PENDAHULUAN
PT. Terang Abadi Pekanbaru adalah salah satu perusahaan yang bergerak
dibidang retail yang mana perusahaan ini menjual barang-barang elektronik. Sebagai
salah satu distributor maka sangat penting bagi PT. Terang Abadi untuk mengelola
persediaan barang dengan baik agar selalu dapat memenuhi permintaan customer.
Salah satu pilar penting dalam dunia retail adalah merencanakan ketersediaan barang
karena hal ini merupakan salah satu hal paling dasar dan penting untuk
keberlangsungan perusahaan. Oleh karena itu perusahaan harus melakukan
manajemen kontrol yang baik terhadap ketersediaan barang agar selalu dapat
memenuhi permintaan pasar. Sistem Persediaan barang yang baik dapat
meminimalkan lost sales (potensi kehilangan penjualan) sehingga perusahaan tidak
rugi. Agar dapat memprediksi ketersediaan barang dimasa yang akan datang maka
dibutuhkan sebuah proses simulasi yang mampu memprediksi jumlah ketersediaan
barang sehingga dapat meminimalisir kerugian perusahaan (Kiki Hariani Manurung
dan Julius Santony, 2019).
Persediaan adalah barang yang disimpan untuk digunakan atau dijual pada
moment-moment tertentu untuk memenuhi permintaan customer. Persediaan
diperlukan untuk menjaga keberlangsungan proses di suatu perusahaan. Jumlah
ketersediaan barang yang besar dapat mengurangi terjadinya kekurangan barang,
namun apabila berlebih diperlukan biaya penyimpanan yang cukup besar juga,
sehingga komponen biaya ini perlu dipertimbangkan oleh perusahaan, artinya
perusahaan harus bisa merencanakan dan menetukan jumlah ketersediaan barang
dengan baik untuk memenuhi permintaan pasar, tujuannya agar ada keseimbangan
antara ketersediaan barang dan biaya yang dikeluarkan untuk investasi persediaan
tersebut. Hal ini menunjukkan pentingnya manajemen persediaan agar terhindar dari
kerugian, Oleh sebab itu persediaan menjadi topik yang banyak dikembangkan dalam
berbagai penelitian (Cherish Rikardo, et al., 2017).
Penelitian yang sudah dilakukan oleh rizki satria, dkk pada pemodelan dan
simulasi analisa sistem antrian pelayanan nasabah di PT Sarana sumatera barat
ventura SSBV menggunakan metode Monte Carlo hasilnya adalah dapat mengetahui
lamanya waktu nasabah dilayani dan dengan digunakannya bilangan random dapat
mengurangi antrian nasabah, sehinngga waktu pelayanan yang sebelumnya lama jadi
lebih cepat dan memberikan kemudahan untuk perusahaan maupun nasabah (Rizki
Satria, et al., 2017).
Penelitian yang sudah dilakukan oleh yusmaity, dkk pada simulasi Monte
Carlo untuk Memprediksi Hasil Ujian Nasional (Studi Kasus di SMKN 2
Pekanbaru). Menggunakan Data Tahun Pelajaran 2016/2017, 2017/2018, dan
2018/2019, dengan jumlah sampel yang diambil sebesar 10% dari jumlah siswa yang
ikut ujian nasional diperoleh tingkat akurasi sebesar 86,68%. Dengan tingkat akurasi
yang lebih besar metode ini layak digunakan untuk memprediksi hasil ujian nasioal
dimasa yang akan datang (Yusmaity, et al., 2019).
Penelitian yang sudah dilakukan oleh muhammad, dkk pada implementasi
algoritma Monte Carlo pada sistem informasi penerimaan peserta didik baru (PPDB)
secara online. Setelah dilakukan uji coba diperoleh 100% yang dilakukan oleh ahli
rekayasa web dan admin, 84,10% yang dilakukan oleh guru sedangkan yang
dilakukan oleh siswa sebesar 87,20%. Dari data hasil uji coba di atas, dapat
disimpulkan bahwa sistem informasi ini sudah valid dan siap digunakan di sekolah
(Muhammad Rizki Irwanto, et al., 2017).
Penelitian yang sudah dilakukan oleh hartini, dkk pada Reliability Analysis of
Primary and Purification Pumps in RSG-GAS Using Monte Carlo Simulation
Approach. Menunjukkan hasil keandalan itu. Nilai komponen JE01 / AP01-02 pada
TTF 233.619 adalah 0,579 sedangkan untuk komponen KBE01 / AP-01-02 dalam
TTF 185.38 adalah 0.368. Nilai keandalan adalah 60%, yang menyiratkan bahwa
pemeliharaan mungkin dilakukan dilakukan setelah 225 hari dan 100 hari untuk
komponen JE01 / AP01-02 dan KBE01 / AP01-02 (Hartini, et al., 2019).
Agar penelitian ini lebih terarah, permasalahan yang dihadapi tidak terlalu
luas, maka perlu dilakukan batasan masalah antara lain:
1. Studi kasus dilakukan pada PT. Terang Abadi Pekanbaru.
2. Metode yang digunakan untuk memecahkan masalah perusahaan dalam
memprediksi ketersediaan barang adalah simulasi Monte Carlo.
3. Sistem untuk memprediksi ketersediaan barang pada PT. Terang Abadi
Pekanbaru menggunakan bahasa pemrograman Hypertext Preprocessor
(PHP)
1.4 Tujuan Penelitian
Adapun tujuan yang ingin dicapai dalam penelitian “Simulasi Monte Carlo
dalam Memprediksi Ketersediaan Barang (Studi Kasus di PT. Terang Abadi
Pekanbaru)” ini antara lain sebagai berikut:
1. Merancang model simulasi untuk mengoptimalkan ketersediaan barang di PT.
Terang Abadi Pekanbaru dengan metode simulasi Monte Carlo
2. Menentukan tingkat ketersediaan barang yang optimal, untuk meminimalkan
kekurangan dan kelebihan barang pada PT. Terang Abadi Pekanbaru
3. Menerapkan metode simulasi Monte Carlo untuk menyelesaikan masalah
ketersediaan barang pada PT. Terang Abadi Pekanbaru.
Adapun manfaat yang ingin diperoleh dari hasil penelitian “Simulasi Monte
Carlo dalam Memprediksi Ketersediaan Barang (Studi Kasus di PT. Terang Abadi
Pekanbaru) ini adalah sebagai berikut:
1. Bagi penulis:
a. Menambah wawasan penulis bagaimana penerapan simulasi Monte
Carlo pada perusahaan PT. Terang Abadi Pekanbaru
b. Hasil penelitian dapat penulis gunakan untuk menambah dan melatih
daya pikir penulis secara ilmiah
2. Bagi PT. Terang Abadi Pekanbaru:
a. Memudahkan perusahaan memprediksi ketersediaan barang
b. Memudahkan dan membantu perusahaan dalam penyajian informasi
ketersediaan barang sehingga membantu dalam pengambilan
keputusan
3. Bagi akademik:
a. Hasil penelitian ini dapat menjadi bahan bacaan bagi mahasiswa dan
referensi untuk pengembangan penelitian dimasa yang akan datang
1.6 Sistematika Penulisan
Sistematika disesuaikan dengan template yang diatur dalam tata penulisan
program studi masing-masing. Seperti:
Bab I : Pendahuluan
Pada bab ini dijelaskan tentang teori-teori simulasi Monte Carlo yang
bersumber dari jurnal, artikel, makalah, tugas akhir, dan lainnya yang
berhubungan dengan tesis.
Bab ini membahas tentang analisa dan penggunaan secara matematis simulasi
Monte Carlo.
Bab ini membahas tentang hasil implementasi simulasi Monte Carlo dengan
aplikasi PHP dari hasil pengolahan data yang diperoleh dari PT. Terang Abadi
Pekanbaru
Bab ini membuat kesimpulan dan saran dari hasil penelitian tentang Simulasi
Monte Carlo dalam Memprediksi Ketersediaan Barang (Studi Kasus: PT.
Terang Abadi Pekanbaru).
BAB II
LANDASAN TEORI
2.1 Persediaan
Salah satu faktor yang menentukan kelancaran produksi dan penjualan adalah
persediaan. Oleh karena itu persediaan harus dikelola dengan baik. Untuk itu
perusahaan harus mampu menentukan jumlah persediaan yang optimal, sehingga
stabilitas penjualan serta produksi dapat terjaga dan pada sisi lain perusahaan dapat
memperoleh keuntungan, sebab perusahaan dapat memenuhi setiap permintaan yang
datang. Sebab persediaan yang kurang akan sama buruknya dengan persediaan yang
berlebihan, karena kondisi keduannya sama-sama memiliki bebannya masing-masing
(Suryadi, 2017)
Menurut Reeve (2009) terdapat dua tujuan utama dari pengendalian atas
persediaan adalah menjaga persediaan tetap ada dan membuat laporannya dengan
benar dalam laporan keuangan. Tujuan pengendalian meliputi mengembangkan dan
menggunakan tindakan keamanan untuk mencegah terjadinya kerusakan persediaan
atau pencurian oleh pelanggan atau karyawan. Melaporkannya dengan benar dalam
laporan keuangan. Laporan penerimaan harus sesuai dengan pesanan pembelian
barang, harga pesediaan yang dipesan harus di cocokkan dengan faktur pemasok.
Kemudian laporan penerimaan, pesanan pembelian, dan faktur pemasok di cocokkan,
perusahaan harus melaporkan persediaan dan utang usaha terkait di catatan
akuntansi.
Menurut Indah et al (2018), tujuan pengendalian persediaan dapat diartikan
sebagai usaha untuk:
1. Menjaga agar perusahaan tidak sampai kehabisan persediaan kegiatan
produksi tetap berjalan.
2. Menjaga agar perusahaan tidak menyimpanan persediaan yang berlebihan,
agar biaya yang dikeluarkan perusahaan untuk persediaan tidak terlalu besar.
3. Menjaga agar perusahaan tidak melakukan pembelian barang secara kecil-
kecilan karena dapat menyebabkan pembengkakan biaya
2.2.1 Model
2.2.2 Simulasi
Simulasi Monte Carlo dapat diartikan sebagai teknik sampling statistik yang
digunakan untuk memperkirakan solusi terhadap problem kuantitatif (Monte Carlo
method, 2008). Pada simulasi Monte Carlo sebuah model dikembangkan sesuai
sistem yang sebenarnya. Pada model setiap variabel memiliki nilai yang
probabilitasnya berbeda, yang ditunjukkan oleh distribusi probabilitas atau biasa
disebut dengan probability distribution function dari setiap variabel. Metode Monte
Carlo mensimulasikan sistem tersebut berulang-ulang kali, ratusan bahkan sampai
ribuan kali tergantung sistem yang dipantau, dengan cara memilih sebuah nilai
random untuk setiap variabel dari distribusi probabilitasnya. Dari simulasi tersebut
hasil yang didapatkan adalah sebuah distribusi probabilitas dari nilai sebuah sistem
secara menyeluruh. Simulasi Monte Carlo telah diaplikasikan pada banyak bidang
diantaranya adalah: manajemen proyek, transportasi, desain komputer, finansial,
meteorologi, biologi dan biokimia (Harvei Desmon Hutahaean, 2017).
Simulasi Monte Carlo adalah suatu metode yang digunakan untuk
mengevaluasi suatu model deterministik yang melibatkan bilangan acak sebagai
salah satu input. Pada umumnya bilangan acak yang digunakan berdistribusi normal
baku. Tujuan simulasi adalah pelatihan (training), studi perilaku sistem (behaviour),
hiburan atau permainan (game). Pada umumnya menjalankan tes lapangan sama
dengan simulasi, dimana sistem yang diminati digantikan oleh model
terkomputerisasi. Simulasi melibatkan pembuatan model yang meniru perilaku yang
menarik dengan model untuk menghasilkan pengamatan perilaku sistem (Elvin
Syahrin, et al., 2019)
Simulasi Monte Carlo merupakan jenis percobaan peluang dalam mencari
penyelesaian masalah yang terjadi dengan menggunakan contoh data secara
sembarang. Banyak sekali yang menggunakan metode ini untuk menyelesaikan
berbagai macam masalah berdasarkan objek yang digunakan ( Yusmiaty, et al.,
2019)
Simulasi Monte Carlo adalah suatu pendekatan untuk membentuk kembali
distribusi peluang yang didasarkan pada pilihan atau pengadaan bilangan acak
(random). Istilah Monte Carlo sering dianggap sama dengan simulasi probabilistik.
Metode Monte Carlo menggunakan generate probabilitas distribusi bilangan acak
yang diolah, yang kemudian divalidasi dengan data fakta tujuannya adalah untuk
memastikan kondisi simulasi relatif sama kondisi sebenarnya (Entin Hartini, et al.,
2019).
Simulasi Monte Carlo adalah metode yang sangat praktis yang banyak
digunakan dalam memecahkan masalah yang berkaitan dengan ketidakpastian
terutama sistem yang dapat diperbaiki. Mamfaat yang diperoleh dari metode Monte
Carlo adalah intuitif dan mudah dipahami sebagai metode yang memiliki kategori uji
statistik. Sehingga memudahkan berurusan dengan parameter karakteristik yang
bervariasi secara acak dan memungkinkan untuk menemukan beberapa faktor yang
tidak dapat diprediksi perubahannya. Simulasi Monte Carlo dapat menghilangkan
ketidakpastian dalam pemodelan realibilitas, hal ini dikarenakan simulasi Monte
Carlo mampu mensimulasikan proses actual dan prilaku dari sistem. Berikut ini
merupakan langkah-langkah dalam Monte Carlo (Kiki Hariani Manurung, et al,
2019):
Untuk membuat simulasi perlu dilakukan serangkaian percobaan, dalam
membangunan model simulasi Monte Carlo didasarkan pada probabilitas yang
diperoleh dari data historis sebuah kejadian dan frekuensinya. Dengan rumus:
Pi = fi / n................................................................................(1)
Keterangan:
Pi : Probabilitas kejadian i
fi : Frekuensi kejadian i
n : Jumlah frekuensi semua kejadian
Variabel yang digunakan dalam simulasi ini adalah dengan variabel diskrit,
dimana peluang atau distribusi peluang suatu peubah acak diskrit x untuk setiap hasil
x yang mungkin seperti persamaan 3, dimana x memenuhi:
f (x) ≥ 0
f (x) = 1
P = f (x).................................................................................(2)
2.4 Prediksi
2.6 Penjualan
2.7 Probalitas
UML adalah salah satu standar bahasa yang banyak digunakan di dunia
industri untuk mendefinisikan requirement, membuat analisis dan desain, serta
menggambarkan arsitektur dalam pemrograman berorientasi objek (OOP)
(Sukrianto, 2018)
UML (Unified Modeling Language) adalah salah satu bahasa yang banyak
digunakan didunia industri untuk mendefinisikan requirement. Membuat analis dan
desain, serta menggambarkan arsitektur dalam pemrograman berorientasi objek.
UML muncul karena adanya kebutuhan pemodelan visual untuk menspesifikasikan,
menggambarkan, membangun dan dokumentasi dari sistem perangkat lunak. UML
merupakan bahasa visual untuk pemodelan dan komunikasi mengenai sebuah sistem
dengan menggunakan diagram dan teks-teks pendukung (Rosa dan Shalahuddin,
2014).
Class diagram yaitu salah satu jenis diagram pada UML yang digunakan
untuk menampilkan kelas-kelas atau paket-paket yang ada pada suatu sistem yang
akan digunakan. Class diagram memberikan sebuah gambaran mengenai sistem
maupun relasi-relasi yang terdapat pada sistem tersebut.
Class diagram menggambarkan struktur sistem dari segi pendefinisian kelas-
kelas yang akan dibuat untuk membangun sebuah sistem. Kelas tersebut memiliki
atribut dan metode atau operasi (Rosa dan Shalahuddin, 2014).
Class Diagram menggambarkan keadaan (atribut/properti) suatu sistem,
sekaligus menawarkan layanan untuk memanipulasi keadaan tersebut
(metoda/fungsi) dan menggambarkan objek dari sistem, yang memuat objek-objek
yang terdapat dalam sistem beserta hubungan/relasi antar objek.
Antarmuka/
2 Interface atau antarmuka dari sistem.
interface.
2.10 Database.
29
Membuat Simulasi Dari Rangkaian Percobaan
Tabel 2.5 Tabel Perbandingan Penelitian Terdahulu. (Lanjutan)
No Penulis Judul Metode Hasil
4. Putri, Penentuan Harga Tahapan Penentuan Harga Jual Opsi Barrier Tipe Eropa Simulasi Monte Carlo Standar
Dharmawan Jual Opsi Barrier Dengan Metode Antithetic Variate Pada Simulasi Monte menghasilkan nilai standar error
dan Tipe Eropa Carlo sebagai berikut: lebih besar dan selang
Sumarjaya Dengan Metode Membuat distribusi probabilitas dari variabel. kepercayaan yang panjang
(2018) Antithetic Variate Menetapkan variabel-variabel sedangkan pada simulasi Monte
Pada Simulasi Membangkingkan dua bilangan acak yang berdistribusi Carlo-Antithetic Variate
Monte Carlo normal standar menghasilkan nilai standar error
Menghitung nilai estimasi harga saham lebih kecil dan selang
Membandingkan nilai estimasi harga saham kepercayaan yang lebih pendek.
Hitung masing-masing harga saham
Ulangi langkah (2) sampai langkah (5) sebanyak N
simulasi
Hitung rataan dan simpangan yang diperoleh
5. Pramuditya Penentuan Harga Tahapan Penentuan Harga Opsi Asia dengan Metode Monte Hasilnya harga opsi Asia call dan
(2017). Opsi Asia dengan Carlo sebagai berikut: put untuk kedua teknik dengan
Metode Monte Membuat distribusi dari probabilitas selang kepercayaan 95%. Teknik
Carlo Menghitung distribusi kemungkinan komulatif reduksi varians terlihat lebih cepat
Membuat interval bilangan acak memperkecil selang kepercayaan
Melakukan Simulasi dengan bilangan acak. 95% dibandingkan metode
Menganalisa Simulasi dari rangkaian percobaan standar.
30
Tabel 2.5 Tabel Perbandingan Penelitian Terdahulu. (Lanjutan)
No Penulis Judul Metode Hasil
6. Satria, Sovia Pemodelan Dan Tahapan Sistem Antrian Pelayanan Nasabah Di Pt Sarana Hasilnya metode Monte Carlo
dan Gema Simulasi Analisa Sumatera Barat Ventura SSBV Menggunakan Metode mampu mengetahui lamanya
(2017). Sistem Antrian Monte Carlo sebagai berikut: waktu pelayanan dan dapat
Pelayanan Menetapkan sebuah distribusi probabilitas bagi variabel mengurangi antrian dengan
Nasabah Di Pt penting menggunakan bilangan random,
Sarana Sumatera Membuat distribusi probabilitas kumulatif bagi setiap sehingga waktu pelayanan yang
Barat Ventura variable lama menjadi lebih cepat serta
SSBV Menetapkan sebuah interval angka acak bagi setiap memberikan kemudahan bagi
Menggunakan variabel. Perusahaan dan Nasabah
Metode Monte Membangkitkan angka acak
Carlo Membangkitkan serangkaian percobaan Hasil dari
eksperimen
7. Yusmaity, Simulasi Monte Tahapan Simulasi Monte Carlo untuk Memprediksi Hasil Hasil simulasi dari penelitian ini
Santony dan Carlo untuk Ujian Nasional (Studi Kasus di SMKN 2 Pekanbaru) diperoleh tingkat akurasi sebesar
Yuhandri (2017) Memprediksi sebagai berikut: 86,68%. Dengan mendapatkan
Hasil Ujian Membuat distribusi dari probabilitas tingkat akurasi yang lebih besar,
Nasional (Studi Menghitung distribusi kemungkinan komulatif maka metode ini layak digunakan
Kasus di SMKN 2 Membuat interval bilangan acak untuk memprediksi Nilai Ujian
Pekanbaru) Melakukan Simulasi dengan bilangan acak. Nasional untuk masa yang datang.
Menganalisa Simulasi dari rangkaian percobaan.
31
Tabel 2.5 Tabel Perbandingan Penelitian Terdahulu. (Lanjutan)
No Penulis Judul Metode Hasil
8. Irwanto, Implementasi Tahapan Implementasi Algoritma Monte Carlo Pada Sistem Hasil uji coba sistem informasi
Widiyaningtyas Algoritma Monte Informasi Penerimaan Peserta Didik Baru (Ppdb) Secara oleh ahli rekayasa web dan admin
dan Arifin Carlo Pada Online sebagai berikut: sebesar 100,00%. Data hasil uji
(2017) Sistem Informasi Membuat distribusi dari probabilitas coba sistem informasi oleh guru
Penerimaan Menghitung distribusi kemungkinan komulatif sebesar 84,10%. Sedangkan data
Peserta Didik Membuat interval bilangan acak hasil uji coba sistem informasi
Baru (Ppdb) Melakukan Simulasi dengan bilangan acak. oleh siswa sebesar 87,20%. Dari
Secara Online Menganalisa Simulasi dari rangkaian percobaan data hasil uji coba di atas, dapat
disimpulkan bahwa sistem
informasi ini sudah valid dan siap
digunakan di sekolah.
9. Romero dan Measurement Tahapan Measurement Uncertainty Of Dissolution Test Of Hasilnya dengan menggunakan
Lourenco Uncertainty Of Acetaminophen Immediate Release Tablets Using Monte simulasi Monte Carlo, dapat
(2019) Dissolution Test Carlo Simulations sebagai berikut: memprediksi ketidakpastian
Of Membuat distribusi kemungkinan untuk variable pengukuran untuk uji disolusi
Acetaminophen penting.
Immediate tablet asetaminofen (95,2 ±
Membangun distribusi kemungkinan kumulatif
Release Tablets 1,0%), dengan tingkat persentase
Membuat angka random.
Using Monte Membuat simulasi dari rangkaian percobaan 95%. Dan berkontribusi sekitar
Carlo 96,2% dari ketidakpastian secara
Simulations keseluruhan
32
Tabel 2.5 Tabel Perbandingan Penelitian Terdahulu. (Lanjutan)
No Penulis Judul Metode Hasil
10. Hutahaean Analisa Simulasi Tahapan Analisa Simulasi Monte Carlo Untuk Dengan metode Monte Carlo dapat
(2019). Monte Carlo Memprediksi Tingkat Kehadiran Mahasiswa Dalam mengetahui tingkat kehadiran
Untuk Perkuliahan (Studi Kasus: Stmik Pelita Nusantara) mahasiswa dalam belajar.
Memprediksi sebagai berikut:
Tingkat Kehadiran Membuat distribusi kemungkinan untuk variabel
Mahasiswa Dalam penting
Perkuliahan (Studi Membangun distribusi kemungkinan kumulatif
Kasus : Stmik untuk tiap-tiap variabel di tahap pertama
Pelita Nusantara) Menetukan interval angka random
Membuat simulasi dari rangkaian percobaan
11. Zulfiandry Optimasi Kegiatan Tahapan Optimasi Kegiatan Pelatihan Menggunakan Hasilnya sebagai berikut:
(2018). Pelatihan Metode Simulasi Monte Carlo (Studi Kasus Di Balai 1. Penerapan simulasi dengan
Menggunakan Latihan Kerja Dinas Tenaga Kerja Dan Transmigrasi metode Monte Carlo pada Balai
Metode Simulasi Provinsi Bengkulu) sebagai berikut: Tenaga Kerja dan Transmigrasi
Monte Carlo Menentukan tabel distribusi sangat membantu dalam
(Studi Kasus Di Menentukan distribusi kemungkinan dan kumulatif mengoptimalkan kegiatan pelatihan
Balai Latihan Menentukan interval angka Random untuk tiap yang akan datang.
Kerja Dinas variable 2. Metode Monte Carlo dapat
Tenaga Kerja Dan Melakukan simulasi percobaan membantu pimpinan Balai Tenaga
Transmigrasi Uji hasil simulasi Kerja dan Transmigrasi dalam
Provinsi Bengkulu) mengetahui informasi berupa
prediksi jumlah pendaftar peserta
pelatihan yang kemungkinan terjadi
sehingga dapat membantu Balai
33
Tenaga Kerja dan Transmigrasi
dalam mengambil keputusan.
Tabel 2.1 Tabel Perbandingan Penelitian Terdahulu. (Lanjutan)
No Penulis Judul Metode Hasil
12. Aminatunnisa, Penerapan Metode Tahapan Penerapan Metode Monte Carlo Untuk Berdasarkan hasil penelitian terdapat
Sembiring, Monte Carlo Untuk Simulasi Sistem Antrian perbedaan yang signifikan sebelum
gultom, Simulasi Sistem Service Sepeda Motor Berbasis Web sebagai berikut: dan sesudah menggunakan sistem.
Matondang, Antrian Membuat distribusi kemungkinan untuk variable
Pasaribu, dan Service Sepeda penting.
Indra (2017). Motor Berbasis Web Membangun distribusi kemungkinan kumulatif
Menentukan grafik dan interval angka random
untuk setiap kemungkinan
Membuat angka random.
Membuat simulasi dari rangkaian percobaan.
34
35
BAB III
METODOLOGI PENELITIAN
3.1 Penahuluan
Tahap ini merupakan tahap awal untuk menentukan rumusan masalah yang
terjadi pada PT. Terang Abadi Pekanbaru yaitu penerapan metode Monte Carlo
dalam memprediksi ketersediaan barang (studi kasus di PT. Terang Abadi
Pekanbaru), yang mana dilakukan peninjauan sistem yang akan diteliti untuk
mengamati serta melakukan eksplorasi dalam dan menggali permasalahan yang ada
pada sistem yang berjalan nanti.
Langkah analisis masalah adalah untuk dapat memahami masalah yang telah
ditentukan ruang lingkup atau batasannya. Dengan menganalisa masalah yang telah
ditentukan tersebut, maka diharapkan masalah dapat dipahami dengan baik. Pada
analisa masalah ini digambarkan proses untuk memprediksi jumlah ketersediaan
barang pada PT. Terang Abadi Pekanbaru yang akan terjadi pada masa akan datang
berdasarkan data persedian barang sebelumnya. Dan juga terdapat analisa kebutuhan
sistem untuk menentukan output apa saja yang akan dihasilkan oleh sistem yang
akan dibangun ini. Dari hasil analisa sistem, maka sistem yang akan dibangun ini
hendaknya mampu menghasilkan output yakni informasi dalam memprediksi
ketersediaan barang (studi kasus di PT. Terang Abadi Pekanbaru).
Tujuan penelitian adalah suatu hal yang akan dicapai dalam suatu penelitian
yang dilakukan. Tujuan penelitian merupakan hasil akhir ideal yang diharapkan
tercapai setelah penelitian tersebut dilakukan. Tujuan penelitian harus ditentukan
diawal terlebih dahulu sebelum penelitian dilakukan. Menentukan tujuan penelitian
sangat diperlukan agar penelitian yang dilakukan bermanfaat bagi penggunanya.
3.2.4 Mempelajari Literatur Yang Berkaitan Dengan Judul
Pada tahap ini akan dilakukan analisa dan perancangan terhadap permasalah
yang ada berdasarkan data-data yang telah dikumpulkan dengan tahapan-tahapan
yang ada dalam metode Monte Carlo.
Pada tahap ini dilakukan implementasi dan pengujian terhadap data yang
telah diolah dengan bahasa pemrograman PHP. Hal ini bertujuan agar model yang
dirancang dapat bermanfaat bagi penggunanya, sehingga penerapan metode simulasi
Monte Carlo dapat memprediksi ketersediaan barang (studi kasus di PT. Terang
Abadi Pekanbaru) yang akan terjadi nantinya
Pada tahap ini akan diuraikan hasil dari pengolahan dan pengujian data yang
telah dilakukan dengan menggunakan metode simulasi Monte Carlo. Hasil dari
simulasi tersebut akan dibandingkan dengan data-data riil yang ada untuk melihat
tingkat persentase (%) keakuratannya.
.