Perbedaan antara kesalahan absolut dan kesalahan relatif
Perbedaan utama - Kesalahan absolut vs kesalahan relatif
Kesalahan absolut dan kesalahan relatif adalah dua cara untuk menunjukkan kesalahan dalam pengukuran eksperimental meskipun ada perbedaan antara kesalahan absolut dan kesalahan relatif berdasarkan perhitungannya. Sebagian besar pengukuran dalam percobaan ilmiah terdiri dari kesalahan, karena kesalahan instrumental dan kesalahan manusia. Dalam beberapa kasus, untuk instrumen pengukuran tertentu, ada nilai konstan yang telah ditentukan sebelumnya untuk kesalahan absolut (Bacaan terkecil. Misalnya: - penguasa = +/- 1 mm.) Itu adalah perbedaan antara nilai sejati dan nilai eksperimental. Namun, kesalahan relatif bervariasi tergantung pada nilai eksperimental dan kesalahan absolut. Itu ditentukan dengan mengambil rasio kesalahan absolut dan nilai eksperimental. Jadi, perbedaan utama antara kesalahan absolut dan kesalahan relatif adalah, Kesalahan absolut adalah Besarnya perbedaan antara nilai yang tepat dan perkiraan sedangkan Kesalahan relatif dihitung dengan membagi kesalahan absolut dengan besarnya nilai yang tepat.
Apa itu kesalahan absolut?
Kesalahan absolut adalah indikasi ketidakpastian pengukuran. Dengan kata lain, ini mengukur sejauh mana, nilai sebenarnya dapat bervariasi dari nilai eksperimennya. Kesalahan absolut dinyatakan dalam unit yang sama dengan pengukuran.
Contoh: Pertimbangkan kami ingin mengukur panjang pensil menggunakan penguasa dengan tanda milimeter. Kita dapat mengukur panjangnya ke nilai milimeter terdekat. Jika Anda mendapatkan nilainya sebagai 125 mm, itu dinyatakan sebagai 125 +/- 1 mm. Kesalahan absolut adalah +/- 1 mm. 
Apa itu kesalahan relatif?
Kesalahan relatif tergantung pada dua variabel; Kesalahan absolut dan nilai eksperimental dari pengukuran. Oleh karena itu, kedua parameter tersebut harus diketahui, untuk menghitung kesalahan relatif. Kesalahan relatif dihitung dengan rasio kesalahan absolut dan nilai eksperimental. Itu dinyatakan sebagai persentase atau sebagai fraksi; sehingga tidak memiliki unit.
Kesalahan relatif dari integrasi Monte Carlo untuk menghitung PI
Apa perbedaan antara kesalahan absolut dan kesalahan relatif?
Definisi kesalahan absolut dan kesalahan relatif
Kesalahan absolut:
Kesalahan absolut adalah nilai Δx (nilai atau - nilai), di mana x adalah variabel; Ini adalah kesalahan fisik dalam pengukuran. Juga dikenal sebagai kesalahan aktual dalam pengukuran.
Dengan kata lain, itu adalah perbedaan antara nilai sejati dan nilai eksperimental.
Kesalahan absolut = nilai aktual - nilai yang diukur |
Kesalahan relatif:
Kesalahan relatif adalah rasio kesalahan absolut (Δx) terhadap nilai yang diukur (x). Itu dinyatakan baik sebagai persentase (persentase kesalahan) atau sebagai fraksi (ketidakpastian fraksional).
Unit dan perhitungan kesalahan absolut dan kesalahan relatif
Unit
Kesalahan absolut:
Itu memiliki unit yang sama dengan nilai yang diukur. Misalnya, jika Anda mengukur panjang buku dalam sentimeter (cm), kesalahan absolut juga memiliki unit yang sama.
Kesalahan relatif:
Kesalahan relatif dapat dinyatakan sebagai fraksi atau sebagai persentase. Namun, keduanya tidak memiliki unit dalam nilai.
Perhitungan kesalahan
| Contoh 1:Panjang tanah yang sebenarnya adalah 500 kaki. Instrumen pengukur menunjukkan panjangnya 508 kaki. |
Kesalahan absolut:
Kesalahan absolut = [nilai aktual - nilai terukur] = [508-500] kaki = 8 kaki
Kesalahan relatif:
Sebagai persentase:
Sebagai fraksi:
Contoh 2:
| Seorang siswa ingin mengukur ketinggian dinding di sebuah ruangan. Dia mengukur nilai menggunakan penguasa meter (dengan nilai milimeter), itu 3.215m. |
Kesalahan absolut:
Kesalahan absolut = +/- 1 mm = +/- 0.001m (Bacaan terkecil yang dapat dibaca menggunakan penggaris)
Kesalahan relatif:
Kesalahan relatif = kesalahan absolut ÷ nilai eksperimental = 0.001 m ÷ 3.215 m* 100 = 0.0003%
Gambar milik: "Kesalahan absolut" oleh Demcadams - pekerjaan sendiri. (CC BY-SA 4.0) via Wikimedia Commons “Kesalahan relatif dari integrasi Monte Carlo untuk menghitung PI” oleh Jorgecarleitao - Python dan Xmgrace. (CC BY-SA 3.0) via Wikipedia
