Modul 10: Blocking & Confounding (Memecah Eksperimen)
Mari kembali ke dunia nyata. Anda ingin melakukan Desain Faktorial 23 (3 Faktor: A, B, C). Artinya Anda butuh 8 kali percobaan.
Masalah: Bahan baku satu batch (adonan) hanya cukup untuk 4 kali percobaan. Anda terpaksa menggunakan Dua Batch berbeda.
Kita tahu Batch 1 dan Batch 2 pasti punya sedikit perbedaan kualitas.
Bagaimana cara membagi 8 percobaan ke dalam 2 Batch (Blok) tanpa merusak hasil analisis? Jawabannya: Teknik Confounding.
1. Dilema Pembagian Blok
Jika kita membagi sembarangan:
- Blok 1: Semua yang A-nya Tinggi (+)
- Blok 2: Semua yang A-nya Rendah (-)
Maka, jika hasil di Blok 1 lebih bagus, kita akan bingung: “Ini bagus karena Faktor A-nya tinggi, atau karena Blok 1-nya emang bahannya lebih bagus?”
Kondisi ini disebut Terconfounded (Tercampur/Teracaukan). Efek A tidak bisa dibedakan dari Efek Blok. Ini HARUS DIHINDARI untuk efek utama.
2. Strategi Pengorbanan (Confounding)
Karena kita punya 2 Blok, pasti ada satu efek yang akan tercampur dengan efek Blok. Kita harus memilih efek yang paling tidak penting.
SELAMATKAN: Efek Utama (A, B, C) dan Interaksi 2 Arah (AB, AC, BC)
Kenapa ABC? Karena interaksi 3 faktor seringkali sulit dijelaskan secara fisik dan nilainya biasanya sangat kecil (negligible). Jadi, biarlah Efek ABC tercampur dengan Efek Blok. Kita ikhlas tidak bisa menghitung ABC, asalkan A, B, dan C aman.
3. Cara Membagi ke Dalam 2 Blok
Bagaimana menentukan mana yang masuk Blok 1 dan Blok 2? Lihat tanda **Interaksi ABC**.
Ingat: Tanda ABC didapat dari perkalian tanda A x B x C.
Masukkan kombinasi run dimana ABC = (-)
- (a) : A+, B-, C- → (+)(-)(-) = + (Salah)
- (b) : A-, B+, C- → (-)(+)(-) = + (Salah)
- (c) : A-, B-, C+ → (-)(-)(+) = + (Salah)
- (abc): A+, B+, C+ → (+)(+)(+) = + (Salah)
- Tunggu, kita cari yang negatif:
- (1) : — → (-)(-)(-) = – (Masuk!)
- (ab) : ++- → (+)(+)(-) = – (Masuk!)
- (ac) : +-+ → (+)(-)(+) = – (Masuk!)
- (bc) : -++ → (-)(+)(+) = – (Masuk!)
Sisanya masuk sini:
- a (Hanya A tinggi)
- b (Hanya B tinggi)
- c (Hanya C tinggi)
- abc (Semua tinggi)
4. Apa Konsekuensinya?
Setelah eksperimen selesai dan data diolah (ANOVA):
- Anda akan mendapatkan nilai Efek A, B, C, AB, AC, BC yang MURNI (bebas dari gangguan perbedaan batch).
- Namun, software tidak akan memunculkan nilai Efek ABC. Atau software akan bilang: “ABC is aliased with Block”.
- Artinya: Nilai yang ada di posisi ABC adalah campuran antara interaksi ABC + Perbedaan Batch 1 & 2. Karena tercampur, data itu tidak bisa dipakai.
Inilah harga yang harus dibayar demi kelayakan operasional.
Tugas Pemahaman
Bayangkan Anda punya desain 4 Faktor (24 = 16 run). Anda harus membaginya menjadi 2 Blok (masing-masing 8 run).
- Efek apa yang harus dikorbankan? (Hint: Cari interaksi tertinggi).
- Jawabannya adalah Interaksi ABCD.
Next Step: Teknik “Pengorbanan” ini adalah dasar dari Modul 11: Fractional Factorial. Bagaimana jika kita tidak cuma memecah eksperimen, tapi kita MEMBUANG setengah eksperimennya untuk menghemat biaya? Teknik ini dipakai oleh industri otomotif Jepang untuk mempercepat R&D.