SlideShare a Scribd company logo
1 of 32
Download to read offline
BAB 6
PENDEKATAN PROBABILISTIK
Analisis Skenario, Pohon Keputusan,
dan Simulasi
Disusun oleh :
- Asri Widayati (11216141)
- Fanny Agniya N.A (12216608)
- Tajdidatul Khiyaroh (17216283)
KELOMPOK : 2
KELAS : 4EA21
SUB BAB 6
Analisis skenario
Pohon keputusan
Simulasi
Penilaian Menyeluruh Pendekatan
Penilaian Risiko Secara Probabilistik
(An overall assessment of
probabilistic risk assessment
approaches)
Membandingkan Pendekatan
(Comparing the approaches)
Tepat Dalam Distribusi
(Fitting the distribution)
01
02
03
04
05
06
PENDAHULUAN
• Pada bab ini, kita mempertimbangkan cara-cara yang
lebih informatif di dalam mengakses dalam
merepresentasikan risiko dalam investasi.
• Dimulai dengan melihat pada versi sederhana, yaitu
analisis nilai aset dalam 3 skenario, kemudian
memperluas pembahasan dengan melihat pada analisis
skenario secara umum, lalu kita akan bergerak menguji
penggunaan pada pohon keputusan, dan mengakhirinya
dengan mengevaluasi simulasi Monte Carlo.
• Kita bisa memperkirakan arus kas yang diharapkan di
pergunakan untuk menilai aset berisiko dengan
maksud untuk mendapatkan efek risiko terhadap nilai
yang lebih baik dari (a better sense of the effect of risk
on value), yaitu dengan kasus terbaik atau kasus
terburuk (best case or worst case) dan analisis
beberapa skenario (multiple scenario analysis).
ANALISIS SKENARIO (SCENARIO ANALYSIS)
Dua cara pengambilan keputusan yaitu :
1. Gunakan perbedaan antara nilai kasus terbaik
atau kasus terburuk sebagai ukuran risiko aset.
2. Perusahaan yang menggunakan hasil kasus
terburuk membuat pertimbangan seperti
apakah investasi mempunyai potensi untuk
mendorong perusahaan ke standarnya (into
default).
Kasus Terbaik atau Kasus
Terburuk (Best Case or
Worst Case)
Dalam bentuk yang lebih umum, nilai suatu
aset berisiko bisa dihitung dalam beberapa
skenario, yaitu ekonomi makro dan variabel
spesifik aset (asset-specific variables).
Analisis Beberapa
Skenario (Multiple
Scenario Analysis)
JENIS ANALISIS
SKENARIO
LANGKAH-LANGKAH ANALISIS SKENARIO
Penentuan
faktor-faktor
Misal : faktor ekonomi
perusahaan mobil
mempertimbangkan untuk
membuka pabrik mobil baru
dan respon pesaing terhadap
produk baru perusahaan.
Untuk mempermudah
perkiraan, kita berfokus
pada dua atau tiga
faktor.
Memperkirakan arus kas
setiap skenario lebih
mudah kalau perusahaan
menentukan 5 skenario.
Misal : faktor ekonomi
makro seperti nilai tukar
mata uang, suku bunga, dan
pertumbuhan ekonomi.
Membuat perkiraan
aset arus kas dalam
setiap skenario
Penentuan
Banyaknya
skenario
Menentukan nilai
probabilitas terjadinya
setiap skenario
1 2 3 4
CONTOH ANALISIS SKENARIO
• Ketika kita ingin memprediksi laba perusahaan di tahun depan
• Awalnya, kita membuat skenario kemungkinan pendapatan
dan beban dibukukan perusahaan dengan mempertimbangkan
sejumlah informasi misal: pangsa pasar, penjualan industri,
rasio keuangan, jumlah output, jumlah karyawan.
• Kita membuat tiga pendekatan untuk kemungkinan laba
perusahaan: pertumbuhan rendah, moderat dan tinggi,
berdasarkan pertimbangan informasi tersebut.
GUNAKAN DALAM PENGAMBILAN KEPUTUSAN
(USE IN DECISION MAKING)
• Artikel The Financial Times, mengilustrasikan bagaimana analisis risiko dapat dipergunakan perusahaan,
dengan pertimbangan menginvestasikan dalam jumlah besar di Cina untuk mengukur risiko yang potensial.
• Mereka mempertimbangkan 4 skenario dibangun sekitar Cina, yaitu :
1. Mitra ekonomi dunia (Global economic partner)
Cina berkembang sebagai eksportir barang dan sebagai pasar domestik untuk barang konsumsi.
2. Predator ekonomi dunia (Global economic predator)
Cina sebagai negara produsen dengan biaya produksi yang rendah.
3. Peserta dunia yang tumbuh lambat (Slow growing global participant)
Cina terus berkembang tetapi dengan laju pertumbuhan yang agak lambat karena
tantangan untuk memasuki pasar global lebih sulit.
4. Orang luar yang frustrasi dan tidak stabil (Frustrated and unstable outsider)
Pertumbuhan Cina melambat kesukaran ekonomi dan politik berkembang
Kunci melakukan analisis skenario yang baik adalah menetapkan
skenario dan memperkirakan arus kas setiap skenario.
Sampah masuk sampah keluar (Garbage in, garbage out)
Analisis skenario sangat tepat kalau berkaitan dengan risiko
yang mengambil bentuk hasil yang diskrit.
Risiko berkelanjutan (Continuous risk)
Berbahaya bahwa pengambilan keputusan akan melakukan
perhitungan ganda terhadap risiko.
Perhitungan risiko ganda (Double counting of risk)
MASALAH SKENARIO GANDA
(DUAL SCENARIO ISSUES)
POHON KEPUTUSAN
(DECISION TREE)
Pohon keputusan tidak hanya mempertimbangkan risiko
dalam tiap tahapan, tetapi juga menyiapkan respon yang
benar pada hasil setiap tahap.
Langkah pertama adalah membedakan antara simpul :
1. Simpul akar (Road nodes) : Dimulainya pohon keputusan
dimana pengambilan keputusan bisa dihadapkan dengan
pilihan keputusan yang tak pasti.
2. Simpul kejadian (Event nodes) : Mewakili hasil pada satu
judi yang berisiko. Kita harus membayangkan hasil dan
probabilitas hasil didasarkan pada informasi yang kita
miliki sekarang (berupa lingkaran).
3. Simpul keputusan (Decision nodes), menunjukkan pilihan
yang bisa dibuat oleh pengambil keputusan, memperluas
uji pasar ke pasar nasional setelah uji hasil pasar diketahui
(empat persegi panjang).
4. Simpul akhir (End nodes), menunjukkan hasil dari hasil
berisiko sebelumnya dan keputusan dibuat dalam respon.Gambar Simple Decision Tree
1. Bagi analisis ke dalam tahap-tahap risiko
Kunci utama ialah membuat garis besar tahapan risiko yang akan diekspos di waktu yang akan datang.
2. Perkiraan probabilitas hasil dalam setiap tahapan
Setelah tahapan analisis dan hasil tahap sudah di definisikan, kita harus menghitung probabilitas dari hasil.
3. Mendefinisikan titik keputusan
Tersimpan dalam pohon keputusan adalah titik – titik keputusan dimana akan menentukan berdasarkan
pengamatan hasil tahap sebelumnya harapan/ekspektasi apa yang akan terjadi di waktu akan datang.
4. Menghitung arus nilai pada simpul akhir (End Node)
Seperti meninggalkan uji produk pasar, hal ini akan mudah dilakukan dan akan mewakili sejumlah uang
yang dikeluarkan untuk menguji pasar dari produk.
5. Lipat kembali pohonnya (Fold back the tree)
Langkah terakhir dalam analisis pohon keputusan dimana kita menghitung nilai harapan.
1. Nilai harapan sekarang meliputi seluruh pohon keputusan.
2. Kisaran nilai pada simpul akhir yang baru meringkas risiko dalam investasi yang potensial.
LANGKAH-LANGKAH MENGEMBANGKAN POHON KEPUTUSAN
DUA HASIL YANG TIMBUL DARI POHON KEPUTUSAN
PENGGUNAAN DALAM PENGAMBILAN KEPUTUSAN
Dynamic Response To Risk Nilai Informasi Manajemen Risiko
1 2 3
ISSUES
• Pohon keputusan mampu mengatasi beberapa jenis risiko
dan tidak lainnya! Khususnya pohon keputusan sangat tepat
untuk risiko yang berurutan (sequendial); proses untuk FDA
di mana persetujuan terjadi dalam tahapan (by stages)
merupakan contoh yang bagus.
RISK ADJUSTED VALUE AND DECISION TREE
Expected Values are
not Risk Adjusted
Double-Counting
Of Risk
The Right
Discount Rate
1 2 3
SIMULASI
Suatu upaya menduplikasi fitur, tampilan, karakteristik suatu
sistem dengan mengembangkan sebuah model matematika
paling dekat dengan yang menggambarkan sistem
sesungguhnya.
COMPUTER REPAIR & SUPPORT
LANGKAH-LANGKAH DALAM SIMULASI
Membuat Distribusi Probabilitas
untuk Variable Penting.
Menentukan Distribusi
Probabilitas untuk Tiap Variabel
Menentukan Interval Bilangan
Acak pada Tiap Variabel.
Melakukan Serangkaian
Simulasi Percobaan.
“TOKO ALAT KESEHATAN”
Setelah melakukan pengamatan selama 200 hari, sebuah
toko alat kesehatan memperkirakan permintaan masker
per harinya seperti pada table dibawah ini. Toko tersebut
hendak memperkirakan permintaan masker untuk 10
hari ke depan
Permintaan Frekuensi (hari)
0 10
10 box 20
20 box 40
30 box 60
40 box 40
50 box 30
Total 200
PENYELESAIAN :
Permintaan
Masker
Frekuensi
(1)
Probabilitas Kejadian
(2)
Probabilitas Kumulatif
0 10 10/200 = 0,05 0,05
10 20 20/200 = 0,10 0,15
20 40 40/200 = 0,20 0,35
30 60 60/200 = 0,30 0,65
40 40 40/200 = 0,20 0,85
50 30 30/200 = 0,15 1,00
200 200/200 = 1,00
0
0.2
0.4
0.6
0.8
1
1.2
0 10 20 30 40 50
CummulativeProbability
DIAGRAM PROBABILITAS KUMULATIF
INTERVAL BILANGAN ACAK
Permintaan
Masker
(1)
Probabilitas
Kejadian
(2)
Probabilitas Kumulatif
(3)
Interval Bilangan Acak
0 10/200 = 0,05 0,05 1-5
10 20/200 = 0,10 0,15 6-15
20 40/200 = 0,20 0,35 16-35
30 60/200 = 0,30 0,65 36-65
40 40/200 = 0,20 0,85 66-85
50 30/200 = 0,15 1,00 86-99
200/200 = 1,00
PENGAMBILAN
BILANGAN
ACAK
MELAKUKAN SIMULASI
HARI BILANGAN ACAK HASIL SIMULASI
1 21 2
2 42 3
3 24 2
4 32 2
5 72 4
6 99 5
7 35 2
8 11 1
9 78 4
10 67 4
TOTAL 29
PENYELESAIAN :
E = σ𝑖=0
5
𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡𝑎𝑠 𝑑𝑎𝑟𝑖 𝑚𝑎𝑠𝑘𝑒𝑟 𝑥 𝑝𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛 𝑚𝑎𝑠𝑘𝑒𝑟
= (0,05)(0)+(0,10)(1)+(0,20)(2)+(0,30)(3)+(0,20)(4) + (0,15)(5)
= 2,95 masker
Jadi, total penjualan masker selama 10 hari kedepan adalah
29 box masker. Dengan rata-rata permintaan perhari adalah
2,9 masker.
Perkiraan :
PENGAMBILAN KEPUTUSAN
MELALUI SIMULASI
 Masukan perkiraan data
Dalam suatu simulasi yang ideal, maka diperlukan analisis data historis dan data
“Cross sectional” sebagai “input” sebelum membuat suatu pertimbangan yang
dipergunakan untuk parameter dari distribusi.
 Menghasilkan perkiraan yang lebih tepat dari pada hasil yang disesuaikan
Distribusi menekankan pada model value yang menghasilkan nilai perkiraan untuk
aset tidak tepat dan menjelaskan mengapa analisis yang berbeda menilai aset
yang sama mungkin sampai pada perkiraan nilai yang berbeda.
BATASAN DALAM SIMULASI
(SIMULATION WITH CONSTRAINTS)
Simulasi sebagai alat dalam analisis resiko, harus mengenal suatu batasan
(Constraint) jika dilanggar akan menyebabkan biaya yang sangat besar bagi
perusahaan bahkan bisa menyebabkan kematian
NILAI BUKU EKUITAS
(BOOK VALUE CONSTRAINTS)
Nilai buku ekuitas ialah konsep akunting yang abstrak untuk suatu perusahaan. Ada
dua jenis batasan pada nilai buku ekuitas yaitu :
 Regulatory capital restrictions
 Negative book vale for equity
Untuk menghindari terjadinya kejadian yang tidak diinginkan,
biasanya suatu perusahaan melakukan pembatasan terhadap
earning dan arus kas dengan menggunakan simulasi.
Simulasi tidak hanya untuk mengkuantitatifkan probabilitas tetapi
juga dapat membuat model pada arus kas yang diharapkan dn suku
bunga diskonto.
PEMBATASAN PENDAPATAN DAN ARUS
KAS (Earning And Cash Flow Constraints)
BATASAN NILAI PASAR
(Market Value Constraints)
Penggunaan simulasi pertamakali diusulkan oleh David Hertz
dalam artikel “Risk Analysis in Capital Investment” pada Havard
Bussiness Review. Berargumen bahwa dengan menggunakan
distribusi probabilitas daripada perkiraan akan menghasilkan
hasil yang lebih informative.
Ada beberapa hal yang berkaitan dengan simulasi dalam
pengambilan resiko :
 Masuk sampah keluar sampah (Garbage in Garbage Out)
 Data seringkali tidak cocok dengan distribusi (Real data may not
fit distribution)
 (Nonstationary distribution)
ISSUES
PENDEKATAN PROBABILISTIK YANG HARUS DIPILIH?
Selektif terhadap analisis resiko1
2 Jenis Resiko
3 Korelasi berbagai risiko
6/6/2020
Dalam bentuk analisis skenario kita melihat nilai yang
bagus dan jelek yang betentangan dengan nilai
harapan.
Pohon keputusan dirancang untuk risiko yang
berurutan dan diskrit.
Simulasi menyediakan asesmen yang paling lengkap
mengenai risiko sebab mereka didasarkan pada
distribusi probabilitas untuk setiap “Input”.
KESIMPULAN
REFERENSI
Prof. Johannes Supranto dan Dr. Luqman Hakim. (2013). Pengambilan Risiko
Secara Strategis (Bagi Pengambil Keputusan Bisnis). Jakarta: PT RajaGrafindo
Persada.
Cerdasco (2019, 17 Agustus). Kuantitatif Analisis Skenario. Dikutip 11 Maret
2020 dari https://cerdasco.com/analisis-skenario/
THANK YOU

More Related Content

What's hot

keputusan dalam keadaan risiko
keputusan dalam keadaan risikokeputusan dalam keadaan risiko
keputusan dalam keadaan risikoAbu Tholib
 
Teori keputusan decision tree ketidakpastian_gtr2013
Teori keputusan decision tree ketidakpastian_gtr2013Teori keputusan decision tree ketidakpastian_gtr2013
Teori keputusan decision tree ketidakpastian_gtr2013Gusti Rusmayadi
 
Decision under uncertainty
Decision under uncertaintyDecision under uncertainty
Decision under uncertaintyapriyantieka
 
Menerapkan pohon keputusan pada keputusan kapasitas
Menerapkan pohon keputusan pada keputusan kapasitasMenerapkan pohon keputusan pada keputusan kapasitas
Menerapkan pohon keputusan pada keputusan kapasitasYesica Adicondro
 
Lampiran cd manajemen operasi
Lampiran cd manajemen operasiLampiran cd manajemen operasi
Lampiran cd manajemen operasiAven Richardo
 
Teori Penngambilan Keputusan
Teori Penngambilan KeputusanTeori Penngambilan Keputusan
Teori Penngambilan KeputusanEko Mardianto
 
Ekonomi teknik tugas besar
Ekonomi teknik tugas besarEkonomi teknik tugas besar
Ekonomi teknik tugas besarnur_asifah
 
Jurnal statistika probabilitas distribusi binomial
Jurnal statistika probabilitas   distribusi binomialJurnal statistika probabilitas   distribusi binomial
Jurnal statistika probabilitas distribusi binomialBoas Yehezkiel Putranto
 
Makalah statistik probabilitas distribusi binomial
Makalah statistik probabilitas distribusi binomialMakalah statistik probabilitas distribusi binomial
Makalah statistik probabilitas distribusi binomialHari Widjanarko
 

What's hot (18)

keputusan dalam keadaan risiko
keputusan dalam keadaan risikokeputusan dalam keadaan risiko
keputusan dalam keadaan risiko
 
Teori keputusan decision tree ketidakpastian_gtr2013
Teori keputusan decision tree ketidakpastian_gtr2013Teori keputusan decision tree ketidakpastian_gtr2013
Teori keputusan decision tree ketidakpastian_gtr2013
 
Decision under uncertainty
Decision under uncertaintyDecision under uncertainty
Decision under uncertainty
 
Analisis pohon kepputusan
Analisis pohon kepputusanAnalisis pohon kepputusan
Analisis pohon kepputusan
 
Sistem Penunjang Keputusan [Teori Pengambilan Keputusan]
Sistem Penunjang Keputusan [Teori Pengambilan Keputusan]Sistem Penunjang Keputusan [Teori Pengambilan Keputusan]
Sistem Penunjang Keputusan [Teori Pengambilan Keputusan]
 
Presentasi decision making
Presentasi decision makingPresentasi decision making
Presentasi decision making
 
Menerapkan pohon keputusan pada keputusan kapasitas
Menerapkan pohon keputusan pada keputusan kapasitasMenerapkan pohon keputusan pada keputusan kapasitas
Menerapkan pohon keputusan pada keputusan kapasitas
 
Lampiran cd manajemen operasi
Lampiran cd manajemen operasiLampiran cd manajemen operasi
Lampiran cd manajemen operasi
 
Teori Penngambilan Keputusan
Teori Penngambilan KeputusanTeori Penngambilan Keputusan
Teori Penngambilan Keputusan
 
Ekonomi teknik tugas besar
Ekonomi teknik tugas besarEkonomi teknik tugas besar
Ekonomi teknik tugas besar
 
MODUL SPSS
MODUL SPSSMODUL SPSS
MODUL SPSS
 
Simulasi 10
Simulasi 10Simulasi 10
Simulasi 10
 
Pertemuan keempat analisis masalah ttm
Pertemuan keempat analisis masalah ttmPertemuan keempat analisis masalah ttm
Pertemuan keempat analisis masalah ttm
 
Belajar sendiri-spss-16
Belajar sendiri-spss-16Belajar sendiri-spss-16
Belajar sendiri-spss-16
 
Jurnal statistika probabilitas distribusi binomial
Jurnal statistika probabilitas   distribusi binomialJurnal statistika probabilitas   distribusi binomial
Jurnal statistika probabilitas distribusi binomial
 
Makalah statistik probabilitas distribusi binomial
Makalah statistik probabilitas distribusi binomialMakalah statistik probabilitas distribusi binomial
Makalah statistik probabilitas distribusi binomial
 
Presentasi binomial
Presentasi binomialPresentasi binomial
Presentasi binomial
 
Modul statistik 114
Modul statistik 114Modul statistik 114
Modul statistik 114
 

Similar to ANALISIS PROBABILISTIK

Manajemen Risiko 11 Risiko operasional
Manajemen Risiko 11 Risiko operasionalManajemen Risiko 11 Risiko operasional
Manajemen Risiko 11 Risiko operasionalJudianto Nugroho
 
Makalah Sistem Pendukung Keputusan
Makalah Sistem Pendukung Keputusan Makalah Sistem Pendukung Keputusan
Makalah Sistem Pendukung Keputusan Elfrita Sihombing
 
Manajemen Risiko 09 Risiko pasar
Manajemen Risiko 09 Risiko pasarManajemen Risiko 09 Risiko pasar
Manajemen Risiko 09 Risiko pasarJudianto Nugroho
 
DECISION_TREE_ppt_Compatibility_Mode.pdf
DECISION_TREE_ppt_Compatibility_Mode.pdfDECISION_TREE_ppt_Compatibility_Mode.pdf
DECISION_TREE_ppt_Compatibility_Mode.pdfPutrifitriasari1
 
DECISION_TREE.pdf
DECISION_TREE.pdfDECISION_TREE.pdf
DECISION_TREE.pdfSeptama1
 
Structural equation-modeling-sem 20121
Structural equation-modeling-sem 20121Structural equation-modeling-sem 20121
Structural equation-modeling-sem 20121permadina
 
Risk Analysis and Project Evaluation/abshor.marantika/Leylita Rosyada/3-04
Risk Analysis and Project Evaluation/abshor.marantika/Leylita Rosyada/3-04Risk Analysis and Project Evaluation/abshor.marantika/Leylita Rosyada/3-04
Risk Analysis and Project Evaluation/abshor.marantika/Leylita Rosyada/3-04leylitarosyada
 
Risk analysis James L. Pappas - chapter 3
Risk analysis   James L. Pappas - chapter 3Risk analysis   James L. Pappas - chapter 3
Risk analysis James L. Pappas - chapter 3Rahmat Hardiansah
 
Tugas Akhir-Vira Lili Apriyanti-4EA21
Tugas Akhir-Vira Lili Apriyanti-4EA21Tugas Akhir-Vira Lili Apriyanti-4EA21
Tugas Akhir-Vira Lili Apriyanti-4EA21ViraLiliApriyanti
 
Laporan1 bab i fungsi tujuan
Laporan1 bab i fungsi tujuanLaporan1 bab i fungsi tujuan
Laporan1 bab i fungsi tujuanPurwanti Rahayu
 
Tugas Akhir-Pascal Anarqi Krisvy-4EA21
Tugas Akhir-Pascal Anarqi Krisvy-4EA21Tugas Akhir-Pascal Anarqi Krisvy-4EA21
Tugas Akhir-Pascal Anarqi Krisvy-4EA21Pascal Anarqi Krisvy
 
Tugas Akhir-Pascal Anarqi Krisvy-4EA21-15216729
Tugas Akhir-Pascal Anarqi Krisvy-4EA21-15216729Tugas Akhir-Pascal Anarqi Krisvy-4EA21-15216729
Tugas Akhir-Pascal Anarqi Krisvy-4EA21-15216729Pascal Anarqi Krisvy
 
Tugas Akhir-Pascal Anarqi Krisvy-4EA21-A5216729
Tugas Akhir-Pascal Anarqi Krisvy-4EA21-A5216729Tugas Akhir-Pascal Anarqi Krisvy-4EA21-A5216729
Tugas Akhir-Pascal Anarqi Krisvy-4EA21-A5216729Pascal Anarqi Krisvy
 
Tugas Akhir Manajemen Risiko Nadya Firnanda 4EA22
Tugas Akhir Manajemen Risiko Nadya Firnanda 4EA22Tugas Akhir Manajemen Risiko Nadya Firnanda 4EA22
Tugas Akhir Manajemen Risiko Nadya Firnanda 4EA22NadyaFirnanda
 

Similar to ANALISIS PROBABILISTIK (20)

Manajemen Risiko 11 Risiko operasional
Manajemen Risiko 11 Risiko operasionalManajemen Risiko 11 Risiko operasional
Manajemen Risiko 11 Risiko operasional
 
BAB 11
BAB 11BAB 11
BAB 11
 
Makalah Sistem Pendukung Keputusan
Makalah Sistem Pendukung Keputusan Makalah Sistem Pendukung Keputusan
Makalah Sistem Pendukung Keputusan
 
Manajemen Risiko 09 Risiko pasar
Manajemen Risiko 09 Risiko pasarManajemen Risiko 09 Risiko pasar
Manajemen Risiko 09 Risiko pasar
 
DECISION_TREE_ppt_Compatibility_Mode.pdf
DECISION_TREE_ppt_Compatibility_Mode.pdfDECISION_TREE_ppt_Compatibility_Mode.pdf
DECISION_TREE_ppt_Compatibility_Mode.pdf
 
DECISION_TREE.pdf
DECISION_TREE.pdfDECISION_TREE.pdf
DECISION_TREE.pdf
 
Structural equation-modeling-sem 20121
Structural equation-modeling-sem 20121Structural equation-modeling-sem 20121
Structural equation-modeling-sem 20121
 
Risk Analysis and Project Evaluation/abshor.marantika/Leylita Rosyada/3-04
Risk Analysis and Project Evaluation/abshor.marantika/Leylita Rosyada/3-04Risk Analysis and Project Evaluation/abshor.marantika/Leylita Rosyada/3-04
Risk Analysis and Project Evaluation/abshor.marantika/Leylita Rosyada/3-04
 
Materi 2 ANALISIS RISIKO BISNIS.pptx
Materi 2 ANALISIS RISIKO BISNIS.pptxMateri 2 ANALISIS RISIKO BISNIS.pptx
Materi 2 ANALISIS RISIKO BISNIS.pptx
 
Part 2
Part 2Part 2
Part 2
 
Risk analysis James L. Pappas - chapter 3
Risk analysis   James L. Pappas - chapter 3Risk analysis   James L. Pappas - chapter 3
Risk analysis James L. Pappas - chapter 3
 
Tugas Akhir-Vira Lili Apriyanti-4EA21
Tugas Akhir-Vira Lili Apriyanti-4EA21Tugas Akhir-Vira Lili Apriyanti-4EA21
Tugas Akhir-Vira Lili Apriyanti-4EA21
 
Laporan1 bab i fungsi tujuan
Laporan1 bab i fungsi tujuanLaporan1 bab i fungsi tujuan
Laporan1 bab i fungsi tujuan
 
Tugas Akhir-Pascal Anarqi Krisvy-4EA21
Tugas Akhir-Pascal Anarqi Krisvy-4EA21Tugas Akhir-Pascal Anarqi Krisvy-4EA21
Tugas Akhir-Pascal Anarqi Krisvy-4EA21
 
Tugas Akhir-Pascal Anarqi Krisvy-4EA21-15216729
Tugas Akhir-Pascal Anarqi Krisvy-4EA21-15216729Tugas Akhir-Pascal Anarqi Krisvy-4EA21-15216729
Tugas Akhir-Pascal Anarqi Krisvy-4EA21-15216729
 
Tugas Akhir-Pascal Anarqi Krisvy-4EA21-A5216729
Tugas Akhir-Pascal Anarqi Krisvy-4EA21-A5216729Tugas Akhir-Pascal Anarqi Krisvy-4EA21-A5216729
Tugas Akhir-Pascal Anarqi Krisvy-4EA21-A5216729
 
Kompleksitas dan sifat sifat dasar permasalahan
Kompleksitas dan sifat sifat dasar permasalahanKompleksitas dan sifat sifat dasar permasalahan
Kompleksitas dan sifat sifat dasar permasalahan
 
Materi 2 ANALISIS RISIKO BISNIS.pptx
Materi 2 ANALISIS RISIKO BISNIS.pptxMateri 2 ANALISIS RISIKO BISNIS.pptx
Materi 2 ANALISIS RISIKO BISNIS.pptx
 
Tugas Akhir Manajemen Risiko Nadya Firnanda 4EA22
Tugas Akhir Manajemen Risiko Nadya Firnanda 4EA22Tugas Akhir Manajemen Risiko Nadya Firnanda 4EA22
Tugas Akhir Manajemen Risiko Nadya Firnanda 4EA22
 
Sistem Penunjang Keputusan [Simulasi Monte Carlo]
Sistem Penunjang Keputusan [Simulasi Monte Carlo]Sistem Penunjang Keputusan [Simulasi Monte Carlo]
Sistem Penunjang Keputusan [Simulasi Monte Carlo]
 

Recently uploaded

PELAKSANAAN + Link2 Materi TRAINING "Effective SUPERVISORY & LEADERSHIP Sk...
PELAKSANAAN  + Link2 Materi TRAINING "Effective  SUPERVISORY &  LEADERSHIP Sk...PELAKSANAAN  + Link2 Materi TRAINING "Effective  SUPERVISORY &  LEADERSHIP Sk...
PELAKSANAAN + Link2 Materi TRAINING "Effective SUPERVISORY & LEADERSHIP Sk...Kanaidi ken
 
Materi Pertemuan 6 Materi Pertemuan 6.pptx
Materi Pertemuan 6 Materi Pertemuan 6.pptxMateri Pertemuan 6 Materi Pertemuan 6.pptx
Materi Pertemuan 6 Materi Pertemuan 6.pptxRezaWahyuni6
 
demontrasi kontekstual modul 1.2.a. 6.pdf
demontrasi kontekstual modul 1.2.a. 6.pdfdemontrasi kontekstual modul 1.2.a. 6.pdf
demontrasi kontekstual modul 1.2.a. 6.pdfIndri117648
 
Model Manajemen Strategi Public Relations
Model Manajemen Strategi Public RelationsModel Manajemen Strategi Public Relations
Model Manajemen Strategi Public RelationsAdePutraTunggali
 
Prakarsa Perubahan dengan Kanvas ATAP & BAGJA.pptx
Prakarsa Perubahan dengan Kanvas ATAP & BAGJA.pptxPrakarsa Perubahan dengan Kanvas ATAP & BAGJA.pptx
Prakarsa Perubahan dengan Kanvas ATAP & BAGJA.pptxSyaimarChandra1
 
PPT_AKUNTANSI_PAJAK_ATAS_ASET_TETAP.pptx
PPT_AKUNTANSI_PAJAK_ATAS_ASET_TETAP.pptxPPT_AKUNTANSI_PAJAK_ATAS_ASET_TETAP.pptx
PPT_AKUNTANSI_PAJAK_ATAS_ASET_TETAP.pptxalalfardilah
 
Karakteristik Negara Mesir (Geografi Regional Dunia)
Karakteristik Negara Mesir (Geografi Regional Dunia)Karakteristik Negara Mesir (Geografi Regional Dunia)
Karakteristik Negara Mesir (Geografi Regional Dunia)3HerisaSintia
 
Modul Ajar Bahasa Indonesia - Menulis Puisi Spontanitas - Fase D.docx
Modul Ajar Bahasa Indonesia - Menulis Puisi Spontanitas - Fase D.docxModul Ajar Bahasa Indonesia - Menulis Puisi Spontanitas - Fase D.docx
Modul Ajar Bahasa Indonesia - Menulis Puisi Spontanitas - Fase D.docxherisriwahyuni
 
IPA Kelas 9 BAB 10 - www.ilmuguru.org.pptx
IPA Kelas 9 BAB 10 - www.ilmuguru.org.pptxIPA Kelas 9 BAB 10 - www.ilmuguru.org.pptx
IPA Kelas 9 BAB 10 - www.ilmuguru.org.pptxErikaPuspita10
 
Kesebangunan Segitiga matematika kelas 7 kurikulum merdeka.pptx
Kesebangunan Segitiga matematika kelas 7 kurikulum merdeka.pptxKesebangunan Segitiga matematika kelas 7 kurikulum merdeka.pptx
Kesebangunan Segitiga matematika kelas 7 kurikulum merdeka.pptxDwiYuniarti14
 
LAPORAN PKP KESELURUHAN BAB 1-5 NURUL HUSNA.pdf
LAPORAN PKP KESELURUHAN BAB 1-5 NURUL HUSNA.pdfLAPORAN PKP KESELURUHAN BAB 1-5 NURUL HUSNA.pdf
LAPORAN PKP KESELURUHAN BAB 1-5 NURUL HUSNA.pdfChrodtianTian
 
Ppt tentang perkembangan Moral Pada Anak
Ppt tentang perkembangan Moral Pada AnakPpt tentang perkembangan Moral Pada Anak
Ppt tentang perkembangan Moral Pada Anakbekamalayniasinta
 
04-Gemelli.- kehamilan ganda- duo atau triplet
04-Gemelli.- kehamilan ganda- duo atau triplet04-Gemelli.- kehamilan ganda- duo atau triplet
04-Gemelli.- kehamilan ganda- duo atau tripletMelianaJayasaputra
 
PPT Materi Jenis - Jenis Alat Pembayaran Tunai dan Non-tunai.pptx
PPT Materi Jenis - Jenis Alat Pembayaran Tunai dan Non-tunai.pptxPPT Materi Jenis - Jenis Alat Pembayaran Tunai dan Non-tunai.pptx
PPT Materi Jenis - Jenis Alat Pembayaran Tunai dan Non-tunai.pptxHeruFebrianto3
 
Jurnal Dwi mingguan modul 1.2-gurupenggerak.pptx
Jurnal Dwi mingguan modul 1.2-gurupenggerak.pptxJurnal Dwi mingguan modul 1.2-gurupenggerak.pptx
Jurnal Dwi mingguan modul 1.2-gurupenggerak.pptxBambang440423
 
tugas 1 anak berkebutihan khusus pelajaran semester 6 jawaban tuton 1.docx
tugas 1 anak berkebutihan khusus pelajaran semester 6 jawaban tuton 1.docxtugas 1 anak berkebutihan khusus pelajaran semester 6 jawaban tuton 1.docx
tugas 1 anak berkebutihan khusus pelajaran semester 6 jawaban tuton 1.docxmawan5982
 
Kelompok 1_Karakteristik negara jepang.pdf
Kelompok 1_Karakteristik negara jepang.pdfKelompok 1_Karakteristik negara jepang.pdf
Kelompok 1_Karakteristik negara jepang.pdfCloverash1
 
1.2.a.6. Demonstrasi Konstektual - Modul 1.2 (Shinta Novianti - CGP A10).pdf
1.2.a.6. Demonstrasi Konstektual - Modul 1.2 (Shinta Novianti - CGP A10).pdf1.2.a.6. Demonstrasi Konstektual - Modul 1.2 (Shinta Novianti - CGP A10).pdf
1.2.a.6. Demonstrasi Konstektual - Modul 1.2 (Shinta Novianti - CGP A10).pdfShintaNovianti1
 
Laporan Guru Piket untuk Pengisian RHK Guru Pengelolaan KInerja Guru di PMM
Laporan Guru Piket untuk Pengisian RHK Guru Pengelolaan KInerja Guru di PMMLaporan Guru Piket untuk Pengisian RHK Guru Pengelolaan KInerja Guru di PMM
Laporan Guru Piket untuk Pengisian RHK Guru Pengelolaan KInerja Guru di PMMmulyadia43
 
aku-dan-kebutuhanku-Kelas 4 SD Mapel IPAS
aku-dan-kebutuhanku-Kelas 4 SD Mapel IPASaku-dan-kebutuhanku-Kelas 4 SD Mapel IPAS
aku-dan-kebutuhanku-Kelas 4 SD Mapel IPASreskosatrio1
 

Recently uploaded (20)

PELAKSANAAN + Link2 Materi TRAINING "Effective SUPERVISORY & LEADERSHIP Sk...
PELAKSANAAN  + Link2 Materi TRAINING "Effective  SUPERVISORY &  LEADERSHIP Sk...PELAKSANAAN  + Link2 Materi TRAINING "Effective  SUPERVISORY &  LEADERSHIP Sk...
PELAKSANAAN + Link2 Materi TRAINING "Effective SUPERVISORY & LEADERSHIP Sk...
 
Materi Pertemuan 6 Materi Pertemuan 6.pptx
Materi Pertemuan 6 Materi Pertemuan 6.pptxMateri Pertemuan 6 Materi Pertemuan 6.pptx
Materi Pertemuan 6 Materi Pertemuan 6.pptx
 
demontrasi kontekstual modul 1.2.a. 6.pdf
demontrasi kontekstual modul 1.2.a. 6.pdfdemontrasi kontekstual modul 1.2.a. 6.pdf
demontrasi kontekstual modul 1.2.a. 6.pdf
 
Model Manajemen Strategi Public Relations
Model Manajemen Strategi Public RelationsModel Manajemen Strategi Public Relations
Model Manajemen Strategi Public Relations
 
Prakarsa Perubahan dengan Kanvas ATAP & BAGJA.pptx
Prakarsa Perubahan dengan Kanvas ATAP & BAGJA.pptxPrakarsa Perubahan dengan Kanvas ATAP & BAGJA.pptx
Prakarsa Perubahan dengan Kanvas ATAP & BAGJA.pptx
 
PPT_AKUNTANSI_PAJAK_ATAS_ASET_TETAP.pptx
PPT_AKUNTANSI_PAJAK_ATAS_ASET_TETAP.pptxPPT_AKUNTANSI_PAJAK_ATAS_ASET_TETAP.pptx
PPT_AKUNTANSI_PAJAK_ATAS_ASET_TETAP.pptx
 
Karakteristik Negara Mesir (Geografi Regional Dunia)
Karakteristik Negara Mesir (Geografi Regional Dunia)Karakteristik Negara Mesir (Geografi Regional Dunia)
Karakteristik Negara Mesir (Geografi Regional Dunia)
 
Modul Ajar Bahasa Indonesia - Menulis Puisi Spontanitas - Fase D.docx
Modul Ajar Bahasa Indonesia - Menulis Puisi Spontanitas - Fase D.docxModul Ajar Bahasa Indonesia - Menulis Puisi Spontanitas - Fase D.docx
Modul Ajar Bahasa Indonesia - Menulis Puisi Spontanitas - Fase D.docx
 
IPA Kelas 9 BAB 10 - www.ilmuguru.org.pptx
IPA Kelas 9 BAB 10 - www.ilmuguru.org.pptxIPA Kelas 9 BAB 10 - www.ilmuguru.org.pptx
IPA Kelas 9 BAB 10 - www.ilmuguru.org.pptx
 
Kesebangunan Segitiga matematika kelas 7 kurikulum merdeka.pptx
Kesebangunan Segitiga matematika kelas 7 kurikulum merdeka.pptxKesebangunan Segitiga matematika kelas 7 kurikulum merdeka.pptx
Kesebangunan Segitiga matematika kelas 7 kurikulum merdeka.pptx
 
LAPORAN PKP KESELURUHAN BAB 1-5 NURUL HUSNA.pdf
LAPORAN PKP KESELURUHAN BAB 1-5 NURUL HUSNA.pdfLAPORAN PKP KESELURUHAN BAB 1-5 NURUL HUSNA.pdf
LAPORAN PKP KESELURUHAN BAB 1-5 NURUL HUSNA.pdf
 
Ppt tentang perkembangan Moral Pada Anak
Ppt tentang perkembangan Moral Pada AnakPpt tentang perkembangan Moral Pada Anak
Ppt tentang perkembangan Moral Pada Anak
 
04-Gemelli.- kehamilan ganda- duo atau triplet
04-Gemelli.- kehamilan ganda- duo atau triplet04-Gemelli.- kehamilan ganda- duo atau triplet
04-Gemelli.- kehamilan ganda- duo atau triplet
 
PPT Materi Jenis - Jenis Alat Pembayaran Tunai dan Non-tunai.pptx
PPT Materi Jenis - Jenis Alat Pembayaran Tunai dan Non-tunai.pptxPPT Materi Jenis - Jenis Alat Pembayaran Tunai dan Non-tunai.pptx
PPT Materi Jenis - Jenis Alat Pembayaran Tunai dan Non-tunai.pptx
 
Jurnal Dwi mingguan modul 1.2-gurupenggerak.pptx
Jurnal Dwi mingguan modul 1.2-gurupenggerak.pptxJurnal Dwi mingguan modul 1.2-gurupenggerak.pptx
Jurnal Dwi mingguan modul 1.2-gurupenggerak.pptx
 
tugas 1 anak berkebutihan khusus pelajaran semester 6 jawaban tuton 1.docx
tugas 1 anak berkebutihan khusus pelajaran semester 6 jawaban tuton 1.docxtugas 1 anak berkebutihan khusus pelajaran semester 6 jawaban tuton 1.docx
tugas 1 anak berkebutihan khusus pelajaran semester 6 jawaban tuton 1.docx
 
Kelompok 1_Karakteristik negara jepang.pdf
Kelompok 1_Karakteristik negara jepang.pdfKelompok 1_Karakteristik negara jepang.pdf
Kelompok 1_Karakteristik negara jepang.pdf
 
1.2.a.6. Demonstrasi Konstektual - Modul 1.2 (Shinta Novianti - CGP A10).pdf
1.2.a.6. Demonstrasi Konstektual - Modul 1.2 (Shinta Novianti - CGP A10).pdf1.2.a.6. Demonstrasi Konstektual - Modul 1.2 (Shinta Novianti - CGP A10).pdf
1.2.a.6. Demonstrasi Konstektual - Modul 1.2 (Shinta Novianti - CGP A10).pdf
 
Laporan Guru Piket untuk Pengisian RHK Guru Pengelolaan KInerja Guru di PMM
Laporan Guru Piket untuk Pengisian RHK Guru Pengelolaan KInerja Guru di PMMLaporan Guru Piket untuk Pengisian RHK Guru Pengelolaan KInerja Guru di PMM
Laporan Guru Piket untuk Pengisian RHK Guru Pengelolaan KInerja Guru di PMM
 
aku-dan-kebutuhanku-Kelas 4 SD Mapel IPAS
aku-dan-kebutuhanku-Kelas 4 SD Mapel IPASaku-dan-kebutuhanku-Kelas 4 SD Mapel IPAS
aku-dan-kebutuhanku-Kelas 4 SD Mapel IPAS
 

ANALISIS PROBABILISTIK

  • 1. BAB 6 PENDEKATAN PROBABILISTIK Analisis Skenario, Pohon Keputusan, dan Simulasi Disusun oleh : - Asri Widayati (11216141) - Fanny Agniya N.A (12216608) - Tajdidatul Khiyaroh (17216283) KELOMPOK : 2 KELAS : 4EA21
  • 2. SUB BAB 6 Analisis skenario Pohon keputusan Simulasi Penilaian Menyeluruh Pendekatan Penilaian Risiko Secara Probabilistik (An overall assessment of probabilistic risk assessment approaches) Membandingkan Pendekatan (Comparing the approaches) Tepat Dalam Distribusi (Fitting the distribution) 01 02 03 04 05 06
  • 3. PENDAHULUAN • Pada bab ini, kita mempertimbangkan cara-cara yang lebih informatif di dalam mengakses dalam merepresentasikan risiko dalam investasi. • Dimulai dengan melihat pada versi sederhana, yaitu analisis nilai aset dalam 3 skenario, kemudian memperluas pembahasan dengan melihat pada analisis skenario secara umum, lalu kita akan bergerak menguji penggunaan pada pohon keputusan, dan mengakhirinya dengan mengevaluasi simulasi Monte Carlo.
  • 4. • Kita bisa memperkirakan arus kas yang diharapkan di pergunakan untuk menilai aset berisiko dengan maksud untuk mendapatkan efek risiko terhadap nilai yang lebih baik dari (a better sense of the effect of risk on value), yaitu dengan kasus terbaik atau kasus terburuk (best case or worst case) dan analisis beberapa skenario (multiple scenario analysis). ANALISIS SKENARIO (SCENARIO ANALYSIS)
  • 5. Dua cara pengambilan keputusan yaitu : 1. Gunakan perbedaan antara nilai kasus terbaik atau kasus terburuk sebagai ukuran risiko aset. 2. Perusahaan yang menggunakan hasil kasus terburuk membuat pertimbangan seperti apakah investasi mempunyai potensi untuk mendorong perusahaan ke standarnya (into default). Kasus Terbaik atau Kasus Terburuk (Best Case or Worst Case) Dalam bentuk yang lebih umum, nilai suatu aset berisiko bisa dihitung dalam beberapa skenario, yaitu ekonomi makro dan variabel spesifik aset (asset-specific variables). Analisis Beberapa Skenario (Multiple Scenario Analysis) JENIS ANALISIS SKENARIO
  • 6. LANGKAH-LANGKAH ANALISIS SKENARIO Penentuan faktor-faktor Misal : faktor ekonomi perusahaan mobil mempertimbangkan untuk membuka pabrik mobil baru dan respon pesaing terhadap produk baru perusahaan. Untuk mempermudah perkiraan, kita berfokus pada dua atau tiga faktor. Memperkirakan arus kas setiap skenario lebih mudah kalau perusahaan menentukan 5 skenario. Misal : faktor ekonomi makro seperti nilai tukar mata uang, suku bunga, dan pertumbuhan ekonomi. Membuat perkiraan aset arus kas dalam setiap skenario Penentuan Banyaknya skenario Menentukan nilai probabilitas terjadinya setiap skenario 1 2 3 4
  • 7. CONTOH ANALISIS SKENARIO • Ketika kita ingin memprediksi laba perusahaan di tahun depan • Awalnya, kita membuat skenario kemungkinan pendapatan dan beban dibukukan perusahaan dengan mempertimbangkan sejumlah informasi misal: pangsa pasar, penjualan industri, rasio keuangan, jumlah output, jumlah karyawan. • Kita membuat tiga pendekatan untuk kemungkinan laba perusahaan: pertumbuhan rendah, moderat dan tinggi, berdasarkan pertimbangan informasi tersebut.
  • 8. GUNAKAN DALAM PENGAMBILAN KEPUTUSAN (USE IN DECISION MAKING) • Artikel The Financial Times, mengilustrasikan bagaimana analisis risiko dapat dipergunakan perusahaan, dengan pertimbangan menginvestasikan dalam jumlah besar di Cina untuk mengukur risiko yang potensial. • Mereka mempertimbangkan 4 skenario dibangun sekitar Cina, yaitu : 1. Mitra ekonomi dunia (Global economic partner) Cina berkembang sebagai eksportir barang dan sebagai pasar domestik untuk barang konsumsi. 2. Predator ekonomi dunia (Global economic predator) Cina sebagai negara produsen dengan biaya produksi yang rendah. 3. Peserta dunia yang tumbuh lambat (Slow growing global participant) Cina terus berkembang tetapi dengan laju pertumbuhan yang agak lambat karena tantangan untuk memasuki pasar global lebih sulit. 4. Orang luar yang frustrasi dan tidak stabil (Frustrated and unstable outsider) Pertumbuhan Cina melambat kesukaran ekonomi dan politik berkembang
  • 9. Kunci melakukan analisis skenario yang baik adalah menetapkan skenario dan memperkirakan arus kas setiap skenario. Sampah masuk sampah keluar (Garbage in, garbage out) Analisis skenario sangat tepat kalau berkaitan dengan risiko yang mengambil bentuk hasil yang diskrit. Risiko berkelanjutan (Continuous risk) Berbahaya bahwa pengambilan keputusan akan melakukan perhitungan ganda terhadap risiko. Perhitungan risiko ganda (Double counting of risk) MASALAH SKENARIO GANDA (DUAL SCENARIO ISSUES)
  • 10. POHON KEPUTUSAN (DECISION TREE) Pohon keputusan tidak hanya mempertimbangkan risiko dalam tiap tahapan, tetapi juga menyiapkan respon yang benar pada hasil setiap tahap. Langkah pertama adalah membedakan antara simpul : 1. Simpul akar (Road nodes) : Dimulainya pohon keputusan dimana pengambilan keputusan bisa dihadapkan dengan pilihan keputusan yang tak pasti. 2. Simpul kejadian (Event nodes) : Mewakili hasil pada satu judi yang berisiko. Kita harus membayangkan hasil dan probabilitas hasil didasarkan pada informasi yang kita miliki sekarang (berupa lingkaran). 3. Simpul keputusan (Decision nodes), menunjukkan pilihan yang bisa dibuat oleh pengambil keputusan, memperluas uji pasar ke pasar nasional setelah uji hasil pasar diketahui (empat persegi panjang). 4. Simpul akhir (End nodes), menunjukkan hasil dari hasil berisiko sebelumnya dan keputusan dibuat dalam respon.Gambar Simple Decision Tree
  • 11. 1. Bagi analisis ke dalam tahap-tahap risiko Kunci utama ialah membuat garis besar tahapan risiko yang akan diekspos di waktu yang akan datang. 2. Perkiraan probabilitas hasil dalam setiap tahapan Setelah tahapan analisis dan hasil tahap sudah di definisikan, kita harus menghitung probabilitas dari hasil. 3. Mendefinisikan titik keputusan Tersimpan dalam pohon keputusan adalah titik – titik keputusan dimana akan menentukan berdasarkan pengamatan hasil tahap sebelumnya harapan/ekspektasi apa yang akan terjadi di waktu akan datang. 4. Menghitung arus nilai pada simpul akhir (End Node) Seperti meninggalkan uji produk pasar, hal ini akan mudah dilakukan dan akan mewakili sejumlah uang yang dikeluarkan untuk menguji pasar dari produk. 5. Lipat kembali pohonnya (Fold back the tree) Langkah terakhir dalam analisis pohon keputusan dimana kita menghitung nilai harapan. 1. Nilai harapan sekarang meliputi seluruh pohon keputusan. 2. Kisaran nilai pada simpul akhir yang baru meringkas risiko dalam investasi yang potensial. LANGKAH-LANGKAH MENGEMBANGKAN POHON KEPUTUSAN DUA HASIL YANG TIMBUL DARI POHON KEPUTUSAN
  • 12. PENGGUNAAN DALAM PENGAMBILAN KEPUTUSAN Dynamic Response To Risk Nilai Informasi Manajemen Risiko 1 2 3
  • 13. ISSUES • Pohon keputusan mampu mengatasi beberapa jenis risiko dan tidak lainnya! Khususnya pohon keputusan sangat tepat untuk risiko yang berurutan (sequendial); proses untuk FDA di mana persetujuan terjadi dalam tahapan (by stages) merupakan contoh yang bagus.
  • 14. RISK ADJUSTED VALUE AND DECISION TREE Expected Values are not Risk Adjusted Double-Counting Of Risk The Right Discount Rate 1 2 3
  • 15.
  • 16. SIMULASI Suatu upaya menduplikasi fitur, tampilan, karakteristik suatu sistem dengan mengembangkan sebuah model matematika paling dekat dengan yang menggambarkan sistem sesungguhnya.
  • 17. COMPUTER REPAIR & SUPPORT LANGKAH-LANGKAH DALAM SIMULASI Membuat Distribusi Probabilitas untuk Variable Penting. Menentukan Distribusi Probabilitas untuk Tiap Variabel Menentukan Interval Bilangan Acak pada Tiap Variabel. Melakukan Serangkaian Simulasi Percobaan.
  • 18. “TOKO ALAT KESEHATAN” Setelah melakukan pengamatan selama 200 hari, sebuah toko alat kesehatan memperkirakan permintaan masker per harinya seperti pada table dibawah ini. Toko tersebut hendak memperkirakan permintaan masker untuk 10 hari ke depan Permintaan Frekuensi (hari) 0 10 10 box 20 20 box 40 30 box 60 40 box 40 50 box 30 Total 200
  • 19. PENYELESAIAN : Permintaan Masker Frekuensi (1) Probabilitas Kejadian (2) Probabilitas Kumulatif 0 10 10/200 = 0,05 0,05 10 20 20/200 = 0,10 0,15 20 40 40/200 = 0,20 0,35 30 60 60/200 = 0,30 0,65 40 40 40/200 = 0,20 0,85 50 30 30/200 = 0,15 1,00 200 200/200 = 1,00
  • 20. 0 0.2 0.4 0.6 0.8 1 1.2 0 10 20 30 40 50 CummulativeProbability DIAGRAM PROBABILITAS KUMULATIF
  • 21. INTERVAL BILANGAN ACAK Permintaan Masker (1) Probabilitas Kejadian (2) Probabilitas Kumulatif (3) Interval Bilangan Acak 0 10/200 = 0,05 0,05 1-5 10 20/200 = 0,10 0,15 6-15 20 40/200 = 0,20 0,35 16-35 30 60/200 = 0,30 0,65 36-65 40 40/200 = 0,20 0,85 66-85 50 30/200 = 0,15 1,00 86-99 200/200 = 1,00
  • 23. MELAKUKAN SIMULASI HARI BILANGAN ACAK HASIL SIMULASI 1 21 2 2 42 3 3 24 2 4 32 2 5 72 4 6 99 5 7 35 2 8 11 1 9 78 4 10 67 4 TOTAL 29
  • 24. PENYELESAIAN : E = σ𝑖=0 5 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡𝑎𝑠 𝑑𝑎𝑟𝑖 𝑚𝑎𝑠𝑘𝑒𝑟 𝑥 𝑝𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛 𝑚𝑎𝑠𝑘𝑒𝑟 = (0,05)(0)+(0,10)(1)+(0,20)(2)+(0,30)(3)+(0,20)(4) + (0,15)(5) = 2,95 masker Jadi, total penjualan masker selama 10 hari kedepan adalah 29 box masker. Dengan rata-rata permintaan perhari adalah 2,9 masker. Perkiraan :
  • 25. PENGAMBILAN KEPUTUSAN MELALUI SIMULASI  Masukan perkiraan data Dalam suatu simulasi yang ideal, maka diperlukan analisis data historis dan data “Cross sectional” sebagai “input” sebelum membuat suatu pertimbangan yang dipergunakan untuk parameter dari distribusi.  Menghasilkan perkiraan yang lebih tepat dari pada hasil yang disesuaikan Distribusi menekankan pada model value yang menghasilkan nilai perkiraan untuk aset tidak tepat dan menjelaskan mengapa analisis yang berbeda menilai aset yang sama mungkin sampai pada perkiraan nilai yang berbeda.
  • 26. BATASAN DALAM SIMULASI (SIMULATION WITH CONSTRAINTS) Simulasi sebagai alat dalam analisis resiko, harus mengenal suatu batasan (Constraint) jika dilanggar akan menyebabkan biaya yang sangat besar bagi perusahaan bahkan bisa menyebabkan kematian NILAI BUKU EKUITAS (BOOK VALUE CONSTRAINTS) Nilai buku ekuitas ialah konsep akunting yang abstrak untuk suatu perusahaan. Ada dua jenis batasan pada nilai buku ekuitas yaitu :  Regulatory capital restrictions  Negative book vale for equity
  • 27. Untuk menghindari terjadinya kejadian yang tidak diinginkan, biasanya suatu perusahaan melakukan pembatasan terhadap earning dan arus kas dengan menggunakan simulasi. Simulasi tidak hanya untuk mengkuantitatifkan probabilitas tetapi juga dapat membuat model pada arus kas yang diharapkan dn suku bunga diskonto. PEMBATASAN PENDAPATAN DAN ARUS KAS (Earning And Cash Flow Constraints) BATASAN NILAI PASAR (Market Value Constraints)
  • 28. Penggunaan simulasi pertamakali diusulkan oleh David Hertz dalam artikel “Risk Analysis in Capital Investment” pada Havard Bussiness Review. Berargumen bahwa dengan menggunakan distribusi probabilitas daripada perkiraan akan menghasilkan hasil yang lebih informative. Ada beberapa hal yang berkaitan dengan simulasi dalam pengambilan resiko :  Masuk sampah keluar sampah (Garbage in Garbage Out)  Data seringkali tidak cocok dengan distribusi (Real data may not fit distribution)  (Nonstationary distribution) ISSUES
  • 29. PENDEKATAN PROBABILISTIK YANG HARUS DIPILIH? Selektif terhadap analisis resiko1 2 Jenis Resiko 3 Korelasi berbagai risiko
  • 30. 6/6/2020 Dalam bentuk analisis skenario kita melihat nilai yang bagus dan jelek yang betentangan dengan nilai harapan. Pohon keputusan dirancang untuk risiko yang berurutan dan diskrit. Simulasi menyediakan asesmen yang paling lengkap mengenai risiko sebab mereka didasarkan pada distribusi probabilitas untuk setiap “Input”. KESIMPULAN
  • 31. REFERENSI Prof. Johannes Supranto dan Dr. Luqman Hakim. (2013). Pengambilan Risiko Secara Strategis (Bagi Pengambil Keputusan Bisnis). Jakarta: PT RajaGrafindo Persada. Cerdasco (2019, 17 Agustus). Kuantitatif Analisis Skenario. Dikutip 11 Maret 2020 dari https://cerdasco.com/analisis-skenario/