DESKRIPSI MATERI

PERTEMUAN 8: SCATTER DIAGRAM DAN PETA KENDALI

Mata Kuliah TQM
Dosen Pengampu: Sri Utaminingsih, S.H.,M.MPd.,M.H

PENGANTAR:

Pengendalian proses statistik (Statistical Process Control) adalah

terminology yang mulai sejak tahun 1970-an untuk menjabarkan penggunaan
teknik- teknik statistik(StatisticalTechniques) dalam memantau dan
meningkatkan performansi proses menghasilkan produk berkualitas. Pada ta
hun1950-an sampai tahun1960-an di gunakan terminology pengendalian kualitas
statistikal(StatisticalQualityControl=SQC) yang memiliki pengertian sama
dengan pengendalian proses statistikal(Statistical Process Control =SPC ).
Pengendalian kualitas merupakan aktivitas teknik dan manajemen,dimana
pengukuran karakteristik kualitas dari output (barang/jasa) ,kemudian
membandingkan hasil pengukuran tersebut dengan spesifikasi/karakteristik
output yang di inginkan pelanggan, serta mengambil tindakan yang tepat apabila
ditemukan perbedaan antara performansi actual dans tandar.Berdasar kan uraian
diatas,dapat difinisikan bahwa pengendalian proses statistikal(SPC) sebagai suatu
metode pengumpulan dan analisis data kualitas, serta penentuan dan interprestasi
pengukuran-pengukuran yang menjelaskan tentang proses dalam suatu sistem
industri,untuk meningkatkan kualitas dari output guna memenuhi kebutuhan dan
ekspektasi pelanggan.
Dengan kata lain penerapan SPC akan dapat membantu menjaga proses
produksi berjalan secara benar dan stabil, sehingga kemungkinan terjadi produk
gagal menjadi sangat kecil

TUJUAN PERKULIAHAN
Setelah mempelajari materi perkuliahan, mahasiswa mampu:
• Menjelaskan tentang Diagram Scatter.
• Menguraikan tentang Peta Kendali.
DESKRIPSI MATERI: SCATTER DIAGRAM DAN PETA KENDALI

1.1.1 Definisi Data Dalam SPC

Definisi data dalam SPC menurut Gaspersz adalah catatan tentang
sesuatu, baik yang bersifat kualitatif maupun kuantitatif yang di pergunakan
sebagai petunjuk untuk bertindak. Berdasarkan data, dapat di pelajari fakta-
fakta yang ada kemungkinan mengambil tindakan yang tepat berdasarkan fakta
itu.Dalam konteks pengendalian statistical dikenali dua jenis data,yaitu:
1. DataAtribut( AttributesData )
Data atribut adalah data kualitatif yang dapat di hitung untuk pencatatan
dananalisis.Contoh dari data atribut karakteristik kualitas adalah: Ketiadaan label
pada kemasan produk, banyaknya jenis cacat pada produk, dan lain-lain.
2. DataVariabel( Variables Data)
Data variable merupakan data kuantitatif yang diukur untuk keperluan
analisis.Contoh dari data variable karakteristik kualitas adalah diameter
pipa,ketebalan produk kayulapis,berat semen dalam kantong,Banyaknya ukuran
kertas dalam setiap rim,atau yang berupa ukuran.

1.1.2Tools dalam SPC

Tujuh alat bantu pengendalian kualitas dalam Pengendalian Proses
Statistikal( SPC ) yang sering di sebut juga sebagai seven tools of quality control,
yaitu:
1. Lembar Pengamatan Data( Check Sheet )
2. Grafik( Graph )
3. Diagram Pareto( ParetoDiagram )
4. Diagram Batang( Histogram )
5. Diagram Sebab-Akibat(Fishbone Diagram )
6. Diagram Pencar( Scatter Diagram)
7. Peta Kendali( ControlChart )

1.2 Diagram Pencar (Scatter Diagram)

1.2.1 Pengertian Diagram Pencar (Scatter Diagram)

2
 Diagram Scatter atau Diagram Pencar adalah salah satu alat dari QC Seven
Tools (7 alat pengendalian Kualitas) yang berfungsi untuk melakukan pengujian
terhadap seberapa kuatnya hubungan antara 2 (dua) variabel serta menentukan
jenis hubungan dari 2 (dua) variabel tersebut apakah hubungan Positif, hubungan
Negatif ataupun tidak ada hubungan sama sekali. Bentuk dari Scatter Diagram
atau Diagram Pencar adalah gambaran grafis yang terdiri dari sekumpulan titik-
titik (point)dari nilai sepasang variabel (Variabel X dan Variabel Y).
Dalam bahasa Inggris, Scatter Diagram sering disebut juga dengan Scatter
Chart, Scatter plot, Scattergram dan Scatter graph. Sedangkan dalam bahasa
Indonesia, Scatter Diagram sering dikenal dengan istilah Diagram Pencar,
Diagram Sebar ataupun Diagram Tebar.Baberapa contoh kasus yang dapat
dijadikan sebagai bahan 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.

1.2.2 Cara Membuat Scatter Diagram (Diagram Pencar)

Berikut ini adalah Langkah-langkah yang diperlukan dalam membuatScatter
Diagram (Diagram Pencar) :
1. Pengumpulan data
Lakukan pengumpulan sepasang data X dan Y yang akan dipelajari
hubungannya kemudian masukkanlah data tersebut ke dalam sebuah Tabel.
Usahakan pengumpulan pasangan data melebihi 30 pasangan data (n > 30) agar
tingkat ke-akurasi-annya lebih tinggi.
2. Pembuatan Sumbu Vertikal dan Sumber Horizontal
Tentukanlah nilai Maksimum dan nilai Minimum dari kedua data variabel
X dan Y tersebut kemudian buatlah sumbu Vertikal dan sumbu Horizontal

3
 beserta skalanya sesuai dengan nilai Maksimum dan Nilai Minimum yang
didapat.
3. Penebaran (Plotting) data
Lakukanlah Penebaran data (data plotting) kedalam kertas yang telah
dibuat pada langkah ke-2 (langkah pembuatan sumbu vertikal dan sumbu
horizontal)
4. Pemberian Informasi
Berikanlah informasi yang secukupnya untuk Scatter Diagram tersebu
tseperti:
a. Judul Grafik
b. Banyaknya pasangan data
c. Judul dan unit pengukuran untuk sumbu Vertikal dan Horizontal
d. Interval Waktu
e. Orang yang membuat dan penanggung Jawab Scatter Diagram tersebut.
Agar lebih jelas tentang cara pembuatan dan penerapan Scatter Diagram,
berikut ini merupakan contoh Kasusnya :

Contoh Kasus :
Perusahaan A yang mempunyai Tenaga Kerja sebanyak 300 orang dan
bergerak di bidang industri perakitan elektronik sedang menghadapi permasalahan
atas tingginya tingkat kerusakan dalam produksi. Dicurigai bahwa penyebabnya
adalah dikarenakan jumlah absensi operator (tenaga kerja) yang tinggi di dalam
produksinya. Berikut ini adalah Tabel tentang jumlah absensi tenaga kerja dengan
tingkat kerusakan.

4
 Berdasarkan Contoh kasus dan Tabel diatas, maka kita dapat membuat
Scatter Diagramnya mengikuti langkah-langkah yang telah disebutkan diatas tadi.

Langkah 1 – Pengumpulan data

Seperti yang telah ditampilkan dalam tabel diatas dengan pasangan data sebanyak
30 data (n = 30)

Langkah 2 – Pembuatan Sumbu Vertikal dan Sumber Horizontal

Sumbu Horizontal : Nilai Maksimum untuk Absensi adalah 6 dan Minimumnya
adalah 1

5
Sumbu Vertikal : Nilai Maksimum untuk tingkat kerusakan adalah 5,6 dan
Minimumnya adalah 0,7
Catatan :
1. Agar bentuk grafik lebih bagus, kita dapat lebihkan batas skala maksimum
dan minimum.
2. Jika yang diuji adalah hubungannya dengan kualitas, maka tingkat
kerusakanlebih baik diletakkan pada sumbu Vertikal.

Langkah 3 – Penebaran Data (Data Plotting)

Lakukan Penebaran data sesuai dengan tabel diatas dengan cara menggambarkan
titik-titk X dan Y.

Langkah 4 – Pemberian Informasi

Berikanlah informasi dan Judul Scatter Diagram seperti contoh dibawah ini:Judul
Scatter Diagram : Hubungan antara Absensi dengan Tingkat KerusakanBanyak
pasangan data : n = 30
Judul dan unit pengukuran : Sumbu Vertikal = Tingkat Kerusakan (%),
Sumbu Horizontal = Jumlah Absensi (Orang)
Interval waktu : 01 ~ 30 Oktober 2015
Nama Pembuat / Penanggung : Dickson

6
1.2.3 Cara Membaca Scatter Diagram (Diagram Pencar)
Dari bentuk grafik yang dihasilkan, maka grafik dari Scatter Diagram
diatas dinyatakan memiliki hubungan Positif (korelasi Positif) yang artinya
Makin Tinggi Jumlah Absensi Tenaga Kerja akan mengakibatkan tingkat
kerusakan yang makin tinggi pula. Jadi jika ingin mengurangi tingkat kerusakan
produk, salah satu tindakan yang harus dilakukan adalah mengurangi tingkat
absensi tenaga kerja.
Pola Scatter Diagram (Diagram Pencar)
Pada dasarnya, terdapat 3 pola dalam Scatter Diagram yaitu :

1. POLA POSITIF SCATTER DIAGRAM

Yaitu Pola yang menunjukkan hubungan atau korelasi positif di antara
Variabel X dan Variabel Y dimana nilai-nilai besar dari Variabel X
berhubungan dengan nilai-nilai besarnya Variabel Y, sedangkan nilai-nilai
kecil variabel X berhubungan dengan nilai-nilai kecil Variabel Y.

7
2. POLA NEGATIF SCATTER DIAGRAM
Yaitu pola yang menunjukkan hubungan atau korelasi negative di antara
Variabel X dan Variabel Y dimana nilai-nilai besar Variabel X berhubungan
dengan nilai-nilai kecil Variabel Y sedangkan nilai-nilai kecil Variabel X
berhubungan dengan nilai-nilai besar Variabel X.

3. POLA TIDAK MEMILIKI HUBUNGAN (TIDAK BERKORELASI)

Yaitu Pola yang berkemungkinan tidak memiliki hubungan karena tidak
ada kecenderungan nilai-nilai tertentu pada variabel X terhadap nilai-nilai
tertentu pada Variabel Y.

Berikut ini gambar 3 Jenis pola dalam menilai hubungan atau korelasi antara
pasangan data X dan Y :

1.2.4 Definisi Scatter Diagram (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 keeratanhubungan antara dua faktor,
dengan menggunakan Scatter Diagram, yaitu :
1. Hubungan antara keluhan pelanggan dengan lamanya transaksi.
2. Hubungan antara frekuensi pameran dengan peningkatan volume penjualan.
3. Hubungan antara jumlah BPKB yang tidak diambil dengan akumulasi denda.
4. Hubungan antara jumlah pertemuan QCC dengan banyak tema.
5. Hubungan antara frekuensi keterlambatan pengiriman barang dengan jumlah
keluhan pelanggan.
Dengan menggambar Scatter Diagram, maka akan dapat diketahui :
1. Apakah ada hubungan di antara kedua faktor ?
2. Bagaimana Trend atau Kecenderungan hubungan tersebut ?
Di dalam pengertian Mutu (TQM), hubungan di antara kedua faktor tersebut bisa
diartikan :
1. Hubungan antara Sebab dan Akibat.
2. Hubungan antara Sebab dan Sebab lainnya.

8
3. Hubungan antara Akibat dan Akibat lainnya.
Hal terpenting dalam pembuatan atau penggunaan Scatter Diagram 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 : Mengapa terjadi
hubungan tersebut ?”, karena analisa pada Scatter Diagram hanya terbatas pada
menunjukkan adanya hubungan dan kekuatan dari hubungan tersebut.

2. Peta Kendali ( ControlChart )

Pengelompokan jenis-jenis peta kendali tergantung pada tipe datanya.
Gaspersz (1998) menjelaskan bahwa dalam konteks pengendalian proses
statistikal dikenal dua jenis data,yaitu:
1.DataVariable,merupakan data kuantitatif yang diukur untuk keperluan
analisis.Contoh dari data variable karakteristik kualit asadalah:diameter
pipa,ketebalan produk kayu,berat semen dalam kantong,dll.
2.DataAtribut,merupakan data kualitatif yang dapat di hitung untuk pencatatan
dan analisa.Contoh dari data atribut karakteristik kualitas adalah ketiadaan
label pada kemasan produk, kesalahan proses administrasi, banyak nya
jenis cacat pada produk,banyak nya produk kayu lapis yang cacat karena
Corelap, dll.

Berdasarkan kedua tipe data tersebut,maka jenis-jenis peta kendali

terbagi atas peta kendali untuk data variable dan peta kendali untuk data
atribut.Beberapa peta kendali untuk data variable adalah peta kendali X-bar dan
R,Peta kendali individual X-bar dan MR ,serta peta kendali X-bar dan S.Sedang
kan peta kendali untuk data atribut adalah peta kendali p,peta kendali np,peta
kendali c,dan peta kendali u.
Menurut Gaspersz (1998), pada prinsip nya setiap peta kendali mempunyai:
1. Garis tangah (Central Line), yang biasa nya dinotasikan CL
2. Sepasang batas kendali (Control Limits), dimana satu batas kendali
ditempatkan di bawah garis tengah yang dikenal sebagai batas kendali atas
(UpperControlLimit),biasanya dinotasikan sebagai UCL,dan yang satu lagi

9
 ditempatkan dibawah garis tengah yang dikenal dengan batas kendali
bawah(Lower Control Limits), biasanya dinotasikan sebagaiLCL.
3. Tebaran nilai-nilai karateristik kualitas yang menggambarkan keadaan dari
proses. Jika semua nilai yang ditebarkan (diplot) pada peta itu berada di dalam
batas-batas kendali tanpa memperlihatkan kecendrungan tertentu,maka proses
yang berlangsung dianggap berada dalam kendali atau terkendali secara
statistikal. Namun jika nilai-nilai yang di tebarkan pada peta itu jatuh atau
berada diluar batas-batas kendali atau memperlihatkan kecendrungan tertentu
atau memiliki bentuk yang aneh, maka proses yang berlangsung dianggap
berada diluar kendali proses yang ada.

Dalam sebagian besar peta kendali,batas kendali dihitung dengan menggunakan

Rumus umum sebagai berikut:
UCL =(nilai rata-rata)+3 (simpangan baku)
LCL=(nilai rata-rata)– 3 (simpangan baku)
Disini simpangan baku adalah variasi yang disebabkan oleh penyebab umum
(commoncausevariation).Peta kendali yang memilki batas-batas kendali seperti
ini disebut sebagai”Peta kendali3 sigma”.
Pada dasar nya peta-peta kendali dipergunakan untuk:
1. Menentukan apakah suatu proses berada dalam pengendalians tatistikal?
Dengan demikian peta-peta control digunakan untuk mencapai suatu keadaan
terkendali secara statistikal,dimana semua nilai rata-rata dan range dari sub
grup contoh berada dalam batas-batas pengendalian (ControlLimits).Oleh
sebab itu variasi penyebab khusus menjadi tidak ada lagi di dalam proses.
2. Memantau proses terus-menerus sepanjang waktu agar proses tetap stabil
secara statistical dan hanya mengandung variasi penyebab umum.
3. Menentukan kemampuan proses (Process Capability). Setelah proses berada
dalam batas pengendalian statistikal,batas-batas dari variasi proses dapat
ditentukan.

2.1. Peta Kendali untuk Data Atribut

Dalam perhitungan yang dilakukan oleh peneliti pada pengolahan
data,peta kendali yang digunakan adalah peta kendali p,karena sebagian dari jenis

10
data yang diambil adalah data attribut.Peta kendali p digunakan untuk
mengendalikan proporsi dari item-item yang tidak memenuhi syaratspesifikasi
yang ditetapkan yang berarti dikategorikan cacat.Untuk itu definisi operasional
secara tepat tentang apa yang dimaksud ketidak sesuaian atau apa yang dimaksud
cacat sangatlah penting dan harus dipahami oleh setiap pengguna peta
kendalip.Ukuran sample pada peta kendali pada patkonstan ataupun
bervariasi.Adapun langkah-langkah pembuatan peta
kendalip(proporsiunityagcacat)adalah sebagai berikut:
1. Tentukan ukuranc ontoh atau sub group yang cukup besar(n>30)
2. Kumpulkan banyaknya sub group (k), yaitu 20-25 sub group
3. Hitung untuk setiap sub group nilai proporsi unit yang cacat,yaitu:

p̂ =Proporsi cacat pada subgroup ke-i

Di =Banyak nya produk cacat pada sub group ke-i
ni =Ukuran contoh konstan,makani=n

4. Hitung rata-rata dari p, yaitu p-bar dapat dihitung dengan rumus :

p=
∑cacat

∑inspeksi

5. Hitung batas kendali untuk peta kendalip :

CL= p

6. Plot data proporsi unit cacat dan amati apakah data itu berada dalam

11
 pengendalian atau tidak.
7.Apabila data pengamatan menunjukan bahwa proses berada dalam
pengendalian statistikal,gunakan peta control p memantau proses terus
menerus.Tetapi apabila data pengamatan menunjukan bahwa proses tidak
berada dalam penegendalian statistikal,proses itu harus diperbaiki terlebih
dahulu sebelum menggunakan peta control itu untuk pengendalian proses
terus menerus.

2.2 Peta Kendali untuk Data Variable

Petakontrol X (rata-rata) dan R (Range) di gunakan untuk memantau

proses yang mempunyai karakteristik berdimensi kontinu,sehingga peta kontrol X
dan R sering disebut sebagai peta kontrol untuk data variabel. Peta kontrol X
menjelaskan tentang apakah perubahan-perubahan telah terjadi dalam ukuran titik
pusat (centraltendency) atau rata-rata dari suatu proses.Hal ini mungkin
disebabkan oleh faktor-faktor seperti peralatan yang dipakai,tenaga kerja yang
belum dilatih,material baru dan lain-lain.Sedangkan peta control R menjelaskan
tentang apakah perubahan-perubahan telah terjadi dalam ukuran variasi,dengan
demikian berkaitan dengan perubahan homogenitas produk yang dihasil
kanmelalui suatu proses. Hal ini mungkin disebabkan oleh faktor-faktor seperti
bagian peralatan yang hilang,kelelahan pekerja dan lain-lain.Peta kendali pertama
kali diperkenalkan olehDr.Walter Andrew Shewhart dari Bell Telephone
Laboratories,Amerika Serikat pada tahun 1924.Pembuatan peta kendali
dilakukan dengan maksud untuk menghilangkan variasi tidak normal melalui
pemisahan variasi yang disebabkan oleh penyebab khusus(special-causes
variation) danvariasi yang disebabkan oleh penyebab umum(common-causes
variation).
Langkah-langkah untuk membuat peta kontrol X dan R dapat
dikemukakan sebagai berikut:
Langkah1 :Tentukan ukuran contoh(n =4, 5, 6, ...)
Langkah2 :Kumpulkan 20-25 set contoh (paling sedikit dari 60-100 titik individu)
Langkah3 :Hitung nilai rata-rata,X dan range, R dari setiap contoh
Langkah4:Hitung nilai rata-rata dari semua X,yaitu: X yang merupakan garis

12
 tengah (centralline) dari petakontrol X,serta nilai rata-rata dari
semua R,yaitu R yang merupakan garis tengah (centralline) dari
peta control R.
Langkah5 :Hitung batas-batas control 3 sigma dari peta control X danR

oPetakontrolX (batas-bataskontrol3 sigma) CL= X

UCL = X +A2R

LCL= X -A2R
oPeta control R (batas-batas kontrol3 sigma) CL= R
UCL =D4R
LCL=D3R

Langkah6:Buatkan peta kontrol X dan R dengan menggunakan batas-batas

control 3 sigma diatas. Setelah itu plotata utebarkan data X danR
dari setiap contoh yang diambil itu pada peta kontro lX dan R
serta lakukan pengamatan apakah data itu berada dalam
pengendalian statistikal?
Langkah7 : gunakan peta control terkendali dari X dan R ituu ntuk memantau
proses yang sedang berlangsung dari waktu kewaktu.

Contoh peta kendali X-bar danR:

Xbar/RChartforC1-C6

13
14