Transcript MASTERING 7 QC TOOLS FOR IMPROVEMENT

Sasaran Pelatihan
Setelah mengikuti pelatihan ini, diharapkan
peserta:
 Memahami konsep Quality Control
 Memahami teknik statistik dasar 7 QC tools
 Mampu mengidentifikasi teknik statistik 7
QC tools yang sesuai untuk menganalisa
data di perusahaan dan melakukan
improvement
Definition
 Fitness for use .... (J. M. Juran)
 Conformance to Customer
Requirements …. (P. Crosby)
 Meeting Customer Expectations …. (A.
V. Feigenbaum)
 Customer Satisfaction …. (K. Ishikawa)
Quality …. menurut Customer!!
Definition:
Quality Control adalah proses inspeksi
keseluruhan proses untuk menjamin
stabilitas dan mencegah penyimpangan
dengan cara mengevaluasi kinerja dan
membandingkan dengan sasarannya serta
mengambil tindakan jika terjadi
penyimpangan
Quality Control is universal managerial process for conducting so as to provide stability
to prevent adverse change and to change and to ‘maintain the status quo’, by
evaluating actual performance, compare actual performance to goals, and take
action on the difference (Juran)
Stratifikasi
2. Lembar Data
3. Grafik
4. Diagram Pareto
5. Histogram
6. Diagram Ishikawa
7. Diagram Tebar
1.
Definisi:
Adalah mengelompokkan/ menggolongkan/
menstratifikasikan data berdasarkan faktor
tertentu untuk analisa yang lebih rinci
Contoh: Faktor Stratifikasi Umum
Mengelompokkan data berdasarkan ….
1. Siapa: Departemen, individu, jenis pelanggan
2. Apa: Jenis komplain, kategori cacat, alasan menelepon
3. Kapan: bulanan, triwulan, hari, waktu
4. Dimana: bagian, kota, lokasi spesifik dari produk (sudut
kanan atas, tombol on/off, dsb)
Kesimpulan:
Mesin dari line C yang menghasilkan unit ditolak terbesar (75 unit)
EXAMPLE : STRATIFICATION
WITHOUT STRATIFICATION
WITH STRATIFICATION
Reviewing the two figures above, what is your Conclusion?
Agriculture Dept. Announcement)
How to identify a mad cow disease
Normal
with mad cow disease
Double click on sound button
Manfaat:
Untuk mengumpulkan informasi mengenai
pola dan penyebab masalah
Sub Woofer
TV-A
Sub Woofer
TV-B
TV-C
Sebuah perusahan TV merek SONYA mempunyai 4 buah pabrik. Setiap pabrik memiliki 4
line produksi dengan kapasitas produksi 1000 unit per hari, memproduksi tiada henti 3
jenis design TV dan berbagai ukuran TV dari kecil s/d besar, dengan jumlah pekerja 3000
karyawan. Beberapa Mitra kerja (Supplier) ikut berperan dalam supplai material.
Suatu ketika, di bulan November 1994, ada 2400 customer complain tentang gambarnya
yang berbintik-bintik. Dan terpaksa semua TV berbagai Inch ditarik dari pasaran.
Kira-kira bagaimana anda mengamati? Apa potensi data yang bisa di Stratifikasi?
Diskusikan dengan tim anda.
Pada tahun 1998, Salah satu grup Mustika Ratu bagian Perkebunan Teh,
yg daerah kebunnya seluas 20 ribu Ha pada berbagai tempat,
menghadapi masalah serius. Produksi teh, turun drastis pada posisi
20% dari target 80%. Dipastikan jika masalah ini berlanjut, 4200
karyawan akan ter PHK.
Laporan dari pihak R&D, ini di akibatkan oleh serangan hama penyakit.
Sehingga banyak tanaman teh daunya mengering.
Mustika Ratu, dikenal memiliki berbagai Varietas tanaman the, dan
menggunakan banyak Mitra kerja. Pemeliharaan, pengendalian hama.
Dsb. Telah dilakukan.
Mengapa masalah ini terjadi?
Pihak Mustika Ratu akan mencari data-data detail masalah:
Berikan saran anda, apa yg harus dilakukan oleh mustika ratu? Potensi
data apa saja yg harus diambil?
Definisi:
Lembar (formulir) yang dirancang untuk
mengumpulkan data
Manfaat:
1. Membantu dan mempermudah proses
pengumpulan data
2. Menstandarisir cara pengumpulan data
3. Mencatat suatu kejadian
4. Mengetahui adanya permasalahan
CARA PEMBUATAN:
Gunakan Pedoman pengumpulan Data (5W+1H):
a. What: Item-item yang akan dikumpulkan datanya. Gunakan teknik
stratifikasi
Contoh: Jenis defect : black spots,, goresan, bolong, gelombang, jalur putih
b. Where: Tetapkan lokasi (scope) pengumpulan data.
Contoh: semua Departemen
c. Who: Nama seseorang yang mengumpulkan data
d. When: Tetapkan periode pengumpulan Data,
Contoh: Jan & Feb 06
e. Why : Tetapkan Tujuan Pengumpulan Data, dan tulis dalam kalimat
pernyataan sebagai Judul Lembar Data.
Contoh: Data Kecelakaan kerja.
f. How much & How collect data: Tetapkan berapa banyak & bagaimana
cara mengumpulkan data. Banyak data dan frekwensi pengambilan
data harus disesuaikan dengan kondisi proses
Misal: - setiap box diambil 5 dan diukur, atau
- setiap roll turun dicatat ukurannya, atau
- cairan diambil 1 cc setiap jam dan diukur
Select what to Measure
2. Develop Operational Definitions
3. Identify Data Sources
4. Prepare a data Collection and Sampling Plan
5. Implement and Refine the data collection
process
1.
Criteria for selecting measures/ parameter data:
•
Value / usefulness





•
Link to high priority customer requirements
Accuracy of the data
Areas of concern or potential opportunity
Can be benchmarked to other organizations
Can be helpful ongoing measure
Feasibility





Availability of data
Lead time required
Cost of getting the data
Complexity
Likely resistance to “fear factor” associated with a particular type of
measure
STEPS
1.
2.
Identify a customer related defect in a key output, and write it above
the designated line on the chart (Use SIPOC diagram as a starting
point) – Lampiran 1
Brainstorm a list of questions that relate to that defect, and write
them on the left side of the tree
1. What patterns do you suspect you might find?
2. What factors do you think might influence the type or amount of that
defect?
3.
4.
Identify stratification factors that will help you answer the questions
about the output. Write this on the branches to the right of output
Identify specific types of data you could collect that would answer the
question of how the stratification factor did or did not affect the output
STEPS
5.
When the diagram is complete, review each of the metrics and rate
them as follows:
1. Y : metric potentially help to predict the output
2. Y : data exist to support this metric
6.
Use this analysis to decide which of the metrics will be most useful
for your project
What are selected measures ?
Select your project measurements using Measurement Assessment Tree
Operational definitions : a clear, understandable description of what’s to
be observed and measured, such that different people taking or
interpreting the data will do so consistently
Elements of an operational DEFINITION
1.
What you are trying to measure
•
2.
What the measure isn’t
•
3.
Does “surface defects” include smears or only scratches and dents?
Basic Definition of the measure
•
4.
Number of surface defects on the rear panel
Surface defect = any dent or scratch visible from a distance of 3 feet under
normal light
How to take the measurement (procedures)
• …………………..
3. Identify Data Sources
•
•
4.
Historical data
New data
Prepare a data Collection and sampling Plan
•
•
Identify or confirm the stratification factors
Develop a sampling scheme



•
Random sampling
Stratified sampling : ex. dividing 1000 customer into four groups: large, medium small,
and infrequent buyers
Systematic sampling ; ex. every half hour or every 20th item)
Create data collection form





Keep it simple
Label it well
Include space for date , time, and collector’s name
Organize the data collection form and compiling sheet
Include key factors to stratify the data
5. Implement and Refine the data Collection Process
•
•
•
•
•
Review and finalize your data collection plans
Prepare the workplace
Test your data collection procedures
Collect the data
Monitor accuracy and refine procedures as appropriate
DEFINISI:
Grafik Balok adalah grafik dalam bentuk
balok yang menunjukkan perbandingan
kuantitas/jumlah dari dua atau lebih
faktor/item dalam periode tertentu
MANFAAT:
Membandingkan dua atau lebih faktor
pada periode tertentu
Problem Tile di FT 1 Januari 2001
Kesimpulan: Problem Tile terbesar pada Januari 2001 adalah Pinhole (39 pcs)
DEFINISI:
Grafik Garis adalah grafik dalam bentuk garis
yang menunjukkan pergerakan hasil
pengukuran suatu parameter dalam periode
tertentu
Contoh Parameter: Suhu, kelembaban, jumlah
cacat
MANFAAT:
Memonitor kecenderungan perubahan hasil
pengukuran pengamatan dalam periode
tertentu
Kerusakan mesin Jan – Jul ‘02
Kesimpulan: Mesin A mengalami
kerusakan lebih sering dari mesin B
Cacat chipping 2001
Kesimpulan: Cacat chipping tahun
2001 cenderung mengalami
penurunan
DEFINISI:
Suatu grafik lingkaran yang menggambarkan
proporsi dua atau lebih data kategori
dengan pengukuran yang sama pada
periode waktu tertentu
Contoh: kg, Newton, Rp, Unit
MANFAAT:
Berguna untuk menunjukkan proporsi dari
setiap kategori data relatif terhadap
keseluruhan data
Problem Tile di FT 1 – Januari 2001
Kesimpulan: Problem Tile terbesar pada Januari 2001 adalah Pinhole (24% = 39/156)
DEFINISI:
Control Chart adalah suatu grafik garis
yang yang mencantumkan garis-garis
kontrol (control limit) sebagai dasar
pengendalian proses (untuk
menunjukkan proses dalam keadaan
terkontrol atau tidak)
UCL & LCL ditentukan oleh variasi proses itu sendiri dan tidak ada
hubungannya dengan batas spec yang ditentukan customer
MANFAAT:
 Control Chart ini digunakan untuk memonitor variasi
hasil pengukuran parameter proses
 Apakah prosesnya normal atau menunjukkan trend?
 Mengidentifikasi penyimpangan dini dan mengambil
tindakan sebelum proses out of control
Dengan grafik garis saja, kita tidak bisa menyelidiki apakah sebuah titik
abnorma atau tidak. Jika standar pengontrolan tidak jelas dapat timbul
Over Control atau Under Control
Over Control: pengontrolan terlalu ketat, bisa menurunkan efisiensi
Under Control: pengontrolan terlalu longgar, sehingga bisa menurunkan
mutu
Process in Control: Titik-titik terdistribusi
secara random di sekitar center line dan
semua titik berada di dalam control limit
1.
X – R chart
X:
centre line
UCL
LCL
R:
centre line
UCL
LCL
x
X
= i 1
X
+
-
X
2. X
m
- s chart
m
X
i
centre line
m
R
D4 R
D3 R
A2 R
A2 R
UCL
LCL
X
X
m
=
 Ri
i 1
m
S:
centre line
LCL
LCL
X
+
-
x
1
i 1
=
m
A3 S
A3
S
m
S
B4 S
B3 S
Si

=
i 1
m
41
3. X-MR chart
X
centre line X
UCL
LCL
m
x
=
1 /m
i
+ 3 MR /
X
= X + 2.66MR
d2
X -3 MR / d 2
=X
m
MR:
centre line
UCL
LCL
MR
D4 MR
 MRi
=
i2
m 1
= 3.267 MR
-2.66 MR
note:
MR is defined as follows:
XMR
X 1MR
X 2 MR2
X 3MR2
= underfined
X X
= 2 1
= X 3 X 2
.......
X m MRm = X m  X M 1
D3 MR  0
42
SUB
GROU
P
SIZE
Chart for Averages
Factor for
control limits
A
Chart for standart Deviations
Factor for
central line
A2
A3
C4
1/(C4)
B3
B4
Chart for ranges
Factor for
control limit
Factor for
central line
B5
B6
d2
1/(d2)
2
3
4
5
2.121
1.732
1.5
1.312
1.88
1.023
0.729
0.577
2.659
1.954
1.628
1.427
0.7979
0.8862
0.9213
0.94
1.2533
1.1284
1.0854
1.0638
0
0
0
0
3.267
2.568
2.266
2.089
0
0
0
0
2.606
2.276
2.088
1.964
1.128
1.693
2.059
2.326
0.8865
0.5907
0.4857
0.4299
6
7
8
9
10
1.225
1.134
1.061
1
0.949
0.483
0.419
0.373
0.337
0.308
1.287
1.182
1.099
1.032
0.975
0.9515
0.9594
0.965
0.9693
0.9727
1.051
1.0423
1.0863
1.0317
1.0281
0.03
0.118
0.185
0.239
0.284
1.97
1.882
1.815
1.761
1.716
0.029
0.113
0.179
0.237
0.276
1.874
1.806
1.751
1.707
1.669
2.534 0.3946
2.704 0.3698
2.847 0.3517
2.97 0.3367
3.078 0.3249
11
12
13
14
15
0.905
0.866
0.832
0.802
0.775
0.285
0.266
0.249
0.205
0.223
0.927
0.888
0.85
0.817
0.789
0.9754
0.9776
0.9794
0.981
0.9823
1.0252
1.0229
1.021
1.0194
1.018
0.321 1.679
0.354 1.616
0.382 1.618
0.406 1.594
0.428 1.572
0.313 1.637
0.346 1.61
0.374 1.585
0.399 1.563
0.421 1.544
3.173
3.258
3.336
3.407
3.472
16
17
18
19
20
0.75
0.728
0.707
0.688
0.671
0.212
0.203
0.194
0.187
0.18
0.763
0.739
0.718
0.698
0.68
0.9835
0.9815
0.9854
0.9862
0.9869
1.0168
1.0157
1.0148
1.014
1.0133
0.448
0.466
0.482
0.497
0.51
1.552
10534
1.518
1.503
1.49
0.44 1.526
0.458 1.511
0.475 1.496
0.49 1.483
0.504 1.47
21
22
23
24
25
0.655
0.54
0.626
0.612
0.6
0.173
0.167
0.162
0.157
0.153
0.663
0.647
0.633
0.619
0.606
0.9876
0.9822
0.9887
0.9892
0.9896
1.0126
1.0119
1.0119
1.0109
1.0105
0.523 1.477
0.534 1.466
0.515 1.455
0.555 1.455
0.565 1.435
0.516 1.459
0.528 1.448
0.539 1.138
0.549 1.29
0.559 1.12
Factor for
control limit
d3
0.853
0.888
0.88
0.864
D1
0
0
0
0
D2
3.686
4.358
4.698
4.918
D3
D4
0
0
0
0
3.267
2.574
2.282
2.144
0.818 0
5.078
0.833 0.204 5.204
0.82
0.388 5.306
0.808 0.547 5.393
0.797 0.687 5.469
0
0.076
0.136
0.104
0.223
2.004
1.924
1.861
1.816
1.777
0.3152
0.3069
0.2998
0.2935
0.288
0.787
0.778
0.777
0.763
0.756
0.811
0.922
1.025
1.118
1.203
5.535
5.594
5.647
5.696
5.741
0.256
0.283
0.307
0.328
0.347
1.744
1.717
1.693
1.672
1.653
3.572
3.588
3.64
3.689
3.735
0.2831
0.2787
0.2747
0.2711
0.2677
0.75
0.744
0.739
0.734
0.729
1.282
1.356
1.424
1.487
1.549
5.782
5.82
5.856
5.891
5.921
0.363
0.378
0.391
0.403
0.415
1.637
1.622
1.608
1.597
1.585
3.778
3.819
3.858
3.895
3.931
0.2647
0.2618
0.2592
0.2567
0.2544
0.724
0.72
0.716
0.712
0.708
1.605
1.659
1.171
1.759
1.806
5.951
5.979
6.006
6.031
6.056
0.425
0.434
0.443
0.451
0.459
1.575
1.566
1.557
1.548
1.541
43

Target Setting
Before Vs Target
Januari
Februari
Lebar garis control before = 44.14-28.00 = 16.14
Lebar garis control after = 40.46-31.47 = 8.99
% Improvement = (16.14-8.99)/16.14 = 44.3%
DEFINISI:
Diagram Pareto adalah sebuah grafik balok berbentuk vertikal
yang mengurutkan hasil pengukuran dari yang tertinggi ke
yang terendah
 Diagram Pareto merupakan salah satu bentuk Bar Chart,
dimana setiap balok dapat mencerminkan suatu hasil
perhitungan kategori, suatu fungsi (rumus) dari kategori
(seperti rata-rata, jumlah, atau standar deviasi) atau
jumlahan nilai dari suatu tabel
 Pada umumnya digunakan untuk menunjukkan masalah
yang disusun dari prioritas tertinggi ke yang terendah untuk
menentukan masalah yang harus ditangani terlebih dahulu
 Pertama kali ditemukan oleh Vilfredo Pareto, ahli ekonomi
Italia
MANFAAT:
 Merupakan pedoman memilih peluang
perbaikan berdasarkan prinsip “Vital
Few” dari “Trivial Many”.
 Memfokuskan sumber daya pada area/
defect/ penyebab yang menghasilkan
keuntungan yang terbesar
 Membandingkan frekuensi dan/atau
dampak dari berbagai penyebab
masalah
Kesimpulan: Defect paling besar di FT 1 pada 1-7 Juli
2001 adalah Chipping (40 pcs = 37.38%)
Data sebelum implementasi
Data setelah implementasi Week 005-006
Week 001-002
20
Cum
20
100%
15
15
Cum
10
10
10
5
5
5
100%
3
5
3
2
2
1
0
0
Daun menguning
Tnm Kerdil
Tnm Ber Penyakit
Tnm Tumbang
Daun menguning
Kesimpulan?
Berapa persen improvemen yang dicapai?
Tnm Kerdil
Tnm Ber Penyakit
Tnm Tumbang
Team sebaiknya fokus untuk
menyelesaikan ketiga
complaint terbesar
C, B dan A
Yang mempunyai
cumulative masalah
sebesar 77.1%
Pada proyek pertama, team fokus hanya pada satu object.
Hasilnya, tidak hanya satu object saja yang berpengaruh, semua ikut
terpengaruh.
DEFINISI:
Grafik Balok yang menggambarkan penyebaran
data sebagai hasil dari satu macam pengukuran,
atas suatu kejadian atau proses
MANFAAT:
Berguna untuk menguji bentuk dan penyebaran
sample data:
 Untuk melihat range dan distribusi dari data
continuous (misalnya: berat barang yang dikirim,
dollar yang dibelanjakan dalam setiap PO, dsb)
 Untuk melihat variasi dan tingkat pemenuhan
spesifikasi/persyaratan pelanggan (size, cycle time,
suhu, dsb). Hanya berlaku untuk data continuous
saja
DATA FOR HISTOGRAM
(EMPLOYEE HEIGHT - WEIGHT (KG))
CHECK SHEET FOR HISTOGRAM
Number of data values = n = 100  k = sqrt (100) = 10
Range = max – min = 124 – 77 = 47
H = Range / k = 47 / 10 = 4,7
STEPS









Tentukan variabel data dari suatu hasil pengukuran. Misal :
Waktu, Ukuran panjang, pendek lebar, Bobot, Kecepatan,
Keasaman (PH).
Ambil data 50 - 250 points
Siapkan tabel frekuensi data
Hitung jumlah data = n
Tentukan range data, max – min = r
Tentukan interval/ jumlah balok, akar dari n = k
Tentukan jarak tiap interval , r/k = h
Bentuk tabel data berdasarkan nilai a – d
Masukkan data tabel ke dalam grafik
STEPS

Beri label di sumbu X dengan nilai dari tiap balok (dari balok
pertama s/d balok ke k)
• Balok pertama : min + h
• Balok kedua : min + 2h
• …..
• kth Bar : min + (kxh)




Hitung jumlah data dari tiap balok
Sumbu vertikal (Y) menunjukkan jumlah data pada tiap balok
Sumbu horisontal (X) menunjukkan nilai data dari tiap balok
Analisa histogram, pelajari pola distribusi datanya.
Buatlah histogram dengan
menggunakan flipchart terhadap tinggiberat
 Interpretasikan hasilnya

S
35
er
S
30
er
25
S
20
er
15
S
er
10
5
0
Normal
Normal Distribution (Symmetrical)
Anda bisa memberi tanda spesifikasi pelanggan pada histogram sehingga secara visual
dapat diketahui seberapa baik kemampuan proses memenuhi (tidak memenuhi)
persyaratan pelanggan.
Anda juga dapat memunculkan nilai rata-rata dan Standard deviasi/ sigma pada
histogram ini sebagai angka yang mewakili proses
30
30
25
25
20
20
15
15
10
10
5
5
5
0
0
0
25
20
15
10
Skewed Distribution
Kelompok data mendekati
salah satu ekor histogram
Contoh: Waktu proses, cycle
time, biaya
Analisa kondisi apa yang
terjadi di area ekor yang
membedakan dengan area
lainnya, jika kondisi tersebut
tidak diinginkan lakukan
perbaikan, eliminir
kejadiannya, tetapi jika
merupakan kondisi yang
diinginkan maka
pertahankan dan dapat
diterapkan di area lain.
Bimodal distribution
Data memiliki dua puncak
Pola ini muncul bila sesuatu
yang anda perkirakan sebagai
sebuah proses ternyata adalah
dua proses
Jika anda melakukan stratifikasi,
Anda bisa mengidentifikasi
sumber data dari setiap puncak
Evenly distributed data values
Jarang sekali terjadi
Model ini muncul di pabrik bila
sebuah gauge atau tools
pengukuran sudah tidak lagi sensitif
dalam mendeteksi perbedaan
antara unit (seperti sebuah
penggaris yang seluruhnya hanya
memiliki tanda inci)
KASUS:
Anda bekerja di pabrik shampoo dan
ingin memastikan bahwa tutup botol
dikencangkan secara baik. Jika
terlalu longgar, maka ada
kemungkinan bocor selama
pengiriman.
Jika terlalu keras, maka akan sulit
untuk dibuka pelanggan (terutama
bila sedang mandi)
Anda mengumpulkan sampel secara
acak dari botol yang ada dan
membuka tutup botol.
Buat histogram untuk mengevalusi
data dan seberapa dekat data
sample terhadap nilai target 18
No
Torque
1
24
2
14
3
18
4
27
5
17
6
32
7
31
65
15
66
17
67
24
68
20
Interpreting the results

Sebagian tutup dikencangkan dengan kekuatan torsi 13 dan 25. Hanya ada satu tutup yang
sangat longgar, dengan kekuatan

kurang dari 11. nampak distribusi skewed/ miring kearah positif; yang menunjukkan beberapa
tutup terlalu kencang dari yang

seharusnya. Banyak tutup yang membutuhkan kekuatan lebih dari 24 untuk dibuka dan lima
tutup membutuhkan kekuatan lebih dari 33, sekitar dua kali lipat dari target.
Kesimpulan?
DEFINISI:
Suatu diagram yang terstruktur untuk mengidentifikasi
penyebab dari masalah dan hubungan sebab
akibat berdasarkan pengalaman dan keahlian
dari sekelompok orang dengan melakukan
brainstorming secara terstruktur
 Juga dapat dilakukan untuk brainstorming caracara yang perlu dilakukan untuk mencapai suatu
tujuan
 Diagram Sebab-Akibat ini dikembangkan tahun
1943 oleh Prof Kaoru Ishikawa. Sehingga diagram
ini juga sering disebut diagram Ishikawa atau
diagram Tulang Ikan karena bentuknya mirip
tulang ikan
MANFAAT:
1. Mengidentifikasi sebab-sebab utama
masalah
2. Mengidentifikasi akar masalah
3. Mengidentifikasi beberapa alternatif
cara penyelesaian masalah
Sebab dominan dari kebocoran di pre-heater adalah:
•Sering feeding stop
•Design tidak bagus
1. Pastikan semua orang memahami prosesnya dulu
maka sebelum meeting/ brainstorming penyebab perlu
diulas flow chart proses atau SIPOC diagram proses.
2. Identifikasi siapa saja (Man) yang terlibat, metode, alat
ukur, mesin-mesin, pengaruh lingkungan, material.
3. Semua ide penyebab masalah ditulis
4. Hati-hati jebakan jawaban “WHY”
80% keberhasilan project anda ditentukan oleh fase ini.
Apa kemungkinan penyebab?
Dan, Bagaimana membuktikannya?
Selected Root cause is:
Employee medications requests ( the number of employee prescription requests by telephone to the
pharmacy was causing a delay in medication delivery
Identify the root cause of your identified problem from your previous analysis
using Cause & effect Diagram
DEFINISI:
Diagram yang menggambarkan hubungan (korelasi)
antara dua variabel (faktor)
MANFAAT:
 Menyajikan data untuk mengkonfirmasikan
hipotesa apakah dua variabel (faktor) saling
berhubungan/berkorelasi
 Mengetahui seberapa erat hubungan antara dua
faktor tersebut
 Sebagai tools untuk memverifikasi akar penyebab
yang diperoleh dari analisa sebab dan akibat
CONTOH KORELASI:
 Antara jumlah kunjungan ke pelanggan dengan hasil
penjualan
 Antara keluhan pelanggan dengan pendapatan usaha
 Antara lama kerja dengan prestasi kerja
 Antara jumlah salesman dengan dengan hasil penjualan
 Antara waktu pelayanan dengan kepuasan pelanggan
 Antara umur mesin dengan jumlah breakdown
 Antara jumlah sampel yang diinspeksi dengan jumlah defect
 Antara frekuensi perawatan dengan jumlah
reject/breakdown
 Antara tingkat inventory dengan jumlah produk kadaluarsa
 Antara jumlah buku dengan kompetensi karyawan
 Antara jam training dengan kecelakaan/kesalahan kerja
Kesimpulan: karena nilai “r” = 0.735 mendekati 1, maka
bisa disimpulkan ada korelasi yang cukup kuat antara
variabel X dan variabel Y (peningkatan kunjungan
mempengaruhi peningkatan penjualan)
SCATTER
DIAGRAM SANGAT
DIPERLUKAN
DALAM
PEMBUKTIAN
AKAR PENYEBAB
MASALAH
Tinggi
Berat Badan
Nomor Sepatu
Nomor Celana Jeans
Jumlah (Gelas) Air
Diminum/ hari