Penerapan Diagram Kendali EWMA (Exponentially Weighted Moving Average) Berbasis Pearson Residual pada Data Jumlah Penundaan Keberangkatan Pesawat

Abstract

Abstrak. Tujuan dari pengendalian kualitas statistik adalah untuk mencapai, mempertahankan serta meningkatkan suatu alat kualitas. Alat yang biasa digunakan adalah diagram kendali shewart, namum diagram tersebut kurang efektif dalam mendeteksi pergeseran rata-rata yang relatif kecil. Salah satu alternatifnya yakni menggunakan diagram kendali EWMA (Exponentially Weighted Moving Average) yang memiliki asumsi data berdistribusi normal. Pada praktiknya terkadang variabel terikat mengikuti distribusi poisson dan karakteristik kualitas proses dicirikan sebagai fungsi linier atau non-linier yang dimodelkan menggunakan Generalized Linear Model (GLM). Sehingga diagram kendali berbasis residu diusulkan oleh beberapa peneliti karena menghasilkan kinerja yang lebih baik. Residu yang akan digunakan pada penelitian kali ini adalah pearson residual yang didapat dari model regresi poisson. Pearson residual akan digunakan sebagai nilai statistik pemantauan dalam diagram kendali EWMA. Diagram kendali EWMA berbasis pearson residual ini akan diaplikasikan pada data jumlah penundaan pesawat terbang dengan rute bandara Soekarno Hatta - I Gusti Ngurah Rai sebagai variabel terikat dan kecepatan angin serta suhu sebagai variabel bebas. Hasil pengujian pada Fase I diperoleh nilai  λ = 0.05 sebagai λ yang efektif dalam mendeteksi pergeseran proses yang kecil. Kemudian dengan nilai σ ̂_r^P = 0.7527  dan L = 2.615 dihasilkan diagram terkendali secara statistik. Serta pada Fase II dengan menggunakan nilai batas kendali pada Fase I dihasikan bahwa diagram sudah terkendali secara statistik. Abstract. The purpose of statistical quality control is to achieve, maintain and improve a quality tool. A commonly used tool is the shewart control chart, but the diagram is less effective in detecting relatively small average shifts. One alternative is to use the EWMA (Exponentially Weighted Moving Average) control chart which assumes normally distributed data. In practice, sometimes dependent variables follow the poisson distribution and process quality characteristics are characterized as linear or non-linear functions modeled using the Generalized Linear Model (GLM). So the residue-based control diagram was proposed by some researchers because it produces better performance. The residue that will be used in this study is pearson residual obtained from the Poisson regression model. Pearson residuals will be used as monitoring statistical values in the EWMA control chart. This residual pearson-based EWMA control diagram will be applied to data on the number of aircraft delays with the Soekarno Hatta - I Gusti Ngurah Rai airport route as a bound variable and wind speed and temperature as independent variables. The test results in Phase I obtained a value of λ = 0.05 as λ which is effective in detecting small process shifts. Then with a value of σ ̂_r^P = 0.7527 and L = 2.615 a statistically controlled diagram is produced. And in Phase II using the control limit value in Phase I, it was found that the diagram was statistically controlled.