Risk analysis James L. Pappas ; chapter 3

1. RISK ANALYSIS
James L. Pappas ; Chapter 3

2. Tugas Mata Kuliah Ekonomi Manajerial
Kelompok I
• Lutvi Alamsyah
• Monica A. Nabu Bois
• Doddy Ekohari Sandy
• Fathima Mahu
Magister Manajemen Universitas 17 Agustus 1945
Surabaya

3. Pendahuluan
Kebanyakan keputusan managerial dilakukan dalam
kondisi ketidakpastian.Bahkan dalam pemecahan
masalah ketika kegiatan dan hasil tidak dapat
diprediksi dengan tepat, sehingga yang dibutuhkan
adalah bagaimana caranya untuk memperlakukan
sebuah masalah ketika pihak manajemen sudah
memperoleh cukup banyak informasi terhadap segala
kemungkinan untuk menyelesaikan masalah tersebut.

4. Resiko dalam analisis ekonomi
• Resiko didefinisikan sebagai suatu bahaya , ledakan
yang menyakitkan dan dalam ekonomi adalah
kesempatan yang hilang.
• Resiko juga disamakan dengan kesempatan atau
peluang dari outcome yang tidak terhingga ,
semakin tidak terhingganya outcome, semakin
besar resikonya.

5. Identifikasi resiko
Ada 4 komponen dalam analisis resiko:
1. Identifikasi resiko
2. Penilaian resiko
3. Manajemen resiko
4. Komunikasi resiko

6. Penilaian resiko
Evaluasi terhadap kemungkinan dari:
1. cara masuk (entry)
2. perkembangan ( establishment)
3. penyebaran ( spread )

7. Distribusi probability
• Probability dari sebuah peristiwa/kejadian bisa
disebut juga sebagai kesempatan yang akan
diperoleh kejadian/peristiwa di masa mendatang
• Jika semua peristiwa dan pemasukan sudah
didaftarkan dan jika sebuah kesempatan yang akan
diperoleh sudah dipastikan, daftar itu disebut
sebagai distribusi probability/pembagian
kesempatan

8. Menghitung Expected Value Proyek A dan B

9. Pengukuran resiko
Resiko harus diidentifikasi dan diukur. Cara
mengukurnya adalah dengan menggunakan standard
Deviasi, dengan simbol  atau sigma. Semakin kecil
standard deviasinya, semakin ketat probabilty
distribution nya, di mana resikonya menjadi rendah.

10. Cara Menghitung Standard Deviasi
* Hitung expected value( EP ) nya dari distribusinya
EP = π =
* Kurangi EP dari setiap kemungkinan untuk menset Deviasi
nya/penyimpangan EP nya
Deviasi = πi - π
• Kuadratkan setiap deviasi, kalikan deviasi yang sudah
dikuadratkan dengan probability yang akan diperoleh dari
outcome dan jumlahkan.
Variance = -

11. Teori Utility dan Resiko yang dihindari
Ada 3 kecenderungan perilaku manusia terhadap
resiko:
• Mereka yang suka dengan resiko (Risk seeker)
• Mereka yang tidak suka dengan resiko ( risk averter)
• Mereka yang netral terhadap resiko ( risk
inddifference )

12. Risk Seeker
• Memilih investasi yang beresiko tinggi
• Dalam gambar kurva, dikenal dengan “Increasing
marginal utility of money”
• Formulanya untuk tipe risk seeker ini adalah
U(2y) > 2.U(y)
Jika nilai y ( uang ) menjadi 2 ( y ), maka utility nya
akan menjadi lebih besar dari 2*u(y)

13. Risk Aversion
• Mereka akan memilih investasi yang resikonya kecil
• Hubungan antara uang dan utility nya dalam gambar
kurva dikenal dengan Diminishing marginal utility of
money
• Formula untuk menggambarkan perilaku ini adalah
U(2y) < 2.U(y)
• Jika nilai uang bertambah 2 ( y ), maka utilitynya
akan menjadi kurang dari 2*u(y)

14. Risk Indifference
• Jika ada 2 pilihan investasi, maka yang akan dipilih
adalah investasi dengan pengembalian yang dapat
dipastikan daripada harus memilih resiko dari
investasinya
• Hubungan antara uang dan utility nya adalah
Constant marginal utility of money
• Formula untuk menggambarkan kecenderungannya
adalah U(2y)=2.U(y)

15. Kurve 3 kecenderungan perilaku terhadap resiko

16. Kurve 3 perilaku yang bersinggungan dalam studi kasus

17. Penyelesaian model penilaian terhadap resiko
Diminishing marginal utility bagi mereka yang tidak
suka resiko dapat dinilai melalui formula penilaian
standard di bab 1 terdahulu yaitu dengan :
V =

18. Certainty Equivalent Adjustment
Sejumlah metode dapat dipakai untuk menghitung
resiko. Salah satunya adalah dengan metode certainty
equivalent adjustment. Dalam pendekatan ini,
pengambil keputusan harus menentukan jumlah pasti
uang yang akan diterima dibandingkan jumlah yang
akan diperoleh jika mereka memilih resiko untuk
investasi.

19. Reaksi individu akan kelihatan saat kondisi ini.
Contoh : jika seseorang menginvestasi dana US$
100.000 dan akan menerima $1 million jika
investasinya sukses. Tapi jika gagal, maka dia akan
kehilangan US$ 100.000. dan dengan probability 0,5
atau 50%, maka hasil investasi yang akan diperoleh
adalah US$ 500.000

20. • Jika hasil investasi kurang dari US$ 500.000 maka
kondisi ini disebut risk aversion.
Formula untuk menghitung konstanta adalah
α=equivalent certain sum
expected risky sum
Jika α< 1 menunjukkan risk aversion
α=1 menunjukkan risk indifference
α>1 menunjukkan risk preference

21. Hipoteris fungsi risk aversion

22. Risk Adjusted discount rate
Cara lain untuk melakukan penilaian terhadap resiko
adalah dengan memperhitungkan tingkat bunga.
Seperti cara penilaian sebelumnya yaitu dengan
penyesuaian setara, resiko disesuaikan dengan tingkat
bunga yang sifatnya “tarik ulur” antara resiko dan
pengembalian modal/uang. Kurva selanjutnya
menunjukkan “market inddiferent” atau resiko dan
return tarik ulur fungsi.

23. • Rata-rata investor menghindari asset yang resikonya
kecil walaupun dengan kepastian rate of return 10%.
• Investor akan lebih memilih asset dengan 20%
expected return dan asset yang sangat beresiko
dengan 30% return dari investasi mereka
• Penggambarannya lebih jelas dapat dilihat di kurva
berikut ini. Semakin tinggi resiko, semakin besar
persentase expected return yang akan diperoleh.

24. Hubungan antara resiko dan tingkat bunga

25. TECHNIQUES FOR DECISION MAKING
UNDER UNCERTAINTY

26. TECHNIQUES FOR DECISION MAKING UNDER
UNCERTAINTY
Dalam banyak situasi keputusan, data yang dibutuhkan untuk
menggabungkan analisis risiko ke dalam proses pengambilan
keputusan tidak tersedia dalam bentuk yang dapat digunakan.
Dalam kasus seperti pohon keputusan dan simulasi komputer
membantu seseorang untuk mengembangkan dan mengatur
data risiko untuk pengambilan keputusan. Sekarang kita akan
memeriksa dua teknik pengambilan keputusan dan peran yang
mereka mainkan dalam pengambilan keputusan dalam kondisi
ketidakpastian.

27. DECISION TREES
Banyak keputusan penting tidak dibuat pada satu titik dalam waktu
melainkan secara bertahap. Sebagai contoh, sebuah perusahaan minyak
mempertimbangkan kemungkinan ekspansi ke bahan kimia pertanian
mungkin mengambil langkah-langkah berikut :
1. Menghabiskan $ 100,000 untuk survei kondisi penawaran dan
permintaan di industri kimia pertanian.
2. Jika hasil survei yang menguntungkan, menghabiskan $ 2 juta untuk
tanaman percontohan untuk menyelidiki metode produksi.
3. Tergantung pada estimasi biaya dari potensi permintaan dari studi
pasar, baik meninggalkan proyek, membangun pabrik besar, atau
membangun yang kecil.
Dengan demikian, keputusan ini dibuat secara bertahap dengan keputusan
selanjutnya tergantung pada hasil keputusan sebelumnya.

28. DECISION TREES
Urutan peristiwa dapat dipetakan menyerupai cabang-cabang pohon, maka pohon
keputusan jangka. Sebagai contoh perhatikan Gambar 3.9, harapan
permintaan untuk produk tanaman yang 50% untuk permintaan tinggi, 30%
untuk kebutuhan menengah, dan 20% untuk permintaan rendah. Tergantung
pada permintaan, arus kas bersih (pendapatan penjualan dikurangi biaya
operasional), semua diskon hingga saat ini, akan berkisar dari $ 8.800.000
menjadi $ 1,4 juta jika pabrik besar dibangun, dan dari US $ 2,6 juta menjadi
$ 1.400.000. Karena probabilitas permintaan diketahui, kita dapat
menemukan nilai-nilai yang diharapkan arus kas, yang diberikan dalam
kolom 5 dari Gambar 3.9 Akhirnya, kita bisa mengurangi pengeluaran
investasi dari pendapatan bersih yang diharapkan untuk mendapatkan nilai
yang diharapkan sekarang bersih dari setiap keputusan.

29. DECISION TREES

30. DECISION TREES
Contoh dari pohon yang lebih kompleks diilustrasikan pada Gambar 3.10.
Kotak yang bernomor merupakan poin keputusan, contoh ketika manajemen
harus memilih di antara beberapa alternatif; lingkaran mewakili hasil yang
mungkin, salah satu yang akan mengikuti keputusan. Pada Keputusan Titik 1,
perusahaan memiliki tiga pilihan: untuk berinvestasi $ 3 juta dalam sebuah
pabrik besar, untuk berinvestasi $ 1,3 juta tanaman kecil, atau
menghabiskan $ 100,000 pada riset pasar. Jika pabrik besar dibangun,
perusahaan mengikuti cabang atas, dan posisinya telah diperbaiki hanya itu
bisa berharap bahwa permintaan akan tinggi. Jika keputusan pada titik 1
adalah untuk membayar $ 100,000 untuk informasi lebih lanjut, perusahaan
bergerak ke cabang pusat. Penelitian ini memodifikasi informasi perusahaan
tentang permintaan potensial. Awalnya, probailities adalah 70% untuk
permintaan tinggi dan 30% untuk permintaan rendah.

31. DECISION TREES

32. SIMULATION
Teknik lain yang dirancang untuk membantu manajer dalam membuat
keputusan di bawah ketidakpastian adalah simulasi komputer. Untuk
menggambarkan teknik, mari kita mempertimbangkan keputusan untuk
membangun pabrik tekstil baru. Biaya yang tepat dari tanaman ini tidak
diketahui. Hal ini diharapkan menjadi sekitar $ 150 juta. Jika ada kesulitan
muncul dalam konstruksi, biaya dapat direndahkan menjadi $ 125.000.000;
Namun, serangkaian disayangkan peristiwa pemogokan, kenaikan proyeksi
biaya bahan, dan masalah-masalah teknis mengakibatkan pengeluaran
investasi mencapai $ 225 juta. Pendapatan dari fasilitas baru, yang akan
beroperasi selama bertahun-tahun, tergantung pada pertumbuhan
penduduk dan pendapatan pribadi di setiap wilayah, persaingan,
perkembangan kain sintetis, penelitian, dan kuota impor tekstil. Biaya
operasi tergantung pada efisiensi produksi, bahan, dan tren biaya tenaga
kerja. Karena kedua pendapatan penjualan dan biaya operasi yang tidak
pasti, keuntungan tahunan juga tidak pasti.

33. SIMULATION
Prosedur ini diilustrasikan pada Gambar 3.11 dan 3.12. Gambar 3.11 adalah
diagram alir menguraikan prosedur simulasi yang dijelaskan di atas; Gambar
3.12 menggambarkan distribusi frekuensi tingkat pengembalian yang
dihasilkan oleh simulasi tersebut untuk dua proyek alternatif, X dan Y,
masing-masing dengan biaya yang diharapkan dari $ 20 juta. Sehingga
tingkat pengembalian yang diharapkan dari investasi X adalah 15%, dan
bahwa investasi Y adalah 20%. Maka satu titik akhir harus dibuat tentang
penggunaan simulasi komputer untuk analisis risiko. Teknik ini
membutuhkan memperoleh distribusi probabilitas tentang sejumlah
variabel seperti pengeluaran investasi, penjualan unit, harga produk, harga
input, dan kehidupan aset, yang semuanya melibatkan cukup banyak biaya
pemrograman dan mesin-waktu.

34. SIMULATION

35. SIMULATION
Hal ini juga harus dicatat bahwa teknik simulasi agak lebih murah
tersedia sebagai metode alternatif menganalisis hasil dari berbagai
proyek atau strategi. Alih-alih menggunakan distribusi probabilitas
untuk masing-masing variabel dalam masalah, kita dapat
mensimulasikan hasil dengan memulai dengan perkiraan terbaik-
tebakan untuk setiap variabel, dan perubahan nilai-nilai variabel
(dalam batas yang wajar) untuk melihat efek dari perubahan
tersebut pada hasil yang dihasilkan oleh proyek.