LAPORAN

SIMULASI FISIKA
INTEGRASI NUMERIK DENGAN METODE SAMPEL RERATA MENGGUNAKAN IMPORTANCE SAMPLING Diajukan Untuk Memenuhi Tugas Kelima Mata Kuliah Simulasi Fisika

OLEH : NAMA : Dyah Nur Rancangkapti NIM : 06306144012 PRODI : Fisika

JURUSAN PENDIDIKAN FISIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS NEGERI YOGYAKARTA 2009
1

INTEGRASI NUMERIK DENGAN METODE SAMPEL RERATA MENGGUNAKAN IMPORTANCE SAMPLING

A.

Tujuan Menentukan hasil integral analitik dengan menggunakan metode persegi, Menentukan nilai z (konstanta dari importance sampling) sehingga diperoleh variasi yang minimum, Membuat grafik antara z dengan variansi, Mensimulasikan masukan bilangan random menggunakan importance sampling pada metode rerata,

B.

Permasalahan Hitung nilai integral dari f ( x) = 1 dengan batas integral nol sampai pi. x + cos 2 x
2

Penyelesaian integral memanfaatkan metode rerata menggunakan importance sampling. C. Analisis Masalah Perhitungan Analitik Integral yang akan kita selesaikan adalah fungsi f ( x) = 1 . Fungsi x + cos 2 x
2

f(x) tersebut merupakan fungsi integral yang sulit untuk diselesaikan secara matematis atau fungsi tersebut dapat diselesaikan menggunakan tabel integral. Akan tetapi kita membutuhkan nilai analitik untuk menentukan galat maka fungsi f(x) kita integralkan menggunakan metode persegi. Metode persegi merupakan salah satu metode yang digunakan untuk

menyelesaikan masalah integral. Penyelesaian dengan metode persegi untuk permasalahan fungsi f(x) adalah : f(x) f ( x) = 1 x + cos 2 x
2

x x=0 x= x

luas daerah dibawah kurva fungsi f(x) pada gambar diatas, secara analitik dapat kita dekati dengan membagi luasan dibawah kurva kedalam n persegi panjang. Luas tiap kotak adalah panjang (f(xi)) fungsi dikalikan lebar (x), luasan seluruh kotak adalah jumlahan dari luas tiap kotak. Jumlahan dari luasan dapat didekatkan dengan integral sehingga, I = f ( xi ) x = x f ( xi )
i =1 i =1 n

dengan asumsi lebar x seragam,

dan x = (b-a)/n
b

n = banyaknya kotak

Dapat didekatkan dengan konsep integral, I=

f ( x)dx
a

Semakin masukan n besar, semakin kecil nilai x maka hasil semakin akurat. Oleh karena itu untuk memperoleh hasil integral yang akurat agar dapat digunakan sebagai nilai analitik dalam penentuan galat maka nilai n yang digunakan dalam menyelesaikan fungsi f ( x) = adalah n = 10^6 = 1.000.000 kotak. 1 x + cos 2 x
2

Dari program metode persegi yang telah dijalankan (listing program terlampir) maka diperoleh hasil integral 1.5812. Penentuan Importance Sampling Importance sampling atau sampling kepentingan adalah suatu teknik untuk meninjau suatu permasalahan simulasi dengan bilangan random agar terdistribusi tak merata atau distribusi yang sesuai dengan kepentingan kita. Dalam hal ini permasalahannya merupakan permasalahan integral terhadap fungsi peluangnya. Fungsi peluang akan dipilih dengan bentuk yang mirip atau menyerupai bentuk fungsi yang akan di integralkan sehingga diperoleh hasil yang lebih akurasi. Pada permasalahan integral dari f ( x) = 1 , kita akan memperoleh x + cos 2 x
2

fungsi eksponensial dengan cara mengeplot fungsi f(x) diatas dengan interval x yang telah kita misalkan antara nilai 0 sd 10. Dari fungsi f ( x) = 1 yang telah di plotkan menghasilkan grafik x + cos 2 x
2

eksponensial, maka importance sampling akan didekatkan dengan fungsi eksponensial yaitu : p(x) = e- x Grafik perbandingan antara fungsi f ( x) = 1 dengan fungsi x + cos 2 x
2

ekponensial dapat dilihat pada gambar dibawah ini (listing program grafik terlampir) :

Dari grafik diatas terlihat bahwa garis berwarana merah jambu dengan warna hitam belum presisi, sehingga kita memerlukan suatu konstanta tertentu dari fungsi eksponensial untuk mendekati nilai dari fungsi f ( x) = 1 . Maka, fungsi eksponensialnya menjadi p(x) = Aex + cos 2 x
2 zx

dengan A dan z adalah bilangan konstanta.

1. Nilai A

Menetukan Nilai A dan z Nilai A adalah nilai konstanta didepan fungsi eksponensial (fungsi importance sampling). Nilai A dapat ditentukan dengan menormalisasikan fungsi importance sampling dengan batas integral sesuai dengan batas integral permasalahan yang akan dipecahkan yaitu 0 sd pi.
i

p( x)dx = 1
0

Subtitusi fungsi p(x) = Ae- zx

Ae
0

zx

dx

=1

A zx e 0 =1 z A e z e 0 = 1 z

[ ] [

A 2. Nilai z

z 1 e z

Nilai z adalah nilai konstanta pangkat dari fungsi eksponensial. Nilai z dapat ditentukan dengan memvariasikan nilai z tersebut dari 0 sampai 2 atau seterusnya hingga nilai variasi minimum diperoleh. Dalam menentukan nilai z saat variasi minimum diperoleh maka kita membutuhkan program dalam menjalankannya. Program yang akan kita jalankan membutuhkan bilangan random, karena kita menggunakan importance sampling p(x) maka bilangan random (x) yang akan kita bangkitkan
xi

menggunakan

metode

transform

kebalikan

(invers

Transform) yaitu ;

p( x)dx = r

r adalah bilangan random r=rand (nilai 0 sd 1), Untuk bilangan random x dengan interval - < x < 0 maka p(x)=0, sehingga nilai x yang memenuhi persamaan diatas adalah nilai x positif maka batas integral dari metode transform kebalikan dapat kita ubah menjadi 0 sd x.

xi

p( x' )dx'
0 x

=r =r

Ae
0

zx '

dx'

A zx ' x e 0 =r z A e zx e 0 = r z A 1 e zx = rz

[ ] [

A e zx = A rz A rz e zx = A 1 A x = ln z A rz Dari transform kebalikan diatas, kita mendapatkan bilangan random x= 1 A ln z A rz ; dengan A =

z dan z=0.1:0.1:1 1 e z

Nilai z dipilih batas awal 0.1 bukan nol karena jika z=0 maka p(x)=1, itu berarti distribusi yang digunakan adalah distribusi merata sedangkan masalah yang ingin kita selesaikan adalah distribusi tak merata. Untuk nilai z dipilih batas interval akhir 1 karena nilai z lebih dari satu menghasilkan nilai variansi yang semakin membesar sedangkan yang ingin kita gunakan nilai z dengan variansi minimum. Nilai z dengan variansi minimum adalah z = 0.8, dan dapat dilihat dari hasil grafik dibawah ini :

Model Masalah Metode Sampel Rerata Metode rerata sampel adalah salah satu metode untuk menyelesaikan persamaan integral yang membangkitkan bilangan random. Integral tidak lain merupakan rerata dari integrandnya. Ingat persamaan integrasi dari metode persegi, bahwa luasan fungsi pada kurva tertentu dapat dihitung dengan luasan yang berada didalam kurva dengan membuat sejumlah kotak, dimana jumlahan dari luasan kotak tersebut merupakan hasil dari integrasi numeriknya. I = f ( xi ) x = x f ( xi )
i =1 i =1 n

dengan asumsi lebar x seragam,

x = (b-a)/n

n = banyaknya kotak

Ingat rumus rerata dari beberapa data, bahwa data tersebut dijumlahkan dan dibagi dengan banyaknya data yang dijumlahkan. Itu sesuai dengan jumlahan fungsi f(xi) dibagi dengan banyaknya kotak (n) sehingga,

I = (b a) f ( xi )
8

Rumusan bentuk dari integrasi diatas, diperoleh jika bentuk distribusi bilangan random yang digunakan adalah seragam ( p ( x) =

1 ), b a

karena kita menggunakan importance sampling maka bentuk distribusi bilangan random yang digunakan sesuai atau menyerupai dengan bentuk fungsi yang akan diintegralkan (p(x) = Ae- zx). Penentuan fungsi peluang yang bersesuaian telah dibahas pada bahasan dalam penentuan importance sampling, sehingga bentuk integral metode rerata pada permasalahan kali ini menjadi,

I=

f ( xi ) p( x)

dengan ;

p(x) = Ae- zx ,

A=

z 1 e z

z = 0.8 Algoritma Metode Rerata 1. 2. 3. 4. 5. 6. Masukkan jumlah kotak atau jumlah total bilangan random yang diinginkan, Masukkan jumlah cacah percobaan yang diinginkan, Definisikan tempat untuk hasil hitungan integral (sumn), Masukkan nilai z = 0.8, dan A=z./(1-exp(-pi.*z)), Bangkitkan bilangan random dengan x=1./z.*log(A./(A-z.*br));, Masukkan persamaan integral yang ingin diselesaikan (fx), 7. 8. Hitung nilai sumn yang akan bertambah dengan nilai fx setiap satu kali pengulangan Hitung F sebagai hasil hitungan integral, 9. Hitung ketakpastiannya dari nilai eksak dikurangi hasil hitungan integral 10. Plotkan antara hasil dengan variansi

Diagram Alir Metode Sampel Rerata Mulai Masukkan n=100, & ntrial=100

Definisikan sum = 0 sebagai tempat untuk bil. Random

Masukan z=0.8 & A=z./(1-exp(-pi.*z)),

Looping k=i :n Bangkitkan bil. Random dengan x=1./z.*ln(A./(Az.*br))

Masukkan fungsi yang ingin di integral fx= 1./ (x.^2+cos(x).^2)

Masukkan fungsi px= exp(-z.*x)

Hitung nilai sum untuk setiap satu kali pengulangan dengan sumn=sumn+fx./px

Plotkan nilai hasil dengan variansi

akhiri

D.

Pembahasan Dalam permasalahan simulasi dari integrasi numerik dengan metode metode sampel rerata menggunakan importance sampling, kita memiliki tujuan menentukan nilai z (konstanta dari importance sampling) sehingga diperoleh variasi yang minimum, membuat grafik antara z dengan variansi, mensimulasikan masukan

10

bilangan random menggunakan importance sampling pada metode rerata, dan mencari nilai analitik dari fungsi integrasi dengan metode persegi. Untuk mensimulasikan intergasi numerik dengan metode sampel rerata menggunakan importance sampling kita memerlukan distribusi peluang. Distribusi peluang yang digunakan adalah : p(x) = Ae- zx dimana, distribusi diatas sesuai dengan distribusi dari fungsi yang ingin di integralkan yaitu f ( x) = 1 . Saat kita memvariasikan niali z maka fungsi x + cos 2 x
2

p(x) akan mendekati fungsi f(x) (dapat dilihat dari perbandingan grafik p(x) dengan f(x)), sehingga kita memerlukan variasi dari nilai z yang akan kita variasikan dari nilai 0.1 sampai dengan 1. Dari program yang telah dijalankan (terlampir), kita dapat menentukan nilai z yang memiliki variansi minimum. Nilai z yang memiliki variansi minimum adalah nilai z=0.8. Nilai tersebut adalah nilai yang disubtitusi kenilai p(x) sehingga nilai p(x) dapat mendekati nilai f(x). Cara menentukan nilai z dengan mudah adalah kita membuat grafik antara z dengan variansi, sehingga titik minimum dari variansi dapat terlihat dengan jelas (terlampir di analisis masalah). Kita juga dapat menentukan hasil analitik integrasi f ( x) = 1 dengan x + cos 2 x
2

metode persegi. Dalam metode persegi semakin banyak jumlah cacah kotak yang digunakan maka semakin presisi hasil integrasi yang diberikan, oleh karena itu dalam penentuan integrasi kali ini kita menggunakan n sebayak 1.000.000 cacah kotak yang menghasilkan nilai integrasi sebesar 1.5812. Hasil integrasi tersebut dapat memudahkan kita untuk menentukan ketidakpastian dari hasil integrasi menggunakan metode rerata sampel dengan importance sampling p(x). Saat kita menggunakan metode rerata sampel, kita dapat menentukan hasil integrasinya saat z=0.8. Dari algoritma dan listing program pada metode rerata sampel, kita memasukkan nilai z=0.8 akan menghasilkan nilai integrasi f ( x) = 1 yang x + cos 2 x
2

sama saat listing program yang digunakan memasukkan nilai z = 0.1 :0.1 : 1. Perbedaan 11

yang dihasilkan dari masukan z diatas adalah saat z=0.8 maka hasil integrasi di command windows hanya ada satu yaitu F = (1.3768 0.2044) dengan kekurangan dari hasil plot z dengan variansi tidak dapat di buat karena z hanya memiliki satu data tunggal. Sedangkan untuk z yang bervariasi antara 0.1 : 0.1 : 1 menghasilkan nilai integrasi untuk setiap variasi z. Saat mengamati hasil dari variansi minimum berada pada z=0..8 maka hasil integrasi yang diamati sesuai dengan z=0.8 yaitu F= (1.3765 0.2047) . Nilai yang integrasi yang dihasil dari kedua cara diatas tidak berbeda jauh walaupun memiliki perbedaan namun tidak begitu signifikan. Hal tersebut terjadi karena bilangan yang digunakan adalah bilangan random dan akan selalu berubah setiap kali pengulangan. E. Kesimpulan Kesimpulan yang dapat diambil dari permasalahan integrasi numerik dengan metode persegi, Hit Or Miss, dan rerata sampel adalah : Hasil analitik dari permasalahan fungsi f ( x) = 1 adalah 1.5812 x + cos 2 x
2

Importance sampling atau peluang yang digunakan pada fungsi diatas adalah peluang eksponensial Grafik yang dihasilkan antara z dengan variansi adalah eksponensial naik dengan nilai minimum saat z=0.8 (Z adalah nilai konstanta pangkat dari fungsi peluang)

F.

Hasil integrasi dengan metode rerata adalah F= (1.3765 0.2047)

DAFTAR PUSTAKA Drs. Suarga, M.Sc., M.Math., Ph.D. (2007). Fisika Komputasi Solusi Problem Fisika Dengan METLAB. Yogyakarta : ANDI Yogyakarta Catatan Simulasi Fisika

G.

Lampiran Listing Program Listing Program Metode Persegi

dx=(b-a)/n; F=0; % untuk menyimpan hasil hitungan; for k=i:n

%Proses Integrasi Numerik f(x)=1./(x.^2+cos(x).^2) % dengan metode persegi clc

12

clear n=10.^6; % banyaknya kotak a=0; b=pi;

x=a+k*dx; f=1./(x.^2+cos(x).^2); F=F+f*dx end

Listing Proram Perbandingan Fungsi Eksponensial Dengan Fungsi f ( x) = 1 x + cos 2 x

2

clc clear x=0:0.1:10; y1=1./(x.^2+cos(x).^2); y2=exp(-x); plot(x,y1,'-dm',x,y2,'-dk')

gtext('y1=1./(x.^2+cos(x).^2)'); gtext('y2=exp(-x)'); xlabel('Nilai x'); ylabel('fungsi y'); title('Grafik Hubungan x VS y'); grid on

Listing Program Mencari Nilai z Dengan Variansi Minimum

sumn=sumn+fx./px; end fn=sumn/n; sumfn=sumfn+fn; sumfn2=sumfn2+fn.*fn; end hasil=sumfn/ntrial; hasil2=sumfn2/ntrial; variansi=hasil2-hasil.*hasil; galat=abs(hasil- 1.5812); disp([hasil' galat' z' variansi']) plot(z,variansi,'-dm') xlabel('Nilai konstanta pangkat (z)'); ylabel('Simpangan baku(variansi)'); title('Grafik Hubungan z VS variansi'); grid on

% file coba importance sampling P(x)=exp(-ax) clc clear n=100; %cacah data ntrial=100; %cacah percobaan sumfn=0; sumfn2=0; z=.1:.1:1; A=z./(1-exp(-pi.*z)); for k=1:ntrial sumn=0; for j=1:n br=rand; x=1./z.*log(A./(A-z.*br)); fx=1./(x.^2+cos(x).^2); px=exp(-z.*x);

Hasil keluaran angka dari listing program mencari nilai z,

13

hasil 0.5869 0.6782 0.7773 0.8841 0.9981 1.1185 1.2449 1.3765 1.5127 1.6528

galat 0.9943 0.9030 0.8039 0.6971 0.5831 0.4627 0.3363 0.2047 0.0685 0.0716

z variansi 0.1000 0.0010 0.2000 0.0010 0.3000 0.0009 0.4000 0.0009 0.5000 0.0008 0.6000 0.0007 0.7000 0.0006 0.8000 0.0005 0.9000 0.0007 1.0000 0.0011

Mengetahui. Yogyakarta, 21 November 2009

Dyah Nur (06306144012)

14