Pemodelan & Simulasi
KONTRAK PERKULIAHAN KONTRAK PERKULIAHAN MATA KULIAH PEMODELAN & SIMULASI
Pertemuan ke-1
RNL/TI/09
Bobot MK B b t MK
- 3 SKS :
- – Perkuliahan : 3 jam SKS (3 X 45 menit) / Perkuliahan : 3 jam SKS (3 X 45 menit) / minggu
- – Tugas Terstruktur : 3 jam SKS / minggu g j gg
- – Tugas Mandiri : 3 jam SKS / minggu
RNL/TI/09
Deskripsi Mata Kuliah D k i i M t K li h Mata kuliah ini mempelajari proses penyelesaian M t k li h i i l j i l i masalah dalam sistem nyata melalui pengembangan model matematik dan simulasi pengembangan model matematik dan simulasi, mulai dari pemahaman konsep sistem, p pendekatan sistem, membuat formulasi , masalah, memformulasikan model untuk memecahkan sistem nyata dan merumuskan langkah-langkah pencarian solusi dalam pemecahan masalah.
RNL/TI/09
Tujuan Instruksional Mata Kuliah T j I t k i l M t K li h
- UMUM :
Mahasiswa mampu membuat formulasi (memodelkan dan mensimulasikan) dari permasalahan sistem nyata
- KHUSUS :
- – Mahasiswa memahami konsep sistem, pendekatan sistem, model dan pemodelan sistem. model dan pemodelan sistem.
- – Mahasiswa dapat memformulasikan model dari masalah yang dirumuskan
RNL/TI/09
Metode Perkuliahan M t d P k li h
- Ceramah C h
- Diskusi (Kelompok)
- Quiz • Tugas (Kelompok)
RNL/TI/09
Aturan Perkuliahan At P k li h Kehadiran Kehadiran 75%, kecuali sakit atau ijin 75% kecuali sakit atau ijin
- tertulis. Kehadiran < 75 %, tidak boleh ikut UAS • (Syarat Kelulusan) (Syarat Kelulusan).
- Ujian susulan diperbolehkan jika mhs dapat menunjukkan bukti autentik . Semua tugas harus dikerjakan dan diserahkan • pada waktu yang ditentukan. Mahasiswa yang terlambat lebih dari 15 menit Mahasiswa yang terlambat lebih dari 15 menit • tidak diperkenankan masuk kelas, demikian juga untuk dosen, kecuali telah disepakati sebelumnya sebelumnya.
RNL/TI/09
Penilaian Penilaian Nilai Akhir (NA) : • NA = 10% QUIZ + 20% TUGAS + 30% UTS + 40% UAS Skala Penilaian : •
INDEKS NILAI AKHIR KETERANGAN
A NA 80 Lulus (Sangat Baik) ( g ) B 68 NA 79 Lulus (Baik)
C 56 NA 67 Lulus (Cukup) D 45 NA 55 Lulus (Kurang)
E NA 44 Tidak Lulus
RNL/TI/09
Materi Materi
- Konsep Sistem • Konsep Pemodelan Sistem – Karakteristik model
- – Prinsip pemodelan
- – Klasifikasi model Klasifikasi model
- – Tahapan pengembangan model
- Konsep Simulasi Sistem M d l St ti tik d l Si l i • Model Statistik dalam Simulasi • Model & Simulasi Sistem Persediaan • Model & Simulasi Sistem Peramalan • Model & Simulasi Sistem Antrian • Model & Simulasi Monte Carlo
RNL/TI/09
LITERATUR LITERATUR
1. Gordon, Goeffrey, System Simulation, Prentice-Hall of India y y Private Limited, 1989.
2. Law, Averill M., Simulation Modeling and Analysis, McGraw- Hill International Edition, 2007.
3. Simatupang, Togar M., Pemodelan Sistem, Penerbit Nindita Klaten, 1995.
4. Sridadi, Bambang, Pemodelan dan Simulasi Sistem, Sridadi, Bambang, Pemodelan dan Simulasi Sistem, Penerbit Informatika, 2009.
4.
RNL/TI/09
Riani L. Jurusan Teknik Informatika
Universitas Komputer Indonesia Universitas Komputer Indonesia PreTest
1. Apa yang dimaksud dengan model ? 2.
Apa yang dimaksud dengan pemodelan ?
3. Berikan contoh model yang ada disekitar kita (minimal 3) ?
2
DEFINISI DEFINISI MODEL MODEL Model merupakan penyederhanaan dari sistem yang akan dipelajari.
Model adalah suatu representasi/formalissasi dalam bahasa tertentu (yang disepakati) dari suatu sistem nyata.
Sistem Sistem nyata : sistem yang sedang berlangsung dalam kehidupan sistem nyata : sistem yang sedang berlangsung dalam kehidupan, sistem yang dijadikan titik perhatian dan dipermasalahkan.
Model Model dapat dianggap sebagai subtitusi (pengganti) untuk sistem yang dapat dianggap sebagai subtitusi (pengganti) untuk sistem yang dipertimbangkan dan digunakan apabila lebih mudah bekerja dengan subtitut
tersebut daripada dengan sistem sesungguhnya.
Pemodelan
adalah proses membangun atau membentuk sebuah model dari suatu sistem nyata dalam bahasa formal tertentu.
3
Skema Sk P P d l Proses Pemodelan
4
Sistem nyata (A) akan dilihat dan dibaca oleh pemodel dan Sistem nyata (A) akan dilihat dan dibaca oleh pemodel dan membentuk “image” atau gambaran tertentu di dalam pikirannya. Tetapi “image” (A’) tidak persis sama dengan sistem nyata (A
≠ A’) karena pemodel membacanya dengan menggunakan “kacamata karena pemodel membacanya dengan menggunakan kacamata tertentu”.
“Kacamata” adalah sudut pandang/visi /wawasan tentang kehidupan Kacamata adalah sudut pandang/visi /wawasan tentang kehidupan, yang dipengaruhi oleh 3 faktor :
Tata nilai yang diyakini/dianut oleh pemodel
Ilmu pengetahuan yang dimiliki pemodel Ilmu pengetahuan yang dimiliki pemodel
Pengalaman hidup pemodel
“Image”/citra adalah suatu model mental (pikiran atau proses berfikir “I ”/ it d l h t d l t l ( iki t b fiki
manusia). Tapi model ini tidak mudah dikomunikasikan dengan orang lain, maka dibutuhkan suatu alat komunikasi tertentu yang sama sama sama dimengerti oleh dua atau lebih pihak yang berkomunikasi ‐sama dimengerti oleh dua atau lebih pihak yang berkomunikasi.
5
Alat komunikasi umumnya berberuk bahasa tertulis (seperti uraian Alat komunikasi umumnya berberuk bahasa tertulis (seperti uraian verbal, simbol, huruf, grafik, angka, gambar dll) atau berupa wujud fisik.
Model yang sudah diformalkan dapat diuji kesesuaiannya dengan
sistem nyata secara ilmiah. Untuk memperkecil kesalahan pengembangan dan hasil dari model dapat dilakukan penyesuaian pengembangan dan hasil dari model, dapat dilakukan penyesuaian ‐ penyesuaian tertentu.
Model tidak mungkin berisikan semua aspek sistem nyata karena M d l tid k ki b i ik k i t t k banyaknya karakteristik sistem nyata yang selalu berubah dan tidak semua faktor atau variabel relevan untuk dianalisis. Maka dalam pembentukan suatu model diperlukan usaha penyederhanaan dan pembentukan suatu model diperlukan usaha penyederhanaan dan penciutan yang kritis agar variabel relevan yang terpilih mempunyai dampak yang besar terhadap situasi keputusan yang diambil.
6
KARAKTERISTIK KARAKTERISTIK MODEL MODEL
Suatu model yang baik, akan mempunyai karakteristik :
1. Tingkat generalisasi tinggi Tin k t n r li i tin i Semakin tinggi derajat generalisasi, maka kemampuan model tersebut untuk memecahkan masalah makin besar.
2 Mekanisme transparansi Mekanisme transparansi Mekanisme suatu model dalam memecahkan masalah dapat dilihat jelas, sehingga dapat diterangkan kembali (rekonstruksi) tanpa ada yang disembunyikan. disembunyikan.
2.
3. Potensial untuk dikembangkan Mampu membangkitkan minat peneliti lain untuk menyelediki lebih lanjut dan membuka kemungkinan untuk dikembangkan menjadi model lanjut dan membuka kemungkinan untuk dikembangkan menjadi model yang lebih kompleks dan berdaya guna untuk menjawab masalah sistem nyata.
Peka terhadap perubahan asumsi 4.
Proses pemodelan tidak pernah berakhir.
7
PRINSIP PRINSIP PRINSIP PENGEMBANGAN PEMODELAN
‐PRINSIP PENGEMBANGAN PEMODELAN
Elaborasi 1.Pengembangan model dimulai dengan yang sedehana dan secara Pengembangan model dimulai dengan yang sedehana dan secara bertahap dielaborasi hingga diperoleh model yang lebih representatif. Penyederhanaan dilakukan dengan menggunakan sistem asumsi yang ketat tetapi memenuhi persayaratan (konsistensi, independensi, ekuivalensi dan relevansi) k i l i d l i)
Sinektik 2.
Metode yang dibuat untuk mengembangkan pengenalan masalah secara analogis yang mengacu pada penemuan kesamaan l i d k ‐kesamaan. Biasanya k Bi menggunakan prinsip ‐prinsip, hukum, teori, aksioma, dan dalil.
Iteratif 3.
Metode yang melakukan pengembangan secara berulang atau M t d l k k b b l t peninjauan kembali (iteratif)
8
JENIS ‐JENIS MODEL (1)
Model dapat direpresentasikan dalam berbagai cara.
Model dikelompokkan untuk mempermudah dalam memahami makna dan kepentingannya. p g y
Model dapat dikategorikan menurut jenis, dimensi, fungsi, tujuan, pokok kajian, atau derajat keabstakkannya.
Secara Secara umum & praktis model pada dasarnya dapat dikelompokkan umum & praktis, model pada dasarnya dapat dikelompokkan menjadi :
Model Ikonik (Model Fisik) Merupakan Merupakan perwakilan fisik dari sistem, baik dalam bentuk ideal maupun perwakilan fisik dari sistem baik dalam bentuk ideal maupun dalam skala yang berbeda. Model ini punya karakteristik yang sama dengan
yang diwakilinya. sistem
Model Analok (Model Diagramatik)
untuk mewakili situasi dinamik (keadaan yang berubah Digunakan menurut waktu).
Model Simbolik (Model Matematik) Menggunakan simbol, angka, atau rumus sebagai perwakilan realita yang dikaji
9
JENIS ‐JENIS MODEL (2)
10
JENIS JENIS JENIS MODEL (3) ‐JENIS MODEL (3)
Model Fisis/Fisik
Did Didasarkan k pada analogi antara sistem‐sistem (mekanis, elektris, dll). d l i t i t i t ( k i l kt i dll) Dalam model ini, atribut sistem digambarkan oleh pengukurnya.
Contoh :
Model M d l rumah, model jembatan. h d l j b
Laju ; laju gerak jarum pengukur kecepatan (speedometer)
Model Fisik Statis d l k
Biasa disebut sebagai Model Skala (model yang dibuat dengan memperkecil ukuran asli dari sistem).
Contoh :
Model yang digunakan dalam pembuatan pesawat terbang
11
JENIS JENIS JENIS MODEL (4) ‐JENIS MODEL (4)
Model Fisis Dinamis M d l Model ini didasari oleh analogi (kesamaan prilaku sistem) antara sistem yang i i did i l h l i (k il k i t ) t i t diamati dengan beberapa sistem lain yang secara alamiah berbeda.
Model Matematis M Menggunakan k simbol‐simbol dan persamaan matematika untuk i b l i b l d ik k menggambarkan sistem. Atribut direpresentasikan oleh variabel, dan aktivitas oleh fungsi0fungsi matematika yang menghubungkan variabel yang ada.
Model Matematik Statis Model Matematik Statis Model ini memberikan hubungan antara atribut sistem ketika sistem berada dalam keseimbangan. Jika titik keseimbangan diubah dengan mengganti nilai‐ nilai nilai atributnya, maka model dimungkinkan untuk memperoleh nilai nilai atributnya, maka model dimungkinkan untuk memperoleh nilai‐nilai yang baru untuk semua atributnya, tetapi bagaimana cara‐cara nilai tersebut berubah tidak diperlihatkan.
: Keseimbangan antara permintaan dan penawaran. Contoh
12
JENIS JENIS JENIS MODEL (5) ‐JENIS MODEL (5)
Model Matematik Dinamis
M d l Model ini memperbolehkan pengubahan atribut‐atribut sistem yang i i b l hk b h t ib t t ib t i t diperoleh sebagai fungsi waktu. Penurunan dapat dilakukan dengan analitis
atau komputasi numeris, bergantung pada kerumitas model.
Metode Numeris : Melibatkan penggunaan prosedur‐prosedur
komputasi untuk menyelesaikan persamaan yang ada atau aproksimasi. aproksimasi
Metode Analitis : Memakai teori matematika deduktif untuk
menyelesaikan l ik model, sehingga hasilnya akurat d l hi h il k
13 Riani L. Jurusan Teknik Informatika
Universitas Komputer Indonesia Universitas Komputer Indonesia PreTest
1. Apa yang dimaksud dengan simulasi ? 2.
Berikan contoh simulasi yang saudara ketahui (minimal ( i i l 3) ! )
2
Definisi Definisi Simulasi (1) Simulasi (1) Simulasi
adalah proses implementasi model menjadi program komputer p ( ) g g
(software) atau rangkaian elektronik dan mengeksekusi software tersebut sedemikian rupa sehingga perilakunya menirukan atau menyerupai sistem nyata tertentu untuk tujuan :
Mempelajari p j perilaku sistem p
Pelatihan
Permainan
Simulasi
adalah proses merancang model dari suatu sistem nyata, mengadakan percobaan‐perconbaan terhadap model tersebut dan mengevaluasi g hasil percobaan tersebut. p
3
Definisi Definisi Simulasi (2) Simulasi (2) Simulasi
adalah peniruan operasi menurut waktu sebuah proses atau sistem y ; nyata ;
dilakukan secara manual maupun dengan bantuan komputer Dapat
Menyertakan pembentukan data dan sejarah buatan (artificial history) dari
sistem, pengamatan data dan sejarah, dan kesimpulan yang terkait
sebuah g j y g dengan karakteristik sistem‐sistem. Untuk
mempelajari sebuah sistem, biasanya harus dibuat asumsi‐ asumsi tentang operasi sistem tersebut.
Dimana
asumsi‐asumsi tersebut akan membentuk sebuah model yang akan digunakan untuk memahami sifat/perilaku sistem.
4
Model Model Simulasi Simulasi Suatu representasi sederhana dari sebuah sistem (proses atau teori).
Model ‐model tidak harus memiliki seluruh atribut (hanya disederhanakan, dikontrol, digeneralisasi atau di‐idealkan).
Bagi sebuah model yang akan digunakan, seluruh sifat‐sifat relevan‐ nya harus ditetapkan dalam suatu cara yang praktis, dinyatakan dalam suatu suatu
set deskripsi terbatas yang masuk akal (reasonably) set deskripsi terbatas yang masuk akal (reasonably).
Sebuah
model simulasi harus divalidasi. Setelah divalidasi, maka dapat digunakan di k k l diki dik i il k untuk menyelediki dan memprediksi perilaku (sifat) d ( if ) sistem, atau menjawab pertanyaan untuk mempertajam pemahaman, pelatihan, prediksi, dan evaluasi alternatif.
5
Kapan Kapan Simulasi Cocok Digunakan ? Simulasi Cocok Digunakan ? Mempelajari intekasi internal sub‐sistem yang kompleks.
Mengamati M ti sifat model dan hasil keluaran akibat perubahan if t d l d h il k l kib t b h lingkungan luar atau variabel internal.
Meningkatkan kinerja sistem melalui pembangunan/pembentukan model. model
Eksperimen desain dan aturan baru sebelum diimplementasikan. Alat
bantu pelatihan dan pembelajaran dengan biaya yang lebih rendah. d h
Visualisasi operasi melalui animasi. Masalahnya
sulit, memakan waktu lama, atau tidak mungkin diselesaikan melalui metode analitik atau numerik konvensional.
6
Kapan Simulasi Tidak Cocok Digunakan ? Kapan Simulasi Tidak Cocok Digunakan ? Jika masalah dapat diselesaikan dengan metode sederhana.
Jik k i l l bih d h dil k k
Jika eksperimen langsung lebih mudah dilakukan
Jika biaya terlalu mahal. Jika sumber daya atau waktu tidak tersedia. Jika tidak ada data yang tersedia.
Jika verifikasi dan validasi tidak dapat dilakukan.
Jika sistem terlalu kompleks atau tidak dapat didefinisikan.
J p p
7
Bidang Bidang Bidang Aplikasi ‐Bidang Aplikasi Perancangan dan analisis sistem manufacturing. Evaluasi persyaratan hardware dan software untuk sistem komputer. Evaluasi sistem persenjataan atau taktik militer yang baru. Perancangan Perancangan sistem komunikasi dan message protokol. sistem komunikasi dan message protokol. Perancangan
dan pengoperasian fasilitas transportasi. Misalnya jalan tol, bandara, rel kereta api atau pelabuhan.
Evaluasi Evaluasi sistem keuangan atau ekonomi. sistem keuangan atau ekonomi
8
KLASIFIKASI MODEL SIMULASI
Simulasi Statik Model Representasi sistem pada waktu tertentu.
Contoh Contoh : model Monte Carlo : model Monte Carlo
Model Simulasi Dinamik Merepresentasikan sistem dalam perubahannya terhadap waktu.
Contoh C t h : sistem conveyor di pabrik i t di b ik
Model Simulasi Deterministik Tidak memiliki komponen probabilistik (random)
Model Simulasi Stokastik Memiliki komponen input random dan menghasilkan output yang random pula.
Model Simulasi Kontinyu y Status berubah secara kontinyu terhadap waktu.
Contoh : gerakan pesawat terbang
Model Model Simulasi Diskrit Simulasi Diskrit Status berubah secara instan pada titik‐titik waktu yang terpisah.
Contoh : Jumlah nasabah di bank
9
SIMULASI Diskrit
Peristiwa Pemodelan sistem, dimana variabel keadaan berubah pada set waktu yang diskrit.
Misalnya : kinerja sistem komputer digital
Studi sistem antrian bank i b k
Studi S di i
Peristiwa Kontinu Merupakan sistem dimana keadaan (state)‐nya berubah secara kontinu terhadap waktu.
Misalnya :
Studi proses reaksi kimia
dinamis suatu kendaraan (persamaan gerak) Gerakan
10
BAHASA SIMULASI BAHASA SIMULASI C
Menyediakan fungsi aljabar linier, matriks, trigonometri, diferensial, dll
Untuk pemodelan & simulasi sistem dinamis
Matlab/Simulink
Simscript
Fortran Si i
dan C++
Pascal
Java
Java
11
TAHAPAN TAHAPAN PENGEMBANGAN MODEL SIMULASI
PENGEMBANGAN MODEL SIMULASI
Dalam pembetukan model, harus diperhatikan faktor apa saja yang mempengaruhi mempengaruhi perilaku dari sistemnya (memperhatikan pengertian perilaku dari sistemnya (memperhatikan pengertian konsep sistemnya).
Tentukan Tentukan
variabel‐variabel apa saja yang menentukan performansi variabel variabel apa saja yang menentukan performansi sistem yang diamati, lalu bagaimana variabel‐variabel tersebut dapat dikendalikan dan diatur.
Kriteria yang haris dipenuhi dalam memodelkan suatu sistem :
Model harus mewakili (merepresentasikan) sistem nyatanya
Model d l merupakan penyederhanaan dari kompleksnya sistem, sehingga k d h d k l k h diperbolehkan adanya penyimpangan dalam batas‐batas tertentu
12
13 Secara implisit, p p p y g terdapat 6 tahap umum yang selalu muncul dalam pengembangan model
& simulasi : Memahami sistem yang Memahami sistem yang 1.
1.
akan disimulasikan akan disimulasikan
Memahami cara kerja sistem Output : uraian, context diagram yang menjelaskan hubungan sistem & lingkungannya g g y
2. Mengembangkan model
matematis dari sistem
Persamaan : diferensial, aljabar linier, logika diskrit, variabel keadaan dll y yang g disesuaikan dengan karakteristik sistem dan tujuan pemodelan. g j p : persamaan matematis, DFD
Output Cari analogi dari sistem/model lain yang sudah ada untuk mempermudah
3. Mengembangkan model matematis untuk simulasi Model matematis dari sistem disederhanakan, tergantung pada tujuan simulasi Berikan beberapa asumsi. Misalnya model non‐linier jadi model linier
14
4. Membuat program/software p g p
komputer
Menentukan bahasa pemrograman yang cocok untuk simulasi komputer (tergantung pada fasilitas yang tersedia pada kompiler untuk mendukung simulasi seperti prosedur, fungsi, GUI, library)
Membuat coding sesuai dengan tujuan simulasi
5. Menguji, verifikasi dan validasi output simulasi Tolak ukur baik/tidaknya simulasi adalah sejauh mana kemiripan hasil simulasi jika dibandingkan dengan sistem nyata yang bersangkutan. Pengujian dilakukan pada tingkat modul program untuk menguji fungsi sistem Verifikasi dilakukan untuk membuktikan bahwa hasil implementasi V ifik i dil k k t k b ktik b h h il i l t i program komputer telah sesuai dengan rancangan model konsep dari sistem nyata Validasi dilakukan dengan membandingkan hasil output Validasi dilakukan dengan membandingkan hasil output simulasi dengan simulasi dengan data dari sistem nyata, yang diperoleh dari hasil pengujian, sensor, sensus
Jika validasi tidak bisa diukur, maka dilakukan evaluasi secara subjektif
Mengeksekusi program Mengeksekusi program 6.
6.
simulasi simulasi
Dilakukan secara real ‐time atau offline (tergantung pada tujuan simulasi)
15
1/ 14/2010
VARIABEL ACAK &
VARIABEL ACAK & FUNGSI DISTRIBUSI Mata Kuliah Pemodelan & Simulasi
Pertemuan Ke- 5 & 6 Riani L Riani L.
JurusanTeknik Informatika Universitas Komputer Indonesia
1/ 14/2010 Variabel acak (random variable) Definisi: suatu fungsi atau aturan yang menunjukkan sebuah bilangan riil
untuk suatu titik sampel pada ruang sampel S
Variabel yang nilainya ditentukan oleh hasil sebuah eksperimen.
Variabel acak merepresentasikan hasil yang tidak pasti. p y g p
Biasanya variabel acak dinyatakan dengan huruf besar X, Y, Z dan nilai variabel acaknya dimisalkan dengan huruf kecil x y z variabel acaknya dimisalkan dengan huruf kecil x, y, z.
Variabel Acak terdiri dari : Variabel Acak Diskrit
Variabel Acak Kontiniu
1/ 14/2010 Variabel Acak Diskrit
Variabel acak yang nilainya berupa bilangan cacah, dapat dihitung dan terhingga.
Contoh:
- Jumlah pembeli yang memasuki sebuah toko = 2 orang
- Banyaknya produk yang rusak = 12 buah y y p y g
Ruang sampel diskrit : Ruang sampel diskrit mempunyai banyak elemen terhingga Eksperimen : Pelemparan sebuah dadu Hasil : Mata dadu yang tampak di atas Ruang sampel : S = {1,2,3,4,5,6} Peristiwa : A Titik ganjil yang muncul {1 3 5} Peristiwa : A = Titik ganjil yang muncul = {1,3,5}
B = Titik genap yang munccul = {2,4,6}
1/ 14/2010
VARIABEL ACAK KONTINU
Variabel acak yang nilainya berupa selang bilangan, tidak dapat dihitung dan tidak terhingga (memingkinkan pernyataan dalam bilangan pecahan).
Biasanya untuk hal-hal yang diukur (jarak, waktu, berat, volume)
Contoh:
- Jarak pabrik ke pasar = 35,57 km
- Waktu produksi per unit = 15,07 menit
Ruang sampel kontinu :
Ruang sampel kontinu mempunyai bilangan-bilangan dalam suatu interval
Eksperimen : Pemilihan 1 mahasiswa secara random dicatat IPK nya Eksperimen : Pemilihan 1 mahasiswa secara random, dicatat IPK-nya Hasil : Bilangan real antara 0 dan 4 Ruang sampel : S = { x
R : 0 ≤x≤4}
Peristiwa : A = IPK di atas 3 = {3 < x
≤ 4} Peristiwa : A IPK di atas 3 {3 x
≤ 4} B = IPK di bawah 2 = {0
≤ x < 2}
1/ 14/2010 Distribusi Probabilitas Distribusi probabilitas dari variabel acak adalah tabel, grafik, atau rumus
yang menyatakan probabilitas setiap nilai yang mungkin dimiliki variabel acak.
Contoh: Ada sebuah kuis dengan tiga pertanyaan dengan kemungkinan jawaban benar/salah. Ruang sampel kuis ini terdiri dari hasil benar/salah Ruang sampel kuis ini terdiri dari hasil
1/ 14/2010 Distribusi Diskrit vs Kontinu Sejumlah nilai yang mungkin (a
Distribusi Uniform Distribusi : Distribusi Diskrit Uniform
Distribusi Normal
Distribusi Poisson Distribusi Weibull
Distribusi Geometric
Distribusi Binomial Negatif
Di t ib i W ib ll
Distribusi Gamma
Distribusi Exponential
Distribusi Uniform
Distribusi Binomial
Distribusi :
countable number of possible values)
Jumlah individu dalam sekelompok orang seragam (uniform) antar 1,2 – 1,8 menit
Jumlah item dalam satu lot
siklus yang terdistribusi ( if ) t 1 2
Contoh :
Sebuah mesin dengan waktuContoh :
Sebuah kontinum dari nilai C h values)
Distribusi Poisson
1/ 14/2010 Distribusi Uniform Kontinyu – U( ,)
Distribusi :
Densitas :
Variansi:
Parameter :
, real ; <
Mean: M
1/ 14/2010
2 Distribusi Normal– N( )
, 0.
4 Densitas : 0. 3 m (x x ) or .2
Parameter : dn
, ; > 0 .10 . 0. Distribusi normal standar N(0,1):
- 4 -2 2 4 x
- w-1
- Z = (67)(129) mod 2048 = 451
- 1
1/ 14/2010 Distribusi Exponential– expo( )
Distribusi :
Densitas :
Parameter :
> 0
1/ 14/2010 Distribusi Diskrit Uniform– DU(i,j)
Distribusi :
Massa :
Parameter :
i, j integer ; i ≤ j
Mean: M Variansi:
1/ 14/2010 Distribusi Poisson– Poisson( )
Distribusi : Massa :
Parameter : > 0
1/ 14/2010 Distribusi Binomial– bin(t,p)
Densitas :
Distribusi : dimana
Parameter : t integer ; t > 0, p (0,1)
Mean: Mean:
tp
Variansi:
tp (1-p)
1/ 14/2010
1/ 14/2010 DISKUSI KELOMPOK “REVIEW BEBERAPA DISTRIBUSI STATISTIK”
1/ 14/2010
PEMBANGKIT BILANGAN ACAK
Mata Kuliah Pemodelan & Simulasi
Pertemuan Ke- 7 Riani L. Riani L
JurusanTeknik Informatika Universitas Komputer Indonesia
1/ 14/2010 Pembangkit Bilangan Acak (R (Random Number Generator) d N b G t )
CARA MEMPEROLEH :
ZAMAN DAHULU, dgn cara :
Melempar dadu
Mengocok kartu
ZAMAN MODERN (>1940), dgn cara : membentuk bilangan acak secara numerik/ aritmatik(menggunakan komputer) , disebut “Pseudo Random Number” (bilangan pseudo acak). g p
PEMBANGKIT BILANGAN ACAK, HARUS :
Berdistribusi uniform(0,1) dan tidak berkorelasi antar bilangan. B di t ib i if (0 1) d tid k b k l i t bil
Membangkitkan cepat, storage tidak besar
Dapat di “reproduce”
Periode besar, karena mungkin bil.acak dibangkitkan berulang
1/ 14/2010 Bilangan Acak ?
Bilangan acak adalah bilangan yang tidak dapat diprediksi kemunculannya
Tidak ada komputasi yang benar-benar menghasilkan deret bilangan acak secara sempurna
Bilangan acak yang dibangkitkan oleh komputer adalah bilangan acak
semu (Pseudo Random Number), karena menggunakan rumus-rumus matematika matematika
Banyak algoritma atau metode yang dapat digunakan untuk
membangkitkan bilangan acak membangkitkan bilangan acak
Bilangan acak dapat dibangkitkan dengan pola tertentu yang dinamakan
dengan distribusi mengikuti fungsi distribusi yang ditentukan
1/ 14/2010 Sifat-Sifat Pembangkit PRN
Independent : tiap variablenya harus bebas dari ketentuan, seperti : I d d t ti i bl h b b d i k t t ti
Z = merupakan hasil akhir
i-1 Z = merupakan angka pertama yang bebas tertentu a = merupakan angka konstan yang dapat bebas dengan ketentuan tersendiri
c = merupakan angka bebas tetapi tidak ada hubungan tertentu dengan m
Uniform : suatu distribusi yang umum (distribusi probabilitas) dan sama untuk y g ( p )
semua besaran yang dikeluarkan/diambil. Hal ini berarti bahwa diusahakan probabilitasnya sama untuk setiap penarikan random number tersebut.
Dense : Density Probabilitas Distribution harus mengikuti syarat probabilitas Dense : Density Probabilitas Distribution harus mengikuti syarat probabilitas (antara 0 dan 1). Hal ini berarti dalam penarikan angka-angka yang dibutuhkan dari Random Number Generator cukup banyak dan dibuat sedemikian rupa sehingga 0
≤ R.N. ≤ 1
Efficient : artinya dapat cukup sederhana dan dalam menggunakan cara ini harus terlebih dahulu memilih angka-angka untuk variable-variabelnya yang cocok.
Hal ini berarti dalam penarikan random number tersebut harus dapat p p menentukan angka-angka untuk variabelnya yang sesuai sehingga dapat berjalan terus-menerus.
1/ 14/2010 Penentuan Random Number
a. Tabel Random Number; table ini sudah banyak ditemukan mulai dari enam digit sampai dengan belas digit.
b. Electronic Random Number; number ini banyak juga dipergunakan dalam percobaan penelitian.
c. Conguential Pseudo Random Number Generator, yang terdiri dari tiga
bagian : a.
Linear Congruential Generator (LCG) Li C i l G (LCG)
b. Multiplicative Random Number Generator
c. Mixed Congruential Random Number Generator
1/ 14/2010 Linear Congruential Generator (LCG)
Metode ini digunakan untuk membangkitkan bilangan acak dengan distribusi uniform
Pseudo RNG, berbentuk : Pseudo RNG berbentuk : Z = (aZ + c) mod m i i – 1
Dimana :
Z = bilangan acak ke-i dari deretnya i
Z = bilangan acak sebelumnya i – 1 a a = faktor pengali a to pe ga c = increment m = modulus Kunci pembangkit adalah Z yang disebut umpan (seed) Kunci pembangkit adalah Z yang disebut umpan (seed).
1/ 14/2010 Contoh 1 LCG :
Membangkitkan bilangan acak sebanyak 8 kali dengan a = 2, c = 7, m = 10, dan Z = 2
Z = (2.2+7) mod 10 = 1
1 Z = (2.1+7) mod 10 = 9
2 Z = (2.9+7) mod 10 = 5
3 Z Z = (2 5+7) mod 10 = 7 = (2.5+7) mod 10 = 7
4 Z = (2.7+7) mod 10 = 1
5 Z = (2.1+7) mod 10 = 9
6 Z = (2.9+7) mod 10 = 5
7 Z = (2.5+7) mod 10 = 7
8 Bilangan acak yang dibangkitkan adalah : Bilangan acak yang dibangkitkan adalah :
1 9 5 7 1 9 5 7 → Terjadi pengulangan bilangan secara periodik (4)
1/ 14/2010 Contoh 2 LCG :
Membangkitkan bilangan acak sebanyak 8 kali dengan a = 4, c = 7, m = 15, dan Z = 3
Z = (4.3+7) mod 15 = 4
1 Z = (4.4+7) mod 15 = 8
2 Z = (4.8+7) mod 15 = 5
3 Z Z = (4 5+7) mod 15 = 12 = (4.5+7) mod 15 = 12
4 Z = (4.12+7) mod 15 = 10
5 Z = (4.10+7) mod 15 = 2
6 Z = (4.2+7) mod 15 = 0
7 Z = (4.0+7) mod 15 = 7
8 Bilangan acak yang dibangkitkan adalah : Bilangan acak yang dibangkitkan adalah :
4 8 5 12 10 2 0 7 → Tidak terjadi pengulangan bilangan secara periodik
1/ 14/2010
Terjadi pengulangan pada periode tertentu atau setelah sekian kali pe b pembangkitan, hal ini adalah salah satu sifat pembangkitan dari metode ini g , d s s u s pe b g d e ode dan PRNG pada umumnya
LCG mempunyai periode tidak lebih besar dari m, dan pada kebanyakan
kasus periodenya kurang dari itu kasus periodenya kurang dari itu
LCG mempunyai periode penuh (m – 1) jika memenuhi syarat berikut: 1. c relatif prima terhadap m.
2 2. a – 1 dapat dibagi dengan semua faktor prima dari m 1 d t dib i d f kt i d i 3. a – 1 adalah kelipatan 4 jika m adalah kelipatan 4 4. m > maks(a, c, Z ) 5. a > 0, c > 0
Penentuan konstanta LCG (a, c, dan m) sangat menentukan baik tidaknya
bilangan acak yang diperoleh dalam arti memperoleh bilangan acak yang seakan-akan tidak terjadi pengulangan.
1/ 14/2010 Contoh 3 LCG :
a = 21, c = 3, m = 16 digunakan untuk menghasilkan angka acak PRN Z = (21.Z +3) mod 16
i i-1
Z Z 13 (pilih angka antara 0 dan 15 (diperoleh dari m 1) sebagai seed = 13 (pilih angka antara 0 dan 15 (diperoleh dari m-1) sebagai seed value/starting value)
Z = (21. Z +3) mod 16
1
= (21.13+3) mod 16 = (21 13+3) mod 16 = 276 mod (16) = 4 (random number)
Random variate : U = Z /16
i i
= 4/16 4/16 = 0,2500
1/ 14/2010
1/ 14/2010
1/ 14/2010 Membuat Fungsi Pembangkit Bilangan Acak dengan LCG d LCG
1/ 14/2010 Memanggil Bilangan Acak dengan Fungsi LCG LCG
1/ 14/2010
1/ 14/2010 Multiplicative Random Number Generator
Z i
= (a.Z i-1
) mod m
Dimana :
Bilangan pseudo dimulai dgn nilai awal Z yang disebut benih.
a & m : bilangan bulat positif tertentu
A.Z
A.Z dibagi dgn m dan sisanya diambil sebagai nilai Z
Benih Z
/m
n
= Z
i
Bilangan acak : U
<m l k /
o
: bilangan Bulat positif ganjil, Z
o
i-1
minimum
n
a dipilih agar korelasi antar Z
i 1
Modulo m dipilih sebesar mungkin untuk memperbesar periode
Agar Zn berprilaku acak yang dapat dipertanggungjawabkan :
n
dibagi dgn m dan sisanya diambil sebagai nilai Z
Modulo m dipilih sebesar mungkin untuk memperbesar periode
1/ 14/2010
Untuk pemilihan nilai-nilai yang terbaik dijabarkan sebagai berikut :
a. Pemilihan nilai : m (modulo) merupakan suatu angka integer yang cukup e : ( odu o) e up su u g ege y g cu up
besar dan merupakan satu kata dari yang dipakai pada computer. Contoh :
Dalam computer IBM 360/370 sistem sebuah kata adalah 32 bits
p panjangnya, berarti angka integer yang terbesar dalam satu kata computer j g y , g g y g p
32-1
31
(computer words) adalah : 2 -1 = 2 – 1 = 2147488647
32-1 Maka nilai m hasrus lebih satu integer, atau : m = 2 +1 = 2147.483.648
Untuk mesin computer system 1130/1800 IBM yang dikenal dengan 16 Untuk mesin computer system 1130/1800 IBM yang dikenal dengan 16
16-1
BITS Words maka untuk memilih m adalah : m = 2 = 32.768
Sedangkan untuk memilih microcomputer dengan 8 BITS akan digunakan ::
8-1 m = 2 = 128 Dengan nilai m ini akan merupakan pembagi dari nilai (a x Z1) yang
mengikuti operasi modulo mengikuti operasi modulo
Hal ini akan menjadikan mesin computer hanya dapat tertinggi dengan
integer m-1 dan apabila produk-produknya lebih besar dari nilai-nilai ini akan mengakibatkan overflow/hang. akan mengakibatkan overflow/hang
1/ 14/2010 b. Pemilihan konstanta multiplier : a harus tepat.
Pemilihan nilai a harus bilangan prima terhadap m. a juga harus bilangan g p p j g g
ganjil (odd number). Pemilihan yang terbaik adalah dengan rumus yang lebih mendekat pada ketepatan.
Untuk system IBM 1130/1800 dengan : 16 Bits akan diperoleh y g p
Dan untuk mikrokomputer dengan 8 Bits, maka akan diperoleh :
c. Pemilihan untuk Z , yang dikenal dengan : SEED = Z mengharuskan
relative belakangan prima terhadap m. Hal ini dapat diperhatikan dengan relative belakangan prima terhadap m. Hal ini dapat diperhatikan dengan mudah apabila dicari untuk m adalah angka berpangkat 2 (dua) → angka exporer dari angka 2. Dengan demikian untuk Z adalah setiap angka- angka yang ganjil (odd number) seperti : I g y g g j ( ) p = Z = 12357
SEED SEED
Dapat diambil sembarang asalkan bilangan ganjil dan biasanya cukup besar.
d. d Bilangan c yang dipilih harus bukan merupakan kelipatan dari m dan juga Bilangan c yang dipilih harus bukan merupakan kelipatan dari m dan juga harus bilangan ganjil.
1/ 14/2010 Contoh : Misal komputer berkapasitas 12 bit word
W = 12
11 m = 2 = 2 = 2048
6 a = 67 a 2 & a 3 (mod 8) misal : Zo = 129
1 Z Z = (67)(451) mod 2048 = 1545 = (67)(451) mod 2048 = 1545
2 Z = (67)(1545)mod 2048 = 1115
3 Z = (67)(1115)mod 2048 = 977 ( )( )
4
4
1/ 14/2010 Contoh :
U = 451/2048 = 0,22015