Nama Kelompok :
PALEMBANG 2018
KATA PENGANTAR
Puji Syukur penulis haturkan kepada Tuhan yang Maha Esa yang telah
melimpahkan rahmat-NYA sehingga penulis dapat menyusun makalah ini dengan
judul “Diagram Pencar”. Penulis sangat bersyukur karena dapat menyelesaikan
makalah ini guna memenuhi persyaratan untuk memperoleh nilai tugas kelompok
Pengendalian Mutu Produksi pada Fakultas Teknik Kimia di Politeknik Negeri
Sriwijaya.
Penulis menyadari bahwa makalah ini masih jauh dari sempurna, untuk
itu kritik dan saran yang sifatnya membangun sangat kami harapkan dan sebagai
umpan balik yang positif demi perbaikan di masa mendatang. Harapan penulis
semoga makalah ini bermanfaat bagi pengembangan ilmu pengetahuan khusunya
di bidang ilmu Pengendalian Mutu Produksi.
Akhir kata, penulis mengucapkan terima kasih dan penulis berharap agar
makalah ini bermanfaat bagi semua pihak yang membutuhkan.
Penulis
DAFTAR ISI
DAFTAR ISI............................................................................................................ 3
2.1. Sejarah................................................................................................................. 6
1. 2. Rumusan Masalah
Dalam makalah Diagram Pencar ini ada beberapa masalah yang akan
dibahas, antara lain :
1. Apakah pengertian dari Diagram Pencar ?
2. Bagaimana cara membuat Diagram Pencar ?
1.3. Tujuan
1.4. Manfaat
Dalam pembuatan makalah Diagram Pencar, penulis berharap makalah ini
dapat bermanfaat bagi pembaca untuk menambah pengetahuan mereka dalam
bahasan membuat dan menyajikan grafik khususunya Diagram Pencar.
BAB II
PEMBAHASAN
2.1. Sejarah
2.2. Pengertian
Diagram pencar adalah diagram yang paling sederhana dan efektif untuk
memperlihatkan ada tidaknya hubungan tertentu antara dua faktor/ variable.
Diagram ini dapat dipakai untuk melihat korelasi dari suatu penyebab atau
faktor yang berlangsung secara terus-menerus, dan diduga mempunyai pengaruh
atau karakter terhadap faktor yang lain.
Korelasi merupakan istilah yang digunakan untuk melihat hubungan
antarvariabel. Analisa korelasi adalah cara untuk mengetahui ada atau tidaknya
hubungan antarvariabel.Apabila terdapat hubungan antar variabel maka
perubahan-perubahan yang terjadi pada salah satu variabel akan mengakibatkan
terjadinya perubahan pada variabel yang lain.
Grafik scatter atau disebut juga grafik pencar adalah jenis plot atau diagram
matematika menggunakan koordinat kartesius untuk menampilkan nilai yang
biasanya terdiri dari dua variabel untuk satu set data. Jika poinnya adalah kode
berwarna, anda dapat meningkatkan jumlah variabel yang ditampilkan menjadi
tiga. Data ditampilkan sebagai koleksi dari poin-poin, masing-masing memiliki
nilai satu variabel menentukan posisi pada sumbu horisontal dan nilai dari variabel
lainnya menentukan posisi pada sumbu vertikal.
Sebuah plot pencar (grafik scatter) dapat digunakan suatu ketika salah satu
variabel kontinu yang berada di bawah kendali eksperimen dan yang lainnya
bergantung pada itu atau ketika kedua variabel kontinu independen atau bebas. Jika
parameter ada yang bertambah secara sistematis dan atau dikurangi oleh yang lain,
hal itu dikatakan kontrol parameter atau variabel independen dan lazim diplot
sepanjang sumbu horisontal. Variabel yang diukur atau bergantung lazim diplot
sepanjang sumbu vertikal. Jika tidak ada variabel yang bergantung, baik jenis
variabel dapat diplot di kedua sumbu dan plot pencar hanya akan menggambarkan
tingkat korelasi atau hubungan (bukan sebab akibat) antara dua variabel.
Sebuah plot pencar dapat menyarankan berbagai jenis korelasi antara
variabel dengan selang kepercayaan tertentu. Sebagai contoh, berat dan tinggi
badan, berat badan akan berada pada sumbu y dan tinggi badan akan berada pada
sumbu x. Korelasi mungkin dapat positif (naik), negatif (turun), atau null (tidak
berkorelasi). Jika pola titik menaik dari kiri bawah ke kanan atas, ini menunjukkan
korelasi positif antara variabel yang diteliti. Jika pola titik menurun dari kiri atas
ke kanan bawah, itu menunjukkan korelasi negatif. Sebuah garis yang paling cocok
atau sering disebut trendline, dapat digambarkan untuk mempelajari hubungan
antar variabel. Persamaan untuk korelasi antara variabel dapat ditentukan dengan
menetapkan prosedur terbaik. Untuk korelasi linear, prosedur terbaik dikenal
sebagai regresi linear dan dijamin untuk menghasilkan solusi yang tepat dalam
waktu yang terbatas. Tidak ada universal prosedur terbaik yang dijamin untuk
menghasilkan solusi yang tepat untuk hubungan yang sewenang-wenang. Sebuah
plot pencar juga sangat berguna ketika kita ingin melihat bagaiman dua set data
yang sebanding dapat cocok dengan satu sama lain. Dalam kasus ini, sebuah garis
identitas yaitu garis y = x atau garis 1 : 1, sering ditarik sebagai referensi. Semakin
dua set data cocok, semakin scatter cenderung untuk berkonsentrasi di sekitar garis
identitas. Jika dua set data identik secara numerik, scatter jatuh persis pada garis
identitas.
Salah satu aspek yang paling kuat dari plot scatter adalah kemampuan untuk
menunjukkan hubungan non linear antara variabel. Kemampuan untuk melakukan
hal ini dapat ditingkatkan dengan menambahkan sebuah garis harus seperti loess.
Selanjutnya, jika data yang diwakili oleh model campuran dari hubungan
sederhana, hubungan ini akan secara visual terlihat sebagai pola yang
ditumpangkan.
Diagram scatter adalah satu dari tujuh alat dasar kontrol kualitas. Grafik
pencar dapat dibangun dalam bentuk gelembung, penanda, atau grafik garis.
Pada umumnya, bila kita berbicara tentang hubungan antara dua macam
data, kita sesungguhnya membicarakan tentang :
1. Hubungan penyebab dan akibatnya
2. Hubungan antara satu penyebab dengan penyebab lainnya
3. Hubungan antara satu penyebab dengan dua penyebab
Secara grafis, jika kita menggambarkan “akibat pada sumbu vertikal” dan
“penyebab pada sumbu horisontal”, maka kita akan mendapatkan sebuah peta yang
disebut dengan scatter diagram.
Saat menentukan apakah dua efek yang muncul dalam kaitannya baik terjadi
dengan penyebab yang sama. Ketika pengujian autokorelasi sebelum membangun
sebuah petakendali.
2.Linear negatif
Diagram pencar ini memiliki hubungan yang berhubungan dengan kedua
variabelnya. Dimana apabila nilai x meningkat maka nilai y nya menurun. Dan
persamaannya membentuk garis lurus. Oleh karena itu dikatakan diagram
pencar linear negatif.
5.Curve Linear
Diagram pencar ini mengambarkan kondisi dimana didapatkan hubungan
antara variabel x dan variabel y yang meningkat namun saat mencapai keadaan
maksimum keduanya mengalami penurunan. Jadi garis yang dihasilkan
membentuk kurva persamaan kuadrat juga.
6.Tak Tentu
Diagram pencar ini menggambarkan seolah-olah tidak ada hubungan antara
variabel x dan y seolah-olah keduanya tidak saling mempengaruhi, karena
diagram yang didapatkan tersebar secara acak dan tidak berpola.
Contoh kasus untuk pengujian kekuatan hubungan antara 2 variabel antara lain :
1. Hubungan antara kecepatan Mesin dengan Kualitas Produk.
2. Hubungan antara Jumlah Tenaga Kerja dengan Output yang dihasilkan.
3. Hubungan antara Jumlah Jam kerusakan mesin dengan tingkat kecacatan
yang terjadi.
4. Hubungan antara Total Jam Lembur dengan tingkat absensi Tenaga Kerja.
5. Hubungan antara Absensi dengan tingkat kerusakan produk.
5. Korelasi negatif
Y akan turun, bila x naik
Dalam hal ini untuk dapat memakai diagram maka perlu dibagi dalam dua
bagian dimana untuk diagram disebelah kiri bagian kiri merupakan korelasi
negative. Begitu sebaliknya dengan diagram sebelah kanan.
Langkah 2
- Buat diagram antara hasil penjualan dengan jumlah kunjungan. Caranya,
gambarkan titik-titik data kedalam sumbu tegak (y) dan sumbu datar (x).
Langkah 3
Garis Median = garis yang membagi titik menjadi dua bagian yang sama jumlah
titiknya.
Langkah 4
Tandai masing-masing sektor searah jarum jam, mulai dari kanan atas dengan : I,
II ,III, IV.
Langkah 5
Hitung jumlah titik di dalam setiap sektor yaitu n1, n2, n3, n4.
n1 = 18
n2 = 10
n3 = 10
n4 = 2
Langkah 6 :
Hitungkan n+ dan n-.
n+ = n1 + n3 , n- = n2 + n4
Jadi :
n+ = 18 + 10 = 28
n- = 10 + 2 = 12
Langkah 7 :
Bandingkan harga yang lebih kecil diantara n+ dan n-, dengan harga maksimum
jumlah data pada Tabel Uji Tanda.
Jadi :
Pada Tabel Uji Tanda : K = 40 ditentukan dengan maksimum jumlah data = 13.
Langkah 8 :
Bila harga maksimum jumlah data lebih besar atau sama denga harga yang
lebih kecil diantara n+ dan n- maka berati : ada korelasi.
Bila harga maksimum jumlah data lebih kecil dibandingkan dengan harga yang
lebih kecil diantara n+ dan n-, maka berarti : tidak ada korelasi.
Jika titik pada Diagram Scatter bertepatan dengan poin lainnya, fakta
bahwa satu titik sebenarnya adalah dua atau lebih mungkin akan disorot oleh
keberanian mereka atau dengan menggunakan lingkaran konsentris.
Jika pengukuran sulit diperoleh, sesedikit 30 pasangan pengukuran dapat
digunakan. Gunakan Tabel Korelasi ketika kebetulan beberapa poin diukur,
biasanya ketika ada sejumlah posisi mungkin. Ini secara efektif lintas antara Scatter
Diagram dan Check Sheet, dimana setiap posisi xy diwakili oleh kotak di mana
beberapa poin dapat diindikasikan.
Gambar. Tabel Kolerasi
Contoh 1
Contoh 2
Seorang tukang roti tersangka bahwa waktu berdiri dari adonan
mempengaruhi cara naik. Sebuah Diagram Scatter waktu bangkit melawan
kepadatan roti diukur menunjukkan korelasi yang adil pada distribusi berbentuk U
terbalik. Dengan demikian ia menggunakan waktu pada titik tertinggi pada kurva
untuk mendapatkan kesempatan terbaik roti baik-bangkit.
Diduga bahwa suhu tekan menyebabkan menolak dalam proses
pembentukan plastik. Sebuah Diagram Scatter menunjukkan korelasi positif yang
tinggi, mendorong suatu redesign pers, termasuk penggunaan bahan lebih tahan
panas.Hal ini menghasilkan penurunan yang signifikan dalam jumlah potongan
ditolak.
Sebuah plot gaji departemen SDM terhadap hasil survei motivasi. Hasilnya
adalah korelasi negatif yang lemah. Sebuah Scatter Diagram kedua, merencanakan
waktu di perusahaan terhadap motivasi, memberikan korelasi yang lebih tinggi.
Sebuah program motivasi ditargetkan sesuai dan menghasilkan peningkatan yang
stabil dalam skor yang diberikan kepada motivasi dalam survei personil berikutnya
perusahaan.
Cara Penyelesaian :
1. Tentukan dua item yang ingin Anda bandingkan. Satu dapat diidentifikasi sebagai
penyebab dicurigai dan yang lain sebagai efek dicurigai. Hal ini mungkin berasal
dari penggunaan alat-alat lain, seperti Efek-Penyebab Hubungan Diagram atau
Diagram.
2. Identifikasi pengukuran yang akan diambil. Keduanya harus variabel (yaitu diukur
pada skala kontinu) dan itu harus mungkin untuk mengukur keduanya pada saat
yang sama. Buatlah pengukuran sespesifik mungkin untuk mengurangi variasi dan
meningkatkan kemungkinan hubungan yang lebih tinggi. Sebagai contoh,
pengukuran dari bahan pemasok tunggal mungkin lebih baik daripada mengukur
semua bahan yang disediakan.
3. Membuat 50-100 pasang pengukuran. Ketika melakukan hal ini, bertujuan untuk
menjaga semua variabel lain stabil mungkin, karena dapat mengganggu dengan
angka akhir. Berhati-hatilah ketika mengukur perilaku manusia, sebagai tindakan
pengukuran dapat menyebabkan orang diukur untuk mengubah perilaku mereka,
terutama jika mereka mencurigai mereka mungkin kehilangan keluar dalam
beberapa cara.
4. Plot diukur pasang di Scatter Diagram. Desain sumbu dan sisik pada diagram untuk
memberikan penyebaran maksimum visual poin. Ini mungkin melibatkan
menggunakan skala yang berbeda dan membuat sumbu salib di non-nilai nol
(seperti pada gambar dibawah). Jika menyelidiki hubungan sebab-akibat yang
mungkin, alur sebab dicurigai pada sumbu x (horizontal) dan efek dicurigai pada
sumbu y (vertikal).
PENUTUP
3.1 Kesimpulan