Evaluasi Data dalam Penelitian: Akurasi, Presisi & Jenis Kesalahan

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

Keakuratan data ilmiah tergantung pada ketepatan percobaan. Menggandakan eksperimen berulang kali memberikan data yang lebih akurat dan informasi yang lebih banyak, daripada data yang dikumpulkan dengan eksperimen 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, ketika bebas dari kesalahan, menjadi akurat dan memberikan hasil yang diharapkan dapat dicapai dari percobaan.

Dalam data ilmiah, istilah seperti kesalahan, presisi, dan akurasi memiliki arti yang sangat penting. Mereka harus dipahami dalam beberapa detail untuk lebih memahami bagaimana evaluasi data bekerja dalam penelitian ilmiah. Juga, hubungan antara istilah-istilah ini harus dipahami dalam berbagai cara, untuk membuat penelitian ilmiah berhasil.

Ketepatan

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

Ambil contoh lain, misalnya. Jika volume cairan harus diambil pada 100 ml, dan sebagai gantinya, volume yang diukur adalah 98 ml, itu sangat dekat untuk memberikan akurasi percobaan. Akurasi didefinisikan sebagai seberapa dekat pengukuran dengan nilai nyata atau yang diterima. Akurasi dicapai dengan melakukan beberapa pengukuran dan mengambil rata-rata dari nilai pengukuran. Perbedaan antara ini dapat dinyatakan sebagai positif atau negatif. Nilai positif juga merupakan nilai mutlak, dan membaca dengan skor tinggi. Nilai negatif juga merupakan nilai absolut ketika pembacaan 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, kita mendapatkan akurasi absolut atau akurasi relatif.

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

Kesalahan relatif: Ini diukur sebagai persentase. Ketika kesalahan mutlak dibagi dengan nilai sebenarnya dan dikalikan dengan 100, kami mendapatkan persentase kesalahan relatif. Ini 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 dart, 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. Untuk kembali ke analisis ilmiah, presisi adalah berapa kali pengukuran yang sama dicapai. Jika volume nyata dan diinginkan cairan diharapkan 100 ml, dan setiap 10 kali percobaan, hasilnya mencapai 80 ml, data dapat dikatakan tepat. Karena hasilnya volume cairan adalah 80 ml, dan itu tercapai 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 percobaan atau menggunakan instrumen lama dan usang untuk pengukuran adalah kesalahan Sistematis. Misalnya menggunakan timbangan yang sudah berkarat dan tua. Kesalahan sistematis biasanya bukan kesalahan orang yang mengukur atau melakukan eksperimen. 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 terus mengenai sisi kiri adalah kesalahan sistematis, dan menyelaraskan kembali papan dart akan memperbaiki kesalahan ini. Timbangan yang sudah tua dan berkarat dapat diganti dengan timbangan yang baru, sehingga tanda-tandanya menjadi tebal dan terlihat, serta memperbaiki kesalahannya. Tetapi jika Anda mengambil beberapa pengukuran dari penggaris lama, dan melakukan pengukuran rata-rata, hasilnya akan jauh dari nilai sebenarnya.

Kesalahan sistematis dapat berupa:

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

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

Kesalahan Acak

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

Sosok penting

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

• Digit yang bukan 'nol' selalu signifikan. Misalnya, 269 adalah angka penting.
• Nol di awal tidak signifikan. Misalnya, 0,065.
• Nol captive signifikan. Misalnya, 2.0085.
• Jika suatu angka memiliki titik desimal, dan angka nol berada di belakang angka tersebut, maka angka tersebut signifikan. Misalnya, 3.65800.
• Nol bisa menjadi atau tidak bisa menjadi angka penting. Itu tergantung di mana ia 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 terkecil.
• Perkalian/pembagian dibulatkan ke angka penting terkecil.
• Logaritma dibulatkan sedemikian rupa sehingga beberapa angka penting dalam input cocok dengan jumlah desimal dalam hasil.
• Eksponensial dibulatkan ke kepastian di pangkalan saja.
• Trailing zeros ditempatkan setelah tempat desimal setelah nomor. Misalnya, 1200.
• Putaran pada langkah terakhir. Ini mengikuti tanda kurung ketika itu berlaku.

Perhitungan Angka Penting dan kalkulator

Kalkulator yang Baik memiliki Kalkulator Angka Pentingnya sendiri, dan ini menghitung dan menghitung berapa banyak angka penting yang dimiliki suatu 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: Teknologi Menggali Data Dalam: Perburuan Harta Karun Dunia Nyata.

Bagaimana cara menggunakan Kalkulator Angka Penting untuk keakuratan hasil?

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

 Contoh: 10.00698 13.6 = 0.736 (Angka Signifikan adalah 3).

 10.00698 13.6# = 0.7358074 (Angka Signifikan adalah 7).

Menambahkan simbol # di akhir angka memberikan hasil yang lebih akurat, daripada sekadar meletakkan 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 bisa lebih tepat dalam mencapai hasil. Ini berlaku di semua bidang perhitungan ilmiah dan memiliki dampak yang relevan dan langsung pada evaluasi data ilmiah.