BAB II

TEORI KETIDAKPASTIAN (RALAT)

A. DEFINISI KETIDAKPASTIAN/RALAT (ERROR)

Ketidakpastian/Ralat sering disebut penyimpangan

atau deviasi. Dapat diartikan sebagai perbedaan harga
ukur dengan harga sebenarnya, atau harga perbedaan
antara harga terukur dengan harga rerata sekelompok
hasil pengukuran. Arti lain dari ketidakpastian/ralat
adalah menyatakan besarnya keraguan menafsirkan
suatu hasil percobaan. Arti pertama dapat dijumpai
pada pengukuran langsung yang diukur secara
berulang. Arti kedua dapat dijumpai pada berbagai
pengukuran tidak langsung dalam percobaan fisika.
 B. Ketidakpastian ditinjau dari cara
melakukan pengukuran
Ketidakpastian ditinjau dari cara melakukan
pengukuran yaitu ketidakpastian yang terbawa
sebagai akibat pengukuran langsung dan
berulang pada obyek yang sama menggunakan
alat ukur yang sama pula
 C. Ketidakpastian ditinjau dari sumbernya
1. Obyek ukur
Obyek ukur yang sudah usang bisa menimbulkan ralat, karena bentuknya yang sering mengalami
perubahan.
2. Pengukur
Pengukur bisa menjadi sumber ralat dalam beberapa hal, misalnya ketika mengamati skala yang
ditunjuk oleh jarum penunjuk.
3. Alat ukur
Alat ukur bisa menjadi sumber ralat. Yang jelas, keterbatasan alat ukur bisa menimbulkan ralat yang
dikenal dengan sebutan ralat alat.
4. Kondisi pengukur
Kondisi pengukur yang berubah-ubah (fluktuasi), bisa menimbulkan ralat. Misalnya perubahan
tegangan listrik.
5. Model teoritis
Model teoritis sering memerlukan pendekatan matematis, yang bisa menimbulkan ralat pada
pengukuran. Misalnya, pendekatan praktis terhadap model matematik suku-suku orde tinggi. Secara
praktis lazim dibatasi sampai orde dua, sedang suku-suku yang lebih tinggi dihapuskan.
 D. Klasifikasi ketidakpastian
Setiap kali melakukan pengukuran akan selalu tibul ralat, ralat yang
ditimbulkan dapat diklasifikasi menjadi beberapa, diantaranya sebagai
berikut:
Ralat Sistematik
Ralat sistematis adalah ralat yang dapat ditelusuri sebab
musababnya dan besarnya tetap atau tertentu. Termasuk ralat
sistematis ialah:
a. Ralat titik nol
b. Ralat kalibrasi
c. Ralat situasi percobaan/pengukuran
d. Ralat pengamatan
e. Ralat kebetulan
Ralat Rambang (Random)
Ralat rambang ialah ralat yang tidak dapat
ditelusuri sebab musababnya, atau kalau diketahui
penye-babnya, tetapi tidak dapat dikendalikan oleh
pengukurnya. Yang termasuk ralat rambang ialah:
a. Ralat penafsiran skala terkecil
b. Ralat ketidak teraturan obyek ukur
Bila kita melakukan pengukuran dari beberapa n
besaran sebanyak k kali, maka kita mempunyai:
sampel 1  X11,X12 ...........X1k denga nilai rata-rata
sampel 2 X21, X22............X1k denga nilai rata-rata
sampel n Xn1, Xn2, ........Xnk dengan nilai rata-rata
Jika terdapat ralat rambang, maka deviasi standar dari
nilai rata-rata sampel ditentukan sebagai berikut:
dimana Xt adalah harga penaksiran terbaik dari nilai rata,
yang harganya tidak sama dengan nilai rata-rata itu.
Sehingga persamaan (6) di atas adalah deviasi standar
penaksiran terbaik. Dengan menggunakan persamaan (1)
akan didapatkan suku pertama dalam tanda akar adalah
sama dengan , suku kedua lenyap oleh sebab sifat
rambang deviasi-deviasi. Jadi untuk deviasi standar nilai
rata-rata didapatkan
k

 n
n
( X - X ) 2

sX =
n (k - 1)
Ralat Rambat
Ralat rambat adalah ralat yang diperoleh dari ralat besaran
turunan yang diukur tidak langsung. Andaikan kita memperoleh nilai
X1 untuk suatu besaran dan menghitung V(X1). Berapa besarkah
deviasi dalam V yang disebabkan oleh deviasi X dari X1. Jika deviasi
kecil kita dapat hanya memakai suku pertama dari deret Taylor.
V = V (X1 - X) - V(X1)
= V
. X1
X 1 X1

akan jelas bahwa untuk deviasi standar rms (root mean square) atau
deviasi standar dengan cara sama
2
 V 
2
sv =  X1 
 
. s x1
2

 X1 
 E. Pencocokan data ( Datta Fitting )

Tujuan pencocokan data (data fitting) adalah melukiskan

secara umum pola hubungan antara satu besaran fisika
dengan besaran lainnya dalam bentuk garis.
A. METODE KUADRAT TERKECIL

Umpamakan seperangkat pengamatan X1 , X2 , .............Xn , maka jumlah pangkat

dua deviasinya dari suatu nilai rata-rata ialah:

S =  (Xi - Xm )2

sekarang umpamakan kita ingin membuat nilai S minimum terhadap nilai rata-rata
dimana n ialah banyaknya pengamatan, didapatkan bahwa

Xm = (1/n)  Xi

umpamakan dua variabel X dan Y diukur dalam suatu jangkau nilai dan ingin
mendapatkan persamaan analitik sederhana untuk Y sebagai fungsi dari X. Fungsi
yang paling sederhana ialah fungsi linear. Jadi dicoba membuat Y sebagai fungsi
linear X. Persamaan yang dicari mempunyai bentuk

Y = bX + a .............................................. (II-9)
kita ingin membuat minimum besaran

S = [ (Yi - (bXi + a )]2 ....................... (II-10)

Hal ini didapatkan dengan membuat turunan terhadap a dan

b nol, bila hal ini dilakukan didapatkan

n a + b  Xi =  Yi ....................................... (II-11)
a Xi + b Xi2 = XiYi .................................. (II-12)
pemecahan persamaan (II-11) dan (II-12) secara serentak
memberikan
.
  (Yi - bX i - a ) 2 
1/2

 
 n - 2 

X
2
i

n  X i - ( X i ) 2
2
• dalam hal ini untuk menentukan relasi antara a dan b, sehingga derajat kebebasannya adalah n – 2.
• sedang untuk sa = sY ........................................ (II-15)
• dan untuk sb = sY { }1/2 ...................................(II-16)
• Metode kuadrat terkecil dapat pula digunakan untuk menentukan polinomial tingkat yang lebih tinggi dalam
mencocokan data. Kita hanya harus melakukan beberapa deferensiasi tambahan untuk mendapatkan konstanta-
konstanta tambahan. Umpamanya, jika kita ingin penyesuaian kuadrat terkecil untuk fungsi kuadrat.
• Y = bX2 + aX + C
• besaran
•
• diuraikan dan dikumpulkan suku-sukunya,
• ........... (II-17)
• Persamaan - persamaan itu kemudian diselesaikan untuk konstanta a, b, dan c dengan menggunakan matrik.
• Berdasarkan persamaan di atas maka penyelesaian konstanta a, b, c, dengan aturan Cremer dieproleh
• ........................................... (II-18)
• b = [ (  Xi2 Yi ( n  Xi2 -  Xi2  Xi ) - ( Xi3 ( n  Xi Yi -  Xi  Yi ) +  Xi2 (Xi Yi  Xi -  Xi2  Yi ) ] / [ Xi4 ( n
 Xi2 -  Xi  Xi ) -  Xi3 ( n  Xi3 -  Xi2  Xi ) +  Xi2 ( Xi3  Xi -  Xi2  Xi2 ) ] .....………….. (II-19)
• dengan jalan yang sama diperoleh juga :
• a = [ (  Xi4 ( n  Xi YI -  Xi  Yi ) - ( Xi2 YI ( n  Xi3 -  Xi  Xi2 ) + Xi2 (Xi3 Yi -  Xi Yi  Xi2 ) ] / [ Xi4 ( n 
Xi2 -  Xi  Xi ) -  Xi3 ( n  Xi3 -  Xi2  Xi ) +  Xi2 ( Xi3  Xi -  Xi2  Xi2 ) ] .....………… . (II-20)
• c = [ (  Xi4 (  Xi2  Yi -  Xi  Xi Yi ) - (  Xi3 (  Xi3  Yi -  Xi Yi  Xi2 ) + Xi2 Yi ( Xi3 Xi -  Xi2  Xi2 ) ] / [ Xi4 (
n  Xi2 -  Xi  Xi ) -  Xi3
• ( n  Xi3 -  Xi2  Xi ) +  Xi2 ( Xi3  Xi -  Xi2  Xi2 ) ] ....….. (II-21)
•