2.1 Pendahuluan
adalah asumsi bahwa data berasala dari distribusi tertentu. Asumsi ini digunakan untuk
mengevaluasi secara toeritik apakah model dapat bekerja dengan baik pada berbagai
kondisi.
Sebagai contoh misalkan dalil/teorema limit pusat. Dalil ini menyatakan bahwa untuk
peubah acak X1 , X2 , . . . , Xn yang bebas stokastik dan identik dan berasal dari sembarang
P
distribusi, maka untuk n → ∞ maka X̄ = Xi /n akan mendekati distribusi normal.
Untuk mengevaluasi kebenaran dalil tersebut secara empiris, kita bisa membangkitkan
Contoh lainnya dalam memodelkan kepadatan lalu lintas di suatu perempatan, maka
diasumsikan bahwa banyaknya kendaraan yang masuk dari arah tertentu perempatan
tersebut mengikuti distribusi Poisson. Untuk menevaluasi kebaikan dari model tersebut,
Pembangkitan bilangan acak dari distribusi tertentu seringkali diperlukan dalam rangka
Ada beberapa metode untuk membangkitkan bilangan acak, diantaranya adalah metode
(Acceptance-Rejection Mthod ), dan lain sebagainya. Dalam Bab ini yang akan dibahas
Dasar dari metode ITM adalah fungsi distribusi F (x) dari peubah acak X dan mencari
invers dari fungsi distribusinya, F −1 (x). Oleh karena itu kita harus bisa mencari fungsi
distribusi F (x) dari fungsi densitas f (x), a ≤ x ≤ b. Pada Bab I telah disinggung
bagaimana kita mencari F (x). Syarat utama agar metode ITM ini dapat dipergunakan
adalah bahwa F (x) bersifat 1-1 pada interval a ≤ x ≤ b. Jika pada interval a ≤ x ≤ b
fungsi F (x) tidak bersifat 1-1, maka metode ini tidak dapat dipergunakan. Oleh karena
satu-ke-satu, maka kita dapat mencari fungsi invers dari f , yaitu g yang memtakkan
B → A. Perhatikan bahwa suatu fungsi mungkin tidak bersifat satu-satu, akan tetapi
untuk daerah fungsi tertentu (pada daerah yang kita minati), fungsi tersebut bisa saja
Contoh 2.2.1. Misalkan y = f (x) = x + 2. Fungsi tersebut bersifat 1-1 pada seluruh
x = f −1 (x) = f (x) − 2 = y − 2
Untuk x = 10, maka y = f (x) = f (10) = 10 + 2 = 12. Jika kita balik, maka x = g(y) =
f −1 (x) = g(12) = 12−2 = 10. Jika kita punya x = x0 selanjutnya kita bisa mendapatkan
y0 = f (x0 ), pada tahap selanjutmya maka kita bisa mengembalikan dari y0 → x melalui
invers fungsinya.
Contoh 2.2.2. Suatu fungsi didefinisikan sebagai f (x) = a + bx. Fungsi ini bersifat 1-1
untuk semua x ∈ < dengan syarat b 6= 0. Jika b 6= 0, maka fungsi inversnya adalah
y−a
y = f (x) = a + bx ⇒ bx = y − a ⇒ x = = g(y) = f −1 (x)
b
f(x)
35
30
f(x)=25
25
20
15
10
0
-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6
X
Figure 2.1. Fungsi f (x) = x2 tidak bersifat 1-1 pada −∞ < x < ∞. Tetapi untuk
sebarang selang padax < 0 atau x > 0, maka f (x) bersifat 1-1.
a+3b−a
Misal: x = 3 ⇒ y = a + 3b; untuk y = a + 3b, maka x = b
= 3. Jadi kembali ke
nilai x-semula.
Contoh 2.2.3. Perhatikan fungsi f (x) = x2 , untuk x = −1, maka f (−1) = (−1)2 = 1.
diperoleh f (−x) = f (x), oleh karena itu f (x) = x2 tidak bersifat 1-1. Akan tetapi jika
daerah fungsi kita batasi misalkan untuk X > 0 maka f (x) = x2 bersifat 1-1. Oleh karena
p √
itu untuk X > 0 maka f (x) = x2 punya invers, yaitu x = f −1 (x) = g(y) = f (x) = y.
√ p √
Untuk x=5, maka f (5) = 52 = 25 dan inversnya :x = y = f −1 (x) = 25 = 5. Lihat
Gambar 2.1.
Soal 2.2.5. Tunjukkan bahwa f (x) = x2 + 1, −∞ < x < ∞ tidak punya invers.
Soal 2.2.6. Agar supaya f (x) = x2 + 1, a < x < b punya invers, carilah a dan b.
Misalkan peubah acak X adalah peubah acak kontinyu dengan pdf f (x). Langkah-langkah
pembangkitan bilangan acak dengan menggunakan metode ITM adalah sebagai berikut:
4. X=g(U)
Contoh 2.2.7. Bangkitkan 4 bilangan acak dari p.a X ∼ f (x) = x/2, 0 < x < 2.
Jawab:
• Yang akan diperlukan adalah F (x) pada selang 0 < x < 2 jadi yang akan dicari
adalah F (x) hanya pada selang tersebut. Sedangkan untuk x ≤ 0, fungsi distribusi
Jadi F (x) = (1/4)x2 untuk 0 < x < 2. Perhatikan bahwa F (x) adalah bukan fungsi
1-1 pada interval −∞ < x < ∞, akan tetapi pada interval 0 < x < 2 fungsi F (x)
bersifat 1-1. Oleh karena itu kita bisa menggunakan metode invers transformation
p
F (x) = (1/4)x2 ↔ x2 = 4F (x) ↔ x = 4F (x).
0.0349, U4 = 0.1365.
√
Untuk U1 = F (x) = 0.5768 ⇒ x = 4 · 0.5768 = 1.5189
√
Untuk U2 = F (x) = 0.8137 ⇒ x = 4 · 0.8137 = 1.8041
√
Untuk U3 = F (x) = 0.0349 ⇒ x = 4 · 0.0349 = 0.3736
√
Untuk U4 = F (x) = 0.1365 ⇒ x = 4 · 0.1365 = 0.7389
0.7389. Hasil pembangkitan 10,000 bilangan acak dengan pdf f (x) = x/2, 0 < x < 2
disajikan pada Gambar 2.2-2.3. Gambar 2.2 menyajikan histogram data bangkitan
yang menunjukkan bentuk fungsi densitas dari data. Bentuk ini mengindikasikan fungsi
f (x) = x/2, 0 < x < 2. Gambar 2.3 menyajikan fungsi distribusi kumulatif yang sesung-
guhnya (diperoleh dari F (x)) dan yang diperoleh dari frekuensi kumulatif data bangki-
tan. Dari Gambar 2.3 terlihat bahwa frekuensi kumulatif sangat dekat dengan F (x) yang
sesungguhnya.
Macro Minitab untuk membangkitkan bilangan acak f (x) = x/2, 0 < x < 2. Macro ini
Macro Minitab
gmacro gen_x_per_2
### Note k1=banyakanya data yang akan dibangkitkan
### Kolom k2 = kolom tempat menyimpan data bangkitan
### f(x)=x/2; F(x) = (1/4)x^2 = U
### x =akar(4*F(x)) = akar(4*U)
noecho
random k1 c1;
uniform 0 1.
let ck2=(4*c1)**(0.5)
endmacro
kolom=2
√
Contoh 2.2.8. Bangkitkan 5 bilangan acak dari p.a X ∼ f (x) = c x, 0 < x < 9.
Jawab: Sebelum membangkitkan bilangan acak, kita harus mencari nilai c pada f (x).
Frekuensi
900
800
700
600
500
400
300
200
100
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2
X
Figure 2.2. Distribusi data hasil bangkitan 10,000 peubah acak X dengan pdf f (x) =
x/2, 0 < x < 2.
10000
9000
8000
7000
6000
5000
4000
3000
2000
1000
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2
F(x) Frek.Kumulatif
Figure 2.3. Perbandingan antara fungsi distribusi teoritik F (x) = x2 /4, 0 < x < 2 dengan
frek. kumulatif data hasil bangkitan 10,000 peubah acak X dengan pdf f (x) = x/2.
0.030
0.025
0.020
0.015
0.010
0.005
0.000
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
√
Figure 2.4. Plot F (x) terhatap x untuk 0 < x < 9, untuk f (x) = (1/18) x, [soal nomor
2.2.8].
R
Agar f (x) memenuhi syarat sebagai pdf, maka f (x)dx = 1.
Z 9 Z 9 √ 9
f (x)dx = c xdx = c(2/3)x3/2 0 = 1.0
0 0
√
Jadi f (x) = (1/18) x, 0 < x < 9.
maka kita hanya akan mencari F (x) pada interval 0 < x < 9. Sedangka pada interval
Jadi untuk 0 < x < 9, F (x) = (1/27)x3/2 . Gambar 2.4 menyajikan grafik fungsi F (x) =
(1/27)x3/2 . Dari gambar tersebut terlihat bahwa pada selang 0 < x < 1, fungsi distribusi
F (x) bersifat 1-1. Oleh karena itu invers transformation method dapat digunakan untuk
p
F (x) = (1/27)x3/2 ⇒ x3/2 = 27F (x) ⇒ x = 27F (x) atau x = [27F (x)]2/3
3/2
Jadi 5 bilangan acak yang diperoleh adalah x= 1.7927, 5.7645, 3.2450, 3.6465, 6.7061.
√
Hasil pembangkitan 10,000 bilangan acak dari pdf f (x) = (1/18) x ditampilkan melalui
√
Macro Minitab untuk membangkitkan bilangan acak f (x) = (1/18) x, 0 < x < 9.
belasakarx.mac”.
Macro Minitab
gmacro gen_x_per_2
gmacro seperdelabanbelasakarx
### Note k1=banyakanya data yang akan dibangkitkan
### Kolom k2 = kolom tempat menyimpan data bangkitan
### f(x) =(1/8)sqrt(x)
### F(x) = (1/27)X^(3/2) ; U=F(x)
### x=[27U}^(2/3)
noecho
random k1 c1;
uniform 0 1.
let ck2=(27*c1)**(2/3)
endmacro
kolom=2
400
350
300
250
200
150
100
50
0
0.50
1.25
2.00
2.75
3.50
4.25
5.00
5.75
6.50
7.25
8.00
8.75
0.00
0.25
0.75
1.00
1.50
1.75
2.25
2.50
3.00
3.25
3.75
4.00
4.50
4.75
5.25
5.50
6.00
6.25
6.75
7.00
7.50
7.75
8.25
8.50
9.00
Figure 2.5.
√ Histogram 5,000 data bangkitan. Garis kurva tebal adalah kurva f (x) =
(1/18) x. Terlihat puncak histogram sangat dekat dengan fungsi pdf sesungguhnya.
MTB > let k1=5000 ### Banyaknya bilangan yang akan dibangkitkan
MTB > let k2=2 ### tempan menyimpan data bangkitan di kolom 2.
MTB > %seperdelabanbelasakarx #### Menjalankan macro
Executing from file: D:\Suliadi\Komputasi\seperdelabanbelasakarx.mac
MTB >
Soal latihan. Bangkitkan 5 bilangan acak dari peubah acak X dengan fungsi densitas
f (x) dengan
( menggunakan inverse transformation method, di mana
u, 0<x<1
1. f (x) =
2 − u, 1 < x < 2
−x
2. f (x) = e , x ≥ 0
Metode transformasi invers di atas memiliki beberapa kelemahan, yaitu (i) seringkali
sangat sulit untu mendapatkan fungsi distribusi F (x); (ii) fungsi distribusi F (x) mungkin
saja mudah didapatkan, akan tetapi ada kemungkinan sulit untuk mendapatkan F −1 (x),
karena tidak ada bentuk sederhana dari x = F −1 (x) bahkan mungkin harus menggunakan
kelemahan ITM di atas. Metode ARM sama sekali tidak memerlukan fungsi distibusi
F (x) dan juga tidak memerlukan invers dari F (x), sehingga sangat sederhana. Meskipun
demikian untuk mendapatkan bilangan acak, metode ini memerlukan iterasi. Oleh karena
itu belum tentu bilangan acak yang dimaksud diperoleh pada iterasi pertama, mungkin
saja pada iterasi ke-2, atau ke -3 dst. Ada beberapa syarat agar metode ini bisa diterap-
• Peubah acak X harus mempunyai batas atas dan batas bawah, maksudnya batas
bawah x bukan −∞ dan batas atasnya juga bukan ∞. Jadi a > −∞ dan b < ∞.
• Fungsi densitas f (x) mempunyai batas atas c, sehingga ada suatu bilangan c < ∞
Contoh 2.2.9. Sebagai contoh, metode ARM tidak dapat digunakan untuk membangk-
itkan X ∼ N (µ, σ 2 ) karena daerah fungsi dari X adalah −∞ < x < ∞, sehingga X tidak
Contoh 2.2.10. X ∼ exp(µ) dengan 0 ≤ x < ∞. Metode ARM tidak daat digunakan
karena daerah fungsi dari X adalah 0 ≤ x < ∞, sehingga X tidak mempunyai batas atas.
Contoh 2.2.11. Peubah acak X ∼ f (x) = c/x, 0 < x < 1. Meskipun X punya batas
atas=1 dan batas bawah=0, Metode ARM juga tidak dapat dipergunakan sebab f (x) → ∞
Misalkan kita akan membangkitkan bilangan acak dengan fungsi densitas f (x), a < x < b.
(a) Carilah sembarang nilai c sehingga c ≥ f (x) untuk semua a < x < b. Nilai c
yang paling baik adalah nilai maksimum dari f (x), meskipun boleh juga c tidak
tepat sama dengan maksimum dari f (x) tetapi lebi besar dari maks(f (x)).. Untuk
mendapatkan maksimum dari f (x), a < x < b kita bisa mendapatkan melalui analitik,
(b) Bangkitkan dua bilangan acak dari U (0, 1), misalkan U1=U(0,1) dan U2=U(0,1).
(d) Hitung y0 = cU 2.
(e) Jika y0 ≤ f (x0 ) maka ambil sebagai bilangan acak dan stop simpan X = x0 sebagai
Contoh 2.2.12. Bangkitkan 3 bilangan acak dari distribusi f (x) = x2 + 1, 0 < x <
Jawab:
(1) Perhatikan Gambar 2.6. Pada interval 0 < x < 0.8177317 nilai f (x) < ∞ sehingga
metode ARM bisa dipergunakan, selain itu pada selang tersebut, fungsi f (x) meru-
pakan fungsi fungsi naik. Dengan demikian, pada selang tersebut maksimum dari
Kita bisa mengambil c = f max = 1.668685133. Bisa juga kita ambil bilangan sedikit
lebih besar dari fmax yaitu c = 1.67 agar lebih mudah, sebab kita diperbolehkan
ambil c > fmax asal tidak terlalu jauh. Untuk mudahnya kita ambil c = 1.67. Jadi
(a) Bangkitkan dua bilangan acak dari U(0,1), diperoleh: U1=0.1829 dan U2=0.1829
1.4
1.2 f(x)=x2+1
1.0
0.8
0.6
0.4
0.2
0.0
-0.1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
Figure 2.6. Plot f (x) = x2 + 1 pada selang 0 < x < 0.8177317. Perhatikan bahwa
f (x) adalah fungsi naik pada 0 < x < 0.8177317 sehingga f (x) maksimum pada
x = 0.8177317.
(a) Bangkitkan dua bilangan acak dari U(0,1), diperoleh: U1=0.2 dan U2=0.6839
(a) Bangkitkan dua bilangan acak dari U(0,1), diperoleh: U1=0.5051 dan U2=0.8322
(a) Bangkitkan dua bilangan acak dari U(0,1), diperoleh: U1=0.317 dan U2=0.1497
Berikut ini dua contoh macro minitab untuk kasus f (x) = x2 + 1, 0 < x < 0.8177317. Ke-
dua macro tersebut pada dasarkan adalah sama, hanya saja berbeda penggunaan WHILE
bilangan yang akan dibangkitkan=10000, dan k2=kolom tempat menyimpan data bangk-
itan = 2.
Menjalankan: armxkuadratplussatu.mac
MTB > let k1=10000
MTB > let k2=2
MTB > %armxkuadratplussatu
Executing from file: D:\Suliadi\Komputasi\armxkuadratplussatu.mac
MTB >
File: armxkuadratplussatu-b.mac
gmacro armxkuadratplussatu-b
### Note k1=banyakanya data yang akan dibangkitkan
### Kolom k2 = kolom tempat menyimpan data bangkitan
### Note c (bilangan >= fmax) dari contoh diambil c=1.67
### f(x) =x^2+1, 0 < x < 0.8177317 ==> a = 0; b = 0.8177317
### x0=a+U1(b-a) = 0 + U1(0.8177317-0) = 0.8177317*U1
### y0 = c * U2 = 1.67*U2
noecho
do k8=1:k1
mlabel 1
random 2 c1; ### membangkitkan 2 bilangan U(0,1)
uniform 0 1.
let k3=c1(1) ### U1=k3
let k4=c1(2) ### U2=k4
let k5=0.8177317*k3 ### x0 = k5 =a+U1(b-a) = 0.8177317*U1
let k6=(k5**2)+1 ### f(x0)=f(k5)=(k5**2)+1
let k7=1.67*k4 ### menghitung y0
if k7<=k6 ### Jika y0<=f(x0)
let ck2(k8)=k5
else ### Jika y0 > f(x0)
goto 1
endif
enddo
endmacro
Menjalankan: armxkuadratplussatu-b.mac
MTB > let k1=10000
MTB > let k2=2
MTB > %armxkuadratplussatu-b
Executing from file: D:\Suliadi\Komputasi\armxkuadratplussatu-b.mac
MTB >
70
f(x) = x2+1
60
50
40
30
20
10
0
0.005
0.025
0.045
0.065
0.105
0.125
0.145
0.165
0.205
0.245
0.265
0.285
0.305
0.345
0.385
0.405
0.425
0.445
0.485
0.505
0.525
0.545
0.565
0.585
0.625
0.645
0.665
0.685
0.725
0.765
0.785
0.805
0.085
0.185
0.225
0.325
0.365
0.465
0.605
0.705
0.745
Figure 2.7. Plot f (x) = x2 + 1 pada selang 0 < x < 0.8177317 (garis putus-putus),
beserta histogram 8000 data hasil bangkitan dari distribusi tersebut.
Perhatikan dari contoh di atas, bahwa untuk mendapatkan satu bilangan acak dengan
metode ARM kadang-kadang kita harus mengulang beberapa kali. Pada bilangan acak
ke-1 dan ke-3 harus diulang satu kali, tapi pada bilangan acak ke-2 harus mengulang 3
kali.
Gambar 2.8 menyajikan histogram dari pembangkitan bilangan acak dengan distribusi
itkan bilangan acak dengan metode ARM harus diperiksa dulu batas atas dan batas
bawah selang X, batas bawah =a=0 dan batas atas = b= 4 sehingga batas selang x
terpenuhi. Pada selang 0 < x < 4 fungsi f (x) naik dengan maksimum dari f (x) terjadi
√
pada saat x = 4 jadi f max = f (4) = (3/16) 4 = 3/8 = 0.375. Karena f max < ∞ maka
metode ARM dapat dipergunakan. Untuk memastikan, bisa juga melalui plot fungsi
√
f (x) = 3/16 x, 0 < x < 4.
Langkah-langkah:
(i) Menentukan c ≥ f max. Diketahui f max = 3/8 = 0.375, jadi ambil c = 0.375, serta
a = 0, b = 4.
0.35
0.30
f(x)=(3/16)x1/2
0.25
0.20
0.15
0.10
0.05
0.00
0.00 0.50 1.00 1.50 2.00 2.50 3.00 3.50 4.00
√
Figure 2.8. Plot f (x) = (3/16) x pada selang 0 < x < 4, terlihat fungsi naik pada
selang tersebut dan maksimum pada x = 4.
(a) Bangkitkan dua bilangan acak dari U(0,1), diperoleh: U1=0.5994 dan
U2=0.9799
(a) Bangkitkan dua bilangan acak dari U(0,1), diperoleh: U1=0.1241 dan
U2=0.2343
(a) Bangkitkan dua bilangan acak dari U(0,1), diperoleh: U1=0.8667 dan
U2=0.1162
120
f(x)=(3/16)x^(0.5)
100
80
60
40
20
0
0 0.15 0.3 0.45 0.6 0.75 0.9 1.05 1.2 1.35 1.5 1.65 1.8 1.95 2.1 2.25 2.4 2.55 2.7 2.85 3 3.15 3.3 3.45 3.6 3.75 3.9
√
Figure 2.9. Plot f (x) = (3/16) x pada selang 0 < x < 4 (garis putus-putus), beserta
histogram 8000 data hasil bangkitan dari distribusi tersebut.
√
Hitung f (x0 ) = (3/16) 3.4669 = 0.3491
(a) Bangkitkan dua bilangan acak dari U(0,1), diperoleh: U1=0.7635 dan
U2=0.1227
Macro Minitab.
File: armtigaperenambelasakarx.mac
gmacro armtigaperenambelasakarx
### Note k1=banyakanya data yang akan dibangkitkan
### Kolom k2 = kolom tempat menyimpan data bangkitan
### Note c (bilangan >= fmax) dari contoh diambil c=0.375
### f(x) =(3/16)x^(0.5), 0 < x < 4 ==> a = 0; b = 4
### x0=a+U1(b-a) = 0 + U1(4-0) = *U1
Menjalankan: armtigaperenambelasakarx.mac
MTB > let k1=1000
MTB > let k2=2
MTB > %armtigaperenambelasakarx
Executing from file: D:\Suliadi\Komputasi\armtigaperenambelasakarx.mac
MTB > hist c2
Untuk membangkitkan bialangan acak dari peubah acak kontinyu, metode inverse trans-
formation method (ITM) tidak selalu berhasil. Akan tetapi untuk peubah acak diskrit,
metode ITM selalu berhasil. Oleh karena itu untuk membangkitkan bilangan acak dari
Sebagaimana pada peubah acak kontinyu, tahapan penting dalam metode ini adalah
mencari fungsi distribusi dari peubah acak tersebut. Misalkan probability mass function
f(x) = P (X = x), untuk X = a1, a2, . . . , am; di mana a1 < a2 < · · · < am.
Jadi nilai yang mungkin untuk peubah acak X ada sebanyak m, yaitu
a1 , a2 , . . . , am ; dengan syarat a1 < a2 < · · · < am . ALgoritma ITM untuk peubah acak
diskrit adalah
F (a1 ) = P (X ≤ a1 ) = P (X = a1 )
F (a2 ) = P (X ≤ a2 ) = P (X = a1 ) + P (X = a2 )
F (a3 ) = P (X ≤ a3 ) = P (X = a1 ) + P (X = a2 ) + P (X = a3 )
.. ..
..
F (am ) = P (X ≤ am ) = P (X = a1 ) + P (X = a2 ) + · · · + P (X = am ) = 1.0
Algoritma:
• mencari F (ai ), i = 1, 2
• Tetapkan i = 1
• Tetapkan i = 1
• Tetapkan i = 1
Untuk melakukan pembangkitan bilangan acak dengan macro minitab, maka setiap nilai
X, yaitu a1 , a2 , . . . , am dan juga F (a1 ), F (a2 ), . . . , F (am ) akan disimpan dalam dua kolom.
Sebelum macro dijalankan, maka X=0,1 akan diletakkan di C1, sedangkan F (0) dan (F (1)
Inisialisasi/persiapan
MTB > set c1 #### Memasukkan nilai X di C1
DATA> 0
DATA> 1
DATA> end
MTB > set c2 #### Memasukkan nilai F(x) di C2
DATA> 0.25
DATA> 1.0
DATA> end
MTB >
noecho
let k3=1 ### k3=counter
while k3<=k1
random 1 c3; ### membangkitkan 1 bilangan U(0,1)
uniform 0 1.
let k4=c3(1) ### k4=U(0,1)
let k5=1 ### counter k5=i
mlabel 1
let k6=C2(k5) ### k5=F(Xi)
Jalankan Macro
MTB > let k1=10000
MTB > let k2=5
MTB > %bernoulli
Executing from file: D:\Suliadi\Komputasi\bernoulli.mac
MTB > tall c5
Tally for Discrete Variables: C5
C5 Count
0 2499
1 7501
N= 10000
MTB >
Catatan: dari 10000 data bangkitan ada 2499 untuk X=0 dan 7501 untuk x=1; Proporsi
porsi hasil bangkitan sangat dekat dengan proporsi teoritik (yang seharusnya), yaitu
Contoh 2.3.2. Bangkitkan 3 bilangan acak untuk peubah acak X yang mempunyai fungsi
1.5, a3 = 2.5, a4 = 4, a5 = 6.
Langkah-langkahnya adalah:
⇒F (X = a1 ) = F (1) = P (X ≤ 1) = P (X = 1) = 0.25
dst
Diperoleh
x 1 1.5 2.5 4 6
P(X=x) 0.25 0.15 0.15 0.25 0.2
F(x) 0.25 0.40 0.55 0.80 1.00
• Tetapkan i = 1
• Tetapkan i = 1
Berikut ini tahapan inisialisasi di Minitab, macro minitab, dan menjalankan macro
minitab. Perhatikan bahwa Macro minitab pada kasus ini adalah sama dengan macro
untuk kasus sebelumnya. Bahkan untuk semua jenis distribusi p.a. diskrit, macronya
adalah sama. Yang membedakan hanya pada tahap inisialisasi/persiarpan, yang meru-
Inisialisasi/persiapan
MTB > set c1
DATA> 1
DATA> 1.5
DATA> 2.5
DATA> 4
DATA> 6
DATA> end
MTB > set c2
DATA> 0.25
DATA> 0.4
DATA> 0.55
DATA> 0.8
DATA> 1.0
DATA> end
MTB >
Kalau diperhatikan antara persentase Xi dengan peluang teoritiknya sangat dekat, per-
macam peubah acak , baik peubah acak diskrit maupun peubah acak kontinyu. Peubah
acak yang disediakan adalah peubah acak yang paling umum, yang biasa dipergunakan
Minitab menyediakan dua cara untuk membangkitakan bilangan acak, melalui perintah
langsung dan melalui menu. Baik perintah langsung maupuan menu, perintahnya sangat
sederhana. Yang perlu diketahui adalah parameter distribusi peubah acak tersebut.
ketika melakukan simulasi yang diulang berkali-kali, bahkan sampai ribuan kali. Bisa
dibayangkan repotnya jika kita mengulang dua hal berikut (i) membangkitkan bilangan
acak (2) menghitung suatu besaran statistik dari data bangkitan, dimana prosedur (i)
dan (ii) tersebut diulang ribuan kali. Tetapi dengan printah macro/progam Minitab,
Kedua hal di atas dapat dikerjakan ribuan kali, hanya dengan perintah sederhana.
Perintah di minitab dilakukan pada jendelas ”Session”. Jadi pastikan kita berada pada
jendela ”Session” dengan meng-klik jendela tersebut. Tanda bahwa Minitab telah siap
menerima perintah adalah munculnya ”MTB >”, yang disebut dengan MTB prompt.
Descriptive Statistics: C1
Variable Maximum
C1 41.120
MTB >
Jika pada jendela ”Session” tidak muncul tanda MTB prompt, maka hal itu menunjukkan
bahwa Minitab tidak dalam mode perintah langsung. Untuk mengubahnya menjadi mode
(2) Klik menu ”Editor”, pastikan bahwa bagian menu ”Enable Commands” bertanda
√ √
centang . Jika belum, klik saja saja sampai muncul tanda .
Pada jendela ”Session” sekarang sudah ada MTB prompt ”MTB >”. Kita bisa
Ada dua bagian utama dalam perintah untuk membangkitkan data, yaitu (1) perintah
utama; (2) sub command. Perintah utama bersifat wajib, sedangkan sub command jika
tidak diberikan maka yang dibangkitkan adalah peubah acak N (0, 1). Jika kita ingin
memberikan sub command, maka pada perintah utama harus diakhiri dengan tanda
titik-koma ”;”, setelah dienter maka akan muncul ”Subc¿” sub command prompt.
C . . . C. Jadi setiap kolom akan dibangkitkan sebanyak ”N” bilangan acak. Jika perintah
di atas tanpa diberi tambahan perintah apa-apa, maka yang akan dibangkitkan adalah
Sub Command.
Jika kita ingin membangkitkan peubah acak selain N (0, 1), maka sub command harus
diberikan. Selain itu pada perintah utama, harus diakhiri dengan tanda titik-koma. Jika
subcommand lebih dari satu, maka subcommand juga diakhiri dengan tanda titik-koma,
kecuali subcommand terakhir diakhiri dengan tanda titik. Berikut ini subcommand un-
tuk membangkitkan bilangan acak dari beberapa distribusi yang disediakan oleh Minitab
Cara membangkitkan bilangan acak dengan menggunakan menu di Minitab sangat meu-
dah dan sederhana. Yang perlu diketahui adalah distribusi dari peubah acak yang kita
inginkan. Fungsi desitas dan distribusi untuk beberapa peubah acak dapat dilihat pada
bagian 2.4.1.3. Pada bagian ini akan deiberikan garis besar/perintah umum dengan con-
toh beberapa distribusi. Perintah pembangkitan bilangan acak ada pada menu
Kemudian pilih distribusi yang diinginkan (lihat Gambar2.11. Setelah kita pilih distribusi
tertentu, selanjutkan akan muncul jendela pembangkitan data (lihat Gambar 2.12). Ada
(i) Number of row of data to generate. Banyaknya data yang ingin kita bangkitkan
(ii) Store in column(s). Tuliskan kolom-kolom tempat bilangan acak ingin kita simpan.
(iii) Parameter distribusi, di sini sangat tergantung dari distribusinya. Sebagai contoh
untuk distribusi Chi-Square, maka parameternya adalah derajat bebas atau degree
Catatan:
• Untuk beberapa distribusi (tidak semua), minitab menyediakan isian untuk thresh-
old k. Jika threshold ini kita berikan, maka minitab hanya akan mengambil bilan-
gan acak yang lebih dari atau sama dengan threshol, sedangkan X yang kurang dari
threshold akan dibuang. Threshold ini adalah kasus khusus, sehingga untuk dis-
tribusi yang standard nilai threshold tidak perlu diubah-ubah, biarkan apa adanya.
punyai dua tipe yaitu ”TOTAL” dan ”NON-EVENT” (keterangan lihat bagian
2.4.1.3). Untuk menentukan pilihan, kita harus menekan tombol ”Option”, yang
Pada bahasan ini akan dijelaskan beberapa distribusi yang umum digunakan yang dise-
1
f (x|v) = xv/2−1 e−x/2 , 0 ≤ x ≤ ∞, v = 1, 2, . . .
Γ(v/2)2v/2
1 1 x−µ 2
f (x|µ, σ 2 ) = √ e− 2 ( σ ) , −∞ < x, µ < ∞, σ > 0.
σ 2π
1
f (x|a, b) = , a ≤ x ≤ b.
b−1
x = 1, 2, · · · ;
”NONEVENT”.
4. Peubah acak Binomial negatif. Peubh acak ini digunakan untuk memodelkan
gaimana peubah acak geometrik, Minitab juga menjediakan dua jenis bangk-
itan yaitu:
peubah acak diskrit dengan sembarang peluang adalah suatu peubah acak
sama, sehingga
1
P (X = x) = , x = a, a + 1, a + 2, · · · , b; a, b ∈ Z(integer).
b−a+1
eµ µ−x
f (x|µ) = P (X = x|µ) = ; x = 0, 1, 2, · · · ; µ ≥ 0
x!
1
f (x|α, β) = xα−1 (1 − x)β−1 , 0 ≤ x ≤ 1, α, β > 0
B(α, β)
Γ(α)Γ(β)
di mana B(α, β) =
Γ(α + β)
1 1
f (x|θ, σ) = ; −∞ < x, θ < ∞; σ > 0.
πσ 1 + x−θ 2
σ
1 −x/µ
f (x|µ) = e , 0 ≤ x < ∞, µ > 0.
µ
berikan, maka X < k akan dibuang, tidak dimasukkan dalam bilangan acak.
4. X ∼ Gamma(α, β), dengan parameter α dan β. Pdf untuk distribusi ini adalah
1
f (x|α, β) = xα−1 e−x/β ; 0 ≤ x < ∞; α, β > 0.
Γ(α)β α
berikan, maka X < k akan dibuang, tidak dimasukkan dalam bilangan acak.
1 e−(x−µ)/β
f (x|µ, β) = ; −∞ < x, µ < ∞; β > 0.
β [1 + e−(x−µ)/β ]2
γ γ−1 −xγ /β
f (x|γ, β) = x e ; 0 ≤< ∞; γ, β > 0.
β
berikan, maka X < k akan dibuang, tidak dimasukkan dalam bilangan acak.