Acceptance Sampling Data Atribut
Acceptance Sampling Data Atribut
ì
Outline
Rencana Penerimaan Sampel (Acceptance Sampling) untuk Data Atribut
www.debrina.lecture.ub.ac.id 05/11/14
3
Keuntungan Kerugian
ì Lebih murah ì Adanya risiko menerima produk
cacat atau menolak produk baik
ì Dapat meminimalkan
ì Sedikitnya informasi mengenai
kerusakan produk
www.debrina.lecture.ub.ac.id 05/11/14
5
Pemasok memiliki
100% inspeksi yang kinerja yang baik tetapi
dilakukan memerlukan beberapa Ondakan
waktu yang lama pengecekan tetap
harus dilaksanakan
Merupakan
Pertimbangan tanggungjawab
Biaya untuk inspeksi
perusahaan terhadap
dilakukannya produk yang
100% Onggi
Acceptance Sampling (AS) dihasilkannya
www.debrina.lecture.ub.ac.id 05/11/14
6
www.debrina.lecture.ub.ac.id 05/11/14
7
Pertimbangan
sebelum dilakukan
sampling Acak à semua produk yang ada
(inspeksi) mempunyai kesempatan yang sama
Acceptance Sampling (AS)
untuk dipilih sebagai sampel (Odak
terjadi bias)
www.debrina.lecture.ub.ac.id 05/11/14
8
Sampel Sampel
Tunggal Ganda
ì Contoh:
N = 9000 n = 300 c = 2, artinya:
ì lot dengan ukuran 9000 unit, harus diinspeksi
sebanyak 300 unit.
Teknik ì Jika dari 300 unit tersebut terdapat dua
Pengambilan unit atau kurang yang tidak sesuai,
maka lot tersebut diterima.
Sampel ì Jika dari 300 unit tersebut terdapat tiga
Acceptance Sampling (AS) unit atau lebih yang tidak sesuai, maka
lot tersebut ditolak.
www.debrina.lecture.ub.ac.id 05/11/14
10
Sampel
Kualitas
Lot diterima kedua Odak
Bagus
diperlukan
Teknik
Sampel
Pengambilan Kualitas
Buruk
Lot ditolak kedua Odak
diperlukan
Sampel
Acceptance Sampling (AS) Jika Ongkat kualitas Odak terlalu baik atau Odak
terlalu buruk. Maka diambil sampel ke dua.
www.debrina.lecture.ub.ac.id 05/11/14
11
www.debrina.lecture.ub.ac.id 05/11/14
14
AQL LQL
– Acceptance Quality – Limiting Quality
Level – Level –
tingkat kualitas tingkat kualitas
menurut produsen menurut konsumen
IQL
– Indifference Quality AOQL
Level – – Average Outgoing
tingkat kualitas Quality Level –
diantara AQL dan LQL
Indeks Kualitas
untuk Rencana Penerimaan Sampel
www.debrina.lecture.ub.ac.id 05/11/14
15
www.debrina.lecture.ub.ac.id 05/11/14
16
IQL – Indifference
Quality Level –
tingkat kualitas
diantara AQL dan
LQL
Indeks Kualitas
www.debrina.lecture.ub.ac.id 05/11/14
18
www.debrina.lecture.ub.ac.id 05/11/14
22
www.debrina.lecture.ub.ac.id 05/11/14
23
ì Rumus Perhitungan
www.debrina.lecture.ub.ac.id 05/11/14
24
Operating
Characteristic
(OC) Curve (3)
Pengukuran Untuk Evaluasi
Kinerja Sampel
www.debrina.lecture.ub.ac.id 05/11/14
25
Operating
Characteristic
(OC) Curve (4)
Pengukuran Untuk Evaluasi
Kinerja Sampel
www.debrina.lecture.ub.ac.id 05/11/14
26
Contoh :
Diketahui N = 2000, n = 50, c = 2
Probabilitas
Proporsi Kesalahan np
Penerimaan
0,01 0,5 0,986
0,02 1 0,92
0,03 1,5 0,809
0,04 2 0,677
0,05 2,5 0,544
0,06 3 0,423
0,07 3,5 0,321
0,08 4 0,238
0,09 4,5 0,174
Operating 0,1 5 0,125
Characteristic 0,11 5,5 0,088
Pa
1.2
Pa 0.8
0.6
Pa
0.4
0.2
Operating 0
Characteristic 0 1 2 3 4 5 6 7 8
P
9 10 11 12 13 14 15 16
www.debrina.lecture.ub.ac.id 05/11/14
28
Operating
Characteristic
(OC) Curve (6)
Pengukuran Untuk Evaluasi
Kinerja Sampel
www.debrina.lecture.ub.ac.id 05/11/14
29
ì Keuntungan
ì Dapat mengurangi jumlah inspeksi
ì Memberikan kesempatan kedua kepada
supplier
ì Kekurangan
ì Bila inspeksi Odak dengan teliO,
keuntungan ekonomis akan hilang
ì Pencatatan lebih rumit.
www.debrina.lecture.ub.ac.id 05/11/14
30
Operating
Characteristic
(OC) Curve (6)
Pengukuran Untuk Evaluasi
Kinerja Sampel
www.debrina.lecture.ub.ac.id 05/11/14
31
Operating ì P a = P a I + P a II
Characteristic
(OC) Curve (6)
Pengukuran Untuk Evaluasi
Kinerja Sampel
www.debrina.lecture.ub.ac.id 05/11/14
32
Contoh :
n1=50 c1=1
n2=100 c2=3
www.debrina.lecture.ub.ac.id 05/11/14
33
c1 <d1 ≤ c2
Operating
Characteristic
(OC) Curve (6)
Pengukuran Untuk Evaluasi
Kinerja Sampel
www.debrina.lecture.ub.ac.id 05/11/14
34
www.debrina.lecture.ub.ac.id 05/11/14
35
Operating
Characteristic
(OC) Curve (6)
Pengukuran Untuk Evaluasi
Kinerja Sampel
www.debrina.lecture.ub.ac.id 05/11/14
36
Operating
Characteristic
(OC) Curve (6)
Pengukuran Untuk Evaluasi
Kinerja Sampel
www.debrina.lecture.ub.ac.id 05/11/14
37
www.debrina.lecture.ub.ac.id 05/11/14
38
www.debrina.lecture.ub.ac.id 05/11/14
39
Contoh:
Menggunakan contoh yang sama dengan contoh
soal pada kurva OC, maka diperoleh tabel berikut ini:
Analisis kurva :
• KeOka incoming Quality memiliki prosentase noncorforming
sebesar 2%, maka persentase nonconforming pada AOQ
sebesar 1.46%.
• KeOka incoming quality memiliki persentase nonconforming
sebesar 6%, maka persentase nonconforming pada AOQ sebesar
Average 0.64%
Outgoing Quality • Hal tersebut karena dilakukan perbaikan pada lot yang
ditolak, sehingga nilai AOQ selalu lebih baik dari incoming
(AOQ) Curve (2) quality.
Pengukuran Untuk Evaluasi • Berdasarkan perhitungan tersebut diperoleh suatu batasan
Kinerja Sampel maksimum yang menunjukkan kemungkinan terburuk rata- rata
kualitas yang dihasilkan, OOk tersebut disebut Average
www.debrina.lecture.ub.ac.id 05/11/14
Outgoing Quality Limit (AOQL)
41
www.debrina.lecture.ub.ac.id 05/11/14
42
www.debrina.lecture.ub.ac.id 05/11/14
44
www.debrina.lecture.ub.ac.id 05/11/14
45
www.debrina.lecture.ub.ac.id 05/11/14
46
www.debrina.lecture.ub.ac.id 05/11/14
47
dimana:
P1 = PaI + PrI
PaI = probabilitas lot diterima pada sampel
pertama
PrI = probabilitas lot ditolak pada sampel pertama
Average Sample P1 = probabilitas yg digunakan untuk membuat
keputusan l lot pada sampel pertama
Number (ASN) P1 = P(produk yang diterima pada sample
Curve pertama)+P(produk yang ditolak pada sample
Pengukuran Untuk Evaluasi
pertama)
Kinerja Sampel = P(d≤c1)+P(d≥r1)
www.debrina.lecture.ub.ac.id 05/11/14
48
Average Sample
Number (ASN)
Curve
Pengukuran Untuk Evaluasi
Kinerja Sampel
www.debrina.lecture.ub.ac.id 05/11/14