Simulasi Monte Carlo

Top PDF Simulasi Monte Carlo:

PERHITUNGAN VALUE-AT-RISK UNTUK PORTOFOLIO SAHAM DENGAN METODE VARIAN - KOVARIAN DAN SIMULASI MONTE CARLO Firdaus Maringga

PERHITUNGAN VALUE-AT-RISK UNTUK PORTOFOLIO SAHAM DENGAN METODE VARIAN - KOVARIAN DAN SIMULASI MONTE CARLO Firdaus Maringga

Penelitian yang dilakukan pada tugas akhir ini adalah menghitung VaR pada portofolio indeks saham LQ45 pada bulan Agustus 2013 sampai Januari 2014. Metode yang digunakan adalah Varian - Kovarian dan simulasi Monte Carlo dengan selang kepercayaan 80%, 90%, 95% dan 99%. Perhitungan Varian - Kovarian lebih cepat dibandingkan dengan simulasi Monte Carlo. Waktu perhitungan VaR dengan metode Varian - Kovarian 3.219 s sedangkan waktu simulasi Monte Carlo tergantung pada jumlah perulangan, semakin besar nilai n akan menghasilkan waktu perhitungan yang lama. Nilai eror yang didapat pada simulasi Monte Carlo lebih baik dibandingan Varian - Kovarian. Pada perhitungan MAD untuk metode Varian - Kovarian dengan selang kepercayaan 80% adalah 0,0200959 sedangkan MAD pada simulasi Monte Carlo adalah 0,0208848. Uji coba pada ANOVA one way menunjukkan adanya perbedaan signifikan pada nilai VaR.
Baca lebih lanjut

10 Baca lebih lajut

Perencanaan Perawatan Pencegahan Komponen Kritis Mesin Sheeter Menggunakan Simulasi Monte Carlo di PT. Perkebunan Nusantara III Kebun Rantau Prapat

Perencanaan Perawatan Pencegahan Komponen Kritis Mesin Sheeter Menggunakan Simulasi Monte Carlo di PT. Perkebunan Nusantara III Kebun Rantau Prapat

Hasil dari penelitian-penelitian yang telah dijelaskan akan digunakan sebagai acuan pada penelitian tentang analisis penentuan interval waktu perawatan pencegahan di PT. Perkebunan Nusantara III Kebun Rantau Prapat. Oleh karena itu pada penelitian ini digunakan simulasi Monte Carlo sehingga diharapkan dapat diperoleh interval waktu perawatan pencegahan dengan laju biaya pemeliharaan yang minimum serta meningkatkan nilai keandalan komponen mesin.

8 Baca lebih lajut

Optimasi Persediaan Sparepart Menggunakan Model Simulasi Monte Carlo

Optimasi Persediaan Sparepart Menggunakan Model Simulasi Monte Carlo

Berdasarkan pembahasan pada paparan sebelumnya maka peneliti dapat mengambil kesimpulan yaitu dihasilkan suatu simulasi penghitungan prediksi keuntungan dan kerugian dari suatu proses jual beli sparepart dengan menggunakan model simulasi Monte Carlo yang dapat memprediksi keuntungan maximum, rata rata permintaan perhari dan juga stok perhari. Simulasi yang dihasilkan dapat memproses perhitungan keuntungan maximum, rata rata permintaan perhari dan juga stok perhari dengan cepat dan menghasilkan data yang lebih akurat dibandingkan dengan proses perhitungan manual.
Baca lebih lanjut

9 Baca lebih lajut

BAB 1 PENDAHULUAN - Penjadwalan Probabilistik Dengan Simulasi Monte Carlo

BAB 1 PENDAHULUAN - Penjadwalan Probabilistik Dengan Simulasi Monte Carlo

Alternatif selain PERT untuk mendapatkan gambaran distribusi waktu penyelesaian proyek adalah dengan metode simulasi Monte Carlo. Metode ini dapat memperbaiki masalah identifikasi jalur kritis. Masing-masing kegiatan dianggap memiliki suatu kurva distribusi dengan kurun waktu kegiatan yang dipilih secara acak/random. Kemudian jalur yang terbentuk dari rangkaian kegiatan tersebut di atas yang memiliki kurun waktu terpanjang diidentifikasi dan dicatat kurun waktu maupun komponen kegiatannya. Prosedur ini dilakukan ribuan kali sehingga dapat diamati kemungkinan berapa kali suatu aktivitas terletak pada jalur kritis. Berdasarkan komputasi ini dapat disusun distribusi waktu penyelesaian proyek. Angka rata-rata kurun waktu penyelesaian proyek dan deviasi standar yang diperoleh dari simulasi ini lebih rasional apabila dibandingkan dengan pendekatan formulasi.
Baca lebih lanjut

42 Baca lebih lajut

ANALISIS PERBANDINGAN METODE ROMBERG, METODE GAUSS-LEGENDRE, METODE SIMULASI MONTE CARLO DAN QUASI-MONTE CARLO DALAM PERHITUNGAN INTEGRAL TERTENTU

ANALISIS PERBANDINGAN METODE ROMBERG, METODE GAUSS-LEGENDRE, METODE SIMULASI MONTE CARLO DAN QUASI-MONTE CARLO DALAM PERHITUNGAN INTEGRAL TERTENTU

Banyak permasalahan yang dihadapi dapat dimodelkan ke dalam suatu persamaan integral, di mana seringkali sulit untuk dihitung dengan menggunakan kaidah-kaidah kalkulus secara analitik. Untuk itu diperlukan bantuan komputer dan metode pendekatan yang tepat untuk dapat menyelesaikan persamaan tersebut secara yang efisien dan tepat. Beberapa metode pengintegrasian yang umum digunakan adalah metode numerik menggunakan integrasi Romberg dan Gauss-Legendre serta metode simulasi Monte Carlo dan metode quasi-Monte Carlo.

9 Baca lebih lajut

METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO DALAM MENENTUKAN MODEL OPTIMUM UNTUK TINGKAT KEJERNIHAN AIR.

METODE RESPONSE SURFACE DENGAN SIMULASI MONTE CARLO DALAM MENENTUKAN MODEL OPTIMUM UNTUK TINGKAT KEJERNIHAN AIR.

Pada tugas akhir ini Simulasi Monte Carlo digunakan untuk membangkitkan data respon dari hasil penelitian, Simulasi Monte Carlo merupakan salah satu metode yang sederhana yang dapat dibangun secara cepat. Pembangkitan Metode Simulasi Monte Carlo didasarkan pada probabilitas yang diperoleh dari data historis sebuah kejadian dan frekuensinya, yaitu :

15 Baca lebih lajut

Perencanaan Perawatan Pencegahan Komponen Kritis Mesin Sheeter Menggunakan Simulasi Monte Carlo di PT. Perkebunan Nusantara III Kebun Rantau Prapat

Perencanaan Perawatan Pencegahan Komponen Kritis Mesin Sheeter Menggunakan Simulasi Monte Carlo di PT. Perkebunan Nusantara III Kebun Rantau Prapat

PT Perkebunan Nusantara III Kebun Rantau Prapat adalah perusahaan yang bergerak di bidang perkebunan dan industri khususnya pengolahan Sheet atau RSS (Ribbed Smoke Sheet). Untuk menjaga mesin produksi mampu beroperasi atau berfungsi dengan baik maka diperlukan pemeliharaan yang baik terhadap mesin-mesin yang digunakan. Perusahaan menerapkan pemeliharaan korektif dimana perawatan terhadap mesin dilakukan setelah kerusakan terjadi. Hal ini mengakibatkan keandalan mesin rendah dimana kerusakan mesin yang terjadi tiba-tiba tidak dapat dihindari serta dapat menyebabkan tingginya laju biaya pemeliharaan. Permasalahan ini dapat diselesaikan dengan menentukan jadwal perawatan pencegahan pada komponen kritis mesin. Perencanaan jadwal perawatan pencegahan optimum bertujuan untuk mendapatkan jadwal perawatan pencegahan yang dapat meredam laju biaya pemeliharaan dan meningkatkan nilai keandalan komponen. Penentuan jadwal perawatan pencegahan dilakukan menggunakan metode Simulasi Monte Carlo. Berdasarkan hasil analisis Pareto 80/20 pada mesin sheeter didapatkan komponen kritis mesin sheeter adalah bearing 22208 C3, rounded gear, dan chain kopling. Untuk komponen kritis yang telah ditentukan, diperoleh jadwal perawatan pencegahan optimum komponen bearing 22208 C3, rounded gear, dan chain kopling masing-masing adalah 24 hari, 31 hari, dan 41 hari. Hasil penelitian menunjukkan bahwa laju biaya pemeliharaan yang diperoleh dengan adanya perencanaan perawatan pencegahan dapat berkurang hingga 16,4% yaitu sebesar Rp 181.592 per hari.. Sementara keandalan komponen kritis bearing 22208 C3, rounded gear, dan chain kopling menjadi 74,17%, 64,76%, dan 62,53%.
Baca lebih lanjut

141 Baca lebih lajut

SIMULASI PERENCANAAN TRAYEK BUS KOTA SURABAYA MENGGUNAKAN MODEL SIMULASI MONTE CARLO SURABAYA CITY BUS ROUTE PLANNING SIMULATION USING MONTE CARLO SIMULATION

SIMULASI PERENCANAAN TRAYEK BUS KOTA SURABAYA MENGGUNAKAN MODEL SIMULASI MONTE CARLO SURABAYA CITY BUS ROUTE PLANNING SIMULATION USING MONTE CARLO SIMULATION

Objek dari simulasi ini berfokus pada kegiatan pengangkutan penumpang pada setiap halte dalam satu trip bus dimana penumpang naik dan turun pada halte, namun pada simulasi ini penumpang naik dan turun berupa random number. Penggunaan metode Simulasi Monte Carlo pada studi kasus perencanaan ini dianggap tepat dikarenakan tipe simulasi yang digunakan bergantung pada sampel random yang berulang dan analisis statistik untuk menghitung hasil simulasi [2]. Nilai yang dibatasi pada simulasi ini adalah jumlah naik dan turun penumpang, kapasitas bus yang sama untuk seluruh bus, jarak dan batas kecepatan yang sama untuk setiap bus, dan jumlah halte yang sama untuk setiap bus, dimana nilai random digunakan pada jumlah naik dan turun prnumpang serta delay waktu tempuh antar halte untuk mewakili kemacetan.
Baca lebih lanjut

122 Baca lebih lajut

OPTIMASI MANAJEMEN PERSEDIAAN DARAH MENGGUNAKAN SIMULASI MONTE CARLO

OPTIMASI MANAJEMEN PERSEDIAAN DARAH MENGGUNAKAN SIMULASI MONTE CARLO

Penelitian ini dilaksanakan di UTDC PMI Kota Balikpapan yang bertujuan untuk merancang model simulasi persediaan darah serta menetapkan tingkat persediaan darah optimal menggunakan simulasi Monte Carlo. Dalam simulasi ini, variabel kontrol adalah besaran darah masuk, adapun variabel respon adalah total biaya yang merupakan hasil dari penjumlahan biaya kekurangan darah dan darah rusak. Hasil simulasi dengan 8 kali replikasi diperoleh nilai optimal darah masuk untuk golongan darah A, B, O, dan AB berturut-turut sebanyak 22 kantong, 19 kantong, 28 kantong, dan 9 kantong darah per hari. Adapun total biaya persediaan yang minimum adalah Rp 1.956.500; Rp 1.772.550; Rp 2.485.350; dan Rp 1.100.700 berturut-turut untuk golongan darah A, B, O, dan AB.
Baca lebih lanjut

10 Baca lebih lajut

Aplikasi Simulasi Monte Carlo Pada Perhitungan Momen Maksimum Struktur Portal.

Aplikasi Simulasi Monte Carlo Pada Perhitungan Momen Maksimum Struktur Portal.

Suatu struktur portal dengan berat sendiri diabaikan tentunya memiliki momen maksimum. Perhitungan momen maksimum struktur portal secara analitis menggunakan metoda ubahan sudut. Teknik simulasi Monte Carlo diterapkan pada perhitungan momen maksimum struktur portal dengan memasukkan parameter tidak pasti.

21 Baca lebih lajut

APLIKASI SIMULASI MONTE CARLO TIDAK TERSTRUKTUR PADA SCHEDULING KARYAWAN MAINTENANCE ENGINEERING

APLIKASI SIMULASI MONTE CARLO TIDAK TERSTRUKTUR PADA SCHEDULING KARYAWAN MAINTENANCE ENGINEERING

Penelitian menggunakan simulasi Monte Carlo membantu menyediakan bilangan random yang dibutuhkan. Metode simulasi Monte Carlo telah digunakan sebelumnya untuk memecahkan berbagai persoalan dan pengujian paradigma, seperti simulasi Monte Carlo berbasiskan analisis performa supply chain [1], security pricing [2], radiative transfer modelling [3]. Sejak tahun 1949 Monte Carlo juga sudah digunakan untuk memecahkan masalah persamaan matematika [4]. Pada penelitian ini metode simulasi monte carlo digunakan untuk membantu peneliti dalam memberikan bilangan acak dan melakukan sketsa rancangan dari simulasi yang diharapkan terjadi pada periode-periode ke depan. Akar dari permasalahan adalah usaha terus-menerus untuk memberikan yang terbaik bagi konsumen, dalam kaitannya dengan prinsip Kaizen dan Continous Improvement. Hasil dari penelitian diharapkan dapat membantu departemen Building Management dalam merancang penjadwalan karyawan, mengaplikasikan simulasi khususnya Monte Carlo ke dalam masalah riil, yang pada objek penelitian ini adalah penjadwalan jumlah karyawan.
Baca lebih lanjut

7 Baca lebih lajut

PERHITUNGAN HARGA OPSI TIPE ARITMATIK CALL ASIA DENGAN SIMULASI MONTE CARLO

PERHITUNGAN HARGA OPSI TIPE ARITMATIK CALL ASIA DENGAN SIMULASI MONTE CARLO

Untuk mengetahui besarnya standar deviasi pada simulasi Monte Carlo pada penelitian Tugas Akhir ini, dilakukan 6 macam pengujian. Masing-masing pengujian dilakukan sebanyak 10000 kali perulangan. Sesuai dengan percobaan yang dilakukan pada buku Robert L. McDonald yang berjudul “Derivatives Markets” Chapter 19. Monte Carlo Evaluation.

6 Baca lebih lajut

PERBANDINGAN KEPEKAAN UJI KENORMALAN UNIVARIAT PADA KATEGORI MOMEN MELALUI SIMULASI MONTE CARLO.

PERBANDINGAN KEPEKAAN UJI KENORMALAN UNIVARIAT PADA KATEGORI MOMEN MELALUI SIMULASI MONTE CARLO.

PERBANDINGAN KEPEKAAN UJI KENORMALAN UNIVARIAT PADA KATEGORI MOMEN MELALUI SIMULASI MONTE CARLO oleh SITI NURJANAH M0109061 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian per[r]

9 Baca lebih lajut

Simulasi Monte Carlo dan Animasi Operasinya dalam Mengelola Persediaan Bahan Baku Bangunan

Simulasi Monte Carlo dan Animasi Operasinya dalam Mengelola Persediaan Bahan Baku Bangunan

3. Mengevaluasi model dan menyimpan hasilnya Setelah nilai acak (Ri) didapatkan, langkah selanjutnya yaitu mengevaluasi dan menentukan hasilnya, yaitu dengan cara menempatkan nilai acak kedalam range dan dimasukan ke batas bilangan random yang dimiliki masing-masing bahan baku. Jika bilangan random tersebut masuk dalam kriteria batas bilangan random masing-masing bahan baku maka akan di dapatkan nilai sampling masing-masing bahan baku yang diujikan, proses pengecekan dilakukan pada semua random number yang dimasukkan. Hasil permintaan inilah yang akan disimpan sebagai Yi pada langkah-langkah simulasi monte carlo yang ketiga.
Baca lebih lanjut

6 Baca lebih lajut

Penentuan Harga Opsi Put Amerika dengan Simulasi Monte Carlo

Penentuan Harga Opsi Put Amerika dengan Simulasi Monte Carlo

Monte Carlo adalah algoritma komputasi untuk mensimulasikan berbagai perilaku sistem fisika dan matematika. Penggunaan klasik metode ini adalah untuk mengevaluasi integral definit, terutama integral multidimensi dengan syarat dan batasan yang rumit. Simulasi Monte Carlo sangat penting dalam fisika komputasi dan bidang terapan lainnya, dan memiliki aplikasi yang beragam mulai dari penghitungan termodinamika kuantum esoterik hingga perancangan aerodinamika. Metode ini terbukti efisien dalam memecahkan persamaan diferensial integral medan radian, sehingga metode ini digunakan dalam penghitungan iluminasi global yang menghasilkan gambar-gambar fotorealistik model tiga dimensi, dimana diterapkan dalam video games, arsitektur, perancangan, film yang dihasilkan oleh komputer, efek-efek khusus dalam film, bisnis, ekonomi, dan bidang lainnya.
Baca lebih lanjut

149 Baca lebih lajut

Perhitungan Premi Asuransi Jiwa Endowment Suku Bunga Vasicek dengan Simulasi Monte Carlo.

Perhitungan Premi Asuransi Jiwa Endowment Suku Bunga Vasicek dengan Simulasi Monte Carlo.

simulasi yang dilakukan dengan cara membangkitkan bilangan acak. Kelebihan metode simulasi Monte Carlo dalam perhitungan premi asuransi adalah dapat dicari kisaran kerugian atau keuntungan yang dialami perusahaan asuransi untuk tingkat kepercayaam tertentu (Dickson et al, 2013).

20 Baca lebih lajut

Perencanaan Perawatan Pencegahan Komponen Kritis Mesin Sheeter Menggunakan Simulasi Monte Carlo di PT. Perkebunan Nusantara III Kebun Rantau Prapat

Perencanaan Perawatan Pencegahan Komponen Kritis Mesin Sheeter Menggunakan Simulasi Monte Carlo di PT. Perkebunan Nusantara III Kebun Rantau Prapat

Prakoso, Yogi Sapta. 2012. Penentuan Interval Waktu Perawatan Pencegahan Peralatan Centrifuge pada Proses Pembuatan Sabun Mandi Batang dengan Menggunakan Simulasi Monte Carlo, Prosiding Seminar Nasional Manajemen Teknologi XVI. Surabaya: Program Studi MMT-ITS (ISBN : 978- 602-97491-5-1)

2 Baca lebih lajut

Aplikasi Simulasi Monte Carlo Dalam Estimasi Biaya Proyek | Fadjar | SMARTek 486 1721 1 PB

Aplikasi Simulasi Monte Carlo Dalam Estimasi Biaya Proyek | Fadjar | SMARTek 486 1721 1 PB

Meskipun simulasi Monte Carlo adalah sebuah metode yang sangat bermanfaat untuk diaplikasikan dalam bidang manajemen proyek, simulasi jadwal proyek (McCabe, 2003) dan simulasi perataan sumberdaya (Hanna & Ruwanpura, 2007) contohnya, dalam praktiknya metode ini belum banyak digunakan oleh para manajer proyek kecuali disyaratkan oleh organisasi atau perusahaannya. Kwak & Ingall (2007) berpendapat bahwa alasan utama simulasi Monte Carlo jarang digunakan oleh kebanyakan manajer proyek adalah: kurangnya pemahaman terhadap metode Monte Carlo dan statistik; alih-alih sebagai manfaat,
Baca lebih lanjut

6 Baca lebih lajut

Aplikasi Metode Simulasi Monte Carlo untuk Menduga Debit Aliran Sungai

Aplikasi Metode Simulasi Monte Carlo untuk Menduga Debit Aliran Sungai

proses simulasi tertera pada Gambar 1. Siufasi dilakukan sebanyak 20 kali ulangan. hasil simulasi 20 kali ulangan tersebut, dihitung rata-ratanya Nilai rata-rata merupakan nilai akhir dari hasil simulasi, yang akan digunakan pada aplikasi di

20 Baca lebih lajut

Show all 6630 documents...