Quantitative Analysis

Simulations

Risiko biaya dan jadwal dapat dievaluasi menggunakan alat simulasi risiko, yang
paling popular adalah analisis Monte Carlo. Alat – alat ini memberikan rentang hasil yang
mungkin dan kemungkinan mencapai hasil ini.

Analisis risiko kuantitatif menganalisis secara numerik pengaruh risiko proyek terhadap
sasaran proyek.

Proses umumnya mengikuti analisis kualitatif dan menggunakan teknik seperti simulasi
Monte Carlo dan analisis keputusan untuk :

 Tentukan kemungkinan untuk mencapai tujuan proyek tertentu.

 Mengidentifikasi risiko yang paling membutuhkan perhatian dengan mengkuantifikasi
kontribusi relatifnya terhadap risiko proyek.
 Mengidentifikasi target biaya, jadwal atau ruang lingkup yang realistis dan dapat
dicapai.
 Menentukan hasil proyek dan probabilitasnya.
 Membimbing keputusan manajemen proyek dalam kondisi ketidakpastian seperti
penentuan ukuran kontijensi.

Kekurangan Menggunakan Monte Carlo Simulation:

 Simulasi tidak akurat. Teknik ini bukan proses optimisasi dan tidak
menghasilkansebuah jawaban tetapi hanya menghasilkan sekumpulan output dari
sistem padaberbagai kondisi yang berbeda. Dalam banyak kasus, ketelitiannya sulit
diukur.
 Model simulasi yang baik bisa jadi sangat mahal, bahkan sering dibutuhkan
waktubertahun-tahun untuk mengembangkan model yang sesuai.
 Tidak semua situasi dapat dievaluasi dengan simulasi. Hanya situasi
yangmengandung ketidak-pastian yang dapat dievaluasi dengan simulasi. Karena
tanpakomponen acak semua eksperimen simulasi akan menghasilkan jawaban yang
sama.
  Simulasi menghasilkan cara untuk mengevaluasi solusi, bukan menghasilkan
carauntuk memecahkan masalah. Jadi sebelumnya perlu diketahui dulu solusi
ataupendekatan solusi yang akan diuji.
 Pengalaman yang diperoleh melalui simulasi tidak selalu tepat dan sesuai
dengankenyataan di lapangan.
 Pengelolaan yang kurang baik. sering simulasi dijadikan sebagai alat
hiburan,sehingga tujuan pembelajaran menjadi terabaikan.

Kelebihan menggunakan Monte Carlo Simulation :

 Hasil Probabalistik : Hasilnya menunjukkan tidak hanya apa yang bisa terjadi, tetapi
seberapa besar kemungkinan hasilnya.
 Hasil Grafis : Karena data Monte Carlo menghasilkan simulasi, mudah untuk
membuat grafik hasil yang berbeda dan peluang terjadinya. Hal ini penting untuk
mengkomunikasikan temuan kepada pemangku kepentingan lainnya.
 Sensistive Analysis : Dalam simulasi Monte Carlo, mudah untuk melihat input mana
yang memiliki efek terbesar pada hasil bottom - line.
 Analisis Skenario : Menggunakan simulasi Monte Carlo, analisis dapat melihat secara
pasti input mana yang memiliki nilai – nilai bersama ketika hasil tertentu terjadi. Ini
sangat berharga untuk analisis lebih lanjut.
 Korelasi Masukan : dalam simulasi Monte Carlo, dimungkinkan untuk memodelkan
hubungan interdependen antara variabel input. Penting bagi keakuratan untuk
mewakili bagaimana yang terjadi pada kenyataannya, ketika beberapa faktor
meningkat, yang lain akan naik atau turu sesuai dengan itu.