Ahmad Dahlan – Cahaya merupakan energi dalam bentuk gelombang yang secara sederhana berfungsi sebagai energi yang membuat sesorang dapat melihat sebuah benda. Tanpa keberadan cahaya seseorang tidak mungkin bisa melihat benda, dan kondisi tanpa cahaya ini akan didefenisikan otak manusia sebagai hitam. Oleh sebab itu dalam sains, Hitam bukanlah warna melainkan kondisi tanpa ada emisi energi sama sekali dari sebuah objek.
A. Model Berkas Cahaya
Cahaya dalam keadaaan alami akan merambat ke arah lurus. Hal ini bisa diamati pada lampu senter yang mengarah lurus ke dapan atau keras cahaya yang melewati sebuah lubang kecil akan membentuk garis lurus.
Hasil menjadi landasan logis mengenai model dari gerak sebuah cahaya dan selanjutnya model ini dikenal dengan model berkas cahaya. Meskipun terlihat lurus, namun sejatinya cahaya merupakan gelombang elektromagnetik yang sangat rapat maka sangat sulit untuk melihat lekukan pada berkas cahaya, sehingga Model Berkas Cahaya ini merupakan bentuk idealisasi dari berkas gelombang.
Model berkas cahaya ini kemudian dijadikan dasar dalam pengembangan konsep-konsep yang berkaitan dengan karakteristik cahaya sebagai gelombang dalam bidang kajian Optik Geomteri.
B. Pantulan dan Pembentukan Bayangan
Ketika seberkas cahaya datang menuju sebuah benda yang dapat terlihat, maka berkas cahaya tersebut akan diserap sebagain dan sebagian besarnya akan dipantulkan ke mata sehingga otak dapat medefenisikan benda tersebut. Kecuali pada kondisi tertentu seperti lubang hitam dimana benda tersebut hampis sama sekali tidak mengemisikan energi yang menerpanya.
Dalam pembahasan Optik Geomtrik kita akan membahasa kejadian umum semata yakni kondisi cahaya menerpa (1) benda yang menyerap sebagian energi dan memantulkan sebagain besar energi cayaha yang menerpa, (2) benda yang memantulkan secara keseluruhan cahaya yang disebut cermin, dan (3) beda yang meneruskan cahaya atau lensa.
Ketika seberkas cahaya yang datang dari sudut tertentu menerpa permukaan bidang datar maka kondisi ini disebut sebagai sinar datang dengan sudut datang θi. Sudut ini dihitung dari garis normal yang tegak lurus terhadap tepat bidang pantul sinar datang. Sinar ini kemudian dipantulkan dengan sudut pantul θr yang sama besar dengan dengan θi.
Sinar datang, sinar pantul dan garis normal ini berada pada bidang yang sama dan dikenal sebagai hukum pemantulan Snelius, kendati demikian bukan snelius yang pertama kali mengamati hal ini namun orang-orang Yunani kuno sudah memanfaatkan fenomena pemantulan ini.
Hal yang serupa juga terjadi pada permukaan yang kasar. Berkas cahaya akan akan diantulkan pada garis normal tepat pada bidang tipis dimana caha dipantulkan, karena garis normal bidang yang tidak beraturan maka pemnatulan yang dihasilkan adalah pemantulan baur.
1. Pemantulan Pada Cermin Datar
Pada saat anda berkaca di depan sebuah cermin datar yang relatif besar, maka pada jrak yang tepat, anda akan melihat seluruh tubuhmu secara keseluruhan, persis sama dari ujung rambut sampai ujung kaki, kecuali bagian yang ada di kiri kamu akan berada di sisi kanan pada cermin di depan kamu. Hal ini tidak menjadi malasah karena bergantung dari referensi kita memulai kiri dan kanan.
Bayangan dihasilkan oleh cermin datar bersifat maya, sama besar dan tegal lurus, karen abayanga tidak akan pernah bisa ditangkap meskipun kita meletakkan layar di belakang cermin.
Bayangan yang terlihat pada cermin datar bukan sebuah berkas cahaya semata, tapi kumpulan berkas cahaya dengan jumlah yang sangat banyak dan membentuk ssuatu bayangan, namun untuk memudahkan analisis dilakukan pemodelan berkas cahaya mulai dari satu ujung ke ujung lainnya. Seperti pada gambar di bawah ini.
Pada gambar di atas terlihat garis-garis yang membentuk bayang sebuah botol dari depan sebuah cermin pada mata seseirang.
Perhatikan secara seksama sinar pada titik A yang dipnatulkan pada titik B kemudian di teruskan ke mata. Relatif terhadap cermin, maka proses pembentukan bayangan tersebut akan membentuk sabuah budang dimana ABD akan kongruen dengan bidang DBC dimana AD = DC memiliki jarak yang sama besarnya.
Oleh karena jarak adatar do dan di pada cermian sama besarnya pual dengan demikian pemantulan bayangan pada cermin datar memiliki sifat sama besar.
Ahmad Dahlan – Ketika seutas tali diikatkan batang ujung yang kaku lalu ujung tali lainnya digetarkan maka akan terjadi propagasi gelombang dan energi dari ujung tari menuju ke batang kaki. Untuk batang yang sangat kaku, akan membuat gelombang pada tali terpantul kembali.
Getaran dilanjutkan silih bergantian, maka gelombang datang dari arah getaran akan beretmu dengan gelombang pantul yang datang dari pantulan dari ujung batang kaki. Pertemuan dua gelombang dengan karakteristik yang berbeda ini akan berintereferensi satu sama lain.
Gelombang Berdiri
Misalkan dua buah gelombang tersebut diatur sedimikian rupa berdasarkan frekuensi yang panjang tepat membentu nλ/2, maka pertemuan dua gelombang ini akan menghasilkan dua gelombang dengan beda fase setengah gelombang dengan arah kecepatan yang berbeda.
Gambar 1. Ilustrasi Pembentukan Gelombang Berdiri
Perhatikan gerakan gelombang berwarna ungu pada gambar di atas. Gelombang tersebut merambat dari kiri ke kanan, kemudian gelombang berwarna merah bergerak dari kanan ke kirin yang merupakan gelombang pantulan.
Gelombang berwarna hitam merupakan hasil gabungan dari dua gelombang dalam bentuk lambat. Kedua gelombang ini akan membentuk gelombang dengan ukuran ampliktudo dua kali ukuran semula dan terlihat seolah-olah diam. Gelobang ini disebut sebagai gelombang stasionare seperti pada gambar di samping.
Gambar 2. Gelombang Berdiri
Sebagaiamna yang telah disebutkan diatas, rupa gelombang berdiri pada tali dengan ujung terikat ini hanya terjadi pada frekunesi tertentu yang bergantung dari dari panjang tali. Frekuensi disebut sebagai frekuensi alami alami atau frekuensi resonansi.
Rupa gelombang berdiri teridiri dari dua bagian yakni puncak gelombang atau anti nodes sedangkan titik simpil antar gelombang disebut dengan node. Pada gambar 2 bagian a, bentuk Gelombang Stasioner setengah gelombang memiliki dua node, sedangkan gambar b dengan bentuk rupa satu gelombang memiliki node. Dengan demikian persamaan gelombang dapat ditulis sebagai berikut l = nλ/2
dimana l = panjang tali (m) λ = panjang gelombang (m) n = 1, 2, 3, …
Frekuensi Gelombang Berdiri
Persamaan yang digunakan untuk menghitung frekuensi gelombang maka persamaan diatas dikaitkan dengan kecepatan dari gelombang stasioner yakni : f = v/λ = nv/2l
dengan n = 1, 2, 3, …
Untuk gelombang stasionar yang merambat pada seutas dawai yang memiliki koefisien massa persatuan panjang μ = m/l maka kecepatannya didefenisiskan sebagai : v2 = FT/μ.
Kecepatan tersebut berlaku untuk ke dua gelombang dengan arah yang berlawanan.
AhmadDahlan.Net – Ketika kita mendiamkan secangkir kopi panas yang diletakkan di atas meja, maka secara perlahan, suhu kopi akan dingin. Proses ini akan terhenti sampai suhu kopi dan suhu ruangan sama sehingga tidak ada lagi pertukuaran kalor antara kopi dan ruangan.
Sebagaimana yang dijelaskan pada hukum I termodinamika, panas mengalir secara spontan dari zat bersuhu panas ke zat bersuhu dingin. Hanya faktor lingkungan sekitar Kopi memiliki ukuran cukup besar sehingga hampir mustahil untuk mengamati perubahan suhu yang terjadi pada lingkungan.
Menurut kekekalan energi di hukum I Termodinamika, kita bisa dengan mudah menghitung jumlah energi yang hilang dengan menghitung penurunan suhu air di dalam kopi menggunakan persamaan :
Q = m.C.\Delta T
Begitupun sebaliknya jika sendainya kalor yang hilang karena terserap oleh lingkungan tadi dapat dikembalikan ke dalam kopi kita, maka kita akan dengan mudah mendidihkan air di dalam gelas tanpa membuat suhu udara di sekitar dingin. Hal ini tidak melanggar hukum I Termodinamika tapi menurut Hukum II ini hal yang mustahil dilakukan. Sehingga cara yang paling membuat kopi hangat kembali dengan cara dipanaskan di atas api.
A. Hukum II Termodinamika
Menurut Black dan Clasius, Energi panas akan secara spontan mengalir dari zat bersuhu tinggi ke zat bersuhu lebih rendah. Hal ini tidak bisa berlaku sebaliknya, akan dibutuhkan usaha luar untuk memindahkan panas dari benda bersuhu rendah ke benda bersuhu tinggi. Pernyataan ini dikenal sebagai hukum II Termodinamika Clasius-Black.
Mesin Konversi Energi Mekanik ke Kalor
Perhatikan gambar di atas secara seksama, jika beban dengena energi potensial tersebut dijatuhkan maka, tali akan memutar pedal yang berhubungan dengan fluida yang ada di dalam ruangan. Jika sistem dibentuk sedemikian sempurna, maka besar pengurangan energi potensial beban akan meningkat suhu fluida di dalam ruangan.
Hanya saja hal tersebut tidak terjadi sebaliknya, mengembalikan energi potensial beban dengan cara manaikkan kembali posisinya tidak akan membuat suhu fluida di dalam ruangan turun, malah proses ini akan tetap membuat pedal terputar dan membuat energi di dalam ruangan menjadi lebih panas. Agar hukum I Termodinamika terpenuhi, maka dibutuhkan usaha luar untuk menaikkan enegri Potensial beban dan menaikkan suhu yang ada di dalam ruangan secara bersamaan.
Berdasarkan fenomena tersebut, sangat jelas jika panas akan bergerak ke arah tertentu namun tidak akan bergerak ke arah sebaliknya, meskipun hal tersebut tidak melanggar hukum I Termodinamika. Hukum I Termodinamika hanya berbicara tentang jumlah energi yang terlibat dalam sebuah proses namun tidak memnjelaskna mengenai arah perubahan energi di dalamnya.
Kekurangan jumlah energi yang tidak dapat diamati pada proses yang terjadi pada Mesin Konversi Panas ketika terjadi sebaliknya dapat dijelaskan menggunakan kriteria dari Energi dalam dari sebuah sistem atau Entropi.
Hukum Kedua Termodinamika tidak terbatas menjelaskan arah dari perubahan energi saja tapi juga membahas mengenai kualitas dan kuantitas perubahan energi dimana hukum I termodinamika hanya menjelaskan mengenai kuatitas perubahan energi semata.
B. Reservoir Energi Panas
Kajian hukum Termodinamika II banyak mengkaji panas pada sistem dan zat-zat hipotetik atau sulit diadakan dalam kehidupan nyata. Salah satu Zat Hipotetik itu adalah zat yang bisa menyerap panas secara sempurna dalam jumlah besar dan menyimpannya. Zat ini dapat menyerap panas dalam jumlah besar namun tidak menaikkan suhunya sehingga total penyimpanan panasnya dapat dihitung (massa) x (kapasitas kalornya).
Zat penyerap panas ini selanjutnya disebut sebagai Reservoir Energi namun kadang kala disebut reservoir saja. Air adalah salah satu zat di dunia nyata yang karakteristik hampir sama dengan reservoir panas hipotetik. Hal ini dikarenakan jumlahnya yang cukup besar di bumi. Perannya sangat vital dalam menjaga kehidupan di bumi tidak hanya sebagai sumber kehidupan tapi sebagai penjaga kestabilan suhu layak hidup di bumi.
Sebagai contoh, Semua Air yang ada dibumi membantu menjaga bumi di musim panas agar tidak terlalu panas. Panas disimpan serap oleh air yang ada di lautan dan dirubah ke dalam banyak bentuk energi seperti gelombang, arus dan uap air yang menguap. Jumlah air yang diperkirakan mencapai 1,3 Milliar Km3 menyerap banyak panas setiap harinya agar suhu siang hari tidak terlalu panas, kemudian dilepaskan dnegan pelan-pelan pada malam hari agar suhu bumi tidak terlalu dingin.
Panas yang Terbuang
Aktifitas manusia yang selalu melibatkan mesin didalamnya adalah aktifitas membuang panas. Menurut hukum II Termodinamika, setiap proses perubahan energi akan selalu menghasilkan panas yang tidak dapat diubah menjadi kerja, panas ini jika dalam mesin kalor disebut sebagai Entalpi sedangkan selain mesin panas akan terbuang percuma.
Panas yang terbuang dari mesin-mesin yang digunakan oleh manusia tidak akan hilang begitu saja sama ketika panas dari motor yang hilang ketika didinginkan. Menurut hukum Termodinamika I, energi panas ini tidak hilang tapi diserap oleh benda lain. Semakin baik benda tersebut menyimpan panas maka semakin lama panas diradiasikan pada saat suhu sedang turun seperti pada malam hari. Hal ini membuat orang-orang diperkotaan akan tetap merasa gerak ketika malam atau hujan barus saja turun.
Setelah malam hari lewat, panas yang ada belum sepenuhnya diradiasikan sehingga secara akumulatif nilai dan jumlah panas ini akan selalu bertambah. Cara agar pans ini dapat terbuang dari air tanpa menaikkan suhu adalah dikonversi ke bentuk energi lain. Sayangnya belum ditemukan cara efektif untuk memanfaatkan panas tersebut. Hanya tanaman yang dapat menggunakan panas tersebut untuk berfotosintesis, sehingga pasanya sedikit berkuran. Namun sisa panas yang tidak terserap tetap terakumulasi.
Atmosfer menjadi salah satu alternatif bumi memancarkan panas melalui radiasi keluar angkasa, sayangnya penggunaan bahan bakar mesin menghasilkan zat sisa seperti Carbon dioksida dalam jumlah besar. Zat ini adalah bersifat seperti cermin untuk panas dan sinar infra merah. Hasilnya zat ini menjadi selimut bagi bagi bumi dimana panas akan terperangkap di atmosfer sama seperti panas yang terperangkap di rumah kaca. Fenomena ini disebut sebagai efek rumah kaca dan menjadi penyebab pemanasan global
Ahmad Dahlan – Pengukuran besaran fisika dilakukan dengan menggunakan alat ukur akan selalu menghasilkan nilai tidak pasti. Ketidakpastian disebabkan oleh banyak faktor seperti keterampilan pengukur, jumlah pengambilan data dalam pengukuran dan alat ukur. Ketidakpastian yang disebabkan oleh batas alat ukur merupakan keterbatasan alat yang digunakan dalam memberikan informasi mengenai suatu besaran yang terukur.
Angka dari hasil pengukuran ini selanjutnya disebut sebagai Angka Penting, dan setiap angka penting akan mewakili ketidakpastian pengukuran. Misalnya sebuah pengukuran panjang buku dilakukan di dalam sebuah lab dengan menggunakan mistar dengan nilai skala terkecil (NST) dari mistar adalah 0,1 cm.
Hasil pengukuran dari sisi panjang adalah 15,5 cm sehingga kemungkinan nilai pasti dari meja terletak pada rentang 15,4 cm sampai dengan 15,6 cm. Dalam kasus ini dapat dipastikan bawah jumlah angka penting dalam penelitian ini adalah 3 angka penting. Jika hasil pengukuran untuk sisi pendek buku adalah 11,2 cm, maka hasil pengukuran dapat dituliskan (15,5 ± 0,1) cm dan (11,1 ± 0,1) cm. Hasil pengukuran dapat dituliskan sesuai dengan jumlah angka penting yang didapatkan dari hasil pengukuran. Lantas bagaimana jika yang ingin dilaporkan adalah luas permukaan sisi depan dari buku? Tentu saja hasil kali antara sisi panjang dan sisi pendek buku adalah (15,5) (11,2) = 172,05 cm2.
Hanya saja hasil kali dari dua besaran tersebut menghasilkan jumlah angka penting yang lebih besar dari jumlah angka penting hasil pengukuran. Hal ini tidak logis karena jumlah data yang didapatkan dari hasil operasi matematika tidak mungkin lebih teliti dibandingkan dengan data hasil pengukuran. Untuk mengatur hal ini dan tidak memunculkan penafsiran ganda pada setiap laporan hasil pengkuran fisika, maka disusun aturan perkalian untuk angka penting yakni:
Hasil operasi perkalian angka penting maka hasil perkalian mengikuti jumlah angka penting paling sedikit dari data yang dikalikan.
Sehingga berdasarkan aturan ini maka Luas permukaan salah satu sisi buku adalah 172 cm2 dengan nilai taksiran mulai dari (15,4) (11,1) = 171 cm2 sampai (15,6) (11,3) = 176 cm2.
Kedudukan Angka kosong (0) sebagai angka penting dan tidak penting.
1. Semua angka Bukan 0 adalah angka penting.
12,593 – 5 angka penting
349,999 – 6 Angka Penting
2. Semua angka Nol yang berada di antara bukan angka 0 adalah angka penitng.
93022 – 5 angka penting
200001 – 6 angka penting
3. Semua angka 0 ada sebelum dan sesudah angka bukan 0 bukanlah angka penting
0,000760 – 2 angka penting
0,010020 – 4 angka penting
4. Semua angka 0 sebelum koma yang didahului angka bukan no adalah angka penting
20,00 – 2 angka penitng yakni 20
5. Semua angka yang ada sebelum orde pada notasi ilmiah adalah angka penting.
3,2 x 105 – 2 angka penting
4,05 x 107 – 3 angka penting
6. Semua angka nol yang ditulis setelah tanda garis bawah bukan angka penting.
78000 – 2 angka penting
78000 – 3 angka penting
78000 – 2 angka penting
Operasi Matematis Angka Penting
1. Penjumlahan dan Pengurangan
Hasil penjumlahan angka penting hanya boleh memiliki satu angka tidak pasti. Misalnya 11 cm (2 angka tidak pasti) + 1,43 cm (3 angka tidak pasti) maka penulisannya 12,43 cm dima 2 dan 3 adalah angka tidak pasti. Maka penulisanya dibulatkan menjadi 12 cm.
2. Perkalian dan Pembagian
Operasi perkalian dan pembagian menghasilkan jumlah angka penting yang dihasilkan mengikuti jumlah Angka Penting paling sedikit dari bilangan yang dioperasikan. Misalnya
5,62 x 0,51 = 2,8662
0,51 mengandung 2 angka penting maka hasil yang mengikuti aturan angka penting dibulatkan menjadi 2,9
Aturan Pembulatan
1. Semua angka di atas 5 dibulatkan ke atas dan dibawah 5 dihilangkan.
3,46 dibulatkan jadi 3,5
3,4651 dibulatkan jadi 3,465
2. Angka 5 dibulatkan mengikuti angka sebelumnya. Jika sebelum angka 5 adalah angka genap maka angka tersebut dihilangkan, namun jika angkan sebelumnya adalah ganjil, maka angka lima dibulatkan ke atas.
3,45 dibulatkan ke bawah jadi 3,4
3,35 dibulatkan ke atas jadi 3,4
Pengecualian*
Pada aturan operasi perkalian angka penting, jumlah angka penting mengikuti aturan jumlah angka penting paling sedikit, namun pengecualian beberapa kasus yang mungkin saja menghilangkan makna secara keseluruhan jika dikaitkan dengan signifikansi laporan hasil operasi matematis angka penting.
9,84 : 9,3 = 1,06
Pada operasi matematis di atas harunya ditulis 1,1 karena angka pembagi ada dua angka penting, namun berasarkan data di atas 9,3 seharusnya hanya bisa didapatkan dengan kesalahan pengukuran paling besar 0,1 dengan kesalahan 9,3 ± 0,1 dengan kesalahan relatif sebesar 1%.
Penulisan 2 angka penting akan mengasilkan pelaporan hasil
1,1 ± 0,1
atau dengan kata lain kesalahan pelaporan menjadi 10 % padahal pengukuran ini dihasilkan dari pengukuran dengan kesalahan pengukuran terbesar adalah 1 %, harusnya pelaporan yang benar ditulis :
Menganalisis besaran-besaran fisis pada gerak lurus dengan kecepatan konstan (tetap) dan gerak lurus dengan percepatan konstan (tetap) berikut
penerapannya dalam kehidupan sehari-hari
misalnya keselamatan lalu lintas
5
DEASY NATALIA MULALINDA
Menganalisis gerak parabola dengan menggunakan vektor,berikut makna fisisnya dan penerapannya dalam kehidupan sehari-hari
6
FITRAWATI LATIF
Menganalisis besaran fisis pada gerak melingkar dengan laju konstan (tetap) dan penerapannya dalam kehidupan sehari-hari
7
GABRIEL KUAEIN
Menganalisis keteraturan gerak planet dan satelit dalam tatasurya berdasarkan hukum-hukum Newton
8
GUSTI AYU ALIT
Menganalisis konsep energi, usaha (kerja), hubungan usaha (kerja) dan perubahan energi, hukum kekekalan energi, serta penerapannya dalam peristiwa sehari-hari
9
IIS SRIYANTI
Menerapkan konsep momentum dan impuls, serta hukum kekekalan momentum dalam kehidupan sehari-hari
10
IKA SYAHRENA SYAFRIL
Menganalisis hubungan antara gaya dan getaran dalam kehidupan sehari-hari
11
IMAM NURHADI
Menerapkan konsep torsi, momen inersia, titik berat, dan momentum sudut pada benda tegar (statis dan dinamis) dalam kehidupan sehari- hari misalnya dalam olahraga
12
INDAH ESTI NUR HAYATI
Menganalisis sifat elastisitas bahan dalam kehidupan sehari hari
13
LEONARO AGUSTIN MOMPULE
Menerapkan hukum-hukum fluida statik dalam kehidupan sehari- hari
14
LILI SETIANI
Menerapkan prinsip fluida dinamik dalam teknologi
15
MARGARETA KONI
Menganalisis pengaruh kalor dan perpindahan kalor yang meliputi karakteristik termal suatu bahan, kapasitas, dan konduktivitas kalor pada kehidupan sehari-hari
16
MARSELINUS TENA
Menjelaskan teori kinetik gas dan karakteristik gas pada ruang tertutup
17
MUHAMMAD ARIF
Menganalisis perubahan keadaan gas ideal dengan menerapkan hukum Termodinamika
18
NORJANAH
Menganalisis karakterisitik gelombang mekanik
19
RAHMAWATI SAID
Menganalisis besaran-besaran fisis gelombang berjalan dan gelombang stasioner pada berbagai kasus nyata
20
RIZALDY A. BUSTAM
Menerapkan konsep dan prinsip gelombang bunyi dan cahaya dalam teknologi
21
RUSLAN
Menganalisis cara kerja alat optik menggunakan sifat pemantulan dan pembiasan cahaya oleh cermin
dan lensa
22
SAEPUL
Menganalisis gejala pemanasan global dan dampaknya bagi kehidupan serta lingkungan
23
SAPTO NUR ROKMAT
Menganalisis prinsip kerja peralatan listrik searah (DC) berikut keselamatannya dalam kehidupan sehari-hari
24
SELFIENA IRIANI
Menganalisis muatan listrik, gaya listrik, kuat medan listrik, fluks, potensial listrik, energi potensial listrik serta penerapannya pada berbagai kasus
25
SITI KAMARIA
Menganalisis medan magnetik, induksi magnetik, dan gaya magnetik pada berbagai produk teknologi
26
UMBU RANGGA LANDU AWANG
Menganalisis fenomena induksi elektromagnetik dalam kehidupan sehari-hari
27
VINSENSIUS KLAU
Menganalisis rangkaian arus bolak-balik (AC) serta
28
VITUS BENNO SUTANGA
Menganalisis fenomena radiasi elektromagnetik,
pemanfaatannya dalam teknologi, dan dampaknya pada kehidupan penerapannya
29
WA RATI
Menjelaskan fenomena perubahan panjang, waktu, dan massa dikaitkan dengan kerangka acuan dan kesetaraan massa dengan energi dalam teori relativitas khusus
30
WAHID HASIM
Menjelaskan secara kualitatif gejala kuantum yang mencakup sifat radiasi benda hitam, efek fotolistrik, efek Compton, dan sinar X dalam kehidupan sehari-hari
Ahmad Dahlan – Berikut ini adalah kumpulan daftar jurnal Internasional terindeks Scopus untuk bidang ilmu Computer Science Engineering. Daftar berikut ini adalah daftar jurnal gratis berdasarkn penelusuran dari ilovephd.com. Silahkan dicoba dan diamati terlebih dahulu di Scimago dan Scopus Indeks jika kurang yakin.
1.International Journal of Applied Systemic Studies
Conceptual systemic models, applications of systemic methodologies
Applied [socio]cybernetics, ethical/living systems
Complexity, chaos, self-organization, [meta]control, viable systems
Creativity, innovation, critical systems thinking, strategic/procedural systems design
Digital service/workflow/legal systems, TQM, total systems intervention
Novel and unconventional linear system modeling techniques
System identification, particularly nonlinear system identification
Model validation
Various control techniques
Nonlinear system control
Robotics
Mechatronic system modeling, identification, and control
Biological system modeling, identification, and control
Neural network, fuzzy logic enhanced modeling, identification, and control
Complementary medical system modeling and identification
Wide range representative application examples
Quantitative economic/financial and other social system modeling/identification
4. International Journal of Power and Energy Conversion
Power system modeling and analysis
Computing and economics
FACTS and HVDC
Challenges in restructured energy systems
Power system control, operation, communications, SCADA
Power system relaying/protection
Energy management systems/distribution automation
Applications of power electronics to power systems
Power quality
Distributed generation and renewable energy sources
Electrical machines and drives
Utilization of electrical energy
Modeling and control of machines
Fault diagnosis in machines and drives
Special machines
5. International Journal of Power Electronics
Advanced power semiconductor devices
Modeling, simulation, analysis, design, and implementations of the application of power circuit components (power semiconductors, inductors, high-frequency transformers, capacitors)
Inverters, converters, controlled and uncontrolled rectifiers
Control algorithms and techniques applied to power electronics
Electromagnetic and thermal performance of electronic power converters and inverters
Applications in motor drives, wind energy systems, solar, battery chargers, UPS and hybrid systems
Low power electronics
EMI/EMC considerations
6. International Journal of Sensor Networks
Energy efficiency, energy efficient protocols
Applications
Location techniques, routing, medium access control
24. International Journal on Semantic Web and Information Systems (IJSWIS)
Beyond Semantic Web (e.g., extending meaning with perception and experience)
Enterprise application integration
From e-government to e-democracy
Integration with other disciplines
Intelligent Systems
Metadata-driven (bottom-up) versus ontology-driven (top-down) SW development
New Semantic Web enabled business models
New Semantic Web enabled information systems
New Semantic Web enabled tools for the citizen/ learner/ organization/ business
Ontologies, folksonomies, and associated knowledge representation issues
Real world applications towards the development of the Knowledge society
Semantic enabled business intelligence
Semantic Web applications on the web, enterprises, desktops, personal and mobile devices, e-science and e-government applications, and associated issues of provenance, trust, privacy, security, quality, scalability, and performance
Semantic Web data management
Semantic Web issues, challenges, and implications in each of the IS research streams
Semantics and human computer interfaces including visualization and mashups
Semantics in business processes and distributed computing and services
Social Semantic Web and people web
Standards
25. International Journal of Open Source Software and Processes (IJOSSP)
Business models for open source and other community-created artifacts
Case studies of open source projects, their participants and/or their development process
Characteristics of open source software projects, products, and processes
Communication and coordination in open source projects
Customer co-creation and user participation in (software) design
Economic analyses of open source
Economics of a distributed innovation process
Evolution of both open source software artifacts and open source communities
Implications of open source software for functional areas like public administration or teaching
Legal issues of open source software
Motivation of participants in open source projects and other distributed development efforts
Open science and open knowledge
Open source adoption and quality
Open source software development processes
Usage and adoption of open source software in different application areas and/or countries
User-centered innovation processes
26. Journal of Global Information Management (JGIM)
Global enterprise systems and e-commerce
Global IT and government
Global IT diffusion and infrastructure
Global IT in library and information management
Global manufacturing and R&D information systems
Global marketing and human resources information systems
Global qualitative IS research
Global telecommunications and data security
IT in Europe
IT in Latin and North Americas
IT in the Asia Pacific
IT in the Middle East and Africa
27. Journal of Cases on Information Technology (JCIT) Scopus Indexed Journals 2019
Data Management
Distance Learning
E-Business
E-commerce technologies
E-Government
E-Learning Technologies
End User Computing
E-Services
Human Side of IT
Information security and ethics
Internet Technologies
Issues of emerging technology
IT in business
IT in developing countries
IT in government
IT in libraries
IT in organizations
IT in small and medium-sized enterprises (SMEs)
IT in the classroom
IT in the healthcare industry
Legal issues of IT
Multimedia in Education
Social Networks
Web-Enabled Technologies
28. International Journal of Information Technology and Web Engineering (IJITWE)
Cloud computing architectures, models, and applications
Data analytics for business and government organizations
Data and knowledge – capture and quality issues – validation and verification
Information filtering and display adaptation techniques for wireless devices
Integrated heterogeneous and homogeneous workflows and databases within and across organizations, suppliers, and customers
Integrated user profile, provisioning, and context-based processing
Internet of Things (IofT) studies, models, and applications
Knowledge structure, classifications, and search algorithms or engines
Metrics-based performance measurement of IT-based and web-based organizations
Mobile, location-aware, and ubiquitous computing
Ontology and semantic web studies
Quality of service and service level agreement issues among integrated systems
Radio Frequency Identification (RFID) research and applications in web engineered systems
Security, integrity, privacy, and policy issues of web-based systems
Software agent-based systems and applications
Virtual teams and virtual enterprises: communication, policies, operation, creativity, and innovation
Web systems architectures, including distributed grid computers and communication systems processing
Web systems engineering design
Web systems performance engineering studies
Web user interfaces design, development, and usability engineering studies
29. International Journal of Grid and High-Performance Computing (IJGHPC)
Advanced collaboration techniques and scaling issues
Algorithms and techniques for HPC
Big Data
Bio-inspired grid resource management
Cloud architectures
Cloud business process integration
Cloud client and applications
Cloud engineering and management
Cloud foundation concepts
Cloud platforms and infrastructures
Cloud reliability and security
Cloud Services
Cloud standards
Cloud types
Combating global terrorism with the worldwide grid
Emerging standards for organizations and international projects
Future of grid, trends, and challenges
Green data centers
Grid and software engineering aspects
Grid architecture, resources, and data management
Grid economy, market dynamics, and simulations
Grid education and applications – science, engineering, and business
Grid evolution, characterization, and concepts
Grid fundamentals, algorithms, and performance analysis
Grid impact, scientific, and industrial and social implications
Grid instrumentation, measurement, and visualization
Grid middleware, scheduling, brokering, and monitoring
Grid portals and security
Grid programming, models, tools, and API
Grid services, concepts, specifications, and frameworks
Grid uses and emerging technology
New initiatives, SOA, autonomic computing, and semantic grid
Simple API for Grid Applications (SAGA)
Software and hardware support for HPC
Test, evaluation, and certificate presentation
Wireless and optical grid, characteristics, and applications
Workflow management
30. International Journal of Swarm Intelligence Research (IJSIR)
Ant colony optimization
Applications in bioengineering
Applications in bioinformatics
Applications in business
Applications in control systems
Applications in data mining and data clustering
Applications in decision making
Applications in distributed computing
Applications in evolvable hardware
Applications in finance and economics
Applications in games
Applications in graph partitioning
Applications in information security
Applications in machine learning
Applications in planning and operations in industrial systems, transportation systems, and other systems
Applications in power system
Applications in supply-chain management
Applications in wireless sensor networks
Artificial Immune System
Brain storm optimization algorithms
Constrained optimization
Culture algorithm
Developmental swarm intelligence
Differential Evolution
Fireworks algorithm
Foraging algorithm
Large scale optimization problems
Modeling and analysis of biological collective systems such as social insects colonies, school, and flocking vertebrates
Multi-objective optimization
Optimization in dynamic and uncertain environment
Other nature-inspired optimization algorithms
Particle Swarm Optimization
Scheduling and timetabling
Swarm Robotics
31. International Journal of System Dynamics Applications (IJSDA)
Biologically inspired control techniques
Biomedical control systems
Complex nonlinear dynamics
Complexity/agent-based modeling
Control of chaotic systems
Corporate planning and policy design based on information feedback and circular causality
Decision Support Systems
Digital and analogue control
Discrete event dynamic systems
Dynamics decision making
Economic dynamics
Embedded control systems
Energy and environmental dynamics
Intelligent control systems
Mathematical modeling and computer simulation
Model calibration and validation
Model-based diagnosis
Modeling and analysis of engineering systems
Modeling physiological systems
Neuro controllers
Neuro-fuzzy controllers
Nonlinear and linear system identification
Nonlinear system control
Non-smooth dynamical systems with impacts or discontinuities
Operations management and supply chains
Optimal control and applications
Psychology and social dynamics
Qualitative system dynamics
Real-time and fault-tolerant systems
Real-time systems
Robot and manipulator control
Robust control
Significant contributions to system dynamics teaching
Ahmad Dahlan – Pembelajaran efektif merupakan sebuah pembelajaran yang terlaksana sesuai dengan tujuan dan rencana pembelajaran yang dirancang oleh guru. Tujuan-tujuan pembelajaran adalah memenuhi kompetensi dasar yang telah dibebankan kepada peserta didik seusia dengan SK dan KD, oleh karena pembelajaran harian yang dilakukan di dalam kelas berisi proses pemenuhan kompetensi-kompetensi tersebut.
Dalam rangka menunjang pembelajaran tentu saja guru yang baik harus membuat desain pembelajaran yang merupakan gambaran dari rencana proses pembelajaran di dalam kelas. RPP sangat menunjang perfoarma guru di dalam kelas agar materi yang disampaikan tidak meluas dan juga tidak terlalu rendah sehingga kompetensi dasar dapat tercapai.
Penyusunan RPP dilakukan berdasarkan PP 19 Tahun 2005 Pasal 20 dinyatakan sebagai “Perencanaan Pembelajaran yang meliputi silabus dan RPP paling tidak memiliki aspek tujuan Pembelajaran, Materi Ajar, Metode pengajaran, sumber belajar dan penilaian hasil belajar (Evaluasi). Pengertian mengenai RPP kemudian ditambahkan dalam Permendiknas Nomor 41 Tahun 2007 tentang Standar Proses dijelaskan bahwa RPP merupakan proyeksi dari Silabus yang mengarahkan peserta didik dalam mengikuti kegiatan pembelajaran sebagai bentuk kompetensi dasar.
RPP harus memiliki penjabaran lengkap dan sistematis menggambarkan proses pembelajaran agar lebih interaktif, inspiratif, menyenangkan, memotivasi dan membuat peserta didik mengikuti proses pembelajaran secara aktif. Selain itu, RPP juga sebaiknya memberikan ruang kepada peserta didik agar lebih kreatif, kritis, mengembangkan potensi dan keterampilan lain seperti keterampilan proses sains, problem solving dan sejenisnya.
Berdasarkan dari penjelasan tersebut maka paling tidak RPP dapat dikatakan memiliki Kriteria Sebagai Berikut.
Contoh Lembar Validasi RPP
Nama Satuan Pendidikan : ………………………………………
Kelas / Semester : ………………………………………
Mata Pelajaran : ………………………………………
No
Aspek yang Dinilai
Skor
1
2
3
4
1
Aspek format dan susunan RPP pada tahap :
a.Kesesuaian dengan kegiatan Pendahuluan.
1
2
3
4
b.Kesesuaian dengan kegiatan Inti.
1
2
3
4
c.Kesesuaian dengan kegiatan Penutup
1
2
3
4
2
Aspek rumusan tujuan pembelajaran
a.Kejelasan perumusan tujuan pembelajaran yang memenuhi format A (Audience), B (behavior), C (condition) dan D (degree)
1
2
3
4
b.Kesesuaian perumusan tujuan pembelajaran dengan Kompetensi Dasar
1
2
3
4
c.Ketercakupan keterampilan proses sains dalam perumusan tujuan pembelajaran.
1
2
3
4
3
Kesesuaian aspek Pemilihan dan Pengorganisasian Materi Ajar
a.Kesesuaian materi ajar dengan tujuan pembelajaran
1
2
3
4
b.Kesesuaian materi dengan tema keterampilan proses sains yang diangkat.
1
2
3
4
c.Kesesuaian isi materi dengan karakteristik siswa SMA.
1
2
3
4
d.Keruntutan penyajian materi
1
2
3
4
e.Penggunaan materi yang bersifat kontekstual
1
2
3
4
4
Aspek Penggunaan Metode dan Model Pembelajaran
a.Kesesuaian metode, strategi dan model pembelajaran terhadap tujuan pembelajaran
1
2
3
4
b.Kesesuaian metode, strategi dan model pembelajaran terhadap materi pembelajaran
1
2
3
4
c.Kesesuaian metode, strategi dan model pembelajaran dengan karakter peserta didik
1
2
3
4
d.Kesesuaian metode, strategi dan model pembelajaran dengan pendekatan Scientific
1
2
3
4
e.Metode yang digunakan mengkonstruksi keterampilan proses sain peserta didik
1
2
3
4
5
Aspek Pemilihan Sumber dan Media Pembelajaran
a.Kesesuaian sumber belajar/media pembelajaran dengan tujuan pembelajaran.
1
2
3
4
b.Kesesuaian sumber belajar/media pembelajaran dengan materi.
1
2
3
4
c.Kesesuaian sumber belajar/media pembelajaran dengan karakteristik siswa.
1
2
3
4
6
Aspek Langkah-Langkap Pembelaran
a.Kesesuaian dengan tahapan pada model inquiry
1
2
3
4
b.Kesesuaian dengan langkah pembelajaran menunjang pengembangan keterampilan proses sains
1
2
3
4
c.Kesesuaian dengan langkah pembelajaran mengakomodasi asesmen kinerja berbasis STEM
1
2
3
4
d.Kesesuaian dengan langkah Pembelajaran menunjang pengembangan nilai karakter (rasa ingin tahu, komunikatif, tanggung jawab dan mandiri)
1
2
3
4
e.Kesesuaian langkah-langkah dan alokasi waktu.
1
2
3
4
f.Kesesuaian dengan proses pembelajaran telah mengintegrasikan antara sains, teknik, engineering dan matematika dalam pembelajaran fisika.
1
2
3
4
7
Evaluasi Hasil Belajar
a.Kejelasan Prosedur Penilaian
1
2
3
4
b.Kelengkapan Instrumen Penilaian.
1
2
3
4
c.Kesesuaian teknik penilaian dengan bentuk asesmen kinerja dengan pendekatan Scientific.
1
2
3
4
8
Aspek Penggunaan Bahasa
a.Ketepatan bahasa yang digunakan dengan kaidah bahasa Indonesia
1
2
3
4
b.Kemudahan memahami bahasa yang digunakan
1
2
3
4
c.Kejelasan penggunaan bahasa dengan menghindari penafsiran berganda
Ahmad Dahlan – Mari kita bayangkan ada seorang chef lulusan sebuah sekolah masak terkenal dari Paris kembali ke negaranya. Salah satu kemampuan yang paling menonjol selama sekolah masak di Paris adalah kemampuannya menjaga konsisensi dari setiap resep yang ia pelajari sehingga ia bis alulu sdnegan pujian di sekolah masak tersebut.
Berbekal ilmu masak yang didapatkan dari Paris, ia pun kemudian berniat membuka restoran ternama di kampung halamannya di Indonesia, ternyata apa yang ia dapatkan berbeda dengan yang ia harapkan. Selama membuka restorannya, ia mendapatkan banyak komplain. Padahal ia sudah melakukan pengukuran yang sangat detil dari setiap bahan yang ia gunakan dan tidak ada yang berubah dengan cara memasaknnya.
Penyebabnya tentu saja tidak disebabkan oleh takaran yang ia gunakan karena skala-skala dalam resep yang digunakan seperti mL, gram dan celcius bernilai sama saja baik di Indonesia maupun di perancis. Hanya saja untuk mengukur nilai yang diambil dari manusia seperti hal-hal yang berkaitan dengan nikmat, nyaman, lezat dan sejenisnya tidaklah sama.
Skala Gramasi dalam istilah memasak tidaklah lengkap dalam memabntu Chef menciptakan masakan lezat di berbagai tempat karena makanan juga berbicara tentang besaran lain diluar besaran fisis yang nilainya dipengaruhi oleh manusia seperti Nikmat, nyaman, warna, tekture, dan mungkin juga harga. Sebagai contoh sederhana mungkin kita akan lebih memilih makan ayam gorang pinggir jalan dengan harga 7.000 ribu rupiah dibandingkan makan dengan masakan yang sama namun dimasak dengan cheft terkenal dengan harga 7 juta rupiah. Dalam kasus ini harga akan menentukan besar tentdenci seseorang membeli ayam goreng tersebut, sekalipun masakan Chef-nya memang benar-benar lezat.
Skala-skala ini kemudian dibutuhkan oleh seorang Chet untuk menentukan apakah menu yang mereka sajikan dapat diterima di masyarakat setempat dna juga sudah memenuhi kriteria masakan lezat agar masakan tersebut dapat laris terjual.
Pengertian Pengukuran
Pengukuran pada dasarnya sebuah upaya yang dilakukan untuk mengumpulkan data dari objek yang diukur. Data-data yang dikumpulkan terkait dengan aspek-aspek yang ingin diukur yang melekat pada objeknya.
Dalam pengukuran behavioral dan sikap-sikap manusia, Nilai yang terdapat dalam kelompok merupakan representasi dari individu-individu yang ada dalam kelompok tersebut. Sedangkan Individu itu sendiri adalah objek yang sangat unik dan sangat mustahil memiliki sikap yang sama persis satu sama lain, pasti akan ada perbedaan yang sulit untuk disimbolkan dalam bentuk skala.
Hal tersebut membuat sebuah pengukuran membutuhkan suatu sudut pandang yang selanjutnya disebut paramater. Tujuannya agar data-data yang diukur lebih mudah untuk ditarik kesimpulan dna hasil sebagai pengukur. Tentu saja proses ini tidak akan pernah bisa merepresentasikan kelompok tersebut secara utuh namun seyogyanya bisa mewakili nikali umun untuk kelompok itu sendiri.
Mari kita misalkan ada seratus orang dalam sebuah desa dimana ada desa tersebut dilayani oleh satu toko beras. Setiap orang dalam desa tersebut mungkin saja punya beras yang mereka sangat ingin seperti Beras Kepala, Rojo Lele, Pandan, Celebes, yang mungkin bisa diurut lebih banyak dari jumlah penduduk desa tersebut karena tidak ada larangan satu orang menyukai dua atau tiga jenis beras.
Lantas beras apa yang harus dijual si pemilik Toko Beras? apakah harus menjual 100 jenis beras atau lebih sesuai dengan hasil survey penduduk desa?
Dalam kasus ini pengkuran bisa digunakan untuk menarik nilai umum yang melekat pada masyarakat di desa tersebut seperti melakukan survey mengenai beras yang paling banyak digemari, lalu untuk mengakomodasi orang dengan jenis beras diluar dari jenis beras yang bisa disiapkan, alat ukur mungkin saja dilengkapi dengan instrumen yang menanyakan beras alternatif yang dinginkan jika beras kesukaan nomor urut 1 tidak bisa disediakan. Selain itu bisa juga dilakukan pengkuran tentang kualitas beras Pandan dan Rojolele di lidah masyarakat karena ada kemungkin mereka yang gemar Rojolele bisa jadi juga gemar Pandan namun karena tidak pernah merasakan pandan mereka jadi tidak punya dasar untuk membandingkan dan cenderung menulis Rojolele di kolom beras pavorit mereka.
Pengukuran dalam kasus diatas akan mengarahkan evaluator atau analisator untuk mengambil keputusan tentnag tiga jenis beras yang disedikan dalam tokoh dan juga jumlah sirkulasi beras yang harus disediakan.
B. Jenis Skala Dalam Pengukuran
Ditinjau dari karakter objek yang diukur, maka pengukuran behavioral dan sifat-sifat manusia tidak akan pernah bisa mendeksripsikan manusia secara utuh, kendatipun mereka menuliskan angka sama ketika ditanyai tentang kesukaan terhadap sebuah objek.
Mari kita mengambil contoh pertanyaan tentang kesukaan terhadap Facebook kepada dua orang subjek yakni Ahmad dan Dahlan. Mereka diminta meberikan skala 1 sampai 10. Kendati Ahmad dan Dahlan mungkin saja menuliskan angka yang sama misalnya 7, namun arti dan makan dari 7 tersebut hanya mereka yang tahu. Mungkin saja 7 dari Ahmad itu berarti setiap kali ada kesempatan dia akan membuka Facebook sedangkan Dahlan mungkin saja dia tidak begitu suka menggunakan Facebook hanya saja dibandingkan dengan aplikasi lain, skala 7 dianggap Dahlan sudah mewakili kesukaannya terhadap Facebook.
Untuk mengatasi masalah ini dibutuhkan data yang lebih banyak mengenai dua orang ini yang mungkin saja diukur dengan skala-skala yang berbeda tergantung dari jenis data yang ingin diambil.
Secara teknis Skala dapat diartikan sebagai acuan untuk menentukan panjang pendeknya interval dari variabel-variabel yang diukur dalam alat ukur. Skala-skala kemudian dikembangkan dengan harapan dapat menunjukkan nilai yang mendekati karakter asli dari objek ukur. Adapun skala-skala yang paling umum digunakan dalam pengukuran dibagi dalam 4 jenis.
1. Skala Nominal
Skala Nominal adalah skala yang menunjukkan kategorisasi semata. Fungsi bilangan pada skala ini hanya merupakan simbol yang tidak dapat dibandingkan mana yang lebih tinggi atau semua yang berada pada skala ini sederajat. Adapun ciri-ciri skala Nominal adalah
Mutually Exclusif
Tidak mempunyai aturan logis atau dipilih secara acak,
Contoh Skala: Kriteria Warna yang Disukai, Tulis 1 untuk warna merah, 2 untuk warna ungu, 3 untuk warna biru, dan seterusnya. Dari contoh tersebut dapat disimpulkan ketika seseorang menulis angka 3 tidak berarti lebih tinggi dari orang menulis angka 2.
2. Skala Ordinal
Skala Ordinal adalah skala yang menunjukkan kategori dengan memperhatikan urutan. Hanya saja urutan tersebut tersebut tidak bisa dilakukan perbandingan karena tidak ada jarak yang pasti disetiap level yang diwakili oleh skala.
Ciri-ciri skala Ordinal adalah:
Bersifat Diskrit
Terususn secara Hirarki
Contoh Skala: Tingkat Pendidikan seseorang, misal 1 untuk SD, 2 untuk SMP, 3 untuk SMA dan 4 untuk S1, tentu saja Skala SMP lebih tinggi dari SD dan lebih rendah satu tingkat dari SMA, hanya saja SMP tidak berarti dua kali lebih baik dari SD.
Skala Likert juga dikembangkan dari Skala ini, sehingga Skala Likert merupakan nilai yang tidak bisa dioperasikan secara matematis karena tidak ada kosntruk yang jelas untuk menjumlahkan hasilnya. Hanya saja kesalahan ini banyak dilakukan tidak hanya dari sisi peneliti pemula tapi juga peneliti senior.
3. Skala Interval
Skala Interval adalah skala yang menunjukkan jarak yang jelas antara satu data dengan data yang lain. Perbedaan angka yang sama pada jenjang berbeda tetap memiliki skor yang sama pula. Misalnya jarak antara 10 % ke 15 % tentu saja sama antara jarak 75 % – 80 %. Hanya saja skala ini tidak memiliki nilai 0 mutlak yang berarti kondisi dari awal perhitungan dapat ditentukan sendiri oleh peneliti. Seperti pada skala Celcius, maka suhu 0 derajat disepakati sebagai titik dimana es mulai mencair dengan kondisi tertentu, misalnya tekanan udara 1 atm. Selain itu ciri-ciri skala Interval adalah :
Kategori bersifat terpisah
Urutan Kategori harus logis
Kategori data yang ditentukan skalanya berdasarkan karakter yang sudah ditentukan terlebih dahulu.
Perbedaan karakteristik yang sama ditunjukkan dengan perbedaan skala yang tetap pada seluruh jenjang/interval skala.
Angka 0 dipilih berdasarkan kesepakatan.
Angka 0 dalam skala interval tidak berarti nol, tapi hanya saja kriteria yang diharapkan tidak muncul dalam proses pengukuran sehingga dianggap sebagai nol. Misalnya tes hasil belajar peserta didik diatur mari mulai dari rentang 0 sampai 100.
Angka nol tidak berarti peserta didik tidak mengetahui sama sekali hal apapun mengenai tes yang diberikan akan tetap tidak satupun indikator yang diujikan tampak pada peserta didik, demikian juga angka 100 tidak berarti peserta didik menguasai materi yang diujikan hanya saja seluruh indikator yang diujikan tampak pada peserta didik. Dalam kasus ini kesimpulan dikembalikan lagi pada konstruksi pembuatan instrumen yang digunakan.
4. Skala Rasio
Skala rasio sama dengan skala interval, dimana setiap titik yang diwakili dengan interval yang sama mengambarkan kriteria yang sama pula. Hanya saja skala rasio memiliki titik nol mutlak dimana kriteria tersebut tidak dibuat berdasarkan kesepakatan tertentu tapi mengikat pada objek yang diamati.
Kategori bersifat terpisah
Urutan Kategori harus logis
Kategori data yang ditentukan skalanya berdasarkan karakter yang sudah ditentukan terlebih dahulu.
Perbedaan karakteristik yang sama ditunjukkan dengan perbedaan skala yang tetap pada seluruh jenjang/interval skala.
Angka 0 dipilih berdasarkan nilai yang melekat pada objek.
Sebagai contoh, suhu yang dinyatakan dalam Kelvin, suhu 0 Kelvin digambarkan sebagai keadaan sebuah benda sama sekali tidak memiliki energi oleh karena tidak akan ada suhu -1 Kelvin atau pun kondisi energi minus. -1 K tetap dapat ditemui hanya saja tidak menunjukkan oleh titik tertentu, melainkan interval ketika suhu turun dari 761 K menjadi 760 K.
C. Disambigu Penggunaan Skala
Pada beberapa penelitian ada kemungkinan penggunaan skala yang berbeda dari bentuk dasarnya. Misalnya penelitian mengenai pengaruh tinggi badan dengan tingkat kemampuan bermain basket. Karena data terlalu luas untuk mengambil tinggi badan seseorang maka tinggi badan dikategorikan dari kategori 1 untuk 150 cm sampai 159 cm, 2 untuk 160 cm sampai dengan 169 cm, 3 untuk 170 cm sampai dengan 179 cm dan seterusnya.
Skala tinggi badan tentu saja Rasio, namun dalam kasus ini skala diubah menjadi skala kategori. Tinggi badan juga dalam kasus ini adalah skala Rasio, beberapa kasus jarak merupakan skala interval, namun untuk tinggi badan, jarak tersebut tidak memiliki titik dibawah nol. Pertimbangan penggunaan skala harus dikembalikan sesuai dengan konstruksi dan tujuan dari pengukuran yang dilakukan.
Ahmad Dahlan – Massa jenis (disimbiolkan dengan ρ – huruf yunani yang dibaca rho) adalah perbandingan antara massa yang terjadi suatu zat terhadap volume zat itu sendiri.
A. Massa Jenis
Sebuah benda memiliki karakteris unik dari sisi fisis dari benda itu sendiri, salah satu dari sisi ukuran benda itu sendiri. Dalam fisika ukuran suatu benda dapat dinyatakan dalam 4 hal yakni massa, volume, dan jumlah mol.
Mari kita tinjau massa dan volumenya terlebih dahulu. Misalkan saja kita mengambil 1 kg air di sebuah sumur maka kita membutuhkan sebesar 1 liter, begitu pula kelipatannya ketika kita mengambil 2 kg air saya membutuhkan wadah berukuran 2 liter. Dengan demikian kita bisa menyimpulkan bahwa massa suatu benda berbanding lurus dengan volume benda itu sendiri.
m ∼ V
Setiap kenaikan 1 kg air akan menyebabkan kenaikan volume air sebesar 1 liter. Perbandingannya akan selalu sama sehingga nilai massa dan volume dari suatu benda dihubungan dengan sebuah nilai yang konstan yang disebut sebagai massa jenis (ρ). Maka persamaan ini dapat ditulis sebagai berikut L
m = ρV
Dimana ρ adalah perbandingan antara massa benda dan volume benda itu sendiri.
\rho = \frac{m}{V}
Kerapatan dan Massa Jenis
Massa jenis ini adalah simbil dari kerapatan suatu benda (density). Misalkan saja kita mengambil 1 kg besi, tentu saja kita hanya memiliki sedikit besi jika dibandingkan dengan air jika ditinjau dari Volumenya. Hal ini disebabkan densitas besi lebih tinggi dari air. Hal ini pula yang membuat kita butuh karung yang besar untuk menampung kapas sebanyak 1 kg.
Setiap zat memiliki densitas yang berbeda meskipun ada kemungkin beberapa jenis zat memiliki massa jenis yang sama.
Tabel Massa Jenis Beberapa zat
Jenis Zat
Densiti ρ (103 kg/m3)
Platinum
21,45
Emas
19,30
Uranium
18,70
Timbal
11,30
Tembaga
8,92
Air
1,00
Udara (1 atm)
0,0012
B. Massa Atom Relatif
Sebagaimana yang kita ketahui mengenai struktur partikel yang menyusun suatu zat terdiri atom-atom tertentu yang dikenal dengan jenis unsur unsur dan berdasarkan teori atom Rutherford dan Atom Bhor, setiap atom terdiri dari proton dan neutron yang terletak di Inti atom sedangkan pada kulit ditempati elektron.
Jumlah proton dan Neutron dalam inti sebuah atom akan berpengaruh pada massa atom relatif yang diukur dalam satuan massa atom (u), dalam beberapa buku terjemahan juga disingkat dengan sma, dimana satu u = 1,6660 538 7 x 10-27 kg. Dikatakan sebagai massa atom relatif, karena jenis atom yang digunakan untuk mengukur adalah atom dari carbon-12, atom ini digunakan sebagai satuan pembanding karena memiliki karakteristik paling stabil dari seluruh atom yang ada di alam.
Sebagai contoh, timbal dengan massa 207 u dan aluminium adalah 27 u, rasio antara massa timbal dan massa aluminium adalah 10 : 1 namun hal ini berbeda jika rasio berdasarkan massa jenis, iman rasio-nya menjadi 4,19 : 1. Hal ini disebabkan oleh jarak antar atom yang penyusun struktur kristal dari penyusun kedua atom tersebut.
Referensi: Jewet & Serway. 2007. Physics for Scientist and Enggineer.
Populasi dan sampel adalah dua aspek yang sangat penting dalam menentukan keberlakuan hasil penelitian.
A. Pengertian Populasi
Populasi pada umumnya banyak dikenal dalam istilah antroplogi dan Biologi yang merujuk pada sekumpulan Individu yang hidup dalam sebuah ekosistem tertentu. Tujuannya dari pengelompokan Populasi ini tujuannya untuk memudahkan pengamatan mengenai karakteristik dan perilaku populasi dan interaksinya terhadap populasi lain ekosistem tersebut.
Hal ini tentu saja akan berbeda jika dikaitkan dengan karakter manusia yang lebih unik dan menunjukkan banyak perilaku. Batasan-batasan yang didasari ciri-ciri biologis semata seperti proporsi makan, gerak, bernafas, berkembang biak dan sejenisnya tidaklah cukup untuk menjelaskan kriteria manusia sebagai mahluk sosial.
Dalam metode statistik, Populasi dikenal sebagai sekumpulan data sejenis baik yang imajiner maupun nyata yang menjadi tempat berlakunya inferensi yang diambil dari sampel. Agar hasil inferensi dapat diterima di populasi, maka seluruh kriteria yang dimiliki oleh Populasi harus dimiliki oleh Sampel, dengan kata lain Sampel adalah wakil yang representatif dari Populasi hanya saja ukurannya lebih kecil.
Tujuan umum pengambilan sampel agar penelitian yang dilakukan tentu saja agar memudahkan proses penelitian dan mengurangi jumlah biaya. Sebagai contoh penelitian sederhana meskipun tidak ilmiah adalah menggeneralisasikan rasa rambutan yang dijual dengan mengambil beberapa sampel rambutan untuk di coba.
Seorang pembeli rambutan misalnya akan mengambil rambutan secara rambang (Random) dari sekumpulan jajanan rambutan dalam satu keranjang. Rasa dari rambutan akan menjadi tafsiran untuk rasa seluruh rambutan yang ada dalam keranjang, jika rambutan kecut atau masam, maka transaksi jual tentu saja tidak terjadi, namun jika rambutan yang dicicipi rasanya manis, maka transaksi jual beli kemungkinan besar akan terjadi.
Cara sederhana tentu saja tidak berlaku jika parameter yang ingin dicari lebih detail, misalnya kadar gula dari rambutan. Maka pengambilan satu ada dua buah rambutan tentu saja tidak cukup baik. Dibutuhkan banyak pertimbangan dalam tata cara pengambilan sampel, ukuran sampel, kriteria dari sampel dan kesimpulan dari hasil pengukuran yang dilakukan. Hal serupa juga terjadi dalam penelitian dengan objek penelitian yang dilakukan kepada manusia, peserta didik, guru dan lembaga pendidikan. Parameter-parameter baru akan muncul sebagai dasar dalam menentukan cakupan populasi, bisa saja berdasarkan tempat, waktu, kompetensi, hasil belajar, sikap dan lain-lain, misalnya Peserta didik kelas X di daerah terpencil tidak sama dengan peserta didik dengan tingkat yang sama di daerah perkotaan.
Seorang peneliti tentu saja harus melakukan pengukuran tahap awal atau paling tidak memiliki informasi mengenai kriteria-kriteria yang melekat pada populasi. Data-data tersebut akan dijadikan dasar nantinya untuk melakukan jenis sampel, teknik sampel yang digunakan, ukuran sampel dan teknik analisis data yang digunakan.
B. Definisi Sampel
Sampel adalah bagian dari populasi yang merepresentasikan seluruh karakteristik yang ada pada populasi, oleh karena itu ukuran sampel selalu lebih sedikit atau sama dengan populasi. Terkait dengan jumlah sampel tentu saja bergantung dari parameter-parameter yang melekat pada populasi seperti parameter ukuran populasi, sebaran populasi, konsentrasi, kepadatan dan lain-lain. Jumlah parameter yang dijadikan pertimbangan didasarkan oleh jenis penelitian dan variabel yang ada dalam penelitian.
Sebagai contoh dalam pengujian gula darah, ukuran sampel yang digunakan adalah darah manusia dan populasi dari pengujian ini adalah seluruh darah yang ada dalam individu. Jumlah dari dari darah yang dibutuhkan berdasarkan ukuran minimum untuk menunjukkan gula darah, tidak perlu mengambil lebih banyak dari yang dibutuhkan dan melakukan pengukuran berulang dengan sumber darah dari kaki di bedakan dengan darah yang ada di kepala karena baik darah dari kaki atau dari tangan tentu saja sama-sama mampu menunjukkan kadar gula darah seseorang.
Hal yang berbeda pada penelitian-penelitian behavioral dengan objek manusia, misalnya penelitian pendidikan dengan populasi peserta didik di sebuah sekolah. Misalkan saja sebuah pengukuran akurat sudah dilakukan pada populasi dan populasi memiliki tingkat homogenitas sangat tinggi untuk banyak variabel atau dengan kata lain jika peserta didik dipilih secara rambang hasilnya tetap identik. Kendati demikian, teknik pengambilan sampel 1 peserta didik seperti pengambilan sampel darah tetap belum bisa dilakukan karena mengajar satu orang siswa dan 30 orang siswa dalam satu kelas tentu saja membawa dampak psikologis yang mempengaruhi perlakuan.
C. Tujuan Pengambilan Sample.
Pengambilan dilakukan dalam penelitian karena merupakan sebuah keharusan tanpa dasar yang kuat maka sampel penelitian tidak boleh dilakukan, misalnya pada sensus, Sampel tidak boleh diambil meskipun populasi sangat homogen. Kualitas data penelitian sangat menentukan hasil yang ditemukan dan kualitas data juga di tentukan oleh kuantitas data. Semakin besar kuantitas data yang didapatkan semakin baik pula hasil penelitian, namun terkadang sebuah penelitian dalam skala besar akan mendapatkan beberapa halangan seperti terkendala dana penelitian dan metode pengumpulan data atau beberapa kasus penelitian data yang dikumpul sudah tidak menunjukkan perubahan yang siginifikan terhadap hasil penelitian oleh karena proses pengumpulan data dihentikan. Adapun alasan pengambilan sampel sebagai berikut:
1. Suatu Keharusan
Pada beberapa jenis penelitian akan ditemukan kondisi dimana sampel harus dilakukan dan berpotensi berbahaya dan merugikan jika ukuran sampel yang diambil semakin besar. Penyebab sampel harus diambil adalah:
Percobaan bersifat berbahaya : Misalnya pengukuran gula darah, maka sampel 5 mL menghasilkan hasil pengukuran yang relatif sama dengan 5 Liter, tapi potensi bahaya meningkat dengan besarnya ukuran sampel.
Percobaan yang Merugikan : Misalnya percobaan yang berkaitan penelitian daya tahan hewan terhadap air hujan di Kabupaten Gowa. Dampak dari air hujan yang belum jelas tentu saja harus diteliti namun tidak pada seluruh populasi karena tetap ada kemungkinan bahaya dan menyebabkan kematian pada hewan ternak terutama air hujan yang mengandung asam sulfat, oleh karena perlakuan terhadap sampel dapat mencegah kerugian yang lebih besar.
2. Teknis Pengambilan Data:
Sampel merupakan hal mutlak yang diambil pada percobaan yang tidak memungkinkan pengambilan data pada seluruh populasi. Kendala-kendala yang menjadi penyebab ini adalah:
Keterbatasan Biaya Penelitian.
Luas Daerah yang sulit di capai secara keseluruhan.
Waktu penelitian yang terbatas.
Sampel yang sudah jenuh, atau pengambilan data tambahan tidak menunjukkan perubahan signifikan terhadap data yang sudah ada.
Sebagai contoh pengukuran kualitas butir Instrumen dengan menggunakan model RASH model. Pengambilan subjek uji mulai dari 100 sampai 1000 responden tentu masih menunjukkan perbedaan yang mencolok untuk setiap item, namun pengambilan sampel dari rentang 1000, 1300 dan 1500 tidak lagi menunjukkan perubahan yang signifikan, oleh karena pengambilan sampel sebaiknya dihentikan.
D. Syarat Pengambilan Sampel
Sampel merupakan wakil dari populasi yang memiliki seluruh kriteria dari Populasi karena pertimbangan ini maka pengambilan sampel harus memenuhi kriteria sebagai berikut:
Presisi Presisi adalah estimasi dari ukuran dan jumlah penarikan sampel yang jumlah bergantung dari ukuran populasi. Ukuran ini akan menjadi faktor seberapa tepat data yang ditarik dari sampel berlaku pada populasi. Sampel yang digunakan harus memiliki kategori baik dari segi kuantitas dan juga kualitas sehingga bias data (dapat dilihat dari standar deviasi data).
Sebagai contoh rata-rata penghasilan kepala keluarga di kecamatan adalah Rp. 13.000.000. Hasil ini bisa saja tidak berarti jika data berasal dari dua sampel dengan penghasilan bapak A Rp. 25.000.000 dan bapak B Rp. 1.000.000. Kesimpulan sebesar 13.000.000 juta tentu saja tidak tepat memprediksi penghasilan kepala keluarga di kecamatan A, meskipun operasi matematis-nya sudah benar. Salah satu cara mengurangi besar standar deviasi adalah menambahkan jumlah sample.
1. Akurasi
Akurasi mengacu pada karakter, sifat dan kriteria dari sampel yang digunakan. Hampir sangat mustahil ditemukan sampel dengan kriteria Homogen, namun ada dasar yang digunakan untuk menentukan sejauh mana batas toleransi yang digunakan untuk mengambil sampel. Kriteria-kriteria tersebut ditentukan melalui hasil penelitian terdahulu atau tinjauan pustaka yang dibangun dalam konstruk. Sampel yang memiliki kualitas atau kuantitas yang terlalu jauh dari populasi hendaknya dikeluarkan dari sample.
Misalnya analisis mengenai kebijakan pendidikan karakter di Kabupaten A, dimana di kabupaten A ada sebuah sekolah X yang merupakan sekolah unggulan untuk provinsi, maka sekolah X tentu saja akan mengganggu dara karena kualitas dan kuantitasnya tidak mewakili populasi karena kebijakan tentu saja dengan sekolah umum.
E. Ukuran Sampel
Ukuran sampel adalah besar jumlah sampel yang digunakan. Pada dasarnya tidak ditemukan aturan baku dalam penentuan sampel. Ukuran sampel yang paling baik adalah ukuran sampel jenuh yang ditentukan bukan sebelum penelitian tapi selama proses penelitian dilakukan. Sampel dikatakan jenuh jika data dari penelitian sudah tidak menunjukkan perubahan signifikan sehingga penambahan jumlah sampel adalah sia-sia, oleh karena itu Jenuh tidak bergantung dari ukuran populasi melainkan kriteria yang ingin dianalisis.
Contoh sample Jenuh: Setelah melakukan pengambilan data mengenai rata-rata gaji karyawan di perusahaan A sudah mengumpulkan sebanyak 300 data, dengan rata-rata penghasilan Rp. 1.800.000,-sampel berikutnya ternyata 30 karyawan dengan rata-rata Rp. 1.800.000, jika data terus diambil angka Rp. 1.800.000 tetap muncul oleh karena itu pada saat sampel 300 maka sampel tersebut sudah jenuh, karena penambahan sampel sudah tidak merubah data secara signifikan.
Dalam penelitian behavioral dan psikologi yang memiliki variabel berupa sifat-sifat dari manusia yang berubah-ubah maka pengambilan sampel tentu saja menjadi lebih sulit. Sebagai contoh penelitian tentang pengaruh sebuah model terhadap sebuah sebuah sekolah pengambilan satu kelas sebagai sampel dengan jumlah peserta didik hanya 30 orang tentu saja tidak cukup baik karena data sebanyak 30 orang sangat sulit terdistribusi normal meskipun mengikuti distribusi t, oleh karena itu penambahan satu kelas lagi lebih baik karena kemungkinan data terdistribusi normal untuk 60 orang data lebih besar dibandingkan 30 orang. Dalam kasus ini memang masih memungkinkan menganalisis data yang tidak terdistribusi normal seperti analisis non parametris, namun hasil dari statistik inferential tentu saja tidak lebih presisi dari analisis parametris dalam menebak hasil dari sampel ke Populasi. Beberapa ahli penelitian dari berbagai bidang telah mengeluarkan banyak pendapat mengenai ukuran sampel dari penelitian dari masing-masing bidang, ukuran-ukuran tersebut biasanya diambil berdasarkan banyak pengalaman yang mereka dapat selama melakukan penelitian oleh karena pendapat-pendapat tersebut sangat baik dijadikan rujukan dan dasar pengambilan sampel. Meskipun demikian, aturan tersebut bukanlah ukuran baku akan tetapi dikembalikan kepada peneliti masing-masing.
1. Metode Roscoe
Roscoe (1975) menyaakan bahawa ukuran sampel bergantung dari jumlah populasi. Minimal sampel menurut Roscoe untuk populasi kurang dari 500 orang diwakili 30 orang. Untuk sampel yang dipecah lagi dalam beberapa sub kategori sample, seperti gender, level dan sejenisnya maka sampel yang dibutuhkan minim 30 sample. Untuk penelitian uji regresi ganda ukuran sampel minimal 10 kali dari jumlah variabel yang diteliti, sedangkan untuk penelitian eksperimen sederhana, jumlah sampel yang dibutuhkan sekitar 10 sampai 20 sampel
2. Metode Gay dan Diehl
Gay dan Diehl (1992) mengasumsikan bahwa semakin banyak jumlah sampel yang digunakan semakin representatif dan hasilnya digeneralisasi ke populasi. Namun batasan minimal dari sampel adalah sebagai berikut:
Penelitian deskritif :10% dari jumlah populasi
Penelitian Korelasional : 30 orang
Penelitian Kausal Perbandingan : 30 orang per kelompok
Penelitian Eksperimental : 15 orang per kelompok
3. Metode Frankle dan Wallen
Frankel dan Wallen (1993) adalah seorang pakar evaluasi pendidikan menyarankan sampel pada penelitian deskriptif paling sedikit 100 jumlah dan untuk kausal-perbandingan paling tidak 30 orang setiap grup.
4. Tabel Isaac dan Michael
Ukuran sampel menurut Isaac dan Michael ditentukan oleh taraf significance dari penelitian. Taraf Significance dibatasi pada level 1%, 5% dan 10%. Untuk jumlah nya, Isaac dan Michael merujuk pada tabel pengambilan sampel milik Isaac dan Michael.
Cuplikan Tabel Issac dan Michael
Populasi
Sampel – 1%
Sampel – 5%
Sampel – 10%
10
10
10
10
15
15
14
14
20
19
19
19
30
29
28
27
50
47
44
42
100
87
87
73
500
385
205
176
1000
399
258
213
2000
510
301
241
10000
622
336
263
Untuk Jumlah sampel yang tidak muncul bisa merujuk pada tabel asli, atau melakukan interpolasi untuk menghitung jumlah sampel yang digunakan yakni dengan persamaan
5. Metode Slovin
Slovin menawarkan sebuah persamaan yang digunakan untuk menentukan jumlah sampel minimal berdasarkan toleransi eror melalui persamaan :
\[n = \frac{N}{1+Ne^2}\]
n = Jumlah Sampel N = Jumlah Total Populasi e = Batas Toleransi Error
Misalnya sampel dari 125 Populasi dapat ditarik sampel sebanyak :
\[n = \frac{125}{1+125(0,5)^2} = 95,23\]
dibulatkan 95, namun untuk lebih aman jumlah sampel di genapkan 100 atau 110 untuk mengantisipasi sampel yang menyumbangkan data yang menyimpan.
6. Metode Cohen
\[n = \frac{L}{F^2}+u+1\]
Keterangan :
n = Ukuran sampel F2 = Effect Size u = Banyaknya peubah yang terkait dalam penelitian L = Fungsi Power dari u,
diperoleh dari tabel Power (p) = 0.95 dan Effect size (F2) = 0.1 Harga L tabel dengan t.s 1% power 0.95 dan u = 5 adalah 19.76 maka dengan formula tsb diperoleh ukuran sampel n = 19.76 / 0.1 + 5 + 1 = 203,6, dibulatkan 203
7. Metode Cohran’s Formula
\[N = \frac{t^2.s^2}{d^2}\]
N = ukuran sampel t = nilai t berdasarkan alpha tertentu s = standard deviasi dari populasi d = margin error
Referensi
Fraenkel, J. & Wallen, N. (1993). How to Design and evaluate research in education. (2nd ed).
New York: McGraw-Hill Inc. Gay, L.R. dan Diehl, P.L. (1992), Research Methods for Business and. Management, MacMillan Publishing Company, New York
Hair, J.F., W.C. Black, B.J. Babin, R.E. Anderson, R.L.Tatham, (2006). Multivariate Data Analysis, 6 Ed., New Jersey : Prentice Hall
Keith P. Lewis. 2006. Statistical Power, Sample Sizes, and the Software to Calculate Them Easily. BioScience, Vol. 56, No. 7 (July 2006), pp. 607-612
Krejcie, R. V., & Morgan, D. W. (1970). Determining sample size for research activities. Educational and Psychological Measurement, 30, 607-610.
Luis Saldanha and Patrick Thompson. 2003. Conceptions of Sample and Their Relationship to Statistical Inference. Educational Studies in Mathematics, Vol. 51, No. 3 (2002), pp. 257-270
Richard J. Harris and Dana Quade. 1992. The Minimally Important Difference Significant Criterion for Sample Size. Journal of Educational Statistics, Vol. 17, No. 1 (Spring, 1992), pp. 27-49
