RNG MUHAMMAD YUSUF Teknik Informatika – Universitas Trunojoyo

Slides:



Advertisements
Presentasi serupa
Analisa Data Statistik Chap 5: Distribusi Probabilitas Diskrit
Advertisements

Analisa Data Statistik Chap 5: Distribusi Probabilitas Diskrit
Analisa Data Statistik
DISTRIBUSI PELUANG.
BY MUH.YUSAN NAIM. BAB II DISTRIBUSI BINOMIAL DIGUNAKAN UNTUK MENYELESAIKAN PERSOALAN-PERSOALAN PROBABILITAS VARIABEL RANDOM YANG BERSIFAT BINOMIAL ATAU.
LANJUTAN SOAL-SOAL LATIHAN DAN JAWABAN PELUANG.
Nilai Harapan.
TEKNIK SIMULASI Informatika Undip.
DISTRIBUSI TEORETIS Tujuan :
Distribusi Hipergeometrik Distribusi Poisson.
I. Pendahuluan I.1 TUJUAN MEMPELAJARI SIMULASI
Media Pembelajaran Matematika
SOAL- SOAL LATIHAN DAN JAWABAN PELUANG.
Fungsi distribusi dari Y adalah : G(y)=Pr(Y≤y)=Pr(u(X ≤y)=Pr(X≤w(y))=
Pembangkit Random Number. Definisi _1 (i). Himp. Semua hasil yang mungkin dari suatu eksperimen dan dinyatakan dengan S. (i). Himp. Semua hasil yang mungkin.
BAB IV PEMBANGKIT RANDOM VARIATE
Peubah Acak (Random Variable)
PEMBANGKIT RANDOM NUMBER
OFC-11: Pengertian Random Number
Pembangkit Random Number
Peubah Acak dan Distribusi Peluang Kontinu
PELUANG Alfika Fauzan Nabila Saadah Boediono Nur Fajriah Julianti Syukri Yoga Bhakti Utomo XI IPA 5.
Pembangkit Random Variate
RANDOM VARIATE DISTRIBUSI DISKRIT
BILANGAN BULAT (lanjutan 2).
F2F-7: Analisis teori simulasi
PELUANG PERCOBAAN, RUANG SAMPEL DAN TITIK SAMPEL KEJADIAN
BILANGAN BULAT (lanjutan 2).
Pembangkit Bilangan Acak Semu
BAB IV PEMBANGKIT RANDOM VARIATE
BAB 7 METODE REJECTION.
VARIABEL ACAK DAN NILAI HARAPAN
Distribusi Variabel Acak
Pembangkitan Random Variates
Pertemuan 18 Aplikasi Simulasi
DISTRIBUSI TEORITIS.
KONSEP DASAR PROBABILITAS
RUANG SAMPEL & KEJADIAN
VARIABEL ACAK DAN NILAI HARAPAN
KONSEP STATISTIK.
DISTRIBUSI PROBABILITAS
VARIABEL RANDOM VARIABEL RANDOM (VR) pada dasarnya adalah bilangan random. Misalkan kita melempar 3 koin, maka ruang sampelnya adalah: Beberapa contoh.
BAB IV PEMBANGKIT RANDOM VARIATE
DISTRIBUSI PROBABILITAS
Matematika Diskret (INF201) Diampu oleh Mohammad Nasucha, S.T., M.Sc.
Fungsi Distribusi normal
Probabilitas dan Statistika
RNG ‘n Teori Game Pertemuan 4 MOSI T.Informatika Ganjil 2008/2009
DISTRIBUSI PROBABILITAS TEORITIS
VARIABEL ACAK DAN NILAI HARAPAN
Matematika untuk SMP Kelas IX
Pembangkit Bilangan Acak Semu
DISTRIBUSI VARIABEL RANDOM “DISKRIT” KHUSUS “ Bernoulli ” PMtk III B
Simulasi Monte Carlo Pertemuan 5 MOSI T.Informatika Ganjil 2008/2009
Pembangkit Random Number
PROBABILITAS DAN STATISTIK
Random Variable (Peubah Acak)
NOTASI SEBARAN BINOMIAL
PEMBANGKIT RANDOM VARIATE
PEMBANGKIT RANDOM NUMBER
DISTRIBUSI PROBABILITAS TEORITIS
PELUANG.
PEUBAH ACAK & DISTRIBUSI PELUANG. PENGERTIAN PEUBAH ACAK STATISTIKA  Penarikan kesimpulan tentang (karakteristik dan sifat) populasi. Contoh : Pemeriksaan.
PELUANG.
Teknik Simulasi Bilangan Random oleh Veni Wedyawati, S.Kom, M. Kom
Variabel Acak Sebuah variabel acak merupakan hasil numerik dari sebuah proses acak atau kejadian acak Contoh: pelemparan koin S = {HHH,THH,HTH,HHT,HTT,THT,TTH,TTT}
DISTRIBUSI PROBABILITAS TEORITIS
Simulasi Manual.
PELUANG Menjelaskan PELUANG EMPIRIK dan TEORITIK suatu kejadian dari suatu percobaan Menyelesaikan PELUANG EMPIRIK dan TEORITIK suatu kejadian.
Sifat – sifat probabilitas kejadian A
Transcript presentasi:

RNG MUHAMMAD YUSUF Teknik Informatika – Universitas Trunojoyo Http://yusufxyz.wordpress.com Email : yusufxyz@gmail.com

Pembahasan Random Number Generation (RNG) Simulasi pada Permainan Additive/Arithmatic RNG Multiplier RNG Mixed Pseudo RNG Simulasi pada Permainan Pelemparan Mata Uang Pelemparan Dadu

Random Number Generation RNG adalah suatu algoritma yang digunakan untuk menghasilkan urutan dari angka-angka sebagai hasil dari perhitungan dengan komputer yang diketahui distribusinya sehingga angka-angkanya muncul secara random dan terus menerus Algoritma RNG dibuat oleh usulan Lehmer (1951)

So… Unsur unsurnya ?? RNG Sequence (urutan) Distribusi Random

Sumber Random 1. Tabel Random Number Menggunakan tabel distribusi untuk mengetahui penyebaran bilangan acak 2. Elektronik Random Number Menggunakan suatu alat yang dapat menghasilkan bilangan acak. Alat ini banyak digunakan dalam percobaan penelitian. 3. Random Number Generation (RNG)

Bagian dari RNG RNG ada 3 macam : 1. Additive (arithmathic) RNG 2. Multiplier RNG 3. Mixed Pseudo RNG Random Number pada computer sering menggunakan RNG Biasanya kita sering menggunakan fungsi yang telah disediakan program ex : random( )

Sifat RNG Independen variabelnya bebas tidak terikat dengan memiliki ketentuan ketentuan tersendiri Uniform probabilitas diusahakan sama untuk setiap penarikan random number tersebut Dense densitas probabilitas distribusinya harus terletak antara 0 dan 1 Efficient cukup sederhana dan dalam pemakaiannya harus menentukan angka-angka untuk variabel yang cocok

Additive / Arithmatic RNG Formula :

Modulo ? Merupakan satu angka integer yang cukup besar dan yang dipakai pada komputer Setiap komputer bisa memiliki modulo yang berbeda Ex: komputer IBM 360/370 dapat mensupport jangkauan 32 bit integer mikrokomputer 8 bit

Multiplicative / Multiplier RNG Formula : Pemilihan konstanta multiplied a - harus bilangan prima thd m - harus bilangan ganjil Pemilihan yang baik menggunakan rumus : b = banyaknya bit yang disupport komputer

Contoh pemilihan a Untuk komputer support 8 bit

Contoh Sederhana RNG 1. Multiplier RNG Jika diberikan m=13, a=7, Xo=1. Maka bilangan random yang terbentuk adalah … Penyelesaian : Urutan pertama Xo Urutan 2 : X1 = a.Xo = a.Xomod m = 7.1mod 13 = 7 Urutan 3 : X2 = a.X1-n.m = a.X1mod m = 7.7mod 13 = 10 Urutan 4 : X3 = a.X2-n.m = a.X2mod m = 7.10mod 13 = 5 n = kelipatan modulo yang menghasilkan nilai terdekat dengan a.X1 Jwb : 1 , 7 , 10, 5 , 9 , 11 , 12 , 6,………..

Contoh Additive RNG Jika digunakan mikrokomputer 8 bit dengan : Xo=12357 a = 19 ; m = 128 ; c = 237 Maka bilangan random yang terbentuk dan densitas yang terbentuk adalah … X1 =(19.12357+237) mod 128 = 12 Densitas (R1) = X1/m = 12/128 = 0.09375

Soal Latihan : Cari 10 nilai random yang muncul jika diketahui a = 6 , Xo = 1 , m = 13 ; Dengan menggunakan : - multiplier dan - additive RNG (dengan c=7)

Simulasi pada permainan Simulasi pada permainan dapat juga dilakukan dengan simulasi dengan menggunakan variabel bilangan acak yang dihasilkan oleh proses RNG Contoh : - permainan pelemparan mata uang (coin tossing game) - pelemparan dadu dengan 6 mata dadu - lucky draw

TUGAS 1 A & B bertanding lempar mata uang. Apabila mata uang yang muncul lebih banyak H (head) maka dimenangkan oleh A, sedangkan bila yang banyak muncul T (tail) maka dimenangkan oleh B. Jika disepakati ada 10 kali pelemparan dan dimisalkan variabel random yang digunakan adalah Xo = 1 ; a = 7 ; m = 13 Jika dilakukan 10 kali pelemparan, maka siapakan kira-kira yang menang ?

Pembahasan Mata uang yang digunakan sembarang karena memiliki 2 muka dan digunakan oleh 2 orang Kesempatan menang A : B = 50% : 50% Sehingga peluang yang terjadi P(H)=0.5, P(T)=0.5 Buat aturan/rule permainan yang lebih konkret (untuk kasus ini dibuat dengan metode Fk) Bila : 0 ≤ R < 0.5, maka hasilnya adalah H 0.5 ≤ R ≤ 1, maka hasilnya adalah T

TUGAS 2 Pada Game Lempar dadu. Yang mana angka yang banyak keluar bila digunakan RNG additive dengan ketentuan : Xo = 12357 a = 7 ; m = 128 ; c = 273 Bila dilakukan 10 kali pelemparan Dikumpukan max Rabu, 30 September 2009 pukul 24.00 Ke email : yusufxyz@gmail.com