METODE

EKSPERIMEN
FISIKA
KELOMPOK 5
Muhammad Ikhlas
Tri Agung Saputra
Puspa Armandita
Indah Nofitri
1. Pengukuran Tunggal
Pengukuran tunggal merupakan pengukuran
yang hanya dilakukan sekali saja,
Besarnya ralat/ketidakpastian pada tunggal
adalah 0,5 NST (nilai skala terkecil).
2.Pengukuran berulang
a. Pengukuran yang diulang beberapa kali saja
. Misalkan dilakukan tiga kali pengukuran dengan hasil x1,
x2 dan x3, maka hasil yang dilaporkan adalah
dengan
dan seterusnya.
. x yang kita pilih adalah nilai terbesar dari
atau dapat juga dengan merata-rata nilai dari
. Misalkan nilai x1=10,1 x2 = 9,7 dan x3 = 10,2 maka nilai
rata-ratanya adalah 10,0 dan nilai
terbesarnya 0,3.sedangkan nilai rata-rata
adalah 0,2.
. Dengan kedua cara tersebut disimpulkan bahwa tidak
semua nilai x hasil pengukuran memenuhi interval
dan
lanjutan
b. Pengukuran yang dilakukan cukup sering
(10 kali).
Misalkan dari pengukuran diperoleh data x1
xn maka hasil yang dilaporkan adalah
dengan
dan

Atau
Nilai x harus lebih kecil dari nilai 0,5 NST alat
yang dipergunakan.
3. Perambatan Ralat
Pada kenyataannya banyak besaran yang akan
ditentukan tidak dapat ditentukan secara
langsung tetapi harus dihitung dari berbagai
besaran-besaran yang diukur secara langsung.
Misalkan besaran z merupakan suatu fungsi
dari besaran x dan y sehingga dinyatakan
sebagai z = z(x,y).
Hasil pengukuran z harus dilaporkan sebagai
Dengan
(1)
Beberapa fungsi dan persamaan
diferensialnya
No z(x,y) z z/z

1 z=x y x y (x y)/(x+y)
2 z= x y y x x y (x/x) + (y/y)
3 Z=x/y (x/y)-(xy/y2 ) (x/x) - (y/y)
4 z = a xn naxn-1x n x/x
5 z = a ex a ex x x
6 Z = a ln x a x/x x/( x ln x)
7 z = x m yn myn xm-1x + n xm (mx/x)+(ny/y)
yn-1x
Aturan penerapan persamaan (1)
Jika x dan y ditentukan dari NST maka

Jika x dan y ditentukan dari deviasi standar

maka

dengan dan menyatakan deviasi

standar rata-rata.
lanjutan
Jika x ditentukan dari NST sedangkan y
ditentukan dari deviasi standar maka
makna statistik keduanya berbeda
sehingga sebelumnya harus disamakan
terlebih dahulu.
Adapun persamaan yang dipakai adalah
Contoh 1: panjang, lebar dan tinggi suatu balok
diukur sekali dengan data sbb. P= (4,00,05) cm,
l=(3,00,05) cm dan t= (2,00,05) cm.
tentukan V V!

Solusi
V = plt = 4,0 x 3, 0 x 2,0 = 24,00 cc
V = lt p + pt l + pl t
(V/V) = (p/p) + (l/l) + (t/t)
(V/V) = (0,05/4,0) + (0,05/3,0) +
(0,05/2,0)=0,053
Dengan demikian V = 0,053 x 24,00 = 1,272
sehingga V = (24 1 ) cc (silahkan Anda cek
penggunaan aturan angka penting pada soal
ini.
Contoh 2: panjang, lebar dan tinggi suatu balok
diukur beberapa kali dengan data sbb. P=
(4,000,02) cm, l=(3,000,03) cm dan t=
(2,000,04) cm. tentukan V V!
Solusi
V = plt = 4,00 x 3, 00 x 2,00 = 24,00 cc

V = 0,5817
sehingga V = (24,0 0,6) cc
Contoh 3 : kita akan menentukan massa jenis benda tak beraturan dengan
mengukur massa dan volumenya. Massa benda diukur sekali dengan nilai m =
(5,000,05) g sedang volume diukur beberapa klai dengan hasil (1,000,02) cc.
tentukan massa jenis benda tersebut?

Penyelesaian
= m/V =5,00/1,00 = 5,00
Karena teknik pengukuran m dan v berlainan maka

= 0,1044
Sehingga = (5,00 0,10 ) g/cc
Angka Berarti
Misalkan diameter suatu benda dinyatakan
dengan D1 = (12 0,5 )mm dan D2 = (12,0
0,08 )mm.
Apabila dibuat dalam bilangan baku maka akan
dituliskan atau
atau
Apabila diperhatikan bahwa bilangan di dalam
kurung tidak berubah jika satuannya diubah. D1
terdiri 2 angka berarti sedang D2 terdiri 3 angka
berarti.
Aturan penggunaan angka
berarti
Kesalahan relatif (x/x) Jumlah angka berarti yang
dipakai

10 % 2
1% 3
0,1 % 4
contoh
Nyatakan nilai = 3,141591 dengan KR
0,1%, 1 %, dan 10%
KR (%) dinyatakan

0,1 (4 AB) (3,141 0,003)

1 (3 AB ) (3,14 0,03)
10 (2 AB) (3,1 0,3)
Angka Penting
AP juga digunakan sebagai cara
menyatakan ketidakpastian.
AP merupakan angka pasti dan angka
meragukan yang diperoleh dari hasil
pengukuran.
Contoh (9,752 ) 102 x 2, 5 = 2,4 103
 DISTRIBUS BINOMIAL

Distribusi binomial adalah distribusi probabilitas diskrit jumlah

keberhasilan dalam n percobaan ya/tidak (berhasil/gagal) yang
saling bebas, dimana setiap hasil percobaan memiliki
probabilitas p. Eksperimen berhasil/gagal juga disebut
percobaan bernoulli.

Secara formal, suatu eksperimen dapat dikatakan eksperimen

binomial jika memenuhi empat persyaratan:
1. Banyaknya eksperimen merupakan bilangan tetap (fixed
number of trial)
2. Setiap ekperimen selalu mempunyai dua hasil Sukses dan
Gagal. Tidak ada daerah abu-abu. Dalam praktiknya,
sukses dan gagal harus didefinisikan sesuai keperluan,
Misal:
Lulus (sukses), tidak lulus (gagal)
Setuju (sukses), tidak setuju (gagal)
Barang bagus (sukses), barang sortiran (gagal)
Puas (sukses), tidak puas (gagal)
 A. Distribusi Binomial Negatif

Suatu distribusi binomial negatif dibentuk oleh suatu

eksperimen yang memenuhi kondisi-kondisi berikut:
Eksperimen terdiri dari serangkaian percobaan yang saling
bebas, setiap percobaan (trial) hanya dapat menghasilkan
satu dari dua keluaran yang mungkin, sukses atau gagal.
Probabilitas sukses p, dan demikian pula probabilitas gagal
q = 1 - p selalu konstan dalam setiap percobaan (trial)

Pada suatu eksperimen binomial negatif, jumlah suksesnya

tertentu sedangkan jumlah percobaannya yang acak.
 Untuk mempermudah perumusan distribusi binomial

Jawab:
 B. Distribusi binomial kumulatif

Ada kalanya perhitungan probabilitas distribusi binomial lebih

mudah dilakukan dengan memakai distribusi kumulatif.
Bila pada n percobaan terdapat paling tidak sebanyak r sukses,
maka distribusi binomial kumulatif yang ditulis P(X r)
dirumuskan sebagai berikut:

Contoh:
Bila variabel acak X mempunyai distribusi binomial dengan n =
15, q = 0.7, p = 0.3, tentukanlah:
a. P(X=10),
b. b. P(X7),
c. c. P(X7)
Jawab:
 C. Rata-rata dan Ragam Distribusi Binomial
Nilai rata-rata dan ragam distribusi binomial pada dasarnya
ditentukan oleh berbagai macam peristiwa yang dihasilkan dari
percobaan binomial, terutama probabilitas keberhasilan atau
kegagalannya.

Misalkan hasil percobaan ke-n dinyatakan peubah acak Ln

dengan probabilitas p keberhasilan Ln = 1 dan probabilitas q
kegagalan Ln = 0. Suatu percobaan binomial banyaknya
keberhasilan dituliskan sebagai jumlah n peubah acak bebas:
X = L1 + L2 + ... + Ln

Nilai harapan setiap Ln adalah E(Ln) = 1(p) + 0.(q) = p,

sehingga rata-rata suatu populasi distribusi binomial dapat
dinyatakan sebagai perkalian n percobaan dengan probabilitas
keberhasilan.
 Sementara besarnya ragam distribusi binomial dapat dicari
dari hubungan berikut. Ragam populasi untuk setiap L1 adalah:

Dengan demikian total ragam populasi distribusi binomial:

Dan simpangan bakunya:

 DISTRIBUSI POISSON

Distibusi ini merupakan distribusi probabilitas untuk variabel

diskrit acak yang mempunyai nilai 0,1, 2, 3 dst.

Suatu bentuk dari distribusi ini adalah rumus pendekatan

peluang Poisson untuk peluang Binomial yang dapat digunakan
untuk pendekatan probabilitas Binomial dalam situasi tertentu.

Rumus Poisson dapat digunakan untuk menghitung probabilitas

dari jumlah kedatangan, misalnya : probabilitas jumlah
kedatangan nasabah pada suatu bank pada jam kantor.

Distribusi Poisson ini digunakan untuk menghitung probabilitas

menurut satuan waktu.
 Distribusi Poisson memiliki ciri-ciri sebagai berikut :

Banyaknya hasil percobaan yang terjadi dalam suatu

interval waktu atau suatu daerah tertentu, tidak
bergantung pada banyaknya hasil percobaan yang terjadi
pada interval waktu atau daerah lain yang terpisah.

Probabilitas terjadinya hasil percobaan selama suatu

interval waktu yang singkat atau dalam suatu daerah yang
kecil, sebanding dengan panjang interval waktu atau
besarnya daerah tersebut dan tidak bergantung pada
banyaknya hasil percobaan yang terjadi diluar interval
waktu atau daerah tersebut.

Probabilitas lebih dari satu hasil percobaan yang terjadi

dalam interval waktu yang singkat atau dalam daerah
yang kecil dapat diabaikan.
 A. RumusPendekatan Peluang Poisson untuk
Binomial

Pendekatan Peluang Poisson untuk Peluang Binomial dilakukan

untuk mendekatkan probabilitas probabilitas dari kelas sukses
(x) dari n percobaan Binomial dalam situasi dimana n sangat
besar dan probabilitas kelas sukses (p) sangat kecil.

Aturan yang diikuti oleh kebanyakan ahli statistika adalah

bahwa n cukup besar dan p cukup kecil,jika n adalah 20 atau
lebih dari 20 dan p adalah 0.05 atau kurang dari 0.05.
Pada pendekatan ini rumusnya lebih mudah untuk digunakan
dibandingkan dengan rumus Binomial.
 Rumus pendekatannya adalah :

Keterangan:
e= 2.71828
= rata rata keberhasilan =n . p
x =Banyaknya unsur berhasil dalam sampel
n= Jumlah / ukuran populasi
p= probabilitas kelas sukses
 B. Rumus Proses Poisson

Distribusi Poisson dalam konteks yang lebih luas dari pada

rumus pertama tadi.

Rumus proses poisson :

Dimana :
= Tingkat rata rata kedatangan tiap unit waktu
t= Jumlah unit waktu
x= Jumlah kedatangan dalam t unit waktu
 Ciri-ciri proses poisson adalah:

1. Suatu selang waktu atau wilayah yang menjadi perhatiann

dapat dibagi dalam selang waktu atau wilayah yang lebih kecil.
Misalnya :

a. Selang waktu 1 jam selang waktu 1 jam dibagi ke dalam

selang waktu yang lebih pendek, umpamanya dibagi
menjadi 5 menit.
b. Satu wilayah menjadi wilayah-wilayah yang lebih
kecil,umpamanya satu kelurahan dibagi mejadi beberapa
wilayah RT.

2. Peluang terjadinya suatu kejadian dalam selang waktu atau

wilayah tertentu adalah konstan (tetap).

3. Peluang bahwa dua kejadian atau lebih yang terjadi dalam

selang waktu atau wilayah yang sangat kecil diabaikan.

4. Tiap-tiap kejadian bebas dari kejadian lain.

 Definisi, fungsi massa peluang peubah acak Poisson adalah

Rataan X : x =
Ragam X :

Perhitungan peluang yang berkaitan dengan peubah acak

Poisson dapat dilakukan dengan menggunakan Tabel A2.

Contoh 1 :
Diketahui rata-rata kuliah yang batal pada suatu universitas
tertentu adalah 4 kali per bulan. Hitung peluang bahwa bulan
depan kuliah akan batal sebanyak 6 kali.