PEMODELAN KUALITAS PROSES

Statistika Pengendalian Mutu

Outline
Statistika Pegendalian Mutu

Pendahuluan

Pemodelan Kualitas Proses Distribusi Frekuensi dan Histogram

Inferensia tentang Kualitas Proses Ringkasan Numerik Data

Grafik Pengendali Sifat Distribusi Probabilitas

Ujian Tengah Semester

Distribusi Frekuensi
• Adalah pengelompokan data ke dalam beberapa kategori yang
menunjukkan banyaknya data dalam setiap kategori
• Setiap data tidak dapat dimasukkan ke dalam dua atau lebih
kategori
Interval Frekuensi Frekuensi
Kelas Frekuensi
Tepi Kelas Kumulatif Relatif
1 19.5 – 21.5 11 11 0,1294
2 21.5 – 23.5 17 28 0,2000
3 23.5 – 25.5 14 42 0,1647
4 25.5 – 27.5 12 54 0,1412
5 27.5 – 29.5 7 61 0,0823
6 29.5 – 31.5 18 79 0,2117
7 31.5 – 33.5 5 84 0,0588
8 33.5 – 35.5 1 85 0,0117
Distribusi Frekuensi
• 
Langkah-langkah
1. Mengumpulkan data
2. Mengurutkan data dari terkecil ke terbesar atau sebaliknya
3. Membuat kategori kelas
Jumlah kelas k = 1 + 3.322 log n
di mana:
k= jumlah kelas
n = jumlah data
4. Membuat interval kelas
Interval kelas = (nilai tertinggi – nilai terendah)/jumlah
kelas
5. Melakukan penghitungan atau penturusan setiap kelasnya
Histogram
• Histogram menyajikan visual data
• Dapat memudahkan untuk melihat:
▫ Bentuk
▫ Lokasi (kecenderungan)
▫ Pancaran/penyebaran
Ringkasan Numerik Data
• Rata-rata
Menunjukkan pusat massa data sampel
n

x i
x i 1
n
• Varians
Menunjukkan pemancaran/penyebaran dalam data sampel
n

 ix  x  2

s2  i 1
n 1
Distribusi Probabilitas
• Merupakan model matematik yang menghubungkan nilai
variabel dengan probabilitas terjadinya nilai itu di dalam
populasi.

Distribusi Diskrit
• Variabel yang diukur hanya dapat
menjalani nilai-nilai tertentu, seperti
bilangan bulat 0, 1, 2,...
Distribusi
Distribusi Kontinu
• Variabel yang diukur dinyatakan dalam
skala kontinu
Distribusi Diskrit
• 
Distribusi Probabilitas Hipergeometrik

dengan rata-rata:

varians:
Distribusi Diskrit
• 
Distribusi Probabilitas Hipergeometrik
Misalnya:
Terdapat 100 produk dan 5 diantaranya tidak sesuai dengan
persyaratan (cacat). Apabila 10 produk diambil secara acak tanpa
pengembalian, berpa peluang untuk menemukan paling banyak 1
produk yang cacat
Distribusi Diskrit
• 
Distribusi Probabilitas Binomial

dengan rata-rata:

varians:
Distribusi Diskrit
• 
Distribusi Probabilitas Poisson

dengan rata-rata:

varians:
Distribusi Diskrit
• 
Distribusi Probabilitas Poisson
Misalnya:
Jumlah cacat pada ikatan kawat perangkat semikonduktor
memiliki sebaran Poisson dengan parameter . Berapa peluang
bahwa perangkat semikonduktor yang dipilih secara acak
memiliki paling banyak dua cacat ikatan kawat?
Distribusi Diskrit
• 
Distribusi Probabilitas Pascal

bilangan bulat

dengan rata-rata:

varians:
Distribusi Kontinu
• 
Distribusi Normal

dengan rata-rata:
, di mana

varians:
, di mana
Distribusi Kontinu
• 
Distribusi Normal
Sifat penting distribusi normal dapat diperlihatkan pada
gamabar:

• 68,26% data berada dalam

batas
• 95,46% data berada dalam
batas
• 99,73% data berada dalam
batas
Distribusi Kontinu
• 
Distribusi Lognormal

dengan rata-rata:

varians:
𝜃=0
 
Distribusi Kontinu
• 
Distribusi Eksponensial

dengan rata-rata:

varians:
Distribusi Kontinu
• 
Distribusi Gamma

dengan rata-rata:

varians:
Distribusi Kontinu
• 
Distribusi Weibull

dengan rata-rata:

varians:
Pendekatan Sebaran
Terima Kasih