Memuat
Memuat
Lihat semua langkah di atas dipraktikkan langsung, lengkap dengan narasi.
0 kali ditonton
Buku kelas
Halaman 1 / 5
Sampul: Kelas Optimasi Multi-Objektif NSGA-II MOPSO Hybrid #6: Studi Kasus Skala Besar & Uji Statistik Perbandingan Algoritma
Klik halaman atau ◀ ▶ untuk membalik · geser di HP · untuk memperbesar
Ingin belajar lebih dalam?
Ikuti kursus kami atau tanyakan langsung lewat WhatsApp.
Dipilih dari software, topik, dan level “Kelas Optimasi Multi-Objektif NSGA-II MOPSO Hybrid #6: Studi Kasus Skala Besar & Uji Statistik Perbandingan Algoritma”.
Pilihan lain dari kami untuk Python.
Belajar bareng mentor
Kursus AI & Kecerdasan Buatan terjadwal, dibimbing langsung, bersertifikat.

Kursus Optimasi Multi-Objektif: NSGA-II, MOPSO & Algoritma Hybrid (Python)

Kursus Klasifikasi Aritmia EKG dengan Wavelet & Deep Learning (PyTorch)

Kursus ANFIS + PSO/GA untuk Peramalan Deret Waktu Non-Linear (Python)
Minta dibuatkan
Tidak sempat belajar Python? Tim kami bisa mengerjakan proyeknya.

Jasa Machine Learning Python — Model Prediksi, Segmentasi Pelanggan, Deteksi Fraud & Aplikasi AI

Jasa Pembuatan Gambar AI dengan Stable Diffusion — Produksi Visual Custom Tanpa Batas
★ 4.9

Jasa Pembuatan Gambar & Video AI dengan Leonardo AI — Visual All-in-One untuk Bisnis
★ 4.9
Kabari saya kalau ada kelas Python baru
Paling banyak satu email per minggu. Berhenti kapan saja dengan satu klik.
Narasi lengkap video ini. Kalimat yang sedang diucapkan disorot saat video diputar; klik kalimat untuk melompat ke sana.
Inilah hasil akhirnya, pada masalah 200 variabel, NSGA2 dan MOPSO bahkan belum menyentuh daerah referensi hypervolume, sedangkan hybrid mencapai IG di 11 kali lebih kecil. 10 percobaan dan uji Wilcoxon membuktikan keunggulan ini signifikan. Ayo kita mulai. Halo, selamat datang di episode terakhir seri metaheuristik hybrid multi-objective. Masalah nyata seperti penjadwalan pembangkit atau desain jaringan bisa punya ratusan variabel. Makin banyak variabel, makin sulit pencarian. Hari ini kita menguji ketiga algoritma pada skala besar dan membuktikan hasilnya secara statistik, sesuai standar jurnal.
Buat file skala underscore besar dot pay. Ada dua kasus, ZDT1 dengan 200 variabel dan DTLZ23 objektif dengan 50 variabel. Setiap algoritma dijalankan 10 kali dengan SID berbeda, 300 generasi. Lalu kita hitung IGD dan hypervolume setiap percobaan serta uji Wilcoxon rangsem antara hybrid dan kedua pembanding. Jalankan. Pada ZDT1200 variabel, IGDNSGA21,85, MoPSO1,37, dan hybrid hanya 0,16, dengan hypervolume 0,63. Sementara kedua pembanding bernilai 0 karena frontnya masih di luar titik referensi. Pada DTLZ250 variabel, IGD hybrid 0,108 dibanding MoPSO0,36, dan NSGA20,67. Semua uji Wilcoxon menghasilkan P sama dengan 1,57 x 10-4, nilai terkecil yang mungkin untuk 10 lawan 10 percobaan, artinya hybrid lebih baik di setiap percobaan.
Lanjutkan dengan box plot IGD dan hypervolume untuk kedua kasus. Mari lihat grafiknya. Kotak hybrid jauh di bawah pada IGD dan jauh di atas pada hypervolume, tanpa tumpang tindi dengan pembanding, dan kotaknya sempit, artinya hasilnya konsisten di setiap percobaan. Keunggulan hybrid justru makin besar pada skala besar, karena langkah PSO menuju pemimpin membawa semua variable sekaligus ke arah yang benar.
Selesai, dan selesai pula seri ini. Kita sudah membangun penelitian optimasi multiobjektif secara lengkap, konsep Pareto dan fungsi uji, NSGA2 dan MoPSO dari nol, algoritma hybrid, metrik hypervolume, IGD, dan spread, sampai studi kasus skala besar dengan uji statistik. Untuk penelitian lanjutan, coba masalah dengan kendala, menu objektif dengan NSGA3, penerapan pada masalah teknik nyata seperti penempatan pembangkit, atau pengaturan parameter adaptif. Terima kasih sudah mengikuti seri ini. Sedang menyusun skripsi, tesis, atau riset di bidang optimasi dan kecerdasan buatan? Cerdas inovasi digital membantu implementasi algoritma optimasi, dari NSGA2 dan MoPSO, perancangan algoritma hybrid, sampai metrik hypervolume dan IGD, serta uji statistik perbandingan algoritma, serta membuka kursus pemrograman Python untuk teknik. Ingin menguasai seluruh seri ini, dari konsep Pareto sampai studi kasus skala besar? Semua 6 episode, lengkap dengan PDF panduan langkah demi langkah dan source code, tersedia untuk pelanggan tutorial premium. Berlangganan mulai Rp69.000 per bulan, hemat 28% dengan paket 12 bulan, atau sekali bayar Rp999.000 untuk akses seumur hidup. Mau satu kelas saja? Beli kelas satuan dengan akses selamanya. Langganan sekarang di halaman premium cerdasinovasidigital.com Hubungi WhatsApp kami, atau kunjungi cerdasinovasidigital.com Terima kasih telah menonton, sampai jumpa di episode berikutnya.
Ketik pertanyaan atau kata kunci; kami carikan bagian episode ini yang menjelaskannya dan lompatkan videonya ke sana.
Catatan disimpan bersama menit video saat ini dan hanya terlihat oleh Anda.
Bingung di salah satu langkah? Tanyakan di sini; pengajar dan peserta lain bisa menjawab.
Belum ada pertanyaan.

Tim Cerdas Inovasi Digital
Pengembang software, engineer BIM & 3D, dan praktisi AI
Sehari-hari kami mengerjakan software, model BIM, game, dan otomasi AI untuk klien, lalu menjadikan pengalaman praktik itu kelas langkah demi langkah: setiap langkah diperlihatkan di layar dan dilengkapi panduan PDF.
Lihat klien kami →