Mei 2022 - Konsultan Analis Data Penelitian dan Peta Digital

Apa itu Metode Uncertainly Analysis?

Ada banyak metode yang digunakan dalam penelitian, salah satunya adalah ketidak pastian atau sering disebut sebagai uncertainly analysis. Metode ini merupakan metode penelitian yang cocok digunakan untuk inventarisasi, sehingga hasil data lebih akurat.

Metode ini tidak berdiri sendiri, melainkan menggabungkan antara keputusan pilihan metodologis dan prioritas mengenai hasil akhir yang sempurna di bagian inventarisasi. Penilaian yang dilakukan dengan metode ini dimaksudkan untuk mempertanyakan validitas estimasi emisi.

Anda yang hendak menggunakan metode uncertainly analysis bisa membaca penjelasan yang lebih lengkap mengenai metode tersebut. Dengan begitu, Anda bisa melakukan penelitian dengan lebih mudah, tanpa perlu khawatir mengenai kesalahan perhitungan atau bias data.

Jenis Metode Analisis Ketidakpastian

Secara umum ada dua jenis metode analisis mengenai ketidak pastian, yakni:

Ketidakpastian Pengukuran Tunggal

Merupakan pengukuran atau penelitian yang hanya dilakukan satu kali saja, nantinya nilai yang dianggap benar adalah nilai yang pertama kali dimasukkan dan dihitung. Untuk mendapatkan hasil ketidak pastian, diambil dari setengah nilai skala terkecil yang digunakan instrument.

2. Ketidakpastian Berulang

Pengukuran yang akurat biasanya tidak dilakukan satu kali saja, melainkan dua sampai tiga kali untuk meminimalisir kesalahan. Untuk ketidakpastian pengukuran berulang, nilai yang digunakan adalah nilai rata rata yang didapatkan dari data. Sedangkan untuk nilai ketidakpastiannya, didapatkan dari nilai simpangan baku masing-masing sampel.

Aturan dalam Analisis Ketidakpastian

Ketika menggunakan metode uncertainly analysis, ada empat aturan dasar yang harus diperhatikan, diantaranya adalah:

a. Aturan Penjumlahan dan Pengurangan

Merupakan aturan dimana dua besaran data dijumlahkan atau dikurangkan, berdasarkan aturan tambahan ketidakpastian mutlak yang dimiliki

b. Aturan Perkalian dan Pembagian

Merupakan aturan kedua dalam metode analisisi ketidakpastian, disini dua besaran yang terlibat operasi perkalian ataupun pembagian ditambahkan ketidak pastian relatifnya. Biasanya aturan dasar ini digunakan untuk menghitung luas bangun ruang.

c. Aturan Pangkat

Aturan pangkat menjadi aturan ketiga terkait dengan metode analisis ketidakpastian. Aturan pangkat hampir serupa dengan aturan perkalian dan pembagian sebelumnya, namun data atau angka yang dikalikan merupakan variabel yang sama.

d. Aturan Perkalian dan Konstanta

Terakhir adalah aturan perkalian dan konstanta dalam aturan dasar metode uncertainly analysis. Aturan ini digunakan jika hasil pengukuran mengandung ketidakpastian relative ketika dilakukan dengan sebuah konstanta. Apabila hasilnya memiliki ketidakpastian yang mutlakk, maka variabel harus dilakukan dengan konstanta yang sudah ditentukan.

Demikianlah penjelasan lebih lengkap terkait dengan metode uncertainly analysis. Anda yang hendak menggunakan metode analisis ini ada baiknya membaca lebih lengkap mengenai materinya, sebab rumus yang digunakan harus dianalisis dengan teliti. Semoga informasi terkait dengan metode analisis ketidakpastian ini dapat menambah pengetahuan Anda, terutama yang hendak melakukan penelitian dengan metode tersebut.

Penjelasan Metode Analisis Six Sigma Distribusi Weibul

Sejarah Metode Six Sigma?

Metode Six Sigma sendiri telah dikenal sejak abad ke-19 dan pertama kali diperkenalkan serta dikembangkan oleh Carl Fredrich Gauss, seorang matematikawan dan fisikawan Jerman. Dimana kurva lonceng tersebut menjadi alat awal untuk menemukan kesalahan dan cacat dalam suatu proses.

Analisis Six Sigma kemudian dikembangkan oleh fisikawan lainnya yaitu Walter Shewhart, asal Amerika di tahun 20-an. Hingga kemudian di tahun 80-an, Motorola membawa metode ini untuk menciptakan kualitas produknya agar lebih konsisten.

Apa itu Six Sigma?

Metode Six Sigma merupakan metode yang dapat digunakan untuk analisis tingkat kerusakan sampai produk mendekati zero defect. Adapun prosedur yang digunakan untuk memperbaiki proses dan peningkatan kualitas menuju target Six Sigma yaitu dengan konsep DMAIC (Define, Measure, Analyze, Improve, Control).

Dalam Six Sigma, variasi biasanya dimodelkan dengan distribusi normal kurva lonceng. Seringkali, proses dan produk tidak “berperilaku baik” dan distribusinya biasanya miring. Kemiringan umumnya lebih terlihat ketika variasinya signifikan. Oleh karena itu, perhitungan Six Sigma telah dikritik karena sangat mengandalkan asumsi normalitas.

Komponen kunci keberhasilan implementasi Six Sigma adalah dukungan dari para eksekutif. Metodologi tidak bekerja dengan baik ketika seluruh organisasi tidak setuju.

Sementara Analisis Weibull diciptakan pada tahun 1937 oleh insinyur dan matematikawan Ernst Hjalmar Waloddi Weibull asal Swedia. Ia pun menjadi terkenal di bidang probabilitas dan statistik untuk formulasi distribusi Weibull. Sebuah metode probabilistik yang menentukan rata-rata masa pakai dan tingkat kegagalan dari waktu ke waktu.

Analisis Weibull juga banyak digunakan diberbagai bidang seperti Kimia, Biologi, Fisika, dan Matematika. Dengan metode ini, para ilmuwan dapat menentukan tingkat kejadian kanker paru-paru pada perokok atau besarnya gempa, dan masih banyak lagi.

Prediksi yang dilakukan analisis Weibull, dibuat berdasarkan statistik yang dihasilkan dari data langsung dari kuantitas perwakilan unit produk tertentu. Data kehidupan diukur selama masa pakai suatu produk. Pengukuran ini bisa dalam menit, jam, kilometer, siklus, dan lain sebagainya.

Pendekatan teoritis yang diusulkan untuk menentukan metode analsis Six Sigma distribusi Weibull merupakan hal baru bagi praktisi kualitas Six Sigma, yang biasanya berurusan dengan proses normal atau pendekatan normal untuk proses non-normal.

Prosedur yang dikembangkan di sini sebenarnya digunakan untuk pertama-tama menentukan LSSL dan USSL diikuti dengan diperolehnya LSQL dan USQL. Hal ini pada gilirannya telah membantu menghitung metrik Six Sigma seperti cacat per sejuta peluang (DPMOs) dan bagian-bagian yang sangat baik per sejuta peluang (EGPMOs) di bawah distribusi Weibull dua parameter untuk yang lebih rendah lebih baik (LTB) dan yang lebih tinggi -karakteristik kualitas yang lebih baik (HTB).