PENGEMBANGAN R PACKAGE gradDescent 3.0 UNTUK IMPLEMENTASI METODE BERBASIS GRADIENT DESCENT: Studi kasus: Faktor kompresibilitas gas
Pada penelitian sebelumnya telah dikembangkan R package gradDescent 2.0 yang memiliki 10 variasi algoritma. Namun karena metode Gradient Descent (GD) ini terus berkembang, banyak bermunculan variasi dari metode tersebut. Penelitian ini berfokus untuk melanjutkan package sebelumnya dengan menambahkan...
Saved in:
| Main Author: | |
|---|---|
| Format: | Academic Paper |
| Published: |
2017-12-28.
|
| Subjects: | |
| Online Access: | http://repository.upi.edu/33773/ |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Pada penelitian sebelumnya telah dikembangkan R package gradDescent 2.0 yang memiliki 10 variasi algoritma. Namun karena metode Gradient Descent (GD) ini terus berkembang, banyak bermunculan variasi dari metode tersebut. Penelitian ini berfokus untuk melanjutkan package sebelumnya dengan menambahkan metode lain yaitu Stochastic Variance Reduce Gradient (SVRG), Semi Stochastic Gradient Descent (SSGD), Stochastic Recursive Gradient Algorithm (SARAH) dan Stochastic Recursive Gradient Algorithm+ (SARAH+) untuk melakukan prediksi pada tugas regresi. Untuk menguji R package ini dilakukan eksperimen dan simulasi untuk mencari atau memprediksi nilai faktor kompresibilitas gas CO2 berdasarkan parameter tekanan dan suhu yang didapatkan. Berdasarkan hasil penelitian yang dilakukan, gradDescent 3.0 berhasil dikembangkan. Eksperimen dan simulasi R Package pada studi kasus faktor kompresibilitas gas CO2 telah selesai dilakukan dengan hasil rata-rata untuk nilai RMSE sebesar 0.168138 dan waktu eksekusi sebesar 1.347653 detik.----In the previous research has been developed R package gradDescent 2.0 which has 10 variations of algorithm. However, as the Gradient Descent (GD) method continues to evolve, many emerging variations of the method. This study focuses on continuing the previous package by adding other methods of Stochastic Variance Reduce Gradient (SVRG), Semi Stochastic Gradient Descent (SSGD), Stochastic Recursive Gradient Algorithm (SARAH) and Stochastic Recursive Gradient Algorithm+ (SARAH+) to predict the regression task. To test this R package experiments and simulations to find or predict the value of CO2 gas compressibility factor based on the pressure and temperature parameters obtained. Based on the results of research conducted, gradDescent 3.0 successfully developed. Experiments and simulation of R Package on case study of CO2 gas compressibility factor has been done with the average result for RMSE value of 0.168138 and execution time of 1.347653 seconds. |
|---|---|
| Item Description: | http://repository.upi.edu/33773/1/S_KOM_1301658_Title.pdf http://repository.upi.edu/33773/2/S_KOM_1301658_Abstract.pdf http://repository.upi.edu/33773/3/S_KOM_1301658_Table_of_content.pdf http://repository.upi.edu/33773/4/S_KOM_1301658_Chapter1.pdf http://repository.upi.edu/33773/5/S_KOM_1301658_Chapter2.pdf http://repository.upi.edu/33773/6/S_KOM_1301658_Chapter3.pdf http://repository.upi.edu/33773/7/S_KOM_1301658_Chapter4.pdf http://repository.upi.edu/33773/8/S_KOM_1301658_Chapter5.pdf http://repository.upi.edu/33773/9/S_KOM_1301658_Bibliography.pdf http://repository.upi.edu/33773/10/S_KOM_1301658_Appendix.pdf |