Selfie Pattihahuan-Studi Simulasi Grafik Pengendali Berdasarkan Estimasi Fungsi Densitas Kernel Bivariat
Selfie Pattihahuan-Studi Simulasi Grafik Pengendali Berdasarkan Estimasi Fungsi Densitas Kernel Bivariat
Abstrak
Pengendalian kualitas secara statistik dapat dilakukan dengan menggunakan
grafik pengendali, Salah satunya adalah penggunaan grafik pengendali
berdasarkan Estimasi Fungsi Densitas Kernel. Data yang digunakan adalah dua
titik sampel bivariat yaitu x1 1,2 , x 2 3,4 dan data simulasi bivariat yang
dibangkitkan dari kombinasi dua distribusi normal bivariat dengan ukuran sampel
(sample size) tertentu. Berdasarkan data tersebut dapat ditentukan estimasi
densitas kernelnya (kernel density estimation) selanjutnya digunakan untuk
membuat grafik pengendali dalam menentukan titik sampel yang out of control.
Dari studi simulasi dapat dibangkitkan sampel dengan ukuran n berbeda- beda dan
diperoleh hasil proporsi titik sampel out of control cenderung mendekati nilai
batas kesalahan (level of significance) 0,0027 .
Kata kunci : estimasi densitas kernel (kernel density estimation), grafik
pengendali.
1.
Pendahuluan
Dasar Teori
Dasar teori yang dituliskan dalam makalah ini diambil dari makalah
Pattihahuan et al. (2012) dan beberapa sumber seperti pada daftar pustaka.
2.1 Grafik Pengendali
Grafik pengendali adalah teknik pengendali proses pada jalur yang
digunakan secara luas yang biasanya digunakan untuk menaksir parameter suatu
proses produksi menentukan kemampuan dan memberikan informasi yang
berguna dalam meningkatkan proses itu (Montgomery, 1990).
Berdasarkan banyaknya karakteristik kualitas yang diukur, grafik
pengendali dibedakan menjadi 2 jenis yaitu grafik pengendali univariat dan grafik
f x ; H n 1 K H x X i
i 1
dengan X1, X2, . . . ,Xn adalah sampel dari n data H adalah matrix bandwidth ,
T
T
x x1 , x 2 dan X i X i1 , X i 2 untuk i = 1, 2,. . . ., n. Dalam hal ini
K H x H
1 2
K H 1 2 x dan
h h
2
1 12
H 2
h12 h2
2
2
positif definit (definite positive) dengan h1 var X i1 , h2 var X i 2
1
h12 cov X i1 , X i 2 . Dalam hal ini K x 2 exp
1 T
x x
2
dan
adalah kernel
Hal yang menjadi faktor penting dalam estimasi fungsi densitas kernel
adalah memilih nilai H optimal untuk matriks bandwidth. Pemilihan nilai H
optimal untuk matriks bandwidth dapat dilakukan dengan menggunakan metode
Mean Integrated Squared Error (MISE) yang dijelaskan pada Tarn Duong dan
Martin L. Hazelton (2003).
3.
Metode Penelitian
Dalam penelitian ini digunakan langkah-langkah yang dijelaskan sebagai
berikut:
p N
, 1 p N
,
25
20
0.5
. Jika digunakan
1
4.
x1 1,2
1 0
H
0 1
p N
, 1 p N
,
25
20
0.5
. Pemilihan rata-rata
1
distribusi bivariat normal yaitu (4,25)T dan (8,20)T dan matriks kovariansi hanya
untuk memberikan gambaran simulasi. Jika digunakan ukuran sampel (sample
size) n=500 dengan p=0.5 dan dengan bantuan packages ks pada software R2.15.2 diperoleh matriks bandwidth optimal adalah
0.2452
H
0.0124
0.0124
0.3214
estimasi densita kernel) adalah 0.0014 dan titik sampel ke-224 yang berada pada
koordinat (7.0671, 26.3783) dengan level adalah 0.0017.
(sample size) n=1000 dan n=1500 ditunjukkan pada Lampiran 1. Titik sampel
yang berada di luar batas pengendali (out of control) memberikan arti bahwa
terjadi suatu kesalahan (cacat) yang mungkin diakibatkan kesalahan dalam
proses produksi. Hasil yang analog bisa diperoleh untuk penganbilan bobot p
yang lain sebagai contoh p=0.1, p=0.8.
Level
Banyaknya
titik sampel
yang out of
control
Proporsi out of
control
500
1000
1500
0.0017
0.0010
0.0007
2
0.004
500
3
0.003
1000
5
0.0033
1500
4. Kesimpulan
Dalam makalah ini dijelaskan proses pembentukan grafik pengendali
bivariat berdasarkan estimasi densitas kernel untuk dua titik sampel dan untuk
banyaknya sampel dengan n yang berbeda-beda sehingga dapat digunakan untuk
mengidentifikasi titik-titik sampel yang out of control.
5. Daftar Pustaka
Chacn, J.E. and Duong, T. 2009. Multivariate plug-in bandwidth selection
with unconstrained pilot bandwidth matrices. Diunduh pada Minggu, 2
Januari 2012.
www.mvstat.net/tduong/research/.../chacon-duong-2010-test.pdf
Montgomery, Douglas C. 1990. Pengantar Pengendalian Kualitas Statistik.
Yogyakarta: Gadjah Mada University Press.
Najib, Mohammad. 2007. Diagram Kontrol Statistik Non Parametrik Sum Of
Ranks Untuk Target Pada Data Non-Normal. Diunduh pada Minggu, 1
Januari 2012.
http://digilib.its.ac.id/public/ITS-Undergraduate-8035-1303100018Bab1.pdf
Pattihahuan, Selfie., Setiawan, A., & Sasongko, L, Ricky. Sasongko. 2012.
Penerapan Grafik Pengendali Berdasarkan Estimasi Fungsi Densitas
Kernel Bivariat. Seminar
Agustus 2011.
http://en.wikipedia.org/wiki/Multivariate_kernel_density_estimation
25
h a s i l [,2 ]
30
p=0.5
20
15
10
6
hasil[,1]
10
12
11