“IMPLEMENTASI MONTE CARLO DENGAN EXCEL UNTUK

MEMPERDIKSI KEUNTUNGAN PULSA PADA VITTA SELULER”

Muhamad Taufik Hdayat Ali, Julita Handayani

Program Studi Teknik Informatika –Universitas Musamus Merauke

1. Latar Belakang
Vitta seluler adalah sebuah usaha dagang yang bergerak di bidang bisnis pulsa yang
sudah berjalan selama 2 tahun. Beberapa produk yang sering diperjualbelikan adalah pulsa
5.000, pulsa 10.000, pulsa 20.000, pulsa 25.000, pulsa 50.000, pulsa 100.000 serta berbagai
jenis voucer pulsa dengan harga dan permintaan yang beragam. Seperti yang kita ketahui
bahwa bisnis pulsa adalah salah satu bisnis sampingan yang cukup banyak diminati oleh
para usahawan kecil, namun kebanyakan orang berpikir bahwa bisnis pulsa hanya bersifat
usaha sampingan, sehingga hanya sedikit orang yang ingin mengembangkan bisnis ini. Hal
ini dikarenakan bisnis ini sering menghadapi situasi probabilistik. Salah satu aspek yang
sering memiliki karakteristik probabilistik adalah jumlah permintaan.

2. Teori Dasar
Simulasi secara sederhana dapat diartikan sebagai proses peniruan. Simulasi adalah
tiruan dari fasilitas atau proses dari suatu operasi, biasanya menggunakan
komputer. Simulasi adalah suatu proses peniruan dari sesuatu yang nyata beserta keadaan
sekelilingnya (state of affairs). Aksi melakukan simulasi ini secara umum menggambarkan
sifat-sifat karakteristik kunci dari kelakuan sistem fisik atau sistem yang abstrak tertentu.
Teknik simulasi adalah teknik untuk merepresentasikan atau meniru kondisi real (suatu
sistem nyata) dalam bentuk bilangan dan simbol (dengan memanfaatkan program
komputer), sehingga menjadi mudah untuk dipelajari.
Simulasi dari sebuah sistem adalah pengoperasian dari sebuah model suatu sistem.
Sebuah Model dapat dikonfigurasi dan dilakukan percobaan, biasanya hal ini tidak
mungkin terjadi. Karena mahalnya biaya dan tidak praktis untuk dilakukan dalam sistem
yang diwakilinya. Simulasi digunakan sebelum sebuah sistem dibangun, untuk mengurangi
kemungkinan kegagalan, untuk menghilangkan kemacetan tak terduga, untuk mencegah
under atau over- pemanfaatansumber daya, dan untuk mengoptimalkan kinerja sistem.
Monte carlo merupakan alat rekayasa yang ampuh untuk menyelesaikan berbagai
persoalan rumit di dalam bidang probabilitas dan statistika. Seperti pada umumnya metode
numerik, simulasi monte carlo membutuhkan banyak sekali iterasi dan usaha perhitungan,
khususnya untuk masalah – masalah yang melibatkan peristiwa – peristiwa langkah dan
monte carlo menggunakan unsur acak di saat terdapat peluang.

3. Metode Penelitian
Penelitian ini dilaksanakan pada VITTA SELULER, sebuah usaha dagang yang bergerak
dalam bisnis penjualan pulsa. Data-data yang dibutuhkan dalam penelitian ini adalah data
permintaan pulsa selama 10 bulan terakhir. Dalam penelitian ini dilakukan beberapa
 langkah dalam penelitian : 1). Persiapan penelitian, 2). Pengumpulan data keuntungan
selama 10 (sepuluh ) bulan terakhir. 3). Data yang digunakan untuk menghitung
keuntungan, presentase keuntungan dan rata-rata keuntungan perbulan
untuk satu tahun kedepan. 4). Kajian terhadap jumlah keuntungan pada 10 bulan
sebelumnya dan prediksi keuntungan pada 10 bulan yang akan datang. 5). Pengolahan
dengan pendekatan metode Monte Carlo dengan memakai Microsoft Excel, untuk
melakukan simulasi. 6). Analisis data dan evaluasi. Teknik pengumpulan data dilakukan
melalui beberapa cara yaitu : 1. Observasi langsung pada aktifitas pejualan pulsa pada
tempat penelitian 2. Mengadakan interview pemilik VITTA SELULER tentang jumlah
keuntungan dan presentase bulanan, kesiapan modal, serta teknik yang digunakan untuk
memprediksi keuntungan pada jangka waktu yang akan datang. 3. Membuat instrumen
penelitian berupa pedoman wawancara dan kuisioner.

4. Hasil Dan Pembahasan

Analisa perhitungan penjualan menggunakan metode Monte Carlo
1. Berikut adalah pembahasan Perhitungan Simulasi Perkiraan Keuntungan Penjualan
Pulsa. Tabel 1 di bawah ini menggambarkan data permintaan 10 (sepuluh) bulan
terakhir salah satu produk pulsa.

Tabel 1. Permintaan Pulsa

No Bulan Frekuensi Permintaan
1 Maret 10
2 April 20
3 Mei 15
4 Juni 25
5 Juli 30
6 Agustus 27
7 September 33
8 Oktober 35
9 November 40
10 Desember 50

2. Pada Table 2 Di bawah ini mengambarkan data frekuensi distribusi 10 bulan terakhir
yang menjadi variabel penting yang bersifat probabilitas atau variabel diskrit adalah
permintaan

Tabel 2. Distribusi Probabilitas

No Bulan F f(x)
1 Maret 10 0.04
2 April 20 0.07
3 Mei 15 0.05
4 Juni 25 0.09
5 Juli 30 0.11
6 Agustus 27 0.09
7 September 33 0.12
 8 Oktober 35 0.12
9 November 40 0.14
10 Desember 50 0.18
285 1

3. Pada Table 3 Di bawah distribusi probabilitas kumulatif dan menetapkan sebuah interval
angka acak bagi setiap variabel.

Tabel 3. Interval angka acak

No Bulan F f(x) f(x) Interval
1 Maret 10 0.04 0.04 0–4
2 April 20 0.07 0.11 5 – 11
3 Mei 15 0.05 0.16 12 – 16
4 Juni 25 0.09 0.25 17 – 25
5 Juli 30 0.11 0.35 26 – 35
6 Agustus 27 0.09 0.45 36 – 45
7 September 33 0.12 0.56 46 - 56
8 Oktober 35 0.12 0.68 57 - 68
9 November 40 0.14 0.82 69 - 82
10 Desember 50 0.18 1.00 83 - 100
Jumlah 285 1.00 4.41

4. Pada Table 4 Di bawah distribusi probabilitas kumulatif dan menetapkan sebuah interval
angka acak bagi setiap variabel.

Tabel 4. Simulasi Perkiraan Keuntungan Penjualan Pulsa Pada Vitta seluler

No Bulan Permintaan Keuntungan
1 Januari 13 22.100
2 Februari 26 44.200
3 Maret 34 57.800
4 April 40 68.000
5 Mei 67 113.900
6 Juni 78 132.600
7 Juli 56 95.200
8 Agustus 35 59.500
9 September 32 54.400
10 Oktober 89 151.300
11 November 96 200.300
12 Desember 99 168.300
Total permitaan dan
665 1.167.600
keuntungan
 DAFTAR PUSTAKA

Suban A. L,Yandi Uran J.K, Kalla Yoseph Simulasi Perkiraan Keuntungan Penjualan Pulsa Pada
Uran Cell Menggunakan Metode Monte Carlo, 2016, Jurnal Teknik Informatika
Saiful dkk., Analisis Risiko Finansial Dengan Metode Simulasi Monte Carlo, 2013, Jurnal
Teknik Mesin, Vol. 7 No.6.
Tupan, Leony, P., Manurung, Tohap., Prang, Jantje D., , Pengukuran Value at Risk pada Aset
Perusahaan dengan Metode Simulasi Monte Carlo, 2013, JURNAL MIPA UNSRAT ONLINE 2
(1) pp. 5-11.
Kharisma, Gusti, dkk., Simulasi Perhitungan Integral Non Liniermenggunakan Monte Carlo,
2012, Jurnal Algoritma, Vol. 9 No.1.
Idzurnida, Isamael., Faktor-faktor Risiko yang Berpengaruh Terhadap Kinerja KualitasProyek
Konstruksi Gedung di Kota Padang Sumatera Barat Dengan menggunakan Model dan Simulasi
Monte Carlo, 2012, Jurnal Momentum, Vol. 13 No.2.
Nurjaman, Asep., dkk., Simulasi Monte Carlo Untuk Pelayanan Perpanjangan Surat Tanda
Nomor Kendaraan Bermotor, 2012, Jurnal Teknik Informatika, Vol. 9 No.1.
Haryadi, Sarjono., dkk., Perencanaan Persediaan Dengan Pendekatan Metode Monte Carlo,
2012, Jurnal Forum Ilmiah, Vol. 9 No.2.
Sembiring, Alpianus., Perancangan Simulasi Penjualan Barang Dengan Metode Monte Carlo
(Studi Kasus : Koperasi Karyawan Tenera Unit Sei Kopas), Pelita Informatika Budi Darma,
Volume : IX, Nomor: 3, April 2015 ISSN : 2301-9425, pp. 31-37
Cahyo, Winda, Nur., Pendekatan Simulasi Monte Carlo Untuk Pemilihan Alternatif Dengan
Decision Tree Pada Nilai Outcome Yang Probabilistik, 2008, Teknoin, Volume 13, Nomor 2,
Desember 2008, 11-17, ISSN: 0853-869, pp.11-17
Tjong, Wong, Foek., Aplikasi Statistik Ekstrim Dan Simulasi Monte Carlo Dalam Penentuan
Beban Rencana Pada Struktur Dengan Umur Guna Tertentu, 2001, Dimensi Teknik Sipil, Vol. 3,
No. 2, September 2001, , ISSN 1410-9530, pp.84-88
Manalu, Lamhot, P., Menghitung Kebutuhan Pengering Gabah Di Kecamatan Ciomas Bogor
Dengan Metode Monte Carlo, 2009, Jurnal Sains dan Teknologi Indonesia, Vol. 11 No. 3,
Desember 2009 pp.151-156