Simulasi Monte Carlo

Simulasi Monte Carlo

Simulasi monte carlo melibatkan penggunaan
angka acak untuk memodelkan sistem, dimana
waktu tidak memegang peranan yang substantif
(model statis)
Pembangkitan data buatan (artificial data) dengan
menggunakan pembangkit angka acak (pseudo
random numbers generator) dan sebaran komulatif
yang menjadi interes

Simulasi Monte Carlo

Pembangkit Angka Acak
Membangkitkan peubah acak (random variable) yang
menyebar uniform pada interval 0 sampai 1 (U(0,1),
contohnya adalah fungsi rand() pada excel)
Adalah tidak mungkin membangkitkan angka acak yang
sebenarnya (truly random numbers) dengan suatu
algoritma komputer

Simulasi Monte Carlo

Angka acak U(0,1) ini, kemudian ditransformasikan
sehingga akan mengikuti suatu sebaran peluang
yang diinginkan
Uniform (a,b)
Normal (, )
Simetrik Triangular (a,b)

Langkah-langkah metode
Monte Carlo
Mendefinisikan distribusi probabilitas dati data
masa lalu atau dari distribusi teoritis.
Mengkonversikan distribusi kedalam frekuensi
kumulatif
Melakukan simulasi dengan bilangan acak
Menganalisa keluaran simulasi

Contoh 1 - Nilai Investasi

Anda merencanakan untuk menginvestasikan Rp.150
juta dana yang anda miliki, dan tersedia tiga instrumen
investasi yang dapat dipilih
Tingkat pengembalian masing-masing instrumen
investasi ini merupakan peubah acak (berturut-turut
RL, RM dan RH) dan sebaran masing-masing peubah
acak tersebut diberikan oleh tabel 1
Gunakan simulasi monte carlo untuk menentukan
distribusi nilai investasi setelah akhir satu tahun,
berdasarkan alokasi dana awal yang telah ditentukan

Contoh 1 - Nilai Investasi

Tabel 1
Pilihan Investasi

Sebaran tingkat
pengembalian (%)

Risiko rendah

RL ~ Normal (3,1)

Risiko sedang
Risiko tinggi

RM ~ Normal (5,5)
RH ~ Normal (10,15)

Setelah satu tahun nilai investasinya diberikan oleh rumus berikut

V = SL(1+RL) + SM(1+RM) + SH(1+RH)

Contoh 2 : Pendugaan Keuntungan

Suatu perusahaan bermaksud memproduksi dan
menjual produk baru dibawah pasar yang bersaing
sempurna
Total keuntungan diberikan oleh persamaan berikut ini
TP = (Q x P) (Q x V + F)
Dimana

Q adalah banyaknya unit yang terjual

V adalah biaya variabel per unit
P adalah harga jual per unit
F adalah biaya tetap untuk memproduksi produk itu

Contoh 2 : PendugaanKeuntungan
Pada produk ini, Q, P dan V merupakan peubah acak
dengan sebaran peluang berikut:
Q ~ Uniform (80.000, 120.000)
P ~ Normal (22, 5)
V ~ Normal (12, 8)

F diduga besarnya adalah 300.000

Gunakan simulasi monte carlo untuk menentukan
sebaran total keuntungan dari produk yang
direncanakan tersebut

Contoh 3- simulasi monte carlo

dengan sebaran empiris
Toko roti X memesan sejumlah roti setiap hari;
disimpan dalam persediaan
Toko itu bermaksud menentukan berapa banyak roti
yang harus dipesan setiap hari, agar keuntungannya
maksimal
Diasumsikan bahwa semua roti yang tidak terjual
pada hari itu tidak dapat dijual kembali pada hari
berikutnya, dan dihitung sebagai kerugian

Contoh 3
Toko X mengumpulkan data harian permintaan
rotinya selama 100 hari, dan frekuensi
permintaannya sebagai berikut:
Permintaan
(roti)

Nilai Tengah

Frekuensi

20 24

22

25 29

27

10

30 34

32

20

35 39

37

30

40 44

42

20

45 49

47

10

50 54

52

Contoh 3

Ada dua skenario yang ingin dievaluasi, yang mana

yang akan memberikan keuntungan maksimal
1. Memesan sejumlah roti sama dengan permintaan pada
hari sebelumnya
2. Memesan 37 roti setiap hari tanpa memandang
permintaan yang lalu

Misalkan roti dijual Rp.500,- per buah dan harga

pembelian dari pabrik adalah Rp.250,- per buah
Manakah skenario yang memberikan keuntungan
maksimal berdasarkan 15 hari simulasi

Contoh 3
Penyelesaian
Berdasarkan tabel sebaran frekuensi yang diperoleh
sebelumnya, dibuat tabel rentang angka acak. Lebar
rentang angka acak didasarkan pada frekuensi relatif
tiap permintaan
Titik tengah (midpoint) permintaan mewakili nilai
permintaan yang akan dibangkitkan. Hasilnya
ditunjukkan oleh Tabel 3.

Contoh 3
Tabel 3
Nilai Tengah
permintaan

Frek

df

Rentang
angka acak

22

0,05

0 - 0,049

27

10

0,10

0,05 - 0,149

32

20

0,20

0,15 - 0,349

37

30

0,30

0,35 0,649

42

20

0,20

0,65 0,849

47

10

0,10

0,85 0,949

52

0,05

0,95 1,000

Angka acak 0,173 akan bersesuaian dengan permintaan 32 roti, dan seterusnya.

Contoh 3
Bangkitkan 15 buah angka acak, bersesuaian
dengan 15 hari simulasi (dapat menggunakan
calculator, sehingga diperoleh angka acak dengan
tiga digit dibelakang koma)
Misalkan angka acak yang diperoleh (anda mungkin
akan mendapatkan angka-angka acak yang
berbeda) adalah:
0,272 0,433 0,851 0,882 0,298 0,697 0,940
0,639 0,323 0,488 0,136 0,139 0,544 0,152
0,475

Contoh 3
Skenario 1
Hari

Angka
Acak
0

Permintaan

Jumlah
pesanan

Penjualan

Skenario 2
Jumlah
pesanan

Penjualan

37

0,272

32

37

32

37

32

0,433

37

32

32

37

37

0,851

47

37

37

37

37

0,882

47

47

47

37

37

0,298

32

47

32

37

32

0,697

42

32

32

37

37

0,940

47

42

42

37

37

0,639

37

47

37

37

37

0,323

32

37

32

37

32

10

0,488

37

32

32

37

37

11

0,136

27

37

27

37

27

12

0,139

27

27

27

37

27

13

0,544

37

27

27

37

37

14

0152

32

37

32

37

32

15

0,475

37

32

32

37

37

Jumlah =>

587

550

500

555

515

Contoh 3
Pada simulasi ini permintaan merupakan peubah
acak yang nilai-nilainya dibangkitkan (data artifisial)
Penjualan = minimum nilai permintaan dan
pemesanan.
Skenario 1:
Keuntungan = 500 (500) 250 (550) = Rp.112.500

Skenario 2:
Keuntungan = 500 (515) 250 (555) = Rp.118.750

APLIKASI SIMULASI MONTE

CARLO

Contoh:
Sebuah perusahaan permen coklat memberikan penawaran
khusus pada event-event spesial seperti hari valentine. Untuk
keperluan tersebut perusahaan memesan paket spesial dari
supplier berupa coklat massacre. Coklat jenis ini dibeli dengan
harga $7.5/unit dan dijual $12/unit. Jika tidak terjual pada
tanggal 14 Februari, maka produk ini akan dijual dengan harga
50% dari harga semula.
Perusahaan ini mengalami dilema dalam menentukan berapa
kotak yang harus dipesan supaya menghasilkan keuntungan
(profit) maksimum.
Jika diasumsikan demand berfluktuasi antara 40, 50, 60,70,80,
90 unit dan perusahaan memutuskan untuk memesan
sebanyak 60 unit, maka tentukan profit yang akan didapat
perusahaan.

Penyelesaian
1. Tentukan komponen-komponen sistem yang
significant. Beberapa diantaranya yaitu:
Demand (kebutuhan) D.
Variabel ini merupakan variabel yang tidak dapat
dikontrol (uncontrollable)
Pesanan Q.
Variabel ini merupakan variabel yang memerlukan
keputusan (decision variabel).
Profit merupakan variabel tidak bebas (dependent
variabel).

2. Tentukan hubungan antar komponen sistem. Dalam

menentukan hubungan harus benar-benar dipelajari
bagaimana mekanisme sistemnya. Pada sistem ini
terdapat dua kondisi yaitu:
a. Kondisi dimana demand < pesanan (D < Q)
Pada kondisi ini hubungan antar variabel
dapat
dirumuskan sebagai berikut:
Profit = 12D 7.5 Q + 6 (Q-D)
b. Kondisi dimana demand > pesanan (D >= Q)
Pada kondisi ini hubungan antar variabel dapat
dirumuskan sebagai berikut:
Profit = (12 7.5) Q

3. Tentukan jumlah trial yang diinginkan.

4. Buat kemungkinan demand untuk tiap trial.
5. Hitung Profit untuk tiap trial.
Contoh perhitungan profit untuk D = 40 unit dan Q =
60 unit.
Profit = 12D - 7.5 Q + 6(Q-D)
= 12(40) - 7.5(60) + 6(60-40)
= $ 150

Silakan hitung profit untuk tiap trial pada tabel

berikut:
Trial

Demand

80

60

50

70

40

60

80

90

50

10

60
Rata-rata

Profit ($)

Hasil perhitungan profit untuk tiap trial dapat dilihat

pada tabel berikut:
Trial

Demand

Profit ($)

80

270

60

270

50

210

70

270

40

150

60

270

80

270

90

270

50

210

10

60

270

Rata-rata

246

6. Buat distribusi frekuensi dari setiap probabilitas

profit

Profit ($)
150
210
270

Probabilitas
0.1
0.2
0.7

Frekuensi
1
2
7

7. Buat grafik fungsi frekuensi profit

8
7
6
5
$150

$210

$270

2
1
0
PROFIT

 Untuk mendapatkan solusi terbaik, kita harus

melakukan eksperimen dengan menggunakan
order quantity 40, 50, 60, 70 dan 90.
Hitung average profit untuk tiap order quantity
yang berbeda.
Cari yang memberikan keuntungan paling besar

Order
Quantity
Average
Profit ($)

40

50

60

70

80

90