Maka yang dikatakan data adalah nilai gravitasi tersebut. Yang disebut model adalah bola padat, dan
yang disebut respon model adalahgrafik tersebut, sedangkan parameter model adalah nilai densitas
dan kedalaman dari bola tersebut.
Data kualitas sesuatu berdasarkan pengukuran dan pengamatan. Data bisa berupa nilai dan
informasi.
Model merupakan hubungan matematis antara data dan parameter model. Secara umum model
dibagi menjadi dua, model yang bersifat linier dan nonlinier.
Parameter model merupakan kuantitas numeric dari sesuatu yang tidak diketahui dan ingin
didapatkan.
*Ekivalensi
Ex : Pemodelan geolistrik 1 Dimensi kombinasi tahanan jenis dan ketebalan lapisan yang berbeda
kok bisa menghasilkan kurva yang sama atau hamper sama?
2. Pengukuran
Untuk menguji apakah representasi model telah sesuai kenyataan yang sebenarnya atau tidak
3. Estimasi
Memperkirakan parameter model (berdasarkan data pendukung yang relevan), juga dimodisikasi agar
model dan data saling bersesuaian.
4. Validasi
Menguji apakah parameter model yang dipilih dapat menjelaskan data observasi atau tidak
Kalo data hasil representasi dengan data yang diukur di lapangan tidak sesuai, maka parameter model
harus divalidasi dengan dimodisikasi
Hubungan data (N) dan parameter model (M), perbedaan terletak pada solusi modelnya (baca tentang
inverse linier dengan a priori)
1.Under determine (N < M)
Solusinya m=Gt*[inverse(Gt*G)]*d
2.Even determine (N=M)
Solusinya m=[inverse(G)][d]
3. Over determine (N>M)
Solusinya m=[inverse(Gt*G)][Gt*d]
4. Mix determine kombinasi over dengan under
Solusinya m=inverse(Gt*G+E^2)*(Gt*d)
Inverse Modelling
Ada 2 macam inverse modeling, yaitu :
1.Inverse-linier
2.Inverse-nonlinier
Inverse-Linier
Ada 3 macam yang dibahas, yaitu :
1.Inversi Linier garis lurus
2.Inversi kuadratik parabola
3.Inversi linier berbobot
Untuk inverse linier garis lurus dengan inverse kuadratik perbedaannya terletak pada matrix kernel
(G) nya.
Inversi linier garis lurus, G=[1 n]
Inversi linier parabol, G=[ 1 n n^2]
Untuk inverse linier berbobot, yaitu dengan menambahkan suatu bobot We ke dalam perhitungan.
We merupakan sebuah matriks diagonal, memiliki nilai hanya pada diagonal-diagonalnya, selain
diagonal nilainya nol.
Nilai bobot ini ada 2 macam, yaitu bobot subjektif dan bobot objektif.
Nilai bobot subjektif terserah kita, asalkan prinsipnya data yang nakal/ “outlier” diberi bobot kecil,
sedangkan data yang baik diberi bobot besar.
Nilai bobot onjektif dicari dari nilai variannya. Besarnya bobot ini adalah 1/(varians^2).