Upload presentasi
Presentasi sedang didownload. Silahkan tunggu
Diterbitkan olehHarjanti Atmadja Telah diubah "6 tahun yang lalu
1
Model Fitting Oleh : Dani Suandi, M.Si.
2
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
3
Fitting VS Interpolasi
4
Sumber Error Pada Model
Formulation Error Trancation Error Round-off Error Measurement Error
5
Model Fitting Linier Data Asumsikan model linier:
6
Kriteria Aproksimasi Chebishev
Diasumsikan suatu fungsi dan koleksi data kemudian minimumkan nilai
7
Ilustrasi Kriteria Aproksimasi Chebishev
Ukuran : Estimasi : Error : 1 satuan unit Aproksimasi dan
8
Ilustrasi Simbolik Minimumkan (max {|r1|,|r2|,|r3|})
Misalkan : r = max {|r1|,|r2|,|r3|} Maka Dengan kendala :
9
Ilustrasi Simbolik Masalah Program Linier Dengan Metode Simplex
10
Generalized Diasumsikan suatu fungsi dan koleksi data kemudian minimumkan nilai dengan dan r merepresentasikan nilai absolut terbesar dari residu
11
Meminimumkan Jumlah Deviasi Absolut
Diasumsikan suatu fungsi dan koleksi data kemudian minimumkan nilai
12
Metode Kuadrat Terkecil
Skema Jumlah Deviasi Absolut Kriteria Chebishev Tidak Kontinu Metode Kuadrat Terkecil
Presentasi serupa
© 2024 SlidePlayer.info Inc.
All rights reserved.