Perataan Jaring Kontrol

Horizontal
dan penyaringan/pengetesan
data
Leni Sophia Heliani
Spesifikasi GPS KKH
• Pengukuran : Diferensial – Statik
• Data : fase
• Kerangka/moda : jaringan kecuali orde/klas 4
• Pemrosesan data : post-processing
Klasifikasi KKH

• Kelas : presesi pengukuran, 1 titik ikat,

minimal constrained
• Orde : Keakuratan pengukuran, > 1 titik ikat,
full constrained
Fungsi ttik ikat/tetap:

- Pendefinisian datum
- Penentuan parameter transformasi antar
datum
- Kontrol kualitas
- Menjaga konsistensi dan homogenitas
datum dan ketelitian titik
 Spesifikasi teknis metode dan strategi pengolahan data
jaring titik kontrol orde-00 s/d orde-3 dan orde-4(GPS)
Orde Jaringan
00 0 1 2 3 4 (GPS)
perangkat ilmiah ilmiah ilmiah komersil komersil komersil
lunak
Orbit precise precise precise BE BE BE
satelit
Ambig. fase float float fixed fixed fixed fixed
Eliminasi Differ. Differ. + Differ. + Differ. Differ. Differ.
kesalahan + estimasi estimasi estimasi
dan bias
Tahapan pengolahan multi- pengolahan baseline, pengolahan
penentuan baseline, penentuan perataan jaring bebas, baseline
koordinat koordinat perataan jaring terikat
Mekanisme uji-uji statistik terhadap parameter ketelitian koordinat
kontrol serta terhadap panjang baseline yang diukur lebih dari
kualitas satu kali (common baselines)
Pemrosesan data (orde 1-4)
Ttk-1 Ttk-2 Ttk-3 …… Ttk-n

Pengolahan Pengolahan Pengolahan Pengolahan

Baseline Baseline Baseline Baseline

Baseline-1 Baseline-2 Baseline-3 Baseline-n

Perataan jaringan (koord. WGS84)

Transformasi datum/koord

Koord. Sis. baru

 Perataan Jaring
Baseline-baseline belum
terintegrasi secara benar dan
konsisten. Koordinat titik-titik
belum unik

Hitung Perataa

Baseline-baseline telah
terintegrasi secara benar dan
konsisten. Koordinat titik-titik
unik.
Diagram alir perataan jaring GPS
Baseline
Tidak
Pre-adj screening
Ya
HKT
(parameter, minimal constrained)

Tidak
Post-adj screening
Ya
Hasil perataan minimal constrained
(kelas)

A
 A

HKT
(parameter, full constrained)

tidak
Uji hsl perataan

Ya
Hasil perataan full constrained
(orde)
data screening
• Pengukuran geodesi :tersedia pengukuran lebih
• Antar pengukuran tidak saling konsisten, menghasilkan
penyelesaian tidak unik
• Penyelesaian dengan HKT : solusi terbaik dicapai
dengan cara meminimalkan jumlah kuadrat residu
pengukuran.
• Solusi terbaik HKT “estimasi terbaik tanpa bias untuk
parameter” jika pengukuran berdistribusi normal
(hanya mengandung kesalahan acak)
 Data screening
HKT menghasilkan estimasi yang handal diperlukan data
screening :
1. Pre-adjusment data screening: mendeteksi dan
mengeliminasi semua kemungkinakan kesalahan kasar
yang nilainya besar pada data ukuran sebelum proses
hitung perataan jaringan
2. Post-adjusment data screening: mendeteksi dan
mengeliminasi kesalahan kasar kecil (small or marginal)
berdasarkan hasil uji statistik pada residualnya
Pre-adjusment data screening (reason)

• Hitung kuadrat terkecil akan memhaluskan dengan cara

menyebarkan kesalahan kasar/sistematik yang ada pada
satu data keseluruh data ukuran. jika ada satu kesalahan
kasar/sistematik yang besar akan disebarkan ke data
sekitarnya. Sehingga akan sulit untuk mendeteksinya
melalui uji statistik pada nilai residual (post-adjustment
data screening).
• Proses estimasi biasanya melibatkan model matematik
non-linier, sehingga harus dilinierisasi dan hitungan
dilakukan secara iterasi. Adanya kesalahan kasar besar
akan merusak proses linierisasi dan menyebabkan hasil
iterasi menjadi divergen.
Pre-adjusment data screening
1. Deteksi kesalahan kasar dari kondisi adanyakesalahan
penutup (misclosures).
- pengukuran berlebih pada geometrik yang tertutup
(segitiga, loop dll.), kesalahan penutup sebagai penguji
konsistensi antar pengukuran
- Kesalahan penutup linier :
m
Δi  c0   c j l j c0  cT l
j i

dalam hal ini,

c  c1 c2 c3.......... ....c m 
T

l  l1 l2 l3.......... ....l m 

T
 Pre-adjusment data screening (2)
• Uji statistik kesalahan penutup
i
yi 
 i
Standar deviasi  i dapat dihitung menggunakan hukum perambatan kesalahan:

   cT Cl c
i

• Hipotesis ditolak jika

(varian apriori diketahui), atau
yi  n1 / 2
(varian apriori tidak diketahui)
yi  t1 / 2 (r )
 Pre-adjusment data screening (3)
2. Uji konsistensi pengukuran berulang
- pengukuran dilakukan berulang sehingga menghasilkan satu seri
pengukuran (i=1,2,3,..,m).
- Setiap pengukuran dapat diuji secara statistik terhadap
pengukuran yang lainnya untuk melihat kesesuaiannya
- hipotesis :
Ho : sesuai/konsisten dngn pengukuran yang lainnya.
Kemungkinan pilihan uji statistik untuk uji pengukuran
berulang

μ μ known μ known
σ
y
σ known li   li  l
y3  y2 
s n 1

n
li  l
y4 
σ unknown li   n 1
y1  s
 n

Kriteria pengujian : yi or y2  n1 / 2

y3 or y4  t1 / 2 (m  1) atau y3 or y4  1 / 2 (m  1)
Hitung kuadrat terkecil
Tujuan :
Menghitung (secara statistik) atau mengestimasi harga-harga bilangan
anu (parameter) berdasarkan data pengamatan yang tersedia
(diberikan).
Agar hasil estimasi benar/tdk bias : data yang digunakan hanya
mengandung kesalahan acak.
Pendahuluan (1)
Pendahuluan (2)
Metoda yang digunakan

• Metoda kondisi (standar 1)

• Metoda parameter (standar 2)
• Metoda kombinasi
Kuadrat terkecil metoda parameter

• Pengukuran merupakan fungsi parameter

• Minimal pengukuran > jumlah parameter
• Jumlah persamaan normal = Jumlah pengukuran
Metoda parameter

• Model matematis metode parameter sebagai

berikut :
La = F(Xa)
F(Xa) = F(Xo + X)
• Nilai estimasi pengamatan:
La = Lb + V
Lb + V = F(Xo + X)
F
Xa

Linierisasi persamaan normal

• Lb + V = F(Xo + X) F
• Lb + V = F(Xo) + X + … Xa
Xa = X
• Lb + V = F(Xo) + AX
• V = AX + F(Xo) – Lb
• V = AX + F(Xo) – Lb
• V = AX + L
• VTPV = (AX + L)T P (AX + L)
= (XTAT + LT) P (AX + L)
= (XTATPAX) + XTATPL + LTPAX + LTPL
= XTATPAX + 2XTATPL +LTPL

prinsip kuadrat terkecil :∑VTPV = minimum,

V PVT
0
X
• Nilai koreksi parameter :
X = -(ATPA)-1ATPL
• Nilai estimasi parameter :
Xa = Xo + X
• Nilai residu pengukuran
V = -A(ATPA)-1ATPL + L
Hitungan perataan jaring GPS :
• Sebagai input data adalah komponen
vektor baseline (x,y,z).
• Titik titik pada jaring dihubungkan oleh
baseline-baseline (tergantung desain).
• Perlu ada titik ikat sebagai referensi atau
untuk mengintegrasikan koordinat hasil
ukuran terhadap sistem koordinat titik-
titik ikat.
• Titik-titik ikat dapat berfungsi sebagai
kontrol.
• Solusi koordinat tidak konsisten sebab
ada ukuran lebih, sehingga perlu hitung
perataan.
Perataan jaring GPS

• Perataan jaring bebas (minimal constrained)

• Perataan jaring terikat (full constrained)
Perataan GPS
• Estimasi koreksi parameter (HKT):
X  (AT PA)1 AT PL

• (AT PA ) determinan = 0 > matrik singular

> kekurangan rank :, kekurangan rank diatasi
dengan pendefinisian datum.
• Minimal constraint : pendefinisian
datum/data acuan = kekurangan rank
• Full constraint : pendefinisian datum/data
acuan > kekurangan rank
1. Mengapa hasil pengukuran jaring GPS diselesaikan
dengan hitung perataan?
2. Sebutkan prasyarat data, agar hasil perataan tidak
mengandung bias?
3. Buatlah persamaan normal dan desain matriks jaring
GPS berikut:
A

C B

: titik ikat
: Titik yang akan ditentukan posisinya
: Vektor baseline