TY - JOUR AU - Herdiani, Erna Tri PY - 2018/12/20 Y2 - 2024/03/29 TI - Bagan Kendali Robust Multivariat untuk Pengamatan Individual JF - Jurnal Matematika, Statistika dan Komputasi JA - J VL - 15 IS - 2 SE - DO - 10.20956/jmsk.v15i2.5712 UR - https://journal.unhas.ac.id/index.php/jmsk/article/view/5712 SP - 34-43 AB - <p align="center"><strong>Abstract</strong></p><p>The most widely used of control chart in multivariate control processing is control chart T<sup>2</sup> Hotelling. There are 2 kinds of control chart T<sup>2</sup> Hotelling, namely T<sup>2</sup> Hotelling for group observation and T<sup>2</sup> Hotelling  for individual observation. In this paper, discuss the control chart T<sup>2</sup> Hotelling for individual observation. This control chart is used for monitoring of mean vector and sample of covariance matrix.   Mean vector and sample of covariance matrix are very sensitive with respect to extreme point (<em>outliers</em>). Therefore, it is needed  an estimator of mean vector and has a stocky population covariance matrix to the outliers data. One method that can be used to detect data that contains outliers is  <em>Minimum Covariance Determinant </em>(MCD). From the calculation results, obtained that  control chart T<sup>2</sup> Hotelling by using <em>Fast</em>-MCD algorithm is more sensitive to detect outliers data  than  T<sup>2</sup> Hotelling classically.</p><p><strong>Keyword</strong>: T<sup>2</sup> Hotelling, <em>Minimum Covariance Determinant </em>(MCD), <em>robust, outlier</em></p><p align="center"> </p><p align="center"><strong>Abstrak</strong><strong></strong></p><p>Bagan kendali yang  paling banyak digunakan dalam pengendalian proses secara multivariat adalah bagan kendali T<sup>2</sup> Hotelling. Ada 2 jenis dari bagan kendali  Hotelling yaitu bagan kendali  Hotelling untuk pengamatan kelompok dan individual. Pada tulisan ini membahas bagan kendali  Hotelling untuk pengamatan individual. Bagan kendali ini digunakan untuk memonitor vektor  rata-rata dan matriks kovariansi sampel. Vektor rata-rata dan matriks kovariansi sampel sangat sensitif terhadap titik ekstrim (<em>outliers</em>). Oleh karena itu dibutuhkan estimator vektor rata-rata dan matriks kovariansi populasi yang kekar terhadap data <em>outliers</em>. Salah satu metode<em> </em>yang dapat digunakan untuk mendeteksi data yang mengandung <em>outliers</em> adalah <em>Minimum Covariance Determinant </em>(MCD). Dari hasil perhitungan diperoleh bahwa bagan kendali T<sup>2</sup> Hotelling dengan algoritma <em>Fast</em>-MCD lebih sensitif mendeteksi data <em>outliers</em> daripada T<sup>2</sup> Hotelling klasik.</p><p><strong>Kata Kunci: </strong>T<sup>2</sup> Hotelling, <em>Minimum Covariance Determinant </em>(MCD), <em>robust, outlier</em>.</p> ER -