Diagram ARL W i & W Ri. Varian

dokumen-dokumen yang mirip
PERBANDINGAN KINERJA DIAGRAM KONTROL MULTIVARIAT UNTUK VARIABILITAS BERDASARKAN MATRIKS KOVARIANSI DAN MATRIKS KORELASI. Abstrak

PERBANDINGAN KINERJA DIAGRAM KONTROL G DAN DIAGRAM KONTROL S BESERTA APLIKASINYA

KINERJA DIAGRAM KONTROL W DAN DIAGRAM KONTROL G PERFORMANCE OF W CONTROL CHART AND G CONTROL CHART

ANALISIS DAN PEMBAHASAN

Bagan Kendali Rasio Likelihood dan Aplikasinya pada Data Kurs Mata Uang dan Industri

PENGONTROLAN KUALITAS PROSES PRODUKSI HEXAGON BOLT M16 X 75MM DI PT.TIMUR MEGAH STEEL GRESIK. MENGGUNAKAN METODE DIAGRAM KONTROL MULTIVARIAT np (Mnp)

UNTUK PENGENDALIAN VARIABEL PROSES MULTIVARIAT

GRAFIK PENGENDALI Mnp PADA DATA TAK SESUAI

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

PENGONTROLAN KUALITAS PROSES PRODUKSI ROKOK UNIT SIGARET KRETEK TANGAN DI PT. X MENGGUNAKAN DIAGRAM KONTROL MULTIVARIAT np (Mnp)

Pengendalian Kualitas Statistik Produk Botol Sting 240 ml di PT IGLAS (Persero) Oleh: Wahyu Eka Kusumaningrum

PENGENDALIAN PROSES VARIABILITAS MULTIVARIAT MELALUI VEKTOR RAGAM (STUDI KASUS : IPK DAN LAMA STUDI LULUSAN MATEMATIKA UNIVERSITAS ANDALAS)

PENENTUAN DIAGRAM KENDALI DALAM ANALISIS KUALITAS PRODUKSI BISKUIT SQUARE PUFF PT. UBM BISCUIT SIDOARJO

PERBANDINGAN BAGAN KENDALI T 2 HOTELLING KLASIK DENGAN T 2 HOTELLING PENDEKATAN BOOTSTRAP PADA DATA BERDISTRIBUSI NON-NORMAL MULTIVARIAT

PENERAPAN DIAGRAM KONTROL KOMBINASI MEWMA PADA TAHAP CUTTING PROSES PRODUKSI PIPA PVC

PETA KENDALI MULTIATRIBUT C DENGAN PENDEKATAN DISTRIBUSI MULTIVARIAT POISSON

Kata Kunci: Bagan kendali Multivariat np, karakteristik kecacatan, tahap start-up stage, tahap pengendalian proses

Pengontrolan Kualitas Proses Produksi Front Grille Menggunakan Diagram Kontrol Multivariat Individual

PENGENDALIAN KUALITAS PRODUKSI MEBEL DI PT. MAJAWANA DENGAN DIAGRAM KONTROL D 2 (MAHALANOBIS DISTANCE)

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

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

PENERAPAN DIAGRAM KONTROL IMPROVED GENERALIZED VARIANCE PADA PROSES PRODUKSI HIGH DENSITY POLYETHYLENE (HDPE)

Seminar Hasil Tugas Akhir

S 10 Studi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis)

Dlri Fiuia $trbi# Nn/l. N

BAB III ANALISIS KUALITAS PRODUK BENANG TS 248 MENGGUNAKAN MULTIVARIATE STATISTICAL PROCESS CONTROL ( MSPC )

PENERAPAN DIAGRAM KONTROL T 2 HOTELLING PADA PROSES PRODUKSI KACA

ISSN: JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 2014, Halaman Online di:

Oleh: Sri Sulistyawati Dosen Pembimbing: Dr. Muhammad Mashuri, MT

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

HASIL DAN PEMBAHASAN. dengan hipotesis nolnya adalah antar peubah saling bebas. Statistik ujinya dihitung dengan persamaan berikut:

LOGO. Pengontrolan Kualitas Produksi Mebel Di PT. Majawana dengan Diagram Kontrol Multivariat Atribut Berdasarkan Jarak Chi-Square

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

PENGENDALIAN KUALITAS PRODUK LAMP CASE TIPE CA22 MENGGUNAKAN PETA KENDALI T 2 HOTTELING

ANALISIS KAPABILITAS PROSES PRODUKSI FILTER ROKOK SUPER SLIM JENIS MONO DI PT. X

METODA RATA-RATA BATCH PADA SIMULASI SISTEM ANTRIAN M/M/1

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

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

ISSN: JURNAL GAUSSIAN, Volume 3, Nomor 1, Tahun 2014, Halaman Online di:

(MEWMA) Zuhrawati Latif ABSTRAK

Penerapan Grafik dan Studi Simulasi Hotelling T 2 Triviat pada Kualitas Parfum Remaja dari Perusahaan X

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

Prosiding Statistika ISSN:

IDENTIFIKASI FAKTOR PENDORONG PERNIKAHAN DINI DENGAN METODE ANALISIS FAKTOR

PENERAPAN DIAGRAM KONTROL IMPROVED GENERALIZED VARIANCE PADA PROSES PRODUKSI HIGH DENSITY POLYETHYLENE (HDPE)

PENERAPAN GRAFIK HOTELLING T 2 BIVARIAT PADA KARATERISTIK KUALITAS PARFUM REMAJA DARI PERUSAHAAN X

BAB I PENDAHULUAN 1.1. Latar Belakang

PENGONTROLAN KUALITAS PADA PROSES PENGEMASAN SEMEN (PACKAGING) PT. SEMEN GRESIK (PERSERO) TBK, DI TUBAN BERBASIS METODE SIX SIGMA

PENGENDALIAN KUALITAS X MENGGUNAKAN GRAFIK PENGENDALI HOTELLING T 2 UNIVARIAT DAN MULTIVARIAT

Penerapan Metode DMAIC di PT. Coca-Cola Bottling Indonesia Jawa Timur. Oleh Zubdatu Zahrati Dosen Pembimbing : Dra.

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

PENERAPAN DIAGRAM KONTROL T2 HOTELLING PADA PROSES PRODUKSI KACA. Skripsi. Disusun Oleh : Muhammad Hilman Rizki Abdullah

PRODUK WIRE ROD STEEL DI PT. KRAKATAU STEEL (PERSERO) TBK CILEGON

Analisis Mutu Ketebalan Roti Sisir Pada Perusahaan XYZ

PROSIDING ISSN : Seminar Nasional Statistika 12 November 2011 Vol 2, November 2011

Model Regresi Multivariat untuk Menentukan Tingkat Kesejahteraan Kabupaten dan Kota di Jawa Timur

Pengendalian Kualitas Data Atribut Multivariat dengan Mahalanobis Distance dan T 2 Hotelling (Studi Kasus PT Metec Semarang)

BAB I PENDAHULUAN 1.1. Latar Belakang

BAB 2 LANDASAN TEORI

Fakultas Teknologi Industri, Jurusan Teknik Industri, Universitas Kristen Petra Siwalankerto Surabaya 60236, Indonesia

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:

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

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

Prosedur untuk Memonitor Proses dengan Proporsi Kecacatan yang Rendah

PENGONTROLAN KUALITAS PROSES PRODUKSI ROKOK UNIT SIGARET KRETEK MESIN DI PT X DENGAN DIAGRAM KONTROL MAHALANOBIS DISTANCE (D 2 )

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

METODA REPLIKASI PADA SIMULASI SISTEM ANTRIAN M/M/1

PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Pada Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung)

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

ANALISIS PENGENDALIAN KUALITAS STATISTIK MULTIVARIAT PADA PROSES PENGGILINGAN AKHIR SEMEN DI PT. SEMEN GRESIK

IMPLEMENTASI GRAFIK KENDALI MULTIVARIAT DENGAN JARAK CHI SQUARE (Studi Kasus di PT.Ongkowidjojo Malang)

PENERAPAN BAGAN KENDALI T 2 HOTELLING DAN ANALISIS KEMAMPUAN PROSES DALAM PRODUKSI SEMEN PPC (PORTLAND POZZOLLAND CEMENT ) DI PT.

ANALISIS DESAIN FAKTORIAL FRAKSIONAL 2 k-p DENGAN METODE LENTH. Mahasiswa Jurusan Statistika FSM UNDIP. Staf Pengajar Jurusan Statistika FSM UNDIP

STATISTIKA INDUSTRI 2 TIN 4004

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

Analisis Pengendalian Kualitas Produk Minute Maid Pulpy 350ml di PT. Coca-Cola Bottling Indonesia Jawa Timur. Oleh: Zubdatu Zahrati

PENGONTROLAN KUALITAS PRODUKSI MEBEL JENIS KURSI INDOOR DI PT.MAJAWANA DENGAN DIAGRAM KONTROL MULTIVARIAT ATRIBUT BERDASARKAN JARAK CHI-SQUARE

CAPAIAN PEMBELAJARAN (Learning outcome) : Mampu menganalisis data dengan metode statistika yang sesuai

STUDI SIMULASI GRAFIK PENGENDALI BERDASARKAN ESTIMASI FUNGSI DENSITAS KERNEL BIVARIAT

BAB 6 KESIMPULAN DAN REKOMENDASI

Analisis Biplot untuk Pemetaan Posisi dan Karakteristik Usaha Pariwisata di Provinsi Bali

ANALISIS FAKTOR TERHADAP DATA PENGGUNAAN WEB PERSONAL DOSEN ITS DAN PERBANDINGAN TERHADAP PENCAPAIAN IPK DAN LAMA STUDI MAHASISWA

Oleh : M. Mushonnif Efendi ( ) Dosen Pembimbing : Dr. Sony Sunaryo, M.Si.

BAB IV PENUTUP. berkorelasi secara contemporaneous. Korelasi galat contemporaneous terjadi

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

Prosiding Statistika ISSN:

Prosiding Statistika ISSN:

BAB I PENDAHULUAN 1.1. Latar Belakang Permasalahan

JURNAL SAINS DAN SENI ITS Vol. 6, No.1, (2017) ( X Print) A 6

SIMULASI TEKNIK PENANGANAN MATERIAL SISTEM PRODUKSI SECARA MANUAL DAN OTOMATIS BERBASIS AUTOMATIC GUIDED VEHICLE (AGV)

Tabel Nilai Kapabilitas, Repeatability dan Bias Pengukuran Gap antar Tube Side B Cg 1,42 1,45 1,69 0,62 0,59 0,97

Pengendalian Kualitas Statistika Pada Proses Produksi Kaca Dengan Peta p Multivariat Di PT. Asahimas Flat Glass, Tbk.

KETEPATAN PENGKLASIFIKASIAN FUNGSI DISKRIMINAN LINIER ROBUST DUA KELOMPOK DENGAN METODE FAST MINIMUM COVARIATE DETERMINANT (FAST MCD)

PENERAPAN ANALISIS FAKTOR DAN ANALISIS DISKRIMINAN UNTUK MENENTUKAN KUALITAS PRODUK SUSU BALITA DENGAN GRAFIK KENDALI Z-MR

ANALISIS DATA DAN PEMBAHASAN Statistika Deskriptif

Siapa mengintfalik,an aufi/(g.n, menuju jafan ~liicfupan, tetapi siapa menea6aik,an teguran tersesat. (jimsa{ 1 0: 17) BABV KESIMPULAN DAN SARAN

SIMULASI PENGUKURAN KETEPATAN MODEL VARIOGRAM PADA METODE ORDINARY KRIGING DENGAN TEKNIK JACKKNIFE

Pertemuan 8 STATISTIKA INDUSTRI 2 08/11/2013. Introduction to Linier Regression. Introduction to Linier Regression. Introduction to Linier Regression

BAGAN KENDALI ZERO INFLATED POISSON ADRIAN MATANDUNG. Pembimbing 1. Dr. Erna Tri Herdiani, M.Si, 2. Dr. La Podje Talangko, M.Si.

Jurnal EKSPONENSIAL Volume 5, Nomor 2, Nopember 2014 ISSN

Transkripsi:

maka nilai RL 1 yang ada ditambah satu sampai ditemui adanya out of control. Menentukan 1 dengan menghitung rata-rata RL 1 dari keseluruhan replikasi. Untuk aplikasi data yang digunakan dalam penelitian ini adalah data pengontrolan kualitas proses pembuatan pita plastik di PT. Yanaprima Hastapersada Sidoarjo. Proses pengendalian kualitas dilakukan terhadap pita plastik jenis Repol H3SG. mm 85 denier putih dengan bahan campuran PJ 1 15%, pada mesin Extruder IV. Proses pengambilan sampel dilakukan secara acak dengan mengambil 1 gulungan pita pada winder A dan 1 pita pada winder B, selanjutnya pita tersebut diambil sepanjang 9 cm untuk setiap gulungan. Pengambilan data dilakukan pada bulan Juli 7 hingga Agustus 7, dengan variabel yang diteliti adalah berat pita, lebar pita, kuat tarik pita, kekuatan tarik pita per berat pita, dan kemuluran pita. Langkah-langkah pembuatan diagram kontrol multivariat untuk variabilitas adalah mengestimasi parameter dari data pada bulan Juli 7, jika parameter tidak diketahui. Menghitung W i dan W Ri untuk masing-masing subgrup. Menentukan UCL menggunakan berdasarkan kesalahan tipe I yang diinginkan dalam hal ini digunakan α, p p 1/ sebesar,1. Plot sebuah titik pada diagram kontrol multivariat pada waktu i untuk masing-masing statistik. Selidiki penyebab untuk masing-masing titik out of control. Jika penyebab yang ditemukan adalah penyebab yang bisa dikontrol maka harus segera ditanggulangi atau dihilangkan sehingga proses akan kembali pada kondisi in control.. Pembahasan Simulasi Diagram Kontrol W i dan W Ri Simulasi ini digunakan untuk mengetahui kinerja dari diagram kontrol W i dan W Ri. Dari simulasi tersebut akan didapatkan nilai 1 dari masing-masing diagram kontrol. Nilai 1 yang didapatkan akan dibandingkan untuk kedua diagram kontrol sehingga dapat diketahui diagram kontrol mana yang lebih sensitif dalam mendeteksi adanya sinyal out of control. Pada makalah ini akan ditunjukkan nilai 1 untuk karakteristik kualitas sebanyak, 3,, dan 5. Masing-masing dengan ukuran sampel untuk setiap subgrup adalah 3,, 5, dan. Pengambilan sampel dilakukan secara acak dari suatu populasi berdistribusi multivariat normal. Diagram W i & W Ri 1 1 1 1 8 1,1 1,3 1,5 1,7 1,9,1,3,5,7,9 3,1 3,3 3,5,5 5,5,5 7,5 8,5 9,5 Wi WRi Gambar 1 Diagram Kontrol W i & W Ri (p=, n=3, Skenario 1) Gambar 1 menunjukkan bahwa untuk p= dan n=3 nilai 1 pada diagram kontrol W i mempunyai kecenderungan untuk turun walaupun tidak smooth. Hal ini terlihat pada pergeseran varian 1,1 hingga 1, nilainya naik, kemudian pada pergeseran varian 1,3 nilainya turun. Sedangkan pada saat pergeseran varian 1, nilainya kembali naik. Nilai 1 W i untuk diagram kontrol ini berkisar pada 3,3 hingga 5,5. Jika dibandingkan dengan diagram kontrol W i maka nilai 1 untuk diagram kontrol W Ri masih tetap fluktuatif dan relatif lebih besar. Nilai yang fluktuatif untuk kedua diagram kontrol disebabkan oleh pengambilan sampel secara acak. Sedangkan nilai 1 berkisar pada 9,31 5

hingga 1,73. Hal ini berarti bahwa deteksi akan adanya sinyal out of control cenderung lebih cepat dideteksi oleh diagram kontrol W i. Diagram W i & W Ri 1 9 8 7 5 3 1 Wi 1,1 1,3 1,5 1,7 1,9,1,3,5,7,9 3,1 3,3 3,5,5 5,5,5 7,5 8,5 9,5 WRi Gambar Diagram Kontrol W i & W Ri (p=3, n=, Skenario 1) Pada Gambar terlihat bahwa untuk p=3, 1 bernilai lebih kecil dari p=. Untuk diagram kontrol W i nilai 1 berkisar antara 1,3 hingga 3,. Sedangkan diagram kontrol W Ri berkisar antara,97 sampai 8,7. Grafik yang ditunjukkan untuk kedua diagram kontrol juga masih fluktuatif. 5 Diagram W i & W Ri 3 1 1,1 1,3 1,5 1,7 1,9,1,3,5,7,9 3,1 3,3 3,5,5 5,5,5 7,5 8,5 9,5 Wi WRi Gambar 3 Diagram Kontrol W i & W Ri (p=, n=5, Skenario 1) Untuk p= dan n=5 seperti yang terlihat pada Gambar 3 menunjukkan bahwa penurunan nilai 1 masih terjadi untuk karakteristik kualitas yang lebih besar. Pada diagram kontrol W i nilai 1 berkisar antara 1,15 hingga,7. Sedangkan untuk diagram kontrol W Ri, nilai 1 berkisar antara hingga 5,5.

Diagram W i & W Ri,5 3,5 3,5 1,5 1,5 1,1 1,3 1,5 1,7 1,9,1,3,5,7,9 3,1 3,3 3,5,5 5,5,5 7,5 8,5 9,5 Wi WRi Gambar Diagram Kontrol W i & W Ri (p=5, n=, Skenario 1) Gambar menunjukkan bahwa pada untuk p=5 dan n= nilai 1 pada diagram kontrol W i mempunyai kecenderungan untuk turun walaupun tidak smooth. Hal ini terlihat pada pergeseran varian 1,1 hingga 1,3 nilainya naik, kemudian pada pergeseran varian 1, nilainya turun. Sedangkan pada saat pergeseran varian 1,5 nilainya kembali naik. Nilai 1 W i untuk diagram kontrol ini berkisar pada 1,7 hingga,1. Jika dibandingkan dengan diagram kontrol W i maka nilai 1 untuk diagram kontrol W Ri masih tetap fluktuatif dan relatif lebih besar. Nilai yang fluktuatif untuk kedua diagram kontrol disebabkan oleh pengambilan sampel secara acak. Sedangkan nilai 1 berkisar pada,77 hingga 3,9. Dari keempat gambar diatas dapat disimpulkan bahwa semakin besar karakteristik kualitas maka nilai 1 akan cenderung semakin kecil. Sedangkan dari kedua diagram kontrol diketahui bahwa diagram kontrol W i lebih cepat mendeteksi adanya sinyal out of control jika dibandingkan dengan diagram kontrol W Ri. Aplikasi Diagram Kontrol W i dan W Ri Langkah pertama pada Fase I untuk pembuatan diagram kontrol W i dan W Ri adalah mendapatkan nilai matriks kovariansi dan matriks korelasi dari masing-masing subgrup. Nilai matriks kovariansi dari data secara keseluruhan didapatkan dari nilai rata-rata matriks kovariansi subgrup, hal yang sama juga dilakukan untuk mendapatkan nilai korelasi dari data secara keseluruhan yaitu dengan mengambil nilai rata-rata matriks korelasi subgrup. Batas kontrol untuk diagram kontrol W i dan W Ri dimana α yang dipilih adalah sebesar,1% sehingga didapatkan batas kontrol atas sama dengan 3,58. Diagram kontrol W i yang didapatkan dapat dilihat pada gambar berikut ini : Wi 15 1 5 Diagram Kontrol Wi 1 7 1 13 1 19 5 8 31 3 37 3 Gambar 5 Diagram Kontrol W i UCL=3,58 7

Gambar 5 menunjukkan bahwa proses belum terkontrol, karena terdapat nilai W i yang keluar dari batas kontrol atas dimana hanya ada 3 pengamatan yang in control, yaitu pada pengamatan 1, 15, dan 35. Untuk mendapatkan estimasi parameter yang akan digunakan pada Fase II maka data yang keluar dari batas kontrol harus dibuang sampai proses dalam keadaan terkontrol. Setelah pengamatan yang out of control dikeluarkan, didapatkan diagram kontrol W i seperti pada gambar berikut ini. Diagram Kontrol W i W i BKA=3.58 1 3 Gambar Revisi PertamaDiagram Kontrol W i Gambar menunjukkan bahwa proses belum terkontrol, karena terdapat komponen Wi yang keluar dari batas kontrol yaitu pada pengamatan 35. Langkah selanjutnya adalah melakukan revisi kedua yaitu dengan membuang pengamatan 35. Diagram kontrol Wi setelah dilakukan revisi kedua disajikan pada gambar dibawah ini. W i Diagram Kontrol Wi UCL=3.58 1 Gambar 7 Revisi Kedua Diagram Kontrol W i Gambar 7 menunjukkan bahwa proses sudah terkontrol, sehingga dapat dilakukan estimasi parameter. Parameter yang didapatkan adalah sebagai berikut : 1.5.378..13.51 Σ.378..13.51 1.7.53.9 -.55.53.98.93 -.79.9.93 1.7.3 -.55 -.79.3 1. Setelah mendapatkan taksiran parameter pada Fase I, maka langkah selanjutnya adalah melihat apakah proses sekarang (Agustus 7) tetap terkontrol, yaitu dengan membuat diagram kontrol Fase II. Langkah yang dilakukan sama dengan yang dilakukan pada Fase I, yaitu dengan membuat diagram kontrol yang menggunakan parameter pada Fase I. Pada Fase II yang dapat ditunjukkan adalah proses tetap terkontrol atau tidak. Pada tahap ini tidak dilakukan pembuangan terhadap pengamatan yang keluar dari batas kontrol. Jika terdapat pengamatan yang keluar dari batas kontrol, maka dapat disimpulkan bahwa proses sekarang tidak terkontrol. Diagram kontrol Phase II disajikan pada gambar berikut. 8

15 Diagram Kontrol W i W i 1 5 1 7 1 13 1 19 5 8 31 3 37 3 UCL=3.58 Gambar 8 Diagram Kontrol W i Pada Fase Gambar 8 menunjukkan bahwa proses sekarang belum terkontrol, karena semua pengamatan keluar dari batas kontrol. Hal ini dapat terjadi karena pendekatan distribusi dari diagram kontrol W i adalah berdistribusi χ dengan derajat bebas p(p+1)/, sehingga batas kontrolnya tidak sensitif terhadap adanya perubahan. Diagram kontrol W Ri dengan α =,1% akan disajikan pada gambar berikut ini : 1 Diagram Kontrol W Ri W Ri 5 1 7 1 13 1 19 5 8 31 3 37 3 UCL=3.58 Gambar 9 Diagram Kontrol W Ri Gambar 9 menunjukkan bahwa pada diagram kontrol W Ri proses belum terkontrol, karena terdapat nilai W Ri yang keluar dari batas kontrol atas, hanya ada 5 pengamatan yang in control yaitu pada pengamatan 1, 15, 19, 5, 35, dan 37. Hal yang sama juga berlaku bagi diagram kontrol W Ri banyaknya nilai W Ri yang out of control disebabkan oleh besarnya nilai p dan n. Untuk mendapatkan estimasi parameter yang akan digunakan pada Fase II maka data yang keluar dari batas kontrol harus dibuang sampai proses dalam keadaan terkontrol. Setelah pengamatan yang out of control dikeluarkan, didapatkan diagram kontrol W Ri seperti pada gambar dibawah ini. W Ri 3 1 Diagram Kontrol W Ri 1 3 5 UCL=3.58 Gambar 1 Revisi Pertama Diagram Kontrol W Ri Gambar 1 menunjukkan bahwa proses telah terkontrol, karena semua pengamatan ada dalam batas kontrol, sehingga dapat dilakukan estimasi parameter. Parameter yang didapatkan adalah sebagai berikut : 9

1..31 -.17 -.97. 1.33.3 -.531 ρ.31.33 1.891.18 -.17.3.891 1.9 -.97 -.531.18.9 1 Setelah mendapatkan taksiran parameter pada Fase I, maka langkah selanjutnya adalah melihat apakah proses sekarang (Agustus 7) tetap terkontrol, yaitu dengan membuat diagram kontrol Fase II. Langkah yang dilakukan sama dengan yang dilakukan pada Fase I, yaitu dengan membuat diagram kontrol dengan menggunakan parameter yang didapatkan dari Fase I. Pada Fase II yang dapat ditunjukkan adalah proses tetap terkontrol atau tidak. Pada tahap ini tidak dilakukan pembuangan terhadap pengamatan yang keluar dari batas kontrol. Jika terdapat pengamatan yang keluar dari batas kontrol, maka dapat disimpulkan bahwa proses sekarang tidak terkontrol. Diagram kontrol Fase II disajikan pada gambar dibawah ini. 15 Diagram Kontrol W Ri W Ri 1 5 1 7 1 13 1 19 5 8 31 3 37 3 UCL=3.58 Gambar 11 Diagram Kontrol W Ri Pada Fase Gambar 11 menunjukkan bahwa proses sekarang belum terkontrol karena ada pengamatan yang keluar dari batas kontrol. Ada pengamatan yang in control yaitu pada pengamatan 5 dan 38. Dari kedua diagram kontrol diketahui bahwa untuk aplikasi pada data real diagram kontrol W i lebih sensitif daripada diagram kontrol W Ri, hal ini sesuai dengan hasil dari program simulasi. 5. Kesimpulan Kesimpulan yang diperoleh dari penelitian ini adalah secara umum diagram kontrol W i lebih sensitif dibandingkan dengan diagram kontrol W Ri. Hal ini diketahui dari nilai 1 pada diagram kontrol W i lebih kecil dari pada diagram kontrol W Ri. Hal yang sama juga ditunjukkan oleh hasil aplikasi pada data pita plastik. Diketahui bahwa untuk Fase II pada diagram kontrol Wi semua pengamatan out of control, sedangkan untuk diagram kontrol W Ri ada pengamatan yang in control. Daftar Pustaka [1] Alt, F.B. (1985), Multivariate Quality Control. In: Kotz, S, Johnson, N. eds. Encyclopedia of Statistical Sciences.. New York, N. Y.: John Wiley & Sons, hal. 11-1. [] Anderson, T. W. (1971), An Introduction to Multivariate Statistical Analysis, John Wiley & Sons, Inc., New York. [3] Hayter, A. dan Tsui, K. (199), Identification and Quantification in Multivariate Quality Control Problems, Journal of Quality Technology, Vol., No 3, hal. 197-8. [] Johnson, R,. dan Wichern, D., (1988), Applied Multivariate Statistical Analysis, nd edition, Prentice-Hall. [5] Montgomery, D. C. (5). Introduction to Statistical Quality Control. 5 th edition, John Wiley & Sons, Inc., New York. [] Petros, M. (3). An Investigation of Some Characteristics of Univariate and Multivariaet Control Chart, Department of Statistics, Athens University of Economics and Business. [7] Sindelar, M.F. (7), Multivariate Statistical Process Control For Corellation Matrices, Tesis Ph.D, University of Pittsburgh, Pittsburgh. 1