Pengertian Six Sigma

Apa sih Six Sigma itu?

• Six = enam
• Sigma = standar deviasi, dan biasa dilambangkan dengan σ.
  

Jadi kesimpulannya, Six Sigma adalah 6σ.
hehehheh, gampang khan...?
====================
Ya udah kalo belum puas, nih jawaban dari kang Google...

• D2N : "Kang! naon atuh nu di masud Six Sigma teh?"
• Kang Gugel :" Maneh mah stupid pisan, piraku nu kitu teu nyaho..., tah jawabana" Six Sigma is a measure of quality that strives for near perfection. The Six Sigma process uses data and rigorous statistical analysis to identify "defects" in a process or product, reduce variability, and achieve as close to zero defects as possible"
  

• D2N : "Duh...aduh kang geuningan bahasa ingris, aya nu bahasa sunda atawa indonesia na? heheh"
• Kang Gugel : "Alllah... si manehmah teu bisa bahasa inggris nyah....?, ter jemahkeun wae atuh ku sorangan... bari di ajar... "
  

• D2N : " yah si akang mah... nya atuh urang terjemahkeun... tapi mun salah tong ngambeuk nya... da, ngarana oge di ajar"
• Kang Gugel: "Iah seep"

Kusabab ceuk kang gugel moal ngambek mun salah oge, nya si D2N nyobaan neterjemahkeun..

• D2N : " Kieu meureunan maksud akang teh, Six Sigma adalah suatu ukuran kualitas yang mengusahakan suatu keadaan nyaris sempurna. Proses Six Sigma menggunakan data dan analisis statistik yang tepat untuk mgidentifikasi kerusakan di dalam suatu proses atau produksi, mengurangi variabilitas dan akhirnya dimungkinkan mencapai keusakan nol"

• D2N : "Kumaha tah kang?, bener teu terjemahanna?"
• Kang Gugle : " Bener sih... cumana asa rancu bahasana euy..."

• Kang Gugel : " Ieu wae atuh anu langsung bahasa indonesia, Six Sigma adalah sebuah metodologi terstruktur untuk memperbaiki proses yang difokuskan pada usaha mengurangi variasi proses (process variances) sekaligus mengurangi cacat (produk/jasa yang diluar spesifikasi) dengan menggunakan statistik dan problem solving tools secara intensif. Secara harfiah, Six Sigma (6σ) adalah suatu besaran yang bisa kita terjemahkan secara gampang sebagai sebuah proses yang memiliki kemungkinan cacat (defects opportunity) sebanyak 3.4 buah dalam satu juta produk/jasa. Ada banyak kontroversi di sekitar penurunan angka Six Sigma menjadi 3.4 dpmo (defects per million opportunities). Namun bagi kita, yang penting intinya adalah Six Sigma sebagai metrics merupakan sebuah referensi untuk mencapai suatu keadaan yang nyaris bebas cacat. Dalam perkembangannya, 6σ bukan hanya sebuah metrics, namun telah berkembang menjadi sebuah metodologi dan bahkan strategi bisnis.

• D2N : " Ih si akang mah... lain ti tatadi meurenan abdi teu lieur2 neterjemahkeun.."
• Kang Gugel : " Haaahahahahahha...."

• D2N : " Kang... mun kitu mah nu di maksud six sigma teh sarua jeung skripsi abdi nu kapungkur, nu tiap malem bimbingan ka akang, geuningan nu judulna ku akang di pasihan, Pengukuran kualitas untuk data multivariat tidak normal"
• Kang Gugel : " Iah eta... bener.... ari six sigma mah secara umum, ari manehmah nga bahas nu sacara khusus jeung detail "

• D2N : " Nya nuhun atuh kang, ke urang di lanjut deui masalah six sigma na, kumaha blog nu ieu urang judulan ku pengertian six sigma, teu nanaon kang?"
• Kang Gugel : " Kuma maneh wae den, nt nu nulis..., pokona mah mun aya nanaon naya wae ka dewek, mun nyaho ku dewek di jawab, mun heunteu tanyakeun oge ka akang silaing nu hijina, kang nyaho. hehehehheh...."

• D2N : " Hatur nuhun atuh kang...., mangga ah... abdi bade ka cai heula."
• Kang Gugel : " Sok... atuh"

• D2N : " Assalamu'alaikum wr wb, kang ?"

Kang Gugel rada lila nga jawabna.... loaaaaaaaaaaadddddddddding.....

• Kang Gugel : "Wa'alaikumsalam wr wb!" hehehehhe...
  

7 Steps of Marketing Research

Ada yang pingin tau langkah penelitian pemasaran produk atau jasa secara umum:
nih saya kasih....

7 Steps of Marketing Research

1. Formulate the Problem
   
2. Determine the Research Design
   
3. Determine Data Collection Procedure
4. Determine Sampling Method
5. Collect Data
6. Data Analysis
7. Present Data

Gimana ? gampang khan hahaha....,
Kalo masih bingung... hubungi orang statistik.... yah2... jangan sama dukun... :)

Methods Successive Interval (MSI)

Analisis statistik parametrik (statistik yang bergantung pada distribusi tertentu dan yang menetapkan adanya syarat-syarat tertentu tentang parameter populasi seperti pengujian hipotesis dan penaksiran parameter), memerlukan terpenuhinya persyaratan bahwa skala pengukuran minimal Interval, sedangkan bila dari data penelitian diperoleh data yang memberikan skala pengukuran Ordinal (kebanyakan dalam kasus-kasus penelitian sosial), sehinga agar analisis tersebut dapat dilanjutkan maka skala pengukuran Ordinal harus dinaikkan (ditransformasikan) ke dalam skala Interval dengan menggunakan Methods Successive Interval (MSI).

Adapun Langkah Kerja Methods Successive Interval (MSI) adalah:

• Perhatikan tiap butir pertanyaan, misal dalam kuesioner.
• Untuk butir tersebut, tentukan berapa banyak orang yang mendapatkan (menjawab) skor 1, 2, 3, 4, dan 5, yang disebut dengan Frekuensi.
• Setiap frekuensi dibagi dengan banyaknya responden dan hasilnya disebut dengan Proporsi.
• Tentukan Proporsi Kumulatif.
• Dengan menggunakan Tabel Distribusi Normal Baku, hitung nilai Z-tabel untuk setiap proporsi kumulatif yang diperoleh.
• Tentukan Nilai Densitas untuk setiap nilai Z yang diperoleh (dari Tabel).
• Tentukan Nilai Skala dengan menggunakan rumus :

• Tentukan Nilai Transformasi (Y) dengan menggunakan Rumus :

Skala Pengukuran dan Statistik

Mengetahui bentuk data yang akan atau telah diperoleh merupakan tahap awal yang penting untuk menentukan analisis statistik mana yang tepat untuk digunakan.

Data dibedakan menurut skala yang digunakan pada saat melakukan pengukuran. Pengukuran tentunya dimaksudkan untuk memberikan angka numerik terhadap obyek menurut aturan-aturan tertentu. Aturan yang berbeda akan menghasilkan skala yang berlainan pula sehingga akan memberikan jenis pengukuran yang berbeda tentunya. Terdapat empat macam skala pengukuran yang ada yaitu : NOMINAL, ORDINAL, INTERVAL , dan RASIO.

Nominal
Skala Nominal berfungsi hanya sebagai lambang untuk membedakan, terhadap bilangan-bilangan tersebut tidak berlaku hukum aritmetika, tidak boleh menjumlahkan, mengurangi, mengalikan, maupun membagi.
Hubungan yang membatasi adalah hubungan sama dengan dan tidak sama dengan.
Statistik yang sesuai dengan data berskala Nominal adalah Statistik Nonparametrik. Contoh perhitungan statistik yang cocok adalah Modus, Frekuensi dan Koefisien Kontingensi.

Ordinal
Pada tingkat pengukuran ordinal, bilangan yang didapat berfungsi sebagai :

• lambang untuk membedakan yaitu sama dengan dan tidak sama dengan,
• untuk mengurutkan peringkat berdasarkan kualitas yang telah ditentukan (> atau < ).

Pada tingkat pengukuran ordinal kita bisa mengatakan lebih baik/lebih buruk, lebih besar/lebih kecil, tetapi tidak bisa menentukan berapa kali lebih besarnya/lebih buruknya.
Statistik yang sesuai dengan data berskala Ordinal adalah Statistik Nonparametrik. Contoh perhitungan statistik yang cocok adalah Median, Persentil, Korelasi Spearman (rs ), Korelasi Thau-Kendall dan Korelasi Thau-Kendall (W).

Interval
Bilangan pada skala interval fungsinya ada tiga yaitu :

• Sebagai lambang untuk membedakan,
• Untuk mengurutkan peringkat, misal, makin besar bilangannya, peringkat makin tinggi ( > atau <),
• Dapat memperlihatkan jarak/perbedaan antara data obyek yang satu dengan data obyek yang lainnya.
  

Titik nol bukan merupakan titik mutlak, tetapi titik yang ditentukan berdasarkan perjanjian.
Statistik yang sesuai dengan data berskala Interval adalah Statistik Nonparametrik dan Statistik Parametrik. Contoh perhitungan statistik yang cocok adalah Rata-rata, Simpangan Baku, dan Korelasi Pearson.

Rasio
Bilangan pada skala Rasio fungsinya ada empat yaitu :

• Sebagai lambang untuk membedakan,
• Untuk mengurutkan peringkat, misal, makin besar bilangannya, peringkat makin tinggi (> atau < ),
• Bisa memperlihatkan jarak/perbedaan antara data obyek yang satu dengan data obyek yang lainnya.
• Rasio (perbandingan) antar satu data dengan data yang lainnya dapat diketahui dan mempunyai arti.
  

Titik nol merupakan titik mutlak.
Statistik yang sesuai dengan data berskala Rasio adalah Statistik Nonparametrik dan Statistik Parametrik. Contoh perhitungan statistik yang cocok adalah Rata-rata Ukur, Koefisien Variasi dan statistik-statistik lain yang menuntut diketahuinya titik nol mutlak.

Tabel Kontingensi

Tabel Kontingensi

Tabel kontingensi merupakan bagian dari tabel baris kolom, akan tetapi tabel ini mempunyai ciri khusus, yaitu untuk menyajikan data yang terdiri atas dua faktor atau dua variabel, faktor yang satu terdiri atas b kategori dan lainnya terdiri atas k kategori, dapat dibuat daftar kontingensi berukuran b x k dengan b menyatakan baris dan k menyatakan kolom.

Contoh:
Misalkan data karyawan perusahaan Z pada tahun 2007. yang disebut karyawan di sini adalah orang yang bekerja di perusahaan Z dari level terendah sampai level manajemen yang semuanya berjumlah 336.416 orang berasal dari lulusan SMA, Diploma 3 dan Strata -1 yang terdiri dari laki-laki dan perempuan. Karyawan laki-laki dengan tingkat pendidikan SMA sebanyak 104.758, D-3 sebanyak 51.459 dan S-1 sebayak 12.116. karyawan perempuan denga tingkat pendidikan SMA sebanyak 102.795, D-3 sebayak 54.032 dan S-1 sebanyak 11.256.

Untuk menyajikan data yang terurai dalam naskah di atas, sangat cocok apabila kita menggunakan tabel kontingensi. Dimana yang menjadi faktor baris adalah jenis kelamin dengan 2 kategori yaitu pria dan perempuan dan faktor kolom adalah tingkat pendidikan dengan kategori SMA, D3, dan S-1. dengan melihat bayaknya kategori setiap factor maka untuk kasus ini, tabel yang akan kita buat adalah tabel kontingensi 2x3 yaitu dua baris tiga kolom. Dengan kasus yang berbeda tabel kontengensi yang kita buat dapat saja 4x3 atau 4x4 dan sebagainya.

Membuat Tabel Baris Kolom dengan SPSSS

Membuat Tabel Baris Kolom dengan SPSSS

• Start > All Program > SPSS 13.0 for Windows > klik (13.0 merupakan versi SPSS yang penulis gunakan)
• SPSS Data Editor > Variable View > klik: Buatlah variable view seperti gambar di bawah:

• Klik Data View; Buatlah variable view seperti gambar di bawah:

• Klik Analyze > Tables > Basic Tables > klik

• Masukan data yang berada di kotak dialog Basic Tables seperti gambar berikut

• Masih di Basic Tables. Klik Titles dan tulislah judul table dan catatan di kolom title dan Caption seperti gambar berikut.

• Klik Continue dan OK pada Basic Tables.
• Hasilnya:

Hasil di SPSS berbeda pada hasil manual, yaitu pada urutan penempatan kolom harga dan unit terbalik. Hal ini terjadi karena, dalam pembuatan table baris kolom manual penyusunan berdasarkan kebiasaan yaitu menulis unit baru harga tapi pada SPSS penyusunan berdasarkan abjad, yaitu penulisan harga akan lebih dahulu di bandingkan unit. Untuk kebutuhan presentasi sebaiknya Anda edit saja sesuai dengan aturan yang biasa, tentunya perubahan ini agar audient cepat mengerti dan tak asing dengan apa-apa saja yang kita presentasikan.

Tabel Baris Kolom

Tabel Baris Kolom

Semua tabel terdiri dari beberapa baris dan kolom, maka selain tabel baris kolom, yaitu tabel kontingensi dan tabel distribusi frekuensi juga termasuk pada tabel baris kolom. Tabel yang lebih tepat disebut tabel baris kolom ini adalah tabel-tabel yang dibuat selain dari tabel kontingensi dan distribusi frekuensi yaitu tabel yang terdiri dari baris dan kolom yang mempunyai ciri tidak terdiri dari faktor-faktor yang terdiri dari beberapa kategori dan bukan merupakan data kuantitatif yang dibuat menjadi beberapa kelompok.

Contoh:
Misalkan ada data pembelian bahan baku pembuatan produk yang dilakukan oleh perusahaan Z dari tahun 2000-2002. Bahan baku produk tersebut terdiri dari bahan A, B, C dan D yang mempunyai harga berbeda dan setiap tahunnya berubah disesuaikan dengan harga pasar. Pada tahun 2000 perusahaan Z membeli bahan baku A, B, C dan D sebanyak 1083 unit, 1108 unit, 1093 unit dan 1118 unit dengan harga Rp 10.002.344, Rp. 10.000.814, Rp 10.000.914 dan Rp 10.001.914. Tahun 2001 baku A, B, C dan D sebanyak 1127 unit, 1094 unit, 1137 unit dan 1104 unit dengan harga Rp 10.003.078, Rp. 10.000.805, Rp 10.000.905dan Rp 10.001.905. Tahun 2002 baku A, B, C dan D sebanyak 1110 unit, 1130 unit, 1120 unit dan 1140 unit dengan harga Rp 10.002.904, Rp. 10.000.920, Rp 10.001.020dan Rp 10.002.020.

Dengan melihat data yang terurai secara naskah tersebut maka kita akan kebinggungan untuk menggali informasi dari data pembelian bahan baku yang dilakukan oleh perusahaan Z tersebut. Oleh karena itu, kita buat tabel baris kolomnnya.