Teori Ralat Eksperimen Optika

Eksperimen Lensa Positif

Dalam eksperimen lensa positif, Lampu dijadikan sumber cahaya, dan yang menjadi objeknya adalah sebuah penggaris plastik bening dengan panah diukir pada badannya. Dalam eksperimen ini tujuan akhirnya adalah mencari fokus dari lensa tersebut. $v$ adalah jarak lensa ke benda dan $b$ adalah jarak lensa ke bayangan.

(1.)\[\frac{1}{f} = \frac{1}{b} + \frac{1}{v}\]

Dalam eksperimen kita menjadikan $v$ sebagai variabel bebas, $f$ sebagai variabel tetap, dan $b$ sebagai variabel terikat. Kita tidak terlalu tertarik pada besaran ralat $v$ (karena sulit diketahui secara pasti), sehingga kita hanya melihat ralat yang ada pada $b$ dan $f$. Untuk mengetahui ralat pada $b$ maka pengukuran $b$ dilakukan tiga kali dengan ${b_1}$ adalah $b$ saat bayangan dari lensa terlihat paling jelas. ${b_2}$ dan ${b_3}$ adalah $b$ saat bayangan dari lensa mulai terlihat blur, dengan jarak ${b_2}$ lebih kecil dari ${b_1}$ dan ${b_3}$ lebih besar dari ${b_1}$.

(2.)\[\overline b = \frac{1}{3}\sum\limits_{i = 1}^3 {{b_i}} \](3.)\[{S_b} = \frac{1}{2}\sqrt {\sum\limits_{i = 1}^3 {{{\left( {{b_i} - \overline b } \right)}^2}} } \]

Sehingga data jarak bayangan $b$ dari lensa saat jarak benda ke lensa $v$ saat ini adalah \(\overline b \pm {S_b}\). Untuk kepentingan pembuatan grafik plot \(\frac{1}{v}\) terhadap \(\frac{1}{b}\), maka dicari pula ralat \(\Delta \frac{1}{b}\):

(5.)\[\Delta \frac{1}{b} = \frac{{{S_b}}}{{{b^2}}}\]

Ralat fokus diterangkan sebagai berikut.

(4.)\[{f_1} = b\quad {f_2} = v\](6.)\[\overline f = \frac{{v + b}}{2}\](7.)\[\Delta f = \frac{{\left| {{f_1} - \overline f } \right| + \left| {{f_2} - \overline f } \right|}}{2}\]

Eksperimen Indeks Bias

Kita sejak SMA mengetahui bahwa rumus indeks bias adalah
(8.)\[n = \frac{x}{{x'}}\] dengan $n$ adalah indeks bias bahan, $\frac{x}{{x'}}$ proporsional dengan sinus sudut datang dibagi sinus sudut bias. Ralat \({S_x}\) dan \({S_{x'}}\) dihitung berdasarkan persamaan berikut.

(9.)\[{S_x} = \frac{1}{{n - 1}}\sqrt {\sum\limits_{i = 1}^n {{{\left( {{x_i} - \overline x } \right)}^2}} } \](10.)\[{S_{x'}} = \frac{1}{{n - 1}}\sqrt {\sum\limits_{i = 1}^n {{{\left( {x{'_i} - \overline {x'} } \right)}^2}} } \]

Ralat indeks bias, secara pokok diketahui melalui persamaan berikut:

(11.)\[{S_n} = \sqrt {{{\left( {\frac{{\partial n}}{{\partial x}}{S_x}} \right)}^2} + {{\left( {\frac{{\partial n}}{{\partial x'}}{S_{x'}}} \right)}^2}} \]

Karena

\(\frac{{\partial n}}{{\partial x}} = \frac{1}{{x'}}\)

dan \(\frac{{\partial n}}{{\partial x'}} = - \frac{x}{{x{'^2}}}\)

sehingga :

(12.)\[{S_n} = \sqrt {{{\left( {\frac{{{S_x}}}{{x'}}} \right)}^2} + {{\left( { - \frac{{{S_{x'}} \cdot x}}{{x{'^2}}}} \right)}^2}} \]

Komentar

Posting Komentar

Postingan populer dari blog ini

Determinan Matriks n x n

Matriks Persegi, Permutasi, dan Fungsi Signum Matriks persegi merupakan matriks dengan jumlah kolom dan baris sama besar, ${\rm{n \times n}}$ dengan komponennya adalah $A$. Matriks ${\bf{A}}$ berikut merupakan matriks persegi berukuran ${\rm{4 \times 4}}$. \[{\bf{A}} = \left[ {\begin{array}{*{20}{c}} 2&4&8&2\\ 4&1&0&7\\ 6&3&3&5\\ 9&2&4&1 \end{array}} \right]\] Permutasi merupakan langkah menyusun kembali suatu barisan angka-angka. Permutasi ganjil terjadi jika suatu susunan angka-angka baru tercapai setelah memindahkan anggota barisan awal sebanyak 1, 3, 5, ...$\in $ ganjil kali, begitupun dengan permutasi genap. Contohnya adalah sebagai berikut: TABEL 1. Susunan Awal {1,2,3,4} Banyaknya Pemindahan Angka 1 Kali 2 Kali 3 Kali {2,1,3,4} {1,3,2,4} {1,2,4,3} {1,4,3,2} {3,2,1,4} {4,2,3,1} {2,3,1,4} {1,3,4,2} {1,4,2,3} {3,4,1,2} {3,1,2,4} {3,2,4,1} {2,1,4,3} {2,4,3,1} {4,3,2,1} {4,2,1,3} {4,1,3,2}...
Baca selengkapnya

Fungsi Error

Gambar
Fungsi error merupakan salah satu fungsi spesial yang tidak memiliki kaitan sama sekali dengan error atau kesalahan pengukuran. Lebih lanjut, fungsi error ini terkait dengan luasan kurva lonceng $y = {e^{ - {t^2}}}$ dari 0 hingga x. (1.) \[erf(x) = \frac{2}{{\sqrt \pi }}\int\limits_0^x {{e^{ - {t^2}}}dt} \] Deskripsi penggunaan fungsi error dijelaskan oleh gambar berikut. Titik-titik pada sumbu bukanlah puluhan, hal tersebut terjadi karena penggunaan font gambar yang kurang baik :-(. Pencarian Nilai Fungsi Error pada Nilai x Kecil Nilai fungsi error dapat didekati dengan menggunakan deret Mac Laurin pada nilai x kecil (nilai x antara -1 dan 1). Pencarian deret Mac Laurin untuk fungsi error (erf) di atas bisa kita mulai dengan pengertian deret Mac Laurin itu sendiri. Deret Mac Laurin (2.) \[f\left( x \right) = f\left( 0 \right) + x \cdot f'\left( 0 \right) + {x^2} \cdot \frac{{{f^2}\left( 0 \right)}}{{2!}} + ... + {x^n} \cdot \frac{{{f^n}\left( 0 \right)}}{{n!}} + ...\] ...
Baca selengkapnya

Swanilai (Eigenvalue) dan Pengenalan Wajah

Gambar
Taqabbalallahu minna wa minkum, minal aidzin wal faidzin! Akhirnya kita telah melewati 30 hari puasa Ramadhan 1433 Hijriah. Bagaimana Ramadhan kali ini pembaca ? Semoga amal ibadah kita yang telah lalu diridhai oleh Allah SWT. :-) Fian ceritanya mau mohon maaf lahir bathin dahulu, jikalau ada salah-salah segala macam :'( Maafin ya ... Sekarang Fian ceritanya mau bahas mengenai swanilai (eigenvalue) dan perannya dalam pengenalan wajah. Pembaca pasti sudah tahu kan teknologi pengenalan wajah di beberapa aplikasi atau situs jejaring sosial? Nah teknik pengenalan wajah ini dapat terlaksana diantaranya dengan menggunakan swanilai dari matriks-matriks yang berisi data gambar wajah. Sebelum kita mengetahui swanilai dari suatu gambar, kita perlu memiliki database gambar-gambar wajah. Kemudian, gambar-gambar wajah di database ini dibaca lalu diubah menjadi gambar monokrom secara otomatis (menggunakan MATLAB, Octave, atau skrip yang kita buat sendiri). Gambar monokrom ini memiliki ni...
Baca selengkapnya