BAB VII

Simulasi Monte Carlo

Powerpoint Templates
Page 1
 Pendahuluan
• Simulasi Monte Carlo dikenal dengan istilah sampling
simulation atau Monte Carlo Sampling 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

Powerpoint Templates
Page 2
 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 sebagian persoalan tersebut dapat diselesaikan
secara analitis dengan baik, maka penyelesaiannya lebih
baik dilakukan secara terpisah. Sebagian secara analitis
dan sebagian lagi simulasi
3. Apabila mungkin dapat digunakan simulasi perbandingan.
Kadangkala simulasi ini dibutuhkan apabila 2 sistem dgn
perbedaan-perbedaan pada parameter, distribusi, cara-cara
pelaksanaannya.

Powerpoint Templates
Page 3
 Ilustrasi Penggunaan Simulasi

• Sebuah toko sepatu memperkirakan permintaan sepatu per

harinya menurut pola distribusi sebagai berikut :

No permintaan/hari frekuensi permintaan

1 4 pasang 5
2 5 pasang 10
3 6 pasang 15
4 7 pasang 30
5 8 pasang 25
6 9 pasang 15
Jumlah 100

Powerpoint Templates
Page 4
• Dari data masa lalu sudah dapat diperkirakan dengan baik.
Kemudian pengusaha toko ini hendak memperkirakan pola
permintaan untuk 10 hari bulan berikutnya. Berapa kira-kira
permintaan yang muncul?

Powerpoint Templates
Page 5
 Prosedur/langkah
penyelesaian
1. Terlebih dahulu dibuat Impirical Data distribusinya, yaitu : fungsi
distribusi densitas, seperti pada tabel sebelumnya
2. Distribusi permintaan in diubah dalam bentuk fungsi distribusi
komulatif (DFK)

No permintaan/hari Distribusi densitas DFK

1 4 pasang 0.05 0.05
2 5 pasang 0.1 0.15
3 6 pasang 0.15 0.3
4 7 pasang 0.3 0.6
5 8 pasang 0.25 0.85
6 9 pasang 0.15 1
Jumlah 1

Powerpoint Templates
Page 6
 Langkah selanjutnya

3. Setiap permintaan tersebut, diberi angka penunjuk batasan

(Tag/Label number), disusun berdasarkan DFK distribusi
permintaan

Distribusi
No permintaan/hari densitas DFK Tag number

1 4 pasang 0.05 0.05 0.00 - 0.05

2 5 pasang 0.1 0.15 0.06 - 0.15

3 6 pasang 0.15 0.3 0.15 - 0.30

4 7 pasang 0.3 0.6 0.31 - 0.60

5 8 pasang 0.25 0.85 0.60 - 0.85

6 9 pasang 0.15 1 0.86 - 1.00

Powerpoint Templates
Page 7
 Langkah selanjutnya
4. Lakukan penarikan random number, dengan salah satu
bentuk RNG, misal diperoleh 10 random number sbb :
1. 0.5751 6. 0.2888
2. 0.1270 7. 0.9518
3. 0.7039 8. 0.7348
4. 0.3853 9. 0.1347
5. 0.9166 10. 0.9014
Dari random number ini diambil 2 angka dibelakang koma dan
dicocokkan dengan tag number. Hasilnya adalah kesimpulan
permintaan yang dibutuhkan

Powerpoint Templates
Page 8
 Langkah selanjutnya

No Hari Permintaan Jumlah Pasangan Penjelasan

1 I 7 pasang
2 II 5 pasang Terdapat :
3 III 8 pasang 7 pasang (2)
4 IV … 5 pasang (2)
5 V … 8 pasang (2)
6 VI … 6 pasang (2)
7 VII … 9 pasang (2)
8 VIII …
9 IX …
10 X …

Powerpoint Templates
Page 9
 Studi Kasus : Produksi Suku Cadang

• Dalam suatu pabrik assembling, barang C

merupakan perpaduan barang A dan B yang
dibeli dari supplier. Dalam proses produksinya,
panjang barang A dan B tidaklah sama
panjang. Dinyatakan dalam suatu tabel
distribusi probabilitas (panjang dalam cm)
• Dari data akan dicari dan ditentukan estimasi
dari mean (rata-rata panjang) dan varians serta
standar deviasi dari panjang part C yang
merupakan penjumlahan part A dan part B.

Powerpoint Templates
Page 10
 Tabel Distribusinya :

Panjang A Panjang B

Panjang Probabilitas Panjang Probabilitas

10 0.25 17 0.07

11 0.25 18 0.14

12 0.25 19 0.23

13 0.25 20 0.38

21 0.12

22 0.06

Powerpoint Templates
Page 11
Penyelesaian menggunakan monte carlo

• Cari DFK masing-masing dan tag number masing-masing.

• Cari random number menggunakan RNG multiplier.
Untuk barang A: m = 19, a = 7, Zo = 1
Untuk barang B: m = 17, a = 7, Zo = 3
• Sesuaikan dengan tag number, cari kemungkinan munculnya
panjang A dan B.
• Cari total panjang barang C untuk masing-masing
kemungkinan.
• Cari nilai-nilai yang dibutuhkan u/ mencari mean dan varians.

Powerpoint Templates
Page 12
 Studi Keuntungan
Simulasi disini digunakan untuk mengetahui
profit dlm kehidupan perdagangan, atau lainnya
Misal seorang pedagang menerima suplai barang
dari grosir setiap hari. Jumlah suplai tsb
bervariasi (Random variable), sama seperti
kebutuhan pedagang eceran atas barang tsb
setiap harinya. Jadi kita bisa buat dist prob untuk
sejumlah barang suplai pd pedagang eceran dari
pedagang grosir.
Penerapannya ad/ sbb:

Powerpoint Templates
Page 13
 Investasi Melalui NPV
Simulasi yg dilakukan ad/ simulasi
investasi kapital dgn meninjau NPV (Net
Present Value) dgn fokus pada mean and
variance.
Keuntungan simulasi disini kita dapat
tahu gambaran kerugian atau keuntungan
investasi tersebut dgn cepat, dan kita bisa
mengambil keputusan yang baik akan
investasi tsb.
Penerapannya ad/ sbb:
Powerpoint Templates
Page 14
ESTIMATING MEAN

Powerpoint Templates
Page 15
Investasi Melalui IRR

Powerpoint Templates
Page 16