Design Of Experiment (DOE) adalah sebuah pendekatan sistematik untuk menginvestigasi suatu sistem atau proses. Secara umum, DOE merupakan desain berisi informasi-informasi yang terkumpul berdasarkan pengalaman dan menghadirkan sebuah variasi, baik informasi tersebut berada di bawah kendali pelaku eksperimen maupun tidak.
DOE memiliki peranan penting sebagai suatu jalan formal untuk memaksimalkan informasi yang didapat ketika sumber daya dibutuhkan. Lebih dari sekedar metode experimental “one change at a time”, DOE juga memudahkan kita untuk melakukan judgement pada variabel input dan output yang signifikan. Pengujian “one change at a time” selalu menghasilkan resiko yang mengharuskan pelaku eksperimen untuk menemukan satu variabel input untuk memiliki efek signifikan pada output sementara mereka terhambat karena tidak dapat mengganti variabel demi menjaga kestabilan variabel lainnya.
DOE merencanakan keseluruhan ketergantungan yang memungkinkan sejak tahap awal dan menentukan data apa yang benar-benar dibutuhkan untuk menilai apakah variabel input mengganti respon dengan sendirinya, saat dikombinasikan, atau tidak sama sekali. Dalam konteks sumber daya, ukuran dan jumlah dari eksperimen diatur oleh desain sebelum pengujian dimulai.
Metodologi untuk DOE diperkenalkan oleh Ronald A. Fisher dalam buku yang diterbitkan pada tahun 1935 yaitu The Design of Experiment. Sebagai contoh, Ronald menggambarkan bagaimana cara untuk menguji hipotesis bahwa seorang wanita dapat diprediksi berdasarkan jenis minuman yang lebih disukainya. Mungkin hal ini terdengar kurang ilmiah, namun dalam aplikasinya Ronald berhasil mengilustrasikan beberapa ide atau pemikiran penting yang mendasari DOE, yaitu :
Comparison
Dalam beberapa kasus studi, terkadang sangat sulit untuk mendapat hasil pengukuran yang tepat. Comparison (perbandingan) dapat membantu kita untuk mengambil pilihan dari opsi yang ada. Kebanyakan orang akan membandingkan suatu hal berdasarkan standard, scientific control, atau perlakuan tradisional sebagai dasar penentuan mereka
Randomization
Teori matematika jelas menekankan suatu konsekuensi yang sangat luas terhadap alokasi dari perlakuan suatu unit atau sistem dengan mekanisme random. Jika terdapat ukuran sampel yang memadai, resiko dari alokasi random akan dapat dihitung sehingga dapat dikendalikan agar mencapai level yang masih ditolerir. Random tidak berarti sembarangan, namun perhatian yang besar harus ditanamkan jika Anda melalukan metode random
Replication
Pengukuran biasanya mengarah pada variasi dan ketidakpastian. Pengukuran terus dilakukan secara berulang dan dilakukan pula pembuatan replika dari eksperiman untuk mengidentifikasi sumber dari variasi untuk mengestimasi efek sebenarnya, memperkuat reliability dan validity, serta menambahkan pengetahuan lebih terhadap suatu topik.
Blocking
Blocking adalah penyusunan dari unit-unit eksperimental menjadi beberapa grup (block) yang terdiri dari unit-unit yang memiliki kesamaan. Blocking akan membantu Anda untuk meningkatkan presisi dari sumber yang memiliki variasi.
Orthogonality
Orthogonality menekankan pada bertuk dari perbandingan (contrasts) yang dapat dijalankan secara sah dan masuk akal. Contrasts dapat direpresentasikan dengan vektor dan beberapa set dari contrasts orthogonal tidak memiliki korelasi dan didistribusikan secara independen jika data tersebut normal. Karena independensi ini, masing-masing treatment orthogonal menyediakan informasi yang berbeda dari hal lainnya.
Factorial experiments
Factorial experiment dinilai lebih baik dari meted one-factor-at-a-time karena lebih efisien dalam mengevaluasi efek dan interaksi yang memungkinkan dari beberapa faktor atau variabel independen.
Analisis dari DOE dibangun dari pondasi analysis of variance, yaitu sebuah koleksi dari model yang variansi terobservasinya dipartisi menjadi beberapa komponen sesuai dengan perbedaan faktor yang diestimasi atau diuji.
Artikel ini pernah tayang di sixsigmaindonesia.com dengan judul Design Of Experiment (DOE).