ABSTRAK Kemas Zakaria
PUBLIC Irwan Sofiyan COVER Kemas Zakaria
PUBLIC Irwan Sofiyan BAB 1 Kemas Zakaria
PUBLIC Irwan Sofiyan BAB 2 Kemas Zakaria
PUBLIC Irwan Sofiyan BAB 3 Kemas Zakaria
PUBLIC Irwan Sofiyan BAB 4 Kemas Zakaria
PUBLIC Irwan Sofiyan BAB 5 Kemas Zakaria
PUBLIC Irwan Sofiyan PUSTAKA Kemas Zakaria
PUBLIC Irwan Sofiyan
Kriging telah dikenal sebagai surrogate model yang sering digunakan dalam
permasalahan eksplorasi desain teknik. Dalam thesis ini, surrogate model
baru diajukan dan dikategorikan sebagai universal Kriging dengan ekspansi
polinomial chaos sebagai fungsi trend-nya. Suku polinomial akan ditentukan
berdasarkan metode least angle regression (LARS), beserta melatih hyperpa-
rameter dalam surrogate model melalui memaksimalkan estimasi likelihood.
Performa dari metode yang diajukan, yaitu gradient-enhanced polinomial chaos
Kriging (GEPCK), dalam kasus analitik dan kasus real akan dipresentasikan
dan kemudian dibandingkan dengan tipe surrogate model umum yang lain,
seperti Kriging biasa (OK), gradient-enhanced Kriging (GEK), ekspansi polinomial
chaos (PCE), dan gradient-enhanced ekspansi polinomial chaos (GEPCE).
Hasil tersebut akan dipresentasikan dalam metrik root-mean-squared-error yg
telah dinormalisasi (NRMSE) sebagai sebuah boxplot, dengan 50 perbedaan
posisi sampel awal, karenanya menghasilkan 50 data dalam setiap boxplot,
untuk melihat robustness dari surrogate model yang diajukan dan kemudian
jumlah sampel dalam setiap kasus divariasikan untuk melihat pengaruh dari
peningkatan jumlah sampel dalam surrogate model yang diajukan. Dari semua
hasil tersebut, GEPCK secara konsisten lebih baik dari surrogate model
yang lain, dalam performa akurasi ataupun robustness, untuk kasus analitik
dan kasus real.