Pada umumnya estimasi dalam Model Non Linier mengunakan metoda OLS (Ordinary Least Square) atau ML (Maximum Likelihood) dengan Algoritma Konvesional Gause-Newton; Newton-Rhapson; Marquardt-Levenberg; Berndt, Hall, Hall & Hausman atau Metoda Quadratic-Hill Climbing. Metoda Algoritma tersebut tidak akan menghasilkan global minimum/ maksimum. Dalam paper ini akan menjelaskan pendekatan baru yaitu Genetic Algoritma yang lebih menjamin global Maksimal/ minimal. Simulasi Monte Carlo digunakan untuk menjamin Robusness hasil estimasi. Komputasi yang digunakan dengan menggunakan MATLAB.
Download bila Anda ingin mendapatkan paper lengkap : Genetic Algoritma.pdf
Silahkan “Comment” di bawah ini.
Filed under: Algoritma, Econometric, Econometrics, Ekonometrik, Ekonometrika, Gause Newton, Hill Climbing, Marquardt Levenberg, Maximum Likelihood, Newton Rhapson, Ordinary Least Square | Tagged: Akaike information Criteria, Algoritma, Berndt Hall Hall Hausman, Cobb Douglas, constant elasticity of substitution, Econometric, Econometrics, Ekonometrik, Ekonometrika, Estimasi, Estimation, Gause Newton, Hill Climbing, Marquardt Levenberg, MATLAB, Maximum Likelihood, ML, Monte Carlo, Newton Rhapson, OLS, Ordinary Least Square, Schwart Criteria, simulasi, Simulation | 34 Comments »