RECORD DETAIL
Back To Previous
Back To Previous
| Title | Menghilangkan Autokorelasi pada Diagram Kontrol Shewhart Menggunakan Diagram Kontrol Residual Berdasarkan Model Extention Support Vector Regression |
| Edition | |
| Call Number | 2018/10 |
| ISBN/ISSN | |
| Author(s) | Bisri, Hasan |
| Subject(s) | Quality Production: Autokorelasi Diagram Kontrol Least Square |
| Classification | 658.5 Bis m |
| Series Title | GMD | Tesis |
| Language | Indonesia |
| Publisher | Departemen Teknik Industri FTI-ITS |
| Publishing Year | 2018 |
| Publishing Place | Surabaya |
| Collation | |
| Abstract/Notes | Kualitas merupakan faktor kunci yang mengarahkan kepada keberhasilan, pertumbuhan, dan daya saing bisnis. Kualitas juga merupakan salah satu faktor penting dalam pengambilan keputusan konsumen dalam pemilihan produk dan layanan. Guna meningkatkan kualitas produk dapat memanfaatkan beberapa cara, salah satunya adalah menerapkan statistical process control (SPC). Salah satu tool SPC yang paling banyak diterapkan adalah diagram kontrol yang berguna untuk mengetahui variansi dari proses. Diagram kontrol didasarkan pada asumsi bahwa data mengikuti distribusi normal dan tidak terdapat hubungan antara pengamatan yang berurutan (autokorelasi). Namun dalam proses industri kontinyu kebanyakan data bersifat autokorelasi. Agar bisa menggunakan diagram kontrol secara efektif, autokorelasi dalam data harus dihilangkan. Langkah yang dapat dilakukan untuk pengendalian kualitas pada data autokorelasi adalah dengan memetakan residual hasil pemodelan menggunakan metode time series pada diagram kontrol. Pada penelitian ini dikembangkan diagram kontrol residual berdasarkan model extention Support vector regression yaitu Least square support vector regression dan Genetic algorithm support vector regression untuk mengatasi kasus autokorelasi pada proses. Kriteria kebaikan model dalam penelitian ini menggunakan nilai Root Mean Square Error (RMSE). Semakin kecil nilai RMSE maka model yang digunakan semakin baik. Setelah dilakukan perhitungan menggunakan metode regresi, Support vector regression dan metode Extention support vector regression, metode yang paling baik adalah Genetic algorithm support vector regression berdasarkan nilai RMSE sebesar 1,554310 dan 0,5565. Kata kunci : Autokorelasi, Diagram Kontrol, Least Square, Genetic Algorithm, Support Vector Regression, Diagram Kontrol Residual |
| Specific Detail Info | Autokorelasi, Diagram Kontrol, Least Square, Genetic Algorithm, Support Vector Regression, Diagram Kontrol Residual |
| Image |  |
| File Attachment | LOADING LIST... |
| Pembimbing | Prof.Ir. Moses L.Singgih,M.Sc.PhD. |
| Volume | |
| Availability | LOADING LIST... |
| Back To Previous |