LAPORAN RESMI

MODUL II
SIMULASI MONTE CARLO

Kelompok A2

Nurlivia Safira Hartono 07.2018.1.03376

Hazballah Prima A. 07.2018.1.03414
Muhammad Iqbal I. 07.2018.1.03435
Dhea Fortuna 07.2018.1.03453

LABORATORIUM SIMULASI SISTEM INDUSTRI

JURUSAN TEKNIK INDUSTRI
FAKULTAS TEKNOLOGI INDUSTRI
INSTITUT TEKNOLOGI ADHI TAMA SURABAYA
2021
 BAB I
PENDAHULUAN

1.1 Latar Belakang Praktikum

Pemahaman tentang sistem merupakan kebutuhan mendasar bagi seorang
analisis, terutama dalam pemodelan simulasi sistem dan pengaplikasian simulasi
sistem. Pada penerapan khususnya metode analisis, pendekatan yang digunakan
untuk memecahkan masalah atau pendekatan sistem yaitu pendekatan holistik
terhadap suatu persoalan. Pendekatan holistik sendiri akan memperhitungkan
semua faktor secara keseluruhan yang saling bergantung. Metode Monte Carlo
merupakan salah satu metode yang dapat digunakan untuk membantu dalam
menganalisis sistem simulasi yang berjalan.
Simulasi Monte Carlo dapat didefinisikan sebagai Simulasi sistem nyata
yang di alam merupakan unit/partikel, dengan mengamati perilaku sejumlah
unit/partikel yang memiliki kondisi secara acak menurut distribusi populasi, mirip
dengan sistem nyata melalui generasi nomor acak (Sediawan, 2013). Untuk dapat
melakukan simulasi Monte Carlo, pada permasalahan ini praktikan melakukan
pengamatan pada Bubur Ayam 55 di Jl. Ketintang No.73B, Wonokromo, Kec.
Gayungan, Surabaya, Jawa Timur 60231. Praktikan melakukan pengamatan
secara langsung untuk memperoleh data yang dibutuhkan.
Secara umum, untuk data penelitian korelasional jumlah sampel data
minimal 30, sedangkan dalam penelitian eksperimen jumlah masing-masing
kelompok dan untuk penelitian survey atau pengamatan jumlah sampel minimum
15 dari masing-masing kelompok dan untuk penelitian survey jumlah sampel
minimum adalah 100 (Roscoe 1975). Dikutip dari (UMA 2006) memberikan
acuan umum untuk menentukan ukuran sampel: Ukuran sampel lebih dari 30 dan
kurang dari 500 adalah tepat untuk kebanyakan penelitian. Jika sampel dipecah ke
dalam subsampel (pria/wanita, junior/senior, dan sebagainya), ukuran sampel
minimum 30 untuk tiap kategori adalah tepat. Dalam penelitian mutivariate
(termasuk analisis regresi berganda), ukuran sampel sebaiknya 10x lebih besar
dari jumlah variabel dalam penelitian.
 Praktikan mengambil sebanyak 50 data yang meliputi data produksi bubur
ayam per hari, data historis permintaan Bubur ayam per hari, harga pokok
produksi bubur ayam per unit, harga jual bubur ayam per unit, harga biaya sisa
bubur ayam per unit, harga lost of profit bubur ayam per unit serta dapat
mengetahui keuntungan yang diperoleh dari penjualan tersebut. Dalam praktikum
ini, praktikan merancang dan membuat suatu peramalan penjualan dengan
menggunakan metode Monte Carlo, agar dapat melakukan peramalan yang
diinginkan di kemudian hari. Peramalan yang dilakukan berdasarkan history
transaksi penjualan yang lalu. Dengan adanya pendekatan peramalan diharapkan
penjual bubur ayam mampu menentukan kapasitas produksi yang mendekati sama
dengan permintaan konsumen,sehingga mampu meminimalisasi kerugian dan
memaksimalkan profit.

1.2 Rumusan Masalah Praktikum

Adapun rumusan masalah dari praktikum ini antara lain:
1. Bagaimana hasil dari simulasi supply dan demand bubur ayam?
2. Bagaimana hasil dari simulasi biaya sisa dari penjualan bubur ayam?
3. Bagaimana hasil dari simulasi lost of profit dari penjualan bubur ayam?
4. Bagaimana perbandingan dari Total Profit dari hasil perhitungan dan
simulasi monte carlo?

1.3 Tujuan Praktikum

Adapun tujuan dari praktikum ini adalah sebagai berikut:
1. Dapat mengetahui hasil dari perhitungan simulasi Monte Carlo supply dan
demand bubur ayam.
2. Dapat mengetahui biaya sisa dan jumlah penjualan bubur ayam dari hasil
perhitungan simulasi Monte Carlo.
3. Dapat mengetahui permintaan yang tidak terpenuhi dari penjualan bubur
ayam hasil dari perhitungan simulasi Monte Carlo.
4. Dapat mengetahui perbandingan dari Total Profit dari hasil perhitungan dan
simulasi monte carlo.
1.4 Manfaat Praktikum
Adapun manfaat yang dapat diperoleh oleh praktikan selanjutnya adalah
sebagai berikut:
1. Dapat menjadi bahan acuan dalam urutan tahapan pelaksanaan praktikum.
2. Dapat menjadi bahan acuan dalam pengerjaan laporan praktikum
selanjutnya.
3. Berguna dalam pembelajaran sebagai suatu literasi yang berguna.

Adapun manfaat yang dapat diperoleh oleh masyarakat umum adalah

sebagai berikut:
1. Bermanfaat dalam melakukan perhitungan tentang peramalan supply atau
demand dengan menggunakan metode Monte Carlo.
2. Dapat digunakan sebagai acuan untuk memperbaiki sistem produksi agar
profit atau pendapat menjadi lebih optimal.
3. Dapat digunakan sebagai acuan bagi usaha-usaha kecil khususnya usaha
yang praktikan analisa yaitu “Bubur Ayam” dalam mengambil keputusan
produksinya.
Adapun manfaat yang dapat diperoleh oleh praktikan dalam pelaksanaan
praktikum adalah sebagai berikut:
1. Praktikan dapat memahami sistem proses produksi dengan pendekatan
metode Monte Carlo.
2. Praktikan dapat menerapkan metode Monte Carlo dalam berbagai hal
terutama dalam dunia kerja nanti.
3. Praktikan mendapatkan banyak ilmu pengetahuan selain dari pembelajaran
metode juga saat melakukan wawancara secara langsung pada pedangang.

1.5 Batasan Praktikum

Agar pembahasan tidak meluas dan menyimpang dari permasalahan yang
ada, maka dalam penyusunan laporan resmi ini dibatasi oleh:
1. Sampel data diperoleh dari penjual Bubur Ayam 55 di Jl. Ketintang No.73B,
Wonokromo, Kec. Gayungan, Surabaya, Jawa Timur 60231.
2. Harga Jual Bubur Ayam Rp. 15000,-
 3. Data yang diambil sebanyak 50 data.
4. Hanya menjual Bubur ayam.

1.6 Asumsi Praktikum

Adapun asumsi pada praktikum modul ini adalah sebagai berikut:
1. Sampel data yang diperoleh merupakan data real atau sesuai dengan
kenyataannya.
2. Proses produksi pada sistem usaha ini dilakukan secara terus-menerus
(continue).
3. Produk yang tidak terjual pada hari ini tidak bisa dijual di kemudian hari.
 BAB II
LANDASAN TEORI

2.1 Sistem
Sistem adalah suatu rangkaian yang terdiri dari dua atau lebih komponen
yang saling berhubungan dan saling berinteraksi satu sama lain untuk mencapai
tujuan dimana sistem biasa terbagi dalam sub system yang lebih kecil yang
mendukung system yang lebih besar (Romney dan Steinbart, 2015). Dari
pengertian tersebut dapat diambil suatu kesimpulan bahwa suatu sistem
merupakan elemen yang saling berkaitan dan saling mempengaruhi dalam
melakukan kegiatan bersama untuk mencapai suatu tujuan.
Sistem dapat diklasifikasikan dalam berbagai cara, apabila sistem
diklasifikasikan menurut dasar prilakunya, maka ada sistem statis dan sistem
dinamis, sistem deterministic dan sistem stikastik, sistem dengan waktu yang
bervariasi dan sistem waktu yang tidak bervariasi. Fungsi yang dilakukan sistem
dibedakan sebagai sistem circulatory, sistem structural, dan sistem
transformational. Dalam simulasi, sistem dikategorikan dalam dua tipe, yaitu
sistem diskrit dan sistem kontinyu. Sistem diskrit adalah sistem dengan state
variable berubah langsung pada titik yang terpisah dalam suatu rentang waktu.
Sistem kontinyu adalah system dimana state variable berubah terus menerus
seiring dengan perubahan waktu.

2.2 Komponen Sistem

Telah banyak definisi yang dapat menjelaskan pengertian dari sistem,
dimana dalam model simulasi, sistem akan terdiri dari beberapa komponen,
dimana komponen tersebut akan membedakan satu sistem dengan sistem lainnya,
komponen tersebut adalah(Romney dan Steinbart, 2015):
1. Entity adalah objek yang menjadi perhatian sistem, atau unit item yang
diproses selama dalam sistem. Entity dapat diklasifikasikan kedalam tiga tipe.
Pertama, entity berupa benda hidup, misal nasabah bank. Kedua, entityberupa
 benda mati, misal material yang diproses pada mesin. Ketiga, entity yang
bersifat abstrak, misal panggilan telepon.
2. Attribute adalah sifat-sifat yang dimiliki oleh entity. Masing-masing entity
mepunyai sifat.
3. Activity adalah periode waktu yang panjangnya diketahui secara spesifik.
4. Event adalah kejadian yang terjadi secara singkat pada saat perubahan state
dalam sistem.
5. State of variable adalah kumpulan variable yang dibutuhkan untuk
mendiskripsikan sistem pada setiap saat.

2.3 Model
Model diartikan sebagai bentuk representasi akurat sebagai proses aktual
yang memungkinkan seseorang atau sekelompok orang mencoba bertindak
berdasarkan model itu. Dalam pemodelan, model akan dirancang sebagai suatu
penggambaran operasi dari suatu sistem nyata secara ideal dengan tujuan untuk
menjelaskan atau menunjukkan hubungan-hubungan penting yang terkait. Model
sangat beragam, bisa dalam bentuk ikon, analog atau simbol. Model ikon meniru
sistem nyata secara fisik, seperti globe dan planetarium. Model analog meniru
sistem hanya dari perilakunya. Model simbol tidak meniru sistem secara fisik atau
tidak memodelkan perilaku sistem, tapi memodelkan sistem berdasarkan logika.
Dengan membuat model dari suatu sistem maka diharapkan dapat lebih mudah
untuk melakukan analisis. Hal ini merupakan prinsip pemodelan yaitu bahwa
pemodelan bertujuan untuk mempermudah analisis dan pengembangannya (Agus
Suprijono, 2011).

2.4 Simulasi
Simulasi berasal dari kata simulate yang artinya berpura-pura atau berbuat
seolah-olah. Kata simulation artinya tiruan atau perbuatan yang berpura-pura. Dari
kata itu jelas bahwa simulasi adalah tiruan atau perbuatan yang hanya pura-pura
saja. Simulasi dapat digunakan untuk melakukan proses tingkah laku secara
imitasi ataupun bermain peranan mengenai suatu tingkah laku yang dilakukan
seolah-olah dalam keadaan sebenarnya (Sudjana, 2010).
Dari pandangan diatas simulasi juga diartikan sebagai salah satu model
tiruan dari sistem operasi nyata, baik yang dikerjakan dengan manual atau bantuan
komputer. Dimana pada simulasi terdapat pemunculan artificial history atau data
buatan sebuah sistem yang menggambarkan karakteristik dari operasi sebuah
sistem nyata. Dengan tujuan yang lebih luas untuk menganalisa dan memperbaiki
sebuah sistem, simulasi didefinisikan sebagai suatu percobaan dengan sebuah
model yang detail dari sebuah sistem untuk menentukan apakah sistem tersebut
mampu merespon terhadap perubahan struktur, lingkungan dan asumsi-asumsi
yang dibuat.
Menurut Sudjana (2010), agar pemakaian simulasi dapat mencapai tujuan
yang diharapkan, maka dalam pelaksanaanya memperhatikan prinsi-prinsip
sebagai berikut:
1. Simulasi itu dilakukan oleh kelompok peserta didik dan setiap kelompok
mendapat kesempatan untuk melaksanakan simulasi yang sama maupun
berbeda.
2. Semua peserta didik harus dilibatkan sesuai peranannya.
3. Penentuan topik dapat dibicarakan bersama.
4. Petunjuk simulasi terlebih dahulu disiapkan secara terperinci atau secara
garis besarnya tergantung pada bentuk dan tujuan simulasi.
5. Dalam kegiatan simulasi hendaknya mencakup semua ranah pembelajaran;
baik kognitif, afektif maupun psikomotorik.
6. Simulasi adalah latihan keterampilan agar dapat menghadapi kenyataan
dengan baik.
7. Simulasi harus menggambarkan situasi yang lengkap dan proses yang
berurutan yang diperkiran terjadi dalam situasi yang sesungguhnya.
8. Hendaknya dapat diusahakan terintegrasinya beberapa ilmu, terjadinya
proses sebab akibat, pemecahan masalah dan sebagainya.
 Prinsip-prinsip tersebut harus menjadi acuan dalam pelaksanaan simulasi
agar benar-benar dapat dilakukan sesuai konsep simulasi dalam berbagai
bentuknya. Prinsip ini berlaku dalam setiap mata pelajaran dan standar
kompetensi yang sesuai dengan prinsip-prinsip tersebut yang berhubungan dengan
peristiwa nyata. Oleh sebab itu, untuk memilih materi atau topik mana yang akan
digunakan dengan metode simulasi sangat bergantung pada karakteristik dan
prinsip-prinsip simulasi dihubungkan dengan karakteristik mata pelajaran
sebagaiman dijelaskan di atas. Oleh sebab itu, tidak semua mata pelajaran,
kompetensi dasar, indikator, dan topik pembelajaran berbagai mata pelajaran
dapat digunakan dengan simulasi. Disinilah pentingnya pemahaman dan analisa
guru tentang karakteristik dan prinsip metode simulasi dihubungkan dengan
karakteristik mata pelajaran setiap kompetensi dasar.

2.5 Rich Picture

Rich picture merupakan gambar kartun yang menggambarkan keseluruhan
sistem yang rumit sehingga mudah dibaca dari berbagai sudut pandang dengan
segala aspek yang terkandung pada saat itu guna menjadi referensi secara instant.
Pembuatan rich picture diagram merupakan rangkuman dari sebuah pemikiran
panjang dan bukan pada awal observasi(Checkland, 2001 dalam Struart 2015).
Sebuah rich picture baik diagram maupun konsep bukanlah merupakan
penjelasan mengenai sistem. Suatu sistem yang baku mengindikasikan adanya
keterkaitan yang teratur dan tidak terjadi dalam waktu yang bersamaan.
Mengekspresikan sebuah masalah dalam bentuk rich picture diagram merupakan
salah satu jalan menyimpulkan sebuah situasi. Misal sebuah operasi manufaktur
mungkin akan sangat baik bila digambarkan dengan diagram alir yang
menjelaskan bagaimana material berpindah dari satu proses ke proses yang
lainnya.
 Gambar 2.1 Contoh Rich Picture
2.6 CDF
CDF (Cumulative Density Random) adalah fungsi yang menunjukan jumlah
dari semua kemungkinan yang akhirnya bernilai 1. Frekuensi dari masing-masing
data terlebih dahulu didata dan dijumlahkan. Selanjutnya frekuensi masing-
masing data dibagi dengan total data dalam pegamatan. Hasil bagi tersebut akan
mengasilkan bilangan yang jika ditotm;al jumlahnya pasti adalah 1 (Sridadi, 2009
dalam Harahap dan Nur Jayadi, 2016).
Nilai CDF dapat digunakan sebagai dasar perhitungan untuk menentukan
tag-number. Tag-number merupakan rentang batas paling bawah dari suatu
frekuensi hingga batas paling atas. Sama halnya dengan nilai CDF, nilai akhir dari
tag-number harus 1. Jika lebih maka artinya ada kesalahan dalam proses
pendataan yang harus diperbaiki.

2.7 Definisi Metode Monte Carlo

Metode Monte Carlo adalah metode yang digunakan untuk menghitung atau
memperkirakan nilai atau solusi menggunakan angka acak, probabilitas, dan
statistik (Nadinastiti, 2011). Metode Monte Carlo berbeda dengan metode-metode
simulasi lainnya. Dalam kasus biasanya dengan menggunakan angka acak (atau
biasa disebut pseudo-randomnumbers) seperti yang terjadi pada deterministic
algorithms. Deterministic algorithms adalah algoritma yang memberi masukan
tertentu, akan selalu menghasilkan output yang sama, dengan mesin yang
mendasari selalu melewati urutan yang sama.
 Algoritma deterministik sejauh ini adalah algoritma yang paling banyak
dipelajari dan dikenal, dan juga algoritma yang paling praktis, karena dapat
dijalankan pada mesin nyata secara efisien. Secara formal, algoritma deterministik
menghitung fungsi matematis sebuah fungsi memiliki nilai unik untuk input
apapun dalam domainnya. Metode Monte Carlo pada umumnya dilakukan
menggunakan komputer dan memakai berbagai teknik simulasi komputer. Metode
Monte Carlo sangat penting dalam fisika komputasi dan bidang terapan lainnya
karena memiliki aplikasi yang beragam. Metode ini terbukti efisien dalam
memecahkan persamaan deferensial integral medan radians, sehingga metode ini
digunakan dalam perhitungan iluminasi global yang menghasilkan gambar-
gambar foto realistik model tiga dimensi.

2.8 Simulasi Monte Carlo

Menurut Fajar (2011), simulasi Monte Carlo adalah metode untuk
menganalisa perambatan ketidak pastian, dimana tujuannya adalah untuk
menentukan bagaimana variasi random atau error yang mempengaruhi
sensitivitas, performa atau reliabilitas dari sistem yang sedang dimodelkan.
Simulasi Monte Carlo digolongkan sebagai metode sampling karena input
dibangkitkan secara random dari suatu distribusi probabilitas dari suatu populasi
nyata. Oleh karena itu, suatu model harus memilih suatu distribusi input yang
paling mendekati data yang dimiliki.
Simulasi Monte Carlo dapat dilakukan dengan penggunaan bilangan acak,
yang prinsip dasar di balik proses pemilihan bilangan acak tersebut sama dengan
yang ada pada peralatan seperti roulette, dadu dan kartu. Peralatan tersebut
menghasilkan bilangan secara acak dari suatu populasi yang jelas. Menurut Satya
(2016), ada lima langkah dalam melakukan simulasi Monte Carlo yaitu:
1. Menetapkan/menentukan distribusi probabilitas untuk variabel-variabel
penting.
Ide dasar simulasi Monte Carlo adalah membangkitkan nilai-nilai untuk
variabel penyusun yang sedang dianalisa. Banyak sekali variabel pada
kondisi sistem nyata yang bersifat probabilitas secara alami, misalkan
 permintaan dan persediaan harian. Satu cara yang sering digunakan dalam
menetapkan distribusi probabilitas dari variabel yang ada adalah dengan
menganalisa data-data historis.

2. Menetapkan distribusi kumulatif untuk setiap variabel.

Setelah menentukan distribusi probabilitas, langkah selanjutnya mengubah
distribusi probabilitas tersebut menjadi distribusi kumulatif dengan cara
mengakumulasikan hasil dari distribusi probabilitas yang menghasilkan
akumulasi dari masing-masing kelas sebagai total akumulasi dari kelas
sebelumnya.
3. Menentukan suatu interval dari bilangan acak untuk setiap variabel.
Setelah ditentukan distribusi probabilitas kumulatif untuk setiap variabel
yang terlibat dalam simulasi, selanjutnya menentukan bilangan-bilangan
tertentu untuk mempresentasikan setiap nilai atau hasil yang mungkin
didapatkan, hal tersebut sebagai acuan bilangan acak.

4. Pembangkitan bilangan acak

Bilangan acak dibangkitkan untuk masalah-masalah simulasi dengan
berbagai cara. Jika masalah tersebut sangat kompleks dan proses yang
diamati melibatkan ribuan percobaan simulasi, maka suatu program
komputer dapat digunakan untuk membangkitkan bilangan acak yang
dibutuhkan. Sedangkan jika simulasi dilakukan secara manual, pemilihan
bilangan acak dapat dilakukan dengan memilih angka dari tabel bilangan
acak. Dimana setiap digit atau angka dalam tabel memiliki kesempatan yang
sama untuk muncul.

5. Menjalankan simulasi dari serangkaian percobaan

Lakukan simulasi untuk sejumlah pengamatan, jumlah replikasi yang sesuai
dengan cara yang sama dan jumlah yang tepat dari suatu sampel dalam
eksperimen aktual. Dengan simulasi, jumlah sampel yang sangat besar dapat
dilakukan dengan tingkat kesalahan yang sangat kecil.
2.9 Perhitungan Monte Carlo
Dalam memilih dan melakukan perhitungan statistik terhadap suatu data
yang sifatnya random, perlu terlebih dahulu dilakukan pengelompokkan data
berdasarkan jumlah dan interval kelasnya. Maka, penulis akan menjabarkan secara
singkat mengenai penentuan kerangka distribusi frekuensi(Satya, 2016):
1. Jumlah kelas (k)
k = 1+ 3,3 log n................................... (2.1)

Dimana:
k =Banyaknya kelas
n =Banyaknya nilai observasi

2. Inteval kelas (c)

�=
�� −�1
�
............................. (2.2)
Dimana:
c = Perkiraan besarnya interval
k =Banyaknya kelas
X1 = Nilai observasi terkecil
Xn = Nilai observasi terbesar

2.10 Kelebihan dan Kekurangan Simulasi Monte Carlo

Menurut JP Morgan dalam Fariandi (2013), adapun kelebihan &
kekurangan menggunakan simulasi Monte Carlo antara lain:
1. Untuk mendapatkan hasil perhitungan yang lebih akurat untuk semua jenis
instrumen.
2. Lebih realistis terhadap sistem nyata karena asumsi lebih sedikit.
3. Dapat digunakan pada semua jenis asumsi distribusi (distribusi normal dan
lain-lain).

Adapun kekurangan menggunakan simulasi Monte Carlo antara lain:

1. Tidak menghasilkan penyelesaian, tapi menghasilkan cara untuk menilai
jawaban termasuk jawaban optimal.
 2. Dalam hal komputasi karena memerlukan simulasi risk factor yang cukup
banyak.

2.11 Penerapan Metode Monte Carlo

Menurut Fajar (2011), metode Monte Carlo memiliki banyak penerapan di
berbagai bidang,penerapan metode Monte Carlo antara lain dalam bidang:
1. Grafis
Pada bidang grafis, digunakan untuk penjejakan sinar.

2. Keuangan
Pada bidang keuangan, digunakan untuk menilai dan menganalisis model-
model finansial.
3. Fisika
Pada bidang fisika, cabang-cabang yang menggunakannya antara lain fisika
statistik dan partikel. Dalam fisika partikel digunakan untuk eksperimen,
sedangkan dalam ilmu nuklir metode ini juga banyak diterapkan.

4. Ilmu probabilitas dan statistik

Pada bidang tersebut digunakan untuk mensimulasikan dan memahami efek
keberagaman.

5. Kimia
Pada bidang kimia, digunakan untuk simulasi yang melibatkan kluster-
kluster atomik.

6. Ilmu lingkungan
Pada ilmu lingkungan, digunakan untuk memahami perilaku kontaminan.

2.12 RandomNumberGenerate (RNG)

Menurut Hidayat (2010), Random Number Generate (RNG) adalah suatu
algoritma yang digunakan untuk menghasilkan urutan-urutan atau sequence dari
angka-angka sebagai hasil dari perhitungan dengan komputer yang diketahui
distribusinya sehingga angka tersebut muncul secara random dan digunakan terus
menerus. Cara memperoleh random number generate yaitu:
1. Pada zaman dahulu dengan cara melempar dadu dan mengocok kartu.
2. Pada zaman modern (>1940) dengan cara membentuk bilangan acak secara
numerik/aritmatik dengan menggunakan komputer atau disebut dengan
Pseudo random number.
 BAB III
METODOLOGI PENELITIAN
3.1 Flowchart Metode Pratikum

Mulai

Identifikasi Masalah

Perumusan Masalah
Tahap
Identifikasi
Tujuan Penelitian

Studi Literatur Studi Lapangan

Tahap Pengumpulan Data:

Pengumpulan
Data Supply dan Demand dengan 50 data Historiss

Tahap Pengolahan Data Simulasi:

Pengolahan Data 1. Total Supply
2. Total Penjualan
3. Total Produk Sisa
4. Total LOP
5. Profit

Tahap Analisa Analisa Data:

Melakukan analisa hasil perhitungan
dengan membandingkan antara hasil
simulasi dan pengamatan.

Tahap Kesimpulan dan Saran

Kesimpulan dan
Saran
Selesai

Gambar 3.1Flowchart Simulasi Monte Carlo

3.1 Tahapan Metode Penelitian
Pada metode penelitian merupakan penjabaran mengenai tahapan yang
dilakukan dalam menyelesaikan masalah. Tahapan ini disusun guna menjadi
acuan peneliti pada pelaksanaan dan penyelesaian masalah tersebut. Dengan
tujuan untuk lebih memahami tahapan dalam penelitian ini, maka tahapan tersebut
akan dijelaskan pada sub bab dibawah ini.

3.1.1 Tahap Identifikasi

Mengidentifikasi masalah dilakukan untuk menjawab persoalan dari
rumusan masalah yang ada, dan mencapai tujuan yang diinginkan yang
berhubungan dengan simulasi Monte Carlo. Langkah berikutnya adalah
menentukan tujuan praktikum berdasarkan atas permasalahan yang telah
teridentifikasi dalam tahap perumusan masalah. Untuk mendukung penelitian ini,
maka study dengan melihat dan mengamati literature pada metode simulasi
Monte Carlo, handout “Simulasi Sistem Industri”, maupun dari browsing melalui
media internet terkait dengan materi tersebut.
Adapun studi pengamatan di lapangan yaitu suatu pengamatan secara
langsung untuk mengetahui suatu obyek yang diteliti, sebelum dilakukan peneliti
secara lebih mendalam. Hasil study ini digunakan sebagai dasar praktikan untuk
dapat melakukan langkah-langkah yang akan dilakukan selanjutnya. Studi
lapangan ini dilakukan dengan cara melakukan pengamatan pada penjual Bubur
Ayam 55 di Jl. Ketintang No.73B, Wonokromo, Kec. Gayungan, Surabaya, Jawa
Timur 60231. Dan data yang diambil sebanyak 50 data dari histori data penjualan
dan permintaan.
3.1.2 Tahap Pengumpulan Data
Sumber data yang digunakan dalam praktikum ini berasal dari data yang
diperoleh dari hasil pengamatan oleh kelompok A2 dan data historis penjualan
bubur ayam yang diberikan oleh pemilik usaha tersebut. Pengambilan data
praktikum ini dilakukan hari Jumat tanggal 26 Maret 2021, pada Bubur Ayam 55
di Jl. Ketintang No.73B, Wonokromo, Kec. Gayungan, Surabaya, Jawa Timur
60231, dilakukan pada jam 08:00 WIB sampai selesai.
Pengumpulan data yang dilakukan berupa:
1. Data historis penjualan bubur ayam selama 50 hari.
2. Data historis permintaan bubur ayam selama 50 hari.
3. Harga pokok produksi per unit yaitu Rp. 9500,00.
4. Harga jual bubur ayam per unit yaitu Rp. 15000,00.
5. Laba kotor yang didapatkan dari setiap penjualan bubur ayam per unit yaitu
Rp.5500,00.

3.1.3 Tahap Pengolahan Data

Dalam tahap ini data yang telah diperoleh dari kegiatan pengumpulan data
akan diolah dengan menggunakan teori dan perhitungan simulasi Monte Carlo
yang sudah dipelajari dalam literatur.

3.1.4 Tahap Analisa dan Interprestasi Data

Dari hasil pengolahan data yang telah dilakukan, dilakukan analisa terhadap
hasil tersebut dan intepretasikan hasil tersebut menjadi bahasa yang lebih
komunikatif sehingga mudah dipahami

3.1.5 Kesimpulan dan Saran

Langkah ini merupakan langkah terakhir, hasil dari pengolahan data dan
analisa akan digunakan untuk menarik kesimpulan agar bisa diperoleh ringkasan
jawaban dari perumusan masalah dan tujuan.
 BAB IV
PENGUMPULAN DAN PENGOLAHAN DATA

4.1 Deskripsi Sistem

Pada praktikum modul 2 yaitu penggunaan metode simulasi Monte Carlo,
praktikan mengamati sebuah sistem produksi Bubur Ayam 55 di Jl. Ketintang
No.73B, Wonokromo, Kec. Gayungan, Surabaya, Jawa Timur 60231. Usaha
bubur ayam yang dijual oleh Ibu Nini telah dilakukan hampir 11 tahun lebih.
Meskipun hanya mendapatkan untung bersih yang cukup sedikit bila dihitung,
namun menurut ibu Nini yang penting semua dilakukan dengan ikhlas dan jika
ada untuk lebih bisa ditabung. Bubur Ayam yang dijual ibu Nini ini sendiri
memiliki isian potongan ayam, kedelai, cakue dan juga kerupuk, walaupun
terkesan sederhana tapi bubur ayam 55 ini tidak pernah sepi pembeli dikarenakan
cita rasa yang enak dan tidak berubah selama 11 tahun.
Proses pembuatan Bubur Ayam bu Nini ini dapat dibilang cukup sederhana,
mula-mula mempersiapkan bahan untuk pembuatan Bubur (beras, bumbu, dll )
kemudian dimasak untuk menghasilkan bubur yang sedap, lalu diatas bubur
diberikan suwiran ayam, kacang kedelai, dan cakue. Untuk penyajian bubur ayam
sendiri dilakukan ketika pelayanan pelanggan. Caranya siapkan bubur di wadah
styrofoam, diberi kecap asin dan manis, lalu diatas bubur ditaberi suwiran ayam,
kacang kedelai, cakue dan jangan lupa diberi kerupuk, kemudian disajikan kepada
pelanggan.
Dalam pengamatan sistem penjualan ini, diasumsikan bahwa produk yang
tidak terjual hari ini tidak dapat dijual pada hari berikutnya. Dan produk yang
tidak terjual dianggap sebagai barang sisa dan permintaan pelanggan yang tidak
dapat dipenuhi oleh penjual dikarenakan produk telah habis terjual (lost of
product) dianggap akan menimbulkan biaya kerugian bagi penjual. Adapun data
yang diperoleh pada saat pengamatan yaitu:
1. Data historis penjualan bubur ayam selama 50 hari.
2. Data historis permintaan bubur ayam selama 50 hari.
 3. Harga pokok produksi per unit yaitu Rp. 9500,00.
4. Harga jual bubur ayam per unit yaitu Rp. 15000,00.
5. Laba kotor yang didapatkan dari setiap penjualan bubur ayam per unit yaitu
Rp.5500,00

4.2 Komponen Sistem

Suatu sistem terdiri dari sejumlah komponen yang saling berinteraksi dan
bekerjasama membentuk satu kesatuan. Komponen-komponen sistem dapat
berupa suatu subsistem atau bagian-bagian dari sistem. Komponen sistem
penjualan bubur ayam adalah sebagai berikut:
Tabel 4.1 Komponen Sistem pada Penjual Bubur Ayam
State Of
System Entity Attribute Activities Event
Variabel
Menjual
Pemilik bubur Jumlah sisa
Peralatan Hasil
Usaha ayam, bubur
memasak penjualan
(permanen) memenuhi ayam
Pembuatan
permintaan
Bubur
Memesan
Ayam Jumlah
Uang dan
Konsumen Hasil permintaan
untuk membeli
(temporary) pembelian yang tidak
membayar bubur
terpenuhi
ayam
4.3 Rich Picture

Gambar 4.1Rich Picture Penjual Bubur Ayam

4.4 Data Pengamatan Jumlah Supply dan Demand

Tabel 4.2 Data Pengamatan Supply dan Demand

Produksi Permintaan Produk Sisa Permintaan yang tidak
Hari
(unit) (unit) (unit) Terpenuhi (unit)
1 60 60 0 0
2 77 77 0 0
3 75 75 0 0
4 86 85 1 0
5 84 84 0 0
6 97 97 0 0
7 100 102 0 2
8 95 93 2 0
9 105 105 0 0
10 84 84 0 0
11 79 79 0 0
12 89 89 0 0
13 85 85 0 0
14 98 98 0 0
 Tabel 4.2 Data Pengamatan Supply dan Demand (Lanjutan)
Hari Produksi Permintaan Produk Sisa Permintaan yang tidak
(unit) (unit) (unit) Terpenuhi (unit)
15 102 104 0 2
16 99 99 0 0
17 110 110 0 0
18 85 85 0 0
19 87 84 3 0
20 79 79 0 0
21 98 98 0 0
22 105 101 4 0
23 99 98 1 0
24 97 97 0 0
25 68 70 0 2
26 76 76 0 0
27 89 88 1 0
28 83 83 0 0
29 85 82 3 0
30 79 72 7 0
31 110 110 0 0
32 80 80 0 0
33 92 94 0 2
34 103 103 0 0
35 99 99 0 0
36 84 81 3 0
37 69 69 0 0
38 78 78 0 0
39 79 79 0 0
40 105 105 0 0
41 97 97 0 0
42 89 85 4 0
 Tabel 4.2 Data Pengamatan Supply dan Demand (lanjutan)
Produksi Permintaan Produk Sisa Permintaan yang tidak
Hari (unit) (unit) (unit) Terpenuhi (unit)
43 69 69 0 0
44 75 75 0 0
45 69 69 0 0
46 75 75 0 0
47 79 79 0 0
48 89 89 0 0
49 84 82 2 0
50 94 94 0 0

Tabel 4.3 Dasar Penetapan HPP

No Keterangan Total Harga
Biaya bahan baku yang
1. Rp. 6000,-
digunakan
2. Biaya Tenaga Kerja Rp. 2000,-
3. Biaya Overhead Rp. 1500,-
4. HPP Rp. 9500,-

Keterangan:
Harga Pokok Produksi (HPP) :Rp. 9500 -/ porsi
Harga Jual : Rp. 15000-/ porsi
Laba kotor : Rp. 5500-/ porsi
Loss of profit (LOP) : Rp. 9500-/ porsi
Keterangan:
Dis. Densitas =Kepadatan dalam satu populasi
CDF = Fungsi yang menunjukan jumlah dari semua kemungkinan yang
akhirnya bernilai 1.
Tag Number = Rentang batas paling bawah dari suatu frekuensi hingga batas
paling atas.

4.5 Tabel CDF dan Tag Number Supply

Tabel 4.4 CDF dan Tag Number Supply

Permintaan Frekuensi Dis. Densitas CDF Tag Number
60 1 0.0200 0.0200 0.0000-0.0200
68 1 0.0200 0.0400 0.0201-0.0400
69 3 0.0600 0.1000 0.0401-0.1000
75 3 0.0600 0.1600 0.1001-0.1600
76 1 0.0200 0.1800 0.1601-0.1800
77 1 0.0200 0.2000 0.1801-0.2000
78 1 0.0200 0.2200 0.2001-0.2200
79 5 0.1000 0.3200 0.2201-0.3200
80 1 0.0200 0.3400 0.3201-0.3400
83 1 0.0200 0.3600 0.3401-0.3600
84 4 0.0800 0.4400 0.3601-0.4400
85 3 0.0600 0.5000 0.3401-0.5000
86 1 0.0200 0.5200 0.5001-0.5200
87 1 0.0200 0.5400 0.5201-0.5400
89 4 0.0800 0.6200 0.5401-0.6200
92 1 0.0200 0.6400 0.6201-0.6400
94 1 0.0200 0.6600 0.6401-0.6600
95 1 0.0200 0.6800 0.6601-0.6800
 Tabel 4.4 CDF dan Tag Number Supply (Lanjutan)

Permintaan Frekuensi Dis. Densitas CDF Tag Number

97 3 0.0600 0.7400 0.6801-0.7400
98 2 0.0400 0.7800 0.7401-0.7800
99 3 0.0600 0.8400 0.7801-0.8400
100 1 0.0200 0.8600 0.8401-0.8600
102 1 0.0200 0.8800 0.8601-0.8800
103 1 0.0200 0.9000 0.8801-0.9000
105 3 0.0600 0.9600 0.9001-0.9600
110 2 0.0400 1.0000 0.9601-1.0000

4.6 Tabel CDF dan Tag Number Demand

Tabel 4.5 CDF dan Tag Number Demand

Permintaan Frekuensi Dis.densitas CDF Tag Number
60 1 0.0200 0.0200 0.0000-0.0200
69 3 0.0600 0.0800 0.0201-0.0800
70 1 0.0200 0.1000 0.0801-0.1000
72 1 0.0200 0.1200 0.1001-0.1200
75 3 0.0600 0.1800 0.1201-0.1800
76 1 0.0200 0.2000 0.1801-0.2000
77 1 0.0200 0.2200 0.2001-0.2200
78 1 0.0200 0.2400 0.2201-0.2400
79 4 0.0800 0.3200 0.2401-0.3200
80 1 0.0200 0.3400 0.3201-0.3400
81 1 0.0200 0.3600 0.3401-0.3600
82 2 0.0400 0.4000 0.3601-0.4000
83 1 0.0200 0.4200 0.4001-0.4200
 Tabel 4.5 CDF dan Tag Number Demand (Lanjutan)

Permintaan Frekuensi Dis. Densitas CDF Tag Number

84 3 0.0600 0.4800 0.4201-0.4800
85 4 0.0800 0.5600 0.4801-0.5600
88 1 0.0200 0.5800 0.5601-0.5800
89 2 0.0400 0.6200 0.5801-0.6200
93 1 0.0200 0.6400 0.6201-0.6400
94 2 0.0400 0.6800 0.6401-0.6800
97 3 0.0600 0.7400 0.6801-0.7400
98 3 0.0600 0.8000 0.7401-0.8000
99 2 0.0400 0.8400 0.8001-0.8400
101 1 0.0200 0.8600 0.8401-0.8600
102 1 0.0200 0.8800 0.8601-0.8800
103 1 0.0200 0.9000 0.8801-0.9000
104 1 0.0200 0.9200 0.9001-0.9200
105 2 0.0400 0.9600 0.9201-0.9600
110 2 0.0400 1.0000 0.9601-1.0000

4.7 Langkah-Langkah Membangkitkan Bilangan Random Dengan Metode

Microsoft Excel
Adapun langkah-langkah membangkitkan bilangan random dengan metode
Microsoft Excel adalah sebagai berikut:
1. Membuka lembaran kerja baru di halaman Microsoft Excel.
2. Selanjutnya membuat rumus =RAND(....)pada kolom paling atas pada
halaman kerja Microsoft Excel.
3. Setelah rumus dibuat, kemudian klik Enter. Bilangan random akan muncul
dengan sendirinya.
4. Selanjutnya klik kiri dan tahan pada kolom bilangan random tersebut,
kemudian tarik kebawah untuk memunculkan bilangan random lebih banyak
lagi sesuai dengan yang dibutuhkan.
5. Kemudian lepaskan klik kiri.
4.8 Hasil bilangan Random Supply dengan metode Microsoft Excel
Tabel 4.6 Bilangan Random untuk Produksi

No Bil. Random Supply No Bil. Random Supply

1 0.852576026 26 0.683610749

2 0.165639246 27 0.401040754

3 0.315596047 28 0.86907634

4 0.707799042 29 0.407537792

5 0.403815999 30 0.374339405

6 0.383709652 31 0.850597354

7 0.640659315 32 0.552296901

8 0.462859989 33 0.797217555

9 0.841507207 34 0.538137689

10 0.472186036 35 0.078003912

11 0.852574098 36 0.891565869

12 0.644699622 37 0.368796713

13 0.022463886 38 0.966959539

14 0.552313558 39 0.792534734

15 0.959925961 40 0.518689634

16 0.12044014 41 0.241681548

17 0.55626473 42 0.519323004

18 0.377741547 43 0.092974645

19 0.549648833 44 0.13107135

20 0.750560087 45 0.34684042

21 0.625785328 46 0.872335494

22 0.982637761 47 0.296831262

23 0.455247863 48 0.494610695

24 0.216449653 49 0.569076594

25 0.087532011 50 0.537025496
4.9 Hasil bilangan Random Demand dengan metode Microsoft Excel
Tabel 4.7 Bilangan Random untuk Permintaan

No Bil. Random Supply No Bil. Random Supply

1 0.317930209 26 0.592292507

2 0.979652031 27 0.79793503
3 0.090410789 28 0.574657505

4 0.15335698 29 0.782338205
5 0.318313253 30 0.429200991

6 0.037112122 31 0.107608931

7 0.645989649 32 0.536682284
8 0.164568491 33 0.157791876

9 0.775931508 34 0.316162384
10 0.115464865 35 0.679638254

11 0.104240465 36 0.863887714

12 0.801988858 37 0.51372891
13 0.647205753 38 0.924034421

14 0.904780234 39 0.397156839
15 0.753642125 40 0.800708896

16 0.286827147 41 0.522863342
17 0.746565715 42 0.450377082

18 0.140383309 43 0.916379203

19 0.259939817 44 0.388890695
20 0.860686249 45 0.891743626

21 0.221750055 46 0.031938085
22 0.79461291 47 0.995508488

23 0.029901084 48 0.215616312

24 0.177134414 49 0.871707099
25 0.970004107 50 0.461951337
 4.10 Hasil Perhitungan Total Profit Usaha Bubur Ayam

Tabel 4.8 Hasil Perhitungan Total Profit Usaha Bubur Ayam 55 di Jl. Ketintang No.73B, Wonokromo, Surabaya
Total Jumlah Jumlah barang
Total biaya Jumlah Biaya Total
No. Produksi biaya Permintaan barang yang tidak LOP
penjualan barang sisa sisa profit
supply terjual terpenuhi
1 60 570000 60 60 900000 0 0 0 0 330000
2 77 731500 77 77 1155000 0 0 0 0 423500
3 75 712500 75 75 1125000 0 0 0 0 412500
4 86 817000 85 85 1275000 1 9500 0 0 458000
5 84 798000 84 84 1260000 0 0 0 0 462000
6 97 921500 97 97 1455000 0 0 0 0 533500
7 100 950000 102 100 1500000 0 0 2 19000 531000
8 95 902500 93 93 1395000 2 19000 0 0 492500
9 105 997500 105 105 1575000 0 0 0 0 577500
10 84 798000 84 84 1260000 0 0 0 0 462000
11 79 750500 79 79 1185000 0 0 0 0 434500
12 89 845500 89 89 1335000 0 0 0 0 489500
13 85 807500 85 85 1275000 0 0 0 0 467500
 Tabel 4.8 Hasil Perhitungan Total Profit Usaha Bubur Ayam 55 di Jl. Ketintang No.73B, Wonokromo, Surabaya (Lanjutan)

No. Total Jumlah Jumlah barang

Total biaya Jumlah Biaya Total
Produksi biaya Permintaan barang yang tidak LOP
penjualan barang sisa sisa profit
supply terjual terpenuhi
14 98 931000 98 98 1470000 0 0 0 0 539000
15 102 969000 104 102 1530000 0 0 2 19000 542000
16 99 940500 99 99 1485000 0 0 0 0 544500
17 110 1045000 110 110 1650000 0 0 0 0 605000
18 85 807500 85 85 1275000 0 0 0 0 467500
19 87 826500 84 84 1260000 3 28500 0 0 433500
20 79 750500 79 79 1185000 0 0 0 0 434500
21 98 931000 98 98 1470000 0 0 0 0 539000
22 105 997500 101 101 1515000 4 38000 0 0 517500
23 99 940500 98 98 1470000 1 9500 0 0 529500
24 97 921500 97 97 1455000 0 0 0 0 533500
25 68 646000 70 68 1020000 0 0 2 19000 355000
26 76 722000 76 76 1140000 0 0 0 0 418000
27 89 845500 88 88 1320000 1 9500 0 0 474500
28 83 788500 83 83 1245000 0 0 0 0 456500
 Tabel 4.8 Hasil Perhitungan Total Profit Usaha Bubur Ayam 55 di Jl. Ketintang No.73B, Wonokromo, Surabaya (Lanjutan)
No. Total Jumlah Jumlah barang
Total biaya Jumlah Biaya Total
Produksi biaya Permintaan barang yang tidak LOP
penjualan barang sisa sisa profit
supply terjual terpenuhi
29 85 807500 82 82 1230000 3 28500 0 0 422500
30 79 750500 72 72 1080000 7 66500 0 0 329500
31 110 1045000 110 110 1650000 0 0 0 0 605000
32 80 760000 80 80 1200000 0 0 0 0 440000
33 92 874000 94 92 1380000 0 0 2 19000 487000
34 103 978500 103 103 1545000 0 0 0 0 566500
35 99 940500 99 99 1485000 0 0 0 0 544500
36 84 798000 81 81 1215000 3 28500 0 0 417000
37 69 655500 69 69 1035000 0 0 0 0 379500
38 78 741000 78 78 1170000 0 0 0 0 429000
39 79 750500 79 79 1185000 0 0 0 0 434500
40 105 997500 105 105 1575000 0 0 0 0 577500
41 97 921500 97 97 1455000 0 0 0 0 533500
42 89 845500 85 85 1275000 4 38000 0 0 429500
43 69 655500 69 69 1035000 0 0 0 0 379500
 Tabel 4.8 Hasil Perhitungan Total Profit Usaha Bubur Ayam 55 di Jl. Ketintang No.73B, Wonokromo, Surabaya (Lanjutan)
Total Jumlah Jumlah barang
Permintaa Total biaya Jumlah Biaya Total
No. Produksi biaya barang yang tidak LOP
n penjualan barang sisa sisa profit
supply terjual terpenuhi
44 75 712500 75 75 1125000 0 0 0 0 412500
45 69 655500 69 69 1035000 0 0 0 0 379500
46 75 712500 75 75 1125000 0 0 0 0 412500
47 79 750500 79 79 1185000 0 0 0 0 434500
48 89 845500 89 89 1335000 0 0 0 0 489500
49 84 798000 82 82 1230000 2 19000 0 0 432000
50 94 893000 94 94 1410000 0 0 0 0 517000
TOTAL 4374 41553000 4351 4343 65145000 31 294500 8 76000 23516000

Rata-rata keuntungan yang diperoleh per hari = Rp 23.516.000 / 50 hari

= Rp 470.320,-
4.11 Simulasi Monte Carlo Usaha Bubur Ayam
Langkah-langkah dalam perhitungan Total Profit usaha Bubur Ayam 55 menggunakan metode simulasi monte carlo sebagai
berikut:
1. Menentukan bilangan random untuk supply yang akan digunakan.
2. Menentukan data produksi yang akan digunakan.
3. Menghitung jumlah total supply dari data yang sudah ada yaitu, Produksi X HPP  55  9500  522500
4. Menentukan bilangan random untuk permintaan yang akan digunakan.
5. Menentukan data permintaan yang akan digunakan.
6. Menentukan Jumlah produk yang terjual.
7. Menghitung nilai total penjualan dari data yang sudah ada yaitu, Jumlah produk terjual  Harga jual  55  15000  825000
8. Menentukan jumlah barang sisa.
9. Menghitung jumlah biaya sisa dari data yang sudah ada yaitu, Jumlah barang sisa  Harga jual  1  15000  15000
10. Menentukan jumlah barang yang tidak terpenuhi
11. Menghitung jumlah LOP dari data yang sudah ada yaitu, Jumlah barang yang tidak terpenuhi  HPP  1  9500  9500
12. Menghitung jumlah total profit dari data yang sudah ada yaitu, Total penjualan - Total biaya supply  900000 - 522500  377500
 Tabel 4.9 Hasil Simulasi Monte Carlo pada Penjual Bubur Ayam 55 di Jl. Ketintang No.73B, Wonokromo, Surabaya
Jumlah
Jumlah Jumlah
Bil. Jumlah Total Bil. Jumlah Total Biaya barang Total
Produk barang LOP
No Random Supply Supply Random Permintaan Penjualan sisa tidak Profit
Terjual sisa (Rp)
Produksi (Unit) (Rp) Permintaan (Unit) (Rp) (Rp) terpenuhi (Rp)
(Unit) (Unit)
(Unit)
1 0.8526 100 950000 0.3179 56 55 825000 0 0 1 9500 -134500
2 0.1656 76 722000 0.9797 77 77 1155000 0 0 0 0 433000
3 0.3156 79 750500 0.0904 75 70 1050000 0 0 5 47500 252000
4 0.7078 97 921500 0.1534 83 83 1245000 2 30000 0 0 323500
5 0.4038 85 807500 0.3183 84 84 1260000 0 0 0 0 452500
6 0.3837 84 798000 0.0371 100 100 1500000 5 75000 0 0 702000
7 0.6407 100 950000 0.6460 102 100 1500000 0 0 2 19000 531000
8 0.4629 95 902500 0.1646 95 95 1425000 0 0 0 0 522500
9 0.8415 105 997500 0.7759 105 105 1575000 0 0 0 0 577500
10 0.4722 84 798000 0.1155 90 84 1260000 0 0 6 57000 405000
11 0.8526 90 855000 0.1042 87 87 1305000 3 45000 0 0 450000
12 0.6447 89 845500 0.8020 89 89 1335000 0 0 0 0 489500
 Tabel 4.9 Hasil Simulasi Monte Carlo pada Penjual Bubur Ayam 55 di Jl. Ketintang No.73B, Wonokromo, Surabaya (Lanjutan)

Bil. Jumlah
Jumlah Jumlah
Random Jumlah Total Bil. Jumlah Total Biaya barang Total
Produk barang
NO Produksi Supply Supply Random Permintaan Penjualan sisa tidak LOP (Rp) Profit
Terjual sisa
(Unit) (Rp) Permintaan (Unit) (Rp) (Rp) terpenuhi (Rp)
(Unit) (Unit)
(Unit)
13 0.0225 90 855000 0.6472 88 88 1320000 2 30000 0 0 465000
14 0.5523 100 950000 0.9048 98 98 1470000 2 30000 0 0 520000
15 0.9599 102 969000 0.7536 104 102 1530000 0 0 2 19000 542000
16 0.1204 99 940500 0.2868 100 99 1485000 0 0 1 9500 535000
17 0.5563 110 1045000 0.7466 110 110 1650000 0 0 0 0 605000
18 0.3777 95 902500 0.1404 90 90 1350000 5 75000 0 0 447500
19 0.5496 87 826500 0.2599 90 87 1305000 0 0 3 28500 450000
20 0.7506 90 855000 0.8607 90 90 1350000 0 0 0 0 495000
21 0.6258 98 931000 0.2218 98 98 1470000 0 0 0 0 539000
22 0.9826 105 997500 0.7946 101 101 1515000 4 60000 0 0 517500
23 0.4552 99 940500 0.0299 100 99 1485000 0 0 1 9500 535000
24 0.2164 102 969000 0.1771 97 97 1455000 5 75000 0 0 486000
25 0.0875 68 646000 0.9700 70 68 1020000 0 0 2 19000 355000
26 0.6836 76 722000 0.5923 76 76 1140000 0 0 0 0 418000
 Tabel 4.9 Hasil Simulasi Monte Carlo pada Penjual Bubur Ayam 55 di Jl. Ketintang No.73B, Wonokromo, Surabaya (Lanjutan)
Bil. Random Jumlah
Jumlah Jumlah
Produksi Jumlah Total Bil. Jumlah Total Biaya barang Total
Produk barang
NO Supply Supply Random Permintaan Penjualan sisa tidak LOP (Rp) Profit
Terjual sisa
(Unit) (Rp) Permintaan (Unit) (Rp) (Rp) terpenuhi (Rp)
(Unit) (Unit)
(Unit)
27 0.4010 89 845500 0.7979 88 88 1320000 1 15000 0 0 474500
28 0.8691 120 1140000 0.5747 120 120 1800000 0 0 0 0 660000
29 0.4075 85 807500 0.7823 82 82 1230000 3 45000 0 0 422500
30 0.3743 79 750500 0.4292 80 79 1185000 0 0 1 9500 425000
31 0.8506 110 1045000 0.1076 110 110 1650000 0 0 0 0 605000
32 0.5523 65 617500 0.5367 70 65 975000 0 0 5 47500 310000
33 0.7972 90 855000 0.1578 94 90 1350000 0 0 4 38000 457000
34 0.5381 105 997500 0.3162 103 103 1545000 2 30000 0 0 547500
35 0.0780 70 665000 0.6796 70 70 1050000 0 0 0 0 385000
36 0.8916 84 798000 0.8639 81 81 1215000 3 45000 0 0 417000
37 0.3688 70 665000 0.5137 69 69 1035000 1 15000 0 0 370000
38 0.9670 70 665000 0.9240 68 68 1020000 2 30000 0 0 355000
39 0.7925 79 750500 0.3972 79 79 1185000 0 0 0 0 434500
 Tabel 4.9 Hasil Simulasi Monte Carlo pada Penjual Bubur Ayam 55 di Jl. Ketintang No.73B, Wonokromo, Surabaya (Lanjutan)
Total Jumlah
Bil. Jumlah Jumlah
Bil. Jumlah Total Jumlah Penjualan Biaya barang Total
Random Produk barang
No Random Supply Supply Permintaan (Rp) sisa tidak LOP (Rp) Profit
Permintaa Terjual sisa
Produksi (Unit) (Rp) (Unit) (Rp) terpenuhi (Rp)
n (Unit) (Unit)
(Unit)
40 0.5187 105 997500 0.8007 105 105 1575000 0 0 0 0 577500
41 0.2417 97 921500 0.5229 97 97 1455000 0 0 0 0 533500
42 0.5193 89 845500 0.4504 85 85 1275000 4 60000 0 0 429500
43 0.0930 94 893000 0.9164 96 96 1440000 0 0 2 19000 528000
44 0.1311 75 712500 0.3889 75 75 1125000 0 0 0 0 412500
45 0.3468 69 655500 0.8917 69 69 1035000 0 0 0 0 379500
46 0.8723 78 741000 0.0319 75 75 1125000 3 45000 0 0 384000
47 0.2968 59 560500 0.9955 79 79 1185000 0 0 0 0 624500
48 0.4946 89 845500 0.2156 89 89 1335000 0 0 0 0 489500
49 0.5691 93 883500 0.8717 90 90 1350000 3 45000 0 0 466500
50 0.5370 94 893000 0.4620 94 94 1410000 0 0 0 0 517000
Total 26.1928 446 42398500 25.5192 4423 4390 65850000 50 750000 35 332500 23119000

Rata-rata keuntungan yang diperoleh per hari = Rp 23.119.000 / 50 hari

= Rp 462.380,-
4.12 Lampiran Foto Penelitian di Bubur Ayam 55 di Jl. Ketintang No.73B,
Wonokromo, Surabaya
 BAB V
ANALISA DATA DAN PEMBAHASAN

5.1 Perbandingan Perhitungan dengan Pengamatan dan Perhitungan

Simulasi

Tabel 5.1 Hasil Simulasi dan Hasil Pengamatan

No Aspek Perbandingan Hasil Simulasi Hasil Pengamatan
1 Jumlah Supply 4419 Unit 4374 Unit
2 Jumlah Demand 4423 Unit 4351 Unit
3 Jumlah Barang Sisa 50 Unit 31 Unit
4 Jumlah barang yang terjual 4395 Unit 4343 Unit
5 Jumlah Barang Tidak 35 Unit 8 Unit
Terpenuhi
6 Total Profit Rp. 23.119.000,- Rp. 23.516.000,-

Dari hasil perhitungan simulasi didapatkan jumlah supply sebesar 4419 unit,
jumlah demand sebesar 4423 unit serta jumlah barang sisa sebesar 50 unit, jumlah
barang yang terjual sebesar 4395 unit, jumlah barang yang tidak terpenuhi sebesar
35 unit dan jumlah total profit yang didapatkan sejumlah Rp. 23.119.000,-. Maka
dapat dilihat rata-rata jumlah demand lebih besar daripada jumlah supply yang
mana mengakibatkan jumlah sisa cukup sedikit sebesar 50 unit.
Dari hasil perhitungan Pengamatan didapatkan jumlah supply sebesar 4374
unit, jumlah demand sebesar 4351 unit serta jumlah barang sisa sebesar 31 unit,
jumlah barang yang terjual sebesar 4343 unit, jumlah barang yang tidak terpenuhi
8 unit dan juamlah total profit yang didapatkan sejumlah Rp. 23.516.000,-. Maka
dapat dilihat rata-rata jumlah demand lebih kecil daripada jumlah supply yang
mana mengakibatkan jumlah sisa cukup sedikit sebesar 8 unit.
5.2. Total Biaya Profit
Total profit yang didapat dari hasil simulasi Monte Carlo pada penjual
Bubur Ayam 55 di Jl. Ketintang No.73B, Wonokromo, Surabaya sebesar Rp
23.119.000 atau rata-rata profit yang didapatkan sebesar Rp 462.380 per produksi.
 BAB VI
KESIMPULAN DAN SARAN

6.1 Kesimpulan
Dari pengolahan data yang telah dilakukan, dapat diambil kesimpulan
bahwa:
1. Dari hasil perhitungan simulasi Monte Carlo didapatkan jumlah supply
sebesar 4419 unit, jumlah demand sebesar 4423 unit.
2. Hasil simulasi Monte Carlo menunjukkan bahwa jumlah barang sisa
sebesar 50 unit dan jumlah barang yang terjual sebesar 4395 unit.
3. Dari perhitungan simulasi Monte Carlo banyak permintaan yang tidak
terpenuhi terhadap produk Bubur Ayam sebesar 35 unit.
4. Dari hasil perbanding total profit perhitungan dan simulasi monte carlo
didapat total profit pada hasil perhitungan sebesar Rp. 23.119.000,-
sedangkan pada simulasi monte carlo sebesar Rp. 23.516.000,-.

6.2 Saran
1. Untuk menentukan banyaknya Bubur Ayam yang akan diproduksi
sebaiknya melakukan peramalan terlebih dahulu sesuai data historis yang
ada agar tidak ada barang sisa dan lost of profit yang dapat mengakibatkan
kerugian bagi penjual.
2. Data yang digunakan dalam peramalan sebaiknya lebih banyak lagi agar
mendekat pada hasil yang sebenarnya.