Persyaratan
Pendahuluan
Menggambar grafik hasil eksperimen dengan kertas grafik (millimeter block) dan
pensil memang relatif lebih mudah daripada dengan program komputer. Dengan
kertas dan pensil, hanya perlu menggambarkan titik-titiknya, menggambarkan
ralat pada titik-titik data, kemudian menarik garis lurus melewati titik-titik data
itu. Memang nampaknya suatu proses yang mudah, namun ternyata sukar untuk
disebut sebagai grafik yang “baik dan benar”, terbukti pada setiap laporan
praktikum Fisika Dasar yang dibuat oleh calon asisten selalu ada tanda silang
yang besar dan diserta dengan komentar, yang kalau boleh dikatakan
“menurunkan semangat”, apalagi jika tidak tahu seperti apa grafik yang “baik dan
benar” itu.
Landasan Teori
Metode Kuadrat Terkecil
y a bx (3.1)
Koefisien a dan b dipilih sedemikian sehingga diperoleh beda antara nilai terukur
yi dengan nilai terhitung y ( xi ) yang sekecil mungkin. Untuk nilai a dan b
sembarang, dapat dihitung beda antara nilai ukur dan nilai hitung :
Dengan pemilihan a dan b yang baik, akan diperoleh nilai beda yi yang relatif
kecil. Jika semua yi kecil maka jumlah keseluruhannya akan kecil, namun kita
tidak bisa menggunakan jumlahan itu sebagai ukuran karena ada kemungkinan
beberapa beda bernilai positif dan beberapa yang lain bernilai negatif sehingga
efeknya bisa saling menghilangkan jika dijumlahkan.
1 xi2 y x xy
a 2 2i 2i i 2 i
σi σi σi σi
1 1 xy x y
b 2 i 2 i 2i 2i
σi σi σi σi
2
1 x xi2
2 2 2i (3.4)
σi σi σi
1 xi2
σ a2
σ2
i
1 1
σb2
σi2
Meskipun telah diperoleh nilai a dan b, tentu saja kita tidak bisa begitu saja
menyimpulkan bahwa hubungan antara x dan y adalah linear, karena regresi
linear bisa diterapkan pada sembarang set hasil ukur, dan pasti memberikan hasil
berupa paramater a dan b.
Kita memerlukan suatu tolok ukur yang lain, yang tidak bergantung pada hasil
regresi linear, namun hanya bergantung pada nilai-nilai variabel x dan y untuk
menguji apakah ada korelasi linear antara keduanya.
Tolok ukur tersebut adalah koefisien korelasi linear. Untuk sebanyak N set data
hasil ukur (xi,yi), didefinisikan koefisien korelasi linear (Bevington, 2003) :
=SLOPE(B2:B9,A2:A9)
=INTERCEPT(B2:B9,A2:A9)
Range B2:B9 adalah range dari nilai-nilai y, dan range A2:A9 adalah nilai-nilai x.
=RSQ(B2:B9,A2:A9)
=$B$12+$B$11*A2
Fungsi LINEST
Apa yang dihasilkan dari fungsi SLOPE, INTERCEPT dan RSQ (root squared)
masih belum lengkap. Hasil yang lebih lengkap, yaitu dengan hasil-hasil statistik
diperoleh dengan fungsi LINEST. Selain 3 hasil, kemiringan, titik potong dan
koefisien korelasi, dihasilkan juga standar deviasinya, sehingga dapat diperoleh
antara lain:
a a , b b dan y
LINEST berasal dari Linear Estimation, untuk memperoleh persamaan linear yang
menggambarkan titik-titik data. Persamaan linear yang umum adalah :
y m1 x1 m2 x2 m3 x3 b (3.6)
Fungsi LINEST menghasilkan suatu larik (array) yang berisi koefisien regresi
m1 , m2 , m3 , , b . Layout dari keluaran LINEST ditunjukkan pada gambar berikut.
sorot 2 kolom dan 3 baris pada lembarkerja, mulai dari B15 sampai C17.
a (3,7 0, 2) kg
y 0, 2
Menggambar grafik
Insert chart Scatter Scatter with only Markers (caranya lihat pada
modul sebelumnya).
Pilih data X : dari sel A2 sampai A9, dan data Y : mulai dari sel B2 sampai
B9.
Ubah format titik data menjadi lingkaran dengan ukuran 5
Tampilkan minor grid. Hasilnya seperti gambar berikut.
Klik chart. Pilih Layout pada ribbon. Klik Error Bars, pilih More Error Bars
Options…
Pilih Custom klik Specify Value, isikan 0.2 pada Positive dan Negative
Error Value klik Ok Close.
Klik kanan chart Select data Add, tulis Series name : fit, pilih nilai X :
A2 sampai A9, dan nilai Y : D2 sampai D9.
Klik kanan lagi pada salah satu titik data fit. Pilih Format Data Series, pilih
Marker Options, pilih None, kemudian klik Close.
Secara tradisional, untuk mendapatkan garis linier terbaik dilakukan dengan cara
membuat dua garis bantu. Garis bantu pertama dengan kemiringan maksimum
yang masih mungkin (m1 ) dan garis yang kedua dengan kemiringan minimum yang
masih mungkin (m2 ) . Perkiraan untuk kemiringan garis terbaik adalah
m1 m2
m (3.7)
2
dengan ketidakpastian :
m1 m2
m (3.8)
2
m1 b1 b b (3.9)
dan
m2 b2 b b (3.10)
=B15+B16
=B15-B16
=C15-C16
=C15+C16
=$B$21+$B$19*A2
Data-data untuk y2 dihitung pada sel F2 sampai F9. Sel F2 diisi dengan rumus :
=$B$22+$B$20*A2
Dengan cara yang sama pada waktu menambahkan garis hasil fit, garis-garis y1
dan y2 ditambahkan pada chart. LAKUKAN PENAMBAHAN ITU!.
LAKUKAN :
Dengan langkah-langkah seperti yang telah dilakukan sebelumnya, garis fit hanya
dimulai dari titik data pertama dan berakhir pada data yang terakhir. Untuk
menampilkan titik potong pada sumbu, maka perlu dilakukan ekstrapolasi, dalam
hal ini ekstrapolasi ke bawah (ke belakang backward). Pilihan ekstrapolasi ada
pada pengaturan Trendline.
Seberapa jauh ekstrapolasi dilakukan bergantung kepada nilai skala pada sumbu
x. Sebagai contoh, pada grafik yang telah dibuat di atas, nilai x titik data pertama
adalah 200, maka agar garis sampai pada sumbu y, ekstrapolasi dilakukan
sebanyak 200 titik.
Saran
Buku bacaan
Bevington, Philip R., and D. Keith Robinson, 2003, Data Reduction and Error
Analysis for the Physical Sciences, third edition, Mc-Graw Hill Companies, Inc,
New York