Accaptance Sampling

ACCEPTANCE SAMPLING
• Definisi :
Teknik sampling penerimaan (Acceptance Sampling) adalah
suatu statistika yang pokok dalam pengendalian kualitas.
Sampling penerimaan didasarkan pada perencanaan
sistematis yang menentukan bagaimana penarikan sampel
untuk produk jadi dan bagaimana data sampling digunakan
untuk mempertahankan kualitas sampai pada tingkat yang
diharapkan. Sampling penerimaan juga dapat digunakan
untuk memonitor kualitas dari bahan dan komponen yang
masuk atau untuk situasi lain yang memerlukan pertimbangan
untuk memutuskan menerima atau menolak pengiriman
dalam jumlah besar dari suatu item.
Fakultas Teknologi Industri Dr. Rina Fitriana,ST, MM Slide ke-1

Universitas Trisakti Pengendalian Kualitas TP-IFI201/R.0
Keuntungan Sampling Penerimaan :
• Mengurangi jumlah kesalahan yang terjadi dalam pemeriksaan
• Kebutuhan tenaga kerja yang sedikit
• Lebih ekonomis
• Dapat digunakan dalam pengujian yang merusak
• Melakukan penolakan terhadap keseluruhan lot bukan hanya
dalam satuan unit sehingga memberikan motivasi kepada para
supplier untuk meningkatkan kualitas produknya.
Kerugian Sampling Penerimaan :

• Adanya resiko dalam penerimaan dari mutu “lot rendah” dan
penolakan dari mutu “lot baik”.
• Informasi tentang produk yang diterima menjadi lebih sedikit,
walaupun biasanya cukup.

Beberapa jenis metode sampling :
• Sampling Tunggal (Single Sampling )

Penarikan sampel tunggal memerlukan keputusan mengenai
penerimaan atau penolakan berdasarkan bukti satu sampel dari lot
tersebut.
• Sampling Rangkap Dua/Ganda (Double Sampling)

Penarikan sampel rangkap dua menyertakan kemungkinan menunda
keputusan mengenai lot tersebut hingga ditariknya sampel kedua.

Sampling Berganda (Multiple Sampling)
Penarikan sampel berganda umumnya digunakan jika tiga atau
lebih sampel dari satu ukuran tertentu diperbolehkan dan bila
keputusan mengenai penerimaan atau penolakan harus dicapai
setelah melalui jumlah sampel tertentu.
• Sampling Beruntun (Sequential Sampling)

Penarikan sampling beruntun dilakukan bila keputusan adalah
mungkin setelah setiap butir diperiksa dan apabila tidak ada batas
yang ditetapkan pada seluruh jumlah unit yang akan diperiksa.
Penarikan sampel dilakukan acak tetapi ukuran masing-masing
sampel sama dengan satu.

PROSEDUR ACCEPTANCE SAMPLING
TUJUAN PROSEDUR PROSEDUR VARIABEL
ATRIBUT
Menjamin level kualitas untuk Memilih rencana Memilih rencana untuk
konsumen untuk kurva OC kurva OC spesifik
spesifik
Menjaga kualitas sebagai target Sistem AQL, MIL Sistem AQL, MIL STD 414,
STD 105 E, ANSI/ASQC Z1.9
ANSI/ASQC Z1.4
Menjamin rata-rata Outgoing Quality Sistem AOQL, Sistem AOQL
Level Dodge-Romig
Plans
Mengurangi pemeriksaan dengan Chain Sampling Narrow Limit Gauging
ukuran sampel yang kecil, sejarah
kualitas yang baik
Mengurangi pemeriksaan setelah Skip-lot sampling, Skip lot sampling, double

sejarah kualitas yang baik double sampling sampling
Menjamin kualitas tidak lebih buruk LTPD Sampling, LTPD plan, hypothesis
daripada target Dodge Romig testing
Plans
KURVA OC
Pengertian :
Kurva karakteristik operasi merupakan alat bantu untuk mengevaluasi penunjukan
probabilitas penerimaan suatu lot dari nilai yang cacat dan juga efektivitas dari suatu
perencanaan sampling. Jika rencana sampling tersebut kurang memuaskan
berdasarkan kurva OC-nya maka dibuat rencana sampling dan kurva OC yang baru.
Kurva OC
untuk pe narikan sampling tunggal
P ro b a b ilita s Pen erim a an (Pa )
1.200
1.000
0.800
0.600
0.400
0.200
0.000
0 .0 0
0 .0 1
0 .0 2
0 .0 3
0 .0 4
0 .0 5
0 .0 7
0 .0 9
0 .1 0
0 .1 2
0 .1 3
0 .1 4
0 .1 5
0 .0 6
0 .0 8
0 .11
Proporsi cacat (po)

Kurva OC Sampling Tunggal
• Kurva OC (operating characteristic) untuk penarikan sampling tunggal
dibuat dalam kurva yang menyatakan hubungan antara probabilitas
penerimaan lot (sumbu y) dengan bagian lot yang cacat (sumbu x).
Probabilitas yang cacat dihitung dengan menggunakan distribusi
binomial. Probabilitas penerimaan adalah dari nilai bilangan c :
n i
c
Pa     p (1 - p) n - i
Contoh : i 0  i 
Buatlah kurva OC untuk suatu penarikan sampling tunggal dengan besar lot
(N) 2000 unit, ukuran sampel (n) 50 unit dan bilangan penerimaan (c) 2 unit.
Dengan menggunakan persamaan Pa diatas dan proporsi cacat dari po = 0,00
s/d 0,15, diperoleh nilai probabilitas penerimaannya (Pa) pada tabel dibawah
ini serta kurva OC dibawah ini :

Peluang Penerimaan Dengan
Sebaran Binomial
Kurva OC
po Pa po Pa untuk penarikan sampling tunggal
0,00 1,000 0,08 0,238
0,01 0,986 0,09 0,174 1,200
1,000
0,02 0,920 0,10 0,125
0,800
Penerimaan(Pa)
Probabilitas
0,03 0,809 0,11 0,088 0,600
0,04 0,677 0,12 0,062 0,400

0,200
0,05 0,544 0,13 0,043
0,000
0,06 0,423 0,14 0,030
0.00
0.08
0.09
0.11
0.12
0.13
0.14
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.10
0.15
0,07 0,321 0,15 0,020 Proporsi cacat (po)

AOQ ( Average Outgoing Quality )
• Rata-rata kualitas keluaran (AOQ = Average Outgoing Quality) digunakan
secara luas sebagai salah satu teknik untuk mengevaluasi dari rencana
penarikan sampling. AOQ sendiri merupakan kualitas di dalam lot yang
merupakan hasil dari perbaikan inspeksi (Rectifying Inspection)
• Adapun rumus umum untuk AOQ adalah :
 n
AOQ  1   Pa (100 po)
 N
AOQ  Pa(100 po)
dimana 1  N
n 
 merupakan faktor koreksi yang tepat bila digunakan untuk

bilangan penerimaan atau c yang tidak sama dengan 0. Sedangkan bila
bilangan penerimaan atau c sama dengan 0 maka faktor koreksi ini tidak perlu
digunakan. Jika ukuran lot N menjadi semakin besar relatif terhadap ukuran
sampel n atau jika N tidak diketahui maka dianggap N = ~ sehingga faktor
koreksi menjadi sama dengan satu dan rumus di atas dapat dituliskan menjadi
AOQ=Papo

Tabel AOQ untuk penarikan sampling N = 3000, n = 89 dan c = 2
Kualitas Prob.penerimaan AOQ

Ukuran Sampel (n) npo
Proses(100po) (Pa) 100po . Pa
1.0 89 0.9 0.938 0.938
2.0 89 1.8 0.731 1.462
3.0 89 2.7 0.494 1.482
4.0 89 3.6 0.302 1.208
5.0 89 4.5 0.174 0.870
6.0 89 5.3 0.106 0.636
7.0 89 6.2 0.055 0.385
2.5 * 89 2.2 0.623 1.558*
* AOQL merupakan nilai tertinggi dari AOQ

KURVA AOQ
Kurva AOQ untuk penarikan sampling N = 3000, n = 89, dan c = 2

RESIKO KONSUMEN DAN PRODUSEN
• Resiko produsen disimbolkan sebagai  yakni peluang penolakan dari lot yang
baik. Resiko ini umumnya diketahui sebagai 0,05 walaupun rentangannya bisa
terletak antara 0,01-0,10 atau lebih. Dalam kurva OC probabilitas  tidak
tercantum, melainkan yang tercantum adalah Pa yang merupakan probabilitas
penerimaan sehingga dapat dirumuskan sebagai  Pa = 1-. Yang terkait
dengan dengan resiko produsen ini adalah Level Penerimaan Kualitas
(AQL=Acceptable Quality Level). AQL ini sendiri adalah persentase
maksimum cacat dimana hal ini dipertimbangkan untuk kepuasan dalam
penerimaan sampling. Seperti yang ditunjukkan pada gambar di bawah,
penarikan sampling dengan N = 4000, n =300, c = 2, AQL = 0,7% untuk resiko
produsen () = 0,05 menunjukkan arti 1 dari 20 lot akan ditolak pada 0,7%
yang cacat.
• Resiko konsumen disimbolkan sebagai  yang merupakan probabilitas
penerimaan dari lot yang cacat. Resiko ini umumnya diketahui sebesar 0,1.
Yang terkait dengan resiko konsumen ini adalah batas penerimaan kualitas
(LQL = Limiting Quality Level / LTPD = Lot Tolerance Percent Defective).
LQL merupakan persentase lot yang cacat atau rusak. Sebagaimana ditunjukkan
pada gambar di bawah ini dengan LQL = 2,6% untuk  = 0,1 , dapat dijelaskan
bahwa lot yang cacat sebesar 2,6 % akan diterima pada probabilitas sebesar 0,1
atau 10%, atau 1 dari 10 lot akan diterima pada tingkat cacat sebesar 2,6%.

ASN ( AVERAGE SAMPEL
NUMBER )
• Rata-rata jumlah sampel (ASN=Average Sampel Number)
digunakan untuk membandingkan jumlah rata-rata yang
diinspeksi per lot oleh KONSUMEN pada sampling tunggal,
rangkap dua dan multiple. Gambar di bawah ini menunjukkan
perbandingan ketiga tipe penarikan sampling, Dalam
sampling tunggal, besarnya ASN konstan dan sama dengan
ukuran sampel. Untuk sampling rangkap dua , prosesnya lebih
rumit karena sampel kedua kemungkinan bisa diambil atau
sama sekali tidak diambil.

• Untuk sampling rangkap dua , ASN dihitung dengan
menggunakan persamaan :
ASN  n1  n 2(1  PI)
PI = probabilitas pengambilan keputusan pada sampel pertama
• Rumus di atas berasumsi bahwa inspeksi akan tetap berlanjut

meskipun bilangan penolakan telah tercapai. Dalam prakteknya
merupakan hal yag biasa untuk menghentikan inspeksi setelah
bilangan penolakan dicapai baik itu pada sampel pertama
maupun kedua. Hal ini dinamakan “Curtailed Inspection” dan
rumus untuk kondisi seperti ini lebih rumit lagi.

Contoh :
Penggunaan ASN untuk sampling rangkap dua , dimana parameter
n1=50, c1=0, r1=3, n2 =50, c2=3, dan r2=4.
Untuk sampling rangkap dua :

Asumsikan : p0 = 0.01 maka np0= 50(0.01) =0.5,
dengan menggunakan tabel C :
P0 = 0.607
P3 = 1 – P2 = 1 – 0.986 = 0.014
ASN = n1 + n2 (1- (P0 + P3)) = 50 + 50 (1 - (0.607 + 0.014) = 69
Untuk ASN dengan proporsi cacat berikutnya dapat dilihat pada

tabel 8

Tabel ASN untuk parameter n1= 50 dan c1= 0, r1=3, n2= 50 dan c2= 3, r2=4
Proporsi
Cacat (P o) npo P0 P 3³ = 1 – P 2£ ASN
0.01 0.5 0.607 0.014 69
0.02 1 0.368 0.08 78
0.03 1.5 0.223 0.191 79
0.04 2 0.135 0.323 77
0.05 2.5 0.082 0.457 73
0.06 3 0.05 0.577 69
0.07 3.5 0.03 0.679 65
0.08 4 0.018 0.762 61
0.09 4.5 0.011 0.826 58

Gambar 36. Kurva ASN untuk sampling tunggal, rangkap dua, multiple

• Perhitungan kurva ASN untuk sampling multiple lebih sulit
dibanding dengan sampling rangkap dua. Rumus
perhitungannnya adalah :
dimana :
nk = ukuran sampel dari level terakhir
Pk = probabilitas keputusan pada level terakhir

ATI ( AVERAGE TOTAL INSPECTION )
• Rata-rata Inspeksi Total (ATI=Average Total Inspection) adalah
teknik lain untuk mengevaluasi penarikan sampling. ATI adalah
jumlah yang diinspeksi oleh KONSUMEN DAN PRODUSEN.
Seperti kurva ASN, kurva ATI ini memberikan informasi tentang
jumlah yang diinspeksi dan bukan apakah pemeriksaan penarikan
sampling berlangsung efektif atau tidak. Untuk sampling tunggal ,
dirumuskan sebagai berikut :
• Untuk Sampling Tunggal :

ATI  n  (1  Pa )( N  n)
• Untuk Sampling Rangkap Dua :

ATI  n( PaI )  (n1  n 2)( PaII )  N (1  PaI  PaII )

PaI = probabilitas penerimaan pada sampel pertama
PaII = probabilitas penerimaan pada sampel kedua
Catatan :
Untuk rumus di atas diasumsikan ada pemeriksaan 100% pada lot-lot
yang dikembalikan
Contoh :
• Jumlah lot N=3000, n=89, c=2, misalnya incoming product
mempunyai spesifikasi cacat 2 % lot cacat (p0), dengan kurva OC
diperoleh nilai Pa lot diterima=0.731, maka :
ATI = 89 + (1 - 0.731)(3000 - 89) = 872.
Artinya jumlah rata-rata total unit yang diinspeksi untuk lot
tersebut yang mengandung 2% cacat sebesar 872. Nilai p0 dapat
dihitung ulang sehingga akan membentuk kurva seperti terlihat
pada gambar di bawah ini.

Gambar 42. Kurva ATI untuk penarikan sampling N = 3000, n = 89, dan c = 2

• Analisa kurva menunjukkan bahwa ketika kualitas proses
mendekati 0% cacat, jumlah ATI yang diinspeksi mendekati
ukuran sampel n. Dan ketika proses kualitas sangat rendah, misal
9% cacat, hampir seluruh lot ditolak dan kurva ATI menjadi
mendekati 3000. Jika persen cacat meningkat, maka jumlah yang
diinspeksi oleh produsen akan mendominasi kurva.
• Sampling rangkap dua dan sampling multiple untuk kurva ATI

berada sedikit di bawah sampling tunggal. Jumlah yang
diinspeksi oleh konsumen biasanya sangat kecil dalam kurva ATI,
yang mana di dominasi oleh jumlah yang diinspeksi oleh
produsen.

Contoh soal
• Suatu sampling tunggal yang direncanakan oleh
perusahaan Manufaktur untuk memeriksa incoming
material dari produsen, dari pemeriksaan lot per lot dari
incoming material yang dikirim oleh produsen diketahui
bahwa AQLnya=0,04 dengan resiko sebesar 5%.
Sedangkan dari perusahaan Manufaktur (konsumen)
LQLnya=0,2, dengan resiko sebesar 10%. Tentukan
rencana sampling incoming material tersebut yang
sesuai kualitas dari produsen dan sedekat mungkin
memenuhi persyaratan perusahaan manufaktur
tersebut?

Jawaban
• Rasio = LQL/AQL= 0,2 /0,04 = 5 (dari table c antara 2 dan 3 )
• Kualitas incoming material dengan resiko produsen,  = 5%
• c= 2   = 0,818,  n =0,818/0,04 = 20
• c=3   = 1,366 ,  n = 1,366/0,04 = 34
• Memenuhi standar perusahaan manufaktur dengan resiko
konsumen,  =10%
• c= 2   = 5,322., n=20  PLQL = 5,322/20 = 0,261
• c=3   = 6,681., n=34  PLQL = 6,681/34 = 0,196 0,2
•
• Disimpulkan memenuhi kriteria produsen & konsumen untuk
rencana sampling tungggal yang tepat adalah c=3 n=34
•
Contoh soal 2
• Diketahui dalam suatu lot part yang dikirim pada
sampling ganda dengan n1=50, c1=1, r1=4, n2=80 dan
c2=5, r2=6. Jika incoming material lot-lot yang dikirim
oleh Vendor mengandung cacat (fraction nonconforming)
sebesar p=0,02
– Tentukan nilai penerimaan dalam persen sampling lot-
lot pada sampling penerimaan akhir ?
– Perhitungkan kemungkinan dalam persen penolakan
lot-lot di sampling yang pertama?

Jawaban 2
– n1=50, n2=80,c1=1, r1=4; n2=80,c2=5,r2=6, P= 0,02  1= n1 x
p= 1 dan 2= n2 x p= 1,6
a) Peluang penerimaan sampling I : (Pa)I = (P1 ) = 0,736 (table
Poisson)
Peluang penerimaan sampling II : (Pa)II = (P2)I x(P3)II + (P3)I x(P2)II
=(0,184)x(0,921)+(0,061)x(0,783)
=0,21723
Peluang penerimaan akhir (Pa)= (Pa)I + (Pa)II = 0,736 + 0,21723
=0,95323 atau 95,323%
• b) Peluang penolakan lot sampling II :
• (Pr)I = (P4) = 1 – (P3 ) = 1- 0,981 =0,019 atau 1,9%


Accaptance Sampling

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Accaptance Sampling

Diunggah oleh

Hak Cipta:

Format Tersedia

ACCEPTANCE SAMPLING

Fakultas Teknologi Industri Dr. Rina Fitriana,ST, MM Slide ke-1

Kerugian Sampling Penerimaan :

Fakultas Teknologi Industri Dr. Rina Fitriana,ST, MM Slide ke-2

• Sampling Tunggal (Single Sampling )

• Sampling Rangkap Dua/Ganda (Double Sampling)

Fakultas Teknologi Industri Dr. Rina Fitriana,ST, MM Slide ke-3

• Sampling Beruntun (Sequential Sampling)

Fakultas Teknologi Industri Dr. Rina Fitriana,ST, MM Slide ke-4

Mengurangi pemeriksaan setelah Skip-lot sampling, Skip lot sampling, double

Fakultas Teknologi Industri Dr. Rina Fitriana,ST, MM Slide ke-6

Fakultas Teknologi Industri Dr. Rina Fitriana,ST, MM Slide ke-7

0,04 0,677 0,12 0,062 0,400

Fakultas Teknologi Industri Dr. Rina Fitriana,ST, MM Slide ke-8

Fakultas Teknologi Industri Dr. Rina Fitriana,ST, MM Slide ke-9

Kualitas Prob.penerimaan AOQ

* AOQL merupakan nilai tertinggi dari AOQ

Fakultas Teknologi Industri Dr. Rina Fitriana,ST, MM Slide ke-10

Kurva AOQ untuk penarikan sampling N = 3000, n = 89, dan c = 2

Fakultas Teknologi Industri Dr. Rina Fitriana,ST, MM Slide ke-11

Fakultas Teknologi Industri Dr. Rina Fitriana,ST, MM Slide ke-12

Fakultas Teknologi Industri Dr. Rina Fitriana,ST, MM Slide ke-13

• Rumus di atas berasumsi bahwa inspeksi akan tetap berlanjut

Fakultas Teknologi Industri Dr. Rina Fitriana,ST, MM Slide ke-14

Untuk sampling rangkap dua :

Untuk ASN dengan proporsi cacat berikutnya dapat dilihat pada

Fakultas Teknologi Industri Dr. Rina Fitriana,ST, MM Slide ke-15

Fakultas Teknologi Industri Dr. Rina Fitriana,ST, MM Slide ke-16

Fakultas Teknologi Industri Dr. Rina Fitriana,ST, MM Slide ke-17

Fakultas Teknologi Industri Dr. Rina Fitriana,ST, MM Slide ke-18

• Untuk Sampling Tunggal :

• Untuk Sampling Rangkap Dua :

Fakultas Teknologi Industri Dr. Rina Fitriana,ST, MM Slide ke-19

Fakultas Teknologi Industri Dr. Rina Fitriana,ST, MM Slide ke-20

Fakultas Teknologi Industri Dr. Rina Fitriana,ST, MM Slide ke-21

• Sampling rangkap dua dan sampling multiple untuk kurva ATI

Fakultas Teknologi Industri Dr. Rina Fitriana,ST, MM Slide ke-22

Fakultas Teknologi Industri Dr. Rina Fitriana,ST, MM Slide ke-23

Fakultas Teknologi Industri Dr. Rina Fitriana,ST, MM Slide ke-25

Fakultas Teknologi Industri Dr. Rina Fitriana,ST, MM Slide ke-26

Anda mungkin juga menyukai