EL 3013 Sistem Instrumentasi

Chap 2 : Tipe Instrumen dan Karakteristik

Performansi

Mahasiswa mampu :
1. Menjelaskan Tipe-instrumen
2. Menjelaskan Karakteristik statik dan
dinamik dari instrument
3. Menghitung dan menganalisis galat
(error) pengukuran, akurasi, presisi and
galat batas (limiting error).
Chap 2. : Tipe Instrumen

Active-type vs Passive-type Instrument

 Active-type instrument : output/pembacaan instrumen dibangkitkan oleh mekanisme
interaksi komponen internal akibat pengukuran kuantiti pada measurand (self-
exciting) sebagai contoh termometer air raksa, passive pressure gauge dll. Nilai
resolusi ditentukan oleh karakteristik interaksi komponen. Relatif murah karena
sederhana.

 Passive-type instrument : output/pembacaan instrument dibangkitkan oleh tambahan

energi luar (eksitasi dari luar). Resolusi dapat ditentukan oleh eksitasi dari luar. Relatif
mahal
 Tipe Instrumen
Null-type vs deflection type instrument
 Null-type instrument : output/pembacaan instrumen berupa sebuah level/indikator
yang menunjukkan keseimbangan (datum level), sedangkan nilai pengukurannya
ditunjukkan oleh sebuah nilai referensi dari sebuah obyek yang sudah
dikalibrasi/ditera. Akurasi sangat ditentukan oleh obyek yang dikalibrasi. Bila kalibrasi
benar akurasi null-type instrument lebih baik dari deflection-type instrument

 Deflection-type instrument : output/pembacaan instrumen berupa pergerakan dari

sebuah pointer (penunjuk) yang menyatakan besarnya nilai variabel yang diukur (lihat
contoh passive pressure gauge). Akurasi dalam contoh passive pressure gauge
 Tipe Instrumen
Analog-type vs digital-type instrument
 Analog-type Instrument : pembacaan/output instrumen berupa nilai yang bervariasi
secara kontinyu. Sebagai contoh passive pressure gauge yang berupa deflection-type
instrumen, secara teori, memiliki nilai posisi pembacaan tak terhingga dalam kisaran
tersebut, namun mata manusia memiliki nilai diskriminasi yang terbatas. Nilai
diskrimasi ini tergantung seberapa besar skala dan seberapa halus ukurannya
 Digital-type Instrument : pembacaan/output instrument berupa nilai yang bervariasi
pada step-step diskrit, sehingga memiliki nilai pembacaan yang terbatas. Sebagai
contoh Revolution counter pada gbr di bawah ini, hanya mampu mengukur tiap satu
putaran penuh namun tidak dapat mengukur posisi diantaranya.
 Tipe Instrumen
Indicating-type instrument vs signal-output type instrument
 Indicating-type instrument : pembacaan/output instrumen menggunakan indikator
suara atau visual yang memiliki kesetaraan kuantiti dari variabel yang diukur.
 Signal-output type instrument : pembacaan/output instrument dari nilai variabel yang
diukur dinyatakan dalam nilai yang setara dengan besaran fisik yang lain yang
biasanya digunakan untuk pengolahan lebih lanjut. Instrumen ini biasanya digunakan
pada sistem kendali proses, misalnya nilai pembacaan/output dinyatakan dalam nilai
tegangan sesuai standar proses di industri antara 0 – 10 VDC, atau arus 4-20 mA,
atau sinyal pneumatik 0 – 1 Bar.
Smart-type instrument vs non-smart-type instrument
 Smart-type instrument : instrument yang memiliki fitur kecerdasan atau kemampuan
menyesuaikan situasi lingkungan, perekaman dlsb. sehingga lebih memudahkan untuk
melakukan pengukuran. Sebagai contoh memiliki kemampuan self calibration,
automatic scalling untuk meningkatkan akurasi dlsb. Dicirikan oleh penggunaan
prosesor digital (embedded controller, DSP) maupun sejumlah sensor utk kepentingan
pengendalian internal (misalnya sensor suhu)
 Non-smart type instrument : instrument yang memerlukan kalibrasi, penskalaan
secara manual (campur tangan manusia) untuk menghasilkan pengukuran yang baik
 Pemilihan Instrumen
Tergantung dari karakteristik (statik/dinamik) yang diinginkan
Tergantung dari tipe instrumen yang diinginkan
Durability
Maintainability
Tergantung dari harga (semakin bagus karakteristik maka semakin
mahal)
 Karakteristik Statik Instrumentasi
Sejumlah karakteristik statik yang menunjukan
performansi sebuah instrument .
 Resolusi (resolution)
 Kisaran (Range or Span)
 Akurasi (accuracy)
 Presisi (precision)
 Kesalahan/galat (error)
 Linieritas (linearity)
 Sensitifitas Pengukuran (sensitivity of Measurement)
 Ambang batas (Threshold)
 Sensitifitas terhadap gangguan (sensitivity to disturbance)
 Histerisis (hysterisis)
 Dead space
 Karakteristik Performansi
Resolution – nilai perubahan terkecil pada variabel pengukuran yang
mana instrumen akan memberi tanggapan (respond). Dinyatakan
dalam nilai absolut atau prosentase terhdp skala penuh
Range atau Span – menunjukan kisaran (range) dari nilai minimum
sampai dengan nilai maksimum yang dapat diukur oleh instrumen
Accuracy – derajat kepastian (exactness) atau kedekatan (closeness)
pengukuran dibandingkan terhadap nilai yang diharapkan/diinginkan
(expected/desired value).
Precision – sebuah ukuran konsistensi atau keterulangan
(repeatability) sebuah pengukuran, sebagai contoh pembacaan
berturut-turut yang tidak berbeda.
Expected value – Nilai yang dirancang atau nilai paling mungkin
yang diharapkan untuk diperoleh.
Error – deviasi/simpangan dari nilai sebenarnya (true/actual value)
dari nilai yang diinginkan (desired value).
Kesalahan Pengukuran (Measurement Error)
Pengukuran selalu menghasilkan error (kesalahan/galat)
Kesalahan dapat diekespresikan dalam bentuk absolut
atau prosentase dari kesalahan

kesalahan Absolut , e =
dimana – nilai yang diharapkan
– nilai yang diukur

% kesalahan =
 Accuracy (Akurasi)

Akurasi relatif,

% Akurasi, a = 100% - % kesalahan

=

* Terminologi Toleransi (tolerance) terkait erat dengan akurasi,

yang didefinisikan sebagai kesalahan maksimum yang
terhadap sebuah nilai yang telah ditetapkan/ diharapkan, yang
biasanya dinyatakan dalam prosentasi kesalahan terhadap
nilai yang diharapkan, misalnya Toleransi dari Nilai resistansi
sebuah Resistor 1000 Ohm adalah + 5 %, berarti nilai
aktualnya diantara 950 – 1050 Ohm
Precision (Presisi)
Kepresisian sebuah pengukuran adalah indikasi
numerik atau kuatitatif dari sebuah kedekatan
variabel dengan sekelompok (set) pengukuran yang
diulang dari variabel yang sama sesuai dengan nilai
rata-rata dari sekelompok pengukuran tsb.

  𝑋𝑛 − 𝑋 𝑛
Presisi, P = 1−
| |
𝑋𝑛
dimana - nilai pengukuran ke n

- nilai rata-rata (average) sekelompok pengukuran

 Contoh 1.1

Nilai tegangan yang diharapkan pada resistor adalah 80

Volt. Namun hasil pengukuran menunjukan 79 Volt.
Hitunglah ,
i. kesalahan absolut
ii. % kesalahan
iii. Akurasi relatif
iv. % akurasi
 Solusi (Contoh 1.1)

Nilai yang diharapkan = 80 Volt

Hasil Pengukuran = 79 Volt

i. Kesalahan Absolut (e) =   𝑌 𝑛 − 𝑋 𝑛 = 80V – 79V = 1V

ii. % kesalahan =   𝑛 𝑛 ×100
𝑌 −𝑋
| |
𝑌𝑛
= = 1.25%

  𝑌 𝑛 − 𝑋 𝑛 = 0.9875
iii. Akurasi relatif, 𝐴=1−
| |𝑌𝑛

iv. % akurasi, a = A x 100% = 0.9875 x 100%=98.75%

 Contoh 1.2
Dari nilai pada Tabel 1.1 hitunglah Table 1.1
kepresisian dari pengukuran ke 6 ? No Xn
1 98
2 101
Solusi
3 102
Nilai rata-rata sekelompok pengukuran
4 97
yang ditunjukkan pada Tabel 1.1 : 5 101

  = 98+101+....+99 = 1005 =100.5

𝑋
6 100
𝑛 7 103
10 10
maka presisi dari pengukuran ke-6 8 98
9 106
10 99
  100− 100.5 =1 − 0.5
Presisi = 1−
| 100.5 | 100.5
Akurasi dan Presisi Pada Robot
 Limiting Error, LE/Guarantee Error
(Kesalahan yang dijamin)

LE mendeskripsikan batas terluar dari kesalahan

terburuk yang diharapkan
Akurasi instrumen pengukuran digaransi di dalam nilai
prosentase (%) tertentu terhadap pembacaan skala
penuh (full scale)
Contoh : Pabrikan menspesifikasikan akurasi
instrumen sebesar 2 % pada defleksi skala penuh
Untuk Pembacaan kurang dari skala penuhnya, LE
akan naik
 LIMITING ERROR (LE) (cont)
Contoh 1.3

Diketahui sebuah Voltmeter dengan skala penuhnya sebesar

600 Volt. Voltmeter tersebut memiliki akurasi sebesar 2%
pada skala penuh.
Hitunglah LE ketika Voltmeter tersebut digunakan untuk
mengukur tegangan sebesar 250 Volt ?

Solusi

Besarnya LE pada pembacaan 600 Volt, 0.02 x 600 = 12V

Maka nilai LE untuk pembacaan 250V = 12/250 x 100 = 4.8%
 LIMITING ERROR (cont)

Contoh 1.4

Diketahui pada pengukuran tertentu, LE Voltmeter pada nilai

70 Volt adalah 2.143% dan LE Ammeter pada nilai 80mA
adalah 2.813%. Hitunglah LE untuk daya.

Solusi

LE untuk daya = 2.143% + 2.813% = 4.956%

Latihan
Sebuah Voltmeter adalah akurat
sebesar 98% dari pembacaan skala
penuhnya.
i. Jika voltmeter membaca nilai 200V dalam
kisaran (range) 500V, hitunglah
kesalahan absolut ?
ii. Hitunglah persentase kesalahan pada (i)
Significant Figures, sf (Angka signifikan)

Angka Signifikan menunjukkan informasi aktual mengenai

besar dan kepresisian dari sebuah kuantitas
Lebih banyak angka signifikan maka semakin besar
kepresisian dari pengukuran

Contoh 1.4

Hitunglah nilai presisi dari nilai X1 dan X2 ?

===>> 2 s.f
===>> 3 s.f
 Solution (Contoh 1.4)

===>> 2 s.f
===>> 3 s.f

Presisi =

Presisi = ===>lebih presisi

 Angka Signifikan (cont)

Aturan perhitungan angka signifikan

1) Untuk penjumlahan dan pengurangan, angka dari kolom
paling kanan (kolom terakhir) dimana semua angka
adalah signifikan harus di hilangkan

Contoh 1.5
V1 = 6.31 V
+ V2 = 8.736 V

maka VT = 15.046 V
 15.05 V
 Angka Signifikan (cont)

2) Untuk perkalian dan pembagian, pertahankan angka

signifikan pada nilai yang memuat angka signifikan yang
terkecil

Contoh 1.6

Untuk nilai di bawah ini, hitunglah nilai dari R1, R2 dan

daya pada R1?

I = 0.0148 A=14,8 mA ===> 3 s.f

V1 = 6.31 V ===> 3 s.f
V = 8.736 V ===> 4 s.f
2
Solusi (Contoh 1.6)

===> 3 s.f

===> 3 s.f

= 0.09339
= 0.0934 watt = 93,4 mW ===> 3 s.f
 Angka Signifikan (cont)
3) Penghilangan angka tidak signifikan

0.0148=14,8 m ==> 0.015 (2 s.f)

==> 0.01 (1 s.f)
 Karakteristik Statik Instrumentasi
Sejumlah karakteristik statik (steady state characteristics)
yang menunjukan performansi sebuah instrument .
 Resolusi (resolution)
 Kisaran (Range or Span)
 Akurasi (accuracy)
 Presisi (precision)
 Kesalahan/galat (error)
 Linieritas (linearity)
 Sensitifitas Pengukuran (sensitivity of Measurement)
 Ambang batas (Threshold)
 Sensitifitas terhadap gangguan (sensitivity to disturbance)
 Histerisis (hysterisis)
 Dead space
 Karakteristik Performansi
Linearity – menunjukkan hubungan yang proporsional antara output
pembacaan dari instrumen dengan nilai yang diukur (berbentuk garis
lurus

Non-Linearity – deviasi/simpangan maksimum dari setiap output

pembacaan instrumen terhadap garis lurus. Dinyatakan dalam
prosestase terhadap skala penuh
Sensitifitas Pengukuran – ukuran perubahan pembacaan yang terjadi
ketika nilai yang diukur (measurand) berubah pada nilai pembacaan
(output reading) tertentu. Pada kurva hubungan measurand –
output reading diatas, sensitifitas adalah gradient (kemiringan) dari
kurva
 Karakteristik Performansi
Ambang batas (Threshold) – jika variabel yang diukur (measurand) oleh
instrumen naik secara bertahap mulai dari nol, variabel yang diukur perlu
mencapai nilai tertentu yang cukup untuk dideteksi oleh instrument untuk
menghasilkan nilai pembacaan pada instrument
Sensitifitas Terhadap Gangguan – ukuran perubahan pembacaan yang
terjadi ketika nilai yang diukur (measurand) berubah pada nilai output
pembacaan tertentu diluar kondisi lingkungan yang telah ditetapkan
(standard/ ambient)
 Semua kalibrasi dan Spesifikasi Instrument hanya valid pada kondisi lingkungan (suhu,
tekanan, kelembaban dll.) yang terkendali.
 Perubahan dari lingkungan diluar dari yang ditetapkan akan merubah instrument dalam dua
arah yaitu : 1) zero drift atau bias 2) sensitivity drift
 Zero Drift : Pembacaan nilai nol (zero) pada instrument mengalami perubahan sehingga
mengalami kesalahan yang tetap pada seluruh kisaran (range) pembacaan  dapat
diperbaiki dengan kalibrasi ulang
 Zero drift coefficient : menunjukkan perubahan zero drift terhadap kondisi ambient (standar)
yang linier akibat terjadi perubahan kondisi suhu
 Sensitivity Drift : sejumlah komponen dalam instrument sangat sensitif terhadap fluktuasi
lingkungan, umumnya perubahan suhu atau tekanan. Perubahan nilai komponen ini
menyebabkan pembacaan nilai pembacaan mengalami defleksi terhadap linieritas
pengukuran
 Karakteristik Performansi
Contoh 1.7 : Zero drift dan sensitivity drift
Kesetimbangan pegas untuk penunjuk ukuran (gage) yang dikalibrasi pada suhu 20°C, memiliki
karakteristik defleksi/beban sbb :
Beban (kg) 0 1 2 3

Defleksi (mm) 0 20 40 60

Instrumen ini digunakan pada suhu 30°C memiliki karakteristik defleksi/beban menjadi sbb :

Beban (kg) 0 1 2 3
Defleksi (mm) 5 27 49 71
Hitunglah berapa nilai zero drift and sensitivity drift per °C perubahan suhu ambien ?.
Solusi :
Pd suhu 20°C karakteristik defleksi thd beban berupa garis lurus  Sensitifitas = 20 mm/kg
Pd suhu 30°C karakteristik defleksi thd beban masih berupa garis lurus  Sensitifitas=22 mm/kg
Bias (Zero drift) = 5 mm (no-load deflection)
Sensitivity Drift = 2 mm/kg
Zero drift/°C = 5/10 = 0,5 mm/°C
Sensitivity drift/°C = 2/10 = 0,2 (mm/kg)/°C
Pengaruh gangguan a)zero drift b)sensitivity drift c)zero drift + sensitivity drift
 Karakteristik Performansi
Hysteris – variabel yang diukur (measurand) oleh instrumen pada arah membesar
(naik/maju) dan mengecil (turun/mundur) menghasilkan nilai pembacaan pada
instrument tidak saling berimpit (coincident)

Efek hysterisis isi terjadi pada instrumen yang menggunakan pegas (spring) mekanik
sebagai transducernya seperti pada alat ukur torsi, atau lilitan kabel elektrik yang
melingkari inti besi seperti misalnya alat ukur pergeseran posisi (displacement) yang
menggunakan transducer LVDT
Nilai Hysterisis dinyatakan dengan prosentase terhadap skala penuh mesurand
variable atau skala penuh pembacaan instrument
 Karakteristik Performansi
Dead space – didefinisikan sebagai kisaran (range) dari perbedaan variabel yang
diukur (measurand/input) yang tidak menghasilkan nilai pembacaan pada instrumen
(output)

Instrumen yang menggunakan komponen yang bersifat backlash, seperti misalnya

untaian roda gigi, akan mengalami pengaruh dead space
 Karakteristik Dinamik Instrumen
Berbagai karakteristik performansi Instrumen yang dibahas yang lalu merupakan
karakteristik statik, dimana hasil pembacaan dilakukan pada situasi steady state
Karakteristik dinamik instrumen meninjau perilaku pembacaan instrumen terhadap
waktu mulai pada saat awal pengukuran measurand sampai dengan tercapai
pembacaan yang stabil (steady state).
Karakteristik dinamik seringkali disebut karakteristik transient dari instrumen, seperti
halnya karakteristik transient yang dipelajari pada kuliah sistem kendali
Hubungan antara input (measurand) dengan output (pembacaan instrument) secara
umum dinyatakan dalam persamaan diferensial sbb :

Dimana qi = measurand variabel, qo = nilai pembacaan

Jika pengukuran pada measurand dilakukan secara step maka persamaan diatas
menjadi
(1)
Karakteristik Dinamik Instrumen

Instrumen Orde Nol (Zero Order Instrument) : Jika a1 .... an bernilai nol
(ao  0 )
Maka persamaan (1) menjadi
aoqo = boqi atau qo = bo/ao .qi atau qo = k .qi
dimana K adalah konstanta (gradient) atau sering disebut dengan sensitifitas
Bentuk hubungan antara measurand dengan nilai pembacaan instrumen dinyatakan
dalam bentuk kurva sbb :

Contoh instrument Orde Nol adalah transducer potensiometer yang digunakan untuk
mendeteksi displacement yang berubah terhadap nilai resistansi dimana nilai
pembacaan instrument adalah nilai tegangan dari resistansi tersebut
Karakteristik Dinamik Instrumen

Instrumen Orde Satu (First Order Instrument) : Jika a2 ... an bernilai nol
  (ao dan a1  0 )
Maka persamaan (1) menjadi :

Jika ekspresi d/dt dinyatakan dalam operator s (Laplace Operator) maka pers. diatas
berbentuk :
a1 s Qo(s) + ao Qo(s) = bo Qi(s) -- Qo(s) =
dinyatakan dalam bentuk yang disederhanakan menjadi :
Karakteristik Dinamik Instrumen

Instrumen Orde Dua (Second Order Instrument) : Jika a3 ... an bernilai nol
  (ao , a1 dan a2  0 )
Maka persamaan (1) menjadi :

Jika ekspresi d/dt dinyatakan dalam operator s (Laplace Operator) maka pers. diatas
berbentuk :
a2 s2 Qo(s) + a1 s Qo(s) + ao Qo(s) = bo Qi(s)
disederhanakan menjadi :
Chap 3 : Kesalahan Kesalahan Pada
Pengukuran

Mahasiswa mampu :
1. Menjelaskan jenis kesalahan dan
penyebabnya
2. Menghitung nilai mean, median,
deviation, standadr deviation
3. Menganalisis galat (error) akibat
kesalahan sistematik maupun kesalahan
random (acak)
Chap 3 : Kesalahan Kesalahan Pada
Pengukuran

Jenis Kesalahan
1) Gross error/human error
2) Systematic Error
 Instrumental error
 Environmental error
 Observational error

3) Random Error
 Penyebab Kesalahan Pengukuran
1) Gross Error
 Kesalahan manusia (human mistakes) dalam pembacaan/
penggunaan instrumen
 Pengaturan tidak benar (incorrect adjustment) dari
instrumen dan kesalahan komputasi (computational
mistakes)
 Gross error tidak dapat diperlakukan secara matematis,
tidak dapat di eliminasi tapi dapat diminimalkan
 Misalnya kehatian-hatian (proper care) dalam pembacaan
dan perekaman parameter pengukuran
 Penyebab Kesalahan Pengukuran
2) Systematic Error
 Proses Pengukuran yang menimbulkan gangguan
(disturbance)
 Ketidaksempurnaan dari instrumen seperti misalnya part
yang cacat atau aus (wear), penuaan atau pengaruh dari
lingkungan
 Dapat dibagi dalam 2 bagian yaitu kesalahan statik dan
kesalahan dinamik.
 Statik – diakibatkan oleh keterbatasan alat ukur atau

hukum2 fisika yang mengatur (governing) perilakunya.

 Dinamik – diakibatkan oleh instrument yang tidak

dapat merespon dengan cukup untuk mengikuti

perubahan dari variabel yang diukur.
 Penyebab Kesalahan Pengukuran
2) Systematic Error
 Seringkali diklasifikasikan dalam 3 jenis kesalahan
 Instrumental error

 Environmental error

 Observational error
 Penyebab Kesalahan Pengukuran
 Instrumental error
- melekat (inherent) dalam struktur instrumen, misalnya
pada struktur mekanik : gesekan dari bearing, pergerakan
tension/stretching dari pegas
- kesalahan dapat dicegah dengan cara :
(a) pemilihan instrumen yang cocok (suitable) untuk
aplikasi pengukuran yang tertentu
(b) menerapkan faktor koreksi (correction factor)
(c) Mengkalibrasi instrumen terhadap standar
 Penyebab Kesalahan Pengukuran
 Environmental error
- Diakibatkan kondisi luar yang mempengaruhi pengukuran seperti
misalnya perubahan suhu, kelembaban, tekanan dlsb.

- Kesalahan dapat dicegah dengan

(a) Mempertahankan lingkungan sesuai standar pengukuran
yang diijinkan misalnya penggunaan air conditioner
(b) memberikan sealing komponen tertentu pada instrumen
(c) menggunakan pelindung magnetik (magnetic shields)

 Observational error
- disebabkan oleh pengamat (observer)
- Yang paling umum : parallax error and estimation error
(ketika membaca skala)
 Penyebab Kesalahan Pengukuran
3) Random error
- penyebab tidak diketahui (muncul ketika semua
systematic error sudah diperhitungkan)
- akumulasi dari pengaruh2 kecil yang membesar
- Dapat dicegah dengan
(a) meningkatkan jumlah pembacaan
(b) menggunakan statistik untuk mendapatkan
aproksimasi terbaik dari nilai benar (true value)
Systematic error : Gangguan karena
Proses Pengukuran
Proses pengukuran selalu memunculkan gangguan
(disturbance)
 Mengukur Air panas dengan mencelupkan Thermometer.
Proses heat transfer antara air panas dengan material dari
Thermometer mengakibatkan suhu air panas disekitar
Thermometer menjadi turun
 Mengukur kecepatan aliran fluida dengan orifice plate
(instrumen yang mengukur kec.aliran dengan melihat
perbedaan tekanan masuk dan keluar). Mencelupkan
instrumen ini kedalam aliran mengakibatkan terjadi
kehilangan tekanan (pressure loss) dalam aliran fluida
 Mengukur besaran tegangan sebuah rangkaian dengan
menggunakan Voltmeter yang memiliki resistansi dalam
Systematic error : Gangguan karena
Proses Pengukuran
Pengukuran rangkaian elektrik

Rm merupakan Shunt resistance dari R5 mengakibatkan resistansi titik AB menjadi berkurang,

sehingga menimbulkan gangguan (disturbance) pada hasil pengukuran dimana Tegangan Eo
(sebelum/tanpa pengukuran) menjadi tidak sama dengan tegangan yang didisplaykan oleh
Voltmeter (Em) seperti yang ditunjukkan dalam gambar di bawah ini
Systematic error : Gangguan karena
Proses Pengukuran

Pengukuran rangkaian elektrik

Rangkaian Ekivalen : Asumsi Rd sumber tegangan = nol

Jika Voltmeter disambungkan ke titik AB arus yang mengalir, I,

Ke seluruh rangkaian adalah

Tegangan yang dihasilkan oleh Voltmeter, Em

Dinyatakan dalam perbandingan

Rm semakin besar Em/Eo ~ 1

Systematic error : Gangguan karena
Proses Pengukuran
Menaikan Resistansi/Impedansi Alat Ukur dalam prakteknya tidak
sederhana karena dapat mengurangi performansi yang lainnya
Sebagai contoh alat ukur tipe defleksi yang menggerakkan pointer
(jarum) yang ditempelkan pada kumparan (coil) yang dililit oleh kabel
dalam sebuah magnet tetap. Untuk menaikan resistansi dapat dengan
cara menambah jumlah lilitan atau jumlah lilitan tetap tapi resistansi
material dinaikkan. Namun hal ini mengakibatkan arus yang mengalir
pada coil menjadi berkurang, sehingga torsi yang dihasilkan menjadi
kecil yang mengakibatkan sensitifitas pengukuran berkurang.
Persoalan desain instrumen : trade-off (menaikkan sebuah performansi
yang lain dapat menurunkan performansi lainnya)
Systematic error : kesalahan akibat
Masukan Lingkungan
Didefinisikan sebagai perubahan nilai pada pembacaan output akibat
kondisi lingkungan di sekitar sistem pengukuran
Pada pembahasan sebelumnya yaitu gangguan karena pengukuran
yang terpengaruh adalah nilai measurandnya
Sedangkan pada kesalahan akibat masukan lingkungan yang
terpengaruh adalah komponen instrumen yang mengakibatkan terjadi
penyimpangan pada pembacaan output
Besarnya perubahan karena terinduksi oleh lingkungan dikuantifikasi
dalam dua nilai yaitu zero drift dan sensitivity drift .
Systematic error : kabel penghubung
(connecting leads)
Kesalahan umum dari pengukuran ini seringkali mengabaikan nilai
resistansi penghubung (atau pipa pada sistem pengukuran
pneumatic/hidrolik
Sebagai contoh jarak kabel penghubung antara variable yang diukur
dengan sistem intrumentasi pengukuran sebesar 100 meter. Dengan
spesifikasi kabel penghubung berupa serat tembaga akan setara dengan
nilai 7 Ohm, belum termasuk perubahan karena lingkungan sebesar 1
mOhm/oC.
Hal lain yang perlu diperhatikan peletakan kabel perlu memperhatikan
obyek lain yang mungkin akan menginduksi sinyal kedalam kabel
tersebut
Systematic error : mengurangi
kesalahan
Desain Instrument dengan berhati-hati : misalnya dengan mengurangi
sensitifitas komponen di dalam instrumen serendah mungkin untuk
mengatasi masukan lingkungan, untuk itu diperlukan material dengan
koefisien resistansinya rendah (variasi resistansi terhadap perubahan
suhu sangat kecil)
Metoda masukan berlawanan (opposing input) : mengkompensasi
perubahan akibat masukan lingkungan dengan menambahkan
(introduce) nilai masukan yang sama dan berlawanan.
Sebagai contoh lilitan kabel dari kumparan penunjuk (pointer) alat ukur
bertipe defleksi sangat sensitif terhadap perubahan suhu. Sehingga
diperlukan resistansi kompensasi yang juga sensitif terhadap suhu tapi
dalam arah berlawanan sehingga jumlah total resistansi akan tetap
Systematic error : mengurangi
kesalahan
High Gain Feedback : Penambahan mekanisme umpan balik untuk
mengurangi pengaruh perubahan komponen akibat masukan lingkungan
sehingga sensitifitas sistem secara keseluruhan tidak terpengaruh
Sebagai contoh sistem yang sama pada gambar sebelumnya dimana
konstanta torsi, Km, dari coil dan kontanta pegas, Ks, dari pegas dapat
mengalami perubahan akibat gangguan dari masukan lingkungan

X0 = Ei.Km.Ks

Jika Ka sangat besar  Kf.Ka.Km.Ks >>1

Sehingga X0 = Ei/Kf
Systematic error : mengurangi
kesalahan
Melakukan Kalibrasi
Melakukan koreksi manual : hasil pembacaan pada output pembacaan
dilakukan koreksi melalui perhitungan secara manual berdasakan
kesalahan yang ada pada systematic error.
Penggunaan Intelligent Instrument : Peralatan ini dilengkapi sejumlah
sensor untuk mengukur nilai masukan lingkungan dan melakukan koreksi
terhadap nilai output pembacaan
Random Error : Analisis Statistik
penyebab tidak diketahui (muncul ketika semua systematic error sudah
diperhitungkan)
Biasanya merupakan akumulasi dari pengaruh2 kecil yang membesar
Gejalanya terlihat dengan nilai variasi pembacaan pengukuran yang tidak
dapat diprediksi (unpredictable)
Dapat dicegah dengan
 meningkatkan jumlah pembacaan dengan syarat pada kondisi masukan lingkungan yang
sama
 menggunakan statistik untuk mendapatkan aproksimasi terbaik dari nilai benar (true
value)
Beberapa besaran yang penting terkait dengan analisis statistik yaitu :
 Mean (Rata-rata)
 Median (nilai Tengah)
 Variansi
 Standard Deviasi
Random Error : Analisis Statistik
Mean (rata-rata) : Jumlah Nilai Pengukuran dibagi dengan banyaknya
 
pengukuran

Median : Nilai Tengah Pengukuran yang disusun secara menaik

(ascending)

Semakin banyak jumlah pengukuran maka perbedaan nilai rata-rata dan

median semakin mengecil
Contoh : Panjang sebuah batang baja yang diukur dengan sebuah alat
ukur oleh beberapa orang pengukur (observer) menunjukkan hasil sbb :
(dalam satuan mm)
398 420 394 416 404 408 400 420 396 413 430
Nilai Rata2 : 409,0 Median : 408
Random Error : Analisis Statistik
Dengan Menggunakan alat yang lain dilakukan pengukuran pada benda
yang sama menghasilkan nilai pengukuran
409 406 402 407 405 404 407 404 407 407 408
Nilai Rata—rata = 406 Median = 407
Pengukuran yang terakhir memiliki tingkat kepercayaan yang lebih tinggi
karena perbedaan sebaran pengukuran lebih kecil dibandingkan dengan
pengukuran sebelumnya. Pada pengukuran sebelumnya sebaran
pengukuran dari nilai tertinggi dengan nilai terendah adalah 34,
sedangkan pengukuran terakhir hanya 6
Dengan demikian semakin kecil sebaran pengukuran semakin tinggi
tingkat kepercayaan dari Nilai rata2 dan Nilai Median yang dihitung
Contoh lain Bila pengukuran di atas diperbanyak dengan nilai-nilai sbb :
409 406 402 407 405 404 407 404 407 407 408 406 410 405 406 408
406 409 406 405 409 406 407
Nilai Rata-rata = 406.5, Median = 406, Sebaran = 8 (?)
Nilai median cenderung menuju nilai rata-rata jika pengukuran semakin
banyak
Random Error : Analisis Statistik
  Pengukuran tingkat kepercayaan dengan hanya mengukur sebaran
(spread) dengan cara melihat nilai terendah dan tertinggi saja belum
cukup baik untuk menunjukkan bagaimana nilai-nilai pengukuran
tersebut terdistribusi disekitar nilai rata-ratanya
Cara yang lebih baik untuk mengekpresikan distribusi adalah dengan
menghitung variansi (variance) atau deviasi standar
Pertama kali yang perlu dilakukan untuk menghitung variansi adalah
dengan menghitung kesalahan (deviation) di masing-masing hasil
pengukuran xi dari nilai rata-rata Pengukuran xmean sbb :
(seringkali di tulis Di)
Nilai Variansi, V, adalah :

Deviasi standar () adalah akar dari Variansi :

Random Error : Analisis Statistik
Perhatikan contoh data pengukuran sebelumnya
Pengukuran 398 420 394 416 404 408 400 420 396 413 430
Deviasi dari nilai rata-rata -11 +11 -15 +7 -5 -1 -9 +11 -13 +4 +21
(deviasi)2 121 121 225 49 25 1 81 121 169 16 441
Nilai Rata-rata = 409 Median = 408 Sebaran = nilai max-nilai minimum= 34
 (deviasi)2=1370 n = 11 V = 137  = 11,7

Pengukuran 409 406 402 407 405 404 407 404 407 407 408
Deviasi dari nilai rata-rata 3 0 -4 +1 -1 -2 +1 -2 +1 +1 +2
(deviasi)2 9 0 16 1 1 4 1 4 1 1 4
Nilai Rata-rata = 406 Median = 407 Sebaran = 6
 (deviasi)2=42 n = 11 V = 4,2  = 2,05

Pengukuran 409 406 402 407 405 404 407 404 407 407 408
406 410 405 406 408 406 409 406 405 409 406 407

Nilai Rata-rata = 406 Median = 406,5 Sebaran = 8

 (deviasi)2=77 n = 23 V = 3,53  = 1,88

Tingkat kepercayaan semakin tinggi untuk V dan  yang kecil

Random Error : Analisis Grafis
Analisis grafis merupakan cara yang berguna untuk menganalisis
pengukuran acak (random) yang terdistribusi
Histogram (lihat gambar di bawah ini) menunjukkan sejumlah pita (band)
pengukuran (sumbu x) yang berjarak sama, terhadap jumlah data yang
terdapat pada pita pengukuran tersebut

Mengingat perhatian lebih ditujukan kepada seberapa dekat hasil

pengukuran mendekati nilai sebenarnya, maka lebih baik pita dari histogram
dinyatakan dalam nilai Deviasi dari nilai rata-ratanya
 Random Error : Analisis Grafis
Semakin banyak jumlah pengukuran yang dilakukan maka semakin
banyak pita deviasi. Jika Pengukuran menuju tak terhingga, histogram ini
membentuk kurva yang halus, sering disebut dengan Frequency
Distribution Curve, yang menunjukkan frekuensi banyaknya kejadian
(sumbu y) dari nilai deviasi (D) yang terjadi (sumbu x)
Jika ketinggian Frequency Distribution Curve ini dinormalisasi sedemikian
sehingga luas di bawah kurva adalah 1 (satu), seringkali disebut dengan
Probability Curve, dimana nilai ketinggian disebut Probability Density
Function (PDF) dari nilai Deviasi (D) yang terjadi
Dp =nilai puncak = Nilai deviasi
yang memiliki probabilitas tertinggi

Commulative Distribution Function

(cdf)
Random Error : Analisis Grafis
Sejumlah pengukuran yang mengikuti pola acak (random) biasanya
mengikuti pola distribusi dalam bentuk kurva tertentu yang disebut
dengan pola/kurva gaussian.
kurva Gaussian memiliki bentuk dimana nilai frekuensi besar pada deviasi
yang kecil dan bernilai frekuensi kecil pada deviasi yang besar atau
dengan perkataan lain jumlah pengukuran bernilai galat kecil lebih besar
daripada jumlah pengukuran bernilai galat besar. Kurva distribusi
Gaussian sering disebut Distribusi Normal (Normal Distr.) atau Distribusi
bentuk Bell (Bell-shaped Distr.) yg diekspresikan dalam persamaan sbb :

x : nilai pengukuran
m : nilai rata-rata

Jika diekspresikan kedalam bentuk Deviasi, D, D = x – m , ekspresi

persamaan di atas menjadi : (disebut error frequency distribution curve )
Bentuk kurva ditentukan oleh nilai 
Lebar kurva berkurang bila nilai  mengecil
Artinya nilai rata-rata akan mendekati nilai
sebenarnya sejalan dengan nilai  mengecil
Random Error : Analisis Grafis
Jika deviasi standar () digunakan sebagai satuan galat (error) maka
kurva Gaussian dapat digunakan untuk menentukan probabilitas dari
galat yang terletak diantara pita D1 dan D2 yang diekspresikan dalam
persamaan sbb :

Solusi ekspresi diatas disederhanakan menjadi z = D/. Hal ini merubah

kurva distribusi menjadi bentuk kurva distribusi Gaussian baru dimana
deviasi standarnya adalah 1 ( = 1) dengan nilai rata-rata (mean) = 0, yang
disebut dengan standard gaussian curve, dengan variabel z sebagai
pengganti dari D, bentuk baru ini ditunjukkan pada gambar di bawah ini

Pers. di atas dpt diekspresikan menjadi

Random Error : Analisis Grafis
Table gaussian standar pada halaman berikutnya ini merupakan tabulasi
F(z) terhadap variabel z berdasarkan persamaan sbb :

Nilai F(z) pada tabel ini menunjukkan luas dari kurva sampai dengan nilai
z dan hanya untuk nilai z > 0
Untuk nilai z < 0 maka F(-z) = 1 – F(z)
Random Error : Analisis Grafis
Random Error : Analisis Grafis
Contoh : Hitunglah berapa banyak pengukuran yang mengalami random
error di luar batas deviasi sebesar + dan -, yang ditunjukkan dalam
gambar di bawah ini :

Banyaknya pengukuran yang mengalami random error ditunjukkan dalam

daerah yang diarsir pada gambar diatas, yang secara matematis
diekspresikan sbb :
Random Error : Analisis Grafis
Untuk E = - , maka Z = -1 [diperoleh dari Z = ]=-1
 
Menggunakan Tabel 3.1 Standar deviasi diperoleh

Untuk E = + , maka Z = +1
Menggunakan Tabel 3.1 Standar deviasi diperoleh

(Perhitungan ini dimungkinkan karena frequency distribution curve

dinormalisasi sdmk rupa sehingga luas dari kurva adalah satu (1))
Berdasarkan hasil perhitungan di atas maka jumlah pengukuran yang
mengalami random error di luar batas +  adalah :

Sedangkan jumlah pengukuran yang mengalami random error di dalam

batas +  adalah : 68 %
Random Error : Analisis Grafis
Bila Contoh tadi diperluas untuk pengukuran yang mengalami random
error di luar batas deviasi sebesar + 2 dan + 3, dapat ditunjukkan
dalam tabel di bawah ini :
Batas % data di dalam batas Probabilitas data di luar batas
Deviasi
+ 68,0 32 %
+ 2 95,4 5,6 %
+ 3 99,7 0,3 %

Banyaknya pengukuran yang mengalami random error ditunjukkan dalam

daerah yang diarsir pada gambar diatas, yang secara matematis
diekspresikan sbb :
Random Error : Analisis Grafis
Kesalahan Standar dari Nilai Rata-rata

Kesalahan Standar dari Nilai Rata-rata (Standard error of the mean), ,

 
didefinisikan sebagai kesalahan antara Nilai rata-rata dari sekelompok data
yang terhingga (finite data set) dengan nilai data benar (yang merupakan
nilai rata-rata dari sekelompok data yang tak terhingga – infinite data set)
yang dinyatakan secara numerik adalah :
∝=𝜎
  /√𝑛
( semakin mengecil sejalan dengan n yang semakin membesar)

Nilai pengukuran yang diperoleh dari dari sejumlah pengukuran n (terbatas /

tak terhingga) x1, x2, ..... xn dapat diekspresikan dalam bentuk

 𝑥=𝑥 𝑚𝑒𝑎𝑛 ±𝛼
Sebagai contoh pengukuran panjang batang yang lalu, n=23, =1,88 dan
 = 0,39 maka panjang batang dapat diekspresikan sebagai 406,5 + 0,4 (68
% confidence limit). Namun biasanya hasil pengukuran diekspresikan dalam
95 % confidence limit (batas + 2) Maka dalam kasus ini 2=3,76, 2=0,78
dan hasil pengukuran adalah 406,5 + 0,8 (95 % confidence limit)
Random Error : Analisis Grafis
Estimasi random Error Dalam Sebuah Pengukuran Tunggal
Pada beberapa situasi dimana pengukuran yang didalamnya mengandung
random error, seringkali tidak praktis untuk diulang. Jika dilakukan hanya
satu (1) kali pengukuran, diperlukan cara untuk mengestimasi error dalam
pengukuran tunggal ini
Pendekatan yang biasa dilakukan untuk persoalan diatas dengan
menghitung error pada 95% confidence limit, yaitu dengan menghitung
deviasi D sdmk sehingga 95 % luas dibawah kurva probabilitas terletak
dalam batas + D . Batas ini terkait dengan nilai deviasi = + 1,96 
Namun pendekatan diatas hanya mengekpresikan deviasi maksimum dari
sekelompok pengukuran yang bukan merupakan nilai benarnya (true value),
sehingga perlu ditambahkan kesalahan standar nilai rata-rata (), sehingga
kesalahan maksimum yang mungkin terjadi pada pengukuran tunggal
adalah :

  )
Random Error : Analisis Grafis
Estimasi random Error Dalam Sebuah Pengukuran Tunggal
Sebagai contoh : Pengukuran terhadap sebuah standar massa sebanyak 30
kali dengan instrumen pengukuran yang sama, menghasilkan nilai  = 0,43
dan  = 0,08. Jika instrumen ini digunakan untuk mengukur massa yang
tidak diketahui nilainya dan pembacaan menunjukkan nilai 105,6.
Bagaimana mengekpresikan nilai massa ini ?
Dengan mengekspresikan nilai :   ) = 0,92
maka nilai massa diekespresikan sebagai : 105,6 + 0,9
dimana

 𝛼 = 𝜎
√𝑛
Random Error : Analisis Grafis
Distribusi dari Toleransi Proses Manufaktur
Seperti halnya random error yang terjadi pada proses pengukuran, pada
proses manufaktur pun terjadi variasi hasil produk yang bersifat random,
yang dikenal dengan toleransi (tolerance), yang memenuhi distribusi
gaussian. Analisis sebelumnya tentang pengukuran kesalahan yang random
dapat diaplikasikan untuk menganalisis distribusi variasi pada proses
manufaktur ini.
Sebagai contoh : Chip IC berisi 105 transistor. Transistor-transistor ini
memiliki penguatan arus rata-rata = 20 dengan nilai standar deviasi = 2.
Hitunglah :
1. Jumlah Transistor dengan penguatan arus diantara 19,8 dan 20,2
2. Jumlah Transistor dengan peguatan arus lebih besar dari 17
Random Error : Analisis Grafis
Distribusi dari Toleransi Proses Manufaktur
Solusi :
1. Jumlah Transistor dengan penguatan arus diantara 19,8 dan 20,2
P[x < 20,2] – P[x < 19,8] = P[z < 0,1] – P[z < -0,1]
[- sebelum dinormalisasi -] [- setelah distandarkan -]
dengan z = (x – xmean)/
dengan melihat tabel 3.1 (gaussian standar) diperoleh :
P[z < 0,1] = 0,5398, P[z < -0,1] = 1 - P[z < 0,1] = 0,4602
maka : P[z < 0,1] – P[z < -0,1] = 0,0796
Dgn dmk tdp 0,0796 x 105 =7960 Transistor dengan 19,8 < gain < 20,2
2. Jumlah Transistor dengan penguatan arus lebih besar dari 17
P[x > 17] = 1 - P[x < 17] = 1 - P[z < -1,5] = P[z < 1,5] = 0,9332
Dgn dmk tdp 0,9332 x 105 =93.320 Transistor dengan gain > 17

z = (x – xmean)/, ex. z=(17-20)/2= -1,5

Random Error : Analisis Grafis
Kualitas data yang memenuhi Distribusi Gaussian
Data-data hasil pengukuran yang diberikan pada contoh-contoh sebelumnya
dengan asumsi sudah mengikuti distribusi Gaussian. Untuk menetapkan
apakah data pengukuran memenuhi distribusi Gaussian terdapat sejumlah
pengujian :
 Cara sederhana : dengan menggambar data hasil pengukuran dalam bentuk histogram apakah
mengikuti pola distribusi normal (distribusi bentuk Bell). Seringkali dihasilkan bentuk histogram
yang tidak mirip karena data pengukuran terbatas. Hal ini diserahkan kepada cara
pertimbangan dari penganalisis data dalam menilai (judgement) sekelompok data tersebut
sepanjang pola distrubusi mengikuti pola distribusi normal
 Dengan memplot pada kertas khusus : dengan cara membagi dalam kisaran2 pengukuran dan
menggambarkan nilai komulatif probablitas yang akan menghasilkan grafik lurus. Sebagai
contoh untuk pengukuran data random yang lalu dengan jumlah data n =23
Random Error : Analisis Grafis
Data Palsu (data Rogue )
Untuk pengukuran data random, seringkali menghasilkan data dengan error
sangat besar pada waktu acak dan tidak dapat diprediksi yang secara nalar
tidak memiliki atribut atau sifat dari sebuah measurand yang memiliki nilai
sebesar itu. Sumber kesalahan ini dapat terjadi karena tiba-tiba terdapat
lonjakan tegangan transient (voltage surge) dari catu daya atau kesalahan
pencatatan nilai pengukuran. Data palsu ini dapat dibuang (discard) dengan
melihat apakah data tersebut melebihi ambang batas dari deviasi sebesar + 3
 yang biasanya jarang terjadi

Kasus Khusus Jumlah Pengukuran sedikit

Pengukuran dengan jumlah sedikit akan menjadi masalah ketika dilakukan
perhitungan menggunakan tabel distribusi Gaussian karena nilai rata-rata pada
sejumlah pengukuran yang sedikit memiliki deviasi yang signifikan (besar)
terhadap nilai benarnya. Alternatif fungsi distribusi lain, dikenal dengan
student-t distribution dapat digunakan (tidak dibahas dalam kuliah)
Penggabungan (Aggregation)
Kesalahan Pengukuran
Pengaruh kesalahan sistematic dan random
Jika kesalahan dipengaruhi oleh kesalahan sistematik (+ x) dan kesalahan
random (+ y) terdapat beberapa cara untuk mengekspresikan kedua
kesalahan tersebut
 Kesalahan total merupakan jumlah kesalahan sistematik dan kesalahan random sbb :

  )

 Kesalahan total merupakan kecenderungan kesalahan maksimum (likely maximum error) dari
kesalahan sistematik2dan kesalahan
2 random, yang diekspresikan sbb :
 𝑒𝑟𝑟𝑜𝑟= √ 𝑥 + 𝑦

 Standar ANSI dan ASME mengikuti ketentuan likely maximum error dengan pertimbangan
bahwa kesalahan sistematik dan kesalahan random tidak saling bergantungan (independent)
sehingga tidak ada kecenderungan maksimum/minimum kesalahan sistematik dan kesalahan
error terjadi pada satu saat bersamaan
Penggabungan (Aggregation)
Kesalahan Pengukuran
Penggabungan kesalahan dari Pengukuran Terpisah
Kesalahan (error) Pada Penjumlahan (Sum)
jika terdapat data pengukuran yang terpisah yaitu y + ay dan z + bz akan dijumlahkan
maka hasil penjumlahan dan kesalahan yang terjadi yang terjadi dapat dinyatakan
dalam berbagai cara :
 Cara 1 : biasa
Smax = (y + ay )+ (z + bz ) dan Smin = (y - ay )+ (z - bz ) atau
S = (y + z) + (ay + bz)
cara 1 tidak nyaman untuk menyatakan error dalam bentuk pecahan/prosentase dari S
 Cara 2 : kesalahan likely max. Error
 
𝑒𝑟𝑟𝑜𝑟 (𝑒 )=√ ( 𝑎𝑦)2 +(𝑏𝑧 )2
S = (y + z) + e atau S = (y + z)(1 + f ) dimana f = e/(y + z)
cara kedua dapat digunakan jika pengukuran kedua data tsb. independent
Contoh : Sebuah rangkaian untuk mendapatkan nilai resistansi 550  dilakukan dengan
menserikan dua resistor bernilai 220  dan 330  dengan toleransi + 2%
Penggabungan (Aggregation)
Kesalahan Pengukuran
Penggabungan kesalahan dari Pengukuran Terpisah
Kesalahan (error) Pada Pengurangan (difference)
jika terdapat data pengukuran yang terpisah yaitu y + ay dan z + bz akan dikurangi
maka hasil pengurangan dan kesalahan nilai yang terjadi yang terjadi dapat dinyatakan
dengan (sesuai dengan cara 2 pada penjumlahan yl. Dengan asumsi dua data tersebut
tidak saling berkorelasi atau independent) :
S = (y - z) + e atau S = (y - z)(1 + f ) dimana f = e/(y - z)
dengan e (sama dengan pada penjumlahan yang lalu)
2 2
 
𝑒𝑟𝑟𝑜𝑟 (𝑒 )= √ ( 𝑎𝑦) +(𝑏𝑧 )
Contoh : Kecepatan alir fluida dilakukan dengan mengukur selisih tekanan pada dua sisi
dari orifice-plate. Jika tekanan masing-masing sisi adalah 10 Bar dan 9,5 Bar dengan
masing kesalahan pengukuran adalah + 0,1%. Nilai dan e dan f dapat dihitung sbb :

Sdiff = 0,5 + 2,8% (error menjadi relatif besar karena ada proses pengurangan)
Penggabungan (Aggregation)
Kesalahan Pengukuran
Penggabungan kesalahan dari Pengukuran Terpisah
Kesalahan (error) Pada Perkalian (product)
jika terdapat data pengukuran yaitu y + ay dan z + bz [ ay dan bz merupakan bilangan
pecahan atau prosentase dari y dan z, bukan nilai absolut] akan dikalikan maka hasil
perkalian dan kesalahan nilai yang terjadi dapat dinyatakan dengan :

Untuk kesalahan 1 – 2 % term aybz dapat diabaikan, sehingga :

dan
Kesalahan Maksimum (e) : + (ay + bz)
Jika kedua data tidak saling berkorelasi atau independent, lebih baik secara statistik
kesalahan tersebut dinyatakan sebagai :
 
𝑒𝑟𝑟𝑜𝑟 (𝑒 )=√ 𝑎 2+𝑏 2
Contoh : Kesalahan perhitungan Daya dari listrik yang merupakan perkalian antara Arus
dan Tegangan,yang masing2 memiliki kesalahan + 1% dan +2% adalah :
Penggabungan (Aggregation)
Kesalahan Pengukuran
Penggabungan kesalahan dari Pengukuran Terpisah
Kesalahan (error) Pada Pembagian (quotient)
jika terdapat data pengukuran yaitu y + ay dan z + bz [ ay dan bz merupakan bilangan
pecahan atau prosentase dari y dan z, bukan nilai absolut] akan dibagi satu sama lain
maka hasil pembagian dan kesalahan nilai yang terjadi dapat dinyatakan dengan :

Untuk ay << 1 dan bz << 1 maka aybz dan b2z2 dapat diabaikan, sehingga :

Dg. Dmk kesalahan maksimum dari pembagian adalah : + (ay + bz)

Namun dg alasan yg spt sebelumnya, jika kedua data tidak saling berkorelasi atau
independent, lebih baik secara statistik kesalahan tersebut dinyatakan dalam bentuk :

 
𝑒𝑟𝑟𝑜𝑟 (𝑒 )=√ 𝑎 2+𝑏 2
Contoh : Berat jenis bahan yang dihitung dari massa dan volume beban yang masing2
memiliki kesalahan + 2% dan +3% adalah :
Penggabungan (Aggregation)
Kesalahan Pengukuran
Kesalahan Total dari Kombinasi Berbagai Pengukuran
Seringkali diperlukan sejumlah pengukuran pada variabel berbeda diperlukan untuk
menghasilkan sebuah nilai pengukuran melalui proses aritmatika. Sebagai contoh berat
jenis sebuah benda padat berbentuk kubus dapat dihitung dengan mengukur massa
dibagi dengan ukuran panjang, lebar dan tinggi kubus. Kesalahan yang terlibat dalam
tahapan pengolahan aritmatikanya akan kumulatif. Pada contoh ini, kesalahan total
akibat 2 kali tahapan perkalian (untuk mendapatkan volume) dijumlahkan, kemudian
dilakukan perhitungan total kesalahan dengan pada saat proses pembagian antara
massa dan volume (untuk mendapatkan berat jenis) dengan menjumlah kesalahan
sebelumnya dengan kesalahan dari massa
Sebagai contoh diketahui panjang (a), lebar (b), tinggi (c) dan massa (m) kubus adalah
sbb :
Solusi unttuk menghitung Volume adalah sbb :
Chap 4 : Kalibrasi Sensor dan Instrumen

Mahasiswa mampu :
1. Menjelaskan prinsip-prinsip kalibrasi
Chap 4 : Kalibrasi Sensor dan Instrumen
Prinsip Kalibrasi
Kalibrasi merupakan proses membandingkan output (pembacaan) dari
instrumen atau sensor terhadap output dari instrumen yang
akurasinya diketahui untuk pengukuran input variabel (measurand)
yang sama. Proses ini dilakukan pada kisaran input yang melingkup
semua kisaran pengukuran dari instrumen/sensor
Tujuan Kalibrasi adalah menjamin bahwa akurasi pengukuran dari
instrumen/sensor diketahui di seluruh kisaran pengukuran dengan
syarat bahwa instrumen/sensor yang dikalibrasi tersebut digunakan
pada kondisi lingkungan yang sama pada saat dikalibrasi
Instrumen yang digunakan sebagai alat pengkalibrasi harus memiliki
akurasi yang lebih tinggi yang memang melekat (inherent) dalam alat
pengkalibrasi tersebut. Alat pengkalibrasi biasa tidak cocok digunakan
sebagai alat ukur untuk pengukuran biasa/normal/sehari-hari yang
biasanya memerlukan persyaratan tambahan lainnya (rugged, anti
shock, Water-proof dlsb.)
Pada umumnya alat pengkalibrasi berupa instrumen bertipe null-type
dengan akurasi tinggi dimana kebutuhan operator manusia (manual)
tidak masalah dalam situasi ini
Chap 4 : Kalibrasi Sensor dan Instrumen
Prinsip Kalibrasi
Proses kalibrasi dilakukan secara berulang pada interval pengulangan
yang telah ditentukan sebelumnya, karena karakteristik instrumen
berubah sepanjang perioda, yang disebabkan karena pengaruh
keausan (wear) mekanik, kotoran/debu/asap (dirt/dust/fumes) kimia
(chemical), suhu dalam lingkungan pengoperasian
Kerentanan terhadap berbagai faktor yang dapat menyebabkan
perubahan karakteristik instrumen bervariasi sesuai dengan jenis
perangkat yang yang ada di dalamnya .
Memiliki pengetahuan yang mendalam tentang sifat fisik, mekanik,
fluida, panas dan fitur lain yang terlibat dalam sangat diperlukan agar
dapat mengukur pengaruh akurasi dan karakteristik lain dari instrumen
.
Chap 4 : Kalibrasi Sensor dan Instrumen
Pengendalian Terhadap Lingkungan Kalibrasi
Setiap instrumen yang digunakan sebagai standar dalam kalibrasi
harus diperlakukan hanya untuk tugas kalibrasi dan tidak boleh
digunakan untuk tujuan lain dan tidak boleh dianggap sebagai
instrumen cadangan yang dapat digunakan untuk proses pengukuran
biasa/normal.
Untuk memastikan bahwa kondisi ini terpenuhi, perlu dibentuk
organisasi yang khusus mengelola fungsi dan prosedur dalam kalibrasi
secara profesional dan dalam ruang terpisah agar lingkungan dapat
lebih mudah dikendalikan, melindungi penggunaan alat oleh orang-
orang yang tidak kompeten dan seseorang yang bertanggung jawab
untuk penugasan kalibrasi
Kadang-kadang terlalu sulit/tidak mungkin instrumen pada pabrik
dapat dibawa ke tempat pengkalibrasi dalam hal proses kalibrasi
dilakukan di lapangan(in situ) . Dalam situasi ini, perlu ada koreksi
terhadap alat pengkalibrasi mengingat kondisi lingkungan yang
berbeda dari yang ditentukan
Chap 4 : Kalibrasi Sensor dan Instrumen
Pengendalian Terhadap Lingkungan Kalibrasi
Setiap instrumen yang digunakan sebagai standar dalam kalibrasi
harus diperlakukan hanya untuk tugas kalibrasi dan tidak boleh
digunakan untuk tujuan lain dan tidak boleh dianggap sebagai
instrumen cadangan yang dapat digunakan untuk proses pengukuran
biasa/normal.
Untuk memastikan bahwa kondisi ini terpenuhi, perlu dibentuk
organisasi yang khusus mengelola fungsi dan prosedur dalam kalibrasi
secara profesional dan dalam ruang terpisah agar lingkungan dapat
lebih mudah dikendalikan, melindungi penggunaan alat oleh orang-
orang yang tidak kompeten dan seseorang yang bertanggung jawab
untuk penugasan kalibrasi
Kadang-kadang terlalu sulit/tidak mungkin instrumen pada pabrik
dapat dibawa ke tempat pengkalibrasi dalam hal proses kalibrasi
dilakukan di lapangan(in situ) . Dalam situasi ini, perlu ada koreksi
terhadap alat pengkalibrasi mengingat kondisi lingkungan yang
berbeda dari yang ditentukan
Chap 4 : Kalibrasi Sensor dan Instrumen
Pengendalian Terhadap Lingkungan Kalibrasi
Prosedur kalibrasi yang berhubungan dengan cara apapun untuk
pengukuran yang digunakan untuk fungsi kendali kualitas diatur oleh
standar internasional ISO 9000 (dikembangkan dari standar kualitas
kalibrasi dari Inggris BS 5750). Salah satu klausul dalam ISO 9000
mensyaratkan bahwa semua orang yang menggunakan peralatan
kalibrasi perlu dilatih secara memadai
Chap 4 : Kalibrasi Sensor dan Instrumen
Rantai Kalibrasi dan Ketelusuran (traceability)
Fasilitas kalibrasi yang disediakan oleh internal perusahaan
merupakan link pertama dalam rantai kalibrasi . Instrumen yang
digunakan untuk kalibrasi ini tingkat dikenal sebagai Instrumen
standar kerja (working standars).
Namun, dalam jangka panjang , karakteristik bahkan standar dari
Instrumen standar kerja akan mengalami penyimpangan (drift),
terutama karena efek penuaan pada komponen di dalamnya . Oleh
karena itu, Instrumen standar kerja perlu dikalibrasi terhadap
Instrumen pengkalibrasi dengan akurasi yang lebih tinggi yang disebut
dengan Instrumen standar referensi sekunder
Instrumen standar referensi sekunder memiliki performansi kestabilan
dan akurasi yang tinggi dengan persyaratan kondisi lingkungan (suhu,
tekanan, kelembaban, tekanan dlsb) yang ketat pada saat melakukan
kalibrasi terhadap instrumen (Working Standar Instrument). Instrumen
Standar referensi sekunder ini berharga sangat mahal.
Chap 4 : Kalibrasi Sensor dan Instrumen
Rantai Kalibrasi dan Ketelusuran (traceability)
Ketika instrumen standar kerja telah dikalibrasi oleh standar resmi
laboratorium (Instrumen standar referensi sekunder), sertifikat
kalibrasi akan dikeluarkan.
Sertifikat ini akan berisi setidaknya informasi berikut :
1) identifikasi peralatan yang dikalibrasi
2) Perolehan hasil kalibrasi (akurasi, resolusi dll.)
3) ketidakpastian pengukura
4) pembatasan penggunaanperalatan dikalibrasi
5) tanggal kalibrasi
6) otoritas di mana sertifikat dikeluarkan .
Pada umumnya setiap Negara memiliki Organisasi/Badan yang
menangani Kalibrasi secara umum, misalnya di Indonesia terdapat
Badan Standarisasi Nasional. Namun Pada Perangkat yang sifatnya
untuk transaksi (Custody-meter) ditangani oleh Direktorat Metrologi,
Kementerian Perdagangan, sebagai Contoh Direktorat Metrologi di
Bandung menangani khusus untuk Alat Ukur Gas (Gas-Meter)
Chap 4 : Kalibrasi Sensor dan Instrumen
Rantai Kalibrasi dan Ketelusuran (traceability)
Chap 4 : Kalibrasi Sensor dan Instrumen
Rekaman (record) Kalibrasi
Elemen penting dalam peawatan sistem pengukuran dan operasi dari
prosedur kalibrasi adalah penyediaan Dokumentasi yang penuh dari
peralatan yang akan dikalibrasi tersebut. Dokumen ini penting yang
karena menjadi bagian dari kualitas alat ukur tersebut
Dokumentasi ini harus menyediakan deskripsi cara pengukuran sampai
diletakkan di dalam sistem pengukurannya, penggunaan instrumen,
sistem kalibrasinya dan cara pengoperasiannya
Semua aspek prosedur kalibrasi akan diperhatikan yang menjadi
bagian dari audit periodik dari kendali kualitas peralatan tersebut
Chap 4 : Kalibrasi Sensor dan Instrumen
Rekaman (record) Kalibrasi