Uji tetrad vs segitiga: kapan memilih yang mana

Selama puluhan tahun, uji segitiga menjadi pilihan bawaan setiap kali seseorang bertanya apakah dua produk berbeda. Belakangan, uji tetrad tak terarah (unspecified tetrad) semakin sering dianjurkan sebagai penggantinya, karena dengan peluang tebak yang sama ia mampu mendeteksi beda yang sama dengan panelis jauh lebih sedikit (Ennis, 1993; Rogers, 2017, h. 48–49).

Namun "lebih efisien di atas kertas" tidak otomatis berarti "lebih baik untuk produk Anda". Artikel ini membandingkan keduanya dari sisi teori, kebutuhan panelis, dan risiko praktis, lalu memberi panduan memilih. Bila Anda belum akrab dengan prosedur dasarnya, baca dulu panduan uji segitiga.

Dua metode, peluang tebak yang sama

Pada uji segitiga, panelis menerima tiga sampel (dua sama, satu berbeda) dan menunjuk sampel yang berbeda. Pada uji tetrad, panelis menerima empat sampel, dua dari produk A dan dua dari produk B, lalu diminta mengelompokkannya menjadi dua kelompok berisi dua. Empat sampel dapat dipasangkan dengan tiga cara, dan hanya satu yang benar, sehingga peluang menebak keduanya sama: p0 = 1/3 (Rogers, 2017, h. 42).

Keduanya termasuk metode tak terarah (unspecified). Panelis tidak diberi tahu sifat perbedaannya, melainkan membandingkan jarak antarsampel (Bi, 2015, h. 5–7). Keduanya juga punya enam urutan sajian yang harus diseimbangkan. Untuk tetrad, urutannya AABB, ABAB, ABBA, BBAA, BABA, dan BAAB (Rogers, 2017, h. 189).

Karena p0 sama, uji hipotesisnya identik: binomial eksak satu sisi terhadap 1/3. Nilai kritisnya pun sama. Sebagai contoh, n = 20 pada α = 0,05 membutuhkan 11 jawaban benar, baik untuk segitiga maupun tetrad (Rogers, 2017, h. 310).

Mengapa tetrad lebih bertenaga: penalaran Thurstonian

Peluang tebak yang sama tidak berarti kepekaan yang sama. Model Thurstonian memandang setiap cup sebagai satu tarikan acak dari distribusi sensasi normal, dan d′ adalah jarak antara rerata distribusi A dan B dalam satuan simpangan baku. Setiap metode memiliki aturan keputusan sendiri, sehingga hubungan antara d′ dan proporsi benar, yang disebut fungsi psikometrik, juga berbeda (Bi, 2015, h. 9–11).

Perbedaannya terlihat jelas pada d′ = 1 (Bi, 2015, h. 24):

Dengan titik awal yang sama (1/3), tetrad naik lebih cepat. Secara intuitif, segitiga hanya menyediakan satu pasangan identik sebagai pembanding, sedangkan tetrad menghadirkan dua perwakilan untuk setiap produk, sehingga pengelompokan yang benar lebih tahan terhadap variasi acak dari cup ke cup. Gejala umum bahwa metode berbeda memberi proporsi benar berbeda untuk stimulus yang sama dikenal sebagai paradox of discriminatory non-discriminators (Bi, 2015, h. 8; Lawless & Heymann, 2010, h. 118).

Konsekuensi praktisnya penting: pd tidak dapat dipindahkan antarmetode. Pada d′ = 1, pd segitiga sekitar 0,127, sedangkan pd tetrad sekitar 0,241 (Rogers, 2017, h. 56). Batas kemiripan yang dinyatakan dalam pd segitiga tidak boleh dipakai begitu saja untuk tetrad. Bila ingin membandingkan hasil lintas metode, gunakan d′, karena d′ melekat pada produk dan panel, bukan pada metode. Uraian lengkapnya ada di artikel uji kemiripan dan d′ Thurstonian.

Berapa panelis yang dihemat

Fungsi psikometrik yang lebih curam berarti daya uji lebih besar pada n yang sama. Rogers (2017, h. 48–49) memberi contoh untuk δ = 1,25, α = 0,05, dan β = 0,10: duo-trio membutuhkan 154 asesor, segitiga 140, dan tetrad hanya 42. Meilgaard et al. (2016, p.389–390) memberi contoh serupa: kepekaan segitiga dengan n = 60 dapat dicapai tetrad dengan n = 22, dan 3-AFC dengan n = 11.

Untuk beda yang lebih kecil, selisihnya semakin terasa. Tetrad membutuhkan 82 asesor untuk daya 0,9 pada d′ = 1 (Rogers, 2017, h. 316), sedangkan segitiga butuh sekitar 222 hanya untuk daya 0,8 pada d′ yang sama (Bi, 2015, h. 69). Batas tetap ada: Rogers (2017, h. 56) mencatat bahwa membuktikan kemiripan pada d′ = 0,2 dengan metode tak terarah membutuhkan lebih dari 25.000 konsumen, sehingga tidak praktis.

Bila atribut tidak bisa disebutkan dan produknya tidak melelahkan, tetrad biasanya memberi informasi yang sama dengan sepertiga panelis segitiga.

Harga yang dibayar: sampel keempat

Keunggulan teoretis itu tidak gratis. Ada beberapa hal yang perlu ditimbang.

• Kelelahan dan carryover. Setiap panelis mencicip empat cup, bukan tiga. Rogers (2017, h. 44–45, 49) mencatat bahwa perceptual noise naik karena ada sampel keempat, dan untuk produk yang melelahkan menyarankan menguji tetrad pada produk sendiri sebelum beralih dari segitiga. Untuk produk pedas atau berasa tertinggal, keduanya kurang cocok; metode dua sampel seperti 2-AFC atau same-different lebih tepat (Rogers, 2017, h. 77).
• Kebutuhan sampel per panelis. Panelis lebih sedikit, tetapi setiap panelis memakai empat porsi. Hitung total bahan dan waktu preparasi, bukan hanya jumlah orang.
• Instruksi. Gunakan kalimat "kelompokkan menjadi dua kelompok berisi dua". Instruksi "pilih pasangan yang sama" menurunkan daya (Rogers, 2017, h. 189). Pemanasan berupa tugas visual atau produk yang tidak melelahkan dapat membantu (Rogers, 2017, h. 188).
• Mencicip ulang. Retasting dapat menaikkan diskriminasi, tetapi juga kelelahan, dan dengan empat cup efek ini lebih terasa (Rogers, 2017, h. 157–158, 190).
• Kesinambungan data. Karena pd bergantung pada metode (Bi, 2015, h. 64), riwayat keputusan yang selama ini dinyatakan dalam pd segitiga tidak langsung sebanding dengan pd tetrad. Lawless & Heymann (2010, h. 83–84) juga mengingatkan agar format instruksi tidak diganti-ganti untuk panel yang sama.

Segitiga sendiri punya keunggulan nonstatistik. Metode ini dibakukan dalam ISO 4120, tabel kritisnya tercetak di Meilgaard et al. (2016, Tabel 19.8), dan dipakai luas untuk seleksi dan pelatihan panelis (Meilgaard et al., 2016, p.169–172; ISO 8586:2023).

Tetrad terarah: metode yang berbeda

Jangan tertukar dengan tetrad terarah (specified tetrad). Pada versi ini panelis diberi tahu atributnya dan diminta menunjuk dua sampel dengan intensitas tertinggi atau terendah (Meilgaard et al., 2016, p.128). Karena satu dari enam kemungkinan pasangan yang benar, peluang tebaknya 1/6, bukan 1/3 (Bi, 2015, h. 18). Tabel kritisnya pun berbeda, misalnya n = 24 pada α = 0,05 membutuhkan 8 benar, dan n = 60 membutuhkan 16 (Meilgaard et al., 2016, Tabel 19.15, p.564).

Meilgaard et al. (2016, p.127–128) menyebut tetrad terarah bisa lebih peka daripada 2-AFC, menyarankan minimal 12 panelis (di bawah 18 risiko β tinggi, lebih baik 24–30 atau lebih), dan mengharuskan perhitungan ukuran sampel dengan model Thurstonian. Seperti metode terarah lain, ia hanya sah bila atributnya terdefinisi jelas.

Panduan memilih

Ringkasan sumbernya: Rogers (2017, h. 54, 70–71, 77–78) dan Bi (2015, h. 92). Apa pun pilihannya, tetapkan α, β, dan beda yang relevan (dalam d′ atau pd metode tersebut) sebelum data dikumpulkan, lalu laporkan pc, pd, dan d′ bersama-sama (Rogers, 2017, h. 34–35, 309). Bila Anda beralih dari segitiga ke tetrad, lakukan uji coba pada produk sendiri lebih dulu, sesuai saran Rogers (2017, h. 48–49).

Coba di Nusensa

Nusensa mendukung segitiga dan tetrad tak terarah dengan enam urutan sajian seimbang dan kode tiga digit, menganalisis keduanya dengan binomial eksak terhadap p0 = 1/3, dan menghitung d′ dari fungsi psikometrik masing-masing. Kalkulator ukuran sampel berbasis d′ mereproduksi angka Rogers (segitiga 140, tetrad 42), sehingga Anda dapat membandingkan kebutuhan panel sebelum memilih metode. Mulai gratis.