Penaksiran Parameter Regresi Nonlinear Menggunakan Particle Swarm Optimization Dan Genetic Algorithm
DOI:
https://doi.org/10.59632/leibniz.v4i02.455Keywords:
Penaksiran Parameter, Regresi Nonlinear , Genetika Algoritma, Particle Swarm OptimizationAbstract
Penelitian ini bertujuan untuk mengestimasi dan membandingkan hasil estimasi parameter untuk regresi nonlinier. Metode nonlinier tradisional, yang dikenal sebagai "Regresi Kuadrat Terkecil Nonlinier", digunakan untuk estimasi parameter dalam Model Regresi Nonlinier. Sementara PSO dan GA telah memberikan jaminan untuk optimum global, Metode Gauss-Newton dan Metode Levenberg-Marquadrt masih tidak menjamin konvergensi dan optimum global ketika mengestimasi parameter model regresi nonlinear. Perbedaan nilai fitness yang dihasilkan dari kedua pendekatan inilah yang digunakan untuk menilainya. Algoritma genetika ditemukan lebih efektif untuk estimasi parameter dalam model regresi nonlinier setelah simulasi data dari estimator dibuat dengan program Matlab. Temuan menunjukkan bahwa regresi kuadrat terkecil nonlinier tradisional sangat cocok untuk GA dan PSO. Namun, estimasi parameter GA menunjukkan keberhasilan yang lebih besar.
Downloads
References
Anggo, B., Aji, S., Nurdin, A., Widodo, P., & Dwi, M. R. (2020). Deteksi Anomali Total Electron Content Sebelum Gempa Bumi Palu Menggunakan Jaringan Syaraf Tiruan Levenberg-Marquardt. Jurnal Tekno Kompak, 14(1), 22–26.
Atiliani, A. 2013. Pelatihan Jaringan Syaraf Tiruan Multi Layer Perceptron Menggunakan Genetic Algorithm Levenberg Marquardt. Skripsi. Surakarta Universitas Sebelas Maret.
Bai, Qinghai. 2010. Analysis Of Particle Swarm Optimization Algorithm. CCSE, Computer and Information Science. www.ccsenet.org/cis College of Computer Science and Technology. Inner Mongolia University for Nationalities. Tongliao 028043: China.
Chen, R.M. & Shih, H.F. 2013. Solving University Course Timetabling Problems Using Constriction Particle Swarm Optimization with Local Search. Article Algorithms 2013, 6, 227-244; doi:10.3390 /a6020227. ISSN 1999-4893
Defersha, F & Chen, M. 2010. A Parallel Genetic Algorithm For A Flexible JobShop Scheduling Problem With Sequence Dependent Setups. The International Journal of Advanced Manufacturing Technology, vol. 49, no. 1, pp. 263-279.
Firdaus, M. 2004. Ekonometrika suatu Pendekaatan Aplikatif. Jakarta: PT. Bumi Aksara
Hasan, M. I. 2002. Pokok – Pokok Materi Statistika I (Statistika Deskriptif). Jaka PT. Bumi Aksara.
Haupt, R. L., & Haupt, S. E. 2004. Practical genetic algorithms. John Wiley & Sons. http://www.itl.nist.gov/div898/strd/nls/nls_main.shtml.
Jatmiko,W., Febrian, A., Jovan, F., Suryana, M.E., Alvisalim, M.S. & Insani, A. 2010. Swarm Robot Dalam Pencarian Sumber Asap. Perpustakaan Nasional. ISBN: 978-979-1421-08-9
Kennedy, J. & Eberhart, R.C. 1995. Particle swarm optimization. In Proceedings of the 1995 IEEE International Conference on Neural Networks. IEEE Service Center, Piscataway
Liu, F., and Zhou, Z. (2015). A new data classification method based on chaotic particle swarm optimization and least square-support vector machine.
Lu, Z., Yang, C., Qin, D., Luo, Y., and Momayez, M. (2016). Estimating ultrasonic time-of-flight through echo signal envelope and modified Gauss Newton method.
Mahmudy, W.F & Rahman, M.A. 2011. Optimasi Fungsi Multi-Obyektif Berkendala Menggunakan Algoritma Genetika Adaptif Dengan Pengkodean Real. Kursor, vol. 6, no. 1, pp. 19-26.
Minot, A., Lu, Y. M., and Li, N. (2015). A distributed Gauss-Newton method for power system state estimation. IEEE Transactions on Power Systems, 31(5), pp. 3804-3815. doi: 10.1109/TPWRS.2015.2497330
Santosa, Budi dan Paul Willy, 2011, Metode Metaheuristik Konsep dan Implementasi, Surabaya: Guna Widya.
Suharyadi dan Purwanto. 2009. Statistika untuk Ekonomi dan Keuangan.Jakarta: Salemba Empat.
Xu, S.H, Liu,J.P, Zhang,F..H, Wang,L., dan Sun,L.J.2015. A Combination of Genetic Algorithm and Particle Swarm Optimization for Vehicle Routing Problem.With Time Windows. Swithzeland : Licensee MDPI, Basel Swithzeland.
Downloads
Published
Issue
Section
License
Copyright (c) 2024 Rahel Fransiska Sri Arni Simamora, Sutarman
This work is licensed under a Creative Commons Attribution 4.0 International License.
