SKRIPSI
Diajukan untuk Memenuhi Salah Satu Syarat
Memperoleh Gelar Sarjana Sains
Program Studi Matematika
Disusun Oleh :
Lidya Yulinda Mekar Sartika NIM : 033114015
PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS SANATA DHARMA YOGYAKARTA
2008
THESIS
Presented as Partial Fulfillment of The Requirements
to Obtain The Sarjana Sains Degree
in Mathematics
by :
Lidya Yulinda Mekar Sartika Student Number : 033114015
MATHEMATICS STUDY PROGRAM DEPARTMENT OF MATHEMATICS FACULTY OF SCIENCE AND TECHNOLOGY
SANATA DHARMA UNIVERSITY YOGYAKARTA
2008
memuat karya atau bagian karya orang lain, kecuali yang telah disebutkan dalam
kutipan dan daftar pustaka, sebagaimana layaknya karya ilmiah.
Yogyakarta, September 2008
Penulis
Lidya Yulinda Mekar. S
MELAINKAN
mereka yang tetap tegar ketika mereka jatuh...
Entah bagaimana...
dalam perjalanan kehidupan,
kamu belajar tentang dirimu sendiri...
dan menyadari…
bahwa penyesalan tidak seharusnya ada
HANYALAH penghargaan abadi
atas pilihan-pilihan kehidupan yang kamu buat...”
bintang malam katakan padanya., aku ingin melukis sinarmu dihatinya...
embun pagi sampaikan padanya... biar kudekap erat,
waktu dingin membelenggunya....
Semua apapun yang terbaik kupersembahkan, Hanya untukmu...
Tuhan Jesus
, sumber kekuatanku
Ayah-Bundaku tercinta
, inspirasiku
Bintang & InNye
, adekku tersayang
NdutQuw
, kisah lamaku yang kembali
Sang maLaikat
Almamaterku
berganda. Pembahasan sampling sekuensial didasarkan pada materi uji sekuensial.
Hal ini disebabkan adanya kesamaan konsep indeks mutu yang meliputi AQL
(Acceptable Quality Level), LTPD (Lot Tolerance Percent Defective), resiko
produsen, dan resiko konsumen. Dalam sampling sekuensial, ada tiga keputusan
yang bisa dibuat yaitu menolak kotak, menerima kotak, atau melanjutkan
pemeriksaan dengan mengambil sampel lagi. Banyaknya pemeriksaan tergantung
proses sampling sebelumnya sehingga nilainya dapat sampai tak terbatas.
Sampling sekuensial dihentikan ketika diperoleh keputusan untuk menerima atau
menolak kotak.
Ada beberapa macam pengukuran yang dapat dilakukan untuk
mengevaluasi kinerja sampel yang diambil, antara lain dengan kurva KO
(Karakteristik Operasi curve), kurva AOQ (Average Outgoing Curve), kurva ATI
(Average Total Inspection Curve), dan kurva ASN (Average Sample Number
Curve).
developep from single, double and multiple sampling. Sequential sampling
discussion is based on sequential test sample. It is because there are similar
quality index concept that be used, that is AQL (Acceptable Quality Level), LTPD
(Lot Tolerance Percent Defective), producer risk, and consumer risk. The
sequential sampling has three possible decisions about the lot, that rejected,
accepted, or continuing inspection by taking some additional samples. The
number of inspection depends on the sampling process before, so that the value
can be unlimited. Sequential sampling is ended when we have decision whether
accept or reject the lot.
There are some kind of measurements that can be applied to evaluate the
sample process, that is Characteristic Operation Curve, AverageOutgoing Curve,
Average Total Inspection Curve, and Average Sample Number Curve.
telah diberikan sehingga penulis dapat menyelesaikan skripsi ini.
Dalam penulisan skripsi ini, penulis banyak menemui hambatan dan
kesulitan. Namun, berkat bantuan dan dukungan dari banyak pihak, akhirnya
skripsi ini dapat terselesaikan. Oleh karena itu, penulis ingin mengucapkan terima
kasih kepada :
1. Bapak Ir. Ig. Aris Dwiatmoko, M.Si, selaku dosen pembimbing skripsi yang
telah meluangkan waktu, pikiran, dan sabar dalam membimbing penulis
selama penyusunan skripsi ini meskipun penulis sering terlambat dari jadwal
bimbingan.
2. Romo Ir.Greg. Heliarjo S.J, S.S., B.S.T., M.Sc., M.A, selaku Dekan Fakultas
Sains dan Teknologi.
3. Ibu Lusia Krismiyati, S.Si, M.Si, selaku Ketua Program Studi Matematika
yang telah banyak membantu dan memberi saran.
4. Ibu Enny Murwaningtyas, S.Si, M.Si, selaku dosen pembimbing akademik
yang selalu sabar dan memberi semangat penulis selama kuliah di USD.
5. Bapak dan Ibu Dosen Fakultas Sains dan Teknologi yang telah memberikan
bekal ilmu yang sangat berguna bagi penulis.
6. Bapak Tukijo dan Ibu Linda yang telah memberikan pelayanan administrasi
selama penulis kuliah.
kesetiaannya mendengarkan keluh kesahku.
9. Mbah Wongso Kakung dan Putri yang puasa senen kemis hanya untuk
keberhasilanku dan Eyang Kakung dan Uti atas nasihat-nasihatnya.
10.Special thank’s buat Wawan c’Kebo untuk kisah paling indah yang pernah
kujalani dan semua inspirasi yang boleh kuterima.
11.Kisah lamaku yang kembali ke kehidupanku lagi, Ndut’zQuw.
12.Jo yang imut item manis di Solo dan Fanny di Aceh untuk persahabatan yang
masih terjaga sampai sekarang.
13.Teman-teman angkatan 2003: Dewi atas semangat, doa, dan kebersamaannya
Valent yang selalu ceria dan setia menyemangati, Merry yang selalu
menemaniku dan membuatku tersenyum, Koko yang dengan sabar mau
membagi sedikit ilmunya, Djembat yang lutu bangedh, Anin yang bawel tapi
nyenengin, , Eko atas semangat dan curhatnya, Septi yang selalu kompak
menjalani dinamika di Matematika ini, dan Kamto sang kambing yang hilang.
14.Anak-anak Banana Hum : Detong yang nggemesin, Etha yang selalu jadi
tempat curhat, mba Purba yang manis dan cerewetz, mba Jeki atas saran yang
bijaksana, Thiwul, Betty, Poe2t, Vitong yang pagi-pagi suka tereak2 bangunin
semua orang, Ria, Dian, Tika, dan mba Ci2l atas kekompakannya. Hidup
Banana Hum!!!!!!!!!
15.Mas Banny atas semangat dan pinjaman buku-bukunya.
18.Teman-teman KKNku : Don2, Mel, om Ubur-ubur, Suki, Silih, Feri, Ambar,
dan Kartika untuk persahabatan, kekompakan, dan semangatnya. I miss U,
all!!!
19. Teman-teman di Purwokerto : Irma, Dwijo, Manda, bule Tia, mba Ana, mba
Anin, dan Mudika Gereja Katedral Kristus Raja.
Penulis juga tidak lupa mengucapkan terima kasih kepada pihak yang
membantu penulis dalam penulisan skripsi ini yang tidak bisa disebutkan satu per
satu disini. Tiada yang sempurna, demikian juga skripsi ini. Masukan dan kritikan
yang membangun untuk kesempurnaan skripsi ini menjadi kehormatan bagi
penulis.
Yogyakarta, September 2008
Penulis
HALAMAN JUDUL ... i
HALAMAN JUDUL ( INGGRIS ) ... ii
HALAMAN PERSETUJUAN PEMBIMBING... iii
HALAMAN PENGESAHAN ... iv
HALAMAN KEASLIAN KARYA ... v
HALAMAN PERSEMBAHAN ... vi
ABSTRAK ... vii
ABSTRACT ...viii
KATA PENGANTAR ... ix
DAFTAR ISI ... xii
DAFTAR TABEL ... xv
DAFTAR GAMBAR ... xvi
LEMBAR PERNYATAAN PERSETUJUAN ... xviii
BAB I. PENDAHULUAN A. Latar Belakang Masalah ... 1
B. Perumusan Masalah ... 3
C. Pembatasan Masalah ... 3
D. Tujuan Penulisan ... 4
E. Metode Penulisan ... 4
F. Manfaat Penulisan ... 4
A. Konsep-konsep Dasar Statistika
1. Variabel Random dan Distribusi Probabilitas ... 6
2. Distribusi Binomial ... 10
3. Populasi dan Sampel ... 14
4. Distribusi Sampling Proporsi ... 17
5. Uji Hipotesis ... 20
6. Uji Mengenai Proporsi ... 23
B. Sampling Penerimaan ... 26
1. Perbaikan Pemeriksaan ... 29
2. Indeks Mutu untuk Sampling Penerimaan ... 31
3. Sampling Tunggal ... 34
4. Sampling Rangkap Dua ... 37
5. Sampling Berganda ... 42
BAB III. SAMPLING SEKUENSIAL A. Konsep Sampling Sekuensial ... 46
1. Uji Sekuensial ... 47
2. Uji Hipotesis dan Statistik Uji ... 48
3. Kriteria Uji ... 51
4. Hubungan antara α,β,A dan B... 52
B. Sampling Sekuensial untuk Penerimaan dan Penolakan ... 59
3. Kriteria Pengambilan Keputusan... 63
C. Fungsi Karakteristik Operasi (KO)... 72
D. Evaluasi Kinerja Perencanaan Sampling Sekuensial dengan Kurva Karakteristik Operasi (KO) Tertentu... 77
E. Evaluasi Kinerja Perencanaan Sampling Sekuensial dengan Kurva Rata-Rata Ukuran Sampel (ASN) Tertentu ... 83
F. Rata-Rata Mutu Keluaran (AOQ) ... 92
G. Rata-Rata Pemeriksaan Total (ATI) ... 98
BAB IV. APLIKASI PERENCANAAN SAMPLING PENERIMAAN 1. Perencanaan Sampling Tunggal ... 106
2. Perencanaan Sampling Rangkap Dua ... 109
3. Perencanaan Sampling Sekuensial ... 111
BAB V. PENUTUP A. Kesimpulan ... 131
B. Saran ... 132
DAFTAR PUSTAKA ... 133
LAMPIRAN ... 134
Tabel 2.2.1 ... 34
Tabel 2.2.2 ... 42
Tabel 3.2.1 ... 67
Tabel 3.2.2 ... 70
Tabel 3.3.1 ... 77
Tabel 3.4.1 ... 82
Tabel 3.5.1 ... 88
Tabel 3.5.2 ... 91
Tabel 3.6.1 ... 95
Tabel 3.7.1 ... 102
Tabel 3.7.2 ... 103
Tabel 4.3.1 ... 115
Tabel 4.3.2 ... 116
Tabel 4.3.3 ... 120
Tabel 4.3.4 ... 121
Tabel 4.3.5 ... 123
Tabel 4.3.6 ... 124
Tabel 4.3.7 ... 127
Tabel 4.3.8 ... 128
Gambar 2.2.1 ... 30
Gambar 2.2.2 ... 39
Gambar 2.2.3 ... 45
Gambar 3.1.1 ... 59
Gambar 3.2.1 ... 68
Gambar 3.2.2 ... 70
Gambar 3.3.1 ... 75
Gambar 3.3.2 ... 77
Gambar 3.4.1 ... 79
Gambar 3.4.2 ... 83
Gambar 3.5.1 ... 84
Gambar 3.5.2 ... 92
Gambar 3.6.1 ... 96
Gambar 3.7.1 ... 103
Gambar 4.1.1 ... 108
Gambar 4.3.1 ... 113
Gambar 4.3.2 ... 116
Gambar 4.3.3 ... 121
Gambar 4.3.4 ... 123
Gambar 4.3.5 ... 128
Nama : Lidya Yulinda Mekar Sartika
Nomor Mahasiswa : 033114015
Demi perkembangan ilmu pengetahuan, saya memberikan kepada Perpustakaan
Universitas Sanata Dharma. Karya ilmiah saya berjudul :
SAMPLING PENERIMAAN SEKUENSIAL
DALAM PENGENDALIAN MUTU STATISTIS
beserta perangkat yang diperlukan (bila ada). Dengan demikian saya memberikan
kepada Perpustakaan Universitas Sanata Dharma hak untuk menyimpan,
mengalihkan dalam bentuk media lain, mengelolanya dalam bentuk pangkalan
data, mendistribusikan secara terbatas, dan mempublikasikannya di Internet atau
media lain untuk kepentingan akademis tanpa perlu minta ijin dari saya maupun
memberikan royalti kepada saya selama mencantumkan nama saya sebagai
penulis.
Demikian pernyataan ini saya buat dengan sebenarnya.
Dibuat di Yogyakarta
Pada tanggal : 29 September 2008
Yang menyatakan
( Lidya Yulinda Mekar Sartika )
1
BAB I PENDAHULUAN
A. Latar Belakang Masalah
Seluruh proses industri pengolahan dalam sebuah perusahaan, meskipun
baik, pasti ditandai oleh adanya variasi random tertentu yang tidak dapat
dihilangkan secara sempurna. Pada situasi yang lain, variasi proses juga
dipengaruhi beberapa penyebab yang dapat diidentifikasi, seperti kesalahan
penentuan mesin, kesalahan operator, bahan mentah yang tidak memenuhi syarat
pemakaian, komponen-komponen mesin, dan sebagainya. Penyebab-penyebab
variasi yang diidentifikasi ini biasanya mempunyai efek kerugian pada mutu
produk. Tahap pemeriksaan, dalam pengertian pemilihan produk yang memenuhi
spesifikasi dari yang tidak memenuhi, tidak menjamin bahwa semua produk yang
diterima sungguh-sungguh memenuhi spesifikasi. Selain membutuhkan waktu dan
biaya yang cukup besar, kelelahan pemeriksa pada operasi pemeriksaan
berulang-ulang seringkali akan mengurangi keefektifan pemeriksaan. Untuk mengatasi hal
tersebut, salah satu metode yang dilakukan oleh pemeriksa adalah dengan
melakukan sampling (penarikan sampel), yaitu suatu metode untuk
mengumpulkan data bila hanya elemen-elemen sampel saja yang diteliti
(Supranto,1992).
Sampling penerimaan merupakan suatu bidang pokok dalam pengendalian
mutu statistis. Prosedur pemeriksaan yang bertujuan untuk menerima atau
dalam sampel, diambil suatu keputusan mengenai kedudukan kotak, yaitu
menerima atau menolak kotak. Kotak yang memenuhi spesifikasi akan diterima
dan yang tidak memenuhi spesifikasi akan ditolak. Kotak yang diterima
dikategorikan ke dalam produksi dan kotak yang ditolak dikembalikan kepada
penjual, atau dikenakan tindakan lain.
Ada bermacam-macam metode sampling penerimaan, yaitu sampling
tunggal, rangkap dua, berganda, dan sekuensial. Jika setiap keputusan selalu
diambil berdasarkan bukti satu sampel saja, pola penerimaan ini disebut sampling
tunggal sedangkan jika keputusan dapat diambil setelah ditariknya sampel kedua,
pola penerimaan ini disebut sampling rangkap dua. Dalam sampling berganda,
pendekatannya hampir sama dengan sampling rangkap dua. Perbedaannya terletak
pada pengambilan sampel yang lebih dari dua kali dengan ukuran setiap sampel
sama. Untuk setiap sampel dibuat keputusan, apakah menolak atau menerima
kotak atau mengambil tambahan sampel lagi sampai dalam batas tertentu. Ketiga
jenis sampling ini mempunyai banyak kelemahan karena membutuhkan waktu,
tenaga, dan biaya pemeriksaan yang cukup besar.
Sampling sekuensial (penarikan sampel beruntun) merupakan perluasan
konsep sampling rangkap dua dan sampling berganda. Sampling sekuensial
merupakan contoh dari sampling berganda, dimulai dari jumlah sampel yang
kecil, kemudian dilakukan penambahan. Pada setiap sampel dilakukan
penerimaan, penolakan, atau harus menarik sampel lagi sampai pada batas yang
B. Perumusan Masalah
Permasalahan yang akan dibahas dalam skripsi ini dapat dirumuskan sebagai
berikut:
1. Bagaimana landasan teori sampling sekuensial ?
2. Bagaimana menentukan batas penerimaan dan penolakan dengan
sampling sekuensial ?
3. Bagaimana mengevaluasi kinerja sampling sekuensial menggunakan
kurva KO (Karakteristik Operasi), kurva ASN (Average Sampling
Number), kurva AOQ (Acceptable Outgoing Quality), dan kurva ATI
(Average Total Inspection)?
4. Bagaimana aplikasi sampling sekuensial dalam pengendalian mutu
produk di bidang industri dan perbandingannya dengan menggunakan
sampling tunggal dan sampling rangkap dua ?
C. Pembatasan Masalah
Dalam skripsi ini hanya akan dibahas mengenai sampling penerimaan untuk
data atribut dan sampling sekuensial untuk penerimaan dan penolakan. Akan
dibahas juga mengenai pengukuran untuk mengevaluasi kinerja sampling
sekuensial menggunakan kurva KO, kurva ASN, kurva AOQ, dan kurva ATI.
Teorema limit pusat dan sampling penerimaan untuk data variabel tidak dibahas
dalam skripsi ini. Aplikasi yang digunakan untuk mendukung penyelesaian
D. Tujuan Penulisan
Tujuan skripsi ini adalah untuk memperdalam pengetahuan tentang sampling
sekuensial dan penerapannya dalam proses industri serta memahami
konsep-konsep dasar yang terdapat di dalamnya.
E. Metode Penulisan
Penulisan skripsi ini menggunakan metode studi pustaka, yaitu dengan
menggunakan buku-buku, jurnal-jurnal, makalah-makalah, yang telah
dipublikasikan, sehingga tidak ditemukan hal yang baru.
F. Manfaat Penulisan
Penulisan skripsi ini diharapkan dapat berguna untuk menambah wawasan
bagi pembaca tentang proses penerimaan atau penolakan dalam sampling
sekuensial berdasarkan indeks mutu (AQL, LTPD, IQL, dan AOQL) dan
penerapannya dalam proses produksi.
G. Sistematika Penulisan
Bab I. Pendahuluan, pada bab ini akan dibahas mengenai latar belakang masalah, perumusan masalah, pembatasan masalah, tujuan penulisan, metode
penulisan, manfaat penulisan, dan sistematika penulisan skripsi ini.
Bab II. Konsep-konsep Dasar Statistik dan Sampling Penerimaan, pada bab ini akan dibahas mengenai konsep dasar statistik yang meliputi variabel
distribusi sampling, uji hipotesi, uji mengenai proporsi, dan sampling penerimaan
untuk data atribut yang meliputi indeks mutu untuk sampling penerimaan,
sampling tunggal, sampling rangkap dua, dan sampling berganda.
Bab III. Sampling Sekuensial untuk Penerimaan dalam Pengendali Mutu Statistis, pada bab ini akan dibahas mengenai konsep sampling sekuensial berdasarkan konsep uji sekuensial, kriteria pengambilan keputusan, fungsi
karakteristik operasi, evaluasi kinerja perencanaan sampling sekuensial dengan
kurva KO, kuva ASN, kurva rata-rata kualitas keluaran (AOQ), dan kurva rata-rata
pemeriksaan total (ATI) menggunakan WinQSB versi 2.00.
Bab IV. Aplikasi Perencanaan Sampling Penerimaan, pada bab ini akan dibahas mengenai aplikasi sampling sekuensial pada perusahaan air minum.
Selanjutnya, persoalan sampling sekuensial akan diselesaikan menggunakan
aplikasi WinQSB versi 2.00.
6
BAB II
KONSEP-KONSEP DASAR STATISTIKA DAN SAMPLING PENERIMAAN
A. Konsep-konsep Dasar Statistika
1. Variabel Random dan Distribusi Probabilitas
Peluang timbulnya suatu kejadian dalam ruang sampel dideskripsikan dalam
model matematika yang diekspresikan dalam bentuk nilai-nilai numeris dari hasil
percobaan. Hal tersebut menimbulkan gagasan untuk mendefinisikan sebuah
fungsi yang dikenal dengan variabel random, yang memetakan setiap hasil dalam
percobaan dengan bilangan real.
Definisi 2.1.1 Variabel Random :
Variabel random, dilambangkan misalnya dengan X adalah suatu fungsi
yang didefinisikan pada ruang sampel S yang memetakan setiap elemen a∈S ke suatu bilangan real, X
( )
a =x.Catatan : Huruf kapital X digunakan sebagai lambang variabel random, sedangkan
x huruf kecil melambangkan nilai variabel random yang mungkin.
Definisi 2.1.2 Variabel Random Diskret
Suatu variabel random disebut variabel random diskrit bila daerah hasilnya
Contoh 2.1.1 Variabel Random Diskret
Banyak barang yang cacat dalam sampel n barang atau banyak korban
meninggal disuatu daerah per tahun.
Jika pada sebuah pengamatan probabilitas diberikan seluruh kejadian yang
mungkin dari variabel random diskret X, yaitu x1,x2,x3,K,xn dan diberikan juga nilai probabilitas yang berkaitan dengan kejadian tersebut, yaitu
(
X x) (
P X x) (
P X x)
P(
X xn)
P = 1 , = 2 , = 3 ,K, = sehingga telah terbentuk suatu distribusi probabilitas diskret dari variabel X, yang dilambangkan dengan p
( )
x . Notasi f( )
x digunakan untuk melambangkan distribusi probabilitas kontinu atau fungsi probabilitas. Terdapat dua hal yang harus dipenuhi f( )
x maupun( )
xp , yaitu :
• Nilai-nilai dari suatu distribusi probabilitas atau fungsi probabilitas adalah
bilangan yang berada dalam interval antara 0 dan 1.
• Jumlah seluruh nilai probabilitas untuk kasus diskrit adalah 1, dan integral
fungsi probabilitas untuk kasus kontinu sama dengan 1.
Definisi 2.1.3 Nilai Harapan atau Rata-rata Variabel Random :
Nilai harapan atau rata-rata variabel random X didefinisikan sebagai
∑
.( )
,∀x
x p
x bila X diskret
E
( )
X =
∫
f( )
x dx,∞
∞ −
Definisi 2.1.4 Nilai Harapan Fungsi Variabel Random :
Jika X adalah variabel random dan g
( )
X adalah fungsi dari variabel random X. Nilai harapan g( )
X didefinisikan sebagaig
( ) ( )
X .p x , x∑
∀bila X diskret
E
(
g( )
X)
=
∫
g( ) ( )
X .f x dx,∞
∞ −
bila X kontinu.
Pada skripsi ini, kasus-kasus termasuk dalam kategori diskrit sehingga
beberapa teorema maupun contoh-contoh yang diberikan adalah dalam kasus
diskrit.
Teorema 2.1.1
Andaikan c adalah konstan, maka E
( )
c =c Bukti :Dari definisi nilai harapan fungsi variabel random diskret,
( )
∑
( )
∑
( )
∀ ∀
= =
x x
x f c x f c c
E
Tapi
∑
( )
=1∀x
x f
Maka E
( ) ( )
c =c 1 =c.Teorema 2.1.2
Maka
( )
[
cg X]
cE[
g( )
X]
.E =
Bukti :
Dari definisi nilai harapan fungsi variabel random diskret,
( )
[
cg x]
cg( ) ( )
x f x c g( ) ( )
x f x cE[
g( )
X]
Ex x
= =
=
∑
∑
∀ ∀
Teorema 2.1.3
Misalkan g1
( ) ( )
X ,g2 X ,K,gk( )
X adalah k fungsi dari variabel random X. Maka( )
( )
( )
[
g1 X g2 X , g X]
E[
g1( )
X]
E[
g2( )
X]
E[
g( )
X]
.E + +K+ k = + +K+ k
Bukti :
Menurut definisi nilai harapan variabel random diskret,
( )
( )
( )
[
g X g X g X]
[
g( )
x g( )
x g( )
x]
p( )
x Ex
k
k
∑
∀
+ + +
= +
+
+ 2 , 1 2 ,
1 K K
( ) ( )
∑
( ) ( )
∑
( ) ( )
∑
∀ ∀
∀
+ + +
=
x k x
x
x p x g x
p x g x
p x
g1 2 K
( )
[
g X]
E[
g( )
X]
E[
g( )
X]
E + + + k
= 1 2 K
Definisi 2.1.5 Variansi Variabel Random Diskret :
Variansi dari variabel random diskrit X yang mempunyai E
( )
X =μdidefinisikan sebagai nilai harapan dari
(
X −μ)
2, yaitu( )
X E[
(
X)
]
(
x) ( )
p xVar
x
2 2
2
∑
∀
− =
− =
Teorema 2.1.4
( )
=σ2 =[
(
−μ)
2]
=( )
2 −μ2 XE X
E X
Var
Bukti :
(
)
[
2]
(
2 2)
22μ μ
μ
σ =E X − =E X − X +
Menurut Teorema 2.1.3 :
( )
2(
)
( )
22
2μ μ
σ = E X −E X +E
μ adalah konstan, maka menurut Teorema 2.1.1 dan Teorema 2.1.2
( )
2( )
22
2μ μ
σ = E X − E X +
Karena μ = E
( )
X , maka( )
2 2 2( )
2 22
2μ μ μ
σ = E X − + =E X −
2. Distribusi Binomial
Suatu distribusi binomial dibentuk oleh suatu percobaan binomial.
Percobaan ini merupakan pengulangan n kali percobaan Bernoulli sehingga harus
memenuhi kondisi :
•Jumlah ulangan n Bernoulli adalah konstanta yang telah ditentukan
sebelumnya.
•Setiap ulangan Bernoulli hanya dapat menghasilkan satu dari dua kejadian
•Probabilitas “sukses” adalah p dan probabilitas “gagal” adalah q =1− p
selalu konstan dalam setiap ulangan. Bila Y adalah variabel random
Bernoulli, maka 1, sukses
Y =
0, gagal
•Setiap ulangan saling bebas secara statistik, yang berarti hasil suatu ulangan
tidak berpengaruh pada hasil ulangan lainnya.
Definisi 2.1.6 Distribusi Binomial
Jika suatu ulangan Bernoulli mempunyai probabilitas keberhasilan p dan
probabilitas kegagalan q=1− p, maka distribusi probabilitas bagi variabel
random binomial X yaitu banyaknya keberhasilan dalam n ulangan saling bebas
⎟ ⎠ ⎞ ⎜
⎝ ⎛ =
∑
=n
i
Y X
1
adalah
( )
(
)
n x(
)
n x(
)
x n xx p q
x n x
n p
p C x X P x
f − −
− = −
= = =
! !
!
1
dengan
• variabel random X melambangkan jumlah keberhasilan dalam n ulangan.
• x=1,2,3,K,n ; n=1,2,3,K ; dan 0≤ p≤1
• n x
Teorema 2.1.5
Rata-rata dan variansi distribusi binomial adalah
np =
μ dan σ2 =npq
Bukti :
•Rata-rata distribusi binomial.
Dari definisi 2.1.3 tentang nilai harapan atau rata-rata variabel random diskret dan
definisi 2.1.6 tentang distribusi binomial maka diperoleh
( )
(
)
n x xx n
x p p
C x X E − ∀ − =
=μ
∑
. . .1
(
)
(
)
n x x x p p x x n n x − ∀ − −=
∑
. .1! ! ! .
(
)
(
)
n xn x x p x x n p n x − = − −
=
∑
. 1! ! ! . 0
(
) (
) (
)
n xn x x p x x n p n − = − − −
=
∑
. 1! 1 ! ! 1
(
)
(
)
(
) (
! 1)
! .1 . . ! 1 1 1
∑
= − − − − − − = n x x n x x x n p p p n n(
)
(
)
(
) (
)
∑
= − − − − − − = n x x n x x x n p p n np 1 1 ! 1 ! 1 . . ! 1Misal k =x−1
maka untuk x=1, k =0
untuk x=n, k =n−1
dan n−x=n−
(
k+1)
(
)
(
) (
(
) (
)
)
1(
)
(( 1) ( 1))1 1 . . ! 1 1 ! 1 !
1 − − − −
− = − − − − − −
=
∑
n x n xk x p p x n x n np
1
(
)
(( 1) ( 1))1 1
1. .1
− − − − − = − − −
=
∑
n x n xk x
n
x p p
C np
=np.1=np • Variansi distribusi binomial.
Akan dicari E
(
X(
X −1)
)
dan hasilnya akan digunakan untuk menghitung( )
X var .(
)
(
)
(
)
n x(
)
n xx n x p p C x x X X E − = − − =
−1
∑
1. . .10
(
) ( )
x(
)
n x n x p p x x n n x x − = − − −=
∑
. .1! ! ! . 1 0
(
) ( ) ( )( ) ( )
x n xn x p p x x x x n n x x − = − − − − −
=
∑
. .1! 2 1 ! ! . 1 0
∑
(
) (
)
(
)
= − − − − − = n x x n x p p p x x n n 0 2 2 1 . . . ! 2 ! !(
)(
)
(
) (
)
(
)
( ) ( )∑
= − − − − − − − − − = n x x n x p p x x n n n n p 2 2 2 2 2 1 . . ! 2 ! ! 2 1
(
)
2(
)
( 2) ( 2)2 2 2 2 1 . . 1 . − − − − = − − − −
=
∑
n x n xx n
x p p
C n
n p
= p2.n
(
n−1)
.1=n(
n−1)
.p2E
(
X(
X −1)
) (
=n n−1)
.p2 (2.1.1)Sehingga dari definisi 2.1.5 tentang variansi variabel random diskret diperoleh
= E
( )
X2 −E( ) ( )
X +E X −[
E( )
X]
2= E
(
X(
X −1)
) ( )
+E X −[
E( )
X]
2Dari persamaan 2.1.1 maka diperoleh
=n
(
n−1)
.p2 +np−( )
np 2=
( )
np 2 −np2 +np−( )
np 2=np−np2
=np
(
1− p)
=npq3. Populasi dan Sampel
Analisis statistik dilakukan untuk mengambil kesimpulan tentang parameter
populasinya berdasarkan informasi dari sampel. Harus diusahakan agar diperoleh
sampel yang sedapat mungkin bisa memberikan gambaran dari populasinya.
Dalam berbagai percobaan yang dilakukan, sering dijumpai populasi yang
berbeda-beda keadaannya sehingga agar dapat diperoleh sampel yang
memberikan gambaran populasinya, harus digunakan sampel yang berbeda-beda
pula macamnya. Salah satu macam sampel yang dianggap dapat menggambarkan
keadaan dari populasi yang tidak terlalu heterogen adalah sampel random.
Definisi 2.1.7 Sampel Random :
Sampel yang pengambilannya sedemikian hingga tiap elemen populasinya
Suatu sampel random berukuran n dari suatu populasi yang mempunyai
fungsi probabilitasf
( )
x adalah himpunan n variabel random saling bebasn
X X
X
X1, 2, 3,K, yang masing-masing berdistribusi probabilitas f
( )
x .Suatu nilai yang dihitung dari suatu sampel dinamakan statistik. Karena
banyak sampel dapat diambil dari populasi yang sama, maka diharapkan bahwa
nilai statistik yang dihitung dari masing-masing sampel itu akan bervariasi
sehingga statistik merupakan variabel random yang mempunyai distribusi
probabilitas.
Dalam sampling penerimaan, unit produksi yang terpilih untuk pemeriksaan
harus dipilih secara random dan harus mewakili semua produk dalam kotak.
Teknik pengambilan sampel random yang dianjurkan adalah dengan memberi
bilangan pada setiap produk dalam kotak, kemudian n bilangan random ditarik,
yang rentang bilangan-bilangan ini dari 1 sampai dengan maksimum unit dalam
kotak. Barisan bilangan-bilangan random ini menentukan unit-unit produksi mana
di dalam kotak itu yang merupakan sampel. Jika produk mempunyai nomor urut
atau kode lain, kode-kode ini dapat juga digunakan untuk menghindarkan proses
pemberian bilangan yang dilakukan bagi tiap unit produksi.
Kemungkinan yang lain adalah dengan menggunakan bilangan random tiga
angka untuk menunjukkan panjang, lebar, dan dalam suatu kotak. Misal bilangan
random 482. Bilangan random ini menunjukkan unit produksi yang terletak pada
tingkat 4, baris 8, dan kolom 2 kotak itu. Jika pemberian bilangan pada setiap unit
produksi tidak dapat dilakukan, maka letak unit sampel dapat ditentukan secara
dilakukan dengan membagi kotak ke dalam strata atau lapisan, selanjutnya tiap
lapisan dibagi lagi menjadi kubus seperti pada Gambar 2.1.1 Jika metode
“pertimbangan” digunakan untuk memilih sampel maka hilanglah dasar statistik
prosedur sampling penerimaan.
strata 1
strata 2
strata 3
strata 4
1 2 3 4
5 6 7 8
9 10 11 12
13 14 15 16 17 18 19 20
29 30
31
33
sampel random
14 3 29 7
16 48 5 35
Gambar 2.1.1
4. Distribusi Sampling Proporsi
Distribusi probabilitas suatu statistik dinamakan distribusi sampling harga
statistik. Deviasi standar distribusi sampling statistik dinamakan kesalahan standar
statistik itu.
Pengertian mengenai distribusi sampling dapat dijelaskan dengan
menunjukkan bagaimana distribusi itu dibentuk. Misal ada populasi binomial
dengan N elemen dan mempunyai proporsi populasi p, maka untuk menentukan
distribusi sampling dari proporsi akan dilakukan langkah-langkah sebagai berikut:
• Diambil sampel random dengan elemen X1,X2,K,Xn kemudian dihitung
proporsi sampel pˆ . Dalam setiap pengambilan sampel, elemen-elemen yang terambil dari sampel dikembalikan lagi ke dalam populasinya
sehingga populasinya tetap mempunyai N elemen.
• Jika proses tersebut dilakukan berulang-ulang, dan setiap kali dihitung
proporsi sampelnya, maka akan didapatkan himpunan proporsi sampel
yang frekuensi relatifnya disebut distribusi sampling proporsi .
Jika harga-harga statistik yang dihitung adalah variansi, maka dinamakan
distribusi sampling variansi, yaitu himpunan harga-harga
{
, , 3,K}
3 2 2 1 1 S SS . Jika
harga statistik yang dihitung adalah harga-harga proporsi, maka dinamakan
distribusi sampling proporsi.
Untuk distribusi sampling proporsi, misalkan diketahui populasi tak hingga
dan terdistribusi binomial dengan probabilitas sukses adalah p dan probabilitas
gagalnya adalah q=1− p, maka dari sampel random berukuran n yang diambil
adalah semua lemparan yang mungkin dilakukan dengan sebuah koin ideal
dimana probabilitas munculnya gambar adalah 2 1
=
p . Perhatikan semua sampel
ukuran n yang mungkin diambil dari populasi ini dan untuk setiap sampel akan
ditentukan statistik yang merupakan proporsi keberhasilan pˆ . dalam kasus koin,
pˆ adalah proporsi munculnya gambar dalan n kali lemparan.
Telah dikemukakan di depan bahwa mean dari distribusi-distribusi sampling
mean, dinyatakan μX, ditentukan oleh
E
( )
X =μX =μ (2.1.2)dimana μadalah mean dari populasi dan nilai harapan dari mean sampel adalah
mean populasi. Mean distribusi sampling dari proporsi berdistribusi binomial,
dinyatakan dengan
( )
( )
pn X nE n
X E p
E i
p ⎟⎟= =
⎠ ⎞ ⎜
⎜ ⎝ ⎛ =
= ˆ
∑
μ (2.1.3)
Perhatikan bahwa proporsi sampel adalah bentuk khusus dari mean sampel,
dengan nilai pengamatan Xi =0 (gagal) atau Xi =1 (sukses). Jika suatu populasi
berhingga dan samplingnya acak dan sampling dilakukan dengan pengembalian,
maka variansi distribusi sampling dari mean dinyatakan sebagai σx2 diberikan
oleh
( )
[
(
)
]
n X
E X
Var x
2 2
2 μ σ
σ = − =
= (2.1.4)
dimana σ2 adalah variansi dari populasi tersebut. Karena X = pˆ maka variansi
( )
( )
Var( )
X n n X Var X Var p Var p 2 2 ˆ 1 ˆ ⎟= ⎠ ⎞ ⎜ ⎝ ⎛ = = = σDari Teorema 2.1.5 mengenai Var
( )
X sehingga
( )
2 2 1 n npq X Var n = n pq= (2.1.5)
n pq
p =
σ (2.1.6)
Jika ukuran populasi N mendekati tak hingga dan sampling dilakukan tanpa
pengembalian dengan ukuran sampelnya n≤N, maka persamaan (2.1.4) menjadi
( )
⎟ ⎠ ⎞ ⎜ ⎝ ⎛ − − = = 1 2 2 N n N n XVar σx σ (2.1.7)
Sehingga diperoleh
( )
⎟ ⎠ ⎞ ⎜ ⎝ ⎛ − − = = 1 2 N n N n pq XVar σp (2.1.8)
1 − − = N n N n pq p
σ (2.1.9)
dengan :
p
μ : mean dari distribusi sampling proporsi
p
σ : deviasi standar dari distribusi sampling proporsi
N : ukuran populasi
Distribusi sampling mempunyai sifat-sifat yang sangat penting terutama
dalam hubungannya dengan sampel dan populasi. Sifat-sifat ini sangat perlu untuk
diketahui karena peranan distribusi sampling dalam inferensi statistik.
5. Uji Hipotesis
Pengujian hipotesis statistik merupakan bidang yang paling penting dalam
statistika inferensi. Benar atau salahnya suatu hipotesis tidak akan pernah
diketahui dengan pasti, kecuali jika seluruh populasi diperiksa. Tentu saja, dalam
kebanyakan situasi hal itu tidak mungkin dilakukan. Oleh karena itu, dapat
diambil sampel random dari populasi tersebut. Informasi yang dikandung dari
sampel itu digunakan untuk memutuskan apakah hipotesis itu kemungkinan besar
benar atau salah.
Bukti yang tidak konsisten dengan hipotesis yang dinyatakan akan
membawa pada penolakan hipotesis tersebut, sedangkan bukti yang mendukung
hipotesis akan membawa pada penerimaannya. Perlu diketahui, penolakan suatu
hipotesis berarti menyimpulkan bahwa hipotesis itu salah, sedangkan penerimaan
suatu hipotesis semata-mata mengimplikasikan bahwa tidak ditemukan bukti yang
cukup untuk mempercayai sebaliknya. Hasil yang diperoleh merupakan perkiraan
yang dipakai sebagai dasar untuk menolak atau menerima H0.
Keputusan untuk menerima atau menolak H0 mengandung suatu
ketidakpastian, artinya keputusan yang diambil bisa benar atau bisa juga salah.
harus ditanggung oleh pembuat keputusan itu sendiri. Dalam pengujian hipotesis
dikenal dua tipe kesalahan, yaitu kesalahan tipe I dan kesalahan tipe II.
Definisi 2.1.8 Uji Hipotesis
Uji Hipotesis adalah pernyataan atau dugaan mengenai satu atau lebih
parameter populasi.
Definisi 2.1.9 Hipotesis Nol dan Hipotesis Alternatif
Hipotesis nol adalah hipotesis yang dirumuskan dengan harapan ditolak dan
dilambangkan dengan H0. Penolakan H0 akan mengakibatkan suatu penerimaan
hipotesis alternatif yang dilambangkan dengan H1.
Definisi 2.1.10 Kesalahan Tipe I
Kesalahan tipe I adalah penolakan H0 yang benar. Probabilitas melakukan
kesalahan tipe I yang dilambangkan dengan α .
Definisi 2.1.11 Kesalahan Tipe II
Kesalahan tipe II adalah penerimaan H0 yang salah. Probabilitas
Tabel 2.1.1
Keadaan yang Sesungguhnya Keputusan
0
H benar H0 salah
Menolak H0 α Kesalahan tipe I
= P (kesalahan tipe I)
Keputusan tepat 1 - β
Menerima H0 Keputusan tepat
1 - α
Kesalahan tipe II
β = P (kesalahan tipe II)
Karena α menyatakan probabilitas menolak H0 yang benar, maka
diharapkan nilai α sekecil mungkin. Begitu juga dengan β yang menyatakan
probabilitas menerima H0 yang salah, maka diharapkan nilai β sekecil mungkin.
Namun dalam kenyataannya, memperkecil nilai α dan β sekaligus tidaklah
mungkin karena jika nilai α diperkecil akan mengakibatkan nilai β menjadi
semakin besar. Begitu juga sebaliknya. Usaha untuk memperkecil nilai α dan β
dapat dilakukan dengan memperbesar ukuran sampel. Makin besar ukuran
sampel, maka nilai α dan β akan semakin kecil.
Contoh 2.1.2 Kesalahan Tipe I
Andaikan diketahui 'p adalah batas toleransi cacat yang ditentukan dan p
adalah parameter cacat yang tidak diketahui dan kotak akan ditolak jika p> p',
maka uji hipotesisnya adalah:
' :
0 p p
Jika H0 ditolak berarti telah terjadi kesalahan tipe I (α) karena menolak H0
padahal H0 benar.
Contoh 2.1.3 Kesalahan Tipe II
Andaikan diketahui 'p adalah batas toleransi cacat yang ditentukan dan p
adalah parameter cacat yang tidak diketahui dan kotak akan diterima jika p≤ p',
maka uji hipotesisnya adalah:
' :
0 p p
H > melawan H1: p≤ p'
Jika H0 diterima berarti telah terjadi kesalahan tipe II (β) karena menerima H0
padahal H0 salah.
6. Uji Mengenai Proporsi
Uji hipotesis menegenai proporsi diperlukan dalam banyak bidang.
Pengujian hipotesis bahwa proporsi keberhasilan dalam suatu percobaan binomial
sama dengan suatu nilai tertentu. Hal ini berarti bahwa akan diuji hipotesis
0 0:p p
H = dengan p adalah parameter distribusi binomial. Hipotesis alternatifnya
dapat yang bersifat satu sisi maupun dua sisi.
Statistik yang akan digunakan sebagai landasan kriteria pengambilan
keputusan adalah variabel random binomial X yaitu banyaknya sukses, meski
dapat juga digunakan statistik
n X p= ∧
dengan sama baiknya. Nilai X yang jauh
• Untuk menguji hipotesis
0 0 :p p
H =
0 1:p p H <
Wilayah kritis berukuran α diberikan oleh
α
'
k x≤
sedangkan k'α merupakan bilangan bulat terbesar yang bersifat
(
≤ α =)
=∑
α(
)
≤α= '
0
0 ; ;
'
k
x
p n x b p
p bila k X P
• Begitu juga untuk menguji hipotesis
0 0 :p p
H =
0 1:p p H >
Wilayah kritis berukuran α diberikan oleh
α k x≥
sedangkan kα merupakan bilangan bulat terkecil yang bersifat
(
)
(
)
αα
α = = ≤
≥
∑
=
n
k x
p n x b p
p bila k X
P 0 ; ;
• dan yang terakhir untuk menguji hipotesis
0 0 :p p
H =
0 1:p p
H ≠
Wilayah kritis berukuran α diberikan oleh
2 /
'α
k
Karena X merupakan variabel random binom yang bersifat diskret maka
ukuran wilayah kritis harus ditentukan sedemikian hingga sangat mendekati α
tanpa melampauinya.
Langkah-langkah pengujian proporsi dapat dituliskan sebagai berikut :
1. H0 = p= p0.
2. H1:p< p0,p> p0, atau p≠ p0.
3. Tentukan taraf nyata α .
4. Wilayah kritis
x≤k'α bila H1:p< p0
x≥k'α bila H1:p> p0
x≤k'α/2 dan x≥kα/2bila H1:p≠ p0
5. Perhitungan : menghitung banyaknya keberhasilan (x)
6. Keputusan : tolak H0 jika x jatuh dalam wilayah kritis. Jika tidak demikian,
maka terima H0.
Contoh 2.1.4 Uji mengenai Proporsi
Seorang pemborong menyatakan bahwa di 70% rumah-rumah yang baru
dibangun di kota Richmond dipasang suatu alat pemompa udara panas. Apakah
benar jika di antara 15 rumah baru yang diambil secara acak terdapat 8 rumah
yang menggunakan pompa udara panas? Gunakan taraf nyata 0.10.
Maka langkah-langkah pengujian proporsi adalah :
2. H1 = p≠0.7.
3. Taraf nyata = α =0.10.
4. Wilayah kritik : x≤7 dan x≥14, dari Tabel D Jumlah Peluang Binom. 5. Perhitungan : banyaknya keberhasilan = x=8
6. Keputusan : karena x=8 tidak berada pada wilayah kritik maka
0
H diterima sehingga dapat disimpulkan bahwa tidak ada alasan kuat
untuk meragukan pernyataan pemborong di atas.
B. Sampling Penerimaan
Rencana penerimaan sampel adalah prosedur yang digunakan dalam
mengambil keputusan terhadap produk-produk yang datang atau yang sudah
dihasilkan perusahaan. Ada tiga metode yang dapat digunakan, yaitu pemeriksaan
satu per satu (pemeriksaan 100%), sampling penerimaan, dan tanpa pemeriksaan.
Sampling penerimaan merupakan suatu dasar menengah antara ekstrim
pemeriksaan 100% dan tanpa pemeriksaan.
Bila pemeriksaan bertujuan untuk penerimaan atau penolakan suatu kotak
yang berisi produk berdasarkan kesesuiannya dengan standar, jenis prosedur
pemeriksaan yang digunakan biasanya dinamakan sampling penerimaan.
Sampling penerimaan digunakan sebagai suatu bentuk dari pemeriksaan
antara perusahaan dengan pemasok, antara produsen dengan konsumen, atau antar
divisi dengan perusahaan. Sampel diambil dari kotak dan suatu karakteristik mutu
unit produksi dalam sampel diperiksa. Berdasarkan informasi yang diperoleh dari
adalah menerima atau menolak kotak. Kotak yang diterima dipandang sebagai
produksi, dan kotak yang ditolak akan dikembalikan pada produsen atau dikenai
tindakan lain.
Sampling penerimaan tidak digunakan untuk memperkirakan keputusan
penerimaan atau penolakan saja. Sampling penerimaan juga bukan merupakan alat
pengendalian mutu, tapi merupakan alat untuk memeriksa apakah produk atau
bahan baku yang datang ke perusahaan atau yang telah dihasilkan perusahaan
tersebut telah memenuhi spesifikasi. Selain itu, sampling penerimaan dapat
dilakukan selama pemeriksaan bahan baku datang, komponen, dan perakitan, pada
berbagai fase dalam proses operasi, atau selama pengawasan produk akhir. Oleh
karenanya, sampling penerimaan tidak ditujukan untuk pengendalian atau
perbaikan mutu proses, melainkan hanya sebagai metode untuk menentukan
disposisi terhadap produk yang datang (bahan baku) atau produk yang telah
dihasilkan (barang jadi) (Mitra,1993).
Apabila dibandingkan dengan pemeriksaan 100%, sampling penerimaan
mempunyai banyak keunggulan, diantaranya :
• lebih menghemat biaya karena pemeriksaan hanya melibatkan lebih
sedikit produk,
• dapat meminimalkan kerusakan dan perpindahan tangan,
• tenaga yang terlibat dalam aktivitas pemeriksaan lebih sedikit,
• penolakan seluruh kotak dibandingkan pengembalian beberapa produk
yang cacat dapat memberikan motivasi yang lebih kuat bagi produsen
untuk meningkatkan kualitas.
Selain mempunyai keunggulan, sampling penerimaan juga mempunyai
kekurangan yang biasa dijumpai yaitu beresiko menerima kotak “buruk” dan
menolak kotak yang “baik” karena sedikitnya informasi mengenai produk.
Sampling penerimaan dapat dilakukan untuk data atribut dan data variabel.
Data atribut (sifat) adalah data karakteristik mutu yang dinyatakan atas dasar
”cacat, tidak cacat” sedangkan data variabel adalah data karakteristik mutu yang
diukur dalam skala numerik. Sampling penerimaan untuk data atribut dilakukan
apabila pengawasan mengklasifikasikan produk sebagai produk yang baik dan
produk yang cacat tanpa ada pengklasifikasian tingkat kesalahan atau cacat
produk tersebut (Mitra, 1993).
Kotak yang dirancang dapat mempengaruhi keefektifan perencanaan
sampling penerimaan. Beberapa hal yang menjadi pertimbangan adalah sebagai
berikut :
• Kotak harus homogen.
Unit produksi dalam kotak harus diproduksi dengan mesin yang sama,
operator yang sama, dari bahan baku yang sama, dan kira-kira diproses
pada waktu yang sama. Jika kotak tidak homogen maka sampling
penerimaan tidak berfungsi secara efektif dan akan mempersulit tindakan
• Dibandingkan kotak yang kecil, kotak yang besar lebih disenangi karena
lebih efisien secara ekonomi.
• Produk dalam kotak harus dibungkus agar meminimumkan resiko
pengiriman dan penanganan.
1. Perbaikan Pemeriksaan
Skema sampling penerimaan biasanya memerlukan tindakan perbaikan jika
kotak ditolak. Tindakan perbaikan pemeriksaan mengambil bentuk pemeriksaan
100% atau penyaringan kotak yang ditolak dengan semua produk cacat yang
ditemukan disisihkan untuk dikerjakan kembali berikutnya, atau dikembalikan
pada produsen, atau diganti dengan unit yang baik. Skema sampling semacam ini
dinamakan skema perbaikan pemeriksaan, karena aktivitas pemeriksaan ini
mempengaruhi mutu akhir aliran kotak yang keluar.
Andaikan telah diketahui p0 adalah batas toleransi cacat yang ditentukan
dan kotak yang diserahkan ke dalam aktivitas pemeriksaan mempunyai bagian
cacat p. Beberapa dari kotak yang mempunyai bagian cacat p< p0 akan diterima dan kotak yang mempunyai bagian cacat p> p0 akan ditolak. Kotak
yang ditolak akan disaring dengan cara semua produk cacat yang ditemukan
diganti dengan produk yang baik sehingga bagian cacat menjadi sama dengan 0.
Dengan demikian kotak yang keluar dari aktivitas pemeriksaan adalah campuran
Nilai p1 biasanya dikenal dengan istilah AOQ (Average Outgoing Quality). Jadi skema pemeriksaan ini membantu meningkatkan mutu aliran kotak. Skema
perbaikan pemeriksaan dilukiskan pada Gambar 2.2.1
Skema perbaikan pemeriksaan digunakan pada pemeriksaan saat menerima,
pemeriksaan dalam proses produk setengah jadi, atau pada pemeriksaan akhir
barang jadi. Tujuan penggunaannya dalam pabrik adalah untuk memberikan Kotak masuk
Aktivitas pemeriksaan
Kotak diterima
Bagian cacat p
Kotak ditolak Bagian cacat p < p0
Bagian cacat 0
Bagian cacat p1 < p0
Kotak keluar
Gambar 2.2.1
jaminan tentang mutu rata-rata bahan yang digunakan dalam tingkat operasi
produksi berikutnya.
Kotak yang ditolak dapat ditangani dengan berbagai cara. Pendekatan
terbaik adalah mengembalikan kotak yang ditolak kepada produsen, dan
mengharuskannya untuk melakukan aktivitas penyaringan dan pengerjaan
kembali. Hal ini mempunyai pengaruh psikologis yang membuat produsen
bertanggung jawab atas mutu rendah dan dapat memberikan motivasi kepada
produsen untuk meningkatkan proses produksi. Tetapi dalam banyak keadaan,
karena komponen atau bahan baku diperlukan untuk memenuhi jadwal produksi,
penyaringan dan pengerjaan kembali dilakukan di tingkat konsumen.
Rata-rata kualitas keluaran atau Average Outgoing Quality (AOQ) dan
rata-rata pemeriksaan total atau Average Total Inspection (ATI) digunakan secara luas
untuk menilai skema perbaikan pemeriksaan.
2. Indeks Mutu untuk Sampling Penerimaan
Ada beberapa indeks mutu yang dapat digunakan dalam sampling
penerimaan, yaitu AQL, LTPD, IQL, dan AOQL.
Definisi 2.2.1 LTPD (Lot Tolerance Percent Defective)
LTPD (tingkat mutu menurut konsumen) merupakan mutu ketidakpuasan
atau merupakan tingkat penolakan, dimana probabilitas penerimaan
( )
Pa LTPDKonsumen menghendaki penolakan produk cacat dengan probabilitas yang
besar sehingga probabilitas penerimaan
( )
Pa kecil, atau sekitar 0.1.Contoh 2.2.1 LTPD
Misal kotak ditolak dalam pemeriksaan, maka dapat dinyatakan keputusan
yang diambil 90% benar karena tingkat mutu kotak lebih buruk dari LTPD. Tetapi
jika kotak diterima, maka dapat dinyatakan keputusan yang diambil 90% benar
karena tingkat mutu kotak sama atau lebih baik dari LTPD .
Definisi 2.2.2 AQL (Acceptable Quality Lot)
AQL merupakan presentase maksimum ketidaksesuaian atau banyaknya
ketidaksesuaian maksimum setiap 100 unit produk, di mana untuk tujuan
pemeriksaan sampel, dapat mempertimbangkan kepuasan sebagai rata-rata sampel
(ANSI / ASQC Z1.4, 1993) atau AQL (tingkat mutu menurut produsen) merupakan
proporsi maksimum dari cacat atau kesalahan yang diperbolehkan.
Produsen selalu menghendaki probabilitas penerimaan
( )
Pa pada tingkatAQL cukup tinggi, biasanya 0.99 atau 0.95.
Contoh 2.2.2 AQL
Jika kotak ditolak dalam pemeriksaan, maka dapat dinyatakan keputusan
yang diambil 95% benar karena tingkat mutu kotak lebih buruk dari AQL. Tetapi
jika kotak diterima, maka dapat dinyatakan keputusan yang diambil 95% benar
Definisi 2.2.3 IQL (Indifference Quality Level)
IQL adalah tingkat mutu diantara AQL dan LTPD yang sering diartikan
sebagai tingkat mutu pada probabilitas penerimaan 0.5 untuk perencanaan
sampling tertentu.
Definisi 2.2.4 AOQL (Average Outgoing Quality Level)
AOQL adalah suatu perkiraan hubungan yang berada diantara bagian
kesalahan pada produk sebelum diperiksa atau proporsi cacat p dari bagian sisa
kesalahan setelah pemeriksaan.
Definisi 2.2.5 Resiko Produsen
Resiko Produsen adalah resiko yang diterima produsen karena menolak
kotak yang baik dalam pemeriksaan, dengan kata lain resiko melakukan kesalahan
tipe I dan biasanya dilambangkan dengan α .
Dalam hubungannya dengan perencanaan sampling, kesalahan tipe I adalah
resiko menolak produk pada tingkat AQL. Bila AQL atau nilai proporsi cacat p
kecil, produsen menginginkan probabilitas penerimaan
( )
Pa dekat dengan 1.Probabilitas kesalahan tipe I (resiko produsen) = α =1−Pa biasanya hanya
Definisi 2.2.6 Resiko Konsumen
Resiko Konsumen adalah resiko yang dialami konsumen karena terpaksa
menerima produk yang cacat, dengan kata lain resiko melakukan kesalahan tipe II
dan biasanya dilambangkan dengan β.
Dalam hubungannya dengan perencanaan sampling, kesalahan tipe II adalah
resiko menerima produk pada tingkat LTPD. Jika nilai proporsi cacat p besar,
maka konsumen menginginkan probabilitas
( )
Pa dekat dengan 0. Probabilitaskesalahan tipe II (resiko konsumen) =β =Pa menunjukkan probabilitas
penerimaan konsumen terhadap produk yang cacat biasanya hanya sekitar 0.1.
Tabel 2.2.1
HASIL KEPUTUSAN
Menerima Kotak Menolak Kotak
AQL Keputusan Tepat
Resiko Produsen Kesalahan Tipe I
(α )
MUTU
LTPD
Resiko Konsumen Kesalahan Tipe II
(β)
Keputusan Tepat
3. Sampling Tunggal
Dalam pemeriksaan penerimaan, produk yang cacat didefinisikan sebagai
produk yang tidak memenuhi spesifikasi dalam satu atau lebih karakteristik mutu.
Suatu prosedur umum dalam sampling penerimaan adalah mempertimbangkan
setiap kotak yang diserahkan secara terpisah dan mengambil keputusan tentang
dipilih secara random dari kotak tersebut. Jika keputusan selalu dibuat
berdasarkan bukti satu sampel saja, maka pola penerimaan itu disebut sampling tunggal.
Setiap pola sistematik untuk sampling tunggal mensyaratkan adanya tiga
bilangan yang ditentukan, yaitu ukuran kotak N dari mana sampel itu ditarik,
ukuran sampel n yang dipilih secara random, dan bilangan penerimaan c.
Bilangan penerimaan adalah jumlah maksimum produk cacat yang diperbolehkan
ada dalam sampel. Lebih dari c yang cacat akan menyebabkan penolakan kotak.
Andaikan sebuah kotak berukuran N telah diserahkan untuk pemeriksaan.
Jadi, jika ukuran kotak = 10.000 maka perencanaan sampling
n = 89
c = 2
berarti bahwa dari kotak berukuran 10.000 dan ukuran sampel n = 89 unit
produksi diperiksa dan diamati banyak produk cacat d. Jika banyak produk cacat d
kurang dari atau sama dengan 2, kotak akan diterima. Sebaliknya, jika banyak
produk cacat d lebih besar dari 2, kotak akan ditolak.
Andaikan kotak N adalah besar (secara teoritis tak berhingga). Sampel
random berukuran n diambil dari kotak berukuran N. Dalam keadaan ini,
distribusi banyak cacat d dalam suatu sampel random dengan n unit adalah
binomial dengan parameter n dan p, dimana p adalah bagian unit yang cacat di
dalam kotak itu. Probabilitas akan mengamati tepat cacat d adalah :
P[d cacat] =
( )
(
)
pd(
p)
n d dn d
n d
f − −
−
= 1
! !
!
Probabilitas akan menerima
( )
Pa sama dengan probabilitas bahwa d lebih kecilatau sama dengan bilangan penerimaan c, sehingga diperoleh :
(
)
(
)
(
)
∑
= − − − = ≤ = c d d n da p p
d n d n c d P P 0 1 ! ! ! (2.2.2)
Rumus (2.2.2) berlaku untuk setiap bagian cacat p. Untuk p0,1−α, p1,β
tertentu, maka dengan menganggap bahwa sampling binomial sesuai, ukuran
sampel n , banyak cacat yang ditemukan d dan bilangan penerimaan c adalah
penyelesaian dari :
(
)
d(
)
n dc d p p d n d n − = − − =
−
∑
0 00
1 ! !
!
1 α (2.2.3)
(
)
d(
)
n dc d p p d n d n − = − −
=
∑
1 10
1 ! !
!
β (2.2.4)
Misal bagian cacat p = 0.01, ukuran sampel = 89, dan bilangan penerimaan c = 2,
maka probabilitas penerimaannya adalah :
(
)
∑
(
) (
) (
)
= − − − = ≤ = 2 0 89 01 . 0 1 01 . 0 ! 89 ! ! 89 2 d d d a d d d P P(
) (
0)
89(
) (
1)
88(
) (
2)
8799 . 0 01 . 0 ! 89 ! 2 ! 89 99 . 0 01 . 0 ! 89 ! 1 ! 89 99 . 0 01 . 0 ! 89 ! 0 ! 89 + + = 1633 . 0 3675 . 0 4088 .
0 + +
=
9397 . 0
=
Ini berarti bahwa jika 100 kotak dari suatu proses menghasilkan 1% produk yang
4. Sampling Rangkap Dua
Jika penarikan sampling tunggal memerlukan keputusan mengenai
penerimaan atau penolakan kotak berdasarkan bukti satu kali pengambilan sampel
dari kotak itu, maka penarikan sampel rangkap dua menyertakan kemungkinan
menunda keputusan mengenai kotak tersebut hingga ditariknya sampel kedua.
Perencanaan sampling rangkap dua ini dibatasi pada dua syarat, yaitu bila
besarnya sampel pertama sama dengan sampel pertama
(
n1 =n2)
atau besarnyasampel kedua sama dengan dua kali besarnya sampel pertama
(
n2 =2n1)
. Untukmembuat perencanaan terhadap jumlah sampel tersebut digunakan Tabel Grubbs
yang terdapat pada lampiran C.
Suatu kotak dapat diterima sekaligus jika sampel pertama cukup baik atau
ditolak sama sekali jika sampel pertama tidak cukup baik. Jika sampel pertama
tidak cukup baik atau tidak buruk, maka keputusan didasarkan pada bukti
gabungan sampel pertama dan kedua.
Secara umum, sampling rangkap dua akan menyertakan lebih sedikit jumlah
pemeriksaan daripada sampling tunggal untuk setiap perlindungan mutu yang
dibutuhkan. Perencanaan sampling rangkap dua mempunyai
keunggulan-keunggulan psikologis tertentu karena memberikan peluang kedua kepada
kotak-kotak yang meragukan. Perencanaan sampling rangkap dua didefinisikan dengan
enam parameter, yaitu
• c1 = bilangan penerimaan pada sampel pertama, jumlah maksimum
cacat yang akan membolehkan penerimaan kotak berdasarkan sampel
pertama.
• d1 = banyak cacat yang ditemukan pada sampel pertama. • n2 = ukuran sampel kedua.
• c2 = bilangan penerimaan untuk kedua sampel yang digabungkan,
yaitu jumlah maksimum cacat yang akan membolehkan penerimaan kotak
berdasarkan kedua sampel.
• d2 = banyak cacat yang ditemukan pada sampel kedua.
• n1+n2 = ukuran sampel gabungan sampel pertama dan sampel kedua. • d1+d2= banyak cacat yang ditemukan pada gabungan sampel.
Misal N = 1000, n1 = 36, c1= 0, n2= 59, dan c2= 3 maka :
• Sampel random pertama dengan ukuran n1 = 36 produk diambil dan
diperiksa dari kotak berukuran 1000.
• Kotak tersebut akan diterima berdasarkan sampel pertama jika sampel
tidak ada yang cacat
(
d1 ≤c1)
.• Kotak tersebut akan ditolak berdasarkan sampel pertama jika sampel
berisi lebih dari 3 produk yang cacat
(
d1 >c2)
.• Sampel random kedua dengan ukuran n2= 59 unit jika sampel pertama
• Kotak tersebut akan diterima berdasarkan sampel gabungan berukuran
95 2 1+n =
n produk jika sampel gabungan berisi 3 atau kurang produk yang cacat
(
d1+d2 ≤c2)
.• Kotak tersebut akan ditolak berdasarkan sampel gabungan jika sampel
gabungan berisi lebih dari 3 produk yang cacat
(
d1+d2 >c2)
.Skema perencanaan sampling rangkap dua dilukiskan pada gambar dibawah ini.
Keunggulan utama sampling rangkap dua terhadap sampling tunggal adalah
sampling rangkap dua dapat mengurangi banyak keseluruhan pemeriksaan yang Periksa sampel pertama n1
Jika ditemukan cacat d1 pada sampel pertama
2 1 1 d c c < ≤
Periksa sampel kedua n2
Jika ditemukan cacat d1 +d2
pada sampel gabungan n1+n2
2 2 1 d c
d + ≤ d1+d2 >c2
2 1 c d > 1
1 c d ≤
Terima kotak Tolak kotak
diperlukan. Andaikan sampel pertama yang diambil dalam sampling rangkap dua
lebih kecil dari sampel yang diperlukan dalam sampling tunggal yang
memberikan perlindungan sama kepada konsumen maka dalam semua keadaan
kotak ditolak ataupun diterima pada sampel pertama, biaya sampling rangkap dua
lebih rendah dari sampling tunggal.
Jika Pa menunjukkan probabilitas penerimaan pada sampel gabungan, dan
( )
1 aP dan Pa
( )
2 masing-masing menunjukkan probabilitas penerimaan padapenarikan sampel pertama dan kedua, maka
( )
1 a( )
2 aa P P
P = + (2.2.5)
Misal n1 = 50, c1 = 1, n2= 100, dan c2= 3, maka probabilitas
( )
Pa' bahwa akan diamati d1 ≤c1= 1 cacat dari sampel random dengan n1= 50 adalah( )
∑
(
)
(
)
=
− − −
= 1 0
50
1 1
1
1 1 1
! 50 !
! 50 1
d
d d
a p p
d d
P
Jika bagian cacat p = 0.05 maka
( )
∑
(
) (
) (
)
=
− −
− = 1
0
50
1 1
1
1 1
05 . 0 1 05 . 0 ! 50 !
! 50 1
d
d d
a
d d
P
Untuk memperoleh probabilitas penerimaan pada sampel kedua Pa
( )
2 makaharus dijabarkan banyak cara sampel ked