LAPORAN

SIMULASI FISIKA
INTEGRASI NUMERIK DENGAN METODE SAMPEL
RERATA MENGGUNAKAN IMPORTANCE SAMPLING
Diajukan Untuk Memenuhi Tugas Kelima Mata Kuliah Simulasi
Fisika

OLEH :
NAMA : Dyah Nur Rancangkapti
NIM : 06306144012
PRODI : Fisika

JURUSAN PENDIDIKAN FISIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI YOGYAKARTA
2009
1

INTEGRASI NUMERIK DENGAN METODE

SAMPEL RERATA MENGGUNAKAN
IMPORTANCE SAMPLING

A.

Tujuan
Menentukan hasil integral analitik dengan menggunakan metode persegi,
Menentukan nilai z (konstanta dari importance sampling) sehingga
diperoleh variasi yang minimum,
Membuat grafik antara z dengan variansi,
Mensimulasikan masukan bilangan random menggunakan importance
sampling pada metode rerata,

B.

Permasalahan
Hitung nilai integral dari f ( x)

1
dengan batas integral nol sampai
x cos 2 x
2

pi. Penyelesaian integral memanfaatkan metode rerata menggunakan importance

sampling.
C.

Analisis Masalah
Perhitungan Analitik
Integral yang akan kita selesaikan adalah fungsi

f ( x)

1
.
x cos 2 x
2

Fungsi f(x) tersebut merupakan fungsi integral yang sulit untuk

diselesaikan secara matematis

atau fungsi tersebut dapat diselesaikan

menggunakan tabel integral. Akan tetapi kita membutuhkan nilai analitik

untuk menentukan galat maka fungsi f(x) kita integralkan menggunakan
metode persegi. Metode persegi merupakan salah satu metode yang

digunakan untuk menyelesaikan masalah integral. Penyelesaian dengan

metode persegi untuk permasalahan fungsi f(x) adalah :
f(x)
f ( x)

1
x cos 2 x
2

x
x=0

x=

luas daerah dibawah kurva fungsi f(x) pada gambar diatas, secara
analitik dapat kita dekati dengan membagi luasan dibawah kurva
kedalam n persegi panjang. Luas tiap kotak adalah panjang (f(xi))
dikalikan lebar (x), luasan seluruh kotak adalah jumlahan dari luas
tiap kotak. Jumlahan dari luasan dapat didekatkan dengan

fungsi

integral sehingga,
n

I f ( xi )x
i 1

x f ( xi )

dengan asumsi lebar x seragam,

i 1

dan x = (b-a)/n

n = banyaknya kotak

Dapat didekatkan dengan konsep integral,

b

f ( x)dx
a

Semakin masukan n besar, semakin kecil nilai x maka hasil semakin

akurat. Oleh karena itu untuk memperoleh hasil integral yang akurat
agar dapat digunakan sebagai nilai analitik dalam penentuan galat
maka
f ( x)

nilai

yang

digunakan

dalam

menyelesaikan

fungsi

1
adalah n = 10^6 = 1.000.000 kotak.
x cos 2 x
2

Dari program metode persegi yang telah dijalankan (listing program

terlampir) maka diperoleh hasil integral 1.5812.
Penentuan Importance Sampling
Importance sampling atau sampling kepentingan adalah suatu
teknik untuk meninjau suatu permasalahan simulasi dengan bilangan
random agar terdistribusi tak merata atau distribusi yang sesuai dengan
kepentingan

kita.

Dalam

hal

ini

permasalahannya

merupakan

permasalahan integral terhadap fungsi peluangnya. Fungsi peluang akan

dipilih dengan bentuk yang mirip atau menyerupai bentuk fungsi yang
akan di integralkan sehingga diperoleh hasil yang lebih akurasi.
Pada permasalahan integral dari f ( x)

1
, kita akan memperoleh
x cos 2 x
2

fungsi eksponensial dengan cara mengeplot fungsi f(x) diatas dengan

interval x yang telah kita misalkan antara nilai 0 sd 10.
Dari fungsi f ( x)

1
yang telah di plotkan menghasilkan grafik
x cos 2 x
2

eksponensial, maka importance sampling akan didekatkan dengan fungsi

eksponensial yaitu :
p(x) = e- x
Grafik perbandingan antara fungsi

f ( x)

1
dengan fungsi
x cos 2 x
2

ekponensial dapat dilihat pada gambar dibawah ini (listing program grafik
terlampir) :

Dari grafik diatas terlihat bahwa garis berwarana merah jambu dengan
warna hitam belum presisi, sehingga kita memerlukan suatu konstanta
tertentu dari fungsi eksponensial untuk mendekati nilai dari fungsi
f ( x)

1
. Maka, fungsi eksponensialnya menjadi p(x) = Ae 2
x cos x

zx

dengan A dan z adalah bilangan konstanta.

Menetukan Nilai A dan z

1. Nilai A
Nilai A adalah nilai konstanta didepan fungsi eksponensial (fungsi
importance

sampling).

Nilai

dapat

ditentukan

dengan

menormalisasikan fungsi importance sampling dengan batas integral

sesuai dengan batas integral permasalahan yang akan dipecahkan yaitu
0 sd pi.
i

p( x)dx 1
0

Subtitusi fungsi p(x) = Ae- zx

Ae

zx

dx

A zx
e 0
1
z
A
e z e0 1
z

z
1 e z

2. Nilai z
Nilai z adalah nilai konstanta pangkat dari fungsi eksponensial. Nilai z
dapat ditentukan dengan memvariasikan nilai z tersebut dari 0 sampai
2 atau seterusnya hingga nilai variasi minimum diperoleh.
Dalam menentukan nilai z saat variasi minimum diperoleh maka kita
membutuhkan program dalam menjalankannya. Program yang akan
kita

jalankan

membutuhkan

bilangan random,

karena kita

menggunakan importance sampling p(x) maka bilangan random (x)

yang akan kita bangkitkan menggunakan metode transform kebalikan
(invers Transform) yaitu ;
xi

p ( x ) dx r

r adalah bilangan random r=rand (nilai 0 sd 1),

Untuk bilangan random x dengan interval - < x < 0 maka p(x)=0,
sehingga nilai x yang memenuhi persamaan diatas adalah nilai x
positif maka batas integral dari metode transform kebalikan dapat kita
ubah menjadi 0 sd x.

xi

p( x' )dx'

0
x

Ae

zx '

dx'

A zx ' x
e 0 r
z
A
e zx e0 r
z
A 1 e zx
rz

A e zx A rz
A rz
A
1
A
ln
z A rz

e zx
x

Dari transform kebalikan diatas, kita mendapatkan bilangan random

x

1
A
ln
z A rz

; dengan A

z
dan z=0.1:0.1:1
1 e z

Nilai z dipilih batas awal 0.1 bukan nol karena jika z=0 maka p(x)=1,
itu berarti distribusi yang digunakan adalah distribusi merata
sedangkan masalah yang ingin kita selesaikan adalah distribusi tak
merata. Untuk nilai z dipilih batas interval akhir 1 karena nilai z lebih
dari satu menghasilkan nilai variansi yang semakin membesar
sedangkan yang ingin kita gunakan nilai z dengan variansi minimum.
Nilai z dengan variansi minimum adalah z = 0.8, dan dapat dilihat dari
hasil grafik dibawah ini :

Model Masalah
Metode Sampel Rerata
Metode

rerata

sampel

adalah

salah

satu

metode

untuk

menyelesaikan persamaan integral yang membangkitkan bilangan

random. Integral tidak lain merupakan rerata dari integrandnya. Ingat
persamaan integrasi dari metode persegi, bahwa luasan fungsi pada
kurva tertentu dapat dihitung dengan luasan yang berada didalam
kurva dengan membuat sejumlah kotak, dimana jumlahan dari luasan
kotak tersebut merupakan hasil dari integrasi numeriknya.
n

I f ( xi )x
i 1

x f ( xi )

dengan asumsi lebar x seragam,

i 1

x = (b-a)/n

n = banyaknya kotak

Ingat rumus rerata dari beberapa data, bahwa

data tersebut

dijumlahkan dan dibagi dengan banyaknya data yang dijumlahkan. Itu

sesuai dengan jumlahan fungsi f(xi) dibagi dengan banyaknya kotak
(n) sehingga,

I (b a ) f ( xi )

Rumusan bentuk dari integrasi diatas, diperoleh jika bentuk distribusi

bilangan random yang digunakan adalah seragam ( p ( x)

1
),
ba

karena kita menggunakan importance sampling maka bentuk distribusi

bilangan random yang digunakan sesuai atau menyerupai dengan
bentuk fungsi yang akan diintegralkan (p(x) = Ae - zx). Penentuan fungsi
peluang yang bersesuaian telah dibahas pada bahasan dalam
penentuan importance sampling, sehingga bentuk integral metode
rerata pada permasalahan kali ini menjadi,
I

f ( xi )
p( x)

dengan ;

p(x) = Ae- zx ,
A

z
1 e z

z = 0.8
Algoritma
Metode Rerata
1.

Masukkan jumlah kotak atau jumlah total bilangan random yang

diinginkan,

2.

Masukkan jumlah cacah percobaan yang diinginkan,

3.

Definisikan tempat untuk hasil hitungan integral (sumn),

4.

Masukkan nilai z = 0.8, dan A=z./(1-exp(-pi.*z)),

5.

Bangkitkan bilangan random dengan x=1./z.*log(A./(A-z.*br));,

6.

Masukkan persamaan integral yang ingin diselesaikan (fx),

7.

Hitung nilai sumn yang akan bertambah dengan nilai fx setiap satu
kali pengulangan

8.

Hitung F sebagai hasil hitungan integral,

9.

Hitung ketakpastiannya dari nilai eksak dikurangi hasil hitungan

integral

10. Plotkan antara hasil dengan variansi

Diagram Alir
Metode Sampel Rerata

Mulai

Definisikan sum = 0
sebagai tempat untuk bil.
Random

Looping k=i :n
Bangkitkan bil. Random
dengan x=1./z.*ln(A./(Az.*br))

Masukkan fungsi
px= exp(-z.*x)

Plotkan nilai
hasil dengan
variansi

D.

Masukkan n=100, &

ntrial=100

Masukan z=0.8 &

A=z./(1-exp(pi.*z)),

Masukkan fungsi yang

ingin di integral fx= 1./
(x.^2+cos(x).^2)

Hitung nilai sum untuk

setiap satu kali
pengulangan dengan
sumn=sumn+fx./px

akhiri

Pembahasan
Dalam permasalahan simulasi dari integrasi numerik dengan metode
metode sampel rerata menggunakan importance sampling, kita memiliki tujuan
menentukan nilai z (konstanta dari importance sampling) sehingga diperoleh
variasi yang minimum, membuat grafik antara z dengan variansi, mensimulasikan

10

masukan bilangan random menggunakan importance sampling pada metode

rerata, dan mencari nilai analitik dari fungsi integrasi dengan metode persegi.
Untuk mensimulasikan intergasi numerik dengan metode sampel rerata
menggunakan importance sampling kita memerlukan distribusi peluang.
Distribusi peluang yang digunakan adalah :
p(x) = Ae- zx
dimana, distribusi diatas sesuai dengan distribusi dari fungsi yang ingin di
integralkan yaitu f ( x)

1
. Saat kita memvariasikan niali z maka fungsi
x cos 2 x
2

p(x) akan mendekati fungsi f(x) (dapat dilihat dari perbandingan grafik p(x)
dengan f(x)), sehingga kita memerlukan variasi dari nilai z yang akan kita
variasikan dari nilai 0.1 sampai dengan 1.
Dari program yang telah dijalankan (terlampir), kita dapat menentukan
nilai z yang

memiliki variansi minimum. Nilai z yang memiliki variansi

minimum adalah nilai z=0.8. Nilai tersebut adalah nilai yang disubtitusi kenilai
p(x) sehingga nilai p(x) dapat mendekati nilai f(x). Cara menentukan nilai z
dengan mudah adalah kita membuat grafik antara z dengan variansi, sehingga titik
minimum dari variansi dapat terlihat dengan jelas (terlampir di analisis masalah).
Kita juga dapat menentukan hasil analitik integrasi f ( x)

1
dengan
x cos 2 x
2

metode persegi. Dalam metode persegi semakin banyak jumlah cacah kotak yang
digunakan maka semakin presisi hasil integrasi yang diberikan, oleh karena itu
dalam penentuan integrasi kali ini kita menggunakan n sebayak 1.000.000 cacah
kotak yang menghasilkan nilai integrasi sebesar 1.5812. Hasil integrasi tersebut
dapat memudahkan kita untuk menentukan ketidakpastian dari hasil integrasi
menggunakan metode rerata sampel dengan importance sampling p(x).
Saat kita menggunakan metode rerata sampel, kita dapat menentukan hasil integrasinya
saat z=0.8. Dari algoritma dan listing program pada metode rerata sampel, kita
memasukkan nilai z=0.8 akan menghasilkan nilai integrasi

f ( x)

1
yang
x cos 2 x
2

sama saat listing program yang digunakan memasukkan nilai z = 0.1 :0.1 : 1. Perbedaan

11

yang dihasilkan dari masukan z diatas adalah saat z=0.8 maka hasil integrasi di command
windows hanya ada satu yaitu F = (1.3768 0.2044) dengan kekurangan dari hasil plot
z dengan variansi tidak dapat di buat karena z hanya memiliki satu data tunggal.
Sedangkan untuk z yang bervariasi antara 0.1 : 0.1 : 1 menghasilkan nilai integrasi untuk
setiap variasi z. Saat mengamati hasil dari variansi minimum berada pada z=0..8 maka
hasil integrasi yang diamati sesuai dengan z=0.8 yaitu F= (1.3765 0.2047) . Nilai
yang integrasi yang dihasil dari kedua cara diatas tidak berbeda jauh walaupun memiliki
perbedaan namun tidak begitu signifikan. Hal tersebut terjadi karena bilangan yang
digunakan adalah bilangan random dan akan selalu berubah setiap kali pengulangan.
E.

Kesimpulan
Kesimpulan yang dapat diambil dari permasalahan integrasi numerik dengan
metode persegi, Hit Or Miss, dan rerata sampel adalah :
Hasil analitik dari permasalahan fungsi f ( x)

1
adalah 1.5812
x cos 2 x
2

Importance sampling atau peluang yang digunakan pada fungsi diatas

adalah peluang eksponensial
Grafik yang dihasilkan antara z dengan variansi adalah eksponensial naik
dengan nilai minimum saat z=0.8 (Z adalah nilai konstanta pangkat dari
fungsi peluang)
Hasil integrasi dengan metode rerata adalah F= (1.3765 0.2047)
F.

DAFTAR PUSTAKA
Drs. Suarga, M.Sc., M.Math., Ph.D. (2007). Fisika Komputasi Solusi
Problem Fisika Dengan METLAB. Yogyakarta : ANDI Yogyakarta
Catatan Simulasi Fisika

G.

Lampiran
Listing Program
Listing Program Metode Persegi

%Proses Integrasi Numerik f(x)=1./(x.^2+cos(x).^2)

% dengan metode persegi
clc
clear

dx=(b-a)/n;
F=0; % untuk menyimpan hasil hitungan;
for k=i:n
x=a+k*dx;

12

n=10.^6; % banyaknya kotak

a=0;
b=pi;

f=1./(x.^2+cos(x).^2);
F=F+f*dx
end

Listing Proram Perbandingan Fungsi Eksponensial Dengan Fungsi

f ( x)

1
x cos 2 x
2

clc
clear
x=0:0.1:10;
y1=1./(x.^2+cos(x).^2);
y2=exp(-x);
plot(x,y1,'-dm',x,y2,'-dk')

gtext('y1=1./(x.^2+cos(x).^2)');
gtext('y2=exp(-x)');
xlabel('Nilai x');
ylabel('fungsi y');
title('Grafik Hubungan x VS
y');
grid on

Listing Program Mencari Nilai z Dengan Variansi Minimum

% file coba importance sampling P(x)=exp(-ax)
clc
clear
n=100; %cacah data
ntrial=100; %cacah percobaan
sumfn=0;
sumfn2=0;
z=.1:.1:1;
A=z./(1-exp(-pi.*z));
for k=1:ntrial
sumn=0;
for j=1:n
br=rand;
x=1./z.*log(A./(A-z.*br));
fx=1./(x.^2+cos(x).^2);
px=exp(-z.*x);

sumn=sumn+fx./px;
end
fn=sumn/n;
sumfn=sumfn+fn;
sumfn2=sumfn2+fn.*fn;
end
hasil=sumfn/ntrial;
hasil2=sumfn2/ntrial;
variansi=hasil2-hasil.*hasil;
galat=abs(hasil- 1.5812);
disp([hasil' galat' z' variansi'])
plot(z,variansi,'-dm')
xlabel('Nilai konstanta pangkat (z)');
ylabel('Simpangan baku(variansi)');
title('Grafik Hubungan z VS variansi');
grid on

Hasil keluaran angka dari listing program mencari nilai z,

13

hasil
0.5869
0.6782
0.7773
0.8841
0.9981
1.1185
1.2449
1.3765
1.5127
1.6528

galat
0.9943
0.9030
0.8039
0.6971
0.5831
0.4627
0.3363
0.2047
0.0685
0.0716

z
variansi
0.1000 0.0010
0.2000 0.0010
0.3000 0.0009
0.4000 0.0009
0.5000 0.0008
0.6000 0.0007
0.7000 0.0006
0.8000 0.0005
0.9000 0.0007
1.0000 0.0011

Mengetahui.
Yogyakarta, 21 November 2009

Dyah Nur
(06306144012)

14