Simulasi Monte Carlo: Merungkai Kerumitan menerusi Kerawakan

Simulasi Monte Carlo: Merungkai Kerumitan menerusi Kerawakan – MajalahSains 23 °c Kuala Lumpur 26 ° Sat 27 ° Sun 27 ° Mon 25 ° Tue Friday, March 20, 2026 Cart / RM0.00 No products in the cart. No Result View All Result e-ISSN : 2682-8456 Laman Utama Siapa Kami HANTAR ARTIKEL & F.A.Q Kategori Alam Semulajadi Astronomi & Kosmologi Berita & Peristiwa Bicara Saintis Sains untuk Manusia Suara Saintis Muda Events Featured Fiksyen, Buku & Filem Fizik Kimia Komputer & IT Luar Negara Matematik Perubatan & Kesihatan Rencana Sejarah & Falsafah Teknologi & Kejuruteraan Tempatan Tenaga Tokoh Pengiklanan Sains Shop Pengajian Tinggi Biografi Umum Siri-Ingin Tahu Mengapa Sains Penting Tokoh Wanita Dalam Bidang Sains Kitaran Hidup Gaya Hidup Sihat Sains Dalam Kehidupan Sains Itu Menyeronokkan Careers Laman Utama Siapa Kami HANTAR ARTIKEL & F.A.Q Kategori Alam Semulajadi Astronomi & Kosmologi Berita & Peristiwa Bicara Saintis Sains untuk Manusia Suara Saintis Muda Events Featured Fiksyen, Buku & Filem Fizik Kimia Komputer & IT Luar Negara Matematik Perubatan & Kesihatan Rencana Sejarah & Falsafah Teknologi & Kejuruteraan Tempatan Tenaga Tokoh Pengiklanan Sains Shop Pengajian Tinggi Biografi Umum Siri-Ingin Tahu Mengapa Sains Penting Tokoh Wanita Dalam Bidang Sains Kitaran Hidup Gaya Hidup Sihat Sains Dalam Kehidupan Sains Itu Menyeronokkan Careers No Result View All Result No Result View All Result Simulasi Monte Carlo: Merungkai Kerumitan menerusi Kerawakan Simulasi Monte Carlo: Merungkai Kerumitan menerusi Kerawakan by Editor 18/03/2026 in Berita & Peristiwa, Matematik 0 0 0 Penulis:  Prof. Madya Dr. Nurulkamal Masseran Pensyarah Kanan Jabatan Sains Matematik, Universiti Kebangsaan Malaysia Bagi kebanyakan orang, apabila mendengar perkataan rawak, kebiasaannya mereka akan membayangkan sesuatu perkara yang bersifat rambang, tidak tentu arah, dan penuh dengan unsur ketidakpastian. Namun, bagi penyelidik-penyelidik dalam bidang sains, kejuruteraan dan juga kewangan, konsep kerawakan ini merupakan suatu anugerah yang sangat bernilai. Ianya merupakan “pintu” yang boleh membuka penyelesaian terhadap pelbagai masalah yang kompleks dan rumit. Terutama apabila permasalahan yang dihadapi itu tidak dapat diselesaikan menerusi kaedah analitik. Salah satu teknik popular yang menggunakan pendekatan kerawakan untuk merungkai pelbagai kerumitan ialah kaedah simulasi Monte Carlo. Secara mudahnya, kaedah simulasi Monte Carlo ini menggunakan teknik persampelan rawak untuk memberikan penyelesaian penghampiran terhadap masalah-masalah yang yang kompleks terutama apabila melibatkan model atau persamaan matematik aras tinggi. Kaedah Monte Carlo ini mula dipelopori oleh ahli fizik Itali-Amerika iaitu Enrico Fermi pada sekitar tahun 1930-an semasa beliau menjalankan kajian berkaitan neutron. Namun, disebabkan kekangan teknologi komputer pada masa tersebut, beliau hanya menjalankan simulasi secara manual menggunakan kalkulator dan pembaris slaid. Disebabkan kekangan itu, kaedah ini sukar untuk diaplikasikan dalam kebanyakan permasalahan. Malah, Fermi sendiri tidak mempopularkan kaedah Monte Carlo secara meluas, sekaligus menjadikan kaedah ini kurang mendapat sambutan pada masa tersebut. Namun, pada tahun 1946, iaitu semasa era zaman Perang Dunia Kedua, kaedah Monte Carlo ini telah membawa suatu lonjakan paradigma dalam dunia penyelidikan sains. Ianya bertitik tolak daripada Projek Manhattan yang merupakan projek penyelidikan berkaitan bom atom yang dijalankan oleh ahli fizik/matematik Poland iaitu Stanislaw Ulam. Secara ringkasnya, dalam penyelidikan tersebut, beliau menghadapi kesukaran untuk memahami tingkah-laku resapan neutron dalam tindak balas nuklear yang melibatkan sejumlah besar zarah. Formula fizik bagi tindak balas nuklear ini adalah sangat sukar untuk diselesaikan secara analitik. Namun, Ulam telah mendapat ilham untuk menyelesaikan permasalahan ini menggunakan pendekatan rawak menerusi konsep kebarangkalian daripada permainan solitaire (kad terup). Seterusnya, beliau telah berkerjasama dengan tokoh ahli matematik/fizik iaitu John von Neumann, dan mereka telah berjaya membangunkan algoritma berasaskan nombor rawak untuk menjana proses rawak bagi mendapatkan penghampiran terhadap penyelesaian masalah tersebut. Sebahagian sumber menyebut bahawa nama “Monte Carlo” dipilih sempena nama kasino Monte Carlo yang terletak di negara Monaco disebabkan tabiat bapa saudara Stanislaw Ulam yang gemar berjudi. Meskipun pada asalkan kaedah simulasi Monte Carlo ini lahir dalam senario yang sangat berkontroversi yang melibatkan penyelidikan era zaman perang, penciptaan bom atom dan dikaitkan pula dengan nama tempat perjudian. Namun, tanpa kita sedari kaedah simulasi Monte Carlo ini sebenarnya telah banyak mempengaruhi segenap aspek kemajuan kehidupan moden kita pada hari ini. Rajah 1. Infografik berkenaan sejarah evolusi kaedah simulasi Monte Carlo Statistik, Hukum Nombor Besar dan Persampelan Rawak Secara teknikalnya, simulasi Monte Carlo merangkumi proses penjanaan sampel atau proses rawak untuk menyelesaikan masalah yang tidak dapat diselesaikan secara analitik atau tidak mempunyai penyelesaian bentuk-tertutup (closed-form solution). Walaupun terasnya adalah berpaksikan kepada konsep kerawakan, namun output yang dijana pada akhirnya bukanlah hanya satu tekaan yang melulu. Ini kerana, ilmu bidang statistik yang menekankan konsep Hukum Nombor Besar (Law of Large Numbers) merupakan sandaran penting yang menjamin keabsahan output yang dihasilkan oleh kaedah simulasi Monte Carlo ini. Berdasarkan Hukum Nombor Besar, jika suatu ujikaji diulang berkali-kali dalam bilangan yang sangat besar, purata bagi output yang terhasil secara prinsipnya akan menghampiri nilai sebenar. Keyakinan terhadap prinsip ini juga boleh dinilai menerusi konsep penumpuan yang membolehkan kita lebih yakin bahawa output yang terhasil sememangnya mencapai tahap ketepatan yang wajar. Selain itu, tiga “tiang seri” yang menjadi tonggak dalam simulasi Monte Carlo ialah: i) Pensampelan rawak: Hukum Nombor Besar menekankan berkenaan konsep “ulangan ujikaji”. Namun, dalam realiti sebenar, adalah mustahil untuk kita menjalankan ujikaji yang sama secara berulang kali dalam bilangan yang banyak. Oleh itu, apa yang dibuat oleh simulasi Monte Carlo ialah ianya mencuba untuk meniru “kelakuan” suatu sistem atau fenomena dan seterusnya menjana pensampelan rawak secara berulang kali dalam bilangan yang besar terhadap fenomena yang ditiru itu. ii) Anggaran: Sampel rawak yang dijana akan menggambarkan semua kemungkinan yang boleh terjadi dalam fenomena tertentu. Namun apa yang menjadi fokus utama adalah senario-senario yang paling kerap berlaku yang menggambarkan norma utama bagi fenomena tersebut. Di sini, anggaran terhadap sebarang formula atau ukuran-ukuran matematik/statistik yang dikaji boleh secara mudah dihitung menerusi sampel rawak