Sistem Linier Tunak dengan

Aliran Tak Terukur

Untuk sistem dengan pengukuran parsial (tidak semua aliran terukur),
masalah rekonsiliasi biasanya diselesaikan dengan membagi masalah
menjadi dua:
1. Penyepakatan variabel-variabel yang terukur, diikuti dengan
2. Estimasi variabel tak-terukur.

Metoda ini lebih efisien daripada penyelesaian melalui estimasi seluruh

variabel secara serentak.
Misalkan terdapat n buah variabel terukur (x) dan p buah variabel tak terukur (u).
Maka model pengukuran dinyatakan sebagai:

Model pengukuran : =+

Fungsi Objektif : min ( )

,

Kriteria pembatas: + =

Variabel u tidak memiliki nilai (tak-terukur), karena itu harus dihilangkan dari
persamaan kriteria pembatas! Untuk itu, persamaan kriteria pembatas harus
dikalikan matriks P (matriks proyeksi/projection matrix), dimana matriks P akan
memenuhi:
=

Dengan demikian, persamaan kriteria menjadi:

=
Sehingga: + = =

dan .
1
= ( )
Bandingkan dengan = 1

Terdapat berbagai metoda untuk membangun matriks proyeksi (P). Cara yang paling
efisien adalah dengan menggunakan faktorisasi QR terhadap matriks Au.

Tinjaulah matriks Au (mp) sebagai sebuah matriks yang linearly independent,

sehingga matriks Au dapat difaktorkan sebagai berikut:

= = 1 2 1
0

dengan u adalah kolom permutasi dari matriks identitas; R1 adalah matriks

segitiga atas (pp); dan Q adalah matriks ortogonal (mm) sedemikian sehingga:

=
Karena matriks Q bersifat ortogonal:
( dimana Q1T.Q2 = Q2T.Q1= 0 dan Q1T.Q1= Q2T.Q2 = I )

2 1 = 0 1
2 = 2 1 =0
0 0

Dari persamaan di atas, jelas bahwa Q2T adalah matriks proyeksi P (yaitu matriks
yang jika dikalikan dengan Au akan menghasilkan matriks nol).

Persamaan awal bisa dibentuk kembali:

+ = 0

Kalikan dengan QT:

+ = 0
 + = 0
Diatur ulang:
=

1 1
=
0 2
Atau:
1 = 1

Nilai vektor u dapat diperoleh dari:

= 11 1
 = + = 1,2, , 6

Harus memenuhi kriteria:

1 2 3 = 0
2 4 = 0
3 5 = 0
4 + 5 6 = 0
Apabila aliran 1, 2, 5 dan 6 saja yang diukur:
Kriteria persamaan yang diukur:

1 2 3 = 0
4 + 5 6 = 0

Kriteria persamaan yang tidak diukur:

2 4 = 0
3 5 = 0

Sehingga:

1 1 0 0 1 1 0
0 1 0 0 2 0 1 3
. = 5 dan . =
0 0 1 0 1 0 4
0 0 1 1 6 0 1

(m x n) (n x 1) + (m x p) (p x 1) = (m x 1)
Maka:
. + . =

1 1 0 0 1 1 0 1 2 3
0 1 0 0 2 0 1 3 2 4
5 + =
0 0 1 0 1 0 4 3 5
0 0 1 1 6 0 1 4 + 5 6
Matlab code:
clear
Ax = [1 -1 0 0; 0 1 0 0; 0 0 -1 0; 0 0 1 -1]
Q = eye(4)
Au = [-1 0; 0 -1; 1 0; 0 1]
x = [101.91 64.45 36.44 98.88]'
[Q,R,E] = qr(Au)
Q1 = Q(:,1:2)
Q2 = Q(:,3:4)
R1 = R(1:2,:)

P = Q2'
Axx = P*Ax
y = x - Q*Axx'*inv(Axx*Q*Axx')*Axx*x

u = -inv(R1)*Q1'*Ax*y