Repeatabilitas dan

Reproduksibilitas
Oleh: Chandra Risdian, S.Si

RCChem Learning Centre 1

Dasar-Dasar Statistik
• Beberapa parameter yang sering digunakan untuk analisis
mikrobiologi:
• 1. Mean ( ) : merupakan nilai rata-rata suatu data.
• 2. Range : nilai rentang suatu data antara nilai terbesar dan
terkecil.
• 3. Median: nilai tengah suatu data.
• 4. Varians sampel (s2) : merupakan estimasi dari suatu varians
populasi (σ2). n = jumlah data
xi = data ke-i
= mean

RCChem Learning Centre 2

1
 Dasar-Dasar Statistik
• 5. Standar deviasi (s) : merupakan akar kuadrat dari
varians ( )
• 6. Relatif Standar Deviasi (RSD) : rasio antara standar
deviasi dengan mean dikalikan 100%. (100% x ( ))

RCChem Learning Centre 3

Presisi
• Presisi merupakan ukuran suatu ketelitian
atau kecermatan pengukuran yang ditandai
dengan kedekatan nilai dari data yang
diperoleh.
• Presisi suatu pengamatan dapat dilihat dari
nilai standar deviasi atau lebih tepatnya dari
nilai RSD (Relative Standard Deviation).
• Nilai RSD kurang dari 5% menyatakan bahwa
presisi data tersebut sangat tinggi.

RCChem Learning Centre 4

2
 Pengukuran Ketidakpastian
(Uncertainty)
• Pengukuran ketidakpastian sangat erat hubungannya
dengan pengukuran presisi.
• Parameter pengukuran ketidakpastian dalam analisis
mikrobiologi di antaranya adalah repeatability,
reproducibility, dan intermediate reproducibility.
• Repeatability, reproducibility, dan intermediate
reproducibility ditentukan dari nilai standar deviasi,
sehingga ketiganya dinotasikan dengan Sr
(repeatability), SR (reproducibility), dan SRi
(intermediate reproducibility) .

RCChem Learning Centre 5

Repeatability
• Repeatability merupakan pengukuran
keberagaman data yang diperoleh apabila
data tersebut diperoleh dari sebuah
laboratorium dengan menggunakan sampel
yang sama, analis yang sama, peralatan dan
media yang sama dalam waktu yang relatif
singkat ( dalam 1 hari yang sama).

RCChem Learning Centre 6

3
 Reproducibility
• Reproducibility merupakan pengukuran
keberagaman data yang diperoleh apabila
data tersebut diperoleh dari beberapa
laboratorium yang berbeda yang tentunya
melibatkan peralatan, media, atau analis yang
berbeda, serta dilakukan di waktu yang
berbeda pula (berbeda hari), namun
menggunakan sampel yang identik dan
metode yang sama.
RCChem Learning Centre 7

Intermediate Reproducibility
• Intermediate Reproducibility merupakan
pengukuran keberagaman data yang diperoleh
apabila data tersebut diperoleh dari sebuah
laboratorium dengan menggunakan sampel
yang sama, namun melibatkan analis yang
berbeda, atau media yang berbeda merk
ataupun batch dalam selang waktu yang
berbeda pula (berbeda hari).

RCChem Learning Centre 8

4
 Pengolahan Data
• Analit dalam pengujian mikrobiologi secara
kuantitatif (TPC atau MPN) bukanlah benda mati,
melainkan benda hidup.
• Data yang dihasilkan akan sangat beragam, dan
tidak memenuhi kaidah normalitas.
• Untuk itu sebelum dilakukan analisis statistik,
hendaknya data yang diperoleh harus
ditransformasi ke dalam bentuk log10 . Sehingga
dengan demikian variasi akan dipersempit dan
data akan memenuhi kaidah normalitas.
RCChem Learning Centre 9

Contoh
• Data hasil MPN sebagai berikut : 200, 250, 300, 330, 340, 350,
360, 400, 450, 500
• Dari data di atas, maka :
Data Data log10
200 range 300 2.30103 range 0.39794
250 median 345 2.39794 median 2.537773
300 mean 348 2.4771213 mean 2.52807
330 varians 7840 2.5185139 varians 0.013619
340 sd 88.54377 2.5314789 sd 0.116702
350 RSD 25.44361 2.544068 RSD 4.616258
360 2.5563025
400 2.60206
450 2.6532125
500 2.69897
10
RCChem Learning Centre

5
 Perhitungan Standar Deviasi Repeatability (Sr)
dan Reproducibility (SR)
• Menentukan Sr (repeatability), dan SR
(reproducibility) menggunakan rumus yang
sama seperti penentuan standar deviasi pada
umumnya. Yakni

RCChem Learning Centre 11

Penentuan Standar Deviasi

Intermediate Reproducibility (SRi)
• Penggunaan rumus yang berbeda terjadi pada
penentuan Intermediate Reproducibility (SRi).

• yi1 = data pada ulangan 1

• yi2 = data pada ulangan 2
• n = jumlah pengujian

RCChem Learning Centre 12

6
 Contoh Perhitungan Intermediate
Reproducibility
• Dalam sebuah laboratorium, dengan
menggunakan analis yang berbeda dan
pengerjaan sampel pada hari yang berbeda
didapat data sebagai berikut:

RCChem Learning Centre 13

Contoh Perhitungan Intermediate

Reproducibility (lanjutan)
Mean
Uji (i) Ulangan I Ulangan II Log10 Ulangan I Log10 Ulangan II Selisih Varians RSD (%)
log10

X iA X iB y iA = log 10 (X iA) y iB = log 10 (X iB) y iA - y iB S2Ri RSDRi

1 230 300 2.362 2.477 2.419 -0.115 0.007 3.373

2 340 310 2.531 2.491 2.511 0.040 0.001 1.130
3 270 200 2.431 2.301 2.366 0.130 0.008 3.895
4 400 490 2.602 2.690 2.646 -0.088 0.004 2.355
5 520 400 2.716 2.602 2.659 0.114 0.006 3.030
6 120 190 2.079 2.279 2.179 -0.200 0.020 6.476
7 250 230 2.398 2.362 2.380 0.036 0.001 1.076
8 630 500 2.799 2.699 2.749 0.100 0.005 2.582
9 250 300 2.398 2.477 2.438 -0.079 0.003 2.297
10 150 210 2.176 2.322 2.249 -0.146 0.011 4.594
Mean 2.460
Total 0.066
RCChem Learning Centre 14

7
 Contoh Perhitungan Intermediate
Reproducibility (lanjutan)
• Average Mean log 10 = 2.460
• Total S2Ri = 0.066
• Maka total SRi

• RSD =100 x (SRi /average mean log 10)

• = 100 x (0.081/2.460)
• = 3.30 %

RCChem Learning Centre 15

Analisis Ketidakpastian
(Uncertainty) Secara Statistik
• Analisis mikrobiologi menggunakan expanded
uncertainty (U)
• Nilai U diperoleh dengan mengalikan faktor k
dengan standar deviasi. Sehingga didapatkan
rumus U = k. sd. Dalam menentukan
ketidakpastian dalam uji mikrobiolgi nilai k
untuk menentukan uncertainty adalah 2
(tingkat kepercayaan 95%). Sehingga bisa
dirumuskan bahwa U= 2 x sd.
RCChem Learning Centre 16

8
 Penentuan Outlier Data
• Outlier data merupakan nilai yang muncul dari suatu
perhitungan atau pengamatan yang berbeda secara
signifikan dari data lainnya.
• Outlier data perlu “dibuang” karena bisa mempengaruhi
hasil dari perhitungan statistika selanjutnya.
• Tidak semua data yang paling kecil atau paling besar
merupakan outlier
• Untuk menghitung nilai outlier secara singkat dan
mudah, bisa kunjungi website
http://www.graphpad.com/quickcalcs/Grubbs1.cfm

RCChem Learning Centre 17

Penentuan Outlier Data

• Outlier data merupakan nilai yang muncul dari suatu
perhitungan atau pengamatan yang berbeda secara
signifikan dari data lainnya.
• Outlier data perlu “dibuang” karena bisa mempengaruhi
hasil dari perhitungan statistika selanjutnya.
• Tidak semua data yang paling kecil atau paling besar
merupakan outlier
• Untuk menghitung nilai outlier secara singkat dan
mudah, bisa kunjungi website
http://www.graphpad.com/quickcalcs/Grubbs1.cfm

RCChem Learning Centre 18

9
 RCChem Learning Centre 19

Menentukan Outlier Sederhana

dengan Metode Quartil
• Data : 2, 3, 3, 3, 4, 5, 5, 15
• Median (Q2) = (3+4)/2 = 7.5
• Quartil bawah (Q1) = data 25% dari yang terkecil = (3+3)/2 = 3
• Quartil atas (Q3) = data 25% dari yang terbesar = (5+5)/2 = 5
• Interquartil Range (IQR) = Q3-Q1 = 5-3 = 2
• Nilai outlier = 1.5 x IQR = 1.5 x 2 = 3
• Batas atas = Q3 + 3 = 5 + 3 = 8
• Batas bawah = Q1 – 3 = 3 – 3 = 0
• Maka, data yang lebih kecil dari 0 dan lebih besar dari 8, dapat
dikatakan outlier yakni 15. Maka, data tersebut bisa
dihilangkan.
RCChem Learning Centre 20

10
 Referensi
• Jarvis B. 2008. Statistical Aspects of the
Microbiological Examination of Foods.
Academic Press.
• Paulson DS. 2008. Biostatistics and
microbiology: a survival manual. Springer
Science.
• http://www.graphpad.com/quickcalcs/Grubbs
1.cfm

RCChem Learning Centre 21

11