2012-1-26401-561308015-bab2-14082012022501

download 2012-1-26401-561308015-bab2-14082012022501

of 16

Transcript of 2012-1-26401-561308015-bab2-14082012022501

  • 8/17/2019 2012-1-26401-561308015-bab2-14082012022501

    1/16

    8

    BAB II

    TINJAUAN PUSTAKA

    2.1. Konsep Dasar Pengendalian Mutu

    Sebelum meninjau beberapa perangkat dasar pengendalian mutu secara

    statistik, secara singkat akan diuraikan asal mula perangkat-perangkat tersebut.

    Berawal dari kajian Dr. Walter Shewhart, ilmuwan pada Laboratorium Bell, yang

    dipublikasikan tahun 1924, prinsip-prinsip pengendalian mutu secara statistik

    mulai dikenal. Dr. Shewhart dan rekan-rekannya terus mengembangkan

    diagram-diagram pengendalian selama 1920-1930. Dengan teknik-teknik yang

    mereka kembangkan, proses penyediaan barang-barang produksi dan jasa dapat

    lebih muda diperkirakan dan lebih konsisten. Dalam hal ini mereka

    menggunakan hokum-hukum probabilitas dan statistik untuk menggambarkan

    bagaimana suatu variasi mempengaruhi ukuran-ukuran sampel bagi produk-

    produk manufaktur.

    Dari kajian-kajian statistik dasar, kita telah memahami bahwa bila suatu

    barang atau jasa diproduksi, outputnya akan serupa (similar ) tetapi tidak sama

    (identical ). Adanya variasi merupakan hal yang normal dan wajar. Tidak ada dua

    benda yang benar-benar sama, karena dapat dipastikan selalu ada variasi.

    Namun Shewhart menganggap variabilitas sebagai sesuatu yang dapat berada

    dalam batas-batas yang ditentukan oleh suatu “kebetulan” (by chance) dan yang

    berada diluar batas-batas tersebut. Jadi, dia mengamati bahwa data tidak selalu

    memberikan kepastian mengenai pola yang “normal”. Sehingga dari

    ketidakkonsistenan yang ditunjukkan data, dia menyimpan bahwa meskipun

    dalam setiap proses selalu dihasilkan variasi, ada proses yang menghasilkan

  • 8/17/2019 2012-1-26401-561308015-bab2-14082012022501

    2/16

    9

    variasi yang terkendali (controlled variation) dan ada proses yang menghasilkan

    proses tak terkendali (uncontrolled variation) (Harinaldi , 2005 ).

    2.1.1.Variasi terkendali (Control led Variat ion )

    Suatu variasi yang terkendali (Controlled ), atau variasi karena sebab-

    sebab biasa (Common-Cause), adalah variasi yang terjadi secara alamiah,

    merupakan suatu hal yang inheren dan terkirakan dalam setiap proses yang

    stabil yang menghasilkan barang-barang produksi atau jasa. Variasi yang dapat

    diterima dan diizinkan seperti itu dapat dikaitkan dengan sebab-sebab yang acak

    atau “kebetulan”(Harinaldi , 2005 ).

    2.1.2.Variasi tak terkendali (Uncontr ol led Variat ion) 

    Suatu variasi yang tak terkendali (Uncontrolled ), atau variasi karena sebab-

    sebab khusus (special-cause), adalah variasi yang terjadi bila suatu kejadian

    tidak normal masuk ke dalam suatu proses dan menghasilkan perubahan yang

    tidak diharapkan dan tidak diperkirakan sebelumnya. Variasi ini tidak dapat lagi

    dikaitkan dengan sebab-sebab yang acak atau “kebetulan” Gambar 2

    menunjukkan proses stabil dan terkendali meskipun ada variasi disekitar ukuran

    pemusatan yang terjadi setiap hari ( Harinaldi , 2005 ).

  • 8/17/2019 2012-1-26401-561308015-bab2-14082012022501

    3/16

    10

    Gambar 2. Proses TerkendaliSumber : Harinaldi, 2005 

    2.1.3.Unsur–unsur diagram kendali

    Meskipun terdapat variasi jenis-jenis diagram kendali, masing-masing

    selalu memiliki unsur-unsur berikut :

    • Batas kendali atas (Upper Control Limit/UCL)• Garis tengah (Center Line/CL)

    • Batas kendali bawah (Lower control limit /LCL)

    Unsur-unsur diagram kendali tersebut ditunjukkan pada Gambar 1. Garis

    tengah (CL) bersesuaian dengan mean populasi yang di perkirakan dari nilai

    yang diamati dalam proses. Di dalam daerah antara batas kendali atas (UCL)

    dan batas kendali bawah (LCL) menunjukkan variasi yang terkontrol. Namun jika

    pengamatan berasa di luar daerah tersebut (diatas UCL atau dibawah LCL), hal

    ini menunjukkan terdapatnya suatu variasi yang tak terkontrol atau variasi karena

    sebab khusus (Harinaldi, 2005).

    1 2 3 4 5 16 7 8 9 10

    LCL

     X 

    UCL

    Diagram Kendali

    Observasi

    Nilai

    53,0

    53,5

    54,0

    54,5

    55,0

    55,5

    56,0

    56,5

  • 8/17/2019 2012-1-26401-561308015-bab2-14082012022501

    4/16

    11

    2.1.4. Langkah–Langkah Penggunaan Diagram Kendali.

    Berikut adalah langkah-langkah yang bisa dilaksanakan untuk

    mempermudah.

    1. Nyatakan hipotesis nol ( ) dan hipotesis alternative ( )

    : proses terkendali secara statistik

    : proses tidak terkendali secara statistik

    2. Tentukan Tingkat Kepentingan (Level of Signifinance), α 

    Dalam hal ini harus ditentukan resiko kesalahan menolak yang

    disimbolkan . untuk prakteknya, yang sering digunakan adalah nilai

    α= 0,025

    3. Tentukan diagram control dan pengujian (test distribution) : dalam

    prakteknya, yang sering digunakan adalah distribusi normal atau

    distribusi binomial.

    Diagram individu dari proses tersebut dapat dibuat sebagai berikut :

    Mean :

     N 

     x N 

    i

    i∑==   1µ

    ...............(1)

    Deviasi standart :

    ( ) .212

    1

    2

    µµ

    σ   −  

     

     

     

    =−= ∑∑ == N 

     x

     N 

     x

     N 

    ii

     N 

    ii

    ...........................................(2)

    Maka :

    σµ   3+=UCL.........................................................................(3)

    0 H  1 H 

    0 H 

    1 H 

    α

    0 H 

  • 8/17/2019 2012-1-26401-561308015-bab2-14082012022501

    5/16

    12

    µ=CL .............................................................................(4)

    σµ   3−= LCL ..................................................................(5)

    Gambar 3.Diagram KendaliSumber : Harinaldi, 2005 

    2.2. Tujuh Alat Pengendalian Mutu

    Tujuh alat statistik yang digunakan GKM dalam pengendalian mutu,

    penyusun hanya menggunakan 2 dari tujuh alat tersebut seperti yang telah

    dijelaskan pada tujuan diatas.

    • Lembar Periksa (Check Sheet )

    • Pemisahan Masalah (Stratifikasi)

    • Diagram Penyebaran Data (Histogram)

    • Diagram Prioritas (Diagram Pareto)

    • Diagram sebab-akibat (Tulang Ikan Atau Fishbone Diagram)

    • Diagram pencar (Scatter Diagram)

    • Peta pengendalian (Control Chart )

    1 4 7 10 13 16 19 22 25 28

    52

    53

    54

    55

    56

    57

    58

    Nilai

    Observasi

    Diagram I (I Chart) Diameter

    LCL = 51,863

     x = 54,727

    UCL = 57,590

  • 8/17/2019 2012-1-26401-561308015-bab2-14082012022501

    6/16

    13

    Ketujuh alat statistik sederhana yang biasanya dipakai dalam kegiatan

    GKM tersebut di atas akan dijelaskan dalam bab-bab berikutnya. Memahami dan

    terampil menggunakan ketujuh alat tersebut merupakan sesuatu yang amat

    penting yang merupakan salah satu syarat keberhasilan GKM (walaupun masih

    banyak persyaratan lainnya).

    Memang, biasanya dianggap sudah cukup memadai jika GKM hanya

    menggunakan tujuh alat statistik. Namun demikian, demi lebih sempurnanya atau

    lebih tajamnya analisa, tidak ada salahnya malah dianjurkan sepanjang GKM

    mampu, menggunakan alat-alat atau teknik-teknik statistik lainnya selain yang

    tujuh tersebut diatas. Sehubungan dengan itu dalam bab-bab selanjutnya akan

    dijelaskan juga metode dan pemahaman statistik lainnya (Kuswardi dan Mutiara,

    2004 ).

    2.3. Pengendalian Proses Statistika

    Menurut Russel dan Taylor (1998) dalam Marimin (2005) pengendalian

    kualitas dapat dilakukan dengan menggunakan Statistical Process Control 

    (SPC), yang dilandasi tujuh alat statistik utama yaitu :

    2.3.1.Diagram sebab akibat

    Diagram ini sering disebut diagram tulang ikan (fishbone diagram) yang

    dikembangkan oleh pakar kualitas dari jepang yaitu kouru ishikawa. Alat statistik

    ini digunakan untuk menganalisa suatu proses atau situasi dan menemukan

    kemungkinan penyebab suatu persoalan atau masalah yang sedang terjadi.

    Diagram sebab akibat ini digunakan untuk menyelidiki suatu akibat buruk dan

    mengambil tindakan untuk memperbaiki penyebabnya. Untuk setiap akibat

    biasanya terdiri dari beberapa penyebab. Penyebab dapat diklasifikasikan dalam

  • 8/17/2019 2012-1-26401-561308015-bab2-14082012022501

    7/16

    14

    beberapa penyebab utama yaitu metode kerja, bahan baku, pengukuran manusia

    dan lingkungan (Marimin, 2005).

        B   o    b   o   t    K   o   n   v   e   r   s    i

        P   e   n   g   a    d   a   a   n    B   a    h   a   n    B   a    k   u

       p   e   n   a   n   g   a   n   a   n    b   a    h   a   n    b   a    k   u

       p   e   n   e   r    i   m   a   a   n

       s   o   r   t   a   s    i

       p   e   n   g   e   m   a   s   a   n

       p   e   n   y    i   m   p   a   n   a   n

        d    i   s   t   r    i    b   u   s    i

        P    T .    X

        P    T .    A

        P    T .    B

        T   a   r   g   e   t    D   a   n    R   a   t    i   o

    Kesegaran 6 5 ; 4 ; 5 5;1

    kebers iha n 5 5 ; 4 ; 5 5;1

    kea manan panga n 5 3 ; 3 ; 3 4;1,3

    warna 4 4 ; 3 ; 4 4;1

    daya tahan produk 3 4 ; 4 ; 4 4;1

    ukuran s eragam 2 4 ; 3 ; 4 4;1

    bentuk s tanda r 1 4 ; 3 ; 4 4;1

    5 4 4 5 5 5 5

    5 4 4 4 4 5 4

    5 4 4 5 5 5 5

    120 230 55 150 205 230 125

    0.108 0.206 0.049 0.135 0.184 0.206 0.112nilai relatif 

        H   a   r   a   p   a   n    P   e    l   a   n   g   g   a   n

    PT. X

    PT. A

    PT. B

    NILAI (tingkat ke pentingan)

    +

    +

    +

    +

    +

    +

    +

    ++

    +

    +

    +

    +

    +

    +

    +

    +

    +

    +

    +

    +

    +

    +

    +

    +

    +

    +

    +

    +

    +

    +

    +

    +

    +

    Gambar 4. Rumah Kualitas Sayuran Segar PT. XSumber : Marimin, 2005 

    Langkah pertama dalam membuat diagram sebab akibat adalah

    menentukan akibat dari problem yang ada. Akibat ini pada sisi sebelah kanan

    dari kertas oleh pimpinan tim. Dalam menentukan penyebab yang lebih rinci

  • 8/17/2019 2012-1-26401-561308015-bab2-14082012022501

    8/16

    15

    diperlukan sumbang saran (brainstorming ) dari sebuah tim yang khusus

    dibentuk.

    Diagram sebab-akibat ini berguna untuk menganalisis kondisi aktual untuk

    tujuan perbaikan mutu produk atau jasa, menghindari kondisi penyebab

    ketidaksesuaian produk atau jasa dan keluhan pelanggan, membuat standarisasi

    operasi yang ada dan diusulkan serta sebagai latihan pendidikan karyawan

    dalam membuat keputusan dan kegiatan perbaikan.

     Ada dua tipe diagram sebab akibat yang dapat digunakan untuk melihat

    penyebab masalah yaitu analisis penyebaran dan analisis proses. Dalam analisis

    penyebaran, setiap cabang utama diisi secara lengkap sebelum dimulainya

    diskusi dengan tujuan menganalisis penyebab dari penyebaran keragaman.

    Dalam analisis proses, pada diagram dituliskan setiap langkah proses

    produksi sebagai penyebab utama, sedangkan penyebab rincinya dihubungkan

    dengan penyebab utama. Keuntungan dari tipe ini adalah kemudahan dalam

    membuat diagram serta kesederhanaannya karena mengikuti langkah-langkah

    produksi (Marimin, 2005 )

    Gambar 5. Diagram Sebab AkibatSumber : Marimin, 2005 

    Kualitas

    Faktor Utama

    Panah Cabang

  • 8/17/2019 2012-1-26401-561308015-bab2-14082012022501

    9/16

    16

    2.3.2. Run Chart dan Control Chart 

    Run chart  digunakan untuk mengidentifikasi kecenderungan atau tren

    yang terjadi dengan jalan memetakan data selama periode waktu tertentu yang

    berguna dalam memisahkan sebab dari gejala. Control chart  (bagan kendali)

    digunakan untuk menganalisis proses dengan tujuan melakukan perbaikan

    secara terus menerus terhadap mutu. Grafik ini mendeteksi abnormalitas suatu

    proses dengan bantuan grafik garis.

    Munurut Montgomery (1998) dalam Marimin (2005) bagan kendali adalah

    perangkat statistik yang memungkinkan suatu organisasi untuk mengetahui dan

    memantau konsistensi suatu proses atau produk yang dihasilkan melalui

    pengamatan yang sedang berlangsung maupun proses yang telah dilakukan.

    Penyelesaian dengan bagan kendali menggunakan prinsip-prinsip statistik.

    Bagan kendali dibuat untuk menghilangkan variasi tidak normal melalui

    pemisahan variasi yang disebabkan oleh penyebab umum. Variasi penyebab

    khusus adalah kejadian-kejadian diluar sistem yang mempengaruhi dalam

    sistem, biasanya bersumber dari manusia, peralatan dan material. Variasi

    penyebab umum adalah faktor di dalam sistem atau yang melekat pada proses

    yang menyebabkan timbulnya variasi dalam sistem dan hasil.

    Variabilitas dasar atau gangguan dasar adalah pengaruh kumulatif dari banyak

    sebab-sebab kecil, yang pada dasarnya tidak terkendali. Metode yang sering

    digunakan untuk mengetahui sumber variasi dari proses adalah peta-peta kendali

    atau peta control (control charts) (Marimin, 2005 ).

  • 8/17/2019 2012-1-26401-561308015-bab2-14082012022501

    10/16

    17

    2.3.3. Pemilihan Peta Kontrol

    Peta kontrol dapat diklasifikasikan ke dalam dua tipe umum. Apabila

    karakteristik kualitas dapat diukur dan dinyatakan dalam bilangan maka disebut

    variable. Peta kontrol variable tepat sekali untuk melukiskan karakteristik kualitas

    dengan ukuran tengah dan ukuran variabilitas. Apabila karakteristik kualitas tidak

    diukur dengan skala maka peta kontrol yang tepat digunakan adalah peta kontrol

    atribut. Berbagai peta kontrol dapat digunakan sesuai dengan kebutuhan seperti

    ditunjukkan melalui diagram alir penggunaan peta kontrol dalam gambar 6.

    Dalam merancang peta kontrol harus menentukan ukuran sampel,

    frekuensi pengambilan sampel dan batas-batas pengendalian. Umumnya

    semakin besar sampel akan semakin mudah menyidik pergeseran kecil dari

    prosesitu. Praktik industri masa kini cenderung menyenangi sampel–sampel

    yang lebih kecil dan lebih sering, akan tetapi penentuan frekuensi pengambilan

    sampel harus mempertimbangkan beberapa faktor, termasuk biaya pengambilan

    sampel, kerugian yang berkaitan dengan membiarkan proses bekerja dalam

    keadaaan tak terkendali, tingkat produksi dan probabilitas berbagai macam

    pergeseran proses akan terjadi. Penentuan batas kendali dalam peta kontrol

    tergantung pada penggunaan peta kontrol untuk mengontrol produk dengan

    karakteristik tertentu (Marimin, 2005).

  • 8/17/2019 2012-1-26401-561308015-bab2-14082012022501

    11/16

    18

    Gambar 6. Diagram Alir Penggunaan Peta KontrolSumber : Marimin, 2005 

    Control Chart (peta kendali) peta dengan batas kendali atas (UCL/Upper 

    Control Limit ) dan batas kendali bawah (LCL/Lower Control Limit ), dimana

    didalam peta tersebut tergambar nilai-nilai beberapa ukuran statistik untuk suatu

    rangkaian sampel atau subgroup dan sebuah garis tengah yang membantu

    dalam menunjukkan kecenderungan nilai-nilai tergambar itu terhadap batas

    kendali. Lihat juga control limit (Sugian, 2006).

    untuk data atribut

    • p-Chart  (mengendalikan proporsi cacat) peta kendali untuk mengevaluasi

    stabilitas proses dalam hal presentase jumlah total unit dalam suatu sampel.

    Peta persen juga dianggap sebagai suatu proporsi.

     p z pUCL   σ

    += ..............................................................................................................(6)

    Tentukan Karakteristik

    Kualitas Sesuai

    Keinginan Pelanggan

    Apakah DataVariabel

    Tidak Data atributproporsi ataupersentase?

    Atributberbentuk

    ketidak-sesuaian ?

    Tidak

    Proseshomogen

    atau batch?

    Ukurn contoh

    konstan?Ukurncontoh

    konstan?

    Gunakan peta

    kontrol X- MR

    Peta

    kontrol

    X – bar

     

    Peta

    kontrol p

    atau np

    Peta

    kontrol Peta

    kontrol

    u atau c

    Peta

    kontrol

    u

    TidakTidak Tidak

    yayaya

    yaya

    ya

  • 8/17/2019 2012-1-26401-561308015-bab2-14082012022501

    12/16

    19

     p z p LCL   σ

    −= ..............................................................................................................(7)

    n

     p p p

    )1(−−

    −=σ .............................................................................................................(8)

    rata-rata proporsi (%) cacat dari sampel

    ukuran sampel (Sugian, 2006).

    Control Limit (batas kendali ) suatu garis (atau beberapa garis) pada suatu

    peta kendali yang digunakan sebagai dasar untuk memutuskan signifikansi

    variasi dari waktu (subgrup) ke waktu (subgrup). Variasi di luar suatu batas

    kendali merupakan bukti bahwa sebab-sebab khusus mempengaruhi proses.

    Batas kendali dihitung dari data proses dan bukan merupakan spesifikasi hasil

    kebijakan. Pada dekade ini, kebanyakan grafik tidak memakai specification limit ,

    hanya pakai control limit saja (Sugian, 2006)..

    : p

    :n

  • 8/17/2019 2012-1-26401-561308015-bab2-14082012022501

    13/16

    20

    Gambar 7. Kontrol Limit Suatu Kontrol ChartSumber : Sugian, 2006 

     Acceptance sampling  (jumlah sampling yang diterima) pemeriksaan

    secara sampel terhadap suatu lot tersebut dapat diterima atau tidak.

     Ada dua tipe sampling :

    • Sampling  atribut: pemeriksaan ada atau tidaknya karakteristik dalam setiap

    unit yang diperiksa.

    • Sampling  variabel : pemeriksaan secara kuantitatif dengan memerhatikan

    besaran numeric karakteristik unit yang diperiksa.

    Standar untuk acceptance sampling :

    • Standar militer amerika

    1. MIL –STD-1916 (1996): metode untuk acceptance produk.

    2. MIL-HDBK-916 (1996): dokumen pelengkap MIL-STD-1916.

    UCL

    LCL

    USL

    LSL

    • CL = µ = Control Limit = Center Line• UCL = Upper Control Limit = Batas Kendali Atas• LCL = Lower Control Limit = Batas Kendali Bawah• USL = Lower Specification Limit = Batas Spesifikasi Atas• LSL = Lower Spesification Limit = Batas Spesifikasi

    Bawah

    µ + 3α x

    µ + 3α x

    Terkendali

    proses

    stabil

    Tak

    Terkendali

    proses

    µ

  • 8/17/2019 2012-1-26401-561308015-bab2-14082012022501

    14/16

    21

    3. MIL-STD-105E (1989): prosedur dan table sampling  untuk pemeriksaan

    attribute.

    Standar ini dibatralkan dengan NOT1 pada tanggal 25 Februari 1995.

    Pengguna bisa memanfaatkan standar lain seperti ANSI/ASQC Z1.4-1993.

    1. MIL-STD-414 (1968): prosedur dan table sampling  untuk pemeriksaan

    variabel presentase yang non-conforming.

    2. MIL-STD-690C (1974): prosedur dan sampling plan untuk failure rate.

    3. MIL-STD-123C ()1974: prosedur dan table sampling single dan multilevel

    untuk pemeriksaan attribute. Standar ini dibatalkan dengan MIL-STD-123C

    NOT1 (Eriyanto, 2007).

    Tabel 2.Perbandingan Teknik Sampel Acak (Probability Sampling )

    Teknik penarikansampel

    Kebutuhan danprasyarat

    Kelebihan Kekurangan

     Acak sederhana Dibutuhkan

    kerangka sampelyang lengkap

     Akurasi dapat

    diestimisasi,sampling error 

    dapat diprediksibesarnya

    Kemungkinan

    respondentersebar sehingga

    biaya surveimahal.

     Acak sistematis Dibutuhkankerangka sampelyang lengkp danmemiliki urutan

    tertentu

    Mudah danpraktis, penelititidak memakai

    tabel angka

    Sangatbergantung padakerangka sampel.

    Jika kerangkasampel buruk,

    terjadi bias besar.

     Acak stratifikasi Dibutuhkan

    pengetahuan awalmengenaipopulasi

    Lebih menjamin

    keterwakilanpopulasi. Lebihmungkin

    menghasilkansampel yangrepresentatif 

    Kadang – kadang

    membutuhkanpembobotan

     Acak klaster Tidak dibutuhkankerangka sampel

    nama – namaanggota populasi

    Biaya survei bisaditekan (lebih

    murah)

    Kesalahan sampel(sampling error)lebih besar di

    bandingkan acaksederhana,

    sistematisdan

    stratifikasi

  • 8/17/2019 2012-1-26401-561308015-bab2-14082012022501

    15/16

    22

     Acak bertingkat Tidak dibutuhkankerangka sampel

    nama – namaanggota populasi

    Biaya survei bisaditekan (lebih

    murah)

    Kesalahan sampel(sampling error)

    lebih besar dibandingkan

    acak sederhana,sistematis dan

    stratifikasi. Tetapilebih kecil

    dibandingkanacak klaster.

    Sumber : Eriyanto, 2007 

    Sampel nonacak (nonprobabilitas) sebaiknya dipakai ketika peneliti

    berada dalam situasi di mana sampel acak tidak mungkin dipakai. Semua teknik

    penarikan sampel nonprobabilitas tidak bisa dipakai untuk mengestimasi

    populasi. Hasil dari sampel hanya bisa digunakan untuk menjelaskan sampel.

    Dari berbagai teknik penarikan sampel nonprobabilitas, penggunaan sebaiknya

    didasarkan pada kebutuhan penelitian. Misalnya, jika survey dimaksudkan untuk

    membuat perbandingan antarstrata dalam populasi, sebaiknya menggunakan

    sampel kuota. Tetapi jika survey dimaksudkan untuk memberi gambaran

    pendapat sebanyak mungkin orang, teknik penarikan sampel sembarang bisa

    digunakan. Tabel 3 memberikan ringkasan kelebihan dan kekurangan masing-

    masing metode penarikan sampel (Eriyanto, 2007).

  • 8/17/2019 2012-1-26401-561308015-bab2-14082012022501

    16/16

    23

    Tabel 3. Perbandingan Teknik Sampel Tidak Acak (Nonprobability Sampling )

    Teknik penarikansampel

    Kebutuhan danprasyarat

    Kelebihan Kekurangan

    Sembrang Praktis, tidakdibutuhkan syarat

    tertentu

    Mudah dan cepatdilakukan

    responden,mudah bekerja

    sama

    Subjektifitaspewawancara sangat

    tinggi, bias dalammenggambarkan

    populasi

    Kuota Pengetahuanmengenai

    proporsi populsi

    Praktis danmudah

    disesuaikandengan target

    survei

    Bias pada salah satukelompok atau strata

    Purposif Dibutuhkanpengetahuan awal

    mengenaipopulasi

    Murah dan mudahpenggunaan

    informasi yangtersedia

    Sampelmengelompok disatutitik, tidak mewakili

    populasi

    Snowball Pengetahuan dankontak dengan

    calon responden

    Biaya survei bisaditekan (lebih

    murah)

    Sampelmengelompok di satu

    titik tidak mewakilipopulasi

    Sumber : Eriyanto, 2007