model matematika
DESCRIPTION
Model MatematikaTRANSCRIPT
Set -2 - Survei Deformasi Struktur
2
MACAM-MACAM MODEL MATEMATIKA
Didalam geomatika, pengukuran-pengukuran seperti jarak dan sudut, bukanlah
karena data tersebut akan langsung dipakai, melainkan digunakan untuk
menentukan suatu nilai/besaran yang lainnya, misalnya koordinat. Sebelum
suatu survei pengukuran dilakukan, biasanya diperhitungkan terlebih dahulu
kuantitas (misalnya parameter yang akan dicari, ketilitian, konstanta, dll.) yang
akan ditentukan dalam proses pengukuran.
Hubungan yang merelasikan antara pengukuran (observasi) dengan kuantitas
ini disebut dengan model. Karena didalam Geomatika hubungan yang terjadi
antar kuantitas ini didasari pada hukum/kondisi fisika dan geometrik-nya,
maka model ini sering disebut sebagai model matematika. Terdapat 6 macam
model matematka yang paling sering digunakan untuk menentukan besarnya
besarnya parameter yang akan ditentukan dari sekumpulan observasi.
Ingatlah kembali bahwa untuk menentukan kuantitas yang dicari q (atau fungsi
dari q), suatu model dikonstruksikan untuk terdiri dari parameter x, observasi ℓ dan konstanta c:
f(q) = f (c, x, ℓ)
1 THE DIRECT MODEL (MODEL DIRECT / LANGSUNG)
Model yang secara eksplisit menyatakan unknown (parameter) sebagai fungsi
dari observasi (ℓ):
Untuk model non-linier: x = g (ℓ)
Untuk model linier: x = Gℓ + w
Dimana:
x dan w adalah vektor yang berdimensi u x 1
G adalah matrik desain/koefisien yang berdimensi u x n
ℓ adalah vektor berdimensi n x 1
u adalah banyaknya persamaan model (condition equation)
n adalah banyaknya observasi
Pada kasus dimana G = I, dan w = 0, maka x = ℓ ( u = n)
Contoh:
i. Untuk model geometrik non-linier:
Area A dari segitiga isoscheles: A = 0.5 xy dimana x dan y adalah
observasi (alas dan tinggi)
ii. Linier geometrik model dengan w = 0
Transformasi konform 2D:
3
122212
1
1
atau cossin
sincos
Gx
y
x
aa
aa
y
x
iii. Mode linier secara umum:
13133313
3
2
1
3
2
1
atau
3.7
2.2
1.6
814
326
411
wGx
x
x
x
Perlu diingat bahwa model DIRECT ini memiliki solusi yang unik, artinya dari
sekumpulan nilai observasi ℓ hanya akan didapat satu solusi parameter x.
Model seperti ini tidaklah umum didalam Geomatika karena observasinya
tidak teratakan (unadjusted!) sebab disini tidak ada pengukuran lebih
(redundant observation).
2 THE INDIRECT MODEL (MODEL INDIRECT / TIDAK
LANGSUNG)
Adalah model dimana sekumpulan observasi ℓ dinyatakan secara eksplisit
sebagai fungsi dari unknown parameter x.
Dalam bentuk non-linier: ℓ = f(x)
Dalam bentuk linier: ℓ = A x + w
Bentuk linier dari model indirect sering disebut dengan model parameter
(metode parameter) dan matrik A yang berdimensi n x u (dimana n u)
disebut sebagai matrik desain atau matrik desain pertama. Hitung perataan
via model indirect dikenal sebagai “the method of observation only”. Jumlah
observasi dinyatakan dengan n dan jumlah unknown parameter dinyatakan
dengan u.
Contoh:
i. Distorsi radial lensa dimana r adalah jarak radial (konstanta), dr distorsi
radial yang terukur (observasi), dan Ki adalah koefisien distorsi
(parameter). Persamaannya (linier):
73
52
31 rKrKrKdr
atau
3
2
1753
K
K
K
rrrxA
Karena terdapat 3 buah parameter K, maka jelaslah kita membutuhkan 3
atau lebih pengamatan (observasi) dr (pada r yang berbeda-beda), maka
pertimbangkanlah 4 observasi berikut:
4
inedoverdeterm 1) x (3 3) x (4 1 x 4
3
2
1
74
54
34
73
53
33
72
52
32
71
51
31
4
3
2
1
K
K
K
rrr
rrr
rrr
rrr
dr
dr
dr
dr
dari sini terlihat bahwa jumlah pengamatan, n = 4; dan jumlah parameter,
u = 3.
ii.
2
76
1424
2163
14
3213
212
3211
xl
xxxl
xxl
xxxl
disini terlihat bahwa n = 4 dan u = 3, sehingga terdapat pengamatan lebih
(overdetermined).
2
7
14
21
001
116
024
621
3
2
1
4
3
2
1
14133414
x
x
x
l
l
l
l
wxA
iii. Transformasi konform 2D – pada kasus disini model dapat dikatakan
indirect jika observasi diekspresikan sebagai fungsi dari parameter.
xA
dy
dx
y
x
aa
aaS
y
x
1
1
cossin
sincos
dimana (x, y) adalah koordinat yang diukur (observasi); sudut a dan
faktor skala S adalah nilai yang diketahui (konstanta) dan (x1, y
1) adalah
koordinat pada sistem lain yang akan dicari nilainya (parameter).
Model ini biasanya diekspresikan dengan penulisan yang berbeda dengan
(x, y) sebagai observasi, dan (x1, y
1) sebagai konstanta dan akan dicari
empat parameternya:
5
xA
d
c
b
a
xy
yx
y
x
d
c
y
x
ab
ba
y
x
ii
10
01
atau
11
11
1
1
Dari persamaan ini terlihat bahwa satu pengukuran titik koordinat (x, y)
akan membentuk 2 persamaan, dan untuk menentukan besarnya masing-
masing keempat parameter tersebut sehingga didapatkan solusi yang
unik, dibutuhkan pengukuran dua buah pengukuran koordinat (x, y).
iv. Pada kasus non-linier: penentuan jarak pada bidang datar:
21
22ijijij yyxxd
dari rumus tersebut terlihat bahwa didalam masalah penentuan posisi
dengan perpotongan jarak, titik (xj, yj) tidak ditentukan hanya dari satu
buah jarak saja. Sehingga sekumpulan model persamaan indirect atau
parameter harus disusun sedemikian rupa sehingga terdapat cukup data
pengukuran jarak (observasi) untuk menentukan posisi titik itu, atau
menentukan parameter (xj, yj). Dengan kata lain, dua buah pengukuran
jarak akan menghasilkan solusi yang unik, dan untuk mendapatkan
redundancy (pengukuran lebih) diperlukan pengukuran jarak lebih dari
dua dari titik-titik yang sudah diketahui posisinya (koordinatnya).
Koordinat (xj, yj) adalah parameter yang akan dicari dan koordinat-
koordinat (xi, yi) diketahui nilainya.
Karena model matematiknya adalah non-linier maka terlebih dahulu harus
dilinierkan dengan deret Taylor:
1
2
3
4
(xi, y
i)
(xj, y
j)
d14
d24
d34
6
ijj
ijj
ij
ij
ij
i
ij
ij
ij
i
my
f
x
f
md
yy
y
f
d
xx
x
f
0
0
0
0
koordinat 00 , jj yx adalah nilai koordinat pendekatan dari parameter (titik
4) dan 0ijd adalah jarak dari titik i ke titik pendekatan j.
Model persamaan matematika hasil linierisasi adalah:
03443443413413434
02442442412412424
01441441411411414
dymxymxd
dymxymxd
dymxymxd
tetapi karena titik 1 sampai 3 diketahui koordinatnya, maka x1, y1, …,
y3 akan sama dengan nol, karena itu persamaan diatas akan menjadi:
03443443434
02442442424
01441441414
dymxd
dymxd
dymxd
dalam bentuk matrik akan menjadi:
wA
d
d
d
y
x
m
m
m
d
d
d
034
024
014
4
4
3434
2424
1414
34
24
14
Notasi digunakan karena parameter yang dicari disini adalah nilai
perbedaan dengan/terhadap nilai pendekatan awalnya. Sedangkan nilai w
adalah nilai fungsi pada harga parameter pendekatan. Tetapi model
inderect ini dapat pula ditulis dengan variasi lain:
Agar model matematika yang digunakan dapat fit maka setiap pengukuran
harus dikoreksikan terhadap residunya, sehingga persamaannya akan
menjadi:
7
0344344343434
0244244242424
0144144141414
dymxvd
dymxvd
dymxvd
Atau:
3403443443434
2402442442424
1401441441414
ddymxv
ddymxv
ddymxv
Dalam bentuk matrik dapat ditulis:
wAv
dd
dd
dd
y
x
m
m
m
v
v
v
34034
24024
14014
4
4
3434
2424
1414
34
24
14
Vektor w disini adalah: “perhitungan – pengukuran”.
Sedangkan solusi untuk parameter dari sistem yang berpengamatan lebih
ini adalah:
0xx
sekali lagi ditekankan bahwa adalah nilai koreksi dari nilai pendekatan
parameter. Sehingga untuk mencari nilai parameter yang sesungguhnya
nilai ini harus ditambahkan dengan nilai parameter pendekatannya.
3 THE IMPLICIT MODEL (MODEL IMPLISIT)
Model matematika implisit ini sesuai untuk kasus dimana hubungan antara
parameter dengan observasinya tidak dapat dibedakan/dipisahkan secara jelas
(memiliki hubungan yang non-linier), sehingga kita tidak dapat
mengekspresikannya secara eksplisit antara yang satu dengan yang lainnya:
f(x, ℓ) = 0
fungsi ini memiliki kombinasi parameter dan observasi, sehingga sering
disebut dengan perataan dengan teknik kombinasi (combined adjustment
model), atau sering diistilahkan sebagai model parameter plus kondisi.
Setelah dilinierisasi model ini akan memiliki bentuk:
0111 wBxA mnnmuum
dimana:
A adalah matrik desain pertama (matrik koefisien terhadap parameter)
8
B adalah matrik desain kedua (matrik koefisien terhadap observasi)
w adalah vektor konstanta dari besarnya m
u adalah jumlah parameter
n adalah jumlah pengukuran
m adalah jumlah persamaan kondisi
fB
x
fA
model parameter adalah kasus khusus dari model implisit yang didapat jika B
= -I. Rank dari A dan B menentukan apakah model ini memiliki redudancy
kurang , unik, atau lebih.
Contoh:
i. 02211 xx
dimana i adalah observasi dan xi adalah parameter. Persamaan ini akan
menghasilkan model yang linier berikut:
0022
011
2
102
01
2
121 xx
v
vxx
x
x
Model dapat ditulis dengan:
0wvBA
Sekali lagi, adalah koreksi dari nilai pendekatan parameter, sehingga
nilai parameternya adalah
0xx
sedangkan v adalah nilai residu dari observasi, berarti nilai observasi
yang teratakan adalah:
v̂ , dan
w sering disebut dengan vektor perbedaan pada nilai pendekatan.
ii. Perhatikan persamaan garis lurus y = mx + b berikut:
9
Jika diasumsikan bahwa koordinat xi dan yi adalah pengukuran
(observasi), sedangkan gradient m dan offset b adalah parameter yang
akan ditentukan nilainya, maka:
y - mx - b = 0
kita akan membentuk model implisit 0wBvA karena pada
model ini persamaan-persamaan model/kondisinya adalah fungsi dari
parameter dan observasi yang tergabung didalam persamaan. Sehingga
persamaan diatas bukan lagi linier dalam konteks parameter dan
observasi, karena itu untuk 1 titik pengamatan dilakukan:
00
1
1
bxmyw
v
vv
b
m
mf
B
xx
fA
x
y
Nilai d adalah koreksi terhadap parameter karena digunakan parameter
pendekatan dan v adalah koreksi terhadap pengukuran (observasi).
Dalam bentuk matrik model persamaannya dapat ditulis menjadi:
011 00bxmy
v
vm
b
mx
x
y
x1
x2
x3
Gradient = m
b
y1
y2
y3
x
y
10
Persamaan ini berlaku untuk satu titik pengukuran. Jika dilakukan
pengukuran ke tiga buah titik maka persamaannya akan menjadi:
01316631223 wvBA
untuk satu buah titik terdapat 2 observasi, maka untuk tiga titik nilai n =
6; untuk satu titik terdapat 1 persamaan, maka untuk tiga titik nilai m = 3.
iii. Kita tinjau lagi masalah penentuan persamaan garis lurus. Kita ingin
membuat model indirect untuk model matematika-nya, dengan
mengasumsikan nilai x sebagai konstanta.
b
mxbmxy 1
Bentuk persamaan diatas sudah dalam bentuk Ax , tetapi jika kita
ingin menentukan koreksi x ketimbang nilai x itu sendiri, maka:
1
00
00
00
1
:atau
1
wxAv
ybxmb
mxv
bxmb
mxy
bbxmmy
jika bentuk diatas kita samakan dengan model implisit, maka:
wxAv
bxmyb
mxv
001
Perhatikan, bentuk persamaan ini akan sama dengan model implisit
kecuali kalau B = -I.
Secara sederhana dapat disimpulkan bahwa perbedaan antara model
indirect dengan model implicit dalam kasus persamaan garis lurus ini
adalah bahwa dalam model indirect residu observasi v hanya ditujukan
untuk y, sedangkan dalam model implicit residu observasi v terbagi
0
10000
00100
00001
1
1
1
03
03
02
02
01
01
0
0
0
3
2
1
3
3
2
2
1
1
bxmy
bxmy
bxmy
v
v
v
v
v
v
m
m
m
b
m
x
x
x
x
y
x
y
x
y
11
dalam pengukuran x dan y. Solusi yang dihasilkan untuk penentuan
parameter m dan b untuk kedua solusi ini kurang lebih akan sama. Model
indirect biasanya lebih disukai karena kesederhanaannya, tetapi model
implicit menawarkan kehandalan dalam perhitungan/analisa statistiknya.
iv. Perhatikan persamaan parabola cbxaxy2 berikut:
Untuk mengestimasi persamaan parabola diatas maka akan ditentukan
parameter parabola yaitu: a, b, dan c. Jika dilakukan observasi terhadap
pasangan keempat titik koordinat, maka model implicit-nya akan menjadi:
02ycbxax
1
1
1
1
;
;;;
:dimana0
424
323
222
121
0020
4
4
3
3
2
2
1
1
xx
xx
xx
xx
A
v
v
v
v
v
v
v
v
v
dc
db
da
ycxbxawBf
Af
wBvA
y
x
y
x
y
x
y
x
i
x1
x2
x3
x4
y1
y2
y3
y4
12
12000000
00120000
00001200
00000012
0
0
0
0
ba
ba
ba
ba
B
4 THE CONDITION MODEL (MODEL KONDISI)
Model ii digunakan bila tidak ada parameter yang terlibat didalam persamaan
matematikanya.
Untuk kasus non-linier: 0)(g
Untuk kasus linier: 0wBv
Dimana v̂ , dimana v adalah residu pengukuran.
Contoh:
i. Pengukuran sudut-sudut sebuah sigitiga: a + b + c - 1800 = 0
0
0180111
1
0
wB
c
b
a
atau:
0
0180111 0
wvB
cba
v
v
v
c
b
a
ii. Pengukuran tinggi (yang diukur adalah beda tinggi hi).
Jumlah pengukuran = n = 7
Jumlah minimum pengukuran = n0 = 4
h1
h2
h7
h6
h3
h4
h5
13
Persamaan = 7 - 4 = 3 = redudancy
0
0
1000110
0110001
0011111
0
0
0
17
6
5
4
3
2
1
7
73
732
561
54321
B
h
h
h
h
h
h
h
hhh
hhh
hhhhh
Disini terdapat satu persamaan untuk setiap satu buah redudancy. Ada
beberapa alternatif dalam penyusunan persamaan. Yang perlu diperhatikan
adalah bagaimana menentukan persamaan-persamaan yang linier
independen.
Pada saat ini, seiring dengan pesatnya perkembangan teknologi komputer,
model kondisi ini jarang dipergunakan. Dan karena itu tidak akan dibahas
lebih lanjut didalam mata kuliah ini.
5 CONSTRAINT
Pada model ini, fungsi konstrain dapat diterapkan jika ada tambahan informasi
(yang juga berupa fungsi) yang menjelaskan hubungan antara fungsi dengan
parameter atau observasinya, yang biasanya hanya berupa parameter tertentu.
Model indirect atau model implicit juga ikut disertakan dalam persamaan
konstrain.
0
0
hwH
wBvA - persamaan konstrain
Dari persamaan diatas terlihat bahwa konstrain adalah sebagai tambahan dari
persamaan utamanya (model indirect atau model implicit) sebagai tambahan
observasi.
Contoh:
Perhatikan suatu jaringan sipat datar dimana dua titik yang terletak pada batas
tepi permukaan air danau, dikondisikan memiliki tinggi yang sama (konstrain).
Jika dibuat model indirect: i pengukuran (observasi) beda tinggi:
14
Danau
l1
l3l2
l6l5
l4
h5
h1
h3
h4h2
Persamaan observasi:
136
355
454
243
232
121
hh
hh
hh
hh
hh
hh
Persamaan konstrain-nya adalah: h1 = h5 atau h1 - h5 = 0. Penambahan
persamaan konstrain ini akan merubah persamaan sebelumnya:
5
4
3
2
1
6
5
4
3
2
1
10001
00101
10100
11000
01010
00110
00011
0
h
h
h
h
h
atau:
x
H
A
0
Konstrain
15
6 MODEL STEP BY STEP (BERTAHAP)
Dengan model ini, pembentukan model secara bertahap, pengukuran/observasi
i dibuat dalam serangkaian seri untuk parameter x yang sama. Untuk model
statik:
0),(
0),(
22
11
xf
xf
Solusi dalam model f2 akan mengikuti model f2 dan memberikan estimasi
yang lebih baik untuk parameter x. Untuk kasus statik dikenal dengan istilah
sequential adjustment, step by step adjustment, dynamic network
adjustment. Dan untuk kasus dinamik dimana dilakukan secara real time
sering disebut dengan kalman filtering.
Contoh:
Tinjaulah kembali persamaan garis lurus y = mx + b untuk model indirect:
b
mx
Ax
i 1
untuk seri / epoch pertama diamati tiga buah titik (1 – 3):
11
1
111
1
1
3
2
1
3
2
1
ˆ
:normalnya Persamaan
1
1
1
TTAAAx
b
m
x
x
x
y
y
y
Untuk seri / epoch kedua diamati tiga buah titik (4 – 6):
22
1
222
2
2
6
5
4
6
5
4
ˆ
:normalnya Persamaan
1
1
1
TTAAAx
b
m
x
x
x
y
y
y
Solusi:
2211
1
22113ˆ TTTTAAAAAAx
16
7 CONTOH KASUS TRANSFORMASI KOORDINAT
7.1 Persamaan umum 2D Similarity Transformation:
y
x
y
x
y
x
cossin
sincos
'
'
dimana adalah faktor skala di sistem (x’, y’) dan adalah rotasi salib sumbu
dari sistem (x,y) ke sistem (x’,y’).
7.2 Penyusunan model indirect
Jika:
x’,y’ adalah pengukuran (observasi)
x,y dianggap sebagai konstanta
x, y adalah unkonwn parameter (4 buah)
sin
cos
b
a
pada kasus ini x, y akan ditentukan dari sistem (x,y).
maka persamaan diatas dapat dirubah menjadi:
d
c
y
x
ab
ba
y
x
'
'
maka sekarang parameter yang dicari adalah a, b, c, d; dan persamaan
observasi menjadi:
d
c
b
a
xy
yx
y
x
10
01
'
'
persamaan tersebut adalah persamaan linier, atau dalam bentuk lain:
x'
y'
x
y
x
y
xyx'
y'
17
Ax ;dan bentuk linier untuk model indirect adalah wAxv .
Karena observasi selalu memiliki kesalahan maka:
xAv
d
c
b
a
xy
yx
vy
vx
y
x
10
01
'
'
'
'
sehingga:
wxAv
y
x
d
c
b
a
xy
yx
v
v
y
x
'
'
10
01
'
'
dengan kata lain w = “minus observation”
Untuk menentukan parameter yang dicari digunakan:
dycx
ab
ba
;
tan 1
22 21
7.3 Mem-fix-kan faktor skala
Skala dibuat = 1
x, y akan ditentukan dalam sistem (x’, y’)
sehingga yang menjadi parameter sekarang adalah , x’, y’, dan
persamaannya menjadi:
'
'
cossin
sincos
'
'
y
x
y
x
y
x
karena persamaan tersebut adalah non-linier maka model indirect-nya menjadi:
wAv , sehingga:
'cossin
'sincos
'
'
'
'
yyx
xyx
vy
vx
y
x
dimana:
18
tmeasuremenncalculatio
tmeasuremenncalculatio
yyyx
xxyxw
yy
xyy
yx
xxx
A
yd
xd
d
''cossin
''sincos
;
''
'''
''
'''
;
'
'
000
000
w adalah calculation – observation. Bukan lagi “minus observation” seperti
pada kasus nomor 7.2 diatas. Dan bentuk linier untuk model indirect-nya
adalah:
wAv
yyyx
xxyx
yd
xd
d
yx
yx
v
v
y
x
'cossin
'sincos
'
'10sincos
01cossin
000
000
'
'
8 MODEL INDIRECT DENGAN CONSTRAINT
Untuk kasus seperti pada nomor 1:
d
c
y
x
ab
ba
y
x
'
'
Misalkan kriteria konstrain-nya adalah = 1, maka persamaan bukan lagi
linier:
wAv
ydyaxb
xcybxa
dd
dc
db
da
xy
yx
v
v
y
x
y
x
'
'
10
01
0
0
'
000
'
000
'
'
Dari kasus 1 diketahui pula bahwa 12
122
ba
Diketahui rumus konstrain adalah: H + wh = 0 ; dimana:
1
;
0
21
21
21
22
0
0
0
0
22
0
22
0
oo
h
oooo
baw
ba
ba
b
ba
a
parameter
fH
db
dq
19
Sehingga persamaan model indirect-nya akan menjadi:
1
''
''
00
10
01
0 0
0
0
0
0
0
0
'
'
yy
xx
dd
dc
db
da
ba
xy
yx
v
v
y
x
Disini w juga adalah “calculation – observation”.
9 MODEL IMPLICIT
Model digunakan jika baik sistem (x,y) dan sistem (x’, y’) adalah observasi /
pengukuran. Sehingga:
Pengukuran : (x, y) & (x’, y’)
Parameter: a, b, c, d.
Persamaan dalam bentuk matrik:
d
c
y
x
ab
ba
y
x
'
'; kalau mau dibuat model implicit, persamaan
harus diubah dulu menjadi:
0'
'
y
x
d
c
y
x
ab
ba
Karena persamaannya adalah non-linier maka model implicitnya menjadi:
0wvBA
dimana:
0
0'
'
10
01
10
01
10
01
observasi
10
01
parameter
'
';;
000
000
'
'00
00
00
00
000
000
'
'
wvBA
ydyaxb
xcybxa
v
v
v
v
ab
ba
dd
dc
db
da
yy
yx
ab
bafB
yy
yxfA
ydyaxb
xcybxaw
dd
dc
db
da
v
v
v
v
v
y
x
y
x
y
x
y
x