P. 1
Monte Carlo_5302410046

Monte Carlo_5302410046

|Views: 88|Likes:

More info:

Published by: Muhammad Faza Ulin Nuha on Apr 11, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOCX, PDF, TXT or read online from Scribd
See more
See less

10/31/2012

pdf

text

original

LAPORAN METODE NUMERIK MONTE CARLO

Oleh : Nama : M. Basyarul Abdillah NIM : 5302410046 Rombel : 05

PENDIDIKAN TEKNOLOGI INFORMATIKA DAN KOMPUTER TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS NEGERI SEMARANG 2011

2. tetapi metode ini biasa memberikan ilustrasi ide dasar pada situasi 1 dimensi dengan sangat mudah.b].3) memberikan hasil . Jika diambil interval [0. misalnya dengan kalkulus integral atau metode numeric lainnya.1. Tujuan Mengevaluasi integral multidimensi. Algoritma Monte Carlo adalah Metode Monte Carlo numeric yang digunakan untuk menemukan solusi problem matematis (yang dapat terdiri dari banyak variable)yang susah dipecahkan. Karena Algoritma ini memerlukan pengualangan (repetisi) dan perhitungan yang amat kompleks. Strategi Dasar Metode Monte Carlo Meskipun kekuatan metode Monte Carlo adalah mengevaluasi integral multi dimensi. dan dalam hal ini ada N buah x i yang diambil secara acak sebagai sampel dalam perhitungan integrasi tersebut.1] formula (6. tetapi metode ini bisa memberikan ilustrasi ide dasar pada situasi 1 dimensi dengan sangat mudah. Salah satu alternatif penyelesaiannya adalah rata-rata f pada interval [a. Tinjau suatu bentuk integral sebagai berikut: untuk fungsi sebarang f. Dasar Teori Metode Monte Carlo adalah algoritma komputasi untuk menstimulasi berbagai perilaku system fisika dan matematika. dengan formula : dimana xi terdistibusi mera ta antara x=a dan x=b. 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 Acrodinamika. metode monte carlo umumnya dilakukan dengan menggunakan komputer dan memakai berbagai teknik simulasi computer.

Jika diambil interval [0. Kelemahannya adalah ketika f adalah konstant yang dalam hal ini hanya bias dievaluasi pada 1 titik saja . dengan batas x1 = 1 dan x2 = 2 dengan titik sampel N=100 Ditanya Jawab : Carilah Luasnya ? : f(x) = x2 + 3 Jika x = 0 maka y = x2 + 3 = 02 + 3 = 3 Jika x = 1 maka y = x2 + 3 = 12 + 3 = 4 Jika x = 2 maka y = x2 + 3 = 22 + 3 = 7 . Persamaan (6.  Contoh Masalah Diketahui : Sebuah fungsi f(x) = x2 + 3 . yaitu: 1. Presisi akan semakin baik.5) memberikan dua aspek penting pada integrasi Monte Carlo. 2.3) memberikan hasil dimana adalah variansi dalam f. akurasi akan semakin baik.1] formula (6. Ketidakpastian pada estimasi integral. Semakin banyak titik yang digunakan. dan dalam hal ini ada N buah xi yang diambil secara acak sebagai sampel dalam perhitungan integrasi tersebut. meskipun kesalahan akan berkurang sangat lambat. i s .dimana xi terdistibusi mera ta antara x=a dan x=b. berkurang sebagai N-1/2. Artinya f sehalus mungkin. jika f s semakin kecil.

 Flowchart : START Masukkan a.b. dan n f(x) = x2 i =0 I++ i<=n Proses x dan Jumlah Menghitung L Cetak Hasil FINIS .

&b).h> #include <conio. .x.a.h> #include <math. } hasil = jumlah*(b-a)/N.hasil. scanf("%d". scanf("%d". jumlah = jumlah + f(x).jumlah.h> : int f(int x). for(i=1. printf("Masukan b : "). printf("Masukan a : "). Source Code #include <stdio.b.hasil). main() { int i. jumlah=0. &a). printf("hasil = %d".h> #include <stdlib. &N). printf ("METODE MONTE CARLO\n").i<=N. printf (“-------------------------------------------------------\n\n "). printf("Masukan N : ").i++) { x=a+ random(b) *(b-a). randomize().N. scanf("%d".

} int f(int x) { return(2*pow(x. } .getch().3)).

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->