Modul 07: Konsep Interaksi & Kelemahan OFAT

Modul 07: Konsep Interaksi & Kelemahan OFAT

Fokus: Beralih dari “Satu Faktor” ke “Multi-Faktor”
Topik Kunci: Main Effect vs Interaction Effect
Referensi: Montgomery (Ch. 5) & Buku Ajar (Bab: Faktorial)

📖 Baca Bab Faktorial

Selamat datang di Level 3. Di sinilah “Modern Experimental Design” dimulai. Sebelumnya kita selalu memegang prinsip: “Ubah satu variabel, yang lain harus tetap (Ceteris Paribus).”

Di modul ini, kita akan membongkar mengapa prinsip itu seringkali SALAH dan BERBAHAYA di dunia nyata.

1. Jebakan OFAT (One-Factor-at-a-Time)
Mitos Sains Dasar:
“Jika kamu ingin tahu pengaruh Suhu Oven, kamu harus menjaga Takaran Gula tetap konstan. Jangan ubah dua-duanya sekaligus, nanti bingung!”

Pendekatan di atas disebut OFAT. Kenapa ini buruk?

Bayangkan Anda membuat kue:

  1. Anda tes Gula (Rendah vs Tinggi) pada Suhu Rendah. Hasil: Gula Tinggi lebih enak.
  2. Anda kunci Gula Tinggi, lalu tes Suhu (Rendah vs Tinggi). Hasil: Suhu Rendah lebih enak.
  3. Kesimpulan OFAT: Gula Tinggi + Suhu Rendah adalah resep terbaik.
KENYATAANNYA: Mungkin saja Gula Tinggi itu butuh Suhu Tinggi agar terkaramelisasi (Enak banget!). Tapi kombinasi ini TIDAK PERNAH ANDA COBA karena Anda melakukan tes satu-satu. Anda melewatkan “Sweet Spot”.
2. Memahami “Interaksi”

Definisi Interaksi sangat sederhana:

“Interaksi terjadi ketika pengaruh Faktor A terhadap respon BERGANTUNG pada level Faktor B.”

Contoh Kasus: Mencuci Pakaian

  • Faktor A: Deterjen (Sedikit vs Banyak)
  • Faktor B: Suhu Air (Dingin vs Panas)

Jika pakai air dingin, nambah deterjen efeknya kecil (karena bubuk gak larut).
Tapi jika pakai air panas, nambah deterjen efeknya DAHSYAT (busa melimpah, kotoran hilang).

Inilah interaksi. Efek deterjen “terkunci” sampai suhu air dinaikkan.

3. Visualisasi: Garis Sejajar vs Silang

Cara termudah mendeteksi interaksi adalah lewat Interaction Plot:

Garis Sejajar (Parallel)

=

TIDAK ADA INTERAKSI
Efek Faktor A sama saja, mau B tinggi atau rendah.

Garis Bersilang (Crossing)

X

INTERAKSI KUAT
Perlakuan terbaik “berbalik arah” tergantung kondisi faktor lain. Ini kondisi paling kritis!

Grafik Diskon-vs-Gratis-Ongkir

Gambar: Hasil Optimasi Mixture Design Nugget

4. Solusi: Desain Faktorial

Untuk menangkap interaksi, kita harus mengubah faktor-faktor secara bersamaan.

Inilah Desain Faktorial. Kita mencoba semua kombinasi yang mungkin. Untuk 2 faktor (A dan B) dengan 2 level (Rendah dan Tinggi), kita punya 4 kombinasi:

  1. A Rendah, B Rendah
  2. A Tinggi, B Rendah
  3. A Rendah, B Tinggi
  4. A Tinggi, B Tinggi (Disinilah interaksi biasanya ditemukan!)

Notasi matematikanya adalah $2^k$.
Dimana 2 adalah jumlah level, dan $k$ adalah jumlah faktor.


📊 Kasus Retail: Jebakan “Diskon Double”

Manager sering berpikir: “Diskon itu bagus. Gratis Ongkir itu bagus. Kalau digabung pasti makin laku keras!”

Tunggu dulu. Cek Interaksinya.

Dalam DoE Faktorial, kita sering menemukan:

  • Faktor A (Diskon 50%): Penjualan Naik.
  • Faktor B (Gratis Ongkir): Penjualan Naik.
  • Interaksi AxB (Diskon + Gratis Ongkir): Penjualan Naik sedikit, tapi PROFIT ANJLOK.

Kenapa? Karena konsumen yang mengejar diskon 50% biasanya tidak peduli ongkir (mereka sensitif harga barang, bukan jasa). Memberikan keduanya adalah pemborosan margin keuntungan (Redundant Benefit).

💡 Insight: DoE menyelamatkan margin profit perusahaan dari promosi yang “berlebihan”.

Tugas Konseptual

Coba cari contoh “Interaksi” dalam kehidupan sehari-hari atau bidang studi Anda.

  • Pertanian: Apakah Pupuk Urea bekerja sama baiknya saat Kemarau vs Hujan?
  • Marketing: Apakah Diskon 50% bekerja sama efektifnya untuk Pelanggan Baru vs Pelanggan Lama?

Jika jawabannya “Tergantung…”, selamat! Anda menemukan interaksi. Itu artinya Anda WAJIB menggunakan Desain Faktorial, bukan OFAT.

Di Modul 08, kita akan belajar cara menghitung efek interaksi ini secara manual (tenang, matematikanya sederhana, cuma tambah dan kurang).

Leave a Comment

Your email address will not be published. Required fields are marked *