Pengertian Pohon Keputusan
Pohon keputusan adalah pemetaan mengenai alternatif-alternatif pemecahan masalah yang dapat diambil dari masalah tersebut. Pohon tersebut juga memperlihatkan faktor-faktor kemungkinan/probablitas yang akan mempengaruhi alternatif-alternatif keputusan tersebut, disertai dengan estimasi hasil akhir yang akan didapat bila kita mengambil alternatif keputusan tersebut.
Manfaat Pohon Keputusan
Pohon keputusan adalah salah satu metode klasifikasi yang paling populer karena mudah untuk diinterpretasi oleh manusia. Pohon keputusan adalah model prediksi menggunakan struktur pohon atau struktur berhirarki. Konsep dari pohon keputusan adalah mengubah data menjadi pohon keputusan dan aturan-aturan keputusan. Manfaat utama dari penggunaan pohon keputusan adalah kemampuannya untuk mem-break down proses pengambilan keputusan yang kompleks menjadi lebih simpel sehingga pengambil keputusan akan lebih menginterpretasikan solusi dari permasalahan. Pohon Keputusan juga berguna untuk mengeksplorasi data, menemukan hubungan tersembunyi
antara sejumlah calon variabel input dengan sebuah variabel target. Pohon keputusan memadukan antara
eksplorasi data dan pemodelan, sehingga sangat bagus sebagai langkah awal dalam proses pemodelan bahkan ketika
dijadikan sebagai model akhir dari beberapa teknik lain.
Kelebihan Pohon Keputusan
Kelebihan dari metode pohon keputusan adalah:
• Daerah pengambilan keputusan yang sebelumnya kompleks dan sangat global, dapat diubah menjadi lebih simpel dan spesifik.
• Eliminasi perhitungan-perhitungan yang tidak diperlukan, karena ketika menggunakan metode pohon keputusan maka sample diuji hanya berdasarkan kriteria atau kelas tertentu.
• Fleksibel untuk memilih fitur dari internal node yang berbeda, fitur yang terpilih akan membedakan suatu kriteria dibandingkan kriteria yang lain dalam node yang sama. Kefleksibelan metode pohon keputusan ini meningkatkan kualitas keputusan yang dihasilkan jika dibandingkan ketika menggunakan metode penghitungan satu tahap yang lebih konvensional
• Dalam analisis multivariat, dengan kriteria dan kelas yang jumlahnya sangat banyak, seorang penguji biasanya perlu untuk mengestimasikan baik itu distribusi dimensi tinggi ataupun parameter tertentu dari distribusi kelas tersebut. Metode pohon keputusan dapat menghindari munculnya permasalahan ini dengan menggunakan criteria yang jumlahnya lebih sedikit pada setiap node internal tanpa banyak mengurangi kualitas keputusan yang dihasilkan.
Kekurangan Pohon Keputusan
• Terjadi overlap terutama ketika kelas-kelas dan criteria yang digunakan jumlahnya sangat banyak. Hal tersebut juga dapat menyebabkan meningkatnya waktu pengambilan keputusan dan jumlah memori yang diperlukan.
• Pengakumulasian jumlah eror dari setiap tingkat dalam sebuah pohon keputusan yang besar.
• Kesulitan dalam mendesain pohon keputusan yang optimal.
• Hasil kualitas keputusan yang didapatkan dari metode pohon keputusan sangat tergantung pada bagaimana pohon tersebut didesain.
Model Pohon Keputusan
Pohon keputusan adalah model prediksi menggunakan struktur pohon atau struktur berhirarki. Contoh dari pohon keputusan dapat dilihat di Gambar berikut ini.
Model Pohon Keputusan (Pramudiono,2008)
Disini setiap percabangan menyatakan kondisi yang harus dipenuhi dan tiap ujung pohon menyatakan kelas data. Contoh di Gambar adalah identifikasi pembeli komputer,dari pohon keputusan tersebut diketahui bahwa salah satu kelompok yang potensial membeli komputer adalah orang yang berusia di bawah 30 tahun dan juga pelajar. Setelah sebuah pohon keputusan dibangun maka dapat digunakan untuk mengklasifikasikan record yang belum ada kelasnya. Dimulai dari node root, menggunakan tes terhadap atribut dari record yang belum ada kelasnya tersebut lalu mengikuti cabang yang sesuai dengan hasil dari tes tersebut, yang akan membawa kepada internal node (node yang memiliki satu cabang masuk dan dua atau lebih cabang yang keluar), dengan cara harus melakukan tes lagi terhadap atribut atau node daun. Record yang kelasnya tidak diketahui kemudian diberikan kelas yang sesuai dengan kelas yang ada pada node daun. Pada pohon keputusan setiap simpul daun menandai label kelas. Proses dalam pohon keputusan yaitu mengubah bentuk data (tabel) menjadi model pohon (tree) kemudian mengubah model pohon tersebut menjadi aturan (rule)
Contoh Aplikasi
Credit Risk
Berikut ini merupakan contoh dari salah satu kasus resiko kredit (credit risk) yang menggunakan decision tree untuk menentukan apakah seorang potential customer dengan karakteristik saving, asset dan income tertentu memiliki good credit risk atau bad credit risk.
Dapat dilihat pada gambar tersebut, bahwa target variable dari decision tree tersebut atau variable yang akan diprediksi adalah credit risk dengan menggunakan predictor variable : saving, asset, dan income. Setiap nilai atribut dari predictor variable akan memiliki cabang menuju predictor variable selanjutnya, dan seterusnya hingga tidak dapat dipecah dan menuju pada target variable.
Penentuan apakah diteruskan menuju predictor variable (decision node) atau menuju target variable (leaf node) tergantung pada keyakinan (knowledge) apakah potential customer dengan nilai atribut variable keputusan tertentu memiliki keakuratan nilai target variable 100% atau tidak. Misalnya pada kasus di atas untuk saving medium, ternyata knowledge yang dimiliki bahwa untuk seluruh potential customer dengan saving medium memiliki credit risk yang baik dengan keakuratan 100%. Sedangkan untuk nilai low asset terdapat kemungkinan good credit risk dan bad credit risk.
Jika tidak terdapat pemisahan lagi yang mungkin dilakukan, maka algoritma decision tree akan berhenti membentuk decision node yang baru. Seharusnya setiap branches diakhiri dengan “pure” leaf node, yaitu leaf node dengan target variable yang bersifat unary untuk setiap records pada node tersebut, di mana untuk setiap nilai predictor variable yang sama akan memiliki nilai target variable yang sama. Tetapi, terdapat kemungkinan decision node memiliki “diverse” atributes, yaitu bersifat non‐unary untuk nilai target variablenya, di mana untuk setiap record dengan nilai predictor variable yang sama ternyata memiliki nilai target variable yang berbeda. Kondisi tersebut menyebabkan tidak dapat dilakukan pencabangan lagi berdasarkan nilai predictor variable. Sehingga solusinya adalah membentuk leaf node yang disebut “diverse” leaf node, dengan menyatakan level kepercayaan dari diverse leaf node tersebut.
Pramudiono, Iko. Pengantar Data Mining: Menambang Permata Pengetahuan di Gunung Data. http://www.ilmukomputer.com
Balanced Scorecard
Konsep Balanced Scorecard selanjutnya akan disingkat BSC. BSC adalah pendekatan terhadap strategi manajemen yang dikembangkan oleh Drs.Robert Kaplan (Harvard Business School) and David Norton pada awal tahun 1990. BSC berasal dari dua kata yaitu balanced (berimbang) dan scorecard (kartu skor). Balanced (berimbang) berarti adanya keseimbangan antara performance keuangan dan non-keuangan, performance jangka pendek dan performance jangka panjang, antara performance yang bersifat internal dan performance yang bersifat eksternal. Sedangkan scorecard (kartu skor) yaitu kartu yang digunakan untuk mencatat skor performance seseorang. Kartu skor juga dapat digunakan untuk merencanakan skor yang hendak diwujudkan oleh seseorang di masa depan.
Keunggulan Balanced Scorecard
Dalam perkembangannya BSC telah banyak membantu perusahaan untuk sukses mencapai tujuannya. BSC memiliki beberapa keunggulan yang tidak dimiliki sistem strategi manajemen tradisional. Strategi manajemen tradisional hanya mengukur kinerja organisasi dari sisi keuangan saja dan lebih menitik beratkan pengukuran pada hal-hal yang bersifat tangible, namun perkembangan bisnis menuntut untuk mengubah pandangan bahwa hal-hal intangible juga berperan dalam kemajuan organisasi. BSC menjawab kebutuhan tersebut melalui sistem manajemen strategi kontemporer, yang terdiri dari empat perspektif yaitu: keuangan, pelanggan, proses bisnis internal serta pembelajaran dan pertumbuhan.
Keunggulan pendekatan BSC dalam sistem perencanaan strategis (Mulyadi, 2001, p.18) adalah mampu menghasilkan rencana strategis, yang memiliki karakteristik sebagai berikut (1) komprehensif, (2) koheren, (3)seimbang dan (4) terukur
Perspektif dalam Balanced Scorecard
Adapun perspektif-perspektif yang ada di dalam BSC adalah sebagai berikut:
1. Perspektif Keuangan
BSC memakai tolak ukur kinerja keuangan seperti laba bersih dan ROI, karena tolak ukur tersebut secara umum digunakan dalam perusahaan untuk mengetahui laba. Tolak ukur keuangan saja tidak dapat menggambarkan penyebab yang menjadikan perubahan kekayaan yang diciptakan perusahaan atau organisasi (Mulyadi dan Johny Setyawan, 2000).
Balanced Scorecard adalah suatu metode pengukuran kinerja yang di dalamnya ada keseimbangan antara keuangan dan non-keuangan untuk mengarahkan kinerja perusahaan terhadap keberhasilan. BSC dapat menjelaskan lebih lanjut tentang pencapaian visi yang berperan di dalam mewujudkan pertambahan kekayaan tersebut (Mulyadi dan Johny Setyawan, 2000) sebagai berikut:
1. Peningkatan customer 'yang puas sehingga meningkatkan laba (melalui peningkatan revenue).
2. Peningkatan produktivitas dan komitmen karyawan sehingga meningkatkan laba (melalui peningkatan cost effectiveness).
3. Peningkatan kemampuan perusahaan untuk menghasilkan financial returns dengan mengurangi modal yang digunakan atau melakukan investasi dalam proyek yang menghasilkan return yang tinggi.
Di dalam Balanced Scorecard, pengukuran finansial mempunyai dua peranan penting, di mana yang pertama adalah semua perspektif tergantung pada pengukuran finansial yang menunjukkan implementasi dari strategi yang sudah direncanakan dan yang kedua adalah akan memberi dorongan kepada 3 perspektif yang lainnya tentang target yang harus dicapai dalam mencapai tujuan organisasi.
Menurut Kaplan dan Norton, siklus bisnis terbagi 3 tahap, yaitu: bertumbuh (growth), bertahan (sustain), dan menuai (harvest), di mana setiap tahap dalam siklus tersebut mempunyai tujuan fmansial yang berbeda. Growth merupakan tahap awal dalam siklus suatu bisnis. Pada tahap ini diharapkan suatu bisnis memiliki produk baru yang dirasa sangat potensial bagi bisnis tersebut.
Untuk itu, maka pada tahap growth perlu dipertimbangkan mengenai sumber daya untuk mengembangkan produk baru dan meningkatkan layanan, membangun serta mengembangkan fasilitas yang menunjang produksi, investasi pada sistem, infrastruktur dan jaringan distribusi yang akan mendukung terbentuknya hubungan kerja secara menyeluruh dalam mengembangkan hubungan yang baik dengan pelanggan. Secara keseluruhan tujuan finansial pada tahap ini adalah mengukur persentase tingkat pertumbuhan pendapatan, dan tingkat pertumbuhan penjualan di pasar sasaran.
Tahap selanjutnya adalah sustain (bertahan), di mana pada tahap ini timbul pertanyaan mengenai akan ditariknya investasi atau melakukan investasi kembali dengan mempertimbangkan tingkat pengembalian yang mereka investasikan. Pada tahap ini tujuan finansial yang hendak dicapai adalah untuk memperoleh keuntungan. Berikutnya suatu usaha akan mengalami suatu tahap yang dinamakan harvest (menuai), di mana suatu organisasi atau badan usaha akan berusaha untuk mempertahankan bisnisnya. Tujuan finansial dari tahap ini adalah untuk untuk meningkatkan aliran kas dan mengurangi aliran dana.
2. Perspektif Pelanggan
Dalam perspektif pelanggan, perusahaan perlu terlebih dahulu menentukan segmen pasar dan pelanggan yang menjadi target bagi organisasi atau badan usaha. Selanjutnya, manajer harus menentukan alat ukur yang terbaik untuk mengukur kinerja dari tiap unit operasi dalam upaya mencapai target finansialnya. Selanjutnya apabila suatu unit bisnis ingin mencapai kinerja keuangan yang superior dalam jangka panjang, mereka harus menciptakan dan menyajikan suatu produk baru/jasa yang bernilai lebih baik kepada pelanggan mereka (Kaplan, dan Norton, 1996).
Produk dikatakan bernilai apabila manfaat yang diterima produk lebih tinggi daripada biaya perolehan (bila kinerja produk semakin mendekati atau bahkan melebihi dari apa yang diharapkan dan dipersepsikan pelanggan). Perusahaan terbatas untuk memuaskan potential customer sehingga perlu melakukan segmentasi pasar untuk melayani dengan cara terbaik berdasarkan kemampuan dan sumber daya yang ada. Ada 2 kelompok pengukuran dalam
perspektif pelanggan, yaitu:
1. Kelompok pengukuran inti (icore measurement group).
Kelompok pengukuran ini digunakan untuk mengukur bagaimana perusahaan memenuhi kebutuhan pelanggan dalam mencapai kepuasan, mempertahankan, memperoleh, dan merebut pangsa pasar yang telah ditargetkan. Dalam kelompok pengukuran inti, kita mengenal lima tolak ukur, yaitu: pangsa pasar, akuisisi pelanggan (perolehan pelanggan), retensi pelanggan (pelanggan yang dipertahankan), kepuasan pelanggan, dan profitabilitas pelanggan.
2. Kelompok pengukuran nilai pelanggan (customer value proposition).
Kelompok pengukuran ini digunakan untuk mengetahui bagaimana perusahaan mengukur nilai pasar yang mereka kuasai dan pasar yang potensial yang mungkin bisa mereka masuki. Kelompok pengukuran ini juga dapat menggambarkan pemacu kinerja yang menyangkut apa yang harus disajikan perusahaan untuk mencapai tingkat kepuasan, loyalitas, retensi, dan akuisisi pelanggan yang tinggi. Value proposition menggambarkan atribut yang disajikan perusahaan dalam produk/jasa yang dijual untuk menciptakan loyalitas dan kepuasan pelanggan. Kelompok pengukuran nilai pelanggan terdiri dari:
a. Atribut produk/jasa, yang meliputi: fungsi, harga, dan kualitas produk.
b. Hubungan dengan pelanggan, yang meliputi: distribusi produk kepada pelanggan, termasuk respon dari perusahaan, waktu pengiriman, serta bagaimana perasaan pelanggan setelah membeli produk/jasa dari perusahaan yang bersangkutan.
c. Citra dan reputasi, yang menggambarkan faktor intangible bagi perusahaan untuk menarik pelanggan untuk berhubungan dengan perusahaan, atau membeli produk.
3. Perspektif Proses Bisnis Internal
Perspektif proses bisnis internal menampilkan proses kritis yang memungkinkan unit bisnis untuk memberi value proposition yang mampu menarik dan mempertahankan pelanggannya di segmen pasar yang diinginkan dan memuaskan harapan para pemegang saham melalui flnancial retums (Simon, 1999).
Tiap-tiap perasahaan mempunyai seperangkat proses penciptaan nilai yang unik bagi pelanggannya. Secara umum, Kaplan dan Norton (1996) membaginya dalam 3 prinsip dasar, yaitu:
1. Proses inovasi.
Proses inovasi adalah bagian terpenting dalam keseluruhan proses produksi. Tetapi ada juga perusahaan yang menempatkan inovasi di luar proses produksi. Di dalam proses inovasi itu sendiri terdiri atas dua komponen, yaitu: identifikasi keinginan pelanggan, dan melakukan proses perancangan produk yang sesuai dengan keinginan pelanggan. Bila hasil inovasi dari perusahaan
tidak sesuai dengan keinginan pelanggan, maka produk tidak akan mendapat tanggapan positif dari pelanggan, sehingga tidak memberi tambahan pendapatan bagi perasahaan bahkan perasahaan haras mengeluarkan biaya investasi pada proses penelitian dan pengembangan.
2. Proses operasi.
Proses operasi adalah aktivitas yang dilakukan perusahaan, mulai dari saat penerimaan order dari pelanggan sampai produk dikirim ke pelanggan. Proses operasi menekankan kepada penyampaian produk kepada pelanggan secara efisien, dan tepat waktu. Proses ini, berdasarkan fakta menjadi fokus utama dari sistem pengukuran kinerja sebagian besar organisasi.
3. Pelayanan purna jual.
Adapun pelayanan purna jual yang dimaksud di sini, dapat berupa garansi, penggantian untuk produk yang rusak, dll.
4. Perspektif Pembelajaran dan Pertumbuhan
Perspektif ini menyediakan infrastruktur bagi tercapainya ketiga perspektif sebelumnya, dan untuk menghasilkan pertumbuhan dan perbaikan jangka panjang.
Penting bagi suatu badan usaha saat melakukan investasi tidak hanya pada peralatan untuk menghasilkan produk/jasa, tetapi juga melakukan investasi pada infrastruktur, yaitu: sumber daya manusia, sistem dan prosedur. Tolak ukur kinerja keuangan, pelanggan, dan proses bisnis internal dapat mengungkapkan kesenjangan yang besar antara kemampuan yang ada dari manusia, sistem, dan prosedur. Untuk memperkecil kesenjangan itu, maka suatu badan usaha harus melakukan investasi dalam bentuk reskilling karyawan, yaitu: meningkatkan kemampuan sistem dan teknologi informasi, serta menata ulang prosedur yang ada.
Perspektif pembelajaran dan pertumbuhan mencakup 3 prinsip kapabilitas yang terkait dengan kondisi intemal perusahaan, yaitu:
1. Kapabilitas pekerja.
Kapabilitas pekerja adalah merupakan bagian kontribusi pekerja pada perusahaan. Sehubungan dengan kapabilitas pekerja, ada 3 hal yang harus diperhatikan oleh manajemen:
a. Kepuasan pekerja.
Kepuasan pekerja merupakan prakondisi untuk meningkatkan produktivitas, tanggungjawab, kualitas, dan pelayanan kepada konsumen. Unsur yang dapat diukur dalam kepuasan pekerja adalah keterlibatan pekerja dalam mengambil keputusan, pengakuan, akses untuk mendapatkan informasi, dorongan untuk bekerja kreatif, dan menggunakan inisiatif, serta dukungan dari atasan.
b. Retensi pekerja.
Retensi pekerja adalah kemampuan untuk mempertahankan pekerja terbaik dalam perusahaan. Di mana kita mengetahui pekerja merupakan investasi jangka panjang bagi perusahaan. Jadi, keduanya seorang pekerja yang bukan karena keinginan perusahaan merupakan loss pada intellectual capital dari perusahaan. Retensi pekerja diukur dengan persentase turnover di perusahaan.
c. Produktivitas pekerja.
Produktivitas pekerja merupakan hasil dari pengaruh keseluruhan dari peningkatan keahlian dan moral, inovasi, proses internal, dan kepuasan pelanggan. Tujuannya adalah untuk menghubungkan output yang dihasilkan oleh pekerja dengan jumlah pekerja yang seharusnya untuk menghasilkan output tersebut.
2. Kapabilitas sistem informasi.
Adapun yang menjadi tolak ukur untuk kapabilitas sistem informasi adalah tingkat ketersediaan informasi, tingkat ketepatan informasi yang tersedia, serta jangka waktu untuk memperoleh informasi yang dibutuhkan.
3. Iklim organisasi yang mendorong timbulnya motivasi, dan pemberdayaan adalah penting untuk menciptakan pekerja yang berinisiatif. Adapun yang menjadi tolak ukur hal tersebut di atas adalah jumlah saran yang diberikan pekerja.
Stakeholder Analysis
Pengertian stakeholder adalah pihak-pihak yang terkait, dan Stakeholder Analysis adalah pengkajian terhadap pihak-pihak yang terkait langsung dan tidak langsung terhadap bisnis / proyek / penjualan, dan sebagainya. Di dalam project management, Stakeholder Analysis merupakan sesuatu yang sangat penting, dan ini harus dimulai sebelum proyek itu dimulai.
Stakeholder analysis merupakan bagian dari Risk Management. Langkah ini lebih bersifat preventif, dibandingkan korektif. Kajian dalam stakeholder analysis di Project Management meliputi paling sedikit:
1. Budaya masyarakat sekitar proyek yang terkena dampak langsung maupun tidak langsung
2. Hubungan kekerabatan masyarakat
3. Hubungan kongsi pelaksana proyek (joint venture, joint operation, dsb)
4. Hubungan kongsi pemberi proyek (joint venture, joint operation, merger, dsb)
5. Instansi pemerintah yang terkait
6. Lembaga-lembaga swadaya masyarakat (LSM/NGO) yang terkait
7. Lembaga-lembaga adat masyarakat
8. Tokoh-tokoh masyarakat
Stakeholder analysis ini akan menghasilkan pengkategorian,organisasi apakah yang sangat berpengaruh (primary stakeholder) terkait dengan pelaksanaan proyek, dan organisasi apa yang tidak/kurang berpengaruh (secondary stakeholder) terkait dengan pelaksanaan proyek. Dari kedua organisasi tersebut, dikelompokkan kembali siapakah tokoh kunci yang memiliki pengaruh paling besar (key stakeholder). Pengaruh tersebut bisa berupa pengaruh sosial seperti pada ketua adat, maupun kekuasaan seperti penerbit ijin seperti pada pemerintah. Pengelompokan ini lebih mudah disusun apabila menggunakan metoda stakeholder mapping, yaitu metoda menghubungkan-hubungkan kekerabatan, pengaruh, dominasi, kultural, agama, dan sosial lainnya antara satu pihak dengan pihak lainnya seperti pada contoh dibawah ini :
(sumber: http://www.emeraldinsight.com)
Dari proses stakeholder analysis & mapping yang paling penting adalah penyusunan dokumen analisis tersebut menjadi sebuah referensi bagi pemilik / pelaksana proyek. Kegunaannya adalah untuk melihat potensi-potensi peluang serta hambatan yang akan terjadi selama pelaksanaan proyek, dan apabila terjadi hambatan dalam proyek, dapat segera dianalisis pihak-pihak mana yang berpengaruh dan untuk segera ditangani. Stakeholder analysis sendiri adalah sesuatu yang tidak terukur, dan dinamis sesuai dengan perubahan yang terjadi di masyarakat itu sendiri. Semua praktisi yang melaksanakan aktivitas proyek apapun harus melakukan stakeholder analysis ini, membukukannya (sebagai referensi), dan membuat Standard Operational Procedure terkait dengan Stakeholder Grievance Handling (penanganan keluhan).
Alat ini dapat digunakan untuk banyak jenis keputusan pada semua tingkatan dalam sebuah organisasi.
Steps Langkah
• Identifikasi kelompok stakeholder tertentu dan sub-kelompok yang terlibat dalam keputusan saat ini
• Menentukan apa yang mereka berikan kepada organisasi.
• Pastikan apa keinginan kelompok stakeholder dari organisasi dan seberapa kuat keinginan mereka
• Mungkin perlu untuk memprioritaskan jika stakeholder yang diberikan memiliki lebih dari satu harapan.
• Prioritaskan stakeholder berdasarkan pentingnya organisasi dari apa yang mereka sediakan.
• Mereka diprioritaskan lebih tinggi berdasarkan apa yang mereka memberikan organisasi mendapatkan lebih banyak dari apa yang mereka inginkan.
• Mungkin perlu mempertimbangkan "kekuatan" dari keinginan berbagai kelompok stakeholder.
• Jika kelompok diperlukan sama sekali, mungkin perlu untuk memberikan sesuatu, bahkan jika stakeholder prioritas rendah.
Catatan
Di atas menyajikan pandangan yang disederhanakan analisis stakeholderDalam praktek, dan tergantung pada organisasi, budaya, dan keputusan tertentu, analisis ini dapat jauh lebih kompleks.
Selasa, 25 September 2012
Teknik Manajemen Proyek
Setiap tugas yang memerlukan beberapa persiapan untuk mencapai hasil yang sukses, mungkin akan dilakukan dengan lebih baik dengan menggunakan metode manajemen proyek beberapa tempat dalam proses. Metode manajemen proyek dapat membantu dalam perencanaan dan pengelolaan segala macam tugas, terutama kegiatan yang kompleks.
Manajemen proyek ini terutama terkait dengan perencanaan dan mengelola perubahan dalam organisasi, tetapi proyek juga dapat menjadi sesuatu yang tidak berhubungan dengan bisnis - bahkan situasi domestik, seperti pindah rumah, atau perencanaan pernikahan.
Metode dan alat-alat manajemen proyek sehingga bisa berguna jauh lebih luas daripada orang beranggapan. Teknik manajemen proyek dan alat-alat perencanaan proyek yang berguna untuk setiap tugas di mana hasil yang berbeda yang mungkin - di mana risiko masalah dan kegagalan ada - dan sangat membutuhkan perencanaan dan menilai pilihan, dan mengatur kegiatan dan sumber daya untuk memberikan hasil yang sukses.
Dalam organisasi dan bisnis, manajemen proyek dapat peduli dengan apa pun, terutama memperkenalkan atau mengubah hal-hal, dalam setiap area atau fungsi, misalnya:
* Orang, staf dan manajemen
* Produk dan jasa
* Material, manufaktur dan produksi
* TI dan komunikasi
* Tanaman, kendaraan, peralatan
Proses manajemen proyek:
1. Setuju spesifikasi yang tepat untuk proyek ini - 'Kerangka Acuan'
Sering disebut "kerangka acuan" proyek, spesifikasi proyek harus menjadi deskripsi akurat tentang apa proyek ini bertujuan untuk mencapai, dan kriteria dan fleksibilitas yang terlibat, parameter, lingkup, jangkauan, output, sumber, peserta, anggaran dan rentang waktu ( waspadalah - lihat catatan di bawah rentang waktu tentang perencanaan).
Biasanya manajer proyek harus berkonsultasi dengan orang lain dan kemudian setuju spesifikasi proyek dengan atasan, atau dengan otoritas yang relevan. Spesifikasi bisa melibatkan beberapa draft sebelum disepakati. Sebuah spesifikasi proyek sangat penting dalam hal itu menciptakan akuntabilitas yang terukur untuk setiap orang yang ingin setiap saat untuk menilai bagaimana proyek yang sedang terjadi, atau kesuksesan pada penyelesaian. Proyek segi referensi juga memberikan disiplin yang penting dan kerangka kerja untuk menjaga proyek di trek, dan peduli dengan tujuan awal yang telah ditetapkan dan parameter. A benar dirumuskan dan spesifikasi proyek yang telah disepakati juga melindungi manajer proyek dari yang dimiliki untuk menjelaskan masalah yang berada di luar cakupan asli proyek atau di luar kendali manajer proyek
Ini adalah tahap untuk menyetujui kondisi khusus atau pengecualian dengan mereka yang berkuasa. Setelah Anda sudah menerbitkan kerangka acuan Anda telah membuat sebuah perusahaan yang sangat set harapan dengan mana Anda akan dinilai. Jadi jika Anda memiliki masalah, atau ingin menegosiasikan kembali, sekarang adalah waktu untuk melakukannya.
Sebuah template untuk spesifikasi proyek:
1. Jelaskan tujuan, tujuan dan kiriman.
2. Negara parameter (rentang waktu, anggaran, jangkauan, ruang lingkup, wilayah, otoritas).
3. Negara orang-orang yang terlibat dan cara tim akan bekerja (frekuensi pertemuan, proses pengambilan keputusan).
4. Membentuk 'break-poin' di mana untuk meninjau dan memeriksa kemajuan, dan bagaimana kemajuan dan hasil akan diukur.
2. Rencana proyek - waktu, tim, kegiatan, sumber daya, keuangan - menggunakan alat-alat manajemen proyek yang sesuai.
Rencanakan berbagai tahapan kegiatan proyek. Bila memungkinkan (dan tentu saja di mana perlu) melibatkan tim Anda dalam perencanaan. Tips bermanfaat adalah untuk bekerja mundur dari tujuan akhir, mengidentifikasi semua hal yang perlu diletakkan di tempat dan dilakukan, dalam urutan terbalik. Selain itu, dari awal proyek telanjang, gunakan brainstorming (mencatat ide-ide dan titik secara acak - biasanya dengan tim proyek), untuk membantu mengumpulkan poin dan isu-isu dan untuk mengeksplorasi inovasi dan ide. fishbone diagram juga berguna untuk brainstorming dan mengidentifikasi faktor-faktor penyebab yang lain mungkin dilupakan. Untuk proyek yang kompleks, atau ketika Anda tidak mengalami masalah, melibatkan orang lain dalam proses brainstorming. Setelah itu pertanyaan menempatkan masalah dalam urutan yang benar, dan menjalin hubungan dan hubungan antara setiap masalah. Kompleks proyek akan memiliki sejumlah kegiatan yang berjalan secara paralel. Beberapa bagian dari proyek ini akan memerlukan bagian lain dari proyek akan selesai sebelum mereka dapat mulai atau kemajuan. bagian 'saling bergantung' seperti proyek perlu pertimbangan yang sangat hati-hati dan perencanaan. Beberapa proyek akan membutuhkan tahap kelayakan sebelum berakhirnya rencana rinci. Gantt Grafik dan Analisis Jalur Kritis Flow Diagram adalah dua alat yang biasa digunakan untuk perencanaan manajemen proyek rinci, memungkinkan penjadwalan, biaya dan manajemen anggaran dan keuangan lainnya, dan proyek dan pelaporan.
Proyek skala waktu dan biaya
Sebagian besar proyek datang terlambat - itu hanya cara itu - jadi jangan rencana skala waktu yang terlalu ambisius. Idealnya rencana untuk selip beberapa. Jika Anda telah diberi tenggat waktu tetap, rencana untuk memenuhi kebutuhan itu sebelumnya, dan bekerja kembali dari tanggal yang lebih awal. Membangun beberapa selip atau kelonggaran ke setiap fase proyek. Err pada sisi hati-hati di mana Anda bisa. Proyek yang slip kembali dan diserahkan terlambat, atau yang menjalankan lebih dari anggaran atau gagal untuk memenuhi persyaratan keuangan lainnya sering menimbulkan masalah yang signifikan.
Tim proyek
Bagian penting lainnya dari tahap perencanaan adalah memilih tim Anda. Perhatikan baik-baik, terutama jika Anda memiliki tim-anggota yang dikenakan pada Anda oleh singkat proyek. Memilih dan mendapatkan komitmen dari anggota tim terbaik - baik secara langsung bekerja, freelance, kontraktor, pemasok, konsultan atau mitra lainnya - adalah penting untuk kualitas proyek, dan kemudahan dengan yang Anda dapat mengelolanya. Umumnya mencoba untuk membangun tim Anda sesegera mungkin. Mengidentifikasi atau menunjuk satu atau dua orang bahkan selama syarat tahap referensi mungkin kadang-kadang. Menunjuk tim awal memaksimalkan kepemilikan dan membeli-in ke proyek, dan memaksimalkan apa yang mereka dapat berkontribusi. Tapi sangat waspada terhadap penunjukan orang sebelum Anda yakin seberapa baik mereka, dan tidak sampai mereka telah berkomitmen untuk proyek tersebut pada istilah yang mudah dimengerti dan diterima. Jangan membayangkan bahwa tim harus penuh anggota proyek dibayar dan resmi tim.
Untuk merencanakan dan mengelola proyek kompleks besar dengan berbagai paralel dan kegiatan tergantung Anda akan perlu untuk menyusun 'Analisis Jalur Kritis' dan spreadsheet di MS Excel atau setara. Path Analysis Critical akan menunjukkan urutan tugas harus dilakukan, dan kepentingan relatif dari tugas. Beberapa tugas dapat muncul kecil dan tidak berarti ketika mereka benar-benar mungkin sangat berpengaruh dalam memungkinkan kegiatan lebih besar untuk melanjutkan atau memberikan hasil terbaik. Sebuah bagan Gantt merupakan cara yang bermanfaat untuk menunjukkan blok kegiatan dari waktu ke waktu dan dengan biaya tertentu dan untuk mengelola proyek dan biaya di sepanjang jalan.
3. Komunikasikan rencana proyek untuk tim proyek Anda - dan untuk setiap orang lain yang berkepentingan dan kelompok.
Ini memberikan dua tujuan: menginformasikan masyarakat apa yang terjadi, dan memperoleh dukungan perjanjian, penting dan komitmen. Jika proyek Anda adalah kompleks dan melibatkan sebuah tim, maka Anda harus melibatkan tim dalam proses perencanaan untuk memaksimalkan buy-in, kepemilikan, dan dengan demikian akuntabilitas. Proyek Anda juga akan mendapat keuntungan dari masukan dan konsultasi dari orang-orang yang relevan pada tahap awal.
Juga mempertimbangkan bagaimana cara terbaik untuk berkomunikasi tujuan dan pendekatan proyek Anda kepada orang lain dalam organisasi Anda dan jaringan yang lebih luas.
Keterlibatan dan komunikasi sangat penting untuk kerjasama dan dukungan. Gagal untuk berkomunikasi dengan orang (yang mungkin tidak memiliki masukan yang besar, tetapi kerjasama yang sangat penting) adalah alasan umum untuk membangkitkan kecurigaan dan keberatan, pembelaan atau perlawanan.
4. Setuju dan tindakan mendelegasikan proyek.
Rencana Anda akan telah mengidentifikasi mereka yang bertanggung jawab untuk setiap kegiatan. Kegiatan harus sangat jelas digambarkan, termasuk semua parameter yang relevan, rentang waktu, biaya, dan kiriman. Gunakan akronim SMART untuk membantu Anda mendelegasikan tugas dengan benar. Lihat tips delegasi dan proses. Menggunakan metode delegasi yang tepat sangat penting untuk manajemen proyek yang melibatkan tim sukses. Ketika tugas didelegasikan gagal ini biasanya karena mereka belum dijelaskan secara jelas, setuju dengan orang lain, atau didukung dan diperiksa sementara dalam penyelesaian. Jadi menerbitkan rencana penuh ke semua dalam tim, dan mempertimbangkan dengan hati-hati cara untuk mendelegasikan tugas menengah-ke-jangka panjang dalam terang kemampuan anggota tim 'maju-perencanaan. proyek-proyek kompleks jangka panjang perlu direncanakan secara lebih rinci, dan hati-hati harus diambil dalam pendelegasian dan mendukung mereka.
5. Mengelola dan memotivasi - menginformasikan, mendorong, memungkinkan tim proyek.
Mengelola tim dan kegiatan dalam rapat, berkomunikasi, mendukung, dan membantu dengan keputusan (tapi tidak membuat mereka untuk orang yang bisa membuat mereka sendiri). Salah satu tantangan besar bagi seorang manajer proyek adalah memutuskan berapa banyak kebebasan untuk memberikan untuk setiap kegiatan didelegasikan. parameter ketat dan banyak pemeriksaan diperlukan untuk orang-orang berpengalaman yang suka instruksi yang jelas, namun pendekatan ini adalah ciuman kematian kepada orang-orang yang berpengalaman, kewirausahaan dan kreatif. Mereka membutuhkan singkat yang lebih luas, lebih banyak kebebasan, dan memeriksa kurang. Mengelola orang-orang ini dengan hasil yang mereka dapatkan - bukan bagaimana mereka mendapatkannya. Berkomunikasi kemajuan dan keberhasilan secara teratur untuk semua orang. Berikan orang-orang dalam tim Anda pujian, terutama ketika seseorang tinggi mengungkapkan kepuasan - tidak pernah, tidak pernah menerima pujian diri sendiri. Sebaliknya - Anda harus mengambil disalahkan untuk sesuatu yang tidak beres - pernah 'dump' (masalah-masalah Anda atau tegangan) pada siapa pun dalam tim Anda.
6. Periksa, mengukur, memantau, mengkaji kemajuan proyek - menyesuaikan rencana proyek, dan menginformasikan tim proyek dan lain-lain.
Periksa kemajuan kegiatan terhadap rencana. Review kinerja secara teratur dan pada titik ditetapkan review, dan mengkonfirmasikan validitas dan relevansi sisa dari rencana. Sesuaikan rencana jika perlu mengingat kinerja, keadaan berubah, dan informasi baru, tetapi tetap pada jalur dan dalam istilah aslinya acuan. Pastikan untuk menggunakan pengukuran transparan, pra-setuju ketika menilai kinerja. (Yang menunjukkan betapa pentingnya adalah memiliki langkah-langkah di tempat dan jelas disepakati sebelum tugas dimulai.) Mengidentifikasi, setuju dan mendelegasikan tindakan baru yang sesuai. Informasikan anggota tim dan mereka yang berwenang tentang perkembangan, jelas, ringkas dan tertulis. Rencana pertemuan tim review. Menempel pada sistem pemantauan Anda didirikan. Probe situasi nyata untuk mendapatkan fakta-fakta nyata dan angka. Analisa penyebab dan belajar dari kesalahan. Mengidentifikasi penasehat handal dan ahli dalam tim dan menggunakannya. Jauhkan berbicara dengan orang, dan membuat diri Anda tersedia bagi semua.
7. Proyek Lengkap - review dan melaporkan kinerja proyek, memberikan pujian dan terima kasih kepada tim proyek.
Pada akhir proyek yang berhasil Anda mengadakan peninjauan dengan tim. Pastikan Anda memahami apa yang terjadi dan mengapa. Renungkan pada setiap kegagalan dan kesalahan positif, obyektif, dan tanpa mengalokasikan menyalahkan pribadi. Merefleksikan keberhasilan syukur dan realistis. Menulis laporan review, dan membuat pengamatan dan rekomendasi tentang tindak lanjut isu-isu dan prioritas - akan ada banyak.
8. Proyek tindak lanjut - kereta api, dukungan, mengukur dan melaporkan hasil dan manfaat.
Hal ini khususnya terjadi di lingkungan sangat politis, dan / atau di mana manfaat proyek memiliki visibilitas yang relatif rendah dan makna kepada stakeholder (staf, pelanggan, investor, dll), terutama jika proyek tersebut juga memiliki biaya sangat tinggi, sebagai proyek TIK cenderung untuk melakukannya
Manajemen proyek hampir selalu melibatkan manajemen perubahan juga, di mana itu sangat penting untuk mempertimbangkan dampak dari proyek terhadap orang-orang yang harus menyesuaikan diri dengan perubahan. Sering ada membutuhkan pelatihan atau pendidikan. Ada hampir pasti menjadi perlu penjelasan, di mana untuk metode contohnya seperti briefing tim telah terbukti sangat berguna.
Responsibility Charts
Responsibility charts adalah teknik untuk mengidentifikasi area fungsional, kegiatan utama, dan decision points where ambiguities exist; differences can be titik keputusan dimana ambiguitas ada; perbedaan dapat dibawa ke tempat terbuka dan diselesaikan melalui usaha tim. Sebuah linear responsibility charts (LRC), atau dikenal sebagai responsibility assignment matriks (RAM), adalah jenis khusus dari matriks yang digunakan dalam manajemen proyek. Baris dari matriks daftar kegiatan yang akan dilakukan, sedangkan kolom disamping mengidentifikasi pihak yang bertanggung jawab untuk kegiatan itu.
Pendekatan ini memungkinkan manajemen untuk secara aktif berpartisipasi dalam proses sistematis penjelasan kegiatan, keputusan yang telah harus diselesaikan, dan untuk memperjelas tanggung jawab masing-masing bermain sehubungan dengan kegiatan-kegiatan dan keputusan.
Sebuah LRC dapat berguna tidak hanya untuk mengelola proyek-proyek individu, tetapi juga untuk menganalisa beban kerja dalam suatu organisasi. Selama reorganisasi, dapat membantu untuk memastikan bahwa tugas-tugas dasar tidak diabaikan. Bagan tanggung jawab linear membuat perbedaan yang jelas antara peran, atau pekerjaan judul, dan individu yang melakukan peran tersebut. Setiap proyek biasanya memiliki manajer proyek tunggal, tetapi mungkin ada banyak manajer proyek seperti dalam sebuah organisasi.
Sebuah LRC menyajikan gambaran dari formal, tanggung jawab wewenang dan akuntabilitasHal ini memungkinkan setiap orang dalam suatu organisasi, termasuk pendatang baru, untuk melihat "gambaran besar" dan menyediakan standar yang kemajuan dapat dipantau.
Manfaat Responsibility charts :
• Membantu tim kerja alam di charting peran dan tanggung jawab
• Membantu tim kerja alami dengan perkembangan pelaksanaan tool kits tool kit
• Mengklarifikasi individu / departemen peran dan tanggung jawab
• Mengidentifikasi akuntabilitas
• Menghilangkan kesalahpahaman, mendorong kerjasama tim
• Mengurangi duplikasi usaha
• Menetapkan "berkonsultasi" dan "menginformasikan" sehingga lebih baik komunikasi
Pedoman Responsibility charts :
1. Ingat filosofi budaya baru ketika mendefinisikan peran dan tanggung jawab
o Hilangkan "checker memeriksa dam"
o Mendorong kerja sama tim
o 100% akurasi tidak selalu diperlukan
2. Tempat akuntabilitas (A) dan tanggung jawab (R) pada tingkat yang paling dekat dengan tindakan atau pengetahuan
3. Hanya ada satu pertanggungjawaban per kegiatan
4. Otoritas harus menemani akuntabilitas
5. Meminimalkan jumlah konsultan (C) dan menginformasikan (I)
6. Semua peran dan tanggung jawab harus didokumentasikan dan dikomunikasikan
Tujuan Responsibility charts :
• Mengidentifikasi individu dan tim peran dan hubungan timbal balik
• Understand and clarify roles and expectations Memahami dan menjelaskan peran dan harapan
• Improve accountability, delegation, communication and teamwork Meningkatkan akuntabilitas, delegasi, komunikasi dan kerjasama
Tiga elemen kunci dari Responsibility charts
- Keputusan atau tugas
- Stakeholder
- Tingkat partisipasi masing-masing stakeholder dalam setiap keputusan tugas
Empat tingkat partisipasi yang membantu untuk mengidentifikasi peran dan hubungan timbal balik :
A = Menyetujui (Signoff atau veto keputusan sebelum diimplementasikan, bertanggung jawab atas kualitas keputusan)
R = Responsible (Ambil inisiatif, mengembangkan alternatif, menyediakan analisis, membuat rekomendasi awal, akuntabel jika tidak ada yang terjadi)
C = Dikonsultasikan (dikonsultasikan sebelum keputusan namun tidak memiliki hak veto)
I = Informasi (diberitahu keputusan sebelum pengumuman publik, perlu mengetahui hasilnya untuk tugas yang berhubungan / keputusan)
DK = Tidak tahu!
Blank = hubungan Tidak untuk keputusan atau tugas
Responsibility charts selesai dalam proses enam langkah:
1. Pengantar rapat dilakukan untuk menginformasikan kunci dari tujuan dan persyaratan proses
2. Keputusan dan daftar fungsi dikembangkan, dianalisa dan disusun menjadi daftar fungsi.
3. Tanggung Jawab workshop dilakukan untuk menyepakati definisi fungsi dan untuk menetapkan kode-kode yang menggambarkan jenis partisipasi peran masing-masing akan memiliki terhadap fungsi masing-masing. Hasilnya adalah grafik tanggung jawab.
4. Grafik tanggung jawab adalah didokumentasikan dan direproduksi untuk mendistribusikan ke semua . peserta dan organisasi.
5. Komunikasi dan penguatan definisi peran baru dicapai melalui pertemuan dengan semua individu dan departemen terlibat.
6. Tindak lanjut dilakukan untuk memastikan bahwa hubungan didefinisikan dalam proses ini adalah yang dipatuhi dan mendorong peserta untuk hidup peran.
Kegiatan Atau Keputusan Panduan Daftar :
• jelas atau generik kegiatan Hindari, misalnya, "menghadiri pertemuan"
• Setiap kegiatan atau keputusan harus dimulai dengan kata kerja tindakan yang baik.
• Ketika kata kerja tindakan menyiratkan penilaian atau suatu keputusan (misalnya, mengevaluasi, memantau, memeriksa review), menambahkan frasa untuk menunjukkan primer hasil.
• Kegiatan atau keputusan harus singkat, ringkas dan berlaku untuk peran atau perlu, bukan untuk orang tertentu
Peran Distinction
Ada perbedaan antara peran dan mengidentifikasi orang-orang secara individu: peran adalah deskriptor dari terkait set tugas; dapat dilakukan oleh banyak orang, dan satu orang dapat melakukan banyak peranSebagai contoh, sebuah organisasi mungkin memiliki 10 orang yang bisa melakukan peran manajer proyek, meskipun proyek tradisional masing-masing hanya memiliki satu manajer proyek pada satu waktu, dan orang yang mampu melakukan peran manajer proyek juga mungkin dapat melakukan peran analis bisnis dan tester.
Format Responsibility charts
Matriks biasanya dibuat dengan sumbu vertikal (kolom kiri) tugas (misalnya, dari kerja rincian struktur WBS) atau kiriman (misalnya, dari struktur rincian produk PBS), dan sumbu horizontal (baris atas) peran (misalnya, dari bagan organisasi ) - seperti digambarkan dalam gambar dari suatu tugas tanggung jawab contoh (atau Raci) matriks.
Pendekatan ini memungkinkan manajemen untuk secara aktif berpartisipasi dalam proses sistematis penjelasan kegiatan, keputusan yang telah harus diselesaikan, dan untuk memperjelas tanggung jawab masing-masing bermain sehubungan dengan kegiatan-kegiatan dan keputusan.
Sebuah LRC dapat berguna tidak hanya untuk mengelola proyek-proyek individu, tetapi juga untuk menganalisa beban kerja dalam suatu organisasi. Selama reorganisasi, dapat membantu untuk memastikan bahwa tugas-tugas dasar tidak diabaikan. Bagan tanggung jawab linear membuat perbedaan yang jelas antara peran, atau pekerjaan judul, dan individu yang melakukan peran tersebut. Setiap proyek biasanya memiliki manajer proyek tunggal, tetapi mungkin ada banyak manajer proyek seperti dalam sebuah organisasi.
Sebuah LRC menyajikan gambaran dari formal, tanggung jawab wewenang dan akuntabilitasHal ini memungkinkan setiap orang dalam suatu organisasi, termasuk pendatang baru, untuk melihat "gambaran besar" dan menyediakan standar yang kemajuan dapat dipantau.
Manfaat Responsibility charts :
• Membantu tim kerja alam di charting peran dan tanggung jawab
• Membantu tim kerja alami dengan perkembangan pelaksanaan tool kits tool kit
• Mengklarifikasi individu / departemen peran dan tanggung jawab
• Mengidentifikasi akuntabilitas
• Menghilangkan kesalahpahaman, mendorong kerjasama tim
• Mengurangi duplikasi usaha
• Menetapkan "berkonsultasi" dan "menginformasikan" sehingga lebih baik komunikasi
Pedoman Responsibility charts :
1. Ingat filosofi budaya baru ketika mendefinisikan peran dan tanggung jawab
o Hilangkan "checker memeriksa dam"
o Mendorong kerja sama tim
o 100% akurasi tidak selalu diperlukan
2. Tempat akuntabilitas (A) dan tanggung jawab (R) pada tingkat yang paling dekat dengan tindakan atau pengetahuan
3. Hanya ada satu pertanggungjawaban per kegiatan
4. Otoritas harus menemani akuntabilitas
5. Meminimalkan jumlah konsultan (C) dan menginformasikan (I)
6. Semua peran dan tanggung jawab harus didokumentasikan dan dikomunikasikan
Tujuan Responsibility charts :
• Mengidentifikasi individu dan tim peran dan hubungan timbal balik
• Understand and clarify roles and expectations Memahami dan menjelaskan peran dan harapan
• Improve accountability, delegation, communication and teamwork Meningkatkan akuntabilitas, delegasi, komunikasi dan kerjasama
Tiga elemen kunci dari Responsibility charts
- Keputusan atau tugas
- Stakeholder
- Tingkat partisipasi masing-masing stakeholder dalam setiap keputusan tugas
Empat tingkat partisipasi yang membantu untuk mengidentifikasi peran dan hubungan timbal balik :
A = Menyetujui (Signoff atau veto keputusan sebelum diimplementasikan, bertanggung jawab atas kualitas keputusan)
R = Responsible (Ambil inisiatif, mengembangkan alternatif, menyediakan analisis, membuat rekomendasi awal, akuntabel jika tidak ada yang terjadi)
C = Dikonsultasikan (dikonsultasikan sebelum keputusan namun tidak memiliki hak veto)
I = Informasi (diberitahu keputusan sebelum pengumuman publik, perlu mengetahui hasilnya untuk tugas yang berhubungan / keputusan)
DK = Tidak tahu!
Blank = hubungan Tidak untuk keputusan atau tugas
Responsibility charts selesai dalam proses enam langkah:
1. Pengantar rapat dilakukan untuk menginformasikan kunci dari tujuan dan persyaratan proses
2. Keputusan dan daftar fungsi dikembangkan, dianalisa dan disusun menjadi daftar fungsi.
3. Tanggung Jawab workshop dilakukan untuk menyepakati definisi fungsi dan untuk menetapkan kode-kode yang menggambarkan jenis partisipasi peran masing-masing akan memiliki terhadap fungsi masing-masing. Hasilnya adalah grafik tanggung jawab.
4. Grafik tanggung jawab adalah didokumentasikan dan direproduksi untuk mendistribusikan ke semua . peserta dan organisasi.
5. Komunikasi dan penguatan definisi peran baru dicapai melalui pertemuan dengan semua individu dan departemen terlibat.
6. Tindak lanjut dilakukan untuk memastikan bahwa hubungan didefinisikan dalam proses ini adalah yang dipatuhi dan mendorong peserta untuk hidup peran.
Kegiatan Atau Keputusan Panduan Daftar :
• jelas atau generik kegiatan Hindari, misalnya, "menghadiri pertemuan"
• Setiap kegiatan atau keputusan harus dimulai dengan kata kerja tindakan yang baik.
• Ketika kata kerja tindakan menyiratkan penilaian atau suatu keputusan (misalnya, mengevaluasi, memantau, memeriksa review), menambahkan frasa untuk menunjukkan primer hasil.
• Kegiatan atau keputusan harus singkat, ringkas dan berlaku untuk peran atau perlu, bukan untuk orang tertentu
Peran Distinction
Ada perbedaan antara peran dan mengidentifikasi orang-orang secara individu: peran adalah deskriptor dari terkait set tugas; dapat dilakukan oleh banyak orang, dan satu orang dapat melakukan banyak peranSebagai contoh, sebuah organisasi mungkin memiliki 10 orang yang bisa melakukan peran manajer proyek, meskipun proyek tradisional masing-masing hanya memiliki satu manajer proyek pada satu waktu, dan orang yang mampu melakukan peran manajer proyek juga mungkin dapat melakukan peran analis bisnis dan tester.
Format Responsibility charts
Matriks biasanya dibuat dengan sumbu vertikal (kolom kiri) tugas (misalnya, dari kerja rincian struktur WBS) atau kiriman (misalnya, dari struktur rincian produk PBS), dan sumbu horizontal (baris atas) peran (misalnya, dari bagan organisasi ) - seperti digambarkan dalam gambar dari suatu tugas tanggung jawab contoh (atau Raci) matriks.
STRUCTURAL EQUATION MODELING
#Pengertian Structural Equation Modeling#
Structural Equation Modeling (SEM) merupakan suatu teknik statistik yang dipakai untuk menguji serangkaian hubungan antara beberapa variabel yang terbentuk dari variabel faktor atau variabel terobservasi. Structural Equation Modeling (SEM) dikembangkan guna menutupi keterbatasan yang dimiliki oleh model-model analisis sebelumnya seperti regression analysis (analisis regresi), path analysis (analisis jalur), dan confirmatory factor analysis (analisis faktor konfirmatori) yang telah digunakan secara luas dalam penelitian statistik.
Structural Equation Modeling (SEM) dianggap sebagai gabungan dari analisis regresi dan analisis faktor. SEM dapat dipergunakan untuk menyelesaikan model persamaan dengan variabel terikat lebih dari satu dan juga pengaruh timbal balik (recursive). SEM berbasis pada analisis covarians sehingga memberikan matriks covarians yang lebih akurat dari pada analisis regresi linear. Program-program statistik yang dapat dipergunakan untuk menyelesaikan SEM misalnya Analysis Moment of Structure (AMOS) atau LISREL.
SEM mencakup pengukuran struktur matriks covariance atau disebut juga sebagai "analisis struktur covariance". Sekali model parameter-parameternya sudah diestimasi, maka model yang dihasilkan – matrik covariance kemudian dapat dibandingkan dengan matrik kovarian yang berasal dari data empiris. Jika kedua matrices konsisten satu dengan lainnya, maka model persamaan struktural tersebut dapat dianggap sebagai eksplanasi yang dapat diterima untuk hubungan-hubungan antara pengukuran-pengukuran tersebut.
Definisi lain menyebutkan bahwa Structural Equation Modeling adalah suatu teknik modeling statistik yang bersifat sangat cross-sectional, linear dan umum. SEM digunakan untuk membangun dan menguji model statistik yang biasanya dalam bentuk model-model sebab akibat. SEM sebenarnya merupakan teknik hibrida yang meliputi aspek-aspek penegasan (confirmatory) dari analisis faktor, analisis jalur dan regresi yang dapat dianggap sebagai kasus khusus dalam SEM.
Sedikit berbeda dengan definisi-definisi sebelumnya mengatakan structural equation modeling (SEM) berkembang dan mempunyai fungsi mirip dengan regresi berganda, sekalipun demikian nampaknya SEM menjadi suatu teknik analisis yang lebih kuat karena mempertimbangkan pemodelan interaksi, nonlinearitas, variabel – variabel bebas yang berkorelasi (correlated independents), kesalahan pengukuran, gangguan kesalahan-kesalahan yang berkorelasi (correlated error terms), beberapa variabel bebas laten (multiple latent independents) dimana masing-masing diukur dengan menggunakan banyak indikator, dan satu atau dua variabel tergantung laten yang juga masing-masing diukur dengan beberapa indikator. Dengan demikian menurut definisi ini SEM dapat digunakan alternatif lain yang lebih kuat dibandingkan dengan menggunakan regresi berganda., analisis jalur, analisis faktor, analisis time series, dan analisis kovarian
Dari definisi di atas dapat disimpulkan bahwa SEM mempunyai karakteristik yang bersifat sebagai teknik analisis untuk lebih menegaskan dari pada untuk menerangkan. Seorang peneliti lebih cenderung menggunakan SEM untuk menentukan apakah suatu model tertentu valid atau tidak dari pada menggunakannya untuk menemukan suatu model tertentu cocok atau tidak, meski analisis SEM sering pula mencakup elemen-elemen yang digunakan untuk menerangkan.
#Peranan Teori dalam Structural Equation Modeling#
Pada umumnya orang menggunakan SEM lebih berfokus pada konstruk-konstruk laten—yang dimaksud ialah variabel-variabel psikologis abstrak, seperti "kecerdasan" atau "sikap terhadap merek (brand)"—dibandingkan dengan variabel-variabel manifest (indikator) yang digunakan untuk mengukur konstruk-konstruk tersebut. Pengukuran dianggap sulit dan rentan dengan kesalahan. Dengan adanya kesalahan pengukuran modeling yang dapat terjadi secara eksplisit, para pengguna SEM berusaha menurunkan estimasi-estimasi yang tidak bias untuk hubungan antara konstruk laten. Pada akhirnya, SEM memungkinkan pengukuran jamak dihubungkan dengan konstruk laten tunggal.
SEM mencakup pengukuran struktur matriks covariance atau disebut juga sebagai "analisis struktur covariance". Sekali model parameter-parameternya sudah diestimasi, maka model yang dihasilkan – matrik covariance kemudian dapat dibandingkan dengan matrik kovarian yang berasal dari data empiris. Jika kedua matrices konsisten satu dengan lainnya, maka model persamaan struktural tersebut dapat dianggap sebagai eksplanasi yang dapat diterima untuk hubungan-hubungan antara pengukuran-pengukuran tersebut.
Salah satu keunggulan SEM ialah kemampuan untuk membuat model konstruk-konstruk sebagai variabel laten atau variabel – variabel yang tidak diukur secara langsung, tetapi diestimasi dalam model dari variabel-variabel yang diukur yang diasumsikan mempunyai hubungan dengan variabel tersebut– variabel latent. Dengan demikian hal ini memungkinkan pembuat model secara eksplisit dapat mengetahui ketidak-reliabilitas suatu pengukuran dalam model yang mana teori mengijinkan relasi – relasi struktural antara variabel-variabel laten yang secara tepat dibuat suatu model.
Karakteristik dasar penggunaan SEM harus melibatkan dua jenis variable, yaitu variable observasi dan laten. Variabel observasi mempunyai data seperti data angka atau skala penilaian yang diambil dari kuesioner. Disamping data tersebut di depan, Variabel observasi dalam SEM mencakup pula data kontinus. Sedang variable laten adalah variabel yang secara tidak langsung teramati namun peneliti ingin mengetahuinya. Untuk melakukan observasi variable laten peneliti harus membuat model-model yang mengekspresikan variable-variabel laten sebagai variabel observasi. Dalam SEM semua variable laten merupakan variable kontinus dan secara teori mempunyai jumlah nilai yang tidak terbatas. Contoh-contoh variable laten dalam ilmu ekonomi konsentrasi bidang pemasaran, misalnya sikap terhadap merek, kepuasan pelanggan, nilai yang diterima (perceived value), keinginan melakukan pembelian ulang, dan kualitas yang dilihat (perceived quality)
Secara umum ada dua variable yang penting dalam riset, yaitu variabel-variabel yang tergantung pada variable lain yang disebut sebagai variable “tergantung” dan variable-variabel yang tidak tergantung terhadap varaibel lain yang kemudiandisebut sebagai variable “bebas”. Dalam konteks SEM variable-variabel tergantung disebut juga sebagai variabel “endogenous” dan “exogenous,” untuk variable-variabel bebas. Dalam contoh hubungan linier yang diekspresikan dalam persamaan di bawah ini Persamaan tersebut bermakna bahwa nilai yang dilihat untuk kasus “i” merupakan jumlah kualitas “i” dikalikan dengan koefesien “a,” harga untuk “i” dikalikan dengan koefesien “b,”ditambah “error.” Eerror term ini mewakili bahwa sebagian nilai yang dilihat untuk kasus “i” yang tidak tertangkap oleh dependensi s linier terhadap kualitas dan harga. Jika dikombinasikan dengan beberapa asumsi, maka persamaan tersebut menggambarkan suatu model nilai yang mungkin tergantung pada kualitas dan harga.
Nilai i = a x kualitas i + b x harga i + error i
Pada saat kita melakukan pencocokkan suatu model sebagaimana model dalam persamaan di atas, maka sebenarnya kita sedang membuat estimasi untuk koefesien-koefesien “a” dan “b” yang meminimumkan fungsi kesalahan tertentu di observasi-observasi yang sedang dilakukan, dengan keberadaan error yang diasumsikan. Dalam model yang dibuat di atas mengasumsikan bahwa semua kasus dalam sekumpulan data tersebut mempunyai nilai-nilai sama untuk “a” dan “b.” Nilai-nilai tersebut cocok dalam populasi. Persamaan di atas nampak seperti persamaan regresi tanpa intercept di sebelah kanan. Koefesien-koefesien “a” dan “b” mewakili koefesein-koefesein regresi. “nilai,” “kualitas” dan “harga” merupakan variable-variabel observasi. “Error” merupakan perbedaan antara nila-nilai yang observasi dan yang diprediksi.untuk masing-masing kasus. Persamaan tersebut dapat juga dilihat sebagai gambaran suatu model faktor dimana variable observasi disebut “load” nilai pada dua faktor, yaitu “kualitas” dan “harga”; sedang error dapat disebut sebagai “keunikan”. Dalam persepktif ini, maka kualitas dan harga merupakan variable-variabel laten.
Istilah-Istilah Dasar Dalam SEM
1. Kovarian: merupakan pengukuran kekuatan korelasi antara dua atau lebih perangkat variat random
2. Matriks Kovarian: merupakan matriks kovarian-kovarian antara elemen-elemen suatu vector
3. Varian suatu variable random, distribusi probabilitas atau sample merupakan satu pengukuran dispersi statistik.
4. Variabel Observasi (Observed Variable): merupakan variable yang dapat diamati secara langsung dalam penelitian
5. Variabel Laten (Latent Variable) merupakan variable yang tidak secara langsung diamati, tetapi disimpulkan dengan menggunakan model matematik dari variable-variabel lain yang sedang diobservasi dan yang diukur secara langsung. Variabel laten dikenal sebagai variable tersembunyi, variable / konstruk hipotetikal.
6. Variabel Exogenous: Dalam konteks diagram jalur tidak dikenal adanya istilah variabel bebas dan tergantung. Sebagai gantinya ialah disebut sebagai variabel exogenous. Variabel ini diberi tanda khusus, yaitu anak panah satu arah yang berasal dari variabel tersebut menuju ke variabel lainnya, tetapi tidak ada anak panah yang menuju kearahnya.
7. Variabel Endogenous: Variabel endogenous merupakan variabel yang mempunyai setidak-tidaknya satu anak panah dengan satu arah menuju ke variabel tersebut.
8. Linieritas (Linearity). SEM mempunyai asumsi adanya hubungan linear antara variabel-variabel indikator dan variabel-variabel laten, serta antara variabel-variabel laten sendiri. Sekalipun demikian, sebagaimana halnya dengan regresi, peneliti dimungkinkan untuk menambah transformasi eksponensial, logaritma, atau non-linear lainnya dari suatu variabel asli ke dalam model yang dimaksud
9. Rekursivitas (Recursivity): Suatu model disebut rekursif jika semua anak panah menuju satu arah, tidak ada arah yang berlawanan / membalik (feedback looping), dan faktor gangguan (disturbance terms) atau kesalahan sisaan (residual error) untuk variabel-variabel endogenous yang tidak dikorelasikan. Dengan kata lain, model-model recursive merupakan model-model dimana semua anak panah mempunyai satu arah tanpa putaran umpan balik dan peneliti dapat membuat asumsi kovarian – kovarian gangguan kesalahan semua 0, yang berarti bahwa semua variabel yang tidak diukur yang merupakan determinan dari variabel-variabel endogenous tidak dikorelasikan satu dengan lainnya sehingga tidak membentuk putaran umpan balik (feedback loops). Model – model dengan gangguan kesalahan yang berkorelasi dapat diperlakukan sebagai model recursive hanya jika tidak ada pengaruh-pengaruh langsung diantara variabel-variabel endogenous. Model yang mempunyai dua arah disebut model non-recursif
#Pengembangan Model Strategi#
Aplikasi utama structural equation modeling meliputi:
1. Model sebab akibat (causal modeling,) atau disebut juga analisis jalur (path analysis), yang menyusun hipotesa hubungan-hubungan sebab akibat (causal relationships) diantara variabel - variabel dan menguji model-model sebab akibat (causal models) dengan menggunakan sistem persamaan linier. Model-model sebab akibat dapat mencakup variabel-variabel manifest (indikator), variabel-variabel laten atau keduanya;
2. Analisis faktor penegasan (confirmatory factor analysis), suatu teknik kelanjutan dari analisis faktor dimana dilakukan pengujian hipotesis – hipotesis struktur factor loadings dan interkorelasinya;
3. Analisis faktor urutan kedua (second order factor analysis), suatu variasi dari teknik analisis faktor dimana matriks korelasi dari faktor-faktor tertentu ( common factors) dilakukan analisis pada faktornya sendiri untuk membuat faktor-faktor urutan kedua;
4. Model-model regresi (regression models), suatu teknik lanjutan dari analisis regresi linear dimana bobot regresi dibatasi agar menjadi sama satu dengan lainnya, atau dilakukan spesifikasi pada nilai-nilai numeriknya;
5. Model-model struktur covariance (covariance structure models), yang mana model tersebut menghipotesakan bahwa matrix covariance mempunyai bentuk tertentu. Sebagai contoh, kita dapat menguji hipotesis yang menyusun semua variabel yang mempunyai varian yang sama dengan menggunakan prosedur yang sama;
6. Model struktur korelasi (correlation structure models), yang mana model tersebut menghipotesakan bahwa matrix korelasi mempunyai bentuk tertentu. Contoh klasik adalah hipotesis yang menyebutkan bahwa matrix korelasi mempunyai struktur circumplex.
Kenggulan-keunggulan SEM lainnya dibandingkan dengan regresi berganda diantaranya ialah :
1. Memungkinkan adanya asumsi-asumsi yang lebih fleksibel;
2. Penggunaan analisis faktor penegasan (confirmatory factor analysis) untuk mengurangi kesalahan pengukuran dengan memiliki banyak indikator dalam satu variabel laten;
3. Daya tarik interface pemodelan grafis untuk memudahkan pengguna membaca keluaran hasil analisis;
4. Kemungkinan adanya pengujian model secara keseluruhan dari pada koefesien-koefesien secara sendiri-sendiri;
5. Kemampuan untuk menguji model – model dengan menggunakan beberapa variabel tergantung;
6. Kemampuan untuk membuat model terhadap variabel-variabel perantara;
7. Kemampuan untuk membuat model gangguan kesalahan (error term);
8. Kemampuan untuk menguji koefesien-koefesien diluar antara beberapa kelompok subyek;
9. Kemampuan untuk mengatasi data yang sulit, seperti data time series dengan kesalahan otokorelasi, data yang tidak normal, dan data yang tidak lengkap.
#Tahap-Tahap dalam Structural Equation Modeling#
Terdapat 5 tahap dalam Structural Equation Modeling:
1. Spesifikasi Model (Model Spesification)
Spesifkasi Model merupakan latihan secara formal menyatakan suatu model. Tahap ini merupaka langkah dimana parameter- parameter ditentukan untuk bersifat tetap (fixed) atau bebas (free). Parameter- parameter tetap (fixed parameters) tidak diestimasi dari data dan biasanya tetap pada besaran 0 yang mempunyai arti tidak ada hubungan antar variabel yang diobservasi. Jalur-jalur parameter- parameter tetap diberi label secara numerik; terkecuali diberi nilai 0 dengan sendirinya tidak ada jalur yang akan dibuat dalam diagram SEM. Parameter- parameter bebas (free parameters) diestimasikan dari data yang diobservasi dan dipercaya oleh peneliti bukan 0. Tanda asteris dalam diagram SEM menandai jalur-jalur parameter- parameter bebas. Penentuan parameter- parameter mana merupakan parameter- parameter yang tetap dan yang bebas dalam SEM sangat penting karena hal itu akan menentukan parameter- parameter mana yang akan digunakan untuk membandingkan diagram yang dihipotesiskan dengan varian populasi yang diambil (the sample population variance) serta matriks koovarian dalam pengujian model pada tahap berikutnya. Pemilihan parameter- parameter mana yang dianggap bebas dan tetap dalam suatu model sepenuhnya terserah peneliti. Pemilihan ini mewakili hipotesis a priori peneliti mengenai jalur-jalur mana (pathways) dalam suatu sistem menjadi penting dalam memunculkan struktur relasional sistem yang diobservasi, misalnya varian sampel yang diobservasi dan matriks kovarian.
2. Identifikasi Model (Model Identification)
Identifikasi Model menyangkut apakah nilai unik untuk masing-masing dan setiap parameter bebas dapat diperoleh dari data yang diobservasi. Semua itu tergantung pada pilihan model serta spesifikasi parameter- parameter tetap dan dibatasi serta parameter- parameter bebas. Suatu parameter dibatasi ketika parameter tersebut dibuat sama dengan parameter lain. Model - model harus di identifikasi secara menyeluruh (overidentified) supaya dapat diestimasi serta untuk melakukan pengujian hipotesis menyangkut hubungan antar variabel. Kondisi yang diwajibkan untuk melakukan overidentification addalah bahwa poin-poin data (jumlah varian dan kovarian) kurang dari jumlah variabel yang diobservasi dalam model.
3. Estimasi (Estimation)
Dalam tahap ini, nilai parameter-parameter awal yang bebas dipilih untuk memunculkan matriks kovarian populasi yang diestimasi, (), dari model tersebut. Nilai awal dapat dipilih oleh peneliti dari informasi sebelumnya dengan menggunakan program-program komputer yang digunakan untuk membangun model dalam SEM, atau dari analisis regresi jamak. Tujuan estimasi ialah untuk menghasilkan () yang berkonvergensi pada matriks kovarian populasi yang diobservasi, S, dengan matriks residu (perbedaan () dan S) dapat diperkecil. Berbagai metode dapat digunakan untuk menghasilkan (). Pilihan metode dituntun dengan karakteristik-karakteristik data termasuk ukuran sampel dan distribusi. Sebagian besar proses digunakan secara iteratif. Bentuk umum dari fungsi minimasi ialah:
Q = (s - ())’W(s - ())
dimana: s = vektor berisi varian dan kovarian variabel-variabel yang
diobservasi
() = vektor berisi varian dan kovarian yang berkorespondensi
sebagaimana diprediksi dengan model tersebut
W = matriks pembobotan
Matriks pembobotan (weight matrix), W, dalam fungsi di atas, berkorespondensi dengan metode estimasi yang dipilih. W dipilih untuk memperkecil Q, dan Q(N-1) memberikan fungsi kecocokan, dalam sebagian besar kasus statistik distribusi X2 (distributed statistic). Performansi X2 dipengaruhi oleh ukuran sampel , distribusi kesalahan, distribusi faktor, dan asumsi bahwa faktor - faktor dan kesalahan-kesalahan bersifat independen. Beberapa metode estimasi yang biasanya digunakan ialah:
• Generalized Least Squares (GLS)
FGLS = ½ tr[([S - ()]W-1)2]
dimana,
tr = trace operator, mengambil sejumlah element pada diagonal pokok suatu matriks
W-1 = optimal weight matrix, harus dipilih oleh peneliti, bentuk pilihan umum ialah S-1
• Maximum Likelihood (ML)
FML = log|| - log|S| + tr(S-1) - p
dalam hal ini, W = -1 dan p = jumlah variabel yang diukur
• Asymptotically Distribution Free (ADF) Estimator
FADF = [S - ()]’W-1[S - ()]
W, dalam fungsi ini, berisi elemen -elemen yang mepertimbangkan kurtosis.
Apapun fungsi yang dipilih, hasil proses estimasi yang diinginkan ialah untuk mendapatkan fungsi kecocokan yang mendekati 0. Nilai fungsi kecocokan sebesar 0 mempunyai arti bahwa matriks kovarian model yang diestimasi dan matriks kovarian sampel asli setara.
4. Modifikasi Model (Model Modification)
Jika matriks kovarian/varian yang di estimasi oleh model tidak dapat mereproduksi matriks kovarian/varian sampel secara memadai, maka hipotesis-hipotesis dapat disesuaikan dan model dapat diuji ulang. Untuk menyesuaikan model, jalur-jalur baru ditambahkan dan yang lama dihilangkan. Dengan kata lain, parameter-parameter diubah dari tetap ke bebas atau sebaliknya.
Prosedur-prosedur umum yang digunakan untuk modifikasi model adalah Lagrange Multiplier Index (LM) dan Wald test. Kedua pengujian ini melaporkan perubahan dalam nilai X2 manakala jalur-jalur disesuaikan. LM akan mempertanyakan apakah penambahan parameter-parameter bebas meningkatkan kecocokan model. Pengujian ini menggunakan logika sama dengan metode forward stepwise dalam regresi. Sedang pengujian Wald mempertanyakan apakah penghapusan parameter-parameter bebas akan meningkatkan kecocokan model. Pengujian Wald mengikuti logika backward stepwise dalam regresi.
5. Interpretasi (Interpretation)
Pada saat model telah menghasilkan kecocokan yang dapat diterima, estimasi-estimasi individual bagi parameter-parameter bebas dapat dinilai. Parameter-parameter bebas dibandingkan dengan nilai nol, dengan menggunakan statistik distribusi z-. Statistik z diperoleh dengan membagi estimasi parameter dengan menggunakan standard error estimasi tersebut. Ratio pengujian ini harus diatas +/-1.96 agar hubungan bersifat signifikan. Setelah hubungan-hubungan individual dalam model dinilai, maka estimasi parameter dibakukan untuk presentasi model akhir. Ketika estimasi-estimasi parameter dibakukan, maka estimasi tersebut dapat diinterpretasi sebagai referensi untuk parameter-parameter lainnya dalam model serta kekuatan relatif jalur dalam model tersebut dapat dibandingkan.
Structural Equation Modeling (SEM) merupakan suatu teknik statistik yang dipakai untuk menguji serangkaian hubungan antara beberapa variabel yang terbentuk dari variabel faktor atau variabel terobservasi. Structural Equation Modeling (SEM) dikembangkan guna menutupi keterbatasan yang dimiliki oleh model-model analisis sebelumnya seperti regression analysis (analisis regresi), path analysis (analisis jalur), dan confirmatory factor analysis (analisis faktor konfirmatori) yang telah digunakan secara luas dalam penelitian statistik.
Structural Equation Modeling (SEM) dianggap sebagai gabungan dari analisis regresi dan analisis faktor. SEM dapat dipergunakan untuk menyelesaikan model persamaan dengan variabel terikat lebih dari satu dan juga pengaruh timbal balik (recursive). SEM berbasis pada analisis covarians sehingga memberikan matriks covarians yang lebih akurat dari pada analisis regresi linear. Program-program statistik yang dapat dipergunakan untuk menyelesaikan SEM misalnya Analysis Moment of Structure (AMOS) atau LISREL.
SEM mencakup pengukuran struktur matriks covariance atau disebut juga sebagai "analisis struktur covariance". Sekali model parameter-parameternya sudah diestimasi, maka model yang dihasilkan – matrik covariance kemudian dapat dibandingkan dengan matrik kovarian yang berasal dari data empiris. Jika kedua matrices konsisten satu dengan lainnya, maka model persamaan struktural tersebut dapat dianggap sebagai eksplanasi yang dapat diterima untuk hubungan-hubungan antara pengukuran-pengukuran tersebut.
Definisi lain menyebutkan bahwa Structural Equation Modeling adalah suatu teknik modeling statistik yang bersifat sangat cross-sectional, linear dan umum. SEM digunakan untuk membangun dan menguji model statistik yang biasanya dalam bentuk model-model sebab akibat. SEM sebenarnya merupakan teknik hibrida yang meliputi aspek-aspek penegasan (confirmatory) dari analisis faktor, analisis jalur dan regresi yang dapat dianggap sebagai kasus khusus dalam SEM.
Sedikit berbeda dengan definisi-definisi sebelumnya mengatakan structural equation modeling (SEM) berkembang dan mempunyai fungsi mirip dengan regresi berganda, sekalipun demikian nampaknya SEM menjadi suatu teknik analisis yang lebih kuat karena mempertimbangkan pemodelan interaksi, nonlinearitas, variabel – variabel bebas yang berkorelasi (correlated independents), kesalahan pengukuran, gangguan kesalahan-kesalahan yang berkorelasi (correlated error terms), beberapa variabel bebas laten (multiple latent independents) dimana masing-masing diukur dengan menggunakan banyak indikator, dan satu atau dua variabel tergantung laten yang juga masing-masing diukur dengan beberapa indikator. Dengan demikian menurut definisi ini SEM dapat digunakan alternatif lain yang lebih kuat dibandingkan dengan menggunakan regresi berganda., analisis jalur, analisis faktor, analisis time series, dan analisis kovarian
Dari definisi di atas dapat disimpulkan bahwa SEM mempunyai karakteristik yang bersifat sebagai teknik analisis untuk lebih menegaskan dari pada untuk menerangkan. Seorang peneliti lebih cenderung menggunakan SEM untuk menentukan apakah suatu model tertentu valid atau tidak dari pada menggunakannya untuk menemukan suatu model tertentu cocok atau tidak, meski analisis SEM sering pula mencakup elemen-elemen yang digunakan untuk menerangkan.
#Peranan Teori dalam Structural Equation Modeling#
Pada umumnya orang menggunakan SEM lebih berfokus pada konstruk-konstruk laten—yang dimaksud ialah variabel-variabel psikologis abstrak, seperti "kecerdasan" atau "sikap terhadap merek (brand)"—dibandingkan dengan variabel-variabel manifest (indikator) yang digunakan untuk mengukur konstruk-konstruk tersebut. Pengukuran dianggap sulit dan rentan dengan kesalahan. Dengan adanya kesalahan pengukuran modeling yang dapat terjadi secara eksplisit, para pengguna SEM berusaha menurunkan estimasi-estimasi yang tidak bias untuk hubungan antara konstruk laten. Pada akhirnya, SEM memungkinkan pengukuran jamak dihubungkan dengan konstruk laten tunggal.
SEM mencakup pengukuran struktur matriks covariance atau disebut juga sebagai "analisis struktur covariance". Sekali model parameter-parameternya sudah diestimasi, maka model yang dihasilkan – matrik covariance kemudian dapat dibandingkan dengan matrik kovarian yang berasal dari data empiris. Jika kedua matrices konsisten satu dengan lainnya, maka model persamaan struktural tersebut dapat dianggap sebagai eksplanasi yang dapat diterima untuk hubungan-hubungan antara pengukuran-pengukuran tersebut.
Salah satu keunggulan SEM ialah kemampuan untuk membuat model konstruk-konstruk sebagai variabel laten atau variabel – variabel yang tidak diukur secara langsung, tetapi diestimasi dalam model dari variabel-variabel yang diukur yang diasumsikan mempunyai hubungan dengan variabel tersebut– variabel latent. Dengan demikian hal ini memungkinkan pembuat model secara eksplisit dapat mengetahui ketidak-reliabilitas suatu pengukuran dalam model yang mana teori mengijinkan relasi – relasi struktural antara variabel-variabel laten yang secara tepat dibuat suatu model.
Karakteristik dasar penggunaan SEM harus melibatkan dua jenis variable, yaitu variable observasi dan laten. Variabel observasi mempunyai data seperti data angka atau skala penilaian yang diambil dari kuesioner. Disamping data tersebut di depan, Variabel observasi dalam SEM mencakup pula data kontinus. Sedang variable laten adalah variabel yang secara tidak langsung teramati namun peneliti ingin mengetahuinya. Untuk melakukan observasi variable laten peneliti harus membuat model-model yang mengekspresikan variable-variabel laten sebagai variabel observasi. Dalam SEM semua variable laten merupakan variable kontinus dan secara teori mempunyai jumlah nilai yang tidak terbatas. Contoh-contoh variable laten dalam ilmu ekonomi konsentrasi bidang pemasaran, misalnya sikap terhadap merek, kepuasan pelanggan, nilai yang diterima (perceived value), keinginan melakukan pembelian ulang, dan kualitas yang dilihat (perceived quality)
Secara umum ada dua variable yang penting dalam riset, yaitu variabel-variabel yang tergantung pada variable lain yang disebut sebagai variable “tergantung” dan variable-variabel yang tidak tergantung terhadap varaibel lain yang kemudiandisebut sebagai variable “bebas”. Dalam konteks SEM variable-variabel tergantung disebut juga sebagai variabel “endogenous” dan “exogenous,” untuk variable-variabel bebas. Dalam contoh hubungan linier yang diekspresikan dalam persamaan di bawah ini Persamaan tersebut bermakna bahwa nilai yang dilihat untuk kasus “i” merupakan jumlah kualitas “i” dikalikan dengan koefesien “a,” harga untuk “i” dikalikan dengan koefesien “b,”ditambah “error.” Eerror term ini mewakili bahwa sebagian nilai yang dilihat untuk kasus “i” yang tidak tertangkap oleh dependensi s linier terhadap kualitas dan harga. Jika dikombinasikan dengan beberapa asumsi, maka persamaan tersebut menggambarkan suatu model nilai yang mungkin tergantung pada kualitas dan harga.
Nilai i = a x kualitas i + b x harga i + error i
Pada saat kita melakukan pencocokkan suatu model sebagaimana model dalam persamaan di atas, maka sebenarnya kita sedang membuat estimasi untuk koefesien-koefesien “a” dan “b” yang meminimumkan fungsi kesalahan tertentu di observasi-observasi yang sedang dilakukan, dengan keberadaan error yang diasumsikan. Dalam model yang dibuat di atas mengasumsikan bahwa semua kasus dalam sekumpulan data tersebut mempunyai nilai-nilai sama untuk “a” dan “b.” Nilai-nilai tersebut cocok dalam populasi. Persamaan di atas nampak seperti persamaan regresi tanpa intercept di sebelah kanan. Koefesien-koefesien “a” dan “b” mewakili koefesein-koefesein regresi. “nilai,” “kualitas” dan “harga” merupakan variable-variabel observasi. “Error” merupakan perbedaan antara nila-nilai yang observasi dan yang diprediksi.untuk masing-masing kasus. Persamaan tersebut dapat juga dilihat sebagai gambaran suatu model faktor dimana variable observasi disebut “load” nilai pada dua faktor, yaitu “kualitas” dan “harga”; sedang error dapat disebut sebagai “keunikan”. Dalam persepktif ini, maka kualitas dan harga merupakan variable-variabel laten.
Istilah-Istilah Dasar Dalam SEM
1. Kovarian: merupakan pengukuran kekuatan korelasi antara dua atau lebih perangkat variat random
2. Matriks Kovarian: merupakan matriks kovarian-kovarian antara elemen-elemen suatu vector
3. Varian suatu variable random, distribusi probabilitas atau sample merupakan satu pengukuran dispersi statistik.
4. Variabel Observasi (Observed Variable): merupakan variable yang dapat diamati secara langsung dalam penelitian
5. Variabel Laten (Latent Variable) merupakan variable yang tidak secara langsung diamati, tetapi disimpulkan dengan menggunakan model matematik dari variable-variabel lain yang sedang diobservasi dan yang diukur secara langsung. Variabel laten dikenal sebagai variable tersembunyi, variable / konstruk hipotetikal.
6. Variabel Exogenous: Dalam konteks diagram jalur tidak dikenal adanya istilah variabel bebas dan tergantung. Sebagai gantinya ialah disebut sebagai variabel exogenous. Variabel ini diberi tanda khusus, yaitu anak panah satu arah yang berasal dari variabel tersebut menuju ke variabel lainnya, tetapi tidak ada anak panah yang menuju kearahnya.
7. Variabel Endogenous: Variabel endogenous merupakan variabel yang mempunyai setidak-tidaknya satu anak panah dengan satu arah menuju ke variabel tersebut.
8. Linieritas (Linearity). SEM mempunyai asumsi adanya hubungan linear antara variabel-variabel indikator dan variabel-variabel laten, serta antara variabel-variabel laten sendiri. Sekalipun demikian, sebagaimana halnya dengan regresi, peneliti dimungkinkan untuk menambah transformasi eksponensial, logaritma, atau non-linear lainnya dari suatu variabel asli ke dalam model yang dimaksud
9. Rekursivitas (Recursivity): Suatu model disebut rekursif jika semua anak panah menuju satu arah, tidak ada arah yang berlawanan / membalik (feedback looping), dan faktor gangguan (disturbance terms) atau kesalahan sisaan (residual error) untuk variabel-variabel endogenous yang tidak dikorelasikan. Dengan kata lain, model-model recursive merupakan model-model dimana semua anak panah mempunyai satu arah tanpa putaran umpan balik dan peneliti dapat membuat asumsi kovarian – kovarian gangguan kesalahan semua 0, yang berarti bahwa semua variabel yang tidak diukur yang merupakan determinan dari variabel-variabel endogenous tidak dikorelasikan satu dengan lainnya sehingga tidak membentuk putaran umpan balik (feedback loops). Model – model dengan gangguan kesalahan yang berkorelasi dapat diperlakukan sebagai model recursive hanya jika tidak ada pengaruh-pengaruh langsung diantara variabel-variabel endogenous. Model yang mempunyai dua arah disebut model non-recursif
#Pengembangan Model Strategi#
Aplikasi utama structural equation modeling meliputi:
1. Model sebab akibat (causal modeling,) atau disebut juga analisis jalur (path analysis), yang menyusun hipotesa hubungan-hubungan sebab akibat (causal relationships) diantara variabel - variabel dan menguji model-model sebab akibat (causal models) dengan menggunakan sistem persamaan linier. Model-model sebab akibat dapat mencakup variabel-variabel manifest (indikator), variabel-variabel laten atau keduanya;
2. Analisis faktor penegasan (confirmatory factor analysis), suatu teknik kelanjutan dari analisis faktor dimana dilakukan pengujian hipotesis – hipotesis struktur factor loadings dan interkorelasinya;
3. Analisis faktor urutan kedua (second order factor analysis), suatu variasi dari teknik analisis faktor dimana matriks korelasi dari faktor-faktor tertentu ( common factors) dilakukan analisis pada faktornya sendiri untuk membuat faktor-faktor urutan kedua;
4. Model-model regresi (regression models), suatu teknik lanjutan dari analisis regresi linear dimana bobot regresi dibatasi agar menjadi sama satu dengan lainnya, atau dilakukan spesifikasi pada nilai-nilai numeriknya;
5. Model-model struktur covariance (covariance structure models), yang mana model tersebut menghipotesakan bahwa matrix covariance mempunyai bentuk tertentu. Sebagai contoh, kita dapat menguji hipotesis yang menyusun semua variabel yang mempunyai varian yang sama dengan menggunakan prosedur yang sama;
6. Model struktur korelasi (correlation structure models), yang mana model tersebut menghipotesakan bahwa matrix korelasi mempunyai bentuk tertentu. Contoh klasik adalah hipotesis yang menyebutkan bahwa matrix korelasi mempunyai struktur circumplex.
Kenggulan-keunggulan SEM lainnya dibandingkan dengan regresi berganda diantaranya ialah :
1. Memungkinkan adanya asumsi-asumsi yang lebih fleksibel;
2. Penggunaan analisis faktor penegasan (confirmatory factor analysis) untuk mengurangi kesalahan pengukuran dengan memiliki banyak indikator dalam satu variabel laten;
3. Daya tarik interface pemodelan grafis untuk memudahkan pengguna membaca keluaran hasil analisis;
4. Kemungkinan adanya pengujian model secara keseluruhan dari pada koefesien-koefesien secara sendiri-sendiri;
5. Kemampuan untuk menguji model – model dengan menggunakan beberapa variabel tergantung;
6. Kemampuan untuk membuat model terhadap variabel-variabel perantara;
7. Kemampuan untuk membuat model gangguan kesalahan (error term);
8. Kemampuan untuk menguji koefesien-koefesien diluar antara beberapa kelompok subyek;
9. Kemampuan untuk mengatasi data yang sulit, seperti data time series dengan kesalahan otokorelasi, data yang tidak normal, dan data yang tidak lengkap.
#Tahap-Tahap dalam Structural Equation Modeling#
Terdapat 5 tahap dalam Structural Equation Modeling:
1. Spesifikasi Model (Model Spesification)
Spesifkasi Model merupakan latihan secara formal menyatakan suatu model. Tahap ini merupaka langkah dimana parameter- parameter ditentukan untuk bersifat tetap (fixed) atau bebas (free). Parameter- parameter tetap (fixed parameters) tidak diestimasi dari data dan biasanya tetap pada besaran 0 yang mempunyai arti tidak ada hubungan antar variabel yang diobservasi. Jalur-jalur parameter- parameter tetap diberi label secara numerik; terkecuali diberi nilai 0 dengan sendirinya tidak ada jalur yang akan dibuat dalam diagram SEM. Parameter- parameter bebas (free parameters) diestimasikan dari data yang diobservasi dan dipercaya oleh peneliti bukan 0. Tanda asteris dalam diagram SEM menandai jalur-jalur parameter- parameter bebas. Penentuan parameter- parameter mana merupakan parameter- parameter yang tetap dan yang bebas dalam SEM sangat penting karena hal itu akan menentukan parameter- parameter mana yang akan digunakan untuk membandingkan diagram yang dihipotesiskan dengan varian populasi yang diambil (the sample population variance) serta matriks koovarian dalam pengujian model pada tahap berikutnya. Pemilihan parameter- parameter mana yang dianggap bebas dan tetap dalam suatu model sepenuhnya terserah peneliti. Pemilihan ini mewakili hipotesis a priori peneliti mengenai jalur-jalur mana (pathways) dalam suatu sistem menjadi penting dalam memunculkan struktur relasional sistem yang diobservasi, misalnya varian sampel yang diobservasi dan matriks kovarian.
2. Identifikasi Model (Model Identification)
Identifikasi Model menyangkut apakah nilai unik untuk masing-masing dan setiap parameter bebas dapat diperoleh dari data yang diobservasi. Semua itu tergantung pada pilihan model serta spesifikasi parameter- parameter tetap dan dibatasi serta parameter- parameter bebas. Suatu parameter dibatasi ketika parameter tersebut dibuat sama dengan parameter lain. Model - model harus di identifikasi secara menyeluruh (overidentified) supaya dapat diestimasi serta untuk melakukan pengujian hipotesis menyangkut hubungan antar variabel. Kondisi yang diwajibkan untuk melakukan overidentification addalah bahwa poin-poin data (jumlah varian dan kovarian) kurang dari jumlah variabel yang diobservasi dalam model.
3. Estimasi (Estimation)
Dalam tahap ini, nilai parameter-parameter awal yang bebas dipilih untuk memunculkan matriks kovarian populasi yang diestimasi, (), dari model tersebut. Nilai awal dapat dipilih oleh peneliti dari informasi sebelumnya dengan menggunakan program-program komputer yang digunakan untuk membangun model dalam SEM, atau dari analisis regresi jamak. Tujuan estimasi ialah untuk menghasilkan () yang berkonvergensi pada matriks kovarian populasi yang diobservasi, S, dengan matriks residu (perbedaan () dan S) dapat diperkecil. Berbagai metode dapat digunakan untuk menghasilkan (). Pilihan metode dituntun dengan karakteristik-karakteristik data termasuk ukuran sampel dan distribusi. Sebagian besar proses digunakan secara iteratif. Bentuk umum dari fungsi minimasi ialah:
Q = (s - ())’W(s - ())
dimana: s = vektor berisi varian dan kovarian variabel-variabel yang
diobservasi
() = vektor berisi varian dan kovarian yang berkorespondensi
sebagaimana diprediksi dengan model tersebut
W = matriks pembobotan
Matriks pembobotan (weight matrix), W, dalam fungsi di atas, berkorespondensi dengan metode estimasi yang dipilih. W dipilih untuk memperkecil Q, dan Q(N-1) memberikan fungsi kecocokan, dalam sebagian besar kasus statistik distribusi X2 (distributed statistic). Performansi X2 dipengaruhi oleh ukuran sampel , distribusi kesalahan, distribusi faktor, dan asumsi bahwa faktor - faktor dan kesalahan-kesalahan bersifat independen. Beberapa metode estimasi yang biasanya digunakan ialah:
• Generalized Least Squares (GLS)
FGLS = ½ tr[([S - ()]W-1)2]
dimana,
tr = trace operator, mengambil sejumlah element pada diagonal pokok suatu matriks
W-1 = optimal weight matrix, harus dipilih oleh peneliti, bentuk pilihan umum ialah S-1
• Maximum Likelihood (ML)
FML = log|| - log|S| + tr(S-1) - p
dalam hal ini, W = -1 dan p = jumlah variabel yang diukur
• Asymptotically Distribution Free (ADF) Estimator
FADF = [S - ()]’W-1[S - ()]
W, dalam fungsi ini, berisi elemen -elemen yang mepertimbangkan kurtosis.
Apapun fungsi yang dipilih, hasil proses estimasi yang diinginkan ialah untuk mendapatkan fungsi kecocokan yang mendekati 0. Nilai fungsi kecocokan sebesar 0 mempunyai arti bahwa matriks kovarian model yang diestimasi dan matriks kovarian sampel asli setara.
4. Modifikasi Model (Model Modification)
Jika matriks kovarian/varian yang di estimasi oleh model tidak dapat mereproduksi matriks kovarian/varian sampel secara memadai, maka hipotesis-hipotesis dapat disesuaikan dan model dapat diuji ulang. Untuk menyesuaikan model, jalur-jalur baru ditambahkan dan yang lama dihilangkan. Dengan kata lain, parameter-parameter diubah dari tetap ke bebas atau sebaliknya.
Prosedur-prosedur umum yang digunakan untuk modifikasi model adalah Lagrange Multiplier Index (LM) dan Wald test. Kedua pengujian ini melaporkan perubahan dalam nilai X2 manakala jalur-jalur disesuaikan. LM akan mempertanyakan apakah penambahan parameter-parameter bebas meningkatkan kecocokan model. Pengujian ini menggunakan logika sama dengan metode forward stepwise dalam regresi. Sedang pengujian Wald mempertanyakan apakah penghapusan parameter-parameter bebas akan meningkatkan kecocokan model. Pengujian Wald mengikuti logika backward stepwise dalam regresi.
5. Interpretasi (Interpretation)
Pada saat model telah menghasilkan kecocokan yang dapat diterima, estimasi-estimasi individual bagi parameter-parameter bebas dapat dinilai. Parameter-parameter bebas dibandingkan dengan nilai nol, dengan menggunakan statistik distribusi z-. Statistik z diperoleh dengan membagi estimasi parameter dengan menggunakan standard error estimasi tersebut. Ratio pengujian ini harus diatas +/-1.96 agar hubungan bersifat signifikan. Setelah hubungan-hubungan individual dalam model dinilai, maka estimasi parameter dibakukan untuk presentasi model akhir. Ketika estimasi-estimasi parameter dibakukan, maka estimasi tersebut dapat diinterpretasi sebagai referensi untuk parameter-parameter lainnya dalam model serta kekuatan relatif jalur dalam model tersebut dapat dibandingkan.
Minggu, 27 November 2011
MANAJEMEN KUALITAS
A.
Hubungan
Kualitas dan Profit
Perbaikan
yang dilakukan secara terus menerus akan membuat profit perusahaan meningkat.
Jika perusahaan membuat perbaikan kualitas maka respon dari konsumen akan
produk yang dihasilkan akan semakin meningkat, dan tercipta loyalitas konsumen
yang mau menerima peningkatan harga yang dilakukan oleh perusahaan. Karena pada
akhirnya akan tercipta persepsi bahwa konsumen tidak akan rugi membeli produk
tersebut walaupun harganya tinggi karena kualitas yang didapat sepadan bahkan
mungkin lebih baik dari harga yang dibayar oleh konsumen.
A.
Sejarah Perkembangan
Kualitas Berdasarkan Periode
Dari sejarah perkembangan
kualitas maka dapat dilihat bahwa TQM muncul setelah perusahaan mulai menyadari
pentingnya kualitas sebagai salah satu strategi untuk memenangkan persaingan
pasar.
B. Total Quality Management(TQM)
Total quality management (TQM)
yaitu mengelola organisasi secara keseluruhan agar melampaui semua dimensi
penting yang dihasilkan untuk memenuhi kebutuhan konsumen.
Dua tujuan dasar operasional :
1.
Desain
produk atau jasa dibuat dengan hati-hati
2.
Menjamin
sistem organisasi dapat melaksanakan desain secara konsisten
Kebutuhan dasar pelaksanaan program
perbaikan dan pengendalian kualitas adalah penentuan spesifikasi kualitas dan
penentuan besarnya biaya untuk pencapaian spesifikasi tersebut.
1.
Spesifikasi
kualitas :
Ø Design kuality : nilai yang tidak
dapat dipisahkan dari produk di pasar.
Meliputi dimensi :
-
Performance
-
Service
ability
-
Features
-
Aesthetics
-
Reability/durability
-
Perceived
quality
Ø Comfortable quality : tingkat
kesesuaian antara produk dan jasa yang dibuat dengan spesifikasi yang dihasilkan.
Ø Kualitas pada sumbernya : orang yang
melakukan produksi bertanggung jawab untuk memastikan bahwa keluaran (produk)
yang dibuat sesuai dengan spesifikasi yang diterapkan.
2.
Biaya
kualitas
Ø Asumsi yang mendasari anasisis biaya
kualitas :
o
Kegagalan
yang terjadi
o
Pencegahan
akan menghasilkan biaya yang lebih murah
o
Pencapaian
(performance) kualitas itu bisa diukur
Ø Klasifikasi biaya kualitas :
· Biaya penilaian (appraisal cost) :
biaya inspeksi, biaya test dan biaya-biaya lain yang memastikan produk maupun
proses dapat diterima atau sesuai dengan
spesifikasi yang ditentukan
· Biaya pencegahan (preventive cost) : jumlah
semua biaya untuk mencegah adanya cacat produk
· Biaya kegagalan internal (internal
failure cost) : biaya untuk cacat yang terjadi dalam sistem atau ketika proses
produksi
· Biaya kegagalan eksternal (eksternal
faiure cost) : biaya untuk cacat setelah melewati sistem atau setelah di tangan
konsumen
C. Six Sigma Quality
Six sigma quality adalah penerapan
metode dari alat-alat penyelesaian statistik untuk mengidentifikasi dan
mengukur pemborosan juga menunjukkan langkah-langkah perbaikan.
Six sigma membantu manajer perusahaan
antara lain untuk :
§ Menemukan karakteristik mana yang
penting untuk kansumen
§ Mengidentifikasi faktor-faktor yang
paling mempengaruhi karakteristik itu
§ Mengurangi variasi pada faktor-faktor
kunci
DPMO ( defects per milion
opportunities) digunakan untuk menjelaskan kinerja proses menggunakan common
metric.
DPMO = Jumlah cacat
 X
1.000.000
[ Jumlah
kemungkinan terjadi kesalahan per unit ]X
jumlah unit
1.
Metodologi
Six Sigma
Prinsip
dasar Six Sigma adalah mengurangi variasi dalam kualitas output yang
dihasilkan. Siklus DMAIC merupakan versi yang lebih detail dari pada PDCA
(plan, do, check, act) dan didasari perbaikan terus menerus yang jiga sering
disebut Kaizen.
Fokus metodologi DMAIC adalah
berusaha mengerti dan mencapai apa yang diinginkan oleh konsumen. Model ini
dikembangkan oleh General Electric. Lewat model DMAIC diurutkan tahap-tahap
mendasar untuk mencapai hasil yang diinginkan.
Lima tahap/fase six sigma
(DMAIC) :
ü Define : prioritas konsumen
ü Measure : proses dan kinerja
ü Analyze : penyebab kecacatan
ü Improve : hilangkan penyebab
kecacatan
ü Control : mengontrol pencapaian
proses
2.
Alat-alat
dalam Six Sigma dan perbaikan yang berkelanjutan
a.
Diagram
proses (flowchart) digunakan dalam proses define, merupakan diagram alir yang
berisi tahapan-tahapan proses yang dilalui suatu produk.
Jenis flowchart diantaranya adalah :
-
Berbentuk
tabel
-
Berbentuk
tahapan proses mengikuti tahapan SIPOC (supplier, input, process, output,
customers)
-
Berbentuk
tahapan proses
b.
Alat-alat
yang digunakan untuk proses Measure :
-
Checklist
merupakan bentuk dasar standardisasi pengumpulan data yang berisi daftar
kerusakan yang terjadi dan jumlah tiap-tiap kerusakan yang dihitung berdasarkan
observasi.
-
Diagram
pareto merupakan metode untuk mencari sumber kesalahan, masalah-masalah atau
kerusakan produk yang memudahkan perusahaan memfokuskan diri pada usaha-usaha
pemecahannya.
-
Histogram
merupakan grafik yang menunjukkan frekuensi distribusi dari variabel yang
diobservasi.
-
Run
chart merupakan diagram yang menunjukkan data dalam periode waktu tertentu dan
membantu perusahaan memahami pentingnya masalah pada tahap tertentu.
c.
Alat-alat
yang digunakan untuk Fase Analisis :
-
Diagram
sebab akibat merupakan alat untuk menunjukkan hubungan antara hasil dan
kemungkinan penyebabnya.
-
Scatter
diagram merupakan diagram yang menunjukkan hubungan antara dua variabel, dan
berguna untuk mendeteksi hubungan linier antara dua variabel.
d.
Fase
Improve berisi diagram proses yang sudah mengalami perbaikan (opportunity flow
diagram) yang disusun untuk membedakan tahapan yang memiliki value added dan
tahapan yang tidak memiliki value added.
-
Tahapan
yang memiliki value added: merupakan
tahapan yang penting ketika semua dikerjakan dengan benar dan turun ka sisi
kiri.
-
Tahapan
yang tidak memiliki value added : merupakan tahapan yang tidak diperlukan
ketika semua dikerjakan dengan benar dan pergerakan ke arah kanan.
e.
Diagram
pengendalian (control chart) digunakan untuk fase control, berisi grafik yang
menunjukkan batas atas dan batas bawah dari suatu proses yang ingin
dikendalikan dalam kurun waktu tertentu.
D. Pengukuran Kualitas Layanan
Pendekatan yang digunakan adalah mengukur
gap/kesenjangan antara apa yang diharapkan oleh konsumen dengan apa yang
dirasakan/diterima oleh konsumen. Biasanya gap digunakan sebagai indikator
perbaikan yang akan dilakukan.
10 atribut atau penentu umum dari
kualitas jasa :
1.
Reability
: meliputi konsistensi dari kinerja dan dapat dipecahkan. Hal i ni berarti
perusahaan melakukan operasional jasa dengan benar.
2.
Responsiveness
: berkaitan dengan kemauan atau kesiapan karyawan untuk memberikan pelayanan.
3.
Kecakapan
yang berarti penguasaan/keahlian yang dibutuhkan untuk memberikan pelayanan.
4.
Akses
: kedekatan dan kemudahan untuk dihubungi.
5.
Kesopan-santunan
: meliputi kesopanan, rasa hormat, perhatian dan keramah tamahan dari karyawan.
6.
Komunikasi
: menjaga kemudahan dalam memberikan informasi pada konsumen dengan menggunakan
bahasa yang mudah dimengerti.
7.
Kredibilitas
: didalamnya termasuk kepercayaan dan kejujuran.
8.
Keamanan
: konsumen menginginkan pelayanan yang bebas dari bahaya, risiko, dan keraguan.
9.
Mengerti
: perusahaan selalu berusaha mencari dan mengerti kebutuhan konsumen.
10. Tangibles : bukti fisik dari jasa
yang mendukung pelayanan jasa seperti dekorasi ruangan, seragam karyawan.
|
|||||||||||||||
Langganan:
Postingan (Atom)