1
dalam simulasi keadaan dunia nyata yang ditirukan dengan menggunakan
program komputer tanpa menggangu kerja sistem yang asli, sehingga tidak akan
terjadi kerugian finansial. Sebetulnya saudara Paijo lebih baik mempelajari pola
transaksi untuk beberapa periode sehingga hal ini akan bisa memberikan
kesempatan mengambil keputusan yang lebih baik. Untuk itu sangat tepat bila
digunakan simulasi, karena simulasi dalam pengoperasiaanya tidak akan
menganggu operasi system yang asli, simulasi hanya akan berusaha mencoba
mengikuti pola transaksi melalui hitungan di computer saja.
2
semua operasional seperti senjata dan sebagainya harus masuk dalam parameter
yang akan menentukan hasil simulasi jadi tidak harus duel yang akan
mengorbankan nyawa anak buah dengan percuma.
3
berfungsi dengan benar. Dalam hal ini tidak ada penudaan perbaikan (Backlog
Demand). Asumsi ini mungkin tepat untuk kasus tertentu, tetapi tidak tepat untuk
kasus lainnya. Kapal sebagai alat transportasi di laut dalam hal keselamatan
pelayaran haruslah mendapatkan perhatian yang serius, terutama dalam
pemeliharaan dan perbaikan semua peralatan di kapal baik untuk mesin
pendorong pokok yang menyebabkan kapal mampu bergerak, maupun alat bantu
lainnya seperti Radio Detection and Ranging (RADAR) dan Sound Navigation
and Ranging (SONAR) merupakan mata dan telinga dari sebuah kapal ini semua
harus berfungasi secara penuh supaya kapal bisa berlalayar dengan aman. Untuk
itu setiap pada kapal akan diberi pertimbangan pelaksanaan “preventiive
maintenance” dikerjakan pada interval waktu yang rutin sesuai dengan saran yang
telah ditetapkan oleh pabrik pembuatan kapal itu sendiri dalam bentuk Planned
Maintenance System (PMS).
2. Last In First Out (LIFO) yaitu yang dating terakhir akan dilayani paling awal
sebagai contoh yang tepat kalau kita mau beli ke toko
bangunan membeli genteng asbes yang besar yang akan
4
diberikan kepada pelanggan adalah genteng asbes yang paling akhir ditumpuk.
Contoh pelayanan seperti ini adalah bila kita masuk dalam sebuah barisan
untuk nonton sesuatu, yang seperti terlihat pada gambar sebelah orang terakhir
masuk akan keluar pertama kali. Atau kalau kita beli genteng gelombang pada
sebuah took bangunan, pasti yang akan dijual oleh penjualnya adalah yang
ditaruh terakhir.
1. Dari cerita yang telah anda baca di atas apa alasan prinsip kita
mempelajari teknik simulasi, coba beri ulasan dengan cerita sesuai
dengan versi anda sendiri.
2. Simulasi bisa digunakan di bidang apa saja coba beri alasan yang
masuk akal, dengan dasar cerita yang anda baca pada semua cerita yang
ada diatas.
5
BAB PEMODELAN &
II SIMULASI
Model
Macam-macam Model
Konsep Dasar terminology
Konsep Sistem
Penggunaan Simulasi
Istilah Dasar dalam Simulasi
Hubungan Sebab Akibat
Prosedur memecahkan masalah simulasi
Latihan soal
2.1 Model
Dunia nyata sangatlah kompleks banyak hal-hal yang tidak bisa diterangkan
dengan logika biasa. Namun ada cara untuk mendekati dunia nyata itu yaitu
dengan membuat model, dimana model yang kita buat ini bisa dimengerti dengan
mudah, karena parameter yang membentuknya kita kenali (misalnya panjang,
lebar dan tinggi untuk sebuah benda tiga dimensi dan panjang kali lebar untuk dua
dimensi). Misalnya perhatikan Gambar 2.1 lingkaran luar yang ada batas dari
gambaran dunia nyata, maka kalau kita disuruh mencari luas dari dunia nyata ini
tentunya kesulitan maka kita bisa membuat beberapa bentuk gambar yang sudah
kita kenal misalnya dengan menggambarkan di dalam dunia nyata ini bentuk-
bentuk yang kita kenal pada semua bagian dari gambara dunia nyata ini, tentunya
masih akan ada kesalahan karena tidak semua bisa kita gambarkan, namun itu
sudah jauh lebih baik dari pada kita tidak bisa mencari berapa luas gambar yang
kita ingin tahu.
6
Di dalam Gambar 2.1 dunia nyata kita gambarkan bentuk-bentuk yang kita
kenal sebanyak mungkin yang melingkupi semua dunia nyata yang ada, sehingga
kalau hanya mau mencari luas dunia nyata yang digambarkan itu, maka cukup kita
menghitung luas gambar yang kita kenal yang berada dalam dunia nyata kita
jumlahkan semua kita kurangi dengan gambar yang ternyata di luar dunia nyata
yang kita gambarkan.
Semua
Model
Symboli
Physical
c
7
Mathematical
model
8
2.3 Konsep Dasar Terminologi
Ada baiknya untuk mengetahui konsep dasar dan terminologi sebelum
membahas model simulasi yang sebenarnya. Karena beberapa konsep dasar dari
terminolgi ini akan diaplikasikan pada hampir semua model matematika, sedang
simulasi yang akan dibahas adalah simulasi yang didasarai matematika.
Model Matematika: termasuk didalamnya penggunaan simbol-simbol dan
operator=operator yang menyatakan item yang dibahas dan hubungan diantara
item-item yang dibahas. Contoh total ongkos fungsi dari: Fixced Cost,
Variables cost/unit, and output bisa ditulis dengan:
Total cost = f(fixed cost, Var cost/unit, output) dengan simbol:
TC = FC + VC + O
Dengan input FC, VC & O nilai TC bisa diestimasi, semua simbol ini
adalah variabel dengan model accounting.
Variabel Dalam matematika: Variabel dalam model matematika menjadi
sangat bermacam-macam, hal ini disebabkan begitu luasnya penggunaan
matematika seperti pada: ekonometrik, Linear Programming, Aljabar Linear.
Kalkulus, Man Power Planning Model, Keandalan, Inventory, Manajamen
Poroduksi, Material Handling, Graifk dan Jaring Kerja, Search and Detection,
Antrean, Statistik, Analisa Ekonomi, Game Theory, Simulasi dan lain-lain.
Variabel dalam Model Simulasi: NAYLOR dan GATTIS menyarankan
terminologi yang akan sangat berguna, variabel dapat dikatagorikan sebagai:
Variabel ouput, variabel lagged output, variabel external, variabel Policy,
variabel Random dan juga variabel deterministik karena banyak simulasi yang
tidak probabilistik.
Semua variabel diatas terllustrasi pada Gambar 2.4.
Variabel External
Variabel Policy
Variabel Random
9
Variabel output:
memberikan hasil yang siap diolah lagi atau infosmasi akhir yang
diperlukan analist/manajer.
Variabel lagged output:
Simulasi-waktu –dinamis variabel lagged output membawa informasi
tentang status dari sistem dari waktu ke waktu
Variabel external:
Yaitu variabel yang mempengaruhi tingkah laku dari sistem misal:
lingkungan, variabel tak terkendali.
Variabel Policy:
Kebijaksanaan misal dalam pembelian mesin, pemasaran, pemilihan
depresiasi, dan lain-lain.
Variabel Random:
Untuk menerangkan tingkah laku sistem perluy menguasai alam
probabilistik dari sisterm.
Variabel Deterministik:
Meskipun kebanyakan sistem probabailistik sering juga ada model
deterministik memberikan informasi yang cukup.
Ada banyak variabel yang digunakan dalam simulasi seperti yang terlihat pada
Tabel 2.1
Tabel 2.1 Variabel yang digunakan dalam simulasi
Macam Variabel Nama lain Contoh Produksi Contoh Pemasaran Contoh Finansiil
Output Dependent Cost of goods sold Unit sales Net Income
Edogenous Work in Process Market share Retains Earnings
Response Inventory
Lagged Output Serially Correlated Previous Finished Last Period Promotion Last Perioed Cash
independent input Goods Inventory Expence& Last Period Last Perioed Net
Previous orders Placed Market Share Earnings
External Exogenous Strikes Product Recall National Economi
Enviromental Raw Material Shortage Production ban Investment tax credit
Uncontrollable
independen input
Policy Decision Equipment selection Pricing decision Depreciation
Controllable decisions Promotion decision Methode Devident
independent input Overtime Policy Policy
Random Probabilistic Equipment failrues Sales returns Direct labor
Stochastic Spolied rates Sales force turnover expences, selling
Independent input expences
Deterministic Independent input Machine Lifetime Resuuply times Raw material
Scrappage rates Back orders expense & Fixed
factory overhead
10
2.4 Konsep Sistem
Simulasi adalah sebuah model matematika yang menjelaskan tingkah laku
sebuah sistem dalam beberapa waktu dengan mengobservasi tingkah laku dari
sebuah model matematika untuk beberapa waktu seseorang analist bisa
mengambil kesimpulan tentang tingkah laku dari sistem dunia nyata yang
disimulasikan.
Karena simulasi didalamnya dibahas tentang tingkah laku dari sebuah
sistem untuk beberapa waktu, maka perlu mengerti sedikit tentang sistem. Sebuah
sistem bisa dikatakan merupakan sebuah himpunan dari elemen yang saling
berhubungan yang secara keseluruhan berfungsi untuk mencapai sasaran yang
telah ditetapkan.
Gambar 2.5 adalah sebuah contoh sederhana dari sebuah sistem.
Lingkungan
Feed back
Lingkungan
Gambar 2.5 Sebuah sistem sederhana
Konsep sistem yang baik pasti mengandung umpan balik. Umpan balik
ini akan memantau tingklah laku sistem yang sebenarnya, yang dibuat dan
dibandingkan dengan tingkah laku standard. Bila terjadi deviasi dari standard
informasi ini akan dikrim pada titik tertentu dalam sistem, sehingga sistem akan
beraksi bekerja kearah normal.
Hampir semua sistem tidak akan bisa dibuat secara lengkap. Sistem
berfungsi didalam sebuah lingkungan yang mempengaruhi tingkah laku sistem.
Sebagai contoh permintaan publik terhadap suatu produk memperbaiki organisasi
dari sistem produksi, sebaiknya kualitas dari produk secara pasti mempengaruhi
tingkah laku pelanggan.
Sehingga bisa disimpulkan untuk membuat sebuah sistem terpadu secara
konsepsi sangat sulit. Ada beberapa sebab adanya kesulitan antara lain:
11
1. Hampir semua sistem terdiri dari susbsistem. Sebagai contoh sistem
produksi terdiri dari subsistem bahan baku, subsistem penangnan
material, subsistem pengendalian material, dan susbsistem
pemeliharaan material, kadang-kadang sulit menentukan seberapa
jauh level dari subsistem
2. Hampir semua sistem merupakan susbsistem dari sistem yang lebih
besar. Sebagai contoh sistem produksi hanya merupakan subsistem
dari sistem total organisasi.
3. Sistem cenderung berinterakasi atau operlap dengan sistem yang lain.
Sebagai contoh dalam sebuah organisasi sistem pemasaran
berinterkasi dengan sistem produksi. Sistem Accounting dan sistem
personil operlap dengan sistem produksi, sehingga sering sulit bagi
seorang analist mengisolasi sebuah sistem untuk dianalisa.
4. Perlu ada hubungan dengan lingkungan. Meskipun sebuah sistem
terpadu telah terdefinisi, perlu ada huibungan dengan lingkungan,
sebab hampir semua sistem dipengaruhi oleh lingkungannya. Sebagai
contoh kondisi dari ekonomi nasional, ketersediaan dari tenaga kerja,
dan aksi yang sedang dilaksanakan oleh saingan harus masuk dalam
perhitungan sistem yang dibuat. Sesungguhnya beberapa dari faktor-
faktor yang sangat penting yang mempengaruhi dari lingkungan luar.
12
6. Pert CPM.
7. Programming yang lain seperti (integer, goal, dynamic programming dll)
8. Search and detection tehniques.
9. Model Antrian.
10. Game theory.
Penelitian juga menemukan keluasaan manfaat simulasi sbb :
Keluasaan Persentase
Tidak sama sekali 15
Kadang-kadang 35
Sering 50
100
Dari peneliti juga mencoba hasil dari penggunaan simulasi yang ternyata
diketemukan hasil sbb :
Hasil Persentase
Jelek 2
Sedang 20
Baik 73
Tak tentu 5
100
Dalam mata kuliah ini akan diperkenalkan banyak aplikasi dari simulasi
namun harus disadari bahwa model simulasi membutuhkan suatu langkah proses
yang terdefinisi dengan baik seperti berikut :
1. Masalah dan/ atau identifikasi informasi:
Pada langkah ini identifikasi masalah yang ada secara jelas, bila perlu
sampai pada penyebab dari adanya masalah.
2. Kumpulkan Data:
Pada tahap ini kumpulkan semua data-data yang relevan dengan masalah
yang sedang dihadapi.
3. Pembentukan models:
Pada tahap ini dari cari variabel-variabel yang mendukung permasalahan
tentunya pada tahap ini butuh logika yang sangat serius pertama dalam
menentukan variabel penunjang adanya masalah dan membuat hubungan
antar variabel dalam sebuah model matematika, dan diharapkan model
matematikanya tidak hanya satu sebanyak mungkin dengan variabel yang ada.
4. Pemecahan semua model matematika:
13
Dari semua model yang dibuat pada tahap 3, semua dipecahkan dan
analisa sensitivitas atau analisa kepekaan terhadap semua model yang dibuat.
5. Pilih dan Validasi model yang terbaik:
Pada tahap ini laksanakan pemilihan model matematika yang terbaik dan
laksanakan validasi model pada lapangan yang sesungguhnya.
6. Implementasi dan evaluasi model:
Pada tahap ini implementasikan model terpilih untuk mengatasi masalah
untuk beberapa waktu di lapangan dan selanjutnya laksanakan evaluasi, bila
ternyata hasilnya bagus atau cocok di lapangan, maka teruskan ke tahap
berikutnya, bila ternyata hasilnya jelek maka kembali pada pemecahan model
dipilih model lain yang sekiranya cocok untuk pemecahan masalah lapangan..
7. Pengoperasian model:
Pada tahap ini model yang sudah dievaluasi dan ternyata cocok atau sesuai
dengan lapangan, maka model ini dioperasikan sampai batas waktu muncul
masalah lagi, yang bisa terjadi akibat adanya beberapa perubahan mendasar di
luar kemampuan manajer untuk mengatasi dan kalau ini terjadi maka mulai
lagi dari tahap pertama.
MANAGER BISA bekerja secara kerja efektif & efisien
Bila ia mampu : Memanfaatkan dana, sarana dan prasarana tersedia untuk
mencapai tujuan yang telah ditetapkan oleh organisasi sebelumnya.
Sulit ? ya.
Karena tidak tersedianya informasi yang sempurna yang menjadi dasar
untuk manager mengambil keputusan.
Bisa saja informasi didapat dengan trial & error namun biayanya cukup
besar, atau bisa saja menanggung resiko yang cukup besar.
Dengan menggunakan SIMULASI sering bisa didapat informasi yang
cukup memadai melalui simulasi tetapi bisa juga terjadi bahwa simulasi akan
menjadi tidak efisien lagi. Untuk hal yang sangat kompleks yang kadang lebih
efisien diselesaikan dengan STATISTIK.
Di USA T. SIMULASI sebagai tehnik sebagai pemecahan masalah
menempati urutan (1. T. Analisis Ekonomis; 2. T. Statistik; 3. T. Simulasi; 4.T. L.
Prog) Simulasi ?
Simulasi adalah suatu kegiatan dimana seseorang bisa mengambil suatu
kesimpulan tentang tingkah laku dari sebuah sistem tertentu dengan mempelajari
14
tingkah laku dari model terkait yang hubungan sebab & akibatnya serupa dengan
sistem yang orisinil. (Paling sedikit mendekati tingkah laku keadaan aslinya).
Model dalam simulasi ini hanya terkait dengan model abstrak (model
matematik ) tidak termasuk model fisik.
15
(Mathematika: c1,c2,..,cn C)
Hubungan variabel status, variabel keputusan dan parameter sistem adalah:
S = f(C,X): dimana f menunjukkan sebuah persamaan khusus atau himpunan
persamaan yang menerangkan tingkah laku sistem yang nyata.
n 2
var 1 / n ( Yi Y)
i 1
16
Frekuensi Relatif:
fj = nj/n
Frekuensi kumulatif:
m
n nj
j 1
Y1 = f1
Y2 = f1 + f2
17
d. Namun dalam buku yang dibuat ini hampir semua simulasi yang
dipecahkan tidak menggunakan hasil uji coba data yang didapat,
yang penting dalam memecahkan model simulasi buat penyusun
buku ini adalah para penguna buku mengerti langkah-langkah
pemecahan masalahnya, sedangkan mengenai bilangan acak yang
seharusnya dalam dunia nyata tentunya bisa dibuat semacam sub-
rutin yang sewaktu-waktu bisa digunakan seperti yang akan
dibahas dalam bab VI buku ini.
e. Bangun simulasi dengan model matematika yang sudah dibuat.
f. Laksanakan simulasi sejumlah replikasi tertentu (untuk jumlah
replikasi yang diperlukan dalam simulasi yang sebenarnya akan
sangat tergantung dengan factor error yang masih diterima oleh
peneliti dan juga besar keyakinan yang mau dipakai: sebagai
contoh bila ingin error yang dikehandaki 0(nol) akan diperlukan
replikasi sebesar tak terhingga, begitu juga bila dikehendaki
keyakinan 100% maka akan memerlukan replikasi sejumlah tak
terhingga, sehingga yang umum dipakai adalah error 5 s/d 10 %
dengan derajat keyakinan terletak antara 90 s/d 95%)
g. Setelah selesai menjalankan simulasi buat laporan statistic dari
hasil simulasi seperti nilai rata-rata dan staandar deviasi dan
sebagainya.
18
BAB RANDOM VARIATE
III DISTRIBUSI UNIFORM
3.1 Distribusi
Sebelum melanjutkan ada baiknya dibahas terlebih dahulu tentang
distribusi data; ada bermacam-macam distribusi yang berhubungan dengan data.
Untuk mengetahui lebih banyak tentang data kalau diketahui data yang ada untuk
pola data yang ada bisa dilihat dari pola datanya ada empat yang terlihat pada
Gambar 3.1.
19
2. Pola data musiman data yang berubah-ubah sesuai dengan musim yang
ada misalnya musim hari raya data transaksi yang berhubungan dengan
hari raya akan sangat meningkat tinggi sekali.
3. Pola data siklus adalah data yang secara periodic berubah-ubah dalam
waktu yang relative sama.
4. Pola data kecendrungan adalah data yang berubah-ubah cendrung naik
atau cendrung turun sesuai data yang ada.
Sedang untuk menduga apakah data yang didapat berdistribusi
macam apa, yang perlu dilaksanakan terlebih dahulu adalah dengan
melakasanakan pemetaan data yang ada dikaitkan dengan waktu atau sering
disebut dengan scatter diagram dengan melihat hasil pemataan ini bisa
diduga data yang ada berdistribusi apa.
20
3.4.1 Midle Digit of Square:
Dengan rumus:
ni+1 = {midle digit of ni2}
Contoh coba bangkitkan bilangan acak sebanyak 4 bila diketahui n 1 =
25073
Jawab: n1 = 25073
n12 = 628655329
n2 = 86553
n22 = 7491421809
n3 = 14218
n32 = 202151524
n4 = 21515
n42 = 462895225
n5 = 28952
21
Pada umumnya hubungan ditulis dengan:
a b(mod m) dimana berarti kongruen
Contoh soal:
Bila harga m = 8 maka pasangan bilangan berikut adalah kongruen modulo 8:
(8,0) karena (8-0) = 1*8 8 0(mod 8)
(11,3) karena (11-8) = 1*8 11 3(mod 8)
(6,-2) karena (6-(-2)) = 1*8 6 -2(mod 8)
(35,3) karena (35-3) = 4*8 3 3(mod 8)
(4,-12) karena (4-(-12))= 2*8 4 -12(mod 8)
(100,140) karena (100-140) = -5*8 100 140(mod 8)
Bila diketahui a b(mod m) dan b c(mod m) maka dari kedua
pernyataan ini bisa disimpulkan bahwa: a c(mod m)
22
4. Z4 = (3*1 +15) (mod 13) = 5
b. Soal 2 dengan Rumus Zi = (2Zi-1 + 8)(mod 11) dengan Z0 = 1
1. Z1 = (2*1 + 8) (Mod 11) = 10
2. Z2 = (2*10 + 8) (Mod 11) = 6
3. Z3 = (2*6 + 8) (Mod 11) = 9
4. Z4 = (2*9 + 8) (Mod 11) = 4
5. Z5 = (2*4 + 8) (Mod 11) = 5
6. Z6 = (2*5 + 8) (Mod 11) = 7
7. Z7 = (2*7 + 8) (Mod 11) = 0
8. z8 = (2*0 + 8) (mod 11) = 8
9. Z9 = (2*8 + 8) (mod 11)= 2
10. Z10 = (2*2 +8) ( mod 11) = 1
11. Z11 = (2*1 + 8) (mod 11) = 10
23
3.4.6 Metode Power Residu//Metode Multiplicative Congruen:
Metode ini menggunakan hubungan kongruensial rekursif:
ni = a*ni-1(mod m) dimana: nI & ni-1 adalah integer acak dan a
(pengali) & m (modulus) dispesifikasi.
Berikut adalah persamaan untuk mencari bilangan acaknya:
n1 a1no(mod m)
n2 a2no(mod m)
. bilangan acak yang didapat
. terkait dengan Power residue a
ni aino(mod m)
Untuk mendapatkan ni yang acak maka nilai-nilai m, no & a dipilih
sedmikian rupa dengan suatu aturan, salah satu set aturannya adalah sebagai
berikut:
1. m dipilih sebesar mungkin sesuai dengan kemampuan komputer bila
menggunakan komputer. Dengan w bits setiap word:
m 2w-1
2. a dipilih sedemikian rupa sehingga korelasiantara bilangan acak yang
berurutan sekecil mungkin untuk ini ada dua syarat:
a 2w-1
a ± 3(mod 8)
3. no sering disebut seed(bibit) adalah bilangan integer positif ganjil; dengan m
dan a yang sama, dengan no yang berbeda tetap didapat jumlah bilangan acak
yang sama; namun dengan himpunan bilangan acak yang berbeda. Bila diikuti
ke tiga titik diatas akan didapat bilangan acak dengan periode m/4. ni yang
didapat berharga mulai dari 1 sampai dengan (m-1). Sedang untuk
mendapatkan bilangan acak yang terdistribusi secara uniform u1, u2,…, un
dimana 0 < ui < 1, maka bagi saja masing-masing ni dengan m dengan rumus:
ui = ni/m
24
n1 = a1no + b(mod m)
n2 = a2no + (b(a2-1)/(a-1))(mod m)
.
ni = aino + (b(ai-1)/(a-1))(mod m)
Untuk semua ni maka 0 ni < m
Untuk mencari bilangan acak berdistribusi uniform 0 ui < 1 maka seperti
yang sudah diterangkan didepan maka bagi saja ui = ni/m.
Untuk mendalami buat contoh.
Bila diterapkan di komputer maka perlu diperhatikan:
1. Pilih modulus m = 2w-1 dimana w merupakan jumlah bit per words
2. Faktor pengali a memenuhi kondisi:
a 2w/2
a 1(mod 4)
3. Sedang konstanta b dan harga awal no(seed) bisa sembarang bilangan bulat
ganjil yang harganya lebih kecil dari pada m.
Contoh: m = 2048; a = 65, b = 1 dan no = 129
n1 65* 129+1(mod 2048) = 194
u1 = 194/2048 = 0.094727
n2 65* 194+1(mod 2048) = 323
u2 = 327/2048 = 0.157715
n3 65* 323+1(mod 2048) = 516
u3 = 516/2048 = 0.251953
dan seterusnya
n2049 = 194
n2050 = 323
25
If (Iy .LT.)) Iy = Iy + 2147483647 + 1
RAND = float (IY)/2147483647
Ix = Iy
Return
End
a = 65539
m-1 = 2147483647
Untuk komputer yang tidak sama 32 bit/word maka gunakan
a = 2w/2 + 3
m = 2w-1 –1
Tabel 2.1 adalah konstanta untuk Random Generator dikaitkan dengan
Bit/word dari komputer yang digunakan untuk membangkitkan.
Tabel 2.1 Konstanta untuk Random Generator
Word size(w) Multiplier(a) Modulus dikurangi 1 (m-1)
8 bits 19 127
12 bits 67 2047
16 bits 259 32767
32 bits 65539 2147483647
36 bits 262147 34359738367
64 bits 4294967299 923372036854775807
W (2w/2+3) (2w-1)
26
0.2961 0.5047 0.3209 0.6319 0.3855 0.1923 0.3859 0.5306 0.9522 0.1447
0.4674 0.4632 0.7842 0.7081 0.1214 0.8676 0.0587 0.9772 0.3828 0.5906
0.3695 0.0387 0.4266 0.9903 0.7509 0.8706 0.9167 0.9710 0.2318 0.7558
0.9420 0.4329 0.4139 0.3473 0.8192 0.9234 0.1423 0.6758 0.2807 0.5874
Maka bila program di atas dijalankan akan menghasilkan bilangan acak diskrit
diatas 0 dibawah 50 sebagai berikut:
X1 = int(50*0.2961) = 14 X2 = int(50*05047) = 25
X3 = int(50*0.3209) = 16 X4 = int(50*06319) = 31
X5 = int(50*0.3855) = 19 X6 = int(50*01923) = 9
X7 = int(50*0.3859) = 19 X8 = int(50*05306) = 26
X9 = int(50*0.9522) = 47 X10 = int(50*01447) = 7
27
Berikut adalah tabel bilangan acak Uniform U(0,1)
0.2961 0.5047 0.3209 0.6319 0.3855 0.1923 0.3859 0.5306 0.9522 0.1447
0.4674 0.4632 0.7842 0.7081 0.1214 0.8676 0.0587 0.9772 0.3828 0.5906
0.3695 0.0387 0.4266 0.9903 0.7509 0.8706 0.9167 0.9710 0.2318 0.7558
0.9420 0.4329 0.4139 0.3473 0.8192 0.9234 0.1423 0.6758 0.2807 0.5874
Contoh Soal
Dengan menggunakan table bilangan acak yang tersedia coba bangkitkan 9
bilangan acak diskrit yang terletak antara 7 s/d 50 dengan menggunakan rumus di
atas pertama gunakan baris 1 setelah itu baru gunakan baris 2 dari table bilangan
acak U(0,1) yang ada.
Jawab:
Rumus X = a + int{(b-a+1)U}
Dari soal yang ada a = 7 dan b = 50
X1 = 7 + int((b-a+1)U) = int((7 + (50-7+1)*0.2961) = 13
X2 = 7 + int((b-a+1)U) = int((7 + (50-7+1)*0.5047) = 22
X3 = 7 + int((b-a+1)U) = int((7 + (50-7+1)*0.3209) = 14
X4 = 7 + int((b-a+1)U) = int((7 + (50-7+1)*0.6319) = 27
X5 = 7 + int((b-a+1)U) = int((7 + (50-7+1)*0.3855) = 16
X6 = 7 + int((b-a+1)U) = int((7 + (50-7+1)*0.1923) = 8
X7 = 7 + int((b-a+1)U) = int((7 + (50-7+1)*0.3859) = 16
X8 = 7 + int((b-a+1)U) = int((7 + (50-7+1)*0.5306) = 23
X9 = 7 + int((b-a+1)U) = int((7 + (50-7+1)*0.9522) = 41
X10 = 7 + int((b-a+1)U) = int((7 + (50-7+1)*0.1447) = 6
X11 = 7 + int((b-a+1)U) = int((7 + (50-7+1)*0.4674) = 20
X12 = 7 + int((b-a+1)U) = int((7 + (50-7+1)*0.4632) = 20
X13 = 7 + int((b-a+1)U) = int((7 + (50-7+1)*0.4329) = 19
X14 = 7 + int((b-a+1)U) = int((7 + (50-7+1)*0.4139) = 18
X15 = 7 + int((b-a+1)U) = int((7 + (50-7+1)*0.7842) = 34
X16 = 7 + int((b-a+1)U) = int((7 + (50-7+1)*0.7081) = 31
X17 = 7 + int((b-a+1)U) = int((7 + (50-7+1)*0.1214) = 5
X18 = 7 + int((b-a+1)U) = int((7 + (50-7+1)*0.8676) = 38
X19 = 7 + int((b-a+1)U) = int((7 + (50-7+1)*0.0587) = 2
X20 = 7 + int((b-a+1)U) = int((7 + (50-7+1)*0.9772) = 42
28
3.4. Latihan Soal
1. Coba bangkitkan 25 buah bilangan acak dengan menggunakan metoda Midle
Digit Of Square dengan bibit No = 27652
2. Coba bangkitan 25 bilangan acak dengan Midle digit of suare yang lain
dengan bibit N1 = 23791 dan N2 = 87345
3. Coba bangkitkan 25 bilangan acak dengan menggunakan metoda kongruen
dengan a = 7, b = 17 dan m = 57.
4. Bangkitkan bilangan acak sebanyak satu siklus dari soal berikut::
a. Rumus Zi = (4Zi-1 + 17)(mod 29) dengan Z0 = 1
b. Rumus Zi = (3Zi-1 + 15)(mod 31) dengan Z0 = 1
c. Rumus Zi = (2Zi-1 + 13)(mod 37) dengan Z0 = 1
5. Berikut adalah xx urutan bilangan, coba laksanakan uji celah pada urutan
bilangan tersebut apakah terurut secara acak atau tidak. Dengan menggunakan uji
celah
9,2,3,0,6,0,4,9,7,7,1,0,8,0,7,4,0,6,8,5,2,6,3,2,9,5,3,9,0,3,5,6,2,5,2,6,3,5,8,7,5,6,1,9,
5,4,7,8,1, 2,1,1,5,5,8,7,9,8,7,6,4,8,3,6,9,8
29
BAB UJI ACAK DENGAN
IV STATISTIK
30
pengelompokkan sejumlah k kelompok dengan sub interval yang sama untuk
semua kelompok. Kemudian jumlah bilangan yang berada pada masing-masing
subinterval ditentukan dan selanjutnya dicari sama seperti pada uji statistik pada
titik 1 diatas. Untuk mencari nilai Statistik dan pengujiannya sama dengan yang
diatas. Untuk memahami boleh satu latihan soal. Misal nilai ujian mata kuliah
tertentu klas.
Prosedur dasar untuk uji frekuensi (dimana pada umumnya untuk data yang
samplenya besar) adalah dengan jalan:
1. Tentukan jumlah kelompok data yang mau diuji dengan rumus aturan
Sturgess:
K = 1 + 3.3 log n; dimana n adalah jumlah sample data yang ada, ini
bukan merupakan hal yang pasti dianjurkan jumlah kelompok yang dipilih
jumlah ganjil yang paling mendekati hasil rumus di atas.
2. Cari selisih data dengan nilai terbesar dikurangi nilai data terkecil, ini
merupakan selisih untuk seluruh data yang terbesar sebut saja D.
3. Jarak interval antara kelompok pasti sama ditentukan dengan membagi
nilai selisih D dengan jumlah kelompok k
d = D/k dimana nilai d ini merupakan jarak antar kelompok.
Contoh Soal:
Berikut adalah data nilai 100 mahasiswa yang mengikuti ujian mata kuliah
TEKSIM.
NO data NO data NO data NO data
1 99 26 32 51 25 76 54
2 26 27 54 52 36 77 52
3 36 28 52 53 52 78 63
4 65 29 58 54 42 79 65
5 96 30 74 55 69 80 9
6 87 31 75 56 85 81 6
7 85 32 69 57 25 82 98
8 45 33 58 58 85 83 98
9 25 34 52 59 74 84 85
10 12 35 63 60 75 85 78
11 85 36 69 61 72 86 8
12 1 37 98 62 70 87 56
13 98 38 85 63 71 88 58
14 78 39 25 64 73 89 7
15 85 40 45 65 71 90 68
16 85 41 52 66 78 91 9
17 65 42 96 67 78 92 98
18 87 43 96 68 78 93 98
31
no dat no data no data No data
1 1 26 52 51 71 76 85
19 852 6 4427 8554 5269 7178 77 85
94 75
20 843 7 4528 7854 5370 7285 78 85
95 69
21 524 8 29
46 85 54 5471 7386 79 85
96 65
22 635 9 4730 7456 5572 7487 80 85
97 32
23 656 9 31
48 75 58 5673 7482 81 85
98 85
24 547 12 49 32 7658 5774 7463 82 85
99 77
25 528 25 33
50 85 58 5875 7565 83 85
100 69Kls Jum
9 25 34 63 59 75 84 85 1 7
10 25 35 63 60 75 85 85 2 5
Coba buat 11 25 36 63 61 75 86 85 3 5
gambar 12 26 37 63 62 76 87 86 4 16
13 32 38 65 63 77 88 87 5 24
distribusi 14 32 39 65 64 78 89 87 6 33
frekuensi 15 36 40 65 65 78 90 87 7 10 dari
16 36 41 65 66 78 91 96 100
data ini 17 42 42 65 67 78 92 96
dengan 18 45 43 65 68 78 93 96
19 45 44 68 69 78 94 98
20 52 45 69 70 78 95 98
21 52 46 69 71 82 96 98
22 52 47 69 72 84 97 98
23 52 48 69 73 85 98 98
24 52 49 69 74 85 99 98
25 52 50 70 75 85 100 99
menggunakan grafik batang.
Jawab:
Untuk menjawab ini prosedurnya adalah:
1. Hitung k
k = 1 + 3.3 log n
= 1 + 3.3 log 100 hasilnya yang terbaik nilai k nya adalah 7
3. Nilai selisih dari terbesar(99) dengan terkecil(1) D = 99-1= 98
4. Jarak antar kelompok d = 98/7 = 14
5. Setelah itu data dikelompokkan dengan nilai masing-masing kelompok
mempunyai beda sebesar 14. Data yang ada diurut naik untuk mendapatkan
jumlah dari masing-masing kelas, berikut data yang telah diurut naik dan pada
tabel bagian kanan terlihat kelas dan jumlah anggota kelas
Dari data kelas dan jumlah anggota kelas bisa dibuat grafik batangnya
seperti terlihat pada gambar berikut:
32
4.3. Uji Celah(gap Test)
Uji celah digunakan untuk menguji susunan dari urutan dari digit
pseudorandom. Dalam uji celah ini dihitung jumlah digit yang sama antara
kejadian angka tertentu yang terletak pada digit ke i dan ke i+1
n = jumlah kejadian digit yang sama
d = punya nilai 0,1,…,9
N = jumlah total celah
En = (0.9)n(0.1)N
Celah yang terbesar n banyaknya data digit-2, sedang dijadikan catatan
nilai dari Ei harus dibuat sedikitnya Ei > 5 untuk setiap katagori, bila kurang
cukup dengan menambah dengan observasi yang dibawahnya. Sedang untuk
mencari nilai statistik dan pengujiannya sama dengan cara pertama.
Contoh:
Berikut adalah xx urutan bilangan, coba laksanakan uji celah pada urutan
bilangan tersebut apakah terurut secara acak atau tidak. Dengan menggunakan uji
celah
9,2,3,0,6,0,4,9,7,7,1,0,8,0,7,4,0,6,8,5,2,6,3,2,9,5,3,9,0,3,5,6,2,5,2,6,3,5,8,7,5,6,1,9,
5,4,7,8,1, 2,1,1,5,5,8,7,9,8,7,6,4,8,3,6,9,8
Jawab: Untuk menjawab soal pada uji celah ada beberapa tahapan yang harus
dikerjakantahapan tersebut adalah sebagai berikut:
a. Tahap pertama mencari celah masing-masing digit: dari soal diatas
akan didapat hasil seperti dibawah:
d Panjangnya celah (n)
0 1,5,1,2,11
1 31
2 18,2,8,1
33
3 13,3,2,6
4 8,29
5 5,4,2,3,2,3
6 12,3,9,3,5
7 0,4,24,6
8 5,19,8
9 6,16,2,15
Dari tabel celah digit yang didapat, maka bisa dilihat total gap
adalah N = 38 mulai batas 0 sampai dengan 31(untuk diingat bahwa
gap terbesar adalah jumlah data dikurangi 2 atau n = 48-2 = 46).
d. Tahap keempat adalah mencari nilai kai skuer untuk nilainya ditaruh
dalam sebuah tabel seperti berikut:
i Oi Ei (Oi-Ei)2/Ei
1 4 7.22 (4 - 7.22)2/7.22=1.44
2 11 5.85 (11 – 5.85)2/5.85= 4.53
3 9 6.75 (9 – 6.75)2/6.75= 0.75
4 4 6.25 (4 – 6.25)2/6.25= 0.81
5 4 5.58 (4 – 5.58)2/5.58= 0.45
6 6 6.08 (6 – 6.08)2/6.08= 0.01
Nilai X2 7.99
35
2. Runs of length n:
En = 2[(n2 + 3n +1)N – (n3 + 3n2 –n –4)]/(n + 3)
Untuk n = 1,2,3,…,N-2
Dan En-1 = 2/N!
Hasil pengujian bisa dilaksanakan dengan pengujian statistik X2.
Contoh soal: Ditentukan bilangan pseudorundomrumber sebanyak 50 coba
laksanakan pengujiannya dengan Increasing dan Dcreasing Runs Test.
Jawab:
Dari data angka yang ada tidak ditulis lagi namun langsung ditaruh dijejer
lima kekanan dengan memberi langsung tanda “+” untuk naik dan “-“ untuk turun
seperti yang terlihat dibawah:
0.928 0.060 0.497 0.710 0.807
- + + + +
0.406 0.852 0.632 0.953 0.903
- + - + -
0.562 0.526 0.358 0.756 0.195
- - - + -
0.478 0.262 0.318 0.720 0.837
+ - + + +
0.017 0.513 0.199 0.083 0.335
- + - - +
0.233 0.035 0.116 0.848 0.432
- - + + -
0.133 0.451 0.081 0.467 0.249
- + - + -
0.299 0.575 0.660 0.695 0.380
+ + + + -
0.979 0.849 0.999 0.892 0.580
+ - + - -
0.544 0.378 0.872 0.427 0.548
- - + - +
Sekarang Increasing dan Dcreasing runs bisa diidentifikasi dengan melihat
urutan dari tanda + dan -. Dari data diatas didapatkan 32 runs yang terdiri dari 16
dengan tanda positif dan 16 dengan tanda negatif. Jumlah runs yang diharapkan
adalah didasarkan atas jumlah data N = 50 didapatkan dari persamaan:
Etot = (2N-1)/3 = (2*50-1)/3 = 33
Hasil dari length of runs n gunakan rumus yang ditulis pada halaman
sebelumnya ditulis pada tabel berikut:
n On En
1 23 20.92
2 4 8.93
36
3 2 2.51
4 3 0.53
5 0 0.11
Dari hasil tabel diatas ini dibuat kelompok baru sehingga setiap anggota
kelompok mempunyai nilai > 5 dan didapatkan sebagai berikut:
i n Oi Ei
1 1 23 20.92
2 2-49 9 12.08
Dari tabel diatas statistik kai skuernya dihitung dan didapat haslinya
adalah = 0.99.
Dari tabel statistik dengan v = 1 dan p = 5 % didapat X2 3.841, karena nilai
tabel lebih besar dari nilai statistik hitung, maka disimpulkan bahwa psudorandom
number yang ada terurut secara acak. Kesimpulan ini akan lebih terdukung dari
tabel statistik untuk p=95% dan v = 1 didapat nilai statistik = 0.00393.
Untuk diketahui Runs test ini juga bisa digunakan bila diketahui nilai rata-
rata-nya dan yang dilihat adalah nilai yang terletak diatas ataupun dibawah dari
nilai rata-rata.
37
bahwa data penundaan pada tabel 1 yang didapat berdistribusi Normal dengan
rata-rata = 3 jam dan standard deviasi = 1 jam. Berikut adalah formulasi null
hipotesis terhadap perkiraan diatas.
38
Jawab soal 1:
Ho: penundaan take off berdistri busi normal dengan μ = 3 jam dan σ = 1 jam
H1: penundaan berdistribusi yang lain
Tabel 3 Daftar Durasi penundaan Take off
pesawat di bandara El Paso
No Durasi (jam) X X^2
1 2.1 4.41
2 1.9 3.61
3 3.2 10.24
4 2.8 7.84
5 1 1.00
6 5.1 26.01
7 0.9 0.81
8 4.2 17.64
9 3.9 15.21
10 3.6 12.96
11 2.7 7.29
31.4 107.02
X X
n
31.4 / 11 2.85 jam
X 2 nX 2 107.02 11(2.85) 2
s 1.33 jam
n 1 n 1
39
Diketahui = 3 dan = 1
(1) (2)
Data (3) (4) Expec (5) Deviation
Waktu data Actual
Tunda
terurut observ Fa(x) z = (x-)/ frekumulatif Fe(x) = Fa(x)-Fe(x)
Untuk mencari Fe(x) yang hasilnya ditaruh pada kolom (4), menggunakan
tabel C statistik yang tersedia, untuk nilai negatif dari Z luasan lower tail
berhubungan dengan frequensi kumulatif bisa didapatkan dengan mengurangkan
luasan pada tabel C dengan 0.5. Sebagai contoh untuk x = 1.9, z = -1.1 luasan
dibawah kurva pada tabel C adalah 0.3643, sehingga Fe(x) didapat sebagai
berikut:
Fe(x) = 0.5-0.3643 = 0.1357
untuk x = 0..9, z = -2.1 luasan dibawah kurva pada tabel C adalah 0.4821,
sehingga
Fe(x) = 0.5-0.4821 = 0.0179
Dengan jalan yang sama semua Fe(x) dihitung dan hasilnya ditaruh pada
Tabel 2 pada kolom (4). Pada kolom terakhir dari Tabel 2 yang merupakan hasil
didapat dengan mengurangkan nilai pada kolom (2) dengan nilai pada kolom (4)
dan hasilnya ditaruh pada kolom (5). Tahap terakhir dari uji dengan K-S test
adalah memilih nilai pada kolom (5) dengan rumus D = max|Fa(x)-Fe(x)| dari
hasil yang didapat ternyata hasilnya yang terbesar adalah: 0.1795. Hasil ini
kemudian dibandingkan dengan hasil yang ada tabel statistik I dengan α = 0.5 dan
n = 11 dan dalam hal ini didapatkan D.05 = 0.35242 dan hasil ini dibandingkan
dengan hasil perhitunmgan statistik yang didapat yang besarnya 0.1795. Dasi hasil
perhitungan Ho diterima penundaan take off berdistribusi normal dengan μ = 3
jam dan σ = 1 jam.
40
Contoh soal 2:
Didapatkan data produk rata-rata cacat dalam sebulan untuk 15 bulan
pengamatan dengan data sebagai berikut:
Bulan ke
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
15 14 10 16 17 10 16 17 20 18 11 12 13 22 7
41
3. Coba laksanakan run test terhadap bilangan berikut: 23, 45, 56, 78, 56, 77, 15,
56, 67, 89, 99, 67, 45, 45, 67, 78, 87, 88, 67, 87, 78, 56, 76, 77, 8, 78, 57, 56,
65, 76, 55, 54, 78, 67, 45, 34, 78, 89, 67, 56, 67, 45, 34, 67, 87, 88, 55, 45, 67,
56, 67, 56, 78, 86,1, 67, 32, 13 ,67 ,78 ,90, 87, 45, 34, 56, 34, 56, 76, 34, 32,
56, 76, 21, 56, 56, 76, 67, 66, 13, 56, 34, 46, 78, 35, 38, 34, 35, 67.
4. Coba gunakan K-S test untuk membuktikan bahwa nilai ujian mata kuliah
TEKSIM yang diikuti oleh 19 mhs pada sebuah klas berdistribusi normal atau
tidak nrmal dengan catatan dengan μ sama dengan nilai rata yang dibulatkan
dan σ = dicari dengan hasil 1 angka dibelakang koma dalam soal ini dengan α
= 5%. Untuk data nilai yang didapat sebagai berikut: 95, 78, 75, 68, 68, 75, 82,
78, 75, 68, 66, 56, 75, 50, ,65, 70, 72, 79, 81
42