SIMULASI SISTEM PERSEDIAAN

Slides:



Advertisements
Presentasi serupa
Contoh Aplikasi : Kasus 1.
Advertisements

Riset Operasional Pertemuan 2
 Kita perlu memperhatikan struktur probabilistik yang mendasari pengamatan ini.  Kita menulis Z t untuk pengamatan pada waktu t.  Dalam hal ini,
RONNY SETIAWAN M RONNY SETIAWAN M RENDRA ADI S RENDRA ADI S NIZAR SHULTONI NIZAR SHULTONI
Pengenalan Riset Operasional
DISTRIBUSI TEORETIS.
Distribusi Gamma dan Chi Square
DISTRIBUSI TEORETIS Tujuan :
DISTRIBUSI PROBABILITAS KONTINYU TEORITIS 2
DISTRIBUSI DARI FUNGSI VARIABEL RANDOM
BAB VII Simulasi Monte Carlo.
BAB VII Simulasi Monte Carlo.
Latihan UAS Teknik Simulasi.
Distribusi Probabilitas Diskrit BINOMIAL
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.
PENGANTAR MODEL STOKASTIK
Analisis Model dan Simulasi
KONSEP STATISTIK.
PEMODELAN SISTEM Modul 8 JURUSAN TEKNIK INDUSTRI
SOAL-SOAL MODEL ANTRIAN DAN APLIKASINYA
DISTRIBUSI FREKUENSI.
DISTRIBUSI PROBABILITAS
Random Variate Distribusi Kontinu dan Diskrit
Contoh Aplikasi : Kasus 1.
MODEL SIMULASI Modul 14. PENELITIAN OPERASIONAL I Oleh : Eliyani
Statistik dan Probabilitas
DISTRIBUSI SAMPLING STATISTIK
DISTRIBUSI KONTINYU.
Pengantar model stokastik
Simulasi Monte Carlo.
Distribusi Probabilitas
NOTASI SIGMA Maka:.
TM4 LINIER PROGRAMMING SIMPLEX
Distribusi Probabilitas Kontinyu
DISTRIBUSI PROBABILITAS DISKRIT (1)
DISTRIBUSI PROBABILITAS DISKRIT (1)
MODEL SIMULASI Pertemuan 13
Pertemuan 13 Analisa Simulasi II
Simulasi Monte Carlo Pertemuan 5 MOSI T.Informatika Ganjil 2008/2009
Distribusi dan Teknik Sampling
Simulasi sistem persediaan
Variable Acak Normal Standar
SIMULASI.
HARGA HARAPAN.
SIMULASI SISTEM PERSEDIAAN
Simulasi Monte Carlo.
DISTRIBUSI VARIABEL RANDOM DISKRIT
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.
NOTASI SIGMA Maka:.
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