Lumbung Pustaka UNY: No conditions. Results ordered -Date Deposited. 2024-03-28T09:16:44ZEPrintshttp://eprints.uny.ac.id/apw_template/images/sitelogo.pnghttps://eprints.uny.ac.id/2013-12-10T07:30:09Z2013-12-10T07:30:09Zhttp://eprints.uny.ac.id/id/eprint/10838This item is in the repository with the URL: http://eprints.uny.ac.id/id/eprint/108382013-12-10T07:30:09ZUJI NORMALITAS BERDASARKAN METODE ANDERSON-DARLING, CRAMER-VON MISES DAN LILLIEFORS MENGGUNAKAN METODE BOOTSTRAPUji normalitas dengan menggunakan metode Anderson-Darling, Cramer-von Mises dan Lilliefors pada data inflasi bulanan Kota-kota di Bali dan Nusa Tenggara dari bulan Januari 2009 sampai bulan Juni 2013 telah diuji dan dihasilkan data berdistribusi normal. Metode bootstrap diterapkan untuk data tersebut dengan pengulangan B = 10.000, 20.000, 30.000, 40.000 dan 50.000 kali diperoleh nilai-p yang sama atau mendekati hasil pada program R. Selanjutnya dibangkitkan sampel dari distribusi normal dengan ukuran sampel n yang berbeda-beda yaitu n = 10, 20, 30, 40, 50, 100, 200, 500, 1000 dan 2000 kemudian berdasarkan sampel tersebut diuji apakah sampel yang dibangkitkan tersebut memenuhi distribusi normal atau tidak dengan menggunakan ketiga metode tersebut. Bila prosedur tersebut diulang sebanyak B = 10.000, 20.000, 30.000, 40.000 dan 50.000 kali dan ditentukan nilai-p maka seperti yang diharapkan data normal acak yang dibangkitkan dengan mean dan simpangan baku yang sama diperoleh data berdistribusi normal. Sedangkan untuk data acak yang dibangkitkan berdasarkan distribusi eksponensial diperoleh nilai-p lebih kecil dari 0.05 sehingga disimpulkan bahwa data tidak berdistribusi normal.
Kata kunci: Anderson-Darling, Cramer-von Mises, Lilliefors dan Bootstrap
Oktaviana Fallo Janse Setiawan Adiadi_setia_03@yahoo.comSusanto Bambang 2012-11-21T00:21:33Z2012-11-21T00:21:33Zhttp://eprints.uny.ac.id/id/eprint/7479This item is in the repository with the URL: http://eprints.uny.ac.id/id/eprint/74792012-11-21T00:21:33ZPENGKONSTRUKSIAN GRAFIK PENGENDALI BERDASAR BOXPLOT BIVARIATPengendalian kualitas memiliki peran penting dalam memastikan bahwa barang atau jasa dapat dihasilkan dengan baik, pada makalah ini akan dibahas mengenai grafik pengendali berdasar boxplot bivariat. Boxplot dua dimensi terdiri dari sepasang jajar genjang yang berorientasi pada suatu arah garis lurus, elemen dasar dari bentuk grafiknya yaitu bagian dalam kotak segi empat memuat 50% data dan titik median, sedangkan kotak luar yang memisahkan data pencilan (outlier). Penelitian ini akan menggunakan data karakteristis O3 dan TBD (Turbiditas) dari sebuah perusahaan “Y” di bidang air minum kemasan, dengan salah satu produknya yaitu air mineral kemasan galon 19L merk ”X”. Berdasarkan data dan menggunakan grafik pengendali berdasar boxplot bivariat dengan pengali 1 maka terdapat 106 titik pencilan dari 172 titik sampel, jika digunakan pengali 3 hanya terdapat 9 titik pencilan sedangkan dengan menggunakan pengali 5 tidak ditemukan titik yang out of control. Hasil simulasi dengan lebar pengali p =1, 3 dan 5 dengan mengambil n=10000 dan berkisar antara -0.9 sampai 0.9 memperlihatkan
bahwa semakin besar batas pengendali maka semakin kecil pula titik yang out of control.
Kata kunci : boxplot bivariat, pencilan (outlier), grafik pengendali berdasar boxplot bivariat. pengali (1, 3, dan 5 )Masipupu Frangkyfrangky_masipupu@yahoo.comSetiawan AdiSusanto Bambang2012-11-08T00:45:34Z2012-11-08T00:45:34Zhttp://eprints.uny.ac.id/id/eprint/7296This item is in the repository with the URL: http://eprints.uny.ac.id/id/eprint/72962012-11-08T00:45:34ZStudi Simulasi Tentang Penerapan Grafik Pengendali Berdasarkan Analisis Komponen Utama (Principal Component Analysis)Pengendalian kualitas secara statistik dapat dilakukan dengan menerapkan metode Statistical
Process Control (SPC), salah satunya dengan grafik pengendali berdasarkan Analisis Komponen Utama
(Principal Component Analysis-PCA). Metode PCA ini merupakan suatu metode untuk mengurangi atau
meringkas jumlah variabel dengan membentuk kombinasi linier yang biasa disebut komponen utama.
Komponen utama dapat menjelaskan variabel asli tanpa banyak kehilangan banyak informasi. Data yang
digunakan merupakan data simulasi yang dibangkitkan dengan banyaknya variabel dan ukuran sampel
tertentu. Berdasarkan data, ditentukan komponen utama selanjutnya digunakan untuk membangun grafik
pengendali dalam pendeteksian data yang out of control.
Kata kunci : Statistical Process Control, Principal Component Analysis (PCA), grafik pengendaliWirayanti WirayantiwiraH9@yahoo.comSetiawan AdiSusanto Bambang