Penyelesaian Masalah Kuadrat Terkecil Nonlinear dengan Metode Gauss-Newton dan Metode Levenberg-Marquardt

Pada skripsi ini dibahas penyelesaian masalah kuadrat terkecil nonlinear dengan metode Gauss-Newton dan metode Levenberg-Marquardt. Terdapat beberapa metode yang dapat digunakan untuk menyelesaikan masalah optimasi, diantaranya metode Newton, metode Nelder Mead simpleks, dan metode gradient descent. Metode Gauss-Newton dan metode Levenberg-Marquardt merupakan metode optimasi khusus yang digunakan untuk meminimumkan jumlah kuadrat residu. Metode Gauss-Newton merupakan modifikasi metode Newton yang menggunakan gradien dan Hessian dari fungsi jumlah kuadrat residu, sedangkan metode Levenberg-Marquardt merupakan modifikasi metode Gauss-Newton. Selanjutnya, untuk mengetahui kinerja dari kedua metode tersebut, kedua metode ini diaplikasikan pada data eksponensial dan data sinusoidal. Hasil simulasi numerik menunjukkan bahwa dalam kasus dimana metode Gauss-Newton konvergen, metode ini lebih baik dari metode Levenberg-Marquardt karena metode Gauss-Newton lebih cepat konvergen. Namun, metode Levenberg-Marquardt mampu mengatasi masalah metode Gauss-Newton ketika metode ini gagal memperoleh solusi