Outline of Planning of
subsequent
Understanding of
present situaition
experiment design experiment
procedure
Recommendation Choice of
and follow-up response
management variables
Choice of factors
Confirmation test
and levels
Analysis of Selection of
results and experimental
conclusions design
Performing the
Data analysis
experiments
Discrete (attribute)
• Sample discrete: data yang dapat dihitung, seperti jumlah cacat dan jumlah titik
kecil
• Fixed marginal discrete: data jumlah individu dari n individu yang
diklasifikasikan ke dalam beberapa kategori: misalnya, ketika seseorang
mengklasifikasikan penampilan n objek sebagai sangat baik, baik, cukup, atau
buruk
• Multi discrete: jumlah cacat adalah nilai diskrit sederhana. namun, jumlah cacat
besar, sedang, dan kecil dihitung: angka-angka ini adalah data multi-diskrit. ini
mengacu pada kasus di mana ada beberapa kelas dan jumlah unit per kelas
dihitung
Continuous (variable)
• Simple continuous: nilai berkelanjutan standar seperti berat, kekerasan, dan
kekuatan Tarik
• Multi fractional continuous: nilai-nilai ini muncul ketika data dari masing-
masing kategori bukan merupakan jumlah unit individu, seperti pada nilai
diskrit marjinal tetap, tetapi persentasenya, misalnya, sangat baik 25,7%, baik
20,9%, cukup 39,2%, dan buruk 14,2%. total harus 100%
• Multi variable continuous: berat total apel dalam satu pohon adalah nilai
kontinu yang sederhana. namun, ketika apel, misalnya, dalam satu pohon
diklasifikasikan sebagai kelas satu, 15 kg; kelas dua, 20,9 kg; dan kelas tiga, 5,5
kg, maka ini adalah data multi variabel