1

PENDAHULUAN

1.

Latar belakang Sejak dulu statistika merupakan ilmu yang sangat penting, bukan saja

sebagai ilmu yang dipelajari di sekolah termasuk perguruan tinggi tetapi juga sebagai ilmu terapan. Penerapannya misalnya dalam ekonomi, pendidikan, managemen, biologi, riset, dan dalam kegiatan masyarakat lainnya. Pemerintah menggunakan statistika untuk menilai hasil pembangunan masa lalu dan juga untuk membuat rencana masa datang. Pimpinan mengambil manfaat dari kegunaan statistika untuk melakukan tindakan-tindakan yang perlu dalam menjalankan tugasnya, diantaranya: perlukah mengangkat pegawai baru, sudah waktunyakah membeli mesin baru, bagaimanakah kemajuan usaha dari tahun-tahun yang lalu dan masih banyak lagi. Penggunaan penting lainnya dari statistika ialah untuk meramalkan kejadian-kejadian yang akan datang. Misalnya ramalan cuaca, ramalan jumlah penduduk di waktu yang akan datang, ramalan keadaan angin, dan badai terutama bagi para nelayan serta banyak lagi kegunaan lainnya. Fakta atau gambaran yang disampaikan melalui statistik pada umumnya bersifat normatif dan hemat atau praktis, sebab berbagai informasi itu disarikan dalam gambaran-gambaran yang sederhana baik berupa tabel, maupun diagram, namun memiliki makna yang luas. Dari uraian singkat di muka cukup dapat memberikan gambaran bahwa statistika memang sangat diperlukan, minimal penggunaan metodenya. Statistika bukan saja hanya diperlukan dalam penelitian atau riset, namun diperlukan pada berbagai bidang ilmu yang lain. Untuk itu pada makalah ini akan dibahas bagaimana Konsep dasar statistika. Populasi dari ekosistem tertentu dapat ditentukan hanya dengan melaksanakan sensus terhadap semua organisme yang hidup di ekosistem itu. Hal ini berlaku sama, jumlah mikroba

Sanitasi industri

dalam komoditas makanan atau produk. Sebuah situasi yang sama berkaitan ketika seseorang melihat populasi mikroba dari makanan . Asosiasi mikroba bahan pangan berbeda sesuai dengan faktor intrinsik dan ekstrinsik yang beragam , terutama keasaman dan aktivitas air , dan sejauh mana efek pengolahan. Populasi mikroba makanan asam umumnya akan terdiri dari ragi dan jamur, sedangkan populasi utama daging mentah dan bahan makanan kaya protein lainnya akan terdiri sebagian besar bakteri non - fermentasi Gram negatif , dengan populasi yang lebih kecil dari organisme lain ( Mossel , 1982). Dalam perhitungan mikroba, hal pertama yang paling penting adalah adalah mendefinisikan populasi mikroba yanga akan dihiting . Misalnya , seseorang perlu menilai jumlah organisme , yang hidup dan organisme yang mati , atau hanya populasi yang layak. Bisa juga hanya dari 1 jenis yang spesifik, misalnya kelompok organisme aerob , anaerob , psikrofili, dll.

1.2

Maksud dan Tujuan Maksud dalam pembuatan makalah ini adalah agar mahasiswa dapat

memahami

tentang dasar konsep statistika sebagai dasar untuk mempelajari

sanitasi industri. Tujuan dalam pembuatan makalah ini adalah agar mahasiswa dapat

memahami dan melakukan perhitungan dasar statistika dalam penerapan dibidang sanitasi industri.

Sanitasi industri

2. PEMBAHASAN

2.1

Populasi Populasi penduduk dari sebuah ekosistem tertentu dapat ditentukan hanya

dengan melakukan sensus dari semua organisme dalam sebuah ekosistem. Sama seperti apakah yang dihitung dalam jumlah orang di sebuah kota, negara atau wilayah atau dengan menghitung mikroba dari sebuah komoditas pangan atau produk. Sementara, dalam kasus yang pertama, hal ini setidaknya secara teoritis dapat digunakan untuk mungkin

menentukan populasi manusia dalam

sebuah cara non-destructive (salah satu teknik mengujian material tanpa merusak benda ujinya), sama juga dalam menentukan populasi mikroba. Ketika survei dilakukan pada orang-orang misalnya, dalam satu kota atau desa, itu tidak akan menjadi tak terduga karena jumlah penduduk berbeda

diantara berbagai rumah; atau bahwa ada perbedaan etnis, usia, seks, kesehatan dan kesejahteraan suka dan tidak suka, pribadi dan lain-lain. Situasi yang sama berkenaan ketika kita melihat populasi mikroba makanan. Asosiasi mikroba bahan makanan berbeda menurut beragam faktor intrinsik dan ekstrinsik, terutama kegiatan keasaman dan air, dan sejauh mana efek pengolahannya. Dengan demikian populasi mikroba utama makanan asam pada umumnya terdiri dari ragi dan cetakan, sedangkan pada produk utama

daging mentah dan bahan makanan kaya protein lainnya akan terdiri dari bakteri Gram negatif non-fermentasi, dan populasi organisme kecil lain (Mossel, 1982). Di enumerasi mikroba, sangat penting pertama untuk menentukan penduduk untuk dihitung. Sebagai contoh, yang dibutuhkan untuk menilai keseluruhan penduduk yang hidup dan mati organisme, atau hanya penduduk layak. Dengan kelompok-kelompok tertentu dari organisme, misalnya aerobes, anaerobes, psychrotrophs dan psychrophiles, mesophiles atau thermophiles. Bahkan ketika pertanyaan seperti itu telah menjawab, itu masih akan mustahil untuk menentukan benar ekologi populasi tertentu banyak makanan, karena untuk melakukannya

Sanitasi industri

akan memerlukan pengujian dari semua makanan. Suatu tugas yang tidak mungkin secara teknis dan ekonomi. Populasi menurut Aziz dan Retno (2006), adalah semua individu yang termasuk dalam kriteriakriteria sample yang ditentukan. Populasi merupakan kumpulan dari individu dengan kualitas serta ciri-ciri yang telah

ditetapkan.sedangkan menurut Himatusajanah dan Faizah (2008), populasi adalah keseluruhan dari objek penelitian, atau objek yang diteliti.

2.2

Lot dan Sampel Banyak individu terdiri dari jumlah massal makanan yang telah diproses

di bawah kondisi yang pada dasarnya identik pada satu kesempatan. Makanan dapat disimpan dan didistribusikan secara massal atau sebagai pra-paket unit masing-masing berisi satu atau lebih individual unit Produk (misalnya satu daging pie atau Pak kacang polong beku). Dengan asumsi bahwa pengolahan telah dilakukan di bawah kondisi yang seragam, maka, secara teoritis, populasi mikroba setiap unit harus khas. Dalam prakteknya, ini tidak akan selalu menjadi kasus. Sebagai contoh, tingginya tingkat cemaran mikroba mungkin terkait hanya dengan bagian-bagian tertentu dari sekian banyak karena beberapa mengalami Cacat pengolahan. Selain itu, perkiraan populasi mikroba akan terpengaruh dengan pilihan rezim tes yang digunakan. Hal ini tidak layak untuk menentukan tingkat dan jenis organisme aerobik dan anaerobik, atau organisme acidophilic dan non-acidophilic, atau kelas-kelas lain berbeda dari mikroorganisme yang menggunakan sebuah tes. Dengan demikian dapat ditentukan Kapan pemeriksaan mikrobiologis dapat dilakukan. Jenis-jenis mikroorganisme yang terdeteksi akan didefinisikan dalam bagian oleh ujian protokol. Kendala-kendala seperti itu dapat memberikan perkiraan populasi mikroba lot yang bias. Oleh karena itu, sampling massal atau pra-paket unit produk hanya menyediakan contoh dari jenis banyaknya jumlah mikroorganisme yang membentuk populasi dan sampel populasi lebih lanjut dipilih kami untuk uji protokal. Untuk memastikan bahwa serangkaian sampel yang diambil dari
4 Sanitasi industri

banyaknya populasi benar mencerminkan keragaman jenis dan jumlah organisme yang berhubungan dengan produk ini sangat penting bahwa sampel utama harus ditarik secara acak, baik dari sebagian besar atau sebagai individu. Ahli kimia analitis sering menarik besar sampel utama yang dicampur dan sampel kembali sebelum mengambil satu atau lebih sampel analisis tujuan adalah untuk meminimalkan antara variasi sampel untuk menentukan perkiraan analitis rata-rata untuk analyte tertentu. Hal ini tidak biasa bagi beberapa kilo gram bahan harus diambil sebagai sejumlah diskrit sampel yang kemudian digabungkan. Memang, untuk beberapa tujuan, seperti beberapa sampel prosedur yang biasa. Sampling makanan untuk pemeriksaan mikrobiologis tidak umumnya dapat dilakukan dengan cara ini karena risiko kontaminasi selama pencampuran utama sampel silang. Sampel populasi (yaitu unit produk) dibagi untuk analisis tujuan dan diperlukan untuk mempertimbangkan implikasi dari menentukan populasi mikroba dalam hal jumlah, ukuran dan jenis sampel yang diambil. Dalam beberapa kasus itu dimungkinkan untuk analisis sampel diambil sebagian dari banyaknya sampel. Cairan, seperti susu cukup baik untuk dicampurkan dan jumlah organisme yang digunakan sebagai sampel analitis adalah wakil dari susu dalam tangki penyimpanan massal. Namun, karena masalah pencampuran, sampel ditarik dari silo biji-bijian, atau bahkan dari individu karung gandum, tidak harus benar-benar representatif. Dalam keadaan demikian, stratifikasi disengaja (qv) mungkin hanya praktis dengan cara pengambilan sampel. Situasi serupa memperoleh anggapan bahwa kompleks bahan baku (misalnya hewan carcases), atau produk pangan komposit (misalnya siap-untuk-memasak makanan yang mengandung irisan daging dimasak, Yorkshire puding, kulit kacang polong beku. Misalnya, salah satu daerah mungkin lebih cenderung untuk membawa jumlah tinggi dan jenis organisme dari daerah lain. Oleh karena itu, Standardisasi pengambilan contoh protokol sangat penting. Dalam situasi dimana pangan komposit terdiri dari komponen diskrit, sebuah sampling protokol perlu untuk digunakan yang mencerminkan tujuan uji adalah analisis sampel komposit

Sanitasi industri

diperlukan (yaitu satu yang terdiri dari berbagai bahan dalam proporsi yang tepat) atau harus masing-masing bahan diuji secara terpisah. Sampel merupakan bagian dari populasi yang ingin diteliti, dipandang sebagai suatu pendugaan terhadap populasi, namun bukan populasi itu sendiri. Sampel dianggap sebagai perwakilan dari populasi yang hasilnya mewakili keseluruhan gejala yang diamati. Ukuran dan keragaman sampel menjadi penentu baik tidaknya sample yang diambil. Terdapat dua cara pengambilan sampel, yaitu secara acak (random)/probabilita dan tidak acak (non-random)/non-probabilita. Sampel adalah bagian dari populasi yang diambil untuk diteliti atau diobservasi, sehingga dengan melakukan pengamatan pada contoh diperoleh keuntungan yaitu : menghemat biaya (reduce cost), waktu dan tenaga. Data segera dapat dikumpulkan, diolah, dan diselidiki, sehingga hasilnya dapat cepat digunakan. Agar sampel yang kita ambil dapat mencerminkan populasi, maka pengambilan sampel harus objektif. Untuk itu, pengambilan harus secara random (acak, lotere). Ada tiga macam pengambilan (penarikan) sampel dari populasi yaitu : penarikan sampel acak sederhana (simple random sampling), penarikan sampel sistematik (systematik sampling), dan penarikan acak berlapis (stratified random sampling). Pengertian sampel menurut Mursdi (2010) adalah sebagian dari jumlah karakteristik yang dimiliki oleh populasi. Sebenarnya tidak ada ketentuan atau ketepatan mutlak berapa persen suatu sampel dari populasi. Ketidak mutlakan ini tidak perlu menimbulkan keraguan pada seorang penyelidik. Namun ada pula beberapa peneliti yang menyatakan bahwa besarnya sampel tidak boleh kurang dari 10% dan ada pula yang menyatakan minim 5% dar populasi yang ada.

2.3

Rata-Rata Sampel Populasi Jika sampel tunggal dianalisis, hasilnya memberikan perkiraan titik

metode-dependent dari jumlah populasi dalam sampel itu. Tes ulangan pada sampel tunggal memberikan meningkatkan perkiraan jumlah penduduk,
6 Sanitasi industri

berdasarkan rata-rata hasil, bersama-sama

dengan ukuran variabilitas dari

perkiraan untuk sampel itu. Demikian pula, jika sampel mereplikasi diuji, hasil rata-rata memberikan estimasi yang lebih baik dari jumlah organisme di npenduduk berdasarkan rata-rata antar-contoh dan perkiraan variabilitas antara sampel. Dengan demikian, kita dapat memiliki keyakinan besar bahwa 'populasi sampel rata-rata' akan lebih mencerminkan populasi di 'banyak'. Standard error dari rata-rata (SEM) memperkiraan sejauh mana (rata-rata) nilai rata-rata dipergunakan. Jika cukup jumlah sampel mereplikasi diuji maka kita dapat

memperoleh distribusi frekuensi untuk penting.

30,5 30 25 20 15 10 5 2 0
3,5 4 4,5 5 5,5 6 6,5 7

23 21 16 4,5 3 0
7,5

Colony counter (log cfu/g)

Menambahkan nilai-nilai individu dan membaginya dengan jumlah tes replikasi menyediakan aritmatika sederhana, (x= x1 + x2 + x3+....+ xn) /n = dimana x i adalah nilai i 1 xi /n

tes dan n adalah jumlah tes dilakukan). Namun,

dimungkinkan untuk memperoleh bentuk lain dari nilai rata-rata. Misalnya, mengalikan jumlah individu pada sampel n dan kemudian mengambil n akar produk yang memberikan nilai rata-rata geometrik x= ( x1 . x2 . x3 . ....... . xn) Hal ini sederhana untuk menentukan perkiraan rata-rata geometris dengan mengambil logaritma yang asli nilai ( y = log10 x ), menambahkan nilai-nilai log-

Sanitasi industri

transformasi dan membagi jumlah dengan n untuk memperoleh nilai rata-rata log (y), yang sama dengan log x . Nilai ini kemudian kembali-diubah oleh mengambil antilog untuk mendapatkan perkiraan nilai rata-rata geometrik: y= n = n Geometrik mean sesuai untuk data yang sesuai dengan distribusi lognormal dan untuk titer yang diperoleh dari seri pengenceran n-kali lipat. Hal ini penting untuk memahami perbedaan antara geometrik dan aritmetik nilai mean karena keduanya digunakan dalam menangani data mikrobiologi. Dalam hal jumlah koloni mikroba, jumlah rata-rata log adalah log 10 dari aritmatika sederhana berarti, sebaliknya, rata-rata log-hitung adalah rata-rata aritmatika log jumlah 10-transformasi itu, di punggung-transformasi memberikan jumlah ratarata geometrik. Menurut Zieffler et al., (2008), average atau mean digunakan untuk mencari nilai rata-rata dari suatu range. Kelebihan average adalah dapat menggambarkan mean populasi. Sedangkan kekurangan dari average adalah digunakan untuk data yang diukur minimal dalam skala interval. Peka terhadap data ekstrim (outliers). = log x

2.3.1

Rata-Rata Aritmatika Nilai rata-rata aritmatika dapat dihitung dengan menggunakan rumus

sebagai

berikut

dimana xi adalah nilai data ke i dan n adalah jumlah data. Menurut Yitnosumarto (1990), nilai rata-rata memegang peranan penting dalam statistika inferensial. Rata-rata aritmatika ini digunakan untuk data yang tidak berkelompok dan merupakan peubah acak.

Sanitasi industri

2.3.2

Rata-Rata Geometris Bentuk lain dari nilai rata-rata. Misalnya, mengalikan jumlah individu

pada sampel n dan kemudian mengambil n per akar produk yang memberikan nilai rata-rata geometrik ( x ) yang di tulis dengan rumus berikut :

Bentuk lain lagi dari nilai rata-rata. Misalnya, mengalikan jumlah individu pada sampel n dan kemudian mengambil n per akar produk yg lebih sederhana untuk menentukan perkiraan rata-rata geometris dengan mengambil logaritma yang asli nilai (y = log 10 x), menambahkan nilai-nilai log-transformasi dan membagi jumlah dengan n untuk memperoleh nilai rata-rata log ( y ), yang sama dengan log x . Nilai ini kemudian kembali-diubah dalam mengambil antilog untuk mendapatkan perkiraan nilai rata-rata geometris: dalam memberikan nilai rata-rata log trasformasi geometrik dapat di gunakan dengan rumus berikut:

Rata-rata Geometrik sesuai untuk data yang sesuai dengan distribusi lognormal dan untuk titer yang diperoleh dari seri pengenceran n-kali lipat. Hal ini penting untuk memahami perbedaan antara nilai rata-rata geometrik dan aritmetik karena keduanya digunakan dalam menangani data mikrobiologi. Menurut Yitnosumarto (1990), rata-rata geometrik ini lebih ditujukan pada data tidak berkelompok dan pada data berkelompok. Rata-rata geometrik umumnya digunakan untuk data yang kisarannya besar sekali. Misalnya dalam pengamatan bakteri yang ditumbuhkan pada satu media terdapat beberapa bakteri saja, sedangkan pada tempat yang lain beribu-ribu bahkan berjuta-juta bakteri yang mampu hidup.

2.4

Statistik dan Parameter

Sanitasi industri

Suatu populasi dapat dijelaskan dengan parameter rata-rata dan populasi. Tapi kita tidak dapat mengetahui tingkatan nilai parameter kecuali dari populasi yang terbatas (misalnya 1 set pipet sebagai sampel). Namun kita dapat memperoleh perkiraan tentang parameter ini dari statistik yang Namun, kita dapat memperoleh perkiraan parameter ini dari statistik yang menggambarkan populasi sampel dalam hal nilai rata-rata analitis (x) dan variansi (S2). Kami juga dapat menyediakan ukuran kemungkinan bahwa hasil rata-rata yang sama akan dicapai jika analisis diulangi pada satu set lebih lanjut dari sampel yang sama 'banyak'. Estimasi nilai tersebut adalah statistik yang dapat di pakai sebagai perkiraan parameter populasi yang sebenarnya. Menurut Yitnosumarto (1990), proses penarikan kesimpulan umumnya terdiri dari dua bagian, yang pertama pendugaan parameter-parameter populasi, dan kedua yaitu pengujian hipotesis yang menspesifikasikan nilai parameter. Istilah statistik tersebut, menunjukkan ukuran-ukuran yang secara langsung yang diperoleh dari data sampel untuk menaksir parameter populasinya. Statistika; bagian dari matematika yang secara khusus membicarakan cara-cara analisis dan penafsiran data, dengan kata lain statistika digunakan untuk menunjukkan body of knowledge (tubuh pengetahuan) tentang cara-cara penarikan sampel (pengumpulan data), serta analisis dan penafsiran data. Parameter, ratarata dan variansi data populasi Akritas, Michael. 2009. Chapter 1: Basic

Statistical Concepts Lesson .Department of Statistics The Pennsylvania State University.UK Statistik dan Parameter: 1. Statistik : Kumpulan data, bilangan, maupun non bilangan yang disusun dalam tabel dan atau diagram yang melukiskan atau menggambarkan suatu persoalan
10

Statistik Penduduk, kelahiran, pendidikan, produksi, pertanian, dsb. Ukuran sebagai wakil dari kumpulan data Rata-rata, median, mode, simpangan baku, ragam, persen, dsb. Statistik digunakan untuk mengestimasi nilai dari parameter populasi.

Sanitasi industri

Statistik adalah bilangan nyata yang menyatakan sebuah karakteristik dari sebuah sampel, contohnya mean/rata-rata sampel, varians sampel, simpangan baku sampel

Sehingga, hakikat belajar statistik yaitu menghitung statistik sampel untuk menduga/menguji parameter populasi, (notes; dalam menduga, menguji ada peluang kesalahan

2. Parameter: pengertiannya hampir sama dengan statistik, perbedaannya hanya terletak pada sumber data yang digunakan. Statistik menggunakan sumber data yang berasal dari sampel, sedangkan parameter menggunakan sumber data yang berasal dari populasi. Parameter adalah bilangan nyata yang menyatakan sebuah

karakteristik dari sebuah populasi, contohnya mean populasi, varians populasi dan simpangan baku Pada umumnya parameter populasi tidak diketahui karena banyaknya anggota populasi yang umumnya sangat besar sehingga peneliti tidak mampu atau tidak mau meneliti seluruh anggota populasi, sedangkan statistik sampel dapat dihitung karena banyaknya anggota sampel relatif sedikit.

2.5

Statistik dan Standart Eror Hasil dari analisis mereplikasi dari sampel tunggal, dan analisis replikasi

sampel, akan selalu menampilkan beberapa variasi dibeberapa distribusi mikroba dalam sampel yang diuji, kekurangan dari teknik pengambilan sampel dan ketidakakuratan teknis metode dan analis. Variasi dapat dinyatakan dalam beberapa cara.

11

Sanitasi industri

Menurut Yuliandra (2012), SE (standard error atau kesalahan baku). merupakan nilai yang mengukur seberapa tepat kah nilai mean yang kita peroleh. SE adalah akar dari nilai variance yang sudah dibagi dengan n. Ingat, dibagi dengan nilai n, bukan nilai (n-1). Jadi, jika perhitungan kita di atas dilanjutkan, maka nilai SE adalah: SE = (variance/n) Menurut USU (2011), standard error atau kesalahan buku adalah angka yang digunakan untuk mengukur ketetapan suatu penduga atau mengukur jumlah variasi titik titik observasi di atas dan di bawah regresi populasi. Karena standard error populasinya tidak diketahui, maka diduga dengan (standard error estimate) sehingga adalah standard deviasi yang menggambarkan variasi titik titik di atas dan di bawah garis regresi sampel. Nilai dapat diperoleh dengan rumus sebagai berikut :

Apabila semua titik titik observasi berada pada tepat garis regresi, berarti standard error penduga sama dengan nol. Dengan demikian, standard error penduga berguna untuk mengetahui batasan seberapa jauh melesetnya perkiraan dalam meramalkan data.

Varians populasi berasal dari rata-rata kuadrat penyimpangan , yaitu 2 = (x - )2/n di mana x adalah hasil individu, mean populasi nilai , n nomor dalam populasi dan menunjukkan ' jumlah. Setiap hasil individu (x) berbeda dari populasi artinya dengan nilai ( x - ) , yang dalam statistik disebut sebagai deviasi . Tetapi seperti nilai tidak diketahui , sampel rata- rata (x ) digunakan sebagai perkiraan populasi rata- rata. The ' varians sampel ' ( s ) memberikan perkiraan varians populasi (2) dan ditentukan sebagai rata-rata tertimbang
2

12

Sanitasi industri

kuadrat penyimpangan , pembobotan yang diperkenalkan melalui penerapan konsep derajat kebebasan , yang mengasumsikan bahwa dari n pengamatan , hanya ( n - 1 ) tersedia sejak satu pengamatan telah digunakan sudah dalam menentukan nilai rata-rata . ( s ) berisi perkiraan dari varians populasi (2)demikian berasal dari :
2

Bentuk alternatif dari persamaan ini biasanya tidak harus digunakan dalam perhitungan praktis dari varians sampel karena didasarkan pada persegi penyimpangan dari nilai rata-rata . Penyimpangan tersebut biasanya hanya sebuah pendekatan untuk nilai mutlak desimal yang tidak terbatas, dan karena jumlah deviasi dari nilai rata-rata dikuadratkan , setiap perbedaan adalah aditif dan varians diperoleh mungkin tidak akurat. Standar deviasi (s) dari sampel rata- rata adalah akar kuadrat dari varians (s= ). Koefisien variasi (CV), sering disebut sebagai standar relatif deviasi (

RSD ) , adalah standar deviasi dinyatakan sebagai persentase dari rata- rata: % CV = % RSD ? ( s / x ) x 100. Istilah 'standar error' sering digunakan secara konvensional untuk berarti 'standar deviasi' ( dijelaskan di atas ) dan merupakan ukuran statistik penyimpangan bahwa perkiraan akan

diharapkan untuk menunjukkan dalam pengujian sampel ulangi dari populasi yang sama. Dengan kata lain , itu menunjukkan berapa banyak variasi mungkin diharapkan terjadi hanya secara kebetulan dalam karakteristik dari sampel yang diambil sama secara acak dari populasi tunggal. Namun, SEM adalah ukuran dari deviasi dalam nilai rata-rata yang dapat diharapkan jika analisis berulang yang dilakukan di sama ' banyak ' produk . SEM diperkirakan dari akar kuadrat dari varians dibagi dengan jumlah observasi yang digunakan , yaitu, SEM = s/ . =

13

Sanitasi industri

Menurut Rahmantya (2009), perhitungan standard error berbeda-beda tergantung pada penduganya, misal untuk mean menggunakan standard error mean (SE(mean)). Rumus SE(mean) adalah SE(mean) = Standar deviation/(sample size), ini menunjukkan bahwa nilai SE(mean) bergantung pada standard deviation dan ukuran sample. Dari rumus tersebut dapat diketahui pula bahwa nilai standard error akan turun apabila ukuran sample diperbanyak dan variance atau standard deviation sample dikurangi. Oleh karena itu, standard error dapat digunakan untuk menentukan dan mengontrol ukuran sample, hal ini berbeda dengan standard deviation yang nilainya tidak dipengaruhi ukuran sample.Standard error dapat menunjukkan bagaimana tingkat fluktuasi dari pen duga atau statistic. Standard error juga dapat diintepretasikan seberapa akurat penduga dalam menduga parameter. Standard error dapat diaplikasikan dalam dua hal: 1. Nilai penduga atau statistic yang dibagi dengan standard error penduga akan menunjukkan apakah statistic sama dengan nol, kemudian nilai tersebut dibandingkan dengan nilai distribusi t. Berdasarkan beberapa literatur, rasio dari nilai penduga atau statistic dengan standard error disebut dengan Wald Test, atau dalam beberapa aplikasi disebut dengan ttest. 2. Standard error sebagai bagian dari confidence interval. Untuk sample yang besar, 95% confidence interval diperoleh dari 1.96 x standard error penduga. Standard error yang digunakan untuk confidence interval adalah standard error mean (SE(mean)), dengan ketentuan sebagai berikut: a. 90% CI -> mean +/- 1.64 SE(mean)

b. 95% CI -> mean +/- 1.96 SE(mean) c. 99% CI -> mean +/- 2.58 SE(mean)

2.5.1

Statistik Range Statistik range (rentang) adalah cara paling sederhana untuk

menggambarkan penyebaran nilai-nilai dari penurunan perbedaan antara estimasi

14

Sanitasi industri

terendah dan tertinggi, misalnya, dalam Contoh Kisaran jumlah koloni adalah 610 (yakni tahun 1970-1360). Kisaran statistik sering digunakan dalam proses kontrol Statistik, tetapi karena semata-mata tergantung pada nilai-nilai untuk jumlah yang ekstrim .kegunaannya sangat terbatas ketika tidak memperhitungkan distribusi nilai antara 2 nilai yang estrim. 2.5.2 Ragam Variasi populasi dari rata-rata kuadrat penyimpangan yaitu :

Dimana x adalah hasil individu , adalah rata-rata jumlah populasi, n adalah banyak populasi, dan adalah merupakan jumlah. Setiap hasil individu beda dengan rata-rata populasi dengan nilai (x-) yang diebut dengan SD atau Standart Deviasi. Tapi nilai tidak diketahui dicari dengan menggunakan x atau hasil individu per jumlah x. Variasi sampel (ragam) memberikan perkiraan pada variasi populasi dan digunakan sebagai rata-rata kuadrat penyimpangan yang di asumsikan pada n penyimpangan. Untuk lebih mendapatkan data lebih akurat data menggunakan (n-1) yang di tulis dengan rumus :

2.5.3

Standart devisiasi Standar deviasi (s) dari mean sampel adalah akar kuadrat dari variasi . koefisien variasi (CV), sering disebut sebagai standar relatif

deviasi (RSD), adalah standar deviasi dinyatakan sebagai persentase dari rata-rata.

2.5.4

Standart Eror Istilah 'standar error' sering digunakan secara konvensional untuk

'standar deviasition ' dan merupakan ukuran statistik deviasi bahwa perkiraan akan diharapkan untuk menunjukkan dalam pengujian sampel ulang dari populasi yang sama. Dengan kata lain,
15 Sanitasi industri

menunjukkan berapa banyak variasi mungkin

diharapkan terjadi hanya secara kebetulan dalam pengambilan sampel yang diambil sama secara acak dari populasi tunggal. Namun, SEM adalah ukuran dari deviasi dalam nilai rata-rata yang dapat diharapkan jika analisis berulang yang dilakukan di sama 'banyak' produk. SEM diperkirakan dari akar kuadrat dari varians dibagi dengan jumlah observasi yang digunakan yaitu,

2.6

Pusat Batas Teorema Teorema limit pusat adalah pernyataan tentang sampling distribusi nilai

rata-rata dari populasi tertentu. Ini menggambarkan karakteristi distribusi nilai rata-rata yang akan diperoleh dari tes pada jumlah tak terbatas sampel acak independen yang diambil dari populasi itu. Teorema menyatakan, 'untuk Distribusi dengan mean populasi dan varians , Distribusi rata-rata cenderung menjadi normal, bahkan ketika distribusi yang rata-rata dihitung adalah nonnormal. Distribusi normal membatasi memiliki mean yang sama sebagai distribusi induk dan variable Ance sama dengan varians dari induk dibagi dengan ukuran sampel (S2/n). Hasil individu dari jumlah terbatas independen, secara acak sampel dari populasi yang sama didistribusikan nilai rata-rata (mean) sehingga jumlah dari nilai UES lebih besar dari rata-rata akan sama dengan jumlah nilai lebih rendah dari nilai rata-rata. Dalam ilmu statistik dikenal suatu dalil yang sering digunakan dan mendasari pada hampir seluruh pengolahan data yang berkaitan dengan data sample yaitu Dalil Limit Pusat atau Teorema Limit Pusat atau Central Limit Theorem.Dalil limit pusat tersebut berbunyi jika contoh acak n diambil dari suatu populasi yang sangat besar dengan dan 2 maka x rata-rata akan menyebar normal dengan nilai tengah dan simpangan baku /akar n.

16

Sanitasi industri

Dalil inilah yang mendasari nilai n=30 yang dibutuhkan agar suatu data dianggap menyebar normal.Artinya jika kita dapat mengumpulkan contoh sebanyak 30 dari sembarang data yang besar maka rata-rata nilai contoh yang kita ambil diasumsikan menyebar normal sesuai dengan dalil limit pusat di atas (Hamzah, 2012). Teorema limit pusat: Misalkan Y1, Y2,Yn bersifat independen dan identik didistribusikan dengan mean dan variasi terbatas dapat didefinisikan sebagai berikut : , dimana . Maka variable acak Un

Maka fungsi distribusi Un menyatu dengan fungsi distribusi normal standar sebagai n bertambah tanpa batas.

17

Sanitasi industri

2.7.

Contoh Soal Dari perhitungan bakteri yang menggunakan colony counter dari n

sampel, diperoleh x1 , x2 , x3 .... xn yaitu 1540 , 1360 , 1620 , 1970 , 1420 sebagai coloni/ unit cfu/g. Range >>> Data tertinggi Data terendah = 1970 - 1360 = 610

Medium >>> Nilai tengah dari data yang sudah diurutkan 1360 , 1420 , 1540 , 1620 , 1970 = 1540 Rata-rata aritmatika =

Rata- rata geometri >>> Alternatif >>> kita dapat mentransformasikan nilai x menjadi nilai logaritma Y = long 10 x Geometrik merupakan merupakan antilog dari jumlah y sebanyak n kali : = antilog ( log x i / n) = antilog ( yi / n) Dari data rata-rata geometri coloni count : antilog ( log x i / n) = antilog ( ( log 1540 + log 1360 + log 1620 + log 1970 + long 1420) / 5 ) = antilog ( ( 3,1875 + 3, 1335 + 3,2095 + 3, 2945 + 3, 1523) / 5 ) ) = antilog ( 15.9773 / 5 ) = antilog ( 3,19456)

18

Sanitasi industri

Variasi sampel (s2) >>> Jumlah kuadrat dari nilai x dan nilai rata-rata x S2 = S2 = = Standart Deviasi (S) >> akar dari variasi sampel ( = )

atau

Relative Srandard deviasi (RSD) >> = Variasi dari nilai log 10 ditransformasi >> y=log 10 X

= SD >> RSD =

= 0,0039869

Reverse transformasi dari >> antilog dari lebih akurat :

agar

19

Sanitasi industri

Dimana s2 = Variasi dari log count. Y = 3.1946 s2 = 0,0040 log

= 3.1955

103.1955 = 1568,6 >>> 1569 Standar deviasi dari rata-rata log- count tidak dapat di transformasikan kembali seperti (100,0635 = 1,1574) >>> misleading

20

Sanitasi industri

PENUTUP

3.1

Kesimpulan Kesimpulan dalam makalah yang berjudul dasar konsep statistika dapat di

peroleh sebagai berikut : Dalam melakukan perhitungan populasi penduduk kita dapat menghitung langsung melalui sensus penduduk Populasi mikroba berbeda menurut faktor intrinsik dan ekstrinsik berupa populasi ragi pada makanan asam, maupun bakteri gram negatif pada daging mentah Untuk menghitung ekologi populasi dalam bahan pangan tidak akan bisa dihitung semuanya karena akan menghabiskan waktu dan biyaya makan dari itu dibutuhkan sebuah sampel untuk mewakilinya Sampel adalah unit produk yang digunakan untuk analisis tujuan, digunakan pula untuk mempertimbangkan implikasi dari menentukan populasi mikroba dalam hal jumlah, ukuran dan jenis sampel yang diambil. Dalam menghitung rata-rata populasi ,ada beberapa cara menghitung di setiap situasi populasi yang akan di hitung contoh rata-rata aritmatika, rata-rata geometris, dan rata-rata log geometris. Dalam menghitung SE (standart error) kita memerlukan ragam untuk menghitungan . SE (standart eror) adalah Standart devisiasi dari rata-rata Ragam adalah Rata-rata kuadrat selisih dari nilai rata-rata hitung Teorema limit sentral adalah pernyataan tentang sampling distribusi nilai rata-rata dari populasi tertentu. semua nilai data terhadap

3.2

Saran

Dengan adanya makalah ini diharapkan para pembaca lebih memahami tiap-tiap materi agar lebih dapat memahami dan dijadikan dasar untuk memahami sanitasi industri.
21 Sanitasi industri

DAFTAR PUSTAKA

Aziz, Rahmat dan Retno Mangestuti. 2006. Pengaruh Kecerdasan Intelektual (Iq), Kecerdasan Emosional (Ei) Dan Kecerdasan Spiritual (Si)

terhadap Agresivitas Pada Mahasiswa Uin Malang. El-Qudwah Jurnal Penelitian dan Pengembangan, UIN. Malang Himatusujanah dan Faiza Betty Rahayu Ningsih. 2008. Hubungan Tingkat Kepatuhan Pelaksanaan Protap Perawatan Luka Dengan Kejadian

Infeksi Luka Post Sectio Caesarea (Sc) Di Ruang Mawar I Rsud Dr. Moewardi Surakarta. Berita Ilmu Keperawatan ISSN 1979-2697, Vol . 1
No.4: 175 18

Mursidi , 2010. Variabel-Variabel Yang Memengaruhi Keputusan Konsumen Menginap Di University INN UMM. Jurnal Teknik Industri, Vol 11, No. 1: 56 62 Rahmantya, Krisna. 2009. Standard Error. http://statforall.blogspot.com/2009/02/ standard-error.html. Diakses tanggal 1 Oktober 2013. Pukul 10.52 WIB. Saleh, gunawan.2013. https://plus.google.com/108427435838978770548/posts. di akses pada tanggal 1 otober 2013 pukul 11.00 Sastrosupadi, Adji. 2000. Rancangan Percobaan Praktis Bidang Pertanian. Kanisius. Yogyakarta. USU. 2011. Standard Error Estimate. http://repository.usu.ac.id/

bitstream/123456789/28163/3/Chapter%20II.pdf. Diakses tanggal 1 Oktober 2013. Pukul 11.58 WIB Yuliandra. 2012. Standard Deviasi atau Standard Error.

http://yorijuly14.wordpress.com/2012/07/05/standard-deviasi-ataustandard-error/. Diakses tanggal 1 Oktober 2013. Pukul 11.52 WIB

22

Sanitasi industri

Yitnosumarto, Suntoyo. 1990. Dasar-Dasar statistika Rajawali Pers: Jakarta Zaneta. 2012. Statistika. http://zaneta9bp2.blogspot.com/p/populasi-sampel.html. Diakses pada 1 oktober 2013 pukul 12.17 WIB.

23

Sanitasi industri