SIMULASI KOMPUTER
DOSEN PENGAMPU:
DISUSUN OLEH:
NURHAMIDAH MURSYIDIN
NIM: 1917140016
TAHUN 2020/2021
KATA PENGANTAR
Puji syukur penulis panjatkan kepada Allah SWT karena atas izin-Nya,
makalah Membangkitkan Data dengan Transformasi Langsung ini dapat
diselesaikan sesuai dengan deadline yang sudah ditentukan. Selanjutnya, penulis
mengucapkan terima kasih kepada dosen mata kuliah Simulasi Komputer yang
telah memberi kesempatan dan kepercayaannya kepada penulis untuk membuat
makalah ini. Banyak ilmu, informasi dan pengetahuan baru yang penulis peroleh
selama menyusun makalah ini.
Penulis berharap semoga makalah ini berguna bagi pembaca meskipun
terdapat banyak kekurangan di dalamnya. Penulis memohon maaf jika terdapat
kesalahan dalam penulisan, penyusunan maupun kesalahan lain karena hingga
saat ini penulis masih dalam proses belajar. Oleh karena itu, kritik dan saran dari
pembaca sangat dibutuhkan dalam meyempurnakan kualitas makalah ini.
Penulis
i
DAFTAR ISI
ii
BAB I
PENDAHULUAN
A. Latar Belakang
Dalam dunia statistik menggunakan simulasi komputer menjadi alternatif
yang baik dalam penggunaannya. Simulasi komputer sering digunakan untuk
memeriksa teknik statistik yang diajukan. Simulasi mensyaratkan bahwa kita
memperoleh nilai pengamatan dari suatu peubah acak dengan distriusi dan
parameternya yang telah ditentukan. Umumnya sistem komputer memuat subrutin
yang menyediakan nilai pengamatan dari suatu peubah acak Y yang memiliki
distribusi uniform pada selang [0,1]. Ini berarti dari distribusi uniform ini kita
harus dapat memanfaatkannya untuk mensimulasikan data dari suatu distribusi
yang kita inginkan (Siti, 2018).
Uniform (0.1)
Transformasi
Distribusi Lain
1
dan dijalankan dengan bantuan software Statistika (Rstudio). Transformasi yang
ada dapat dibedakan menjadi dua kelompok besar, yaitu (Tirta, 2003):
1. Transformasi T dari U (0,1) ke suatu peubah acak X. Termasuk dalam
kelompok ini adalah transformasi Box-Muller yang memetakan U (0,1) ke N
(0,1).
2. Transformasi T1 dari peubah acak X yang memiliki fungsi kepadatan f(x) ke
peubah acak Y dengan fungsi peluang g(y). Termasuk dalam transformai ini
adalah transformasi linier dari N (0, 1) ke , transformasi dari N (0, 1)
ke dan lain-lain.
B. Rumusan Masalah
1. Sebutkan dan jelaskan jenis-jenis dari transformasi peubah acak?
2. Bagaimana cara menggunakan transformasi peubah acak dalam simulasi,
khususnya dalam membangkitkan sampel dari peubah acak dengan distribusi
tertentu?
C. Tujuan
Tujuan umum dari penyusunan makalah ini yaitu untuk memahami dan
mengingat kembali jenis-jenis transformasi peubah acak serta dapat
menggunakannya dalam simulasi, khususnya dalam membangkitkan sampel dari
peubah acak dengan distribusi tertentu. Adapun tujuan khusus dari penyusunan
makalah ini, yaitu:
1. Menyebutkan berbagai macam transformasi peubah acak yang memetakan
suatu peubah ke peubah lain yang banyak dikenal;
2. Mampu membangkitkan data dari N (0,1);
3. Mampu membangkitkan data dari ;
4. Mampu membangkitkan data dari
2
BAB II
PEMBAHASAN
√
saling bebas dan masing-masing dengan distribusi N(0, 1).
Dari hasil di atas dapat dibuat algoritma untuk membangkitkan data normal
standar dengan menggunakan transformasi Box-Muller seperti berikut.
Algoritma 2.1. langkah langkah untuk membangkitkan data dari N(0, 1) dengan
transformasi Box-Muller adalah
Program 2.1.
3
z1<-sqrt(-2*log(u1))*cos(2*pi*u2)
z2<-sqrt(-2*log(u1))*sin(2*pi*u2)
z<-c(z1,z2)
plot(density(z),xlab=’x’,ylab=’p’)
x<-seq(min(z),max(z),0.1)
y<-dnorm(x,0,1)
lines(x,y)
output:
4
Percobaan program 2.1 dilakukan pada software RStudio dengan
membangkitkan data sebanyak 100 data dengan nilai mean = 0 dan standar deviasi
= 1. Setelah membangkitakan data secara acak, kita mentransformasikan data dari
distribusi uniform ke distribusi normal dengan transformasi Box-Muller yang
dinyatakan dengan Z1 dan Z2. Selanjutnya, nilai Z1 dan Z2 digabungkan dan
5
memperoleh nilai Z. Kemudian, dilakukan plot data pada data Z untuk melihat
distribusi data. Setelah itu, dilakukan uji kenormalan data dengan menggunakan
uji normalitas.
Pada percobaan ini uji normalitas yang digunakan ada 3, yaitu: Anderson-
Darling normality test, Cramer-von Mises normality test, dan Lilliefors
(Kolmogorov-Smirnov) normality test. Hasil output dari ketiga pengujian ini
diperoleh nilai P-Value < 0,5 sehingga dapat dikatakan bahwa data percobaan
berdistribusi normal.
B. Membangkitkan Data
Hasil 2.2.
Program 2.2.
output:
6
Percobaan program 2.2 dilakukan dengan membangkitkan data acak
sebanyak 100 data dengan nilai simpangan baku ( ) = 7 dan rata-rata ( ) = 74,
maka diperoleh nilai X seperti pada output diatas.
7
Program 2.3.
output:
Hasil 2.4. Jika , dan saling bebas satu sama lain, maka ∑ .
Program 2.4.
8
y<-sum(x)
}
output:
Dengan menggunakan program 2.5, kita akan mencoba membangkitkan data acak
sebanyak 50 data dengan nilai . Hasil outputnya sebagai berikut.
Program 2.5.
9
10
BAB III
PENUTUP
A. Kesimpulan
Dari pembahasan makalah ini dapat disimpulkan bahwa:
transformasi Box-Muller dapat digunakan untuk mentransformasikan
distribusi uniform ke distribusi normal standar,
transformasi linier dapat digunakan untuk mentransformasikan distribusi
normal standar ke normal yang lebih umum, dan
transformasi kuadrat dapat digunakan untuk mentransformasikan
distribusi normal standar ke distribusi .
B. Saran
Adapun saran yang dapat diberikan penulis yaitu jika pembaca ingin
mencoba melakukan simulasi transformasi langsung pada suatu data peubah acak
dengan software R/RStudio jangan hanya terbatas pada fungsi distribusi yang
telah dilakukan pada makalah ini, tetapi untuk penulisan kedepannya supaya
merancang perintah atau program dalam sistem simulasi transformasi langsung
yang dapat digunakan pada distribusi lainnya.
11
DAFTAR PUSTAKA
12