Pembangkitan Bilangan Acak dalam Ms. Excel

BAB 2 LANDASAN TEORI

2.7 Pembangkitan Bilangan Acak dalam Ms. Excel

Dalam penelitian ini pembangkitan bilangan acak menggunakan bantuan Software Ms. Excel 2010 di mana Analysis Toolpak harus terlebih dahulu diinstal dengan cara sebagai berikut:

1. Pilih menu File kemudian klik Option:

Gambar 2.1 Menu File Ms. Excel 2010

2. Kemudian klik Add-Ins dan pada kolom Manage pilih Excel Add-Ins.

Gambar 2.2 File-Option Ms. Excel 2010 3. Pilih Analysis Toolpak kemudian klik Ok.

Gambar 2.3 Add-Ins Ms. Excel 2010

4. Untuk melihat Analysis Toolpak dapat dilihat dengan cara mengklik menu Data. Data Analysis berada pada bagian atas sebelah kanan jendela Ms. Excel 2010.

5. Untuk membangkitkan bilangan acak klik Data Analysis kemudian pilih Random Number Generation

Gambar 2.4 Data Analysis Ms. Excel 2010

6. Setelah mengklik Random Number Generation maka langkah selanjutnya adalah memilih jenis distribusi apa yang digunakan. Jenis distribusi dalam Excel yaitu uniform, normal, bernoulli, binomial, Poisson, patterned dan discrete. Berikut adalah tampilan pemilihan jenis distribusi.

Gambar 2.5 Random Number Generation

Berdasarkan Gambar 2.6 input yang dipelukan dalam membangkitkan bilangan acak adalah:

1. Jumlah variabel (number of variable)

Kolom number of variable adalah menentukan ada berapa banyak variabel yang hendak digunakan dalam membangkitkan bilangan acak

2. Jumlah bilangan acak (number of random number)

Pada kolom number of random number merupakan kolom yang digunakan untuk menentukan jumlah bilangan acak.

3. Distribution

Kolom distribution digunakan untuk memilih jenis distribusi pembangkitan bilangan acak.

4. Parameters

Input pada kolom parameters akan tergantung dari jenis distribusi yang akan dipilih. Pada umumnya, parameter yang dipakai adalah nilai rata-rata dan simpangan baku dari sebaran data.

BAB 3 PEMBAHASAN

3.1 Tiens

Pendiri Tiens Group adalah Li Jinyuan, lulus dari Universitas Nankai, meraih gelar Pasca Sarjana EMBA dan kualifikasi ekonom senior Li Jinyuan kini menjabat sebagai Direktur Utama, Presiden Tiens Group dan Ketua Dewan Direksi, CEO TIENS Bio Tech Group (USA) Inc. Didirikan pada tahun 1995 oleh Li Jinyuan di kawasan pengembangan Wuqing, Taman Industry Teknologi Baru di Tianjin, Tiens Group Co.,Ltd (selanjutnya disebut sebagai “Tiens Group”) memasuki pasar international pada tahun 1997.

Tiens Group telah menjadi sebuah grup multinasional yang spesialis di bidang bioteknologi, pendidikan, ritel, pariwisata, keuangan, perdagangan international, yang dianjurkan perusahaan tersebut E-bisnis dan bidang-bidang lainnya, dengan menyatukan modal industri, modal komersial dan modal keuangan. Usaha meliputi lebih dari 190 negara dan daerah, Tiens memiliki anak perusahaan atau cabang di 110 negara serta daerah. Dengan mengembangkan makanan kesehatan, perawatan kesehatan, perawatan kecantikan dan produk perawatan rumah tangga. Tiens Group menawarkan gaya hidup yang berkualitas tinggi dengan kesehatan, kebahagiaan , keindahan dan kekayaan kepada lebih dari 20 juta konsumen diseluruh dunia.

Tiens beroperasi tidak hanya sebagai perusahaan global dunia, tapi juga sebagai penanggung jawab masalah kesehatan, pembangunan dan harapan dunia.

Tiens, yang berasal dari China menjadi merek dagang international bagi konsumen diseluruh dunia, di Tiens semua staf memegang teguh dan menjaga makna dari filosofi perusahaan yaitu: “meningkatkan kesehatan umat manusia, melayani masyarakat, mengembangkan bisnis, dan memberikan penghargaan kepada Negara”.

3.2 Pengumpulan Data

Pada sub-bab ini akan menjelaskan tentang pengumpulan data. Adapun jenis data dalam peneilitian ini adalah data kuantitatif. Data diperoleh dari penjualan selama 24 Oktober 2014 – 24 Februari 2015 yaitu sebanyak 123 (lampiran I) untuk setiap jenis produk (calcium, zinc, dan spirulina). Pada penelitian ini data diperoleh dari penulis sendiri karena yang menjadi pelaku dalam penjualan produk peninggi badan Tiens adalah penulis.

3.3 Pengolahan Data

Dalam penelitian ini penulis menggunakan bantuan software SPSS 20 dan Ms. Excel 2010. Sebelum melakukan pengolahan data, penulis terlebih dahulu menyajikan deskripsi statistik data dalam bentuk tabel yang diolah dengan software SPSS 20. Berikut adalah deskripsi data penjualan 24 Oktober 2014 – 24 Februari 2015:

Tabel 3.1 Deskripsi Data

Descriptive Statistics

N Minimum Maximum Mean Std. Deviation

Calcium 123 0 7 1.85 1.535

Zinc 123 0 7 1.80 1.529

Spirulina 123 0 7 1.23 1.384

Valid N (listwise) 123

Sumber: Hasil Olahan Software SPSS 20

Dari Tabel 3.1 dapat dilihat bahwa jumlah data calcium, zinc dan spirulina masing-masing sebanyak 123. Pada hasil deskripsi data calcium menunjukkan bahwa nilai minimum 0, nilai maksimum 7, mean bernilai 1,85 dan standard deviation bernilai 1,535. Deskripsi data zinc menunjukkan bahwa nilai minimum adalah 0, nilai maksimum 7, mean bernilai 1,80 dan standar deviation bernilai 1,384. Hasil deskripsi data spirulina menunjukkan bahwa nilai minimum 0, maksimum 7, mean 1,23 dan standard deviation 1,384.

Berikut adalah model pengolahan data dengan menggunakan metode simulasi Monte Carlo:

Gambar 3.1 Model Simulasi Monte Carlo

Langkah-langkah pengolahan data dengan menggunakan metode simulasi Monte Carlo berdasarkan gambar 3.1 adalah sebagai berikut:

Mulai

Pengumpulan Data

Uji Distribusi Data

Membangkitkan Bilangan Acak Berdasarkan Pola

Distribusi Data

Uji Replikasi dan Uji Validasi Hasil Simulasi

Membuat Kesimpulan

Selesai Menetapkan Pola

Distribusi Data

1. Pengumpulan Data

Data yang dimaksud adalah data penjualan produk peninggi badan Tiens yaitu calcium, zinc dan spirulina pada periode 24 Oktober 2014 – 24 Februari 2015. Jumlah data yang diperoleh untuk setiap produk adalah sebanyak 123 dan total keseluruhan sebanyak 369.

2. Uji Distribusi Data

Uji distribusi data dibantu dengan software SPSS 20. Uji distribusi yang digunakan adalah distribusi normal, eksponensial dan Poisson. Pada hakikatnya, Simulasi merupakan teknik atau cara penyelesaian persoalan melalui pengolahan data sistem imitasi untuk memperoleh data output penyelidikan atau percobaan penelitian sebagai bahan solusi persoalan ataupun sebagai bahan masukan dalam mengambil keputusan. Jadi, tujuan pengujian distribusi data pada simulasi adalah untuk melakukan imitasi terhadap pola distribusi data karena pembangkitan bilangan acak dilakukan berdasarkan hasil uji distribusi.

3. Menetapkan Pola Distribusi Data

Setelah melakukan uji distribusi data maka langkah selanjutnya adalah menetapkan pola distribusi data. Pola distribusi data yang diperoleh dapat digunakan sebagai acuan dalam membangkitkan bilangan acak. Selain pola distribusi data, bagian penting lainnya dalam melakukan imitasi pada simulasi adalah parameter dari pola distribusi data yang diperoleh yaitu rata-rata dan simpangan baku. Apabila pola distribusi data yang diperoleh adalah ditribusi normal maka parameter dalam membangkitkan bilangan acak adalah rata-rata dan simpangan baku. Sementara, apabila pola distribusi yang diperoleh adalah distribusi eksponensial atau Poisson maka parameter yang digunakan dalam membangkitkan bilangan acaka adalah rata-rata ( ) karena pada distribusi eksponensial atau Poisson memiliki simpangan baku sama dengan rata-rata.

4. Uji Replikasi dan Uji Validasi

Uji replikasi digunakan untuk menaksir ukuran sampel yang minimal serta masih tetap memiliki pola yang sama dengan data aktual. Replikasi data simulasi dapat diterima apabila jumlah replikasi simulasi lebih dari jumlah

replikasi minimal. Sementara, uji validasi digunakan untuk mengukur parameter data simulasi. Parameter data simulasi dapat diterima atau dapat dikatakan valid apabila berada di antara batas kendali atas dan batas kendali

bawah, yaitu: .

5. Membuat Kesimpulan

Langkah akhir adalah membuat kesimpulan pengolahan data yaitu bentuk atau pola distribusi data simulasi, parameter, pembangkitan bilangan acak dan hasil uji replikasi serta uji validasi.

3.3.1 Uji Distribusi Frekuensi

Setelah pengumpulan dan penentuan frekuensi data maka langkah selanjutnya dalam mengolah data adalah melakukan uji distribusi frekuensi. Berikut adalah hasil uji distribusi:

3.3.1.1 Uji Distribusi Normal

Pada pengujian distribusi penulis menggunakan metode Kolmogorov-Smirnov dan penentuan penerimaan atau penolakan hipotesis dapat dilihat dari nilai perbandingan tingkat signifikansi yang digunakan dengan nilai signifikansi asymp. significant. Suatu data dikatakan memenuhi uji distribusi apabila niliai asymp. sig. lebih besar dari tingkat signifikansi yang digunakan. Sebaliknya, data tidak memenuhi uji distribusi yang ditetapkan apabila nilai niliai asymp. sig. lebih kecil dari tingkat signifikansi yang digunakan. Hasil pengujian distribusi untuk setiap produk disajikan dalam bentuk tabel. Untuk lebih jelas dapat dilihat pada Tabel 3.2.

Tabel 3.2 Uji Distribusi Normal Data Calcium, Zinc dan Spirulina

Kolmogorov-Smirnov Z 2.565 2.361 3.024

Asymp. Sig. (2-tailed) .000 .000 .000

a. Test distribution is Normal.

b. Calculated from data.

Sumber: Hasil Olahan Software SPSS 20

Suatu data dikatakan mengkuti distribusi normal apabila nilai probabilitas atau asymp. sig. lebih besar dari nilai signifikasnsi yang digunakan. Dalam penelitian ini tingkat signifikansi yang digunakan 5% (0,05). Berdasarkan Tabel 3.2 menunjukkan bahwa nilai probabilitas atau asymp. sig. sebesar 0,000.

Sehingga, dapat disimpulkan bahwa sebaran data calcium tidak memenuhi uji distribusi normal. Sementara untuk data zinc menunjukkan bahwa nilai probabilitas atau asymp. sig. sebesar 0,000. Hal ini berarti menyatakan bahwa sebaran data zinc tidak memenuhi uji distribusi normal. Terakhir adalah hasil pengujian data spirulina yang terlihat sama dengan sebaran data jenis produk calcium dan zinc. Artinya, sebaran data dari ketiga jenis produk tidak mengikuti sebaran data normal. Selanjutnya, ketiga data jenis produk kembali diuji dengan uji distribusi eksponensial dan Poisson.

3.3.1.2 Uji Distribusi Eksponensial

Dalam pengujian menggunakan SPSS, penulis menguji goodness of fit menggunakan Kolmogorov Smirnov. Pengujian menggunakan Kolmogorov Smirnov SPSS 20.0 dilihat dengan membandingkan nilai signifikansi (asymp.sig)

dengan nilai taraf nyata yang telah ditetapkan yaitu 0.05. Jika nilai signifikansi lebih besar dari taraf nyata yang telah ditetapkan maka hipotesis distribusi pengujian diterima, dan juga sebaliknya jika nilai signifikansi lebih kecil dari taraf nyata maka hipotesis distribusi pengujian ditolak. Hasil uji distibusi eksponensial data calcium, zinc dan spirulina dapat dilihat pada tabel berikut:

Tabel 3.3 Uji Distribusi Eksponensial Data Calcium, Zinc dan Spirulina One-Sample Kolmogorov-Smirnov Test

Calcium Zinc Spirulina

N 123^c 123^d 123^e

Exponential parameter.^a,b Mean 2.21 2.22 1.86 Most Extreme Differences

Absolute .297 .335 .659

Positive .297 .335 .659

Negative -.169 -.133 .000

Kolmogorov-Smirnov Z 3.011 3.350 5.930

Asymp. Sig. (2-tailed) .000 .000 .000

a. Test Distribution is Exponential.

b. Calculated from data.

Sumber: Hasil Olahan Software SPSS 2010

Dalam penelitian ini taraf signifikansi yang digunakan adalah 5% atau 0,05. Berdasarkan Tabel 3.3 dapat dilihat bahwa tidak satupun dari data calcium, zinc dan spirulina yang mempunyai nilai asymp. sig. lebih besar dari 0,05.

Dengan kata lain, data dari ketiga jenis produk peninggi badan Tiens tersebut tidak mengikuti bentuk atau pola distribusi eksponensial. Sehingga, langkah selanjutnya adalah melakukan uji distribusi Poisson.

3.3.1.3 Uji Distribusi Poisson

Pengujian distribusi Poisson dilakukan dengan cara yang sama pada pengujian distribusi sebelumnya yaitu menggunakan metode Kolmogorov-Smirnov. Suatu hipotesis menyatakan data mengikuti distribusi Poisson diterima apabila nilai asymp. sig. lebih besar dari 0,05 (taraf signifikansi) dan sebaliknya hipotesis yang menyatakan data mengikuti distribusi Poisson ditolak apabila nilai asymp. sig.

lebih kecil dari 0,05 (taraf signifikansi). Dalam penelitian ini nilai signifikansi yang dipakai adalah sebesar 0,05. Untuk hasil uji distribusi Poisson dapat dilihat pada Tabel 3.4.

Tabel 3.4 Uji Distribusi Poisson Data Calcium, Zinc dan Spirulina

Kolmogorov-Smirnov Z .813 .563 .606

Asymp. Sig. (2-tailed) .524 .909 .856

a. Test distribution is Poisson.

b. Calculated from data.

Sumber: Hasil Olahan Software SPSS 2010

Dari Tabel 3.4 menunjukkan bahwa nilai asymp. sig. untuk data calcium bernilai 0,524. Artinya, data calcium mengikuti bentuk atau pola distribusi Poisson karena nilai asymp. sig. (0,524) > 0,05. Pada kolom data zinc dapat dilihat nilai asymp. sig. adalah 0,909, sehingga dapat dikatakan bahwa untuk data zinc mengikuti pola distribusi Poisson karena nilai asymp. sig. (0,909) > 0,05. Terakhir adalah data spirulina yang mempunyai nilai asymp. sig. sebesar 0,856. Karena data untuk spirulina mempunyai nilai asymp. sig. (0,856) > 0,05 maka dapat dikatakan bahwa data mengikuti pola distribusi Poisson. Sehingga dapat disimpulkan bahwa bentuk data dari ketiga jenis produk peninggi badan Tiens mengikuti pola distribusi Poisson.

Berdasarkan kutipan skripsi karya Haspari (2013) menyatakan bahwa distribusi Poisson diartikan sebagai suatu eksperimen yang menghasilkan jumlah sukses yang terjadi pada interval waktu ataupun daerah spesifik yang dikenal sebagai eksperimen Poisson. Interval waktu tersebut dapat berupa menit hari, tanggal, bulan maupun tahun, sedangkan daerah yang spesifik dapat berarti luas, garis, sisi maupun sebuah material. suatu variable acak X dengan parameter dan mempunyai fungsi kepadatan peluang diskrit dalam bentuk :

, . 3.1

dikatakan mempunyai fungsi Poisson. Suatu peristiwa dikatakan menuruti

fungsi poisson apabila:

a. Kemungkinan terjadinya peristiwa suatu waktu adalah rata-rata kedatangan yang dinotasikan dengan .

b. Banyaknya peristiwa yang terjadi dalam suatu waktu tertentu tidak bergantung pada peristiwa yang terjadi dalam suatu waktu yang lain.

c. Jumlah peristiwa rata-rata pada suatu waktu tertentu sebanding dengan satuan waktu tertentu.

Hasil pada Tabel 3.4 juga menunjukkan nilai rata-rata dari ketiga jenis produk peninggi badan Tiens yaitu calcium bernilai 1,85, zinc bernilai 1,80 dan spirulina bernilai 1,23. Nilai rata-rata pada distribusi Poisson dilambangkan dengan dan kegunaan dari nilai rata-rata adalah sebagai parameter dalam membangkitkan bilangan acak yang akan diolah dalam software Ms. Excel 2010.

3.3.2 Pembangkitan Bilangan Acak

Pembangkitan bilangan acak dilakukan dengan menggunakan bantuan software Ms. Excel 2010. Dalam hal ini, pembangkitan bilangan acak dilakukan satu per satu untuk setiap data calcium, zinc dan spirulina.

3.3.2.1 Bilangan Acak Data Calcium

Dari data sebelumnya untuk produk calcium pada uji distribusi Poisson didapat bahwa mean (rata-rata) bernilai 1,85. Input yang digunakan dalam Ms. Excel 2010 adalah number of variable, number of random numbers, distrbution, dan parameters. Dalam penelitian ini, number of variable (jumlah variabel) yang digunakan adalah sebanyak satu, number of random numbers atau jumlah bilangan acak sebanyak 123, distribution (distribusi) yang dipakai adalah distribusi Poisson karena data calcium mengikuti pola distribusi Poisson dan parameters yang digunakan adalah nilai rata-rata ( ) yakni 1,85. Hasil pembangkitan bilangan acak atau hasil simulasi dapat dilihat pada Tabel 3.5.

Tabel 3.5 Hasil Simulasi Data Calcium (kotak)

No. Hasil Simulasi No. Hasil Simulasi No. Hasil Simulasi

1 3 42 4 83 2

Setelah melakukan pembangkitan bilangan acak maka langkah selanjutnya yang dilakukan adalah uji replikasi dan validasi data. Tujuannya adalah melihat apakah jumlah pembangkitan bilangan acak sudah cukup atau memenuhi. Dalam penelitian ini, tingkat kepercayaan yang diambil adalah 95%, level signifikansi

sehingga untuk dan derajat kebebasan (db)

maka diperoleh (lampiran III). Nilai rata-rata ( ) dan simpangan baku ( ) dari data hasil simulasi adalah sebagai berikut:

3.2

3.3

Untuk nilai half-width adalah:

3.4

Nilai hw digunakan sebagai penaksir ukuran sampel atau ukuran data output simulasi yang memenuhi rentang selisih nilai rata-rata dengan nilai tengah yang ditentukan yaitu .

Rentang selisih nilai rata-rata sampel dengan nilai tengah yang tidak diketahui adalah sebesar deviasi , di mana pada tingkat error relatif

. Nilai error relatif simulasi calcium adalah:

3.5

Daerah penerimaan nilai rata-rata:

Batas kendali atas : Batas kendali bawah : Untuk nilai replikasi :

3.6

Apabila jumlah replikasi simulasi lebih dari jumlah replikasi minimal maka data masih tetap mengikuti pola distribusi data aktual sehingga dapat dikatakan pola distribusi data hasil simulasi diterima. Sebaliknya, apabila jumlah replikasi simulasi lebih kecil dari jumlah replikasi minimal maka pola distribusi data simulasi tidak akan mengikuti bentuk atau pola distribusi data aktual sehingga data hasil simulasi ditolak. Sementara, data hasil simulasi dikatakan valid apabila nilai rata-rata berada pada interval batas kendali atas dan batas kendali bawah . Nilai replikasi minimal lebih kecil dari , berarti jumlah pengulangan simulasi sudah cukup atau memenuhi dan nilai rata-rata hasil simulas dapat diterima sebagai hasil akhir dari simulasi. Kuantitas produk calcium yang diperoleh dari hasil simulasi yakni 229 kotak dapat diambil sebagai alternatif keputusan pada periode yang akan datang.

3.3.2.2 Bilangan Acak Data Zinc

Dari data sebelumnya untuk produk zinc pada uji distribusi Poisson didapat bahwa mean (rata-rata) bernilai 1,80. Dalam penelitian ini, number of variable (jumlah variabel) yang digunakan adalah sebanyak satu, number of random numbers atau jumlah bilangan acak sebanyak 123, distribution (distribusi) yang dipakai adalah distribusi Poisson karena data zinc mengikuti pola distribusi Poisson dan parameters yang digunakan adalah nilai rata-rata ( ) yakni 1,80.

Hasil pembangkitan bilangan acak atau hasil simulasi dapat dilihat pada Tabel 3.6.

Tabel 3.6 Hasil Simulasi Data Zinc (kotak)

No. Hasil Simulasi No. Hasil Simulasi No. Hasil Simulasi

1. 2 42. 0 83. 0

Tabel 3.6 Lanjutan

No. Hasil Simulasi No. Hasil Simulasi No. Hasil Simulasi

32. 0 73. 2 114. 1

33. 2 74. 4 115. 2

34. 1 75. 2 116. 0

35. 2 76. 0 117. 0

36. 1 77. 1 118. 0

37. 0 78. 2 119. 1

38. 2 79. 2 120. 0

39. 7 80. 1 121. 3

40. 2 81. 1 122. 1

41. 2 82. 2 123. 1

Sumber: Ms. Excel 2010

sehingga untuk dan derajat kebebasan (db)

maka diperoleh (lampiran III). Nilai rata-rata ( ) dan simpangan baku ( ) dari data hasil simulasi adalah sebagai berikut:

3.7

3.8

Untuk nilai half-width adalah:

3.9

Nilai hw digunakan sebagai penaksir ukuran sampel atau ukuran data output simulasi yang memenuhi rentang selisih nilai rata-rata dengan nilai tengah yang ditentukan yaitu .

Rentang selisih nilai rata-rata sampel dengan nilai tengah yang tidak diketahui adalah sebesar deviasi , di mana pada tingkat error relatif

. Nilai error relatif simulasi calcium adalah:

3.10

Daerah penerimaan nilai rata-rata:

Batas kendali atas : Batas kendali bawah : Untuk nilai replikasi :

3.11

data simulasi tidak akan mengikuti bentuk atau pola distribusi data aktual sehingga data hasil simulasi ditolak. Sementara, data hasil simulasi dikatakan valid apabila nilai rata-rata berada pada interval batas kendali atas dan batas kendali bawah . Nilai replikasi minimal lebih kecil dari , berarti jumlah pengulangan simulasi sudah cukup atau memenuhi dan nilai rata-rata hasil simulasi dapat diterima sebagai hasil akhir dari simulasi. Sehingga, kuantitas produk zinc berdasarkan hasil simulasi adalah 221 kotak dapat dijadikan sebagai alternatif keputusan pada periode selanjutnya.

3.3.2.3 Bilangan Acak Data Spirulina

Dari hasil uji distribusi Poisson untuk produk spirulina didapat bahwa nilai mean (rata-rata) sebesar 1,23. Adapun number of variable (jumlah variabel) yang digunakan adalah sebanyak satu, number of random numbers atau jumlah bilangan acak sebanyak 123, distribution (distribusi) yang dipakai adalah distribusi Poisson karena data spirulina mengikuti pola distribusi Poisson dan parameters yang digunakan adalah nilai rata-rata ( ) yakni 1,23.

Tabel 3.7 Hasil Simulasi Data Spirulina (kotak)

No. Hasil Simulasi No. Hasil Simulasi No. Hasil Simulasi

1. 1 42. 0 83. 0

Tabel 3.7 Lanjutan

No. Hasil Simulasi No. Hasil Simulasi No. Hasil Simulasi

17. 0 58. 0 99. 3

Langkah selanjutnya adalah uji replikasi dan validasi data. Tujuannya adalah melihat apakah jumlah pembangkitan bilangan acak sudah cukup atau memenuhi. Dalam penelitian ini, tingkat kepercayaan yang diambil adalah 95%, level signifikansi sehingga untuk dan derajat kebebasan (db) maka diperoleh (lampiran III). Nilai rata-rata ( ) dan simpangan baku ( ) dari data hasil simulasi adalah sebagai berikut:

3.12

3.13

Untuk nilai half-width adalah:

3.14

Nilai hw digunakan sebagai penaksir ukuran sampel atau ukuran data output simulasi yang memenuhi rentang selisih nilai rata-rata dengan nilai tengah yang ditentukan yaitu .

Rentang selisih nilai rata-rata sampel dengan nilai tengah yang tidak diketahui adalah sebesar deviasi , di mana pada tingkat error relatif

. Nilai error relatif simulasi calcium adalah:

3.15

Daerah penerimaan nilai rata-rata:

Batas kendali atas : Batas kendali bawah : Untuk nilai replikasi :

3.16

Apabila jumlah replikasi simulasi lebih dari jumlah replikasi minimal maka data masih tetap mengikuti pola distribusi data aktual sehingga dapat dikatakan pola distribusi data hasil simulasi diterima. Sebaliknya, apabila jumlah replikasi simulasi lebih kecil dari jumlah replikasi minimal maka pola distribusi data simulasi tidak akan mengikuti bentuk atau pola distribusi data aktual sehingga data hasil simulasi ditolak. Sementara, data hasil simulasi dikatakan valid apabila nilai rata-rata berada pada interval batas kendali atas dan batas kendali bawah . Nilai replikasi minimal lebih kecil dari , berarti jumlah pengulangan simulasi sudah cukup atau memenuhi dan nilai rata-rata hasil simulasi dapat diterima sebagai hasil akhir dari simulasi. Berdasarkan hasil simulasi diperoleh kuantitas produk spirulina sebanyak 148 kotak. Hal ini dapat dijadikan sebagai alternatif keputusan dalam penjualan produk peninggi badan Tiens pada periode berikutnya.

Sehingga, volume produk peninggi badan Tiens secara keseluruhan adalah:

3.17

Sehingga, estimasi volume penjualan produk peninggi badan Tiens untuk periode yang akan datang adalah sebanyak 598 kotak.

BAB 4

KESIMPULAN DAN SARAN

4.1 Kesimpulan

Berdasarkan bab pembahasan diperoleh bahwa pola distribusi yang dibentuk dari setiap data produk peninggi badan Tiens adalah distribusi Poisson. Setelah melakukan simulasi dan uji replikasi serta validasi maka diperoleh hasil data sebagai berikut:

1. Calcium

Jumlah produk calcium sebanyak 229 kotak dengan jumlah perulangan sebanyak 123 dan menghasilkan nilai error relatif sebesar 18%.

2. Zinc

Jumlah produk zinc yang dihasilkan sebanyak 221 kotak dengan jumlah perulangan sebanyak 123 dan nilai error relatif sebesar 20%.

3. Spirulina

Jumlah produk spirulina yang diperoleh adalah sebanyak 148 kotak dan nilai error relatif sebesar 21%.

Adapun kesimpulan yang diperoleh setelah melakukan penelitian adalah volume produk yang dihasilkan pada periode selanjutnya sebanyak 598 kotak.

4.2 Saran

Simulasi merupakan teknik atau cara penyelesaian persoalan melalui pengolahan data sistim imitasi untuk memperoleh data output penyelidikan atau percobaan penelitian sebagai bahan solusi persoalan ataupun sebagai bahan masukan dalam mengambil keputusan. Penggunaan sistim maya sebagai imitasi suatu sistim riil dapat memberikan keleluasan dan kemudahan dalam melakukan penyelidikan dan

Dalam dokumen APLIKASI METODE SIMULASI MONTE CARLO DALAM MEMPERKIRAKAN VOLUME PENJUALAN PRODUK PENINGGI BADAN TIENS SKRIPSI MIZA AZILAH (Halaman 31-67)