KIMIA ANALISIS

MAKALAH KIMIA ANALISIS

PENGOLAHAN DATA ANALISIS

PROGRAM STUDI S1 FARMASI

STIKES KARYA PUTRA BANGSA

TULUNGAGUNG

TAHUN AJARAN 2015

KATA PENGANTAR

Puji syukur penulis panjatkan ke hadirat Tuhan Yang Maha Esa yang telah memberikan limpahan rahmat dan karunia-Nya sehingga penulis dapat menyelesaikan penyusunan makalah yang beerjudul “Pengolahan Data Analisis” tepat pada waktunya. Shalawat beserta salam semoga senantiasa terlimpah curahkan kepada Nabi Muhammad SAW.

Adapun maksud penyusunan makalah ini untuk memenuhi tugas mata kuliah Kimia Analisis. Penyusun telah berusaha semaksimal mungkin dalam penyusunan makalah ini dengan memberikan gambaran secara deskriptif agar mudah di pahami.

Penyusun meyadari bahwa makalah ini masih jauh dari sempurna. Hal ini semata-mata karena keterbatasan kemampuan penyusun sendiri. Oleh karena itu, sangatlah penyusun harapkan saran dan kritik yang positif dan membangun dari semua pihak agar makalah ini menjadi lebih baik dan bermanfaat di masa yang akan datang.

Tulungagung, 16 Oktober 2015

Penyusun

DARTAR ISI

HALAMAN JUDUL............................................................................................... i

KATA PENGANTAR............................................................................................ ii

DAFTAR ISI............................................................................................................ iii

BAB I PENDAHULUAN

1.1 Latar Belakang..................................................................................................... 1

1.2 Tujuan.................................................................................................................. 2

BAB II ISI

2.1 Pengertian Pengolahan Data............................................................................... 3

2.2 Tujuan dan Manfaat Pengolahan Data Analisis.................................................. 3

2.3 Tahapan Analisa.................................................................................................. 4

2.4 Kesalahan yang Terdapat Di Dalam Analisis...................................................... 6

2.5 Faktor-faktor yang Berpengaruh Terhadap Analisis........................................... 7

2.6 Cara Memperkecil Kesalahan.............................................................................. 8

2.7 Ketepatan dan Ketelitian.................................................................................... 8

2.8 Cara Menuliskan Hasil dan Penolakan Hasil Analisis......................................... 10

2.9 Galat/Error. Akurasi/Presisi, Angka Bermakna................................................... 13

2.10 Analisis Statistik................................................................................................ 18

BAB III PENUTUP

3.1 Kesimpulan......................................................................................................... 23

3.2 Saran................................................................................................................... 23

DAFTAR PUSTAKA............................................................................................. 24

BAB I

PENDAHULUAN

1.1 Latar Belakang

Penelitian merupakan kegiatan yang terencana untk mencari jawaban yang obyetif atas permasalahan manusia melalui prosedur ilmiah. Untuk itu didalam suatu penelitian dibutuhkan suatu proses analisis data yang berguna untuk menganalisis data-data yang telah terkumpul.

Pada sebuah eksperimen akan dilakukan pengamatan, pengukuran, pencatatan data dalam bentuk yang teratur, diikuti dengan analisa data dan diakhiri dengan mengambil kesimpulan. Tujuan utama dari kerja laboratorium adalah memberikan dasar dalam ilmu eksperimen sehingga pada akhirnya mahasiswa dapat melakukan penelitian yang dapat dilakukan sendiri.

Pengolahan data mempunyai peranan yang sangat penting untuk menganalisis suatu penelitian. Dengan melakukan pengolahan data, kita dapat mengambil informasi asli (data) dan darinya menghasilkan informasi lain dalam bentuk yang berguna (hasil).

Oleh karena itu dalam makalah ini akan dibahas mengenai tujuan dan manfaat pengolahan data analisis, kesalahan dalam analisis, faktor-faktor yang berpengaruh didalam analisis, cara memperkecil kesalahan, ketepatan dan ketelitian, cara menuliskan hasil dan penolakan hasil, galat/error, akurasi/presisi, angka bermakna dan analisis statistik.

1.2 Tujuan

Mengetahui tujuan dan manfaat pengolahan data analisis, kesalahan dalam analisis, faktor-faktor yang berpengaruh didalam analisis, cara memperkecil kesalahan, ketepatan dan ketelitian, cara menuliskan hasil dan penolakan hasil, galat/error, akurasi/presisi, angka bermakna dan analisis statistik.

BAB II

ISI

2.1 Pengertian Pengolahan Data

Data berasal dari kata “datum” yang berarti fakta atau bagian dari fakta yang mengandung arti yang dihubungkan dengan kenyataan yang dapat digambarkan dengan simbol, angka, huruf dan sebagainya. Data menurut Drs. Jhon J. Longkutoy (1996) mengatakan bahwa “Data adalah suatu istilah majemuk dari fakta yang mengandung arti yang dihubungkan dengan kenyataan, simbol, gambar, angka, huruf yang menunjukkan suatu ide, objek, kondisi atau situasi dan lainnya”.

Pengolahan data adalah segala macam pengolahan terhadap data atau kombinasi-kombinasi dari berbagai macam pengolahan terhadap data untuk membuat data itu berguna sesuai dengan hasil yang diinginkan dapat segera dipakai. Menurut Jogiyanto H. M. “Pengolahan data adalah manifulasi dari data kedalam bentuk yang lebih berguna berarti.

2.2 Tujuan dan Manfaat Pengolahan Data Analisis

Analisis data dapat diartikan sebagai cara melaksanakan analisis terhadap data, dengan tujuan mengolah data tersebut menjadi informasi, sehingga karakteristik atau sifat-sifat datanya dapat dengan mudah dipahami dan bermanfaat untuk menjawab masalah-masalah yang berkaitan dengan kegiatan penelitian, baik berkaitan dengan deskripsi data maupun untuk membuat induksi, atau menarik kesimpulan tentang karakteristik populasi (parameter) berdasarkan data yang diperoleh dari sampel (statistik).

a. Mendeskripsikan data, biasanya dalam bentuk frekuensi, ukuran tendensi sentral maupun ukuran dispersi, sehingga dapat dipahami karakteristik datanya. Dalam statistika, kegiatan mendeskripsikan data ini dibahas pada statistika deskriptif.

b. Membuat induksi atau menarik kesimpulan tentang karakteristik populasi, atau karakteristik populasi berdasarkan data yang diperoleh dari sampel (statistik). Kesimpulan yang diambil ini bisanya dibuat berdasarkan pendugaan (estimasi) dan pengujian hipotesis. Dalam statistika, kegiatan membuat induksi atau menarik kesimpulan tentang karakteristik populasi atau sampel ini dibahas pada statistika inferensial.

2.3 Tahapan Analisa

Dalam analisis kuantitatif terdapat empat tahap utama analisis yaitu:

a. Sampling

Sampling dimaksudkan untuk memilih contoh yang dapat menggambarkan materikeseluruhan yang sebenarnya. Meskipun seorang analis sering langsungmemperoleh analat yang sudah dalam ukuran laboratorium, hendaknya jugadisadari bahwa informasi tentang bagaimana sampling dilakukan merupakan halyang penting karena akan berkaitan dengan interpretasi data yang akan dilakukan. Sampling yang dilakukan tergantung pada contoh yang akan diambil, misalnya sampling untuk menentukan polutan lingkungan yang terdapat di air, udara dan tanah, sampling bahan industri, bahan makanan, barang tambang, sampling contoh yang bergerak dan sebagainya. Ada banyak teknik sampling yang dapat digunakan tergantung keadaan contoh yang akan diambil.

b. Pengubahan analit ke dalam bentuk yang sesuai dengan pengukuran

Pengubahan analit ke dalam bentuk yang sesuai dengan pengukuran umumnyadengan melarutkan contoh. Kebanyakan contoh yang dianalisis larut dalam air. Akan tetapi tidak sedikit zat-zat yang terdapat di alam tidak larut dalam air. Dua cara yang paling umum untuk melarutkan contoh adalah:

1. Dengan asam-asam klorida, nitrat, sulfat atau perklorat

2. Dengan zat pelebur asam atau basa yang diikuti dengan perlakuan air atau asam

Sebelum melakukan pengukuran maka faktor interferensi atau pengganggu harus dihilangkan terlebih dulu. Faktor ini dapat dihilangkan dengan berbagai cara misalnya dengan mengkompleks zat pengganggu, mengendapkan, menguapkan, mengekstraksi, atau pun dengan melakukan elektrolisa dan kromatografi.

c. Pengukuran

Berbagai sifat fisika dan kimia dapat digunakan untuk melakukan pengukuran.Teknik pengukuran yang digunakan dapat dilakukan dengan cara klasik yang berdasarkan reaksi kimia atau dengan cara instrumen yang berdasarkan sifat fisikokimia.

d. Perhitungan dan interpretasi data

Langkah terakhir dalam tahapan analisis dikatakan selesai bila hasil analisis telah dinyatakan sedemikian rupa sehingga dapat dipahami oleh si peminta analisis. Umumnya kadar analat dinyatakan dengan perhitungan persen. Seperti pada volumetri dan gravimetri perhitungan persen diperoleh dari hubungan stoikiometri sederhana berdasarkan reaksi kimianya, sedangkan dalam cara spektroskopi diperoleh dari hubungan absorban dan konsentrasi analat dalam larutan. Cara-cara statistik biasanya digunakan untuk menginterpretasi data yang diperoleh.

2.4 Kesalahan yang Terdapat Di Dalam Analisis

Menurut Gandjar dan Rohman (2007) istilah kesalahan didasarkan pada perbedaan antara hasil pengukuran (nilai perhitungan) dengan nilai sebenarnya. Nilai sebenarnya dai suatu kuantitas yang diukur merupakan sesuatu yang tidak pernah kita ketahui secara pasti.

Meskipun demikian, seorang kimiawan analisis akan menerima suatu nilai yang sebenarnya (true value), jika nilai tersebut mempunyai ketidakpastian yang paling kecil diantara nilai-nilai lain dari suatu pengukuran kuantitas (Gandjar dan Rohman, 2007).

Pada dasarnya pengukuran dalam analisis kimia selalu mengandung kesalahan. Semakin banyak langkah dalam melakukan tahapan analisis, maka kesalahan yang terjadi semakin besar. Ada 3 macam kesalahan dalam analisis kimia yaitu (1) kesalahan gamblang (gross error), (2) kesalahan acak (random error), dan (3) kesalahan sistematik (systematic error) (Gandjar dan Rohman, 2007).

1. Kesalahan Gamblang

Kesalahan gamblang merupakan kesalahan yang sudah jelas karena melibatkan kesalahan yang besar, akibatnya kita harus memutuskan untuk mengabaikan percobaan yang telah kita lakukan dan memulainya dari awal lagi secara menyeluruh. Contoh kesalahan gamblang adalah sampel tumpah; pereaksi yang akan digunakan tercemar; larutan yang dipersiapkan salah; dan alat yang digunakan rusak (Gandjar dan Rohman, 2007).

2. Kesalahan Acak

Kesalahan acak atau disebut juga kesalahan yang tidak tergantung (indeterminate error) merupakan kesalahan yang nilainya tidak dapat diramalkan dan tidak ada aturan yang mengaturnya serta nilai berfluktuasi. Adanya kesalahan acak akan berpengaruh pada ketepatan (presisi).

Kesalahan acak merupakan jenis kesalahan yang selalu terjadi dalam analisis sebagai akibat adanya sedikit variasi yang tidak dapat ditentukan (dikontrol) dalam pelaksanaan prosedur analisis (Gandjar dan Rohman, 2007).

3. Kesalahan Sistematik

Kesalahan sistemik merupakan kesalahan yang mempunyai nilai definitive (nilai tertenttu). Hasil analisis yang mengandung kesalahan ini dapat mengarah kea rah yang lebih kecil atau kea rah yang lebih besar dari rata-rata.

Kesalahan sistemik bersifat ajeg (konstan) dan berhubungan dengan ketelitian (akurasi) hasil analisis. Kesalahan jenis ini mengakibatkan penyimpangan tertentu dari rata-rata (mean).

Adanya kesalahan sistematik, kadang-kadang menyebabkan rata-rata yang didapat menyimpang agak besar dari nilai mutlak sebenarnya. Walaupun kesalahan ini tidak mungkin dihindari secara mutlak, tetapi dengan cara tertentu dapat diperkecil sehingga hasil yang diperoleh tidak terlalu menyimpang dari nilai sebenarnya.

2.5 Faktor-faktor yang Berpengaruh Terhadap Analisis

Ada beberapa faktor yang mempengaruhi kesalahan sistematik antara lain (Gandjar dan Rohman, 2007):

a. Kesalahan personil dan operasi

Kesalahan ini disebabkan oleh cara pelaksanaan analisis dari analis (personil) dan bukan karena metode. Kesalahan operasi pada umumnya bersifat fisik (bukan khemis), misalnya kurangnya endapan akibat kekeliruan cara pencucian.

b. Kesalahan alat dan pereaksi

Kesalahan ini dapat disebabkan oleh pereaksi yang kurang murni, alat yang kurang valid atau pemakaian alat yang kurang tepat walaupun alatnya sendiri baik.

c. Kesalahan metode

Kesalahan metode dapat disebabkan kesalahan pengambilan sampel dan kesalahan akibat reaksi kimia yang tidak sempurna.

2.6 Cara Memperkecil Kesalahan

Menurut Gandjar dan Rohman, (2007), untuk memprkecil kesalahan sistematik dapat dilakukan beberapa cara, antara lain:

1. Kalibrasi (peneraan) alat yang dipakai

Cara ini dimaksudkan untuk memperkecil kesalahan alat.

2. Dilakukan penetapan blanko

Di sini dilakukan pekerjaan seperti pada percobaan sebenarnya, tetapi dengan tidak menggunakan sampel yang diselidiki.

2.7 Ketepatan Dan Ketelitian

Ketepatan dan ketelitian merupakan sala satu persyaratanyang mendasar dalam suatu analisis. Hasil yang tepat akan mempunyai selisih yang kecil antara masing-masing hasil dalam suatu seri analisis(penetapan kadar). Dengan kata lain, suatu asil dikatakan tepat apabila penyebaran (dispersi) hassil dalam satu seri penetapan kecil. Dalam al ini dapat dikemukakan 4 macam ukiran ketepatan, yaitu :

a. Kisaran (Range)

Kisaran merupakan selisih hasil penetapan yang paling besar dengan yang paling kecil. Semakin kecil selisihnya berarti hasilnya semakin tepat.

b. Deviasi rata-rata (mean deviation)

Deviasi rata-rata (d) merupakan deviasi masing-masing hasil penetapan terhadap rata-rata, dengan tidak memperhhatikan tanda deviasinya (positif atau negatif).

c. Standart Deviasi

Standar deviasi merupakan akar umlah kuadrat deviasi masing-masing hasil penetapan teradap mean dibagi dengan derajat kebebasan (degrees of freedom).

Dengan rumus, SD dapat dinyatakan :

Standar deviasi (SD) lebih banyak digunakan sebagai ukuran kuantitatif ketepatan atau ukuran presisi, terutama apabila dibutuhkan untuk membandingkan ketepatan suatu hasil (metode) dengan hasil (metode) lain. Semakin kecil nilsi SD dari serangkaian pengukuran, maka metode yang digunakan semakin tepat.

d. Standar deviasi relatif (RSD)

Standar deviasi relatif (relative standar deiation, RSD) yang juga dikenal dengan koevisien variasi (cv) merupakan ukuran ketepatan relatif dan umumnya diinyatakan dalam persen. RSD dirumuskan dengan persamaaan :

Semakin kecil nilai RSD dari serangkaian pengukuran maka metode yang digunakan semakin tepat.

2.8 Cara Menuliskan Hasil Dan Penolakan Hasil Analisis

Menurut Gandjar dan Rohman (2007), penulisan angka hasil pengukuran atau hasil analisis pada hakikatnya berkaitan dengan ketelitian alat yang digunakan. Kalau misalnya suatu hasil penimbangan dituliskan dengan 1,0 g dan 1,0000 g, ini berarti bahwa ketelitian penimbangan yang pertama hanya sampai 0,1 g. Di sini angka nol merupakan angka yang tidak tentu (uncertain number). Jika penulisan dilakukan dengan 1,0000, hal ini menunjukkan bahwa penimbangan dilakukan dengan neraca yang mempunyai ketelitian 0,1 mg dan hanya angka nol terakhir yang merupakan angka yang tidak tentu. Hasil penimbangan ini hanya dapat diperoleh jika menggunakan neraca analitik.

Penulisan hasil pembacaan buret makro dengan skala terkecil 0,1 ml seharusnya dituliskan dengan dua decimal misalnya 12,50 ml bukan 12,5 ml; sebab penulisan 12,5 berarti angka 5 belum pasti sehingga dapat diartikan volume titran terletak antara 12,4 ml sampai 12,6 ml, padahal angka 5 yang menyatakan 0,5 ml dapat dibaca dengan pasti. Apabila pembagian skala buret terkecil 0,01 ml (pada buret mikro), maka penulisan hasil pembacaan buret harus dinyatakan dengan dengan tiga decimal misalnya 2,530 ml, dan bukan 2,53 ml sebab angka 3 dalam hal ini sudah pasti (Gandjar dan Rohman, 2007).

Dalam menuliskan hasil rata-rata pembacaan buret, banyaknya desimal disesuaikan dengan banyaknya desimal pada masing-masing pembacaan. Misalnya dari pembacaan buret diperoleh: 32,52 ml; 32,54 ml; 32,54 ml; dan 32,55 ml. Kalau dihitung rata-ratanya = 32,538 tidaklah tepat, sebab dengan penulisan tesebut berarti harga nagka 3 (angka kedua setelah koma) sendiri harganya tidak tentu (hanya merupakan perkiraan). Oleh karena itu mean seharusnya dituliskan 32,54 ml, tetapi kalau diperlukan untuk perhitungan lebih lanjut (perkalian, pembagian dan sebagainya) dapat dipergunakan 32,538.

Secara umum, pada penulisan ppengukuran hanya terdapat satu angka yang harganya tak tentu yaitu angka terakhir. Banyaknya desimal hasil penjumlahan atau pengurangan sama dengan faktor penjumlahan yang mengandung desimal paling sedikit. Contoh: 12,4 + 121,502 + 3,6653 = 137, 5673. Hasil akhir cukup dituliskan 137,57 (Gandjar dan Rohman, 2007).

Apabila pada penulisan hasil akhir diperlukan pembulatan angka desimal, maka angka desimal 5 atau lebih dibulatkan ke atas, ssedangkan angka desimal kurang dari 5 dibulatkan ke bawah (Gandjar dan Rohman, 2007).

Terkadang seseorang yang melakukan pengukuran dihadapkan dengan satu hasil dalam satu set replika , dimana hasil ini kelihatannya jauh berbeda dengan hasil yang lainnya, dan orang itu harus memutuskan untuk menyingkirkan hasil ini dari perhitungan selanjutnya. Masalah ini ditemukan dalam kuliah awal kimia analitik dan belakangan dalam praktik laboratorium kimia fisika , dan bahkan dalam penelitian selanjutnya, meskipun frekuensinya sudah lumayan menyusut seiring dengan kemauan mahasiwsa.sudah menadi kesepakatan dalam praktik ilmu pengetahuan bahwa pengukuran akan secara otomatis ditolak apabila diketahui ada galat yang terjadi; ini adalah suatu kepastian yang tidak akan kita hiraukan disini. Harus dicatat bahwa adalah keliru (namun manusiawi) untuk menolak hasil yang diketahui mengandung galat terdeteksi, apabila hasil tersebut hanya muncul sesekali saja. Satu-satunya jalan untuk mencegah masuknya bias pengukuran yang tidak disadari adalah dengan menolak setiap hasi dimana diketahui bahwa galat telah terjadi, tanpa memperdulikan kesepakatan dengan yang lainnya. Problem yang harus kita tanyakan pada diri kita sendiri adalah; bagaimana kita dapat memutuskan untuk menolak sebuah hasil yang terlihat ganjil kalau kelihatannya tidak ada alasan untuk memcurigainya ?

Apabila jimlah dari nilai replika besar , pertanyaan untuk menolak suatu hasil tidaklah penting; pertama , nilai tunggal hanya mempunyai dampak yang kecil terhadap rata-rata, yang kedua, pertimbangan statistik memberikan sebuah jawaban yang elas tentang probabilitas bahwa hasil yang mencurigakan adalah anggota dari populasi yang sama seperti yang lainnya. Dengan kata lain, akan muncul dilema ketika umlah replika hanya sedikit : hasil yang divergen menyebabkan dampak yang signifikan terhadap rata-rata, sementara jumlah data yang tidak mencukupi dilakukannya analisis statistik real dari hasil yang mencurigakan (Day and Underwood, 2002).

Berbagai rekombinasi yang dipublikasikan oleh beragam penulis mengarah ke suatu kesimpulan baha pertanyaan mengenai penolakan atau penerimaan suatu nilai yang divergen dari suatu sampel kecil sama sama sekali tidak dapat dijaab secara memuaskan. Beberapa kriteria yang direkomendasikan secara lebih luas untuk penolakan dijabarkan dibawah ini, dan mahasiswa diacukan pada diskusi hebat oleh Blaedel dkk. Dan komentar-komentar singkat yang menarik dari laitinen dan Wilson (Day and Underwood, 2002).

Pertama-tama kita perlu memutuskan seberapa besar perbedaan (selisih) diantara hasil yang mencurigakan dengan data yang lain, sebelum suatu hasil ditolak; apabila perbedaan minimumnya ternyata terlalu kecil, maka data yang valid mungkin akan ditolak;halini disebut “galat jenis pertama”. Sebaliknya, apabila perbedaan minimum diset terlalu tinggi, akan terjadi “galat enis kedua” yaitu, terlalu banyak menyimpan nilai yang beresiko keliru. Rekomendasi yang berbeda-beda untuk kriteria penolakan mengarah “ke salah satu dari” kedua tipe galat ini, dimana beberapa mendekati yang satunya dan beberapa mendekati yang lainnya (Day and Underwood, 2002).

2.9 Galat/Error, Akurasi/Presisi, Angka Bermakna

2.9.1 Galat/Error

Menurut Day and Underwood (2002), istilah galat yang dipergunakan di sini didasarkan pada perbedaan numerik antara nilai yang dihitung dengan nilai yang sebenarnya. Nilai sebenarnya dari suatu kuantitas adalah sesuatu yang kita tidak pernah tahu secara pasti, meskipun ilmu-ilmuwan secara umum menerima suatu nilai sebenarnya sebagai nilai sebenarnya ketika dipercaya bahwa ketidakpastian dalam nilai tersebut lebih kecil dibandingkan dengan ketidakpastian dalam nilai lainnya, dengan mana nilai ini dibandingkan. Sebagai contoh, persentase komposisi dari sebuah sampel standar yang diakui oleh National Institute of Standards and Technology (NIST, dulunya The National Bureau of Standards) mungkin akan dianggap tepat dalam mengevaluasi sebuah metode analitik yang baru. Perbedaan antara nilai standar dengan hasil yang didapat dari metode yang baru nantinya akan dianggap sebagai galat.

Jenis-jenis galat menurut Day and Underwood (2002) :

1. Galat Pasti

Galat yang berasal dari penyebab yang pasti diistilahkan sebagai galat pasti atau galat sistematis. Galat pasti biasanya tidak mempunyai arah terhadap nilai yang sebenarnya, berbeda dengan galat tidak pasti, yang akan dibahas nanti, yaitu galat yang mengarah baik ke hasil yang tinggi maupun rendah dengan kemungkinan yang sama. Galat pasti biasanya terjadi berulang kali, dan dalam banyak kasus, galat ini dapat diperkirakan oleh seseorang yang mengetahui secara menyeluruh semua aspek dari perhitungan. Contoh-contoh dari sumber galat pasti di antaranya adalah instrument yang tidak dikalibrasi secara benar, seperti buret, timbangan atau PHmeter, pengotor dalam tabung reaksi, reaksi sampingan dalam suatu titrasi, dan pemanasan sampel pada suhu yang terlalu tinggi.

Galat pasti diklasifikasikan ke dalam galat metodik, operatif, dan instrumental, disesuaikan dengan asal-usulnya, yaitu: (a) metode analisis yang sekaligus mencerminkan sifat dari system kimiawi yang terlibat, (b) kekurangmampuan pelaku eksperimen, (c) ketidakmampua dari alat-alat pengukur untuk bekerja sesuai dengan standar yang diperlukan. Pada umumnya, sumber dari galat bisa berasal dari lebih dari satu kategori di atas. Sebagai contoh, beberapa galat mungkin akan selalu terjadi pada saat penimbangan sebuah bahan higroskopik, namun galat ini dapat bertambah bila analis mempunyai teknik penimbangan yang jelek. Lingkungan sekitar system pun bisa jadi ikut andil dalam mempengaruhi galat, misalnya, adanya dampak dari kelembapan terhadap galat dalam penimbangan bahan higroskopik (Day and Underwood, 2002).

Menurut Day and Underwood (2002), galat pasti dapat digolongkan sebagai konstan dan proporsional :

A. Galat Konstan

Galat constant tidak tergantung pada besarnya kuantitas yang diukur dan akan menjadi kurang signifikan apabila besarnya kuantitas bertambah. Sebagai contoh, jika galat konstan nilau akhir adalah 0,01 mL pada suatu rangkaian titrasi, hal ini menunjukkan galat relative sebesar 1% untuk contoh yang membutuhkan 10 mL titran, namun hanya 0,2% bila 50 mL titran yang dipergunakan.

B. Galat Proporsional

Nilai absolut dari tipe galat ini bervariasi sesuai ukuran sampel sedemikian rupa sehingga galat relatifnya bernilai tetap konstan. Sebuah substansi yang menggaggu dalam suatu metode analitik dapat menghasilkan galat jika substansi ini ada dalam sampel. Misalnya dalam penentuan iodometrik untuk suatu oksida seperti klorat, unsur oksidasi lain seperti bromat dapat menghasilkan nilai yang tinggi apabila kehadirannya tidak diperhitungkan dan tidak diperbaiki kemudian. Dengan mengambil sampel yang lebih besar, galat total bisa bertambah, namun galat relatif tetap konstan apabila dihasilkan dari sampel yang homogen.

2. Galat Tidak Pasti

Galat tidak pasti, seperti namanya, tidak dapat ditentukan apa penyebab pastinya dan tak dapat dihindarkan jika pengukuran dilakukan oleh manusia. Galat ini jarang ada secara alami dan mengarah ke hasil yang tinggi dan rendah dengan probabilitas yang sama. Galat ini tidak dapat dieliminasi atau dikoreksi karena merupakan keterbatasan final pada pengukuran tersebut. Galat tidak pasti dapat diolah secara statistic, dan pengukuran berulang kali dengan variable yang sama dapat mengurangi pengaruhnya (Day and Underwood, 2002).

Ilmuwan secara rutin mengulangi pengukuran beberapa kali dan memperbaikinya sampai pada titik di mana hanya kebetulan belaka apabila replica cocok dengan digit terahir yang disimpan. Cepat atau lambat, akan tercapai titik di mana faktor-faktor yang tidak dapat diprediksi dan dilihat muncul sebagai akibat fluktuasi acak dalam kuantitas yang diukur. Dalam beberapa kasus, dimungkinkan untuk menentukan variabel khas yang ada diluar control untuk membatasi kinerja dari instrumen; kebisingan dan penyimpangan dalam suatu rangkaian elektroik, vibrasi pada gedung akibat arus lalu lintas, variasi temperature, dan sebagainya. Seringkali ketidakmampuan mata untuk mendeteksi perubahan dalam membaca alat merupakan sumber dari galat. Bisa juga terjadi bahwa variasi yang bagi pengamat yang kurang teliti terlihat acak, bagi pengamat yang lebih cermat masih melihat teratur. Namun, bagaimanapun juga, akan tercapai suatu titik di mana siapapun, secermat apapun, akan mendapatkan galat acak yang tidak dapat dihindari lagi (Day and Underwood, 2002).

Adalah hal yang biasa untuk mengurangi galat tidak pasti dengan menggunakan pengukuran kasar terlebih dahulu. Setelah diurut ulang sampai pada titik di mana penyebaran data tidak terjadi lagi, seorang pengamat akan menghasilkan hasil yang sama setiap waktu, dan secara kasar hal ini sama baiknya dengan mencatat digit tambahan yang bervariasi dari satu waktu ke waktu yang berikutnya. Mekipun demikian, mundur dari tantangan untuk melakukan pengukuran yang seteliti mungkin tidak bisa diterima oleh para ilmuwan. Fakta membuktikan bahwa rata-rata dari sejumlah observasi yang baik dengan penyebaran acak ternyata lebih akurat dibandigkan dengan data kasar yang sesuai secara sempurna. Data-data yang menunjukkan penyebaran acak dapat diolah ke dalam suatu analisis yang melibatkan signifikansi digit yang terakhir tercatat.

2.8.2 Akurasi dan Presisi

Menurut Day and Underwood (2002) istilah akurasi dan presisi, yang sering dipergunakan secara sinonim dalam kehidupan sehari-hari, harus dibedakaan secara seksama dalam hubungannya dengan data ilmiah.

A. Akurasi

Hasil yang akurat adalah sesuatu yang disepakati sangat mendekati nilai yang sebenarnya dalam suatu pengukuran kuantitas. Perbandingan biasanya dibuat atas dasar pengukuran keakuratan terbaik dari akurasi, yaitu galat (semakin kecil galat, semakin besar keakuratan). Galat absolut 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 ditampilkan relative terhadap ukuran kuantitas yang diukur, misalnya, dalam persen atau bagian per seribu. Di sini, galat relatifnya adalah:

0,10 : 20,34 x 100 = 0,5%

B. Presisi

Istilah presisi mengacu kepada kesepakatan di dalam satu kelompok hasil eksperimen; kesepakatan ini tidak bedampak apa pun terhadap hubungannya dengan nilai yang sebenarnya. 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. Suatu galat pasti yang mengarah pada ketidakakuratan mungkin atau mungkin tetap konstan setelah melalui sejumlah pengukuran. Presisi ini biasanya dipergunaka untuk deviasi standar, deviasi rata-rata atau rentang. Istilah ini akan didedefinisikan nanti. Untuk galat, kepresisiannya dapat diwujudkan atas dasar absolute atau pun relatif (Day and Underwood, 2002).

2.8.3 Angka Bermakna (signifikan)

Angka bermakna (significant) adalah digit yang menunjukkan banyaknya kuantitas yaitu semua angka “pasti” ditambah satu angka “tidak pasti”. Angka nol merupakan angka bermakna, kecuali jika merupakan angka pertama dalam suatu bilangan.

2.10 Analisis Statistika

a. Rata-rata (Mean)

Rata-rata dari sejumlah pengukuran yang terbatas, sering disebut untuk membedakannya dengan µ. Perhitungan rata-rata secara sederhana merata-ratakan hasil individunya :

Rata-rata adalah ukuran yang sangat berguna untuk tendensi sentral. Dapat digambarkan bahwa rata-rata dari hasil n adalah kali lebih meyakinkan dibanding salah satu individu. Maka ada suatu diminishing return dari semakin banyaknya pengukuran replika yang dilakukan: rata-rata dari 4 buah hasil adalah dua kali lebih pasti dari sebuah hasil dalam pengukuran tendensi sentral; rata-rata dari 9 buah hasil adalah tiga kali lebih pasti; rata-rata dari 25 buah hasil adalah lima kali lebih pasti, dan seterusnya. Secara umum dikatakan bahwa tidak efisien untuk seorang pekerja yang cermat, yang memiliki kepresisian yang baik, untuk mengulangi pengukuran lebih dari sekali(Day dan Underwood, 2002).

b. Median

Median adalah nilai tengah yang didapat ketika hasil-hasil tersebut disusun menurut besarnya; untuk sejumlah hasil yang genap, median adalah nilai rata-rata dari2 buah nilai yang berada di tengah. Secara umum dikatakan, median adalah pengukuran yang lebih tidak efisien untuk tendensi pusat dibandingkan rata-rata, namun dalam kasus-kasus tertentu mungkin amat berguna, terutama bila kita berurusan dengan sampel yang sangat kecil (Day dan Underwood, 2002).

c. Rentang (Jangkauan)

Mengingat dua parameter, yaitu dan dibutuhkan untuk menentukan frekuensi distribusi, jelas bahwa dua populasi mungkin mempunyai tendensi sentral yang sama namun berbeda dalam “penyebaran” atau variabilitas (atau disperse, sebagaimana beberapa kalangan menyatakannya), seperti yang digambarkan dalam Gambar 2.3. untuk sejumlah nilai yang terbatas, pengukuran yang termudah untuk varian adalah dengan rentangnya, yaitu selisih antara nilai terbesar dan terendah (Day dan Underwood, 2002).

Seperti median, rentang ini kadang berguna dalam statistic untuk sampel yang kecil, namun secara umum dianggap pengukur variabilitas yang tidak efisien. Perhatikan bahwa satu hasil yang tidak lazim akan mempunyai dampak yang penuh terhadap rentang, padahal efek ini akan dihilangkan oleh semua hasil lainnya dalam pengukuran variabilitas yang lebih baik, perhatikan gambar (Day dan Underwood, 2002).

Gambar 2.3 Dua populasi dengan tendensi pusat yang sama, tetapi variabilitas berbeda.

d. Deviasi Rata-rata

Deviasi rata-rata dari mean (rata-rata) sering ditulis dalam makalah-makalah ilmiah sebagai ukuran untuk variabilitas, meskipun sangat tidak signifikan dari sudut pandang statistic, terutama untuk observasi dengan jumlah kecil. Untuk sekelompok data besar yang terdistribusi normal, deviasi rata-rata mendekati 0,8 . Untuk menghitung rata-rata atau deviasi rata-rata, cari selisih antara hasil individu dengan nilai rata-rata. tanpa menghiraukan tanda, dan tambahkan deviasi individu, lalu bagi dengan banyaknya hasil(Day dan Underwood, 2002).

Deviasi rata-rata =

e. Deviasi Rata-rata Relatif

Seringkali deviasi rata-rata dinyatakan relatif terhadap besarnya kuantitas yang diukur, misalnya, sebagai persentase:

Deviasi rata-rata relatif (%) =

Karena hasil analisis sering dinyatakan dalam persentase (mis: persentase besi dalam sampel bijih besi), mungkin membingungkan untuk melaporkan deviasi relatif dalam basis persentase, dan disarankan untuk menggunakan satuan per seribu (permil), alih-alih satuan persen (per seratus)(Day dan Underwood, 2002):

Deviasi rata-rata relatif (ppt) =

f. Deviasi Standar

Secara statistik deviasi standar lebih signifikan dibandingkan deviasi rata-rata. Simbol s dipergunakan untuk deviasi standar dari sejumlah nilai yang terbatas; s dicadangkan untuk parameter populasi. Deviasi standar, yang dianggap sebagai akar pangkat nilai deviasi dari rata-rata, dihitung dengan menggunakan rumus

Jika n besar (katakanlah 50 atau lebih), maka tidak penting apakah penyebutnya (yang sebenarnya tepat) atau pun n. Ketika deviasi standar yang dinyatakan sebagai persentase dari rata-rata, deviasi ini disebut koefisien dari variasi, v:

g. Varians

Varians, dinyatakan dengan s², pada dasarnya lebih penting dalam statistik dibandingkan s itu sendiri, namun belakangan secara umum lebih sering dipergunakan dalam penanganan data kimiawi (Day dan Underwood, 2002).

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.

Nilai rata-rata

Median:

Rentang:

Deviasi rata-rata:

Deviasi rata-rata relatif:

Devisi standar:

Koefisien variansi:

BAB V

PENUTUP

5.1 Kesimpulan

Pengolahan data adalah segala macam pengolahan terhadap data atau kombinasi-kombinasi dari berbagai macam pengolahan terhadap data untuk membuat data itu berguna sesuai dengan hasil yang diinginkan dapat segera dipakai. Pengolahan data mempunyai peranan yang sangat penting untuk menganalisis suatu penelitian. Dengan melakukan pengolahan data, kita dapat mengambil informasi asli (data) dan darinya menghasilkan informasi lain dalam bentuk yang berguna (hasil).

5.2 Saran

Dalam mengerjakan pengolahan data harus mengetahui dan memahami materi yang mencangkup tentang pengolahan data analis, sehingga tidak menimbulkan kesalahan.