EVALUASI AKHIR SEMESTER : SOAL NOMOR 3

ANALISA POSISI MENGGUNAKAN KALMAN FILTER

RM184305 – APLIKASI STATISTIKA DAN PROBABILITAS

Sigit Kurniawan, S.T.
6016211006

Danar Guruh PRATOMO, S.T., M.T., Ph.D.

Department of Geomatics Engineering Faculty of Civil, Planning, and Geo Engineering

Institut Teknologi Sepuluh Nopember
PENDAHULUAN

• Kalman filter merupakan recursive digital filter yang dapat menges.masi kondisi proses apapun dengan sangat efek.f.
Algoritma Kalman filter merupakan sebuah filter yang efisien dan menges.masi state pada linear dynamic system dari
rentetan penggukuran noise. Kalman filter juga digunakan untuk mengontrol sistem yang sensi.ve terhadap noise dari
lingkungan karena meminimalkan square error. Filter ini dapat mengurangi pengukuran yang terkena noise dari sensor-
sensor sebelum masuk kedalam sistem kontrol.

• Berikut ini adalah persamaan predict dan correct dalam kalman filter :
1. Update waktu (Prediksi)
Es.masi : 𝑥̂𝑘|𝑘−1 = 𝑭𝑥̂𝑘−1|𝑘−1+ 𝑩𝜃̇𝑘
Kovaransi Error : 𝑷𝑘|𝑘−1 = 𝑭𝑷𝑥̂𝑘−1|𝑘−1𝑭𝑇 + 𝑸𝑘

2. Update pengukuran (Koreksi)

Kalman gain : 𝑲𝑘 = 𝑷𝑘|𝑘−1𝑯𝑇𝑺−𝑘1
Es.masi : 𝑘
̂ |𝑘 = 𝑥̂𝑘|𝑘−1 + 𝑲𝑘𝑦̃𝑘
Kovaransi Error : 𝑷𝑘|𝑘 = (𝑰 − 𝑲𝑘𝑯)𝑷𝑘|𝑘−1

RM184305 – APLIKASI STATISTIKA DAN PROBABILITAS

DATA AWAL

DATA AWAL Ilustrasi Posisi Kapal

STATISTICS POSISI (1D) NOISE

Mean -0.054 -0.032
Standard Error 0.031 0.032
Median -0.033 -0.014
Mode 0.350 -0.778
Standard Deviation 0.970 1.008
Sample Variance 0.942 1.016
Kurtosis 0.145 0.235
Skewness -0.014 0.158
Range 5.937 6.759
Minimum -3.029 -3.232
Maximum 2.908 3.527
Sum -51.902 -30.623
Count 969 969

RM184305 – APLIKASI STATISTIKA DAN PROBABILITAS

PEMBAHASAN

LANGKAH KERJA
Plot Data Awal
Script of MATLAB Menghapus Worksheet Define Data

1 2 3 4
Input Data Plot Data

RM184305 – APLIKASI STATISTIKA DAN PROBABILITAS

PEMBAHASAN

PLOT DATA AWAL

Keterangan : Noise
Posisi Kapal

RM184305 – APLIKASI STATISTIKA DAN PROBABILITAS

PEMBAHASAN

KALMAN FILTER PROCESSING

Script of MATLAB

1 4
2 3

Variable Define Estimation Process Save Output

Save Output Data

RM184305 – APLIKASI STATISTIKA DAN PROBABILITAS

PEMBAHASAN

PLOT HASIL KALMAN FILTER

Script of MATLAB

5 Plot Data

RM184305 – APLIKASI STATISTIKA DAN PROBABILITAS

PEMBAHASAN

Perbandingan Statistik

Position Corrected Position Standard Error yakni nilai yang mengukur

Mean -0.054 Mean 2.170 seberapa tepat kah nilai mean yang kita
Standard Error 0.031 Standard Error 0.099 peroleh. Data posisi yang telah terkoreksi
Median -0.033 Median 2.177 menunjukkan nilai SE mendekati 0,
Standard Deviation 0.970 Standard Deviation 3.086 sehingga hasil yang diperoleh telah sesuai
Sample Variance 0.942 Sample Variance 9.521 (baik).
Kurtosis 0.145 Kurtosis -0.067 Covariance populasi merupakan nilai rata-
Skewness -0.014 Skewness 0.077 rata dari hasil selisih untuk masing-masing
Range 5.937 Range 20.984 data. Data yang diperoleh juga
Minimum -3.029 Minimum -8.278 menghasilkan nilai covariance yang
Maximum 2.908 Maximum 12.705 mendekati 0, sehingga dapat mendukung
Sum -51.902 Sum 2102.571 perolehan data yang sesuai (baik).
Count 969 Count 969
Covariance 0.882835498

RM184305 – APLIKASI STATISTIKA DAN PROBABILITAS

PEMBAHASAN

Dengan menggunakan teknik Kalman Filter berdasarkan grafik di atas, dapat terlihat bahwa hasil estimasi mampu
untuk memprediksi posisi kapal yang sebenarnya dari sistem. Dari total data posisi kapal, data prediksi memberikan
hasil hampir mendekati nilai sebenarnya di lapangan dengan selisih sekitar 0,76-7,5 meter.

Dari keseluruhan data, hasil prediksi memberikan data prediksi yang hampir mendekati nilai sebenarnya di lapangan,
karena pada grafik data predicted state tidak jauh berbeda nilainya dengan data corrected state.

Visualisasi grafik yang menggambarkan bahwa data predicted state tidak jauh berbeda nilainya dengan data corrected
state.

Nilai covarians data sebesar 0,882 atau mendekati 0 yang berarti data tersebut memiliki tingkat kepercayaan prediksi
yang tinggi

Ketika process noise lebih kecil dari measurement noise, maka hasil estimasi Kalman filter tidak bergantung pada data
pengukuran. Ketika measurement noise besar, Kalman filter akan lebih mempercayai hasil estimasi dan menggunakan
process noise untuk mengoreksi hasil estimasi.

Masih terdapat beberapa data yang memberikan nilai prediksi yang sangat berbeda jauh dengan data pengukuran. Hal
tersebut dikarenakan faktor kesalahan pada alat atau karena faktor alam.
RM184305 – APLIKASI STATISTIKA DAN PROBABILITAS
TERIMA KASIH

RM184305 – APLIKASI STATISTIKA DAN PROBABILITAS