ke-19 merupakan pendekatan logic dari tahap awal pada proses perbaikan suatu
situasi yang digambarkan dalam bentuk histogram yang dikenal sebagai konsep
vital few and the trivial many untuk mendapatkan menyebab utamanya. Diagram
Pareto telah digunakan secara luas dalam kegiatan kendali mutu untuk menangani
kerangka proyek; proses program; kombinasi pelatihan, proyek dan proses,
sehingga sangat membantu dan memberikan kemudahan bagi para pekerja dalam
meningkatkan mutu pekerjaan. Pareto chart sangat tepat digunakan jika
menginginkan hal-hal seperti menentukan prioritas karena keterbatasan
sumberdaya, menggunakan kearifan tim secara kolektif, menghasilkan consensus
atau keputusan akhir, dan menempatkan keputusan pada data kuantitatif.
Diagram pareto disebut juga Gambaran pemisah unsur penyebab yang paling
dominan dari unsur-unsur penyebab lainnya dari suatu masalah. Diagram Pareto
ini merupakan suatu gambar yang mengurutkan klasifikasi data dari kiri ke kanan
menurut urutan ranking tertinggi hingga terendah. Hal ini dapat membantu
menemukan permasalahan yang terpenting untuk segera diselesaikan (ranking
tertinggi) sampai dengan yang tidak harus segera diselesaikan (ranking terendah).
Diagram Pareto dibuat berdasarkan data statistik dan prinsip bahwa 20%
penyebab bertanggungjawab terhadap 80% masalah yang muncul atau
sebaliknya. Kedua aksioma tersebut menegaskan bahwa lebih mudah mengurangi
bagian lajur yang terletak di bagian kiri diagram Pareto daripada mencoba untuk
menghilangkan secara sistematik lajur yang terletak di sebelah kanan diagram. Hal
ini dapat diartikan bahwa diagram Pareto dapat menghasilkan sedikit sebab
penting untuk meningkatkan mutu produk atau jasa. Keberhasilan penggunaan
diagram Pareto sangat ditentukan oleh partisipasi personel terhadap situasi yang
diamati, dampak keuangan yang terlihat pada proses perbaikan situasi dan
penetapan tujuan secara tepat. Faktor lain yang perlu dihindari adalah jangan
membuat persoalan terlalu kompleks dan juga jangan terlalu mencari
penyederhanaan pemecahan.
Tahapan penggunaan dari Diagram Pareto adalah mencari fakta dari data ciri
gugus kendali mutu yang diukur, menentukan penyebab masalah dari tahapan
sebelumnya dan mengelompokkan sesuai dengan periodenya, membentuk
histogram evaluasi dari kondisi awal permasalahan yang ditemui, melakukan
rencana dan pelaksanaan perbaikan dari evaluasi awal permasalahan yang
ditemui, melakukan standarisasi dari hasil perbaikan yang telah ditetapkan dan
menentukan tema selanjutnya.
Contoh di atas adalah contoh sederhana dari sebuah diagram pareto dengan
menggunakan sampel data frekuensi relatif dari penyebab IP rendah. Ini
memungkinkan kita untuk melihat 20% dari kasus yang menyebabkan 80% dari
masalah dan di mana upaya kita harus difokuskan untuk mencapai peningkatan
terbesar. (Hendra Poerwanto G)
Contoh Kasus Pengendalian Mutu di Medical Center “SEHAT’i”
Dr. Frans Melik, Direktur Pengelola “M. C. SEHAT’i”, baru-baru ini mengadakan
survey melalui penyebaran kuesioner, guna menganalisa faktor-faktor penyebab
pasien yang semakin menurun karena akibat penurunan ini pendapatan M. C.
SEHAT’i juga turun sampai 20% dibandingkan dengan bulan yang sama periode
tahun lalu.
Hasil kuesioner dari 100 responden telah diringkas seperti dibawah ini, untuk
memudahkan, terlebih dahulu diberi kode pada masing-masing jawaban
responden.
Penyebab KODE
Metode klasik dalam pengujian normalitas suatu data tidak begitu rumit.
Berdasarkan pengalaman empiris beberapa pakar statistik, data yang banyaknya
lebih dari 30 angka (n > 30), maka sudah dapat diasumsikan berdistribusi normal.
Biasa dikatakan sebagai sampel besar.
Namun untuk memberikan kepastian, data yang dimiliki berdistribusi normal atau
tidak, sebaiknya digunakan uji statistik normalitas. Karena belum tentu data yang
lebih dari 30 bisa dipastikan berdistribusi normal, demikian sebaliknya data yang
banyaknya kurang dari 30 belum tentu tidak berdistribusi normal, untuk itu perlu
suatu pembuktian. Pembuktian normalitas dapat dilakukan dengan manual, yaitu
dengan menggunakan kertas peluang normal, atau dengan menggunakan uji
statistik normalitas.
Banyak jenis uji statistik normalitas yang dapat digunakan diantaranya Kolmogorov
Smirnov, Lilliefors, Chi-Square, Shapiro Wilk atau menggunakan soft ware
computer. Soft ware computer dapat digunakan misalnya SPSS, Minitab, Simstat,
Microstat, dsb. Pada hakekatnya soft ware tersebut merupakan hitungan uji
statistik Kolmogorov Smirnov, Lilliefors, Chi- Square, Shapiro Wilk, dsb yang telah
diprogram dalam soft ware komputer. Masing- masing hitungan uji statistik
normalitas memiliki kelemahan dan kelebihannya, pengguna dapat memilih sesuai
dengan keuntungannya.
Di bawah disajikan beberapa cara untuk menguji suatu data berdistribusi normal
atau
tidak.
METODE LILIEFORS
Metode Lilliefors menggunakan data dasar yang belum diolah dalam tabel distribusi
frekuensi. Data ditransformasikan dalam nilai Z untuk dapat dihitung luasan kurva normal
sebagai probabilitas komulatif normal. Probabilitas tersebut dicari bedanya dengan
probabilitas komultaif empiris. Beda terbesar dibanding dengan tabel Lilliefors pada Tabel
Nilai Quantil Statistik Lilliefors Distribusi Normal.
Rumus :
Keterangan :
Z = Transformasi dari angka ke notasi pada distribusi normal F(x)= Probabilitas komulatif
normal
S(x)= Probabilitas komulatif empiris
F(x) = komulatif proporsi luasan kurva normal berdasarkan notasi Zi, dihitung dari luasan
kurva normal mulai dari ujung kiri kurva sampai dengan titik Zi.
Persyaratan :
Signifikansi :
Signifikansi uji, nilai | F (x) – S (x) | terbesar dibandingkan dengan nilai tabel Lilliefors. Jika
nilai | F (x) – S (x) | terbesar kurang dari nilai tabel Lilliefors, maka Ho diterima ; Ha ditolak.
Jika nilai | F (x) – S (x) | terbesar lebih besar dari nilai tabel Lilliefors, maka Ho ditolak ; H1
diterima.
Penyelesaian :
Hipotesis
Ho : tidak beda dengan populasi normal Ha : Ada beda populasi normal
Nilaiα
Nilaiα = level signifikansi = 5% = 0,05
Rumus Statistik penguji
Hitung rumus statistik penguji
SD 9,22
Nilai F(x) tertinggi sebagai angka penguji normalitas, yaitu 0,1469
S(x)
Df/db/dk
Df =φ = tidak diperlukan
Nilai tabel
Nilai Kuantil Penguji Lilliefors,α = 0,05 ; N = 18 ;≈ 0,2000. Pada Tabel Lilliefors.
Daerah penolakan Menggunakan rumus
; berarti Ho diterima, Ha ditolak
Kesimpulan
Sampel diambil dari populasi normal, padaα = 0,05
METODE KOLMOGOROV-SMIRNOV
Rumus :
Keterangan :
FT = komulatif proporsi luasan kurva normal berdasarkan notasi Zi, dihitung dari luasan
kurva mulai dari ujung kiri kurva sampai dengan titik Z.
Persyaratan :
Siginifikansi :