BAB III

QUALITY CONTROL UNIFORM DAN NONUNIFORM

III.1. PENGENDALIAN KUALITAS (QUALITY CONTROL)

Kualitas atau mutu adalah ukuran tingkat kesesuaian barang dengan

standar atau spesifikasi yang telah ditentukan dan ditetapkan(18). Penggunan

metode quality control di beberapa negara berdasarkan pada distribusi normal

yang berkaitan dengan ukuran kualitas. Penggunaan dari metode ini hasilnya pasti

ketika kualitas dari suatu konstruksi perkerasan jalan tinggi. Bagaimanapun,

terkadang sering terjadi pada konstruksi yang tidak cukup mempunyai kualitas

tinggi, pada saat parameter-parameter yang ditinjau atau digunakan sangat tidak

seragam(3).

Kontrol kualitas (quality control) dalam pekerjaan jalan merupakan suatu

prosedur dan metode dalam menguji dan mengawasi pekerjaan jalan, agar

konstruksi dibangun dapat melayani kebutuhan manusia.

Dari segi linguistic kualitas berasal dari bahasa latin yang berarti

’sebagaimana kenyataannya’. Definisi kualitas secara internasional (BS EN ISO

9000:2000) adalah tingkat yang menunjukkan serangkaian karakteristik yang

melekat dan memenuhi ukuran tertentu (Dale, 2003:4). Sedangkan menurut

American Society for quality Control kualitas adalah totalitas bentuk dan

karakteristik barang atau jasa yang menunjukkan kemampuannya untuk

memuaskan kebutuhan yang tampak jelas maupun tersembunyi (Render dan

Herizer, 1997:92).

Universitas Sumatera Utara

 Pengertian kualitas lebih luas (Bina Produktivitas Tenaga Kerja, 1998:24-

25) adalah:

a. Derajat yang sempurna (degree of exelence): mengandung pengertian

komperatif terhadap tingkat produk (grade) tertentu.

b. Tingkat kualitas (quality level): mengandung pengertian kualitas untuk

mengevaluasi teknikal.

c. Kesesuaian untuk digunakan (fitness for purpose user satisfaction):

kemampuan produk atau jasa dalam memberikan kepuasan kepada pelanggan.

Sedangkan delapan dimensi kualitas menurut Philip Kotler (2000:329-

333) adalah sebagai berikut : (1) Kinerja (performance): karakteristik operasi

suatu produk utama, (2) Ciri-ciri atau keistimewaan tambahan (feature), (3)

Kehandalan (reliability): probabilitas suatu produk tidak berfungsi atau gagal, (4)

Kesesuaian dengan spesifikasi (conformance to specifications), (5) Daya Tahan

(durability), (6) Kemampuan melayani (serviceability) (7) Estetika (estethic):

bagaimana suatu produk dipandang dirasakan dan didengarkan, dan (8) Ketepatan

kualitas yang dipersepsikan (perceived quality).

Dalam kenyataannya kualitas adalah konsep yang cukup sulit untuk

dipahami dan disepakati. Dewasa ini kata kualitas mempunyai beragam

interpretasi, tidak dapat didefinisikan secara tunggal, dan sangat tergantung pada

konteksnya. Beberapa definisi kualitas berdasarkan konteksnya perlu dibedakan

atas dasar: organisasi, kejadian, produk, pelayanan, proses, orang, hasil, kegiatan,

dan komunikasi (Dale, 2003:4). Lebih lanjut pengertian kualitas mencakup:

kualitas produk (product), kualitas biaya (cost), kualitas penyajian (delivery),

Universitas Sumatera Utara

kualitas keselamatan (safety), dan kualitas moral (morale) atau sering disingkat

menjadi P-C-D-S-M (Bina Produktivitas Tenaga Kerja, 1998) (20).

III.1.1. EVOLUSI TOTAL QUALITY MANAGEMENT

Sistem untuk meningkatkan dan mengelola kualitas mengalami

perkembangan yang pesat selama dua dekade terakhir. Diawali dari aktivitas

inspeksi yang sederhana, kemudian dilengkapi dengan pengendalian kualitas, dan

yang mutakhir adalah jaminan kualitas dikembangkan dan disempurnakan.

Dewasa ini beberapa organisasi menggunakan proses perbaikan berkelanjutan

menyeluruh yang dikenal dengan Total Quality Management.

Krajewski, Lee, dan Ritzman (1999: 242-243), telah membedakan tahapan

evolusi manajemen kualitas tersebut berdasarkan periode tahun sebagai berikut :

a. Pada tahun 1950 sampai 1960: kualitas sangatlah menyedihkan, mengingat

kerusakan industri akibat perang dunia.

b. Awal tahun 1970: W. Edward Deming dan Joseph M Juran, mulai

menerapkan kualitas sebagai prioritas kompetitif. Menurut filosofi Deming

kualitas merupakan tanggung jawab manajemen. Juran percaya bahwa

perbaikan berkelanjutan, campur tangan manaje-men, dan pelatihan menjadi

dasar meraih kualitas yang tinggi.

c. Tahun 1980: mengubah pandangan yang meremehkan kualitas menjadi

standar terbaik secara global (menyeluruh).

d. Tahun 1990 dan selanjutnya: perusahaan menyediakan sekumpulan barang

maupun jasa berkualitas tinggi. Dua prioritas kompetitif kualitas yang utama

yaitu desain yang berkinerja tinggi dan konsistensi kualitas.

Universitas Sumatera Utara

 Sedangkan Britihs and International Standars membagi evolusi TQM

menjadi empat tahapan (Dale, 2003:21), yaitu:

a. Inspeksi (inspection): evaluasi konfirmasi melalui observasi dan penilaian

atas hasil pengukuran, pengujian, atau pendugaan.

b. Pengendalian kualitas (quality control): bagian dari manajemen kualitas yang

terfokus pada pemenuhan standart kualitas .

c. Jaminan kualitas (quality assurance): bagian dari manajemen kualitas yang

terfokus pada penyajian kepercayaan bahwa tolok ukur kualitas akan selalu

terpenuhi.

d. Manajemen mutu terpadu (total quality management): melibatkan aplikasi

prinsip-prinsip manajemen kualitas pada semua aspek.

Gambar 3.1.Rantai Kualitas (20).

Universitas Sumatera Utara

 Gambar 3.2 Konsep Pengendalian

III.1.2. TUJUAN QUALITY CONTROL

Tujuan pengendalian kualitas adalah memperoleh jaminan kualitas (quality

assurance) yang dapat dilakukan dengan penerimaan penerimaan kualitas (quality

control acceptance) dan menjaga konsistensi kualitas.

Adapun keuntungan menggunakan pengendalian kualitas statistik, antara

lain:

a. Untuk mempertinggi kualitas atau mengurangi biaya.

b. Menjaga kualitas lebih seragam (uniform).

c. Penggunaan alat produksi lebih efisien.

d. Mengurangi pekerjaan kembali (rework) dan pembuangan.

e. Inspeksi yang lebih baik.

Universitas Sumatera Utara

f. Memperbaiki hubungan produsen-konsumen.

g. Spesifikasi lebih baik. (16)

III.2. PROSEDUR PENGENDALIAN KUALITAS (QUALITY CONTROL

PROCEDURE)

Menerapkan kontrol kualitas statistik juga dimaksudkan untuk

menggunakan metode statistik dalam dua tahapan kontrol kualitas (quality

control) dalam pekerjaan jalan, yaitu pada (16):

1. Proses kontrol kualitas (quality control processes), dan

2. Penerimaan kontrol kualitas (quality control acceptance).

III.2.1. Proses Kualitas (quaility control processes)

Proses kontrol kualitas (quality control processes) dalam pekerjaan jalan

didefenisikan sebagai kegiatan yang berhubungan dengan mengontrol pekerjaan

jalan melalui semua tahapan proses perencanaan pekerjaan jalan dengan cara

memeriksa kualitasnya. Metode statistik digunakan dalam mengontrol batas –

batas yang harus sesuai dengan spesifikasi(16).

III.2.2. Penerimaan Kontrol Kualitas (quaility control acceptance)

Penerimaan kontrol kualitas (quality control acceptance) dinyatakan

dengan hasil proses kontrol kualitas (quality control processes). Penerimaan

tersebut dilakukan dengan menguji kualitas lapis pondasi agregat yang telah

selesai pada tahap pekerjaan jalan di lapangan, sehingga lapis pondasi agregat

harus sesuai dengan spesifikasi, meliputi :

Universitas Sumatera Utara

1. Pengambilan contoh dan pengujian (sampling and testing)

Pengambilan contoh dan pengujian dicatat sebagai data yang bertujuan

untuk menilai kualitas produksi apakah memenuhi syarat atau tidak. Salah

satu kesalahan yang besar dalam menguji material adalah kegagalan untuk

mengambil contoh yang mewakili. Namun, pengujian yang sering dilakukan

adalah pengujian kepadatan. Karena dengan kepadatan tecapai maka kadar air

juga akan tercapai dimana nilai kadar air yang didapat dilapangan merupakan

salah satu tolak ukur dilakukan pembayaran proyek yang dijalankan.

2. Pengujian kepadatan di lapangan

Untuk pengujian kepadatan lapangan dilakukan dengan pengambilan

contoh material atau lapis pondasi agregat yang telah dihampar dan

dipadatkan Selanjutnya contoh material tersebut diuji dengan menggunakan

test sand cone untuk mendapatkan nilai kepadatan lapangannya.

Pengujian kepadatan dengan cara apapun, agar dilaksanakan berdasarkan

pengujian secara acak (random), dengan jumlah minimum tertentu, umumnya

setiap jarak 200 m. Nilai rata-rata kepadatan dan nilai tunggal yang didapat

dari pengujian kepadatan harus masuk dalam kriteria yang disyaratkan oleh

suatu proyek.

Dalam menentukan penerimaan proses kontrol kualitas (quality control

processes) dan penerimaan kontrol kualitas (quality control acceptance),

digunakan metode statistik dalam mengambil keputusan penyesuaian

spesifikasi.

Universitas Sumatera Utara

III.3. Faktor – Faktor yang Mempengaruhi Kontrol Kualitas

Kontrol kualitas (quality control) dalam pekerjaan jalan sering mengalami

ketidaksesuaian dengan spesifikasi. Namun, dengan menggunakan metode

statistik, kesalahan – kesalahan pekerjaan jalan dapat dibuktikan melalui

pengontrolan terhadap spesifikasi. Faktor – faktor yang mempengaruhi kontrol

kualitas (quality control) pekerjaaan jalan dengan metode statistik agar sesuai

dengan spesifikasi adalah :

III.3.1. Pemilihan sampel

Sampel adalah sebagian yang diambil dari populasi. Dimana populasi

merupakan keseluruhan pengamatan yang menjadi perhatian kita, baik terhingga

maupun tidak terhingga, dan disebut sebagai N. Sampel merupakan jumlah data

atribut dan data variabel yang memiliki karakteristik kualitas yang

diklasifikasikan ke dalam suatu kriteria, dan disebut sebagai n.

a. Data atribut adalah semua kerakteristik kualitas yang diklasifikasikan dalam

kriteria baik atau jelek, bagus atau cacat, dan lain – lain. Data atribut biasanya

dapat menyimpulkan informasi jumlah cacat atau persen cacat.

b. Data variabel adalah semua karakteristik yang dapat diukur, seperti berat yang

diukur dalam gram. Ukuran – ukuran data variabel ini memberikan informasi

yang lebih berguna untuk proses kontrol kualitas. Data ini dipakai untuk

menentukan rata – rata dan standar deviasi yang sering disebut dengan x .

Sampel dipilih secara acak (random), berguna untuk mengetahui kualitas

pekerjaan jalan yang telah memenuhi spesifikasi. Sampel diperoleh dengan

menggunakan penomoran acak dan dipilih berdasarkan lot.

Universitas Sumatera Utara

III.3.2. Pemilihan lot

Lot adalah sekelompok bahan atau item pekerjaan yang akan diuji dan

merupakan tempat di mana sampel akan di ambil sesuai dengan standarisasi. Lot

disebut sebagai titik uji atau populasi, yaitu merupakan tempat sekelompok

sampel yang akan diuji. Biasanya digunakan untuk menghasilkan produk.

Gambar 3.3. Tempat Kelompok Sampel Pengujian

Dapat ditentukan dengan menganggap lot sebagai nilai populasi N. Untuk

menentukan jumlah lot dan sampel (jumlah titik uji), dapat ditetapkan dengan

rumus sebagai berikut (17):

N =3 X

Dimana :

N = jumlah titik uji (lot atau sampel)

X = dapat berupa satuan panjang, lebar, luas, volume, atau waktu.

III.3.3. Teknik Sampling

Dalam pengumpulan data, diperlukan sampel yang baik untuk

diperkirakan. Penggunaan metode dalam pengumpulan data yang benar disebut

teknik sampling. Dua hal yang dapat diterima dalam teknik sampling, yaitu :

pertama, tidak dapat menjamin bahwa selalu mendapatkan sampel yang baik.

Oleh karena itu, orang yang menggunakan prosedur sampling yang menjamin

yang terbaik. Dalam sampling ada dua metode sampling(17) :

Universitas Sumatera Utara

1. Random Sampling merupakan teknik pengambilan sampel secara acak

(variabel acak) yang hanya dapat dilaksanakan apabila elemen populasi

bersifat homogen, maksudnya semua elemen tersebut memiliki kesempatan

terpilih sama dalam populasi. Misalnya besar populasi adalah N, sedang unsur

dalam sampel (sample size) adalah n, maka besarnya kesempatan bagi tiap

satuan untuk terpilih dalam sampel adalah n/N.

Pengambilan sampel secara acak ditentukan dengan menggunakan tabel

bilangan acak. Prosedur penggunaan tabel dilakukan dengan mengikuti

langkah – langkah berikut :

a. Disediakan dua tabung gelas, plastik, karet gelang dan kertas.

b. Disiapkan kertas sebanyak 110 lembar. Kelompok I, kertas diberi tulisan

dari angka 0 sampai 9. Kelompok II, kertas diberi tulisan dari 1 sampai

100.

c. Kertas digulung dan tulisan tidak boleh terlihat.

d. Masukkan kertas ke dalam masing – masing tabung gelas. Kemudian

ditutup dengan plastik dan karet gelang lalu diberi lubang.

e. Gelas dikocok selama kira – kira 10 detik dan keluarkan masing – masing

1 buah kertas kemudian dibaca dan dicatat seperti berikut :

i) Angka yang keluar dari kelompok I sebagai Nomor Kolom (misal :

x)

ii) Angka yang keluar dari kelompok II sebagai Nomor Baris (misal :

y)

Koordinat (x; y) ditentukan pada tabel bilangan acak sebagai bilangan tiga

digit yang dicari.

Universitas Sumatera Utara

2. Non-random sampling berbeda dengan random sampling dalam hal sampel

dipilih bukan berdasarkan sistem acak.

III.4. QUALITY CONTROL UNIFORM

Penggunan metode quality control di beberapa negara berdasarkan pada

distribusi normal yang berkaitan dengan ukuran kualitas.Penggunaan dari metode

ini hasilnya pasti ketika kualitas dari suatu konstruksi perkerasan jalan tinggi.

Bagaimanapun, terkadang sering terjadi pada konstruksi yang tidak cukup

mempunyai kualitas tinggi, pada saat parameter-parameter yang ditinjau atau

digunakan sangat tidak seragam.

Quality control uniform pada proses pekerjaan jalan merupakan

pengendalian kualitas bahan material yang digunakan dalam kondisi kualitas baik

dan seragam. Penggunaan bahan material yang memiliki kualitas baik dan

seragam tentu akan sangat mendukung proses pekerjaan jalan dan terciptanya

perkerasan jalan yang baik.Untuk menghasilkan atau mendapatkan kualitas yang

seragam harus diperhatikan sumber material bahan tersebut.

III.5. QUALITY CONTROL NONUNIFORM

Quality control nonuniform merupakan pengendalian kualitas yang

memiliki kondisi rentang bahan yang cukup tinggi. Hal ini disebabkan karena

adanya bahan-bahan material yang akan digunakan untuk proses pekerjaan jalan

berasal dari berbagai macam sumber (quarry). Setiap sumber tentu menghasilkan

bahan-bahan material yang berbeda-beda kualitasnya.

Universitas Sumatera Utara

 Kontrol kualitas karakteristik pada material, yaitu : ukuran butiran, bentuk,

ketahanan mekanik, keseragaman. Kebutuhan untuk meningkatkan keseragaman

sangat diperlukan, karena kualitas akan semakin baik. Material yang tersedia

dapat berupa agregat yang tidak seragam (nonuniform). Dengan adanya material

yang tidak seragam (nonuniform) maka akan menghasilkan kualitas yang beragam

pula (nonuniform). Untuk mendapatkan agregat seragam, pengetahuan yang bagus

mengenai deposit sangat diperlukan, tempat yang ada harus disurvei. Beberapa

daerah harus dihapuskan dan kontrol harus dilakukan dengan seksama ketika

suatu daerah diragukan proses pekerjaannya. Kelas agregat ditentukan

berdasarkan hasilnya sesuai dengan tipe mesin crusher yang digunakan. Agregat

halus bisa dihilangkan sebelum atau sesudah penghancuran pertama. Hal ini

dilakukan untuk kebersihan. Dalam tahap ini, kontrol yang dilakukan harus

dipastikan bahwa keputusan penolakan yang diambil merupakan keputusan yang

(11)
baik . Berdasarkan Standard Operating Procedure, keberadaan quarry juga

sangat berpengaruh. Quarry yang memiliki kapasitas besar atau kecil

mempengaruhi dalam uji test di laboratorium (10).

Beberapa parameter ( derajat kejenuhan air dan gelombang perkerasan

aspal, kekuatan tekan pada sampel bahan pengikat material, kekasaran perkerasan

Weibull,dll ) merupakan hal yang sangat tidak seragam. Hasil dari eksperimen ini

selalu tidak sesuai dengan distribusi normal(3).

Hal ini telah ditunjukkan dengan banyaknya tulisan atau jurnal di USSR

bahwa dibutuhkan untuk menggunakan metode Weibull dengan berbagai macam

parameter pada saat paramater yang diukur dan ditinjau sangat banyak, beragam

dan tidak seragam. Metode ini sangat universal dan bisa digunakan baik untuk

Universitas Sumatera Utara

proses yang seragam maupun yang tidak seragam. Namun, hal ini terkadang sulit

dilakukan dan digunakan mengingat perhitungan matematikanya yang kompleks.

III.6. KONSEP STATISTIK

Statistik merupakan metodologi yang digunakan untuk mengumpulkan,

mengorganisir, menginterprestasikan dan mempresentasikan data(19). Statistik

yang digunakan pada proses pengendalian kualitas merupakan ilmu yang

mempelajari tentang teknik atau metode pengendalian kualitas berdasarkan

prinsip dan konsep statistik(18). Pengendalian kualitas statistic merupakan

penerapan statistik pada proses produksi, sehinggan diperlukan pengertian yang

tepat dan jelas mengenai konsep-konsep statistic untuk menghindari salah

interprestasi. Salah interprestasi dalam proses produksi dapat mengakibatkan

penurunan kualitas produksi atau penambahan biaya produksi(18).

Data yang digunakan harus mempunyai arti, tidak hanya yang mudah

untuk dikumpulkan. Sejak awal perkembangan kualitas, para praktisi telah

memperdebatkan pentingnya metode-metode statistic dalam mencapai kualitas

yang memuaskan. Namun pengetahuan mengenai metode-metode statistic saja

tidak cukup, pengetahuan mengenai produk dan proses yang khusus juga belum

cukup. Tanpa statistic, maka penggambaran penyelesaian mengenai data akan

menjadi sumber yang salah dalam penerapannya diberbagai kasus(19).

Selanjutnya konsep penting lain adalah variasi atau penyimpangan yang

membahas mengenai tidak adanya dua hal yang sama secara sempurna. Ilmu

statistic akan membantu menganalisis data dengan tepat dan menggambarkan

Universitas Sumatera Utara

penyelesaiannya dengan memperkecil keberadaan variasi. Variasi yang berkaitan

dengan statistic merupakan variasi atau penyimpangan yang terjadi secara acak,

yang biasanya lebih besar dari yang diperkirakan. Keputusan yang diambil

menentukan tindakan apakah yang harus dilakukan berdasarkan data yang paling

sering terjadi dan melupakan adanya data histories(19).

III.6.1. DISTRIBUSI NORMAL

Distribusi normal merupakan distribusi probabilitas kontiniu yang

terpenting dalam bidang statistik. Grafiknya disebut kurva normal, berbentuk

lonceng. Distribusi ini ditemukan oleh Karl Friedrich pada tahun 1977 sampai

dengan tahun 1855 yang juga disebut dengan distribusi Gauss. Perubah acak x

yang bentuknya seperti lonceng disebut perubah acak normal dengan persamaan

matematik distribusi probabilitas yang bergantung pada parameter µ ( mean )

dan σ ( simpangan baku ) yang dinyatakan dengan n(x: µ , σ ) (15).

Distribusi normal memodelkan fenomena kuantitatif pada ilmu alam

maupun ilmu sosial. Beragam skor pengujian psikologi dan fenomena fisika

seperti jumlah foton dapat dihitung melalui pendekatan dengan mengikuti

distribusi normal. Distribusi normal banyak digunakan dalam berbagai bidang

statistika, misalnya distribusi sampling rata-rata akan mendekati normal walaupun

distribusi populasi yang diambil tidak berdistribusi normal. Distribusi normal juga

banyak digunakan dalam berbagai distribusi didalam statistika dan kebanyakan

pengujian hipotesis mengasumsikan normalitas suatu data(15).

Universitas Sumatera Utara

Mean sampel dapat dihitung pada persamaan berikut(9) :

x1 + x 2 + x3 ........ + x n
x= , atau
n

1 n
x = ∑ xi ……………………………………….(3.1)
n i =1

Dimana :

x = data bilangan

n = jumlah sampel

x = rata – rata data

Deviasi standar sampel ditunjuk dan dihitung sebagai:

∑ (x i − x) 2
s= i =1
………………………………… (3.2)
n −1

Dimana :

x = data bilangan

n = jumlah sampel

x = rata – rata data

s = deviasi standar

Pangkat dua dari deviasi standar disebut variasi.

n∑ xi − (∑ xi ) 2
2

s =
2
……………………………..(3.3)
n(n − 1)

Dimana :

x = data bilangan

n = jumlah sampel

Universitas Sumatera Utara

 x = rata – rata data

s = deviasi estándar

Deviasi standar populasi juga dapat ditentukan dengan adanya nilai populasi N.

∑ (x i − µ)2
σ= i =1
………………………………....(3.4)
N

Dimana :

x = data bilangan

N = jumlah populasi

µ = rata – rata populasi

σ = deviasi standar populasi

Faktor koefisien juga digunakan dalam nilai statistik (12).

s
CV =   x100 ……………………………..…........(3.5)
 x

Dimana :

s = standar deviasi

x = rata-rata data

Perhitungan Distribusi Normal

Distribusi normal dikatakan sebagai distribusi normal standar adalah

dengan rata – rata µ = 0 dan deviasi standar σ = 1 yang memiliki fungsi densitas

berbentuk :

1
f ( x) = e −( x − µ ) 2σ 2
2

………………..... (3.6)
σ 2π

Universitas Sumatera Utara

Dimana : π = nilai konstan =3,14

e = bilangan konstan = 2,7183

µ = rata – rata distribusi (populasi) = x

σ = deviasi standar (simpangan baku) = s

Nilai x mempunyai batas - ∞ < x < ∞ , sehingga dapat dikatakan berdistribusi

normal.

Probabilitas dari pengukuran jika lebih besar atau sama dengan nilai tertentu dapat

ditentukan dengan mengintegrasikan persamaan (12) :

+∞
PR ( x ≥ a ) = ∫ f ( x)dx = α ………………………… (3.7)
a

Karena frekuensi luas di bawah kurva normal adalah sama dengan satu,

probabilitas pengukuran yang kurang dari satu adalah

PR ( x < a ) = 1 − Pn ( x ≥ a ) …………………………... (3.8)

Di mana : a = Nilai Penerimaan

Standar data variabel ini disebut deviasi normal z, dan digunakan untuk mengubah

setiap data variabel menjadi distribusi normal. Transformasi nilai x menjadi nilai z

x−µ
z= ….…………….…………………........... (3.9)
σ

Penggunaan Tabel Distribusi Normal

Tabel distribusi normal untuk variabel acak sehingga mendapatkan nilai

normal. Nilai tabel tersebut merupakan solusi untuk mengetahui nilai yang

diinginkan dengan batas tertentu : (12)

Universitas Sumatera Utara

 +∞
1 −zn
PR ( x ≥ Ka ) = α = ∫
Ka 2π
.e 2 dz ………………….. (3.10)

a−µ
Kα = ………………………………………… (3.11)
σ

a−µ
Jika a < µ , maka K α = atau disebut nilai K α mutlak positif.
σ

Di mana : K α = nilai ketetapan variabel yang dapat dilihat di tabel

PR ( x ≥ a ) = PR [{x − µ ) / σ ] ≥ [{a − µ ) / σ }] = α

PR ( x ≥ a ) = PR ( z ≥ K α ) = α ……………….. (3.12)

Distribusi normal juga berfungsi sebagai pengujian hipotesis. Pengujian hipotesis

adalah cara pengambilan keputusan atau kesimpulan, dimana perumusan

sementara mengenai sesuatu yang dibuat untuk menjelaskannya dan untuk

menuntun atau mengarahkan penelitian selanjutnya. Setiap hipotesis bisa benar

atau tidak benar dan karenanya perlu diadakan penyelidikan.

0.4
0.3
dnorm(x)

σ
0.2
0.1
0.0

-4 -2 0 2 4

x
.

Universitas Sumatera Utara

 Gambar 3.4. Kurva Normal

Gambar 3.5. Kurva Normal Dengan Simpangan Baku Sama

Gambar 3.6. Kurva Normal Dengan Rata-rata (Mean) Sama

Universitas Sumatera Utara

 0.8
0.6
dnorm(x, 1, 0.5)

0.4
0.2
0.0

-6 -4 -2 0 2 4

Gambar 3.7. Kurva Normal Dengan Mean dan Simpangan Baku Berbeda

Sifat-sifat yang dimiki oleh kurva normal, yaitu (15) :

1. Modus (nilai x maksimum) terletak di x = µ

2. Simetris terhadap sumbu vertikal melalui µ

3. Mempunyai titik belok pada saat x = µ ± σ

4. Memotong sumbu mendatar secara asimtotis

5. Luas daerah dibawah kurva dengan sumbu datar sama dengan 1

6. Rata-rata (mean) µ dan standar deviasi µ

Universitas Sumatera Utara

III.6.2. Distribusi t

Distribusi t merupakan variabel acak tertentu yang terdistribusi secara

normal. Namun, jika standar deviasi σ tidak diketahui, maka jika disubstitusi,

standar deviasi sampel s digunakan ke variabel tersebut, tidak mengakibatkan

variabel acak sehingga tidak dapat terdistribusi normal, walaupun s merupakan

σ . Biasanya sampel distribusi t ≤ 30. Distribusi t adalah (12)

(x − µ) n
t= ……………………………………… (3.13)
s

Distribusi ini banyak digunakan dalam solusi masalah ketika deviasi

standar populasi tidak diketahui. Nilai rata – rata yang diharapkan dari distribusi

ini adalah nol dan seperti distribusi normal, juga memiliki jangkauan - ∞ ke + ∞ .

Namun, tidak seperti distribusi normal, nilai persen dari distribusi t merupakan

fungsi dari derajat kebebasan dk atau v .

PR (t ≥ t a ;V ) = α ……………………………………….(3.14)

III.6.3. Resiko

Pada spesifikasi, untuk pemilihan sampel yang berkualitas bisa mengalami

kesalahan. Jika hasil kinerja pekerjaan tidak memuaskan, maka pekerjaan tersebut

dapat ditolak dan menimbulkan kerugian, disebut risiko produsen. Sebaliknya,

kesalahan yang menghasilkan penerimaan produk yang tidak memuaskan yang

merugikan konsumen, disebut risiko konsumen. Agar kesalahan tidak terjadi,

maka dalam perencanaan harus memiliki tingkat keyakinan (confidence level)

penerimaan dalam bentuk persentase (1 hingga 100%). Sehingga dalam

melaksanakan pekerjaan tersebut dapat dipercaya dan spesifikasi juga menjadi

standarisasi yang akurat (NAASRA).

Universitas Sumatera Utara

Ada dua tipe risiko :

1. Risiko produsen adalah kesalahan yang terjadi pada saat nilai sampel berada di

luar batas kontrol namun proses sebenarnya dalam kontrol (random effect)

dengan nilai yang telah ditetapkan sebesar 5% atau 10%. Maksudnya adalah

tingkat kepercayaan yang diterima, dimana rendahnya kemungkinan

penolakan atau penerimaan sampel harus pada batas kontrol yang diterima

(tingkat keyakinan kualitas minimum yang diterima biasanya 95% atau 90%).

Risiko produsen disebut sebagai α .

2. Risiko konsumen adalah kesalahan yang terjadi pada saat nilai sampel berada

di dalam batas kontrol namun proses sebenarnya tidak dalam kontrol (terjadi

proses pergeseran) dan ditetapkan sebesar 10% atau 20%. Maksudnya adalah

rendahnya kemungkinan penerimaan atau persentase ditolaknya sampel

dengan tingkat kepercayaan yang telah ditetapkan. Risiko ditunjuk sebagai

β (9).

a. Tingkat keyakinan : σ diketahui, dengan batas 1 arah (12).

  σ 
L =  x − K α   ≤ µ .................................(3.15)
  n 

  σ 
U =  x + K α   ≥ µ .................................(3.16)
  n 

b. Tingkat Keyakinan : σ tidak diketahui

  s 
L =  x − tα ;n−1   ≤ µ …………………….(3.17)
  n 

  s 
U =  x + tα ;n−1   ≥ µ …………………….(3.18)
  n 

Universitas Sumatera Utara

 Dimana : L = Batas kontrol kualitas bawah

U = Batas kontrol kualitas atas

III.6.4. Kriteria Penerimaan

Merupakan batas di mana sampel yang telah di uji secara statistik

menghasilkan nilai penerimaan Rc ≥ L serta menggunakan pengujian hipotesis

dalam pengambilan keputusan(13).

Rc = ( x - ks ) ≥ L………………………………...…(3.19)

Dimana :

Rc = nilai karakteristik kepadatan (Perbandingan antara kepadatan

lapangan dengan kepadatan laboratorium)

x = Rata – rata data

k = Nilai koefisien

s = Deviasi standar (sampel)

L = µ 0 = Batas (Limit) kontrol (spesifikasi)

c. Uji Hipotesis.

− Kα / 2 ≤ z ≤ + Kα / 2
H : µ = µ0 , H diterima
− tα / 2:n −1 ≤ t ≤ +tα / 2:n −1

z ≥ Kα
H : µ ≥ µ0 , H diterima
t ≥ tα :n −1

z ≤ − Kα
H : µ ≤ µ0 , H diterima
t ≤ tα :n −1

z=
(x − µ ) 0 n
………………………………(3.20)
σ

t=
(x − µ )
0 n
…………………………...…..(3.21)
s

Universitas Sumatera Utara

Dimana : z = distribusi normal

t = Distribusi t

x = Rata – rata data

µ 0 = Rata – rata standar (spesifikasi)

n = jumlah sampel

σ = deviasi standar populasi

s = deviasi standar sampel

Tabel 3.1. Pengambilan Keputusan Dengan Uji Hipotesis(14).

Hipotesis (H) Benar Hipotesis (H) Salah

Terima H Keputusan Benar Risiko konsumen ( β )

Tolak H Risiko produsen ( α ) Keputusan Benar

III.6.5. Persen kesalahan

Untuk mengontrol perkerasan jalan, tingkat kualitas yang terbaik

didefinisikan dalam persen kesalahan yang bertujuan :

Mengetahui sampel yang tidak dapat diterima,

Dapat menyesuaikan dengan spesifikasi, sehingga mengetahui kesuksesan

pekerjaan. Disebut dengan P (%). Dapat dihitung mengunakan persamaan di

bawah ini(13) :

kp − k
kα = 1
………………………..(3.22)
1
(2
)

 + k ÷ (2(n − 1)) 
2

2 

Dimana : kα = nilai tabel distribusi normal untuk risiko produsen α

Universitas Sumatera Utara

 k p = nilai tabel untuk menentukan persentase kesalahan (p)

k = nilai penerimaan (ketetapan)

n = jumlah sampel

k − kp
kβ = 1
………………………...(3.23)
1 2
( 
 + k ÷ (2(n − 1))  ) 2

2 

Dimana : k β = nilai tabel distribusi normal untuk risiko produsen α

k = ketetapan

k p = nilai tabel untuk menentukan persentase kesalahan (p)

n = jumlah sampel

Sehingga dapat dihitung sampel sebenarnya saat diketahui L (Batas Spesifikasi)

dari kriteria penerimaan dan uji hipotesis.

n=
(K β − Kα ) σ 2
2

…………………………………(3.24)
(µ 0 − µ1 )2
Dimana : n = sampel sebenarnya

K α = nilai tabel distribusi normal

K β = nilai tabel distribusi normal

σ = deviasi standar populasi

µ 0 = rata – rata spesifikasi

µ1 = rata – rata hitung

III.6.6. Kurva OC

Kurva (OC) adalah kurva yang diplotkan untuk menyajikan penerimaan

kontrol kualitas. Kurva tersebut akan menunjukkan dan membedakan sampel yang

Universitas Sumatera Utara

dapat diterima atau tidak diterima terhadap spesifikasi. Kurva OC juga

menjelaskan risiko yang terjadi pada pelaksanaan kontrol kualitas. Sehingga kurva

merupakan batas statistik dari penilaian sampel yang akan dipilih nantinya(9).

Kurva OC menegaskan penerimaan sampel yang telah dikontrol

kualitasnya dengan menggunakan resiko produsen ( α ) dan konsumen ( β )

sebagai signifikansi penerimaan dan faktor yang mempengaruhi kontrol kualitas

bahan dan pekerjaan. Untuk penerimaan sampel ditentukan dengan (P/1 - α ).

Dimana P menggunakan resiko konsumen ( β ) sebagai parameter proporsi

kerusakan sampel. Sehingga dapat dilihat dengan tabel kurva OC kesesuaian

spesifikasi yang telah menjadi standar perencanaan campuran beraspal

sebelumnya.

Gambar 3.8. Distribusi Normal dan Miring ( Jumlah Sampel Berbeda )

III.7. LUAS DAERAH DIBAWAH KURVA NORMAL

Untuk mengatasi kesulitan dalam menghitung integral, maka dapat

digunakan tabel distribusi normal standar (z) yaitu distribusi normal dengan µ =

Universitas Sumatera Utara

 x−µ
σ
2
0 dan . Caranya menggunakan transformasi dengan rumus z = . Setiap
σ

pengamatan perubah acak x dapat ditransformasikan ke perubah acak z dengan

rata-rata (mean) 0 dan variansi 1. Jika x mendapat nilai padanannya maka

x−µ
kemudian dapat ditransformasikan ke rumus z = . Jadi, jika X bernilai x =
σ

x −µ
1 x 2
−µ
x 1
dan x = x 2
maka perubah acak z akan bernilai z1
=
σ
dan z 2
=
σ

kemudian dinyatakn sebagai berikut(15) :

→
0.8
0.6
dnorm(x, -1, 0.5)

0.4
0.2
0.0

-4 -3 -2 -1 0 1 2
0.4
0.3
dnorm(x, 0, 1)

0.2
0.1
0.0

-4 -2 0 2 4

Universitas Sumatera Utara

 P(x1 < x < x 2 ) P(z1 < z < z 2 )

P(x1 < x < x 2=

) P(z1 < x < z 2 )

Gambar 3.9. Distribusi Normal Transformasi

Universitas Sumatera Utara

 BAB IV
PENYAJIAN DAN ANALISA DATA

IV.1. ANALISIS DATA

Menurut spesifikasi Departemen Pekerjaan Umum Direktorat Jenderal

Bina Marga, penerimaan kepadatan lapangan lapis pondasi agregat min 100%

dari berat isi kering maksimum dan digunakan sebagai pengujian rata-rata

kepadatan. Dengan minimal panjang jalan pengujian per 200m. Sumber data (

Lampiran ).

IV.1.1. Sampel Uniform

1. Jumlah Titik Uji ( Sampel )

N=3 X

N = 3 200

N = 5.8 ≈ 6

2. Perhitungan mean / rata-rata ( ) yaitu :

Rumus dari persamaan ( 3.1 )

x1 + x2 + x3 + x4 + x5 + x6
x=
n

100,81 + 99,39 + 98,76 + 100,69 + 98,38 + 99,84

x=
6

x = 99,65

Universitas Sumatera Utara

3. Perhitungan median / nilai tengah yaitu :

Untuk menemukan nilai median sehimpunan data harus terlebih dahulu data

yang ada diurutkan dari yang terkecil ke yang terbesar menjadi. Karena data

yang dimiliki hanya 3(tiga) maka nilai mediannya merupakan titik tengah dari

data bernilai

98,38 ; 98,76 ; 99,39 ; 99,84 ; 100,69 ; 100,81

99,39 + 99,84
Maka nilai median adalah = 99,62
2

4. Perhitungan data sekunder

Tabel 4.1. Data Sekunder (Uniform)

Sampel
(n)
Data
(x)
Rata-rata (x − x ) 2

(x)
1 100,81 99,65 1,35
2 99,39 0,07
3 98,76 0,79
4 100,69 1,08
5 98,38 1,61
6 99,84 0,04
Jumlah 4,94

5. Perhitungan simpangan baku / standar deviasi ( s )

Rumus pangkat dua dari standar deviasi disebut varian sampel, dari persamaan

( 3.3 )

n∑ xi − (∑ xi ) 2
2

s =
2
,
n(n − 1)

Maka rumus standar deviasinya yaitu dari persamaan ( 3.2)

∑ (x i − x) 2
s= i =1

n −1

Universitas Sumatera Utara

 6

∑ (4,94) 2

s= i =1

6 −1

4,94
s=
6 −1

s = 0,99

6. Perhitungan deviasi standar populasi σ

Rumus dari persamaan ( 3.4)

∑ (x i − µ)2
σ= i =1

∑ (x i − µ)2
σ= i =1

4,94
σ=
6

σ = 0,91

7. Perhitungan Koefisien Variasi ( C.V )

Rumus dari persamaan ( 3.5)

C.V = x 100

= x 100

= 0,99

8. Perhitungan nilai table distribusi normal α

Rumus dari persamaan (3.11 )

Universitas Sumatera Utara

 a−µ
Ka =
σ/ n

100 − 99,65
Ka =
0,91 / 6

Ka = 0,94

Maka didapat Resiko Produsen ( α ) dari table diatribusi normal yaitu :

α = 17,36 %

Tingkat Keyakinan

9. Tingkat Keyakinan ( Confidence Intervals for Mean )

Rumus dari Persamaan (3.15) dan (3.16)

Dengan diketahui :

  σ    0,91 
L =  x − Kα   ≤ µ = 99,65 − 0,94  ≤ 100 = 99,50 ≤ 100 ( B )
  n    6 

  σ    0,91 
U =  x + Kα   ≤ µ = 99,65 + 0,94  ≥ 100 = 99,79 ≥ 100 ( S )
  n    6 

Kriteria Penerimaan

10. Perhitungan kriterian penerimaan

Rumus dari persamaan ( 3.19)

R c = ( – ks ) L

= ( 99,65 – k. 0,99 ) 100

k -0,35

Universitas Sumatera Utara

11. Uji Hipotesis

Rumus dari persamaan ( 3.20) dan (3.21)

z ≥ Kα
H : µ = µ0 , maka H diterima.
t ≥ tα / 2:n −1

z ≥ Kα
H : μ ≥ μ0 , maka H diterima
t ≥ t α:n −1

z ≤ −K α
H : μ ≤ μ0 , maka H diterima
t ≤ t α:n −1

z=
(x − µ ) 0 n
=
(99,65 − 100) 6
= −0,942 ≤ 0,94 ,
σ 0,91

Kemudian terlebih dahulu mencari t tabel, yaitu :

-0,299 = x- 1,476

x = 1,18

t=
(x − µ )
0 n
=
(99,65 − 100) 6
= −0,87 ≤ 1,18
s 0,99

Hipotesis diterima jika µ ≤ µ 0 .

Namun kriteria penerimaan menyatakan R c L atau secara hipotesis yaitu

H : μ ≥ μ 0 . Bahwa pengambilan keputusannya yaitu Hipotesis (H)

diterima namun hipotesis tidak sesuai kriteria penerimaan atau Hipotesis

(H) salah maka disebut resiko konsumen β .

Persen Kesalahan

12. Persamaan untuk mengetahui nilai dari P dan n

Rumus dari persamaan ( 3.22)

Universitas Sumatera Utara

 kp − k
kα = 1
1
(
 + k ÷ (2(n − 1)) 
2
)
2
2 
k p − 0.35
0,94 = 1
1
(
 + 0.35 ÷ (2(6 − 1)) 
2 2
)
2 
k p − 0,35
0,94 =
0.72

0,6768 = -0,35

= 0,6768+0,35

= 1,0268

1,03

Maka didapat dari tabel distribusi normal

P = 0,1515 x 100 %

= 15,15 %

Resiko Konsumen

13. Perhitungan Resiko Konsumen

Rumus dari persamaan (3.23 )

k − kp
kβ = 1
1
( 2
 + k ÷ (2(n − 1)) 
2
)
2 
0.35 − 1,03
kβ = 1
1
( 2
 + 0,35 ÷ (2(6 − 1)) 
2
)
2 
0,35 - 1.03
kβ =
0.716
k β = −0,95

Universitas Sumatera Utara

 Maka didapat dari distribusi normal

β = 0,1711 x 100%

= 17,11 %

14. Perhitungan n ( sampel ) sebenarnya

Rumus dari persamaan (3.24)

(K β − Kα ) σ2
2
(0,95 + 0,94)2 0.912
n= = = 4,47 ≈ 5 sampel
(μ 0 − μ1 )2 (100 − 99,65) 2

Hasil Perhitungan

Tabel 4.2. Distribusi Frekuensi Terhadap Rata-rata (Uniform)

Sampel Data (x − x ) 2
s σ C.V Kα α(%) Kβ β(%)
(n) (x)

1 100.81 1,35 0,99 0,91 0,99 0,94 17,36 0,95 17,11

2 99.39 0,07

3 98.76 0,79

4 100.69 1,08

5 98.38 1,61

6 99.84 0,04

Rata- Jumlah

rata 4,94

99,65

Universitas Sumatera Utara

15. Kurva Penerimaan

Grafik Kontrol

Dengan menggunakan program SPSS 17, diperoleh grafik kontrol dari

sampel seperti di bawah ini :

Gambar 4.1. Grafik Kontrol (Uniform)

Kurva OC

Dengan menggunakan program SPSS 17, diperoleh kurva OC dari

sampel seperti di bawah ini :

Universitas Sumatera Utara

 Gambar 4.2. Distribusi Normal Pengujian Terhadap Rata-rata (Uniform)

IV.1.2. Sampel Nouniform

1. Jumlah Titik Uji ( Sampel )

N=3 X

N = 3 200

N = 5.8 ≈ 6

2. Perhitungan mean / rata-rata ( ) yaitu :

Rumus dari persamaan ( 3.1 )

x1 + x2 + x3 + x4 + x5 + x6
x=
n

40,93 + 80,52 + 60,69 + 100,72 + 50,54 + 97,31

x=
6

Universitas Sumatera Utara

 x = 71,79

3. Perhitungan median / nilai tengah yaitu :

Untuk menemukan nilai median sehimpunan data harus terlebih dahulu data

yang ada diurutkan dari yang terkecil ke yang terbesar menjadi. Karena data

yang dimiliki hanya 3(tiga) maka nilai mediannya merupakan titik tengah dari

data bernilai

40,93 ; 50,54 ; 60,69 ; 80,52 ; 97,31 ; 100,72

60,69 + 80,52
Maka nilai median adalah = 70,61
2

4. Perhitungan data sekunder

Tabel 4.3. Data Sekunder (Nonuniform)

Sampel
(n)
Data
(x)
Rata-rata (x − x )
2

(x)
1 40,93 71,79 953,34
2 80,52 76,21
3 60,69 123,21
4 100,72 836,94
5 50,54 451,56
6 97,31 651,27
Jumlah 3126,19

5. Perhitungan simpangan baku / standar deviasi ( s )

Rumus pangkat dua dari standar deviasi disebut varian sampel, dari persamaan

( 3.3 )

n∑ xi − (∑ xi ) 2
2

s =
2
,
n(n − 1)

Maka rumus standar deviasi nya yaitu dari persamaan ( 3.2)

Universitas Sumatera Utara

 n

∑ (x i − x) 2
s= i =1

n −1

∑ (3126,19) 2

s= i =1

6 −1

3126,19
s=
6 −1

s = 25

6. Perhitungan deviasi standar populasi σ

Rumus dari persamaan ( 3.4)

∑ (x i − µ)2
σ= i =1

∑ (x i − µ)2
σ= i =1

3126,19
σ=
6

σ = 22,83

7. Perhitungan Koefisien Variasi ( C.V )

Rumus dari persamaan ( 3.5)

C.V = x 100

Universitas Sumatera Utara

 25
= x 100
71,79

= 0,35

8. Perhitungan nilai table distribusi normal α

Rumus dari persamaan (3.11 )

a−µ
Ka =
σ/ n

100 − 71,79
Ka =
22,83 / 6

Ka = 3,03

Maka didapat Resiko Produsen ( α ) dari table diatribusi normal yaitu :

α = 0,12 %

Tingkat Keyakinan

9. Tingkat Keyakinan ( Confidence Intervals for Mean )

Rumus dari Persamaan (3.15) dan (3.16)

Dengan diketahui :

  σ    22,83 
L =  x − K α   ≤ µ = 71,79 − 3,03  ≤ 100 = 60,26 ≤ 100 ( B )
  n     6 

  σ    22,83 
U =  x + K α   ≤ µ = 71,79 + 3,03  ≥ 100 = 83,32 ≥ 100 ( S )
  n    6 

Kriteria Penerimaan

10. Perhitungan kriterian penerimaan

Rumus dari persamaan ( 3.19)

R c = ( – ks ) L

= ( 71,79 – k. 25 ) 100

Universitas Sumatera Utara

 100 − 71,79
k
25

k 1,13

11. Uji Hipotesis

Rumus dari persamaan ( 3.20) dan (3.21)

z ≥ Kα
H : µ = µ0 , maka H diterima.
t ≥ tα / 2:n −1

z ≥ Kα
H : μ ≥ μ0 , maka H diterima
t ≥ t α:n −1

z ≤ −K α
H : μ ≤ μ0 , maka H diterima
t ≤ t α:n −1

z=
(x − µ )0 n
=
(71,79 − 100) 6
= −3,03 ≤ 3,03 ,
σ 22,83

Kemudian terlebih dahulu mencari t tabel, yaitu :

0,0012 − 0,001 x − 5,893

=
0,005 − 0,001 4,032 − 5,893

0,09305 = x-5,893

x = 5,78

t=
(x − µ )
0 n
=
(99,65 − 100) 6
= −0,87 ≤ 5,78
s 0,99

Hipotesis diterima jika µ ≤ µ 0 .

Namun kriteria penerimaan menyatakan R c L atau secara hipotesis yaitu

H : μ ≥ μ 0 . Bahwa pengambilan keputusannya yaitu Hipotesis (H)

diterima namun hipotesis tidak sesuai kriteria penerimaan atau Hipotesis

(H) salah maka disebut resiko konsumen β .

Universitas Sumatera Utara

 Persen Kesalahan

12. Persamaan untuk mengetahui nilai dari P dan n

Rumus dari persamaan ( 3.23)

kp − k
kα = 1
1
(
 + k ÷ (2(n − 1)) 
2 2
)
2 
k p − 1.13
3,03 = 1

(
 + 1.13 ÷ (2(6 − 1)) 
1 2 2
)
2 
k p − 1.13
3,03 =
0.79

2,39 = -1,13

= 2,39+0,35

= 2,74

Maka didapat dari tabel distribusi normal

P = 0,0030 x 100 %

= 0,3 %

Resiko Konsumen

13. Perhitungan Resiko Konsumen

Rumus dari persamaan (3.23 )

Universitas Sumatera Utara

 k − kp
kβ = 1
1
( 2
 + k ÷ (2(n − 1)) 
2
)
2 
1,13 − 2,74
kβ = 1
1
( 2
 + 1,13 ÷ (2(6 − 1)) 
2
)
2 
1,13 - 2,74
kβ =
0.79
k β = −2,04

Maka didapat dari distribusi normal

β = 0,0207 x 100%

= 2,07 %

14. Perhitungan n ( sampel ) sebenarnya

Rumus dari persamaan (3.24)

(K β − Kα ) σ2
2
(2,04 + 3,03)2 22,832
n= = = 19,38 ≈ 19 sampel
(μ 0 − μ1 )2 (100 − 71,79) 2

Hasil Perhitungan

Tabel 4.4. Distribusi Frekuensi Terhadap Rata-rata (Nonuniform)

Sampel Data (x − x ) 2
s σ C.V Kα α(%) Kβ β(%)
(n) (x)

1 40.93 953,34 25 22,83 0,35 3,03 0,12 2,04 2,07

2 80.52 76,21

3 60.69 123,21

4 100.72 836,94

5 50.54 451,56

6 97.31 651,27

Universitas Sumatera Utara

 Rata- Jumlah

rata 3126,19

71,79

15. Kurva Penerimaan

Grafik Kontrol

Dengan menggunakan program SPSS 17, diperoleh grafik kontrol dari

sampel seperti di bawah ini :

Gambar 4.3. Grafik Kontrol (Nonuniform)

Kurva

Universitas Sumatera Utara

 120
100
80
60
Kepadatan
40
20
0
0 2 4 6 8

Gambar 4.4. Kurva Pengujian Terhadap Rata-rata

(Nonuniform)

Universitas Sumatera Utara

 BAB V
KESIMPULAN DAN SARAN

V.1. KESIMPULAN

1. Perlu diketahui bahwa salah satu faktor pendukung tercapainya suatu

perkerasan jalan yang baik dan benar yaitu bahan baku/dasar yang

berasal dari alam harus memiliki pengolahan yang tepat dan sesuai

agar menghasilkan bahan baku yang tepat guna.

2. Bahan material yang digunakan dalam proses pekerjaan jalan berasal

dari berbagai macam sumber (quarry). Setiap quarry tentu

menghasilkan bahan material dengan kualitasnya masing-masing.

Karena itu dengan kondisi tersebut dapat menghasilkan kondisi kontrol

kualitas yang seragam (uniform) dan tidak seragam (nonuniform).

3. Untuk pengolahan suatu populasi data dapat menggunakan statistik

distribusi normal.

4. Perhitungan uji pengendalian kualitas ( quality control ) dilakukan

agar dapat diketahui apakah spesifikasi yang selama ini sebagai acuan

dasar / standar untuk melakukan pekerjaan jalan sudah sesuai dengan

proses penerimaan pengendalian kualitas yang telah dihitung dan dapat

menunjukkan parameter lainnya yang mendukung untuk mendapatkan

hasil mendekati spesifik .

5. Pengujian kepadatan pada agregat base course untuk perkerasan jalan

yang dilakukan dilaboratorium adalah sebagai simulasi nilai kepadatan

yang bisa didapatkan dilapangan untuk pencapain nilai min 100% berat

isi kering maksimum sesuai dengan spesifikasi Bina Marga 2006.

Universitas Sumatera Utara

6. Data Uniform

Dengan hasil uji hipotesis dengan n=6 didapat bahwa hipotesis diterima

yaitu H : µ ≤ µ 0
. Dimana 99.65
≤ 1 00 namun tidak sesuai kriteria

Rc L yaitu 99.65 ≥ 100. Didapat LCL = 99,5% dan UCL =

penerimaan

Untuk n sampel sebenarnya = 5

99,79% diperoleh 99,5%≤ x ≤ 99,79%.

sampel dimana kondisi tersebut menyatakan jumlah minimal sampel yang

ada sudah bisa dilakukan untuk uji statistik dan sudah memenuhi rata-rata.

7. Data Nonuniform

Dengan hasil uji hipotesis dengan n=6 didapat bahwa hipotesis diterima

yaitu H : µ ≤ µ 0
. Dimana 71,79
≤ 100 namun tidak sesuai kriteria

Rc L yaitu 9971,79 ≥ 100. Didapat LCL = 60,26% dan UCL =

penerimaan

Untuk n sampel sebenarnya = 19

83,32% diperoleh 60,26%≤ x ≤ 83,32%

sampel dimana kondisi tersebut menyatakan jumlah minimal sampel yang

ada sudah bisa dilakukan untuk uji statistik dan memenuhi rata-rata.

kepada tan lapangan

8. Derajat kepadatan = beratisi ker ingmaksimum x100

Nilai kepadatan lapangan tercapai menandakan nilai kadar air optimum

dan berat isi kering maksimum terpenuhi. Dengan mengambil garis

lurus grafik lengkung dari nilai kadar air optimum dan berat isi kering

maksimum maka dapat ditentukan atau didapat nilai CBR nya.

9. Bila kadar air yang didapat tidak sesuai dengan rentang tolerasi

spesifikasi maka dalam kondisi yang terlalu basah pemadatan

Universitas Sumatera Utara

 diperbaiki dengan menggaru bahan pada cuaca kering. Untuk kondisi

terlalu kering maka pemadatan diperbaiki dengan menggaru bahan dan

disertai dengan penyemprotan air. Bila kepadatan tidak terpenuhi maka

dilakukan pemadatan kembali sampai memenuhi spesifikasi.

10. Dengan dilakukannya uji mutu ( ) lebih lanjut dapat

menambah keandalan kinerja perkerasan jalan yang lebih mendekati

perencanaan untuk proyek-proyek pembangunan dan pemeliharaan,

terutama untuk lalu lintas berat dan temperatur tinggi di Indonesia.

V.2. SARAN

1. Diharapkan untuk melakukan atau menjalankan proyek perkerasan jalan

harus lebih diperhatikan setiap prosesnya mulai dari tahap awal sampai

tahap akhir. Dengan dilaksanakannya setiap proses sesuai dengan prosedur

dan berdasar kepada spesifikasi yang ada maka akan tercapai umur rencana.

Universitas Sumatera Utara