MAKALAH METODE EKSPERIMEN FISIKA

Disusun Oleh

KELOMPOK : VI (ENAM)

NAMA ANGGOTA:1. Alfitrah Pratiwi Alvina (A1C315024)

2. Anjar Widaningrum (A1C315022)

3. Edwin Saputra (A1C312038)

3. Lika Anggraini (A1C315013)

4. Tika Anggraeni (A1C315031)

5. Yuniarta Pardede (A1C315026)

PROGRAM STUDI PENDIDIKAN FISIKA

JURUSAN PEDIDIKAN MATEMATIKA DAN ILMU PENGETAHUAN ALAM

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN

UNIVERSITAS JAMBI

2017

1
 KATA PENGANTAR

Puji syukur kami haturkan kehadirat Tuhan Yang Maha Esa karena
berkat rahmat dan hidayah-Nya, kami segenap tim penulis dapat menyelesaikan
Makalah Metode Eksperimen Fisika ini. Makalah ini disusun untuk
memenuhi salah satu tugas mata kuliah Metode Eksperimen Fisika pada Progam
Studi Pendidikan Fisika di Universitas Jambi.
Makalah Metode Eksperimen Fisika ini merupakan salah satu sumber
yang dapat dipergunakan sebagai bahan belajar diantara banyaknya sumber
bahan belajar lainnya yang dapat dengan mudah diperoleh ataupun diakses untuk
membantu berlangsungnya proses pembelajaran.
Makalah Metode Eksperimen Fisika diawali dengan paparan tentang
rata-rata berbobot, penolakan data, dan kriteria chauvenet yang akan dibahas
pada bab dalam makalah ini. Penulis dalam kesempatan ini menyampaikan
terimakasih kepada semua pihak yang telah berkontribusi dalam penyelesaian
makalah ini. Semoga ilmu yang diperoleh dapat bermanfaat bagi penulis
khususnya dan pembaca pada umumnya. Kritik dan saran penulis butuhkan
untuk perbaikan makalah selanjutnya.

Jambi, Februari 2017

Penulis

2
 DAFTAR ISI

KATA PENGANTAR ......................................................................................................... 2

DAFTAR ISI ........................................................................................................................ 3

BAB I PENDAHULUAN

1.1 Latar Belakang .............................................................................................................. 4

1.2 Rumusan Masalah ......................................................................................................... 4
1.3 Tujuan ............................................................................................................................ 4

BAB II PEMBAHASAN

2.1 Rata-rata Berbobot

2.1.1 Pengertian rata-rata berbobot ............................................................................ 6
2.1.2 Diskripansi ............................................................................................................ 7
2.1.3 Pengujian kecocokan ............................................................................................ 8
2.1.4 Perhitungan rata-rata berbobot .......................................................................... 9
2.2 Penolakan Data
2.2.1 Masalah Penolakan Data Pengukuran ............................................................... 14
2.2.2 Teori Penolakan Data ........................................................................................... 14
2.2.3 Kriteria Penolakan Data ...................................................................................... 16
2.2.4 Prosedur Penolakan Data .................................................................................... 18
2.3 Kriteria Chauvenet ........................................................................................................ 20

BAB III PENUTUP

3.1 Kesimpulan .................................................................................................................... 22

3.2 Saran ............................................................................................................................... 22

DAFTAR PUSTAKA .......................................................................................................... 23

3
 BAB I

PENDAHULUAN

1.1. Latar Belakang

Dalam ilmu Statistik maupun ilmu fisika sering kita temui data-data atau tabel
yang memuat angka-angka hasil dari pengukuran. Semua hasil data pengukuran
tersebut biasanya tidak sesuai dengan hasil data secara keseluruhan.
Rata-rata berbobot (weighted average) adalah rata-rata yang dihitung dengan
memperhitungkan timbangan/ bobot untuk setiap datanya. Biasanya rata-rata berbobot
digunakan untuk merata-ratakan data yang memiliki ketidakpastian perhitungan.
Sering kali didalam pengukuran hasil data pengukuran tersebut tidak sesuai dengan
hasil data secara keseluruhan, sebagaian orang berpendapat bahwa hasil data tersebut
dapat ditolak karena penyesuaian data dimungkinkan dengan tingkat kepercayaan pada
distribusi normal. Tetapi sebagian orang juga berpendapat bahwa data tersebut tidak
boleh ditolak.
Untuk memecahkan masalah ini maka digunakan kriteria Cahauvenet. Kriteria
Chauvenet adalah salah satu metode yang dapat digunakan untuk menolak salah satu
atau beberapa nilai hasil pengukuran yang menyimpang terlalu jauh dari nilai rata-
ratanya, atau disebut outlayer.
Dalam makalah ini kami akan membahas tentang hal-hal apa saja yang
mempengaruhi diskrepansi atau ketidakcocokan data-data tersebut yaitu Rata-rata
berbobot, penolakan data, dan kriteria Chauvenet.

1.2.Rumusan Masalah
1. Apa yang dimaksud dengan rata-rata berbobot?
2. Bagaimana perhitungan rata-rata berbobot?
3. Apa yang dimaksud dengan penolakan data?
4. Apa saja kriteria-kriteria dalam penolakan data?
5. Apa yang dimaksud dengan Kriteria Chauvenet?

1.3. Tujuan
1. Dapat menjelaskan maksud dari rata-rata berbobot
2. Dapat melakukan perhitungan rata-rata berbobot

4
3. Dapat menjelaskan maksud dari penolakan data
4. Dapat menjelaskan metode atau prosedur dan kriteria untuk menolak suatu data
5. Dapat menjelaskan kriteria Chauvenet dalam penolakan data

5
 BAB II

PEMBAHASAN

2.1 Rata-Rata Berbobot

2.1.1 Pengertian rata-rata berbobot

Rata-rata berbobot merupakan nilai terbaik hasil kombinasi dari berbagai nilai yang
dihasilkan dengan metode pengamatan yang berbeda terhadap satu besaran fisis yang
diamati.
Misalkan yaitu Suatu besaran fisis (X) diamati dengan dua metode yang berbeda dan
saling bebas, dengan hasil akhir masing-masing :
Metode I : XI = xI I
Metode II : XII = xII II
Nilai akhir besaran fisis (X) dapat dihitung dari dua hasil diatas dengan menghitung
nilai terbaiknya yang merupakan kombinasi dari XI dan XII , apabila dipenuhi syarat
kesesuaian antara dua nilai tersebut.
Pengukuran pada sebuah eksperimen dapat dilakukan pada beberapa waktu dan
lokasi. Dalam setiap pengukuran dalam beberapa waktu atau lokasi akan memperoleh
hasil pengukuran yang berupa (x Sx), dengan x adalah nilai ter baik dan Sx
merupakan ketidakpastian. Pengukuran yang dilakukan dalam beberapa waktu misalnya
mengukur suhu lingkungan setiap hari pada siang hari selama satu bulan. Pengukuran
yang dilakukan pada lokasi yang berbeda misalnya mengukur hambatan (R) di
laboratorium fisika dasar dan laboratorium elektronika. Keduanya pengukuran pada
waktu dan lokasi yang berbeda akan diperoleh sasil ukur yang berupa (x Sx) pada
setiap pengukuran. Yang menjadi pertanyaan adalah berapa hasil ukur terbaik dan
ketidakpastian dari seluruh nilai pengukuran.

Dicontohkan pengukuran massa jenis air yang dilakukan oleh 2 orang

mahasiswa pada laboratorium fisika dasar. Air yang diukur oleh mahasiswa sama.kedua
mahasiswa itu bekerja terpisah. Mahasihwa A memperoleh hasil ukur air A = (0,95
0,04) gram/m3, sedangkan mahasiswa B memperoleh hasil air B = (0,93 0,03)
gram/m3. yang menjadi pertanyaan adalah berapa perkiraan terbaik dari air yang
dilakukan oleh kedua mahasiswa tersebut.

6
 Hasil perkiraan nilai pengukuran terbaik dari air tidak serta merta dengan
+

menghitung( ). Kedua hasil pengukuran yang dilakukan mahasiswa A dan
2

mahasiswa B memiliki ketidakpastian yang berbeda sehingga kesalahan dari hasil ukur
tersebut akan memberikan bobot yang berbeda pada nilai perkiraan pengukuran
terbaiknya. Kedua hasil pengukuran mahasiswa tersebut untuk mengetahui nilai
perkiraan terbaik dari air dapat dilakukan dengan rata-rata berbobot. Kedua hasil ukur
yang dilakukan mahasiswa A dan B dapat dirata-rata berbobot apabila diskripansi dari
kedua hasil ukur tidak signifikan atau kedua data tersebut harus cocok.

2.1.2 Diskripansi
Pengukuran besaran yang sama dapat menghasilkan hasil ukur yang berbeda.
Perbedaan hasil ukur ini disebut dengan diskripansi. Kita dengan jelas dapat
mendefinisikan diskripansi adalah perbedaan antara dua nilai hasil pengukuran dari
besaran yang sama. Diskripansi () dapat dinyataka dalam bentuk|1 2 |, dengan X1
adalah hasil terbaik pengukuran 1 dan X2 adalah hasil terbaik pengukuran 2.

Pengukuran massa jenis air yang dilakukan oleh mahasiswa A diperoleh hasil
pengukuran air A = (0,95 0,04) gram/m3 dan mahasiswa B diperoleh air B = (0,93
0,03) gram/m3. nilai diskripansi dari kedua hasil pengukuran dapat dehitung sebagai
berikut:
= | |
= |0,95 , 93|
= 0,02 ,
sehingga deperoleh nilai diskripansi dari kedua pengukuran mahasiswa A dan
mahasiswa B adalah 0,02.

Diskripansi selain dapat digunakan untuk mengetahui perbedaan dua nilai hasil
pengukuran juga dapat digunakan untuk mengetauhi perbedaan nilai hasil pengukuran
dengan nilai acuan atau standar yang berlaku. Sebagai contoh hasil pengukuran massa
jenis air pada sebuah ekperimen dapat dicari perbedaanya dengan nilai massa jenis air
yang berlaku sebagi standar.

2.1.3 Pengujian kecocokan

7
 Dua hasil pengukuran atau hasil pengukuran dengan nilai standar yang berlaku
dapat dicek keduanya cocok atau tidak. Dua hasil pengukuran1 1 dan2 2
dapat dikatakan cocok apabila nilai diskripansi kedua hasil ukur nilai 1 dan 2 .
Pengujian kecocokan 2 data dapat dituliskan sebagai berikut:

1 + 2 , maka kedua data dikatakan cocok.

Data pengukuran yang dikatakan saling cocok apabila ada range (daerah
jangkauan) pengukuran yang saling overlaping (tumpang tindih) atara kedua data.
Jangkauan data satu masuk pada jangkauan data yang lainganya maka kedua data itu
saling cocok. Apabila data yang dicocokan adalah data hasil pengukuran dan nilai
standar yang berlaku maka nilaistandar akan berada didalam range data hasil
pengukuran. Gambar berikut menunjukan daeah yang saling overlaping.

Gambar 10: (a) Range pengukuran yang saling overlaping. (b) Nilai standar yang
berada pada range nilai X
Dua data pengukuran massa jenis air yang dilakukan mahasiwa A dan B yang
sudah disampaikan sebelumnya dapat digunakan sebagai contoh pengujian kecocokan
data. Nilai sudah dihitung sama dengan 0,02, sedangkan nilai1 + 2 = 0,04 +
0,03 = 0,07 . Nilai1 + 2 sehingga kedua hasil pengukuran mahasiswa A dan
mahasiswa B dapat dikatakan cocok.
2.1.4 Perhitungan rata-rata berbobot
Sama halnya dengan rata-rata pada pengukuran berulang, rata-rata berbobot
dilakukan apabila nilai besaran yang dirata-rata merupakan besaran yang sama. Sebagai
contoh pengukuran massa benda x yang dilakukan terpisah oleh beberapa mahasiswa.

8
Hasil pengukuran massa oleh beberapa mahasiswa dapat dirata-rata berbobot. Besaran
yang tidak sama tidak dapat dilakukan rata-rata berbobot. Misalnya pengukuran volume
benda oleh mahasiswa A dan suhu benda oleh mahasiswa B. kedua hasil ukur
mahasiswa A dan B dalam hal ini tidak bisa dirata-rata.
Sebelum rata-rata berbobot dilakukan terlebih dahulu data diuji kecocokanya.
Apabila data sudah saling cocok maka data dapat dirata-rata berbobot. Saat pengujian
kecocokan dilakukan dengan cermat untuk mengetahui pasangan data yang tidak cocok.
Jika ada data yang saling tidak cocok maka data tidak diikutkan dalam rata-rata
berbobot. Pengujian kecocokan data dilakukan sepasang demi sepasang.

Pengukuran massa jenis air yang telah disampaikan sebelumnya sudah dilakukan
pengujian kecocokan data. Hasil pengujian diperoleh kedua hasil pengukuran massa
jenis yang dilakukan mahasiswa A dan B saling cocok, sehingga kedua data ini dapat
dilakukan perhitungan rata-rata berbobot.

Rata-rata berbobot dari besaran yang diukur dapat dilakukan dengan perhitungan
sebagai berikut:

+
2 2
= 1 1
+
2 2

(3.1)

dengan adalah hasil rata-rata terbaik, XA adalah hasil pengukuran terbaik dari besaran A,
SA adalah ketidakpastian hasil pengukuran besaran A, XB adalah hasil pengukuran
terbaik dari besaran B, SB adalah ketidakpastian hasil pengukuran besaran B.

1 1
Nilai2 dan2 didefinisikan sebagai faktor bobot yang disimbulkan wA sebagai

faktor bobot dari hasil pengukuran besaran A. Rumus 3.1 dapat diganti dengan bentuk
sebagai berikut:
+
=
+

(3.2)
Apabila data pengukuran diperoleh seperti berikut: X1 S1, X2 S2, X3 S3,., Xn
SN, maka nilai hasil ukur terbaiknya dapat dituliskan sebagai berikut:

9
 1 1 + 2 2 + 3 3 + +
=
1 + 2 + 3 + +

= =1

=1

(3.3)

Rumus 3.3 merupakan perhitungan rata-rata berbobot untuk data hasil

pengukuran sebanyak N data. Perlu diingat kembali bahwa sebelum data hasil
pengukuran dirata-rata berbobot terlebih dahulu data diuji kecocokannya sepasang demi
sepasang.
Ketidakpastian dari rata rata berbobot dapat dihitung dengan persamaan sebagai
berikut:

1

2
= ( )

Atau

1
=

Tabel 1: Hasil pengukuran arus (i) dari kumparan yang diberi medan magnet berubah-
ubah

No I SXi

1 0.0095 0.0095
2 0.011 0.011
3 0.01 0.01
4 0.0115 0.0115
5 0.0115 0.0115
6 0.01 0.01
7 0.011 0.0125
8 0.011 0.0125
9 0.013 0.013

10
10 0.008 0.008

Data yang berada pada tabel 1 dapat dihitung nilai rata-ratanya. Langkah
pertama adalah memastikan data pada table 1 saling cocok. Berikutnya dilakukan
perhitungan rata-rata berbobot. Data yang dirata-rata hanya data yang saling cocok.
Berikut ini pengujian apakah data pada tabel 1 saling cocok atau tidak dilanjutkan
perhitungan rata-rata berbobot:

Tabel 2: Uji diskripansi

1 SX1+SX2 0.0205 x1-x2 -0.0015 cocok

2 SX1+SX3 0.0195 x1-x3 -0.0005 cocok
3 SX1+SX4 0.021 x1-x4 -0.002 cocok
4 SX1+SX5 0.019 x1-x5 0 cocok
5 SX1+SX6 0.0195 x1-x6 -0.0005 cocok
6 SX1+SX7 0.022 x1-x7 -0.0015 cocok
7 SX1+SX8 0.022 x1-x8 -0.003 cocok
8 SX1+SX9 0.0225 x1-x9 -0.0035 cocok
9 SX1+SX10 0.0175 x1-x10 0.0015 cocok
10 SX2+SX3 0.021 x2-x3 0.001 cocok
11 SX2+SX4 0.0225 x2-x4 -0.0005 cocok
12 SX2+SX5 0.0205 x2-x5 0.0015 cocok
13 SX2+SX6 0.021 x2-x6 0.001 cocok
14 SX2+SX7 0.0235 x2-x7 0 cocok
15 SX2+SX8 0.0235 x2-x8 -0.0015 cocok
16 SX2+SX9 0.024 x2-x9 -0.002 cocok
17 SX2+SX10 0.019 x2-x10 0.003 cocok
18 SX3+SX4 0.0215 x3-x4 -0.0015 cocok
19 SX3+SX5 0.0195 x3-x5 0.0005 cocok
20 SX3+SX6 0.02 x3-x6 0 cocok
21 SX3+SX7 0.0225 x3-x7 -0.001 cocok
22 SX3+SX8 0.0225 x3-x8 -0.0025 cocok

11
23 SX3+SX9 0.023 x3-x9 -0.003 cocok
24 SX3+SX10 0.018 x3-x10 0.002 cocok
25 SX4+SX5 0.021 x4-x5 0.002 cocok
26 SX4+SX6 0.0215 x4-x6 0.0015 cocok
27 SX4+SX7 0.024 x4-x7 0.0005 cocok
28 SX4+SX8 0.024 x4-x8 -0.001 cocok
29 SX4+SX9 0.0245 x4-x9 -0.0015 cocok
30 SX4+SX10 0.0195 x4-x10 0.0035 cocok
31 SX5+SX6 0.0195 x5-x6 -0.0005 cocok
32 SX5+SX7 0.022 x5-x7 -0.0015 cocok
33 SX5+SX8 0.022 x5-x8 -0.003 cocok
34 SX5+SX9 0.0225 x5-x9 -0.0035 cocok
35 SX5+SX10 0.0175 x5-x10 0.0015 cocok
36 SX6+SX7 0.0225 x6-x7 -0.001 cocok
37 SX6+SX8 0.0225 x6-x8 -0.0025 cocok
38 SX6+SX9 0.023 x6-x9 -0.003 cocok
39 SX6+SX10 0.018 x6-x10 0.002 cocok
40 Sx7+Sx8 0.025 x7-x8 -0.0015 cocok
41 SX7+SX9 0.0255 x7-x9 -0.002 cocok
42 SX7+SX10 0.0205 x7-x10 0.003 cocok
43 SX8+SX9 0.0255 x8-x9 -0.0005 cocok
44 SX8+SX10 0.0205 x8-x10 0.0045 cocok
45 SX9+SX10 0.021 x9-x10 0.005 cocok

Tabel 3 : perhitungan rata-rata berbobot

No
1 0.0095 0.0095 11080.332 105.2632
2 0.011 0.011 8264.4628 90.90909
3 0.01 0.01 10000 100
4 0.0115 0.0115 7561.4367 86.95652
5 0.0095 0.0095 11080.332 105.2632

12
6 0.01 0.01 10000 100
7 0.011 0.0125 6400 70.4
8 0.0125 0.0125 6400 80
9 0.013 0.013 5917.1598 76.92308
10 0.008 0.008 15625 125
92328.724 940.715

= 1
= =
=

940.715 1
= =
92328.724 92328,724

= 0,01019 = 0,00329

Jadi nilai hasil pengukuran adalah ( ) = (0,010 0,003)

2.2 Penolakan Data

2.2.1 Masalah Penolakan Data Pengukuran
Suatu pengukuran dapat dikatakan akurat apabila hasil pengukuran mempunyai nilai
ketidakpastian kecil, tentunya hal ini sudah dilakukan dengan cara pengukuran yang
benar dan metode analisa data yang cermat. Ketidakpastian ukur atau yang sering kita
sebut sebagai ralat tidak pernah dapat dihindari dalam pengukuran, hal ini disebabkan
adanya banyak faktor dalam pengukuran dan faktor satu dengan lainnya saling
berkaitan. Faktor yang satu dikondisi tertentu dapat dilemahkan bahkan dieliminasi
tetapi berdampak faktor yang lain menguat dan sebaliknya. Sehingga di dalam bahasa
pengukuran ralat tidak dapat serta merta dihilangkan tetapi dapat diupayakan untuk
diperkecil.
Pengukuran yang dilakukan ber-ulang, merupakan salah satu upaya untuk
memperkecil ralat, semakin banyak pengulangan secara statistic akan menghasilkan
nilai terbaik yang ralat nya mengecil. Namun apabila jumlah pengulangan terbatas,
maka perlu diseleksi data per-data apakah ada yang nilainya menyimpang terhadap data
lainnya. Toleransi penyimpangan dapat ditentukan sesuai criteria data yang diperoleh,

13
juga sifat-sifat data dalam perolehannya ( pengamat sangat mengerti masalah data yang
diamati ).
Banyak model analisa data untuk membatasi toleransi penyimpangan agar dapat
menentukan apakah suatu data diterima atau ditolak, diantaranya :
- Metode penolakan data dengan kriteria t
- Metode penolakan data dengan kriteria Chauvenet
Kedua metode tersebut mempunyai aturan yang berbeda, masing-masing mempunyai
kelemahan dan keunggulan. Sedang dalam penggunaan metode tersebut, kita sebagai
pengolah data dapat memilih criteria yang cocok untuk model data yang ada agar dapat
dicapai nilai terbaik.
2.1.2 Teori Penolakan Data
Untuk memudahkan cara penolakan data akan didefinisikan fungsi error dengan cara
memodifikasi fungsi distribusi Gauss sebagai berikut : ( cermati Appendix-A dan B,
pada bab VII )

1 1
Fungsi Gauss : P(a;b)= () = 2 exp { ( )2 }
22

f(X)

P(a;b)
X

Integral fungsi distribusi normal diatas kita sebut sebagai integral fungsi error
normal dan probabilitas suatu pengukuran berada antara x=a dan x=b, ditulis sebagai :

P(a x b) = ()

Bila : = ( ) , = ( + )

14
 Maka dapat dikatakan bahwa probabilitas pengukuran berada didalam (t); t =
angka tetapan , dituliskan sebagai :

P(dalam t) = P[( ) ( + )]

1 + 1
P(t) = 2 exp { ( )2 }
22

2
1
P(t) = 2 ; ini merupakan fungsi error ditulis sebagai : erf(t)
2

( )
dengan : z =

Fungsi erf(t) secara numeric dapat dihitung dan hasil perhitungan secara lengkap
sudah ditabelkan pada Appendix-A maupun B.

2
1
P(t) = 2 P(t)
2

2
1
Q(t) = 2 Q(t)
2 0

KESIMPULAN

MISALKAN UNTUK : t=1

P(t) = 68%
Q(t) = 34%
P(t) = 2 Q(t)

2.2.3 Kriteria Penolakan Data

15
 Deretan data pengukuran : x1; x2; x3; x4; x5; x6 xn , mempunyai nilai
terbaik yang didekati dengan nilai rata-ratanya ( ); dan deviasi standar (), masing-
masing rumusan sebagai berikut:

1
=

2
( xi x)
= Sn-1 = 1

Data tersebut setelah dilakukan analisa yang cermat dengan mempertimbangkan hasil
akhir yang ingin lebih teliti lagi, maka perlu ada beberapa nilai x i yang ditolak dengan
suatu criteria penolakan. Setelah dilakukan penolakan kemudian dihitung ulang nilai ( )
dan () yang baru, langkah ini dapat memberikan hasil akhir yang lebih baik.

Adapun criteria yang digunakan untuk penolakan ada banyak macamnya, kita
sebagai pengamat dapat memilih dan menentukan model penolakan yang digunakan.
Dalam bab ini akan disajikan dua macam metode penolakan data sebagai berikut :

1. Kriteria (t)
Dalam criteria ini kita bebas menentukan nilai (t) misalkan kita pilih (t=1) berarti
data yang diterima dalam criteria kita adalah nilai data (xi) yang berada pada kisaran
:
( ) ( + ) atau probabilitas nilai xi yang ditulis P(xi) P().
Dalam bahasa Penolakan data ,berarti criteria (t) adalah criteria yang akan
menolak data pengukuran (xi) yang mempunyai pbobabilitas pengukurannya P(xi)
>P()

KRITERIA ( t )

DATA (xi) DITOLAK BILA

P(xi) > P(t) atau

xi < ( ) dan xi > ( + )
( )
dengan : t = |
|
Contoh : hasil analisa dari suatu deretan data : x = (10,5 0,5); dari deretan tersebut ada
yang bernilai data ke-3 dan ke-7 masing-masing x3 = 9 dan x7 =11,5; maka menurut
kriteria (t) didapat analisa sebagai berikut.:

16
Untuk: t = 1; P() = 68% ; sedang P(x3) =P(1,5) = 87% jadi data (x3) DITOLAK

sedang P(x7) = P(2) = 95% jadi data (x7) DITOLAK

Dengan cara yang lain diperoleh bahwa : x3 = 9 <10 ; dan x7 = 11,5 >11, jadi semua
ditolak.

Untuk : t = 2; P(2) = 95% ; maka P(x3) =P(1,5) = 87% < P(2) ; jadi data( x3) ini
DITERIMA

sedangkan (x7) dengan P(x7) =95% = P(2) ; jadi data ini juga masih diterima.

Bagi pengamat dipebolehkan menentukan batasan criteria yang akan digunakan, hal
ini lebih disesuaikan dengan karakteristik dari data yang ada. Keadaan data, mudah dan
sulitnya data diamati, ketelitian alat, dan sebagainya yang lebih mengetahui adalah
pengamat, inilah yang menjadi bagian dari variable karakter datanya.

2. Kriteria Chauvenet
Pada kriteria ini jumlah data merupakan bagian variable yang akan ikut berperan
dalam diterima atau ditolaknya data pengamatan. Hal ini karena dasar penolakannya
akan dibandingkan dengan prosentase jumlah data.
Adapun aturan penolakan sebagai berikut :
Bila ada sederetan data pengukuran : yang jumlahnya (k); kemudian akan
dicermati beberapa data untuk di-cek , misalkan data (xc) akan di-cek; maka data
tersebut akan diterima bila memenuhi P(xc) (100% - k) atau Q(xc) (50%- k).
Dengan bahasa penolakan dapat dinyatakan bahwa (x) ditolak bila [ 100% - P(xc) ] <
k atau [ 50% - Q(xc) ] < k.

KRITERIA CHAUVENET

DATA (XC) DITOLAK DARI DERETAN DATA YANG

JUMLAHNYA (k)
BILA:
P(t) DARI (XC) MEMENUHI
[100% - P(t)] < k
Q(t) DARI (XC) MEMENUHI
[50% - Q(t)] < k
( )
DENGAN : t =|
|

17
 2.2.4 Prosedur penolakan data
Misalkan data pengamatan x1; x2; x3; x4; dan x5 , akan di-cek data mana yang
ditolak dengan kriteria dibawah ini :
a. Kriteria (t) :
(1 +2 +3 +4 +5 )
Tentukan nilai rata-rata : = dan ralatnya ()
5

Setelah dilakukan cek ternyata data x3 ditolak, sehingga data tinggal 4

buah (tanpa x3)
(1 +2 +4 +5 )
Akhirnya hasil analisanya adalah : = dan hitung kembali
4

ralatnya dengan 4 data tersebut.

b. Kriteria Chauvenet :
Teliti data tersebut , tentukan data yang akan di-cek (xc) yaitu data yang
terbesar dan data terkecil. Misalnya x1 (data terbesar) dan x3 (data
terkecil)
Cek data tersebut dengan criteria chauvenet, apabila ternyata ada salah
satu yang ditolak ( misal x1) maka data yang baru tinggal 4 buah tanpa
x1.
Lakukan analisa ulang tanpa (x1) dan cek lagi data xc yang baru seperti
langkan yll.
Kalau dengan xc yang besar diterima, maka cek xc yang kecil, bila juga
diterima maka berarti ke 4 data tersebut diterima dalam criteria
Akhirnya selesai analisa anda dan simpulkan hasil akhir yaitu : hitung
nilai rata-rata tebaru juga ralatnya.
3. Contoh Aplikasi :

Deretan data : 46, 48, 44, 38, 45, 47, 58, 44, 45, 43

1
1. Dihitung = 45,8 = 5,1 ; k=10 jadi ( = 0,05 5%); akan dicek
2
( ) 5845,8
xc = 58(data terbesar) , nilai t= = = 2,4; berarti P(2,4) =98,4% ;
5,1

sehingga nilai syarat chauvenet yaitu :

18
 1
[100%-P(2,4)] = 100% - 98,4% = 1,6% dan ini lebih kecil dari nilai (2 =

0,05 5%); kesimpulan bahwa data xc = 58 (DITOLAK)

2. Lakukan langkah sama dengan (1) untuk cek data xc=38; P(t)= 86,64% ternyata
dengan probabilitas itu data x=38 diteima ( silahkan coba !)
1
3. Data tinggal k=9 (tanpa data 58) nilai (2 = 0,0555 5,6%); dihitung ulang
44,438
nilai rata-ratanya = 44,4 = 2,9 ; cek data xc =38 dan t= = 2,2;
2,9

beraarti P(t) = 97,2%; sehingga nilai syarat chauvenet :

[100%-P(2,2)] = 100% - 97,2% =2,8 % ini lebih kecil dari 5,6% sehingga data
xc=38 (DITOLAK pada langkah ke-3 ini)
1
4. Selanjutnya data masih (k=8); dan (2 = 0,0625 6%); dihitung ulang nilai

= 45,25 = 1,67; cek data xc=43 yang merupakan data terkecil

(lakukan langkah seperti diatas akhirnya bahwa xc=43 DITERIMA);
kemudian lakukan untuk xc=48 (data terbesar) ternyata data ini juga DITERIMA
pada criteria chauvenet.
5. KESIMPULAN : setelah dilakukan analisa data penolakan maka dari 10 data
tersebut , 2 data ditolak yakni xc=58 dan xc=38; sedangkan sisanya semua
diterima; sehingga hasil akhir dari analisa adalah ( x = 45,25 1,67 ) dengan
pembulatan berarti : ( x = 45 2 )

2.3 Kriteria Chauvenet

Kriteria Chauvenet adalah suatu satu metode yang dapat digunakan untuk
membuang salah satu atau beberapa nilai hasil pengukuran yang menyimpang
terlalu jauh dari nilai rata-ratanya, atau disebut outlayer.

Jika kita membuat N pengukuran X1 , . , XN dari kuantitas N tunggal, dan jika salah

satu hasil pengukuran (misalnya Xsus) adalah berbeda dengan yang lain, maka perlu

digunakan metode kriteria Chauvenet untuk memberikan tes sederhana, untuk

memutuskan apakah akan menolak nilai tersebut atau tidak. Pertama yang harus
dilakukan yaitu menghitung mean dan standar deviasi dari semua pengukuran N,
kemudian menemukan jumlah standar deviasi dari Xsus yang berbeda dari .

19
 | |
=

Selanjutnya, tentukanlah probabilitas ( asumsi pengukuran terdistribusi normal

sekitar 0,7 dengan lebar ) untuk mendapatkan hasil sebagai data yang
menyimpang sebagai , dan, karenanya , jumlah pengukuran diharapkan
menyimpang,

= ( )

Jika <12 , sesuai dengan kriteria Chauvenet, maka kita dapat menolak nilai .

Oleh karena ada beberapa perkecualian terhadap kriteria Chauvenet (terutama jika N
tidak terlalu besar ), dimana harus digunakan hanya sebagai upaya terakhir, ketika
pengukuran x tidak dapat diperiksa . Keberatan dengan kriteria Chauvenet adalah
lebih besar jika dua atau lebih pengukuran memiliki , tetapi pengujian dapat
diperluas untuk situasi ini.

20
 BAB III

PENUTUP

3.1 Kesimpulan

Rata-rata berbobot merupakan nilai terbaik hasil kombinasi dari berbagai nilai yang
dihasilkan dengan metode pengamatan yang berbeda terhadap satu besaran fisis yang
diamati. Rata-rata berbobot dari besaran yang diukur dapat dilakukan dengan
perhitungan sebagai berikut:

2 + 2

=
1 1
2 + 2

Untuk memudahkan cara penolakan data akan didefinisikan fungsi error dengan
cara memodifikasi fungsi distribusi Gauss:

1 1
Fungsi Gauss :P(a;b)= () = 2 exp { ( )2 }
22

untuk menentukan apakah suatu data diterima atau ditolak digunakan model analisa data
untuk membatasi toleransi penyimpangan, diantaranya :
- Metode penolakan data dengan kriteria t
- Metode penolakan data dengan kriteria Chauvenet

Kriteria Chauvenet adalah suatu satu metode yang dapat digunakan untuk membuang
salah satu atau beberapa nilai hasil pengukuran yang menyimpang terlalu jauh dari nilai
rata-ratanya, atau disebut outlayer

3.2 Saran

Dalam ilmu fisika akan sering sekali dijumpai data statistika dari nilai-nilai
pengukuran. Maka dari itu penulis membahas tentang rata-rata berbobot, penolakan data
serta kriteria chauvenet untuk memudahkan dan memberikan pemahaman secara tidak
langsung untuk pembaca mengolah data dengan baik dan benar.

21
 DAFTAR PUSTAKA

Nugroho, Kuncoro Asih. 2010. Modul Analisis Pengukuran Fisika. Yogyakarta: UNY

Prasetyowati, Rita. 2012. Rata-rata Berbobot.

http://staff.uny.ac.id/sites/default/files/pendidikan
/Rita%20Prasetyowati,%20M.Si./Analisis%20Pengukuran%20Fisika%20_2.pdf,
19 Februari 2017

Surnata. 2015. Bahan Ajar Metode Pengukuran Fisika. Yogyakarta: UGM

Damayanti. 2012. Metode Ekksperimen Fisika.

http://besmart.uny.ac.id/file.php/523/MEF_8.pdf, 19 Februari 2017.

22