Garuda - Garba Rujukan Digital

Variabilitas Multivariat dan Dependensi antar Variabel Penyusun Indeks Pembangunan Manusia di Indonesia Wilda Riani Hafsah Daulay; Suliadi
Bandung Conference Series: Statistics Vol. 2 No. 2 (2022): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Abstract. The commonly used multivariate data description measures are Generalized Variance (GV) and correlation coefficient, of that describe the variability and strength of relationship among the variables. However, Generalized Variance is not able to detect changes in the covariance matrix, which shows an increase in variability in some aspects while showing a decrease in variability in other aspects, Meanwhile correlation coefficient can not be used to compare the dependency structure between data sets in data sets with different dimension. In this paper, we will discuss how to apply a good measure of multivariate variability and linear relationships between variables according to Pena & Rodriguez (2003), namely Effective variance and effective dependence. Data used is composing variables of Human Development Index in Indonesia in 2014, 2019 and 2021. It is found that the distribution of variables composing Human Development Index in Indonesia from 2014 to 2019 decreses, so does from 2019 to 2021. Meanwhile, the effective dependence among those variables are weak for all considered years. Abstrak. Ukuran deskripsi data multivariat yang biasa digunakan adalah Generalized Variance (GV) dan koefisien korelasi, yang masing-masing menggambarkan variabilitas dan kekuatan hubungan antar variabel. Akan tetapi Generalized Variance tidak mampu mendeteksi perubahan pada matriks kovarians, yang menunjukkan peningkatan variabilitas dalam beberapa aspek sementara menunjukkan penurunan variabilitas pada aspek lainnya. Sedangkan koefisien korelasi tidak tepat digunakan untuk membandingkan struktur ketergantungan antar kumpulan data pada data set dengan dimensi yang berbeda. Dalam sesi ini akan dibahas bagaimana penerapan ukuran variabilitas multivariat dan hubungan linier antar variabel yang baik menurut Pena & Rodriguez (2003), yaitu Effective variance dan effective dependence. Data yang digunakan adalah data variabel penyusun Indeks Pembangunan Manusia di Indonesia tahun 2014, 2019 dan tahun 2021. Diperoleh bahwa sebaran variabel penyusun Indeks Pembangunan Manusia di Indonesia dari tahun 2014 ke tahun 2019 menurun, demikian juga dari tahun 2019 ke tahun 2021. Sedangkan effective dependence di antara variabel-variabel untuk tahun-tahun tersebut adalah lemah.

Hubungan Status Sosial Ekonomi dengan Indeks Massa Tubuh Anak Silmi Nur Husnayaini; Suliadi
Bandung Conference Series: Statistics Vol. 3 No. 2 (2023): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v3i2.7695

Abstract. Association measure is a statistic that can be used to measure relationship between two variables. There are various methods to assess the association between paired data variables IS usually designed for one particular type of measurement scale. Two numerical variables can use Pearson correlation. Two ordinal variables can use Spearman's Rank correlation or Kendall . However, if both variables are categorical (ordinal and nominal), then contingency table analysis can be used. In this study, we applied contingency table analysis in looking at the relationship between socioeconomic status and children's Body Mass Index based on data from Kober Nuurul Falaah. Several characteristics of socioeconomic status were studied, namely parents' education and parents' occupation and family income. It was found that there was no significant relationship between socioeconomic characteristics and children's BMI. Abstrak. Ukuran asosiasi merupakan statistik yang dapat digunakan untuk mengukur keerataan hubungan di antara dua variabel. Terdapat berbagai metode untuk meninjau asosiasi antara variabel data berpasangan. Namun, suatu metode asosiasi biasanya dirancang untuk satu jenis skala pengukuran tertentu. Dua variabel numerik dapat menggunakan korelasi Pearson. Dua variabel ordinal dapat menggunakan korelasi Rank Spearman atau Kendall . Namun, jika kedua variabel berskala kategorik (ordinal dan nominal), maka dapat menggunakan analisis tabel kontingensi. Dalam penelitian ini, kami menerapkan analisis tabel kontingensi dalam melihat hubungan status sosial ekonomi dengan Indeks Massa Tubuh anak berdasarkan data dari Kober Nuurul Falaah. Beberapa karakteristik status sosial ekonomi yang diteliti, yaitu pendidikan orang tua dan pekerjaan orang tua serta pendapatan keluarga. Diperoleh hasil bahwa tidak terdapat hubungan antara karakteristik sosial ekonomi dengan Indeks Massa Tubuh (IMT) anak secara signifikan.

Pemodelam Regresi Conway-Maxwell-Poisson untuk Mengatasi Overdispersi pada Data Angka Kematian Ibu di Provinsi Jawa timur Deri Dzikria Khofiyandi; Suliadi
Bandung Conference Series: Statistics Vol. 3 No. 2 (2023): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v3i2.7865

Abstract. Poisson regression is usually used to model count data. one assumption in Poisson regression is equidispersion that meanS the mean equals to the variance. However, in real data it is often this assumption does not meet. One way to overcome overdispersion is the Conway-Maxwell-Poisson (COM-Poisson) regression. This study applied the COM-Poisson regression to model the effect of Pregnant women who receive a minimum of 4 antenatal care visits (X1), Active Integrated Health Post (X2), Delivery assisted by Healthcare Professional (X3), Provision of Iron Supplement Tablets to Pregnant Women (X4), Pregnant women who received Td2+ Immunization (X5) and Poverty Rate (X6) to Maternal Mortality Rate (Y) for East Java Province data of 2020. The obtained model is with dispersion parameter 0,35044. Meanwhile, the factors that influence the maternal mortality rate are pregnant women who get at least 4 checkups or check-ups at the end of their pregnancy (X1) and pregnant women who receive health services, especially at posyandu (X2). Abstrak. Regresi Poisson digunakan dalam memodelkan data cacahan. Salah satu asumsi dalam regresi Poisson adalah equdispersi yang berarti rata-rata sama dengan varians. Namun, pada data rill seringkali asumsi ini tidak terpenuhi. Salah satu cara untuk mengatasi overdispersi adalah dengan menggunakan regresi Conway-Maxwell-Poisson (COM-Poisson). Penelitian regresi COM-Poisson ini diterapkan untuk memodelkan pengaruh dari pemeriksaan akhir masa kehamilan (K4) (X1), keberadaan posyandu aktif (X2), persalinan yang ditolong tenaga kesehatan (X3), pemberian tablet penambah darah pada ibu hamil (X4), pemberian imunisasi td2+ pada ibu hamil (X5) dan persentase penduduk miskin (X6) terhadap Angka Kematian Ibu(Y) di Provinsi Jawa Timur pada data tahun 2020 Diperoleh model Conway-Maxwell-Poisson adalah dengan parameter dispersi 0,35044. Sememtara itu, faktor-faktor yang mempengaruhi angka kematian ibu adalah ibu hamil yang mendapatkan pemeriksaan minimal 4 kali (K4) atau pemeriksaan akhir masa kehamilan (X1) dan ibu hamil yang menerima pelayanan kesehatan terutama di posyandu (X2).

Penerapan Metode Pengujian Rasio Dua Generalized Variance (GV) pada Data Indeks Pembangunan Manusia di Indonesia Tahun 2022 Shafira Nur Fauziah; Suliadi
Bandung Conference Series: Statistics Vol. 3 No. 2 (2023): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v3i2.8853

Abstract. One of the basic multivariate analysis is dependency analysis through the variance-covariance matrix. But sometimes it is difficult to interpret the diversity of data from the covariance matrix, so a single measure is needed, namely Generalized variance (GV). Generalized variance (GV) is a way to provide information on all the variance and covariance of the variance-covariance matrix into a single value and measure the variability of data on multivariate observations GV is defined as determinant of the sample covariance matrix. In some application one wants to know whether the variability of two groups of variables is the same or not. Jafari (2012) proposes to build confidence intervals and test hypotheses about two ratios of Generalized variance (GV) for two groups of dependent variables which can be used to see whether the Generalized variance (GV) of the two groups is the same or not. In this thesis, the ratio of two Generalized Variance (GV) is applied to Human Development Index (IPM) data to see the variability of the factors that influence the Human Development Index (IPM) which consists of 2 groups of variables, the first one is the economic variable including PDRB and real per capita expenditure, and the second one is the Education variable including Years of Schooling (HLS) and Average Length of Schooling (RLS). From the results of hypothesis testing, it was concluded that the general variance of the economic variable group and the Education variable group in the 2022 Human Development Index (IPM) data in Indonesia is different from the confidence interval, namely [6.748766, 13.38937]. Abstrak. Dengan menggunakan teknik analisis ini maka dapat menganalisis perbedaan dan hubungan beberapa variabel terhadap variabel lainnya dalam waktu yang bersamaan. Analisis multivariat secara dasar salah satunya terdapat analisis dependensi melalui matriks variance-covariance. Namun terkadang sulit untuk menginterpretasikan keragaman data dari matriks kovarians, maka dibutuhkan suatu ukuran tunggal yaitu Generalized variance (GV). Generalized variance (GV) adalah sebuah cara untuk memberikan informasi dari semua varians dan kovarians dari matriks varians-kovarians menjadi satu nilai tunggal dan untuk mengukur variabilitas data pada pengamatan yang bersifat multivariat dan merupakan determinan dari sampel matriks kovarians. Seringkali ingin diketahui apakah variabilitas dua kelompok variabel sama atau tidak. Jafari (2012) mengusulkan untuk membangun selang kepercayaan dan menguji hipotesis tentang dua rasio Generalized variance (GV) dua kelompok variabel yang tidak bebas yang dapat digunakan untuk melihat apakah Generalized variance (GV) kedua kelompok tersebut sama atau tidak. Dalam skripsi ini Rasio dua Generalized Variance (GV) ini diterapkan pada data Indeks Pembangunan Manusia (IPM) untuk melihat variabilitas dari faktor-faktor yang mempengaruhi Indeks Pembangunan Manusia (IPM) yang terdiri dari 2 variabel, variabel pertama yaitu variabel ekonomi diantaranya PDRB dan pengeluaran rill perkapita, dan variabel kedua yaitu variabel Pendidikan diantaranya Harapan Lama Sekolah (HLS) dan Rata-rata Lama Sekolah (RLS).Dari hasil pengujian hipotesis diperoleh kesimpulan bahwa varians umum kelompok variabel ekonomi dan kelompok variabel Pendidikan pada data penyusun Indeks Pembangunan Manusia (IPM) tahun 2022 di Indonesia berbeda dengan selang kepercayaan yaitu [6.748766, 13.38937].

Diagram Kendali Wilcoxon Triple Exponential Weighted Moving Average dengan IMFIR dalam Pengendalian Kualitas Produksi Celana PT. XYZ 10060119138, Irsan Arisandi; Suliadi
Bandung Conference Series: Statistics Vol. 4 No. 1 (2024): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v4i1.10448

Abstract. Control diagrams are Statistical Process Control which are used to control the production process. In the case of control charts, there are parametric and non-parametric control charts. One of the SPCs is the EWMA control chart which is capable of detecting small shifts, assuming the data is normally distributed. Then the Wilcoxon EWMA nonparametric control diagram was proposed which can detect small shifts with data that is not normally distributed, then W EWMA was developed into Wilcoxon TEWMA so that it can detect smaller shifts by carrying out the shifting process three times. Control charts have a common problem, namely that shifts at the beginning of time are not quickly detected. To overcome this weakness, Fast Initial Response was implemented to increase sensitivity in the initial period, Letshedi et al. (2021) proposed this feature by developing FIR, becoming IMFIR which is able to produce better out of control performance than the previous feature. In this research, we apply the W TEWMA control chart with IMFIR to the waist circumference data of PT cargo pants production. XYZ. The results of the nonparametric Shewhart control diagram in phase I showed that there were no observation points that were outside the control limits. Next, in phase II, using the W TEWMA IMFIR control diagram with the values λ=0.5, L=2.937, f=0.5 and a=0.3, the W TEWMA control diagram with IMFIR is statistically uncontrolled. Abstrak. Diagram kendali merupakan Statistic Process Control yang digunakan untuk mengontrol proses produksi. Pada kasus diagram kendali terdapat diagram kendali parametrik dan nonparametrik, Salah satu SPC yaitu diagram kendali EWMA yang mampu mendeteksi pergeseran yang kecil, dengan asumsi data berdistribusi normal. Kemudian diusulkanlah diagram kendali nonparametrik Wilcoxon EWMA yang dapat mendeteksi pergeseran kecil dengan data yang tidak berdistribusi normal, lalu W EWMA dikembangkan menjadi Wilcoxon TEWMA sehingga dapat mendeteksi pergeseran lebih kecil dengan melakukan proses pergeseran sebanyak tiga kali. Diagram kendali memiliki permasalahan umum yaitu pergeseran pada awal waktu tidak cepat terdeteksi. Untuk mengatasi kelemahan tersebut, diterapkanlah Fast Initial Response untuk meningkatkan kepekaan pada periode awal, Letshedi et al. (2021) mengusulkan fitur ini dengan mengembangkan FIR, menjadi IMFIR yang mampu menghasilkan kinerja out of control lebih baik dari fitur yang sebelumnya. Dalam penelitian ini menerapkan diagram kendali W TEWMA dengan IMFIR pada data panjang lingkar pinggang produksi celana cargo PT. XYZ. Hasil diagram kendali Shewhart nonparametrik pada fase I, diperoleh bahwa tidak ada titik pengamatan yang berada diluar batas kendali. Selanjutnya pada fase II, menggunakan diagram kendali W TEWMA IMFIR dengan nilai , , dan diperoleh diagram kendali W TEWMA dengan IMFIR tidak terkendali secara statistik.

Regresi Ridge Menggunakan Metode Dorugade untuk Memodelkan Kemisikinan di Jawa Barat 10060119083, Dhea Hely Yulianti; Suliadi
Bandung Conference Series: Statistics Vol. 4 No. 1 (2024): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v4i1.10673

Abstract. Linear regression analysis is a statistical method for forming a relationship model between a dependent variable and one or more independent variables. There are several assumptions that must be met in multiple linear regression, one of which is multicollinearity. One method to overcome multicollinearity problems is to use the ridge regression method. Dorugade (2016) developed a ridge parameter estimator for regression models based on the average MSE value which resulted in the Dorugade parameter estimator being able to overcome multicollinearity problems. This research applies that method to model the level of poverty in districts/cities in West Java in 2022 with the dependent variable poverty level and the independent variables gross regional domestic product, open unemployment, number of labor force, human development index, and average years of schooling. It was found that there was a multicollinearity problem and ridge regression using the Dorugade method was used. Obtained bias constant , the ridge equation model and the equation model . It is obtained that (number of labor force) is significan with negative effect on the poverty level. Abstrak. Analisis regresi linier adalah suatu metode statistika untuk membentuk model hubungan antara variabel dependent dengan satu atau lebih variabel independent. Ada beberapa asumsi yang harus terpenuhi dalam regresi linier berganda salah satunya adalah multikolinearitas. Salah satu metode untuk mengatasi masalah multikolinieritas adalah menggunakan metode regresi ridge. Dorugade (2016) mengembangkan estimator parameter Ridge pada model regresi berdasarkan nilai rata-rata MSE yang menghasilkan estimator parameter Dorugade mampu mengatasi masalah multikolinieritas. Skripsi ini menerapkan metode tersebut untuk memodelkan tingkat kemiskinan di Kabupaten/Kota di Jawa Barat Tahun 2022 dengan variabel dependent tingkat kemiskinan dan variabel independent produk domestik regional bruto, pengangguran terbuka, jumlah angkatan kerja, indeks pembangunan manusia, dan rata-rata lama sekolah. Pada pemeriksaan asumsi, diperoleh ada masalah multikolinieritas sehingga digunakan regresi ridge dengan metode dorugade. Diperoleh tetapan bias . Sehingga model persamaan ridge dan model persamaan . Diperoleh (jumlah angkatan kerja) yang signifikan. Dimana jumlah angkatan kerja berpengaruh negatif terhadap tingkat kemiskinan.

Pengaruh Pertumbuhan Ekonomi, Kemiskinan, Indeks Pembangunan Manusia (IPM) dan Pengangguran terhadap Ketimpangan Pendapatan Kabupaten/Kota di Pulau Kalimantan Tahun 2022 10060116099, Laras Sintya Noorachmadan; Suliadi
Bandung Conference Series: Statistics Vol. 4 No. 1 (2024): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v4i1.10784

Abstract. Income inequality is still a problem in Indonesian economic development. Particularly Borneo Island still faces this problem among regions. This study aims to analyze the effect of several factors such as Economic Growth Rate (, Poverty Level (, Human Development Index (HDI) (, and Open Unemployment Rate ( to income inequality, Gini Ratio ( of Regency/City in Borneo Island. Multiple linear regression analysis was used to understand the complex relationship between those factors and the Gini index to see the influence of existing factors on income inequality. The result showed that economic growth rate and unemployment have a negative effect on income inequality of districts/cities in Borneo Island in 2022, at the same time HDI and poverty have a positive effect. The regression model obtained was dengan 30,1%. Abstrak. Di Indonesia, terdapat ketimpangan pendapatan yang masih menjadi masalah dalam pembangunan ekonomi. Pulau Kalimantan khususnya masih menghadapi ketidakmerataan pendapatan antarwilayah. Penelitian ini bertujuan untuk menganalisis Faktor-faktor seperti Laju Pertumbuhan Ekonomi (, Tingkat Kemiskinan (, Indeks Pembangunan Manusia (IPM) (, dan Tingkat Pengangguran Terbuka ( terhadap ketimpangan pendapatan, Gini Ratio (Kabupaten/Kota di Pulau Kalimantan. Analisis regresi linier berganda digunakan untuk memahami hubungan kompleks antara faktor-faktor dengan indeks gini untuk melihat pengaruh dari faktor-faktor yang ada terhadap ketimpangan pendapatan. Hasil penelitian menunjukan bahwa laju pertumbuhan ekonomi dan pengangguran berpengaruh negatif terhadap ketimpangan pendapatan Kabupaten/Kota di Pulau Kalimantan, pada saat yang sama IPM dan kemiskinan berpengaruh positif terhadap ketimpangan pendapatan Kabupaten/Kota di Pulau Kalimantan tahun 2022. Model regresi yang diperoleh adalah dengan 30,1%.

Pemodelan Jumlah Kematian Ibu dan Bayi di Kota Bandung pada Tahun 2021 dengan Menggunakan Regresi Bivariate Poisson Inverse Gaussian 10060119110, Azka Aulia Ariazetra; Suliadi
Bandung Conference Series: Statistics Vol. 4 No. 1 (2024): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v4i1.10791

Abstract. Poisson Regression is one of the regression models that involves count data with the assumption of equidispersion, meaning that the mean and variance have the same value. However, in practice, Poisson regression methods often encounter the problem of overdispersion, where the variance is greater than the mean. To address overdispersion, the mixed Poisson distribution is employed. Bivariate Poisson Inverse Gaussian regression is suitable for modeling paired count data that experiences overdispersion. The data used in this thesis consists of the number of maternal and infant deaths. Maternal and infant deaths are two interconnected aspects because they relate to the nutritional and health status of the infant during the mother's pregnancy. Therefore, both variables can be modeled using a bivariate distribution. With five predictor variables: the percentage of K1 visits during pregnancy (X1), the percentage of K4 visits by pregnant women (X2), the percentage of pregnant women receiving Fe+ tablets (X3), the percentage of obstetric complication management (X4), and the percentage of mothers and infants receiving Vitamin A (X5). This study utilized data from the health profile of Bandung City in 2021. In this thesis, I will apply Bivariate Poisson Inverse Gaussian regression to the data on maternal and infant deaths in Bandung City in 2021. Abstrak. Regresi Poisson merupakan salah satu dari regresi yang dapat memodelkan data cacahan dengan memiliki asumsi equidispersion yaitu nilai rata-rata dan varians memiliki nilai yang sama. Namun dalam prakteknya metode regresi poisson sering terjadi masalah overdispersi yaitu nilai varians lebih besar daripada rata-rata. Untuk mengatasi data overdispersi yaitu dengan menggunakan distribusi mixed poisson. Regresi Bivariate Poisson Inverse Gaussian cocok untuk pemodelan data cacahan berpasangan dengan mengalami overdispersi. Data yang digunakan dalam skripsi ini adalah data jumlah kematian ibu dan kematian bayi. Kematian ibu dan kematian bayi termasuk dua hal yang saling berhubungan karena dari status gizi dan kesehatan bayi pada masa kandungan ibu. Oleh karena itu kedua variabel tersebut dapat dimodelkan menggunakan distribusi bivariate. Dengan terdapat 5 variabel prediktor yaitu persentase kunjungan K1 pada ibu hamil (X1), persentase kunjungan K4 ibu hamil (X2), persentase ibu hamil mendapatkan tablet Fe+ (X3), persentase penanganan komplikasi kebidanan (X4), dan persentase ibu dan bayi mendapatkan Vitamin A (X5). Penelitian ini mengambil data dari profil kesehatan Kota Bandung pada tahun 2021. Pada skripsi ini saya akan menerapkan regresi Bivariate Poisson Inverse Gaussian pada data kematian ibu dan kematian bayi di Kota Bandung pada tahun 2021.

Kekuatan Hubungan Rata-Rata Lama Sekolah dan Indeks Keparahan Kemiskinan dari Kabupaten/Kota di Indonesia Tahun 2022 Menggunakan Metode Taba (T) 10060119007, Khalda Farah Kamila; Suliadi
Bandung Conference Series: Statistics Vol. 4 No. 1 (2024): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v4i1.11036

Abstract. Correlation analysis is a technique used to determine the strength of relationship between two quantitative variables (numerical values). A common correlation used for numerical data is Pearson's Product Moment correlation. It is suitable for data from bivariate normal distribution without outlier. Tabatabai, et al (2021) proposed a new correlation method that is robust to outliers, namely Taba (T), TabWil (TW), and TabWil rank (TWR). Taba (T) and Tabwill (TW) correlations measure the linear association between two continuous or ordinal variables, while the TabWil rank (TWR) measures the monotonic association. The new correlation method is very competitive compared to Pearson and Spearman, and Quadrant, Median, and Minimum Coavariance Determinant (MCD) measures. Spearman, Quadrant, Median, and MCD correlations have limitations in dealing with outliers and normality deviations in the data. This study applied Taba correlation (T) to masure the strength of the relationship between the average years of schooling variable and the poverty severity index in districts / cities in Indonesia in 2022, since there were outliers on the data. It was found that the strength of the relationship between both variables was negative and very low, with a value of rTaba(X,Y) = -0.2584861. Abstrak. Analisis korelasi adalah teknik yang digunakan untuk menentukan kekuatan hubungan antara dua variabel kuantitatif (nilai numerik). Korelasi yang umum digunakan untuk data numerik adalah korelasi Product Moment Pearson. Korelasi ini cocok untuk data yang berdistribusi normal bivariat tanpa pencilan. Tabatabai, dkk (2021) mengusulkan metode korelasi baru yang robust terhadap pencilan, yaitu Taba (T), TabWil (TW), dan TabWil rank (TWR). Korelasi Taba (T) dan TabWil (TW) mengukur hubungan linier antara dua variabel kontinu atau ordinal, sedangkan peringkat TabWil (TWR) mengukur hubungan monotonik. Metode korelasi baru ini sangat kompetitif dibandingkan dengan Pearson dan Spearman, serta ukuran Kuadran, Median, dan Minimum Coavariance Determinant (MCD). Korelasi Spearman, Kuadran, Median, dan MCD memiliki keterbatasan dalam menangani pencilan dan penyimpangan normalitas pada data. Penelitian ini menggunakan korelasi Taba (T) untuk mengukur kekuatan hubungan antara variabel rata-rata lama sekolah dengan indeks keparahan kemiskinan di kabupaten/kota di Indonesia pada tahun 2022, karena terdapat pencilan pada data. Ditemukan bahwa kekuatan hubungan antara kedua variabel tersebut adalah negatif dan sangat rendah, dengan nilai rTaba(X,Y) = -0,2584861.

Diagram Kendali Nonparametrik Sintetis Exponentially Weighted Moving Average dalam Memantau Rata-Rata Proses dan Penerapannya pada Data Pengukuran Core 4st PT. ABCD 10060119005, Shelly Tri Yuliyanti; Suliadi
Bandung Conference Series: Statistics Vol. 4 No. 1 (2024): Bandung Conference Series: Statistics
Publisher : UNISBA Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29313/bcss.v4i1.11049

Abstract. Control chart is a tools in statistical process control (SPC) used to monitor whether the the production process is stable or not. Control chrat was first developed by Shewhart. However, the Swehart type chart is not sensitive in detecting small shifts and the alternative is the EWMA control chart which is capable of detecting small shifts, but this chart assumming the observation process comes from normal distribution. The altervative is nonparametric EWMA Sign control chart that is appropriate for non normal data. To increase its power, Haq et al. (2018) proposed a synthetic chart that combines EWMA chart and conforming run length (CRL) sub-chart, called SynEWMA chart. This chart has better performance compared to control charts in general. This research applied the SynEWMA nonparametric control diagram to the core 4st data. Core 4st is one of the components in the motor starter dynamo and starter coil whose function is to strengthen the magnetic field and act as a fastener for the motor frame mount. In the phase I, it used non-parametric Shewhart control chart, it was obtained the mean process is µ0 = 485150. Using the SynEWMA control chart in phase II and L=10, a value of k = 1,4679, the control limits obtained were as follows: UCL= 0.8380 and LCL=0.7854. There were several points outside of the control limits or nonconforming. From these points, by comparing them with the L value, it can be concluded that there were out of control processes in observations 2, 3, 4, 5, 18, and 19. Abstrak. Diagram kendali merupakan suatu alat dalam pengendalian proses statistik (SPC) yang digunakan untuk memantau apakah suatu proses produksi stabil atau tidak. Diagram kendali pertama kali dikembangkan oleh Shewhart. Namun diagram kendali tipe Swehart kurang sensitif dalam mendeteksi pergeseran kecil dan alternatifnya adalah peta kendali EWMA yang mampu mendeteksi pergeseran kecil, namun diagram kendali ini mengasumsikan proses pengamatan berasal dari distribusi normal. Alternatifnya adalah diagram kendali Tanda EWMA nonparametrik yang sesuai untuk data non normal. Untuk meningkatkan kekuatannya, Haq et al. (2018) mengusulkan diagram kendali sintetis yang menggabungkan diagram kendali EWMA dan sub-grafik run length (CRL) yang sesuai, yang disebut diagram kendali SynEWMA. Grafik ini mempunyai kinerja yang lebih baik dibandingkan dengan diagram kendali pada umumnya. Penelitian ini menerapkan diagram kendali nonparametrik SynEWMA pada data core 4st. Core 4st merupakan salah satu komponen pada dinamo starter motor dan koil starter yang fungsinya untuk memperkuat medan magnet dan berfungsi sebagai pengikat dudukan rangka motor. Pada tahap I menggunakan diagram kendali Shewhart non parametrik diperoleh rata-rata proses µ = 4,8515. Dengan menggunakan diagram kendali SynEWMA tahap II dan L=10 diperoleh nilai k = 1,4679 batas kendali diperoleh sebagai berikut: BKA=0.8380 dan BKB=0.7854. Terdapat beberapa titik di luar batas kendali atau tidak sesuai. Dari poin-poin tersebut, jika dibandingkan dengan nilai L maka dapat disimpulkan bahwa terjadi proses diluar kendali pada pengamatan ke-2, 3, 4, 5, 18, dan 19.

Title

Found 20 Documents
Search
Journal : Bandung Conference Series: Statistics

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 20 Documents Search Journal : Bandung Conference Series: Statistics

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 20 Documents
Search
Journal : Bandung Conference Series: Statistics