Evaluasi Data dalam Penelitian: Akurasi, Presisi & Jenis Kesalahan

Saat mempelajari atau meninjau data ilmiah, penting dan sangat penting untuk mempelajari dan mengevaluasi data ilmiah dengan cermat. Data ilmiah merupakan faktor penting dalam membuat kebijakan dan juga memiliki efek mendalam dan luas dalam melakukan penelitian. Ketika disajikan dengan perhitungan yang akurat dan tepat, data sangat membantu dalam membuat evaluasi data ilmiah menjadi sukses. Ketika keputusan didukung oleh data ilmiah yang akurat, itu memberi kredibilitas lebih pada penelitian ilmiah.

Keakuratan data ilmiah tergantung pada ketepatan percobaan. Mereplikasi percobaan berulang kali memberikan data yang lebih akurat dan lebih banyak informasi, daripada data yang dikumpulkan dengan percobaan hanya beberapa kali. Data tersebut diperoleh dengan mengulangi langkah yang sama berulang kali saat bereksperimen. Mengulangi percobaan memunculkan kesalahan tak terduga dan memberikan kesempatan untuk meniadakannya. Data, bila bebas dari kesalahan, menjadi akurat dan memberikan hasil yang diharapkan dari percobaan.

Dalam data ilmiah, istilah seperti kesalahan, presisi, dan akurasi memiliki arti penting. Mereka harus dipahami secara rinci untuk lebih memahami bagaimana evaluasi data bekerja dalam penelitian ilmiah. Juga, hubungan antara istilah-istilah ini harus dilihat dengan berbagai cara, agar penelitian ilmiah berhasil.

Ketepatan

Ketika pengukuran akurat, itu sangat dekat dengan nilai sebenarnya. Nilai sebenarnya adalah nilai yang tidak diketahui sebelumnya, tetapi biasanya nilai yang diinginkanlah yang diharapkan dapat dicapai. Akurasi seperti tepat sasaran yang disasar anak panah setiap kali dilempar. Jika anak panah meleset mengenai mata banteng dan cukup dekat untuk mengenainya, itu mengukur keakuratan anak panah. Perbedaan apa pun antara nilai sebenarnya dan nilai yang diterima adalah kesalahan.

Ambil contoh lain, misalnya. Jika volume cairan diambil pada 100 ml, dan sebaliknya, volume yang diukur adalah 98 ml, ini sangat dekat untuk memberikan keakuratan percobaan. Akurasi didefinisikan sebagai seberapa dekat pengukuran dengan nilai nyata atau yang diterima. Akurasi dicapai dengan mengambil beberapa pengukuran dan mengambil rata-rata nilai pengukuran. Perbedaan antara ini dapat dinyatakan sebagai positif atau negatif. Nilai positif juga merupakan nilai absolut, dan membaca dengan skor tinggi. Nilai negatif juga merupakan nilai absolut ketika bacaan berada pada skor rendah.

Direkomendasikan untuk Anda: Ilmu Data vs. Kecerdasan Buatan – Apa Perbedaannya?

Bagaimana mengukur akurasi

Akurasi dapat berupa absolut atau relatif. Sekali lagi, akurasi diukur dalam hal kesalahan atau perbedaan nilai. Dengan demikian, kami mendapatkan akurasi absolut atau akurasi relatif.

Kesalahan absolut: Akurasi absolut adalah perbedaan antara nilai terukur dan nilai sebenarnya. Jika nilai yang diukur lebih rendah dari nilai sebenarnya, hasilnya negatif atau minus. Dan ketika nilai terukur lebih tinggi dari nilai sebenarnya atau sebenarnya, hasilnya adalah nilai positif atau plus. Ini juga dapat dinyatakan dengan perhitungan sederhana: Kesalahan absolut = Nilai terukur – Nilai sebenarnya.

Kesalahan relatif: Ini diukur sebagai persentase. Ketika kesalahan absolut dibagi dengan nilai sebenarnya dan dikalikan dengan 100, kita mendapatkan persentase kesalahan relatif. Itu juga dinyatakan dengan bagian per seribu atau bagian per juta, tergantung kasusnya. Dengan demikian, kesalahan relatif dapat diperoleh dengan rumus:

 Kesalahan relatif = {(Nilai terukur – Nilai sebenarnya) / Nilai sebenarnya} x 100%

Presisi

Presisi adalah faktor lain yang mempengaruhi evaluasi data. Dapat dikatakan sebagai nilai berulang yang dicapai dalam kondisi yang sama dan melakukan percobaan berkali-kali. Dalam contoh permainan anak panah, jika anak panah terus meleset dari mata banteng, dan terus mengenai tempat yang sama, dekat dengan mata banteng, berulang kali, itu adalah ukuran seberapa tepat anak panah itu. Kembali ke analisis ilmiah, presisi adalah berapa kali pengukuran yang sama dicapai. Jika volume cairan yang sebenarnya dan yang diinginkan diharapkan 100 ml, dan setiap 10 kali percobaan dilakukan, hasilnya menjadi 80 ml, data tersebut dapat dikatakan tepat. Karena hasilnya volume cairan 80 ml, dan itu dicapai setiap 10 kali percobaan dilakukan.

Akurasi dan presisi bukanlah istilah yang berdiri sendiri tetapi saling terkait satu sama lain. Ini dinyatakan dalam kesalahan. Kesalahan disebabkan oleh instrumen yang salah dan juga oleh manusia. Ini dapat diklasifikasikan lebih lanjut sebagai Kesalahan Sistematis dan Kesalahan Acak. Memahami kesalahan adalah cara yang lebih baik untuk memahami istilah akurasi dan presisi.

Kesalahan Sistematis

Kesalahan yang disebabkan oleh kesalahan instrumen yang diambil untuk eksperimen atau penggunaan instrumen lama dan usang untuk pengukuran adalah kesalahan sistematis. Misalnya menggunakan timbangan takaran yang sudah berkarat dan sudah tua. Kesalahan sistematik biasanya bukanlah kesalahan orang yang mengukur atau melakukan percobaan. Ini adalah kesalahan dalam sistem atau pengaturan yang digunakan yang menyebabkan kesalahan. Kesalahan seperti itu dapat diperbaiki dengan mengganti yang lama dengan yang baru, dan dengan menyesuaikan dan memperbaiki sistem yang digunakan.

Papan dart, misalnya, dipasang pada suatu sudut, sehingga anak panah tetap mengenai sisi kiri adalah kesalahan sistematis, dan menyejajarkan kembali papan dart akan memperbaiki kesalahan ini. Timbangan ukur yang berkarat dan tua dapat diganti dengan timbangan baru, sehingga penandaannya tebal dan terlihat, dan memperbaiki kesalahan. Tetapi jika Anda melakukan beberapa kali pengukuran dari penggaris lama, dan melakukan pengukuran rata-rata, hasilnya akan jauh dari nilai sebenarnya.

Kesalahan sistematik dapat berupa:

• Kesalahan dalam perhitungan.
• Mengambil suhu yang salah.
• Kehilangan material secara mekanis dalam berbagai tahap.
• Zat tidak murni digunakan dalam analisis.
• Kesalahan dalam mengambil bacaan.
• Instrumen tidak dikalibrasi dengan benar.
• Lengan dengan panjang yang tidak sama.
• Benda asing memasuki percobaan.
• Menggunakan bahan kimia tidak murni untuk percobaan.

Anda mungkin menyukai: Menerapkan Big Data untuk Menguntungkan Iklan Media Sosial Anda.

Kesalahan Acak

Kesalahan acak relatif, lebih mudah diperbaiki. Kesalahan ini adalah jenis kesalahan manusia, dan kesalahan penilaian, di pihak orang yang membaca, atau melakukan percobaan. Mengambil beberapa bacaan, dan kemudian sampai pada angka rata-rata akan lebih dekat dengan nilai sebenarnya.

Sosok penting

Angka Penting adalah angka dengan nilai praktis. Memahami konsep apakah suatu angka memiliki angka penting, kita dapat melihat beberapa aturan. Aturan-aturan ini berlaku untuk mengetahui tentang angka dengan nilai praktis dan angka yang tidak memiliki nilai praktis, dan tempatnya dalam angka tidak mempengaruhinya sama sekali. Aturan-aturan ini adalah:

• Digit yang bukan 'nol' selalu signifikan. Misalnya, 269 adalah angka penting.
• Nol di awal tidak signifikan. Misalnya, 0,065.
• Nol tawanan adalah signifikan. Misalnya, 2,0085.
• Jika angka memiliki titik desimal, dan angka nol mengikuti angka tersebut, maka angka tersebut signifikan. Misalnya, 3,65800.
• Nol bisa atau tidak bisa menjadi angka penting. Itu tergantung di mana itu ditempatkan di nomor. Misalnya, dalam 15.0002598 atau 25.365100, nol adalah angka penting. Nol sebelum titik desimal misalnya 0,00258 hanya ada tiga angka penting, karena nol tidak memiliki nilai praktis.

Selanjutnya, angka penting juga ditentukan oleh seperangkat aturan, yaitu:

• Penjumlahan/pengurangan dibulatkan ke angka desimal terendah.
• Perkalian/pembagian dibulatkan ke angka penting terkecil.
• Logaritma dibulatkan sedemikian rupa sehingga beberapa angka penting dalam masukan cocok dengan jumlah desimal dalam hasil.
• Eksponensial dibulatkan menjadi kepastian di basis saja.
• Trailing zeroes ditempatkan setelah tempat desimal setelah nomor tersebut. Misalnya, 1200.
• Putaran pada langkah terakhir. Ini mengikuti tanda kurung jika berlaku.

Perhitungan Angka Penting dan kalkulator

Good Calculators memiliki Kalkulator Angka Signifikan sendiri, dan kalkulator ini menghitung dan menentukan berapa banyak angka signifikan yang dimiliki sebuah angka.

Operator dan fungsi apa yang didukung oleh Kalkulator Angka Penting?

• Fungsi aritmatika seperti penjumlahan (+), pengurangan (-), pembagian (/ atau ÷), perkalian (* atau x), eksponen (^).
• Simbol grup seperti ().
• Fungsi seperti log n, ln n.
• Konstanta seperti pi, e.

Anda mungkin juga menyukai: Penggalian Teknologi pada Data Mendalam: Perburuan Harta Karun Global di Dunia Nyata.

Bagaimana cara menggunakan Kalkulator Angka Penting untuk keakuratan hasil?

Saat menghitung Kalkulator Angka Penting terkadang, data hasilnya tidak akurat. Jadi, untuk mendapatkan akurasi data yang lebih baik, letakkan # di akhir angka. Misalnya, 6.24#.

 Contoh: 10,00698 ÷ 13,6 = 0,736 (Angka Penting adalah 3).

 10,00698 ÷ 13,6# = 0,7358074 (Angka Signifikan adalah 7).

Menambahkan simbol # di akhir angka akan memberikan hasil yang lebih akurat, daripada hanya menempatkan angka. Angka Penting hanyalah cara untuk memberikan presisi yang lebih besar dalam pengukuran dan perhitungan. Dengan menerapkan aturan di atas dalam perhitungan angka penting, pengguna dapat lebih tepat dalam mendapatkan hasil. Itu berlaku di semua bidang perhitungan ilmiah dan memiliki dampak yang relevan dan langsung pada evaluasi data ilmiah.