RSS

Mari Kembali Mengukir Keinginan, Meraih Impian

Selamat pagi semua!!

Sudah dua tahun lebih sepertinya q tidak mengunjungi rumah cantikku ini :( Saatnya bersih-bersih rumah! Ngedekor ulang rumah! Mulai dari isi, tata letak, dekornya, warnanya, instalasi perabotannya.. all!! musti di refresh.
YUuuuuukk !! pertama-tama q mw bikin desain ulang rumahku dlu.

Begini cah Arsitek *sambil ngemil dan duduk santai mari berbincang..
pertama-tama blog ini dibuat dengan tujuan biar pemilik memiliki self confidence yang tinggi untuk menulis segala sesuatu (suka-suka), yang penting nulis.
Tapi catatan paling penting buat pembaca adalah blog ini harus berisi sesuatu yang fres dan informatif. Mau Informatif dibidang science lah, technology, fashion couture, literature, bussiness and economy, culture, criminal, de el el, yang penting, NULIS!! *passion of typeracer winner* heheee.. Dengan demikian, gue mau bikin banyak kategori disini.

Yang kedua, GUEh (red:guweh) orangnya sua banget ama OMBRE, warna nude kale.. jadi ini blog mw q bikin ‘Cantik alami’ kayak Dian Sastro Wardoyo.. MUahahahaaa…

Yang ketiga, bakal banyak gambar dan foto-foto yang mw q tampilkan.. baik itu poto asli, editan, maupun pidio. Biar hidup dan ketara ada penghuninya ni rumah…

Hii… the most important one, hmm.. harus ada update-an yang konsisten tentang tulisankuuuu !!
yeaayy.. !!
Time to get refreshment! To do more than do nothing!
wait !! it looks like that i said “HELP ME GET OUT OF MY CAGE!!”

 
Tinggalkan komentar

Posted by pada Oktober 12, 2011 in jalan hidup

 

Tag:

Fungsi Pembangkit Variabel Random berbagai Distribusi dengan Pascal

Berikut Daftar Distribusi yang akan diberikan fungsi pembangkit variabel randomnya :
1. Distribusi uniform
2. Distribusi Eksponensial
3. Distribusi Normal
4. Distribusi Lognormal
5. Distribuso Weibull
6. Distribusi t-student
7. Distribusi fisher

Read the rest of this entry »

 
Tinggalkan komentar

Posted by pada September 13, 2009 in Teknik Simulasi

 

Tag: , ,

Simulasi Pembuktian Unbiased Varians Sample untuk Menaksir Populasi

Kasus 2
Membuktikan Unbiased pada Varians Sampel

Dalam menaksir parameter suatu populasi pasti membutuhkan sumber daya seperti biaya, waktu, dan tenaga yang sangat besar. Oleh karena itu muncul ilmu statistik yang diperlukan untuk menaksir parameter melalui pendekatan. Suatu pendekatan yang baik adalah pendekatan yang memiliki hasil unbiased dalam menaksir parameter populasi.
Apabila ingin menaksir suatu parameter populasi, kita perlu mengambil sampel dari populasi dalam hal ini akan ditaksir varians dari populasi dengan suatu nilai statistik (varians sampel). Kemudian kita bandingkan nilai statistik tersebut dengan nilai parameter sebenarnya.

Berikut langkah-langkah algoritmanya :

Mulai
Bngkitkan X berdistribusi normal (60,1) sebanyak 100 sebagai populasi
Ambil n sampel sebanyak 10
HItung

untitled,jpg

S_1^2 merupakan varians dari populasi sebanyak 100 data. Sedangkan S_2^2 merupakan varians dari resampel 1000 kali pengambilan data dimana setiap pengambilan adalah 10 data.
Lakukan 3 sebanyak 1000 kali
Hitung luas S_1^2= S_2^2 dan lambangkan
Selesai

Langkah simulasi menggunakan program minitab :

Simpan makro minitab yang berisi tentang perintah pembangkitan data randommenggunagan bootsrap
Misal :
d:\bootvar.txt

Isi makro bootvar :

macro
bootvar x
mconstant i n b lower upper stat_b se_b
mcolumn x y stat
let n=10
let b=1000
do i=1:b
sample n x y;
replacement.
let stat(i)=stde(y)**2
enddo
let stat_b=mean(stat)
let se_b=stde(stat)
sort stat stat
let lower=stat(25)
let upper=stat(975)
print stat_b se_b lower upper
endmacro

Dalam minitab tuliskan perintah enable command
Tulis
MTB > random 100 c1;
Subs > normal 60 1.0.
Panggil makro untuk melakukan resampling 10 data sebanyak 1000 kali
MTB > %d:\bootvar.txt c1

Maka akan tampil di minitab hasilnya sbb :
stat_b 1.12677
se_b 0.584805
lower 0.307798
upper 2.46402

stat_b menyatakan rata-rata dari sampling sebanyak 10 data yang diresampling sebanyak 1000 kali.
Se_b menyatakan varians dari dari sampling sebanyak 10 data yang diresampling sebanyak 1000 kali.
Lower menyatakan bahwa 25 data terbawah berada pada nilai 0,307798
Upper menyatakan bahwa 25 data teratas berada pada nilai 2,46402

Dengan membandingkan nilai varians populasi yaitu sebesar 1 dengan nilai statistik varians yaitu sebesar 0,5848 maka tidak terbukti bahwa varians statistik unbiased terhadap varians populasi

 
Tinggalkan komentar

Posted by pada September 6, 2009 in Teknik Simulasi

 

Simulasi mencari phi dengan Pascal

KASUS 1
MENCARI PHI

Phi merupakan bilangan irrasional. Definisi bilangan irrasional sendiri adalah yang tidak dapat dinyatakan dengan bilangan pecahan atau bilangan yang bukan bilangan rasional (seperti 2, 3, 5, 7). Atau bilangan riil yang tidak bisa dibagi (hasil baginya tidak pernah berhenti). Dalam hal ini, bilangan irrasional tidak bisa dinyatakan sebagai a/b, dengan a dan b sebagai bilangan bulat dan b tidak sama dengan nol. Jadi bilangan irasional bukan merupakan bilangan rasional. Contoh yang paling populer dari bilangan irasional ini adalah bilangan π, , dan bilangan e.
Bilangan π sebetulnya tidak tepat = 3.14, tetapi
= 3,1415926535…. atau
= 3,14159 26535 89793 23846 26433 83279 50288 41971 69399 37510…
Oleh karena itu, phi dapat dicari dengan melakukan random data yang memiliki distribusi uniform dengan variable acak 0 dan 1. Karena distribusi uniform maka peluangnya sama untuk masing-masing x variabel acak.
Untuk mencari phi dapat dianalogikan dengan kegiatan menghitung dan membandingkan banyak anak panah yang dilemparkan pada target suatu lingkaran yang berada di dalam suatu persegi. Hasil dari pelemparan tersebut tentunya ada anak panah yang masuk ke lingkaran dan ada pula yang masuk ke area persegi yang berada diluar lingkaran. Jika anak panah berada di dalam lingkaran maka X=1 dan apabila menancap di luar lingkaran di dalam persegi maka X=0. Jika jumlah anak panah yang dilempar makin banyak, maka rasio

rumus ratio

rumus ratio

Dimana m adalah banyak anak panah yang berada di dalam lingkaran
n adalah banyak anak panah yang berada di luar lingkaran tetapi di dalam persegi
X dan Y distribusi random uniform 0sampai dengan 1 kontinyu

Dari rumus diatas di dapat bahwa

rumus phi

rumus phi

Ilustrasi :

Nilai phi merupakan nilai rata-rata phi pendekatan pertama sampai phi pendekatan ke-n

Algoritma dari mensimulasikan penaksiran phi :

Mulai
i:=0
i=i+1
Bangkitkan 1000 titik
X berdistribusi uniform (0,1)
Y berdistirbusi uniform (0,1)
Phi(i) =4*m/n
Jika i <100
Phi = ∑_(i=1)^1000▒〖phi(i)/1000〗
Tulis phi
selesai

Simulasi dengan menggunakan program Pascal

uses wincrt;
var s,y,x,p:real;
i,j,m,n:integer;
begin
s:=0;
for j:=1 to 1000 do
begin
randomize;
n:=10000;m:=0;
for i:=1 to n do
begin
x:=random;
y:=random;
if (x*x+y*y)<=1 then m:=m+1;
end;
p:=4*m/n;
s:=s+p;
end;
p:=s/1000;
writeln(p);
end.

 
Tinggalkan komentar

Posted by pada September 6, 2009 in Teknik Simulasi

 

Tag:

Mengenang Jaman Susah

PERASAANKU SAMA SEKALI TIDAK MENCERMINKAN KETENANGAN.
sAMA SEKALI.

Q KIRA ITU SEMUA ADALAH DRAMATISASI PERASAAN SEMATA,
TAPI HAL ITU MENJADI TAMPAK NYATA TERGORES DI SETIAP PANDANGAN OBYEK YANG AKU LIHAT, MAKANAN SERTA MINUMAN YANG Q RASA MAUPUN SETIAP NAFAS YANG Q TARIK DAN HEMBUSKAN
Q MULAI LUNGLAI DENGAN SEMUA INI
Q BUTUH ISTIRAHAT
SELAMAT TIDUR
TUGAS2 KU………..

Q LELAP HINGGA SANG SURYA MENYINGSING..
DAN Q MULAI MENYESALI SEMUA YANG TELAH KU JALANI
MALAM ITU,

sAYANG KAU DIMANA Q INGIN BERTEMU
KEKASIH LAMA, Q TAK JUMPA DIRIMU
DALAM WAKTU-WAKTUKU BERDOA..
SEMOGA KITA BERTEMU..
DI MALAM ITU..

HAI TEMAN,
DIRIMU BANYAK MEMBERI MASUKKAN PADA AKU..
YANG MULAI TAMPAK SALING MENYEMPURNAKAN GARIS TANGAN
GARIS-GARIS PERASAAN
SALING SAYANG
SALING KASIH
TAK SEMPAT Q BERFIKIR UNTUK PERGI DARIMU
TAPI KINI TELAH BERUBAH
KAU JAUH SEJAUH PANDANGAN MATAMU SETIAP KALI QT BERTEMU
DA WAKTU KAH UNTUK MEMBALAS SAPAANKU??
AKU MALU PADA DIRIKU SENDIRI
aKU MALU KARENA YANG TERNYATA BRUBAH ADALAH Q.

** buahAHAA…. lucu juga kalo ingat masa lalu :) :) :P

 
Tinggalkan komentar

Posted by pada Agustus 31, 2009 in Sajak dan kata mutiara

 

Tag:

Kalo mbah gandhi ngasih tahu

“I have learnt through bitter experience
the one supreme lesson to conserve my anger,
and as heat conserved is transmuted into energy,
even so our anger controlled can be transmuted into a
power which can move the world.”

“You must be the change you wish to see in the world.”

“An Eye for an Eye makes the whole world blind.”

…Mahatma Gandhi
nn
Aku ga pintar baha inggris, mengartikan kata-kata mbah Gandhi dengan tepat :P
Tapi mungkin maksud mbah Potensi kita setiap manusia kalo ditimbang-timbang sama. Cuman pinter-pinter memanfaatkan kesempatan aja…. Tpi tetap juga karena kehendak-Nya. Cman yang menarik itu, berbicara masalah supreme indonesia?? umh,bagian mana y yang bisa meredam pro kontra karena ambiguitas yang katanya banyak terdapat di UU yang disahkan DPR periode 2004/2009 ? kalo mbah gandhi tinggal disini apa g tambah marah ? (?|)

– Duch !! lgi2 Ngigau tengah malam
Maaf kalo,baca ga nyambung –

 
Tinggalkan komentar

Posted by pada Agustus 29, 2009 in Sajak dan kata mutiara

 

Tag:

Contoh simulasi variasi waktu tunda (delay) propagasi

Jaringan akses untuk Wide Area Network biasanya beroperasi pada kecepatan transmisi (m ) 34 Mbps atau 45 Mbps. Dalam simulasi ini akan dilihat pengaruh delay propagasi dari masing-masing hubungan virtual (VC) jika diberikan t 1 = 10 ms dan t 2 = 100 ms, terhadap respons kecepatan pengiriman dari sumber dan panjang antrian yang terjadi di buffer switch untuk kedua kecepatan tersebut.

Parameter penguatan dan peredaman diambil pada daerah analisa kestabilan, sedangkan kebutuhan minimum lebar pita (n j) = 2 Mbps ini disesuaikan dengan aplikasi, misalnya untuk akses pengiriman file atau juga untuk akses basis data jarak jauh.

Hasil dari simulasi dengan parameter yang diberikan dapat dilihat seperti gambar di bawah ini.
Respons kecepatan dan panjang antrian m = 34 Mbps
Gambar 6 Respons kecepatan dan panjang antrian untuk hubungan
2 VC dengan delay yang berbeda pada m = 34 Mbps.

Hasil simulasi menunjukkan bahwa harga kecepatan setelah keadaan seimbang dicapai (f ss) sesuai dengan harga perhitungan untuk dua hubungan virtual, yaitu 17 Mbps (pada m = 34 Mbps) dan 22.5 Mbps (pada m = 45 Mbps). Hal ini terjadi karena prinsip keadilan dalam mendapatkan pembagian lebar pita di jaringan dipergunakan selama hubungan berlangsung.

2
Gambar 7 Respons kecepatan dan panjang antrian untuk hubungan
2 VC dengan delay yang berbeda pada m = 45 Mbps.

Tabel 6 Pengaruh perubahan m terhadap hubungan 2VC pada QT = 10 sel
3

Panjang antrian yang terjadi relatif kecil dan kondisi transient tidak terjadi sehingga ukuran buffer di switch tidak besar. Dari gambar 6 terlihat bahwa kurva respons VC1 mendahului kurva respons VC2 sebesar setengah round trip time; dengan kata lain, antara dua kurva terjadi pergeseran. Kedua kurva akan mengalami overlap yang sempurna (menyatu) jika masing-asing digeser t 1/2 untuk respons VC1 dan t 2/2 untuk respons VC2.

Dari analisa berdasarkan waktu respons yang dispesifikasikan sesuai dengan implementasi, dapat dikatakan bahwa waktu respons dari kecepatan untuk hubungan dua VC ternyata sangat baik (<< 10 detik) sehingga sangat cocok untuk pengiriman data, misalnya berupa transfer file.

 
Tinggalkan komentar

Posted by pada Agustus 29, 2009 in Teknik Simulasi

 
 
Ikuti

Get every new post delivered to your Inbox.