1

2
Pada tahun 1930an, para fisikawan sedang memeriksa
perlindungan radiasi dan jarak yang akan neutron tempuh
melalui beberapa macam material .
Tetapi data yang didapatkan tidak dapat dipecahkan secara
analitik
John von Neumann & Stanislaw Ulam

Memberikan ide untuk memecahkan masalah dengan
memodelkan eksperimen di komputer. Metode tersebut
dilakukan secara untung-untungan. Takut hasil karyanya
dicontek orang, metode tersebut diberi kode nama Monte
Carlo.
Enrico Fermi (1930) :

Nama Monte Carlo kemudian akhirnya menjadi populer
oleh Enrico Fermi, Stanislaw Ulam, dan rekan-rekan mereka
sesama peneliti fisika. Nama Monte Carlo merujuk kepada
sebuah kasino terkenal di Monako.
1. Teorema nilai rata - rata untuk integral


2. Teorema menghitung titik tengah
3
STRATEGI DASAR METODE MONTE CARLO
) ( ) ( c f dx x f
b
a
=
}

}
=
=
n
k
k
b
a
fc
n
a b dx x f
1
1
) ( ) (
Pseudo-random Number Generator
1. Distribusi yang baik
2. Periode yang panjang.
3. Keberulangan (repeatability) yang rendah
4. Memiliki sub-sekuen dengan nilai-nilai
terpisah jauh
5. Portabilitas
6. Efisien

4
Hal hal yang perlu diperhatikan
dalam Pseudo-random Number
Generator
- Semakin banyak jumlah bilangan acak yang
dimasukkan ke dalam perhitungan, hasilnya
semakin mendekati teori.
- Jumlah bilangan acak yang dihasilkan mencakup
kebutuhan resolusi dari pemodelan fisika; mis :
Pemodelan fisika membutuhkan ketelitian hingga
ukuran mikrometer dalam tiga dimensi, maka
dibutuhkan bilangan acak sebanyak 10
6
x 10
6
x
10
6

- Jumlah angka penting dibatasi

5
ALGORITMA METODE MONTE CARLO
6
1. Pilih n titik secara acak x
1
, x
2
, .., xn dalam interval [a,b]

2. Tentukan nilai rata rata dari fungsi

3. Hitung aproksimasi untuk integral


4. Estimasi Error

=
=
n
k
x f
n
f
1
1
^
) (
1
}
~
b
a
f a b dx x f
^
* ) ( ) (
n
f f
|
|
.
|

\
|

~
2
^
2
^

=
=
n
k
x f
n
f
1
1
2
^
) (
1
Aproksimasi yang didapatkan :
Untuk n = 10, Luas 5,50549903
Untuk n = 100, Luas 5,494942944
Untuk n = 1000, Luas 5,438483941
Untuk n = 10000, Luas 5,342526807
7
}
=
4
0
) ( x x f
Pengintegrasian Metode Monte Carlo
Pada Aproksimasi Phi
8
Watcing
This
Video
9
Parallel Computing..?
10
http://stationq.ucsb.edu/computing.html
Spesification :
32 dual-core Opteron 265
Processors, 1.8 GHz
32 dual-core Opteron 275
Processor 2.2 GHz
Aplikasi dari Metode Monte Carlo di
bidang lainnya
1. Grafis
Untuk penjajakan sinar
2. Biologi
Mempelajari jaringan biologi
3. Keuangan
Untuk menilai dan menganalisis model-model finansial.
5. Ilmu komputer
- Algoritma Las Vegas
- Game
6. Kimia
Simulasi yang melibatkan kluster-kluster atomik.
7. Ilmu lingkungan
Untuk memahami perilaku kontaminan
11
Daftar Pustaka
http://lecturer.eepis-
its.edu/~tribudi/LN_Simulasi/Bab_5_Metode_Monte_Carlo_00.pdf
http://lecturer.eepis-its.edu/~huda/TK/kuliah4.ppt
http://library.gunadarma.ac.id/repository/files/54029/30106241/bab-ii.pdf
http://www.cs.nyu.edu/courses/fall06/G22.2112-001/MonteCarlo.pdf
http://adia08.files.wordpress.com/2008/06/jurnal_adi.pdf
http://home.unpar.ac.id/~integral/Volume%207/Integral%207%20No%201/integra
l_Monte_Carlo_ok.pdf
http://alifis.files.wordpress.com/2009/09/bab-vi-pengantar-monte-carlo.pdf
http://library.gunadarma.ac.id/repository/view/5042/analisis-metode-simulasi-
monte-carlo-sistemmikrokanonis.html
12