OLEH
KELOMPOK 6
ANGELA CITRA MEMBALIGH (H021181009)
YESRIELY (H021181302)
NUR AQILA ISMAIL (H021181310)/KETUA
FENNY RAHMAH SARI (H021181324)
SITI NUR HAYATI (H021181322)
MUH. NUR NASYRAH (H021181323)
DEPARTEMEN FISIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS HASANUDDIN
MAKASSAR
2020
KATA PENGANTAR
Puji syukur kehadirat Tuhan Yang Maha Kuasa atas segala limpahan Rahmat, Ilmu, Taufik
dan Hidayahnya sehingga kelompok kami dapat menyelesaikan penyusunan makalah ini yang
berjudul “Analisis Data Eksperimental” dalam bentuk maupun isinya yang sangat sederhana
dan masih banyak mengandung kesalahan. Semoga makalah ini dapat dipergunakan sebagai
salah satu acuan, petunjuk maupun pedoman bagi pembaca.
Harapan kami semoga makalah ini membantu menambah pengetahuan dan
pengalaman bagi para pembaca, sehingga saya dapat memperbaiki bentuk maupun isi
makalah ini sehingga kedepannya dapat lebih baik.
Makalah ini kami akui masih banyak kekurangan karena refernsi yang kami miliki
sangat kurang. Oleh kerena itu kami harapkan kepada para pembaca untuk cerdas dalam
membaca serta memberikan masukan-masukan yang bersifat membangun untuk
kesempurnaan makalah ini.
Penyusun
BAB I
PENDAHULUAN
Pemilihan Instrumen. Pengukuran daya dalam contoh 3,2 harus dilakukan contoh 3,4 dengan
mengukur tegangan dan arus melintasi resistor dengan sirkuit yang ditunjukkan pada gambar
yang menyertainya. Voltmeter memiliki resistensi internal RM, dan nilai R dikenal hanya
Sekitar. Hitung nilai nominal daya yang disipasi di R dan ketidakpastian untuk kondisi
berikut:
Gambar contoh 3,4 efek impedansi meteran pada pengukuran.
Solution
Saldo saat ini pada hasil sirkuit
And
Dalam hal jumlah yang dikenal daya memiliki bentuk fungsional P = f (E, I, RM), dan jadi
kami membentuk turunan
Ketidakpastian dalam laju aliran massa sekarang dapat dihitung dengan merakit derivatif ini
sesuai dengan EQ. (3,2). Menunjuk perakitan ini sebagai EQ. (c) dan kemudian membagi
dengan EQ. (a) Memberikan
Kita sekarang dapat memasukkan nilai numerik untuk jumlah untuk mendapatkan persen
ketidakpastian dalam laju aliran massa.
2.4 Evaluasi Ketidakpastian untuk Pengurangan Data Rumit (Fenny Rahmah Sari)
Berdasarkan diskusi sebelumnya dan contoh bagaimana analisis ketidakpastian dapat
menjadi alat yang berguna untuk memeriksa data eksperimental. Dalam banyak kasus reduksi
data adalah urusan yang agak rumit dan sering dilakukan dengan rutinitas komputer yang
ditulis khusus untuk tugas tersebut. Adaptasi rutin dapat memberikan perhitungan langsung
dari ketidakpastian tanpa menggunakan penentuan analitis dari derivatif parsial dalam
Persamaan. (3.2). Kami masih mengasumsikan bahwa persamaan ini berlaku, meskipun dapat
melibatkan beberapa langkah komputasi. Kami juga berasumsi bahwa kami dapat
memperoleh estimasi dengan beberapa cara dari ketidakpastian dalam pengukuran utama,
yaitu, w1, w2, dll.
Misalkan satu set data dikumpulkan dalam variabel x1, x2, ..., xn dan hasilnya
dihitung. Pada saat yang sama orang dapat mengganggu variabel dengan x 1, x2, dll, dan
menghitung hasil baru. Kita akan melakukannya
R(x1) = R(x1, x2,...,xn)
R(x1 + x1) = R(x1 + x1, x2,...,xn)
R(x2) = R(x1, x2,...,xn)
R(x2 + x2) = R(x1, x2 + x2,...,xn)
Untuk nilai x yang cukup kecil, turunan parsial dapat didekati dengan
∂ R R ( x 1+ ∆ x 1 )−R x 1
≅
∂ x1 ∆ x1
∂ R R ( x 2 +∆ x 2 )−R x 2
≅
∂ x2 ∆ x2
dan nilai-nilai ini bisa dimasukkan dalam Persamaan. (3.2) untuk menghitung ketidakpastian
dalam hasilnya.
Pada titik ini kita harus kembali mengingatkan pembaca tentang cara ketidakpastian
atau kesalahan instrumen biasanya ditentukan. Misalkan pengukur tekanan tersedia dan
kemudian pabrikan menyatakan bahwa pengukur akurat dalam ± 1,0 persen. Pernyataan ini
biasanya mengacu pada persen dari skala penuh. Jadi pengukur dengan kisaran 0 hingga 100
kPa akan memiliki ketidakpastian ± 10 persen ketika membaca tekanan hanya 10 kPa. Tentu
saja, ini berarti bahwa ketidakpastian dalam hasil yang dihitung, baik sebagai nilai absolut
atau persentase, dapat sangat bervariasi tergantung pada kisaran operasi instrumen yang
digunakan untuk melakukan pengukuran primer. Prosedur di atas dapat digunakan untuk
mengambil keuntungan dalam skema reduksi data yang rumit. Evaluasi derivatif parsial
dalam Persamaan. (3.2) dalam hal perbedaan hingga tidak rumit seperti yang mungkin
muncul. Komputer biasanya akan digunakan untuk reduksi data dan perhitungan hasil antara
dan akhir dari pengukuran eksperimental primer. Dengan kata lain, seseorang biasanya akan
memiliki prosedur untuk menghitung R (x1, x2, ..., xn). Prosedur dapat dijalankan dengan
spreadsheet atau paket perangkat lunak lain. Ini adalah masalah sederhana untuk
memodifikasi prosedur untuk menghitung nilai yang terganggu R (x 1 + x1, ...), dll., Dan
kemudian memperoleh perkiraan perbedaan hingga ke ∂R / ∂x 1. Selanjutnya, prosedur dapat
diperluas untuk mengevaluasi koefisien pengaruh
2
∂R
( w
∂ x n xn )
di berbagai titik dalam proses reduksi data. Sebuah studi tentang nilai-nilai relatif dari
koefisien-koefisien ini kemudian dapat menunjukkan titik data dalam percobaan yang
berkontribusi paling besar terhadap ketidakpastian keseluruhan dalam hasil.
BAB III
PENUTUP
Kesimpulan
1. Kesalahan mungkin terjadi dalam data eksperimental hal ini disebabkan olh berbagai
faktor, dari alat yang digunakan tidak akurat dalam memberi nilain pembaca yang salah
membaca data, atau kesalahan laiinya yang sering atk terduga. Seringkali, biaya akan
melarang pengumpulan data multisampel, dan eksperimen harus puas dengan data sampel
tunggal dan siap untuk mengekstrak sebanyak mungkin informasi mungkin dari percobaan
tersebut.
2. Beberapa jenis kesalahan yang mungkin terjadi dalam data eksperimental dan mulai
menunjukkan cara supaya data ini dapat ditangani. Data sampel tunggal adalah data yang
beberapa ketidakpastian mungkin tidak ditemukan dengan pengulangan. Data multisampel
diperoleh dalam kasus-kasus di mana cukup banyak pengalaman experiments dilakukan
agar keandalan hasil dapat dijamin oleh statistik.
3. Ketika melakukan percobaan di mana air panas ditambahkan ke wadah. Jika instrumentasi
suhu kita harus menunjukkan penurunan suhu air, akal sehat kita akan memberi tahu kita
bahwa ada sesuatu yang salah dan titik data harus dibuang. Tidak diperlukan prosedur
analisis canggih untuk menemukan kesalahan semacam ini. Istilah "akal sehat" memiliki
banyak konotasi dan memiliki arti berbeda bagi orang yang berbeda.
4. Ketika notasi plus atau minus digunakan untuk menunjuk ketidakpastian, orang tersebut
membuat penunjukan ini menyatakan tingkat akurasi yang dia yakini pengukuran telah
dilakukan. Kami dapat mencatat bahwa spesifikasi ini sendiri tidak pasti karena pelaku
eksperimen secara alami tidak pasti tentang keakuratannya pengukuran. Jika kalibrasi
instrumen yang sangat hati-hati telah dilakukan baru-baru ini standar presisi sangat tinggi,
maka pencoba akan dibenarkan dalam menetapkan ketidakpastian pengukuran yang jauh
lebih rendah daripada jika dilakukan dengan pengukur atau instrumen riwayat kalibrasi
yang tidak diketahui.
5. Propagasi ketidakpastian adalah peristiwa terakumulasinya ketidakpastian suatu besaran
dari beberapa besaran penentunya.
6. Untuk mengingatkan pembaca tentang cara ketidakpastian atau kesalahan instrumen
biasanya ditentukan. Misalkan pengukur tekanan tersedia dan kemudian pabrikan
menyatakan bahwa pengukur akurat dalam ± 1,0 persen. Pernyataan ini biasanya mengacu
pada persen dari skala penuh. Jadi pengukur dengan kisaran 0 hingga 100 kPa akan
memiliki ketidakpastian ± 10 persen ketika membaca tekanan hanya 10 kPa. Tentu saja,
ini berarti bahwa ketidakpastian dalam hasil yang dihitung, baik sebagai nilai absolut atau
persentase, dapat sangat bervariasi tergantung pada kisaran operasi instrumen yang
digunakan untuk melakukan pengukuran primer.
DAFTAR PUSTAKA
[1] S. Samadikun, R.Rio, dan T. Mengko, 1989, Sistem Instrumentasi Elektronika, Institut
Teknologi Bandung : Bandung.
[2] J.P. Holman, 2001, Experimental Methods for Engineers Eight Edition, United States :
McGraw-Hill.