BRIAN WAHYU SETYARI, 080212544 (2006) ESTIMASI PARAMETER MODEL REGRESI NONLINEAR DENGAN METODE MODIFIKASI LEVENBERG MARQUARDT. Skripsi thesis, UNIVERSITAS AIRLANGGA.

Text (FULL TEXT) 25946.pdf Restricted to Registered users only Download (1MB) | Request a copy

Abstract

Regresi Nonlinear adalah regresi yang memuat parameter nonlinear, artinya jika parameter tersebut diturunkan terhadap parameter itu sendiri maka hasil turunannya masih mengandung parameter itu. Estimasi regresi dilakukan untuk menentukan estimator parameter regresi. Salah satu metode yang digunakan untuk mengestimasi parameter model regresi nonlinear adalah nonlinear least square dimana secara konseptual sama dengan metode least square pada model regresi linear. Skripsi ini bertujuan untuk mengestimasi parameter ø pada model regresi nonlinear dengan menggunakan algoritma Modifikasi Levenberg Marquardt, kemudian membuat program berdasarkan algoritma tersebut dan menentukan model yang paling sesuai untuk data. Untuk memperoleh hasil estimasi parameter ø pada model regresi nonlinear dapat melalui proses iterasi dengan menggunakan algoritma Modifikasi Levenberg Marquardt. Tidak semua model regresi nonlinear sesuai untuk data yang disediakan. Hal ini terlihat dari estimator , MSE dan R2 yang dihasilkan. Dan data Kecepatan Enzim dan Konsentrasi Substrat Pada Reaksi Kimia Enzim Katalis diperoleh bahwa model yang paling sesuai adalah model Michaelis Menten, y = o1u1 + Є . Estimator dan model ini adalah sebesar 02 +u1 Ø1 = 0.105317 Ø2 = 1.691513 dengan MSE = 0.00002010727 dan R2 = 0.9379016 Translation: Nonlinear Regression is regression that contain nonlinear parameter, it means that if the parameter is derivated to parameter itself, hence the result of it's derivative still contain that parameter. Regression estimation is done to determine estimator of regression parameter. One of the method that used to estimate nonlinear regression model parameter is nonlinear least square where conceptually its equal to least square method at linear regression model. The skripsi purpose are to estimate parameter ø at nonlinear regression model use Levenberg Marquardt Modification algorithm, then make program according to that algorithm and determine the most suitable model to the data. To get the result of estimation parameter ø at nonlinear regression model can be done through iteration process with Levenberg Marquardt Modification algorithm. Not all nonlinear regression model is suitable to the data. It can be seen from estimator, MSE and R2 result. From the data Enzyme Velocity and Substrate Concentration in An Enzyme-catalyzed Chemical Reaction obtained that the most appropriate model is Michaelis Menten model, y = ø1u1 +E. 02 + u1 Estimator from the model are Ø1=0.105317 Ø2=1.691513 with MSE = 0.00002010727 dan R2 = 0.9379016

Actions (login required)

View Item