Teknik Simulasi Bilangan Random oleh Veni Wedyawati, S.Kom, M. Kom

Slides:



Advertisements
Presentasi serupa
- PERTEMUAN 2 - TIPE DATA, VARIABEL, DAN OPERATOR
Advertisements

DISTRIBUSI PELUANG.
INDUKSI MATEMATIKA Septi Fajarwati, S.Pd..
Pembangkit Bilangan Acak Semu
4. BILANGAN ACAK dan Pembangkitannya
TEKNIK SIMULASI Informatika Undip.
Teori Peluang Diskrit.
I. Pendahuluan I.1 TUJUAN MEMPELAJARI SIMULASI
AKTUARIA Darmanto Program Studi Statistika
BAB VII Simulasi Monte Carlo.
Pembangkit Random Number. Definisi _1 (i). Himp. Semua hasil yang mungkin dari suatu eksperimen dan dinyatakan dengan S. (i). Himp. Semua hasil yang mungkin.
PEMBANGKIT RANDOM NUMBER
TEKNIK SIMULASI D3 TEKNIK KOMPUTER
OFC-11: Pengertian Random Number
Pembangkit Random Number
(b). Tabel distribusi frekuensi Data berkelompok
Peubah Acak dan Distribusi Peluang Kontinu
Pembangkit Random Variate
RANDOM VARIATE DISTRIBUSI DISKRIT
9. BILANGAN BULAT.
BILANGAN BULAT (lanjutan 2).
F2F-7: Analisis teori simulasi
BILANGAN BULAT (lanjutan 2).
Pembangkit Bilangan Acak Semu
BAB 7 METODE REJECTION.
Simulasi Monte Carlo.
Distribusi Variabel Acak
Pembangkitan Random Variates
Pertemuan 18 Aplikasi Simulasi
Bahasa Pemrograman Dasar Pertemuan 6
DISTRIBUSI TEORITIS.
DISTRIBUSI PROBABILITAS
BAB IV PEMBANGKIT RANDOM VARIATE
Algoritma dan Struktur Data 1 pertemuan 12
Pembangkit Bilangan Acak
FUNGSI MATEMATIKA DAN TRIGONOMETRI BAGIAN 2 PADA MICROSOFT EXCEL
MODEL SIMULASI Modul 14. PENELITIAN OPERASIONAL I Oleh : Eliyani
PROBABILITAS (Aturan Dasar Probabilitas)
RNG ‘n Teori Game Pertemuan 4 MOSI T.Informatika Ganjil 2008/2009
SIMULATION (STATISTICAL INSIDE).
DISTRIBUSI PROBABILITAS TEORITIS
DISTRIBUSI PROBABILITAS
Distribusi Probabilitas Diskret
FAKULTAS SAINS DAN TEKNOLOGI
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
PERSAMAAN LINIER SATU VARIABEL
BAB XII PROBABILITAS (Aturan Dasar Probabilitas) (Pertemuan ke-27)
Distribusi Probabilitas Diskret
02 SESI 2 MATEMATIKA BISNIS Viciwati STl MSi.
PEMBANGKIT RANDOM VARIATE
PEMBANGKIT RANDOM NUMBER
RNG MUHAMMAD YUSUF Teknik Informatika – Universitas Trunojoyo
PELUANG.
Simulasi Monte Carlo.
Model dan Simulasi Distribusi Poisson Veni Wedyawati, S.Kom, M.Kom.
T. Yudi Hadiwandra, M.Kom WA: PROBABILITAS DAN STATISTIK Code : h87p4t
T. Yudi Hadiwandra, M.Kom WA: PROBABILITAS DAN STATISTIK Code : h87p4t
Veni Wedyawati, M. Kom MODEL DAN SIMULASI
Peta Konsep. Peta Konsep C. Barisan dan Deret Geometri.
Peta Konsep. Peta Konsep A. Barisan dan Deret Geometri.
Peta Konsep. Peta Konsep A. Barisan dan Deret Aritmatika.
Dosen pengasuh: Moraida hasanah, S.Si.,M.Si
C. Barisan dan Deret Geometri
Simulasi Manual.
Pembangkitan Peubah Acak Kontinyu I
Monte Carlo Simulation (lanjut)
Umi Qulsum, S.Pd BARISAN DAN DERET. Perhatikan gambar di bawah ini.
Transcript presentasi:

Teknik Simulasi Bilangan Random oleh Veni Wedyawati, S.Kom, M. Kom Yayasan Perguruan Tinggi Komputer Universitas Putra Indonesia “ YPTK” Padang Fakultas Ilmu Komputer Teknik Simulasi Bilangan Random oleh Veni Wedyawati, S.Kom, M. Kom

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. Banyak algoritma atau metode yang dapat digunakan untuk membangkitkan bilangan acak Bilangan acak dapat dibangkitkan dengan pola tertentu yang dinamakan dengan distribusi mengikuti fungsi distribusi yang ditentukan

PEMBANGKIT BILANGAN ACAK (RANDOM NUMBER GENERATOR) (RNG) Adalah Bilangan random pada suatu algoritma yang digunakan untuk menghasilkan urutan/sequensial dari angka-angka, sehingga hasil perhitungan dengan menggunakan komputer dapat diketahui distribusinya, sehingga pemunculan angka secara random dapat digunakan terus menerus.

Sifat-sifat RNG Squensial Adalah bilangan random dapat digunakan terus menerus sehingga dihasilkan secara berurutan yang sesuai dengan distribusi yang dikehendaki. Distribusi Adalah distribusi probabilitas yang digunakan/yang terlibat langsung dalam mencari bilangan random tersebut, pada umumnya distribusi yang digunakan adalah distribusi uniform bernilai antara 0 dan tak hingga. Munculnya angka secara random Adalah algoritma yang menghasilkan angka yang akan keluar berikutnya dengan kata lain angka yang diperoleh merupakan penentu bagi angka random berikutnya.

Cara Memperoleh Bilangan Random Zaman Dahulu, dgn cara : Melempar Dadu Mengocok Kartu Zaman Modern, Dengan cara : Membentuk bilangan acak secara numerik / aritmatika ( menggunakan komputer) disebut “Pseudo Random Number” (Bilangan Pseudo Acak)

Bilangan acak yang berkualitas baik: Bila terjadi perulangan atau munculnya bilangan acak yang sama → setelah sekian periode tertentu (semakin lama semakin baik) b) Bila terjadi perulangan → kemunculannya tidak bisa diprediksi

Sumber bilangan acak Metode Linear Congruent Method (LCM) a. Tabel bilangan random b. Electronic random number c. Pembangkitan bilangan acak semu (congruential pseudo random number generator) dengan algoritma matematika Beberapa metode pembangkitan bilangan acak semu: Metode Multiplicative RNG (MRNG) Metode Linear Congruent Method (LCM)

Metode Multiplicative RNG (MRNG) bilangan acak yang dibangkitkan oleh komputer (bersifat acak semu), dibangkitkan menggunakan rumus matematika yang dikerjakan berulang-ulang sesuai kebutuhan. Metode Multiplicative RNG (MRNG) Rumus Zi+1 = (a . Zi + c) mod m R1 = Zi+1 / m bilangan random yang dihasilkan = R1, R2, R3, R4, …...

Zi+1 = (a . Zi + c) mod m R1 = Zi+1 / m ketentuan: Memilih konstanta pengali (multiplier) a Memilih Z0 Z0 Angka pertama yang bebas tertentu Untuk bilangan random pertama maka Zi ← Z0 Memilih c c bilangan ganjil dan bukan kelipatan dari m Memilih nilai m catatan: pada proses iterasi, a, c, dan m, bersifat konstan Zi+1 = Hasil Akhir

Metode Linear Congruent Method (LCM) Rumus Zi+1 = (a . Zi + c) mod m bilangan random yang dihasilkan = Z1, Z2, Z3, Z4, …... Metode ini banyak digunakan di dalam program komputer, ketentuan untuk memilih Z0, a, c, dan m sama dengan metode MRNG. Pada proses iterasi, a, c, dan m, bersifat konstan. Disini meniadakan langkah R1 = Zi+1 / m, sehingga bilangan acak yang dihasilkan adalah bulat dan bernilai < m.

Contoh : Carilah 5 bilangan acak mengunakan metode Multiplicative RNG, dengan nilai awal Z0=12357, a=19, c=237, m=128. Gunakan tingkat ketelitian 4 digit di belakang koma. 2. Bangkitkanlah 14 buah bilangan acak mengunakan metode LCM, dengan nilai awal Z0=3, a=4, c=7, m=15.

Jawaban Contoh (RNG) bilangan acak 1 Zi+1 = (a . Zi + c) mod m = 12 R1 = Zi+1 / m = 12 /128 = 0.0938

Bilangan acak 4……………..5 bilangan acak 2 Zi+1 = (a . Zi + c) mod m = 81 R1 = Zi+1 / m = 81 /128 = 0.6328 bilangan acak 3 Zi+1 = (a . Zi + c) mod m = (19 . 81 + 237) mod 128 = 1776 mod 128 = 112 R1 = Zi+1 / m = 112 /128 = 0.875 Bilangan acak 4……………..5

membangkitkan enam buah bilangan acak Jawaban Contoh (LCM) 4 8 9 13 14 3 4 8 9 13 14 3 4 8 Analisa: Kemunculan bilangan acak akan berulang setelah membangkitkan enam buah bilangan acak

Kesimpulan..... Untuk kedua algoritma MRNG dan LCM..... penentuan nilai awal Z0 dan konstanta (a, c, dan m) akan menentukan kualitas bilangan acak yang dihasilkan. Bilangan acak yang baik (pada umumnya)..... apabila terjadinya perulangan atau munculnya bilangan acak yang sama, dapat terjadi setelah sekian banyak pembangkitan bilangan acak (semakin banyak akan semakin baik) serta tidak bisa diprediksi kapan terjadi perulangannya.

TUGAS INDIVIDU (2) Carilah 8 bilangan acak mengunakan metode Multiplicative, RNG dengan nilai awal : Z0= (Tahun Lahir), a= (Umur Saudara), c= (tinggi Badan), m= (Nomor Sepatu) Gunakan tingkat ketelitian 4 digit di belakang koma. 2. Membangkitkan bilangan acak mengunakan metode LCM sebanyak 12 kali dengan Ketentuan : Z0= (Jumlah Bersaudara), a = (Jumlah Digit Panggilan Saudara), c = (Pilih satu digit angka dari 2-9) m = (Berat Badan)

LATIHAN SOAL 1. Membangkitkan bilangan acak sebanyak 12 kali dengan mengunakan metode LCM, dengan ketentuan a = 2, c = 7, m =10, dan Z0= 2 2. Carilah 5 bilangan acak mengunakan metode Multiplicative RNG, dengan nilai awal Z0=13, a=21, c=3, m=16. Gunakan tingkat ketelitian 4 digit di belakang koma.