Perencanaan Sampling

Penerimaan dengan Atribut

Dr. Ir. Eko Pujiyanto, [Link]., M.T., IPM

ekopujiyanto@[Link]
Setelah UTS

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

 Setelah UTS

Topik lain (bergantung ketersediaan waktu) ::

• Introduction to Lean Six Sigma
• Introduction to Quality Engineering

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

Setelah UTS

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

Isi
1. Pendahuluan
2. Keuntungan dan kerugian sampling
3. Resiko produsen dan konsumen
4. Kurva karakteristik operasi
5. Jenis perencanaan sampling : single, double,
multiple
6. Masalah sampling penerimaan
7. Alat untuk mengevaluasi rencana sampling
8. Perencanaan sampling tunggal untuk atribut
9. Perencanaan sampling ganda untuk atribut

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

 1. Pendahuluan
Re-fresh

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

 1. Pendahuluan
Re-fresh
• A quality management system (QMS) or Quality System
(QS) is defined as a formalized system that documents
processes, procedures, and responsibilities for achieving
quality policies and objectives.
• A QMS helps coordinate and direct an organization’s
activities to meet customer and regulatory requirements
and improve its effectiveness and efficiency on a
continuous basis.
• ISO 9001:2015, the international standard specifying
requirements for quality management systems, is the most
prominent approach to quality management systems.
ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS
 1. Pendahuluan
Re-fresh

Quality Assurance
• Quality assurance can be defined as "part of quality
management focused on providing confidence that quality
requirements will be fulfilled."
• The confidence provided by quality assurance is twofold—
internally to management and externally to customers, government
agencies, regulators, certifiers, and third parties.
• An alternate definition is "all the planned and systematic activities
implemented within the quality system that can be demonstrated to
provide confidence that a product or service will fulfill requirements
for quality."

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

 1. Pendahuluan
Re-fresh
Quality Control
• Quality control can be defined as "part of quality
management focused on fulfilling quality
requirements."
• While quality assurance relates to how a process
is performed or how a product is made, quality
control is more the inspection aspect of quality
management.
• An alternate definition is "the operational
techniques and activities used to fulfill
requirements for quality."
ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS
 1. Pendahuluan
 Acceptance sampling is a statistical
measure used in quality control.
 It allows a company to determine the
quality of a batch of products by
selecting a specified number for
testing.
 Acceptance sampling in its modern
industrial form dates from the early
1940s.
ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS
 1. Pendahuluan
 It was originally applied by the U.S.
military to the testing of bullets
during World War II.
 The concept and methodology were
developed by Harold Dodge, a veteran
of the Bell Laboratories quality
assurance department, who was acting
a consultant to the Secretary of War.

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

1. Pendahuluan

Tiga aspek penting tentang sampling

1. Bertujuan untuk ‘memvonis’ lot , bukan
meng-estimasi kualitas lot
2. Tidak menyediakan informasi langsung
kualitas lot Hanya menerima atau
menolak lot
3. Bukan untuk meng-inspeksi kualitas
produk , tetapi lebih merupakan alat untuk
menjamin bahwa output produk sesuai
dengan kebutuhan

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

1. Pendahuluan

Sampling penerimaan, tepat digunakan pada

kondisi berikut :
1. Tes produknya bersifat merusak
2. Inspeksi 100% sangat mahal
3. Inspeksi 100% tidak feasibel
4. Item yang diinspeksi sangat banyak
5. Ketika supplier mempunyai sejarah baik
6. Ketika produknya beresiko

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

 1. Pendahuluan

Mengapa sampling penerimaan dan bukan inspeksi

100% ?
1. Tes merusak
2. Biaya inspeksi 100% sangat tinggi
3. Inspeksi 100% tidak fisibel ( membutuhkan
banyak waktu )
4. Jika vendor mempunyai sejarah kualitas yang
baik

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

2. Keuntungan dan kerugian
sampling
Jika dibandingkan dengan inspeksi
100% , keuntungannya adalah :
1. Lebih murah biayanya
2. Mereduksi produk yang dites mereduksi
kerusakan
3. Aplikatif untuk tes yang merusak
4. Membutuhkan sedikit personal
5. Mereduksi kesalahan inspeksi
6. Memotivasi suplier untuk meningkatkan
kualitas

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

2. Keuntungan dan kerugian
sampling
Kerugian sampling penerimaan
1. Terdapat resiko , menerima lot yang
jelek atau menolak lot yang bagus
2. Informasi kualitas produk sedikit
3. Memerlukan prosedur khusus dan
dokumentasi

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

2. Keuntungan dan kerugian
sampling
Beberapa kata kunci tentang sampling
 Jalan tengah antara inspeksi 100% dan tidak
melakukan inspeksi
 Walapun tidak mengontrol kualitas secara
langsung , sampling penerimaan memberikan
jaminan yang baik bagi konsumen dan
produsen
 Memberikan informasi sejarah kulitas
 Memberikan tekanan pada suplier untuk selalu
meningkatkan kualitas

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

 3. Resiko produsen dan resiko
konsumen
Model Sampling

AQL , LQL Evaluasi

Rencana
Sampling 1. AOQL
2. ATI
3. ASN
Performansi
( Kurva OC )
ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS
 3. Resiko produsen dan resiko
konsumen
 Resiko produsen : ditolaknya lot yang bagus kualitasnya
 Level kualitas yang diterima ( Acceptable Quality Level
(AQL)) :
 Level kualitas terjelek dari kualitas proses
produsen dimana konsumen mempertimbangkan
menerima sebagai rata-rata proses
 Definisi numerik dari lot bagus, berasosiasi dengan
resiko produsen
 AQL merupakan karakteristik dari proses
manufaktur produsen , bukan karakteristik dari
perencanaan sampling

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

 3. Resiko produsen dan resiko
konsumen
 Resiko konsumen : menerima lot yang kualitasnya jelek
 Limit Quality Level (LQL) :
 Jaminan yang diberlakukan untuk setiap lot dengan
kualitas yang jelek ( atau tingkat kualitas terendah
dalam lot yang akan diterima konsumen )
 Definisi numerik dari kualitas lot jelek, berasosiasi
dengan resiko konsumen (ditetapkan oleh konsumen )
 Alias : RQL (Rejectable Quality Level) and LTPD (Lot
Tolerance Percent Defective)

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

 3. Resiko produsen dan resiko
konsumen
Contoh :
 Resiko produsen 5 % untuk AQL of 0.02
 2 % (0.02) produk tidak sesuai dan
 Lot ditolak oleh konsumen tidak lebih 5 %
 Resiko konsumen 10% untuk LQL 0.08
 8 % (0.08) produk berkualitas jelek
 Menerima lot tersebut tidak lebih dari 10 %

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

 4. Kurva karakteristik
operasi ( OC curve )
 OC curve adalah ukuran performansi perencanaan
sampling
 Merupakan plot antara probabilitas penerimaan
dengan fraksi ketidaksesuaian (p)
 OC curve menunjukan probabilitas dimana lot dengan
fraksi cacat tertentu akan diterima atau ditolak
 OC curve dikembangkan dengan mengevaluasi fungsi
binomial ( didekati dengan poisson) untuk nilai p yang
bervariasi

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

4. Kurva karakteristik
operasi ( OC curve )
Contoh :
Sebuah perencanaan sampling tunggal
diterapkan pada lot berukuran (N) 2000 item
produk, jika ukuran sample (n) 50 dan angka
penerimaan (c) 2. Buatlah OC curve-nya
Jawab :
Untuk nila p bervariasi, misalkan p = 0 sampai
0.15, kita dapat menyusun tabel berikut (
menggunakan lampiran A-2 : Distribusi
poisson )

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

4. Kurva karakteristik
operasi ( OC curve )

p=0.02 → np=5*0.02=1
Lihat Lampiran A-2 : untuk
mean = 1 dan x =c=2 →
Pa = 0.920

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

4. Kurva karakteristik
operasi ( OC curve )

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

4. Kurva karakteristik
operasi ( OC curve )
( 0.02 , 0.920 )

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

4. Kurva karakteristik
operasi ( OC curve )
Pengaruh n dan c pada OC Curve
• Perubahan c kurang signifikan mengubah
kemiringan OC curve.
• Jika c naik, OC curve bergeser ke kanan
• Perubahan n cukup signifikan mengubah
kemiringan OC curve.
• Jika n naik, OC curve bergeser ke kiri.

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

4. Kurva karakteristik
operasi ( OC curve )

Perubahan kurva
karena n berubah

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

4. Kurva karakteristik
operasi ( OC curve )

Perubahan kurva
karena c berubah

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

5. Jenis perencanaan
sampling
1. A single sampling plan ( perencanaan sampling tunggal)
didefinisikan dengan ukuran sampel (n) dan angka
penerimaan (c). Misalkan terdapat N item dalam satu lot.
Ambil n item secara random. Jika terdapat paling sedikit
c item yang cacat (d) , tolak lot.

N = Ukuran lot
n = Ukuran sampel
c = Angka penerimaan
d = Jumlah observasi yang cacat

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

5. Jenis perencanaan
sampling
2. Double-sampling plan (perencanaan
sampling ganda )
3. Multiple-sampling plan
4. Sequential-sampling

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

 5. Jenis perencanaan
sampling
Memilih jenis sampling
Mempertimbangkan faktor-faktor seperti
 Efesiensi administratif,
 Informasi yang diperoleh seperti apa,
 Rata-rata jumlah inspeksi yang dibutuhkan
 Apakah ada pengaruh terhadap aliran
material pada manufaktur.

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

6. Masalah sampling
1. Formasi Lot
 Lot harus homogen
 Lebih baik ukuran lot besar ( lebih
efisien secara ekonomis )
 Lot harus sesuai dengan penangan
material, baik untuk pihak konsumen
dan produsen.
2. Random Sampling
 Unit yang diambil harus random
 Jika tidak random akan terjadi bias

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

7. Alat untuk mengevaluasi
rencana sampling

1. Average Outgoing Quality ( AOQ )

 Rata-rata level kualitas lot yang keluar
dari stasiun inspeksi untuk berbagai nilai
p (rata-rata kualitas proses )
 AOQ akan bervariasi sesuai dengan fraksi
cacat lot yang datang
 Ketika lot yang datang kualitasnya bagus,
makan AOQ juga bagus

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

7. Alat untuk mengevaluasi
rencana sampling

Average Outgoing Quality ( AOQ )

 Ordinat maksimum pada AOQ
menggambarkan kemungkinan rata-rata
kualitas terjelek jika ralat inspeksi
dilakukan
 Ordinat maksimum dari kurva AOQ ini
disebut Average Outgoing Quality Limit (
AOQL )

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

7. Alat untuk mengevaluasi
rencana sampling
AOQL is the
Contoh AOQ dan AOQL maximum point on
the curve

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

7. Alat untuk mengevaluasi
rencana sampling
AOQ untuk sampling tunggal
Pa p( N  n)
AOQ 
N
AOQ untuk sampling ganda

AOQ 
P 1
a ( N  n )  P 2
a ( N  n1  n2 ) p 
N

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

7. Alat untuk mengevaluasi
rencana sampling
2. Average Total Inspection ( ATI )
 Rata-rata jumlah item yang diinspeksi per lot
 Rumus ATI untuk sampling tunggal

 ATI untuk sampling ganda

ATI  n1 P1a  (n1  n2 ) P 2 a  N (1  Pa )

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

7. Alat untuk mengevaluasi
rencana sampling
Contoh ATI untuk
berbagai nilai N

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

7. Alat untuk mengevaluasi
rencana sampling
3. Average Sample Number ( ASN )
 Rata-rata jumlah item yang diinspeksi untuk
sejumlah lot yang digunakan untuk mengambil
keputusan
 Untuk sampling tunggal ASN = ukuran sampel (n)
 Untuk sampling ganda

ASN  n1 P1  (n1  n2 )(1  P1 )

 n1  n2 (1  P1 )

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

7. Alat untuk mengevaluasi
rencana sampling
Contoh ASN

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

8. Rencana Sampling
Tunggal Untuk Atribute
 Menentukan ukuran sampel n dan angka
penerimaan c
 Contoh 9-5 :
Tentukan rencana sampling tunggal
dimana resiko produsen sebesar 5 %
untuk setiap lot yang mengandung 1.5 %
cacat

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

8. Rencana Sampling
Tunggal Untuk Atribute
 Jawab 9-5 :
  0.05 , p1  AQL  0.015 , suppose the acceptance number 1
For c  1 , Table 9 - 5 , gives np1  0.355 alternatif – 1 :
The sample size is
0.355 0.355 c=1 dan n = 24
n   23.67  24
p1 0.015
For c  3 , Table 9 - 5 , gives np1  1.366
alternatif – 2 :
The sample size is
1.366 1.366 c=3 dan n = 92
n   91.07  92
p1 0.015

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

8. Rencana Sampling
Tunggal Untuk Atribute
 Contoh 9-6 :
Tentukan rencana sampling tunggal
dimana resiko konsumen sebesar 10 %
untuk setiap lot yang mengandung 8 %
cacat

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

8. Rencana Sampling
Tunggal Untuk Atribute
 Jawab 9-6 :
  0.10 , p2  LQL  0.08 , suppose the acceptance number 1
For c  1 , Table 9 - 5 , gives np2  3.890
The sample size is
alternatif – 1 :
3.890 3.890 c=1 dan n = 49
n   48.26  49
p2 0.08
For c  3 , Table 9 - 5 , gives np2  6.681
The sample size is alternatif – 2 :
6.681 6.681 c=3 dan n = 132
n   131.65  132
p2 0.08

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

8. Rencana Sampling
Tunggal Untuk Atribute
 Contoh 9-7 :
Tentukan rencana sampling tunggal
dimana resiko produsen sebesar 5 %
untuk setiap lot yang mengandung 1.8 %
cacat dan resiko konsumen sebesar 10 %
untuk setiap lot yang mengandung 9 %
cacat

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

8. Rencana Sampling
Tunggal Untuk Atribute
 Solution 9-7 :
  0.05 , p1  AQL  0.018,
  0.10 , p2  LQL  0.09
First we compute the ratio
np2 p2 0.09
   5.00
np1 p1 0.018
For   0.05 ,   0.10 ,

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

8. Rencana Sampling
Tunggal Untuk Atribute
 Solution 9-7 :
Table 9  5 : ratio fall betwen 6.51 and 4.89
corresponding to acceptance numbers of 2 and 3
For c  2 , np1  0.818 and sample size is
np1 0.818
n   45.44  45
p1 0.018
For c  2 , np1  1.366 and sample size is
np1 1.366
n   75.88  76
p1 0.018

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

8. Rencana Sampling
Tunggal Untuk Atribute
 Solution 9-7 :

For c  2 , np2  5.322 and sample size is

np2 5.322
n   59.13  60
p2 0.09
For c  3 , np2  6.681 and sample size is
np2 6.681
n   74.23  75
p2 0.09

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

8. Rencana Sampling
Tunggal Untuk Atribute
 Jawab 9-7 :
Empat kandidat
1. n=45 , c=2
2. n=76 , c=3
3. n=60 , c=2
4. n=75 , c=3
ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS
8. Rencana Sampling
Tunggal Untuk Atribute
 Solution 9-7 :
For n  45 and c  2 , if   0.10, then np2  5.322
np2 5.322
p2    0.1183
n 45
For n  76 and c  3 , if   0.10, then np2  5.322
np2 6.681
p2    0.0879
n 76

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

8. Rencana Sampling
Tunggal Untuk Atribute
 Solution 9-7 :
From problem  p2  0.09
For n  45 and c  2 , p2  0.1183
For n  76 and c  3 , p2  0.0879  Closer

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

8. Rencana Sampling
Tunggal Untuk Atribute
 Solution 9-7 :
For n  60 and c  2 , if   0.05, then np1  0.818
np1 0.818
p1    0.0136
n 60
For n  75 and c  3 , if   0.05, then np1  1.366
np1 1.366
p1    0.0182
n 75

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

8. Rencana Sampling
Tunggal Untuk Atribute
 Solution 9-7 :
From problem  p1  0.0180
For n  60 and c  2 , p1  0.0136
For n  75 and c  3 , p1  0.0182  Closer

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

8. Rencana Sampling
Tunggal Untuk Atribute
 Jawab 9-7 :
Kriteria lain untuk memilih kandidat
rencana adalah yang paling sedikit
ukuran sampelnya  biaya
inspeksinya minimum 
n = 45 dan c = 2

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

9. Rencana Sampling Ganda
untuk Atribut
Parameter dalam sampling ganda
 N = Ukuran lot
 n1 = Ukuran sampel pertama
 c1 = Angka penerimaan pertama
 n2 = Ukuran sampel kedua
 c2 = Angka penerimaan kedua

eko@[Link], industrial engineering department UNS , 17 Dec 2005

9. Rencana Sampling Ganda
untuk Atribut
Contoh :
N = 10.000
n1 = 50 , c1 = 1
n2 = 100 , c2 = 3
Apa maksudnya ?

eko@[Link], industrial engineering department UNS , 17 Dec 2005

9. Rencana Sampling Ganda
untuk Atribut

eko@[Link], industrial engineering department UNS , 17 Dec 2005

9. Rencana Sampling Ganda
untuk Atribut

• Keuntungan sampling ganda dibanding sampling

tunggal adalah mereduksi jumlah item yang
diinspeksi
• Misalkan sampel pertama dalam sampling ganda
lebih kecil dari sampling tunggal , maka
• Jika lot diterima atau ditolak , ongkos inspeksi
lebih rendah
• Juga memungkinkan menolak lot tanpa harus
menginspeksi sampel kedua

eko@[Link], industrial engineering department UNS , 17 Dec 2005

 9. Rencana Sampling Ganda
untuk Atribut

Kurva OC untuk
n1 = 50 , c1 = 1
n2 = 100 , c2 = 3

eko@[Link], industrial engineering department UNS , 17 Dec 2005

9. Rencana Sampling Ganda
untuk Atribut
Membuat rencana sampling ganda :
 Menentukan n1 , c1 , n2 dan c2
dengan memperhatikan resiko
produsen dan konsumen
 Asumsikan , misalnya n1 = n2 atau
2n1 = n2

eko@[Link], industrial engineering department UNS , 17 Dec 2005

9. Rencana Sampling Ganda
untuk Atribut
Contoh 9-13 :
Tentukan rencana sampling ganda , jika
diketahui N = 2500 dimana lot yang
ditolak tidak lebih dari 5% pada lot yang
mengandung 1.2 % cacat. Dan jika lot
mengandung 7.5 % cacat , lot yang
diterima sama dengan 10 %. Asumsikan
n1 = n2 dan resiko produsen lebih
diutamakan

eko@[Link], industrial engineering department UNS , 17 Dec 2005

9. Rencana Sampling Ganda
untuk Atribut
Jawab 9-13 :
N  2500, asumsi n1  n2
  0.05 , p1  AQL  0.012,
  0.10 , p2  LQL  0.075
First we compute the ratio
p2 0.075
R   6.25
p1 0.012
Dari tabel 9 - 9 ( hal 352 , Mitra edisi 1 ) ,
Nilai terdekat dari R  6.25 adalah 6.79 ( rencana nomor 3 )

eko@[Link], industrial engineering department UNS , 17 Dec 2005

9. Rencana Sampling Ganda
untuk Atribut
Jawab 9-13 :
Rencana nomor 3 :
c1  0 , c2  2
Untuk p1  0.012 dan Pa  0.95  n1 p  0.43
0.43
maka ukuran sampel pertama adalah n1   35.83  36
0.012
Asumsi n1  n2 maka n2  36
Sehingga rencana sampling ganda adalah
n1  36 , c1  0 , n2  36 , c2  2

eko@[Link], industrial engineering department UNS , 17 Dec 2005

QUIZ
1. Apa keuntungan dan kerugian dari
rencana sampling.
2. Jelaskan arti rencana sampling
berikut
N=10.000
n1 = 50, c1 = 2 , n2 = 80 , c2 = 4
3. Apa perbedaan antara ASN dan ATI

ekopujiyanto@[Link] Prodi Sarjana Teknik Industri UNS

Link

 [Link]
wCEQ55uf0
 [Link]
CFCIXsUd_s
 Inspirasi

How many people currently living without any

plan or without a clear purpose and life design?

On average, people do not have any plans or design

for their own life, they just goes through life as it is
and only become ordinary people who then die
without ever leaving any trace or history for
humanity or impact to the world and will never felt
satisfied at the end of their life.
Inspirasi