EVALUASIKETIDAKPASTIANPENGUKURAN
PADA ISO/IEC 17025:2017
1
1
PERBANDINGAN 2005 & 2017 (2)
2005 2017
5.4 .6.1 Lab Kalibrasi
• Persyaratan
atau lab pengujian
7.6.2 Lab yang
yang melakukan
melakukan KALIBRASI.
KALIBRASIsendiri,
HARUS memiliki
prosedur E- KTP PROSEDUR TIDAK
DIPERSYARATKAN
5.4 .6.2 Lab pengujian
HARUS mempunyai &
menerapkan
PROSEDUR E- KTP
2
PERBANDINGAN 2005 & 2017 (4)
5.4.6.3 Saat
7.6.1Lab HARUS mengidentifikasi
mengestimasi KTP,
yang berkontribusi pada KTP.
SEM UA komponen KTP
Ketika EVALUASI KTP, SEM UA
yang penting HARUS
kontribusi yang SIGNIFIKAN,
diperhitungkan dengan
termasuk yang muncul dari
menggunakan metode
SAMPLING, HARUS
analisis yang sesuai.
diperhitungkan menggunakan
metode analisis yang sesuai.
TIDAK Secara eksplisit
menyebut SAMPLING
3
CONTOH SERTIFIKAT KALIBRASI
IMPLEMENTASIKONSEP KETIDAKPASTIAN
Konsentrasi
Ambang batas
4
RUANGLINGKUP PENERAPAN KONSEP
KETIDAKPASTIAN PADA HASIL UJI
Klausul 7.1.3
Decision rule: rule that
• Ketika customer meminta
describes how PERNYATAAN KESESUAIAN terhadap
measurement uncertainty suatu spesifikasi atau standar (contoh:
is accounted for when LULUS/ GAGAL, IN-TOLERANCE/ OUT-
stating conformity with a OF-TOLERANCE), maka ATURAN
specified requirement KEPUTUSAN ditetapkan secara jelas.
Kecuali hal tsb inheren dalam
spesifikasi atau standar yang diminta,
ATURAN KEPUTUSAN yang dipilih
dikomunikasikan kepada dan disetujui
oleh customer.
10
5
HUBUNGAN NILAIKETIDAKPASTIAN DENGAN BIAYA
BIAYA
B A
U
11
6
DECISION RULE
Yes likely
Years Years
12
DECISION RULE
UpperLimit UpperLimit
Nominal Nominal
13
1
DECISION RULE
UpperLimit UpperLimit
FAIL
Nominal Nominal
UNDECIDED
So are the readings in
Specification? PASS
LowerLimit LowerLimit
Three different groups of
readings
In this case we have a series of readings
If you are the user,then the undecided are over period of time so we have an
The undecided understanding of how the artefact
not acceptable but if you are the supplier
could however behaves and can reasonably predict
you could argue that that they are
lead to lots of what will happen in the future. This
acceptable because of the uncertainty
arguments reduces the risk involved in a decision.
associated with the readings.
14
DECISION RULE
UpperLimit UpperLimit
LowerLimit LowerLimit
15
2
DECISION RULE
16
DECISION RULE
17
3
DECISION RULE
18
Guardbanddihitung berdasarkan
nilai ketidakpastian & aturan
Decision Limit Decision Limit
keputusan yang ditetapkan
19
4
DECISION RULE (Contoh 1)
Sludge from water purification plants can be used for soil improvement. One of the
toxic metals that can be a problem is Cadmium (Cd). The upper limit on the total Cd in
sludge is set to 2 mg/kg.
20
DECISION RULE
21
5
Evaluasi Ketidakpastian Pengukuran |ISO/IEC17025:2017
DASARKETIDAKPASTIAN PENGUKURAN
KETIDAKPASTIAN
1
Melalui Mojonnier Test diperoleh kadar lemak
dalam bahan baku COKLAT POWDER adalah
10.55 ± 0.5%
10.6 ± 0.5%
HUBUNGAN KETIDAKPASTIAN
DENGAN KESALAHAN
2
KETIDAKPASTIAN (KTP)
Kesalahan dlm
Kesalahan dlm memipet
= menimbang + + ....
larutan
SUMBER-SUMBER KETIDAKPASTIAN
Sampling
Preparasi Contoh
Kalibrasi Peralatan
Instrumen
Kesalahan Random
Kesalahan Sistemik
Personil
3
SAMPLING
• Sampel homogen?
• Ketidakseragaman
diperhatikan
PREPARASICONTOH
• Recovery diperhatikan
4
KALIBRASIPERALATAN
INSTRUMEN
Abs
10
5
KESALAHAN RANDOM
11
KESALAHAN SISTEMIK
12
6
PERSONIL
KP asal presisi
metode
13
14
7
PENDEKATAN DALAM EVALUASI KETIDAKPASTIAN PENGUKURAN
15
16
8
MENGEVALUASIKETIDAKPASTIAN
W2 – W3 2. Definisikan besaran
Kadar Air (%) = x 100 yang akan diukur
W2 – W1 (dinyatakan dengan
rumus)
P
Kadar Air (%) = x 100
Q
17
MENGEVALUASIKETIDAKPASTIAN
18
9
MENGGAMBAR GRAFIK TULANG IKAN
19
W1 W2 Kalib Oven
W3
Kalib Kalib
Kalib
Pres Pres Pres
Kadar
Air
Homogenitas Presisi
20
10
CAUSE & EFFECTDIAGRAM
Efek Temp
Q Kalib Oven
P
K
K
W2
W2
P K
P K
P
W1
W3
P Kadar
Air
Homogenitas Presisi
21
MENGEVALUASIKETIDAKPASTIAN
Tipe A
Berdasarkan pekerjaan eksperimental dan dihitung
dari rangkaian pengamatan berulang
Tipe B
Berdasarkan informasi yang dapat dipercaya
22
11
PENENTUAN TIPE A & TIPE B
23
MENGEVALUASIKETIDAKPASTIAN
5. Estimasi masing-masing komponen KP sehingga ekivalen dengan sebuah
simpangan baku (s). Komponen ini disebut sebagai ketidakpastian baku (u)
Tipe A
Tipe B
24
12
DISTRIBUSIKEMUNGKINAN
Distribusi normal
Sertifikat kalibrasi anak
timbangan standar
tercantum nilai
Batas tingkat
ketidakpastian untuk
kepercayaan 95%
tingkat kepercayaan 95%
adalah 0.01mg dengan Batas tingkat
faktor cakupan k =2 kepercayaan 95%
25
DISTRIBUSIKEMUNGKINAN
Distribusi Segiempat (rectangular)
0.01mg
26
13
DISTRIBUSIKEMUNGKINAN
Distribusi Segitiga (Triangular)
27
MENGEVALUASIKETIDAKPASTIAN
uG =√u2a +u2b +…
28
14
PERHITUNGAN KETIDAKPASTIAN GABUNGAN (uG)
Apabila komponen-komponen ketidakpastian
tersebut tidak mempunyai satuan yang sama,
maka:
Komponen tsb diubah terlebih dahulu hingga
mempunyai satuan yang sama
• Dikuadratkan
• Dijumlahkan
• Ketidakpastian gabungan adalah akar
pangkat dua dari jumlah
29
30
15
MENGEVALUASIKETIDAKPASTIAN
31
KETIDAKPASTIAN DIPERLUAS
• Untuk mendapatkan probabilitas yang memadai
bahwa nilai hasil uji berada dalam rentang yang
diberikan oleh ketidakpastian, maka
Ketidakpastian baku gabungan (uG) dikalikan
dengan sebuah faktor pencakupan (k).
U =k. uG
32
16
MENGEVALUASIKESESUAIAN HASIL ESTIMASI
KETIDAKPASTIAN PENGUKURAN DIPERLUAS
33
MU EVALUATION – 1
EVALUASI SIGNIFIKANSIKETIDAKPASTIAN
KOMPONEN KONTRIBUTOR
• Hanya berlaku untuk pendekatan Bottom-Up
• Hitung signifikansi dari tiap sumber ketidakpastian and analisis
hal tsb mempengaruhi total MU lab.
34
17
MU EVALUATION – 2
KETIDAKPASTIAN DIPERLUAS VS KETIDAKPASTIAN
STANDAR ACUAN (CRM)ATAU SRM
• Untuk lab. pengujian, Ketika memiliki CRM (Certified
Reference Material) atau SRM (Standard Reference Material);
nilai uncertainty CRM atau SRM dapat dilihat pada sertifikat
nya atau COA (Certificate of Analysis).
• Pastikan bahwa nilai ketidakpastian diperluas lab lebih besar
dari ketidakpastian CRM atau SRM .
35
MU EVALUATION – 3
KETIDAKPASTIAN DIPERLUAS VS DATA TYPE A
(CONFIDENCE LEVELAPPROACH)
• Lakukan studi Repeatability dan Intra-Reproducibility dalam lab kita.
Verifikasi bahwa hasil tsb tidak lebih besar dari hasil estimasi
ketidakpastian diperluas, atau dapat keluar dari batas interval pada
rentang tingkat kepercayaan yang dinyatakan. Pada CL 95%, ada
kemungkinan 5% dari studi keluar dari batas expanded uncertainty yang
dilaporkan.
• Jika sesuai (relevan), data Repeatability dan Intra-Reproducibility juga
dapat diambil dari data hasil validasi atau verifikasi metode.
• Atau data Intra-Reproducibility dapat diambil dari kontrol sampel yang
ada pada control chart.
36
18
MU EVALUATION – 4
KETIDAKPASTIAN DIPERLUAS VS DATA TYPE A
(SD HORWITZ APPROACH)
• Dapat dilakukan jika satuan hasil uji dalam bentuk konsentrasi (%, ppm, ppb, dsb)
• Lakukan studi Intra-Reproducibility dalam lab kita. Hitung nilai CV Horwitz–nya.
• Dapatkan nilai SD Horw itz-nya dan kalikan 2.
• Verifikasi bahwa nilai expanded uncertainty lab tidak lebih besar dari 2 X SD
Horwitz.
• Jika sesuai (relevan), data Intra-Reproducibility juga dapat diambil dari data hasil
validasi atau verifikasi metode.
• Atau data Intra-Reproducibility dapat diambil dari kontrol sampel yang ada pada
control chart.
37
19
Evaluasi Ketidakpastian Pengukuran |ISO/IEC17025:2017
PERHITUNGAN STATISTIK
EVALUASIKETIDAKPASTIAN PENGUKURAN
Pelatihan Evaluasi Ketidakpastian Pengukuran
1
12
PERSAMAAN GARIS REGRESI
∑ 𝑥i 𝑦i − ∑ 𝑥i ∑ 𝑦i /𝑛
𝑏=
∑x i 2 − ∑ 𝑥i 2/𝑛
𝑛 ∑ 𝑥i 𝑦i − ∑ 𝑥i ∑ 𝑦i
𝑏=
𝑛 ∑ 𝑥i . 𝑥i − ∑ 𝑥i 2
∑ 𝑥i − 𝑥̅ 𝑦i − 𝑦¯
𝑏=
∑ 𝑥i − 𝑥 ̅ 2
2
12
PERSAMAAN GARIS REGRESILEWAT TITIK NOL
X Y XY X2
0 0 0 0
1 133 133 1
2 278 556 4 b =14841/ 121=122.6529
4 558 2232 16
10 1192 11920 100
RESIDUAL
• y = 122.6529x
xi yi yc (yi-yc) (yi-yc)2
yi menurut pengamatan
0 0 0 0 0
1 133 122.65 10.35 107.06 yc menurut perhitungan
2 278 245.31 32.69 1068.91
4 558 490.61 67.39 4541.20
10 1192 1226.53 -34.53 1192.25
Sum 6909.42
rsd = √Σ(yi-yc)2/ ( n -
y 2)
=√6909.4215/(5-2)
=47.99
4
12
KETIDAKPASTIAN KONSENTRASI Sx
PADA PERSAM AAN GARIS Y =bX
Sx = S y/x
Sx =47.99 / 122.6529
b
=0.391mg/mL
Y = bX + a
misal pada
Y1=bX1+a
5
12
CONTOH ANALISIS SPEKTROFLUOROMETRI
0 2,1
2 5,0
4 9,0
6 12,6
8 17,3
10 21,0
12 24,7
11
y =bx +a
b =216.2/ 112 =1.93
a =13.1-(1.93x6) =1.52
Persamaan Garis Regresi-nya :y =1.93 x +1.52 6
12
MENGHITUNG KETIDAKPASTIAN GARIS REGRESI (Sy/x)
13
7
12
Menghitung Ketidakpastian Konsentrasi (Sx)
15
8
12
Untuk sample 2 ;y =13.5
17
9
12
Bagaimana Desain Percobaannya?
Buat larutan analit (menggunakan std murni) dgn berbagai C berbeda, misal: 10, 20, 25, 30,
40 dan 50 ppm
Perlakukan larutan 25 ppm sebagai std, dan yang lainnya sebagai contoh
Lakukan analisis terhadap larutan diatas (10, 20, 30, 40 dan 50) menggunakan metode
pengujian yang sama seperti pada analisis contoh, menggunakan larutan std yang 25 ppm
Amati perbedaan dari Canalit hasil analisis dengan kons-nya yang diketahui (10, 20, 30, 40
dan 50 ppm)
Cari nilai deviasi max dari Canalit thdp kons sebenarnya yang diketahui
Nilai deviasi max inilah yang diambil sbg nilai KP asal linearitas
19
Contoh Perhitungan
maksimum
Ketidakpastian linearitas
µ =1.0 / √3
=0.577 ppm
10
20
Bagaimana Menghitung Ketidakpastian Asal
Homogenitas?
• Ketidakpastian asal homogenitas dapat dihitung bersamaan
dengan ketidakpastian asal presisi metode.
• Design percobaannya:
-Ambil minimal 10 (boleh lebih misal 12) contoh secara
random
- Lakukan analisis untuk setiap contoh sebanyak 2 kali (duplo)
-Metode analisis yang digunakan harus memiliki presisi yang
tinggi, agar tidak menghasilkan data homogenitas yang
menyimpang
21
11