SENTRA I-265
SIMULASI PERKIRAAN KEUNTUNGAN PENJUALAN
PULSA PADA URAN CELL MENGGUNAKAN METODE
MONTE CARLO
BERBASIS WEB
Agustinus Lambertus Suban1, Jairus Kurniadi Yandi Uran2, Yoseph Kalla3
1,2,3
Program Studi Teknik Informatika –Universitas Nusa Nipa Maumere
Kontak Person : Agustinus Lambertus Suban
Jl. Kesehatan No. 03Maumere – Flores - NTTTelp. (0382) 22388
agustinus2304@gmail.com uranyandi1993@gmail.com empenkyos46@gmail.com
Abstrak
Bisnis pulsa merupakan salah satu bisnis yang cukup banyak diminati oleh pengusaha kecil, tetapi kebanyakan orang berpikir bahwa bisnis pulsa ini hanya sampingan, sehingga hanya beberapa orang ingin mengembangkannya. Hal ini karena bisnis ini sering menghadapi situasi yang tidak pasti atau kemungkinan (probabilistik). Salah satu aspek yang sering memiliki karakteristik probabilistik adalah jumlah permintaan . Metode ini dapat digunakan untuk melakukan prediks, antara lain dengan menggunakan teknik simulasi . Model simulasi yang dapat digunakan adalah simulasi Monte Carlo. Dalam penelitian ini akan diuraikan simulasi meramalkan kebutuhan , pengeluaran , pendapatan , keuntungan, dan persentase rata-rata keuntungan untuk tahun berikutnya dengan menggunakan simulasi Monte Carlo dengan aplikasi berbasis web, berdasarkan pulsa permintaan selama 10 bulan sebelumnya di URAN CELL . Dari penelitian ini, dapat ditemukan bahwa keuntungan begitu besar jika kita ingin mengembangkan bisnis ini.
Kata kunci : Simulasi Monte Carlo, Permintaan, Keuntungan
Pendahuluan
A. Identifikasi Masalah
URAN CELL adalah sebuah usaha dagang yang bergerak di bidang bisnis pulsa yang sudah berjalan selama 2 tahun. Beberapa produk yang sering diperjualbelikan adalah pulsa 5.000, pulsa 10.000, pulsa 20.000, pulsa 25.000, pulsa 50.000, pulsa 100.000 serta berbagai jenis voucer pulsa dengan harga dan permintaan yang beragam. Seperti yang kita ketahui bahwa bisnis pulsa adalah salah satu bisnis sampingan yang cukup banyak diminati oleh para usahawan kecil, namun kebanyakan orang berpikir bahwa bisnis pulsa hanya bersifat usaha sampingan, sehingga hanya sedikit orang yang ingin mengembangkan bisnis ini. Hal ini dikarenakan bisnis ini sering menghadapi situasi probabilistik. Salah satu aspek yang sering memiliki karakteristik probabilistik adalah jumlah permintaan.
Permintaan merupakan salah satu aspek probabilistik (Saiful, 2013)[1], namun dengan perkembangan teknologi yang semakin maju, penggunaan pulsa semakin meningkat, dan kemunculan produk-produk pulsa dengan harga dan permintaan yang berbeda-beda membuat jumlah permintaan akan pulsa semakin meningkat dari hari ke hari, sehingga tidak perlu dikhawatirkan lagi soal probabilistik permintaan karena standar permintaan untuk setiap tempat penjualan pulsa sudah cukup menguntungkan. Untuk menghadapi situasi probabilistik seperti ini diperlukan sebuah metode untuk menganalisa atau memprediksi kemungkinan ke depannya. Salah satu metode yang dapat digunakan
adalah Simulasi Monte Carlo.
I-266 SENTRA
menjadi sebuah kendala apabila kita memiliki modal yang besar. Untuk itu pembelian produk yang laris terjual memiliki perputaran yang tinggi yang dirpioritaskan, sehingga harus menyesuaikan jumlah order pulsa dengan permintaan untuk setia produk. Hal ini dilakukan agar modal yang ada dapat bisa digunakan secara efektif dan efisien.
URAN CELL dalam memperkirakan jumlah orderan pulsa untuk setiap produk masih terkendala modal yang terbatas, sehingga perputaran uang menjadi lambat. Hal ini disebabkan kurangnya perhitungan dalam setiap proses order pulsa, sehingga produk dengan permintaan yang
banyak sering habis dalam rentang waktu 1–3 hari yang menyebabkan URAN CELL tidak bisa
memenuhi permintaan dalam rentang waktu tersebut. Oleh Sebab itu untuk menjaga keseimbangan order antara setiap produk tersebut, diperlukan simulasi untuk memprediksi keuntungan, dari
permasalahan tersebut penulis memilih simulasi dengan menggunakan metode Monte Carlo.
Simulasi Monte Carlo adalah tipe simulasi probabilistik untuk mencari penyelesaian masalah
dengan sampling dari proses random[1]. Menurut Tupan (2013), Simulasi Monte Carlo mempunyai
beberapa jenis algoritma. Namun pada intinya adalah melakukan simulasi dengan membangkitkan
bilangan random berdasarkan karakteristik dari data yang akan dibangkitkan [2]. Simulasi ini telah
banyak digunakan untuk menganalisis permasalahan yang bersifat probabilistik, misalkan untuk menganalisa Perhitungan Integral non Linear (Kharisma, 2012)[3]. Analisa Faktor-faktor Risiko yang Berpengaruh Terhadap Kinerja Kualitas Proyek Konstruksi Gedung ( Idzurnida, 2012)[4] Pelayanan Perpanjangan Surat Tanda Nomor Kendaraan Bermotor (Nurjaman, 2012)[5], Resiko Finansial, Perencanaan Persediaan (Haryadi, 2012)[6]
Pada penelitian ini penulis membuat simulasi perkiraan keuntungan penjualan pulsa pada URAN CELL. Simulasi yang dilakukan ini berdasarkan data permintaan 10 bulan terakhir. Data yang dikumpulkan merupakan data riil yang diperoleh langsung dari URAN CELL. Tujuan penelitian adalah membuat simulasi perkiraan keuntungan penjualan pulsa pada URAN CELL dengan
menggunakan metode Monte Carlo berbasis web.
B. Tinjauan Pustaka
1. Simulasi Monte Carlo:
Menurut Sembiring (2015), Simulasi merupakan salah satu bentuk pemodelan terhadap sistem nyata untuk memudahkan mempelajari sistem kompleks. Fasilitas atau proses tersebut disebut dengan sistem, yang mana di dalam keilmuan digunakan untuk membuat asumsi-asumsi bagaimana sistem tersebut bekerja, dimana asumsi-asumsi tersebut biasanya berbentuk hubungan matematik atau logika yang akan membentuk model yang digunakan untuk mendapatkan pemahaman bagaimana perilaku hubungan dari sistem tersebut [7]. Simulasi monte Carlo telah banyak digunakan untuk berbagai keperluan perhitungan. Penelitian yang dilakukan oleh Cahyo (2008) dalam penelitian berjudul
Pendekatan Simulasi Monte Carlo Untuk Pemilihan Alternatif Dengan Decision Tree Pada Nilai
Outcome Yang Probabilistik, mengatakan bahwa diagram keputusan dapat dikombinasikan model
simulasi Monte Carlo untuk mendekati nilai outcome yang bersifat deterministik menjadi bersifat
probabilistik.[8]
Adapun keguanan lain dari simulasi Monte Carlo tidak terlepas dari ilmu statistika. Menurut
Wong Foek Tjong, Simulasi Monte Carlo merupakan alat rekayasa yang ampuh untuk menyelesaikan
berbagai persoalan rumit di dalam bidang probabilitas dan statistika. Seperti pada umumnya metode
numerik, simulasi Monte Carlo membutuhkan banyak sekali iterasi dan usaha perhitungan, khususnya
untuk masalah-masalah yang melibatkan peristiwa-peristiwa langka (very rare events). (Tjong,
2001)[9]. Ditinjau dari jenis atau tipe simulasinya, Simulasi Monte Carlo adalah tipe simulasi
probabilistik untuk mencari penyelesaian masalah dengan sampling dari proses random, Manalu
(2009) [10]. Selain itu karakteristik dari simulasi Monte Carlo merupakan simulasi yang
menggunakan unsur acak di saat terdapat peluang. Kelebihan lain dari simulasi Monte Carlo menurut
Mahayoga (2014) adalah waktu eksekusi programlebih baik di semua iterasi [11].
Metode Penelitian
SENTRA I-267
untuk satu tahun kedepan. 4). Kajian terhadap jumlah keuntungan pada 10 bulan sebelumnya dan prediksi keuntungan pada 10 bulan yang akan datang. 5). Pengolahan dengan pendekatan metode
Monte Carlo dengan bantuan aplikasi berbasis web, untuk melakukan simulasi. 6). Merancang aplikasi simulasi berbasis web. 7). Analisis data dan evaluasi.
Teknik pengumpulan data dilakukan melalui beberapa cara yaitu :
1. Observasi langsung pada aktifitas pejualan pulsa pada tempat penelitian
2. Mengadakan interview pemilik URAN CEL tentang jumlah keuntungan dan presentase bulanan,
kesiapan modal, serta teknik yang digunakan untuk memprediksi keuntungan pada jangka waktu yang akan datang.
3. Membuat instrumen penelitian berupa pedoman wawancara dan kuisioner.
4. Melakukan uji simulasi prediksi keuntungan dengan menggunakan aplikasi yang berbasis web.
Perancangan Data Low Diagram dan Entity Relasionship Diagram
Berikut adalah tahap perancangannya simulasi perkiraan keuntungan penjualan pulsa pada URAN CELL berbasis web.
1. Diagram Flow Data (DFD)
Untuk membangun aplikasi berbasis web, penulis awali dengan merancang diagram aliran data untuk tahap awal atau DFD seperti pada Gambar 1 berikut:
Simulasi Perkiraan Keuntungan Penjualan Pulsa
UD. URAN menggunakan simulasi Monte Carlo Berbasis
Web pemilik Data Login,Data produk, data permintaan
Informasi login, Informasi produk, informasi permintaan, Informasi simulasi perkiraan keuntungan
Gambar 1. Diagram Konteks
Berdasarkan Gambar 1 di atas, dapat diketahui bahwa entitas yang berhubungan dengan sistem adalah pemilik. Untuk masuk ke sistem pemilik melalukan login, selanjutnya user dapat menginput data produk dan data permintaan, dapat memperoleh informasi produk, informasi permintaan, dan informasi perkiraan keuntungan penjualan pulsa untuk semua produk.
2. Entity Relasionship Diagram (ERD)
Adapun struktur Diagram relasi dapat terlihat pada Gambar 2 sebagai berikut:
memiliki
produk 1 permintaan
simulasi menghasilkan 1
1
n
Gambar 2. Entity Relasionship Diagram (ERD)
I-268 SENTRA
Impelentasi dan Pembahasan
Perancangan User InterfaceBerikut adalah interface halaman utama pada gambar 1a, halaman simulasi untuk salah satu produk
pada gambar 1b dan halaman simulasi untuk semua jenis produk pada gambar 2.
Gambar 1a, 1b. Halaman Utama Dan Halaman Simulasi Untuk Salah Satu Produk
Gambar 6. Halaman Simulasi Semua Produk Pulsa URAN CELL
Analisa perhitungan penjualan menggunakan metode Monte Carlo
Berikut adalah pembahasan Perhitungan Simulasi Perkiraan Keuntungan Penjualan Pulsa. Tabel 1 di bawah ini menggambarkan data permintaan 10 (sepuluh) bulan terakhir salah satu produk pulsa
Tabel 1. Permintaan pulsa
No Bulan
Frekuensi
Permintaan No Bulan
Frekuensi Permintaan
1 Maret 423 6 Agustus 440
2 April 412 7 September 401
3 Mei 414 8 Oktober 400
4 Juni 401 9 November 398
5 Juli 428 10 Desember 450
TOTAL (Bulan Maret s.d Desember 4167
Data pada Tabel 1 dapat diubah menjadi distribusi peluang (asumsi: tingkat penjualan masa lalu akan tetap bertahan sampai ke masa yang akan datang) dengan membagi frekuensi permintaan dengan total frekuensi permintaan. Tabel distribusinya bisa dilihat pada Tabel 2. Tahapan berikutnya adalah menetapkan sebuah distribusi probabilitas bagi variabel penting, yakni dengan memperhitungkan data hasil masa lalu. Kemungkinan atau frekuensi relatif untuk tiap kemungkinan hasil dari tiap variabel ditentukan dengan membagi frekuensi relatif dengan jumlah total observasi.
Tabel 2. Distribusi Probabilitas
No Bulan F F(x) No Bulan F F(x)
1 Maret 423 0.10 6 Agustus 440 0.11
2 April 412 0.10 7 September 401 0.10
SENTRA I-269
4 Juni 401 0.10 9 November 398 0.10
5 Juli 428 0.10 10 Desember 450 0.11
TOTAL (Bulan Maret s.d Desember ) 4167 1.00
Pada Tabel 2, yang menjadi variabel penting yang bersifat probabilitas atau variabel diskrit adalah permintaan. Distribusi F(x) suatu peubah acak X dengan distribusi peluang f(x) dinyatakan oleh :
... (1)
Langkah selanjutnya adalah setelah distribusi probababilitas dapat dibuat distribusi probabilitas kumulatif dan menetapkan sebuah interval angka acak bagi setiap variabel. Selanjutnya tentukan batas atau interval angka acak yang mewakili tiap kemungkinan hasil. Penentuan interval didasarkan oleh kemungkinan kumulatifnya. Interval angka acak bisa dilihat pada tabel 3.
Tabel 3. Interval angka acak
No Bulan F F(x) f(x) Interval
1 Maret 423 0.10 0.10 1-10
2 April 412 0.10 0.20 11-20
3 Mei 414 0.10 0.30 21-30
4 Juni 401 0.10 0.40 31-40
5 Juli 428 0.10 0.50 41-50
6 Agustus 440 0.11 0.60 51-60
7 September 401 0.10 0.70 61-70
8 Oktober 400 0.10 0.80 71-80
9 November 398 0.10 0.89 81-89
10 Desember 450 0.11 1.00 90-100
TOTAL 4167 1.00
Tahapan selanjutnya adalah membangkitkan Bilangan Acak sehingga diperoleh simulasi permintaan untuk 1 tahun kedepan berdasarkan interval yang telah ditetapkan pada langkah sebelumnya. Dengan demikian maka dapat dibuat simulasi permintaan untuk 1 tahun ke depan. Selanjutnya simulasi permintaan untuk 1 tahun ke depan bisa diketahui berdasarkan angka acak dan interval angka acak yang telah ditentukan sehinggga permintaan yang ada bisa dirancang simulasi untuk jenis-jenis produk lainnya. Tahapan selanjutnya melakukan Verifikasi dan validasi model simulasi. Simulasi perkiraan keuntungan penjualan pulsa semua produk untuk 1 tahun tersebut bisa dilihat pada Tabel 4 sebagai berikut:
Tabel 4. Simulasi Perkiraan Keuntungan Penjualan Pulsa Pada Uran Cell
No Bulan Permintaan Keuntungan No Bulan Permintaan Keuntungan
1 Januari 728 Rp. 1.830.950,- 7 Juli 740 Rp. 1.846.300,-
2 Februari 709 Rp. 1.732.600,- 8 Agsts 776 Rp. 1.948.700,-
3 Maret 747 Rp. 1.815.800,- 9 Sept 762 Rp. 1.867.300,-
4 April 710 Rp. 1.800.700,- 10 Oktbr 763 Rp. 1.906.850,-
5 Mei 720 Rp. 1.751.300,- 11 Novmbr 735 Rp. 1.852.800,-
6 Juni 699 Rp. 1.759.000,- 12 Desmber 744 Rp. 1.849.400,-
TOTAL (Permintaan & keuntungan Dari Januari s.d desember) 8833 Rp. 21.961.700,-
Berdasarkan simulasi tersebut maka akan diperoleh laba kotor dari hasil penjualan pulsa 5000 karena tidak dihitung dengan biaya transport dan lain-lain.
Berikut adalah perkiraan untuk 1 tahun kedepan yang diperoleh dari simulasi pada Tabel 4 :
I-270 SENTRA
Order = Rp. 80.373.300,-
Penjualan = Rp. 102.335.000,-
Keuntungan = Rp. 21.961.700,-
Rata-rata perkiraan perbulan :
Permintaan = 740/bulan
Order = Rp.6.697.792,-/bulan
Penjualan = Rp.8.527.917,- /bulan
Keuntungan = Rp. 1.830.142,- /bulan
URAN CELL memiliki modal Rp.3.000.000,- maka order bisa dilakukan sebanyak 3 kali dalam sebulan.
Kesimpulan
Berdasarkan hasil penelitian yang dilakukan di URAN CELL, data yang dikumpulkan, dianalisa
dan disimulasikan keuntungannya dengan menggunakan metode Monte Carlo, dapat disimpulkan
bahwa: Bbisnis penjualan pulsa adalah salah satu bisnis yang tidak memerlukan modal yang cukup besar, karena perputaran uang yang cepat menyebabkan order pulsa bisa dilakukan lebih dari sekali dalam sebulan, seperti pada penelitian ini, URAN CELL hanya memiliki modal 3.000.000,- Berdasarkan simulasi yang telah dibuat, dalam 1 (satu) bulan URAN CELL dapat melalukan order pulsa sebanyak 3 (tiga) kali, tetapi dengan modal yang sama, URAN CELL bisa memperoleh
keuntungan sebesar Rp. 1.830.142 /bulan. Dengan menggunakan metode Monte Carlo dan
langkah-langkah simulasinya maka dapat diketahui atau diprediksi jumlah keuntungan untuk beberapa periode ke depan.
Referensi
[1] Saiful dkk., Analisis Risiko Finansial Dengan Metode Simulasi Monte Carlo, 2013, Jurnal Teknik
Mesin, Vol. 7 No.6.
[2] Tupan, Leony, P., Manurung, Tohap., Prang, Jantje D., , Pengukuran Value at Risk pada Aset
Perusahaan dengan Metode Simulasi Monte Carlo, 2013, JURNAL MIPA UNSRAT ONLINE 2
(1) pp. 5-11.
[3] Kharisma, Gusti, dkk., Simulasi Perhitungan Integral Non Liniermenggunakan Monte Carlo,
2012, Jurnal Algoritma, Vol. 9 No.1.
[4] Idzurnida, Isamael., Faktor-faktor Risiko yang Berpengaruh Terhadap Kinerja KualitasProyek
Konstruksi Gedung di Kota Padang Sumatera Barat Dengan menggunakan Model dan Simulasi Monte Carlo, 2012, Jurnal Momentum, Vol. 13 No.2.
[5] Nurjaman, Asep., dkk., Simulasi Monte Carlo Untuk Pelayanan Perpanjangan Surat Tanda
Nomor Kendaraan Bermotor, 2012, Jurnal Teknik Informatika, Vol. 9 No.1.
[6] Haryadi, Sarjono., dkk., Perencanaan Persediaan Dengan Pendekatan Metode Monte Carlo,
2012, Jurnal Forum Ilmiah, Vol. 9 No.2.
[7] Sembiring, Alpianus., Perancangan Simulasi Penjualan Barang Dengan Metode Monte Carlo
(Studi Kasus : Koperasi Karyawan Tenera Unit Sei Kopas), Pelita Informatika Budi Darma, Volume : IX, Nomor: 3, April 2015 ISSN : 2301-9425, pp. 31-37
[8] Cahyo, Winda, Nur., Pendekatan Simulasi Monte Carlo Untuk Pemilihan Alternatif Dengan
Decision Tree Pada Nilai Outcome Yang Probabilistik, 2008, Teknoin, Volume 13, Nomor 2, Desember 2008, 11-17, ISSN: 0853-869, pp.11-17
[9] Tjong, Wong, Foek., Aplikasi Statistik Ekstrim Dan Simulasi Monte Carlo Dalam Penentuan
Beban Rencana Pada Struktur Dengan Umur Guna Tertentu, 2001, Dimensi Teknik Sipil, Vol. 3, No. 2, September 2001, , ISSN 1410-9530, pp.84-88
[10] Manalu, Lamhot, P., Menghitung Kebutuhan Pengering Gabah Di Kecamatan Ciomas Bogor
Dengan Metode Monte Carlo, 2009, Jurnal Sains dan Teknologi Indonesia, Vol. 11 No. 3,
Desember 2009 pp.151-156
[11] Mahayoga, I Gusti, Putu, Ngurah, dkk., Penentuan Harga Kontrak Opsi Tipe Eropa
Menggunakan Metode Quasi Monte Carlo Dengan Barisan Kuasi-Acak Halton, 2014, e-Jurnal