KONSEP PERATAAN

METODE
KUADRAT TERKECIL
(LEAST SQUARE)
PENDAHULUAN
Pengukuran mendapatkan nilai
menentukan nilai parameter lain
Model Hubungan keterkaitan antara pengukuran dan
parameter yang dicari Model matematika
Dalam sebuah pengukuran yang dilakukan sebanyak (n) kali,
selalu terdapat ukuran minimal (n0) yang dilakukan.
Perbedaan antara banyaknya pengukuran (n) dan ukuran
minimal (n0) yang diperlukan, dinamakan ukuran lebih atau
derajat kebebasan statistik (redundancy or statistical degrees
of freedom), yang dinyatakan sebagai berikut :
r = n - n0
Dimana, r = ukuran lebih atau derajat kebebasan
PENDAHULUAN
Alasan dilakukannya pengukuran lebih :
- Ada asumsi bahwa setiap pengukuran mengandung kesalahan
- Untuk mengestimasi kesalahan
- Untuk pengambilan keputusan yang berhubungan dengan
penerimaan atau penolakan hasil pengukuran
- Untuk memungkinkan dilakukannya hitung perataan
(adjustment) sebagai upaya untuk memperoleh nilai
parameter dengan ketelitain tinggi.
PENDAHULUAN
Adanya ukuran lebih solusi dari model matematika tidak
bisa langsung didapatkan dan terdapat lebih dari satu solusi.
Adanya kesalahan di setiap pengukuran solusi berbeda
untuk sebuah model matematika
Sehingga

Digunakan model matematika berikut :

=a+v
Dimana, = nilai estimasi (nilai yang dianggap benar) ; a = nilai
ukuran ; dan v = koreksi
VISUALISASI SKEMATIK
a = Pengamatan

Model matematika

Nilai Parameter
Kesalahan

= pengamatan
v = Koreksi diberi koreksi
PRINSIP LEAST SQUARE
Dengan menganggap, pada satu waktu, bahwa seluruh
pengamatan tidak berkorelasi dan memiliki bobot yang sama,
perataan kuadrat terkecil dapat dijelaskan dengan prinsip
berikut :
The sum of the squares of the observation residual must be a
minimum

Jumlah kuadrat koreksi pengamatan adalah minimum

Persamaan :
= 2+2+... +2= 2 = minimum
Untuk mendapatkan = minimum, maka turunan pertama dari
persamaan harus nol.
CONTOH :

Dilakukan pengukuran jarak secara langsung. Untuk

mendapatkan nilai x dilakukan 2 kali pengukuran a1 = 15,12 m
dan a2 = 15,14 m.
Diketahui : r ? n ? n0 ?
Sehingga :
1 = a 1 + v 1
2 = a 2 + v 2
Terdapat banyak kemungkinan nilai v1 dan v2. Misalkan :
1.) v1 = 0 dan v2 = -0,02
2.) v1 = + 0,01 dan v2 = -0,01
3.) v1 = + 0,015 dan v2 = -0,005
CONTOH :
Prinsip least square = 2 + 2

1 = 2 + 2 = 4 x 10 -4 m2
= 2 + 2 = 2 x 10 -4 m2
3 = + = 2,5 x 10 m
2 2 -4 2

Dari model persamaan tersebut dapat dilihat bahwa yang

mempunyai nilai paling minimum. Dimana nilai v1 = + 0,01 dan
v2 = -0,01. Sehingga estimasi = 15,13 m.
Pada kenyataannya nilai estimasi = 15,13 m harus
merupakan nilai rata-rata dari dua pengamatan

= ()(15,12) (15,14) = 15,13 m

PERATAAN BERSYARAT DAN
PARAMETER
Dalam suatu kasus pengukuran, terdapat suatu syarat yang
harus dipenuhi dengan memperhatikan model matematika.
Dalam pengukuran bentuk segitiga, dua pengukuran sudut
sudah dapat digunakan untuk menentukan bentuk segitiga (n0
= 2). Jika ketiga sudut diukur (n = 3), maka terdapat ukuran
lebih (r = n n0 = 3 2 = 1).
Syarat geometrik segitiga yaitu jumlah ketiga sudut = 180 ,
sehingga persamaan syarat yang harus dipenuhi adalah
1 + 2 + 3 = 180
Banyaknya persamaan syarat = banyaknya ukuran lebih (r)
Metode ini disebut Teknik Hitung Perataan Bersyarat
(Adjustment of observation only).
PERATAAN BERSYARAT DAN
PARAMETER
Metode lain yang sering digunakan adalah Teknik Hitung
Perataan Parameter (Adjustment of indirect observations).
Pada teknik ini, jumlah persamaan = jumlah total pengamatan
(n)
Pada sebuah pengukuran jarak , nilai adalah nilai estimasi
perataan kuadrat terkecil dari jarak yang ingin diketahui atau
parameter yang ingin dicari (unknow variables).
Nilai tidak diketahui sebelumnya, tetapi merupakan hasil dari
perataan kuadrat terkecil.
LATIHAN SOAL
1. Sebuah jarak diukur sebanyak 4 kali dengan hasil sebagai
berikut x1 = 31.51 m; x2 = 32.48 m; x3 = 32.52 m; dan x4 =
32.53 m. berapakah nilai estimasi kuadrat terkecil untuk
jarak tersebut?

2. Ketiga sudut dalam dari sebuah segitiga diukur dengan hasil

= 4133; = 7857; dan = 5927. Hitung masing-
masing sudut hasil perataan menggunakan metode kuadrat
terkecil !