Evaluasi Ketidakpastian Pengukuran| ISO/IEC17025:2017

EVALUASIKETIDAKPASTIANPENGUKURAN
PADA ISO/IEC 17025:2017
1

PERBANDINGAN 2005 & 2017 (1)

• Istilah & Klausul

Estimasi Evaluasi (7.6)

(5.4.6)

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

PERBANDINGAN 2005 & 2017 (3)

2005 2017 • Persyaratan

5.4.6.2 Sifat dasar metode

pengujian dapat
menghambat perhitungan
KTP yang TELITI secara
metrologis & abash secara
statistic >>Lab sekurangnya
HARUS mencoba membuat
ESTIMASI WAJAR
berdasarkan PENGETAHUAN
UNJUK KERJA METODE,
PENGALAMAN & DATA
VALIDASI
7.6.3 Lab yang melakukan
pengujian HARUS mengevaluasi
KTP.
Jika metode uji mencegah
evaluasi KPT secara teliti, sebuah
ESTIM ASI harus dibuat berdasar
pada PEM AHAM AN prinsip TEORI
& PENGALAM AN PRAKTIS
KINERJA SUATU M ETODE

2
 PERBANDINGAN 2005 & 2017 (4)

2005 2017 • Persyaratan

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

PERBANDINGAN 2005 & 2017 (5)

Aspek Pelaporan (TIDAK ADA PERUBAHAN)

• Sertifikat Kalibrasi HARUS mencantumkan nilai Evaluasi KTP

• Sertifikat Pengujian, HARUS mencantumkan BILA:
a) relevan dengan keabsahan atau penggunaan hasil pengujian
b) diperlukan karena merupakan instruksi pelanggan
c) ketidakpastian mempengaruhi kesesuaian terhadap batas
spesifikasi.
• Disajikan dengan satuan yang sama dengan nilai ukur atau
dalam bentuk relatifnya (contoh:persen)

3
 CONTOH SERTIFIKAT KALIBRASI

IMPLEMENTASIKONSEP KETIDAKPASTIAN

Konsentrasi

Ambang batas

Beberapa kemungkinan situasi yang dihadapi

pada penerapan konsep ketidakpastian
8

4
 RUANGLINGKUP PENERAPAN KONSEP
KETIDAKPASTIAN PADA HASIL UJI

Nilai ketidakpastian harus dievaluasi jika pengujian

memberikan hasil berupa angka numerik.

Jika hasil pengujian tidak berupa angka (misal:

pass/ fail, positif/ negatif, atau didasarkan
pengamatan visual atau pemeriksaan kualitatif
lainnya) maka evaluasi ketidakpastian atau ukuran
variabilitas lainnya tidak diperlukan. Walaupun
demikian, laboratorium tetap harus memiliki
pemahaman tentang tingkat variabilitas hasil uji.

KETIDAKPASTIAN PADA PENENTUAN

“DECISION RULE”

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

Are these readings in Not likely

Specification? but possible

Where will the next Before we decide,we need to

reading probably be? know the limits (specification)

12

DECISION RULE

The uncertainty bars are

now included

UpperLimit UpperLimit

Nominal Nominal

So are the readings in So are the readings in

Specification? Specification?
LowerLimit LowerLimit

On this graph, the uncertainty of

measurement has not been taken
into account.

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

If we had only one (or one set) of readings

Nominal Is this a pass or fail? Nominal
There may be a lot of
money or risk resting on
the decision.

LowerLimit LowerLimit

Many labs would not makeadecisionbased

Similarly– if we had several of the same
instruments,such as a production run,and get the
above results,we know a lot more about the
behaviour of the products
on this information but would rather passthe
information to the customer to decide for
themselves.So this would not beastatement
of conformancebut merely a testing or
calibration report.

15

2
 DECISION RULE
UpperLimit
Nominal
LowerLimit
If the lab was tasked to give astatement of
compliance,what would the decision be?
Clearly it depends who’s side you are on.
Different labs could give different
decisions.
Sothecustomerneedstobetoldwhat“decision
rule” you applied to the statement of
compliance.
16
DECISION RULE
• The ILAC G-8:2009 has tried to provide some clarity by writing
this guideline on how to look at pass/fail conformity
assessment.
Compliance: If the specification limit is not
breached by the measurement result plus the
expanded uncertainty with a 95%coverage
probability, then compliance with the
specification can be stated (See Case 1of
Fig.1). This can be reported as “Compliance”
or “Compliance – The measurement result is
within (or below) the specification limit
when the measurement uncertainty is taken
into account”.In calibration this is often
reported as “Pass”;
17
Klausul 7.1.3 (ISO/IEC 17025:2017)
• Ketika customer meminta PERNYATAAN
KESESUAIAN terhadap suatu spesifikasi
atau standar (contoh: LULUS/ GAGAL, IN-
TOLERANCE/OUT-OF-TOLERANCE), maka
ATURAN KEPUTUSAN ditetapkan secara
jelas.Kecuali hal tsb inheren dalam
spesifikasi atau standar yang diminta,
ATURAN KEPUTUSAN yang dipilih
dikomunikasikan kepada dan disetujui
oleh customer.
REFERENCES?
• ILAC G-8:2009 ILAC G8:09/ 2019
• JCGM 106:2012 (ISO/ IEC Guide 98-4)
• EURACHEM (Use of uncertainty
information in compliance
assessment)
Non-compliance: If the specification limit
is exceeded by the measurement result
minus the expanded uncertainty with a 95%
coverage probability, then noncompliance
with the specification can be stated. (See
Case 4 of Fig.1) This can be reported as “Non-
compliance”or “Non- compliance – The
measurement result is outside (or above)
the specification limit when the
measurement uncertainty is taken into
account”. In calibration this is often reported
as “Fail”;
3
 DECISION RULE

The ILAC G-8:2009 has tried to

providesome clarity by writing this
guideline on howto look at pass/fail
conformity assessment.

If the measurement result plus/ minus

the expanded uncertainty with a 95 %
coverage probability overlaps the limit,
it is not possible to state compliance or
non-compliance. The measurement
result and the expanded uncertainty with
a 95 % coverage probability should then
be reported together with a statement
indicating that neither compliance nor
non-compliance was demonstrated.
• So the bottom line is that much m ore knowledge on the subject is
This is what most SANASlabs usetoday required to enter into an educated discussion w ith the
custom er about the probability of “False accepts”
when a product should fail and “False rejects” when a
product should pass.
• It is suggested that a good study of JCGM 106:2012 is m ade.

18

DECISION RULE (Guard Band – g)

Informasi yand dibutuhkan untuk

membuat KEPUTUSAN:

a) A measurand clearly specified

b) Hasil uji
c) Batas spesifikasi
d) Nilai ketidakpastian
e) Aturan Keputusan

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.

• Measurand – Mass fraction of Cd in a consignment delivered to a customer

• Test result – mass fraction (Cd) =1.82 mg/kg
• Uncertainty – U =0.20 mg/kg, k =2 (95%). The uncertainty includes both sampling
and analytical uncertainty
• Specification – Upper permitted limit 2.0 mg/ kg
• Decision rule – The decision limit is the mass fraction where it can be decided with
a confidence level of approximately 95% (α = 0.05) that the batch has a mass
fraction below the upper limit.
• The guard band is calculated as 1.65u =0.165 mg/kg (k value =1.65 for one tailed t
value at 95% confidence). The decision limit will be 2 – 0.165 =1.84 mg/kg. All
values below this value are in the acceptance zone. All values equal to or above
are in the rejection zone. So the sludge sample meets the compliance
requirements.

20

DECISION RULE

21

5
 Evaluasi Ketidakpastian Pengukuran |ISO/IEC17025:2017

DASARKETIDAKPASTIAN PENGUKURAN

KETIDAKPASTIAN

Ketidakpastian adalah suatu parameter yang

menetapkan rentang nilai yang didalamnya
diperkirakan nilai benar yang diukur berada.

M enghitung rentang tersebut dikenal

sebagai ketidakpastian pengukuran

1
 Melalui Mojonnier Test diperoleh kadar lemak
dalam bahan baku COKLAT POWDER adalah

10.55 ± 0.5%
10.6 ± 0.5%

Pada tingkat kepercayaan 95%

HUBUNGAN KETIDAKPASTIAN
DENGAN KESALAHAN

Ketidakpastian memadukan semua

kesalahan yang diketahui menjadi
suatu rentang tunggal

2
 KETIDAKPASTIAN (KTP)
Kesalahan dlm
Kesalahan dlm memipet
= menimbang + + ....
larutan

Kalibrasi Pembacaan Kalib. Pembacaan Faktor

+ Vol pipet + +
neraca Skala Miniskus Muai
Larutan

KP asal KP asal KP asal KP asal KTP asal

Kalibrasi Presisi Kalibrasi Presisi Efek Temp

SUMBER-SUMBER KETIDAKPASTIAN

Sampling

Preparasi Contoh
Kalibrasi Peralatan

Instrumen

Kesalahan Random

Kesalahan Sistemik

Personil

3
 SAMPLING

• Sampel homogen?

• Ketidakseragaman
diperhatikan

• KTP asal homogenitas

PREPARASICONTOH

• Analit terekstrak 100%

dari matriks contoh?

• Recovery diperhatikan

• KTP asal Recovery

4
 KALIBRASIPERALATAN

Temp oven =100 ± 3 ºC

Vol labu takar =100 ± 0.08 mL

KTP asal Kalibrasi

INSTRUMEN

Abs

KTP asal Kurva

Kalibrasi

10

5
 KESALAHAN RANDOM

Penimbangan berulangkali dari standar massa 10 g

memberikan data (g):

10.0001 10.0000 10.0002 10.0002

10.0001 10.0000 10.0001 10.0000
10.0002 10.0000

KTP asal presisi

11

KESALAHAN SISTEMIK

Penimbangan bahan yang bersifat higroskopis tidak

menyatakan berat bahan yang sebenarnya.

Titik Akhir suatu titrasi tidak menyatakan titik

ekivalensi

KTP asal bias

penentuan TA titrasi

12

6
 PERSONIL

Keterampilan dan ketelitian seorang analis

akan memberikan pengaruh pada besar
kecilnya nilai ketidakpastian pengukuran.

KP asal presisi
metode

13

SUMBER INFORMASIUNTUK PENGUKURAN KETIDAKPASTIAN

• Spesifikasi pabrik untuk labu takar

• Spesifikasi Pabrik
• Data Pustaka
• Data Validasi M etode atau
data dari Log Book
100 mL kelas A adalah ± 0.08 mL
• Spesifikasi pabrik untuk vol pipet 2 mL
kelas A adalah ± 0.01mL
• Dalam handbook dinyatakan nilai
koefisien muai volume dari air adalah
1x 10 -3 ºC-1
• Dari pustaka dapat diperoleh data
bahw a ketidakpastian berat atom H
adalah ± 0.00007

14

7
 PENDEKATAN DALAM EVALUASI KETIDAKPASTIAN PENGUKURAN

MODELINGAPPROACH EMPIRICAL APPROACH

• Mathematical/ Theoretical/ • Empirical/ Restrospective/

Predictive/ Bottom-Up
• Aims to quantify all of the
sources of uncertainty
individually, and then uses a
model to combine them.
Top-Down
•Uses some level of replication of
the whole measurement.

15

MENGEVALUASI KETIDAKPASTIAN (BOTTOM-UP)

Timbang wadah kosong (W1)

1. Buat model sistem
pengujian, sbg contoh
Timbang wadah +contoh (W2) dibuat model sistem
pengujian kadar air

Masukkan dalam oven 105 ºC, selama 3 jam

Timbang kembali (W3)

Hitung kadar air (%)

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

3. Identifikasi sumber- sumber

ketidakpastian dan buat daftar dari semua
faktor yang dapat memberikan kontribusi
kesalahan terhadap hasil akhir (dibuat
dalam bentuk cause and effect diagram )

18

9
 MENGGAMBAR GRAFIK TULANG IKAN

• Gambarkan mula-mula tulang punggungnya

• Letakkan parameter yang dicari dalam pengujian
sebagai kepala ikan
• Gambarkan apa yang ada dalam rumus sebagai
tulang-tulang utama
• Tulang utama terdiri dari rumus ++
• Yang dimaksud dengan ++adalah apa yang tidak
ada dalam rumus, tetapi memberi kontribusi pada
ketidakpastian (misal homogenitas contoh,
presisi metode, recovery, linearitas, efek
temperatur dll)

19

CAUSE & EFFECTDIAGRAM

Efek Temp

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

4. Kelompokkan faktor-faktor tsb ke dalam kategori

komponen KP
Tipe A
Tipe B

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

Komponen KTP asal Tipe Sumber data

Kalibrasi Neraca B Sertifikat kalibrasi

Presisi Neraca A Percobaan kecil

Kalibrasi Oven B Sertifikat kalibrasi

Presisi Metode A Pengulangan min 7

penentuan
Homogenitas A Hasil analisis 10 sampel
yang diambil random*

*Analisis dilakukan dengan metode analisis berpresisi tinggi,

agar tidak memberikan data yang menyimpang

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%

Dari data dalam sertifikat

kalibrasi standar tersebut
maka ketidakpastian baku u- u
dapat ditaksir dengan 2σ +
Interval kepercayaan 2σ
u =(0.01mg)/ 2 =0.005 mg
95%

25

DISTRIBUSIKEMUNGKINAN
Distribusi Segiempat (rectangular)

0.01mg

Resolusi timbangan yang 0.005 0.010 a 0.015

digunakan untuk menimbang
Rentang
sampel obat adalah 0.01 mg

a =±(0.01mg)/ 2 = ±0.005 mg Setengah rentang (a)

u =a / (30 .5) =±0.0017 mg

Simpangan bakunya dihitung dengan s =a/(30.5)

26

13
 DISTRIBUSIKEMUNGKINAN
Distribusi Segitiga (Triangular)

Dalam pemantauan suhu

ruangan kalibrasi tercatat
bahwa suhu ruangan
tersebut selalu berada
dekat dengan pusat dari
rentang 20 ±2 °C
a
Sehingga setengah
rentang 20-2 20 20+2
diberikan oleh a =±2 °C Rentang

u =a / (60 .5) =±1.15 °C Setengah rentang (a)

Simpangan bakunya dihitung dengan s = a/ (6 0.5)

27

MENGEVALUASIKETIDAKPASTIAN

6. Gabungkan komponen-komponen ketidakpastian baku

(u) untuk menghasilkan ketidakpastian hasil pengujian
secara keseluruhan (ketidakpastian gabungan).
Apabila komponen-komponen ketidakpastian tersebut
mempunyai satuan yang sama:
- Dikuadratkan
- Dijumlahkan
-Ketidakpastian gabungan adalah akar pangkat dua
dari jumlah

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

uG/G =√(ua/a) 2 +(ub/b) 2 +…

29

ATURAN YANG BERLAKU

30

15
 MENGEVALUASIKETIDAKPASTIAN

7. Hitung ketidakpastian diperluas U

(expanded uncertainty)

8. Laporkan hasil uji lengkap dengan

nilai ketidakpastian diperluas.

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).

• Faktor 2 memberikan ketidakpastian diperluas

dengan tingkat kepercayaan sekitar 95 %

U =k. uG

32

16
 MENGEVALUASIKESESUAIAN HASIL ESTIMASI
KETIDAKPASTIAN PENGUKURAN DIPERLUAS

• Setelah mendapatkan hasil expanded uncertainty,

penting untuk mengevaluasi kesesuaian hasil
estimasi ketidakpastian kita. Intinya, lab
memastikan bahwa estimasi ketidakpastian lab,
memadai / mewakili proses pengukuran kita dan
tidak overestimated atau underestimated.
• Gunakan satu atau beberapa cara berikut (lihat slide
berikutnya) untuk mengevaluasi hasil
ketidakpastian kita, dan tentukan apakah expanded
uncertainty lab reasonable and appropriate.

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

KETIDAKPASTIAN KURVA KALIBRASI

• Contoh pada analisis dengan kromatografi gas:

Kons (mg/mL) Peak area Peak area

terdeteksi terkoreksi
0 2 0
1 135 133
2 280 278
4 560 558
10 1194 1192

• Dari kumpulan data tsb, terlihat bahw a persamaan garisnya adalah

persamaan garis linier lew at titik nol

1
12
 PERSAMAAN GARIS REGRESI

1 Umum 2 Lew at Titik Nol

BEBERAPA RUMUS KEMIRINGAN GARIS (SLOPE)

∑ 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

Sum 17 2161 14841 121

RESIDUAL

• Berdasarkan persamaan garis regresi, untuk

setiap nilai x yang diketahui, kita dapat
menghitung nilai
yhitung (yc).

• Perbedaan antara yc dengan ypengamatan (yi)disebut

sebagai residual.

• Besar kesalahan dari persamaan dapat

dihitung melalui besar residual

• Besar kesalahan ini disebut sebagai residual

standard deviation (rsd)
3
12
 M ENGHITUNG Yc UNTUK SETIAP NILAI X YANG DIKETAHUI

• 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

KETIDAKPASTIAN KURVA KALIBRASI

• (rsd =Sy/x) dari pers garis dihitung melalui rumus:

rsd = √Σ(yi-yc)2/ ( n -
y 2)

=√6909.4215/(5-2)
=47.99

Berapakah ketidakpastian x (Sx)?

4
12
 KETIDAKPASTIAN KONSENTRASI Sx
PADA PERSAM AAN GARIS Y =bX

Sx = S y/x
Sx =47.99 / 122.6529
b
=0.391mg/mL

BEBERAPA MODEL LAIN DARI KURVA KALIBRASI

• Kurva Kalibrasi yang mempunyai intersep misal pada spektrometri UV/Vis

Y = bX + a

• Kurva Kalibrasi yang selain mempunyai intersep juga mempunyai

beberapa nilai y (y 11+ y12+ y13) untuk satu konsentrasi x (x1) yang sama,

misal pada

Y1=bX1+a

5
12
 CONTOH ANALISIS SPEKTROFLUOROMETRI

Kons (pg/mL) Intensitas fluoresensi

0 2,1
2 5,0
4 9,0
6 12,6
8 17,3
10 21,0
12 24,7

11

MENCARIPERSAMAAN GARIS REGRESI

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)

Sy/x dihitung menurut rumus

13

Menghitung RSD (Residu Standar Deviation)

x yi Yc [yi-yc] [yi-yc]2
0 2.1 1.52 0.58 0.3389
2 5.0 5.38 -0.38 0.1433
4 9.0 9.24 -0.24 0.0573
6 12.6 13.10 -0.50 0.2500
8 17.3 16.96 0.34 0.1151
10 21.0 20.82 0.18 0.0319
12 24.7 24.68 0.02 0.0003`
= 0.9368

7
12
 Menghitung Ketidakpastian Konsentrasi (Sx)

Sx untuk pembacaan ysample sebesar masing – masing

a. 2,9 b. 13,5 c. 23,0

dapat dihitung menurut rumus berikut ini:

15

Untuk sample 1 ; y = 2.9

8
12
 Untuk sample 2 ;y =13.5

Untuk sample 3 ;y =23.0

17

Bagaimana Bila Tidak Digunakan Kurva

Kalibrasi

• Kadang-kadang dalam suatu analisis tidak digunakan kurva

kalibrasi, melainkan perbandingan satu titik
• Dalam perhitungan seperti ini, selalu diasumsikan bahwa
perbandingan antara contoh dan standar bersifat linier
• Padahal belum tentu perbandingan tersebut 100% linier
• Dalam hal ini perlu dihitung ketidakpastian asal linieritas
• Perlu design suatu percobaan kecil

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

Hitung Canalit dengan membandingkannya thdp C25

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

Cdibuat (ppm) Canalisis (ppm) Deviasi (ppm)

10.346 9.496 -0.85
20.691 21.691 1.0
31.037 32.017 0.98
41.382 40.632 -0.75
51.728 52.288 0.56

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

(Lihat file homogenitas pada excel atau materi KP asal

Gravimetri)

21

11