Dalam artikel ini, kita akan membahas prinsip penting stratifikasi (stratification) dalam kaitannya dengan diagram fishbone dan diagram Pareto. Stratifikasi dalam istilah statistik merupakan pembedaan/penggolongan data ke dalam beberapa lapis/kelompok (strata) berdasarkan sumber atau kondisinya sehingga kita dapat melihat polanya. Dengan pola yang ada, kita dapat mengestimasi derajat korelasi dan jenis korelasi pada scatter diagram.
Sebelumnya, kita harus memahami cara membuat scatter diagram. Berikut adalah langkah-langkah membuat scatter diagram:
- Tentukan variabel independent (X) dan dependent (Y).
- Kumpulkan data untuk setiap pasangan X-Y.
- Buat tanda titik koordinat pada lokasi kedua variabel tersebut bertemu, ulangi cara yang sama untuk semua data yang sudah dikumpulkan.
- Lengkapi informasi seperti judul diagram, judul sumbu X dan Y, jumlah data, periode, serta pembuat.
Sekarang, mari kita analisis scatter diagram (Gambar 1) di atas. Diagram ini menunjukkan hubungan antara masalah painting dengan tingkat kekotoran. Berdasarkan gambar, dapat disimpulkan bahwa derajat korelasi masih belum jelas karena jumlah pasangan data sedikit (n=5). Namun, jenis korelasi yang terlihat adalah positif, artinya peningkatan nilai variabel penyebab (X) menghasilkan peningkatan nilai variabel akibat (Y).
Namun, perlu diingat bahwa jumlah data minimal untuk scatter diagram adalah n=30. Oleh karena itu, pada contoh ini, scatter diagram belum berfungsi maksimal.
Derajat Korelasi
Dalam statistik, derajat korelasi dapat dilihat dalam beberapa pola, seperti Tidak Ada, Lemah, Kuat, dan Sempurna. Berikut adalah tabel derajat korelasi:
| Pola Scatter Diagram | Derajat Korelasi | Artinya |
|---|---|---|
| Tidak Ada | Tidak ada korelasi yang dapat dilihat. Variabel akibat (Y) tidak dipengaruhi oleh variabel penyebab (X) yang sedang dikaji. | |
| Lemah | Korelasi samar terlihat. Mungkin variabel penyebab (X) mempengaruhi variabel akibat (Y), tetapi tingkat pengaruhnya masih diragukan. Ada variasi signifikan di dalam variabel X tersebut. | |
| Kuat | Sebaran titik-titik mengelompok dalam bentuk linier yang jelas. Kemungkinan variabel penyebab (X) mempengaruhi langsung variabel akibat (Y). | |
| Sempurna | Sebaran titik-titik jatuh pada sebuah garis lurus. Jika bentuknya seperti ini, dengan nilai variabel penyebab (X) tertentu kita dapat memprediksi secara pasti berapa nilai variabel akibat (Y). |
Jenis Korelasi
Dalam statistik, jenis korelasi juga dapat dilihat dalam beberapa pola, seperti Positif, Negatif, dan Nonlinier. Berikut adalah tabel jenis korelasi:
| Pola Scatter Diagram | Jenis Korelasi | Artinya |
|---|---|---|
| Positif | Peningkatan nilai variabel penyebab (X) menghasilkan peningkatan nilai variabel akibat (Y) | |
| Negatif | Peningkatan nilai variabel penyebab (X) menghasilkan penurunan nilai variabel akibat (Y) | |
| Nonlinier | Berbentuk kurva U atau S. Perubahan nilai variabel penyebab (X) menghasilkan perubahan nilai variabel akibat (Y) yang berbeda, tergantung posisi pada kurva. |
Dengan demikian, scatter diagram adalah alat bantu yang sangat berguna dalam analisis korelasi antara dua variabel. Namun, perlu diingat bahwa jumlah data minimal untuk scatter diagram adalah n=30.
Rujukan
Dahlgaard, J. J., Khanji, G. K., & Kristensen, K. (2008). Fundamentals of Total Quality Management. Abingdon, Oxon: Routledge.
Straker, D. (n.d.). Scatter diagram: How to understand it. Retrieved from http://syque.com/quality_tools/toolbook/Scatter/how.htm