Achmad Fathoni-Fst

OPTIMASI PERSEDIAAN RANGKAIAN BUNGA HIAS
MENGGUNAKAN SIMULASI MONTE CARLO

(Studi Kasus pada CV Sentra Mulia Tahun 2011)
Achmad Fathoni
PROGRAM STUDI MATEMATIKA

FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI
SYARIF HIDAYATULLAH
JAKARTA
2011 M / 1432 H
OPTIMASI PERSEDIAAN RANGKAIAN BUNGA HIAS
MENGGUNAKAN SIMULASI MONTE CARLO
(Studi Kasus pada CV Sentra Mulia Tahun 2011)
Skripsi
Sebagai Salah Satu Syarat Untuk Memperoleh Gelar
Sarjana Sains
Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah
Oleh:
Achmad Fathoni
105094003078
PROGRAM STUDI MATEMATIKA

FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI
SYARIF HIDAYATULLAH
JAKARTA
2011 M / 1432 H
i
PENGESAHAN UJIAN
Skripsi yang berjudul “Optimasi Persediaan Rangkaian Bunga Hias

Menggunakan Simulasi Monte Carlo (Studi Kasus pada CV Sentra Mulia
Tahun 2011)” yang ditulis oleh Achmad Fathoni, NIM 105094003078 telah
diuji dan dinyatakan lulus dalam sidang Munaqosyah Fakultas Sains dan
Teknologi, Universitas Islam Negeri Syarif Hidayatullah Jakarta, pada tanggal 25
November 2011. Skripsi ini telah diterima sebagai salah satu syarat untuk
memperoleh gelar strata satu (S1) pada Program Studi Matematika.
Menyetujui :
Penguji I, Penguji II,
Dr. Agus Salim, M.Si Taufik Edy Sutanto, M.Sc.Tech

NIP. 19720816 199903 1 003 NIP. 19790530 200604 1 002
Pembimbing I, Pembimbing II,
Yanne Irene, M.Si Suma’inna, M.Si

NIP. 19741231 200501 2 018 NIP. 150 408 699
Mengetahui
: Dekan Fakultas Sains dan Teknologi Ketua Program Studi Matematika,
Dr. Syopiansyah Jaya Putra, M.Si Yanne Irene, M.Si

NIP. 19680117 200112 1 001 NIP. 19741231 200501 2 018
ii
ABSTRAK
Menjalankan bisnis rangkaian bunga hias tidaklah mudah. CV Sentra

Mulia dalam menjalankan bisnis rangkaian bunga hias membeli dari supplier
berdasarkan perkiraan manager. Tidak ada suatu pola atau perhitungan khusus.
Walaupun bunga yang dibeli dari supplier lebih murah daripada harga pasaran,
dalam menentukan jumlah yang akan dibeli harus tetap hati-hati. Jika bunga yang
dibeli dari supplier tidak terjual, maka dapat berakibat kerugian. Sebaliknya, jika
bunga yang dibeli dari supplier tidak dapat memenuhi permintaan konsumen, hal
ini menyebabkan keuntungan tidak optimal.
Dari enam rangkaian bunga yang diproduksi, ada tiga rangkaian yang
paling sering dipesan yaitu Executive Lounge, Long Vas Crysantium, dan Large
Arrangement. Ketiga rangkaian tersebut disimulasikan dengan metode Monte
Carlo sehingga diperoleh suatu perhitungan untuk menentukan jumlah bunga yang
dibeli dari supplier dengan tujuan memperoleh keuntungan optimal. Dengan
simulasi tersebut keuntungan menjadi optimal jika CV Sentra Mulia memproduksi
lima rangkaian bunga Executive Lounge, lima rangkaian Long Vas Crysantium,
dan enam rangkaian Large Arrangement sehingga rata-rata keuntungan setiap
harinya dapat meningkat sebesar Rp 16.300,-.
Kata kunci: Bilangan Acak, Model Persediaan, Monte Carlo, dan Optimasi
Keuntungan
iii
ABSTRACT
Running a business of flower arrangements is not easy. CV Sentra Mulia

in ornamental floral business buying ornamental floral from supplier based on
manager estimates. There are no pattern or specific calculations. Although the
flowers are purchased from suppliers cheaper than market price, in determining
the amount to be purchased must remain cautious. If the flowers are purchased
from suppliers are not sold, it could result in losses. Conversely, if the flowers are
purchased from suppliers can not meet consumer demand, this led to profit is not
optimum.
Of the six flower arrangements are produced, there are three flower
arrangements of the most frequently ordered the Executive Lounge, Long Vase
Crysantium, and Large Arrangement. The third flower arrangements are simulated
with the Monte Carlo method to obtain a calculation to determine the amount of
interest purchased from suppliers in order to obtain optimum advantage. By
simulating the benefits will be optimum if CV Sentra Mulia produce five
arrangements of Executive Lounge, five arrangements of Long Vase Crysantium,
and six arrangements of Large Arrangement so that the average advantage per day
can be increased Rp 16.300.
Keyword: Random Number, Inventory Model, Monte Carlo, and Optimum

Advantage
iv
KATA PENGANTAR
Assalamu’alaikum Wr. Wb.
Puji syukur senantiasa penulis panjatkan kehadirat Allah SWT yang telah
memberikan limpahan nikmat dan karunia-Nya sehingga Penulis dapat
menyelesaikan penulisan skripsi ini. Shalawat dan salam Penulis sampaikan
kepada Nabi Muhammad SAW yang dengan shalawat dan salam ini semoga
menjadi efek balik untuk memperoleh syafa’atnya di akhirat nanti.
Penulisan skripsi ini ditujukan sebagai syarat kelulusan yang harus
ditempuh mahasiswa Progam Studi Matematika, Fakultas Sains dan Teknologi,
Universitas Islam Negeri Syarif Hidayatullah Jakarta dalam mencapai jenjang
pendidikan sarjana strata satu.
Dalam penyusunan skripsi ini Penulis banyak mendapat bantuan dari
berbagai pihak, sehingga penulis dapat menyelesaikan skripsi ini. Dalam
kesempatan ini penulis ingin menyampaikan terima kasih kepada:
1. Bapak Dr. Syopiansyah Jaya Putra, M.Sis, sebagai Dekan Fakultas Sains
dan Teknologi.
2. Ibu Yanne Irene, M.Si sebagai Ketua Program Studi Matematika sekaligus
Pembimbing I, terimakasih atas saran dan bimbingannya dalam
penyusunan skripsi ini.
3. Ibu Suma’inna, M.Si sebagai Pembimbing II, terimakasih atas saran dan
bimbingannya dalam penyusunan skripsi ini.
4. Bapak Hadi Fahmi, direktur CV Sentra Mulia, terimakasih atas
kerjasamanya.
v
5. Untuk kedua orangtua yang tiada henti memberikan doa dan ridhonya.
Mohon maaf atas segala kesalahan sebagai anak. Untuk kakak-kakak
penulis, terima kasih atas bantuan dan motivasinya.
6. Untuk teman-teman di Prodi Matematika, terima kasih atas bantuan dan
dukungannya.
Penulis menyadari sepenuhnya bahwa skripsi ini masih jauh dari
kesempurnaan, masih banyak kekurangan dan kelemahan yang ditemukan, hal ini
disebabkan karena keterbatasan kemampuan Penulis. Untuk itu dengan segala
kerendahan hati Penulis selalu sedia menerima kritikan dan saran yang sifatnya
membangun dari pembaca.
Wassalamu’alaikum Wr.Wb.
Jakarta, Oktober 2011

Penulis
Achmad Fathoni
vi vi
DAFTAR ISI
HALAMAN JUDUL ...................................................................................... i
LEMBAR PENGESAHAN ............................................................................ ii
ABSTRAK ...................................................................................................... iii
ABSTRACT .................................................................................................... iv
KATA PENGANTAR .................................................................................... v
DAFTAR ISI ................................................................................................... vii
BAB I PENDAHULUAN .......................................................................... 1
1.1 Latar Belakang ........................................................................ 1
1.2 Permasalahan .......................................................................... 3
1.3 Pembatasan Masalah ............................................................... 3
1.4 Tujuan Penelitian .................................................................... 4
BAB II LANDASAN TEORI ...................................................................... 5
2.1 Rangkaian Bunga .................................................................... 5
2.2 Estimasi ................................................................................... 7
2.3 Probabilitas ............................................................................. 8
2.4 Distribusi Frekuensi ................................................................ 9
2.5 Bilangan Acak ......................................................................... 12
2.6 Simulasi Monte Carlo ............................................................. 15
BAB III METODOLOGI PENELITIAN ...................................................... 20
3.1 Waktu dan Tempat Penelitian ................................................. 20
3.2 Pengolahan Data ..................................................................... 21
3.3 Alur Penelitian ........................................................................ 22
BAB IV HASIL DAN PEMBAHASAN ....................................................... 23
4.1 Data Permintaan Rangkaian Bunga ........................................ 23
4.2 Simulasi Monte-Carlo ............................................................. 23

4.3 Analisis Hasil Simulasi ........................................................... 32
vii
BAB V KESIMPULAN DAN SARAN ....................................................... 36
5.1 Kesimpulan ............................................................................. 36

5.2 Saran ....................................................................................... 37
REFERENSI .................................................................................................. 38
LAMPIRAN .................................................................................................. 39
viii viii
BAB I
PENDAHULUAN
1.1 Latar Belakang
Bisnis rangkaian bunga hias tidak lagi hanya sebagai media untuk
mengucapkan tanda sukacita maupun dukacita, melainkan sudah menjadi
kebutuhan bagi perusahaan untuk menghias ruang kantornya agar nampak
alami. Sebagian besar peminat rangkaian bunga adalah perusahaan yang
bergerak di bidang perhotelan. Hal ini disebabkan karena kebanyakan
pengunjung hotel biasanya adalah wisatawan atau golongan elite yang
mengutamakan keindahan dan suasana alam.
Seiring bertumbuhnya bisnis perhotelan, maka bisnis rangkaian bunga
juga ikut mengalami pertumbuhan. Akibatnya, persaingan bisnis rangkaian
bunga semakin ketat karena pihak hotel lebih selektif dalam memilih
rangkaian bunga demi kepuasan pelayanan terhadap pengunjung hotel.
CV Sentra Mulia merupakan salah satu perusahaan yang bergerak
dalam bisnis rangkaian bunga. Perusahaan ini menjalankan bisnisnya dengan
cara membeli bunga dari supplier pada waktu dini hari, kemudian
merangkainya menjadi suatu rangkaian bunga untuk dijual kepada
konsumen, dalam hal ini biasanya adalah hotel-hotel di Jakarta. Selain itu
CV Sentra Mulia juga menyediakan bunga-bunga bagi hotel yang memiliki
tim florist untuk dirangkai sendiri.
1 1
Dalam upayanya memenuhi permintaan rangkaian bunga, CV Sentra
Mulia membuat berbagai macam tipe rangkaian bunga. Bunga-bunga yang
dibeli untuk membuat rangkaian dibeli dari supplier langsung, sehingga
harganya lebih murah dari harga pasaran. Dengan demikian, diharapkan CV
Sentra Mulia dapat memperoleh keuntungan yang optimum.
Walaupun bunga yang diperoleh dari supplier harganya lebih murah
dari harga pasaran, CV Sentra Mulia tetap harus berhati-hati dengan jumlah
bunga yang akan dibelinya karena jumlah permintaan rangkaian bunga tidak
menentu. Selama ini, CV Sentra Mulia membeli bunga dari supplier
berdasarkan intuisi manager, tanpa menggunakan suatu pola atau perhitungan
yang khusus. Padahal jika rangkaian yang dibuatnya tidak laku terjual, itu
artinya adalah kerugian bagi CV Sentra Mulia. Sebaliknya, jika permintaan
melebihi jumlah produksi, maka keuntungan yang diperoleh tidak akan
optimum karena untuk memenuhi permintaan tersebut bunga yang dibeli
adalah dari sesama penjual bunga yang harganya lebih mahal daripada harga
supplier.
Ketidakmenentuan jumlah permintaan bunga inilah yang membuat
bisnis rangkaian bunga menjadi tidak mudah. Dalam menjalankan bisnis ini,
terkadang ramai dan bisa meraup banyak untung, tapi terkadang usaha ini
membawa resiko kerugian mengingat bunga adalah barang yang tidak tahan
lama.
Salah satu model simulasi yang paling populer pada pengendalian
persediaan adalah simulasi Monte Carlo [1]. Model simulasi Monte Carlo
2
merupakan bentuk simulasi probabilistik dimana solusi dari suatu masalah
diberikan berdasarkan proses randomisasi. Dasar simulasi ini adalah
percobaan elemen kemungkinan dengan menggunakan sampel random [2].
Proses randomisasi ini melibatkan suatu distribusi probabilitas dari variabel-
variabel data yang dikumpulkan berdasarkan data masa lalu.
Dengan adanya suatu model pengendalian persediaan barang,
diharapkan barang tidak menumpuk di gudang dan mengurangi resiko rusak
pada barang tersebut. Dengan demikian simulasi Monte Carlo mengizinkan
manager untuk menentukan beberapa kebijakan yang menyangkut kondisi
perusahaan sehingga OPTIMASI PERSEDIAAN RANGKAIAN BUNGA
HIAS MENGGUNAKAN SIMULASI MONTE CARLO dapat
diaplikasikan di CV Sentra Mulia.
1.2 Permasalahan
1. Berapa keuntungan optimum yang dapat diperoleh CV Sentra Mulia dari
penjualan rangkaian bunga hias.
2. Berapa persediaan optimum rangkaian bunga hias yang diproduksi CV
Sentra Mulia.
1.3 Pembatasan Masalah
1. Penulis memberikan batasan masalah pada jenis rangkaian bunga yang
digunakan dalam penelitian. Rangkaian bunga yang digunakan dalam
penelitian ini adalah rangkaian bunga Executive Lounge, Long Vas
3
Crysantium, dan Large Arrangement karena ketiganya merupakan
rangkaian bunga yang paling sering dipesan.
2. Data jumlah permintaan yang diambil pada penelitian ini adalah pada
kondisi normal. Kondisi normal adalah kondisi pada waktu jumlah
permintaan rangkaian bunga relatif stabil, karena ada hari-hari tertentu
misal hari sebelum Hari Raya Idul Fitri (malam takbiran) permintaan
menjadi sangat tinggi.
3. Keuntungan atau laba yang dimaksud dalam penelitian ini adalah selisih
modal dengan penjualan. Sedangkan faktor gaji pegawai, listrik,
transportasi dan akomodasi diabaikan karena besarnya relatif tetap.
4. Bunga yang tidak laku terjual pada hari ini, tidak dijual lagi pada
keesokan harinya.
1.4 Tujuan Penelitian
1. Mengetahui keuntungan optimum yang dapat diperoleh CV Sentra Mulia
dari penjualan rangkaian Executive Lounge, Long Vas Crysantium, dan
Large Arrangement.
2. Mengetahui jumlah persediaan optimum rangkaian Executive Lounge,
Long Vas Crysantium, dan Large Arrangement yang diproduksi oleh CV
Sentra Mulia.
4
BAB II
LANDASAN TEORI
2.1 Rangkaian Bunga
Desain rangkaian bunga merupakan karya seni rupa yang unik karena
ditinjau dari penampilan karyanya yaitu menggunakan bahan-bahan yang
murni berasal dari alam. Keunikan dari karya desain rangkaian bunga disini
memiliki ciri khas tertentu yaitu gaya setiap rangkaian diciptakan dengan
konsep bentuk rangkaian yang selalu baru.
CV Sentra Mulia adalah salah satu perusahaan yang menjual
berbagai jenis rangkaian bunga. Ada 6 tipe rangkaian bunga yang
diproduksinya. Namun, hanya 3 rangkaian yang sering dipesan oleh hotel
dan sangat berpengaruh terhadap omzet dari CV Sentra Mulia, yaitu
Executive Lounge, Long Vas Crysantium, dan Large Arrangement
Rangkaian bunga Executive Lounge diberi label rangkaian bunga tipe
I. Rangkaian ini terdiri dari 5 batang bunga Sexy pink, 2 batang daun
Marbels, 1 batang daun Monstera, 5 batang Sugi, dan 2 batang Salix.
Rangkaian bunga Long Vas Crysantium diberi label rangkaian bunga tipe II.
Rangkaian ini terdiri dari 1 ikat bunga Crysantium yellow, 2 batang daun
Marbels, 1 batang daun Monstera, 2 batang Sugi, dan 3 batang Salix.
Rangkaian bunga Large Arrangement diberi label rangkaian bunga tipe III.
Rangkaian ini terdiri dari 5 batang Helicornia red dan 1 ikat daun
Pilodhenrum.
5 5
Harga jual rangkaian bunga tipe I adalah Rp 120.000,- dan modal
(jika bunga-bunga dibeli dari supplier waktu dini hari) untuk membuat
rangkaian ini adalah Rp 70.000,-. Namun jika jumlah permintaan melebihi
jumlah produksi, maka CV Sentra Mulia membeli bunga bukan dari supplier,
melainkan dari sesama penjual bunga sehingga modal untuk membuat
rangkaian bunga tipe I adalah Rp 90.000,-.
Harga jual rangkaian bunga tipe II adalah Rp 110.000,- sedangkan
modal (jika bunga-bunga dibeli dari supplier waktu dini hari) untuk membuat
jumah produksi, maka CV Sentra Mulia membeli bunga bukan dari supplier,
rangkaian bunga tipe II adalah Rp 85.000,-.
Harga jual rangkaian bunga tipe III adalah Rp 100.000,- sedangkan
modal (jika bunga-bunga dibeli dari supplier waktu dini hari) untuk membuat
jumlah produksi, maka CV Sentra Mulia membeli bunga bukan dari supplier,
rangkaian bunga tipe III adalah Rp 75.000,-.
Dengan demikian, perbandingan keuntungan membeli bunga
langsung dari supplier dan membeli bunga dari sesama penjual bunga, dapat
dilihat pada tabel berikut:
6
Tabel 2.1 Perbandingan keuntungan membeli bunga dari supplier dan
sesama penjual bunga
Rangkaian Beli dari supplier Beli dari pedagang

Harga Jual
Tipe Modal Keuntungan Modal Keuntungan
I 120.000 70.000 50.000 90.000 30.000
II 110.000 65.000 45.000 85.000 25.000
III 100.000 50.000 50.000 75.000 25.000
2.2 Estimasi
Estimasi adalah perkiraan mengenai nilai, jumlah, atau ukuran dari
sesuatu. Seorang perangkai bunga harus mampu mengestimasi jumlah
permintaan rangkaian bunga di siang hari agar bunga yang dibeli dari
supplier cukup untuk memenuhi permintaan hotel sehingga diperoleh
keuntungan yang optimal. Estimasi dengan cara ini dilakukan oleh orang
yang professional dan telah berpengalaman di bidang ini. Keuntungan
estimasi dengan teknik ini adalah cepat karena hanya berdasarkan intuisi
manager, dan jika seseorang sudah ahli dalam teknik ini, maka estimasi akan
akurat. Tetapi estimasi dengan cara seperti ini juga mempunyai kelemahan,
yaitu harus membutuhkan seorang yang ahli dalam membaca situasi politik,
ekonomi, dan sosial yang sedang berkembang.
Teknik estimasi dibagi menjadi dua, yaitu teknik estimasi
menggunakan Historical Cost Data dan teknik estimasi berdasarkan Unit
Rate [3]. Teknik estimasi menggunakan Historical Cost Data merupakan
metode estimasi secara kasar dimana penghitungan biayanya berdasarkan
pengalaman masa lalu [3]. Sedangkan teknik estimasi berdasarkan Unit Rate
7
merupakan sebuah metode estimasi biaya yang berdasarkan harga bahan dan
upah pekerja pada proyek tersebut [3].
2.3 Probabilitas
2.3.1 Ruang sampel
Eksperimen adalah suatu proses dimana suatu pengamatan
dicatat. Dengan demikian, suatu eksperimen dilakukan untuk
memperoleh informasi tentang masalah yang sedang dihadapi.
Sebuah eksperimen akan menghasilkan satu dan hanya satu peristiwa
sederhana [4]. Peristiwa sederhana yaitu sebuah peristiwa yang tidak
dapat diuraikan lagi [4].
Misalkan sebuah koin dilemparkan, maka akan diperoleh hasil
pengamatan angka atau gambar tetapi tidak mungkin diperoleh lebih
dari satu peristiwa sederhana pada waktu yang bersamaan. Untuk
setiap peristiwa sederhana, tentukan sebuah titik sampel. Maka
himpunan dari semua titik sampel untuk suatu eksperimen disebut
ruang sampel.
2.3.2 Peluang
Misalkan kejadian E dapat terjadi dalam h cara, dari seluruh n
cara dan n cara ini berkemungkinan sama, maka peluang terjadinya
peristiwa tersebut (disebut kesuksesannya) dinyatakan oleh:
h
p  Pr{E}  (2.1)
n
8
Probabilitas (peluang) tidak terjadinya kejadian ini (disebut
kegagalannya) dinyatakan oleh:

nh h
q  Pr{~ E}   1  1  p  1  Pr{E) (2.2)
n n
Jadi p + q = 1, atau Pr{E} + Pr{~E} = 1. Kejadian “~E” terkadang
dilambangkan oleh E . Probabilitas (peluang) suatu kejadian
dinyatakan oleh angka antara 0 dan 1. Jika kejadian itu tidak dapat
terjadi, maka probabilitasnya adalah 0. Sebaliknya, jika kejadian itu
terjadi maka probabilitasnya adalah 1.
2.4 Distribusi Frekuensi
Untuk dapat memahami data dengan mudah, baik data kualitatif
maupun kuantitatif harus disajikan dalam bentuk yang ringkas dan jelas [5].
Salah satu caranya adalah dengan distribusi frekuensi, yaitu pengelompokan
data kedalam beberapa kelompok dan kemudian dihitung banyaknya data
yang masuk kedalam kelompok tersebut [5]. Dengan demikian, data menjadi
informatif dan mudah dipahami. Bentuk umum tabel distribusi frekuensi
dapat dilihat pada tabel 2.2.
Tabel 2.2 Bentuk umum tabel distribusi frekuensi

Kelas (kategori) Frekuensi (fi)
Kelas ke-1 f1
Kelas ke-2 f2
... ...
Kelas ke-k fk
Jumlah (  ) n
9
dengan:
n : banyaknya data
k
fi : frekuensi pada kelas ke-i, i=1,2,3,…,k, sehingga n =  fi

i1
Untuk menunjukkan persentase dari total jumlah pengamatan masing-
masing kelas, digunakan frekuensi relatif [6]. Adapun cara mengubah
distribusi frekuensi menjadi distribusi frekuensi relatif, setiap frekuensi
dibagi dengan jumlah total pengamatan [6] dapat dituliskan sebagai berikut:
frekuensi kelas ke - i
frekuensi relatif kelas ke - i  (2.3)
total pengamatan (n)
Dalam suatu keadaan tertentu, yang menjadi suatu titik perhatian
mungkin bukan pada banyaknya data pada kelas tertentu, tetapi pada
banyaknya pengamatan yang jatuh diatas atau dibawah suatu nilai tertentu.
Distribusi frekuensi semacam inilah yang dikenal sebagai distribusi frekuensi
kumulatif.
Distribusi frekuensi kumulatif dibedakan menjadi 2 jenis, yaitu
frekuensi kumulatif “kurang dari” dan frekuensi kumulatif “lebih dari” [7].
Frekuensi kumulatif “kurang dari” merupakan penjumlahan dari mulai
frekuensi terendah sampai kelas tertinggi dan jumlah akhirnya merupakan
jumlah data (n). Sedangkan frekuensi kumulatif “lebih dari” merupakan
pengurangan dari jumlah data (n) dengan frekuensi setiap kelas dimulai dari
kelas terendah dan jumlah akhirnya adalah nol.
10
Misalkan dilakukan suatu pengamatan terhadap nilai ujian akhir
semester suatu kelas yang terdiri dari 25 orang seperti ditunjukkan pada tabel
2.3. Jika siswa yang mendapat nilai dibawah 60 dinyatakan tidak lulus tes,
maka siswa yang tidak lulus tes dapat dinyatakan sebagai frekuensi kumulatif
kurang dari 60.
Tabel 2.3 Nilai ujian akhir semester suatu kelas
Nilai Frekuensi
40– 49 2
50 – 59 3
60 – 69 15
70 – 79 4
80 – 89 1
Jumlah 25
Berdasarkan tabel 2.3, maka tabel distribusi frekuensi kumulatif “kurang dari”
dapat dilihat pada tabel 2.4.
Tabel 2.4 Distribusi frekuensi kumulatif < nilai UAS suatu kelas
Nilai Frekuensi Kumulatif

< 40 0
< 50 2
< 60 5
< 70 20
< 80 24
< 90 25
Berdasarkan tabel distribusi frekuensi kumulatif “kurang dari” di atas,
maka dapat dilihat jumlah siswa yang nilainya kurang dari 50 ada 2 orang,
kurang dari 60 ada 5 orang, kurang dari 70 ada 20 orang, kurang dari 80 ada
11
24 orang, dan kurang dari 90 ada 25 orang (semua siswa nilainya di bawah
90). Dengan demikian, siswa yang dinyatakan tidak lulus tes (kurang dari 60)
adalah 5 orang.
2.5 Bilangan Acak
Bilangan acak semula dihasilkan secara manual atau mekanis, dengan
menggunakan teknik seperti mesin pemintal, melempar dadu, atau mengacak
kartu [8]. Sementara itu, pendekatan modern menggunakan komputer agar
berhasil menghasilkan bilangan pseudo-acak [8]. Bilangan pseudo-acak
merupakan rangkaian nilai, yang walaupun dihasilkan secara pasti namun
memiliki penampilan variabel acak yang seragam dan independent [8].
Pembangkit bilangan acak terbagi menjadi dua tipe, yaitu Pembangkit
Bilangan Acak Semu (PBAS), dan Pembangkit Bilangan Acak Penuh
(PBAP) [9]. Pembangkit Bilangan Acak Semu menggunakan rutinitas
algoritma yang mengimplementasikan rumus matematika untuk
menghasilkan bilangan yang terlihat acak. Digunakan kata ”terlihat” sebelum
kata acak karena sebenarnya bilangan yang dihasilkan semua algoritma pada
tipe ini merupakan suatu barisan yang dapat diprediksi dengan mudah jika
mengetahui variabel inisiasinya (deterministik) [9]. Selain itu, bilangan acak
yang dihasilkan PBAS ini bersifat periodik, dalam artian bahwa setiap
beberapa baris, bilangan ini akan berulang [9] . Di luar kelemahannya ini,
PBAS mempunyai kelebihan kecepatan dalam menghasilkan barisan
bilangan acak [9].
12
Dengan sifat-sifat seperti yang disebutkan di atas, maka aplikasi yang
cocok untuk menggunakan PBAS ialah aplikasi yang membutuhkan barisan
bilangan acak yang besar secara cepat, serta dimana barisan bilangan yang
sama dapat dibangkitkan di lain kesempatan. Contoh dari aplikasi seperti itu
ialah permodelan dan statistik [9]. Beberapa algoritma pembangkitan
bilangan acak semu ialah Linear Congruential Generator (LCG), dan Blum
Blum Shub (BBS) [9]. Algortima LCG mempunyai rumus [9] :
xn  (axn1  b) mod m (2.4)
dengan :
xn = bilangan acak deret ke-n
xn-1 = bilangan acak sebelumnya
a = faktor pengali
b = increment factor
m = modulus factor
Misalnya saja, diberikan suatu aturan LCG dimana xn = (7xn-1 + 11) mod 17,
dimana x0 = 0 maka barisan 10 bilangan yang dihasilkan dapat dilihat pada
tabel 2.5.
Tabel 2.5 Bilangan acak dengan aturan LCG

n xn
0 0
1 11
2 3
3 15
4 14
5 7
6 9
13
Sebaliknya dari PBAS, Pembangkit Bilangan Acak Penuh
menghasilkan barisan bilangan dari ekstraksi fenomena aktivitas fisika dan
kemudian mengirimkannya kepada komputer melalui interface dengan port
serial ataupun paralel [9]. Beberapa fenomena fisika yang digunakan ialah
waktu dekomposisi dari materi radioaktif, seperti yang digunakan pada
layanan Hotbits yang diberikan laboratorium FormiLabs, ataupun gangguan
(noise) dari suatu perangkat elektronis (resistor, semikonduktor) [9]. Bahkan,
hampir semua fenomena yang sering terjadi pada kehidupan sehari-hari yang
kita jalani juga dapat dijadikan sumber untuk menghasilkan barisan bilangan
acak, misalnya saja jumlah gelembung udara pada akuarium ikan dan jumlah
bintang yang terlihat pada suatu malam [9]. Permasalahan dari penentuan
fenomena yang dapat dijadikan sumber untuk PBAP adalah apakah sumber
itu dapat dibaca oleh suatu perangkat keras untuk kemudian dikirim pada
komputer [9].
Karena PBAP ini selalu menghasilkan bilangan yang benar-benar
acak, tidak atau sangat susah ditentukan dengan suatu trigger (non-
deterministic), serta tidak bersifat periodik (sangat sulit menentukan
bagaimana perilaku fenomena tersebut terulang), maka akan sangat cocok
digunakan pada aplikasi yang membutuhkan kepercayaan penuh pada
bilangan acak yang dihasilkan [9]. Aplikasi semacam itu ialah pada
permainan judi, penentuan nomor pemenang pada permainan lotere, dan
aktivitas enkripsi pada kriptografi [9].
14
Dari penjelasan tersebut di atas, dapat disimpulkan perbedaan
karakteristik antara PBAS dan PBAP. PBAS memiliki efisiensi yang sangat
baik, namun deterministik dan bersifat periodik. Sebaliknya walaupun PBAP
memiliki efisiensi yang buruk, tapi PBAP bersifat non-deterministik dan
tidak periodik.
2.6 Simulasi Monte Carlo
Simulasi adalah program komputer yang berfungsi untuk menirukan
perilaku sistem nyata [10]. Adapun tujuan dari simulasi adalah antara lain
untuk pelatihan (training), studi perilaku sistem (behavior), dan
hiburan/permainan (game). Pemodelan dan simuasi merupakan salah satu
alat yang sering digunakan oleh manajemen dalam mempelajari atau
menganalisis perilaku kerja dari suatu sistem atau proses.
Model simulasi merupakan tool yang cukup fleksibel untuk
memecahkan masalah yang sulit dipecahkan dengan model matematis biasa.
Model simulasi sangat efektif digunakan untuk sistem yang relatif kompleks
untuk pemecahan analitis dari model tersebut. Penggunaan simulasi akan
memberikan wawasan yang lebih luas pada pihak manajemen dalam
menyelesaikan suatu masalah. Oleh karena itu, manfaat yang didapat dengan
menggunakan metode simulasi adalah sebagai tool bagi perancang sistem
atau pembuat keputusan, dalam hal ini manajer, untuk menciptakan sistem
dengan kinerja tertentu baik dalam tahap perancangan sistem maupun tahap
operasional.
15
Ada banyak kelebihan menggunakan model simulasi, beberapa
diantaranya yaitu [11]:
1. Tidak semua sistem dapat diinterpretasikan dalam model matematis,
sehingga simulasi merupakan alternatif yang tepat.
2. Dapat bereksperimen tanpa adanya resiko pada sistem nyata. Dengan
simulasi memungkinkan untuk melakukan percobaan terhadap sistem
tanpa harus menanggung risiko terhadap sistem yang berjalan.
3. Simulasi dapat mengestimasi kinerja sistem pada kondisi tertentu dan
memberikan alternatif desain terbaik sesuai dengan spesifikasi yang
diinginkan.
4. Simulasi memungkinkan untuk melakukan studi jangka panjang dalam
waktu relatif singkat.
5. Dapat menggunakan input data bervarisai.
Sedangkan kekurangan dari simulasi antara lain [11]:
1. Kualitas dan analisis model tergantung pada si pembuat model.
2. Hanya mengestimasi karakteristik sistem berdasarkan masukan tertentu.
Salah satu model simulasi yang paling popular pada pengendalian
persediaan adalah simulasi Monte Carlo [1]. Model simulasi Monte Carlo
merupakan bentuk simulasi probabilistik dimana solusi dari suatu masaah
diberikan berdasarkan proses randomisasi (acak). Proses acak ini melibatkan
suatu distribusi probabilitas dari variabel-variabel data yang dikumpulkan
16
berdasarkan data masa lalu maupun distribusi probabilitas teoritis. Bilangan
acak digunakan untuk menjelaskan kejadian acak setiap waktu dari variabel
acak dan secara berurutan mengikuti perubahan-perubahan yang terjadi
dalam proses simulasi.
Simulasi Monte Carlo merupakan simulasi terhadap sampling yang
bertujuan untuk mengestimasi distribusi dari variabel output yang bergantung
pada beberapa variabel input yang probabilistik. Istilah simulasi Monte Carlo
pertama digunakan selama masa pengembangan bom atom yang merupakan
nama kode dari simulasi fissi nuklir (nuclear fission) [11]. Banyak para
peneliti menggunakan istilah ini karena adanya kesamaan dengan game
roulette dalam kasino terkenal di Monte Carlo, Monaco. Simulasi Monte
Carlo sering digunakan untuk evaluasi dampak kebijakan perusahaan dan
risiko dalam pembuatan keputusan.
Dalam model simulasi Monte Carlo, harus ada asumsi tentang
ketidakpastian input. Ketidakpastian input ini dapat membentuk distribusi
probabilitas. Beberapa contoh ketidakpastian input diantaranya adalah
jumlah penjualan di masa mendatang, rata-rata pertumbuhan, faktor-faktor
inflasi, dan waktu antar kedatangan.
Ide dasar dari simulasi Monte Carlo adalah untuk menghasilkan nilai
dari beberapa variabel model yang ingin dipelajari. Akan ada banyak sekali
variabel yang sangat probabilistik pada kenyataan dan itu yang akan
dilakukan dalam proses simulasi. Tujuan utama dari simulasi ini yaitu untuk
17
melakukan eksperimen terhadap kemungkinan dari pengambilan sampel
secara acak. Selain itu, simulasi Monte Carlo merupakan salah satu jenis dari
proses simulasi yang cukup terkenal karena simulasi ini merupakan sebuah
model yang paling sering digunakan untuk sebuah proses analisa data. Model
ini merupakan sebuah cara dalam melihat masalah bahwa ada banyak
kemungkinan yang dapat muncul dalam sebuah proyek. Menurut Grey,
kemungkinan yang dimaksud dapat berupa subjek yang bermacam-macam
seperti harga atau biaya, volume, dan lain-lain.
Langkah-langkah utama dalam simulasi Monte Carlo adalah sebagai
berikut [1]:
1. Mendefinisikan distribusi probabilitas yang diketahui secara pasti dari
data yang didapatkan dari pengumpulan data di masa lalu.
2. Mengonversikan distribusi probabilitas ke dalam bentuk frekuensi
kumulatif. Distribusi probabilitas kumulatif ini akan digunakan sebagai
dasar pengelompokkan batas interval dari bilangan acak.
3. Menjalankan proses simulasi dengan menggunakan bilangan acak.
Bilangan acak dikategorikan sesuai dengan rentang distribusi
probabilitas kumulatif dari variabel-variabel yang digunakan dalam
simulasi. Faktor-faktor yang sifatnya tidak pasti seringkali
menggunakan bilangan acak untuk menggambarkan kondisi yang
sesungguhnya. Urutan proses simulasi yang melibatkan bilangan acak
akan memberikan gambaran dari variasi yang sebenarnya.
18
4. Analisis yang dilakukan dari keluaran simulasi sebagai masukan bagi
alternatif pemecahan permasalahan dan pengambilan kebijakan. Pihak
manajemen dapat melakukan evaluasi terhadap kondisi yang sedang
terjadi dengan hasil simulasi.
5. Melakukan simulasi berulang-ulang.
19
BAB III
METODOLOGI PENELITIAN
3.1 Metode Pengumpulan Data
Data yang digunakan pada penelitian ini adalah data sekunder berupa
data jumlah permintaan, persediaan dan keuntungan pada 3 rangkaian bunga
yang paling sering dipesan, yaitu Executive Lounge, Long Vas Crysantium
dan Large Arrangement. Data jumlah permintaan dan persediaan disajikan
pada tabel 3.1 (data selengkapnya di lampiran 2) dan data keuntungan
disajikan pada tabel 3.2 (data selengkapnya di lampiran 3). Pengumpulan
data dilakukan pada Bulan Mei 2011 di sekretariat CV Sentra Mulia.
Tabel 3.1 Data jumlah persediaan dan permintaan rangkaian bunga hias
Rangkaian Tipe I Rangkaian Tipe II Rangkaian Tipe III

Bulan Tgl
Permintaan Persediaan Permintaan Persediaan Permintaan Persediaan
1 5 7 8 5 8 6
2 4 5 4 6 7 9
3 7 4 7 5 4 7
4 4 6 5 7 8 7
5 8 5 4 5 6 6
6 4 6 4 6 10 8
J a n u a r i
7 10 7 5 5 4 6
8 5 7 6 7 8 5
9 4 5 8 7 5 7
10 8 5 10 6 7 6
11 9 6 8 5 10 8
12 8 5 7 4 5 6
13 7 4 6 6 6 7
14 10 6 8 6 9 7
15 8 7 5 5 7 6
20 20
Tabel 3.2 Data keuntungan penjualan rangkaian bunga hias (dalam ribuan rupiah)
Bulan Tgl Rangkaian Tipe I Rangkaian Tipe II Rangkaian Tipe III

1 110 300 350
2 130 50 250
3 290 275 50
4 60 95 375
5 340 115 300
Januar i
6 60 50 450
7 440 225 100
8 110 205 325
9 130 340 150
10 340 370 325
11 390 300 450
12 340 255 200
3.2 Pengolahan Data
Data yang telah diperoleh dari CV Sentra Mulia diinput kedalam
komputer untuk kemudian disimulasikan dengan metode Monte Carlo.
Langkah simulasinya adalah sebagai berikut:
1. Mendefinisikan distribusi probabilitas yang diketahui secara pasti dari
data bulan Januari sampai April 2011.
2. Membuat distribusi probabilitas kedalam bentuk frekuensi kumulatif
sebagai dasar pengelompokan batas interval bilangan acak.
3. Menjalankan proses simulasi dengan menggunakan bilangan acak.
4. Analisis output simulasi.
21
3.3. Alur Penelitian
Alur penelitian dapat dilihat pada gambar 3.1.
Input Data
Membuat Distribusi Variabel
Membuat Kumulatif Probabilitas untuk

Menentukan Interval Bilangan Acak
Model Simulasi
Analisis Hasil Simulasi
Kesimpulan
Selesai
Gambar 3.1 Alur penelitian
22
BAB IV
HASIL DAN PEMBAHASAN
4.1 Data Permintaan Rangkaian Bunga
Berdasarkan data yang diperoleh dari CV Sentra Mulia, jumlah
permintaan rangkaian bunga dari tanggal 1 Januari 2011 sampai dengan
tanggal 13 April 2011, dapat dilihat pada lampiran 2. Data permintaan
rangkaian bunga pada tanggal 12, 13 dan 14 Februari tidak dimasukkan
dalam tabel karena pada tanggal tersebut permintaan rangkaian bunga bukan
pada kondisi normal (hari Valentine pada tanggal 14 Februari menyebabkan
permintaan melonjak tajam), sedangkan permintaan pada kondisi normal
berada di interval 4 – 10 permintaan.
4.2 Simulasi Monte Carlo
Untuk menjalankan simulasi Monte Carlo, ada lima langkah yang
harus dilakukan, yaitu:
1. Membuat distribusi probabilitas dari setiap variabel dan membuat
kumulatifnya,
2. Membuat interval bilangan acak dari masing-masing variabel,
3. Melakukan simulasi dengan menentukan nilai secara acak, dan
4. Melakukan analisis terhadap hasil simulasi.
5. Melakukan simulasi berulang-ulang.
23 23
4.2.1 Membuat distribusi probabilistik dari variabel
Langkah pertama dalam menjalankan simulasi adalah dengan
menentukan distribusi probablistik dari variabel, dalam hal ini adalah
permintaan rangkaian bunga tipe I, II dan III.
Tabel 4.1 Distribusi probabilitas dan kumulatifnya
Tipe I Tipe II Tipe III

Permintaan
(rangkaian) Frek. Kum. Frek. Kum. Frek. Kum.
Prob. Prob. Prob.
(Hari) Prob. (Hari) Prob. (Hari) Prob.
4 13 0.13 0.13 16 0.16 0.16 16 0.16 0.16

5 13 0.13 0.26 14 0.14 0.30 13 0.13 0.29
6 11 0.11 0.37 16 0.16 0.46 13 0.13 0.42
7 17 0.17 0.54 15 0.15 0.61 15 0.15 0.57
8 26 0.26 0.80 23 0.23 0.84 24 0.24 0.81
9 8 0.08 0.88 4 0.04 0.88 8 0.08 0.89
10 12 0.12 1 12 0.12 1 11 0.11 1
Dari tabel 4.1 dapat dilihat bahwa untuk rangkaian bunga tipe I,
probabilitas terbesar adalah 8 permintaan rangkaian bunga dengan
nilai probabilitasnya adalah 0,26. Untuk rangkaian bunga tipe II,
nilai probabilitasnya adalah 0,23. Untuk rangkain bunga tipe III,
nilai probabilitasnya adalah 0,24.
24
4.2.2 Membuat interval dari masing-masing variabel
Langkah selanjutnya adalah menentukan interval bilangan acak
permintaan rangkaian bunga tipe I, II dan III. Bilangan acak yang
digunakan adalah bilangan acak 2 digit, yaitu 00 – 99. Untuk
membuat interval bilangan acak ini, dibuat dengan bantuan tabel 4.1.
Interval bilangan acak rangkaian bunga tipe I dapat dilihat pada
tabel 4.2 berikut ini:
Tabel 4.2 Interval bilangan acak rangkaian tipe I
Permintaan Frekuensi Prob. Kum. Interval

(rangkaian) (Hari) Permintaan Prob. Bil. Acak
4 13 0.13 0.13 0 - 12
5 13 0.13 0.26 13 - 25
6 11 0.11 0.37 26 - 36
7 17 0.17 0.54 37 - 53
8 26 0.26 0.80 54 - 79
9 8 0.08 0.88 80 - 87
10 12 0.12 1.00 88 - 99
Jika bilangan acak yang dibangkitkan pada simulasi berada pada
interval 0 dan 12 (termasuk 0 dan 12), berarti jumlah permintaan
simulasi untuk rangkaian bunga tipe I adalah 4 rangkaian. Jika
bilangan acak yang dibangkitkan pada simulasi berada pada interval
13 dan 25 (termasuk 13 dan 25), berarti jumlah permintaan simulasi
untuk rangkaian bunga tipe I adalah 5 rangkaian. Jika bilangan acak
yang dibangkitkan pada simulasi berada pada interval 26 dan 36
25
(termasuk 26 dan 36), berarti jumlah permintaan simulasi untuk
rangkaian bunga tipe I adalah 6 rangkaian. Jika bilangan acak yang
dibangkitkan pada simulasi berada pada interval 37 dan 53 (termasuk
37 dan 53), berarti jumlah permintaan simulasi untuk rangkaian
bunga tipe I adalah 7 rangkaian. Jika bilangan acak yang
bunga tipe I adalah 10 rangkaian.
Interval bilangan acak rangkaian bunga tipe II dapat dilihat pada
tabel 4.3 berikut ini:
Tabel 4.3 Interval bilangan acak rangkaian tipe II

4 16 0.16 0.16 0 - 15
5 14 0.14 0.30 16 - 29
6 16 0.16 0.46 30 - 45
7 15 0.15 0.61 46 - 60
8 23 0.23 0.84 61 - 83
9 4 0.04 0.88 84 - 87
10 12 0.12 1.00 88 - 99
26
simulasi untuk rangkaian bunga tipe II adalah 4 rangkaian. Jika
untuk rangkaian bunga tipe II adalah 5 rangkaian. Jika bilangan acak
rangkaian bunga tipe II adalah 6 rangkaian. Jika bilangan acak yang
46 dan 60), berarti jumlah permintaan simulasi untuk rangkaian bunga
tipe II adalah 7 rangkaian. Jika bilangan acak yang dibangkitkan pada
simulasi berada pada interval 61 dan 83 (termasuk 61 dan 83), berarti
jumlah permintaan simulasi untuk rangkaian bunga tipe II adalah 8
rangkaian. Jika bilangan acak yang dibangkitkan pada simulasi berada
pada interval 84 dan 87 (termasuk 84 dan 87), berarti jumlah
permintaan simulasi untuk rangkaian bunga tipe II adalah 9
permintaan simulasi untuk rangkaian bunga tipe II adalah 10
rangkaian.
Interval bilangan acak rangkaian bunga tipe III dapat dilihat
pada tabel 4.4 berikut ini:
27
Tabel 4.4 Interval bilangan acak rangkaian tipe III

4 16 0.16 0.16 0 - 15
5 13 0.13 0.29 16 - 28
6 13 0.13 0.42 29 - 41
7 15 0.15 0.57 42 - 56
8 24 0.24 0.81 57 - 80
9 8 0.08 0.89 81 - 88
10 11 0.11 1.00 89 - 99
simulasi untuk rangkaian bunga tipe III adalah 4 rangkaian. Jika
untuk rangkaian bunga tipe III adalah 5 rangkaian. Jika bilangan acak
rangkaian bunga tipe III adalah 6 rangkaian. Jika bilangan acak yang
42 dan 56), berarti jumlah permintaan simulasi untuk rangkaian bunga
tipe III adalah 7 rangkaian. Jika bilangan acak yang dibangkitkan
pada simulasi berada pada interval 57 dan 80 (termasuk 57 dan 80),
berarti jumlah permintaan simulasi untuk rangkaian bunga tipe III
adalah 8 rangkaian. Jika bilangan acak yang dibangkitkan pada
28
simulasi berada pada interval 81 dan 88 (termasuk 81 dan 88), berarti
jumlah permintaan simulasi untuk rangkaian bunga tipe III adalah 9
permintaan simulasi untuk rangkaian bunga tipe III adalah 10
rangkaian.
4.2.3 Menjalankan simulasi
Simulasi dilakukan sebanyak 1000 kali dan setiap simulasinya
selama 100 hari. Dari hasil bilangan acak yang diperoleh, selanjutnya
dikonversi kembali ke variabel permintaan dan dihitung
keuntungan/kerugian dengan membandingkan antara jumlah
permintaan simulasi dan persediaan simulasi.
Berdasarkan tabel 2.1, dapat dibuat formulasi perhitungan
keuntungan/kerugian ketiga rangkaian bunga hias sebagai berikut:
U1 = -70000XR1 + 120000XP1 - IF(R1<P1,(P1-R1)X90000,0) (4.1)
U2 = -65000XR2 + 110000XP2 - IF(R2<P2,(P2-R2)X85000,0) (4.2)
U3 = -50000XR3 + 100000XP3 - IF(R3<P3,(P3-R3)X75000,0) (4.3)
dengan,
U : keuntungan/kerugian
R : jumlah rangkaian yang diproduksi
P : jumlah permintaan
29
Simulasi pertama dari rangkaian bunga tipe I dapat dilihat pada
tabel 4.5 (selengkapnya ada di lampiran 4).
Tabel 4.5 Simulasi rangkaian bunga tipe I
Keuntungan (dalam ribuan rupiah)

Bilangan Permintaan jika memproduksi rangkaian sebanyak:
Hari
Acak (simulasi)
4 5 6 7 8 9 10
1 61 8 320 340 360 380 400 330 260
2 90 10 380 400 420 440 460 480 500
3 42 7 290 310 330 350 280 210 140
... ... ... ... ... ... ... ... ... ...
98 9 4 200 130 60 -10 -80 -150 -220
99 88 10 380 400 420 440 460 480 500
100 13 5 230 250 180 110 40 -30 -100
Rata-rata 7,19 295,7 303,1 302,4 290,9 262,3 216,6 162,8
Setelah dilakukan simulasi sebanyak 1000 kali pada rangkaian bunga
tipe I, diperoleh rata-rata keuntungan sebagai berikut:
Tabel 4.6 1000 kali simulasi rangkaian bunga tipe I

Permintaan jika memproduksi rangkaian sebanyak:
4 5 6 7 8 9 10
RATA-RATA SETELAH
7,02 290,7 299,1 295,7 282,5 253,9 201,9 142,7
1000 X SIMULASI
Simulasi pertama dari rangkaian bunga tipe II dapat dilihat pada
30
Tabel 4.7 Simulasi rangkaian bunga tipe II

Hari
Acak (simulasi)
4 5 6 7 8 9 10
1 42 6 230 250 270 205 140 75 10
2 32 6 230 250 270 205 140 75 10
3 16 5 205 225 160 95 30 -35 -100
... ... ... ... ... ... ... ... ... ...
96 14 4 180 115 50 -15 -80 -145 -210
97 67 8 280 300 320 340 360 295 230
98 29 5 205 225 160 95 30 -35 -100
99 11 4 180 115 50 -15 -80 -145 -210
100 40 6 230 250 270 205 140 75 10
Rata-rata 6,48 242 243,3 231,85 207,65 169 117,6 62,8
tipe II, diperoleh rata-rata keuntungan sebagai berikut:
Tabel 4.8 1000 kali simulasi rangkaian bunga tipe II

4 5 6 7 8 9 10
RATA-RATA SETELAH
6,76 249,0 255,5 250,1 231,2 199,6 148,4 93,8
1000 X SIMULASI
Simulasi pertama dari rangkaian bunga tipe III dapat dilihat pada
31
Tabel 4.9 Simulasi rangkaian bunga tipe III

Hari
Acak (simulasi)
4 5 6 7 8 9 10
1 64 8 300 325 350 375 400 350 300
2 94 10 350 375 400 425 450 475 500
3 44 7 275 300 325 350 300 250 200
4 59 8 300 325 350 375 400 350 300
5 58 8 300 325 350 375 400 350 300
6 48 7 275 300 325 350 300 250 200
7 24 5 225 250 200 150 100 50 0
8 33 6 250 275 300 250 200 150 100
... ... ... ... ... ... ... ... ... ...
91 19 5 225 250 200 150 100 50 0
92 83 9 325 350 375 400 425 450 400
93 87 9 325 350 375 400 425 450 400
94 81 9 325 350 375 400 425 450 400
95 86 9 325 350 375 400 425 450 400
96 48 7 275 300 325 350 300 250 200
97 66 8 300 325 350 375 400 350 300
98 23 5 225 250 200 150 100 50 0
99 26 5 225 250 200 150 100 50 0
100 49 7 275 300 325 350 300 250 200
Rata-rata 7,24 281,0 297,8 307,0 307,3 295,5 266,5 224,0
tipe III, diperoleh rata-rata keuntungan sebagai berikut:
Tabel 4.10 1000 kali simulasi rangkaian bunga tipe III

4 5 6 7 8 9 10
RATA-RATA SETELAH
6,86 271,5 284,6 287,8 281,5 263,7 227,9 186,1
1000 X SIMULASI
32
4.3 Analisis Hasil Simulasi
Berdasarkan tabel simulasi rangkaian bunga tipe I (lampiran 4), rata-
rata permintaan 1000 kali simulasi rangkaian tipe I adalah 7,02 permintaan.
Rata-rata keuntungan optimal yang dapat diperoleh per harinya dari
rangkaian tipe I pada simulasi pertama adalah Rp 303.100,- dengan
memproduksi 5 rangkaian setiap harinya selama 100 hari. Setelah 1000 kali
simulasi, rata-rata keuntungan optimal yang dapat diperoleh per harinya dari
rangkaian tipe I adalah Rp 299.100,- dengan dengan memproduksi 5
rangkaian setiap harinya selama 100 hari.
Gambar 4.1 Grafik rata-rata keuntungan 1000 kali simulasi rangkaian tipe I
Berdasarkan tabel simulasi rangkaian bunga tipe II (lampiran 5), rata-
rata permintaan 1000 kali simulasi rangkaian tipe II adalah 6,76 permintaan.
Rata-rata keuntungan optimal yang dapat diperoleh per harinya dari
rangkaian tipe II pada simulasi pertama adalah Rp 243.300,- dengan
33
rangkaian tipe II adalah Rp 255.500,- dengan memproduksi 5 rangkaian
setiap harinya selama 100 hari.
Gambar 4.2 Grafik rata-rata keuntungan 1000 kali simulasi rangkaian tipe II
Berdasarkan tabel simulasi rangkaian bunga tipe III (lampiran 6),
rata-rata permintaan 1000 kali simulasi rangkaian tipe III adalah 6,86
permintaan rata-rata keuntungan optimal yang dapat diperoleh per harinya
dari rangkaian tipe III pada simulasi pertama adalah Rp 307.300,- dengan
rangkaian tipe III adalah Rp 287.800,- dengan dengan memproduksi 6
rangkaian setiap harinya selama 100 hari.
34
Gambar 4.3 Grafik rata-rata keuntungan 1000 kali simulasi rangkaian tipe III
35
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Untuk rangkaian bunga tipe I, rata-rata jumlah permintaan adalah
7,02 rangkaian dan rata-rata persediaannya adalah 6,3 rangkaian serta
menghasilkan keuntungan rata-rata setiap harinya Rp 288.900,-. Dengan
simulasi Monte Carlo, rata-rata permintaan adalah 7,02 rangkaian dengan
keuntungan rata-rata setiap harinya Rp 299.100,- dengan memproduksi 5
rangkaian setiap harinya. Rata-rata keuntungan dengan simulasi Monte Carlo
lebih besar dibandingkan rata-rata keuntungan dengan yang dilakukan
manager sehingga simulasi ini dapat digunakan untuk rangkaian tipe I.
Untuk rangkaian bunga tipe II, rata-rata jumlah permintaan adalah
manager sehingga simulasi ini dapat digunakan untuk rangkaian tipe II.
Untuk rangkaian bunga tipe III, rata-rata jumlah permintaan adalah
36 36
manager sehingga simulasi ini dapat digunakan untuk rangkaian tipe III.
5.2 Saran
Untuk penelitian selanjutnya, sebaiknya menggunakan data-data yang
lebih banyak lagi dan simulasinya pun lebih dari 1000 kali sehingga hasil
simulasi akan lebih akurat. Simulasi juga sebaiknya dilakukan menggunakan
software pemrograman user friendly agar memudahkan dalam input dan
pengolahan data serta efisiensi waktu.
37
REFERENSI
[1] Djati, Bonett Satya Lelono. Simulasi Teori dan Aplikasinya. Yogyakarta: Andi
Offset, 2007.
[2] http://sutanto.staff.uns.ac.id/files/2009/03/model-simulasi-monte-carlo.pdf. 8 Agustus

2011 pukul 22:05 WIB.
[3] http://digilib.petra.ac.id/viewer.php?page=1&submit.x=0&submit.y=0&qual=high&f
name=/jiunkpe/s1/sip4/2004/jiunkpe-ns-s1-2004-21401055-4732-monte_carlochapte
r2.pdf. 22 Oktober 2011 pukul 23:40 WIB.
[4] Mendenhall, William dan James Reinmuth. Statistik untuk Manajemen dan Ekonomi.
Jakarta: Erlangga, 1982.
[5] Supranto, Johanes. Statistik Teori dan Aplikasi. Jakarta: Erlangga, 2000.
[6] Lind, Douglas A, dkk. Teknik – Teknik Statistika dalam Bisnis dan Ekonomi
Menggunakan Kelompok Data Global, Edisi 13. Jakarta: Salemba Empat, 2007.
[7] Boediono dan Koster, Wayan. Teori dan Aplikasi Statistika dan Probabilitas.
Bandung: PT Remaja Rosdakarya, 2004.
[8] http://elearning.gunadarma.ac.id/docmodul/pengantar_simulasi/bab3_bilangan_acak.
pdf. 22 Oktober 2011 pukul 23:50 WIB.
[9] http://www.informatika.org/~rinaldi/Kriptografi/2007-2008/Makalah1/MakalahIF50
54-2007-A-065.pdf. 22 Oktober 2011 pukul 23:20 WIB.
[10] Sridadi, Bambang. Pemodelan dan Simulasi Sistem. Bandung: Informatika, 2009.
[11] Suryani, Erma. Pemodelan dan Simulasi. Yogyakarta: Graha Ilmu, 2006.
38
Lampiran 1 Gambar rangkaian bunga
Rangkaian bunga tipe I

(Executive Lounge)
Rangkaian bunga tipe II

(Long Vas Crysantium)
Rangkaian bunga tipe III

(Large Arrangement)
39
Lampiran 2 Data jumlah persediaan dan permintaan rangkaian bunga hias

Bulan Tgl
1 5 7 8 5 8 6
2 4 5 4 6 7 9
3 7 4 7 5 4 7
4 4 6 5 7 8 7
5 8 5 4 5 6 6
6 4 6 4 6 10 8
7 10 7 5 5 4 6
8 5 7 6 7 8 5
9 4 5 8 7 5 7
10 8 5 10 6 7 6
11 9 6 8 5 10 8
12 8 5 7 4 5 6
13 7 4 6 6 6 7
14 10 6 8 6 9 7
J a n u a r i
15 8 7 5 5 7 6
16 4 6 10 7 5 6
17 10 7 6 8 5 7
18 6 8 10 7 8 5
19 8 6 8 6 6 6
20 5 6 6 6 4 6
21 8 7 7 8 8 7
22 6 8 4 6 9 8
23 6 5 8 4 7 8
24 10 7 5 6 10 8
25 8 5 10 8 4 6
26 9 6 4 6 8 5
27 5 7 5 6 4 7
28 8 6 8 8 6 6
29 4 5 7 8 7 6
30 7 6 8 10 8 5
31 5 6 8 7 10 8
1 5 7 5 6 8 7
2 8 5 10 8 4 6
Februar i
3 6 6 6 6 7 6
4 10 7 9 7 9 8
5 7 5 10 8 6 6
6 7 6 8 8 4 6
40
Bulan Tgl
7 6 6 4 6 8 8
8 5 6 6 6 5 6
9 8 7 7 8 10 7
10 8 8 6 7 7 6
11 10 10 5 6 8 8
15 10 8 8 6 4 6
16 4 7 6 7 8 4
F e b r u a ri
17 7 6 7 7 7 6
18 8 8 8 10 6 5
19 4 6 8 8 9 8
20 9 7 10 7 8 7
21 9 6 6 6 4 7
22 5 7 4 6 4 6
23 7 7 7 7 7 7
24 6 8 8 6 5 4
25 8 6 4 6 8 6
26 10 7 5 7 6 8
27 7 8 7 6 4 6
28 8 7 4 5 8 7
1 4 6 4 6 7 7
2 8 7 7 7 10 8
3 5 6 10 8 8 6
4 9 5 8 6 4 5
5 5 6 5 5 6 7
6 10 5 5 7 8 6
7 8 6 6 6 7 7
8 10 7 6 7 5 6
9 7 6 7 7 10 6
M a r e t
10 6 6 4 6 6 5
11 8 4 5 6 5 6
12 8 6 8 6 8 7
13 5 7 10 7 7 6
14 9 8 4 5 5 5
15 4 7 8 7 8 7
16 8 8 5 6 9 10
17 10 8 4 5 5 6
18 5 7 10 6 10 7
19 8 6 9 10 8 6
20 4 6 8 8 6 7
41
Bulan Tgl
21 4 5 7 9 5 6
22 6 5 8 8 5 7
23 7 6 5 6 7 6
24 8 6 10 8 9 7
M a r e t
25 7 5 6 6 4 5
26 4 4 8 7 8 4
27 6 7 9 8 6 5
28 6 8 9 6 10 6
29 5 7 8 6 8 5
30 7 7 5 7 9 8
31 8 6 6 6 10 6
1 7 6 8 7 8 6
2 9 7 4 6 4 6
3 10 7 7 7 8 7
4 8 6 6 4 6 5
5 8 7 7 5 4 4
A p r i l
6 9 7 10 7 7 6
7 7 5 7 6 10 5
8 8 6 4 6 9 4
9 7 7 8 5 4 7
10 6 5 6 7 8 10
11 7 6 6 6 5 6
12 7 5 4 4 6 7
13 8 6 7 6 7 5
Rata-Rata 7,02 6,30 6,75 6,50 6,86 6,39
42
Lampiran 3 Data keuntungan penjualan rangkaian bunga hias (dalam ribuan rupiah)

1 110 300 350
2 130 50 250
3 290 275 50
4 60 95 375
5 340 115 300
6 60 50 450
7 440 225 100
8 110 205 325
9 130 340 150
10 340 370 325
11 390 300 450
12 340 255 200
13 290 270 250
14 420 320 400
J a n u a r i
15 380 225 325

16 60 390 200
17 440 140 150
18 160 390 325
19 360 320 300
20 180 270 100
21 380 250 375
22 160 50 425
23 280 280 300
24 440 160 450
25 340 410 100
26 390 50 325
27 110 160 50
28 360 360 300
29 130 250 325
30 330 230 325
31 180 340 450
1 110 160 375
2 340 410 100
3 300 270 325
Februari
4 440 365 425

5 310 410 300
6 330 360 100
7 300 50 400
43
8 180 270 200
9 380 250 425
10 400 205 325
11 500 160 400
15 460 320 100
16 -10 205 300
17 330 315 325
F e b r u a ri
18 400 230 275

19 60 360 425
20 410 390 375
21 390 270 50
22 110 50 100
23 350 315 350
24 160 320 225
25 360 50 350
26 440 95 200
27 280 295 100
28 380 115 375
1 60 50 350
2 380 315 450
3 180 410 350
4 370 320 150
5 180 225 250
6 400 95 350
7 360 270 350
8 440 205 200
9 330 315 400
10 300 50 275
M a r e t
11 320 160 200

12 360 320 375
13 110 390 325
14 430 115 250
15 -10 340 375
16 400 160 400
17 460 115 200
18 110 370 425
19 360 340 350
20 60 360 250
21 130 185 200
22 280 360 150
44
23 330 160 325
24 360 410 400
25 310 270 150
26 200 340 300
Mare t
27 230 385 275

28 160 345 400
29 110 320 325
30 350 95 425
31 360 270 400
1 330 340 350
2 410 50 100
3 440 315 375
4 360 230 275
5 380 275 200
A p r i l
6 410 390 325

7 310 295 375
8 360 50 325
9 350 300 50
10 280 205 300
11 330 270 200
12 310 180 250
13 360 295 300
Rata-Rata 288,90 249,45 287,75
45
Lampiran 4 Simulasi rangkaian bunga tipe I

Hari
Acak (simulasi)
4 5 6 7 8 9 10
1 61 8 320 340 360 380 400 330 260
2 90 10 380 400 420 440 460 480 500
3 42 7 290 310 330 350 280 210 140
4 91 10 380 400 420 440 460 480 500
5 1 4 200 130 60 -10 -80 -150 -220
6 95 10 380 400 420 440 460 480 500
7 36 6 260 280 300 230 160 90 20
8 87 9 350 370 390 410 430 450 380
9 21 5 230 250 180 110 40 -30 -100
10 59 8 320 340 360 380 400 330 260
11 35 6 260 280 300 230 160 90 20
12 69 8 320 340 360 380 400 330 260
13 92 10 380 400 420 440 460 480 500
14 50 7 290 310 330 350 280 210 140
15 30 6 260 280 300 230 160 90 20
16 7 4 200 130 60 -10 -80 -150 -220
17 96 10 380 400 420 440 460 480 500
18 76 8 320 340 360 380 400 330 260
19 91 10 380 400 420 440 460 480 500
20 40 7 290 310 330 350 280 210 140
21 77 8 320 340 360 380 400 330 260
22 44 7 290 310 330 350 280 210 140
23 64 8 320 340 360 380 400 330 260
24 94 10 380 400 420 440 460 480 500
25 30 6 260 280 300 230 160 90 20
26 49 7 290 310 330 350 280 210 140
27 46 7 290 310 330 350 280 210 140
28 4 4 200 130 60 -10 -80 -150 -220
29 81 9 350 370 390 410 430 450 380
30 0 4 200 130 60 -10 -80 -150 -220
31 7 4 200 130 60 -10 -80 -150 -220
32 12 4 200 130 60 -10 -80 -150 -220
33 7 4 200 130 60 -10 -80 -150 -220
34 24 5 230 250 180 110 40 -30 -100
35 31 6 260 280 300 230 160 90 20
36 30 6 260 280 300 230 160 90 20
46
Hari
Acak (simulasi)
4 5 6 7 8 9 10
37 31 6 260 280 300 230 160 90 20
38 39 7 290 310 330 350 280 210 140
39 83 9 350 370 390 410 430 450 380
40 32 6 260 280 300 230 160 90 20
41 16 5 230 250 180 110 40 -30 -100
42 91 10 380 400 420 440 460 480 500
43 80 9 350 370 390 410 430 450 380
44 45 7 290 310 330 350 280 210 140
45 17 5 230 250 180 110 40 -30 -100
46 26 6 260 280 300 230 160 90 20
47 66 8 320 340 360 380 400 330 260
48 16 5 230 250 180 110 40 -30 -100
49 0 4 200 130 60 -10 -80 -150 -220
50 52 7 290 310 330 350 280 210 140
51 50 7 290 310 330 350 280 210 140
52 16 5 230 250 180 110 40 -30 -100
53 57 8 320 340 360 380 400 330 260
54 37 7 290 310 330 350 280 210 140
55 55 8 320 340 360 380 400 330 260
56 99 10 380 400 420 440 460 480 500
57 30 6 260 280 300 230 160 90 20
58 88 10 380 400 420 440 460 480 500
59 71 8 320 340 360 380 400 330 260
60 82 9 350 370 390 410 430 450 380
61 94 10 380 400 420 440 460 480 500
62 48 7 290 310 330 350 280 210 140
63 69 8 320 340 360 380 400 330 260
64 94 10 380 400 420 440 460 480 500
65 51 7 290 310 330 350 280 210 140
66 42 7 290 310 330 350 280 210 140
67 12 4 200 130 60 -10 -80 -150 -220
68 72 8 320 340 360 380 400 330 260
69 7 4 200 130 60 -10 -80 -150 -220
70 86 9 350 370 390 410 430 450 380
71 74 8 320 340 360 380 400 330 260
72 5 4 200 130 60 -10 -80 -150 -220
73 66 8 320 340 360 380 400 330 260
74 37 7 290 310 330 350 280 210 140
47
Hari
Acak (simulasi)
4 5 6 7 8 9 10
75 40 7 290 310 330 350 280 210 140
76 49 7 290 310 330 350 280 210 140
77 33 6 260 280 300 230 160 90 20
78 10 4 200 130 60 -10 -80 -150 -220
79 85 9 350 370 390 410 430 450 380
80 21 5 230 250 180 110 40 -30 -100
81 95 10 380 400 420 440 460 480 500
82 40 7 290 310 330 350 280 210 140
83 71 8 320 340 360 380 400 330 260
84 4 4 200 130 60 -10 -80 -150 -220
85 85 9 350 370 390 410 430 450 380
86 69 8 320 340 360 380 400 330 260
87 95 10 380 400 420 440 460 480 500
88 90 10 380 400 420 440 460 480 500
89 21 5 230 250 180 110 40 -30 -100
90 54 8 320 340 360 380 400 330 260
91 45 7 290 310 330 350 280 210 140
92 64 8 320 340 360 380 400 330 260
93 84 9 350 370 390 410 430 450 380
94 92 10 380 400 420 440 460 480 500
95 66 8 320 340 360 380 400 330 260
96 29 6 260 280 300 230 160 90 20
97 98 10 380 400 420 440 460 480 500
98 9 4 200 130 60 -10 -80 -150 -220
99 88 10 380 400 420 440 460 480 500
100 13 5 230 250 180 110 40 -30 -100
Rata-rata 7,19 295,7 303,1 302,4 290,9 262,3 216,6 162,8

4 5 6 7 8 9 10
RATA-RATA SETELAH
7,02 290,7 299,1 295,7 282,5 253,9 201,9 142,7
1000 X SIMULASI
48
Lampiran 5 Simulasi rangkaian bunga tipe II

Hari
Acak (simulasi)
4 5 6 7 8 9 10
1 42 6 230 250 270 205 140 75 10
2 32 6 230 250 270 205 140 75 10
3 16 5 205 225 160 95 30 -35 -100
4 16 5 205 225 160 95 30 -35 -100
5 29 5 205 225 160 95 30 -35 -100
6 80 8 280 300 320 340 360 295 230
7 16 5 205 225 160 95 30 -35 -100
8 9 4 180 115 50 -15 -80 -145 -210
9 45 6 230 250 270 205 140 75 10
10 63 8 280 300 320 340 360 295 230
11 10 4 180 115 50 -15 -80 -145 -210
12 29 5 205 225 160 95 30 -35 -100
13 90 10 330 350 370 390 410 430 450
14 88 10 330 350 370 390 410 430 450
15 22 5 205 225 160 95 30 -35 -100
16 31 6 230 250 270 205 140 75 10
17 20 5 205 225 160 95 30 -35 -100
18 69 8 280 300 320 340 360 295 230
19 49 7 255 275 295 315 250 185 120
20 13 4 180 115 50 -15 -80 -145 -210
21 22 5 205 225 160 95 30 -35 -100
22 7 4 180 115 50 -15 -80 -145 -210
23 49 7 255 275 295 315 250 185 120
24 55 7 255 275 295 315 250 185 120
25 17 5 205 225 160 95 30 -35 -100
26 43 6 230 250 270 205 140 75 10
27 13 4 180 115 50 -15 -80 -145 -210
28 82 8 280 300 320 340 360 295 230
29 9 4 180 115 50 -15 -80 -145 -210
30 87 9 305 325 345 365 385 405 340
31 86 9 305 325 345 365 385 405 340
32 59 7 255 275 295 315 250 185 120
33 11 4 180 115 50 -15 -80 -145 -210
34 67 8 280 300 320 340 360 295 230
35 63 8 280 300 320 340 360 295 230
36 35 6 230 250 270 205 140 75 10
49
Hari
Acak (simulasi)
4 5 6 7 8 9 10
37 67 8 280 300 320 340 360 295 230
38 41 6 230 250 270 205 140 75 10
39 83 8 280 300 320 340 360 295 230
40 62 8 280 300 320 340 360 295 230
41 5 4 180 115 50 -15 -80 -145 -210
42 58 7 255 275 295 315 250 185 120
43 46 7 255 275 295 315 250 185 120
44 10 4 180 115 50 -15 -80 -145 -210
45 0 4 180 115 50 -15 -80 -145 -210
46 97 10 330 350 370 390 410 430 450
47 96 10 330 350 370 390 410 430 450
48 44 6 230 250 270 205 140 75 10
49 71 8 280 300 320 340 360 295 230
50 34 6 230 250 270 205 140 75 10
51 86 9 305 325 345 365 385 405 340
52 5 4 180 115 50 -15 -80 -145 -210
53 96 10 330 350 370 390 410 430 450
54 38 6 230 250 270 205 140 75 10
55 39 6 230 250 270 205 140 75 10
56 54 7 255 275 295 315 250 185 120
57 7 4 180 115 50 -15 -80 -145 -210
58 26 5 205 225 160 95 30 -35 -100
59 32 6 230 250 270 205 140 75 10
60 49 7 255 275 295 315 250 185 120
61 79 8 280 300 320 340 360 295 230
62 26 5 205 225 160 95 30 -35 -100
63 93 10 330 350 370 390 410 430 450
64 93 10 330 350 370 390 410 430 450
65 80 8 280 300 320 340 360 295 230
66 13 4 180 115 50 -15 -80 -145 -210
67 87 9 305 325 345 365 385 405 340
68 55 7 255 275 295 315 250 185 120
69 98 10 330 350 370 390 410 430 450
70 69 8 280 300 320 340 360 295 230
71 80 8 280 300 320 340 360 295 230
72 88 10 330 350 370 390 410 430 450
73 93 10 330 350 370 390 410 430 450
74 9 4 180 115 50 -15 -80 -145 -210
50
Hari
Acak (simulasi)
4 5 6 7 8 9 10
75 95 10 330 350 370 390 410 430 450
76 55 7 255 275 295 315 250 185 120
77 19 5 205 225 160 95 30 -35 -100
78 48 7 255 275 295 315 250 185 120
79 12 4 180 115 50 -15 -80 -145 -210
80 56 7 255 275 295 315 250 185 120
81 27 5 205 225 160 95 30 -35 -100
82 59 7 255 275 295 315 250 185 120
83 15 4 180 115 50 -15 -80 -145 -210
84 10 4 180 115 50 -15 -80 -145 -210
85 7 4 180 115 50 -15 -80 -145 -210
86 88 10 330 350 370 390 410 430 450
87 37 6 230 250 270 205 140 75 10
88 0 4 180 115 50 -15 -80 -145 -210
89 0 4 180 115 50 -15 -80 -145 -210
90 37 6 230 250 270 205 140 75 10
91 46 7 255 275 295 315 250 185 120
92 53 7 255 275 295 315 250 185 120
93 18 5 205 225 160 95 30 -35 -100
94 60 7 255 275 295 315 250 185 120
95 53 7 255 275 295 315 250 185 120
96 14 4 180 115 50 -15 -80 -145 -210
97 67 8 280 300 320 340 360 295 230
98 29 5 205 225 160 95 30 -35 -100
99 11 4 180 115 50 -15 -80 -145 -210
100 40 6 230 250 270 205 140 75 10
Rata-rata 6,48 242 243,3 231,85 207,65 169 117,6 62,8

4 5 6 7 8 9 10
RATA-RATA SETELAH
6,76 249,0 255,5 250,1 231,2 199,6 148,4 93,8
1000 X SIMULASI
51
Lampiran 6 Simulasi rangkaian bunga tipe III

Hari
Acak (simulasi)
4 5 6 7 8 9 10
1 64 8 300 325 350 375 400 350 300
2 94 10 350 375 400 425 450 475 500
3 44 7 275 300 325 350 300 250 200
4 59 8 300 325 350 375 400 350 300
5 58 8 300 325 350 375 400 350 300
6 48 7 275 300 325 350 300 250 200
7 24 5 225 250 200 150 100 50 0
8 33 6 250 275 300 250 200 150 100
9 0 4 200 150 100 50 0 -50 -100
10 47 7 275 300 325 350 300 250 200
11 89 10 350 375 400 425 450 475 500
12 38 6 250 275 300 250 200 150 100
13 75 8 300 325 350 375 400 350 300
14 52 7 275 300 325 350 300 250 200
15 76 8 300 325 350 375 400 350 300
16 32 6 250 275 300 250 200 150 100
17 93 10 350 375 400 425 450 475 500
18 87 9 325 350 375 400 425 450 400
19 88 9 325 350 375 400 425 450 400
20 74 8 300 325 350 375 400 350 300
21 81 9 325 350 375 400 425 450 400
22 77 8 300 325 350 375 400 350 300
23 57 8 300 325 350 375 400 350 300
24 90 10 350 375 400 425 450 475 500
25 81 9 325 350 375 400 425 450 400
26 37 6 250 275 300 250 200 150 100
27 98 10 350 375 400 425 450 475 500
28 39 6 250 275 300 250 200 150 100
29 80 8 300 325 350 375 400 350 300
30 7 4 200 150 100 50 0 -50 -100
31 78 8 300 325 350 375 400 350 300
32 15 4 200 150 100 50 0 -50 -100
33 11 4 200 150 100 50 0 -50 -100
34 81 9 325 350 375 400 425 450 400
35 78 8 300 325 350 375 400 350 300
36 96 10 350 375 400 425 450 475 500
52
Hari
Acak (simulasi)
4 5 6 7 8 9 10
37 96 10 350 375 400 425 450 475 500
38 24 5 225 250 200 150 100 50 0
39 12 4 200 150 100 50 0 -50 -100
40 63 8 300 325 350 375 400 350 300
41 68 8 300 325 350 375 400 350 300
42 38 6 250 275 300 250 200 150 100
43 84 9 325 350 375 400 425 450 400
44 46 7 275 300 325 350 300 250 200
45 33 6 250 275 300 250 200 150 100
46 30 6 250 275 300 250 200 150 100
47 62 8 300 325 350 375 400 350 300
48 47 7 275 300 325 350 300 250 200
49 1 4 200 150 100 50 0 -50 -100
50 98 10 350 375 400 425 450 475 500
51 39 6 250 275 300 250 200 150 100
52 74 8 300 325 350 375 400 350 300
53 87 9 325 350 375 400 425 450 400
54 6 4 200 150 100 50 0 -50 -100
55 92 10 350 375 400 425 450 475 500
56 54 7 275 300 325 350 300 250 200
57 77 8 300 325 350 375 400 350 300
58 3 4 200 150 100 50 0 -50 -100
59 98 10 350 375 400 425 450 475 500
60 23 5 225 250 200 150 100 50 0
61 58 8 300 325 350 375 400 350 300
62 5 4 200 150 100 50 0 -50 -100
63 40 6 250 275 300 250 200 150 100
64 81 9 325 350 375 400 425 450 400
65 65 8 300 325 350 375 400 350 300
66 53 7 275 300 325 350 300 250 200
67 28 5 225 250 200 150 100 50 0
68 26 5 225 250 200 150 100 50 0
69 79 8 300 325 350 375 400 350 300
70 26 5 225 250 200 150 100 50 0
71 86 9 325 350 375 400 425 450 400
72 56 7 275 300 325 350 300 250 200
73 11 4 200 150 100 50 0 -50 -100
74 88 9 325 350 375 400 425 450 400
53
Hari
Acak (simulasi)
4 5 6 7 8 9 10
75 46 7 275 300 325 350 300 250 200
76 40 6 250 275 300 250 200 150 100
77 19 5 225 250 200 150 100 50 0
78 83 9 325 350 375 400 425 450 400
79 59 8 300 325 350 375 400 350 300
80 42 7 275 300 325 350 300 250 200
81 62 8 300 325 350 375 400 350 300
82 83 9 325 350 375 400 425 450 400
83 37 6 250 275 300 250 200 150 100
84 86 9 325 350 375 400 425 450 400
85 46 7 275 300 325 350 300 250 200
86 51 7 275 300 325 350 300 250 200
87 5 4 200 150 100 50 0 -50 -100
88 45 7 275 300 325 350 300 250 200
89 83 9 325 350 375 400 425 450 400
90 68 8 300 325 350 375 400 350 300
91 19 5 225 250 200 150 100 50 0
92 83 9 325 350 375 400 425 450 400
93 87 9 325 350 375 400 425 450 400
94 81 9 325 350 375 400 425 450 400
95 86 9 325 350 375 400 425 450 400
96 48 7 275 300 325 350 300 250 200
97 66 8 300 325 350 375 400 350 300
98 23 5 225 250 200 150 100 50 0
99 26 5 225 250 200 150 100 50 0
100 49 7 275 300 325 350 300 250 200
Rata-rata 7,24 281,0 297,8 307,0 307,3 295,5 266,5 224,0

4 5 6 7 8 9 10
RATA-RATA SETELAH
6,86 271,5 284,6 287,8 281,5 263,7 227,9 186,1
1000 X SIMULASI
54

Achmad Fathoni-Fst

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Achmad Fathoni-Fst

Uploaded by

Copyright:

Available Formats

OPTIMASI PERSEDIAAN RANGKAIAN BUNGA HIAS

MENGGUNAKAN SIMULASI MONTE CARLO

PROGRAM STUDI MATEMATIKA

PROGRAM STUDI MATEMATIKA

Skripsi yang berjudul “Optimasi Persediaan Rangkaian Bunga Hias

Dr. Agus Salim, M.Si Taufik Edy Sutanto, M.Sc.Tech

Pembimbing I, Pembimbing II,

Yanne Irene, M.Si Suma’inna, M.Si

Dr. Syopiansyah Jaya Putra, M.Si Yanne Irene, M.Si

Menjalankan bisnis rangkaian bunga hias tidaklah mudah. CV Sentra

Running a business of flower arrangements is not easy. CV Sentra Mulia

Keyword: Random Number, Inventory Model, Monte Carlo, and Optimum

Assalamu’alaikum Wr. Wb.

memberikan limpahan nikmat dan karunia-Nya sehingga Penulis dapat

menyelesaikan penulisan skripsi ini. Shalawat dan salam Penulis sampaikan

menjadi efek balik untuk memperoleh syafa’atnya di akhirat nanti.

Penulisan skripsi ini ditujukan sebagai syarat kelulusan yang harus

ditempuh mahasiswa Progam Studi Matematika, Fakultas Sains dan Teknologi,

Universitas Islam Negeri Syarif Hidayatullah Jakarta dalam mencapai jenjang

pendidikan sarjana strata satu.

Dalam penyusunan skripsi ini Penulis banyak mendapat bantuan dari

berbagai pihak, sehingga penulis dapat menyelesaikan skripsi ini. Dalam

kesempatan ini penulis ingin menyampaikan terima kasih kepada:

Pembimbing I, terimakasih atas saran dan bimbingannya dalam

penyusunan skripsi ini.

bimbingannya dalam penyusunan skripsi ini.

4. Bapak Hadi Fahmi, direktur CV Sentra Mulia, terimakasih atas

Mohon maaf atas segala kesalahan sebagai anak. Untuk kakak-kakak

penulis, terima kasih atas bantuan dan motivasinya.

6. Untuk teman-teman di Prodi Matematika, terima kasih atas bantuan dan

Penulis menyadari sepenuhnya bahwa skripsi ini masih jauh dari

disebabkan karena keterbatasan kemampuan Penulis. Untuk itu dengan segala

membangun dari pembaca.

Jakarta, Oktober 2011

HALAMAN JUDUL ...................................................................................... i

LEMBAR PENGESAHAN ............................................................................ ii

ABSTRAK ...................................................................................................... iii

KATA PENGANTAR .................................................................................... v

DAFTAR ISI ................................................................................................... vii

BAB I PENDAHULUAN .......................................................................... 1

1.1 Latar Belakang ........................................................................ 1

1.2 Permasalahan .......................................................................... 3

1.3 Pembatasan Masalah ............................................................... 3

1.4 Tujuan Penelitian .................................................................... 4

BAB II LANDASAN TEORI ...................................................................... 5

2.1 Rangkaian Bunga .................................................................... 5

2.2 Estimasi ................................................................................... 7

2.3 Probabilitas ............................................................................. 8

2.4 Distribusi Frekuensi ................................................................ 9

2.5 Bilangan Acak ......................................................................... 12

2.6 Simulasi Monte Carlo ............................................................. 15

BAB III METODOLOGI PENELITIAN ...................................................... 20

3.1 Waktu dan Tempat Penelitian ................................................. 20

3.2 Pengolahan Data ..................................................................... 21

3.3 Alur Penelitian ........................................................................ 22

BAB IV HASIL DAN PEMBAHASAN ....................................................... 23

4.1 Data Permintaan Rangkaian Bunga ........................................ 23

4.2 Simulasi Monte-Carlo ............................................................. 23

5.1 Kesimpulan ............................................................................. 36

1.1 Latar Belakang

mengucapkan tanda sukacita maupun dukacita, melainkan sudah menjadi

kebutuhan bagi perusahaan untuk menghias ruang kantornya agar nampak

alami. Sebagian besar peminat rangkaian bunga adalah perusahaan yang