Anom Yudistira, E-mail: anom1392@lecturer.binus.ac.id Acceptance Sampling Anom Yudistira, E-mail: anom1392@lecturer.binus.ac.id .

Presentasi berjudul: "Anom Yudistira, E-mail: anom1392@lecturer.binus.ac.id Acceptance Sampling Anom Yudistira, E-mail: anom1392@lecturer.binus.ac.id ."— Transcript presentasi:

1 Anom Yudistira, E-mail: anom1392@lecturer.binus.ac.id
Acceptance Sampling Anom Yudistira, .

2 Sampling Penerimaan (Acceptance Sampling)
Sampling Penerimaan digunakan untuk memutuskan apakah menerima atau menolak suatu lot material yang telah selesai diproduksi Suatu lot adalah sejumlah produk yang diakumulasikan dibawah kondisi yang sama. Misalnya satu shift produksi dari sebuah mesin dapat dipandang sebagai satu lot Sampling penerimaan –tidak seperti SPC-, melibatkan lini akhir (end-of-line) dari pemeriksaan .

3 Mengapa Tidak Dilakukan Pemeriksaan 100%
Montgomery memberikan 6 alasan mengapa pemeriksaan 100% tidak praktis Bila pengujian bersifat merusak Bila biaya pemeriksaan terlalu mahal Bila keterbatasan waktu dan teknologi sebagai kendala Bila ukuran lot terlalu besar dan peluang kesalahan pemeriksaan tinggi Bila riwayat kualitas pemasok cukup baik, sehingga memberikan alasan untuk memeriksa kurang dari 100% Bila risiko kerugian potensial cukup tinggi, sehingga perlu melakukan pemantauan secara terus menerus

4 Sampling Penerimaan vs SPC
SPC lebih disukai dari pada sampling penerimaan karena memberikan pemantauan langsung terhadap proses Sampling penerimaan mengabaikan proses, ia hanya terfokus pada output setelah selesai diproduksi Dalam sistem kualitas modern sampling penerimaan mempunyai tempat tersendiri

5 Keterpaduan Antara SPC & Sampling Penerimaan

6 Populasi vs. Sampel Sebuah lot dapat dipandang sebagai suatu populasi dalam sampling penerimaan

7 Populasi vs. Sampel Sebuah sampel adalah himpunan bagian dari populasi

8 Populasi vs. Sampel Keputusan-keputusan yang dibuat untuk lot (diterima atau ditolak) didasari oleh sampel

9 Sampel Acak Sederhana Perencanaan sampel itu harus sahih secara statistik, sampel mesti dipilih secara acak dari populasi

10 Penggunaan Tabel Angka Acak untuk Memilih Sampel

11 Sampel Acak Berstrata (Stratified Random Sample)
Bila mana populasi berisi campuran lebih dari satu unsur, maka sampling acak berstrata adalah cara yang lebih baik agar sampel benar-benar mewakili populasi

12 Sampel Acak Berstrata (Stratified Random Sample)

13 Sistematik Sampling Sistematik sampling adalah suatu cara pemilihan sampel, yang bersesuaian dengan suatu rencana atau jadwal yang teratur Pada kasus, ini setiap item ketiga dipilih secara sistematis

14 Sampling Bergerombol (Cluster Sampling)

15 Kesalahan (error) Tipe 1 dan 2
Karena keputusan mengenai lot ini didasari dari sampel, maka ada peluang membuat kekeliruan dalam memutuskannya. Keliru menolak suatu lot padahal semestinya diterima, disebut dengan kesalahan tipe 1 atau . Risiko membuat kesalahan tipe 1 ini disebut dengan risiko produsen Keliru menerima suatu lot padahal semestinya ditolak, disebut dengan kesalahan tipe 2 atau . Risiko membuat kesalahan tipe 2 ini disebut dengan risiko konsumen

16 Kesalahan (error) Tipe 1 dan 2
Jika perencanaan sampling yang digunakan sahih secara statistik, maka kesalahan tipe 1 dan 2 ini dapat diduga Pada sampling penerimaan digunakan kurva operating characteristic atau OC untuk menduga peluang membuat kesalahan tipe 1 dan 2 Setiap rencana sampling mempunyai kurva OC yang khas yang ditentukan oleh besarnya ukuran sampel n, dan angka penerimaan c.

17 Kurva OC Persen Kecacatan (percentage defective) disimbolkan dengan p’ adalah rasio antara banyaknya bahan yang cacat dalam suatu lot terhadap keseluruhan bahan pada lot tersebut. Tingkat Kualitas yang Diterima (acceptable quality level, AQL) adalah maksimum persen kecacatan yang masih dapat diterima sebagai suatu rata-rata proses. AQL ditetapkan produsen Persen kecacatan dalam suatu lot yang ditoleransi (lot tolerance percentage defective, LTPD) adalah batas proporsi kecacatan yang masih ditoleransi oleh konsumen. Proporsi pada atau dibawah LTPD tidak dapat diterima.

18 Kurva OC Peluang penerimaan sebuah lot bahan, disimbolkan dengan pa, adalah peluang suatu sampel yang diperiksa memenuhi standar kualitas tertentu Perencanaan Sampling Tunggal (single sampling plan), dimana ukuran lot (N) adalah besar yang berasal dari proses yang secara teoritis tak pernah berakhir dan menyebar menurut sebaran binomial

19 Kurva OC Pada perencanaan sampling ini sebuah sampel berukuran n diambil dari lot terse-but dan digunakan untuk memutuskan lot. Peluang diterimanya lot (pa)adalah sama dengan peluang banyaknya cacat (d) yang dijumpai pada sampel kurang dari angka penerimaan (c), dan ini tergantung pada persen kecacatan yang sebenarnya pada lot (p’). Kurva OC memplot hubungan antara pa dan p’ ini.

20 Kurva OC

21 Kurva OC

22 Kurva OC Bentuk kurva OC ditentukan oleh nilai n dan c. Semakin besar ukuran sampel (n) sedangkan angka penerimaan (c) dijaga tetap proporsional, maka kurva OC semakin mendekati keadaan ideal (lihat gambar kurva OC keadaan ideal). Hal ini menunjukkan semakin besarnya daya pendiskriminasian untuk diterima atau ditolaknya suatu lot.

23 Peluang Sampling Tujuan perencanaan sampling adalah menentukan peluang diterimanya suatu lot pada berbagai tingkat kualitas Berapakah peluang menerima sebuah lot yang seharusnya ditolak? Berapakah peluang menolak sebuah lot yang seharusnya diterima? Berapakah peluang menerima sebuah lot yang memang seharusnya diterima? Karena sampling plan mencerminkan banyaknya cacat per sampel (lot), maka sebaran peluang poisson adalah yang tepat dalam menghitungnya

24 Teladan: Peluang Sampling
Gunakan sebaran peluang poisson untuk menentukan peluang mendapatkan tepat 3 bahan cacat dari sebuah sampel yang berukuran 80, jika sampel tersebut diambil dari lot yang mengandung 4 persen kecacatan.

25 Teladan: Peluang Sampling
Hitunglah peluang diterimanya sebuah lot (Pa) yang berisi 5 persen kecacatan menggunakan perencanaan sampling tunggal yang mana n=100 dan c=4? Sampling penerimaan Pa diperoleh sebagai berikut Pa = P(0) + P(1) + P(2) + P(3) +P(4), dimana P(x) dicari dengan cara yang sama seperti sebelumnya, dimana np’= (100)(0,05) = 5. Jadi diperoleh Pa = 0,440 atau ada 44% peluang menerima suatu lot dengan proporsi kecacatan 5%. Bila persen kecacatan berubah Pa juga berubah, kurva OC memplot hubungan ini

26 Teladan: Peluang Sampling lanjutan
Gambarlah kurva OC untuk perencanaan sampling sampel tunggal yang mana n = 150 dan c = 5. p’ np’ Pa 0,00 0,0 1,000 0,02 3,0 0,916 0,03 4,5 0,703 0,04 6,0 0,446 0,05 7,5 0,242 0,06 9,0 0,116 0,07 10,5 0,050 0,10 15,0 0,003

27 Teladan: Peluang Sampling

28 Perencanaan Sampling Sampel Tunggal
Ambil sampel berukuran n Ket: d = banyaknya cacat yang dijumpai pada sampel c = angka penerimaan Ya Terima Lot d  c Tolak Lot

29 Teladan: perencanaan sampling sampel tunggal
Buatlah perencanaan sampling sampel tunggal yang memenuhi kondisi berikut, AQL= 0,02 LTPD = 0,06  = 0,10 dan  = 0,10 Masalah yang dihadapi adalah menentukan besarnya n dan c Dilakukan dengan cara coba-coba (trial & error), nilai n dan c yang kemudian diperoleh adalah suatu nilai pendekatan yang terbaik Untuk membantu menyelesaikan masalah ini sebaiknya menggunakan tabel I (tabel sebaran poisson)

30 Teladan: perencanaan sampling sampel tunggal
Sebelum trial & error dilakukan hitung terlebih dahulu Peluang merima lot yg seharusnya diterima 1- = 0,90 Rasio LTPD thd AQL  LTPD/AQL=0,06/0,02 = 3 Coba untuk c=1, diperoleh np’=n(AQL) yang terdekat adalah antara 0,5 dan 0,55 yang bersesuaian terhadap Pa= 1- = 0,90, dengan interpolasi diperoleh n(AQL)=0,53 nLTPD=(3)nAQL=(3)(0,53)=1,59. Nilai  yang bersesuaian dg nLTPD=1,59 dan c=1 adalah 0,528, ternyata nilai ini jauh dari nilai =0,10.

31 Teladan: perencanaan sampling sampel tunggal
Dicobakan lagi untuk nilai c yang lain. Dengan cara yg sama untuk nilai c=4 diperoleh: nAQL=2,43 nLTPD=7,29 =0,149 Untuk c=5 diperoleh nAQL=3,15 nLTPD=9,45 dan =0,092, nilai  untuk uji coba terakhir ini nilainya paling dekat dengan =0,10. Jadi dipilih c=5, sedangkan nilai n diperoleh nAQL = n(0,02) = 3,15  n = 157 atau nLTPD = n(0,06) = 9,45  n = 157

32 Perencanaan Sampling Sampel Ganda dua (double sample sampling plan)
Tolak Lot Ambil sampel n1 ya tidak d1c1 d1>c2 d1+d2  c2 Ambil sampel n2 tidak tidak ya ya Terima Lot d1 = banyaknya cacat pada sampel n1 d2 = banyaknya cacat pada sampel n2

33 Perencanaan Sampling Sampel Ganda dua (double sample sampling plan)
Prosedur pengambilan keputusan untuk double sampling plan, bila diketahui n1=100, n2=75, c1=2, c2=4 Pertama ambil sampel acak berukuran 100, jika ada 0, 1 atau 2 saja yg cacat pada sampel ini, maka lot diterima. Jika ada 5 atau lebih cacat maka lot ditolak. Jika 3 atau 4 yg cacat, maka masih dapat diterima jika ditemukan 1 atau 0 berturut-turut pada pengambilan sampel kedua yg berukuran 75, selain itu ditolak

34 Perencanaan Sampling Sampel Ganda dua (double sample sampling plan)
Suatu perencanaan sampling sampel ganda dua yg mana n1=25, n2=25, c1=2 dan c2=5. Carilah peluang diterimanya lot jika terdapat 4% item yg cacat pada lot itu Misal Pa1 adalah peluang penerimaan lot yang didasari oleh pemeriksaan sampel pertama. Pa2 adalah peluang diambilnya sampel kedua dan menerima lot yg didasari oleh pemeriksaan pada sampel kedua ini. Pa adalah peluang penerimaan lot dengan prosedur perencanaan sampling ini

35 Perencanaan Sampling Sampel Ganda dua (double sample sampling plan)
Pa1 = P(jumlah cacat 2 atau kurang pada sampel n1) Pa2 = P(tepat 3 cacat pada n1)P(2 atau kurang cacat pada n2) + P(tepat 4 cacat pada n1)P(1 atau kurang + P(tepat 5 cacat pada n1) P(0 cacat pada n2) Pa = Pa1 + Pa2

36 Perencanaan Sampling Sampel Ganda dua (double sample sampling plan)
Jika diketahui 4% cacat pada lot, maka n1p’=(25)(0,04)=1,0 & n2p’=(25)(0,04)=1,0 Dari tabel I, untuk np’=1,0 dan c=2 diperoleh Pa1 = P(2 atau kurang cacat pada n1) = 0,920 Dari tabel B dan Tabel I diperoleh Pa2 = (0,0613)(0,920)+(0,0153)(0,736)+(0,0031)(0,368) = 0,068 Pa = 0, ,068 = 0,988

37 Perbandingan Perencanaan Sampling
Perbandingan perencanaan kualitas ini difokuskan pada dua hal, yaitu tingkat kualitas lot-lot setelah selesai diperiksa  AOQ & AOQL, biaya pemeriksaan  ATI & ASN Pemeriksaan dengan Pembetulan (Rectifying Inspection) Adalah proses pemeriksaan ulang 100% atas lot yang ditolak dan mengganti setiap produk/item yang ditemui cacat dengan produk/item yang baik.

38 Pemeriksaan dengan Pembetulan (Rectifying Inspection)
Rata-rata kualitas lot usai pemeriksaan (average outgoing quality, AOQ), adalah rata-rata atau harapan atas sebuah lot, mengenai kualitasnya setelah pemeriksaan dengan pembetulan dilakukan Batas AOQ (average outgoing quality limit, AOQL), adalah maksimum nilai harapan AOQ pada setiap perencanaan sampling. AOQL adalah kualitas terburuk (persen keca-catan) yg mungkin terjadi, setelah dilakukan pemeriksaan dengan pembetulan

39 Teladan: perhitungan AOQ & AOQL
Hitunglah nilai-nilai AOQ bila persen kecacatan awal dari suatu lot berturut-turut adalah 0, 2, 4, 6, 8, 10, 11, dan 12 persen, hitung juga AOQL untuk perencanaan sampling dengan parameter sbb: n1 = 25, n2 = 25, c1 = 2, c2 = 5 Pertama-tama harus dihitung peluang peneri-maan untuk setiap p’  Pa. Kemudian dihi-tung AOQ = (Pa)(p’). Nilai AOQ terbesar adalah AOQL, untuk memudahkan sebaik-nya diplot hubungan AOQ dan p’

40 Teladan: perhitungan AOQ & AOQL
Pa AOQ 0,00 1,000 0,0000 0,02 0,999 0,0199 0,04 0,998 0,0395 0,06 0,940 0,0564 0,08 0,840 0,0672 0,09 0,774 0,0696 0,10 0,705 0,0705 0,11 0,632 0,0695 0,12 0,556 0,0667 AOQL

41 Teladan: perhitungan AOQ & AOQL

42 Biaya Pemeriksaan Total pemeriksaan rata-rata (average total inspection, ATI) adalah rata-rata banyaknya produk/item pada nilai p’ tertentu, yang diperiksa berdasarkan pemeriksaan dengan pembetulan Pada perencanaan sampling tunggal ATI = nPa + N(1-Pa) = n + (1-Pa) (N-n) Pada perencanaan sampling ganda dua ATI = n1Pa1 + (n1+n2)Pa2 + N(1-Pa) Proporsi banyaknya lot yang diperiksa (average fraction inspected, AFI) AFI = ATI/N

43 Teladan; Biaya Pemeriksaan
Hitunglah ATI untuk perencanaan sampling tunggal berikut ini, n = 100, c = 3, N = 800 p’ ATI 0,00 100 0,03 347 0,06 694 0,09 785 0,15 800 1,00 Nilai ATI bertambah dengan bertambahnya p’

44 Biaya Pemeriksaan, ASN Rata-rata banyaknya sampel (average sample number, ASN), adalah rata-rata banyaknya produk/item, untuk suatu nilai p’ tertentu, yang diperiksa tanpa dilakukan pemerik-saan pembetulan. Hal ini artinya bahwa rata-rata banyaknya produk/item yang diperiksa sebelum keputusan menerima ataukah menolak dilaksanakan. Untuk Sampling Sampel Tunggal  ASN = n Untuk Sampling Sampel Ganda Dua  ASN = n1 + P(mengambil sampel kedua, n2)(n2)

45 Teladan; ASN Hitunglah ASN pada perencanaan sampling sampel ganda dua
n1 = 50, n2 = 50, c1 = 1, c2 = 3 p’ ASN 0,00 50 0,02 62 0,04 73 0,08 67 0,16 52 0,25 ASN terbesar