MATA KULIAH
Disusun Oleh :
Kelompok 1
JURUSAN STATISTIKA
UNIVERSITAS BRAWIJAYA
MALANG
2020
BAB I
PENDAHULUAN
1.3 Tujuan
Adapun tujuan dari penyusunan makalah ini yaitu:
1. Untuk memahami definisi umum, konsep, dan tujuan dari acceptance sampling
serta kelebihan dan kekurangannya.
2. Untuk memahami definisi umum, konsep, dan tujuan dari single acceptance
sampling serta contoh penerapannya pada studi kasus.
3. Untuk mengetahui penerapan operating characteristic curve dalam
mengestimasi probabilitas penerimaan dalam single acceptance sampling.
1
BAB II
PEMBAHASAN
2
4. Apabila terlalu banyak bahan atau produk untuk diperiksa dan tingkat kesalahan
pemeriksaan cukup tinggi, yaitu pemeriksaan dapat menyebabkan produk yang
cacat terlewat atau tidak terperiksa
5. Apabila produsen mempunyai latar belakang kualtias yang bagus, dan konsumen
menginginkan mengurangi jumlah pemeriksaan, tapi kapabilitas proses produsen
cukup rendah untuk tidak dilakukan inspeksi
6. Apabila terdapat resiko tanggung jawab pada inspeksi, dalam artian inspeksi
membutuhkan waktu yang cukup lama akan membuat petugas atau karyawan
merasa jenuh dan tidak konsentrasi. Akibatnya produk yang cacat atau bahan
baku yang cacat akan diterima
Menurut Montgomery (2009) acceptance sampling mempunyai keuntungan dan
kerugian, diantaranya adalah sebagai berikut :
Keuntungan Kerugian
Lebih murah karena pemeriksaan lebih Terdapat resiko menerima lot buruk
sedikit dan menolak yang baik
Produk yang diperiksa lebih sedikit Sedikitnya informasi yang dihasilkan
sehingga kerusakan sedikit tentang produk atau proses pembuatan
produk tersebut
Dapar diterapkan pada uji coba yang Membutuhkan perencanaan dan
bersifat merusak dokumentasi pada tiap prosedurnya
Karyawan yang terlibat lebih sedikit
Mengurangi jumlah kesalahan inspeksi
Penolakan yang dilakukan oleh
konsumen akan memotivasi produsen
untuk memproduksi produk yang lebih
berkualitas
Tabel 2.1. Keuntungan dan kerugian acceptance sampling
3
Resiko produsen adalah probabilitas suatu lot produksi ditolak karena
rencana sampling, padahal lot-lot tersebut memenuhi kriteria diterima.
Biasanya resiko produsen ditetapkan 5%. Jika α = 5% berarti produsen
menderita kerugian akibat lot-lot produk ditolak. Padahal produk memenuhi
AQL yang ditetapkan akibat rencana sampling adalah 5%. Sebaliknya
produsen mempunyai kemungkinan barangnya diterima berdasarkan AQL
yang dispesifikasikan adalah 95%.
b. Resiko Konsumen (β)
Resiko konsumen adalah probabilitas menerima suatu lot produksi
karena rencana sampling, padahal kualitas produk sangat jelek. Jika β =
10% berarti konsumen mempunyai peluang untuk menerima barang yang
rusak atau jelek sebesar 10%. Tetapi ini juga berarti konsumen mempunyai
kemungkinan menolak barang yang jelek tadi dengan kualitas LTPD adalah
90%.
c. Bilangan Penerimaan (c)
Bilangan penerimaan adalah jumlah cacat maksimum yang diijinkan
berada dalam sampel untuk menerima lot.
d. Bilangan Penolakan (d)
Bilangan penolakan adalah jumlah cacat minimum yang menyebabkan
lot ditolak
4
harus lah rendah, probabilitas inilah yang juga disebut sebagai resiko konsumen
(β). LQL juga biasa disebu sebagai proporsi cacat yang ditolerir atau Lot
Tolerance Defective (LTPD)
3. Indefference Quality Level (IQL)
Indefffernece Quality Level (IQL) adalah tingkat kualitas yang berada
diantara AQL dan LQL, atau singkatnya merupakan tingkat kualitas
probabilitas 0.5, untuk rencana sampling tertentu.
4. Average Outgoing Quality Level (AOQL)
Average Outgoing Quality Level (AOQL) adalah perkiraan hubungan yang
berada diantara bagian kesalahan pada produk sebelum inspeksi (incoming
quality) atau bagian dari sisa kesalahan setelah inspeksi (outgoing quality).
Apabila incoming quality baik, maka outgoing quality juga harus baik, namun
apabila incoming quality buruk, outgoing quality akan tetap baik.
Jika d1>c
Ditolak
Produk Datang
Inspeksi n unit
Jika d1≤c
Gambar 2.1 Prosedur Single acceptance sampling Diterima
5
Langkah-langkah yang harus dilakukan adalah seperti pada Gambar 2.1,
memilih secara acak sebanyak n sampel dari N ukuran lot, kemudian diperoleh nilai c,
yaitu angka penerimaan. Lakukan pemeriksaan terhadap n sampel tersebut, jika jumlah
cacat lebih dari nilai c maka lot tersebut ditolak, dan jika jumlah cacat kurang dari sama
dengan nilai c maka lot tersebut diterima. Jumlah cacat yang ditemukan diberi variabel
d. Prosedur ini disebut dengan single acceptance sampling karena sampel yang diambil
dari lot hanya satu kali saja.
c
Pa=P ( X ≤ c )=∑ n p x q n−x (2.2)
x=1 x
[]
OC curve ideal sangat tidak mungkin terjadi pada kejadian nyata di lapangan,
namun dalam teori dapat dilakukan jika melakukan inspeksi secara keseluruhan, dan
inspeksi tersebut tidak menghasilkan kesalahan. Maka kurva OC akan menyerupai
huruf Z seperti pada Gambar 2.2 yang garis hitam. Sedangkan garis merah adalah kurva
OC yang terjadi pada lapangan, dimana kurva tersebut dipengaruhi dengan ukuran
6
sampel. Semakin besar jumlah sampel maka kurva OC juga akan semakin mendekati
huruf Z.
Kurva OC secara jenis lot yang digunakan terdiri atas dua jenis, yakni kurva OC
tipe A dan kurva OC tipe B. Berikut adalah penjelasan mengenai kedua jenis kurva OC
tersebut :
a) Kurva OC Tipe A
Kurva OC tipe A merupakan jenis kurva yang dipilih ketika sampel diambil
dari lot yang terisolasi dengan ukuran yang terbatas. Pada kurva jenis ini, ukuran
sampel (n) yang digunakan relatif kecil, sehingga perubahan ukuran sampel setelah
pengambilan lot cenderung sama. Untuk kurva jenis ini cenderung didekati dengan
basis distribusi hipergeometri, dengan kriteria penerimaan sampel c adalah, terima
lot jika d ≤ c, dan tolak lot jika d > c . Berikut adalah model probabilitas
penerimaan sampel yang didekati dengan sebaran hipergeometri :
D N−D
P ( X ≤ c) =
[ x ][ n−x ]
(2.3)
N
[n]
b) Kurva OC Tipe B
Jenis kurva ini digunakan ketika lot yang ditentukan berasal dari proses dan
menggunakan ukuran lot yang besar (minimal 10 kali lebih besar dari ukuran
sampel). Untuk kurva jenis ini dapat didekati dengan basis distribusi binomial
karena probabilitas mengambil sejumlah item cacat dari lot. Jika sampel yang
digunakan sangat besar maka dilakukan pendekatan distribusi poisson untuk
distribusi binomial yakni dengan model berikut ini :
7
c c
λ x e−λ
P ( X ≤ c ) =∑ P(x )=∑ (2.4)
x=0 x=0 x!
Secara grafis, kurva oc tipe A dan tipe B memiliki bentuk yang hampir serupa.
Pada umumnya, semakin besar ukuran lot maka akan memberikan dampak menurun
pada kurva OC. Jika ukuran lot menjadi paling tidak sebesar 10 kali ukuran sampelnya,
kruva OC dari kedua tipe ini hampir tidak dapat dibedakan.
Sebuah kurva OC yang ideal dapat membedakan secara baik lot yang sesuai dan
tidak sesuai, seperti yang dapat dilihat pada gambar 2.2. Pada P(a) = 1,0 kurva akan
membentuk garis horizontal sampai ditemukan lot yang buruk atau tidak sesuai, yang
mana akan membentuk garis vertikal sehingga P(a) = 0, dan akan kembali membentuk
garis horizontal bila tingkat penolakan terus meningkat. Secara umum, aspek penting
yang dapat mempengaruhi bentuk kurva OC adalah banyaknya ukuran sampel yang
digunakan (n) dan bilangan penerimaan (c). Pengaruh n dan c terhadap kurva OC yang
terbentuk secara grafis dapat dilihat melalui gambar berikut ini :
8
Dari gambar diatas dapat dilihat bahwa penambahan ukuran sampel (gambar
sebelah kiri) mengakibatkan bentuk kurva yang semakin mendekati bentuk kurva
idealnya seiring dengan nilai c yang juga bertambah, atau dengan kata lain dapat
dikatakan bahwa perbedaan lot yang diterima dan lot yang ditolak bertambah sesuai
dengan ukuran sampel. Semakin besar slope pada kurva OC, maka semakin besar pula
perbedaan antara sampel yang diterima dan sampel yang ditolak. Sedangkan pada
gambar sebelah kanan, kurva OC dengan perubahan nilai c dan ukuran sampel yang
tetap, dapat disimpulkan bahwa semakin besar nilai c maka kurva akan semakin
bergeser ke kanan.
9
BAB III
PENUTUP
3.1 KESIMPULAN
Acceptance sampling lebih menguntungkan dari banyak aspek dibandingkan
dengan inspeksi, untuk menolak atau menerima produk sesuai dengan standar yang
telah disepakati oleh produsen dan konsumen. Single acceptance sampling merupakan
salah satu prosedur untuk memutuskan lot diterima atau ditolak dengan satu kali
sampling sebanyak n sampel yang dipilih secara acak dari lot. Metode single
acceptance sampling perlu dilakukan pengambilan sampel penerimaan dengan metode
yang lebih teliti untuk mengurangi informasi yang tidak akurat sehingga dapat
meminimalisir resiko menerima lot buruk dan menolak yang baik agar mendapatkan
hasil yang baik sehingga bisa menjadi acuan kebijakan perusahaan dalam produksi
selanjutnya dan dalam pengendalian kualitas produksi.
10
DAFTAR PUSTAKA
Wawomuluja, R., & Muis, R, 2013, Diktat Kuliah Pengendalian dan Penjaminan
Kualitas, Universitas Kristen Maranatha, Bandung.
11
LAMPIRAN
Soal
Sebuah pabrik melakukan pemeriksaan pada 2 lot bahan baku yang dipasok oleh
sebuah supplier. Dari suatu lot yang berisi 2000 gulung benang, diambil sampel
sebanyak 50 gulung. Batas maksimum benang cacat yang diperbolehkan oleh pabrik
tersebut sebanyak 2 gulung dengan proporsi cacat sebesar 5%. Berapakah probabilitas
lot diterima dan probabilitas lot ditolak?
Jawab :
Diketahui : N = 2000 c=2
n = 50 p = 5% = 0.05
μ=np = 50 (0.05) = 2.5
Probabilitas penerimaan lot :
Pa=P ( d ≤c ; μ )
Jadi, dapat disimpulkan probabilitas lot diterima pada sampling tunggal ini
sebesar 0.544 dan probabilitas lot ditolak nya sebesar 0.456
12
LAMPIRAN 2. Contoh kasus penerapan evaluasi rencana sampling
Soal
Sebuah pabrik melakukan pemeriksaan pada 2 lot bahan baku yang dipasok oleh
sebuah supplier. Dari suatu lot yang berisi 2000 gulung benang, diambil sampel
sebanyak 50 gulung. Batas maksimum benang cacat yang diperbolehkan oleh pabrik
tersebut sebanyak 2 gulung dengan proporsi cacat yang ingin diestimasi berkisar dari 1-
10%. Maka tentukan lah :
Proporsi
10p μ=np P(a)
Kesalahan (p)
0.01 1 0.5 0.986
0.02 2 1 0.92
0.03 3 1.5 0.809
0.04 4 2 0.677
0.05 5 2.5 0.544
0.06 6 3 0.423
0.07 7 3.5 0.321
0.08 8 4 0.238
0.09 9 4.5 0.174
0.10 10 5 0.125
0.11 11 5.5 0.088
0.12 12 6 0.062
0.13 13 6.5 0.043
0.14 14 7 0.030
0.15 15 7.5 0.020
Dari tabel probabilitas penerimaan diatas, dapat dibentuk kurva OC yang
berbentuk sebagai berikut :
13
b) Untuk menghitung kualitas rata-rata dari inspeksi yang dilakukan, dapat
digunakan ukuran Average Operating Quality (AOQ) dengan perhitungan
sebagai berikut :
- untuk p = 0.01 , maka AOQ
P ( a ) × p ( N −n )
AOQ=
N
0.986 ×0.01(2000−50)
AOQ= =0.0096
2000
, seterusnya dihitung untuk p = 0.01 – 0.15 sehingga dapat dibentuk tabel
pembantu sebagai berikut :
Proporsi
P(a) AOQ
Kesalahan (p)
0.01 0.986 0.0096
0.02 0.92 0.0179
0.03 0.809 0.0237
0.04 0.677 0.0264
0.05 0.544 0.0265
0.06 0.423 0.0247
0.07 0.321 0.0219
0.08 0.238 0.0186
0.09 0.174 0.0153
0.10 0.125 0.0122
0.11 0.088 0.0094
0.12 0.062 0.0073
0.13 0.043 0.0055
0.14 0.030 0.0041
0.15 0.020 0.0029
Dari tabel pembantu diatas daptat dibentuk kurva AOQ untuk inspeksi
sampling ini, yakni sebagai berikut :
14
c) Untuk menghitung rata-rata jumlah sampel yang diinspeksi per lot untuk
tingkat proporsi sebesar 5% , dapat digunakan ukuran Average Total
Inspection (ATI), yakni dengan perhitungan sebagai berikut :
ATI =n+ ( 1−P ( a ) ) ( N −n )
ATI =50+ ( 1−0.544 ) ( 2000−50 )
ATI =939.2
Jadi, dapat disimpulkan rata-rata banyak sampel yang diinspeksi per lot
dengan tingkat proporsi sebear 5% adalah sebanyak 939 sampel.
15