statistik mutu
TRANSCRIPT
BAB 1
PENDAHULUAN
1.1. Latar Belakang
Selama bertahun-tahun, teknik-teknik statistic dan metodologi statistik menjadi
semakin luas digunakan dan pada umumnya diterima diseluruh industry. Dengan
tersedianya komputer masa kini dan perlengkapan lanjutan pemprosesan data,
penerapan praktisinya terus berlipat ganda dan semakin dalam. Disini tampak bahwa
statistika memainkan peranan yang penting dalam program modern kendali mutu
terpadu.
Kemenangan metode statistika dalam dunia industry seseungguhnya mewakili
suatu kompromi antara statistija “murni” dan realitas kepraktisan dalam situasi
industry. Karakteristiknya sangat kuat dipengaruhi oleh faktor-faktor hubungan
manusia, kondisi ekologi, dan pertimbangan biaya.
Yang lebih penting dari sekedar metode-metode itu sendiri adalah dampaknya
terhadap pandangan industry tentang filosofi yang mereka wakili. “sudut pandang
statistik” yang dasarnya menunjukkan keragaman dalam mutu produk yang teliti,
yaitu :
Didalam tumpukan produk
Pada perlengkapan pemprosesan
Diantara lot-lot berbeda dari barang yang sama
Karakteristik dan standar mutu kritis
Pengerjaan perdana dari barang yang baru dirancang
Sudut pandang inilah yang menekankan pada penelaahan keragaman yang
direkomendasikan menjadi bermanfaat seperti penelahan waktu rekayasa keselamatan
administrasi personalia, dan fungsi pelayanan.
Sebenarnya ada lima alat statistic yang digunakan secara meluas dalam
pekerjaan kendali mutu adalah distribusi frekuensi, bagan kendali, table penarikan
sampel, metode khusus, keterandalan. Tetapi pada pembahasan ini hanya ditekankan
pada distribusi frekuensi.
Distribusi frekuensi dapat diartikan sebagai tabulasi, atau turus dari
banyaknya kemunculan hasil pengukuran karakteristik mutu tertentu yang terjadi di
dalam sampel produk yang diperiksa.
BAB II
PEMBAHASAN
2.1. Matematika Distribusi Frekuensi
2.1.1. Probabilitas
Probabilitas adalah sehimpunan kemungkinan, kemungkinan dapat berubah
pada proses produksi di dunia industry secara kasar mempunyai efek yang sama
terhadap keragaman suku cadang seperti halnya faktor peluang. Maka kesamaan ini
adalah bahwa ukuran secara aljabar yang dikembangkan dalam bidang probabilitas
dapat menganalisa distribusi frekuensi industrial. Ukuran secara aljabar dari distribusi
frekuensi dikarakteristikkan sebagai berikut :
Kecenderungan terpusat, yaitu sesuatu yang merupakan nilai yang paling
representatif (terwakili).
Bentangan atau pencaran, yaitu berapa besar keragaman yang terdapat disana.
Untuk keperluan industry, dua ukuran yang paling bernilai dari kecenderungan
terpusat adalah rata-rata (average) dan median. Sedangkan dua ukuran ynag paling
berguna dari bentangan adalah deviasi standar dan rentang.
2.1.2. Ukuran Secara Aljabar dari Distribusi Frekuensi
Untuk keperluan industry dua ukuran yang bernilai dari kecenderungan terpusat
adalah rata-rata (average) dan median. Dua ukuran ynag paling berguna dari
bentangan adalah deviasi standard an rentang.
a. Rata-rata
Rata-rata adalah ukuran yang paling berguna bagi kecenderungan
terpusat. Diperoleh dengan membagi jumlah nilai yang ada dalam
sehimpunan angka dengan banyaknya bilangan atau dengan menggunakan
lambang.
X = X1 + X2 + X3 + ….. + Xn
n
dimana :
X = nilai rata-rata
X1 . X2 ….Xn = nilai dari hasil pengukuran berturut-turut
n = banyaknya pengukuran
b. Median
Median digunakan untuk pekerjaan industri. Nilai ini adalah yang
membagi dua sehimpunan hasil pengukuran yang diatur menurut besarnya
nilai-nilai mereka sehingga jumlah yang sama dari nilai-nilai berada pada
kedua sisi dari nilai pusat atau median.
Media cenderung agak tak menentu dibandingkan dengan rata-rata
tetapi seringkali jauh lebih mudah untuk memperolehnya
c. Deviasi Standar
Digunakan sebagai ukuran bentang untuk hamper semua distribusi
frekuensi industrial. Dilambangkan dengan huruf s dengan rumus sebagai
berikut :
s = √ (X1 – X) 2 + (X 2 – X) 2 + (X 3 – X) 2 + ….+ (X n – X) n
n-1
dimana :
s = deviasi standar sampel
X1 . X2 ….Xn = nilai dari hasil pengukuran berturut-turut
X = rata-rata nilai dalam kelompok
n = banyaknya hasil pengukuran
d. RentangRentang adalah perbedaan antara hasil pengukuran terendah dan
tertinggi dalam satu deretan, atau secara simbolik :
R = Xtertinggi – Xterendah
dimana :R = nilai rentang
Xtertinggi = hasil pengukuran tertinggi dari deret
Xterendah = hasil pengukuran terendah dari deret
e. Kurva NormalBanyak penggunaan analitis dari ukuran-ukuran aljabar yang diuraikan
diatas berputar-putar disekitar tipe distribusi frekuensi yang diistilahkan kurva normal. Kurva normal adalah kurva distribusi-frekuensi yang didekati dalam banyak situasi dimana peluang diberi peranan penuh.
Terdapat hubungan yang sangat penting antara deviasi standar populasi dan kurva normal jika deviasi standar dihitung untuk distribusi frekuensi normal dengan terhitungnya rata-rata dan deviasi standar untuk distribusi normal, terbuka kemungkinan untuk menghitung dua aspek tambahan tersebut :
Persentase nilai yang akan jatuh diantara dua hasil pengukuran manapun yang nilainya berbeda.
Jumlah total keragaman yang mungkin diharapkannuntuk semua keperluan praktis dari distribusi.
f. Ukuran Sampel dan Distribusi FrekuensiPrinsip-prinsip umum yang berlaku untuk kasus-kasus ini secara
sederhana dapat dinyatakan : semakin besar ukuran sampel maka semakin kecil bentangan antara rata-rata dan deviasi standar untuk sampel yang
diambil dari lot tang sama, dan karenanya ukuran-ukuran ini akan semakin bersesuaian dengan ukuran-ukuran yang setara yang akan dihasilkan jika seluruh lot dianalisis.
Semakin kecil ukuran sampel maka semakin besar bentangan antara rata-rata dan deviasi standar untuk sampel yang diambil dari lot yang sama, dan karenanya rata-rata dan deviasi standar akan kurang bersesuaian dengan nilai rata-rata dan deviasi standar yang akan dihasilkan jika penarikan sampel tidak dilakukan melainkan seluruh lot dianalisis.
Ukuran-ukuran bentangan disajikan melalui rumus-rumus berikut :
σ x=σ /√ nDimana :
σ x = deviasi standar dari rata-rata sampel
σ= deviasi standar populasi dari lot tempat sampel diambiln = ukuran sampel
σ s = σ√1-(c4)2
Dimana :
σ s = deviasi standar dari deviasi standar sampel
σ = deviasi standar populasi dari lot tempat sampel diambil
C4 = faktor untuk perhitungan deviasi standar populasi dari deviasi standar sampel