Desain faktorial: prinsip dan penerapan

Perancangan Eksperimen dengan Python

James Chapman

Curriculum Manager, DataCamp

Memahami desain faktorial

 

  • Pelajari beberapa variabel independen/faktor dalam satu eksperimen
  • Uji setiap kombinasi level faktor
  • Temukan efek langsung dan interaksi antar faktor

Sebuah eksperimen yang menunjukkan bagaimana kondisi cahaya dan jenis pupuk memengaruhi pertumbuhan tanaman.

1 Image Generated with DALL·E 3
Perancangan Eksperimen dengan Python

Contoh data desain faktorial

  • Faktor 1 (Light_Condition) - dua level: Full Sunlight dan Partial Shade
  • Faktor 2 (Fertilizer_Type) - dua level: Synthetic dan Organic
  • Variabel respons/dependen/luaran numerik: Growth_cm
plant_growth_data.head()
   Plant_ID  Light_Condition  Fertilizer_Type  Growth_cm
0         1    Full Sunlight        Synthetic  16.489735
1         2    Partial Shade          Organic  18.361689
2         3    Full Sunlight        Synthetic  18.039459
3         4    Full Sunlight          Organic  12.682425
4         5    Full Sunlight          Organic  21.480601
Perancangan Eksperimen dengan Python

Mengatur data untuk memvisualkan interaksi

plant_growth = pd.pivot_table(plant_growth_data, 
                              values='Growth_cm',
                              index='Light_Condition',
                              columns='Fertilizer_Type', 
                              aggfunc='mean')

plant_growth
Light_Condition     Organic   Synthetic
Full Sunlight       20.602       19.869
Partial Shade       20.246       20.326
Perancangan Eksperimen dengan Python

Visualisasikan interaksi dengan heatmap

import seaborn as sns
import matplotlib.pyplot as plt
sns.heatmap(plant_growth, 
            annot=True, 
            cmap='coolwarm',
            fmt='g')
plt.show()

Peta panas pertumbuhan tanaman

Perancangan Eksperimen dengan Python

Menafsirkan interaksi

Light_Condition     Organic   Synthetic
Full Sunlight       20.602       19.869
Partial Shade       20.246       20.326
  • Interaksi: bagaimana efek satu faktor berubah menurut level faktor lain
  • Interaksi signifikan → faktor tidak bekerja secara independen
Perancangan Eksperimen dengan Python

Desain faktorial vs. desain blok acak

  • Banyak perlakuan dan interaksi
  • Urai efek multivariabel dan interaksi yang kompleks
  • Dapat memerlukan lebih banyak subjek

Sebuah eksperimen yang menunjukkan bagaimana kondisi cahaya dan jenis pupuk memengaruhi pertumbuhan tanaman.

  • Kelompokkan subjek serupa dalam desain acak
  • Kendalikan varians dalam-blok
  • Tiap perlakuan diuji di setiap blok

Dua blok berisi kubus dengan warna yang diacak.

1 Images Generated with DALL·E 3
Perancangan Eksperimen dengan Python

Ayo berlatih!

Perancangan Eksperimen dengan Python

Preparing Video For Download...