Noviana Pratiwi
Jurusan Statistika, FST, Institut Sains & Teknologi AKPRIND Yogyakarta

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

PENGENDALIAN KUALITAS PRODUKSI AIR MENGGUNAKAN PETA KENDALI MULTIVARIAT T2 HOTELLING SERTA ANALISIS KEMAMPUAN PROSES: Studi Kasus di PDAM Kabupaten Sleman Puri Fathurrahmi; Noviana Pratiwi
Jurnal Statistika Industri dan Komputasi Vol. 4 No. 01 (2019)
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v4i01.1057

Abstract

Abstrak. PDAM Kabupaten Sleman merupakan perusahaan yang bergerak dalam bidang penyediaan air bersih. PDAM Kabupaten Sleman menggunakan Peraturan Menteri Kesehatan Republik Indonesia Nomor 492 Tahun 2010 tentang persyaratan kualitas air minum sebagai acuan dalam mengawasi kualitas air yang diproduksi. Data kualitas air merupakan jenis data multivariat karena air mempunyai lebih dari satu macam parameter pengukuran kualitas. Pengendalian kualitas secara multivariat dapat dilakukan dengan menggunakan peta kendali multivariat T2 Hotelling. Pembuatan peta kendali ini dapat dilakukan melalui dua fase. Fase I digunakan untuk mendapatkan estimasi vektor mean dan matrik varian kovarian dengan pengamatan terkendali sedangkan fase II berguna untuk memantau proses dengan data baru. Setelah peta dalam keadaan terkendali, dilakukan analisis kemampuan proses guna memperkirakan seberapa baik proses dalam memenuhi spesifikasi produk yang telah ditetapkan. Penelitian ini bertujuan untuk melakukan pengendalian kualitas produksi air PDAM kabupaten Sleman menggunakan peta kendali T2 Hotelling serta analisis kemampuan proses. Berdasarkan analisis yang dilakukan pada fase I diperoleh proses yang tidak terkendali secara statistik pada periode Januari-Desember 2017 yaitu pada subgrup 1, 3, 8, dan 11. Data pengamatan yang tidak terkendali tersebut dihapus dan dilakukan perhitungan ulang. Setelah dilakukan perbaikan proses dan peta dalam keadaan terkendali, maka dilanjutkan ke fase II kemudian dilanjutkan dengan analisis kemampuan proses. Nilai kemampuan proses (Cp) pada fase I dan II masing-masing sebesar 2,6953 dan 1,9401, karena nilai Cp>1 maka proses produksi air sudah berjalan dengan sangat baik sesuai dengan spesifikasi produk yang ditentukan.
ANALISIS JALUR TERHADAP FAKTOR FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI KUMULATIF (IPK) MAHASISWA Dody Rifai Deny Boy Sihite; Noviana Pratiwi
Jurnal Statistika Industri dan Komputasi Vol. 3 No. 01 (2018)
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v3i01.1083

Abstract

Abstrak. Indeks Prestasi Kumulatif (IPK) adalah ukuran kemampuan mahasiswa sampai pada periode tertentu yang dihitung berdasarkan jumlah SKS yang telah ditempuh. IPK dipengaruhi oleh beberapa faktor yang dapat digambarkan dengan model analisis jalur. Faktor-faktor yang mungkin mempengaruhi IPK antara lain uang saku, usia, banyak organisasi, lama internet, lama belajar. Analisis jalur merupakan pengembangan dari regresi berganda yang variabel bebasnya tidak hanya mempengaruhi variabel tergantung secara langsung tetapi juga dapat mempengaruhi secara tidak langsung. Penelitian ini menggunakan data primer dan data sekunder. Tujuan penelitian ini untuk melihat faktor faktor yang mempengaruhi IPK secara signifikan baik secara langsung maupun tidak langsung. Objek penelitian ini adalah mahasiswa jenjang S1 angkatan 2014 Institut Sains dan Teknologi AKPRIND. Berdasarkan hasil pembahasan faktor-faktor yang mempengaruhi IPK diperoleh adalah lama belajar dan lama penggunaan internet. Faktor yang memiliki pengaruh negatif terhadap IPK adalah variabel lama penggunaan internet dengan pengaruh langsung sebesar –0,213 dan pengaruh tak langsung mendekati 0,000. Total pengaruh penggunaan internet terhadap IPK adalah -0,213. Faktor yang memiliki pengaruh positif terhadap IPK adalah faktor lama belajar dengan pengaruh langsung sebesar 0,147 dan pengaruh tidak langsung mendekati 0,000. sehingga total pengaruh lama belajar terhadap IPK adalah 0,147.
ANALISIS SEGMENTASI DAN PETA POSISI IST AKPRIND MENGGUNAKAN METODE MULTIDIMENSIONAL SCALING DAN CORRESPONDENCE ANALYSIS (Studi Kasus Terhadap Siswa Kelas XII SMA BOPKRI II dan SMAN 3 Yogyakarta) Katarina Beatrix Gamur; Noviana Pratiwi
Jurnal Statistika Industri dan Komputasi Vol. 2 No. 02 (2017)
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v2i02.1088

Abstract

ABSTRAK. Tujuan penelitian ini adalah untuk mengetahui segmentasi dan peta posisi IST AKPRIND terhadap perguruan tinggi lain yang ada di Yogyakarta. PTS yang dipilih untuk dibandingkan dengan IST AKPRIND adalah STTNAS, Atma Jaya, Sanata Dharma, UKDW, UTY, UAD, dan UNRIYO. Atribut yang digunakan sebagai tolak ukur penilaian adalah biaya kuliah, lokasi, promosi, suasana religi, dan citra. Metode statistik yang digunakan adalah Multidimensional Scaling dan Correspondence Analysis. Studi kasus penelitian ini yaitu kelas XII SMA BOPKRI II dan SMAN 3 Yogyakarta. Jumlah sampel yang digunakan sebanyak 210 dengan pemilihan anggota sampel menggunakan metode klaster dua tingkat. Hasil penelitian ini menunjukkan bahwa: pertama, dengan menggunakan metode multidimensional scaling dapat diketahui bahwa pesaing utama IST AKPRIND adalah STTNAS dan UTY yang terletak pada kuadran IV (dimensi 1 positif, dimensi 2 negatif). Akan tetapi, menurut persepsi dan preferensi responden, ketiga PTS ini belum mempunyai keunggulan yang berarti dibandingkan 5 PTS lain yang dibandingkan. Kedua, dengan menggunakan metode correspondence analysis dengan data berupa rata-rata, dapat diketahui bahwa pesaing utama IST AKPRIND adalah STTNAS dan UNRIYO yang terletak pada kuadran II (dimensi 1 negatif, dimensi 2 positif) dengan atribut yang masih harus diperhatikan adalah suasana religi. Ketiga, dengan menggunakan metode correspondence analysis dengan data berupa frekuensi, dapat diketahui bahwa pesaing utama IST AKPRIND adalah STTNAS, terletak pada kuadran II (dimensi 1 negatif, dimensi 2 negatif) dengan atribut yang masih harus diperhatikan adalah biaya kuliah.
PELATIHAN PENYAJIAN DATA DALAM BENTUK GRAFIK BAGI SISWA SMAN 1 MINGGIR Rokhana Dwi Bekti; Noviana Pratiwi
Jurnal Statistika Industri dan Komputasi Vol. 3 No. 02 (2018)
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v3i02.1238

Abstract

Kreatifitas siswa sangat diperlukan untuk memudahkan pemahaman suatu materi di sekolah. Beberapa diantaranya adalah bagaimana menghitung, menganalisis dan menginterpretasikan data. Menguasai cara membuat grafik merupakan salah satu langkahnya. Oleh karena itu tim pengabdian masyarakat dari Jurusan Statistika, Institut Sains & Teknologi AKPRIND Yogyakarta mengadakan kegiatan pengabdian masyarakat di SMAN 1 Minggir. Materi yang diberikan adalah bentuk penyajian data ke dalam bentuk grafik dan cara penggunaanya menggunakan software Micoroft Excel. Melalui pelatihan ini, siswa telah mampu membuat grafik untuk menyelesaikan permasalahan di matapelajaran terkait. Dengan pelatihan ini siswa juga mampu menginterpretasikan data dari suatu grafik.
PENGENALAN SOFTWARE STATISTIKA BAGI SISWA SMA UNTUK MENGHADAPI ERA BIG DATA DI SMAN 1 MINGGIR Noviana Pratiwi; Rokhana Dwi Bekti
Jurnal Statistika Industri dan Komputasi Vol. 2 No. 02 (2017)
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v2i02.1239

Abstract

Tim dosen dan mahasiswa di Jurusan Statistika, Institut Sains & Teknologi AKPRIND Yogyakarta telah mengadakan kegiatan PKM pelatihan pengenalan software statistika bagi siswa SMAN 1 Minggir. Tujuan kegiatan ini adalah untuk meningkatkan pengetahuan siswa tentang penggunaan software statistika dalam menyelesaikan permasalahan-permasalahan big data. Materi yang diberikan adalah pengetahuan tentang penggunaan software Microsoft Excel dan SPSS serta mempraktekannya. Kegiatan ini sangat bermanfaat bagi siswa. Mereka telah mendapatkan banyak pengetahuan. Hal ini diketahui berdasarkan hasil kuisioner, dimana sejumlah 82,14% peserta mampu menjawab soal dengan benar setelah diberi pelatihan, sedangkan sebelum pelatihan hanya 76,67%.
PENERAPAN METODE TWO STEP CLUSTER UNTUK PENGELOMPOKAN POTENSI DESA Agung Hendra Setyawan; Noviana Pratiwi
Jurnal Statistika Industri dan Komputasi Vol. 4 No. 2 (2019): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v4i2.1923

Abstract

Kabupaten Konawe merupakan satu dari 17 kabupaten/kota yang menjadi bagian wilayah dari Provinsi Sulawesi Tenggara. Usalah satu cara untuk mengembangkan kabupaten Konawe adalah dengan meningkatkan potensi desa. Dengan mengetahui klasifikasi potensi desa maka pemerintah bisa menentukan potensi apa yang bisa dikembangkan agar pembangunan tepat sasaran. Pengklasteran adalah proses pengelompokan objek ke dalam klaster-klaster yang memiliki kemiripan. Beberapa masalah yang sering dijumpai dalam analisis klaster yaitu skala pengukuran variabel tidak sama dan jumlah objek besar serta jumlah klaster tidak diketahui. Salah satu pendekatan untuk menangani masalah ini tanpa mentransformasi variabel-variabel tersebut adalah dengan menggunakan metode Two Step Cluster. Penelitian ini bertujuan menerapkan metode Two Step Cluster dengan mengklasterkan kelurahan/desa yang berada di Kabupaten Konawe. Hasil pengklasteran dengan metode Two Step Cluster adalah klaster 2 lebih baik daripada klaster 1 sehingga pemerintah harus lebih memperhatikan 13 variabel-variabel pada claster 1.