MODUL II
SIMULASI MONTE CARLO
Kelompok A2
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.
2.3 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.
Dimana:
k =Banyaknya kelas
n =Banyaknya nilai observasi
�=
�� −�1
�
............................. (2.2)
Dimana:
c = Perkiraan besarnya interval
k =Banyaknya kelas
X1 = Nilai observasi terkecil
Xn = Nilai observasi terbesar
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.
5. Kimia
Pada bidang kimia, digunakan untuk simulasi yang melibatkan kluster-
kluster atomik.
6. Ilmu lingkungan
Pada ilmu lingkungan, digunakan untuk memahami perilaku kontaminan.
Mulai
Identifikasi Masalah
Perumusan Masalah
Tahap
Identifikasi
Tujuan Penelitian
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.
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
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)
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
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.