PENGEMBANGAN PETA KENDALI FUZZY DEMERIT BERBASIS MOVING CENTERLINE (MC) UNTUK DATA BERAUTOKORELASI

Latar Belakang: Data atribut yang memiliki tingkat keparahan cacat berbeda umumnya dimonitor menggunakan peta kendali demerit. Namun, pada data kerentanan siber, selain mengandung ketidakpastian dalam penentuan tingkat keparahan, data juga sering menunjukkan autokorelasi. Kondisi tersebut menyebabkan peta kendali demerit konvensional kurang efektif karena meningkatkan kemungkinan terjadinya false alarm dan menurunkan kemampuan deteksi pergeseran proses. Tujuan: Penelitian ini bertujuan mengembangkan peta kendali Fuzzy Demerit berbasis Moving Centerline (MC) untuk data berautokorelasi serta mengevaluasi performanya dalam mendeteksi kondisi out of control. Hasil: Hasil penelitian menunjukkan bahwa peta kendali Fuzzy Demerit berhasil mengakomodasi ketidakpastian bobot cacat dan menghasilkan seluruh titik pengamatan berada dalam batas kendali. Pendekatan Moving Centerline mampu menyesuaikan garis pusat secara dinamis mengikuti pola data sehingga lebih adaptif terhadap autokorelasi. Berdasarkan evaluasi ARL, metode Moving Centerline berbasis AR(1) memberikan performa yang lebih baik dibandingkan pendekatan EWMA, ditunjukkan oleh penurunan nilai ARL₁ yang lebih cepat seiring meningkatnya nilai pergeseran (shift). Hal ini menunjukkan kemampuan deteksi yang lebih sensitif terhadap perubahan proses tanpa meningkatkan alarm palsu secara berlebihan. Kesimpulan: Dapat disimpulkan bahwa peta kendali Fuzzy Demerit berbasis Moving Centerline efektif digunakan untuk memonitor data berautokorelasi yang mengandung ketidakpastian, khususnya pada data kerentanan siber. Metode ini mampu meningkatkan sensitivitas deteksi pergeseran proses sekaligus mempertahankan stabilitas pemantauan dibandingkan pendekatan konvensional.