Penyajian sinyal pengukuran

• Sinyal pengukuran dalam bentuk tegangan

elektrik dapat ditampilkan pada osciloskop
maupun electical meter.
• Namun jika sinyal dikonversi dalam digital,
pilihan display lainnya menjadi
memungkinkan misal seperti monitor
komputer.
 Presentasi data
• Terdapat dua format penyajian data pada
kertas yaitu tabular dan grafikal.
• Pada beberapa keadaan/kondisi, cukup satu
format yang digunakan, meskipun seringkali
kedua format diperlukan untuk
mempermudah analisis.
 Data tabular

Table of Measured Applied Forces and Extensometer Readings and Calculations

of Stress and Strain
 Aturan dalam data tabular
• Tabel harus memiliki judul yang menjelaskan data
yang disajikan dalam tabel
• Setiap kolom harus mengacu pada pengukuran atau
kalkulasi yang berhubungan dengan hanya satu
kuantitas data.
• Setiap kolom memiliki header berupa judul kolom
yang mengidentifikasikan data dalam kolom
• Satuan harus dinyatakan dalam header kolom
• Nilai eror yang terkait dengan data harus dinyatakan
dalam tabel.
 Presentasi data grafis
• Penyajian data grafis
memberikan
representasi piktural
yang secara menyeluruh
lebih mudah dibaca
• Grafik tepat untuk
menyatakan signifikansi
hasil dan menunjukkan
hubungan antara dua Graph of stress against strain
variabel.
 Penskalaan
SAD menghasilkan nilai dari kuantitas fisik (suhu, gaya, perpindahan)  didigitisasi
oleh ADC  diolah komputer.

Untuk kebutuhan interpretasi (menghasilkan informasi) maka data harus dikonversi

sesuai unit-unit nyata.

Software SAD harus mampu melakukan kalibrasi dari data ADC.

Kalibrasi dilakukan dengan mengambil sampel keluaran ADC dari pengukuran nilai
yang diketahui secara bervariasi. Hasil titik referensi kalibrasi digunakan sebagai dasar
penskalaan atau linierisasi.
 Penskalaan kurva respon linier
• Cara paling sederhana  garis lurus (linier)

• y = variabel fisik yg diukur

• x = nilai ADC
• y0 = titik referensi
• x 0 = nilai x pada perpotongan y = y0
• s = gradien kurva repon
Offset x0
• Dapat diatur dari rangkaian SC
• Diperoleh dengan membaca ADC dengan input yang diketahui
pada pengukuran di sensor/transduser
• Jika offset terlalu besar dimungkinkan karena performansi sistem
sensor atau kesalahan pengaturan parameter rangkaian SC
• Dalam SAD perlu diberikan fasilitas untuk pengaturan offset
(offset adjustment). Pengaturan bisa dari hardware atau software.

Penskalaan S
• Faktor s dapat diberikan oleh user melalui keyboard (input).
• Alternatifnya, nilai s dapat dihitung secara software dengan
memberikan input parameter sistem pengukuran oleh operator.
 2 atau 3 titik kalibrasi primer
Untuk menghitung parameter garis kalibrasi dapat digunakan 2 atau 3
titik.

Cara 2 atau 3 titik ini mewakili sifat sistem pengukuran secara

keseluruhan, termasuk faktor sinyal loss dalam kabel.

Dg menentukan x0 , dapat diperoleh titik respon (y0). Kemudian perlu

ditentukan minimal satu titik berikutnya sebagai referensi (x1, y1). Maka, s
dapat dihitung
 Kalibrasi multipoint primer

Kalibrasi 2 titik memiliki keterbatasan

terhadap variasi random sinyal karena derau
atau ketakpastian posisi.

Efek eror random dapat direduksi oeleh

pembacaan rerata statistik pada titik berbeda
dalam kurva respon.  Analisis statistik
TEKNIK ANALISIS DATA
 Tujuan Analisis data dalam SAD

SAD bertujuan untuk mendapatkan informasi

dari suatu kejadian fisis dan diolah untuk
proses kontrol dan pengambilan keputusan.

Data suatu kejadian fisis bersifat random,

sehingga diperlukan pengolahan untuk
mendapatkan informasi prinsip.
 Teknik analisis statistik

Analisis yg paling banyak digunakan adalah kalkulasi

statistik.

Parameter statistik menunjukkan distribusi nilai

dalam suatu kumpulan data (data set).

Pengukuran statistik penting untuk data set adalah

mean, merupakan rerata dari kumpulan nilai.
Statistik Sederhana suatu Data Tabular

• Statistik dapat digunakan untuk

mendeskripsikan atau menyajikan
– Lokasi dari pusat distribusi data
– Derajat sebaran data
Statistik Sederhana suatu Data Tabular

Rerata aritmatik, dapat digunakan untuk menunjukkan lokasi pusat

distribusi

Deviasi standar, dapat digunakan untuk mengukur sebaran sampel

data, dimana St merupakan jumlah dari kuadrat residu/eror data
dengan rerata.

Varians, juga dapat digunakan untuk mengukur sebaran

Koefisien variasi, digunakan untuk mengkuantifikasi sebaran.

 Deviasi standar

Suatu pengukuran penting dari variasi dalam data set.

Merupakan pengukuran selisih dari nilai data dengan reratanya.

Makin kecil standar deviasi maka distribusi semakin sempit. Jika standar deviasi = 0,
berarti seluruh data adalah identik.

Bisa digunakan untuk menilai kestabilan pengukuran,. Yaitu dengan mengukur suatu
data yg diakuisisi dg keadaan/nilai fisis tetap dalam waktu tertentu untuk menguji
kestabilan suatu sensor/sistem akuisisi. Makin kecil standar deviasi maka makin stabil.
 Sliding Average

Jika suatu kumpulan data Y terdiri dari n nilai, maka dapat

ditentukan reratanya (mean).

Variasi dari penghitungan rerata adalah rerata berjalan,

atau circular average/sliding average.

Sliding average berguna pada aplikasi kontrol realtime,

ketika nilai rerata arus diperlukan. Sliding average
merupakan mean dari data sebanyak n terakhir.
 Median
• Median merupakan nilai tengah dari suatu
kumpulan data terurut.
• Memisahkan data-data menjadi 2 kelompok,
k1>median dan k2<median.
• Fungsi aplikasi dapat digunakan untuk
menentukan titik pembulatan dari suatu data,
atau menentukan aksi dari aktuator dalam
sistem kontrol
 Pencocokan Kurva (Curve Fitting)

Pencocokan kurva dilakukan pada data grafis untuk

mengetahui garis yang menghubungkan antar titik data.

CF juga digunakan untuk melakukan analisis baik itu

interpolasi maupun extrapolasi

Pendekatan CF terdiri dari interpolasi dan regresi.

Pencocokan Kurva
• (a) regresi kuadrat
terkecil
• (b) interpolasi linier
• (c) interpolasi
curvilinier
Interpolasi dan Regresi

Regresi Interpolasi
 Regresi

Regresi melakukan pencocokan dengan berdasarkan pada kecenderungan

data atau trend data.

kurva regresi tidak perlu melalui semua titik.

Biasa digunakan untuk penyajian data atau analisis data dari pengukuran
yang mengandung derau/noise/galat yang berarti tidak teliti

Kurva terbaik adalah yang memiliki selisih terkecil antara titik dengan
kurva regresi.
 Interpolasi

Interpolasi melakukan pencocokan kurva

melalui titik titik data secara tepat.

Digunakan untuk data yang memiliki

ketelitian pengukuran tinggi sehingga seluruh
data harus dilewati oelh kurva pendekatan.
 Regresi Linier
• Misal suatu data (x1, y1), (x2, y2),
. . . , (xn, yn), dinyatakan dengan

Kriteria pencocokan terbaik  meminimalkan sum square error

Interpolasi Polinomial Lagrange
 Tentukan fungsi dari data akuisisi
berikut

• Gunakan regresi linier untuk menentukan fungsi

data tersebut.
• Buatlah program komputer untuk memproses
data akusisi tersebut, sehingga dapat digunakan
untuk memprediksi suhu pada kedalaman
– 10 m, 15 m, 25m, dan 30m.
• Tentukan errornya.
TERIMA KASIH