GD2212 - Hitung Perataan I B.

Setyadji, April 2005

Hitung Perataan Kuadrat Terkecil

(Least Squares Adjustment)

Metoda Kuadrat Terkecil adalah salah satu metoda yang paling populer
dalam menyelesaikan masalah hitung perataan.

Aplikasi pertama perataan kuadrat terkecil adalah dalam hitungan

masalah astronomi oleh C. F. Gauss. Keunggulan dari sisi praktis
makin nyata setelah berkembangnya komputer elektronik, formulasi teknik
hitungan dalam notasi matriks, dan hubungannya dengan konsep kuadrat
terkecil itu ke statistik.

Model fungsional umum tentang sistem yang akan diamati harus

ditentukan terlebih dahulu sebelum merencanakan pengukuran. Model
fungsional ini ditentukan menggunakan sejumlah variabel (baik parameter

– Typeset by FoilTEX – 1
GD2212 - Hitung Perataan I B. Setyadji, April 2005

maupun pengamatan) dan hubungan diantara mereka.

Selalu ada jumlah minimum variabel bebas yang secara unik
menentukan model tersebut. Sebuah model fisis, bisa saja memiliki beberapa
model fungsional yang berlainan, tergantung dari tujuan pengukuran atau
informasi yang diinginkan. Jumlah minimum variabel dapat ditentukan
setelah tujuan pengukuran berhasil ditetapkan, tidak terikat pada jenis
pengukuran yang perlu dilakukan.
Sebagai contoh:

1. Bentuk sebuah segitiga pada bidang datar (sebuah model fungsional

geometrik tertentu) dapat secara unik ditentukan dengan dua buah
variabel (minimum).

2. Bentuk dan ukuran segitiga pada bidang datar membutuhkan minimum

tiga buah variabel.

– Typeset by FoilTEX – 2
GD2212 - Hitung Perataan I B. Setyadji, April 2005

3. Jika diperlukan juga posisi dan orientasi segitiga tersebut, maka perla
ada tambahan tiga variabel lagi, sehingga diperlukan total enam variabel.

Jumlah minimum variabel biasa disebut n0. Jika jumlah pengamatan, n,

lebih kecil daripada jumlah minimum yang diperlukan, maka akan muncul
kondisi defisit. Jika n lebih besar daripada n0 maka muncul redundancy,
r, atau ukuran lebih atau derajat kebebasan (degree of freedom) dalam
statistik dan perlu ada hitung perataan untuk mendapatkan satu set nilai
estimasi yang unik. pdf2ps

r = n − n0 dengan syarat n bebas linier satu sama lain.

– Typeset by FoilTEX – 3
GD2212 - Hitung Perataan I B. Setyadji, April 2005

Prinsip Kuadrat Terkecil

Karena sifat dasar stokastik pengamatan maka pengamatan lebih tidak

selalu cocok dengan model fungsional. Setiap variabel bebas yang cukup
dapat digunakan untuk memenuhi model fungsional yang dibuat. Dan
karena sifat variabilitas yang acak, maka setiap variabel akan menghasilkan
himpunan jawaban yang berlainan juga. Prinsip dasar adjustment adalah
untuk menghasilkan suatu hasil estimasi yang unik untuk semua model
variabel dengan suatu kriteria yang optimum.

Kumpulan pengamatan original, l , beserta semua ukuran lebihnya,

setelah hitung perataan akan diganti dengan l̂ yang sesuai dengan model.
Selisih antara keduanya menghasilkan vektor “koreksi” atau “residu”, v

v = l̂ − l

– Typeset by FoilTEX – 4
GD2212 - Hitung Perataan I B. Setyadji, April 2005

Nilai vaktor residu v ini yang menjadi objek analisi untuk melihat
kesesuaian model dan pengambilan keputusan dalam membuang suatu
pengamatan atau membuat model baru pengamatan (a.k.a optimisasi
model).

Karena adanya ukuran lebih, maka kemungkinan himpunan jawaban

untuk v dan l̂ akan tak terhingga, tapi hanya akan ada satu yang konsisten
dengan model yang dibuat, dan memenuhi kriteria prinsip kuadrat terkecil.

Prinsip kuadrat terkecil menetapkan bahwa φ = vtWv → minimum

Jika pengamatan diasumsikan sama sekali tidak berkorelasi satu sama

lain, maka matriks berat/bobot W akan matriks diagonal, dan prinsip
kuadrat terkecil menjadi
n
(wivi2) → minimum
P
φ=
i=1

– Typeset by FoilTEX – 5
GD2212 - Hitung Perataan I B. Setyadji, April 2005

Lebih sederhana lagi apabila semua pengamatan dianggap memiliki

presisi yang sama, maka
n
(vi2) → minimum
P
φ=
i=1

catatan: aplikasi prinsip kuadrat terkecil ini tidak memerlukan informasi

awal tentang distribusi pengamatannya. Yang diperlukan hanya W atau Q
yang terdefinisi dan diketahui.

Kuadrat terkecil menjadi teknik yang paling banyak dipakai dalam

berbagai bidang karena kemampuannya dalam membentuk suatu algoritma
hitungan untuk jawaban yang unik meskipun untuk kasus yang sangat rumit.

– Typeset by FoilTEX – 6
GD2212 - Hitung Perataan I B. Setyadji, April 2005

Model Fungsi Liniear dan Tidak Linier

Penggunaan kuadrat terkecil pada umumnya menggunakan model

fungsional yang linier karena model tidak linier lebih sulit dan lebih tidak
praktis untuk diselesaikan (paling tidak sampai saat ini). Oleh karena
itu, jika digunakan model yang tidak linier, maka perlu dilakukan kegiatan
linierisasi. Perluasan deret dan deret Taylor biasa dipakai dalam kegiatan
ini dengan hanya menggunakan orde ke nol dan orde ke satu dari deret
tersebut.

Bila perluasan deret digunakan, maka perlu ditentukan satu nilai

pendekatan untuk variabel-variabel yang tidak diketahui (unknown) dalam
persamaan tersebut.

Linierisasi

– Typeset by FoilTEX – 7
GD2212 - Hitung Perataan I B. Setyadji, April 2005

F (x) = 0

maka ekspansi deret orde nol dan orde pertama menjadi

F (x0) + ∂F∂ x(c) |x=x0 · ∆x = 0

Hasilnya adalah himpunan persamaan linier dalam bentuk

U ∆x = u
m, p p, 1 m, 1

dengan u = −F (x0)

– Typeset by FoilTEX – 8