Pendekatan Inverse-Transform Random Variate Generator Berbasis Distribusi Geometri Pada Pengacakan Random Sampling

PENDEKATAN INVERSE-TRANSFORM RANDOM VARIATE GENERATOR BERBASIS DISTRIBUSI GEOMETRI PADA PENGACAKAN RANDOM SAMPLING
Pemakalah : ARIF RAHMAN

Abstrak : Pengambilan sejumlah sampel dalam populasi tertentu mempergunakan random sampling memerlukan randomisasi atau pengacakan yang baik untuk menghindarkan terjadinya bias dan tidak tersebarnya sampel secara acak. Seringkali keacakan pengambilan sampel hanya didasarkan pada insidental kemunculan kejadian atau keputusan personal tanpa dilandasi pendekatan ilmiah. Akibatnya sampel biasanya tidak tersebar melainkan hanya memusat di sebagian distribusi populasi sehingga nilai statistik bias terhadap populasi. Randomisasi atau pengacakan pada pengambilan sampel dapat mempergunakan random variate generator dengan metode Monte Carlo, di mana salah satu pendekatannya adalah inverse transform. Dimulai dengan membangkitkan bilangan acak berdistribusi Uniform kontinyu, U(0;1), dan selanjutnya bilangan acak tersebut menjadi nilai probabilitas kumulatif. Dengan mempergunakan inverse transform dari cumulative distribution function, dimana pada penelitian ini mempergunakan distribusi Geometri, maka nilai random variate dapat diperoleh berdasarkan bilangan acak yang menjadi nilai probabilitas kumulatif. Random variate tersebut kemudian dipergunakan untuk menentukan sampel berikutnya yang diambil.
Kata Kunci : random sampling, pengacakan, metode Monte Carlo, random variate generator, inverse transform, distribusi geometri.

INVERSE-TRANSFORM RANDOM VARIATE GENERATOR BASED ON GEOMETRIC DISTRIBUTION GENERATOR FOR RANDOMIZATION OF RANDOM SAMPLING

Abstract : Taking a number of samples in a given population using random sampling requires a good randomization to avoid a biased sample. Often the sampling randomness is only based on incidental events or subjective policy without scientific approach. As a result, the sample is usually not well spread on the distribution of the population, so the sample statistics will bias against population parameters. Randomization in sampling random can use the Monte Carlo method which one approach is the inverse transform random variate. It starts by generating random numbers using continuous uniform distribution, U ( 0 , 1 ), and then the random number reflects as cumulative probability. Using the inverse transform of the cumulative distribution function of Geometric distribution, it transforms the cumulative probability into random variate. It uses random variate to determine the next sample.
Keywords : random sampling, randomization, Monte Carlo method, random variate generator, inverse transform, geometric distribution

Artikel dipublikasikan dalam Proceeding Seminar Nasional V Manajemen dan Rekayasa Kualitas, 2013, pp. A3.1-A3.6, Bandung
Artikel dapat didownload di ResearchGate