Apa yang dimaksud dengan Monte Carlo Analysis?

tools technique
Dalam quantitative risk analysis, ada teknik yang dinamakan Monte Carlo. Apa yang dimaksud dengan monte carlo analysis?

Simulasi Monte Carlo adalah teknik matematika terkomputerisasi yang memungkinkan orang untuk memperhitungkan risiko dalam analisis kuantitatif dan pengambilan keputusan. Teknik ini digunakan oleh para profesional di bidang yang sangat berbeda seperti keuangan, manajemen proyek, energi, manufaktur, teknik, penelitian dan pengembangan, asuransi, minyak & gas, transportasi, dan lingkungan.

Simulasi Monte Carlo melengkapi pembuat keputusan dengan berbagai kemungkinan hasil dan probabilitasnya akan terjadi untuk setiap pilihan tindakan. Hal ini menunjukkan kemungkinan yang sangat ekstrim — hasil dari pergi untuk pecah dan untuk keputusan yang paling konservatif — bersama dengan semua kemungkinan konsekuensi untuk keputusan di tengah jalan.

Teknik ini pertama kali digunakan oleh para ilmuwan yang bekerja pada bom atom; itu dinamai untuk Monte Carlo, kota resor Monako yang terkenal karena kasino-nya. Sejak diperkenalkan pada Perang Dunia II, simulasi Monte Carlo telah digunakan untuk memodelkan berbagai sistem fisik dan konseptual.

Simulasi Monte Carlo melakukan analisis risiko dengan membangun model hasil yang mungkin dengan mengganti berbagai nilai-distribusi probabilitas-untuk setiap faktor yang memiliki ketidakpastian yang melekat. Ini kemudian menghitung hasil berulang, setiap kali menggunakan nilai acak yang berbeda dari fungsi probabilitas. Tergantung pada jumlah ketidakpastian dan rentang yang ditentukan untuk mereka, simulasi Monte Carlo dapat melibatkan ribuan atau puluhan ribu perhitungan ulang sebelum selesai. Simulasi Monte Carlo menghasilkan distribusi kemungkinan nilai hasil.

Dengan menggunakan distribusi probabilitas, variabel dapat memiliki probabilitas yang berbeda dari hasil yang berbeda yang terjadi. Distribusi probabilitas adalah cara yang jauh lebih realistis untuk menggambarkan ketidakpastian dalam variabel analisis risiko.

Distribusi probabilitas umum meliputi:

  • Normal
  • Lognormal
  • Seragam
  • Berbentuk segitiga
  • PERT
  • Diskrit

Selama simulasi Monte Carlo, nilai diambil secara acak dari distribusi probabilitas input. Setiap set sampel disebut iterasi, dan hasil yang dihasilkan dari sampel tersebut dicatat. Simulasi Monte Carlo melakukan ini ratusan atau ribuan kali, dan hasilnya adalah distribusi kemungkinan hasil yang mungkin. Dengan cara ini, simulasi Monte Carlo memberikan pandangan yang jauh lebih komprehensif tentang apa yang mungkin terjadi. Ini memberitahu Anda tidak hanya apa yang bisa terjadi, tetapi seberapa besar kemungkinan itu terjadi.

Saya akan membantu menjelaskan dari pertanyaan anda,

      Monte Carlo Simulation atau disingkat MCS adalah salah satu teknik asesmen risiko kuantitatif yang dapat digunakan oleh berbagai organisasi dalam proses manajemen risiko mereka, terutama dalam tahapan analisis risiko dan/atau evalusi risiko yang memiliki fenomena variabel acak (random variable). Analisis dan evaluasi risiko dengan fenomena variabel acak tidak hanya hanya terjadi untuk peristiwa-peristiwa risiko pasar (market risk), risiko kredit (credit risk), dan risiko operasional (operational risk) dalam dunia perbankan, tetapi juga untuk risiko operasional di berbagai industri lain misalnya industri minyak dan gas (oil and gas) dan pertambangan (mining),

      Monte Carlo Simulation adalah salah satu teknik asesmen risiko berciri kuantitatif yang diakui dalam penerapan ISO 31000 Risk Management Standard. Teknik ini secara eksplisit tercantum dalam dokumen pendukung ISO 31000 yaitu “ISO31010 Risk Assessment Techniques”.

      Jika suatu sistem mengandung elemen yang mengikut sertakan faktor kemungkinan, model yang digunakan adalah model Monte Carlo. Dasar dari simulasi Monte Carlo adalah percobaan elemen kemungkinan dengan menggunakan sampel random (acak). Metode ini terbagi dalam 5 tahapan:

  1. Membuat distribusi kemungkinan untuk variabel penting
  2. Membangun distribusi kemungkinan kumulatif untuk tiap‐tiap variabel di tahap pertama
  3. Menentukan interval angka random untuk tiap variabel
  4. Membuat angka random
  5. Membuat simulasi dari rangkaian percobaan.

      Sehingga dengan menggunakan Monte Carlo ini dapat memfasilitasi kita untuk memperhitungkan klasifikasi-klasifikasi risiko-risiko yang mungkin terjadi,karena monte carlo ini nantinya akan memberikan variabel-variabel penting mana yang perlu di tindak lanjuti.
      Kemudian untuk **keuntungan penggunaan Monte Carlo Analysis dalam penerapan teknik pengidentifikasian risiko dapat saya jabarkan sebagai berikut:

1. Hasil Probabilistik

Hasilnya menunjukkan tidak hanya apa yang bisa terjadi, tetapi seberapa besar kemungkinan hasilnya.Sehingga akan memberikan informasi terkait risiko menjadi lebih detail dan mudah dalam penanganan dan pengambilan solusi untuk tiap risikonya.

2.Hasil Grafis

Karena data yang dihasilkan simulasi Monte Carlo, mudah untuk membuat grafik hasil yang berbeda dan peluang terjadinya. Hal ini penting untuk mengkomunikasikan temuan kepada pemangku kepentingan lainnya.

3.Analisis Sensitivitas

Dalam simulasi Monte Carlo, mudah untuk melihat input mana yang memiliki efek terbesar pada hasil bottom-line.Sehingga kita dapat mengambil keputusan untuk menentukan inputan mana yang nantinya dapat menimbulkan risiko terbesar.

4.Analisis Skenario

Dengan menggunakan simulasi Monte Carlo, para analis dapat melihat secara tepat input mana yang memiliki nilai bersama saat terjadi beberapa hasil. Ini sangat berharga untuk analisis lebih lanjut.

5.Korelasi Masukan

Dalam simulasi Monte Carlo, dimungkinkan untuk memodelkan hubungan saling ketergantungan antara variabel input. Penting untuk akurasi untuk menggambarkan bagaimana, dalam kenyataannya, ketika beberapa faktor naik, yang lain naik atau turun sesuai dengan itu.Sehingga kita lebih paham mengenai suatu inputan dan relasinya terhadap risiko yang nantinya akan ditimbulkan.

      Itulah beberapa penjelasan terkait dengan Monte Carlo Analysis yang di terapkan untuk mengidentifikasi risiko,dimana dengan penerapannya dapat membantu untuk mengidentifikasi input dan analisa risiko semakin mendalam,detail,dan luas,sehingga tidak terbatas pada suatu batasan proses tertentu saja.

Referensi :

Tipe teknik analisis Monte Carlo dalam Quantitative Risk Analysis adalah teknik yang menggunakan perkiraan optimis, dengan kemungkinan besar, dan pesimistis untuk menentukan total biaya proyek dan tanggal penyelesaian proyek. Sebagai contoh, kita bisa memperkirakan kemungkinan menyelesaikan proyek dengan biaya 800 juta. Atau apakah perusahaan ingin memiliki kemungkinan 80% untuk mencapai tujuan biayanya. Berapakah biaya untuk mencapai 80% tersebut?

Monte Carlo Analysis juga dapat dikatakan sebuah proses yang menghasilkan ratusan atau ribuan hasil kinerja yang mungkin berdasarkan distribusi probabilitas untuk biaya dan jadwal pada tugas-tugas individu. Hasilnya kemudian digunakan untuk menghasilkan distribusi probabilitas untuk proyek secara keseluruhan.

monte
Credit: Courtesy of Pritchard Management Associates, Frederick, MD.

  • Sumbu x menunjukkan total durasi dalam beberapa hari. Untuk contoh ini, rentang durasi adalah 23–37 hari.
  • Sumbu y di sebelah kiri menunjukkan jumlah kemunculan total durasi spesifik terjadi. Anda menggunakan sumbu ini dengan bar yang menunjukkan berapa kali simulasi menunjukkan durasi sejumlah hari tertentu. Jarang terjadi durasi 23 hari atau 27 hari. Malahan, lebih dari 140 contoh kasus yang durasinya 30 hari.
  • Sumbu y di sebelah kanan menunjukkan kemungkinan kumulatif bahwa durasi kumulatif akan terjadi. Gunakan ini dengan garis yang menunjukkan kemungkinan kumulatif total durasi akan datang pada atau di bawah durasi yang ditentukan.
  • Organisasi dapat melihat garis memotong bar selama 30 hari pada 50% kemungkinan titik. Ini adalah durasi yang diharapkan: 50% dari waktu, durasi akan lebih dari 30 hari; 50% dari waktu, itu akan kurang dari 30 hari.

Jika organisasi menggunakan informasi ini untuk menentukan jumlah waktu yang mereka butuhkan untuk pekerjaan dan mereka menginginkan peringkat kepercayaan 80%, mereka akan memilih 32 hari.

Sumber :
dumies.com : Model Analisis Resiko Kuantitatif
projectriskcoach.com : Analisis Resiko Kuantitatif

Simulasi Monte Carlo adalah teknik matematika terkomputerisasi yang memungkinkan orang untuk memperhitungkan risiko dalam analisis kuantitatif dan pengambilan keputusan. Teknik ini digunakan oleh para profesional di bidang yang sangat berbeda seperti keuangan, manajemen proyek, energi, manufaktur, teknik, penelitian dan pengembangan, asuransi, minyak & gas, transportasi, dan lingkungan.

Simulasi Monte Carlo melengkapi pembuat keputusan dengan berbagai kemungkinan hasil dan probabilitasnya akan terjadi untuk setiap pilihan tindakan. Teknik ini pertama kali digunakan oleh para ilmuwan yang bekerja pada bom atom. Sejak diperkenalkan pada Perang Dunia II, simulasi Monte Carlo telah digunakan untuk memodelkan berbagai sistem fisik dan konseptual.

Setiap kali Anda menghadapi perkiraan kompleks atau situasi peramalan yang melibatkan tingkat kompleksitas dan ketidakpastian yang tinggi, disarankan untuk menggunakan simulasi Monte Carlo untuk menganalisis kemungkinan memenuhi tujuan Anda, mengingat faktor risiko proyek Anda, sebagaimana ditentukan oleh risiko jadwal Anda. Ini sangat efektif karena didasarkan pada evaluasi data secara numerik dan tidak ada dugaan yang terlibat.

Manfaat utama menggunakan analisis Monte Carlo adalah :

  • Monte Carlo adalah metode yang mudah untuk mencapai hasil yang mungkin untuk peristiwa yang tidak pasti dan batas keyakinan yang terkait untuk hasilnya. Satu-satunya prasyarat adalah Anda harus mengidentifikasi batas jangkauan dan korelasi dengan variabel lain.

  • Monte Carlo adalah teknik yang berguna untuk mempermudah pengambilan keputusan berdasarkan data numerik untuk mendukung keputusan Anda.

  • Simulasi Monte Carlo biasanya berguna saat menganalisis biaya dan jadwal. Dengan bantuan analisis Monte Carlo, Anda dapat menambahkan biaya dan jadwal peristiwa risiko ke model peramalan Anda dengan tingkat kepercayaan yang lebih besar.

  • Anda juga dapat menggunakan analisis Monte Carlo untuk menemukan kemungkinan untuk memenuhi tonggak pencapaian proyek dan sasaran menengah Anda.

Berikut ini adalah langkah-langkah yang perlu dilakukan saat menganalisis data menggunakan simulasi Monte Carlo :

  1. Identifikasi variabel risiko proyek yag utama
    Sebuah variabel risiko adalah parameter yang sangat penting untuk keberhasilan proyek dan sedikit variasi dalam hasilnya mungkin memiliki dampak negatif pada proyek. Variabel risiko proyek biasanya diisolasi menggunakan analisis sensitivitas dan ketidakpastian.

  2. Analisis sensitivitas digunakan untuk menentukan variabel yang paling penting dalam sebuah proyek.
    Untuk mengidentifikasi variabel yang paling penting dalam proyek, semua variabel dianalisis hasilnya. Variabel yang memiliki dampak terbesar pada hasil proyek diisolasi sebagai variabel risiko proyek utama. Namun, analisis sensitivitas itu sendiri mungkin memberikan beberapa hasil yang menyesatkan karena tidak mempertimbangkan sifat realistis dari perubahan yang diproyeksikan pada variabel tertentu. Oleh karena itu penting untuk melakukan analisis ketidakpastian bersamaan dengan analisis sensitivitas.

  3. Analisis ketidakpastian menetapkan kesesuaian hasil dan membantu dalam memverifikasi validitas variabel tertentu.
    Sebuah variabel proyek yang menyebabkan dampak tinggi pada keseluruhan proyek mungkin tidak signifikan dan wajar jika probabilitas kemunculannya sangat rendah. Oleh karena itu penting untuk melakukan analisis ketidakpastian.

  4. Identifikasi batasan jangkauan untuk variabel proyek
    Proses ini melibatkan penentuan nilai maksimum dan minimum untuk setiap variabel risiko proyek yang teridentifikasi. Jika Anda memiliki data historis yang tersedia dengan Anda, ini bisa menjadi tugas yang lebih mudah. Anda hanya perlu mengatur data yang tersedia dalam bentuk distribusi frekuensi dengan mengelompokkan jumlah kejadian pada interval nilai yang berurutan. Dalam situasi di mana Anda tidak memiliki data historis yang lengkap, Anda perlu mengandalkan penilaian ahli untuk menentukan nilai yang paling mungkin.

  5. Spesifikasi bobot probabilitas untuk kisaran nilai yang ditetapkan
    Langkah berikutnya mengalokasikan probabilitas kejadian untuk variabel risiko proyek. Untuk melakukannya, distribusi probabilitas multi-nilai dikerahkan. Beberapa distribusi probabilitas yang umum digunakan untuk menganalisis risiko adalah distribusi normal, distribusi seragam, distribusi segitiga, dan distribusi langkah. Distribusi normal, seragam, dan segitiga bahkan distribusi dan menetapkan probabilitas simetris dalam rentang yang ditentukan dengan berbagai konsentrasi ke arah pusat

  6. Menetapkan hubungan untuk variabel berkorelasi
    Langkah selanjutnya melibatkan mendefinisikan korelasi antara variabel risiko proyek. Korelasi adalah hubungan antara dua atau lebih variabel di mana perubahan dalam satu variabel menginduksi perubahan simultan dalam hal yang lain. Dalam simulasi Monte Carlo, nilai input untuk variabel risiko proyek dipilih secara acak untuk menjalankan simulasi. Oleh karena itu sangat penting untuk menetapkan korelasi antar variabel dan kemudian menerapkan batasan untuk simulasi untuk memastikan bahwa pemilihan acak dari input tidak melanggar korelasi yang ditentukan. Ini dilakukan dengan menetapkan koefisien korelasi yang mendefinisikan hubungan antara dua atau lebih variabel. Ketika putaran simulasi dilakukan oleh komputer, spesifikasi koefisien korelasi memastikan bahwa hubungan yang ditentukan dipatuhi tanpa pelanggaran.

  7. Menjalankan Simulasi Berjalan
    Langkah selanjutnya adalah menjalankan simulasi. Ini biasanya dilakukan dengan menggunakan perangkat lunak simulasi dan idealnya 500 - 1000 simulasi berjalan merupakan ukuran sampel yang baik. Saat menjalankan simulasi berjalan, nilai acak variabel risiko dipilih dengan distribusi probabilitas dan korelasi yang ditentukan.

  8. Analisis Statistik Hasil Simulasi
    Setiap simulasi run menunjukkan kemungkinan terjadinya peristiwa risiko. Distribusi probabilitas kumulatif dari semua proses simulasi diplot dan dapat digunakan untuk menginterpretasikan probabilitas untuk hasil proyek yang berada di atas atau di bawah nilai tertentu. Distribusi probabilitas kumulatif ini dapat digunakan untuk menilai risiko proyek secara keseluruhan.

Referensi :

Metode Monte Carlo adalah algoritme 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.

Monte Carlo Simulation atau disingkat MCS adalah salah satu teknik asesmen risiko kuantitatif yang dapat digunakan oleh berbagai orgatnisatsi tdaltatm proses tmantajemen rtisiko mereka, terutama dalam tahapan analisis risiko dan/atau evalusi risiko yang memiliki fenomena variabel acak (random variable). Analisis dan evaluasi risiko dengan fenomena variabel acak tidak hanya hanya terjadi untuk peristiwa-peristiwa risiko pasar (market risk), risiko kredit (credit risk), dan risiko operasional (operational risk) dalam dunia perbankan, tetapi juga untuk risiko operasional di berbagai industri lain misalnya industri minyak dan gas (oil and gas) dan pertambangan (mining),

Beberapa jenis kemitraan yang dapat dilakukan oleh CRMSIndonesia adalah sebagai berikut:

  1. Pelatihan tentang dasar-dasar metode kuantitatif asesmen risiko dan penggunaan metode Monte Carlo Simulation tingkat dasar.
    Pelatihan dimulai dengan review mengenai arti dan jenis-jenis data, pemahaman berbagai bentuk distribusi data, serta pemaknaan pergerakan dan sebaran data melalui beberapa statistik deskriptif yang umum digunakan.Selanjutnya pelatihan akan fokus pada pemahaman tentang dasar-dasar metode Monte Carlo Simulation termasuk penggunaan piranti lunak yang mendukung proses pembelajaran melalui pendekatan simulasi dan studi kasus sederhana.

  2. Pelatihan penggunaan metode Monte Carlo Simulation tingkat lanjut secara intensif.
    Pelatihan dimulai dengan review tentang dasar-dasar statistik, dan langsung menukik pada penguasaan teknik Monte Carlo Simulation secara intensif melalui simulasi-simulasi dan studi kasus yang komprehensif lintas industri. Piranti lunak Monte Carlo Simulation akan digunakan sebagai alat bantu agar peserta memperoleh tingkat kemahiran yang cukup dalam menerapkannya di tempat kerja mereka.

  3. Pelaksanaan tahap awal metode Monte Carlo Simulation untuk suatu organisasi perusahaan.
    Membantu tim manajemen risiko di suatu organisasi perusahaan dalam pelaksanaan penggunaan awal metode Monte Carlo Simulation, termasuk pendampingan bagi para analis risiko organisasi tersebut untuk membangun model model awal yang dibutuhkan oleh organisasi mereka.

  4. Penggunaan metode monte carlo simulation untuk industri perbankan
    Pelatihan spesifik untuk para analis risiko yang bekerja di industri perbankan. Karena pembelajaran Monte Carlo Simulation langsung diberikan dalam konteks manajemen risiko perbankan, simulasi dan latihan-latihan yang diberikan akan dikemas dalam studi kasus nyata yang dihadapi oleh perbankan di Indonesia, di antaranya adalah: asesmen risiko kredit dan analisis Value at Risk (VaR) berdasarkan Monte Carlo Simulation.

  5. Penggunaan metode Monte Carlo Simulation untuk industri minyak dan gas
    Pelatihan spesifik untuk para analis risiko yang bekerja di industri minyak dan gas, baik di sektor hulu (up-stream) maupun hilir (down-stream). Karena pembelajaran Monte Carlo Simulation langsung diberikan dalam konteks manajemen risiko minyak dan gas di Indonesia, simulasi dan latihan-latihan yang diberikan akan dikemas dalam studi kasus nyata yang dihadapi oleh perusahaan-perusahaan minyak dan gas di Indonesia versus beberapa ‘best practices’ umum yang dikenal dalam industri tersebut.

Monte Carlo Analysis - teknik yang menggunakan perkiraan optimis, kemungkinan besar, dan pesimistis untuk menentukan total biaya proyek dan tanggal penyelesaian proyek. Sebagai contoh, kita bisa memperkirakan kemungkinan menyelesaikan proyek dengan biaya $ 20 juta. Atau apakah perusahaan ingin memiliki kemungkinan 80% untuk mencapai tujuan biayanya. Berapa biaya untuk mencapai 80%?

Evaluating Risks Using Quantitative Risk Analysis