INTEGRAL MONTE CARLO

Kelompok 3:
Afo Rakaiwa (1111094000043)
Bintang Putra P (1111094000039)
Gina Isma K (1111094000034)
Karina Permatasari (1111094000032)
Widya Utami S (1111094000045)
KOMPUTASI PARALEL
Komputasi paralel adalah salah satu teknik
melakukan komputasi secara bersamaan dengan
memanfaatkan beberapa komputer independen
secara bersamaan. Yang umumnya diperlukan saat
kapasitas yang diperlukan sangat besar, baik
karena harus mengolah data dalam jumlah besar
(di industrikeuangan, bioinformatika, dll) atau pun
karena tuntutan proses komputasi yang banyak

PERBEDAAN
Dijalankan oleh satu
komputer dengan satu
Central Processing Unit
(CPU);
Satu masalah besar
dipecah menjadi beberapa
instruksi masalah.
Instruksi di eksekusi satu
per satu
Hanya satu instruksi dapat
dieksekusi dalam satu
waktu.

Dijalankan menggunakan
banyak CPU
Sebuah masalah dipecah /
dibagi menjadi beberapa
bagian sehingga dapat
diselesaikan secara
bersamaan .
Tiap-tiap bagian dipecah-
pecah menjadi beberapa
perintah serial.
Instruksi atau perintah dari
masing-masing bagian
dilaksanakan secara
bersamaan pada CPU yang
berbeda.
Serial computing Parallel computing
PENDAHULUAN
Dalam matematika, integrasi Monte Carlo adalah
integrasi numerik menggunakan angka acak.
Integrasi ini digunakan untuk mengevaluasi nilai
integral tentu, biasanya yang multidimensi. Berbeda
dengan metode-metode integrasi yang lain,
integrasi Monte Carlo menggunakan bilangan acak
untuk mengambil titik sampel dari daerah yang
diintegrasikan.
PENGERTIAN
Metode Monte Carlo adalah algoritma komputasi
untuk mensimulasikan berbagai perilaku sistem
fisika dan matematika. Penggunaan klasik metode
ini adalah untuk mengevaluasi integral definit,
terutama integral multidimensi dengan syarat dan
batasan yang rumit.

APLIKASI METODE MONTE CARLO
Grafis, terutama untuk ray tracing
Permodelan transportasi ringan dalam jaringan
multi lapis / multi-layered tissues (MCML)
Simulasi prediksi struktur protein
Dalam riset peralatan semikonduktor, untuk
memodelkan transportasi pembawa arus
Pemetaan genetik yang melibatkan
ratusan penanda genetik dan analisis QTL

ALGORITMA MONTE CARLO
Input :
fungsi random: unirandom()
fungsi f(x)
Batas daerah x1, x2 di mana x1<x2

Proses :
1. Definisikan jumlah bilangan random random_total
2. untuk i=0,1,...,random_total lakukan
a. Misalkan z=0
b. x=x1+(x2-x1)*unirandom()
c. Jika nilai absolut dari f(x) > z, z=f(x)
ALGORITMA MONTE CARLO
3. Definisikan m=0
4. untuk i=0,1,...,random_total lakukan
a. x=x1+(x2-x1)*unirandom()
b. Jika f(x) >= 0, lakukan y=z*unirandom()
jika y <= f(x), m=m+1
c. Jika f(x) < 0, lakukan y=-z*unirandom()
jika y >= f(x), m=m-1
5. Integral=(m/random_total)*z*(x2-x1)

output :
nilai integral
HASIL MONTE CARLO
n=10.000
Hasil = 0,505532
Waktu Serial = 0,00821805
Waktu Paralel = 0,0077837
n=100.000
Hasil = 0,498872
Waktu Serial = 0,0441244
Waktu Paralel = 0,0533389
n=1.000.000
Hasil = 0,50032
Waktu Serial = 0,349095
Waktu Paralel = 0,303084
GRAFIK WAKTU MONTE CARLO
-
0.50000000
1.00000000
1.50000000
2.00000000
2.50000000
3.00000000
3.50000000
10,000 100,000 1,000,000 10,000,000
Waktu Serial
Waktu Parallel
KESIMPULAN

Integrasi Monte Carlo adalah salah satu metode
integrasi terbaik untuk menangani kasus dimana data-
data berdimensi banyak
Keakuratan dari integrasi Monte Carlo relatif tetap
walaupun dimensi data bertambah banyak.
Kelemahan dari metode ini adalah bila dimensi data
kecil atau jumlah data yang kecil maka keakuratannya
lebih rendah dibandingkan metode integrasi lain.
Penghitungan galat dari metode integrasi Monte Carlo
bisa bermacam-macam tergantung dari data.
Integrasi Monte Carlo menggunakan bilangan acak
sebagai sampel data sehingga dibutuhkan pembangkit
bilangan acak.