JT-IBSI,Volume 01, Nomor 01, Oktober 2016
SIMULASI PENGENDALIAN PERSEDIAN GAS MENGGUNAKAN METODE MONTE CARLO DAN POLA LCM ( Studi Kasus di PT.PKM Group Cabang Batam ) Okta Veza Program Studi Teknik Informatika Sekolah Tinggi Teknik Ibnu Sina Batam Email:
[email protected] ABSTRAK Semakin ketatnya persaingan di bidang industri menuntut perusahaan agar lebih responsible dan tetap mampu memberikan dan menjawab kebutuhan konsumen ditingkat yang optimal tanpa mengurangi mutu ataupun layanan. Dalam rangka meningkatkan efisiensi, setiap perusahaan dituntut untuk bisa memaksimalkan semua aspek – aspek atau proses – proses yang bisa menimbulkan rendahnya tingkat responbility perusahaan dalam hal kesiapan persedian gas untuk mengantisipasi jumlah permintaan yang melonjak dan menumpuknya jumlah persedian gas di gudang. Penelitian ini dilakukan untuk mempelajari metode Monte Carlo yang diimplementasikan dalam suatu proses pengelolaan persediaan Gas di PT. PKM. Data dikumpulkan melalui observasi dan interview yang dilakukan pada bagian gudang, kasir, pemasaran dan pendistribusian gas. Selanjutnya data dianalisa dan diterapkan pada metode Monte Carlo. Dari eksperimen didapat skenario yang lebih baik jika diterapkan pada proses pendistribusian Gas sehingga didapat alternatif dalam mempersiapkan jumlah kebutuahn persedian gas untuk masa yang akan datang. Kata Kunci: Persediaan, Simulasi, Optimalisasi, Monte Carlo. Untuk beberapa tipe gas baik yang 3Kg, 12Kg, 12 Kg Bright light atau
1. PENDAHULUAN Pengadaan persediaan Gas pada
pun
yang
50Kg
tingkat
PT.PKM Group sulit diprediksi karena
penjualannya akan meningkat pesat
dipengaruhi
apabila situasi dan kondisi dihari –
oleh
banyak
faktor,
terutama : a.
Pertama,
hari besar keagamaan, dan normal Ketidak
pastian
dihari - hari biasa.
kebutuhan persedian pengorderan
b. Faktor Internal: Model persediaan
gas, gas yang dimaksud disini
yang sesuai untuk keadaan pangsa
adalah
pasar tidak dipahami manajemen
gas
LPG
(liquefied petroleum gas).
dengan baik; Kesulitan menghitung
Sedangkan dari segi pengorderan
biaya penanganan (handling cost)
yang dilakukan oleh Perusahaan ke
dan
Pertamina sangat berfluktuasi. 1
salah
dalam
melakukan
JT-IBSI,Volume 01, Nomor 01, Oktober 2016 perhitungan terhadap persediaan
pada bulan Juni tahun 2016
gas yang ada.
sampai dengan bulan Agustus tahun 2016, dengan ketentuan
Masalah penelitian
yang ini
diangkat
hanya
dalam
range dari pengolahan data yang
membahasa
akan
masalah pengadaan gas dikerenakan
b. Penelitian ini menganalisa dan
dilakukan oleh pangkalan. Maka dari
memodelkan penerapan simulasi
itu penulis menyimpulkan beberapa
Monte Carlo dalam penentuan
permasalahan yaitu.
jumlah gas yang harus tersedia
a.
Sistem
digudang .
seperti apa yang dapat membantu
c. Penelitian
pihak manajerial PT.PKM Group dalam
informasi
menyelesaikan pengadaan
dalam memperkirakan
jumlah
gas
disediakan agar
yang
harus
tidak
terjadi
paling
terjual
guna
pengambilan
a. Memahami penggunaan Algoritma Monte Carlo untuk mensimulasikan perhitungan kebutuhan pengadaan
hasil evaluasi simulasi Monte Carlo yang
banyak
oleh penulis yaitu :
men-simulasikan
Bagaimana
sistem
paling
ada beberapa tujuan yang ingin dicapai
proses penentuan persedian gas ?
terhadap
yang
Dalam melakukan penelitian ini
hasil implementasi metode Monte
c.
menyajikan
keputusan.
Bagaimana
dalam
gas
mendukung
kekosongan stok gas di gudang? b.
ini
diminati oleh konsumen dan
gas
terutama
Carlo
dua
satu bulan kedepan.
saat terjadinya pembelian yang
permasalahan
selama
bulan berjalan untuk simulasi
sering terjadinya kekosongan stok gas pada
dilakukan
persediaan Gas.
sedang
b. Menganalisa
berjalan ?
Algoritma
penggunaan Monte
Carlo
untuk
perhitungan kebutuhan pengadaan Supaya pembahasan dalam penelitian
persediaan gas agar dapat optimal
ini tidak terlalu luas maka dibatasi
dengan baik dan berguna bagi
pembahasannya sebagai berikut :
manajerial PT.PKM Group Batam
a. Data yang diteliti adalah data
untuk pengambilan keputusan.
penjualan gas di PT.PKM Group 2
JT-IBSI,Volume 01, Nomor 01, Oktober 2016 c. Dapat
menguji
sistem
dalam
mengklasifikasikan model-model
Monte
Carlo
untuk
simulasi yaitu:
metode
mengetahui kebutuhan persediaan
a. Model simulasi statik dan dinamik
gas agar sesuai dengan kebutuhan
Model
simulasi
satu bulan kedepan.
model
yang
statik
adalah
menggambarkan
Manfaat dari penelitian ini diuraikan
keadaan suatu sistem pada suatu
sebagai berikut ini.
waktu tertentu.
a. Pihak manajemen akan lebih tepat
Contohnya: laju penjualan pada
dalam mengambil keputusan untuk
waktu tertentu. Sedangkan model
menentukan kebutuhan persediaan
simulasi dinamik menggambarkan
gas di gudang.
keadaan
b. Pihak
manajemen
lebih
cepat
dalam
melakukan
pengambilan
suatu
sistem
sesuai
dengan perubahan yang terjadi sepanjang waktu,
keputusan dalam segi penjualan,
Contohnya: sistem
pembelian
untuk barang yang laku terjual
dan
pengaruhnya
terhadap persediaan gas.
sepanjang waktu.
c. Pihak manajemen lebih mengetahui kapan
harus
b. Model simulasi deterministik dan
melakukan
stokastik.
pengorderan gas ke pemasaok.
Model
teknik
sebagai
pemodelan
yang tidak memiliki
komponen
2. LANDASAN TEORI dikenal
simulasi
deterministik adalah suatu model simulasi
Simulasi
penjualan
yang
bersifat
suatu
probabilistik. Untuk model ini,
yang
nilai
input
untuk
suatu
menggambarkan hubungan sebab akibat
perhitungan hanya satu (tertentu),
suatu
menghasilkan
dan output ditentukan pada waktu
perilaku system yang hampir sama
seluruh input sudah ditentukan.
dengan perilaku system sebenarnya.
Tetapi
Selama periode saat didesain simulasi
kebanyakan
dapat digunakan untuk menghasilkan
memiliki
suatu catatan historis yang aktual dan
input yang random, sehingga
kesimpulan
digunakan
model
aktivitas yang terjadi (Benny Santoso -
stokastik,
contohnya
2008).
antrian
sistem
Ada tiga
untuk
statistik
hal
dari
semua
dalam
pada
kenyataannya,
sistem
yang
beberapa
dan
ada
komponen
inventori.
simulasi sistem Model
simulasi ini menghasilkan output 3
JT-IBSI,Volume 01, Nomor 01, Oktober 2016
c.
yang random dan output ini
dengan model matematik yang
dianggap
dievaluasi secara analitik. Dengan
sebagai
suatu
perhitungan karakteristik model
demikian
yang benar.
merupakan satu-satunya cara.
Model
simulasi
kontinue
dan
simulasi
seringkali
b. Simulasi memungkinkan estimasi
diskrit
kinerja sistem yang ada dengan
Model
simulasi
menggambarkan
diskrit
beberapa
perubahan
berbeda.
variabel state yang tiba-tiba pada periode
waktu
Sedangkan
yang
model
continue
kondisi
operasi
c. Rancangan-rancangan
acak.
yang
sistem
alternatif yang dianjurkan dapat
simulasi
dibandingkan
menggambarkan
dengan
simulasi
untuk mendapatkan yang terbaik.
perubahan variabel state yang
d. Pada simulasi bisa dipertahankan
konstan pada periode waktu yang
kontrol yang lebih baik terhadap
tetap.
kondisi eksperimen.
Keputusan
menggunakan
untuk
model
simulasi
e. Simulasi
memungkinkan
studi
continue dan diskrit untuk suatu
sistem dengan kerangka waktu
sistem tertentu tergantung pada
lama dalam waktu yang lebih
objek
dipelajari.
singkat, atau mempelajari cara
Sebagai contoh suatu model arus
kerja rinci dalam waktu yang
lalu lintas pada suatu jalan raya
diperpanjang.
yang
akan
bisa merupakan model diskrit jika
Adapun kekurangan atau kelemahan
karakteristik dan perpindahan tiap
dari simulasi, yaitu :
mobil dianggap penting. Tetapi
a. Simulasi tidak akurat. Teknik ini
jika
mobil-mobil
yang
ada
bukan proses optimisasi dan tidak
dianggap sebagai suatu kumpulan
menghasilkan
maka model ini merupakan model
tetapi
simulasi yang continue (Santoso
sekumpulan output dari sistem pada
B., Liliana. And Yapitro I, 2008).
berbagai kondisi yang berbeda.
Adapun kelebihan simulasi adalah
Dalam banyak kasus, ketelitiannya
sebagai berikut :
jawaban
menghasilkan
sulit diukur.
a. Sebagian besar sistem riil dengan elemen-elemen
hanya
sebuah
stokastik
b. Model simulasi yang baik bisa jadi
tidak
sangat
dapat dideskripsikan secara akurat
mahal,
bahkan
sering
dibutuhkan waktu bertahun-tahun 4
JT-IBSI,Volume 01, Nomor 01, Oktober 2016 untuk mengembangkan model yang
Persediaan adalah sejumlah barang
sesuai.
jadi, bahan baku, bahan dalam proses
c. Tidak
semua
situasi
dapat
yang
dimiliki
perusahaan
dagang
dievaluasi dengan simulasi. Hanya
dengan tujuan untuk dijual atau diproses
situasi yang mengandung ketidak-
lebih lanjut” (Menurut Rudianto dalam
pastian
Widya Tamodia - 2013).
yang
dapat
dievaluasi
dengan simulasi. Karena tanpa
Metode
monte
carlo
adalah
komponen acak semua eksperimen
algoritma
simulasi
mensimulasikan berbagai prilaku sistem
akan
menghasilkan
jawaban yang sama.
fisika
d. Simulasi menghasilkan cara untuk
koputasi
dan
untuk
matematika
(Alpianus
Sembiring - 2015).
mengevaluasi
solusi,
bukan
Simulasi Monte Carlo dikenal
menghasilkan
cara
untuk
juga dengan istilah Sampling Simulation
memecahkan
masalah.
Jadi
atau Monte Carlo Sampling Technique.
sebelumnya perlu diketahui dulu
Sampling
solusi atau pendekatan solusi yang
menggambarkan
akan diuji.
penggunaan data sampel dalam metode
Setiap
model
umumnya
akan
ini
kemungkinan
Monte Carlo dan juga sudah dapat
memiliki unsur-unsur sebagai berikut : a. Komponen-komponen
simulation
diketahui
model,
atau
distribusinya.
diperkirakan Simulasi
ini
yakni entitas yang membentuk
menggunakan data yang sudah ada
model,
sebagai
(historical
menjadi
dipakai pada simulasi untuk tujuan lain.
objek
didefinisikan sistem
yang
perhatian pokok.
data)
yang
sebenarnya
Dengan kata lain, apabila menghendaki
b. Variabel, yakni nilai yang selalu
model simulasi yang mengikutsertakan
berubah.
random dan sampling dengan distribusi
c. Parameter, yakni nilai yang tepat
probabilitas yang dapat diketahui dan
pada saat, tetapi bisa berubah
ditentukan maka cara simulasi Monte
pada waktu yang berbeda.
Carlo ini dapat dipergunakan. Metode
d. Hubungan hubungan
fungsional, antara
yakni
simulasi
komponen-
Monte
Carlo
ini
cukup
sederhana dalam menguraikan ataupun
komponen model.
menyelesaikan
e. Konstrain, yakni batasan dari
dalam
permasalahan yang dihadapi.
persoalan,
penggunaan
termasuk programnya
dikomputer (Bambang.,2009). 5
JT-IBSI,Volume 01, Nomor 01, Oktober 2016 tersedia
di
gudang
mampu
memenuhi permintaan pasar.
3. METODELOGI PENELITIAN Agar penelitian yang dilakukan
Maka diharapkan masalah dapat
dapat terlaksana dengan terstruktur
dipahami
dan sistematis maka dirasa perlu untuk
analisis
menyusun kerangka kerja. Masing-
dilakukan dengan beberapa tahap
masing tahapan dalam kerangka kerja
berikut:
tersebut dapat dilihat pada gambar 1
a. Tahap
dibawah ini.
dengan yang
baik.
Teknik
digunakan
dapat
identify
mengidentifikasi
yaitu:
permasalahan
yang terjadi b. Tahap
understand
yaitu:
memahami lebih lanjut tentang permasalahan yang ada dengan cara melakukan pengumpulan data yang dibutuhkan c. Tahap analyze yaitu: mencari kelemahan-kelemahan
sistem
yang ada dan mengumpulkan informasi tentang kebutuhankebutuhan lebih lanjut yang diperlukan oleh pemakai. Berdasarkan pemahaman dari masalah, Gambar 1 Kerangka Kerja Penelitian
maka ditentukan tujuan yang akan dicapai dari penulisan ini. Pada tujuan
Persediaan adalah aktiva penting yang
dimiliki
oleh
PT.PKM
Group
dilakukan
pengendalian
yang
baik
maka
untuk
ini ditentukan target yang dicapai,
perusahaan
terutama
harus
menjaga
mengatasi
masalah
dianalisa,
literatur
yang berhubungan dengan
permasalahan.
dengan permintaan pasar. Dalam hal ini dibutuhkan sistem yang bisa kebutuhan
dapat
masalah-masalah yang ada. Setelah
interen
persediaan tersebut agar sesuai
membaca
yang
persediaan
literatur
yang
diseleksi
untuk
maka
Kemudian dipelajari dapat
dipelajari
literaturtersebut ditentukan
literatur mana yang akan digunakan
Gas yang baik agar Gas yang
dalam penelitian ini. Sumber literatur 6
JT-IBSI,Volume 01, Nomor 01, Oktober 2016 didapatkan dari perpustakaan, jurnal,
merepresentasikan masalah ke dalam
artikel, yang membahas tentang Metode
basis pengetahuan (knowledge base).
Monte Carlo, Teknik Simulasi Monte
Perancangan Sistem
Carlo, Model dan Simulasi, Peramalan
a. Tahap Agregasi
(Forecast) dan bahan bacaan lain yang
Agregasi
mendukung penelitian.
pengelompokan yang
Dalam tahap pengumpulan data
menunjang
buku
untuk
b. Tahap
dapat
eksisting
ditempat
akan
2016 untuk proses kebutuhan validasi
adalah Manajer PT. PKM Group,
c. Tahap
untuk
perancangan
pendukung
menentukan teknik yang digunakan
dari
untuk
software kebutuhan
simulasi.
dalam simulasi pengendalian persediaan
dengan
simulasi
dengan metode Monte Carlo.
Gudang.
Carlo
hasil
sistem yang telah dirancangan
HRD, Pemasaran dan Kepala
Monte
untuk
menampilkan di bulan Agustus
ini pihak yang di wawancarai
menggunakan
kebutuhan
Pada proses simulasi hanya akan
yang dibutuhkan. Pada penelitian
dengan
sesuai
dari bulan juni dan juli 2016.
untuk
mendapatkan data atau informasi
gas
hanya
item gas berikut data penjualan
dilakukan dengan pihak yang
bertujuan
yang
simulasi mengacu kepada data
c. Wawancara Wawancara
ini
diambil
dengan
jelas.
Tahap
aplikasi
digunakan saat ini. Tabel yang
yang ada dapat diketahui secara
bertujuan
tabel
item gas akan didapat dari
penelitian sehingga permasalahan
yang
pengambilan
Data penjualan berikut listing
b. Studi lapangan Yaitu pengamatan
terkait
agar
eksisting
yang didapat.
langsung
terjual
kurang laku.
yang
menganalisa data dan informasi
secara
barang
akurat dibanding barang yang
a. Melakukan studi pustaka dengan buku-
laku
dari
proses
pengambilan data simulasi lebih
dilakukan beberapa cara yaitu :
membaca
merupakan
Software ini dibutuhkan untuk
metode
membantu simulasi kebutuhan
cara
pengendalian 7
persediaan
gas
JT-IBSI,Volume 01, Nomor 01, Oktober 2016 berdasarkan kebutuhan dengan merujuk
proses
Pada
penjualan
tahap
pengkajian kembali
ini
dilakukan
kelayakan dari
sebelumnya dari bulan juni dan
sistem yang telah dirancang, apakah
juli 2016.
sistem tersebut telah sesuai atau masih
d. Tahap Simulasi
perlu dilakukan peninjauan kembali
Simulasi permintaan kebutuhan
atau penyempurnaan.
persediaan gas dilakukan untuk
Pada tahap ini menjelaskan data-
mengetahui besarnya kebutuhan
data pendukung untuk pengolahan data
persediaan selama satu bulan
mengenai
kedepan.
persedian gas yang berasal dari tempat
e. Tahap Validasi Pada
manajemen
pengendalian
penulis melakukan studi kasus. Data-
tahap
dilakukan
data
yang dimaksud adalah data
perbandingan hasil antara data
historis penjualan gas, 3 Kg
rill dengan hasil simulasi bulan
tempat penulis melakukan penelitian.
agustus 2016.
pada
Tabel 1 Penjualan Juni 2016
Pada tahap ini akan dipaparkan hasil perhitungan hasil perhitungan simulasi persediaan dengan model kebijakan perusahaan. tersebut
Dengan
akan
dapat
melihat
hasil
dibandingkan
sistem pengendalian persediaan mana yang
terbaik
untuk
perusahaan. Tabel 2 Penjualan Juli 2016
Beberapa analisis dari hasil pengolahan data yang dilakukan, analisis tersebut adalah : a. Analisis
persediaan
gas
berdasarkan kondisi dan waktu b. Analisis persediaan maksimum c. Analisis persediaan minimum d. Perubahan
periode
review
Simulasi komputer harus dilakukan
persediaan
dengan menggunakan model komputer
e. Perubahan jumlah permintaan
untuk menirukan kehidupan nyata atau
persediaan
membuat prediksi. Metode Monte Carlo 8
JT-IBSI,Volume 01, Nomor 01, Oktober 2016 adalah
algoritma
untuk
Berikut adalah model deterministik
mensimulasikan berbagai prilaku sistem
parametrik dalam menentukan suatu
fisika dan matematika. Metode Monte
himpunan
variabel
masukan
dan
Carlo sangat penting dalam fisika
himpunan
variabel
keluaran
pada
komputasi dan bidang terapan lainnya,
penelitian ini seperti terlihat pada
serta memiliki aplikasi yang beragam
gambar 2
mulai
dari
kromodinamika hingga
komputasi
penghitungan kuantum
perancangan
esoterik
aerodinamika.
Metode ini terbukti efesien dalam memecahkan integral metode
persamaan
medan
diferensial
radians,
ini
sehingga
digunakan
Gambar 2. Model Deterministik
dalam
penghitungan dimensi yang diterapkan dalam
video
perancangan,
games, bisnis
arsitektur,
ekonomi
dan
lainnya. Penggunaan metode Monte Carlo memerlukan sejumlah besar bilangan acak, dan hal tersebut semakin mudah dengan
perkembangan
pembangkit
bilangan acak, yang jauh lebih cepat dan praktis dibanding dengan metode
Gambar 3. Langkah-langkah Simulasi Monte Carlo
sebelumnya. Simulasi Monte Carlo adalah suatu metode untuk berulang
mengevaluasi
ulang
suatu
Pengorderan terlampir pada kolom
secara
jumlah yang diakukan oleh pangkalan
model
Maskun
deterministik menggunakan himpunan
Tobing,
sehingga
jumlah
pengorderan gas dalam satu bulan
bilangan acak sebagai masukan. Metode
kedepan
ini sering digunakan bila model adalah
dapat
diketahui
untuk
Pangkalan Maskun Tobing.
kompleks, non linier, atau melibatkan
Dengan
banyak parameter tertentu yang saling
bentuk
data
terlampir
selama range waktu dua bulan terakhir
berhubungan.
yang dimulai dari bulan juni sampai 9
JT-IBSI,Volume 01, Nomor 01, Oktober 2016 dengan bulan juli 2016. Adapun bentuk
Filterlah
data
lampirannya dapat dilihat pada table
terjadinya penjualan pada awal
dibawah ini :
bulan
juni
dari
dan
awal
penjualan
terakhir pada juli 2016.
Tabel 3. Juni 2016
Nilai Maksimum = Max( 1 : N ). d. Setelah nilai min dan max ditentukan berikutnya range
maka adalah
interval
awal
tahap membuat sampai
dengan nilai interval akhir dari selisih nilai maksimum tertinggi. e. Selanjutnya tentukanlan midle point atau nilai tengah.
Tabel 4. Juli 2016
f. Terakhir baru hitunglah nilai penjualan yang terjadi sesuai kategori dari renge interval yang ada.
Bentuk dari rekapitulasi data dan Setelah selesai lakukan tahapan-
penentuan nilai min dan max dari
tahapan yang terlampir dibawah ini :
pangkalan maskun tobing selama
a. Rekap data perdua bulan
bulan juni dan juli 2016 dapat dilihat
Rekaplah data dari bulan juni –
pada table dibawah ini :
juli 2016 sesuai sampel diatas. Teble 5. Rekapitulasi dua bulan berjalan dan penentuan nilai min dan max
b. Filter data dalam menentukan nilai Minimum. Filterlah
data
dari
awal
terjadinya penjualan pada awal bulan juni dan penjualan terakhir pada bulan juli 2016. Nilai Minimum = Min( 1 : N ). c. Filter data dalam menentukan nilai Maksimum
10
JT-IBSI,Volume 01, Nomor 01, Oktober 2016 Tabel
6. Frekuensi Relative Pangkalan Maskun Tobing
Barikut penjelasan singkat dari tabel yang terlampir dibawah ini dengan sampel
pangkalan
Maskun
Tobing
dalam menentukan nilai frekuensi. Dari penentuan nilai min dan max yang terlampir
pada
table
4.5
Untuk
diatas.
memaksimalkan
hasil
Selanjutnya menentukan nilai interval
pengukuran simulasi dalam jumlah
dari nilai
tersebut
kuantitas gas yang harus disediakan
sehingga didapatlah nilai interval yang
oleh PT.PKM Group maka probabilitas
dimulai dari 60 range 10 sehingga
(Kemungkinan)
menjadi 60 – 69 sampai dengan nilai
kumulatif harus ditentukan terlebih
maksimum 130 – 139. Setelah selesai
dahulu, adapun bentuk dari penentuan
kita akan menentukan midle point yang
nilai probabilitas dan kumulatif dapat
ditentukan berdasarkan nilai tengah dari
dilihat pada uraian dibawah ini :
min dan max
dan
a. Langkah
interval contoh 60-69 nilai tengahnya
probabilitas
pertama
dalam
65, 70 – 79 nilai tengahnya 75 begitu
menentukan nilai probabilitas,
seterusnya
sampai
dengan
139.
nilai awal frekuensi dari tabel
Sedangkan
untuk
frekuensi
kita
frekuensi relatif dibagi dengan
banyaknya
nilai dari total frekuensi pada
tentukan
berdasarkan
transaksi dalam skala range yang ada,
tabel frekuensi tersebut.
Contoh : skala interval 60 – 69 transaksi
Ex : a = Nilai frekuensi awal
yang terjadi sebanyak 3 kali yakni
b = Total nilai frekuensi
60,65,66 bisa dilihat dari rekapitulasi
c = Probabilitas c= Round (a/b;3)
data selama dua bulan berjalan. Begitu
b. Untuk mencari nilai kumulatif
seterusnya sampai dengan selesai.
ditentukan Berikut frekuensi
terlampir
table
4.6
dari
relative
pada
pangkalan
dari
probabilitas dipindahkan
Maskun Tobing yang dijadikan sampel
nilai pertama
peda
kolom
kumulatif, sehingga untuk baris
dengan objek LPG 3 Kg.
kumulatif kedua ditentukan dari kumulatif 11
pertama
ditambah
JT-IBSI,Volume 01, Nomor 01, Oktober 2016 dengan nilai probabilitas kedua
awal probabilitas ditambah 0 untuk
begitu
kumulatif awal, dan untuk kumulatif
seterusnya
sampai
dengan baris interval terakhir. c. Dalam
mencari
kedua nilai kumulatif awal di tambah
interval
dengan nilai probabilitas kedua untuk
Probabilitas dan Probabilitas
kumulatif kedua.
kumulatif
Ex: 0,214+0=0,214
ditentukan
berdasarkan
range
terkecil
Kum awal = 0,214
sampai dengan nilai kumulatif
Kum kedua = 0,214+0,143=0,357
pada
Begitu
baris
pertama,
untuk
seterusnya
sampai
interfal baris kedua ditentukan
kumulatif
dari nilai akhir interfal pertama
interval ditentukan berdasarkan interval
ditambah satu, sampai dengan
awal dimulai dari 000 sampai dengan
renge interfal pada baris kedua.
range kumulatif, untuk interval kedua
Begitu
interval awal ditambah satu sampai
seterusnya
sampai
dengan selesai. Berikut
terakhir.Kemudian
dengan
dengan kumulatif kedua
bentuk
dari
Tabel
Ex:
Probabilitas dan Probabilitas kumulatif
Interval : 000-214
pada pangkalan maskun tobing yang di
215-357
jadikan
sampel
untuk
yang
diuji
dalam
Sampai dengan interval terakhir.
penerapan simulasi Monte Carlo ini. Contoh
cara
dalam
menentukan
Tabel 7. Probabilitas kemungkinan
Probabilitas, Kumulatif dan interval dari
dan kumulatif
sampel Pangkalan Maskun Tobing. Nilai Frekuensi Awal
dapat dilihat
pada tabel 4.20 dengan nilai frekuensi 3 dan total frekuensi 14. Dik : a = 3 b =14 Dit : c=?
Dalam
Penelitian
ini,
Jawab : c=round(a/c;3)
melakukan
c=round (3/14;3)
membangkitkan nilai random, adapun
c=0,214
metode yang penulis gunakan adalah
Sedangkan
untuk
mencari
nilai
metode
penulis untuk
dalam membangkitkan nilai random
kumulatif ditentukan berdasarkan nilai
tersebut adalah sebagai berikut : 12
JT-IBSI,Volume 01, Nomor 01, Oktober 2016 a. Linear Congruent Method (LCM) Penarikan
Random
seterusnya
sampai
dengan
selesai.
Number
Kemudian dalam menentukan hasil
dilakukan dengan Metode Linear
ditentukan berdasarkan mid x dengan
Congruent Method (LCM), sehingga
frekuensi, setelah hasil didapat, seluruh
didapatkan berapa banyak kebutuhan
hasil dijumlah dan dibagi dua untuk
persediaan
menentukan
barang
berdasarkan
penjualan. Penarikan angka random
jelasnya
untuk simulasi ini adalah sebagai
dibawah ini :
simulasi.
dapat
Untuk
lebih
pada
table
dilihat
berikut. (a*Xi)+c Mod m Untuk pengaturan maka dirumuskan sebagai berikut:
Tabel 8 Membangkitkan Nilai Random dengan parameter LCM Untuk Pangkalan Maskun Tobing .
a=128, c=72, m=900 dan Xo=321 (Mandala R., Defit S. and Firman, 2016). Penjelasan : untuk menentukan nilai di kolom (a*Xi)+c adalah (128 * 321)+72 41160
sehingga sedangkan
didapatlah Xi
nilai
nilai sudah
ditetapkan berdasarkan nilai Xo untuk nilai Xi kedua didapat dari nilai kolom (((a*Xi)+c);m)) jadi mod(41160;900) di dapat lah hasil 660 sedangkan untuk nilai mid ditentukan dari nilai yang ada pada kolom Xi, apabila nilai Xi=660 d. IMPLEMENTASI SISTEM
berarti nilai mid mengacu pada table 4.29 probabilitas dan kumulatif dengan
Untuk menguji kebenaran dari hasil
skala interval yang menentukan nilai
simulasi dan percobaan data yang telah
660 berada pada interval 572-714 pada
dikerjakan dan dihitung secara manual,
baris ke empat sedangkan untuk nilai
maka
mid lihat tabel 4.6 frekuensi relatif pada
sebuah
kolom mid point tepatnya pada baris
menggunakan
keempat dengan nilai mid=95, begitu 13
peneliti
mencoba
sistem
simulasi
Bahasa
merancang dengan
Pemrograman
JT-IBSI,Volume 01, Nomor 01, Oktober 2016 Java dengan langkah-langkah seperti berikut: 1.
Mempersiapkan variabel dibutuhkan
dan
yang
kemudian
menetapkan sampel yang menjadi rujukan
penulis
adalah
transaksi
penjualan
data
yang sudah
terjadi terhadap pangkalan Maskun Tobing pada bulan agustus. Untuk
Gambar 4 Simulasi Sistem
lebih jelasnya berikut tabel 9 data total teraksaksi pengorderan gas
e. KESIMPULAN
yang nantinya akan dijadikan data
Berdasarkan
pembahasan,
pembanding terhadap hasil simulasi
implementasi dan pengujian terhadap
dengan
simulasi sistem yang telah dilakukan,
menggunakan
metode
Monte Carlo. Tabel 9 Agustus
Data
maka penulis dapat menarik beberapa Penjualan
kesimpulan yaitu sebagai berikut:
Bulan
a. Penerapan simulasi dengan metode Monte Carlo dalam proses untuk menentukan persediaan pada PT.
2.
Untuk menjalankan sistem yang
PKM Group sangat penting dalam
di rancang ini harus menggunakan
mengoptimalkan
sebuah aplikasi Netbeands. Karena
prediksi
sistem yang di rancang masih
pemasok(Pertamina).
berbasis desktop. 3.
Selanjutnya
b. Metode buka
aplikasi
membantu
proses
permintaan
Monte
kepada
Carlo
pimpinan
melalui
PT.
dapat PKM
Netbeands kemudian runningkan
Group dalam mengetahui informasi
project simulasi. Dan kita akan
berupa prediksi jumlah permintaan
menemukan
gas yang harus di order.
simulasi
yang
tampilan
menu akan
c. Perancangan sistem simulasi dengan
menjawab jumlah persediaan yang
Bahasa Pemrograman JAVA dapat
harus disediakan oleh PT.PKM
membantu
Group.
jelasnya
terutama bagi user sistem yang
silahkan liihat gambar 4 dibawah
menggunakannya dalam mengetahui
ini:
prediksi jumlah permintaan gas
Untuk
nantinya
lebih
14
PT.
PKM
Group
JT-IBSI,Volume 01, Nomor 01, Oktober 2016 tanpa melakukan perhitungan secara
Utama
Cabang
Manado”
manual.
Vol.IX, No. 3. ISSN 2303-1174 Winda Nurcahyo, (2008). “Pendekatan Simulasi Monte Carlo Untuk
DAFTAR REFRENSI (2015).
Pemilihan
“Perancangan
Simulasi
Decision
Penjualan
Dengan
Outcome Yang Probabilistik”
Alpianus
Sambiring,
Metode
Barang
Monte
Carlo
Tenera Unit Sei Kopas” Vol.IX, No. 3. ISSN: 2301-9425 Sari
Dadi
(2009),
“Pemodelan dan Simulasi Sistem: Teori, Program
Aplikasi dalam
dan
Contoh
Bahasa
C”:
Artikel Benny Santoso dan Liliana. (2008). “Tools Simulasi Inventori Pada Supermarket”, ISSN: 1979-2328 Melati Suci dan Sudjono. (2015). “Rancangan
Aplikasi
Persediaan Barang Pada TB. Putra
Mas
Pangkalpinang”
Vol.2, No. 1. ISSN: 2406-7962 Syaeful Arif dan Taufiq Aji. (2015). “Pengendalian
Persediaan
Menggunakan Simulasi Berbasis Spreadsheet” Widya Tomodia, (2013). “Evaluasi Penerapan Sistem Pengendalian Intern Untuk
Persediaan
Tree
Pada
Dengan Nilai
Vol.13, No. 2. ISSN: 0853-8697
(Studi
Kasus : Koperasi Karyawan
Bambang
Alternatif
Barang
Dagangan Pada Pt. Laris Manis
15