P. 1
Pengolahan Dan Penyajian Data

Pengolahan Dan Penyajian Data

|Views: 1,287|Likes:
Dipublikasikan oleh riki_zain
Statistika Dasar Fisika
Statistika Dasar Fisika

More info:

Categories:Types, School Work
Published by: riki_zain on May 12, 2011
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PPT, PDF, TXT or read online from Scribd
See more
See less

05/28/2013

pdf

text

original

Sections

Pengolahan dan Penyajian

Data
Pengorganisasian Data
Data
Data Kualitatif Data Kuantitatif
Data Kontinu Data Diskrit
Bukan berupa angka/bilangan:
Sangat tidak suka,
Tidak suka,
Suka,
Suka sekali
Berbentuk angka
Pencacahan, pemilu Pengukuran
Data Mentah (Raw data) Data Terjajar (Data Array)
10 T (s) T (s) = 10T/10
7.018 0.7018
7.345 0.7345
7.322 0.7322
7.266 0.7266
7.109 0.7109
7.455 0.7455
7.265 0.7265
7.057 0.7057
7.457 0.7457
7.345 0.7345
7.255 0.7255
7.465 0.7465
7.199 0.7199
7.555 0.7555
7.225 0.7225
7.469 0.7469
7.479 0.7479
7.039 0.7039
7.543 0.7543
7.245 0.7245
7.525 0.7525
T (s)
0.7018
0.7039
0.7057
0.7077
0.7085
0.7088
0.7098
0.7109
0.7129
0.7139
0.7147
0.7148
0.7155
0.7155
0.7178
0.7179
0.7188
0.7199
0.7225
0.7235
Distribusi Frekuensi
T (s) KeIas T (s) Frekuensi
0.7018 0.7000 - 0.7099 7
0.7039
0.7057
0.7077
0.7085
0.7088
0.7098
0.7109 0.7100 - 0.7199 11
0.7129
0.7139
0.7147
0.7148
0.7155
0.7155
0.7178
0.7179
0.7188
0.7199
0.7225 0.7200 - 0.7299 17
0.7235
0.7245
0.7246
istribusi Frekuensi
Kelas T (s) Frekuensi
0.7000 - 0.7099 7
0.7100 - 0.7199 11
0.7200 - 0.7299 17
0.7300 - 0.7300 23
0.7400 - 0.7499 20
0.7500 - 0.7599 14
0.7600 - 0.7699 10
0.7700 - 0.7799 8
Jumlah Pengukuran 110
Distribusi Frekuensi
istribusi Frekuensi
Kelas T (s) Frekuensi
0.7000 - 0.7099 7
0.7100 - 0.7199 11
0.7200 - 0.7299 17
0.7300 - 0.7300 23
0.7400 - 0.7499 20
0.7500 - 0.7599 14
0.7600 - 0.7699 10
0.7700 - 0.7799 8
Jumlah Pengukuran 110
nterval Kelas : 0.7000 ÷ 0.7099, ..
Batas Kelas:
Batas Kelas Bawah : 0.7000, 0.7100, .
Batas Kelas Atas : 0.7099, 0.7199, ..
Batas Kelas Nyata : 0.69995, 0.70995, ...
Lebar nterval Kelas : c =0.70995 ÷ 0.69995 = 0.0100
Nilai Tengah Kelas : (0.7000+0.7099)/2 = 0.70495
Pertimbangan Penyusunan Distribusi Frekuensi
c = R/K
Rumus Sturge: K = 1+ 3.3 log N
c :lebar interval kelas
R : range (data terbesar ÷ data terkecil)
K : jumlah interval kelas
N : jumlah data
Presentasi Grafik Distribusi Frekuensi
istrogram istribusi Frekuensi
Perioda BanduI Matematik
0
5
10
15
20
25
0
.
7
0
0
0

-

0
.
7
0
9
9
0
.
7
1
0
0

-

0
.
7
1
9
9
0
.
7
2
0
0

-

0
.
7
2
9
9
0
.
7
3
0
0

-

0
.
7
3
0
0
0
.
7
4
0
0

-

0
.
7
4
9
9
0
.
7
5
0
0

-

0
.
7
5
9
9
0
.
7
6
0
0

-

0
.
7
6
9
9
0
.
7
7
0
0

-

0
.
7
7
9
9
KeIas Perioda (s)
F
r
e
k
u
e
n
s
i

K
e
I
a
s
Presentasi Grafik Distribusi Frekuensi
PoIigon istrogram istribusi Frekuensi
Perioda BanduI Matematik
0
5
10
15
20
25
0
.
7
0
0
0

-

0
.
7
0
9
9
0
.
7
1
0
0

-

0
.
7
1
9
9
0
.
7
2
0
0

-

0
.
7
2
9
9
0
.
7
3
0
0

-

0
.
7
3
0
0
0
.
7
4
0
0

-

0
.
7
4
9
9
0
.
7
5
0
0

-

0
.
7
5
9
9
0
.
7
6
0
0

-

0
.
7
6
9
9
0
.
7
7
0
0

-

0
.
7
7
9
9
KeIas Perioda (s)
F
r
e
k
u
e
n
s
i

K
e
I
a
s
Distribusi Probabilitas
istribusi Frekuensi
Kelas T (s) Frekuensi
0.7000 - 0.7099 7
0.7100 - 0.7199 11
0.7200 - 0.7299 17
0.7300 - 0.7300 23
0.7400 - 0.7499 20
0.7500 - 0.7599 14
0.7600 - 0.7699 10
0.7700 - 0.7799 8
Jumlah Pengukuran 110
PoIigon istrogram istribusi Frekuensi
Perioda BanduI Matematik
0
5
10
15
20
25
0
.
7
0
0
0

-

0
.
7
0
9
9
0
.
7
1
0
0

-

0
.
7
1
9
9
0
.
7
2
0
0

-

0
.
7
2
9
9
0
.
7
3
0
0

-

0
.
7
3
0
0
0
.
7
4
0
0

-

0
.
7
4
9
9
0
.
7
5
0
0

-

0
.
7
5
9
9
0
.
7
6
0
0

-

0
.
7
6
9
9
0
.
7
7
0
0

-

0
.
7
7
9
9
KeIas Perioda (s)
F
r
e
k
u
e
n
s
i

K
e
I
a
s
Kemungkinan untuk mendapatkan nilai
T pada daerah nilai
(0,7400-0,7499) adalah 20 kali
ProbabiIitasnya adaIah 20/110=0,182
ProbabiIitas P(T) untuk mendapatkan niIai
T pada daerah niIai (0,69995 - 0,77995) = 1
Kelas T (s) Frekuensi Probabilitas
0.7000 - 0.7099 7 0.064
0.7100 - 0.7199 11 0.100
0.7200 - 0.7299 17 0.155
0.7300 - 0.7300 23 0.209
0.7400 - 0.7499 20 0.182
0.7500 - 0.7599 14 0.127
0.7600 - 0.7699 10 0.091
0.7700 - 0.7799 8 0.073
110 1
f (T)
T
a b
AT
1(T)
1(T) : fungsi kepadatan probabilitas
AT : interval nilai T yang dibatasi oleh a & b
ProbabiIitas P (a 5 T 5 b) = f(T). AT
Jika fungsi f(T) kontinyu:
¦
= · ·
b
a
dT ) T ( f ) b T a ( P
$ecara umum dapat dinyatakan:
1. f(x) 2 0
2.
¦
·
·
= dx ) x ( f
Penggambaran Fungsi istribusi ProbabiIitas
f (T)
T
a b
AT
1(T)
1(T) : fungsi kepadatan probabilitas
AT : interval nilai T yang dibatasi oleh a & b
ProbabiIitas P (a 5 T 5 b) = f(T). AT
Penggambaran Fungsi istribusi ProbabiIitas
Fungsi Kepadatan ProbabiIitas: f (T) = P (a 5 T 5 b) /AT
Kelas T (s) Frekuensi Probabilitas 1 (T)
0.7000 - 0.7099 7 0.064 6.364
0.7100 - 0.7199 11 0.100 10.000
0.7200 - 0.7299 17 0.155 15.455
0.7300 - 0.7300 23 0.209 20.909
0.7400 - 0.7499 20 0.182 18.182
0.7500 - 0.7599 14 0.127 12.727
0.7600 - 0.7699 10 0.091 9.091
0.7700 - 0.7799 8 0.073 7.273
110 1
istribusi ProbabiIitas istribusi Frekuensi
istribusi ProbabiIitas
0.000
5.000
10.000
15.000
20.000
25.000
0
.
7
0
0
0

-

0
.
7
0
9
9
0
.
7
1
0
0

-

0
.
7
1
9
9
0
.
7
2
0
0

-

0
.
7
2
9
9
0
.
7
3
0
0

-

0
.
7
3
0
0
0
.
7
4
0
0

-

0
.
7
4
9
9
0
.
7
5
0
0

-

0
.
7
5
9
9
0
.
7
6
0
0

-

0
.
7
6
9
9
0
.
7
7
0
0

-

0
.
7
7
9
9
KeIas Perioda (s)
F
u
n
g
s
i

K
e
p
a
d
a
t
a
n

P
r
o
b
a
b
i
I
i
t
a
s

f
(
T
)
P = F/N
F (T) = P/c
P: probabilitas
F: frekuensi
N: jumlah pengambilan data
c: lebar interval kelas
Distribusi nduk dan Sampel
istribusi ProbabiIitas
0.000
5.000
10.000
15.000
20.000
25.000
0
.
7
0
0
0

-

0
.
7
0
9
9
0
.
7
1
0
0

-

0
.
7
1
9
9
0
.
7
2
0
0

-

0
.
7
2
9
9
0
.
7
3
0
0

-

0
.
7
3
0
0
0
.
7
4
0
0

-

0
.
7
4
9
9
0
.
7
5
0
0

-

0
.
7
5
9
9
0
.
7
6
0
0

-

0
.
7
6
9
9
0
.
7
7
0
0

-

0
.
7
7
9
9
KeIas Perioda (s)
F
u
n
g
s
i

K
e
p
a
d
a
t
a
n

P
r
o
b
a
b
i
I
i
t
a
s

f
(
T
)
istribusi Induk:
- Pengambilan data N ×
- Kelas data dx
- Fungsi kepadatan probabilitas
f(x) kontinyu
istribusi $ampeI:
- Pengambilan data N terbatas
- Kelas data Ax
- Fungsi kepadatan probabilitas
f(x) diskrit ( "ketinggian")
( Parameter Induk ) = Iim ( parameter eksperimentaI )
N ×
Mean, Median, Mode

=
=

x

x

= > = · ) x ( P ) x ( P
/ /
u u
Mean (rata-rata):
0ntroid/av0rag0 valu0

= · ÷
=

x

2

u
Distribusi sampel/eksperimen Distribusi induk/populasi
Median u

:
Mode u
max
:
ost probabl0 valu0
) x ( P ) ( P
2ax 2ax
u u = >
m
e
a
n
m
e
d
i
a
n
m
o
d
e
m
e
a
n
m
e
d
i
a
n
m
o
d
e
Deviasi
u =

x d

=
¦
'
+

'

=
¦
¦
¦

=

· ÷ · ÷ · ÷
u u

x

) x (

d
2 2 2
¦
¦
¦

=

· ÷
u ¬

x

2



u u o
¦
'
+

'

=
¦
¦
¦

=

· ÷ · ÷

x

) x (

2 2

=

x x

8

Deviasi/penyimpangan data x
i
terhadap mean dari distribusi induk
Deviasi rata-rata selalu sama dengan nol
Agar tidak nol deviasi rata-rata dinyatakan dalam simpangan mutlak
Demi kemudahan analitis didefinisikan deviasi standar o dan varian o
2
Deviasi standar untuk distribusi sampel
Mean dan Deviasi


u u o
¦
'
+

'

=
¦
¦
¦

=

· ÷ · ÷

x f

) x ( f

2 2


=

=

x x
x x

8

ata tak-terkeIompok
ata terkeIompok

i
s
t
r
i
b
u
s
i

I
n
d
u
k

i
s
t
r
i
b
u
s
i

$
a
m
p
e
I
R
a
t
a
-
r
a
t
a
V
a
r
i
a
n


=

=

x f x f
x x f

8




u u o
¦
'
+

'

=
¦
¦
¦

=

· ÷ · ÷

x

) x (

2 2

=
=

x

x

= · ÷
=

x

2

u

=
= =

x f
f
x f
x

= · ÷
=

x f

2

u
M
e
a
n
V
a
r
i
a
n
ata terkeIompok
ata tak-terkeIompok
ata tak-terkeIompok
ata tak-terkeIompok
ata terkeIompok
ata terkeIompok
Mean dan Deviasi dari Distribusi
) )

u u o = =

= =
3

3

) x ( P x ) x ( P ) x (
) )

= · ÷ = · ÷ · ÷
= = =
3

3

) x ( P x ) x ( P x

x
2 2 2

u
)

=
=
3

) x ( P ) x ( f ) x ( f

ika ada fungsi probabilitas diskrit P(x) dan suatu n kemungkinan kuantitas
pengamatan x
j
(j dari 1 sampai n, dan tidak ada nilai x
j
yang sama). Nilai mean
dan variannya dapat dinyatakan dengan:
Secara umum nilai harap (expectation value) suatu fungsi f(x) dari suatu
variabel x dapat dinyatakan:

i
s
t
r
i
b
u
s
i

I
$
K
R
I
T
Mean dan Deviasi dari Distribusi

u u o = =
¦ ¦
·
·
·
·
dx ) x ( P x dx ) x ( P ) x (
¦
·
·
= dx ) x ( P x u
¦
·
·
= dx ) x ( P ) x ( f ) x ( f
Nilai harap (expectation value) suatu fungsi f(x) dapat dinyatakan:

i
s
t
r
i
b
u
s
i

K
O
N
T
I
N
Y
U
Varian
Mean
TUGAS
rafik Persentase MuncuI Angka (Koin) daIam 1000 kaIi
Percobaan
0
10
20
30
40
50
60
0 50 100 150 200 250 300 350 400 450 500 550 600 650 700 750 800 850 900 950 1000
JumIah Percobaan
%
M
u
n
c
u
I

A
n
g
k
a
rafik Persentase MuncuI ambar (Koin) daIam 1000
kaIi Percobaan
0
10
20
30
40
50
60
0 50 100 150 200 250 300 350 400 450 500 550 600 650 700 750 800 850 900 950 1000
JumIah Percobaan
%
M
u
n
c
u
I

a
m
b
a
r
Kelompok 1
Kondisi percobaan:
enis koin?
Tinggi awal koin 50 cm
Posisi awal?
Kondisi lantai?
TUGAS
Kelompok 2
Kondisi percobaan:
enis koin?
Tinggi awal koin ?
Posisi awal?
Kondisi lantai?
0.47
0.48
0.49
0.5
0.51
0.52
0.53
0.54
0.55
0.56
0.57
0 200 400 600 800 1000
TUGAS
Kelompok 3
Kondisi percobaan:
enis koin?
Tinggi awal koin 10 cm
Posisi awal?
Kondisi lantai?
RAFIK ANKA TERAAP
JUMLA PERCOBAAN
44
46
48
50
52
54
5
0
1
5
0
3
0
0
5
0
0
7
0
0
9
0
0
JUMLA PERCOBAAN
P
E
R
$
E
N
T
A
$
E

A
N

K
A

(
%
)
RAFIK PER$ENTA$E AMBAR
TERAAP JUMLA PERCOBAAN
45
46
47
48
49
50
51
52
53
54
5
0
1
0
0
1
5
0
2
0
0
3
0
0
4
0
0
5
0
0
6
0
0
7
0
0
8
0
0
9
0
0
1
0
0
0
JUMLA PERCOBAAN
P
E
R
$
E
N
T
A
$
E

A
M
B
A
R
TUGAS
Kelompok 5
Kondisi percobaan:
enis koin?
Tinggi awal koin?
Posisi awal?
Kondisi lantai?
RAFIK
0
10
20
30
40
50
60
70
80
90
100
1 3 5 7 9 11 13 15 17 19
URUTAN PELEMPARAN (IKALIKAN 50)
P
E
R
$
E
N
T
A
$
E

persentase angka
persentase gambar
TUGAS
Kelompok 6
Kondisi percobaan:
enis koin 500 rupiah
Tinggi awal koin 10 cm
Posisi awal horisontal
Kondisi lantai?
grafik peIuang keIuarnya ANKA daIam percobaan
meIempar koin
41
42
43
44
45
46
47
0 200 400 600 800 1000 1200
jumIah percobaan
p
e
r
s
e
n
t
a
s
e

k
e
I
u
a
r
n
y
a

A
N

K
A

d
a
I
a
m

p
e
r
c
o
b
a
a
n
rafik Persentase MuncuI Angka (Koin) daIam 1000 kaIi
Percobaan
0
10
20
30
40
50
60
0 50 100 150 200 250 300 350 400 450 500 550 600 650 700 750 800 850 900 950 1000
JumIah Percobaan
%
M
u
n
c
u
I

A
n
g
k
a
rafik Persentase MuncuI ambar (Koin) daIam 1000
kaIi Percobaan
0
10
20
30
40
50
60
0 50 100 150 200 250 300 350 400 450 500 550 600 650 700 750 800 850 900 950 1000
JumIah Percobaan
%
M
u
n
c
u
I

a
m
b
a
r
0.47
0.48
0.49
0.5
0.51
0.52
0.53
0.54
0.55
0.56
0.57
0 200 400 600 800 1000
Problem Kombinatorial
Ada 3 koin
Berapa banyaknya cara untuk
mendapatkan 2 koin dengan
memperhatikan urutan
pengambiIan?
1 2
Berapa banyaknya cara untuk
mendapatkan 2 koin tanpa
memperhatikan urutan
pengambiIan?
Analisis Kombinatorial
Permutasi: suatu cara penyusunan obyek x dengan memperhatikan
urutan susunannya, yang mana x adaIah banyaknya obyek
yang diambiI dari suatu n buah obyek
Kombinasi: suatu cara penyusunan obyek x tanpa memperhatikan
urutan susunannya, yang mana x adaIah banyaknya obyek
yang diambiI dari suatu n buah obyek
)' x 3 (
' 3
) x . 3 ( P2

=
¦
'
+

'

=

= =
x
3
)' x 3 ( ' x
' 3
' x
) x . 3 ( P2
) x . 3 ( C
Distribusi Binomial
ProbabiIitas untuk mendapatkan angka atau gambar pada suatu koin
adaIah , Jika diIempar n buah koin dan diamati x koin menunjukkan
angka dan (n-x) koin menunjukkan gambar, maka ProbabiIita P(x;n)
merupakan perkaIian dari kombinasi C(n,x) dengan probabiIitas tiap
kombinasinya yaitu (1/2)
n
atau dapat dijabarkan:
P(x;n) = C(n,x) (1/2)
x
(1/2)
n-x
$ecara umum dapat dituIiskan jika probabiIitas untuk
mendapatkan x adaIah p dan probabiIitas untuk mendapatkan
(n-x) adaIah q, maka p+q=1. Maka probaIiIitas:
x 3 x x 3 x
B
) p ( p
)' x 3 ( ' x
' 3
6 p ) x . 3 ( C ) p . 3 x ( P

= =
istribusi BinomiaI
Mean dan eviasi $tandar istribusi BinomiaI
) ) p ( 3p ) x ( P ) x (
3
x
= =

=

u o
) 3p ) p ( p
)' x 3 ( ' x
' 3
x ) x ( xP
3
x
x 3 x
3
x
=
¦
¦
¦

= =

=

=
u
Distribusi Poisson
3 x x
B
) p ( ) p ( p
)' x 3 (
' 3
' x
) p . 3 x ( P

=

x
3 ) x 3 )( x 3 )....( 3 )( 3 ( 3
)' x 3 (
' 3
=

Terjadi jika p<<1, sehingga dapat dikatankan u<<1
Karena x<<n
Jadi perkaIian suku ke-2 dan ke-3: (np)
x
= u
x
$uku ke-4 dapat didekati dengan (1+px) sebab p<<1
$uku ke-5 mendekati e
-u
, karena:
)
u
u
u

÷ ÷
=
¦
'
+

'

= = 0
0
) p ( 2 ) p ( 2
p /
p
3
p

$ehingga kombinasi dari perkaIian suku-suku diatas menghasiIkan
u
u
u

÷
= = 0
' x
) x ( P ) p . 3 x ( P 2
x
P B
p
istribusi Poisson: tidak berIaku untuk x negatif
Mean dan eviasi $tandar istribusi Poisson
) u
u
u u u o
u
=
¦
¦
¦

= = =

·
=

·
=

x
x
x
0
' x
) x ( ) x ( P ) x ( ) x (
)

·
=
·
=

·
=

·
=
= =

=
¦
¦
¦

= =

x v
v x
x
x
x
' v
0
)' x (
0 0
' x
x ) x ( xP x u
u
u
u
u
u
u u u
Distribusi Gaussian/Normal
¦
¦
¦
¦

¦
'
+

'

=

o
u
x o
o u
x
0xp ) . x ( P
G
Jika suatu pengukuran diduga mempunyai distribusi NormaI,
maka :


=

= <

x x
x x

8

o

=
= <

x

x

u
stimasi Mean dan rror
¦
¦
¦
¦

¦
'
+

'

=

o
u
x o
u
x
0xp ) ( P

Pada eksperimen, umumnya tidak diketahui niIai mean-nya, sebab
hanya dipunyai distribusi sampeI, dengan demikian perIu diestimasi
terIebih duIu niIai mean-nya.
Estimasi mean: u
deviasi standar (dianggap): o=o,
distribusi pengukuran mengikuti aussian, sehingga
probabiIitas untuk mengamati niIai x
i
:
Jika ada N set pengamatan, maka probabiIitas pengamatan tersebut:
¦
=
=

) ( P ) ( P

u u
$ehingga dihasiIkan:

¦
¦
¦
¦

¦
'
+

'

=

o
u
x o
u
x
0xp ) ( P

Pada distribusi aussian niIai u adaIah niIai maksimumnya, jadi
maksimum P
i
(u) ekivaIen dengan minimum X dari eksponensiaInya:
¦
¦
¦
¦

¦
'
+

'

=

o
u x
X

NiIai minimum X dapat dicari dengan:

=
¦
¦
¦
¦

¦
'
+

'

=

o
u
u u
x
d
d
d
dX

=
¦
'
+

'

=
¦
'
+

'

=

o
u
o
u
u u
x x
d
d
d
dX

= =

x

x

u
Karena o konstan, maka:
NiIai rata2 adaIah
estimasi terbaik
untuk niIai mean
(true vaIue)
rror dari Mean

¦
¦
¦
¦

¦
¦
'
+

'

¯
¯
=

x
u
o o
u

x
x dx
d

=
¦
'
+

'

¯
¯
=

u

o
o o
u
=
¦
¦
¦
¦

¦
'
+

'

=

Perambatan raIat (propagation error) digunakan untuk mendapatkan
kontribusi ketidakpastian dari beberapa bentuk kontribusi pada suatu
niIai raIat tunggaI.
Estimasi mean: u
deviasi standar (dianggap): o=o,
eviasi standar niIai rata-rata (mean) dapat dihitung:
Karena:

=

x x

8

o

o
o
u
=
Error dari niIai
rata2 (mean):
ati-hati dengan Statistik

o
o
u
=
Error dari niIai rata2 (mean):
RaIat menjadi keciI atau bahkan noI jika diIakukan
pengukuran sampai tak berhingga kaIi?
Ingat!!! RaIat
$tatistik (deviasi standar)
$istematik (aIat, metoda, Iingkungan)
Pada banyak eksperimen, raIat sistematis
Iebih dominan dari pada raIat statistik
Bobot dari ata
- Ketidakpastian yang tidak seragam -

¦
¦
¦
¦

¦
¦
'
+

'

=
¦
=

3

x
0xp ) ( P
o
u
x o
u
Pada eksperimen, terkadang hasiI pengukuran mempunyai kepresisian
yang berbeda, dengan demikian diperoIeh niIai standar deviasi yang
tidak sama.
Estimasi mean: u
i
= u
deviasi standar (dianggap): o
i
distribusi pengukuran mengikuti aussian, sehingga
probabiIitas untuk mengamati niIai x
i
:
NiIai maksimum probabiIitas diperoIeh jika niIai bagian exp minimum:

=
¦
'
+

'

=
¦
¦
'
+

'

o
u
o
u
u
x x
d
d

=

/
/ x

o
o
u
Estimasi
terbaik adaIah
rata2 berbobot
dari data
Error dari Rata-rata Berbobot

¦
¦
¦
¦

¦
¦
'
+

'

¯
¯
=

x
u
o o
u

=
¯
¯
=
¯
¯

/
/
/
/ x
x x

o
o
o
o
u

=

/
/ x

o
o
u
Rata2 berbobot dari data
Perambatan RaIat:
Maka:
)

= =

/
/
/
o
o
o
o
u
eviasi standar rata-rata berbobot:
Ketidakpastian ReIatif

/ kw o =
Kasus raIat mutIak dari pengukuran tidak diketahui, tetapi raIat
reIatifnya diketahui,
Contoh: pengukuran dengan range skaIa yang berbeda, o
i
untuk tiap
range sama tetapi berbeda faktor skaIanya


= = =

w k /

o
o
o
u
k: konstanta skaIa yang tak diketahui
o
i
: deviasi standar untuk setiap pengukuran
iasumsikan: niIai w diketahui dan niIai mutIak o
i
tidak diketahui
eviasi standar :
$eandainya didefinisikan faktor pembobot w
i
:


= = =

w
x w
kw
x kw
/
/ x

o
o
u
Mean:

=

w

k

o

w
w
kw

= =

o
o
Kasus istribusi Poisson

= =
9 9
x

x

u
9 9 9
x < = u o

x

9 9 9
9
< = =
u o
o
u
igunakan untuk eksperimen counting persatuan waktu
9
9
A
=
u
u
9 9
9
A
=
A
=
u
o
o
u
u
Mean
eviasi
Pada umumnya ditampiIkan daIam counting / unit waktu
Propagation of rrors
(!0rambatan Ralat)
....) v . u ( f x =
....) v . u ( f x =
....) v . u ( f x

=

¦
¦
¦

=

· ÷


x x

2

x
o
...
v
x
) v v (
u
x
) u u ( x x


¦
'
+

'

¯
¯

¦
'
+

'

¯
¯
<

¦
¦
¦

=

· ÷


x
x x

2 o

¦
¦
¦

¦
'
+

'

¯
¯

¦
'
+

'

¯
¯
<
· ÷

...
v
x
) v v (
u
x
) u u (

2

x
o

¦
¦
¦
¦

¦
'
+

'

¯
¯
¦
'
+

'

¯
¯

¦
'
+

'

¯
¯

¦
'
+

'

¯
¯
<
· ÷
...
v
x
u
x
) v v )( u u (
v
x
) v v (
u
x
) u u (

2

¦
¦
¦

=

· ÷

) u u (

2

u
o
¦
¦
¦

=

· ÷

) v v (

2

v
o
)
¦
¦
¦

=

· ÷
) v v )( u u (

2

uv

o
...
v
x
u
x
...
v
x
u
x
uv v u x

¦
'
+

'

¯
¯
¦
'
+

'

¯
¯

¦
'
+

'

¯
¯

¦
'
+

'

¯
¯

o o o o
...
v
x
u
x
v u x

¦
'
+

'

¯
¯

¦
'
+

'

¯
¯

o o o

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->