GRAFIK PENGENDALI T2 HOTELLING UNTUK PEMANTAUAN DAN...
Transcript of GRAFIK PENGENDALI T2 HOTELLING UNTUK PEMANTAUAN DAN...
GRAFIK PENGENDALI T2 HOTELLING UNTUK
PEMANTAUAN DAN PENGENDALIAN MUTU
DALAM PROSES PRODUKSI
SKRIPSI
Diajukan untuk Memenuhi Salah Satu Syarat
Memperoleh Gelar Sarjana Sains
Program Studi Matematika
Oleh:
Ratna Sari
103114013
PROGRAM STUDI MATEMATIKA, JURUSAN MATEMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS SANATA DHARMA
YOGYAKARTA
2014
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
i
GRAFIK PENGENDALI T2 HOTELLING UNTUK
PEMANTAUAN DAN PENGENDALIAN MUTU
DALAM PROSES PRODUKSI
SKRIPSI
Diajukan untuk Memenuhi Salah Satu Syarat
Memperoleh Gelar Sarjana Sains
Program Studi Matematika
Oleh :
Ratna Sari
103114013
PROGRAM STUDI MATEMATIKA, JURUSAN MATEMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS SANATA DHARMA
YOGYAKARTA
2014
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
ii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
iii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
iv
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
v
MOTTO DAN PERSEMBAHAN
“No GAIN without PAIN”
Skripsi ini aku persembahkan untuk:
Bapak dan ibu tercinta
Kakakku Bagus Saputro, adikku Adi Saputro, dan keponakanku
Denisa
Seluruh anggota keluarga besarku
Febri Ariwibawa yang kusayang
Semua sahabat-sahabatku yang selalu menemani dan mendukung
setiap langkahku
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
vi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
vii
KATA PENGANTAR
Puji dan syukur kehadirat Allah SWT atas limpahan rahmat, taufik dan
hidayah-Nya sehingga penyusunan skripsi ini dapat berjalan lancar. Sholawat dan
salam senantiasa tercurahkan kepada Nabi Muhammad SAW beserta keluarga dan
para sahabatnya, Amin.
Penulis menyadari bahwa dalam penulisan skripsi ini tidak lepas dari
hambatan dan kesulitan, namun berkat bantuan dari berbagai pihak maka
penyusunan skripsi ini dapat berjalan dengan baik. Untuk itu penulis
mengucapkan terima kasih yang sebesar-besarnya kepada:
1. Bapak Ir. Ig. Aris Dwiatmoko, M.Sc., yang dengan penuh kesabaran dan
keikhlasan dalam membimbing, mengarahkan dan selalu memotivasi saya
dalam menyelesaikan skripsi ini.
2. Bapak dan Ibu dosen Program Studi Matematika Universitas Sanata
Dharma.
3. Teman-teman Prodi Matematika angkatan 2010 yang bersama-sama
berjuang demi sebuah kelulusan.
4. Kedua orang tuaku yang selalu sabar menghadapi tingkah laku putrinya.
5. Adikku si gendut Adi Saputro yang selalu menyayangiku.
6. Febriku sayang yang telah sabar membantu dan memberikan semangat.
7. Semua sahabat-sahabatku yang sedang berjuang bersama-sama meraih
cita-cita.
8. Semua pihak yang tidak dapat penulis sebutkan satu per satu.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
viii
Segala kesempurnaan hanyalah milik Allah SWT, semoga penulisan
skripsi ini dapat memberikan tambahan pengetahuan bagi pembaca, mohon maaf
atas segala kekurangan, Terima kasih.
Yogyakarta, 12 Agustus 2014
Penulis
Ratna Sari
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
ix
DAFTAR ISI
HALAMAN JUDUL ........................................................................................... i
HALAMAN PERSETUJUAN PEMBIMBING .................................................... ii
HALAMAN PENGESAHAN ............................................................................. iii
HALAMAN PERNYATAAN PUBLIKASI........................................................ iv
HALAMAN MOTTO DAN PERSEMBAHAN ................................................... v
HALAMAN PERNYATAAN KEASLIAN KARYA TULIS .............................. vi
HALAMAN KATA PENGANTAR ................................................................... vii
HALAMAN DAFTAR ISI.................................................................................. ix
HALAMAN DAFTAR LAMPIRAN ................................................................. xii
ABSTRAK ...................................................................................................... xiii
ABSTRACT .................................................................................................... xiv
BAB I PENDAHULUAN ........................................................................ 1
A. Latar Belakang Masalah .......................................................... 1
B. Rumusan Masalah ................................................................... 5
C. Batasan Masalah .................................................................... 5
D. Tujuan Penulisan .................................................................... 5
E. Manfaat Penulisan ................................................................... 6
F. Metode Penulisan .................................................................... 6
G. Sistematika Penulisan ............................................................. 6
BAB II LANDASAN TEORI .................................................................... 9
A. Grafik Pengendali ................................................................... 9
1. Grafik Pengendali Variabel ............................................ 13
2. Grafik Pengendali dan S ............................................ 14
B. Nilai Eigen dan Vektor Eigen ............................................... 19
C. Konsep-Konsep Penting dalam Statistika Univariat .............. 22
1. Nilai Harapan Variabel Random .................................... 22
2. Variansi Variabel Random ............................................. 22
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
x
3. Kovariansi Dari Dua Variabel Random ........................ 22
4. Independensi Variabel Random ..................................... 23
5. Sifat-Sifat Nilai Harapan dan Kovariansi Dalam Statistika
Univariat ....................................................................... 24
D. Konsep-Konsep Penting dalam Statistika Multivariat .......... 27
1. Vektor Random dan Matriks Random ............................ 27
2. Vektor Rata-Rata dan Matriks Kovariansi ..................... 28
3. Menyekat Matriks Kovariansi ........................................ 31
4. Vektor Rata-Rata dan Matriks Kovariansi untuk
Kombinasi Linear Variabel Random ............................. 33
5. Menyekat Vektor Rata-Rata Sampel dan Matriks
Kovariansi Sampel ........................................................ 36
6. Sampel Random dan Nilai Harapan dari Rata-Rata dan
Matriks Kovariansi Sampel ........................................... 38
7. Variansi yang Diperumum ............................................. 43
8. Distribusi Normal Multivariat ....................................... 44
9. Fungsi Densitas Normal Bivariat .................................. 46
E. Metode Fungsi Pembangkit Momen ..................................... 48
F. Distribusi Sampling yang Berhubungan dengan Distribusi
Normal ................................................................................ 53
BAB III T2 HOTELLING ........................................................................ 58
A. Distribusi T2 Hotelling ........................................................ 58
B. Daerah Kepercayaan Elips ................................................... 59
C. Grafik Pengendali T2 Hotelling ............................................ 64
BAB IV APLIKASI GRAFIK PENGENDALI T2 HOTELLING ............. 71
A. Gambaran Umum Perusahaan............................................... 71
B. Proses Produksi ................................................................... 72
C. Penerapan Pengendalian Mutu Perusahaan ........................... 73
D. Analisis Grafik Pengendali .................................................. 75
1. Grafik Pengendali pH dan Kekeruhan Air ..................... 75
2. Grafik Pengendali Kekeruhan Air dan TDS ................... 77
BAB IV KESIMPULAN DAN SARAN .................................................. 80
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xi
A. Kesimpulan .......................................................................... 80
B. Saran ............................................................................. 81
DAFTAR PUSTAKA ........................................................................................ 82
LAMPIRAN ...................................................................................................... 83
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xii
DAFTAR LAMPIRAN
Lampiran 1. Faktor-Faktor untuk Menentukan Grafik Pengendali Variabel ....... 83
Lampiran 2. Distribusi, Fungsi Probabilitas, Rata-Rata, Variansi dan Fungsi
Pembangkit Momen ...................................................................... 84
Lampiran 3. Titik Presentase Distribusi F ......................................................... 86
Lampiran 4. Total pemakaian air dan total produksiAMDK pada bulan Januari
hingga April 2006 ......................................................................... 91
Lampiran 5. Proses Produksi AMDK PT. SBQUA ............................................ 92
Lampiran 6. Tabel Perhitungan pH dan Kekeruhan Air ..................................... 93
Lampiran 7. Tabel Perhitungan Kekeruhan Air dan TDS ................................... 94
Lampiran 8. Program MATLAB untuk Daerah Kepercayaan Elips .................... 95
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xiii
ABSTRAK
GRAFIK PENGENDALI T2 HOTELLING UNTUK PEMANTAUAN DAN
PENGENDALIAN MUTU DALAM PROSES PRODUKSI
Ratna Sari
103114013
Universitas Sanata Dharma
Yogyakarta
2014
Tujuan dari penelitian ini adalah untuk mengetahui landasan teori matematis
dari grafik pengendali T2 Hotelling dan mengaplikasikan metode T
2 Hotelling
pada produk yang terdiri dari dua karakteristik mutu. Untuk memahami grafik
pengendali T2 Hotelling diperlukan pemahaman tentang aljabar linear yaitu nilai
dan vektor eigen, nilai harapan dan variansi dalam statistika univariat dan
multivariat, distribusi sampling yang berhubungan dengan distribusi normal, dan
distribusi T2 Hotelling.
Grafik pengendali T2 Hotelling dapat digunakan untuk menganalisis apakah
suatu proses terkendali atau tidak berdasarkan variabel bivariat yang relevan.
Berdasarkan hasil analisis yang diperoleh pada PT. Sinar Bogor QUA (PT.
SBQUA), dapat disimpulkan bahwa aplikasi grafik pengendali T2 Hotelling
Bivariat untuk karakteristik mutu pH dan kekeruhan air dalam tank penampungan
bahan baku menunjukkan proses yang tidak terkendali karena sampel ke 5, 14,
dan 16 berada diluar batas pengendali. Sedangkan pada grafik pengendali untuk
karakteristik mutu kekeruhan air dan TDS dalam tank penampungan bahan baku
menunjukkan proses yang tidak terkendali karena sampel ke 3, 4, dan 13 berada
diluar batas pengendali.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xiv
ABSTRACT
T2 HOTELLING CONTROL CHART FOR MONITORING AND
QUALITY CONTROL IN THE PRODUCTION PROCESS
Ratna Sari
103114013
Universitas Sanata Dharma
Yogyakarta
2014
This research aims to understand and apply the foundations of
mathematical theory of T2 Hotelling Control Chart on the product consists of two
quality characteristics. To understand the T2 Hotelling Control Chart it need linear
algebra, eigenvectors and eigenvalues, expectations and variance in univariate and
multivariate statistics, sampling distributions related to the normal distribution,
and the distribution of T2 Hotelling. T
2 Hotelling control chart can be used to
analyze whether a process is under control or not based on the relevant variables
bivariat. Based on the data analysis at PT. Sinar Bogor QUA (PT. SBQUA), it can
be concluded that the application of T2 Hotelling Control Chart Bivariate quality
characteristics for pH and turbidity of the water in the tank raw material shelter
indicate uncontrolled process due to sample number 5, 14, and 16 which are
outside of the control limit. While the characteristics of the quality of water
turbidity and TDS in tanks raw material shelter indicate uncontrolled process
because the sample number 3, 4, and 13 are outside of the control limit.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
1
BAB I
PENDAHULUAN
I. LATAR BELAKANG MASALAH
Dewasa ini orang mengenal barang-barang dan jasa yang beraneka ragam
macamnya untuk memenuhi kebutuhannya. Barang dan jasa tersebut dibuat atau di
produksi untuk kebutuhan manusia. Produksi barang dan jasa tersebut menggunakan
faktor-faktor produksi alam, tenaga kerja, modal dan teknologi. Pada hakekatnya
produksi merupakan penciptaan atau penambahan faedah bentuk, waktu dan tempat
atas faktor-faktor produksi sehingga lebih bermanfaat bagi pemenuhan kebutuhan
manusia. Proses perubahan bentuk dan faktor-faktor produksi tersebut disebut proses
produksi.
Dalam era modern seperti saat ini, persaingan dalam dunia industri sangatlah
ketat. Perkembangan teknologi canggih dari tahun ketahun menuntut suatu hasil
produksi dari suatu perusahaan dalam hal ketelitian pekerjaan, ketepatan waktu
produksi, standar produksi, dan persaingan di pasar internasional. Oleh sebab itu
masalah mutu menjadi hal yang penting untuk diperhatikan oleh perusahaan.
Mutu merupakan suatu unsur yang sangat mutlak pada setiap produk atau jasa
yang dihasilkan oleh suatu perusahaan untuk menghasilkan suatu produksi yang
maksimal dengan mutu yang tinggi serta terjangkau oleh konsumen. Pada
kenyataannya masih banyak terdapat produk atau jasa yang tidak memenuhi standar
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
2
atau mengalami kegagalan dalam proses produksinya. Penting bagi setiap perusahaan
untuk memperhatikan produksi mulai dari pengadaan bahan sampai dengan proses
produksi selesai.
Pengendalian mutu berfungsi untuk menjaga agar suatu sistem tetap efektif
dalam memperbaiki mutu produk atau jasa yang dihasilkan oleh perusahaan, sehingga
produksi dan pemasaran dapat berada pada tingkat yang paling ekonomis, dengan
demikian pelanggan selalu mendapatkan kepuasan. Untuk mengidentifikasi mutu
yang ingin dicapai dan untuk melihat tingkat kepuasan konsumen terhadap barang
yang dihasilkan, maka statistika pengendalian mutu sangat penting dipelajari untuk
melihat perkembangan mutu barang yang diproduksi. Dengan demikian, perusahaan
dapat meningkatkan mutu suatu barang dengan lebih baik lagi.
PT. I merupakan salah satu perusahaan yang memproduksi kertas dengan
orientasi mutu ekspor. Oleh sebab itu, mutu produk menjadi perhatian utama
perusahaan untuk menjaga loyalitas konsumen terhadap perusahaan dan dengan
demikian meningkatkan dominasi pasar. Salah satu produk yang dihasilkan oleh PT. I
adalah kertas memo. Mutu kertas memo ditentukan oleh beberapa karakteristik,
diantaranya yaitu ketebalan kertas, penyebaran warna, dan kerapatan kertas.
Perusahaan telah menentukan batas spesifikasi untuk masing-masing karakteristik
tersebut. Produk dianggap cacat atau tidak memenuhi standar apabila terdapat
setidaknya satu dari karakteristik tersebut tidak berada dalam interval sepesifikasi
yang telah ditentukan perusahaan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
3
Setiap produk memiliki sejumlah unsur yang menggambarkan pikiran pengguna
tentang mutu. Unsur-unsur ini biasanya disebut karakteristik mutu. Terkadang disebut
juga critical-to-quality (CTQ) characteristics. Karakteristik mutu terdiri dari
beberapa jenis, yaitu:
1. Fisik: panjang, berat, tegangan, kekentalan
2. Indera: ras, penampilan, warna
3. Orientasi waktu: tahan uji, daya tahan, berguna
Mutu keteknikan adalah kumpulan cara kerja, managerial, dan aktivitas
keteknikan yang perusahaan gunakan untuk memastikan karakteristik mutu dari
produk berada pada interval yang ditentukan dan faktor-faktor lain yang ada disekitar
produk tersebut berada pada tingkat yang minimal.
Statistika adalah kumpulan teknik pengambilan keputusan tentang proses atau
populasi berdasarkan pada suatu analisis informasi yang terkandung dalam suatu
sampel dari populasi tersebut. Metode statistika juga memainkan peranan penting
dalam pengendalian dan peningkatan mutu. Metode statistika memberikan cara-cara
pokok dalam pengambilan sampel produk, pengujian serta evaluasinya, dan informasi
dalam data itu digunakan untuk mengendalikan dan meningkatkan proses pembuatan.
Salah satu teknik utama dalam pengendalian statistis adalah grafik pengendali
(control chart). Grafik pengendali adalah teknik pengendali proses pada jalur yang
digunakan secara luas yang biasanya digunakan untuk menduga parameter suatu
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
4
proses produksi dan informasi tersebut digunakan untuk menentukan kemampuan
proses.
Berdasarkan banyaknya karakteristik mutu yang diukur, grafik pengendali
dibedakan menjadi 2 jenis yaitu grafik pengendali univariat dan grafik pengendali
multivariat. Grafik pengendali univariat digunakan jika hanya ada satu karakteristik
mutu yang diukur, sedangkan grafik pengendali multivariat digunakan untuk
mengukur dua atau lebih karakteristik mutu.
Secara umum grafik pengendali dibedakan menjadi 2 macam, yaitu grafik
pengendali untuk variabel dan grafik pengendali untuk atribut. Salah satu pendekatan
yang digunakan dalam memantau mutu produk pada kasus multivariat adalah dengan
menggunakan metode grafik pengendali T2
Hotelling. Sebagai contoh jika kita akan
menguji salah satu produk dari PT. I yaitu kertas memo, ada tiga karakteristik yang
harus dipenuhi, yaitu ketebalan kertas (1
x ), penyebaran warna (2
x ), dan kerapatan
kertas (3
x ) maka
3
2
1
x
x
x
X dapat dijadikan sebagai statistik uji. Statistik 2T disebut
2T Hotelling untuk menghormati Harold Hotelling, seorang pelopor analisis
multivariat yang pertama kali menghasilkan distribusi sampling.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
5
Pada tugas akhir ini akan dibahas bagaimana menggunakan grafik pengendali 2T
Hotelling untuk pemantauan dan pengendalian mutu dalam proses produksi.
II. RUMUSAN MASALAH
Berdasarkan latar belakang tersebut, maka dapat dirumuskan permasalahan:
1. Bagaimana landasan matematis dari grafik pengendali 2T Hotelling ?
2. Bagaimana mengaplikasikan grafik pengendali T2 Hotelling untuk mengendalikan
mutu produk yang terdiri dari beberapa karakteristik mutu?
III. BATASAN MASALAH
Batasan permasalahnya yaitu:
1. Grafik pengendali yang digunakan adalah Grafik pengendali variabel X dan R
2. Grafik pengendali T2 Hotelling digunakan untuk mengendalikan produk yang
terdiri dari dua karakteristik mutu.
3. Dasar-dasar teori yang dibahas hanya materi-materi yang berkaitan langsung
dengan grafik pengendali T2 Hotelling.
IV. TUJUAN PENULISAN
1. Mengetahui landasan teori matematis dari grafik pengendali 2T Hotelling.
2. Mengaplikasikan metode T2 Hotelling pada produk yang terdiri dari dua
karakteristik mutu.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
6
V. MANFAAT PENULISAN
Tugas akhir ini diharapkan dapat bermanfaat bagi:
1. Penulis
Penelitian ini merupakan kesempatan yang sangat bermanfaat untuk menambah
pengetahuan dan pengalaman yang berharga dalam menerapkan teori-teori yang
pernah didapatkan ketika kuliah ke dalam kondisi yang nyata.
2. Perusahaan
Penelitian ini diharapkan dapat digunakan oleh perusahaan-perusahaan sebagai
referensi tambahan pada evaluasi proses pemantauan dan pengendalian mutu yang
selanjutnya dapat dipergunakan untuk mengambil tindak lanjut.
3. Universitas Sanata Dharma
Penelitian ini diharapkan dapat memberikan sumbangan pengetahuan dan
informasi bagi peneliti lain.
VI. METODE PENULISAN
Pada penelitian ini akan digunakan metode studi pustaka.
VII. SISTEMATIKA PENULISAN
BAB I : PENDAHULUAN
A. Latar Belakang Masalah
B. Rumusan Masalah
C. Batasan Masalah
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
7
D. Tujuan Penulisan
E. Manfaat Penulisan
F. Metode Penulisan
G. Sistematika Penulisan
H. Daftar Pustaka
BAB II : LANDASAN TEORI
A. Grafik Pengendali
1. Grafik Pengendali Variabel
2. Grafik Pengendali X dan S
B. Nilai Eigen dan Vektor Eigen
C. Konsep-Konsep Penting dalam Statistika Univariat
1. Nilai Harapan Variabel Random
2. Variansi Variabel Random
3. Kovariansi Dari Dua Variabel Random
4. Independensi Variabel Random
5. Sifat-Sifat Nilai Harapan dan Kovariansi dalam Statistika
Univariat
D. Konsep-Konsep Penting dalam Statistika Multivariat
1. Vektor dan Matriks Random
2. Vektor Rata-Rata dan Matriks Kovariansi
3. Menyekat Matriks Kovariansi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
8
4. Vektor Rata-Rata dan Matriks Kovariansi untuk Kombinasi
Linear Variabel Random
5. Menyekat Vektor Rata-Rata Sampel dan Matriks Kovariansi
Sampel
6. Sampel Random dan Nilai Harapan dari Rata-Rata dan Matriks
Kovariansi Sampel
7. Variansi yang Diperumum
8. Distribusi Normal Multivariat
9. Fungsi Densitas Normal Bivariat
E. Metode Fungsi Pembangkit Momen
F. Distribusi Sampling yang Berhubungan dengan Distribusi Normal
BAB III : T2 HOTELLING
A. Distribusi T2 Hotelling
B. Grafik Pengendali T2 Hotelling
BAB IV : APLIKASI GRAFIK PENGENDALI T2 HOTELLING
BAB V : KESIMPULAN DAN SARAN
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
9
BAB II
LANDASAN TEORI
2.1 Grafik Pengendali
Salah satu teknik utama dalam pengendalian statistis adalah grafik
pengendali (control chart). Grafik pengendali adalah teknik pengendali proses
pada jalur yang digunakan secara luas yang biasanya digunakan untuk menduga
parameter suatu proses produksi dan informasi tersebut digunakan untuk
menentukan kemampuan proses.
Gambar 2.1. Grafik pengendali
Bentuk dasar grafik pengendali pada Gambar 2.1 berupa grafik karakteristik
mutu yang telah diukur terhadap nomor atau waktu sampling. Grafik tersebut
memuat garis tengah yang merupakan nilai rata-rata karakteristik mutu, Batas
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
10
Pengendali Atas (BPA), dan Batas Pengendali Bawah (BPB). Proses dianggap
terkendali apabila semua titik-titik sampel berada diantara batas pengendali dan
tidak diperlukan tindakan apapun, namun apabila ada satu titik terletak di luar
batas pengendali maka proses tersebut dikatakan tidak terkendali dan diperlukan
tindakan penyidikan dan perbaikan untuk mendapatkan kemudian menyingkirkan
sebab atau sebab dugaan yang menyebabkan proses tersebut tidak terkendali.
Proses juga dikatakan tidak terkendali apabila titik-titik sampel tersebut
berpola secara sistematik atau tak random meskipun semua titik terletak di dalam
batas pengendali. Misalnya apabila 13 dari 15 titik terakhir terletak diantara garis
tengah dan BPA dan hanya dua dari titik-titik ini terletak di antara garis tengah
dan BPB, maka diduga bahwa ada sesuatu yang tidak terkendali. Proses tersebut
terkendali apabila semua titik-titik pada grafik memiliki pola yang pada dasarnya
random. Namun metode melihat pola ini tidak dapat diterapkan sebagai penolong
dalam menyidik keadaan yang tidak terkendali. Biasanya ada alasan mengapa pola
tak random tertentu tampak dalam grafik pengendali.
Buku pedoman Western Electric (1956) mengusulkan sekumpulan aturan
pengambilan keputusan untuk penyidikan pola tak random pada grafik
pengendali. Buku tersebut mengusulkan bahwa proses tak terkendali apabila
memenuhi salah satu dari hal-hal berikut:
1. Satu titik jatuh di luar batas pengendali 3-sigma.
2. Dua dari tiga titik yang berurutan jatuh di luar batas peringatan 2-sigma.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
11
3. Empat dari lima titik yang berurutan jatuh pada jarak 1-sigma atau lebih jauh
dari garis tengah.
4. Delapan titik yang berurutan jatuh pada satu sisi dari garis tengah.
Aturan-aturan tersebut berlaku pada satu sisi antara garis tengah dan batas
pengendali pada satu waktu. Aturan-aturan ini sangat efektif dalam praktek untuk
mempertinggi kepekaan grafik pengendali. Terdapat juga beberapa kriteria yang
digunakan secara luas dalam praktek, ketika kita memeriksa grafik pengendali dan
menyimpulkan bahwa proses tersebut tidak terkendali apabila dipenuhi salah satu
atau beberapa kriteria dibawah.
1. Satu atau beberapa titik berada di luar batas pengendali.
2. Suatu siklus dengan paling sedikit tujuh atau delapan titik, dengan macam
siklus dapat berbentuk siklus naik atau turun, siklus di atas atau di bawah garis
tengah, atau siklus di atas atau dibawah median.
3. Dua atau tiga titik yang berurutan berada di luar batas peringatan 2-sigma,
tetapi masih di dalam batas pengendali.
4. Empat atau lima titik yang berurutan berada di luar batas 1-sigma.
5. Pola tak biasa atau tak random dalam data.
6. Satu atau beberapa titik berada di dekat satu batas peringatan atau pengendali.
Misalkan w adalah statistik sampel yang mengukur suatu karakteristik mutu,
dan adalah rata-rata w dan standar deviasi w, maka model umum untuk
grafik pengendali adalah
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
12
ww
w
ww
k
k
BPB
Tengah Garis
BPA
(2.1)
dengan k adalah “jarak” batas-batas pengendali dari garis tengah yang
dinyatakan dalam unit standar deviasi. Teori ini pertama kali ditemukan oleh Dr.
Walter A. Shewhart, dan grafik pengendali yang dikembangkan menurut asas-asas
ini seringkali dinamakan Grafik Pengendali Shewhart.
Berdasarkan banyaknya karakteristik mutu yang diukur, grafik pengendali
dibedakan menjadi 2 jenis yaitu grafik pengendali univariat dan grafik pengendali
multivariat. Grafik pengendali univariat digunakan jika hanya ada satu
karakteristik mutu yang diukur, sedangkan grafik pengendali multivariat
digunakan untuk mengukur dua atau lebih karakteristik mutu.
Grafik pengendali dapat diklasifikasikan ke dalam dua tipe umum. Apabila
karakteristik mutu dapat diukur dan dinyatakan dalam suatu bilangan, grafik
pengendalinya dinamakan grafik pengendali variabel. Dalam hal seperti itu, tepat
sekali menggambarkan karakteristik mutu dengan ukuran tengah dan ukuran
variabilitas. Grafik pengendali untuk nilai tengah dan variabilitas bersama-sama
dinamakan grafik pengendali variabel. Grafik merupakan grafik yang paling
luas digunakan untuk pengendalian nilai tengah, sedangkan grafik yang
berdasarkan rentang sampel atau standar deviasi sampel digunakan untuk
mengendalikan variabilitas proses. Banyak karakteristik mutu tidak dapat tepat
digambarkan secara numerik. Dalam beberapa kasus, kita biasanya
menggolongkan setiap produk untuk memeriksanya apakah sesuai atau tidak
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
13
dengan spesifikasi karakeristik mutu. Istilah “cacat” atau “tidak cacat” sering
digunakan untuk mengidentifikasi kedua klasifikasi produk tersebut. Kedua istilah
tersebut dapat diklasifikasikan ke dalam variabel khusus yang biner. Grafik untuk
karakteristik mutu seperti ini dinamakan grafik pengendali sifat (atribut).
2.1.1 Grafik Pengendali Variabel
Banyak karakteristik mutu yang dapat dinyatakan dalam suatu bilangan.
Misalnya, diameter ban dapat diukur dengan mikrometer dan dinyatakan dalam
centimeter. Suatu karakteristik mutu yang dapat diukur seperti dimensi, berat, atau
volume, dinamakan variabel.
Apabila yang diukur adalah karakteristik mutu (variabel), maka perlu
mengendalikan nilai rata-rata karakteristik mutu dan variabilitasnya. Pengendalian
rata-rata tingkat mutu biasanya dengan grafik pengendali rata-rata atau grafik .
Variabilitas atau pemencaran proses dapat dikendalikan dengan grafik pengendali
untuk standar deviasi, yaitu grafik S, atau grafik pengendali untuk rentang, yaitu
grafik R.
Sangat penting untuk memelihara pengendalian rata-rata dan variabilitas
proses, Gambar 2.2 menunjukkan hasil suatu proses produksi. Dalam Gambar
2.2(a) rata-rata dan standar deviasi terkendali pada nilai nominalnya ( dan
), karena itu kebanyakan proses jatuh dalam batas spesifikasi. Namun dalam
Gambar 2.2(b) telah bergeser ke nilai , mengakibatkan produk yang
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
14
tidak sesuai lebih tinggi. Dalam Gambar 2.2(c) standar deviasi proses telah
bergeser ke suatu nilai . Hal ini mengakibatkan proses yang tidak
terkendali lebih tinggi, meskipun masih pada nilai nominal.
(a)
(b) (c)
Gambar 2.2 Perlunya mengendalikan rata-rata proses dan variabilitas proses
2.1.2 Grafik Pengendali dan S
Andaikan karakteristik mutu berdistribusi Normal dengan rata-rata dan
standar deviasi yang diketahui. Jika merupakan sampel berukuran
n, maka rata-rata sampelnya adalah
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
15
n
xxxX
n
21
menurut Dennis D.Wackerly, William Mendenhall III, dan Richard L. Scheaffer
(2008) bahwa X berdistribusi Normal dengan rata-rata dan standar deviasi
. Setiap rata-rata sampel akan berada di antara
nZZ
x
2/2/ (2.2a)
dan
nZZ
x
2/2/ (2.2b)
dengan probabilitas 1 .
Dengan demikian, jika dan diketahui, persamaan (2-2a) dan (2-2b) dapat
digunakan sebagai BPA dan BPB pada grafik pengendali rata-rata sampel. Nilai
2/Z diganti dengan 3, sehingga digunakan batas 3-sigma. Jika suatu rata-rata
sampel berada di luar batas ini, maka rata-rata proses tidak lagi sama dengan .
Dalam praktek, biasanya dan tidak diketahui. Oleh karena itu nilai-nilai
tersebut harus diduga dari sampel-sampel pendahuluan yang diambil ketika proses
tersebut diduga terkendali. Dugaan ini harus didasarkan pada paling sedikit 20
sampai 25 sampel. Misalkan tersedia m sampel, masing-masing memuat n
observasi pada karakteristik mutu tersebut dan misalkan adalah rata-
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
16
rata tiap sampel. Maka penduga terbaik untuk rata-rata proses adalah rata-rata
keseluruhan, yaitu
m
xxxX
m
21 (2.3)
Jadi X akan digunakan sebagai garis tengah grafik x itu.
Jika adalah variansi dari distribusi probabilitas yang tidak diketahui,
maka penduga tak bias untuk adalah variansi sampel
1
)(
1
2
2
n
xx
S
n
i
i
namun, standar deviasi sampel S bukan penduga tak bias untuk . Jika distribusi
yang melandasi adalah Normal, sebenarnya S menduga 4
c dengan 4
c adalah
suatu konstanta yang bergantung pada ukuran sampel n. Selanjutnya menurut
Douglas C. Montgomery, bahwa dalam Pengantar Pengendalian Mutu Statistik
(1990), standar deviasi S adalah 2
41 c dengan
34
)1(44
n
nc . Informasi ini
dapat digunakan untuk membuat grafik pengendali dan S.
Karena E(S)= 4
c , garis tengah grafik tersebut adalah 4
c . Batas
pengendali 3-sigma bagi S adalah
2
44
2
44
13
13
ccBPB
ccBPA
(2.4)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
17
didefinisikan konstanta untuk
2
44513 ccB (2.5a)
dan
2
44613 ccB (2.5b)
dengan demikian batas pengendali untuk grafik S menjadi
5
4
6
tengahGaris
BBPB
c
BBPA
(2.6)
Nilai-nilai 654dan ,, BBc ditabelkan dalam Tabel Lampiran 1 untuk berbagai
himpunan bagian. Parameter grafik x adalah
ABPB
ABPA
tengahGaris (2.7)
dengan A = n/3 .
Jika nilai standar bagi tidak diberikan, maka diduga dengan data yang
lalu. Andaikan ada m sampel awal masing-masing berukuran n, dan misalkan iS
adalah standar deviasi sampel ke-i. Rata-rata m standar deviasi tersebut adalah
m
i
iS
mS
1
1
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
18
Statistik 4
/ cS adalah penduga tak bias untuk . Dengan demikian, parameter
grafik S menjadi
2
4
4
2
4
4
13
tengahGaris
13
cc
SSBPB
S
cc
SSBPA
(2.8)
Biasanya didefinisikan konstanta
2
4
4
31
31 c
cB (2.9a)
dan
2
4
4
41
31 c
cB (2.9b)
Dengan demikian parameter grafik S dapat ditulis sebagai
SBBPB
S
SBBPA
3
4
tengahGaris
(2.10)
Perhatikan bahwa 464/ cBB dan 453
/ cBB .
Apabila 4/ cS digunakan untuk menduga , batas pengendali grafik
dapat didefinisikan sebagai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
19
nc
SxBPB
x
nc
SxBPA
4
4
3
tengahGaris
3
(2.11)
Andaikan konstanta )/(343
ncA . Maka parameter grafik menjadi
SAxBPB
x
SAxBPA
3
3
tengahGaris
(2.12)
2.2 Nilai Eigen dan Vektor Eigen
Definisi 2.2.1 (Nilai Eigen dan Vektor Eigen) Andaikan A adalah suatu
matriks yang berukuran . Skalar disebut sebagai nilai eigen atau nilai
karakteristik dari A jika terdapat suatu vektor taknol x, sehingga Ax = x . Vektor
x disebut vektor eigen atau vektor karakteristik dari A yang bersesuaian dengan
.
Contoh 2.2.1
Andaikan
11
24A dan
1
2x
Karena
xx 31
23
3
6
1
2
11
24
A
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
20
dari persamaan terlihat bahwa 3 adalah nilai eigen dari A dan ]'1,2[x
adalah vektor eigen dari . Sebarang kelipatan taknol dari x akan menjadi vektor
eigen, karena
)()( xxxx AA
Jadi, sebagai contoh, [4,2]’ juga merupakan vektor eigen dari 3 .
2
43
6
12
2
4
11
24
Persamaan Ax = x dapat dituliskan dalam bentuk
0x IA (2.13)
Jadi adalah nilai eigen dari A jika hanya jika (2.13) memiliki penyelesaian tak
trivial. Persamaan (2.13) akan memiliki peyelesaian tak trivial jika hanya jika
IA singular atau
0det IA (2.14)
Jika determinan pada (2.14) diuraikan, akan didapatkan suatu polinom berderajat
ke-n dalam peubah .
IAp det )(
Polinom ini disebut polinom karakteristik dan (2.14) disebut persamaan
karakteristik untuk matriks A. Akar dari polinom karakteristik adalah nilai eigen
dari A.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
21
Contoh 2.2.2
Carilah nilai-nilai eigen dan vektor eigen yang bersesuaian dari matriks
23
23A
Persamaan karakteristiknya adalah
023
23
atau 012
2
Nilai-nilai eigen dari A adalah 41 dan 3
2 . Untuk mencari vektor eigen
dari 41 , harus ditentukan kernel (ruang nol) dari IA 4 .
63
214 IA
Dengan menyelesaikan 0x IA 4 , didapatkan
22
2 ,xxx
Jadi semua kelipatan taknol dari [2,1]’ adalah vektor eigen dari 1
. Dengan cara
yang sama, untuk mendapatkan vektor eigen dari 2
harus diselesaikan
0x IA 3 . Vektor eigen dari 2
adalah semua kelipatan taknol dari [-1,3]’.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
22
2.3 Konsep-Konsep Penting dalam Statistika Univariat
2.3.1 Nilai Harapan Variabel Random
Definisi 2.3.1 Nilai harapan suatu variabel random X didefinisikan oleh
)( asprobabilit fungsidengan
diskret random variabel jika )(
)( densitas fungsidengan
kontinu random variabel jika )(
)(
xp
Xxpx
xf
Xdxxfx
XE
x
(2.15)
2.3.2 Variansi Variabel Random
Definisi 2.3.2 Variansi dari suatu variabel random X dengan E(X) = μ adalah
nilai harapan dari 2
X . Yaitu
2)( XEXVar (2.16)
2.3.3 Kovariansi Dari Dua Variabel Random
Definisi 2.3.3 Jika X dan Y adalah variabel random dengan distribusi
probabilitas bersama f (x,y), Kovariansi dari X dan Y adalah
yx
YXEYXCov ),( (2.17)
dengan )( XEx dan )(YE
y .
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
23
2.3.4 Independensi Variabel Random
Definisi 2.3.4.1 Independen Secara Statistis Jika probabilitas bersama
]dan [kkii
xXxXP dapat ditulis sebagai perkalian probabilitas marginal,
sedemikian sehingga
][][]dan [kkiikkii
xXPxXPxXxXP (2.18)
Untuk semua nilai pasangan kixx , , maka ki
XX dan dikatakan independen secara
statistis.
Jika kiXX dan adalah variabel random kontinu dengan fungsi densitas
bersama ),(kiik
xxf dan densitas marginal )(ii
xf dan )(kk
xf , maka
)()(),(kkiikiik
xfxfxxf (2.19)
Untuk semua pasangan ),(ki
xx .
Definisi 2.3.4.2 Variabel Random Kontinu yang Independen Secara Statistis
Variabel random kontinu p
XXX ,,,21 dikatakan saling independen secara
statistis jika fungsi densitas bersamanya dapat difaktorkan sebagai
)()()(),,,(2211112 ppkpkp
xfxfxfxxxf
(2.20)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
24
Untuk semua p -tuple ),,(21 p
xxx .
2.3.5 Sifat-Sifat Nilai Harapan dan Kovariansi Dalam Statistika Univariat
Teorema 2.3.5.1 Andaikan X dan Y adalah variabel random yang independen,
dan c adalah konstanta, maka
)()(.4
)()(.3
)()()(.2
)()()(.1
2XVarccXVar
XcEcXE
YEXEXYE
YEXEYXE
Bukti
Jika X dan Y adalah variabel random kontinu, maka
)()(
)( )(
),()()(.1
YEXE
dyyyfdxxxf
dydxyxfyxYXE
)()(
)( )(
),()()(.2
YEXE
dyyfydxxfx
dydxyxfxyXYE
)(
)(
)()(.3
XEc
dxxc
dxxcXcE
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
25
)(
)(
2)(
2
2)()(
)(.4
2
22
222
222
222
2
XVarc
xEc
xxEcE
xxcE
xcccxE
ccxEcXVar
Bukti untuk X dan Y adalah variabel random diskret dapat diselesaikan secara
analog.
Teorema 2.3.5.2 Jika YX dan merupakan variabel random independen, maka
0),( YXCov (2.21)
Bukti:
0
)()(
)()()(
)()()()()()()(
)()()()(
)()(),(
XYEXYE
XEYEXYE
YEXEYEXEXEYEXYE
YEXEYXEXYEXYE
YEYXEXEYXCov
Teorema tersebut tidak berlaku sebaliknya, ada situasi dimana 0),( YXCov
namun YX dan tidak independen.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
26
Teorema 2.3.5.3 Kovariansi dari dua variabel random independen X dan Y
dengan xXE )( dan
yYE )( , secara berturut-turut adalah
yxYXEYXCov )(),( . (2.22)
Bukti:
yx
yxyxyx
yxyx
yxyx
yx
XYE
XYE
XEYEXYE
XYXYE
YXEYXCov
),(
Teorema 2.3.5.4 (Kovariansi dari Kombinasi Linear Variabel Random) Jika
X dan Y adalah variabel random dan ba dan adalah konstanta, maka
12),( abYXCov
Dari kombinasi linear bYaX didapatkan
1222
2
11
2
21
2)(
)(
abbabYaXVar
babYaXE
(2.23)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
27
Bukti
12
21
21
),(
))((
))((),(
ab
YXabCov
YXabE
bbYaaXEbYaXCov
1222
2
11
2
22
21
2
2
22
1
2
2
21
2
21
21
2
),(2)()(
))((2)()(
)()(
)()()(
)()()(
abba
YXabCovYVarbXVara
YXabYbXaE
YbXaE
babYaXEbYaXVar
baYbEXaEbYaXE
2.4 Konsep-Konsep Penting dalam Statistika Multivariat
2.4.1 Vektor Random dan Matriks Random
Definisi 2.4.1.1 (Vektor Random) Vektor random adalah vektor yang elemen-
elemennya merupakan variabel random, dan matriks random adalah matriks yang
elemen-elemennya adalah variabel random
Contoh 2.4.1.1 (Vektor dan Matriks Random)
Vektor random X yang elemen-elemennya merupakan p variabel random dapat
ditulis sebagai
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
28
pX
X
X
2
1
X
sedangkan matriks random X yang berukuran p q yang elemen-elemennya
merupakan variabel random dapat ditulis sebagai
pqpp
q
q
XXX
XXX
XXX
21
22221
11211
X
2.4.2 Vektor Rata-rata dan Matriks Kovariansi
Definisi 2.4.2.1 Rata-rata vektor random X yang berukuran 1p
didefinisikan sebagai
ppXE
XE
XE
E
2
1
2
1
)(
)(
)(
)(Xμ (2.24)
Definisi 2.4.2.2 Matriks kovariansi dari dua vektor random X dan Y adalah
)')((),(yx
ECov μYμXYX (2.25)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
29
Definisi 2.4.2.3 Andaikan terdapat dua vektor random X dan Y, dengan X=Y
maka Cov(X,X) dapat ditulis sebagai )(XΣ Cov , yang disebut sebagai matriks
dispersi (variansi-kovariansi) dari X.
)')(( μXμXΣ E
2
2211
22
2
221122
112211
2
11
)())(())((
))(()())((
))(())(()(
pppppp
pp
pp
XEXXEXXE
XXEXEXXE
XXEXXEXE
Atau
pppp
p
p
Cov
21
22221
11211
)(XΣ (2.26)
Karena kikkiiikXXE ))(( , maka
pppp
p
p
E
21
22221
11211
)')(( μXμXΣ (2.27)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
30
Teorema 2.4.2.1 X dan Y adalah matriks random yang independen dengan
dimensi yang sama, BA dan adalah matriks konstanta yang sesuai. Maka,
BXAAXB
YXYX
)()(.2
)()()(.1
EE
EEE
.
Bukti:
1. Jika X dan Y adalah matriks variabel random yang diskret, maka
)()(
)()(
)()(
),()(
)()(
YX
YX
EE
ypyxpx
ypyxpx
yxpyx
YXEE
ijijijijijij
ijijijijijij
ijijijijij
ijij
2. X)BAAXB ()( EE
BXA
AXB
)(
)(
)(
1 1
1 1
E
BXEA
BXAEE
n
k
n
jkik
n
k
n
jkik
Bukti untuk X dan Y adalah matriks variabel random kontinu dapat dikerjakan
secara analog.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
31
2.4.3 Menyekat Matriks Kovariansi
Sebanyak p buah karakteristik yang termuat dalam vektor random X yang
berukuran 1p dapat disekat menjadi, misalnya, dua kelompok yang berukuran
q dan qp
)2(
)1(
1
1
)2(
)1(
1
1
)(dan
μ
μ
Xμ
X
X
X
p
q
q
p
q
q
E
qp
q
X
X
X
X
(2.28)
Dengan definisi perkalian dan transpose matriks didapatkan
))(())(())((
))(())(())((
))(())(())((
,
)')((
,2211
22,22221122
11,22111111
,22,11
22
11
)2()2()1()1(
ppqqqqqqqqqq
ppqqqq
ppqqqq
ppqqqq
XXXXXX
XXXXXX
XXXXXX
XXX
X
X
X
μXμX
Nilai harapan dari matriks )')(()2()2()1()1(
μXμX adalah
12
2,1,
22,21,2
12,11,1
)2()2()1()1())')((( ΣμXμX
qpqqqq
pqq
pqq
E
(2.29)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
32
Semua kovariansi pqqjqiij
,,2,1,,,2,1, . Matriks 12
Σ tidak selalu
simetris walaupun persegi.
Menyekat matriks dapat dilakukan secara
)1)((
)2()2(
)1)((
)2()2(
)1(
)1()1(
)1)((
)2()2(
))(1(
)2()2(
)1(
)1()1(
)1(
)1()1(
)1(
)1()1(
)'()()'()(
)'()()'()(
)')((
qpqpqqp
qpqqq
μXμXμXμX
μXμXμXμX
μXμX
(2.30)
Akibatnya,
ppqp
pqqq
pqp
qqq
qpqq
pq
qqq
q
qpq
pp
qp
q
pp
E
1,
,11,1
1
,11,1
1,
11,1
1
111
)(
222
2
)(
)')((ΣΣ
ΣΣμXμXΣ
1
111
(2.31)
Didapatkan 2112
ΣΣ , kovariansi matriks )1(X adalah
11Σ dan )2(
X adalah 22
Σ ,
elemen-elemen )2()1(dan XX adalah
12Σ atau
21Σ , maka 12
)2()1(),( ΣXX Cov
adalah matriks dengan elemen semua kovariansi antara )2()1(dan XX .
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
33
2..4.4 Vektor Rata-Rata dan Matriks Kovariansi untuk Kombinasi Linear
Variabel random
Diketahui 21
],,[ bXaXba c' dapat ditulis sebagai berikut
Xc'
2
1
X
Xba
Jika 2121
)( babXaXE , maka
μc'
2
1
ba
Apabila
2221
1211
Σ dijadikan matriks variansi-kovariansi dari X , maka
persamaannya menjadi
Σcc'Xc' )()(21
VarbXaXVar (2.32)
Karena
22
2
1211
2
2221
12112][
baba
b
aba
Σcc' .
Hasil diatas dapat diperluas ke dalam kombinasi linear dari p variabel random.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
34
Teorema 2.4.4.1 Kombinasi linear pp
XcXc1111
Xc' mempunyai
Σcc'Xc'
μc'Xc'
)(Variansi
)(RataRata
Var
E (2.33)
Dengan )(dan)( XΣXμ CovE .
Bukti:
pp
pp
pp
cc
XEcXEc
XcXcEE
11
11
11
)()(
)()( Xc'
μc
p
pcc
1
1
ppp
ppp
pp
pp
pp
cccc
cccc
XVarcXVarc
XcVarXcVar
XcXcVarVar
111
111
2
1
2
1
11
11
)()(
)()(
)()( Xc'
Σcc'
pp
p
p
pp
c
c
cc
c
c
cc
11
1
1
11
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
35
Secara umum, q kombinasi linear dari p variabel random adalah:
pqpqqq
pp
pp
XcXcXc
XcXcXc
XcXcXc
2211
22221212
12121111
Z
Z
Z
Atau
CXZ
)1(
2
1
21
22221
11211
)1(
2
1
p
ppppp
p
p
q
qX
X
X
ccc
ccc
ccc
Z
Z
Z
(2.34)
Definisi 2.4.4.1 Kombinasi linear CXZ mempunyai persamaan
C'CΣCXZΣ
CμCXZμ
Xz
xz
)()(
)()(
CovCov
EE (2.35)
xμ merupakan vektor rata-rata dan
xΣ adalah matriks variansi –kovariansi X .
Contoh 2.4.4.1 (Rata-rata dan kovariansi kombinasi linear)
Diberikan vektor random 21
,' XXX dengan vektor rata-rata 21
,' x
μ dan
matriks variansi-kovariansi
2221
1211
x
Σ . Tentukan vektor rata-rata dan
matriks kovariansi untuk kombinasi linear
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
36
212
211
XX
XX
Z
Z
atau
CXZ
2
1
2
1
11
11
X
X
Z
Z
21
21
2
1
11
11)()(
xz
CμCXZμ EE
11
11
11
11)()(
2221
1211
C'CΣCXZΣ
XzCovCov
2212112211
2211221211
2
2
Perhatikan bahwa jika 2211
, yaitu, jika 1
X dan 2
X mempunyai variansi yang
sama, bentuk off-diagonal di z
Σ hilang. Hal ini menunjukkan bahwa hasilnya
diketahui dengan baik bahwa penjumlahan dari dua variabel random dengan
variansi yang sama tidak berkorelasi.
2.4.5 Menyekat Vektor Rata-Rata Sampel dan Matriks Kovariansi Sampel
Andaikan p
xxx ,,,'21x merupakan vektor rata-rata sampel dari n
observasi dalam p variabel p
XXX ,,,21 dan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
37
n
j
pjp
n
j
pjpj
n
j
pjpj
n
j
j
ppp
p
xxn
xxxxn
xxxxn
xxn
ss
ss
1
2
1
11
1
11
1
2
11
1
111
)(1
))((1
))((1
)(1
nS
.
Vektor rata-rata sampel dan matriks kovariansi dapat disekat untuk melihat
dengan jelas jumlah yang sesuai dengan grup variabel. Maka,
)2(
)1(
1
1
)1( x
xx
p
q
q
p
x
x
x
x
(2.36)
dan
ppqp
pqqq
pqp
qqq
qpqq
pq
qqq
q
pp
ss
ss
ss
ss
ss
ss
ss
ss
1,
,11,1
1
,11,1
1,
11,1
1
111
)(
nS
qpq
qp
p
222
2
SS
SS
1
111 (2.37)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
38
)1(x dan )2(
x adalah vektor rata-rata sampel yang diperoleh dari pengamatan
pqq
xxxx ,,dan ,,1
)2(
1
)1( xx . Secara berturut-turut
11S adalah
matriks kovariansi sampel dari pengamatan )1(x ,
22S adalah matriks kovariansi
sampel dari pengamatan )2(x , dan
2112SS adalah matriks kovariansi sampel
untuk elemen )1(x dan )2(
x .
2.4.6 Sampel Random dan Nilai Harapan dari Rata-Rata dan Matriks
Kovariansi Sampel
Dalam rangka mempelajari statistik variabilitas sampling seperti X dan n
S
dengan tujuan utama membuat kesimpulan, perlu membuat asumsi tentang
variabel dengan nilai-nilai yang diamati merupakan kumpulan data X.
Andaikan data X belum diamati tetapi akan dikumpulkan sebanyak n
himpunan dari pendugaan p variabel. Sebelum dilakukan pendugaan, secara
umum nilai dugaannya tidak dapat diprediksi secara tepat, akibatnya dianggap
sebagai variabel random. Entri ke- ),( kj dalam matriks merupakan variabel
random jkX . Tiap himpunan pendugaan j
X dalam p variabel merupakan suatu
vektor random, dan matriks randomnya adalah
nnpnn
p
p
pn
XXX
XXX
XXX
X
X
X
X
2
1
21
22221
11211
)(
(2.38)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
39
sekarang sampel random dapat didefinisikan.
Jika vektor baris nXXX ,,,
21 merupakan pengamatan independen dari
distribusi bersama yang sama dengan fungsi densitas ),,,()(21 p
xxxff x ,
maka nXXX ,,,
21 merupakan suatu bentuk sampel random dari )(xf . Secara
matematis, nXXX ,,,
21 merupakan bentuk suatu sampel random jika fungsi
densitas bersamanya diberikan oleh hasil perkalian )()()(21 n
fff xxx , dengan
),,,()(21 jpjjj
xxxff x adalah fungsi densitas untuk vektor baris ke- j .
Akibat 2.4.6.1 Sifat X Andaikan nXXX ,,,
21 sampel random dari distribusi
bersama dengan vektor rata-rata μ dan matriks kovariansi Σ , maka X adalah
suatu penduga tak bias dari μ dan matriks kovariansinya
Σn
1
sehingga,
sampel)ukuran dibagi populasi kovariansi- variansi(matriks
populasi) rata-rata(vektor
1)(
)(
ΣX
μX
nCov
E
(2.39)
Untuk matriks kovariansi nS ,
ΣΣΣSnn
nE
n
11)(
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
40
Maka,
ΣS
n
n
nE
1 (2.40)
Jadi
n
n
nS
1merupakan penduga tak bias dari .
Bukti:
nn
/),(21
XXXX , dengan sifat nilai harapan maka
μ
μμμ
XXX
XXX
XXXX
nnn
En
En
En
nE
nE
nE
nnnEE
n
n
n
111
)(1
)(1
)(1
111
111)(
21
21
21
Selanjutnya,
)()(1
)(1
)(1
)')((
1 1
2
11
μXμX
μXμXμXμX
n
j
n
j
nn
j
j
n
nn
)()(1
)'()()(
1 1
2μXμXμXμXX
n
j
n
jn
ECov
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
41
Dengan j dan tiap entri di )()( μXμXj
sama dengan nol karena
entrinya adalah kovariansi antara satu komponen di j
X dan satu komponen di X
, dan independen. Maka dari itu,
)()(1
)(
1 1
2μXμXX
n
j
n
jn
Cov
Karena )()( μXμXΣj
adalah populasi kovariansi yang sama untuk tiap
jX , maka
ΣΣ
ΣΣΣμXμXX
nn
n
nnCov
n
n
j
n
j
1)(
1
)(1
)()(1
)(
2
sebanyak
2
1 1
2
Untuk memperoleh nilai harapan nS , pertama ingat bahwa
)()(kjkiji
XXXX adalah elemen ke- ),( ki dari )( X(X)XXjj
.
Matriksnya menunjukkan penjumlahan kuadrat dan perkalian silang dan dapat
dituliskan sebagai
XXXX
X)XXX)XXX(X)XX
n
n
j
jj
n
j
j
n
j
jj
n
j
jj
1
111
)((()(
Karena
n
j
j
1
0( )XX dan
n
j
jn
1
XX , nilai harapannya adalah
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
42
)(
11
XXXXXXXX
EnEnE
n
j
jj
n
j
jj
Untuk sebarang vektor random V dengan VE μV )( dan V
Cov ΣV )( ,
didapatkan VVVE μμΣVV )( , akibatnya
μμΣXX jj
E dan μμΣXX n
E1
)(
Hasilnya,
ΣμμΣμμΣXXXX )1(1
)(
1
nn
nnnEnE
n
j
jj
Dan karena
)(1
1
XXXXS EnEn
n
j
jjn, menunjukkan bahwa
ΣSS
nnn
nEE
1)(
Definisi 2.4.6.1 Matriks Variansi Sampel-Kovariansi (Tak Bias) adalah
)XX)XXS
j
n
j
jn
((1
1
1
(2.41)
S memiliki entri ke- ),( kj )()()1(
1
1
kjk
n
j
ijiXXXXn
.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
43
2.4.7 Variansi yang Diperumum
Variansi sampel sering digunakan untuk menggambarkan besarnya variansi
dalam pendugaan suatu variabel tunggal. Ketika p variabel diamati dalam tiap
unit, variansi digambarkan oleh matriks variansi-kovariansi
n
j
kjkijiik
pppp
p
p
xxxxn
s
sss
sss
sss
1
21
22221
11211
))((1
1dengan
S
Variansi yang diperumum dapat diintepretasikan dalam ruang sebaran data
berdimensi-p. Interpretasi yang paling intuitif memperhatikan penyebaran titik
rata-rata sampel. Bentuk penyebarannya didasari oleh titik rata-rata sampel
p
xxx ,,,21x . Andaikan jarak kuadrat dari titik
pxxx ,,
21x ke titik
asal diberikan oleh Axx dengan A adalah matriks definit positif dan simetris
yang berukuran )( pp . Maka jarak kuadrat dari x ke titik tetap
p
,,21
μ diberikan oleh bentuk umum )()( μxAμx . Pertimbangkan
ukuran jarak yang diberikan dalam pernyataan di atas. Andaikan x menggantikan
titik tetap μ dan 1S menggantikan A. Maka jarak untuk suatu konstanta c,
p
xxx ,,21
x dari x memenuhi
21)(( c
xxS)xx (2.42)
Bila 11
2
11
1/)()()(,1 sxxp
xxSxx adalah jarak kuadrat dari
1x ke x
dalam satuan standar deviasi.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
44
2.4.8 Distribusi Normal Multivariat
Fungsi densitas Normal multivariat adalah generalisasi dari fungsi densitas
Normal univariat ke dimensi p > 2. Distribusi Normal univariat dengan rata-rata
dan variansi 2 memiliki fungsi densitas
xexf
x 2//)(
2
2
2
1)(
(2.43)
Gambar 2.3 Fungsi densitas Normal dengan rata-rata dan variansi 2 dan
daerah-daerah yang di pilih dibawah kurva
Gambar tersebut merupakan pendekatan luas daerah dibawah kurva dengan
standar deviasi ±1 dan ±2 dari rata-rata. Luas daerah tersebut menunjukkan
probabilitas untuk variabel random Normal X.
95,0)22(
68.0)(
XP
XP
Selanjutnya fungsi densitas Normal dengan rata-rata dan variansi 2 akan
ditulis ),( N .
Istilah
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
45
xxx 12
2
(2.44)
dalam eksponen fungsi densitas Normal univariat mengukur jarak kuadrat dari x
ke dalam satuan standar deviasi. Hal ini dapat diperumum untuk suatu vektor
pengamatan x berukuran p 1 dalam beberapa variabel sebagai
μxΣμx1
(2.45)
Vektor μ yang berukuran p 1 menunjukkan nilai harapan vektor random X,
dan matriks Σ yang berukuran p p merupakan matriks variansi-kovariansi.
Diasumsikan matriks simetris Σ adalah matriks definit positif, jadi (2.45) adalah
jarak kuadrat yang diperumum dari x ke μ .
Fungsi densitas Normal multivariat diperoleh dengan mensubtitusikan jarak
univariat dalam (2.44) dengan jarak multivariat yang diperumum dari (2.45)
dalam fungsi densitas (2.43). Jika sudah disubtitusi, konstanta Normal univariat
2/122/1)()2(
harus disubtitusi ke konstanta yang lebih umum yang dapat
membuat volume dibawah permukaan fungsi densitas multivariat bernilai satu
untuk setiap p. Konstanta pengganti tersebut adalah 2/12/
2 Σp
.
Definisi 2.4.8.1 Andaikan ),,,(21 p
xxx x merupakan vektor random
berdimensi p, x dikatakan berdistribusi Normal multivariat jika fungsi densitasnya
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
46
2/
2/12/
1
2
1)(
μxΣμx
Σ
x
efp
(2.46)
dengan pixi
,,2,1, dan Σ adalah matriks definit positif, ditulis
)( Σμ,p
N .
Secara khusus, skripsi ini berkaitan dengan distribusi Normal Bivariat
yaitu p = 2.
2.4.9 Fungsi Densitas Normal Bivariat
Himpunan semua x sedemikian sehingga 2c
μxΣμx
1 merupakan
permukaan elipsoid yang berpusat di μ .
Sumbu setiap elipsoid dari fungsi densitas bersesuaian dengan vektor eigen
1Σ
dan panjangnya proporsional dengan akar kuadrat dari kebalikan nilai eigen
1Σ
. Perhitungan 1Σ
dapat dihindari ketika menentukan sumbu elipsoid, karena
elipsoid dapat ditentukan oleh nilai eigen dan vektor eigen Σ .
Akibat 2.4.9.1 Jika Σ adalah matriks definit positif sehingga 1Σ
ada, maka
eΣe mengakibatkan eeΣ1
1
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
47
jadi ),( e adalah pasangan nilai dan vektor eigen untuk Σ yang bersesuaian
dengan pasangan ),/1( e untuk 1Σ
. Jadi 1Σ
adalah matriks definit positif.
Bukti
Untuk matriks definit positif Σ dan e ≠ 0 adalah vektor eigen, terdapat
')(')(''0 eeeeΣeeΣee . Selain itu, )()(11
eΣΣeΣe
atau
eΣe1
dan pembagian oleh 0 diberikan oleh eeΣ )/1(1
. Maka
e)/1( adalah pasangan nilai dan vektor eigen untuk 1Σ
. Untuk setiap x yang
berukuran ,
p
i
i
i
p
i
ii
i
1
2
1
1
0'1
1'
ex
xeexxxΣ
karena setiap bentuk 2
'1
i
i
ex
tidak negatif, dan 0'
iex untuk semua i jika
hanya jika x = 0. Jadi x ≠ 0 mengakibatkan
p
i
i
i1
20'
1ex
dan 1
Σ adalah
matriks definit positif.
Definisi 2.4.9.1 Peta fungsi densitas konstanta distribusi Normal berdimensi p
adalah elips yang di definisikan oleh x sehingga
2c
μxΣμx
1 (2.47)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
48
Dengan pusat μ dan panjang sumbu utama ii
c e , dengan
piiii
,,2,1 eΣe
Sub bab 2.5 sampai dengan sub bab 2.6 dibahas untuk memberikan landasan
teori bagi pokok bahasan T2 Hotelling yang ada dalam BAB III.
2.5 Metode Fungsi Pembangkit Momen
Metode fungsi pembangkit momen digunakan untuk mencari distribusi
probabilitas dari suatu fungsi variabel random nYYY ,,,
21 yang didasari oleh
teorema berikut.
Teorema 2.5.1 (Teorema Ketunggalan)
Andaikan )(tmX
dan )(tmY
secara berturut-turut merupakan fungsi pembangkit
momen dari variabel random X dan Y. Jika kedua fungsi pembangkit momen ada
dan )()( tmtmYX
untuk semua nilai t, maka X dan Y mempunyai distribusi
probabilitas yang sama.
Jika U merupakan fungsi dari n variabel random, nYYY ,,,
21 , langkah
pertama menggunakan Teorema 2.5.1 adalah adalah mencari fungsi pembangkit
momen dari U:
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
49
)()(tU
UeEtm . (2.48)
Jika fungsi pembangkit momen untuk U sudah ditemukan, bandingkan
dengan fungsi pembangkit momen untuk variabel random dengan distribusi yang
sudah diketahui dengan baik (well-known distributions). Jika )(tmU sama dengan
salah satunya, katakanlah fungsi pembangkit momen untuk variabel random V.
Dengan menggunakan Teorema 2.5.1, U dan V memiliki distribusi probabilitas
yang sama. Bukti untuk teorema ini dapat ditemukan di Hongki Julie (1999).
Fungsi densitas, rata-rata, variansi, dan fungsi pembangkit momen untuk beberapa
variabel random yang seringkali ditemui dan ditunjukkan pada Lampiran 2.
Contoh 2.5.1
Andaikan Z variabel random yang berdistribusi Normal dengan rata-rata = 0
dan variansi = 1. Gunakan metode fungsi pembangkit momen untuk mencari
distribusi probabilitas Z2.
Fungsi pembangkit momen untuk Z2 adalah
dze
dze
edzzfeeEtm
tz
z
ZtZtZt
z
)21()2/(
2/
2
2
222
2
2
1
2)()()(
Integral tersebut dapat dievaluasi baik dengan tabel integral atau dengan mencatat
bahwa, jika 1 – 2t > 0 (ekivalen dengan t < ½), integran
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
50
2
)21(2
exp
2
)21(2
exp1
22
t
zt
z
sebanding dengan fungsi densitas variabel random berdistribusi Normal dengan
rata-rata 0 dan variansi (1 – 2t)-1
. Untuk membuat integran suatu fungsi densitas
Normal (integral definit = 1), kalikan numerator dan denumerator dengan standar
deviasi, 2/1
)21(
t . Maka
dzt
z
tttm
z
1
2
2/12/1)21(
2exp
)21(2
1
)21(
1)(2
.
Karena integralnya sama dengan 1, jika t < ½,
2/1
2/1)21(
)21(
1)(2
t
ttm
z
Perbandingan )(2 tmz
dengan fungsi pembangkit momen dalam Lampiran 2
menunjukkan bahwa )(2 tmz
sama dengan fungsi pembangkit momen untuk
variabel random berdistribusi gamma dengan 2dan 2/1 . Dengan
demikian Z2 berdistribusi
2 dengan derajat bebas 1.
Teorema 2.5.2 Andaikan nYYY ,,,
21 merupakan variabel random yang
independen dengan fungsi pembangkit momen secara berturut-turut
)(,),(),(21
tmtmtmnYYY
. Jika nYYYU
21 , maka
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
51
)()()()(21
tmtmtmtmnYYYU
. (2.49)
Bukti
Karena Variabel random nYYY ,,,
21 independen, maka
)()( 211 )( nn tYtYtYYYt
UeeeeEtm
)()()( 21 ntYtYtYeEeEeE .
Dengan menggunakan definisi fungsi pembangkit momen,
)()()()(21
tmtmtmtmnYYYU
Teorema 2.5.3 Andaikan nYYY ,,,
21 merupakan variabel random independen
yang berdistribusi Normal dengan niYVYEiii
,,2,1untuk ,)(dan )(2
,
dan andaikan naaa ,,,
21 adalah konstanta. Jika
nni
n
i
iYaYaYaYaU
2211
1
, (2.50)
maka U adalah variabel random berdistribusi Normal dengan
nni
n
i
iaaaaUE
2211
1
)(
dan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
52
222
2
2
2
2
1
2
1
2
1
2)(
nni
n
i
iaaaaUV
.
Bukti
Karena Yi berdistribusi Normal dengan rata-rata i dan variansi
2
i , Yi memiliki
fungsi pembangkit momen yang diberikan oleh
2exp)(
22t
ttmi
iYi
.
Jadi fungsi pembangkit momen iiYa diberikan oleh
2exp)()()(
22t
tatameEtmi
iiiYi
Yta
Ya
ii
ii
.
Karena variabel random Yi independen, variabel random iiYa juga independen,
untuk ni ,,2,1 , Teorema 2.5.2 mengakibatkan
n
i
ii
n
i
ii
nn
nn
YaYaYaU
at
at
tata
tata
tmtmtmtmnn
1
22
2
1
222
1
22
1
2
1
11
2exp
2exp
2exp
)()()()(2211
yang merupakan fungsi pembangkit momen dari distribusi Normal dengan
n
i
iiUa
1
dan
n
i
iiaUVar
1
22)(
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
53
Jadi, berdasarkan teorema ketunggalan U berdistribusi Normal dengan rata-rata
n
i
iia
1
dan variansi
n
i
iia
1
22 .
2.6 Distribusi Sampling yang Berhubungan dengan Distribusi Normal
Teorema 2.6.1 Andaikan nYYY ,,,
21 merupakan sampel random berukuran n
dari distribusi Normal dengan rata-rata dan variansi 2 . Maka
n
i
iY
nY
1
1 (2.50)
Berdistribusi Normal dengan rata-rata Y
dan variansi nY
/22
.
Bukti
Karena nYYY ,,,
21 merupakan sampel random dari suatu distribusi Normal
dengan rata-rata dan variansi 2 , niY
i,,2,1, , adalah independen,
berdistribusi Normal, dengan )(i
YE dan 2
)( i
YV . Selanjutnya,
)(1
)(1
)(11
21
1
n
n
i
iY
nY
nY
nY
nY
ninaYaYaYainn
,,2,1,/1dengan 2211
.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
54
Y adalah kombinasi linear dari nYYY ,,,
21 , dan Teorema 2.13.3 dapat
diaplikasikan untuk menyimpulkan bahwa Y berdistribusi Normal dengan
)(
1)(
1)(
1)(
1)(
1nn
Yn
Yn
EYEn
dan
nn
nnnY
nY
nVYV
n
2
2
2
2
2
2
21)(
1)(
1)(
1)(
1)(
1)(
.
Oleh karena itu, distribusi sampling Y adalah Normal dengan dengan rata-rata
Y
dan variansi nY
/22
.
Distribusi 2
memainkan peranan penting dalam banyak langkah-langkah
penarikan kesimpulan. Sebagai contoh, andaikan akan dibuat suatu penarikan
kesimpulan tentang variansi populasi 2 yang didasari sampel random
nYYY ,,,
21 dari populasi yang berdistribusi Normal. Penduga baik dari 2
adalah variansi sampel
2
1
2
1
1
n
i
iYY
nS . (2.52)
Teorema 2.6.2 Andaikan nYYY ,,,
21 merupakan sampel random berdistribusi
Normal dengan rata-rata dan variansi 2 . Maka
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
55
2
1
22
21)1(
n
i
iYY
Sn
(2.53)
berdistribusi 2
dengan derajat bebas (n – 1). Y dan S2 variabel random yang
independen.
Bukti
Bukti berikut digunakan untuk mengantarkan generalisasi dari distribusi t
(univariat) ke T2 Hotelling (multivariat). Diasumsikan n = 2 dan akan ditunjukkan
bahwa 2
2)1(
Sn berdistribusi
2 dengan derajat bebas 1. Dalam kasus n = 2,
)(2
121
YYY ,
Maka
2
)(
)(2
12
)(2
1)(
2
1
)(2
1)(
2
1
12
1
2
21
2
21
2
21
2
21
2
212
2
211
2
2
2
1
22
1
2
YY
YY
YYYY
YYYYYY
YYYY
YYS
i
i
sehingga,
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
56
2
2
21
2
2
21
2
2
22
)()1(
YYYYSn.
Akan ditunjukkan jumlah tersebut sama dengan kuadrat variabel random
Normal standar, yaitu Z2 yang berdistribusi
2 dengan derajat bebas 1.
Karena 21
YY adalah kombinasi linear dari variabel random yang
independen, maka variabel random berdistribusi Normal
)1dan 1dengan (21221121
aaYaYaYY , Teorema 6.3 mengatakan
bahwa 21
YY berdistribusi Normal dengan rata-rata 011 dan variansi
222222)1()1( . Oleh karena itu,
2
21
2
YYZ
berdistribusi Normal standar. Karena untuk n = 2
2
2
2
21
2
2
2
)1(Z
YYSn
,
Hal ini menunjukkan bahwa menurut Contoh 2.13.1 2
2)1(
Sn berdistribusi
2
dengan derajat bebas 1.
Karena
21
1
YYU
dan
21
2
YYU
adalah variabel random yang
independen. Karena n = 2,
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
57
22
)(121
UYYY
dan
2
)(
2
)(2
2
2
212 UYYS
.
Karena Y merupakan fungsi dari 1
U dan 2S merupakan fungsi dari
2U ,
independensi 1
U dan 2
U mengakibatkan independesi dari Y dan 2S . Terbukti
bahwa Y dan 2S variabel random yang independen.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
58
BAB III
T2 HOTELLING
3.1 Distribusi T2 Hotelling
Definisi 3.1.1 (Menurut Dennis D.Wackerly, William Mendenhall III, dan
Richard L. Scheaffer)
Andaikan Z merupakan variabel random yang berdistribusi Normal Standar dan
andaikan W merupakan variabel random yang berdistribusi 2 dengan derajat
bebas v. Kemudian jika Z dan W independen, maka
vW
ZT
/ (3.1)
dikatakan berdistribusi t dengan derajat bebas v.
Jika n
YYY ,,,21 merupakan sampel random dari populasi Normal dengan
rata-rata dan variansi 2 , Teorema 2.6.1 dapat diaplikasikan untuk
menunjukkan / YnZ berdistribusi Normal Standar. Teorema 2.6.2
mengatakan bahwa 22/)1( SnW berdistribusi 2
dengan derajat bebas v =
n – 1, Z dan W independen ( karena Y dan S2 independen ). Oleh karena itu
dengan Definisi 3.1.1,
S
Yn
nSn
Yn
vW
ZT
)1/(/)1(
/)(
/ 22
(3.2)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
59
berdistrinbusi t dengan derajat bebas (n – 1).
Jarak kuadrat persamaan diatas adalah
YSYn
S
YnT
12
2
2)( (3.3)
Generalisasi dari statistik di atas dalam notasi matriks disebut statistik T2
Hotelling yang berbentuk
μY(S)μY1
nT2 . (3.4)
Statistik T2
berdistribusi pnp
Fpn
pn
,
)(
)1( dengan
pnpF
, menunjukkan variabel
random berdistribusi F dengan p karakteristik dan derajat bebas n – p.
3.2 Daerah Kepercayaan Elips
Andaikan adalah vektor dari parameter populasi yang tidak diketahui
dan adalah himpunan semua kemungkinan nilai-nilai . Daerah kepercayaan
adalah daerah kemungkinan nilai-nilai . Daerah ini ditentukan oleh data dan
didenotasikan dengan )(XR ,dengan n
XXXX ,,,21 adalah matriks data.
Daerah )(XR dikatakan memiliki daerah kepercayaan )%1(100 jika
sebelum sampel dipilih,
1 memenuhiakan )(XRP (3.5)
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
60
Probabilitas ini dihitung berdasarkan kebenaran, tetapi nilai tidak diketahui.
Daerah kepercayaan untuk rata-rata μ dari populasi Normal berdimensi p
adalah
)(
)(
)1(,
1
pnpF
pn
nnP μXSμX
Sebelum sampel dipilih,
1)(
)(
)1(,
1
pnpF
pn
nnP μXSμX
berapapun nilai nilai μ dan Σ yang tidak diketahui. Dengan kata lain, X tidak
akan lebih dari
2/1
,)(
)(
)1(
pnp
Fpn
pn
dari μ , dengan probabiitas 1 , jarak yang diberikan didefinisikan dalam bentuk
1
/
nS . Untuk suatu sampel khusus, x dan S dapat dihitung dan ketaksamaannya
)()(
)1(,
1
pnpF
pn
pnn
μXSμX
akan mendefinisikan suatu daerah )(XR dengan ruang dari semua kemungkinan
nilai parameter. Dalam kasus seperti ini, daerahnya adalah suatu elips dengan
pusat x . Elips ini merupakan daerah kepercayaan )%1(100 untuk μ .
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
61
Definisi 3.2.1 Suatu daerah kepercayaan )%1(100 untuk rata-rata distribusi
Normal berdimensi p didefinisikan untuk semua μ adalah
)()(
)1(,
1
pnpF
pn
npn
μXSμX (3.6)
dengan
n
j
jn 1
1xx ,
xxxxSj
n
j
jn 1)1(
1 dan
nxxx ,,,
21 adalah
sampel pengamatan.
Untuk menentukan apakah sebarang 0μ berada di dalam daerah
kepercayaan (nilai c yang masuk akal), perlu menghitung jarak kuadrat yang
diperumum 0
1
0μxSμx
n dan dibandingkan dengan )(
)(
)1(,
pnp
Fpn
np
.
Jika jarak kuadrat lebih besar daripada )()(
)1(,
pnp
Fpn
np
, maka 0
μ tidak
berada di dalam daerah kepercayaan.
Sumbu dan panjang daerah kepercayaan elips dapat ditentukan dari nilai
eigen i dan vektor eigen i
e dari S. Pada (2.47), arah dan panjang sumbu dari
)()(
)1(,
21
pnpF
pn
npcn
μxSμx
ditentukan oleh
)()(
)1(,
pnpi
iF
pnn
np
n
c
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
62
yang berada di sepanjang vektor eigen ie . Dimulai pada pusat x , sumbu daerah
kepercayaan elips adalah
piFpnn
npiiiipnpi
,,2,1, dimana)()(
)1(,
eSee (3.7)
Contoh 3.2.1
Suatu perusahaan yang memproduksi microwave akan memantau banyaknya
pemencaran radiasi ketika pintu microwave terbuka dan tertutup. Diambil sampel
dari masing-masing karakteristik mutu sebanyak n = 42, kemudian diuji apakah
589,0,562.0μ berada di dalam selang kepercayaan dengan 05.0 .
No Terbuka Tertutup No Terbuka Tertutup
1 0,15 0,30 22 0,05 0,10
2 0,09 0,09 23 0,03 0,05
3 0,18 0,30 24 0,05 0,05
4 0,10 0,10 25 0,15 0,15
5 0,05 0,10 26 0,10 0,30
6 0,12 0,12 27 0,15 0,15
7 0,08 0,09 28 0,09 0,09
8 0,05 0,10 29 0,08 0,09
9 0,08 0,09 30 0,18 0,28
10 0,10 0,10 31 0,10 0,10
11 0,07 0,07 32 0,20 0,10
12 0,02 0,05 33 0,11 0,10
13 0,01 0,01 34 0,30 0,30
14 0,10 0,45 35 0,02 0,12
15 0,10 0,12 36 0,20 0,25
16 0,10 0,20 37 0,20 0,20
17 0,02 0,04 38 0,30 0,40
18 0,10 0,10 39 0,30 0,33
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
63
19 0,01 0,01 40 0,40 0,32
20 0,40 0,60 41 0,30 0,12
21 0,10 0,12 42 0,05 0,12
Dengan menggunakan program MATLAB, didapatkan hasil sebagai berikut:
6030.0
5643.0x ,
0142.00114.0
0114.00144.0S ,
6680.2059121.167
9121.1674739.2081
S
6215.62867.1
)()(
)1(,
1
pnpF
pn
npn μxSμx
Karena 1.2867 ≤ 6.6215 maka proses terkendali.
Gambar 3.1 Daerah kepercayaan 95% elips untuk μ.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
64
3.3 Grafik Pengendali T2 Hotelling
Banyak keadaan yang memerlukan pengendalian bersama dua atau lebih
karakteristik mutu yang berhubungan. Masalah pengendalian mutu dengan
beberapa karakteristik mutu yang berhubungan disebut masalah pengendalian
mutu multivariat. Grafik pengendali T2 Hotelling digunakan untuk mengendalikan
beberapa karakteristik mutu yang berhubungan. Andaikan dua karakteristik mutu
1X dan
2X berdistribusi bersama menurut distribusi Normal bivariat.
1x dan
2x
merupakan nilai rata-rata dari karakteristik mutu, dan 2
1S dan 2
2S variansi sampel
1X dan
2X . Kovarian antara
1X dan
2X adalah
12S . Asumsikan bahwa
1 ,
2 ,
dan 12
diketahui. Jika 1
X dan 2
X adalah rata-rata sampel dari dua karakteristik
mutu yang dihitung dari sampel berukuran n, maka statistik
221112
2
22
2
1
2
11
2
22
12
2
2
2
1
22 XXXXSXXSXXS
SSS
nT (3.8)
akan berdistribusi Hotelling dengan derajat bebas 2 dan (n – 1). Jika 2
1;2;
2
nTT
,
maka paling sedikit satu dari karakteristik mutu itu tidak tekendali dengan 2
1;2; nT
adalah titik presentase atas distribusi T2 Hotelling dengan derajat bebas 2 dan
(n – 1).
Nilai-nilai T2 yang dihitung dari persamaan (3.8) untuk tiap sampel pada
grafik pengendali dengan hanya batas pengendali atas 2
1;2; nT
(Gambar 3.2).
Grafik pengendali ini biasanya disebut grafik pengendali T2 Hotelling. Perhatikan
bahwa urutan waktu data tersebut tetap ada dengan grafik pengendali ini, sehingga
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
65
pengendalian atau pola tak random tersebut dapat diselidiki. Selain itu, grafik ini
memiliki keuntungan tambahan bahwa “keadaan” proses dikarakterisasi oleh satu
bilangan (nilai statistik T2). Hal ini sangat berguna ketika ada dua atau lebih
karakteristik mutu yang diminati.
Gambar 3.2 Grafik pengendali T2 Hotelling untuk p = 2 karakteristik mutu.
Hal ini memungkinkan untuk memperluas hasil ini untuk kasus dengan p
karakteristik mutu yang terkait dikendalikan bersama. Diasumsikan distribusi
bersama p karakteristik mutu adalah distribusi Normal p-variat. Prosedurnya
memerlukan perhitungan rata-rata sampel dari tiap p karakteristik mutu dari suatu
sampel berukuran n. Himpunan rata-rata karakeristik mutu ditunjukkan oleh
vektor X yang berukuran 1p
pX
X
X
2
1
X
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
66
Statistik uji yang di plot pada grafik pengendali T2 Hotelling untuk tiap
sampel adalah
XXSXX1
nT2 (3.9)
dengan p
XXX ,,,21X adalah vektor rata-rata dari tiap karakteristik mutu
dan S adalah matriks kovarian. Batas pengendali atas pada grafik pengendali
adalah 2
1;; npT
. Titik presentase distribusi F dapat diperoleh melalui hubungan
pnpnpF
pn
npT
;;
2
1;;
)1( (3.10)
Dalam praktek, biasanya perlu menduga X dan S dari analisa sampel awal
dengan ukuran n, diambil ketika proses diasumsikan terkendali. Andaikan
diketahui m sampel berdistribusi Normal yang terdiri dari p karakteristik mutu dan
masing-masing sampel berukuran n. Rata-rata dan variansi sampel dapat dihitung
dari tiap sampel, maka
n
i
ijkjkmkpjX
nX
1
,,2,1,,2,11
(3.11)
n
i
jkijkjkmkpjXX
ns
1
22,,2,1,,2,1
1
1 (3.12)
dengan ijkX adalah pengamatan ke-i pada karakteristik mutu ke-j dalam sampel
ke-k. Kovarian antara karakteristik mutu j dan h dalam sampel ke-k adalah
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
67
n
i
hkihkjkijkjhkhjmkXXXX
ns
1
,,2,11
1 (3.13)
Statistik jkX ,
2
jks ,
jhks merupakan rata-rata dari semua m sampel untuk
mendapatkan
m
k
jkjpjX
mX
1
,,2,11
(3.14)
m
k
jkjpjs
ms
1
22,,2,1
1 (3.15)
dan
m
k
jhkjhhjs
ms
1
1 (3.16)
j
X merupakan elemen dari vektor X , dan matriks kovarian pp S adalah
2
2
2
2
112
2
1
p
p
p
s
ss
sss
S (3.17)
Contoh 3.3.1
Perusahaan Manufaktur ”OSIK Baja” melakukan pengendalian statistik
terhadap kuat tarik dan berat yang merupakan karakteristik mutu yang penting
dalam industri baja, 20 buah sampel masing-masing berukuran 4 buah dipilih
secara random. Dengan data sebagai berikut
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
68
No
Sampel,
k
Rata-rata Sampel No
Sampel,
k
Rata-rata Sampel
Kekuatan
(1
x )
Berat
(2
x )
Kekuatan
(1
x )
Berat
(2
x )
1 81,25 20,25 11 85,25 22,25
2 79,50 21,00 12 81,75 21,75
3 85,00 21,50 13 82,00 18,25
4 81,50 17,75 14 78,75 22,00
5 81,75 21,00 15 81,00 20,00
6 85,50 21,25 16 84,00 20,50
7 84,75 20,75 17 81,50 19,00
8 80,00 19,00 18 82,50 20,75
9 86,25 17,50 19 83,75 20,50
10 80,50 18,75 20 82,75 19,75
Rata-rata 82,46 20,17
Kemudian dihitung rata-rata dari tiap sampel, variansi dan kovariansi. Nilai
statistik T2 dihitung dengan memasukkan nilai-nilai 175,20dan 46,82
21 xx ke
dalam (3.8) dengan hasil sebagai berikut.
No
Sampel,
k
Rata-rata Sampel Variansi dan Kovariansi
T² Kekuatan
(1
x )
Berat
(2
x ) 2
1kS
2
2 kS k
S12
1 81,25 20,25 8,917 1,583 0,917 0,783
2 79,50 21,00 15,000 6,000 -9,000 5,247
3 85,00 21,50 3,333 4,333 3,000 5,977
4 81,50 17,75 5,667 2,917 1,167 7,947
5 81,75 21,00 10,917 4,667 5,333 1,035
6 85,50 21,25 1,667 1,583 0,167 6,725
7 84,75 20,75 6,250 4,250 4,583 3,356
8 80,00 19,00 13,333 4,667 -7,333 5,265
9 86,25 17,50 2,250 3,667 -2,500 15,245
10 80,50 18,75 4,333 0,917 -0,500 4,863
11 85,25 22,25 0,917 2,917 0,917 10,083
12 81,75 21,75 0,917 0,917 0,583 3,172
13 82,00 18,25 8,667 2,917 -0,333 4,743
14 78,75 22,00 8,917 0,667 1,333 10,664
15 81,00 20,00 16,667 3,333 -7,333 1,211
16 84,00 20,50 2,667 5,667 -2,667 1,452
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
69
17 81,50 19,00 12,333 4,667 3,000 2,312
18 82,50 20,75 8,333 2,917 -4,500 0,407
19 83,75 20,50 14,250 4,333 3,167 1,064
20 82,75 19,75 4,917 2,917 2,917 0,251
Rata-
rata 82,4625 20,175 7,512 3,292 -0,354
Gambar 3.3 Grafik Pengendali untuk Contoh 3.1
Dari persamaan (3.8) diperoleh statistik penguji yang harus digambarkan pada
grafik T2 sebagai
)17,20()46,82()35,0(2
)17,20()51,7()46,82()29,3(
)35,0()29,3)(51,7(
4
21
2
2
2
1
2
2
XX
XXT (3.18)
dan jika 05,0 , batas pengendali atas grafik tersebut adalah
0
10
20
30
40
50
60
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
T2
Grafik T² Hotelling
T²
BPA
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
70
57
)19(2
6
24
)3)(2(2;2;05,0
2
3;2;01,0
FT
Dari grafik pada Gambar 3.3 dapat dilihat bahwa semua sampel berada di dalam
batas pengendali, maka dapat disimpulkan bahwa proses terkendali.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
71
BAB IV
APLIKASI GRAFIK PENGENDALI T2 HOTELLING
Pada bab ini akan dibahas aplikasi grafik pengendali T2
dengan data yang
bersumber dari skripsi Mutia Umar Ahmad Batarfie (2006) di PT. Sinar Bogor
QUA (PT. SBQUA).
4.1 Gambaran Umum Perusahaan
4.1.1 Sejarah dan Perkembangan Perusahaan
PT. Sinar Bogor QUA (PT. SBQUA) merupakan perusahaan khusus yang
memproduksi Air Minum Dalam Kemasan (AMDK) dengan jenis produksi
kemasan galon. PT SBQUA didirikan pada bulan September 2001 di Jl. Pajajaran
no 21 Warung Jambu Bogor dengan bentuk perusahaan perseorangan dan
memiliki total investasi (tidak termasuk tanah dan bangunan tempat usaha)
sebesar Rp. 23.500.000. Pada tahun 2002, PT. SBQUA mengadakan kerjasama
dengan Perusahaan Daerah Air Minum (PDAM) Kota Bogor tentang pengadaan
air bersih untuk bahan baku produksi Air Minum Dalam Kemasan (AMDK)
dengan nomor perjanjian kerjasama No. 695.2/SPK.05-PDAM-SBQUA/2002.
Tahun 2003 bentuk perusahaan SBQUA berubah menjadi Perseroan Terbatas
(PT).
PT. SBQUA memiliki izin usaha industri dengan nomor tanda daftar industri
535/45.TDI-Diperindagkop, dan telah memiliki SNI 01-3553-1996 dengan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
72
sertifikat produk penggunaan tanda SNI nomor : 0283/PUSTAN/SNI-
BW/X/2001, serta merek dalam negeri dari Badan Pengawasan Obat dan
Makanan (BPOM) MD. 249110001624. Bahan baku dalam produksi juga telah
memenuhi syarat kualitas air minum Menkes R.I No. 907/Menkes/VII/2002
tanggal 26 Juli 2002.
4.1.2 Kebijakan Mutu Perusahaan
PT. SBQUA percaya bahwa mutu merupakan kepentingan setiap orang, serta
menetapkan kebijakan mutu yang dituangkan dalam pernyataan berikut :
”Memproduksi Air Minum Dalam Kemasan Sesuai dengan Keinginan Pelanggan
dengan Penyerahan Barang Tepat Waktu”. Sasaran mutu yang ditetapkan adalah
memproduksi AMDK minimal sesuai dengan SNI 01-3553-1996. Untuk
mencapai sasaran tersebut, perusahaan menerapkan dan mengelola sistem mutu
dengan mengacu kepada pedoman BSN-10 dan kebijakan serta sasaran mutu
disebarluaskan kepada setiap personil yang ada dalam perusahaan untuk
diterapkan dalam pelaksanaan tugasnya masing – masing.
4.2 Proses Produksi
Produksi AMDK di PT. SBQUA dilakukan setiap hari, kecuali hari
minggu/libur, dengan jumlah produksi sesuai dengan pesanan saat itu. Total
pemakaian air dan produksi AMDK PT. SBQUA pada bulan Januari hingga April
2006 terdapat pada Lampiran 3. Produk yang telah jadi akan dikirimkan
langsung kepada pemesan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
73
Pada proses produksi, air baku akan diproses melalui beberapa tahap filtrasi
yang bertujuan untuk menghilangkan bau dan kekeruhan serta melalui proses
sterilisasi (ozonisasi dan ultra violet). Secara umum diagram alir proses produksi
dapat dilihat pada Lampiran 4. Pada diagram alir tersebut dapat dilihat air baku
dari PDAM ditampung di tank penampungan bahan baku, lalu dipompa untuk
dialirkan ke carbon active filter I. Carbon active filter I ini berfungsi untuk
menangkap ion-ion negatif serta menyaring kotoran dan bau dalam air. Tahapan
berikutnya adalah ressin filter yang berfungsi untuk menstabilkan pH pada air. Air
kemudian dialirkan kembali ke carbon active filter II untuk disaring kembali
kotoran dan bau yang masih tersisa. Tahap filtrasi berikutnya adalah penyaringan
melalui filter cartridge dengan kekuatan penyaring 5 sampai 1 mikron, dimana
kotoran – kotoran, endapan, serta mineral yang ada didalam air akan disaring. Air
yang telah melalui tahapan filtrasi tersebut, dialirkan ke ozon generator, dimana
air akan diberi ozon untuk melemahkan bakteri – bakteri yang terkandung dalam
air. Ozon dan air tersebut akan dicampur secara merata didalam ozon reactor.
Setelah melalui tahap ozonisasi, air ditampung di tank penampungan bahan jadi,
dan dialirkan melalui sinar ultra violet (UV) dengan kekuatan 10 gpm
(galon/menit) untuk mematikan bakteri –bakteri dalam air. Tahap terakhir adalah
pengisian air melalui mesin filler.
4.3 Penerapan Pengendalian Mutu Perusahaan
Pengendalian mutu pada PT SBQUA terbagi menjadi empat tahap yaitu
pengendalian mutu bahan baku, pengendalian mutu dalam proses, pengendalian
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
74
mutu produk jadi, dan pengendalian mutu kemasan. Agar kualitas air tetap
terjamin, perusahaan dilengkapi dengan laboratorium QC yang cukup memenuhi
syarat dimana setiap hari dilakukan pengujian fisika dan kimia mulai dari air baku
hingga AMDK serta secara mikrobiologi dilakukan uji bakteri e-coli. AMDK
yang diuji di laboratorium PT.SBQUA secara berkala akan dilakukan
perbandingan dengan pengujian kembali di laboratorium yang sudah terakreditasi
seperti BBIA (Balai Besar Industri Agro) Bogor.
Pada skripsi ini yang akan dibahas adalah tahap pengendalian mutu bahan baku
untuk karakteristik mutu nilai pH, kekeruhan air, dan TDS pada tank
penampungan bahan baku.
4.3.1 Pengendalian Mutu Bahan Baku
Bahan baku utama dalam produksi AMDK SBQUA adalah air yang berasal
dari PDAM. Mutu air dipengaruhi oleh parameter mutu air, penyimpanan bahan
baku air dan cuaca. Parameter mutu air terdiri dari pH, suhu, kekeruhan, TDS,
chlorida, dan mikrobiologi. Nilai pH dalam perairan mencirikan keseimbangan
antara asam dan basa dalam air. Penyimpangan dalam pH pada air minum akan
mempengaruhi pertumbuhan mikroba didalam air dan perubahan rasa pada air.
Menurut SNI- 01-3553-1996, persyaratan pH pada AMDK adalah 6,5 – 8,5.
Perusahaan menetapkan persyaratan pH AMDK sesuai dengan SNI. Suhu dalam
air tidak boleh tinggi karena akan mempermudah munculnya bakteri – bakteri
pada air. Suhu maksimum yang diperbolehkan adalah 30°C.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
75
Paremeter mutu AMDK selanjutnya adalah kekeruhan. Kekeruhan didalam air
disebabkan oleh adanya zat – zat tersuspensi seperti lumpur, zat organik, dan zat –
zat halus lainnya. Kekeruhan akan mengakibatkan perubahan warna dari air.
Menurut SNI-01-3553-1996, persyaratan kekeruhan pada AMDK adalah maks. 5
NTU. Perusahaan menetapkan persyaratan kekeruhan AMDK sebesar maks. 2,5
NTU. TDS (Total Dissolved Solid) merupakan zat yang terlarut dalam air.
Menurut SNI-01-3553-1996, persyaratan TDS pada AMDK adalah maks. 500
mg/l. Perusahaan menetapkan persyaratan TDS AMDK sebesar 50-90 mg/l.
Mikrobiologi merupakan suatu pengujian untuk melihat kandungan unsur – unsur
mikrobiologi seperti bakteri E-coli, yang dilakukan setiap 2 minggu sekali.
4.3.2 Analisis Grafik Pengendali
1) Grafik Pengendali pH dan Kekeruhan Air
Analisis grafik pengendali untuk nilai pH dan kekeruhan air pada tank
penampungan bahan baku menggunakan grafik pengendali T2 Hotelling. Data
yang diambil berasal dari 20 buah sampel masing-masing berukuran 3, kemudian
untuk tiap sampel diambil rata-rata dan nilai T2 dihitung. Hasil perhitungan
ditunjukkan pada Tabel dalam Lampiran 5. Nilai statistik T2 dihitung dengan
memasukkan nilai-nilai 21
dan xx ke dalam (3.8), dan jika dipilih 01,0 , batas
pengendali atas grafik tersebut adalah
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
76
998.19
)5,4999(4
23
)13)(2(1;2;01,0
2
3;2;01,0
FT
Berdasarkan hasil perhitungan tersebut dibuat grafik pengendali T2 Hotelling
untuk pH dan kekeruhan air yang ditunjukkan oleh Gambar 4.1.
Gambar 4.1 Grafik Pengendali untuk pH dan Kekeruhan Air
Dari grafik pada Gambar 4.1 dapat dilihat bahwa sampel 5, 14, dan 16 berada
diluar batas pengendali, maka dapat disimpulkan bahwa proses tersebut tidak
terkendali. Perlu ditelusuri penyebab sampel-sampel tersebut berada di luar batas
pengendali sehingga mengakibatkan proses produksi tidak terkendali. Penyebab
sampel-sampel tersebut berada di luar batas pengendali dapat disebabkan oleh
beberapa kemungkinan, yaitu:
1. Kondisi sumber air baku yang dipengaruhi oleh kondisi cuaca terutama pada
musim hujan, sehingga bagian QC harus melakukan pengecekan dengan baik
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
77
pada bahan baku air tersebut, jika pH dan Kekeruhan air tetap tidak sesuai
standar maka dilakukan laporan kepada pihak PDAM.
2. Tanki penampungan bahan baku yang belum dikuras, sehingga air dalam
tanki menjadi keruh, oleh karena itu operator harus rutin melakukan
pengurasan pada tanki.
3. Terjadi kesalahan pengujian yang disebabkan daya fungsi alat sudah tidak
maksimal atau kesalahan dari petugas QC, sehingga hasil pengukuran tingkat
kekeruhan air dan pH tidak sesuai dengan kenyataan.
4. Kebersihan ruang pengujian masih kurang, sehingga air yang diuji tercemar
oleh debu atau kotoran yang mengakibatkan tingkat kekeruhan sampel air
tidak sesuai dengan kenyatan.
2) Grafik Pengendali Kekeruhan Air dan TDS
Analisis grafik pengendali untuk nilai kekeruhan air dan TDS pada tank
penampungan bahan baku menggunakan grafik pengendali T2 Hotelling. Data
yang diambil berasal dari 20 buah sampel masing-masing berukuran 3, kemudian
untuk setiap sampel diambil rata-rata dan nilai T2 dihitung. Hasil perhitungan
ditunjukkan pada tabel dalam Lampiran 6. Nilai statistik T2 dihitung dengan
memasukkan nilai-nilai 21
dan xx ke dalam (3.8), dan jika dipilih 01,0 , batas
pengendali atas grafik tersebut adalah
998.19
)5,4999(4
23
)13)(2(1;2;01,0
2
3;2;01,0
FT
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
78
Berdasarkan tabel tersebut dibuat grafik pengendali T2 Hotelling untuk
Kekeruhan Air dan TDS yang ditunjukkan oleh Gambar 4.2.
Gambar 4.3 Grafik Pengendali untuk Kekeruhan air dan TDS
Pada grafik tersebut terlihat bahwa nilai statistik uji T2 pada sampel ke 3, 4, 13,
dan 14 jatuh di luar batas pengendali, maka dapat disimpulkan bahwa proses
tersebut tidak terkendali. Perlu ditelusuri penyebab sampel-sampel tersebut berada
di luar batas pengendali sehingga mengakibatkan proses produksi tidak terkendali.
Penyebab sampel-sampel tersebut berada di luar batas pengendali dapat
disebabkan oleh beberapa kemungkinan, yaitu:
1. Kondisi sumber air baku yang dipengaruhi oleh kondisi cuaca terutama pada
musim hujan dimana kekeruhan air dan TDS meningkat, sehingga bagian QC
harus melakukan pengecekan dengan baik pada bahan baku air tersebut, jika
kekeruhan dan TDS tetap tidak sesuai standar maka dilakukan laporan kepada
pihak PDAM.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
79
2. Tanki penampungan bahan baku yang belum dikuras, sehingga air dalam
tanki menjadi keruh, oleh karena itu operator harus rutin melakukan
pengurasan pada tanki.
3. Terjadi kesalahan pengujian yang disebabkan daya fungsi alat sudah tidak
maksimal atau kesalahan dari petugas QC, sehingga hasil pengukuran tingkat
kekeruhan air dan TDS tidak sesuai dengan kenyataan.
4. Kebersihan ruang pengujian masih kurang, sehingga air yang diuji tercemar
oleh debu atau kotoran yang mengakibatkan tingkat kekeruhan sampel air
tidak sesuai dengan kenyatan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
80
BAB V
PENUTUP
A. KESIMPULAN
Untuk memahami grafik T2 Hotelling diperlukan pemahaman tentang
grafik pengendali univariat (grafik pengendali dan S), nilai dan vektor eigen,
konsep-konsep penting dalam statistika univariat (nilai harapan dan variansi
variabel random, kovariansi dan independensi dua variabel random, dan sifat-sifat
nilai harapan dan kovariansi), konsep-konsep penting dalam statistika multivariat
(vektor dan matriks random, vektor rata-rata dan matriks kovariansi, menyekat
matriks kovariansi, vektor rata-rata dan matriks kovariansi untuk kombinasi linear
variabel random, menyekat vektor rata-rata dan matriks kovariansi sampel, sampel
random dan nilai harapan dari rata-rata dan matriks kovariansi sampel, variansi
yang diperumum, distribusi Normal Multivariat, dan fungsi densitas Normal
Bivariat), metode fungsi pembangkit momen, distribusi sampling yang
berhubungan dengan distribusi normal, distribusi T2 Hotelling, dan daerah
kepercayaan elips.
Grafik pengendali T2 Hotelling dapat digunakan untuk menganalisis apakah
suatu proses terkendali atau tidak berdasarkan variabel bivariat yang relevan.
Berdasarkan hasil analisis yang diperoleh pada PT. Sinar Bogor QUA (PT.
SBQUA), dapat disimpulkan bahwa aplikasi grafik pengendali T2 Hotelling
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
81
Bivariat untuk karakteristik mutu pH dan kekeruhan air dalam tank penampungan
bahan baku menunjukkan proses yang tidak terkendali karena sampel ke 5, 14,
dan 16 berada diluar batas pengendali. Sedangkan pada grafik pengendali untuk
karakteristik mutu kekeruhan air dan TDS dalam tank penampungan bahan baku
menunjukkan proses yang tidak terkendali karena sampel ke 3, 4, dan 13 berada
diluar batas pengendali.
Penyebab sampel-sampel tersebut berada di luar batas pengendali dapat
disebabkan oleh beberapa kemungkinan diantaranya adalah faktor cuaca,
kebersihan tanki dan ruangan, dan kesalahan pengujian.
B. SARAN
Berdasarkan hasil penelitian, pembahasan dan kesimpulan, maka penulis
mencoba memberikan saran untuk penulis berikutnya, bahwa sebaiknya dibahas lebih
jauh tentang grafik pengendali T2 Hotelling Multivariat dan aplikasinya.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
82
DAFTAR PUSTAKA
Batarfie, Mutia Umar Ahmad. 2006. Analisis Pengendalian Mutu pada Proses
Produksi Air Minuum Dalam Kemasan (AMDK) SBQUA (Studi Kasus di
PT. Sinar Bogor Qua, Pajajaran-Bogor). Skripsi Sarjana pada Fakultas
Ekonomi dan Manajemen Institut Pertanian Bogor: tidak diterbitkan.
Gito Sudarmo, Indriyo. Reksohadiprodjo, Sukanto. 1984. Management Produksi,
ed. 3. Yogyakarta. BPFE Yogyakarta.
Johnson, Richard. Dean Wichern. 2007. Applied Multivariate Statistical Analysis,
3rd ed. New Jersey: Prentice Hall.
Montgomery, D.C. 1990. Pengantar Pengendalian Kualitas Statistik. Yogyakarta:
Gadjah Mada University Press.
Prihantoro, Rudy. 2012. Konsep Pengendalian mutu. Bandung. Remaja
Rosdakaryo.
Seber, G.A.F. 1984. Multivariate Observations. USA: John Wiley & Sons, inc.
Wackerly, Dennis.D. William Mendenhall III. Richard L. Scheaffer. 2008.
Mathematical Statistics with Applications, 7th ed. USA: Thomson
Brooks/Cole.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
83
Lampiran 1. Faktor-Faktor untuk Membuat Grafik Pengendali Variabel
Sumber: Montgomery, D. C. 2009. Introduction to Statistical Quality Control
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
84
Lampiran 2. Distribusi, Fungsi Probabilitas, Rata-Rata, Variansi dan Fungsi Pembangkit Momen
Sumber: Wackerly, Dennis D. William Mendenhall III. Richard L. S. 2008. Mathematical Statistics with Applications.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
85
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
86
Lampiran 3. Titik Presentase Distribusi F
Sumber: Douglas C. Montgomery (200
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
87
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
88
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
89
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
90
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
91
Lampiran 4. Total pemakaian air dan total produksi AMDK pada bulan Januari
hingga April 2006
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
92
Lampiran 5. Proses Produksi Air Minum Dalam Kemasan (AMDK) SBQUA
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
93
Lampiran 6. Tabel Perhitungan pH dan Kekeruhan Air
No pH Kekeruhan phbar k bar S²1k S²2k S12k T²
1 6,50 6,50 7,30 0,18 0,10 0,25 6,77 0,18 0,213 0,006 0,029 68,698
2 6,50 6,40 6,40 0,08 0,33 0,28 6,43 0,23 0,003 0,018 -0,007 5531,579
3 7,20 7,30 6,60 0,37 0,22 0,32 7,03 0,30 0,143 0,006 -0,009 2,996
4 6,60 7,40 7,40 0,32 0,82 0,13 7,13 0,42 0,213 0,127 0,041 1,227
5 6,80 6,60 7,30 0,24 0,21 0,31 6,90 0,25 0,130 0,003 0,019 83128,103
6 7,00 7,30 7,30 0,30 0,41 0,39 7,20 0,37 0,030 0,003 0,010 533,603
7 7,10 7,10 6,70 0,46 0,24 0,31 6,97 0,34 0,053 0,013 0,005 1,649
8 6,60 6,80 6,80 0,52 0,66 0,48 6,73 0,55 0,013 0,009 0,003 17,556
9 6,40 6,50 6,40 0,52 0,57 0,99 6,43 0,69 0,003 0,067 -0,006 157,843
10 6,30 6,40 6,80 1,38 1,98 1,54 6,50 1,63 0,070 0,097 -0,006 51,906
11 6,50 6,70 6,50 0,94 1,21 0,70 6,57 0,95 0,013 0,065 0,026 269,568
12 7,00 6,90 6,60 0,31 0,17 0,06 6,83 0,18 0,043 0,016 0,025 61,732
13 7,10 7,10 7,00 0,21 0,55 0,33 7,07 0,36 0,003 0,030 0,002 48,641
14 7,30 7,20 7,20 0,24 0,09 0,08 7,23 0,14 0,003 0,008 0,005 87538,823
15 7,50 7,30 7,40 0,19 0,14 0,15 7,40 0,16 0,010 0,001 0,003 5228,363
16 6,40 6,40 6,40 0,10 0,30 0,15 6,40 0,18 1,2E-
30 0,0108
2,47E-
32 4,87123E+29
17 6,60 6,80 6,50 0,09 0,10 0,12 6,63 0,10 0,023 0,000 -0,001 1395,390
18 6,80 6,90 7,10 0,00 0,10 0,05 6,93 0,05 0,023 0,003 0,003 154,715
19 6,90 6,20 6,50 0,14 0,30 0,41 6,53 0,28 0,123 0,018 -0,031 10,628
20 7,00 6,80 7,40 0,19 0,10 0,24 7,07 0,18 0,093 0,005 0,020 314,594
Rata-Rata 6,84 0,38
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
94
Lampiran 7. Tabel Perhitungan Kekeruhan Air dan TDS
No Kekeruhan TDS k bar tds bar S²1k S²2k S12k T²
1 0,18 0,10 0,25 68,50 66,00 66,00 0,18 66,83 0,006 2,083 0,004 55,096
2 0,08 0,33 0,28 63,00 63,00 64,00 0,23 63,33 0,018 0,333 0,025 23,092
3 0,37 0,22 0,32 65,01 65,00 65,00 0,30 65,00 0,006 0,000 0,000 1703841,676
4 0,32 0,82 0,13 65,00 65,01 65,00 0,42 65,00 0,127 0,000 0,002 10242503,189
5 0,24 0,21 0,31 66,00 59,00 60,00 0,25 61,67 0,003 14,333 -0,018 18,049
6 0,30 0,41 0,39 65,00 63,01 63,00 0,37 63,67 0,003 1,327 -0,066 123,965
7 0,46 0,24 0,31 63,00 64,00 64,00 0,34 63,67 0,013 0,333 -0,062 158,848
8 0,52 0,66 0,48 59,50 59,50 58,00 0,55 59,00 0,009 0,750 0,055 141,425
9 0,52 0,57 0,99 58,00 60,00 59,00 0,69 59,00 0,067 1,000 0,025 37,013
10 1,38 1,98 1,54 60,00 59,00 56,00 1,63 58,33 0,097 4,333 0,013 60,064
11 0,94 1,21 0,70 68,00 73,00 62,00 0,95 67,67 0,065 30,333 1,400 628,905
12 0,31 0,17 0,06 62,50 63,00 63,00 0,18 62,83 0,016 0,083 -0,033 20,564
13 0,21 0,55 0,33 64,00 64,01 64,00 0,36 64,00 0,030 0,000 0,001 2529288,078
14 0,24 0,09 0,08 64,00 64,01 64,00 0,14 64,00 0,008 0,000 0,000 381309,730
15 0,19 0,14 0,15 64,00 64,00 63,00 0,16 63,67 0,001 0,333 0,005 297,961
16 0,10 0,30 0,15 52,00 56,00 56,00 0,18 54,67 0,011 5,333 0,167 32,415
17 0,09 0,10 0,12 52,00 60,00 59,00 0,10 57,00 0,000 19,000 0,045 1632,342
18 0,00 0,10 0,05 62,50 64,00 63,00 0,05 63,17 0,003 0,583 0,038 5184,180
19 0,14 0,30 0,41 59,00 53,00 55,00 0,28 55,67 0,018 9,333 -0,303 46,202
20 0,19 0,10 0,24 62,00 70,00 63,00 0,18 65,00 0,005 19,000 -0,275 74,249
Rata-Rata 0,38 62,16
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
95
Lampiran 8. Program MATLAB untuk Daerah Kepercayaan Elips
x=input('Masukkan data dalam bentuk matriks ='); pcy=input('Masukkan kepercayaan elips (dalam persen) ='); f=input('Masukkan nilai distribusi F2,n-p,alfa ='); m=input('Masukkan myu='); [p,n]=size(x); xbar=mean(x')%vektor x bar %Mencari MAtriks Variansi Kovariansi s11=sum((x(1,:)-xbar(1)).^2)/n; s22=sum((x(2,:)-xbar(2)).^2)/n; b1=x(1,:)-xbar(1); b2=x(2,:)-xbar(2); s12=sum(b1.*b2)/n; s21=s12; S=[s11 s12;s21 s22] invs=inv(S)%Invers dari S [v,d]=eig(S);%Nilai Eigen S (Lamda) lamda1=d(1,1); lamda2=d(2,2); e1=[v(1,1);v(1,2)];%Vektor eigen dari Lamda1 e2=[v(2,1);v(2,2)];%Vektor Eigen dari Lamda2 r1=sqrt(lamda1)*sqrt(((2*(n-1))/(n*(n-2)))*f);%Panjang jari-jari
mayor elips r2=sqrt(lamda2)*sqrt(((2*(n-1))/(n*(n-2)))*f);%Panjang jari-jari
minor elips %Menggambar Daerah Kepercayaan Elips t = linspace(0,2*pi,1000); theta0=atan(r1/r2); a=r2; b=r1; g = a*sin(t+theta0)+xbar(1,1); h = b*cos(t)+xbar(1,2); plot(g,h) grid on hold on e=m(1,1); f=m(1,2); plot(xbar(1,1),xbar(1,2),'r*') plot(e,f,'bo') hold off axis equal %PErhitungan dan kesimpulan apakah myu berada di dalam daerah
kepercayaan %elips atau tidak y=n*(xbar-m)*invs*(xbar-m)' z=(2*(n-1)/(n-2))*f if y<=z disp('DATA TERKENDALI'); else disp('DATA TIDAK TERKENDALI'); end
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJIPLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI