This undesirable problem is general

This undesirable problem is generally solved by using methods such as Ridge regression which
gives the biased parameter estimates. Ridge regression shrinks the ordinary least squares estimation vector of regression
coefficients towards origin, allowing with a bias but providing a smaller variance. However, the choice of shrinkage
parameter k in ridge regression is another serious issue. In this study, a new algorithm based on particle swarm optimization is
proposed to find optimal shrinkage parameter.

Results (Indonesian) 1:

Masalah ini tidak diinginkan umumnya diselesaikan dengan menggunakan metode seperti Ridge regresi yangmemberikan perkiraan bias parameter. Regresi Ridge menyusut vektor estimasi biasa kuadrat regresiKoefisien terhadap asal, memungkinkan dengan bias tapi menyediakan sebuah varians yang lebih kecil. Namun, pilihan penyusutanparameter k di punggungan regresi adalah masalah serius lainnya. Dalam studi ini, algoritma baru berdasarkan partikel segerombolan optimasi adalahdiusulkan untuk menemukan parameter optimal penyusutan.

Results (Indonesian) 2:

Masalah yang tidak diinginkan ini umumnya diselesaikan dengan menggunakan metode seperti regresi Ridge yang
memberikan estimasi parameter bias. Ridge regresi menyusut vektor estimasi kuadrat biasa regresi
koefisien terhadap asal, memungkinkan dengan bias tetapi menyediakan varian yang lebih kecil. Namun, pilihan penyusutan
parameter k dalam regresi ridge merupakan masalah serius lain. Dalam penelitian ini, algoritma baru berdasarkan optimasi partikel swarm yang
diusulkan untuk menemukan optimal parameter penyusutan.