15
Dalam metode Monte Carlo, simulasi sistem yang terdiri dari
sejumlah unit / partikel yang memiliki kondisi acak, dan distribusinya
dibuat semirip mungkin dengan sistem nyata yang dilakukan melalui
generasi nomor acak. Sifat sistem makroskopik kemudian hanya
didekati dengan harapan matematis yang relevan.
2.1.3.3
Elemen - Elemen Simulasi Monte Carlo
Simulasi Monte Carlo memerlukan beberapa elemen berikut
(Yeh & Sun, 2013: 784) :
1.
Fungsi kepadatan probabilitas (pdf).
2.
Nomor acak generator untuk menyediakan nomor acak.
3.
Resep sampling, sampel dari p.d.f.
tertentu dengan
ketersediaan Unit nomor acak Interval.
4.
Perhitungan, dalam yang hasil output perlu diberikan sebagai
total value.
5.
Salah Perhitungan, dimana hubungan antara jumlah kesalahan
statistik yang terjadi dan fungsi nomor lain.
6.
Mengurangi variasi teknik, untuk mengurangi waktu yang
dibutuhkan untuk menghitung Simulasi Monte Carlo
7.
Integrasi horizontal dan vertikal, untuk menerapkan simulasi
Monte Carlo efektif ke struktur sistem komputasi.
2.1.3.4
Keuntungan Simulasi Monte Carlo
Keuntungan utama dari Simulasi Monte Carlo simulasi atas
teknik komputasi lain adalah independensi sumber daya komputasi
pada dimensi masalah. Ada banyak modifikasi dari metode ini seperti
"klasik" Monte Carlo, (sampel diambil dari distribusi probabilitas),
"Kuantum" Monte Carlo, (random walk digunakan untuk menghitung
energi kuantum mekanik dan fungsi gelombang), "jalan-integral"
kuantum Monte Carlo, (kuantum statistik integral mekanik dihitung
untuk memperoleh sifat termodinamika), "simulasi" Monte Carlo,
(algoritma stokastik yang digunakan untuk menghasilkan kondisi awal
untuk quasiclassical simulasi lintasan), dll (Zak, 2009: 9).
 |