Mau tahu cara membuktikan hubungan antara dua variabel atau parameter mesin di pabrik? Yuk, pelajari cara membaca Scatter Diagram (Diagram Tebar) di sini!

Di artikel sebelumnya, kita sudah belajar cara melihat kesehatan variasi proses produksi menggunakan Histogram. Kita ambil contoh dari rentetan analisis kita: di artikel Fishbone Diagram, tim kita sempat menduga kalau salah satu faktor penyebab masalah "Permukaan Bracket Gores" adalah karena kecepatan putaran atau handling mesin NC yang terlalu tinggi.

Nah, pas rapat koordinasi Genba, orang Produksi mungkin bakal menyanggah: "Ah, masa gara-gara kecepatan mesin? Perasaan selama ini kita setel cepat atau lambat, aman-aman aja tuh!"

Kalau sudah saling adu argumen begini, suasana rapat pasti jadi gak produktif. Di dunia Quality Control modern, kita gak boleh pakai kata "perasaan" atau "katanya". Kita harus bisa membuktikan secara ilmiah: Apakah benar kalau kecepatan mesin dinaikkan, maka jumlah barang cacat/gores juga akan ikutan naik?

Untuk membuktikan hubungan (korelasi) antara dua parameter yang berbeda tersebut, senjata kelima dari 7 Tools QC yang wajib kamu keluarkan adalah Scatter Diagram (Diagram Tebar).

Yuk, kita bedah cara membaca dan fungsi taktisnya di lapangan!

Apa itu Sebenarnya Scatter Diagram?

Gampangnya, Scatter Diagram adalah grafik kuadran yang digunakan untuk melihat hubungan atau korelasi antara dua variabel (Variabel X dan Variabel Y).

  • Variabel X (Sumbu Mendatar): Biasanya diisi oleh faktor penyebab yang bisa kita kendalikan atau kita ubah nilainya (disebut Independent Variable, contoh: Kecepatan Mesin, Suhu Oven, Tekanan Udara).

  • Variabel Y (Sumbu Tegak): Diisi oleh akibat atau hasil yang mau kita amati (disebut Dependent Variable, contoh: Jumlah Produk Gores, Tingkat Kekerasan Besi, Dimensi Diameter).

Data dari lapangan diplot dalam bentuk titik-titik koordinat ($X, Y$) yang menebar di dalam grafik. Dari bentuk tebaran titik-titik inilah kita bisa membaca hubungan rahasianya.

3 Cara Membaca Pola Hubungan Scatter Diagram

Setelah kamu memasukkan data parameter ke Excel dan membuat Scatter Diagram, perhatikan ke mana arah tebaran titik-titiknya:

1. Korelasi Positif (Positive Correlation)

  • Polanya: Titik-titik menebar berjejer naik membentuk miring dari kiri bawah menuju kanan atas.

  • Artinya: Nilai Variabel X berbanding lurus dengan Variabel Y. Jika nilai X kamu naikkan, maka nilai Y otomatis ikutan naik.

  • Contoh: Semakin tinggi kecepatan mesin (X), ternyata jumlah part yang gores (Y) semakin banyak. Berarti dugaan tim kamu di Fishbone terbukti benar 100%!

2. Korelasi Negatif (Negative Correlation)

  • Polanya: Titik-titik menebar berjejer turun menukik dari kiri atas menuju kanan bawah.

  • Artinya: Nilai Variabel X berbanding terbalik dengan Variabel Y. Jika nilai X kamu naikkan, maka nilai Y justru akan semakin turun.

  • Contoh: Semakin rajin tim Maintenance melakukan frekuensi pelumasan oli (X), maka jumlah mesin breakdown (Y) akan semakin turun habis.

3. Tidak Ada Korelasi (No Correlation)

  • Polanya: Titik-titik menebar secara acak berantakan di seluruh area grafik (mirip semburan cat). Tidak membentuk pola garis sama sekali.

  • Artinya: Perubahan pada Variabel X sama sekali gak ada hubungannya dengan Variabel Y.

  • Contoh: Mengaitkan antara suhu ruangan kantor IT (X) dengan jumlah baut slek di line assembly (Y). Jelas gak nyambung dan gak ngefek!

Contoh Visual Scatter Diagram di Genba

Mari kita plot data riil hasil uji coba 10 shift kerja, membandingkan antara Kecepatan Putaran Mesin NC (RPM) dengan Jumlah Temuan Part Gores (Pcs):

diagram scater

Cara Analisis Tim Engineering & QC:

Melihat pola titik bintang (*) di atas yang membentuk garis lurus naik ke kanan atas, kesimpulannya sangat telak: Terdapat Korelasi Positif yang kuat.

Data ini mengunci argumen di ruang rapat secara elegan. Tim produksi gak bisa mengelak lagi. Rekomendasi tindakan perbaikan berkelanjutan (Kaizen) selanjutnya adalah mengunci (lock) parameter kecepatan mesin maksimal di angka aman (misal di bawah 1500 RPM) agar target produktivitas tercapai namun kualitas barang tetap aman terkendali.

Efek Jangka Panjang Penggunaan Scatter Diagram

Pabrik yang rajin melakukan eksperimen parameter menggunakan Scatter Diagram akan memanen efek jangka panjang yang sangat menguntungkan:

  • Penentuan Parameter Mesin yang Akurat (Golden Setup): Tim Engineering bisa menemukan formula settingan mesin yang paling pas (optimum setting) untuk menghasilkan produk berkualitas tinggi tanpa perlu tebak-tebak berhadiah lagi.

  • Menghemat Biaya Trial & Error: Kita tidak perlu membuang-buang material secara massal untuk uji coba proses baru. Cukup ambil sampel data kecil, petakan di Scatter Diagram, dan kita langsung tahu ke mana arah tren hasilnya.

  • Memenuhi Standar IATF 16949 (Analisis Regresi): Scatter Diagram adalah pondasi utama sebelum melangkah ke analisis statistik yang lebih canggih seperti Analisis Regresi (Regression Analysis) dan Design of Experiments (DOE) yang sangat disukai oleh auditor manufaktur kelas dunia.

Kesimpulan

Scatter Diagram mengajarkan kita kalau sebuah korelasi atau hubungan itu harus dibuktikan lewat data, bukan asumsi visual semata. Jangan terburu-buru memodifikasi mesin kalau kamu belum melihat pola tebaran datanya di Scatter Diagram!

Kalau di line produksi atau tempat kamu kerja sekarang, parameter kritis mesinnya (seperti suhu oven, pressure hidrolik, atau kecepatan pisau) sudah dipetakan korelasinya pakai Scatter Diagram belum nih? Yuk, kita diskusi di kolom komentar!