Simulasi Monte Carlo

Pertemuan 5
MOSI T.Informatika
Ganjil 2008/2009
MOSI - fika
Pembahasan

Pendahuluan
Batasan Dasar Monte Carlo
Ilustrasi Penggunaan Simulasi
Latihan problema

MOSI - fika
Pendahuluan
Simulasi Monte Carlo dikenal dengan intilah
sampling simulation atau Monte Carlo Samling
Technique
Istilah Monte Carlo pertama digunakan selama
masa pengembangan bom atom yang merupakan
nama kode dari simulasi nuclear fission
Simulasi ini sering digunakan untuk evaluasi
dampak perubahan input dan resiko dalam
pembuatan keputusan
Simulasi ini menggunakan data sampling yang
telah ada (historical data) dan telah diketahui
distribusi datanya

MOSI - fika
3 Batasan Dasar
Simulasi Monte Carlo
1. Apabila suatu persoalan sudah dapat diselesaikan
atau dihitung jawabannya secara matematis
dengan tuntas, maka hendaknya jangan
menggunakan simulasi ini
2. Apabila sebagaian persoalan tersebut dapat
diselesaikan secara analitis dengan baik, maka
penyelesaiannya lebih baik dilakukan secara
terpisah. Sebagian secara analitis dan sebagian
lagi simulasi
3. Apabila mungkin dapat digunakan simulasi
perbandingan

MOSI - fika
Ilustrasi Penggunaan Simulasi
Sebuah toko sepatu
memperkirakan permintaan
sepatu per harinya menurut
pola distribusi sebagai
berikut :
No permintaan/hari frekuensi permintaan
1 4 pasang 5
2 5 pasang 10
3 6 pasang 15
4 7 pasang 30
5 8 pasang 25
6 9 pasang 15
Jumlah 100

MOSI - fika
 Dari data masa lalu sudah dapat diperkirakan
dengan baik. Kemudian pengusaha toko ini hendak
memperkirakan pola permintaan untuk 10 hari
bulan berikutnya. Berapa kira-kira permintaan yang
muncul?

MOSI - fika
Prosedur/langkah penyelesaian
1. Terlebih dahulu dibuat Imperical Data distribusinya,
yaitu : fungsi distribusi densitas, seperti pada tabel
sebelumnya
2. Distribusi permintaan in diubah dalam bentuk fungsi
distribusi komulatif (DFK)

No permintaan/hari Distribusi densitas DFK

1 4 pasang 0.05 0.05
2 5 pasang 0.1 0.15
3 6 pasang 0.15 0.3
4 7 pasang 0.3 0.6
5 8 pasang 0.25 0.85
6 9 pasang 0.15 1
Jumlah 1

MOSI - fika
Langkah selanjutnya
3. Setiap permintaan tersebut, diberi angka penunjuk
batasan (Tag/Label number), disusun berdasarkan DFK
distribusi permintaan

Distribusi
No permintaan/hari densitas DFK Tag number

1 4 pasang 0.05 0.05 0.00 - 0.05

2 5 pasang 0.1 0.15 0.06 - 0.15

3 6 pasang 0.15 0.3 0.15 - 0.30

4 7 pasang 0.3 0.6 0.31 - 0.60

5 8 pasang 0.25 0.85 0.60 - 0.85

6 9 pasang 0.15 1 0.86 - 1.00

MOSI - fika
Langkah selanjutnya
4. Lakukan penarikan random number, dengan salah
satu bentuk RNG, misal diperoleh 10 random
number sbb :
1. 0.5751 6. 0.2888
2. 0.1270 7. 0.9518
3. 0.7039 8. 0.7348
4. 0.3853 9. 0.1347
5. 0.9166 10. 0.9014
Dari random number ini diambil 2 angka dibelakang
koma dan dicocokkan dengan tag number. Hasilnya
adalah kesimpulan permintaan yang dibutuhkan

MOSI - fika
Lankah selanjutnya
No Hari Permintaan Jumlah Pasangan Penjelasan
1 I 7 pasang
2 II 5 pasang Terdapat :
3 III 8 pasang 7 pasang (2)
4 IV 5 pasang (2)
5 V 8 pasang (2)
6 VI 6 pasang (2)
7 VII 9 pasang (2)
8 VIII
9 IX
10 X

MOSI - fika
Studi Kasus
Dalam suatu pabrik assembling, barang
C merupakan perpaduan barang A dan B
yang dibeli dari supplier. Dalam proses
produksinya, panjang barang A dan B
tidaklah sama panjang. Dinyatakan
dalam suatu tabel distribusi probabilitas
(panjang dalam cm)
Dari data akan dicari dan ditentukan
estimasi dari mean (rata-rata panjang)
dan varians

MOSI - fika
Tabel Distribusinya :
Panjang A Panjang B

Panjang Probabilitas Panjang Probabilitas

10 0.25 17 0.07

11 0.25 18 0.14

12 0.25 19 0.23

13 0.25 20 0.38

21 0.12

22 0.06

MOSI - fika
Penyelesaian menggunakan monte
carlo
Cari DFK masing2 dan tag number masing-masing
Cari random number menggunakan RNG multiplier
Untuk barang A: m=19, a=7, x awal=1
Untuk barang B: m=17, a=7, x awal=3
Sesuaikan dengan tag number, cari kemungkinan
munculnya panjang A dan B
Cari total panjang barang C untuk masing2
kemungkinan
Cari nilai2 yang dibutuhkan u/ mencari mean dan
varians

MOSI - fika
Tugas
..

MOSI - fika