Dokumen tersebut membahas tentang simulasi Monte Carlo. Metode ini digunakan untuk menyelesaikan masalah yang sulit diselesaikan secara analitis dengan mengambil sampel acak berulang kali. Contoh penggunaannya adalah memprediksi pola permintaan sendal selama 20 hari berikutnya dengan mengacak angka permintaan harian berdasarkan data sebelumnya. Metode ini juga digunakan untuk menguji generator bilangan acak dengan menghitung stat

1. SIMULASI MONTE CARLO

2. 1. Pengantar
Simulasi
Monte Carlo
Batasan:
1. Apabila suatu persoalan
dapat diselesaikan secara
matematis
2. Apabila sebagian persoalan
dapat diuraikan secara
analitis  sebagian cara
analitis dan sebagian lagi
Sampling Simulation simulasi Monte Carlo
Monte Carlo Sampling Technic 3. Apabila dapat digunakan
simulasi perbandingan

3. 2. Contoh Penggunaan simulasi
Tabel 1. Sebaran permintaan sendal per hari selama sebulan
No. Urut 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
Data historis
Pola permintaan 20
hari bulan berikutnya ?

4. 2. Contoh Penggunaan simulasi
Tabel 2. Fungsi Kumulatif Distribsi
No. Fungsi Kumulatif
Permintaan/ hari Distribusi Densitas
Urut Distribusi (CDF)
1. 4 pasang 0.05 0.05
2. 5 pasang 0.10 0.15
Perimntaan
3. 6 pasang 0.15 0.30
4. 7 pasang 0.30 0.60
5. 8 pasang 0.25 0.85
6. 9 pasang 0.15 1.00
Jumlah 1.00
No. Tag Number
Permintaan/ hari Distribusi Densitas
Tabel 3.Angka Penunjuk
Urut (Label Number)
1. 4 pasang 0.05 00 – 05
Batasan
2. 5 pasang 0.10 0 5 – 15
3. 6 pasang 0.15 15 – 30
4. 7 pasang 0.30 30 – 60
5. 8 pasang 0.25 60 – 85
6. 9 pasang 0.15 85 - 99

5. 2. Contoh Penggunaan simulasi
Tabel 3. Angka Penunjuk Batasan
No. Perminta Distribusi Tag Number
Tabel 4. Permintaan sendal per hari Urut an/ hari Densitas (Label Number)
Hari Jumlah 1. 4 pasang 0.05 00 – 05
No. Perminta pasangan Penjelasan 2. 5 pasang 0.10 0 5 – 15
an sendal
3. 6 pasang 0.15 15 – 30
1. I 7 pasang 7 pasang (2)
4. 7 pasang 0.30 30 – 60
2. II 5 pasang 5 pasang (2)
5. 8 pasang 0.25 60 – 85
3. III 8 pasang 8 pasang (2)
6. 9 pasang 0.15 85 - 99
4. IV 7 pasang 6 pasang (2)
5. V 9 pasang 9 pasang (2) 10 nilai random
6. VI 6 pasang 0.5751 0.2888
7. VII 9 pasang 0.1270 0.9518
8. VIII 8 pasang 0.7039 0.7348
9. IX 5 pasang 0.3853 0.1347
10. X 9 pasang 0.9166 0.9014

6. Pengujian RNG
Frekuensi Frekuensi harapan (Fo-Fe)2/Fe
Pengujian:
Bilangan acak, Fo Fe Chi-sqre (X2)
0.5751 0.57194 9.9856E-06
Ho = data/acak
0.1270 0.57194 0.1979716
terdistribusi seragam
0.7039 0.57194 0.01741344 H1 = Tidak terdistribusi
0.3853 0.57194 0.03483449 seragam
Selang kepercayaan α =
0.9166 0.57194 0.11879052
0.95 (5%) dk=9
0.2888 0.57194 0.08016826 Nilai Chi-square tabel =
0.9518 0.57194 0.14429362 16.9
Chi-square hitung =
0.7348 0.57194 0.02652338
0.919728
0.1347 0.57194 0.19117882 artinya < nilai tabel
0.9014 0.57194 0.10854389 Kesimpulan terima Ho
0.919728

7. Latihan
Produksi Suku Cadang
Tabel 1. Distribusi Probabilitas Panjang Besi A
Panjang Besi A
Panjang Probalitas
10 0.25
11 0.25
12 0.25
13 0.25
Tabel 2. Distribusi Probabilitas Panjang Besi A
Tag
Panjang Besi A CDF
Number
Panjang Probalitas
10 0.25
11 0.25
12 0.25
13 0.25

8. Tabel 3. Nilai Random Probabilitas Panjang Besi A
Random Frekuensi (Fo-Fe)2/Fe
No. Pengujian:
Number harapan Fe Chi-sqre (X2)
1 0.0589
2 0.6733 Ho = data/acak
terdistribusi seragam
3 0.4799 H1 = Tidak terdistribusi
4 0.9486 seragam
5 0.6139 Selang kepercayaan α =
0.95 (5%) dk=9
6 0.5933 Nilai Chi-square tabel =
7 0.9341 16.9
8 0.1782 Chi-square hitung =
artinya …. nilai tabel
9 0.3473 Kesimpulan terima Ho
10 0.5644

9. Hasil Panjang
Random No. Tag Number
No. Random
Number Sampling (cm) 1
1 0.0589 2
2 0.6733 3
3 0.4799 4
4 0.9486
5 0.6139
6 0.5933
7 0.9341
8 0.1782
9 0.3473
10 0.5644

10. Reference
Kakiay, TJ. 2003. Pengantar Sistem Simulasi.
Pen. Andi. 197 hal.