BAB 2 LANDASAN TEORI

dokumen-dokumen yang mirip
BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh

Probabilitas dan Statistika Distribusi Peluang Diskrit 1. Adam Hendra Brata

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 2 LANDASAN TEORI

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah

USULAN PENERAPAN TEORI MARKOV DALAM PENGAMBILAN KEPUTUSAN PERAWATAN TAHUNAN PADA PT. PUPUK KUJANG

EKSPEKTASI SATU PEUBAH ACAK

BAB II TEORI DASAR. Analisis Kelompok

Created by Simpo PDF Creator Pro (unregistered version)

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (STUDI KASUS: KLASIFIKASI KUALITAS PRODUK)

BAB V MODEL SEDERHANA DISTRIBUSI TEMPERATUR DAN SIMULASINYA

PENERAPAN PETA P MULTIVARIAT PADA PENGONTROLAN PROSES PEMOTONGAN KACA JENIS LNFL DI PT. ASAHIMAS FLAT GLASS, TBK.

BAB 2 TINJAUAN TEORITIS. 2.1 Konsep Dasar Infeksi, Saluran Pernafasan, Infeksi Akut, dan Infeksi Saluran Pernafasan Akut (ISPA)

Bab III. Plant Nonlinear Dengan Fase Nonminimum

PEMODELAN PENGELUARAN RUMAH TANGGA UNTUK KONSUMSI MAKANAN DI KOTA SURABAYA DAN FAKTOR-FAKTOR YANG MEMPENGARUHI MENGGUNAKAN PENDEKATAN REGRESI SPLINE

BAB III METODOLOGI PENELITIAN. Penyusunan laporan tugas akhir ini dilakukan sesuai dengan langkahlangkah

STATISTIKA. Bab. Di unduh dari : Bukupaket.com. Mean Median Modus Simpangan baku Varian Histogram Quartil Desil Persentil

BAB III METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO. solusi dari suatu masalah diberikan berdasarkan proses rendomisasi (acak).

BAB II LANDASAN TEORI

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2)

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode

VI. KETIDAKPASTIAN. Contoh : Asih mengalami gejala ada bintik-bintik di wajahnya. Dokter menduga bahwa Asih terkena cacar

FUZZY BACKPROPAGATION UNTUK KLASIFIKASI POLA (Studi kasus: klasifikasi kualitas produk)

Karakterisasi Matrik Leslie Ordo Tiga

Diagram Kontrol Fuzzy Multinomial Untuk Data Linguistik

INVERS DRAZIN DARI SUATU MATRIKS DENGAN MENGGUNAKAN BENTUK KANONIK JORDAN

Pengolahan lanjut data gravitasi

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

PENGUJIAN PROPORSI MENGGUNAKAN KETERKAITAN DISTRIBUSI CHI-SQUARE DENGAN PENDEKATAN DISTRIBUSI BINOMIAL TERHADAP DISTRIBUSI NORMAL STANDARD

BAB II TINJAUAN PUSTAKA. Control chart pertama kali dikenalkan oleh Dr. Walter Andrew Shewhart dari

ANALISIS KAPABILITAS PROSES

ANALISIS DATA WORLD DEVELOPMENT INDICATORS MENGGUNAKAN CLUSTER DATA MINING

e + Dengan menggunakan transformasi logit dari π(x), maka model regresi fungsi logit dapat didefinisikan sebagai berikut (2) π(x) e

Analisis Sensitivitas

π(x) JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-112

BAB 2 TINJAUAN PUSTAKA

III FUZZY GOAL LINEAR PROGRAMMING

Jurnal Einstein 4 (1) (2016): Jurnal Einstein. Available online

PENJADWALAN PEKERJAAN DENGAN MENGGUNAKAN DISPATCHING RULES DI PT. TIGA SERANGKAI PUSTAKA MANDIRI

PERANCANGAN PROGRAM APLIKASI PERAMALAN BANJIR KANAL BARAT JAKARTA MENGGUNAKAN AUTOREGRESI MULTIVARIANT

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah

BAB IV HASIL ANALISIS

Statistika. Bab. Mean (rata-rata) Ukuran Pemusatan Ukuran Letak Median Modus Kuartil Desil A. KOMPETENSI DASAR DAN PENGALAMAN BELAJAR

BAB III METODE PENELITIAN. penelitian dilakukan secara purposive atau sengaja. Pemilihan lokasi penelitian

Nilai Kritis Permutasi Eksak untuk Anova Satu Arah Kruskal-Wallis pada Kasus Banyaknya Sampel, k = 4

UKURAN LOKASI, VARIASI & BENTUK KURVA

IMPLEMENTASI MODEL OPTIMASI LINIER INTEGER DENGAN BANYAK TUJUAN UNTUK PENGALOKASIAN PEKERJAAN

BAB 2 LANDASAN TEORI

Lucas Theorem Untuk Mengatur Penyimpanan Memori yang Lebih Aman

Benyamin Kusumoputro Ph.D Computational Intelligence, Faculty of Computer Science University of Indonesia METODE PEMBELAJARAN

BAB II TEORI ALIRAN DAYA

ANALISIS BENTUK HUBUNGAN

Eman Lesmana, Riaman. Jurusan Matematika FMIPA Universitas Padjadjaran, Jl. Raya Bandung-Sumedang km 21 Jatinangor ABSTRAK

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas

ANALISIS PEMILIHAN CARA KONTRASEPSI DALAM UPAYA PELAKSANAAN PROGRAM KELUARGA BERENCANA DI JAWA TIMUR DENGAN PERMODELAN REGRESI LOGISTIK MULTINOMIAL

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

Nama : Crishadi Juliantoro NPM :

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap

BAB IV PERHITUNGAN DAN ANALISIS

PENYELESAIAN SISTEM PERSAMAAN TAK LINIER

ANALISIS REGRESI. Catatan Freddy

ANALISIS VARIASI PARAMETER BACKPROPAGATION ARTIFICIAL NEURAL NETWORK TERHADAP PENGENALAN POLA DATA IRIS

TEKNIK EKSTRAPOLASI RICHARDSON BERULANG PADA MODEL BINOMIAL FLEKSIBEL UNTUK MENENTUKAN HARGA OPSI JUAL AMERIKA

EVALUASI STATUS KETERTINGGALAN DAERAH DENGAN ANALISIS DISKRIMINAN 6. Oleh : Anik Djuraidah

P i KULIAH KE 3 METODA KELOMPOK (COHORT SURVIVAL METHOD) METODE ANALISIS PERENCANAAN - 1 TPL SKS DR. Ir. Ken Martina K, MT.

APLIKASI FUZZY LINEAR PROGRAMMING UNTUK MENGOPTIMALKAN PRODUKSI LAMPU (Studi Kasus di PT. Sinar Terang Abadi )

BAB V ANALISA PEMECAHAN MASALAH

Pengaruh Kelembaban dan Seri Tanah Terhadap Mutu dan Produksi Tanaman Tembakau Temanggung dengan Metode MANOVA

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran

PENENTUAN JUMLAH PRODUKSI OPTIMAL CPO DENGAN MENGGUNAKAN METODE GOAL PROGRAMMING PADA PABRIK KELAPA SAWIT PT. XYZ

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

PEMODELAN TINGKAT KERAWANAN DEMAM BERDARAH DENGUE DI KABUPATEN LAMONGAN DENGAN PENDEKATAN GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION

Oleh : Wahyu Safi i Dosen Pembimbing : Drs. Soehardjoepri, M.Si

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

IV. MODEL-MODEL EMPIRIS FUNGSI PERMINTAAN

U JIAN A KHIR S EMESTER M ATEMATIKA T EKNIK

PENYELESAIAN MULTIKOLINEARITAS MELALUI METODE RIDGE REGRESSION. Oleh : SOEMARTINI

BAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen

Studi Perhitungan CCT Menggunakan Metode EEAC (Extended Equal Area Criterion) Dan Trajektori Kritis/ Critical Trajectory Untuk Kestabilan Transien

4 METODE PENELITIAN. Penelitian ini dilaksanakan selama 6 bulan dimulai dari bulan Juli sampai

BAB III METODE PENELITIAN. pretest postes control group design dengan satu macam perlakuan. Di dalam

BAB II DIMENSI PARTISI

METODE OPTIMASI SELEKSI FITUR DENGAN ALGORITMA FAST BRANCH AND BOUND

Implementasi Jaringan Saraf Tiruan Backpropagation Pada Aplikasi Pengenalan Wajah Dengan Jarak Yang Berbeda Menggunakan MATLAB 7.0

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda

III. METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode

MENGANALISA GANGGUAN PADA 331 WEIGHT FEEDER 2 UNTUK MENINGKATKAN PRODUKSI DI PT. SEMEN GRESIK (PERSERO).Tbk PABRIK TUBAN ABSTRAK

Optimasi Baru Program Linear Multi Objektif Dengan Simplex LP Untuk Perencanaan Produksi

Interpretasi data gravitasi

BAB IX. STATISTIKA. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK:

BAB 2 LANDASAN TEORI

Bab 1 PENDAHULUAN Latar Belakang

BAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011.

SUMBER BELAJAR PENUNJANG PLPG 2016 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD

BAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh

Transkripsi:

10 BAB 2 LANDASAN TEORI 2.1 Pengertan Pengendalan Kualtas Statst Pengendalan Kualtas statst merupaan suatu metode pengumpulan dan analss data ualtas, serta penentuan dan nterpretas penguuran-penguuran yang menjelasan tentang proses dalam suatu sstem ndustr,untu menngatan ualtas dar output melalu proses statst guna memenuh ebutuhan dan espetas pelanggan. Konsep dasar dar statst pengendalan proses adalah untu memperbandngan apa yang dmasud dengan proses normal yang berdasaran pada umpulan data dar perode operas normal, dengan apa yang terjad searang n yang berdasaran pada sampel data dar operas yang sedang berlangsung. Data yang dumpulan dar operas pada onds normal dgunaan untu menyusun peta ontrol (control chart) dan batasan ontrol (control lmt). Control chart dan control lmt tu sendr dsusun berdasaran teor statst yang relevan atau beratan dengan data yang dmasuan. Control lmt drancang sedeman sehngga ja operas yang sedang berlangsung tda terlalu berbeda dengan operas normal, maa statst yang dhtung dar data yang sedang berlangsung berada ddalam control lmt. Sebalnya, ja operas yang sedang berlangsung menunjuan perbedaan yang mencolo dengan operas normal, maa statst yang dhtung dar data yang sedang berlangsung aan

11 berada dluar control lmt. Konds sepert n dataan sebaga onds dluar ontrol (out of control condton). Dalam teor statstc process control, onds dluar ontrol basanya dsebaban oleh sebab-sebab yang telah detahu dengan tda detahu past (random cause) sepert emos peerja pabr, atau bsa juga darenaan oleh sebab husus (specal cause) sepert msalnya perubahan bahan bau yang dlauan secara mendada, degradas atau penyalahgunaan mesn, penggantan operator mesn, perubahan musm dan lan-lan. Ja onds dluar endal n terjad, maa basanya proses produs aan dhentan untu mencegah adanya produ yang tda sesua dengan ualtas yang seharusnya, lalu pha terat aan melauan penyeldan untu mencar tahu apa penyebab onds n bsa terjad lalu dan menghlangan penyebab tu. Sehngga dengan deman maa ualtas produ yang dhaslan aan terjaga. Dalam pengendalan proses statstal denal 2 jens data (Vncent, 1998) yatu : 1. Data atrbut Data atrbut merupaan data ualtatf yang dhtung menggunaan daftar pencacahan untu eperluan pencatatan dan analss. Data atrbut bersfat dsrt. Ja suatu catatan hanya merupaan suatu rngasan atau lasfas yang beratan dengan seumpulan persyaratan yang telah dtetapan, maa catatan tu danggap sebaga atrbut. 2. Data varabel Data varabel merupaan data uanttatf yang duur menggunaan alat penguuran tertentu untu eperluan pencatatan dan analss. Data varabel

12 bersfat ontnu. Ja suatu catatan dbuat berdasaran eadaan atual, duur secara langsung, maa araterst ualtas yang duur tu dsebut sebaga varabel. Tujuan utama penggunaan pengendalan ualtas statst d dalam suatu proses adalah untu memnmalan varablty, memperba ualtas produ, serta menjaga establan proses. 2.2 Peta Pengendalan Peta pengendalan (control chart ) adalah metode statst yang membedaan adanya varas ataupun penympangan arena sebab umum dan sebab husus. Penympangan yang dsebaban oleh penyebaba husus basanya berada dluar batas pengendalan, sedangan yang dsebaban oleh sebab umum basanya berada dalam batas pengendalan. Peta pengendalan juga dgunaan untu mengadaan perbaan ualtas proses, menenentuan emampuan proses, membantu menentuan spesfas spesfas yang efetf, menentuan apan proses dapat djalanan sendr, dan apan dapat dbuat penyesuaannya, dan menemuan penyebab dar tda dtermanya standar ualtas tersebut. Terdapat beberapa langah dalam melauan pengendalan ualtas proses statst untu data varabel, yatu : 1. Pemlhan areterst ualtas 2. Pemlhan sub elompo 3. Pengumpulan data

13 4. Penentuan gars pusat (center lne) dan batas batas pengendalan (control lmt) 5. Penyusunan revs terhadap gars pusat dan batas batas pengendalan 6. Interpretas terhadap pencapaan tujuan Pada dasarnya peta pengendal dpergunaan untu: 1. Mencapa suatu eadaan terendal. 2. Memantau proses terus menerus sepanjang watu agar proses tetap stabl secara statsta dan hanya mengandung varas penyebab umum. 3. Menentuan emampuan proses. Pada dasarnya setap dagram ontrol meml: 1. Gars tengah (central lne) yang dnotasan sebaga CL. 2. Sepasang batas ontrol (control lmts), d mana satu batas ontrol dtempatan d atas gars tengah yang denal sebaga batas ontrol atas (Upper Control Lmt) dnotasan sebaga UCL, dan yang satu lag dtempatan d bawah gars tengah yang denal sebaga batas ontrol bawah (Lower Control Lmt) dnotasan sebaga LCL. 3. Tebaran nla-nla araterst ualtas yang menggambaran eadaan dar proses. Peta pengendal yang umum dgunaan untu data - ) dan peta pengendal range ) peta pengendal standar devas (S)

14 2.2.1 Peta pengendal - ) dan Jara (R) Peta pengendal rata rata dan jara merupaan dua peta pengendal yang salng membantu dalam mengambl eputusan mengena ualtas proses. Peta penendal rata rata merupaan peta pengendal untu melhat proses mash berada dalam batas pengendal atau tda. Sedangan peta pengendal jara (range) dgunaan untu mengetahu tngat eauratan atau etepatan proses yang duur dengan mencar range dar sampel yang dambl dalam observas. - dan R sebaga berut : 1. Tentuan uuran subgrup (n = 3,4,5,...), 2. Tentuan banyanya sampel (), 3. - : n = rata-rata = wal sampel n = banya subgrup 4. -, yatu, yang merupaan gars tengah, eterangan : = gars tengah = jumlah rata-rata dar = banya sampel

15 5. Htung nla selsh data terbesar dengan dengan data terecl dar setap sampel, yatu Range (R), 6. - yang merupaan gars tengah dar peta pengendal R, = R = gars tengah R = jumlah rata-rata dar R = banya sampel 7. Htung batas endal dar dagram ontrol : UCL = + A 2 R LCL = A 2 R eterangan : UCL LCL R = Upper Control Lmt atau batas ontrol atas = Lower Control Lmt atau batas ontrol bawah = gars sentral = Range A 2 8. Htung batas endal untu dagram ontrol R :. D 4. D 3 eterangan : UCL LCL = Upper Control Lmt atau batas ontrol atas = Lower Control Lmt atau batas ontrol bawah = gars tengah

16 D 3 D 4 = oefsen untu batas pengendal R = oefsen untu batas pengendal R 9. dan R dan R serta amat apaah data tersebut berada dalam ontrol atau d luar ontrol. 10. Apabla data yang ddapatan dar hasl perhtungan terdapat revs maa perumusannya menjad : ) : revs = Keterangan : revs = gars tengah revs = jumlah rata-rata dar = jumlah rata rata = banya sampel = banya sampel revs 10.2 Revs peta pengendal Jara (R) revs = R R Keterangan : R revs = gars tengah revs R = jumlah rata-rata dar R R = jumlah rata rata R = banya sampel = banya sampel revs

17 11. dan R selanjutnya aan sama sepert cara yang telah dlauan sebelumnya. 2.2.2 Peta pengendal - ) Standar Devas (S) Peta penendal rata rata merupaan peta pengendal untu melhat proses mash berada dalam batas pengendal atau tda. Sedangan peta pengendal standar devas dgunaan untu meguur tngat eaurasan proses. Penggunaan peta pengendal standar devas dgunaan bersama dengan peta pengendal rata rata. - ) dan standar devas (S) sebaga berut : 1. Tentuan uuran subgrup (n = 3, 4, 5,...), 2. Kumpulan banyanya sampel (), 3. - : n = rata-rata = wal sampel n = banya subgrup 4. Htung standar devas dar setap subgrup yatu S : S ( ) n 1 2 eterangan : S = standar devas n = banya subgrup = wal sampel

18 = rata-rata sampel 5. - yang merupaan gars tengah dar dagram ontrol S, S = gars sentral S = jumlah rata-rata dar S = banya sampel 6. Htung batas endal dar dagram ontrol : UCL = + A 2 R LCL = A 2 R eterangan : UCL LCL R = Upper Control Lmt atau batas ontrol atas = Lower Control Lmt atau batas ontrol bawah = gars sentral = Range A 2 7. Htung batas endal untu dagram ontrol S :. B 4. B 3 eterangan : UCL LCL = Upper Control Lmt atau batas ontrol atas = Lower Control Lmt atau batas ontrol bawah = gars sentral B 4 = oefsen untu batas ontrol S

19 B 3 = oefsen untu batas ontrol S 8. dan S pada peta pengendal S serta amat apaah data tersebut berada dalam ontrol atau d luar ontrol. 9. Apabla data yang ddapatan dar hasl perhtungan terdapat revs maa perumusannya menjad : ) : revs = Keterangan : revs = gars tengah revs = jumlah rata-rata dar = jumlah rata rata = banya sampel = banya sampel revs 9.2 Revs peta pengendal standar devas (S) : S revs = S S Keterangan : R revs = gars tengah revs S S = jumlah rata-rata dar R = jumlah rata rata R = banya sampel = banya sampel revs 10. Langah langah pembuatan peta dan S selanjutnya aan sama sepert cara yang telah dlauan sebelumnya.