Chemometrics _Session 2

by: Didik Setiyo W.

Konsep-konsep dasar:

Mean dan Deviasi Standar

Mean
Rata-rata sampel x 1 / n xi
(average value) i

s  i
( x  x ) 2
/( n 1) *)
Deviasi standar i

Merupakan ukuran penyebaran (variasi/dispersi)

data pengukuran di sekitar mean (degree of spread)
*) lebih representatif untuk sampel kecil (n < 50),
Sampel besar, alternatif: pembagi n
Perhatikan data berikut
 Untuk melihat tingkat kepentingan informasi
deviasi standar, hitung rata-rata (mean) data
berikut (true value = 50):
1. 50, 49, 51, 48, 52
2. 62, 60, 59, 60, 61
3. 100, 40, 80, 20, 10
 Buat sketsa grafik sebaran data
 Interpretasikan data tersebut
Gambaran sebaran data

Precise and Precise, but Neither

accurate not accurate accurate nor
precise
Continued

Kuadrat s merupakan variansi

Koefisien Variasi =
deviasi standar relatif (RSD): 100 s / x
sebagai contoh relative error (%)

Membandingkan presisi
pengukuran
Distribution of Error
 Deviasi standar sebagai ukuran penyebaran data,
belum memberikan informasi cara data
terdistribusi
 Jika pengukuran diulangi
 untuk jumlah yang cukup besar diperoleh data-data
terulang beberapa kali (memiliki frekuensi),
 data dapat ditata dalam tabel frekuensi
 diolah/ditampilkan dalam histogram hingga dapat
dilihat cara data terdistribusi
Continued
Contoh histogram 50 data pengukuran konsentrasi ion
nitrat
Continued
 50 data tersebut adalah sampel dari jumlah tak berhingga
pengukuran yang mungkin
 Sejumlah pengukuran yang mungkin dilakukan disebut
populasi
 Jika tak ada systematic error
 mean pengukuran, menjadi estimasi mean populasi, 
 Deviasi standar sampel, s menjadi estimasi deviasi
standar populasi, 
 Untuk memberikan gambaran real (karena konsentarasi
bukan nilai diskrit) maka distribusi populasi diberikan
sebagai kurva kontinu (dengan model matematis)

Distribusi normal/Gaussian
Distribusi Normal
Gaussian distribution equation:

exp  ( x   ) / 2
2 2
 1  ( x   ) 2 / 2 2
y e
 2  2
Probability Fuction

Frequency Curve, Bell Curve, or Normal Distribution

 y maks. pada harga x = , dan kurva simetris di
sekitar 
Properties Distribusi Normal

1  68 %
y  Bell shaped,
2  95 %
single peak
3  99,7 %  Simetris di sekitar
mean
16 %
 Mean, median and
mode berimpit
16 %
68 % (sama)
 Fungsi dua
parameter, mean
( - )  ( + ) x (µ) standard
deviation (σ)
Properties
 The probability that a
Distribusi Normal normally distributed
random variable, x,
with mean, µ, and
standard deviation, σ,
lies between the
limits (µ - 1.96σ) and
(µ + 1.96σ) is 0.95
i.e. 95%
 lies between the
limits (µ - 2.44σ)
and (µ + 2.44σ) is
0.99
Distribusi Sampling Mean
 Mean merupakan estimasi  (true value)

Pengukuran terdistribusi di sekitar true value (yang menyebar,

bergantung pada presisi), MAKA mean tidak sama persis
dengan  (melainkan sekedar estimasi) sehingga lebih baik
menyatakan  berada dalam rentang harga
 Lebar rentangan:
Presisi pengukuran
Jumlah (ukuran) sampel
Prinsip ukuran sampel:
“The more measurement we make, the more reliable our
estimation of  will be”
Continued
Sampling distr. of the mean: (from data of 2.2)
x1
Estimasi 
x2  Memiliki std dev.  s.e.m.
x3 (standard error of the mean)
x4  s.e.m. =  /n
dst  s.e.m. mrp ukuran
memiliki mean
ketidakpastian estimasi 
dengan x
Confidence Limit of the Mean
Besar kepercayaan bahwa true
value berada pada interval ttt.

mempercayai hasil 95 % adalah

benar dan 5 % adalah tidak benar
95%

 - 1,96/n
x
 + 1,96/n
Interval konfidensi
Limit/batas konfidensi
Continued
95 % of sample mean berada pada rentang:

 - 1,96 /n < x <  + 1,96 /n

More exact value than 2
kita tidak tahu . Penyusunan ulang pers. di atas diperoleh:

 x - 1,96 /n <  < x + 1,96 /n

(Interval Konfidensi 95 % mean, )

Batas Konfidensi :  = x  1,96 /n

Untuk sampel KECIL, (n << dan s bagai estimasi ), maka:
 = x  t(s/n)
Penyajian Data
1. Rata-rata data terukur ± deviasi standar
2. Rata-rata data terukur ± s.e.m.
3. Confidence limit of the mean,
diikuti penyebutan jumlah sampel, n

Pembulatan?
Prinsip: jumlah (banyak) angka signifikan (angka
penting) mengindikasikan presisi eksperimen
Angka (penting) signifikan: seluruh digit angka yg
pasti, ditambah satu digit angka tak pasti
Rounding
 Good rule:
 Keep one digit beyond the last significant figure
 Leave further rounding until the final result is
reached
 Misal: Mean = 10,012 dan dev.std. = 0,01304 (5
pengulangan)
Dituliskan sebagai
10,01  0,01 (n=5)
atau
10,012  0,013 (n = 5)
angka sebagai subscript: untuk menghindari kehilangan
informasi (optional).
Rounding
 Angka selain 5 tidak ada hal yang krusial
 5 dibulatkan ke bilangan genap terdekat
4,65 dibulatkan menjadi 4,6 bukan 4,7
4,75 dibulatkan menjadi 4,8
 Good rule:
keep one digit beyond the last significant
figure and leave further rounding until the
final result is reached.
Uses of Confidence Interval
 Untuk uji systematic error dan
pertimbangan pengambilan kesimpulan
Ex.
Pengukuran absorbansi dengan spektronik-20 diperoleh
absorbansi larutan standar (As ) = 0,470. Data 10
pengukuran menunjukkan A rata-rata = 0,461 dan s =
0,003. Tentukan interval konfidensi 95 % mean
pengukuran itu dan tunjukkan apakah pada pengukuran
terdapat systematic error?
Perhitungan:
 Interval konfidensi 95 % absorbansi:
 = x  t(s/n)
 = 0,461  2,26 ( 0,003/10 )
 = 0,461  0,001 (n = 10) atau
0,460 <  < 0,462 (n = 10)
Karena 0,470 tidak masuk dalam interval konfidensi
absorbansi, maka dalam pengukuran spektrometrik tsb.
TERDAPAT SYSTEMATIC ERROR
Error
pada Pengukuran Kuantitatif
Principle: No quantitaive results are of any value unless they
are accopanied by some estimate of the errors
inherent in them
Tipe Error (1):
Berdasarkan proses pengukuran
• Instrumental error
• Methodology error (penggunaan metode yang salah; saat data
acquisition, adanya interferensi dan strategi eksperimentasi

• Theoritical error (penggunaan prinsip pengukuran yang salah, model

yang salah)

• Data treatment error backward

Tipe Error (2)
backward

Berdasarkan efek pada evaluasi hasil

 Systematic error (instrumental error-setting intrument

yang salah, kemurnian bahan kimia, standardisasi dan kalibrasi)
 Random error
 Personal error
 Gross error
Perbandingan backward
Type of error
Random Systematic
Affect precision Affect Accuracy
(kecermatan, keseksamaan) (keakuratan, ketelitian)
Within-run precision: proximity to the truth
repeatability
Between –run precision:
reproducability
Indeterminate error determinate error
Akurasi dan presisi backward

Precise, inaccurate
•••••
Imprecise, accurate
• • • • •
imprecise, inaccurate
• •• • •
Precise, accurate
•••••
 backward
Absolute Error
Bila nilai sesungguhnya suatu besaran yang diukur adalah
, dan pada pengukuran berulang diperoleh data xi dengan
i = 1, 2, 3, …n maka selisih xi -  adalah absolute error,
i
 i = xi - 
atau
xi =  +  i
sehingga absolute error merupakan jumlah yang harus
ditambahkan untuk memperoleh jumlah pendekatan
Relative error backward

Bila pada suatu harga variabel tertentu xi diukur parameter yi

hingga diperoleh grafik y terhadap x, maka relative error
didefinisikan sebagai
 = 100./x dalam %
atau
R = 100./(x maks. – x min.)
= 100./R (%)
dengan R adalah rentang pengukuran
Dsw © 2015