Ide awal dimulainya pencarian suatu metode pendekatan untuk mencari suatu
solusi dalam pemecahan masalah perlindungan radiasi dan jarak tempuh neutron,
yang dicetuskan Enrico Fermi di tahun 1930-an. Pada saat itu para fisikawan di
Laboratorium Sains Los Alamos sedang memeriksa perlindungan radiasi dan jarak
yang akan neutron tempuh melalui beberapa macam material. Namun data yang
didapatkan tidak dapat membantu untuk memecahkan masalah yang ingin mereka
selesaikan karena ternyata masalah tersebut tidak bisa diselesaikan dengan
penghitungan analitis. Lalu John von Neumann dan Stanislaw Ulam memberikan
ide untuk memecahkan masalah dengan memodelkan eksperimen di computer,
dimana metode tersebut dilakukan secara probabilitas. Karena takut hasil karyanya
ditiru oleh orang lain, metode tersebut diberi kode nama dengan sebutan metode
Monte Carlo.
Nama Monte Carlo kemudian akhirnya menjadi populer oleh Enrico Fermi,
Stanislaw Ulam, dan rekan-rekan mereka sesama peneliti fisika. Nama Monte Carlo
merujuk kepada sebuah kasino terkenal di Monako. Di sanalah paman dari
Stanislaw Ulam sering meminjam uang untuk berjudi. Kegunaan dari
ketidakteraturan dan proses yang berulang memiliki kesamaan dengan aktivitas di
kasino.
Hal yang berbeda dari simulasi Monte Carlo adalah ia membalikkan bentuk
simulasi yang umum. Metode ini akan mencari kemungkinan terlebih dahulu
sebelum memahami permasalahan yang ada. Sementara umumnya menggunakan
simulasi untuk menguji masalah yang sebelumnya telah dipahami. Walaupun
pendekatan terbalik ini sudah ada sejak lama, namun pendekatan ini baru diakui
setelah metode Monte Carlo populer. Dalam metode Monte Carlo menerapkan
teknik yang disebut “Simulasi Monte Carlo” dan memiliki peranan yang sangat
penting dalam pemecahan masalah melalui teknik computer karena simulasi Monte
Carlo menggunakan angka acak untuk model semacam proses. Teknik ini bekerja
sangat baik ketika proses adalah salah satu tempat probabilitas mendasar tetapi
lebih sulit untuk menentukan hasilnya. Sebagian besar dari waktu CPU pada
beberapa komputer tercepat di dunia dihabiskan untuk melakukan simulasi Monte
Carlo karena kita bisa menuliskan beberapa hukum dasar fisika tetapi tidak dapat
menyelesaikannya secara analitis sehingga diperlukan metode numeric seperti
metode Monte Carlo untuk masalah kepentingan.
Metode ini telah digunakan di bidang fisika, kimia fisika, dan lain-lain. Rand
Corporation dan U.S. Air Force merupakan sponsor utama dalam pengembangan
metode Monte Carlo pada waktu itu dan metode ini semakin berkembang di
berbagai bidang. Pada tahun 1950-an, metode ini digunakan di Laboratorium
Nasional Los Alamos untuk penelitian awal pengembangan bom hydrogen, dan
kemudian sangat popular dalam bidang fisika dan riset operasi sampai saat ini.
Teknik dalam metode simulasi Monte Carlo merupakan suatu teknik khusus dimana
kita dapat membangkitkan beberapa hasil numerik tanpa secara aktual melakukan
suatu tes eksperimen. Kita dapat menggunakan hasil dari tes sebelumnya yang
pernah dilakukan untuk menentukan distribusi probabilitas dari parameter-
parameter yang ditinjau dalam kasus tersebut. Kemudian kita menggunakan
informasi ini untuk membangkitkan parameter-paramater data numerik. Dasar dari
prosedur teknik simulasi Monte Carlo adalah membangkitkan bilangan acak semu.
Menurut Kakiay (2004), metode Monte Carlo dikenal juga dengan istilah Sampling
Simulasi atau Monte Carlo Sampling Technique. Metode monte carlo
menggunakan data yang sudah ada (historical data). Metode monte carlo
merupakan salah satu algoritma komputasi untuk mensimulasikan berbagai prilaku
sistem fisika dan matematika, yang secara klasik penggunaan metode ini adalah
untuk mengevaluasi integral tertentu (definit), terutama integral multidimensi
dengan syarat dan batasan yang rumit.
Menurut Subagyo, Asri dan Handoko (2000) Model Stochastic juga disebut model
simulasi Monte Carlo dimana sifat – sifat keluaran (output) dari proses ditentukan
berdasarkan, iterasi dan merupakan hasil dari konsep random (acak).Karena
agoritma ini memerlukan perulangan (repetisi) dan perhitungan yang amat
kompleks, metode Monte Carlo pada umumnya dilakukan menggunakan komputer,
dan memakai berbagai teknik simulasi komputer. Algoritma Monte Carlo adalah
metode monte carlo numeric yang digunakan untuk menemukan solusi problem
matematis (yang dapat terdiri dari banyak variable) yang susah dipecahkan,
misalnya dengan kalkulus intergral, atau metode numeric lainnya. Penggunaan
metode Monte Carlo membutuhkan sejumlah besar angka acak sehingga metode
ini, menggunakan pembangkitan bilangan acak semu (pseudorandom number
generator) dengan menggunakan algoritma tertentu sesuai kebutuhan.
Penggunaan metode Monte Carlo untuk mendapatkan solusi numeric dengan nilai
estimasi yang paling mendekati dari yang diharapkan dengan cara bereksperimen
melalui angka-angka acak yang dihasilkan RNG (Random Generator) dan teori
probabilitas. Penggunaan pembangkitan bilangan acak akan lebih efektif digunakan
dari pada tabel angka acak yang telah ada sebelumnya dan sering digunakan untuk
pengambilan sampel statistik.
B.METODE MONTE CARLO
Menurut Benninga (2008), metode Monte Carlo adalah berbagai simulasi acak yang
digunakan untuk menentukan nilai parameter. Simulasi Monte Carlo seperti
melemparkan dadu ribuan kali untuk memberikan gambaran lengkap berbagai
kemungkinan hasil dari input yang berbeda. Berbagai hasil simulasi memberikan
gambaran tentang kemungkinan hasil keuntungan yang berbeda pula. Sehingga
memberikan wacana dan memudahkan perusahaan dalam penyusunan perkiraan
kegiatan usaha.
Sedangkan menurut jurnal yang ditulis oleh Proctor, Simon (2012), Simulasi Monte
Carlo memberikan kemampuan perencanaan bisnis untuk mengambil proses yang
satu tahap lebih jauh dengan mendefinisikan daftar nilai suatu kemungkinan relatif
setiap kejadian dan kemudian secara efektif seperti melemparkan dadu ribuan kali
untuk memberikan gambaran lengkap berbagai hasil memungkinkan dari input
yang mendasari dan berbeda. Dengan cara memasukkan risiko-risiko sebagai input
yang mendasari serta berbeda-beda dan menghasilkan keuntungan yang berbeda
pula. Oleh karena itu, hasil tersebut merupakan hasil kemungkinan yang
memberikan gambaran kepada perusahaan. Sehingga mempermudah perusahaan
untuk menyusun perkiraan kegiatan usaha. Hal ini merupakan kelebihan dari
simulasi Monte Carlo. Tetapi terdapat kelemahan dari simulasi Monte Carlo yaitu
sulitnya menetapkan distribusi probabilitas tertentu ke variabel model. Dan
kesulitan dalam penentuan variabel input yang dapat berdampak pada nilai yang
lain. Tetapi dari kesulitan ini dapat memberikan wawasan nyata untuk proses
perencanaan usaha.
REFRENSI
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.
5 langkah dalam melakukan simulasi Monte Carlo yaitu:
0 0-19
1 20-59
2 60-79
3 80-89
4 90-99
Bila kita memilih angka pada tabel 17.1 adalah 95 maka
Tabel 6
Permintaan Laptop per minggu (x) Interval angka acak
0 0-19
1 20-59
2 60-79
3 80-89
4 90-99
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) Permintaan, X
1 39 1
2 73 2
3 72 2
4 75 2
5 37 1
6 02 0
7 87 3
8 98 4
9 10 0
10 47 1
11 93 4
12 21 1
13 95 4
14 97 4
15 69 2
Jumlah 31
DAFTAR PUSTAKA
Dizikes, Peter. (2010). Explained: Monte Carlo Simulations. MIT News.
Diakses pada 25 Oktober 2019 di URL: http://news.mit.edu/2010/exp-
monte-carlo-0517
Hario, P Fakhriy. (2012). Metode Probabilistik Monte Karlo. Diakses pada
tanggal Diakses pada 25 Oktober 2019 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