Advertisemen
Data collection atau pengumpulan data adalah proses mengumpulkan dan memastikan informasi pada variable of interest (subjek yang akan dilakukan uji coba), dengan cara yang sistematis yang memungkinkan seseorang dapat menjawab pertanyaan dari uji coba yang dilakukan, uji hipotesis, dan mengevaluasi hasil.Proses Mengumpulkan Data di Lini Produksi
Sama pentingnya dengan mengumpulkan data dalam proses membuat keputusan bisnis, proses mengumpulkan data untuk melakukan perbaikan di lini produksi juga menjadi prioritas, terutama bagi perusahaan manufaktur, yang kegiatan utamanya memproduksi barang.
Bedanya, merencanakan pengumpulan data di industri manufaktur berfokus pada perbaikan (improvement) di lini produksi. Di mana, kegiatan produksi ini menjadi ujung tombak dalam menciptakan barang yang berkualitas dan memiliki nilai tambah bagi pelanggan.
Dalam kegiatan perbaikan ini, data menjadi unsur penting untuk membantu memahami situasi, menganalisa persoalan, mengendalikan proses, mengambil keputusan, dan membuat rencana. Memahami bagaimana menyusun rencana pengumpulan data (Data Collection Plan)menjadi salah satu kunci sukses keberhasilan proyek perbaikan yang dijalankan.
Sebelum menyusun rencana pengumpulan data, memahami jenis data akan mempermudah kita untuk menentukan alat statistik apa yang kita pakai untuk mengolahnya. Data terdiri dari dua tipe, yaitu:
Data Continuous – variabel yang terukur pada suatu produk atau proses, yang dapat dibagi sampai tidak terhingga. Contoh: waktu, ukuran, berat, temperatur, dan kecepatan.
Data Discrete atau Attribute – suatu hitungan, bagian, atau presentase dari sebuah karakteristik atau kategori. Data proses jasa seringkali bersifat discrete.
Dengan mengetahui dua tipe data, kita bisa mengetahui proses pengumpulan data sebagai berikut:
1. Stratifikasi data; yaitu mengategorikan data berdasarkan karakteristik (faktor) yang sama. Tujuannya adalah dengan cara apa kita akan melihat data yang memunculkan indikasi dalam investigasi awal. Jika faktor stratifikasi tidak dibuat di awal, maka ada kemungkinan kita harus mengulang prosesnya lagi nanti. Di sisi lain, mencari terlalu banyak faktor juga akan membuat data lebih sulit untuk dikumpulkan dan biaya menjadi lebih besar.
2. Mengembangkan definisi operasional; penjelasan yang lengkap dan tepat yang menceritakan tentang makna atau arti dari karakter yang akan kita ukur, termasuk bagaimana kita mengukurnya. Definisi operasional penting untuk menghilangkan variasi pengukuran yang terjadi karena ketidakpahaman pengumpul data tentang bagaimana data dikumpulkan.
3. Identifikasi sumber data; pertimbangkan apakah kita akan menggunakan data yang sudah ada atau mencari data baru. Ambil keuntungan dari arsip data atau pengukuran yang telah dilakukan untuk mempelajari outpur, proses dan input. Namun, perlu diingat bahwa apakah data yang ada sesuai dengan definisi operasional? Dikumpulkan dengan kesesuaian sistem pengukuran? Jika tidak, maka diperlukan pencatatan data baru.
4. Mengumpulkan data; checksheet atau lembar pengumpul data merupakan alat bantu untuk memudahkan pengumpulan data secara sistematis. Ada berbagai jenis checksheet tergantung penggunaannya (frekuensi, lokasi, konfirmasi, dan lainnya), yang perlu diperhatikan adalah desain checksheet harus robust, mudah dipahami pengambil data, dan menghasilkan data yang konsisten meskipun diambil oleh orang yang berbeda.
5. Tentukan pengambil data; orang yang mengambil data harus memahami proses, mengerti definisi operasional, mengerti bagaimana data ditabulasi, dan yang terpenting adalah tidak bias (konflik kepentingan terhadap data yang diambil), atau motif keuntungan. Kolektor wajib dilatih bagaimana data ditabulasi dan mengerti betul tentang definisi operasional sebelum diperbolehkan untuk praktek.
6. Waktu Pengumpulan; waktu pengumpulan sampel ditentukan oleh tujuan pengambilan sampel sendiri. Perhatikan apakah siklus waktu mempengaruhi hasil pengukuran.
7. Menentukan ukuran sampel; metode sampling apa yang sesuai random atau sistematik? Tentukan juga tipe samplingnya apakah populasi atau proses? Memahami tipe data di awal ini, akan membantu kita menentukan berapa banyak jumlah sampling yang dibutuhkan. Karena data diskrit dan continuous sangatlah berbeda perhitungan sampelnya.
Advertisemen
