Bab 2. Teori Dasar. 2.1 Pendahuluan
|
|
- Hadi Hartono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Bab 2 Teori Dasar 2.1 Pendahuluan Gagasan bagan kendali statistik pertama kali diperkenalkan oleh Walter A. Shewhart dari Bell Telephone laboratories pada tahun 1924 (Montgomery, 2001, hal 9). Tujuan dari bagan kendali ini adalah untuk menentukan apakah suatu proses masih dapat dipertahankan pada taraf mutu yang dapat diterima atau tidak. Bagan kendali merupakan visualisasi pengukuran kualitas produk terhadap nomor sampel yang digunakan untuk mengontrol target proses. Bagan tersebut terdiri dari dua sumbu yang saling tegak lurus. Sumbu mendatar menyatakan unit sub group dan sumbu vertikal menyatakan nilai karakteristiknya. Bagan terdiri dari center-line (CL) yang merepresentasikan rataan proses, upper control line (UCL) dan lower control line (LCL) berturut-turut merepresentasikan batas kendali atas dan bawah. Selama produk berada dalam selang (LCL, UCL) dan berpola acak, proses diasumsikan berada dalam keadaan terkendali. Suatu titik yang berada di luar selang kendali diinterpretasikan sebagai indikasi proses tidak terkendali. Walaupun semua titik berada dalam selang kendali, pola sistematik data pada bagan kendali juga dapat mengindikasikan proses yang tidak terkendali. 6
2 BAB 2. TEORI DASAR 7 Menurut Western Electric Handbook (1956), pola tidak acak dan tidak terkontrol pada bagan kendali dapat ditandai dengan: 1. Satu titik di luar 3 batas kendali 2. Dua dari tiga titik berurutan di luar 2 batas kendali 3. Empat dari lima titik berurutan terletak antara CL dan 1 4. Delapan titik berturut-turut terletak di satu sisi CL Misal w adalah statistik penaksir parameter populasi dengan rataan µ w dan simpangan baku w, maka secara umum w mempunyai batas-batas kendali sebagai berikut (Montgomery, 2001, hal 159): UCL = µ w + L w ; CL = µ w ; LCL = µ w L w (2.1.1) dengan L adalah jarak dari batas kendali ke CL, yang diekspresikan dalam unit simpangan baku dan nilainya bergantung pada besarnya nilai taraf keberartian (level of significant) α. L disebut juga galat standar. Secara teori L didefinisikan sebagai Z α/ Kesalahan tipe I dan II Dalam pengujian hipotesis, kita mempunyai dua pilihan yaitu menerima atau menolak suatu hipotesis. Hipotesis tersebut biasanya dinyatakan sebagai H 0 (hipotesis nol) yaitu hipotesis yang ingin diuji. Penolakan H 0 menjurus pada penerimaan suatu hipotesis tandingan yang dinyatakan dengan H 1. Dalam setiap keputusan yang kita ambil, selalu ada kemungkinan salah. Kesalahan yang mungkin terjadi dalam pengambilan keputusan tersebut dinamakan kesalahan tipe I dan kesalahan tipe II. Kesalahan tipe I adalah suatu kesalahan yang diakibatkan kita menolak kebenaran hipotesis nol, padahal hipotesis nol tersebut benar. Peluang dari kesalahan tipe I tersebut dinyatakan oleh: α = P(kesalahan tipe I) = P(menolak hipotesis nol hipotesis nol benar) α disebut juga taraf keberartian. Kesalahan tipe II adalah suatu kesalahan yang diakibatkan kita tidak menolak kebenaran hipotesis nol, padahal hipotesis nol tersebut
3 BAB 2. TEORI DASAR 8 salah. Peluang dari kesalahan tipe II tersebut dinyatakan oleh: β = P(kesalahan tipe II) = P(menerima hipotesis nol hipotesis nol salah) Dalam suatu pengujian hipotesis, nilai α dan β diharapkan sekecil mungkin. Untuk ukuran sampel yang tetap, memperkecil nilai α akan mengakibatkan nilai β semakin besar, begitu juga sebaliknya. Nilai α dan β dapat diperkecil secara serentak dengan memperbesar ukuran sampel. Selain itu, kita juga dapat meminimumkan salah satu α atau β dengan membuat yang lainnya tidak melebihi suatu taraf tertentu. Dalam kontrol kualitas, α terkadang disebut juga risiko produsen, karena kesalahan ini mengartikan peluang suatu proses yang terkendali akan ditolak atau peluang bahwa suatu proses produksi yang nilainya dapat diterima oleh karakteristik kualitas tertentu akan ditolak sebagai proses yang tidak memuaskan. Sebaliknya, β disebut resiko konsumen, karena ini mengartikan peluang dari diterimanya proses yang tidak layak dalam memenuhi karakteristik kualitas, atau peluang diperbolehkannya suatu proses yang beroperasi dengan tidak memuaskan dalam beberapa karakteristik kualitas untuk melanjutkan proses (Montgomery, 2001, hal 94). Badan kendali sering dipandang dalam sudut pandang ekonomi sehingga kesalahan tipe I dianggap lebih serius dari pada kesalahan tipe II. Oleh karena itu, biasanya kita menentukan α terlebih dahulu sebesar yang dapat diterima, kemudian meminimumkan β. Dalam kebutuhan industri, α yang dapat diterima biasanya sebesar 0,0027 atau setara dengan Bagan kendali individual Dalam industri farmasi dan obat-obatan, pada umumnya produk diproduksi dalam batch. Komposisi seperti vaksin bisa jadi cukup seragam dalam satu batch. Maka hanya ada satu nilai observasi dari suatu karakteristik kualitas tertentu yang bisa diperoleh. Dalam kasus ini, ukuran sampel yang digunakan untuk mengontrol proses adalah n = 1; yaitu sampel yang terdiri dari unit individu. Dalam kondisi ini,
4 BAB 2. TEORI DASAR 9 bagan kendali untuk unit individu seperti bagan I-MR, cusum, dan EWMA dapat digunakan. Di bawah ini akan dijelaskan batas-batas bagan kendali individual yang akan digunakan pada bab V A. Bagan kendali I dan MR Bagan kendali I adalah bagan untuk mengendalikan target proses dengan membuat plot setiap subgroup, sedangkan bagan kendali M R dimaksudkan untuk mengendalikan variabilitas proses. Misalkan subgroup X 1, X 2,..., X m sampel acak dari X N(µ, 2 ) definisi MR orde t adalah sebagai berikut: MR 1 = maks(x 1, X 2,..., X t ) min(x 1, X 2,..., X t ) MR 2 = maks(x 2, X 3,..., X t+1 ) min(x 2, X 3,..., X t+1 )... MR i = maks(x i, X i+1,..., X t+i 1 ) min(x i, X i+1,..., X t+i 1 )... MR m t+1 = maks(x m t+1, X m t+2,..., X m ) min(x m t+1, X m t+2,..., X m ) meskipun secara teori bisa saja t > 2, MR yang sering digunakan adalah untuk dua observasi berturutan (t = 2), ditulis MR i = X i X i 1. Gambar 2.1: Ilustrasi menghitung MR dengan t = 2
5 BAB 2. TEORI DASAR 10 Rata-rata sampel di atas adalah X = 1 m m i=1 X i, kita tahu X berdistribusi normal dengan rataan µ dan simpangan baku X = m. Untuk membuat bagan kendali, kita perlu menaksir. Kita dapat menaksir dengan salah satu dari S, R, atau MR (selang bergerak) sampel tersebut. Jika X (1) X (2)... X (m) adalah statistik terurut dari X. Jadi, selang/ rentangan sampel itu adalah R = X (m) X (1). Pada bagan kendali X, kita menggunakan X untuk menaksir µ, sedangkan sebagai penaksir dapat digunakan selang relatif w = R. Jika rataan dari w adalah d 2 (d 2 = E(w)), maka kita peroleh hubungan antara d 2 dan sebagai berikut: ( ) ( ) R X(m) X (1) d 2 = E(w) = E = E = E(X (m)) E(X (1) ) Untuk mendapatkan nilainya, persamaan diatas dapat diaproksimasi dengan jumlah Riemann. Dalam lampiran dijelaskan prosedur penurunan rumusnya seperti yang tercantum dalam Setiawan(1998). Pada kasus ukuran subgroup 1 ini, selang R didefinisikan oleh MR. Oleh karena itu, jika kita gunakan X sebagai parameter µ dan MR d 2 sebagai penaksir untuk, dengan menggunakan L=3 (setara dengan α = ), persamaan (2.1.1) untuk bagan kendali I diperoleh sebagai berikut: LCL = X MR 3 ; CL = d X; UCL = X MR + 3 (2.3.1) 2 d 2 dengan MR = 1 m t+1 m t+1 i=1 MR i Pada bagan kendali MR, MR adalah penaksir untuk µ MR. Dari penjelasan sebelumnya kita telah melihat hubungan antara selang dan selang bergerak dengan simpangan baku. Oleh karena itu, variabilitas proses dapat dikendalikan dengan menggunakan nilai-nilai M R. Dalam kasus ukuran subgroup 1 ini, M R mendefinisikan R. Oleh karena itu, untuk menentukan batas kendalinya perhatikan kembali selang relatif w = R. Taksiran simpangan baku w, katakanlah d 3 diberikan oleh: d 2 3 = V ar(w) = V ar ( ) R = V ar ( ) X(m) X (1) = V ar(x (m)) + V ar(x (1) ) 2cov(X (m) X (1) ) 2
6 BAB 2. TEORI DASAR 11 dengan V ar(x (m) ) = E(X 2 (m) ) (E(X (m))) 2 dan V ar(x (1) ) = E(X 2 (1) ) (E(X (1))) 2 diperoleh: d 2 3 = E(X2 (m) ) + E(X2 (1) ) d2 2 2E(X (1) X (m) ) 2 Untuk mendapatkan nilainya, persamaan diatas dapat diaproksimasi dengan jumlah Riemann. Dalam lampiran dijelaskan prosedur penurunan rumusnya seperti yang tercantum dalam Setiawan(1998). karena d 2 3 = 2 R 2, atau R = d 3, maka taksiran untuk R adalah MR ˆ R = d 3ˆ = d 3 d 2 Dengan demikian, persamaan (2.1.1) untuk bagan kendali M R adalah sebagai berikut: LCL = MR MR 3d 3 ; CL = MR; d UCL = MR MR + 3d 3 (2.3.2) 2 d 2 Selanjutnya, dengan memisalkan D 3 = 1 3d 3 d 2 dan D 4 = 1 + 3d 3 d 2, persamaan (2.3.2) dapat ditulis sebagai berikut: LCL = D 3 MR; CL = MR; UCL = D 4 MR (2.3.3) Harga d 2, d 3, D 3, dan D 4 untuk berbagai nilai n disajikan pada lampiran. B. Bagan kendali cumulative sum (cusum) Kelemahan dari bagan kendali Shewhart yang dijelaskan diatas adalah hanya menggunakan informasi proses yang terdapat pada plot titik terakhir dan mengabaikan informasi yang diberikan dari seluruh plot barisan titik. Hal ini menyebabkan bagan kendali Shewhart relatif tidak sensitif terhadap pergeseran rataan proses yang kecil, yaitu sekitar 1.5 atau lebih kecil. Dua alternatif yang sangat efektif digunakan untuk menggantikan penggunaan bagan kendali Shewhart ketika terjadi pergeseran rataan yang kecil adalah bagan kendali cumulative sum (cusum) dan bagan kendali exponentially weighted moving average (EWMA) (Montgomery, 2001, hal 406). Bagan kendali cusum akan dibahas pada bagian ini dan bagan kendali EWMA akan dibahas pada bagian selanjutnya.
7 BAB 2. TEORI DASAR 12 Bagan kendali cusum secara langsung menyatukan semua informasi dari deret nilai sampel dengan memplot jumlah kumulatif dari deviasi nilai sampel terhadap nilai target. Untuk ukuran sampel yang lebih besar dari 1 (n 1), maka bagan kendali cusum dibentuk dari plot nilai C i = i j=1 ( x j µ 0 ) terhadap nilai sampel i, dengan x j adalah rata-rata sampel ke-j dan µ 0 adalah target dari mean proses. Dalam hal n = 1, kita ambil x i = x i. Sehingga plot cusum-nya menjadi: C i = i (x j µ 0 ) j=1 i 1 = (x j µ 0 ) + (x j µ 0 ) j=1 = (x j µ 0 ) + C i 1. Ada dua cara untuk merepresentasikan cusum, tabular cusum dan bentuk V- mask dari cusum. sering digunakan. cusum dalam bentuk tabular cusum. Dari dua representasi ini, tabular cusum adalah yang paling Sehingga, pada bagian ini hanya akan dijelaskan representasi Tabular cusum dapat digunakan untuk memonitor rataan proses maupun variansi dari proses. Untuk mengkonstruksi tabular cusum dalam memonitor rataan proses, kita misalkan x i adalah observasi ke-i pada proses. Ketika proses berada dalam keadaan terkendali, x i berdistribusi normal dengan rataan µ 0 dan simpangan baku. Diasumsikan diketahui atau dapat ditaksir. Tabular cusum untuk memonitor rataan bekerja dengan mengakumulasikan selisih dari µ 0 yang berada di atas target dengan statistik C + dan mengakumulasikan selisih dari µ 0 yang berada di bawah target dengan statistik C. Kedua statistik tersebut, C + dan C, masing-masing disebut cusum satu sisi atas dan bawah. Keduanya dihitung sebagai berikut: Dimana nilai awalnya, C + i =C i =0. C + i = max[0, x i (µ 0 + K) + C + i 1 ] C i = max[0, (µ 0 K) x i + C i 1 ] (2.3.4)
8 BAB 2. TEORI DASAR 13 Pada persamaan di atas, K biasa disebut sebagai nilai rekomendasi atau nilai toleransi, dan sering kali dipilih sekitar setengah antara nilai target µ 0 dan nilai di luar kendali dengan rataan µ 1 yang menarik untuk dideteksi secepatnya. jika pergeseran rataan diekspresikan dalam unit simpangan baku sebagai µ 1 = µ 0 + δ atau δ = µ 1 µ 0, maka K = δ 2 = µ 1 µ 0. Proses berada dalam keadaan terkendali jika C + i dan C i berada dalam selang H. Nilai yang masuk akal untuk H adalah lima kali dari simpangan baku proses (Montgomery, 2001, hal 411). Seperti dalam mengkonstruksi cusum untuk rataan proses, dalam mengkonstruksi tabular cusum dalam memonitor variansi proses, kita misalkan x i berdistribusi normal dengan rataan µ 0 dan simpangan baku. Nilai standar dari x i adalah y i = (x i µ 0 ). Dalam Montgomery (2001), Hawkins (1981)(1993a) menyarankan un- tuk membuat nilai standar yang baru, yaitu: v i = yi Statistik v i sensitif baik terhadap perubahan rataan atau variansi. Karena distribusi terkendali dari v i mendekati N(0, 1), maka kedua cusum satu sisi bisa dituliskan sebagai berikut: S + i = max[0, v i k + S + i 1 ] (2.3.5) S i = max[0, k v i + S i 1 ] Dimana nilai awalnya, S + i =S i =0 dan perhitungan nilai k dan h sama seperti pada saat memonitor rataan. Interpretasi dari skala cusum ini sama dengan interpretasi dari cusum untuk memonitor rataan. Jika simpangan baku proses meningkat, nilai dari S + i akan meningkat dan pada akhirnya akan melampaui nilai h. Sebaliknya, jika simpangan baku proses mengecil, nilai dari S i juga akan meningkat dan pada akhirnya melampaui nilai h. Kondisi ini disebut di luar kendali.
9 BAB 2. TEORI DASAR 14 C. Bagan kendali exponentially weight moving average (EWMA) Bagan kendali EWMA merupakan alternatif lain yang dapat digunakan untuk menggantikan bagan kendali Shewhart ketika terjadi pergeseran rataan proses yang kecil. Bagan kendali EWMA dikenalkan oleh Roberts (1959). EWMA didefinisikan sebagai: z i = λx i + (1 λ)z i 1 (2.3.6) dimana 0 < λ 1 adalah konstanta, dan nilai awal adalah target proses (z 0 = µ 0 ). Misal z i adalah rata-rata berbobot dari semua rataan sampel sebelumnya, kita peroleh: i 1 z i = λ (1 λ) j x i j + (1 λ) i z 0 (2.3.7) j=0 Bobot λ(1 λ) j menurun secara geometrik seiring dengan semakin bertambahnya rataan sampel. Selanjutnya, jumlah bobot dapat dituliskan: i 1 [ ] 1 (1 λ) λ (1 λ) j i = λ = 1 (1 λ) i (2.3.8) 1 (1 λ) j=0 EWMA digunakan secara luas di model time series dan ramalan (forecasting). Karena EWMA dapat ditunjukan sebagai rata-rata berbobot dari semua observasi, hal ini menyebabkan EWMA tidak sensitif terhadap asumsi kenormalan. Sehingga, bagan kendali ini ideal digunakan untuk observasi individu. Jika observasi dari x i merupakan variabel acak bebas dengan variansi 2, maka variansi dari z i adalah: ( ) λ z 2 i = 2 [1 (1 λ) 2i ] 2 λ Oleh karena itu, bagan kendali EWMA akan dikonstruksi dengan memplot z i terhadap nomor sampel i (atau waktu). adalah sebagai berikut: λ UCL = µ 0 + L 2 λ [1 (1 λ)2i ] Batas-batas bagan kendali untuk EWMA
10 BAB 2. TEORI DASAR 15 Dengan L adalah lebar dari batas kendali. CL = µ 0 (2.3.9) λ LCL = µ 0 L 2 λ [1 (1 λ)2i ] Tulis bahwa bentuk [1 (1 λ) 2i ] nilainya mendekati satu, seiring dengan i yang membesar. Ini berarti bahwa setelah bagan kendali EWMA sudah memproses untuk beberapa periode, batas bagan kendali akan mencapai nilai stabil steady-statenya, yaitu: λ UCL = µ 0 + L 2 λ λ LCL = µ 0 L 2 λ (2.3.10) (2.3.11) Bagaimanapun, tetap direkomendasikan untuk menggunakan batas bagan kendali yang eksak untuk i yang kecil (Montgomery, 2001, hal 428). Secara umum, telah ditemukan bahwa nilai λ yang berada dalam interval 0.05 λ 0.25 bekerja dengan baik dalam praktek, dengan nilai λ = 0.05, λ = 0.10, dan λ = 0.20 menjadi pilihan yang sering digunakan (Montgomery, 2001, hal 431). Ditemukan juga bahwa L = 3 (batas 3 sigma) bekerja dengan baik, khususnya dengan nilai λ yg besar (Montgomery, 2001, hal 431).
MODUL 5 PETA KENDALI CUSUM & EWMA
MODUL 5 PETA KENDALI CUSUM & EWMA Laboratorium OSI & K FT.UNTIRTA Praktikum Pengendalian Kualitas 2014 Page 1 MODUL 5 PETA KENDALI CUSUM & EWMA A. Tujuan Praktikum Berikut ini adalah tujuan praktikum modul
Lebih terperinciBAGAN KENDALI CUMULATIVE SUM (CU-SUM)
BAGAN KENDALI CUMULATIVE SUM (CU-SUM) 10/09/2012 1 REVIEW Bagan kendali Shewhart biasanya diaplikasikan pada tahap I dari SPC. Shewhart mengidentifikasi terkontrol atau tidaknya suatu proses secara statistik
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 terperinciOleh: Nurul Hidayah Dosen pembimbing: Dra. Laksmi Prita, M.Si
KAJIAN PERBANDINGAN KINERJA GRAFIK PENGENDALI CUMULATIVE SUM (CUSUM) DAN EXPONENTIALLY WEIGHTED MOVING AVERAGE (EWMA) DALAM MENDETEKSI PERGESERAN RATARATA PROSES Oleh: Nurul Hidayah 06 0 057 Dosen pembimbing:
Lebih terperinciBAB 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 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 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 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 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. 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 terperinciTUGAS AKHIR SM MUHAMMAD HAKAM Dosen Pembimbing : Dra. Nuri Wahyuningsih, M.Kes Dra. Titik Mudjiati, M.Si
TUGAS AKHIR SM141501 PERBANDINGAN GRAFIK KENDALI CUSUM (CUMULATIVE SUM) DAN EWMA (EXPONENTIALLY WEIGHTED MOVING AVERAGE) DALAM PENGENDALIAN KUALITAS PRODUKSI PIPA BESI PADA PT. PACIFIC ANGKASA ABADI MUHAMMAD
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. 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
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 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 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 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 terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Tujuan utama Statistical Process Control (SPC) ialah untuk meningkatkan kualitas dan produktivitas. Kualitas memiliki hubungan yang sangat erat dengan kepuasan
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 I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Kualitas produk memegang peranan penting dalam menentukan maju atau mundurnya perusahaan. Pengendalian kualitas proses produksi merupakan faktor penting dalam kegiatan
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 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 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 terperinciDAFTAR ISI. HALAMAN JUDUL. i. LEMBAR PERSETUJUAN ii LEMBAR PENGESAHAN. iii LEMBAR PERNYATAAN.. iv
DAFTAR ISI HALAMAN JUDUL. i LEMBAR PERSETUJUAN ii LEMBAR PENGESAHAN. iii LEMBAR PERNYATAAN.. iv ABSTRAK. v ABSTRACT... vi KATA PENGANTAR... vii DAFTAR ISI.. ix DAFTAR TABEL. xii DAFTAR GAMBAR xiii DAFTAR
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Pendahuluan Dalam bab ini akan diuraikan mengenai teori-teori yang mendukung serta berkaitan dengan metode bootstrap untuk pembentukan diagram kendali minimax. Uraian dimulai
Lebih terperinciUNIVERSITAS INDONESIA BAGAN KENDALI EXPONENTIALLY WEIGHTED MOVING AVERAGE UNTUK MEAN PROSES SKRIPSI KRISTINA INTAN KARTIKA PUTRI
UNIVERSITAS INDONESIA BAGAN KENDALI EXPONENTIALLY WEIGHTED MOVING AVERAGE UNTUK MEAN PROSES SKRIPSI KRISTINA INTAN KARTIKA PUTRI 0606067446 FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM PROGRAM SARJANA
Lebih terperinciProsiding Statistika ISSN:
Prosiding Statistika ISSN: 2460-6456 Penerapan Diagram Kendali Sintetik untuk mendeteksi Pergeseran Rata-rata (Kasus pada PT.World Yamater Spinning Milis II) The Synthetic Control Chart Implementation
Lebih terperinciBab 5. Analisis Kapabilitas Produk. 5.1 Pendahuluan
Bab 5 Analisis Kapabilitas Produk 5.1 Pendahuluan Data yang digunakan dalam tugas akhir ini merupakan data nilai potensi pertussis vaksin DTP tahun 2004 PT. Biofarma. Pembahasan dalam tugas akhir ini merupakan
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 terperinciBAB I PENDAHULUAN. upaya peningkatan kesejahteraan dan peningkatan kualitas serta sarana prasarana
BAB I PENDAHULUAN 1.1 Latar Belakang Sumatera Barat sebagai salah satu provinsi di Indonesia yang saat ini terus melakukan percepatan pembangunan untuk peningkatan kesejahteraan dan daya saing. Provinsi
Lebih terperinci(MEWMA) Zuhrawati Latif ABSTRAK
Peta Kendali Multivariate Exponentially Weighted Moving Average (MEWMA) Zuhrawati Latif Mahasiswa Jurusan Matematika Universitas Hasanuddin ABSTRAK Proses produksi merupakan serangkaian kegiatan dalam
Lebih terperinciPENGUJIAN HIPOTESIS (1) Debrina Puspita Andriani /
PENGUJIAN HIPOTESIS (1) 1 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Pengertian Pengujian Hipotesis (1) 3 BAHASA YUNANI HUPO Lemah, kurang, di bawah THESIS Teori,
Lebih terperinciKOMPUTASI METODE EXPONENTIALLY WEIGHTED MOVING AVERAGE UNTUK PENGENDALIAN KUALITAS PROSES PRODUKSI MENGGUNAKAN GUI MATLAB
KOMPUTASI METODE EXPONENTIALLY WEIGHTED MOVING AVERAGE UNTUK PENGENDALIAN KUALITAS PROSES PRODUKSI MENGGUNAKAN GUI MATLAB (STUDI KASUS : PT Djarum Kudus SKT Brak Megawon III) SKRIPSI Disusun Oleh : IYAN
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 terperinciAUTOKORELASI PADA BAGAN KENDALI
Jurnal Matematika UNAND Vol. 3 No. 2 Hal. 88 96 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND AUTOKORELASI PADA BAGAN KENDALI NILA CHOIROTUNNISA, MAIYASTRI, YUDIANTRI ASDI Program Studi Matematika,
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 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 terperinciPada tugas akhir ini, data yang digunakan adalah data salah satu key characteristic dari suatu produk manufaktur.
BAB IV ANALISA DATA 3 BAB 4 ANALISA DATA 4.1 Pendahuluan Dalam suatu proses produksi di industri, data yang akan diolah tidak begitu saja bisa didapatkan. Ada suatu proses sehingga data tersebut bisa didapatkan,
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 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 terperinciPENGONTROLAN BAHAN BAKU PRODUKSI SEMEN JENIS PCC DI PT. SEMEN PADANG DENGAN MENGGUNAKAN DIAGRAM KONTROL MEWMA
Jurnal Matematika UNAND Vol. 5 No. 3 Hal. 7 14 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENGONTROLAN BAHAN BAKU PRODUKSI SEMEN JENIS PCC DI PT. SEMEN PADANG DENGAN MENGGUNAKAN DIAGRAM KONTROL
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 terperinciHipotesis. Penerimaan hipotesis menunjukkan bahwa tidak cukup petunjuk untuk mempercayai sebaliknya
Hipotesis Suatu anggapan yang mungkin benar atau tidak mengenai suatu populasi atau lebih Digunakan istilah diterima atau ditolak untuk suatu hipotesis Penolakan suatu hipotesis berarti menyimpulkan bahwa
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 terperinciIII Control chart for variables. Pengendalian Kualitas TIN-212
III Control chart for variables Pengendalian Kualitas TIN-212 Common dan Assignable causes of variation Variabilitas dapat dibagi ke dalam dua kategori: 1. Common causes of variation. Variasi ini merupakan
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 terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di:
ISSN: 2339-254 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 205, Halaman 957-966 Online di: http://ejournal-s.undip.ac.id/index.php/gaussian PREDIKSI NILAI KURS DOLLAR AMERIKA MENGGUNAKAN EXPONENTIAL SMOOTHING
Lebih terperinciPengantar Statistika Matematika II
Bab 6: Statistika FMIPA Universitas Islam Indonesia Inferensi Statistik Pendahuluan Inferensi Statistik Inferensi statistik adalah metode untuk menarik kesimpulan mengenai suatu populasi. Inferensi statistik
Lebih terperinciBAB III HASIL ANALISIS
51 BAB III HASIL ANALISIS 3.1 Pengumpulan Data Pada tahap ini, penulis secara langsung mengambil data dari PT. Coca-Cola Bottling Indonesia Medan pada periode Januari 00 sampai dengan Desember 006. Disamping
Lebih terperinciPengujian Hipotesis. Oleh : Dewi Rachmatin
Pengujian Hipotesis Oleh : Dewi Rachmatin Hipotesis Suatu anggapan yang mungkin benar atau tidak mengenai suatu populasi atau lebih Akan digunakan istilah diterima atau ditolak pada bagian ini Penolakan
Lebih terperinciHipotesis : asumsi atau anggapan bisa benar atau bisa salah seringkali dipakai sebagai dasar dalam memutuskan
PENGUJIAN HIPOTESIS Hipotesis : Merupakan suatu asumsi atau anggapan yang bisa benar atau bisa salah mengenai sesuatu hal, dan dibuat untuk menjelaskan sesuatu hal tersebut sehingga memerlukan pengecekan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Peramalan 2.1.1 Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang (Sofjan Assauri,1984). Setiap kebijakan ekonomi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Statistic Quality Control (SQC) Statistik merupakan teknik pengambilan keputusan tentang suatu proses atau populasi berdasarkan pada suatu analisa informasi yang terkandung di
Lebih terperinciSEMINAR TUGAS AKHIR. Peta Kendali Comulative Sum (Cusum) Residual Studi Kasus pada PT. PJB Unit Pembangkitan Gresik. Rina Wijayanti
SEMINAR TUGAS AKHIR Peta Kendali Comulative Sum (Cusum) Residual Studi Kasus pada PT. PJB Unit Pembangkitan Gresik Rina Wijayanti 1306100044 Pembimbing Drs. Haryono, MSIE Dedi Dwi Prastyo, S.Si., M.Si.
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Gula salah satu kebutuhan sehari-hari yang penting bagi masyarakat Indonesia, karena sumber kalori dan pemanis untuk makanan atau minuman. Menurut wakil ketua Asosiasi
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 terperinciUji tracking setpoint
Validasi model Uji tracking setpoint Pengujian dilakukan dengan BOD konstan, yaitu 2200 mg/l. Untuk mencapai keadaan steady, sistem membutuhan waktu sekitar 30 jam. Sedangkan grafik kedua yang merupakan
Lebih terperinciPEMODELAN KUALITAS PROSES
TOPIK 6 PEMODELAN KUALITAS PROSES LD/SEM II-03/04 1 1. KERANGKA DASAR Sampling Penerimaan Proses Produksi Pengendalian Proses MATERIAL PRODUK PRODUK BAIK SUPPLIER Manufacturing Manufacturing KONSUMEN PRODUK
Lebih terperinciBAB 2 LANDASAN TEORI
10 BAB 2 LANDASAN TEORI 2.1 Defenisi Mutu Dalam dunia industri baik industri jasa maupun manufaktur mutu adalah faktor kunci yang membawa keberhasilan bisnis, pertumbuhan dan peningkatan posisi bersaing.
Lebih terperinciBambang Pramono ( ) Dosen pembimbing : Katherin Indriawati, ST, MT
PERANCANGAN SISTEM PENGENDALIAN BERPENGAWASAN PADA AERATION BASIN DENGAN TEKNIK CUMULATIVE OF SUM (CUSUM) Bambang Pramono (2408100057) Dosen pembimbing : Katherin Indriawati, ST, MT Aeration basin Aeration
Lebih terperinciSTATISTIKA INDUSTRI 2 TIN 4004
STATISTIKA INDUSTRI 2 TIN 4004 Kontrak Perkuliahan Pertemuan & Materi RPKPS Penilaian Tugas, short quiz (30%) Quiz 1 & 2 (40%) UAS (30%) Referensi Montgomery, D.C, George C. Runger. Applied Statistic and
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dijelaskan teori-teori yang menjadi dasar dan landasan dalam penelitian sehingga membantu mempermudah pembahasan selanjutnya. Teori tersebut meliputi arti dan peranan
Lebih terperinciANALISIS KEMAMPUAN PROSES
LOGO ANALISIS KEMAMPUAN PROSES Kelompok 7 Rohmad Hadi S. Ananta Ade Kurniawan Nariswari Setya Dewi Kristy Handayani Lisa Apriana Dewi Nanda Hidayati Nining Dwi Lestari M0107082 M0108015 M0108022 M0108053
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 terperinciUji Hipotesis dan Aturan Keputusan
Uji Hipotesis dan Aturan Keputusan oleh: Khreshna Syuhada, PhD. 1. Pendahuluan Pada perkuliahan tingkat 2, telah dikenalkan masalah uji hipotesis sebagai berikut: Seorang peneliti memberikan klaim bahwa
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 terperinciPerbandingan Peta Kendali X-R Dan EWMA Dengan Pendekatan P-Value Untuk Mendeteksi Pergeseran Rata-Rata Proses Di PT.XYZ
Perbandingan Peta Kendali X-R Dan EWMA Dengan Pendekatan P-Value Untuk Mendeteksi Pergeseran Rata-Rata Proses Di PT.XYZ Alin Widiawati 1, Faula Arina 2, Putro Ferro Ferdinant 3 1, 2, 3 Jurusan Teknik Industri
Lebih terperinciGeometric Moving Average (Diagram Kontrol Rata-rata Bergerak December Geometrik) 2, / 8
Geometric Moving Average (Diagram Kontrol Rata-rata Bergerak Geometrik) Pengendalian Kualitas Statistika Ayundyah Kesumawati Prodi Statistika FMIPA-UII December 2, 2015 Geometric Moving Average (Diagram
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Permasalahan
BAB I PENDAHULUAN 1.1. Latar Belakang Permasalahan Dewasa ini, persaingan ketat diantara perusahaan terus digencarkan guna untuk mempertahankan keberlangsungan suatu perusahaan. Salah satu faktor yang
Lebih terperinciMA5283 STATISTIKA Bab 3 Inferensi Untuk Mean
MA5283 STATISTIKA Bab 3 Inferensi Untuk Mean Orang Cerdas Belajar Statistika Silabus Silabus dan Tujuan Peubah acak kontinu, distribusi dan Tabel normal, penaksiran titik dan selang, uji hipotesis untuk
Lebih terperinciPenolakan suatu hipotesis bukan berarti menyimpulkan bahwa hipotesis salah dimana bukti yg tidak konsisten dgn hipotesis Penerimaan hipotesis sebagai
Hipotesis Suatu pernyataan yang masih lemah kebenarannya dan perlu dibuktikan/ dugaan yg sifatnya masih sementara Hipotesis ini perlu untuk diuji utk kmd diterima/ ditolak Pengujian hipotesis : suatu prosedur
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 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 terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI 3.1 Definisi Peramalan Peramalan adalah suatu proses dalam menggunakan data historis yang telah dimiliki untuk diproyeksikan ke dalam suatu model peramalan. Dengan model peramalan
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI Kualitas adalah segala sesuatu yang mampu memenuhi keinginan atau kebutuhan pelanggan (meeting the needs of customers) (Gasperz, 2006). Pengendalian kualitas secara statistik dengan
Lebih terperinciBAB 2 LANDASAN TEORI Pengertian Data Deret Berkala
BAB 2 LANDASAN TEORI 2.1. Pengertian Data Deret Berkala Suatu deret berkala adalah himpunan observasi yang terkumpul atau hasil observasi yang mengalami peningkatan waktu. Data deret berkala adalah serangkaian
Lebih terperinci2.4 Pemilihan Metode Peramalan
2.4 Pemilihan Metode Peramalan Dalam memilih metode peramalan yang akan digunakan didasarkan pada uji verifikasi. Dimana uji verifikasi ini bertujuan untuk menghitung error dari metode yang akan kita gunakan.
Lebih terperinciPENGENDALIAN KUALITAS DENGAN MENGGUNAKAN DIAGRAM KONTROL EWMA RESIDUAL (STUDI KASUS: PT. PJB UNIT PEMBANGKITAN GRESIK)
PENGENDALIAN KUALITAS DENGAN MENGGUNAKAN DIAGRAM KONTROL EWMA RESIDUAL (STUDI KASUS: PT. PJB UNIT PEMBANGKITAN GRESIK) FITROH AMALIA (1306100073) Dosen Pembimbing: Drs. Haryono, MSIE PENGENDALIAN KUALITAS
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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peramalan Peramalan digunakanan sebagai acuan pencegah yang mendasari suatu keputusan untuk yang akan datang dalam upaya meminimalis kendala atau memaksimalkan pengembangan baik
Lebih terperinciMODUL TEORI ESTIMASI ATAU MENAKSIR TEORI ESTIMASI ATAU MENAKSIR
TEORI ESTIMASI ATAU MENAKSIR MODUL 9 TEORI ESTIMASI ATAU MENAKSIR. Pendahuluan Untuk menginginkan mengumpulkan populasi kita lakukan dengan statistik berdasarkan data yang diambil secara sampling yang
Lebih terperinciSTK 211 Metode Statistika PENGUJIAN HIPOTESIS
STK Metode Statistika PENGUJIAN HIPOTESIS Pendahuluan Dalam mempelajari karakteristik populasi sering telah memiliki hipotesis tertentu. pemberian DHA pada anak-anak akan menambah kecerdasannya atau pemberian
Lebih terperinciStudi Performansi Air Bersih Pada Peta Kendali Untuk Minimasi Fungsi Kerugian Waste
TEKNOLOGI DI INDUSTRI (SENIATI) 6 ISSN: 58-8 Studi Performansi Air Bersih Pada Peta Kendali Untuk Minimasi Fungsi Kerugian Waste Mastiadi Tamjidillah,, Pratikto 3, Purnomo Budi Santoso, Sugiono Mahasiswa
Lebih terperinciBAB 3 MODEL FUNGSI TRANSFER MULTIVARIAT
BAB 3 MODEL FUNGSI TRANSFER MULTIVARIAT Model fungsi transfer multivariat merupakan gabungan dari model ARIMA univariat dan analisis regresi berganda, sehingga menjadi suatu model yang mencampurkan pendekatan
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 terperinciJURNAL SAINS DAN SENI ITS Vol. 6, No.1, (2017) ( X Print) A 6
JURNAL SAINS DAN SENI ITS Vol. 6, No.1, (2017) 2337-3520 (2301-928X Print) A 6 Perbandingan Diagram Kontrol X Shewhart dan X VSSI (Variable Sample Size and Sampling Interval) dalam Pengendalian Kualitas
Lebih terperinciBAB II TINJAUAN PUSTAKA. permasalahan yang teridentifikasi adalah PT. Vonex Indonesia belum
BAB II TINJAUAN PUSTAKA 2.1. Pendahuluan Berdasarkan uraian yang dikemukakan pada Bab I bahwa permasalahan yang teridentifikasi adalah PT. Vonex Indonesia belum memiliki cara untuk mengatur proses stabilitasi
Lebih terperinciV. HASIL DA PEMBAHASA
V. HASIL DA PEMBAHASA Metode analisis kadar vitamin C pada susu bubuk yang dilakukan pada penelitian ini merupakan metode yang tercantum dalam AOAC 985.33 tentang penentuan kadar vitamin C pada susu formula
Lebih terperinciAnalisis Regresi 2. Pokok Bahasan : Asumsi sisaan dan penanganannya
Analisis Regresi 2 Pokok Bahasan : Asumsi sisaan dan penanganannya Tujuan Instruksional Khusus : Mahasiswa dapat menjelaskan asumsi-asumsi yang melandasi analisis regresi linier sederhana dan berganda,
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Statistika merupakan ilmu yang mempelajari bagaimana merencanakan, mengumpulkan, menganalisis, menginterpretasi dan mempresentasikan data. Dalam perkembangan masa,
Lebih terperinciBAB I PENDAHULUAN. atau memprediksi nilai suatu perolehan data di masa yang akan datang
BAB I PENDAHULUAN 1.1 Latar Belakang Time Series atau deret waktu merupakan barisan suatu nilai pengamatan yang diukur dalam rentang waktu tertentu dalam interval waktu yang sama. Analisis data deret waktu
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 terperinciII. TINJAUAN PUSTAKA. Untuk menguji kesamaan dari beberapa nilai tengah secara sekaligus diperlukan
II. TINJAUAN PUSTAKA 2.1 Analisis Ragam Klasifikasi Satu Arah Untuk menguji kesamaan dari beberapa nilai tengah secara sekaligus diperlukan sebuah teknik yang disebut analisis ragam. Analisis ragam adalah
Lebih terperinciMETODE PENELITIAN. Data yang digunakan dalam penelitian ini adalah data sekunder yang memiliki
32 III. METODE PENELITIAN A. Jenis dan Sumber Data 1. Jenis Data Data yang digunakan dalam penelitian ini adalah data sekunder yang memiliki sifat runtut waktu (time series) atau data tahunan dan data
Lebih terperinciBAB I PENDAHULUAN. perusahaan untuk memproduksi suatu produk, baik berupa barang atau jasa yang
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pada saat ini, konsumen semakin banyak menuntut kemampuan perusahaan untuk memproduksi suatu produk, baik berupa barang atau jasa yang berkualitas tinggi. Tuntutan
Lebih terperinciBab 2 LANDASAN TEORI
Bab 2 LANDASAN TEORI 2.1. Penaksiran Parameter Jika adalah nilai parameter populasi yang belum diketahui harganya, maka dapat ditaksir oleh nilai statistik, dan disebut sebagai penaksir atau fungsi keputusan.
Lebih terperinciStudi Performansi Air Bersih Pada Peta Kendali Untuk Minimasi Fungsi Kerugian Waste
TEKNOLOGI DI INDUSTRI (SENIATI) 6 ISSN : 85-8 Studi Performansi Air Bersih Pada Peta Kendali Untuk Minimasi Fungsi Kerugian Waste Mastiadi Tamjidillah,,*, Pratikto 3, Purnomo Budi Santoso, Sugiono Mahasiswa
Lebih terperinciPENGERTIAN PENGUJIAN HIPOTESIS
PENGUJIAN HIPOTESIS PENGERTIAN PENGUJIAN HIPOTESIS HUPO From: BAHASA YUNANI THESIS Pernyataan yang mungkin benar atau mungkin salah terhadap suatu populasi Lemah, kurang, di bawah Teori, proposisi, atau
Lebih terperinciBAB 2 LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegitan yang memperkirakan apa yang akan
BAB 2 LANDASAN TEORI 2.1 Pengertian Peramalan Peramalan (Forecasting) adalah suatu kegitan yang memperkirakan apa yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. Kegunaan peramalan
Lebih terperinciANALISIS KAPABILITAS PROSES UNTUK PENGENDALIAN KUALITAS PRODUK PEMBATAS BUKU INDUSTRI RUMAHAN
J u r n a l E K B I S / V o l. X IV/ N o. / e d i s i S e p t e m b e r 15 7 ANALISIS KAPABILITAS PROSES UNTUK PENGENDALIAN KUALITAS PRODUK PEMBATAS BUKU INDUSTRI RUMAHAN *( Diah Ayu Novitasari Fakultas
Lebih terperinci