BAB III

DASAR TEORI

Data hasil uji profisiensi menurut keragamannya secara garis besar dapat

digolongkan menjadi tiga yaitu:

• kumpulan data yang homogen (tidak terdapat data ekstrim),

• kumpulan data yang relatif homogen (terdapat data ekstrim), dan

• kumpulan data yang sangat bervariasi.

Secara visual keragaman kumpulan data dapat dilihat dengan menampilkan

kumpulan data tersebut dalam bentuk histogram. Selain itu keragaman data dapat

ditentukan dengan menghitung koefisien variasi (KV), yang biasanya dinyatakan

dalam prosentase (koefisien variasi relatif ) yang dirumuskan sebagai berikut.

SD (3.1)
KV, % = x 100
X

Keterangan :

KV = koefisien variasi, %

SD = simpangan baku, dan

X = rata-rata hitung.

Semakin kecil nilai KV, maka kumpulan data tersebut semakin homogen, dan

sebaliknya semakin besar nilai KV, maka kumpulan data tersebut semakin tidak

homogen (bervariasi).

Untuk menentukan nilai yang dianggap mewakili suatu kumpulan data dapat

digunakan rata-rata hitung atau median kumpulan data tersebut. Kedekatan nilai

suatu data terhadap rata-rata hitung atau mediannya menunjukkan kualitas data

tersebut. Untuk menguji kedekatan suatu data dengan nilai yang dianggap
 11

mewakili kumpulan data digunakan suatu uji statistika. Dalam hal ini penyusun

mencoba mengevaluasi penggunaan uji Grubbs dan Robust Z-Score yang lazim

digunakan untuk menilai kedekatan suatu data terhadap nilai yang dianggap

mewakili kumpulan data tersebut.

III.1 Uji Grubbs

Uji Grubbs digunakan untuk menguji dan menolak suatu data yang

berada diluar rata-rata yang diperbolehkan dari kumpulan data tersebut.

Tahap pengolahan data dengan uji Grubbs adalah sebagai berikut.

• Menghitung nilai rata-rata ( X ) kumpulan data yang banyaknya n.

• Menghitung simpangan baku (SD).

• Menetapkan nilai T (T tabel) dengan melihat pada tabel nilai kritis T (uji

satu arah) untuk uji Grubbs (Lampiran II).

• Menghitung nilai Ti untuk setiap Xi,dan Tn untuk setiap Xn, yaitu: untuk

data terendah Ti =( X - Xi )/SD , dan untuk data tertinggi Tn= (X– X )/SD.

• Menetapkan ditolak atau diterimanya suatu data dengan ketentuan jika

nilai Ti atau Tn untuk data terendah dan data tertinggi, lebih besar atau

sama dengan dari T tabel, maka data Xi atau ditolak sebagai bagian dari

kumpulan data, bila Ti data terendah dan Tn data tertinggi lebih kecil dari

T tabel, maka Xi dan Xn diterima sebagai bagian dari kumpulan data.

 12

III.1.1 Istilah-istilah Yang Terdapat dalam Uji Grubbs

III.1.1.1 Rata-Rata ( X )

Rata-rata adalah jumlah nilai data dibagi dengan banyaknya data. Nilai rata-

rata adalah nilai yang mewakili sekelompok data, yang dirumuskan sebagai

berikut.

∑ X (3.2)
X =
n
Keterangan:

X = nilai rata-rata,

X = nilai data, dan

n = banyaknya data.

III.1.1.2 Simpangan Baku (SD)

Ukuran penyebaran yang paling banyak digunakan dalam uji statistika adalah

simpangan baku (standard deviation = SD), yang dirumuskan sebagai berikut.

∑ ( Xi − X )
2
SD = , untuk n > 30 (3.3)
n

∑ ( Xi − X )
2
SD = , untuk n ≤ 30 (3.4)
n -1
Keterangan:

Xi = nilai data ke i,

X = nilai rata-rata, dan

n = banyaknya data.

3.1.1.3Grubbs T- Faktor ( mentapakan Nilai Kritis T )

Nilai Kritis T ( uji satu arah ) untuk tingkatan 5 % atau Grubbs T-Faktor for

5% Significance level diperoleh dari tabel untuk uji Grubbs pada lampiarn II.
 13

3.1.1.4Nilai Rejeksi ( Outlier )

Nilai rejeksi adalah batasan untuk menentukan data yang ditolak oleh

kelompoknya dengan menentukan nilai rejeksi.

X − Xi atau Xn − X
Ti = Tn =
SD SD
(3.5)

Kterangan :

Ti = Nilai untuk data terendah

Tn = Nilai untuk data tertinggi

X = Nilai rata – rata

Xi = Nilai data ke i ( Data terendah )

Xn = Nilai data ke n ( Data Tertinggi )

Nilai Rejeksi ( Outlier ) suatu data dengan ketentuan jika nilai lebih besar atau

sama dengan T tabel, maka data Xi atau Xn ditolak sebagai bagian dari kumpulan

data, bila Xi atau Xn lebih kecil dari Ttabel, maka Xi diterima sebagai bagian dari

kumpulan data.

3.2 Uji Robust Z-Score

Uji Robust Z-Score adalah suatu teknik statistika yang dapat meminimalkan

pengaruh nilai ekstrim pada penentuan nilai rata-rata dan simpangan baku.

Sebelum mengolah data dengan uji Robust Z-Score, terlebih dahulu dilihat bentuk

histogram data yang menunjukkan keragaman data, sehingga dapat ditentukan

teknik pengolahan data sebagai berikut.

• Langsung dengan uji Robust Z-Score, teknik ini dilakukan apabila data

yang diperoleh homogen, yang ditunjukkan dengan tampilan histogram

 14

yang mendatar, atau apabila kumpulan data mengikuti distribusi normal

(kurva Gauss).

• Uji Dixon yang dilanjutkan dengan uji Robust Z-Score, teknik ini

dilakukan apabila tampilan histogram terdapat beberapa data ekstrim.

Suatu kumpulan data yang mengandung data ekstrim perlu dilakukan

penyaringan atau penseleksian (ASTM E 1301-95, 2001). Penyaringan atau

penseleksian data dapat menggunakan uji Dixon dan sisa data yang

homogen selanjutnya diolah dengan menggunakan uji Robust Z-Score.

• Hanya menampilkan dalam bentuk histogram, teknik ini dilakukan apabila

tampilan histogram menunjukkan kurva berupa anak tangga atau tidak

mengikuti distribusi normal (kurva Gauss). Hal ini menunjukkan data

yang sangat bervariasi.

Untuk menghindari terjadinya kesalahan dalam mencurigai suatu data sebagai

data ekstrim, penyusun dalam hal ini melakukan uji Dixon terlebih dahulu

terhadap data terendah dan tertinggi dalam suatu kumpulan data sebelum uji

Robust Z-Score.

Dalam uji Robust Z-Score diperlukan data duplo yang kemudian dimasukkan

dalam rumus perhitungannya sehingga diperoleh dua parameter, yaitu ZBi

(between Laboratories Z-Score) dan ZWi (within Laboratory Z-Score).

3.2.1 Menentukan ZBi

 15

ZBi adalah suatu nilai yang menunjukkan kedekatan data hasil

analisis yang dimaksud dengan nilai yang dianggap mewakili

kumpulan data ersebut.

Menghitung ZBi, mula-mula menghitung Si dengan menggunakan rumus sebagai

berikut.
A i + Bi
Si = (3.6)
2
Keterangan:

Ai dan Bi adalah data duplo hasil analisis.

Kemudian ZBi dihitung dengan menggunakan rumus sebagai berikut.

Si − Me Si (3.7)
ZBi =
IQR Si × 0.7413

3.2.2 Menetukan ZWi

ZWi adalah suatu nilai yang menunjukkan kedekatan data duplo hasil

analisis. Untuk menghitung ZWi mula-mula menghitung Di, dengan

menggunakan rumus sebagai berikut.

− i B−i Me Di
Ai D , apabila Me Ai lebih besar daripada Me Bi
Di i ==
ZW
IQR2 D i × 0.7413
(3.8)
Bi − A i
Di =
2
, apabila Me Bi lebih besar daripada Me Ai (3.9)

Kemudian ZWi dihitung dengan me nggunakan rumus sebagai berikut

(3.10)
 16

3.2.3 Istilah-istilah Terdapat dalam Uji Robust Z-Score

3.2.3.1Uji Dixon

Uji Dixon digunakan untuk menseleksi data apabila terdapat beberapa hasil uji yang

menunjukkan nilai ekstrim. Uji ini tergantung pada jumlah data yang terlibat. Kumpulan

data yang hendak diolah terlebih dahulu disusun mulai data yang terkecil sampai dengan

terbesar. Suatu data dibuang dari kumpulannya apabila r hitung dihitung menurut rumus

yang tercantum pada Lampiran III lebih besar dari nilai r kritisnya

3.2.3.2Median (Me)

Median (Me) adalah suatu nilai yang terdapat ditengah-tengah data yang telah

diurutkan dimulai dari yang terkecil atau merupakan kuartil kedua (Q2) dalam

suatu kumpulan data yang telah diurutkan.

Dalam mengurutkan data apabila terdapat beberapa nilai yang sama maka

masing-masing nilai tersebut tetap ditampilkan.

Apabila banyaknya data genap, sehingga tidak terdapat nilai yang ditengah,

maka median dari data tersebut adalah rata-rata dari dua nilai tengah yang

letaknya berurutan. Apabila banyaknya data ganjil, maka median dari data

tersebut adalah nilai yang letaknya paling tengah. Rumus untuk menghitung letak

Median (Me) adalah sebagai berikut.

Median (Me)=(2(n-1)+4/4 (3.11)

3.2.3.3Kuartil (Quartile = Qi)

Kuartil adalah 3 (tiga) bilangan yang membagi suatu kumpulan data menjadi 4

(empat) bagian yang sama. Sehingga dalam kuartil terdapat istilah kuartil pertama
 17

(Q1), kuartil kedua (Q2) dan kuartil ketiga (Q3). Q1 membagi kelompok data

sedemikian rupa sehingga 25 % data lebih kecil atau sama dengan Q1, Q2

membagi kelompok data sedemikian rupa sehingga 50 % data lebih kecil atau

sama dengan Q2 dan Q3 membagi kelompok data sedemikian rupa sehingga 75 %

data lebih kecil atau sama dengan Q3. Sebagai ilustrasi dapat dilihat pada Gambar

3.1 berikut ini.

50 %

25 %

Q1 Q2 Q3

75 %

Gambar 3.1 Pembagian dan Letak Kuartil (Supranto,J., 2000)

Langkah-langkah dalam menentukan letak kuartil (Qi) adalah sebagai berikut.

 Data diurutkan dari data terkecil sehingga terbesar.

 Letak Qi dirumuskan sebagai berikut.

Kuartil (Qi) = (i (n - 1) + 4) / 4 (3.12)

Keterangan:

i = 1, 2, 3, dan

n = banyaknya data.
 18

3.2.3.4Inter Quartile Range (IQR) dan normalized Inter Quartile Range

(nIQR)

IQR adalah suatu ukuran penyebaran data, yang dirumuskan sebagai selisih

antara nilai kuartil ketiga dan pertama.

IQR = Q3 – Q1 (3.13)

nIQR adalah IQR dikalikan dengan faktor 0.7413 juga merupakan ukuran

penyebaran data, yang setara dengan simpangan baku.

(3.14)
nIQR = IQR x 0.7413

3.2.4 Kategori Z-Score

Nilai yang diperoleh dari perhitungan ZBi dan ZWi, dapat dikelompokkan

dalam 3 (tiga) kategori, sebagai berikut.

• “Memuaskan” (Satisfactory), apabila harga mutlak Z-Score lebih kecil

atau sama dengan 2 ( Z ≤ 2 ).

Nilai ZWi ≤ 2 , berarti data duplo hasil analisis relatif sama.

Nilai ZBi ≤ 2 , berarti data hasil analisis tersebut relatif sama dengan

rata-rata kumpulan data hasil analisis.

• “Dipertanyakan” (Questionable), apabila harga mutlak Z-Score lebih besar

2 dan lebih kecil 3 ( 2 < Z < 3 ).

Nilai 2 < ZWi < 3 , berarti duplo hasil analisis relatif terdapat

perbedaan.
 19

Nilai 2 < ZBi < 3 , berarti data hasil analisis tersebut dibandingkan

dengan rata-rata kumpulan data hasil analisis relatif terdapat perbedaan.

• “Tidak memuaskan” (Unsatisfactory), apabila harga mutlak Z-Score lebih

besar atau sama dengan 3 ( Z ≥ 3 ).

Nilai ZWi ≥ 3 , berarti duplo hasil analisis terdapat perbedaan yang

cukup besar.

Nilai ZBi ≥ 3 , berarti data hasil analisis tersebut dibandingkan dengan

rata-rata kumpulan data hasil analisis terdapat perbedaan yang cukup

besar.

3.2.5 Penentuan Kualifikasi Prestasi

Berdasarkan kategori Z-Score yang diperoleh, lebih lanjut dapat ditentukan

kualifikasi prestasi masing-masing partisipan (Kantasubrata, 2001), sebagai

berikut.

• Kategori Z-Score tiap parameter uji yang diperoleh masing-masing

partisipan diberikan simbol, seperti pada Tabel 3.1 di bawah ini.

Tabel 3.1 Kategori Z-Score dan Tanda Yang Diberikan

Z-Score Kategori Z-Score Tanda yang diberikan

Z ≤2 Memuaskan
2< Z <3 Dipertanyakan $
Z ≥3 Tidak memuaskan $$
(Sumber : Kantasubrata, 2002)