Uji F Satu Arah

Hipotesa :
H0 = Presisi metode A tidak berbeda dengan metode B (sA2 = sB2)
H1 = Presisi metode A kurang baik dibanding metode B (sA2 > sB2)

Kriteria Uji :

Tolak H0 jika Fhitung ≥ Fα (db=nA-1;nB-1), lihat Tabel uji-F
Cara menghitung uji-F :

Uji F

  • s1 dan s2 dipoisisikan sedemikian rupa sehingga F selalu ≥ 1 (s1>s2)
  • derajat bebas (df)= n-1 dimana n= jumlah data

Contoh 1

Contoh 2

Daftar Pustaka

Modul “Kursus Pengolahan Data Hasil Validasi Metode Analisis Kimia” Bandung 19 – 23 Juni 2006 RCChem Learning Centre

Uji F

Pada uji-F yang dibandingkan adalah dua buah variansi (s2) yang diperoleh dari dua set data sehingga yang terdeteksi adalah kesalah acaknya (random error).
Rumus statistik yang dipergunakan dalam uji-F sebagai berikut :

Variansi

Sedangkan cara menghitung uji-F :

Uji F

dimana s1 dan s2 dipoisisikan sedemikian rupa sehingga F selalu ≥ 1 (s1>s2)

Ada dua jenis uji-F yaitu uji-F satu arah dan uji-F dua arah. Perbedaan keduanya sebagai berikut :

  • Nilai kritis F-nya berbeda dimana nilai F kritis satu arah < dua arah
  • Uji-F satu arah untuk mengetahui apakah metode A lebih presisi daripada metode B atau apakah variansi kumpulan data A lebih besar / kecil dibandingkan variansi dari kumpulan data B.
  • Uji-F dua arah untuk mengetahui apakah metode A berbeda presisinya secara signifikan dengan metode B atau apakah variansi kumpulan data A berbeda secara signifikan dengan variansi dari kumpulan data B.

Daftar Pustaka

Modul “Kursus Pengolahan Data Hasil Validasi Metode Analisis Kimia” Bandung 19 – 23 Juni 2006 RCChem Learning Centre

 

Contoh Grubbs 3

Contoh Grubbs 3

Grubbs3 1

Data diurutkan dari nilai terkecil hingga nilai terbesar

Grubbs3 2

G3terendah = 1 – [(n-3)s2(n-2)terendah/(n-1)s2]

G3terendah = 1 – [(15-3)272,24/(15-1)1147,42] = 0,8

G3 tabel = 0,6182 –>  G3terendah > G3 tabel

0,8 > 0,6182

Data ke 1 & 2 dibuang

G3tertinggi = 1 – [(n-3)s2(n-2)tertinggi/(n-1)s2]

G3terendah = 1 – [(15-3)929,62/(15-1)1147,42] = 0,31

G3 tabel = 0,6182 –> G3terendah < G3 tabel

0,31 < 0,6182

Data ke 14 & 15 tidak dibuang

Grubbs3 3

G3terendah = 1 – [(n-3)s2(n-2)terendah/(n-1)s2]

G3terendah = 1 – [(13-3)298,08/(13-1)272,20] = 0,09

G3 tabel = 0,6705–> G3terendah < G3 tabel

0,09 < 0,6705

Data ke 3 & 4 tidak dibuang

G3tertinggi = 1 – [(n-3)s2(n-2)tertinggi/(n-1)s2]

G3terendah = 1 – [(13-3)22,3/(13-1)272,20] = 0,93

G3 tabel = 0,6705 –>G3terendah > G3 tabel

0,93 > 0,6705

Data ke 14 & 15 dibuang

Grubbs3 4

G3terendah = 1 – [(n-3)s2(n-2)terendah/(n-1)s2]

G3terendah = 1 – [(11-3)20,60/(11-1)22,32] = 0,26

G3 tabel = 0,7350–>G3terendah < G3 tabel

0,26 < 0,7350

Data ke 3 & 4 tidak dibuang

G3tertinggi = 1 – [(n-3)s2(n-2)tertinggi/(n-1)s2]

G3terendah = 1 – [(11-3)9,43/(11-1)22,32] = 0,66

G3 tabel = 0,7350 –> G3terendah < G3 tabel

0,66 < 0,7350

Data ke 12 & 13 tidak dibuang

Hasil Akhir Seleksi Data dengan Uji Grubss 3

Grubbs3 5

Tabel Kritis Uji Grubbs

Daftar Pustaka

Modul “Kursus Pengolahan Data Hasil Validasi Metode Analisis Kimia” Bandung 19 – 23 Juni 2006 RCChem Learning Centre

Mengolah Kumpulan Suatu Data

  • Dalam kaitannya dengan Ketepatan Data (Akurasi)

–         Harga rata-rata

Rata-rata

–         Median

  1. Sebagai alternative harga rata-rata dapat dihitung median
  2. Median adalah data yang terletak ditengah, setelah terlebih dahulu data-data pada kumpulan data diurut mulai dari data yang paling rendah hingga yang paling tinggi.
  3. Apabila kumpulan data tersebut jumlahnya genap, tidak akan ada data yang terletak ditengah. Dalam hal ini median adalah rata-rata dari dua data yang terletak ditengah.
  • Dalam kaitannya dengan Kecermatan Data (Presisi)

–         Jarak data

Nilai pengamatan tertinggi dikurangi nilai pengamatan terendah. Presisi makin baik bila jarak data makin kecil.

–         Simpangan Pukul Rata

Simpangan Rata-rata

–         Variansi

Variansi

Untuk data duplo

Variansi Data Duplo

Dimana :

d = selisih nilai duplo

n = banyaknya pengukuran, termasuk data duplo

–         Simpangan Baku

Simpangan Baku

Untuk data duplo

Simpangan Baku Data Duplo

Dimana :

d = selisih nilai duplo

n = banyaknya pengukuran, termasuk data duplo

–         Simpangan Baku Relatif (Koefesien Variasi)

RSD

CV

Untuk data duplo

CV Data Duplo

Daftar Pustaka

Modul “Kursus Pengolahan Data Hasil Validasi Metode Analisis Kimia” Bandung 19 – 23 Juni 2006 RCChem Learning Centre