II

Desain dan Analisis Eksperimen

2.0

Pengantar Desain Eksperimen (DOE)

Desain eksperimen, seperti disiplin ilmiah lainnya, memiliki terminologi, metodologi, dan pokok
penelitian tersendiri. Judul dari disiplin ilmiah ini sendiri dengan jelas menunjukkan bahwa ia
berhubungan dengan metode eksperimental. Sejumlah besar eksperimen dilakukan dalam penelitian,
pengembangan dan optimalisasi sistem. Penelitian ini dilakukan di laboratorium, pabrik percontohan,
pabrik skala penuh, lahan pertanian, klinik, dan lain-lain. Percobaan mungkin bersifat fisik, psikologis
atau berbasis model. Ini dapat dilakukan secara langsung pada subjek atau pada modelnya. Model
biasanya berbeda dari subjek dalam dimensi dan kadang-kadang sifatnya. Percobaan juga bisa dilakukan
pada model matematika abstrak. Bila sebuah model menggambarkan subjek dengan tepat, eksperimen
pada subjek umumnya digantikan oleh eksperimen pada model. Akhir-akhir ini, karena pesatnya
perkembangan teknologi komputer, model fisik lebih sering digantikan oleh matematika abstrak.

Percobaan mengambil tempat sentral dalam sains, terutama saat ini, karena kompleksitas masalah yang
dihadapi sains. Pertanyaan tentang efisiensi menggunakan eksperimen dipaksakan. J. Bernal telah
membuat perkiraan bahwa penelitian ilmiah disusun dan dilakukan secara cukup kacau sehingga
koefisien kegunaannya sekitar 2%. Untuk meningkatkan efisiensi penelitian, perlu diperkenalkan sesuatu
yang sama sekali baru ke dalam penelitian eksperimental klasik.

Salah satu jenis inovasi bisa, untuk menerapkan metode matematis statistik atau untuk
mengembangkan desain eksperimen-DOE. DOE adalah pendekatan yang direncanakan untuk
menentukan hubungan sebab dan akibat.

Dengan ini, hal-hal berikut ini penting:

1. Pengurangan atau minimisasi jumlah percobaan;

2. Simultan berbagai faktor yang meresmikan kegiatan eksperimen;

3. Pilihan strategi yang jelas yang memungkinkan solusi handal diperoleh setelah setiap urutan
eksperimen.

Metodologi perancangan eksperimen di negara maju membuat ekspansi khusus dalam memecahkan
masalah yang sangat kompleks di semua bidang aktivitas manusia.

Studi kimia dan teknik, seperti untuk bidang lain, didasarkan pada percobaan yang rumit, jangka panjang
dan relatif mahal. Pekerjaan eksperimental termasuk dalam:
Studi fisika dan kimia untuk membangun konstanta dan sifat unsur, senyawa kimia dan bahan;

Analisis rutin bahan baku, zat antara dan produk akhir;

Studi laboratorium untuk merancang dan mengembangkan proses teknologi;

Optimalisasi prosedur teknologi di laboratorium, pilot-plant dan skala penuh

Sistem tanaman;

Optimalisasi campuran atau "komposisi-sifat";

Pemodelan matematis suatu sistem;

Pemilihan faktor dengan signifikansi pengaruhnya terhadap respons nilai terukur;

Perkiraan dan definisi konstanta model teoritis, dll.

Oleh karena itu, dimanapun eksperimen ada harus ada disiplin ilmiah baru yang berhubungan dengan
perancangan dan analisisnya.

Efisiensi penelitian eksperimental ditentukan oleh tingkat presisi dan kelengkapan data dan informasi
tentang sistem yang sedang diuji. Gelar ini dihasilkan dari penerapan metodologi perancangan pada
percobaan dan pada cara diperoleh data eksperimen yang dianalisis. Hal ini penting untuk
mempertimbangkan cara pengumpulan data eksperimental karena ini sangat mempengaruhi pilihan
teknik analisis data yang tepat. Sebelum melangkah lebih jauh, jelaskan bahwa orang yang melakukan
analisis data harus benar-benar menyadari beberapa hal:

Apa tujuan dari penelitian ini?

Apa yang dianggap sebagai temuan penelitian yang signifikan?

Bagaimana data yang akan dikumpulkan dan faktor apa saja yang mempengaruhi tanggapan?

Jika eksperimen telah dirancang atau direncanakan dengan benar, data akan dikumpulkan dalam bentuk
yang paling efisien untuk masalah yang sedang dipertimbangkan. Desain eksperimental adalah urutan
langkah yang awalnya diambil untuk memastikan bahwa data akan diperoleh sedemikian rupa sehingga
analisisnya akan mengarah pada kesimpulan statistik yang valid. Sebelum disain dapat dipilih,
pertanyaan berikut harus dijawab:

Bagaimana mengukur respon dan faktor yang berpengaruh?

Berapa banyak faktor yang akan mempengaruhi respon?

Berapa banyak faktor yang akan dipertimbangkan secara simultan?

Berapa banyak replikasi (pengulangan) percobaan yang akan dibutuhkan?

Apa jenis analisis data yang diperlukan (regresi, ANOVA, dll)?

Tingkat perbedaan efek apa yang dianggap penting?

Tujuan perancangan eksperimen secara statistik adalah mengumpulkan jumlah maksimum informasi
yang relevan dengan pengeluaran waktu dan sumber daya minimum. Penting untuk diingat juga bahwa
desain eksperimen harus sesederhana mungkin dan sesuai dengan persyaratan masalah. Oleh karena
itu, perancangan eksperimen memerlukan pendekatan baru untuk penelitian, yang jauh dari metode
penelitian empiris tradisional (klasik). Pendekatan tradisional menuntut biaya material yang cukup besar
dan memakan waktu lebih lama, karena setiap eksperimen faktor dapat dirancang untuk menyelidiki
satu faktor dalam satu waktu sehingga semua variabel independen lainnya (faktor) dipertahankan
konstan. Inilah yang disebut desain eksperimental clas-sical dan merupakan salah satu yang paling
disukai hampir di kalangan ilmuwan dan insinyur. Pada saat yang sama, faktor tidak lebih dari 4 atau 5
nilai berbeda (tingkat variasi) karena jumlah total uji coba sangat besar. Jika, misalnya, efek dari lima
faktor harus diuji di mana masing-masing bervariasi pada lima tingkat, maka untuk pengujian lengkap
subjek penelitian, sangat penting untuk menyadari 55 = 3125 kombinasi faktor yang berbeda-uji coba
Tanpa replika percobaan yang dimaksudkan untuk mengurangi kesalahan eksperimental. Jumlah titik-
titik eksperimen eksperimental klasik yang diplot sulit disadari, sehingga dalam praktiknya jumlah
mereka berkurang dengan mengorbankan faktor pengurangan ruang-objek yang diselidiki atau tingkat
faktor dari tingkat faktor. Dalam kedua kasus tersebut, kepercayaan akan kesimpulan, berdasarkan hasil
eksperimen, berkurang.

Selain itu, bagian penting dari informasi yang diperoleh dengan cara yang sama tidak berguna oleh
penggunaannya karena mengacu pada wilayah ruang-domain faktor, yang jauh dari opti-mum-nya.
Kesalahan yang lebih drastis pun dimungkinkan jika semua percobaan yang diperlukan dilakukan.
Bagaimana pun, karena konsumsi waktu yang sangat besar, perubahan kualitas bahan baku inlet yang
tidak terkontrol atau tidak terkontrol tidak diperhitungkan. Hasil percobaan pertama dan terakhir dari
sebuah program eksperimental tidak sebanding dari sudut pandang akurasi. Sebagai kelemahan penting
dari eksperimen klasik, ada juga fakta bahwa tidak mungkin untuk memadukan efek interaksi antara
faktor-faktor yang dianalisis. Ini memiliki pengaruh besar pada kesalahan dalam memperkirakan
tanggapan sebagai fungsi faktor yang diamati. Kesulitan tambahan juga muncul dalam perkiraan
kurangnya model matematika yang diperoleh karena kesalahan eksperimental biasanya hilang.
Akhirnya, menafsirkan hasil eksperimen klasik menjadi sulit, karena analisis simultan tidak mungkin
dilakukan karena sejumlah besar tabel dan grafik.

Sebagian besar masalah ini dapat dihindari dengan menerapkan desain eksperimen dan peningkatan
efisiensi penelitian empiris secara simultan. Konsumsi waktu penelitian bisa dikurangi sepuluh kali atau
lebih. Mengacu pada contoh di mana lima faktor dianalisis, adalah mungkin untuk melakukan percobaan
yang dirancang dengan 32 percobaan hanya dengan menggunakan desain rotatable orde kedua. Kasus
diketahui saat, dengan menerapkan desain eksperimen, solusi optimal telah tercapai dan di mana
percobaan classi-cal tidak memiliki solusi dalam jangka waktu yang wajar.

Dengan menggunakan desain eksperimen, intuisi seorang peneliti dikembangkan dan cara berpikirnya
berubah. Oleh karena itu, dapat dikatakan, bahwa perancangan dan analisis suatu percobaan adalah
metode ilmiah dalam menguraikan hasil eksperimen, dalam menemukan solusi optimal dan dalam
penelitian yang memiliki eksperimen sebagai subjeknya.

Dalam kasus umum dan dari sudut pandang matematis, model matematis yang digunakan mungkin
berakhir menjadi fungsi matematika yang rumit.

Respon, fungsi tujuan atau kriteria optimasi mungkin memiliki bentuk:

Y = f (xi, zi, wi) (2.1)

dimana:

Y adalah respon, fungsi tujuan, kriteria optimasi; Xi adalah variabel bebas yang dapat dikontrol, faktor;
Zi, wi adalah variabel dan konstanta yang mempengaruhi y tapi tidak terkendali; F adalah fungsi yang
mendefinisikan hubungan y, xi, zi, wi.

Selain itu, kita juga harus mengingat persamaan dan non-persamaan yang menentukan batasan faktor
yang dapat dikendalikan. Persamaan (2.1) mendefinisikan batasan subjek penelitian. Solusi penelitian
dapat dianggap optimal jika merupakan fungsi respon maksimum dan minimum untuk kendala yang
diberikan.

Harus diingat bahwa setiap model adalah solusi perkiraan dan umumnya bukan deskripsi yang tepat dari
subjek penelitian. Solusi optimal dari sebuah model oleh karena itu dianggap sebagai perkiraan
optimum dari sistem yang sebenarnya. Pernyataan ini baik dan buruk. Sisi baiknya adalah bahwa
modelnya tidak rumit, karena, mendekati sistem yang sebenarnya, mereka harus sangat kompleks. Di
sisi lain, realitas model yang tidak mencukupi mengurangi kepercayaan solusi.

Dalam metode penelitian klasik, tujuan utamanya adalah untuk mendefinisikan peraturan / undang-
undang, yang memiliki kategori absolut, pada tingkat pengetahuan tertentu. Hukum itu baik tanpa
syarat benar atau tidak. Pendekatan semacam itu membuat mempelajari sistem yang rumit sulit, karena
bila banyak faktor memiliki efek kompleks, sulit untuk menemukan sistem matematika yang benar
sesuai dengan hukum. Selain itu, solusi perkiraan tidak masuk akal karena kita tidak dapat
membicarakan undang-undang "buruk" dan "baik". Dalam pendekatan baru untuk memecahkan
masalah, atau dalam desain eksperimen, model matematis tidak terlalu banyak. Ini hanya menawarkan
perkiraan gagasan tentang subjek penelitian dan orang mungkin berbicara tentang model matematis
"baik" dan "buruk". Inti dari desain eksperimen adalah memungkinkan solusi optimal diperoleh
walaupun sebenarnya tidak mungkin untuk mendapatkan model matematika fungsional (deterministik)
dan menentukan aturan secara tepat. Ini adalah karakteristik untuk perancangan eksperimen yang
menggunakan model polinomial karena kualitas aproksimasi dapat ditingkatkan dengan meningkatkan
derajat polinomial. Model semacam ini sangat sesuai untuk memecahkan masalah optimasi karena
sangat penting untuk memperhitungkan efek interaksi dan sejumlah besar faktor. Selain itu, mudah
untuk memperkirakan tingkat kurangnya model polinomial dari pesanan yang berbeda.

Eksperimen yang dirancang atau aktif didasarkan pada penggunaan konsep metodologis umum seperti
analisis regresi dan korelasi, analisis varians, randomisasi, penggunaan ruang faktor yang optimal,
percobaan yang berurutan, replikasi, compact-an informasi, perkiraan statistik, dll. .

Alat analisis matematis regresi digunakan dalam perancangan eksperimen.

Ini berarti bahwa hasil uji coba secara indepen-dently dan biasanya membagi nilai acak dengan varians
yang sama. Dengan kata lain, hasil percobaan di setiap percobaan diperoleh dengan probabilitas
tertentu sehingga distribusi nilai tersebut pada masing-masing percobaan tunduk pada hukum distribusi
normal, dan varians yang khas untuk mereka hampir sama. Undang-undang tentang distribusi hasil
eksperimen diamati karena, nilai acak ditentukan jika undang-undang distribuasinya diketahui.
Tegangannya pada distribusi normal untuk model matik matematis yang digunakan adalah yang paling
efisien. Hukum tentang distribusi data yang normal paling sering dipenuhi dalam praktik. Fakta bahwa
beberapa hasil eksperimen tidak tunduk pada undang-undang ini tidak mengganggu karena dengan
transformasi matematis, yang diberikan pada bagian 1.5, hasil tersebut dapat diturunkan ke undang-
undang distribusi normal. Kesamaan varians ran-dom-value sangat penting dalam eksperimen dengan
jumlah putaran atau perancangan eksperimen minimal karena tingkat kepercayaan mereka. Kondisi ini
terpenuhi jika varians dari satu percobaan sama dengan variansi yang sama dari percobaan lainnya.
Persamaan varians ini diperiksa dengan tes dari bagian 1.5. Dalam kasus ketidaksetaraan, dipecahkan
dengan transformasi identik, sama seperti normalitas distribusi data. Pemeriksaan ini dapat dengan
mudah dilakukan karena replikasi uji coba tersedia dan uji coba yang direplikasi adalah prinsip
perancangan eksperimen.

Salah satu asumsi analisis regresi adalah peningkatan ketepatan pengukuran atau penetapan faktor.
Ketika mengukur atau memperbaiki suatu faktor, kondisi seperti itu direkomendasikan di tempat
dimana kesalahan pengukuran faktor tidak terbandingkan lebih kecil bila dibandingkan dengan
kesalahan dalam menentukan respons.

Pengacakan juga merupakan ide penting dalam perancangan eksperimen. Ini berkaitan dengan urutan
acak dalam melakukan uji coba sehingga membatalkan pengaruh faktor sistemik atik, yang sulit untuk
distabilkan dan kontrol. Dengan cara ini salah satu konsep utama eksperimen klasik, berkaitan dengan
perlunya memperbaiki faktor distal-bance, terganggu. Pengacakan adalah sarana yang digunakan untuk
menghilangkan bias pada unit eksperimen dan / atau perlakuan kombinasi-uji coba. Jika datanya acak,
aman untuk berasumsi bahwa mereka didistribusikan secara independen. Kesalahan yang terkait
dengan unit eksperimen, yang berdekatan dalam ruang atau waktu akan cenderung berkorelasi,
sehingga melanggar asumsi independensi. Pengacakan membantu membuat korelasi ini sekecil mungkin
sehingga analisis dapat dilakukan seolah asumsi independensi itu benar adanya.

Gagasan konsep sukses dalam melakukan eksperimen adalah sebagai berikut. Penelitian empiris harus
terdiri dari tahapan atau rangkaian percobaan terpisah yang terpisah dan tidak merancang penelitian
eksperimental lengkap terlebih dahulu. Eksperimen aktif harus memiliki sifat suksesi, atau setiap tahap
berikutnya diproyeksikan dan dideklarasikan berdasarkan hasil uji coba sebelumnya.
Optimalitas penggunaan ruang faktor untuk eksperimen multifaktor yang memadai berarti peningkatan
efisiensi eksperimen yang sebanding dengan peningkatan jumlah faktornya.

Perkiraan presisi koefisien regresi model polinom meningkat seiring dengan peningkatan jumlah faktor,
karena diameter ruang faktor, di mana variasi batas masing-masing faktor terbengkalai, juga meningkat.

Konsep kekompakan informasi mengacu pada analisis hasil percobaan yang telah ditandatangani. Ini
berarti hasil akhir tidak memerlukan sejumlah besar tabel dan grafik.

Konsep estimasi statistik mengacu pada tingkat ambang atau tingkat signifikansi dimana perkiraan
parameter, model atau solusi dapat diterima atau ditolak.

Akhirnya, harus ditunjukkan sekali lagi bahwa mendapatkan informasi yang tepat dan lengkap mengenai
kimia atau sistem fisik yang dipelajari, dengan sejumlah eksperimen mini dan biaya serendah mungkin,
adalah kondisi yang diperlukan untuk efisiensi. Pekerjaan penelitian Oleh karena itu, penerapan metode
matematika dan statistik modern dalam merancang dan menganalisis hasil eksperimen adalah
kebutuhan nyata di semua bidang dan fase kerja, dimulai dengan pertimbangan teoritis murni dari
sebuah proses, penelitian dan pengembangannya, sampai pada perancangan peralatan dan
Mempelajari kondisi operasional pabrik yang optimal.

Semua metodologi penelitian empiris dapat dibagi menjadi dua kelompok besar:

Klasik atau pasif,

Aktif atau dirancang secara statistik.

Desain eksperimen klasik - satu faktor pada satu waktu

Percobaan dapat dirancang untuk menyelidiki satu faktor dalam satu waktu sehingga semua faktor
variabel independen lainnya tetap konstan. Inilah yang disebut desain eksperimental klasik. Percobaan
klasik berarti meneliti hubungan timbal balik antara variabel sistem, di bawah "kondisi yang disesuaikan
secara khusus".

Mari kita amati contoh penelitian sistem dimana efek faktor k pada tingkat p ditentukan. Seperti yang
telah kita sebutkan di atas, sistem klasik dari percobaan memberi setiap faktor untuk diuji pada tingkat p
sementara yang lain tetap konstan pada nilai tetap tertentu. Jumlah percobaan yang harus dilakukan
dengan skema ini adalah:

N = k (p-1) +1 (2.2)

Asumsikan kita memiliki produksi dalam reaktor kimia dimana produk menghasilkan y pada dasarnya
dipengaruhi oleh tiga faktor: suhu campuran reaksi X1, tekanan X2 dalam reaktor dan waktu reaksi X3.
Jika semua faktor berubah pada dua tingkat (p = 2) maka program penelitian dicakup oleh empat uji
coba (N = 4). Nilai faktor tingkat rendah ditandai dengan simbol "-" dan huruf yang lebih tinggi dengan
"+". Kondisi melakukan setiap putaran ditunjukkan pada Tabel 2.1.
Tabel 2.1 Kombinasi eksperimental

Jumlah kombinasi tingkat faktor y Keterangan

percobaan
X1 X2 X3
1 - - - y1 Rujukan lari
2 + - - y2
3 - + - y3
4 - - + y4

Setelah menyadari setiap percobaan, adalah mungkin untuk menentukan faktor efek pada hasil produk:

EX1 = y2-y1; Efek suhu pada hasil;

EX2 = y3-y1; Efek tekanan pada hasil; (2.3)
EX3 = y4-y1; Efek waktu pada hasil;
Berdasarkan analisis data dapat disimpulkan bahwa:

Kurangnya kesalahan eksperimental;

Kurangnya efek interaksi;

Hasil percobaan referensial (y1) terlalu tinggi untuk digunakan tiga kali dalam menentukan efeknya.

Berdasarkan analisis semacam ini, peneliti dapat memutuskan untuk memeriksa ketepatan hasil dengan
mengulangi uji coba. Presisi adalah pengulangan hasil percobaan tertentu. Namun, terlepas dari
kemungkinan menentukan kesalahan eksperimental, trial trial tidak menawarkan informasi baru.

Desain statistik eksperimen-DOE

Kekurangan yang disebutkan di atas dari desain klasik suatu percobaan dapat secara efisien dihapus dan
diatasi dengan perancangan statistik dan perhitungan hasil yang diperoleh dengan menggunakan
metode analisis statistik.

Jika untuk contoh yang dipelajari, alih-alih pengulangan, program eksperimental diperluas dengan
kombinasi tingkat faktor-uji coba tambahan, seperti ditunjukkan pada Tabel 2.2, kita mendapatkan
percobaan dengan delapan percobaan.

Tabel 2.2 Kombinasi eksperimental tambahan

Jumlah kombinasi tingkat faktor y Keterangan

percobaan
X1 X2 X3
5 + + - y5
6 + - + y6
7 - + + y7
8 + + + y8

Sebuah desain lengkap dari penelitian eksperimental, yang mencakup semua delapan titik desain,
adalah salah satu rancangan eksperimen statistik yang paling terkenal, yang disebut rancangan faktorial
penuh.

Rancangan eksperimen faktorial, dikombinasikan dengan metode analisis data statistik, menawarkan
informasi yang lebih luas dan lebih berbeda mengenai sistem, sementara konsekuensinya lebih banyak
kegunaan. Hasil dari semua delapan berjalan dalam ujian yang dianalisis berfungsi untuk menentukan
efek faktor, dengan tujuh uji coba merupakan kemungkinan independen untuk menguji efek dan satu
penyajian untuk perbandingan mereka dengan nilai tetap yang dipilih.

Tabel 2.3 Kendali faktorial design2k

Jumlah kombinasi tingkat Faktor Keterangan Tanggapan

Percobaan y
X1 X2 X3

1 - - - y1 sidang referensi
2 + - - y2
3 - + - y3
4 + + - y4
5 - - + y5
6 + - + y6
7 - + + y7
8 + + + y8

EX1 = (y2 + y4 + y6 + y8) / 4- (y1 + y3 + y5 + y7) / 4

EX2 = (y3 + y4 + y7 + y8) / 4- (y1 + y2 + y5 + y6) / 4
EX3 = (y5 + y6 + y7 + y8) / 4- (y1 + y2 + y3 + y4) / 4
EX1X2 = (y1 + y4 + y5 + y8) / 4- (y2 + y3 + y6 + y7) / 4 (2.4)
EX2X3 = (y1 + y2 + y7 + y8) / 4- (y3 + y4 + y5 + y6) / 4
EX1X3 = (y1 + y3 + y6 + y8) / 4- (y2 + y4 + y5 + y7) / 4
EX1X2X3 = (y2 + y3 + y5 + y8) / 4- (y1 + y4 + y6 + y7) / 4

Seperti yang telah dikatakan sebelumnya, dalam kasus percobaan klasik, yang dengan replikasi memiliki
N = 204 = 8 percobaan, hasil dari tiga percobaan digunakan untuk menetapkan faktorial faktorial, satu
sebagai nilai referensi dan empat sisanya untuk Menentukan kesalahan eksperimental Kelebihan desain
faktorial terbukti dan terbukti menjadi eksperimen terbaik dengan sejumlah besar faktor. Keuntungan
dasar desain eksperimen bila dibandingkan dengan satu faktor pada satu waktu klasik, adalah sebagai
berikut:
Itu memungkinkan dugaan keabsahan fenomena dalam eksperimen

Ruang-domain secara keseluruhan, dan karena itu kesimpulan gambar pada hasil adalah nilai kegunaan
yang lebih luas;

Ini menawarkan kemungkinan pengujian yang lebih luas, efek faktor yang bervariasi pada hasil akhir,
karena hasil semua uji coba digunakan untuk perhitungan efeknya;

Hal ini memungkinkan pembentukan ukuran interaksi faktor, terlebih lagi, ini adalah

Hanya cara interaksi semacam itu dapat ditentukan;

Keakuratan data dari percobaan aktif dicapai melalui uji coba yang dirancang secara statistik lebih
sedikit, yaitu pada jumlah percobaan yang sama yang aktif.

Percobaan menawarkan informasi yang lebih lengkap dan tepat;

Tujuan penelitian akhir yang ditetapkan dicapai dengan cara yang sistematis, terpikirkan dengan baik
dan terorganisir dalam waktu singkat dengan biaya yang jauh lebih rendah dan biaya bahan serendah
mungkin;

Dalam eksperimen klasik seseorang biasanya tidak dapat memperhitungkan perubahan yang tidak
terkendali, kesalahan akibat variasi material, kesalahan bias dan

Kesalahan yang dihasilkan dari urutan pengujian;

Percobaan klasik memiliki kekurangan informasi tentang kesalahan eksperimental,

Yang berfungsi sebagai perkiraan kurangnya kecocokan untuk model matematis yang diperoleh;

Saat melakukan eksperimen klasik, seseorang memperoleh tabel dan grafik kikuk yang sulit untuk
analisis simultan;

Eksperimen aktif menghilangkan salah satu asumsi utama eksperimen klasik berkaitan dengan perlunya
memperbaiki faktor gangguan. Seorang peneliti secara sadar disarankan untuk membuat situasi acak-
acak sehingga sulit untuk menstabilkan dan faktor yang tidak terkontrol bisa memiliki karakter acak;

Eksperimen aktif memiliki properti berturut-turut, atau setiap tahap berikutnya diproyeksikan dan
dirancang berdasarkan hasil serangkaian uji coba sebelumnya;

Eksperimen aktif mengubah cara penalaran eksperimen,

Meningkatkan intuisi dan membuatnya aktif dalam memproyeksikan tahap percobaan lebih lanjut,
memerlukan penggunaan latar belakang empiris dan ilmiah;
Eksperimen klasik adalah kasus khusus dari rancangan statistik eksperimental eksperimental dimana
efek individual dari faktor-faktor tertentu pada respons sistem diuji. Dari sudut pandang matematis,
eksperimen klasik menawarkan efek pararatif, sementara yang aktif memberikan efek total, karena
dengan itu semua faktor secara simultan bervariasi dalam percobaan.

Tabel 2.4 menunjukkan rancangan statistik dasar untuk semua jenis faktor kuantitatif dan kategoris-kal /
kualitatif.

Tabel 2.4 Desain DOE Dasar

Faktor Desain Eksperimental Aplikasi

Desain komparatif sederhana Kategoris / kualitatif dan Cek metode, pengujian

Efek faktor tunggal kuantitatif
Random blok dan Latin Perbedaan antara batch, Perhitungan efek dengan
Perawatan kuadrat, sampel eliminasi ketidaksetaraan
Kondisi eksperimental
Desain replikasi fraksional Kategorik / kualitatif dan Skrining faktor
kuantitatif
Desain keseimbangan acak Kategorik / kualitatif dan Skrining faktor
kuantitatif
Desain faktorial penuh Kategoris / kualitatif, pilihan faktor, perhitungan
Kuantitatif dan kombinasi efek utama dan interaksi
Model regresi kuantitatif terkuat komposit Sentral kedua
Desain pesanan
Model regresi Kuantitatif ortogonal komposit linier kedua
Desain pesanan
2.1
Pemeriksaan Pendahuluan Perihal Penelitian

2.1.1
Mendefinisikan Masalah Penelitian
Penelitian eksperimental sistem harus didahului dengan pemeriksaan pendahuluan terhadap subjek
penelitian yang bertujuan memperoleh informasi yang diperlukan untuk menentukan tujuan penelitian.

Pendekatan modern terhadap penelitian eksperimental mengandaikan bahwa untuk mendapatkan

solusi optimal, perlu mendefinisikan masalah penelitian dengan benar. Ini harus didefinisikan
sedemikian rupa untuk memungkinkan algoritma dan metode yang paling efisien dari percobaan yang
telah ditandatangani. Untuk definisi konkret dari masalah penelitian, perlu untuk merumuskan dengan
jelas tujuannya, memilih model subjek penelitian dan menganalisis informasi pra-limunnya. Perhatian
khusus harus diberikan pada kondisi pengaturan dalam masalah dengan mengacu pada kemampuan
pabrik percobaan yang ada. Langkah selanjutnya adalah pemilihan desain awal eksperimen. Saat
memilihnya, seseorang harus memperhitungkan semua keunikan masalah penelitian dan semua
eksperimen eksperimen yang diketahui harus dianalisis dalam hal ini. Desain atau metode yang paling
efisien dalam kasus analisis tertentu dipilih. Metode dan desain eksperimen untuk tahap penelitian lebih
lanjut akan dipertimbangkan setelah menyelesaikan dan menganalisis penelitian sebelumnya. Seperti
Gambar. 2.1 menunjukkan, pendekatan baru untuk penelitian eksperimental memerlukan persiapan
penelitian yang telah dilakukan sebelumnya untuk meningkatkan efisiensi eksperimen.

Tujuan penelitian dapat didefinisikan jika subjek penelitian atau sub-ject optimasi didefinisikan, jika
persyaratannya diketahui dan jika ada interaksi yang mengubah kualitas subjek penelitian dengan
perubahan persyaratan.

Langkah selanjutnya adalah pilihan model subjek penelitian. Telah dikatakan sebelumnya bahwa desain
eksperimen didasarkan pada konsep cybernetic tentang subjek penelitian. Oleh karena itu, "kotak
hitam" direkomendasikan sebagai model subjek penelitian, yang akan dipengaruhi oleh berbagai faktor
yang dapat dikontrol.
2.1 Preliminary Examination of Subject of Research 167

Procedure after obtaining research results

Defining optimum
Maintaining optimum

Compromise solution
 Determining partial optimums

Third-order model

Second-order model

Movement to optimum region

Forming linear model

Screening experiment

Preliminary experiment

Analysis of Defining research

design of subject Experimental

experiment

design
Defining
problem

Research Research subject

Experimental plant
objective model

Requirements Optimizatio
n Factors Limits Null

for optimization criteria point

subject

defining optimization
subject
 Formalization of priori information

Study of Experts
Use of data Forecasting
opinion
references s

Procedure

Z Z
Z1 2 p

y
X1 1

X2 Research y2

y3
subject

X ym
k

W W W0
1 2

Variabel input dapat dikontrol, tidak terkendali dan variabel gangguan. Variabel Controlla-ble atau faktor
X1, X2, ..., Xk adalah variabel, yang dapat diarahkan atau yang dapat mempengaruhi subjek penelitian
untuk mengubah respons. Mereka bisa numerik (contoh: suhu) atau kategoris (contoh: supplier bahan
baku). Variabel uncontrolla-ble Z1, Z2, ..., Zp diukur dan dikendalikan selama percobaan tetapi tidak
dapat diubah sesuai keinginan kita. Mereka bisa menjadi penyebab utama variabilitas dalam tanggapan.
Sumber variabilitas lainnya adalah penyimpangan seputar titik setel faktor yang dapat dikontrol,
ditambah kesalahan sampling dan pengukuran. Selanjutnya, sys-tem itu sendiri mungkin terdiri dari
bagian-bagian yang juga menunjukkan variabilitas. Gangguan, variabel yang tidak terkontrol W1, W2, ...,
WQ tidak dapat diukur dan nilainya berubah secara acak pada waktunya.

Faktor mungkin memiliki nilai terkait yang disebut tingkat variasi. Setiap keadaan kotak hitam memiliki
kombinasi tingkat faktor yang pasti. Keadaan yang lebih berbeda dari kotak hitam yang ada, semakin
kompleks subjek penelitian. Formalisasi informasi pendahuluan meliputi: analisis data referensi,
pendapat ahli dan penggunaan data langsung, yang memungkinkan pemilihan tanggapan, faktor, dan
titik nol atau percobaan yang benar. Keterbatasan faktor juga didefinisikan pada tahap ini. Jika
penelitian dikaitkan dengan beberapa tanggapan berikut, maka keterbatasan respon juga harus
dianalisis. Tahap selanjutnya mengacu pada pendefinisian masalah penelitian. Ketika mendefinisikan
masalah ini, seseorang harus selalu mengingat model penelitian-subjek, dan dalam kasus umum, Persis.
(2.1) yang mendefinisikan hubungan antara saluran masuk dan outlet dari kotak hitam. Mendefinisikan
masalah penelitian hanya mungkin sekarang bila tujuannya telah ditentukan, kriteria yang ditetapkan,
faktor, batasan dan nihil yang ditetapkan.

Dalam kasus beberapa kriteria optimasi atau optimasi multiple response masalah menjadi sangat
kompleks.

Mendefinisikan tujuan penelitian dengan kesulitannya dapat dibagi menjadi tiga tingkatan:

Faktor penyaringan mengenai signifikansi statistik pengaruhnya terhadap respons;

Mendapatkan model matematis subjek penelitian;

Optimalisasi subjek penelitian.

Optimalisasi subjek penelitian adalah masalah penelitian yang paling sulit. Harus segera dicatat bahwa
masalah optimasi yang berbeda muncul dalam praktek. Dalam kebanyakan kasus, masalah ekstrem
hadir, masalah dalam mencari ekstrem (minima dan maxima) fungsi respons dalam kasus satu respons
dan dengan keterbatasan faktor. Sebagian besar masalah seperti itu harus dilakukan dengan
menemukan titik maksimum parameter arus masuk dan minimum inlet. Ada situasi juga dimana
perbaikan respon sehubungan dengan keadaan awal dalam null point diperlukan. Seringkali, ada
permintaan untuk menemukan optimal lokal jika ada lebih dari ini.

Menemukan model matematis dari subjek penelitian adalah tingkat yang lebih rendah dari suatu tujuan
penelitian. Hal ini wajib untuk sejumlah besar masalah. Kewajiban ini datang setelah akhir penyaringan
faktor atau setelah menemukan yang optimal. Bentuk umum dari bentuk matematis penelitian adalah:

Y = j (X1, X2, ..., Xk) (2.5)

dimana:

Y adalah respon, kriteria optimasi, nilai yang diukur selama percobaan; X1, X2, ..., Xk-adalah faktor
terkendali yang berubah selama percobaan berlangsung.

Fungsi tujuan dalam hal ini dapat disebut fungsi respon karena secara harfiah respon terhadap
perubahan faktor. Geometris, permukaan respons sesuai dengan fungsi respon.

Telah dikatakan sebelumnya bahwa kita menggunakan model polinomial dalam desain eksperimen.
Dengan demikian, pada prinsipnya, perkiraan fungsi respons (2,5) oleh polinomial.

Kkk
PPP
Y ¼ b0 þ bi Xi þ bij Xi Xj þbii Xii2 þ ::: (2.6)
I¼1 i; j¼1 i¼1

dimana:
B0, bi, bij, bii adalah koefisien regresi teoritis atau polinomial.

Berdasarkan nilai eksperimen, koefisien regresi riil diperkirakan, sehingga:

Kkk
^ P P P 2 (2.7)
¼ b0 þ bi Xi þ bij Xi Xj þ þ :::
Y i¼1 bii Xii
I¼1 i; j¼1

dimana:

Nilai diprediksi-dihitung,
B0, bi, bij, bii adalah koefisien regresi nyata.

Dari nilai koefisien regresi, seseorang dapat memperkirakan pengaruh faktor atau tingkat pengaruh
faktor terkait pada respons.

2.1.2 Pemilihan Tanggapan

Pemilihan tanggapan merupakan salah satu masalah yang paling penting dalam studi pendahuluan
subjek penelitian, karena definisi tujuan penelitian yang benar berarti pemilihan tanggapan yang benar.
Pilihan tanggapan yang salah membatalkan semua kegiatan penelitian lebih lanjut. Bergantung pada
subjek dan tujuan penelitian, parameter atau respons optimal mungkin sangat berbeda. Untuk
memformalkan prosedur pemilihan tanggapan, tanpa niat rinci dan lengkap, Gbr. 2.3 memberikan
diagram blok parameter optimasi yang paling sering digunakan.

Diagram blok ini mencakup tanggapan yang paling sering digunakan dalam praktik dan dapat membantu
peneliti untuk menemukan jalannya dalam situasi nyata. Situasi nyata adalah peraturan yang sangat
kompleks dan biasanya memerlukan analisis simultan dari beberapa respons sistem.
Optimization parameters

Economic Techno economic Technical-technological Other

 Psychological

Loss Cost effectiveness Yield

Statistical

Productivity Durability

Esthetic

Total cost Security

Physical

properties
Stability

Time needed Coefficien

t Mechanical Microbiological
for experiment of
usefulness properties properties

Optimalisasi subjek penelitian semacam itu dapat dilakukan hanya bila parameter pengoptimalan unik
telah dipilih. Dalam kasus seperti ini, semua respons lainnya bukanlah parameter pengoptimalan namun
dianggap sebagai kendala. Cara lain adalah dengan membuat satu, apa yang disebut respons umum, dari
semua tanggapan yang teruji.

Untuk parameter subjek penelitian menjadi respon, ia harus memenuhi beberapa ketentuan tertentu.
Tanggapannya adalah:

kuantitatif,

tunggal,

Efektif secara statistik,

universal,

Realistis secara fisik,

sederhana,

Mudah terukur
Respon sistem harus kuantitatif, yaitu propertinya harus kemampuannya untuk diekspresikan oleh
ciphers. Cara pengukurannya dalam kombinasi faktor, yang menentukannya, juga harus diketahui.
Jumlah nilai yang diambil oleh sebuah respon disebut domain respons. Domain penentuan parameter
optimasi mungkin kontinyu dan diskrit, terbatas dan tidak terbatas. Hasil reaksi kimia, misalnya, adalah
respons terbatas dan kontinu untuk perubahan terus menerus dalam kisaran terbatas dari 0 sampai
100%. Jumlah produk yang ditolak dan jumlah kerusakan tanaman adalah contoh diskrit dan (di satu sisi)
daerah terbatas penentuan respon. Bila tidak mungkin untuk menentukan respons secara kuantitatif,
kita menggunakan metode rangking. Dengan metode ini, perkiraan atau peringkat yang pasti
berhubungan dengan parameter pengoptimalan dengan skala yang telah ditentukan sebelumnya.
Respon peringkat yang diperoleh memiliki wilayah penentuan terbatas diskrit. Peringkat adalah
perkiraan respons kuantitatif dengan tingkat subjektivitas yang pasti, yaitu dikaitkan dengan makna
respons kualitatif. Untuk setiap respon terukur secara fisik adalah mungkin untuk membuat tanggapan
dengan barisan. Dengan demikian kita harus mengingat fakta bahwa metode peringkat memberi
respons yang kurang sensitif, yang membuat belajar efek yang lebih baik tidak mungkin dilakukan.

Singularitas respons adalah suatu sifat dari parameter kuantitatif dimana satu dan hanya satu nilai
respon, dengan presisi sampai dengan ukuran kesalahan eksperimental, memberikan respons terhadap
kombinasi faktor yang pasti. Jelas bahwa kebalikannya tidak valid, karena beberapa kombinasi faktor
mungkin sesuai dengan satu nilai respons.

Selain dua sifat tersebut, parameter optimasi juga harus efektif secara statistik. Properti respons ini
diturunkan berdasarkan parameter opti-mization dengan ketepatan penentuan tertinggi. Bila ketepatan
respon ini tidak mencukupi, jumlah percobaan meningkat.

Universalitas parameter pengoptimalan berarti karakterisasi banyak sisi dan total dari subjek penelitian.
Sehubungan dengan universalitas, parameter optimasi teknologi tidak cukup universal karena tidak
termasuk properti seperti efisiensi biaya suatu proses. Parameter optimasi umum memiliki universalitas,
karena merupakan fungsi dari jumlah properti individu yang diperlukan.

Keinginan lain untuk parameter optimasi juga memiliki pengertian fisik, sederhana dan mudah diukur.
Rasa respon fisik ada kaitannya dengan hasil interpretasi, dan kesederhanaan dan kemudahan
pengukuran saat melakukan percobaan.

Sehubungan dengan subjek penelitian sebagai sebuah sistem, yang mungkin terdiri dari beberapa
subsistem, harus diingat bahwa dalam kasus ini kita dapat berbicara tentang parameter optimasi lokal.
Menemukan optima lokal sering tidak berarti bahwa kita memiliki optimal untuk keseluruhan sistem.

Terlepas dari persyaratan yang dianalisis yang harus dipenuhi oleh optimalisasi para meter, orang juga
harus memilih saat memilih, ingatlah fakta bahwa parameter ini mempengaruhi, sampai titik tertentu,
pilihan model subjek penelitian. Parameter ekonomi adalah karena sifatnya aditif, sehingga mudah
dimodelkan dengan fungsi sederhana, yang tidak sesuai dengan respons fisik dan kimia.

2.1.2.1 Subjek Penelitian dengan Beberapa Responses

Masalah penelitian dengan satu respon niscaya memiliki keuntungan. Namun, dalam praktiknya,
kebanyakan kita bertemu dengan subyek penelitian dengan beberapa tanggapan, yang seringkali berarti
sejumlah besar tanggapan. Jadi, misalnya, saat memproduksi karet, plastik dan bahan komposit lainnya
orang harus memperhitungkan respons seperti: fisik-kimia, teknologi, ekonomi, mekanik (kekuatan tarik,
pemanjangan, modul, dll.) Dan lain-lain. Seseorang dapat menentukan model matematis untuk masing-
masing tanggapan yang disebutkan namun optimasi simultan beberapa fungsi secara matematis tidak
mungkin dilakukan.

Dalam kasus seperti ini biasanya kita melakukan optimasi dengan satu respon, yang menurut definisi
tujuan penelitian, adalah yang terpenting, sedangkan untuk yang lain kita menerapkan batasan. Hal yang
berguna dalam situasi seperti itu adalah menemukan kemungkinan mengurangi jumlah tanggapan. Di
sinilah analisis korelasi masuk. Dengan menggunakan analisis hubungan-hubungan, seseorang harus
menentukan pasangan koefisien korelasi antara semua respons yang mungkin.

Jika satu respon ditandai y1, dan yang lainnya y2 dan jika jumlah putaran yang diukur adalah N, maka
koefisien korelasinya jika u = 1, 2, ..., N jumlah percobaan, diberikan oleh ekspresi:
Ry1 y2 ¼ "uN 1 ðy1u y1 Þðy2u y2 Þ #," uN 1 ðy1u y1 Þ2 ðy2u y2 Þ2 # 1 = 2 (2.8)
PP
¼¼
dimana:
NN
PP
¼ y2u = N
Y1 ¼ y1u = N y2
U¼1 u¼1

Dari analisis korelasi diketahui bahwa nilai koefisien korelasi terletak antara -1 dan +1. Jika kenaikan nilai
satu respons menyebabkan kenaikan yang lain, koefisien korelasinya memiliki nilai positif. Semakin
dekat nilai koefisien korelasi menjadi satu, semakin besar nilai satu respons tergantung pada nilai yang
lain, yaitu ada hubungan linier antara tanggapan sehingga hanya satu respons yang dapat diikuti pada
subjek penelitian yang sebenarnya.