Perpustakaan Digital ITB

Pemantauan dispersi proses merupakan komponen kritis dalam pengendalian kualitas statistik, seperti bagan kendali Exponentially Weighted Moving Average (EWMA). Bagan kendali EWMA konvensional untuk pemantauan dispersi memiliki keterbatasan mendasar, yaitu konstanta pemulusan ? harus ditetapkan sebelum pemantauan dimulai, padahal nilai optimalnya bergantung pada besar pergeseran yang umumnya tidak diketahui. Penelitian ini mengkonstruksi bagan kendali Adaptive EWMA (AEWMA) bebas parameter berbasis Support Vector Regression (SVR) untuk mengatasi keterbatasan tersebut, mengevaluasi kinerjanya melalui simulasi Monte Carlo, dan menerapkannya pada data imbal hasil logaritmik Indeks Harga Saham Gabungan (IHSG) harian. Konstruksi bagan mencakup estimasi parameter terkendali, penentuan pasangan parameter pemulusan dan pengali batas kendali (?, L) yang mempertahankan ARL mendekati 370, pembangkitan data latih, dan pelatihan model SVR dengan kernel RBF (? = 1, ? = 0,1, dan C = 0,1). Batas kendali yang dihasilkan bersifat dinamis dan menyesuaikan berdasarkan ? yang digunakan. Hasil simulasi menunjukkan bagan mampu mendeteksi pergeseran kecil (? = 1,05) dengan ARL sekitar 114 sampel dan menurun hingga kurang dari 4 sampel pada pergeseran besar (? = 2,00). Penerapan pada data IHSG dari Januari 2025 hingga Maret 2026 berhasil mendeteksi subgrup out-of-control tanpa perlu ? awal dan menyesuaikan terhadap dinamika proses yang berubah tanpa terikat memori statistik yang panjang. Penelitian ini membuktikan bahwa integrasi SVR menghasilkan bagan kendali yang adaptif, andal, dan efektif untuk pemantauan volatilitas IHSG.