SIMULASI SISTEM PERSEDIAAN

Slides:



Advertisements
Presentasi serupa
Contoh Aplikasi : Kasus 1.
Advertisements

Riset Operasional Pertemuan 2
Pertemuan 6 UJI HIPOTESIS
RONNY SETIAWAN M RONNY SETIAWAN M RENDRA ADI S RENDRA ADI S NIZAR SHULTONI NIZAR SHULTONI
DISTRIBUSI TEORITIS.
Pengenalan Riset Operasional
DISTRIBUSI TEORETIS Tujuan :
DISTRIBUSI PROBABILITAS KONTINYU TEORITIS 2
UJI SATU SAMPEL Jakarta, 27 Maret 2013.
BAB VII Simulasi Monte Carlo.
BAB VII Simulasi Monte Carlo.
Latihan UAS Teknik Simulasi.
Journal Review A note on analytic calculation of planned lead times for assembly systems under POQ policy and service level constraint Sebuah catatan pada.
MONTE CARLO INVENTORY SIMULATION
 Statistical Simulation, menggambarkan sistem yang stochastic maupun static dan digunakan untuk meng-estimate nilai-nilai yang tidak bisa dengan mudah.
RANDOM VARIATE DISTRIBUSI DISKRIT
F2F-7: Analisis teori simulasi
1 Pertemuan 25 Troubleshooting : Teknik Simulasi Matakuliah: H0204/ Rekayasa Sistem Komputer Tahun: 2005 Versi: v0 / Revisi 1.
Simulasi Monte Carlo.
Pertemuan 18 Aplikasi Simulasi
SIMULASI SISTEM PERSEDIAAN
SIMULASI.
PENGANTAR MODEL STOKASTIK
(PROBABILITAS LANJUTAN) DISTRIBUSI PELUANG DISKRIT DAN KONTINU
KONSEP STATISTIK.
DISTRIBUSI PROBABILITAS
Random Variate Distribusi Kontinu dan Diskrit
REVIEW STATISTIKA DISKRIPTIF
Contoh Aplikasi : Kasus 1.
MODEL SIMULASI Modul 14. PENELITIAN OPERASIONAL I Oleh : Eliyani
KONSEP DASAR STATISTIK
Statistik dan Probabilitas
DISTRIBUSI SAMPLING STATISTIK
DISTRIBUSI KONTINYU.
Pengantar model stokastik
Simulasi Monte Carlo.
Distribusi Probabilitas
DISUSUN OLEH : IPHOV KUMALA SRIWANA
TM4 LINIER PROGRAMMING SIMPLEX
Distribusi Probabilitas Kontinyu
DISTRIBUSI PROBABILITAS DISKRIT (1)
DISTRIBUSI PROBABILITAS DISKRIT (1)
MODEL SIMULASI Pertemuan 13
PROBABILITAS DAN STATISTIK
DISTRIBUSI PROBABILITAS
Simulasi Monte Carlo Pertemuan 5 MOSI T.Informatika Ganjil 2008/2009
Distribusi dan Teknik Sampling
Simulasi sistem persediaan
Variable Acak Normal Standar
Distribusi Sampling Tujuan Pembelajaran :
SIMULASI.
HARGA HARAPAN.
Simulasi Monte Carlo.
DISTRIBUSI VARIABEL RANDOM DISKRIT
Ukuran Penyebaran Data
Distribusi dan Uji Chi-Kuadrat
Pertemuan ke 9.
Veni Wedyawati, M. Kom MODEL DAN SIMULASI
BAB 10 DISTRIBUSI PROBABILITAS Pada berbagai peristiwa dalam probabilitas jika frekuensi percobaannya banyak, maka untuk peristiwa yang bersifat independent.
DISTRIBUSI PELUANG KONTINYU
HARGA HARAPAN.
Random Variate Distribusi Kontinu dan Diskrit
Monte Carlo Simulation (lanjut)
Hasil analisis dari pengukuran kadar glukosa darah sewaktu-waktu sejumlah 100 orang didapat rata-rata 152 mg% dan S = 55 mg%. Dapatkanlah probabilitas.
Distribusi Teoritis Variabelacak Kontinu
OPERATIONS RESEARCH – I
. Distribusi Binomial adalah suatu distribusi probabilitas yang dapat digunakan bilamana suatu proses sampling dapat diasumsikan sesuai dengan proses.
Pengenalan Riset Operasional
Distribusi Teoritis Variabel Acak Kontinu
DISTRIBUSI PROBABILITAS DISKRIT (1)
Transcript presentasi:

SIMULASI SISTEM PERSEDIAAN Pendahuluan Definisi Tujuan Review Simulasi Monte Carlo

PENDAHULUAN Model Simulasi dapat dikelompokkan ke dalam dua tipe dasar, yaitu : Deterministik Probabilistik

MODEL DETERMINISTIK Mempunyai sifat tegas menyatakan nilai harapan dari variabel

MODEL PROBABILISTIK Mempunyai variabel kunci yang didefinisikan sebagai distribusi probabilitias dan bukan untuk nilai yang diharapkan Dalam model ini, variabel tidak kontinyu dan dalam hubungannya dengan waktu tidak berubah

SIMULASI MONTE CARLO Adalah tipe simulasi probababilistik untuk mencari penyelesaian masalah dengan sampling dari proses random

menyangkut kondisi organisasi Simulasi Monte Cralo mengizinkan manajer untuk menentukan beberapa kebijakan yang menyangkut kondisi organisasi

PENDEKATAN SIMULASI MONTE CARLO

LANGKAH UTAMA PENGGUNAAN SIMULASI MONTE CARLO Definisikan distribusi probabilitas yang ingin diketahui dan pastikan variabel kunci. Mungkin menggunakan distribusi standar seperti Poisson, normal, eksponensial, atau mungkin distribusi empirik dari data historis

2. Mangubah distribusi frekuensi menjadi distribusi probabilitas kumulatif

3. Tentukan nilai variabel yang akan digunakan dalam simulasi dari random sampel distrbusi probabilitas kumulatif. Caranya adalah dengan menggunakan angka yang terdapat dalam tabel random. Angka random dimasukkan dalam distribusi probabilitas kumulatif untuk memperoleh nilai variabel setiap pengamatan.

APLIKASI SIMULASI MONTE CARLO Masalah antrian  dimana distribusi standar rata-rata kedatangan dan pelayanan tidak tersedia Masalah layout Masalah persediaan  untuk menentukan pemesanan kembali dan jumlah pemesanan Masalah penggantian peralatan

CONTOH Distribusi probabilitas waktu perakitan sebuah produk seperti terlihat dalam tabel. Tentukan rata-rata waktu perakitan dengan simulasi untuk sepuluh penggantian dengan jumlah random : 04 95 45 21 44 57 03 98 98 10