SAMPLING VARIABEL.

Presentasi berjudul: "SAMPLING VARIABEL."— Transcript presentasi:

1 SAMPLING VARIABEL

2 Overview Variabel = data hasil pengukuran Ada 2 tipe :
1. Sampling variabel untuk pengendalian harga rata-rata proses 2. Sampling variabel untuk pengendalian proporsi produk yg tdk memenuhi syarat

3 Overview Persyaratan (dan) ciri data variabel :
Mengikuti distribusi normal. Data variabel : dpt dijadikan data atribut dgn menentukan batas2 pengelompokkan (tetapi data atribut tdk bs dijadikan data variabel).

4 Overview Kelebihan sampling variabel daripada sampling atribut :
n lebih kecil u/ kondisi , , AQL, LQL yg sama. Memberikan informasi yg lebih lengkap.(bukan hanya memenuhi syarat atau tidak, tetapi juga seberapa jauh keadaannya dr persyaratan) Dapat memebrikan indikasi dimana perbaikan mutu dapat/perlu dilakukan.

5 Overview Kelemahan sampling variabel daripada sampling atribut :
Untuk setiap karakteristik mutu dierlukan rencana sampling tersendiri. Alat/sarana/biaya dapat lebih tinggi. Dierlukan taksiran kondisi populasi (kenormalan, taksiran )

6 Overview Sampling variabel untuk pengendalian harga rata-rata proses :
 diketahui, batas persyaratan satu sisi.  diketahui, batas dua sisi.  tidak diketahui, Sampling variabel untuk pengendalian proporsi yg tdk sesuai :  diketahui, batas persyaratan dua sisi.

7 Sampling variable rata-rata proses
Tergantung jenis variabelnya Misal : kekuatan tali panjat tebing, bila dibawah bilangan penerimaan, tolak. Contoh lain : kadar impuritas pd kejernihan air, bila diatas bilangan penerimaan, tolak.

8 Sampling variable rata-rata proses ( diketahui, batas persyaratan satu sisi.)
2 parameter : ukuran sampel (n) & batas penerimaan ( ). Permasalahan : menentukan n dan , sehingga pd AQL = X1 kemungkinan penolakan = (1-), dan pada LTPD (LQL) = X2, kemungkinan penerimaan =  Diketahui : , , , , dicari n dan X1 = Good Average Quality X2 = Poor Average Quality Z  = luasan daerah  Z  = luasan daerah 

9 Sampling variable rata-rata proses ( diketahui, batas persyaratan satu sisi.)
Lihat gambar Mitra hal 481

10 Sampling variable rata-rata proses ( diketahui, batas persyaratan satu sisi.)
Prosedur : Ambil sampel n buah dari lot secara acak, ukur. Hitung harga rata-rata Untuk batas bawah, bila , terima lot Gambar kurva, rumus Contoh : Mitra hal 482

11 Sampling variable rata-rata proses ( diketahui, batas persyaratan dua sisi.)
Permasalahan : menentukan n dan xla, xua sehingga pd AQL = X1 kemungkinan penolakan pada ke-2 sisi = 1-, dan pada LTPD bawah (x2l)maupun atas (x2u) kemungkinan penerimaan masing-masing adl =  Lihat Gambar Mitra hal 483 Diketahui X1, , x2, x2u, , dicari : n, xla, xua

12 Sampling variable rata-rata proses ( diketahui, batas persyaratan dua sisi.)
Prosedur : Ambil sampel n buah dari lot secara acak, ukur. Hitung harga rata-rata , Bila terima lot, lainnya tolak lot Rumus : Mitra 483 Contoh : Mitra hal 483

13 Sampling variable rata-rata proses ( tdk diketahui, batas persyaratan satu sisi.)
Menggunakan standar deviasi sampel dan statistik t. Karena n tdk diketahui (malah justru harus dicari), maka t tdk dpt dipakai. Diperlukan taksiran standar deviasi populasi : Kemudian dilakukan koreksi dgn grafik Pa vs , dimana Contoh : Mitra, hal 485

14 Sampling variable proporsi tdk memenuhi syarat ( diketahui, batas persyaratan satu sisi.)
P1 = proporsi yg jelek dlm lot yg bagus.  = probability menolak lot yg bagus. P2 = proporsi yg jelek dlm lot yg jelek.  = probability menolak lot yg jelek 1 = Rata-rata P1 2 = Rata-rata P2 Z1 = deviasi standar normal lot bagus Z2 = deviasi standar normal lot jelek

15 Sampling variable proporsi tdk memenuhi syarat ( diketahui, batas persyaratan satu sisi.)

16 Sampling variable proporsi tdk memenuhi syarat ( diketahui, batas persyaratan satu sisi.)
Dengan standar : Mil-STD-414 Rencana samling didasarkan pada AQL Dasar : karakteristik mutu mengikuti distribusi normal 3 tipe pemeriksaan : normal, ketat, longgar Aturan penggunaan & perindahan sama MIL-STD-150D Tingkat pemeriksaan : S-3, S-4, I, II, III Dpt u/ spesifikasi 1 sisi maupun 2 sisi Ada 2 macam cara dlm pengambilan keputusan: metode K (form 1), metode M (form 2)

17 Sampling variable proporsi tdk memenuhi syarat ( diketahui, batas persyaratan satu sisi.)
Metode K (form 1) : Menggunakan k : jarak kritis antara rata-rata proses dgn batas spesifikasi. Tabel K (form 1) Hanya untuk batas spesifikasi satu sisi. Metode M (form 2) : Menggunakan taksiran proporsi yg tdk memenuhi spesifikasi Tabel M Untuk batas spesifikasi satu sisi maupun dua sisi.

18 Sampling variable proporsi tdk memenuhi syarat ( diketahui, batas persyaratan satu sisi.)
Metode K (form 1) dan metode M (form2) Form 1 (metode K) : simpangan ZL atau Zu , dibandingkan dgn harga kritis k.

19 Sampling variable proporsi tdk memenuhi syarat ( diketahui, batas persyaratan satu sisi.)
Form 2 (metode M) : Dicari QL dan QU dari ZL dan ZU,sebagai “unbiased minimum variance”, dimana : Kemudian dicari (luas daerah pada distribusi normal standar diluar QL atau QU Bila ≥ M, lot ditolak.

20 Sampling variable proporsi tdk memenuhi syarat ( diketahui, batas persyaratan satu sisi.)
Prosedur metode K : Tentukan AQL (tabel 10-33) Tentukan kode huruf (tabel 10-34) Cari n, k (tabel 10-35, 10-36) Periksa n sampel, hitung , s, ZL, ZU Bila ZL atau ZU ≥ k, terima lot

21 Sampling variable proporsi tdk memenuhi syarat
Prosedur Metode M (form 2) (untuk batas satu sisi maupun dua sisi dgn AQL yg sama) Tentukan AQL (tabel 10-33) Tentukan kode huruf (tabel 10-34) Cari n, M (tabel 10-37, 10-38) Periksa n sampel, hitung , s, QL, QU (U & L ditentukan) Cari dari tabel 10-39 Batas satu sisi : Bila Batas dua sisi : hitung bila

22 Sampling variable proporsi tdk memenuhi syarat
Prosedur Metode M (form 2) (untuk batas dua sisi dgn AQL yg tidak sama) Tentukan AQL u/ masing2 sisi (tabel 10-33) Tentukan kode huruf (tabel 10-34) Cari n, ML, MU (tabel 10-37, 10-38) Periksa n sampel, hitung , s, QL, QU (U & L ditentukan) Cari dari tabel 10-39 Hitung bila Semuanya dipenuhi, maka terima lot