Simulasi Monte Carlo

Simulasi monte carlo adalah percobaan atau peluang dengan menggunakan sampel random atau acak
untuk memodelkan sistem nyata.

Ada beberapa hal yang terkait dengan Simulasi Monte Carlo, yaitu :

• Berdasarkan atas penggunaan bilangan acak (random number).

• Untuk mengestimasi distribusi hasil yang bergantung pada input peluang seperti waktu
kedatangan, permintaan persediaan, waktu pelayanan antrian dan waktu pengerjaan proyek.

• Berjalannya waktu tidak penting untuk Simulasi Monte Carlo (umumnya statis).
Langkah-langkah dalam penyelesaian kasus menggunakan Simulasi Monte
Carlo

1. Menentukan distribusi probabilitas untuk beberapa variable penting.

2. Membuat distribusi probabilitas komulatif untuk setiap variable langkah

pertama.

3. Menentukan interval bilangan acak untuk setiap variable langkah kedua.

4. Membangkitkan bilangan acak.

5. Melakukan serangkaian simulasi percobaan.

 Studi Kasus : Penjualan Helm

Toko Juragan Helm adalah toko penjual helm. Selama 200 hari atau 6 bulan lebih 20 hari lalu,
tercatat laporan penjualan helm yang sudah dikelompokkan berdasarkan jumlah helm yang terjual
perhari.
Penjualan Frekuensi
0 (Tidak Laku) 10 Hari
10 Helm 20 Hari
20 Helm 40 Hari
30 Helm 60 Hari
40 Helm 40 Hari
50 Helm 30 Hari

Pertanyaan : Berapakah prediksi penjualan helm setiap hari sampai 5 hari kedepan menggunakan Simulasi Monte
Carlo?
1. Menentukan Distribusi Probabilitas

Membuat distribusi probabilitas dengan memperhitungkan kemungkinan pada setiap kejadian dimasa lalu.
Rumusnya :

P (E) = X / N

Keterangan :

P : Kemungkinan suatu kejadian.

E : Suatu kejadian atau peristiwa.

X : Banyaknya kejadian yang diinginkan terjadi.

N : Jumlah suatu kemungkinan.

Berdasarkan laporan penjualan helm, menentukan jumlah seluruh kemungkinannya :

Penjualan Frekuensi

0 (Tidak Laku) 10 Hari

10 Helm 20 Hari

20 Helm 40 Hari

30 Helm 60 Hari

40 Helm 40 Hari

50 Helm 30 Hari

Total 200 Hari

Sehingga didapatkan jumlah frekuensinya 200 hari.

Lakukan pembagian dari setiap frekuensi hari penjualan dengan total frekuensi untuk menentukan
distribusi densitas. Rumus :

P (E) = X / N

Penjualan Helm Frekuensi Distribusi Densitas

0 10 10/200 = 0,05

10 20 20/200 = 0,10

20 40 40/200 = 0,20

30 60 60/200 = 0,30

40 40 40/200 = 0,20

50 30 30/200 = 0,15

Total 200 200/200 = 1,00

2. Membuat Distribusi Probabilitas Kumulatif

Dalam membuat distribusi probabilitas kumulatif dilakukan dengan menjumlahkan setiap distribusi
densitas dengan distribusi densitas sebelumnya.

Penjualan Helm Frekuensi Distribusi Densitas Distribusi Probabilitas

Kumulatif

0 10 0,05 0,05

10 20 0,10 0,05+0,10 = 0,15

20 40 0,20 0,15+0,20 = 0,35

30 60 0,30 0,35+0,30 = 0,65

40 40 0,20 0,65+0,20 = 0,85

50 30 0,15 0,85+0,15 = 1,00

3. Menentukan Interval Bilangan Acak

Setelah itu menentukan interval untuk bilangan acak yang dapat mewakili setiap probabilitas
kumulatif.

Penjualan Frekuensi Distribusi Distribusi Interval

Helm Densitas Probabilitas Bilangan
Kumulatif Acak

0 10 0,05 0,05 00 – 05

10 20 0,10 0,15 06 – 15

20 40 0,35 0,35 16 – 35

30 60 0,65 0,65 36 – 65

40 40 0,85 0,85 66 – 85

50 30 1,00 1,00 86 - 100

4. Membangkitkan Bilangan Acak
Membentuk bilangan acak secara numerik atau aritmatika dengan nilai 1 sampai 100 (nilai minimum
dan maksimum interval bilangan acak).
Dengan menggunakan Microsoft Excel randbetween (1,100)
5. Melakukan Serangkaian Simulasi Percobaan

• Lakukan simulasi dengan memetakan bilangan acak yang di dapat pada langkah 4 dengan interval
bilangan acak pada langkah 3.
• Pada kasus tersebut simulasi permintaan helm sampai 5 hari kedepan, dapat diambilah bilangan
acak pada kolom A1 sampai A5. Dimana bilangan acak A1 adalah hari ke-1, A2 hari ke-2, begitu
seterusnya sampai A5 hari ke-5. Lalu petakan bilangan acak tersebut dengan interval bilangan
acak.
 Penjualan Frekuensi Distribusi Distribusi Interval
helm Densitas Probabilitas Bilangan
Kumulatif Acak
0 10 0,05 0,05 00 – 05
10 20 0,10 0,15 06 – 15
20 40 0,35 0,35 16 – 35
30 60 0,65 0,65 36 – 65
40 40 0,85 0,85 66 – 85
50 30 1,00 1,00 86 – 100

Hari Kedepan Bilangan Acak Penjualan Helm (Simulasi)

1 47 30
 Jadi, simulasi total penjualan helm
2 86 50
sampai 5 hari kedepan adalah 160 helm
3 30 20 dengan rata-rata permintaan per hari
adalah
4 78 50
helm
5 9 10

Total 160
 Pemodelan VAR

Dalam beberapa situasi, kita ingin memodelkan VAR. Sebagai contoh, misalkan kita mempunyai portofolio obligasi. Harga pasar obligasi
sangat dipengaruhi oleh tingkat bunga. Jika tingkat bunga naik, harga obligasi akan turun, dan sebaliknya. Kita bisa memfokuskan perhatian
kita pada tingkat bunga, dan menghubungkan perubahan tingkat bunga nilai pasar obligasi, kemudian menghitung VAR untuk portofolio
obligasi kita.
Hubungan antara perubahan tingkat bunga dengan nilai obligasi bisa dilihat sebagai berikut :
dP/P = - D [ dR / (1 + R) ]
Keterangan : dP = perubahan harga
P = harga obligasi
D = durasi obligasi
dR = perubahan tingkat bunga
R = tingkat bunga
Misalkan portofolio obligasi kita mempunyai durasi sebesat 5. Tingkat bunga saat ini adalah 10%. Kemudian kita mengasumsikan pergerakan
tingkat bunga mengikuti distribusi normal. Analisis lebih lanjut, berdasarkan data historis dan pertimbangan-pertimbangan, menunjukan bahwa
perubahan tingkat bunga harian yang diharapkan adalah 0%, dengan deviasi standar perubahan tingkat bunga adalah 1%.
 Distribusi Perubahan Tingkat Bunga

Kita bisa menghitung 95% VAR untuk portofolio obligasi kita, dengan menghitung perubahan harga akibat kenaikan tingkat bunga :
dP/P = - D [ dR / (1 + R) ] = - 5 [ 0,0165 / (1 + 0,1) ]
= - 0,075
Jika tingkat bunga meningkat sebesar 1,65%, maka portofolio kita akan turun nilainya sebesar 75%. Jika portofolio kita mempunyai nilai sebesar Rp1 miliar,
maka 95% VAR portofolio kita adalah :
VAR 95% = - 0,075 x Rp1 miliar = Rp75 juta
Dengan hasil tersebut, kita bisa mengatakan bahwa ada kemungkinan sebesar 5% kerugian portofolio obligasi kita sebesar Rp75 juta atau lebih
VAR Untuk Periode yang Lebih Panjang

•Dalam
  beberapa situasi, kita ingin menghitung VAR untuk periode yang lebih panjang. Misal, untuk melikuidasi posisi portofolio, waktu satu
hari tidak cukup. Kita memerlukan waktu, misal 5 hari. Padahal kita menghitung VAR dengan menggunakan periode harian. Dalam situasi
tersebut, VAR harian harus dikonversi menjadi VAR 5 hari. Konversi tersebut bisa dilakukan dengan menggunakan formula berikut :

VAR(n) = VAR(harian) x

Kembali ke contoh di atas di mana 95% VAR harian untuk portofolio obligasi kita adalah Rp75 juta, 95% VAR 5 hari bisa dihitung sebagai
berikut :

VAR (5 hari) = Rp75 juta x

= Rp167,71 juta

Dengan demikian 95% VAR 5 hari adalah Rp167,71 juta