Model Fitting Oleh : Dani Suandi, M.Si.
Introduction Background Direction Adanya perbedaan asumsi pada model Data yang diperoleh tidak beraturan Direction Menentukan tipe model yang tepat yang sesuai dengan data Memilih model yang lebih sesuai diantara beberapa model yang juga sudah sesuai Membuat prediksi dari kumpulan data dan informasi
Fitting VS Interpolasi
Sumber Error Pada Model Formulation Error Trancation Error Round-off Error Measurement Error
Model Fitting Linier Data Asumsikan model linier:
Kriteria Aproksimasi Chebishev Diasumsikan suatu fungsi dan koleksi data kemudian minimumkan nilai
Ilustrasi Kriteria Aproksimasi Chebishev Ukuran : Estimasi : Error : 1 satuan unit Aproksimasi dan
Ilustrasi Simbolik Minimumkan (max {|r1|,|r2|,|r3|}) Misalkan : r = max {|r1|,|r2|,|r3|} Maka Dengan kendala :
Ilustrasi Simbolik Masalah Program Linier Dengan Metode Simplex
Generalized Diasumsikan suatu fungsi dan koleksi data kemudian minimumkan nilai dengan dan r merepresentasikan nilai absolut terbesar dari residu
Meminimumkan Jumlah Deviasi Absolut Diasumsikan suatu fungsi dan koleksi data kemudian minimumkan nilai
Metode Kuadrat Terkecil Skema Jumlah Deviasi Absolut Kriteria Chebishev Tidak Kontinu Metode Kuadrat Terkecil