Professional Documents
Culture Documents
= (
)
1
Dimana W = matriks bobot yang nilainya sebesar 1/variansi di diagonalnya
x = matriks parameter
y = matriks pengamatan
A =
1 1
1
Dimana
0=
1
2.2 Penentuan Error Aproksimasi
Pertama-tama tentukan standar deviasi referensinya yaitu dengan persamaan
=
Dimana V = matriks residu
r = jumalah pengamatan jumlah parameter
setelah itu tentukan matriks Q yang nilainya sama dengan (A
T
WA)
-1
dan tentukan nilai
standar deviasi parameter
=
0
11
=
0
22
Setelah didapat nilai diatas maka dengan rumus berikut kita dapat mengetahui nilai error dari
fungsi aproksimasi
Dimana z=y ; x1 = a; x2=b
BAB III
ANALISIS DAN PENGOLAHAN DATA
3.1 Pengolahan data
Pertama-tama tentukan matriks bobot (W) baik pada N,E, dan U dengan persamaan
(351x351)
Setelah itu tentukan nilai matrik A yaitu A =
1 1
1
3512
(linier)
Tentukan matriks pengamatan y yaitu =
1
3511
Sehingga dapat ditentukan nilai parameter aproksimasinya menggunakan least-square bobot
dengan persamanan
= (
)
1
Fungsi aproksimasi Ax = y dari north(N) ,east(E), dan up(U) secara berurutan=>
y = -0,00003x + 0.00654
y = 0,00008x - 0.01515
y = 0,00002x - 0.00407
setelah didapat nilai aproksimasinya maka kita cari nilai standar deviasi referensi dengan
menggunakan vektor residu yang nilainya
=
Sehingga nilai standar deviasi referensi (So) adalah
=
Hasil So di MATLAB untuk N,E, dan U secara berurutan
So1 = 0.0349355340225242
So2 = 0.044193362825661
So3 = 0.0671807218058885
Setelah itu lakukan interpolasi dan aproksimasi, lalu plot grafiknya dengan menggunakan
MATLAB. Hasilnya :
(a)
(b)
(c)
Gambar 1(a) Grafik aproksimasi north (mm) (b) east (mm) (c) up (mm)
Setelah diplot maka tentukan koreksi pada parameter yaitu a,b (N,E,U) dengan persamaan
=
0
11
= 1.01116940714.10
-6
, 1.5474034746586. 10
-6
, 3.98091842669. 10
-6
=
0
22
= 0.0002, 0.0003, 0.0008
Dari standar deviasi diatas maka kita bisa menentukan standar deviasi ekstrapolasi pada hari
ke-361-365 yang hasilnya di Matlab dimana kolom 1-3 untuk N,E, dan U secara berurutan
= (
)
2
+
2
Hasilnya :
0.00042 0.000643 0.001655
0.000421 0.000644 0.001659
0.000422 0.000645 0.001662
0.000423 0.000647 0.001666
0.000423 0.000648 0.001669
3.2 Analisis
Dalam aproksimasi yang nilai parameternya ditentukan dengan menggunakan least-square
dan least-square bobot dimana least-square bobot lebih menggambarkan kualitas data karena
disertai dengan standar deviasinya. Setelah mendapatkan fungsi aproksimasinya maka kita
perlu mencari nilai standar deviasi referensi sebagai acuan yang didapat dari hasil
pengamatan sehingga dengan teori erambatan kesalahan maka bisa kita cari kesalahan yang
ditunjukkan dengan standar deviasi pada parameter. Standar deviasi menyatakan kesalahan
pada perambatan kesalahan acak karena berbeda dengan kesalahan sistematis yang dapat
dideteksi kesalahannya dengan nilai yang tepat, kesalahan acak tidak dapat diketahui nilainya
kita hanya bisa mengetahui rentang dari nilai kesalahan tersebut sehingga dinyatakan dalam
standar deviasi. Setelah diketahui standar deviasi parameter maka kita hitung standar deviasi
persamaan sehingga kita dapat mengetahui rentang nilai interpolasi dan ekstrapolasi dari
fungsi aproksimasi yang kita dapat sehingga dari nilai ekstrapolasi suatu titik itu adalah
<
< +
Dimana