 Jenis-jenis Sampling Penerimaan :

1. Ditinjau dari Proses Pengambil Keputusan :

a. Sampling Tunggal ( Single Acceptance Sampling )
b. Sampling Ganda ( Double Acceptance Sampling )
c. Sampling Jamak ( Multiple Acceptance Sampling )
2. Ditinjau dari Tingkat Pemeriksaan :
a. Pemeriksaan Longgar
b. Pemeriksaan Normal
c. Pemeriksaan Ketat
 3. Ditinjau dari Karakteristik Kualitas :
a. Variabel Acceptance Sampling
b. Attribute Acceptance Sampling
4. Ditinjau dari Proses Produksi :
a. Lot by lot Acceptance Sampling
b. Continuous Acceptance Sampling

 Beberapa notasi atau simbol yang digunakan dalam Sampling Penerimaan :

Pa : Probabilitas Penerimaan
( probabilitas suatu lot akan diterima berdasarkan hasil dari pemeriksaan sampel )
N : ukuran lot / populasi ( jumlah produk dalam 1 lot )
n : ukuran sampel ( jumlah produk dalam sampel )
D : jumlah produk cacat (tidak memenuhi spesifikasi) dalam 1 lot yg ukurannya
diket.
d : jumlah produk cacat yang diperoleh dalam sampel yang ukurannya diketahui
c : angka penerimaan (jumlah maksimum produk cacat yang diperbolehkan dalam n)
r : angka penolakan (jumlah min. produk cacat dalam n dimana sampel akan ditolak)
p : persentasi produk cacat dalam :

suatu lot  D
p
N
suatu sampel  d
p
n
p : rata-rata proses bagian yang cacat
p‟ : rata-rata bagian yang cacat dalam sampel
 : resiko produsen, probabilitas menolak produk yang sebenarnya baik
 = 1 – Pa
 : resiko konsumen, probabilitas menerima produk yang seharusnya ditolak
 = Pa

 Beberapa kurva yang digunakan sebagai bahan analisis dalam Sampling Penerimaan :
1. Kurva Penjagaan ( Protection Curve ) :
a. Operating Characteristic Curve ( Kurva OC ) :
Menggambarkan : Pa vs p‟ atau c‟  Pa vs Kualitas Lot
b. Average Outgoing Quality Curve ( Kurva AOQ ) :
Harga rata-rata dari Fraction Defective setelah pemeriksaan total ( Sorting ) dari
lot yang ditolak sebagai fungsi dari p.
2. Kurva Biaya ( Cost Curve ) :
a. Average Sample Number Curve ( Kurva ASN ) :
Harga rata-rata dari ukuran contoh untuk terwujudnya keputusan, sbg fungsi dari
p.
 b. Average Total Inspection Curve ( Kurva ATI ) :
Harga rata-rata dari jumlah benda yg diperiksa ( Inspected ) per-lot, sebagai fungsi
dari p.

Sampling Tunggal ( Single Acceptance Sampling )

 Sampling Tunggal : adalah rencana sampling dimana keputusan untuk menerima atau
menolak lot berdasarkan pada pemeriksaan 1x penarikan sampel.

 Prinsip dalam Sampling Tunggal :

“ Ambil sejumlah sampel (n), diperiksa dan dicacat jumlah produk cacat yang tidak
memenuhi spesifikasi (d), lalu dibuat keputusan, apakah lot : diterima atau ditolak,
dengan syarat apabila : d  c  lot diterima
d > c  lot ditolak
dimana : d : jumlah cacat
c : angka penerimaan
Jadi, keputusan dalam Sampling Tunggal hanya ada 2 yaitu : Terima atau Tolak Lot

 Probabilitas Penerimaan Sampling Tunggal ( Pa ) :

Dasar perhitungan dalam Pa adalah dengan menggunakan distribusi Poisson.
Jadi, Probabilitas Penerimaan Sampling Tunggal ( Pa ) adalah :
Pa = P( d ≤ c ; )
dimana :  = n . p
p‟ : proporsi cacat

 Contoh Soal :
Sebuah pabrik melakukan pemeriksaan pada 1 lot bahan baku yang dipasok oleh sebuah
supplier. Dari suatu lot yang berisi 1000 gulung benang, diambil sampel 20 gulung. Batas
maksimum gulungan benang cacat yang diperbolehkan 1 gulung dengan rata-rata cacat
sebesar 5 %. Berapakah probabilitas lot akan diterima dan ditolak ?
Jawab :
Diketahui : N = 1000 c=1
n = 20 p‟ = 5 % = 0,05
 = n . p = 20 * 0,05 = 1
Probabilitas Lot Diterima :
Pa = P( d ≤ c ; ) = P( d ≤ 1 ; ) = 0,736
Probabilitas Lot Ditolak :
Pa‟ = 1 – Pa = 1 – 0,736 = 0,264
Sampling Ganda ( Double Acceptance Sampling )
 Sampling Ganda : adalah suatu rencana sampling dimana keputusan untuk menerima atau
menolak lot berdasarkan pada pemeriksaan 2x penarikan sampel.

 Prinsip dalam Sampling Ganda :

“ Ambil sejumlah sampel (n 1), diperiksa dan dicacat jumlah produk cacat yang tidak
memenuhi spesifikasi (d 1), lalu dibuat keputusan, apakah lot : diterima atau ditolak.
Jika tidak diketahui keputusan apa yg akan diambil ( Ragu-ragu ), maka ambil
sampel ke-2 berukuran n 2 dan dicek kembali keputusannya, apakah lot : diterima atau
ditolak, dengan syarat apabila : d1 + d2  c2  lot diterima
d1 + d2 ≥ r2  lot ditolak ( atau : d1 + d2 > c2 )
dimana : d : jumlah cacat
c : angka penerimaan
Jadi, keputusan dalam Sampling Ganda ada 3 yaitu : Terima, Tolak, dan Ragu-ragu
Ragu-ragu terjadi pada saat jumlah cacat (d1) berada diantara : c1 < d1 < r1

 Bagan Keputusan atau Mekanisme dalam Sampling Ganda :

Ambil sampel ke-1 ( n1 )

Cek jmlh cacat pada sampel ke-1 ( d1

d1  c1 c1 < d1 < r1 d1  r1

Ambil sampel ke-2 ( n2 )

Cek jumlah cacat pada sampel ke-2 ( d2 )

d1 + d2  c2 d1 + d2 ≥ r2
TERIMA LOT TOLAK LOT

 Probabilitas Penerimaan Sampling Ganda ( Pa ) :

Dasar perhitungan dalam Pa adalah dengan menggunakan distribusi Poisson.
Ada 2 nilai Probabilitas Penerimaan ( Pa ) dalam Sampling Ganda, yaitu : PaI dan PaII
Jadi, Probabilitas Penerimaan Total Sampling Ganda ( PaTOTAL ) adalah :
PaTOTAL = PaI + PaII
dimana : PaI : Probabilitas Penerimaan Sampel I
PaII : Probabilitas Penerimaan Sampel II
 Contoh Soal :
1. Diketahui pemeriksaan 1 lot produk yang berisi 10.000 unit. Rata-rata cacat dalam
sampel = 2 %. Jika telah ditentukan bhw rencana sampling yg digunakan adalah sbb :
n1 = 60 c1 = 1 r1 = 4
n2 = 60 c2 = 4 r2 = 5
Maka, tentukan :
a. Tent. probabilitas penerimaan lot pada sampel pertama !
b. Tent. probabilitas penerimaan lot pada sampel kedua !
c. Tent. total probabilitas penerimaan lot berdasarkan rencana sampling tsb.
! Jawab :

Diketahui : N = 10.000
p‟ = 0,02
c1 = 1 r1 = 4 n1 = 60  1 = n * p = 60 * 0,02 = 1,2
c2 = 4 r2 = 5 n2 = 60   2 = n * p = 60 * 0,02 =
1,2

a. Probabilitas penerimaan lot pada sampel pertama :

PaI = P( d1 ≤ c1 ; 1 ) = P( d1 ≤ 1 ; ) = 0,662
atau :
PaI = P( d1 ≤ c1 ) I = P( d1 ≤ 1 ) I = 0,662 ( dimana : 1 = 1,2 )

b. Probabilitas penerimaan lot pada sampel kedua :

Ragu-ragu Sampel 1  RI : { 2 dan 3 }

d1 = 2 : PaII = P( d1 = 2 ; 1 ) * P( d2 ≤ 2 ; 2 )
PaII = P( d1 = 2 ; 1,2 ) * P( d2 ≤ 2 ; 1,2 )
PaII = 0,217 * 0,879 = 0,1907

d1 = 3 : PaII = P( d1 = 3 ; 1 ) * P( d2 ≤ 1 ; 2 )
PaII = P( d1 = 3 ; 1,2 ) * P( d2 ≤ 1 ; 1,2 )
PaII = 0,087 * 0,662 = 0,0576
+
PaII = 0,2483
 atau :

d1 = 2 : PaII = P( d1 = 2 ) I * P( d2 ≤ 2 ) II
PaII = 0,217 * 0,879 = 0,1907

d1 = 3 : PaII = P( d1 = 3 ) I * P( d2 ≤ 1 ) II
PaII = 0,087 * 0,662 = 0,0576
+
PaII = 0,2483
atau :
PaII = P( d1 = 2 ) I * P( d2 ≤ 2 ) II + P( d1 = 3 ) I * P( d2 ≤ 1 ) II
= { 0,217 * 0,879 } + { 0,087 * 0,662 }
= 0,1907 + 0,0576 dimana :
= 0,2483 I  1 = 1,2
II  2 = 1,2

c. Probabilitas total penerimaan lot berdasarkan rencana sampling tersebut :

PaTOTAL = PaI + PaII
= 0,662 + 0,2483
= 0,9103

2. Diketahui pemeriksaan 1 lot produk yang berisi 9.000 unit. Rata-rata cacat dalam
sampel = 3 %. Jika telah ditentukan bhw rencana sampling yg digunakan adalah sbb :
n1 = 50 c1 = 1 r1 = 5
n2 = 60 c2 = 6 r2 = 7
Maka, tentukan :
a. Tent. probabilitas penerimaan lot pada sampel pertama !
b. Tent. probabilitas penerimaan lot pada sampel kedua !
c. Tent. total probabilitas penerimaan lot berdasarkan rencana sampling tsb. !
Jawab :
Diketahui : N = 9.000 p‟ = 0,03
c1 = 1 r1 = 5 n1 = 50  1 = n * p = 50 * 0,03 = 1,5
c2 = 6 r2 = 7 n2 = 60   2 = n * p = 60 * 0,03 =
1,8
a. Probabilitas penerimaan lot pada sampel pertama :
PaI = P( d1 ≤ c1 ) I = P( d1 ≤ 1 ) I = 0,558 ( dimana : 1 = 1,5 )
b. Probabilitas penerimaan lot pada sampel kedua :

Ragu-ragu Sampel 1  RI : { 2, 3, dan 4 }

 PaII = P( d1 = 2 ) I * P( d2 ≤ 4 ) II + P( d1 = 3 ) I * P( d2 ≤ 3 )
II + P( d 1 = 4 ) I * P( d 2 ≤ 2 ) II

= { 0,251 * 0,964 } + { 0,126 * 0,892 } + { 0,047 * 0,731 }

= 0,2420 + 0,1124 + 0,0344
= 0,3888 dimana : I  1 = 1,5
II  2 = 1,8

c. Probabilitas total penerimaan lot berdasarkan rencana sampling tersebut :

PaTOTAL = PaI + PaII
= 0,558 + 0,3888
= 0,9468

Sampling Jamak ( Multiple Acceptance Sampling )

 Sampling Jamak : adalah suatu rencana sampling dimana keputusan untuk menerima atau
menolak lot berdasarkan pada pemeriksaan beberapa penarikan
sampel.

 Prinsip dalam Sampling Jamak :

Sama seperti Prinsip dalam Sampling Ganda, tetapi dalam Sampling Jamak dapat
dilakukan beberapa kali penarikan sampel ( n1, n2, ..... , nk )  lebih dari 2 sampel
Sehingga, secara Biaya, lebih disukai Sampling Tunggal, tetapi secara Psikologis
lebih disukai Sampling Ganda atau Sampling Jamak.

 Bagan Keputusan atau Mekanisme dalam Sampling Jamak :

Ambil sampel ke-1 ( n1 )

Cek jmlh cacat pada sampel ke-1 ( d1

d1  c1 c1 < d1 < r1 d1  r1

Ambil sampel ke-2 ( n2 )

Cek jumlah cacat pada sampel ke-2 ( d2 )

d1 + d2  c2 c2 < d1 + d2 < r2 d1 + d2 ≥ r2

Ambil sampel ke-3 ( n3 )

Cek jumlah cacat pada sampel ke-3 ( d3 )

d1 + d2 + d3  c3 d1 + d2 + d3 ≥ r3
TERIMA LOT
c3 < d1 + d2 + d3 < r3 TOLAK LOT

dst … s/d sampel ke-k

 Probabilitas Penerimaan Sampling Jamak ( Pa ) :
Dasar perhitungan dalam Pa adalah dengan menggunakan distribusi Poisson.
Ada lebih dari 2 nilai Prob. Penerimaan ( Pa ) dlm Sampling Jamak : PaI , PaII ,......., Pak
Jadi, Probabilitas Penerimaan Total Sampling Jamak ( PaTOTAL ) adalah :
PaTOTAL = PaI + PaII + PaIII + ..... + Pak
dimana : PaI : Probabilitas Penerimaan Sampel I
PaII : Probabilitas Penerimaan Sampel II
Pak : Probabilitas Penerimaan Sampel ke - k
 Contoh Soal :
Diketahui rencana sampling yang digunakan dalam pemeriksaan produk adalah sbb :
n1 = 50 c1 = 0 r1 = 3 p‟ = 0,05
n2 = 60 c2 = 1 r2 = 3
n2 = 80 c3 = 2 r3 = 3
Maka, tentukan total probabilitas penerimaan lot berdasarkan rencana sampling tsb. !
Jawab :
Diketahui : p‟ = 0,05
c1 = 0 r1 = 3 n1 = 50  1 = n1 * p‟ = 50 * 0,05 = 2,5
c2 = 1 r2 = 3 n2 = 60  2 = n2 * p‟ = 60 * 0,05 = 3,0
c3 = 2 r3 = 3 n2 = 80  3 = n3 * p‟ = 80 * 0,05 = 4,0

Probabilitas penerimaan lot pada sampel pertama :

PaI = P( d1 ≤ c1 ) I = P( d1 ≤ 0 ) I = 0,082 ( dimana : 1 = 2,5 )

Probabilitas penerimaan lot pada sampel kedua :

Ragu-ragu Sampel 1  RI : { 1 dan 2 }

PaII = P( d1 = 1 ) I * P( d2 ≤ 0 ) II dimana : I  1 = 2,5

= { 0,205 * 0,050 } II  1 = 3,0
= 0,01025

Probabilitas penerimaan lot pada sampel ketiga :

Ragu-ragu Sampel 2  RII : { 2 }

PaIII = P( d1 = 1 ) I * P( d2 = 1 ) II * P( d3 ≤ 0 ) III + P( d1 = 2 ) I * P( d2 = 0 ) II * P( d3 ≤ 0
) III
= { 0,205 * 0,149 * 0,018 } + { 0,256 * 0,050 * 0,018 }
= 0,00055 + 0,00023
= 0,00078 dimana : I  1 = 2,5
II  2 = 3,0
III 3 = 4,0
 Probabilitas total penerimaan lot berdasarkan rencana sampling tersebut :
PaTOTAL = PaI + PaII + PaIII
= 0,082 + 0,01025 + 0,00078
= 0,09303

SOAL – SOAL :
1. Sebuah perusahaan garmen telah menentukan rencana pengambilan sampling sbb : n =
50, c = 3. Bila persentase cacat proses dalam perusahaan tersebut adalah p‟ = 3 %,
tentukan :
a. Probabilitas penerimaan suatu lot
b. Bila 1 hari dihasilkan 50 buah lot, berapa lot yang akan ditolak ?

2. Diketahui rencana sampling sbb :

n1 = 150 c1 = 2 r1 = 7 p‟ = 4 %
n2 = 200 c2 = 6 r2 = 8
Tentukan :
a. Probabilitas penerimaan lot pada sampel pertama !
b. Probabilitas penerimaan lot pada sampel kedua !
c. Total probabilitas penerimaan lot berdasarkan rencana sampling tsb. !

3. Diketahui rencana sampling ganda untuk N sangat besar, dgn rincian sbb :
n1 = 20 c1 = 1 r1 = 4 p‟ = 5 %
n2 = 30 c2 = 3 r2 = 4
Hitunglah total probabilitas penerimaan lot-nya !

4. Diketahui rencana sampling sbb :

c1 = 4 c2 = 6 c3 = 7
r1 = 7 r2 = 8 r3 = 8
Susunlah rumusan perhitungan probabilitas penerimaan sampelnya !

5. Diketahui rencana sampling sbb :

c1 = 2 c2 = 4 c3 = 5
r1 = 6 r2 = 6 r3 = 6
Susunlah rumusan perhitungan probabilitas penerimaan sampelnya !

6. Diketahui rencana sampling sbb :

c1 = 0 c2 = 2 c3 = 4 c4 = 6
r1 = 6 r2 = 7 r3 = 7 r4 = 7
Susunlah rumusan perhitungan probabilitas penerimaan sampelnya !
Kurva Karakteristik Operasi ( Operating Characteristic Curve = OC )
 Kurva OC : kurva yang digunakan untuk menilai rencana sampling.

 Kegunaan dari Kurva OC :

1. Menunjukkan Probabilitas Penerimaan ( Pa ) dari rencana sampling tertentu.
2. Menunjukkan hubungan antara Probabilitas Penerimaan ( Pa ) dengan persen produk
yang rusak dalam sampel ( p‟ )
3. Menunjukkan besar resiko produsen (  ) dan resiko konsumen (  ), dimana :
Resiko Produsen (  ) : probabilitas menolak produk yang sebenarnya baik
Resiko Konsumen (  ) : probabilitas menerima produk yg seharusnya ditolak
(buruk)

 Dalam Kurva OC, tidak :

1. Memprediksi % defective
2. Menyatakan tingkat kepercayaan pada % tertentu
3. Memprediksi kualitas akhir yang diperoleh setelah pemeriksaan

 Dasar pembuatan dalam Kurva OC : menggunakan Distribusi Poisson atau Hipergeometri

 Langkah-langkah dalam pembentukan Kurva OC :

1. Tentukan nilai po
2. Hitung nilai n.po
3. Cari nilai Pa dari tabel Poisson berdasarkan nilai c dan np
4. Gambar titik-titik dari nilai 100 po dan Pa
5. Hubungkan antar titik, setelah kurva terbentuk dapat dilihat peluang lot diterima.

Contoh :
Diketahui beberapa data mengenai rencana Sampling Penerimaan yg akan digunakan sbb
:
N = 5000 c=2
n = 100 p‟ = 0,02

Maka, berdasarkan data diatas, dapat ditentukan rumusan mengenai Pa nya sbb :
 = n.p = 100 * 0,02 = 2
Pa = P( d ≤ c ; ) = P( d ≤ 2 ; ) = 0,6767
 Jika disusun dalam suatu tabel Kualitas Proses, diperoleh nilai Pa untuk tiap po sbb :
po 100 po n n.po Pa
0,01 1,0 100 1 0,9197
0,02 2,0 100 2 0,6767
0,03 3,0 100 3 0,4232
0,04 4,0 100 4 0,2381
0,05 5,0 100 5 0,1247
0,06 6,0 100 6 0,0620
0,07 7,0 100 7 0,0296
0,08 8,0 100 8 0,0138
0,09 9,0 100 9 0,0062
0,10 10,0 100 10 0,0028

Dari tabel Kualitas Proses diatas, dapat dibentuk grafik Kurva OC sbb :

KURVA OC

1,000
0,900
0,800
0,700
0,600
0,500
0,400
0,300
Pa

0,200
0,100
0,000

1 2 3 4 5 6 7 8 910
100 po

Jika ada 100 lot, maka kemungkinan lot yang diterima adalah 100 lot * 0,6767 = 67,67 lot
 68 lot.

 Kurva OC untuk Rencana Sampling Penerimaan Ganda :

Dalam pembuatan Kurva OC dalam suatu Rencana Sampling Ganda akan membentuk 3
buah garis dalam kurva, yaitu :
1. Garis yang menggambarkan probabilitas penerimaan sampel pertama ( Pa I )
2. Garis yang menggambarkan probabilitas penerimaan sampel kedua ( Pa II )
3. Garis yang menggambarkan probabilitas penerimaan sampel gabungan ( Pa TOTAL )
Contoh :
Diketahui data mengenai Rencana Sampling Penerimaan Ganda sbb :
N = 9000 p‟ = 0,03
c1 = 1 r1 = 5 n1 = 50  1 = n * p = 50 * 0,03 = 1,5
c2 = 6 r2 = 7 n2 = 60  2 = n * p = 60 * 0,03 = 1,8

Probabilitas penerimaan lot pada sampel pertama :

PaI = P( d1 ≤ c1 ) I = P( d1 ≤ 1 ) I = 0,558 ( dimana : 1 = 1,5 )

Probabilitas penerimaan lot pada sampel kedua :

dimana : I  1 = 1,5
Ragu-ragu Sampel 1  RI : { 2, 3, dan 4 }
II  2 = 1,8

PaII = P( d1 = 2 ) I * P( d2 ≤ 4 ) II + P( d1 = 3 ) I * P( d2 ≤ 3 ) II + P( d1 = 4 ) I * P( d2 ≤ 2 )
II
= { 0,251 * 0,964 } + { 0,126 * 0,892 } + { 0,047 * 0,731 }
= 0,2420 + 0,1124 + 0,0344
= 0,3888

Probabilitas total penerimaan lot berdasarkan rencana sampling tersebut :

PaTOTAL = PaI + PaII
= 0,558 + 0,3888
= 0,9468
Jika disusun dalam suatu tabel Kualitas Proses, diperoleh nilai Pa untuk tiap po sbb :
po 100 po n1 n 1 . po n2 n 2 . po Pa I Pa II Pa TOTAL
0,01 1,0 50 0,5 60 0,6 0,9098 0,0899 0,9997
0,02 2,0 50 1 60 1,2 0,7358 0,2552 0,9910
0,03 3,0 50 1,5 60 1,8 0,5578 0,3881 0,9460
0,04 4,0 50 2 60 2,4 0,4060 0,4366 0,8426
0,05 5,0 50 2,5 60 3 0,2873 0,4040 0,6913
0,06 6,0 50 3 60 3,6 0,1991 0,3246 0,5237
0,07 7,0 50 3,5 60 4,2 0,1359 0,2341 0,3700
0,08 8,0 50 4 60 4,8 0,0916 0,1551 0,2467
0,09 9,0 50 4,5 60 5,4 0,0611 0,0960 0,1571
0,10 10,0 50 5 60 6 0,0404 0,0561 0,0965
 Dari tabel Kualitas Proses diatas, dapat dibentuk grafik Kurva OC sbb :

KURVA OC

1,200
Pa I
1,000

0,800

0,600
Pa

Pa TOTAL
0,400

0,200
Pa II
0,000
1 2 3 4 5 6 7 8 9 10
100 po

 Sifat-sifat Kurva OC :
1. Ukuran sampel sebagai persentase tetap dari ukuran lot
 Semakin besar ukuran sampel sebagai persentase tetap dr ukuran lot, maka Kurva
OC akan semakin curam “
Contoh : untuk ukuran sampel 10 % dari ukuran lot, dengan p‟ = 5
% N = 900 n = 90 c=0
N = 300 n = 30 c=0
N = 90 n=9 c=0
Dari data diatas, dengan menggunakan Tabel Kualitas Proses dapat dibentuk Kurva
OC sbb :
 KURVA OC
N = 900
n = 90
1,00 c=0
0,90
N = 300
0,80 n = 30
0,70 c=0 N = 90
0,60 n = 9
0,50 c =0
0,40
Pa

0,30
0,20
0,10
0,00

1 2 3 4 5 6 7 8 9 10
100 po

2. Untuk n dan c tetap, makin kecil N  kurva OC makin curam

KURVA OC
N = 300
n = 90
1,00
c=0 N = 500
0,90
0,80 n = 90
0,70 c=0 N = 900
0,60 n = 90
0,50 c=0
0,40
Pa

0,30
0,20
0,10
0,00

12345678910
100 po
 3. Untuk N dan c tetap, makin besar n  kurva OC makin curam

KURVA OC
N = 300
n = 120
1,00 c=0
0,90
N = 300
0,80 n = 90
0,70 c=0 N = 300
0,60 n = 30
0,50 c=0
0,40
Pa

0,30
0,20
0,10
0,00

1 2 3 4 5 6 7 8 9 10
100 po

4. Untuk N dan n tetap, makin besar c  kurva OC makin landai

KURVA OC
N = 900
n = 200
1,00 c=1
0,90
N = 900
0,80 n = 200
0,70 c=3 N = 900
0,60 n = 200
0,50 c=5
0,40
Pa

0,30
0,20
0,10
0,00

1 2 3 4 5 6 7 8 9 10
100 po

 Kurva OC Ideal :
Penggunaan Sampling Penerimaan dapat menimbulkan perbedaan kepentingan antara
produsen dan konsumen. Agar produk dapat diterima oleh semua pihak, maka seluruh
resiko yang terjadi ( resiko produsen dan konsumen ) sebaiknya perlu untuk diminimasi.
 Kurva OC ideal ( yang hanya dapat dicapai bila dilakukan pemeriksaan 100%)
merupakan suatu bentuk kurva OC dimana tidak terdapat resiko produsen (  ) dan resiko
konsumen (  ), atau : besar  = 0 dan  = 0.

Adapun gambaran mengenai Kurva OC Ideal adalah sbb :

Pa

1,00

0,75

0,50

0,25

1 2 100 po

ACCEPTABLE QUALITY LEVEL ( AQL )

 AQL : persen defective maksimum yang masih diterima dan memuaskan bagi konsumen,
untuk tujuan rencana sampling.
 AQL berhubungan dengan resiko produsen, dimana prob AQL = 1 - 

LIMITING QUALITY LEVEL ( LQL )

 LQL biasa disebut juga Lot Tolerance Percent Defective ( LTPD )
 LQL : persen defective dimana konsumen menginginkan Pa nya rendah, karena sudah
tidak memuaskan
 LQL berhubungan dengan resiko konsumen, dimana prob LQL = 

INDIFFERENCE QUALITY LEVEL ( IQL )

 IQL : tingkat kualitas di antara AQL dan LQL.
 Biasanya IQL berada pada tingkat kualitas dengan Pa = 0,5

Pa
1 

0,5


p‟
AQL IQL LQL
AVERAGE OUTGOING QUALITY ( AOQ )
 AOQ : merupakan alat untuk mengevaluasi rencana sampling
 AOQ : harga rata-rata kualitas output ( harga rata-rata dari persentase yg tidak memenuhi
syarat sesudah lot ditolak, diperiksa 100 %, dan yang tidak memenuhi syarat
disingkirkan )

 AOQ : kualitas yang keluar dari suatu inspeksi dengan asumsi setiap lot yang ditolak,
diperiksa, dikembalikan dengan 100 % produk baik untuk diterima konsumen.

 AOQ = p‟ * Pa

 Kurva AOQ : berapa besar rata-rata kualitas setelah lot yang ditolak, diperiksa 100%,
dan yang tidak memenuhi syarat dipisahkan.

 Contoh :
Pengiriman 15 lot berukuran N = 5000 dikirim dari produsen ke konsumen. Dalam 15 lot
tsb terdapat 2 % defective. Rencana sampling penerimaan yang digunakan adalah n = 100
dan c = 2. Dari kurva OC diketahui nilai Pa untuk cacat 2 % adalah 0,6767. Jadi lot yang
diterima oleh konsumen adalah 15 * 0,6767 = 10,1505  10 lot. 5 lot akan ditolak dan
dikembalikan ke produsen. 5 lot tersebut akan diperiksa 100 % dan kembali ke konsumen
dengan persen cacat 0 %.
Gambaran dari persoalan diatas adalah sbb :

15 lot 10 lot diterima

N = 5000
p‟ = 0,02 n = 100 p‟ = 0,02
Produsen Konsumen
c=2

5 lot ditolak

5 lot dikirim kembali dengan 0 %

Jadi, berdasarkan ilustrasi diatas, % cacat yang sesungguhnya diterima konsumen adalah :

Total produk yg diterima : Produk defective :

10 lot  2 % defective : 10 * 5000 = 50.000 50.000 * 0,02 = 1000
5 lot  0 % defective : 5 * 5000 * 0,98 = 24.500 25.000 * 0 = 0
74.500 1000

1000
% Cacat ( AOQ ) = * 100 = 1,34 % ; atau :
74.500
% Cacat ( AOQ ) = p‟ * Pa = 0,02 * 0,6767 = 0,0135 = 1,35 %
 Contoh Pembuatan Kurva AOQ :
Diketahui Rencana Sampling Penerimaan Tunggal yang akan digunakan sbb :
N = 5000 c=2
n = 100 p‟ = 0,02
Jika dalam tabel Kualitas Proses sebelumnya ditambahkan kolom nilai AOQ untuk tiap
po ( dimana : AOQ = p‟ * Pa atau 100po * Pa ), maka akan diperoleh nilai AOQ sbb :

po 100 po n n.po Pa AOQ (%)

0,01 1,0 100 1 0,9197 0,9197
0,02 2,0 100 2 0,6767 1,3534
0,03 3,0 100 3 0,4232 1,2696
0,04 4,0 100 4 0,2381 0,9524
0,05 5,0 100 5 0,1247 0,6233
0,06 6,0 100 6 0,0620 0,3718
0,07 7,0 100 7 0,0296 0,2075
0,08 8,0 100 8 0,0138 0,1100
0,09 9,0 100 9 0,0062 0,0561
0,10 10,0 100 10 0,0028 0,0277

Dari data diatas, maka dapat dibentuk Kurva AOQ sbb :

KURVA AOQ

1,600
1,400 AOQL = 1,3534 %
1,200
1,000
0,800
0,600
AOQ ( % )

0,400
0,200
0,000

12345678910
100 po

AOQL ( Average Outgoing Quality Limit ) : harga max. dari AOQ sebagai fungsi dari p‟
AOQL = max AOQ = 1,3534 % ( untuk contoh soal diatas )
AVERAGE SAMPLE NUMBER ( ASN ) ( Rata-rata jumlah sampel )
 ASN : perbandingan rata-rata jumlah yg diperiksa per lot oleh konsumen untuk sampling
tunggal, ganda, dan jamak.

 ASN digunakan untuk pemeriksaan sampel TIDAK 100%

 Rumus perhitungan nilai ASN untuk jenis sampling :

a. Sampling Tunggal : ASN = n
b. Sampling Ganda : ASN = n 1 + n 2 ( 1 – P 1 )
Dimana : P1 = probabilitas kesimpulan pada sampel ke-1
 P1 = Prob. Penerimaan sampel 1 + Prob. Penolakan sampel 1
 P1 = P( d 1  c 1 ;  ) + P( d 1  r 1 ;  )
c. Sampling Jamak : ASN = n 1 . P1 + ( n 1 + n 2 ) . P 2 + …. + ( n 1 + n 2 + .… + n k ) . P
k
Dimana : Pk = probabilitas kesimpulan pada sampel ke-k

 Contoh Soal :
1. Diketahui Rencana Sampling Penerimaan Tunggal yang akan digunakan sbb :
N = 1000 c=1
n = 20 p‟ = 5 % = 0,05
Jika diasumsikan pemeriksaan sampel diatas tidak dilakukan 100%, maka nilai ASN
untuk persoalan diatas adalah :
ASN = n = 20

2. Diketahui Rencana Sampling Penerimaan Ganda yang akan digunakan sbb :

N = 9000 p‟ = 0,03
c1 = 1 r1 = 5 n1 = 50  1 = n * p = 50 * 0,03 = 1,5
c2 = 6 r2 = 7 n2 = 60  2 = n * p = 60 * 0,03 = 1,8
Jika diasumsikan pemeriksaan sampel diatas tidak dilakukan 100%, maka nilai ASN
untuk persoalan diatas adalah :
P1 = P( d 1  c 1 ;   ) + P( d 1  r 1 ;   ) = P( d 1  c 1 ) I + P( d 1  r 1 ) I
= P( d 1  1 ; 1,5 ) + P( d 1  5 ; 1,5 ) = P( d 1  1 ) I + P( d 1  5 ) I
= 0,558 + ( 1 – 0,982 ) = 0,558 + ( 1 – 0,982 )
= 0,576

ASN = n 1 + n 2 ( 1 – P 1 )
= 50 + 60 ( 1 – 0,576 )
= 75,44
ASN  75
AVERAGE TOTAL INSPECTION ( ATI )
 ATI : rata-rata jumlah inspeksi per lot jika pemeriksaan dilakukan 100 % untuk lot yang
ditolak.

 ATI digunakan untuk pemeriksaan sampel 100%

 Rumus perhitungan nilai ATI untuk jenis sampling :

a. Sampling Tunggal : ATI = n + ( 1 – Pa ) ( N – n )
b. Sampling Ganda :
ATI = n 1 . Pa 1 + ( n 1 + n 2 ) ( Pa 2 – Pa 1 ) + N ( 1 – Pa 2 ) ; atau :
= n 1 . Pa 2 + n 2 ( Pa 2 – Pa 1 ) + N ( 1 – Pa 2 )
c. Sampling Jamak :
ATI = n 1 Pa 1 + ( n 1 + n 2 ) Pa 2 + … + ( n 1 + n 2 + ... + n k ) Pa k + N ( 1–Pa TOTAL )

 Contoh Soal :
1. Diketahui Rencana Sampling Penerimaan Tunggal yang akan digunakan sbb :
N = 1000 c=1
n = 20 p‟ = 5 % = 0,05  = n . p = 20 * 0,05 = 1
Jika diasumsikan pemeriksaan sampel diatas dilakukan 100%, maka nilai ATI untuk
persoalan diatas adalah :
Pa = P( d ≤ c ; ) = P( d ≤ 1 ; ) = 0,736
ATI = n + ( 1 – Pa ) ( N – n )
= 20 + ( 1 – 0,736 ) ( 1000 – 20 )
= 278,72
ATI  279

2. Diketahui Rencana Sampling Penerimaan Ganda yang akan digunakan sbb :

N = 9000 p‟ = 0,03
c1 = 1 r1 = 5 n1 = 50  1 = n * p = 50 * 0,03 = 1,5
c2 = 6 r2 = 7 n2 = 60  2 = n * p = 60 * 0,03 = 1,8
Dari hasil perhitungan sebelumnya, diperoleh nilai Probabilitas Penerimaan untuk :
PaI = 0,558 PaTOTAL = 0,9468
PaII = 0,3888
Jika diasumsikan pemeriksaan sampel diatas dilakukan 100%, maka nilai ATI untuk
persoalan diatas adalah :
ATI = n 1 . Pa 2 + n 2 ( Pa 2 – Pa 1 ) + N ( 1 – Pa 2 )
= ( 50 * 0,3888 ) + 60 ( 0,3888 – 0,558 ) + 9000 ( 1 – 0,3888 )
 = 5510,088
ATI  5510
RENCANA SAMPLING PRODUSEN – KONSUMEN  SAMPLING TUNGGAL
 3 bentuk perhitungan dalam rencana sampling Produsen – Konsumen :
1. Jika diketahui bahwa :
 = ….  ( contoh :  = 0,05 )
 = ….  ( contoh :  = 0,1 )
Maka :
 Yang diuji dulu adalah : konsumen  (konsumen diprioritaskan)
 Rencana yg diterima adalah : untuk nilai ‟ yg paling dekat dengan 
2. Jika diketahui bahwa :
  ….  ( contoh :   0,05 )
 = ….  ( contoh :  = 0,1 )
Maka :
 Yang diuji dulu adalah : konsumen  (konsumen diprioritaskan)
 Rencana yg diterima jika : ‟  
3. Jika diketahui bahwa :
 = ….  ( contoh :  = 0,05 )
  ….  ( contoh :   0,1 )
Maka :
 Yang diuji dulu adalah : produsen  (produsen diprioritaskan)
 Rencana yg diterima jika : ‟  
Dimana : ’ dan ’ adalah nilai prediksi  dan  yg diperoleh dari hasil perhitungan

 Contoh Soal :
Diketahui ukuran lot sebesar 5000 unit, perlu disusun suatu rencana sampling dengan
ketentuan :
 = 0,05 AQL = 0,9 %
 = 0,1 LQL = 7,8 %
Tentukan rencana sampling yang tepat !
Jawab :
Diketahui : N = 5000
 = 0,05 AQL = 0,9 %
 = 0,1 LQL = 7,8 %

Rencana Sampling : ( gunakan tabel  –  )

c=1
Ratio  LQL p 0,1 0,078
= = 8,667
= p 0,009
0,95
AQL c=2
 Untuk c = 1 :
np 0,1 3,890 np 0,95 0,355
n= = = 49,871  50 p 0,95 = n = 50 = 0,0071
p 0,078
0,1

np 0,95 = n * p 0,95 = 50 * 0,009 = 0,45   ( lihat Tabel Poisson )

 = 0,4  P( d 1  1 ; 0,4 ) = 0,938
 = 0,5  P( d 1  1 ; 0,5 ) = 0,910
 = 0,45  P( d 1  1 ; 0,45 ) = ???
Interpolasi :
y - y1
x - x1 a - 0,938 0,45 - 0,4
y2 - y1   0,910 - 0,938  0,5 - 0,4
x2-
x1
a = 0,924  Pa = 0,924
’ = 1 – Pa = 1 – 0,924 = 0,076

 Untuk c = 2 :
np np 0,95 0,818
n0,1 = 5,322 p 0,95 = n = 68 = 0,012
= = 68,231  68
p 0,1
0,078
np 0,95 = n * p 0,95 = 68 * 0,009 = 0,612   ( lihat Tabel Poisson )
 = 0,6  P( d 1  2 ; 0,6 ) = 0,977
 = 0,7  P( d 1  2 ; 0,7 ) = 0,967
 = 0,612  P( d 1  2 ; 0,612 ) = ???
Interpolasi :
y - y1
x - x1 a - 0,977 0,612 - 0,6
y2 - y1   0,967 - 0,977  0,7 - 0,6
x2-
x1
a = 0,9758  Pa = 0,9758
’ = 1 – Pa = 1 – 0,9758 = 0,0242

Jadi, Rencana Sampling Tunggal yang digunakan adalah :

c=1 Atas pertimbangan :

n = 50  Nilai ‟ ( 0,076 ) yang diperoleh mendekati  = 0,05
 Nilai p 0,95 ( 0,0071 ) yang diperoleh mendekati AQL = 0,009
SOAL – SOAL :
1. Rancang rencana sampling yg diinginkan, jika AQL = 0,5 % pada  = 5 % dan LTPD = 5
% pada   10 %. Tentukan rencana sampling yang tepat !

2. Tentukan rencana sampling tunggal yg dpt memberikan jaminan bahwa resiko pembuat
adh 1 % bila lot mengandung 0,5 % produk yg tdk memenuhi syarat, sedangkan resiko
pembeli tidak lebih dari 10 % pada keadaan lot 4 % yang tidak memenuhi syarat.

3. Tentukan rencana sampling tunggal yg dpt memberikan jaminan bahwa resiko pembuat
adh maksimum 5 % bila lot mengandung 1,5 % produk yang tidak memenuhi syarat, jika
resiko pembelinya 10 % pada keadaan lot 4 % yg tdk memenuhi syarat.

4. Diketahui rencana sampling sbb :

n1 = 50 c1 = 2 r1 = 7 p‟ = 5 %
n2 = 100 c2 = 6 r2 = 8 ukuran lot = 500
a. Tent. nilai AOQ nya !
b. Jika biaya untuk satu kali pemeriksaannya Rp. 200,-, maka berapa biaya rata-rata
pemeriksaan untuk pemeriksaan sampel 100 % ?
c. Sama seperti no. b, berapakah biaya rata-rata pemeriksaan untuk pemeriksaan sampel
tidak 100%?

CATATAN :
Karakteristik suatu Rencana Sampling yang baik adalah :
1. Indeks ( AQL, AOQL ) yg digunakan untuk mendefinisikan kualitas, harus
mencerminkan kebutuhan konsumen dan produsen, bukan untuk kebutuhan statistik.
2. Resiko sampling bisa diketahui secara kuantitatif.
3. Rencana sampling harus meminimasi biaya.
4. Rencana sampling dibuat dengan menggunakan masukan dari pengetahuan-pengetahuan
lain, seperti : kemampuan proses produksi, data supplier, dll.
5. Rencana sampling harus flexible.
6. Pengukuran yg dibutuhkan harus memberikan informasi untuk estimasi kualitas individu
dan untuk jangka panjang.
7. Rencana sampling harus sederhana, mudah untuk dijelaskan.
SAMPLING PENERIMAAN ATRIBUT ( MIL–STD–105D / ABC–STD–105 )
 Sampling Penerimaan Atribut : suatu rencana sampling untuk inspeksi lot per lot.
 Sistem ini dipilih karena pertimbangan :
1. Sistem AQL tidak mensyaratkan inspeksi 100% untuk lot yang ditolak.
2. Kemudahan dimengerti dan dilaksanakan :
a. Sistem AQL tidak memerlukan perhitungan yang rumit  ada tabel
b. Adanya pengertian : Mutu Lot = Nilai AQL yang digunakan
( adanya jaminan bhw lot yg diterima oleh sampling dianggap mutunya = AQL )
3. Adanya jaminan bahwa lot yang ditolak berkisar 10% – 12% ( asal produsen
membuat barang sesuai dengan standar yang ditetapkan ).

 Standar dapat digunakan pada :

- Produk Jadi - Barang di Storage
- Komponen dan Bahan Baku - Operasi pemeliharaan
- Operasi - WIP
- Data / catatan - Prosedur administrasi

 Standar terdiri dari : Sampling Tunggal, Ganda, dan Jamak.

Masing-masing dengan jenis pemeriksaan :
1. Pemeriksaan Normal
2. Pemeriksaan Ketat ( Tightened )
 bila kualitas historis produsen kurang baik
3. Pemeriksaan Longgar ( Reduced )
 bila kualitas historis produsen sudah baik

 Prosedur ABC – STD – 105 D :

1. Menetapkan nilai AQL yang akan dipakai ( dalam % )
AQL ditetapkan berdasarkan kriteria cacat max yang dapat diterima oleh konsumen.
2. Menetapkan Tingkat Pemeriksaan :
a. Tingkat Pemeriksaan Umum ( General Inspection Level ), terdiri dari :
 Pemeriksaan I : daya pisah rendah, n 
 Pemeriksaan II : kondisi normal, n sedang
 Pemeriksaan III : daya pisah tinggi, n 
b. Tingkat Pemeriksaan Khusus ( Special Inspection Level ), dipakai untuk :
 Ukuran sampel kecil
 Ada syarat
 Kondisi khusus tentang ukuran sampel
 Resiko sampling dapat ditoleransi
Tingkat Pemeriksaan Khusus ada 4 Level, yaitu : S1, S2, S3, S4.
3. Mencari ukuran lot ( N ) :
Syarat lot : lot memiliki penyebab variasi yg sama dan ukuran lot diusahakan besar.
 4. Menentukan kode ukuran sampel dari tabel ABC – STD
5. Menetapkan Jenis Sampling Penerimaan : Tunggal, Ganda, atau Jamak
6. Memutuskan Jenis Pemeriksaan yang akan dipakai :
 3 kondisi pemeriksaan : Ketat, Normal, dan Longgar
 Proses Pemakaian :
 Untuk Tahap Awal : biasanya digunakan Pemeriksaan Normal
 Bila produksi lebih buruk dari AQL yang ditetapkan  Pemeriksaan Ketat
 Bila produksi lebih baik dari AQL yang ditetapkan  Pemeriksaan Longgar
7. Memilih Tabel ABC – STD
8. Mencari nilai Rencana Sampling Penerimaannya :
 n : Ukuran Sampel
 c : Angka Penerimaan
 r : Angka Penolakan

 Contoh Soal :
1. Diketahui rencana Sampling Tunggal dengan menggunakan tabel ABC – STD untuk
GIL II, N = 1000, AQL = 1 %, dan p = 12,5 % !
a. Tentukan rencana samplingnya ( Normal, Ketat, dan Longgar ) !
b. Hitung probabilitas penerimaan lot untuk kondisi inspeksi Longgar !
c. Hitung probabilitas lot inspeksi Longgar ditolak !
d. Hitung probabilitas bahwa lot inspeksi Longgar diterima tetapi pindah ke Normal
!
Jawab :
Diketahui : Sampling Tunggal dengan tabel ABC – STD :
General Inspection Level II ( GIL II )
N = 1000 Kode J
AQL = 1 %
p‟ = 12,5 %
a. Rencana Sampling Penerimaan :
n c r 
Normal 80 2 3 10
Ketat 80 1 2 10
Longgar 32 1 3 4
b. Probabilitas penerimaan lot untuk kondisi inspeksi Longgar ( Pa ) :
Pa = P( d ≤ c ; ) = P( d ≤ 1 ; 4 ) = 0,091
c. Probabilitas lot inspeksi Longgar ditolak ( Pa‟ )
: Pa‟ = P( d ≥ r ; ) = P( d ≥ 3 ; 4 )
= 1 – P( d ≤ 2 ; 4 )
 = 1 – 0,238
= 0,762
d. Probabilitas bahwa lot inspeksi Longgar diterima tetapi pindah ke Normal ( Pa” ) :
Pa” = P( c < d < r ; ) = P( 1 < d < 3 ; 4 )
= P( d = 2 ; 4 )
= 0,147

2. Diketahui rencana Sampling Ganda dengan menggunakan tabel ABC – STD untuk
GIL I, N = 20000, AQL = 1,5 %, dan p‟ = 12,5 % !
a. Tentukan rencana samplingnya ( Normal, Ketat, dan Longgar ) !
b. Hitung probabilitas penerimaan lot untuk kondisi inspeksi Longgar !
c. Hitung probabilitas lot inspeksi Longgar ditolak !
d. Hitung probabilitas bahwa lot inspeksi Longgar diterima tetapi pindah ke Normal
!
Jawab :
Diketahui : Sampling Ganda dengan tabel ABC – STD :
General Inspection Level I ( GIL I )
N = 20000 Kode K
AQL = 1,5 %
p‟ = 12,5 %
a. Rencana Sampling Penerimaan :
n1 c1 r1 n2 c2 r2
Normal 80 2 5 80 6 7
Ketat 80 1 4 80 4 5
Longgar 32 0 4 32 3 6

b. Probabilitas penerimaan lot untuk kondisi inspeksi Longgar ( Pa TOTAL ) :

Inspeksi Longgar :  1 = n 1 * p‟ = 32 * 0,125 = 4
 2 = n 2 * p‟ = 32 * 0,125 = 4

Ragu-ragu Sampel 1  RI : { 1, 2, dan 3 }

Pa I = P( d1 ≤ c1 ) I = P( d1 ≤ 0 ) I = 0,018
Pa II = P( d1 = 1 ) I * P( d2 ≤ 2 ) II + P( d1 = 2 ) I * P( d2 ≤ 1 ) II +
P( d1 = 3 ) I * P( d2 ≤ 0 ) II
= ( 0,073 * 0,238 ) + ( 0,147 * 0,091 ) + ( 0,195 * 0,018 )
= 0,034261
Pa TOTAL = PaI + PaII
= 0,018 + 0,034261
= 0,052261
 c. Probabilitas lot inspeksi Longgar ditolak ( Pa TOTAL‟ ) :
Pa I‟ = P( d1 ≥ r1 ) I = P( d1 ≥ 4 ) I = 1 – 0,433 = 0,567
Pa II‟ = P( d1 = 1 ) I * P( d2 ≥ 5 ) II + P( d1 = 2 ) I * P( d2 ≥ 4 ) II +
P( d1 = 3 ) I * P( d2 ≥ 3 ) II
= (0,073 * (1 – 0,628)) + (0,147 * (1 – 0, 433)) + (0,195 * (1 – 0,238))
= 0,259095
Pa TOTAL‟ = PaI‟ + PaII‟
= 0,567 + 0,259095
= 0,826095

d. Probabilitas bahwa lot inspeksi Longgar diterima tetapi pindah ke Normal ( Pa” ) :
Keputusan Ragu-ragu  ada pada sampel ke-2
 syarat : c2 < d1 + d2 < r2
3 < d1 + d2 < 6  4 ≤ d1 + d2 ≤ 5

Pa” = P( d1 = 1 ) I * P( 3 ≤ d2 ≤ 4 ) II + P( d1 = 2 ) I * P( 2 ≤ d2 ≤ 3 ) II +
P( d1 = 3 ) I * P( 1 ≤ d2 ≤ 2 ) II
= ( 0,073 * ( 0,628 – 0,238 ) ) + ( 0,147 * ( 0,433 – 0, 091 ) ) +
( 0,195 * ( 0,238 – 0,018 ) )
= 0,121644

PERPINDAHAN JENIS PEMERIKSAAN

Kualitas
baik Pemeriksaan Longgar
Lot yang
diterima

AQL Tentukan Sampel

Penerimaan untuk
Normal Pemeriksaan Ketat
Kualitas buruk

Inspeksi Ketat

Inspeksi Normal

Inspeksi Longgar
 Beberapa catatan tentang syarat perubahan inspeksi lot :
1. Perubahan dari inspeksi NORMAL ke :
a. Inspeksi KETAT : bila ada 2 lot yg ditolak diantara 5 lot berturut-turut

b. Inspeksi LONGGAR :
 bila diinginkan oleh konsumen untuk kurangi jmlh pemeriksaan di konsumen
 bila produksi berjalan stabil, wajar, dan tidak ada masalah
 bila dari 10 lot terakhir berurutan yang diperiksa semuanya diterima

pindah ke Longgar

1 2 3 4 5 6 7 8 9 10 11

2. Perubahan dari inspeksi KETAT ke :

Inspeksi NORMAL : bila 5 lot berturut-turut yg diperiksa semuanya diterima
pindah ke Normal

1 2 3 4 5 6

3. Inspeksi LONGGAR ke inspeksi NORMAL, bila :

a. Ada satu lot / batch yang ditolak
b. Ada satu lot yang diterima tapi meragukan
c. Produksi tidak kontinu ( ada tertunda )
d. Dirasa perlu atau
dikehendaki Contoh :
Diketahui : Sampling Tunggal dengan tabel ABC – STD :
General Inspection Level I ( GIL I )
N = 200 Kode E
AQL = 4 %
Rencana Sampling Tunggal untuk kondisi Longgar
:n=5 c=0 r=2
 Jadi, jika ditemukan 1 buah produk yang cacat dalam suatu pengambilan sampel dan
diperiksa dengan menggunakan Sampling Longgar, maka lot tersebut diterima dan
berikutnya diperiksa dengan Sampling Normal.

CATATAN !!!
 Pada tabel ABC – STD untuk pemeriksaan Longgar, terdapat daerah antara Penerimaan
dan Penolakan, berarti jika :
a. Terdapat jumlah defective ≤ angka penerimaan (c)  lot diterima
b. Jika jumlah defective berada diantara angka penerimaan (c) dan penolakan (r) :
c < jumlah defective < r  lot diterima, tapi pada pemeriksaan selanjutnya harus
kembali ke Normal

SAMPLING PENERIMAAN DODGE – ROMIG

 Tabel disusun oleh H. F. Dodge & H. G. Romig.
 Keuntungan Tabel Dodge – Romig : inspeksi minimum ( ATI Minimum ) untuk tingkat
proses tertentu.

 Beberapa catatan mengenai tabel Dodge – Romig :

1. Digunakan untuk menentukan rencana sampling tunggal dan ganda
2. Hanya digunakan untuk Pemeriksaan 100 %
3. Menggunakan ATI

 Cara penggunaan tabel Dodge – Romig :

1. Menentukan tabel Dodge – Romig yang akan digunakan berdasarkan keterangan data
yang diminta dalam soal.
2. Menetapkan rencana sampling berdasarkan nilai p’ (rata-rata proses) & Ukuran Lot.

 Tabel disusun dengan 2 konsep :

1. Konsep LTPD / LQL :
Rencana ini memberikan jaminan lot jelek „jarang‟ diterima.
Contoh Soal :
Tentukan rencana Sampling Penerimaan untuk pemeriksaan 100% pada lot N = 1500,
p‟ = 0,25%, dan LQL = 1%.
Jawab :
Diketahui : Rencana Sampling Penerimaan Dodge – Romig : ( Pemeriksaan 100% )
N = 1500
p‟ = 0,25
% LQL = 1
%
  Untuk Sampling Tunggal :
n = 490 c=2 AOQL = 0,21 %
 Untuk Sampling Ganda :
n 1 = 265 c1=0 AOQL = 0,23 %
n 2 = 405 c2=3
2. Konsep AOQL :
Rencana AOQL membatasi jumlah produk jelek tetapi tidak memberikan jaminan
pada lot individual.
Contoh Soal :
Tentukan rencana Sampling Penerimaan untuk pemeriksaan 100% pada lot N = 200,
p‟ = 0,05%, dan AOQL = 3%.
Jawab :
Diketahui : Rencana Sampling Penerimaan Dodge – Romig : ( Pemeriksaan 100% )
N = 200
p‟ = 0,05 %
AOQL = 3 %
 Untuk Sampling Tunggal :
n = 12 c=0 LQL = 17 %
 Untuk Sampling Ganda :
n 1 = 17 c1=0 LQL = 16 %
n2=9 c2=1

SOAL – SOAL :
1. Diketahui rencana sampling dgn menggunakan tabel ABC-STD, double sampling,
general inspection level II, AQL = 1 %, dengan ukuran lot 2500 dan persen defektif
sebesar 5 %.
a. Tentukan rencana samplingnya
b. Hitung probabilitas penerimaan lot untuk kondisi inspeksi Longgar
c. Hitung probabilitas lot Longgar ditolak
d. Hitung probabilitas bahwa lot Longgar diterima tetapi pindah ke inspeksi Normal

2. Diketahui rencana sampling dgn menggunakan tabel ABC-STD, double sampling,

general inspection level II, AQL = 2,5 %, dengan ukuran lot 1000 & persen defektif
sebesar 5 %.
a. Tentukan rencana samplingnya
b. Hitung probabilitas penerimaan lot untuk kondisi inspeksi Longgar
c. Hitung probabilitas lot Longgar ditolak
d. Hitung probabilitas bahwa lot Longgar diterima tetapi pindah ke inspeksi Normal
e. Jika biaya pemeriksaan lot adalah Rp. 400,- / #, berapakah biaya rata-rata yg
digunakan
3. Sebuah perusahaan ingin mengadakan sampling penerimaan ganda dengan pemeriksaan
sampel 100 % pd lot yg berukuran 1500. Jika diinginkan LQL = 1 %, p‟ = 0,2 %, maka :
a. Tentukan rencana sampling untuk perusahaan tersebut dan besar AOQL nya.
b. Jika biaya pemeriksaan lot adalah Rp. 500,- / #, berapakah biaya rata-rata yg
digunakan

4. Suatu perusahaan ingin melaksanakan sampling penerimaan tunggal yg dpt memberikan

resiko pada perusahaan sebesar 5 % dgn AQL sebesar 1,5 %. Selain itu, rencana sampling
jg harus memenuhi keinginan konsumen penerima barang tsb, yaitu resikonya maksimum
10 % dgn LQL = 5 %.
a. Tentukan rencana sampling yg sesuai
b. Berapakah probabilitas penerimaan dr rencana sampling tsb, bila p‟ = 0,02
c. Jika biaya pemeriksaan lot adalah Rp. 500,- / #, berapakah biaya rata-rata yg
digunakan

5. Diketahui rencana sampling dgn menggunakan tabel ABC-STD, double sampling,

general inspection level II, AQL = 1 %, dengan ukuran lot 750 dan persen defektif
sebesar 2 %.
a. Tentukan rencana samplingnya dgn inspeksi longgar
b. Hitung probabilitas penerimaan lot untuk kondisi inspeksi Longgar
c. Hitung probabilitas lot Longgar ditolak
d. Hitung probabilitas bahwa lot Longgar diterima tetapi pindah ke inspeksi Normal

6. Tentukan rencana sampling tunggal yg dapat memberikan jaminan bahwa resiko pembuat
adalah 5% bila lot mengandung 0,4 % produk yang tidak memenuhi syarat, sedang resiko
pembeli tidak lebih dari 10% pada keadaan lot 1,2% yg tidak memenuhi syarat.

7. Hitung harga-harga Pa, AOQ, ASN dan ATI pada p‟ = 0,02 untuk sampling ganda –
normal dgn ukuran lot 250 # dan tingkat inspeksi umum level 2 pada AQL = 1 %.

8. Tentukan rencana sampling tunggal yg dapat memberikan jaminan bahwa resiko

produsen adalah tidak lebih dari 5% bila lot mengandung 0,67 % produk yang tidak
memenuhi syarat, & resiko pembelinya adalah 10% pd keadaan lot 3,5 % yg tidak
memenuhi syarat !

9. Sebuah perusahaan ingin mengadakan sampling penerimaan tunggal dengan pemeriksaan

sampel 100 % pd lot yg berukuran 3175. Jika diinginkan AOQL = 3%, p‟ = 0,025, maka :
a. Tentukan rencana sampling untuk perusahaan tersebut dan besar LQL nya !
b. Berapakah nilai probabilitas penerimaannya ?
c. Jk biaya pemeriksaan lot adalah Rp. 500,-/#, berapakah biaya rata-rata yg digunakan ?
10. Tentukan rencana sampling tunggal yg dapat memberikan jaminan bahwa resiko
produsen adalah 5 % bila lot mengandung 0,75 % produk yang tidak memenuhi syarat,
dan resiko pembelinya adalah 10 % pd keadaan lot 2,7 % yg tidak memenuhi syarat !

11. Diketahui rencana sampling ganda dgn menggunakan tabel ABC-STD, pemeriksaan
khusus level III, AQL = 1,5 %, dengan ukuran lot 3570 dan persen defektif sebesar 10 %.
a. Tentukan rencana samplingnya !
b. Hitung probabilitas penerimaan lot untuk kondisi inspeksi Longgar !
c. Hitung probabilitas lot Longgar ditolak !
d. Hitung probabilitas bahwa lot Longgar diterima tetapi pindah ke inspeksi Normal !
12. Diketahui rencana sampling ganda dgn menggunakan tabel ABC-STD, pemeriksaan
khusus level III, AQL = 2,5 %, dengan ukuran lot 2770 dan persen defektif sebesar 12 %.
a. Tentukan rencana samplingnya !
b. Hitung probabilitas penerimaan lot untuk kondisi inspeksi Longgar !
c. Hitung probabilitas lot Longgar ditolak !
d. Hitung probabilitas bahwa lot Longgar diterima tetapi pindah ke inspeksi Normal !

13. Sebuah perusahaan ingin mengadakan sampling penerimaan tunggal dengan pemeriksaan
sampel 100 % pd lot yg berukuran 1775. Jika diinginkan LQL = 1 %, p‟ = 0,0037 , maka
:
a. Tentukan rencana sampling untuk perusahaan tersebut dan besar AOQL nya !
b. Berapakah nilai probabilitas penerimaannya ?
c. Jk biaya pemeriksaan lot adalah Rp. 500,-/#, berapakah biaya rata-rata yg digunakan ?

14. Tentukan rencana sampling tunggal yg dapat memberikan jaminan bahwa resiko
produsen adalah 5 % bila lot mengandung 0,35 % produk yang tidak memenuhi syarat,
dan resiko pembelinya adalah 10 % pd keadaan lot 2,25 % yg tidak memenuhi syarat !

15. Sebuah perusahaan ingin mengadakan sampling penerimaan tunggal dengan pemeriksaan
sampel 100 % pd lot yg berukuran 3500. Jika diinginkan AOQL = 2%, p‟ = 1,5% , maka :
a. Tentukan rencana sampling untuk perusahaan tersebut dan besar LQL nya !
b. Berapakah nilai probabilitas penerimaannya ?
c. Jk biaya pemeriksaan lot adh Rp. 1.000,-/ #, berapakah biaya rata-rata yg digunakan ?

16. Diketahui rencana sampling ganda dgn menggunakan tabel ABC-STD, pemeriksaan
khusus level IV, AQL = 0,1 , dengan ukuran lot 3000 dan persen defektif sebesar 20 %.
a. Tentukan rencana samplingnya !
b. Hitung probabilitas penerimaan lot untuk kondisi inspeksi Longgar !
c. Hitung probabilitas lot inspeksi Longgar ditolak !
d. Hitung probabilitas bahwa lot Longgar diterima tetapi pindah ke inspeksi Normal !
e. Jika biaya pemeriksaan lot adalah Rp. 1.000,- / #, berapakah biaya rata-rata yg
digunakan untuk pemeriksaan Longgar ?
17. Sebuah perusahaan ingin mengadakan sampling penerimaan tunggal dengan pemeriksaan
sampel 100 % pd lot yg berukuran 8000. Jika diinginkan LQL = 1 %, p = 0,0035 , maka :
a. Tentukan rencana sampling untuk perusahaan tersebut dan besar AOQL nya !
b. Berapakah nilai probabilitas penerimaannya ?
c. Jika biaya pemeriksaan lot adalah Rp. 1.000,-/ #, berapa biaya rata-rata yg digunakan?

18. Tentukan rencana sampling tunggal yang dapat memberikan jaminan bahwa resiko
produsen adalah tidak lebih dari 5 % bila lot mengandung 1,72 % produk yang tidak
memenuhi syarat, dan resiko pembelinya adalah 10 % pada keadaan lot 5,38 % yang tidak
memenuhi syarat !