PENGUKURAN TUNGGAL DAN BERULANG

Pengukuran tunggal (satu kali) adalah pengukuran yang dilakukan hanya sekali dan
menghasilkan satu nilai data saja.Pengukuran berulang adalah pengukuran yang dilakukan
berkali-kali tanpa ada perubahan penyetelan (setting) alat, misalnya lebar meja yang diukur 10
kali dengan mistar yang sama. Seandainya pengukuran sekali dan berulang telah dilakukan
dengan sebaik-baiknya, sehingga tiap data masing-masing model pengukuran diperoleh dengan
cara-cara yang sama baiknya, tetap saja kualitas data pengukuran berulang lebih baik dari
pengukuran sekali. Mengapa demikian?

Data hasil pengukuran sekali kurang dipercaya karena mungkin saja jika pengukurannya diulang
akan diperoleh data yang berbeda. Intuisi kita menyatakan semakin banyak pengukuran
dilakukan akan diperoleh informasi yang lebih lengkap tentang nilai sebenarnya. Kita pasti
setuju dengan pernyataan atau aksioma bahwa nilai sebenarnya akan dapat diperoleh bila
pengukuran dilakukan dalam jumlah yang tak terbilang. Tetapi alat akan rusak atau pengamat
akan sakit bila dilakukan pengukuran sebanyak-banyaknya. Jadi berapa banyak pengukuran yang
harus dilakukan? Bagaimana cara menentukan nilai pendekatan terbaik? Bagaimana menentukan
penyimpangannya dari nilai sebenarnya? Bila dilakukan pengukuran kali berapakah tingkat
kepercayaannya? Bagaimana kalau pengukurannya kali dimana ?

NILAI PENDEKATAN TERBAIK DAN KETIDAKPASTIAN HASIL PENGUKURAN

BERULANG

Meskipun pengukuran berulang sangat disarankan, namun jumlahnya tetaplah terbatas. Oleh
sebab itu pengukuran berulang kali disebut contoh (sample). Sementara itu dari berbagai literatur
dijelaskan bahwa sebaran atau distribusi data pengukuran berulang tak berhingga bersifat simetri
Gauss. Untuk sekumpulan data yang diperoleh dengan pengukuran berulang terbatas kali,
distribusi datanya akan semakin simetri bila semakin besar.

Dari data yang diperoleh dengan pengukuran berulang, akan dapat diperoleh tiga besaran yaitu
nilai rata-rata (mean) sampel, nilai tengah (median) sampel, dan nilai terbanyak muncul (modus)
sampel. Manakah yang patut dipakai sebagai nilai pendekatan terbaik?

Bila distribusi data hasil pengukuran kali dipercayai seperti distribusi Gauss (simetri), maka nilai
ketiga besaran tersebut sama. Nilai pendekatan terbaik yang paling tepat adalah nilai rata-rata
sample karena sesuai dengan asas kuadrat terkecil (Principle of Least Square) dalam statistik
yang berbunyi “Nilai terbaik diantara sekumpulan nilai suatu besaran adalah nilai yang
sedemikian rupa sehingga jumlah selisih nilai-nilai lain terhadap nilai tersebut setelah
dikuadratkan adalah sekecil-kecilnya”.

Jika pada suatu besaran diukur secara berulang-ulang tanpa mengubah setting alat, maka hasil
ukur terbaik merupakan nilai rata-ratanya. Untuk pengukuran yang diulangi sampai n kali
dengan hasil maka nilai rata-ratanya adalah:
(1)

ketidakpastian nilai rata-rata sampel dinyatakan dengan simpangan baku (deviasi standar, ) :

(2)

dengan adalah data pengukuran ke i, dan rata-rata hasil ukur. pada pers. (2) dapat
diinterpretasikan sebagai simpangan tiap data terhadap nilai pendekatan terbaiknya . Kuadrat
dipakai agar tak ada perbedaan simpangan akibat atau , sementara faktor muncul karena data
yang diperoleh dianggap sebagai sampel dari semesta data hasil pengukuran besaran yang
bersangkutan.

Cara semacam ini akan memberi informasi yang cukup kepada kita tentang kualitas kumulatif
hasil pengukuran, karena tidak praktis kalau dibeberkan satu persatu penyimpangan tiap data
terhadap nilai pendekatan terbaik. Apresiasi khalayak akan muncul dengan melihat komposisi
dan . Contohnya, bila ada dua orang melakukan pengukuran terhadap obyek yang sama dengan
peralatan yang sama. Pelaku A menghasilkan data 39,5 cm 40,0 cm dan 40,5 cm sedangkan
Pelaku B memperoleh data 39,9 cm, 40,0 cm dan 40,1 cm. Bila dilihat dari nilai pendekatan
terbaik saja, kedua orang tersebut menghasilkan data yang sama baiknya. Namun dengan melihat
data yang diperoleh sepintas, segera diketahui bahwa Pelaku B patut mendapat penghargaan
lebih. Oleh karena itulah antara lain, hasil pengukuran perlu disampaikan dalam format

[satuan] (3)

dengan ketidakpastian . Format tersebut secara statistik diberi pengertian “apabila pengukuran
besaran diulang kali, ada jaminan 68% bahwa nilai rata-rata sebagai nilai pendekatan terbaik
akan berselisih tidak lebih dari terhadap nilai sebenarnya”.

Perhatikan bahwa semakin besar , ketidakpastian semakin kecil, yang berarti kualitas hasil
pengukuran makin baik. Dapat dinalar pula misalnya dengan kali pengukuran diperoleh
ketidakpastian , maka bila diinginkan ketidakpastian 10 kali lebih baik () harus dilakukan 100
pengukuran. Namun dapat ditempuh cara lain yaitu dengan mempergunakan alat yang 10 kali
lebih teliti hanya dengan jumlah pengukuran N akan diperoleh ketelitian (). Tentu saja
kemudahan ini harus dibayar dengan mahalnya alat yang digunakan karena 10 kali lebih teliti.

Contoh hasil pengukuran data yang dianggap sebagai sampel yang mengikuti distribusi Gauss
sebagaimana ditampilkan pada Tabel 1.

Dari pengolahan data diperoleh dan dengan menggunakan pers. (2) didapatkan ketidakpastian .
Jadi

Perhatikanlah jumlah angka berarti (angka penting) hasil yang disampaikan () ada 4, padahal
data pengukuran () hanya 3. Ini wajar sebagai imbalan atas pengukuran 10 kali. Mengenai angka
berarti akan dibicarakan di bagian berikutnya.
Tabel 1. Contoh data hasil pengukuran secara berulang

(cm) (cm2)

1 10,1 100,00

2 10,2 104,04

3 10,0 100,00

4 10,0 100,00

5 9,8 96,04

6 10,1 102,01

7 9,8 96,04

8 10,3 106,09

9 9,8 96,04

10 10,0 100,00

NILAI PENDEKATAN TERBAIK DAN KETIDAKPASTIAN PENGUKURAN SATU KALI

Kadang-kadang dijumpai suatu keadaan sedemikian sehingga pengukuran berulang tak bisa
dilakukan. Misalnya persiapan pengukuran sedemikian rumit, lama dan membutuhkan biaya
serta tenaga yang banyak. Atau bisakah Anda mengukur kecepatan satu mobil yang lewat di
depan kampus berkali-kali? Keadaan seperti itu membolehkan pengukuran dilakukan sekali.
Tentu saja tak dapat dicari dengan Pers. (2). Pengukuran sekali menghasilkan skala terkecil alat
ukur yang dipakai. Namun bila hasil pengukuran sekali akan digunakan untuk menghitung
besaran lain, maka skala terkecil alat ukur. Hal terakhir ini akan dibicarakan pada penentuan
ketidakpastian akibat ketidakpastian dengan sifat yang berbeda.
Misalnya sebuah buku yang diukur dengan mistar berskala terkecil 1 mm dan dilakukan sekali
saja panjangnya adalah 31,1 cm, maka hasilnya disajikan dalam bentuk

KETIDAKPASTIAN RELATIF DAN KESEKSAMAAN

Nilai pada bentuk () adalah ketidakpastian mutlak (absolut) yang memiliki satuan sama dengan .
Cara lain untuk melaporkan hasil pengukuran adalah dengan menuliskan ketidakpastian
relatifyaitu yang tidak bersatuan atau dinyatakan dalam % dengan cara . Cara seperti ini memberi
informasi lebih daripada penulisan ketidakpastian mutlaknya. Contohnya, dua pengukuran
dengan alat yang sama terhadap obyek berbeda, masing-masing dilakukan sekali, menghasilkan
data sebagai berikut:

= (10 ± 0,5) mm

= (100,0 ± 0,5) mm

Ketidakpastian mutlak keduanya sama tetapi ketidakpastian relatifnya berbeda, yang pertama 5
% dan yang kedua . Jadi alat tadi menghasilkan ketelitian 10 kali lebih baik bila dipakai
mengukur jarak 100 mm daripada mengukur 10 mm.

Ketidakpastian relatif ini dapat pula dipakai untuk menentukan suatu ukuran kualitas yang
disebut keseksamaan. Jika pengukuran ideal diberi nilai 100 % seksama, maka ketidakpastian
relatif dalam satuan persen dianggap sebagai selisih keseksamaan sebenarnya (riil) terhadap
keseksamaan ideal. Jadi

Untuk contoh terakhir di atas = (10 ± 0,5) mm dan = (100,0 ± 0,5) mm keseksamaan masing-
masing adalah 95 % dan 99,5 %. Jelas bahwa hasil kedua lebih baik.