TEORI MONTE CARLO

KELOMPOK 6
LIMSIONARDO HUTABARAT (J1A2170
DONI HADIAN PUTRADA (J1A217011)
WAHYU PRASETIA (J1A217017)
REPO PRATAMA (J1A2170
DWI ARIYANTO (J1A2170
YULIA CITRA (J1A2170
Pendahuluan
• Simulasi Monte Carlo adalah tipe simulasi probabilistik untuk
mencari penyelesaiaan masalah dengan sampling dari proses
random.
• Simulasi Monte Carlo dikenal dengan intilah sampling
simulation atau Monte Carlo Samling Technique
• Istilah Monte Carlo pertama digunakan selama masa
pengembangan bom atom yang merupakan nama kode dari
simulasi nuclear fission
• Simulasi ini sering digunakan untuk evaluasi dampak
perubahan input dan resiko dalam pembuatan keputusan
• Simulasi ini menggunakan data sampling yang telah ada
(historical data) dan telah diketahui distribusi datanya
 Sejarah Metode Monte Carlo
• Istilah “monte carlo” dalam simulasi mulai di
perkenalkan oleh compte de buffon pada tahun 1997
• dan pemakaiannya pada sistem nyata dimulai selama
perang dunia II di perkenalkan oleh S.ulam dan J.von
neumann pada los alamos scientific laboratoy.
Sejarah Metode Monte Carlo
• metode monte carlo :
Menggunakan bilangan random untuk
menyelesaikan masalah yang sulit dan rumit jika di
pecahkan dengan eksperimen saja , maka melalui
komputer dengan teknik yang di sebut dengan
metode monte carlo.
• Monte carlo adalah kota judi terbesar di dunia
• Metode monte carlo digunakan dengan istilah
sampling statistik.
3 Batasan Dasar
Simulasi Monte Carlo
1. Apabila suatu persoalan sudah dapat diselesaikan atau dihitung
jawabannya secara matematis dengan tuntas, maka hendaknya
jangan menggunakan simulasi ini.
2. Apabila sebagaian persoalan tersebut dapat diselesaikan secara
analitis dengan baik, maka penyelesaiannya lebih baik dilakukan
secara terpisah. Sebagian secara analitis dan yang lainnya dengan
simulasi monte carlo untuk kemudian disususn kembali
keseluruhan sebagai penyelesaian akhir
3. Apabila mungkin dapat digunakan simulasi perbandingan.
Kadangkala simulasi ini dibutuhkan apabila dua sistem dengan
perbedaan-perbedaan pada para meter, distribusi,cara-cara
pelaksanaannya.
PROSES SIMULASI
Langkah-langkah yang dilakukan dalam melakukan
simulasi Monte Carlo adalah sebagai berikut:
a. Menetapkan distribusi probabilitas untuk variabel-
variabel utama.
b. Menetapkan distribusi kumulatif untuk setiap
variabel
c. Menentukan interval dari bilangan-bilangan acak
untuk setiap variabel.
d. Pembangkitan Bilangan Random
e. Menjalankan simulasi dari serangkaian percobaan.
Contoh 1: Permintaan Ban
• Setelah melakukan pengamatan selama 200
hari, sebuah toko ban memperkirakan
permintaan ban per harinya seperti pada
tabel 6.1. Toko tersebut hendak
memperkirakan permintaan ban untuk 10 hari
kedepan.
Tabel 6.1 Distribusi Permintaan
Permintaan Frekuensi (hari)
0 10
1 20
2 40
3 60
4 40
5 30
Total 200
Penyelesaian
Langkah
• Tabel1:6.2
Menetapkan distribusi
Probabilitas probabilitas Ban Radial
Permintaan

Variabel Permintaan Probabilitas

0 10/200 = 0,05
1 20/200 = 0,10
2 40/200 = 0,20
3 60/200 = 0,30
4 40/200 = 0,20
5 30/200 = 0,15
Total 200/200 =1,00
 Langkah 2 : Menetapkan distribusi kumulatif

• Tabel 6.3 Kumulatif Probabilitas

Variabel Probabilitas Kumulatif
Permintaan Probabilitas
0 10/200 = 0,05 0,05
1 20/200 = 0,10 0,15
2 40/200 = 0,20 0,35
3 60/200 = 0,30 0,65
4 40/200 = 0,20 0,85
5 30/200 = 0,15 1,00
Langkah 3 : Interval Bilangan Acak
• Tabel 6.4 Interval Bilangan Acak

Variabel Probabilitas Kumulatif Interval Bilangan

Permintaan Probabilitas Acak

0 10/200 = 0,05 0,05 01 – 05

1 20/200 = 0,10 0,15 06 – 15
2 40/200 = 0,20 0,35 16 – 35
3 60/200 = 0,30 0,65 36 – 65
4 40/200 = 0,20 0,85 66 – 85
5 30/200 = 0,15 1,00 86 - 99
Langkah 4 : Pembangkit Bilangan Acak
• Tabel 6.5 Penarikan Bilangan Acak
1 2 3 4 5 6 7 8 9 10

52 37 82 69 98 96 33 50 88 90
Langkah 5 : Menjalankan Simulasi
• Tabel 6.6 Simulasi Permintaan
Hari Bilangan Acak Hasil Simulasi
1 52 3
2 37 3
3 82 4
4 69 4
5 98 5
6 96 5
7 33 2
8 50 3
9 88 5
10 90 5

Total 39
Cara ekspektasi:
5
E = ∑ (probablitas dari ban) x ( permintaan ban)
i=0

= (0,05)(0) + (0,10)(1) + (0,20)(2) + (0,30)(3) +

(0,20)(4) + (0,15)(5)
= 2,95 ban

Kalau dilakukan 100 kali penarikan bilangan acak akan

terlihat jelas permintaan ban sesuai dengan masa lalu yang
disimulasikan

************