Statistika dalam Industri

Kata Industry akan sangat erat kaitannya dengan kata Produksi dan Manajemen Operasi. Produksi adalah pembuatan sebuah barang dan jasa, sedangkan Manajemen Operasi adalah satu set aktivitas manajerial untuk menciptakan sebuah nilai dalam pembentukan barang dan jasa dengan mentransformasi input menjadi output.

Statistika memegang peranan penting dalam tugas manajemen operasi, terutama sebagai subject untuk melakukan analis yang berhubungan dengan forecast, QAC, atau proses operasi itu sendiri. Oleh karena itu, penting bagi seorang statistisi untuk mengetahui tentang Manajemen Operasi. Alasan paling utama untuk belajar Manajemen Operasi (MO) adalah karena MO memegang peranan penting dalam empat tugas pokok perusahaan dan dapat menghubungkan keempat bisnis tersebut secara baik. Selain itu pengeluaran terbesar (sekitar 40%) sebuah industri / perusahaan dihabiskan pada Manajemen Operasi. Ada empat tugas pokok yang harus dilakukan sebuah industri (perusahaan) agar dapat terus menjalankan usahanya.

1. Finance / Akutansi, untuk evaluasi seberapa baik jalannya perusahaan, memantau pendapatan dan pengeluaran agar sesuai target, melakukan pembayaran hutang / salary, pengumpulan modal, dan memastikan modal dipergunakan dengan hati - hati.
2. Marketing, sangat berhubungan dengan permintaan, keinginan pelanggan, seberapa banyak kebutuhan pelanggan,  iklan dan promosi untuk penginformasian dan membujuk pelanggan untuk mencoba produk, atau mengenai proses pemesanan barang atau jasa sampai produk itu terjual.  
3. Personal, dalam perkembangannya tidak hanya dalam kemampuan memberikan salary, juga tentang kebutuhan pelanggan, atau tentang teknologi yang dia miliki saja, namun juga menyangkut organisasi seperti kemampuan yang memadai, pemilihan manajernya dan kecukupan pegawai dalam rekrutmen.
4. Produksi / Operasi, yang secara singkat berhubungan dengan pembuatan produk, bentuk transformasi input menjadi output yang memiliki added value.

Namun keempat tugas ini seringkali dirangkum menjadi tiga tugas pokok, dimana tugas untuk pemilihan human resource (personel) dilebur dalam proses operasi. Sehingga akan ada 10 hal yang menjadi point penting seorang analis manajemen operasi.

1. Desain produk dan jasa
2. Manajemen kualitas
3. Desain proses dan kapasitas produksi
4. Strategi lokasi industri
5. Stretegi tata letak ruang produksi
6. Sumber daya manusia dan desain kerja
7. Manajemen rantai pasokan
8. Inventory, perencanaan material, dan ketepatan waktu
9. Penjadwalan jangka pendek dan lanjutan
10. Perawatan Mesin

kebanyakan dari tulisan ini bersumber dari :
- Johnson, B. 1998. Managing Operations. Butterworth-Heinemann. The Institute of
Management Oxford.
- Heizer, J. and Render, B. 2011. Operations Management Tenth Edition. Pearson Education.
- Slack, N., et all. 2005. The Blackwell Encyclopedia Of Management Second Edition.
Blackwell Publishing.

Analisis Faktor dan Principal Component

Sebuah paradigma yang seringkali hadir dalam pengolahan data adalah terbentuknya model yang relevan yang berasal dari sejumlah faktor, hasil reduksi dari sejumlah variabel. Salah satu analisis yang dapat digunakan adalah Analisis Faktor / Factor Analysis. Factor Analysis adalah teknik pemodelan sebab akibat yang ditujukan untuk menjelaskan hubungan antara satu set variabel yang diamati (nyata ada), melalui kombinasi linier dari beberapa variabel laten faktor acak (yang tidak diketahui). Dasar dari analisis faktor adalah pemikiran bahwa sebuah variabel dapat digabungkan dengan melihat besar korelasinya. Analisis faktor, pertama kali digunakan oleh Charles Edward Spearman seorang psikolog inggris dibidang intelegensia.

Charles Edward Spearman

Analisis faktor sangat erat kaitannya dengan analisis principal component (PCA). Analisis PCA lebih terpusatkan untuk menjelaskan struktur dari varian variabel, sedangkan analisis faktor memberikan tambahan untuk menjelaskan kovarian dari beberapa variabel yang sudah ditentukan. Hasil dari PCA dapat digunakan untuk mencari jumlah kecil variabel yang dapat mewakili variabel sesungguhnya. Meskipun sejumlah variabel dibutuhkan untuk menghasilkan sistem keragaman total, akan tetapi jumlah yang banyak dari variabel ini, akan sangat menyulitkan dalam pengambilan kesimpulan analisis. Oleh karena itu, dengan menggunakan PCA akan dapat diketahui jumlah kecil variabel pengganti (dari sejumlah banyak variabel asal) yang dapat mewakili, tanpa banyak menghilangkan keragaman pada variabel asalnya.

Penggunaan PCA sangat erat kaitannya dengan penghitungan matrik varians – covarians maupun matrik korelasi. Pada pengembangan penghitungan tersebut tidak membutuhkan asumsi multivariat normal. Namun dalam situasi lain, PCA yang diturunkan dari populasi multivariate normal memiliki kesimpulan yang lebih baik dalam aturan kepekatan konstant elipsoid (berkaitan dengan bentuk grafik PCA).

Tahapan dalam analisis faktor adalah sebagai berikut.

1. menghitung nilai matrik varian kovarian data sampel
2. menghitung nilai korelasi antar matrik varian kovarian
   menghitung nilai eigen value dan eigen vektor matrik korelasi
3. menghitung nilai loading faktor
4. menghitung nilai communalities
5. menghitung nilai keragaman spesifik

kebanyakan tulisan ini bersumber dari :
www.wikipedia.com
Johnson, R. A. and Wichern, D. W. 2007. .Applied Multivariat Analysis, Sixth Edition. Prentice Hall Inc. USA.
Timm, N.H. 2002. Applied Multivariate Analysis. Springer. Verlag. New York.