GALAT DAN PENGOLAHAN DATA ANALITIK

Nurma Yunita (20170111054018)

Merlinda Y. Lolopayung (20170111054016)
Febilia Marstuti (20170111054004)
Fridolin N. Yokhu (20170111054002)
Konstan Wenda (20170111054010)
GALAT
Pembagian Galat
Galat Pasti
• Galat yang berasal dari
penyebab yang pasti
diistilahkan sebagai galat
pasti atau galat sistematis.
• Contoh-contoh dari sumber
galat pasti diantaranya
adalah instrument yang tidak
dikalibrasi secara benar,
seperti buret, timbangan
atau pH meter, pengotor
dalam tabung reaksi, reaksi
sampingan dalam suatu
titrasi dan pemanasan
sampel pada suhu yang
terlalu tinggi.
Galat Tidak Pasti
• Galat tidak pasti yaitu
galat yang tidak dapat
ditentukan apa penyebab
pastinya dan tak dapat
dihindarkan jika
pengukuran dilakukan
oleh manusia.
• Galat tidak pasti dapat
diolah secara statistik dan
pengukuran berulang kali
dengan variable yang
sama dapat pengurangi
pengaruhnya.
Akurasi dan Presisi
a) Akurasi
Perbandingan biasanya dibuat atas
dasar pengukuran keakuratan
terbalik dari akurasi, yaitu galat
(semakin kecil galat, semakin besar
keakuratan).
Galat absolute adalah perbedaan
antara nilai eksperimen dengan nilai
yang sebenarnya. Sebagai contoh, jika
seorang analis menemukan nilai
20,44% besi dalam sebuah contoh
yang sebenarnya mengandung
20,34%, galat absolutnya adalah:
20,44 – 20,34 = 0,10%
Galat ini biasanya ditampikan relatif
terhadap ukuran dari kuantitas yang
diukur, misalnya, dalam persen atau
bagian per seribu. Disini galat
Relatifnya adalah:
b) Presisi
Nilai presisi mungkin saja tidak
akurat, disebabkan karena
adanya galat akibat deviasi dari
nilai yang sebenarnya yang dapat
berpengaruh sama rata terhadap
pengukuran namun tidak
mengganggu kepresisiannya.
 Distribusi Galat Acak
a) Distribusi Frekuensi

langkah-langkah yang memungkinkan untuk

Menginterprestasikan
data lebih lengkap :
1. Susun nilai yang ada dari yang terkecil
sampai yang tertinggi. Data yang
berukuran besar (n > 30) lebih tepat
disajikan dalam tabel distribusi
frekuensi, yaitu cara penyajian data yang
datanya disusun dalam kelas-kelas
tertentu. Hasilnya dapat dilihat dalam
table II.2.
2. Padatkan data dengan mengelompokan
ke dalam sel-sel.
Tabel II.1 Nilai individual yang disusun berdasarkan urutan
pengambilan data.
1 0,458 21 0,462 41 0,450
2 0,450 22 0,450 42 0,455
3 0,465 23 0,454 43 0,456
4 0,452 24 0,446 44 0,456
5 0,452 25 0,464 45 0,459
6 0,447 26 0,461 46 0,454
7 0,459 27 0,463 47 0,455
8 0,451 28 0,457 48 0,458
9 0,446 29 0,460 49 0,457
10 0,467 30 0,451 50 0,456
11 0,452 31 0,456 51 0,455
12 0,463 32 0.455 52 0,460
13 0,456 33 0.451 53 0,456
14 0,456 34 0,462 54 0,463
15 0,449 35 0,451 55 0,457
16 0,454 36 0,469 56 0.456
17 0,456 37 0,458 57 0.457
18 0,441 38 0,458 58 0,453
19 0,457 39 0,456 59 0,455
Tabel II.2 Nilai individual yang disusun berdasarkan besar
nilainya
1 0.441 21 0,454 41 0,457
2 0,446 22 0,455 42 0,458
3 0,446 23 0,455 43 0,458
4 0,447 24 0,455 44 0,458
5 0,449 25 0,455 45 0,458
6 0,450 26 0,455 46 0,459
7 0,450 27 0,456 47 0,459
8 0,450 28 0,456 48 0,459
9 0,451 29 0,456 49 0,460
10 0,451 30 0,456 50 0,460
11 0,451 31 0,456 51 0,461
12 0,451 32 0,456 52 0,462
13 0,452 33 0,456 53 0,462
14 0,452 34 0,456 54 0,463
15 0,452 35 0,456 55 0,463
16 0,453 36 0,456 56 0,463
17 0,453 37 0,457 57 0,464
18 0,454 38 0,457 58 0,465
19 0,454 39 0,457 59 0,467
20 0,454 40 0,457 60 0,469
Titik tengah Batas Jumlah nilai
sel sel
0,4405

0,4425 0,4445 1

0,4465 0,4485 3

0,4505 0,4525 11

0,4545 0,4665 21

0,4585 0,4605 14

0,4625 0,4645 7

0,4665 0,4685 2

0,4705 0,4725 1
 Distribusi Galat Acak
b) Kurva Galat Normal
Untuk poligon frekuensi setelah pengukuran replika dilakukan
terus menerus adalah kurva distribusi normal atau Gaussian.
Populasi dan Sampel
Populasi adalah wilayah generalisasi yang terdiri dari
obyek/subyek yangmemiliki kuantitas dan karakteristik
tertentu yang ditetapkan oleh peneliti untuk dipelajari dan
kemudian ditarik kesimpulannya. Persamaan dari kurva
normal dapat ditulis sebagai berikut:
π = 3,1416
e = 2,7183
µ = rata-rata
σ = simpangan baku
 Parameter Populasi
merupakan besaran/ukuran yang dapat
dijadikan bahan untuk ditindaklanjuti
pada aktivitas management terhadap
populasi. Kuantitas σ, yang disebut
parameter populasi, menjelaskan
perihal distribusi.
Normalisasi dan Fungsi
Distribusi
• Normalisasi merupakan cara transformasi
data agar distribusinya menjadi normal.
• Fungsi distribusi dapat dinormalisasi
dengan menetapkan luas daerah di
bawah kurva sama dengan satu, dan
menggambarkan kemungkinan total
sama dengan 1 untuk keseluruhan
populasi. Distribusi normal adalah model
untuk mengelompokkan data yang
sebenarnya dan hanya daerah pusat dari
kurva distribusi yang cocok.
distribusi normal jika skewness = 0 dan
kurtosis = 0. Tentang skewness
Dan kurtosis, sebagai ilustrasi kami tampilkan
gambar berikut :
 Pengolahan Statistik dari Sampel yang Terbatas

A. Ukuran dari Tendensi Sentral dan Variabilitas

Tendensi sentral dalam suatu kelompok hasil adalah nilai Dimana hasil individual
cenderung membentuk klaster. Ukuran dari tendensi sentral dan variabilitas
Sendiri terbagi menjadi:
Rata-Rata (Mean)
Rata-rata dari sejumlah pengukuran yang terbatas, x1, x2, x3, …, xn,
sering ditulis untuk membedakannya dengan µ.
Perhitungan rata-rata secara sederhana merata-ratakan hasil
individualnya:

Median
Ukuran tendensi sentral yang bisa gunakan untuk
Menginterpretasi data jika data mempunyai skewness adalah
median. Median dari sejumlah hasil adalah nilai tengah yang
didapat ketika hasil-hasil tersebut disusun menurut besarnya
• Jika n ganjil, maka median merupakan data ke-
• Sedangkan jika n genap, maka median merupakan rata-rata dari
data ke- dan data ke-
• Menghitung median dari data berkelompok dengan menggunakan
rumus :

Rentang (Jangkauan)
Untuk sejumblah nilai yang terbatas, pengukuran yang termudah
untuk varian adalah dengan rentangnya, yaitu nilai selisi antara nilai
terbesar dan terendah.

Deviasi Rata-Rata
Deviasi rata-rata dari mean (rata
rata) merupakan ukuran untuk
variabilitas.
Deviasi Rata-Rata Relatif
Sering kali deviasi rata-rata dinyatakan relative terhadap besarnya
kuantitas yang diukur, misalnya, sebagai persentase:

Deviasi Standar
simpangan baku atau deviasi standar adalah ukuran sebaran statistik ia
Mengukur bagaimana nilai-nilai data tersebar. Bisa juga didefinisikan sebagai,
rata-rata jarak penyimpangan titik-titik data diukur dari nilai rata-rata data
tersebut.
Deviasi standar yang dianggap sebagai akar pangkat nilai deviasi dari
rata-rata, dihitung dengan menggunakan rumus:

Ketika deviasi dinyatakan sebagai persentase dari rata-rata, deviasi ini

disebut koefisien dari variasi, v:
 variasi
Variasi dinyatakan dengan s2, untuk data pada table 2.1, 2.2 dan 2.3
berikut pengukuran untuk tendensi sentral dan variabilitas telah
dihitung:
Nilai rata-rata: = 0,456
Median: M = 0,456
Jangkauan: R = 0,028
Deviasi rata-rata : = 0,0038
Deviasi rata-rata relative: x 1000 = 8,3 ppt
Deviasi standar: s =0,0052
Koefisien variasi: v =
 Contoh berikut ini menggambarkan perhitungan dari semua persyaratan dalam hal menentukan
normalitas dari suatu larutan.
• Normalitas dari larutan ditentukan oleh 4 titrasi terpisah, dan hasilnya 0,2041, 0,2049, 0,2039, dan
0,2043. Hitung rata-rata, median, rentang, deviasi rata-rata, rata-rata relative deviasi , deviasi
standar, dan koefisien variasi.
 t-Student
mempelajari masalah pembuatan prediksi yang berdasarkan
Gambaran sampel yang terbatas dari suatu populasi yang tidak
diketahui dan mempublikasikan solusinya pada tahun 1908.
Tabel II.4. Beberapa Nilai t Student

Jumlah Tingkat Probabilitas

Jumlah
derajat
pengamatan
kebebasan 50% 90% 95% 99%
N
n-1
2 1 1,000 6,314 12.706 63,665
3 2 0,816 2,920 4.303 9,925
4 3 0,765 2,353 3,182 5,841
5 4 0,741 2,132 2,776 4,604
6 5 0,727 2,015 2,571 4,032
7 6 0,718 1,943 2,447 3,707
8 7 0,711 1,895 2,365 3,500
9 8 0,706 1,860 2,306 3,355
10 9 0,703 1,833 2,262 3.250
11 10 0,700 1,812 2,228 3.169
21 20 0,687 1,725 2,086 2.845
B. Interval Keyakinan dari Rata-Rata
Interval kepercayaan (confidence interval) adalah sebuah indikator presisi pengukuran. Rumus interval
keyakinan dari rata-rata atau batas keyakinan:

Dalam beberapa kasus dimana analisis telah diulang secara luas, seorang kimiawan mungkin
mempunyai perkiraan yang layak dipercaya tentang deviasi standar populasi, σ. Tidak ada
ketidakpastian mengenai nilai σ, dan interval keyakinan ditentukan dengan:

dimana Z adalah nilai dari t untuk n = (Tabel II.4). Dimungkinkan untuk menghitung interval keyakinan
dalam suatu rentang (R), dari sebuah rangkaian pengukuran, dengan menggunakan hubungan:

Contoh berikut menggambakan penggunaan dari Tabel 2.4

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
Untuk itu

a) Hitung 99% interval keyakinan dari rata-rata Dari Tabel 2.4, t = 5,841 untuk n = 4. Untuk itu
Tabel II.5 Beberapa Nilai Cn untuk Menghitung Interval Keyakinan dari Rentang

Jumlah Tingkat Probabilitas

Pengamatan 95% 99%
2 6,353 31,828
3 1,304 3,008
4 0,717 1,316
5 0.507 0,843
6 0,399 0,628

C. Tes untuk Signifikasi

Perbandingan antara Dua Rata-rata
• Pendekatan statistik untuk masalah nilai rata-rata berbeda
dengan menggunakan dua metode adalah dengan hipotesis nol.
• Tes t memberikan jawaban ya atau tidak terhadap pembenaran
dari hipotesis nol dengan keyakinan yang pasti, seperti 95% atau
bahkan 99%.
Langkah pertama adalah menghitung nilai t dengan menggunakan
rumus :

Perbandingan antara Dua Deviasi Standar

Sebuah tes tersedia untuk menentukan apakah perbedaan antara s1 dan
s2 signifikan, tes ini dinamakan tes rasio-varian atau tes F. Beberapa contoh
nilai F diberikan pada Tabel II.6 dengan tingkat probabilitas 95%.

N – 1 untuk n – 1 untuk s2 yang lebih besar

s2 yang lebih
3 4 5 6 10 20
kecil
3 9,28 9,12 9,10 8,94 8,79 8,66
4 6,59 6,39 6,26 6,16 5,69 5,80
5 5,41 5,19 5,05 4,95 4,74 4,56
6 4,76 4,53 4,39 4,28 4.06 3,87
10 3,71 3,48 3,33 3,22 2,98 2,77
20 3,10 2,87 2,71 3,60 2,35 2,12
Perbandingan antara Rata-Rata Eksperimen dengan Rata-Rata yang
Sebenarnya
Nilai dari institut dianggap sebagai µ dalam rumus yang
menentukan t-student, dan nilai t dihitung berdasarkan , n dan s
untuk hasil analitik yang sudah ditangan.
Contoh :
Seorang kimiawan menganalisis sebuah sampel bijih besi yang diberikan
oleh National Institute of Standards and Technology dan mengandung
hasil berikut: Nilai NIST untuk sampel ini adalah 10,60% besi (Fe). Apakah
nilai ini berbeda secara signifikan pada tingkat probabilitas 95%
Hitung t dengan rumus :

Dalam tabel 2.4, pada derajat kebebasan = 9 dan tingkat probabilitas 95%,
Karena 5,06 > 2,262, maka hasil ini berbeda secara signifikan dengan
NIST.
D. Kriteria untuk Penolakan terhadap Suatu Observasi
Apabila jumlah dari nilai replika besar, pertanyaan untuk
menolak hasil tidak penting:
• nilai tunggal hanya mempunyai dampak yang kecil terhadap rata-rata
• pertimbangan statistik memberikan sebuah jawaban yang jelas tentang
probabilitas bahwa hasil yang mencurigakan adalah anggota dari populasi
yang sama seperti yang lainnya.

Peraturan Berdasarkan Deviasi Rata-Rata

Dua peraturan yang bertahun-tahun dipakai kimiawan adalah
peraturan 2,5d dan 4d.
Peraturan Berdasarkan Rentangan
Ketika tes Q dipergunakan untuk penolakan, ada keyakinan yang
tinggi (90%) bahwa hasil yang mencurigakan memang
menderita galat khusus.
Beberapa nilai Q diberikan pada tabel :
Nilai kuosien penolakan, Q :
Jumlah pengamatan Q 0,90
3 0,94
4 0,76
5 0,64
6 0,56
7 0,51
8 0,47
9 0,44
10 0,41
Contoh berikut menggambarkan penerapan tes-Q. Lima kali
penentuan vitamin C dalam minuman jeruk nipis memberikan hasil-
hasil sebagai berikut: 0,218, 0,219; 0,230; 0,215 dan 0,020 mg/ml.
Terapkan tes-Q untuk melihat apakah nilai 0,230 dapat diabaikan.
Nilai Q adalah

Nilai Q dalam dalam tabel 2.7 untuk n = 5 adalah 0,64. Karena 0,67
lebih besar dibandingkan 0,64, peraturan mengatakan bahwa hasil
tersebut dapat diabaikan.
D. Bagan Kontrol
Metode bagan kontrol awalnya dikembangkan sebagai sistem
untuk menjaga kualitas selama produksi dalam skala yang besar.
Perambatan Galat
Suatu rantai operasi aljabar dari besaran-besaran yang memuat galat akan
Memberikan suatu hasil yang juga memuat galat. Biasanya, hasil dari
Sebuah pengukuran tidak digunakan sendirian, tetapi dipergunakan
bersama dengan beberapa pengkuran lain.

1. Galat Pasti
 Penambahan dan Pengurangan
Perkalian dan pembagian
Selanjutnya ditemukan bahwa galat pasti dirambatkan sebagai berikut :
• Dimana penambahan atau pengurangan terlibat, galat pasti absolut diteruskan
secara langsung kedalam hasil.
• Dimana perkalian atau pembagian terlibat, galat pasti relatif diteruskan secara
langsung ke dalam hasil.

2. Galat Tidak Pasti

 Penambahan dan Pengurangan
Untuk R = A +B –C :
 Perkalian dan Pembagian
Dalam perkalian atau pembagian, akar dari varians relatif diteruskan;
yaitu R = AB/C :

3. Perhitungan dari Hasil Analitik

• seorang kimiawan harus terbiasa dengan ketidakpastian dalam semua
pengukuran dalam operasi bertahap-banyak (multistep).
• Dalam metode titrimetrik garvimetrik, pengukuran berat dan volume
biasanya dilibatkan.
Contoh soal :
Seorang kimiawan menentukan presentase tembaga dalam bijih besi dengan
menggunakan data: titran dalam milliliter = 30,34 ± 0,03 mL ; titran dalam mol =
0,1012 ± 0,0002 mmol/mL; sampel dalam milligram = 1073,2 ± 0,2 ; berat atom
dari tembaga = 63,546 ± 0,003 mg/mmol. Perhitungannya adalah

Hitung ketidakpastian dalam presentase tembaga yang disebabkan penyebaran

dari ketidakpastian yang ada dalam data. Ketidakpastian relative dalam ppt
adalah

Maka,

Sehingga hasilnya dapat ditulis 18,18 ± 0,04 % tembaga.

 Angka Signifikan
• merupakan banyaknya digit yang diperhitungkan di dalam suatu
kuantitas yang diukur atau dihitung.
• Kebanyakan ilmuan mendefinisikan angka signifikan sebagai
berikut : semua digit yang pasti ditambah satu digit yang
mengandung ketidakpastian.

a. Pengakuan dari Angka Signifikan

Digit nol dapat dan mungkin juga tidak dapat dianggap sebagai angka
signifikan, tergantung fungsinya dalam bidang tersebut.
b. Peraturan Perhitungan
Penambahan dan Pengurangan
Contoh: 14,23 + 8,145 – 36,750 + 12,04 , nilai desimal yang
paling sedikit adalah dengan satu decimal, sehingga
hasilnya akan dibulatkan menjadi satu angka decimal
yaitu dari 139,09 menjadi 139,1
 Perkalian dan Pembagian
Dalam perkalian dan pembagian, pertahankan dalam setiap suku
dan jawaban sejumlah angka signifikan yang akan mengidikasikan
ketidakpastian relative yang tidak lebih besar dari suku dengan
ketidakpastian relative terbesar. Kriteria utama dalam pembulatan
sejumlah jawaban dalam pengalian dan pembagian adalah
ketidakpastian relative bukan jumlah signifikan dalam data.
c. Logaritma dan Angka Signifikan
Logaritma terdiri dari dua bagian: keseluruhan angka, karakteristiknya, dan pecahan
desimal, mantisa.
Contoh : ekspresikan antilog dari 2,947
Dengan menggunakan empat lajur table log kita akan melihat 0,9741 adalah mantisa dari
angka 942. Jika kalkulator dipergunakan untuk menghitung antilog, hasilnya adalah
941,8896. Jawaban ini seharusnya hanya mengandung tiga angka signifikan dank arena
itu seharusnya ditulis sebagai 942 atau 942 x 102.
Metode Kuadrat Terkecil
Banyak prosedur analitik yang melibatkan pengukuran instrumental dari
sebuah parameter fisika yang sebanding dengan konsentrasi dari analit.

Reaksi-reaksi Kation

Golongan
Golongan I
V

Golongan Golongan
IV II

Golongan
III
Kelima golongan kation dan ciri-ciri khas golongan-golongan ini adalah
sebagai berikut :

 Golongan I. Kation golongan ini membentuk endapan dengan asam klorida

encer.
 Golongan II. Kation golongan ini tidak bereaksi dengan asam klorida, tetapi
membentuk endapan dengan hidrogen sulfida dalam suasana asam mineral
encer
 Golongan III. Kation golongan ini tak bereaksi dengan asam klorida encer,
ataupun dengan hidrogen sulfida dalam suasana asam mineral encer.
 Golongan IV. Kation golongan ini tak bereaksi dengan reagensia. Golongan I, II,
III. Kation-kation ini membentuk endapan dengan amonium karbonat dengan
adanya amonium klorida, dalam suasana netral atau sedikit asam.
 Golongan V. Kation-kation yang umum, yang tidak bereaksi dengan reagensia-
reagensia golongan sebelumnya, merupakan golongan kation yang terakhir,
yang meliputi ion-ion magnesium, natrium, kalium, amonium, litium, dan
hidrogen.
 Reaksi-Reaksi Timbal (Pb)
Reaksi-reaksi dari ion timbal(ll)Larutan timbal nitrat (0,25M) atau timbal asetat
(0,25M) dapat dipakai untuk mempelajari reaksi-reaksi ini :
• Pb direaksikan dengan Asam klorida encer ( atau klorida yang larut ), terbentuk
endapan putih dalam larutan yang dingin dan tak terlalu encer
• Pb direaksikan dengan Hidrogen sulfida dalam suasana netral atau asam encer,
terbentuk endapan hitam timbal sulfida
• Pb direaksikan dengan Larutan amonia, terbentuk endapan putih timbal
hidroksida.
• Pb direaksikan dengan Natrium Hidroksida, terbentuk endapan putih timbal
hidroksida.
• Pb direaksikan dengan Asam sulfat encer (atau sulfat-sulfat yang larut): endapan
putih, timbal sulfat
• Pb direaksikan dengan Kalium kromat dalam larutan netral, asam asetat atau
amonia, terbentuk endapan kuning timbal kromat
• Pb diraksikan dengan Kalium iodida, terbentukn endapan kuning, timbal iodida
• Pb direaksikan dengan Natrium sulfit dalam larutan netral, terbentuk endapan
putih timbal sulfit
• Pb direksikan dengan Natrium karbonat, terbentuk endapan putih campuran
timbal karbonat dan timbal hidroksida.
• Pb Dinatrium hidrogen fosfat, terbentuk endapan putih timbal fosfat