KONSEP DASAR

METROLOGI INDUSTRI

Oleh:
Ir. Sutrimo, M.Eng

1
Tinjauan Kebutuhan Industri

• Era globalisasi dan perkembangan teknologi membuat

jarak antar negara seolah-olah semakin dekat dan
bangsa-bangsa di negara yang satu saling
membutuhkan di antara bangsa-bangsa negara lain.

• Perdagangan bebas antar negara membawa dampak

yaitu
persaingan dalam kualitas produk, harga,
ketepatan waktu dalam memenuhi pesanan
dan dampak lingkungan yang positif selama
proses produksi.
2
Perkembangan industri di negara Indonesia
umumnya mempunyai ciri yang sama yaitu
adanya industri dasar yang mendukung
hampir seluruh industri.

Industri dasar tersebut dikenal dengan industri

enjinering/industri rekayasa (Engineering
Industry)

3
 Industri rekayasa merupakan tulang punggung
industri yang menyediakan barang kapital (mesin
produksi) dan pemeliharaannya bagi industri
manufaktur serta menyediakan barang-barang tahan
lama kepada konsumen.

 Yang tergolong dalam industri rekayasa mulai dari

industri hulu (industri pengecoran, baja, industri
material) sampai dengan industri hilir (industri
perkakas, industri pembuat produk atau komponen)
mempunyai kegiatan yang sangat beragam.

4
Industri pengecoran logam

Industri baja

Industri pemesinan

5
Keterkaitan
Antara Sistem Faktor Pendukung
Setiap bagian/departemen yang menangani pekerjaan/proses
tertentu akan memiliki komponen-komponen organisasi yang
berfungsi sebagai pendukung kegiatan utama yang bisa
berbentuk sederhana
sampai dengan bentuk
yang kompleks.

Sistem faktor
pendukung industri
rekayasa dapat
diilustrasikan dengan
sistem pengoperasian
mesin perkakas CNC,
6
Pada tingkatan pembuatan dan perakitan
 pemeriksaan kualitas geometrik dilaksanakan pada
produk hasil dari salah satu proses produksi
(kemungkinan produk tersebut masih harus diproses
lagi sebelum proses terakhir yang menghasilkan
komponen yang siap untuk dirakit).
 Hasil pemeriksaan dibandingkan dengan spesifikasi
geometrik yang tercantum pada gambar teknik.
 Bila ada perbedaan antara hasil pengukuran dengan
spesifikasi, maka diambil tindakan yang perlu untuk
memperbaiki kualitas produk.
 Pada taraf ini tentu saja diperlukan penguasaan
teknologi yang terkait yaitu metrologi geometrik
(teknik pengukuran).
7
Teknik Pengukuran
(Metrologi Industri)

8
Metrologi Geometrik/Industri
adalah ilmu dan teknologi untuk melakukan
pengukuran karakteristik geometrik produk
(komponen mesin atau peralatan) dengan
alat dan cara pengukuran yang cocok
sedemikian rupa sehingga data pengukuran
dan pengolahan datanya menghasilkan
harga yang dianggap sebagai yang paling
dekat dengan geometrik sesungguhnya dari
komponen yang bersangkutan.

9
Dari beberapa aspek perancangan komponen mesin
dan peralatan, karakteristik geometrik mempunyai
pengaruh yang besar terhadap fungsi, perubahan
fisik dan geometrik dalam proses pembuatan.
Komponen mesin dan peralatan dapat dikatakan
mempunyai ciri karakteristik geometrik yang ideal
apabila sesuai dengan apa yang dikehendaki
mempunyai ukuran/dimensi yang teliti, bentuk dan
posisi yang sempurna, dan permukaan yang halus
sekali.

10
Beberapa pengaruh karakteristik geometrik terhadap
aspek-aspek yang lain adalah sebagai berikut:
1. Pengaruh karakteristik geometrik terhadap aspek fungsional.
a. Semakin besar ukuran komponen, semakin besar pula kekuatan
material dari komponen tersebut. Ukuran yang besar menunjukkan
kekuatan yang lebih besar.
b. Penyesuaian bentuk komponen yang mempunyai perubahan
ukuran secara drastik sepanjang sumbunya dengan membuat
bentuk lengkungan atau kemiringan dapat mengurangi terjadinya
konsentrasi tegangan, dan dapat menahan beban yang besar,
c. Penyeimbangan komponen secara dinamik pada komponen yang
berputar dengan kecepatan tinggi dapat mengurangi getaran yang
terjadi yang diakibatkan posisi titik berat tidak lagi pada tempat yang
seharusnya,
d. Komponen-komponen yang berfungsi sebagai penerus dan
pengubah putaran memerlukan ketelitian gerakan yang tinggi,
e. Kekasaran atau kehalusan permukaan komponen mesin
mempengaruhi ketahanan terhadap kelelahan yang menerima
beban dinamik, gesekan, keausan, pelumasan, perekatan dua atau
lebih komponen mesin, sehingga makin halus permukaannya makin
tinggi umurnya. 11
2. Pengaruh karakteristik geometrik terhadap aspek
pembuatan.
Langkah awal proses pengerjaan komponen adalah
menetapkan bidang acuan untuk pemosisi. Bagian-bagian
yang diproses awal tersebut harus ditetapkan harga
toleransinya sesuai dengan keinginan.

3. Pengaruh karakteristik geometrik terhadap aspek

perakitan.
Komponen rakitan dari suatu mesin hampir selalu diperlukan
kondisi pasangan yang berkesesuaian. Pemilihan jenis suaian
bergantung dari fungsi komponen rakitan tersebut yaitu suaian
longgar, pas atau paksa. Perancangan suaian sesuai dengan
fungsinya akan memudahkan untuk merakit komponen
tersebut. Untuk memenuhi suaian tersebut diperlukan
karakteristik geometrik.
12
Besaran Standar, Satuan Dasar dan
Satuan Turunan

Teknik pengukuran adalah membandingkan suatu

besaran dengan besaran standar.

Besaran standar tersebut harus memenuhi syarat-syarat

sebagai berikut:
- dapat didefinisikan secara fisik,
- jelas dan tidak berubah dengan waktu,
- dapat digunakan sebagai pembanding, dimana saja
di dunia ini.

13
Besaran standar dari setiap pengukuran dapat
merupakan salah satu atau gabungan dari besaran-
besaran dasar.

Dalam sistem satuan yang telah disepakati secara

internasional (SI Units; International System of Units))
dikenal tujuh besaran dasar, setiap besaran dasar
mempunyai satuan standar dengan simbol yang
digunakan untuk menandai.

Semua besaran standar dari setiap pengukuran yang

bukan merupakan besaran dasar adalah merupakan
besaran turunan dari beberapa besaran dasar.

14
 Tujuh Besaran Standar dan Satuan Dasar

Bahasa Inggris Bahasa Indonesia

No. Besaran dasar
Satuan dasar Simbol Satuan dasar Simbol
1. Panjang meter m meter m
2. Massa kilogram kg kilogram kg
3. Waktu second s detik detik
4. Arus listrik amphere A amper A
5. Temperatur kelvin K kelvin K
6. Jumlah zat mole mole mol mol

7. Intensitas cahaya candela cd lilin lilin

15
Besaran turunan

No. Besaran Nama satuan standar Simbol

1. Luas bidang meter persegi m2
2. Volume meter kubik m3
3. Kecepatan meter per detik m/s
4. Percepatan meter per kuadrat detik m/s2
5. Gaya Newton N ; kg m/s2
6. Tekanan Pascal Pa ; N/ m2 ; kg/(m s2)
7. Energi Joule J ; Nm ; kg m2/s2
8. Daya Watt W ; J/s ; kg m2/s3
9. Potensial listrik Volt V ; W/A ; kg m2/(s2 A)
10. Tahanan listrik Ohm  ; V/A ; kg m2/(s3 A2)

16
Jenis Pengukuran
Pengukuran geometrik mencakup ketiga aspek dari
geometrik yaitu ukuran (dimensi), bentuk, dan kekasaran
permukaan. Jenis pengukuran dan alat ukur yang
digunakan dapat dibedakan menjadi 8 jenis.

No. Jenis pengukuran Alat ukur yang digunakan

1. Linier Mistar ukur, mistar ingsut, mikrometer
Blok ukur, jam ukur, kaliber GO NotGO
2. Sudut Blok sudut, busur bilah, alat bantu rol atau
bola, meja rata
3. Elemen geometrik Mistar ingsut, mikrometer, screw pitch
ulir gauge, profile proyektor, tiga kawat standar
4. Elemen geometrik Mistar ingsut, jam ukur, mistar ingsut roda
roda gigi gigi, alat bantu rol atau bola, meja rata
17
No. Jenis pengukuran Alat ukur yang digunakan
5. Ketegaklurusan Jam ukur, silinder standar, meja rata, alat
bantu bola
6. Kedataran dan Pendatar, autokolimator
kelurusan
7. Kebulatan Jam ukur, dudukan –V, dudukan dua senter,
jenis meja putar
8. Kekasaran Surface roughness comparator, surface
permukaan tester

18
Berdasarkan sifat dari alat ukur maka dikenal
5 jenis alat ukur, yaitu:

1. Alat ukur langsung, yaitu alat ukur yang mempunyai

skala ukur yang telah dikalibrasi, dan hasil pengukuran
dapat dibaca langsung pada skala alat ukur tersebut.
Contoh: mistar ukur (penggaris), mistar ingsut,
mikrometer, dan sebagainya.

Mistar ingsut

Mikrometer
19
2. Alat ukur pembanding, yaitu alat ukur
yang mempunyai skala ukur yang telah
dikalibrasi, yang digunakan sebagai
pembacaan besarnya selisih suatu
dimensi terhadap ukuran standar. Contoh:
jam ukur (dial indicator).

3. Alat ukur standar, yaitu alat ukur

yang mampu memberikan atau
menunjukkan suatu harga dengan
ukuran tertentu, digunakan bersama-
sama dengan alat ukur pembanding
untuk menentukan dimensi suatu
obyek ukur. Contoh: blok ukur
(gauge block). 20
4. Alat ukur batas (kaliber), yaitu alat
ukur yang mampu menunjukkan
suatu dimensi terletak di dalam atau
diluar daerah toleransi ukuran.
Contoh: kaliber GO NotGO.

5. Alat ukur bantu, yaitu bukan alat

ukur dalam arti yang
sesungguhnya, tetapi peranannya
penting sekali dalam melaksanakan
proses pengukuran. Contoh: meja
rata (surface table).
21
Konstruksi Umum Alat Ukur
Komponen yang membentuk suatu alat ukur yaitu
sensor, pengubah, dan penunjuk atau pencatat.

1. Sensor
 Sensor adalah peraba dari alat ukur yang
menghubungkan alat ukur dengan benda ukur.
 Ujung-ujung kontak dari mikrometer, kedua lengan
dari mistar ingsut, jarum dari alat ukur kekasaran
permukaan adalah merupakan contoh sensor
mekanik.
 Sistem lensa adalah merupakan sensor alat ukur
optik.
22
Sensor mekanik
Sensor mekanik

Sensor mekanik

Sensor mekanik

23
2. Pengubah
 Pengubah adalah bagian yang terpenting dari alat
ukur yang berfungsi mengubah isyarat dari sensor
diteruskan, diubah atau diolah terlebih dahulu
sebelum diteruskan ke bagian lain dari alat ukur
(bagian penunjuk).
 Prinsip kerja pengubah mulai dari prinsip kinematik,
optik, elektrik, pneumatik, sampai pada sistem
gabungan, yang kesemuanya pada dasarnya
bertujuan untuk memperbesar dan memperjelas
perbedaan yang kecil dari geometrik suatu obyek
ukur.

24
Pengubah mekanik
 Semata-mata berdasarkan prinsip kinematik yang
meneruskan dan mengubah gerkan menjadi gerakan
lain (biasanya gerakan rotasi) yang relatif lebih besar
perubahannya.
 Contoh: sistem roda gigi dan batang bergigi pada jam
ukur, sistem ulir dari mikrometer.

pengubah mekanik

pengubah mekanik
25
Pengubah mekanik optik
 Pengubah mekanik biasanya berupa batang
kinematik yang berfungsi untuk memperbesar
perubahan dari silinder pengukur menurut
perbandingan jarak antara kedua ujung batang
terhadap engselnya.
 Pengubah mekanik ini menyebabkan perubahan
kemiringannya suatu kaca yang berfungsi sebagai
pemantul berkas cahaya dari pengubah optik.
 Pengubah optik sesungguhnya merupakan sistem
pembentuk bayangan yang berupa garis yang
diproyeksikan pada layer dari gelas yang diasah dan
diberi skala ukuran.

26
Pengubah elektrik
 Menggunakan prinsip kerja elektrik berfungsi untuk
mengubah isyarat perubahan besaran non elektrik
(misal perubahan panjang), baik yang berasal
langsung dari sensor ataupun yang telah melalui
pengubah primer (biasanya pengubah mekanik)
menjadi isyarat perubahan besaran elektrik.

 Contoh: pengubah
kapasitif dengan skema
penguat operasionil
LVDT (linear variable
differential transformer).

27
Pengubah penumatik;
 Bekerja atas dasar suatu gejala bahwa kondisi suatu
aliran udara yang tertentu (tetap) akan berubah
apabila ada perubahan pada celah antara permukaan
benda ukur dengan permukaan sensor alat ukur.
 Perubahan kondisi aliran udara dapat diketahui
dengan cara mengukur perubahan tekanannya
ataupun kecepatan alirannya.

28
Pengubah optik
 Pada dasarnya yang digunakan adalah berfungsi
sebagi pembelok berkas cahaya yang melewati atau
memantul dari suatu obyek sehingga terbentuk suatu
bayangan dengan ukuran yang lebih besar dari
ukuran obyeknya.
 Sistem optik biasanya terdiri dari salah satu
gabungan komponen-konponen yang berupa cermin,
lensa atau prisma.

29
3. Penunjuk atau pencatat
 Penunjuk atau pencatat adalah bagian dari alat ukur
yang menunjukkan atau mencatat hasil pengukuran.
 Hampir semua alat ukur kecuali beberapa alat ukur
standar dan alat ukur batas, mempunyai bagian
penunjuk.
 Penunjuk dapat dikategorikan menjadi 2 macam,
yaitu: penunjuk berskala, dan penunjuk berangka
(digital).

30
Penunjuk berskala
• Skala adalah susunan garis yang beraturan dengan
jarak antara dua garis yang berdekatan dibuat tetap dan
mempunyai arti tertentu.
• Secara visual pembacaan dilakukan dengan
pertolongan garis indeks atau jarum penunjuk yang
bergerak relatif terhadap skala.
• Skala ukur terdiri dari dua macam, yaitu
i. skala utama yaitu skala dengan jarak antara dua
garis dengan ukuran standar.

ii. skala nonius yaitu skala yang dibuat secara

proporsional (jarak antara dua garis tidak
standar), tergantung nilai ukuran yang terkecil
(kecermatan). 31
 Skala utama
Skala nonius

Skala utama

Skala nonius

32
Kecermatan pada skala nonius

Skala nonius
Besar skala
Kecermatan per bagian pada Jumlah Panjang
utama
skala nonius bagian keseluruhan
1/10 (0,10) mm 1 mm 0,9 mm 10 9 mm
1 mm 0,95 mm 20 19 mm
1/20 (0,05) mm
2 mm 1,95 mm 20 39 mm
1 mm 0,98 mm 50 49 mm
1/50 (0,02) mm
1 mm 0,98 mm 25 24,5 mm

33
Penunjuk berangka (digital)
• Pada alat ukur dengan penunjuk berangka dapat
langsung mengetahui hasil pengukuran deretan
angka yang tersedia, baik dengan jenis mekanik
maupun elektronik.
• Penunjuk digital mekanik terdiri dari susunan
beberapa silinder dengan sistem roda gigi masing-
masing diberi angka pada permukaannya mulai dari
angka 0 sampai dengan 9.
• Penunjuk digital elektronik menggunakan komponen
elektronik yang disebut LED (light emitting diode).
• Suatu kode angka dapat dari 7 buah LED yang
disusun seperti angka 8.

34
Untuk beberapa hal tertentu penunjukkan suatu
harga pada suatu saat dianggap tidak memberikan
suatu informasi yang lengkap mengenai proses
pengkuran yang sedang dilakukan.

Oleh karena itu diperlukan alat pencatat yang dapat

membuat suatu grafik pengukuran pada kertas
berskala.

35
Sifat Umum Alat Ukur
 Alat ukur adalah merupakan alat yang dibuat oleh
manusia, dengan demikian ketidaksempurnaan adalah
merupakan ciri utama.

 Meskipun alat ukur direncanakan dan dibuat dengan

cara yang paling seksama, ketidaksempurnaan tidak
bisa dihilangkan sama sekali dan hanya dalam batas-
batas tertentu alat ukur dianggap sebagi cukup baik
untuk digunakan dalam suatu proses pengukuran.

 Untuk menyatakan sifat-sifat alat ukur digunakan

beberapa istilah teknik yang sewajarnya harus
diketahui supaya jangan timbul salah penafsiran.
36
1. Rantai kalibrasi (mampu usut)
yaitu pencocokkan harga-harga yang tercantum pada
skala alat ukur dengan harga standar yang dilakukan
secara periodik.

Kalibrasi bukan saja diharuskan untuk alat ukur yang

baru selesai dibuat, akan tetapi diwajibkan pula bagi
alat ukur yang telah lama dipakai.

Hal ini perlu untuk menghindari penipuan dari alat ukur

karena satu dan lain hal misalnya keausan dari
komponen-komponennya.

37
Untuk menjamin hubungannya dengan satuan standar
maka alat ukur yang digunakan oleh operator mesin
sebagai alat ukur kerja dapat diperiksa melalui suatu
rantai kalibrasi, sebagai berikut:
Tingkat 1:kalibrasi alat ukur kerja dengan alat ukur
standar kerja.
Tingkat 2 :kalibrasi alat ukur standar kerja dengan
alat ukur standar.
Tingkat 3 :kalibrasi alat ukur standar dengan alat
ukur standar nasional.
Tingkat 4 :kalibrasi alat ukur standar nasional
dengan alat ukur standar internasional.

Tingkatan-tingkatan kalibrasi di atas sering pula disebut

sebagai mampu usut (traceability) dari ketelitian alat
ukur. 38
2. Kepekaan (sensitivity)
yaitu kemampuan alat ukur untuk merasakan
perbedaan yang relatif kecil dari harga yang diukur.

3. Kemudahan baca (readability)

yaitu kemampuan sistem penunjukkan dari alat ukur
untuk memberikan angka yang jelas dan berarti.

4. Histerisis (histeristic)
yaitu penyimpangan yang timbul sewaktu dilakukan
pengukuran secara kontinyu dari dua arah yang
berlawanan, mulai dari skala nol hingga skala
maksimum dan diulangi dari skala maksimum hingga
skala nol.
39
5. Kepasifan (passivity) atau
kelambatan reaksi
yaitu kejadian adanya perbedaan atau perubahan kecil
dari harga yang diukur (yang dirasakan sensor) tidak
menimbulkan perubahan pada jarum penunjuk.

Kepasifan dapat pula diartikan sebagai kelambatan alat

ukur untuk bereaksi atas adanya perubahan yang
dirasakan oleh sensor.

Umumnya alat ukur dengan pengubah mekanik yang

disebabkan oleh pengaruh kelembamam atau dapat
disebabkan oleh faktor kelelahan bahan, misal pegas
pada alat ukur tidak elastik sempurna.
40
6. Pergeseran (shifting)
yaitu terjadi perubahan harga yang ditunjukkan pada
skala atau yang dicatat pada kertas grafik, sedangkan
sesungguhnya sensor tidak mengisyaratkan suatu
perubahan.

Pergeseran sering dialami oleh alat ukur dengan

pengubah elektrik, bila terjadi perubahan temperatur (di
dalam alat ukur tersebut) dapat mempengaruhi sifat-
sifat dari komponen elektroniknya yang sudah tua.

41
7. Kestabilan nol (zero stability)
yaitu penyimpangan yang terjadi pada skala ukur
apabila jarum penunjuk tidak tepat kembali ke posisi
nol setelah seketika benda ukur diambil.

Kestabilan nol sangat erat hubungannya dengan

histerisis yang disebabkan oleh keausan pada
mekanisme penggerak jarum penunjuk.

42
8. Pengambangan (floating)
yaitu kejadian pada jarum penunjuk selalu berubah
posisinya (bergetar) atau angka terakhir (paling kanan)
dari penunjuk digital berubah-ubah.

Hal ini disebabkan oleh adanya perubahan-perubahan

yang kecil yang dirasakan sensor yang kemudian
diperbesar oleh bagian pengubah alat ukur.

Semakin peka alat ukur, terjadi pengambangan

sewaktu proses pengukuran berlangsung sangat besar.

43
Kesalahan atau Penyimpangan
Sewaktu Proses Pengukuran
Proses pengukuran adalah merupakan proses yang
mencakup tiga bagian yaitu benda ukur, alat ukur, dan
manusia, karena ketidaksempurnaan dari masing-masing
bagian, maka bisa dikatakan bahwa tidak ada satupun
pengukuran yang memberikan ketelitian yang absolut.

Kesalahan selalu ada, yaitu merupakan perbedaan antara

hasil pengukuran dengan harga yang dianggap benar.

Setiap pengukuran mempunyai ketidaktelitian (kesalahan)

yang berbeda-beda tergantung dari kondisi alat ukur,
benda ukur, metoda pengukuran, dan keahlian pengukur.
44
Apabila suatu pengkuran dilakukan untuk kedua, ketiga
dan seterusnya untuk beberapa kali pengukuran yang
identik, maka hasil dari setiap pengukuran tersebut tidak
selalu tepat sama, kurang lebih terpencar di sekitar harga
rata-rata.

Demikian pula halnya untuk beberapa grup pengukuran

yang identik (ada m grup yang masing-masing terdiri dari n
kali pengukuran tunggal), maka harga rata-rata dari setiap
grup pengukuran juga akan sedikit terpencar di sekitar
harga rata-rata total.

Keadaan tersebut merupakan sifat umum dari pengukuran

yang berhubungan dengan ketepatan atau kemampuan
untuk mengulangi hal yang sama.
45
Berbicara mengenai kesalahan dalam proses pengukuran,
sangat berkaitan dengan dua istilah penting yaitu ketelitian
dan ketepatan. Sering ke dua istilah tersebut dipakai
secara keliru dan/atau pembaca keliru mengartikannya.

Ketelitian (Accuracy):
yaitu persesuaian antara hasil pengukuran dengan
harga sesungguhnya (dimensi obyek ukur).

Ketepatan (Precision, Repeatability):

yaitu kemampuan proses pengukuran untuk
menunjukkan hasil yang sama dari pengukuran yang
dilakukan berulang-ulang dan identik.

46
Istilah ketelitian diperlukan target atau sasaran proses
pengukuran, sedangkan istilah ketepatan tidak harus
dikaitkan dengan target.
 Ketelitian berkonotasi mencari hakekat kebenaran
yang diusahakan,
 Ketepatan berkonotasi pengulangan dan kewajaran
atau ketaksengajaan.
 Sebagai penjelasan diperlukan mengenai istilah
kecermatan.

Kecermatan (Resolution):
yaitu sasaran atau target atau angka satuan terkecil yang
bisa dibaca.

47
 Pertama Kedua

• Lingkaran-lingkaran pertama dan kedua disebut

sasaran atau target, yang disebut kecermatan.
• Sasaran kedua lebih mudah dibanding sasaran
pertama. 48
 Pertama

• Hasil tembakan penembak

A dan B dibandingkan
A dengan yang diinginkan
B (pusat) berjarak xA dan xB.

• Hasil tembakan penembak

B lebih dekat dengan
pusat dibanding hasil
tembakan penembak A.

• Perbedaan antara hasil ukuran dengan ukuran yang

diinginkan disebut ketelitian.
49
 Pertama

• Kemampuan menembak
A 20 kali bahwa:
B
- penembak A mengumpul
- penembak B menyebar.

• Kemampuan penembak A
lebih mendekati sama
dibanding kemampuan
penembak B.

• Kemampuan untuk memperoleh hasil mendekati sama

yang dilakukan berulang-ulang dan identik disebut
ketepatan atau presisi
50
Dari ketiga kondisi, jelas mempunyai arti yang berbeda.
Apabila diaplikasikan dalam bidang teknik mesin:
1. Sasaran atau target atau angka satuan terkecil
disebut kecermatan, terdapat pada alat ukur. Contoh:
kecermatan penggaris umumnya sebesar 1 mm.

2. Perbedaan antara hasil ukuran dengan ukuran yang

diinginkan (yang terdapat pada gambar teknik)
disebut ketelitian, kaitannya dengan ukuran produk.

Contoh: perbedaan antara hasil ukuran diameter

poros yang dibuat oleh mahasiswa dibandingkan
dengan ukuran yang diinginkan yang terdapat pada
gambar teknik.
51
3. Kemampuan untuk memperoleh hasil mendekati sama
yang dilakukan berulang-ulang dan identik disebut
ketepatan atau presisi, kaitannya dengan mesin.

Contoh: mesin perkakas CNC dapat menghasilkan

produk yang mendekati sama karena dilengkapi dengan
pemrograman NC.

52
Faktor-faktor yang membuat suatu proses pengukuran
menjadi tidak teliti dan tidak tepat dapat berasal dari
berbagai sumber yaitu:

1. Alat ukur.
• Kesalahan atau penyimpangan yang disebabkan
oleh alat ukur yang belum dilakukan lagi kalibrasi.
• Kemungkinan yang akan timbul sifat-sifat yang
jelek dari alat ukur misalnya histerisis, kepasifan,
pergeseran, dan kestabilan nol.

53
2. Benda ukur
• Kesalahan atau penyimpangan yang disebabkan
oleh beban dari tekanan kontak dri sensor alat ukur
(sewaktu mengukur) atau karena berat benda ukur
sendiri (yang diletakkan diantara tumpuan).
• Dengan beban tersebut alat ukur dapat mengalami
deformasi (perubahan bentuk).
• Sewaktu pengukuran berlangsung tidak boleh terjadi
gerakan dari benda ukur pada arah yang sama
dengan garis pengukuran (garis dimensi obyek ukur)
sehingga dalam beberapa keadaan diperlukan alat
pemegang benda ukur (penjepit).
• Karena penjepit ini juga memberikan tekanan pada
benda ukur, maka posisi dari penjepit harus
ditentukan sedemikian rupa sehingga tidak
menimbulkan deformasi yang merugikan. 54
3. Posisi pengukuran
• Kesalahan atau penyimpangan yang disebabkan
oleh peletakan atau pengambilan posisi garis
pengukuran pada alat ukur tidak berimpit atau tidak
sejajar dengan garis dimensi obyek ukur.

garis dimensi
• Apabila garis
pengukuran membuat
sudut sebesar  dengan
M garis dimensi
L dinamakan kesalahan
kosinus atau kesalahan
sinus
L = M cos 
garis pengukuran

55
4. Lingkungan.
• Kesalahan atau penyimpangan yang disebabkan
oleh kondisi lingkungan yang tidak sesuai untuk
melakukan proses pengukuran.
• Misal cahaya atau penerangan yang tidak cukup
mengakibatkan kesalahan pembacaan skala ukur,
lingkungan yang kotor dan berdebu yang
menempel pada permukaan sensor mekanik dan
permukaan obyek ukur dapat menyebabkan
kesalahan sistematik, dan getaran pada lantai
pabrik.
• Begitu juga pengaruh temperatur perlu mendapat
perhatian, karena dapat menyebabkan berubahnya
dimensi dari semua benda padat, terutama logam.
56
• Supaya hasil pengukuran akan selalu sama, maka
telah disetujui secara internasional bahwa temperatur
standar untuk proses pengukuran geometrik sebesar
20°C.
• Perubahan panjang akan terjadi pada pengukuran
langsung adalah:

 l = l  (t - ts)

keterangan:
 l = perubahan panjang; mm
l = panjang obyek ukur; mm
 = koefisien muai panjang; °C-1
t = temperatur obyek ukur; °C
ts = temperatur standar = 20°C
57
5. Manusia (pengukur).

Kesalahan atau penyimpangan yang disebabkan oleh

cara manusia mengukur, pengalaman, dan keahlian,
serta kemampuan dan perangai pengukur. Yang
harus dipahami kembali bahwa proses pengukuran
adalah suatu pekerjaan yang memerlukan
kecermatan, dengan demikian manusia (pengukur)
yang melakukan pengukuran harus:

• mempunyai pengalaman praktek yang

didasari dengan penguasaan pengetahuan
akan pengukuran atau pernah mengikuti
training metrologi geometrik,

58
• waspada akan kemungkinan letak dari sumber
penyimpangan dan mengetahui cara mengeleminir
(mengurangi sampai sekecil mungkin sehingga
praktis dapat diabaikan) pengaruhnya terhadap
hasil pengukuran,
• mempunyai dasar-dasar pengetahuan akan alat
ukur, cara kerja alat ukur, cara pengukuran, cara
mengkalibrasi dan memelihara alat ukur,
• mampu untuk menganalisis suatu permasalahan
pengukuran, menentukan cara pengukuran sesuai
dengan tingkat kecermatan yang dikehendaki,
memilih alat ukur yang sesuai, dan melaksanakan
proses pengukuran,
• sadar bahwa hasil pengukuran adalah
sepenuhnya merupakan tanggung jawabnya.
59
Analisis Data Pengukuran
Setiap proses pengukuran akan menghasilkan data
pengukuran, yaitu kumpulan harga hasil pengukuran.

Berdasarkan data pengukuran penjelasan seharusnya

dapat disimpulkan sehingga hasil pengukuran menjadi
lebih berarti, yaitu sesuai dengan tujuan pengukuran.

Seperti halnya pembuatan produk maka proses

pengukuran juga mengalami variasi, yang berarti hasilnya
mungkin akan lain apabila proses pengukuran diulangi.

Besar kecilnya perbedaan ini dipengaruhi oleh proses

pengukuran (metoda, alat ukur, benda ukur, lingkungan,
pengukur) dan kecermatan alat ukur. 60
Sesungguhnya menghitung harga rata-rata adalah
merupakan usaha untuk mencari harga yang dapat
dianggap sebagai “WAKIL” dari beberapa harga yang
bervariasi.

Akan tetapi, dalam banyak hal harga rata-rata saja

bukanlah merupakan informasi yang lengkap. Karena,
variasi atau perbedaan di antara harga-harga pengukuran
tersebut tidak diterangkan atau tidak terkandung
informasinya pada satu harga, harga rata-rata.

61
Sebagai contoh, misalnya tiga mahasiswa A, B, dan C
melakukan pengukuran menghasilkan kumpulan harga-
harga.

Hasil pengukuran tiga mahasiswa

Mahasiswa Hasil pengukuran

A 10,20 10,28 10,34 10,14 10,44 10,04

B 10,27 10,21 10,24 10,25 10,23 10,24
C 10,04 10,28 10,00 10,14 10,40 10,36

62
 Harga
Mahasiswa Hasil pengukuran
rata-rata

A 10,20 10,28 10,34 10,14 10,44 10,04 10,24

B 10,27 10,21 10,24 10,25 10,23 10,24 10,24
C 10,04 10,28 10,00 10,14 10,40 10,36 10,20

• Dengan hanya memandang harga rata-ratanya saja

maka mahasiswa A dan B cenderung untuk dianggap
sama.

63
 Harga
Mahasiswa Hasil pengukuran
jangkauan

A 10,20 10,28 10,34 10,14 10,44 10,04 0,40

B 10,27 10,21 10,24 10,25 10,23 10,24 0,06
C 10,04 10,28 10,00 10,14 10,40 10,36 0,40

• Tetapi, apabila data pengukurannya diperiksa lagi yaitu

dengan memandang jangkauan (selisih ukuran
terbesar dan terkecil dari variasi harga-harga) hasil
pengukuran, maka mahasiswa A dan C cenderung untuk
dianggap sama.

64
 Harga Harga
Mahasiswa Hasil pengukuran
rata-rata jangkauan

A 10,20 10,28 10,34 10,14 10,44 10,04 10,24 0,40

B 10,27 10,21 10,24 10,25 10,23 10,24 10,24 0,06
C 10,04 10,28 10,00 10,14 10,40 10,36 10,20 0,40

• Perbedaan harga rata-rata mahasiswa A dan C praktis

menjadi tidak berarti, apabila ditinjau dari variasi data
pengukuran.
• Sebaliknya, mahasiswa B harus dianggap sebagai
mahasiswa yang berbeda dengan ke dua mahasiswa
yang lain, karena variasi data pengukurannya lebih kecil
atau sempit.

65
Contoh di atas merupakan analisis statistika sederhana,
perbedaan atau variasi harga-harganya masih terlihat.

Apabila variasi harganya adalah sedemikian rupa sehingga

sulit untuk membedakannya, atau angka-angka yang harus
diperiksa terlalu banyak, maka diperlukan metoda analisis
yang dapat diandalkan yang mampu menunjukkan
kesamaan atau perbedaan secara lebih jelas.

Keterangan mengenai seberapa jauh harga-harga

pengukuran bervariasi menentukan ketepatan proses
pengukuran yang bersangkutan.

66
Sementara itu, perbedaan di antara harga rata-rata
dengan memperhatikan aspek variasi data pengukuran
menentukan ketelitian antara ke tiga data yang
diperbandingkan.

Metoda untuk menganalisis harga-harga yang bervariasi

telah dikenal dengan nama analisis statistika.

Ilmu Statistika dapat dimanfaatkan, apabila diperlukan

dalam situasi seperti perbandingan antara ke tiga
contoh data di atas dan kecermatan pengukurannya
serupa yaitu sampai dua angka desimal dengan angka
desimal maka ke tiga data pengukuran otomatis akan
dianggap sama karena tidak ada variasi angkanya.
67
Dari uraian di atas tersirat bahwa ada keterkaitan antara
cara mendapatkan angka (metoda, alat ukur, dan proses
pengukuran), hasil yang diperoleh (data), dan cara
membandingkan data (analisis data).

Ilmu statistika dikembangkan menjadi metoda analisis

data yang dapat diandalkan untuk menentukan
kesimpulan yang sejelas mungkin dengan keraguan
sesedikit mungkin.

Hal ini otomatis akan mengarah pada perancangan

metoda penelitian yang paling sesuai dengan masalah
yang dihadapi guna menuju pada analisis data dengan
keunggulan seperti yang dijanjikan.
68
Banyak permasalahan mengenai data yang
diperbandingkan yang dapat diselesaikan dengan
analisis statistika.

Bisa dikatakan, hanya data yang tidak mengandung

angka saja yang tidak bisa diselesaikan.

Dalam hal ini, tugas pertama yang harus diselesaikan

adalah mengubah data tersebut menjadi sekelompok
angka-angka yang patut atau layak untuk
diperbandingkan.

69
Jika kelompok data yang diperbandingkan memiliki angka-
angka yang jelas berbeda (jelas terpisah), analisis
perbandingan data tak perlu dilakukan.

Kesimpulan dapat segera diberikan bahwa data tersebut

berbeda (dan berharaplah supaya semua orang akan
menyetujuinya).

Jika kelompok angka-angka berbaur sehingga sulit untuk

dilihat perbedaannya maka barulah analisis data statistik
dapat berperan.

70
Teori dasar analisis perbandingan data adalah distribusi
normal dan beberapa distribusi teoretik lainnya.

Analisis dilakukan secara bertahap. Untuk setiap tahap

suatu pemeriksaan akan diajukan pada data dengan acuan
distribusi teoretik.

Komponen data yang memegang peranan dalam

perbandingan data adalah varian.

Ibarat alat ukur, varian dimanfaatkan untuk mengukur

perbedaan komponen data lain yaitu harga rata-rata.

Oleh sebab itu, metoda analisis perbandingan data sering

dinamakan sebagai analisis varian (ANOVA; Analysis of
Varian).
71
Tergantung pada kecanggihan permasalahan, dapat dipilih
metoda analisis yang paling sesuai.

Umumnya pengelompokkan data dapat digunakan sebagai

acuan mula. Atau di balik, metoda dipilih lantas diperoleh
atau diusahakan dengan merancang percobaan/
penelitiannya.

Biasanya dasar pengelompokkan data tidak dinyatakan

dalam besaran yang terukur. Misalnya, dikelompokkan
berdasarkan mesin, metoda, jenis, daerah, dan
sebagainya.

Dapat pula data dikelompokkan berdasarkan besaran

terukur misalnya, putaran, kecepatan, umur, dan
sebagainya.
72
Permasalahan yang sering di jumpai dalam menganalisis
data pengukuran adalah membandingkan dua data yang
diperoleh dari pengukuran yang berbeda (berbeda
operator, berbeda metoda, berbeda kondisi, dan
sebagainya), untuk menentukan parameter yang diperoleh
dari beberapa data mempunyai kesalahan rambang atau
sistematik.

Dua data yang diperoleh dari dua sumber yang sejenis

dapat diperbandingkan
Ukuran Harga rata- Derajat Variabel
Data Varian; s2i
sampel; ni rata; x i kebebasan; fi teoretik
1 n1 x1 s21 f1 = n1 - 1 ξ1 ; σ1
2 n2 x2 s22 f2 = n2 - 1 ξ2 ; σ2

73
 n
Sx
 xi
1
Harga rata-rata sampel; x =   Sx = sum
n n
i=1

n
2 = SSD x

1
Varian sampel; s x  (xi  x) 2
n-1 n-1
i=1
n 2

S x
SSD x = (xi  x) 2 atau SSD x = SS x -
n
i=1
 SSDx = sum of square of
deviations
SSx = sum of squares

Deviasi standar sampel; s x = s2x

74
Secara teoretik, untuk pengukuran yang identik yang
dilakukan sampai batas tak terhingga (n = ) akan
menghasilkan harga rata-rata yang tetap dan disebut
harga rata-rata batas; ξ (limiting mean; theoretical
mean), dan menghasilkan jumlah selisih kuadrat yang
tertentu atau tetap harganya dan perata-rataan harga ini
disebut varian teoretik, σ2 (theoretical variance).

Harga rata-rata teoretik (batas);

n
 xi
1
 =  jika n = 
n
i=1
n
Varian teoretik;  2 1
n
 (xi   ) 2  jika n = 
i=1

Deviasi standar teoretik;  = 2 75

Suatu proses di alam ini (proses produksi, proses
pengukuran, dan sebagainya) jika seandainya bisa
diulang sampai tak terhingga akan menghasilkan populasi
harga dengan sifat khusus yang umumnya terdistribusi
sebagaimana Distribusi Normal (Normal Distribution).

Secara matematika, fungsi distribusi normal dapat

dituliskan:
p{x}

1
1   x ξ 2
px  e 2 σ = 1 = 100 %
2π

- -3σ -2σ -σ  +σ

+2σ +3σ
 x76
Analisis perbandingan dua data dilakukan secara
bertahap untuk menilai ke dua sampel dapat dianggap
atau tidak berasal dari satu populasi adalah sebagai
berikut:

1. Pemeriksaan ke dua varian sampel (s21 dan s22 )

• Pemeriksaan ke dua varian s21 dan s22 dari hasil
pengukuran sebagaimana yang dianjurkan oleh
R.A. Fisher yaitu rasio atau perbandingan antara
varian sampel besar terhadap varian sampel kecil
yang disebut dengan Fisher Test atau Variance
Ratio Test.
Varian sampel terbesar
F =
Varian sampel terkecil
77
• Sebagai pembanding untuk tingkat kepercayaan 95
% bagi tes dua sisi secara bilateral test digunakan
fraktil distribusi rasio varian (2 distribution) dengan
derajat kebebasan (fvar.besar, fvar.kecil) untuk nilai
kemungkinan 97,5%.

Kadangkala, tingkat kepercayaan ini diturunkan

sampai α = 99,98 % demi untuk lebih meyakinkan
adanya perbedaan varian.

78
i. Bila F ≤ 2.975 (fvar besar , fvar kecil)
 artinya terjadi kesalahan rambang (random error).
 ke dua varian s21 dan s22 dapat dianggap sama
atau berasal dari satu populasi.
 analisis perbandingan data dapat diteruskan.
 ke dua varian dapat disatukan atau varian total s2.

2 f1 s 21 + f2 s 2 2
s = dan s = s2
f1 + f2

ii. Bila F ≥ 2.975 (fvar.besar , fvar kecil)

 artinya terjadi kesalahan sistematik (systematic
error).
 ke dua varian s21 dan s22 dianggap berasal dari
populasi yang berbeda dan tak layak untuk
diperbandingkan (analisis tak dapat diteruskan) 79
Contoh penggunaan distribusi rasio varian (2 - distribution) untuk nilai
kemungkinan komulatif 97,5 %.
f untuk varian sampel besar
1 2 3 . . 10 . 22 24 . fn
1 648 800 864 . . 969 . 995 997 . .
f untuk varian sampel kecil

2 38,5 39,0 39,2 . . 39,4 . 39,5 39,5 . .

. . . . . . . . . . . .
12 6,55 5,10 4,47 . . 3,37 . 3,04 3,02 . .
. . . . . . . . . . . .
25 5,69 4,29 3,69 . . 2,61 . 2,27 2,24 . .
. . . . . . . . . . . .
fn . . . . . . . . . . .

- 2.975 (10 , 12) = 3,37 (langsung dibaca)

- 2.975 (23 , 25) = 2,26 (dengan interpolasi) yaitu:
2 (23  22)
 (23 , 25)  2,27  x (2,24  2,27)  2,26
.975 (24  22) 80
2. Pemeriksaan ke dua harga rata-rata x 1 dan x2 dari
hasil pengukuran sebagaimana yang dianjurkan oleh
W.S. Gosset yaitu menghitung t.

x1 - x2
t = ; f = n1 + n 2 - 2
1 1
s +
n1 n2

Sebagai pembanding untuk tingkat kepercayaan 95%

bagi tes dua sisi (bilateral test) digunakan fraktil
distribusi- t (t - distribution) dengan derajat kebebasan
f = n1 + n2 -2 untuk nilai kemungkinan 97,5%.

81
i. Bila t ≤ t.975 (f = n1 + n2 -2 )
 artinya terjadi kesalahan rambang (random error)
 ke dua harga rata-rata x 1 dan x2 dapat dianggap
sama atau berasal dari satu populasi
 sehingga ke dua harga rata-rata dapat disatukan
atau harga rata-rata total x dan perkiraan varian
teoretik s2o.
n1 x1 + n 2 x2
x=
n1 + n 2

S 21 S 2 2 (S1  S 2 ) 2
SSD1  SSD 2   
SSD o n1 n2 n1  n 2
s 2o = 
n1 + n 2  1 n1 + n 2  1

SSD1  f1 S 21 dan SSD 2  f2 S 2 2

82
S1  n1 x1 dan S 2  n 2 x2
ii. Bila t ≥ t.975 (f = n1 + n2 - 2 )
 artinya terjadi kesalahan rambang (systematic
error).
 ke dua harga rata-rata x 1 dan x 2 dianggap berasal
dari populasi yang berbeda dan tak layak untuk
diperbandingkan (analisis tak dapat diteruskan)
 so so 
P  x - t.975 <  < x + t.975  = 95 %
 n1  n 2 n1  n 2 

83
 A B
Pemeriksaan Varian
nA nB Varian sampel terbesar s 2B s2A
F =  2 atau 2
fA fB Varian sampel terkecil s A s B
s2 A s 2B 2.975 (fvar. besar , fvar. kecil) = ... (tabel)
xA xB
Bila : F < 2.975 (fvar. besar , fvar. kecil), maka
f A s 2 A + f2 s 2B
hitung  s 2
= dan s = s2
f A + fB

Pemeriksaan Harga Rata-rata

x A - xB Bila : t < t .975 (f = nA + nB - 2), maka
t =
1 1 n A x A + nB xB
s + hitung  x =
nA nB n A + nB

t.975 (f = nA + nB - 2) = … (tabel)
sebagai kesimpulan 84
Contoh:
Dua mahasiswa Jurusan Teknik Mesin melakukan praktikum
pengukuran diameter ulir luar ISO Metrik M6 dengan
menggunakan mikrometer dengan kecermatan 0,001 mm.
Data hasil pengukurannya seperti pada tabel.
Pengukuran Hasil pengukuran diameter ulir luar; xi dalam mm
ke; ni Mahasiswa A Mahasiswa B
1 6,011 6,012
2 6,012 6,017
3 6,016 6,011
4 6,012 6,012
5 6,011 6,012
6 6,012 6,011
7 6,014 6,016
8 6,015 6,015
9 6,012
85
10 6,015
Penyelesaian:
• Banyaknya data; n dan derajat kebebasan; fx
nA = 10 ; fA = nA - 1 = 10 - 1 = 9
nB = 8 ; fB = nB - 1 = 8 - 1 = 7

• Harga rata-rata sampel; x

nA

1 1
xA = xiA  6,011 + 6,012 + ... + 6,015  6,0130
nA 10
i=1
nB

1 1
xB = xiB  6,012 + 6,017 + ... + 6,015  6,0133
nB 8
i=1

• Varian sampel; s2x

nA
 (xiA  x A ) 2 = 6,011- 6,0130 ... 6,015 - 6,0130  0,000030
2 2
SSD A =
i=1
nB
 (xiB  xB ) 2 = 6,012 - 6,0133 ... 6,015 - 6,0133  0,000040
2 2
SSDB =
86
i=1
 SSD A 0,000030
s2 A =   0,000003
nA - 1 10 - 1
 s 2B > s 2A
2 SSDB 0,000040
s B =   0,000006
nB - 1 8 -1

• Analisis perbandingan dua data (ANOVA)

1. Pemeriksaan ke dua varian

Varian sampel terbesar s 2B 0,000006

- F =    1,714286
Varian sampel terkecil 2
s A 0,000003

- Dari tabel fraktil distribusi rasio varian dengan tingkat

kepercayaan 95 % (bilateral test), diperoleh:

2.975 (f var. besar , f var. kecil) = 2.975 ( 7 , 9 ) = 4,20

87
 Analisis perbandingan dua data

Hasil pengukuran;
ni mm xiA - x A (xiA - xA) 2 xiA - xB (xiB - xB) 2
xA xB
1 6.011 6.012 -0.0020 0.000004 -0.0013 0.000002
2 6.012 6.017 -0.0010 0.000001 0.0037 0.000014
3 6.016 6.011 0.0030 0.000009 -0.0023 0.000005
4 6.012 6.012 -0.0010 0.000001 -0.0013 0.000002
5 6.011 6.012 -0.0020 0.000004 -0.0013 0.000002
6 6.012 6.011 -0.0010 0.000001 -0.0023 0.000005
7 6.014 6.016 0.0010 0.000001 0.0027 0.000007
8 6.015 6.015 0.0020 0.000004 0.0017 0.000003
9 6.012 -0.0010 0.000001
10 6.015 0.0020 0.000004
nA = 10 6.0130 6.0133 9 0.000030 7 0.000040
nB 8 x x ↑ fA ↑ SSDA ↑ fB ↑ SSDB
↑ A ↑ B
=
s2A = 0.000003 s2B = 0.000006 88
 Analisis perbandingan dua data
1. Pemeriksaan ke dua varian (s2A dan s2B )
F = s2B / s2A = 1.714286 F < 2.975 ; Ke dua mahasiswa dianggap
kesalahan tidak ada perbedaan
2.975 (7 , 9) = 4.20
rambang (dianggap dalam satu
s2 = 0.000004 populasi), dan harga
s= 0.002092 variannya dapat disatukan.

2. Pemeriksaan ke dua harga rata-rata ( x A dan x B)

t= 0.302372 t < t .975 ; Ke dua mahasiswa dianggap
kesalahan tidak ada perbedaan
t.975 (16) = 2.120
rambang (dianggap mempunyai
X rata-rata = 6.013 keahlian yang sama).
s2o = 0.000004

- Penghitungan F dari hasil pengukuran dibandingkan dengan 2.975 (fvar.

besar , fvar. kecil).

F vs 2.975 ( 7 , 9 )  1,714286 < 4,20 ; terjadi kesalahan rambang,

maka analisis dapat diteruskan ke pemeriksaan harga rata-rata.
89
 - Ke dua varian dapat disatukan atau varian total s2

f A s 2 A + fB s 2 B 9 x 0,000003 + 7 x 0,000006
s 2
= =  0,000004
f A + fB 9 + 7

- Deviasi standar sampel s

s = s2  0,000004  0,002092

2. Pemeriksaan ke dua harga rata-rata

x x
A B 6,0130  6,0133
- t    0,302372
1 1 1 1
s  0,002092 
nA nB 10 8

90
- Dari tabel fraktil distribusi- t dengan tingkat kepercayaan 95 %
(bilateral test), diperoleh:

t.975 (f = nA + nB - 2 )  t.975 (f = 16) = 2,120

- Penghitungan t dari hasil pengukuran dibandingkan
t.975 (f = nA + nB -2 )

t versus t.975 (f = 16)  0,302372 < 2,120 ; terjadi kesalahan

rambang, maka harga rata-rata dapat disatukan atau harga rata-
rata total dan dapat diperkirakan harga varian teoretik s2o.
- Harga rata-rata total; x

n A xA + nB xB 10 x 6,0130 + 8 x 6,0133
x = =  6,013
nA + nB 10 + 8

S2 A S2B (S A  SB ) 2
SSD A  SSDB   
SSD n n n A  nB
s 2o = o = A B = 0,000004
n A + nB  1 n A + nB  1
91
Kesimpulan bahwa ke dua mahasiswa dapat
dianggap dari satu populasi atau tidak ada
perbedaan yang berarti atau dianggap
mempunyai keahlian yang sama dalam
melakukan proses pengukuran diameter ulir luar
ISO Metrik M6.

92
Tabel Fraktil Distribusi Rasio Varian (2 Distribution ) ; Tingkat Kepercayaan 97,5 %

Derajat kebebasan untuk varian terbesar

f
1 2 3 4 5 6 7 8 9 10 11 12 13
1 648 800 864 900 922 937 948 957 963 969 973 977 980
2 38.5 39.0 39.2 39.2 39.3 39.3 39.4 39.4 39.4 39.4 39.4 39.4 39.4
3 17.4 16.0 15.4 15.1 14.7 14.7 14.6 14.5 14.5 14.4 14.4 14.3 14.3
Derajat kebebasan untuk varian terkecil

4 12.2 10.6 9.98 9.60 9.36 9.20 9.07 8.98 8.90 8.84 8.79 8.75 8.72
5 10.0 8.43 7.76 7.39 7.15 6.98 6.85 6.76 6.68 6.62 6.57 6.52 6.49
6 8.81 7.26 6.60 6.23 5.99 5.82 5.70 5.60 5.52 5.46 5.41 5.37 5.33
7 8.07 6.54 5.89 5.52 5.29 5.12 4.99 4.90 4.82 4.76 4.71 4.67 4.63
8 7.57 6.06 5.42 5.05 4.82 4.65 4.53 4.43 4.36 4.30 4.24 4.20 4.16
9 7.21 5.71 5.08 4.72 4.48 4.32 4.20 4.10 4.03 3.96 3.91 3.87 3.83
10 6.94 5.46 4.83 4.47 4.24 4.07 3.95 3.85 3.78 3.72 3.66 3.62 3.58
11 6.72 5.26 4.63 4.28 4.04 3.88 3.76 3.66 3.59 3.53 3.47 3.43 3.39
12 6.55 5.10 4.46 4.12 3.89 3.73 3.61 3.51 3.44 3.37 3.32 3.28 3.24
13 6.41 4.97 4.35 4.00 3.77 3.60 3.48 3.39 3.31 3.25 3.20 3.15 3.12
14 6.30 4.86 4.24 3.89 3.66 3.50 3.38 3.29 3.21 3.15 3.09 3.05 3.01
15 6.20 4.76 4.15 3.80 3.58 3.41 3.29 3.20 3.12 3.06 3.01 2.96 2.92

93
Tabel Fraktil Distribusi Rasio Varian (2 Distribution ) ; Tingkat Kepercayaan 97,5 %
(lanjutan)

Derajat kebebasan untuk varian terbesar

f
1 2 3 4 5 6 7 8 9 10 11 12 13
16 6.12 4.69 4.08 3.73 3.50 3.34 3.22 3.12 3.05 2.99 2.93 2.89 2.85
17 6.04 4.62 4.01 3.66 3.44 3.28 3.16 3.06 2.98 2.92 2.87 2.82 2.79
18 5.98 4.56 3.95 3.61 3.38 3.22 3.10 3.01 2.93 2.87 2.81 2.77 2.73
Derajat kebebasan untuk varian terkecil

19 5.92 4.51 3.90 3.56 3.33 3.17 3.05 2.96 2.88 2.82 2.76 2.72 2.68
20 5.87 4.46 3.86 3.51 3.29 3.13 3.01 2.91 2.84 2.77 2.72 2.68 2.64
21 5.83 4.42 3.82 3.48 3.25 3.09 2.97 2.87 2.80 2.73 2.68 2.64 2.60
22 5.79 4.38 3.78 3.44 3.22 3.05 2.93 2.84 2.76 2.70 2.65 2.60 2.56
23 5.75 4.35 3.75 3.41 3.18 3.02 2.90 2.81 2.73 2.67 2.62 2.57 2.53
24 5.72 4.32 3.72 3.38 3.15 2.99 2.87 2.78 2.70 2.64 2.59 2.54 2.50
25 5.69 4.29 3.69 3.35 3.13 2.97 2.85 2.75 2.68 2.61 2.56 2.51 2.48
26 5.66 4.27 3.67 3.33 3.10 2.94 2.82 2.73 2.65 2.59 2.54 2.49 2.45
27 5.63 4.24 3.65 3.31 3.08 2.92 2.80 2.71 2.63 2.57 2.51 2.47 2.43
28 5.61 4.24 3.63 3.29 3.06 2.90 2.78 2.69 2.61 2.55 2.49 2.45 2.41
29 5.59 4.20 3.61 3.27 3.04 2.88 2.76 2.67 2.59 2.53 2.48 2.43 2.39
30 5.57 4.18 3.59 3.25 3.03 2.87 2.75 2.65 2.57 2.51 2.46 2.41 2.37

94
Tabel 1-7 Fraktil Distribusi Rasio Varian (2 Distribution ) ; Tingkat Kepercayaan 97,5 %
(lanjutan)

Derajat kebebasan untuk varian terbesar

f
14 15 16 17 18 19 20 22 24 26 28 30
1 983 985 987 989 990 992 993 995 997 999 1000 1001
2 39.4 39.4 39.4 39.4 39.4 39.4 39.4 39.5 39.5 39.5 39.5 39.5
Derajat kebebasan untuk varian terkecil

3 14.3 14.3 14.2 14.2 14.2 14.2 14.2 14.1 14.1 14.1 14.1 14.1
4 8.69 8.66 8.64 8.62 8.60 8.58 8.56 8.53 8.51 8.49 8.48 8.46
5 6.46 6.43 6.41 6.39 6.37 6.35 6.33 6.30 6.28 6.26 6.24 6.23
6 5.30 5.27 5.25 5.23 5.21 5.19 5.17 5.14 5.12 5.10 5.08 5.07
7 4.60 4.57 4.54 4.52 4.50 4.48 4.47 4.44 4.42 4.39 4.38 4.36
8 4.13 4.10 4.08 4.05 4.03 4.02 4.00 3.97 3.95 3.93 3.91 3.89
9 3.80 3.77 3.74 3.72 3.70 3.68 3.67 3.64 3.61 3.59 3.58 3.56
10 3.55 3.52 3.50 3.47 3.45 3.44 3.42 3.39 3.37 3.34 3.33 3.31
11 3.36 3.33 3.30 3.28 3.26 3.24 3.23 3.20 3.17 3.15 3.13 3.12
12 3.21 3.18 3.15 3.13 3.11 3.09 3.07 3.04 3.02 3.00 2.98 2.96
13 3.08 3.05 3.03 3.00 2.98 2.96 2.95 2.92 2.89 2.87 2.85 2.84
14 2.98 2.95 2.92 2.90 2.88 2.86 2.84 2.82 2.79 2.77 2.75 2.73
15 2.89 2.86 2.84 2.81 2.79 2.77 2.76 2.73 2.70 2.68 2.66 2.64

95
Tabel Fraktil Distribusi Rasio Varian (2 Distribution ) ; Tingkat Kepercayaan 97,5 %
(lanjutan)

Derajat kebebasan untuk varian terbesar

f
14 15 16 17 18 19 20 22 24 26 28 30
16 2.82 2.79 2.76 2.74 2.72 2.70 2.68 2.65 2.63 2.60 2.59 2.57
17 2.75 2.72 2.70 2.67 2.65 2.63 2.62 2.59 2.56 2.54 2.52 2.50
Derajat kebebasan untuk varian terkecil

18 2.70 2.67 .64 2.62 2.60 2.58 2.56 2.53 2.50 2.48 2.46 2.44
19 2.65 2.62 2.59 2.57 2.55 2.53 2.51 2.48 2.45 2.43 2.41 2.39
20 2.60 2.57 2.55 2.52 2.50 2.48 2.46 2.43 2.42 2.39 2.37 2.35
21 2.56 2.53 2.51 2.48 2.46 2.44 2.42 2.39 2.37 2.34 2.33 2.31
22 2.53 2.50 2.47 2.45 2.43 2.41 2.39 2.36 2.33 2.31 2.29 2.27
23 2.50 2.47 2.44 2.42 2.39 2.37 2.36 2.33 2.30 2.28 2.26 2.24
24 2.47 2.44 2.41 2.39 2.36 2.35 2.33 2.30 2.27 2.25 2.23 2.21
25 2.44 2.41 2.38 2.36 2.34 2.32 2.30 2.27 2.24 2.22 2.20 2.18
26 2.42 2.39 2.36 2.34 2.31 2.29 2.28 2.24 2.22 2.19 2.17 2.16
27 2.39 2.36 2.34 2.31 2.29 2.27 2.25 2.22 2.19 2.17 2.15 2.13
28 2.37 2.34 2.32 2.29 2.27 2.25 2.23 2.20 2.17 2.15 2.13 2.11
29 2.36 2.32 2.30 2.27 2.25 2.23 2.21 2.18 2.15 2.13 2.11 2.09
30 2.34 2.31 2.28 2.26 2.23 2.21 2.20 2.16 2.14 2.11 2.09 2.07

96
Tabel Fraktil Distribusi - t (Student Distribution)
P ( Nilai Kemungkinan; Probability ) ; %
f
60 70 80 90 95 97,5 99 99,5 99,9 99,95

1 0,325 0,727 1,376 3,078 6,314 12,71 31,82 63,66 318,3 636,6

2 0,289 0,617 1,061 1,886 2,920 4,303 6,965 9,925 22,33 31,60

3 0,277 0,584 0,978 1,638 2,353 3,182 4,541 5,841 10,22 12,94

4 0,271 0,569 0,941 1,533 2,132 2,776 3,747 4,604 7,173 8,610

5 0,267 0,559 0,920 1,476 2,015 2,571 3,365 4,032 5,893 6,859

6 0,265 0,553 0,906 1,440 1,943 2,447 3,143 3,707 5,208 5,959

7 0,263 0,549 0,896 1,415 1,895 2,365 2,998 3,499 4,785 5,405

8 0,262 0,546 0,889 1,397 1,860 2,306 2,896 3,355 4,501 5,041

9 0,261 0,543 0,883 1,383 1,833 2,262 2,821 3,250 4,297 4,781

10 0,260 0,542 0,879 1,372 1,812 2,228 2,764 3,169 4,144 4,587

11 0,260 0,540 0,876 1,363 1,796 2,201 2,718 3,106 4,025 4,437

12 0,259 0,539 0,873 1,356 1,782 2,179 2,681 3,055 3,930 4,318

13 0,259 0,538 0,870 1,350 1,771 2,160 2,650 3,012 3,852 4,221

14 0,258 0,537 0,868 1,345 1,761 2,145 2,624 2,977 3,787 4,140

15 0,258 0,536 0,866 1,341 1,753 2,131 2,602 2,947 3,733 4,073

16 0,258 0,535 0,865 1,337 1,746 2,120 2,583 2,921 3,686 4,015

17 0,257 0,534 0,863 1,333 1,740 2,110 2,567 2,898 3,646 3,965

18 0,257 0,534 0,862 1,330 1,734 2,101 2,552 2,878 3,611 3,922

19 0,257 0,532 0,861 1,328 1,729 2,093 2,539 2,860 3,579 3,883

20 0,257 0,532 0,860 1,325 1,725 2,086 2,528 2,845 3,552 3,850
97
Tabel Fraktil Distribusi - t (Student Distribution) - lanjutan
P ( Nilai Kemungkinan; Probability ) ; %
f
60 70 80 90 95 97,5 99 99,5 99,9 99,95

21 0,257 0,532 0,859 1,323 1,721 2,080 2,518 2,831 3,527 3,819

22 0,256 0,532 0,858 1,321 1,717 2,074 2,508 2,819 3,505 3,792

23 0,256 0,532 0,858 1,319 1,714 2,069 2,500 2,807 3,485 3,767

24 0,256 0,531 0,857 1,318 1,711 2,064 2,492 2,797 3,467 3,745

25 0,256 0,531 0,856 1,316 1,708 2,060 2,485 2,787 3,450 3,725

26 0,256 0,531 0,856 1,315 1,706 2,056 2,479 2,779 3,435 3,707

27 0,256 0,531 0,855 1,314 1,703 2,052 2,473 2,771 3,421 3,690

28 0,256 0,530 0,855 1,313 1,701 2,048 2,467 2,763 3,408 3,674

29 0,256 0,530 0,854 1,311 1,699 2,045 2,462 2,756 3,396 3,659

30 0,256 0,530 0,854 1,310 1,697 2,042 2,457 2,750 3,385 3,646

40 0,255 0,539 0,851 1,303 1,684 2,021 2,423 2,704 3,307 3,551

50 0,255 0,528 0,849 1,298 1,676 2,009 2,403 2,678 3,262 3,495

60 0,254 0,527 0,848 1,296 1,671 2,000 2,390 2,660 3,232 3,460

80 0,254 0,527 0,846 1,292 1,664 1,990 2,374 2,639 3,195 3,415

100 0,254 0,526 0,845 1,290 1,660 1,984 2,365 2,626 3,174 3,389

200 0,254 0,525 0,843 1,286 1,653 1,972 2,345 2,601 3,131 3,339

500 0,253 0,525 0,842 1,283 1,648 1,965 2,334 2,580 3,106 3,310

∞ 0,253 0,524 0,842 1,282 1,645 1,960 2,326 2,576 3,090 3,291

98