Contoh Teknik Pengolahan Data dengan Analisis Monte Carlo

Dalam industri olahan, persediaan bahan baku menjadi hal terpenting dalam melakukan produksi suatu produk. Seringkali sebuah industri pada umumnya tidak memiliki persiapan data atau patokan mengenai berapa besar persediaan bahan baku yang tepat untuk memenuhi permintaan pasar. Persediaan berlebih akan berimbas pada pengeluaran yang tinggi untuk produksi maupun penyimpanan. Namun sebaliknya, bila perusahaan berupaya mengurangi persediaan, perusahaan suatu saat akan dihadapkan pada masalah keterbatasan persediaan yang cukup untuk menjalankan operasional usahanya sehingga dapat menjadi penyebab utama sering terjadinya rush order yang kemudian tidak dapat ditangani oleh perusahaan tersebut. Ketika persediaan berkurang akan berdampak pada tidak terpenuhinya permintaan konsumen sehingga penurunan permintaan akan berindikasi juga pada penurunan pendapatan. Pendapatan diperoleh dari berbagai aktivitas yang dilakukan, seperti pendapatan dari penjualan, bunga bank, piutang dan penerimaan kas. Jadi jika pendapatan yang diterima tinggi maka laba yang akan diperoleh oleh perusahaan juga semakin tinggi. Demikian pula sebaliknya jika pendapatan yang diterima kecil maka laba yang diperoleh juga akan semakin kecil. 

Proses ini dinamakan dengan simulasi. Proses simulasi dapat memanfaatkan data lama yang menggambarkan hubungan sebab akibat dari sebuah sistem model komputer. Penggunaan simulasi seringkali mengarah pada hasil yang optimal maupun mendekati optimal. Metode yang dapat digunakan untuk simulasi data terkait dengan persediaan adalah Monte Carlo. Metode Monte Carlo merupakan kumpulan angka yang diartikan sebagai metode simulasi statistik. Metode ini telah digunakan pada proses yang mengaitkan perilaku acak dan digunakan untuk mengukur kriteria-kriteria fisik yang tidak mudah bahkan tidak mungkin untuk dihitung dengan pengukuran eksperimental. Metode Monte Carlo merupakan algoritma komputasi yang menggunakan sampel acak secara berulang-ulang untuk mendapatkan hasil. Alasan inilah yang menjadi poin penting untuk menyusun suatu rancangan simulasi yang dapat digunakan untuk memprediksi produksi berdasarkan persediaan dengan berkaca dari data penjualan sebelumnya. Dengan menggunakan model simulasi Monte Carlo yang merupakan analisis yang fleksibel dan tangguh untuk memprediksi nilai dugaan berdasarkan nilai random yang hasilnya adalah sebuah model yang menampilkan tingkah laku dan performansi proses bisnis atau produk. Kira-kira apa saja yang menjadi bahasan dalam topik analisis ini sehingga menjadi sebuah teknik pengolahan data yang seringkali digunakan oleh periset atau peneliti dalam mengukur persediaan penjualan. Mari kita cari tahu lebih dalam. Pada artikel DQLab kali ini, kita akan membahas mengenai contoh teknik pengolahan data yaitu analisis monte carlo. Dengan harapan bisa menjadi tambahan insight dan rekomendasi bagi kalian calon praktisi data, peneliti maupun data enthusiast. Jangan lewatkan artikel berikut ini, pastikan simak baik-baik, stay tune and keep scrolling on this article guys!

1. Mengenal Lebih Jauh Simulasi Monte Carlo

Simulasi Monte Carlo atau yang disebut juga dengan crude Monte Carlo. Sebutan ini merupakan suatu metode yang melibatkan pembangkit dengan menggunakan bilangan acak dengan bantuan distribusi probabilitas yang dapat diketahui dan ditentukan. Dasar dari simulasi Monte Carlo adalah melakukan percobaan pada elemen-elemen probabilitas melalui pengambilan sampel secara acak. Simulasi Monte Carlo adalah sebuah pengujian dengan bilangan acak menggunakan persamaan matematik. Prediksi menggunakan Monte Carlo mewajibkan pengujian data yang sama dilakukan berulang-ulang dengan menggunakan bilangan acak yang berlainan tapi memiliki keseragaman sehingga informasi dapat dihasilkan lebih efisien). Pengujian menggunakan Monte Carlo umumnya dilakukan dalam komputer dengan menggunakan bilangan acak. Simulasi Monte Carlo sangat efektif saat digunakan untuk memodelkan: 

1. Aliran antrian dalam sebuah kegiatan, 
2. Evolusi sebuah epidemi penyakit berdasarkan ruang dan waktu,
3. Uji statistik,
4. Prediksi harga.

Baca juga : Teknik Pengolahan Data Kualitatif: Ketahui Macam-Macam Metode Pengumpulan Data

2. Simulasi Permintaan Monte Carlo

Simulasi permintaan merupakan sebuah perkiraan tentang permintaan tetapi merupakan tindakan penyesuaian kesempatan yakni permintaan aktual dan potensial dengan usaha usaha pemasaran yang diperlukan, agar tujuan dapat diperoleh suatu manfaat dari padanya. Simulasi sendiri merupakan imitasi atau tiruan dari aktivitas atau proses sebuah sistem. Simulasi Monte Carlo mengizinkan untuk seorang manajer menentukan beberapa kebijakan yang menyangkut kondisi organisasi. Selain itu, metode simulasi Monte Carlo merupakan sebuah teknik simulasi yang menggunakan unsur acak disaat terdapat peluang. Setelah memiliki data mengenai rata-rata penjualan harian pada 3 bulan terakhir, langkah selanjutnya adalah menentukan distribusi probabilitas dan distribusi probabilitas kumulatif untuk variabel penting terkait dengan masalahnya. Karena permintaan dan frekuensi sudah diketahui, maka distribusi probabilitas dapat ditentukan dengan cara membagi jumlah pengamatan dengan jumlah pengamatan total.

3. Menentukan Distribusi Probabilitas Kumulatif

Untuk menentukan distribusi probabilitas dari variabel menggunakan rumus: 

(1) NNP = NNF/NJF

 Dimana: NNP = Nilai probabilitas NNF = Frekuensi NJF = Jumlah Frekuensi

Menentukan distribusi probabilitas kumulatif dilakukan dengan cara menjumlahkan nilai distribusi probabilitas dengan jumlah nilai probabilitas sebelumnya, dan untuk menentukan nilai distribusi probabilitas kumulatif pertama yaitu sama dengan nilai probabilitas pertama.

4. Menentukan Interval Angka Acak 

Untuk menentukan nilai interval angka acak diperoleh dari nilai angka probabilitas kumulatif pada tahapan sebelumnya. Adapun dari fungsi dari nilai angka acak adalah pembatas dari nilai antara variabel satu dengan variabel lainnya yang berfungsi sebagai nilai acuan hasil simulasi. Pada nilai angka acak sendiri terdiri dari dua bagian yaitu nilai angka acak batas awal dan nilai angka acak batas akhir. Adapun untuk menentukan nilai batasan pada variabel angka acak adalah 

1. Nilai batas awal untuk variabel pertama dimulai dengan nilai 0. 

2. Nilai batas akhir ditentukan dengan cara mengalikan nilai probabilitas kumulatif masing-masing variabel dengan angka 100 dan dibulatkan. 

3. Nilai batas awal untuk variabel kedua dan seterusnya diperoleh dari nilai batas akhir variabel sebelumnya kemudian ditambahkan dengan angka 1.

Sebelum membangkitkan angka acak harus dipastikan nilai interval angka acak yang dibentuk sudah tersedia. Terdapat 2 metode yang biasa digunakan untuk membangkitkan angka acak yaitu Mixed Congruential Method dan Multiplicative Method.

Baca juga : Kenali 3 Jenis Metode Pengolahan Data Kuantitatif

5. Belajar Teknik Pengolahan Data Paling Mudah Bersama DQLab!

Penelitian merupakan kegiatan yang terpenting dalam sebuah riset untuk menggali sebuah permasalahan yang terjadi di lapang. Tidak terkecuali dengan adanya pemahaman akan pentingnya analisis data tentunya juga membutuhkan keuletan dan kepiawaian dalam melakukannya. Hal ini juga tidak boleh diabaikan karena pada tahap ini peneliti harus menentukan jenis penelitiannya. Apalagi penentuan teknik pengolahan data juga tidak boleh dianggap enteng. Justru itulah yang merupakan kunci dalam sebuah penelitian. Karena pada dasarnya penerapan analisis data berbeda jika jenis penelitiannya berbeda. Salah satu penerapannya adalah data science yang terdiri dari bidang ilmu matematika, statistik, dan komputer. Dengan mempelajari Data Science, kamu akan terlatih dan terbiasa untuk menghasilkan informasi dari olahan data mentah dan insight yang valuable. Jika kamu penasaran dengan data science dan ingin belajar data science dan pengolahan data secara langsung, caranya mudah banget. Kamu bisa loh untuk coba bikin akun gratisnya kesini di DQLab.id atau bisa klik button di bawah ini yap. Kamu juga bisa loh cobain Modul lain untuk mengasah kemampuan data science kamu biar lebih oke lagi dan bisa diakses tanpa batas. Nikmati pengalaman belajar data science yang menarik dan cobain berlangganan bersama DQLab yang seru dan menyenangkan dengan live code editor. Cobain juga free module Introduction to Data Science with R dan Introduction to Data Science with Python untuk menguji kemampuan data science kamu. Kalian juga bisa mencoba studi kasus penerapan real case industry. Ayo persiapkan dirimu untuk berkarir sebagai praktisi data yang kompeten!

Penulis: Reyvan Maulid