Teknik Industri
Dipublikasikan oleh Anjas Mifta Huda pada 22 April 2025
Dalam tutorial ini, kita akan mempelajari algoritma heuristik, metaheuristik, dan probabilistik. Kami akan fokus pada definisi, persamaan, perbedaan, dan contohnya.
Pertama, kita akan memiliki tinjauan singkat tentang pemecahan masalah dan optimasi masalah dalam Ilmu Komputer, sehingga membahas teknik tradisional dalam konteks ini. Jadi, kita akan melihat konsep dan fitur tertentu dari heuristik, metaheuristik, dan algoritma probabilistik. Terakhir, kami akan membandingkannya dalam ringkasan sistematis.
Pemecahan masalah ilmu komputer
Pada dasarnya, kita menggunakan komputasi untuk memecahkan berbagai masalah dunia nyata.
Misalnya, kita dapat menggunakan teori grafik dan algoritma untuk menentukan jalu terpendek dalan jalu tertentu . Selanjutnya, kita dapat menghitung alokasi barang terbaik dalam tas berdasarkan ukuran dan beratnya.
Kedua skenario yang dikutip sebelumnya adalah masalah optimasi klasik dalam Ilmu Komputer yang masing-masing kami sebut “The Traveling Salesman” dan “The Knapsack Problem”.
Untuk mengatasi masalah ini, kita dapat menerapkan beberapa strategi berbeda. Beberapa strategi hanya menyelesaikan satu masalah, sementara strategi lainnya dapat disesuaikan untuk mengatasi banyak masalah.
Selain itu, beberapa strategi mungkin mendapatkan hasil yang optimal secara global. Strategi lain, pada gilirannya, memberikan hasil yang kurang optimal namun cukup baik. Dalam kasus terakhir, kita dapat mengklasifikasikan strategi pemecahan masalah menjadi strategi eksak atau tidak eksak. Mari kita lihat klasifikasinya pada subbagian berikut.
Strategi tepat dan tidak tepat
Seperti yang telah dibahas sebelumnya, kategori eksak dan non eksak memperhatikan kemungkinan suatu strategi pemecahan masalah mendapatkan hasil yang optimal.
Singkatnya, algoritma yang tepat menjamin (dengan probabilitas 100%) pencapaian solusi optimal untuk masalah tertentu. Strategi seperti algoritma brute force selalu tepat.
Selain itu, kami dapat mendukung heuristik untuk algoritma yang tepat. Berdasarkan permasalahan tersebut, kita dapat menggunakan heuristik untuk menghindari pilihan yang buruk dan hanya menguji (dan semua) hasil yang menjanjikan.
Namun, algoritme yang tepat mungkin memerlukan lebih banyak sumber daya komputasi dan waktu eksekusi daripada yang harus kita selesaikan. Dalam kasus seperti ini, strategi yang tidak tepat adalah pilihan terbaik.
Dalam skenario ini, kami bekerja dengan algoritme yang tidak menjamin hasil optimal secara global. Namun, algoritma non-eksak mengeksplorasi masalah dengan cara yang cerdas, sehingga menemukan hasil yang baik dalam waktu yang memungkinkan dengan sumber daya yang lebih sedikit.
Jadi, algoritma heuristik, metaheuristik, dan probabilistik adalah strategi yang tidak eksak. Beberapa contohnya adalah algoritma pencarian masalah , pencarian tabu, dan strategi evolusi.
Pada bagian berikut, kita secara khusus akan melihat konsep dan contoh heuristik, metaheuristik, dan algoritma probabilistik.
Heuristik
Heuristik adalah strategi yang menggunakan informasi tentang masalah yang sedang dipecahkan untuk menemukan solusi yang menjanjikan .
Menurut heuristik yang dipilih untuk suatu masalah tertentu, tujuannya tidak selalu mencari solusi optimal tetapi hanya menemukan solusi yang cukup baik. Heuristik berdasarkan pencarian serakah ada di kelas ini, misalnya.
Di lain waktu, kita dapat menggunakan heuristik bukan untuk menemukan hasil, melainkan membuang hasil yang jelas-jelas buruk. Dalam kasus seperti itu, heuristik menghapus sebagian ruang pencarian dan menguji semua kemungkinan hasil yang tersisa. Kami menyebutnya heuristik pendukung.
Terlepas dari heuristik mana yang kita adopsi, mereka memiliki beberapa karakteristik umum:
Gambar berikut menggambarkan bagaimana heuristik berbasis penelusuran yang tepat, mendukung, dan serakah mengatasi masalah penjual keliling yang sederhana:

Sumber: baeldung.com
Pada gambar di atas, hasil akhirnya berwarna merah. Jadi, algoritma yang tepat selalu memberikan hasil yang optimal secara global. Algoritma yang tepat dengan heuristik pendukungnya juga menemukan hasil yang optimal secara global. Pada akhirnya, heuristik dapat mengembalikan hasil optimal secara global, namun hal ini bergantung pada parameter yang disediakan untuk eksekusi.
Metaheuristik
Mirip dengan heuristik, metaheuristik bertujuan untuk menemukan hasil yang menjanjikan untuk suatu masalah. Namun, algoritma yang digunakan untuk metaheuristik bersifat umum dan dapat menangani masalah yang berbeda.
Dengan cara ini, karakteristik “keberhasilan yang tidak dapat diukur” dan “eksekusi yang wajar” masih sama seperti yang dibahas dalam heuristik. Namun, metaheuristik menggantikan prinsip desain berbasis masalah dengan desain yang tidak bergantung pada masalah:
Contoh metaheuristik yang terkenal adalah algoritma matematika, optimasi kawanan artikel,simulasi anil, dan pencarian lingkungan variabel. Selain itu, menurut cara kerja metaheuristik untuk menemukan hasil suatu masalah, kita dapat membaginya menjadi tiga kategori:
Gambar berikut menunjukkan contoh sederhana masalah travelling salesman yang diselesaikan dengan algoritma genetika, yaitu metaheuristik berbasis populasi:
Sumber: baeldung.com
Penting untuk dicatat bahwa, dalam kasus spesifik metaheuristik genetik, kita tidak dapat menyimpulkan hasil berdasarkan masukan karena terdapat operasi stokastik untuk menentukan kapan dan bagaimana hasil perantara digabungkan dan dimodifikasi.
Algoritma probabilistik
Kita telah membicarakan tentang algoritma heuristik dan metaheuristik yang mengorbankan kepastian menemukan hasil optimal untuk menghasilkan hasil yang cukup baik dengan waktu dan sumber daya komputasi yang layak.
Selain itu, kita secara singkat membahas algoritma eksak (juga dikenal sebagai deterministik) yang selalu memberikan hasil optimal untuk masalah tertentu.
Algoritme probabilistik, pada gilirannya, adalah kelas strategi pemecahan masalah yang tidak eksak. Namun , tidak seperti heuristik dan metaheuristik, algoritma probabilistik dirancang untuk mendapatkan hasil yang optimal.
Namun, algoritma probabilistik hanya memiliki probabilitas tinggi untuk menemukan hasil optimal dalam waktu yang memungkinkan. Jadi, algoritme ini tidak menjamin hasil optimal atau pengurangan waktu eksekusi untuk menemukannya.
Hal ini terjadi karena algoritma probabilistik menggunakan beberapa elemen acak. Jadi, bergantung pada definisi elemen acak ini dalam setiap eksekusi, kita dapat mengubah masalah kompleks menjadi masalah sederhana atau masalah yang sulit diselesaikan.
Ada tiga kategori utama algoritma probabilistik:
Contoh sederhana monte carlo
Mari kita pertimbangkan daftar angka dan algoritma Monte Carlo untuk memeriksa apakah ada elemen mayoritas (setidaknya 50% + 1 kemunculan) dalam daftar tersebut. Algoritme memilih nomor acak dari daftar dan memeriksa kemunculannya, mengembalikan nilai benar jika angka tersebut merupakan angka mayoritas atau salah jika bukan angka mayoritas.
Pseudocode dari algoritma yang dijelaskan sebagai berikut:
algorithm MonteCarloMajority(numberList, lengthList):
Jadi, jika terdapat elemen mayoritas, kemungkinan mendapatkan hasil yang salah lebih kecil dari . Dengan cara ini, jika kita menjalankan algoritme ini sebanyak N kali dan hasilnya selalu salah, kita meningkatkan keyakinannya dan kemungkinan kesalahannya berkurang menjadi .
Tentu saja, selalu ada kemungkinan adanya jumlah mayoritas. Namun, ketika jumlah eksekusi meningkat dan kami tidak menemukan jumlah mayoritas ini, kemungkinan adanya jumlah tersebut menjadi dapat diabaikan.
Ringkasan sistematis
Saat ini, kami menggunakan sistem komputer untuk memecahkan berbagai masalah. Beberapa permasalahan sederhana jika dilihat dari kemampuan komputasi yang tersedia saat ini. Dalam hal ini, kita dapat menggunakan algoritma yang tepat untuk menyelesaikan masalah ini, sehingga mendapatkan hasil yang optimal.
Namun, masalah lain terlalu rumit untuk diselesaikan dengan algoritma yang tepat dalam waktu yang memungkinkan dan menggunakan sumber daya komputasi yang wajar. Jadi, kita bisa menggunakan strategi kelas lain untuk menyelesaikannya. Contohnya adalah heuristik, metaheuristik, dan algoritma probabilistik.
Kelas algoritme lain ini dapat menemukan hasil optimal untuk suatu masalah, seperti algoritme eksak, namun hal ini tidak dijamin. Namun, algoritme ini lebih cepat dan biasanya mengonsumsi lebih sedikit sumber daya komputasi dibandingkan alternatif lainnya.
Tabel di bawah ini merangkum karakteristik algoritma eksak, heuristik, metaheuristik, dan probabilistik.
Kesimpulan
Dalam tutorial ini, kita mempelajari strategi heuristik, metaheuristik, dan probabilistik. Pada awalnya, kami meninjau secara singkat pemecahan masalah dalam konteks komputasi. Jadi, kami secara khusus mengeksplorasi karakteristik algoritma heuristik, metaheuristik, dan probabilistik. Terakhir, kami membandingkan beberapa karakteristik kelas algoritme yang berbeda ini dalam ringkasan sistematis.
Kita dapat menyimpulkan bahwa strategi non-eksak sangat penting untuk memecahkan masalah komputasi. Namun, ada masalah yang rumit , dan menggunakan algoritma yang tepat untuk menyelesaikannya adalah hal yang tidak mungkin dilakukan. Dengan demikian, algoritma heuristik, metaheuristik, dan probabilistik menjadi pilihan yang tepat untuk memecahkan masalah komputasi yang kompleks ini.
Disadur dari: baeldung.com
Teknik Industri
Dipublikasikan oleh Anjas Mifta Huda pada 22 April 2025
Rekayasa kualitas berfokus pada pengenalan metodologi kualitas baru dan dampaknya di seluruh perusahaan, termasuk perubahan budaya dan prosedur. Ini adalah tentang meningkatkan proses Anda seputar cara Anda memberikan kualitas dan memengaruhi seluruh perusahaan. Meskipun rekayasa kualitas relevan untuk semua jenis pengembangan produk, di dunia kami, kami fokus pada bagaimana rekayasa kualitas dapat membantu meningkatkan eksekusi produk digital dan kualitas produk perangkat lunak organisasi Anda.
Mengapa rekayasa kualitas penting?
Penerapan metodologi dan alat Rekayasa Kualitas yang efektif dalam organisasi Anda akan meningkatkan komunikasi antara tim teknik dan manufaktur serta memastikan bahwa suara pelanggan (VOC) diintegrasikan ke dalam produk atau layanan yang baru atau yang lebih baik.
Alat rekayasa kualitas dapat meningkatkan kualitas produk digital dan mengurangi biaya melalui proses yang lebih efisien. Implementasi yang tepat akan memungkinkan Anda untuk menghasilkan produk digital berkualitas tinggi yang memenuhi atau melampaui keinginan pelanggan Anda, yang akan berdampak besar pada keuntungan Anda.
Sebagai Chief Strategy Officer di Digivante, saya telah bekerja sama dengan tim saya yang terdiri dari para ahli di bidangnya yang berpengalaman untuk mengidentifikasi prinsip-prinsip inti berikut ini untuk membantu penyampaian kualitas di tingkat perusahaan.
Prinsip-prinsip inti rekayasa kualitas
Meskipun prinsip-prinsip inti ini merangkum keyakinan kami, prinsip-prinsip ini tidak bersifat preskriptif. Tuntutan dari setiap proyek, rangkaian teknologi, domain, dan tim memerlukan penyesuaian untuk mengatasi tantangan unik dari situasi individu secara tepat. Prinsip-prinsip inti ini menggambarkan preferensi tetapi menawarkan fleksibilitas bagi para praktisi untuk mengimplementasikan proses dan pendekatan yang diperlukan. Hal mendasar yang perlu diperhatikan adalah bahwa untuk mewujudkan prinsip-prinsip ini membutuhkan kolaborasi dari seluruh tim. Kualitas dipengaruhi oleh semua aspek pengembangan perangkat lunak, sehingga kita tidak dapat mendefinisikan atau menjalankan strategi kualitas tanpa keterlibatan dari semua peran lain - CEO, CTO, Kepala departemen, Manajer Program, Pengembang, Pemilik Produk, dan banyak lagi.
Pendekatan kualitas adalah pendekatan tim, bukan sesuatu yang disusun dan dijalankan secara sepihak oleh Konsultan Kualitas, sehingga agar masing-masing kelompok ini dapat secara efektif menerapkan praktik-praktik yang memastikan kualitas, harus ada pemahaman bersama tentang apa arti kualitas.
Pendekatan yang tepat pada waktu yang tepat
Ada banyak solusi untuk membantu memastikan kualitas. Menerapkan solusi yang tepat pada waktu yang tepat untuk memecahkan masalah tertentu adalah kuncinya. Di Digivante, kami memiliki budaya fleksibilitas, sehingga semua layanan kami dapat disesuaikan dengan kebutuhan klien kami. Kami percaya bahwa pendekatan kolaboratif antara pengujian manual, pengujian yang bersumber dari banyak orang, pengujian pengguna, dan otomatisasi adalah kunci keberhasilan. Singkatnya, kami adalah metode-agnostik yang memungkinkan kami untuk memilih pendekatan yang tepat untuk waktu yang tepat.
Kepemilikan dan pemberdayaan
Seluruh tim perangkat lunak dan setiap individu yang bekerja di dalam tim harus merasa bertanggung jawab atas kualitas hasil kerja, memahami bagaimana mereka berkontribusi terhadap kualitas tersebut, dan secara aktif dan antusias melaksanakan tanggung jawab tersebut. Membawa fokus pada kualitas dan mendorong kepemilikan hasil akan memberdayakan tim.
Karena setiap bagian dari tim dapat dipengaruhi oleh kualitas, maka sangat penting bagi setiap mitra penguji untuk memahami semua aspek pengiriman perangkat lunak dan hubungannya dengan kualitas. Konsultan kami memiliki keahlian dalam pengujian yang bersumber dari banyak orang, jaminan kualitas, proses yang gesit, otomatisasi pengujian, CI / CD, dll. Kami menggunakan keahlian ini untuk memperjuangkan, menginjili, memengaruhi, dan mengadvokasi kualitas. Bekerja sama dengan tim dan memastikan pedoman kualitas diikuti, hal ini membangun keyakinan, kepercayaan, dan anggota tim diberdayakan untuk membuat keputusan, mengurangi hambatan terhadap kesuksesan mereka dan oleh karena itu meningkatkan kesuksesan seluruh tim.
Perubahan kecil menghasilkan keuntungan besar
Meskipun mengaudit dan mempertanyakan setiap proses di seluruh tim akan mengarah pada perombakan proses yang besar, beberapa perubahan akan lebih halus sehingga lebih mudah dan lebih cepat diterapkan. Perubahan-perubahan inilah yang akan memberikan manfaat paling awal dan membantu membangun keyakinan dan kepercayaan di dalam tim. Perubahan kecil ini akan sangat membantu perubahan budaya dan penerimaan.
Dengan menggunakan Continuous Delivery Maturity Model, Anda dapat mengidentifikasi area-area utama perusahaan yang dapat memperoleh manfaat dari peningkatan kualitas, mengidentifikasi level saat ini, dan menetapkan tujuan untuk naik kelas dari pemula menjadi ahli. Mengidentifikasi di mana posisi Anda saat ini dan di mana Anda ingin berada sangatlah penting. Dalam pengalaman kami yang luas dalam memperjuangkan kualitas, sering kali perubahan kecil yang membuat dampak paling signifikan di seluruh pengiriman.
Kolaborasi
Ada kolaborasi yang mendalam dan berkesinambungan antara semua anggota tim, untuk mencapai tujuan bersama. Hal ini mencakup seluruh pemangku kepentingan senior, bisnis, operasi, pengembangan, dan QA. Ketika kami bekerja sama dengan tim internal dan pihak ketiga, kami dapat mengidentifikasi cara kerja yang lebih baik, gerbang kualitas, dan handoff. Pendekatan kolaboratif ini membantu manajemen senior memahami seluruh pendekatan, laporan pengiriman, dan mengidentifikasi akuntabilitas.
Baik Anda berada pada tahap awal pengembangan rencana mutu strategis atau sedang mencari cara untuk meningkatkan sistem mutu yang sudah ada, tantangan yang umum muncul: tim yang berbeda, bahkan praktisi perorangan, dapat mengadopsi praktik rekayasa mutu mereka sendiri, dengan menggunakan metodologi dan alat yang mereka sukai.
Bagaimana Anda mengatur prinsip dan praktik yang berkaitan dengan kualitas untuk memastikan pendekatan standar di seluruh perusahaan? Bagaimana Anda membangun pemahaman dan komitmen bersama terhadap kualitas, di mana setiap anggota dari setiap tim memiliki kepemilikan dan akuntabilitas?
Langkah selanjutnya
Di Digivante, kami menawarkan keahlian dan konsultasi rekayasa kualitas untuk perusahaan yang berada pada tahap awal pengembangan rencana kualitas strategis atau bagi mereka yang menyadari perlunya peningkatan pada sistem kualitas yang sudah ada. Hubungi kami untuk mengetahui bagaimana kami dapat mendukung upaya kualitas Anda.
Disadur dari: digivante.com
Teknik Industri
Dipublikasikan oleh Anjas Mifta Huda pada 22 April 2025
Apa yang dimaksud dengan kontrol kualitas?
Kontrol Kualitas (QC) adalah proses sistematis yang memainkan peran penting dalam memastikan pengiriman produk atau layanan berkualitas tinggi secara konsisten. Pada intinya, Kontrol Kualitas melibatkan serangkaian aktivitas dan teknik yang dirancang untuk memantau, menilai, dan mengatur berbagai elemen proses produksi, dengan tujuan akhir untuk memenuhi standar dan spesifikasi yang telah ditentukan. Pendekatan komprehensif ini mencakup setiap tahap, mulai dari tahap awal produksi hingga pengiriman akhir barang atau jasa. Dengan menerapkan langkah-langkah Kontrol Kualitas, organisasi dapat mengidentifikasi dan memperbaiki cacat, kesalahan, atau penyimpangan dari standar yang telah ditetapkan, sehingga menjamin keandalan dan kesesuaian penawaran mereka.
Pada intinya, Kontrol Kualitas mencakup berbagai metodologi dan alat, termasuk inspeksi, pengujian, dan analisis statistik, yang bertujuan untuk memvalidasi bahwa produk atau layanan memenuhi tolok ukur kualitas yang telah ditetapkan. Proses ini tidak hanya bersifat reaktif, menangani masalah setelah masalah tersebut muncul, tetapi juga proaktif, dengan memasukkan langkah-langkah pencegahan untuk meminimalkan terjadinya cacat. Efektivitas QC terletak pada kemampuannya untuk memastikan bahwa setiap output sesuai dengan kriteria kualitas yang ditentukan, mendorong kepuasan pelanggan, kepatuhan terhadap peraturan, dan keberhasilan organisasi secara keseluruhan dalam pasar yang kompetitif.
Kesimpulan:
Mengapa kontrol kualitas dibutuhkan?
Mengapa kontrol kualitas penting?
Jenis-jenis kontrol kualitas
Proses kontrol kualitas
Apa saja manfaat dari kontrol kualitas?
Peran dan Tanggung Jawab Kontrol Kualitas
Metode kontrol kualitas
Karier kontrol kualitas
Contoh kontrol kualitas
Kontrol kualitas vs jaminan kualitas
Pertanyaan yang sering diajukan (FAQ)
Jawaban: Tidak, QC dan QA adalah proses yang berbeda namun saling berkaitan. QC berfokus pada pendeteksian dan koreksi cacat pada produk akhir, sedangkan QA berfokus pada pencegahan cacat dengan menetapkan dan meningkatkan proses.
Tidak, QC dan QA adalah proses yang berbeda namun saling terkait. QC berfokus pada pendeteksian dan koreksi cacat pada produk akhir, sedangkan QA berfokus pada pencegahan cacat dengan membangun dan meningkatkan proses.
Jawaban: QC berkontribusi terhadap profitabilitas dengan mengurangi cacat dan pengerjaan ulang, meminimalkan biaya operasional, dan meningkatkan kepuasan pelanggan. Produk berkualitas tinggi sering kali meningkatkan penjualan dan loyalitas pelanggan.
QC berkontribusi pada profitabilitas dengan mengurangi cacat dan pengerjaan ulang, meminimalkan biaya operasional, dan meningkatkan kepuasan pelanggan. Produk berkualitas tinggi sering kali meningkatkan penjualan dan loyalitas pelanggan.
Jawaban: Ya, proses QC tertentu dapat diotomatisasi menggunakan teknologi seperti visi mesin, sensor, dan kecerdasan buatan. Otomatisasi membantu meningkatkan efisiensi dan akurasi dalam kontrol kualitas.
Ya, proses QC tertentu dapat diotomatisasi menggunakan teknologi seperti visi mesin, sensor, dan kecerdasan buatan. Otomatisasi membantu meningkatkan efisiensi dan akurasi dalam kontrol kualitas.
Jawaban: Metode statistik dalam QC, seperti Six Sigma, membantu menganalisis data untuk mengidentifikasi pola, variasi, dan area untuk perbaikan. Metode-metode ini memberikan pendekatan kuantitatif untuk memastikan kualitas yang konsisten.
Metode statistik dalam QC, seperti Six Sigma, membantu menganalisis data untuk mengidentifikasi pola, variasi, dan area untuk perbaikan. Metode-metode ini memberikan pendekatan kuantitatif untuk memastikan kualitas yang konsisten.
Jawaban: QC memastikan bahwa produk atau layanan secara konsisten memenuhi atau melampaui standar kualitas, yang mengarah pada kepuasan pelanggan yang lebih tinggi. Pelanggan yang puas lebih cenderung setia dan merekomendasikan merek kepada orang lain.
Disadur dari: geeksforgeeks.org
Teknik Industri
Dipublikasikan oleh Sirattul Istid'raj pada 17 April 2025
Dalam statistik, censoring adalah kondisi di mana nilai pengukuran atau observasi hanya diketahui sebagian. Misalnya, dalam sebuah studi untuk mengukur dampak suatu obat terhadap tingkat kematian, mungkin diketahui bahwa usia seseorang saat meninggal setidaknya 75 tahun (namun mungkin lebih). Hal ini bisa terjadi jika individu tersebut menarik diri dari studi pada usia 75 tahun, atau jika individu tersebut masih hidup pada usia 75 tahun.
Censoring juga terjadi ketika nilai berada di luar jangkauan alat ukur. Sebagai contoh, sebuah timbangan kamar mandi mungkin hanya dapat mengukur hingga 140 kg. Jika seseorang yang beratnya 160 kg ditimbang menggunakan timbangan tersebut, pengamat hanya akan tahu bahwa berat individu tersebut setidaknya 140 kg.
Masalah data yang disensor, di mana nilai yang diamati dari suatu variabel hanya diketahui sebagian, berkaitan dengan masalah data yang hilang, di mana nilai yang diamati dari suatu variabel tidak diketahui.
Censoring tidak boleh disamakan dengan gagasan terkait, yaitu truncation. Dengan censoring, observasi menghasilkan nilai yang diketahui secara tepat, atau diketahui bahwa nilai tersebut berada dalam suatu interval. Dengan truncation, observasi tidak pernah menghasilkan nilai di luar rentang yang diberikan: nilai di luar rentang tersebut tidak pernah terlihat atau tidak pernah tercatat jika terlihat. Perlu dicatat bahwa dalam statistik, truncation tidak sama dengan pembulatan.
Censoring adalah konsep yang penting dalam analisis statistik karena memungkinkan peneliti untuk memperhitungkan keterbatasan dalam pengumpulan data dan alat ukur.
Jenis Censoring dalam Statistik
Censoring dapat terjadi dalam beberapa bentuk yang berbeda, memainkan peran penting dalam analisis statistik dan penelitian. Berikut adalah beberapa jenis censoring yang umum:
Selain itu, terdapat dua jenis censoring yang lebih spesifik:
Ada juga jenis censoring yang disebut random censoring, di mana waktu censoring setiap subjek bersifat statistik independen dari waktu kegagalan mereka. Penting untuk dicatat bahwa interval censoring dapat terjadi ketika pengamatan nilai memerlukan tindak lanjut atau inspeksi. Left dan right censoring adalah kasus khusus dari interval censoring, dengan awal interval dimulai dari nol atau akhir interval pada tak hingga.
Metode estimasi untuk menggunakan data left-censored bervariasi, dan tidak semua metode estimasi mungkin berlaku atau paling dapat diandalkan untuk semua kumpulan data. Namun, perlu diperhatikan bahwa terdapat kesalahan umum terkait dengan data interval waktu, di mana interval yang dimulai pada waktu awal tidak diketahui sering disalahartikan sebagai left-censored. Dalam kasus ini, data sebenarnya adalah right-censored, meskipun titik awal yang hilang berada di sebelah kiri interval yang diketahui ketika dilihat dalam kronologi waktu.
Penggunaan dan Metode dari Analisis Data Censored
Data censored, di mana observasi terjadi dalam kondisi yang tidak lengkap atau terbatas, memerlukan teknik khusus dalam analisis statistik. Dalam pengujian dengan waktu kegagalan tertentu, data yang mencerminkan kegagalan sebenarnya akan dikodekan, sedangkan data yang disensor akan dikodekan berdasarkan jenis censoring dan interval atau batas yang diketahui. Program perangkat lunak khusus, seringkali berorientasi pada kehandalan, dapat melakukan estimasi maksimum likelihood untuk statistik ringkasan, interval kepercayaan, dan sebagainya.
Epidemiologi
Salah satu upaya awal untuk menganalisis masalah statistik yang melibatkan data censored adalah analisis Daniel Bernoulli pada tahun 1766 tentang morbilitas dan mortalitas cacar untuk menunjukkan efikasi vaksinasi. Sebuah studi awal yang menggunakan estimasi Kaplan–Meier untuk mengestimasi biaya yang disensor dilakukan oleh Quesenberry dkk. (1989), namun pendekatan ini ditemukan tidak valid oleh Lin dkk. kecuali jika semua pasien mengakumulasi biaya dengan fungsi tingkat yang deterministik selama waktu tertentu, mereka mengusulkan teknik estimasi alternatif yang dikenal sebagai estimasi Lin.
Uji Operasional
Uji kehandalan seringkali melibatkan pelaksanaan tes pada suatu item untuk menentukan waktu yang dibutuhkan hingga terjadi kegagalan.
Analisis Regresi Censored
Sebuah model regresi censored yang lebih awal, model tobit, diusulkan oleh James Tobin pada tahun 1958.
Kemungkinan
Kemungkinan adalah probabilitas atau kepadatan probabilitas dari apa yang diamati, dilihat sebagai fungsi dari parameter dalam model yang diasumsikan. Untuk memasukkan titik data yang disensor dalam kemungkinan, titik data yang disensor direpresentasikan oleh probabilitas titik data yang disensor sebagai fungsi dari parameter model yang diberikan sebuah model, yaitu fungsi dari CDF(s) alih-alih kepadatan atau massa probabilitas.
Disadur dari: en.wikipedia.org
Teknik Industri
Dipublikasikan oleh Sirattul Istid'raj pada 17 April 2025
Dalam era globalisasi industri saat ini, konsep sistem manufaktur menjadi semakin penting dalam memenuhi kebutuhan konsumen yang terus berkembang. Sistem manufaktur tidak hanya mencakup peralatan dan mesin produksi, tetapi juga melibatkan sumber daya manusia yang terampil. Melalui integrasi komponen-komponen ini, sistem manufaktur mampu mengubah bahan mentah menjadi produk jadi yang berkualitas tinggi, sesuai dengan keinginan konsumen.
Bagian-Bagian Dalam Sistem Manufaktur
Mesin Produksi: Terbagi menjadi mesin yang dioperasikan secara manual, semi-otomatis, dan otomatis, mesin produksi memainkan peran penting dalam menjalankan proses produksi.
Sistem Pemindahan Material: Sistem ini memastikan material dan produk berpindah dengan efisien antar mesin, workstation, dan layanan pendukung.
Sistem Komputer: Digunakan untuk mengontrol mesin semi-otomatis dan otomatis, serta mengoordinasikan manajemen keseluruhan sistem manufaktur.
Tenaga Kerja Manusia: Tenaga manusia tetap menjadi komponen vital dalam sistem manufaktur, baik dalam melakukan operasi manual maupun mengawasi mesin.
Operasi Sistem Manufaktur
Proses dasar dalam sistem manufaktur melibatkan operasi pemrosesan, perakitan, inspeksi dan pengujian, serta koordinasi dan kontrol untuk memastikan efisiensi dan kualitas produk.
Desain Sistem Manufaktur
Desain sistem manufaktur melibatkan evaluasi material, proses produksi, dan pengurangan biaya perakitan. Proses ini melibatkan pengaturan elemen-elemen terpisah ke dalam satu kesatuan yang berfungsi.
Respon Desain Terhadap Permintaan Konsumen
Desain sistem manufaktur merespons permintaan konsumen melalui berbagai strategi, termasuk:
Strategi Desain Proses Manufaktur
Strategi desain proses manufaktur melibatkan proyek berbasis, job shop, dan line flow:
Dengan pemahaman yang mendalam tentang sistem manufaktur dan strategi desain yang tepat, perusahaan dapat memenuhi kebutuhan konsumen dengan efisien dan menghasilkan produk berkualitas tinggi.
Sumber: academia.edu/Pengertian_Sistem_Manufaktur
Teknik Industri
Dipublikasikan oleh Dewi Sulistiowati pada 06 Maret 2025
Definisi dan Aplikasi
Kata ergonomi - “ilmu tentang kerja” - berasal dari bahasa Yunani ergon (kerja) dan nomos (hukum). Istilah ergonomi dan faktor manusia sering digunakan secara bergantian atau sebagai satu kesatuan (misalnya, faktor manusia/ergonomi - HFE atau EHF), sebuah praktik yang diadopsi oleh IEA. Definisi ergonomi (atau faktor manusia) yang diadopsi oleh IEA pada tahun 2000 adalah disiplin ilmu yang berkaitan dengan pemahaman interaksi antara manusia dan elemen-elemen lain dari sebuah sistem, dan profesi yang menerapkan teori, prinsip, data, dan metode pada desain untuk mengoptimalkan kesejahteraan manusia dan kinerja sistem secara keseluruhan.
[Informasi tentang perkembangan dan sejarah definisi IEA]
Domain HFE juga didefinisikan pada tahun 2000 untuk mencakup:
Ergonomi fisik berkaitan dengan karakteristik anatomi, antropometri, fisiologis, dan biomekanik manusia yang berhubungan dengan aktivitas fisik. (Topik yang relevan meliputi postur kerja, penanganan material, gerakan berulang, gangguan muskuloskeletal yang berhubungan dengan pekerjaan, tata letak tempat kerja, keselamatan dan kesehatan fisik).
Ergonomi kognitif berkaitan dengan proses mental, seperti persepsi, ingatan, penalaran, dan respons motorik, karena hal tersebut mempengaruhi interaksi antar manusia dan elemen lain dari suatu sistem. (Topik yang relevan termasuk beban kerja mental, pengambilan keputusan, kinerja terampil, interaksi manusia-komputer, keandalan manusia, stres kerja, dan pelatihan karena hal ini dapat berhubungan dengan desain sistem manusia).
Ergonomi organisasi berkaitan dengan optimalisasi sistem sosioteknis, termasuk struktur organisasi, kebijakan, dan prosesnya. (Topik yang relevan termasuk komunikasi, manajemen sumber daya kru, desain kerja, desain waktu kerja, kerja tim, desain partisipatif, ergonomi komunitas, kerja sama, paradigma kerja baru, organisasi virtual, kerja jarak jauh, dan manajemen kualitas).
Meskipun para praktisi HFE sering bekerja dalam sektor ekonomi, industri, atau bidang aplikasi tertentu, ilmu pengetahuan dan praktik HFE tidak bersifat spesifik pada satu bidang tertentu. HFE adalah ilmu pengetahuan yang mengintegrasikan multi-disiplin dan berpusat pada pengguna. Masalah yang ditangani HFE biasanya bersifat sistemik; oleh karena itu HFE menggunakan pendekatan sistem yang holistik untuk menerapkan teori, prinsip, dan data dari berbagai disiplin ilmu yang relevan pada desain dan evaluasi tugas, pekerjaan, produk, lingkungan, dan sistem. HFE memperhitungkan faktor fisik, kognitif, sosioteknis, organisasi, lingkungan, dan faktor lain yang relevan, serta interaksi yang kompleks antara manusia dengan manusia lain, lingkungan, alat, produk, peralatan, dan teknologi.
Agar dapat berlatih secara efektif, para profesional di bidang faktor manusia dan ergonomi yang merupakan spesialis dalam domain atau disiplin tertentu harus menangani masalah dan tantangan dengan pertimbangan yang memadai dari semua elemen HFE yang relevan. Hal ini mengasumsikan pemahaman yang luas tentang area HFE lainnya; namun, pemecahan masalah yang sebenarnya membutuhkan pendekatan partisipatif melalui konsultasi dengan spesialis HFE di domain yang berbeda serta spesialis di bidang lain yang relevan.
Prinsip-prinsip HFE
Prinsip-prinsip HFE berakar pada nilai-nilai sosio-teknis. Prinsip-prinsip dan metodologi desain partisipatif HFE berlaku di seluruh desain tugas, pekerjaan, produk, lingkungan, industri, dan jenis pekerjaan. Prinsip-prinsip HFE berakar pada nilai-nilai inti yang esensial:2,3
Perspektif HFE
HFE tidak hanya mencakup keselamatan dan kesehatan fisik, tetapi juga aspek kognitif dan psiko-sosial dalam hidup dan bekerja. Selain itu, HFE dapat berfokus pada aspek mikroergonomi dari desain - termasuk desain prosedur, konteks, serta peralatan dan perkakas yang digunakan untuk melaksanakan tugas - serta aspek makroergonomi dari desain - termasuk organisasi kerja, jenis pekerjaan, teknologi yang digunakan, dan peran kerja, komunikasi dan umpan balik. Berbagai aspek ini tidak dapat dilihat secara terpisah. HFE mencerminkan perspektif holistik terhadap desain produk dan sistem, dengan mempertimbangkan keterkaitan antara komponen manusia, teknis, dan lingkungan, serta efek potensial dari perubahan desain sistem pada semua bagian sistem.
Partisipasi dalam desain sistem
HFE berkontribusi pada sistem yang aman dan berkelanjutan melalui kombinasi unik dari tiga pendorong intervensi:
(1) HFE menggunakan pendekatan sistem, menggunakan proses yang sistematis, berulang, dan bertahap;
(2) HFE digerakkan oleh desain; dan
(3) HFE berfokus pada pengoptimalan dua hasil yang saling terkait erat, yaitu kinerja dan kesejahteraan.
Praktisi HFE menyadari perlunya partisipasi semua kelompok pemangku kepentingan (faktor manusia dan ergonomi partisipatif) dalam desain sistem. HFE yang efektif sangat diperlukan untuk mendukung kehidupan dan pekerjaan kita di abad ke-21; tanpa memperhatikan HFE, desain sistem tidak akan mendukung keberlanjutan pekerjaan, organisasi, atau masyarakat.
Pemangku kepentingan HFE
Setiap orang atau sekelompok orang yang dapat mempengaruhi, terpengaruh, atau menganggap diri mereka terpengaruh oleh keputusan atau aktivitas HFE adalah pemangku kepentingan HFE. Pemangku kepentingan saling terkait dan meliputi:
Pemangku kepentingan untuk HFE dapat mewakili berbagai tingkatan, domain, dan jenis pengaruh dan investasi, seperti:
Nilai HFE dalam dunia kerja
Sistem kerja terdiri dari manusia, alat, proses, dan teknologi yang mereka gunakan, serta lingkungan kerja. HFE berkontribusi pada penciptaan sistem kerja yang aman dan berkelanjutan dengan mempertimbangkan keterkaitan antara komponen manusia, teknis, dan lingkungan serta efek potensial dari perubahan desain sistem kerja pada semua bagian sistem. Anggota komunitas HFE menyadari perlunya partisipasi semua pemangku kepentingan dalam kelompok-kelompok desain sistem (yaitu HFE Partisipatif).

HFE secara simultan berkontribusi pada kesehatan ekonomi organisasi dengan meningkatkan kesejahteraan, kemampuan dan keberlanjutan pekerja, memaksimalkan kinerja, dan mengurangi biaya langsung serta biaya tidak langsung dari kehilangan produktivitas, kekurangan kualitas, dan pergantian karyawan. Tempat kerja yang didesain dengan prinsip-prinsip HFE memiliki kinerja karyawan yang lebih baik dan menghasilkan hasil bisnis yang lebih baik. Desain HFE dalam sistem kerja adalah bisnis yang sederhana dan tidak diragukan lagi.
Sumber yang dikutip:
Disadur dari: https://iea.cc/