Model Simulasi Monte Carlo

Budiman, S.T., M.Kom.

Model Simulasi Monte Carlo

• Merupakan bentuk simulasi probabilistik dimana suatu solusi

dari suatu masalah diberikan berdasarkan proses randomisasi (
acak).
• Proses acak ini melibatkan suatu distribusi probabilitas dari
variable data yang dikumpulkan berdasarkan data masa lalu
maupun distribusi probabilitas teoritis.

2
Model Simulasi Monte Carlo
Langkah-langkah utama dalam simulasi
Monte Carlo
1. Mendefinisikan distribusi probabilitas yang diketahui secara pasti dari
data yang didapatkan dari pengumpulan data di masa lalu. Variabel yang
digunakan dalam distribusi harus disusun distribusi probabilitasnya.
2. Mengkonversikan distribusi probabilitas ke dalam bentuk frekuensi
kumulatif. Distribusi probabilitas kumulatif ini akan digunakan sebagai
dasar pengelompokan batas interval dari batasan acak.
3. Menjalankan proses simulasi dengan menggunakan bilangan acak. Faktor-
factor yang sifatnya tidak pasti sering sekali menggunakan bilangan acak
untuk menggambarkan kondisi yang acak akan memberikan gambaran
dari variasi yang sebenarnya.
4. Analisis yang dilakukan dari keluaran simulasi sebagai masukan bagi
alternative pemecahan permasalahan dan pengambilan kebijakan. Pihak
manajemen dapat melakukan evaluasi terhadap kondisi yang sedang
terjadi dengan hasil simulasi.

3
Model Simulasi Monte Carlo
Contoh :

• Sebuah toko sepatu memperkirakan permintaan sepatu per

harinya menurut suatu pola distribusi sebagai berikut :
No. Urut
Permintaan/hari
Frekuensi
Dari data masa lalu, pengusaha
(Pasang) toko ini hendak memperkirakan
1 4 5 pola permintaan untuk 10 hari
2 5 10
dalam bulan berikutnya, agar dapat
3 6 15
mempersiapkan jumlah sepatu
4 7 30
dalam tokonya.
5 8 25
6 9 15
Jumlah 100

4
Model Simulasi Monte Carlo
Langkah –langkah :

• Dibuat table distribusi frekuensi dan kumulatifnya

1,2

No. Permintaan/ Frekuensi Distribusi

1
Urut hari (Pasang) Kumulatif 1

1 4 0.05 0.05 0,85

Distribusi Kumulatif
0,8
2 5 0.10 0.15
3 6 0.15 0.30 0,6
0,6

4 7 0.30 0.60
5 8 0.25 0.85 0,4
0,3
6 9 0.15 1.00
0,2 0,15
Jumlah 1.00 0,05
0
0 1 2 3 4 5

5
Model Simulasi Monte Carlo
Langkah–langkah : (Cont’d)

• Membuat angka penunjuk batasan

Permintaan
No. Distribusi Penunjuk
/hari Frekuensi
Urut Kumulatif Batasan
(Pasang)
1 4 0.05 0.05 0-5
2 5 0.10 0.15 6 – 15
3 6 0.15 0.30 16 – 30
4 7 0.30 0.60 31 – 60
5 8 0.25 0.85 61 – 85
6 9 0.15 1.00 86 – 100
Jumlah 1.00

6
Model Simulasi Monte Carlo
Langkah–langkah : (Cont’d)
Demand
No. Urut
(Simulasi) • Diberikan 10 bilangan acak yang mewakili
1 7 banyaknya permintaan dalam 10 hari
2 5 57, 12, 70, 38, 91, 28, 95, 73, 13, 90
3 8
4 7
• Disusunlah hasil permintaan perhari
5 9
• Kesimpulan total permintaan untuk 10 hari
6 6
adalah 73 pasang sepatu, rata-rata per hari
7 9 adalah 7,8 ≈ 8 pasang sepatu
8 8
9 5
10 9
Total 73
Rata-rata 7,3 7
Model Simulasi Monte Carlo
Studi Kasus

• Sebuah perusahaan menengah mempunyai data pegawai yang sering

tidak hadir sebagai berikut :
• Gunakan simulasi Monte Carlo untuk
Hari Jumlah ketidakhadiran pegawai selama 20 tahun ke
No. Urut
absen/tahun Pegawai depan di perusahaan ini.
1 5 5
• Diberikan bilangan acak
2 10 20
06, 56, 12, 51, 13, 24, 11, 96, 51, 59, 66, 85,
3 15 40 39, 35, 87, 56, 51, 47, 88, 33
4 20 25 • Analisa hasil simulasinya dan berikan usulan apa
5 25 10 yang harus dilakukan perusahaan tersebut.

8
Model Simulasi Monte Carlo
 Studi Kasus 2

• Data permintaan produk ban motor di sebuah toko ban selama

200 hari kebelakang :

• Gunakan simulasi Monte Carlo untuk

permintaan produk ban selama 10
hari ke depan di perusahaan ini.
• Diberikan bilangan acak
28, 50, 78, 8, 16, 61, 98, 51, 45,
21
• Analisa hasil simulasinya dan berikan
usulan apa yang harus dilakukan
perusahaan tersebut.

9
Model Simulasi Monte Carlo
Rekapitulasi Permintaan

• Data permintaan produk ban motor di sebuah toko ban selama

200 hari kebelakang :

10
Model Simulasi Monte Carlo