HITUNG PERATAAN TERAPAN

Minggu 8

Dr. Ir. Dwi Lestari, S.T, M.E, IPM

FUNGSI HITUNG PERATAAN:
1. ESTIMASI :
Menaksir to the best knowledge sesuatu yang belum diketahui
berdasarkan data yang tersedia
2. ANALISIS DATA :
- Mendeteksi kesalahan tak acak
- Evaluasi ketelitian (presisi, akurasi)
- Kehandalan jaring

ESTIMASI??? ANALISIS DATA???

 Persamaan garis 2 buah titik:
y = ax +b

Jika titik-titik 1,2,3…8 diketahui

koordinatnya
Y

7 8

3 6
2 5
4
1

Garis melalui titik 1 & 8 Garis melalui titik 3 & 8

Persamaan Garis yang fit

Garis melalui titik 2 & 7
untuk semua titik
Pada kasus di atas dilakukan pengukuran jarak miring/datar, asimut, dan sudut di
masing-masing titik polygon, kemudian ditentukan koordinat masing-masing titik
polygon.
 Monitor station

Titik yang akan

ditentukan posisinya

Baseline yang diamati

Dilakukan pengamatan menggunakan GNSS (GPS), diperoleh baseline antar
titik. Bagaimana koordinat titik-titik ditentukan?
Analisis transformasi datum iD’74 ke GDN 95
(Handoko & Abidin)

Distribusi titik sekutu ( 35 titik)

Dari 35 titik sekutu yang diketahui posisinya di 2 datum tersebut, bagaimana

menentukan parameter transformasi antar sistem, bagaimana akurasinya?
 Safi, dkk (2017)

Bagaimana menentukan model pasut terbaik dari pengamatan GPS, untuk mengisi
kekosongan data antara jam 13.12 s.d 15.36?
 ALGORITMA HITUNG KUADRAT TERKECIL
Instrument Model
calibration observation

Stochastic Mathematical
model model

Least square
Redundancy algorithm Adjusted
numbers parameters

Internal & external Var-cov of

reliability adj.parameters
(ellipses)
Var-covariance
propagation Quality-controlled
obs
 Elemen Least square Adjustment (1)

INPUT
1. Model stokastik :
– adanya sifat-sifat stokastik (terdistribusi) pada ukuran
(data ukuran merupakan variabel random)
– varian dari distribusi menentukan model stokastik
– memberikan informasi ketelitian pengukuran (Σlb) misal :
kalibrasi alat
– pada perataan :
−1
1 P = Qlb
Qlb =
 02
 lb
−1
P =  02  lb
 Elemen Least square Adjustment (2)

INPUT
2. Model matematika
– menyatakan hubungan matematik antara data ukuran
dengan parameter
– diturunkan dari model pengamatan
– model matematik akan menentukan model persamaan
observasi, misal pada metode parameter V = AX – L,
model matematik akan mempengaruhi bentuk matriks A
&L
 Elemen Least square Adjustment (3)
OUTPUT
Adjusted parameters
Var-cov of adj.parameters (ellipses)
Var-covariance propagation

Quality-controlled obs
Internal & external reliability
Redundancy numbers
METODE KUADRAT TERKECIL (Leick, 2004)
Kombinasi Parameter Kondisi
Model non Linier F(La, Xa) La = F(Xa) F(La) = 0
Kekhususan - B = I, c = n, L = W A=0, c=r
Model Linier Ax + BV + W = 0 V = Ax + L BV = W
Normal N = AT(BP-1BT)-1A N = ATPA K = -(BP-1BT)-1W
Elemen t = AT(BP-1BT)-1W t = ATPL
Pers. Normal Nx = -t Nx = -t
Estimasi Parameter x = -N-1t x = -N-1t
Estimasi residu V = P-1BTK V = Ax + L V = P-1BTK
Estimasi posteori varian
V T PV V T PV
ˆ o2 = ˆ o2 =
c−u
-1
n−u
-1
Estimasi matriks Qx = N Qx = N
kofaktor parameter
Estimasi matriks Qv = P-1BTM-1(M-AN- Qv = P-1-AN-1AT Qv = P-1BTM-1BP-1
kofaktor residu 1AT)M-1BP-1

M=BP-1BT

Estimasi matriks QLa = QLb - Qv QLa = QLb - Qv QLa = QLb - Qv

kofaktor ukuran
terkoreksi

Ctt:
c : Jumlah persamaan (model matematik) = (r + u) n : Jumlah pengukuran
u: Jumlah parameter r : ukuran lebih = (n – no) no : ukuran minimal
METODE PARAMETER
Contoh pengukuran beda tinggi (Kasus 1)

dh1 Tentukan tinggi titik

1,2,3,dan 4 dengan metode
1 2
parameter

dh2 La = F(Xa)
dh6 dh3
dh1 = H2 – H1 ------→ dh1 + V1 = H2 –H1
dh2 = H3 – H2
dh4 3
4 dh5 -1 1 0 0
dh6 =H4 –H1 0 -1 1 0
-1 0 1 0
V1 = H2 –H1 – dh1 0 -1 0 1
X = [H1 H2 H3 H4]T
V2 = H3 – H2 – dh2 0 0 -1 1
-1 0 0 1
V6 = H4 – H1 –dh6
• Ternyata matrik ATA adalah matrik singular atau determinannya sama
dengan nol, sehingga tidak bisa diinvers.

• Akibatnya parameter estimasi dari hitung kuadrat terkecil dengan metode

parameter di atas tidak bisa diselesaikan. Hal tersebut terjadi karena ada
kekurangan rank pada matrik ATA. Rank suatu matriks didefinisikan sebagai
dimensi tertinggi suatu matrik sehingga determinannya tidak sama dengan
nol.

• Kembali kepada kasus penentuan tinggi titik dengan pengukuran sipat

datar di atas, singularitas matriks ATPA terjadi karena ada kekurangan rank
yang disebabkan oleh belum terdefinisikannya sistem koordinat. Apabila
kemudian salah satu titik (misalkan P1) ditetapkan sebagai referensi maka
matrik ATPA menjadi tidak singular sehingga solusi bisa diperoleh.

• Perataan dengan jumlah unsur yang diketahui sebanyak kekurangan

ranknya (satu pada sipat datar) disebut sebagai perataan dengan minimum
contraint. Apabila nilai referensi lebih dari jumlah kekurangan rank maka
perataannya disebut more than minimal constraint (atau full constraint
bila semua referensi digunakan)
Minimum dan full constraint

• Rank defect, matriks singular

• Suatu matriks yang mempunyai kekurangan rank (rank defect)
akan menyebabkan matriks tersebut akan singular.
• Rank suatu matriks didefinisikan sebagai dimensi tertinggi
suatu matriks sehingga determinannya tidak nol.
• Matriks dengan determinan nol, maka matriks tersebut
dikatakan singular sehingga tidak bisa diinverskan.
 Bagaimana untuk kasus 2D
4 d3
β7 3
β8 β6
β5 Titik 1 (X1,Y1) fix,
A12 fix
d5 Maka
n = 14
d4 u=6
d2
r = n-u = 8
d6
β4
β1 β3
β2
2
d1
1
Diketahui jaring sipat datar sebagai BM B= 100 ft
berikut
Z

Y X

BM A = 100 ft

Line Length Δ Elev (ft) S (ft)

(miles)
BM A - X 3 +1,05 ±0, 015
X- Z 3 - 0,95 ±0, 018
BM A -Y 1,5 +2,10 ±0, 012
Y-Z 1,5 -1,95 ±0, 020
Z – BM B 1 +0,10 ±0, 022
BM A - Z 2 +0,05 ±0, 015
 PERATAAN JARING BEBAS

Pengertian Jaring Bebas:

Jaring / kerangka yang tidak mempunyai titik referensi,
atau bila ada titik referensi maka dalam hitung perataannya
tidak berfungsi sebagai titik tetap atau tidak sebagai
konstanta.

Pada perataan jaring bebas semua titik diperlakukan sebagai

parameter, hal ini berakibat desain matrik A dependen linier
atau mempunyai rank defect (Pada metode parameter, ATA
singular atau determinannya sama dengan nol)
Pemecahan kasus singularitas secara konvensional bisa
dilakukan dengan:

- menghapus baris atau kolom yang bergantungan linier

- memberikan datum/ nilai referensi pada hitungan

- memberi nilai nol pada koreksi parameter yang

dijadikan basis hitungan.

- Singularitas matriks pada hitung perataan jaring bebas,

bisa juga dipecahkan dengan menggunakan matrik
pseudoinverse
1.Penyelesaian dengan pendefinisian datum secara
konvensional

• Disebut konvensional karena paling lama dipakai.

• Agar matrik tidak singular dan dapat diselesaikan, maka datum perlu
didefinisikan minimal sebanyak kekurangan ranknya :
1. untuk jaringan 1D, pada jaringan sipat datar kekurangan
ranknya sebanyak d = 1 (menetapkan satu titik sebagai titik tetap)
2. untuk jaringan 2D, pada kerangka kontrol horisontal kekurangan
ranknya sebanyak d = 4 (atau 3 kalau skala dianggap sama)
3. untuk jaringan 3D, pada sisten koordinat 3D (X,Y,Z) kekurangan
ranknya sebanyak d = 7
Solusi 1,2,3 disebut MINIMUM CONSTRAINT
2.Menghapus baris atau kolom yang
bergantungan linier

Solusi dengan Inner Constraint

• (AT PA)ET = 0
• AET = 0 atau EAT = 0
• QP = N+ = (AT PA)+
• Xp = - (AT PA + ET E)-1 AT PL
3. Menggunakan Pseudoinverse

Singularitas matriks pada hitung perataan jaring bebas, bisa

juga dipecahkan dengan menggunakan matrik pseudoinverse
Pada metode parameter: xˆ = N + ( AT PF ) dengan N =
ATPA

N dikatakan pseudoinvers apabila :

a. NN+N = N

b. N+NN+ = N+

c. (NN+)T = NN+

d. (N+N)T = N+N
Beberapa cara mendapatkan matriks pseudoinvers dalam
generalisasi matrik kebalikan :

1. Faktorisasi rank matrik normal ATPA

2. Dekomposisi nilai singular dari matrik normal ATPA

3. Dekomposisi matrik terpoyong dari matriks A

4. Pendiagonalan matrik A
Faktorisasi rank matrik normal ATPA

Data hasil ukuran

Bentuk A, P, F

N = ATPA
G = ATPF

Bentuk matrik H, C
sehingga N = HC

N+ = CT(CCT)-1 (HTH)-1 HT

X = N+ G

Σx = ˆ o 2 ( N + )
 4. Zero Varian Computasional Base

• Constraint H1 = 0, matriks X = [H1 H2 H3 H4]T

• Matriks S = [1 0 0 0] dimana SX = 0
• X = - [ATPA + STS]-1 ATPF dh1
1 2

dh2
dh6 dh3

dh4 3
4 dh5
THANK YOU