III. METODOLOGI PENELITIAN
2. Z-score yang dihasilkan, dapat membedakan unjuk kerja lab yang baik, dan tidak baik
4.1. Kakao Bubuk
4.1.1 Kadar Air
4.1.1.1 Distribusi Data, Ringkasan Statistika dan Evaluasi Hasil Uji Profisiensi Jumlah peserta uji profisiensi untuk parameter kadar air pada kakao bubuk
adalah 30 laboratorium. Hasil uji laboratorium peserta dapat dilihat pada grafik berikut:
Gambar 2 Hasil uji laboratorium peserta, kadar air kakao bubuk, sampel A
Gambar 3 Hasil uji laboratorium peserta, kadar air kakao bubuk, sampel B Thompson et al. (2006) tidak mempersyaratkan jumlah minimum atau maksimum peserta uji profisiensi. Food and Consumer Safety Authority (1995) merekomendasikan jumlah minimum laboratorium adalah delapan. Edegard et al.(2000) merekomendasikan sedikitnya 8 – 15 laboratorium ikut serta dalam uji profisiensi. Edegard et al. (2000) juga mengindikasikan bahwa jumlah laboratorium peserta tidak perlu sama untuk seluruh level konsentrasi.
Dari kedua grafik pada Gambar 2 dan Gambar 3, terlihat bahwa data hasil uji dari peserta cukup baik. Grafik menunjukkan pola data distribusi normal. Satu data tersangka tidak memuaskan adalah pada data tertinggi KB 15 pada 5.36 dan 6.43. Nilai acuan berada pada angka 4.63 dan 4.56.
Perhitungan statistika uji profisiensi dapat menggunakan berbagai cara perhitungan yang sesuai bagi masing-masing penyelenggara uji profisiensi, namun tetap memiliki dasar basis statistika (ISO, 2005). Kumpulan data uji profisiensi pada penelitian ini dievaluasi dengan menggunakan 4 metode evaluasi hasil uji: 1. Metode evaluasi hasil uji 1 : dilakukan seleksi Grubbs 1 kali saja, kemudian
terhadap data yang tersisa dilakukan perhitungan Robust Z-score.
2. Metode evaluasi hasil uji 2: dilakukan seleksi Grubbs berulang kali, sampai tidak ada lagi data yg keluar, kemudian terhadap data yang tersisa dilakukan perhitungan Robust Z-score.
3. Metode evaluasi hasil uji 3: dilakukan evaluasi langsung menggunakan cara perhitungan Robust Z-score.
4. Metode evaluasi hasil uji 4: dilakukan evaluasi dengan menggunakan nilai lab acuan, dan sebagai nilai s pada penyebut digunakan SD-Horwitz. Untuk menghitung besarnya SD-Horwitz digunakan nilai lab acuan (ISO, 2005; IUPAC, 2006; Trevor J.F., 2006).
Istilah “Metode evaluasi hasil uji 1”, selanjutnya akan selalu digunakan untuk evaluasi dengan seleksi data Grubbs 1 kali, kemudian data yang tersisa diolah dengan Robust Z-score. Hal yang sama berlaku untuk metode 2 sampai 4. Metode evaluasi hasil uji 1, 2 dan 3 merupakan evaluasi data berdasarkan data median hasil uji peserta, sedangkan metode 4 berdasarkan suatu nilai acuan.
Edelgard et al (2000) menyatakan bahwa Z-score adalah perbandingan antara estimasi bias dan nilai target standar deviasi. Terdapat beberapa estimasi yang dapat digunakan untuk nilai target tersebut. Pedro R (2007) menyatakan bahwa Z-score adalah sebuah indikator kinerja dari setiap peserta uji profisiensi, tergantung pada interpretasinya, ditunjukkan sebagai memuaskan (satisfactory), diperingatkan (questionable) atau tidak memuaskan (outlier).
Ringkasan statistika dari 4 metode evaluasi hasil uji kadar air adalah sebagai berikut:
Tabel 1 Ringkasan statistika kadar air kakao bubuk (4 metode evaluasi) No Jumlah
data
Metoda evaluasi hasil uji Median CV Robust CV Horwitz
A B A B A B
1 28 Seleksi data Grubbs sekali, Z-score
4.88 4.68 14.09 10.10 3.18 3.18 2 28 Seleksi data Grubss
berkali-kali, Z-score
4.88 4.68 14.09 10.10 3.18 3.18 3 30 Langsung Z-score 4.88 4.68 14.09 10.34 3.18 3.18 4 30 Nilai acuan (Horwitz) 4.88 4.68 - - 3.18 3.18 Jumlah data adalah jumlah data yang diolah, dilambangkan dengan N.
Median adalah nilai tengah kelompok, yaitu setengah data uji lebih tinggi daripada median dan setengah lebih rendah. Apabila N berjumlah ganjil maka median adalah nilai pusat tunggal yaitu X [(N+ I)/2]. Apabila N adalah genap, median adalah rata- rata dari dua nilai tengah yaitu (X [N/2] + X[(N/2)+ 1])/2.
CV robust adalah koefisien variasi dan sama dengan IQR normalisasi dibagi dengan median, yang dinyatakan dengan persentase.
Normalised IQR adalah ukuran variabilitas hasil, sama dengan IQR atau interquartile range dikalikan dengan faktor 0.7413, yang membuatnya sebanding dengan standar deviasi.
CV Horwitz adalah 2(1-0.5 log C)
Seleksi data Grubbs adalah metode seleksi data untuk data yang dicurigai tidak memuaskan.
, dengan C adalah fraksi konsentrasi yang nilainya diambil dari nilai acuan. Pada analisis kandungan suatu analit yang relatif kecil, akan diperoleh koefisien variasi yang besar (CV Horwitz besar). Apabila dalam suatu uji profisiensi digunakan suatu sampel yang mempunyai kandungan analit dengan konsentrasi relatif kecil maka dapat diduga dari hasil uji profisiensi kemungkinan akan diperoleh unjuk kerja laboratorium yang kurang baik, mengingat keragaman atau koefisien variasi yang diperoleh akan relatif besar. Penilaian baik tidaknya CV yang diperoleh tergantung pada seberapa besar CV yang diijinkan (CV prediksi dari Horwitz).
Metode evaluasi hasil uji 1 dan 2, menunjukkan hasil yang sama. Hal ini karena dari kumpulan data tersebut hanya dapat dilakukan seleksi data Grubbs satu kali (G1 atas) dan pada seleksi Grubbs berikutnya, tidak ada lagi data yang keluar. Dari kumpulan data tersebut di atas terlihat bahwa median untuk seluruh metode berkisar pada angka 4.68 – 4.88. CV Robust yang menggambarkan penyebaran data
untuk seluruh metode berkisar pada angka 10.10 – 14.09, sedangkan CV Horwitz atau disebut juga CV prediksi atau CV harapan adalah 3.18. CV Robust yang terkecil diperoleh dengan menggunakan metode evaluasi hasil uji 1 dan 2.
Salah satu kriteria untuk menentukan metode evaluasi hasil uji yang terbaik adalah dengan menggunakan CV Robust. Apabila kumpulan data memiliki variabilitas tinggi, maka CV
Horwitz memberikan model umum untuk reprodusibilitas dari metode analisis yang dapat digunakan untuk perbandingan (ISO, 2005). Model umum tersebut dikenal dengan CV Horwitz, yang dipengaruhi oleh konsentrasi sampel terkait.
Robust semakin besar (APLAC, 2004).
Apabila dilihat dari nilai CV Robust, yang menggambarkan bagaimana penyebaran datanya, maka CV Robust terkecil ada pada metode evaluasi hasil uji 1 dan 2 dengan nilai CV Robust 14.09 dan 10.10. Nilai ini hanya mendekati nilai CV harapan yaitu 3.18. Dapat dikatakan bahwa untuk pengujian kadar air dari bubuk kakao, data hasil peserta uji profisiensi masih beragam. Setelah dilakukan seleksi data Grubbs, data hasil uji diolah dengan Robust Z-score. Kinerja laboratorium peserta uji profisiensi dapat dilihat pada hasil Z-score pada Tabel 2.
Pedro R et al. (2007) menyatakan bahwa uji seleksi Grubbs digunakan untuk menentukan apakah observasi data terbesar dan terkecil pada kumpulan data adalah termasuk outlier. Nilai G ditetapkan dengan rumus, kemudian hasilnya dibandingkan dengan tabel Grubbs. Dalam rangka memberikan keyakinan yang lebih untuk pasangan data yang outlier, uji ganda Grubbs dapat digunakan untuk menentukan apakah dua nilai terbesar dan dua nilai terkecil termasuk outlier atau tidak.
Pada Tabel 2, untuk metode evaluasi hasil uji 1 dan 2, terlihat jumlah laboratorium tidak memuaskan dan nilai Z-score yang persis sama. Seperti telah dijelaskan sebelumnya hal ini disebabkan karena terhadap kumpulan data tersebut hanya dapat dilakukan seleksi data Grubbs satu kali (G2) dan pada seleksi Grubbs berikutnya, tidak ada lagi data yang keluar. Seluruh kinerja laboratorium dinyatakan memuaskan, dengan catatan KB 15 tidak memuaskan melalui seleksi Grubbs dan KB 23 mendapat katagori diperingatkan. Metode evaluasi hasil uji 3 (langsung Z- score) menunjukkan seluruh kinerja laboratorium memuaskan, tanpa catatan. Melalui metode evaluasi hasil uji 4, lima belas laboratorium (50%) dinyatakan tidak
memuaskan. Apabila diperhatikan, untuk kadar air kakao bubuk, metode evaluasi hasil uji 3 kurang sensitif dibandingkan dengan metode berdasarkan median data hasil uji peserta yang lain. Seluruh laboratorium dinyatakan memuaskan dengan metode 3.
Tabel 2 Ringkasan hasil Z-score dengan 4 metode evaluasi (kadar air) Kode
lab
Metode uji Nilai Z-score dari
metode evaluasi hasil uji
1* 2* 3 4
A B
KB 01 SNI 01-2891-1992 0.76 0.76 0.71 5.30 3.24 KB 02 SNI 3747:2009 butir A.4 -0.19 -0.19 -0.18 1.22 0.76 KB 03 SNI 01-2891-1992 0.52 0.52 0.49 3.20 3.72 KB 04 SNI 01-2891-1992 1.33 1.33 1.24 8.30 4.20 KB 05 Gravimetri -.0.77 -.0.77 -0.72 -0.75 -1.24 KB 06 SNI 3747-2009 butir A.4 -0.33 -0.33 -0.31 0.34 0.69 KB 07 AS 2300.1.1.2008 0.65 0.65 0.61 3.67 4.13 KB 08 SNI 01-3747-1995 -1.19 -1.19 -1.10 -2.86 -2.00 KB 09 SNI 01-2891-1992 butir 5.1 -1.48 -1.48 -1.38 -3.60 -3.31 KB 10 Gravimetri, SNI 01-3747-1995 butir 7.3 0.32 0.32 0.30 2.86 2.69 KB 11 SNI 01-3747-2009 -0.98 -0.98 -0.90 -1.56 -1.79 KB 12 SNI 3747:2009 butir A.4 -0.38 -0.38 -0.36 0.07 0.62 KB 13 SNI 01-2891-1992, cara gravimetri Grubbs Grubbs -1.63 -2.24 -6.54 KB 14 Gravimetri, SNI 01-2354.2-2006 -0.65 -0.65 -0.61 -0.88 -0.28 KB 15 SNI 3747:2009 Grubbs Grubbs 1.95 4.96 12.88 KB 16 Loss on dry 105OC/3 jam 0.89 0.89 0.83 7.16 2.30 KB 17 Gravimetri SNI 01-2891-1992 -0.60 -0.60 -0.56 -1.16 0.34
KB 18 drying oven 1.64 1.64 1.53 7.00 7.65
KB 19 SNI 01-2891-1992, gravimetri -0.44 -0.44 -0.41 -0.61 0.90 KB 20 SNI 3747:2009 butir A.4, gravimetri
oven 100OC
-0.96 -0.96 -0.89 -1.90 -1.38 KB 21 SNI 3747:2009 lamp A.4 0.19 0.19 0.18 2.18 2.48 KB 22 SNI 3747:2009 butir A.4 -1.55 -1.55 -1.45 -3.94 -3.44
KB 23 SNI 3747:2009 2.09 2.09 1.94 10.2 7 7.44 KB 24 SNI 01-3747-1995 0.51 0.51 0.48 3.13 3.72 KB 25 SNI 3747:2009 0.20 0.20 0.19 5.51 -0.83 KB 26 Gravimetri 1.56 1.56 1.46 7.14 6.96 KB 27 SNI 01-3747-1995 -0.74 -0.74 -0.69 -1.16 -0.62 KB 30 Oven 1.03 1.03 0.96 6.19 4.20 KB 31 SNI 01-2891-1992 -0.47 -0.47 -0.44 -0.14 0.21 KB 32 Lain 0.25 0.25 0.24 2.31 2.76 TOTAL TIDAK MEMUA SKAN Grubbs
Tidak memuaskan Z-score Total 2 0 2 2 0 2 Tidak 0 0 Tidak 15 15
*Metode evaluasi hasil uji 1 = metode evaluasi hasil uji 2
Qi Zhou et al. (2011) menyatakan nilai Z-score yang besar/tinggi (>+3) mengindikasikan bahwa hasil laboratorium terkait adalah signifikan lebih tinggi daripada nilai konsensus yaitu nilai median peserta. Nilai Z-score yang kecil/rendah
(<-3) menunjukkan bahwa hasil laboratorium terkait adalah signifikan lebih rendah daripada nilai konsensus yaitu nilai median peserta.
