MATERI VII

VARIAT RANDOM

I. Variat Random
Dalam bidang matematika probabilitas dan statistik, variat random adalah hasil tertentu dari
sebuah variabel acak. Varian acak yang merupakan hasil lain dari variabel acak yang sama
mungkin memiliki nilai yang berbeda. Variat random digunakan ketika mensimulasikan proses
yang didorong oleh pengaruh acak (proses stokastik). Dalam aplikasi modern, simulasi seperti
itu akan memperoleh variasi acak yang sesuai dengan distribusi probabilitas yang diberikan
dari prosedur komputer yang dirancang untuk membuat variasi acak yang sesuai dengan
distribusi seragam, di mana prosedur ini benar-benar akan memberikan nilai yang dipilih dari
distribusi seragam angka pseudorandom.

Prosedur untuk menghasilkan variasi acak yang sesuai dengan distribusi yang diberikan
dikenal sebagai prosedur untuk pembuatan varian acak atau pseudo-random number sampling.
Dalam teori probabilitas, variabel acak adalah fungsi yang dapat diukur dari ruang probabilitas
ke ruang nilai yang dapat diukur yang dapat diambil oleh variabel tersebut. Dalam konteks
tersebut, nilai tersebut dikenal sebagai variasi acak atau penyimpangan acak. Berdasarkan
pengertian tersebut maka dapat dikatakan variat random (random variat) merupakan nilai dari
suatu variabel random yang memiliki distribusi probabilitas tertentu.

II. Metode Pembangkitan Variat Random

Beberapa metode yang dapat digunakan dalam melakukan pembangkitan variat random
diantaranya adalah:
• Metode transformasi invers (inverse transformation method)
• Metode konvolusi (convolution method)
• Metode komposisi (compotition method)
• Metode penerimaan-penolakan (acceptance-rejection method)
2.1 Metode Transformasi Invers
Misal U merupakan bilangan random. Misal suatu variabel random X memiliki fungsi distribusi
probabilitas kumulatif yang dinyatakan dengan F(x). Secara umum, pembangkitan variat
random X dengan metode transformasi invers dilakukan dengan hubungan sebagai berikut:
2.1.1 Metode Transformasi Invers untuk Pembangkitan Variat Random Seragam
Kontinyu
Misal X ~ seragam kontinyu, (a,b). Fungsi distribusi probabilitas dari variabel random X
dinyatakan dengan:

Fungsi distribusi probabilitas kumulatif dari variabel random X dinyatakan dengan:

Variat random X ~ seragam kontinyu, (a,b) dapat dibangkitkan dengan rumusan sebagai
berikut:

2.1.2 Metode Transformasi Invers untuk Pembangkitan Variat Random Eksponensial

Misal X adalah variabel random yang berdistribusi eksponensial dengan parameter β > 0.
Fungsi distribusi probabilitas dari variabel random X dinyatakan dengan:

Fungsi distribusi probabilitas kumulatif dari variabel random X dinyatakan dengan:

Variat random X ~ ekponensial (β) dapat dibangkitkan dengan rumusan sebagai berikut:

2.2 Metode Konvolusi

Metode konvolusi merupakan metode pembangkitan variat random yang didasarkan pada ciri
bahwa suatu variabel random tertentu merupakan jumlah dari variabel-variabel random lain
yang identik dan saling independen.

2.2.1 Metode Konvulsi untuk Pembangkitan Variat Random Binomial

Misal Yi memiliki variabel random Bernoulli dengan parameter p dengan 0 < p < 1. Misal
terdapat n variabel random Bernoulli yang identik dan saling indepenen dengan parameter p.
Misal variabel random X didefinisikan sebagai berikut:

Variabel random X memiliki distribusi binomial dengan parameter-parameter n (n ≥ 0 dan

bilangan bulat) dan p (0 < p < 1). Variat random binomial dengan parameter-parameter n dan
p dapat diperoleh dengan jumlah dari sebanyak n variat random Bernoulli yang identik dan
saling independen yang masingmasing memiliki parameter p.

2.2.1 Metode Konvulsi untuk Pembangkitan Variat Random Erlang

Misal Y memiliki variabel random eksponensial dengan parameter β/m. Misal terdapat m
variabel random eksponensial yang identik dan saling independen dengan parameter β/m.
Misal variabel random Y didefinisikan sebagai berikut:
Variabel random Y memiliki distribusi Erlang dengan parameter-parameter β dan m. Variat
random Erlang dengan parameter-parameter β dan m dapat diperoleh dari jumlah dari sebanyak
m variat random eksponensial yang identik dan saling independen yang masing-masing
memiliki parameter β/m.

2.3 Metode Komposisi

Metode komposisi digunakan untuk membangkitkan variat-variat random dari suatu fungsi
distribusi probabilitas yang dapat dinyatakan sebagai kombinasi konveks dari fungsi-fungsi
distribusi probabilitas. Misal X adalah variabel random yang memiliki fungsi distribusi
probabilitas f(x):

dengan ∑𝑗 𝑝𝑗 = 1 dan 𝑓𝑗 (𝑥) adalah fungsi distribusi probabilitas yang lain.

2.4 Metode Penerimaan-Penolakan

Misal pembagkitan variat random X yang berdistribusi seragam kontinyu antara 1/4 dan 1.
Langkah 1: Bangkitkan U. Lanjutkan ke langkah 2.
Langkah 2: Jika U ≥ 1/4, maka tetapkan X = U dan berhenti. Jika sebaliknya, maka kembali ke
langkah 1.

2.4.1 Algoritma Pembangkitan untuk Variat Random Seragam Kontinyu

X ~ seragam kontinyu (a,b) dengan a dan b bilangan ril dan a < b.

Langkah 1: Bangkitkan U. Lanjutkan ke langkah 2

Langkah 2: Tetapkan X = a + (b – a) U. Berhenti.

Contoh variat-variat random yang seragam kontinyu dengan a = 0 dan b = 10.

2.4.2 Algoritma Pembangkitan untuk Variat Random Eksponensial
X ~ eksponensial (β) dengan β > 0

Langkah 1: Bangkitkan U. Lanjutkan ke langkah 2.

Langkah 2: Tetapkan X = −β ln(1 – U). Berhenti.

Catatan: Langkah 2 dapat juga diubah menjadi:

Langkah 2: Tetapkan X = −β ln(U).

Contoh variat random yang berdistribusi eksponensial dengan β = 5.

Contoh Kasus

Sebuah antrian memiliki waktu rata-rata antar kedatangan selama 3 menit yang berdistribusi
eksponensial. Bangkitkan 10 variat random dengan menggunakan metode transformasi invers.

Variat random X ~ ekponensial (3) dengan persamaan:

Pembangkitan bilangan random (U) dan variat random (X)

U X
0,2057 0,69
0,8710 6,14
0,7562 4,23
0,9351 8,21
0,7876 4,65
0,3361 1,23
0,7037 3,65
0,5563 2,44
0,9656 10,11
0,4321 1,70

Contoh Perhitungan:
𝑋 = −𝛽 ln(1 − 𝑈1 )
𝑋 = −3 ln(1 − 0,2057)
𝑋 = −3 ln(0,7943)
𝑋 = −3 (−0,23024)
𝑋 = 0,690707 = 0,69
Jika dilakukan pengujian distribusi, maka akan didapatkan hasil sebagai berikut:
Pengujian menggunakan MiniTab

Data dapat dikategorikan memiliki distribusi eksponensial (nilai P tertinggi)

Pengujian menggunakan StatFit

Distribusi eksponensial tidak dilakukan penolakan