SIMULASI: Deterministik dan Monte Carlo

dokumen-dokumen yang mirip
Monte Carlo Simulation (1)

BAB 3 PEMBANGUNAN MODEL SIMULASI MONTE CARLO. Simulasi Monte Carlo merupakan salah satu metode simulasi sederhana yang

BAB IV SIMULASI MONTE CARLO

Simulasi Monte Carlo

TENTANG UTS. Penentuan Cadangan, hal. 1

BAB 4 PENGUMPULAN DAN ANALISA DATA

BAB 3 METODOLOGI PEMECAHAN MASALAH

Simulasi dan Pemodelan. Kuliah I Ricky Maulana Fajri, M.Sc

nilai payoff dari Decision Tree, oleh karena itu dilakukanlah pendekatan dengan metode

Simulation. Prepared by Akhid Yulianto, SE, MSC (Log) Based on Anderson, Sweeney, and Williams Thomson ΤΜ /South-Western Slide

Dasar-dasar Analisa Regresi

(Risk Analysis Simulator)

Mata Kuliah Pemodelan & Simulasi. Universitas Komputer Indonesia

SATIN Sains dan Teknologi Informasi

Analisis Model dan Simulasi. Hanna Lestari, M.Eng

PEMODELAN DAN SIMULASI DALAM MENENTUKAN JUMLAH PENJUALAN PRODUK MOTOR DENGAN METODE MONTE CARLO. Eka Iswandy 1 Novinaldi 2 ABSTRACT

Sampling. Tjipto Juwono, Ph.D. March, TJ (SU) Sampling March / 20

Detail Tugas Besar Mata Kuliah Pemodelan dan Simulasi

BAB II LANDASAN TEORI

1.1 Latar Belakang Masalah

PEMILIHAN KEBIJAKAN SISTEM PENGGANTIAN SPARE PART PADA PERUSAHAAN CONSUMER GOOD DENGAN MENGGUNAKAN METODE SIMULASI

BAB 2 Landasan Teori

STUDI KASUS : SIMULASI MODEL PERMINTAAN SUPERMARKET DENGAN TEKNIK MONTECARLO

Bab IV Simulasi Metode Monte Carlo Mengatasi Masalah dalam Distribusi Data

Dasar-dasar Analisa Regresi

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI

SIMULASI PENGENDALIAN PERSEDIAN GAS MENGGUNAKAN METODE MONTE CARLO DAN POLA LCM ( Studi Kasus di PT.PKM Group Cabang Batam )

Pengembangan Model Simulasi, oleh Hotniar Siringoringo 1

BAB 2 LANDASAN TEORI

Interval Estimation. Tjipto Juwono, Ph.D. May TJ (SU) Interval Estimation May / 19

BAB II DASAR TEORI 2.1 Pengertian Tata Guna/Tutupan Lahan

BAB 1 PENDAHULUAN. Hampir semua fenomena di dunia ini memiliki beberapa ketidakpastian,

APLIKASI PEMBELAJARAN DAN TEST TOEFL BERBASIS MOBILE MENGGUNAKAN METODE MONTECARLO

PENDEKATAN INVERSE-TRANSFORM RANDOM VARIATE GENERATOR BERBASIS DISTRIBUSI GEOMETRI PADA PENGACAKAN RANDOM SAMPLING

BAB 3 METODE PENELITIAN. Penelitian ini dilakukan di Perusahaan PT. Surya Wahana Fortuna.

Monte Carlo. Prihantoosa Toosa

BAB III METODOLOGI PENELITIAN

Perumusan Hipotesa. Tjipto Juwono, Ph.D. Sep 14, Tjipto (SU) Hipotesa Sep / 13

BAB 2 LANDASAN TEORI

BAB 3 METODOLOGI PENELITIAN. dibahas antara lain sejarah singkat, kegiatan, struktur organisasi, serta tata laksana

Mata Kuliah Pemodelan & Simulasi. Riani Lubis. Program Studi Teknik Informatika Universitas Komputer Indonesia

Metode Sampling dan Teorema Central Limit

APLIKASI SIMULASI UNTUK PERAMALAN PERMINTAAN DAN PENGELOLAAN PERSEDIAAN YANG BERSIFAT PROBABILISTIK

Interval Estimation. Tjipto Juwono, Ph.D. May 20, TJ (SU) Interval Estimation May / 24

Interval Estimation. Tjipto Juwono, Ph.D. May 13, TJ (SU) Interval Estimation May / 17

Teori Antrian. Prihantoosa Pendahuluan. Teori Antrian : Intro p : 1

Pengantar Analisa Data (2)

METODE PENGENDALIAN PERSEDIAAN BAHAN BAKU CRUDE COCONUT OIL YANG OPTIMAL PADA PT. PSE

BAB IV. Pada bab IV ini, akan dibahas implementasi metode Least-Square. Monte Carlo (LSM) untuk menentukan nilai opsi put Amerika dengan

0 Lainnya Blog Berikut»

BAB 1 PENDAHULUAN. mengikutkan konsep dasar, seperti kapasitas dan kesesuaian. Syarat-syarat yang

TEKNIK SIMULASI. Nova Nur Hidayati TI 5F

BAB II LANDASAN TEORI

Pertemuan 14. Teknik Simulasi

TOOLS SIMULASI INVENTORI PADA SUPERMARKET

Teknik Simulasi. Eksperimen pada umumnya menggunakan model yg dapat dilakukan melalui pendekatan model fisik atau model matametika.

ekonomi, serta para pakar yang mendukung diagnosa medis dan sebagainya ( Heizer,

BAB III METODE PENELITIAN

Dasar-dasar Simulasi

Penentuan Kebijakan Order dengan Pendekatan Vendor Managed Inventory untuk Single Supplier, Multi Product

Markov o C ha h in i s

RENCANA BIAYA PELAKSANAAN (RBP) YANG PALING MUNGKIN PADA PROYEK KONSTRUKSI DENGAN BANTUAN

BAB 2 LANDASAN TEORI. dari beberapa item atau bahan baku yang digunakan oleh perusahaan untuk

POSITRON, Vol. VI, No. 2 (2016), Hal ISSN :

BAB 4 HASIL DAN PEMBAHASAN. sarung tangan kain dan sarung tangan karet.

BAB V IMPLEMENTASI SIMULASI MONTE CARLO UNTUK PENILAIAN OPSI PUT AMERIKA

PENENTUAN NILAI OPSI INDONESIA

Experimental Design. Tjipto Juwono, Ph.D. March TJ (SU) Experimental Design March / 22

TEKNIK SIMULASI MONTERCARLO STUDI KASUS DAN PENYELESAIAN. Prepared by Hanna Lestari, M.Eng

Journal of Informatics and Technology, Vol 1, No 4, Tahun 2012, p 1-8

Karakteristik Limit dari Proses Kelahiran dan Kematian

ANALISIS PERENCANAAN PERSEDIAAN DENGAN PENDEKATAN METODE MONTE CARLO PADA PT DELIJAYA GLOBAL PERKASA

III HASIL DAN PEMBAHASAN

MODUL PENGOLAHAN DATA DENGAN SPREADSHEET 1

BAB I PENDAHULUAN. Ilmu kalkulus memiliki aturan aturan penyelesaian fungsi integral untuk

Pengukuran dan Peningkatan Kehandalan Sistem

BAB 2 LANDASAN TEORI

#12 SIMULASI MONTE CARLO

6/15/2015. Simulasi dan Pemodelan. Keuntungan dan Kerugian. Elemen Analisis Simulasi. Formulasi Masalah. dan Simulasi

Simulasi Monte-Carlo. Tom Huber, Erma Suryani, Pemodelan & Simulasi Wikipedia.

PENGACAKAN RANDOM SAMPLING DENGAN PENDEKATAN INVERSE-TRANSFORM RANDOM VARIATE GENERATOR BERBASIS DISTRIBUSI HIPERGEOMETRIK

2

BAB 4 PEMBAHASAN. PT. PLN (Persero) Udiklat Jakarta merupakan lembaga pendidikan yang

Hakekat Penelitian. Tjipto Juwono, Ph.D. January Tjipto (SU) Hakekat Penelitian Jan / 12

Fandhy Sikumbang Dosen Pend. Teknologi Informasi dan Komputer Fakultas Tarbiyah dan Ilmu Keguruan IAIN Bukittinggi

Statistik Non Parametrik

SIMULASI MONTE CARLO RISK MANAGEMENT DEPARTMENT OF INDUSTRIAL ENGINEERING

BAB 2 LANDASAN TEORI

Percobaan Perancangan Fungsi Pembangkit Bilangan Acak Semu serta Analisisnya

PembangkitVariabelRandom

BAB III ANALISIS DAN PERANCANGAN SISTEM. Saji Dengan Menggunakan Metode Next-event Time Advance.

BAB 3 Metode Penelitian

BAB II LANDASAN TEORI. Dalam Kamus Bahasa Inggris dari Oxford [13] menjelaskan simulasi : The

MODEL SIMULASI PERAWATAN SEPEDA MOTOR

Metode Monte Carlo. II. PENGHASIL ANGKA ACAK (RANDOM NUMBER GENERATOR) A. Penjelasan Singkat Mengenai Ketidakteraturan (Randomness) I.

Hakekat Penelitian. Tjipto Juwono, Ph.D. Aug 31, Tjipto (SU) Hakekat Penelitian Aug / 13

PENENTUAN UKURAN CONTOH DAN REPLIKASI BOOTSTRAP UNTUK MENDUGA MODEL REGRESI LINIER SEDERHANA

METODE MONTE CARLO. Pemodelan & Simulasi TM11

BAB IV ANALISIS 4.1 Analisis terhadap Data Tutupan Lahan

Transkripsi:

SIMULASI: Deterministik dan Monte Carlo Tjipto Juwono, Ph.D. April 2017 TJ (SU) SIMULASI: Deterministik dan Monte Carlo April 2017 1 / 14

Apa itu yang dimaksud dengan simulasi? Apabila semua data diperoleh melalui pengamatan atau pengukuran terhadap obyek atau proses yang sudah terjadi, maka kita menyebutnya sebagai analisa empiris. Jika sebagian atau seluruh data yang kita analisa tidak diperoleh dari pengamatan atau observasi, tetapi diperoleh dengan cara lain, maka kita melakukan simulasi. Jika seluruh data-data simulasi itu berupa variabel fixed, maka simulasinya adalah simulasi deterministik. Jika sebagian atau seluruh data-data simulasi itu berupa variabel random, maka simulasinya adalah simulasi Monte Carlo. TJ (SU) SIMULASI: Deterministik dan Monte Carlo April 2017 2 / 14

Mengapa kita membutuhkan simulasi? Apabila kita sudah mengetahui prosesnya (baik dari pengetahuan sebelumnya atau dari perancangan kita sendiri), maka kita dapat menggunakan simulasi untuk memprediksi apa yang akan terjadi. Apabila kita sudah mengetahui apa yang terjadi, tetapi kita tidak mengetahui prosesnya, maka kita dapat mensimulasi proses tersebut dan menguji apakah hasilnya sesuai dengan apa yang sungguh-sungguh terjadi. TJ (SU) SIMULASI: Deterministik dan Monte Carlo April 2017 3 / 14

Simulasi dengan bantuan What-if; Data table, pada Excel Prosedur simulasi dengan data table pada Excel 1 Susun dahulu prosesnya pada spreadsheet excel. Proses ini memuat cell input dan cell output 2 Buat tabel yang memuat input-input yang kita andaikan, lalu gunakan fasilitas what-if untuk menghubungkan input-input tersebut dengan proses yang sudah kita siapkan, sehingga excel dapat mengisi tabel what if itu dengan output dari simulasi itu. 3 Jika inputnya merupakan variabel fixed, maka simulasinya adalah simulasi deterministik. Jika inputnya diperoleh dengan bantuan random number generator, maka simulasinya adalah simulasi monte carlo. TJ (SU) SIMULASI: Deterministik dan Monte Carlo April 2017 4 / 14

Exponential Growth Pertumbuhan exponential dapat dimodelkan dengan: Integrasi Menghasilkan N dn dt N 0 dn N = λ Di dalam excel kita dapat menuliskan: = λn (1) t 0 dt (2) N = N 0 e λt (3) N i = N i 1 +λn i 1 δt (4) TJ (SU) SIMULASI: Deterministik dan Monte Carlo April 2017 5 / 14

Growth with exponential limit Pertumbuhan dengan exponential limit dapat dimodelkan dengan: dengan dn dt 1 dn N max dt dθ dt = λ(n max N) (5) = λ(1 N N max ) (6) = λ(1 θ) (7) θ = N N max Di dalam excel kita dapat menuliskan: θ i = θ i 1 +λ(1 θ i 1 )δt (8) TJ (SU) SIMULASI: Deterministik dan Monte Carlo April 2017 6 / 14

Apa itu yang dimaksud Monte Carlo Simulation? Eksperimen di dalam komputer Pada dasarnya Monte Carlo Simulation adalah eksperimen dengan menggunakan komputer yang memanfaatkan random number. Gambar 1: Contoh Monte Carlo Simulation TJ (SU) SIMULASI: Deterministik dan Monte Carlo April 2017 7 / 14

Apa itu yang dimaksud Monte Carlo Simulation? Istilah Monte Carlo pertama kali diajukan oleh Metropolis dan Ulam (1947). Ulam mempunyai seorang paman yang senang berjudi, dan Monte Carlo adalah nama tempat casino yang sangat terkenal di Monaco. TJ (SU) SIMULASI: Deterministik dan Monte Carlo April 2017 8 / 14

Bilangan Random Pada Excel bilangan random dapat diperoleh dengan perintah: = RAND() pada suatu cell. Perintah ini akan menghasilkan bilangan random r, dengan 0 r 1. TJ (SU) SIMULASI: Deterministik dan Monte Carlo April 2017 9 / 14

Bilangan Random Latihan: Buat dalam satu kolom, 400 bilangan random, lalu hitunglah berapa persen dari 400 bilangan random itu yang mempunyai nilai di antara 0 s/d 0.25, berapa persen 0.25 s/d 0.5, berapa persen 0.5 s/d 0.75, dan berapa persen mempunyai nilai lebih dari 0.75. Gunakan fungsi COUNTIF, contoh: = (COUNTIF(Data, >= 0 ) COUNTIF(Data, > 0.25 ))/400 Hitung pula rata-rata dari ke 400 bilangan random itu. Catatlah berapa hasilnya dengan mengganti ke-400 bilangan random itu dengan 400 bilangan random lainnya (dengan menekan F 9). TJ (SU) SIMULASI: Deterministik dan Monte Carlo April 2017 10 / 14

Probabilitas Bilangan random dapat digunakan untuk menghasilkan suatu kejadian dengan probabilitas tertentu. Latihan 2: Misalkan kita ingin membuat satu kolom yang berisi 10 angka dan terdiri dari angka-angka: 1 dengan probabilitas 0.25 dan angka 0 dengan probabilitas 0.75. Bagaimana caranya? Kita men-generate 10 angka random (0 r 1), kemudian pada kolom disebelahnya kita menulis angka 1 jika bilangan random itu kurang dari 0.25, dan angka 0 jika tidak. TJ (SU) SIMULASI: Deterministik dan Monte Carlo April 2017 11 / 14

Probabilitas Misalkan penjualan dari suatu produk mempunyai demand yang mengikuti tabel berikut ini: Demand Probability 10000 0.1 20000 0.35 40000 0.3 60000 0.25 Buat satu kolom yang terdiri dari 10 angka berupa keempat angka di atas (10000, 20000, 40000, 60000) di mana kemunculan angka 10000 mempunyai probabilitas 0.1, kemunculan angka 2000 mempunyai probabilitas 0.35, dst. TJ (SU) SIMULASI: Deterministik dan Monte Carlo April 2017 12 / 14

Probabilitas Buat sebuah kolom terdiri dari 10 angka random. a. r < 0.1, maka kita tulis 10000 di sebelahnya b. 0.1 r < 0.45, tulis 20000 c. 0.45 r < 0.75, tulis 40000 d. r 0.75, tulis 60000 TJ (SU) SIMULASI: Deterministik dan Monte Carlo April 2017 13 / 14

Probabilitas Misalkan penjualan dari suatu produk mempunyai demand yang mengikuti tabel berikut ini: Demand Probability 10000 0.1 20000 0.35 40000 0.3 60000 0.25 Misalkan harga per unit adalah $4, biaya produksi per unit adalah $1.5, dan jika tidak laku maka biaya pembuangan per unit adalah $0.2. Buatlah simulasi monte carlo untuk menentukan tingkat produksi yang akan menghasilkan keuntungan maksimum. TJ (SU) SIMULASI: Deterministik dan Monte Carlo April 2017 14 / 14