Transcript 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 -

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.
2.
3.
Apabila suatu persoalan sudah dapat diselesaikan
atau dihitung jawabannya secara matematis
dengan tuntas, maka hendaknya jangan
menggunakan simulasi ini
Apabila sebagaian persoalan tersebut dapat
diselesaikan secara analitis dengan baik, maka
penyelesaiannya lebih baik dilakukan secara
terpisah. Sebagian secara analitis dan sebagian
lagi simulasi
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
MOSI - fika
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
 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.
2.
Terlebih dahulu dibuat Imperical Data distribusinya,
yaitu : fungsi distribusi densitas, seperti pada tabel
sebelumnya
Distribusi permintaan in diubah dalam bentuk fungsi
distribusi komulatif (DFK)
No
permintaan/hari
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
MOSI - fika
Distribusi densitas
1
Langkah selanjutnya
3. Setiap permintaan tersebut, diberi angka penunjuk
batasan (Tag/Label number), disusun berdasarkan DFK
distribusi permintaan
No
MOSI - fika
permintaan/hari
Distribusi
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
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
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
Penjelasan
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
MOSI - fika
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
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