Di Susun Oleh
Kelompok 4:
Misriyati 2521013
Dosen Pengampu:
Dr. Liza Efriyanti. S.Si., M.Kom
Bissmillahirrohmanirrohim
Assalamu’alaikum warrohmatullahi wabarrokatuh
Segala puji bagi Allah SWT yang menguasai sekalian alam yang telah
memberikan kami kemudahan sehingga kami dapat menyelesaikan makalah ini dengan
tepat waktu. Tanpa pertolongan-Nya tentunya kami tidak akan sanggup untuk
menyelesaikan tugas akhir ini dengan baik. Sholawat dan salam semoga tetap tercurah
pada Baginda Nabi Agung Muhammad SAW, dan segenap keluarganya, sahabatnya,
dan segenap para pengikutnya. Syukur Alhamdulillah penulis panjatkan kehadirat Ilahi
Robbi yang telah memberikan nikmat dan kekuatan kepada penulis sehingga dapat
menyelesaikan makalah ini dengan judul “Pembangkit Random Variate”. Makalah
ini ditujukan untuk memenuhi tugas mata kuliah Model dan Simulasi.
Selain itu, penulis berharap semoga makalah ini bisa bermanfaat untuk
menambah pengetahuan tentang Pembangkit Random Variate. Dalam proses
pembuatan makalah ini, penulis mendapat bantuan, dukungan, dan semangat dari
berbagai pihak. Untuk itu dalam kesempatan ini, penulis mengucapkan terima kasih
kepada Ibu Dr. Liza Efriyanti. S.Si., M.Kom selaku Dosen pengampu mata kuliah
Model dan Simulasi yang telah membimbing kami dalam menulis makalah ini.
Penulis tentu menyadari bahwa makalah ini masih jauh dari kata sempurna dan
masih banyak terdapat kesalahan serta kekurangan di dalamnya. Untuk itu,penulis
mengharapkan kritik serta saran dari pembaca untuk makalah ini, supaya makalah ini
nantinya dapat menjadi makalah yang lebih baik lagi. Demikian, semoga makalah ini
dapat bermanfaat. Terima kasih.
Wassalamu’alaikum Warrohmatullahi Wabarrokatuh
Penulis
i
DAFTAR ISI
ii
BAB I
PENDAHULUAN
A. Latar Belakang
Random variate yaitu nilai suatu random variabel yang mempunyai distribusi
tertentu untuk mengambil random variate dari beberapa distribusi yang berbeda-beda
fungsinya sehingga harus terlebih dahulu melalui distribusi CDF dari suatu random
variabel. Random variate yaitu nilai suatu random variabel yang mempunyai distribusi
tertentu untuk mengambil random variate dari beberapa distribusi yang berbeda-beda
fungsinya sehingga harus terlebih dahulu melalui distribusi CDF dari suatu random
variabel.
Varietas Acak (Random Variates) adalah suatu fungsi yang harganya
merupakan bilangan riil dan ditentukan oleh setiap elemen dari suatu ruang sampel.
Apabila ruang sampel berisi sejumlah elemen yang terbatas, maka ruang sampel
tersebut disebut sebagai ruang sampel diskrit, dan variabel randomnya disebut variabel
random diskrit. Sebaliknya apabila jumlah elemen pada ruang sampel itu tidak terbatas,
maka ruang sampel tersebut disebut ruang sampel kontinu, dan variabelnya disebut
variabel random kontinu. Dalam hal ini, variabel random diskrit akan
mempresentasikan data yang dapat dihitung, sedangkan variabel random kontinu
mempresentasikan data yang dapat diukur.
B. Rumusan Masalah
Berdasarkan latar belakang diatas, maka rumusan masalah dari penulisan ini
adalah:
1. Bagaimana yang dikatakan Pembangkit Random Variate Diskrit?
2. Bagaimana yang dimaksud Pembangkit Random Variate Kontinu?
3. Bagaimana yang dimaksud Random Variate Distribusi Densitas?
4. Bagaimana Penggunaan Simulasi pada Permainan?
5. Mengapa dapat didefinisikan sebagai Diskret Random Number?
C. Tujuan
Adapun tujuan dari penulisan ini diantaranya adalah:
1. Untuk mengetahui dan memahami Pembangkit Random Variate Diskrit
2. Untuk mengetahui dan memahami Pembangkit Random Variate Kontinu
3. Untuk mengetahui dan memahami Random Variate Distribusi Densitas
4. Untuk mengetahui dan memahami Penggunaan Simulasi pada Permainan
5. Untuk mengetahui dan memahami Diskret Random Number.
1
BAB II
PEMBAHASAN
Contohnya
Diketahui suatu random variate dinyatakan dengan f(x) sebagai berikut:
X=demand 0 10 20 30 40
F(x)=P(X=x) 1/18 1/4 ½ 1/16 1/16
2
3
7/8
4/ 8
3/8
1/8
0
10 20 30 40 ( CDF)
Apabila random number yang ditarik dari komputer bernilai R1 = 8/16, maka
titik potong dari fungsi diskrit yang non-kontinue tersebut dapa diperoleh hasil paada
sumber absis X = 20, yang berarti random variate dari f(x) melalui kumulatifnya, f(x)
diperoleh X = 20.
Hal ini juga menghasilkan R2 = 0,3750 sehingga titik potong dari fungsi diskrit
yang non-kontinue tersebut dapat diperoleh hasilnya, yaitu pada sumbu absis dengan
X = 10. Hal ini dapat dilakukan dengan terus-menerus menggunakan setiap random
number yang diambil dari komputer. Proses ini sebenarnya dapat dibuat dalam bentuk
tabel distribusi diskrit yang menyatakan kebutuhan, fungsi dentitas dari fungsi
kumulatifnya, yang selanjutnya dapat dibuat tabel kumulatif dengan sekaligus angka
penunjuk atau Tag Number.1
X=demand 0 10 20 30 40
F(x)=P(X=x) 1/8 1/4 1/2 1/16 1/16
F(x) 1/8 3/8 1/2 15/16 16/16
ini menunjukkan apabila random number yang diamati dari komputer kemudian
disusun dalam suatu tabel simulasi dari tabel diskrit distribusi maka akan diperoleh :
1
Alvi Syahrini Utami, Simulasi Antrian SatuChannel Dengan Tipe Kedatangan Berkelompok, Jurusan
Teknik Informatika Fakultas Ilmu Komputer Universitas Sriwijaya, Jurnal Ilmiah Generic Volume 4 Nomor
1, Januari 2009, hal. 35-37.
3
4
Buat menentukan hubungan random variate number (RN) = Ri dengan CDF dalam
variate adalah :
a datanya disket gunakan metode transformasi invers
a nilai mata dadu
x=1 ; x=2 ; x=3; x=4 ; x=5 ; x=6
Mencari nya dengan rumus
𝑥 = 𝑥1 = 0 ≤ 𝑃1
𝑥 = 𝑥2 = 𝑃1 < 𝑢 ≤ 𝑃1 + 𝑃2
𝑃 (𝑥 = 𝑥𝑖 ) = 𝑥 = 𝑥2 = 𝑃1 < 𝑢 ≤ 𝑃1 + 𝑃2 + 𝑃3
……………
{𝑥 = 𝑥2 = 𝑃1 < 𝑢 ≤ 𝑃1 + 𝑃2 + 𝑃3 + 𝑃𝑛
Maka :
F(x)
X=1 ; 0 ≤ Ri ≤ 1/6 0 ≤ Ri ≤ 0,167
X=2 ; 1/6 ≤ Ri ≤ 2/6 0,167 ≤ Ri ≤ 0,333
4
5
5
6
F(x) =
0 yang lainnya
Fungsi distribusi atau matematis ini terlebih dahulu harus dijadikan fungsi kumulatif
dengan mengintegralkan fungsi matematis tersebut.
Berarti f(x) = ∫ 2 dy 2y = 2x
= 2 Y2 / 2|
= X2
Bila digambarkan
:F(x)
1.0
0,4965
0,0937
F(Xa) = Ra dan
Dengan kata lain apabila R berada diantara Ra dan Rb dengan simbol Ra < R < Rb atau
dapat dinyatakan :
F(Xb) – F(Xa) = Rb – Ra
Dengan demikian bila ingin membangkitkan random variate untuk nilai X maka akan
ditransformasikan menjadi sebagai berikut :
6
7
R = X2
X = akar R
Didalam hal ini R tidak diketahui dan harus diambil dari random number, diproses
melalui pseudo RNG di dalam komputer bilamana penarikan random number tersebut
sudah dapat diselesaikan dengan baik.
Contoh :
X = akar R GRN; a = 19
Z0 = 12357
C = 237
m = 128
Misal :
F (x) = 3x + 1
Tentukanlah
a. CDF
Jawab :
F(x = ʃ f(x) dx
) = ʃ 3x + 1 dx → gunakan rumus ʃ xndx = 1/n+1 xn+1
F(x) = ʃ 3x dx + ʃ1 dx
F(x) = 3 ʃ 3x dx + ʃ1 dx → ʃkdx = kx
F(x) = 3/1 +1 X1+1 +1x
= 3/2 x2 + x
Rumus ABC :
X1.2 = - b ± √b2 – 4 a c
2-a
= - 1 ± √(1)2 – 4 . 3/2 . -R
2 . 3/2
= - 1 ± √1 + 6 R
3
X1 = - 1 + √1 + 6 R
3
X2 = - 1 − √1 + 6 R
3
f(x) = 3/2 x2 + x
X1 = - 1 + √1 + 6 R
3
X2 = - 1 − √1 + 6 R
3
Misal diket R1 s/d R5
Maka tentukan nilai X1 dan X2 dengan memasukkan nilai R 1 s/d R5
Rumus diatas (ambil R1 s/d R5 pada jawaban soal untuk diskret)
X1,1 - 1 + √1 + 6 (R1)
3
= - 1 + √1 + 6 (0,09375)
3
= - 1 + √1 + 0,5625 = - 1 + √1 .5625
3 3
menggunakan teknik numerik untuk menghasilkan nilai acak yang mengikuti distribusi
probabilitas tertentu.2
BerartiBerarti disstribusi
distribusi kumulatif
kumulatif diperoleh
diperoleh dengan
dengan : :
Berarti disstribusi kumulatif
f(x) = ʃ0 a(1-y)dy = a
x diperoleh
x
ʃ0 (1-y)dy :
dengan
f(x)
= a = {y ∫ -a(1 − y)
y2/2} x dy = a ∫ (1 − y) dy
0
f(x) = ∫ a(1 − y)
= a = {x - x2/2}2 x0 dy = a ∫ (1 − y) dy 0
ax – x /2
=
ax – x2/2 0
Di sini harus dicari nilai untuk fungsi densitas ini , yaitu f(x) = 1 untuk 0 < x < 1.
Di sini harus
Ini dinyatakan dicari: nilai untuk fungsi densitas ini , yaitu f(x) = 1 untuk 0 < x < 1.
dengan
Ini dinyatakan dengan :
= a x- x2/2 =1 untuk x = 1
= a x- x2/2 =1 untuk x = 1
= a 1- 12/2 =1 untuk ½ a = 1
= a 1- 12/2 =1 untuk ½ a = 1
a=2
a=2
Apabila a = 2 maka diperoleh random variabelnya :
Apabila a = 2 maka diperoleh random variabelnya :
F(x) = R = x- x2/2
F(x) = R = x- x2/2
R = 2x – x2
R = 2x – x2
Atau 0 = 2x – x2 – R
Atau 0 = 2x – x2 – R
Diketahui suatu fungsi densitas dengan rumus :
Contoh :
a(1-x) untuk 0 < x < 1
F(x) =
0
untuk lainnya
a. CDF
b. Hubungan CDF dengan RN
Berarti disstribusi kumulatif diperoleh dengan :
2
Alena Jailani, 2004 a(1 −Antrian
= ∫ Teori
f(x) Dasar y) dy =Untuk
a ∫ (1Kehidupan
− y) dy Nyata, Andi Offset Yogyakarta :
permata dunia, hal. 40.
=
ax – x2/2 10 0
Di sini harus dicari nilai untuk fungsi densitas ini , yaitu f(x) = 1 untuk 0 < x < 1.
Ini dinyatakan dengan :
11
Jawab :
a. CDF Metode Integral
ʃ a(1-x) dx = ʃ a – ax dx
= ʃ adx - ʃ ax dx
= a ʃ 1dx – a ʃ x dx
= ax – a. 1 x2
2
= a (x – 1 x)
2
CDF = F(x) = a( x- 1 x2) =1
2
Tentukan nilai a dengan X=1
→ a (x – 1 x2 ) = a (1 – 1 (1)2 ) = 1
2 2
= a (1 – 1 ) =1
2
= a . 1 =1
2
→ CDF = 2 (x – 1 x2)
2
b. F(x) = 2 (x- 1 x2)
2
R = 2 (x – 1 x2)
2
→ R = 2X – X2 →X=?
→ -X2 + 2X – R =0 ( pers. Kuadrat)
Faktorkan !
→ Rumus ABC
−b ± √b2 – 4ac
X1,2 =
2𝑎
−2 ± √22 – 4.1.−R
X1,2 =
2.−1
11
12
−2 ± √4−4R
X1,2 =
−2
−1 ± √1−R
X1,2 =
−1
−1+ √1−R
→ X1 = = 1 - √1 − 𝑅
−1
−1− √1−R
→ X2 = = 1 + √1 + 𝑅
−1
Berarti tinggal kita substitusikan R yang kita peroleh kedalam rumus tadi.
Misal X1
(1) = 1+ √1-0,9375 = 1,250
(2) = 1+ √1-0,63281 = 1,6059
(3) = 1+ √1-0,8750 = 1,3539
(4) = 1+ √1-0,47656 = 1,7242
(5) = 1+ √1-0,90625 = 1,3061
Sebagai contoh ada 2 orang, A dan B, akan bertanding lempar mata uang.
Apabila mata uang yang muncul lebih banyak H (head) maka pertandingan
dimenangkan oleh A, sedangkan yang muncul T (tail) maka yang menang B,
Taruhannya semisal memiliki dua muka,, yang berarti kesempatan menang dari A
dan B adalah 50:50, Dari situ dapat dinyatakan bahwa P(H) = 0,5 atau P(T) = 0,5.
Dengan menggunakan random number generator dari distribusi uniform ( yang
umum) untuk(0,1) interval, maka dapat ditentukan aturan permainan yang lebih
konkrit, yaitu:
a) Apabila: 0 < Ri < 0,5, maka hasilnya adalah H.
b) Apabila: 0,5 < Ri <1,0, maka hasilnya adalah T.
Hal ini juga menunjukkan pembagian yang sama. Dalam kesempatan ini
dilakukan pengembalian 10 kali random number (dapat banyak kali sesuai
kesepakatan). Untuk membangkitkan random number ini digunakan pseudo RNG
multiclative untuk :3
3
Kakiay J.T, 2004 Dasar Teori Antrian Untuk Kehidupan Nyata, Andi Offset Yogyakarta, 2004 Levin,
Richard I, dkk. 2002. Quantitative Approaches to Management (Seventh Edition). McGraw – Hill, Inc. New
Jersey, hal. 45-47.
12
13
Z0 = 12357
a =7
c =0
m = 17
dengan menggunakan multiplicative RNG, maka diperoleh Z1 s.d Z10 :
1 Z1 = 7 x 12357 mod 17
a. = 86499 – 86496
b. = 3 R1 = 3/17 = 0,1765
Berarti muncul H
2 Z2 = 7 x 3 mod 17
a. = 21 - 17
b. = 4 R2 = 4/17 = 0,2353
Berarti muncul H
3 Z3 = 7 x 4 mod 17
a. = 28 - 17
b. = 11 R1 = 11/17 = 0,5294
Berarti muncul T
4 Z4 = 7 x 11 mod 17
a. = 77 - 66
b. = 9 R1 = 9/17 = 0,5294
Berarti muncul T
5 Z5 = 7 x 12 mod 17
a. = 63 – 51
b. = 12 R5 = 12/17 = 0,7059
Berarti muncul T
6 Z6 = 7 x 7 mod 17
a. = 84 - 68
b. = 16 R6 = 16/17 = 0,9411
Berarti muncul T
7 Z7 = 7 x 16 mod 17
a. = 112 - 102
b. = 10 R7 = 10/17 = 0,5882
Berarti muncul T
8 Z8 = 7 x 10 mod 17
a. = 70 - 68
b. = 2 R8 = 2/17 = 0,1176
Berarti muncul H
9 Z9 = 7 x 2 mod 17
a. = 14 - 17
b. = 3 R9 = 3/17 = 0,1765
Berarti muncul H
10 Z10 = 7 x 3 mod 17
a. = 21 - 17
b. = 4 R10 = 4/17 = 0,2350
Berarti muncul H
13
14
Diket:
Apabila dadu yang digunakan benar, maka disana terdapat 6 muka dadu,yaitu
1,2,3,4,5, dan,6.
Dit:
a. Tentukan pembagian distribusi dari output pelemparan dadu tersebut
sehingga dapat digunakan untuk menentukan mata dadu melalui random
number.
b. Apabila dilakukan 10 percobaan pelemparan mata dadu atau penarikan
random number, bagaimana hasilnya.
Jawab :
Sekarang baru dicari random number (0,1) yang mana diumpamakan menggunakan
random yang di tarik pada pelemparan koin , yaitu :
R1 = 0,1765 diperoleh x = 2
R2 = 0,2353 diperoleh x = 2
R3 = 0,6470 diperoleh x = 4
R4 = 0,5294 diperoleh x = 4
R5 = 0,7059 diperoleh x = 5
14
15
R6 = 0,9411 diperoleh x = 6
R7 = 0,5882 diperoleh x = 4
R8 = 0,1176 diperoleh x = 1
R9 = 0,1765 diperoleh x = 2
R10 = 0,2353 diperoleh x = 2
Dengan demikian diperoleh hasil perincian pelemparan dadu beserta dengan
outputnya, ternyata angka 2 yang banyak keluar.4
Int = integer
U = Random Number
n = Bilangan : 1,2,3,...,
Pembangkit variabe lacak diskret ini sangat penting dalam simulasi yang
4
Harip Santoso, VB.Net Untuk .Net Programmer, Jakarta : Elexmedia, Oktober 2004, hal. 14-15
15
16
digunakan untuk berbagai persoalan distribusi diskret yang belum kita ketahui.
Berikut ini di beri ilustrasi :
a. Contoh 1 :
Dalam menghitung rata-rata kita ingin memperkirakan :
c = C(i)/n
yang mana n = cukup besar dan C (I) untuk : I = 1,2,3,...,n. Untuk mengatasi
kesulitan dalam menguraikan hal ini anda dapat menggunakan jika x adalah
variabel acak yang seragam atas bilangan 1,2,...,n sehingga akan diperoleh
vaariabel acak C(x) yang akan menghasilkan rata-rata sebagai berikut :
= C(i)/n = c
C = C(Xi)/k
Untuk Xi = int(n.Ui)+1
k = 1,2,3,. ..,n.
b. Contoh 2 :
Suatu bentuk simulasi dari pengambilan random number komputer
sebanyak k kali dan dengan mendapatkan perkiraan :
e1/n
Pertanyaan :
1. Perhitungan proximasinya
2. Perhitungan juga rata –rata dengan RN sebanyak 5 kali.
16
17
Jawaban :
Langkah-langkah solusi :
Y2 = e7/10 Y4 = e9/10
Hasilnya :
Y1 = (2,7182)6/10 = 0,2492Y2
= (2,7182)7/10 = 0,0137Y3 =
(2,7182)6/10 = 1,6487
Y4 = (2,7182)9/10 = 2,4595
Y5 = (2,7182)8/10 = 2,2255
d. Berarti jumlah Y = = ∑ Yi
=∑ Yi = 8,5986, yang dibulatkan menjadi 9.
17
18
Perhitungkan rata-ratanya :
() ()
Y= = = =
18
19
BAB III
PENUTUP
A. Kesimpulan
Random variate terbagi atas dua yaitu: random variate diskret dan random
variate kontinu. Setiap menbangkitkan random variate ini dibutuhkan fungsi
kepekatan peluang atau density function yang berbeda dan lebih dikenal dengan
istilah Cummulative Density Function (CDF). Pada random variate diskret untuk
membentuk CDF digunakan metode transformasi invers, namun untuk random
variate kontinu digunakan metode integral.
B. Saran
Demikianlah makalah ini kami susun. Kami menyadari bahwa makalah ini
masih banyak kekurangan, baik dari segi penulisan maupun pembahasan. Oleh
karena itu, kami selaku penulis memohon maaf sekaligus memohon kritik san
sarannya untuk perbaikan makalah selanjutnya.
19
20
DAFTAR PUSTAKA
Alvi Syahrini Utami, Simulasi Antrian SatuChannel Dengan Tipe Kedatangan Berkelompok,
Jurusan Teknik Informatika Fakultas Ilmu Komputer Universitas Sriwijaya, Jurnal
Ilmiah Generic Volume 4 Nomor 1, Januari 2009, hal. 35-37.
Harip Santoso, VB.Net Untuk .Net Programmer, Jakarta : Elexmedia, Oktober 2004, hal. 14-
15
Kakiay J.T, 2004 Dasar Teori Antrian Untuk Kehidupan Nyata, Andi Offset Yogyakarta,
2004 Levin, Richard I, dkk. 2002. Quantitative Approaches to Management (Seventh
Edition). McGraw – Hill, Inc. New Jersey, hal. 45-47.
Alena Jailani, 2004 Dasar Teori Antrian Untuk Kehidupan Nyata, Andi Offset Yogyakarta :
permata dunia, hal. 40.
20