DIAGRAM PENCAR

I. Pengertian
Diagram Scatter atau diagram pencar atau juga disebut diagram sebar
adalah gambaran yang menunjukkan kemungkinan hubungan (korelasi) antara
pasangan dua macam variabel dan menunjukkan keeratan hubungan antara dua
variabel tersebut yang sering diwujudkan sebagai koefisien korelasi. Scatter
diagram juga dapat digunakan untuk mengecek apakah suatu variabel dapat
digunakan untuk mengganti variabel yang lain.

II. Manfaat Diagram Pencar

Pada umumnya, bila kita berbicara tentang hubungan antara dua macam data, kita
sesungguhnya membicarakan tentang:

a).Hubungan penyebab dan akibatnya.

b).Hubungan antara satu penyebab dengan penyebab lainnya.
c).Hubungan antara satu penyebab dengan dua penyebab.

Secara grafis, jika kita menggambarkan "akibat pada sumbu vertikal dan
"penyebab" pada sumbu horisontal, maka kita akan mendapatkan sebuah peta
yang disebut dengan scatter diagram.

III. Penggunaan Diagram Pencar

Pada dasarnya diagram pencar (scatter diagram) merupakan suatu alat interpretasi
data yang digunakan untuk:

1. Menguji bagaimana kuatnya hubungan antara dua variabel, misalnya

kecepatan dari mesin bubut dan dimensi dari bagian mesin, banyaknya
kunjungan tenaga penjual (salesman) dan hasil penjualan, temperatur dan
proses kimia, down time mesin dengan persentase banyaknya produk yang
cacat, dan lain sebagainya.
2. Menentukan jenis hubungan dari dua variabel itu, apakah positif, negatif
atau tidak ada hubungan.

Dua variabel yang ditunjukkan di dalam diagram pencar dapat berupa :

1. Karakteristik kualitas dan faktor yang mempengaruhinya.

2. Dua karakteristik kualitas yang saling berhubungan.
3. Dua faktor yang saling berhubungan yang mempengaruhi karakteristik
kualitas.

IV. Langkah-langkah Pembuatan Diagram Pencar

Diagram Pencar dapat dibuat melalui beberapa langkah berikut ini :

1. Kumpulkan pasangan data (x,y) yang akan dipelajari hubungannya serta

susunlah data itu dalam tabel. Usahakan agar data yang dikumpulkan
cukup banyak, sebaiknya tidak kurang dari 30 pasangan data (n > 30).
2. Tentukan nilai-nilai maksimum dan minimum untuk kedua variabel x dan
y. Buatlah skala pada sumbu horisontal dan vertikal dengan ukuran yang
sesuai agar diagram akan menjadi lebih mudah untuk dibaca. Apabila
kedua variabel yang akan dipelajari itu adalah karakteristik kualitas dan
 faktor yang mempengaruhinya, gunakan sumbu horisontal, x, untuk faktor
yang mempengaruhi kualitas dan sumbu vertikal, y, untuk karakteristik
kualitas.
3. Tebarkan (plot) data pada selembar kertas. Apabila dijumpai data bernilai
sama dari pengamatan yang berbeda, gambarkan titik-titik itu seperti
lingkaran konsentri (.), atau plot titik kedua yang bernilai sama itu di
sekitar titik pertama.
4. Berikan informasi secukupnya agar orang lain dapat memahami diagram
pencar itu. Informasi yang biasa diberikan :

a. Interval waktu.
b. Banyaknya pasangan data (n).
c. Judul dan unit pengukuran dari setiap variabel pada garis horisontal
dan vertikal.
d. Judul dari grafik tersebut.
e. Apabila dipandang perlu dapat mencantumkan nama dari orang yang
membuat diagram pencar tersebut.

Contoh :

Diketahui data seperti yang terdapat pada tabel 1 di bawah ini:

Tabel 1. Data Downtime Mesin dengan Persentase Kerusakan Produk

[Juni 2004]

Downtime Downtime Persentase

Persentase
Tanggal Mesin Tanggal Mesin Kerusakan
Kerusakan (%)
(menit) (menit) (%)
1 30 2 16 60 6
2 35 3 17 90 9
3 40 3 18 70 6
4 50 5 19 60 5
5 60 5 20 50 6
6 45 4 21 100 10
7 36 3 22 38 4
8 38 4 23 42 4
9 43 5 24 41 3
10 46 4 25 52 5
11 67 6 26 65 6
12 75 8 27 64 6
13 80 9 28 70 5
14 46 5 29 83 9
15 55 5 30 63 7

Berdasarkan data pada tabel 1, maka dapat dibuat Diagram Pencarnya dengan
mengikuti langkah-langkah pembuatan tersebut di atas, seperti yang terdapat pada
gambar 1 di bawah ini :

Gambar 1. Diagram Pencar Downtime Mesin dan Persentase Kerusakan Produk

Pola Diagram Pencar

Pada dasarnya terdapat tiga jenis pola Diagram Pencar, yaitu :

1. Diagram Tebar dari dua variabel x dan y yang memiliki hubungan

(korelasi) positif. Bentuknya seperti gambar 2 di bawah ini.

Gambar 2. Diagram Pencar Hubungan Positif

2. Diagram Tebar dari dua variabel x dan y yang memiliki hubungan

(korelasi) negatif. Bentuknya seperti gambar 3 di bawah ini.

Gambar 3. Diagram Pencar Hubungan Negatif

 3. Diagram Tebar dari dua variabel x dan y yang tidak memiliki hubungan
(tidak berkorelasi), di mana tidak ada kecenderungan bagi nilai-nilai
tertentu dari variabel x untuk terjadi bersama-sama dengan nilai-nilai
tertentu dari variabel y. Bentuknya seperti gambar 4 di bawah ini.

Gambar 4 Diagram Pencar Tanpa Hubungan

Analisis Korelasi Sederhana

Pada pengujian statistik dapat menggunakan koefisien regresi dan korelasi

sederhana, secara sepintas dapat dilihat pada keterangan dibawah ini :

Persamaan Regresi

Regresi yang berarti peramalan, penafsiran atau pendugaan pertama kali

dikemukakan pada tahun 1877 oleh Sir Francis Galton (1822 1911) sehubungan
dengan penelitian terhadap tinggi manusia, penelitian tersebut membandingkan
antara tinggi anak laki laki dan tinggi badan ayahnya (Supranto, 1994). Regresi
sederhana didasarkan pada hubungan fungsional atau kausal satu variabel
independen dengan satu variabel dependen. Persamaan umum linier sederhana
adalah :
 y = a + bx

dimana :
y : subyek dalam variabel dependen yang diprediksikan.
a : konstanta.
b : angka arah atau koefisien regresi, yang menunjukkan angka peningkatan
ataupun penurunan variabel dependen yang didasarkan pada variabel
independen. Bila b (+) maka naik, dan bila b (-) maka turun.
x : subjek pada variabel independen yang mempunyai nilai tertentu.

Dengan harga a dan b dapat dihitung dengan rumus :

Koefisien Korelasi

Menurut Algifari (1997), analisa korelasi adalah alat statistik yang dapat
digunakan untuk mengetahui hubungan derejat linier antara satu variabel dengan
variabel yang lain. Setelah diketahui bahwa variabel x dan variabel y berdistribusi
normal, homogen dan linier, maka sebagai langkah selanjutnya adalah mencari
ada atau tidaknya pengaruh dari variabel x dan y. Untuk menghitung kadar
pengaruh variabel x terhadap variabel y ini, dipergunakan koefisien korelasi dari
konevisien persens, dengan rumus:
dimana :
r = Koefisien Korelasi
X = Independent Variable (Variabel Bebas)
Y = Dipendent Variable (Variabel Tak Bebas)
n = Jumlah Data
Sebagai pedoman kriteria penafsiran koefisien korelasi menurut Mohammad Ali
adalah sebagai berikut :
Tabel 3.1 Interpretasi Koefisien Korelasi Berdasarkan Ukuran Konservatif
Korelasi Interpretasi
0,00 0,20 Sangat lemah
cenderung tidak ada
0,21 0,40 Lemah cenderung ada
0,41 0,60 Kuat
0,61 0,80 Sangat kuat
0,81 1,00 Sempurna

(Sumber: Sugiyono, 1997)

Koefisien Determinasi

Koefisien determinasi adalah cara utama yang dapat digunakan untuk mengetahui
besarnya kontribusi dari varibel satu terhadap variabel lainnya, misalnya kalau Y
= hasil penjualan, X = biaya iklan, maka naik turunya Y tidak semata-mata
disebabkan oleh X, karena masih ada faktor lain. Kalau koefisien determeniasai
ditulis KP (koefisien Penentuan), maka untuk menghitung KP adalah sebagai
berikut (Supranto 1994):

KP = r2 x 100 %

Dimana :
KP : Koefisien Determinasi atau Nilai Penentu
r : Hasil korelasi sederhana