1
b
a
c
d1 b
d3
A
a
c
d2
Diukur: d1, d2, d3, a, b, c.
Model matematika yang dapat disusun untuk kasus ini menjadi bermacam-
macam:
a + b + c – 1800 = 0
d3/sin a = d2/sin b = d1/sin c
d12 = d22 + d32 – 2 d2 d3 cos c
A = (s(s-d1) (s-d2) (s-d3))1/2 dimana s = (d1 + d2 + d3)/2
A = 0.5 d2 d3 sin c
Berapa banyak model yang diperlukan?
Berapa banyak pengamatan yang diperlukan?
Sekumpulan pengamatan yang teratakan secara konsisten akan
menghasilkan nilai parameter yang sama ( misalnya A) tanpa memandang
kombinasi pengukuran yang dipakai.
Tetapi, bagaimana agar pengamatan tersebut konsisten dengan model
matematika?
2
d). Untuk lebih jelasnya, perhatikan tiga buah traverse beda tinggi berikut.
Beda tinggi terukur diindikasikan sebeprti:
(2,3) (-0,7)
2,2 -0,8
2,1 0,6
-01,2 (2,7)
A B C
(-0,5) 2,5
H=10m
2,3 -0,1 1,4
-0,6 (1,3) 1,5
(2,2)
(1,4)
3
Beberapa aspek seperti desain dan kualitas menjadi penting, dan
kadangkala aspek-aspek ini tidak berkorelasi.
Misalnya, perhatikan pengaruh geometri dari suatu desain pada kasus berikut:
akan ditentukan posisi titik P, dengan cara setting out dengan sudut siku-siku
dan dengan perpotongan jarak.
P
Pd d
P kurang sensitif thd. P kurang sensitif thd.
P Pa
kesalahan krn. faktor Pa kesalahan krn. faktor
sudut () ketimbang Pd d
jarak (d) dari pada
thd. faktor jarak (d) faktor sudut ()
s
bata
batas d
A
d'
Dalam kasus A digunakan sudut untuk penentuan posisi P, dan dalam kasus B
digunakan perpotongan jarak.
yg. terhitung
x1
x2
4
2. Saat kita lebih mengetahui bahwa nilai m dan b yang terhitung berelasi
dengan ekspektasi, kita akan menambah pengukuran (redundant
observations). Model matematikanya menjadi l + v = Ax
vi
x1
x2
5
Parameter yang akan dicari disini adalah Volume.
a
b
6
Metodologi Pengukuran didalam Geomatika
Model
Tidak Matematika
Mengkoreksi Model OK?
Meformulasikan Matematika
(2) Model Matematika
Ya
Ya
Tidak Ya
(5)
Pengkajian pra- Mengkoreksi prosedur Pengkajian pra
OK? pemrosesan data & manajemen & Tidak prosesing data &
manajemen pengkajian pra manajemen OK?
pemrosesan
Ya
Ya
(6) Mengkoreksi prosedur
Pemrosesan data - Tidak Pemrosesan
Perataan pemrosesan data Data OK?
Ya
(8) Penyajian Hasil
Selesai
7
2.1.2 Memformulasikan Model Matematika
Model matematis biasanya selalu berdasarkan hukum geometri atau fisika
tertentu, dan hukum ini merelasikan antara pengamatan (pengukuran) dengan
parameter yang akan dicari.
Dengan kata lain, parameter yang dicari tidak selalu bisa diukur secara
langsung, jadi diperlukan suatu model yang menjelaskan hubungan matematis
antara pengamatan dengan parameter yang dicari.
Contoh:
1. Refraksi atmosfir dari suatu perambatan gelombang adalah:
P e
refraksi N L 0.2696 N G 11.25
T T
dimana NL = f(P,T,e)
parameter: NL
pengamatan/pengukuran: P, T, dan e
konstanta: NG
2. Tekanan uap jenuh, es
17.27t
es 6.1078 t 237.3
parameter: es
pengukuran: t (wet-bulb temperature)
3. Persoalan dalam ukur tanah, jarak AB akan dicari, tetapi tidak dapat secara
langsung diukur.
A
a
d2 danau
d3
c b
C
d1 B
Untuk menghitung parameter d3, sudut a,b,c dan jarak d1 dan d2 diukur. Model
matematika adalah abstraksi dari hubungan geometris dari segitiga bidang
datar. Dalam model ini, semua pengukuran harus dilibatkan. Untuk kasus ini
model dapat berupa:
8
d3 = d1 sin c / sin a
d3 = d2 sin c / sin b atau
d32 = d12 + d22 - 2 d1 d2 cos c
0 = a + b + c - 1800
atau model lain dapat digunakan asalkan keduanya linier independen dan
melibatkan semua pengukuran.
Catatan tentang Linier independen dapat dilihat pada bagian akhir bahasan ini.
h2 = h1 + h12
h3 = h2 + h23
= h1 + h12 + h23
seperti yang akan kita lihat nanti bahwa model matematika dapat terdiri
pengamatan/pengukuran, parameter, dan konstanta, atau kombinasi dari
semuanya.
9
Contoh lain:
P e
N L 0.2696 N G 11.25
T T
dari rumus diatas asumsikan bahwa ketilitian NL adalah 1 unit. Kita harus
dapat menentukan sampai ketelitian berapa kita harus mengamati P, T dan e.
jawabannya adalah tidak jelas, namun demikian hal tersebut dapat ditentukan
melalui cara linierisasi dan perambatan kovarian.
Contoh lain, pada penentuan posisi titik I secara spasial triangulasi, sampai
ketelitian berapa sudut (asimuth) harus diukur agar ketelitian koordinat I
terpenuhi? Katakanlah standar deviasi yang harus dicapai adalam dalam mm,
tetapi standar deviasi pengukuran asimuth adalah dalam detik.
1
A
I (xi, yi)
2
B
3
v ˆ
tujuan dari hal ini adalah untuk menjaga agar v tetap minimum, atau
diekspresikan dengan cara lain, untuk memastikan bahwa selisih dan ̂
selalu seminimal mungkin.
10
Ada tiga macam kesalahan:
Gross error: (large blunders) kesalahan yang kuantitasnya angat signifikan,
yang mungkin disebabkan oleh salah catat, salah baca, dll.
Systemetic error: kesalahan yang disebabkan/dipengaruhi oleh instrument,
dan karena itu kesalahan ini menumpuk secara sistematis didalam
pengukuran. Kesalahan ini dapat terjadi baik pada saat pengukuran maupun
didalam model matematika.
Random error: kesalahan yang tersebar/teracak pada nilai pengamatan;
biasanya kesalahan ini selalu diasumsikan terdistribusi normal, dengan
ekspektasi (mean value) adalah nol.
Contoh: pembacaan beda tinggi pada rambu ukur
Pengukuran : 3.210, 3.212, 3.208, 3.211, 3.311, 3.216, 3.209, 3.210
Gross error: 3.311 (kemungkinan karena salah baca)
Systematic error: tidak terlihat secara nyata, tidak dapat diperiksa kecuali
kalau modelnya memenuhi syarat.
Random error: terdeteksi dengan varian atau standar deviasi, . Setelah gross
error ini dibuang (reject) apakah ketelitiannya sudah memenuhi syarat? Tes
statistik untuk mendeteksi outlier harus dilakukan. Tetapi untuk saat ini
anggaplah kriteria penolakan tersebut sebesar: ( - ̂ ) > 3.
11
Pada kasus yang pertama, biasanya dapat dihilangkan pada pra-pemrosesan
data. Sedangkan variasi yang masih terdapat didalam proses pengestimasian
nilai parameter yang memiliki pengamatan lebih (kasus kedua) sering disebut
dengan istilah stochastic.
Catatan:
Tanpa adanya pengamatan lebih tidak akan ada proses pemeriksaan lebih
lanjut. Dalam mendesain suatu pengamatan didalam geomatika harus selalu
memiliki pengamatan lebih. Berapa banyak pengamatan lebih yang harus
diambil, ditentukan dalam proses desain atau pra-analisa.
Tujuan dalam tahapan pemrosesan data adalah untuk menghasilkan parameter
yang sesuai dengan kriteria tertentu.dari beberapa solusi yang mungkin, hanya
ada solusi yaitu hasil dari hitung kuadrat terkecil (least square solution)
dimana jumlah kuadrat dari residu adalah minimum.
Parameter-parameter didalam model matematika juga berhubungan dengan
estimasi ketelitiannya (akurasi). Varian atau standar deviasi dari parameter
adalah fungsi dari dua faktor:
Ketelitian dari pengamatan(pengukuran)
Model matematikanya itu sendiri (misalnya merubah bentuk geometriknya
akan merubah ketelitiannya).
Ketelitian pada kasus pertama dapat ditingkatkan dengan menambah
pengamatan lebih. Pada kasus kedua, ketelitian model sangat tergantung dari
systematic error yang tidak dapat dihilangkan.
12
Menetapkan “confidence interval” dan “confidence regions” berkenaan dengan
parameter.
Contoh:
Suatu jarak diukur dengan macam alat survei yang berbeda, EDM dan GPS.
Hasilnya adalah dEDM = 1062.31, dEDM = 0.05, dan dGPS = 1062.45 + 0.02.
apakah kedua cara ini kompatible? Jika tidak, apakah perbedaan hasil ini
mencerminkan adanya kesalahan pengukuran?
13
Didalam geomatika secara umum model fungsi itu memeiliki hubungan
geometris, model yang tergantung pada waktu, dan berdasarkan pada dalil-
dalil fisika.
Walaupun model itu dapat diinterpretasikan sebagai bentuk geometrik
(misalnya jaringan trilaterasi), bentuk fungsinya adalah sekumpulan dari
persamaan matematika yang menjelaskan hubungan antara unknown
parameter dengan pengamatan.
Sebagai contoh didalam disiplin ilmu berikut:
Surveying – hubungan trigonometri bidang datar, geometri 3-D ruang
Euclidean, dalil-dalil fisika tentang perambatan cahaya.
Photogrammetry – dalil tentang proyeksi pada pusat perspektif yang
menghubungkan antara titik-titik di citra dengan lokasinya pada ruang
Euclidean 3D.
Geodesy – segitiga bola untuk astronomi, hukum gaya berat untuk
penentuan gravitasi bumi, penentuan model orbit satelit – solid mechanics
Model harus mewakili kondisi sebenarnya di lapangan. Tiga buah segitiga
yang diamati sudutnya di permukaan bumi. Jika cakupan areanya kecil (tidak
luas), kita dapat memberlakukan rumusan a + b + c –1800 = 0. Tetapi jika
cakupan areanya sangat luas maka kita harus menggunakan ellipsoid, dan
modelnya harus diubah menjadi a + b + c – (1800 + e) = 0. Dimana e
spherical excess.
Mungkin akan terdapat beberapa model untuk menyelesaikan masalah dalam
suatu pengukuran tertentu. Tetapi secara umum, model final harus memiliki
jumlah minimum ekspresi linier independen yang menyertakan semua
pengamatan.
Secara simbolik, model fungsi atau matematika dapat ditulis sebagai:
f (q) f (c, x, ) 0
dimana:
c – merupakan konstanta, misalnya satuan detik dalam radian ( =
206264.8062), kecepatan cahaya atau koefisien. Konstanta ini diasumsikan
memiliki varian nol (c2 = 0). Biasanya konstanta diperlakukan sebagai
bagian dari model. Ambil contoh dalam pengukuran segitiga abc:
14
– vektor pengamatan i, yang secara langsung diamati nilainya berdasarkan
suatu kriteria ketelitian tertentu. Kualitasnya diekspresikan dalam varian atau
standar deviasi dan merupakan bagian penting dalam tahap perataan
pengamatan (adjusdment of observation), residual vi akan berbanding terbalik
dengan besarnya varian apriori si2.
Didalam geomatika pengamatan dapat terdiri dari pseudo-range GPS, sudut,
koordinat citra/foto, beda tinggi, dll.
Suatu model matematika mungkin saja dapat tidak memiliki konstanta dan
parameter, tetapi harus selalu memiliki pengamatan. Karena itu model sering
diistilahkan sebagai persamaan pengamatan.
Berbagai aplikasi didalam Geomatika umunya selalu mencari solusi untuk
parameter unknown x, dan solusi untuk pengamatan hasil perataan. Kualitas
pengukuran (standar deviasi/varian) juga dicari solusinya dari model linier
yang berpengamatan lebih didalam hitung kuadrat terkecil.
4 LINIERISASI
Dalam mata kuliah ini hanya model matematika yang linierlah (dilinierkan)
yang akan dipakai. Sehingga jika dijumpai suatu model matematika yang tidak
linier biasanya harus dibuat linier terlebih dahulu (diekspresikan kedalam
bentuk linier).
Ax B w 0
f (c, x, ) 0
A Bv w 0
dimana A dan B merupakan matrik desain (matrik koefisien), w merupakan
perbedaan (selisih) antara pengamatan dengan model pendekatan,
merupakan koreksi dari nilai pendekatan (perkiraan) untuk parameter, dan v
merupakan vektor residu dari pengamatan. Misalnya:
^ ^
x x 0 dan v
dimana ' ^ ' mengindikasikan nilai perkiraan
Ingatlah bahwa suatu persamaan yang linier hanya mengandung variabel-
variabel berorde satu. Contoh, perhatikan konstanta dan variabel x,y,z untuk
persamaan berikut:
ax + by – c2 = 0 adalah persamaan linier
cx + y2 = 0 bukan persamaan linier (non-linier)
xy + bz – c = 0 bukan persamaan linier (non-linier)
15
4.1 TEKNIK LINIERISASI
Untuk merubah bentuk non-linier menjadi bentuk linier sering disebut dengan
liniersiasi.
Suatu deret fungsi trigonometri, misalnya sin x = x – x3/3! + x5/5! - …. (x
dalam radian); jika x mendekati nol maka x sin x.
(x n a) 2
Logaritma : ax e x n a 1 x n a 1 x n a
2!
Linier
= 0 jika x sangat
kecil
df
y f(x) f(x 0 )
dx x 0
x - x0
d 2f
2
dx x 0
x - x 0 2 ......
2!
Jika (x – x0) sangat kecil maka (x – x0)2 0, seperti yang terjadi untuk orde-
orde yang lebih tinggi lagi. Hal ini akan menyebabkan:
y f ( x) f ( x 0 )
df
dx x0
x x 0 f (x 0 ) j.
Sebagai contoh:
Jika y = f(x) = x2 + x3, evaluasilah fungsi tersebut untuk x=1.1
Dalam hal ini ambilah nilai pendekatan x0 = 1 dan perbedaan = 0.1, maka:
df
y 0 f (x 0 ) 1 1 2, 2x 0 3x 02 5
j
dx x0
y 2 5. 2.5 (nilai sebenarnya untuk f(1.1) 2.541)
16
y=f(x)
2 y0 + jx =
y0=f(x0) gradien pada
Y 1 y0 + jx2 x0
0
y + jx1
1 dan 2 merupakan
pengaruh dari orde-orde
x1 yang lebih tinggi
x2
4.1.2 Iterasi
Iterasi adalah suatu proses komputasi yang dilakukan secara berulang-ulang
untuk memperbaiki nilai pendekatan x0 dengan prosedur sbb:
i. pilihlah nilai pendekatan untuk x = x10 dan hitunglah:
x x10 1j f (x) f (x 0 )
ii. berikan nilai x yang didapat dari tahap (i) sebelumnya ke x20 dan gunakan
untuk hitungan yang sama:
x i 1 x 0i 1j f (x) f (x 0 )
iii. teruskan proses perulangan ini sampai ditemukan solusi untuk x, atau
ketika f(x) = f(xi0), misalnya pada saat x0i+1 = xi0.
Contoh hitungan:
x i 1 x 0i 1j f (x) f (x 0 ) dan
17
catatan:
jika penentuan nilai pendekatan x10 terlalu besar (jauh) dari nilai sebenarnya
akan membutuhkan iterasi yang sangat banyak.
Proses iterasi dapat dihentikan bila:
f
f (u) f (x 0 )
x x0
f x1
x 2 f x10
x 02
f
x1 x0
1
f
x 2 x0
2
1 2
f x10
x 02 j1
x
j2 1
x 2
18
y0 1
10
y 2
0 2
y dan
0 n
y m
0
ordo matrik dan vektor tersebut adalah : m J n , m y1 , n 1
Contoh-contoh soal:
Soal 1
Suatu model matematika terdiri dari dua fungsi yaitu:
y1 x12 x 3
y 2 x1 x 32
2
x0 1
1
0 0
Linierisas ikan fungsi - fungsi tersebut pada x x 2 1
x0 1
3
Jawaban:
y1 y 2
2x1 0
x1 x1
y1 y 2
0 12
x 2 x 2 x2
y1 y 2
1 2x 3
x 3 x 3
1
y 1 0 2 1 0 1
y 2
y 2 2 0 1 1 2 1
3
persamaan :
y y 0 J
1
0 2 0 1
y 2
2 0 1 2
3
19
Soal 2
Linierisasikan Persamaan:
x12 sin x 2 x 32 0
6x1 cos x 3 2.5 0
menjadi bentuk y y 0 J
Jawaban:
02 0 03
0 x sin x x
y 1 2 2
6x cos x 2.5
0 0
1 3
x1
x 2
x 3
Persamaan Matrik:
02
x
y 1
sin x 0
2 x 03 2x 0 sin x 0
2 1 2 x10 cos x 02 3x 02 0
x1
x
6x cos x 2.5
0 0 6 0 sin x 30 0 0 0 2
1 3 x1 , x 2 , x3 x 3
20
c1 u1 + c2 u2 + …+ cn un = 0
contoh:
Apakah sekumpulan vektor-vektor berikut u1 = (1,1,-1,-1), u2 = (2,2,2,-2), u3 =
(3,3,1,-3), u4 = (1,1,3,-1) linier independen? Untuk dapat menjawabnya
susunlah persamaan vektornya: c1 u1 + c2 u2 + c3 u3 + c4 u4 = 0.
Dalam bentuk matrik persamaan tersebut menjadi:
1 2 3 1 c1 0
1
2 3 1 c 2 0
1 2 1 3 c 3 0
1 2 3 1 c 4 0
A x 0
1 2 3 1 1 0 0 1
1 2 3 1 0 1 1 1
1 2 1 3 0 0 0 0
1 2 3 1 0 0 0 0
Setelah matrik A direduksi (ruas kanan) terdapat elemen baris yang semua
anggotanya bernilai nol. Nilai rank suatu matrik adalah jumlah elemen baris
yang anggotanya ada yang tidak bernilai nol. Karena elemen baris kesatu dan
kedua tidak semuanya nol maka dikatakan rank matrik A adalah 2. Elemen
baris ini disebut dengan linier independen. Sedangkan baris yang semua
elemennyya nol disebut dengan linier dependen.
Didalam hitung kuadrat terkecil, sekumpulan persamaan matematika hanya
dapat diselesaikan jika kesemuanya adalah linier independen dan rank
matriknya sama dengan jumlah unknown atau lebih.
Cara praktis untuk mengetahui suatu matrik adalah linier independen atau
tidak adalah dengan memeriksa nilai determinanya. Jika nilai determinannya
tidak sama dengan nol maka dapat dikatakan persamaan tersebut adalah linier
independen.
21
Rumus-rumus Turunan (Diferensial) yang mungkin berguna
D x u n nu n 1D x u D x u v D x u D x v
u vD x u uD x v
D x uv uD x v vD x u Dx
v v2
Dx eu eu Dxu D x (a u ) a u ln a D x u D x (ln u) u1 D x u
D x (sin u) cos u D x u D x (cos u) sin u D x u
D x (tan u) sec 2 u D x u D x (cot u) csc 2 u D x u
D x (sec u) sec u tan u D x u D x (csc u) csc u cot u D x u
1 1
D x (sin 1 u) Dxu D x (cos1 u) Dxu
2 2
1 u 1 u
1 1
D x (tan 1 u) Dxu D x (cot 1 u) Dxu
1 u2 1 u2
1 1
D x (sec 1u) Dxu D x (csc 1u) Dxu
2 2
u u 1 u u 1
22