TENTANG UTS. Penentuan Cadangan, hal. 1

dokumen-dokumen yang mirip
SIMULASI MONTE CARLO UNTUK MENENTUKAN ESTIMASI CADANGAN MINYAK DI LAPANGAN X

Simulasi Monte Carlo

Seminar Nasional Cendekiawan 2015 ISSN:

DISTRIBUSI PROBABILITAS KONTINYU. Nur Hayati, S.ST, MT Yogyakarta, Maret 2016

II. LANDASAN TEORI. Pada bab ini akan diberikan beberapa definisi dan teorema yang berkaitan dengan

PEMBANGKIT RANDOM VARIATE

SIMULASI: Deterministik dan Monte Carlo

FORMAT LAPORAN MODUL V DISTRIBUSI SAMPLING

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Bab ini akan membahas mengenai hasil penelitian dan pembahasan yang

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

Bab V Hasil dan Pembahasan

DISTRIBUSI PELUANG KONTINYU DISTRIBUSI PROBABILITAS

DISTRIBUSI VARIABEL RANDOM

PROBABILITAS &STATISTIK. Oleh: Kholistianingsih, S.T., M.Eng.

TUGAS II STATISTIKA. Oleh. Butsiarah / 15B Kelas B PROGRAM STUDI PENDIDIKAN TEKNOLOGI DAN KEJURUAN PROGRAM PASCASARJANA

PERBANDINGAN KURVA PADA DISTRIBUSI UNIFORM DAN DISTRIBUSI BINOMIAL

Probabilitas dan Statistika Fungsi Distribusi Peluang Kontinyu. Adam Hendra Brata

BAB IV PEMBAHASAN. Sebelum melakukan analisis dengan penerapan simulasi Monte Carlo dan VaR,

BAB IV HASIL DAN PEMBAHASAN

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

5/3/2012. Objective. Objective STATISTIKA DALAM HIDROLOGI STATISTIKA DALAM HIDROLOGI STATISTIKA DALAM HIDROLOGI

BAB IV ANALISIS HASIL PENELITIAN. Tabel 4.1 Prosedur penarikan sampel

BAB III METODE PENELITIAN

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

ANALISIS STATISTIKA. Pertemuan 2 Statistika Dasar (Basic Statistics)

Statistik dan Statistika Populasi dan Sampel Jenis-jenis Observasi Statistika Deskriptif

Mata Kuliah Pemodelan & Simulasi

STUDI KASUS : SIMULASI MODEL PERMINTAAN SUPERMARKET DENGAN TEKNIK MONTECARLO

PENS. Probability and Random Process. Topik 2. Statistik Deskriptif. Prima Kristalina Maret 2016

Adi Setiawan Program Studi Matematika, Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Jl. Diponegoro Salatiga 50711

I Made Rommy Permana , Semester II 2010/2011 1

Detail Tugas Besar Mata Kuliah Pemodelan dan Simulasi

DISPERSI DATA. - Jangkauan (Range) - Simpangan/deviasi Rata-rata (Mean Deviation) - Variansi (Variance) - Standar Deviasi (Standart Deviation)

Metode Statistika STK211/ 3(2-3)

UKURAN NILAI SENTRAL&UKURAN PENYEBARAN. Tita Talitha, MT

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. A. Pengaruh Rasio Profitabilitas, Rasio Solvabilitas Dan Rasio Likuiditas Terhadap

BAB IV ANALISIS HASIL PENELITIAN. Dalam bab ini akan diuraikan hal-hal yang berkaitan dengan data-data

STK 211 Metode statistika. Agus Mohamad Soleh

FORMAT LAPORAN MODUL V DISTRIBUSI SAMPLING

Distribusi Probabilitas Kontinyu Teoritis

Distribusi Frekuensi dan Statistik Deskriptif Lainnya

terhadap kesehatan persalinan. Sehingga tak heran jika negara-negara maju di

PENS. Probability and Random Process. Topik 5. Beberapa jenis Distribusi Variabel Acak. Prima Kristalina April 2015

Adi Setiawan Program Studi Matematika, Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Jl. Diponegoro Salatiga 50711

PEMBANGKIT BILANGAN ACAK (Random Number Generator)

BAB IV ANALISA DAN PEMBAHASAN

Created by Simpo PDF Creator Pro (unregistered version)

Monte Carlo Simulation (1)

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

ANALISIS DATA SECARA RANDOM PADA APLIKASI MINITAB DENGAN MENGGUNAKAN DISTRIBUSI PELUANG

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

Metode Statistika STK211/ 3(2-3)

ek SIPIL MESIN ARSITEKTUR ELEKTRO

STK 211 Metode statistika. Materi 2 Statistika Deskriptif

BAB IV METODE PENELITIAN

Haryoso Wicaksono, S.Si., M.M., M.Kom. 26

Distribusi Frekuensi, Penyajian Data Histogram, Polygon dan Kurva Ogive

STATISTIKA DESKRIPTIF. Wenny Maulina, S.Si., M.Si

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Tabel 4.1

BAB 2 PENYAJIAN DATA

STK511 Analisis Statistika. Bagus Sartono

Statistika Deskriptif

Distribusi Frekuensi

STATISTIKA EKONOMI I Chapter 4 Distribusi Probabilitas Normal dan Binomial Chapter 5 Teori Sampling

DAN ANALISIS DATA. Sari Numerik. MA 2181 Analisis Data 8 Agustus 2011 Utriweni Mukhaiyar. 1. Statistik dan Statistika. 2. Populasi dan Sampel

ANALISIS DAN PEMBAHASAN

DAFTAR DISTRIBUSI FREKUENSI DAN GRAFIKNYA

BAB IV. Tabel 4.1. dan Pendapatan Bagi Hasil. Descriptive Statistics. Pembiayaan_Mudharabah E6 4.59E E E9

BAB IV ANALISIS HASIL DAN PEMBAHASAN. penelitian ini meliputi jumlah sampel (N), nilai minimum, nilai maksimum,

APLIKASI REGRESI SEDERHANA DENGAN SPSS. HENDRY admin teorionline.net Phone : / klik.statistik@gmail.com

MODUL II DISTRIBUSI PELUANG DISKRIT DAN KONTINU

BAB III SIMULASI PENGGUNAAN PERTIDAKSAMAAN PADA DISTRIBUSI

Distribution. Contoh Kasus. Widya Rahmawati

SIMULASI Kendalan (Reliability Simulation)*

Sampling Theory. Spiegel, M R, Schiller,J. Schaum's outline of probability and statistics.third Edition. United State: McGraw Hill ;2009.

PEMBAHASAN UTS 2015/2016 STATISTIKA 1

MA5182 Topik dalam Statistika I: Statistika Spasial. Utriweni Mukhaiyar

Bab 3 Kinerja Rata-rata dan Variabilitas


DISTRIBUSI NORMAL. Pertemuan 3. Distribusi Normal_M. Jainuri, M.Pd 1

BAB IV ANALISIS DAN PEMBAHASAN

BAB IV ANALISIS HASIL DAN PEMBAHASAN

PENGANTAR & STATISTIKA DESKRIPTIF. Utriweni Mukhaiyar

Kursus Statistika Dasar. Bagian 1. Pengelompokan Statistika. Istilah-istilah Dasar. Jenis Data. Pengelompokan Statistika lainnya. Bambang Suryoatmono

Modul 14. PENELITIAN OPERASIONAL I MODEL SIMULASI. Oleh : Eliyani PROGRAM KELAS KARYAWAN PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI

BAB V HASIL DAN PEMBAHASAN

BAB IV ANALISIS KORELASI ANTARA NILAI BTQ DENGAN PRESTASI BELAJAR MAPEL PAI DI SD KANDANG PANJANG 01 PEKALONGAN

Pr { +h =1 = } lim. Suatu fungsi dikatakan h apabila lim =0. Dapat dilihat bahwa besarnya. probabilitas independen dari.

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

Metode Statistika (STK211)

Universitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan ANALISIS FREKUENSI. Statistika dan Probabilitas

(Risk Analysis Simulator)

D. (1 + 2 ) 27 E. (1 + 2 ) 27

SIMULASI MONTE CARLO RISK MANAGEMENT DEPARTMENT OF INDUSTRIAL ENGINEERING

Probabilitas dan Statistika Distribusi Peluang Kontinyu 1. Adam Hendra Brata

Statistika Bisnis. Penyajian Data. Ika Sari, SE, M.Ak. Modul ke: Fakultas Ekonomi & Bisnis. Program Studi Akuntansi.

UKURAN SAMPEL DAN DISTRIBUSI SAMPLING DARI BEBERAPA VARIABEL RANDOM KONTINU

BAB VI DISTRIBUSI PROBABILITAS MENERUS

Perhitungan Volumetrik OOIP dan Analisis Ketidakpastiannya

BAB IV HASIL DAN PEMBAHASAN

Transkripsi:

TENTANG UTS Soal 1: Jawaban umumnya tidak fokus atau straight ke pertanyaan/ masalah yang diajukan. Key words dalam pertanyaan di atas tekanan saturasi, sedangkan dalam banyak jawaban di bawah tekanan saturasi atau pada p = p b. Argumentasi banyak yang menggunakan frase gas tidak bisa masuk lagi jika tekanan dinaikkan. Soal 2, 3, 4: Should be OK. Diberikan data dan gunakan persamaan yang telah dipelajari. Walau, lagi-lagi, wording argumentasi tidak fokus. Soal 5: Mudah, jika interpretasi h = 8 m vs. A = 2 km 2 benar. Ada yang tidak mengumpulkan cheat sheet. Penentuan Cadangan, hal. 1

Pendahuluan (1) Persoalan memperkirakan suatu harga dari suatu variabel dalam suatu proses alam yang mengandung ketidakpastian Dalam industri minyak, ketidakpastian terdapat dalam 1. perkiraan modal 2. cadangan 3. parameter ekonomi Ketidakpastian dikuantifikasi dengan selang harga (bukan satu harga pasti) yang mungkin serta tingkat kemungkinannya Ketidakpastian berkenaan dengan analisis risiko dan analisis probabilitas Penentuan Cadangan, hal. 2

Pendahuluan (2) Ketidakpastian yang menyangkut analisis risiko: 1. Suatu sumur wild cat memerlukan waktu antara 56 sampai 87 hari untuk mengebornya tidak mengatakan persis 65 hari. 2. Biaya total untuk pemboran tersebut antara US$ 4.3 juta sampai US$ 7.2. juta tidak menyebutkan persis US$ 5.2 juta Ketidakpastian yang menyangkut analisis probabilitas: 1. Berapa kemungkinan mendapatkan NPV suatu prospek melebihi target yang ditetapkan sebesar US$ 2.0 juta? 2. Seberapa mungkin tambahan cadangan dari program eksplorasi yang sedang dijalankan tahun ini akan menambah produksi tahun berikutnya? Penentuan Cadangan, hal. 3

Pendahuluan (3) Untuk mendapatkan harga suatu variabel dapat menggunakan pendekatan deterministik atau stokastik Proses deterministik satu keluaran (output) Proses stokastik keluaran lebih dari satu (banyak), mempunyai kemungkinan yang sama Kelebihan metode stokastik adalah memasukkan unsur ketidakpastian Penentuan Cadangan, hal. 4

Pendahuluan (4) proses perhitungan menggunakan suatu model yang berulang-ulang yang mensimulasi suatu proses dengan variabel berupa penyebaran (distribusi) harga Hasil dari proses simulasi Monte Carlo adalah hubungan probabilitas vs. harga variabel Penentuan Cadangan, hal. 5

Distribusi Harga Model berupa persamaan matematis dengan variabel yang dinyatakan berdasarkan distribusi frekuensi (probability density function) dan distribusi kumulatif (probability distribution function) Distribusi frekuensi dari variabel dalam model diperkirakan berdasarkan data yang terbatas sehingga distribusi yang dihasilkan tidak berbentuk kurva yang continous Hanya dapat memperkirakan harga minimum, maksimum, dan paling mungkin (most likely) - distribusi segi tiga (triangular) atau hanya harga minimum dan maksimum saja - distribusi segi empat (uniform distribution) Penentuan Cadangan, hal. 6

Distribusi Harga: Distribusi Segitiga dan Segiempat (1) Harga minimum, maksimum, dan yang paling mungkin distribusi berbentuk segi tiga: w(x) Distribusi segi tiga a b c Harga minimum dan maksimum saja distribusi berbentuk segi empat: w(x) Distribusi segi empat (seragam) a x b Penentuan Cadangan, hal. 7

Distribusi Harga: Distribusi Segitiga dan Segiempat (2) Untuk menghindari pengaruh subjektivitas dalam penentuan model distribusi variabel, digunakan bilangan acak (random number) Hasil perhitungan tersebut dinyatakan dalam histogram dan distribusi kumulatif Penentuan Cadangan, hal. 8

Distribusi Harga: Histogram (1) Kumpulan harga pengamatan suatu variabel dalam suatu model dinyatakan dalam bentuk distribusi frekuensi (bentuk histogram) Histogram diperoleh dari n hasil pengamatan yang dikelompokkan dalam suatu selang harga, x Jumlah pengamatan dalam selang harga dinyatakan dalam frekuensi absolut, f i, atau dalam frekuensi relatif, w i, dimana wi fi n Penentuan Cadangan, hal. 9

Distribusi Harga: Histogram (2) pengamatan = n selang harga = x Penentuan Cadangan, hal. 10

Distribusi Harga: Histogram (3) Frekuensi per satuan harga x sepanjang selang x disebut kerapatan jenis frekuensi (frequency density), w(x): w(x i) w i x Plot w(x) terhadap x berbentuk histogram; luas daerah w(x i )x i di bawah kurva sepanjang internal x i merupakan frekuensi (relatif) Luas daerah di bawah kurva w(x i ) sama dengan satu, sehingga: n n w(x i) xi wi 1 i1 i1 Bentuk histogram akan mendekati continous bila jumlah pengamatan banyak (harga n besar) Penentuan Cadangan, hal. 11

Distribusi Harga: Distribusi Normal dan Log-Normal (1) Distribusi frekuensi yang sering ditemukan untuk sifat fisik reservoir adalah distribusi normal atau log-normal Distribusi normal Distribusi log-normal Positive skew Negative skew Distribusi frekuensi normal berbentuk lonceng (bell shaped) yang simetris sehingga X mean = X mode = X median Penentuan Cadangan, hal. 12

Distribusi log-normal berbentuk seperti distribusi normal dengan salah satu sisinya menceng (skewness) ke kiri atau ke kanan Penentuan Cadangan, hal. 13

Distribusi Harga: Distribusi Normal dan Log-Normal (2) Hasil pengolahan data pengamatan dapat juga dinyatakan sebagai distribusi frekuensi kumulatif, W(x<x i ), dimana: xi W(x x i) w(x)dx Harga W(x<x i ) merupakan luas daerah di bawah kurva distribusi frekuensi w(x) untuk x < x i Harga tersebut menggambarkan besarnya peluang atau probability untuk mendapatkan harga x x i. Harga maksimum W(x<x i ) adalah 1, sehingga: W x x 1 Wx i x i Penentuan Cadangan Penentuan Cadangan, hal. 14

Distribusi Harga: Distribusi Normal dan Log-Normal (3) Untuk distribusi normal, kurva x terhadap W(x<x i ) pada probability paper berbentuk linier Untuk distribusi log-normal, kurva x terhadap W(x<x i ) pada probability paper juga linier bila sumbu log digunakan untuk variabel x. Penentuan Cadangan, hal. 15

PR 4 No.1 Selesaikan Contoh 3: Penentuan Distribusi Variabel pada diktat dengan memplot pada kertas grafik (probability paper) x terhadap W(x<x i ) sehingga diperoleh ciri (bentuk kurva) untuk jenis distribusi normal dan log-normal. Catatan: Probability paper dapat diminta di asisten. Penentuan Cadangan, hal. 16

Distribusi Segi Tiga (Distribusi ) (1) w(x) a b c x = a harga minimum x = b paling mungkin x = c maksimum Luas daerah di bawah kurva = 1 Penentuan Cadangan, hal. 17

Distribusi Segi Tiga (Distribusi ) (2) Persamaan untuk distribusi frekuensi w(x) dan distribusi frekuensi kumulatif W(x<x i ): 2(x a) w(x) x b (1) (c a)(b a) 2(c x) (c a)(c b) x b (2) w(x) = distribusi frekuensi. 2 x a W(x<x i ) x b (3) (c a)(b a) 2 c x 1 (c a)(c b) x b (4) W(x<x i ) = distribusi frekuensi kumulatif. Penentuan Cadangan, hal. 18

Distribusi Segi Empat (Distribusi ) (1) w(x) a x b x = a harga minimum x = b maksimum Distribusi frekuensi w(x) tetap untuk setiap harga x Penentuan Cadangan, hal. 19

Distribusi Segi Empat (Distribusi ) (2) Persamaan untuk distribusi frekuensi w(x) dan distribusi frekuensi kumulatif W(x<x i ): w(x) 1 a x b b a (5) (x a) W(x x i) a x b b a (6) Akibatnya: Grafik W(x<x i ) terhadap x untuk distribusi segi tiga berbentuk S (S-shaped) Grafik W(x<x i ) terhadap x untuk distribusi segi empat berbentuk linier Penentuan Cadangan, hal. 20

Distribusi Frekuensi w(x) dan Distribusi Frekuensi Kumulatif W(x<x i ) w(x) W(x<x i ) 1 a b c a x c w(x) W(x<x i ) a c a x c Penentuan Cadangan, hal. 21

Proses Simulasi (1) adalah proses perhitungan berulang-ulang sehingga menghasilkan sejumlah keluaran (output) Harga variabel x diperoleh berdasarkan persamaan distribusi frekuensi kumulatif (segitita dan segi empat) Berdasarkan persamaan untuk kedua distribusi tersebut diperoleh: 1. Distribusi segi tiga 0. 5 W(x a)(b a x a x i )(c ) x1 b 0. 5 1 W(x a)(c b x c x i )(c ) x1 b 2. Distribusi segi empat Penentuan Cadangan, hal. 22

x a W(x x i)(b a) Penentuan Cadangan, hal. 23

Proses Simulasi (2) Jadi, variabel x dapat dihitung jika W(x<x i ) diketahui Agar tidak bersifat subyektif, W(x<x i ) dicari dengan menggunakan bilangan acak (random number) Bilangan acak dapat diperoleh dengan cara: 1. Menggunakan random number generator yang tersedia dalam komputer 2. Menggunakan buku telepon dengan mengambil dua (dua) digit terakhir dari nomor telepon sebagai W(x<x i ) dalam bentuk fraksi. Penentuan Cadangan, hal. 24

Prosedur Simulasi 1. Tentukan model yang berupa satu atau lebih persamaan dengan asumsi dan hubungan antar variabel yang logik. 2. Pandang setiap parameter dalam model sebagai variabel acak yang memenuhi hubungan probabilitas vs. harga kumulatif 3. Pilih satu harga untuk setiap parameter dan kemudian run model. Proses ini menghasilkan satu keluaran dan disebut sebagai satu realisasi. 4. Ulangi Langkah 3. Proses ini disebut simulasi yaitu pengulangan sebanyak ribuan atau ratusan ribu kali perhitungan. 5. Lakukan pengolahan data dan analisis terhadap hasil dari Langkah 4 dengan menggunakan histogram atau distribusi frekuensi kumulatif Penentuan Cadangan, hal. 25

Penggunaan Bilangan Acak (1) Satu perhitungan dilakukan dengan satu set bilangan acak Jumlahnya bilangan acak sama dengan jumlah variabel dalam model perhitungan yang digunakan Simulasi dilakukan dengan jumlah set bilangan acak (n) lebih besar dari 1000 Urutan penggunaan bilangan acak dalam model bersifat tetap Penentuan Cadangan, hal. 26

Penggunaan Bilangan Acak (2) Bilangan acak Assigned to variable A B C RN 1 X a - - RN 2 - X b - RN 3 - - X c RN 4 X a - - RN 5 - X b - RN 6 - - X c dst. RN 1, RN 2, RN 3 satu set bilangan acak pertama RN 4, RN 5, RN 6 satu set bilangan acak kedua, dst. Dengan demikian, n set bilangan acak akan menghasilkan n keluaran (output) Penentuan Cadangan, hal. 27

Pengolahan Data dan Analisis 1. Tentukan harga terkecil dan terbesar dari keluaran 2. Tentukan jumlah selang - dapat digunakan rule of thumb: S = 1 + 3.3 log(n) dimana: S n = jumlah selang = jumlah data hasil simulasi 3. Tentukan frekuensi absolut f i dan frekuensi relatif, w i, untuk tiap selang, kemudian buat histogram. 4. Tentukan frekuensi kumulatif, kemudian plot distribusi frekuensi kumulatif. Penentuan Cadangan, hal. 28

PR 4 No.2 Selesaikan Contoh 4: Aplikasi Dalam Perhitungan Cadangan pada diktat dengan: 1. Melakukan simulasi dengan n = 1000 menggunakan Excel (Excel dapat menggenerate bilangan acak dengan fungsi @RAND) 2. Buat histogram dan kurva distribusi frekuensi kumulatif serta tentukan cadangan: Proven Proven + probable Proven + probable + possible Penentuan Cadangan, hal. 29