Untuk melengkapi
tugas softskill Pengantar Komputasi Modern, pada postingan kali ini saya akan membahas
tentang Simulasi Monte Carlo.
Monte Carlo adalah
algoritma komputasi untuk
mensimulasikan berbagai perilaku system fisika
dan matematika. Algoritma Monte Carlo
merupakan metode numerik yang digunakan untuk menemukan solusi masalah matematis
yang sulit dipecahkan, misalnya dengan kalkulus integral atau metode numerik 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.
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
menggunakan data sampling yang telah ada (historical data) dan telah diketahui
distribusi datanya.
Monte Carlo
digunakan untuk membuat model system yang mengandung elemen yang mengikut
sertakan faktor kemungkinan. Dasar dari simulasi Monte Carlo adalah percobaan
elemen kemungkinan dengan menggunakan sampel random (acak). Metode ini terbagi
dalam 5 tahapan, yaitu:
1.
Membuat distribusi kemungkinan untuk variabel
penting
2.
Membangun distribusi kemungkinan kumulatif untuk
tiap‐tiap variabel di tahap pertama
3.
Menentukan interval angka random untuk tiap variable
4.
Membuat angka random
5.
Membuat simulasi dari rangkaian percobaan
Contoh
Penggunaan Simulasi Monte Carlo
Sebuah toko sepatu memperkirakan permintaan sepatu per
harinya menurut pola distribusi sebagai berikut :
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?
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).
3. Setiap permintaan tersebut, diberi angka
penunjuk batasan (Tag/Label number), disusun berdasarkan DFK distribusi
permintaan.
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
5. Dari random number ini diambil 2 angka
dibelakang koma dan dicocokkan dengan tag number. Hasilnya adalah kesimpulan
permintaan yang dibutuhkan seperti pada gambar dibawah ini:
Referensi:
http://id.wikipedia.org/wiki/Metode_Monte_Carlo
http://toosa.staff.gunadarma.ac.id/Downloads/files/14969/Week2-01_PengantarMonteCarlo_ver_1_2009.pdf
http://toosa.staff.gunadarma.ac.id/Downloads/files/14969/Week2-01_PengantarMonteCarlo_ver_1_2009.pdf