❑ Pengolahan Data

➢ Apa yang diperoleh dari hasil pengukuran? Tentu data bukan? Data
yang didapat harus diolah dan dilaporkan. Pertanyaannya adalah
bagaimana melaporkannya?
➢ Pengukuran tidak akan pernah menghasilkan nilai yang persis sama
dengan yang seharusnya. Pengukuran pasti menghasilkan kesalahan.
➢ Kesalahan yang dihasilkan bisa muncul karena keterbatasan
ketelitian alat ukur, faktor lingkungan, atau kesalahan dalam
melakukan pengukuran.
➢ Mistar 30 cm yang sering dibawa kuliah memiliki skala terkecil 1
mm. Dengan demikian, alat ini hanya teliti melakukan pengukuran
hingga 1 mm.
➢ Besarnya kesalahan kira-kira dalam orde yang sama dengan nilai
skala terkecil.

I-1
➢ Pengukuran dengan mistar 30 cm menghasilkan kesalahan dalam
orde mm.
➢ Pengkukuran dengan mikrometer sekrup menghasilkan kesalahan
dalam orde 0,01 mm.
➢ Dalam laporan hasil pengukuran, bagaimana pembaca mengetahui
bahwa telah dilakukan pengukuran dengan alat yang teliti?
➢ Misalkan dilaporkan hasil pengukuran panjang 5 cm, bagaimana
orang bisa tahu bahwa itu diukur dengan mistar (kurang teliti) atau
jangka sorong (lebih teliti)? Agar orang mengetahui bahwa
pengukuran telah dilakukan dengan alat yang teliti maka kesalahan
pengkukuran juga perlu dilaporkan
➢ Kesalahan pengukuran sering juga disebut ketidakpastian. Cara
pelaporan data pengukuran adalah dengan menulis data sebagai
berikut:
𝑋 ± ∆𝑋 (1.18)

I-2
➢ Penulisan pada persamaan (1.18) bermakna bahwa nilai yang
terukur adalah X.
➢ Ketidakpastian pengukuran adalah ∆X. Makna ketidakpastian sebagai
berikut:
a) Ketika kita mengukur maka kita menganggap dugaan terbaik nilai
terukur adalah X.
b) Tetapi nilai eksaknya kita tidak tahu.
c) Tapi kita yakin bahwa nilai eksaknya antara X - ∆X sampai X + ∆X
(lihat Gambar 1.32)

Gambar 1.32 Pengukuran tidak pernah menghasilkan nilai eksak.

Tetapi diyakini bahwa nilainya berada antara X - ∆X sampai X + ∆X
I-3
➢ Jika pengukuran hanya dilakukan satu kali maka ketidakpastian
ditetapkan sama dengan nilai skala terkecil.
➢ Contohnya mistar 30 cm memiliki skala terkecil 1 mm. Ketidak-
pastian pengukuran dengan mistar tersebut adalah 0,5 mm.
➢ Jika diukur panjang benda dengan mistar dan diperoleh 155 mm
maka dilaporkan data pengukuran sebagai
155  0,5 mm
➢ Dengan penulisan ini dapat disimpulkan bahwa ketidakpastian
pengukuran adalah 0,5 mm dan alat yang digunakan memiliki
skala terkecil 1 mm.

I-4
Ketidakpastian dari Proses Perhitungan
➢ Ketika ingin diketahui volume balok, maka diukur panjang, lebar,
dan tinggi. Volume adalah perkalian dari tiga besaran tersebut.
➢ Masing-masing besaran yang diukur sudah membawa kedidak-
pastian.
➢ Akibatnya ketidakpastian tersebut merambat ke nilai volume
yang diperoleh.
➢ Jika ketidakpastian pengukuran panjang, lebar dan tinggi masing-
masing 0,5 mm, berapakah ketidakpastian volume yang
dihasilkan?
➢ Dan yang lebih sulit lagi, jika ketidakpastian pengukuran panjang,
lebat, dan tinggi menghasilkan ketidakpastian yang berbeda,
berapakah ketidakpastian volume yang dihitung?

I-5
➢ Misalnya pengukuran panjang dan lebar memiliki ketidakpastian
0,5 mm (diukur dengan mistar), sedangkan tinggi memiliki
ketidakpastian 0,05 mm (dikur dengan jangka sorong). Berapakah
ketidakpastian volume?
➢ Jika suatu besaran diperoleh dari hasil operasi besaran lain maka
dapat ditulis besaran tersebut sebagai fungsi besaran-besaran
penyusunnya, atau
f(x, y, z) (1.19)
di mana f adalah besaran baru, dan x, y, z adalah besaran-besaran
penyusun besaran f.
➢ Contoh: volume dapat ditulis sebagai f(x, y, z) = xyz, di mana f
adalah volume, x = panjang, y = lebar, z = tinggi.
➢ Jika pengukuran x, y, dan z menghasilkan ketidakpastian ∆x, ∆y,
dan ∆z maka berapakah ∆f?

I-6
➢ Untuk mencari ∆f digunakan aturan diferensial:

(1.20)

➢ di mana
➢ adalah turunan parsial f terhadap x (y dan z dianggap
konstan)
➢ adalah turunan parsial f terhadap y (x dan z dianggap
konstan)
➢ adalah turunan parsial f terhadap z (x dan y dianggap
konstan)

I-7
➢ Ketidakpastian yang dilaporkan didefinisikan sebagai nilai sisi
kanan terbesar.
➢ Nilai sisi kanan terbesar kalau semua suku positif. Jadi kita
definisikan ketidakpastian f sebagai

(1.21)

➢ Dan nilai yang dilaporkan adalah:

➢

I-8
Contoh 1.13
Hasil pengukuran panjang, lebar, dan sisi balok adalah 117  0,5 mm, 89
 0,5 mm, dan 12  0,05 mm. Berapakah volume balok beserta
ketidakpastiannya?

Jawab
Volume balok memenuhi persamaan
V(z, y, x) = xyz
dengan x adalah panjang, y adalah lebar, dan z adalah tinggi. Turunan
partial fungsi V adalah

I-9
Dengan demikian, ketidakpastian volume menjadi

= 89 x 12 x 0,5 + 117 x 12 x 0,5 + 117 x 89 x 0,05

= 1756,65 mm3

Volume terukur balok adalah

V = 117 x 89 x 12
= 124.956 mm3
Dengan demikian, laporan volume balok beserta ketidakpastiannya
adalah
V = 124.956  1757 mm3
. I-10
Contoh 1.14
Pengukuran massa benda dengan menggunakan neraca memberikan
hasil 50  2 g sedangkan pengukuran volume dengan menggunakan
gelas ukur memberikan nilai 25  0,5 ml. Berapakah massa jenis benda
beserta ketidakpastiannya?

Jawab
Massa jenis benda sebagai fungsi massa dan volume memenuhi

,
Dengan demikian

I-11
dan ketidakpastian massa jenis menjadi

= 0,12 g/ml
Massa jenis yang terukur adalah m/V = 50/25 = 2 g/ml, dengan
demikian laporan massa jenis adalah:
 = 2  0,12 g/ml

I-12
Pengukuran Berulang
➢ Satu kali pengukuran berpeluang menimbulkan kesalahan yang
cukup besar.
➢ Paling kecil kesalahan sama dengan ketidakpastian alat ukur.
➢ Untuk memperkecil ketidakpastian maka kita dapat melakukan
pengukuran berulang.
➢ Makin sering kita melakukan pengukuran maka makin kecil
ketidakpastian yang diperoleh.
➢ Bagaimana cara melaporkan hasil pengukuran berulang?
➢ Saat melakukan pengukuran berulang maka sangat jarang kita
menemukan hasil yang semuanya sama. Ada nilai yang sama dan
ada yang tidak sama. Bahkan yang tidak sama lebih sering muncul
daripada yang sama.

I-13
➢ Lalu nilai apa yang kita laporkan? Yang kita laporkan adalah nilai
rata-rata.
➢ Bagaimana menghitung nilai rata-rata?
➢ Misalkan data yang kita peroleh dari n kali pengukuran tampak
pada Tabel 1.4
Tabel 1.4 Ilustrasi nilai pengukuran berulang.
Xi adalah nilai pengukuran ke-i.
Pengukuran ke-i Nilai yang diperoleh
1 X1
2 X2
3 X3
4 X4
. .
. .
. .
n Xn
I-14
➢ Tabel 1.4 menginformasikan bahwa kita melakukan n kali
pengulangan pengukuran. Nilai rata-rata didefinsikan sebagai

(1.22)

➢ Lalu berapa ketidakpastiannya? Ketidakpastian pengukuran

berulang tidak menggunakan nilai skala terkecil alat ukur tetapi
mengginakan besaran yang bernama variansi.
➢ Variansi  didefinisikan sebagai berikut

(1.23)
I-15
➢ Tampak dari persamaan di atas bahwa kuadrat variansi adalah
rata-rata dari selisih data terukur dengan nilai rata-rata.
➢ Dengan besaran variansi tersebut maka data yang dilaporkan
berbentuk

(1.23)
Contoh 1.14
Hasil pengukuran panjang meja dengan mistar yang diulang 10 kali
memberikan nilai seperti pada Tabel 1.5. Berapakah nilai yang
dilaporkan beserta ketidakpastiannya?

I-16
Tabel 1.5 Data untuk Contoh 1.14

I-17
 Tabel 1.6 Hasil perhitungan untuk data pada Tabel 1.5
Pengukuran ke-i Xi – (X) (Xi – (X))2
1 -1,8 3,24
2 1,2 1,44
3 1,2 1,44
4 -0,8 0,64
5 2,2 4,84
6 1,2 1,44
7 -0,8 0,64
8 -1,8 3,24
9 0,2 0,04
10 -0,8 0,64
Jumlah 17,60

Dengan menggunakan persamaan (1.23) diperoleh 2=1,76 atau =1,33

Demikian laporan pengukuran adalah (x)   = 572,8  1,33

I-18
Aproksimasi Linier
➢ Jika telah dilakukan pengukuran besaran fisis pada berbagai nilai
variabel kontrol maka akan didapatkan sejumlah data pengamatan.
➢ Data persebut berubah ketika variabel kontrol diubah.
➢ Pertanyaannya adalah, fungsi seperti apakah yang paling baik
menjelaskan data yang diperoleh?
➢ Contoh, pengukuran besaran Y pada berbagai nilai x memberikan data
seperti Gambar 1.32.
➢ Tampak bahwa Y berubah secara liner terhadap X. Ini berarti
persamaan yang mengaitkan Y dengan X adalah Y = a + bX, dengan a
dan b adalah konstan. Parameter a adalah titik potong fungsi dengan
subu y sedangkan parameter b adalah kemiringan kurva.
➢ Yang menjadi pertanyaan adalah a dan b yang terbaik itu bagaimana
menentukannya?
➢ Paremeter terbaik adalah parameter yang menghasilkan garis lurus
yang paling kecil kesalahannya dalam mewakili data pengamatan.
I-19
 Gambar 1.32 Data-data eksperimen yang diplot pada kurva.
Bagaimanakan kurva yang dapat menfit titik-titik pengamatan tersebut
yang paling baik?

I-20
➢ Pendekatan terkenal yang digunakan untuk menentukan parameter
a dan b adalah metode kuadrat terkecil. Inti dari metode ini sebagai
berikut. Kita tampilkan data pengukuran dalam Tabel 1.7.
➢ Kita misalkan bahwa fungsi Y berbentuk. Kita cari selisih nilai Y
pada data penguran dengan nilai Y yang dihitung dengan
persamaan tersebut dengan memasukkan X yang diukur. Selisihnya
adalah

I-21
 Tabel 1.17 Data Pengukuran

Xi Yi
100 69
110 71
120 76
130 77
140 79
150 83
160 84
170 90
180 93
190 94
200 93

I-22
➢ Selisih tersebut ada yang bernilai positif dan ada yang negatif. Agar
semuanya bernilai positif maka semua selisih tersebut
dikuadratkan menjadi

➢ Semua selisih yang sudah dikuadratkan kita jumlahkan sehingga

I-23
➢ Jika jumlah data adalah n maka jumlah kuadrat selisih menjadi

(1.25)

➢ Inti dari metode kuadrat terkecil adalah mencari parameter a dan b

sehingga E menjadi minimum. Ini diperloleh dengan proses
diferensial berikut ini

➢ dan

I-24
➢ Dengan menggunakan persamaan (1.25) maka kita dapatkan

➢ atau

➢ Keluarkan konsanta dari notasi penjumlahan dan buang konstanta

yang sama pada setiap suku sehingga diperoleh

(1.26)

➢ Penjumlahan angka 1 pada suku pertama menghasilkan n. Jadi

persamaan (1.26) menjadi

(1.27)

I-25
➢ Dengan mengunakan persamaan (1.25) maka diperoleh

atau

atau

(1.28)

I-26
➢ Kita mencari solusi untuk a dan b dari persamaan (1.27) dan (1.28).
Kita kalikan persamaan (1.27) dengan dan persamaan (1.28)
dengan n sehingga diperoleh dua persamaan berikut ini

(1.29)

(1.30)

➢ Kurangkan persamaan (1.29) dan (1.30) sehingga diperoleh

➢ Yang memberikan

(1.31)

I-27
➢ Dari persamaan (1.27) dapat dituliskan:

(1.32)

Di mana b sudah diperoleh dari perhitungan di atas.

➢ Contoh, untuk data pada Tabel 1.8 maka didapatkan data-data:

Tabel 1.8 Hasil perhitungan sejumlah penjumlahan

I-28
➢ Dengan demikian didapatkan

= 0,343
➢ Dengan menggunakan persamaan (1.32) didapatkan

➢ = 30,64
I-29
 Gambar 1.33 Kurva hijau diperoleh dengan metode kuadrat terkecil.
Tampak kurva dapat menfitting data dengan sangat baik.

Jadi persamaan yang dapat menfit data dengan kesalahan terkecil adalah

Y = 30,64 + 0,343X

Garis hijau pada Gambar 1.33 adalah kurva fiting yang diperoleh di atas.
Tampak jelas bahwa kurva dapat menfitting data dengan sangat baik
I-30