.

SIMULASI MONTE CARLO (SMC)

Simulasi Monte Carlo merupakan suatu pendekatan untuk membentuk kembali distribusi
peluang yang didasarkan pada pilihan atau pengadaan bilangan acak (random).
Istilah Monte Carlo sering dianggap sama dengan simulasi probabilistik. Namun
Monte Carlo Sampling secara lebih tegas berarti teknik memilih angka secara acak dari
distribusi probabilitas untuk menjalankan simulasi.
Lima langkah dalam melakukan simulasi Monte Carlo yaitu:
1. Menetapkan/menentukan distribusi probabilitas untuk variabel-variabel penting
2. Menghitung distribusi kumulatif untuk tiap-tiap variabel pada langkah 1.
3. Menetapkan suatu interval dari angka acak (random numbers) untuk masing-
masing variabel
4. Bebtuk atau pilih bilangan acak (generating random numbers)
5. Nyatakan barisan simulasi dari beberapa percobaan-percobaan.

Ilustrasi simulasi Monte Carlo dari 5 langkah diatas di deskripsikan pada contoh
berikut ini.
Manajer IBM Indonesia sedang memutuskan berapa jumlah Laptop
yang harus dipesan setiap minggu. Salah satu pertimbangan utama
dalam keputusan utama manajer tersebut adalah jumlah permintaan
setiap minggunya. Laptop dijual dengan harga Rp 12.500.000,00.
jumlah permintaan Laptop merupakan variabel acak (yang dianggap
sebagai X) yang berkisar mulai dari 0 sampai 4 setiap minggu.
Dari catatan yang tersedia, manajer telah menetapkan frekuensi
permintaan Laptop untuk 100 minggu terakhir dan data itu adalah
sebagai berikut:
Tabel 1
Permintaan laptop Per Minggu Frekuensi Permintaan
0 20
1 40
2 20
3 10
4 10
Jumlah 100
Lima langkah simulasi Monte Carlo untuk mengetahui permintaan rata-rata Laptop per
minggu dan pendapatan rata-rata PT IBM Indonesia, adalah sebagai berikut:
Langkah 1: Menetapkan distribusi probabilitas
Tabel 2
Permintaan laptop Frekuensi Distribusi Probabilitas
Per Minggu Permintaan permintaan, p(x)
0 20 20/100 = 0,20
1 40 40/100 =0,40
2 20 20/100 = 0,20
3 10 10/100 = 0,10
4 10 10/100 = 0,10
Jumlah 100 1,00
Langkah 2: Menghitung distribusi kumulatif
Tabel 3
Permintaan laptop Distribusi Probabilitas Distribusi kumulatif
Per Minggu permintaan, p(x) Probabilitas
0 0,20 0,20
1 0,40 0,60
2 0,20 0,80
3 0,10 0,90
4 0,10 1,00
Jumlah 1,00

Langkah 3: Menetapkan suatu interval dari angka acak (random numbers) untuk masing-
masing variabel. Pada langkah 2 kita menyusun probabilitas kumulatif,
kemudian kita tandai jumlah yang menunjukan kemungkinan nilai-nilai atau
hasil. Hal ini yang sering di sebut interval angka acak (random number
intervasl). Pada dasarnya angka acak adalah urutan angka atau digit (katakan
digit dari 00,01,02,…..,97,98,99) digit 100, dimulai dari 00 sampai 99. Karena
sangat kompleknya membentuk angka acak maka pembentukan angka acak
sebaiknya dengan menggunakan perhitungan komputer. Angka acak yang
dihasilkan komputer memiliki kesempatan yang sama antara satu dengan yang
 lainnya sehingga kemungkinan terjadinya suatu angka acak adalah sama (equal
likely to accur). Angka acak dari perhitungan komputer bisa juga disebut dengan
tabel angka acak (random numbers table). Daftar angka acak (random numbers)
dapat dilihat pada tabel 17.1 pada lapiran modul ini.
Karena tabel angka acak yang memiliki dua digit (100 angka) terdiri
00, 01, 02, 03,….,97, 98, 99, maka untuk probalitas 20% pertama adalah interval
00-19 (memuat 20 angka terdiri dari 0,1,2,…..17,18,19), 60% kedua memuat
interval 20-59 (memuat 40 angka terdiri dari 20, 21, 22,……,59, berdasarkan
distribusi kumulatif probabilitas P(x) pada langkah 2) begitu seterusnya hingga
kumulatif probabilitas 100%.
Ringkasan tabel untuk mendapatkan interval angka acak dari distribusi
kumulatif pada langkah 2 adalah sebagai berikut:

Tabel 4
Permintaan Laptop Probabilitas Probabilitas Interval angka
per minggu (x) permintaan, P(X) kumulatif acak
0 0,20 0,20 0-19
1 0,40 0,60 20-59
2 0,20 0,80 60-79
3 0,10 0,90 80-89
4 0,10 1,00 90-99
Jumlah 1,00

Langkah 4: Bentuk/pilih bilangan acak (generating random numbers). Kita telah memiliki
tabel angka acak pada lampiran (Tabel 17.1) pilihlah salah satu bilangan acak
(pemilihan ini bebas), misal kita memilih angka acak pada tabel 17.1 adalah
adalah angka 39 maka
Tabel 5
Permintaan Laptop Interval angka acak Angka acak
per minggu (x) (R)
0 0-19
 1 20-59 R = 39
2 60-79
3 80-89
4 90-99

Bila kita memilih angka pada tabel 17.1 adalah 95 maka

Tabel 6
Permintaan Laptop Interval angka acak Angka acak
per minggu (x) (R)
0 0-19
1 20-59
2 60-79
3 80-89
4 90-99 R = 95

Jadi pemilihan angka acak bebas, bila telah ditetapkan angka acak maka angka-
angka selanjutnya adalah angka-angka yang berada pada satu kolom yang sama.
Kita tetapkan kembali bahwa pemilihan angka acak adalah 39 maka dengan
mengulang pemilihan angka acak pada tabel 17.1 yang berada pada satu kolom
yang sama kita dapat mensimulasikan permintaan untuk suatu periode waktu
(langkah ke lima), sehingga langkah ke lima bila ditunjukan pada tabel berikut
yaitu sebagai permintaan untuk 15 minggu berturut-turut adalah :

Tabel 7
Minggu ke Angka acak (R)
1 39
2 73
3 72
4 75
5 37
6 02
7 87
8 98
Permintaan, X Pendapatan (Rp)
1 12.500.000,00
2 25.000.000,00
2 25.000.000,00
2 25.000,000,00
1 12.500,000,00
0 0
3 37.500.000,00
4 50.000.000,00
 9 10 0 0
10 47 1 12.500.000,00
11 93 4 50.000.000,00
12 21 1 12.500.000,00
13 95 4 50.000.000,00
14 97 4 50.000.000,00
15 69 2 25.000.000,00
Jumlah 31 387.500.000,00

Hasil simulasi ini dapat disimpulkan:

Perkiraan permintaan rata-rata laptop = 31/15 = 2,07 per minggu
Perkiraan rata-rata pendapatan rata-rata PT IBM Indonesia = Rp 387.500.000/15
yaitu Rp 25.833.333,00 per minggu.

Verifikasi Model

Verifikasi model merupakan proses pengecekan model (simulasi) apakah telah sesuai dengan
model konseptual yang telah dibuat. Teknik vefikasi model umumnya menggunakan teknik
trace dan debugging. Terdapat lima prinsip pengukuran preventif terhadap proses verifikasi
model menggunakan prinsip dasar pemrograman terstruktur.
1. Top-Down Design
2. Modularity
3. Compact Modules
4. Stepwise Refinement
5. Structured Control

Ketika verifikasi dilakukan kita memeriksa apakah logika model diimplementasikan dengan
benar atau tidak. Untuk verifikasi kita harus membangun sekumpulan kriteria untuk menilai
apakah diagram alur model dan logika internal sudah benar dan apakah model konseptual
representasi valid dari sistem nyata.

Didalam verifikasi ada beberapa hal yang haru diperhatikan, yaitu

  Logika
o apakah kejadian direpresentasikan dengan benar?
o apakah rumus matematika dan relasi benar?
o apakah ukuran statistik dirumuskan dengan benar?
o apakah kode komputer memuat semua aspek mode logika?
 Komputer atau Simulasi
o apakah statistik dan ruus dihitung dengan benar?
o apakah mode mengandung kesalahan pengkodean?

Praktisi simulasi harus dapat menentukan aspek apa saja, dari sistem yang kompleks, yang
perlu disertakan didalam model.