Metalografi

sumber  Mechanical Blog

 Metalografi adalah suatu teknik atau metode persiapan material untuk mengukur, baik secara kuantitatif maupun kualitatif dari informasi-informasi yang terdapat dalam material yang dapat diamati, seperti fasa, butir, komposisi kimia, orientasi butir, jarak atom, dislokasi, topografi dan sebagainya. Adapun secara garis besar langkah-langkah yang dilakukan pada metalografi adalah:

1. Pemotongan spesimen (sectioning)
2. Pembikaian (mounting)
3. Penggerindaan, abrasi dan pemolesan (grinding, abrasion and polishing)
4. Pengetsaan (etching)
5. Observasi pada mikroskop optik

Pada metalografi, secara umum yang akan diamati adalah dua hal yaitu macrostructure (stuktur makro) dan microstructure (struktur mikro). Struktur makro adalah struktur dari logam yang terlihat secara makro pada permukaan yang dietsa dari spesimen yang telah dipoles. Sedangkan struktur mikro adalah struktur dari sebuah permukaan logam yang telah disiapkan secara khusus yang terlihat dengan menggunakan perbesaran minimum 25x.

a. Pemotongan (Sectioning)

Proses Pemotongan merupakan pemindahan material dari sampel yang besar menjadi spesimen dengan ukuran yang kecil. Pemotongan yang salah akan mengakibatkan struktur mikro yang tidak sebenarnya karena telah mengalami perubahan.

Kerusakan pada material pada saaat proses pemotongan tergantung pada material yang dipotong, alat yang digunakan untuk memotong, kecepatan potong dan kecepatan makan. Pada beberapa spesimen, kerusakan yang ditimbulkan tidak terlalu banyak dan dapat dibuang pada saat pengamplasan dan pemolesan.

b. Pembingkaian ( Mounting)

Pembingkaian seringkali diperlukan pada persiapan spesimen metalografi, meskipun pada beberapa spesimen dengan ukuran yang agak besar, hal ini tidaklah mutlak. Akan tetapi untuk bentuk yang kecil atau tidak beraturan sebaiknya dibingkai untuk memudahkan dalam memegang spesimen pada proses pngamplasan dan pemolesan.

Sebelum melakukan pembingkaian, pembersihan spesimen haruslah dilakukan dan dibatasi hanya dengan perlakuan yang sederhana detail yang ingin kita lihat tidak hilang. Sebuah perbedaan akan tampak antara bentuk permukaan fisik dan kimia yang bersih. Kebersihan fisik secara tidak langsung bebas dari kotoran padat, minyak pelumas dan kotoran lainnya, sedangkan kebersihan kimia bebas dari segala macam kontaminasi. Pembersihan ini bertujuan agar hasil pembingkaian tidak retak atau pecah akibat pengaruh kotoran yang ada.

Dalam pemilihan material untuk pembingkaian, yang perlu diperhatikan adalah perlindungan dan pemeliharaan terhadap spesimen. Bingkai haruslah memiliki kekerasan yang cukup, meskipun kekerasan bukan merupakan suatu indikasi, dari karakteristik abrasif. Material bingkai juga harus tahan terhadap distorsi fisik yang disebabkan oleh panas selama pengamplasan, selain itu juga harus dapat melkukan penetrasi ke dalam lubang yang kecil dan bentuk permukaan yang tidak beraturan.

c. Pengerindaan, Pengamplasan dan Pemolesan

Pada proses ini dilakukan penggunaan partikel abrasif tertentu yang berperan sebagai alat pemotongan secara berulang-ulang. Pada beberapa proses, partikel-partikel tersebut dsisatukan sehingga berbentuk blok dimana permukaan yang ditonjolkan adalah permukan kerja. Partikel itu dilengkapi dengan partikel abrasif yang menonjol untuk membentuk titik tajam yang sangat banyak.

Perbedaan antara pengerindaan dan pengamplasan terletak pada batasan kecepatan dari kedua cara tersebut. Pengerindaan adalah suatu proses yang memerlukan pergerakan permukaan abrasif yang sangat cepat, sehingga menyebabkan timbulnya panas pada permukaan spesimen. Sedangkan pengamplasan adalah proses untuk mereduksi suatu permukaan dengan pergerakan permukaan abrasif yang bergerak relatif lambat sehingga panas yang dihasilkan tidak terlalu signifikan.

Dari proses pengamplasan yang didapat adalah timbulnya suatu sistim yang memiliki permukaan yang relatif lebih halus atau goresan yang seragam pada permukaan spesimen. Pengamplasan juga menghasilkan deformasi plastis lapisan permukaan spesimen yang cukup dalam.

Proses pemolesan menggunakan partikel abrasif yang tidak melekat kuat pada suatu bidang tapi berada pada suatu cairan di dalam serat-serat kain. Tujuannya adalah untuk menciptakan permukaan yang  sangat halus sehingga bisa sehalus kaca sehingga dapat memantulkan cahaya dengan baik. Pada pemolesan biasanya digunakan pasta gigi, karena pasta  gigi mengandung Zn dan Ca yang akan dapat mengasilkan permukaan yang sangat halus. Proses untuk pemolesan hampir sama dengan pengamplasan, tetapi pada proses pemolesan hanya menggunakan gaya yang kecil pada abrasif, karena tekanan yang didapat diredam oleh serat-serat kain yang menyangga partikel.

1. d. Pengetsaan (Etching)

Etsa dilakukan dalam proses metalografi adalah untuk melihat struktur mikro dari sebuah spesimen dengan menggunakan mikroskop optik. Spesimen yang cocok untuk proses etsa harus mencakup daerah yang dipoles dengan hati-hati, yang bebas dari deformasi plastis karena deformasi plastis akan mengubah struktur mikro dari spesimen tersebut. Proses etsa untuk mendapatkan kontras dapat diklasifikasikan atas proses etsa tidak merusak  (non disctructive etching) dan proses etsa merusak (disctructive etching).

1. 1. Etsa Tidak Merusak (Non Discructive Etching)

Etsa tidak merusak terdiri atas etsa optik dan perantaraan kontras dari struktur dengan pencampuran permukaan secara fisik terkumpul pada permukaan spesimen yang telah dipoles. Pada etsa optik digunakan teknik pencahayaan khusus untuk menampilkan struktur mikro. Beberapa metode etsa optik adalah pencahayaan gelap (dark field illumination), polarisasi cahaya mikroskop (polarized light microscopy) dan differential interfence contrast.

Pada penampakan kontras dengan lapisan perantara, struktur mikro ditampilkan dengan bantuan interfensi permukaan tanpa bantuan bahan kimia. Spesimen dilapisi dengan lapisan transparan yang ketebalannya kecil bila dibandingkan dengan daya pemisah dari mikroskop optik. Pada mikroskop interfensi permukaan, cahaya ynag terjadi pada sisa-sisa film dipantulkan ke permukaan perantara spesimen.

1. 2. Etsa Merusak (Desctructive Etching)

Etsa merusak adalah proses perusakan permukaan spesimen secara kimia agar terlihat kontras atau perbedaan intensitas dipermukaan spesimen. Etsa merusak terbagi dua metode  yaitu etsa elektrokimia (electochemical etching) dan etsa fisik

(phisical etching). Pada etsa elektrokimia dapat diasumsikan korosi terpaksa, dimana terjadi reaksim serah terima elektron akibat adanya beda potensial daerah katoda dan anoda. Beberapa proses yang termasuk etsa elektokimia adalah etsa endapan (precipitation etching), metode pewarnaan panas (heat tinting), etsa kimia (chemical etching) dan etsa elektrolite (electrolytic  etching).

Pada etsa fisik dihasilkan permukaan yang bebas dari sisa zat kimia dan menawarkan keuntungan jika etsa elektrokimia sulit dilakukan. Etsa ion dan etsa termal adalah teknik etsa fisik yang mengubah morfologi permukaan spesimen yang telah dipole

PENDAHULUAN STATISTIK DAN PROBABILITAS

Dikopi dari Gigih Ramdhan Kusuma Leave a comment Go to comments

Pendahuluan 

Mata kuliah statistik bagi mahasiswa sangat diperlukan terutama ketika seorang mahasiswa harus mengumpulkan, mengolah, menganalisis dan menginterprestasikan data untuk pembuatan skripsi, thesis atau disertasi. Dalam hal ini pengetahuan statistik dipakai dalam menyusun metodologi penelitian.

Sebagai suatu ilmu, kedudukan statistika merupakan salah satu cabang dari ilmu matematika terapan. Oleh karena itu untuk memahami statistika pada tingkat yang tinggi, terebih dahulu diperlukan pemahaman ilmu matematika.

Dinegara maju seperti Amerika, Eropa dan Jepang, ilmu statistika berkembang dengan pesat sejalan dengan berkembangnya ilmu ekonomi dan teknik. Bahkan kemajuan suatu negara sangat ditentukan oleh sejauh mana negara itu menerapkan ilmu statistika dalam memecahkan masalah-masalah pembangunan dan perencanaan pemerintahannya. Jepang sebagai salah satu negara maju, konon telah berhasil memadukan ilmu statistika dengan ilmu ekonomi, desain produk, psikologi dan sosiologi masyarakat.

Sejauh itu ilmu statistika digunakan pula untuk memprediksi dan menganalisis perilaku konsumen, sehingga Jepang mampu menguasai perekonomian dunia sampai saat ini.

 v  Statistik diartikan

• Numerical description
• Diasosiasikan sebagai kumpulan data
• Ciri dari sebagian objek yang diamati

v  Statistik menunjukan pada informasi tentang bermacam-macam kegiatan dalam bentuk angka

 Definisi

v  Statistik

• Ilmu yang berurusan dengan pengumpulan, penyajian dan analisis data untuk menarik kesimpulan dan memanfaatkannyan dalam menentukan keputusan pada keadaan tidak pasti

v  Statistik (Schaum’s ; Murray R Spiegel)

·         Ilmu pengetahuan yang berhubungan dengan metode – metode ilmiah untuk pengumpulan, pengorganisasian, perangkuman dan penganalisisan data di samping terkait pula dengan metode – metode untuk penarikan kesimpulan yang valid serta pengambilan keputusan yang berdasarkan alasan-alasan yang ilmiah dan kuat yang memperoleh dari hasil analisis tadi

v  Kegunaan statistik

• Analisis data
• Peramalan
• Uji hipotesa
• Ilmu statistik

v  Probabilitas adalah peluang kemunculan (kemungkinan) suatu kejadian secara acak.

 Ruang Lingkup Statistik

v  Ekonomi dan bisnis

v  Tehnik dan mekanika

v  Sipil

v  Sosial dan budaya

v  Pemerintahan

v  Komputer dan informasi

v  Psychology dan komunikasi

v  Matematika dan pengetahuan alam

Bagian ilmu statistik

v  Statistik Deskriptif

• Menjelaskan – menggambarkan berbagai karakteristik data

v  Statistik Induktif – Inferensi

• Inferensi adalah suatu pernyataan mengenai suatu populasi yang didasarkan pada informasi dari sampel random yang diambil dari populasi tersebut

v  Teori Probabilitas

• Probabilitas – peluang adalah suatu angka yang menunjukan tingkat keyakinan tentang terjadinya suatu peristiwa

v  Analisis keputusan

• Analisis keputusan secara statistik berhubungan dengan pengambilan keputusan bila alternatif – alternatif tindakan diketahui, tetapi hasil dari masing-masing tindakan berbeda-beda

 Perlu mempelajari statistik

v  Menjelaskan hubungan antar variabel

v  Membuat keputusan lebih baik

v  Mengatasi perubauahn-perubahan

v  Membuat rencana dan ramalan

Metodologi statistik

v  Mengidentifikasikan persoalan

v  Pengumpulan fakta-fakta yang ada

v  Mengumpulkan dasat asli yang baru

v  Klasifikasi data

v  Penyajian data

v  Analisis data

 Elemen Statistik

v  Populasi

• Populasi adalah sebagai sekumpulan data yang mengidentifikasi suatu fenomena
• Contoh : Semua pekerja di seluruh Indonesia, Semua mahasiswa di Jakarta

• Populasi lebih bergantung pada kegunaan dan relevansi data yang dikumpulkan

v  Sampel

• Sampel adalah sebagai sekumpulan data yang diambil atau diseleksi dari suatu populasi
• Contoh :

Populasi = Seluruh mahasiswa di Jakarta

Sampel  = Mahasiswa semeter 8 jurusan SI

• Sampel pada dasarnya adalah bagian dari populasi

v  Variabel

• Variabel adalah sebuah simbol, yang dapat menyandang setiap nilai dari suatu himpunan nilai yang disebut sebagai domain dari variabel tersebut
• Terbagi menjadi 2, yaitu Variabel kontinu dan variabel diskrit

v  Statistik inferensi

• Statistik inferensi pada dasarnya adalah suatu keputusan, perkiraan atau generalisasi tentang suatu populasi berdasarkan informasi yang terkandung dari suatu sampel

v  Pengukuran reabilitas dari statistik inferensi

• Dalam analisa statistik yang diambil dari data sampel dari suatu populasi, maka konsekuensi akan menibulkan bias dalam inferensinya.
• Maka diperlukan pengukuran reabilitas dari setiap inferensi yang telah dibuat

 Tipe data statistik

v  Data kualitatif – data nonmetrik

• Data nominal

Data yang paling rendah dalam level pengukuran data, hanya meghasilkan satu dan hanya satu-satunya kategori. Contoh pendidikan, jenis kelamin

• Data ordinal

Data yang memiliki tingkatan data, urutan data

• Data kategorikal

Data dalam jenis ya atau tidak

• Data numerikal

Jenis data diskrit dan data kontinu

v  Data kuantitatif – data metrik

• Interval

Data yang lebih tinggi tingkat pengukurannya dari data ordinal, urutan data dapat dikuantitatifkan dan tidak mempunyai titik nol yang absolut

• Rasio

Data yang tingkat pengukurannya lebih tinggi

Data rasio adalah data bersifat angka dalam arti sesungguhnya dan mempunyai titik nol dalan arti sesungguhnya

Pendekatan Statistik

v  Analisis deskriptif

v  Analisis inferensi

v  Kombinasi dari keduanya

 Aplikasi Komputer yang dapat digunakan

v  Statistik

• Microstat
• Curve expert
• Minitab, statistic
• Amos
• Lisrel, AHP
• SPSS
• MS Excel
• dll

v  Metode kuantitatif

• QSB
• Lindo
• Invest, metastock
• E-viewa
• DS, POM for windows
• dll

Cara Mengumpulkan Data

Untuk memperoleh data yang benar dan dapat dipertanggung jawabkan keabsahannya, data harus dikumpulkan dengan cara dan proses yang benar. Terdapat beberapa cara atau teknik untuk mengumpulkan data yaitu :

1.   Wawancara (interview) yaitu cara untuk mengumpulkan data dengan mengadakan tatap muka secara langsung. Wawancara harus dilakukan dengan memakai suatu pedoman wawancara yang berisi daftar pertanyaan sesuai tujuan yang ingin dicapai.

Ada dua jenis wawancara yaitu wawancara berstruktur (structured interview) dan wawancara takberstruktur (unstructured interview). Wawancara berstruktur adalah wawancara yang jenis dan urutan dari sejumlah pertanyaannya sudah disusun sebelumnya, sedangkan wawancara takberstruktur adalah wawancara yang tidak secara ketat ditentukan sebelumnya. Wawancara takberstruktur lebih fleksibel karena pertanyaannya dapat dikembangkan meskipun harus tetap pada pencapaian sasaran yang telah ditentukan.

Ciri-ciri pertanyaan yang baik adalah :

a.    Sesuai dengan masalah atau tujuan penelitian.

b.    Jelas dan tidak meragukan.

c.    Tidak menggiring pada jawaban tertentu.

d.    Sesuai dengan pengetahuan dan pengalaman orang yang diwawancarai.

e.    Pertanyaan tidak boleh yang bersifat pribadi.

Kelebihan dari wawancara adalah data yang diperlukan langsung diperoleh sehingga lebih akurat dan dapat dipertanggung jawabkan.

Kekurangannya adalah tidak dapat dilakukan dalam skala besar dan sulit memperoleh keterangan yang sifatnya pribadi.

2.   Kuesioner (angket) adalah cara mengumpulkan data dengan mengirim atau menggunakan kuesioner yang berisi sejumlah pertanyaan.

Kelebihannya adalah dapat dilakukan dalam skala besar, biayanya lebih murah dan dapat memperoleh jawaban yang sifatnya pribadi.

Kelemahannya adalah jawaban bisa tidak akurat, bisa jadi tidak semua pertanyaan terjawab bahkan tidak semua lembar jawaban dikembalikan.

 3.   Observasi (pengamatan) adalah cara mengumpulkan data dengan mengamati obyek penelitian atau kejadian baik berupa manusia, benda mati maupun gejala alam. Data yang diperoleh adalah untuk mengetahui sikap dan perilaku manusia, benda mati atau gejala alam.

Kebaikan dari observasi adalah data yang dieroleh lebih dapat dipercaya.

Kelemahannya adalah bisa terjadi kesalahan interpretasi terhadap kejadian yang diamati.

4.   Tes dan Skala Obyektif adalah cara mengumpulkan data dengan memberikan tes kepada obyek yang diteliti. Cara ini banyak dilakukan pada tes psikologi untuk mengukur karakteristik kepribadian seseorang. Beberapa contoh tes skala obyektif yaitu :

a.    Tes kecerdasan dan bakat.

b.    Tes kepribadian.

c.    Tes sikap.

d.    Tes tentang nilai.

e.    Tes prestasi belajar, dsb.

 5.   Metode proyektif adalah cara mengumpulkan data dengan mengamati atau menganalisis suatu obyek melalui ekspresi luar dari obyek tersebut dalam bentuk karya lukisan atau tulisan. Metode ini dipakai dalam psikologi untuk mengetahui sikap, emosi dan kepribadian seseorang. Kelemahan dari metode ini adalah obyek yang sama dapat disimpulkan berbeda oleh pengamat yang berbeda.

Skala Pengukuran

Salah satu aspek penting dalam memahami data untuk keperluan analisis terutama statistika inferensia adalah Skala Pengukuran. Secara umum terdapat 4 tingkat/jenis skala pengukuran yaitu :

1.   Skala nominal adalah skala yang hanya mempunyai ciri untuk membedakan skala ukur yang satu dengan yang lain. Contoh skala nominal seperti tabel dibawah ini :

Jenis dan Jumlah buah-buahan yang
Diproduksi suatu Daerah pada Tahun 1998
Jenis Buah-Buahan	Jumlah
Pepaya	2 ton
Mangga	1,5 ton
Apel	1 ton
Duku	1,4 ton
Manggis	1,3 ton
Sumber: Data Buatan

2.   Skala Ordinal adalah skala yang selain mempunyai ciri untuk membedakan juga mempunyai ciri untuk mengurutkan pada rentang tertentu. Contoh skala ordinal seperti tabel dibawah ini :

Penilaian Anggota Kelompok Belajar “ Bina Pintar “
Kategori Nilai	Banyaknya
Istimewa	6 orang
Baik	18 orang
Rata-rata	15 orang
Kurang	7 orang
Kurang sekali	0 orang
Sumber : Data Buatan

3.   Skala Interval adalah skala yang mempunyai ciri untuk membedakan, mengurutkan dan mempunyai ciri jarak yang sama. Contoh, suhu tertinggi pada bulan Desember dikota A, B dan C berturut-turut adalah 28, 31 dan 20 derajat Fahrenheit. Kita dapat membedakan dan mengurutkan besarnya suhu, sebab satu derajat Fahrenheit merupakan suatu besaran yang tetap, namun pada saat suhu menunjukkan nol derajat Fahrenheit tidak berarti tidak adanya panas pada kondisi tersebut. Hal ini dapat dijelaskan, misalnya kota A bersuhu 30 derajat Fahrenheit dan kota B bersuhu 60 derajat Fahrenheit, tidak dapat dikatakan bahwa suhu dikota B dua kali lebih panas dari pada suhu dikota A, karena suhu tidak mempunyai titik nol murni (tulen).

4.   Skala ratio adalah skala yang mempunyai 4 ciri yaitu membedakan, mengurutkan, jarak yang sama dan mempunyai titik nol yang tulen (berarti). Contoh : Pak Asmuni mempunyai uang nol rupiah, artinya pak Asmuni tidak mempunyai uang.

PENYAJIAN DATA

Secara garis besar ada dua cara penyajian data yaitu dengan tabel dan grafik. Dua cara penyajian data ini saling berkaitan karena pada dasarnya sebelum dibuat grafik data tersebut berupa tabel. Penyajian data berupa grafik lebih komunikatif.

Dilihat dari waktu pengumpulannya, dikenal dua jenis data yaitu :

  Cross section data adalah data yang dikumpulkan pada suatu waktu tertentu.

  Data berkala adalah data yang dikumpulkan dari waktu ke waktu. Dengan data berkala dapat dibuat garis kecenderungan atau trend.

Penyajian data dengan tabel

Tabel atau daftar merupakan kumpulan angka yang disusun menurut kategori atau karakteristik data sehingga memudahkan untuk analisis data.

Ada tiga jenis tabel yaitu :

  Tabel satu arah atau satu komponen adalah tabel yang hanya terdiri atas satu kategori atau karakteristik data. Tabel berikut ini adalah contoh tabel satu arah.

Banyaknya Pegawai Negeri Sipil Menurut Golongan Tahun 1990
Golongan	Banyaknya (orang)
I	703.827
II	1.917.920
III	309.337
IV	17.574
Jumlah	2.948.658
Sumber : BAKN, dlm Statistik Indonesia, 1986

  Tabel dua arah atau dua komponen adalah tabel yang menunjukkan dua kategori atau dua karakteristik. Tabel berikut ini adalah contoh tabel dua arah.

Jumlah Mahasiswa UPH menurut Fakultas dan Kewarganegaraan 1995
Fakultas	WNI	WNA	Jumlah
Fak. Ekonomi	1850	40	1890
Fak. Teknologi Industri	1320	10	1330
Fak. Seni Rupa & Design	530	5	535
Fak. Pasca Sarjana	250	10	260
Jumlah	3950	65	4015
Sumber : Data Buatan

  Tabel tiga arah atau tiga komponen adalah tabel yang menunjukkan tiga kategori atau tiga karakteristik. Contoh tabel berikut ini.

Jumlah Pegawai Menurut Golongan, Umur dan Pendidikan pada Departeman A Tahun 2000
Golongan	Umur (tahun)		Pendidikan
	25 – 35	> 35	Bukan Sarjana	Sajana
I	400	500	900	0
II	450	520	970	0
III	1200	2750	1850	2100
IV	0	250	0	250
Jumlah	2.050	4020	3720	2350
Sumber : Data Buatan

  

Penyajian data dengan grafik/diagram

 Penyajian data dengan grafik dianggap lebih komunikatif karena dalam waktu singkat dapat diketahui karakteristik dari data yang disajikan.

Terdapat beberapa jenis grafik yaitu :

  Grafik garis (line chart)

Grafik garis atau diagram garis dipakai untuk menggambarkan data berkala. Grafik garis dapat berupa grafik garis tunggal maupun grafik garis berganda.

  Grafik batang / balok (bar chart)

Grafik batang pada dasarnya sama fugsinya dengan grafik garis yaitu untuk menggambarkan data berkala. Grafik batang juga terdiri dari grafik batang tunggal dan grafik batang ganda.

       

       

       

       

       

       

       

       

  Grafik lingkaran (pie chart)

      Grafik lingkaran lebih cocok untuk menyajikan data cross section, dimana data tersebut dapat dijadikan bentuk prosentase.

  Grafik Gambar (pictogram)

Grafik ini berupa gambar atau lambang untuk menunjukkan jumlah benda yang dilambangkan.

  Grafik Berupa Peta (Cartogram).

Cartogram adalah grafik yang banyak digunakan oleh BMG untuk menunjukkan peramalan cuaca dibeberapa daerah.

sumber :

http://jnursyamsi.staff.gunadarma.ac.id/Downloads/files/13467/PendahuluanStatistik.ppt

http://sangiang.files.wordpress.com/2008/11/stat_pro_modul_1.doc

http://www.phys.itb.ac.id/~rahmat/Kuliah/tpadf/PS1_Teori_Peluang.pdf