Anda di halaman 1dari 15

SIMULASI MONTE CARLO

(Monte Carlo Sampling Technique / Sampling Simulation)

Simulasi ini menggambarkan kemungkinan penggunaan data sampel dalam metode


Monte Carlo dan juga sudah dapat diketahui atau diperkirakan distribusinya.
Simulasi ini menggunakan data yang sudah ada (historical data) yang sebenarnya dipakai
pada simulasi untuk tujuan lain.

Metode Simulasi Monte Carlo ini cukup sederhana di dalam menguraikan atau
menyelesaikan persoalan, termasuk dalam penggunaan program-programnya di komputer.

Dalam kesederhanaan cara, simulasi ini memberikan 3 batasan dasar yang perlu
diperhatikan, yaitu:
1. Apabila suatu persoalan sudah dapat diselesaikan atau dihitung jawabannya secara
matematis dengan tuntas maka hendaknya jangan menggunakan simulasi ini. Itu
berarti apabila persoalan dapat diselesaikan dengan pemrograman ataupun teori dalam
operation research, simulasi ini tidak perlu digunakan lagi, kecuali perancangan-
perancangan itu memerlukan perkiraan tertentu.
2. Apabila sebahagian persoalan tersebut dapat diuraikan secara analitis dengan baik,
maka penyelesaiannya lebih baik dilakukan secara terpisah, yaitu sebahagian dengan
cara analitis dan yg lainnya dengan simulasi Monte Carlo untuk kemudian disusun
kembali keseluruhannya sebagai penyelesaian akhir. Ini berarti teknik sampling dari
simulasi Monte Carlo ini hanya digunakan apabila betul-betul dibutuhkan.
3. Apabila mungkin maka dapat digunakan simulasi perbandingan.

Bahagian yang akan dibahas :

I. Ilustrasi Penggunaan Simulasi


II. Studi Keuntungan
III. Penjualan dan Harga Jual
- Persoalan penjualan atau harga jual dengan produksi yg dihasilkan
P = Profit
- Persoalan-persoalan untuk penjualan dan harga jual
IV. Produksi Suku Cadang
- Menggunakan cara pendekatan simulasi dengan teknik-teknik sampling.
- Dengan cara ekspektasi
- Pendekatan sampling secara langsung
V. Investasi melalui NPV (Net Present Value)
VI. Investasi melalui IRR (Internal Rate of Return)
VII. Jaringan Kerja (Network)

Teknik Simulasi <STMIK – AMIK RIAU> Page 1


I. Ilustrasi Penggunaan Simulasi

Sebagai ilustrasi dapat diberikan suatu contoh sederhana berikut ini :

Sebuah toko sepatu memperkirakan permintaan sepatu per harinya menurut suatu pola
distribusi sebagai berikut :

Tabel 1. Distribusi Permintaan

No. Urut Permintaan / hari Frekuensi Permintaan


1. 4 pasang 5
2. 5 pasang 10
3. 6 pasang 15
4. 7 pasang 30
5. 8 pasang 25
6. 9 pasang 15
Jumlah 100

Dari data masa lalu sudah dapat dihitung dengan baik. Kemudian pengusaha toko ini
hendak memperkirakan pola permintaan/demand untuk 10 hari dalam bulan berikutnya.

Penyelesaian :
Prosedur penyelesaian dengan simulasi ini dilakukan dengan langkah-langkah sbb :
a. Terlebih dahulu dibuat imperical data distribusinya, yaitu fungsi distribusi
densitas atau Frekuensi distribusi dari historical data yang ada. Hal ini dapat
dilihat pada Tabel 1. yang merupakan frekuensi distribusi permintaan.
b. Distribusi permintaan ini diubah dalam bentuk fungsi distribusi kumulatif
(Cummulative Distributed Frequency – CDF), dimana hal ini ditunjukkan pada
Tabel 2.

Tabel 2. Fungsi Kumulatif Distribusi Permintaan

Fungsi Kumulatif
No. Urut Permintaan / hari Distribusi Densitas
Distribusi (CDF)
1. 4 pasang 5 0,05
2. 5 pasang 10 0,15
3. 6 pasang 15 0,30
4. 7 pasang 30 0,60
5. 8 pasang 25 0,85
6. 9 pasang 15 1,00
Jumlah 100

Teknik Simulasi <STMIK – AMIK RIAU> Page 2


c. Setiap permintaan (demand) tersebut diberi angka penunjuk batasan (Tag
Number/Label Number) yang dapat dinyatakan pada Tabel 3.

Tabel 3. Angka Penunjuk Batasan

Tag Number
No. Urut Permintaan / hari Distribusi Densitas (Label Number)/ Batas Bil
Random (Ri)
1. 4 pasang 0,05 0,00 – 0,05
2. 5 pasang 0,10 0,06 – 0,15
3. 6 pasang 0,15 0,16 – 0,30
4. 7 pasang 0,30 0,31 – 0,60
5. 8 pasang 0,25 0,61 – 0,85
6. 9 pasang 0,15 0,86 – 0,99

Tabel 3. Ini sdh dapat digunakan untuk menentukan kebutuhan per hari dengan
penunjukan dari random number yang diambil/ditarik.

d. Lakukan penarikan random number dengan salah satu rumus yang diuraikan
sebelumnya. Penarikan random number untuk contoh ini adalah sbb :
Untuk 10 nilai random number :
R1 = 0,5751 R6 = 0,2888
R2 = 0,1270 R7 = 0,9518
R3 = 0,7039 R8 = 0,7348
R4 = 0,3853 R9 = 0,1347
R5 = 0,9166 R10= 0,9014

Dari random number ini hanya diambil 2 angka didepannya, yang kemudian
dicocokkan pada Tabel 3. Hasilnya adalah kesimpulan pasangan sepatu yang
dibutuhkan setiap harinya.

e. Dari hasil pengambilan random number tersebut kemudian dapat disusun suatu
tabel dari urutan hari-hari permintaan dan jumlah pasangan sepatu yang
dibutuhkan.

Tabel 4. Hasil Permintaan Per Hari

Hari
Jumlah
No. Permintaan Penjelasan
Pasangan Sepatu
1. I 7 pasang Terdapat
2. II 5 pasang 1. 7 pasang (2)
3. III 8 pasang 2. 5 pasang (2)
4. IV 7 pasang 3. 8 pasang (2)
5. V 9 pasang 4. 6 pasang (1)

Teknik Simulasi <STMIK – AMIK RIAU> Page 3


6. VI 6 pasang 5. 9 pasang (3)
7. VII 9 pasang
8. VIII 8 pasang Yang tertinggi 9 pasang
9. IX 5 pasang
10. X 9 pasang

II. Studi Keuntungan

Dalam menjalankan suatu usaha, baik produksi suatu barang maupun penjualan,
setiap hari pengusaha selalu berusaha untuk mendapatkan keuntungan yang layak.
Simulasi juga dapat dipergunakan untuk mengetahui liku-liku keuntungan (profit) dalam
kehidupan perdagangan.

Contoh Kasus :

Seorang pedagang yang menerima supply suatu barang dari grosir setiap hari. Jumlah
supply barang tersebut adalah bervariasi (Random Variable), sama seperti kebutuhan
pedagang eceran atas barang tersebut setiap harinya. Distribusi probabilitas untuk sejumlah
barang supply kepada pedagang eceran dari pedagang grosir tsb adalah :

Tabel 1. Distribusi supply pedagang eceran dari pedagang grosir

Supply Distribusi
Pedagang Grosir Probabilitas
1 0,08
2 0,17
3 0,20
4 0,25
5 0,17
6 0,13

Sedangkan distribusi probabilitas dari kebutuhan pelanggan kepada pedagang eceran


adalah :
Tabel 2. Distribusi probabilitas kebutuhan pelanggan(Demand)

Demand dari Distribusi


Pedagang Eceran Probabilitas
1 0,07
2 0,14
3 0,22
4 0,30
5 0,18
6 0,09

Pedagang eceran ini membeli dari grosir dengan harga $10/unit, dan menjual pada
pelanggan secara eceran dengan harga $20/unit.

Teknik Simulasi <STMIK – AMIK RIAU> Page 4


Apabila unit-unit barang ini belum laku terjual pada setiap hari dapat dikembalikan
dengan harga yang sama pada setiap waktu yang akan datang.
Namun apabila pedagang eceran ini tidak dapat memenuhi pelanggan sesuai dengan
kebutuhan maka dikenai biaya yang harus dikeluarkan sebesar $5/unit, karena tidak mampu
memenuhi permintaan pelanggan.
Setiap barang yang tersisa dikenai biaya penyimpanan $1/unit. Ketentuan yang
berlaku 1 tahun = 289 hari kerja.

Pertanyaan :
1. Simulasikan dalam 10 hari rata-rata keuntungan setiap harinya dan keuntungan
tahunnya.
2. Tentukan standar deviasi dari keuntungan setiap hari dan tahunan dengan menarik
bilangan Random selama 10 hari untuk pedagang eceran sebagai supplier dan untuk
kebutuhan/demand dari pelanggan-pelanggan tersebut sbb ;

Supply Demand
0,09 0,50
0,63 0,35
0,87 0,53
0,48 0,95
0,91 0,81
0,07 0,29
0,19 0,34
0,41 0,38
0,72 0,13
0,51 0,23

Pembahasan :

Langkah 1 : Tentukan Batas Bilangan Random dari Supply

Supply dari Distribusi Batas Bilangan


CDF
Pedagang Eceran Probabilitas Random (Ri)
1 0,08 0,08 0 < Ri ≤ 0,08
2 0,17 0,25 0,08 < Ri ≤ 0,25
3 0,20 0,45 0,25 < Ri ≤ 0,45
4 0,25 0,70 0,45 < Ri ≤ 0,70
5 0,17 0,87 0,70 < Ri ≤ 0,87
6 0,13 1,00 0,87 < Ri ≤ 1

Langkah 2 : Tentukan Batas Bilangan Random untuk Demand/Permintaan

Supply dari Distribusi CDF Batas Bilangan

Teknik Simulasi <STMIK – AMIK RIAU> Page 5


Pedagang Eceran Probabilitas Random (Ri)
1 0,07 0,07 0 < Ri ≤ 0,07
2 0,14 0,21 0,07 < Ri ≤ 0,21
3 0,22 0,43 0,21 < Ri ≤ 0,43
4 0,30 0,73 0,43 < Ri ≤ 0,73
5 0,18 0,91 0,73 < Ri ≤ 0,91
6 0,09 1,00 0,91 < Ri ≤ 1

Langkah 3 : Tentukan Jumlah Barang untuk masing-masing Supply dan Demand


berdasarkan Random Numbernya.

Supply Demand
Hari
RN Jmlh Brg RN Jmlh Brg
1 0,09 2 0,50 4
2 0,63 4 0,35 3
3 0,87 5 0,53 4
4 0,48 4 0,95 6
5 0,91 6 0,81 5
6 0,07 1 0,29 3
7 0,19 2 0,34 3
8 0,41 3 0,38 3
9 0,72 5 0,13 2
10 0,51 4 0,23 3

Keterangan :

Supply = Demand, Sisa = 0

Supply > Demand, Sisa Barang === Dikenai biaya penyimpanan ($1/unit)

Supply < Demand, Tidak Terpenuhi === Dikenai biaya denda ($5/unit)

Langkah 4. Rincian Pendapatan/ hari (Revenue)

Hari Supply Demand Biaya

Teknik Simulasi <STMIK – AMIK RIAU> Page 6


Pembe Jml Jml yg Penjua- Tdk
Jml Inven Penyim
RN lian RN Deman Terpe lan Terpen
Supply tory panan
(x$10) d nuhi (x$20) uhi
1 0,09 2 $20 0,50 4 2 $40 - - $10
2 0,63 4 $40 0,35 3 3 $60 1 $1 -
3 0,87 5 $50 0,53 4 4 $80 1 $1 -
4 0,48 4 $40 0,95 6 4 $80 - - $10
5 0,91 6 $60 0,81 5 5 $100 1 $1 -
6 0,07 1 $10 0,29 3 1 $20 - - $10
7 0,19 2 $20 0,34 3 2 $40 - - $5
8 0,41 3 $30 0,38 3 3 $60 - - -
9 0,72 5 $50 0,13 2 2 $40 3 $3 -
10 0,51 4 $40 0,23 3 3 $60 1 $1 -
Total
(∑)

Cara Mencari ;
 Pembelian  Jumlah Supply x Harga Beli ($10)
 Jumlah Yang Terpenuhi  Diambil yang terkecil antara Jml Supply dgn Jml Demand
 Penjualan  Jumlah yg Terpenuhi x Harga Jual ($20)
 Inventory  Jumlah Supply – Jumlah yg Terpenuhi
 Penyimpanan  Inventory x Biaya penyimpanan ($1)
 Biaya (Tdk Terpenuhi)  Cara mencarinya dengan syarat :
- Bila Jml Supply lebih kecil dari Jml Demand (Supply < Demand)
- Kurangkan Jmlh Demand dgn Jml Supply dikalikan dengan besarnya
biaya yg dikeluarkan oleh pedagang eceran krn tdk dpt memenuhi
pelanggan yaitu $5  { (Jmlh Demand – Jmlh Supply) x $5 }
 Pendapatan  Penjualan – Pembelian – Biaya (Baik itu penyimpanan / tdk terpenuhi)

Rata-rata keuntungan/hari = Total Pendapatan = $178 = $ 17,8


Jumlah Hari 10

Rata-rata keuntungan/tahun = 289 x Rata-rata keuntungan/hari


= 289 x $17,8 = $5144,2

Langkah 5. Mencari Standar Deviasi

Teknik Simulasi <STMIK – AMIK RIAU> Page 7


Hari xi x xi - x (xi – x)2
1 10 17,8 -7,8 60,84
2 19 17,8 1,2 1,44
3 29 17,8 11,2 125,44
4 30 17,8 12,2 148,84
5 39 17,8 21,2 449,44
6 0 17,8 -17,8 316,84
7 15 17,8 -2,8 7,84
8 30 17,8 12,2 148,84
9 -13 17,8 -30,8 948,64
10 19 17,8 1,2 1,44
Total (∑) 2209,6

Cara Mencari :

 xi  Diambil dari pendapatan


 x  Diambil dari nilai Rata-rata keuntungan/hari

Standar Deviasi Keuntungan/Hari (SDK/hari) =√ (xi – x)2


n-1
=√ 2209,6
10 - 1
=√ 2209,6
9
= √245,51
= 15,67

Standar Deviasi Keuntungan/tahun = 289 x SDK/hari


= 289 x 15,67 = 4528,63

III. Simulasi pada Penjualan dan Harga Jual

Sebagai telah dijelaskan, Simulasi Monte Carlo selalu menggunakan asumsi bahwa
variabel-variabelnya adalah independent (tidak terikat). Namun ada juga beberapa kondisi
atau persoalan yang mempunyai hubungan yang erat.

Sebagai contoh  Variabel Pendapatan Kotor (Gross Income) per tahun dapat dinyatakan
dengan formula ;

Gross Income = Sale/thn * Selling Price/unit

Teknik Simulasi <STMIK – AMIK RIAU> Page 8


Hal ini merupakan keadaan yang umum bahwa penjualan dan harga jual/unit tidak
memenuhi hubungan yang lurus/linear namun hubungan yang berlawanan yaitu “Jika harga
jual suatu produk meningkat maka penjualan terhadap produk tersebut akan menurun atau
sebaliknya”.

Hal ini dapat diilustrasikan pada persoalan dibawah ini :

Simulasikan persoalan ini untuk mendapatkan Gross Income/thn yang memadai yaitu untuk
GI >= $300 dengan ketentuan sebagai berikut :

Distribusi Harga Penjualan :

Harga Penjualan/unit $1,00 $1,50 $2,00 $2,50


Distribusi Peluang 0,10 0,30 0,40 0,20

Setelah mengetahui kondisi harga jual yang terjadi maka perlu juga dicari Distribusi
Permintaan untuk setiap harga jual yang terjadi, dengan demikian dapat dilakukan proses
simulasi dengan mengambil bilangan random yang akan digunakan untuk menentukan
Selling Price dan juga dilakukan penarikan bilangan random untuk meneliti penjualan yang
merupakan Distribusi Permintaan.

Distribusi Permintaan :

Harga Jual : $1.00 Harga Jual : $1,50 Harga Jual : $2,00 Harga Jual : $2,50
Demand Prob Demand Prob Demand Prob Demand Prob
180 0,30 150 0,25 130 0,30 110 0,25
190 0,50 160 0,40 140 0,60 120 0,50
200 0,20 170 0,25 150 0,10 130 0,25
180 0,10

Simulasikan persoalan diatas untuk mendapatkan GI ≥ $300 dengan menggunakan


bilangan random sebagai berikut :

Harga Penjualan Permintaan


R1 = 0,09 R1 = 0,24
R2 = 0,63 R2 = 0,60
R3 = 0,87 R3 = 0,42
R4 = 0,47 R4 = 0,16
R5 = 0,90 R5 = 0,11
Pembahasan :

Tabel 1.

Teknik Simulasi <STMIK – AMIK RIAU> Page 9


Menentukan batasan bilangan random untuk harga penjualan :

Harga Penjualan Distribusi cdf Batas Bilangan Random


$1,00 0,10 0,10 0 ≤ Ri ≤ 0,10
$1,50 0,30 0,40 0,10 < Ri ≤ 0,40
$2,00 0,40 0,80 0,40 < Ri ≤ 0,80
$2,50 0,20 1 0,80 < Ri ≤ 1

Tabel 2.
Menentukan batasan bilangan random untuk masing-masing harga penjualan

a. Harga Jual : $1,00


Demand Prob cdf Batas Bilangan Random
180 0,30 0,30 0 ≤ Ri ≤ 0,30
190 0,50 0,80 0,30 < Ri ≤ 0,80
200 0,20 1 0,80 < Ri ≤ 1

b. Harga Jual : $1,50


Demand Prob cdf Batas Bilangan Random
150 0,25 0,25 0 ≤ Ri ≤ 0,25
160 0,40 0,65 0,25 < Ri ≤ 0,65
170 0,25 0,90 0,65 < Ri ≤ 0,90
180 0,10 1 0,90 < Ri ≤ 1

c. Harga Jual : $2,00


Demand Prob cdf Batas Bilangan Random
130 0,30 0,30 0 ≤ Ri ≤ 0,30
140 0,60 0,90 0,30 < Ri ≤ 0,90
150 0,10 1 0,90 < Ri ≤ 1

d. Harga Jual : $2,50


Demand Prob cdf Batas Random
110 0,25 0,25 0 ≤ Ri ≤ 0,25
120 0,50 0,75 0,25 < Ri ≤ 0,75
130 0,25 1 0,75 < Ri ≤ 1

Mencari Gross Income/year (GI/thn) :

Teknik Simulasi <STMIK – AMIK RIAU> Page 10


 Harga Penjualan R1 = 0,09  Harga Jual : $1,00
Permintaan R1 = 0,24  Demand : 180
Gross Income (GI)/thn = $1,00 * 180
= $180
 Harga Penjualan R2 = 0,63  Harga Jual : $2,00
Permintaan R2 = 0,60  Demand : 140
Gross Income (GI)/thn = $2,00 * 140
= $280
 Harga Penjualan R3 = 0,87  Harga Jual : $2,50
Permintaan R3 = 0,42  Demand : 120
Gross Income (GI)/thn = $2,50 * 120
= $300
 Harga Penjualan R4 = 0,47  Harga Jual : $2,00
Permintaan R4 = 0,16  Demand : 130
Gross Income (GI)/thn = $2,00 * 130
= $260
 Harga Penjualan R5 = 0,90  Harga Jual : $2,50
Permintaan R5 = 0,11  Demand : 110
Gross Income (GI)/thn = $2,50 * 110
= $275

Kesimpulan : Dari hasil tsb dapat diambil kesimpulan bahwa untuk mendapatkan GI ≥ $300
dengan simulasi, maka yang menjadi patokan adalah Harga Penjualan R3 =
0,87  Harga Jual : $2,50 dan Permintaan R3 = 0,42  Demand : 120

IV. Produksi Suku Cadang


Dalam usaha pendekatan simulasi untuk ilustrasi dari suatu pabrik assembling suatu
barang yang disebut Part-C. Barang ini dibuat dari gabungan dua bagian yang lain, yaitu
Part-A dan Part-B yang dibeli dari supplier. Ini berarti panjang Part-A dengan Part-B yang
terpakai.
Sebagaimana proses produksi barang-barang lainnya, produksi Part-A dan Part-B juga
bervariasi. Itu berarti Part-A tidak pasti sama panjang ,demikian juga Part-B. Dengan
demikian dapat dinyatakan panjang Part-A dan Part-B dapat disusun dalam suatu distribusi
probabilitas yang terbaca pada Tabel.1
Tabel 1. Distribusi Probabilitas Panjang Part A dan Part B

Panjang Part A Panjang Part B


Panjang Probabilitas Panjang Probabilitas
10 0,25 17 0,07
11 0,25 18 0,14
12 0,25 19 0,23
13 0,25 20 0,38
21 0,12
22 0,06

Teknik Simulasi <STMIK – AMIK RIAU> Page 11


Dari data dan persoalan ini akan dicari dan ditentukan estimasi dari Rata-rata(Mean)
dan Variance atau Standar Deviasi dari Panjang Part-C yang merupakan penjumlahan Part-A
dan Part-B.

Sebagai Proses Penyelesaian, data tsbt diuraikan dengan 2 cara :


1. Dengan menggunakan Pendekatan Simulasi dengan teknik-teknik sampling.
2. Dengan menggunkan cara Ekspektasi dari Part-A dan Part-B dari Tabel.1

1. Dengan Menggunakan Pendekatan Simulasi dengan Teknik


Sampling
Prosedurnya:

a. Pilihlah suatu random number yang dapat dinyatakan dalam 4 digit (0,xxxx).
b. Analisis suatu bil random number tepat pada Tag Number/Batas (Ri) yang sudah
ditentukan untuk Part-A.
c. Pilihlah random number lain dan selidiki tepatnya pada Tag Number/Batas (Ri)
nya yang sudah ditentukan untuk Part-B
d. Jumlahkan panjang Part-A dan Part-B sehingga didapatkan 1 jawaban dari random
sampling besarnya Part-C.
e. Tentukan Rata-rata(Mean), Variance dan Standar Deviasinya.

Penyelesaian :
Tabel 1.1 CDF dan Tag/Batas Bil Random(Ri) Part-A

Panjang (cm) Probabilitas CDF Tag/Batas Bil Random (Ri)


10 0,25 0,25 0 ≤ Ri ≤ 0,25
11 0,25 0,50 0,25 < Ri ≤ 0,50
12 0,25 0,75 0,50 < Ri ≤ 0,75
13 0,25 1 0,75 < Ri ≤ 1

Selanjutnya dilakukan penarikan random number dari komputer. Untuk 10 random number,
panjang Part-A adalah sbb :

Tabel 1.2 Random Sampling Panjang Part-A

No. Random Number Hasil Panjang Random Sampling


1 0,0589 10 cm
2 0,6733 12 cm
3 0,4799 11 cm
Dilihat dari :
4 0,9486 13 cm
5 0,6139 12 cm Batas Bil Random
6 0,5933 12 cm
7 0,9341 13 cm (Ri) pada Tabel 1.1
8 0,1782 10 cm
9 0,3473 11 cm
Teknik
10 Simulasi <STMIK – AMIK RIAU>
0,5644 12 cm Page 12
Tabel 1.3 CDF dan Tag/Batas Bil Random(Ri) Part-B

Panjang (cm) Probabilitas CDF Tag/Batas Bil Random (Ri)


17 0,07 0,07 0 ≤ Ri ≤ 0,07
18 0,14 0,21 0,07 < Ri ≤ 0,21
19 0,23 0,44 0,21 < Ri ≤ 0,44
20 0,38 0,82 0,44 < Ri ≤ 0,82
21 0,12 0,94 0,82 < Ri ≤ 0,94
22 0,06 1 0,94 < Ri ≤ 1

Selanjutnya dilakukan penarikan random number dari komputer. Untuk 10 random number,
panjang Part-B adalah sbb :

Tabel 1.4 Random Sampling Panjang Part-B

No. Random Number Hasil Panjang Random Sampling


1 0,8173 20 cm
2 0,8941 21 cm
3 0,1997 18 cm
Dilihat dari :
4 0,3945 19 cm
5 0,7065 20 cm Batas Bil Random
6 0,0113 17 cm
7 0,8075 20 cm (Ri) pada Tabel 1.3
8 0,7918 20 cm
9 0,0194 17 cm
10 0,3298 19 cm
Tabel 1.5 Simulasi Panjang Part-C

No. Panjang Panjang Panjang Part Kuadrat Part


Sampel Part-A Part-B C=A+B (C)
1 10 cm 20 cm 30 cm 900
2 12 cm 21 cm 33 cm 1089
3 11 cm 18 cm 29 cm 841
4 13 cm 19 cm 32 cm 1024
5 12 cm 20 cm 32 cm 1024
6 12 cm 17 cm 29 cm 841
7 13 cm 20 cm 33 cm 1089
8 10 cm 20 cm 30 cm 900
9 11 cm 17 cm 28 cm 784

Teknik Simulasi <STMIK – AMIK RIAU> Page 13


10 12 cm 19 cm 31 cm 961
Jumlah = 307 cm 9453

Perhitungan :

a. Rata-rata (Mean) C = = 307 / 10 = 30,7 cm

b. Variance C = = 9453 – 9429,9 {10 * (30,7 *30,7)}

9
n
= 3,122 cm

c. Standar Deviasi Part-C = √ Variance = √3,122 = 1,77 cm

2. Dengan Menggunakan Cara Ekspektasi dari Part-A dan Part-B


Dengan menggunakan Tabel 1. Diawal, dapat diperoleh Rata-rata (Mean) dan Standar
Deviasi dengan melalui rumus-rumus dibawah ini :

1. Untuk Rata-rata (Mean) dari X  E(X) =

2. Untuk Variance (X) 

Untuk Part-A :

 Rata-rata (Mean) = (10 * 0,25) + (11 * 0,25) + (12 * 0,25) + (13 * 0,25)
= 2,5 + 2,75 + 3 + 3,25 = 11,5 cm

 Variance = (10 – 11,5)2 * 0,25 + (11 – 11,5)2 * 0,25 + (12 – 11,5)2 * 0,25 + (13 – 11,5)2
* 0,25
= 0,56 + 0,0625 + 0,0625 + 0,5625 = 1,25

 Standar Deviasi = √Variance = √1,25 = 1,12

Teknik Simulasi <STMIK – AMIK RIAU> Page 14


Untuk Part-B :

 Rata-rata (Mean) = (17 * 0,07) + (18 * 0,14) + (19 * 0,23) + (20 * 0,38) + (21 * 0,12)
+ (22 * 0,06)
= ……………….

 Variance = (17 – 19,52)2 * 0,07 + (18 – 19,52)2 * 0,14 + (19 – 19,52)2 * 0,23 + (20 –
19,52)2 * 0,38 + (21 – 19,52)2 * 0,12 + (22 – 19,52)2 * 0,06
= ………………..

 Standar Deviasi = √Variance = …………………….

Untuk Part-C :

 Rata-rata (Mean) = Mean A + Mean B = …………………………………………..


 Variance = Variance A + Variance B = …………………………………………….
 Standar Deviasi = Standar Deviasi A + Standar Deviasi B = ………………………..

Tabel Hasil Perbandingan dari dua cara simulasi diatas

No. Metode Metode


Parameter
Urut Simulasi Ekspektasi
1. Mean 3,07 …………..
2. Variance 3,12 …………..
3. Standar Deviasi 1,77 …………..

“Simulasi memberikan hasil yang cukup baik dan dapat dipakai dengan ketelitian
yang tinggi “.

Teknik Simulasi <STMIK – AMIK RIAU> Page 15