<![CDATA[AbstractThe most widely used of control chart in multivariate control processing is control chart T2 Hotelling. There are 2 kinds of control chart T2 Hotelling, namely T2 Hotelling for group observation and T2 Hotelling for individual observation. In this paper, discuss the control chart T2 Hotelling for individual observation. This control chart is used for monitoring of mean vector and sample of covariance matrix. Mean vector and sample of covariance matrix are very sensitive with respect to extreme point (outliers). Therefore, it is needed an estimator of mean vector and has a stocky population covariance matrix to the outliers data. One method that can be used to detect data that contains outliers is Minimum Covariance Determinant (MCD). From the calculation results, obtained that control chart T2 Hotelling by using Fast-MCD algorithm is more sensitive to detect outliers data than T2 Hotelling classically.Keyword: T2 Hotelling, Minimum Covariance Determinant (MCD), robust, outlier AbstrakBagan kendali yang paling banyak digunakan dalam pengendalian proses secara multivariat adalah bagan kendali T2 Hotelling. Ada 2 jenis dari bagan kendali Hotelling yaitu bagan kendali Hotelling untuk pengamatan kelompok dan individual. Pada tulisan ini membahas bagan kendali Hotelling untuk pengamatan individual. Bagan kendali ini digunakan untuk memonitor vektor rata-rata dan matriks kovariansi sampel. Vektor rata-rata dan matriks kovariansi sampel sangat sensitif terhadap titik ekstrim (outliers). Oleh karena itu dibutuhkan estimator vektor rata-rata dan matriks kovariansi populasi yang kekar terhadap data outliers. Salah satu metode yang dapat digunakan untuk mendeteksi data yang mengandung outliers adalah Minimum Covariance Determinant (MCD). Dari hasil perhitungan diperoleh bahwa bagan kendali T2 Hotelling dengan algoritma Fast-MCD lebih sensitif mendeteksi data outliers daripada T2 Hotelling klasik.Kata Kunci: T2 Hotelling, Minimum Covariance Determinant (MCD), robust, outlier.]]>
Copyrights © 2019
