Modul 7

BILANGAN ACAK

Bilangan acak adalah bilangan sembarang tetapi tidak sembarangan. Kriteria yang
harus dipenuhi, yaitu :
 Bilangan acak harus mempunyai distribusi serba sama (uniform)
Beberapa bilangan acak yang diambil harus mempunyai peluang terambil sama
besar.
 Masing-masing bilangan acak tidak saling tergantung atau independence
Bilangan acak ini disimbolkan dengan U, dan nilainya dari 0 sampai dengan 1, maka
dinyatakan dalam U(0,1). Berbagai cara untuk mendapatkan bilangan acak, bisa
dengan tabel bilangan acak, komputer (misal dengan Ms. Excel) atau menggunakan
metode bilangan acak.

Metode untuk mendapatkan bilangan acak :

1. Metode Kongruen Campuran
Rumus : Zi = (aZi-1 + c) mod m
Dengan
a : konstanta pengali ( a < m )
c : konstanta pergeseran ( c < m )
m : konstanta modulus ( > 0 )
Z0 : bilangan awal ( bilangan bulat ≥ 0 , Z0 < m )
Ui : bilangan acak ke i dan Ui(0,1) = Zi / m

Kita lihat pada tabel , U 17 mempunyai nilai yang sama dengan U 1. Jika kita
menginginkan bilangan acak dalam jumlah yang banyak, maka nilai m
hendaknya sebesar 2b dengan b adalah jumlah bit pada komputer yang akan
digunakan.
2. Metode Multiplikatif
Rumus : Zi = (aZi-1 ) mod m
Dengan
a : konstanta pengali
m : konstanta modulus
Z0 : bilangan awal
Ui : bilangan acak ke i dan Ui(0,1) = Zi / m

PEMBANGKIT BILANGAN ACAK

Bilangan Acak yang akan dipergunakan dalam simulasi, harus

mempunyai pola yang sama dengan pola data pengamatan. Dikarenakan
hal diatas, maka dari bilangan acak yang didapat harus dibangkitkan
bilangan acak yang sesuai pola distribusi.

Distribusi Diskrit
a. Distribusi prob uniform diskrit
Algoritma
1. Bangkitkan U(0,1)
2. Dapatkan X = a+(b-a+1)*U

Contoh
Sebuah perusahaan bakery membuat suatu kelompok jenis donat
yang dijual ke toko-toko dengan distribusi diskrit uniform dengan
kebutuhan harian maksimum 100 unit dan minimum 40 unit.
 Tentukan bilangan acak dari distribusi diskrit uniform dengan a = 77
z0 = 12357 dan m = 128

b. Distribusi Poisson
Algoritma
1. Hitung a= e  , b =1 dan i =0
2. Bangkitkan Ui+1= U(0,1)
3. Ganti b = bUi+1
4. Jika b<a maka dapatkan X = i dan jika tidak lanjutkan ke
langkah 5
5. Ganti i = i+1 kembali ke langkah 2

Contoh:
Suatu kejadian berdistribusi poisson dengan rata-rata 3 kejadian
perjam dan terjadi selama periode waktu 1,4 jam.
Tentukan bilangan acak dari distribusi poisson dengan a = 17 z 0 =
12357 dan m = 1237
c. Distribusi Binomial

Metode transformasi dari distribusi binomial

Dengan mempergunakan fungsi densitas binomial yang dinyatakan

n
dengan : f (k )    p k (1  p ) n  k , k = 0,1, 2 .. n
k 

x
F(x) =  f (k )
k 0

Contoh
 Dari suatu distribusi binomial, diketahui p =0,5 dan n =2.
Tentukan bilangan acak dari distribusi binomial dengan a = 77 z 0 =
12357 dan m = 127.

d. Distribusi Geometri
Algoritma
1. Bangkitkan U(0,1)
2. Dapatkan X = ln(U)/ln(1-p)

Contoh
Pada seleksi karyawan baru sebuah perusahaan terdapat 30 %
pelamar yang sudah mempunyai keahlian komputer tingkat advance
dalam pembuatan program. Para pelamar diinterview secara insentif
dan diseleksi secara acak.
Tentukan bilangan acak dengan a = 43, m = 1237 dan z 0 = 12357.
Distribusi Kontinu
a. Distr probabilitas uniform kontinu
Algoritma
1. Bangkitkan U(0,1)
2. Dapatkan X = a+(b-a)*U

Contoh
Pada suatu sentra telpon ternyata distribusi pelayanan telponnya
berdistribusi uniform kontinu dengan minimal waktu 3 menit dan
maksimal 5 menit. Tentukan bilangan dengan a = 173 z 0 = 12357
dan m = 1237.
b. Distribusi Eksponensial
Algoritma
1. Bangkitkan U(0,1)
2. Dapatkan X =   ln(U)

Dengan  rata-rata dengan nilai > 0

Contoh
Pada suatu sentra telpon ternyata distribusi penerimaan telponnya
berdistribusi eksponensial dengan mean = 0,1 menit. Tentukan
bilangan 10 acak dengan a = 173 z0 = 12357 dan m = 1237.

c. Distribusi Normal

Algoritma
1. Bangkitkan U1,U2= U(0,1)
2. Hitung V1= 2U1-1 dan V2= 2U2-1
3. Hitung W = V12 + V22
4. Jika W > 1 maka kembali ke langkah 1 dan jika tidak lanjutkan ke
langkah 5
5. Hitung Y (2 * ln( W ) / W

6. Dapatkan X1= V1Y dan X2=V2Y

7. X    X i 
 Contoh
Sebuah rumah sakit berniat mempelajari penggunaan suatu alat
pada ruang emergency. Jika diketahui bahwa lamanya seorang
pasien yang di’treat’ menggunakan alat tsb berdistribusi normal dgn
mean 0.8 jam dan standard deviasi 0.2 jam, tentukan bilangan acak
yang mewakili lamanya penggunaan alat tersebut oleh 6 orang
pasien.

d. Distribusi Gamma

Algoritma
1. b=(e+α)/e
2. Bangkitkan U1= U(0,1)
3. Hitung P= bU1
4. Jika P > 1 maka lanjut ke langkah 7 dan jika tidak lanjutkan ke
langkah 4
1
5. Hitung Y = P 

6. Bangkitkan U2= U(0,1)

7. Jika U ≤ e  Y maka X=Y dan jika tidak kembali ke langkah 1
8. Hitung Y = - ln[(b-p)/α]
9. Bangkitkan U2= U(0,1)
10. Jika U2 ≤ Y 1 maka X = Y dan jika tidak kembali ke langkah 1