UJI DISTRIBUSI

PROBABILITAS DAN
GANERATE RANDOM
Dana Marsetiya Utama
Input Probability Distributions
 Untuk melakukan simulasi diperlukan input
distribusi probabilitas dari sistem tersebut
diantaranya adalah waktu antar kedatangan, waktu
proses, Lot
 Waktu dalam simulasi di generate dari bilangan
acak yang dibangkitkan dari distribusi probabilitas
 Data distribusi probabilitas didapatkan dari data
pengamatan
Continuous Distributions
 1. Uniform, U(a,b)
 2. Exponential, expo(β)
 3. Gamma, gamma(α,β)
 4. Weibull, weibull(α,β)
 5. Normal, N(µ,σ2)
 6. Lognormal, LN(µ,σ2)
 7. Beta, beta(α1, α2)
 8. Pearson type V, VI
 9. Log-logistic, LL(α,β)
 10. Johnson SB, SU
 11.Triangular, triang(a,b,c)
 12. etc.
Discrete Distributions
 1. Bernoulli, bernoulli(p)
 2. Discrete uniform, DU(i,j)

 3. Binomial, bin(t,p)

 4. Geometric, geom(p)

 5. Negative binomial, negbin(s,p)

 6. Poisson, poisson(λ)

 7. etc.
Distribusi diskrit vs. kontinu
Random variate
 Sistem stokastik seringkali memiliki waktu atau
kuantitas nilai yang bervariasi dalam sebuah
jangkauan (range) dan berdasarkan densitas
tertentu, sebagaimana didefinisikan oleh distribusi
probabilitas
 Nilai yang dihasilkan dari sebuah distribusi disebut
random variate
Simulasi Perilaku Acak
(Simulating Random Behavior)
 Perilaku acak (random behavior) ditiru oleh
simulasi dengan menggunakan pembangkit
bilangan acak (random number generator)
 Bilangan-bilangan yang dihasilkan oleh
pembangkit bilangan acak tidak “acak” dalam arti
yang sebenarnya. Contohnya pembangkit bilangan
acak pseudo, yang terus menerus menghasilkan
urutan bilangan yang sama
Linear Congruential Generators (LCG)
 Metoda:
Sebuah urutan bilangan integer Z1, Z2, Z3, …
didefinisikan dengan formula rekursif sbb:
Zi= (a*Zi-1 + c) mod (m)
a : multiplier
c : increment
m: modulus
Multiplicative Random Number Generator

 Zi + 1 = (a * Zi) mod m
a,m : bilangan bulat positif
bilangan acak Ui = Zi / m
LCG: contoh
 a=21, c=3, m=16 untuk menghasilkan angka acak–
pseudo (pseudo-random numbers)
 Zi = (aZi-1 + c) mod(m)
 Zi = (21Zi-1 + 3) mod (16)
 Z0 = 13 (Pilih angka antara 0 dan15 (m-1)) seed
value, starting value
 Z1 = (21Z0 + 3) mod (16) = (21(13)+3) mod (16)
= 276 mod (16) = 4
 Ui = Zi/16 = 4/16 = 0.2500
LCG: contoh
i Zi Ui
Z i  aZ i 1  c  mod m 
0 13
1 4 0,25 a= 21
2 7 0,4375 c= 3
3 6 0,375 m= 16
4 1 0,0625
5 8 0,5
6 11 0,6875
7 10 0,625
8 5 0,3125
9 12 0,75
10 15 0,9375
11 14 0,875
12 9 0,5625
13 0 0
14 3 0,1875
15 2 0,125
16 13 0,8125
17 4 0,25
18 7 0,4375
19 6 0,375
20 1 0,0625
LCG: contoh
 Kita melakukan lima replikasi dari sebuah simulasi.
Untuk menjalankan model simulasi, satu replikasi
memerlukan 1000 kali penggunaan pembangkit
bilangan acak selama simulasi dilakukan.
 Kita memerlukan sebuah pembangkit bilangan acak
dengan panjang siklus (cycle length) sedikitnya
5000
LCG (lanjutan)
 Panduan untuk memilih a, c dan m untuk mewujudkan panjang siklus
maksimum (maximum cycle length) :
 m = 2b, dimana b ditentukan berdasarkan jumlah bit per kata dalam
komputeryang digunakan. Sebagian besar komputer menggunakan 32 bit
per kata, sehingga angka31 merupakan pilihan yang baik untuk b
 c dan m sedemikian sehingga faktor persekutuan terbesar (greatest
common factor) adalah1 (integer positif satu-satunya yang membagi m
dan c adalah1)
 a = 1 + 4k, dimana k adalah bilangan integer
 Panjang siklus maksimum yang dapat dicapai sebuah LCG adalah m
 LCG dapat mencapai panjang siklus penuh lebih dari 2.1 milyar (231)
bilangan acak
LCG (lanjutan)
Dua tipe LCG:
 Mixed congruential generators: c>0

 Multiplicative congruential generators c=0

 Lebih efisien dari mixed generator tidak memerlukan

penambahan c

 Promodel menggunakan multiplicative generator Zi =

(630,360,016 Zi-1) mod(231-1)
Menguji Pembangkit Bilangan
Acak
Bilangan yang dihasilkan dari pembangkit bilangan
acak harus:
 Independen/ uji keacakan degan cut point median
 Terdistribusi uniform antara nol dan satu
 Uniform (0,1)
Menguji Pembangkit Bilangan
Acak
Hasilkan suatu urutan bilangan acak U1, U2, U3, …
Hipotesis untuk menguji independensi:
 H0 : nilai Ui dari generator independen/Acak
 H1: nilai Ui dari generator tidak independen/acak

Hipotesis untuk menguji keseragaman (uniformity):

 H0 : nilai Ui seragam(0,1)
 H1 : nilai Ui tidak seragam (0,1)
cara membangkitkan pengamatan/observasi (random variates)
dari distribusi selain distribusi uniform (0,1)

 Langkah 1 : Transformasikan observasi yang

dihasilkan dari pembangkit bilangan acak ke
distribusi yang diinginkan
 Langkah 2 : Nilai yang ditransformasikan
merupaka variate dari distribusi yang dimaksud

 Tipe metoda untuk membangkitkan random

variatedari distribusi yang diinginkan Inverse
transformation method
Bagaimana cara membangkitkan
random variate
Distribusi Kontinu:
 Misalkan sebuah fungsi densitas probabilitas adalah f(x)

 Cari fungsi distribusi kumulatif dari X ►F(x) = P(X<=x)

 U=F(x), dimana U adalah uniform (0,1)

 Hitung untuk x►x = F-1(U) ► transformasikan U ke nilai

untuk x yang sesuai dengan distribusi yang ditentukan f(x)

 Tidak mungkin menyelesaikan persamaan sederhana untuk

membangkitkan variabel yang terdistribusi normal

 Inverse Transformation Method
Generating variates distriibusi exponential dengan
rata-rata .
 fungsi kepadatan f(x):

 1 x / 
 e , x0
f x    
0, elsewhere
 fungsi distri busi komulatif dari F(x):
1  e  x /  , x  0
F x   
0, elsewhere
 Inverse Transformation Method
 Setting U = F(x) dan hitung x :

U  1  e x / 
e x /   1  U
 
ln e  x /   ln 1  U 
 x   ln 1  U 
x    ln 1  U 
random variate x untuk distribusi exponentially dengan
rata-rata .
Exponential Exp(a),a>0
UniformU(a,b),a<b
Weibull Weib(a,b),a,b>0
GammaGam(a,b),a,b>0
ErlangERL(m,k),m>0,k natural
Normal I
Normal II
BetaBETA(p,q)
Contoh kasus
Pada Sistem ATM
 Simple Spreadsheet Simulation
 Simulasikan sistem kedatangan dan pemrosesan 25 pelanggan, dan
estimasikan/perkirakan:
 waktu tunggu yang diharapkan (expected waiting time) pelanggan di dalam
antrian (waktu rata-rata pelanggan menunggu di dalam antrian untuk
menggunakan ATM)
 Waktu yang diharapkan dalam sistem / expected time in the system (waktu
rata-rata pelanggan menunggu dalam antrian ditambah dengan waktu rata-
rata yang diperlukan untuk menyelesaikan transaksinya di ATM
 Queuing model : (M/M/1): (FIFO//)
 Interarrival time ~ exponential distribution with mean = 3.0 minutes
 Service time ~ exponential distribution with mean = 2.4 minutes.
 Simple Spreadsheet Simulation
Deskripsi gambaran sistem ATM
 Simple Speadsheet Simulation
The ATM system
 Interarrival times:
X1i = -3.0 ln (1 – U1i)
Z1i = (21 * Z1i-1 + 3)mod (128)
U1i = Z1i / 128)
Z10 = 3
 Service times:
X2i = -2.4 ln (1 – U2i)
Z2i = (21 * Z2i-1 + 3)mod (128)
U2i = Z2i / 128)
Z20 = Z125
 Arrival to ATM ATM Processing Time ATM Simulation Logic
i Stream 1 Random Interarrival Steam 2 Random Service Customer Arrival Begin Service Service Departure Time in Time in
Number Time Number Time Number Time Time Time Time Queue System

0 3 122
1 66 0,516 2,17 5 0,039 0,10 1 2,17 2,17 0,10 2,27 0,00 0,10
2 109 0,852 5,72 108 0,844 4,46 2 7,90 7,90 4,46 12,35 0,00 4,46
3 116 0,906 7,10 95 0,742 3,25 3 15,00 15,00 3,25 18,25 0,00 3,25
4 7 0,055 0,17 78 0,609 2,26 4 15,17 18,25 2,26 20,51 3,08 5,34
5 22 0,172 0,57 105 0,820 4,12 5 15,73 20,51 4,12 24,63 4,77 8,89
6 81 0,633 3,01 32 0,250 0,69 6 18,74 24,63 0,69 25,32 5,89 6,58
7 40 0,313 1,12 35 0,273 0,77 7 19,86 25,32 0,77 26,08 5,46 6,22
8 75 0,586 2,65 98 0,766 3,48 8 22,51 26,08 3,48 29,57 3,58 7,06
9 42 0,328 1,19 13 0,102 0,26 9 23,70 29,57 0,26 29,82 5,87 6,12
10 117 0,914 7,36 20 0,156 0,41 10 31,06 31,06 0,41 31,47 0,00 0,41
11 28 0,219 0,74 39 0,305 0,87 11 31,80 31,80 0,87 32,68 0,00 0,87
12 79 0,617 2,88 54 0,422 1,32 12 34,68 34,68 1,32 36,00 0,00 1,32
13 126 0,984 12,48 113 0,883 5,15 13 47,16 47,16 5,15 52,31 0,00 5,15
14 89 0,695 3,57 72 0,563 1,98 14 50,73 52,31 1,98 54,29 1,58 3,56
15 80 0,625 2,94 107 0,836 4,34 15 53,67 54,29 4,34 58,63 0,62 4,96
16 19 0,148 0,48 74 0,578 2,07 16 54,15 58,63 2,07 60,70 4,48 6,55
17 18 0,141 0,45 21 0,164 0,43 17 54,61 60,70 0,43 61,13 6,09 6,52
18 125 0,977 11,26 60 0,469 1,52 18 65,87 65,87 1,52 67,38 0,00 1,52
19 68 0,531 2,27 111 0,867 4,85 19 68,14 68,14 4,85 72,98 0,00 4,85
20 23 0,180 0,59 30 0,234 0,64 20 68,73 72,98 0,64 73,63 4,25 4,89
21 102 0,797 4,78 121 0,945 6,97 21 73,52 73,63 6,97 80,60 0,11 7,08
22 97 0,758 4,25 112 0,875 4,99 22 77,77 80,60 4,99 85,59 2,83 7,82
23 120 0,938 8,32 51 0,398 1,22 23 86,09 86,09 1,22 87,31 0,00 1,22
24 91 0,711 3,72 50 0,391 1,19 24 89,81 89,81 1,19 91,00 0,00 1,19
25 122 0,953 9,18 29 0,227 0,62 25 98,99 98,99 0,62 99,61 0,00 0,62

Average 1,94 4,26

ArrivalTime (i) = ArrivalTime (i – 1) + InterarrivalTime (i)

If ArrivalTime (i) < DepartureTime (i – 1) then

Waktu Mulai Melayani (i) = DepartureTime (i – 1)
else
Waktu Mulai Melayani (i) = ArrivalTime (i)

DepartureTime (i) = BeginServiceTime (i ) + ServiceTime (i)

TimeInQueue (i) = BeginServiceTime (i) – ArrivalTime (i)

TimeInSystem (i) = DepartureTime (i) – ArrivalTime (i)

 Simulation Replications and
Output Analysis
 output simulation :
 average time in queue = 1.94 minute
 average time in system = 4.26 minute
 Simulation Replications and
Output Analysis
 Waktu antar kedatangan pelanggan dan waktu
layanan adalah variabel acak, maka output dari
model simulasi juga random.
 replikasin ke 2  dengan seed values
Z10 = 29
Z20 = 92
 Arrival to ATM ATM Processing Time ATM Simulation Logic
i Stream 1 Random Interarrival Steam 2 Random Service Customer Arrival Begin Service Service Departure Time in Time in
Number Time Number Time Number Time Time Time Time Queue System

0 29 92
1 100 0,781 4,56 15 0,117 0,30 1 4,56 4,56 0,30 4,86 0,00 0,30
2 55 0,430 1,68 62 0,484 1,59 2 6,24 6,24 1,59 7,83 0,00 1,59
3 6 0,047 0,14 25 0,195 0,52 3 6,39 7,83 0,52 8,36 1,45 1,97
4 1 0,008 0,02 16 0,125 0,32 4 6,41 8,36 0,32 8,68 1,94 2,26
5 24 0,188 0,62 83 0,648 2,51 5 7,03 8,68 2,51 11,18 1,64 4,15
6 123 0,961 9,73 82 0,641 2,46 6 16,76 16,76 2,46 19,22 0,00 2,46
7 26 0,203 0,68 61 0,477 1,55 7 17,44 19,22 1,55 20,77 1,77 3,33
8 37 0,289 1,02 4 0,031 0,08 8 18,47 20,77 0,08 20,85 2,31 2,38
9 12 0,094 0,30 87 0,680 2,73 9 18,76 20,85 2,73 23,58 2,09 4,82
10 127 0,992 14,56 38 0,297 0,85 10 33,32 33,32 0,85 34,16 0,00 0,85
11 110 0,859 5,88 33 0,258 0,72 11 39,20 39,20 0,72 39,92 0,00 0,72
12 9 0,070 0,22 56 0,438 1,38 12 39,42 39,92 1,38 41,30 0,50 1,88
13 64 0,500 2,08 27 0,211 0,57 13 41,50 41,50 0,57 42,07 0,00 0,57
14 67 0,523 2,22 58 0,453 1,45 14 43,73 43,73 1,45 45,17 0,00 1,45
15 2 0,016 0,05 69 0,539 1,86 15 43,77 45,17 1,86 47,03 1,40 3,26
16 45 0,352 1,30 44 0,344 1,01 16 45,07 47,03 1,01 48,04 1,96 2,97
17 52 0,406 1,56 31 0,242 0,67 17 46,64 48,04 0,67 48,71 1,41 2,07
18 71 0,555 2,43 14 0,109 0,28 18 49,06 49,06 0,28 49,34 0,00 0,28
19 86 0,672 3,34 41 0,320 0,93 19 52,41 52,41 0,93 53,33 0,00 0,93
20 17 0,133 0,43 96 0,750 3,33 20 52,83 53,33 3,33 56,66 0,50 3,83
21 104 0,813 5,02 99 0,773 3,56 21 57,86 57,86 3,56 61,42 0,00 3,56
22 11 0,086 0,27 34 0,266 0,74 22 58,12 61,42 0,74 62,16 3,29 4,03
23 106 0,828 5,28 77 0,602 2,21 23 63,41 63,41 2,21 65,62 0,00 2,21
24 53 0,414 1,60 84 0,656 2,56 24 65,01 65,62 2,56 68,18 0,60 3,17
25 92 0,719 3,81 103 0,805 3,92 25 68,82 68,82 3,92 72,74 0,00 3,92

Average 0,83 2,36

Summary of ATM simulation output (for two
replications)

Average time Average time

Replication
in queue in system
1 1.94 4.26
2 0.83 2.36
Average 1.39 3.31
TUGAS
 UJI DISTRIBUSI DATA PENGAMATAN SPBU
KELOMPOK ANDA.
 BUAT LCG
 GENERATE WAKTU ANTAR KEDATANGAN
Akhir Perkuliahan…

… Ada Yang Ditanyakan??