05 Praktikum Total Quality Management Pembuatan Template Powerpoint untuk digunakan sebagai template standar modul-modul yang digunakan dalam perkuliahan Dr. Aries Susanty, ST. MT FASILKOM

Penggunaan Alat-alat TQM Bag. 1-Diagram Pencar Abstract Memberikan pemahaman tentang pembuatan diagram sebar

Pengertian Diagram Pencar Scatter Diagram atau Diagram Pencar adalah diagram yang menunjukkan tingkat hubungan (korelasi) di antara 2 faktor. Di bawah ini beberapa contoh yang dapat menjadi obyek pengujian tingkat keeratan hubungan antara dua faktor, dengan menggunakan Digram Pencar, yaitu : Hubungan antara keluhan pelanggan dengan lamanya transaksi. Hubungan antara frekuensi pameran dengan peningkatan volume penjualan. Hubungan antara jumlah BPKB yang tidak diambil dengan akumulasi denda. Hubungan antara jumlah pertemuan QCC dengan banyak tema. Hubungan antara frekuensi keterlambatan pengiriman barang dengan jumlah keluhan pelanggan.

Pengertian Diagram Pencar (2) Contoh diagram pencar dapat dilihat pada Gambar berikut ini: Dengan menggambar Diagram Pencar, maka akan dapat diketahui : (i) Apakah ada hubungan di antara kedua faktor ?; (ii) Bagaimana Trend atau Kecenderungan hubungan tersebut ? Hal terpenting dalam pembuatan atau penggunaan diagram pencar adalah bagaimana memilih ukuran yang tepat, agar hubungan yang ter-gambarkan tidak menghasilkan hubungan yang bias. Meskipun demikian, dalam kenyataannya kita tidak pernah dapat benar-benar mendapatkan penjelasan engapa terjadi hubungan tersebut, karena analisa pada Diagram Pencar hanya terbatas pada menunjukkan adanya hubungan dan kekuatan dari hubungan tersebut.

Cara Membaca Diagram Pencar Dalam Diagram Pencar dikenal 2 macam hubungan, yaitu : (i) ada Korelasi yang ditandai dengan korelasi kuat dan lemah; dan (ii) tidak ada korelasi. Bila ADA korelasi, hubungan ini masih dibagi dengan Korelasi yang Positif dan Korelasi yang Negatif. Korelasi Positif diartikan : bila faktor “A” muncul semakin besar, maka faktor “B” akan muncul semakin besar pula. Sedangkan Korelasi Negatif diartikan : bila faktor “A” muncul semakin besar, faktor “B” justru akan muncul semakin kecil. Kedua korelasi tersebut (positif dan negatif) dapat ditandai dengan kuat dan lemah, sehingga dalam Scatter Diagram sebenarnya dapat ditandai 5 jenis korelasi, yaitu : Korelasi Positif Kuat Korelasi Positif Lemah Korelasi Negatif Kuat Korelasi Negatif Lemah Tanpa Korelasi

Cara Membaca Diagram Pencar (2)

Membuat Diagram Pencar Tentukan faktor-faktor yang akan diamati, misalnya “A” dan “B” (faktor sebab vs akibat atau akibat 1 vs akibat 2 atau sebab 1 vs sebab 2). Pedoman : salah satu variabel / faktor ditempatkan sebagai Variabel Independen (PENYEBAB), yang di dalam diagram ditempatkan pada Sumbu X, variabel lainnya sebagai Variabel Dependen (AKIBAT), yang ditempatkan pada Sumbu Y. Tetapkan waktu pengamatan dan kumpulkan sejumlah data (umumnya > 30). Gambarkanlah Sumbu “X” dan Sumbu “Y” dalam kertas diagram atau millimeterpaper Tetapkanlah bidang bujur sangkar untuk menempatkan seluruh data yang dikumpulkan dengan cara : Tentukan Nilai Tertinggi dan Nilai Terendah masing-masing data. Hitunglah bedanya, dan tetapkan skalanya, baik sumbu X, maupun sumbu Y. Masukkan data, dimulai pada sumbu X (penyebab) dan pada sumbu Y (akibat).

Membuat Diagram Pencar (2) Pembuat tangki plastik yang membuat dengan metode cetak hembusan menghadapi masalah dengan tangki rusak yang mempunyai dinding tipis. Diduga variasi tekanan udara, yang berbeda dari hari ke hari, yang menyebabkan ketidaksesuaian ketebalan dinding

Membuat Diagram Pencar (3) Data : x maks = 9,4 (kgf/cm2); x min = 8,2 (kgf/cm2); Y maks = 0,928 (%); y min = 0,864 (%) Tandai sumbu horizontal dalam interval 0,5 (kgf/cm2),dari 8,0 ke 9,5 (kgf/cm2); dan sumbu vertikal dalam interval 0,01 (%), dari 0,85 ke 0,93 (%) Setelah dibuatkan sumbu X dan Y –nya, langkah selanjutnya adalah menempatkan semua data dalam sumbu X dan Y sehingga diperoleh hasil sebagai berikut.

Menghitung Korelasi Didefinisikan koefisien kolerasi linier sebagai huhungan linier antara dua peubah acak X dan Y, dan dilambangkan dengan r. Jadi, r mengukur sejauh mana titik menggerombol sekitar sebuah garis lurus. Oleh karena itu dengan membuat diagram pencar bagi n pengamatan [(Xi, Yi), I = 1,2........, n] dan contoh acak, dapat ditarik kesimpulan tertentu mengenai r. Bila titik-titik menggerombol mengikuti sebuah garis lurus dengan kemiringan positif, maka ada kolerasi positif yang tinggi kedua peubah. Akan tetapi, bila titik-titik menggerombol mengikuti sebuah garis lurus dengan kemiringan negatif, maka antara kedua peubah itu terdapat kolerasi negatif yang tinggi. Kolerasi antara kedua peubah semakin menurun secara numerik dengan semakin memancarnya atau menjauhnya titik-titik dan suatu garis lurus.

Menghitung Korelasi (2) Dapat disimpulkan bahwa r nilainya pasti antara 0 dan 1. Akibatnya r mungkin mengambil nilai dari -1 sampai +1. Nilai r = 1 semua titik contoh terletak pada satu garis iurus yang mempunyai kemiringan positif. Jadi, hubungan linier sempurna terdapat antara nilai-nilai x dari y dalam contoh, bila r = + 1 atau r = - 1. Bila r mendekati + 1 atau -1, hubungan antara kedua peubah itu kuat dan terdapat korelasi yang tinggi aniara keduanya. Akan tetapi, bila r mendekari nol hubungan linier antara x dan y sangat lemah atau mungkin tidak ada sama sekali. (1)

Menghitung Korelasi dengan SPSS Dalam pengolahan data korelasi dengan menggunakan software maka diperlukan software penunjang, yaitu program SPSS. Pada pelaksanaan praktikum di laboratoriun Teknik Industri Dasar digunakan program SPSS Versi 10.00. Dalam pengujian kasus korelasi dengan menggunakan progran SPSS Versi 10.00, penyelesaian untuk pemecahan suatu masalah adalah sebagai berikut :

Menghitung Korelasi dengan SPSS (2) Memasukkan data ke SPSS Langkah-langkahnya : Membuka lembar kerja baru dan menu utama file, pilih new, lalu klik data Menamai vaniabel dan property yang diperlukan. Kilk tab sheet variabel view yang ada di bagian kiri bawah. Setelah itu, akan tampak SPSS data editor dengan urutan name, type, width, dan lain-lain. Mengisi data Hal yang perlu diperhatikan dalam pengisian vaniabel name adalah “tidak boleh ada spasi dalam pengisiannya” Pengolahan data dengan SPSS Langkah-langkahnya: Pilih menu analyze, lalu pilih submenu correlate Kemudian lakukan pengisian terhadap: Kolom variabel Kolom correlation coefisients, pilih pearson Kolom test of significance, pilih two- tailed Kolom flag significant correlations Kolom options : Pilih statistics; Pilih missing values, pilih exclude cases pairwise Tekan kontinu, lalu O.K

Menghitung Korelasi dengan SPSS (3) Dari output SPSS maka kita dapat menganalisanya : Berkenaan dengan besaran angka. Angka korelasi berkisar pada 0 (tidak ada korelasi sama sekali) dan 1 (korelasi sempuma). Sebenamya tidak ada ketentuan yang tepat mengenai apakah angka korelasi tertentu menunjukkan tingkat korelasi yang tinggi atau lemah. Namun, dapat dijadikan pedoman sederhana, bahwa angka korelasi di atas 0.5 menunjukkan korelasi yang cukup kuat, sedang di bawah 0.5 korelasi lemah. Selain besar korelasi, tanda korelasi juga berpengaruh pada penafsiran hasil. Tanda negatif pada output menunjukkkan adanya arah yang berlawanan, sedangkan tanda positif menunjukkan arah yang sama.

Hipotesis H0 = Ada hubungan (korelasi) antara dua vaniabel H1 = Tidak ada hubungan (korelasi) antara dua variabel Pengambilan Keputusan Berdasarkan probabilitas: Jika probabilitas > 0.05, maka Ho diterima; Jika probabilitas < 0.05, maka Ho ditolak Keputusan: Terlihat bahwa antara jumlah bahan baku dengan jumlah produk jadi berkorelasi secara signifikan karena probabilitas 0.99 lebih besar dan 0.05. Berdasarkan tanda ** yang diberikan SPSS Signifikan tidaknya korelasi dua variabel dapat dilihat dan adanya tanda ** pada pasangan data yang dikorelasikan. Dari output yang dihasilkan terlihat variabel jumlah bahan baku dengan variabel jumlah produk jadi terdapat tanda hingga dapat disimpulkan antara kedua variabel tersebut berkorelasi secara signifikan.