PEMODELAN DAN

SIMULASI SISTEM
KOMPUTER
3 SKS
16 PERTEMUAN

DONI SYOFIAWAN
HP. 081270191700
 Data Dosen

 DONI SYOFIAWAN, S.KOM, M.KOM

 081270191700
 donisyofiawan15@yahoo.com
 KEHADIRAN : 10%
 PERILAKU : 15%
 TUGAS INDIVIDU : 15%
 TUGAS KELOMPOK : 15%
 DISKUSI KELOMPOK : 15%
 UTS : 15%
 UAS : 15%
 RANGE NILAI
 95 – 100 :A 55 – 59.99 : C
 90 – 94.99 : A- 50 – 54.99 : C-
 85 - 89.99 : A/B 40 – 49.99 :
D
 80 – 84.99 : B+ 0 – 39.99 : E
 75 - 79.99 :B
 70 – 74.99 : B-
 65 – 69.99 : B/C
 60 – 64.99 : C+
 SISTEM DAN
LINGKUNGAN SISTEM
 Kemampuan analisa sistem kunci keberhasilan dari
implementasi model
 Konsep Sistem
 Sistem menjadi bagian yang harus dihadapi manusia sejak diciptakan
: sistem tata surya, sistem bumi, sistem alam, dsb.
 s/d saat ini sistem menjadi bagian yang tidak terpisahkan untuk
mencapai kemajuan strata berpikir & strata pelaksanaannya
 Komputer dibuat sesuai tatacara & kaidah kerja otak manusia : ada
tempat simpan data, ada proses pengolahan data, dsb
 Telaah manusia terhadap persoalan  pemikiran ke-sistem-an
 Pemikiran ini sejak 1940  system thinking
 Penelitian operasional, management science atau analisa sistem
telah menggunakan  pemikiran ke-sistem-an ini
 Interaksi antar bagian sistem sering dinyatakan dlm terminologi
kuantitatif  ekspresi matematika
 DEFENISI

 Simulasi secara umum adalah suatu

percobaan,gambaran,penanggulangan,
testing,tiruan.
 Simulasi dalam sistem komputer adalah
sebuah sistem komputer (software) yang
berfungsi untuk menirukan kerja sistem
nyata untuk tujuan tertentu
 TUJUAN SIMULASI
 STUDI PRILAKU SISTEM
 PELATIHAN
 ENTERTAINMENT/GAME

Pemodelan dan Simulasi merupakan salah

satu alat yang sering digunakan oleh
manajemen dalam mempelajari dan
menganalisa prilaku kerja dari prilaku
sistem/proses
Dalam pandangan sistem,pemodelan
dan simulasi dapat digunakan untuk
tujuan berikut:
 Studi prilaku sistem kompleks, yaitu sistem dimana suatu
solusi analitik tidak dapat dilakukan
 Membandingkan alternatif rancangan untuk suatu sistem
yang tidak/belum ada
 Studi peengaruh perubahan terhadap sistem yang ada
dengan tanpa merubah sistem
 Memperkuat/memverifikasi suatu solusi analitik

Simulasi tidak digunakan jika asumsi model adalah

sederhana sedemikian rupa sehingga metode matematika
dapat digunakan untuk mendapatkan jawaban eksak
(solusi analitik)
KEUNTUNGAN SIMULASI

 Simulasi mengizinkan keluwesan besar

dalam pemodelan sistem yang
komplek,sehingga model simulasi yang
didapat sangat valid
 Mudah membandingkan alternatif
 Kendali kondisi eksperimental
 Dapat mempelajari sistem dengan
bingkai waktu yang sangat panjang
 Kerugian Simulasi
 Hasil simulasi seringkali bersifat “individual”, tdk bisa jadi solusi umum
 Hasil simulasi sangat “hard to interpret result”, mengingat hasil simulasi
merupakan rangkaian skenario
 Membutuhkan waktu yg lama untuk menghasilkan suatu solusi, krn harus
mempelajari sistem secara tepat
 Membutuhkan biaya yg cukup tinggi, walaupun jika dibandingkan dgn
percobaan langsung masih lebih rendah biaya & resikonya
 Setiap langkah percobaan model simulasi stokastik hanya menghasilkan
estimasi dari karakteristik sistem yg sebenarnya untuk parameter input
tertentu. Untuk kasus tersebut model analitik lebih valid
 Model simulasi yg sempurna, seringkali mahal & makan waktu lama untuk
dikembangkan
 Output dlm jumlah besar yg dihasilkan dari simulasi biasanya tampak
meyakinkan, padahal belum tentu modelnya valid
 Model Simulasi Sistem
Komputer
 Bagian utama suatu peralatan simulasi (simulator)
secara umum terdiri dari perangkat keras sebagai
berikut: Sistem Komputer (Host Komputer, Sistem
gambar (Visual Sistem), sistem gerak, sistem
suara,sistem antar muka,sistem infrastruktur

Beberapa contoh simulasi komputer antara lain

simulasi terbang,simulasi sistem ekonomi
makro,simulasi sistem perbankan, simulasi antrian
layanan bank,simulasi game strategi
pemasaran,simulasi perang,simulasi mobil,simulasi
tenaga listrik,simulasi tata kota dan lain sebagainya.
 Beberapa Aplikasi
Simulasi Dalam Praktik
 Perancangan dan aplikasi untuk kerja sistem komputer
menentukan kebutuhan perangkat keras untuk jaringan
komunikasi
 Perancangan dan simulasi analisa manufaktur
 Evaluasi rancangan untuk organisasi layanan, studi
call centre,restoran cepat saji, Rumah sakit,kantor pos,
dan lain-lain
 Evaluasi sistem senjata militer/kebutuhan logistik
 Perancangan dan operasi sistem transportasi
 Analisa sistem ekonomi/finansial
 Pelatihan seorang pilot/pengemudi baru
 Permainan untuk hiburan anak-anak dan orang
dewasa
Beberapa Peralatan Simulasi
yang ada di Indonesia
 Simulasi pesawat terbang CN235 milik PT. Merpati
Nusantara di Surabaya
 Simulasi pesawat terbang CN250 milik PT. Dirgantara
Indonesia di Bandung
 Simulasi pesawat terbang boeing 747 milik PT. Garuda
Indonesia di Jakarta
 Simulasi helikopter Nbell 412 milik TNI AD di
Semarang
 Simulasi pesawat tempur F16 milik TNI AU di Madiun
 Simulasi tenaga listrik milik PT. PLN di Surabaya
 Simulasi permainan Robocop didunia fantasi
 Simulasi kapal laut, milik sekolah pelayaran di Jakarta
 Simulasi ATC milik sekolah penerbangan di Curug
Tangerang
 Sistem dan Lingkungan
Sistem
 4 Ciri Sistem
 Adanya sekumpulan elemen
 Adanya interaksi di antara elemen tersebut
 Mempunyai tujuan yang hendak dicapai
 Situsi dan kondisi yang kompleks

 Beberapa definisi sistem yang ada tetap berada dalam lingkup

point-point di atas
 Blanchard (2000) : sekumpulan elemen-2 yang mempunyai
fungsi bersama untuk mencapai suatu tujuan
 Law (2004) : sekelompok komponen yang beroperasi secara
bersama-2 untuk mencapai tujuan tertentu atau sekumpulan
entitas ayng bertindak dan berinteraksi bersama-2 untuk
memenuhi suatu tujuan akhir yang logis
Sistem dan Lingkungan
Sistem
 Apa Itu Sistem
 Contoh sistem : sistem lalulintas, sistem politik, sistem ekonomi,
sistem manufaktur, sistem layanan, dsb.
 Foklus utama dari sistem manufaktur dan layanan adalah : proses
material, informasi & SDM.
 Kesulitan dalam menentukan batas sistem (boundary), karena
banyaknya interaksi antar elemen-2 dalam group
Pemodel perlu pengetahuan yang cukup terhadap sistem yang akan
ditelaah.
Pemodel perlu pengetahuan yang cukup terhadap sistem yang akan
ditelaah
 Analis hanya bisa mempelajari perilaku dari sistem, tetapi tidak
memodelkan bagian dari sistem itu
 Model yang baik, bukan semata mengambil semua bagian sistem
 Tetapi perlu menelaah, mengkaji, membuat prediktif dari kejadian
yang mungkin
Elemen dari Sistem
Elemen Dari Sistem
Elemen Dari Sistem
Elemen Dari Sistem
Variabel-Variabel Sistem
Variabel-Variabel Sistem
Model dari Sistem
Model dari Sistem
Model dari Sistem
Model dari Sistem
 Kapan Simulasi
Digunakan?
 Suatu keputusan operasional sdg dibuat
 Proses yg sdg dianalisa mudah digambarkan &
berulang
 Peristiwa & aktivitas memperlihatkan bbrapa
interdependensi & variabilitas
 Biaya berdampak pd keputusan & lebih besar
ongkos daripada melakukan simulasi
 Beban yang diberikan untuk mengadakan
percobaan pada sistem nyata lebih besar
dibanding memberi beban kepada
dilakukannya simulasi
 Kapan Simulasi Tidak
Digunakan?
 Permasalahan bisa diselesaikan dg penyelesaian
analisis
 Permasalahan bisa diselesaikan dg akal sehat
 Permasalahan lebih mudah jika dilakukan dg
eksperimen langsung
 Biaya-biaya yang akan digunakan melebihi anggaran
yg ada
 Perilaku sistem ekstrem kompleks atau tdk dapat
didefinisikan
 Ekspektasi terhadap persoalan tdk dapat dinalar
 Sumber daya & waktu tdk tersedia
 Jika perilaku sistem sangat kompleks atau tdk bisa
digambarkan
Hubungan Sistem, Model
dan Simulasi
 Keberhasilan simulasi ditentukan oleh :
 bagaimana menghasilkan model yg baik ??
 Ciri model yg baik dicirikan oleh :
  keterwakilan & pengetahuan analis dlm mempelajari
sistem ??
 Contoh :
 Simulasi kebakaran oleh tim pemadam kebakaran
 Dibuat kondisi (model) yg mewakili sistem nyata
 Simulasi yg baik membutuhkan building model yg baik
 Model yg baik akan dihasilkan melalui pengamatan
sistem yg cermat & komprehensif
Contoh Simulasi
 Pada Kasir Supemarket X

Supermarket X

S
E K
R A
Pintu Masuk V S
E I
R R

Antrian .....

UPI YPTK - Padang

 Waktu kedatangan & waktu
pelayanan
 Pada Kasir Supemarket X
Waktu Waktu pelayanan
Pelanggan ke kedatangan di kasir
kasir
1 3.2 3.8
2 10.9 3.5
3 13.2 4.2
4 14.8 3.1
5 17.7 2.4
6 19.8 4.3
7 21.5 2.7
8 26.3 2.1
9 32.1 2.5
10 36.6 3.4
 Nilai antrian pada kasir
 Pada Kasir Supemarket X
Waktu Waktu Waktu keluar Waktu Waktu di
Pelanggan kedatangan pelayanan tunggu super-
ke di kasir kasir market
1 3.2 3.8
2 10.9 3.5
3 13.2 4.2
4 14.8 3.1
5 17.7 2.4
6 19.8 4.3
7 21.5 2.7
8 26.3 2.1
9 32.1 2.5
10 36.6 3.4
 Nilai antrian pada kasir (2)
 Pada Kasir Supemarket X
Waktu Waktu Waktu Waktu Waktu di
Pelanggan kedatangan pelayanan keluar tunggu super-
ke di kasir kasir market
1 3.2 3.8 7.0 0 3.8
2 10.9 3.5 14.4 0 3.5
3 13.2 4.2 18.6 1.2 5.4
4 14.8 3.1 21.7 3.8 6.9
5 17.7 2.4 24.1 4.0 6.4
6 19.8 4.3 28.4 4.3 8.6
7 21.5 2.7 31.1 6.9 9.6
8 26.3 2.1 33.2 4.8 6.9
9 32.1 2.5 35.7 1.1 3.6
10 36.6 3.4 40.0 0.0 3.4
 Waktu Pelanggan di Status kasir Lama Kasir
pelanggan Pelanggan ke Tipe Kejadian Pelanggan di supermarket menganggur
datang / antrian
keluar
0.0 - Mulai 0 0 Menganggur

Tabel Rincian proses simulasi berorientasi

pada event
 Waktu Pelanggan di Status kasir Kasir

Rincian proses simulasi berorientasi

pelanggan Pelanggan ke Tipe Kejadian Pelanggan di supermarket menganggur
datang / antrian

pada event
keluar
0.0 - Mulai 0 0 Menganggur

3.2 1 Datang 0 1 Sibuk 3.2

7.0 1 Keluar 0 0 Menganggur

10.9 2 Datang 0 1 Sibuk 3.9

13.2 3 Datang 1 2 Sibuk

14.4 2 Keluar 0 1 Sibuk

14.8 4 Datang 1 2 Sibuk

17.7 5 Datang 2 3 Sibuk

18.6 3 Keluar 1 2 Sibuk

19.8 6 Datang 2 3 Sibuk

21.5 7 Datang 3 4 Sibuk

21.7 4 Keluar 2 3 Sibuk

24.1 5 Keluar 1 2 Sibuk

26.3 8 Datang 2 3 Sibuk

28.4 6 Keluar 1 2 Sibuk

31.1 7 Keluar 0 1 Sibuk

32.1 9 datang 1 2 Sibuk

33.2 8 Keluar 0 1 Sibuk

35.7 9 Keluar 0 0 Menganggur

36.6 10 Datang 0 1 Sibuk 0.9

Bilangan Acak/Random
 Bilangan acak adalah bilangan yang tidak
dapat diprediksi kemunculannya
 Bilangan acak yang dibangkitkan oleh
komputer adalah bilangan acak semu
(Pseudo Random Number) karena
menggunakan rumus matematika
 Banyak Algoritma/metode yang dapat
digunakan untuk membangkitkan bilangan
acak
 Bilangan acak dapat dibangkitkan dengan
pola tertentu yang dengan distribusi mengikuti
fungsi distribusi yang ditentukan
 Pembangkit Bilangan Acak(Random
Number Generator) (RNG)

 Adalah bilangan random pada suatu

algoritma yang digunakan untuk
menghasilkan urutan/sequensial dari
angka-angka sehingga hasil
perhitungan dengan menggunakan
komputer dapat digunakan terus
menerus
 Sifat-sifat Random
Number Generator (RNG)
 Sequensial
bilangan random dapat digunakan terus
menerus sehingga dihasilkan secara berurutan
yang sesuai dengan distribusi yang
dikehendaki
 Distribusi
Distribusi probabilitas yang digunakan/yang
terlibat langsung dalam mencari bilangan
random tsb,pada umumnya distribusi yang
digunakan adalah distribusi tak terhingga
 Sifat-sifat Random
Number Generator (RNG)
 Munculnya angka secara random
Algoritma yang menghasilkan angka yang
akan keluar berikutnya dengan kata lain angka
yang diperoleh merupakan penentu bagi angka
random berikutnya
Sumber-sumber Bilangan Random
1. Tabel bilangan random yang bernilai 6-12
digit
2. Elektronik bilangan random digunakan pada
industri dan penelitian
Cara Memperoleh Bilangan
Random
 Zaman Dahulu, dengan cara melempar
dadu dan mengocok kartu
 Zaman Modern, dengan cara membentuk
bilangan acak secara numerik/aritmatika
(Menggunakan komputer) yang disebut
dengan “Pseudo Random Number”
(Bilangan Pseudo Acak)
 Pembangkit Bilangan
Acak
 Pembangkit bilangan acak harus:
1. Berdistribusi Uniform (0.1) dan tidak
berkorelasi antar bilangan
2. Membangkitkan cepat,storage tidak
besar
3. Dapat di “Reproduce”
4. Periode besar, karena memungkinkan
bilangan acak dibangkitkan berulang
 Sifat-sifat Pembangit PRN
(Pseudo Random Number)
 Independent
Masing-maasing komponen/variabelnya harus
bebas dengan ketentuan tersendiri seperti:
Zi + 1 = Hasil Akhir
Zo = Angka Pertama yang bebas
tertentu
a = Konstanta bebas ketentuan tersendiri
c = Angka bebas tetapi tidak ada hub
tertentu dg M (Modulo)
Sifat-sifat Pembangit PRN
(Pseudo Random Number)
 Uniform
Suatu distribusi yang umum yaitu distribusi probabilitas
sama untuk semua besaran yang dikeluarkan/diambil
dari komputer
 Dense/Kepadatan
Pendistribusian harus mengikuti syarat-syarat program
yaitu terletak antar 1 dan 0
 Efisien
 Cepat,cukup,sederhana dan dalam penggunaan cara
ini harus terlebih dahulu memilih angka-angka
konstanta yang cocok
Metode Multiplicative RNG (MRNG)

 Bilangan acak yang dibangkitkan oleh

komputer (bersifat acak semu), dibangkitkan
menggunakan rumus matematika yang
dikerjakan berulang-ulang sesuai kebutuhan
Rumus:
Zi + 1 = (a.zi+c)mod m
R1 = Zi + 1/m
Bil random yang dihasilkan = R1,R2,R3,R4,.......
Metode Multiplicative RNG (MRNG)
 Contoh soal:
Carilah 3 bilangan acak menggunakan metode Multiplicative
dengan bilangan awal Z0 = 1,2,3,5,7 dimana a = 19, c = 237 dan m
= 128. Gunakan tingkat ketelitian 4 dibelakang koma.
Jawab:
Diket: Zo = 12357, a=19,c=237,m=128
Bilangan acak 1 Bilangan acak 2
Zi+1 = (a.zi+c)mod m Zi+1 = (a.zi+c)mod m
= (19.12357+237)mod m = (19.12+237)mod m
= 235020 mod 128 = 465 mod 128
= 12 = 81
R1 = Zi+1/m R2 = Zi+1/m
= 12/128 = 81/128
= 0.0937 = 0.6328 dst s/d R3....
Metode Multiplicative RNG (MRNG)

Latihan:
Carilah 10 bilangan acak menggunakan
metode Multiplicative dengan bilangan
awal Z0 = 1,2,3,5,7 dimana a = 17, c =
275 dan m = 128. Gunakan tingkat
ketelitian 4 dibelakang koma.
 Metode Linear Congruential
Method (LCM)

 Bilangan random yang dihasilkan =

z1,z2,z3,z4,.....
 Disini meniadakan langkah R1=Z1+1/m
sehingga bilangan yang dihasilkan
adalah bilangan bulat
 Rumus:
Zi+1 = (a.zi+c) mod m
Metode Linear Congruent
Method (LCM)
 Soal:
 Bangkitkanlah 14 buah bilangan acak menggunakan
metode lcm dengan nilai awal zo=3, a=4, c=7 m = 15
Jawab:
Zi+1=(a.zi+c) mod m z3 = (4.8+7) mod 15
= (4.3+7)mod 15 =9
Z1 = 4 z4 = dst........................

Z2 = (4.4+7) mod 15
=8
METODE MONTE CARLO
Istilah “Monte Carlo” dalam simulasi mulai diperkenalkan
oleh compte de buffon pada tahun 1997 dan
pemakainya pada sistem nyata dimulai selama perang
dunia II. Diperkenalkan oleh S. Ulam dan J. Von
Neumann pada Los Alamos Scientific Laboratory

Metode Monte Carlo menggunakan bilangan random

untuk menyelesaikan masalah yang sulit dan rumit jika
dipecahkan dengan eksperimen saja, maka melalui
komputer dengan teknik yang disebut dengan metode
Monte Carlo
METODE MONTE CARLO
 Algorithma Monte Carlo adalah metode Monte Carlo numerik yang
digunakan untuk menemukan solusi masalah matematis yang
terdiri dari banyak variabel yang sudah dipecahkan. Misalnya
Kalkulus, integral dan metode numerik lainnya.
 Lima langkah dalam melakukan simulasi Monte Carlo yaitu:
 1. Menetapkan distribusi probabilitas untuk variabel-variabel
penting
 2. Menghitung distribusi kumulatif untuk tiap-tiap variabel
 3. Menetapkan suatu interval dari angka acak (random numbers)
untuk masing-masing variabel.
 4. Pilih bilangan acak (Generating Random Numbers)
 5. Nyatakan barisan simulasi dari beberapa percobaan-
percobaan.
METODE MONTE CARLO
 Monte Carlo adalah kota judi terbesar didunia
 Metode Monte Carlo digunakan dengan istilah
sampling statistik
 Metode Monte Carlo adalah algorithma komputasi
untuk mensimulasikan berbagai perilaku sistem fisika
dan matematika
 Metode ini terbukti efisien dalam memecahkan
persamaan differensial, integral medan radians
 Metode Monte Carlo umumnya dilakukan
menggunakan komputer dan simulasi teknik komputer
SIMULASI MONTE CARLO

 Simulasi tipe probabilitas yang mendekati

solusi sebuah masalah dengan melakukan
sampling dari proses acak
 Melibatkan pentetapan distribusi probabilitas
dari sebuah variabel yang dipelajari dan
kemudian dilakukan pengambilan sample acak
dari distribusi untuk menghasilkan data
 Suatu teknik untuk memilih angka secara acak
dari suatu distribusi probabilitas untuk
digunakan dalam suatu percobaan dari suatu
simulasi.
METODE MONTE CARLO
 Contoh:
 Ditentukan nilai sebagai berikut:
 0.4 0.1 0.2 0.4 0.7 0.3 0.2 0.5 0.2 0.6 0.1 0.3 0.2 0.1 0.3
0.2 0.3 0.2 0.5 0.4
Nilai Frekuensi Probabilitas Frek Prob Interval Bil
Kumulatif Kumulatif Random
0.1 3 3/20 = 0.15 3 0.15 0 – 0.14
METODE MONTE CARLO
 Latihan:
 Manager IBM Indonesia sedang memutuskan berapa
jumlah laptop yang harus dipesan setiap minggu.
Alasan utamanya adalah jumlah permintaan setiap
minggunya yang tinggi. Laptop dijual dengan harga
Rp. 12.500.000. Jumlah permintaan laptop merupakan
variabel acak (dianggap sebagai x) yang berkisar mulai
dari 0 sampai 4 setiap minggu. Dari catatan yang
tersedia, manajer telah menetapkan frekuensi
permintaan laptop untuk 100 minggu terakhir dengan
data sebagai berikut:
METODE MONTE CARLO

Permintaan Laptop Perminggu Frekuensi Permintaan

0 20

1 40

2 20

3 10

4 10

Jumlah 100
METODE MONTE CARLO
Nilai Frekuensi Probabilitas Frek Prob Kumulatif % Interval Bil
Kumulatif Random

0 20 0.2 20 0.2 20 0 - 19

1 40 0.4 60 0.6 0.6 20 – 59

2 20 0.2 80 0.8 0.8 60 – 79

3 10 0.1 90 0.9 0.9 80 – 89

4 10 0.1 100 1.0 1.0 90 - 100

Jml 100
METODE MONTE CARLO
Interval
Minggu Ke Angka Acak (R) Permintaan X Pendapatan Rp
1 39 1 12.500.000
2 73 2 25.000.000
3 72 2 25.000.000
4 75 2 25.000.000
5 37 1 12.500.000
6 02 0 0
7 87 3 37.500.000
8 98 4 50.000.000
9 10 0 0
10 47 1 12.500.000
11 93 4 50.000.000
12 21 1 12.500.000
13 95 4 50.000.000
14 97 4 50.000.000
15 69 2 25.000.000
Total 387.500.000
METODE MONTE CARLO

Hasil simulasi ini dapat disimpulkan

bahwa perkiraan permintaan rata-
rata laptop = 31/15 = 2.07
perminggu. Perkiraan rata-rata
pendapatan PT. IBM Indonesia =
Rp. 387.500.000 dan Rp.
25.833.333 perminggu.
 SIMULASI PADA
PENJUALAN
Variabel pendapatan kotor (gross income)
dapat dinyatakan dengan penjualan 1 tahun x
harga jual/unit, sehingga:
Gross income/th = Permintaan x harga jual
Dimana bahwa penjualan dengan harga
penjualan per unit tidak lurus namun
berhubungan yang berlawanan.
Apabila harga penjualan per unit naik maka
harga jual akan turun
 SIMULASI PADA
PENJUALAN
 Contoh:
 Jika diketahui:
Harga 100 150 200 250
Jual/unit
Probabilitas 0.10 0.30 0.40 0.20

Dengan distribusi permintaan

Harga Jual 100 Harga Jual 150 Harga Jual 200 Harga Jual 250

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 0.35 150 0.10 130 0.25

 SIMULASI PADA
PENJUALAN
 Ditanya: Tentukan persoalan tersebut untuk
mendapatkan Gross Income pertahun, dimana
nilai randomnya:
 A. Untuk harga jual B. Penjualan/Permintaan
 R1 = 0.8173 R1 = 0.0113
 R2 = 0.8941 R2 = 0.8073
 R3 = 0.1994 R3 = 0.7918
 R4 = 0.3945 R4 = 0.0194
 R5 = 0.7065 R5 = 0.3298
 SIMULASI PADA STUDI
KEUNTUNGAN
Dalam menjalankan usaha seperti produksi penjualan atau grosir pada
setiap harinya akan selalu berorientasi pada pencarian keuntungan.
Seorang pedagang menerima pasokan produk barang dari suatu
pedagang grosir untuk setiap harinya jumlah dari pasokan barang
tersebut, oleh si grosir adalah random variabel yang sama dengan
kebutuhan dari pedagang eceran dalam setiap hari terhadap barang
produk tersebut.
Tabel Supplay Supply Dari Pedagang Eceran Distribusi Peluang
1 0.08

2 0.17

3 0.20

4 0.25

5 0.17

6 0.13
 SIMULASI PADA STUDI
KEUNTUNGAN
 Tabel Demand
Demand (Dari Pedagang Eceran) Distributor Peluang

1 0.07

2 0.14

3 0.22

4 0.30

5 0.18

6 0.09
 SIMULASI PADA STUDI
KEUNTUNGAN
Latihan:
Pedagang membeli barang dari grosir dengan harga Rp.10
perunit. Apabila unit barang ini belum laku terjual pada setiap
harinya dapat dikembalikan dengan jumlah tertentu dan kemudian
dapatt dijual kembali dengan harga yang sama pada setiap waktu
yang akan datang, namun apabila pedagang eceran ini tidak
dapat memenuhi kebutuhan pelanggan maka dikeluarkan cost Rp.
5 perunit. Pedagang menjual barang kepada pelanggan secara
eceran dengan harga Rp. 20 per unit. Ketentuan yang berlaku
dalam setahun adalah 289 hari.
1. Hitunglah rata-rata keuntungan setiap hari dalam jangka waktu
10 hari yang menunjukkan pertukaran keuntungan.
2. Tentukan variance dan standard deviasi harian dan tahunan.
Dimana random untuk supplier dan demand adalah:
SIMULASI PADA STUDI
KEUNTUNGAN
Supplier Demand
0.07 0.83
0.71 0.88
0.92 0.92
0.84 0.37
0.28 0.28
0.91 0.34
0.18 0.48
0.21 0.63
0.20 0.75
0.26 0.18