Oleh :
Nama : Ni Luh Emy Pramitha
NIM : 2108521008
SIFAT KESALAHAN
Kesalahan pengukuran adalah perbedaan antara nilai terukur dan “nilai sebenarnya
untuk variabel yang diukur. Terdapat dua kategori error yaitu error determinate dan error tak
tentu. Kesalahan tak tentu adalah kesalahan yang tidak dapat dikurangi dengan menghilangkan
atau mengoreksi factor lain biasanya disebabkan oleh ketidakpastian mendasar dalam variabel
yang diukur dan dalam proses memperoleh dan menampilkan pengukuran.
Ketepatan rangkaian pengukuran menggambarkan rentang atau penyebaran
pengukuran individual dari nilai rata-rata rangkaian tersebut. Untuk meningkatkan akurasi hasil
eksperimen, pengaruh kesalahan tentu dan tak tentu harus dikurangi. Kontribusi kesalahan
determinan untuk pengurangan akurasi dari satu set pengukuran disebut bias pengukuran.
DISTRIBUSI PROBABILITAS
Histogram yang diplot sebagai frekuensi atau fraksi waktu setiap pengukuran diamati
memberikan probabilitas bahwa setiap nilai tertentu akan diukur jika percobaan diulang.
Namun jika sumber kesalahan tak tentu diketahui, pilihan dapat dibuat diantara berbagai
distribusi probabilitas teoritis yang sifat-sifatnya digambarkan dengan analisis matematis.
1. Distribusi Poison
Simon Denis Poisson (1781-1840) adalah seorang matematikawan Prancis yang mulai
belajar sebagai dokter tetapi beralih ke matematika setelah salah satu pasiennya meninggal.
Distribusi Poisson dikatakan sebagai distribusi diskrit karena mungkin hanya berisi 0 atau
bilangan bulat positif.
Bentuk persamaan Distribusi Poisson yaitu
𝑟 𝑒
𝑃 =
𝑛!
𝑃 = Probabilitas untuk mendapatkan hitungan n
r = rata-rata hitungan sebenarnya untuk sampel
n! = [(𝑛)(𝑛 − 1)(𝑛 − 2) … (2)(1)]
probabilitas 𝑃 disebut densitas probabilitas Poisson dan peluruhan radioaktif dikatakan
mengikuti hukum probabilitas Poisson dan peluruhan radioaktif dikatakan mengikuti hukum
probabilitas Poisson.
2. Distribusi Normal
Distribusi Gaussian (Normal) adalah distribusi simetris berbentuk lonceng yang
dicirikan oleh dua nilai rata-rata dari sekumpulan pengukuran dan standar deviasi dari
pengukuran. Property distribusi Gaussian meliputi distribusinya kontinu dan simetris, dengan
kedua memanjang hingga tak terhingga, rata-rata aritmatika, median, dan modus identic,
kemungkinan terjadinya nilai tertentu tergantung pada jaraknya dari nilai rata-rata dan standar
deviasi diwakili oleh jarak dari nilai rata-rata ke titik belok kurva distribusi.
Arus dalam kabel yang diplot sebagai fungsi waktu menghadisilkan grafik seperti yang
ditunjukkan diatas dimana terdapat fluktuasi atau kebisingan setiap saat. Arus I diukur pada
tiga waktu berbeda t1, t2 dan t3. Jika kebisingan benar-benar acak, maka tidak dapat dikatakan
dengan pasti bahwa arus i1, i2, dan i3 adalah sinyal daripada sekadar fluktuasi arus latar
belakang, tidak peduli seberapa berbeda levelnya.
Pendekatan pertama adalah menyatakan probabilitas bahwa arus i1, i2 dan i3 berbeda dari latar
belakang i0. Persamaannya yaitu
𝑖
𝑅𝑎𝑠𝑖𝑜 𝑠𝑖𝑛𝑦𝑎𝑙 𝑘𝑒 𝑙𝑎𝑡𝑎𝑟 𝑏𝑒𝑙𝑎𝑘𝑎𝑛𝑔 =
𝑖
Pendekatan kedua untuk pemisahan sinyal dan latar belakang adalah menentukan terlebih
dahulu bahwa kelipatan latar belakang akan diterima sebagai sinyal. Persamaannya yaitu
𝑖
𝑅𝑎𝑠𝑖𝑜 𝑠𝑖𝑔𝑛𝑎𝑙 − 𝑡𝑜 − 𝑛𝑜𝑖𝑠𝑒 =
𝜎
∑ (𝑥 − 𝑟)
𝜎 =
𝑁−1
Dimana N adalah pengukuran variabel yang dibuat. Pengukuran individu menghasilakn
nilai x1, missal diambil nilai 1, 2, 3, …, N. Nilai x1 adalah pengukuran pertama, x2 adalah
pengukuran kedua, dan seterusnya. Nilai rata-rata sampel adalah r. kuantitasnya
∑ (𝑥 − 𝑟)
𝑁−1
Semakin dekat distribusi sampel mendekati distribusi Poisson yang sebenarnya, semakin
dekat standar deviasi sampel sama dengan akar kuadrat dari rata-rata sampel.
PROPAGASI KESALAHAN
Variabel harus dikelola sesuai dengan model statistic yang sesuai. Misalnya, hitungan
yang diukur dalam eksperimen peluruhan nuklir memiliki distribusi Poisson dan dapat
diasumsikan bahwa standar deviasi sama dengan akar kuadrat rata-rata. Jika semua nilai data
xi dibagi dengan waktu pencacahan t1, maka rata-rata sampel r juga dibagi dengan t dan standar
deviasi suatu laju cacah adalah
𝑥 𝑟
∑
𝜎 = 𝑡 −𝑡
𝑁−1
1 ∑ (𝑥 − 𝑟)
=
𝑡 𝑁−1
1 ∑ (𝑥 − 𝑟)
=
𝑡 𝑁−1
1
= 𝜎
𝑡
1
%𝜎 = 100
𝑐𝑡
1
χ = (𝑥 − 𝑟)
𝑟