Anda di halaman 1dari 12

Simulasi Monte Carlo dikenal dengan intilah sampling

simulation atau Monte Carlo Samling Technique


Istilah Monte Carlo pertama digunakan selama masa
pengembangan bom atom yang merupakan nama
kode dari simulasi nuclear fission
Simulasi ini sering digunakan untuk evaluasi dampak
perubahan input dan resiko dalam pembuatan
keputusan
Simulasi ini menggunakan data sampling yang telah
ada (historical data) dan telah diketahui distribusi
datanya

1.

2.

3.

Apabila suatu persoalan sudah dapat diselesaikan


atau dihitung jawabannya secara matematis dengan
tuntas, maka hendaknya jangan menggunakan
simulasi ini
Apabila sebagaian persoalan tersebut dapat
diselesaikan secara analitis dengan baik, maka
penyelesaiannya lebih baik dilakukan secara
terpisah. Sebagian secara analitis dan sebagian lagi
simulasi
Apabila mungkin dapat digunakan simulasi
perbandingan

Sebuah toko sepatu


memperkirakan permintaan
sepatu per harinya menurut
pola distribusi sebagai
berikut :
No

permintaan/hari

frekuensi permintaan

4 pasang

5 pasang

10

6 pasang

15

7 pasang

30

8 pasang

25

9 pasang

15

Jumlah

100

Dari data masa lalu sudah dapat diperkirakan dengan


baik. Kemudian pengusaha toko ini hendak
memperkirakan pola permintaan untuk 10 hari bulan
berikutnya. Berapa kira-kira permintaan yang muncul?

1.

2.

Terlebih dahulu dibuat Imperical Data distribusinya,


yaitu : fungsi distribusi densitas, seperti pada tabel
sebelumnya
Distribusi permintaan ini diubah dalam bentuk fungsi
distribusi komulatif (DFK)
No

permintaan/hari

Distribusi densitas

DFK

4 pasang

0.05

0.05

5 pasang

0.1

0.15

6 pasang

0.15

0.3

7 pasang

0.3

0.6

8 pasang

0.25

0.85

9 pasang

0.15

Jumlah

3. Setiap permintaan tersebut, diberi angka penunjuk


batasan (Tag/Label number), disusun berdasarkan DFK
distribusi permintaan
No

permintaan/hari

Distribusi
densitas

DFK

Tag number

4 pasang

0.05

0.05

0.00 - 0.05

5 pasang

0.1

0.15

0.06 - 0.15

6 pasang

0.15

0.3

0.15 - 0.30

7 pasang

0.3

0.6

0.31 - 0.60

8 pasang

0.25

0.85

0.60 - 0.85

9 pasang

0.15

0.86 - 1.00

4. Lakukan penarikan random number, dengan salah


satu bentuk RNG, misal diperoleh 10 random number
sbb :
1. 0.5751 6. 0.2888
2. 0.1270 7. 0.9518
3. 0.7039 8. 0.7348
4. 0.3853 9. 0.1347
5. 0.9166 10. 0.9014
Dari random number ini diambil 2 angka dibelakang
koma dan dicocokkan dengan tag number. Hasilnya
adalah kesimpulan permintaan yang dibutuhkan

No

Hari Permintaan

Jumlah Pasangan

Penjelasan

7 pasang

II

5 pasang

Terdapat :

III

8 pasang

7 pasang (2)

IV

5 pasang (2)

8 pasang (2)

VI

6 pasang (2)

VII

9 pasang (2)

VIII

IX

10

Dalam suatu pabrik assembling, barang C


merupakan perpaduan barang A dan B
yang dibeli dari supplier. Dalam proses
produksinya, panjang barang A dan B
tidaklah sama panjang. Dinyatakan
dalam suatu tabel distribusi probabilitas
(panjang dalam cm)
Dari data akan dicari dan ditentukan
estimasi dari mean (rata-rata panjang)
dan varians

Panjang A

Panjang B

Panjang

Probabilitas

Panjang

Probabilitas

10

0.25

17

0.07

11

0.25

18

0.14

12

0.25

19

0.23

13

0.25

20

0.38

21

0.12

22

0.06

Cari DFK masing2 dan tag number masing-masing


Cari random number menggunakan RNG multiplier
Untuk barang A: m=19, a=7, x awal=1
Untuk barang B: m=17, a=7, x awal=3
Sesuaikan dengan tag number, cari kemungkinan
munculnya panjang A dan B
Cari total panjang barang C untuk masing2
kemungkinan
Cari nilai2 yang dibutuhkan u/ mencari mean dan
varians

Anda mungkin juga menyukai