SIMULASI PENGENDALIAN PERSEDIAN GAS MENGGUNAKAN METODE MONTE

Download Dalam rangka meningkatkan efisiensi, setiap perusahaan dituntut untuk bisa memaksimalkan semua aspek – aspek atau proses – proses yang bisa...

0 downloads 434 Views 400KB Size
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