Kita dapat menulis hubungan ukuran beda tinggi dan parameter untuk
semua data ukuran sebagai berikut :
2
∆𝐻𝐵𝑀𝑋−𝐴 + 𝑉∆𝐻𝐵𝑀𝑋−𝐴 = 𝐻𝐴 − 𝐻𝐵𝑀𝑋
∆𝐻𝐴−𝐵𝑀𝑌 + 𝑉∆𝐻𝐴−𝐵𝑀𝑌 = 𝐻𝐵𝑀𝑌 − 𝐻𝐴
∆𝐻𝐵𝑀𝑌−𝐶 + 𝑉𝐵𝑀𝑌−𝐶 = 𝐻𝐶 − 𝐻𝐵𝑀𝑌
∆𝐻𝐶−𝐵𝑀𝑋 + 𝑉∆𝐻𝐶−𝐵𝑀𝑋 = 𝐻𝐵𝑀𝑋 − 𝐻𝐶
∆𝐻𝐴−𝐵 + 𝑉∆𝐻𝐴−𝐵 = 𝐻𝐵 − 𝐻𝐴
∆𝐻𝐵𝑀𝑌−𝐵 + 𝑉∆𝐻𝐵𝑀𝑌−𝐵 = 𝐻𝐵 − 𝐻𝐵𝑀𝑌
∆𝐻𝐵−𝐶 + 𝑉∆𝐻𝐵−𝐶 = 𝐻𝐶 − 𝐻𝐵
3
3. Langkah selanjutnya menghitung nilai matriks L, nilai matriks L dapat ditulis
sebagai berikut :
4. Setelah diperoleh nilai matriks A dan L maka selanjutnya dapat dihitung nilai
matriks X dengan persamaan sebagai berikut :
𝑋̂ = [𝐴𝑇 . 𝐴]−1 . 𝐴𝑇 . 𝐿
4
5. Menghiting nilai matriks residual dari ukuran menggunakan persamaan
sebagai berikut :
𝑉 = 𝐴. 𝑋̂ − 𝐿
105.1410
−105.1410
106.1876
Nilai matriks 𝐴. 𝑋 = −106.1876
−0.6581
104.4829
[ 1.7048 ]
𝑉∆𝐻𝐵𝑀𝑋−𝐴
105.1410 105.10 0.0410
𝑉∆𝐻𝐴−𝐵𝑀𝑌 −105.1410 −105.16 0.0190
𝑉𝐵𝑀𝑌−𝐶 106.1876 106.25 −0.0624
𝑉
Nilai matriks 𝑉 = ∆𝐻𝐶−𝐵𝑀𝑋 = −106.1876 − −106.13 = −0.0576
𝑉∆𝐻𝐴−𝐵 −0.6581 −0.68 0.0219
𝑉∆𝐻𝐵𝑀𝑌−𝐵 104.4829 104.50 −0.0171
[ 1.7048 ] [ 1.70 ] [ 0.0048 ]
[ 𝑉∆𝐻𝐵−𝐶 ]
𝐿̂ = 𝐿 + 𝑉
105.10 0.0410 105.1410
−105.16 0.0190 −105.1410
106.25 −0.0624 106.1876
̂𝐿 = −106.13 + −0.0576 = −106.1876
−0.68 0.0219 −0.6581
104.50 −0.0171 104.4829
[ 1.70 ] [ 0.0048 ] [ 1.7048 ]
5
𝑉𝑇. 𝑉
𝑆0 = √
𝑛−𝑢
Nilai 𝑉𝑇. 𝑉 =
[0.0410 0.0190 −0.0624 −0.0576 0.0219 −0.0171 0.0048].
0.0410
0.0190
−0.0624
−0.0576 = 0.0100
0.0219
−0.0171
[ 0.0048 ]
0.0100 0.0100
𝑆0 = √ =√ = ± 0.0501
7−3 4
Σ𝑋𝑋 = 𝑆0 . 𝑄𝑋𝑋
𝟎. 𝟑𝟖𝟏𝟎 0.1429 0.0476
Σ𝑋𝑋 = 0.0501. [ 0.1429 𝟎. 𝟒𝟐𝟖𝟔 0.1429 ]
0.0476 0.1429 𝟎. 𝟑𝟖𝟏𝟎
0.0191 0.0072 0.0072
Σ𝑋𝑋 = [0.0072 0.0215 0.0072]
0.0024 0.0072 0.0191
Ketelitian dari parameter yaitu tinggi titik A,B dan C dapat dihitung dengan
persamaan berikut :
6
𝑆𝐻𝐶 = 𝑆0 . √𝑄𝐻𝐶 = 0.0501. √0.3810 = ±0.030
𝑄𝐿𝐿 = 𝐴. 𝑄𝑋𝑋 . 𝐴𝑇
Σ𝐿𝐿 = 𝑆0 . 𝑄𝐿𝐿
𝑄𝐿𝐿
1 0 0
−1 0 0
0 0 1 𝟎. 𝟑𝟖𝟏𝟎 0.1429 0.0476 1 −1 0 0 −1 0 0
= 0 0 −1 . [ 0.1429 𝟎. 𝟒𝟐𝟖𝟔 0.1429 ] . [0 0 0 0 1 1 −1]
−1 1 0 0.0476 0.1429 𝟎. 𝟑𝟖𝟏𝟎 0 0 1 −1 0 0 1
0 1 0
[0 −1 1]
1 0 0
−1 0 0
0 0 1 𝟎. 𝟑𝟖𝟏𝟎 0.1429 0.0476 1 −1 0 0 −1 0 0
= 0 0 . [
−1 0.1429 𝟎. 𝟒𝟐𝟖𝟔 0.1429 ] . [0 0 0 0 1 1 −1]
−1 1 0 0.0476 0.1429 𝟎. 𝟑𝟖𝟏𝟎 0 0 1 −1 0 0 1
0 1 0
[0 −1 1]
𝑄𝐿𝐿
0.3810 −0.3810 0.0476 −0.0476 −0.2381 0.1429 −0.0952
−0.3810 0.3810 −0.0476 0.0476 0.2381 −0.1429 0.0952
0.0476 −0.0476 0.3810 −0.3810 0.0952 0.1429 0.2381
= −0.0476 0.0476 −0.3810 0.3810 −0.0952 −0.1429 −0.2381
−0.2381 0.2381 0.0952 −0.0952 0.5238 0.2857 −0.1905
0.1429 −0.1429 0.1429 −0.1429 0.2857 0.4286 −0.2857
[ −0.0952 0.0952 0.2381 −0.2381 −0.1905 −0.2857 0.5238 ]
7
Σ𝐿𝐿
0.3810 −0.3810 0.0476 −0.0476 −0.2381 0.1429 −0.0952
−0.3810 0.3810 −0.0476 0.0476 0.2381 −0.1429 0.0952
0.0476 −0.0476 0.3810 −0.3810 0.0952 0.1429 0.2381
= 0.0501. −0.0476 0.0476 −0.3810 0.3810 −0.0952 −0.1429 −0.2381
−0.2381 0.2381 0.0952 −0.0952 0.5238 0.2857 −0.1905
0.1429 −0.1429 0.1429 −0.1429 0.2857 0.4286 −0.2857
[ −0.0952 0.0952 0.2381 −0.2381 −0.1905 −0.2857 0.5238 ]
Σ𝐿𝐿 =
0.0191 −0.0191 0.0024 −0.0024 −0.0119 0.0072 −0.0048
−0.0191 −0.0191 −0.0024 0.0024 0.0119 −0.0072 0.0048
0.0024 −0.0024 0.0191 −0.0191 0.0048 0.0072 0.0119
−0.0024 0.0024 −0.0191 0.0191 −0.0048 −0.0072 −0.0119
−0.0119 0.0119 0.0048 −0.0048 0.0262 0.0143 −0.0095
0.0072 −0.0072 0.0072 −0.0072 0.0143 0.0215 −0.0143
[ −0.0048 0.0048 0.0119 −0.0119 −0.0095 −0.0143 0.0262 ]
Ketelitian dari ukuran dapat dihitung dengan persamaan berikut :
8
Perataan Data Sudut Menggunakan Metode LSE (Least Square
Estimation)
Selain data jarak, pennetuan posisi dapat dilakukan menggunakan data ukuran
sudut horisontal. Seperti halnya ukuran jarak, data ukuran sudut horisotnal juga
merupakan persamaan yang tidak linear. Biasanya sudut horisontal diukur atau
dihitung berdasarkan data sudut azimuth. Hubungan antara sudut horisontal dan
azimuth seperti terlihat pada gambar berikut ini :
Y
REFERENCE MERIDIAN
𝐵 (𝑋𝐵 , 𝑌𝐵 )
𝛼𝐼𝐹 𝑉𝜃𝐵𝐼𝐹
𝛼𝐼𝐵 𝐹 (𝑋𝐹 , 𝑌𝐹 )
REFERENCE PARALEL
X
Jika ditulis dalam persamaan untuk penyelesaian LSE persamaan tersebut dapat
ditulis sebagai berikut :
9
𝜃𝐵𝐼𝐹 + 𝑉𝜃𝐵𝐼𝐹
𝑑𝑓𝜃𝐵𝐼𝐹0 𝑑𝑓𝜃𝐵𝐼𝐹0 𝑑𝑓𝜃𝐵𝐼𝐹0
= 𝜃𝐵𝐼𝐹0 + . ∆𝑋𝐹 + . ∆𝑌𝐹 + . ∆𝑋𝐼
𝑑𝑋𝐹 𝑑𝑌𝐹 𝑑𝑋𝐼
𝑑𝑓𝜃𝐵𝐼𝐹0
+ . ∆𝑌𝐼
𝑑𝑌𝐼
Untuk persamaan yang memiliki fungsi trigonometri inverse tangent seperti halnya
fungsi azimuth maka proses linearisasi menggunakan rumus sebagai berikut :
𝑑𝑓 1 𝑑𝑢
𝑡𝑔𝑛−1 = .
𝑑𝑥 1 + 𝑈 2 𝑑𝑥
∆𝑋
Dimana 𝑢 =
∆𝑌
Menggunakan rumus tersebut diatas maka dapat dilakukan proses linearisasi dari
persamaan matematis tersebut diatas sebagai berikut :
1 𝑋𝐹0 − 𝑋𝐼0 1 1
= 2.[ ]= 2.
𝑋𝐹0 − 𝑋𝐼0 𝑌𝐹0 − 𝑌𝐼0 𝑋𝐹0 − 𝑋𝐼0 𝑌𝐹0 − 𝑌𝐼0
1+[ ] 1+[ ]
𝑌𝐹0 − 𝑌𝐼0 𝑌𝐹0 − 𝑌𝐼0
1 1 1 1
= 2. = .
(𝑋 − 𝑋𝐼0 ) 𝑌𝐹0 − 𝑌𝐼0 (𝑌𝐹0 − 𝑌𝐼0 )2 (𝑋𝐹0 − 𝑋𝐼0 )2 𝑌𝐹0 − 𝑌𝐼0
1 + 𝐹0 +
(𝑌𝐹0 − 𝑌𝐼0 )2 (𝑌𝐹0 − 𝑌𝐼0 )2 (𝑌𝐹0 − 𝑌𝐼0 )2
1 1
= .
(𝑌𝐹0 − 𝑌𝐼0 )2 + (𝑋𝐹0 − 𝑋𝐼0 )2 𝑌𝐹0 − 𝑌𝐼0
(𝑌𝐹0 − 𝑌𝐼0 )2
(𝑌𝐹0 − 𝑌𝐼0 )2 1
= .
(𝑌𝐹0 − 𝑌𝐼0 )2 + (𝑋𝐹0 − 𝑋𝐼0 )2 𝑌𝐹0 − 𝑌𝐼0
𝑌𝐹0 − 𝑌𝐼0 𝑌𝐹0 − 𝑌𝐼0
= =
(𝑌𝐹0 − 𝑌𝐼0 )2 + (𝑋𝐹0 − 𝑋𝐼0 )2 𝑑𝐼𝐹 2
10
𝑋𝐹0 − 𝑋𝐼0 𝑋 − 𝑋𝐼0
𝑑𝑓 [𝑡𝑔𝑛−1 [ ] − 𝑡𝑔𝑛−1 [ 𝐹0 ]]
𝑑𝑓𝜃𝐵𝐼𝐹0 𝑌𝐹0 − 𝑌𝐼0 𝑌𝐹0 − 𝑌𝐼0
= . ∆𝑌𝐹
𝑑𝑌𝐹0 𝑑𝑌𝐹0
1 𝑋𝐹0 − 𝑋𝐼0 1
= 2 . [ ]= 2.
(𝑋𝐹0 − 𝑋𝐼0 ). (𝑌𝐹0 − 𝑌𝐼0 )−1
𝑋𝐹0 − 𝑋𝐼0 𝑌𝐹0 − 𝑌𝐼0 𝑋𝐹0 − 𝑋𝐼0
1+[ ] 1+[ ]
𝑌𝐹0 − 𝑌𝐼0 𝑌𝐹0 − 𝑌𝐼0
1
= 2.
(𝑋𝐹0 − 𝑋𝐼0 ). −1. (𝑌𝐹0 − 𝑌𝐼0 )−1−1 . (1)
𝑋𝐹0 − 𝑋𝐼0
1+[ ]
𝑌𝐹0 − 𝑌𝐼0
1
= 2.
(𝑋𝐹0 − 𝑋𝐼0 ). −1. (𝑌𝐹0 − 𝑌𝐼0 )−2
𝑋𝐹0 − 𝑋𝐼0
1+[ ]
𝑌𝐹0 − 𝑌𝐼0
1 −1(𝑋𝐹0 − 𝑋𝐼0 ) 1 (𝑋𝐼0 − 𝑋𝐹0 )
= 2. = 2.
𝑋𝐹0 − 𝑋𝐼0 (𝑌𝐹0 − 𝑌𝐼0 )2 𝑋𝐹0 − 𝑋𝐼0 (𝑌𝐹0 − 𝑌𝐼0 )2
1+[ ] 1+[ ]
𝑌𝐹0 − 𝑌𝐼0 𝑌𝐹0 − 𝑌𝐼0
1 (𝑋𝐼0 − 𝑋𝐹0 )
= 2.
(𝑌𝐹0 − 𝑌𝐼0 )2 (𝑋𝐹0 − 𝑋𝐼0 ) (𝑌𝐹0 − 𝑌𝐼0 )2
+
(𝑌𝐹0 − 𝑌𝐼0 )2 (𝑌𝐹0 − 𝑌𝐼0 )2
11
𝑋𝐹0 − 𝑋𝐼0 𝑋 − 𝑋𝐼0
𝑑𝑓 [𝑡𝑔𝑛−1 [ ] − 𝑡𝑔𝑛−1 [ 𝐹0 ]]
𝑑𝑓𝜃𝐵𝐼𝐹0 𝑌𝐹0 − 𝑌𝐼0 𝑌𝐹0 − 𝑌𝐼0
= . ∆𝑋𝐼
𝑑𝑋𝐼0 𝑑𝑋𝐼0
1 𝑋𝐹0 − 𝑋𝐼0 1 −1
= 2.[ ]= 2.
𝑋𝐹0 − 𝑋𝐼0 𝑌𝐹0 − 𝑌𝐼0 𝑋𝐹0 − 𝑋𝐼0 𝑌𝐹0 − 𝑌𝐼0
1+[ ] 1+[ ]
𝑌𝐹0 − 𝑌𝐼0 𝑌𝐹0 − 𝑌𝐼0
1 1 1 −1
= 2. = .
(𝑋 − 𝑋𝐼0 ) 𝑌𝐹0 − 𝑌𝐼0 (𝑌𝐹0 − 𝑌𝐼0 )2 (𝑋𝐹0 − 𝑋𝐼0 )2 𝑌𝐹0 − 𝑌𝐼0
1 + 𝐹0 +
(𝑌𝐹0 − 𝑌𝐼0 )2 (𝑌𝐹0 − 𝑌𝐼0 )2 (𝑌𝐹0 − 𝑌𝐼0 )2
1 −1
= .
(𝑌𝐹0 − 𝑌𝐼0 )2 + (𝑋𝐹0 − 𝑋𝐼0 )2 𝑌𝐹0 − 𝑌𝐼0
(𝑌𝐹0 − 𝑌𝐼0 )2
(𝑌𝐹0 − 𝑌𝐼0 )2 −1
= .
(𝑌𝐹0 − 𝑌𝐼0 )2 + (𝑋𝐹0 − 𝑋𝐼0 )2 𝑌𝐹0 − 𝑌𝐼0
1 𝑋𝐹0 − 𝑋𝐼0 1
= 2.[ ]= 2.
(𝑋𝐹0 − 𝑋𝐼0 ). (𝑌𝐹0 − 𝑌𝐼0 )−1
𝑋𝐹0 − 𝑋𝐼0 𝑌𝐹0 − 𝑌𝐼0 𝑋𝐹0 − 𝑋𝐼0
1+[ ] 1+[ ]
𝑌𝐹0 − 𝑌𝐼0 𝑌𝐹0 − 𝑌𝐼0
1
= 2.
(𝑋𝐹0 − 𝑋𝐼0 ). −1. (𝑌𝐹0 − 𝑌𝐼0 )−1−1 . (−1)
𝑋𝐹0 − 𝑋𝐼0
1+[ ]
𝑌𝐹0 − 𝑌𝐼0
1
= 2.
(𝑋𝐹0 − 𝑋𝐼0 ). 1. (𝑌𝐹0 − 𝑌𝐼0 )−2
𝑋𝐹0 − 𝑋𝐼0
1+[ ]
𝑌𝐹0 − 𝑌𝐼0
12
1 1(𝑋𝐹0 − 𝑋𝐼0 ) 1 (𝑋𝐹0 − 𝑋𝐼0 )
= 2. = 2.
𝑋𝐹0 − 𝑋𝐼0 (𝑌𝐹0 − 𝑌𝐼0 )2 𝑋𝐹0 − 𝑋𝐼0 (𝑌𝐹0 − 𝑌𝐼0 )2
1+[ ] 1+[ ]
𝑌𝐹0 − 𝑌𝐼0 𝑌𝐹0 − 𝑌𝐼0
1 (𝑋𝐹0 − 𝑋𝐼0 )
= 2. =
(𝑌𝐹0 − 𝑌𝐼0 )2 (𝑋𝐹0 − 𝑋𝐼0 ) (𝑌𝐹0 − 𝑌𝐼0 )2
+
(𝑌𝐹0 − 𝑌𝐼0 )2 (𝑌𝐹0 − 𝑌𝐼0 )2
Hasil turunan dari fungsi azimuth terhadap parameter adalah sebagai berikut :
𝑑𝑓𝜃𝐵𝐼𝐹0 𝑌𝐹0 − 𝑌𝐼0 𝑑𝑓𝜃𝐵𝐼𝐹0 (𝑋𝐼0 − 𝑋𝐹0 )
= =
𝑑𝑋𝐹 𝑑𝐼𝐹 2 𝑑𝑌𝐹 𝑑𝐼𝐹 2
𝑑𝑓𝜃𝐵𝐼𝐹0 𝑌𝐼0 − 𝑌𝐹0 𝑑𝑓𝜃𝐵𝐼𝐹0 (𝑋𝐹0 − 𝑋𝐼0 )
= =
𝑑𝑋𝐼 𝑑𝐼𝐹 2 𝑑𝑌𝐼 𝑑𝐼𝐹 2
Proses linearisasi untuk data azimuth dapat ditulis kembali kedalam persamaan
sebagai berikut
13
Contoh Soal Penyelesaian Perataan Data Sudut Menggunakan Metode
LSE (Least Square Estimation) Model Jaring Kuadrilateral
Berikut akan diuraikan penyelesaian perhitungan jaring kuadrilateral dengan data
ukuran sudut sebagai berikut :
B C
3 6
4 5
1 8
2 7
A D
Gambar : Jaring kuadrilateral dengan data pengamatan jarak
14
Koordinat titik tetap dari stasiun A dan D sebagai berikut :
XA = 9270.33 YA = 8448.90
XD = 15610.58 YD = 8568.75
Koordinat pendekatan dari stasiun B dan C sebagai berikut :
XB = 2403.600 YB = 16275.400
XC = 9649.800 YC = 24803.500
Untuk menyelesaikan perataan parameter dengan metode LSE dapat dilakuan
dengan tahapan sebagai berikut :
𝐿 + 𝑉 = 𝐴𝑋̂ = 𝑓(𝜃)
∆𝑋
𝑓(𝜃) = 𝑡𝑔𝑛−1
∆𝑌
Kita dapat menulis hubungan ukuran sudut dan parameter berdasarkan persamaan
diatas untuk semua data ukuran sebagai berikut :
15
A. Ukuran sudut 1
B C
αAC
A
αAB
𝑋𝐵 − 𝑋𝐴 𝑋𝐵0 − 𝑋𝐴
𝛼𝐴𝐵 = 𝑡𝑔𝑛−1 𝛼𝐴𝐵0 = 𝑡𝑔𝑛−1
𝑌𝐵 − 𝑌𝐴 𝑌𝐵0 − 𝑌𝐴
𝑋𝐶 − 𝑋𝐴 𝑋𝐶0 − 𝑋𝐴
𝛼𝐴𝐶 = 𝑡𝑔𝑛−1 𝛼𝐴𝐶0 = 𝑡𝑔𝑛−1
𝑌𝐶 − 𝑌𝐴 𝑌𝐶0 − 𝑌𝐴
𝜃𝐵𝐴𝐶 + 𝑉𝜃𝐵𝐴𝐶
𝑑𝑓𝜃𝐵𝐴𝐶0 𝑑𝑓𝜃𝐵𝐼𝐹0 𝑑𝑓𝜃𝐵𝐼𝐹0
= 𝜃𝐵𝐴𝐶0 + . ∆𝑋𝐵 + . ∆𝑌𝐵 + . ∆𝑋𝐶
𝑑𝑋𝐵0 𝑑𝑌𝐵0 𝑑𝑋𝐶0
𝑑𝑓𝜃𝐵𝐼𝐹0
+ . ∆𝑌𝐶
𝑑𝑌𝐶0
16
[𝜃𝐵𝐴𝐶 − [3600 − [𝛼𝐴𝐵0 − 𝛼𝐴𝐶0 ]]] + 𝑉𝜃𝐵𝐴𝐶
𝑑𝑓𝜃𝐵𝐴𝐶0 𝑑𝑓𝜃𝐵𝐼𝐹0 𝑑𝑓𝜃𝐵𝐼𝐹0 𝑑𝑓𝜃𝐵𝐼𝐹0
= . ∆𝑋𝐵 + . ∆𝑌𝐵 + . ∆𝑋𝐶 + . ∆𝑌𝐶
𝑑𝑋𝐵0 𝑑𝑌𝐵0 𝑑𝑋𝐶0 𝑑𝑌𝐶0
B. Ukuran sudut 2
C
αAC
αAD
2
A D
𝜃𝐶𝐴𝐷 = [𝛼𝐴𝐷 − 𝛼𝐴𝐶 ]
𝜃𝐶𝐴𝐷0 = [𝛼𝐴𝐷 − 𝛼𝐴𝐶0 ]
𝑋𝐷 − 𝑋𝐴
𝛼𝐴𝐷 = 𝑡𝑔𝑛−1
𝑌𝐷 − 𝑌𝐴
𝑋𝐶 − 𝑋𝐴 𝑋𝐶0 − 𝑋𝐴
𝛼𝐴𝐶 = 𝑡𝑔𝑛−1 𝛼𝐴𝐶0 = 𝑡𝑔𝑛−1
𝑌𝐶 − 𝑌𝐴 𝑌𝐶0 − 𝑌𝐴
17
𝑑𝑓𝜃𝐶𝐴𝐷0 𝑑𝑓𝜃𝐶𝐴𝐷0
[𝜃𝐶𝐴𝐷 − 𝜃𝐶𝐴𝐷0 ] + 𝑉𝜃𝐶𝐴𝐷 = . ∆𝑋𝐶 + . ∆𝑌𝐶
𝑑𝑋𝐶0 𝑑𝑌𝐶0
𝑑𝑓𝜃𝐶𝐴𝐷0 𝑑𝑓𝜃𝐶𝐴𝐷0
[𝜃𝐶𝐴𝐷 − [𝛼𝐴𝐷 − 𝛼𝐴𝐶0 ]] + 𝑉𝜃𝐶𝐴𝐷 = . ∆𝑋𝐶 + . ∆𝑌𝐶
𝑑𝑋𝐶0 𝑑𝑌𝐶0
𝑌𝐶0 − 𝑌𝐴 𝑋𝐴 − 𝑋𝐶0
[𝜃𝐶𝐴𝐷 − [𝛼𝐴𝐷 − 𝛼𝐴𝐶0 ]] + 𝑉𝜃𝐶𝐴𝐷 = . ∆𝑋𝐶 + . ∆𝑌𝐶
𝑑𝐴𝐶0 2 𝑑𝐴𝐶0 2
C. Ukuran sudut 3
αBC
αBD
B C
3
D
𝜃𝐶𝐵𝐷 = [𝛼𝐵𝐷 − 𝛼𝐵𝐶 ]
𝜃𝐶𝐵𝐷0 = [𝛼𝐵𝐷0 − 𝛼𝐵𝐶0 ]
𝑋𝐷 − 𝑋𝐵 𝑋𝐷 − 𝑋𝐵0
𝛼𝐵𝐷 = 𝑡𝑔𝑛−1 𝛼𝐵𝐷0 = 𝑡𝑔𝑛−1
𝑌𝐷 − 𝑌𝐵 𝑌𝐷 − 𝑌𝐵0
𝑋𝐶 − 𝑋𝐵 𝑋𝐶0 − 𝑋𝐵0
𝛼𝐵𝐶 = 𝑡𝑔𝑛−1 𝛼𝐵𝐶0 = 𝑡𝑔𝑛−1
𝑌𝐶 − 𝑌𝐵 𝑌𝐶0 − 𝑌𝐵0
18
𝜃𝐶𝐵𝐷 + 𝑉𝜃𝐶𝐵𝐷
𝑑𝑓𝜃𝐶𝐵𝐷0 𝑑𝑓𝜃𝐶𝐵𝐷0 𝑑𝑓𝜃𝐶𝐵𝐷0
= 𝜃𝐶𝐵𝐷0 + . ∆𝑋𝐵 + . ∆𝑌𝐵 + . ∆𝑋𝐶
𝑑𝑋𝐵0 𝑑𝑌𝐵0 𝑑𝑋𝐶0
𝑑𝑓𝜃𝐶𝐵𝐷0
+ . ∆𝑌𝐶
𝑑𝑌𝐶0
D. Ukuran sudut 4
αBD
αBA
B
4
19
𝑋𝐴 − 𝑋𝐵 𝑋𝐴 − 𝑋𝐵0
𝛼𝐵𝐴 = 𝑡𝑔𝑛−1 𝛼𝐵𝐴0 = 𝑡𝑔𝑛−1
𝑌𝐴 − 𝑌𝐵 𝑌𝐴 − 𝑌𝐵0
𝑋𝐷 − 𝑋𝐵 𝑋𝐷 − 𝑋𝐵0
𝛼𝐵𝐷 = 𝑡𝑔𝑛−1 𝛼𝐵𝐷0 = 𝑡𝑔𝑛−1
𝑌𝐷 − 𝑌𝐵 𝑌𝐷 − 𝑌𝐵0
𝜃𝐴𝐵𝐷 + 𝑉𝜃𝐴𝐵𝐷
𝑑𝑓𝜃𝐴𝐵𝐷0 𝑑𝑓𝜃𝐴𝐵𝐷0 𝑑𝑓𝜃𝐴𝐵𝐷0
= 𝜃𝐴𝐵𝐷0 + . ∆𝑋𝐵 + . ∆𝑌𝐵 + . ∆𝑋𝐵
𝑑𝑋𝐵0 𝑑𝑌𝐵0 𝑑𝑋𝐵0
𝑑𝑓𝜃𝐴𝐵𝐷0
+ . ∆𝑌𝐵
𝑑𝑌𝐵0
[𝛼𝐴𝐷 − 𝛼𝐴𝐶0 ]
𝑋𝐷 − 𝑋𝐴
𝛼𝐴𝐷 = 𝑡𝑔𝑛−1
𝑌𝐷 − 𝑌𝐴
𝑋𝐶 − 𝑋𝐴 𝑋𝐶0 − 𝑋𝐴
𝛼𝐴𝐶 = 𝑡𝑔𝑛−1 𝛼𝐴𝐶0 = 𝑡𝑔𝑛−1
𝑌𝐶 − 𝑌𝐴 𝑌𝐶0 − 𝑌𝐴
20
𝑑𝑓𝜃𝐶𝐴𝐷0 𝑑𝑓𝜃𝐶𝐴𝐷0
[𝜃𝐶𝐴𝐷 − 𝜃𝐶𝐴𝐷0 ] + 𝑉𝜃𝐶𝐴𝐷 = . ∆𝑋𝐶 + . ∆𝑌𝐶
𝑑𝑋𝐶0 𝑑𝑌𝐶0
𝑑𝑓𝜃𝐶𝐴𝐷0 𝑑𝑓𝜃𝐶𝐴𝐷0
[𝜃𝐶𝐴𝐷 − [𝛼𝐴𝐷 − 𝛼𝐴𝐶0 ]] + 𝑉𝜃𝐶𝐴𝐷 = . ∆𝑋𝐶 + . ∆𝑌𝐶
𝑑𝑋𝐶0 𝑑𝑌𝐶0
𝑌𝐶0 − 𝑌𝐴 𝑋𝐴 − 𝑋𝐶0
[𝜃𝐶𝐴𝐷 − [𝛼𝐴𝐷 − 𝛼𝐴𝐶0 ]] + 𝑉𝜃𝐶𝐴𝐷 = . ∆𝑋𝐶 + . ∆𝑌𝐶
𝑑𝐴𝐶0 2 𝑑𝐴𝐶0 2
E. Ukuran sudut 5
C αCD
ΑCA
4
A D
𝑋𝐴 − 𝑋𝐶 𝑋𝐴 − 𝑋𝐶0
𝛼𝐶𝐴 = 𝑡𝑔𝑛−1 𝛼𝐶𝐴0 = 𝑡𝑔𝑛−1
𝑌𝐴 − 𝑌𝐶 𝑌𝐴 − 𝑌𝐶0
𝑋𝐷 − 𝑋𝐶 𝑋𝐷 − 𝑋𝐶0
𝛼𝐶𝐷 = 𝑡𝑔𝑛−1 𝛼𝐵𝐷0 = 𝑡𝑔𝑛−1
𝑌𝐷 − 𝑌𝐶 𝑌𝐷 − 𝑌𝐶0
21
𝜃𝐴𝐶𝐷 + 𝑉𝜃𝐴𝐶𝐷
𝑑𝑓𝜃𝐴𝐶𝐷0 𝑑𝑓𝜃𝐴𝐶𝐷0 𝑑𝑓𝜃𝐴𝐶𝐷0
= 𝜃𝐴𝐶𝐷0 + . ∆𝑋𝐶 + . ∆𝑌𝐶 + + . ∆𝑋𝐶
𝑑𝑋𝐶0 𝑑𝑌𝐶0 𝑑𝑋𝐶0
𝑑𝑓𝜃𝐴𝐶𝐷0
+ . ∆𝑌𝐶
𝑑𝑌𝐶0
F. Ukuran sudut 6
B C
6 αCB αCA
𝑋𝐵 − 𝑋𝐶 𝑋𝐵 − 𝑋𝐶0
𝛼𝐶𝐵 = 𝑡𝑔𝑛−1 𝛼𝐶𝐵0 = 𝑡𝑔𝑛−1
𝑌𝐵 − 𝑌𝐶 𝑌𝐵 − 𝑌𝐶0
22
𝑋𝐴 − 𝑋𝐶 𝑋𝐴 − 𝑋𝐶0
𝛼𝐶𝐴 = 𝑡𝑔𝑛−1 𝛼𝐶𝐴0 = 𝑡𝑔𝑛−1
𝑌𝐴 − 𝑌𝐶 𝑌𝐴 − 𝑌𝐶0
𝜃𝐵𝐶𝐴 + 𝑉𝜃𝐵𝐶𝐴
𝑑𝑓𝜃𝐵𝐶𝐴0 𝑑𝑓𝜃𝐵𝐶𝐴0 𝑑𝑓𝜃𝐵𝐶𝐴0
= 𝜃𝐵𝐶𝐴0 + . ∆𝑋𝐵 + . ∆𝑌𝐵 + . ∆𝑋𝐶
𝑑𝑋𝐵0 𝑑𝑌𝐵0 𝑑𝑋𝐶0
𝑑𝑓𝜃𝐵𝐶𝐴0 𝑑𝑓𝜃𝐵𝐶𝐴0 𝑑𝑓𝜃𝐵𝐶𝐴0
+ . ∆𝑌𝐶 + . ∆𝑋𝐶 + . ∆𝑌𝐶
𝑑𝑌𝐶0 𝑑𝑋𝐶0 𝑑𝑌𝐶0
23
G. Ukuran sudut 7
B
7 α
DB
A D
αDA
𝑋𝐵 − 𝑋𝐷 𝑋𝐵0 − 𝑋𝐷
𝛼𝐷𝐵 = 𝑡𝑔𝑛−1 𝛼𝐷𝐵0 = 𝑡𝑔𝑛−1
𝑌𝐵 − 𝑌𝐷 𝑌𝐵0 − 𝑌𝐷
𝑋𝐴 − 𝑋𝐷
𝛼𝐷𝐴 = 𝑡𝑔𝑛−1
𝑌𝐴 − 𝑌𝐷
𝑑𝑓𝜃𝐵𝐷𝐴0 𝑑𝑓𝜃𝐵𝐷𝐴0
[𝜃𝐵𝐷𝐴 − 𝜃𝐵𝐷𝐴0 ] + 𝑉𝜃𝐵𝐷𝐴 = . ∆𝑋𝐵 + . ∆𝑌𝐵
𝑑𝑋𝐵0 𝑑𝑌𝐵0
𝑌𝐵0 − 𝑌𝐷 𝑋𝐷 − 𝑋𝐵0
[𝜃𝐵𝐷𝐴 − [𝛼𝐷𝐵0 − 𝛼𝐷𝐴0 ]] + 𝑉𝜃𝐵𝐶𝐴 = . ∆𝑋𝐵 + . ∆𝑌𝐵
𝑑𝐷𝐵0 2 𝑑𝐷𝐵0 2
24
H. Ukuran sudut 8
B C
αDB
D
αDC
𝑋𝐶 − 𝑋𝐷 𝑋𝐶0 − 𝑋𝐷
𝛼𝐷𝐶 = 𝑡𝑔𝑛−1 𝛼𝐷𝐶0 = 𝑡𝑔𝑛−1
𝑌𝐶 − 𝑌𝐷 𝑌𝐶0 − 𝑌𝐷
𝑋𝐵 − 𝑋𝐷 𝑋𝐵0 − 𝑋𝐷
𝛼𝐷𝐵 = 𝑡𝑔𝑛−1 𝛼𝐷𝐵0 = 𝑡𝑔𝑛−1
𝑌𝐵 − 𝑌𝐷 𝑌𝐵0 − 𝑌𝐷
𝜃𝐵𝐷𝐶 + 𝑉𝜃𝐵𝐷𝐶
𝑑𝑓𝜃𝐵𝐷𝐶0 𝑑𝑓𝜃𝐵𝐷𝐶0 𝑑𝑓𝜃𝐵𝐷𝐶0
= 𝜃𝐵𝐷𝐶0 + . ∆𝑋𝐶 + . ∆𝑌𝐶 + . ∆𝑋𝐵
𝑑𝑋𝐶0 𝑑𝑌𝐶0 𝑑𝑋𝐵0
𝑑𝑓𝜃𝐵𝐷𝐶0
+ . ∆𝑌𝐵
𝑑𝑌𝐵0
25
𝑌𝐶0 − 𝑌𝐷 𝑋𝐷 − 𝑋𝐶0
[𝜃𝐵𝐷𝐴 − [𝛼𝐷𝐶0 − 𝛼𝐷𝐵0 ]] + 𝑉𝜃𝐵𝐶𝐴 = . ∆𝑋𝐶 + . ∆𝑌𝐶 +
𝑑𝐷𝐶0 2 𝑑𝐷𝐶0 2
𝑌𝐵 − 𝑌𝐷 𝑋𝐷 − 𝑋𝐵0
= 0 2 . ∆𝑋𝐵 + . ∆𝑌𝐵
𝑑𝐷𝐵0 𝑑𝐷𝐵0 2
2. Setelah proses linearisasi untuk semua data pengamatan sudut selanjutnya nilai
linearisasi dimasukkan kedalam masing-masing persamaan untuk membentuk
matriks koofisien parameter sebagai berikut :
𝑌𝐵0 − 𝑌𝐴 𝑋𝐴 − 𝑋𝐵0 𝑌𝐶0 − 𝑌𝐴 𝑋𝐴 − 𝑋𝐶0
2 2 2
𝑑𝐴𝐵0 𝑑𝐴𝐵0 𝑑𝐴𝐶0 𝑑𝐴𝐶0 2
𝑌𝐶0 − 𝑌𝐴 𝑋𝐴 − 𝑋𝐶0
0 0
𝑑𝐴𝐶0 2 𝑑𝐴𝐶0 2
𝑌𝐵0 − 𝑌𝐷 𝑌𝐵0 − 𝑌𝐶0 𝑋𝐷 − 𝑋𝐵0 𝑋𝐶0 − 𝑌𝐵0 𝑌𝐶0 − 𝑌𝐵0 𝑋𝐵0 − 𝑋𝐶0
2 − 2 2 −
𝑑𝐵𝐷0 𝑑𝐵𝐶0 𝑑𝐵𝐷0 𝑑𝐵𝐶0 2 𝑑𝐵𝐶0 2 𝑑𝐵𝐶0 2
𝑌𝐵0 − 𝑌𝐴 𝑌𝐵0 − 𝑌𝐷 𝑋𝐴 − 𝑋𝐵0 𝑋𝐷 − 𝑋𝐵0
− − 0 0
𝑑𝐵𝐴0 2 𝑑𝐵𝐷0 2 𝑑𝐵𝐴0 2 𝑑𝐵𝐷0 2
𝐽=𝜌
𝑌𝐶0 − 𝑌𝐴 𝑌𝐶0 − 𝑌𝐷 𝑋𝐴 − 𝑋𝐶0 𝑋𝐷 − 𝑋𝐶0
0 0 2 − 2 2 −
𝑑𝐶𝐴0 𝑑𝐶𝐷0 𝑑𝐶𝐴0 𝑑𝐶𝐷0 2
𝑌𝐵0 − 𝑌𝐶0 𝑋𝐶0 − 𝑋𝐵0 𝑌𝐶0 − 𝑌𝐵0 𝑌𝐶0 − 𝑌𝐴 𝑋𝐵0 − 𝑋𝐶0 𝑋𝐴 − 𝑋𝐶0
2 − −
𝑑𝐶𝐵0 𝑑𝐶𝐵0 2 𝑑𝐶𝐵0 2 𝑑𝐶𝐴0 2 𝑑𝐶𝐷0 2 𝑑𝐶𝐴0 2
𝑌𝐵0 − 𝑌𝐷 𝑋𝐷 − 𝑋𝐵0
0 0
𝑑𝐷𝐵0 2 𝑑𝐷𝐵0 2
𝑌𝐵0 − 𝑌𝐷 𝑋𝐷 − 𝑋𝐵0 𝑌𝐶0 − 𝑌𝐷 𝑋𝐷 − 𝑋𝐶0
= 2 2 2
[ 𝑑𝐷𝐵0 𝑑𝐷𝐵0 𝑑𝐷𝐶0 𝑑𝐷𝐶0 2 ]
Catatan : nilai koofisien dari matriks J masih dalam satuan radian sehingga
perlu untuk dikalikan dengan konstanta ρ sebesar 206264,8, sehingga nilai
matriks J adalah sebagai berikut :
26
𝑌𝐵0 − 𝑌𝐴 𝑋𝐴 − 𝑋𝐵0 𝑌𝐶0 − 𝑌𝐴 𝑋𝐴 − 𝑋𝐶0
2 2 2
𝑑𝐴𝐵0 𝑑𝐴𝐵0 𝑑𝐴𝐶0 𝑑𝐴𝐶0 2
𝑌𝐶0 − 𝑌𝐴 𝑋𝐴 − 𝑋𝐶0
0 0
𝑑𝐴𝐶0 2 𝑑𝐴𝐶0 2
𝑌𝐵0 − 𝑌𝐷 𝑌𝐵0 − 𝑌𝐶0 𝑋𝐷 − 𝑋𝐵0 𝑋𝐶0 − 𝑌𝐵0 𝑌𝐶0 − 𝑌𝐵0 𝑋𝐵0 − 𝑋𝐶0
2 − 2 2 −
𝑑𝐵𝐷0 𝑑𝐵𝐶0 𝑑𝐵𝐷0 𝑑𝐵𝐶0 2 𝑑𝐵𝐶0 2 𝑑𝐵𝐶0 2
𝑌𝐵0 − 𝑌𝐴 𝑌𝐵0 − 𝑌𝐷 𝑋𝐴 − 𝑋𝐵0 𝑋𝐷 − 𝑋𝐵0
− − 0 0
𝑑𝐵𝐴0 2 𝑑𝐵𝐷0 2 𝑑𝐵𝐴0 2 𝑑𝐵𝐷0 2
𝐽 = 206264.8
𝑌𝐶0 − 𝑌𝐴 𝑌𝐶0 − 𝑌𝐷 𝑋𝐴 − 𝑋𝐶0 𝑋𝐷 − 𝑋𝐶0
0 0 2 − 2 2 −
𝑑𝐶𝐴0 𝑑𝐶𝐷0 𝑑𝐶𝐴0 𝑑𝐶𝐷0 2
𝑌𝐵0 − 𝑌𝐶0 𝑋𝐶0 − 𝑋𝐵0 𝑌𝐶0 − 𝑌𝐵0 𝑌𝐶0 − 𝑌𝐴 𝑋𝐵0 − 𝑋𝐶0 𝑋𝐴 − 𝑋𝐶0
2 − −
𝑑𝐶𝐵0 𝑑𝐶𝐵0 2 𝑑𝐶𝐵0 2 𝑑𝐶𝐴0 2 𝑑𝐶𝐷0 2 𝑑𝐶𝐴0 2
𝑌𝐵0 − 𝑌𝐷 𝑋𝐷 − 𝑋𝐵0
0 0
𝑑𝐷𝐵0 2 𝑑𝐷𝐵0 2
𝑌𝐵0 − 𝑌𝐷 𝑋𝐷 − 𝑋𝐵0 𝑌𝐶0 − 𝑌𝐷 𝑋𝐷 − 𝑋𝐶0
= 2 2 2
[ 𝑑𝐷𝐵0 𝑑𝐷𝐵0 𝑑𝐷𝐶0 𝑑𝐷𝐶0 2 ]
27
−2.100998
−5.032381
4.183396
1.417225
𝐾=
−1.758129
5.400377
−6.483846
[ 1.474357 ]
4. Setelah diperoleh nilai matriks J dan K maka selanjutnya dapat dihitung nilai
matriks X dengan persamaan sebagai berikut :
𝑋 = (𝐽𝑇 . 𝐽)−1 . 𝐽𝑇 . 𝐾
Hasil nilai matriks (𝐽𝑇 . 𝐽)−1 atau disebut juga sebagai matriks 𝑁 −1 atau matriks
kofaktor parameter 𝑄𝑋𝑋 adalah sebagai berikut :
0.0018 0.0003 −0.0018 −0.0004
0.0003 0.0023 −0.0013 0.0001
𝑁 −1 =[ ]
−0.0018 −0.0013 0.0039 0.0012
−0.0004 0.0001 0.0012 0.0037
Hasil nilai matriks 𝐽𝑇 . 𝐾 adalah sebagai berikut :
−52.3939
−1.9157
𝐽𝑇 . 𝐾 = [ ]
−20.5448
−91.6927
Nilai matriks parameter X adalah sebagai berikut :
−0.0233
−0.0001
𝑋= [ ]
−0.0928
−0.3411
Perlu dicatat bahwa nilai parameter merupakan nilai ΔX maka nilai tersebut
harus ditambahkan dengan nilai pendekatan masing-masing komponen
koordinat sehingga dapat diperoleh nilai koordinat dari titik B dan C sebagai
berikut :
28
𝑋𝑏 = 2403.6 − 0.0233 = 2403.5767
29
Perataan Data Jarak Menggunakan Metode LSE (Least Square
Estimation)
Selain data sudut, penetuan posisi dapat dilakukan menggunakan data ukuran
jarak. Seperti halnya ukuran sudut horisontal, data ukuran jarak juga merupakan
persamaan yang tidak linear.
Dari gambar tersebut diatas data ukuran jarak dapat dinyatakan sebagai berikut :
2 2 2 2 0.5
𝐹(𝑋𝐼 , 𝑌𝐼 , 𝑋𝐽 , 𝑌𝐽 ) = 𝑑𝐼𝐽 = √(𝑋𝐽 − 𝑋𝐼 ) + (𝑌𝐽 − 𝑌𝐼 ) = [(𝑋𝐽 − 𝑋𝐼 ) + (𝑌𝐽 − 𝑌𝐼 ) ]
Jika ditulis dalam persamaan untuk penyelesaian LSE persamaan tersebut dapat
ditulis sebagai berikut :
𝑑𝐹𝑑𝐼𝐽0 𝑑𝐹𝑑𝐼𝐽0 𝑑𝐹𝑑𝐼𝐽0 𝑑𝐹𝑑𝐼𝐽0
𝑑𝐼𝐽 + 𝑉𝑑𝐼𝐽 = 𝑑𝐼𝐽0 + . ∆𝑋𝐼 + . ∆𝑌𝐼 + . ∆𝑋𝐽 + . ∆𝑌𝐽
𝑑𝑋𝐼 𝑑𝑌𝐼 𝑑𝑋𝐽 𝑑𝑌𝐽
Persamaan fungsi matematis jarak tersebut merupakan fungsi yang tidak linear
sehingga perlu dilakukan proses linearisasi sebagai berikut :
30
𝑑𝐹𝑑𝐼𝐽0 𝑑𝐹𝑑𝐼𝐽0
𝐹(𝑋𝐼 , 𝑌𝐼 , 𝑋𝐽 , 𝑌𝐽 ) = 𝐹(𝑋𝐼0 , 𝑌𝐼0 , 𝑋𝐽0 , 𝑌𝐽0 ) + . ∆𝑋𝐼 + . ∆𝑌𝐼
𝑑𝑋𝐼 𝑑𝑌𝐼
𝑑𝐹𝑑𝐼𝐽0 𝑑𝐹𝑑𝐼𝐽0
+ . ∆𝑋𝐽 + . ∆𝑌𝐽
𝑑𝑋𝐽 𝑑𝑌𝐽
Turunan dari fungsi matematis jarak terhadap parameter dapat diuraikan sebagai
berikut :
𝑑𝐹𝑑𝐼𝐽0 2 2 0.5−1 2−1
= 0.5 [(𝑋𝐽 − 𝑋𝐼 ) + (𝑌𝐽 − 𝑌𝐼 ) ] . 2. (𝑋𝐽 − 𝑋𝐼 ) . (−1)
𝑑𝑋𝐼
𝑑𝐹𝑑𝐼𝐽0 2 2 −0.5 1
= [(𝑋𝐽 − 𝑋𝐼 ) + (𝑌𝐽 − 𝑌𝐼 ) ] . 1. (𝑋𝐽 − 𝑋𝐼 ) . (−1)
𝑑𝑋𝐼
𝑑𝐹𝑑𝐼𝐽0 2 2 −0.5
= [(𝑋𝐽 − 𝑋𝐼 ) + (𝑌𝐽 − 𝑌𝐼 ) ] . (𝑋𝐼 − 𝑋𝐽 )
𝑑𝑋𝐼
𝑑𝐹𝑑𝐼𝐽0 𝑋𝐼 − 𝑋𝐽 𝑋𝐼 − 𝑋 𝐽
= =
𝑑𝑋𝐼 2 2 0.5 𝑑𝐼𝐽
[(𝑋𝐽 − 𝑋𝐼 ) + (𝑌𝐽 − 𝑌𝐼 ) ]
31
𝑑𝐹𝑑𝐼𝐽0 2 2 0.5−1 2−1
= 0.5 [(𝑋𝐽 − 𝑋𝐼 ) + (𝑌𝐽 − 𝑌𝐼 ) ] . 2. (𝑋𝐽 − 𝑋𝐼 ) . (1)
𝑑𝑋𝐽
𝑑𝐹𝑑𝐼𝐽0 2 2 −0.5
= [(𝑋𝐽 − 𝑋𝐼 ) + (𝑌𝐽 − 𝑌𝐼 ) ] . (𝑋𝐽 − 𝑋𝐼 )
𝑑𝑋𝐽
𝑑𝐹𝑑𝐼𝐽0 𝑋𝐼 − 𝑋𝐽 𝑋𝐽 − 𝑋 𝐼
= =
𝑑𝑋𝐽 2 2 0.5 𝑑𝐼𝐽
[(𝑋𝐽 − 𝑋𝐼 ) + (𝑌𝐽 − 𝑌𝐼 ) ]
𝑑𝐹𝑑𝐼𝐽0 2 2 −0.5
= [(𝑋𝐽 − 𝑋𝐼 ) + (𝑌𝐽 − 𝑌𝐼 ) ] . (𝑌𝐽 − 𝑌𝐼 )
𝑑𝑌𝐽
𝑑𝐹𝑑𝐼𝐽0 𝑋𝐼 − 𝑋𝐽 𝑌𝐽 − 𝑌𝐼
= =
𝑑𝑌𝐽 2 2 0.5 𝑑𝐼𝐽
[(𝑋𝐽 − 𝑋𝐼 ) + (𝑌𝐽 − 𝑌𝐼 ) ]
Hasil turunan dari fungsi jarak terhadap parameter adalah sebagai berikut :
𝑑𝐹𝑑𝐼𝐽0 𝑋𝐼 − 𝑋𝐽 𝑑𝐹𝑑𝐼𝐽0 𝑌𝐼 − 𝑌𝐽
= =
𝑑𝑋𝐼 𝑑𝐼𝐽 𝑑𝑌𝐼 𝑑𝐼𝐽
𝑑𝐹𝑑𝐼𝐽0 𝑋𝐽 − 𝑋𝐼 𝑑𝐹𝑑𝐼𝐽0 𝑌𝐽 − 𝑌𝐼
= =
𝑑𝑋𝐽 𝑑𝐼𝐽 𝑑𝑌𝐽 𝑑𝐼𝐽
32
Proses linearisasi untuk data jarak dapat ditulis kembali kedalam persamaan
sebagai berikut :
𝑋𝐼 − 𝑋𝐽 𝑌𝐼 − 𝑌𝐽 𝑋𝐽 − 𝑋𝐼
𝑑𝐼𝐽 + 𝑉𝑑𝐼𝐽0 = 𝑑𝐼𝐽0 + . ∆𝑋𝐼 + . ∆𝑌𝐼 + . ∆𝑋𝐽
𝑑𝐼𝐽 𝑑𝐼𝐽 𝑑𝐼𝐽
𝑌𝐽 − 𝑌𝐼
+ . ∆𝑌𝐽
𝑑𝐼𝐽
𝑋𝐼 − 𝑋𝐽 𝑌𝐼 − 𝑌𝐽 𝑋𝐽 − 𝑋𝐼
(𝑑𝐼𝐽 − 𝑑𝐼𝐽0 ) + 𝑉𝑑𝐼𝐽0 = . ∆𝑋𝐼 + . ∆𝑌𝐼 + . ∆𝑋𝐽
𝑑𝐼𝐽 𝑑𝐼𝐽 𝑑𝐼𝐽
𝑌𝐽 − 𝑌𝐼
+ . ∆𝑌𝐽
𝑑𝐼𝐽
33
Contoh Soal Penyelesaian Perataan Data Jarak Menggunakan Metode
LSE (Least Square Estimation) Untuk Betuk Jaring Kuadrilateral
Berikut akan diuraikan langkah penyelesaian perhitungan LSE untuk bentuk jaring
kuadrilateral dengan data jarak sebagai berikut
Wisconsin
Bagder
Campus
Bucky
Koordinat titik tetap dari stasiun Bucky dan Bedger sebagai berikut :
XBadger = 2.410.000 YBadger = 390.000
XBucky = 2.411.820 YBucky = 386.881,222
Koordinat pendekatan dari stasiun Wisconsin dan Campus sebagai berikut :
XWinconsin = 2.415.776,819 YWinconsin = 391.043,461
XCampus = 2.416.898,227 YCampus = 387.602,294
34
Untuk menyelesaikan soal tersebut diatas langkah awal adalah dengan menyatakan
hubungan antara parameter dengan data ukuran menggunakan fungsi matematis
jarak sebagai berikut :
𝐿 + 𝑉 = 𝐴𝑋̂ = 𝑓(𝑑)
𝑓(𝑑) = √∆𝑋 2 + ∆𝑌 2
Kita dapat menulis hubungan ukuran jarak dan parameter berdasarkan persamaan
diatas untuk semua data ukuran sebagai berikut :
A. Data Jarak 1
dBadger-wisconsin Wisconsin
Bagder
2 2
𝑑𝐵𝑎𝑑𝑔𝑒𝑟−𝑤𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛 = √[(𝑋𝑤𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛 − 𝑋𝐵𝑎𝑑𝑔𝑒𝑟 ) + (𝑌𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛 − 𝑌𝐵𝑎𝑑𝑔𝑒𝑟 ) ]
2 2
𝑑𝐵𝑎𝑑𝑔𝑒𝑟−𝑤𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛0 = √[(𝑋𝑤𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛0 − 𝑋𝐵𝑎𝑑𝑔𝑒𝑟 ) + (𝑌𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛0 − 𝑌𝐵𝑎𝑑𝑔𝑒𝑟 ) ]
𝑑𝐵𝑎𝑑𝑔𝑒𝑟−𝑤𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛 + 𝑉𝑑𝐵𝑎𝑑𝑔𝑒𝑟−𝑤𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛
𝑑𝐹𝑑𝐵𝑎𝑑𝑔𝑒𝑟−𝑤𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛0
= 𝑑𝐵𝑎𝑑𝑔𝑒𝑟−𝑤𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛0 + . ∆𝑋𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛
𝑑𝑋𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛
𝑑𝐹𝑑𝐵𝑎𝑑𝑔𝑒𝑟−𝑤𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛0
+ . ∆𝑌𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛
𝑑𝑌𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛
35
[𝑑𝐵𝑎𝑑𝑔𝑒𝑟−𝑤𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛 − 𝑑𝐵𝑎𝑑𝑔𝑒𝑟−𝑤𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛0 ] + 𝑉𝑑𝐵𝑎𝑑𝑔𝑒𝑟−𝑤𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛0
𝑋𝑤𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛𝑜 − 𝑋𝐵𝑎𝑑𝑔𝑒𝑟 𝑌𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛𝑜 − 𝑌𝐵𝑎𝑑𝑔𝑒𝑟
= . ∆𝑋𝑤𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛 + . ∆𝑌𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛
𝑑𝐵𝑎𝑑𝑔𝑒𝑟−𝑤𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛0 𝑑𝐵𝑎𝑑𝑔𝑒𝑟−𝑤𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛0
B. Data Jarak 2
Bagder
dBadger-Campus
Campus
2 2
𝑑𝐵𝑎𝑑𝑔𝑒𝑟−𝐶𝑎𝑚𝑝𝑢𝑠 = √[(𝑋𝐶𝑎𝑚𝑝𝑢𝑠 − 𝑋𝐵𝑎𝑑𝑔𝑒𝑟 ) + (𝑌𝐶𝑎𝑚𝑝𝑢𝑠 − 𝑌𝐵𝑎𝑑𝑔𝑒𝑟 ) ]
2 2
𝑑𝐵𝑎𝑑𝑔𝑒𝑟−𝐶𝑎𝑚𝑝𝑢𝑠0 = √[(𝑋𝐶𝑎𝑚𝑝𝑢𝑠0 − 𝑋𝐵𝑎𝑑𝑔𝑒𝑟 ) + (𝑌𝐶𝑎𝑚𝑝𝑢𝑠0 − 𝑌𝐵𝑎𝑑𝑔𝑒𝑟 ) ]
𝑑𝐵𝑎𝑑𝑔𝑒𝑟−𝐶𝑎𝑚𝑝𝑢𝑠 + 𝑉𝑑𝐵𝑎𝑑𝑔𝑒𝑟−𝐶𝑎𝑚𝑝𝑢𝑠
𝑑𝐹𝑑𝐵𝑎𝑑𝑔𝑒𝑟−𝐶𝑎𝑚𝑝𝑢𝑠0
= 𝑑𝐵𝑎𝑑𝑔𝑒𝑟−𝐶𝑎𝑚𝑝𝑢𝑠0 + . ∆𝑋𝐶𝑎𝑚𝑝𝑢𝑠
𝑑𝑋𝐶𝑎𝑚𝑝𝑢𝑠
𝑑𝐹𝑑𝐵𝑎𝑑𝑔𝑒𝑟−𝐶𝑎𝑚𝑝𝑢𝑠0
+ . ∆𝑌𝐶𝑎𝑚𝑝𝑢𝑠
𝑑𝑌𝐶𝑎𝑚𝑝𝑢𝑠
36
C. Data Jarak 3
Wisconsin
dWisconsin-Campus
Campus
2 2
𝑑𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛−𝐶𝑎𝑚𝑝𝑢𝑠 = √[(𝑋𝐶𝑎𝑚𝑝𝑢𝑠 − 𝑋𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛 ) + (𝑌𝐶𝑎𝑚𝑝𝑢𝑠 − 𝑌𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛 ) ]
2 2
𝑑𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛−𝐶𝑎𝑚𝑝𝑢𝑠0 = √[(𝑋𝐶𝑎𝑚𝑝𝑢𝑠0 − 𝑋𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛0 ) + (𝑌𝐶𝑎𝑚𝑝𝑢𝑠0 − 𝑌𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛0 ) ]
𝑑𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛−𝐶𝑎𝑚𝑝𝑢𝑠 + 𝑉𝑑𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛−𝐶𝑎𝑚𝑝𝑢𝑠
𝑑𝐹𝑑𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛−𝐶𝑎𝑚𝑝𝑢𝑠0
= 𝑑𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛−𝐶𝑎𝑚𝑝𝑢𝑠0 + . ∆𝑋𝐶𝑎𝑚𝑝𝑢𝑠
𝑑𝑋𝐶𝑎𝑚𝑝𝑢𝑠
𝑑𝐹𝑑𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛−𝐶𝑎𝑚𝑝𝑢𝑠0 𝑑𝐹𝑑𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛−𝐶𝑎𝑚𝑝𝑢𝑠0
+ . ∆𝑌𝐶𝑎𝑚𝑝𝑢𝑠 + . ∆𝑋𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛
𝑑𝑌𝐶𝑎𝑚𝑝𝑢𝑠 𝑑𝑋𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛
𝑑𝐹𝑑𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛−𝐶𝑎𝑚𝑝𝑢𝑠0
+ . ∆𝑌𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛
𝑑𝑌𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛
37
D. Data Jarak 4
dwisconsin-bucky Wisconsin
Bucky
2 2
𝑑𝑤𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛−𝐵𝑢𝑐𝑘𝑦 = √[(𝑋𝐵𝑢𝑐𝑘𝑦 − 𝑋𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛 ) + (𝑌𝐵𝑢𝑐𝑘𝑦 − 𝑌𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛 ) ]
2 2
𝑑𝑤𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛−𝐵𝑢𝑐𝑘𝑦0 = √[(𝑋𝐵𝑢𝑐𝑘𝑦 − 𝑋𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛 ) + (𝑌𝐵𝑢𝑐𝑘𝑦 − 𝑌𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛0 ) ]
𝑑𝑤𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛−𝐵𝑢𝑐𝑘𝑦 + 𝑉𝑑𝑤𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛−𝐵𝑢𝑐𝑘𝑦
𝑑𝐹𝑑𝑤𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛−𝐵𝑢𝑐𝑘𝑦0
= 𝑑𝑤𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛−𝐵𝑢𝑐𝑘𝑦0 + . ∆𝑋𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛
𝑑𝑋𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛
𝑑𝐹𝑑𝑤𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛−𝐵𝑢𝑐𝑘𝑦0
+ . ∆𝑌𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛
𝑑𝑌𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛
38
E. Data Jarak 5
DCampus-Bucky Campus
Bucky
2 2
𝑑𝐶𝑎𝑚𝑝𝑢𝑠−𝐵𝑢𝑐𝑘𝑦 = √[(𝑋𝐵𝑢𝑐𝑘𝑦 − 𝑋𝐶𝑎𝑚𝑝𝑢𝑠 ) + (𝑌𝐵𝑢𝑐𝑘𝑦 − 𝑌𝐶𝑎𝑚𝑝𝑢𝑠 ) ]
2 2
𝑑𝐶𝑎𝑚𝑝𝑢𝑠−𝐵𝑢𝑐𝑘𝑦0 = √[(𝑋𝐵𝑢𝑐𝑘𝑦 − 𝑋𝐶𝑎𝑚𝑝𝑢𝑠0 ) + (𝑌𝐵𝑢𝑐𝑘𝑦 − 𝑌𝐶𝑎𝑚𝑝𝑢𝑠0 ) ]
𝑑𝐶𝑎𝑚𝑝𝑢𝑠−𝐵𝑢𝑐𝑘𝑦 + 𝑉𝑑𝐶𝑎𝑚𝑝𝑢𝑠−𝐵𝑢𝑐𝑘𝑦
𝑑𝐹𝑑𝐶𝑎𝑚𝑝𝑢𝑠−𝐵𝑢𝑐𝑘𝑦0
= 𝑑𝐶𝑎𝑚𝑝𝑢𝑠−𝐵𝑢𝑐𝑘𝑦0 + . ∆𝑋𝐶𝑎𝑚𝑝𝑢𝑠
𝑑𝑋𝐶𝑎𝑚𝑝𝑢𝑠
𝑑𝐹𝑑𝐶𝑎𝑚𝑝𝑢𝑠−𝐵𝑢𝑐𝑘𝑦0
+ . ∆𝑌𝐶𝑎𝑚𝑝𝑢𝑠
𝑑𝑌𝐶𝑎𝑚𝑝𝑢𝑠
39
𝐽
𝑋𝑤𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛𝑜 − 𝑋𝐵𝑎𝑑𝑔𝑒𝑟 𝑌𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛𝑜 − 𝑌𝐵𝑎𝑑𝑔𝑒𝑟
0 0
𝑑𝐵𝑎𝑑𝑔𝑒𝑟−𝑤𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛0 𝑑𝐵𝑎𝑑𝑔𝑒𝑟−𝑤𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛0
𝑋𝐶𝑎𝑚𝑝𝑢𝑠0 − 𝑋𝐵𝑎𝑑𝑔𝑒𝑟 𝑌𝐶𝑎𝑚𝑝𝑢𝑠0 − 𝑌𝐵𝑎𝑑𝑔𝑒𝑟
0 0
𝑑𝐵𝑎𝑑𝑔𝑒𝑟−𝐶𝑎𝑚𝑝𝑢𝑠0 𝑑𝐵𝑎𝑑𝑔𝑒𝑟−𝐶𝑎𝑚𝑝𝑢𝑠0
𝑋𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛0 − 𝑋𝐶𝑎𝑚𝑝𝑢𝑠0 𝑌𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛0 − 𝑌𝐶𝑎𝑚𝑝𝑢𝑠0 𝑋𝐶𝑎𝑚𝑝𝑢𝑠0 − 𝑋𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛0 𝑌𝐶𝑎𝑚𝑝𝑢𝑠0 − 𝑌𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛0
=
𝑑𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛−𝐶𝑎𝑚𝑝𝑢𝑠0 𝑑𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛−𝐶𝑎𝑚𝑝𝑢𝑠0 𝑑𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛−𝐶𝑎𝑚𝑝𝑢𝑠0 𝑑𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛−𝐶𝑎𝑚𝑝𝑢𝑠0
𝑋𝑤𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛𝑜 − 𝑋𝐵𝑢𝑐𝑘𝑦 𝑌𝑤𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛𝑜 − 𝑌𝐵𝑢𝑐𝑘𝑦
0 0
𝑑𝑤𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛−𝐵𝑢𝑐𝑘𝑦0 𝑑𝑤𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛−𝐵𝑢𝑐𝑘𝑦0
𝑋𝐶𝑎𝑚𝑝𝑢𝑠0 − 𝑋𝐵𝑢𝑐𝑘𝑦 𝑌𝐶𝑎𝑚𝑝𝑢𝑠0 − 𝑌𝐵𝑢𝑐𝑘𝑦
0 .0
[ 𝑑𝐶𝑎𝑚𝑝𝑢𝑠−𝐵𝑢𝑐𝑘𝑦0 𝑑𝐶𝑎𝑚𝑝𝑢𝑠−𝐵𝑢𝑐𝑘𝑦0 ]
0.98408 0.17775 0 0
0 0 0.94457 −0.32832
𝐽 = −0.30984 0.95079 0.30984 −0.95079
0.68900 0.72477 0 0
[ 0 .0 0.99007 0.14058 ]
𝑑𝐵𝑎𝑑𝑔𝑒𝑟−𝑤𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛 − 𝑑𝐵𝑎𝑑𝑔𝑒𝑟−𝑤𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛0
𝑑𝐵𝑎𝑑𝑔𝑒𝑟−𝐶𝑎𝑚𝑝𝑢𝑠 − 𝑑𝐵𝑎𝑑𝑔𝑒𝑟−𝐶𝑎𝑚𝑝𝑢𝑠0
𝐾 = 𝑑𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛−𝐶𝑎𝑚𝑝𝑢𝑠 − 𝑑𝑊𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛−𝐶𝑎𝑚𝑝𝑢𝑠0
𝑑𝑤𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛−𝐵𝑢𝑐𝑘𝑦 − 𝑑𝑤𝑖𝑠𝑐𝑜𝑛𝑠𝑖𝑛−𝐵𝑢𝑐𝑘𝑦0
[ 𝑑𝐶𝑎𝑚𝑝𝑢𝑠−𝐵𝑢𝑐𝑘𝑦 − 𝑑𝐶𝑎𝑚𝑝𝑢𝑠−𝐵𝑢𝑐𝑘𝑦0 ]
−0.00026
−5.46135
𝐾 = −2.84579
−0.00021
[−5.40507]
40
4. Setelah diperoleh nilai matriks J dan K maka selanjutnya dapat dihitung nilai
matriks X dengan persamaan sebagai berikut :
𝑋̂ = (𝐽𝑇 . 𝐽)−1 . 𝐽𝑇 . 𝐾
Hasil nilai matriks (𝐽𝑇 . 𝐽)−1 atau disebut juga sebagai matriks 𝑁 −1 atau matriks
kofaktor parameter 𝑄𝑋𝑋 adalah sebagai berikut :
1.198436 −1.160169 −0.099979 −1.404084
−1.160160 2.635174 0.194272 2.728324
𝑁 −1 =[ ]
−0.099979 0.194272 0.583337 0.462054
−1.404084 2.728324 0.462054 3.969873
Hasil nilai matriks 𝐽𝑇 . 𝐾 adalah sebagai berikut :
0.8813
−2.7059
𝐽𝑇 . 𝐾 = [ ]
−11.3918
3.7390
14.891521 13.065362 12.605250 −0.292475
0 0 12.605250 −0.292475
20.844398 −0.283839 14.045867 −11.934565
8.092990 1.414636 0 0
0 0 1.409396 −4.403165
−14.045867 11.934565 1.440617 −11.642090
6.798531 11.650726 0 0
[= 6.798531 11.650726 11.195854 4.110690 ]
41
5. Langkah selanjutnya menghitung nilai matriks K, nilai matriks K dapat ditulis
sebagai berikut :
𝜃𝐵𝐴𝐶 − 𝜃𝐵𝐴𝐶0
𝜃𝐶𝐴𝐷 − 𝜃𝐶𝐴𝐷0
𝜃𝐶𝐵𝐷 − 𝜃𝐶𝐵𝐷0
𝜃𝐴𝐵𝐷 − 𝜃𝐴𝐵𝐷0
𝐾=
𝜃𝐴𝐶𝐷 − 𝜃𝐴𝐶𝐷0
𝜃𝐵𝐶𝐴 − 𝜃𝐵𝐶𝐴0
𝜃𝐵𝐷𝐴 − 𝜃𝐵𝐷𝐴0
[ 𝜃𝐵𝐷𝐶 − 𝜃𝐵𝐷𝐶0 ]
−2.100998
−5.032381
4.183396
1.417225
𝐾=
−1.758129
5.400377
−6.483846
[ 1.474357 ]
6. Setelah diperoleh nilai matriks J dan K maka selanjutnya dapat dihitung nilai
matriks X dengan persamaan sebagai berikut :
𝑋 = (𝐽𝑇 . 𝐽)−1 . 𝐽𝑇 . 𝐾
Hasil nilai matriks (𝐽𝑇 . 𝐽)−1 atau disebut juga sebagai matriks 𝑁 −1 atau matriks
kofaktor parameter 𝑄𝑋𝑋 adalah sebagai berikut :
0.0018 0.0003 −0.0018 −0.0004
0.0003 0.0023 −0.0013 0.0001
𝑁 −1 =[ ]
−0.0018 −0.0013 0.0039 0.0012
−0.0004 0.0001 0.0012 0.0037
Hasil nilai matriks 𝐽𝑇 . 𝐾 adalah sebagai berikut :
−52.3939
−1.9157
𝐽𝑇 . 𝐾 = [ ]
−20.5448
−91.6927
42
Nilai matriks parameter X adalah sebagai berikut :
0.084751
−0.165221
𝑋= [ ]
−5.531445
0.959315
Perlu dicatat bahwa nilai parameter merupakan nilai ΔX maka nilai tersebut
harus ditambahkan dengan nilai pendekatan masing-masing komponen
koordinat sehingga dapat diperoleh nilai koordinat dari stasiun Wisconsin dan
stasiun Campus sebagai berikut :
43
Perhitungan Nilai Elips Kesalahan (Error Ellipse) Pada Perataan Jaring
Kerangka Kontrol
Untuk mengetahui tingkat ketelitian posisi titik kontrol hasil perataan jaring
kerangka kontrol selain dengan menggunakan matriks kovarian parameter, secara
grafis ketelitian posisi dari titik kontrol dapat dilihat berdasarkan bentuk dan
ukuran dari elips kesalahan. Elips kesalahan dibagi atas 2 (dua) yaitu elips kesalahan
absolut dan elips kesalahan relatif. Untuk menggambarkan elips kesalahan
diperlukan nilai t (sudut rotasi), Sy dan Sx (ketellitian parameter), Su dan Sv.
Y
Standar Error Ellipse Sx
V U
t
Sy
Su
X
Sv
𝑆𝑈 = 𝑆0 √𝑞𝑢𝑢
𝑆𝑉 = 𝑆0 √𝑞𝑣𝑣
Dimana :
44
𝑆𝑋 = 𝑆0 √𝑞𝑋𝑋
𝑆𝑌 = 𝑆0 √𝑞𝑌𝑌
Nilai-nilai 𝑞𝑋𝑋 , 𝑞𝑌𝑌 , 𝑞𝑋𝑌 dan 𝑞𝑌𝑋 merupakan nilai yang diambil dari matriks kovarian
parameter. Sebagai contoh dapat dilihat pada contoh matriks kofaktor parameter
dengan ordo 2 x 2 sebagai berikut :
𝑞𝑋𝑋 𝑞𝑋𝑌
𝑄𝑋𝑋 = [𝑞 𝑞𝑌𝑌 ]
𝑋𝑌
𝑄𝑋𝑋 = [𝐴𝑇 . 𝐴]−1 atau 𝑄𝑋𝑋 = [𝐴𝑇 . 𝑃. 𝐴]−1 jika menggunakan bobot dari data
ukuran.
45
Contoh Perhitungan Nilai Elips Kesalahan (Error Ellipse) Pada Perataan
Jaring Kerangka Kontrol
Wisconsin
Bagder
Campus
Bucky
Dari hasil perhitungan data jaring kuadrilateral pada iterasi terakhir diperoleh data
sebagai berikut :
46
1.19874 −1.160249 −0.099772 −1.1402250
−1.160249 2.634937 0.193956 2.725964
𝑄𝑋𝑋 = [ ]
−0.099772 0.193956 0.583150 0.460480
−1.402250 2.725964 0.460480 3.962823
𝑡 = 1500 53′
𝑆𝑢 = ±0.25 𝑚
𝑆𝑉 = ±0.10 𝑚
𝑆𝑢 = ±0.27 𝑚
47
𝑆𝑉 = ±0.136 𝑥 √0.583150. 𝑐𝑜𝑠 2 𝑡 − 2. (0.460480). cos 𝑡. sin 𝑡 + 3.962823. 𝑠𝑖𝑛2 𝑡
𝑆𝑉 = ±0.10 𝑚
48
UJI STATISTIK NILAI KETELITIAN JARING KERANGKA KONTROL
HORISONTAL
Nilai ketelitian dari ukuran dapat diuji secara statisitik sebagai salah satu langkah
untuk mengetahui apakah data ukuran mengandung kesalahan selain kesalahan
acak (random error). Uji statistik yang digunakan sering disebut juga sebagai
Goodness Of Fit Test, pengujian dilakukan dengan membuat hipotesa H0 : S2 = 1 dan
Ha : S2 ≠ 1. Baik pada Ho dan Ha nilai variance apriori (varians sebelum dilakuan
perataan jaring) diasumsikan memiliki nilai 1 (nilai 1 diambil dari distribusi normal
𝑋̅ = 0 dan 𝜎 = 1). Jika Ho diterima maka data ukuran tidak mengandung kesalahan
selain kealahan acak demikian sebaliknya. Jika H1 diterima maka pengujian dapat
dilakukan dengan deteksi blunder (data snooping) untuk mengetahui data ukuran
mana yang mengandung kesalahan selain kesalahan acak.
Uji statistik nilai varians sampel terhadap varians populasi untuk dua sisi (two
tailed) menggunakan distribusi chi-square (𝜒 2 ) dapat ditulis dengan persamaan
sebagai berikut :
𝑣. 𝑆 2 2
𝑣. 𝑆 2
< 𝜎 < 2
𝜒 2 𝑎/2 𝜒 1−𝑎/2
Persamaan diatas menyatakan range nilai populasi berapada pada rentang batas
bawah (lower bound/left side) dan dan batas atas (upper bound/right side).
Nilai 𝜒 2 sampel dapat dihitung menggunakan persamaan sebagai berikut :
2
𝑣. 𝑆 2
𝜒 = 2
𝜎
Nilai 𝜒 2 untuk masing-masing batas bawah dan batas atas berdasrkan significance
level (𝑎) dan ukuran lebih (𝑣) dapat dilihat dari tabel chi square
49
(https://www.medcalc.org/manual/chi-square-table.php). Perlu dicatat untuk
batas bawah 𝜒 2 𝑎/2 diperoleh dari tabel dengan melihat perpotongan nilai pada
kolom 𝑎/2 dan baris pada nilai 𝑣 (degree of freedom atau disingkat df). Demikian
juga batas atas 𝜒 21−𝑎/2 diperoleh dari tabel dengan melihat perpotongan nilai
Berikut akan diberikan contoh pengujian Goodness Of Fit Test menggunakan data
dari jaring kuadrilateral (lihat di halaman sebelumnya) sebagai berikut :
Nilai standar deviasi
𝑆0 = ±0.136 𝑚
Nilai varians
𝑆02 = 0.0185 𝑚
dengan tingkat kepercayaan 99% dan significance level (𝑎) 1% adalah sebagai
berikut :
Hipotesa 𝐻0 menyatakan bahwa nilai varians populasi adalah sama dengan nilai
varians sampel. Nilai varians populasi (aposteriori varians) adalah 1 (mengikuti
distribusi normal). Dan 𝐻𝑎 adalah menyatakan bahwa nilai nilai varians populasi
adalah tidak sama dengan nilai varians sampel. Peryataan tersebut dapat ditulis
sebagai berikut :
𝐻0 ∶ 𝑆 2 = 1
𝐻𝑎 ∶ 𝑆 2 ≠ 1
Nilai 𝜒 2 sampel dihitung sebagai berikut :
𝑣. 𝑆 2 1 𝑥 0.0185
𝜒2 = = = 0.0185
𝜎2 1
50
Daerah penerimaan dan penolakan Ho dapat dihitung sebagai berikut :
2
0.0185 = 𝜒 2 < 𝜒0.005 =7.87
Nilai 7.87 diperoleh dari tabel chi –square (https://www.medcalc.org/manual/chi-
square-table.php) dimana nilai kolom 𝑎/2 diperoleh dari 1%= 001 dan 0.01/2 =
2
0.005 sehingga nilai 0.0185 = 𝜒 2 > 𝜒0.995 = 0.000039
Nilai 0.000039 diperoleh dari tabel chi –square
(https://www.medcalc.org/manual/chi-square-table.php) dimana nilai 1 − 𝑎/2
diperoleh dari 1%= 001 dan 1 – 0.005 = 0.995
Dari hasil uji hipotesa tersebut dapat ditarik kesimpulan bahwa Ho dapat diterima
karena nilai varians sampel berada pada rentang nilai varians populasi yaitu :
0.000039 < 0.0185 < 7.87
Kesimpulannya bahwa tidak terdapat kesalahan selain kesalahan acak pada data
pengukuran.
51
KUALITAS JARING KERANGKA KONTROL
Kualitas jaring kerangka kontrol dapat diukur dari tingkat presisi dan akurasi. Untuk
tingkat presisi dapat menggunakan nilai ketelitian dari matriks kovarians parameter
dimana nilai ketelitian posisi (parameter) dapat ditentukan. Selanjutnya nilai
tersebut disesuaikan dengan aturan yang diadopsi. Beberapa negara menggunakan
beberapa ukuran terkait dengan ketelitian posisi horisontal yang disebut sebagai
positional uncertainty dan local uncertainty. Tabel berikut menunjukkan beberapa
ukuran ketelitian posisi horisontal yang digunakan :
Tabel ukuran ketelitian posisi horisontal
No Probabilitas (%) c Nama
1 35 – 39 1 Standard error ellipse
2 50 1.18 Circular error proable (CEP)
3 63.2 1.41 Distance RMS (DRMS)
4 86.5 2 Two-sigma ellipse
5 95 2.45 95% confidence level
6 98.2 2.83 2 DRMS
7 98.9 3 Three-sigma ellipse
Nilai c merupakan konstata pengali untuk menghitung tingkat presisi yang dapat
digunakan dengan persamaan sebagai berikut :
𝑆𝑈% = 𝑆𝑈 . 𝑐
𝑆𝑉% = 𝑆𝑉 . 𝑐
Nilai 𝑆𝑈 dan 𝑆𝑉 merupakan nilai yang diperoleh dari perhitungan elips kesalahan
(lihat halaman sebelumnya)
52
Ukuran kualitas dari jaring kontrol horisontal dapat dilihat dari reliabilitas yang
terdiri atas internal reliabilitas dan eksternal reliabilitas. Internal reliabilitas terkait
dengan kemampuan jaring dalam mendeteksi kesalahan selain kesalahan acak
pada data ukuran. Eksternal reliabilitas terkait dengan kemampuan jaring dalam
mendeteksi efek dari kesalahan selain kesalahan acak terhadap koordinat atau
posisi titik kontrol dalam jaring. Salah satu ukuran reliabilitas adalah nilai
redundansi (redundancy value). Nilai redundansi diperoleh dari persamaan sebagai
berikut :
𝑟𝑖𝑖 = 𝑞𝑖𝑖 . 𝑝𝑖𝑖
Dimana :
𝑟𝑖𝑖 = nilai redundansi ukuran ke-i
𝑝𝑖𝑖 = nilai bobot ukuran ke-i
𝑞𝑖𝑖 = nilai kovarians matriks residual untuk residual ukuran ke-i
Nilai kovarians matrik residual diperoleh dari persamaan sebagai berikut :
𝑄𝑉𝑉 = 𝑃−1 − 𝐴(𝐴𝑇 . 𝑃. 𝐴)−1 . 𝐴𝑇
Jika dinyatakan dalam bentuk matriks nilai redundansi dapat dinyatakan dengan
persamaan sebagai berikut :
𝑅 = 𝑄𝑉𝑉 . 𝑃
Dimana nilai redundansi berada pada diagonal utama dari matriks R. Nilai
redundansi berkisar antara 0 -1 dimana nilai maksimum 1 menunjukkan jaring
kerangka kontrol yang sempurna. Tabel berikut menunjukkan ukuran nilai
redundansi dan kualitas jaring kerangka kontrol.
53
Tabel ukuran kualitas jaring kontrol dan nilai redundansi
No Nilai redundansi (rii) Kriteria jaring kontrol
1 0 < rii < 0.01 Bukan jaring kontrol
2 0.01 < rii < 0.1 Jaring kontrol dengan kualitas rendah
3 0.1 < rii < 0.3 Jaring kontrol dengan kualitas bagus
4 0.3 < rii < 1 Jaring kontrol sempurna
54
CONTOH PERHITUNGAN KUALITAS JARING KERANGKA KONTROL
Berikut akan diuraikan contoh perhitungan kualitas jaring kotnrol dari contoh jaring
kuadrilateral dengan data jarak seperti terlihat pada contoh sebelumnyas sebagai
berikut :
Wisconsin
Bagder
Campus
Bucky
Untuk menhitung presisi dari jaring yaitu menghitung ketelitian koordinat dapat
menggunakan persamaan sebagai berikut :
𝑆𝑈% = 𝑆𝑈 . 𝑐
𝑆𝑉% = 𝑆𝑉 . 𝑐
Untuk menghitung ketelitian posisi dengan kriteria ketelitian CEP (circular error
proable) sebagai berikut :
CEP untuk stasiun Wisconsin
𝑆𝑈50% = ±0.25 .1.18 = ±0.295
𝑆𝑉50% = ±0.10 .1.18 = ±0.118
−1
1 0 0 0 0 0.98408 0.17772 0 0
0.98408 0 −0.30853 0.68902 0
0 1 0 0 0 0 0 0.94453 −0.32843
0.17772 0 0.95121 0.72474 0
[ ]. 0 0 1 0 0 . −0.30853 0.95121 0.30853 −0.95121 .
0 0.94453 0.30853 0 0.99002
0 0 0 1 0 0.68902 0.72474 0 0
0 −0.32843 −0.95121 0 0.14092 [
[ 0 0 0 0 1] [ 0 0 0.99002 0.14092 ]]
1 0 0 0 0 −1
0 1 0 0 0
𝑄𝑉𝑉 = 0 0 1 0 0 −
0 0 0 1 0
[0 0 0 0 1]
0.9733 −0.6735 −0.0637 −0.8955
0.98408 0 −0.30853 0.68902 0
0.3663 −0.7121 0.3996 −0.8666
0.17772 0 0.95121 0.72474 0
−0.1704 0.3312 −0.0428 −0.6018 . [ ]
0 0.94453 0.30853 0 0.99002
−0.0150 1.1102 0.0718 1.0095
[−0.2964 0 −0.32843 −0.95121 0 0.14092
0.5762 0.6422 1.0143 ]
56
1 0 0 0 0
0 1 0 0 0
𝑄𝑉𝑉 = 0 0 1 0 0 −
0 0 0 1 0
[0 0 0 0 1]
0.9733 −0.6735 −0.0637 −0.8955
0.98408 0 −0.30853 0.68902 0
0.3663 −0.7121 0.3996 −0.8666
0.17772 0 0.95121 0.72474 0
−0.1704 0.3312 −0.0428 −0.6018 . [ ]
0 0.94453 0.30853 0 0.99002
−0.0150 1.1102 0.0718 1.0095
[−0.2964 0 −0.32843 −0.95121 0 0.14092
0.5762 0.6422 1.0143 ]
Jika nilai redundansi tersebut disesuaikan dengan tabel ukuran kualitas jaring
kontrol dan nilai redundansi maka, bentuk jaring kuadrilateral dengan data ukuran
jarak sejumlah 5 (lima) data jarak secara umum dapat dikategorikan sebagai jaring
dengan kualitas bagus dimana rentang nialai R berada pada level 0.1 < rii < 0.3.
57
TUGAS TERSTRUKTUR JARING KERANGKA KONTROL
Y
(6) X
(3) (1)
BM A = 100 m
58
B. Jaring Kontrol Horisontal Trialeterasi
D
E
Koordinat Titik BM
Stasiun Timur Utara
A 10487.220 m 11547.206 m
C 16723.691 m 14258.338 m
Koordinat Pendekatan
Stasiun Timur Utara
B 12349.500 m 14708.750 m
D 17927.677 m 11399.956 m
E 13674.750 m 10195.970 m
F 14696.838 m 12292.118 m
59
C. Jaring Kontrol Horisontal Triangulasi
D
A
Koordinat Titik BM
Stasiun Timur Utara
A 114241.071 m 91294.643 m
B 116607.143 m 108392.857 m
Koordinat Pendekatan
Stasiun Timur Utara
C 135982.143 m 107857.143 m
D 131567.500 m 90669.643 m
60
D. Jaring Kontrol Horisontal Traverse
276036’02
B ”
123013’06
255029’33 ”
” A MK
C
MK
Koordinat Titik BM
Stasiun Timur Utara
MK1 991.31 m 667.65 m
MK2 6225.391 m 1037.109 m
A 944.79 m 756.17 m
C 6125.48 m 1032.90 m
Koordinat Pendekatan
Stasiun Timur Utara
B 4203.792 m 3714.448 m
61
DESKRIPSI TUGAS
a. Uraikan hubungan fungsi matematis tiap data ukuran dengan parameter yang
dicari.
b. Tentukan nilai matriks Ukuran (L), matriks koofisien parameter (A/J), matriks
parameter (X) dan matriks bobot (W/P) untuk masing-masing jaring kerangka
kontrol.
c. Tentukan nilai matriks ketelitian parameter (Qxx), matriks ketelitian ukuran (QLL),
matriks ketelitian residual (QVV) untuk masing-masing jaring kerangka kontrol
d. Hitung masing-masing nilai parameter dengan menerapkan prinsip least square
dengan metode perataan parameter untuk masing-masing jaring kerangka
kontrol.
e. Lakukan uji statistik dengan uji hipotesa menggunakan distribusi chi-square
dengan tingkat kepercayaan 99% dan significance level 1% untuk nilai varians
(standart error) masing-masing jaring kerangka kontrol.
f. Lakukan perhitungan elips kesalahan dari masing-masing parameter untuk
masing-masing jaring kerangka kontrol.
g. Gambarkan bentuk elips kesalahan dari masing-masing parameter untuk
masing-masing jaring kerangka kontrol menggunakan perangkat lunak Autocad
termasuk didalamya adalah sebaran titik ukur dan titik kontrol. Penggambaran
dapat menggunakan skala jika ukuran Sx dan Sy terlalu kecil. Hasil gambar
dikirimkan bersama laporan dalam format CAD versi 2012.
h. Lakukan perhitungan presisi titik kontrol dari masing-masing bentuk jaring
kerangka kontrol dalam bentuk CEP (Circular error proable)
i. Lakukan perhitungan reliabilitas jaring kerangka kontrol dengan menghitung
nilai redundansi dan buatkan kesimpulan berdasarkan nilai redundansi tersebut
j. Untuk setiap data ukuan jarak dan sudut pada fraksi cm dan mm untuk ukuran
jarak dan fraksi detik untuk ukuran sudut diganti dengan rata-rata dua digit
terakhir nilai NIM dari anggota kelompok
62
CATATAN :
a. Tugas dikerjakan secara kelompok dengan anggota maksimum 4 mahasiswa
b. Tugas diketik dengan huruf Calibri dengan ukuran 14
c. Persamaan matematis diketik degnan huruf Calibri math 14
d. Ukuran margin atas 3 cm, kiri 4 cm, bawah 3 cm, kanan 2.5 cm
e. Tugas dijilid dan diberi sampul sesuai dengan buku pedoman/juknis jurusan
f. Tugas dalam bentuk softcopy dikumpulkan paling lambat hari 19 – Juni –
2020 Jam dan upload ke google drive
63
64