BAHAN AJAR

BAB III

RALAT DAN ANALISIS DATA HASIL PENGUKURAN

OLEH :

Ir. Oyas Wahyunggoro, M.T., Ph.D.

PENGUKURAN DAN INSTRUMENTASI

JURUSAN TEKNIK ELEKTRO DAN TEKNOLOGI INFORMASI

FAKULTAS TEKNIK
UNIVERSITAS GADJAH MADA

2013
 DAFTAR ISI

HALAMAN JUDUL i
DAFTAR ISI ii  
A. Pendahuluan 1  
A.1 Deskripsi Singkat 1  
A.2 Manfaat, Relevansi 1  
A.3 Tujuan Instruksional Khusus 1  
B. Penyajian 2  
B.1. Menentukan Ralat Hasil Pengukuran 2  
B.2 Perambatan Ralat 3  
B.3 Memprediksi Peluang Kegagalan suatu Produk 3  
B.4 Menentukan Jaminan 5  
B.5. Analisis Regresi dan Korelasi 6  
B.6 Ukuran Bentuk Gelombang 7  
C. Penutup 10  
C.1 Soal Tes Formatif 10  
C.2 Kunci/Jawaban Tes Formatif Error! Bookmark not defined.  
C.3. Penilaian dan Loloh Balik Error! Bookmark not defined.  
C.4 Tindak Lanjut Error! Bookmark not defined.  
C.5 Pengayaan Materi 10  

ii
 A. Pendahuluan

A.1 Deskripsi Singkat

Pada Bab ini akan dibahas tentang : menentukan ralat hasil pengukuran,
perambatan ralat, memprediksi peluang kegagalan suatu produk, menentukan
jaminan produk, analisis regresi dan korelasi, dan ukuran bentuk gelombang

A.2 Manfaat, Relevansi

Bab ini bermanfaat sebagai pemahaman cara menentukan ralat hasil

pengukuran baik langsung maupun taklangsung, dan memanfaatkan teori
statistika pengukuran.

A.3 Tujuan Instruksional Khusus

Setelah mempelajari Bab ini mahasiswa akan dapat : menentukan ralat hasil
pengukuran, baik pengukuran cara langsung maupun tidak langsung, memprediksi
peluang kegagalan suatu produk, menentukan jaminan usia produk, melakukan
analisis regresi dan korelasi, dan memahami ukuran bentuk gelombang.

1
 B. Penyajian

B.1. Menentukan Ralat Hasil Pengukuran

Pada bahan kuliah pertama disebutkan bahwa kesalahan statistis merupakan

kesalahan alami yang bersifat acak sehingga satu-satunya jalan untuk
menanggulanginya adalah dengan memberi ralat hasil pengukuran.

Ada dua keadaan dalam menentukan ralat hasil pengukuran, yaitu: (1)
keadaan yang banyaknya data hasil pengukuran tidak banyak (<30) yang disebut
sebagai sampel, dan (2) keadaan yang banyaknya data hasil pengukuran cukup
banyak (>=30) yang disebut sebagai populasi. Ralat hasil pengukuran ditentukan
menggunakan simpangan baku (standard deviation) yang dirumuskan seperti
Persamaan (3-1).

2
⎛ n ⎞
n
⎜ ∑ x i ⎟
x i2 − ⎝ ⎠
i =1
∑ n
S = i =1 (sampel)
n −1

2
⎛ n ⎞
n
⎜ ∑ x i ⎟
x i2 − ⎝ ⎠
i =1
∑
i =1 n
σ= (populasi) (3-1)
n

dengan:
S : simapngan baku untuk sampel
σ : simpangan baku untuk populasi
𝑥! : data hasil pengukuran ke-i
n : banyaknya data pengukuran
Sehingga hasil pengukuran adalah rerata ( µ ) seperti di Persamaan (3-2) ±
simpangan baku.

∑x i
µ= i =1
(3-2)
n

2
B.2 Perambatan Ralat

Seperti pernah disebutkan di Bab I (B.4) bahwa berdasar kelangsungan

terhadap objek pengukuran, sistem pengukuran tidak langsung memiliki
kelemahan dalam hal perambatan ralat. Perambatan ralat dapat pula terjadi di
pengukuran besaran-besaran turunan yang merupakan fungsi besaran-besaran
dasar.

Jika D = f(ABC) dengan f(ABC) berarti suatu fungsi dalam peubah A, B, dan
C, maka perambatan ralat dapat dirumuskan seperti di Persamaan (3-3).

!" ! !" ! !" !

𝜎! = !"
𝜎!! + !"
𝜎!! + !"
𝜎!! (3-3)

B.3 Memprediksi Peluang Kegagalan suatu Produk

Produk dalam pembahasan di sini adalah dalam bentuk barang. Suatu produk
sejak dari tahap penelitian sampai dengan tahap kendali mutu (quality control)
tidak terlepas dari kegiatan pengukuran. Pengukuran yang baik dan benar
mengakibatkan produk memiliki peluang kegagalan yang kecil, dengan demikian
keseragaman hasil dapat tercapai.

Dalam memprediksi peluang kegagalan suatu produk setelah sampai ke

tangan konsumen akan kurang efisien apabila semua satuan produk diuji. Untuk
mengujinya secara lebih efisien adalah dengan mengambil sampel untuk
kemudian diperkirakan peluang kegagalannya. Salah satu cara melakukannya
adalah menggunakan distribusi binomial.

Disitribusi binomial digunakan untuk menghitung peluang suatu kombinasi

keadaan dari hasil pengukuran atau percobaan berkali-kali. Jika ada n percobaan
tunggal dengan peluang keberhasilan p pada masing-masing percobaan, maka
dapat diandaikan nilai peubah acak yang menggambarkan banyaknya keberhasilan
dalam n percobaan adalah X . Distribusi peluang X atau sering dilambangkan
dengan P ( X ) disebut distribusi binomial dengan n percobaan dan peluang

3
keberhasilan p . Nilai X yang mungkin adalah integer dan dapat diturunkan
formula untuk peluang P( X = x) dengan x integer.

Jika n = 2 percobaan tunggal yang hasilnya ada dua keadaan, yaitu berhasil
(B) dan gagal (G), maka banyaknya kombinasi keadaan yang mungkin dapat
dilihat di Tabel 3.1.

Tabel 3.1. Kombinasi keadaan dua percobaan tunggal

Kombinasi Keadaan Nilai X

GG 0
GB 1
BG 1
BB 2

Peluang kejadian nilai X untuk masing-masing kombinasi dapat dilihat di Tabel

3.2.

Tabel 3.2. Peluang masing-masing nilai X

Nilai X Banyaknya kombinasi Peluang

0 1 (1 − p )2
1 2 p(1 − p )
2 1 p2

n!
Banyaknya kombinasi untuk masing-masing nilai X adalah ,
X !(n − X )!
sehingga peluang kejadian nilai X dapat dirumuskan seperti Persamaan (3-4).

⎡ n! ⎤ x
P( X = x) = ⎢ ⎥ p (1 − p)( n − x ) (3-4)
⎣ x!(n − x)!⎦

Dalam memprediksi peluang kegagalan, lakukan langkah-langkah sebagai

berikut.

Dengan mengetahui banyaknya sampel yang dicoba (sebagai n ) dan banyaknya

sampel yang berhasil di antaranya (sebagai x ), kemudian dari persamaan (3-4)
dicari p terkecil dan terbesar yang P(x) adalah mungkin. Pengertian mungkin di

4
sini secara ideal adalah apabila lebih besar dari nol. Tetapi dalam mendefinisikan
nilai nol dapat ditetapkan suatu toleransi angka tertentu, misalnya pengertian lebih
dari nol adalah apabila lebih besar dari 0,0001. Peluang kegagalan adalah 1 − p .

B.4 Menentukan Jaminan

Suatu produk akan lebih terpercaya apabila produsen sanggup memberikan

jaminan mutunya, baik dari segi kinerjanya maupun dari segi keandalan/usianya.
Salah satu cara untuk menentukan jaminan adalah dengan menguji sampel suatu
produk, kemudian ditentukan menggunakan distribusi normal.

Distribusi normal sering disebut sebagai distribusi Gauss karena yang

menemukannya atau distribusi bel karena bentuk kurvanya yang menyerupai bel.
Peluang kejadiannya dapat dirumuskan seperti Persamaan (3-5).

( x − µ )2
⎛ 1 ⎞ − 2σ 2
P( x) = ⎜ ⎟e untuk − ∞ < x < ∞ (3-5)
⎝ σ 2π ⎠

Pada distribusi normal, x melambangkan harga berdasar data hasil

pengukuran, P(x) melambangkan peluang kejadian untuk harga tersebut, dan µ
melambangkan rerata n buah data x .

Dalam menentukan jaminan, pertama-tama dari sampel diukur kemudian

dicari rerata dan simpangan bakunya. Dari hasil tersebut kemudian dinyatakan
bahwa produk tersebut dijamin memiliki nilai lebih besar atau sama dengan rerata
dikurangi k kali simpangan bakunya dengan k adalah suatu konstanta bilangan
riil. Jaminan akan dikatakan meyakinkan apabila peluang kebenarannya tinggi
(misal, 95 % ke atas). Untuk meyakinkannya, Persamaan (3-5) diintegrasikan
menjadi Persamaan (3-6).

∞ ( x − µ )2
⎛ 1 ⎞ − 2σ 2
P( x > x1) = ∫ ⎜ ⎟e dx (3-6)
x1 ⎝ σ 2π ⎠

Misal, untuk x1 = µ − 2σ ke atas diperoleh peluang 0,98 yang berarti jaminannya

adalah 98 % benar.

5
 Ada perbedaan antara jaminan dan garansi. Jaminan (guarantie) merupakan
pernyataan produsen yang menjamin bahwa produknya tidak memiliki nilai lebih
rendah dari yang dinyatakan. Namun, apabila konsumen mendapatkan produk
dengan nilai lebih rendah dari jaminannya akan dianggap kurang beruntung.
Sedangkan garansi (warranty) adalah jaminan penuh yang apabila konsumen
mendapatkan produk dengan nilai lebih rendah dari pernyataan, produsen akan
memberikan ganti rugi.

B.5. Analisis Regresi dan Korelasi

Pada kegiatan penelitian, biasanya pengukuran dilakukan untuk mendapatkan

data-data dari dua peubah atau lebih. Di antara peubah-peubah tersebut dicari
fungsi/persamaannya menggunakan analisis regresi, kemudian dicari
keterkaitannya menggunakan analisis korelasi. Ada tiga jenis korelasi, yakni:

1) korelasi negatif,
2) korelasi nol, dan
3) korelasi positif.
Korelasi negatif menunjukkan hubungan dengan arah terbalik antara peubah
bebas dan peubah takbebas. Nilainya antara 0 s.d -1 yang semakin kecil berarti
semakin kuat.

Korelasi positif menunjukkan hubungan searah antara peubah bebas dan

peubah takbebas. Nilainya antara 0 s.d 1 yang semakin besar semakin kuat.

Korelasi nol menunjukkan bahwa antara peubah bebas dan peubah takbebas
tidak ada keterkaitannya sama sekali.

Jika y adalah peubah takbebas, x adalah peubah bebas, A dan B adalah

konstanta, dan n adalah banyaknya data, maka korelasi ( r ) dapat dicari
menggunakan Persamaan (3-7).

6
 n n n
n ∗ ∑ xi yi − ∑ xi ∗ ∑ yi
i =1 i =1 i =1
r= (3-7)
2 2
⎧⎪ n
2 ⎛ n ⎞ ⎫⎪⎧⎪ n
2 ⎛ n ⎞ ⎫⎪
⎨n ∗ ∑ xi − ⎜ ∑ xi ⎟ ⎬⎨n ∗ ∑ yi − ⎜ ∑ yi ⎟ ⎬
⎪⎩ i =1 ⎝ i =1 ⎠ ⎪⎭⎪⎩ i =1 ⎝ i =1 ⎠ ⎪⎭

Analisis regresi dan korelasi dapat pula dilakukan langsung menggunakan

scientific calculator. Cara pengoperasiannya dapat dilihat di buku petunjuknya
masing-masing.

Ada empat macam analisis regresi, yakni:

1) regresi linier: y = A + Bx ,
2) regresi logaritmik: y = A + B ln x ,

3) regresi eksponensial: y = Ae B. x , dan

4) regresi daya: y = Ax B .
Dalam menentukan regresi mana yang dipilih, keempat macam persamaan
regresi dicoba, kemudian masing-masing dicari MSE (Mean Square Error) nya.
Persamaan regresi dengan MSE terkecil yang dipilih.

B.6 Ukuran Bentuk Gelombang

Pada Bab I (B.1) disebutkan bahwa salah satu tujuan sekunder pengukuran
adalah analisis. Analisis di sini ada dua macam, yaitu: (1) analisis statistis seperti
telah dibahas sebelumnya, dan (2) analisis teknis. Salah satu bentuk analisis teknis
adalah mengetahui ukuran bentuk gelombang.

Berdasar frekuensinya, besaran listrik yang membentuk isyarat dibagi

menjadi dua macam, yaitu: (1) besaran d.c. yang memiliki frekuensi nol atau
takberhingga, dan (2) besaran a.c. yang memiliki frekuensi berhingga. Bentuk
dasar besaran a.c. yang umum adalah gelombang sinus.

Dalam hubungannya dengan pengukuran, gelombang sinus merupakan hasil

pengukuran data jamak yang besarnya berfluktuasi periodis. Seperti pada
pengukuran data jamak yang dalam mencari ukurannya adalah mencari harga

7
rerata dan simpangan baku, maka ukuran dasar bentuk gelombang adalah rerata
dan simpangan baku.

Secara umum, persamaan gelombang sinus adalah seperti terlihat di

Persamaan (3-8).

y = A sin x (3-8)

Karena bersifat kontinu, sigma pada harga rerata dan simpangan baku diganti
dengan integral. Harga rerata gelombang sinus dapat dicari menggunakan
Persamaan (3-9).

∞
A
y= sin x∂x (3-9)
T −∫∞

karena gelombang sinus bersifat periodis dengan periode 2π , maka harga

reratanya dapat ditulis seperti di Persamaan (3-10).

2π
A
y= ∫ sin x∂x (3-10)
2π 0

Hasil integrasi Persamaan (3-10) memberikan harga nol.

Harga varians gelombang sinus dapat dicari menggunakan Persamaan (3-11).

2π
1 2
Sy =
2π ∫ (y − y ) ∂x
0

2π
A2 2
= ∫ sin x∂x (3-11)
2π 0

A2
Hasil integrasi persamaan (3-11) adalah yang berarti simpangan bakunya
2
A
adalah .
2

Pada pengukuran besaran a.c., harga besaran tersebut adalah sama dengan
simpangan bakunya. Harga inilah yang disebut sebagai harga efektif atau harga

8
akar purata kuadrat (apk) atau root mean square (rms) value. Sedangkan harga
terukur besaran a.c. adalah sama dengan harga rerata (jika tidak nol disebut offset)
ditambah simpangan baku (apk) karena telah mengalami penyearahan.

9
 C. Penutup

C.1 Soal Tes Formatif

1. Suatu instansi membeli empat buah tablet dengan merk dan tipe/spek yang
sama, semuanya mengalami misproduksi. Dengan toleransi nol 0,001, hitung
peluang terbesar keberhasilan produk tersebut berdasar kasus ini!
2. Tinggi permukaan air dihitung dengan mengukur tekanan di dasar tangki,
massa jenisnya, dan gravitasi di tempat alat ukur dipasang, kemudian
digunakan rumus P=ρgh, dengan P adalah tekanan, ρ adalah massa jenisnya,
dan g adalah gravitasinya. Kesalahan mengukur P, ρ, dan g adalah 5%.
Hitunglah kesalahan menghitung h!

C.2 Pengayaan Materi

Untuk memperkaya materi, mahasiswa diberi kesempatan dan anjuran untuk

mendalami sendiri sumber pustaka yang diberikan. Untuk materi Bab ini sumber
pustakanya adalah sebagai berikut.

[4] Prijadi, Ipieng. Teknik Pengukuran-I&II. Naskah Departemen untuk Taruna

Akademi Militer Tingkat : II HUB.
[6] Morris, Alan S. 2001. Measurement and Instrumentation Principles. Third
Edition. Butterworth Heinemann. Oxford.
[8] Web

10