yang berkaitan dengan ukuran kualitas. Penggunaan dari metode ini hasilnya pasti
terkadang sering terjadi pada konstruksi yang tidak cukup mempunyai kualitas
tinggi, pada saat parameter-parameter yang ditinjau atau digunakan sangat tidak
seragam(3).
prosedur dan metode dalam menguji dan mengawasi pekerjaan jalan, agar
Dari segi linguistic kualitas berasal dari bahasa latin yang berarti
American Society for quality Control kualitas adalah totalitas bentuk dan
Herizer, 1997:92).
25) adalah:
mengevaluasi teknikal.
suatu produk utama, (2) Ciri-ciri atau keistimewaan tambahan (feature), (3)
Kehandalan (reliability): probabilitas suatu produk tidak berfungsi atau gagal, (4)
bagaimana suatu produk dipandang dirasakan dan didengarkan, dan (8) Ketepatan
interpretasi, tidak dapat didefinisikan secara tunggal, dan sangat tergantung pada
atas dasar: organisasi, kejadian, produk, pelayanan, proses, orang, hasil, kegiatan,
perkembangan yang pesat selama dua dekade terakhir. Diawali dari aktivitas
maupun jasa berkualitas tinggi. Dua prioritas kompetitif kualitas yang utama
terfokus pada penyajian kepercayaan bahwa tolok ukur kualitas akan selalu
terpenuhi.
lain:
PROCEDURE)
jalan melalui semua tahapan proses perencanaan pekerjaan jalan dengan cara
tersebut dilakukan dengan menguji kualitas lapis pondasi agregat yang telah
selesai pada tahap pekerjaan jalan di lapangan, sehingga lapis pondasi agregat
untuk menilai kualitas produksi apakah memenuhi syarat atau tidak. Salah
satu kesalahan yang besar dalam menguji material adalah kegagalan untuk
adalah pengujian kepadatan. Karena dengan kepadatan tecapai maka kadar air
juga akan tercapai dimana nilai kadar air yang didapat dilapangan merupakan
contoh material atau lapis pondasi agregat yang telah dihampar dan
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.
spesifikasi.
kualitas (quality control) pekerjaaan jalan dengan metode statistik agar sesuai
maupun tidak terhingga, dan disebut sebagai N. Sampel merupakan jumlah data
kriteria baik atau jelek, bagus atau cacat, dan lain – lain. Data atribut biasanya
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 .
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
menentukan jumlah lot dan sampel (jumlah titik uji), dapat ditetapkan dengan
N =3 X
Dimana :
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
terpilih sama dalam populasi. Misalnya besar populasi adalah N, sedang unsur
dalam sampel (sample size) adalah n, maka besarnya kesempatan bagi tiap
dari angka 0 sampai 9. Kelompok II, kertas diberi tulisan dari 1 sampai
100.
e. Gelas dikocok selama kira – kira 10 detik dan keluarkan masing – masing
x)
ii) Angka yang keluar dari kelompok II sebagai Nomor Baris (misal :
y)
Koordinat (x; y) ditentukan pada tabel bilangan acak sebagai bilangan tiga
ini hasilnya pasti ketika kualitas dari suatu konstruksi perkerasan jalan tinggi.
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
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
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
mengenai deposit sangat diperlukan, tempat yang ada harus disurvei. Beberapa
daerah harus dihapuskan dan kontrol harus dilakukan dengan seksama ketika
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
aspal, kekuatan tekan pada sampel bahan pengikat material, kekasaran perkerasan
Weibull,dll ) merupakan hal yang sangat tidak seragam. Hasil dari eksperimen ini
Hal ini telah ditunjukkan dengan banyaknya tulisan atau jurnal di USSR
parameter pada saat paramater yang diukur dan ditinjau sangat banyak, beragam
dan tidak seragam. Metode ini sangat universal dan bisa digunakan baik untuk
Data yang digunakan harus mempunyai arti, tidak hanya yang mudah
tidak cukup, pengetahuan mengenai produk dan proses yang khusus juga belum
membahas mengenai tidak adanya dua hal yang sama secara sempurna. Ilmu
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
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
maupun ilmu sosial. Beragam skor pengujian psikologi dan fenomena fisika
distribusi populasi yang diambil tidak berdistribusi normal. Distribusi normal juga
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 i − x) 2
s= i =1
………………………………… (3.2)
n −1
Dimana :
x = data bilangan
n = jumlah sampel
s = deviasi standar
n∑ xi − (∑ xi ) 2
2
s =
2
……………………………..(3.3)
n(n − 1)
Dimana :
x = data bilangan
n = jumlah sampel
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
s
CV = x100 ……………………………..…........(3.5)
x
Dimana :
s = standar deviasi
x = rata-rata data
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
normal.
Probabilitas dari pengukuran jika lebih besar atau sama dengan nilai tertentu dapat
+∞
PR ( x ≥ a ) = ∫ f ( x)dx = α ………………………… (3.7)
a
Karena frekuensi luas di bawah kurva normal adalah sama dengan satu,
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
normal. Nilai tabel tersebut merupakan solusi untuk mengetahui nilai yang
a−µ
Kα = ………………………………………… (3.11)
σ
a−µ
Jika a < µ , maka K α = atau disebut nilai K α mutlak positif.
σ
PR ( x ≥ a ) = PR [{x − µ ) / σ ] ≥ [{a − µ ) / σ }] = α
PR ( x ≥ a ) = PR ( z ≥ K α ) = α ……………….. (3.12)
σ
0.2
0.1
0.0
-4 -2 0 2 4
x
.
0.4
0.2
0.0
-6 -4 -2 0 2 4
Gambar 3.7. Kurva Normal Dengan Mean dan Simpangan Baku Berbeda
normal. Namun, jika standar deviasi σ tidak diketahui, maka jika disubstitusi,
(x − µ) n
t= ……………………………………… (3.13)
s
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
PR (t ≥ t a ;V ) = α ……………………………………….(3.14)
III.6.3. Resiko
kesalahan. Jika hasil kinerja pekerjaan tidak memuaskan, maka pekerjaan tersebut
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
penolakan atau penerimaan sampel harus pada batas kontrol yang diterima
(tingkat keyakinan kualitas minimum yang diterima biasanya 95% atau 90%).
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
β (9).
σ
L = x − K α ≤ µ .................................(3.15)
n
σ
U = x + K α ≥ µ .................................(3.16)
n
s
L = x − tα ;n−1 ≤ µ …………………….(3.17)
n
s
U = x + tα ;n−1 ≥ µ …………………….(3.18)
n
Rc = ( x - ks ) ≥ L………………………………...…(3.19)
Dimana :
k = Nilai koefisien
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
t = Distribusi t
n = jumlah sampel
bawah ini(13) :
kp − k
kα = 1
………………………..(3.22)
1
(2
)
+ k ÷ (2(n − 1))
2
2
n = jumlah sampel
k − kp
kβ = 1
………………………...(3.23)
1 2
(
+ k ÷ (2(n − 1)) ) 2
2
k = ketetapan
n = jumlah sampel
n=
(K β − Kα ) σ 2
2
…………………………………(3.24)
(µ 0 − µ1 )2
Dimana : n = sampel sebenarnya
III.6.6. Kurva OC
kontrol kualitas. Kurva tersebut akan menunjukkan dan membedakan sampel yang
menjelaskan risiko yang terjadi pada pelaksanaan kontrol kualitas. Sehingga kurva
merupakan batas statistik dari penilaian sampel yang akan dipilih nantinya(9).
sebelumnya.
digunakan tabel distribusi normal standar (z) yaitu distribusi normal dengan µ =
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
→
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
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 ).
N=3 X
N = 3 200
N = 5.8 ≈ 6
x1 + x2 + x3 + x4 + x5 + x6
x=
n
x = 99,65
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
99,39 + 99,84
Maka nilai median adalah = 99,62
2
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
Rumus pangkat dua dari standar deviasi disebut varian sampel, dari persamaan
( 3.3 )
n∑ xi − (∑ xi ) 2
2
s =
2
,
n(n − 1)
∑ (x i − x) 2
s= i =1
n −1
∑ (4,94) 2
s= i =1
6 −1
4,94
s=
6 −1
s = 0,99
∑ (x i − µ)2
σ= i =1
∑ (x i − µ)2
σ= i =1
4,94
σ=
6
σ = 0,91
C.V = x 100
= x 100
= 0,99
100 − 99,65
Ka =
0,91 / 6
Ka = 0,94
α = 17,36 %
Tingkat Keyakinan
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
R c = ( – ks ) L
k -0,35
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
-0,299 = x- 1,476
x = 1,18
t=
(x − µ )
0 n
=
(99,65 − 100) 6
= −0,87 ≤ 1,18
s 0,99
Persen Kesalahan
0,6768 = -0,35
= 0,6768+0,35
= 1,0268
1,03
P = 0,1515 x 100 %
= 15,15 %
Resiko Konsumen
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
β = 0,1711 x 100%
= 17,11 %
(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
Sampel Data (x − x ) 2
s σ C.V Kα α(%) Kβ β(%)
(n) (x)
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
Grafik Kontrol
Kurva OC
N=3 X
N = 3 200
N = 5.8 ≈ 6
x1 + x2 + x3 + x4 + x5 + x6
x=
n
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
60,69 + 80,52
Maka nilai median adalah = 70,61
2
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
Rumus pangkat dua dari standar deviasi disebut varian sampel, dari persamaan
( 3.3 )
n∑ xi − (∑ xi ) 2
2
s =
2
,
n(n − 1)
∑ (x i − x) 2
s= i =1
n −1
∑ (3126,19) 2
s= i =1
6 −1
3126,19
s=
6 −1
s = 25
∑ (x i − µ)2
σ= i =1
∑ (x i − µ)2
σ= i =1
3126,19
σ=
6
σ = 22,83
C.V = x 100
= 0,35
a−µ
Ka =
σ/ n
100 − 71,79
Ka =
22,83 / 6
Ka = 3,03
α = 0,12 %
Tingkat Keyakinan
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
R c = ( – ks ) L
= ( 71,79 – k. 25 ) 100
k 1,13
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
0,09305 = x-5,893
x = 5,78
t=
(x − µ )
0 n
=
(99,65 − 100) 6
= −0,87 ≤ 5,78
s 0,99
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
P = 0,0030 x 100 %
= 0,3 %
Resiko Konsumen
β = 0,0207 x 100%
= 2,07 %
(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
Sampel Data (x − x ) 2
s σ C.V Kα α(%) Kβ β(%)
(n) (x)
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
rata 3126,19
71,79
Grafik Kontrol
Kurva
(Nonuniform)
V.1. KESIMPULAN
perkerasan jalan yang baik dan benar yaitu bahan baku/dasar yang
berasal dari alam harus memiliki pengolahan yang tepat dan sesuai
distribusi normal.
agar dapat diketahui apakah spesifikasi yang selama ini sebagai acuan
yang bisa didapatkan dilapangan untuk pencapain nilai min 100% berat
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
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
ada sudah bisa dilakukan untuk uji statistik dan memenuhi rata-rata.
lurus grafik lengkung dari nilai kadar air optimum dan berat isi kering
9. Bila kadar air yang didapat tidak sesuai dengan rentang tolerasi
V.2. SARAN
harus lebih diperhatikan setiap prosesnya mulai dari tahap awal sampai
dan berdasar kepada spesifikasi yang ada maka akan tercapai umur rencana.