PERBANDINGAN FITUR FAST INITIAL RESPONSE PADA PETA KENDALI MIXED EXPONENTIALLY WEIGHTED MOVING AVERAGE CUMULATIVE SUM (MEC) = COMPARISON OF FAST INITIAL RESPONSE FEATURES ON MIXED EXPONENTIALLY WEIGHTED MOVING AVERAG ECUMULATIVE SUM (MEC) CONTROL CHARTS

Latar Belakang. Pengendalian kualitas statistik (SPC) merupakan alat penting dalam meningkatkan mutu dan efisiensi proses, dengan peta kendali sebagai metode utama untuk mendeteksi perubahan dalam suatu proses. Peta kendali Shewhart memiliki keterbatasan dalam mendeteksi pergeseran kecil, sehingga dikembangkan metode yang lebih sensitif seperti CUSUM dan EWMA. Untuk meningkatkan sensitivitas deteksi, dikembangkan peta kendali mixed EWMA-CUSUM (MEC) yang menggabungkan keunggulan kedua metode tersebut. Selain itu, fitur Fast Initial Response (FIR) diperkenalkan untuk mempercepat respons awal peta kendali dalam mendeteksi perubahan. Berbagai pengembangan fitur FIR, seperti BFIR, MFIR, dan IMFIR, telah dilakukan untuk meningkatkan kecepatan dan akurasi deteksi perubahan awal tanpa mengorbankan stabilitas jangka panjang. Penelitian lebih lanjut diperlukan untuk mengoptimalkan fitur IMFIR agar lebih adaptif terhadap berbagai kondisi proses dan meningkatkan efektivitas pemantauan kualitas. Tujuan. Peneilitian ini bertujuan untuk Menganalisis pengaruh fitur Fast Initial Response (FIR) terhadap sensitivitas deteksi perubahan awal pada peta kendali Mixed Exponentially Weighted Moving Average Cumulative Sum (MEC) dan mengevaluasi kinerja peta kendali MEC dengan fitur FIR dalam mendeteksi pergeseran proses berdasarkan Average Run Length (ARL) menggunakan Simulasi Monte Carlo. Metode. Penelitian ini melibatkan Peta kendali Mixed EWMA-CUSUM dengan fitur BFIR, MFIR, IMFIR dan EIMFIR, untuk mengetahui kinerja dari setiap fitur pada peta kendali MEC menggunakan simulasi Monte Carlo. Kesimpulan. Hasil penelitian menunjukkan bahwa pada f= 0,1 dan f= 0,25 fitur FIR (BFIR, MFIR, IMFIR, dan EIMFIR) memiliki perbedaan signifikan dalam penyesuaian batas kendali, dengan EIMFIR sebagai yang paling unggul dalam mendeteksi OOC. Pada f= 0,5 dan f= 0,75, keempat fitur menunjukkan kinerja yang serupa. EIMFIR secara konsisten lebih stabil dibandingkan metode lain, terutama pada nilai f yang lebih tinggi. Saat f=0,1, semua metode memiliki kinerja serupa, tetapi saat f meningkat, hanya EIMFIR yang mampu mempertahankan kestabilan proses. Dengan demikian, EIMFIR menjadi metode paling efektif dalam mendeteksi pergeseran proses tanpa banyak sinyal palsu, menjadikannya pilihan terbaik untuk peta kendali MEC dengan fitur FIR.