Monte Carlo Simulation

Semester Genap 2011/2012

Metode Simulasi

10/7/15

Dr. Rahma Fitriani, S.Si., M.Sc

 Simulation:
Model sebagai imitasi dari real life
Digunakan untuk prediksi

Komponen:
Input
Persamaan (sistem)
Output

Model deterministik: hasil yang sama

untuk input yang sama dari satu
perhitungan ke perhitungan yang lain.
10/7/15

Dr. Rahma Fitriani, S.Si., M.Sc

Contoh 1: Model Deterministik

Compound Interest Model
Perhitungan pendapatan dari investasi
$1000 yang telah dilakukan 5 tahun yang
lalu
Bunga yang diperoleh 7% per tahun, yang
dihitung per bulan.
Ym
r

Model:
F P 1
m

F: future income, P: present

income/investasi,
r: bunga tahunan, m: periode/tahun =
10/7/1512 bulan,
Dr. Rahma Fitriani, S.Si., M.Sc

 Pada suku bunga yang berubah-rubah, future

income dari suatu investasi dapat dihitung
disimulasikan
Mis: r = 0.07 , maka investasi sebesar $1000
akan menjadi $ 1417.63 dalam 5 tahun
What if??
Jika suku bunga turun menjadi 5 persen per tahun??

Jika r = 0.05, maka nilai investasi dalam 5

tahun mendatang menjadi $ 1283.36
10/7/15

Dr. Rahma Fitriani, S.Si., M.Sc

 Model deterministik untuk mengevaluasi

what if scenarios
Memprediksi hasil jika input mengalami
perubahan
Dengan menggunakan input yang sifatnya
random/acak
Model deterministik model
stokastik
10/7/15

Dr. Rahma Fitriani, S.Si., M.Sc

Simulasi Monte Carlo

Metode yang secara iteratif mengevaluasi
model deterministik menggunakan
himpunan bilangan acak sebagai input.
Model: kompleks, non linier, melibatkan
banyak parameter.
Simulasi umumnya melibatkan lebih dari 10
000 evaluasi super computers job.

10/7/15

Dr. Rahma Fitriani, S.Si., M.Sc

Contoh 2: Stochastic Model for a

Hinge Assembly
Hinge terdiri dari 3 komponen A,
B dan C yang berasal dari proses
produksi
Melibatkan unsur random,
variasi pada panjang setiap
komponen.
A, B dan C dirakit
Jika panjang komponen
A+B+C>D
Tidak dapat dirakit
10/7/15

Dr. Rahma Fitriani, S.Si., M.Sc

 Diproduksi jutaan unit untuk setiap komponen

(dengan toleransi tertentu untuk ukuran)
Diambil sampel secara acak,
Tidak akan ada dua komponen sejenis yang
berukuran tepat sama
Rentang panjang minimum atau maximum dapat
digunakan untuk mensimulasikan panjang setiap
komponen
Evaluasi kualitas/keakuratan ukuran komponen
supaya dapat dirakit
10/7/15

Dr. Rahma Fitriani, S.Si., M.Sc

35
34
30.5
29.5
2.05
1.95

Rentang nilai Min dan

Max: parameter
pembangkitan
bilangan acak untuk
panjang setiap
komponen
Clearance:

Tolerance Stack-Up Model

Part

Min

Max

1.95

2.05

1.95

2.05

29.5

30.5

34

35

Hinge.xlsx

Jika >0, A, B dan C

dapat dirakit ke dalam D
Jika<0, panjang
A+B+C>D, tidak dapat
dirakit
10/7/15

Random

Dr. Rahma Fitriani, S.Si., M.Sc

Clearance, D-(A+B+C):

Uncertainty propagation
Memunculkan ketidak pastian
Tujuan:
Menentukan efek dari keragaman acak, lack of
knowledge, error terhadap sensitifitas, performance
dan reliabilitas dari sistem yang dimodelkan.
Simulasi Monte Carlo:
Metode penarikan sampel membangkitkan
bilangan acak dari sebaran tertentu
Mensimulasikan proses seolah-olah sampel tersebut
berasal dari populasi yang sebenarnya
Sebaran dari input harus mendekati dari distribusi
data yang ada: current state of knowledge
10/7/15

Dr. Rahma Fitriani, S.Si., M.Sc

 Data sebagai
output dari
simulasi disajikan
dalam:
Sebaran peluang
Histogram
Selang
kepercayaan
Reliability
prediction
10/7/15

Dr. Rahma Fitriani, S.Si., M.Sc

Langkah-langkah Simulasi Monte

Carlo
Langkah 1: Bentuk model parametrik,
y = f(x1, x2, ..., xq).
Langkah 2: Bangkitkan himpunan input acak,
xi1, xi2, ..., xiq.
Langkah 3: Evaluasi model dan simpan hasil sebagai yi.
Langkah 4: Ulang langkah 2 dan 3 untuk i = 1 s/d n.
Langkah 5: Analisis hasil yi menggunakan histogram
statistik deskriptif, selang kepercayaan dll.
10/7/15

Dr. Rahma Fitriani, S.Si., M.Sc

Simulasi Monte Carlo untuk Hinge

Assembly
Langkah yang dilakukan pada contoh
sebelumnya diulang berkali-kali
Misalkan: 1000 kali n = 1000
Lihat file excel
Hinge.xlsx
10/7/15

Dr. Rahma Fitriani, S.Si., M.Sc

Simulasi Monte Carlo Untuk Jumlah

dua Sebaran Uniform

X ~ U(2,4)
Y ~ U(0,1)
Seperti apa sebaran Z = X + Y ?
Secara analitik menggunakan:
Metode fungsi sebaran
Metode konvolusi

Atau simulasi.

10/7/15

Dr. Rahma Fitriani, S.Si., M.Sc

Langkah-langkah:
Langkah 1: Bangkitkan X ~ U(2,4)
Langkah 2: Bangkitkan Y ~ U(0,1)
Langkah 3: Hitung Z = X + Y
Langkah 4: Ulangi langkah 1 s/d 3 sebanyak n kali
(simpan setiap Zi, i = 1, , n)
Langkah 5: Analisis hasil Zi menggunakan
histogram statistik deskriptif, selang kepercayaan dll.
10/7/15

Dr. Rahma Fitriani, S.Si., M.Sc

UNIFORM
ADD.xl