SIMULATION

15
SIMULATION SIMULATION (STATISTICAL INSIDE)

description

SIMULATION. (STATISTICAL INSIDE). BILANGAN ACAK (1). Caranya membangkitkan bilangan acak : Melempar dadu, memutar roda roulette, atau mengocok kartu undian (zaman dahulu) Menggunakan seed komputer secara numerik untuk memperoleh Pseudo Random Number (zaman modern) - PowerPoint PPT Presentation

Transcript of SIMULATION

Page 1: SIMULATION

SIMULATIONSIMULATION(STATISTICAL INSIDE)

Page 2: SIMULATION

BILANGAN ACAK (1)BILANGAN ACAK (1)Caranya membangkitkan bilangan acak :• Melempar dadu, memutar roda roulette, atau mengocok

kartu undian (zaman dahulu)• Menggunakan seed komputer secara numerik untuk

memperoleh Pseudo Random Number (zaman modern)

Teknik Random Number Generator :• Middle Square (MS)• Linear Congruential Generator (LCG)

Page 3: SIMULATION

BILANGAN ACAK (2)BILANGAN ACAK (2)Syarat Random Number Generator (RNG) :• Berdistribusi Uniform (0,1) goodness of fit• Randomness, tidak ada korelasi• Long cycle, deretan bilangan yang dibangkitkan tidak

segera berulang• Repeatability, dapat digunakan berulang-ulang dan

diperoleh bilangan yang berbeda tiap membangkitkan• Algoritma yang cepat dan storage tidak besar• Konektivitas yang mudah antar software yang berbeda

Page 4: SIMULATION

MIDDLE SQUAREMIDDLE SQUARE (MS) (MS)ALGORITMA :1. Diberikan 4 digit integer yang positif (Z0) 2. Kuadratkan Z0 untuk memperoleh 8 digit integer

(Ui), i=0,1,2,…3. Ambillah 4 digit Ui dari tengah sebagai 4 digits

integer positif selanjutnya (Zj), j=1,2,3,…4. Bagi Zj sehingga diperoleh bilangan kurang dari

1 dan berdistribusi Uniform (0,1).

5. Ulangi langkah 2 dengan input dari Zj

Page 5: SIMULATION

LINEAR CONGRUENTIAL LINEAR CONGRUENTIAL GENERATORGENERATOR (LCG) (LCG)

FORMULA :

• Panjang kerandoman m, yaitu dari 0 s/d m-1

• xn akan bernilai antara 0 s/d m-1, sehingga untuk membangkitkan bilangan random antara 0 dan 1, maka digunakan formulasi un = xn/m

• Jika c = 0 maka dinamakan sebagai Multiplicative LCG (atau MLCG)

1( ) mod n nx ax c m

Page 6: SIMULATION

VARIABEL ACAK (1)VARIABEL ACAK (1)Teknik Random Variate Generator (RVG): • Transformasi Invers• Mixture Form (Composition)• Convolution• Acceptance Rejection (AR)• Adaptive Acceptance Rejection (AAR)

Page 7: SIMULATION

VARIABEL ACAK (2)VARIABEL ACAK (2)Ada 2 jenis variabel acak :

1. Variabel Acak Diskret : jika xi banyak nilainya dapat dihitung dengan rumus pdf : p(xi) = P(X=xi), i = 1, 2, …. F(x) didefinisikan sebagai cdf dari variabel acak diskret :

2. Variabel Acak Kontinu : jika xi banyak nilainya tak dapat dihitung dan memiliki rumusan pdf : P(X=x) = x f(x) dxF(x) didefinisikan sebagai cdf dari variabel acak kontinu :

xallforxpxFxx

i

i

)()(

xallfordyyfxXxFx

)(]),[()( P

Page 8: SIMULATION

VARIABEL ACAK DISKRETVARIABEL ACAK DISKRET• Distribusi Bernoulli• Distribusi Binomial• Distribusi Poisson• Distribusi Geometrik• Distribusi Hipergeometrik

Page 9: SIMULATION

VARIABEL ACAK KONTINUVARIABEL ACAK KONTINU• Distribusi Normal• Distribusi Lognormal• Distribusi Eksponensial• Distribusi Weibull• Distribusi Gamma• Distribusi Erlang

Page 10: SIMULATION

TRANSFORMASI INVERSTRANSFORMASI INVERSSyarat Transformasi Invers• Fungsi mempunyai CDF yang close form

Metodenya adalah sbb:

x

u

0

1F(x) ( ) 1 exp( )

1 exp( )

1 exp( )

1ln(1 )

1ln( )

F x x

u x

u x

x u

u

Page 11: SIMULATION

FITTING DISTRIBUSIFITTING DISTRIBUSI• Plot data dengan histogram• Menentukan distribusi data dengan pendekatan bentuk

distribusi statistik tertentu• Uji Kolmogorov-Smirnov dan uji Chi-Square• Estimasi parameter : lokasi (), skala (), & bentuk ().

Momen, OLS, MLE, dll

x

f(x)

1 32 x

f(x)

1

2

3 1 2

3

f(x)

Page 12: SIMULATION

FITTING DISTRIBUTION (2)FITTING DISTRIBUTION (2)• Example

Service Times(in Days)

0

50

100

150

1 3 5 7 9 11 13 15 17 19 21 23 25 27 29

Days

Nu

mb

er

Page 13: SIMULATION

FITTING DISTRIBUTION (3)FITTING DISTRIBUTION (3)One-Sample Kolmogorov-Smirnov Test 4

30

31,0000

,243

,115

-,243

1,328

,059

N

MeanExponential parameter.a,b

Absolute

Positive

Negative

Most ExtremeDifferences

Kolmogorov-Smirnov Z

Asymp. Sig. (2-tailed)

VAR00009

Test Distribution is Exponential.a.

Calculated from data.b.

Page 14: SIMULATION

MODEL ANTRIANMODEL ANTRIAN• Notasi model antrian satu tahap :

A/B/C : D/E/FA : Inter-Arrival time distribution D : Queue discipline

B : Service time distribution E : Number of queue capacity

C : Number of server F : Size of the calling population

Multi Servers-Single Queue (M/M/N)Multi Servers-Single Queue (M/M/N)

Page 15: SIMULATION

MODEL ANTRIANMODEL ANTRIAN• Disiplin kedatangan & pelayanan :M : Memoryless seperti : Eksponensial (λ)

Er : Erlang (α, β)

G : Arbitrary inter-arrival times

D : deterministic arrivals or fixed length services

• Disiplin antrian :FIFO : First In First Out (pelanggan pertama dilayani dahulu)

LIFO : Last In First Out (pelanggan terak

SIRO : Served In Random Order

Priority : Prioritas yang lebih tinggi terlebi dahulu

• Contoh : M/M/1 : FIFO/∞/∞