1 / 22

SAMPLING VARIABEL

SAMPLING VARIABEL. 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. Overview. Persyaratan (dan) ciri data variabel :

infinity
Download Presentation

SAMPLING VARIABEL

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  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 satu sisi. •  diketahui, batas persyaratan dua sisi. •  tidak diketahui,

  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 10-24 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 • 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 10-26 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

More Related