005 matrik kovarian
TRANSCRIPT
SurveiDeformasi Struktur
1
PENURUNAN MATRIK KOVARIANS
Matrik kovarians biasanya digunakan untuk mengetahui tingkat ketelitian dari
parameter yang dicari, residu, dan observasi (pengukuran) yang teratakan.
Oleh karena itu:
Yang akan dicari: Cx, Cv, Cla
Bentuk Implicit: A + Bl + w = 0
w = -Axo - Bl bentuk f(x
o, l)
Dengan menerapkan dalil varian-kovarian (asumsikan saat ini bahwa o = 1):
Cw = (df / dv) Cl = B Cl BT
Asumsikan bahwa B Cl BT = M
-1
Untuk perataan parameter/indirect: Cw = Cl
MATRIK KOVARIAN UNTUK PARAMETER (Cx)
x = xo +
Oleh karena itu: Cx = C
= -(AT(B Cl B
T)
-1 A)
-1 A
T (B Cl B
T)
-1 w
= -(AT M A)
-1 A
T M w
1
11
111
11
MAA
MAAMAAMAA
MAAMAMMAMAA
MAAMACMAAMACC
T
TTT
TTT
TTT
wTT
x
1
1
ABCBAC
TTx l (untuk model implicit)
untuk model indirect/parameter dimana B = -I:
Cx = (AT
Cl-1
A)-1
= (AT
P A)-1
MATRIK KOVARIAN UNTUK RESIDU
Model Implicit:
Cv = Cl BT (B Cl B
T)
-1 {B Cl - A (A
T (B Cl B
T)
-1 A)
-1 A
T (B Cl B
T)
-1 B Cl}
Model Indirect (B = -I)
SurveiDeformasi Struktur
2
Cv = Cl - A (AT Cl
-1 A)
-1 A
T
MATRIK KOVARIAN UNTUK OBSERVASI YANG TERATAKAN
(Cla)
Untuk model indirect: la = l + v = A + w
Cla = A C AT = A Cx A
T = A (A
T Cl
-1 A)
-1 A
T
Oleh karena itu: Cv = Cl - Cla
Dan Cla = Cl - Cv
Harap diperhatikan bahwa pengukuran (observasi) yang teratakan la memiliki
ketelitian yang lebih tinggi daripada pengukuran awalnya l.
PENSKALAAN MATRIK KOVARIANS
Ingatlah kembali bahwa untuk mendapatkan nilai estimasi dari x, v dan la tidak
diperlukan penskalaan matrik kovarians Cl.
Tetapi solusi untuk x, v dan la dapat trgantung dari o
2 , dimana P = o
2 Cl
-1
Solusi hitung kuadrat terkecl untuk model indirect:
= -(AT P A)
-1 A
T P w
Gantikan dengan nilai substitusi untuk P, maka:
= -(AT o
2 Cl
-1 A)
-1 A
T o
2 Cl
-1 w
Perhatikan bahwa nilai o2 akan hilang dari persamaan diatas, hal yang sama
juga berlaku untuk model implicit.
Tetapi, ketika o2 tidak berperan apa-apa terhadap solusi untuk parameter, o
2
memiliki peranan penting dalam penskalaan matrik kovarians Cx, Cla, dan Cv
yang dihasilkan.
Tidak ada yang harus diperhatikan bila o2 diasumsikan sama dengan satu.
Tetapi, jika o2 tidak sama dengan satu, semua matrik kovarians harus
diskalakan:
Cx = (AT
Cl-1
A)-1
= o2 (A
T P A)
-1
Cv = Cl - A (AT Cl
-1 A)
-1 A
T = o
2 (P
-1 - A (A
T P A)
-1 A
T)
Cla = A Cx AT = o
2 A (A
T P A)
-1 A
T
Jika nilai awala o2 tidak diketahui maka nilai estimasi untuk faktor
varians/varians referensi (o2 ) dapat diperoleh melalui hitung perataan sebagai
fungsi baik residual v maupun matrik bobot P.
POST ADJUSTMENT ANALYSIS
Tujuan utama dari analisa hasil setelah dilakukan hitung perataan adalah:
Untuk menganalisa hasil
SurveiDeformasi Struktur
3
Untuk memastikan tingkat kepercayaan yang harus dikenakan pada hasil.
Macam-macam yang harus dilakukan:
Melakukan tes terhadap observasi (pengukuran) (pada umumnya
mendeteksi gross error atau outlier)
Melakukan tes terhadap model matematika yang digunakan
Melakukan tes kepercayaan terhadap nilai parameter yang dicari dan nilai
pengukuran yang teratakan.
Besaran-besaran yang digunakan dalam analisa:
Estimasi unknown, x, la
Matrik kovarians parameter, Cx
Estimasi residu, v
Matrik kovarians residu, Cv
MENGESTIMASI KETELITIAN (STANDARD ERROR) DARI
UNIT BOBOT
Faktor varians “a posteriori” 2ˆ o (ketelitian dari unit bobot) dapat diperoleh
dari:
dof
Pvv
un
PvvTT
20ˆ
dimana n adalah jumlah persamaan pengukuran (n adalah jumlah pengukuran
didalam model indirect), u adalah jumlah parameter dan dof adalah degrees of
freedom atau derajat kebebasan.
Untuk pengukuran yang tidak berkorelasi (disepanjang diagonal matrik bobot
P):
dof
vpdofvpvpvpvp ii
nn
223
33222
211
20 /ˆ
perlu diperhatikan bahwa ketika pi = 1 ekspresi diatas tereduksi menjadi
rumusan untuk standar deviasi (standar error), oleh karena itu namanya adalah
ketelitian dari unit bobot.
Ketika nilai faktor varians “apriopri” 20 diasumsikan ke nilai tertentu, kita
dapat menguji hipotesa itu apakah asumsi yang telah ditetapkan itu valid atau
tidak:
20
200 ˆ: H
arti dari pernyataan diatas adalah hipotesa apakah faktor varians posteriori
dengan faktor varians apriori masih relevan atau tidak.
SurveiDeformasi Struktur
4
Pengujian ini sering disebut dengan Global test untuk faktor varians. Pada
dasarnya pengujian ini dilakukan untuk menguji apakah ketelitian yang telah
diberikan pada awal pengukuran (yaitu bobot) konsisten dengan besarnya
residu-residu yang dihasilkan oleh proses hitung perataan kuadrat terkecil.
Penolakan dari global test ini (pengujian gagal) mengindikasikan antara lain:
Masih terdapatnya gross error pada data pengukuran.
Model matematika yang dipakai belum lengkap (misalnya tidak
memperhitungkan adanya kesalahan sistematik).
Pengamsumsian yang kurang tepat untuk nilai ketelitian pengukuran,
misalnya Cl.
SurveiDeformasi Struktur
5
Variance
Factor Test
(Global Test)
Passes?
Test for
Normality
Passes?
Testing
Differential Quantities
Passes?
Stochastic
Model
Correct?
MULTIVARIATE TESTING METHODOLOGY
Start
Least Squares
Interpretation
Reason to
Formulate
Model?
Reason to
Remove/Remeasure
Data?
Improve
Statistical Model
Reformulate
Model
Remove or
Remeasure Data
Assess
Unknown
End
Interpretation
Yes
No
Yes
No
No Yes
Yes
No
No Yes
No
Yes
SurveiDeformasi Struktur
6
TEST FACTOR VARIANCE /VARIANS REFERENSI / GLOBAL
TEST
Estimasi faktor varians apriori, o2 terhadap faktor varian posteriori 2
0̂ dapat
diuji kevalidannya melalui uji statistik Chi-Squared distribution, 2 dengan
dof tertentu. Pengujian dua arah (two tailed test) untuk 20̂ pada selang/daerah
kepercayaan 100(1 - )% adalah:
2,21
202
02,2
20 ˆˆ
dofdof
dofdof
Misalnya untuk selang/daerah kepercayaan 95%, maka = 0.05; untuk daerah
kepercayaan 99%, maka = 0.01. Sedangkan a disebut sebagai tingkat
kepercayaan (level of significance).
Pengujian tersebut mengasumsikan bahwa residual v terdistrribusi normal.
Jika 20̂ jatuh diluar selang tersebut akan mengindikasikan bahwa:
20̂ tidak konsisten dengan ketelitian yang didapat dari proses hitung
perataan, artinya varians pengukuran yang ditetapkan diawal pengukuran
adalah salah.
Model matematika yang dipakai masih belum lengkap atau salah (masih
mengandung kesalahan sistematis)
Pengukuran masih mengandung gross error atau blunder.
Interpretasi dari rumusan diatas adalah:
Perhatikan bahwa 1-(/2) terletak didepan/awal kurva, sehingga rumusan
diatas harus diinterpretasikan sedikit berbeda dari artinya semula. Sehingga
lebih disukai penulisan alternatif:
SurveiDeformasi Struktur
7
2,21
2,2 dofdof
T
dimana: 20
20ˆ
dofT
Contoh:
Jika diketahui 20 = 2, dan 2
0̂ = 3.7, dengan dof = 9; ujilah hipotesa tersebut
dengan uji dua arah untuk selang/daerah kepercayaan 95%.
Solusi alternatif 1:
Untuk selang 95% maka = 0.05, maka berdasarkan data dari tabel diperoleh:
0.19
7.2
29,975.0
2,21
29,025.0
2,2
dof
dof
75.1ˆ
33.12ˆ
29,975.0
20
29,025.0
20
dof
dof
Maka: 1.75 < 20 < 12.33, sehingga hipotesa H0 dapat diterima.
Solusi Alternatif 2:
20
20ˆ
dofT = 9
2
7.3 = 16.65
maka terlihat bahwa 1965.167.2atau29,975.0
29,025.0 T sehingga
hipotesa H0 diterima.
SurveiDeformasi Struktur
8
Contoh Soal:
Diketahui pengukuran beda tinggi pada jaringan sipat datar sebagai berikut:
Pengukuran Beda Tinggi
(m)
l1 5.10
l2 2.34
l3 -1.25
l4 -6.13
l5 -0.68
l6 -3.00
l7 1.70
Dimisalkan bahwa A, B, C adalah tinggi titik-titik A, B, dan C yang
merupakan parameter yang akan dicari. Karena persamaan pengukuran beda
tinggi adalah li = tinggi titik foreside - tinggi titik backside, maka model
matematik yang sesuai adalah model indirect. Sekarang kita susun terlebih
dahulu persamaan observasi untuk semua pengukuran:
BCvl
YBvl
ABvl
CXvl
YCvl
AYvl
XAvl
77
66
55
44
33
22
11
CBv
Bv
BAv
Cv
Cv
Av
Av
7
6
5
4
3
2
1
5.107
0.100
5.107
5.107
10.50.100
Solusi kuadrat terkecil model indirect untuk persamaan linier tersebut adalah:
wAxv
Sehingga:
70.1
50.104
68.0
13.106
25.106
16.105
10.105
110
010
011
100
100
001
001
7
6
5
4
3
2
1
C
B
A
v
v
v
v
v
v
v
BM X=100.0m
BM Y=107.50m
ABC
l1
l2l
3
l4
l5
l7
l6
SurveiDeformasi Struktur
9
A= 1 0 0 w= 105.10
-1 0 0 -105.16
0 0 1 106.25
0 0 -1 -106.13
-1 1 0 -0.68
0 1 0 104.50
0 -1 1 1.70
(ATA)-1
= 0.3809524 0.1428571 0.047619 ATw = 210.94
0.1428571 0.4285714 0.1428571 102.12
0.047619 0.1428571 0.3809524 214.08
X= 105.14095 AX= 105.14095 V= 0.041
104.48286 -105.14095 0.019
106.18762 106.18762 -0.062
-106.18762 -0.058
-0.6580952 0.022
104.48286 -0.017
1.7047619 0.005
SurveiDeformasi Struktur
10
Contoh Soal:
Global Test untuk faktor varians
Persamaan garis y = m x + b, dengan data-data sebagai berikut:
y (observasi) x
3.2 1
3.0 1
2.9 1
4.1 2
6.1 4
5.9 4
Solusi hitung kuadrat terkecil dengan model indirect v = Ax + w adalah:
9.5
1.6
1.4
9.2
0.3
2.3
14
14
12
11
11
11
6
5
4
3
2
1
b
m
v
v
v
v
v
v
dan solusi x =
2.06
0.987692
b
m
vektor residual v:
0.1107692
0.0892308-
0.0646154-
0.1476923
0.0476923
0.1523077-
v ; a posteriori varians = 0.01792326
0.071692ˆ 2
0
dof
vvT
Global Test untuk selang kepercayaan 95%:
484.024,025.0
2,2/ dof sedangkan 1.112
4,975.02
,2/1 dof
0.0716921
017923.04
ˆ
20
20
dofT
dari hasil diatas nilai T tidak berada diantara nilai distribusi chi-squared,
sehingga dapat disimpulkan bahwa hipotesa Ho untuk global tersebut ditolak.