Hasil Pencarian  ::  Simpan CSV :: Kembali

"Metode Conjugate Gradient merupakan salah satu cara untuk optimumkan fungsi f(x) untuk x tanpa kendala (unconstrained optimisation). Optimisasinya dijalankan secara iteratif dengan bantuan garis-garis arah yang saling conjugate. Karena metode ini sangat efisien dalam pemanfaatan storage, maka timbullah usaha untuk mengembangkannya. Salah satu pengembangannya adalah dengan menghubungkan metode CG ini dengan metode BFGS, yang kemudian menghasilkan suatu metode baru yang disebut VSGCG."

"Conjugate Gradient merupakan suatu metode optimasi yang dapat meminimasi suatu fungsi, dimana arab pencariannya berdasarkan arab konjugasi yang nilainya ortogonal. Karena sifat pencariannya yang ortogonal, sebingga membuat Conjugate Gradient dapat mencapai konvergensi pad a solusi yang dicari dengan cepat. Conjugate Gradient tidak banya dapat digunakan untuk menyelesakan fungsi yang Iinier, tetapi juga dapat digunakan untuk masalah non Iinier, salab satunya digunakan untuk pelatihan jaringan syaraf tiruan. Pada makalah ini, digunakan algoritma Conjugate Gradient Polak Ribiere dalam pelatiban jaringan syaraf tiruan sebagai sistem peramalan temperature udara. Data k1imatologi yang digunakan sebagai parameter masukan yaitu temperature udara, kelembaban, tekanan udara, curah bujan, lama penyinaran matabari, dan kecepatan an gin. Berdasarkan basil penelitian ini, kita dapat menginterpretasikan babwa sistem peramalan temperatur udara ini mengbasilkan akurasi lebib dari 90%."

"Penelitian yang telah dilakukan dalam menentukan kondisi optimum dari preparasi katalis CuO/Zeolit untuk mengeliminasi SOx ternyata memakan biaya yang besar karena harga parameter-parameter kondisi preparasi katalis yang banyak jumlahnya itu dilakukan secara trial dan error di laboratorium. Salah satu metode yang banyak mendapat perhatian karena keunggulannya dalam memecahkan permasalahan yang melibatkan banyak parameter dengan derajat non-linearitas yang tinggi adalah Jaringan Neural Artifisial. Oleh karena im kondisi preparasi katalis CuO/Zeolit akan disimulasikan oleh Jaringan Neural Propagasi Maju dengan metode pelatihan Jaringan Neural Conjugate Gradient.Simulasi ini sendiri bertujuan untuk mendapatkan luas perrnukaan zeolit yang paling optimal dengan data masukan berupa suhu kalsinasi dan % loading. Metode preparasi katalis yang digunakan adalah metode presipitasi da.n metode impregnasi sulfat. Data-data preparasi katalis diambil dari penelitian RUT IV TGP-FTUI. Hasil pembelajaran menunjukkan bahwa Janingan Neural Conjugate Gradient berhenti melakukan pencarian vektor bobot W pada error 0-01793 untuk presipitasi dan 0.03479 untuk impreguasi sulfat dari error tollerance sebosar 0.01 yang diset. Berhentinya proses pembelajaran sebelum tercapainya error toilerance ini disebabkan oleh terjebaknya Jaringan Neural Conjugate Gradient pada daerah lokal optima. Analisa simulasi dengan Propagasi Maju juga menunjukkan bahwa kondisi data latih yang digunakan untuk pelatihan jaringan mempunyai pengaruh yang cukup besar terhadap keakurasian hasil simulasi Jaringan Neural dengan data aktual yang diperoleh dari laboratorium. Makin banyak jumlah data dan makin bagus kondisi data (benar-benar didapatkan dari hasil percobaan di laboratorium) maka makin baik pula hasil simulasi."

"Seleksi portofolio merupakan proses penting dalam manajemen investasi, di mana investor memilih kombinasi aset keuangan untuk dimasukkan ke dalam portofolio. Tujuan dari seleksi portofolio adalah untuk menciptakan kombinasi aset yang dapat memberikan return maksimum dan/atau risiko yang minimum. Dalam kasus portofolio berdimensi besar, di mana terdapat banyak aset yang harus dimasukkan, pencarian solusi optimal dapat menjadi tantangan karena kompleksitas perhitungan seiring dengan bertambahnya dimensi. Oleh karena itu, dibutuhkan metode numerik yang efisien untuk menyelesaikannya. Salah satu metode numerik yang dapat digunakan untuk menyelesaikan permasalahan berdimensi besar adalah metode konjugat gradien. Metode konjugat gradien merupakan metode iteratif yang efisien, karena tidak membutuhkan perhitungan matriks Hessian. Sampai saat ini, metode konjugat gradien terus dikembangkan untuk meningkatkan efisiensinya, diantaranya adalah metode konjugat gradien Improved Fletcher-Reeves (IFR) dan metode konjugat gradien Modified-Polak-Ribi`ere- Polyak (MPRP). Salah satu cara untuk meningkatkan efisiensi metode konjugat gradien adalah dengan mengkombinasikan dua parameter metode konjugat gradien. Pada penelitian ini, dibentuk metode gradien konjugat hibrid IFR-MPRP dengan mengkombinasikan parameter metode konjugat gradien IFR dan metode konjugat gradien MPRP. Berdasarkan analisis konvergensi, metode konjugat gradien hibrid IFR-MPRP yang dibentuk memenuhi descent condition dan sifat konvergensi global. Kemudian, efisiensi dari metode konjugat gradien hibrid IFR-MPRP diuji dengan menggunakan 134 fungsi tes dan diperoleh hasil bahwa metode hibrid IFR-MPRP unggul dibandingkan metode konjugat gradien IFR dan MPRP. Selain itu, metode konjugat gradien hibrid IFR-MPRP juga terbukti efektif dalam menyelesaikan masalah seleksi portofolio saham.

---

Portfolio selection is an important process in investment management, where investors choose a combination of financial assets to include in a portfolio. The aim of portfolio selection is to create a combination of assets that can provide maximum return and/or minimum risk. In the case of large-dimension portfolios, where there are many assets to include, finding the optimal solution can be challenging due to the complexity of the calculations as the dimensions increase. Therefore, an efficient numerical method is needed to solve it. One numerical method that can be used to solve large dimensional problems is the conjugate gradient method. The conjugate gradient method is an efficient iterative method, because it does not require the calculation of the Hessian matrix. To date, conjugate gradient methods continue to be developed to increase their efficiency, including the Improved Fletcher-Reeves (IFR) and Modified Polak-Ribière-Polyak (MPRP) methods. One way to increase the efficiency of the conjugate gradient method is to combine two parameters of the conjugate gradient method. In this research, a hybrid IFR-MPRP conjugate gradient method is created by combining the parameters of the IFR method and the MPRP method. Based on convergence analysis, the proposed IFR-MPRP hybrid gradient conjugate method satisfies the descent condition and global convergence properties. Then, the efficiency of the IFR-MPRP hybrid gradient conjugate method is tested using 134 test functions and showed that the proposed method is superior to the IFR and MPRP gradient conjugate methods. In addition, the IFR-MPRP hybrid conjugate gradient method is also proven effective in solving stock portfolio selection problems."

"Permasalahan optimasi merupakan permasalahan yang tidak asing ditemui dalam kehidu- pan sehari-hari. Dalam disiplin ilmu matematika, metode-metode untuk menyelesaikan masalah optimasi masih berkembang sampai saat ini. Salah satu metode numerik berbasis pencarian gradien yang memiliki kontribusi besar dalam bidang optimasi tak berkendala berskala besar adalah metode konjugat gradien. Metode ini terkenal atas keunggulannya karena memiliki formula iterasi yang sederhana dan kebutuhan penyimpanan yang relatif kecil. Seiring waktu, variasi-variasi baru dari metode konjugat gradien terus bermunculan. Hingga saat ini, usaha untuk membentuk metode konjugat gradien dengan properti konvergensi dan performa numerik yang lebih baik masih aktif menjadi topik penelitian. Pada skripsi ini, dibentuk suatu metode konjugat gradien hibrid baru yang merupakan modi kasi dari metode konjugat gradien Improved-Fletcher-Reeves (IFR) dan Improved-Dai-Yuan (IDY). Dengan beberapa kondisi dan asumsi, metode konjugat gradien hibrid IFR-IDY terbukti memenuhi kondisi descent dan konvergen secara global. Kemudian, berdasarkan 134 fungsi uji yang digunakan, metode konjugat gradien hibrid IFR-IDY juga terbukti memiliki performa numerik yang lebih e sien dari segi jumlah iterasi dan waktu komputasi dibandingkan metode konjugat gradien IFR dan metode konjugat gradien IDY. Lebih jauh lagi, metode konjugat gradien hibrid IFR-IDY juga terbukti efektif dalam menyelesaikan masalah seleksi portofolio saham.

---

Optimization is a problem that we frequently encounter on a daily basis. In the discipline of mathematics, methods for solving optimization problems are still developing until today. One of the numerical methods based on gradient search that has made a major con- tribution to the eld of large-scale unconstrained optimization is the conjugate gradient method. This method is known for its advantages because it has a simple iteration formula and relatively small storage requirements. Over time, new variations of the conjugate gradient method continue to emerge. To this day, efforts to establish conjugate gradient methods with better convergence properties and numerical performance are still an active research topic. In this research, a new hybrid gradient conjugate method was created as a modi cation of the Improved-Fletcher-Reeves (IFR) and Improved-Dai-Yuan (IDY) conjugate gradient methods. With several conditions and assumptions, the IFR-IDY hybrid conjugate gradient method is proven to satisfy the descent condition and converge globally. In addition, based on the 134 test functions used, the IFR-IDY hybrid gradient conjugate method was also proven to have a more ef cient numerical performance in terms of the number of iterations and computing time compared to the IFR conjugate gradient method and the IDY conjugate gradient method. Furthermore, the IFR-IDY hybrid conjugate gradient method is also proven to be effective in solving stock portfolio selection problems."

"Direct Seguence CDMA (DS-CDMA) melalui wideband memiliki potensi untuk menyediakan kecepatan data yang lebih tinggi dan kapasitas yang lebih besar, juga sesuai dengan kebutuhan akan fleksibilitas bandwidth untuk multimedia. Metode ini juga tahan terhadap noise dan memiliki kinerja yang lebih baik untuk mendukung komunikasi 3 G DS-CDMA melakukan data spreading dengan cara korelasi antara data dan pseudo-noise code (PN Code) serta mengurangi level daya. Sinyal yang diterima reciver pada sistem ini merupakan penjumlahan dari semua sinyal user sehingga overlap pada domain waktu dan frekuensi karena DS-CDMA menggunakan domain waktu dan frekuensi yang sama. PN Code untuk tiap user berbeda untuk membedakan multi-user. Tetapi cross-correlation antara PN Code menyebabkan Multiple Access Interference (MAI) yang merupakan masalah utama karena membatasi kapasitas pelanggan pada suatu sistem.Untuk mengatasi masalah ini, deteksi multi-user sangat efektif sedangkan detektor konvensional tidak memiliki kemampuan tersebut. Detektor konvensional hanya mendeteksi satu user tanpa mempedulikan user lain yang juga terdapat pada sistem. Dengan demikian, Interference Canceller dengan metode Conjugate Gradien! untuk multi-user diajukan. Conjugate Gradient Detector dianggap efektif untuk meningkatkan kinerja DS-CDMA dengan metode yang digunakan adalah Conjugate Gradient Method. Simulasi yang dilakukan pada skripsi ini menunjukkan bahwa metode ini dapat mengurangi MAI, meningkatkan kinerja dan kapasitas sistem Direct Seguence W-CDMA."