MACD (Moving Average Convergence-Divergence) Cara Menggunakan MACD di Trading Forex Di: MACD Terakhir Diperbaharui: 14 Desember 2012 MACD adalah salah satu indikator yang paling andal. Meskipun kami tidak percaya dengan menggunakan indikator apapun dalam perdagangan kami sendiri dan kami selalu menggunakan charting candlesticks dan Bollinger Bands untuk menemukan setup perdagangan, kami yakin MACD adalah indikator kuat khususnya bagi trader pemula yang terbiasa masuk dan keluar. Dari pasar terlalu dini MACD adalah indikator lagging dan keterlambatannya membuat Anda bersabar, tidak terburu-buru masuk pasar atau keluar terlalu awal. Baru-baru ini kami menerbitkan artikel lain tentang MACD untuk menunjukkan kepada pengikut kami bagaimana mereka dapat menggunakan pengaturan MACD yang lebih lambat untuk memiliki entri yang lebih baik, dan memegang posisi lebih lama untuk memaksimalkan keuntungan: Bagaimana Menggunakan Pengaturan Indikator MACD yang Lebih Lambat Ada begitu banyak trader profesional ( Baik stock maupun trader forex) yang mengandalkan indikator ini. Tentu saja, kita seharusnya tidak membesar-besarkan tentang indikator ini. Ini bukan alat ajaib untuk menunjukkan sinyal buysell. Namun, dibandingkan indikator lainnya, bagus sekali. Ini bisa digunakan bersamaan dengan RSI untuk mengkonfirmasi pembuatan perdagangan. Itu adalah satu juta dolar pertanyaan. Sebelum kami memberi tahu Anda mengapa MACD bekerja, kami lebih memilih untuk menjelaskan tentang salah satu alasan terpenting trader forex8217 (dan juga jenis kepercayaan trader8217) lainnya. Mungkin Anda pernah mendengar ini dari kami, tapi harus diingatkan juga di artikel ini. Kurangnya kesabaran adalah salah satu alasan terpenting trader forex8217 gagal. Kebanyakan pedagang tidak cukup sabar menunggu setup perdagangan yang kuat. Setelah beberapa menit, jam atau hari mereka menunggu setup perdagangan (tergantung pada kerangka waktu atau sistem yang mereka gunakan), dan mereka tidak dapat menemukannya, mereka kehilangan kesabaran dan memaksa diri untuk mengambil posisi sementara tidak ada yang tajam dan jelas. Setup perdagangan Jadi mereka kalah. Di sisi lain, ketika mereka berhasil mengambil posisi bagus, mereka keluar terlalu dini dengan sedikit keuntungan, karena mereka takut kehilangan keuntungan yang telah mereka hasilkan. Mereka tidak memiliki cukup kesabaran untuk memegang posisi sampai mencapai target. Jadi mereka membuat keuntungan mereka terbatas, karena kurang sabar. MACD adalah solusi untuk masalah ini, karena tertunda dan penundaan ini memaksa Anda untuk menunggu lebih banyak, keduanya saat menunggu setup perdagangan, dan saat Anda memegang posisi. Itulah mengapa MACD direkomendasikan oleh trader forex dan stock. (Catatan: Heikin Ashi adalah salah satu alat lain yang membantu Anda menunggu lebih lama sebelum pengaturan perdagangan dan saat Anda berada di pasar. Anda dapat membaca tentang Heikin Ashi di sini.) Terkadang indikator Anda yang lain dan bahkan bagan harga menunjukkan Anda Setup trader, tapi MACD memberitahu Anda untuk menunggu, dan ini membuat Anda tidak akan melawan tren dan kehilangan uang. Ada juga banyak kasus yang ingin Anda ikuti trennya, namun MACD mengatakan bahwa sudah terlambat dan trennya sudah habis dan bisa berbalik sewaktu-waktu. Pada artikel ini, kami akan melakukan yang terbaik untuk mencakup semua kasus ini dan membantu Anda menggunakan MACD dalam perdagangan Anda dengan cara terbaik. Apa Definisi MACD MACD adalah singkatan dari Moving Average Convergence Divergence. MACD adalah indikator yang digunakan dalam analisis teknis. Indikator ini dikembangkan oleh Gerald Appel yang merupakan trader dan market technical analyst. MACD adalah selisih 12 dan 26 eksponensial moving average. MACD mengurangi 26 periode dari 12 periode dan hasilnya akan ditampilkan dalam satu garis yang merupakan jalur utama MACD. Indikator MACD khas, memiliki satu garis tambahan, yang merupakan moving average eksponensial dari jalur utama. Rata-rata bergerak ini diatur ke 9 secara default dan disebut garis sinyal. Di MetaTrader. Default MACD doesn8217t memiliki garis MACD utama. Sebagai gantinya, ia memiliki bar (histogram). Pada platform lain, Anda bisa melihat garis utama MACD dan histogram MACD. Histogram MACD adalah selisih dari garis utama MACD dan 9 moving average eksponensial: MACD Histogram: Line Line MACD Line 8211 Sinyal Seperti yang Anda lihat, MACD tidak lain adalah kombinasi dari dua moving averages. Meskipun demikian, ini adalah indikator yang sangat kuat dan andal karena menghilangkan kebisingan pasar. Jika Anda seorang pedagang, mungkin formula MACD tidak berguna bagi Anda. Anda akan membutuhkannya, jika Anda seorang programmer dan ingin menggunakan MACD dalam merancang dan mengembangkan EA (expert advisor) atau robot. Namun, rumusnya membantu Anda memahami indikator dengan lebih baik. Kami sudah membicarakan perhitungan indikator ini: Jalur Utama: 12 EMA 8211 26 Sinyal EMA: 9 EMA Jalur Utama Histogram: Jalur Utama 8211 Jalur Sinyal Download MACD Berwarna: MACD yang dilengkapi dengan MetaTrader secara default, hanya memiliki satu warna dengan Histogram Jika Anda ingin memiliki MACD berwarna yang sama dengan yang ada pada grafik kami (di bawah tangkapan layar), silahkan download dan instal ke platform Anda sebelum kami mulai menjelaskan tentang MACD dan cara kami menggunakannya dalam analisis teknis dan perdagangan forex. Indikator ini bekerja di MetaTrader. Anda perlu menyalin dan menempelkannya ke folder expertindicators dan kemudian memulai ulang platform Anda dan menerapkan indikator pada bagan harga. Klik Disini untuk mendownload MACD berwarna. Untuk menginstal MACD Berwarna pada platform MT4 Anda, Anda harus menyalin indikator ke folder Indikator. Klik pada menu File di kiri atas platform MT4 Anda. Klik pada Open Data Folder. Buka folder MQL4. Buka folder Indikator. Salin dan tempel indikator ke folder Indikator. Mulai ulang platform MT4. Buka bagan harga. Tekan CtrlN untuk membuka navigator. Buka menu tarik-turun Indikator. Drag LuckScout-MACD. ex4 dan jatuhkan di chart. Bagaimana Tampilan MACD Seperti Pada Bagan Harga Bagan di bawah ini menunjukkan bagaimana MACD berwarna terlihat. Ini juga memiliki Moving Average 9 namun kita selalu menetapkannya menjadi nol, karena kita tidak menggunakannya. Ini tidak membantu. Pada indikator yang Anda unduh di atas, ini disetel ke nol secara default, namun Anda dapat mengubahnya kembali menjadi 9 jika Anda suka. Batang MACD (histogram) yang Anda lihat di bawah, mencerminkan perbedaan jalur utama dan sinyal. Pada grafik harga, Anda melihat garis utama dan sinyal. Yang merah adalah jalur utama dan garis hijau adalah garis sinyal. Seperti yang Anda lihat, dimanapun jarak kedua garis bergerak ini lebih besar, batang MACD akan menjadi lebih lama juga, dan di manapun kedua garis ini melintang, panjang bar MACD yang terkait adalah nol (ikuti panah hitam). Seperti yang Anda lihat, ketika ada pergerakan dan tekanan ke atas (pasar sedang bullish), histogram MACD naik dan mengubah warna menjadi biru dan bila ada tekanan dan pergerakan turun (pasar bearish), mereka turun dan berubah. Warna menjadi merah Batang MACD membentuk level tinggi dan rendah. Ketika kita memiliki tren naik, mereka membentuk titik terendah yang lebih tinggi dan ketika kita memiliki tren turun, mereka membentuk level terendah dan ketika bar masuk di bawah level nol, mereka membentuk titik terendah: Bagaimana MACD Menyelamatkan Anda dari Melawan Trend Seperti yang kita sebutkan, MACD tertunda dan saat Anda melihat sinyal pembalikan dengan kandil dan Bollinger Bands dan Anda ingin mengambil posisi melawan tren tersebut, MACD memberitahu Anda 8220No8221. Tentu saja, jika Anda tahu tentang Gelombang Elliott dan juga siklusnya, Anda tidak akan mengambil posisi melawan tren ini, bahkan jika Anda tidak memiliki MACD pada tabel Anda, tetapi karena mengetahui siklus dan Elliott Wave sangat sulit, Anda dapat menggunakan MACD tetap berada di jalur yang benar. Silakan lihat sinyal pembalikan di bawah ini. Sebuah candlestick terbentuk sepenuhnya dari Bollinger Bands dan kemudian ada tiga candlestick Bearish yang merupakan semua sinyal pembalikan. Tiga lilin sebelum ini, Anda sudah memiliki sinyal pembalikan lain, tapi seharusnya Anda mengabaikannya, karena segar dan hanya ada setelah candlestick Bullish besar. Tapi, sinyal jual kedua (zona kuning), menjamin bahwa Anda bisa pergi pendek. Katakanlah Anda tidak akan memiliki MACD pada tabel Anda, atau Anda memilikinya, tapi Anda tidak akan memperhatikannya. Anda bisa pergi pendek dan mengatur stop loss Anda di atas tertinggi tertinggi. Dan tebak apa stop loss Anda akan dipicu: Jadi melawan MACD itu berbahaya. Tentu saja, sinyal di atas yang dibentuk oleh candlesticks tidak cukup kuat. Itulah sebabnya harganya tidak berbalik dan terus naik. Sebagai pedagang pemula tidak dapat membedakan setup perdagangan candlestick kuat. Memiliki MACD bisa menjadi bantuan besar untuk tidak melawan tren berdasarkan pada setup perdagangan yang lemah. Melawan tren berdasarkan sinyal candlestick yang lemah bukanlah satu-satunya kesalahan yang bisa Anda buat. MACD juga mengindikasikan apakah pasar sudah overbought atau oversold. Bila sudah overbought, lebih berisiko untuk pergi lama dan saat oversold, lebih berisiko untuk short. Ketika pasar overbought, Bulls (pembeli) dapat mulai mengumpulkan keuntungan mereka (mereka menjual) kapan saja, dan harganya bisa turun, dan saat pasar oversold, Bears dapat mulai membeli kapan saja, dan harganya bisa naik. naik. Tentu saja, lilin juga memberi tahu Anda apakah pasar sudah overbought atau oversold, namun MACD juga sangat membantu. Mari kita lihat contohnya: Anda adalah trader tren. Anda memiliki uptrend di sini (di bawah). Anda melihat beberapa sinyal pembalikan, namun Anda menunggu sinyal lanjutan berlangsung lama. Bentuk candlestick Bullish yang kuat (yang terakhir ada di grafik di bawah) dan pada saat yang sama, batang MACD terakhir akan berubah warnanya dan menunjukkan tekanan ke atas. Inilah yang selama ini Anda tunggu-tunggu, tapi Anda tidak mempertimbangkan bahwa pasar telah lama naik (overbought) dan bisa membalikkan kapan saja. Tentu saja ini bisa berjalan lebih tinggi, tapi kita tidak pernah tahu: Posisi ini naik hanya untuk satu candlestick lagi dan kemudian turun dan memicu stop loss Anda: MACD Buy-Sell Signals MACD trading sangat umum di kalangan trader forex. Mereka hanya menunggu gerakan MACD segar untuk beberapa bar dan kemudian mereka masuk. MACD benar-benar bagus untuk trading trend. Hal ini juga baik untuk mengkonfirmasi sinyal pembalikan. Namun, MACD harus digunakan sebagai konfirmasi. Indikator utamanya adalah harganya. Jika Anda menggunakan MACD sebagai konfirmasi untuk support dan resistance breakout. Itu akan sangat membantu Mereka yang berdagang berdasarkan pelarian supportresistance harus memiliki MACD di grafik mereka, jika tidak, tingkat keberhasilan mereka tidak akan masuk akal. Lihatlah gambar di bawah ini. Ada garis tren dengan garis support yang valid dan terlihat. Anda sedang menunggu pelarian dukungan agar berlangsung singkat. MACD mulai turun beberapa candlesticks sebelum pelarian, tapi Anda tidak bisa melakukannya karena bisa bangkit begitu menyentuh garis support. Salah satu candlesticks ditutup di bawah garis support dan pada saat bersamaan Anda melihat MACD turun, NAMUN segar dan tidak oversold. Hal ini di atas tingkat nol juga. Jadi Anda buka di tempat terbuka kandil berikutnya, tetapkan stop loss Anda di atas harga candlestick yang tinggi dan target Anda akan menjadi level support berikutnya. Ini turun dan mencapai sasaran dengan sangat mudah. Sekarang lihat gambar di bawah yang sama dengan gambar di atas, tapi itu hanya menunjukkan pelarian dukungan lain yang terjadi beberapa saat setelah pelarian dukungan di atas. Jelas, ini adalah kesempatan baru untuk mengambil posisi pendek lagi, tapi lihat MACD dan bedanya dengan posisi sebelumnya. Di posisi sebelumnya, MACD sudah mulai turun saat berada di atas level nol. Artinya, Anda akan pergi sebentar sementara pasar sudah overbought yang merupakan keputusan bagus. Dalam posisi ini (di bawah), tidak hanya MACD yang tidak berada di atas level nol, namun sudah mulai naik dan membuat posisi terendah lebih tinggi. Jadi pasar jenuh jual dan sinyal jual Anda tidak segar. Ini adalah sinyal sell kedua dan tebak apa yang akan terjadi jika Anda pergi pendek dan Anda tidak mempertimbangkan MACD: Ya, posisi Anda memicu stop loss sebelum mencapai target. MACD Divergence adalah salah satu sinyal perdagangan terkuat dan terkuat yang dihasilkan MACD. MACD Divergence terbentuk saat harga naik dan membuat harga tertinggi dan pada saat bersamaan, MACD bar turun dan membuat harga tertinggi. Aturan tersebut mengatakan, harga akhirnya akan mengikuti arah MACD dan akan turun. Namun, masalahnya adalah Anda tidak pernah tahu kapan harga akan mengikuti arah MACD. Jadi, jika Anda terburu-buru dan mengambil posisi pendek saat melihat MACD Divergence, mungkin terus naik untuk beberapa candlesticks lagi. Anda harus pergi pendek ketika MACD Divergence diikuti oleh sinyal sell yang bagus oleh candlesticks andor an support breakout. MACD Divergence dapat dilihat pada akhir uptrend. Apa artinya itu berarti jika Anda adalah seorang trader tren, Anda seharusnya tidak pergi lama ketika Anda melihat bahwa MACD Divergence terbentuk. Itu bisa runtuh kapan saja. Konvergensi MACD juga merupakan sinyal yang terkenal, namun orang mempercayai MACD Divergence lebih karena ketika pasar ambruk dan turun, ia melaju lebih cepat dan lebih kuat. Ketakutan lebih kuat daripada keserakahan dan saat pasar turun, rasa takut adalah emosi yang dominan. Konvergensi MACD terbentuk saat harga turun dan membentuk level tertinggi atau terendah, namun pada saat yang sama, bar MACD naik dan membentuk level tertinggi atau posisi terendah yang lebih tinggi. Aturan mengatakan, harga akhirnya akan berubah arah dan akan mengikuti MACD yang berarti akan naik. Konvergensi MACD dapat dilihat pada akhir downtrend. Apa artinya itu berarti jika Anda adalah trader tren, Anda seharusnya tidak menjadi pendek saat melihat bahwa MACD Convergence terbentuk. Hal itu bisa melambung setiap saat. Bergabunglah dengan 20.000 Pengikut Loyal kami Sekarang Terima E-Book kami untuk Bebas 53 pemikiran tentang MACD ldquo (Moving Average Convergence-Divergence) Cara Menggunakan MACD di Forex Trading rdquo Hai banyak terima kasih telah berbagi pemikiran saya Saya telah berada di pasar selama lebih dari 12 tahun , Tapi tetap saja pendekatan terperinci Anda membantu banyak dalam menyesuaikan strategi saya dari pengalaman saya macd adalah salah satu indikator terbaik. Saya sampai pada sebuah gagasan untuk belajar macd setelah seorang trader yang saya kenal dari sebuah bank besar beberapa tahun yang lalu menghasilkan jutaan dolar setahun dengan menggunakan gelombang Elliott dengan macd. Namun saya percaya bahwa macd itu sendiri berguna untuk mempelajari teori EW selama lebih dari 3 tahun, saya sampai pada kesimpulan bahwa gelombang Elliott terlalu ambigu. Ada 2 pertanyaan: 1) Apa indikator terbaik lainnya yang digunakan dengan macd (preferensi pribadi Anda) 2) menjadi Seorang trader tren (saya kira Anda adalah) apa pendapat Anda tentang membangun posisi upadding yaitu seperti yang diajarkan oleh Bill Williams pada terobosan fraktal atau pada reboundsdips yang senang untuk tetap berhubungan lagi terima kasih atas sumber daya web Anda. Terima kasih Dr Chris konsep tersebut dijelaskan secara luas. Saya punya pertanyaan bagaimana mungkin menggunakan persimpangan jalur utama dan sinyal dalam menentukan pergerakan tren. Apakah ada efek yang saya perhatikan dominan ke atas dari garis merah yang merupakan garis utama dalam tren kenaikan LuckScout Yes. MACD adalah indikator yang lambat dan lagging sehingga sangat baik mengikuti tren. Selain itu persimpangan jalur utama dan sinyal biasanya mencerminkan kecenderungan kelelahan dan pembalikan. Hari yang baik, terima kasih banyak telah menjelaskan konsepnya tapi mengapa saya tidak bisa membuka indikator MACD berwarna TERIMA KASIH SANGAT MUNGKIN MARTIN LuckScout Anda tidak perlu membukanya. Anda harus menyalin dan menempelkannya ke folder indikator MT4. Hanya untuk menambahkan, jika Anda menggunakan MT48230 berikut teps dapat membantu Anda 1.File 8211 gt Buka folder Data 2. MQL4 8211 gt Indikator 3. Salin LuckScout-MACD. ex4 4. tutup MT4 Anda dan buka kembali 5.Buka bagan Anda dan klik Pada indikator tambahan Harus 3 dari kanan di atas 6. Pilih Custom 8211 gt LuckScout - MACD 7. Sebagai penulis, Anda dapat menggunakan dengan tabel HikenAshi terima kasih banyak untuk artikel Anda yang terperinci. Ini sangat membantu saya dan trader baru, saya punya 1 pertanyaan. 1) ketika saya menambahkan MACD ke grafik, saya meminta saya untuk memilih kerangka waktu ema yang jika defaultnya lambat 26 fst 12. Saya menambahkannya tapi tidak memberikan grafik histogram seperti yang Anda masukkan ke dalam artikel ini, melainkan menampilkan Baris turun di bawah dalam grafik, terutama bahwa i8217m menggunakan platfom lain dan bukan MTD4, apa yang saya lakukan salah pada grafik saya, saya memiliki BB8217 dan candlesticks. LuckScout Saya tidak tahu. Aku minta maaf. Saya perlu tahu bagaimana mengatur garis sinyal MACD. Saya menggunakan MACD yang diberikan oleh pedagang meta tapi hanya ada garis MACD, garis sinyal tidak ada di sini. Bagaimana saya bisa mengatur sinyal line8230 LuckScout MT4 doesn8217t memiliki MACD yang Anda inginkan. Anda harus mendownload MACD8221 8220traditional dan menginstalnya pada platform MT4 Anda. Hi. Chris8230 Penjelasan yang baik8230 Meski MACD sudah tertinggal. Kita bisa menggunakannya untuk memastikan waktu yang tepat untuk masuk dan tinggal jauh. Bisakah kita mengatur garis dan garis sinyal secara manual. Maksud saya tanpa MACD hanya menggunakan EMA Please Chris memberitahu saya nilai .. Main Line: 82308230 .. Signal Line: 8230823082308230. LuckScout Pengaturan garis adalah 12, 26. Dan garis sinyalnya adalah 9.Cause-and-Effect Diagram Penyebab - Dan-Efek Diagram Salah satu alat analisis adalah Diagram Penyebab-dan-Akibat (atau Diagram Ikan). Ini juga disebut diagram Ishikawa karena Kaoru Ishikawa mengembangkannya pada tahun 1943. Mereka disebut diagram tulang ikan karena menyerupai satu dengan tulang belakang yang panjang dan berbagai cabang penghubung. Bagan tulang ikan mengatur dan menampilkan hubungan antara penyebab yang berbeda untuk efek yang sedang diperiksa. Bagan ini membantu mengatur proses brainstorming. Kategori penyebab utama diletakkan pada cabang utama yang terhubung ke tulang punggung, dan berbagai sub-sebab melekat pada cabang-cabangnya. Sebuah pohon seperti struktur hasil, menunjukkan banyak sisi masalah. Metode untuk menggunakan tabel ini adalah meletakkan masalah yang harus dipecahkan di kepala, lalu mengisi cabang-cabang utama. Orang, prosedur, peralatan dan bahan sering dikenali penyebabnya. Ini adalah alat lain yang dapat digunakan dalam sesi brainstorming yang terfokus untuk menentukan kemungkinan penyebab masalah sasaran. Tim brainstorming harus beragam dan memiliki pengalaman di bidang masalah. Banyak informasi bagus dapat ditemukan dan ditampilkan dengan menggunakan alat ini. Diagram Kontrol Bagan Lain Diagram Kontrol amp Diagram Lain Apakah membuat resep ibu untuk saus spaghetti atau mengenali pasien ke ruang gawat darurat, hasil dari suatu proses tidak pernah sama persis setiap saat. Fluktuasi atau variabilitas adalah komponen yang tak terelakkan dari semua sistem dan diharapkan, timbul secara alami dari efek dari kejadian kebetulan lainnya. Namun, variasi di luar pola stabil mungkin merupakan indikasi bahwa prosesnya tidak berjalan secara konsisten. Peristiwa yang berada di luar perkiraan variabilitas atau kejadian yang membentuk pola yang tidak acak, menunjukkan bahwa prosesnya tidak terkendali. Dari perspektif kontrol kualitas, layanan out-of-control atau sistem produksi adalah masalah. Ini mungkin tidak memenuhi spesifikasi pelanggan atau mencapai tujuan bisnis, dan tidak ada cara untuk memprediksi apakah akan atau bisa. Ada dua cara umum untuk mendeteksi bahwa sebuah proses tidak terkendali. Tes pertama untuk proses out-of-control bertanya, Apakah ada titik yang jatuh di atas atau di bawah batas kontrol pada diagram kontrolnya. Tes khusus ini sangat mudah dilakukan dengan melihat diagram kontrol. Bentuk pelanggaran aturan kedua didasarkan pada pola titik pada diagram kontrol dan bisa sulit untuk dideteksi. Beberapa program perangkat lunak SPC dapat dengan cepat dan akurat melakukan tes semacam itu pada data proses menggunakan Aturan Listrik Barat, yang didefinisikan dalam Buku Kontrol Kualitas Statistik ATampT, sumber definitif untuk standar pelanggaran peraturan. Diagram Kontrol Proses Statistik secara grafis mewakili variabilitas dalam suatu proses dari waktu ke waktu. Saat digunakan untuk memantau proses, diagram kontrol dapat menemukan ketidakkonsistenan dan fluktuasi yang tidak wajar. Akibatnya, grafik SPC digunakan di banyak industri untuk meningkatkan kualitas dan mengurangi biaya. Diagram kontrol biasanya menunjukkan batasan yang dapat ditunjukkan oleh variabilitas statistik seperti biasa. Jika proses Anda berkinerja di dalam batas-batas ini, konon harus di kontrol jika tidak, itu tidak terkendali. Penting untuk mengingat apa yang dapat Anda simpulkan tentang sistem yang terkendali: kontrol tidak berarti bahwa produk atau layanan memenuhi kebutuhan Anda, ini berarti proses tersebut berperilaku konsisten. Berikut adalah beberapa konsep dasar dan istilah kunci yang terkait dengan diagram kontrol dan grafik lainnya. Aturan Pengujian Bagaimana Anda menilai saat sebuah proses di luar kendali Dengan merencanakan diagram kontrol output dari suatu proses, adalah mungkin untuk menemukan sebab variabilitas dan variabilitas yang khusus atau tidak wajar sehingga prosesnya melayang. Drifting didefinisikan oleh mean atau range dari variasi berubah seiring proses berjalan. Indikasi perubahan yang paling umum adalah titik yang berada di luar batas kendali, namun tes lain untuk ketidakstabilan proses juga berharga. Aturan yang berbeda sesuai untuk data variabel dan data atribut. Akibatnya, memilih peraturan mana yang harus diterapkan bergantung pada jenis grafik yang diproduksi. Zona Dalam Diagram Kontrol Banyak aturan standar memeriksa poin berdasarkan zona. Area antara masing-masing batas kontrol dan garis tengah dibagi menjadi tiga bagian. Yang ketiga terdekat dengan garis tengah disebut sebagai Zona A, yang ketiga berikutnya adalah Zona B, dan yang ketiga terdekat dengan batas kontrol adalah Zona C. Perhatikan bahwa ada dua dari masing-masing Zona, satu di atas dan satu di bawahnya. Zona A juga disebut sebagai zona 3-sigma, Zona B adalah zona 2-sigma, dan Zona C adalah zona sigma 1. Istilah zona sigma ini sesuai hanya bila 3-sigma digunakan untuk batas kontrol. Sigma adalah huruf Yunani untuk s dan digunakan dalam konteks ini untuk menunjukkan penyebaran data. Batas kontrol standar terletak 3 sigma dari rata-rata atau garis tengah grafik. Garis tengah juga disebut garis kontrol. Ini disebut batas 3 sigma atau zona sigma 3. Jarak dari garis tengah ke batas kontrol dapat dibagi menjadi 3 bagian yang sama dari satu sigma masing-masing. Teori statistik memberi tahu kita bahwa dalam penyebaran data yang normal, kita dapat memperkirakan persentase data berikut untuk disertakan dalam sigma: Kita dapat mengharapkan 99,7 dari hasil proses berada dalam batas kontrol 3-sigma. Batas Kontrol Batas kontrol dihitung secara statistik dari data Anda. Mereka disebut sebagai Lower Control Limit (LCL) dan Upper Control Limit (UCL) pada diagram kontrol. Ini diatur pada 3-sigma secara default karena ini adalah batas yang paling umum digunakan. Batas kontrol menentukan zona dimana data yang diamati untuk proses yang stabil dan konsisten terjadi hampir sepanjang waktu (99,7). Setiap fluktuasi dalam batasan ini berasal dari penyebab umum yang melekat pada sistem, seperti pilihan peralatan, perawatan terjadwal atau ketepatan operasi yang dihasilkan dari desain. Fluktuasi normal ini disebabkan oleh variabilitas statistik. Hasil di luar batas kontrol hasil dari penyebab khusus. Penyebab khusus adalah kejadian di luar operasi produksi atau layanan biasa. Penyebab khusus menunjukkan bahwa telah terjadi satu atau lebih perubahan mendasar pada proses dan prosesnya tidak terkendali. Penyebab khusus perlu diselidiki dan dihilangkan sebelum diagram kontrol dapat digunakan sebagai alat pemantau kualitas. Faktor penting dalam mempersiapkan charting SPC adalah menentukan apakah Anda akan mengukur setiap produk dari proses, seperti mengukur setiap bagian, atau jika Anda akan menggunakan subkelompok. Subkelompok adalah sampel data dari total data yang mungkin. Subkelompok digunakan bila tidak praktis atau terlalu mahal untuk mengumpulkan data pada setiap produk atau layanan dalam prosesnya. Keputusan untuk menggunakan subkelompok atau tidak perlu dipikirkan dengan hati-hati untuk memastikan data tersebut akurat mewakili data. Subkelompok harus homogen dalam diri mereka sehingga penyebab khusus dapat dikenali, sehingga area masalah menonjol dari variasi normal subkelompok. Misalnya, jika Anda bertanggung jawab untuk menganalisis proses di sejumlah fasilitas, kelompok terpisah harus mewakili setiap fasilitas, karena setiap fasilitas memiliki proses yang berbeda untuk melakukan tugas yang sama. Setiap subkelompok fasilitas mungkin harus dipecah lebih jauh lagi, misalnya dengan shift kerja. Subkelompok dalam Diagram Kontrol Variabel Semua data dalam subkelompok memiliki kesamaan, seperti pengumpulan waktu yang umum, semua data untuk tanggal tertentu, satu shift, atau waktu dalam sehari. Data subkelompok dapat memiliki faktor lain yang sama, seperti data yang terkait dengan operator, atau data yang terkait dengan volume cairan tertentu. Subkelompok dalam Diagram Kontrol Atribut Sebuah subkelompok adalah kelompok unit yang diperiksa untuk mendapatkan jumlah cacat atau jumlah penolakan. Jumlah cacat ditampilkan dengan menggunakan grafik c dan bagan u. Jumlah penolakan, juga disebut barang cacat, ditampilkan dengan menggunakan grafik p dan grafik np. Tolak - Item Tidak Sesuai Data Item yang tidak sesuai ditolak. Tolak dihitung bila seluruh unit gagal memenuhi standar penerimaan, terlepas dari jumlah cacat pada unit. Ini termasuk produk yang cacat atau hasil yang tidak dapat diterima. Cacat - Ketidaksesuaian Data Ketidaksesuaian adalah cacat. Ketidaksesuaian adalah karakteristik apa pun, yang seharusnya tidak hadir namun ada, atau karakteristik yang perlu hadir namun tidak. Item yang cacat dapat memiliki beberapa ketidaksesuaian, misalnya, kesalahan pada formulir asuransi, pengobatan yang salah, atau keluhan layanan. Menggunakan Process Control Charts OK, cukup bicara. Mari kita lakukan beberapa charting kontrol yang sebenarnya. Pertama, Anda perlu menentukan data apa yang Anda miliki dan memilih grafik yang benar untuk data tersebut. Kemudian buat bagan dan analisa untuk melihat apakah prosesnya terkendali. Definisi Data Untuk Pemilihan Chart Proper Memilih bagan yang tepat untuk situasi tertentu adalah langkah pertama dalam setiap analisis. Sebenarnya ada beberapa grafik yang bisa dipilih, dan menentukan yang tepat memerlukan beberapa peraturan sederhana berdasarkan data yang mendasarinya. Aturan-aturan ini dijelaskan dalam diagram alir di bawah ini: Bagan kendali dibagi menjadi dua kelompok: Bagan Variabel Diagram variabel didasarkan pada data variabel yang dapat diukur dalam skala berkelanjutan. Misalnya, berat, volume, suhu, atau lama tinggal. Ini dapat diukur sebanyak mungkin tempat desimal. Grafik individu, rata-rata, dan rentang digunakan untuk data variabel. Bagan Atribut Bagan atribut didasarkan pada data yang bisa dikelompokkan dan dihitung seperti sekarang atau tidak. Grafik atribut juga disebut count chart dan data atribut juga dikenal sebagai data diskrit. Data atribut diukur hanya dengan bilangan bulat. Contohnya termasuk: Formulir yang Dapat Diterima vs Tidak Dapat diterima dilengkapi dengan kesalahan vs. tanpa kesalahan Jumlah resep dengan kesalahan vs. tanpa Saat membuat diagram kontrol atribut, subkelompok adalah kelompok unit yang diperiksa untuk mendapatkan jumlah cacat atau nomor Barang cacat Diagram cacat dan penolakan digunakan untuk data atribut. Diagram Data Variabel Diagram Individu, Rata-rata, dan Rentang Data variabel memerlukan penggunaan bagan variabel. Grafik variabel mudah dipahami dan digunakan. Bagan Individu Saya bagan Bagan I juga disebut sebagai grafik individu, item, i, atau X. X mengacu pada variabel X. Bagan individu memilah hasil proses bervariasi dari waktu ke waktu. Pengamatan individu diplot pada bagan I, rata-rata tidak diplot pada jenis grafik ini. Grafik individu digunakan untuk mengumpulkan data variabel yang dikumpulkan secara kronologis dari sebuah proses, seperti pengukuran komponen dari waktu ke waktu. Grafik ini sangat berguna untuk mengidentifikasi pergeseran rata-rata proses. Saat memonitor sistem, diharapkan jumlah titik yang sama akan turun di atas dan di bawah rata-rata yang ditunjukkan oleh garis tengah. Pergeseran atau tren bisa menunjukkan adanya perubahan yang perlu diselidiki. Diagram kontrol individu dicadangkan untuk situasi di mana hanya satu pengukuran yang dilakukan setiap kali data dikumpulkan, dimana tidak praktis atau tidak mungkin mengumpulkan sampel observasi. Bila tidak ada cukup titik data untuk menghitung batas kontrol yang valid, bagan individu berfungsi sebagai bagan run sederhana. Grafik Rata-rata Chart X-bar Bagan rata-rata dibuat dengan merencanakan rata-rata pengukuran individu pada tabel. Bagan rata-rata disebut grafik X-bar karena, dalam notasi statistik, sebuah bar atau garis di atas variabel (X) melambangkan rata-rata X. X-bar adalah cara singkat untuk mengatakan rata-rata X. X-bar Bagan adalah bagan kontrol variabel yang menampilkan perubahan pada keluaran rata-rata suatu proses. Bagan tersebut mencerminkan perubahan baik dari waktu ke waktu maupun perubahan yang terkait dengan variabel data kategoris. Bagan tersebut menunjukkan bagaimana proses yang konsisten dan dapat diprediksi dalam mencapai mean. Grafik X-bar mengukur variasi antar subkelompok. Mereka sering dipasangkan dengan grafik Standard Deviation (S) atau Range (R), yang mengukur variasi dalam subkelompok. Definisi: Variabel Data Subkelompok Data subkelompok memiliki kesamaan, seperti data yang terkait dengan operator tertentu, atau data yang terkait dengan volume cairan tertentu. Rentang Chart R-Chart Rentang Chart dapat dikombinasikan dengan grafik I dan grafik X-bar. Nama bagan menggabungkan inisial grafik yang sesuai. Rentang grafik mengukur variasi data. Contohnya adalah laporan cuaca di koran yang memberi suhu tinggi dan rendah setiap hari. Perbedaan antara tinggi dan rendah adalah kisaran untuk hari itu. Moving Range Chart MR Chart Jenis bagan ini menampilkan rentang bergerak pengamatan berturut-turut. Diagram rentang bergerak dapat digunakan bila tidak mungkin atau tidak praktis mengumpulkan lebih dari satu titik data untuk setiap subkelompok. Bagan ini dapat dipasangkan dengan bagan individu, yang kemudian disebut diagram Pergerakan Individual Moving Range (IR). Bagan individu digunakan untuk menyoroti perubahan variabel dari nilai sentral, mean. Bagan jangkauan bergerak menampilkan variabilitas antar pengukuran berdasarkan perbedaan antara satu titik data dan data berikutnya. Grafik Individual Dan Rentang Diagram IR Bagan bagan kendali variabel ini sering ditawarkan bersamaan untuk analisis pengendalian kualitas. Bagan Perorangan, bagan atas pada gambar di bawah, menampilkan perubahan pada keluaran proses dari waktu ke waktu dalam kaitannya dengan garis tengah yang mewakili rata-rata. Bagan Rentang Pindah, bagan bawah pada gambar di bawah, menganalisis variasi antara pengamatan berturut-turut, yang merupakan ukuran variabilitas proses. Diagram Rentang amp rata-rata Diagram X-Bar dan R Diagram Variabel dan Rentang kontrol sering ditampilkan bersama untuk analisis kontrol kualitas. Bagan X-bar, bagan atas pada gambar di bawah, adalah representasi grafis dari variasi di antara rata-rata subkelompok, grafik R, bagan bawah pada gambar di bawah, terlihat pada variabilitas dalam subkelompok ini. Variasi dalam subkelompok diwakili oleh kisaran (R). Kisaran nilai untuk setiap subkelompok diplot pada sumbu Y dari grafik R. Garis tengah adalah rata-rata atau rata-rata jangkauan. X-Bar Standard Deviation Charts Chart X-Bar And S Bagan grafik kontrol variabel ini sering ditampilkan bersama untuk analisis kontrol kualitas. Bagan X-bar, bagan atas pada gambar di bawah, menampilkan variasi dalam mean antara subkelompok. Bagan s, bagan bawah pada gambar di bawah, terlihat pada variabilitas dalam subkelompok ini. Dalam sepasang grafik ini, variasi dalam subkelompok diwakili oleh standar deviasi. Deviasi standar diplot pada sumbu y, dan merupakan ukuran penyebaran nilai untuk setiap subkelompok. Garis tengah adalah rata-rata atau rata-rata penyimpangan standar sub kelompok ini. Anda dapat memilih untuk menggunakan diagram deviasi standar, yaitu bagan s, bukan bagan Kisaran Bergerak. Rentang tabel sering digunakan karena standar deviasi adalah pengukuran yang lebih akurat dan karena itu lebih sulit. Sekarang komputer secara otomatis menghitung deviasi standar, s-chart dapat digunakan dalam semua situasi. Ini disebut grafik X-bar S. Formula deviasi standar digunakan untuk menghitung perbedaan data. Perhitungan ini dapat digunakan dalam kasus dimana ukuran sampel subkelompok besar dan metode sampling mendukung pemodelan data sebagai distribusi normal. Process Capability Chart cp Chart Proses analisis kemampuan digunakan untuk menyesuaikan proses sampai hampir semua keluaran produk memenuhi spesifikasi. Setelah proses beroperasi dalam kontrol, analisis kemampuan mencoba untuk menjawab pertanyaan: Apakah spesifikasi pertemuan output, atau prosesnya mapan Jika tidak, dapatkah proses disesuaikan agar membuatnya mampu Bagan kapabilitas proses berisi kurva normal yang dilapiskan Lebih dari satu histogram data, diikuti beberapa statistik. Suatu proses dikatakan mampu jika outputnya sesuai dengan spesifikasi hampir 100 kali. Catatan: Spesifikasi Batas adalah batas, atau toleransi, yang ditetapkan oleh manajemen, insinyur atau pelanggan yang didasarkan pada persyaratan produk atau sasaran layanan. Batas Spesifikasi TIDAK ditentukan oleh proses itu sendiri, dan mungkin bahkan tidak mungkin dilakukan dalam proses yang diberikan. Salah satu tujuan Statistical Process Control adalah untuk menentukan apakah spesifikasi sebenarnya dimungkinkan dalam proses saat ini. Jika pernyataan berikut benar, bagan kemampuan proses dapat menjadi alat yang tepat untuk mengukur reproduktifitas inheren proses dan memantau sejauh mana dapat memenuhi spesifikasi: Prosesnya stabil dan terkendali. Data terdistribusi secara normal. Batas spesifikasi jatuh di kedua sisi garis tengah. Anda sedang menyelidiki apakah proses Anda mampu memenuhi spesifikasi. Diagram Data Atribut Sekali lagi, data atribut mewakili karakteristik tertentu dari produk atau sistem yang dapat dihitung, bukan pengukuran produk. Mereka adalah karakteristik yang hadir atau tidak hadir. Ini dikenal sebagai data diskrit, dan diukur hanya dengan bilangan bulat. Contohnya meliputi: Formulir yang Dapat Diterima vs Tidak Dapat diterima yang dilengkapi dengan kesalahan vs. tanpa kesalahan Jumlah resep dengan kesalahan vs. tanpa data Atribut memiliki karakteristik khas lainnya. Dalam analisis kontrol kualitas, data yang dapat dihitung ini termasuk dalam salah satu dari dua kategori: Data cacat adalah jumlah ketidaksesuaian dalam item. Tidak ada batasan untuk jumlah kemungkinan cacat. Cacat grafik menghitung jumlah cacat pada unit inspeksi. Tolak data dimana keseluruhan item dinilai sesuai dengan spesifikasi produk atau tidak. Tolak grafik menghitung jumlah penolakan dalam subkelompok. Salah satu cara untuk menentukan jenis data yang Anda miliki adalah bertanya, Dapatkah saya menghitung kejadian dan kejadian dari data yang rusak? Misalnya, Anda dapat menghitung berapa banyak bentuk yang memiliki kesalahan dan berapa banyak yang tidak, namun Anda tidak dapat menghitung bagaimana Banyak kesalahan TIDAK dibuat pada formulir. Jika Anda dapat menghitung kejadian dan kejadian, Anda menolak data. Jika non-kejadian tidak dapat ditentukan, maka Anda memiliki data cacat. Jika Anda menghitung jumlah kesalahan yang dibuat pada formulir asuransi, Anda memiliki contoh kerusakan per formulir. Tidak ada batasan jumlah cacat yang bisa dihitung pada setiap form. Jika Anda menghitung jumlah formulir yang memiliki satu atau lebih kesalahan, berarti Anda menghitung jumlah unit yang ditolak. Ini salah satu atau nol ditolak per unit. Ringkasan Cacat vs Tolak Data Defects charts adalah bagan atribut untuk kasus di mana kemungkinan kejadian tidak terbatas atau tidak dapat dihitung. Mereka menghitung jumlah ketidaksesuaian dalam item. Tolak grafik adalah atribut Data grafik untuk kasus di mana seluruh unit ditolak dihitung. Angka-angka ini dapat digambarkan sebagai rasio dan bukan hanya hitungan saja. Subkelompok Ukuran Konstan atau Mengubah Ukuran subkelompok adalah karakteristik data penting yang perlu dipertimbangkan dalam memilih jenis grafik yang tepat. Saat membuat diagram kontrol atribut, subkelompok adalah kelompok unit yang diperiksa untuk mendapatkan jumlah cacat atau jumlah penolakan. Untuk memilih tabel yang benar, Anda perlu menentukan apakah ukuran subkelompok konstan atau tidak. Jika konstan, misalnya 300 formulir diproses setiap hari, maka Anda bisa melihat hitungan langsung dari kejadian yang tidak tepat. Jika ukuran subkelompok berubah, Anda perlu melihat persentase atau fraksi kejadian yang tidak tepat. Suatu organisasi mungkin memiliki satu hari di mana 500 formulir asuransi diproses dan 50 memiliki kesalahan vs. hari lain dimana hanya 150 yang diproses dan 20 memiliki kesalahan. Jika kita hanya melihat jumlah kesalahan, 50 vs 20, kita akan menganggap bahwa 50 hari kesalahan lebih buruk. Tapi ketika mempertimbangkan ukuran total subkelompok, 500 vs 150, kami menentukan bahwa, pada hari pertama, 10 mengalami kesalahan sementara, tempo hari yang lain, 13,3 memiliki kesalahan. Setelah kami memahami berbagai jenis data atribut, mari beralih ke bagan khusus untuk menganalisisnya. Ada empat jenis grafik atribut. Untuk setiap jenis data atribut, cacat, dan penolakan, ada bagan untuk subkelompok dengan ukuran konstan dan satu untuk subkelompok dengan ukuran bervariasi. Cacat Charts menghitung jumlah cacat di dalam unit inspeksi. Tolak Charts menghitung jumlah unit yang ditolak dalam subkelompok. Defects Charts Dua grafik cacat adalah bagan c dan bagan u. C mengacu pada hitungan cacat pada subkelompok ukuran konstan. U adalah jumlah per unit dalam subkelompok ukuran variabel. C Chart Constant Subgroup Size Sebuah bagan c, atau Count chart, adalah bagan kontrol atribut yang menunjukkan bagaimana jumlah cacat, atau ketidaksesuaian, untuk suatu proses atau sistem berubah dari waktu ke waktu. Jumlah cacat dikumpulkan untuk area peluang di setiap subkelompok. Area peluang bisa berupa sekelompok unit atau hanya satu unit individu yang jumlah kerusakannya dapat dilakukan. Bagan c adalah indikator konsistensi dan prediktabilitas tingkat cacat dalam proses. Saat membuat bagan c, penting bahwa area peluang untuk cacat tetap konstan dari subkelompok menjadi subkelompok karena bagan menunjukkan jumlah cacat total. Bila jumlah item yang diuji dalam subkelompok berubah, maka bagan u harus digunakan, karena ini menunjukkan jumlah cacat per unit daripada cacat total. U Chart Varying Subgroup Size Bagan u (u is for Unit) adalah diagram kontrol atribut yang menunjukkan bagaimana frekuensi cacat, atau ketidaksesuaian, berubah dari waktu ke waktu untuk suatu proses atau sistem. Jumlah cacat dikumpulkan untuk area peluang di setiap subkelompok. Area peluang bisa berupa sekelompok item atau hanya satu item individual yang jumlah kerusakannya dapat dilakukan. Bagan u adalah indikator konsistensi dan prediktabilitas tingkat cacat dalam proses. Bagan u sesuai bila area peluang untuk cacat bervariasi dari subkelompok hingga subkelompok. Hal ini dapat dilihat pada pergeseran garis UCL dan LCL yang bergantung pada ukuran subkelompok. Bagan ini menunjukkan jumlah cacat per unit. Bila jumlah item yang diuji tetap sama di antara semua subkelompok, maka bagan c harus digunakan karena grafik c menganalisis cacat total dan bukan jumlah cacat per unit. Menolak Bagan Dua jenis grafik Tolak adalah bagan p dan bagan np. Nama bagan p adalah singkatan dari P ercentage to reject in a subkelompok. Nama bagan np adalah singkatan dari jumlah N yang ditolak dalam bagan tipe-p. Anda juga bisa mengingatnya bukan persentase atau tidak proporsional. Sebuah mnemonik untuk diingat bahwa bagan p dan mitranya, bagan np, mewakili data Tolak adalah memikirkan P sebagai kacang polong dan tanaman pengalengan yang menolak kaleng kacang polong jika tidak dapat diterima. Karena p dan np adalah tim, Anda harus bisa mengingatnya dengan cerita yang sama. Np Chart Jumlah Chart Reject untuk Ukuran Subkelompok Konstan Bagan np adalah bagan kontrol atribut yang menampilkan perubahan jumlah produk yang cacat, menolak atau hasil yang tidak dapat diterima. Ini adalah indikator konsistensi dan prediktabilitas tingkat cacat dalam prosesnya. Grafik np hanya berlaku selama data Anda dikumpulkan dalam subkelompok dengan ukuran yang sama. Bila Anda memiliki ukuran subkelompok variabel, bagan p harus digunakan. Bagan Bagan Persentase untuk Ukuran Subkelompok Beragam Bagan p adalah diagram kontrol atribut yang menampilkan perubahan proporsi produk, penolakan, atau hasil yang tidak dapat diterima yang salah. Ini adalah indikator konsistensi dan prediktabilitas tingkat cacat dalam prosesnya. Karena bagan p digunakan bila ukuran subkelompok bervariasi, bagan memetakan proporsi atau pecahan barang ditolak, bukan jumlah yang ditolak. Hal ini ditunjukkan dengan pergeseran garis UCL dan LCL yang bergantung pada ukuran subkelompok. Untuk setiap subkelompok, proporsinya ditolak dihitung sebagai jumlah penolakan dibagi dengan jumlah barang yang diperiksa. Bila Anda memiliki ukuran subkelompok konstan, gunakan tabel np sebagai gantinya. Bagan Aliran Diagram Alir Setelah proses diidentifikasi untuk perbaikan dan diberi prioritas tinggi, maka harus dipecah menjadi beberapa langkah spesifik dan diletakkan di atas kertas dalam diagram alir. Prosedur ini saja dapat menemukan beberapa alasan mengapa sebuah proses tidak berjalan dengan benar. Masalah lain dan perangkap tersembunyi sering ditemukan saat mengerjakan proses ini. Flowcharting juga memecah proses menjadi banyak sub prosesnya. Menganalisis masing-masing secara terpisah meminimalkan jumlah faktor yang berkontribusi terhadap variasi dalam proses. Setelah membuat diagram alir, Anda mungkin ingin melihat lagi diagram tulang ikan dan melihat apakah ada faktor lain yang ditemukan. Jika demikian, Anda mungkin perlu melakukan diagram Pareto lain juga. Pengendalian Mutu adalah proses yang terus-menerus, dimana faktor dan penyebab terus ditinjau dan perubahan dilakukan sesuai kebutuhan. Histogram Histogram Sekarang Anda dapat memasukkan data dari lembar cek ke dalam histogram. Histogram adalah cuplikan variasi produk atau hasil proses. Ini sering membentuk kurva berbentuk lonceng yang merupakan ciri khas proses normal. Histogram membantu Anda menganalisis apa yang sedang terjadi dalam proses dan membantu menunjukkan kemampuan suatu proses, apakah data jatuh di dalam kurva berbentuk lonceng dan sesuai spesifikasi. Sebuah histogram menampilkan distribusi frekuensi terjadinya berbagai pengukuran. Variabel yang diukur adalah sepanjang sumbu x horizontal, dan dikelompokkan ke dalam beberapa rentang pengukuran. Frekuensi terjadinya setiap pengukuran dipetakan sepanjang sumbu y vertikal. Histogram menggambarkan kecenderungan atau rata-rata data, dan variasinya atau penyebarannya. Histogram juga menunjukkan rentang pengukuran, yang mendefinisikan kemampuan proses. Histogram dapat menunjukkan karakteristik proses yang diukur, seperti: Apakah hasilnya menunjukkan distribusi normal, kurva lonceng Jika tidak, mengapa tidak Apakah kisaran data menunjukkan bahwa proses tersebut mampu menghasilkan apa yang dibutuhkan oleh pelanggan. Atau spesifikasi Berapa banyak perbaikan yang diperlukan untuk memenuhi spesifikasi Apakah ini tingkat perbaikan yang mungkin dilakukan dalam proses saat ini Pareto Charts Pareto Charts Bagan Pareto dapat digunakan untuk menampilkan kategori masalah secara grafis sehingga dapat diprioritaskan dengan benar. Bagan Pareto dinamai untuk ekonom Italia abad ke-19 yang mendalilkan bahwa minoritas kecil (20) orang memiliki sebagian besar (80) kekayaan di negeri ini. Sering ada banyak aspek proses atau sistem yang bisa diperbaiki, seperti jumlah produk yang cacat, alokasi waktu, atau penghematan biaya. Setiap aspek biasanya mengandung banyak masalah yang lebih kecil, sehingga sulit untuk menentukan bagaimana mendekati masalah ini. Bagan atau diagram Pareto menunjukkan masalah mana yang harus ditangani terlebih dahulu dengan menunjukkan proporsi total masalah yang dihadapi oleh masing-masing masalah yang lebih kecil. Ini didasarkan pada prinsip Pareto: 20 sumber menyebabkan 80 masalah. Bagan Count Pareto adalah grafik batang vertikal yang menampilkan pangkat dalam urutan menurun kepentingan untuk kategori masalah, cacat atau peluang. Umumnya, Anda mendapatkan lebih banyak dengan mengerjakan masalah yang diidentifikasi oleh bar tertinggi daripada mencoba menangani bar yang lebih kecil. Namun, Anda harus bertanya pada diri sendiri apa item pada grafik memiliki dampak terbesar pada tujuan bisnis Anda, karena terkadang masalah yang paling sering terjadi seperti yang ditunjukkan oleh bagan Pareto tidak selalu yang paling penting. SPC adalah alat yang bisa digunakan oleh orang-orang dengan pengalaman dan akal sehat sebagai pemandu mereka. Ini adalah bagan Pareto jenis cacat untuk kaleng kocok. Setelah masalah utama dipilih, perlu dianalisis kemungkinan penyebabnya. Diagram sebab-akibat, plot scatter dan diagram alir dapat digunakan dalam bagian proses ini. Probabilitas Plots Probability Plots Untuk menggunakan Control Charts, data perlu mendekati distribusi normal, untuk umumnya membentuk kurva berbentuk lonceng yang dikenal. Plot probabilitas adalah grafik dari frekuensi relatif kumulatif data, diplot pada skala probabilitas normal. Jika datanya normal itu membentuk garis yang cukup lurus. Tujuan dari plot ini adalah untuk menunjukkan apakah data mendekati distribusi normal. Ini bisa menjadi asumsi penting dalam banyak analisis statistik. Meskipun plot probabilitas berguna dalam menganalisis data untuk normalitas, namun sangat berguna untuk menentukan seberapa besar suatu proses ketika data tidak terdistribusi secara normal. Artinya, kami tertarik untuk menemukan batasan di mana sebagian besar data jatuh. Karena plot probabilitas menunjukkan persentase data yang berada di bawah nilai tertentu, kita dapat membuat sketsa kurva yang paling sesuai dengan data. Kita kemudian dapat membaca nilai yang sesuai dengan 0,001 (0,1) dari data. Hal ini umumnya dianggap sebagai batas alam bawah. Nilai yang sesuai dengan 0,999 (99,9) umumnya dianggap sebagai batas alamiah atas. (Catatan: Agar lebih konsisten dengan batas normal untuk distribusi normal, beberapa orang memilih 0.00135 dan 0.99865 untuk batas alami.) Diagram Scatter Scatter Diagram Diagram Scatter, atau plot, adalah alat analisis masalah lainnya. Scatter plot juga disebut grafik korelasi. Plot Scatter digunakan untuk mengungkap kemungkinan hubungan sebab-akibat. Hal ini dibangun dengan merencanakan dua variabel terhadap satu sama lain pada sepasang sumbu. Sebuah plot Scatter tidak dapat membuktikan bahwa satu variabel menyebabkan penyebab lain, namun ini menunjukkan bagaimana sepasang variabel terkait dan kekuatan hubungan tersebut. Uji statistik mengkuantifikasi tingkat korelasi antar variabel. Dalam contoh ini, tampaknya ada hubungan antara tinggi dan berat. Sebagai siswa menjadi lebih tinggi, secara umum mereka menjadi lebih berat. Oleh Statit Software, IncExcellent Analytics Tip 9: Leverage Batas Kontrol Statistik Angka absolut tidak sangat membantu (kami memiliki 459.245 pengunjung unik bulan lalu). Tren yang telah kita sadari lebih baik (Desember 459,249 Nov 591,067 Oktober 489,419). Tapi ada interaksi pelanggan di situs web yang menghasilkan hasil bagi perusahaan Anda yang menghasilkan tren yang agak sulit untuk diuraikan dan diterjemahkan ke dalam tindakan. One factor that is not appreciated enough is that every metric KPI (Key Performance Indicator) that you report out of your web analytics tool (or indeed from your ERP or CRM or Data Warehouse) tends to have a natural ldquobiorhythm rdquo, i. e. those metrics KPI will fluctuate up or down and change due to ldquonatural occurrencesrdquo that just happen (I can see some of you cringe. )). These biorhythms are hard to understand, harder still to predict and since many of us live in the Puzzle world rather than the Mystery world we spin our cycle like crazy to understand the numbers to ldquoexplainrdquo them to the management so that they can take some action. Imagine getting a daily weekly trend and it goes up and down and you have no idea what the heck is causing it, even after you have done your damdest to isolate all the variables. The result of these natural biorhythms is that it causes Analysts and Marketers to do analysis and deep dive where none is necessary, it causes some of us to look ldquobadrdquo because we canrsquot explain the data, and it causes a lack of faith the the ability of data to provides insights. Here is a great example that illustrates the issues: It does not really matter what the numbers on this graph are and what the x-axis is. As you look at this at point 7 or 17 or 25 would you know what the trend is telling you and if it is a cause for concern or things are ok and you donrsquot need to take any action or the high points are causes for celebration One wonderful tool methodology that I have found to be wonderfully helpful in separating signal from noise is from the world six sigma process excellence and its called Control Limits (or Control Charts ). Simply put control charts are really good at applying statistics to assess the nature of variation in any process. Translated into the biorhythm problem in relevant situations control charts can help trigger deep analysis and action. Control charts were created to improve quality in manufacturing situations (or others like that) but they work wonderfully for us as well. There are three core components of a control chart. A line in the center that is the Mean of the all the data points, a UCL (Upper Control Limit) and a LCL (Lower Control Limit). Here is what a trend looks like with control limits overlayed on top: Let us understand what you are looking at. Mean (X): The green line above. A statistically calculated number that defines the average amount of variation in your KPI trend. For example for the above process it is 39.29. UCL (Upper Control Limit): A statistically calculated number that defines the higher limit of variation in your KPI trend. In the example above it is 45. LCL (Lower Control Limit): A statistically calculated number that defines the lower limit of variation in your KPI trend. In the example above it is 33. The control chart above is illustrating a natural biorhythm in the KPI trend that is in between the two control limits, these are points that show natural variation in the metric and tentatively are not causes for doing anything, even though as you can clearly see they vary quite a bit from one data point to the next. The massively cool thing is that it shows all the points in the trend, think of it as days or weeks or months, when you should have taken action because there was something unusual that occurred. It wonrsquot, sadly, tell you what the heck happened, but it will tell you when you should use your precious time to dig deeper. Isnrsquot that awesome Think of all the time you would have wasted solving the Puzzle behind the data points below the Mean, which look like ldquoproblemsrdquo. So how do you compute these wonderful Control Limits (UCL amp LCL) The general rule of thumb for calculating control limits is: (Average KPI Value) - (3 x (Standard Deviation)) Control limits are calculated 3 standard deviations above or below the mean of your KPI data values. They are not assigned, but rather calculated based on the natural output of your data. Anything within the control limits should be viewed as expected variation ( natural biorhythm ). Anything outside of control limits warrants investigation. Not only that but if a series of data points fall outside the control limits then it is a bigger red flag in terms of something highly impactful going awry. In a world where we are tons of metrics, where every dashboard has fifteen graphs on it, control limits are extremely helpful in leveraging the power of statistics to be the first filter of when you should dig deeper or look for a cause. If your metrics and trends have variations from day to day and week to week this is a great way to isolate what is ldquonormalrdquo and what is ldquoabnormalrdquo in the trend. Control charts also scale very well. It would be easy if for every metric you have there is a clearly established Goal that you are shooting for. That goal can tell you how well, or not, you are performing. That is rarely the case for the massive deluge of metrics you have to deal with. It is scalable for you to apply control limits to all your trends. Practical considerations in use of control charts (limits): Like with all things statistics the more data points you have the better your control limits will be, it would be hard to do a control chart that makes sense with just five data points (you can create it, it just wonrsquot be very meaningful). Control limits work best with metrics KPIrsquos where it is a bit easy to control for the impacting variables. For example it would be less insightful to create control limits for your Overall Conversion Rate if you do Direct Marketing, Email Campaigns, Search Engine Marketing (Pay Per Click), Affiliate Marketing and you have loads of people who come directly to your site. There are too many variables that could impact your trend. But you can easily create control charts for your Email Campaigns and PPC Campaigns or Direct Traffic and it will be very insightful because the variable is just one (or just a couple) and you will find excellent trigger points for performance and in turn analysis and in turn action. You do need to be able to understand a little bit of statistics and have some base knowledge around standard deviations etc so that you can leverage this optimally but also explain the power of what you are doing to your Senior Executives. Practical example of using control limits: The graph above shows a potential sample conversion rate of a website. Without the Red (UCL) and Blue (LCL) lines it is harder to know each month how the performance of direct marketing campaigns is faring. It is easy to know in Jan 2005 that performance was terrible. It is much harder to know that between March and July statistically there was nothing much to crab about even though the trend goes up and down. This last point is important, anyone can eye ball and take action on a massive swing. What stymies most Analysts is separating signal from noise for non-massive swings in the data. Consider using Control Limits on your KPIrsquos such as cart and checkout abandonment rates. yoursquoll be pleasantly surprised and happy at what you learn (as will your bosses). Any decent statistical software will automatically calculate control limits and create these graphs for you. Minitab is the one that is used a lot by folks I know (though it is a tad bit expensive). We have also used our standard business intelligence tools to compute control limits for us (Brio, Business Objects, Cognos, MicroStrategy etc). You can also always simply jury rig excel to compute the limits for you ( perhaps a reader of the blog can create a template that I can post here for everyonersquos use Update: Clint Ivy to the rescue Here039s his blog post and here039s the wonderful spreadsheet he039s created for us. Please download the spreadsheet and plug in your own numbers.). You can also read a little bit more about Control Charts and try two control chart calculators at SQC Online. In the What section give the control chart calculator for variables a spin. This is a long and complex post but I hope that I have communicated to you the power of control charts, it is a bit dry and take a small bit of knowledge and patience but it is so powerful in helping your analysis specifically when it comes for separating signal from noise. Signal - gt Insights - gt Action - gt Happy Customers - gt Money, Money, Money. ) What do you think Have you used control charts What metrics do you think they will work best with Should web analytics vendors include the ability to do control charts as a standard option in their tools Is none of this making sense Please share your feedback and critique via comments. Like this post For more posts like this please click here . Like this post Share it: I am in the midst of black belt training and am feeling my way through its application to web statistics. This article and conversation was very helpful. One thing I did not see noted, though, was the difference between UCL and USL 8211 and LCL and LSL. UCL and LCL are determined by the process. The web statistics in this case. USL and LSL are determined by customer expectation. They are the specification limits rather than the control limits. Control charts are designed to compare the actual process variation to what is allowed by customer expectation. With web stats, I would think customer expectation (with the business owner being the customer) would be bigger is better for traffic 8211 with an upper specification of the ability of the server and the business to handle the traffic) and less is better for bounces (with a lower specification no less than 0). So, the customer039s expectations 8211 the process specifications 8211 would not limit growth. DMAIC 8211 Define, Measure, Analyse, Improve, Control In the measure phase, you have to first make sure you are in a state of control. If you are in a growth state, any change you implement cannot be truly determined to be caused by your change. If you are in a state of control, control charts tell you if you039re process operates within the customer039s expectations (specification limits), if it is centered between the two limits, and if they are on target (the customer039s expectation). Then you make a hypothosis, implement a change, and do statistical tests to see if the change made a statistically significant difference. Was the increased statistic due to random chance or special causes (whichever change you implemented.) This is why you can039t be in a growth state to use six-sigma to identify opportunities for growth. In any case, this article and the discussions behind it helped my get my head around how I will use control charts with my web stats. Thanks Trackbacks 8230 In his post, Avinash challenged his readers to provide an Excel solution since there are no OOTB (Out Of The Box) solutions for introducing constants, statistical or otherwise, into charts 8211 Excel tries to box us into using just vertical and horizontal axes scale controls. 8230 8230 What do these statistics actually reveal A lot. Or maybe nothing. As they say, torture numbers and they039ll confess to anything. It is up to you to decide what the key performance indicators for your community are. Once you have these KPIs, my best advice is to set up those nifty upper and lower control limits to filter out the statistical noise from the signal. 8230 8230 To summarize, Six Sigma needs an improvement opportunity as the starting point for it to unleash its power to improve processes. BI generates lot of these opportunities with its DWReportingAnalytics components but does not enforce the process implementation rigor. I feel that there is lot of synergy in bringing both together Six Sigma, the left hand and BI, the right hand when brought together can earn a lot of claps in the quest to create learning, performing organizations. Just to sample the power of Six Sigma techniques, please take a look at the following link: kaushikavinash200701excellent-analytics-tip-9-leverage-statistical-control-limits. html. which illustrates the use of control charts (one of Six Sigmas potent tools) in metrics KPI management. Fascinating 8230 8230 Incidentally, even if we take the figures for Aviemore Highland Resort in isolation, using the raw data (available if you have a Google Account), we can see that the term aviemore highland resort is now performing outside of control limits (defined as standard deviation x 3 8211 see more here about control limits) as shown in the graph below. 8230 8230 To date I have only come across a few references of Six Sigma principles being applied to online marketing. Avinash 038 the Eisenbergs have both written about applying six sigma principles to web analytics and online marketing so even though the chatter for this topic is minimal it comes from a few very influential voices. 8230 8230 3) Get to know your KPIs better on all levels to learn what is normal and what is not in terms of their behavior. In this respect, you view your KPIs as predictable subjects. In the same manner as criminal investigators or psychologists observe people and get to know what behavior is normal for a given individual and what is out of the line, you can practice the same with your KPIs to get the most out of your reporting. Avinash Kaushik has a great insight on how to do just that 8211 use the statistical tools of upper and lower controls to define the normal playfield for your data. 8230 8230 Think Growth Once you understand your PPC campaign to this degree, then you are ready to grow it. You are now able to bring your account to the next level, breaking the upper and lower statistical limits to your core metrics. Please keep in mind that some metrics such as AOV and CR, are not directly within your control, and should not be used to gauge your accounts growth. Other metrics however, such as CTR and CPCs, can be directly manipulable. These are the metrics that should be focused on when growing a PPC account. 8230 8230 Die Frage ist nun, ob und ab welchem Schwellenwert eine Abweichung von diesem Band nach oben oder nach unten mehr als nur zufllig ist. Je nach dem wird dazu zwei bis drei Mal die Standard Abweichung nach oben und nach unten als Kontroll-Limit definiert. Ausfhrlich beschrieben wird das Thema Kontroll-Limits in der Webanalyse im Blogbeitrag von Avinash Kaushik. Dort finden Sie auch das Excel Tool zur Bestimmung der Kontroll-Limits. Einfach die Daten aus dem Webanalyse Tool einfgen und analysieren. Und die Standardabweichung anpassen. 8230 Add your Perspective Cancel reply
No comments:
Post a Comment