Perpustakaan Digital ITB

Kenaikan pertumbuhan industri manufaktur menuntut industri untuk selalu meningkatkan kegiatan operasional guna memberikan kualitas produk yang sesuai dengan kebutuhan konsumen. Saat ini, perusahaan bukan hanya berfokus pada kuantitas produk melainkan kualitas dari produk tersebut. Metode yang biasa digunakan dalam pengendalian untuk proses inspeksi penerimaan produk yaitu sampling penerimaan. Akan tetapi, metode ini masih terdapat kekurangan yaitu dalam melakukan perhitungan asumsi yang digunakan yaitu inspeksi sempurna atau bebas dari kesalahan di mana pada dasarnya manusia tidak terlepas dari kesalahan. Oleh karena itu, untuk mengatasi masalah tersebut maka dilakukan pengembangan model matematis rencana sampling yang berfokus pada rencana sampling tunggal dengan mempertimbangkan kesalahan inspeksi. Pengembangan model matematis yang dilakukan dalam penelitian ini yaitu dengan mengintegrasikan rumus kesalahan klasifikasi menggunakan referensi dari Statistical Research Group, Columbia University. Terdapat dua nilai kesalahan yang dipertimbangkan yaitu 𝑒1 dan 𝑒2, sehingga rumus pengembangan model matematis untuk probabilitas penerimaan yaitu 𝑃𝑎𝑒 = Σ ( 𝑛 𝑑 𝑐 ) 𝑑=0 (𝑝∗)𝑑(1 − 𝑝∗)𝑛−𝑑. Ukuran kinerja yang digunakan untuk melakukan evaluasi rencana sampling yaitu kurva operating characteristic (OC), average outgoing quality (AOQ), dan average total inspection (ATI). Nilai probabilitas kesalahan yang digunakan pada penelitian ini yaitu 0.001 dan 0.01. Selanjutnya dilakukan pengolahan data rencana sampling berdasarkan tiga jenis risiko yaitu risiko produsen, risiko konsumen, dan risiko produsen dan konsumen. Berdasarkan hasil dari pengolahan data, diperoleh bahwa terdapat perbedaan antara asumsi inspeksi sempurna dengan mempertimbangkan kesalahan manusia. Semakin besar nilai probabilitas kesalahan, maka semakin sedikit jumlah penerimaan sampel yang diterima sehingga berdampak pada AOQ dan ATI yang dapat mempengaruhi total biaya yang harus dikeluarkan perusahaan. Pada penelitian ini, peneliti juga melakukan analisis sensitivitas untuk setiap parameter yaitu α, β, AQL, dan LQL terhadap perubahan probabilitas parameter kesalahan (0.0001, 0.0005, 0.001, 0.005, 0.01, dan 0.05) untuk setiap ukuran kinerja. Hasil analisis sensitivitas menunjukkan bahwa terdapat perubahan yang signifikan untuk setiap ukuran kinerja saat perubahan parameter probabilitas kesalahan menjadi 0.05 untuk seluruh parameter.