Rencana

Penerimaan Sampel (Acceptance Sampling)

untuk Data Atribut
13 Pengendalian Kualitas

Debrina Puspita Andriani

Teknik Industri
Universitas Brawijaya
e-Mail : debrina@ub.ac.id
Blog : hDp://debrina.lecture.ub.ac.id/
 2

Outline
Rencana Penerimaan Sampel (Acceptance Sampling) untuk Data Atribut

www.debrina.lecture.ub.ac.id 05/11/14
 3

Berkaitan dengan pemeriksaan dan

pengambilan keputusan tentang
produk :
yang datang (dari supplier)
yang dihasilkan perusahaan

Dapat dilakukan untuk data atribut dan

data variabel
Data atribut mengklasikasikan
produk terkait produk baik dan produk
cacat

Pengantar Data variabel karakterisOk kualitas

ditunjukkan dalam seOap sampel
dilakukan penghitungan rata-rata
Acceptance sampel dan deviasi standar sampel. Bila
rata-rata sampel berada di luar
Sampling (AS) jangkauan penerimaan, maka produk
tersebut akan ditolak
www.debrina.lecture.ub.ac.id 05/11/14
 4

Keuntungan dan Kerugian Sampling

Keuntungan Kerugian
Lebih murah Adanya risiko menerima produk
cacat atau menolak produk baik
Dapat meminimalkan
Sedikitnya informasi mengenai
kerusakan produk

Dapat memoOvasi pemasok Membutuhkan perencanaan dan

bila ada penolakan bahan pendokumentasian prosedur
pengambilan sampel
baku
Tidak adanya jaminan mengenai
sejumlah produk tertentu yang
akan memenuhi spesikasi

www.debrina.lecture.ub.ac.id 05/11/14
 5

Pengujian yang dapat Biaya inspeksi yang

merusakkan produk sangat Onggi

Pemasok memiliki
100% inspeksi yang kinerja yang baik tetapi
dilakukan memerlukan beberapa Ondakan
waktu yang lama pengecekan tetap
harus dilaksanakan

Merupakan
Pertimbangan tanggungjawab
Biaya untuk inspeksi
perusahaan terhadap
dilakukannya produk yang
100% Onggi
Acceptance Sampling (AS) dihasilkannya

www.debrina.lecture.ub.ac.id 05/11/14
 6

Sebelum oleh produsen

pengiriman (the producer
produk
akhir ke test the lot for
pelanggan outgoing quality)

Setelah oleh konsumen

pengiriman (the consumer
produk
DUA JENIS akhir ke test the lot for
PENGUJIAN pelanggan incoming quality)
Acceptance Sampling (AS)

www.debrina.lecture.ub.ac.id 05/11/14
 7

Homogen : Diproduksi oleh mesin yang

sama, operator yang sama, bahan baku
umum, kira-kira waktu yang sama
pengujian menjadi lebih tepat

Lot besar lebih baik daripada

lot kecil lebih ekonomis

Pertimbangan
sebelum dilakukan
sampling Acak semua produk yang ada
(inspeksi) mempunyai kesempatan yang sama
Acceptance Sampling (AS)
untuk dipilih sebagai sampel (Odak
terjadi bias)
www.debrina.lecture.ub.ac.id 05/11/14
 8

Sampel Sampel
Tunggal Ganda

Merencanakan Kebutuhan Sampel

Secara Manual
www.debrina.lecture.ub.ac.id 05/11/14
 9

1. Sampel Tunggal (single sampling)

Satu sampel diambil dari lot dan diputuskan

untuk menerima atau menolak lot dasarkan
hasil inspeksi sampel tersebut. Didefinisikan,
ukuran lot N, ukuran sampel n dan jumlah
penerimaan c.

Contoh:
N = 9000 n = 300 c = 2, artinya:
lot dengan ukuran 9000 unit, harus diinspeksi
sebanyak 300 unit.
Teknik Jika dari 300 unit tersebut terdapat dua
Pengambilan unit atau kurang yang tidak sesuai,
maka lot tersebut diterima.
Sampel Jika dari 300 unit tersebut terdapat tiga
Acceptance Sampling (AS) unit atau lebih yang tidak sesuai, maka
lot tersebut ditolak.
www.debrina.lecture.ub.ac.id 05/11/14
 10

2. Sampel Ganda (double sampling)

Pada rencana sampel ganda, keputusan

terhadap hasil inspeksi dapat berupa:
Menerima lot
Menolak lot
Mengambil sampel berikutnya

Sampel
Kualitas
Lot diterima kedua Odak
Bagus
diperlukan
Teknik
Sampel
Pengambilan Kualitas
Buruk
Lot ditolak kedua Odak
diperlukan
Sampel
Acceptance Sampling (AS) Jika Ongkat kualitas Odak terlalu baik atau Odak
terlalu buruk. Maka diambil sampel ke dua.
www.debrina.lecture.ub.ac.id 05/11/14
 11

2. Sampel Ganda (double sampling)

Rencana sampel ganda didefinisikan

sebagai berikut:
N = ukuran lot
n1 = ukuran sampel pada sampel
pertama
c1 = jumlah penerimaan pada sampel
pertama
r1 = jumlah penolakan untuk sampel
pertama
Teknik n2 = ukuran sampel pada sampel kedua

Pengambilan c2 = jumlah penerimaan untuk kedua

sampel
Sampel r2 = jumlah penolakan untuk kedua
Acceptance Sampling (AS) sampel

www.debrina.lecture.ub.ac.id 05/11/14
 14

AQL LQL
Acceptance Quality Limiting Quality
Level Level
tingkat kualitas tingkat kualitas
menurut produsen menurut konsumen

IQL
Indifference Quality AOQL
Level Average Outgoing
tingkat kualitas Quality Level
diantara AQL dan LQL

Indeks Kualitas
untuk Rencana Penerimaan Sampel

www.debrina.lecture.ub.ac.id 05/11/14
 15

merupakan proporsi maksimum dari

cacat atau kesalahan yang diperbolehkan

merupakan persentase maksimum

keOdaksesuaian atau banyaknya
keOdaksesuaian maksimum seOap 100 unit
produk (ANSI ASQC Z1.4 (1993))

Resiko produsen adalah resiko yang diterima

produsen karena menolak produk yang baik
dalam inspeksinya ()

AQL Acceptance Dengan kata lain, produsen menginginkan

Quality Level probabilitas penerimaan (Pa) dekat dengan 1.
tingkat kualitas Probabilitas kesalahan Ope I (risiko produsen)
menurut produsen =1-Pa, biasanya hanya sekitar 0.05 atau 0.01
dengan nilai AQL mendekaO 0
Indeks Kualitas

www.debrina.lecture.ub.ac.id 05/11/14
 16

Merupakan kualitas keOdakpuasan atau

merupakan Ongkat penolakan, probabilitas
penerimaan LQL harus rendah.

Probabilitas tersebut dikenal dengan risiko

konsumen () atau kesalahan Ope II

Risiko konsumen adalah risiko yang dialami

konsumen karena terpaksa menerima produk
yang cacat atau yang Odak sesuai.

Risiko konsumen merupakan probabilitas akan

menerima produk pada Ongkat LQL.
LQL Limiting
Quality Level Probabilitas kesalahan Ope II =, menunjukkan
tingkat kualitas probabilitas penerimaan konsumen terhadap
produk cacat.
menurut konsumen
Indeks Kualitas LQL sering disebut dengan LTPD lot tolerance
percent defec9ve atau RQL rejectable quality level
www.debrina.lecture.ub.ac.id 05/11/14
 17

Diartikan sebagai tingkat kualitas pada

probabilitas penerimaan 0,5 untuk rencana
sampel tertentu.

Menekankan pada pemasok internal dan

eksternal bahwa semua produk yang
diserahkan untuk diinspeksi diharapkan dapat
memenuhi spesifikasi

IQL Indierence
Quality Level
tingkat kualitas
diantara AQL dan
LQL
Indeks Kualitas

www.debrina.lecture.ub.ac.id 05/11/14
 18

Suatu perkiraan hubungan yang berada

diantara bagian kesalahan pada produk
sebelum inspeksi (incoming quality) atau p
dari bagian sisa kesalahan setelah inspeksi
(outgoing quality)

Apabila incoming quality baik, maka

outgoing quality juga harus baik. Sebaliknya,
bila incoming quality buruk, maka outgoing
quality akan tetap baik (dengan asumsi Odak
ada kesalahan dalam inspeksi)

Incoming quality sangat baik atau sangat

AOQL Average buruk, outgoing quality akan cenderung baik.
Outgoing Diantara kedua OOk tersebut terdapat suatu
Quality Level OOk dimana persentase kesalahan dari
Indeks Kualitas produk yang selesai dibuat (outgoing
material) akan maksimum
www.debrina.lecture.ub.ac.id 05/11/14
 19

Indeks (AQL, AOQL, dsb) yang digunakan untuk

menentukan kualitas harus berdasarkan kebutuhan
konsumen dan produsen
Risiko dalam pengambilan sample harus diketahui
secara kuanOtaOf (kurva OC)

Pemeriksaan harus meminimalkan biaya inspeksi

Perencanaan harus menggunakan pengetahuan

Perencanaan harus eksibel

Pengukuran yang diperlukan dalam perencanaan harus

Karakteristik memberikan informasi yang bermanfaat
Indeks Kualitas
Perencanaan harus sederhana
www.debrina.lecture.ub.ac.id 05/11/14
 20

Kurva OC Kurva AOQ

(Opera9ng (Average Outgoing
Characteris9c Curve) Quality)

Kurva ATI Kurva ASN

(Average Total (Average Sample
Inspec9on Curve) Number Curve)

Pengukuran Untuk Evaluasi

Kinerja Sampel
www.debrina.lecture.ub.ac.id 05/11/14
 21

Kurva Karakteristik Operasi

(Operating Characteristic Curve / OC Curve)
1

www.debrina.lecture.ub.ac.id 05/11/14
 22

Merupakan kurva probabilitas penerimaan

terhadap produk yang dihasilkan. Untuk
menggambarkan kurva ini diperlukan rumus:
Pa=P(dc)
Keterangan:
Pa adalah probabilitas penerimaan
c adalah cacat produk yang disyaratkan
d adalah jumlah cacat yang terjadi

Kurva ini dilakukan dengan mencari hubungan

antara probabilitas penerimaan (Pa) dengan
Operating bagian kesalahan dalam produk yang
Characteristic dihasilkan (p)
(OC) Curve (1)
Pengukuran Untuk Evaluasi
Kinerja Sampel

www.debrina.lecture.ub.ac.id 05/11/14
 23

Rumus Perhitungan

Perhitungan probabilitas penerimaan dapat

digunakan tabel distribusi poisson

Apabila Odak ditemukan probabilitasnya

karena keterbatasan nilai np, maka digunakan
Operating cara interpolasi.
Characteristic
(OC) Curve (2)
Pengukuran Untuk Evaluasi
Kinerja Sampel

www.debrina.lecture.ub.ac.id 05/11/14
 24

Operating
Characteristic
(OC) Curve (3)
Pengukuran Untuk Evaluasi
Kinerja Sampel

www.debrina.lecture.ub.ac.id 05/11/14
 25

Operating
Characteristic
(OC) Curve (4)
Pengukuran Untuk Evaluasi
Kinerja Sampel

www.debrina.lecture.ub.ac.id 05/11/14
 26

Contoh :
Diketahui N = 2000, n = 50, c = 2
Probabilitas
Proporsi Kesalahan np
Penerimaan
0,01 0,5 0,986
0,02 1 0,92
0,03 1,5 0,809
0,04 2 0,677
0,05 2,5 0,544
0,06 3 0,423
0,07 3,5 0,321
0,08 4 0,238
0,09 4,5 0,174
Operating 0,1 5 0,125
Characteristic 0,11 5,5 0,088

(OC) Curve (6) 0,12 6 0,062

0,13 6,5 0,043
Pengukuran Untuk Evaluasi
Kinerja Sampel 0,14 7 0,03
0,15 7,5 0,02
www.debrina.lecture.ub.ac.id 05/11/14
 27

Kurva OC untuk Sampel Tunggal dengan

N = 2000, n = 50, c = 2

Pa
1.2

Pa 0.8

0.6
Pa
0.4

0.2
Operating 0

Characteristic 0 1 2 3 4 5 6 7 8
P
9 10 11 12 13 14 15 16

(OC) Curve (7)

Pengukuran Untuk Evaluasi
Kinerja Sampel

www.debrina.lecture.ub.ac.id 05/11/14
 28

Perencanaan Sampel Ganda

(Double Sampling Plans)
Gambaran mengenai sampel ganda adalah:
1. Ambil sampel yang pertama. Apabila
keputusannya jelas, diterima atau ditolak,
maka proses pengambilan dan pengujian
sampel berhenO.
2. Apabila Odak jelas keputusannya, maka
diambil sampel kedua tanpa ada
pengembalian atau perbaikan dari sampel
yang pertama

Operating
Characteristic
(OC) Curve (6)
Pengukuran Untuk Evaluasi
Kinerja Sampel

www.debrina.lecture.ub.ac.id 05/11/14
 29

Perencanaan Sampel Ganda

(Double Sampling Plans)

Keuntungan
Dapat mengurangi jumlah inspeksi
Memberikan kesempatan kedua kepada
supplier

Kekurangan
Bila inspeksi Odak dengan teliO,
keuntungan ekonomis akan hilang
Pencatatan lebih rumit.

Notasi yang digunakan:

Operating n1 sampel pertama yang diambil
Characteristic n2 sampel kedua yang diambil tanpa ada
pengembalian dari sampel pertama
(OC) Curve (6) c1 cacat yang disyaratkan dari sampel pertama
Pengukuran Untuk Evaluasi c2 cacat yang disyaratkan dari kedua sampel
Kinerja Sampel (sampel pertama dan kedua)

www.debrina.lecture.ub.ac.id 05/11/14
 30

Perencanaan Sampel Ganda

(Double Sampling Plans)
n1=50, c1=1 n2=100, c2=3

Operating
Characteristic
(OC) Curve (6)
Pengukuran Untuk Evaluasi
Kinerja Sampel

www.debrina.lecture.ub.ac.id 05/11/14
 31

Perencanaan Sampel Ganda

(Double Sampling Plans)

P a = probabilitas penerimaan pada

sampel gabungan

P a I = probabilitas penerimaan pada

sampel pertama

P a II = Probabilitas penerimaan pada

sampel kedua

Operating P a = P a I + P a II
Characteristic
(OC) Curve (6)
Pengukuran Untuk Evaluasi
Kinerja Sampel

www.debrina.lecture.ub.ac.id 05/11/14
 32

Perencanaan Sampel Ganda

(Double Sampling Plans)

Contoh :
n1=50 c1=1
n2=100 c2=3

Bila p = 0,05 maka fraksi produk cacat dari lot adalah

Operating
Characteristic
(OC) Curve (6)
Pengukuran Untuk Evaluasi
Kinerja Sampel

www.debrina.lecture.ub.ac.id 05/11/14
 33

Perencanaan Sampel Ganda

(Double Sampling Plans)

Sampel kedua hanya akan diambil bila ada 2

atau 3 yg cacat pada sampel pertama yaitu
bila

1. d1=2 dan d2=0 atau 1. Probabilitas

penerimaan

c1 <d1 c2
Operating
Characteristic
(OC) Curve (6)
Pengukuran Untuk Evaluasi
Kinerja Sampel

www.debrina.lecture.ub.ac.id 05/11/14
 34

Perencanaan Sampel Ganda

(Double Sampling Plans)
2. d1=3 dan d2=0.Probabilitas penerimaan :

3. Probabilitas penerimaan pada sampel

Operating kedua adalah
Characteristic
(OC) Curve (6)
Pengukuran Untuk Evaluasi
Kinerja Sampel

www.debrina.lecture.ub.ac.id 05/11/14
 35

Perencanaan Sampel Ganda

(Double Sampling Plans)
Dengan cara perhitungan yg sama untuk p yang lain, dapat
digambarkan kurva OC sbb :

Operating
Characteristic
(OC) Curve (6)
Pengukuran Untuk Evaluasi
Kinerja Sampel

www.debrina.lecture.ub.ac.id 05/11/14
 36

Perencanaan Sampel Banyak

(Multiple Sampling Plans)
Dilakukan apabila dari hasil pengambilan
sampel kedua masih ditemukan adanya
keraguan dalam informasi, apakah produk
tersebut akan diterima atau akan ditolak.

Operating
Characteristic
(OC) Curve (6)
Pengukuran Untuk Evaluasi
Kinerja Sampel

www.debrina.lecture.ub.ac.id 05/11/14
 37

Kurva Tingkat Kualitas Output Rata-rata

(Average Outgoing Quality Curve / AOQ Curve)
2

www.debrina.lecture.ub.ac.id 05/11/14
 38

Average Outgoing Quality (AOQ)

merupakan salah satu teknik evaluasi
untuk memperbaiki perencanaan
pengambilan sampel.

Untuk membuat kurva AOQ dapat

digunakan tabel kurva OC dengan
menambahkan kolom AOQ.

Pada AOQ diasumsikan bahwa lot

yang ditolak akan diperbaiki atau
ditukar dengan unit yang 100% bagus
Average
Outgoing Quality AOQ diformulasikan sebagai berikut:
(AOQ) Curve (1)
Pengukuran Untuk Evaluasi AOQ = (100p0)(pa)
Kinerja Sampel

www.debrina.lecture.ub.ac.id 05/11/14
 39

Contoh:
Menggunakan contoh yang sama dengan contoh
soal pada kurva OC, maka diperoleh tabel berikut ini:

Analisis kurva :
KeOka incoming Quality memiliki prosentase noncorforming
sebesar 2%, maka persentase nonconforming pada AOQ
sebesar 1.46%.
KeOka incoming quality memiliki persentase nonconforming
sebesar 6%, maka persentase nonconforming pada AOQ sebesar
Average 0.64%
Outgoing Quality Hal tersebut karena dilakukan perbaikan pada lot yang
ditolak, sehingga nilai AOQ selalu lebih baik dari incoming
(AOQ) Curve (2) quality.
Pengukuran Untuk Evaluasi Berdasarkan perhitungan tersebut diperoleh suatu batasan
Kinerja Sampel maksimum yang menunjukkan kemungkinan terburuk rata- rata
kualitas yang dihasilkan, OOk tersebut disebut Average
www.debrina.lecture.ub.ac.id 05/11/14
Outgoing Quality Limit (AOQL)
 41

Kurva Inspeksi Total

(Average Total Inspection Curve / ATI Curve)
3

www.debrina.lecture.ub.ac.id 05/11/14
 42

ATI menunjukkan banyaknya unit yang

diinspeksi oleh konsumen dan produsen.
Teknik ini mengasumsikan bahwa lot yang
dikoreksi, akan diinspeksi 100%.
Jika lot yang datang Odak mengandung unit-unit
yang cacat, maka Odak akan ada lot yang
ditolak, sehingga jumlah inspeksi untuk seOap lot
sebanyak ukuran sampel n.
Jika seluruh unit cacat, maka lot yang datang
akan diinspeksi
100% dan jumlah unit yang akan diperiksa
sebanyak ukuran lot N.
Jika kualitas lot berada pada 0 < P < 1, maka
rata-rata jumlah unit yang diinspeksi akan
Average Total bervariasi antara n hingga N.
Formulasi ATI untuk single sampling
Inspection (ATI)
Curve (1) ATI = n + (1 - Pa)(N n)
Pengukuran Untuk Evaluasi
Kinerja Sampel

www.debrina.lecture.ub.ac.id 05/11/14
 44

Berdasarkan kurva, keOka kualitas proses mendekaO

0% untuk nonconforming, maka rata-rata jumlah
yang diinspeksi mendekaO ukuran sampel n. keOka
kualitas proses sangat buruk, misalnya, 9%
nonconforming, maka akan banyak lot yang akan
ditolak. Bentuk kurva ATI akan membentuk asimtot.

KeOka persentasi nonconforming meningkat, kurva

akan didominasi oleh jumlah yang diinspeksi
produsen.

Berdasarkan kurva, keOka kualitas proses mendekaO

0% untuk nonconforming, maka rata-rata jumlah
yang diinspeksi mendekaO ukuran sampel n. keOka
kualitas proses sangat buruk, misalnya, 9%
Average Total nonconcorming, maka akan banyak lot yang akan
ditolak. Bentuk kurva ATI akan membentuk asimtot.
Inspection (ATI)
Curve (3) KeOka persentasi nonconforming meningkat, kurva
Pengukuran Untuk Evaluasi akan didominasi oleh jumlah yang diinspeksi
Kinerja Sampel produsen.

www.debrina.lecture.ub.ac.id 05/11/14
 45

Banyaknya Sampel Rata-rata

(Average Sample Number Curve / ASN Curve)
4

www.debrina.lecture.ub.ac.id 05/11/14
 46

ASN adalah rata-rata banyaknya unit

yang diuji untuk membuat suatu
keputusan
Asumsinya inspeksi Odak hanya
dibatasi pada sample tunggal
Contoh
Jika terdapat 3 kesalahan setelah 20 unit
untuk diinspeksi dengan perencanaan
sample tunggal dimana N = 800, n= 60
dan c=2, meskipun keputusan diambil
Average Sample setelah unit inspeksi ke 20 untuk menolak
Number (ASN) produk tersebut bagaimana Ondakan kita
Curve selanjutnya?
Pengukuran Untuk Evaluasi
Kinerja Sampel

www.debrina.lecture.ub.ac.id 05/11/14
 47

Untuk sample tunggal maka ukuran jumlah sample

rata-rata adalah sama dengan ukuran sample

Untuk sample ganda jumlah sample rata-rata

dirumuskan dengan:

ASN = n1P1 + (n1 + n2)(1 P1)

= n1 + n2(1 P1)

dimana:
P1 = PaI + PrI
PaI = probabilitas lot diterima pada sampel
pertama
PrI = probabilitas lot ditolak pada sampel pertama
Average Sample P1 = probabilitas yg digunakan untuk membuat
keputusan l lot pada sampel pertama
Number (ASN) P1 = P(produk yang diterima pada sample
Curve pertama)+P(produk yang ditolak pada sample
Pengukuran Untuk Evaluasi
pertama)
Kinerja Sampel = P(dc1)+P(dr1)

www.debrina.lecture.ub.ac.id 05/11/14
 48

Contoh Studi Kasus

Diketahui
N = 3000
n1 = 40 c1 = 1 r1 = 4
n2 = 80 c2 = 3 r2 = 4

Misal nilai proporsi kerusakan 0,02 maka

tentukan nilai ASN?
Jawab: P1 = P(dc1)+P(dr1)
P1 = P(d1|n1p=40(0,02))+P(x4|n1p=40(0,02))
P1 = P(d1|n1p=0,8)+P(x4|n1p=0,8))

Average Sample P1 = 0,808+(1-0,991)

P1 = 0,817
Number (ASN)
Curve ASN = n1+n2(1-P1)
Pengukuran Untuk Evaluasi ASN = 40+80(1-0,817)
Kinerja Sampel ASN = 54,64

www.debrina.lecture.ub.ac.id 05/11/14

 49

Contoh Studi Kasus

Dari studi kasus sebelumnya, dengan menggunakan
trial and error, diketahui nilai proporsi kesalahan
sehingga dapat digambarkan kurvanya yaitu:

proporsi Probabilitas penerimaan Banyaknya sample rata-rata

0.01 0.939 44.88
0.02 0.818 54.56
0.03 0.697 64.24
0.04 0.604 71.68
0.05 0.549 76.08
0.06 0.529 77.68
0.07 0.539 76.88
0.08 0.568 74.58
0.09 0.61 71.2
Average Sample 0.1 0.671 66.32
Number (ASN) 0.11 0.712 63.04
0.12 0.753 59.76
Curve 0.13 0.794 56.48
Pengukuran Untuk Evaluasi 0.14 0.83 53.6
Kinerja Sampel 0.15 0.866 50.72
www.debrina.lecture.ub.ac.id 05/11/14
 50

Contoh Studi Kasus

ASN
90
80
70
60
50
40 ASN
30
20
10
0
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14 0.16

Average Sample
Number (ASN)
Curve
Pengukuran Untuk Evaluasi
Kinerja Sampel

www.debrina.lecture.ub.ac.id 05/11/14