinci

REGRESI LINIER SEDERHANA

REGRESI LINIER SEDERHANA MODUL REGRESI LINIER SEDERHANA Dsusu oleh : I MADE YULIARA Jurusa Fska Fakultas Matematka Da Ilmu Pegetahua Alam Uverstas Udayaa Tahu 016 Kata Pegatar Puj syukur saya ucapka ke hadapa Tuha Yag Maha Kuasa

Lebih terperinci

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data //203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura

Lebih terperinci

TINJAUAN PUSTAKA Evaluasi Pengajaran

TINJAUAN PUSTAKA Evaluasi Pengajaran TINJAUAN PUSTAKA Evaluas Pegajara Evaluas adalah suatu proses merecaaka, memperoleh da meyedaka formas yag sagat dperluka utuk membuat alteratf- alteratf keputusa. Dalam hubuga dega kegata pegajara evaluas

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

BAB III UKURAN PEMUSATAN DATA BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah

Lebih terperinci

Ukuran Pemusatan Data. Arum Handini P., M.Sc Ayundyah K., M.Si.

Ukuran Pemusatan Data. Arum Handini P., M.Sc Ayundyah K., M.Si. Ukura Pemusata Data Arum Had P., M.Sc Ayudyah K., M.S. Notas utuk Populas da Sampel Notas: Mea (rata-rata) Sample x Populas μ Varas s 2 σ 2 Smpaga baku s σ Ukura Pemusata Data 1. Mea (rata-rata) 2. Meda

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..

Lebih terperinci

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

Penarikan Contoh Acak Sederhana (Simple Random Sampling) Pearka Cotoh Acak Sederhaa (Smple Radom Samplg) Defs Jka sebuah cotoh berukura dambl dar suatu populas sedemka rupa sehgga setap cotoh berukura ag mugk memlk peluag sama utuk terambl, maka prosedur tu

Lebih terperinci

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal) LANGKAH-LANGKAH UJI HIPOTESIS DENGAN (Utuk Data Nomal). Merumuska hpotess (termasuk rumusa hpotess statstk). Data hasl peelta duat dalam etuk tael slag (tael frekues oservas) 3. Meetuka krtera uj atau

Lebih terperinci

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS LGORITM MENENTUKN HIMPUNN TERBESR DRI SUTU MTRIKS INTERVL DLM LJBR MX-PLUS Rata Novtasar Program Stud Matematka FMIP UNDIP JlProfSoedarto SH Semarag 575 bstract Ths research dscussed about how to obtaed

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2. Pegerta Pemelharaa da Perawata Pegerta Pemelharaa da Perawata ( Mateace ) meurut Assaur adalah suatu kegata utuk mejaga atau memelhara fasltas da peralata pabrk da megadaka perbaka

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

Regresi Linier Sederhana Definisi Pengaruh Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Eka Mer Krst ), Arsma Ada ), Sgt Sugarto ) ekamer_tross@ymal.com ) Mahasswa Program S Matematka FMIPA-UR

Lebih terperinci

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu METODE FUNGS QUAS-FED SATU ARAMETER UNTUK MENYEESAKAN MASAAH ROGRAM NTEGER TAK NEAR Ra Hardyat (M4) ABSTRAK Dalam kehdupa sehar-har serg djumpa masalah optmas yag membutuhka hasl teger Masalah tersebut

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

UKURAN GEJALA PUSAT (UGP) UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat

Lebih terperinci

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL MESIN OKK Gll BCG1-P PADA BAGIAN DRAWING PT VONEX INDONESIA 3.1 Pedahulua Pada Bab II elah djelaska megea eor eor yag dbuuhka uuk meeuka jadwal opmum

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka

Lebih terperinci

ANALISIS KEANDALAN (RELIABILITY) MESIN PRODUKSI DENGAN FUNGSI DISTRIBUSI WEIBULL

ANALISIS KEANDALAN (RELIABILITY) MESIN PRODUKSI DENGAN FUNGSI DISTRIBUSI WEIBULL ANALISIS KEANDALAN (RELIABILITY) MESIN PRODUKSI DENGAN FUNGSI DISTRIBUSI WEIBULL Agus Fkr, ST., MM Muhammad Irva, ST.,MT. ABSTRACT I a producto system, all mache related to the creato of added value of

Lebih terperinci

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1 Latar Belakag Masalah Regres merupaka suatu metode statstka yag dguaka utuk meyeldk pola hubuga atara dua atau lebh varabel.betuk atau pola hubuga varabelvarabel tersebut dapat ddetfkas

Lebih terperinci

BAB II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat

BAB II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat BAB II LANDASAN TEORI Sebaga pedukug dalam pembahasa selajutya, dperluka beberapa teor da defs megea varabel radom, regres ler, metode kuadrat terkecl, peguja asums aalss regres, outler, da regres robust.

Lebih terperinci

POLIGON TERBUKA TERIKAT SEMPURNA

POLIGON TERBUKA TERIKAT SEMPURNA MODUL KULIAH ILMU UKUR TANAH POLIGON TERBUKA TERIKAT SEMPURNA Pegerta : peetua azmuth awal da akhr, peetuat kesalaha peutup sudut,koreks sudut, kesalaha lear da koreks lear kearah sumbu X da Y, Peetua

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013.

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013. BAB III METODOLOGI PENELITIAN 3.. Tempat da Waktu Peelta Peelta dlaksaaka d SMP Neger 3 Gorotalo kota Gorotalo Props Gorotalo tahu pelajara 0/03. D SMP Neger 3 Gorotalo memlk 6 romboga belajar yag terdr

Lebih terperinci

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( ) Regres & Korelas Ler Sederhaa 1. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk yag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

Penerapan Analisis Survival untuk Menaksir Waktu Bertahan Hidup bagi Penderita Penyakit Jantung

Penerapan Analisis Survival untuk Menaksir Waktu Bertahan Hidup bagi Penderita Penyakit Jantung Peerapa Aalss Survval utuk Meaksr Waktu Bertaha Hdup bag Pederta Peyakt Jatug Oleh : Ya Hedrajaya (me_ye2@yahoo.co.d), Ad Setawa da Haa A. Parhusp Program Stud Matematka, Fakultas Sas da Matematka Uverstas

Lebih terperinci

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2 INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas

Lebih terperinci

3.1 Biaya Investasi Pipa

3.1 Biaya Investasi Pipa BAB III Model Baya Pada model baya [8] d tugas akhr, baya tahua total utuk megoperaska jarga ppa terdr dar dua kompoe, yatu baya operasoal da baya vestas. Baya operasoal terdr dar baya operasoal ppa da

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Defes Aalss Korelas da Regres a Aalss Korelas adalah metode statstka yag dguaka utuk meetuka kuatya atau derajat huuga lear atara dua varael atau leh. Semak yata huuga ler gars lurus,

Lebih terperinci

BAB III ISI. x 2. 2πσ

BAB III ISI. x 2. 2πσ BAB III ISI 4. Keadata Normal Multvarat da Sfat-sfatya Keadata ormal multvarat meruaka geeralsas dar keadata ormal uvarat utuk dmes. f ( x) [( x )/ ] / = e x π x = ( x )( ) ( x ). < < (-) (-) Betuk (-)

Lebih terperinci

3 Departemen Statistika FMIPA IPB

3 Departemen Statistika FMIPA IPB Supleme Respos Pertemua ANALISIS DATA KATEGORIK (STK51) Departeme Statstka FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referes Waktu U potess Tga Cotoh atau Lebh U Kruskal-Walls (aalss ragam satu-arah berdasarka

Lebih terperinci

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE) Jural Matematka Mur da Terapa Vol. 4 No. esember : 4 - ANALISIS REGRESI LINEAR BERGANA ENGAN SATU VARIABEL BONEKA (UMMY VARIABLE Tat Krsawardha Nur Salam da ew Aggra Program Stud Matematka Uverstas Lambug

Lebih terperinci

BAB 1 STATISTIKA RINGKASAN MATERI

BAB 1 STATISTIKA RINGKASAN MATERI BAB STATISTIKA A RINGKASAN MATERI. Pegerta Data adalah kumpula keteraga-keteraga atau catata-catata megea suatu kejada, dapat berupa blaga, smbol, sat atau kategor. Masg-masg keteraga dar data dsebut datum.

Lebih terperinci

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB

Dasar Ekonomi Teknik: Matematika Uang. Ekonomi Teknik TIP FTP UB Dasar Ekoom Tekk: Matematka Uag Ekoom Tekk TIP TP UB Bahasa lra Kas (Cash low Tme Value of Moey Buga Ekvales Cash low Tata alra uag masuk da keluar per perode waktu pada suatu perusahaa lra kas aka terjad

Lebih terperinci

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar

Lebih terperinci

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi. Mea utuk Data Tuggal Des. Jka suatu sampel berukura dega aggota x1, x, x3,, x, maka mea sampel ddesska : 1... N 1 Mea utuk Data Kelompok Des Mea dar data yag dkelompoka adalah : x x 1 1 1 dega : x = ttk

Lebih terperinci

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama. BAB 2 LANDASAN TEORI 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatve lama. Sedagka ramala adalah

Lebih terperinci

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. BAB 2 LANDASAN TEORITIS 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatf lama. Sedagka ramala adalah

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha

Lebih terperinci

BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA

BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA 08 BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA 4. Pegumpula Data Data yag peuls kumpulka adalah data yag berhubuga dega proses produks, lapora kerusaka mes, lapora reject dalam produks yag dtaga oleh

Lebih terperinci

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER TUGAS ATA KULIAH TEORI RING LANJUT ODUL NOETHER Da Aresta Yuwagsh (/364/PPA/03489) Sebelumya, telah dketahu bahwa sebaga rg dega eleme satua memeuh sfat rata ak utuk deal-deal d. Apabla dpadag sebaga modul,

Lebih terperinci

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc STUDI KELAYAKAN: ASPEK FINANSIAL F.Hafz Saragh SP, MSc Pajak Baya bag perusahaa/ usahata, sehgga merupaka peguraga dar beeft Subsd FINANSIAL Peguraga baya bag perusahaa/ usahata, sehgga merupaka tambaha

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 9 BAB LANDASAN TEORI. Defs Pemelharaa Agar suatu kegata produks dapat berlagsug dega lacar, meghaslka produk-produk yag bermutu tgg, maka perlu ddukug oleh mes-mes atau peralata yag hadal da sap bekerja

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

8. MENGANALISIS HASIL EVALUASI 8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara

Lebih terperinci

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut 3/9/202 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas

Lebih terperinci

ESTIMASI UKURAN SENSITIVITAS KEUNTUNGAN SAHAM DALAM PORTOFOLIO PADA SINGLE INDEX MODEL

ESTIMASI UKURAN SENSITIVITAS KEUNTUNGAN SAHAM DALAM PORTOFOLIO PADA SINGLE INDEX MODEL Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 0, No. (03), hal. 57-6 ESTIMASI UKUAN SENSITIVITAS KEUNTUNGAN SAHAM DALAM POTOFOLIO PADA SINGLE INDEX MODEL Eka Kurawat, Helm, Neva Satyahadew INTISAI

Lebih terperinci

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI MINGGU KE-0 HUBUNGAN ANTAR KONVERGENSI Hubuga atar koverges Hrark atar koverges dyataka dalam teorema berkut. Teorema Msalka X da X, X, X 3,... adalah varabel radom yag ddefska pada ruag probabltas yag

Lebih terperinci

BAB 1 ERROR PERHITUNGAN NUMERIK

BAB 1 ERROR PERHITUNGAN NUMERIK BAB ERROR PERHITUNGAN NUMERIK A. Tujua a. Memaham galat da hampra b. Mampu meghtug galat da hampra c. Mampu membuat program utuk meelesaka perhtuga galat da hampra dega Matlab B. Peragkat da Mater a. Software

Lebih terperinci

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat. KALKULUS LANJUT Pertemua ke-4 Rey Ra Marlaa, S.S.,M.Stat. Plot Mater Notas Jumlah & Sgma Itegral Tetu Jumlah Rema Pedahulua Luas Notas Jumlah & Sgma Purcell, et all. (page 226,2003): Sebuah fugs yag daerah

Lebih terperinci

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah

Lebih terperinci

Analisis Regresi Robust Menggunakan Kuadrat Terkecil Terpangkas untuk Pendugaan Parameter

Analisis Regresi Robust Menggunakan Kuadrat Terkecil Terpangkas untuk Pendugaan Parameter Vol. 6, No., 9-6, Jauar Aalss Regres Robust Megguaka Kuadrat Terkecl Terpagkas utuk Pedugaa Parameter Asa, Raupog, Sarmat Zaudd Abstrak Prosedur regres robust dtujuka utuk megakomodas adaya keaeha data,

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA. Peahulua Dalam bab aka membahas megea teor-teor tetag statstka oparametrk, korelas parsal tau Keall a korelas parsal meurut Ebuh GU a Oeka ICA.. Statstka Noparametrk Istlah oparametrk

Lebih terperinci

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA, Fakultas MIPA, Uverstas Neger Yogyakarta, 4 Me ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL Ksmat Jurusa Peddka

Lebih terperinci

ABSTRAK. Ika Dewi Ariyanti 1 dan Sutikno 2

ABSTRAK. Ika Dewi Ariyanti 1 dan Sutikno 2 Pemodela Aomal Luas Pae Pad da Curah Huja Terbobot (Weghted Rafall Idex) dega Pedekata Robust Bootstrap LTS (Stud Kasus: Pemodela Luas Pae d Kabupate Subag) Ika Dew Aryat da Sutko Mahasswa S Statstka ITS,

Lebih terperinci

Notasi Sigma. Fadjar Shadiq, M.App.Sc &

Notasi Sigma. Fadjar Shadiq, M.App.Sc & Notas Sgma Fadjar Shadq, M.App.Sc (fadjar_pg@yahoo.com & www.fadjarpg.wordpress.com Notas sgma memag jarag djumpa dalam kehdupa sehar-har, tetap otas tersebut aka bayak djumpa pada baga matematka yag la,

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab aka mejelaska megea ladasa teor yag dpaka oleh peuls dalam peelta. Bab dbag mejad beberapa baga, yag masg masg aka mejelaska Prcpal Compoet Aalyss (PCA), Egeface, Klusterg K-Meas,

Lebih terperinci

PEMBENTUKAN MODEL PROBIT BIVARIAT

PEMBENTUKAN MODEL PROBIT BIVARIAT PEMBENTUKAN MODEL PROBIT BIVARIAT SKRIPSI Dsusu Oleh : Yudh Cadra JE 003 66 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS DIPONEGORO SEMARANG 009

Lebih terperinci