Estimasi Parameter Model Nonlinear Menggunakan Analisis Sensitivitas dan Optimisasi Berbasis Turunan

Abstract

Estimasi model berdasarkan data hasil pengukuran variabel sistem merupakan salah satu topik penting dalam studi sistem dinamik. Estimasi maximum likelihood (ML) merupakan suatu teknik estimasi stokastik yang dapat digunakan untuk menentukan nilai parameter optimal pada suatu model sistem dinamik berdasarkan data observasi yang bercampur dengan sinyal gangguan acak. Makalah ini memaparkan implementasi estimator ML untuk mengidentifikasi parameter sistem dinamik yang dimodelkan dengan persamaan ruang keadaan waktu diskrit. Secara khusus, parameter optimal didefinisikan sebagai nilai yang meminimalkan selisih antara data pengukuran aktual dan sinyal keluaran yang dihasilkan oleh model sistem dengan nilai parameter hasil estimasi. Penentuan parameter optimal dilakukan dengan metode pengoptimalan berbasis gradien yang dikombinasikan dengan analisis sensitivitas. Hasil simulasi numerik yang mengilustrasikan implementasi metode estimasi yang diusulkan pada suatu model chemostat juga didiskusikan.