A.

Diagram Stem and Leaf

Diagram ini adalah diagram dahan-daun yang disusun baris per baris
secara vertikal, dan cukup efektif untuk menggambarkan pola sebaran data yang
berukuran kecil. Untuk digit angka dan puluhan dipisahkan sesuai incrementnya
menjadi dahan dan daun masing-masing. “Dahan” digunakan untuk
mengelompokkan nilai dan setiap “daun” menunjukkan skor individu dalam
setiap kelompok.
Stemplot juga dikenal sebagai stem-and-leaf plot atau apabila
diterjemahkan ke dalam bahasa indonesia berarti plot batang dan daun. Di dalam
statistik, stemplot digunakan sebagai alat untuk menyajikan data kuantitatif dalam
format grafis, mirip dengan histogram, yaitu untuk membantu dalam
memvisualisasikan bentuk distribusi data yang sering digunakan dalam analisis
eksplorasi. Jadi diagram ini termasuk data numerik.
Secara umum diagram stem-and-leaf meringkas data menjadi susunan
angka yang berurutan dan menyajikannya dalam bentik grafis. Digit angka
tertentu disetiap awal data merupakan basis pengurutan. Selanjutnya kita
memisahkan setiap nilai data menjadi digit utama yang akan ditampilkan sebagai
batang (stem) dan digit setelahnya ditampilkan sebagai daun (leaf).
Untuk kelemahan ini penyajian dalam bentuk stem and leaf dapat
menghilangkan kelemahan tersebut.
Contohnya dari data yang dapat diambil sebanyak 25 akseptor, datanya
dapat kita sajikan dalama bengtuk batang dan daun berikut.
BATANG DAUN FREKUENSI
10 9 1
20 0,0,0,1,1,2,3,3. 8
30 0,1,2,2,3,4,5,6,7,8. 10
40 0,0,1,1,2,2. 6
Penampilan data diatas tidak menghilangkan nilai data aslinya. Terlihat dari 25
akseptor tersebut berapa sebenarnya umur akseptor yang terambil sebagai sampel.
Di dalam statistik, stem and leaf merupakan alat untuk menyajikan data numeric
dalam format grafis, mirip dengan histogram, yaitu untuk membantu dalam
memvisualisasikan bentuk distribusi data yang sering digunakan dalam analisis
eksplorasi.

Kelebihan dan Kekurangan Stem and leaf

1. Kelebihan:
a. Mudah dibuat dengan teknik yang sederhana.
b. Mencakup keseluruhan informasi data.
c. Menampilkan distribusi dalam gaya histogram, tetapi dengan struktur
yang baik. Sebuah hasil dari perputaran histogram 90 derajat searah
jarum jam. Bagaimanapun, stem-and-leaf menyimpan penjelasan lebih
banyak dari nilai-nilai individu. Kelebihan ini seringkali berguna
terutama untuk memeriksa outlier dalam distribusi.
d. Memungkinkan penghitungan dasar – dasar statistik (median, kuartil,
dll.) dengan mudah.
2. Kekurangan:
a. Bermasalah dengan data yang besar atau banyak
b. Digit terakhir kadang – kadang tidak menarik atau informatif,
khususnya ketika data itu dihasilkan dari prosedur pengukuran
otomatis
c. Perbandingan dari dua atau lebih stem-and- leaf bisa saja sangat sulit
atau tidak efisien jika kita tidak menampilkan langsung secara
berdampingan dengan skala besaran biasa.
Stem And Leaf dan Boxplot bisa digunakan untuk menyajikan data
kuantitatif dalam format grafis, mirip dengan histogram, untuk membantu
dalam memvisualisasikan bentuk distribusi.
B. Diagram Pareto
Diagram pareto merupakan salah satu tools (alat) dari QC 7 Tools yang
sering digunakan dalam hal pengendalian mutu. Pada dasarnya, diagram pareto
adalah grafik batang yang menunjukkan masalah berdasarkan urutan banyaknya
jumlah kejadian. Urutannya mulai dari jumlah permasalahan yang paling banyak
terjadi sampai yang paling sedikit terjadi.
 Sebelum membuat sebuah diagram pareto, data yang berhubungan dengan
masalah atau kejadian yang ingin kita analisis harus dikumpulkan terlebih dahulu.
Pada umumnya alat yang sering digunakan untuk pengumpulan data adalah
dengan menggunakan Check Sheet atau Lembaran Periksa. Diagramm pareto juga
termasuk data numerik,

Kegunaan dari diagram pareto adalah:

1. Menunjukkan persoalan utama yang dominan dan perlu segera diatasi.
2. Menyatakan perbandingan masng-masing persoalan yang ada dan
komulatif secara keseluruhan.
3. Menunjukkan tingkat perbaikan setelah tindakan koreksi dilakukan pada
daerah yang terbatas.
4. Menunjukkan perbandingan masing-masing persoalan sebelum dan
sesudah perbaikan.
Diagram pareto dapat diaplikasikan untuk proses perbaikan dalam
berbagai macam aspek permasalahan. Diagram pareto ini seperti halnya diagram
sebab akibat tidak saja efektif digunakan untuk usaha pengendalian kualitas suatu
produk, akan tetapi juga bisa diaplikasikan untuk (Wignjosoebroto, 2006):
1. Mengatasi permasalahan pencapaian efisiensi atau produktivitas kerja
yang lebih tinggi lagi.
2. Permasalahan keselamatan kerja (safety).
3. Penghematan atau pengendalian material, energi, dan lain-lain.
4. Perbaikan sistem dan prosedur kerja
Dengan menggunakan diagram Pareto maka:
 1. Dapat memilah masalah utama/besar menjadi bagian yang lebih kecil
sehingga dapat fokus pada upaya perbaikannya
2. Mengidentifikasidan mengurutkan menurut prioritas atau faktor yang
paling signifikan,
3. Memungkinkan pemanfaatan yang lebih baik sumber daya yang terbatas

C. Box Whisker Plot

Penyajian grafis yang bisa merangkum informasi lebih detail mengenai

distribusi nilainilai data pengamatan adalah Box Whisker Plots atau lebih sering
disebut dengan Box Plot atau Box-Plot (kotak-plot) saja. Box plot merupakan
ringkasan distribusi sampel yang disajikan secara grafis yang bisa
menggambarkan bentuk distribusi data (skewness), ukuran tendensi sentral dan
ukuran penyebaran (keragaman) data pengamatan. Box plot juga dapat
menunjukkan ada tidaknya nilai outlier dan nilai ekstrim dari data pengamatan.
Seperti namanya, Box and Whisker, bentuknya terdiri dari Box (kotak) dan
whisker. Pada gambar di bawah, Box adalah kotak berwarna hijau dan Whisker
garis berwarna biru. Box & Wisker plot digunakan untuk menyajikan data
numerik. Diagram ini dipakai untuk membandingkan beberapa pengamatan.
Keterangan gambar:
a. Bagian utama boxplot adalah kotak berbentuk persegi (Box) yang
merupakan bidang yang menyajikan interquartile range (IQR), dimana 50
% dari nilai data pengamatan terletak di sana.
a) Panjang kotak sesuai dengan jangkauan kuartil dalam (inner Quartile
Range, IQR) yang merupakan selisih antara Kuartil ketiga (Q3) dengan
Kuartil pertama (Q1). IQR menggambarkan ukuran penyebaran data.
Semakin panjang bidang IQR menunjukkan data semakin menyebar.
Pada Gambar, IQR = UQ – LQ = Q3 – Q1.
b) Garis bawah kotak (LQ) = Q1 (Kuartil pertama), dimana 25% data
pengamatan lebih kecil atau sama dengan nilai Q1.
c) Garis tengah kotak = Q2 (median), dimana 50% data pengamatan lebih
kecil atau sama dengan nilai ini.
d) Garis atas kotak (UQ) = Q3 (Kuartil ketiga) dimana 75% data
pengamatan lebih kecil atau sama dengan nilai Q1.
b. Garis yang merupakan perpanjangan dari box (baik ke arah atas ataupun
ke arah bawah) dinamakan dengan whiskers.
a) Whiskers bawah menunjukkan nilai yang lebih rendah dari
kumpulan data yang berada dalam IQR.
b) Whiskers atas menunjukkan nilai yang lebih tinggi dari kumpulan
data yang berada dalam IQR.
c) Panjang whisker ≤ 1.5 x IQR. Masing-masing garis whisker
dimulai dari ujung kotak IQR, dan berakhir pada nilai data yang
bukan dikategorikan sebagai outlier (Pada gambar, batasnya adalah
garis UIF dan LIF). Dengan demikian, nilai terbesar dan terkecil
dari data pengamatan (tanpa termasuk outlier) masih merupakan
bagian dari Boxplot yang terletak tepat di ujung garis tepi
whiskers.
 c. Nilai yang berada di atas atau dibawah whisker dinamakan nilai outlier
atau ekstrim.
a) Nilai outlier adalah nilai data yang letaknya lebih dari 1.5 x
panjang kotak (IQR), diukur dari UQ (atas kotak) atau LQ (bawah
kotak). Pada Gambar di atas, ada 2 data pengamatan yang
merupakan outlier, yaitu data pada case 33 dan case 55 (ada pada
baris ke 33 dan baris 35).
Q3 + (1.5 x IQR) < outlier atas ≤ Q3 + (3 x IQR)
Q1 – (1.5 x IQR) > outlier bawah ≥ Q1 – (3 x IQR)
d. Nilai ekstrim adalah nilai-nilai yang letaknya lebih dari 3 x panjang kotak
(IQR), diukur dari UQ (atas kotak) atau LQ (bawah kotak). Pada gambar
di atas, ada 1 data yang merupakan nilai ekstem, yaitu data pada case 15.
a) Ekstrim bagian atas apabila nilainya berada di atas Q3 + (3 x IQR) dan
b) Ekstrim bagian bawah apabila nilainya lebih rendah dari Q1 – (3 x
IQR)
Boxplots dapat membantu dalam memahami karakteristik dari distribusi
data. Selain untuk melihat derajat penyebaran data (yang dapat dilihat dari
tinggi/panjang boxplot) juga dapat digunakan untuk menilai kesimetrisan sebaran
data. Panjang kotak menggambarkan tingkat penyebaran atau keragaman data
pengamatan, sedangkan letak median dan panjang whisker menggambarkan
tingkat kesimetrisannya. Diagram box whisker plot juga termasuk data numerik.
Jika data simetris berasal dari distribusi normal maka garis median akan
berada di tengah box dan whisker bagian atas dan bawah akan memiliki panjang
yang sama serta tidak terdapat nilai outlier ataupun nilai ekstrim dan juga
diharapkan nilai-nilai pengamatan yang berada di luar whiskers tidak lebih dari
1%.
Jika data tidak simetris (miring), maka median tidak akan berada di tengah
box dan salah satu dari whisker lebih panjang dari yang lainnya. Adanya outlier di
bagian atas boxplot yang disertai dengan whisker bagian atas yang lebih panjang,
menunjukkan bahwa distribusi data cenderung menjulur ke arah kanan (positive
skewness). Sebaliknya, adanya outlier di bagian bawah boxplot yang disertai
dengan whisker bagian bawah yang lebih panjang, menunjukkan bahwa distribusi
data cenderung menjulur ke arah kiri (negatif skewness).

Keunggulan box plot dibanding dengan histogram, dotplot, dan stemplot

sangat terasa pada saat ingin membandingkan sebaran beberapa kelompok data
secara bersamaan. Sebagai contoh, perhatikan gambar berikut:

Grafik boxplot di atas merupakan analisis non-parametrik). Nilai median untuk

tiga kelompok data adalah sama. Interpretasi pada perbandingan ketiga box plot di
atas, tidak memperhatikan asumsi distribusi statistik. Ingat, ukuran pusat yang
digunakan adalah median.

Kelebihan box whisker plot:

1. Secara visual menggambarkan lokasi dari data

2. Menunjukkan sebaran data tersebut simetri atau tidak
 3. Tidak seperti metode yang lain, box plot memperlihatkan outlier
4. Dapat cepat digunakan untuk membandingkan lebih dari satu distribusi
data pada satu tampilan secara bersamaan.

Kelemahan box whisker plot:

1. Cenderung memperhatikan outlier, yang mungkin tidak diperlukan dalam

suatu data.
2. Selain itu bentuk distribusi terpengaruh pula adanya outlier.
3. Cenderung menyembunyikan detail dari distribusi data

Untuk mengurangi kelemahan ini, perlu disertakan pula histogram data sebagai
pelengkap.