Anda di halaman 1dari 6

TANGGAPAN

FORUM DISKUSI 6 (LANJUTAN) - MATA KULIAH


METODE KUANTITATIF - EKMA5103.01

Disusun oleh:
MATSAID BUDI REKSONO
NIM: 530015107

PROGRAM PASCASARJANA
PROGRAM STUDI MAGISTER MANAJEMEN
BIDANG MINAT KEUANGAN
UNIVERSITAS TERBUKA
2018
Diskusi 6 (Lanjutan)
Jumat, 16 Maret 2018, 20:12
Silakan saudara diskusikan terkait dengan materi yang sudah disampaikan pada pertemuan
sebelumnya terkait dengan Simulasi Pemodelan. Jelaskan kelebihan dan kelemahan dari Model
Monte Carlo tersebut bila dibandingkan dengan model yang lainnya. Jangan lupa membaca
materi kegiatan belajar yang terdapat dalam modul EKMO 5103 (Metode Kuantitatif) serta
referensi lain yang terkait dan relevan dengan Simulasi Pemodelan. Selamat berdiskusi.
Tutor

===========================

1. Pengertian Simulasi
Menurut Wan Usman (2016), simulasi merupakan langkah meniru situasi yang sebenarnya
secara matematika dengan mempelajari sifat-sifatnya untuk menarik kesimpulan dan akhirnya
mengambil tindakan berdasarkan hasil simulasi.
Menurut Webster’s Collegiate Dictionary, Simulasi diartikan sebagai to feign, to obtain the
essence of without the reality yang berarti untuk memperoleh intisari dari sesuatu tanpa
melibatkan kenyataan. Sedangkan menurut Oxford American Dictionary (1980) simulasi adalah
“ to reproduce the condition of a situasion, as by means of a model, for studi or testing or
training, etc” untuk menghasilkan suatu kondisi dari sebuah situasi, dalam maksud sebuah
model, untuk dipelajari atau untuk percobaan atau pelatihan, dan sebagainya.
Menurut Pusat Bahasa Depdiknas (2005) simulasi adalah satu metode pelatihan yang
memperagakan sesuatu dalam bentuk tiruan (imakan) yang mirip dengan keadaan yang
sesungguhnya; simulasi: penggambaran suatu sistem atau proses dengan peragaan memakai
model statistic atau pemeran.
Lebih lanjut dikatakan oleh Wan Usman (2016) bahwa dalam menggunakan simulasi, kita
harus melakukan langkah-langkah persiapan untuk mengonstruksi model, membuat simulasi, dan
akhirnya memilih cara-cara untuk bertindak.
2. Simulasi Pemodelan Monte Carlo
Simulasi monte carlo, menurut Peter Dizikes (2010), adalah Teknik statistik yang digunakan
untuk memodelkan sistem kemungkinan (probabilistic / stokastik) dan menetapkan peluang
untuk berbagai hasil.
Sistem simulasi Monte Carlo adalah algoritma komputasi untuk mensimulasikan berbagai
perilaku sistem fisika dan matematika. Penggunaan klasik metode ini adalah untuk mengevaluasi
integral definit, terutama integral multidimensi dengan syarat dan batasan yang rumit. Simulasi
Monte Carlo sangat penting dalam fisika komputasi dan bidang terapan lainnya, dan memiliki
aplikasi yang beragam mulai dari penghitungan termodinamika kuantum esoterik hingga
perancangan aerodinamika. Metode ini terbukti efisien dalam memecahkan persamaan
diferensial integral medan radian, sehingga metode ini digunakan dalam penghitungan iluminasi
global yang menghasilkan gambar-gambar fotorealistik model tiga dimensi, dimana diterapkan
dalam video games, arsitektur, perancangan, film yang dihasilkan oleh komputer, efek-efek
khusus dalam film, bisnis, ekonomi, dan bidang lainnya.
Karena algoritma ini memerlukan pengulangan (repetisi) dan penghitungan yang amat
kompleks, metode Monte Carlo pada umumnya dilakukan menggunakan komputer, dan
memakai berbagai teknik simulasi komputer. Algoritma Monte Carlo adalah metode Monte
Carlo numerik yang digunakan untuk menemukan solusi matematis (yang dapat terdiri dari
banyak variabel) yang sulit dipecahkan, misalnya dengan kalkulus integral, atau metode numerik
lainnya.
Simulasi Monte Carlo adalah pengambilan sampel dengan menggunakan bilangan-bilangan
acak (random numbers) dilakukan dengan bantuan komputer. Prinsip kerja dari simulasi Monte
Carlo adalah membangkitkan bilangan-bilangan acak atau sampel dari suatu variabel acak yang
telah diketahui distribusinya. Oleh karena itu, dengan simulasi Monte Carlo seolah-olah dapat
diperoleh data dari lapangan, atau dengan perkataan lain simulasi Monte Carlo meniru kondisi
lapangan secara numerik.
Simulasi Monte Carlo merupakan alat rekayasa yang ampuh untuk menyelesaikan berbagai
persoalan rumit di dalam bidang probabilitas dan statistik. Meskipun demikian, simulasi Monte
Carlo tidak memberikan hasil yang eksak, karena pada hakekatnya simulasi Monte Carlo adalah
suatu metode pendekatan numerik. Seperti pada umumnya metode numerik, simulasi Monte
Carlo membutuhkan banyak sekali iterasi dan usaha penghitungan, khususnya untuk masalah-
masalah yang melibatkan peristiwa-peristiwa langka (very rare events). Oleh karena kelemahan-
kelemahan tersebut, sebaiknya simulasi Monte Carlo baru digunakan bila metode analisis tidak
tersedia atau metode pendekatan (misalnya pendekatan orde pertama dari fungsi variabel acak
yang taklinear) tidak memadai. Simulasi Monte Carlo dari suatu proses stokastik adalah suatu
prosedur untuk mendapatkan contoh acak terhadap hasil proses tersebut (Wong 2001).
Jika suatu sistem mengandung elemen yang mengikutsertakan faktor kemungkinan, model
yang digunakan adalah model stokastik. Dasar dari simulasi Monte Carlo adalah percobaan
elemen kemungkinan dengan menggunakan sampel random (acak). Metode ini memiliki lima
tahapan dalam menyelesaikan permasalahan yang ada dan terdapat tiga batasan dasar dalam
penggunaan metode ini.
Metode Monte Carlo dipopulerkan oleh beberapa peneliti yakni: Stanislaw Ulam, Enrico
Fermi, John von Neumann dan, Nicholas Metropolis. Tahun 1946, Stanislaw Ulam menemukan
metode Monte Carlo ketika mengamati peluang memenangkan permainan kartu solitaire. Nama
Monte Carlo sendiri berasal dari sebuah kasino di Monaco (Matthew N.O.Sadiku, 2009, hal 3).
Simulasi Monte Carlo adalah proses menurunkan secara acak nilai variabel tidak pasti secara
berulang-ulang untuk mensimulasikan suatu model. Metode Monte Carlo merupakan teknik
stokastik dan probabilistik yang dapat diaplikasikan dalam berbagai bidang, mulai dari ekonomi
sampai fisika, tentu saja cara aplikasinya berbeda dari satu bidang ke bidang lainnya. Hal yang
menyamakan semua itu adalah bahwa percobaan Monte Carlo membangkitkan bilangan acak
untuk memeriksa dan menyelesaikan permasalahan (Jonathan Pengelly, 2003, hal 1).
Metode Monte Carlo dianggap sebagai penemuan dari Stanislaw Ulam, seorang
matematikawan cemerlang yang bekerja untuk John Von Neumann di proyek United State’s
Manhattan selama perang dunia II. Ulam adalah orang pertama yang diketahui merancang bom
hidrogen dengan Edward Teller tahun 1951. Dia menemukan metode Monte Carlo tahun 1946
sewaktu memikirkan peluang memenangkan permainan kartu soliter (Matthew N.O.Sadiku,
2009, hal 2).
Konsep dasar metode Monte Carlo adalah untuk menyelesaikan permasalahan secara acak
(random walk), berdasarkan pendekatan dalam proses langkah acak metode Monte Carlo dikenal
dua tipe pendekatan yang cukup populer, yaitu tipe fixed random walk dan floating random walk
(Matthew N Sadiku, 2009, hal 105).
Tipe floating random walk adalah model Monte Carlo yang mengizinkan jumlah
pengulangan (iterasi) selalu berubah dalam simulasi, sedangkan tipe fixed random walk adalah
model Monte Carlo yang menggunakan jumlah pengulangan (iterasi) yang konstan sehingga
untuk beberapa aplikasi metode ini lebih baik dari tipe floating random walk (Matthew N Sadiku,
2009, hal 105).
2.1 Tujuan Simulasi Pemodelan Monte Carlo
Tujuan simulasi dengan metode Monte Carlo adalah untuk mempelajari kasus-kasus probabilistic
(berkemungkinan) dengan model tertentu yang kemudian dicobakan dalam keadaan nyatanya. Oleh
karenanya situasi nyata sedapat mungkin harus dapat ditirukan dalam situasi simulasi. Dengan
mempelajari model yang disimulasikan diharapkan dapat menghasilkan kesimpulan atau tindakan yang
diperlukan.
Kasus-kasus yang biasanya disimulasikan adalah masalah kedatangan pelanggan, persediaan barang,
waktu tunggu dalam antrian, jangka waktu pelaksanaan proyek, dan sebagainya.

2.2 Tahapan dan Batasan dalam Simulasi Pemodelan Monte Carlo


Ada 5 tahapan dalam metode simulasi pemodelan Monte Carlo, antara lain:
(1) Menetapkan distribusi probabilitas prior sistem
(2) Menentukan distribusi probabilitas kumulatif sistem
(3) Menentukan interval bilangan acak
(4) Membuat kemungkinan yang kaan terjadi dengan membangkitkan bilangan acak
(5) Melakukan simulasi dan analisis dengan melakukan eksperimen untuk sampel (waktu) tertentu
Sedangkan batasan dalam melakukan simulasi model monte carlo adalah
(1) Hindari melakukan simulasi dengan model monte carlo, jika suatu persoalan sudah dapat diselesaikan
secara matematis
(2) Untuk kasus dimana sebagian persoalan dapat diselesaikan dengan analitis, maka penyelesaiannya
adalah sebagian dnegan analitis dan sebagian dengan simulasi.
(3) Sedapat mungkin persoalan diselesaikan dengan simulasi perbandingan
2.3 Kelebihan dan kelemahan dari Simulasi Pemodelan Monte Carlo
Secara umum, kelebihan atau keuntungan dari metode Monte Carlo ini adalah kemudahan dari
membuat program simulasinya sedangkan kelemahannya adalah waktu yang diperlukan dalam simulasi,
semakin banyak pengulangan membutuhkan waktu lama untuk running program.
Kelebihan-kelebihan lain dari simulasi Monte Carlo antara lain sebagai berikut:
(1) Simulasi model monte carlo dapat menyelesaikan persoalan yang tidak terselesaikan oleh simulasi
model analitik.
(2) Dengan menggunakan sedikit asumsi, maka model ini dapat dianggap lebih realistis.
(3) Simulasi membolehkan kita untuk mempelajari pengaruh alternatif dari kumpulan individu atau
variabel mana yang lebih penting
(4) Simulasi model monte carlo tentunya lebih murah dibandingkan dengan percobaan secara langsung.
(5) Untuk sejumlah proses dimensi, simulasi memberikan penyelidikan yang langsung dan terperinci
dalam periode waktu khusus.
(6) Simulasi dapat digunakan untuk analisis yang besar dan komplek, yang biasanya tidak terselesaikan
oleh model oleh model kuantitatif konvensional.

Sedangkan kelemahan lain dari simulasi model Monte Carlo adalah


(1) Simulasi monte carlo tidak presisi dan bukan merupakan suatu proses optimasi. Hal ini berarti
simulasi monte carlo tidak menghasilkan penyelesaian, tetapi menghasilkan cara untuk menilai
jawaban termasuk jawaban yang optimal
(2) Untuk menghasilkan simulasi yang baik dan efektif, model simulasi monte carlo termasuk sangat
mahal karena membutuhkan waktu yang lama untuk proses simulasinya dibandingkan dengan model
analitik.

DAFTAR PUSTAKA
Dizikes, Peter. (2010). Explained: Monte Carlo Simulations. MIT News. Diakses pada 18
Oktober 2018 di URL: http://news.mit.edu/2010/exp-monte-carlo-0517
Hario, P Fakhriy. (2012). Metode Probabilistik Monte Karlo. Diakses pada tanggal 19 Oktober
2018 pada URL: http://fakhriyhario.lecture.ub.ac.id/2012/03/metode-probabilistik-monte-
carlo/
Render, B., Stair, Jr. R. M. (2000). Quantitative Analysis for Management. 7th ed. Prentice-Hall,
Inc.: New Jersey.
Usman, Wan. (2016). Metode Kuantitatif. Jakarta: Penerbit Universitas Terbuka.
http://ariastuti93.blogspot.com/2013/02/simulasi-monte-carlo.html

Anda mungkin juga menyukai