MODUL 1

SIMULASI MONTE
CARLO
 MONTE CARLO SIMULATION
Jika sebuah sistem mengandung unsur yang menunjukkan
adanya peluang dalam perilaku mereka, maka simulasi
metode Monte Carlo (Monte Carlo method) mungkin dapat
diterapkan. Dasar simulasi Monte Carlo adalah percobaan
pada unsur peluang (atau bersifat probabilistik) dengan
menggunakan pengambilan sampel secara acak. Jadi Metode
Monte Carlo adalah sebuah teknik simulasi yang
menggunakan unsur acak ketika terdapat peluang dalam
perilakunya.
 MONTE CARLO SIMULATION
• Simulasi Monte Carlo adalah tipe simulasi probabilistik untuk
mencari penyelesaiaan masalah dengan sampling dari proses
random
• Dasar simulasi Monte Carlo adalah mengadakan percobaan
(eksperimen) pada elemen-elemen probabilistik melalui
sampling acak.
• Sehingga simulasi Monte Carlo mengizinkan manajer untuk
menentukan beberapa kebijakan yang menyangkut kondisi
perusahaan.
MONTE CARLO SIMULATION
 MONTE CARLO SIMULATION STEP
1. Menetapkan suatu distribusi probabilitas bagi variabel yang
penting.
2. Membuat distribusi probabilitas kumulatif bagi setiap
variabel.
3. Menetapkan sebuah interval angka acak bagi setiap
variabel.
4. Membangkitkan angka acak.
5. Mensimulasikan serangkaian percobaan.
1. Menetapkan suatu distribusi probabilitas
bagi variabel yang penting.
Gagasan dasar simulasi Monte Carlo adalah
membangkitkan nilai untuk variabel pada model
yang sedang diuji. Pada sistem dunia nyata,
sebagian besar variabel memiliki probabilitas
alami, misalnya permintaan persediaan, waktu
yang diperlukan untuk menyelesaikan aktivitas proyek. Cara menetapkan
distribusi probabilitas bagi variabel tertentu adalah menguji hasil historis,
yaitu dengan membagi frekuensi pengamatan untuk setiap output variabel
yang mungkin dengan jumlah pengamatan total.
2. Membuat distribusi probabilitas kumulatif
bagi setiap variabel.
Mengubah distribusi probabilitas biasa menjadi sebuah distribusi
probabilitas kumulatif (cumulative probability distribution)
3. Menetapkan sebuah interval angka acak
bagi setiap variabel.
Setelah distribusi probabilitas kumulatif bagi setiap variabel yang
digunakan dalam simulasi ditetapkan, maka diberikan serangkaian
angka yang mewakili setiap nilai atau output yang memungkinkan.
4. Membangkitkan angka acak.
Angka acak dapat dihasilkan dengan dua cara. Jika persoalan yang
dihadapi besar dan proses yang sedang diteliti melibatkan banyak
percobaan simulasi, maka digunakan program komputer untuk
membangkitkan angka acak. Jika simulasi dilakukan dengan
perhitungan tangan, angka acak dapat diambil dari sebuah tabel angka
acak.
5. Mensimulasikan serangkaian percobaan.
Hasil dari eksperimen dapat disimulasikan secara sederhana dengan
memilih angka acak, selanjutnya perhatikan dalam interval mana setiap
angka berada.
 EXAMPLE
Setelah melakukan pengamatan selama 200 hari, sebuah toko ban
memperkirakan permintaan ban per harinya seperti pada tabel
dibawah ini. Toko tersebut hendak memperkirakan permintaan ban
untuk 10 hari kedepan.
 EXAMPLE
Langkah 1: Menetapkan distribusi probabilitas
Tabel Probabilitas Permintaan Ban Radial
 EXAMPLE
Langkah 2 : Menetapkan distribusi kumulatif
Tabel Kumulatif Probabilitas
 EXAMPLE
Langkah 3 : Interval Bilangan Acak
Tabel Interval Bilangan Acak
 EXAMPLE
Langkah 4 : Pembangkit Bilangan Acak
Tabel Penarikan Bilangan Acak
 EXAMPLE
Langkah 5 : Menjalankan Simulasi
Tabel Simulasi Permintaan
 EXAMPLE
Rata rata permintaan per hari : 28/10 = 2,8 ban
Cara ekspektasi:

E = ∑ (probablitas dari ban) x ( permintaan ban)

= (0,05)(0) + (0,10)(1) + (0,20)(2) + (0,30)(3) + (0,20)(4) + (0,15)(5)
= 2,95 ban
 LATIHAN
Berdasarkan data yang lalu dengan Pertanyaan :
pengamatan selama 50 minggu 1. Berdasarkan hasil
didapat data penjualan mobil, sebagai simulasi untuk 20
berikut : minggu ke depan,
periode ke berapa saja
yang terjual 8 unit mobil
2. Rata-rata penjualan per
minggu dari hasil
simulasi
3. Nilai ekspektasi (E)
penjualan