Prev : Distribusi Normal dalam Pengukuran
Sebelumnya kita telah membahas simpangan baku dalam suatu distribusi yang disebut sebagai distribusi normal. Kita juga telah membandingkan dua hasil pengukuran dengan simpangan baku yang berbeda. Pada kedua gambar di bawah ini, di sebelah kiri merupakan kurva distribusi normal dengan simpangan baku sebesar 0.042, sedangkan di sebelah kanan merupakan kurva yang sama untuk simpangan baku sebesar 0.95.
Kita juga telah mengetahui bahwa semakin kecil simpangan bakunya, sebaran data pengukuran akan semakin kecil. Dengan kata lain, data-data yang diperoleh tersebut lebih konsisten atau memiliki fluktuasi yang kecil, seperti yang terlihat pada kedua gambar di atas. Untuk membedakan kualitas kedua hasil pengukuran tersebut, kita dapat menerangkannya menggunakan salah satu istilah dalam pengukuran yang disebut sebagai presisi. Presisi pada dasarnya merupakan suatu ukuran yang menandakan bahwa nilai yang diperoleh dalam suatu pengukuran akan bernilai sama atau mendekati nilai yang lainnya apabila pengukuran dilakukan secara berulang. Apabila dalam pengukuran data tersebar cukup jauh, maka dapat dikatakan bahwa pengukuran tersebut tidak presisi, relatif dengan nilai estimasi yang akan kita bahas lebih lanjut di artikel selanjutnya. Karena simpangan baku merepresentasikan sebaran data, maka simpangan baku merupakan tolok ukur dari kepresisian hasil pengukuran.
Seperti yang telah kita tebak, kepresisian pengukuran hanya menjadi relevan pada pengukuran berulang. Kita ingat bahwa dalam pengukuran berulang kita mengukur suatu besaran dengan kondisi yang sama berulang-ulang sebanyak beberapa kali. Dari sekumpulan data yang kita peroleh, tentu kita akan berharap bahwa salah satu data di dalamnya merupakan nilai yang sebenarnya. Apabila kondisi tersebut terpenuhi, maka dapat dikatakan bahwa data yang kita peroleh merupakan data yang akurat. Akurasi suatu pengukuran berkaitan dengan bagaimana hasil pengukuran yang kita peroleh dapat dikatakan menjadi nilai yang sebenarnya. Gagasan dari konsep akurasi ini cukup sederhana – apabila kita memperoleh hasil pengukuran 4 cm untuk kayu dengan panjang 4 cm, maka kita dapat katakan bahwa pengukuran tersebut akurat. Namun, tentu saja kita tidak akan pernah tahu nilai sebenarnya dari suatu pengukuran, kecuali apa yang kita ukur memang sudah ada referensi nilai sebenarnya atau data kalibrasi alat ukur telah kita ketahui. Ini merupakan tujuan dari kalibrasi, yakni agar hasil yang kita peroleh lebih akurat.
Konsep dari presisi dan akurasi ini umumnya sering dianalogikan sebagai target tembakan, seperti pada gambar di bawah ini.
Gambar ini menjelaskan secara kualitatif bagaimana suatu tembakan dapat dikatakan presisi dan akurat. Tembakan yang tidak presisi menghasilkan bekas yang tersebar di mana-mana, sedangkan tembakan yang tidak akurat tidak akan mengenai titik tengah. Tembakan bisa saja presisi namun tidak akurat, atau sebaliknya. Tembakan yang presisi dan tidak akurat akan menghasikan bekas tembakan yang berkumpul pada titik tertentu, namun tidak pada titik tengah. Sebaliknya, tembakan yang tidak presisi namun akurat akan menghasilkan bekas tembakan yang tersebar, namun beberapa dari tembakan tersebut mengenai titik tengah. Tentu saja apabila tembakan presisi dan akurat, bekas tembakan akan berkumpul di titik tengah.
Pertanyaannya sekarang adalah bagaimana kita bisa membuat tembakan tersebut yang awalnya tidak presisi dan akurat menjadi lebih presisi dan akurat. Apabila kita lihat gambar target tersebut, tentunya sangat mudah bagi kita untuk memperbaiki akurasi tembakan, yaitu dengan memindahkan titik tengah ke tempat dimana titik berkumpul apabila tembakan yang dilakukan presisi. Namun, memperbaiki kepresisian tembakan lebih sulit, karena tidak ada lagi yang dapat dilakukan kecuali dengan melatih penembak agar lebih konsisten dalam menembak. Dalam konteks pengukuran, perbaikan akurasi ini dapat dilakukan dengan kalibrasi. Walaupun hasil yang diperoleh tidak akurat, kita bisa memperbaikinya apabila kita memiliki data kalibrasi, sehingga data pengukuran dapat disesuaikan dengan nilai sebenarnya berdasarkan data kalibrasi tersebut. Namun apabila pengukuran tidak presisi, artinya ada beberapa hal yang menyebabkan fluktuasi data, sehingga dalam hal ini untuk memperbaiki kepresisian pengukuran, kita perlu memperbaiki sistem atau alat ukurnya dengan sehingga fluktuasi dapat ditekan. Apabila alat ukur sistem yang menjadi masalah, maka dapat dikatakan alat ukur tersebut rusak sehingga perlu diperbaiki atau membeli alat ukur yang baru.
Next : Kesalahan Mutlak dan Relatif
Science and Games 