1

Penggunaan Grafik Kendali Moving Average dan

Exponentially Weighted Moving Average Pada Data Level
Logam Impurities Dari Proses Elektrolisis Tembaga di
Boliden AB
Kurniatul Faizah (1), Siti Aisyah(2)
(1)(2)
Departemen Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam,
Institut Teknologi Sepuluh Nopember
Jl. Arief Rahman Hakim, Surabaya 60111
E-mail: kurniatulfaizah28@gmail.com (1), sitiaisyaahsa@gmail.com (2) Commented [U1]: Angka 1,2 dll [1][2] bukan (1)(2)

I. PENDAHULUAN A. Uji Keacakan

Tembaga merupakan salah satu logam yang paling
sering digunakan dalam kehidupan sehari-hari. Tembaga ini
mempunyai sifat sifat yang sangat baik yaitu; sebagai
penghantar listrik dan panas yang baik, mampu ditempa, duktil
dan mudah dibentuk menjadi plat-plat atau kawat. Namun,
tembaga yang terdapat di alam biasanya berasosiasi dengan
logam atau mineral lain. Sehingga untuk mendapatkan tembaga
murni harus melalui proses ekstraksi metalurgi. Salah satu
metode ekstraksi yang dapat digunakan untuk pemurnian
tembaga adalah elektrolisis yang biasa disebut dengan copper
electrofining [1].
Pada proses pemurnian tembaga secara elektrolisis,
tembaga tidak murni digunakan sebagai anoda dan tembaga
murni sebagai katoda. Selama proses elektrolisis tembaga dari
anoda akan berpindah ke katoda. Sehingga produk yang
dihasilkan dari proses ini adalah katoda tersebut. Namun pada
proses ini apabila parameter-parameter proses tidak
dikendalikan dengan baik maka katoda yang merupakan
tembaga murni dapat terkontaminasi oleh logam pengotor
(impurities) yang terdapat dalam larutan elektrolit [2].
Perusahaan biasanya menetapkan batas toleransi untuk
level impurities pada katoda. Namun untuk mengetahui apakah
katoda yang dihasilkan mempunyai level impurities yang
terkendali maka dapat digunakan grafik kendali moving
average dan exponentially weighted moving average (EWMA).
Penggunaan grafik kendali tersebut didasarkan pada proses
elektrolisis yang dilakukan secara kontinu sehigga sampel yang
digunakan diambil secara periodik (harian) [3].
Sebelumnya, penggunaan grafik multivariat EWMA
pada kasus ini pernah dilakukan oleh Wikstrm, et al. pada
tahun 1998. Wikstrm, et al. menggunakan grafik kendali
multivariat EWMA untuk mengetahui kualitas tembaga yang
dihasilkan oleh proses elektrolisis di Boliden AB berdasarkan
level 8 logam impurities atau pengotor dalam tembaga yang
dihasilkan. Sedangkan pada tulisan ini, grafik MA dan EWMA
dibuat secara univariat untuk nikel (Ni), timbal (Pb) dan
bismuth (Bi) yang menjadi logam pengotor dalam tembaga
hasil proses elektrolisis.
II. TINJAUAN PUSTAKA
Uji keacakan digunakan untuk mengetahui apakah suatu
rangkaian kejadian atau suatu hal merupakan hasil suatu proses
acak. Asumsi-asumsi yang digunakan dalam uji ini antara lain:
data yang tersedia untuk analisis terdiri atas serangkaian
pengamatan, yang dicatat berdasarkan urutan-urutan
perolehannya, dan dapat kita kategorikan ke dalam dua
kelompok yang saling ekslusif. Kita mengandaikan bahwa n =
ukuran sampel total, n1= banyaknya pengamatan kelompok
yang satu dan n2 = banyaknya pengamatan kelompok yang
lain[4].
Ho : Pola perolehan dua kelompok pengamatan
ditentukan melalui suatu proses acak
H1 : Pola perolehan dua kelompok pengamatan tidak
melalui suatu proses acak
Statistik uji disini adalah r, total banyaknya rangkaian.
Nilai-nilai kritis bawah serta atas dari statistik uji diperoleh dari
tabel statistik tabel dengan n1 dan n2. Kriteria penolakan Ho
adalah apabila r lebih kecil atau sama dengan nilai kritis bawah
(statistik uji dalam tabel) dan r lebih besar atau sama dengan
nilai kritis atas (statistik uji dalam tabel).
Untuk sampel berukuran lebih dari 20 maka digunakan
uji z dengan rumus sebagai berikut:
r (2n1n2 ) /( n1 n2 1
z
2n1n2 (2n1n2 n1 n2 ) (1)
(n1 n2 ) 2 (n1 n2 1)
Nilai z ini kemudian dibandingkan dengan nilai /2
dari distribusi normal stndar. H0 ditolak apabila Zhitung < Ztabel. Commented [U2]: Tidak Perlu Uji Keacakan
B. Uji Normalitas
Pengujian normalitas ini dilakukan untuk mengetahui
apakah data yang dimiliki telah mengikuti distribusi normal
atau belum. Kenormalan data merupakan salah satu asumsi
yang paling banyak dikembangkan dan digunakan pada
prosedur statistika[4]. Hipotesis yang digunakan dalam
pengujian ini adalah sebegai berikut.
Ho : Data berdistribusi normal
H1 : Data tidak beridstribusi normal

Salah satu metode untuk melakukan uji normalitas
adalah Kolmogorov-Smirnov normality test. Berikut merupakan
formula untuk Kolmogorov-Smirnov normality test.
D = Sup|Sn(x)-F0(x)| (2)
Keterangan:
Sn = Fungsi peluang kumulatif data sampel
F0(x) = Fungsi distribusi kumulatif normal
D = Supremen semua x dari nilai |Sn(x)-F0(x)|
Penolakan terhadap hipotesis awal terjadi jika |D| > Dtabel
Kolmogorov Smirnov (1-;n) atau P value > .
C. Grafik Kendali
Grafik kendali adalah perangkat statistik yang
memungkinkan suatu organisasi untuk mengetahui dan
memantau konsistensi suatu proses atau produk yang dihasilkan
melalui pengamatan yang sedang berlangsung maupun proses
yang telah dilakukan. Sehingga keragaman hasil produksi dapat
diminimalkan. Penyelesaian dengan grafik kendali ini
menggunakan prinsip-prinsip statistik [5].
D. Aturan Shewhart
Aturan Shewhart digunakan untuk menganalisis apakah
proses produksi, yang ditunjukkan oleh grafik kendali, dalam
kendali atau tidak. Berikut ini merupakan aturan Shewhart yang
digunakan untuk menentukan suatu proses terkendali atau tidak.
1. Satu titik jatuh di luar batas kendali 3-sigma.
2. Dua titik dari tiga titik berurutan jatuh di luar batas
peringatan 2-sigma.
3. Empat titik dari lima titik berurutan jatuh di suatu jarak 1-
sigma atau di luar garis tengah.
4. Delapan titik berurutan jatuh pada salah satu sisi garis
tengah.
5. Enam titik berturut-turut secara tetap meningkat atau
menurun.
6. Lima belas titik berturut-turut berada pada zona C (baik di
atas maupun di bawah garis tengah).
7. Empat belas titik berturut-turut naik dan turun.
8. Delapan titik berturut-turut berada pada kedua sisi garis
tengah tanpa satupun berada pada zona C.
9. Pola tidak biasa atau non random pada data.
10. Satu atau lebih titik di dekat batas peringatan atau batas
kendali.
E. Grafik Kendali Moving Average (MA)
Grafik kendali MA digunakan jika dari hasil observasi
terlihat bahwa antara nilai rata-rata data yang satu dengan yang
lain hanya menunjukkan perbedaan yang sangat sedikit. Grafik
kendali ini digunakan untuk mengontrol rata-rata suatu proses
berdasarkan sampel yang diambil secara periodik dari proses
terkait. Sehingga grafik ini dapat digunakan untuk mendeteksi
pergeseran rata-rata proses yang tidak dapat dilakukan oleh
grafik kendali . Selain itu, grafik kendai ini juga dapat
digunakan jika hanya terdapat satu unit sampel dalam sekali
observasi.
Prosedur pembentukan grafik kendali MA adalah
sebagai berikut.
1. Apabila terdapat k subgroup dengan ukuran n, maka rata-
rata tiap subgrup adalah sebagai berikut.
=1
= (3)
2
2. Menghitung rata-rata bergerak dengan lebar w, untuk setiap
subgrup atau periode.
+1 +++1
= (4)
Sedangkan varians dari yaitu:
2
( ) = (5)
3. Mengestimasi center line atau grand mean ( ) dan batas
kendali atas (BKA) dan batas kendali bawah (BKB).
=1 =1
=
=1
= + 3( ) (6)
= 3( ) Commented [U4]: Tulis Var nya apa
F. Grafik Kendali Exponentially Weighted Moving
Average (EWMA)
Grafik kendali EWMA diperkenalkan oleh Roberts
(1959). Grafik kendali EWMA adalah salah satu grafik kendali
dari data variabel (data bisa kuantitatif dan pengukuran
kontinyu seperti ukuran dimensi dan waktu). Titik-titik yang
diplotkan merupakan weighted moving average (pergeseran
rata-rata terboboti). Faktor pembobot () tertentu dipilih
oleh user dimana nilai rata-rata data yang lama berpengaruh
terhadap yang baru.
Menurut Montgomery (2013), grafik kendali EWMA
merupakan alternatif yang baik untuk grafik kendali shewhart
ketika kita tertarik dalam mendeteksi pergeseran kecil dalam
mean proses. Grafik kendali EWMA mendeteksi lebih cepat
dalam rentang 0.5 - 2 dengan syarat ukuran sampel yang
sama. Meskipun demikian, grafik kendali EWMA memiliki
kelemahan yaitu grafik kendali EWMA akan mendeteksi lebih
lama di dalam pergeseran yang besar dalam mean proses.
Ketika memilih nilai pembobot, direkomendasikan
menggunakan nilai yang lebih kecil (contohnya 0.2) untuk
mendeteksi shift yang kecil, dan nilai yang lebih besar (0.2-0.4)
untuk shift yang lebih besar. Grafik EWMA yang memiliki =
1 merupakan grafik kendali . Grafik kendali EWMA juga Commented [U3]: Diagram Kendali MA dan EWMA
dapat menjadi salah satu alternatif ketika ukuran subgrup n = 1. tidak memerlukan shewhart
Tahapan pertama yang diperlukan dalam membuat
grafik kendali EWMA adalah menghitung data yang akan
diplotkan dengan rumus berikut.
= + (1 )1 (7)
Rumus di atas digunakan jika dalam setiap subgroup hanya
terdapat satu observasi. Jika terdapat n observasi maka
diganti dengan yang dihitung sesuai persamaan (3).
Sedangkan nilai awal adalah 0 = .
Jika observasi adalah variabel random bebas dengan
varians 2 , maka varians dari dinyatakan dengan persamaan
berikut.
( ) = 2 = 2 ( ) [1 (1 )2 ] (8)
2

Selanjutnya, batas kendali atas (BKA) dan batas kendali
bawah (BKB), serta garis tengan grafik kendali EWMA
dinyatakan dengan persamaan berikut.
= 0 + ( )
= 0 (9)
= 0 ( )
Nilai L pada persamaan di atas merupakan lebar dari batas
kendali yang biasanya secara default digunakan 3.
G. Diagram Ishikawa
Diagram Ishikawa (disebut juga diagram tulang ikan,
atau cause-and-effect matrix) adalah diagram yang
menunjukkan penyebab-penyebab dari sebuah event yang
spesifik. Diagram ini pertama kali diperkenalkan oleh Ishikawa
pada tahun 1986. Diagram Ishikawa dibagi menjadi 2 bagian,
kepala dan tulang ikan[5].
Kepala ikan biasanya selalu terletak di sebelah kanan. Di
bagian ini, ditulis event yang dipengaruhi oleh penyebab-
penyebab yang nantinya ditulis di bagian tulang ikan. Event ini
sering berupa masalah atau topik yang akan di cari tahu
penyebabnya. Pada bagian tulang ikan, ditulis kategori-kategori
yang bisa berpengaruh terhadap event tersebut. Kategori yang
paling umum digunakan adalah sebagai berikut.
Orang (man): semua orang yang terlibat dalam suatu
proses
Metode (method): bagaimana proses itu dilakukan,
kebutuhan yang spesifik dari proses itu, seperti prosedur
dan peraturan.
Material (materials): semua material yang diperlukan
untuk menjalankan proses.
Mesin (machine): semua mesin, peralatan, komputer, yang
diperlukan untuk melakukan pekerjaan.
Pengukuran (measurements): cara pengambilan data untuk
menentukan kualitas proses.
Lingkungan (environment): kondisi di sekitar tempat kerja.
H. Elektrolisis Tembaga (Copper Electrofining)
Elektrolisis dalam proses proses produksi tembaga
digunakan untuk memurnikan tembaga. Pemurnian tersebut
dilakukan karena pada dasarnya bijih tembaga yang terdapat di
alam berasosiasi dengan silika (50-60 %), besi (10-20 %), sulfur
(10 %) dan sejumlah kecil alumina, kalsium, oksida, kobalt,
selenium, tellurium, perak dan emas. Proses elektrolisis
digunakan untuk memisahkan logam atau mineral pengotor dari
tembaga.
Proses pemurnian tembaga dengan metode elektrolisis
menggunakan tembaga yang belum murni sebagai anoda dalam
sel elektrolisis yang mengandung larutan tembaga sulfat
sebagai elektrolit. Sedangkan katoda terdiri dari tembaga murni.
Berikut ini merupakan ilustrasi dari sel elektrolisis pemurnian
tembaga.
3
Commented [U5]: Tulis Var nya apa
Gambar 1. Ilustrasi Sel Elektrolisis Tembaga
Selama proses elektrolisis, logam impurities atau
pengotor terpisah dari anoda menjadi zat padat yang
mengendap atau larutan. Ketika terjadi elektrolisis, hanya
tembaga dan logam-logam aktif lainnya seperti besi atau seng
yang dapat dioksidasi dan larut dalam larutan. Perak, emas dan
platina tidak larut dan mengendap di dasar sel. Sedangkan
tembaga pada katoda akan menyerap ion tembaga dari anoda.
Hasil akhir dari elektrolisis adalah tembaga pindah dari anoda
ke katoda, sedangkan Fe dan Zn tinggal dalam larutan sebagai
Fe2+ dan Zn2+.
Terdapat beberapa parameter dalam proses elektrolisis
yang perlu diperhatikan, yaitu kepadatan arus listrik (A/m 2),
temperature elektrolit, konsentrasi ketidakmurnian elektrolit.
Besar kepadatan arus yang melebihi standar dapat
menyebabkan kontaminasi pada katoda (tembaga murni).
Temperature elektrolit yang terlalu rendah dapat menyebabkan
pengendapan logam pengotor. Sedangkan konsentrasi
ketidakmurnian elektrolit juga dapat menyebabkan kontaminasi
pada tembaga murni yang menjadi katoda. Elemen yang
biasanya terakumulasi dalam elektrolit adalah nikel, arsenic,
bismuth, antimony, dan besi. Morfologi dari katoda juga dapat
menjadi penyebab terjadinya kontaminasi. Nodule dan dendrite
merupakan jenis kecacatan permukaan katoda yang dapat
menyebabkan kontaminasi.
III. METODOLOGI PENELITIAN
Data yang digunakan dalam praktikum ini adalah data
sekunder yang diperoleh dari salah satu artikel dalam jurnal
Chemometrics and Intelligent Laboratory Systems Vol. 42 yang
berjudul Multivariate Process and Quality Monitoring
Applied to An Electrolysis Process (Part I. Process Supervision
with Multivariate Control Charts) oleh Wikstrm, et al.
(1998). Data tersebut merupakan data monitoring proses
produksi tembaga di Boliden AB (Skelleftehamn, Swedia) yang
berupa data level impurities dari katoda tembaga. Variabel yang
dianalsis dalam praktikum ini adalah level impurities 3 logam
dari katoda tembaga. Tiga logam tersebut adalah nikel (Ni),
timbal (Pb) dan bismuth (Bi). Data tersebut diperoleh dengan
melakukan pengukuran selama satu tahun (365 hari). Setiap
hari, dilakukan pengukuran impurities terhadap katoda tembaga
sebanyak dua kali sehingga banyak pengamatan adalah
sebanyak 730 observasi. Dengan begitu maka data dalam
penelitian ini mempunyai 365 subgrup dengan masing-masing
subgrup beranggotakan 2 observasi. Adapun struktur datanya
adalah sebagai berikut.
 4

Tabel 1. Struktur Data Probability Plot of Pb

Normal
No. Obs X1 X2 X3 99.99
Mean 0.7864

1 X1,1 X2,1 X3,1

StDev
N
0.8308
730
99 KS 0.258
P-Value <0.010
2 X1,2 X2,2 X3,2 95

80
. . . .

Percent
. . . . 50
. . . .
20
730 X1,730 X2,730 X3,730 5
1

Langkah-langkah analisis data tersebut diuraikan 0.01

sebagai berikut. 0 5
Pb
10 15

1. Merumuskan permasalahan. Gambar 3. Uji Normalitas Variabel Pb (Timbal)

2. Melakukan pengujian asumsi keacakan dan normalitas data. Dari hasil uji normalitas diatas dapat diketahui bahwa Commented [U6]: Tidak Perlu
3. Membuat grafik kendali MA dan EWMA untuk setiap dengan menggunakan uji Kormogorov Smirnov didapatkan
impurities, sehingga terdapat 6 grafik kendali. hasil p-value < 0,010 yaitu p-value kurang dari yang
4. Membandingkan sensitifitas antara grafik kendali MA
ditentukan yaitu 0,05 sehingga terjadi tolak H0. Oleh karena itu,
dengan grafik EWMA dalam mendeteksi pergeseran rata-
dapat disimpulkan bahwa ketidakmurnian logam untuk variabel
rata level impurities pada proses elektrolisis tembaga.
Pb tidak mengikuti distribusi normal. Sedangkan hasil
5. Jika terdapat data yang keluar dari batas maka dilakukan
pengujian kenormalan data ketidakmurnian logam pada
analisis penyebab masalah tersebut (dengan diagram variabel Bi (bismut) adalah sebagai berikut.
ishikawa).
Probability Plot of Bi
6. Membuat kesimpulan dari hasil analisis yang telah Normal
99.99
dilakukan. Mean
StDev
0.1954
0.1398
N 730
99 KS 0.165
P-Value <0.010
95
IV. ANALISIS DAN PEMBAHASAN
80
Percent

A. Uji Kenormalan Commented [U7]: Disederhanakan jadi 1 gambar saja

50

20
Uji kenormalan data merupakan uji asumsi yang harus 5
dipenuhi dalam analisis pengendalian kualitas suatu produk 1

dengan menggunakan control chart. Uji kenormalan data ini

0.01
dilakukan untuk mengetahui apakah data metal impurities pada -0.5 0.0 0.5
Bi
1.0 1.5

tiap variabel, yaitu variabel Ni (nikel), Pb (timbal) dan Bi

Gambar 4. Uji Normalitas Variabel Bi (Bismut)
(bismut) mengikuti sebaran distribusi normal. Hasil pengujian Dari hasil uji normalitas diatas dapat diketahui bahwa
kenormalan data ketidakmurnian logam pada variabel Ni (nikel) dengan menggunakan uji Kormogorov Smirnov didapatkan
hasil p-value < 0,010 yaitu p-value kurang dari yang
adalah sebagai berikut.
Probability Plot of Ni
Normal ditentukan yaitu 0,05 sehingga terjadi tolak H0. Oleh karena itu,
99.99
Mean
StDev
1.282
0.8030
dapat disimpulkan bahwa ketidakmurnian logam untuk variabel
99
N
KS
730
0.171
Pb tidak mengikuti distribusi normal. Selanjutnya, pengolahan
P-Value <0.010
95
dilakukan dengan mengansumsikan bahwa data telah mengikuti
80
distribusi normal.
Percent

50

20
5 Uji keacakan data dilakukan untuk mengetahui apakah
1
0.01
-2 -1 0 1 2 3
Ni
Gambar 2. Uji Normalitas Variabel Ni (Nikel)
Dari hasil uji normalitas diatas dapat diketahui bahwa
dengan menggunakan uji Kormogorov Smirnov didapatkan
hasil p-value < 0,010 yaitu p-value kurang dari yang
ditentukan yaitu 0,05 sehingga terjadi tolak H0. Oleh karena itu,
dapat disimpulkan bahwa ketidakmurnian logam untuk variabel
Ni tidak mengikuti distribusi normal. Sedangkan hasil
pengujian kenormalan data ketidakmurnian logam pada
variabel Pb (timbal) adalah sebagai berikut.
B. Uji Keacakan
data ketidamurnian logam setiap variabel telah diambil secara
4 5 6 7
acak atau random. Uji keacakan ini menggunakan metode run
test, dengan hasil pengujian pada setiap variabel adalah sebagai
berikut.
Tabel 2. Hasil Uji Keacakan Data Berat Kemasan Pupuk Urea
Variabel p-value
Ni (Nikel) 0,000
Pb (Timbal) 0,000
Bi (Bismut) 0,000
Dari hasil uji keacakan diatas dapat diketahui bahwa data
ketidakmurnian logam pada semuaa variabel memiliki p-value
0,000 yang kurang dari = 0,05 maka terjadi tolak H0 sehingga
data ketidakmurnian logam untuk semua variabel tidak diambil
secara acak. Selanjutnya, pengolahan dilakukan dengan
mengansumsikan bahwa data telah diambil secara acak. Commented [U8]: Tidak Perlu
C. Peta Kendali MA (Moving Average)
Setelah dilakukan uji asumsi normalitas dan uji asumsi Commented [U9]: Cari MA yang optimum
keacakan, kemudian dilakukan analisis pada peta kendali MA
 5

(moving average). Analisis peta kendali MA digunakan untuk Moving Average Chart of Bi

melakukan pengendalian kualitas dengan mengetahui adanya 0.5

pergeseran rata-rata dari data ketidakmurnian logam pada setiap 0.4

variabel. Hasil dari pengendalian kualitas data ketidakmurnian UCL=0.3289

Moving Average
0.3
logam pada variabel Ni (nikel) dengan menggunakan peta
_
_
kendali MA adalah sebagai berikut. 0.2 X=0.1954

Moving Average Chart of Ni 0.1

3.5 LCL=0.0619

3.0 0.0

2.5 1 37 73 109 145 181 217 253 289 325 361

Moving Average

Sample
2.0 UCL=2.062

1.5 _
Gambar 7. Peta Kendali MA variabel Bi (Bismut)
_

1.0
X=1.282 Berdasarkan Gambar 7 diatas, didapatkan bahwa nilai
tengah pada pergeseran rata-rata data ketidakmurnian logam
0.5 LCL=0.501
variabel Bi (bismut) adalah 0.1954, dengan batas atas 0.3289
0.0

1 37 73 109 145 181 217 253 289 325 361

dan batas bawah sebesar 0.0619. Berdasarkan analisis peta
Sample kendali MA dapat diketahui bahwa terdapat data yang berada
Gambar 5. Peta Kendali MA variabel Ni (Nikel) di luar batas kendali, yaitu pada data subgrup ke 34, 35, 55, 56,
Berdasarkan Gambar 5 diatas, didapatkan bahwa nilai tengah 72, 73, 74, 75, 82, 84, 98, 100, 104, 207, 208, 209, 232, 233,
pada pergeseran rata-rata data ketidakmurnian logam variabel 240, 245, 246, 247, 248, 281, 282, 283, 305, 306, 307, 321, 364
Ni (nikel) adalah 1,282, dengan batas atas 2.062 dan batas dan 365. Sehingga, dapat disimpulkan bahwa data
bawah sebesar 0.501. Berdasarkan analisis peta kendali MA ketidakmurnian logam pada variabel Bi (bismut) belum
dapat diketahui bahwa terdapat data yang berada di luar batas terkendali secara statistik.
kendali, yaitu pada data subgrup ke 58, 86, 87, 100, 132, 133, D. Peta Kendali EWMA Commented [U10]: Cari EWMA yang optimum
134, 159, 160, 161, 200, 201, 202, 205, 209, 211, 271, 272, 273, Analisis peta kendali EWMA (Exponentially Weighted
305, 353, 354, 364 dan subgrup ke 365. Sehingga, dapat Moving Average) digunakan untuk melakukan pengendalian
disimpulkan bahwa data ketidakmurnian logam pada variabel kualitas dengan mengetahui adanya pergeseran rata-rata dari
Ni (nikel) belum terkendali secara statistik. Kemudian, untuk data ketidakmurnian logam pada setiap variabel. Hasil dari
hasil dari pengendalian kualitas data ketidakmurnian logam pengendalian kualitas data ketidakmurnian logam pada variabel
pada variabel Pb (timbal) dengan menggunakan peta kendali Ni (nikel) dengan menggunakan peta kendali EWMA adalah
MA adalah sebagai berikut. sebagai berikut.
Moving Average Chart of Pb EWMA Chart of Pb
3 2.0

2 1.5
UCL=1.747 UCL=1.341
Moving Average

EWMA

1 _
_ 1.0
X=0.786 _
_
X=0.786

0 0.5
LCL=-0.174
LCL=0.232

-1 0.0
1 37 73 109 145 181 217 253 289 325 361 1 37 73 109 145 181 217 253 289 325 361
Sample Sample

Gambar 6. Peta Kendali MA variabel Pb (Timbal) Gambar 8. Peta Kendali EWMA variabel Ni (Nikel)
Berdasarkan Gambar 6 diatas, didapatkan bahwa nilai Berdasarkan Gambar 8 diatas, didapatkan bahwa nilai
tengah pada pergeseran rata-rata data ketidakmurnian logam tengah pada pergeseran rata-rata data ketidakmurnian logam
variabel Pb (timbal) adalah 0.786, dengan batas atas 1.747 dan variabel Ni (nikel) adalah 1.282, dengan batas atas 1.732 dan
batas bawah sebesar 0.174. Berdasarkan analisis peta kendali batas bawah sebesar 0.831 Berdasarkan analisis peta kendali
MA dapat diketahui bahwa terdapat data yang berada di luar MA dapat diketahui bahwa terdapat data yang berada di luar
batas kendali, yaitu pada data subgrup ke 100, 169, 170, 171, batas kendali, yaitu pada data subgrup ke 14, 16, 17, 19, 20, 21,
180, 181, 208, 209, 210, 306, 307 dan 308 . Sehingga, dapat 22, 23, 24, 26, 27, 28, 29, 30, 31, 33, 34, 35, 100, 133, 134, 159,
disimpulkan bahwa data ketidakmurnian logam pada variabel 160, 161, 162, 163, 164, 165, 182, 200, 201, 202, 203, 204, 205,
Pb (timbal) belum terkendali secara statistik. Kemudian, untuk 206, 207, 208, 209, 210, 211, 212, 213, 214, 216, 271, 272, 273,
hasil dari pengendalian kualitas data ketidakmurnian logam 274, 275, 279, 298, 354, 355, 358, 359, 360, 362, 363,364, dan
pada variabel Bi (bismut) dengan menggunakan peta kendali 365. Sehingga, dapat disimpulkan bahwa data ketidakmurnian
MA adalah sebagai berikut. logam pada variabel Ni (nikel) belum terkendali secara statistik.
Kemudian, untuk hasil dari pengendalian kualitas data
ketidakmurnian logam pada variabel Pb (timbal) dengan
menggunakan peta kendali MA adalah sebagai berikut.
 6

EWMA Chart of Bi

0.35

0.30
UCL=0.2725
0.25
EWMA

_
_
0.20 X=0.1954

0.15

LCL=0.1183
0.10

0.05
1 37 73 109 145 181 217 253 289 325 361
Sample

Gambar 9. Peta Kendali EWMA variabel Pb (Timbal)

Berdasarkan Gambar 9 diatas, didapatkan bahwa nilai
tengah pada pergeseran rata-rata data ketidakmurnian logam
Gambar 11. Diagram Ishikawa
variabel Pb (timbal) adalah 0.786, dengan batas atas 1.341 dan
Pada diagram di atas, penyebab ketidakterkendalian
batas bawah sebesar 0.232. Berdasarkan analisis peta kendali
level ketidakmurnian tembaga disebabkan oleh penggunaan
EWMA dapat diketahui bahwa terdapat data yang berada di luar
katoda yang permukaannya cacat, elektrolit yang mengandung
batas kendali, yaitu pada data subgrup ke 169, 170, 171, 181,
logam pengotor seperti nikel dan bismut, penetapan suhu
208, 209, 210, 306, 307 dan 308 . Sehingga, dapat disimpulkan
elektrolit yang terlalu rendah dan current density yang terlalu
bahwa data ketidakmurnian logam pada variabel Pb (timbal)
tinggi. Selain iu, faktor manusia juga menjadi penyebab dari
belum terkendali secara statistik. Kemudian, untuk hasil dari
ketidakterkendalian ini.
pengendalian kualitas data ketidakmurnian logam pada variabel
Bi (bismut) dengan menggunakan peta kendali EWMA adalah
F. Perbandingan Peta Kendali MA dan EWMA
sebagai berikut.
Untuk mengetahui peta kendali yang lebih baik digunakan
EWMA Chart of Bi
untuk mengendalikan kualitas ketidakmurnian logam pada
0.35
setiap variabel, yaitu variabel Ni (Nikel), Pb (Timbal) dan Bi
0.30
(Bismut), maka dilakukan perbandingan pada nilai batas atas
UCL=0.2725
0.25 dan batas bawah signifikansi setiap peta kendali, yaitu sebagai
berikut.
EWMA

_
_
0.20 X=0.1954
Tabel 3. Perbandingan MA dan EWMA
0.15
Batas Ni Pb Bi
LCL=0.1183
0.10 Signifikansi (Nikel) (Timbal) (Bismut)
0.05
Peta Kendali
1 37 73 109 145 181 217
Sample
253 289 325 361 UCL MA 2.062 1.747 0.3289
LCL MA 0.501 0.174 0.0619
Gambar 10. Peta Kendali EWMA variabel Bi (Bismut) UCL EWMA 1.732 1.341 0.2725
Berdasarkan Gambar 10 diatas, didapatkan bahwa LCL EWMA 0.831 0.2232 0.1183
nilai tengah pada pergeseran rata-rata data ketidakmurnian Berdasarkan Tabel 3, dapat diketahui bahwa batas
logam variabel Bi (bismut) adalah 0.1954, dengan batas atas signifikansi untuk peta kendali EWMA lebih kecil dibandingkan
0.2725 dan batas bawah sebesar 0.1183 Berdasarkan analisis peta kendali MA. Hal ini mengindikasikan bahwa peta kendali
peta kendali EWMA dapat diketahui bahwa terdapat data yang EWMA lebih sensitif dan lebih presisi daripada peta kendali
berada di luar batas kendali, yaitu pada data subgrup ke 34, 35, MA. Sehingga dapat disimpulkan bahwa peta kendali EWMA
56, 65, 70, 71, 72, 73, 74, 75, 76, 77, 82, 84, 85, 86, 99, 100, lebih baik digunakan pada data ketidakmurnian logam ini
101, 102, 103, 104, 207, 208, 221, 222, 230, 231, 232, 233, 234, daripada menggunakan peta kendali MA. Kemudian, karena
235, 236, 237, 238, 246, 247, 248, 249, 250, 253, 254, 255, 267, diketahui bahwa peta kendali EWMA lebih sensitif untuk
270, 272, 273, 274, 275, 276, 277, 278, 279, 280, 281, 282, 283, pergeseran rata-rata yang kecil, maka dapat disimpulkan pula
284, 306, 307, 309, 310, 311, 347, 362, 363, 364 dan 365. bahwa pergeseran rata-rata dari data ketidakmurnian logam. Commented [U11]: Kaitkan dengan out of control juga
Sehingga, dapat disimpulkan bahwa data ketidakmurnian pada variabel Ni (nikel), Pb (tembaga) dan Bi (bismut)
logam pada variabel Bi (bismut) belum terkendali secara memiliki pergeseran rata-rata yang kecil.
statistik.
E. Diagram Ishikawa V. KESIMPULAN
Diagram Ishikawa atau sebab akibat digunakan untuk Berdasarkan analisis pengendalian kualitas terhadap data
mengetahui faktor-faktor penyebab permasalahan pada proses ketidakmurnian logam yang telah dilaksanakan dapat
produksi dan akibat yang ditimbulkannya. Karena pada data disimpulkan sebagai berikut.
ketidakmurnian logam pada semua variabel belum terkendali 1. Berdasarkan uji normalitas dapat diketahui bahwa data
secara statistik. Ada pun penyebab dari ketidakterkendalian ketidakmurnian logam pada variabel Ni (nikel), Pb
level ketidakmurnian tersebut diperlihatkan oleh diagram (Timbal), Bi (Bismut) tidak mengikuti sebaran distribusi
ishikawa berikut, normal, sehingga diberikan asumsi bahwa data
 7

ketidakmurnian logam telah mengikuti sebaran distribusi 1.3 0.6 0.15

normal 0.7 0.5 0.05
2. Berdasarkan uji keacakan dapat diketahui bahwa data 0.5 0.3 0.2
ketidakmurnian logam pada variabel Ni (nikel), Pb
0.5 1 0.2
(Timbal), Bi (Bismut) tidak diambil secara acak, sehingga
diberikan asumsi bahwa data ketidakmurnian logam telah 0.5 0.4 0.25
diambil secara acak. 0.5 1 0.2
3. Berdasarkan peta kendali MA dapat disimpulkan bahwa 1.2 0.3 0.05
data ketidakmurnian logam pada variabel Ni (nikel), Pb 1 0.6 0.2
(timbal) dan Bi (bismut) tidak terkendali secara statistik 0.8 0.3 0.2
karena terdapat data yang berada diluar batas kendali
1.3 0.5 0.2
4. Berdasarkan peta kendali EWMA dapat disimpulkan
bahwa data ketidakmurnian logam pada variabel Ni 0.9 0.3 0.25
(nikel), Pb (timbal) dan Bi (bismut) tidak terkendali secara 2 0.3 0.1
statistik karena terdapat data yang berada diluar batas 0.9 0.3 0.25
kendali 2 0.3 0.1
5. Berdasarkan diagram ishikawa dapat diketahui tentang 0.8 0.5 0.15
faktor-faktor penyebab ketidakmurnian logam pada 0.7 0.4 0.2
variabel Ni (nikel), Pb (timbal) dan Bi (bismut) belum
0.5 0.7 0.2
memenuhi spesifikasi.
6. Setelah dilakukan perbandingan antara peta kendali MA 0.9 0.3 0.15
dan EWMA, bahwa peta kendali EWMA lebih baik 1.1 0.7 0.25
digunakan pada data ketidakmurnian logam ini daripada 0.7 0.3 0.2
menggunakan peta kendali MA, karena batas signifikansi 0.7 1 0.25
untuk peta kendali EWMA lebih kecil dibandingkan peta 0.3 0.5 0.1
kendali MA. Kemudian, karena diketahui bahwa peta
0.7 0.5 0.1
kendali EWMA lebih sensitif untuk pergeseran rata-rata
yang kecil, maka dapat disimpulkan pula bahwa 0.5 0.4 0.3
pergeseran rata-rata dari data ketidakmurnian logam 1.3 0.8 0.3
Dalam analisis proses pengendalian kualitas diperlukan 0.7 0.5 0.25
pengkajian terhadap kasus yang akan dilakukan analisis 0.2 0.6 0.1
pengendalian kualitas agar dapat mengetahui faktor-faktor 0.9 0.6 0.25
pendukung ataupun faktor penyebab ketidaksesuaian dengan 0.3 0.7 0.3
spesifikasi yang diharapkan perusahaan.
0.4 0.6 0.15
DAFTAR PUSTAKA 0.7 0.6 0.35
2.3 0.5 0.4
[1] A. K. Biswas, W. G. Davenport and D. W. Hopkins 0.5 0.9 0.2
Auth, Extractive Metallurgy of Copper, Pergamonn 0.5 0.9 0.2
Press, London, 1980. 0.8 0.4 0.1
[2] R. M. Izatt, Metal Sustainability, Wiley, United
1.1 0.8 0.4
Kingdom, 2016.
[3] C. Wikstrom, C. Albano, L. Eriksson, H. Friden, E. 0.8 0.6 0.2
Johansson, A . Nordahl, S. Rannar, M. Sandberg, N. 0.7 0.4 0.3
Kettaneh-Wold, S. Wold, Chemometr. Intell. Lab. Syst. 0.7 0.4 0.2
42 (1998), 231238. 0.7 0.4 0.35
[4] W. W. Daniel, Statistik Nonparametrik Terapan, PT 0.9 0.5 0.25
Gramedia, Jakarta, 1989. 0.6 0.4 0.1
[5] D. C. Montgomery, Introduction to Statistical Quality
1 0.3 0.15
Control : 7th Edition, John Wiley & Sos, Inc, United States
of America, 2013. 0.7 0.3 0.1
LAMPIRAN 1.2 0.4 0.1
1.1 0.5 0.2
Ni Pb Bi
0.4 0.5 0.15
0.9 0.4 0.1
0.9 0.4 0.3
1.2 0.5 0.25
0.8 0.4 0.2
0.7 0.7 0.05
0.3 0.4 0.15
0.9 1.2 0.2
0.4 0.4 0.1
 8

0.4 0.3 0.25 0.8 0.7 0.25

1.2 0.7 0.1 1.3 0.8 0.6
1.2 0.7 0.1 0.9 0.5 0.2
0.5 0.5 0.15 1.1 0.7 0.3
1.1 0.5 0.2 1.4 0.7 0.55
0.6 0.5 0.1 1.5 0.6 0.25
0.8 0.7 0.3 4.6999998 1.2 0.25
0.4 0.4 0.3 1.5 0.7 0.15
1.8 2.2 0.2 2.4000001 2.2 0.3
0.6 0.5 0.4 1.1 0.8 0.15
0.7 0.6 0.35 0.7 0.6 0.1
0.7 3.5 0.55 0.7 0.6 0.1
1 1.3 0.4 1.4 1.2 0.35
1 0.4 0.2 0.8 0.7 0.2
0.8 0.8 0.35 1.6 0.6 0.25
0.8 0.6 0.3 0.8 0.3 0.1
1.8 0.8 0.1 0.9 0.7 0.4
1.3 0.8 0.25 1 0.8 0.4
0.9 0.7 0.05 0.8 0.7 0.25
1 1 0.2 0.7 0.4 0.3
1 0.7 0.05 0.4 0.4 0.25
1.4 1.1 0.1 0.3 0.5 0.15
1.4 1.1 0.1 1.1 0.5 0.25
1.2 1.1 0.25 1.1 0.4 0.6
0.6 0.3 0.05 1.4 0.3 0.25
1 0.8 0.15 0.9 0.3 0.05
1.3 0.6 0.05 1.4 1 0.45
1.2 0.8 0.2 1.1 0.5 0.15
3 2.4000001 0.3 0.9 0.8 0.35
0.7 0.9 0.25 0.9 1.1 0.15
1.2 1.2 0.25 0.4 0.7 0.25
0.4 0.7 0.15 0.4 0.7 0.25
2.2 1.4 0.1 0.7 0.6 0.25
0.9 1.7 0.2 0.7 0.8 0.45
1.2 1.4 0.3 0.9 0.6 0.3
1.1 0.8 0.2 1.2 1.3 0.45
1.3 0.5 0.15 1.9 1.4 0.35
1.3 0.7 0.15 1.2 1 0.4
0.6 0.3 0.05 1.8 1.7 0.3
0.7 1.1 0.15 0.8 0.7 0.45
1.2 0.4 0.05 1.6 2.0999999 0.65
0.8 0.4 0.55 1.4 1.1 0.25
0.8 0.4 0.55 0.6 0.5 0.2
1.1 0.4 0.05 0.7 0.9 0.3
0.9 0.3 0.25 0.7 0.4 0.25
0.8 0.3 0.05 0.7 0.3 0.05
1 0.5 0.3 1 0.8 0.35
0.5 0.6 0.15 0.9 0.8 0.15
1 0.5 0.15 0.8 0.5 0.2
3 1.1 0.2 0.6 0.4 0.05
1.5 0.8 0.45 1.2 0.2 0.05
 9

1.2 0.2 0.05 1.1 0.6 0.1

1.3 0.5 0.15 1.1 0.6 0.1
1.4 0.4 0.35 1.2 0.5 0.2
1.4 0.5 0.5 1.2 0.5 0.05
1.4 0.6 0.05 2.7 1.7 0.15
0.8 0.5 0.45 1.1 0.6 0.05
0.7 0.7 0.5 1.1 0.5 0.3
1 0.8 0.25 1.7 1.1 0.1
1 0.8 0.2 1 0.5 0.2
4.4000001 2.2 0.5 0.9 0.6 0.1
1 0.8 0.3 0.7 1 0.1
2.8 1.1 0.35 0.9 0.4 0.05
1.8 0.7 0.1 0.8 0.6 0.15
1.3 0.8 0.25 0.9 0.7 0.05
3 1.8 0.25 0.8 0.6 0.2
1.8 0.9 0.3 1 0.5 0.3
1.8 0.9 0.1 1.1 0.7 0.1
0.8 0.5 0.25 0.9 0.6 0.15
1.4 0.4 0.1 0.7 0.6 0.35
0.9 0.5 0.1 2.9000001 4.5999999 0.3
0.9 0.5 0.1 1.8 2.4000001 0.25
1.5 1.4 0.25 0.5 0.5 0.15
0.7 0.3 0.05 1.6 1.5 0.4
0.2 0.3 0.1 0.8 0.5 0.05
0.5 0.3 0.1 1.6 0.9 0.05
1.5 2.0999999 0.45 1.6 0.9 0.05
1.5 0.8 0.3 1 0.7 0.15
0.5 0.4 0.24 1 0.7 0.15
0.5 0.4 0.4 0.8 0.6 0.1
1 0.4 0.25 0.8 0.6 0.1
1.3 0.4 0.25 0.4 0.5 0.15
0.6 0.5 0.05 0.6 0.5 0.1
1 0.5 0.1 0.8 0.8 0.2
2.8 1.2 0.3 1.7 1.1 0.15
1.4 0.4 0.7 0.7 0.5 0.35
1 0.5 0.1 0.7 0.5 0.35
1.4 0.8 0.35 0.4 0.5 0.15
2.5999999 3.5999999 0.3 0.5 0.5 0.3
0.9 0.5 0.3 1.3 1.9 0.4
2 1.4 0.35 0.6 1.2 0.2
2 1.4 0.35 2.5 0.7 0.3
2.7 2 0.35 1.1 0.7 0.25
3.0999999 2.5 0.35 1 0.8 0.15
0.9 0.7 0.25 1 0.8 0.15
1.4 0.5 0.15 1.1 0.8 0.05
0.8 0.5 0.2 1.3 0.7 0.1
1.4 0.8 0.55 1 0.4 0.2
1.2 0.5 0.3 1 0.8 0.2
2.3 2.2 0.5 1 1 0.15
1.2 0.5 0.25 1 1 0.15
1.2 0.5 0.25 1.1 0.8 0.2
 10

1.5 0.9 0.2 1.2 0.5 0.15

2.2 0.9 0.2 1.6 0.3 0.15
2.0999999 1 0.15 2.8 0.6 0.1
3.9000001 1.4 0.25 1.1 0.3 0.1
2 0.8 0.15 1.9 0.5 0.1
4 1.9 0.25 1.7 0.3 0.35
2.0999999 0.8 0.2 2.7 1 0.35
1.6 1.1 0.2 2.7 1 0.35
1.5 0.5 0.2 2.3 0.4 0.1
1.2 0.6 0.15 2.3 0.4 0.1
1 0.5 0.35 1.5 0.4 0.15
1.3 0.7 0.15 1.1 0.6 0.1
1.4 0.8 0.2 3.4000001 2.5999999 0.3
1.3 0.7 0.15 1.4 0.6 0.15
1.4 0.8 0.2 2.7 0.8 0.2
1 0.9 0.4 1.2 0.6 0.35
2.7 1.1 0.05 1.6 0.6 0.25
0.6 0.5 0.25 2 0.6 0.15
0.7 0.7 0.05 1.3 0.8 0.15
0.6 0.5 0.1 2.0999999 0.7 0.25
0.6 0.5 0.1 1 1.1 0.2
2.5999999 1 0.25 1.5 0.7 0.2
0.7 0.5 0.05 1 0.9 0.1
0.9 0.5 0.05 0.5 0.8 0.25
0.9 0.5 0.05 1.5 0.7 0.25
1.2 0.6 0.2 1.4 0.5 0.05
1.2 0.5 0.1 0.9 0.5 0.15
1.2 0.6 0.3 1.3 12 0.5
0.8 0.5 0.2 0.6 0.3 0.05
1 0.6 0.2 0.6 0.3 0.05
1 0.6 0.2 0.9 0.8 0.15
0.9 0.5 0.3 0.9 0.8 0.15
1.2 0.6 0.2 4.4000001 0.4 0.15
1.4 0.3 0.2 0.9 0.5 0.15
0.7 0.6 0.05 0.7 0.3 0.1
1.3 0.8 0.2 1 0.5 0.15
1.3 0.5 0.05 1.3 0.5 0.15
1.2 0.4 0.25 0.6 0.5 0.25
1.1 0.8 0.1 1.3 0.6 0.15
1.5 0.5 0.05 1.2 0.4 0.2
1.5 0.5 0.05 1.1 0.5 0.1
1 0.9 0.35 1 0.6 0.1
3.7 3.8 0.2 1.6 1.2 0.1
2.3 0.7 0.15 1.6 1.2 0.1
2.3 0.7 0.15 1.9 0.7 0.2
0.6 0.2 0.15 2.0999999 2.9000001 0.2
1.9 0.5 0.15 2 1.8 0.2
1.1 0.4 0.2 2 1.8 0.2
0.7 0.3 0.2 2 1.8 0.2
1.1 0.3 0.2 2 1.8 0.2
1.4 0.6 0.2 2 1.8 0.2
 11

2 1.8 0.2 3.0999999 2.0999999 1.1

2.0999999 1.3 0.3 1.9 1.7 1
1.6 0.4 0.1 1 4.9000001 0.05
1.3 1.2 0.2 2.0999999 2.9000001 0.15
1.3 1.2 0.2 4.5 2.7 0.15
1.6 0.6 0.15 0.6 0.4 0.2
1.5 0.9 0.25 1.1 0.4 0.25
1.1 0.9 0.2 0.7 0.4 0.15
0.9 0.7 0.1 3.9000001 0.6 0.05
1.2 0.4 0.15 3.9000001 0.6 0.05
1.2 0.4 0.15 1.7 1 0.15
0.5 0.4 0.15 0.7 0.5 0.15
0.5 0.4 0.15 0.8 0.7 0.15
1.3 0.5 0.05 1.2 0.6 0.15
0.7 0.4 0.05 0.8 0.5 0.05
1.3 0.5 0.05 2.5 0.7 0.25
0.7 0.4 0.05 1.3 0.5 0.1
0.3 0.3 0.1 1.5 0.5 0.05
2 0.8 0.1 3.3 1 0.25
1.6 0.7 0.4 1 1 0.05
1.6 0.7 0.4 1.7 0.5 0.1
1.3 0.4 0.2 0.8 0.8 0.05
1 0.3 0.1 1.2 0.8 0.05
1 0.3 0.15 0.7 0.6 0.05
1.1 0.4 0.15 2.2 0.7 0.25
1.6 0.4 0.15 0.8 0.6 0.05
1.6 0.4 0.15 1.4 0.5 0.05
2.3 0.7 0.2 1.4 1.1 0.15
1.1 0.6 0.2 1.2 0.5 0.05
1.4 0.5 0.45 1.2 0.5 0.05
0.8 0.6 0.15 1.4 0.7 0.1
1 0.3 0.15 1 0.4 0.1
1 0.3 0.15 0.9 0.4 0.2
0.6 0.2 0.1 1.2 0.8 0.15
0.9 0.2 0.05 1.5 0.7 0.15
3.3 1.1 0.2 4.5 1.6 0.2
0.9 0.2 0.05 0.8 0.4 0.1
6.4000001 2.3 0.3 0.8 0.4 0.1
6.4000001 2.3 0.3 0.9 0.5 0.1
1.2 0.4 0.35 0.8 0.9 0.25
1.2 0.4 0.35 1.3 0.8 0.2
1 0.3 0.2 1.9 0.9 0.15
1.9 0.7 0.15 1.5 0.6 0.15
2 0.9 0.15 1.2 0.6 0.05
4.6999998 1.4 0.2 1.4 0.6 0.15
1.4 0.8 0.15 1.4 0.3 0.05
0.1 0.7 0.1 0.5 0.4 0.05
2.0999999 0.8 0.1 0.5 0.4 0.05
2.0999999 0.8 0.1 0.5 0.4 0.05
1.1 0.8 0.05 0.5 0.4 0.05
1.1 0.8 0.05 0.8 0.6 0.05
 12

0.8 0.5 0.05 0.6 0.6 0.1

0.6 0.3 0.05 1 1.1 0.2
0.5 0.4 0.05 3.5 3.2 0.3
2 1.1 0.1 1.2 1 0.25
2.3 1 0.15 0.6 0.5 0.05
1.3 0.4 0.05 0.7 0.3 0.05
1.2 0.4 0.1 0.4 0.6 0.15
1 0.5 0.05 0.4 0.6 0.15
1 0.5 0.05 1.2 0.9 0.05
1.4 0.6 0.1 0.7 0.5 0.1
1.4 0.6 0.1 0.9 0.5 0.15
0.9 0.6 0.2 0.5 0.3 0.15
0.9 0.6 0.2 1 0.4 0.05
2.5 0.8 0.6 1.1 0.5 0.1
2.5 0.8 0.6 1.5 1.1 0.2
2 0.9 0.1 1.5 0.7 0.15
1.2 0.6 0.35 1.1 0.8 0.1
1.5 1.1 0.15 0.8 0.5 0.05
1.5 1.1 0.15 1.1 0.6 0.1
1.5 1 0.1 1.4 1.2 0.1
0.7 0.7 0.15 1.1 0.5 0.05
1.5 1.3 0.1 0.9 0.3 0.2
0.7 0.9 0.05 0.9 0.8 0.2
0.7 0.8 0.05 1.5 0.6 0.05
0.8 1 0.05 0 2.0999999 0.1
2.3 1.2 0.05 0 0.4 0.1
0.7 0.7 0.05 0 0.5 0.15
0.7 0.4 0.05 0 0.5 0.15
1.2 0.7 0.05 0.7 0.6 0.05
1 0.6 0.05 0.7 0.6 0.05
1.4 1.1 0.1 0.8 0.5 0.05
1 0.5 0.05 0.8 0.4 0.1
0.8 0.6 0.05 0.7 0.5 0.05
1.3 0.9 0.05 1 1.2 0.1
1 0.7 0.1 0.9 0.5 0.05
0.7 0.3 0.15 1.2 1.3 0.05
1 1.1 0.2 0.7 0.6 0.1
0.6 0.6 0.2 1.6 1.2 0.05
0.6 0.6 0.2 1 1.2 0.1
1.2 0.6 0.1 1 2.0999999 0.1
0.8 0.7 0.1 0.6 0.9 0.1
0.8 0.2 0.05 0.9 0.6 0.15
1.1 1.6 0.1 0.9 1.1 0.05
0.7 0.2 0.1 0.4 0.5 0.05
1.8 0.9 0.15 1 0.6 0.05
0.5 0.5 0.1 1 0.6 0.05
0.6 0.4 0.05 1 0.6 0.05
0.5 0.7 0.3 1 0.6 0.05
0.7 0.5 0.05 1 0.6 0.05
0.7 0.4 0.15 1 0.6 0.05
2.3 2.5 0.25 1 0.6 0.05
 13

1 0.6 0.05 0.9 0.5 0.25

1 0.7 0.1 0.7 0.4 0.45
1 0.7 0.1 0.8 0.5 0.2
2 1.6 0.45 1.7 0.6 0.4
0.6 0.7 0.35 0.6 0.5 0.25
0.7 0.7 0.15 0.6 0.5 0.25
0.9 0.8 0.35 0.6 0.5 0.25
1 0.7 0.1 0.6 0.5 0.25
0.9 1 0.15 0.6 0.5 0.25
0.6 0.5 0.15 0.6 0.5 0.25
0.9 0.4 0.1 1 0.7 0.1
5.1999998 3.9000001 0.55 0.9 0.8 0.15
0.7 0.3 0.15 1.6 0.8 0.15
0.7 0.5 0.25 0.7 0.8 0.1
3.2 0.2 0.15 1.1 0.6 0.15
1 0.3 0.1 1.1 0.4 0.05
1 0.3 0.1 1.4 0.5 0.15
0.4 0.5 0.1 1.4 0.8 0.05
0.6 0.4 0.1 1.6 0.8 0.1
1 0.9 0.3 0.8 0.2 0.15
1 2.5999999 0.15 3.3 1.3 0.3
1.6 0.8 0.1 1.7 1.1 0.6
0.7 0.4 0.25 2.2 1.4 0.3
1.1 0.7 0.1 0.7 0.2 0.2
0.4 0.3 0.1 1.2 0.4 0.35
0.3 0.4 0.1 1.2 0.4 0.35
0.6 0.5 0.1 2.7 2.0999999 0.3
0.6 0.2 0.25 2.3 0.3 0.3
0.8 0.2 0.05 1 0.4 0.2
0.6 0.3 0.1 0.9 0.4 0.3
0.5 0.3 0.1 1 0.4 0.2
0.8 0.5 0.2 0.9 0.4 0.3
0.9 0.4 0.15 1.2 0.6 0.25
0.7 0.5 0.15 1.4 0.6 0.25
1 0.6 0.05 2.4000001 1 0.35
0.9 0.3 0.15 2.7 1.1 0.2
0.9 0.3 0.15 1.6 0.8 0.15
0.4 0.3 0.1 2.4000001 0.4 0.2
1.3 0.6 0.2 1.2 0.6 0.1
1.3 0.7 0.05 1.2 0.6 0.25
2.8 1.1 0.2 2.4000001 0.8 0.2
1 0.3 0.05 1.8 3 0.25
0.5 0.4 0.1 1.8 1.2 0.2
5 1.9 0.2 1.7 0.6 0.35
2 0.8 1.4 1.7 0.7 0.25
1.3 13 0.9 1.7 0.7 0.25
1 0.8 0.1 1 0.2 0.05
0.9 0.4 0.25 0.7 0.2 0.25
0.5 0.4 0.15 1 0.8 0.1
0.7 0.5 0.1 1.4 0.8 0.55
0.8 0.3 0.15 1 0.4 0.15
 14

1.2 0.4 0.15 2.8 1.8 0.3

1.6 0.3 0.25 1.2 0.4 0.35
1.8 0.3 0.15 1.3 0.4 0.25
1.1 0.3 0.15 1.3 0.4 0.25
1.1 0.2 0.1 3.8 2.8 0.4
1.5 0.8 0.1 1.1 0.3 0.4
1.5 0.8 0.1 2.5 1.6 0.35
1.4 1 0.2 0.2 0.3 0.25
2.3 1.3 0.35 2.5 1.2 0.2
1.8 1.7 0.3 3.4000001 2.3 0.75
1.8 1.7 0.3 1.1 0.9 0.6
1.3 0.6 0.1 4.5999999 2.8 0.25
1.1 0.4 0.3
1.5 0.5 0.25
1.5 0.5 0.25 DAFTAR PUSTAKA
1.5 1.5 0.25
[1]
1.6 0.8 0.45
2.3 1.1 0.25
1.1 0.2 0.35
1.1 0.7 0.15
2.3 1.9 0.25
1.8 0.9 0.2
1.9 0.8 0.15
1.3 0.4 0.25
0.8 0.3 0.1
1.9 1.2 0.8
1.3 1 0.3
1 0.4 0.2
0.9 0.3 0.2
1 0.3 0.15
1.5 0.5 0.15
1 0.2 0.05
1 0.2 0.25
1.4 0.4 0.4
1.4 0.4 0.4
4.5999999 1.3 0.2
1.8 0.3 0.2
1.6 0.5 0.25
1.6 0.6 0.2
3.3 0.8 0.2
2.0999999 0.5 0.1
1.4 0.5 0.15
1.6 0.4 0.5
1.6 0.3 0.3
1.1 0.2 0.1
2 0.5 0.2
1.4 0.3 0.1
2.4000001 0.7 0.15
1.8 0.6 0.3
1.4 0.7 0.2
1.7 0.5 0.55