Dalam dunia sains dan laboratorium, presisi adalah salah satu dari dua pilar utama kualitas data, selain akurasi. Kedua konsep ini sering kali disalahpahami. Sederhananya, akurasi mengacu pada seberapa dekat hasil pengukuran dengan nilai sebenarnya (nilai yang benar), sedangkan presisi mengacu pada seberapa dekat hasil pengukuran yang berulang satu sama lain, atau dengan kata lain, seberapa konsisten pengukuran tersebut.
Bayangkan Anda melempar anak panah ke papan dart. Jika semua anak panah Anda berkumpul di satu titik yang sangat berdekatan, Anda memiliki presisi yang tinggi. Namun, jika kumpulan anak panah itu jauh dari pusat papan, Anda memiliki presisi tinggi tetapi akurasi rendah.
Mengapa Presisi Penting?
Presisi sangat penting karena mencerminkan reprodusibilitas dan keterulangan (repeatability) dari suatu metode analisis. Hasil yang presisi menunjukkan bahwa metode yang digunakan dapat menghasilkan data yang konsisten dan dapat diandalkan, terlepas dari siapa yang melakukan analisis atau kapan analisis itu dilakukan. Kurangnya presisi dapat mengindikasikan adanya masalah dalam prosedur, instrumen, atau bahkan keterampilan analis.
Cara Menentukan Presisi
Ada beberapa cara umum untuk mengukur presisi di laboratorium, dengan yang paling sering digunakan adalah pengukuran berulang (replikasi). Prosedur ini melibatkan pengukuran sampel yang sama beberapa kali di bawah kondisi yang identik.
- Repeatability (Keterulangan)
Repeatability mengukur presisi ketika semua faktor, seperti instrumen, analis, dan kondisi lingkungan, tetap sama. Untuk menentukannya, seorang analis akan mengukur satu sampel (atau sampel kontrol) sebanyak minimal tiga kali, dan idealnya lima hingga sepuluh kali, dalam waktu singkat.
- Reproducibility (Reproduksibilitas)
Reproducibility mengukur presisi di bawah kondisi yang lebih bervariasi. Hal ini bisa melibatkan analisis sampel yang sama oleh analis yang berbeda, di laboratorium yang berbeda, atau menggunakan instrumen yang berbeda.
Metrik untuk Mengukur Presisi
Setelah melakukan pengukuran berulang, hasilnya dianalisis menggunakan metrik statistik untuk mengukur seberapa jauh data tersebar dari nilai rata-rata.
- Standar Deviasi (SD): Standar deviasi adalah ukuran statistik yang paling umum untuk mengukur sebaran data. Nilai SD yang kecil menunjukkan bahwa data tersebar dekat dengan rata-rata, yang berarti presisi tinggi.
- Relatif Standar Deviasi (RSD) atau Koefisien Variasi (CV): RSD adalah standar deviasi yang dinyatakan sebagai persentase dari rata-rata.
di mana xˉ adalah rata-rata pengukuran. RSD adalah metrik yang sangat berguna karena memungkinkan perbandingan presisi antar dataset yang memiliki rata-rata yang berbeda. Semakin kecil nilai RSD, semakin baik presisinya.
Secara umum, laboratorium menetapkan batas penerimaan (acceptance criteria) untuk RSD, yang bergantung pada jenis analisis dan konsentrasi analit. Misalnya, untuk analisis pada konsentrasi yang sangat rendah, batas RSD mungkin lebih tinggi (5-10%), sementara untuk konsentrasi tinggi, batasnya bisa lebih ketat (kurang dari 2%).
Memahami dan secara rutin menguji presisi adalah praktik mutlak yang harus dilakukan di setiap laboratorium untuk memastikan data yang dihasilkan akurat, konsisten, dan dapat dipertanggungjawabkan.
