2.1 GALAT
Istilah galat yang dipergunakan di sini didasarkan pada perbedaan numeric antara
nilai yang dihitung dengan nilai yang sebenarnya. Nilai sebenarnya dari suatu kuantitas
adalah sesuatu yang kita tidak pernah tahu secara pasti, meskipun ilmuwan secara umum
menerima suatu nilai sebagai nilai sebenarnya ketika dipercaya bahwa ketidakpastian
dalam nilai tersebut lebih kecil dibandingkan dengan ketidakpastian nilai lainnya, dengan
mana nilai ini dibandingkan. Perbedaan antara nilai standar dengan nilai yang didapat
dari metode yang baru nantinya akan dianggap sebagai galat.
Galat Konstan
1
Galat pasti dapat pula digolongkan sebagai konstan atau proporsional. Galat
konstan tidak bergantung pada besarnya kuantitas yang diukur dan akan menjadi
kurang signifikan apabila besarnya kuantitas bertambah.
Galat Proporsional
Nilai absolut dari tipe galat ini bervariasi sesuai dengan ukuran sampel
sedemikian rupa sehingga galat realtifnya bernilai tetap konstan. Sebuah substansi
yang mengganggu dalam suatu metode analitik dapat menghasilkan galat jika
substansi ini ada dalam sampel. Dengan mengambil sampel yang lebih besar, galat
total bias bertambah, namun galat relative tetap konstan apabila dihasilkan dari
sampel yang homogen.
2
0,10
100 = 0,5%
20,34
atau
0,10
1000 = 5
20,34
Presisi
Istilah presisi mengacu kepada kesepakatan di dalam satu kelompok hasil
eksperimen; kesepakatan ini tidak berdampak apa pun terhadap hubungannya
dengan nilai yang sebenarnya. Nilai presisi mungkin saja tidak akurat, disebabkan
karena adanya galat akibat deviasi dari nilai yang sebenarnya yang dapat
berpengaruh sama rata terhadap pengukuran namun tidak mengganggu
kepresisiannya. Presisi ini biasanya digunakan untuk deviasi standar, deviasi rata-
rata atau rentang. Untuk galat, kepresisiannya dapat diwujudkan atas dasar absolut
atau pun relative.
3
Tabel 2.1. Nilai individual yang disusun berdasarkan urutan pengambilang data
1 0,458 21 0,462 41 0,450
2 0,450 22 0,450 42 0,455
3 0,465 23 0,454 43 0,456
4 0,452 24 0,446 44 0,456
5 0,452 25 0,464 45 0,459
6 0,447 26 0,461 46 0,454
7 0,459 27 0,463 47 0,455
8 0,451 28 0,457 48 0,458
9 0,446 29 0,460 49 0,457
10 0,467 30 0,451 50 0,456
11 0,452 31 0,456 51 0,455
12 0,463 32 0,455 52 0,460
13 0,456 33 0,451 53 0,456
14 0,456 34 0,462 54 0,463
15 0,449 35 0,451 55 0,457
16 0,454 36 0,469 56 0,455
17 0,456 37 0,458 57 0,457
18 0,441 38 0,458 58 0,453
19 0,457 39 0,456 59 0,455
20 0,459 40 0,454 60 0,453
4
11 0,451 31 0,456 51 0,461
12 0,451 32 0,456 52 0,462
13 0,452 33 0,456 53 0,462
14 0,452 34 0,456 54 0,463
15 0,452 35 0,456 55 0,463
16 0,453 36 0,456 56 0,463
17 0,453 37 0,457 57 0,464
18 0,454 38 0,457 58 0,465
19 0,454 39 0,457 59 0,467
20 0,454 40 0,457 60 0,469
Table 2.3 menunjukkan bahwa informasi yang tadinya tidak Nampak pada
Tabel 2.1 dan 2.2, sekarang menjadi jelas. Jadi, meskipun rentang nilainya
antara 0,441 sampai 0,469, kita melihat dengan cepat bahwa hanya sedikit nilai
yang berada di bawah 0,448 ataupun di atas 0,464
0,4405
0,4425 0,4445
0,4465 0,4485 3
0,4505 0,4525 11
0,4545 0,4565 21
0,4585 0,4605 14
0,4625 0,4645 7
0,4665 0,4685 2
0,4705 0,4725 1
5
frekuensi, dibangun di atas lebar maksimum dari sel; polygon frekuensi
dibentuk dengan memplot frekuensi pada titik tengah sel dan menghubungkan
titik-titik tersebut dengan garis lurus.
6
Persamaan dari kurva normal dapat ditulis seperti ini :
1 2 2 2
= ()
2
Parameter Populasi
Kuantitas dan , yang disebut dengan parameter populasi, menjelaskan
perihal distribusi. adalah rata-rata dari populasi yang tak terbatas, dan karena
kita di sini tidak memikirkan besar yang tepat dari kuantitas yang diukur. yang
disebut deviasi standar, yaitu jarak dari rata-rata terhadap salah satu titik infleksi
dari kurva distribusi dan dapat dianggap sebagai ukuran penyebaran nilai yang
membuat populasi; jadi berhubungan dengan presisi. mempunyai signifikasi
sendiri, dan e adalah basis dari system logaritma natural. Suku ( ) mewakili
perluasan ini dimana nilai individual x mengalami deviasi dari rata-rata.
7
dengan satu untuk keseluruhan populasi. Daerah di bawah kurva di antara
sembarang 2 (dua) nilai dari ( ) memberikan fraksi dari populasi total yang
tepat di antara kedua nilai. Terlihat bahwa sekitar dua per tiga (sebenarnya
68,26%) dari semua nilai yang ada dalam populasi tidak terbatas berada dalam
batas , sedangkan 2 berarti 95,46% dan 3 berarti hamper
semuanya (99,74%) dari nilai yang ada. Hal yang menggembirakan adalah bahwa
kemungkinan terjadinya galat yang kecil lebih banyak ketimbang galat yang besar.
Tentu saja dalam kenyataannya kita tidak akan pernah menemukan dari
populasi yang tak terbatas, namun deviasi standar dari sejumlah observasi yang
terbatas dapat dianggap sebagai penetapan dari . Selanjutnya mungkin kita dapat
memperkiran sesuatu seperti kemungkinan timbulnya galat pada suatu nilai tertentu
dalam pekerjaan individu begitu dibuat pengukuran yang cukup untuk membuat
perkiraan dari karakteristik populasi khusus yang tak terbatas ini.
Rata-rata (Mean)
Rata-rata dari sejumlah pengukuran yang terbatas, 1 , 2 , 3 , , , sering
disebut untuk membedakannya dengan . Perhitungan rata-rata secara sederhana
merata-ratakan hasil individunya :
1 + 2 +3 + + =
=1
= =
Rata-rata adalah ukuran yang sangat berguna untuk tendensi sentral. Dapat
digambarkan bahwa rata-rata dari hasil n adalah kali lebih meyakinkan
dibanding salah satu individu. Maka ada suatu diminishing return dari semakin
banyaknya pengukuran replika yang dilakukan: rata-rata dari 4 buah hasil adalah
dua kali lebih pasti dari sebuah hasil dalam pengukuran tendensi sentral; rata-rata
dari 9 buah hasil adalah tiga kali lebih pasti; rata-rata dari 25 buah hasil adalah
8
lima kali lebih pasti, dan seterusnya. Secara umum dikatakan bahwa tidak efisien
untuk seorang pekerja yang cermat, yang memiliki kepresisian yang baik, untuk
mengulangi pengukuran lebih dari sekali.
Median
Median dari sejumlah ganjil hasil adalah nilai tengah yang didapat ketika
hasil-hasil tersebut disusun menurut besarnya; untuk sejumlah hasil yang genap,
median adalah nilai rata-rata dari 2 buah nilai yang berada di tengah. Secara umum
dikatakan, median adalah pengukuran yang lebih tidak efisien untuk tendensi pusat
dibandingkan rata-rata, namun dalam kasus-kasus tertentu mungkin amat berguna,
terutama bila kita berurusan dengan sampel yang sangat kecil.
Rentang (Jangkauan)
Mengingat dua parameter, yaitu dan , dibutuhkan untuk menentukan
frekuensi distribusi, jelas bahwa dua populasi mungkin mempunyai tendensi
sentral yang sama namun berbeda dalam penyebaran atau variabilitas (atau
disperse, sebagaimana beberapa kalangan menyatakannya), seperti yang
digambarkan dalam Gambar 2.3. untuk sejumlah nilai yang terbatas, pengukuran
yang termudah untuk varian adalah dengan rentangnya, yaitu selisih antara nilai
terbesar dan terendah. Seperti median, rentang ini kadang berguna dalam statistic
untuk sampel yang kecil, namun secara umum dianggap pengukur variabilitas yang
tidak efisien. Perhatikan bahwa satu hasil yang tidak lazim akan mempunyai
dampak yang penuh terhadap rentang, padahal efek ini akan dihilangkan oleh
semua hasil lainnya dalam pengukuran variabilitas yang lebih baik, perhatikan
gambar.
9
Gambar 2.3 Dua populasi dengan tendensi pusat yang sama, tetapi variabilitas
berbeda.
Deviasi Rata-rata
Deviasi rata-rata dari mean (rata-rata) sering ditulis dalam makalah-makalah
ilmiah sebagai ukuran untuk variabilitas, meskipun sangat tidak signifikan dari
sudut pandang statistic, terutama untuk observasi dengan jumlah kecil. Untuk
sekelompok data besar yang terdistribusi normal, deviasi rata-rata mendekati 0,8.
Untuk menghitung rata-rata atau deviasi rata-rata, cari selisih antara hasil individu
dengan nilai rata-rata., tanpa menghiraukan tanda, dan tambahkan deviasi individu,
lalu bagi dengan banyaknya hasil.
=
=1 | |
Deviasi rata-rata = =
=
=1 | |/
Deviasi rata-rata relatif (%) = 100 = 100
Karena hasil analisis sering dinyatakan dalam persentase (mis: persentase besi
dalam sampel bijih besi), mungkin membingungkan untuk melaporkan deviasi
10
relatif dalam basis persentase, dan disarankan untuk menggunakan satuan per
seribu (permil), alih-alih satuan persen (per seratus):
=
=1 | |/
Deviasi rata-rata relatif (ppt) = 1000
Deviasi Standar
Secara statistik deviasi standar lebih signifikan dibandingkan deviasi rata-
rata. Simbol s dipergunakan untuk deviasi standar dari sejumlah nilai yang
terbatas; s dicadangkan untuk parameter populasi. Deviasi standar, yang dianggap
sebagai akar pangkat nilai deviasi dari rata-rata, dihitung dengan menggunakan
rumus
=| |2
= =1
1
= 100
Varians
Varians, dinyatakan dengan s2, pada dasarnya lebih penting dalam statistik
dibandingkan s itu sendiri, namun belakangan secara umum lebih sering
dipergunakan dalam penanganan data kimiawi.
Contoh berikut ini menggambarkan perhitungan dari semua persyaratan
dalam hal menentukan normalitas dari suatu larutan.
Normalitas dari larutan ditentukan oleh 4 titrasi terpisah, dan hasilnya 0,2041,
0,2049, 0,2039, dan 0,2043. Hitung rata-rata, median, rentang, deviasi rata-rata,
rata-rata relative deviasi , deviasi standar, dan koefisien variasi.
0,2041+0,2049+0,2039+0,2043
Nilai rata-rata = 4
11
= 0,2043
0,2041+0,2043
Median: = 2
= 0,2042
Rentang: = 0,2049 0,2039
= 0,0010
(0,002)+(0,0006)+(0,004)+(0,0000)
Deviasi rata-rata: = 4
= 0,0003
0,0003
Deviasi rata-rata relatif: 1000 = 1000 = 1,5
0,2043
= 0,0004
0,0004
Koefisien variansi: = 0,2043 100
= 0,2%
2.3b. t-Student
Seorang kimiawan dari Inggris, W.S. Gosset, menulis dengan nama samara
Student, mempelajari masalah pembuatan prediksi yang berdasarkan gambaran
sampel yang terbatas dari suatu populasi yang tidak diketahui dan
mempublikasikan solusinya pada tahun 1908. Teori student ini berada di luar
ringkup dari buku ini, namun kita dapat menerimanya dan melihat bagaimana teori
ini dipergunakan di dalam ilmu kimia. Kuantitas t (sering disebut t Student)
didefinisikan dengan pernyataan:
= ( )
12
4 3 0,765 2,353 3,182 5,841
5 4 0,741 2,132 2,776 4,604
6 5 0,727 2,015 2,517 4,032
7 6 0,718 1,943 2,447 3,707
8 7 0,711 1,895 2,365 3,500
9 8 0,706 1,860 2,306 3,355
10 9 0,703 1,833 2,262 3,250
11 10 0,700 1,812 2,228 3,169
21 20 0,687 1,725 2,086 2,845
0,674 1,645 1,960 2,576
Seorang kimiawan yang menentukaan persentase dari besi di dalam bijih besi
menemukan hasil berikut ini: x = 15,30, s = 0,10, n = 4 (a) Hitung 90% interval
keyakinan dari rata-rata. Dari tabel 2.4, t = 2,353 untuk n = 4 Untuk itu
2,3530,10
= 15,30
4
13
= 15,30 0,12
5,8410,10
= 15,30
4
= 15,30 0,29
Dalam beberapa kasus di mana analisis lebih diulang secara luas, seorang
kimiawan mungkin mempunyai perkiraan yang layak dipercaya tentang deviasi
standar populasi, . Selanjutnya tidak ada ketidakpastian mengenai nilai , dan
interval keyakinan ditentukan dengan
Dimana Z adalah nilai nilai t untuk nilai n = (Tabel 2.4). Perhatikan bahwa pada
contoh di atas interval keyakian untuk bagian (a) akan ditentukan dengan
1,645 0,10
15,30 = 15,30 0,08
4
Nilai cn untuk sejumlah observasi dan tingkat probabilitas yang berbeda beda
telah ditabulasi; beberapa nilai ini ditunjukkan dalam Tabel 2.5.
14
2.3d. Tes untuk Signifikansi
Perbandingan antara Dua Rata-rata
Pendekatan statisik untuk masalah ini adalah dengan hipotesis nol. Hipotesis ini
menyatakan, dalam contoh ini, bahwa kedua rata-rata adalah identik. Prosedurya
adalah sebagai berikut: yang berbeda, yang menghasilkan rata-rata 1 dan 2 serta
deviasi standar s1 dan s2 ; n1 dan n2 adalah jumlah dari observasi individu yang
didapat dari kedua metode. Langkah pertama adalah menghitung nilai-t dengan
menggunakan rumus:
|1 2 | 1 2
=
1 + 2
15
Contoh:
Sebuah contoh abu soda (Na2CO3) dianalisis dengan dua metode yang berbeda,
hasil yang didapat untuk persentase dari Na2CO3:
Metode 1 Metode 2
1 = 42,34 2 = 42,44
s1 = 0,10 s1 = 0,12
n1 = 5 n1 = 4
Apakah s1 dan s2 berbeda secara signifikan? Gunakan tes rasio varian atau tes F :
22
= = 1,44
12
Lihat pada Tabel 2.6 di bawah kolom n 1 = 3(karena 2 > 1 ) dan baris 1 =
4, ditemukan F = 6,59. Karena 6,59 > 1,44, deviasi standar ternyata tidak berbeda
secara signifikan.
Terkadang kita ingin membandingkan dua hasil untuk mendapatkan satu hasil
yang meyakinkan. Contohnya adalah perbandingan antara rata-rata dari beberapa
analisis yang dilakukan terhadap sebuah sampel yang disertifikasi oleh national
Institute of Standards and Technology (NIST). Tujuannya adalah untuk
menentukan apakah metode yang dipergunakan memberikan hasil yang disetujui
oleh institut di atas. Dalam hal ini, nilai dari institut dianggap sebagai dalam
rumus yang menentukan t student, dan nilait dihitung berdasarkan x, n, dan s
untuk hasil analitik yang sudah ditangan. Jika nilai-t hasil perhitungan lebih besar
dibandingkan dengan yag ada di tabel-t untuk (n-1) derajat kebebasan dan
probabilitas yang diinginkan, maka metode analitis yang dipermasalahkan telah
memberikan sebuah nilai rata-rata yang berbeda secara signifikan dengan nilai
NIST; jika tidak perbedaan di antara kedua nilai dapat diabaikan dengan
sendirinya.
Contoh :
16
Seorang kimiawan menganalisis sebuah sampel bijih besi yang diberikan oleh
National Institute of Standards and Technology dan mengandung hasil berikut: =
10,52, = 0,05, = 10. Nilai NIST untuk sampel ini adalah 10,60% besi (Fe).
Apakah nilai ini berbeda secara signifikan pada tingkat probabilitas 95%/
=
0,05
10,60 = 10,52
10
= 5,06
Dalam tabel 2.4, pada derajat kebebasan = 9 dan tingkat probabilitas 95%, =
2,262. Karena 5,06 > 2,262, maka hasil ini berbeda secara signifikan dengan NIST.
Dua peraturan yang dipakai kimiawan adalah peraturan 2,5d dan 4d.
Peraturan-peraturan tersebut diaplikasikan dengan cara menghitung rata-rata dan
deviasi rerata dari hasil yang baik dan menentukan deviasi hasil yang
mencurigakan dari rata-rata yang baik. Jika deviasi dari hasil yang mencurigakan
sekurang-kurangnya 4 kali lipat deviasi rerata hasil yang baik (sebesar 2,5 kali
untuk peraturan 2,5d), maka hasil yang mencurigakan itu akan ditolak. Jika tidak,
hasil tersebut akan diambil.
17
Peraturan Berdasarkan Rentang
Tes Q dideskripsikan oleh dean dan dixon, secara statistik benar dan amat
mudah untuk diaplikasikan. Ketika tes-Q dipergunakan untuk penolakan, ada
keyakinan yang tinggi (90%) bahwa hasil yang mencurigakan memang menderita
galat khusus. Dengan menggunakan tes-Q untuk penolakan, galat jenis pertama
jarang terjadi. Namun, ketika diterapkan pada kelompok data yang kecil
(katakanlah, tiga atau lima hasil), tes-Q membolehkan penolakan hanya apanila
hasil tersebut memiliki simpanagan yang jauh melebar, dan akibatnya
menimbulkan galat jenis kedua (penyimpangan hasil yang semestinya ditolak).
Jadi, tes-Q memberikan pembenaran yang tepat untuk membuang nilai-nilai yang
secara kasar keliru, namun tes ini tidak mengeliminasi dilema dengan nilai-nilai
yang berdeviasi kecil namun mencurigakan.
3 0,94
4 0,76
5 0,64
6 0,56
7 0,51
18
8 0,47
9 0,44
10 0,41
19
2.5 PERAMBATAN GALAT
R + = (A + ) + ( B +) ( C + )
R=(A+BC)+ (+)
R= +
20
Perkalian dan Pembagian
Perkalian dan pembagian yang terlibat diumpamakan sebagai = , sehingga
( + )( + ) + + +
+= =
( ) +
diabaikan karena dianggap sebagai galat yang sangat kecil. Kemudian dengan
cara mengurangi = menghasilkan
+ +
=
+ +
=
( )
selanjutnya adalah penentuan galat relatif dengan membagi = , Setelah
penghapusan menghasilkan
+ +
=
( )
= +
21
Galat tidak pasti terbukti dengan adanya hamburan pada data bila suatu
pengukuran dilakukan lebih dari satu kali. Umpamakan R = A + B C pada satu
pihak dan = di pihak lain. Hasil teori statistiknya adalah :
2 2 2
=( ) +( ) +( )
Contoh soal :
0,03
1000 = 1,0
30,34
0,0002
1000 = 2,0
1,1012
0,003
1000 = 0,05
63,546
22
0,2
1000 = 0,2
1073,2
Maka,
1000 = (1,0)2 + (2,0)2 + (0,05)2 + (0,2)2
18,18
= 0,04
23
Dalam perkalian dan pembagian, pertahankan dalam setiap suku dan jawaban
sejumlah angka signifikan yang akan mengidikasikan ketidakpastian relative yang
tidak lebih besar dari suku dengan ketidakpastian relative terbesar. Kriteria utama
dalam pembulatan sejumlah jawaban dalam pengalian dan pembagian adalah
ketidakpastian relative bukan jumlah signifikan dalam data.
Contoh umum dari prosedur analitik yang melibatkan pengukuran instrumental dari
sebuah parameter fisika yang sebanding dengan konsentrasi dari analit adalah penentuan
dari konsentrasi dengan mengukur daerah puncak yang didapat dalam kromatograf gas.
Alat yang digunakan dalam eksperimen akan menunjukkan respon yang kemudian
digunakan untuk memberikan sebuuah kurva standar (grafik kalibrasi). Titik eksperimen
jarang berada tepat pada garis lurus tersebut karena adanya galat yang tidak ditentukan.
Dalam statistik ada hubungan matematis yang memungkinkan kimiawan untuk
menghitung secara obyektif kemiringan dan mengantisipasi garis lurus yang terbaik.
Proses ini disebut metode kuadrat terkecil ( least square mothod ) . Di dalam grafik,
angka-angka pada sumbu X menyatakan konsentrasi dari larutan standar. Angka-angka
pada sumbu Y menyatakan respon alat. Garis lurus yang terbaik dapat digambarkan
dengan menghitung persamaan linear
24
= +
Rumus kemiringan dan perpotongan garis dalam statistic adalah sebagai berikut :
( )/
Kemiringan : = , sedangkan perpotongan : , n adalah
jumlah data.
( 2 )
=
2
Jumlah derajat kebebasan disini adalah 2 . karena dua derajat telah dipergunakan
dalam perhitungan nilai . Deviasi standar dari kemiringan adalah
1 1 ( +)2
Deviasi standar hasil ini, = ++
2
25