Perpustakaan Digital ITB

Optimasi menggunakan Kriging merupakan metode yang sering dikembangkan akhir-akhir ini. Bagaimana prosedur ini dapat menentukan prediksi dan varians pada titik yang belum dievaluasi menjadikannya menarik untuk digunakan dalam prosedur optimasi. Prosedur ini dapat memodelkan bagaimana fungsi yang tidak diketahui serta dapat menentukan sampel baru yang perlu dievaluasi dengan efisien untuk mendapatkan nilai optimal dari fungsi tersebut. Salah satu komponen penting dari optimasi menggunakan Kriging adalah kriteria infill. Kriteria infill adalah kriteria untuk menentukan sampel selanjutnya yang perlu dievaluasi dalam prosesur optimasi menggunakan model Kriging yang telah diprediksi. Pemilihan kriteria infill yang tepat penting untuk dilakukan terutama saat karakteristik permasalahan yang dioptimasi berbeda, salah satunya terdapat gangguan pada respon, sebagaimana yang sering ditemukan di kasus-kasus nyata dalam permasalahan kedirgantaraan. Kriteria infill Approximate Knowledge Gradient (AKG), Reinterpolation Procedure (RI), Expected Improvement (EI) dikembangkan dan digunakan dalam mengoptimasi fungsi uji analitik dengan gangguan pada respon yang divariasikan serta optimasi untuk meminimalisir koefisien gaya hambat dari airfoil transonik. Penelitian ini menunjukkan kriteria infill AKG memiliki performa yang baik dalam mengoptimasi fungsi uji analitik dengan adanya gangguan pada responnya serta optimasi dari bentuk airfoil menggunakan simulasi komputer dibandingkan kriteria infill EI dan RI meskipun waktu dan tenaga komputasi yang digunakan lebih tinggi. Namun, mengamati bagaimana suatu eksperimen yang memiliki gangguan pada responnya membutuhkan waktu dan biaya yang relatif lebih tinggi untuk melakukannya, kriteria infill AKG tetap menarik untuk dikembangkan dan digunakan dalam permasalahan-permasalahan dunia nyata selanjutnya.