Welcome to "Belajar Asyik" Blog Nabi shallallahu 'alaihi wa sallam bersabda, "Dua nikmat, yang manusia banyak tertipu dengannya : nikmat sehat dan waktu luang" (hadits shahih diriwayatkan oleh Al-Bukhari, At-Tirmidzi, Ibnu Majah, Ahmad dan lainnya)

Rabu, 15 Februari 2017

Perambata galat, definisi galat, analisis galat, dan sumber galat


2.1 Perambatan galat
2.1.1 Definisi Galat
Dalam statistika dan matematika stokastik, galat (bahasa Inggris: error) adalah sumber variasi data yang tidak dapat dimasukkan ke dalam model. Dalam literatur statistika, galat dikenal pula sebagai sesatan, pengotor, sisa, residu, atau noise.
Galat dapat disebut juga error atau dalam keseharian dapat disebut sebagai kesalahan, kesalahan yang dimaksud disini adalah kesalahan dalam proses pengambilan data. Menurut buku karangan Suntoyo Yitnosumarto, 1993, galat adalah keanekaragaman (variabilitas) yang disebabkan oleh ketidakmampuan materi percobaan atau obyek percobaan untuk berperilaku sama dalam percobaan tersebut.
Galat atau error dapat pula didefinisikan sebagai selisih dari nilai atau hasil yang kita harapkan terjadi (expected value) dengan observasi atau kenyataan yang terjadi di lapangan. Galat dapat berfungsi untuk menunjukkan efisiensi dari satu jenis percobaan atau penelitian ke penelitan yang lain. Secara normal kita menginginkan galat yang bernilai kecil bahkan tidak terjadi galat. namun ketiadaan galat juga dapat menyebabkan pertanyaan dalam penelitian kita. Terpenting dari galat ini adalah galat harus terjadi secara alami sehingga dapat menggambarkan obyek penelitian yang sesungguhnya. Cara yang paling efektif untuk menimbulkan kealamian galat adalah dengan menghomogenkan perlakuan terhadap obyek (Anonim A, 2008).
Pada suatu model data sederhana, masing-masing nilai pengamatan (pengamatan) dapat dipilah menjadi rerata (mean) dan simpangannya (deviation). Di sini, galat sama dengan simpangan. Galat yang demikian ini disebut sebagai galat pengamatan.
Dalam pengambilan contoh (sampel) data dari suatu populasi, galat diukur dari penyimpangan nilai rerata contoh dari rerata populasi. Galat ini dikenal sebagai galat pengambilan contoh (sampling error) atau galat contoh saja (Wikipedia, 2017).
Jenis galat secara teoretis ada dua jenis, yaitu galat sistematis dan galat acak (random error). Galat sistematis adalah galat yang disebabkan oleh pengaruh pengukuran yang bias, yang terjadi secara teratur atau konstan. Misalkan pada alat ukur, alat hitung, alat timbang, dan lain sebagainya. Intinya galat ditimbulkan dari alat dan proses yang berlangsung secara konstan. Galat acak (random error) adalah galat yang timbul dari proses pengukuran namun terjadinya tidak konstan atau tidak sistematis. Terkadang terjadi karena proses yang berada diluar jangkauan kita sebagai peneliti (Anonim A, 2008)

2.1.2 Analisis Galat
            Menganalisis galat sangat penting di dalam perhitungan yang menggunakan metode numerik. Galat berasosiasi dengan seberapa dekat solusi hampiran terhadap solusi sejatinya. Semakin kecil galatnya, semaki teliti solusi numeric yang didapatkan. Kita harus memamahami dua hal:
a)      Bagaimana menghitung galat?
b)      Bagaimana galat timbul?
Misalkan â adalah nilai hampiran terhadap nilai sejati a, maka selisih

ε = a – â          (P. 2.1)

disebut galat. Sebagai contoh, jika â = 10.5 adalah nilai hampiran dari a = 10.45, maka galatnya adalah ε = -0.01. Jika tanda galat (positif atau negatif) tidak dipertimbangkan, maka galat mutlak dapat didefinisikan sebagai :

|ε| =| a – â|    (P. 2.2)

Sayangnya, ukuran galat ε urang bermaka sebab ia tidak menceritakan seberapa besar galat itu dibandingkan dengan nilai sejatinya. Sebagai contoh, seorang anak melaporkan panjang kawat 99 cm, padahal panjang sebenarnya 100 cm. galatnya adalah 100 – 99 = 1 cm. Anak yang lain melaporan panjang sebatang pensil 9 cm, padahal panjang sebenarnya 10 cm, sehingga galatnya juga 1 cm. Kedua galat penguruan sama-sama bernilai 1 cm, namun galat 1 cm pada pengukuran panjang pensil lebih berarti daripada galat 1 cm pada pengukuran panjang kawat. Jika tidak ada informasi mengenai panjang sesungguhnya, kita mungkin menganggap kedua galat tersebut sama saja. Untuk mengatasi interpretasi nilai galat ini, maka galat harus dinormalkan terhadap nilai sejatinya. Gagasan ini melahirkan apa yang dinamakan galat relatif.

Galat relatif didefinisikan sebagai
   (P.2.3)
atau dalam persentase
   (P.2.4)

Karena galat dinormalkan terhadap nilai sejati, maka galat relatif tersebut dinamakan juga galat relatif sejati. Dengan demikian, pengukuran panjang kawat mempunyai galat relatif sejati = 1/100 = 0.01, sedangkan pengukuran panjang pensil mempunyai galat relatif sejati = 1/10 = 0.1.
Dalam praktek kita tidak mengetahui nilai sejati a, karena itu galat ε seringkali dinormalkan terhadap solusi hampirannya, sehingga galat relatifnya dinamakan galat relatif hampiran:
   (P.2.5)

Contoh 1.
Misalkan nilai sejati = 10/3 dan nilai hampiran = 3.333. Hitunglah galat, galat mutlak, galat relatif, dan galat relatif hampiran.

Penyelesaian:
galat = 10/3 – 3.333 = 10/3 – 3333/1000 = 1/3000 = 0.000333…
galat mutlak = | 0.000333…| = 0.000333… 
galat relatif = (1/3000)/(10/3) = 1/1000 = 0.0001
galat relatif hampiran = (1/3000)/3.333 = 1/9999

Galat relatif hampiran yang  dihitung  dengan  persamaan  (P.2.5)  masih mengandung kelemahan sebab nilai ε tetap membutuhkan  pengetahuan  nilai  a (dalam praktek kita jarang sekali mengetahui nilai sejati a). Oleh karena itu, perhitungan galat relatif hampiran  menggunakan  pendekatan  lain.  Pada  perhitungan numerik yang menggunakan pendekatan lelaran  (iteration),  εRA  dihitung  dengan cara



   (P.2.6)

yang dalam hal ini ar+1 adalah nilai hampiran lelaran sekarang dan ar adalah nilai hampiran lelaran sebelumnya. Proses lelaran dihentikan bila

|εRA|<εs

yang dalam hal ini εS adalah toleransi galat yang dispesifikasikan. Nilai εS menentukan ketelitian solusi numerik. Semakin kecil nilai εS, semakin teliti solusinya, namun  semakin  banyak  proses  lelarannya.  Contoh  2  mengilustrasikan  hal ini.

Contoh 2.
Misalkan ada prosedur lelaran sebagai berikut
xr+1 = (-xr3+3)/6 ,                            r = 0, 1, 2, 3, ... .
Lelaran dihentikan bila kondisi |εRA|<εs dalam hal ini εS adalah toleransi galat yang diinginkan. Misalkan dengan memberikan x0 = 0.5, dan εS = 0.00001 kita memperoleh runtunan:
x0 = 0.5
x1 = 0.4791667        ;| εRA = (x1 x0)/x1| = 0.043478 > εS
x2 = 0.4816638        ; |εRA = (x2 x1)/x2| = 0.0051843 > εS
x3 = 0.4813757        ; |εRA = (x3 x2)/x3| = 0.0005984 > εS
x4 = 0.4814091        ; |εRA = (x4 x3)/x4| = 0.0000693 > εS
x5 = 0.4814052.       ; |εRA = (x5 x4)/x5| = 0.0000081 < εS , berhenti!

Pada lelaran ke-5, |εRA|<εs sudah terpenuhi sehingga lelaran dapat dihentikan.

2.1.3 Sumber Utama galat Numerik
Secara umum terdapat dua sumber utama penyebab galat dalam perhitungan numerik:
1.         Galat pemotongan (truncation error)
2.         Galat pembulatan (round-off error)

Selain kedua galat ini, masih ada sumber galat lain, antara lain [KRE88]:
a.         Galat eksperimental, yaitu galat yang timbul dari data yang diberikan, misalnya karena kesalahan pengukuran, ketidaktelitian alat ukur, dan sebagainya
b.         Galat pemrograman. Galat yang terdapat di dalam program sering dinamakan dengan kutu (bug), dan proses penghilangan galat ini dinamakan penirkutuan (debugging)

Kita tidak akan membicarakan kedua galat terakhir ini karena kontribusinya terhadap galat keseluruhan tidak selalu ada. Akan halnya galat utama, galat pemotongan dan galat pembulatan, keduanya selalu muncul pada solusi numerik. Terhadap kedua galat inilah perhatian kita fokuskan.

2.1.3.1 Galat Pemotongan
Galat pemotongan mengacu pada galat yang ditimbulkan akibat penggunaan hampiran sebagai pengganti formula eksak. Maksudnya, ekspresi matematik yang lebih kompleks “diganti” dengan formula yang lebih sederhana. Tipe galat pemotongan bergantung pada metode komputasi yang digunakan untuk penghampiran sehingga kadang-kadaang ia disebut juga galat metode. Misalnya, turunan pertama fungsi f di xi dihampiri dengan formula
yang dalam hal ini h adalah lebar absis xi+1 dengan xi. Galat yang ditimbulkan dari penghampiran turunan tersebut merupakan galat pemotongan.

Istilah “pemotongan” muncul karena banyak metode numerik yang diperoleh dengan penghampiran fungsi menggunakan deret Taylor. Karena deret Taylor merupakan deret yang tak-berhingga, maka untuk penghampiran tersebut deret Taylor kita hentikan/potong sampai suku orde tertentu saja. Penghentian suatu deret atau runtunan langkah-langkah komputasi yang tidak berhingga menjadi runtunan langkah yang berhingga itulah yang menimbulkan galat pemotongan.

Contohnya, hampiran fungsi cos(x) dengan bantuan deret Taylor di sekitar x = 0:

Deret Taylor fungsi cos(x) sebenarnya tidak berhingga, namun untuk keperluan praktis, deret tersebut kita potong sampai suku orde tertentu, misalnya sampai suku orde n = 6 seperti pada contoh di atas. Kita melihat bahwa menghampiri cos(x) dengan deret Taylor sampai suku berderajat enam tidak memberikan hasil yang tepat. Galat pada nilai hampiran diakibatkan oleh pemotongan suku-suku deret. Jumlah suku-suku selanjutnya setelah pemotongan merupakan galat pemtongan untuk cos (x). Kita tidak dapat menghitung berapa persisnya galat pemtongan  ini  karena  jumlah  seluruh  suku-suku  setelah  pemotongan tidak mungkin dapat dihitung. Namun, kita dapat menghampiri galat pemotongan ini dengan rumus suku sisa:
Pada contoh cos(x) di atas,
Nilai Rn yang tepat hampir tidak pernah dapat kita peroleh, karena kita tidak mengetahui nilai c sebenarnya terkecuali informasi bahwa c terletak pada suatu selang tertentu. Karenanya tugas kita adalah mencari nilai maksimum yang mungkin dari |Rn| untuk c dalam selang yang diberikan itu [PUR84], yaitu:
Contoh komputasi lain yang menghasilkan galat pemotongan adalah perhitungan dengan menggunakan skema lelaran (lihat Contoh 2.5). Sayangnya, tidak seperti deret Taylor, galat pemotongan pada perhitungan dengan skema lelaran tidak ada rumusnya.
Galat pemotongan pada deret Taylor dapat dikurangi dengan meningkatkan orde suku-sukunya, namun jumlah komputasinya menjadi lebih banyak. Pada metode yang menerapkan skema lelaran, galat pemotongan dapat dikurangi dengan memperbanyak lelaran. Hal ini ditunjukkan pada Contoh 3 dengan memberikan nilai εS yang sekecil mungkin.

Contoh 3.
Tentukan turunan fungsi f(x) = ln(x) terlebih dahulu
Deret Taylornya adalah
dan
juga
dan nilai Max |24/c5| di dalam selang 0.9 < c < 1  adalah  pada  c =  0.9  (dengan mendasari pada fakta bahwa suatu pecahan nilainya semakin membesar  bilamana  penyebut dibuat lebih kecil), sehingga
Jadi ln (0.9) = -0.1053583 dengan galat pemotongan lebih kecil dari 0.0000034

2.1.3.2 Galat Pembulatan
Perhitungan dengan metode numerik hampir selalu menggunakan bilangan riil. Masalah timbul bila komputasi numerik dikerjakan oleh mesin (dalam hal ini komputer) karena semua bilangan riil tidak dapat disajikan secara tepat di dalam komputer. Keterbatasan komputer dalam menyajikan bilangan riil menghasilkan galat yang disebut galat pembulatan. Sebagai contoh 1/6 = 0.166666666… tidak dapat dinyatakan secara tepat oleh komputer karena digit 6 panjangnya tidak terbatas. Komputer hanya mampu merepresentasikan sejumlah digit (atau bit dalam sistem biner) saja. Bilangan riil yang panjangnya melebihi jumlah digit (bit) yang dapat direpresentasikan oleh komputer dibulatkan ke bilangan terdekat.
Misalnya sebuah komputer hanya dapat merepresentasikan bilangan riil dalam 6 digit angka berarti, maka representasi bilangan 1/6 = 0.1666666666…  di  dalam komputer 6-digit tersebut adalah 0.166667. Galat pembulatannya adalah 1/6 0.166667 = -0.000000333. Contoh dalam sistem biner misalnya 1/10 = 0.000110011001100110011 00110011…2 direpresentasikan di dalam komputer dalam jumlah bit yang terbatas.

2.1.3.3 Galat Total
Galat akhir atau galat total atau pada solusi numerik merupakan jumlah galat pemotongan dan galat pembulatan. Misalnya pada Contoh 2.3 kita menggunakan deret Maclaurin orde-4 untuk menghampiri cos(0.2) sebagai berikut:
Galat pemotongan timbul karena kita menghampiri cos (0.2) sampai suku orde empat, sedangkan galat pembulatan timbul karena kita membulatkan nilai hampiran ke dalam 7 digit bena.

2.1.4 Perambatan Galat
Galat yang dikandung dalam bilangan titik-kambang merambat pada hasil komputasi. Misalkan terdapat dua bilangan a dan b (nilai sejati) dan nilai hampirannya masing-masing aˆ dan bˆ, yang mengandung galat masing-masing εa dan εb. Jadi, kita dapat menulis
a =  aˆ + εa
dan
b =  b  + εb.
Di bawah ini akan diperlihatkan bagaimana galat merambat pada hasil penjumlahan dan perkalian a dan b.

Untuk penjumlahan,
a + b = ( aˆ   + εa) + ( bˆ  +εb) = ( aˆ      + bˆ  ) + (εa  + εb)            (P.2.7)
Jadi, galat hasil penjumlahan sama dengan jumlah galat masing-masing operand.

Untuk perkalian,
ab = ( aˆ+ εa)( bˆ+εb) = aˆ bˆ + aˆεb + bˆεa +  εa εb
yang bila kita susun menjadi
ab -  aˆbˆ  = aˆεb + bˆεa  +εaεb
Dengan mengandaikan bahwa a 0 dan b 0, maka galat relatifnya adalah

Dengan mengandaikan bahwa a dan aˆ hampir sama besar, yaitu a aˆ , begitu  juga b dan bˆ, dan εa dan εb sangat kecil  maka  aˆ   /a 1,  bˆ  /b 1, dan (εa/a)(εb/b)0. Dengan demikian
       (P.2.8)
Jadi, galat relatif hasil perkalian sama dengan jumlah galat relatif masing-masing operand.
Jika operasi aritmetika hanya dilakukan sekali saja, maka kita tidak perlu terlalu khawatir terhadap galat yang ditimbulkannya. Namun, bila operasi dilakukan terhadap seruntunan komputasi, maka galat operasi aritmetika awal akan merambat dalam seruntunan komputasi. Bila hasil perhitungan sebuah operasi aritmetika dipakai untuk operasi selanjutnya, maka akan terjadi penumpukan galat yang semakin besar, yang mungkin mengakibatkan hasil perhitungan akhir menyimpang dari hasil sebenarnya. Ketidakpastian hasil akibat galat  pembulatan yang bertambah besar itu dapat menyebabkan perhitungan menjadi tidak stabil (unstable atau instability), sedangkan lawannya adalah stabil, yang merupakan proses numerik yang diinginkan. Metode komputasi dikatakan stabil jika galat pada hasil antara (intermediate) hanya sedikit pengaruhnya pada hasil akhir. Jika galat pada hasil antara memberikan pengaruh yang besar pada hasil akhir maka metode komputasinya dikatakan tidak stabil [KRE88] (Munir, 2015: 49-50)




Sumber :
Anonim A. 2008. Galat Data Error Data http://statforall.blogspot.co.id/2008/07/galat-data-error-data.html [akses 15 februari]
Wikipedia. 2017 . Galat https://id.wikipedia.org/wiki/Galat [akses 15 februari]
Munir Rinaldi. 2015. Metode Numerik. Bandung : Informatika

2 komentar:
Write komentar
  1. Sangat bermanfaat kak. Kalau boleh tau manfaat dan dampak buruk galat dalam proses komputasi apa ya ?

    BalasHapus
  2. maaf kak kok gambarnya gk keluar sih T_T materinya bagus tapi aku gk bisa liat gambarnya 🥺 padahal sinyal aku bagus

    BalasHapus