Jumat, 23 Oktober 2009

Sisipan

program lokasi;
uses wincrt;
type tipelarik=array [1..100] of real;


var e,c,m:integer;
    d:tipelarik;

procedure tukarkan(var a,b:real);
var t:real;
begin
t:=a;
a:=b;
b:=t;
end;

procedure sisip_langsung(var a:tipelarik;n:integer);
var i,j:integer; t:real;
begin
for i:=2 to n do
    begin
    t:=a[i];j:=i-1;
    a[0]:=t;
    while t< a[j] do
        begin
        a[j+1]:=a[j];
        dec(j);
        end;
    a[j+1]:=t;
    end;
end;



begin
write('jumlah data');readln(m);
for e:=1 to m do
readln(d[e]);

sisip_langsung(d,m);

for c:=1 to m do
writeln(d[c]:0:0)
           
end.
Continue Reading...

Quik Short

program quick;
uses wincrt;
type tipelarik=array [1..100] of real;


var e,c,m,aw,ak:integer;
    d:tipelarik;

procedure tukarkan(var a,b:real);
var t:real;
begin
t:=a;
a:=b;
b:=t;
end;

procedure qs(var a:tipelarik; aw,ak:integer);
var i,j:integer;

 procedure atur;
  begin
   i:=aw+1;
   j:=ak;
   while a[i]
   while a[j]>a[aw] do dec(j);
   while i
    begin
     tukarkan(a[i],a[j]);
     while a[i]
     while a[j]>a[aw] do dec(j);
    end;
   tukarkan(a[aw],a[j]);
   end;

  begin {procedure qs}
  if aw
   begin
    atur;
    qs(a,aw,j-1);
    qs(a,j+1,ak);

   end;
 end;

 begin
write('jumlah data');readln(m);
for e:=1 to m do
readln(d[e]);

qs(d,1,m);

for c:=1 to m do
writeln(d[c]:0:0)
          
end.

Continue Reading...

Bublesort

program sorting;
uses wincrt;
type tipelarik=array [1..100] of real;


var e,c,m:integer;
    d:tipelarik;

procedure tukarkan(var a,b:real);
var t:real;
begin
t:=a;
a:=b;
b:=t;
end;

procedure bublesort(var a:tipelarik;n:integer);
var i,j: integer;
begin
for i:=1 to n-1 do
for j:=1 to n-i do
if a[j]>a[j+1] then tukarkan(a[j],a[j+1])
end;


begin
write('jumlah data=');

readln(m);
writeln('masukkan data=');
for e:=1 to m do
readln(d[e]);

writeln('data yang diurutkan=');
bublesort(d,m);

for c:=1 to m do
writeln(d[c]:0:0)
           
end.
Continue Reading...

Senin, 28 September 2009

Tugas 2 : Macam-macam Fungsi Distribusi

1. DISTRIBUSI EKSPONSIAL (lamda)
Function Eksponensial (beta : double) : double;
Var u : double;
Begin
   u := random;
   Eksponensial := -beta * ln(u);
End;

2. DISTRIBUSI UNIFORM (a,b)
Function Uniform (a,b : double) : double;
Var u : double;
Begin
  u:= random;
   Uniform := (b-a) * u + a;
End;

3. DISTRIBUSI NORMAL  (µ, sigma)
Procedure Normal (mean,variance : double ; Var z1,z2 : double);
Var u1,u2,v1,v2,w,y,x1,x2 : double;
Begin
   Repeat
      u1 := random;
      u2 := random;
      v1 := 2 * u1 - 1;
      v2 := 2 * u2 - 1;
      w := sqr(v1) + sqr(v2);
      if w <= 1 then
         begin
            y := sqrt ((-2*ln(w))/w);
            x1 := v1 * y;
            x2 := v2 * y;
            z1 := sqrt (variance) * x1 + mean;
            z2 := sqrt (variance) * x2 + mean;
         end
   Until w <= 1;
End;

4. DISTRIBUSI LOGNORMAL
procedure lognormal (mean,varr : double;
Var  zln1,zln2 : double);
Var y1, y2 : double;
begin
    Normal (mean,varr,y1,y2);
    zln1 := exp(y1);
    zln2 := exp(y2);
end;

5. DISTRIBUSI T-STUDENT


function tdistribution(m:integer):double;
{ created :
         based on Principles of Random Variate Generation
                   by John Dagpunar, 1988
         published by Claredon Press - OXFORD
   please check if any other theory of t-distribution }
Label r2;
Var v,x,r,s,c,a,f,g,mm : real;
begin
  mm:=0;
  if m < 1 then
  begin
     writeln('impermissible degrees of freedom.');
     halt;
  end;
  if (m <> mm) then
  begin
     s:=m;
     c:=-0.25*(s+1);
     a:=4/power((1+1/s),c);
     f:=16/a;
     if m>1 then
     begin
       g:=s-1;
       g:=power(((s+1)/g),c)*sqrt((s+s)/g);
     end else
            g := 1;
     mm:=m;
  end;
r2:repeat
    r:=random;
  until r > 0.0;
  x:=(2*random-1)*g/r;
  v:=x*x;
  if (v>(5-a*r)) then
  begin
     if ((m>=3) and (r*(v+3)>f)) then goto r2;
     if (r>power((1+v/s),c)) then goto r2;
  end;
  tdistribution :=x;
end;
begin
   tipe11[1]:=0.2;
   tipe11[1]:=0.3;
   tipe11[1]:=0.5;
   tipe11[1]:=0.8;
   tipe11[1]:=1.0;
end.

6. DISTRIBUSI WEIBULL
Function Weibull (alfa,beta: double) : double;
Var u,z : double;
Begin
   u := random;
   z := -ln(v);
   Weibull := beta * exp (ln(z)/alfa);
End;




Continue Reading...

Sabtu, 05 September 2009

Tugas Simulasi no. 2 (makro minitab)

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)
histo stat
sort stat stat
let lower=stat(25)
let upper=stat(975)
print stat_b se_b lower upper
endmacro




>>>memakainya langsung diminitab
contoh :
%direktori.txt  sumberdata  tempatdataditaro
%f:/makromini.txt c1 c3
Continue Reading...

Jumat, 04 September 2009

Loewongan Kerdja Djadoel

PENGOEMOEMAN !!!
DAG INLANDER…HAJOO URANG MELAJOE…KOWE MAHU KERDJA ???
GOVERNEMENT NEDERLANDSCH INDIE PERLU KOWE OENTOEK DJADI
BOEDAK ATAOE TJENTENK DI PERKEBOENAN-PERKEBOENAN
ONDERNEMING KEPOENJAAN GOVERNEMENT NEDERLANDSCH INDIE
DJIKA KOWE POENYA SJARAT DAN NJALI BERIKOET :
1. Kowe poenja tangan koeat dan beroerat
2. Kowe poenja njali gede
3. Kowe poenja moeka kasar
4. Kowe poenja tinggal di wilajah Nederlandsch Indie
5. Kowe boekan kerabat dekat pemberontak-pemberontak ataoepoen maling ataoepoen mereka jang soedah diberantas liwat actie politioneel.
6. Kowe beloem djadi boedak nederlander ataoepoen ondernemer ataoe toean tanah ataoe baron eropah.
7. Kowe maoe bekerdja radjin dan netjes.
KOWE INLANDER PERLOE DATANG KE RAWA SENAJAN DISANA KOWE
HAROES DIPILIH LIWAT DJOERI-DJOERI JANG BERTOEGAS:
1. Keliling rawa Senajan 3 kali
2. Angkat badan liwat 30 kali
3. Angkat peroet liwat 30 kali
Kowe mesti ketemoe Mevrouw Shanti, Meneer Tomo en Meneer Atmadjaja
Kowe nanti akan didjadikan tjentenk oentoek di Toba, Buleleng, Borneo, Tanamera Batam, Soerabaja, Djakarta en Riaoeeiland.
Governement Nederlandsch Indie memberi oepah :
1. Makan 3 kali perhari dengan beras putih dari Bangil
2. Istirahat siang 1 uur.
3. Oepah dipotong padjak Governement 40 percent oentoek wang djago.
Haastig kalaoe kowe mahoe…
Pertanggal 31 Maart 1889
Niet Laat te Zijn Hoor…
Batavia 1889
Onder de naam van Nederlandsch Indie Governor
Generaal
Continue Reading...

Supir Anyaran

Mari jogo bengi Muntiyadi mulih numpak taksi.
Timbangane sepi, Muntiyadi njawil supir taksine kate ngejak ngobrol.
Pas dijawil dhadhak supir taksine kuaget setengah mati.
Saking kuagete, sikile langsung mancal gas, montore langsung mencelat katene nyosop warung.
Untunge, supire sik sempet ngincak rem, gak sidho nubruk.

Muntiyadi ambek supire podho pucete gak isok ambekan.
Pas wis tenang, Muntiyadi njaluk sepuro ambek takon nang supire opoko dijawil ae kok kuaget.

Jare supire "Ngene lho cak, aku sik tas pertama kali iki nyupir taksi, lha sampeyan iku yo penumpangku sing pertama pisan."

Muntiyadi bingung "Lho mbiyen sampeyan kerjone opo, kok isok sampek kagetan koyok ngene ?"

"Aku mbiyen yo nyupir pisan" jare supir taksine.

"Supir praoto tah ?" takok Muntiyadi.

"Supir montor jenasah . ."
Continue Reading...

Ambil Aja Kembaliannya.....

Di Riau, yang namanya becak… lain banget ama becak di jawa. Becak di riau itu ditarik dari depan. Jadi si abang becak ada di depan dan penumpangnya duduk di belakang.
Para abang becak di sana telah mengenal 1 daerah yang konon katanya angker abis! Pokoknya jarang ada orang yang mau lewatin tuh jalan. Jam sembilan malem aja biasanya udah sepi kaya jam 12 malem, cuma ada suara lolongan anjing-anjing kedinginan.
Suatu ketika, ada seorang abang becak yang baru pulang nganterin penumpang, dan entah gimana, jalan buat balik ke rumah yang biasanya dia lewatin, ditutup karena ada kondangan. Akhirnya dia dengan terpaksa melewati jalan angker tersebut dengan hati yang berat.
Eh… pas di tengah-tengah jalan, tiba-tiba ada seorang gadis yang cuuantiiiiikkkkkkkk banget, kaya siti nurhaliza yang pake baju putih, wajahnya agak pucet, rambutnya panjang sepinggang, dan gadis tersebut sangat wangi, kaya orang abis mandi kembang. Gadis itu menghentikan becaknya si abang. Si abang yang merinding setengah mati, akhirnya mau juga berhenti, walaupun keringat dingin udah mengalir. Gadis tersebut minta dianter sampai ke ujung jalan. Karena saking ketakutan si abang gak berani komentar saat si gadis menaiki becaknya.
Berhubung si abang udah ketakutan setengah mati, dia menarik becaknya sekencang mungkin. Begitu sampai di ujung jalan, si abang merasa, becaknya enteng seperti tidak ada penumpangnya. Mampus deh gw!! Lalu dia menengok ke belakang…
…NAH LHO!!! Gadis tersebut ngilang!!! Si abang makin jiper dong!!!
Besok malamnya, entah gimana, si abang becak kepaksa lewat jalan angker itu lagi. Di sana biasanya kalo acara kondangan ampe tujuh hari tujuh malem!! dan sekali lagi apes banget ketemu ama gadis yang semalem. Sama seperti kejadian kemarin, gadis tersebut minta diantar ke ujung jalan. Si abang yang udah makin takut saja karena peristiwa kemaren malem, makin ngebut membawa becaknya. “Moga-moga gw gak diapa-apain”, batinnya.
Eh… pas lagi ngebut-ngebut gitu, tiba-tiba gadis tersebut nepok bahu si abang becak. Wah… si abang kaget setengah mati, hampir aja dia loncat dari becaknya!! Begitu dia berhenti dan nengok belakang… si gadis cantik berkata, “Bang, bawa becaknya pelan-pelan aja, entar saya jatuh lagi lho… kaya kemaren! Liat jidat saya lecet nih!!”
Wah… bener-bener lega si abang, ternyata tuh cewe bukan setan!! :D
“Maap ya neng, saya kira eneng setan!” kata si abang.
Si gadis jawab, “Ya udah bang kali ini saya maapin, laen kali jangan ngebut-ngebut lagi ya! Mana punggung udah bolong… jidat lecet lagi! Biar saya setan juga bawa duit kali, udah gak jaman bayar pake daun! saya naik becak bukannya karena gak bisa terbang, tapi takut rambut saya rusak! Kaya’ gak tau orang mau kondangan apa??! Ya udah nih duitnya! Ambil aja kembaliannya…”
Si abang becak langsung pingsan di tempat.
Continue Reading...

Jumat, 28 Agustus 2009

Software Simulasi

Integrated Statistical Simulation
Integrated Statistical Simulation adalah sebuah software pengolahan data dan simulasi statistika yang dirancang secara khusus sesuai dengan kebutuhan praktikum sehingga dapat mempercepat pencapaian sasaran praktikum.
ISS memiliki kemampuan :
1.  Pembangkitan bilangan random berdistribusi Poisson dan Normal.
2.  Interfacing dengan timbangan digital, digunakan untuk mengumpulkan data secara langsung, data yang berupa berat obyek tersebut secara otomatis tersimpan dalam file server.
3.  Simulasi percobaan Binomial dan Hipergeometrik berupa animasi pengambilan sampel.
4.  Pengolahan data Statistika Deskriptif berikut grafiknya.
5.  Pengolahan data Binomial dan Hipergeometrik.
6.  Pengolahan data Statistika Parametrik (Uji Hipotesis Parametrik).
7.  Pengolahan data Statistika Nonparametrik.
8.  Pengolahan data Uji Kesesuaian Distribusi (Goodness of Fit test).
Pengolahan data Regresi dan Analisis Korelasi
Continue Reading...

Teknik Simulasi

Pengertian Simulasi
Simulasi adalah suatu prosedur kuantitatif, yang menggambarkan sebuah sistem, dengan mengembangkan sebuah model dari sistem tersebut dan melakukan sederetan uji coba untuk memperkirakan perilaku sistem pada kurun waktu tertentu. Cakupan simulasi sangat luas dan bersinggungan dengan berbagai bidang ilmu. Pada umumnya digunakan untuk menyelesaikan permasalahan yang:
1.       Sangat sulit diselesaikan dengan cara analisis : dynamic programming, rangkaian listrik kompleks, dll.
2.     Memiliki ukuran data dan kompleksitas yang tinggi : travelling salesman problem, assignment, schedulling, dll.
3.     Sangat sulit diimplementasikan secara langsung, karena biaya yang sangat tinggi : optimasi Radio Base Station atau optimasi channel assignment.
Tujuan Mempelajari Simulasi
Melalui kuliah ini diharapkan kita dapat mempelajari suatu sistem dengan memanfaatkan komputer untuk meniru (to simulate) perilaku sistem tersebut.
Cara Mempelajari Sistem
a.        Sistem dapat dipelajari dengan pengamatan langsung atau pengamatan pada model dari sistem tersebut.
b.      Model dapat diklasifikasikan menjadi model fisik dan model matematik
c.       Model matematik ada yang dapat diselesaikan dengan solusi analitis, ada yang tidak. Bila solusi analitis sulit didapatkan maka digunakan SIMULASI
Kelemahan Simulasi
1.       Simulasi hanya menghasilkan sekumpulan output dari sistem pada berbagai kondisi yang berbeda. Dalam banyak kasus, ketelitiannya sulit diukur.
2.     Model simulasi yang baik bisa jadi sangat mahal, bahkan sering dibutuhkan waktu bertahun-tahun untuk mengembangkan model yang sesuai.
3.     Hanya situasi yang mengandung ketidak-pastian yang dapat dievaluasi dengan simulasi. Karena tanpa komponen acak semua eksperimen simulasi akan menghasilkan jawaban yang sama.
4.     Simulasi menghasilkan cara untuk mengevaluasi solusi, memecahkan masalah. Jadi sebelumnya perlu diketahui dulu solusi atau pendekatan solusi yang akan diuji.
Aplikasi Model Simulasi
a.       Design dan analisa sistem manufaktur
b.      Mengetahui kebutuhan sofware dan hardware untuk sebuah sistem komputer.
c.       Mengevaluasi sistem persenjataan baru, dalam bidaang militer
d.      Menentukan pengaturan dalam sistem inventory/persediaan.
e.       Mendesign sistem transportasi
f.        Mendesign sistem komunikasi
g.       Mengevaluasi sistem pelayanan dalam bidang perbankan.
h.       Mengevaluasi sistem ekonomi dan finansial.
Model Simulasi
1.    Simulasi Analog
 mempergunakan representasi fisik untuk menjelaskan karakteristik penting dari
suatu masalah model hidraulik sistem ekonomi makro.
2.    Simulasi Simbolik
yang pada dasarnya adalah model matematik yang pemecahannya (dipermudah) dengan menggunakan komputer. Disebut juga dengan Simulasi Komputer.
Tahapan Simulasi
Metode dalam Simulasi
1.       Metode Monte Carlo
Metode Pencarian Acak merupakan metode simulasi yang solusinya dicari secara acak dan diulang-ulang sampai menghasilkan solusi yang diharapkan. Akan tetapi metode ini kurang populer karena hasilnya kurang bagus.  Metode Monte Carlo memperbaiki metode pencarian acak dengan mempertimbangkan : tidak semua nilai solusi harus diubah pada setiap iterasi dan munculnya bilangan acak sangat tergantung pada distribusi bilangan acak yang digunakan. Menentukan besarnya nilai π dapat ditempuh dengan cara simulasi Monte Carlo.
2.     Simulated Annealing
          Merupakan algoritma yang handal untuk penyelesaian masalah optimasi dengan menghindari optimal lokal.
  • Penentuan nilai optimal dari fungsi nonlinier dengan banyak variabel bebas
  • Menentukan jadwal kuliah optimum yang dapat melayani semua elemen civitas academica.
  • Menentukan posisi RBS optimal agar maksimal covering area atau minimal blank spot diperoleh.
  • Menentukan model antenna array untuk mendapatkan sidelobe minimum,
  • Dll.

Continue Reading...

Kamis, 27 Agustus 2009

Salam Kenal...

Selamat datang di blog baruQ...

Semoga berguna bagi kita semua....

Amin....

Continue Reading...
 

Blog Es Campur Copyright © 2009 Girlymagz is Designed by Bie Girl Vector by Ipietoon