BAB 2 LANDASAN TEORI

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB 2 LANDASAN TEORI"

Transkripsi

1 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 setap saat. Utuk mecapa hal tu maka mes-mes da peralata peujag proses produks membutuhka suatu aktvtas pemelharaa (mateace) secara teratur da terecaa. Defs pemelharaa (mateace) adalah suatu kombas dar berbaga tdaka yag dlakuka utuk mejaga suatu barag atau memperbakya sampa pada suatu kods yag bsa dterma. Pemelharaa juga dapat dartka sebaga suatu kegata mejaga fasltas pabrk serta megadaka perbaka, peyesuaa atau peggata yag dperluka agar tercapa suatu keadaa operas produks yag sesua dega yag drecaaka. Jad, secara umum, pemelharaa dapat juga ddefska sebaga suatu aktftas yag dperluka utuk tetap mejaga suatu fasltas berada dalam kods pegoperasa yag terbak. Apabla kta meggka kods mes-mes produks selalu dalam kods fugsoal yag bak, maka kegata perawata atau pemelharaa mes-mes tersebut wajb utuk dperhatka.

2 30 Kegata-kegata yag termasuk ke dalam pemelharaa msalya adalah :. Pemerksaa (specto), yatu tdaka yag dtujuka terhadap sstem atau mes utuk mecegah terjadya breakdow medadak da utuk megetahu apakah sstem atau mes bekerja dega bak sesua dega fugsya.. Peggata kompoe (replacemet), yatu melakuka peggata kompoe yag tdak dapat berfugs lag. Peggata mugk dlakuka secara medadak atau dega perecaaa terlebh dahulu. 3. Reparas (repar), yatu melakuka perbaka secara cermat saat terjad kerusaka. 4. Overhaul, yatu tdaka pemerksaa besar-besara yag basaya dlakuka pada akhr perode tertetu. Dega adaya kegata pemelharaa yag bak, maka fasltas, mes atau peralata pabrk dapat dperguaka utuk produks sesua dega recaa, da tdak megalam kerusaka selama dguaka dalam proses produks atau sebelum jagka waktu tertetu yag drecaaka, sehgga proses produks berjala dega lacar.. Tujua Pemelharaa Kegata pemelharaa atau mateace buka saja daggap sebaga fugs tambaha dar sstem produks, melaka suatu baga yag petg d dalam usaha pegkata produktftas. Kegata pemelharaa sudah merupaka suatu baga yag harus dlbatka d dalam proses dustr, dmaa staf dar kegata pemelharaa harus terlbat secara aktf utuk mejam efses operas yag optmal.

3 3 Secara umum, kegata pemelharaa atau mateace memlk beberapa tujua sebaga berkut :. Memperpajag usa keguaa asset.. Mejam ketersedaa peralata da kesapa operasoal perlegkapa serta peralata yag dpasag utuk kegata produks. 3. Membatu megurag pemakaa atau peympaga dluar batas serta mejaga modal yag dtaamka selama waktu yag dtetuka. 4. Meeka tgkat baya perawata seredah mugk dega melaksaaka kegata perawata secara efektf da efse. 5. Memeuh kebutuha produk da recaa produks tepat waktu. 6. Megkatka keterampla para supervsor da operator melalu kegata pelatha yag dadaka. 7. Mejam kesapa operasoal dar seluruh mes da peralata yag dperluka dalam keadaa darurat setap waktu. 8. Mejam keselamata orag yag megguaka saraa tersebut..3 Jes-jes Pemelharaa Secara umum, aktvtas pemelharaa (mateace) dapat dbedaka ke dalam 3 jes, yatu prevetve mateace, correctve mateace da total productve mateace.

4 3.3. Prevetve Mateace Prevetve mateace atau pemelharaa pecegaha merupaka suatu kegata pemelharaa yag dlakuka secara rut utuk mecegah terjadya kerasaka-kerusaka pada sebuah fasltas (mes atau peralata) selama proses produks berlagsug. Kegata yag termasuk ke dalam prevetve mateace adalah pemerksaa da peggata kompoe Kegata peggata kompoe pada prevetve mateace aka meambah baya dalam proses produks, karea peggata kompoe atau part dlakuka sebelum kompoe tersebut rusak. Oleh sebab tu peetapa kompoekompoe yag hedak dbuat pejadwala peggataya harus merupaka kompoe yag krts (crtcal ut) d dalam suatu sstem. Dalam pelaksaaaya, prevetve mateace dbedaka mejad dua kegata, yatu :. Route Mateace, yatu kegata pemelharaa yag dlakuka secara rut, sebaga cotoh adalah kegata pembersha fasltas da peralata, pembera myak pelumas atau pegeceka ol, serta pegeceka baha bakar da sebagaya.. Perodc Mateace, yatu kegata pemelharaa yag dlakuka secara berkala. Pemelharaa berkala dlakuka berdasarka lamaya jam kerja mes produk tersebut sebaga jadwal kegata msalya setap seratus jam sekal.

5 33.3. Correctve Mateace Correctve mateace atau pemelharaa korektf adalah kegata pemelharaa yag dlakuka ketka suatu fasltas atau sstem megalam kerusaka atau gaggua yag megakbatka fasltas tersebut tdak dapat mejalaka fugsya dega sebagamaa mestya. Kegata pemelharaa korektf serg dsebut sebaga repar mateace atau perbaka. Maksud dar tdaka correctve mateace adalah agar fasltas atau sstem tersebut dapat dperguaka kembal dalam proses produks, sehgga proses produks dapat berjala lacar kembal. Secara septas, correctve mateace membutuhka baya yag lebh murah dbadgka prevetve mateace. Aka tetap, apabla kerusaka terjad selama proses produks berlagsug, maka aka membulka baya yag jauh lebh besar karea adaya baya kehlaga produks akbat terhetya proses produks selama kerusaka tersebut mash belum datas atau dperbak. Dega demka, tdaka coorectve mateace memusatka permasalaha setelah permasalaha tu terjad, buka megaalsa masalah utuk mecegahya agar tdak terjad..3.3 Total Productve Mateace (TPM) Total Productve Mateace (TPM) adalah pedekata yag dguaka sebaga usaha utuk memaksmalka keefektfa dar fasltas yag dperguaka dalam mejalaka bss. TPM tdak haya megea perawata (mateace), tetap meyagkut semua aspek operas da stalas dar fasltas tersebut, da TPM sagat mempegaruh motvas orag-orag yag bekerja dalam suatu perusahaa.

6 34 Defs legkap TPM memuat aspek-aspek sebaga berkut : Total efektf, memaksmalka efektftas peralata atau mes secara meyeluruh. Total sstem, meerapka sstem prevetve mateace yag komprehesf sepajag umur alat. Total keterlbata, melbatka seluruh departeme, melput perecaa, pemaka da pemelhara alat. Total partspas, dlakuka mula dar operator yag palg redah sampa kepada level Top Maagemet. Total usaha, megembagka prevetve mateace melalu maajeme motvas aktvtas kelompok kecl madr. TPM mempuya sasara Zero breakdow da Zero defect. Jka breakdow da defect dapat dkurag, equpmet operato rates megkat, cost berkurag, vetory mmal, da sebaga akbatya produktftas pekerja ak..4 Kosep-kosep Pemelharaa.4. Kosep Breakdow da Dowtme Suatu barag atau produk dkataka rusak ketka barag atau produk tersebut tdak dapat mejalaka fugsya dega bak lag. Hal yag sama juga terjad pada mes atau peralata d dalam sstem produks pada dustr maufaktur. Ketka suatu mes atau alat tdak dapat mejalaka fugsya dega bak atau sebagamaa mestya, maka mes atau alat tersebut dkataka megalam kerusaka atau breakdow.

7 35 Pada dasarya, dowtme ddefska sebaga waktu suatu sstem atau kompoe tdak dapat dguaka (tdak berada dalam kods yag bak) sehgga membuat fugs sstem tdak berjala sesua yag dharapka. Dowtme terjad ketka ut megalam masalah sepert kerusaka yag dapat meggaggu performas keseluruha termasuk kualtas produk yag dhaslka atau kecepata produksya, sehgga membutuhka waktu utuk megembalka fugs ut tersebut pada kods semula. Kosep dowtme terdr dar beberapa usur, yatu :. Supply delay, yatu waktu utuk memperoleh kompoe (part) yag dbutuhka dalam proses perbaka. Supply delay dapat terdr dar lead tme admstras, lead tme produks, da waktu trasportas kompoe pada lokas perbaka.. Mateace delay, yatu waktu utuk meuggu ketersedaa sumber daya mateace utuk melakuka suatu proses perbaka. Sumber daya mateace dapat berupa persol, alat batu atau alat tes. 3. Access tme, yatu waktu utuk medapatka akses lagsug ke kompoe yag rusak. 4. Dagoss tme, yatu waktu utuk meetuka peyebab kerusaka da lagkah perbaka yag harus dtempuh utuk memperbak kerusaka tersebut. 5. Repar or replacemet tme, yatu waktu aktual utuk meyelesaka proses pemulha setelah permasalaha dapat ddetfkas da akses ke kompoe yag rusak dapat dcapa. 6. Verfcato ad algmet, yatu waktu utuk memastka bahwa fugs dar suatu ut telah kembal pada kods operas semula.

8 36.4. Kosep Keadala (Relablty) Yag dmaksud dega keadala (relablty) adalah probabltas sebuah kompoe atau sstem utuk dapat beroperas sesua dega fugs yag dgka utuk suatu perode tertetu ketka dguaka pada kods operas yag telah dtetapka. Keadala juga berart probabltas dar sebuah mes atau peralata utuk tdak megalam kerusaka selama proses berlagsug. Fugs keadala dapat dotaska R(t) = P(peralata beroperas pada saat t). Empat eleme pokok dalam kosep relablty adalah :. Probablty (peluag), dmaa la relablty adalah berada datara 0 da.. Performace (kerja), artya bahwa keadala merupaka suatu karakterstk performas sstem, dmaa suatu sstem yag adal harus dapat meujukka performas yag memuaska jka doperaska. Dalam hal performas yag dharapka atau tujua yag dgka, harus dgambarka secara jelas da spesfk. Utuk setap ut terdapat suatu stadar utuk meetuka apa yag dmaksud dega performas atau tujua yag dharapka. 3. Tme (waktu), sebaga parameter yag petg utuk melakuka pelaa kemugka suksesya suatu sstem. Dalam hal, kosep relablty dyataka dalam suatu perode waktu. Peluag suatu sstem utuk dguaka selama setahu aka berbeda dega peluag sstem tersebut utuk dguaka dalam sepuluh tahu.

9 37 4. Codto (kods), artya perlakua yag dterma suatu sstem memberka pegaruh terhadap tgkat relablty. Dalam hal, kods lgkuga aka mempegaruh umur sstem atau peralata, sepert suhu, kelembaba da kecepata gerak. Hal mejelaska bagamaa perlakua yag dterma sstem dapat memberka tgkat keadala yag berbeda dalam kods operasoalya. Terkat dega relablty suatu sstem terdapat hal yag perlu dperhatka yatu kegagala atau kerusaka, dmaa sstem tersebut tdak dapat bekerja sebagamaa mestya. Karakterstk kegagala (produk, mes, atau peralata) dalam perjalaa sehubuga dega waktu dapat dgambarka sepert grafk dbawah. Tgkat kerusaka Fase I Fase II Fase III Waktu Grafk. Bath-Up Curve

10 38 Fase I, dsebut Bur- Rego, yatu wlayah dmaa mes atau peralata baru dguaka. Pada wlayah terjad peurua resko kerusaka (Decreasg Hazard Rate). Kerusaka yag terjad msalya dsebabka kuragya pegedala kualtas produks, pegeceka yag tdak sesua, materal d bawah stadar, ketdaksempuraa racaga, kesalaha proses atau pemasaga awal. Fase II, dsebut wlayah Useful Lfe atau fase umur paka. Dalam hal, fase kerusakaya kosta (Costat Hazard Rate). Pada wlayah, kerusaka tdak dapat dpredks, sehgga serg dsebut kerusaka acak. Cotoh peyebab terjadya kerusaka pada fase adalah karea karea kesalaha operasoal. Fase III, dsebut wlayah Wareout, yatu wlayah dmaa umur ekooms mes atau peralata telah habs atau melebh batas yag dzka, sehgga resko kerusaka aka megkat (Icreasg Hazard Rate). Peyebab kerusakaya adalah karea kuragya perawata, karea telah dpaka terlalu lama, terjad karat atau perubaha fsk mes atau peralata tersebut. Pada wlayah, aktvtas prevetve mateace dperluka utuk megurag tgkat kerusaka..4.3 Kosep Keterawata (Mataablty) Keterawata (mataablty) adalah probabltas bahwa kompoe atau sstem yag rusak aka dperbak ke dalam suatu kods tertetu dalam perode waktu tertetu sesua dega prosedur yag telah dtetuka. Keterawata juga dapat ddefska sebaga probabltas suatu kompoe atau sstem utuk bsa dperbak pada waktu tertetu.

11 Kosep Ketersedaa (Avalablty) Ketersedaa (avalablty) adalah probabltas suatu kompoe atau sstem meujukka fugs yag dharapka pada suatu waktu tertetu ketka doperaska dalam kods operasoal tertetu. Ketersedaa juga dapat dterpretaska sebaga persetase waktu suatu kompoe atau sstem dapat beroperas pada terval waktu tertetu atau persetase pegoperasa kompoe dalam waktu yag terseda. Agka probabltas avalablty meujukka kemampua kompoe utuk berfugs setelah dlakuka tdaka perawata terhadapya. Dega demka semak besar la avalablty meujukka semak tgg kemampua kompoe tesebut, atau dapat dkataka semak la avalablty medekat satu, maka semak bak keadaa kompoe tersebut utuk dapat beroperas sesua fugsya..5 Dstrbus Kerusaka Terdapat empat macam jes dstrbus yag umum dguaka utuk megdetfkas pola data kerusaka yag terbetuk, yatu dstrbus Webull, Epoetal, Normal da Logormal. Dstrbus Webull Dstrbus Webull merupaka dstrbus yag palg bayak dguaka utuk waktu kerusaka karea dstrbus bak dguaka utuk laju kerusaka yag megkat maupu laju kerusaka yag meuru. Terdapat dua parameter yag dguaka dalam dstrbus yatu θ yag dsebut dega parameter skala (scale parameter) da β yag dsebut dega parameter betuk (shape parameter).

12 40 Dalam dstrbus Webull yag meetuka tgkat kerusaka dar pola data yag terbetuk adalah parameter β. Nla-la β yag meujukka laju kerusaka terdapat dalam tabel berkut : Tabel. Nla-Nla Parameter β Nla Laju Kerusaka 0 < β < Peguraga laju kerusaka (DFR) β = Dstrbus Epoetal (CFR) < β < Pegkata laju kerusaka (IFR), cocave β = Dstrbus Raylegh (LFR) β > Pegkata laju kerusaka (IFR), cove 3 β 4 Pegkata laju kerusaka (IFR), medekat kurva ormal Jka parameter β mempegaruh laju kerusaka maka parameter θ mempegaruh la tegah dar pola data. Dstrbus Epoetal Dstrbus Epoetal dguaka utuk meghtug keadala dar dstrbus kerusaka yag memlk laju kerusaka kosta. Dstrbus mempuya laju kerusaka yag tetap terhadap waktu, dega kata la probabltas terjadya kerusaka tdak tergatug pada umur alat. Dstrbus merupaka dstrbus yag palg mudah utuk daalsa. Parameter yag dguaka dalam dstrbus Epoetal adalah λ, yag meujukka rata-rata kedataga kerusaka yag terjad.

13 4 Dstrbus Normal Dstrbus Normal cocok utuk dguaka dalam memodelka feomea keausa (kelelaha) atau kods wearout dar suatu tem. Parameter yag dguaka adalah μ (la tegah) da σ (stadar devas). Karea hubugaya dega dstrbus Logormal, dstrbus dapat juga dguaka utuk megaalsa probabltas Logormal. Dstrbus Logormal Dstrbus Logormal megguaka dua parameter yatu s yag merupaka parameter betuk (shape parameter) da t med sebaga parameter lokas (locato parameter) yag merupaka la tegah dar suatu dstrbus kerusaka. Dstrbus dapat memlk berbaga macam betuk, sehgga serg djumpa bahwa data yag sesua dega dstrbus Webull juga sesua dega dstrbus Logormal..6 Perhtuga Ide Of Ft Utuk meetuka jes dstrbus yag palg mewakl peyebara suatu data kerusaka dapat dlakuka dega megguaka metode Least-Squares Curve- Fttg. Dalam hal, proses yag harus dlakuka adalah mecar la de of ft utuk masg-masg dstrbus sehgga ddapatka la de of ft terbesar yag kemuda aka duj lag meurut hpotesa dstrbusya.

14 4 Ide of ft dhtug dega mecar la r (koefse korelas) yag meujukka kekuata hubuga lear atara varabel da y. Nla r yag semak medekat artya bahwa terdapat korelas atau hubuga lear yag kuat datara varabel da y. Semak kuat hubuga datara varabel da y, maka semak meyebar membetuk gars lurus atau lear, artya data-data tersebut semak medekat suatu jes dstrbus tertetu. Berkut adalah rumus-rumus yag dguaka dalam perhtuga la de of ft (r) utuk masg-masg jes dstrbus. 0.3 F(t ) = Dmaa : = data waktu ke-t = jumlah data kerusaka de of ft (r) = = = y = = = y y = = y Dmaa la da y utuk masg-masg jes dstrbus adalah berbeda, yatu : Dstrbus Webull y = l(t ) = l l F(t )

15 43 Dstrbus Epoetal = t y = l l F(t ) Dstrbus Normal = t y = z = Φ - [F(t )] dperoleh dar Tabel Stadardzed Normal Probabltes Dstrbus Logormal = l(t ) y = z = Φ - [F(t )] dperoleh dar Tabel Stadardzed Normal Probabltes Perhtuga de of ft juga bsa dlakuka dega megguaka batua software mtab dega lagkah-lagkah berkut : - Pada worksheet baru masukka la varabel pada kolom C da masukka la y pada kolom C. - Plh meu Stat Basc Statstc Correlato. - Pada dalog bo (varables), masukka kolom C da C kemuda plh Select. - Plh Ok.

16 44.7 Goodess Of Ft Test Setelah perhtuga de of ft dlakuka, maka tahap selajutya adalah peguja goodess of ft (uj kebaka sua) utuk la de of ft (r) terbesar. Uj goodess of ft dlakuka dega membetuk suatu hpotess H 0 da H. Hpotess H 0 basaya bers peryataa harapa, sedagka hpotess H adalah kebalka dar hpotess H 0. Dstrbus yag memlk la r terbesar belum tetu bear-bear mewakl peyebara suatu data, sebab ketka duj kesesuaa data tdak selalu meghaslka keputusa terma hpotess harapa H 0. Jka hal terjad, maka peguja dlakuka kembal terhadap dstrbus la yag memlk la de of ft (r) terbesar kedua, da seterusya sampa dhaslka keputusa bahwa data-data yag duj memlk kecocoka dega suatu jes dstrbus tertetu. Jes peguja yag dguaka utuk masg-masg jes dstrbus adalah berbeda-beda, yatu : Ma s Test utuk Peguja Dstrbus Webull Hpotesa utuk melakuka uj Ma adalah : H 0 : Waktu kerusaka berdstrbus Webull H : Waktu kerusaka tdak berdstrbus Webull Uj statstkya adalah : M = k r = k+ k k = ( l t l t ) + ( l t l t ) + M M

17 45 Dmaa : r r k = da k = M = Z + - Z Z = 0.5 l l Jka la M < M tabel (α,v,v) maka H 0 dterma. v = k da v = k Nla M tabel (α,v,v) dperoleh dar Tabel F-Dstrbuto Ket : t = data waktu kerusaka yag ke- r = jumlah data kerusaka M = la uj statstk utuk uj Ma Bartlett s Test utuk Peguja Dstrbus Epoetal Hpotesa utuk melakuka uj Bartlett adalah : H 0 : Data kerusaka berdstrbus Ekspoetal H : Data kerusaka tdak berdstrbus Ekspoetal Uj statstkya adalah : B = Jka r l( X r ( / r) t ) ( / r) = + ((r + ) / 6r) r = α /,r B < X α /,r l t < maka H 0 dterma. Nla X da α /,r X α /,r dperoleh dar Tabel Ch-Square Dstrbuto

18 46 Ket : t = data waktu kerusaka yag ke- r = jumlah data kerusaka B = la uj statstk utuk uj Bartlett Kolmogorov-Smrov s Test utuk Peguja Dstrbus Normal da Logormal Hpotesa utuk melakuka uj Normal atau Logormal adalah : H 0 : Data kerusaka berdstrbus Normal atau Logormal H : Data kerusaka tdak berdstrbus Normal da Logormal Uj statstkya adalah : D = ma{d,d } Dmaa : D D t = ma Φ t = ma Φ t s t s t = t da = s = = (t t) (utuk dstrbus Normal) l t = = t da s = = (l t t) (utuk dstrbus Logormal) Jka la D < D tabel (,α) maka H 0 dterma. Nla D tabel (,α) dperoleh dar Tabel Kolmogorov-Smrov Test

19 47 Ket : t = data waktu kerusaka yag ke- t = rata-rata data waktu kerusaka = jumlah data kerusaka s = stadar devas D = la uj statstk utuk uj Kolmogorov-Smrov Utuk peguja goodess of ft juga dapat dlakuka dega megguaka software mtab dega lagkah-lagkah sebaga berkut : - Pada worksheet baru masukka data TTF atau TTR pada kolom C. - Plh meu Stat Qualty Tools Idvdual Dstrbuto Idetfcato. - Pada dalog bo, utuk sgle colum masukka kolom C. - Pada dalog bo, utuk specfy plh jes dstrbus yag g dketahu. - Utuk megubah tgkat kepercayaa, klk optos butto, masukka tgkat kepercayaa yag dkehedak, lalu klk Ok. - Plh Ok..8 Perhtuga Parameter Setelah jes dstrbus kerusaka telah terdetfkas, maka selajutya dlakuka perhtuga la parameter berdasarka jes dstrbus yag terplh. Berkut adalah rumus perhtuga parameter yag dguaka utuk masgmasg dstrbus.

20 48 Dstrbus Webull Parameter : β = b da θ = ) / ( b a e Dmaa : b y a = da = = = = = = y y b Dstrbus Epoetal Parameter : λ = b Dmaa : = = = y b Dstrbus Normal Parameter : b σ = da = b a μ Dmaa : b y a = da = = = = = = y y b Dstrbus Logormal Parameter : s = b da tmed = e sa Dmaa : b y a = da = = = = = = y y b

21 49.9 Perhtuga Mea Tme To Falure (MTTF) Mea Tme To Falure (MTTF) merupaka rata-rata selag waktu kerusaka dar suatu dstrbus kerusaka. Perhtuga la MTTF berbeda-beda sesua dega jes dstrbus yag terplh utuk peyebara data Tme To Falure (TTF). Rumus yag dguaka dalam perhtuga la MTTF utuk masg-masg jes dstrbus adalah sebaga berkut : Dstrbus Webull MTTF = θ.γ + β Nla Γ + ddapat dar la Γ() pada Tabel Gamma Fucto β Dstrbus Epoetal MTTF = λ Dstrbus Normal MTTF = μ Dstrbus Logormal s MTTF = t.e med

22 50.0 Perhtuga Mea Tme To Repar (MTTR) Mea Tme To Repar (MTTR) merupaka waktu rata-rata dar terval waktu perbaka atau TTR. Dalam perhtuga la MTTR, perbedaa dstrbus data TTR utuk setap kompoe krts juga aka meyebabka adaya perbedaa utuk cara perhtuga MTTR. Parameter yag dguaka juga berbeda sesua dega jes dstrbusya. Berkut adalah rumus yag dguaka utuk perhtuga la MTTR berdasarka jes dstrbus masg-masg. Dstrbus Webull MTTR = θ.γ + β Nla Γ + ddapat dar la Γ() pada Tabel Gamma Fucto β Dstrbus Ekspoetal MTTR = λ Dstrbus Normal da Logormal s MTTR = t.e med

23 5. Peetua Iterval Waktu Peggata Pecegaha Optmal Sepert telah djelaska sebelumya, bahwa pada dasarya, dowtme ddefska sebaga waktu suatu sstem atau kompoe tdak dapat dguaka (tdak berada dalam kods yag bak) sehgga membuat fugs sstem tdak berjala. Prsp utama dalam maajeme sstem perawata adalah utuk meeka perode kerusaka (breakdow perod) sampa batas mmum, maka keputusa peggata kompoe sstem berdasarka dowtme mmum mejad sagat petg. Permasalahaya adalah peetua waktu terbak utuk megetahu kapa peggata harus dlakuka utuk memmas total dowtme. Koflk yag dhadap adalah :. Pegkata frekues peggata dapat megkatka dowtme karea peggata tersebut, tetap dapat megurag waktu dowtme akbat terjad kerusaka.. Peguraga frekues peggata aka meuruka dowtme karea peggata, tetap kosekuesya adalah kemugka pegkata dowtme karea kerusaka. Dar dua kods d atas, dharapka utuk dapat meghaslka kesembaga datara keduaya.

24 5 Secara umum, ada dua jes model stadar bag permasalaha peggata yatu :. Block Replacemet Pada model block replacemet, tdaka peggata dlakuka pada suatu terval yag tetap. Model dguaka jka dgka adaya kosstes terval peggata pecegaha yag telah dtetuka, walau sebelumya telah terjad peggata yag dsebabka adaya kerusaka. Jka pada selag waktu tp tdak terdapat kerusaka, maka tdaka peggata dlakuka pada suatu terval tp yag tetap. Jka sstem rusak sebelum jagka waktu tp, maka dlakuka peggata kerusaka da peggata selajutya aka tetap dlakuka pada saat tp dega megabaka peggata perbaka sebelumya.. Age Replacemet Pada model peggata pecegaha dlakuka tergatug pada umur paka dar kompoe. Tujua model meetuka umur optmal dmaa peggata pecegaha harus dlakuka sehgga dapat memmas total dowtme. Dalam metode tdaka peggata dlakuka pada saat pegoperasaya sudah mecapa umur yag dtetapka yatu sebesar tp. Jka pada selag waktu tp tdak terdapat kerusaka, maka dlakuka peggata sebaga tdaka korektf. Perhtuga umur tdaka peggata tp dmula dar awal lag dega megambl acua dar waktu mula bekerjaya sstem kembal setelah dlakuka tdaka perawata korektf tersebut.

25 53 Model peetua terval waktu peggata pecegaha berdasarka krtera mmas dowtme yag dguaka adalah Age Replacemet. Formulas perhtuga utuk model age replacemet adalah sebaga berkut : D (tp) = Total ekspektas dowtme ekspektas pajag sklus per sklus Tp.R(tp) + Tf ( R(tp)) D(tp) = (tp + T ).R(tp) + (M(tp) + T ).( R(tp)) Dmaa : p D(tp) = total dowtme per ut waktu utuk peggata prevetve f tp Tp = pajag dar sklus (terval waktu) prevetve = dowtme karea tdaka prevetve (waktu yag dperluka utuk peggata kompoe karea tdaka prevetve) Tf = dowtme karea kerusaka kompoe (waktu yag dperluka utuk peggata kompoe karea kerusaka) R(tp) = peluag dar sklus prevetve (pecegaha) M(tp) = la harapa pajag sklus kerusaka (kegagala) Nla tgkat ketersedaa (avalablty) dar terval peggata pecegaha dapat dketahu dega rumus A(tp) = - D(tp)m.

26 54. Peetua Iterval Waktu Pemerksaa Optmal Sela aktvtas peggata pecegaha, juga perlu dlakuka aktvtas pemerksaa yag dlakuka secara berkala. Lagkah-lagkah perhtuga terval waktu pemerksaa yag optmal adalah : Waktu rata-rata perbaka (/μ) = MTTR jam kerja/bl Waktu rata-rata pemerksaa (/) = waktu pemerksaa jam kerja/bl Rata-rata kerusaka dalam bula (k) = jumlah kerusaka/th bula Jumlah pemerksaa optmal () = Iterval waktu pemerksaa (t) = k μ jam kerja/bl Nla tgkat ketersedaa (avalablty) jka dlakuka sejumlah pemerksaa dapat dketahu dega rumus A() = D(), Dega ( ) k D = + μ Dmaa : D() = total dowtme μ = jumlah pemerksaa per satua waktu = berbadg terbalk dega / μ = berbadg terbalk dega /

27 55.3 Perhtuga Avalablty Total Perhtuga tgkat avalablty total kompoe krts bertujua utuk megetahu tgkat ketersedaa atau kesapa mes utuk beroperas kembal saat mes tersebut telah dperbak. Tgkat ketersedaa berdasarka terval waktu peggata pecegaha da tgkat ketersedaa berdasarka terval pemerksaa merupaka dua kejada yag salg bebas da tdak salg mempegaruh. Sehgga berdasarka teor peluag dua kejada bebas, la peluag kejada salg bebas sama dega hasl perkala kedua avalablty tersebut..4 Perhtuga Relablty Pegkata keadala (relablty) dapat dtempuh dega cara prevetve mateace. Dega meerapka prevetve mateace maka dapat megurag pegaruh umur atau wearout mes atau kompoe da memberka hasl yag sgfka terhadap umur sstem. Model keadala berkut megasumska bahwa sstem kembal ke kods baru setelah dlakukaya tdaka prevetve mateace : R () t = ep t θ β R ( T) T = ep θ β

28 56 R ( t T) Rm t t T = ep θ () = R( T) R( t T) Dmaa : β T = terval waktu pemelharaa (peggata pecegaha atau servce) = jumlah pemelharaa yag telah dlakuka sampa kuru waktu t R () t = keadala pada kods berjala (saat ) R ( T) = probabltas keadala dega kal prevetve mateace ( t T) R = probabltas keadala utuk waktu (t-t) dar tdaka prevetve mateace yag terakhr Rm () t = probabltas keadala setelah dterapkaya usula prevetve mateace.5 Perhtuga Baya Falure da Baya Prevetve Pemelharaa yag bak aka dlakuka dalam setap terval waktu tertetu da pada waktu proses produks sedag tdak berjala. Semak serg pemelharaa suatu mes dlakuka aka megkatka baya pemelharaa. Dss la, jka pemelharaa tdak dlakuka aka megurag performace kerja dar mes tersebut. Pola mateace yag optmal perlu dcar supaya atara baya pemelharaa da baya kerusaka bsa sembag pada total cost yag palg mmal.

29 57 Berdasarka pejelasa tersebut, maka baya falure (Cf) dapat ddefska sebaga baya yag tmbul karea terjad kerusaka pada mes d luar perkraa yag meyebabka mes produks terhet ketka produks sedag berjala. Sedagka baya prevetve (Cp) merupaka baya yag tmbul karea adaya pemelharaa pecegaha terhadap mes yag memag sudah djadwalka. Perhtuga baya satu sklus falure da satu sklus prevetve dapat dlakuka dega megguaka rumus berkut : Cf = baya satu sklus falure = ((baya teaga kerja/jam + baya kehlaga produks) Tf) + harga kompoe Cp = baya satu sklus prevetve = (baya teaga kerja/jam Tp) + harga kompoe Dmaa : Tf = waktu stadar perbaka falure Tp = waktu stadar perbaka prevetve Utuk meghtug total baya falure (Tc(tf)) da total baya prevetve (Tc(tp)) rumus yag dguaka adalah : Total Baya Falure Cf Tc (tf ) = tf Dmaa : Cf = baya satu sklus falure tf = merupaka la MTTF

30 58 Sedagka utuk total baya falure per bula ddapatka dega megguaka rumus : Tc(tf) per bula = Tc(tf) tf kf kf = Jam Kerja/bula MTTF Dmaa : kf = frekues pemelharaa kods berjala Total Baya Prevetve Tc(tp) = Cp R + Cf ( R) tp R + tf ( R) Dmaa : Cp = baya prevetve Cf = baya falure tp = terval waktu prevetve tf = merupaka la MTTF R = merupaka la relablty saat R(tp) Sedagka utuk total baya prevetve per bula ddapatka dega megguaka rumus : Tc(tp) per bula = Tc(tp) tp kp kp = Jam Kerja/bula MTTF Dmaa : kp = frekues pemelharaa usula prevetve mateace

31 59.6 Fault Tree Aalyss (FTA) FTA (Fault Tree Aalyss) beroretas pada fugs (fucto oreted) atau yag lebh dkeal dega top dow approach karea aalsa berawal dar sstem level (top) da meeruskaya ke bawah. Ttk awal dar aalsa adalah pegdetfkaska mode kegagala fugsoal pada top level dar suatu sstem atau subsstem. FTA adalah tekk yag bayak dpaka utuk stud yag berkata dega resko da keadala dar suatu sstem egeerg. Evet potesal yag meyebabka kegagala dar suatu sstem egeerg da probabltas terjadya evet tersebut dapat dtetuka dega FTA. Sebuah top evet yag merupaka defs dar kegagala suatu sstem (system falure), harus dtetuka terlebh dahulu dalam megkostruska FTA. Sstem kemuda daalsa utuk meemuka semua kemugka yag ddefeska pada top evet. FT adalah sebuah model grafs yag terdr dar beberapa kombas kesalaha (fault) secara pararel da secara beruruta yag mugk meyebabka awal dar falure evet yag sudah dtetapka. Setelah megdetfkas top evet, evet-evet yag member kotrbus secara lagsug terjadya top evet ddetfkas da dhubugka ke top evet dega memaka hubuga logka (logcal lk) sampa dcapa evet dasar yag depedet (mutually depedet basc evet). Aalsa yag dlakuka dalam metode FTA meujuka aalsa kualtatf da kuattatf dar sstem egeerg yag daalsa.

32 60 Sebuah fault tree meglustraska keadaa dar kompoe-kompoe sstem (basc evet) da hubuga atara basc evet da top evet. Smbol grafs yag dpaka utuk meyataka hubuga dsebut gerbag logka (logc gate). Output dar sebuah gerbag logka dtetuka oleh evet yag masuk ke gerbag tersebut. Sebuah FTA secara umum dlakuka dalam 5 tahapa, yatu :. Medefska problem da kods batas (boudary codto) dar sstem.. Pegkotruksa fault tree. 3. Megdetfkas mmal cut set. 4. Aalsa kualtatf dar fault tree. 5. Aalsa kuattatf fault tree..6. Defs Problem da Kods Batas Aktvtas pertama dar fault tree aalyss terdr dar dua step, yatu :. Medefska crtcal evet yag aka daalsa. Medefska boudary codto utuk aalsa Crtcal evet yag aka daalsa secara ormal dsebut dega top evet. Petg kraya utuk bahwa top evet harus ddefska secara jelas da tdak kabur (uambguous). Dskrps dar top evet seharusya selalu memberka jawaba terhadap pertayaa apa (what), dmaa (where), da kapa (whe). What : Medskrpska tpe dar crtcal evet yag sedag terjad, sebaga cotoh kebakara (fre).

33 6 Where : Medskrpska dmaa crtcal evet terjad, sebaga cotoh crtcal evet terjad d process odato reactor. Whe : Medskrpska dmaa crtcal evet terjad, sebaga cotoh crtcal evet terjad pada saat pegoperasa ormal. Jad, sebaga cotoh top evet yag melbatka ketga krtera d atas adalah : Kebakara yag terjad d process odato reactor pada saat pegoperasa ormal. Agar aalss dapat dlakuka secara kosste, adalah hal yag petg bahwa kods batas bag aalsa ddefska secara hat hat. Dar kods batas, kta aka memllk beberpa pemahama sebaga berkut :. Batas fsk sstem : Baga maa dar sstem yag aka dmasukka dalam aalsa da baga maa yag tdak?. Kods awal : Kods pegoperasa sstem yag bagamaa pada saat top evet terjad? Apakah sstem bekerja pada kapastas yag peuh atau sebaga? 3. Kods batas yag berhubuga dega stres eksteral : Apa tpe stres eksteral yag seharusya dsertaka dalam aalsa? 4. Level dar resolus : Seberapa detal kta aka megdetfkas berbaga alasa potesal yag meyebabka kegagala?

34 6.6. Pegkotruksa Fault Tree Pegkostruksa fault tree selalu bermula dar top evet. Oleh karea tu, berbaga fault evet yag secara lagsug, petg, da berbaga peyebab terjadya top evet harus secara telt ddetfkas. Berbaga peyebab dkoekska ke top evet oleh sebuah gerbag logka (lhat Tabel.). Petg kraya bahwa peyebab level pertama d bawah top evet harus dsusu secara terstruktur. Level pertama serg dsebut dega top structure dar sebuah fault tree. Top structure serg dambl dar kegagala modul modul utama sstem, atau fugs utama dar sstem. Aalsa dlajutka level dem level samapa semua fault evet telah dkembagka sampa pada resolus yag dtetuka. Aalsa merupaka aalsa deduktf da dlakuka dega megulag pertayaa Apa alasa terjadya evet?. Ada beberapa atura yag harus dpeuh dalam megkostruks sebuah fault tree. Berkut beberapa atura yag dpaka utuk megkostruks sebuah fault tree.. Dskrpska fault evet. Masg masg basc evet harus ddefska secara telt dalam sebuah kotak... Evaluas fault evet. Sebuah ormal basc evet d dalam sebuah fault tree merupaka sebuah prmary falures yag meujukka bahwa kompoe merupaka peyebab dar dar kegagala. Secodary falures da commad faults merupaka termedate evet yag membutuhka vestgas lebh medalam utuk megdetfkas alasa utama.

35 63 Pada saat megevaluas sebuah fault evet, seorag aals aka bertaya, Dapatkah fault dkategorka dalam prmary falure? Jka jawabaya adalah YA, maka aals tersebut dapat megkalsfkaska fault evet sebaga ormal basc evet. Jka jawabaya adalah TIDAK, maka aals tersebut dapat megkalsfkaska fault evet sebaga termedate evet, yag harus dkaj lebh jauh, atau sebaga secodary basc evet. Secodary basc evet serg dsebut dega udeveloped evet da meujukka sebuah fault evet yag tdak dkaj lebh jauh karea formasya tdak terseda atau karea dampak yag dtmbulka tdak sgfka. 3. Legkap semua gerbag logka. Semua put ke gate tertetu harus ddefska dega legkap da ddskrpska sebelum memproses gate laya. Fault tree harus dselesaka pada masg masg level sebelum memula level berkutya.

36 Tabel. Smbol-Smbol Fault Tree Aalyss (FTA) 64

37 Pegdetfkasa Mmal Cut Set Sebuah fault tree memberka formas yag berharga tetag berbaga kombas dar fault evet yag megarah pada crtcal falure sstem. Kombas dar berbaga fault evet dsebut dega cut set. Pada termolog fault tree, sebuah cut set adalah sekumpula dar kompoe yag bla kompoe-kompoe tu megalam kegagala, maka aka meyebabka seluruh sstem aka megalam kegagala pula. Sebuah cut set dkataka sebaga mmal cut set bla salah satu kompoe yag terdapat d dalam mmal cut set tu megalam kegagala, maka aka meyebabka seluruh sstem aka megalam kegagala pula, tetap bla salah satu kompoe yag terdapat d dalam mmal cut set bekerja, maka tdak megakbatka sstem mejad gagal. Jumlah basc evet yag berbeda d dalam sebuah mmal cut set dsebut dega orde cut set. Utuk fault tree yag sederhaa adalah mugk utuk medapatka mmal cut set dega tapa megguaka prosedur formal atau algortma. Utuk fault tree yag lebh besar, maka dperluka sebuah algortma utuk medapatka mmal cut set pada fault tree. MOCUS (method for obtag cut sets) merupaka sebuah algortma yag dapat dpaka utuk medapatka mmal cut set dalam sebuah fault tree.

38 Evaluas Kualtatf Fault Tree Evaluas kualtatf dar sebuah fault tree dapat dlakuka berdasarka mmal cut set. Kekrtsa dar sebuah cut set jelas tergatug pada jumlah basc evet d dalam cut set (orde dar cut set). Sebuah cut set dega orde satu umumya lebh krts darpada sebuah cut set dega orde dua atau lebh. Jka sebuah fault tree memlk cut set dega orde satu, maka top evet aka terjad sesaat setelah basc evet yag bersagkuta terjad. Jka sebuah cut set memlk dua basc evet, kedua evet harus terjad secara seretak agar top evet dapat terjad..6.5 Evaluas Kuattatf Fault Tree Evaluas kuattatf fault tree yag dlakuka dega megguaka pedekata perhtuga lagsug (drect umercal approach) yag bersfat bottomup approach. Pedekata umerk berawal dar level hrark yag palg redah da megkombaska semua probabltas dar evet yag ada pada level dega megguaka logc gate yag tepat dmaa evet evet dkatka. Kombas probabltas aka memberka la probabltas dar termedate evet pada level hrark datasya sampa top evet dcapa. Rumus yag dguaka adalah : Q s = P + j ( C C... C... C ) = P( C ) P( C C ) + P( C C C ) ( ) P( C C... C ) = = j= j = 3 j= k= j k +... Dmaa : C = mmal cut set ke- P( C ) = probabltas utuk evet C

39 67.7 Smulas Mote Carlo Smulas merupaka salah satu cara utuk memecahka berbaga persoala yag dhadap d dua yata, da dapat memberka hasl yag cukup bak bla dguaka utuk memecahka berbaga persoala, termasuk dalam pembuata perecaaa kegata. Smulas merupaka pedekata yag dapat dguaka utuk memecahka berbaga masalah yag megadug ketdakpasta da kemugka jagka pajag yag tdak dapat dperhtugka dega seksama. Dega demka, secara umum smulas dapat dartka sebaga suatu sstem yag dguaka utuk memecahka atau meguraka persoala-persoala dalam kehdupa yata yag peuh dega ketdakpasta dega tdak atau megguaka model atau metode tertetu da lebh dtekaka pada pemakaa komputer utuk medapatka solusya. Ada beberapa keutuga yag bsa dperoleh dega memafaatka smulas, yatu :. Meghemat waktu Kemampua d dalam meghemat waktu dapat dlhat dar pekerjaa yag bla dkerjaka dapat memaka waktu tahua, amu dapat dsmulaska haya dalam beberapa met atau bahka dalam htuga detk. Kemampua dpaka oleh para peelt utuk melakuka berbaga pekerjaa desa operasoal yag juga memperhatka baga terkecl dar waktu utuk kemuda dbadgka dega yag terdapat pada sstem yag sebearya.

40 68. Dapat melebar-luaska waktu Smulas dapat dguaka utuk meujukka perubaha struktur dar suatu sstem yata (real system) yag sebearya tdak dapat dtelt pada waktu yag seharusya (real tme). Dega demka, smulas dapat membatu megubah sstem yata dega memasukka sedkt data. 3. Dapat megedalka sumber-sumber varas Kemampua pegedala dalam smulas tampak apabla statstk dguaka utuk mejau hubuga atara varabel bebas (depedet) dega varabel terkat (depedet) yag merupaka faktor-faktor yag aka dbetuk dalam percobaa. Dalam smulas pegambla data da pegolahaya pada komputer, ada beberapa sumber yag dapat dhlagka atau segaja dtadaka. 4. Memperbak kesalaha perhtuga Dalam praktekya, pada suatu kegata ataupu percobaa dapat saja mucul kesalaha dalam mecatat hasl-haslya. Sebalkya, dalam smulas komputer jarag dtemuka kesalaha perhtuga terutama bla agka-agka dambl dar komputer secara teratur da bebas. Komputer mempuya kemampua utuk melakuka peghtuga dega akurat.

41 69 5. Dapat dhetka da djalaka kembal Smulas komputer dapat dhetka utuk kepetga pejaua ataupu pecatata semua keadaa yag releva tapa berakbat buruk terhadap program smulas tersebut. Dalam dua yata, percobaa tdak dapat dhetka begtu saja, amu dalam smulas komputer, setelah dlakuka pegheta maka kemuda dapat dega cepat djalaka kembal. 6. Mudah dperbayak Dega smulas komputer, percobaa dapa dlakuka setap saat da dapat dulag-ulag. Pegulaga dlakuka terutama utuk megubah berbaga kompoe da varabelya, sepert perubaha parameter, perubaha kods operas, atau perubaha jumlah output. Smulas Mote Carlo dkeal juga dega stlah Samplg Smulato atau Mote Carlo Samplg Techque. Smulas meggambarka kemugka pegguaa data sample dalam metode Mote Carlo yag juga juga sudah dapat dketahu atau dperkraka dstrbusya. Smulas megguaka data yag sudah ada (hstorcal data) yag sebearya dpaka utuk tujua la. Dega kata la apabla meghedak model smulas yag megkut sertaka radom da samplg dega dstrbus probabltas yag dapat dketahu da dtetuka, maka cara smulas dapat dperguaka.

42 70 Kuc dar metode Mote Carlo terletak pada pembagkta blaga radom yag dguaka utuk mewakl ketdakpasta atau rsko yag damat. Sebelum hal dlakuka terlebh dahulu pedefsa tgkat probabltas yag ada pada setap eleme yag megadug usur rsko. Tgkat probabltas tersebut kemuda dterjemahka dalam blaga radom yag dhaslka dar geerator blaga acak (radom). Lagkah-lagkah utuk melakuka smulas Mote Carlo adalah sebaga berkut :. Tetuka dstrbus probabltas utuk varabel yag petg.. Membagu dstrbus kumulatf utuk masg-masg varabel. 3. Meetuka terval blaga radom umtuk setap varabel. 4. Bagktka blaga radom. 5. Membuat smulas dar ragkaa percobaa.

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 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 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 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

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. 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

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 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 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

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

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

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

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

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 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 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

* 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 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 8 BAB LANDASAN TEORI. Prevetve Mateace.. Pegerta Perawata (Mateace) Meurut Assaur (999, p59) perawata merupaka kegata utuk memelhara atau mejaga fasltas da peralata pabrk, da megadaka perbaka, peesuaa

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

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

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

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

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 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

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pemelharaa (Mateace) 2.1.1 Pegerta Pemelharaa Defs pemelharaa (mateace) meurut Patrck (2001, p407) adalah suatu kegata utuk memelhara da mejaga fasltas yag ada serta memperbak,

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

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

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 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

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. 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

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 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

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

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 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

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

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

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2. Perawata (Mateace) Perawata (mateace) adalah memperbak alat-alat mekak atau elektrk yag sedag rusak atau tergaggu (dkeal sebaga reparas, tdak terjadwal atau pemelharaa secara kebetula),

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

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2. Perawata (Mateace) Perawata (mateace) adalah memperbak alat-alat mekak atau elektrk yag sedag rusak atau tergaggu (dkeal sebaga reparas, tdak terjadwal atau pemelharaa secara kebetula),

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Metode Sychroous Servcg Secara umum hubuga mausa da mes dapat berbetuk salah satu dar tpe berkut (Wgjosoebroto,S., 000. Ergoom Stud Gerak da Waktu, halama 53): Sychroous servcg. Completely

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

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 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

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

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

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

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

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

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

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk

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

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

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

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 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

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

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

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

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

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin 4/6/015 Oleh : Fauza Am Se, 06 Aprl 015 GDL 11 (07.30-10.50) Pedahulua Aalsa regres dguaka utuk mempelajar da megukur hubuga statstk ag terjad atara dua atau lebh varbel. Dalam regres sederhaa dkaj dua

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN A. Jes Peelta Dalam pelta peelt megguaka racaga eksperme. Eksperme adalah observas dbawah kods buata (artfcal codto), dmaa kods tersebut dbuat da d atur oleh s peelt. Dega

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

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 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

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

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

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

; 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 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Pegerta Pemelharaa (Mateace) Tujua pemelharaa adalah utuk memelhara kemampua sstem da megedalka baya sehgga system harus dracag da dpelhara utuk mecapa stadar mutu da kerja yag dharapka.

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

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

UNIVERSITAS INDONESIA

UNIVERSITAS INDONESIA UNIVERSITAS INDONESIA OPTIMASI PREVENTIVE MAINTENANCE DAN PENJADWALAN PENGGANTIAN KOMPONEN MESIN KOMPRESSOR DENGAN MENGGUNAKAN MIXED INTEGER NON LINIER PROGRAMMING DARI KAMRAN TESIS PRIMA FITHRI 0906495886

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

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom

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

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

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

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

PENDAHULUAN. Di dalam modul ini Anda akan mempelajari teori gangguan bebas waktu yang mencakup:

PENDAHULUAN. Di dalam modul ini Anda akan mempelajari teori gangguan bebas waktu yang mencakup: PENDAULUAN D dalam modul Ada aka mempelajar teor gaggua bebas waktu yag mecakup: teor gaggua tak degeeras bebas waktu, teor gaggua degeeras bebas waktu, da efek Stark. Oleh karea tu, sebelum mempelajar

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Pegerta pemelharaa (mateace) Pemelharaa atau perawata merupaka kegata utuk mejaga atau memelhara fasltas atau perawata pabrk dega megadaka perbaka, peyesuaa atau pergata yag dperluka

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

2.2.3 Ukuran Dispersi

2.2.3 Ukuran Dispersi 3 Ukura Dspers Yag aka dbahas ds adalah smpaga baku da varas karea dua ukura dspers yag palg serg dguaka Hubuga atara smpaga baku dega varas adalah Varas = Kuadrat dar Smpaga baku otas yag umum dguaka

Lebih terperinci

Jurnal Sketsa Bisnis Vol. 2 No. 1 Agustus 2015 Page 18

Jurnal Sketsa Bisnis Vol. 2 No. 1 Agustus 2015 Page 18 ANALISA WAKTU BAKU PRODUKSI DOMPET DENGAN PENDEKATAN PETA TANGAN KIRI DAN TANGAN KANAN PADA CV. XYZ DI PASURUAN Hasa Bashor 1), Rosyatul Umam ) 1) Dose Tekk dustr Fakultas Tekk Uverstas Yudharta Pasurua

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

Analisis Kriteria Investasi

Analisis Kriteria Investasi Uverstas Guadarma TUJUAN Setelah mempelajar Bab dharapka mahasswa dapat memaham: Apakah gagasa usaha (proyek) yag drecaaka dapat memberka mafaat (beeft), bak dlhat dar facal beeft maupu socal beeft. Pelaa

Lebih terperinci

III. METODOLOGI PENELITIAN. Metode penelitian merupakan strategi umum yang di anut dalam

III. METODOLOGI PENELITIAN. Metode penelitian merupakan strategi umum yang di anut dalam III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta merupaka strateg umum yag d aut dalam pegumpula data da aalss data yag dperluka, gua mejawab persoala yag dhadap. Meurut Arkuto (006 : 3) peelta

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

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

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF KELOMPOK A I GUSTI BAGUS HADI WIDHINUGRAHA (0860500) NI PUTU SINTYA DEWI (0860507) LUH GEDE PUTRI SUARDANI (0860508) I PUTU INDRA MAHENDRA PRIYADI (0860500)

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

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

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma

Lebih terperinci

III. METODOLOGI PENELITIAN. Menurut Arikunto (1991 : 3) penelitian eksperimendalah suatu penelitian yang

III. METODOLOGI PENELITIAN. Menurut Arikunto (1991 : 3) penelitian eksperimendalah suatu penelitian yang 37 III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta merupaka suatu cara tertetu yag dguaka utuk meelt suatu permasalaha sehgga medapatka hasl atau tujua yag dgka. Meurut Arkuto (1991 : 3) peelta

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

Analisis Kriteria Investasi TUJUAN

Analisis Kriteria Investasi TUJUAN Aalss Krtera Ivestas TUJUAN Setelah mempelajar Bab dharapka mahasswa dapat memaham: Apakah gagasa usaha (proyek) yag drecaaka dapat memberka mafaat (beeft), bak dlhat dar facal beeft maupu socal beeft.

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