BAB 3

PENGOLAHAN DATA

3.1 Data yang Digunakan

Untuk mengamati suatu pola deformasi yang terjadi di suatu wilayah, diperlukan
pengamatan GPS dengan ketelitian hingga fraksi milimeter. Metodenya dengan
melakukan pengamatan GPS secara kontinu di tiap-tiap stasiun pengamatan. Hal
itulah yang dilakukan untuk mengamati pola deformasi di pulau Sumatera, yaitu
dengan melakukan pengamatan GPS secara kontinu di stasiun SuGAr (Sumatran
GPS Array). Untuk tugas akhir ini, data pengamatan yang digunakan adalah data
GPS kontinu dari tahun 2004 hingga tahun 2007.

SuGAr merupakan jaringan stasiun pemantau GPS kontinu yang dioperasikan oleh
Lembaga Ilmu Pengetahuan Indonesia (LIPI) dan Earth Observatory of Singapore
(EOS) – Nanyang Technological University. SuGAr ini dimulai dengan memasang 6
buah stasiun cGPS (continued GPS) pada tahun 2002. Dari waktu ke waktu, SuGAr
mengalami penambahan jumlah stasiun dan peningkatan dalam segi teknologi
peralatan GPS, termasuk sistem telemetri data dari jaringan ini. Hingga tahun 2008,
SuGAR telah memiliki stasiun cGPS sebanyak 33 buah tersebar dari wilayah
Bengkulu hingga Sumatera Utara dan Aceh. Bahkan di beberapa lokasi stasiun,
cGPS ini dilengkapi dengan alat seismometer dan akselerometer untuk keperluan
studi aspek seismologinya.

Stasiun SuGAr umumnya menggunakan receiver GPS tipe ASHTECH MICROZ dan
antena GPS tipe ASH701945B_M serta interval waktu pengamatan 30 detik dan 120
detik seperti yang ditunjukkan tabel berikut.

Tabel 3.1 Daftar interval waktu pengamatan stasiun SuGAr [Rino, 2011]

Interval waktu
pengamatan Stasiun Sumatran GPS Array (SuGAr)
(detik)
30 ACEH LAIS SAMP
ABGS BITI BSAT BSIM BTET BTHL JMBI
LEWK LHWA LNNG MKMK MLKN MNNA MSAI
120
NGNG PBJO PBLI PPNJ PRKB PSKI PSMK
PTLO SLBU TIKU UMLH
31
Data GPS ini diproses dan disimpan di SOPAC (Scripts Orbit and Permanent Array
Center) yang dikelola oleh IGPP (Institut of Geophysics and Planetary) Universitas
California dengan tujuan untuk membantu pengukuran geodesi dan geofisika
berketelitian tinggi sebagai bagian untuk mempelajari bahaya gempa bumi,
pergerakan lempeng tektonik, deformasi lempeng dan proses-proses meteorologi.
Titik-titik pengamatan GPS kontinu SuGAr ini kemudian diikatkan terhadap stasiun
IGS yang termasuk dalam kerangka ITRF-05. Adapun stasiun IGS yang digunakan
dalam tugas akhir ini yaitu HYDE, KUNM, COCO dan DGAR.

3.2 Software yang Digunakan dalam Mengolah Data

Dalam mengolah data pengamatan GPS SuGAr digunakan software Bernese 5.0,
yaitu perangkat lunak yang dikembangkan oleh AIUB (Astronomical Institute
University of Berne), Swiss. Software ini dapat digunakan untuk mengolah data yang
diperoleh dari GNSS (Global Navigation Satellite System), jadi software ini dapat
digunakan baik untuk mengolah data GPS milik Amerika Serikat maupun
GLONASS (Global Navigation Satellite System) milik Rusia.

Bernese 5.0 ini adalah hasil pengembangan dari versi-versi sebelumnya yang
mengalami berbagai peningkatan. Dapat dikatakan bahwa Bernese 5.0 ini mampu
memberikan user data hasil yang lebih akurat karena software ini mampu mereduksi
kesalahan dan bias yang terjadi pada GPS secara maksimal. Pada umumnya, software
GPS Bernese ini cocok digunakan untuk [Dach, et.al, 2007] :

a. proses yang cepat untuk survey single frequency untuk cakupan yang kecil dan
survey double frequency,
b. proses otomatis pada jaringan yang permanen,
c. memproses data dari banyak receiver,
d. kombinasi dari berbagai macam tipe receiver,
e. mengkombinasikan proses dari pengamatan GPS dan GLONASS,
f. resolusi ambiguitas pada baseline yang panjang (lebih dari 2000km),
g. generation of minimum constraint network solutions,
h. memonitor ionosphere dan troposphere,
i. estimasi clock offset dan perambatan waktu,
j. perhitungan orbit dan estimasi dari parameter orientasi bumi.
32
3.3 Pengolahan Data dengan Bernese 5.0

Pengolahan data dalam Bernese menuntut data yang akan diolah harus dalam format
RINEX (Receiver Independent Exchange). Pada awalnya, seluruh data pengamatan
GPS SuGAr disimpan di situs ftp://garner.ucsd.edu/pubrinex atau
http://sopac.ucsd.edu/dataArchive/site dalam format hatanaka yang terkompres (zip).
Contohnya untuk data pengamatan untuk stasiun ABGS tahun 2006 bentuknya
adalah abgs0010.07d.z (XXXX.doy0.yyd.z). Data tersebut pertama-tama di ekstrak
sehingga menjadi dalam format hatanaka abgs0010.07d (XXXXdoy0.yyd) dan untuk
merubah formatnya menjadi format RINEX, maka digunakan software CRX2RNX
sehingga didapat abgs0010.07o (XXXXdoy0.yyo).

Setelah data-data pengamatan GPS yang dibutuhkan telah dalam format RINEX,
langkah selanjutnya adalah mengumpulkan data-data pendukung pengamatan GPS,
antara lain :

a. Informasi Orbit. Data informasi orbit yang digunakan dalam penelitian ini
yaitu data GPS Precise Ephemeris.Data ini dapat diperoleh dengan
mendownload dari situs ftp://ftp.unibe.ch/aiub/CODE/200X/ dalam format
“CODwwwwd.EPH” dan “CODwwwwd.ERP”. Maksud dari “wwww” yaitu
menunjukkan GPS week atau minggu GPS yang informasinya dapat dilihat
pada kalender GPS, sedangkan “d” menunjukkan hari (day) dari GPS week.
Data “CODwwwwd.EPH” dan “CODwwwwd.ERP” nantinya disimpan
dalam directory/folder ORB.
b. Informasi Differential Code Bias (DCB) satelit. Informasi ini tersedia
dalam format P1P2yymm.DCB dan P1C1yymm.DCB dan dapat diperoleh
dengan mendownloadnya dari situs ftp://ftp.unibe.ch/aiub/CODE/200X/.
Maksud dari “yy” dan “mm” masing-masing yaitu menunjukkan tahun dan
bulan dari data pengamatan. Data ini jug disimpan dalam directory/folder
ORB.
c. Parameter ionosfer dan troposfer. Parameter ionosfer ini berisi model
ionosfer global yang digunakan untuk memecahkan ambiguitas dase
menggunakan Quasi Ionosfer Free (QIF). Parameter ini tersedia dalam
format CODwwwwd.ION dan dapat diperoleh dengan mendownloadnya dari

33
 situs ftp://ftp.unibe.ch/aiub/CODE.200X lalu kemudian disimpan dalam
directory/folder ATM.
d. Parameter GEN. Parameter ini terdapat dalam directory/folder ${X}/GEN.
Dalam folder ini, terdapat data-data lain yang juga diperlukan dalam
pengolahan yaitu cost, datum, receiver, phase_cose.rel, satellite.101, dan
SAT_$Y+0.crx.
e. Data Koordinat ITRF dan pergerakannya. Terdiri atas file ITRF2005.FIX,
ITRF2005_R.FIX, dan ITRF2005_R.VEL. Ketiganya dapat diperoleh dengan
mendownloadnya dari situs ftp://ftp.unibe.ch/aiub/BSWUSER/STA dan
kemudian data-data tersebut disimpan dalam directory/folder STA.

Data pengamatan GPS biasanya dipengaruhi oleh kesalahan atau bias yang umumnya
terkait dengan satelit (kesalahan orbit dan kesalahan jam satelit), receiver (kesalahan
jam receiver, kesalahan pusat fase antena dan noise), dan pada data pengamatan
(ambiguitas fase serta kesalahan dan bias lingkungan sekitar pengamatan GPS).
Dengan menggunakan software Bernese 5.0, diharapkan hasil olahan dari data
tersebut akan lebih teliti karena kemampuan software Bernese untuk mengestimasi
kesalahan dan bias yang optimal.

Kesalahan dan bias yang dapat diestimasi secara optimal dengan menggunakan
software Bernese 5.0 adalah sebagai berikut :

a. Kesalahan orbit direduksi menggunakan informasi orbit yang teliti (precise

ephemeris),
b. Kesalahan akibat media propagasi (bias ionosfer dan troposfer) direduksi
dengan melakukan pemodelan tertentu, juga dapat dilakukan dengan
mengestimasi parameter bias tersebut. Pemodelan bias troposfer pada
software Bernese 5.0 antara lain Saastamoinen, Niell, Hopfield, Essen and
Frome dan Marini-Murray. Sedangkan bias ionosfer dapat dilakukan dengan
pemodelan ionosfer global atau regional,
c. Kesalahan akibat antena receiver dapat direduksi menggunakan model-model
tertentu yang terkait dengan variasi pusat fase antena yang digunakan,
d. Pemecahan ambiguitas fase merupakan problema utama pengolahan data fase
dalam software Bernese 5.0. Resolving ambiguitas fase ini dapat dilakukan

34
 dengan berbagai metode, antara lain Round, Sigma, Search dan QIF (Quasi
Ionosphere Free). Metode terakhir ini yang digunakan dalam pengolahan data
GPS
Setelah pendefinisian baseline, data pengamatan diolah dengan Bernese Processing
Engine (BPE), yaitu tool di Bernese yang mampu menyelesaikan seluruh program
dan script dalam sekali pengolahan sehingga mengefisiensi proses pengolahan.
Adapun komponen-komponen penyusun BPE dapat dilihat pada tabel dibawah ini.

Tabel 3.2 Komponen-komponen penyusun BPE

Bagian Fungsi
Processing Control File (PCF) Daftar job yang akan dilakukan
CPU Control File Letak CPU yang akan dijalankan
Run BPE Dasar organisasi yang menjalankan BPE Client
User Script Script yang harus dijalankan
Input Option Direktori option yang dimasuki input kedalam program

Fungsi-fungsi dari komponen BPE diatas dijalankan dengan suatu mekanisme

tertentu seperti pada gambar dibawah ini.

Membaca List
Pekerjaan

Cek Konsistensi dan

ok
Ketersediaan dari CPU

Mencari Script yang

Script ditemukan
Dapat Dijalankan
Tidak ada script lagi

Apakah Terdapat CPU yang

yes
Dapat Menjalankan Script no

error
ok
Menjalankan
Client Script
Sleep

Menunggu
Sampai Semua error
Script Dijalankan

End : Session
Telah Diproses

Diagram 3.1 Flowchart server BPE [Dach, et.al, 2007].

35
Sebelum menjalankan BPE pada Bernese 5.0, maka dilakukan tahap-tahap sebagai
berikut [Meilano, 2008] :

a. Copy Rinex Observation files ke dalam ORX directory

1. Cek script PCF pada GPSUSER/SCRIPT
2. Pahami alur dari script BPE pada Bernese 5.0
b. Masukkan data pendukung pengolahan GPS
1. CODwwwwd.EPH ke direktori ORB
2. CODwwwwd.ERP ke direktori ORB
3. ITRF 2005.CRD ke direktori STA
4. ITRF 2005_R.VEL ke direktori STA
5. CODwwwwd ke direktori ATM
6. P1P2yymm.DCB ke direktori ORB
7. P1C1yymm.DCB ke direktori ORB
c. Buat suatu file stasiun informasi
1. Default berekstensi STA disimpan dalam direktori STA
2. Optional mendeteksi kesalahan stasiun dalam file koreksi ocean
loading (BLQ)
3. Meng-update tabel abbreviation (singkatan) nama stasiun (ekstensi
ABB)
d. Buat file PLD (Lempeng tektonik yang digunakan untuk model NUVEL)
e. Buat file FIX (Berisi stasiun yang dipilih sebagai koordinat stasiun referensi)
f. Buat file BSL (Berisi nama stasiun yang digunakan untuk membangun
baseline)
g. Jalankan script PCF yang digunakan pada menu BPE

Pada dasarnya, penggunaan BPE hanya bekerja pada komponen PCF saja karena
komponen ini mengandung daftar script dari direktori ${U}/ SCRIPT untuk
dijalankan dalam urutan pendefinisian yang baik oleh server BPE. Adapun untuk
Tugas Akhir ini, script yang digunakan adalah BANTEN.PCF. Setelah semua data
siap, maka pengolahan data dapat dimulai dengan menjalankan BPE. Pengolahan
data yang selesai tanpa ada error akan menghasilkan koordinat titik-titik yang telah
ditentukan sebelumnya di dalam folder STA dengan format “FINyydoy0.CRD” dan
standar deviasinya terbentuk dalam folder OUT dengan format “ESTyydoy0.OUT”.
36
Koordinat yang berhasil diolah ditandai dengan huruf “A” seperti ada gambar di
bawah ini.

Gambar 3.1 Koordinat titik BAKO yang diperoleh dari hasil pengolahan Bernese.

Setelah dilakukan pengolahan data GPS dengan menggunakan Bernese 5.0, maka
akan diperoleh ouput berupa koordinat titik-titik stasiun pengamatan dalam sistem
koordinat geosentrik (X,Y,Z) beserta standar deviasinya. Adapun proses pengolahan
data menggunakan Bernese 5.0 untuk mendapatkan output berupa koordinat titik-
titik stasiun pengamatan meliputi tahap-tahap seperti yang digambarkan oleh
diagram alir berikut ini.

37
Parameter Ionosfer

Parameter Gen

Data Orbit

Data Pengamatan
DCB Satelit Data Pengamatan
GPS Continuous
Stasiun IGS Tahun
stasiun SuGAr
2004-2007
Tahun 2004-2007
Koordinat ITRF
2005

Menyiapkan Campaign dan Session Convert Menjadi Data Rinex

Data Pengamatan GPS Format

Bernese (Observasi)

Persiapan Pengolahan Data

Data Siap Olah

Start Processing BPE

Meng-copy file dan membuat koordinat apriori

Menyiapkan informasi kutub, orbit, dan jam teliti

Konservasi dan sinkronisasi data pengamatan

Membentuk baseline, preprocess, secreen, dan

phase

Menghitung solusi jaring Ambiguity float

Menghitung solusi jaring Ambiguity fixed

Membuat file ringkasan dan menyimpan hasil

Koordinat Geosentrik [X,Y,Z] dan standar deviasi

Diagram 3.2 Diagram Alir Pengolahan Data dengan GPS

38
3.4 Strategi Pengolahan Data GPS dengan Menggunakan Bernese 5.0

Menentukan strategi yang tepat dalam mengolah data akan berpengaruh ketelitian
koordinat yang diinginkan karena pengaruhnya yang signifikan terhadap hasil yang
diperoleh. Strategi pengolahan yang akan diterapkan dapat berbeda-beda, tergantung
pada beberapa faktor, contoh pada hal ini yaitu panjang atau pendeknya baseline titik
yang akan ditentukan koordinatnya, ketersediaan data pengamatan, dan kualitas data
tersebut.

Pada Tugas Akhir ini, strategi yang dilakukan dalam melakukan pengolahan data
adalah „DEFINE‟, dimana baseline yang digunakan pada proses pengolahan
ditentukan secara manual seperti yang ditunjukkan pada Gambar 3.2. Dalam kasus
ini, baseline yang digunakan yaitu dengan mengikatkan titik IGS (HYDE, KUNM,
COCO, dan DGAR) ke titik SAMP, ACEH, BAKO, dan NTUS sebagai titik bantu,
kemudian dari titik-titik bantu tersebut diteruskan untuk diikatkan ke titik-titik
pengamatan. Cara ini digunakan dengan maksud untuk mereduksi kesalahan yang
diakibatkan karena baseline yang terlalu panjang.

Gambar 3.2 Pembuatan baseline manual pada bernese.

39
Baseline yang dibentuk akan disimpan dalam folder tersendiri dengan file berbentuk
BSLyydoy0. Adapun daftar baseline yang digunakan adalah sebagai berikut.

Tabel 3.3 Baseline yang dibuat [Rino, 2011]

1 COCO BAKO 5 COCO ACEH

2 DGAR BAKO 6 DGAR ACEH
3 HYDE BAKO 7 HYDE ACEH
4 KUNM BAKO 8 KUNM ACEH
17 SAMP JMBI 29 NTUS JMBI
18 SAMP LNNG 30 NTUS LNNG
19 SAMP MKMK 31 NTUS MKMK
20 SAMP MSAI 32 NTUS MSAI
21 SAMP PRKB 33 NTUS PRKB
22 SAMP PSKI 34 NTUS PSKI
23 BAKO JMBI 35 ACEH JMBI
24 BAKO LNNG 36 ACEH LNNG
25 BAKO MKMK 37 ACEH MKMK
26 BAKO MSAI 38 ACEH MSAI
27 BAKO PRKB 39 ACEH PRKB
28 BAKO PSKI 40 ACEH PSKI

Untuk empat baris pertama pada Tabel 3.3 menjelaskan bahwa baseline yang
terbentuk yaitu dari titik-titik IGS (COCO, DGAR, HYDE, KUNM) masing-masing
ke dua buah titik bantu yaitu titik BAKO dan ACEH. Dari titik bantu tersebut
kemudian dibentuk baseline ke masing-masing titik pengamatan SuGAr lainnya.

40
3.5 Transformasi Koordinat dari Geosentrik ke Toposentrik

Koordinat yang diperoleh dari hasil pengolahan oleh software Bernese 5.0 adalah
koordinat dalam sistem geosentrik (X,Y,Z). Koordinat geosentrik adalah koordinat
yang pusat koordinatnya berimpitan dengan pusat massa bumi. Untuk keperluan
praktis dalam mengamati pergeseran yang terjadi pada suatu titik, umumnya
digunakan koordinat toposentrik, yaitu koordinat yang memiliki pusat koordinat di
salah satu titik di permukaan bumi. Ilustrasi dari hubungan antara sistem koordinat
geosentrik dengan sistem koordinat toposentrik adalah seperti yang dapat dilihat
pada gambar berikut.

Gambar 3.3 Hubungan antara sistem koordinat geosentrik dengan sistem koordinat toposentrik
[Kosasih & Wedyanto, 2005].

Pada Gambar 3.3 tersebut, titik yang menjadi objek pengukuran adalah titik P dan
titik Q. Kedua titik P dan Q masing-masing telah diketahui koordinat geosentriknya
yang diperoleh dari hasil pengukuran GPS.

41
Dengan menjadikan titik Q sebagai pusat koordinat untuk sistem koordinat
toposentrik, maka untuk memperoleh koordinat toposentrik dari titik P, maka
dilakukan proses transformasi koordinat dengan menggunakan persamaan sebagai
berikut [Kosasih & Wedyanto, 2005] :

𝑛𝑝 ∆𝑥 ∆𝑥 𝑥𝑃 − 𝑥𝑄
𝑒𝑝 = R (υQ,λQ) ∆𝑦 dengan ∆𝑦 = 𝑦𝑃 − 𝑦𝑄
𝑢𝑝 ∆𝑧 ∆𝑧 𝑧𝑃 − 𝑧𝑄

Adapun

− sin 𝜑𝑄 cos⁡(𝜆𝑄) – sin 𝜑𝑄 sin(𝜆𝑄) cos⁡

(𝜑𝑄)
R (υQ,λQ) = −sin⁡
(𝜆𝑄) cos⁡
(𝜆𝑄) 0
cos 𝜑𝑄 cos⁡(𝜆𝑄) cos 𝜑𝑄 sin⁡ (𝜆𝑄) sin⁡
(𝜑𝑄)

adalah matriks rotasi

Keterangan :

np, ep, up = koordinat toposentrik

υQ, λQ = lintang geodetik dan bujur geodetik dari titik Q

xQ, yQ, zQ = koordinat titik ikat (geosentrik)

xP, yP, zP = koordinat titik pantau (geosentrik)
∆𝑥, ∆𝑦, ∆𝑧 = selisih antara koordinat titik pantau dan titik ikat
R = matriks rotasi

3.6 Ekstrak Data

Proses ini dilakukan dengan menggunakan software MATLAB dengan tujuan untuk
memperoleh data yang bebas dari outlier. Proses ekstrak data ini antara lain yaitu
pertama-tama memplot data mentah koordinat dari masing-masing stasiun SuGAr,
kemudian lakukan fitting linier terhadap data tersebut. Dari fitting linier tersebut,
maka akan diperoleh residu yaitu dengan rumus sebagai berikut

v (residu) = data observasi – data model ………….………………………………..[4]

42
Dari data residu tersebut, kemudian dilakukan penghitungan terhadap standar
deviasi. Rumus yang digunakan dalam menghitung standar deviasi adalah sebagai
berikut.

σ = [Σ (xi – μ)2]1/2 / (N-1)……………………………………………………….….. [5]

dengan :
σ = standar deviasi
xi = data ke-i
μ = mean (rata-rata) sampel
N-1 = jumlah sampel

Data yang tidak digunakan adalah data yang nilai residunya lebih dari 3 kali standar
deviasi yang dianggap sebagai outlier. Setelah data outlier tersebut direduksi, barulah
kita dapatkan data yang telah bersih. Berikut adalah gambar dari stasiun PSKI pada
saat outlier belum direduksi dan setelah outlier direduksi.

a)

b)

Gambar 3.4 Perbandingan antara data time series stasiun PSKI sebelum oulier dihilangkan (a) dan
sesudah outlier dihilangkan (b).

Adapun untuk kondisi data time series stasiun lainnya dapat dilihat pada bagian
lampiran Tugas Akhir ini.
43
3.7 Analisis Spektral dengan Metode Normalisasi Periodogram Lomb

Sebuah data time series yang dianalisis secara detail dapat menguak informasi
penting dengan lebih jauh lagi. Analisis mengenai karakteristik noise dan sinyal
musiman dalam suatu time series membuat kita dapat mengetahui lebih dalam
mengenai suatu proses dalam suatu jaring GPS, bahkan mengenai lingkungan sekitar
suatu stasiun dipasang. Hal ini memungkinkan kita untuk memperoleh estimasi dari
ketelitian kecepatan dan memperoleh informasi tentang kestabilan monumen GPS
[Kenyeres, 2006].

Analisis dengan metode Periodogram Lomb dimaksudkan untuk mendeteksi adanya

periodesitas dalam data pengamatan. Metode ini secara umum merupakan suatu cara
yang ampuh dalam mendeteksi dan menguji signifikansi dari sinyal periodik yang
pada dasarnya sulit dideteksi [Press, 1989]. Metode periodogram yang
dikembangkan oleh Lomb (1976) dan Scargle (1982) merupakan pengembangan dari
dari analisis tipe periodogram yang lain yaitu spektrum Fourier. Dasarnya adalah jika
kita memiliki suatu set data yang bernilai hi, dengan i = 1,…, N dengan waktu
pengamatan masing-masing data yaitu ti, maka periodogramnya dibentuk dengan
tahapan-tahapan sebagai berikut [Press, 1989] :

Pertama-tama yaitu menghitung rata-rata dan variansi dari set data dengan
persamaan :

1 𝑁 1 𝑁
ℎ ≡𝑁 1 ℎ𝑖 , 𝜎2 ≡ 1 (ℎ𝑖 − ℎ)2 ………………………………………… [6]
𝑁−1

Kedua, untuk tiap frekuensi angular yang memenuhi syarat ω ≡ 2πf > 0, maka hitung
time-offset τ dengan persamaan :

𝑖 sin 2𝜔 𝑡 𝑖
tan (2ωτ) = ………………………………………………………………. [7]
𝑖 cos 2𝜔 𝑡 𝑖

Langkah ketiga adalah normalisasi periodogram (spectral power sebagai fungsi dari
ω, dijelaskan dengan persamaan :

1 [ 𝑖 ℎ 𝑖 −ℎ cos 𝜔 (𝑡 𝑖 −𝜏)]2 [ 𝑖 ℎ 𝑖 −ℎ sin 𝜔 (𝑡 𝑖 −𝜏)]2

PN(ω) = 2𝜎 2 2 + 2 …………………………. [8]
𝑖 𝑐𝑜𝑠 𝜔 (𝑡 𝑖 −𝜏) 𝑖 𝑠𝑖𝑛 𝜔 (𝑡 𝑖 −𝜏)

44
Nilai τ yang konstan membuat nilai PN(ω) benar-benar independen, tidak dipengaruhi
oleh perubahan dari t i dengan nilai konstata berapa pun. Lomb (1976) menujukkan
bahwa keputusan untuk memilih offset metode ini memiliki efek lain yang lebih
penting; yaitu membuat persamaan [8] identik dengan persamaan dalam
mengestimasi komponen harmonik dalam suatu data set, pada frekuensi ω, dengan
menerapkan fitting linier kuadrat terkecil terhadap model pada persamaan berikut,

h(t) = A cos ωt + B sin ωt …………………………………………………………. [9]

maka dari itu, metode ini cocok diterapkan pada data yang tidak tersebar merata
karena metode ini menekankan akan data per titik, bukan data per selang waktu.

3.8 Metode Menghitung Kecepatan Pergeseran di Setiap Titik

Persamaan pengamatan untuk pergerakan yang terjadi pada tiap titik yaitu
[Nikolaidis, 2002] :

………………………[10]

Keterangan :

y(ti) = pergeseran titik pada t i,

ti = data epok untuk i = 1,…, n dalam satuan tahun,

a = koordinat awal stasiun GPS,

b = kecepatan pergerakan dalam satuan meter/tahun,

c dan d = koefisien dari pergerakan yang bersifat periodik tahunan,

e dan f = koefisien dari pergerakan yang bersifat periodik semi-tahunan,

H = fungsi Heaviside ,

g = besar magnitudes,

Tg = epok.

45
Jika diasumsikan offset dari epok diketahui, maka model persamaan liniernya
memiliki koefisien sebagai berikut

x= [ a b c d e f g ]T ……………………………………………………………………….. [11]

maka,

y = Ax ……....…………………………………………………………………….. [12]

dimana A merupakan matriks desain yang berasal dari turunan parsial.

Adapun untuk menghitung parameter yang tidak diketahui adalah :

x= A-1 y …………………………………………………………………………… [13]

Untuk mencegah hasil perhitungan yang error akibat dari kondisi matriks A yang
tidak simetris, maka matriks A dikalikan dengan matriks transpose-nya, sehingga
dihasilkan matriks A yang simetris. Jika matriks A dikalikan dengan matriks A
transpose, maka matriks y pun harus dikalikan dengan faktor pengali yang sama,
sehingga persamaannya menjadi,

x = [ATA]-1 AT y ………………………………………………………………….. [14]

46