Pemodelan Sistem

Simulasi Suatu Konsep

Simulasi Monte Carlo
Apakah Model Simulasi?

1. Adalah suatu model tiruan dari suatu

proses atau sistem tertentu.
2. Model simulasi harus mempunyai
karakteristik yang serupa dengan proses
(sistem) yang sesungguhnya.
3. Karena model simulasi mempunyai
karakteristik yang serupa dengan sistem
yang sesungguhnya, maka kita dapat
mempelajari sistem nyata itu melalui model
tiruan (simulasinya).
Untuk Apa Model Simulasi?

• Mempelajari suatu proses (sistem) jika hal itu

terlalu sukar untuk dilakukan secara
langsung.
• Sukar bisa juga diartikan sebagai mahal,
berbahaya, secara teknis susah, dan
sebagainya.
Contoh Permasalahan (1)

• Kita ingin mempelajari pengaruh komposisi

dan assigment berbagai jenis equipment pada
suatu operasi tambang terhadap produksi
total, utilisasi equipment, dan sebagainya.
• Dapat dilakukan dengan melaksanakan
eksperimentasi berbagai komposisi dan
assigment yang layak (feasible).
• Memerlukan waktu yang lama, mahal, dan
mengganggu proses operasi yang tengah
berjalan.
Contoh Permasalahan (2)

• Kita ingin mempelajari lokasi fasilitas (logistik,

maintenance, dsb.) serta pengaruhnya
terhadap produksi total, utilisasi unit, dan
sebagainya.
• Dapat dilakukan dengan melakukan eksperi-
men dengan berbagai kemungkinan lokasi
fasilitas, dan kemudian amati tingkat produksi,
utilisasi unit untuk setiap kemungkinan itu
• Memerlukan waktu yang lama, mahal, dan
secara ekonomis sukar untuk dilaksanakan.
Pengambilan Keputusan

• Perencanaan dan Pengendalian Operasi pada

dasarnya adalah suatu proses pengambilan
keputusan.
• Pengambilan keputusan adalah proses
pemilihan satu dari sejumlah alternatif yang
tersedia.
• Pemilihan itu didasarkan pada suatu
kriterium tertentu, biaya terendah, resiko
minimum, dan sebagainya.
Secara Ideal …

• Kita menginginkan untuk memiliki segala

informasi yang berkenaan dengan setiap
alternatif yang dapat dipilih.
• Misalnya, jika kita memilih suatu komposisi
fleet tertentu, bagaimanakah tingkat
produksi, utlisasi unit, dan sebagainya.
• Eksperimentasi langsung, secara teknis dan
ekonomis pada umumnya sukar dilakukan.
• Model simulasi akan dapat membantu dalam
situasi semacam ini.
Dengan Model Simulasi

• Kita dapat mempelajari suatu proses (sistem)

melalui model tiruannya
• Semua ini dapat dilakukan dengan cepat,
murah dan tanpa harus mengganggu sistem
yang tengah berjalan.
• Kita dapat mempelajari suatu sistem bahkan
sebelum sistem itu ada secara phisik.
• Misalnya, kita dapat mempelajari efek
penempatan suatu fasilitas tertentu sebelum
fasilitas itu dibangun.
Secara Essensial

• Kita dapat mempelajari setiap alternatif

keputusan tanpa harus secara nyata
menerapkan alternatif tersebut.
• Kenyataan ini akan dapat membantu
kita dalam usaha memilih alternatif
yang terbaik.
Model Simulasi dan
Pengambilan Keputusan
Beberapa Bentuk Solusi

• Solusi Analitik adalah solusi yang

diperoleh secara langsung dengan
tersedianya suatu formula atau rumus.
• Solusi Algoritmik adalah solusi yang
dapat diperoleh dengan menggunakan
suatu algoritma (prosedur) tertentu.
• Solusi Simulasi adalah solusi yang
diperoleh dengan melakukan suatu
eksperimentasi simulasi.
Sistem dan Model

• Sistem adalah sekumpulan unsur dari suatu

realitas yang terbatas yang menjadi objek
telaahan.
Sistem bersifat relatif karena tergantung pada
tujuan mempelajari sistem tersebut.
• Model adalah penyederhanaan dari sistem
dengan hanya memperhatikan faktor-faktor
yang dianggap penting serta mengabaikan
faktor-faktor yang dianggap tidak penting pada
telaahan yang dilakukan.
Jenis-jenis model

1. Model iconic (scaled physical object)

2. Graphical model.
3. Mathematical dan logical model.

• Melalui model suatu sistem kita

pelajari.
Jenis-jenis model …

• Model Deskriptif
– Ditentukan sekumpulan kondisi input dan
strategi operasi, model ini akan memprediksi
apa yang akan terjadi (model input-output)
• Model Preskriptif
– Ditentukan sekumpulan kondisi, model ini
akan memberikan anda suatu solusi terbaik
untuk suatu kondisi tertentu
Jenis-jenis model …

• Model Statis Vs. Dinamis

– Model statis menangkap tingkah laku sistem
pada sebuah titik waktu tertentu
• Rata-rata tingkat pengembalian tahunan dari suatu
investasi
• Total penggunaan bahan bakar pada suatu trip
– Model dinamis menggambarkan tingkah laku
sistem sepanjang waktu tertentu
• Tingkat inventori suku cadang dari suatu sistem
manufaktur
• Banyaknya orang yang menunggu sepanjang waktu
untuk dilayani pada suatu sistem layanan
pelanggan
Jenis-jenis model …

• Model Deterministik vs. Stokastik

• Model Deterministik mengabaikan
keragaman acak (random variation)
• Model Stokastik secara eksplisit
memperhatikan adanya keacakan (randomness)
• Contoh-contoh keacakan yang menjadi
perhatian dalam suatu model, meliputi
– Lamanya suatu operasi
– Lamanya menunggu
– Frekuensi kegagalan
– Waktu antar kedatangan pelanggan
Simulasi Komputer

• Simulasi komputer adalah suatu proses

perancangan model logika matematika
dari suatu sistem nyata dan
bereksperimentasi dengan model ini
secara abstrak pada komputer.
• Dengan dimungkinkannya kita melakukan
suatu eksperimentasi secara abstrak tentang
suatu sistem, maka dimungkinkan diperoleh
suatu kesimpulan berkenaan dengan sistem
tersebut dengan ciri:
1. Tanpa harus membangun sistem, jika kita ingin
mengevaluasi suatu sistem yang belum ada.
2. Tanpa mengganggu sistem, jika kita ingin
mempelajari sistem yang tengah beroperasi dan
melakukan suatu eksperimen pada sistem amatlah
mahal ataupun berbahaya.
3. Tanpa harus menghancurkan sistem, misalnya kita
mempunyai tujuan untuk menentukan limit tekanan
pada suatu sistem.
Langkah-langkah dalam studi
simulasi
Metode Penelitian Sistem
Simulasi Sistem Antrian
Dengan Satu Pelayan

• Model suatu proses pemeriksaan dalam

manufacturing suatu produk tertentu
• Produk disampaikan pada petugas pemeriksa
pada suatu daerah pemeriksaan
• Petugas pemeriksa melakukan pemeriksaan
terhadap produk itu
• Setelah proses pemeriksaan, produk akan
meninggalkan daerah pemeriksaan.
• Tiga aspek pada sistem tersebut:
1. Proses kedatangan produk pada
daerah pemeriksaan.
2. Proses antrian produk untuk
diperiksa.
3. Aktifitas pemeriksaan produk.
Simulasi Monte
Carlo
 Simulasi Monte
Carlo

• Simulasi monte carlo melibatkan

penggunaan angka acak untuk
memodelkan sistem, dimana waktu tidak
memegang peranan yang substantif (model
statis)
• Pembangkitan data buatan (artificial data)
dengan menggunakan pembangkit angka
acak (pseudo random numbers generator) dan
sebaran komulatif yang menjadi interes
 Simulasi Monte Carlo
…

• Pembangkit Angka Acak

• Membangkitkan peubah acak (random variable)
yang menyebar uniform pada interval 0 sampai 1
(U(0,1), contohnya adalah fungsi rand() pada
excel)
• Adalah tidak mungkin membangkitkan angka acak
yang sebenarnya (truly random numbers)
dengan suatu algoritma komputer
 Simulasi Monte Carlo
…

• Angka acak U(0,1) ini, kemudian

ditransformasikan sehingga akan mengikuti
suatu sebaran peluang yang diinginkan
• Uniform (a,b)
• Normal (, )
• Simetrik Triangular (a,b)
 Langkah-langkah metode
Monte Carlo
• Mendefinisikan distribusi probabilitas dati
data masa lalu atau dari distribusi teoritis.
• Mengkonversikan distribusi kedalam
frekuensi kumulatif
• Melakukan simulasi dengan bilangan acak
• Menganalisa keluaran simulasi
 Contoh 1 - Nilai
Investasi
• Anda merencanakan untuk menginvestasikan
Rp.150 juta dana yang anda miliki, dan tersedia
tiga instrumen investasi yang dapat dipilih
• Tingkat pengembalian masing-masing instrumen
investasi ini merupakan peubah acak (berturut-
turut RL, RM dan RH) dan sebaran masing-masing
peubah acak tersebut diberikan oleh tabel 1
• Gunakan simulasi monte carlo untuk menentukan
distribusi nilai investasi setelah akhir satu tahun,
berdasarkan alokasi dana awal yang telah
ditentukan
 Contoh 1 - Nilai Investasi
…
Tabel
1Pilihan Investasi Sebaran tingkat
pengembalian (%)
Risiko rendah RL ~ Normal (3,1)
Risiko sedang RM ~ Normal (5,5)
Risiko tinggi RH ~ Normal (10,15)

• Setelah satu tahun nilai investasinya diberikan oleh rumus

berikut V = SL(1+RL) + SM(1+RM) + SH(1+RH)

 Contoh 2 : Pendugaan Keuntungan

• Suatu perusahaan bermaksud memproduksi dan

menjual produk baru dibawah pasar yang
bersaing sempurna
• Total keuntungan diberikan oleh persamaan
berikut ini TP = (Q x P) – (Q x V + F)
• Dimana
• Q adalah banyaknya unit yang terjual
• V adalah biaya variabel per unit
• P adalah harga jual per unit
• F adalah biaya tetap untuk memproduksi produk itu
 Contoh 2 : PendugaanKeuntungan

• Pada produk ini, Q, P dan V merupakan

peubah acak dengan sebaran peluang berikut:
• Q ~ Uniform (80.000, 120.000)
• P ~ Normal (22, 5)
• V ~ Normal (12, 8)
• F diduga besarnya adalah 300.000
• Gunakan simulasi monte carlo untuk
menentukan sebaran total keuntungan dari
produk yang direncanakan tersebut
 Contoh 3- simulasi monte
carlo dengan sebaran empiris

• Toko roti X memesan sejumlah roti setiap hari;

disimpan dalam persediaan
• Toko itu bermaksud menentukan berapa
banyak roti yang harus dipesan setiap hari,
agar keuntungannya maksimal
• Diasumsikan bahwa semua roti yang tidak
terjual pada hari itu tidak dapat dijual kembali
pada hari berikutnya, dan dihitung sebagai
kerugian
 Contoh 3 …

• Toko X mengumpulkan data harian

permintaan rotinya selama 100 hari, dan
frekuensi permintaannya sebagai berikut:
Permintaan Nilai Tengah Frekuensi
(roti)
20 –24 22 5
25 – 29 27 10
30 – 34 32 20
35 – 39 37 30
40 – 44 42 20
45 – 49 47 10
50 – 54 52 5
 Contoh 3 …

• Ada dua skenario yang ingin dievaluasi, yang

mana yang akan memberikan keuntungan
maksimal
1. Memesan sejumlah roti sama dengan permintaan
pada hari sebelumnya
2. Memesan 37 roti setiap hari tanpa memandang
permintaan yang lalu
• Misalkan roti dijual Rp.500,- per buah dan
harga pembelian dari pabrik adalah Rp.250,-
per buah
• Manakah skenario yang memberikan
keuntungan maksimal berdasarkan 15 hari
simulasi
Contoh 3 …

• Penyelesaian
• Berdasarkan tabel sebaran frekuensi yang
diperoleh sebelumnya, dibuat tabel rentang
angka acak. Lebar rentang angka acak
didasarkan pada frekuensi relatif tiap
permintaan
• Titik tengah (midpoint) permintaan mewakili nilai
permintaan yang akan dibangkitkan. Hasilnya
ditunjukkan oleh Tabel 3.
 Contoh 3 …
• Tabel
3 Nilai Tengah Frek df Rentang
permintaan angka acak
22 5 0,05 0 - 0,049
27 10 0,10 0,05 - 0,149
32 20 0,20 0,15 - 0,349
37 30 0,30 0,35 – 0,649
42 20 0,20 0,65 – 0,849
47 10 0,10 0,85 – 0,949
52 5 0,05 0,95 – 1,000

Angka acak 0,173 akan bersesuaian dengan permintaan 32 roti, dan seterusnya.
Contoh 3 …

• Bangkitkan 15 buah angka acak, bersesuaian

dengan 15 hari simulasi (dapat menggunakan
calculator, sehingga diperoleh angka acak
dengan tiga digit dibelakang koma)
• Misalkan angka acak yang diperoleh (anda
mungkin akan mendapatkan angka-angka
acak yang berbeda) adalah:
0,272 0,433 0,851 0,882 0,29 0,697 0,940
8
0,639 0,323 0,488 0,136 0,13 0,544 0,152
9
0,475
Contoh 3 …
Skenario 1 Skenario 2
Hari Angka Acak Permintaan Jumlah Penjualan Jumlah Penjualan
pesanan
pesanan
0 37
1 0,272 32 37 32 37 32
2 0,433 37 32 32 37 37
3 0,851 47 37 37 37 37
4 0,882 47 47 47 37 37
5 0,298 32 47 32 37 32
6 0,697 42 32 32 37 37
7 0,940 47 42 42 37 37
8 0,639 37 47 37 37 37
9 0,323 32 37 32 37 32
10 0,488 37 32 32 37 37
11 0,136 27 37 27 37 27
12 0,139 27 27 27 37 27
13 0,544 37 27 27 37 37
14 0152 32 37 32 37 32
15 0,475 37 32 32 37 37
Jumlah => 587 550 500 555 515
Contoh 3 …

• Pada simulasi ini permintaan merupakan

peubah acak yang nilai-nilainya dibangkitkan
(data artifisial)
• Penjualan = minimum nilai permintaan dan
pemesanan.
• Skenario 1:
• Keuntungan = 500 (500) – 250 (550) = Rp.112.500
• Skenario 2:
• Keuntungan = 500 (515) – 250 (555) = Rp.118.750
APLIKASI SIMULASI MONTE
CARLO
•Contoh:
•Sebuah perusahaan permen coklat
memberikan penawaran
•khusus pada event-event spesial seperti
hari valentine. Untuk
•keperluan tersebut perusahaan memesan
paket spesial dari
•supplier berupa coklat massacre. Coklat
jenis ini dibeli dengan
•harga $7.5/unit dan dijual $12/unit. Jika
tidak terjual pada
•tanggal 14 Februari, maka produk ini
akan dijual dengan harga 50% dari harga
semula.
•Perusahaan ini mengalami dilema dalam
menentukan berapa
Penyelesaian
1.Tentukan komponen-komponen sistem yang
significant. Beberapa diantaranya yaitu:
• Demand (kebutuhan)  D.
Variabel ini merupakan variabel yang tidak dapat
dikontrol (uncontrollable)
• Pesanan  Q.
Variabel ini merupakan variabel yang memerlukan
keputusan (decision variabel).
• Profit  merupakan variabel tidak bebas
(dependent variabel).
2. Tentukan hubungan antar komponen sistem.
Dalam menentukan hubungan harus benar-
benar dipelajari bagaimana mekanisme
sistemnya. Pada sistem ini terdapat dua
kondisi yaitu:
a. Kondisi dimana demand < pesanan (D < Q)
Pada kondisi ini hubungan antar variabel
dirumuskan
dapat sebagai berikut:
Profit = 12D – 7.5 Q + 6 (Q-D)
b. Kondisi dimana demand > pesanan (D >=
Q)
Pada kondisi ini hubungan antar variabel dapat
dirumuskan sebagai berikut:
Profit = (12 – 7.5) Q
3. Tentukan jumlah trial yang diinginkan.
4. Buat kemungkinan demand untuk tiap trial.
5. Hitung Profit untuk tiap trial.
Contoh perhitungan profit untuk D = 40 unit dan
Q = 60 unit.
Profit = 12D - 7.5 Q + 6(Q-D)
= 12(40) - 7.5(60) + 6(60-40)
= $ 150
 Silakan hitung profit untuk
tiap trial pada tabel berikut:
Trial Demand Profit ($)
1 80
2 60
3 50
4 70
5 40
6 60
7 80
8 90
9 50
10 60
Rata-rata
 Hasil perhitungan profit
untuk tiap trial dapat dilihat
pada tabel berikut:
Trial Demand Profit ($)
1 80 270
2 60 270
3 50 210
4 70 270
5 40 150
6 60 270
7 80 270
8 90 270
9 50 210
10 60 270
Rata-rata 246
6. Buat distribusi frekuensi
dari setiap probabilitas
profit

Profit ($) Probabilitas Frekuensi

150 0.1 1
210 0.2 2
270 0.7 7
7. Buat grafik fungsi
frekuensi profit
8
7
6
5
$150
4
$210
3 $270
2
1
0
PROFI
T
• Untuk mendapatkan solusi terbaik, kita
harus melakukan eksperimen dengan
menggunakan order quantity 40, 50, 60,
70 dan 90.
• Hitung average profit untuk tiap order
quantity yang berbeda.
• Cari yang memberikan keuntungan paling
besar

Order
Quantity
40 50 60 70 80 90
Average
Profit ($)