PEMODELAN DAN SIMULASI

SIMULASI TRANSAKSI UNTUK MEMPERKIRAKAN KEUNTUNGAN

PADA MINIMARKET RISMA

Dibuat oleh :

Imam lastapu (1901010131)

PROGRAM STUDI TEKNIK INFORMATIKA

JURUSAN ILMU KOMPUTER
UNIVERSITAS BUMIGORA
2022

i
 DAFTAR ISI

COVER .................................................................................................................... i
DAFTAR ISI ........................................................................................................... ii
BAB I PENDAHULUAN ....................................................................................... 1
1.1 Latar Belakang ......................................................................................... 1

1.2 Rumusan Masalah .................................................................................... 2

1.3 Tujuan Penelitian ...................................................................................... 2

1.4 Manfaat Penelitian .................................................................................... 2

BAB II TINJAUAN PUSTAKA............................................................................ 3

2.1 Definisi Simulasi ...................................................................................... 3

2.2 Sistem dan Model ..................................................................................... 4

2.3 Klasifikasi dari Teknik Simulasi .............................................................. 5

2.4 Keunggulan dan Kelemahan Simulasi...................................................... 7

2.5 Metode LCG ............................................................................................. 8

2.6 Simulasi Monte Carlo ............................................................................... 9

2.7 Elemen-Elemen Simulasi Monte Carlo .................................................. 11

2.8 Keuntungan Simulasi Monte Carlo ........................................................ 11

2.9 Tahapan Simulasi Monte Carlo .............................................................. 11

BAB III METODELOGI PENELITIAN .............................................................. 13

3.1 Pemilihan Lokasi dan Waktu Penelitian ................................................ 13

3.2 Subjek Penelitian .................................................................................... 13

3.3 Metode Pengumpulan Data .................................................................... 13

3.4 Pelaksanaan Penelitian ........................................................................... 13

3.5 Metode Pengambilan Sampel ................................................................. 14

3.6. Metode Analisis Data ............................................................................. 14

ii
BAB IV PEMBAHASAN DAN ANALISIS HASIL ........................................... 16
4.1 Analisis Kebutuhan Sistem .................................................................... 16

4.2 Perancangan dan Pembangunan Model Konseptual............................... 32

BAB V PENUTUP................................................................................................ 35
5.1 Kesimpulan ............................................................................................. 35

5.2 Saran ....................................................................................................... 35

DAFTAR PUSTAKA ........................................................................................... 36

iii
 BAB I
PENDAHULUAN
1.1 Latar Belakang

Pertumbuhan bisnis ritel modern saat ini mengalami revolusi yang sangat
cepat. Hal ini dapat dilihat dari tahun ke tahun jumlah bisnis ritel semakin
melonjak tajam dan bermunculan di Indonesia kususnya Sumbawa Barat.
Seringkali peritel lokal bersaing dengan peritel asing yang mulai masuk dan
menguasai pasar Indonesia kususnya Sumbawa Barat. Pasar ritel terus bertumbuh
sebagai akibat dari perkembangan berbagai bidang. Pasar ritel yang tumbuh secara
nasional tidak saja menguntungkan peritel besar atau produsen barang ritel
melainkan juga para peritel kecil yang melayani masyarakat setempat. Jumlah
penduduk yang bertambah menyebabkan semua barang dan jasa meningkat.
Salain itu pertumbuhan ekonomi yang meningkat sekaligus membuka lapangan
kerja yang cukup besar. Dengan demikian, pasar ritel pun bermunculan karena
peningkatan permintaan akan barang dan jasa.

Gaya hidup dan kebutuhan yang selalu berubah membuat masyarakat

harus menyikapi keberadaan ritel modern tersebut. Berbelanja di ritel modern
menjadi pilihan saat ini dari pada berbelanja di ritel tradisonal, hal ini disebabkan
karena keunggulan pada fasilitas, keamanan dan kenyamanan ketika berbelanja.
Khususnya di kota besar padatnya aktivitas, waktu yang terbatas, serta lokasi yang
cukup jauh menyebabkan masyarakat tersebut kesulitan untuk berbelanja di
tempat yang berbeda. Oleh karena itu, convenience store di pilih untuk memenuhi
kebutuhan masyarakat pada saat itu juga, dimana mereka bukan berbelanja untuk
kebutuhan bulanan ataupun mingguan.

Melihat bisnis ritel di dari waktu ke waktu semakin diminati oleh seluruh
lapisan masyarakat, peneliti tertarik untuk melakukan penelitian yang berjudul
“Simulai Transaksi Untuk Memperkirakan Keuntungan Pada Minimarket Risma”.
Dimana pada program simulasi ini menggunakan metode monte carlo, metode ini
digunakan untuk menghasilkan variablel input dalam simulasi seperti waktu antar

1
 2

kedatangan pelanggan. Teknik ini menggunakan bilangan random yang

berdistribusi uniform untuk kemudian mengkonversikanya menjadi distribusi
probabilitas yang diinginkan

1.2 Rumusan Masalah

Sesuai dengan latar belakang yang telah disampaikan diatas, dapat

dirumuskan permasalahan dalam penelitian ini yaitu bagaimana dengan
menggunakan metode monte carlo dapat melakukan simulai transaksi untuk
memperkirakan keuntungan dan penjualan pada Minimarket Risma.

1.3 Tujuan Penelitian

Tujuan dari penelitian ini adalah memperkirakan keuntungan dan

penjualan pada Minimarket Risma dengan melakukan simulasi transaksi
menggunakan metode monte carlo.

1.4 Manfaat Penelitian

Manfaat dari penelitian ini yaitu dengan menggunakan model simulasi

monte carlo maka pemilik usaha dari minimarket tersebut dapat melihat
bagaimana penjualan dan perkiraan keuntungan pada minimarket Risma sehingga
membantu pemilik usaha tersebut dalam memutuskan apakah usaha yang dijalani
layak untuk dikembangkan atau tidak.
 BAB II
TINJAUAN PUSTAKA
2.1 Definisi Simulasi

Simulasi berasal dari bahasa inggis, yaitu to simulate, yang artinya

menurut Webster’s Collegiate Dictionary adalah “to feign, to obtain the essence
of, without the reality”, artinya untuk memperoleh intisari dari sesuatu tanpa
melibatkan kenyataan. Sedangkan menurut Oxford American Dictionary (1980)
simulasi adalah “to reproduce the conditions of a simulation, as by means of a
model, for study or testing or training, etc”, artinya untuk menghasilkan suatu
kondisi dari situasi, dalam maksud sebuah model, untuk dipelajari atau untuk
percobaan atau pelatihan dan sebainya. Beberapa definisi simulasi menurut
berbagai pakar antara lain :

a. Simulasi adalah teknik yang menggunakan computer untuk meniru atau

mengimitasi suatu operasi dari berbagai fasilitas atau proses dari dunia
nyata (Law&Kelton, 2000,pl).
b. Simulasi berhubungan dengan pemodelan dari suatu proses atau sistem
dalam suatu cara tertentu sehingga model tersebut menirukan respon dari
sistem actual terhadap suatu kejadian yang terjadi seturut dengan waktu.
(Schriber,1987).
c. Simulasi merupakan proses perencanaan sebuah model dari sistem nyata
dan melakukan eksperimen dengan model tersebut dengan tujuan
mengetahui perilaku dari sistem dan atau melakukan evaluasi berbagai
macam strategi untuk operasi dari sistem tersebut. (Pigden, Shannon, &
Sadowski, 1990)
d. Simulasi adalah suatu proses peancangan dan penciptaan sbeuah model
terkomputerisasi dar sistem nyata atau yang diusulkan dengan tujuan
untuk melakukan eksperimen numeric untuk memberikan kita pengertian
yang lebih baik mengenai perilaku dari sistem dengan kumpulan kondisi
tertentu yang diberikan. (Kelton, Sadowski 1998).

3
 4

Dari pengertian diatas kita dapat menyimpulkan bahwa simulasi

merupakan konstruksi dari suatu model dan penggunaan model secara
eksperimental untuk mempelajari suatu sistem. Proses atau fasilitas tersebut
biasanya disebut sistem, dan untuk mempelajarinya secara ilmiah biasanya
meggunakan serangkaian asumsi mengenai bagaimana sistem tersebut bekerja.
Asumsi ini dapat berbentuk hubungan matematis atau logika. Simulasi dapat
dilakukan secara manual maupun dengan bantuan computer, serta menyertakan
pembentukan data dan sejarah buatan (arti…cial history) dari sebuah sistem,
pengamatan data dan sejarah, dan kesimpulan yang terkait dengan karakteristik
sistem-sistem. Serta dapat disimpulakan simulation modelling (pemodelan
simulasi) sebagai suatu metodelogi eksperimental dan terapan yang berusaha
mencapai hal-hal antara lain :

1. Mendeskripsikan perilaku dari sistem-sistem,

2. Membangun suatu teori dari hipotesa yang berhubungan dengan perilaku
yang diamati dari sistem-sistem tersebut,
3. Menggunakan model simulasi untuk meramalkan (predict) perilaku sistem
pada masa depan, misalnya akibat yang dihasilkan oleh perubahan dalam
sistem atau dalam metode operasinya.

2.2 Sistem dan Model

Model dan sistem merupakan komponen-komponen utama dari simulasi.

Model meruakan suatu representasi dari sekelompok obyek atau ide kedalam
suatu bentuk yang lain dari suatu entitas. Sistem merupakan kelompok elemen-
elemen yang bekerjasama untuk mecapai suatu kondisi tujuan. (Pegden, 1990).

Model adalah contoh sederhana dari sistem dan menyerupai sifat-sifat

sistem yang dipertimbangkan, tetapi tidak sama dengan sistem. Model
dikembangkan dengan tujuan untuk studi tingkah-laku sistem melalui analisis
rinci akan komponen atau unsur dan proses utama yang menyusun sistem dan
interaksinya antara satu dengan yang lain. Jadi pengembangan model adalah suatu
pendekatan yang tersedia untuk mendapatkan pengetahuan yang layak akan
 5

sistem. Model beperanan penting dalam pengembangan teori karena berfungsi

sebagai konsep dasar yang menata rangkaian aturan yang digunakan untuk
menggambarkan sistem. Terdapat beberapa jenis model dalam melakukan
simulasi antara lain :
1. Model Fisik
Model fisik mengambil dari sebagian sifat fisik dari hal-hal yang diwakilinya,
sehingga menyerupai sistem yang sebenarnya namun dalam skala yang
berbeda. Walaupun jarang dipakai, model ini cukup berguna dalam rekayasa
sistem. Dalam penelitian, model matematis lebih sering dipakai jika
dibandingkan dengan model fisik.
2. Model Matematis
Pada model matematis, sistem direpresentasikan sebagai hubungan logika dan
hubungan kuantitatif untuk kemudian dimanipulasi supaya dapat dilihat
bagaimana sistem bereaksi.
3. Model Analitis dan Model Simulasi
Setelah model matematis berhasil dirumuskan, model tersebut dipelajari
kembali apakah model yang telah dikembangkan dapat menjawab pertanyaan
yang berkaitan dengan tujuan mempelajari sistem. Jika model yang dibentuk
cukup sederhana, maka relasi-relasi matematisnya dapat digunakan untuk
mencari solusi analitis. Jika solusi analitis bisa diperoleh dengan cukup
mudah dan efisien, maka sebaiknya diigunakan solusi analitis karena metode
ini mampu memberikan solusi yang optimal terhadap masalah yang dihadapi.
Tetapi seringkali model terlalu kompleks sehingga sangat sulit untuk
diselesaikan dengan metoda-metoda analitis, maka model tersebut dapat
dipelajari dengan simulasi. Simulasi tidak menjamin memberikan hasil yang
optimal melainkan dijamin bahwa hasilnya mendekati optimal

2.3 Klasifikasi dari Teknik Simulasi

Klasifikasi atau pengelompokan dari teknik simulasi dibagi menjadi 3

kelompok (Law & Kelton, 200), yaitu :
 6

1. Simulasi Statis dan Dinamis

Simulasi statis merupakan representasi dari sebuah sistem pada suatu waktu
tertentu, atau digunakan pada sistem dimana waktu tidak mempunyai peran.

Penerapan paling sederhana pada simulasi ini adalah saat kita memasukan
nilai variabel pada suatu rumus untuk memperoleh hasil akhirnya. Contohnya
adalah simulasi dengan menggunakan program spreadsheet, dimana variabel-
variabel dan persamaan telah ditentukan terlibih dahulu, sehingga kita tinggal
memasukan input untuk mendapat keluarannya. Contoh lain dari simulasi statis
adalah model Monte Carlo. Dilain pihak, simulasi dinamis mewakili sistem yang
berubah-ubah seturut waktu. Misalnya sistem kedatangan pelanggan yang
menjadi tema proposal ini.

2. Simulasi Deterministik an Stochastic

Bila sistem simulasi tidak mempunyai komponen prohabilitas
(kemungkinan), maka dinamakan simulasi deterministik. Hasil akhir dari simulasi
deterministik telah ditentukan ketika sejumlah input dimasukan ke dalam model,
walaupun bisa saja diperlukan waktu yang lama untuk menghitung hasil akhir
simulasi tersebut.

Bila sistem tersebut memiliki beberapa komponen input acak (random), maka
simulasi tersebut termasuk simulasi stochastic. Hasil akhir atau keluaran dari
model stochastic ini juga berupa komponen acak. Kebanyakan sistem antrian
(queueing) dan persediaan (inventory) merupakan model stochatic.

3. Simulasi Kontinyu dan Diskrit

Simulasi kontinyu merupakan model sistem yang kondisi status variabelnya
berubah-ubah terus menerus sesuai dengan waktu. Simulasi model melibatkan
persamaan diferesial yang merupakan relasi dari tingkat perubahan status variabel
sistem terhadap waktu.

Simulasi diskrit yang merupakan jenis klasifikasi simulasi pada penelitian ini,
dimana status variabelnya berubah seketika pada satu titik waktu yang terpisah.
 7

Dengan kata lain sistem berubah hanya pada satu waktu tertentu. Hal ini berbeda
dengan simulasi kontinyu yang berubah terus menerus sejalan dengan waktu.

2.4 Keunggulan dan Kelemahan Simulasi

Menurut Pegden (1990) ada beberapa keunggulan dan kelemahan yang

terdapat pada metode simulasi. Daftar dibawah menunjukan keunggulan dan
kelemahan metode simulasi ini. Berikut ini adalah beberapa keunggulan dari
metode simulasi:

1. Perubahan pada peraturan, prosedur, aturan pengambilan keputusan,

struktur organisasi, alur informasi, dan lain-lain, dapat diselidiki tanpa
mengganggu operasi yang sedang berjalan saat ini.
2. Rancangan perangkat keras baru, tata letak fisik, program perangkat lunak,
sistem transportasi, dan sebagainya, dapat diuji coba sebelum
mengalokasikan sumber daya pada implementasi yang sesungguhnya.
3. Hipotesa mengenai bagaimana atau mengapa fenomena tertentu terjadi
dapat dicoba untuk studi kelayakan.
4. Waktu dapat diatur, dan dapat pula dipersingkat, diperpanjang, dan
sebagainya, sehingga memungkinkan kita untuk mempercepat atau
memperlambat sebuah fenomena untuk dipelajari
5. Pengertian dapat diperoleh mengenai variabel mana yang paling penting
untuk unjuk kerja dan bagaimana variabel ini berinteraksi.
6. Perlambatan pada aliran informasi,material,dan produk dapat
diidentifikasi.
7. Studi simulasi terbukti berharga untuk memperoleh pengertian mengenai
bagaimana sebenarnya suatu sistem bekerja sebagai lawan dari pemikiran
orang-orang mengenai bekerjanya suatu sistem.
8. Situasi baru, dimana kita mempunyai pengertian dan pengalaman yang
terbatas, dapat dilakukan manipulasi dalam rangka untuk mempersiapkan
suatu kejadian teoritis dimasa depan. Kekuatan simulasi yang terbersar
adalah kemampuannya dalam melakukan penyelidikan mengenai
pertanyaan “apa mengapa” ( what is question).
 8

Disamping berbagai keunggulannya metode simulasi juga mempunyai

kelemahan atau kekurangan , yaitu :

1. Pembuatan model dalam simulasi memerlukan latihan. Kualitas dari

analisis tergantung dari kualitas dari model yang dibangun dan keahlian
dari pembuat model tersebut. Pembuatan model adalah sebuah seni
sekaligus juga merupakan suatu keahlian,
2. Hasil simulasi terkadang sulit diterjemahkan. Karena model simulasi
berusaha mengkap keacakan dari sistem yang sesungguhnya, seringkali
sangat sulit untuk menentukan apakah sebuah pengamatan yang dilakukan
selama simulasi dijalankan sesuai untuk hubungan dengan sistem atau
keacakan dari suatu model.
3. Analisis simulasi dapat memakan waktu dan menjadi mahal. Analisis yang
layak mungkin tidak diperoleh dengan waktu dan sumber daya yang ada.
Sebuah perkiraan yang “quick and dirty” dengan metode analitis dapat
dipilih.

Sisi negatif yang harus diwaspadai dari simulasi yang harus diwaspadai
adalah bila model simulasi menggunakan komponen acak atau stochastic dengan
distribusi statistik, dimana semakin panjang rentang waktu simulasi maka hasil
rata-ratanya akan cenderung menetap (stabil) dan semakin kurang bervariasi. Oleh
karena itu harus diperhatikan berapa lama waktu yang tepat untuk rentang waktu
simulasi (Kelton & Sadowski, 1998).

Sisi lain yang menyebabkan simulasi masih belum banyak digunakan dan
tidak berkembang secepat metode lain adalah dikarenakan untuk membangun
simulasi yang terbaik diperlukan waktu dan keahlian untuk pengembangan model
dari sistem yang akan disimulasi.

2.5 Metode LCG

Metode Linear Congruential Generator (LCG) disebut juga sebagai

Metode Pembangkit Bilangan Acak Kongruen-Lanjar yang merupakan sebuah
 9

metode pembangkit bilangan acak yang sederhana. LCG didefinisian dalam relasi
berulang sebagai berikut :

𝑋𝑛 = (𝑎𝑋𝑛−1 + 𝑏)𝑚𝑜𝑑 𝑚

Dimana :

Xn = bilangan acak ke-n dari deretnya

Xn-1 = bilangan acak sebelumnya
a = faktor pengali
b = increment
m = modulus

X0 adalah kunci pembangkit atau disebut juga umpan (seed). LCG

mempunyai periode tidak lebih besar dari m, dan pada kebanyakan kasus
periodenya kurang dari itu. LCG mempunyai periode penuh (m – 1) jika
memenuhi syarat berikut:
a) b relatif prima terhadap m.
b) a – 1 dapat dibagi dengan semua faktor prima dari m
c) m > maks (a, b, X0)
d) a > 0, b > 0

Keunggulan LCG terletak pada kecepatannya dan hanya membutuhkan

sedikit operasi bit. Sayangnya, LCG tidak dapat digunakan untuk kriptografi
karena bilangan acaknya dapat diprediksi urutan kemunculannya. Oleh karena itu
LCG tidak aman digunakan untuk kriptografi. Namun demikian, LCG tetap
berguna untuk aplikasi non-kriptografi seperti simulasi, sebab LCG
memperlihatkan sifat statistik yang bagus dan sangat tepat untuk uji-uji empirik.
(Putranto, 2010)

2.6 Simulasi Monte Carlo

Simulasi Monte Carlo, yang berasal dari sampling statistik, pertama kali
disampaikan oleh Metropolis dan Ulam dalam jurnal yang berjudul The Monte
Carlo Method, Journal of the American Statistical Association, Vol.44, No.247,
 10

1949, pg. 335-341 (Yeh & Sun, 2013: 784, 795). Beberapa definisi simulasi
monte carlo menurut para ahli yaitu :

a. Simulasi Monte Carlo adalah salah satu metode simulasi sederhana yang
dapat dibangun secara cepat dengan hanya menggunakan spreadsheet,
seperti : Ms. Excell (Cahyo, 2008:13).
b. Simulasi Monte Carlo adalah metode untuk mengevaluasi iteratif model
deterministik menggunakan nomor acak sebagai masukan (Yeh & Sun,
2013: 784)
c. Simulasi Monte Carlo didefinisikan sebagai semua teknik sampling
statistik yang digunakan untuk memperkirakan solusi terhadap masalah-
masalah kuantitatif (Achmad, 2008: 14).

Maka Simulasi Monte Carlo adalah pengambilan sampel dengan

menggunakan bilangan - bilangan acak (random numbers) dengan prinsip kerja
adalah membangkitkan bilangan - bilangan acak atau sampel dari suatu variabel
acak yang telah diketahui distribusinya, sehingga seolah - olah dapat diperoleh
data dari lapangan, atau dengan kata lain Simulasi Monte Carlo meniru kondisi
lapangan secara numerik. 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.
Pembangunan model Simulasi Monte Carlo didasarkan pada probabilitas
𝑓𝑖
yang diperoleh data historis sebuah kejadian dan frekuensinya yaitu 𝑃𝑖 = 𝑛 ,

dimana :
Pi : Probabilitas kejadian i

fi : Frekuensi kejadian i

n : Jumlah frekuensi semua kejadian

Simulasi Monte Carlo dikategorikan sebagai metode sampling karena

input yang dihasilkan secara acak dari probabilitas distribusi untuk
mensimulasikan proses sampling dari populasi yang sebenarnya dan beberapa
 11

penulis mengadopsinya untuk mengukur keandalan sistem karena keuntungan dari

kemudahan dan akurasi (Yeh & Sun, 2013: 784).
Menurut Kwak & Stoddard (2004) Simulasi Monte Carlo mulai mendapat
perhatian di bidang manajemen proyek, dan dapat menjadi alat yang handal bagi
manajer proyek dalam menganalisa resiko dan ketidakpastian yang umum terjadi
dalam pembiayaan proyek. Hasil simulasi Monte Carlo dapat membantu manajer
proyek dalam menentukan ekspektasi pembiayaan proyek yang lebih realistis.

2.7 Elemen-Elemen Simulasi Monte Carlo

Simulasi Monte Carlo memerlukan beberapa elemen berikut (Yeh & Sun,
2013: 784) :

1. Fungsi kepadatan probabilitas (pdf).

2. Nomor acak generator untuk menyediakan nomor acak.
3. Resep sampling, sampel dari p.d.f. tertentu dengan ketersediaan Unit
nomor acak Interval.
4. Perhitungan, dalam yang hasil output perlu diberikan sebagai total value.
5. Salah Perhitungan, dimana hubungan antara jumlah kesalahan statistik
yang terjadi dan fungsi nomor lain.
6. Mengurangi variasi teknik, untuk mengurangi waktu yang dibutuhkan
untuk menghitung Simulasi Monte Carlo
7. Integrasi horizontal dan vertikal, untuk menerapkan simulasi Monte Carlo
efektif ke struktur sistem komputasi.

2.8 Keuntungan Simulasi Monte Carlo

Keuntungan utama dari Simulasi Monte Carlo simulasi atas teknik

komputasi lain adalah independensi sumber daya komputasi pada dimensi
masalah. Simulasi Monte Carlo merupakan algoritma stokastik yang digunakan
untuk menghasilkan kondisi awal untuk quasiclassical simulasi lintasan.

2.9 Tahapan Simulasi Monte Carlo

1. Membuat distribusi kemungkinan untuk variabel penting

 12

Gagasan dasar dari Simulasi monte Carlo adalah membuat nilai dari tiap
variabel yang merupakan bagian dari model yang dipelajari. Banyak
variabel didunia nyata yang secara alami mempunyai berbagai
kemungkinan yang mungkin ingin kita simulasikan. Salah satu cara umum
untuk membuat distribusi kemungkinan untuk suatu variabel adalah
memperhitungkan hasil di masa lalu. Kemungkinan atau frekuensi relative
untuk tiap kemungkinan hasil dari tiap variabel ditentukan dengan
membagi frekuensi observasi dengan jumlah total observasi.
2. Membangun distribusi kemungkinan kumulatif untuk tiap ‐ tiap variabel.
Konversi dari distribusi kemungkinan biasa, menjadi distribusi kumulatif
dilakukan dengan menjumlahkan tiap angka kemungkinan dengan jumlah
sebelumnya.
3. Menentukan interval angka random untuk tiap variabel
Setelah kita menentukan probabilitas kumulatif untuk tiap variabel, yang
termasuk dalam simulasi, kita harus menentukan batas angka yang
mewakili tiap kemungkinan hasil. Hal tersebut ditujukan pada interval
angka random. Penentuan interval didasari oleh kemungkinan kumulatif
4. Membuat angka random
Untuk membuat angka random kita bisa menggunakan software Microsoft
Excel
5. Membuat simulasi dari sebuah eksperimen dengan mengambil angka
random.
 BAB III
METODELOGI PENELITIAN

Untuk mencapai tujuan kegiatan seperti yang telah dikemukakan diatas

dan memenuhi kaidah-kaidah melakukan riset yang baik, maka dilakukan
beberapa langkah atau metode sebagai berikut :

3.1 Pemilihan Lokasi dan Waktu Penelitian

Penelitian ini dilakukan di salah satu cabang minimarket Risma di

Taliwang, Sumbawa Barat. Penelitian ini dilaksanakan pada bulan April sampai
Juli tahun 2022.

3.2 Subjek Penelitian

Subjek dalam penelitian ini adalah data waktu kedatangan pelanggan,

jumlah pembelian barang, dan harga barang yang dibeli oleh pelanggan pada
minimarket Risma.

3.3 Metode Pengumpulan Data

Penelitian ini menggunakan data primer yang dikumpulkan dari satu

sumber. Metode yang digunakan pada penelitian ini adalah metode observasi,
dengan melakukan pengamatan langsung ke lapangan. Peneliti menggunakan
beberapa alat bantu dalam melakukan observasi ke lapangan seperti lembar cek
list, buku catatan, dan sebagainya.

3.4 Pelaksanaan Penelitian

1. Penelitian ini akan diawali dengan pengamatan langsung oleh tim peneliti
pada minimarket Risma. Pengamatan akan dilakukan beberapa kali untuk
mendapatkan data yang lebih akurat. Pengamatan juga dilakukan pada hari
yang berbeda.

2. Penelitian dilakukan dengan observasi pada 3 waktu masing-masing 2 jam,

yaitu pada pukul 08.00-10.00 WITA, pukul 14.00-16.00 WITA, pukul

13
 14

20.00-22.00 WITA, dan dilakukan selama 2 hari yaitu hari Jumat dan
Sabtu.

3. Setelah melakukan pengamatan langsung, data yang diperoleh kemudian

dianalisis untuk memperoleh distribusi kedatangan pelanggan pada
minimarket Risma.

4. Data pembelian dan harga barang, diperoleh dari database minimarket.

3.5 Metode Pengambilan Sampel

Metode pengambilan sampel pada penelitian ini menggunakan teknik

simple random sampling. Random sampling adalah metode paling dekat dengan
definisi probability sampling. Pengambilan sampel dari populiasi secara acak
berdasarkan frekuensi probabilitas semua anggota populasi.

Penentuan cabang Risma di Taliwang, Sumbawa Barat dilakukan dengan

metode purposive yaitu suatu metode penentuan daerah penelitian secara sengaja
dan terencana dengan dasar pertimbangan kepadatan penduduk pada daerah
tersebut.

3.6. Metode Analisis Data

Setelah data yang dibutuhkan terkumpul, maka selanjutnya melakukan

analisis data.

1. Simulasi ini menggunakan beberapa variabel yaitu waktu kedatangan

pelanggan, jumlah pembelian item, barang yang dibeli. Pada penelitian
ini, barang yang dibeli akan diklasifikasi sesuai jenis yaitu makanan,
minuman, rokok, alat tulis, alat mandi, alat kebersihan, dan obat.
2. Setelah mendapatkan data, tahap selanjutnya adalah menghitung
probabilitas dari variabel random yang digunakan dan juga probabilitas
kumulatif dari variabel tersebut.
3. Kemudian dilakukan pembangkitan bilangan random dengan metode
LCG untuk setiap variabel random. Setelah melakukan pembangkitan
 15

bilangan random akan didapatkan data random untuk setiap variabel

random yang digunakan.
4. Selanjutnya akan dilakukan simulasi secara terus menerus selama
sebulan. Simulasi yang dilakukan akan menghasilkan data berupa total
keuntungan, kekurangan stock, ataupun stock yang berlebih.
 16

BAB IV
PEMBAHASAN DAN ANALISIS HASIL

4.1 Analisis Kebutuhan Sistem

4.1.1 Pengumpulan Data Primer

Data primer merupakan sumber data yang diperoleh secara langsung dari
Minimarket Risma yaitu dengan melakukan penelitian terhadap waktu kedatangan
serta dari database milik minimarket Risma. Hasil penelitian yang dilaksanakan
dengan metode observasi pada 3 waktu masing-masing 2 jam, yaitu pada pukul
08.00-10.00 WITA, pukul 14.00-16.00 WITA, pukul 19.00-21.00 WITA, dan
dilakukan selama 2 hari yaitu hari Jumat dan Sabtu yaitu sebagai berikut :

1. Hasil penelitian pada hari Jumat pukul 08.00-10.00

Jumlah Jumlah
Nama barang Harga (Rp)
Jam pembelian barang
Teh gelas original 2 1,000
8:06 3
Cheers air mineral 1 2,500
8:11 1 Aqua 600 ml 1 3,000
Cleo galom air 19 liter 2 16,500
8:27 6 Pia pulau bali 2 15,500
Nestle pure 600 ml 2 3,000
Sampoerna mild 16 1 17,000
8:27 2
Pulpen c 1 2,000
8:30 1 Mrlboro putih 1 19,000
Club 1500 ml 2 4,000
8:30 3
Sosis ayam champ 1 1,000
Downy collection passion 1 15,500
8:32 5 Mi abc cup gulai ayam pedas 2 4,500
Yougurt peach 2 9,000
8:33 1 Permen kino durian 2.2 g 1 1,000
8:37 1 Dunhill fine cut fiter 16 1 13,500
8:38 4 Hansaplast 4 500
Club 600 ml 1 2,500
Fruite tea strawberry 500 ml 1 6,000
8:40 4
Fruit tea guava 500 ml 1 6,000
Permen frenia rasa cola 1 1,000
8:48 3 La ice 2 16,000
 17

Marlboro ice blast 1 20,000

Aqua botol 1500 ml 2 5,000
8:51 3
Sampoerna mild 16 1 17,000
Dunhill fine cut mild 1 18,000
9:03 2
Proman bara merah sachet 1 5,500
9:09 1 Cleo galom air 19 liter 1 16,500
9:12 1 You c1000 orange 1 6,000
Pocky stick coklat 47 g 1 7,000
9:14 2
Sprite seru 42 ml 1 6,000
Club 1500 ml 1 4,000
9:16 3 Sampoerna mild 16 1 17,000
Carrera spons pembersih 1 2,000
9:21 4 Teh gelas original 4 4,000
9:37 1 Permen kino durian 2.2 g 1 1,000
9:38 1 Coca cola seru 425 ml 1 6,000
9:38 1 Teh sosro kotak 250 ml 1 3,500
9:38 1 Permen indonesia lallipop 1 5,000
Roti kota kecil 1 4,000
9:40 3 Feast vanilla 65 ml 1 5,000
Mentos mint 37 gr 1 3,000
9:40 1 Permen kino durian 2.2 g 1 1,000
Twistko premium 80 gr 1 5,500
French fries 75 gr 2 6,000
9:46 5
Sim 50 simpati 1 51,000
Doublemint wrigleys 15 g 1 2,500
9:47 1 Club 600 ml 1 2,500
Tango coklat 180 gr 1 12,000
9:56 3
Aqua botol 1500 ml 2 5,000
9:59 1 Taro cowboy steak 40 gr 1 4,000
10:00 2 Kapas selection 53 gr 2 5,000
Tabel 4.1 Hasil penelitian pada hari Jumat pukul 08.00-10.00
2. Hasil penelitian pada hari Jumat pukul 14.00-16.00
Jumlah Jumlah
Jam pembelian Nama barang barang Harga (Rp)
14:03 2 Greensand original 250 ml 2 5,500
14:03 1 Paddle pop rainbow power 1 3,000
14:13 1 Marlboro putih 1 19,000
14:17 1 Geo mild 16 1 11,000
Club 1500 ml 1 4,000
14:18 2
Teh cap bandulan 180 ml 1 1,000
 18

Djarum black 16 1 16,000

14:22 2
permen indonesia lolipop 1 5,000
14:27 2 Sprite 1l 2 10,000
Ultramilk coklat 250 ml 1 5,500
14:32 3
Uht frisian flag strawbery 2 4,000
14:33 2 Marlboro putih 2 19,000
14:34 4 Indomie goreng spesial 4 2,500
14:34 1 Cheers air mineral 550 ml 1 2,500
Walls cornetto caramel 1 8,500
14:45 3 Walls populatre strowberi 1 4,000
Marlboro menthol light 1 19,000
Anggur koleson 620 ml 1 45,000
14:49 4
Larutan penyegar 500 ml 3 6,500
14:50 1 Uht frisian flag strawbery 1 4,000
Aqua 600 ml 2 3,000
15:03 3
Kratindeng 150 ml 1 5,000
Avolution menthol 16 1 18,000
15:06 2
Marlboro putih 1 19,000
15:21 1 Gudang garam surya 12 1 13,500
Class mild 16 1 15,500
15:33 3 Sampoerna midl 16 1 17,000
Marlboro putih 1 19,000
15:36 1 Minyak kayu putih caplang 1 17,500
Dupa onpas inport 1 16,000
Vannesa tawar gandum 1 10,000
Leeko selai strawberry 200 gr 1 7,500
15:42 7 Dupa herbal 2 jam 1 7,500
Malkis coklat 234 g 1 8,000
Indomie goreng spesial 1 2,500
Mie sadap soto 1 2,500
Beer prost 330 ml 1 15,500
15:43 2
Dupa timbangan panjang 1 8,000
15:48 1 Sampoerna midl 16 1 11,500
Marlboro merah 1 19,000
15:58 2
Ultramilk coklat 250 ml 1 5,500
Tabel 4.2 Hasil penelitian pada hari Jumat pukul 14.00-16.00
3. Hasil penelitian pada hari Jumat pukul 19.00-21.00
Jumlah Jumlah
Jam pembelian Nama barang barang Harga (Rp)
19:03 2 Marlboro merah 1 19,000
 19

Aqua 600 ml 1 3,000

19:04 1 Dounhill fine cut fiter 16 1 13,500
Marlboro merah 1 19,000
19:05 2
Mizone lychee lemon 1 4,000
19:12 1 Walls populatre strowberry 1 4,000
19:22 1 Ultramilk coklat 250 ml 1 5,500
Tango long cheese wafer 1 12,000
19:23 3 Tago susu vanulla 180 gr 1 12,000
Nescafe original 5+1 1 5,500
19:23 1 U mild 16 1 13,000
Dunhil menthol lights 1 19,000
19:32 5
Teh gelas original 4 1,000
19:33 1 Aqua galon air 19 lt 1 16,500
19:35 1 Dunhil fine cut mild 1 18,000
19:38 1 Ellips pink sachet 1 8,000
Teh gelas original 1 1,000
19:39 2
Pocari sweat pet 350 ml 1 6,000
Aqua botol 1500 ml 1 5,000
19:41 2
Yakult / pcs 1 2,500
19:43 1 Frestea green honey 50 ml 1 6,000
19:45 1 Gudang garam filter 1 14,000
teh botol sosro jasmine 1 lt 2 8,000
Beer frost 620 ml 1 27,000
19:54 8 Kino tampico orange 300 ml 2 4,500
Opak okta opak lipat 1 11,000
Sampoerna mild 16 2 17,000
Avolution slim original 20 5 16,000
19:55 7 Dunhill fine cut mild 1 18,000
Sampoerna mild 16 1 17,000
Dji sam soe kretek 16 1 17,000
In mild 1 12,500
19:57 9
Coolant 350 ml 3 5,500
Kacang telur arya snack 1pcs 4 1,000
19:57 1 Aqua 600 ml 1 3,000
19:58 1 Sambal abc manis pedas 140 ml 1 7,000
Nonmin 600 ml btl 1 3,000
20:02 2
Kacang telur arya snack 1pcs 1 1,000
Walls paddle pop shaky 1 7,500
20:03 3
Sweery fit pants2 xl 1s 2 3,000
20:08 1 Club 600 ml 1 2,500
20:11 4 Pulpy aloe vera 350 ml 1 7,000
 20

Vit levite jeruk 350 ml 1 4,000

Larutan badak orange 330 ml 1 5,500
Adem sari ching ku can 330 ml 1 6,000
Indomie goreng spesial 1 2,500
Indomi soto ayam 2 2,500
20:12 7 Telur ayam merah isi 2 1 3,000
Roma biskuit kelapa 300 gr 1 8,000
Choco mania peanut 90 gr 1 9,000
Marlboro putih 1 19,000
20:13 2
Club 1500 ml 1 4,000
20:15 1 Aqua galon air 19 lt 1 16,500
Cheetos jagung bakar 48 gr 1 4,000
20:22 3 Pocari sweat 500 ml 1 7,000
Kondom sutra 24*3 1 5,000
Anggur koleson 620 ml 1 45,000
20:31 2
Garuda kulit 230 gr 1 12,000
La ice 1 16,000
20:37 5
Kacang telur arya snack 1 pcs 4 1,000
Timtam wafer chocolate 18 gr 2 1,500
Chacha milk choc 45 gr 2 5,500
20:40 8 Pocky stick double choco 2 7,500
Paddle pop banana bot 42 ml 1 4,000
Walls paddle pop dragon pop 1 3,000
Fatigon hydro original 1 5,500
20:45 2
Sampoerna mild 12 2 11,500
Nanta kripik pisang madu 1 6,000
20:47 2
Greensand original 250 ml 1 5,500
20:48 1 Kopi abc plus susu 5* 25 gr 1 6,000
20:51 1 Lucky strike filter 1 16,500
Nu green tea original 500 ml 1 5,500
20:51 2
Marlboro black menthol 1 19,000
Teh gelas original 4 1,000
20:52 5
Kacang telur arya snack 1pcs 1 1,000
Mie abc sp semur ayam pedas 2 2,500
20:56 3
Telur ayam merah isi 2 1 3,000
Tabel 4.3 Hasil penelitian pada hari Jumat pukul 19.00-21.00
4. Hasil penelitian pada hari Sabtu pukul 08.00-10.00
Jumlah Jumlah
Jam Nama barang Harga (Rp)
pembelian barang
8:01 4 Paseo elegant es 3fly 1 pcs 1 1,000
 21

Mitu mini pack pink single 1 1,000

You c 1000 orange 1 6,000
Strepsil bit c 15 gr 1 6,500
8:10 2 Bear brand sim 30*189 ml 2 9,000
8:22 1 Marlboro putih 1 19,000
8:37 1 Gudang garam filter 1 14,000
8:37 1 Big strawberry 535 ml 1 4,000
Vanessa keju susu 1 10,500
8:50 2
Dunhill lights 1 19,000
8:51 1 Nescafe french vanilla 200 ml 1 4,000
Nestle pure 1500 ml 1 5,500
8:55 2
Marlboro merah 1 19,000
8:55 2 Biskuat energi 65.5 gr 2 3,000
9:03 1 In mild 1 12,500
9:05 1 Nescafe french vanilla 200 ml 1 4,000
9:23 1 Dji sam soe kretek 2 1 14,000
9:29 1 Sampoerna mild 12 1 11,500
9:32 1 Geo mild 16 1 11,500
9:39 1 Zee up&go swizz strawberry 1 5,500
9:46 1 Polo peppermint 24 gr 1 1,500
9:47 1 Ultra milk coklat 250 ml 1 5,500
9:47 1 Ultra teh kotak 500 ml 1 6,000
Marlboro putih 1 19,000
9:58 2
Club 600 ml 1 2,500
Tabel 4.4 Hasil penelitian pada hari Sabtu pukul 08.00-10.00
5. Hasil penelitian pada hari Sabtu pukul 14.00-16.00
Jumlah Jumlah
Jam Nama barang Harga (Rp)
pembelian barang
14:00 1 Marlboro putih 1 19,000
Dji sam soe premium refil 1 16,500
14:00 2
You c 1000 orange 1 6,000
14:00 1 Big orange 535 ml 1 4,000
14:01 1 Marlboro putih 1 19,000
14:20 1 Gudang garam merah 1 11,500
Antangin jrg 15 ml 2 2,500
14:23 4 Feast vanilla 65 ml 1 5,000
Mentos mint 37 gr 1 3,000
14:38 1 Vanessa tawar pandan 1 10,000
Pepsi blue 410 ml 1 3,500
14:38 2
La bold 20 1 14,500
 22

Chitato ayam bumbu 40 gr 1 5,500

14:40 2
Frence fries 35 gr 1 2,500
14:47 1 Teh gelas original 1 1,000
14:56 2 Teh gelas original 2 1,000
Ultra milk coklat 250 ml 1 5,500
15:04 2
Paddle pop rainbow power 1 3,000
15:17 1 Cheers air mineral 1500 ml 1 4,500
15:20 2 Icho ocha green tea 500 ml 2 5,000
Happytos biri 55 gr 2 3,500
15:27 3
Walls paddle pop fruity 1 4,000
15:35 1 Fanta strowberry seru 435 1 6,500
15:52 1 Djarum super mild 20 1 15,500
15:55 1 Marlboro putih 1 19,000
Indomie goreng spesial 3 2,500
15:58 6
Mie sedap goreng 3 2,500
Tabel 4.5 Hasil penelitian pada hari Sabtu pukul 14.00-16.00
6. Hasil penelitian pada hari Sabtu pukul 19.00-21.00
Jumlah Jumlah
Jam Nama barang Harga (Rp)
pembelian barang
19:09 2 Indomie kare ayam 2 2,500
Geo mild 16 1 11,500
19:17 2
Charm extra maxi 10* 1 4,500
Vanessa tawar kupas 1 9,500
Buku love n 4 8,500
Kertas kado besar 1 2,000
19:19 12
Cheetos jagung bakar 48 gr 4 4,000
Happytos biru 55 gr 1 3,500
Pulpy orange 350 ml 1 7,000
19:19 2 Nestle pure 600 ml 2 3,000
19:20 1 Mytea olong tea 1 5,500
19:21 1 Marlboro putih 1 19,000
19:27 1 Beer prost 330 ml 1 15,500
19:28 2 Amplop (n) 20 envelopes 2 1,000
19:33 2 Sampoerna mild 16 2 17,000
Teh sosro green tea 450 ml 1 6,000
19:36 3 Nestle pure 1500 ml 1 5,500
Karet I 1 3,500
19:41 1 Sampoerna mild 16 1 17,000
19:42 1 Gudang garam merah 1 11,500
19:42 3 Anggur merah 650 ml 2 45,000
 23

Sampoerna hijau 12 kretek 1 10,500

19:56 2 Nestle pure 1500 ml 2 5,500
Kapas selection 50 gr 1 6,500
Ultramilk coklat 250 ml 1 5,500
20:07 4
Viva face tonic bengkuang 1 6,500
Viva cleanser bengkuang 1 7,000
20:11 1 Laurier 2.maxi 10 1 6,500
20:12 1 Marlboro putih 1 19,000
20:16 4 Anggur merah 650 ml 4 45,000
Walls magnum calssic 3 12,000
20:18 4
Sampoerna mild 16 1 17,000
Krip tos ketela sambal 1 6,000
20:19 3 Cheetos Net seaweed 50 gr 1 4,500
Fruit tea apel 500 ml 1 6,000
20:19 1 Bear brand sim 30*189 ml 1 9,000
20:26 1 Djarum black mild 1 14,000
20:27 1 Sunlight jeruk nipis 1 5,500
Fruit tea xtreme 500 ml 1 6,000
20:27 2
Marlboro putih 1 19,000
20:28 1 Dunhill fine cut mild 1 18,000
20:28 1 Cherries cream ball 1 8,500
Kopi abc plus susu 5* 25 gr 1 6,000
20:30 2
Sampoerna mild 16 1 17,000
20:30 1 Amplop (d) 20 envelopes 1 500
20:40 1 Ultra flu 1 4,500
Paramek 4 tablet 1 2,500
20:41 2
Larutan badak apel 1 5,500
Larutan penyegar 500 ml 1 6,500
Avolution 16 1 18,000
20:44 4
Avolution slim original 20 1 18,500
Ultra teh kotak 200 ml 1 3,500
Larutan penyegar 500 ml 1 6,500
20:55 4 Shp cool methol 75 ml 1 11,000
Richeese 10 gr 2 500
20:56 1 Minyak kayu putih caplang 1 17,500
20:56 1 Richoco siip rasa chocola 1 500
Nestle pure 1500 ml 2 5,500
21:00 3
Marlboro putih 1 19,000
Tabel 4.6 Hasil penelitian pada hari Sabtu pukul 19.00-21.00
 24

4.1.2 Probabilitas Pada Jeda Waktu Pembelian

Berdasarkan data, maka didapat probabilitas pada jeda waktu pembelian

yang dibagi menjadi 3 buah kategori waktu di masing-masing hari dari 2 hari
yang merepresentasikan ja ke-n perharinya. Jeda waktu pembelian sebagai berikut
:

Hari I
08.00-10.00 14.00-16.00 19.00-21.00
Waktu Jeda waktu jeda Waktu jeda
8:06 14:03 19:03
8:11 0:05 14:03 0:00 19:04 0:01
8:27 0:16 14:13 0:10 19:05 0:01
8:27 0:00 14:17 0:04 19:12 0:07
8:30 0:03 14:18 0:01 19:22 0:10
8:30 0:00 14:22 0:04 19:23 0:01
8:32 0:02 14:27 0:05 19:23 0:00
8:33 0:01 14:32 0:05 19:32 0:09
8:37 0:04 14:33 0:01 19:33 0:01
8:38 0:01 14:34 0:01 19:35 0:02
8:40 0:02 14:34 0:00 19:38 0:03
8:48 0:08 14:45 0:11 19:39 0:01
8:51 0:03 14:49 0:04 19:41 0:02
9:03 0:12 14:50 0:01 19:43 0:02
9:09 0:06 15:03 0:13 19:45 0:02
9:12 0:03 15:06 0:03 19:54 0:09
9:14 0:02 15:21 0:15 19:55 0:01
9:16 0:02 15:33 0:12 19:57 0:02
9:21 0:05 15:36 0:03 19:57 0:00
9:37 0:16 15:42 0:06 19:58 0:01
9:38 0:01 15:43 0:01 20:02 0:04
9:38 0:00 15:48 0:05 20:03 0:01
9:38 0:00 15:58 0:10 20:08 0:05
9:40 0:02 20:11 0:03
9:40 0:00 20:12 0:01
9:46 0:06 20:13 0:01
9:47 0:01 20:15 0:02
9:56 0:09 20:22 0:07
9:59 0:03 20:31 0:09
10:00 0:01 20:37 0:06
 25

20:40 0:03
20:45 0:05
20:47 0:02
20:48 0:01
20:51 0:03
20:51 0:00
20:52 0:01
20:56 0:04
Tabel 4.7 Jeda Waktu Pembelian Hari I

Hari II
08.00-10.00 14.00-16.00 19.00-21.00
Waktu Jeda Waktu jeda waktu jeda
8:01 14:00 19:09
8:10 0:09 14:00 0:00 19:17 0:08
8:22 0:12 14:00 0:00 19:19 0:02
8:37 0:15 14:01 0:01 19:19 0:00
8:37 0:00 14:20 0:19 19:20 0:01
8:50 0:13 14:23 0:03 19:21 0:01
8:51 0:01 14:38 0:15 19:27 0:06
8:55 0:04 14:38 0:00 19:28 0:01
8:55 0:00 14:40 0:02 19:33 0:05
9:03 0:08 14:47 0:07 19:36 0:03
9:05 0:02 14:56 0:09 19:41 0:05
9:23 0:18 15:04 0:08 19:42 0:01
9:29 0:06 15:17 0:13 19:42 0:00
9:32 0:03 15:20 0:03 19:56 0:14
9:39 0:07 15:27 0:07 20:07 0:11
9:46 0:07 15:35 0:08 20:11 0:04
9:47 0:01 15:52 0:17 20:12 0:01
9:47 0:00 15:55 0:03 20:16 0:04
9:58 0:11 15:58 0:03 20:18 0:02
20:19 0:01
20:19 0:00
20:26 0:07
20:27 0:01
20:27 0:00
20:28 0:01
20:28 0:00
20:30 0:02
20:30 0:00
 26

20:40 0:10
20:41 0:01
20:44 0:03
20:55 0:11
20:56 0:01
20:56 0:00
21:00 0:04
Tabel 4.8 Jeda Waktu Pembelian Hari II
Setelah menghitung jeda waktu pembelian maka selanjutnya menghitung
probabilitas pada jeda waktu pembelian. Probabilitas didapatkan dengan formula :
frekuensi menit ke-n yang muncul di kategorinya / total frekuensi yang ada. Data
probabilitas ini akan digunakan untuk melakukan pemetaan bilangan random
terhadap interarrival dari pelanggan yang akan dibangkitkan pada tahap simulasi.
Probabilitas pada Jeda waktu pembelian sebagai berikut :

Jeda Probabilitas Batas Batas

Waktu Frekuensi Probabilitas Komilatif bawah atas
17 1 0.006410256 0.006410256 0 5
14 1 0.006410256 0.01282051 6 12
19 1 0.006410256 0.01923077 13 18
18 1 0.006410256 0.02564103 19 25
16 2 0.01282051 0.03846154 26 37
12 3 0.01923077 0.05769231 38 57
13 3 0.01923077 0.07692308 58 75
15 3 0.01923077 0.09615385 77 95
11 4 0.02564103 0.1217949 96 121
10 4 0.02564103 0.1474359 122 146
8 5 0.03205128 0.1794872 147 178
6 6 0.03846154 0.2179487 179 217
9 6 0.03846154 0.2564103 218 255
7 7 0.0448718 0.3012821 256 300
5 9 0.05769231 0.3589744 301 358
4 10 0.06410257 0.423077 359 422
3 15 0.09615385 0.5192308 423 518
2 17 0.1089744 0.6282051 519 627
0 23 0.1474359 0.775641 628 775
1 35 0.224359 1 776 999
Tabel 4.9 Perhitungan Probabilitas Pada Jeda Waktu Pembelian
 27

4.1.3 Probabilitas Pada Data Pembelian

Setelah mendapatkan jeda waktu maka menghitung frekuensi pembelian

yang dihitung dari banyaknya jumlah suatu data yang muncul. Hasil perhitungan
frekuensi pembelian dari data hasil sebagai berikut :

Jumlah Pembelian (Item) Total pembelian

1 75
2 42
3 30
4 13
5 5
6 2
7 3
8 2
9 1
12 1
Tabel 4. 10 Frekuensi Pembelian

Probabilitas Batas Batas

Pembelian Frekuensi Probabilitas Komilatif bawah atas
12 1 0.006097561 0.006097561 0 5
9 1 0.006097561 0.01219512 6 11
8 2 0.01219512 0.02439024 12 23
6 2 0.01219512 0.03658536 24 36
7 3 0.01829268 0.05487805 37 54
5 5 0.03048781 0.08536585 55 84
4 13 0.07926829 0.1646341 85 164
3 20 0.1219512 0.2865854 165 286
2 42 0.2560976 0.5426829 287 542
1 75 0.4573171 1 543 999
Tabel 4.11 Perhitungan Probabilitas Pada Data Pembelian
4.1.4 Pengujian Bilangan Random

Dalam simulasi ini kami menggunakan LCG sebagai pembangkit bilangan

randomnya. Adapun parameter a,c,m,Z0 yang digunakan adalah :
a = 1601
c =3
 28

m = 32768
Z0 = 15
N = 50
Hasil bilangan random ditunjukkan dalam tabel berikut :
i Zi Ui

0 15
1 24018 0.733
2 15957 0.487
3 20888 0.6375
4 18331 0.5594
5 20574 0.6279
6 7137 0.2178
7 23076 0.7042
8 15143 0.4621
9 28394 0.8665
10 9581 0.2924
11 3760 0.1147
12 23219 0.7086
13 14710 0.4489
14 23289 0.7107
15 28476 0.869
16 9791 0.2988
17 12290 0.3751
18 15493 0.4728
19 31688 0.967
20 7627 0.2328
21 21134 0.645
22 18961 0.5786
23 13396 0.4088
24 16727 0.5105
25 8474 0.2586
26 925 0.0282
27 6368 0.1943
28 4323 0.1319
29 7078 0.216
30 26921 0.8216
31 10604 0.3236
32 3183 0.0971
33 16946 0.5172
 29

34 31413 0.9586
35 26104 0.7966
36 13307 0.4061
37 5310 0.162
38 14401 0.4395
39 20100 0.6134
40 1927 0.0588
41 4938 0.1507
42 8653 0.2641
43 25360 0.7739
44 1811 0.0553
45 15830 0.4831
46 14169 0.4324
47 9116 0.2782
48 12959 0.3955
49 5218 0.1592
50 30949 0.9445
Tabel 4.12 Bilangan Random
A. Pengujian Saling Bebas
Kemudian bilangan random diuji dengan dengan pengujian saling bebas.
Pengujian saling bebas dilakukan dengan menggunakan hipotesa dan metode yang
digunakan pada pengujian saling bebas yaitu Run Test Berikut pengujian bilangan
random dengan distribusi normal :

i Zi Ui tanda Run
1
0 15 + 1
1 24018 0.733 - 1
2 15957 0.487 + 1
3 20888 0.6375 - 1
4 18331 0.5594 + 1
5 20574 0.6279 - 1
6 7137 0.2178 + 1
7 23076 0.7042 - 1
8 15143 0.4621 + 1
9 28394 0.8665 - 0
10 9581 0.2924 - 1
11 3760 0.1147 + 1
12 23219 0.7086 - 1
 30

13 14710 0.4489 + 0
14 23289 0.7107 + 1
15 28476 0.869 - 1
16 9791 0.2988 + 0
17 12290 0.3751 + 0
18 15493 0.4728 + 1
19 31688 0.967 - 1
20 7627 0.2328 + 1
21 21134 0.645 - 0
22 18961 0.5786 - 1
23 13396 0.4088 + 1
24 16727 0.5105 - 0
25 8474 0.2586 - 1
26 925 0.0282 + 1
27 6368 0.1943 - 1
28 4323 0.1319 + 0
29 7078 0.216 + 1
30 26921 0.8216 - 0
31 10604 0.3236 - 1
32 3183 0.0971 + 0
33 16946 0.5172 + 1
34 31413 0.9586 - 0
35 26104 0.7966 - 0
36 13307 0.4061 - 1
37 5310 0.162 + 0
38 14401 0.4395 + 1
39 20100 0.6134 - 1
40 1927 0.0588 + 0
41 4938 0.1507 + 0
42 8653 0.2641 + 1
43 25360 0.7739 - 1
44 1811 0.0553 + 1
45 15830 0.4831 - 0
46 14169 0.4324 - 1
47 9116 0.2782 + 1
48 12959 0.3955 - 1
49 5218 0.1592 +
50 30949 0.9445
Total Run 35
Tabel 4.13 Pengujian Bilangan Random dengan Distribusi Normal
 31

Kemudian langkah selanjutnya adalah menghitung nilai rata-rata dan

2𝑁−1 16𝑁−29
variansi dengan rumus sebagai berikut: 𝜇𝑎 = dan 𝜎 2 = , dimana a
3 90

adalah total run. Dari hasil pengujian didapat sebagai berikut :

2𝑁−1 2 𝑋 50 −1 99
𝜇𝑎 = = = = 33
3 3 3

16𝑁 − 29 16 𝑋 50 − 29 771
𝜎2 = = = = 8,567
90 90 90

𝑎 − μ𝑎 35 − 33
𝑍= = = 1,1173
𝜎𝑎 1,79

Maka dari daftar distribusi normal strandar dengan 𝛼=0,05 memberikan Z0,475
=1,96 sehingga batas selang kepercayaan -1,96 sampai dengan 1,96. Dari
perhitungan didapatkan Z = 1,1173, dimana nilai Z berada diluar selang
kepercayaan (-1,96 ≤ 1,1173 ≤ 1,96), oleh karena itu bilangan random yang
dihasilkan merupakan simulasi tidak saling bebas.

B. Pengujian dengan Chi-Square

Chi-kuadrat digunakan untuk mengadakan pendekatan dari beberapa
vaktor atau mngevaluasi frekuensi yang diselidiki atau frekuensi hasil observasi
dengan frekuensi yang diharapkan dari sampel apakah terdapat hubungan atau
perbedaan yang signifikan atau tidak. Dari bilangan random maka didapatkan :

Rentang = 0,967 – 0,028 = 0,94

k = 1 + 3.3 log 50 = 6.60660101431 = 7
0,94
𝑃= = 0,13
7

Hasil pengujian dengan chi-square sebagai berikut :

Frekuensi Frekuensi
bilangan acak bilangan harapan (F0- Fe)2 / Fe
No Sebaran (F0) (Fe) Chi-Square
1 0.02-0.15 7 7 0
2 0.16-0.29 10 7 1.28
3 0.30-0.43 7 7 0
4 0.44-0.57 9 7 0.57
5 0.58-0.71 8 7 0.14
 32

6 0.72-0.85 4 7 1.28
7 0.86-0.99 5 7 0.57
50 49 3.84
Tabel 4.14 Pengujian Bilangan Random dengan Chi-Square
Uji Hipotesis :
H0 : data terdistribusi seragam
Ha = data tidak terdistribusi seragam
Untuk 𝛼 = 0,05
df = 5-1 = 4
Maka diketahui nilai chi square tabel sebesar 9.48773.
Chi-Square hitung adalah 3.84, dimana didapatkan bahwa nilai chi-square hitung
lebih kecil dibandingkan dengan chi-squre tabel. Oleh karena itu H0 diterima. Jadi
bilangan random yang dihasilkan berdistribusi seragam.

4.2 Perancangan dan Pembangunan Model Konseptual

Model konseptual yang digunakan untuk merepresentasikan permasalahan

pada simulasi ini menggunakan flowchart dan Simulation Logic
 33

4.2.1 Flowchart

Gambar 2.1 Flowcahrt Proses Simulasi

4.2.2 Simulation Logic
1. Pertama, program akan melakukan load database pds_imamlastapu yang
meliputi data pembelian, data item, serta jeda waktu.
2. Program akan menghitung hitung data probabilitas database berdasarkan
database data item yang sudah di load ataupun yang sudah diedit sebelumnya
yakni data pembelian, data item, serta jeda waktu. Data probabilitas yang
dihitung meliputi probabilitas setiap barang atau item, probabilitas kumulatif
serta batas atas dan batas bawah dari barang atau item tersebut.
 34

3. Untuk melakukan simulasi user perlu membangkitkan bilangan random untuk

jeda waktu, items serta pembelian yang terdiri dari nilai a, c, m serta z0. User
juga perlu untuk melakukan input terhadap nilai keuntungan. Nilai keuntungan
yang dimaksud adalah nilai keuntungan yang diambil oleh toko yang
bersangkutan untuk setiap barang yang dijual dalam bentuk persentase.
4. Setelah membangkitkan bilangan random, selanjutnya user hanya perlu
mengklik tombol “simulate” yang kemudian program akan melakukan
simulasi transaksi pada Toko Risma selama satu bulan.
5. Hasil yang diperoleh akan berupa keterangan teks serta grafik. Grafik yang
ditunjukkan oleh program merupakan grafik simulasi pendapatan yang diraih
oleh Toko Risma selama satu bulan. Selain itu, ditampilkan juga jumlah total
pelanggan, total pembelian, total permintaan loss, total pendapatan, serta total
keuntungan.yang diperoleh.

4.2.3 Replikasi

Jlh Jumlah Permintaan Total Total

Replikasi
Pelanggan Pembelian Loss Pendapatan Keuntungan
1 5366 12457 0 92532500 9253250
2 5340 12349 5 91502500 9150250
3 5378 12125 0 90097500 9009750
4 5302 12330 0 91766500 9176650
5 5282 12193 8 90470000 9047000
6 5290 12452 0 91933500 9193350
7 5387 12369 3 91895500 9189550
8 5292 12074 8 89967500 8996750
9 5317 12240 2 90770000 9077000
10 5254 12101 5 89903000 8990300
Rata -
5320.8 12269 3.1 91083850 9108385
rata
 35

BAB V
PENUTUP
5.1 Kesimpulan

Dari hasil dan pembahasan yang didapat maka dapat disimpulkan bahwa
program simulasi transaksi untuk memperkirakan keuntungan pada Minimarket
Risma dapat mensimulasikan transaksi yang terjadi baik itu memperkirakan total
pelanggan, total pembelian, total permintaan loss, total pendapatan serta total
keuntungan yang diraih.

5.2 Saran

Dalam membuat model simulasi disarankan untuk menggunakan data yang

benar-benar lengkap dengan mengurangi jumlah asumsi yang digunakan agar
hasil sistem yang dihasilkan mendekati hasil nyata di lapangan.
 36

DAFTAR PUSTAKA

Tim Dosen Universitas Gunadarma. (2013). Simulasi dan Permodelan.

htttp://openstorage.gunadarma.ac.id/handouts/S1_Sistem%20Informasi/si
mulas%20dan%20pemodelan/baru/simmod.pdf. Diakses 3 Juni 2022
Julius Marlissa. (2013). Literatur Review Permodelan dan Simulasi.
https://www.academia.edu/4244831/Literatur_Review_Pemodelan_dan_Si
mulasi_Sistem. Diakses 4 Juni 2022
S.M. Sitompul. (2013). Monte Carlo. https://cdn.fbsbx.com. Diakses 4 Juni 2015
Sutanto. (2009). Model Simulasi Monte Carlo.
http://sutanto.staff.uns.ac.id/files/2009/03/model-simulasi-monte-
carlo.pdf. Dikases 4 Juni 2015
Library Binus. (2004). Pemodelan dan Simulasi.
http://library.binus.ac.id/eColls/eThesisdoc/Bab2/Lbm20040117_Bab%20
2.pdf.pdf. Diakses 5 Juni 2022
Ruswan Putranto, Yohanes Andika. 2010. Pengembangan Teknik Pembangkitan
Bilangan Acak Berbasiskan Hardware.
http://www.informatika.org/~rinaldi/Kriptografi/2009-
2010/Makalah2/Makalah2_IF3058_2010_031.pdf. Diakses 5 Juni 2022