Keacakan Data

Algoritma dalam pembuatan PiQi Plot adalah sebagai berikut :
1. Memulai perintah pemrograman.
2. Mengurutkan data bangkitan
3. Menentukan nilai Pi.
4. Menentukan nilai Qi
5. Membuat scatterplot antara nilai Qi dengan X(1).
6. Perintah pemrograman selesai.

Minal Aidzin Wal Faidzin

MTV bilang kalo mo minta maap g ush nunggu lebaran.
Org bijak blg kerennya kalo mnt maap duluanUst.
Jefri blg org cakep mnt maap gk prl disuruh.
Kyai blg org jujur ga perlu malu utk minta maap.
Jd krn mrs anak nongkrong yg jujur, keren cakep dan baekya gw ngucapin minal aidzin wal faizin , mohon maaf lahir dan batin ..

Met Lebaran all

Faith makes all things possible.
Hope makes all things work.
Love makes all things beautiful.
May you have all of the three.
Happy Iedul Fitri.”

Pengantar

Assalammualaikum Wr Wb
Nama : Karlinarachmasita
Nrp : 1307 100 042

Kali ini membahas mengenai pembangkitan bilangan acak pseudo-random generation. Silahkan dilihat hasil postingan saya.


Wassalam;

Tugas Buat function dari masing-masing distribusi

1. Uniform (a,b)
Fungsi Distribusi Uniform
Function Uniform (a,b : double) : double;
Var u : double;
Begin
u := random;
Uniform := (b-a) * u + a;
End;

2. eksponential
Function Eksponensial (beta : double) : double;
Var u : double;
Begin
u := random;
Eksponensial := -beta * ln(u);
End;

3. normal
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. 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. weibul
Function Weibull (alfa,beta: double) : double;
Var u,z : double;
Begin
u := random;
z := -ln(u);
Weibull := beta * exp (ln(z)/alfa);
End;

6. t-student
function tdistribution(m:integer):double;

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.

Kuliah Teknik Simulasi untuk minggu ke-3

Pembangkitan Bilangan Acak

Pseudo-Random Generation

Random yang semu

Karena barisan bilangan random dihasilkan bilangan suatu rumus :

x_n = ax_n-1 Modulo M

Misal :

a = 2, M = 5, x_o = 3

x₁ = 2(3) modulo 5 = 1

x₂ = 2(1) modulo 5 = 2

x₃ = 2(2) modulo 5 = 4

x₄ = 2(4) modulo 5 = 3

Bilangan Biner :

I = 1

II = 3

III = 7

Rumus untuk pseudo-random dapat diberikan seperti:

x_n = ax_n-1 Modulo M

x ~ u(a,b)

function uniform (a,b:real):real;

begin

uniform:=a+(b-a)x random;

end;

invers transform

F(x)= u, u ~ u(0,1)

x =...?

u ~ u(0,1)

f(x) = 1 - e^-x

F(x) = u

1 - e^-x = u

e^-x = 1 – u

Perintah ln di dalam Pascal

Function expo (mean:real):real;

Begin

expo = -loge(random)*mean;

end;

jika merandom data pada distribusi uniform dengan bantuan software minitab :

MTB > Random 1000 c1;

SUBC > Uniform 0,0 1,0.

MTB > Random 1000 c2;

SUBC > Uniform 0,0 1,0.

MTB > Plot c1*c2;

SUBC > symbol.

untuk lebih lengkapnya saya tampilkan dalam bentuk download mengenai distribusi uniform, eksponensial, dan normal. silahkan klik di sini :

http://rapidshare.com/files/279287706/Beberapa_Distribusi_Khusus.doc.html

My friend'z Blog

http://simulasi-niezz.blogspot.com/

http://sindyfebriantika.blogspot.com/

http://dhina-oktaviana.blogspot.com/

http://tantycitrasari.blogspot.com/

http://geovaniyeonisza.blogspot.com/

Link yang tersedia

Anda bisa lihat link yang tersedia di sini mengenai pembangkitan bilangan acak dan bilangan biner pada waktu kuliah simulasi minngu ke-3:
http://www.its.ac.id/
http://www.google.co.id/
https://www.blogger.com/start
http://www.google.co.id/#hl=id&q=function+dari+distribusi+uniform&meta=&fp=ead79af733d7a7f8
http://id.wikipedia.org/wiki/Sistem_bilangan_biner
http://www.google.co.id/#hl=id&q=bilangan+biner&meta=&fp=ead79af733d7a7f8

Download File

http://rapidshare.com/files/279054719/Beberapa_Distribusi_Khusus.doc.html
http://rapidshare.com/files/279060370/Pembangkit_Bilangan_Acak_Semu.doc.html
http://rapidshare.com/files/279060829/Jenis_PRNG_yang_dibahas_disini_adalah_Linear_Congruential_Generator.doc.html

Beberapa Distribusi Khusus

Beberapa Distribusi Khusus

Distribusi Uniform

• Distribusi uniform sering digunakan jika tdk diketahui ‘pengetahuan awal’ dari pdf dan semua harga dlm range kelihatannya ‘equally likely’

Mean dan Variance dari Distribusi Uniform

Ilustrasi Distribusi Uniform

Distribusi Eksponensial

Properti yg paling penting adalah “memoryless”

Mean dan Variance Distribusi Eksponensial

Distribusi Eksponensial

Distribusi Normal (Gaussian)

Mean dan Variance Distribusi Normal (Gaussian)

mX = E(X) = m

sX2 = Var(X) = s2

Distribusi Normal (Gaussian)

SISTEM BILANGAN BINER

SISTEM BILANGAN BINER

Sistem bilangan biner merupakan sistem bilangan dengan basis 2. Sistem bilangan biner menggunakan dua buah simbol yaitu : 0 dan 1. Contoh bilangan biner adalah 1001 yang dapat diartikan dalam sistem bilangan desimal menjadi sebagai berikut :
Position value dalam sistem bilangan biner merupakan perpangkatan dari nilai 2.
Nilai desimal dari sistem bilangan biner juga dapat dicari menggunakan rumus dibawah ini.
Pertambahan Bilangan BINER
Pertambahan pada sistem bilangan biner dilakukan dengan cara yang sama dengan pertambahan pada sistem bilangan desimal. Dasar dari pertambahan sistem bilangan biner dapat dilihat pada gambar dibawah ini.

Pengurangan Bilangan BINER
Pengurangan pada sistem bilangan BINER dilakukan dengan cara yang sama dengan pengurangan sistem bilangan desimal. Dasar dari pengurangan sistem bilangan BINER dapat dilihat pada gambar dibawah ini.

Contoh pengurangan bilangan biner:
Pengurangan bilangan biner juga dapat dilakukan dengan menggunakan Komplemen. Terdapat dua macam komplemen pada sistem bilangan biner yaitu : Komplemen 1 (1s complement) dan Komplemen 2 (2s complement).
Contoh pengurangan bilangan biner menggunakan komplemen 1 :

Komplemen 1 pada sistem bilangan biner dilakukan dengan mengurangkan setiap bit dengan nilai 1, atau dengan cara mengubah setiap bit 0 menjadi 1 dan setiap bit 1 menjadi 0. Dengan komplemen 1, hasil digit paling kiri dipindahkan untuk ditambahkan pada bit paling kanan.

Komplemen 2 adalah hasil dari komplemen 1 ditambah 1, misalnya komplemen 2 dari bilangan BINER 10110 adalah 01010 (dari komplemen 1 yaitu 01001 ditambah 1). Dengan menggunakan komplemen 2, hasil digit paling kanan dibuang, tidak digunakan.

Perkalian Bilangan BINER

Perkalian bilangan biner dilakukan dengan cara yang sama dengan perkalian pada sistem bilangan desimal.
Perhatikan, ada dua keadaan dalam perkalian bilangan biner, jika pengali adalah bilangan 1 maka cukup disalin saja, jika pengali adalah bilangan 0 maka hasilnya semuanya 0.

Pembagian Bilangan Biner
Pembagian bilangan biner juga dilakukan dengan cara yang sama dengan pembagian bilangan desimal. Pembagian dengan 0 tidak mempunyai arti, sehingga dasar untuk pembagian menjadi seperti dibawah ini.

Sistem bilangan biner

Dari Wikipedia bahasa Indonesia, ensiklopedia bebas

Langsung ke: navigasi, cari

Sistem bilangan biner atau sistem bilangan basis dua adalah sebuah sistem penulisan angka dengan menggunakan dua simbol yaitu 0 dan 1. Sistem bilangan biner modern ditemukan oleh Gottfried Wilhelm Leibniz pada abad ke-17. Sistem bilangan ini merupakan dasar dari semua sistem bilangan berbasis digital. Dari sistem biner, kita dapat mengkonversinya ke sistem bilangan Oktal atau Hexadesimal. Sistem ini juga dapat kita sebut dengan istilah bit, atau Binary Digit. Pengelompokan biner dalam komputer selalu berjumlah 8, dengan istilah 1 Byte. Dalam istilah komputer, 1 Byte = 8 bit. Kode-kode rancang bangun komputer, seperti ASCII, American Standard Code for Information Interchange menggunakan sistem peng-kode-an 1 Byte.

Bilangan desimal yang dinyatakan sebagai bilangan biner akan berbentuk sebagai berikut:

Desimal	Biner (8 bit)
0	0000 0000
1	0000 0001
2	0000 0010
3	0000 0011
4	0000 0100
5	0000 0101
6	0000 0110
7	0000 0111
8	0000 1000
9	0000 1001
10	0000 1010
11	0000 1011
12	0000 1100
13	0000 1101
14	0000 1110
15	0000 1111
16	0001 0000

2⁰=1

2¹=2

2²=4

2³=8

2⁴=16

2⁵=32

2⁶=64

dst

contoh: mengubah bilangan desimal menjadi biner

desimal = 10.

berdasarkan referensi diatas yang mendekati bilangan 10 adalah 8 (2³), selanjutnya hasil pengurangan 10-8 = 2 (2¹). sehingga dapat dijabarkan seperti berikut

10 = (1 x 2³) + (0 x 2²) + (1 x 2¹) + (0 x 2⁰).

dari perhitungan di atas bilangan biner dari 10 adalah 1010

dapat juga dengan cara lain yaitu 10 : 2 = 5 sisa 0 (0 akan menjadi angka terakhir dalam bilangan biner), 5(hasil pembagian pertama) : 2 = 2 sisa 1 (1 akan menjadi angka kedua terakhir dalam bilangan biner), 2(hasil pembagian kedua): 2 = 1 sisa 0(0 akan menjadi angka ketiga terakhir dalam bilangan biner), 1 (hasil pembagian ketiga): 2 = 0 sisa 1 (0 akan menjadi angka pertama dalam bilangan biner) karena hasil bagi sudah 0 atau habis, sehingga bilangan biner dari 10 = 1010

atau dengan cara yang singkat 10:2=5(0),5:2=2(1),2:2=1(0),1:2=0(1)sisa hasil bagi dibaca dari belakang menjadi 1010

Blum Blum Shut (BBS)

• CSPRNG yang paling sederhana dan paling mangkus (secara kompleksitas teoritis).
• BBS dibuat pada tahun 1986 oleh Lenore Blum, Manuel Blum, dan Michael Shub.
• Berbasis teori bilangan

Algoritma:

• Pilih dua buah bilangan prima rahasia, p dan q, yang masing-masing kongruen dengan 3 modulo 4.
• Kalikan keduanya menjadi n = pq. Bilangan m ini disebut bilangan bulat Blum
• Pilih bilangan bulat acak lain, s, sebagai umpan sedemikian sehingga:

(i) 2 £ s < n

(ii) s dan n relatif prima

kemudian hitung x⁰ = s² mod n

• Barisan bit acak dihasilkan dengan melakukan iterasi berikut sepanjang yang diinginkan:
• (i) Hitung xⁱ = x^{i – 1 2} mod n
• (ii) zⁱ = bit LSB (Least Significant Bit) dari xⁱ

Barisan bit acak adalah z¹, z², z³, …

• Bilangan acak tidak harus 1 bit LSB tetapi bisa juga j buah bit (j adalah bilangan bulat positif yang tidak melebihi log²(log² n)) ).

• Perhatikan contoh berikut:

• Keamanan BBS terletak pada sulitnya memfaktorkan n. Nilai n tidak perlu rahasia dan dapat diumumkan kepada publik.

• BBS tidak dapat diprediksi dari arah kiri (unpredictable to the left) dan tidak dapat diprediksi dari arah kanan (unpredictable to the kanan),

• artinya jika diberikan barisan bit yang dihasilkan oleh BBS, kriptanalis tidak dapat memprediksi barisan bit sebelumnya dan barsian nit sesudahnya

CSPRNG Berbasis RSA

• Pilih dua buah bilangan prima rahasia, p dan q, dan bilangan bulat e yang relatif prima dengan (p – 1)(q – 1)
• Kalikan keduanya menjadi n = pq
• Pilih bilangan bulat acak lain, s, sebagai x⁰ yang dalam hal ini 2 £ s £ n
• Barisan bit acak dihasilkan dengan melakukan iterasi berikut sepanjang yang diinginkan:

a. Hitung xⁱ = x^{i – 1 e} mod n degan x⁰ = s.

b. zⁱ = bit LSB (Least Significant Bit) dari xⁱ

5. Barisan bit acak adalah z¹, z², z³, …

Jenis PRNG yang dibahas disini adalah Linear Congruential Generator (LCG)

Jenis PRNG yang dibahas disini adalah Linear Congruential Generator (LCG) . LCG merupakan jenis PRNGs yang banyak digunakan dalam aplikasi komputer modern. LCG ditemukan oleh D.H Lehmer. Tak lama sesudah itu, banyak programmer yang menggunakan metode LCG tersebut untuk menghasilkan bilangan yang tampak random (pseudorandom number) dalam jumlah besar dan waktu yang cepat. Programmer pada saat itu hanya membutuhkan kecepatan pembangkitan bilangan random saja, tanpa memperhatikan kerandoman bilangan tersebut secara statistika. Karena itu, ada banyak generator LCG yang gagal melalui pengujian kerandoman statistika. Linear Congruent Method banyak dipakai untuk mengbangkitkan bilangan acak Y1, Y2, Y3…, Yn yang bernilai [0,m] dengan memanfaatkan nilai sebelumnya. Untuk membangkitkan bilangan acak ke-n+1 (Yn+1) dengan LCM, didapat definisi: I(n+1) =(aI(n)+c) mod m

Keterangan:

I(n+1) = bilangan random baru yang dihasilkan

In = nilai awal atau nilai sebelumnya

a = parameter

c = parameter

m = parameter dengan a, c dan m sebagai nilai pembangkit dan I0 sebagai nilai awal

Di dalam buku teks statistik klasik, angka-angka acak diciptakan dengan mengambil bola yang dinomori ke luar dari suatu kotak yang berisi sejumlah bola bernomor yang diketahui jumlahnya. Jika jumlah bola yang ada didalam kotak jumlahnya sedikit, maka hal tersebut masih mungkin dilakukan. Tetapi jika jumlah bolanya dalam jumlah yang sangat besar, maka hal tersebut akan susah dan tidak efektif dilakukan. Terlepas dari hal itu, ada isu yang lain yang meragukan bahwa mengambil bola bernomor dari suatu kotak besar merupakan suatu proses acak dengan kesempatan sama untuk semua bola. Karena hal tersebut dan pertimbangan lainnya, maka dilakukan komputerisasi generator bilangan random/acak. Sesungguhnya, bahasa pemrograman tingkat tinggi menawarkan sedikitnya satu format dari generator bilangan random. Pembuatan angkaangka yang acak bukan merupakan hal yang mudah, karena komputer adalah suatu mesin deterministik. Karena itulah mustahil untuk membuat angka-angka acak/bilangan yang benar-benar random tanpa adanya perangkat keras tambahan.

True random number secara definisi tidak dapat terprediksi. TRNG dilakukan dengan melakukan sampling entropi sumber dari alam dan memprosesnya melalui komputer. Misalnya adalah bilangan random yang dihasilkan oleh Random.org dan Laverand.sgi.com. Random.org menggunakan atmospheric noise dari radio dan Lavarand.sgi.com menggunakan Lava Lite® lamps sebagai entropi sumber. Entropi sumber yang lain yang cukup bagus adalah radioaktivitas yang juga digunakan oleh Fourmilab di Swiss untuk membangkitkan true random number. Pseudorandom Number Generator (PNRG) atau dalam bahasa indonesia Pembangkit bilangan acak semu adalah sebuah algoritma yang membangkitkan sebuah deret bilangan yang tidak benar-benar acak. Keluaran dari pembangkit bilangan acak semu hanya mendekati beberapa dari sifat-sifat yang dimiliki bilangan acak. Walaupun bilangan yang benar-benar acak hanya dapat dibangkitkan oleh perangkat keras pembangkit bilangan acak, bukannya oleh perangkat lunak komputer, akan tetapi bilangan acak semu banyak digunakan dalam beberapa seperti untuk simulasi dalam ilmu fisika, matematika, biologi dan sebagainya, dan juga merupakan hal yang sangat penting dalam dunia kriptografi

Pembangkitan Bilangan Acak PSEUDO-RANDOM GENERATION

Pembangkit Bilangan Acak Semu

• Bilangan acak: bilangan yang tidak dapat diprediksi
• Bilangan acak (random) banyak digunakan di dalam kriptografi
• Misalnya untuk pembangkitan parameter kunci pada algoritma kunci-publik, pembangkitan initialization vector (IV) pada algoritma kunci-simetri, dan sebagainya.
• Tidak ada komputasi yang benar-benar menghasilkan deret bilangan acak secara sempurna.
• Bilangan acak yang dihasilkan dengan rumus-rumus matematika adalah bilangan acak semu (pseudo), karena pembangkitan bilangannya dapat diulang kembali.
• Pembangkit deret bilangan acak semacam itu disebut pseudo-random number generator (PRNG)

Linear Congruential Generator (LCG)

• Pembangkit bilangan acak kongruen-lanjar (linear congruential generator atau LCG ) adalah PRNG yang berbentuk:

Xⁿ = (aX^{n – 1} + b) mod m

Xⁿ = bilangan acak ke-n dari deretnya

X^{n – 1} = bilangan acak sebelumnya

a = faktor pengali

b = increment

m = modulus

Kunci pembangkit adalah X⁰ yang disebut umpan (seed).

• LCG mempunyai periode tidak lebih besar dari m, dan pada kebanyakan kasus periodenya kurang dari itu.

• LCG mempunyai periode penuh (m – 1) jika memenuhi syarat berikut:
• b relatif prima terhadap m.
• a – 1 dapat dibagi dengan semua faktor prima dari m
• a – 1 adalah kelipatan 4 jika m adalah kelipatan 4
• m > maks(a, b, x⁰)
• a > 0, b > 0

• Keunggulan LCG terletak pada kecepatannya dan hanya membutuhkan sedikit operasi bit.

• Sayangnya, LCG tidak dapat digunakan untuk kriptografi karena bilangan acaknya dapat diprediksi urutan kemunculannya.

• Oleh karena itu LCG tidak aman digunakan untuk kriptografi. Namun demikian, LCG tetap berguna untuk aplikasi non-kriptografi seperti simulasi, sebab LCG mangkus dan memperlihatkan sifat statistik yang bagus dan sangat tepat untuk uji-uji empirik

Pembangkit Bilangan Acak yang Aman untuk Kriptografi

• Pembangkit bilangan acak yang cocok untuk kriptografi dinamakan cryptographically secure pseudorandom generator (CSPRNG).

• Persyaratan CSPRNG adalah:
• Secara statistik ia mempunyai sifat-sifat yang bagus (yaitu lolos uji keacakan statistik).
• Tahan terhadap serangan (attack) yang serius. Serangan ini bertujuan untuk memprediksi bilangan acak yang dihasilkan.

alamat mengenai journal autokorelasi

http://en.wikipedia.org/wiki/Autocorrelation

http://www.duke.edu/~rnau/testing.htm

http://www.xycoon.com/autocorrelation.htm

http://74.125.153.132/search?q=cache:dq-gMQpze3wJ:homepages.uel.ac.uk/D.A.C.Boyd/FE2007%2520Autocorrelation.doc+autocorrelation+in+regression&cd=7&hl=id&ct=clnk&gl=id

http://www.bearcave.com/misl/misl_tech/wavelets/stat/index.html

http://www.google.com/books?hl=id&lr=&id=JxMj3UcSc_EC&oi=fnd&pg=PA237&dq=autocorrelation+in+econometrics&ots=ASR_UAHB3b&sig=5htf5-hr0S_Mk6VeRGzPwUSPbbc#v=onepage&q=autocorrelation%20in%20econometrics&f=false

http://www.jstor.org/pss/2938229

Teknik Simulasi untuk pertemuan ke-2

Assalammualaikum Wr Wb
Nama : Karlinarachmasita
Nrp : 1307 100 042

Kali ini membahas mengenai contoh simulasi sederhana yaitu mencari pendekatan nilai pi, dan mencari pendekatan nilai variansi. Silahkan dilihat hasil postingan saya.


Wassalam;

Download file

http://rapidshare.com/files/275992360/Pengenalan_Komputer_Proses_transformasi_data_berbantukan_komputer.doc.html
http://rapidshare.com/files/275998564/Simulasi_Jaringan_berbasis_paket_dengan_mempergunakan_simulator_OPNET.doc.html

Link yang tersedia

Mengenai simulasi??Silakan liat _@@_
http://www.its.ac.id/
http://www.google.co.id/
https://www.blogger.com/start
http://zawa.blogsome.com/?s=indonesia+2009&paged=2
http://ibnuhajar.blog.friendster.com/materi-kuliah/
http://rovicky.wordpress.com/2008/02/24/simulasi-komputer-gempa-dan-tsunami-di-padang/
http://te.ugm.ac.id/~risanuri/v01/?p=66
http://sutanto.staff.uns.ac.id/2008/09/20/budaya-antri-dan-teori-antrian/
http://www.itpin.com/blog/index.php?s=komponen&paged=4
http://www.telkomrdc-media.com/index.php?ch=8&lang=s=f79d6458b43ea08dcf8348425307cbec&n=265&page=5s=f79d6458b43ea08dcf8348425307cbec&n=265&page=5

Model Tsunami Hasil Simulasi Komputer

Dibawah ini model tsunami hasil simulasi komputer itu. Dibawah ini perkiraan terbnaik yang dapat dilakukan dengan data, asumsi, serta metode yang ada. Tentusaja kalau ada perbedaan data, perbedaan asumsi, mapun metode, akan menghasilkan model simulasi komputer yang berbeda. Tentusaja model tsunami ini harus selalu diperbaharui sesuai dengan perubahan-perubahan dari data serta perkembangan ilmu pengetahuan.

Jadi dapat dipelajari bahwa seandainya terjadi tsunami di Padang dan Bengkulu, maka kemungkinan besarnya Magnitude gempa akan >M8. Skali lagi bisa juga yang terjadi gempa kecil-kecil, seperti di Bengkulu waktu itu. Dan besarnya tinggi gelombang tsunami akan kurang dari5m. Walaupun tinggi gelombang tsunami diatas 5m bisa saja terjadi dibeberapa tempat. Dengan demikian kalau saja ini membuat tembok penghalang tsunami perlu memperkirakan ketahanan terhadap getaran gempa serta gempuran gelombang tsunami ini.