Scatter Diagram atau diagram pencar merupakan salah satu dari Seven Basic Quality Tools (7 QC Tools) yang digunakan untuk menganalisis hubungan antara dua variabel. Berbeda dengan histogram yang menunjukkan distribusi data atau Pareto yang menentukan prioritas masalah, Scatter Diagram berfungsi untuk mengetahui apakah perubahan pada satu variabel berkaitan dengan perubahan pada variabel lainnya. Dengan menampilkan data dalam bentuk titik-titik pada bidang koordinat, alat ini membantu organisasi memahami pola hubungan yang menjadi dasar dalam pengambilan keputusan berbasis data.

1. Teori Scatter Diagram

Scatter Diagram adalah grafik yang memplot pasangan data dalam dua sumbu, yaitu sumbu horizontal (X) sebagai variabel independen dan sumbu vertikal (Y) sebagai variabel dependen. Setiap pasangan data direpresentasikan oleh satu titik sehingga pola penyebaran titik dapat diamati secara visual.

Tujuan utama Scatter Diagram adalah mengidentifikasi apakah terdapat hubungan atau korelasi antara dua variabel. Hubungan tersebut dapat berupa korelasi positif, korelasi negatif, atau tidak memiliki hubungan sama sekali. Penting untuk dipahami bahwa scatter diagram hanya menunjukkan adanya hubungan statistik, bukan membuktikan hubungan sebab-akibat (causation). Oleh karena itu, hasil analisis biasanya dikombinasikan dengan investigasi lapangan maupun analisis akar penyebab untuk memperoleh kesimpulan yang lebih komprehensif.

2. Filosofi Scatter Diagram

Filosofi utama Scatter Diagram adalah bahwa setiap proses dipengaruhi oleh berbagai faktor yang saling berinteraksi. Dalam Quality Management, keputusan yang baik tidak boleh didasarkan pada asumsi, melainkan harus didukung oleh fakta dan data.

Scatter Diagram membantu menjawab pertanyaan seperti: Apakah peningkatan suhu menyebabkan cacat produk meningkat?, Apakah waktu pelatihan berpengaruh terhadap produktivitas?, atau Apakah kecepatan mesin memengaruhi konsumsi energi?

Dengan memahami pola hubungan tersebut, organisasi dapat memfokuskan upaya perbaikan pada faktor yang benar-benar memberikan pengaruh signifikan. Filosofi ini sejalan dengan prinsip data-driven decision making, yaitu setiap keputusan improvement harus didukung oleh bukti objektif, bukan sekadar pengalaman atau intuisi.

3. Jenis Hubungan pada Scatter Diagram

Pola penyebaran titik dalam Scatter Diagram dapat memberikan gambaran mengenai kekuatan hubungan antar variabel. Secara umum terdapat beberapa bentuk hubungan yang sering dijumpai.

Jenis Hubungan Interpretasi:

Strong Positive Correlation (+r) Semakin besar nilai variabel X, semakin besar pula nilai variabel Y. Titik-titik berkumpul rapat mengikuti garis naik sehingga menunjukkan hubungan yang kuat. Jam operasi mesin meningkat → konsumsi bahan bakar meningkat. Atau jumlah produksi meningkat → penggunaan listrik meningkat.

Strong Negative Correlation (-r) Semakin besar nilai variabel X, semakin kecil nilai variabel Y. Titik-titik mengikuti garis turun dengan rapat sehingga menunjukkan hubungan negatif yang kuat. Frekuensi preventive maintenance meningkat → downtime mesin menurun. Atau jam pelatihan operator meningkat → jumlah cacat produk menurun.

Weak Positive Correlation (+r) Variabel X cenderung meningkat seiring kenaikan variabel Y, tetapi hubungan tidak terlalu kuat karena penyebaran data cukup lebar. Faktor lain juga memengaruhi hasil. Pengalaman operator bertambah → produktivitas sedikit meningkat, namun masih dipengaruhi kondisi mesin, material, dan metode kerja.

Weak Negative Correlation (-r) Variabel X cenderung meningkat sementara variabel Y sedikit menurun, tetapi hubungan relatif lemah karena banyak variasi pada data. Persediaan suku cadang meningkat → waktu perbaikan sedikit menurun, tetapi masih dipengaruhi keterampilan teknisi dan tingkat kerusakan mesin.

Kesimpulan:

Strong Positive (+r) → Hubungan searah yang kuat.
Strong Negative (-r) → Hubungan berlawanan arah yang kuat.
Weak Positive (+r) → Hubungan searah, tetapi dipengaruhi banyak faktor lain.
Weak Negative (-r) → Hubungan berlawanan arah, namun pengaruhnya relatif kecil.

Memahami Nilai Koefisien Korelasi (r)

Koefisien korelasi (r) merupakan ukuran statistik yang digunakan untuk menunjukkan arah dan kekuatan hubungan linier antara dua variabel pada Scatter Diagram. Nilai r berada pada rentang -1 hingga +1. Semakin mendekati +1 atau -1, semakin kuat hubungan antara kedua variabel, sedangkan nilai yang mendekati 0 menunjukkan hubungan yang sangat lemah atau bahkan tidak ada hubungan linier.

Nilai r positif menunjukkan bahwa kedua variabel bergerak searah. Artinya, ketika variabel X meningkat, variabel Y juga cenderung meningkat. Sebaliknya, nilai r negatif menunjukkan hubungan berlawanan arah, yaitu ketika variabel X meningkat, variabel Y justru menurun. Apabila r = +1, seluruh titik data berada tepat pada garis lurus yang menanjak (korelasi positif sempurna). Jika r = -1, seluruh titik berada pada garis lurus yang menurun (korelasi negatif sempurna). Sementara itu, r = 0 mengindikasikan tidak adanya hubungan linier yang berarti.

Secara umum, interpretasi kekuatan korelasi adalah sebagai berikut: 0,80–1,00 sangat kuat, 0,60–0,79 kuat, 0,40–0,59 sedang, 0,20–0,39 lemah, dan 0,00–0,19 sangat lemah. Namun, penting dipahami bahwa korelasi tidak selalu menunjukkan hubungan sebab-akibat (correlation does not imply causation). Oleh karena itu, hasil analisis korelasi sebaiknya dikombinasikan dengan analisis akar penyebab, eksperimen, atau metode statistik lainnya sebelum digunakan sebagai dasar pengambilan keputusan dalam program Quality Improvement atau Lean Six Sigma.

4. Penggunaan Scatter Diagram dalam Berbagai Bidang

Scatter Diagram memiliki aplikasi yang sangat luas dalam dunia industri maupun jasa. Pada manufaktur, diagram ini digunakan untuk menganalisis hubungan antara suhu proses dengan tingkat cacat, tekanan mesin dengan kualitas produk, atau kecepatan produksi terhadap konsumsi energi.

Dalam industri pertambangan, Scatter Diagram digunakan untuk mengevaluasi hubungan antara jarak hauling dengan konsumsi bahan bakar, kecepatan dump truck terhadap cycle time, maupun jumlah muatan dengan produktivitas alat.

Pada rumah sakit, diagram ini dapat digunakan untuk melihat hubungan antara jumlah pasien dengan waktu tunggu pelayanan, atau antara jumlah tenaga medis dengan tingkat kepuasan pasien. Sementara pada bidang logistik, Scatter Diagram membantu menganalisis hubungan antara volume pengiriman dan waktu distribusi sehingga perusahaan dapat mengoptimalkan kapasitas armada.

Karena mampu mengidentifikasi faktor-faktor yang paling berpengaruh terhadap suatu hasil, Scatter Diagram menjadi alat yang sangat berguna dalam proses pengambilan keputusan berbasis data.

5. Peran Scatter Diagram dalam Quality Improvement

Dalam metodologi Lean Six Sigma, Scatter Diagram banyak digunakan pada tahap Measure dan Analyze dalam siklus DMAIC. Diagram ini membantu tim improvement menguji dugaan hubungan antara faktor penyebab (input) dengan hasil proses (output) sebelum melakukan eksperimen atau analisis statistik lanjutan.

Scatter Diagram juga berfungsi sebagai langkah awal sebelum melakukan analisis korelasi, regresi, maupun Design of Experiments (DOE). Dengan mengetahui hubungan antar variabel, organisasi dapat memprioritaskan faktor yang memiliki pengaruh terbesar terhadap kualitas, biaya, produktivitas, maupun kepuasan pelanggan.

Keunggulan Scatter Diagram adalah kemampuannya menyederhanakan data numerik menjadi visual yang mudah dipahami. Namun demikian, pengguna harus berhati-hati dalam menginterpretasikan hasilnya karena korelasi tidak selalu berarti kausalitas. Oleh sebab itu, Scatter Diagram sebaiknya digunakan bersama alat kualitas lainnya seperti Fishbone Diagram, Pareto Chart, Control Chart, dan analisis statistik untuk memperoleh pemahaman yang lebih menyeluruh.

Sebagai bagian dari 7 QC Tools, Scatter Diagram membantu organisasi membangun budaya perbaikan berbasis fakta. Dengan mengidentifikasi hubungan antar variabel secara objektif, perusahaan dapat mengurangi variasi proses, meningkatkan kualitas produk dan layanan, serta menghasilkan program continuous improvement yang lebih efektif dan berkelanjutan.