Pada umumnya asumsi dasar untuk data pada bagan kendali adalah bersifat saling bebas dan menyebar normal. Namun tidak semua data dapat memenuhi asumsi tersebut salah satunya ketika terjadi autokorelasi. Jika terdapat autokorelasi pada data dapat mempengaruhi tingkat alarm palsu sehingga permasalahan autokorelasi perlu untuk diatasi. Cara untuk mengatasi data berautokorelasi pada bagan kendali dapat dilakukan dengan menggunakan bagan kendali modifikasi Shewhart dan bagan kendali ARMAST. Hasil penelitian menunjukkan pada bagan kendali ARMAST lebih sensitif terhadap data yang out of control dibandingkan dengan bagan kendali modifikasi Shewhart karena nilai ARL yang diperoleh pada bagan kendali ARMAST lebih kecil dibandingkan dengan ARL pada bagan kendali modifikasi Shewhart. Sehingga dalam penelitian ini disimpulkan bahwa performance bagan kendali ARMAST lebih baik dibandingkan bagan kendali modifikasi Shewhart.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
customersupport@researchsolutions.com
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.