Geometric Moving Average (Diagram Kontrol Rata-rata Bergerak December Geometrik) 2, / 8

dokumen-dokumen yang mirip
Peta Kendali (Control Chart untuk Unit-Unit Individu)

PERAN STATISTIKA DALAM MENDUKUNG PENGEMBANGAN INDUSTRI Pengendalian Mutu dengan Bantuan Statistika

Peta Pengendali untuk Banyaknya Kesalahan dalam Satu December Unit Produk 23, C-Chart / 10

Pengendalian Kualitas Statistik untuk Data Atribut

BAB I PENDAHULUAN. upaya peningkatan kesejahteraan dan peningkatan kualitas serta sarana prasarana

Peta Kendali (Control Chart)

Peta Kendali (Control Chart)

MODUL 5 PETA KENDALI CUSUM & EWMA

Konsep Dasar Statistik dan Probabilitas

Penerapan Diagram Kontrol EWMA dan NEWMA pada Proses Pembuatan Benang 30 Rayon di PT. Lotus Indah Textile Industries Surabaya

BAB I PENDAHULUAN 1.1. Latar Belakang Masalah

BAGAN KENDALI CUMULATIVE SUM (CU-SUM)

(MEWMA) Zuhrawati Latif ABSTRAK

Bab 2. Teori Dasar. 2.1 Pendahuluan

Metode Training SPC TIDAK FOKUS PADA CARA MELAKUKAN PERHITUNGAN STATISTIK TAPI

ANALISIS DAN PEMBAHASAN

KULIAH 4-6 PENGENDALIAN KUALITAS STATISTIKA UNTUK DATA VARIABEL

PENGONTROLAN BAHAN BAKU PRODUKSI SEMEN JENIS PCC DI PT. SEMEN PADANG DENGAN MENGGUNAKAN DIAGRAM KONTROL MEWMA

Uji tracking setpoint

SKRIPSI. Oleh: Anastasia Arinda Dantika

BAB III BAHAN DAN METODE

Oleh: Nurul Hidayah Dosen pembimbing: Dra. Laksmi Prita, M.Si

Jurnal EKSPONENSIAL Volume 7, Nomor 2, Nopember 2016 ISSN

BAB I PENDAHULUAN 1.1. Latar Belakang

JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) ( X Print) D-290

BAB I PENDAHULUAN 1.1 Latar Belakang

STATISTICAL PROCESS CONTROL

UNIVERSITAS INDONESIA BAGAN KENDALI EXPONENTIALLY WEIGHTED MOVING AVERAGE UNTUK MEAN PROSES SKRIPSI KRISTINA INTAN KARTIKA PUTRI

IMPLEMENTASI METODE SIX SIGMA MENGGUNAKAN GRAFIK PENGENDALI EWMA SEBAGAI UPAYA MEMINIMALISASI CACAT PRODUK KAIN GREI

BAB I PENDAHULUAN Latar Belakang

SKRIPSI. Oleh : NOVA YANTI GULTOM JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS DIPONEGORO SEMARANG

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN 1. 1 Latar Belakang

BAB I PENDAHULUAN 1.1. Latar Belakang Permasalahan

PIPA PVC PUTU WITRI DEWAYANTI Dosen Pembimbing: Dr. Muhammad Mashuri, MT. Co Pembimbing: Wibawati, S.Si, M.Si. Kamis, 7 Juli 2011

Prosedur untuk Memonitor Proses dengan Proporsi Kecacatan yang Rendah

ANALISIS RANCANGAN EKONOMI PADA GRAFIK KENDALI EXPONENTIALLY WEIGHTED MOVING AVERAGE (EWMA) UNTUK MEAN DAN VARIANS

ISSN: JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di:

TUGAS AKHIR SM MUHAMMAD HAKAM Dosen Pembimbing : Dra. Nuri Wahyuningsih, M.Kes Dra. Titik Mudjiati, M.Si

KOMPUTASI METODE EXPONENTIALLY WEIGHTED MOVING AVERAGE UNTUK PENGENDALIAN KUALITAS PROSES PRODUKSI MENGGUNAKAN GUI MATLAB

BAB III PENGENDALIAN KUALITAS MULTIVARIAT. menghasilkan produk dengan kualitas yang baik, haruslah dilakukan pengendalian

Prosiding Statistika ISSN:

Perbandingan Peta Kendali X-R Dan EWMA Dengan Pendekatan P-Value Untuk Mendeteksi Pergeseran Rata-Rata Proses Di PT.XYZ

Pengontrolan Kualitas Proses Produksi Spray Tube Body ftn Menggunakan Diagram Kontrol MEWMA

ANALISA PENYIMPANGAN DAN CAPABILITY PROCESS (CP)

PENDAHULUAN. CuSum. Univariate EWMA MEWMA. Multivariate Hotelling. Kosumen. Kualitas Baik. Peta Kendali. Pengendalian Kualitas

ANALISIS RANCANGAN EKONOMI PADA GRAFIK KENDALI EXPONENTIALLY WEIGHTED MOVING AVERAGE (EWMA)

Aplikasi Statistik Pada Industri Manufaktur. SPC,I/Rev.03 Copyright Sentral Sistem Mei 08

BAB III ANALISIS PENYELESAIAN MASALAH

GRAFIKPENGENDALI VARIABEL

BAB V ANALISA HASIL. R = 2 mm R = 0.5 mm. Gambar 5.1 Radius pada bagian tepi produk botol Merk X Volume 0.8 Liter

BAB II LANDASAN TEORI

PERTEMUAN #11 ANALISIS PENYIMPANGAN DAN CAPABILITY PROCESS (CP) 6623 TAUFIQUR RACHMAN EBM503 MANAJEMEN KUALITAS

PETA PENGENDALI UNTUK UNIT INDIVIDU PRESENTASI PENGENDALIAN KUALITAS

DETEKSI FALSE ALARM MENGGUNAKAN RESIDUAL CONTROL CHART BERDASARKAN METODE SUPPORT VECTOR REGRESSION

BAB 2 LANDASAN TEORI

Deret Binomial. Ayundyah Kesumawati. June 25, Prodi Statistika FMIPA-UII. Ayundyah (UII) Deret Binomial June 25, / 14

ANALISIS KAPABILITAS PROSES EX-MIXER PADA PRODUK BR 1 SP CRUMBLE DI PT. JAPFA COMFEED INDONESIA, Tbk. UNIT BUDURAN

BAB III METODOLOGI PENELITIAN

PENERAPAN DIAGRAM MEWMA BARU PADA PROSES BLENDING BAGIAN PRIMARY DI SEBUAH PERUSAHAAN ROKOK DI SURABAYA

BAB I PENDAHULUAN 1.1. Latar Belakang

Pendugaan Parameter. Ayundyah Kesumawati. April 13, Prodi Statistika FMIPA-UII. Ayundyah (UII) Pendugaan Parameter April 13, / 30

SPC Copyright Sentral Sistem March09 - For Trisakti University. Aplikasi Statistik pada Industri Manufaktur

Analisis Kualitas Tenun Sarung Menggunakan Metode Statistical Quality Control Di PT. PTI Pekalongan

ANALISIS KEMAMPUAN PROSES PADA DATA BERDISTRIBUSI BINOMIAL

BAB III. PETA KENDALI KUALITAS MULTIVARIAT Z-chart UNTUK PROSES AUTOKORELASI. Salah satu fungsi dari pengendalian kualitas statistik adalah mengurangi

DAFTAR ISI. HALAMAN JUDUL. i. LEMBAR PERSETUJUAN ii LEMBAR PENGESAHAN. iii LEMBAR PERNYATAAN.. iv

The Central Limit Theorem

BAB 3 LANGKAH PEMECAHAN MASALAH

BAB III METODE CONTROL CHART. sebagai metode grafik yang di gunakan untuk mengevaluasi apakah suatu proses

Ayundyah Kesumawati. April 20, 2015

PERBANDINGAN KINERJA DIAGRAM KONTROL G DAN DIAGRAM KONTROL S BESERTA APLIKASINYA

I. PENDAHULUAN A. Tinjauan Pustaka

BAB IV METODE PENELITIAN

BAB III METODOLOGI PENELITIAN

PERAMALAN (FORECASTING)

KOMENTAR DOSEN PENGUJI

BAB V ANALISA HASIL. Pada bab sebelumnya telah dilakukan pengolahan data-data yang

Seminar Nasional IENACO 2016 ISSN:

PEMBUATAN BAGAN KENDALI MULTIVARIAT T 2 -HOTELLING UNTUK PROSES PERKULIAHAN Studi Kasus : IPK dan Lama Studi Lulusan Matematika Universitas Andalas

PERBANDINGAN KINERJA DIAGRAM KONTROL MULTIVARIAT UNTUK VARIABILITAS BERDASARKAN MATRIKS KOVARIANSI DAN MATRIKS KORELASI. Abstrak

Konsep Dasar Statistik dan Probabilitas

Monitoring Uji Stabilitas Jenis Tablet Antibiotik Pada Masa Kadaluarsa Menggunakan Diagram Kontrol Multivariat (Studi Kasus : PT X )

BAB 2 LANDASAN TEORI

V. HASIL DA PEMBAHASA

BAB 4 PEMBAHASAN. Pengumpulan data dilakukan sebagai bahan pengolahan data yang perlu

ABSTRAK. iii. Universitas Kristen Maranatha

Diagram Kontrol Data Depth untuk Memonitor Proses Multivariat

BAB II TINJAUAN PUSTAKA

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

Pendahuluan. Pengendalian Kualitas Statistika. Ayundyah Kesumawati. Prodi Statistika FMIPA-UII. September 30, 2015

ANALISIS PENGENDALIAN KUALITAS PRODUK MADU MERK SBA DI PT. INTI KIAT ALAM DENGAN MENGGUNAKAN PETA X DAN R

Bab III. Metodologi Penelitian. digunakan dalam penyelesaian masalah pada PT. Calvin Metal Products.

BAB I PENDAHULUAN Latar Belakang

VALIDASI HASIL PROYEKSI PENDUDUK TAHUN 2010 TERHADAP SENSUS PENDUDUK 2010 MENGGUNAKAN MAD DAN MSE

STATISTIKA & PROBABILITAS. PANCARAN FREKUENSI

PENGONTROLAN KUALITAS PROSES PRODUKSI MINYAK LUMAS DENGAN MENGGUNAKAN DIAGRAM KONTROL KOMBINASI MEWMA

BAB III METODE PENELITIAN

PENGKONSTRUKSIAN GRAFIK PENGENDALI BERDASAR BOXPLOT

Transkripsi:

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 Kontrol Rata-rata Bergerak December Geometrik) 2, 2015 1 / 8

Geometric Moving Average Pada prinsipnya, metode ini sama dengan diagram kontrol rata-rata bergerak (Moving Average), tetapi dalam rata-rata bergerak geometrik Tetapi dalam GMA digunakan bobot tertentu, sehingga lebih efektif dalam mendeteksi perubahan-perubahan kecil. Diagram kontrol GMA memberi nilai bobot secara menurun (Exponentially Weighted) sesuai dengan urutan data, sehingga data terbaru mendapat bobot yang paling besar, sementara data yang sudah lama mendapat bobot yang paling kecil. Geometric Moving Average (Diagram Kontrol Rata-rata Bergerak December Geometrik) 2, 2015 2 / 8

Fungsi Geometric Moving Average Mendeteksi adanya variasi penyebab khusus Jika sebuah proses secara statistik terkontrol, maka data akan ada di antara batas kontrol. Jika ada data yang keluar dari batas kontrol mengindikasikan bahwa terdapat sumber variasi yang berasal dari luar proses. Meyakinkan kestabilan sebuah proses Kestabilan sebuah proses merupakan syarat yang diperlukan untuk bisa menghitung kemampuan proses (process capability). mendeteksi perubahan proses dari waktu ke waktu Jika titik-titik di dalam diagram kontrol semakin bergeser ke atas atau ke bawah dari waktu ke waktu, mengindikasikan bahwa ada perubahan kecil tetapi terus menerus di dalam proses. Perubahan ini sulit dilihat untuk jangka pendek namun akan sedikit demi sedikit menurunkan tingkat kualitas produk Geometric Moving Average (Diagram Kontrol Rata-rata Bergerak December Geometrik) 2, 2015 3 / 8

Formula yang digunakan GMA Menentukan Rata-rata bergerak geometri setiap kali observasi atau setiap periode (G t ) dengan rumus : G t = r. X + (1 r)g t 1 dimana: G t = rata-rata bergerak geometrik periode ke - t G t 1 = rata-rata bergerak geometrik periode sebelum periode ke - t Untuk nilai G 0 bila tidak diketahui nilainya maka diasumsikan sama dengan X. r = suatu nilai konstan yang menunjukkan bobot yang nilainya 0 < r 1). biasanya nilai r diperkirakan oleh pihak perusahaan atau ditentukan dengan menggunakan rumus : r = 2 w + 1 dengan w adalah lebra rata-rata bergerak Geometric Moving Average (Diagram Kontrol Rata-rata Bergerak December Geometrik) 2, 2015 4 / 8

Langkah selanjutnya adalah menentukan garis pusat dengan rumus : X = g t=1 X t g Batas pengendali atas dan batas pengendali bawahnya adalah Untuk data kecil t w kali observasi, maka rumus yang digunakan adalah: r UCL GMA = X + 3σ n(2 r) (1 (1 r)2t ) r LCL GMA = X 3σ n(2 r) (1 (1 r)2t ) Untuk data besar t >w kali observasi, maka rumus yang digunakan adalah r UCL GMA = X + 3σ n(2 r) r LCL GMA = X 3σ n(2 r) Geometric Moving Average (Diagram Kontrol Rata-rata Bergerak December Geometrik) 2, 2015 5 / 8

dimana: σg = ( ) σ 2 r Var(G t ) = n 2 r namun apabila kasus yang ada telah diketahui nilai R, maka: σ = R d 2 Geometric Moving Average (Diagram Kontrol Rata-rata Bergerak December Geometrik) 2, 2015 6 / 8

Contoh Kasus Untuk mengetahui bagaimana penerapan metode ini, akan digunakan contoh kasus pada perusahaan pembuatan makanan bayi di atas. Dengan menggunakan 20 kali observasi, dimana setiap kali observasi diambil 5 data sebagai sampel, rata-rata jarak setiap kali observasi R = 0,4 dengan lebar rata-rata bergerak geometrik 6 maka: r = 2 6 + 1 = 0, 3 Garis pusat diagram kontrol 6 periode rata-rata bergerak geometri tersebut adalah: X = 503 20 0, 40 = 25, 15 dan σ = = 0, 172 2, 326 Geometric Moving Average (Diagram Kontrol Rata-rata Bergerak December Geometrik) 2, 2015 7 / 8

Dengan menggunakan rumus rata-rata bergerak geometri (G t ), maka terlebih dahulu harus dicari rata-rata bergerak geometrinya. Untuk periode pertama sampai dengan kelima, pembuatan rata-rata bergeraknya adalah: G t = r. X + (1 r)g t 1 G 1 = r. X 1 + (1 r)g 0 = 0, 3.(25, 0) + (1 0, 3).25, 0 = 18, 25 G 2 = r. X2 + (1 r)g 1 = 0, 3.(25, 4) + (1 0, 3).18, 25 = 20, 40 dan seterusnya Geometric Moving Average (Diagram Kontrol Rata-rata Bergerak December Geometrik) 2, 2015 8 / 8

Batas pengendali atas dan bawah untuk setiap periode atau observasi. Observasi pertama, batas pengendali atas dan bawahnya adalah : 0, 3 [ UCLGMA = 25, 15 + 3(0, 129) 1 (1 0, 3) 2 ] = 5(2 0, 3) 25, 219 0, 3 [ LCLGMA = 25, 15 3(0, 129) 1 (1 0, 3) 2 ] = 25, 081 5(2 0, 3) Mulai observasi keenam dan seterusnya, dapat digunakan rumus untuk data pada t > 6, yaitu: 0, 3 UCLGMA = 25, 15 + 3(0, 129) = 25, 247 5(2 0, 3) 0, 3 UCLGMA = 25, 15 3(0, 129) = 25, 053 5(2 0, 3) Geometric Moving Average (Diagram Kontrol Rata-rata Bergerak December Geometrik) 2, 2015 9 / 8