Anda di halaman 1dari 30

EXPONENTIALLY

WEIGHTED MOVING
AVERAGE (EWMA)
11/09/2012 1
MK. Statistika Pengendalian Mutu Lanjutan
Darmanto, S.Si.
Bagan kendali EWMA juga dapat digunakan untuk
mendeteksi pergeseran proses yang kecil.
EWMA digunakan baik untuk amatan tunggal
(individual observation) atau amatan
berkelompok (rational subgroups).
Dikenalkan oleh Roberts (1959).
11/09/2012 2
MK. Statistika Pengendalian Mutu Lanjutan
Darmanto, S.Si.
EWMA didefinisikan sebagai
1
0 0 0
(1 )
di mana 0 1
atau
i i i
z x z
z z x

= +
< s
= =
11/09/2012 3
MK. Statistika Pengendalian Mutu Lanjutan
Darmanto, S.Si.
( )
( )
( )
1
2
1 2
1
0
0
1
0
(1 )
(1 ) (1 )
...
(1 ) (1 )
untuk (1 ) ,
1 1
(1 ) 1 1
1 1
i i i
i i i
i
j i
i i j
j
j
i
i
i
j
j
z x z
x x z
z x z



=
= +
= + +
= +

(

= =
(

(

Deret
geometri
11/09/2012 4
MK. Statistika Pengendalian Mutu Lanjutan
Darmanto, S.Si.
Jika x
i
variabel acak dg varians
2
, maka
Sehingga,
( )
2
2 2
1 1
2
i
i
z

o o

| |
(
=
|

\ .
( )
( )
2
0
0
2
0
1 1
2
Center Line
1 1
2
i
i
UCL L
LCL L

| |
(
= +
|

\ .
=
| |
(
=
|

\ .
11/09/2012 5
MK. Statistika Pengendalian Mutu Lanjutan
Darmanto, S.Si.
Untuk kenaikan tiap periode ke-i hingga batas
kendali atas dan bawah stabil, maka kestabilan
batas dinyatakan dengan:
0
0
0

2
Center Line

2
UCL L
LCL L

| |
= +
|

\ .
=
| |
=
|

\ .
11/09/2012 6
MK. Statistika Pengendalian Mutu Lanjutan
Darmanto, S.Si.
Contoh: Perhatikan data yang lalu. Jika dipilih
= 0,1 dan L = 2,7. Target proses adalah 10
dan standar deviasinya 1. Maka untuk x
1
=
9,45 didapatkan,
( ) ( ) ( ) ( )
1 1 0 2 2 1
(1 ) | (1 )
0,1 9, 45 0, 9 10 | 0,1 7, 99 0, 9 9, 945
9, 945 | 9, 7495
z x z z x z = + = +
= + = +
= =
11/09/2012 7
MK. Statistika Pengendalian Mutu Lanjutan
Darmanto, S.Si.
Perhitungan EWMA:
i xi zi UCL LCL i xi zi UCL LCL
1 9,45 9,945 10,270 9,730 16 9,37 9,984 10,609 9,391
2 7,99 9,750 10,363 9,637 17 10,62 10,048 10,611 9,389
3 9,29 9,704 10,424 9,576 18 10,31 10,074 10,612 9,388
4 11,66 9,899 10,467 9,533 19 8,52 9,919 10,614 9,386
5 12,16 10,125 10,500 9,500 20 10,84 10,011 10,615 9,385
6 10,18 10,131 10,525 9,475 21 10,9 10,100 10,616 9,384
7 8,04 9,922 10,544 9,456 22 9,33 10,023 10,616 9,384
8 11,46 10,076 10,559 9,441 23 12,29 10,249 10,617 9,383
9 9,2 9,988 10,571 9,429 24 11,5 10,375 10,617 9,383
10 10,34 10,023 10,581 9,419 25 10,6 10,397 10,618 9,382
11 9,03 9,924 10,588 9,412 26 11,08 10,465 10,618 9,382
12 11,47 10,078 10,594 9,406 27 10,38 10,457 10,618 9,382
13 10,51 10,122 10,599 9,401 28 11,62 10,573 10,619 9,381
14 9,4 10,049 10,603 9,397 29 11,31 10,647 10,619 9,381
15 10,08 10,053 10,606 9,394 30 10,52 10,634 10,619 9,381
11/09/2012 8
MK. Statistika Pengendalian Mutu Lanjutan
Darmanto, S.Si.
Out of control
11/09/2012 9
MK. Statistika Pengendalian Mutu Lanjutan
Darmanto, S.Si.
ARL EWMA
Bagan kendali EWMA sangat efektif untuk mendeteksi
adanya pergeseran proses yang kecil.
EWMA lebih baik dari CU-SUM untuk mendeteksi
pergeseran proses yg lebih besar.
Parameter model bagan adalah perkalian yang digunakan
dalambatas kendali (L) dan nilai dari .
Dimungkingkan untuk memilih kedua nilai tsb (L dan )
untuk memberikan hasil ARL yang mendekati ARL Cu-Sum
dalammendeteksi pergeseran proses yang kecil.
11/09/2012 10
MK. Statistika Pengendalian Mutu Lanjutan
Darmanto, S.Si.
Studi tentang ARL EWMA:
1. Crowder (1987a, 1989) dan Lucas dan Saccucci
(1990) Tabel ARL EWMA .
2. Hunter (1989) = 0,4 Grafik Shewhart.
11/09/2012 11
MK. Statistika Pengendalian Mutu Lanjutan
Darmanto, S.Si.
Tabel ARL EWMA:
11/09/2012 12
MK. Statistika Pengendalian Mutu Lanjutan
Darmanto, S.Si.
EWMA UNTUK X TIDAK NORMAL
Bagan kendali Shewhart Distribusi Normal
Ketepatan estimasi ARL
0
.
Borror, Montgomery dan Runger (1999)
membandingkan performa AL untuk bagan
kendali individual Shewhart dan EWMA
berdistribusi tidak normal (Distribusi Gamma:
kemenjuluran ekstrem/mean process, dan
Distribusi t: kelandaian puncak/variability
process).
11/09/2012 13
MK. Statistika Pengendalian Mutu Lanjutan
Darmanto, S.Si.
ARL EWMA untuk data berdistribusi Gamma:
11/09/2012 14
MK. Statistika Pengendalian Mutu Lanjutan
Darmanto, S.Si.
ARL EWMA untuk data berdistribusi t:
11/09/2012 15
MK. Statistika Pengendalian Mutu Lanjutan
Darmanto, S.Si.
FIR for EWMA
Dimungkinkan untuk menambahkan FIR pada
EWMA yang kegunaannya sama dengan FIR
pada CU-SUM.
Steiner (1999) menggunakan bagan tetapi
kemudian menyempit pada batas variasi
waktu hingga beberapa observasi ke depan
Ekspenonsial turun yang disesuaikan.
11/09/2012 16
MK. Statistika Pengendalian Mutu Lanjutan
Darmanto, S.Si.
Rumusan FIR EWMA Steiner:
( )
( )
( )
( )
( )
1 1 2
1 1 1 1
2
2
1
log 1
19
0, 5 50%headstart.
a i i
L f
f
a
f

+

| |
(

`
|

\ .

)
(


=
=
11/09/2012 17
MK. Statistika Pengendalian Mutu Lanjutan
Darmanto, S.Si.
EWMA POISSON
Untuk x
i
adalah amatan bersifat atribut.
Borror, Champ, dan Rigdon (1998) mengusulkan
bagan kendali EMWA POISSON seperti berikut:
.
( )
( )
2
0
0
0
2
0
0
1 1
2
Center Line
1 1
2
.
i
U
i
L
U L
UCL A
LCL A
A A A

| |
(
= +
|

\ .
=
| |
(
=
|

\ .
= =
11/09/2012 18
MK. Statistika Pengendalian Mutu Lanjutan
Darmanto, S.Si.
Langkah membuat EWMA Poisson:
1. Menentukan rata-rata proses (data Poisson)
2. Menentukan ARL yang diinginkan
3. Menentukan nilai
4. Mencari nilai A yang bersesuaian
5. Mencari batas kendali atas dan bawah bagan
kendali EWMA Poisson
11/09/2012 19
MK. Statistika Pengendalian Mutu Lanjutan
Darmanto, S.Si.
Contoh: Suatu proses mempunyai rata-rata
kerusakan per unit = 4, maka untuk Bagan
kendali c standard diperoleh:
( )
0 0
0 0
0
3 4 3 4 2 0
3 4 3 4 10
1 1
352.
10| 4 0, 002839766
LCL
UCL
ARL
P X

= = = =
= + = + =
= = ~
> =
11/09/2012 20
MK. Statistika Pengendalian Mutu Lanjutan
Darmanto, S.Si.
Untuk = 0,2 A = 2,8275 (dari grafik ARL),
sehingga diperoleh untuk kondisi steady state:
4 0, 2
4 2,8275 5,885
2 0, 2
Center Line 4
4 0, 2
4 2,8275 2,115
2 0, 2
UCL
LCL
| |
= + =
|

\ .
=
| |
= =
|

\ .
11/09/2012 21
MK. Statistika Pengendalian Mutu Lanjutan
Darmanto, S.Si.
NILAI ARL RATA-RATA
Rata-rata = 4
11/09/2012 22
MK. Statistika Pengendalian Mutu Lanjutan
Darmanto, S.Si.
Rata-rata = 5
11/09/2012 23
MK. Statistika Pengendalian Mutu Lanjutan
Darmanto, S.Si.
Rata-rata = 6
11/09/2012 24
MK. Statistika Pengendalian Mutu Lanjutan
Darmanto, S.Si.
Rata-rata = 7
11/09/2012 25
MK. Statistika Pengendalian Mutu Lanjutan
Darmanto, S.Si.
Rata-rata = 8
11/09/2012 26
MK. Statistika Pengendalian Mutu Lanjutan
Darmanto, S.Si.
Rata-rata = 10
11/09/2012 27
MK. Statistika Pengendalian Mutu Lanjutan
Darmanto, S.Si.
Rata-rata = 15
11/09/2012 28
MK. Statistika Pengendalian Mutu Lanjutan
Darmanto, S.Si.
Rata-rata = 20
11/09/2012 29
MK. Statistika Pengendalian Mutu Lanjutan
Darmanto, S.Si.
LATIHAN
1. Lihat soal pada Cu-Sum no.1, dengan
menggunakan = 0,1 dan L =2,7 buat bagan
kendali EWMA, Interpretasikan!. Bandingkan
dengan bagan kendali Cu-Sum dan bagan kendali
Shewhart (x-bar dan S)!
2. Lihat soal pada Cu-Sum no.2, dengan
menggunakan = 0,2 dan L = 3 buat bagan
kendali EWMA, Interpretasikan!.
3. Jika = 0,1 dan L = 2,7 untuk data pada soal no.2
buat bagan kendali EWMA, bandingkan dengan
hasil pada no.2!
11/09/2012
MK. Statistika Pengendalian Mutu Lanjutan
Darmanto, S.Si.
30

Anda mungkin juga menyukai