Pengendalian Kualitas Statistik pada Tepung Terigu Menggunakan Peta Kendali Multivariat

Fitria Dewi Arista, Seza Dwiwulan Ramadini, Muhammad Ahsan

Abstract


Persaingan di dunia industri kini semakin ketat, sehingga perlu untuk meningkatkan kualitas pada suatu produk. Pada penelitian ini, karakteristik kualitas yang ingin diuji adalah kadar Moisture, Ash, dan Gluten pada tepung terigu. Metode statistik yang digunakan untuk mengendalikan kualitas proses yaitu diagram kendali multivariat Generalized Variance dan T2 Hotelling serta kapabilitas proses dari masing-masing karakteristik kualitas dan kapabilitas proses multivariat. Tujuannya ingin diketahui data pengamatan sudah terkendali atau tidak secara statistik, serta ingin diketahui kapabilitas prosesnya. Dari data yang diperoleh, data dibagi menjadi dua fase dengan fase 1 jumlah subgroup yang diambil sebesar 35 dan fase 2 jumlah subgroup sebanyak 5 dan masing-masing ukuran subgroup adalah 8. Hasil penelitian ini yaitu data pengamatan bersifat dependen dan data berdistribusi normal multivariat. Diagram kendali Generalized Variance belum terkendali secara statistik, begitu pula dengan peta kendali T2 Hotelling belum terkendali secara statistik. Pada analisis kapabilitas proses pada masing-masing karakteristik kualitas, diperoleh bahwa data pengamatan kandungan moisture, ash, dan gluten pada tepung terigu belum kapabel atau belum sesuai dengan spesifikasi yang telah ditentukan.

 


Keywords


Uji Dependensi; Uji Normalitas Multivariat; Generalized Variance; T2 Hotelling; kapabilitas proses

Full Text:

PDF

References


V. Gaspersz and F. Avanti, “Lean Six Sigma for Manufacturing and Service Industries (Bogor.” Vinchristo Publisher Publication, 2011).

M. Ahsan, M. Mashuri, H. Kuswanto, D. D. Prastyo, and H. Khusna, “Outlier detection using PCA mix based T2 control chart for continuous and categorical data,” Commun. Stat. - Simul. Comput., pp. 1–28, Apr. 2019, doi: 10.1080/03610918.2019.1586921.

M. Mashuri, H. Haryono, D. F. Aksioma, W. Wibawati, M. Ahsan, and H. Khusna, “Tr (R2) control charts based on kernel density estimation for monitoring multivariate variability process,” Cogent Eng., vol. 6, no. 1, p. 1665949, 2019.

M. Ahsan, M. Mashuri, H. Kuswanto, D. D. Prastyo, and H. Khusna, “T2 Control Chart based on Successive Difference Covariance Matrix for Intrusion Detection System,” in Journal of Physics: Conference Series, 2018, vol. 1028, no. 1, p. 12220.

H. Khusna, M. Mashuri, Suhartono, D. D. Prastyo, and M. Ahsan, “Multioutput Least Square SVR Based Multivariate EWMA Control Chart,” J. Phys. Conf. Ser., vol. 1028, no. 1, p. 12221, 2018, [Online]. Available: http://stacks.iop.org/1742-6596/1028/i=1/a=012221.

H. Khusna, M. Mashuri, S. Suhartono, D. D. Prastyo, and M. Ahsan, “Multioutput least square SVR based multivariate EWMA control chart: The performance evaluation and application,” Cogent Eng., Oct. 2018, doi: 10.1080/23311916.2018.1531456.

H. Khusna, M. Mashuri, M. Ahsan, S. Suhartono, and D. D. Prastyo, “Bootstrap-based maximum multivariate CUSUM control chart,” Qual. Technol. Quant. Manag., vol. 17, no. 1, pp. 52–74, 2020.

H. Khusna, M. Mashuri, Suhartono, D. D. Prastyo, M. H. Lee, and M. Ahsan, “Residual-based maximum MCUSUM control chart for joint monitoring the mean and variability of multivariate autocorrelated processes,” Prod. Manuf. Res., vol. 7, no. 1, pp. 364–394, 2019.

J. A. Villasenor Alva and E. G. Estrada, “A generalization of Shapiro–Wilk’s test for multivariate normality,” Commun. Stat. Methods, vol. 38, no. 11, pp. 1870–1883, 2009.

D. Montgomery, Introduction to statistical quality control. New York, 2009.

D. C. Montgomery, Introduction to Statistical Quality Control, Sixth Edition. Arizona State University: John Wiley and Sons, 2009.




DOI: http://dx.doi.org/10.12962/j27213862.v4i2.10830

Refbacks

  • There are currently no refbacks.




Creative Commons License
Inferensi by Department of Statistics ITS is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Based on a work at https://iptek.its.ac.id/index.php/inferensi.

ISSN:  0216-308X

e-ISSN: 2721-3862

Web
Analytics Made Easy - StatCounter View My Stats