Pert 08 Simulasi MonteCarlo
-
Upload
eko-nursubiyantoro -
Category
Documents
-
view
134 -
download
0
Transcript of Pert 08 Simulasi MonteCarlo
5/7/2013
1
SIMULASI SIMULASI
MONTE CARLOMONTE CARLO
Analisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa Keputusan
122 47 2122 47 2122 47 2122 47 2
Pertemuan kePertemuan kePertemuan kePertemuan ke----8888
Eko Nursubiyantoro – TI UPNVY
Analisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte Carlo
SimulasiSimulasi adalah teknik kuantitatif yang dikembangkan guna
mempelajari rentetan tindakan alternatif melalui
pembuatan sebuah model sistem dan kemudian
menghubungkan sederetan eksperimen yang berungkali
untuk meramalkan sifat-sifat sistem selama periode
tertentu.
PendahuluanPendahuluan
Pembuatan keputusan dibawah Pembuatan keputusan dibawah
kondisikondisi--kondisi ketidakpastiankondisi ketidakpastian
SIMULASISIMULASI
5/7/2013
2
Analisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte Carlo
Metode Metode MONTE CARLOMONTE CARLOMemakaiMemakai bilanganbilangan acakacak untukuntuk menyelesaikanmenyelesaikan
masalahmasalah ketidakpastian,ketidakpastian, dimanadimana evaluasievaluasi secarasecara
matematismatematis tidaktidak mungkinmungkin.
AnalisaAnalisa keputusankeputusan padapada situasisituasi yangyang melibatkanmelibatkan
resiko,resiko, menggunakanmenggunakan beberapabeberapa parameterparameter untukuntuk
melakukanmelakukan pertimbanganpertimbangan secarasecara simultansimultan.
DasarDasar :: prosesproses simulasisimulasi dengandengan pilihanpilihan kemungkinankemungkinan
randomrandom.
Jumlah iterasi yang dilakukan menentukan
ketelitian
Analisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte Carlo
SeringSering jugajuga disebutdisebut sebagaisebagai MetodeMetode PercobaanPercobaan
StatistikStatistik (method(method odod statisticalstatistical trials)trials).
PolaPola kejadiankejadian variabelvariabel diasumsikandiasumsikan padapada distribusidistribusi
normalnormal dandan uniformuniform sehinggasehingga dapatdapat dilakukandilakukan
manipulasimanipulasi statistikstatistik dengandengan mentransfermentransfer datadata
mentahmentah untukuntuk diubahdiubah agaragar memenuhimemenuhi duadua asumsiasumsi.
PerluPerlu dilakukandilakukan ujiuji distribusidistribusi duludulu sebelumsebelum
dilakukandilakukan pengujianpengujian.
5/7/2013
3
Analisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte Carlo
DalamDalam operasionaloperasional MonteMonte CarloCarlo melibatkanmelibatkan pemilihanpemilihan secarasecara
acakacak terhadapterhadap keluarankeluaran masingmasing--masingmasing secarasecara berulangberulang..
SemakinSemakin banyakbanyak jumlahjumlah ulanganulangan percobaanpercobaan yangyang dilakukandilakukan
makamaka tingkattingkat kesalahankesalahan hasilhasil yangyang diperolehdiperoleh semakinsemakin kecilkecil.
Contoh :Contoh :
PerhitunganPerhitungan secarasecara manualmanual antaraantara nilainilai harapanharapan ((expectedexpected
valuevalue),), jikajika diberikandiberikan aliranaliran kaskas ((cashcash flowflow)) proyekproyek sertaserta nilainilai
kemungkinankemungkinan masingmasing--masingmasing nilainilai dalamdalam cashcash flowflow tersebuttersebut
adalahadalah sebagaisebagai berikutberikut ::
Analisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte Carlo
Net Cash Flow (NCF)Net Cash Flow (NCF)
$$P(Net Cash Flow )P(Net Cash Flow )
Probabilitas Komulatif Probabilitas Komulatif
dari NCF(Random dari NCF(Random
Number)Number)
10.000 0,10 00 - 09
15.000 0,50 10 – 59
20.000 0,25 60 – 84
25.000 0,15 85 - 99
NilaiNilai RerataRerata NCFNCF (nilai(nilai EV)EV) == 1717..250250
KolomKolom IIIIII nilainilai probabilitasprobabilitas dikaitkandikaitkan dengandengan angkaangka randomrandom..
5/7/2013
4
Analisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte Carlo
ProbabilitasProbabilitas komulatifkomulatif dilihatdilihat daridari ketelitianketelitian probabilitasprobabilitas awalawal
(dalam(dalam contohcontoh iniini 22 angkaangka dibelakangdibelakang koma,koma, angkaangka maksimalnyamaksimalnya
9999),), bilabila digunakandigunakan 33 digitdigit makamaka angkaangka maksimalnyamaksimalnya 999999,, dstdst..
DilakukanDilakukan pemilihanpemilihan ACAKACAK angkaangka randomrandom duadua digit,digit, dandan
dimunculkandimunculkan nilainilai cashcash flowflow yangyang terjadi,terjadi, lakukanlakukan misalnyamisalnya 1010 kalikali
sehinggasehingga diperolehdiperoleh susunansusunan cashcash flowflow sebagaisebagai berikutberikut ::
Analisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte Carlo
Random NumberRandom Number NCF OutcomeNCF Outcome RandomRandom NumberNumber NCF OutcomeNCF Outcome
47 15.000 74 20.000
91 25.000 24 15.000
02 10.000 05 10.000
88 25.000 51 15.000
81 20.000 74 20.000
NilaiNilai RerataRerata yangyang diperolehdiperoleh :: 1717..500500 (ada(ada perbedaanperbedaan 250250 dengandengan nilainilai
ekspektasi),ekspektasi), semakinsemakin banyakbanyak dilakukandilakukan ulanganulangan makamaka hasilnyahasilnya semakinsemakin
mendekatimendekati harapanharapan.. (pada(pada pengukuranpengukuran beberapabeberapa parameterparameter secarasecara simultan,simultan,
penggunaanpenggunaan angkaangka randomrandom akanakan jauhjauh lebihlebih praktis)praktis)
5/7/2013
5
Analisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte Carlo
Pembuatan Pembuatan Nilai RandomNilai RandomDistribusi NormalDistribusi Normal
NilaiNilai RandomRandom berdasarkanberdasarkan distribusidistribusi normalnormal dandan mengikutimengikuti nilainilai
frekuensifrekuensi kumulatifkumulatif (dinyatakan(dinyatakan dalamdalam DEVIASIDEVIASI padapada distribusidistribusi
normal)normal)..
NilaiNilai dasardasar yangyang digunakandigunakan untukuntuk membuatmembuat keluarankeluaran nilainilai
randomrandom disebutdisebut RandomRandom NormalNormal DeviateDeviate (RND)(RND)..
AngkaAngka randomrandom berdasarkanberdasarkan deviasideviasi standarstandar daridari
reratarerata yangyang diperolehdiperoleh langsunglangsung daridari standarstandar
distribusidistribusi normalnormal kumulatifkumulatif (dapat(dapat diperolehdiperoleh daridari
tabeltabel atauatau grafik)grafik)..
Analisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte Carlo
PerhitunganPerhitungan nilainilai keluarankeluaran berdasarberdasar distribusidistribusi normalnormal ::
NilaiNilai KeluaranKeluaran == RerataRerata ++ RNDRND (Standar(Standar Deviasi)Deviasi)
Contoh :Contoh :ProyekProyek memilikimemiliki umurumur ratarata--ratarata 88 tahun,tahun, StandarStandar deviasideviasi 22
tahun,tahun, dihitungdihitung nilainilai proyekproyek berdasarberdasar distribusidistribusi normal,normal,
menggunakanmenggunakan grafikgrafik diperolehdiperoleh angkaangka ::
ARAR == 405405 �� RNDRND == -- 00,,2424 dandan ARAR == 887777 �� RNDRND == 11,,1616
UmurUmur proyekproyek dapatdapat digeneralisirdigeneralisir::
88 ++ 22 ((-- 00,,2424)) == 77,,5252 tahuntahun
88 ++ 22 ((11,,1616)) == 1010,, 3232 tahuntahun
5/7/2013
6
Analisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte Carlo
Pembuatan Pembuatan Nilai Distribusi UniformNilai Distribusi UniformDistribusiDistribusi UniformUniform memilikimemiliki kemungkinankemungkinan kejadiankejadian yangyang sama,sama,
shgshg frekuensifrekuensi keluarankeluaran konstankonstan dandan jikajika ditampilkanditampilkan dalamdalam
bentukbentuk distribusidistribusi komulatifkomulatif makamaka slopeslope akanakan konstankonstan..
hasil
pro
ba
bil
ita
s
a b
Mean = a+ b
2
hasil
Dis
t. F
rek
. K
om
ula
tif
a b
Analisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte Carlo
UntukUntuk melakukanmelakukan perhitunganperhitungan nilainilai keluarankeluaran padapada distribusidistribusi
uniformuniform digunakandigunakan nilainilai randomrandom (RN)(RN) dandan persamaanpersamaan ::
Nilai Keluaran = a + RN
RNm(b – a)
a + (RN dalam desimal ) (b – a)=
a + b
2(b – a)= b - a
2+ RN
RNm
+
Catatan :Catatan :RNRN :: RandomRandom NumberNumber aa :: NilaiNilai terkecilterkecil
RNRNmm :: RandomRandom NumberNumber terbesarterbesar bb :: NilaiNilai terbesarterbesar
5/7/2013
7
Analisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte Carlo
5 (lima) Tahapan 5 (lima) Tahapan DasarDasarSimulasi Simulasi Monte CarloMonte Carlo
11.. MMeembuatmbuat distribusidistribusi kemungkinankemungkinan untukuntuk variabelvariabel pentingpenting
22.. MembangunMembangun distribusidistribusi kemungkinankemungkinan kumulatifkumulatif untukuntuk tiap-tiaptiap-tiap
variabelvariabel didi tahaptahap pertamapertama
33.. MenentukanMenentukan intervalinterval angkaangka randomrandom untukuntuk tiaptiap variabelvariabel
44.. MembuatMembuat angkaangka randomrandom
55.. MembuatMembuat simulasisimulasi daridari rangkaianrangkaian percobaanpercobaan
Analisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte Carlo
11.. MembuatMembuat distribusidistribusi kemungkinankemungkinan untukuntuk variabelvariabel
pentingpenting
Gagasan dasar dari simulasi monte carlo adalah membuat
nilai dari tiap variabel yang merupakan bagian dari model
yang dipelajari. Banyak variabel di dunia nyata yang secara
alami mempunyai berbagai kemungkinan yang mungkin
ingin kita simulasikan
Salah satu cara umum untuk membuat distribusi
kemungkinan untuk suatu variabel adalah
memperhitungkan hasil di masa lalu. Kemungkinan atau
frekuensi relative untuk tiap kemungkinan hasil dari tiap
variabel ditentukan dengan membagi frekuensi observasi
dengan jumlah total observasi
5/7/2013
8
Analisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte Carlo
Contoh: Permintaan akan Ban Sepeda MTB di toko sepeda Permintaan akan Ban Sepeda MTB di toko sepeda
“RODA LINK” selama 200 hari kebelakang terlihat “RODA LINK” selama 200 hari kebelakang terlihat
di tabel berikut: di tabel berikut:
PermintaanPermintaan FrekuensiFrekuensi
0 10
1 20
2 40
3 60
4 40
5 30
Jumlah 200
Analisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte Carlo
Keadaan dirubah menjadi distribusi kemungkinan (bila kita
asumsikan tingkat penjualan masa lalu tetap bertahan sampai ke
masa depan) dengan membagi tiap permintaan dengan total
permintaan. Seperti pada tabel berikut:
Variabel PermintaanVariabel Permintaan Kemungkinan TerjadiKemungkinan Terjadi
0 10/200 = 0,05
1 20/200 = 0,10
2 40/200 = 0,20
3 60/200 = 0,30
4 40/200 = 0,20
5 30/200 = 0,15
Jumlah 200/200 = 1,00
5/7/2013
9
Analisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte Carlo
22.. MembangunMembangun distribusidistribusi kemungkinankemungkinan kumulatifkumulatif untukuntuk
tiap-tiaptiap-tiap variabelvariabel didi tahaptahap pertamapertama
Konversi dari distribusi
kemungkinan biasa
menjadi distribusi
kumulatif, dilakukan
dengan menjumlahkan
tiap angka
kemungkinan dengan
jumlah sebelumnya
seperti pada tabel
berikut:
Variabel Variabel
PermintaanPermintaan
KemungkinanKemungkinan
TerjadiTerjadi
Kemungkinan Kemungkinan
KomulatifKomulatif
0 0,05 0,05
1 0,10 0,15
2 0,20 0,35
3 0,30 0,65
4 0,20 0,85
5 0,15 1,00
Analisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte Carlo
Probabilitas
kumulatif terlihat
pada gambar
disamping,
digunakan pada
tahap ke 3 untuk
membantu
menempatkan nilai
random
5/7/2013
10
Analisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte Carlo
3.3. MenentukanMenentukan intervalinterval angkaangka randomrandom untukuntuk tiaptiap variabelvariabel
Penentuan batas angka yang mewakili tiap kemungkinan hasil,
ditujukan pada interval angka random. Penentuan interval
didasari oleh kemungkinan kumulatif
Variabel Variabel KemungkinanKemungkinanKemungkinan Kemungkinan
KomulatifKomulatif
Interval angka Interval angka
randomrandom
0 0,05 0,05 00 – 04
1 0,10 0,15 05 – 14
2 0,20 0,35 15 – 34
3 0,30 0,65 35 – 64
4 0,20 0,85 65 – 84
5 0,15 1,00 85 - 99
Analisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte Carlo
44.. MembuatMembuat angkaangka randomrandom
Untuk membuat angka random kita
bisa menggunakan Microsoft Excel
dengan menggunakan perintah
Randbetween, misal untuk angka
random dari 1-100, kita tuliskan
perintah: =randbetween(1;100) dan
diulangi sejumlah baris yang
diperlukan
5/7/2013
11
Analisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte Carlo
Analisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte Carlo
55.. MembuatMembuat simulasisimulasi daridari rangkaianrangkaian percobaanpercobaan
Kita bisa membuat simulasi dari sebuah
eksperimen dengan mengambil angka
random dari gambar diatas, misal kita
akan membuat simulasi untuk 10 hari, kita
ambil Kolom A1-A10. Cara penentuan
permintaan adalah dengan ditentukan
oleh angka random. Contohnya bila angka
random adalah 56, angka itu terletak pada
interval 35 s/d 64 yang berarti permintaan
3 buah
5/7/2013
12
Analisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte Carlo
HariHariAngka Angka
RandomRandomPermintaanPermintaan
1 28 2
2 50 2
3 78 4
4 08 1
5 16 2
HariHariAngka Angka
RandomRandomPermintaanPermintaan
6 61 3
7 98 5
8 41 2
9 55 3
10 21 2
Total permintaanpermintaan untukuntuk 1010 harihari adalahadalah 2828 banban,
rata-rata permintaan per hari adalah 2,8 ban.
Analisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte Carlo
Contoh Contoh lainlain::JikaJika simulasisimulasi dilakukandilakukan
sebanyaksebanyak 1010..000000 kali,kali,
makamaka ratarata -- ratarata
permintaanpermintaan
pperharinyaerharinya adalahadalah::
33,,10611061
5/7/2013
13
Analisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte Carlo
Tugas:Tugas:Simulasikan permasalahan diatas dengan jumlah simulasi :
a. 500 kali
b. 100.000 kali
Berapakah rata-rata permintaan per hari, dan berikan print
out hasil masing-masing simulasi!
Analisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanAnalisa KeputusanPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte CarloPert 08 Simulasi Monte Carlo
Thank You