Pengolahan data dan

kesalahan dalam analisis

kuantitatif
Team Kimia Analitik Unjani
Galat acak / Random Error
Galat acak
 Galat acak yaitu penyimpangan yang tidak tetap dari hasil penentuan kadar yang
disebabkan fluktuasi dari instrumen yang dipakai (derau/noise) penyebab biasanya
tidak diketahui dan tidak terkontrol. Derau/noise bisa terjadi pada tiap bagian
instrumen dan terakumulasi.
 Timbul oleh sebab yang tidak teratur tetapi selalu menyertai setiap penetapan
 Perbedaan hasil tidak bisa dikoreksi dengan kalibrasi atau pengontrolan apapun.
 Galat ini mengarah ke hasil lebih tinggi atau lebih rendah dengan probabilitas yang
sama, galat ini bisa dikurangi dengan cara pengulangan pengukuran dan analisis
statistik untuk pendekatan terbaik.
 Secara Garis besar:
Galat sistematis mempengaruhi akurasi data sedangkan galat acak
mempengaruhi presisi data

Galat acak dinyatakan dengan:

Er = Kesalahan acak
x = Nilai hasil yang diperoleh
Er = x -   = nilai rata-rata

 Diperlukan model matematik yang sesuai untuk mengambarkan distribusi

probabilitas galat acak: (distribusi Frekuensi)
Distribusi Galat Acak
Distribusi frekuensi
 Distribusi frekuensi adalah susunan data menurut kelas interval tertentu atau
menurut kategori tertentu dalam sebuah daftar
 Distribusi ini dimaksudkan agar ciri-ciri penting data tersebut dapat segera terlihat.
Daftar frekuensi ini akan memberikan gambaran yang khas tentang bagaimana
keragaman data.
 Sifat keragaman data sangat penting untuk diketahui, karena dalam pengujian-
pengujian statistik selanjutnya kita harus selalu memperhatikan sifat dari keragaman
data. Tanpa memperhatikan sifat keragaman data, penarikan suatu kesimpulan
pada umumnya tidaklah sah
 Distribusi Galat Acak
Contoh distribusi Frekuensi:
 60 data replika larutan berwarna diukur nilai absorbansinya dengan
spektrofotometer.
 Susun nilai yang ada dari yang terkecil sampai yang tertinggi, untuk menghasilkan
informasi terlihat lebih jelas dalam data mentah, yaitu nilai maksimum, minimum,
dan median.
 Tentukan banyak kelas yang diinginkan, jangan terlalu banyak/sedikit, berkisar
antara 5 dan 20, tergantung dari banyak dan sebaran datanya.
Aturan Sturges: Banyak kelas = 1 + 3.3 log n, dimana n = banyaknya data
 Tentukan panjang/lebar kelas interval (p) = [rentang]/[banyak kelas]
 Tentukan nilai ujung bawah kelas interval pertama
sekarang menjadi jelas, meskipun rentang nilainya antara 0,441 sampai 0,469,
kita melihat dengan cepat bahwa hanya sedikit nilai yang berada di bawah 0,448
ataupun di atas 0,464
Data = 60
Banyak kelas = 1+ 3,3 Log 60 = 6,87  7
Panjang kelas (p) = (0,469 – 0,441) / 7 =0,004
 Distribusi Normal/ Gauss

 Distribusi Normal/ Gauss didefinisikan sebagai distribusi frekuensi data kontinyu

dengan rentang tak terbatas (infinite range, - sampai +), yang telah berkembang
menjadi acuan masalah probabilitas banyak disiplin ilmu
 Fungsi kerapatan probabilitas dari distribusi normal diberikan dalam rumus berikut:

 = Nilai rata-rata
 = Standar deviasi
 = 3,14
Y (f(x) = Titik distribusi normal
e = Konstanta eksponensial = 2,7818
X = jarak antara koordinat axis
Distribusi Gaussian Pada Hasil Galat Acak
Tiga kurve distribusi normal
yang memiliki mean ()
yang sama namun
simpangan baku () yang
berbeda
Tiga kurve distribusi normal
yang memiliki mean ()
yang berbeda namun
simpangan baku () yang
sama
Fungsi Galat Normal
Parameter Populasi
 Kuantitas µ dan σ, yang disebut dengan parameter populasi,

 µ adalah rata-rata dari populasi yang tak terbatas, karena tidak

mempersoalkan besaran yang tepat dari kuantitas yang diukur.

 σ yang disebut deviasi standar, yaitu jarak dari rata-rata terhadap salah
satu titik infleksi dari kurva distribusi dan dapat dianggap sebagai ukuran
penyebaran nilai yang membuat populasi; jadi σ berhubungan dengan
presisi.
SKOR Z
 SKOR Z merupakan transformasi data dari data mentah (raw data) yang
didefinisikan dalam variable X menjadi variable Z, yang menyatakan berapa
banyak simpangan baku () data menyebar dari rerata ().

 Rentang variable standar (Z) =

68,3% = ±  68,3% =± 1
95,5%=  ± 2 95,5%= ± 2
99,3%= ±3  99,3%= ±3
Distribusi Normal Distribusi Normal Baku
 Cotoh Soal Akurasi
Sampel ditimbang dengan bobot setara 336, 420, dan 504 mg parasetamol
kemudian diekstraksi sebanyak 3 kali dan volumenya dicukupkan dengan etanol
secara berturut-turut hingga 100,0 mL; 100,0 mL dan 100,0 mL sehingga
diperoleh total 9 hasil ekstraksi. Tiap hasil ekstraksi dipipet 1 mL ke dalam labu
tentukur 10 mL, ditambah etanol hingga 10 mL, lalu dipipet sebanyak 1 mL dan
diencerkan hingga 10 mL, dipipet lagi 1 mL dan diencerkan kembali hingga 10
mL. Larutan terakhir ini diukur serapannya pada panjang gelombang 245 nm.
 Cotoh Soal Presisi
Dua puluh tablet merek dagang ditimbang satu persatu dan dihitung bobot rata-
ratanya. Tablet diserbukkan lalu ditimbang seksama 472,0 mg, dimasukkan ke dalam
gelas Erlenmeyer yang berisi 25 mL etanol, dikocok, lalu disaring, diulangi sebanyak
3 kali, kemudian dicukupkan volumenya hingga 100 mL. Dari larutan tersebut dipipet
1 mL ke dalam labu tentukur 10 mL, ditambah etanol hingga 10 mL, kemudian dipipet
sebanyak 1 mL dan diencerkan hingga 10 mL, dipipet lagi 1 mL dan diencerkan
kembali hingga 10 mL, lalu diukur serapannya pada gelombang 245 nm.
UJI t DAN UJI F METODE ANALISIS
Uji T(Student's t-Test)

Uji t dapat digunakan untuk membandingkan:

 Rata-rata kumpulan data dengan suatu nilai tunggal (one-sample test)

 Rata-rata dari dua kumpulan data independent (two-sample test)
 Efek dua perlakuan yang diterapkan pada salah satu objek test yang
berbeda(disebut juga uji t pasangan)
A.Rata-rata kumpulan data dengan suatu nilai tunggal (one-sample test)

 Biasanya digunakan untuk menentukan apakah rata-rata dari kumpulan data hasil
analisis material berbeda signifikan dengan nilai standar yang seharusnya.
 Uji t ini digunakan untuk suatu kumpulan data dibandingkan dengan suatu nilai
tunggal.

𝑥ҧ = nilai rata-rata
0 = Nilai sebenarnya
S = simpangan baku
N = jumlah pengukuran
 Nilai t tabel dengan
tingkat kepercayaan
95%, derajat
kebebasan (10-1) =
2,262

T hitung > t table ( berbeda signifikan)

B. Rata-rata dari dua kumpulan data independent (two-sample test)

 Digunakan untuk memutuskan apakah dua perlakuan berbeda, dengan

membandingkan rata-rata tiap kumpulan data.
 Sebagai contoh, membandingkan konsentrasi bahan aktif pada dua produk yang satu
asli dan yang kedua palsu atau memeriksa efek perubahan konsentrasi solven pada
pengulangan analisis.

Simpangan baku gabungan

Derajat kebebasan=n1+n2-2=6+6-2=10
sedangkan t tabel untuk taraf kepercayaan 95%(probabilitas 0,05) = 2,228
 Nilai t hitung(t Stat) sebesar 0,403 kemudian nilai t hitung dibandingkan dengan
nilai tabel. T tabel untuk derajat kepercayaan 95% dan derajat kebebasan 10
adalah 2,228.
 Karena t hitung < t tabel maka hasil pengujian dengan spektrofotometri tidak
berbeda signifikan dengan HPLC pada taraf kepercayaan 95%. Sehingga
metode spektrofotometri bisa digunakan untuk pengujian rutin karena tidak
berbeda dengan pengujian menggunakan HPLC.
C. Uji t pasangan (Paired Comparisons)
 Digunakan untuk membandingkan kinerja dari dua metode

𝑑ҧ = nilai rata-rata selisih antara kedua metode

Sd = selisih simpangan baku
N = jumlah sampel
Derajat kebebasan= n-1 = 8-1 =7
sedangkan t tabel untuk taraf kepercayaan
95%(probabilitas 0,05) = 2,365
 Pada kasus diatas menggunakan uji t pasangan karena pada analisis vitamin C
pada buah diatas tiap bahan dilakukan 2 uji yang berbeda(metode A dan B) dan
bahan antar pengujian juga berbeda.
 Karena t hitung < t tabel maka hasil pengujian kedua metode dengan tingkat
kepercayaan 95% tidak berbeda signifikan
Uji F
 Digunakan untuk membandingkan dua Standar Deviasi atau Varian
 Uji f digunakan untuk membandingkan dua variasi yang dihasilkan dari dua
kumpulan data.
 Uji ini sangat berguna untuk membandingkan presisi metode analisis untuk
melihat apakah salah satu metode lebih baik signifikan dibandingkan dengan yang
lain.
 Prosedurnya temukan rasio 𝐹 = 𝑠11 Τ𝑠2 2 tempatkan nilai-s yang lebih besar
sebagai pembilang sehingga F > 1; lalu lihat pada tabel F. Jika nilai F dalam tabel
tersebut lebih kecil daripada nilai F yang dihitung, maka kedua deviasi standar
berbeda secara signifikan; jika tidak maka perbedaaan itu tidak signifikan.
Contoh:

Sebuah contoh abu soda (Na2CO3) dianalisis dengan dua metode yang berbeda,
hasil yang didapat untuk persentase dari Na2CO3:

Apakah s1 dan s2 berbeda secara signifikan? Gunakan tes rasio varian atau tes F ?
F table = 6,59
F hitung < F
table maka tidak
ada perbedaan
signifikan
INTERVAL KEYAKINAN dan ANGKA SIGNIFIKAN
Interval Keyakinan / Confidence Interval (CI)
 Digunakan untuk memastikan batas keyakinan/ daerah keberterimaan dan
ketidakpastian suatu hasil analisis

 = nilai rata- rata populasi/ketidakpastian

CI untuk 𝑥ҧ = nilai rata-rata hasil analisis
Ts = keberterimaan berdasarkan table t
n = jumlah sampel
 Contoh:

Seorang kimiawan yang menentukaan persentase dari besi di dalam bijih besi
menemukan hasil berikut ini: x = 15,30, s = 0,10, n = 4

(a) Hitung 90% interval keyakinan dari rata-rata. Dari tabel 2.4, t = 2,353 untuk n = 4

2,353 × 0,10 𝜇 = 15,30 ± 0,12 (15,18 – 15,32)

𝜇 = 15,30 ±
4

(b) Hitung 99% interval keyakinan dari rata-rata Dari Tabel 2.4, t = 5,841 untuk n = 4.

5,841 × 0,10
𝜇 = 15,30 ± 𝜇 = 15,30 ± 0,29 (15,01 – 15,59)
4
Angka Signifikan
 Definisi : semua digit yang pasti ditambah satu digit yang mengandung ketidakpastian.
 Contoh volume larutan yang terukur buret = 1,42 mL hal ini menunjukan ada 3 angka
signifikan dimana terdiri dari 2 angka pasti dan 1 angka ketidakpastian.

Aturan-aturan angka signifikan

 Semua angka bukan nol adalah angka signifikan.
 Angka nol yang terletak di antara dua angka bukan nol termasuk angka signifikan.
 Semua angka nol yang terletak pada deretan akhir dari angka-angka yang ditulis di
belakang koma desimal termasuk angka signifikan
Aturan-aturan angka signifikan
 Angka-angka nol yang digunakan hanya untuk tempat titik desimal adalah bukan
angka signifikan
 Bilangan-bilangan puluhan, ratusan, ribuan, dan seterusnya yang memiliki angka-
angka nol pada deretan akhir harus dituliskan dalam notasi ilmiah agar jelas apakah
angka-angka nol tersebut adalah angka signifikan atau bukan.

Operasi Hitung angka signifikan

A. Pembulatan
Aturan dalam pembulatan angka signifikan adalah sebagai berikut:
a. Angka lebih dari 5 dibulatkan ke atas dan angka kurang dari 5 dihilangkan.
 Contoh:
a. 246,86 dibulatkan menjadi 246,9
b. 416,64 dibulatkan menjadi 416,6
b. Apabila tepat angka 5, dibulatkan ke atas jika angka sebelumnya angka ganjil, dan
dihilangkan jika angka sebelumnya angka genap.
Contoh:
a. 246,65 dibulatkan menjadi 246,6
b. 326,55 dibulatkan menjadi 326,6.
B. Penjumlahan & Pengurangan
Operasi pengurangan & penjumlahan angka signifikan mengikuti aturan sebagai
berikut:
a. Penulisan hasil operasi penjumlahan & pengurangan hanya boleh memiliki satu
angka ketidakpastian.
Contohnya : 12 cm (2 adalah angka tak pasti) + 2,85 cm (5 angka tak pasti) = 14,85
( 4 dan 5 adalah Angka tak pasti) kemudian, dibulatkan agar hanya ada 1 angka tak
pasti, menjadi 15.
C. Perkalian & Pembagian
Operasi perkalian dan pembagian mengikuti aturan sebagai berikut.
a. Jumlah angka penting hasil perkalian dan pembagian (berlaku juga untuk
pangkat dan akar) harus mengikuti angka penting yang paling sedikit pada
bilangan yang dioperasikan.
D. Logaritma dan Angka Signifikan
Logaritma terdiri dari dua bagian yaitu :
1. Keseluruhan angka (karakteristiknya)
Karakteristiknya adalah seluruh fungsi dari posisi decimal dalam angka dimana
logaritma ditentukan dan untuk itu bukanlah suatu angka bermakna.
1. Pecahan desimal, mantisa
Mantisa adalah sama namun tidak tergantung posisi desimal, dan semua digit
diperhitungkan sebagai angka signifikan.