Disusun Oleh:
Saidah Ahadiddin
NIM. 18.25.063
1
c. Bagaimana cara uji signifikansi pergeseran dari data pengamatan
satelit GNSS ?
1.3 TUJUAN
a. Mengetahui cara perhitungan vektor pergeseran dari data pengamatan
satelit GNSS.
b. Mengetahui cara perhitungan arah pergeseran dari data pengamatan
satelit GNSS.
c. Mengetahui cara uji signifikansi pergeseran dari data pengamatan
satelit GNSS.
2
BAB 2
TINJAUAN PUSTAKA
3
yang berlebihan, serta penyesuaian kuadrat terkecil dari pengamatan
epoch (lihat Gambar 1a dan 1b).
4
a. Metode Persamaan Pengamatan Penyesuaian Kuadrat Terkecil
Metode persamaan observasi teknik penyesuaian kuadrat
terkecil diterapkan dalam studi deformasi untuk menyesuaikan setiap
pengamatan zaman untuk memungkinkan presisi dan akurasi posisi
dan ketinggian yang disesuaikan, serta pengamatan, diperoleh. Dalam
metode persamaan observasi, terdapat hubungan fungsional antara
setiap pengukuran dengan parameter tertentu. Setiap pengukuran
(pengamatan) dapat dikaitkan dengan sejumlah parameter tertentu oleh
suatu persamaan dan jumlah persamaan yang dapat ditulis, oleh karena
itu, sama persis dengan jumlah pengukuran yang digunakan dalam
penyesuaian. Solusi untuk persamaan ini diperoleh dengan
meminimalkan jumlah kuadrat residu (berbobot) (prinsip kuadrat
terkecil) (persamaan 1). Solusi 'kuadrat terkecil' ini menghasilkan
penentuan parameter secara langsung.
(1)
La = F (Xa) (2)
V = AX - L (3)
Dimana :
5
A = Desiain matrix =
V = Matrik Residu =
Jadi :
(4)
Perkiraan parameter
X = (N)-1(t) (5)
Dimana
N = (ATWA) = Matrix Normal
t = (ATWA)
N-1 = (ATWA)-1 = ᵨxx
X = (ATWA)-1(ATWL) = estimasi
W = matrix bobot
6
a. Model Penyesuaian Kuadrat Terkecil untuk Vektor Garis Dasar
GPS
Ghilani dan Wolf (2008) menjelaskan bahwa dari koordinat X,
Y dan Z stasiun A dan B yang diketahui, dan komponen X, Y dan Z
yang diamati, koordinat stasiun baru C, D, E dan F dapat dihitung .
Penyesuaian diperlukan karena ada observasi yang berlebihan. Dalam
menerapkan kuadrat terkecil pada masalah, persamaan observasi
ditulis yang menghubungkan koordinat yang tidak diketahui dari
stasiun baru C, D, E, dan F dengan nilai X, Y dan Z yang diamati dan
kesalahan residualnya. Pengikut persamaan observasi seperti yang
diberikan oleh Ghilani dan Wolf (2008) ditulis untuk dua baseline
pertama (AC dan DC) sebagai
(6)
7
b. Persamaan Pengamatan Jarak
Menurut Githumbi (2014), persamaan pengamatan jarak adalah
(7)
Jarak S12 antara dua titik i dan j dapat dihitung sebagai:
(8)
Persamaan (8) tidak linier terhadap parameter yang tidak
diketahui (X dan Y) dan oleh karena itu tidak dapat dilakukan proses
kuadrat terkecil sebelum dilinierkan. Linearisasi dilakukan dengan
perluasan fungsi deret Taylor hanya sampai suku-suku linier. Jadi, kita
sekarang mendapatkan turunan dari Sij terhadap Xi , Yi , Xj , Yj;
sebagai
(9)
(10)
Mikhail dan Gracie (1981) menjelaskan bahwa azimuth dapat
memiliki nilai antara 0° dan 360°. Penting untuk memastikan bahwa
kuadran Aij ditentukan dengan benar. Ini berarti bahwa tanda dari
kedua pembilang X j Xi dan penyebut Yj Yi dari fungsi tangen harus
diperhitungkan. Mereka lebih lanjut menyatakan bahwa jika alat bantu
komputasi, seperti kalkulator tangan atau komputer, digunakan dan itu
8
hanya menghasilkan sudut akut positif atau negatif ij, konstanta C
yang sesuai harus ditambahkan ke ij untuk mendapatkan azimuth Aij.
Itu adalah,
Aij = aij + C (11)
Ghilani dan Wolf (2008) juga menyatakan bahwa jika azimuth
garis antara 0° dan 90°, maka nilai C adalah 0°. Jika azimut garis
antara 90° dan 270°, C adalah 180 ° dan jika azimut garis antara 270 °
dan 360°, C adalah 360°. Bentuk linear dari persamaan (11) diberikan
dalam Githumbi (2014) sebagai:
(12)
9
Gambar 2.3 Jaringan Leveling untuk Penyesuaian Kuadrat Terkecil
(Sumber: Ghilani and Wolf .2008)
(15)
10
2.5 Derajat Kebebasan / Pengamatan Berlebihan
Pengamatan redundan adalah pengukuran tambahan yang tidak
diperlukan untuk menghitung besaran yang tidak diketahui yang
diinginkan, parameter. Redundansi jaringan, juga dikenal sebagai jumlah
derajat kebebasan, didefinisikan sebagai jumlah pengamatan dikurangi
jumlah parameter yang tidak diketahui (Persamaan 16). Kelebihan
pengamatan adalah alat yang berguna untuk menentukan parameter yang
tidak diketahui menggunakan teknik penyesuaian kuadrat terkecil dalam
jaringan geodetik (Mohammad, 2016). Ketika ada pengamatan yang
berlebihan yang tersedia, rumus geometri koordinat tradisional dapat
menghasilkan banyak solusi koordinat yang mungkin, tergantung pada
pengamatan mana yang digunakan sebagai masukan. Inkonsistensi ini
diatasi dengan penyesuaian kuadrat terkecil (Bird, 2009).
r=m-n (16)
Dimana :
r = Derajat kebebasan atau pengamatan yang berlebihan
m = Jumlah pengamatan
n = Jumlah tidak diketahui
(17)
11
a. Elips Kesalahan dari Posisi yang Disesuaikan
Dalam survei dan istilah geodesi, elips kesalahan secara
sederhana adalah representasi grafis dari standar deviasi marjinal
parameter dan kovarians di antara mereka. Elips kesalahan biasanya
dihitung selama penyesuaian jaringan horizontal atau tiga dimensi.
Mereka memungkinkan cara yang mudah untuk interpretasi akurasi
posisi stasiun arah. Elips kesalahan juga digunakan dalam
mengoptimalkan jaringan. Mereka dapat dihitung untuk setiap stasiun
yang disesuaikan dan antara stasiun yang terhubung. Elips kesalahan
stasiun dihitung dari matriks kovarians a posteriori untuk setiap stasiun.
Untuk menghitung elips kesalahan relatif antar stasiun, matriks
kovarians a posteriori untuk stasiun AT, stasiun TO dan matriks
kovarians a posteriori yang mengkorelasikan kedua stasiun digunakan.
Karena elips kesalahan adalah hasil statistik dua dimensi, faktor
ekspansi 2D digunakan untuk menskalakan sumbu semi-mayor dan
semi-minor ke tingkat kepercayaan yang dipilih (dalam hal ini, 95%).
Mikhail dan Gracie (1981) memberikan sumbu semi-mayor σx2,
sumbu semi minor σy2 dan orientasi elips kesalahan θ sebagai:
(19)
(20)
Mikhail dan Gracie, (1981) lebih lanjut menunjukkan bahwa
varians σx2 dan σy2 adalah nilai eigen dari matriks kovarians dari vektor
acak
Mikhail dan Gracie, (1981) juga menyatakan bahwa peluang
posisi yang diberikan oleh X dan Y terletak pada atau di dalam elips
kesalahan adalah
(21)
12
Dimana, c = Faktor Ekspansi (untuk 95%, c = 2,448)
Probabilitas P � ≤ �2 diwakili oleh volume di bawah permukaan
kerapatan normal bivariat dalam wilayah yang ditentukan oleh elips
kesalahan. Sumbu semi-mayor dan semi-minor elips kepercayaan
ditentukan oleh
Elips kepercayaan semi-sumbu utama σx2c (22)
Elips kepercayaan sumbu semi minor σy2c (23)
13
kesalahan standar posteriori seperti yang diberikan dalam Ameh (2013)
adalah:
1. Varians Posteriori ( σo2 )
(24)
14
dari 5% berarti bahwa ada kemungkinan 5% untuk membuat kesalahan tipe
I (Bird, 2009). Kesalahan tipe I adalah ketika hipotesis nol yang benar
ditolak. Dengan asumsi bahwa suatu populasi terdistribusi normal, kita
dapat menguji hipotesis nol Ho bahwa varians populasi adalah σo2 terhadap
alternatif yang bukan σo2, menggunakan varians sampel S2 sebagai statistik
uji (Mikhail dan Gracie, 1981).
Ho diterima jika S2 nilai spesifik S2 yang dihitung dari sampel
terletak antara dan yaitu
(28)
jika tidak, Ho ditolak
Dimana :
σo2 = varians apriori
S2 = ^σo2 = varian posteriori
r = derajat kebebasan atau pengamatan yang berlebihan
1 - α adalah peluang diterimanya Ho jika benar. Jadi, 1 - α = b - α
15
redundansi mendekati 1 lebih disukai dan dikatakan bahwa keuntungan
pada penyesuaian tinggi. Jika jumlah redundansi mendekati nol,
diharapkan noise di residual menjadi kecil.
Jumlah redundansi dari setiap pengamatan yang disesuaikan (ri)
dan jumlah redundansi rata-rata dari kelompok pengamatan yang
disesuaikan (rAv) masing-masing diberikan sebagai (Leick, 1990)
(29)
(30)
Dimana
qi = Elemen diagonal dari matriks kofaktor sisa yang diperkirakan, Qv.
pi = Bobot pengamatan ke-i.
N - R(A) = Derajat kebebasan atau observasi redundan.
R(A)= Jumlah parameter yang tidak diketahui.
n = Jumlah observas
16
prosedur untuk menandai pengukuran yang salah mengikuti, yaitu
estimasi yang kuat.
17
gagal, residu dapat dianggap terdistribusi normal jika membentuk kurva
berbentuk lonceng.
(31)
Dimana
τv,α = Nilai kritis dari distribusi Tau pada redundansi v dan tingkat
signifikansi
v = Derajat kebebasan
α = Tingkat signifikansi
tv,,α = Nilai kritis dari sebaran siswa pada redundansi v dan taraf
signifikansi α
Menurut aturan pengujian, Ho ditolak jika Ti lebih besar dari τv,α
(Ti > τv,α) jika tidak, Ho diterima. Dimana Ti adalah residual standar dari
setiap pengamatan
(32)
18
Xic, Yic = Koordinat epoch terakhir.
Xpc , Ypc = Koordinat epoch sebelumnya.
19
σ2iE = Kesalahan standar dikuadratkan ke timur dari survei awal
2.17 Analisis
Ini terdiri dari analisis pengamatan yang disesuaikan yang pada
gilirannya terdiri dari analisis kesalahan standar dari posisi dan
ketinggian yang disesuaikan, elips kesalahan dari koordinat yang
disesuaikan, interval kepercayaan ketinggian, kesalahan standar
posteriori dan varians posterior dari pengamatan yang disesuaikan,
penelusuran matriks varians-kovarians, uji Chi-kuadrat, bilangan
redundansi, deteksi outlier, uji goodness of fit dan statistik Tau. Ini juga
terdiri dari dua analisis zaman.
20
Gambar 2.4 Plot Elips Kesalahan
21
disesuaikan. Mereka dihitung dengan residu dan derajat kebebasan,
serta jumlah pengamatan yang berlebihan. Jika nilai eror standar a
posteriori dan varians a posteriori yang dihitung sangat tinggi, hal
ini menunjukkan bahwa akurasi dan presisi pengamatan epoch
rendah. Ini berarti bahwa residual, serta variasi antara nilai yang
disesuaikan dan nilai yang diamati, sangat besar.
Jejak matriks varians-kovarians adalah ukuran akurasi
lainnya. Ini adalah jumlah dari elemen-elemen diagonal utama
matriks varians-kovarians. Diagonal utama dari matriks kovarians
varians berisi variasi antara nilai yang disesuaikan dan nilai yang
diamati. Jika perbedaan antara nilai yang disesuaikan dan nilai yang
diamati sangat kecil, itu berarti bahwa pengamatan yang
dikumpulkan sangat akurat. Jumlah mereka juga dianggap sebagai
akurasi keseluruhan dari pengamatan yang disesuaikan. Jadi,
semakin kecil jejak matriks varians-kovarians, semakin tinggi
akurasi pengamatan yang dikumpulkan. Uji chi-kuadrat pada faktor
varians biasanya dilakukan untuk menentukan bagaimana hasil yang
disesuaikan cocok dengan hasil yang diharapkan. Dalam hal ini,
varian apriori digunakan yang menggambarkan variasi yang
diharapkan. Dalam kebanyakan kasus, varian apriori 1 digunakan.
Jika varians a posteriori yang dihitung berada dalam kisaran atas dan
batas bawah seperti yang diberikan dalam persamaan (28),
himpunan pengamatan diterima. Tetapi jika berada di luar batas,
melibatkan dua hal, yaitu varians apriori terlalu besar atau sangat
kecil. Jika varians apriori adalah terlalu besar, ini menyiratkan
bahwa akurasi pengamatan yang dikumpulkan lebih tinggi dari yang
diharapkan. Oleh karena itu, pengamatan diterima. Tetapi jika di sisi
lain, varian apriori untuk survei sangat kecil, itu berarti akurasi yang
diharapkan sangat tinggi. Dan ketika akurasi ini kurang dari yang
diharapkan, varians a posteriori akan berada di luar jangkauan.
Jumlah redundansi dihitung untuk menentukan keakuratan
pengamatan individu. Rentang dari 0 sampai 1. Jika angka
22
redundansi mendekati 1, maka varians dari residual mendekati
varians pengamatan dan varians dari pengamatan yang disesuaikan
mendekati nol. Jika angka redundansi mendekati nol, maka varians
dari residual mendekati nol, dan varians dari pengamatan yang
disesuaikan mendekati varians dari pengamatan (Leick, 1990). Di
sini, jika angka redundansi mendekati 1 lebih baik. Dalam kelompok
pengamatan di mana beberapa bilangan redundansi mendekati 1 dan
yang lainnya mendekati 0 (nol), jika bilangan redundansi rata-rata
mendekati 1, himpunan pengamatan diterima.
Deteksi outlier dilakukan untuk menentukan kesalahan kotor
dalam satu set pengamatan yang diberikan. Dan ini dapat dilakukan
dengan menggunakan uji kecocokan dan statistik Tau. Dalam uji
kecocokan, residu terstandarisasi diplot sebagai histogram,
dikelompokkan ke dalam kelas-kelas dan digabungkan dengan
distribusi normal, serta kurva berbentuk lonceng. Jika semua batang
histogram berada dalam kurva distribusi normal, berarti residual
terdistribusi normal dan pengamatan yang diwakilinya diterima.
Tetapi jika salah satu dari mereka berada di luar kurva berbentuk
lonceng, pengamatan di kelas itu dianggap sebagai outlier karena
mengandung kesalahan besar dan ditolak. Tes ini biasanya
dikombinasikan dengan tes Chi-kuadrat numerik (lihat Gambar 2.6).
Columbus (2009) menyatakan bahwa meskipun uji Chi-kuadrat
gagal, residu dapat dianggap terdistribusi normal jika membentuk
kurva berbentuk lonceng. Oleh karena itu pengamatan diterima.
23
Dalam statistik Tau, residu standar yang dihitung
dibandingkan dengan konstanta penolakan residu standar. Jika
residu standar yang dihitung lebih kecil dari konstanta penolakan
residu standar, pengamatan diterima, sebaliknya ditolak. Kesalahan
kotor yang terdeteksi dihilangkan dari serangkaian pengamatan
tertentu karena kehadirannya memengaruhi keakuratan pengamatan
secara keseluruhan.
24
BAB 3
LANGKAH KERJA
25
5. Kemudian kita atur datum nya seperti berikut. Klik > option > datum.
26
9. Kemudian setting UTM zone.
27
13. Kemudian kita select obs pada gambar kotak merah seperti berikut.
15. Lalu select fixed stations klik pada kotak yang ada titik merah dipojok.
28
17. Berikut tampilan fixed station yang sudah dipilih.
18. Kemudian start adjustment klik pada gambar seperti lampu hijau
tersebut.
20. Lalu kita buka koordinat geosentrik nya. Klik > result > coordinates >
adjustes xyz point.
29
21. Dan berikut hasil dari import koordinat geosentrik.
22. Lalu kita buka koordinat geodetik nya. Klik > result > coordinates >
adjustes geodetic coords.
24. Lalu kita buka koordinat geodetik nya. Klik > result > coordinates >
adjustes state plane coords.
30
25. Dan berikut hasil dari import koordinat state plane.
26. Lalu kita buka koordinat geodetik nya. Klik > result > coordinates >
adjustes UTM coords.
31
28. Berikut hasil adjustment pada epok 1
32
29. Lalu kita buka koordinat geodetik nya. Klik > results > observation >
adjustes observation.
33
31. Lalu kita buka error elips nya. Klik > results > confidence regions >
error elips.
32. Berikut hasil dari error elips epok 1 dan bentuk jaringan nya.
34
3.2 Pengolahan Data Epok 2
33. Sebelum data di olah, txt gps epok 2 kita ubah dx, dy, dz nya menjadi
sesuai nim pada 2 angka belakang koma.
35
36. Kemudian klik > File > Open.
39. Kemudian kita atur datum nya seperti berikut. Klik > option > datum.
36
40. Kita pilih NAD 83 > ok
37
44. Lalu pilih <16> pada select UTM zone.
47. Kemudian kita select obs pada gambar kotak merah seperti berikut.
38
48. Klik > select all > ok.
49. Lalu select fixed stations klik pada kotak yang ada titik merah dipojok.
39
52. Kemudian start adjustment klik pada gambar seperti lampu hijau
tersebut.
54. Lalu kita buka koordinat geosentrik nya. Klik > result > coordinates >
adjustes xyz point.
40
56. Lalu kita buka koordinat geodetik nya. Klik > result > coordinates >
adjustes geodetic coords.
58. Lalu kita buka koordinat geodetik nya. Klik > result > coordinates >
adjustes state plane coords.
41
60. Lalu kita buka koordinat geodetik nya. Klik > result > coordinates >
adjustes UTM coords.
42
63. Lalu kita buka koordinat geodetik nya. Klik > results > observation >
adjustes observation.
43
65. Lalu kita buka error elips nya. Klik > results > confidence regions >
error elips.
66. Berikut hasil dari error elips epok 2 dan bentuk jaringan nya.
44
67. Berikut hasil dari residual distribution.
45
71. Kelompokkan koordinat dx dan dy nya.
46
75. Kemudian menghitung <dTxd> menggunakan rumus
<=MMULT(E20:E21;B20:C20)>.
77. Lalu menhitung D atau besar vektor pergeseran dari dTxd dengan
rumus <=SQRT(H20)>.
47
3.4 Perhitungan Arah Pergeseran dari Selisih Koordinat.
79. Untuk rumus menghitung arah pergeseran sebagai berikut
48
��
83. Berikut hasil dari Tan α = ��
49
1
87. Kemudian hitung ��2
masing-masing epok dengan rumus <=1/F13>,
<=1/G13>.
50
90. Untuk menentukan matriks dT gunakan rumus transpose dari matriks d
<=TRANSPOSE(B19:B21)>
91. Input matriks kovarian tiap epok dari txt koordinat geosentrik.
1
92. Kemudian hitung matriks kofaktor/ Qxx tiap epok dengan rumus < ��2
51
93. Dan hasilnya matriks kofaktor/Qxx seperti berikut.
52
�� .���12.�
98. Untuk rumus uji signifikan adalah T = ∑���12.∑��2 .
53
102. Berikut hasil dari �� . ���12.d.
54
106. Berikut hasil dari So2 epok 1 dan epok 2.
�� .���12.�
109. Kemudian hitung T nya dengan rumus ∑���12.∑��2 , <=E43/J43>.
55
111. Selanjutnya untuk uji signifikan nya kita mencari nilai F distribusi
nya, yaitu dengan statex masukkan v1 dan v2nya. Untuk v1
masukkan 3 karena ada 3 parameter yaitu xyz. Untuk v2 masukkan
18 yaitu jumlah dari Dof epok 1 dan Dof epok 2. dan untuk alpha
masukkan 0.05 karena yang dipakau uji dengan kepercayaan 95%.
112. Lalu akan muncul tabel distribusi seperti ini. Dari sini dapat
diketahui nilai F nya adalah 3,16.
113. Kemudian kita uju nilai T terhadap Nilai F nya seperti ini. Apabila
T>F maka Ho/hipotesis ditolak. Apabila T<F maka Ho/hipotesis
diterima.
56
BAB 4
KESIMPULAN
57
yang disesuaikan dan nilai yang diamati sangat kecil, itu berarti bahwa
pengamatan yang dikumpulkan sangat akurat. Jika semua batang
histogram berada dalam kurva distribusi normal, berarti residual
terdistribusi normal dan pengamatan yang diwakilinya diterima. Dapat
disimpulkan bahwa pengamatan yang dilakukan akurat dan
ho/hipotesisnya diterima.
Jika perpindahan yang dihitung lebih besar dari kesalahan yang terkait,
serta interval kepercayaan / elips 95%, maka gerakan yang signifikan telah
terjadi pada titik pengamatan. Tetapi jika perpindahan yang dihitung lebih
kecil dari kesalahan yang terkait, serta interval kepercayaan/elips 95%, maka
gerakan signifikan tidak terjadi antara dua zaman pengukuran. Dapat
disimpulkan bahwa nilai T<F yang berarti h0/hipotesis diterima dan titik
tidak mengalami pergeseran.
58
LAMPIRAN
59
4. KOORDINAT STATE PLANE EPOK 1
60
7. ADJUSTMEN EPOK 1
61
9. BENTUK JARING ERROR ELIPS EPOK 1
62
12. OBSERVATION ADJUSTMENT EPOK 1
63
64
14. KOORDINAT GEODETIK EPOK 2
65
17. KOORDINAT STATE PLANE EPOK 2
66
20. ADJUSTMEN EPOK 2
67
22. BENTUK JARING ERROR ELIPS EPOK 2
68
25. OBSERVATION ADJUSTMENT EPOK 2
69
70
27. RESIDUAL DISTRIBUTION
71
30. HASIL PERHITUNGAN UJI SIGNIFIKAN
72
73