Skip to content
Kembali ke hasil pencarian

Eksperimen Faktorial Penuh Terblokir

Diperkenalkan oleh
R. A. Fisher (blocking principle); full factorial DOE tradition
Tahun
1935 (Fisher); systematized through 20th-century DOE literature
Jenis
Experimental design
Keluarga
Experimental design

Teks ini adalah terjemahan mesin dan belum ditinjau. Baca versi asli dalam bahasa Inggris

Ukuran huruf

Apa fungsinya?

Eksperimen faktorial penuh terblokir menguji setiap kombinasi dari semua tingkat faktor sambil mengelompokkan percobaan ke dalam blok homogen untuk mengisolasi variabel pengganggu yang diketahui.

Desain ini mempertahankan kekuatan untuk mendeteksi semua efek utama dan interaksi dari faktor yang diminati sambil mencegah variabilitas antar-batch, antar-hari, atau antar-mesin dari pembengkakan kesalahan eksperimental.

Intuisi di balik metode

Bayangkan menguji tiga jenis pupuk pada dua dosis di empat bidang yang berbeda. Bidang-bidang tersebut bervariasi dalam kualitas tanah, yang tidak dapat Anda kendalikan tetapi dapat Anda perhitungkan. Desain faktorial penuh terblokir menjalankan semua enam kombinasi pupuk-dosis di setiap bidang (blok), sehingga perbedaan antar-bidang dipisahkan dari efek perlakuan. Di dalam setiap blok, percobaan diacak. Hasilnya: Anda melihat gambaran lengkap tentang bagaimana jenis pupuk dan dosis berinteraksi tanpa gambaran itu menjadi kabur oleh heterogenitas tanah. Pemblokiran membeli presisi; cakupan faktorial penuh membeli kelengkapan.

Sejarah

Pemblokiran sebagai metode untuk mengontrol variasi pengganggu diformalkan oleh R. A. Fisher di Rothamsted Experimental Station dan dijelaskan dalam The Design of Experiments (1935), dimotivasi oleh uji coba lapangan pertanian. Prinsip faktorial penuh dikembangkan bersama dengan analisis varians pada periode yang sama. Integrasi pemblokiran dengan struktur faktorial penuh menjadi praktik DOE standar melalui karya berpengaruh Box, Hunter, dan Hunter dalam Statistics for Experimenters (1978) dan Design and Analysis of Experiments karya Douglas Montgomery, pertama kali diterbitkan pada tahun 1976 dan sekarang dalam edisi kesembilannya.

Kapan digunakan

Gunakan eksperimen faktorial penuh terblokir ketika Anda perlu memperkirakan semua efek utama dan setiap interaksi di antara sekumpulan faktor yang dapat dikelola DAN variabel pengganggu yang diketahui (batch, hari, operator, unit peralatan) mengancam untuk meningkatkan kesalahan jika diabaikan. Ini sesuai ketika jumlah faktor cukup kecil (biasanya k = 2-4 faktor pada 2-3 tingkat) sehingga menjalankan semua kombinasi layak dan gangguan dapat dikelompokkan ke dalam blok homogen yang diskrit. JANGAN gunakan ketika total percobaan yang dibutuhkan melebihi kapasitas praktis — lebih pilih desain faktorial fraksional atau permukaan respons sebagai gantinya. JANGAN blokir ketika tidak ada variabel pengganggu yang berarti yang dapat diidentifikasi, karena pemblokiran yang tidak perlu membuang derajat kebebasan.

Batasan dan pertimbangan

  • Jumlah percobaan sama dengan (jumlah blok) kali (semua kombinasi faktor-tingkat), yang menjadi sangat besar untuk lebih dari tiga atau empat faktor atau tiga tingkat.
  • Memerlukan variabel pengganggu yang diketahui dan dapat dikelompokkan; jika tidak ada variabel seperti itu, pemblokiran tidak memberikan manfaat dan membuang derajat kebebasan.
  • Mengasumsikan interaksi blok-perlakuan dapat diabaikan; jika perlakuan merespons secara berbeda di seluruh blok, model aditif salah spesifikasi.
  • Tidak berlaku ketika ukuran blok tidak dapat mengakomodasi satu replikasi lengkap dari semua kombinasi perlakuan — desain blok tidak lengkap diperlukan sebagai gantinya.

Syarat dari sumber tidak menggantikan tinjauan ilmiah independen atau validasi oleh mesin analisis.

Kelebihan

  • Memberikan estimasi yang tidak terkonfundasi dari semua efek utama dan setiap interaksi di antara faktor-faktor yang dipelajari.
  • Pemblokiran menghilangkan sumber pengganggu yang diketahui, mengurangi kesalahan eksperimental dan meningkatkan kekuatan statistik tanpa memerlukan replikasi perlakuan tambahan.
  • Menghasilkan informasi paling lengkap tentang efek faktor dalam set faktor yang dipilih — tidak ada aliasing efek utama atau interaksi.
  • Hasilnya dapat ditafsirkan secara langsung melalui tabel ANOVA standar dan plot interaksi setelah efek blok dipartisi.
  • Didukung oleh perangkat lunak statistik standar (R, SAS, Minitab, JMP) dengan rutinitas analisis yang mapan.

Penerapan

  • Manufaktur dan rekayasa proses: mempelajari bagaimana suhu, tekanan, dan konsentrasi katalis memengaruhi hasil produk di berbagai batch produksi sebagai blok.
  • Penelitian pertanian: mengevaluasi semua kombinasi tingkat irigasi dan jenis pupuk di berbagai bidang dengan karakteristik tanah yang berbeda digunakan sebagai blok.
  • Pengembangan farmasi: menguji faktor formulasi seperti pH dan jenis eksipien dengan hari produksi atau analis laboratorium sebagai variabel pemblokiran.
  • Ilmu pangan: menilai efek kombinasi bahan pada profil rasa di berbagai sesi panel sensorik yang berfungsi sebagai blok.
  • Penelitian perilaku dan pendidikan: menyelidiki kombinasi metode pengajaran di berbagai kohort sekolah atau periode waktu sambil memblokir berdasarkan kohort.
  • Peningkatan kualitas: mengidentifikasi pengaturan mesin mana yang mengontrol tingkat cacat ketika percobaan harus disebar di beberapa shift kerja atau operator.

Cara kerjanya

Cara kerjanya

1

Identifikasi semua faktor eksperimental dan tingkatannya. Dalam desain faktorial penuh, setiap kombinasi faktor-tingkat disertakan: untuk k faktor masing-masing pada dua tingkat, ini menghasilkan 2^k kombinasi perlakuan. Dengan lebih banyak tingkat atau faktor, jumlah percobaan tumbuh dengan cepat, sehingga kelayakan sumber daya harus dikonfirmasi sebelum berkomitmen pada struktur faktorial penuh.

2

Identifikasi satu atau lebih sumber pengganggu — batch waktu, operator, mesin, hari, atau lot bahan baku — yang memperkenalkan variasi sistematis tetapi tidak terkendali. Ini menjadi variabel pemblokiran. Setiap blok harus homogen secara internal, dan jumlah percobaan per blok harus mengakomodasi satu replikasi lengkap dari semua kombinasi perlakuan.

3

Di dalam setiap blok, secara acak tetapkan set lengkap kombinasi perlakuan ke unit eksperimental. Pengacakan di dalam blok melindungi dari tren di dalam blok yang tidak diketahui; pemblokiran itu sendiri menghilangkan perbedaan antar-blok yang diketahui. Jika ukuran blok tidak dapat mengakomodasi semua kombinasi perlakuan, perpanjangan blok tidak lengkap diperlukan sebagai gantinya.

4

Lakukan eksperimen secara ketat sesuai dengan rencana pengacakan terblokir. Catat semua respons seperti yang direncanakan dan dokumentasikan setiap penyimpangan, perubahan peralatan, atau anomali lingkungan. Mempertahankan kepatuhan protokol di dalam setiap blok sangat penting untuk mempertahankan pemisahan yang dimaksudkan antara efek perlakuan dan blok.

5

Sesuaikan model linier yang mencakup faktor pemblokiran sebagai suku aditif bersama dengan semua efek utama dan interaksi faktorial: Y = mu + blok + A + B + AB + ... + error. Suku blok menyerap varians antar-blok, mengurangi kesalahan residual dan meningkatkan presisi estimasi efek faktorial. Tabel ANOVA kemudian diperiksa untuk efek utama dan interaksi yang signifikan.

6

Laporkan estimasi efek faktorial dan plot interaksi dengan efek pemblokiran yang dihilangkan. Nilai signifikansi praktis dan statistik dari efek utama dan interaksi. Verifikasi asumsi model — normalitas residual dan varians konstan di dalam blok. Laporkan struktur blok secara transparan sehingga pembaca memahami gangguan apa yang dikendalikan.

Kesalahan umum

  • Menghilangkan suku blok dari model analisis: menganalisis desain terblokir sebagai lengkap acak membuang pengurangan varians yang dicapai oleh pemblokiran dan meningkatkan kesalahan, mengurangi kekuatan.
  • Memperlakukan variabel pemblokiran sebagai faktor yang menarik secara ilmiah: blok adalah kontrol pengganggu, bukan faktor perlakuan; salah mengklasifikasikan mereka mendistorsi tujuan studi dan alokasi derajat kebebasan.
  • Gagal mengacak percobaan di dalam blok: tanpa pengacakan di dalam blok, tren waktu atau efek pembelajaran operator mengkontaminasi perbandingan perlakuan.
  • Ketidakcocokan ukuran blok: jika setiap blok tidak dapat mengakomodasi satu replikasi penuh dari semua kombinasi perlakuan, asumsi analisis standar rusak — gunakan desain blok tidak lengkap yang seimbang sebagai gantinya.
  • Proliferasi faktor: penambahan lebih banyak faktor dengan cepat memperbanyak percobaan yang diperlukan; di luar empat atau lima faktor, desain faktorial fraksional atau penyaringan hampir selalu merupakan pilihan praktis.

Pertanyaan yang sering diajukan

Apa perbedaan antara desain faktorial penuh terblokir dan desain blok lengkap acak (RCBD)?

RCBD biasanya menguji satu set perlakuan (satu faktor) di dalam setiap blok. Desain faktorial penuh terblokir menguji semua kombinasi dari dua atau lebih faktor di dalam setiap blok, memungkinkan estimasi interaksi. RCBD adalah kasus satu faktor khusus; faktorial penuh terblokir menggeneralisasikannya ke banyak faktor dengan estimasi interaksi penuh.

Bisakah saya memiliki lebih dari satu variabel pemblokiran?

Ya. Desain dengan dua variabel pemblokiran (misalnya, baris dan kolom) disebut ekstensi baris-kolom atau persegi Latin. Namun, penambahan faktor pemblokiran semakin membatasi penetapan dan asumsi tidak adanya interaksi blok-per-blok-per-perlakuan menjadi lebih menuntut. Konsultasikan spesialis DOE saat menggunakan beberapa variabel pemblokiran.

Apa yang terjadi jika ukuran blok saya lebih kecil dari jumlah kombinasi perlakuan?

Analisis faktorial penuh terblokir standar mengharuskan setiap blok berisi tepat satu replikasi lengkap dari semua kombinasi perlakuan. Jika blok lebih kecil, Anda memerlukan desain blok tidak lengkap — seperti desain blok tidak lengkap yang seimbang (BIBD) — di mana tidak setiap perlakuan muncul di setiap blok tetapi keseimbangan keseluruhan dipertahankan.

Haruskah saya menyertakan interaksi blok-per-lakuan dalam model saya?

Secara default, tidak. Asumsi standar adalah bahwa efek blok murni aditif. Menyertakan interaksi blok-per-lakuan mengonsumsi derajat kebebasan dan biasanya tidak dapat dibenarkan. Jika Anda benar-benar mencurigai interaksi semacam itu, pertimbangkan model efek campuran yang memperlakukan blok sebagai acak daripada tetap.

Jumlah faktor saya lima atau lebih — haruskah saya tetap menggunakan faktorial penuh dengan pemblokiran?

Hampir pasti tidak. Faktorial penuh 2^5 memerlukan 32 percobaan per blok, dikalikan dengan jumlah blok. Ini biasanya terlalu mahal. Desain faktorial fraksional atau penyaringan Plackett-Burman yang diikuti oleh faktorial penuh yang terfokus pada faktor-faktor kunci adalah strategi yang jauh lebih praktis.

Metode terkait

Sumber

  1. Montgomery, D. C. (2017). Design and Analysis of Experiments (9th ed.). Wiley.

    ISBN: 978-1119113478
    Disalin.
  2. Fisher, R. A. (1935). The Design of Experiments. Oliver and Boyd.

    Buka referensi publikasi
    Disalin.