Hasil Pencarian  ::  Simpan CSV :: Kembali

"Dalam suatu proses produksi pasti terdapat variasi atau keberagaman dari hasil produksi. Variasi dari suatu produk mempengaruhi kualitas dari produk tersebut. Maka agar kualitas produk tetap terjamin, haruslah variasi dari produk diminimalisir. Pengendalian kualitas statistik atau Statistical Quality Control (SQC) adalah sekumpulan perangkat statistik yang berguna untuk mengontrol agar proses produksi berjalan dengan stabil dan meningkatkan kemampuan produksi melalui pengurangan variasi hasil produksi. Perangkat statistik yang biasa digunakan untuk tujuan tersebut adalah bagan kendali. Bagan kendali yang umum digunakan untuk mengontrol proses produksi adalah bagan kendali Shewhart ̅ dan atau . Namun, bagan kendali Shewhart ̅ kurang efektif dalam mendeteksi pergeseran nilai mean proses yang kecil karena tidak memperdulikan informasi dari data yang terdahulu ketika titik terbaru digambarkan pada bagan. Oleh karena itu, dibutuhkanlah bagan kendali lain yang dapat mengatasi permasalahan tersebut. Bagan kendali Exponentially Weighted Moving Average (EWMA) untuk mean proses sangat efektif dalam mendeteksi pergeseran nilai mean yang kecil. Pada bagan Exponentially Weighted Moving Average, data yang terbaru berhubungan dengan data yang telah ada sebelumnya di mana setiap data diberikan bobot λ. Bobot bergerak secara eksponensial dari data terbaru ke data sebelumnya.

---

There are variations or diversity of products in a production. Variations of a product affects the quality of the product. To keep the quality control of product, the variation of the product should be minimized. Statistical Quality Control (SQC) is a collection of useful statistical tools to control the production process.

Statistical tool commonly used for this purpose is the control charts. Control chart that commonly used to control the production process are Shewhart ̅and or control chart. Shewhart ̅ control charts are less effective in detecting small shift in mean because they do not take information from the past data when a new point is plotted. Thus, we need a control chart that can solve these problems.

The Exponentially Weighted Moving Average (EWMA) control chart for mean process is very effective in detecting small mean shifts. On Exponentially Weighted Moving Average chart, the new data is related to the earlier data by using weighting factor λ. The weight λ moves exponentially from the latest data to earlier."

"Bagan kendali multivariat digunakan untuk memonitor proses produksi dengan beberapa variabel karakteristik kualitas pada satu bagan kendali. Bagan kendali multivariat yang biasa digunakan adalah bagan kendali chi-square, tetapi bagan kendali ini tidak dapat mendeteksi pergeseran mean yang kecil pada suatu proses produksi. Namun, beberapa produksi memerlukan ketelitian yang tinggi dalam mendeteksi pergeseran mean yang kecil. Lowry dan Woodall (1995) memperkenalkan bagan kendali untuk beberapa variabel karakteristik kualitas yang dapat mendeteksi pergeseran mean yang kecil, yaitu Multivariate Exponentially Weighted Moving Average atau disingkat MEWMA. Menurut Rigdon (1995), menentukan batas kendali atas dari bagan kendali MEWMA adalah dengan melalui penaksiran persamaan integral untuk memperoleh average run length pada kondisi in control (ARL0). Untuk menentukan batas kendali atas, tentukan terlebih dahulu ARL0 yang diinginkan, kemudian pilih dan batas kendali atas (h4 ) sehingga dihasilkan ARL0 yang diinginkan. Selanjutnya, bila terdapat tanda out of control maka diperlukan identifikasi variabel karakteristik kualitas yang berkontribusi sehingga menimbulkan tanda out of control dengan menggunakan metode dekomposisi T2 yang diperkenalkan Montgommery.

---

Multivariate control chart is used for monitoring process production using several quality characteristic production variables in a control chart. Multivariate control chart that commonly used is chi-square control chart, but it cannot detect small shifts in the process. Nevertheless, some production needs high accuracy in detecting small shifts. Lowry and Woodall (1995) introduces multivariate control chart which can detect small shifts, called Multivariate Exponentially Weighted Moving Average (MEWMA).

According to Rigdon, to determine the upper control limit of the chart is from approximating integral equation to obtain in control average run length (ARL0). For determining the upper control limit of the chart, first determine the desired ARL0, then choose r and upper limit (h4) until finding the desired in control average run length. Furthermore, if there is out of control signal, then identification of characteristic production variables which contributes to the signal using decomposition T2introduced by Montgomery is needed."

"Dalam menghitung probabilitas survive atau gagalnya suatu status kehidupan majemuk, aktuaris selalu mengasumsikan bahwa T; waktu sampai saat meninggal dunia kehidupan yang menjadi anggota status kehidupan majemuk adalah saling bebas. Padahal kenyataannya, selalu ditemukan bahwa kehidupan-kehidupan yang ditanggung oleh asuransi atau annuitas kehidupan majemuk sering mempunyai korelasi dalam bentuk tertentu sepeiti pertalian darah, perkawinan, hubimgan pekeqaan dsb. Tugas akhir ini membahas suatu model untuk probabilitas kegagalan status lastsurvivor Rq-xy dengan menggunakan asumsi T: waktu sampai saat meninggal dunia kehidupan yang menjadi anggota status kehidupan majemuk tidak saling bebas yang disusun berdasarkan model khusus dari fungsi distribusi bivariat dengan suatu koefisien korelasi grade. Disamping itu juga akan dilihat apakah pengaruh penggunaan asumsi tidak gating bebas ini, cukup berarti terhadap perubahan nilai annuitas beserta beberapa contoh sederhana penerapannya pada fungsi aktuaria lain."

"Dalam tugas akhir ini, akan dibahas mengenai distribusi bersama darisurplus sesaat sebelum ruin dan defisit saat ruin untuk klaim yang berkorelasiwaktu. Kadang-kadang suatu klaim yang diajukan dapat memicu munculnyaklaim lain sehingga terdapat korelasi waktu antara klaim-klaim tersebut. Klaimpemicu biasanya disebut main claim dan klaim yang dipicu disebut by claim.Dengan menggunakan proses surplus baru, law of total probability, danfungsi pembangkit probabilitas (generating function) akan diperoleh distribusibersama dari surplus sesaat sebelum ruin dan defisit saat ruin untuk klaimyang berkorelasi waktu.Skripsi ini juga akan membahas mengenaipenggunaan distribusi tersebut terhadap main claim dan by claim yangberdistribusi geometri."

"Penggunaan bagan kendali yang semakin luas, kini dapat digunakan tidakhanya untuk melakukan kegiatan monitoring tetapi juga dapat digunakan padapengukuran performance, peramalan, dalam kegiatan maintenance, dan lain-lain.Rancangan ekonomis dalam bagan kendali merupakan salah satu melode yangdigunakan untuk menganalisa bagan kendali. Metode tersebut menentukan bagankendali dengan nilai ekonomisnya yang didapat dari nilai cost yang dikeluarkanselama kcgiatan monitoring berlangsung.PT Krama Yudha Ratu Motor merupakan perusahaan yang bergerak dalamindustri manufaktur, yang memproduksi kendaraan niaga Mistubishi, bertempat dikawasan industri pulo gadung, merupakan salah satu perusahaan yang konsornterhadap masalah kualitas. Sebagai bentuk tindak nyata yang dilakukan perusahaanterhadap pengendalian kualitas, perusahaan tersebut telah memperoleh standarisasiISO 9001 dan ISO 14000- Berbagai macam kompclitor dihadapi oleh perusahaantersebut, membuat perusahaan harus memberikan keunggulan yang terbaik kepadakonsumennya terhadap setiap produk yang dihasilkan.Penelitian ini merancang penggunaan bagan kendali untuk perusahaan PTKrama Yudha Ratu Motor dengan mempertimbangkan kondisi aktual yang terjadinada perusahaan tersebut hingga didapatkan nilai total cost melakukan bagankondali adalah sebcsar Rp. 4.939.841,15 per siklus, atau sama dengan Rp.148.193,27 per periode. Kemudian dari pcrtimlaangan total cost tersebut dicarisolusi optimal yang memberikan biaya lebih rendah lagi. Dari hasil perhitnngandidapatkan tiga jenis altematif solusi optimal tersebut. Ketiga pilihan alternatiftersebut kemudian dilakukan pengujian dengan menggunakan tiga analisis. Melaluianalisis tersebut akan dapatl ditentukan mana solusi optimal yang palingmemumgkinkan dan dapat sesuai dengan kebutuhan perusahaan. Pada penelitian inijuga dilambahkan rancangan bagan kendali ekonomis jika perusahaan menerapkankonsep six-Sigma."

"

Penyakit COVID-19 yang ditetapkan WHO sebagai pandemi global telah mengubah tatanan kehidupan banyak orang. Berbagai macam kebijakan ditetapkan oleh pemerintah setempat untuk menekan angka penularan COVID-19 antar penduduk, salah satunya dengan menerapkan pembatasan kegiatan. DKI Jakarta yang merupakan Ibukota Negara Republik Indonesia juga menerapkan kebijakan pembatasan kegiatan, mulai dari PSBB hingga PPKM Level 1. Tujuan penelitian ini adalah untuk menganalisis pergerakan grafik penambahan kasus positif COVID-19 dan penambahan kasus meninggal akibat COVID-19 di Provinsi DKI Jakarta dalam setiap penerapan kebijakan pembatasan kegiatan yang ditetapkan Pemprov DKI Jakarta. Metode yang digunakan adalah Statistical Process Control (SPC), yaitu teknik statistika yang dapat digunakan untuk memonitor terjadinya sebuah proses. Salah satu tools dalam SPC yang umum digunakan adalah bagan kendali (control chart). Bagan kendali yang digunakan dalam penelitian ini adalah bagan kendali  untuk memonitor rata-rata dan variabilitas suatu proses. Data yang digunakan adalah penambahan kasus positif COVID-19 dan penambahan kasus meninggal akibat COVID-19 di Provinsi DKI Jakarta yang diambil mulai tanggal 18 Maret 2020 hingga 16 November 2021 melalui website Kemenkes RI. Data tersebut terdiri dari 609 pengamatan penambahan kasus positif dan 609 pengamatan penambahan kasus meninggal yang kemudian dibentuk ke dalam 87 subgrup dengan masing-masing subgrup terdiri dari 7 pengamatan. Berdasarkan hasil analisis, puncak penambahan kasus positif COVID-19 dan penambahan kasus meninggal akibat COVID-19 di DKI Jakarta terjadi pada bulan Juli 2021. Selain itu, hasil analisis menunjukkan saat pembatasan kegiatan dilonggarkan oleh Pemprov DKI Jakarta, yaitu pada masa PSBB Transisi, PSBB Transisi Jilid II, dan PPKM Mikro, penambahan kasus positif dan meninggal di minggu-minggu akhir kebijakan tersebut, nilai pada bagan kendali   yang terbentuk berada di atas Upper Control Limit.

---

Corona Virus Disease 2019 (COVID-19), which has been designated by WHO as global pandemic, has changed the way of life many people. Various of policies have been set by local government to reduce the transmission of COVID-19 in public. One of them is activity restrictions. DKI Jakarta, capital of Indonesia, also implementing the activity restrictions, start from PSBB to PPKM Level 1. The purpose of this research was to analyze the movement of the graphs of additional of positive COVID-19 cases and additional of death due to COVID-19 cases in DKI Jakarta Province, at each implementation of activity restriction policy set by DKI Jakarta provincial government. The method used is Statistical Process Control (SPC), a statistical technique that can be used to monitor process. One of the tools in SPC commonly used is control chart. The control chart used in this research is  control chart to monitor the mean and variability of a process. The data used is additional of positive COVID-19 cases and additional of death due COVID-19 cases in DKI Jakarta Province which were taken from March 18, 2020 to November 16, 2021 through Indonesian Ministry of Health website. Data consist of 609 observations of additional positive cases and 609 additional death cases and then formed into 87 subgroups with each subgroups consist of 7 observations. Based on the results of the analysis, the peak of additional positive COVID-19 cases and additional death due to COVID-19 cases in DKI Jakarta occurred in July 2021. Moreover, the results of the analysis show that when activity restrictions were relaxed by the DKI Jakarta Provincial Government, during the PSBB Transisi, PSBB Transisi Jilid II, and PPKM Mikro, the additional of positive cases and deaths about last weeks of the policy, the value on  control chart formed is above the Upper Control Limit (UCL).                 

 

"

"Proses pengendalian mutu statistik berperan penting dalam pemantauan proses produksi. Pemantauan proses yang melibatkan beberapa peubah secara bersama-sama disebut dengan pengendalian mutu statistik multivariat. Pemantauan proses dapat dilakukan dengan menggunakan bagan kendali multivariate. Tujuan dari bagan kendali multivariat adalah untuk mengetahui apakah proses yang dilakukan terkendali atau tidak dan salah satu bagan yang sering digunakan dalam pengendalian mutu statistik multivariat adalah bagan kendali Hotelling T 2 . Pada skripsi ini akan membahas bagan kendali Hotelling T 2 yang digunakan untuk memantau proses pada fase I dan fase II. Namun bagan kendali Hotelling T 2 tidak dapat mengidentifikasi penyebab masalah jika pada bagan terdapat outlier. Oleh karena itu digunakan dekomposisi dari T 2 ( dekomposisi MYT ) untuk mengidentifikasi peubah mana yang secara signifikan menyebabkan proses tidak terkendali. "