TUGAS

Simulasi montecarlo
DI SUSUN
O
L
E
H
Sabirin : 09-05-3-2393
SEMESTER VI

FAKULTAS TEKNIK INDUSTRY

UNIV. SAMUDRA LANGSA

2012
Pengertian monte carlo
Metode Monte Carlo adalah, algoritma komputasi untuk mensimulasikan berbagai perilaku
sistem fisika dan matematika. Penggunaan klasik metode ini adalah untuk mengevaluasi
integral definit, terutama integral multidimensi dengan syarat dan batasan yang rumit.

Metode Monte Carlo sangat penting dalam fisika komputasi dan bidang terapan lainnya,
dan memiliki aplikasi yang beragam mulai dari perhitungan kromodinamika kuantum
esoterik hingga perancangan aerodinamika. Metode ini terbukti efisien dalam memecahkan
persamaan diferensial integral medan radians, sehingga metode ini digunakan dalam
perhitungan iluminasi global yang menghasilkan gambar-gambar fotorealistik model tiga
dimensi, dimana diterapkan dalam video games, arsitektur, perancangan, film yang
dihasilkan oleh komputer, efek-efek khusus dalam film, bisnis, ekonomi, dan bidang lainnya.

Karena algoritma ini memerlukan pengulangan (repetisi) dan perhitungan yang amat
kompleks, metode Monte Carlo pada umumnya dilakukan menggunakan komputer, dan
memakai berbagai teknik simulasi komputer.

Algoritma Monte Carlo adalah metode Monte Carlo numerik yang digunakan untuk
menemukan solusi problem matematis (yang dapat terdiri dari banyak variabel) yang susah
dipecahkan, misalnya dengan kalkulus integral, atau metode numerik lainnya.
1. Sebuah toko sepatu memperkirakan permintaan sepatu per
harinya menurut pola distribusi sebagai berikut :

Frekuensi
No permintaan/hari 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?

1. Prosedur/langkah penyelesaian 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
3. Setiap permintaan tersebut, diberi angka penunjuk batasan (Tag/Label number), disusun
berdasarkan DFK distribusi permintaan

No 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

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
 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

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
 suatu pabrik assembling, barang C merupakan perpaduan barang A dan B yang dibeli dari
situ

plier. 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