SUBRUANG TEREDUKSI PADA PROSES GAUSSIAN UNTUK MEMPERCEPAT ANALISIS PROBABILISTIK

• Main Author: Adam Faza, Ghifari
• Format: Theses
• Language: Indonesia
• Online Access: https://digilib.itb.ac.id/gdl/view/45661
• Institution: Institut Teknologi Bandung

Tesis ini mendiskusikan tentang pengembangan dari framework analisis desain untuk masalah dimensi tinggi yang meliputi analisis reliabilitas (RA), analisis sensitivitas (SA), dan kuantifikasi ketidakpastian (UQ). Simulasi Monte Carlo (MCS) seringkali digunakan untuk melakukan analisis tersebut, namun alih-alih menggunakan MCS saja, sebuah metamodel yang disebut Kriging digunakan untuk membantu proses analisis desain. Biasanya UQ, SA, dan RA membutuhkan banyak evaluasi fungsi, namun implementasi metamodel dapat meringankan permasalahan ini dengan menggantikan evaluasi fungsi dengan nilai prediksi dari metamodel. Untuk kasus dimensi yang sangat tinggi seperti 20 desain variabel atau lebih, penggunaan Kriging masih cukup mahal secara komputasional. Maka dari itu, digunakan teknik reduksi dimensi untuk sedikit memodifikasi fungsi kernel dari Kriging yang dapat mempercepat proses pembuatan model Kriging namun tetap mempertahankan performa akurasi dari model Kriging tersebut. Framework yang telah dikembangkan lalu diuji pada beberapa fungsi mulai dari fungsi dengan 10 dimensi sampai dengan fungsi 100 untuk 3 jenis aplikasi yaitu UQ, SA, dan RA. Hasilnya menunjukkan bahwa pada fungsi dengan dimensi yang tidak terlalu tinggi Kriging dengan Partial Least Square (KPLS) hanya sedikit lebih buruk dari Kriging biasa dalam konteks akurasi dari aplikasi yang digunakan. Sedangkan pada dimensi yang lebih tinggi dan jumlah titik sampel yang rendah, KPLS lebih baik dari OK dalam segi akurasi dan kecepatan untuk ketiga aplikasi tersebut.