GRAFIK PENGENDALI NON PARAMETRIK UNIVARIAT PADA DATA ph PRODUK AIR MINUM GALON MERK X BERDASARKAN FUNGSI DISTRIBUSI EMPIRIK
|
|
- Sudomo Darmadi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 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 Program Studi Matematika FSM UKSW n4n4_02090@yahoo.co.id 2) Dosen Program Studi Matematika FSM UKSW Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Jl. Diponegoro Salatiga 507 Abstrak Pengendalian kualitas sangat dibutuhkan bagi sebuah industri guna mengetahui kestabilan kualitas dari produk yang dihasilkan. Pengendalian kualitas dapat dilakukan melalui Statistical Process Control (SPC) dengan menggunakan grafik pengendali. Grafik pengendali yang sering digunakan dalam statistika adalah grafik pengendali Shewhart dengan data yang digunakan berdistribusi normal. Dalam penelitian kualitas produk ditemui adanya data tidak berdistribusi normal, sehingga perlu adanya grafik pengendali yang tidak memerlukan asumsi data berdistribusi normal yaitu grafik pengendali non parametrik. Grafik pengendali non parametrik dapat dibangun melalui fungsi distribusi empirik, dengan batas pengendali menggunakan nilai kuantil dari fungsi distribusi empirik tersebut. Penelitian ini akan menggunakan data univariat karakteristik ph dari sebuah perusahaan Y di bidang air minum kemasan, dimana salah satu produknya adalah air mineral kemasan galon 9L merk X. Perusahaan Y memiliki standar nilai ph dalam setiap produksi air mineral galon 9L berkisar antara Dalam penelitian ini akan diperlihatkan bahwa batas pengendali untuk grafik pengendali non parametrik berdasarkan nilai invers dan kuantil fungsi distribusi empirik melalui bantuan paket program R Kuantil terdiri dari 9 tipe dan pada penelitian ini digunakan tipe & tipe 6. Hasil penelitian ini diperoleh bahwa untuk batas pengendali berdasarkan nilai invers, nilai kuantil tipe & tipe 6 masing masing nilai batas pengendali LCL = 6.87, CL = 7.32 dan UCL = Grafik pengendali non parametrik yang telah dibangun berdasarkan batas pengendali tersebut memperlihatkan bahwa sebanyak 0% data yang out of statistical control. Hal tersebut berarti air mineral galon 9L merk X dari perusahaan Y masih dalam batas kendali kualitas dan memenuhi salah satu syarat kualitas yang telah ditetapkan oleh perusahaan, sehingga air mineral tersebut layak untuk dipasarkan. Kata Kunci : Grafik pengendali, Distribusi Empirik, Invers, Kuantil PENDAHULUAN Peran penting faktor kualitas dalam industri mendapat perhatian lebih dari perusahaan. Hal tersebut mendesak perusahaan untuk selalu menjaga kestabilan kualitas dengan melakukan pengendalian kualitas produk. Pengendalian kualitas dapat dibentuk dengan bantuan Statistical Process Control (SPC), yang diwujudkan dalam grafik pengendali atau control chart. Selain menjaga kestabilan kualitas, perusahaan akan dapat meneliti penyimpangan penyimpangan yang mungkin terjadi dan melakukan perbaikan atau koreksi, sehingga dalam produksi berikutnya penyimpangan
2 penyimpangan tersebut dapat dicegah maupun diminimalisasi dan kepuasan konsumen pun tetap terjamin. KAJIAN PUSTAKA Grafik pengendali dapat memperlihatkan kemampuan suatu proses produksi dan membantu dalam mendeteksi penyimpangan yang mengakibatkan produk tidak memenuhi standar. Grafik pengendali dinyatakan dalam gambar sederhana yang terdiri dari dua garis sebagai batas batas pengendali meliputi batas pengendali atas atau upper control limit (UCL) dan batas pengendali bawah atau lower control limit (LCL) serta satu garis sebagai garis tengah atau centerline (CL). Grafik pengendali Shewhart merupakan grafik pengendali yang sering dipergunakan dalam merepresentasikan kualitas suatu produk dengan data berdistribusi normal, namun dalam kenyataannya terdapat data yang tidak berdistribusi normal sehingga diperlukan alat penyajian lain untuk merepresentasikan data tersebut, yaitu grafik pengendali non parametrik. Menurut Santoso (2008), grafik pengendali dapat dibangun secara non parametrik berdasarkan fungsi densitas peluang empirik, sedangkan dalam penelitian ini akan dibangun grafik pengendali berdasarkan fungsi distribusi empiriknya. Fungsi distribusi empirik didefinisikan pada persamaan : F n #{ x, x2,..., xn x} ( x) =, x ÎÂ. () n Nilai invers dari fungsi distribusi empirik dipergunakan sebagai batas pengendali. Nilai invers fungsi distribusi sama dengan nilai kuantil, sehingga untuk membangun grafik pengendali non parametrik yang berdasarkan fungsi distribusi empirik dapat dipergunakan nilai invers maupun nilai kuantilnya (Hyndman & Fan,996) yang ditunjukkan pada persamaan : - Q( p) = Fn ( p) = inf{ Fn ( x) ³ p}, 0 < p <. (2) Grafik pengendali non parametrik yang dibangun akan menggunakan batas pengendali berdasarkan persamaan: a UCL = (- )00% (3) 2 CL= median (4)
3 dengan dipilih nilai a = LCL = ( a )00% (5) 2 Batas batas pengendali yang telah diperoleh akan diperbandingkan dengan batas pengendali berdasarkan nilai kuantil. Kuantil terdiri dari 9 tipe yang berbeda, pada penelitian ini menggunakan kuantil tipe dan tipe 6 didefinisikan masing masing sebagai berikut (Wikipedia): Tipe Merupakan nilai invers dari fungsi distribusi empirik yang dinyatakan pada persamaan (6). dengan Keterangan : n= banyaknya data ì x(), p= 0 Q ( p) = íx, p lainnya (6) é ù h - î ê 2ú h = np+ (7) 2 p= probabilitas kuantil yang diinginkan, 0 < p< Q ( p) = nilai kuantil tipe ke untuk probabilitas p éhù= ceiling dari indeks ke h x = data pertama setelah diurutkan. () Tipe 6 Merupakan interpolasi linear untuk distribusi normal pada batas [0,] dengan Q ( ) seperti pada persamaan (8) : 6 p ì x, p< ( n+ ) n Q6 ( p) = í x2, p³ (8) ( n+ ) x + h- ëh ( û ëhû)( x - ëhû+ x p lainnya ëh ), û î
4 dengan menggunakan nilai h h = ( n+) p (9) Keterangan : n= banyaknya data p= probabilitas kuantil yang diinginkan, 0 < p< Q6 ( p) = nilai kuantil tipe ke 6 untuk probabilitas p ëhû= floor dari indeks ke h x() = data pertama setelah diurutkan x = data ke - n setelah diurutkan. (n) Mempermudah pemahaman di atas akan ditunjukkan sebuah implementasi dengan menggunakan contoh. Misalkan dimiliki data Z = {, 3, 4, 2, 5, 3, 2, 5, 6, } dengan ukuran 0 titik sampel. Penjelasan di atas dapat dirumuskan dalam bentuk langkah langkah sebagai berikut :. Ditentukan fungsi distribusi empirik F n (Z) berdasarkan persamaan () diperoleh hasil berikut ini dan secara grafik disajikan pada Gambar. ì 0, z< 0.2, z< 2 0.4, 2 z< 3 F n ( Z) = í0.6, 3 z< 4, z ÎÂ 0.7, 4 z< 5 0.9, 5 z< 6 î, z³ 6
5 ecdf (Z) Fn(Z) Gambar. Grafik Fungsi Distribusi Empirik pada Data Z 2. Menggunakan persamaan (2) dapat ditentukan invers dari F n (Z), yaitu F - n ( y) atau secara grafik tersaji pada Gambar 2. ì, , 0.2< 0.4-3, 0.4< 0.6 F n ( y) = í, 0 y 4, 0.6< 0.7 5, 0.7< 0.9 î6, 0.9< Z Z UCL CL LCL Index Gambar 2. Fungsi Invers pada Data Z
6 3. Selanjutnya dihitung F - n (0.25), F - n (0.5) dan F - n (0.75) dengan a = Untuk menggambarkan grafik pengendali non parametrik digunakan nilai F - n (0.25) sebagai nilai LCL, F - n (0.75) sebagai nilai UCL dan F - n (0.5) sebagai nilai CL yang tidak lain merupakan median dari data Z. Grafik pengendali non parametrik berdasarkan F n (Z) tersebut diperlihatkan dalam Gambar 3. Finvers y Gambar 3. Grafik Pengendali Non Parametrik Berdasarkan Nilai Invers pada Data Z METODE PENELITIAN Data Penelitian ini menggunakan data sekunder yang diperoleh dari perusahaan Y untuk air minum galon 9L merk X khususnya data tentang ph air mulai 0 Januari 28 Februari 200 sebanyak 78 titik sampel sebagai salah satu variabel yang akan diuji kualitasnya. Berdasarkan data tersebut akan dibentuk grafik pengendali non parametrik berdasarkan fungsi distribusi empirik untuk menentukan titik sampel yang out of statistical control. Analisis Data Untuk membantu dalam analisis data digunakan paket program R antara lain menentukan nilai fungsi distribusi empirik, menghitung kuantil, nilai invers, serta menggambarkan grafik.
7 Grafik Pengendali Non Parametrik Berdasarkan Invers Menggunakan data ph ditentukan nilai F n (x) yang diperlihatkan pada Gambar 4. ecdf(x) Fn(x) x Gambar 4. Grafik Fungsi Distribusi Empirik Data ph Selanjutnya, menggunakan persamaan (3), (4) dan (5) berdasarkan invers F n (x) diperoleh batas pengendali seperti pada Tabel dan bentuk grafik pengendali non parametrik disajikan pada Gambar 5. Tabel. Nilai Batas Pengendali Pada Data ph Batas Pengendali µ= LCL 6.87 CL 7.32 UCL 7.76 ph UCL CL LCL data Gambar 5. Grafik Pengendali Non Parametrik Berdasarkan Nilai Invers Data ph
8 Grafik Pengendali Non Parametrik Berdasarkan Nilai Kuantil Dalam penelitian ini akan menggunakan kuantil tipe dan tipe 6 dalam mencari nilai batas pengendali untuk grafik pengendali non parametrik. Tipe Menggunakan persamaan (6) dana = diperoleh hasil batas pengendali seperti ditunjukkan pada Tabel 2 dan dalam bentuk grafik pengendali non parametrik seperti pada Gambar 6. Tabel 2. Batas Pengendali berdasarkan Nilai Kuantil Tipe pada Data ph Batas p Nilai Batas LCL CL UCL data UCL CL LCL Index Gambar 6. Grafik Pengendali Non Parametrik Berdasarkan Nilai Kuantil Tipe Data ph Tipe 6 Persamaan (8) dan a = dalam menghitung nilai batas pengendali berdasarkan nilai kuantil tipe 6 yang ditunjukkan pada Tabel 3 dan grafik pengendali non parametrik disajikan pada Gambar 7.
9 Tabel 3. Batas Pengendali berdasarkan Nilai Kuantil Tipe 6 pada Data ph Batas p Nilai Batas LCL CL UCL data UCL CL LCL Index Gambar 7. Grafik Pengendali Non Parametrik Berdasarkan Nilai Kuantil Tipe 6 Data ph PEMBAHASAN Hasil análisis data pembentuk grafik pengendali non parametrik berdasarkan invers dan kuantil, diperoleh batas batas pengendali seperti pada Tabel 4. Tabel 4. Nilai Batas Pengendali Grafik Pengendali Non Parametrik Batas Pengendali Invers Kuantil Tipe Kuantil Tipe 6 LCL CL UCL Dari Tabel 4 terlihat bahwa LCL untuk grafik pengendali non parametrik berdasarkan nilai invers dan nilai kuantil, baik tipe atau tipe 6, memberikan hasil yang sama yaitu Artinya bahwa batas bawah dari ph air pada 3 grafik pengendali yang diamati adalah sama. Demikian halnya untuk CL dan UCL yang berarti bahwa nilai tengah dan
10 batas atas dari ketiga grafik pengendali non parametrik yang diamati juga sama, yaitu 7.32 dan Berdasarkan Gambar 5, 6, dan 7 dapat dilihat tidak ada data yang berada di bawah batas bawah dan di atas batas atas, dengan kata lain tidak ada titik sampel yang out of statistical control. Hal ini berarti bahwa tidak ada sampel yang tidak memenuhi stándar kualitas ph atau semua titik sampel data ph air minum galon 9L merk X telah memenuhi salah satu stándar kualitas yang telah ditentukan oleh perusahaan sehingga layak untuk dipasarkan. Hasil batas batas pengendali dari ketiga grafik pengendali non parametrik yang diamati mempunyai nilai yang sama, namun demikian ditinjau dari langkah langkah pembentukannya, grafik pengendali non parametrik berdasarkan invers membutuhkan langkah lebih panjang dikarenakan harus terlebih dahulu menghitung nilai invers fungsi distribusi empiriknya. Dengan demikian penggunaan grafik pengendali non parametrik berdasarkan nilai kuantil lebih sederhana. KESIMPULAN Berdasarkan pembahasan di atas dapat disimpulkan beberapa hal mengenai grafik pengendali non parametrik sebagai berikut :. Grafik pengendali non paremetrik yang dibangun berdasarkan fungsi distribusi empirik pada data ph air minum galon 9L merk X dari perusahaan Y memiliki batas pengendali untuk LCL=6.87, CL=7.32 dan UCL= Data ph air minum galon 9L merk X sebanyak 78 titik sampel berada di dalam kontrol dan memenuhi stándar yang diberlakukan oleh perusahaan sehingga layak untuk dipasarkan. 3. Masing masing batas pengendali (LCL, CL, UCL) untuk grafik pengendali non parametrik berdasarkan invers dan berdasarkan nilai kuantil (tipe dan tipe 6) adalah sama. 4. Pengendalian kualitas melalui grafik pengendali non parametrik lebih tepat digunakan pada data yang tidak berdistribusi normal.
11 DAFTAR PUSTAKA Ariani, D.W Pengendalian Kualitas Statistik, Yogyakarta : Andi. Montgomery, Douglas C Pengantar Pengendalian Kualitas Statistik. Yogyakarta : Gadjah Mada University Press. Roussas, George G A Course in Mathematical Statistics, Second Edition. USA : Academic Press. Web : Diunduh pada tanggal 8 Agustus 20. Web 2 : Hyndman, Rob J and Fan, Yanan Sample Quantiles in Statistical Packages. Diunduh pada tanggal 8 Agustus 20. Web 3 : Santoso, Rukun Grafik Pengendali Non Parametrik Empirik. Diunduh pada tanggal 8 Agustus 20.
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 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 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 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 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 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 terperinciProsiding ISBN :
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
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 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 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 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 terperinciDlri Fiuia $trbi# Nn/l. N
4di ". ; :W -":Es-..3rys\ il., F. ii) I _-- ::...-.ij.jr,-i:lii:{aid{*;f,!.:rtq {'!%EEryryrynr:rirjt'i',r\14:Er:i{Y.ii.. :1 t:irrri,' -.,::ffi.t I A*ikel sleh Dwi Fiuia Subiakti ini Telah diperiksa dan
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 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 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 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 terperinciBAB III. PETA KENDALI KUALITAS MULTIVARIAT Z-chart UNTUK PROSES AUTOKORELASI. Salah satu fungsi dari pengendalian kualitas statistik adalah mengurangi
BAB III PETA KENDALI KUALITAS MULTIVARIAT Z-chart UNTUK PROSES AUTOKORELASI Salah satu fungsi dari pengendalian kualitas statistik adalah mengurangi variasi yang terjadi dalam suatu proses. Sementara itu,
Lebih terperinciBAB I PENDAHULUAN. B. Rumusan masalah Bagaimana cara pengendalian kualitas proses statistik pada data variabel.
BAB I PENDAHULUAN A. Latar Belakang Pengendalian Kualitas Statistik (Statistical Quality Control) secara garis besar digolongkan menjadi dua, yakni pengendalian proses statistik (statistical process control)
Lebih terperinciIMPLEMENTASI GRAFIK KENDALI MULTIVARIAT DENGAN JARAK CHI SQUARE (Studi Kasus di PT.Ongkowidjojo Malang)
1 IMPLEMENTASI GRAFIK KENDALI MULTIVARIAT DENGAN JARAK CHI SQUARE (Studi Kasus di PT.Ongkowidjojo Malang) Wulanita Dewi Anggraeni 1, Hendro Permadi Universitas Negeri Malang Email: moonietada@yahoo.com
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Metode penelitian adalah suatu ilmu pengetahuan yang memuat berbagai cara kerja di dalam melaksanakan penelitian dari awal hingga akhir. Metode penelitian juga merupakan suatu
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 terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian merupakan gambaran dari tahapan yang dilalui dalam menyelesaikan suatu masalah yang ditemui dalam sebuah penelitian, dimana dibuat berdasarkan latar
Lebih terperinciBAB 3 LANGKAH PEMECAHAN MASALAH. PT. Citra Tunas Baru Gramindo adalah sebuah perusahaan garmen yang
BAB 3 LANGKAH PEMECAHAN MASALAH 3.1 Penetapan Kriteria Optimasi PT. Citra Tunas Baru Gramindo adalah sebuah perusahaan garmen yang memproduksi kemeja pria dewasa dengan harga Rp. 41.000 Rp. 42.500 perkemeja.
Lebih terperinciPengendalian Kualitas Statistik Produk Botol Sting 240 ml di PT IGLAS (Persero) Oleh: Wahyu Eka Kusumaningrum
Pengendalian Kualitas Statistik Produk Botol Sting 40 ml di PT IGLAS (Persero) Oleh: Wahyu Eka Kusumaningrum 1308030047 PENDAHULUAN LATAR BELAKANG PT IGLAS (Persero) merupakan perusahaan manufacturing
Lebih terperinciBAB II LANDASAN TEORI
7 BAB II LANDASAN TEORI 2.1. Pengertian Analisis Varians Analisis varians adalah suatu proses sistematis untuk mengidentifikasi, melapor, dan menjelaskan varians atau penyimpangan hasil yang sesungguhnya
Lebih terperinciPEMBUATAN BAGAN KENDALI MULTIVARIAT T 2 -HOTELLING UNTUK PROSES PERKULIAHAN Studi Kasus : IPK dan Lama Studi Lulusan Matematika Universitas Andalas
Jurnal Matematika UNAND Vol. 1 No. 2 Hal. 85 92 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMBUATAN BAGAN KENDALI MULTIVARIAT T 2 -HOTELLING UNTUK PROSES PERKULIAHAN Studi Kasus : IPK dan Lama
Lebih terperinciPENGENDALIAN KUALITAS PRODUK X UNTUK KARAKTERISTIK ph DENGAN MENGGUNAKAN GRAFIK PENGENDALI BERDASARKAN DENSITAS KERNEL
PENGENDALIAN KUALITAS PRODUK X UNTUK KARAKTERISTIK ph DENGAN MENGGUNAKAN GRAFIK PENGENDALI BERDASARKAN DENSITAS KERNEL Novriyanthi Taungke, Adi Setiawan, Hanna Arini Parhusip Program Studi Matematika,
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 terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Metode penelitian adalah suatu ilmu pengetahuan yang memuat berbagai cara kerja di dalam melaksanakan penelitian dari awal hingga akhir. Metode penelitian juga merupakan suatu
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang. Kualitas telah menjadi karkteristik utama dalam organisasi atau perusahaan agar
BAB 1 PENDAHULUAN 1.1 Latar Belakang Kualitas telah menjadi karkteristik utama dalam organisasi atau perusahaan agar dapat berkembang lebih baik lagi dalam bidang produksi disuatu organisasi atau perusahaan.
Lebih terperinciPERAN STATISTIKA DALAM MENDUKUNG PENGEMBANGAN INDUSTRI Pengendalian Mutu dengan Bantuan Statistika
PERAN STATISTIKA DALAM MENDUKUNG PENGEMBANGAN INDUSTRI Pengendalian Mutu dengan Bantuan Statistika Muhammad Arif Tiro Program Studi Statistika FMIPA Universitas Negeri Makassar Abstrak Salah satu alat
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 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 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 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 terperinciBAB IV PENGUMPULAN DAN PENGOLAHAN DATA
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Pengumpulan Data Pengambilan data yang dilakukan penulis menggunakan data primer dan sekunder yang didapatkan pada Lini 2 bagian produksi Consumer Pack, yang
Lebih terperinciANALISIS PENGENDALIAN KUALITAS PRODUK MADU MERK SBA DI PT. INTI KIAT ALAM DENGAN MENGGUNAKAN PETA X DAN R
ANALISIS PENGENDALIAN KUALITAS PRODUK MADU MERK SBA DI PT. INTI KIAT ALAM DENGAN MENGGUNAKAN PETA X DAN R Disusun Oleh: Nama : Lina Reztyani NPM : 34411102 Jurusan : Teknik Industri Pembimbing : Dr. Ir.
Lebih terperinciAnalisis Kualitas Tenun Sarung Menggunakan Metode Statistical Quality Control Di PT. PTI Pekalongan
Analisis Kualitas Tenun Sarung Menggunakan Metode Statistical Quality Control Di PT. PTI Pekalongan Arief Hadi Prasetyo *1) dan Kariyam 2) 1) Statistika, FMIPA, Universitas Islam Indonesia, Jalan Kaliurang
Lebih terperinciBAB III METODE PENELITIAN. dan juga produk jadi Crude Palm Oil (CPO) PT Kalimantan Sanggar Pusaka
BAB III METODE PENELITIAN A. Obyek/Subyek Penelitian 1. Obyek Penelitian. Penelitian ini akan dilakukan pada proses bahan baku, proses produksi, dan juga produk jadi Crude Palm Oil (CPO) PT Kalimantan
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini dilakukan di PT. Agronesia Divisi Industri Plastik
47 BAB III METODE PENELITIAN 3.1 Objek Penelitian Penelitian ini dilakukan di PT. Agronesia Divisi Industri Plastik (Agroplas). Variabel yang diteliti adalah metode pengendalian kualitas yang diterapkan
Lebih terperinciBAB III METODE PENELITIAN
34 BAB III METODE PENELITIAN 3.1 Objek Penelitian Menurut Sugiyono (2009, hlm.38), menyatakan bahwa objek penelitian merupakan suatu atribut atau sifat atau nilai dari orang, objek atau kegiatan yang mempunyai
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 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 terperinciSKRIPSI ANALISIS PENGENDALIAN KUALITAS PRODUK DENGAN MENGGUNAKAN STATISTICAL PROCESS CONTROL (SPC) PADA PT. NGK
SKRIPSI ANALISIS PENGENDALIAN KUALITAS PRODUK DENGAN MENGGUNAKAN STATISTICAL PROCESS CONTROL (SPC) PADA PT. NGK Disusun Oleh : Nama : Asep Suryadi NPM : 201210215039 PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS
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 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 terperinci3. BAB III METODOLOGI PENELITIAN
3. BAB III METODOLOGI PENELITIAN 3.1 Lokasi Dan Waktu Penelitian Penelitian Tugas Akhir ini dilaksanakan di PT United Can Company Ltd. yang berlokasi di Jalan Daan Mogot Km. 17, Kalideres Jakarta Barat,
Lebih terperinciBAB III METODE CONTROL CHART. sebagai metode grafik yang di gunakan untuk mengevaluasi apakah suatu proses
BAB III METODE CONTROL CHART 3.1 Control Chart Peta kendali atau Control Chart merupakan suatu teknik yang dikenal sebagai metode grafik yang di gunakan untuk mengevaluasi apakah suatu proses berada dalam
Lebih 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 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 terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Objek dan Subjek Penelitian Objek penelitian ini adalah perusahaan produksi kemasan makanan dari kertas karton CV. Yogyakartas yang berlokasi di Jl. Nyi Ageng Nis No. 20 B,
Lebih terperinciBAB III METODE PENELITIAN. 3.1 Variabel Penelitian dan Definisi Operasional Variabel
BAB III METODE PENELITIAN 3.1 Variabel Penelitian dan Definisi Operasional Variabel 3.1.1 Variabel Penelitian Variabel penelitian merupakan suatu atribut atau sifat yang mempunyai variasi tertentu yang
Lebih terperinciPENGENDALIAN KUALITAS X MENGGUNAKAN GRAFIK PENGENDALI HOTELLING T 2 UNIVARIAT DAN MULTIVARIAT
PENGENDALIAN KUALITAS X MENGGUNAKAN GRAFIK PENGENDALI HOTELLING T UNIVARIAT DAN MULTIVARIAT Lellie Sulistyawati Darmawan, Adi Setiawan, Lilik Linawati Program Studi Matematika, Fakultas Sains dan Matematika
Lebih terperinciAplikasi SPC (Statistical Process Control) dan Quality Improvement Tool Di Bagian Giling Dan Batil Rokok SKT PT. Djarum Kudus
Aplikasi SPC (Statistical Process Control) dan Quality Improvement Tool Di Bagian Giling Dan Batil Rokok SKT PT. Djarum Kudus Ida Nursanti* 1, Eny Rokhayati 2 1,2 Jurusan Teknik Industri Universitas Muhammadiyah
Lebih terperinciPETA PENGENDALI UNTUK UNIT INDIVIDU PRESENTASI PENGENDALIAN KUALITAS
PETA PENGENDALI UNTUK UNIT INDIVIDU PRESENTASI PENGENDALIAN KUALITAS CONTROL CHART suatu metode penyajian grafik keadaan produksi secara kronologis dengan batas-batas yang menggambarkan kemampuan produksi
Lebih terperinciBAB 1 PENDAHULUAN. pengendalian kualitas dalam pembuatan produk. standar (Montgomery, 1990). Statistical Quality Control (SQC) merupakan salah
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Pengendalian kualitas merupakan taktik dan strategi perusahaan global dengan produk perusahaan lain. Kualitas menjadi faktor dasar keputusan konsumen dalam memilih
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 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 terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Pengendalian kualitas merupakan aktivitas keteknikan dan manajemen, yang dengan aktivitas itu bisa diukur ciri-ciri kualitas produk, membandingkannya dengan spesifikasi
Lebih terperinciANALISIS DAN PEMBAHASAN
ANALISIS DAN PEMBAHASAN 4.3 Peta Kendali Hotelling Dalam kehidupan sehari-hari banyak sekali proses produksi yang memiliki karakteristik kualitas lebih dari satu. Proses yang seperti ini disebut dengan
Lebih terperinciPengendalian Kualitas Data Atribut Multivariat dengan Mahalanobis Distance dan T 2 Hotelling (Studi Kasus PT Metec Semarang)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman 311-320 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian Pengendalian Kualitas Data Atribut Multivariat dengan Mahalanobis
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 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 terperinciV. METODOLOGI A. KERANGKA PEMIKIRAN B. TAHAP-TAHAP PENELITIAN. 1. Observasi Lapang. 2. Pengumpulan Data Kuantitatif
V. METODOLOGI A. KERANGKA PEMIKIRAN Kegiatan magang yang dilakukan di PT Kemang Food Industries dimaksudkan untuk mengevaluasi bobot bersih dan membandingkan kesesuaian antara data bobot bersih yang didapat
Lebih terperinciBAB I PENDAHULUAN 1. 1 Latar Belakang
BAB I PENDAHULUAN 1. 1 Latar Belakang Kualitas suatu produk merupakan faktor yang berpengaruh terhadap kepuasan konsumen. Untuk mempertahankan suatu kualitas produk, produk harus dikendalikan dan dimonitor
Lebih terperinciI. PENDAHULUAN A. Tinjauan Pustaka
I. PENDAHULUAN A. Tinjauan Pustaka Pengendalian kualitas statistik merupakan teknik penyelesaian masalah yang digunakan untuk memonitor, mengendalikan, menganalisis, mengelola, dan memperbaiki produk dan
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 I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Pengendalian kualitas merupakan aktivitas keteknikan dan manajemen yang dengan aktivitas tersebut dapat mengukur ciri-ciri kualitas produk, membandingkan dengan
Lebih terperinciSOAL DETECT UTS GENAP 2014/2015. Quality Control
SOAL DETECT UTS GENAP 2014/2015 Quality Control 1. a. Buat peta kendali dan R! b. Buat revisi peta kendali jika dibutuhkan! c. Diketahui spesifikasi produk adalah 171 ± 11. Jika produk di bawah LSL maka
Lebih terperinciBAB III BAHAN DAN METODE
BAB III BAHAN DAN METODE 3.1 Waktu dan Tempat Penelitian Penelitian ini telah dilaksanakan di PT. X yang terdapat pada Pelabuhan Perikanan Nusantara Nizam Zachman Jakarta. Waktu penelitian telah dilaksanakan
Lebih terperinciSeminar Nasional IENACO 2014 ISSN
Seminar Nasional IENACO 204 ISSN 2337-4349 PENGENDALIAN KUALITAS PADA MESIN INJEKSI PLASTIK DENGAN METODE PETA KENDALI PETA P DI DIVISI TOSSA WORKSHOP Much. Djunaidi *, Rachmad Adi Nugroho 2,2 Jurusan
Lebih terperinciPENGENDALIAN MUTU BERAT PRODUKSI PT. SEMEN PADANG MENGGUNAKAN BAGAN KENDALI MEDIAN ABSOLUTE DEVIATION (MAD) PADA DATA TIDAK NORMAL
Jurnal Matematika UNAND Vol. 3 No. 1 Hal. 123 131 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENGENDALIAN MUTU BERAT PRODUKSI PT. SEMEN PADANG MENGGUNAKAN BAGAN KENDALI MEDIAN ABSOLUTE DEVIATION
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 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 terperinciJurnal EKSPONENSIAL Volume 7, Nomor 2, Nopember 2016 ISSN
Perbandingan Peta Pengendali Rata-rata Bergerak Dengan Peta Pengendali Rata-rata Bergerak Geometrik (Studi Kasus: Data Lebar Kayu Bangkirai Hasil Produksi Suryadi Moulding Samarinda) The Comparison of
Lebih terperinciIII. METODE PENELITIAN
35 A. Metode Dasar Penelitian III. METODE PENELITIAN Penelitian ini menggunakan metode dasar analisis deskriptif analitis. Metode ini berkaitan dengan pengumpulan data yang berguna untuk memberikan gambaran
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 terperinciIII. METODE PENELITIAN
III. METODE PENELITIAN 3.1. Kerangka Pemikiran Penelitian Produksi merupakan sebuah siklus yang dilakukan oleh perusahaan dalam penyediaan barang atau jasa yang akan ditawarkan kepada pasar demi keberlangsungan
Lebih terperinciAnalisis Pengendalian Kualitas Produk Minute Maid Pulpy 350ml di PT. Coca-Cola Bottling Indonesia Jawa Timur. Oleh: Zubdatu Zahrati
Tugas Akhir Analisis Pengendalian Kualitas Produk Minute Maid Pulpy 350ml di PT. Coca-Cola Bottling Indonesia Jawa Timur Oleh: Zubdatu Zahrati 309 030 002 Pembimbing: Dra. Lucia Aridinanti, MT JURUSAN
Lebih terperinciGRAFIKPENGENDALI VARIABEL
GRAFIKPENGENDALI VARIABEL Grafik pengendali pertamakali diperkenalkan oleh Dr. Walter Andrew Shewhart dari Bell Telephone Laboratories, Amerika Serikat, pada tahun 1924 dengan maksud untuk mengurangi variasi.
Lebih terperinciANALISIS RANCANGAN EKONOMI PADA GRAFIK KENDALI EXPONENTIALLY WEIGHTED MOVING AVERAGE (EWMA)
ANALISIS RANCANGAN EKONOMI PADA GRAFIK KENDALI EXPONENTIALLY WEIGHTED MOVING AVERAGE (EWMA) Oleh: Dian Mareta Windayani 16 100 055 Dosen pembimbing: Dra. Laksmi Prita, M.Si Latar belakang PENDAHULUA N
Lebih terperinciPenerapan Metode DMAIC di PT. Coca-Cola Bottling Indonesia Jawa Timur. Oleh Zubdatu Zahrati Dosen Pembimbing : Dra.
Penerapan Metode DMAIC di PT. Coca-Cola Bottling Indonesia Jawa Timur Oleh Zubdatu Zahrati 32 05 004 Dosen Pembimbing : Dra. Lucia Aridinanti Pendahuluan Latar Belakang Permasalahan Tujuan Manfaat Batasan
Lebih terperinciBAB V ANALISA HASIL. PT. XYZ selama ini belum pernah menerapkan metode Statistical Process
70 BAB V ANALISA HASIL 5.1 Analisa Hasil control chart PT. XYZ selama ini belum pernah menerapkan metode Statistical Process Control. Sebagai langkah awal penulis mencoba menganalisa data volume produk
Lebih terperinciSTRATEGI PERBAIKAN KUALITAS GULA BERDASARKAN KEMAMPUAN PROSES KONTROL
STRATEGI PERBAIKAN KUALITAS GULA BERDASARKAN KEMAMPUAN PROSES KONTROL Mila Faila Sufa * 1, Dina Ariningsih 2 1,2 Jurusan Teknik Industri Universitas Muhammadiyah Surakarta Jl.A. Yani Tromol Pos 1 Kartasura
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengertian Manajemen Operasi Untuk mengelola suatu perusahaan atau organisasi selalu dibutuhkan sistem manajemen agar tujuan dari perusahaan atau organisasi tersebut dapat tercapai.
Lebih terperinciMETODOLOGI 3.1 Kerangka Pemikiran 3.2 Metode Pengumpulan Data
21 3 METODOLOGI 3.1 Kerangka Pemikiran Ikan Tuna (Thunnus sp.) merupakan salah satu komoditas perikanan Indonesia yang memiliki nilai ekonomis tinggi dan mampu menembus pasar internasional. Salah satu
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 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 terperinciBAB III METODOLOGI PENELITIAN
26 BAB III METODOLOGI PENELITIAN Dalam bab ini dijelaskan mengenai tahapan tahapan yang dilakukan oleh penulis dalam proses penelitian. Metodologi penelitian yang digunakan dalam penyusunan tugas akhir
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 terperinciANALISIS RANCANGAN EKONOMI PADA GRAFIK KENDALI EXPONENTIALLY WEIGHTED MOVING AVERAGE (EWMA) UNTUK MEAN DAN VARIANS
ANALISIS RANCANGAN EKONOMI PADA GRAFIK KENDALI EXPONENTIALLY WEIGHTED MOVING AVERAGE (EWMA) UNTUK MEAN DAN VARIANS Oleh: Dian Mareta Windayani 1206 100 055 Desen pembimbing: Dra. Laksmi Prita, M.Si Abstrak
Lebih 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 terperinciPenerapan Diagram Kontrol EWMA dan NEWMA pada Proses Pembuatan Benang 30 Rayon di PT. Lotus Indah Textile Industries Surabaya
Seminar Tugas Akhir Penerapan Diagram Kontrol EWMA dan NEWMA pada Proses Pembuatan Benang 3 Rayon di PT. Lotus Indah Textile Industries Surabaya Rista Wijayanti (37 6) Dosen Pembimbing : Dr. Sony Sunaryo,
Lebih terperinciKULIAH 4-6 PENGENDALIAN KUALITAS STATISTIKA UNTUK DATA VARIABEL
KULIAH 4-6 PENGENDALIAN KUALITAS STATISTIKA UNTUK DATA VARIABEL KOMPETENSI Mahasiswa dapat menyusun peta pengendali kualitas proses statistika untuk data variabel dengan menggunakan software statistika,
Lebih terperinciBAB I PENDAHULUAN. Hasil dari suatu proses produksi yang diterima oleh konsumen diharapkan
BAB I PENDAHULUAN 1.1 Latar belakang Masalah Hasil dari suatu proses produksi yang diterima oleh konsumen diharapkan memenuhi spesifikasi produsen. Karena produk yang mahal, tidak efisien, dan tidak sesuai
Lebih terperinciPengendalian Kualitas Kadar Air Produk Kerupuk Udang Berbasis SNI Menggunakan Statistical Quality Control Method
Pengendalian Kualitas Kadar Air Produk Kerupuk Udang Berbasis SNI Menggunakan Statistical Quality Control Method Debrina Puspita Andriani *1), Destantri Anggun Rizky 2), Unggul Setiaji 3) 1,2,3) Jurusan
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Pengetahuan, teknologi dan pertumbuhan ekonomi pada sektor industri Pangan di Indonesia menyebabkan persaingan antara industri-industri yang menghasilkan produk sejenis harus lebih kreatif dan
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 terperinciDAFTAR PUSTAKA KATA PENGANTAR... DAFTAR ISI...
KATA PENGANTAR Alhamdulillahi Rabbil alamin, Puji dan syukur kepada Allah Subhanahu Wa Ta ala. Karena atas izin-nya, makalah ini dapat terselesaikan tepat pada waktunya. Makalah ini dibuat sebagai tugas
Lebih terperinci