MAKALAH

PEMBANGKIT RANDOM VARIATE

“Diajukan untuk memenuhi tugas terstruktur dalam mata kuliah Model dan Simulasi”

Di Susun Oleh
Kelompok 4:

Melani Silvia 2521005

Misriyati 2521013

Innesha Putri 2521031

Marselino Syahputra 2521036

Dosen Pengampu:
Dr. Liza Efriyanti. S.Si., M.Kom

PENDIDIKAN TEKNIK INFORMATIKA DAN KOMPUTER

FAKULTAS TARBIYAH DAN ILMU KEGURUAN
UIN SJECH M. DJAMIL DJAMBEK
BUKITTINGGI
T.A 2023 M / 1444 H
 KATA PENGANTAR

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

Bukittinggi, 31 Maret 2023

Penulis

i
 DAFTAR ISI

KATA PENGANTAR ......................................................................................................................i

DAFTAR ISI ................................................................................................................................... ii
BAB I PENDAHULUAN ................................................................................................................1
A. Latar Belakang .......................................................................................................................1
B. Rumusan Masalah ..................................................................................................................1
C. Tujuan ....................................................................................................................................1
BAB II PEMBAHASAN..................................................................................................................2
A. Pembangkit Random Variate Disktret ....................................................................................2
B. Pembangkit Random Variate Kontinu....................................................................................5
C. Random Variate Distribusi Densitas ......................................................................................9
D. Simulasi pada Permainan ............................................................................................... 12
E. Diskret Random Number ................................................................................................... 15
BAB III PENUTUP ....................................................................................................................... 19
A. Kesimpulan .......................................................................................................................... 19
B. Saran .................................................................................................................................... 19
DAFTAR PUSTAKA .................................................................................................................... 20

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

A. Pembangkit Random Variate Disktret

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.
Pengambilan random variate melalui CDF dikenal dengan istilah Inverse
Transformation Method (Metode Invers Transformasi)
Untuk distribusi diskrit, prosedurnya adalah :
1. Plot f(x). Cari CDF dari Random Variate X
2. Pilihlah/generate, RN : Ri dari rumus Pseudo Random Number Generator
dari komputer untuk 0 < Ri < 1
3. Tempatkan Random Number yang diperoleh pada f(x) axis dan memotong
fungsi diskrit melalui garis horizontal
4. Garis horizontal dari axis F(x) dapat memotong fungsi f(x) atau pada tempat
yang tidak bersambung pada f(x)
5. Menurunkan garis dari titik potong pada fungsi f(x) yang diskontinu pada
sumbu x sehingga diperoleh nilai dari x adalah random variate dari F(x)

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

Jika P1 < 1/18 ; x = 0

1/18 < P2 < 3/8 ; x = 10
3/8 < P3 < ½ ; x = 20
½ < P4 < 15/16 ; x = 30
15/16 < P5 < 1 ; x = 40

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 :

No. Urut Demand F(x) Tag Number Hasil RN di

RN X Komputer
0.09375 0 0.1250 0.000 – 0.1250 0

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

0.6328125 10 0.3750 0.126 – 0.3750 10

0.8750 20 0.8750 0.376 – 0.8570 20
0.6903 30 0.9375 0.876 – 0.9375 30
0.9520 40 0.9999 0.938 – 0.9999 40
Hasil dari kelima random number yang ditarik, angka yang terbaik adalah 20.

Contoh kasus : Pelemparan Dadu

Apabila dadu yang digunakan benar,maka disana terdapat 6 muka dadu,yaitu
1,2,3,4,5,dn 6.Misalkan dilemparkan 1 kali dadu,maka CDF untuk dadu adalah :
Jawab :
Mata Dadu : 1,2,3,4,5,6
Maka nilai X = 1,2,3,4,5,6
X 1 2 3 4 5 6
P(x) 1/6 1/6 1/6 1/6 1/6 1/6

Peluang tiap mata dadu adalah : 1/6

Membuat Tabel CDF
X 1 2 3 4 5 6
P(x) 1/6 1/6 1/6 1/6 1/6 1/6
CDF = F(x) 1/6 2/6 3/6 4/6 5/6 6/6

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

X=3 ; 2/6 ≤ Ri ≤ 3/6 0,333 ≤ Ri ≤ 0,5

X=4 ; 3/6 ≤ Ri ≤ 4/6 0,5 ≤ Ri ≤ 0,667
X=5 ; 4/6 ≤ Ri ≤ 5/6 0,667 ≤ Ri ≤ 0,8333
X=6 ; 5/6 ≤ Ri ≤ 6/6 0,8333 ≤ Ri ≤ 1
Harus diketahui nilai – nilai Ri (dari hasil menghitung Ri dengan metode :
Additive RNG,Multiplication RNG atau mixed pseudo RNG)
Misal Ri berada di interval :
R1 = 0,09375 x=1
R2 = 0,06328 x=4
R3 = 0,8750 x=5
R4 = 0,6903 x=5
R5 = 0,9520 x=6
X=5 yang paling sering muncul
Diperoleh hasil perincian pelemparan dadu beserta dengan outputnya,
ternyata angka 5 yang banyak keluar.

B. Pembangkit Random Variate Kontinu

Random variate dari suatu distribusi densitas merujuk pada nilai acak yang
dihasilkan dari distribusi tersebut. Distribusi densitas menggambarkan bagaimana
probabilitas terdistribusi pada suatu rentang nilai tertentu. Random variate dari
distribusi densitas diperoleh dengan cara membangkitkan bilangan acak yang
mengikuti distribusi tersebut.
Misalnya, jika kita ingin membangkitkan nilai acak dari distribusi normal
dengan rata-rata 0 dan simpangan baku 1, kita dapat menggunakan generator
bilangan acak untuk menghasilkan bilangan acak yang mengikuti distribusi normal
tersebut.
Dengan demikian, random variate dari suatu distribusi densitas adalah nilai
acak yang dihasilkan dari distribusi tersebut, dan dapat digunakan untuk
mengestimasi probabilitas dan statistik lainnya yang berkaitan dengan distribusi
tersebut.
Bangkitkan random variate distribusi kontinu yang dapat dicontohkan
melalui fungsi matematis berikut :

2X untuk 0 < x < 1

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

Sifat dari fungsi kumulatif ini adalah :

a. Kontinu ( terus – menerus)

b. Tidak menurun

Bila digambarkan

:F(x)

1.0

0,4965

0,0937

0.3062 0.6903 1.0

x (a) x (b)

Gambar 4.2 Fungsi distribusi

Berarti apabila Xa = 0,3 dan Xb = 0,7 maka,

F(Xa) = Ra dan

F(Xb) = Rb untuk 0 < Ra < 1

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

F(x) = X2 ump. F(x) = R

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

Ra = 0,0937 x(a) = 0,3062

Rb = o,4765 x(b) = 0,6903

Untuk Random Number :

Z1 = ( 19*12357 ) mod 128

= 235020 – 235008 = R R1 = 12/128 = 0,09375

Z2 = ( 19*12 + 237 ) mod 128

= 465 – 384 = 81 R2 = 81/128 = 0,6328125

Z3 = (19*81+237) mod 128

= 1776 – 1664 = 112 R3 = 112/128 = 0,8750

Z4 = (19*112+237) mod 128

= 2365 – 2304 = 61 R4 = 61/128 = 0,4765625

Z5 = (19*61+237) mod 128

= 1396 – 1280 = 116 R5 = 116/128 = 0,90625

Dengan kelima perhitungan random number ini dapat di perhitungkan untuk

:X1 = akar R1 = akar 0,9375 = 0,3062

X2 = akar R2 = akar 0,6328125 = 0,7955

X3 = akar R3 = akar 0,8750 = 0,9354

7
 8

X4 = akar R4 = akar 0,4765625 = 0,6903

X5 = akar R5 = akar 0,90625 = 0,9520

Contoh soal dalam Kontinu :

Biasanya data kontinu adalah berupa fungsi f(x)

Misal :
F (x) = 3x + 1

Tentukanlah

a. CDF

b. Hub. CDF dengan Random Number (RN)

Jawab :

Data kontinu → penyelesaian CDF dengan metode

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

F(x) = R → rumus / aturan

F(x) = 3/2 x2 + x (rubah dalam penamaan kuadrat :
Maka :
3/2 x2 + 1x – R=0 → factor dengan rumus ABC
↓ ↓ ↓
a = 3/2 b = 1 c = -R

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

b) Hub. CDF dengan RN adalah :

8
 9

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

= (-1 + 1,25) /3 = 0,08333

C. Random Variate Distribusi Densitas

Perbedaan Random Variate Distribusi Densitas dengan Pembangkit Random Variate

Kontinu
Random Variate Distribusi Densitas adalah nilai acak yang dihasilkan dari
distribusi probabilitas yang ditentukan oleh fungsi densitas probabilitas. Dalam hal ini,
distribusi probabilitas dapat dinyatakan secara analitik melalui fungsi densitas
probabilitas, dan nilai-nilai acak yang dihasilkan harus mengikuti distribusi tersebut.
Sementara itu, Pembangkit Random Variate Kontinu adalah suatu teknik untuk
menghasilkan nilai acak yang mengikuti distribusi probabilitas tertentu tanpa harus
mengetahui fungsi densitas probabilitas secara analitik. Teknik ini menghasilkan nilai
acak dari suatu distribusi probabilitas secara numerik menggunakan algoritma yang
telah dirancang untuk distribusi probabilitas tersebut.
Dalam hal ini, Pembangkit Random Variate Kontinu dapat digunakan untuk
menghasilkan nilai acak dari distribusi probabilitas yang tidak dapat dijabarkan dalam
bentuk analitik, seperti distribusi Cauchy atau distribusi Weibull. Teknik ini
memungkinkan kita untuk memperoleh nilai acak yang mengikuti distribusi tersebut
tanpa harus melakukan integrasi numerik pada fungsi densitas probabilitas.
Dengan demikian, perbedaan utama antara Random Variate Distribusi Densitas
dan Pembangkit Random Variate Kontinu adalah pada cara nilai acak dihasilkan.
Random Variate Distribusi Densitas dihasilkan dari fungsi densitas probabilitas yang
telah didefinisikan secara analitik, sedangkan Pembangkit Random Variate Kontinu
9
 10

menggunakan teknik numerik untuk menghasilkan nilai acak yang mengikuti distribusi
probabilitas tertentu.2

Diketahui suatu fungsi densitas dengan rumus :

Diketahui suatu fungsi densitas dengan rumus :
a(1-x) untuk 0 < x < 1
a(1-x) untuk 0 < x < 1
F(x) =
F(x) =
0
untuk lainnya
0
untuk lainnya

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

D. Simulasi pada Permainan

1. Pelemparan Mata Uang

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

Hasil akhir yang mengumpulkan H = 5 kali

Hasil akhir yang mengumpulkan T = 5 kali
Biar A maupun B tidak ada yang menang.
Disini terlihat kesempatan permulaan H dan T, juga 50:50.

13
 14

2. Pelemparan Mata Dadu

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

E. Diskret Random Number

Terkadang terdapat kasus dimana kita tidak perlu mencari interval yang
tepat dari bilangan acak diantara dua bilangan problabilitas uniform diskret.
Dengan kata lain bila kita ingin membangkitkan nilai x yang sama maka hal itu
mungkin dapat dilakukan dengan menggunakan salah satu dari nilai 1,2,3,....n,
yaitu dengan probabilitas :

P( x = k) = 1/n, untuk = 1,2,3,...,n

Dengan model yang terdapat dalam bentuk tag number

simulation CDF (Cumulative Distribution Function) kita bisa mendapatkan
nilai-nilai dari x melalui rumus sebagai berikut:

Jika x = k k – 1/n < U < k/n

Dengan bentuk ini akan diperoleh x , akan tetapi dengan k, apabila k-1< n U < k
atau dengan kata lain dapat diperoleh :

Rumus pembangkit variabel acak

diskret :X = int (n. U ) + I

Untuk : x = Bilangan acak

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 :

E {C(x) = C(i). P(x = 1)

= C(i)/n = c

Kemudian apabila kita membangkitkan k diskret random uniform variabe

Xi, untuk I = 1,2,... k, random number, Ui dan menentukan Xi = int (n Ui) + 1,
maka detiapdari k random vaiabel C (Xi) akan diperoleh rata-rata = c. Dengan ini
dapat dinyatakan bahwa bila k cukup besar tetapi lebih kecil dari n maka
diperoleh rerata perkraannya sama dengan C , yang dinyatakan :

C = C(Xi)/k
Untuk Xi = int(n.Ui)+1

k = 1,2,3,. ..,n.

C = rata-rata dari C(I)

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 :

a. Buatkan RNG untuk k = 5. Itu berarti 5 kali ambil RN, yaitu :

R1 = 0,5481
R2 = 0,5683
R3 = 0,4373
R4 = 0,8050
R5 = 0,6572
b. Ini berarti untuk Xi, I = 1,2, ..... , 10
X1 = int (10*0,5481) + 1 = 5 + 1 = 6
X2 = int(10*0,5683) + 1 = 6 + 1 = 7
X3 = int(10*0,4373)+ 1 = 4 + 1 = 5
X4 = int(10*0,8050) +1 = 8 +1 = 9
X5 = int(10*0,6572) + 1 = 7+1=8
c. Setelah mendaapatkan Xi,maka baru dapat dihitung Y1,Y2,Y3,Y4,Y5
untuk memperoleh :
Y=∑ Yi, yang dihitung sebagai Yi = ex 1/10

Y1 = e6/10 Y3 = e5/10 Y5 = eR/10

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

= = 8,5968 = bulat (9)

d. Berarti jumlah Y = = ∑ Yi
=∑ Yi = 8,5986, yang dibulatkan menjadi 9.

• Bila menggunakan rumus maka akan langsung diperoleh :

Yc = = ∑ e 1/10

17
 18

Perhitungkan rata-ratanya :

Dari rumus 2 diperoleh :

() ()
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