Analisis Sensitivitas Global — Sobol, Morris, dan FAST
Analisis sensitivitas global (GSA) adalah keluarga teknik yang menguraikan varians keluaran model berdasarkan parameter masukan, mengukur seberapa besar setiap masukan — dan setiap kombinasi masukan — berkontribusi terhadap ketidakpastian total dalam hasil. Indeks berbasis varians Sobol (2001), penyaringan satu per satu (OAT) Morris (1991), dan Uji Sensitivitas Amplitudo Fourier (FAST, pertama kali diusulkan oleh Cukier dkk. pada tahun 1973) adalah tiga pendekatan yang paling banyak digunakan. Bersama-sama, ketiganya berfungsi sebagai perangkat standar untuk mengidentifikasi parameter mana yang mendorong perilaku model dan mana yang dapat diperbaiki dengan aman.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Sobol, I.M. (2001). Global Sensitivity Indices for Nonlinear Mathematical Models and Their Monte Carlo Estimates. Mathematics and Computers in Simulation, 55(1–3), 271–280. DOI: 10.1016/S0378-4754(00)00270-6 ↗
- Saltelli, A. et al. (2008). Global Sensitivity Analysis: The Primer. Wiley. DOI: 10.1002/9780470725184 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 1). Global Sensitivity Analysis (Sobol, Morris, FAST). ScholarGate. https://scholargate.app/id/simulation/global-sensitivity-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Desain EksperimenDesain Eksperimen↔ compare
- Desain Simulasi BerlapisSimulasi↔ compare
- Simulasi Monte CarloPengambilan Keputusan↔ compare
- Kuantifikasi KetidakpastianSimulasi↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →