SlideShare a Scribd company logo
BAB 6
PENDEKATAN PROBABILISTIK
Analisis Skenario, Pohon Keputusan,
dan Simulasi
Disusun oleh :
- Adam Ismail
- Anggita ………….
- Asri …………..
- Fanny Agniya N.A
- Indah Ayu P
KELOMPOK : 2
KELAS : 4EA21
- Pascal Krisvy
- Reren Anggun W
- Suci Lestari
- Tajdidatul Khiyaroh
- Vira Lili A
SUB BAB 6
Analisis skenario
Pohon keputusan
Simulasi
Penilaian Keseluruhan Pendekatan
Penilaian Risiko 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
β€’ Pada bab ini, kita mempertimbangkan cara-cara yang
lebih informatif di dalam mengakses dalam
merepresentasikan risiko dalam investasi.
β€’ 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.
β€’ Kita bisa memperkirakan arus kas yang diharapkan di
pergunakan untuk menilai aset berisiko dengan
maksud untuk mendapatkan rasa yang lebih baik dari
efek risiko terhadap nilai (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 pada 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)
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
β€’ Ketika kita ingin memprediksi laba perusahaan di tahun depan
β€’ 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.
β€’ 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)
β€’ Artikel The Financial Times, mengilustrasikan bagaimana analisis risiko dapat dipergunakan perusahaan,
dengan pertimbangan menginvestasikan dalam jumlah besar di Cina untuk mengukur risiko yang potensial.
β€’ 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
β€’ 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 system
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.
β€œToko 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 kedepan
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 = 𝑖=0
5
π‘π‘Ÿπ‘œπ‘π‘Žπ‘π‘–π‘™π‘–π‘‘π‘Žπ‘  π‘‘π‘Žπ‘Ÿπ‘– π‘šπ‘Žπ‘ π‘˜π‘’π‘Ÿ π‘₯ π‘π‘’π‘Ÿπ‘šπ‘–π‘›π‘‘π‘Žπ‘Žπ‘› π‘šπ‘Žπ‘ π‘˜π‘’π‘Ÿ
= (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
β€œCross sectional” sebagai β€œinput” 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
asset tidak tepat dan menjelaskan mengapa analisis yang berbeda menilai asset
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 :
οƒ˜ Regulatory capital restrictions
οƒ˜ 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 β€œRisk 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 probabilistic yg harus dipilih ?
Selektif terhadap analisis resiko1
2 Jenis Resiko
3 Korelasi berbagai risiko
4/17/2020
Dalam bentuk analisis scenario 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 β€œInput”
KESIMPULAN
REFERENSI
Prof. Johannes Supranto dan Dr. Luqman Hakim. (2013). Pengambilan Risiko Secara
Strategis (Bagi Pengambil Keputusan Bisnis). Jakarta: PT RajaGrafindo Persada.
https://cerdasco.com/analisis-skenario/, diakses pada 11 maret 2020
THANK YOU

More Related Content

What's hot

Pengambilan keputusan dalam kondisi pasti
Pengambilan keputusan dalam kondisi pastiPengambilan keputusan dalam kondisi pasti
Pengambilan keputusan dalam kondisi pasti
indra wahyudi
Β 
contoh soal program linear
contoh soal program linearcontoh soal program linear
contoh soal program linearNur Rahmah Yunita
Β 
STATISTIKA-Regresi dan korelasi
STATISTIKA-Regresi dan korelasiSTATISTIKA-Regresi dan korelasi
STATISTIKA-Regresi dan korelasiYousuf Kurniawan
Β 
Network Flow Model
Network Flow ModelNetwork Flow Model
Network Flow Model
Fahrul Rozi
Β 
Laporan praktikum statistik deskriptif
Laporan praktikum statistik deskriptif Laporan praktikum statistik deskriptif
Laporan praktikum statistik deskriptif
EnvaPya
Β 
Uji asumsi klasik
Uji asumsi klasikUji asumsi klasik
Uji asumsi klasik
Junianto Junianto
Β 
linear regresi
linear regresi linear regresi
linear regresi
Aprilia Ningsih
Β 
Pendugaan Parameter
Pendugaan ParameterPendugaan Parameter
Pendugaan Parameter
Eko Mardianto
Β 
Tro1 metode grafik
Tro1 metode grafikTro1 metode grafik
Tro1 metode grafikrizki fauzi
Β 
Tugas UAS Rangkuman Riset Operasi
Tugas UAS Rangkuman Riset Operasi Tugas UAS Rangkuman Riset Operasi
Tugas UAS Rangkuman Riset Operasi
eddy sanusi silitonga
Β 
Teori Permainan dan Perilaku Oligopolistik
Teori Permainan dan Perilaku OligopolistikTeori Permainan dan Perilaku Oligopolistik
Teori Permainan dan Perilaku Oligopolistik
Majid Abdullah
Β 
Distribusi frekuensi.1
Distribusi frekuensi.1Distribusi frekuensi.1
Distribusi frekuensi.1
Ost Man
Β 
Tugas Rangkuman UAS Riset Operasi (Operation Research)
Tugas Rangkuman UAS Riset Operasi (Operation Research)Tugas Rangkuman UAS Riset Operasi (Operation Research)
Tugas Rangkuman UAS Riset Operasi (Operation Research)
eddy sanusi silitonga
Β 
TEORI PERMAINAN (GAME THEORY)
TEORI PERMAINAN (GAME THEORY)TEORI PERMAINAN (GAME THEORY)
TEORI PERMAINAN (GAME THEORY)
Nida Shafiyanti
Β 
Basic statistics 6 - poisson distribution
Basic statistics   6 - poisson distributionBasic statistics   6 - poisson distribution
Basic statistics 6 - poisson distribution
angita wahyu suprapti
Β 
Ppt stadas klmpok
Ppt stadas klmpokPpt stadas klmpok
Ppt stadas klmpok
abiumi01
Β 
LTM Statistika Deskriptif Pertemuan 2
LTM Statistika Deskriptif Pertemuan 2LTM Statistika Deskriptif Pertemuan 2
LTM Statistika Deskriptif Pertemuan 2
Dwi Mardianti
Β 
Tugas statistik bisnis 3
Tugas statistik bisnis 3Tugas statistik bisnis 3
Tugas statistik bisnis 3Wahono Syahida
Β 
Konsep dasar pendugaan parameter
Konsep dasar pendugaan parameterKonsep dasar pendugaan parameter
Konsep dasar pendugaan parametermatematikaunindra
Β 

What's hot (20)

Pengambilan keputusan dalam kondisi pasti
Pengambilan keputusan dalam kondisi pastiPengambilan keputusan dalam kondisi pasti
Pengambilan keputusan dalam kondisi pasti
Β 
contoh soal program linear
contoh soal program linearcontoh soal program linear
contoh soal program linear
Β 
STATISTIKA-Regresi dan korelasi
STATISTIKA-Regresi dan korelasiSTATISTIKA-Regresi dan korelasi
STATISTIKA-Regresi dan korelasi
Β 
Network Flow Model
Network Flow ModelNetwork Flow Model
Network Flow Model
Β 
Laporan praktikum statistik deskriptif
Laporan praktikum statistik deskriptif Laporan praktikum statistik deskriptif
Laporan praktikum statistik deskriptif
Β 
Uji asumsi klasik
Uji asumsi klasikUji asumsi klasik
Uji asumsi klasik
Β 
linear regresi
linear regresi linear regresi
linear regresi
Β 
Pendugaan Parameter
Pendugaan ParameterPendugaan Parameter
Pendugaan Parameter
Β 
Tro1 metode grafik
Tro1 metode grafikTro1 metode grafik
Tro1 metode grafik
Β 
Tugas UAS Rangkuman Riset Operasi
Tugas UAS Rangkuman Riset Operasi Tugas UAS Rangkuman Riset Operasi
Tugas UAS Rangkuman Riset Operasi
Β 
Teori Permainan dan Perilaku Oligopolistik
Teori Permainan dan Perilaku OligopolistikTeori Permainan dan Perilaku Oligopolistik
Teori Permainan dan Perilaku Oligopolistik
Β 
Analisis pohon kepputusan
Analisis pohon kepputusanAnalisis pohon kepputusan
Analisis pohon kepputusan
Β 
Distribusi frekuensi.1
Distribusi frekuensi.1Distribusi frekuensi.1
Distribusi frekuensi.1
Β 
Tugas Rangkuman UAS Riset Operasi (Operation Research)
Tugas Rangkuman UAS Riset Operasi (Operation Research)Tugas Rangkuman UAS Riset Operasi (Operation Research)
Tugas Rangkuman UAS Riset Operasi (Operation Research)
Β 
TEORI PERMAINAN (GAME THEORY)
TEORI PERMAINAN (GAME THEORY)TEORI PERMAINAN (GAME THEORY)
TEORI PERMAINAN (GAME THEORY)
Β 
Basic statistics 6 - poisson distribution
Basic statistics   6 - poisson distributionBasic statistics   6 - poisson distribution
Basic statistics 6 - poisson distribution
Β 
Ppt stadas klmpok
Ppt stadas klmpokPpt stadas klmpok
Ppt stadas klmpok
Β 
LTM Statistika Deskriptif Pertemuan 2
LTM Statistika Deskriptif Pertemuan 2LTM Statistika Deskriptif Pertemuan 2
LTM Statistika Deskriptif Pertemuan 2
Β 
Tugas statistik bisnis 3
Tugas statistik bisnis 3Tugas statistik bisnis 3
Tugas statistik bisnis 3
Β 
Konsep dasar pendugaan parameter
Konsep dasar pendugaan parameterKonsep dasar pendugaan parameter
Konsep dasar pendugaan parameter
Β 

Similar to MATERI PENDEKATAN PROBABILISTIK

Tugas Akhir - Asri Widayati - 4EA21
Tugas Akhir - Asri Widayati - 4EA21Tugas Akhir - Asri Widayati - 4EA21
Tugas Akhir - Asri Widayati - 4EA21
asriWdynt
Β 
Tugas Akhir-Tajdidatul Khiyaroh-4EA21-17216283
Tugas Akhir-Tajdidatul Khiyaroh-4EA21-17216283Tugas Akhir-Tajdidatul Khiyaroh-4EA21-17216283
Tugas Akhir-Tajdidatul Khiyaroh-4EA21-17216283
Tajdidatul Khiyaroh
Β 
Tugas Akhir-Fanny Agniya Nur Azizah-4EA21
Tugas Akhir-Fanny Agniya Nur Azizah-4EA21Tugas Akhir-Fanny Agniya Nur Azizah-4EA21
Tugas Akhir-Fanny Agniya Nur Azizah-4EA21
FannyAgniya
Β 
Manajemen Risiko 11 Risiko operasional
Manajemen Risiko 11 Risiko operasionalManajemen Risiko 11 Risiko operasional
Manajemen Risiko 11 Risiko operasional
Judianto Nugroho
Β 
BAB 11
BAB 11BAB 11
BAB 11
QuatGamping
Β 
DECISION_TREE_ppt_Compatibility_Mode.pdf
DECISION_TREE_ppt_Compatibility_Mode.pdfDECISION_TREE_ppt_Compatibility_Mode.pdf
DECISION_TREE_ppt_Compatibility_Mode.pdf
Putrifitriasari1
Β 
DECISION_TREE.pdf
DECISION_TREE.pdfDECISION_TREE.pdf
DECISION_TREE.pdf
Septama1
Β 
Makalah Sistem Pendukung Keputusan
Makalah Sistem Pendukung Keputusan Makalah Sistem Pendukung Keputusan
Makalah Sistem Pendukung Keputusan
Elfrita Sihombing
Β 
Manajemen Risiko 09 Risiko pasar
Manajemen Risiko 09 Risiko pasarManajemen Risiko 09 Risiko pasar
Manajemen Risiko 09 Risiko pasar
Judianto Nugroho
Β 
Part 2
Part 2Part 2
Part 2
KasnoArif
Β 
Menerapkan pohon keputusan pada keputusan kapasitas
Menerapkan pohon keputusan pada keputusan kapasitasMenerapkan pohon keputusan pada keputusan kapasitas
Menerapkan pohon keputusan pada keputusan kapasitas
Yesica Adicondro
Β 
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
NadyaFirnanda
Β 
Structural equation-modeling-sem 20121
Structural equation-modeling-sem 20121Structural equation-modeling-sem 20121
Structural equation-modeling-sem 20121
permadina
Β 
Sistem Penunjang Keputusan [Simulasi Monte Carlo]
Sistem Penunjang Keputusan [Simulasi Monte Carlo]Sistem Penunjang Keputusan [Simulasi Monte Carlo]
Sistem Penunjang Keputusan [Simulasi Monte Carlo]
Institut Teknologi Sepuluh Nopember Surabaya
Β 
Kompleksitas dan sifat sifat dasar permasalahan
Kompleksitas dan sifat sifat dasar permasalahanKompleksitas dan sifat sifat dasar permasalahan
Kompleksitas dan sifat sifat dasar permasalahan
Ahmad Edwin Ramdhani Syafruddin
Β 
Manajemen Risiko_Linda Fadhila Pohan_4EA22_14216059
Manajemen Risiko_Linda Fadhila Pohan_4EA22_14216059Manajemen Risiko_Linda Fadhila Pohan_4EA22_14216059
Manajemen Risiko_Linda Fadhila Pohan_4EA22_14216059
linda fadhila pohan
Β 
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
leylitarosyada
Β 
Tugas Akhir-Vira Lili Apriyanti-4EA21
Tugas Akhir-Vira Lili Apriyanti-4EA21Tugas Akhir-Vira Lili Apriyanti-4EA21
Tugas Akhir-Vira Lili Apriyanti-4EA21
ViraLiliApriyanti
Β 
Laporan1 bab i fungsi tujuan
Laporan1 bab i fungsi tujuanLaporan1 bab i fungsi tujuan
Laporan1 bab i fungsi tujuan
Purwanti Rahayu
Β 
Tugas Akhir-Pascal Anarqi Krisvy-4EA21
Tugas Akhir-Pascal Anarqi Krisvy-4EA21Tugas Akhir-Pascal Anarqi Krisvy-4EA21
Tugas Akhir-Pascal Anarqi Krisvy-4EA21
Pascal Anarqi Krisvy
Β 

Similar to MATERI PENDEKATAN PROBABILISTIK (20)

Tugas Akhir - Asri Widayati - 4EA21
Tugas Akhir - Asri Widayati - 4EA21Tugas Akhir - Asri Widayati - 4EA21
Tugas Akhir - Asri Widayati - 4EA21
Β 
Tugas Akhir-Tajdidatul Khiyaroh-4EA21-17216283
Tugas Akhir-Tajdidatul Khiyaroh-4EA21-17216283Tugas Akhir-Tajdidatul Khiyaroh-4EA21-17216283
Tugas Akhir-Tajdidatul Khiyaroh-4EA21-17216283
Β 
Tugas Akhir-Fanny Agniya Nur Azizah-4EA21
Tugas Akhir-Fanny Agniya Nur Azizah-4EA21Tugas Akhir-Fanny Agniya Nur Azizah-4EA21
Tugas Akhir-Fanny Agniya Nur Azizah-4EA21
Β 
Manajemen Risiko 11 Risiko operasional
Manajemen Risiko 11 Risiko operasionalManajemen Risiko 11 Risiko operasional
Manajemen Risiko 11 Risiko operasional
Β 
BAB 11
BAB 11BAB 11
BAB 11
Β 
DECISION_TREE_ppt_Compatibility_Mode.pdf
DECISION_TREE_ppt_Compatibility_Mode.pdfDECISION_TREE_ppt_Compatibility_Mode.pdf
DECISION_TREE_ppt_Compatibility_Mode.pdf
Β 
DECISION_TREE.pdf
DECISION_TREE.pdfDECISION_TREE.pdf
DECISION_TREE.pdf
Β 
Makalah Sistem Pendukung Keputusan
Makalah Sistem Pendukung Keputusan Makalah Sistem Pendukung Keputusan
Makalah Sistem Pendukung Keputusan
Β 
Manajemen Risiko 09 Risiko pasar
Manajemen Risiko 09 Risiko pasarManajemen Risiko 09 Risiko pasar
Manajemen Risiko 09 Risiko pasar
Β 
Part 2
Part 2Part 2
Part 2
Β 
Menerapkan pohon keputusan pada keputusan kapasitas
Menerapkan pohon keputusan pada keputusan kapasitasMenerapkan pohon keputusan pada keputusan kapasitas
Menerapkan pohon keputusan pada keputusan kapasitas
Β 
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
Β 
Structural equation-modeling-sem 20121
Structural equation-modeling-sem 20121Structural equation-modeling-sem 20121
Structural equation-modeling-sem 20121
Β 
Sistem Penunjang Keputusan [Simulasi Monte Carlo]
Sistem Penunjang Keputusan [Simulasi Monte Carlo]Sistem Penunjang Keputusan [Simulasi Monte Carlo]
Sistem Penunjang Keputusan [Simulasi Monte Carlo]
Β 
Kompleksitas dan sifat sifat dasar permasalahan
Kompleksitas dan sifat sifat dasar permasalahanKompleksitas dan sifat sifat dasar permasalahan
Kompleksitas dan sifat sifat dasar permasalahan
Β 
Manajemen Risiko_Linda Fadhila Pohan_4EA22_14216059
Manajemen Risiko_Linda Fadhila Pohan_4EA22_14216059Manajemen Risiko_Linda Fadhila Pohan_4EA22_14216059
Manajemen Risiko_Linda Fadhila Pohan_4EA22_14216059
Β 
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
Β 
Tugas Akhir-Vira Lili Apriyanti-4EA21
Tugas Akhir-Vira Lili Apriyanti-4EA21Tugas Akhir-Vira Lili Apriyanti-4EA21
Tugas Akhir-Vira Lili Apriyanti-4EA21
Β 
Laporan1 bab i fungsi tujuan
Laporan1 bab i fungsi tujuanLaporan1 bab i fungsi tujuan
Laporan1 bab i fungsi tujuan
Β 
Tugas Akhir-Pascal Anarqi Krisvy-4EA21
Tugas Akhir-Pascal Anarqi Krisvy-4EA21Tugas Akhir-Pascal Anarqi Krisvy-4EA21
Tugas Akhir-Pascal Anarqi Krisvy-4EA21
Β 

More from rerenanggunw

MANAJEMEN RISIKO_4EA21_BAB 7_VALUE AT RISK (VAR)_REREN ANGGUN WULANDARI
MANAJEMEN RISIKO_4EA21_BAB 7_VALUE AT RISK (VAR)_REREN ANGGUN WULANDARI MANAJEMEN RISIKO_4EA21_BAB 7_VALUE AT RISK (VAR)_REREN ANGGUN WULANDARI
MANAJEMEN RISIKO_4EA21_BAB 7_VALUE AT RISK (VAR)_REREN ANGGUN WULANDARI
rerenanggunw
Β 
MANAJEMEN RISIKO_4EA21_BAB 7_VALUE AT RISK (VAR)_REREN ANGGUN WULANDARI
MANAJEMEN RISIKO_4EA21_BAB 7_VALUE AT RISK (VAR)_REREN ANGGUN WULANDARIMANAJEMEN RISIKO_4EA21_BAB 7_VALUE AT RISK (VAR)_REREN ANGGUN WULANDARI
MANAJEMEN RISIKO_4EA21_BAB 7_VALUE AT RISK (VAR)_REREN ANGGUN WULANDARI
rerenanggunw
Β 
MATERI REAL OPTION
MATERI REAL OPTIONMATERI REAL OPTION
MATERI REAL OPTION
rerenanggunw
Β 
MATERI NILAI YANG DISESUAIKAN DENGAN RISIKO (RISK ADJUSTED VALUE)
MATERI NILAI YANG DISESUAIKAN DENGAN RISIKO (RISK ADJUSTED VALUE)MATERI NILAI YANG DISESUAIKAN DENGAN RISIKO (RISK ADJUSTED VALUE)
MATERI NILAI YANG DISESUAIKAN DENGAN RISIKO (RISK ADJUSTED VALUE)
rerenanggunw
Β 
MATERI VALUE AT RISK (VAR)
MATERI VALUE AT RISK (VAR)MATERI VALUE AT RISK (VAR)
MATERI VALUE AT RISK (VAR)
rerenanggunw
Β 
Materi Rapat Bisnis
Materi Rapat BisnisMateri Rapat Bisnis
Materi Rapat Bisnis
rerenanggunw
Β 
Praktek Rapat Bisnis
Praktek Rapat BisnisPraktek Rapat Bisnis
Praktek Rapat Bisnis
rerenanggunw
Β 

More from rerenanggunw (7)

MANAJEMEN RISIKO_4EA21_BAB 7_VALUE AT RISK (VAR)_REREN ANGGUN WULANDARI
MANAJEMEN RISIKO_4EA21_BAB 7_VALUE AT RISK (VAR)_REREN ANGGUN WULANDARI MANAJEMEN RISIKO_4EA21_BAB 7_VALUE AT RISK (VAR)_REREN ANGGUN WULANDARI
MANAJEMEN RISIKO_4EA21_BAB 7_VALUE AT RISK (VAR)_REREN ANGGUN WULANDARI
Β 
MANAJEMEN RISIKO_4EA21_BAB 7_VALUE AT RISK (VAR)_REREN ANGGUN WULANDARI
MANAJEMEN RISIKO_4EA21_BAB 7_VALUE AT RISK (VAR)_REREN ANGGUN WULANDARIMANAJEMEN RISIKO_4EA21_BAB 7_VALUE AT RISK (VAR)_REREN ANGGUN WULANDARI
MANAJEMEN RISIKO_4EA21_BAB 7_VALUE AT RISK (VAR)_REREN ANGGUN WULANDARI
Β 
MATERI REAL OPTION
MATERI REAL OPTIONMATERI REAL OPTION
MATERI REAL OPTION
Β 
MATERI NILAI YANG DISESUAIKAN DENGAN RISIKO (RISK ADJUSTED VALUE)
MATERI NILAI YANG DISESUAIKAN DENGAN RISIKO (RISK ADJUSTED VALUE)MATERI NILAI YANG DISESUAIKAN DENGAN RISIKO (RISK ADJUSTED VALUE)
MATERI NILAI YANG DISESUAIKAN DENGAN RISIKO (RISK ADJUSTED VALUE)
Β 
MATERI VALUE AT RISK (VAR)
MATERI VALUE AT RISK (VAR)MATERI VALUE AT RISK (VAR)
MATERI VALUE AT RISK (VAR)
Β 
Materi Rapat Bisnis
Materi Rapat BisnisMateri Rapat Bisnis
Materi Rapat Bisnis
Β 
Praktek Rapat Bisnis
Praktek Rapat BisnisPraktek Rapat Bisnis
Praktek Rapat Bisnis
Β 

Recently uploaded

Koneksi Antar Materi modul 1.4 Budaya Positif
Koneksi Antar Materi modul 1.4 Budaya PositifKoneksi Antar Materi modul 1.4 Budaya Positif
Koneksi Antar Materi modul 1.4 Budaya Positif
Rima98947
Β 
KOMITMEN MENULIS DI BLOG KBMN PB PGRI.ppt
KOMITMEN MENULIS DI BLOG KBMN PB PGRI.pptKOMITMEN MENULIS DI BLOG KBMN PB PGRI.ppt
KOMITMEN MENULIS DI BLOG KBMN PB PGRI.ppt
Dedi Dwitagama
Β 
ppt materi aliran aliran pendidikan pai 9
ppt materi aliran aliran pendidikan pai 9ppt materi aliran aliran pendidikan pai 9
ppt materi aliran aliran pendidikan pai 9
mohfedri24
Β 
Kisi-kisi soal pai kelas 7 genap 2024.docx
Kisi-kisi soal pai kelas 7 genap 2024.docxKisi-kisi soal pai kelas 7 genap 2024.docx
Kisi-kisi soal pai kelas 7 genap 2024.docx
irawan1978
Β 
ppt landasan pendidikan Alat alat pendidikan PAI 9_
ppt landasan pendidikan Alat alat pendidikan PAI 9_ppt landasan pendidikan Alat alat pendidikan PAI 9_
ppt landasan pendidikan Alat alat pendidikan PAI 9_
setiatinambunan
Β 
Pi-2 AGUS MULYADI. S.Pd (3).pptx visi giru penggerak dan prakrsa perubahan bagja
Pi-2 AGUS MULYADI. S.Pd (3).pptx visi giru penggerak dan prakrsa perubahan bagjaPi-2 AGUS MULYADI. S.Pd (3).pptx visi giru penggerak dan prakrsa perubahan bagja
Pi-2 AGUS MULYADI. S.Pd (3).pptx visi giru penggerak dan prakrsa perubahan bagja
agusmulyadi08
Β 
LK 1 - 5T Keputusan Berdampak PERMATA BUNDA.pdf
LK 1 - 5T Keputusan Berdampak PERMATA BUNDA.pdfLK 1 - 5T Keputusan Berdampak PERMATA BUNDA.pdf
LK 1 - 5T Keputusan Berdampak PERMATA BUNDA.pdf
UditGheozi2
Β 
2. Kerangka Kompetensi Literasi Guru SD_Rev.pptx
2. Kerangka Kompetensi Literasi Guru SD_Rev.pptx2. Kerangka Kompetensi Literasi Guru SD_Rev.pptx
2. Kerangka Kompetensi Literasi Guru SD_Rev.pptx
arianferdana
Β 
PELAKSANAAN + Link2 Materi Pelatihan_ PENGAWASAN P3DN & TKDN_ pd PENGADAAN Ba...
PELAKSANAAN + Link2 Materi Pelatihan_ PENGAWASAN P3DN & TKDN_ pd PENGADAAN Ba...PELAKSANAAN + Link2 Materi Pelatihan_ PENGAWASAN P3DN & TKDN_ pd PENGADAAN Ba...
PELAKSANAAN + Link2 Materi Pelatihan_ PENGAWASAN P3DN & TKDN_ pd PENGADAAN Ba...
Kanaidi ken
Β 
Juknis Pengisian Blanko Ijazah 2024 29 04 2024 Top.pptx
Juknis Pengisian Blanko Ijazah 2024 29 04 2024 Top.pptxJuknis Pengisian Blanko Ijazah 2024 29 04 2024 Top.pptx
Juknis Pengisian Blanko Ijazah 2024 29 04 2024 Top.pptx
mattaja008
Β 
untuk observasi kepala sekolah dengan pengawas
untuk observasi kepala sekolah dengan pengawasuntuk observasi kepala sekolah dengan pengawas
untuk observasi kepala sekolah dengan pengawas
TEDYHARTO1
Β 
RUBRIK OBSERVASI KINERJA KEPALA SEKOLAH.docx
RUBRIK OBSERVASI KINERJA KEPALA SEKOLAH.docxRUBRIK OBSERVASI KINERJA KEPALA SEKOLAH.docx
RUBRIK OBSERVASI KINERJA KEPALA SEKOLAH.docx
kinayaptr30
Β 
RANCANGAN TINDAKAN UNTUK AKSI NYATA MODUL 1.4 BUDAYA POSITIF.pdf
RANCANGAN TINDAKAN UNTUK AKSI NYATA MODUL 1.4 BUDAYA POSITIF.pdfRANCANGAN TINDAKAN UNTUK AKSI NYATA MODUL 1.4 BUDAYA POSITIF.pdf
RANCANGAN TINDAKAN UNTUK AKSI NYATA MODUL 1.4 BUDAYA POSITIF.pdf
junarpudin36
Β 
INSTRUMEN PENILAIAN PRAKTIK KINERJA KS Dok Rating Observasi (1).docx
INSTRUMEN PENILAIAN PRAKTIK KINERJA KS Dok Rating Observasi (1).docxINSTRUMEN PENILAIAN PRAKTIK KINERJA KS Dok Rating Observasi (1).docx
INSTRUMEN PENILAIAN PRAKTIK KINERJA KS Dok Rating Observasi (1).docx
lindaagina84
Β 
Sebuah buku foto yang berjudul Lensa Kampung Ondel-Ondel
Sebuah buku foto yang berjudul Lensa Kampung Ondel-OndelSebuah buku foto yang berjudul Lensa Kampung Ondel-Ondel
Sebuah buku foto yang berjudul Lensa Kampung Ondel-Ondel
ferrydmn1999
Β 
Patofisiologi Sistem Endokrin hormon pada sistem endokrin
Patofisiologi Sistem Endokrin hormon pada sistem endokrinPatofisiologi Sistem Endokrin hormon pada sistem endokrin
Patofisiologi Sistem Endokrin hormon pada sistem endokrin
rohman85
Β 
penjelasan tentang tugas dan wewenang pkd
penjelasan tentang tugas dan wewenang pkdpenjelasan tentang tugas dan wewenang pkd
penjelasan tentang tugas dan wewenang pkd
jaya35ml2
Β 
PPT Observasi Praktik Kinerja PMM SD pdf
PPT Observasi Praktik Kinerja PMM SD pdfPPT Observasi Praktik Kinerja PMM SD pdf
PPT Observasi Praktik Kinerja PMM SD pdf
safitriana935
Β 
Modul Ajar Bahasa Inggris Kelas 5 Fase C Kurikulum Merdeka
Modul Ajar Bahasa Inggris Kelas 5 Fase C Kurikulum MerdekaModul Ajar Bahasa Inggris Kelas 5 Fase C Kurikulum Merdeka
Modul Ajar Bahasa Inggris Kelas 5 Fase C Kurikulum Merdeka
Fathan Emran
Β 
VISI MISI KOMUNITAS BELAJAR SDN 93 KOTA JAMBI
VISI MISI KOMUNITAS BELAJAR SDN 93 KOTA JAMBIVISI MISI KOMUNITAS BELAJAR SDN 93 KOTA JAMBI
VISI MISI KOMUNITAS BELAJAR SDN 93 KOTA JAMBI
gloriosaesy
Β 

Recently uploaded (20)

Koneksi Antar Materi modul 1.4 Budaya Positif
Koneksi Antar Materi modul 1.4 Budaya PositifKoneksi Antar Materi modul 1.4 Budaya Positif
Koneksi Antar Materi modul 1.4 Budaya Positif
Β 
KOMITMEN MENULIS DI BLOG KBMN PB PGRI.ppt
KOMITMEN MENULIS DI BLOG KBMN PB PGRI.pptKOMITMEN MENULIS DI BLOG KBMN PB PGRI.ppt
KOMITMEN MENULIS DI BLOG KBMN PB PGRI.ppt
Β 
ppt materi aliran aliran pendidikan pai 9
ppt materi aliran aliran pendidikan pai 9ppt materi aliran aliran pendidikan pai 9
ppt materi aliran aliran pendidikan pai 9
Β 
Kisi-kisi soal pai kelas 7 genap 2024.docx
Kisi-kisi soal pai kelas 7 genap 2024.docxKisi-kisi soal pai kelas 7 genap 2024.docx
Kisi-kisi soal pai kelas 7 genap 2024.docx
Β 
ppt landasan pendidikan Alat alat pendidikan PAI 9_
ppt landasan pendidikan Alat alat pendidikan PAI 9_ppt landasan pendidikan Alat alat pendidikan PAI 9_
ppt landasan pendidikan Alat alat pendidikan PAI 9_
Β 
Pi-2 AGUS MULYADI. S.Pd (3).pptx visi giru penggerak dan prakrsa perubahan bagja
Pi-2 AGUS MULYADI. S.Pd (3).pptx visi giru penggerak dan prakrsa perubahan bagjaPi-2 AGUS MULYADI. S.Pd (3).pptx visi giru penggerak dan prakrsa perubahan bagja
Pi-2 AGUS MULYADI. S.Pd (3).pptx visi giru penggerak dan prakrsa perubahan bagja
Β 
LK 1 - 5T Keputusan Berdampak PERMATA BUNDA.pdf
LK 1 - 5T Keputusan Berdampak PERMATA BUNDA.pdfLK 1 - 5T Keputusan Berdampak PERMATA BUNDA.pdf
LK 1 - 5T Keputusan Berdampak PERMATA BUNDA.pdf
Β 
2. Kerangka Kompetensi Literasi Guru SD_Rev.pptx
2. Kerangka Kompetensi Literasi Guru SD_Rev.pptx2. Kerangka Kompetensi Literasi Guru SD_Rev.pptx
2. Kerangka Kompetensi Literasi Guru SD_Rev.pptx
Β 
PELAKSANAAN + Link2 Materi Pelatihan_ PENGAWASAN P3DN & TKDN_ pd PENGADAAN Ba...
PELAKSANAAN + Link2 Materi Pelatihan_ PENGAWASAN P3DN & TKDN_ pd PENGADAAN Ba...PELAKSANAAN + Link2 Materi Pelatihan_ PENGAWASAN P3DN & TKDN_ pd PENGADAAN Ba...
PELAKSANAAN + Link2 Materi Pelatihan_ PENGAWASAN P3DN & TKDN_ pd PENGADAAN Ba...
Β 
Juknis Pengisian Blanko Ijazah 2024 29 04 2024 Top.pptx
Juknis Pengisian Blanko Ijazah 2024 29 04 2024 Top.pptxJuknis Pengisian Blanko Ijazah 2024 29 04 2024 Top.pptx
Juknis Pengisian Blanko Ijazah 2024 29 04 2024 Top.pptx
Β 
untuk observasi kepala sekolah dengan pengawas
untuk observasi kepala sekolah dengan pengawasuntuk observasi kepala sekolah dengan pengawas
untuk observasi kepala sekolah dengan pengawas
Β 
RUBRIK OBSERVASI KINERJA KEPALA SEKOLAH.docx
RUBRIK OBSERVASI KINERJA KEPALA SEKOLAH.docxRUBRIK OBSERVASI KINERJA KEPALA SEKOLAH.docx
RUBRIK OBSERVASI KINERJA KEPALA SEKOLAH.docx
Β 
RANCANGAN TINDAKAN UNTUK AKSI NYATA MODUL 1.4 BUDAYA POSITIF.pdf
RANCANGAN TINDAKAN UNTUK AKSI NYATA MODUL 1.4 BUDAYA POSITIF.pdfRANCANGAN TINDAKAN UNTUK AKSI NYATA MODUL 1.4 BUDAYA POSITIF.pdf
RANCANGAN TINDAKAN UNTUK AKSI NYATA MODUL 1.4 BUDAYA POSITIF.pdf
Β 
INSTRUMEN PENILAIAN PRAKTIK KINERJA KS Dok Rating Observasi (1).docx
INSTRUMEN PENILAIAN PRAKTIK KINERJA KS Dok Rating Observasi (1).docxINSTRUMEN PENILAIAN PRAKTIK KINERJA KS Dok Rating Observasi (1).docx
INSTRUMEN PENILAIAN PRAKTIK KINERJA KS Dok Rating Observasi (1).docx
Β 
Sebuah buku foto yang berjudul Lensa Kampung Ondel-Ondel
Sebuah buku foto yang berjudul Lensa Kampung Ondel-OndelSebuah buku foto yang berjudul Lensa Kampung Ondel-Ondel
Sebuah buku foto yang berjudul Lensa Kampung Ondel-Ondel
Β 
Patofisiologi Sistem Endokrin hormon pada sistem endokrin
Patofisiologi Sistem Endokrin hormon pada sistem endokrinPatofisiologi Sistem Endokrin hormon pada sistem endokrin
Patofisiologi Sistem Endokrin hormon pada sistem endokrin
Β 
penjelasan tentang tugas dan wewenang pkd
penjelasan tentang tugas dan wewenang pkdpenjelasan tentang tugas dan wewenang pkd
penjelasan tentang tugas dan wewenang pkd
Β 
PPT Observasi Praktik Kinerja PMM SD pdf
PPT Observasi Praktik Kinerja PMM SD pdfPPT Observasi Praktik Kinerja PMM SD pdf
PPT Observasi Praktik Kinerja PMM SD pdf
Β 
Modul Ajar Bahasa Inggris Kelas 5 Fase C Kurikulum Merdeka
Modul Ajar Bahasa Inggris Kelas 5 Fase C Kurikulum MerdekaModul Ajar Bahasa Inggris Kelas 5 Fase C Kurikulum Merdeka
Modul Ajar Bahasa Inggris Kelas 5 Fase C Kurikulum Merdeka
Β 
VISI MISI KOMUNITAS BELAJAR SDN 93 KOTA JAMBI
VISI MISI KOMUNITAS BELAJAR SDN 93 KOTA JAMBIVISI MISI KOMUNITAS BELAJAR SDN 93 KOTA JAMBI
VISI MISI KOMUNITAS BELAJAR SDN 93 KOTA JAMBI
Β 

MATERI PENDEKATAN PROBABILISTIK

  • 1. BAB 6 PENDEKATAN PROBABILISTIK Analisis Skenario, Pohon Keputusan, dan Simulasi Disusun oleh : - Adam Ismail - Anggita …………. - Asri ………….. - Fanny Agniya N.A - Indah Ayu P KELOMPOK : 2 KELAS : 4EA21 - Pascal Krisvy - Reren Anggun W - Suci Lestari - Tajdidatul Khiyaroh - Vira Lili A
  • 2. SUB BAB 6 Analisis skenario Pohon keputusan Simulasi Penilaian Keseluruhan Pendekatan Penilaian Risiko 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 β€’ Pada bab ini, kita mempertimbangkan cara-cara yang lebih informatif di dalam mengakses dalam merepresentasikan risiko dalam investasi. β€’ 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. β€’ Kita bisa memperkirakan arus kas yang diharapkan di pergunakan untuk menilai aset berisiko dengan maksud untuk mendapatkan rasa yang lebih baik dari efek risiko terhadap nilai (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 pada 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)
  • 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 β€’ Ketika kita ingin memprediksi laba perusahaan di tahun depan β€’ 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. β€’ 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) β€’ Artikel The Financial Times, mengilustrasikan bagaimana analisis risiko dapat dipergunakan perusahaan, dengan pertimbangan menginvestasikan dalam jumlah besar di Cina untuk mengukur risiko yang potensial. β€’ 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 β€’ 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 system 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. β€œToko 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 kedepan 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 = 𝑖=0 5 π‘π‘Ÿπ‘œπ‘π‘Žπ‘π‘–π‘™π‘–π‘‘π‘Žπ‘  π‘‘π‘Žπ‘Ÿπ‘– π‘šπ‘Žπ‘ π‘˜π‘’π‘Ÿ π‘₯ π‘π‘’π‘Ÿπ‘šπ‘–π‘›π‘‘π‘Žπ‘Žπ‘› π‘šπ‘Žπ‘ π‘˜π‘’π‘Ÿ = (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 β€œCross sectional” sebagai β€œinput” 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 asset tidak tepat dan menjelaskan mengapa analisis yang berbeda menilai asset 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 : οƒ˜ Regulatory capital restrictions οƒ˜ 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 β€œRisk 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 probabilistic yg harus dipilih ? Selektif terhadap analisis resiko1 2 Jenis Resiko 3 Korelasi berbagai risiko
  • 30. 4/17/2020 Dalam bentuk analisis scenario 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 β€œInput” KESIMPULAN
  • 31. REFERENSI Prof. Johannes Supranto dan Dr. Luqman Hakim. (2013). Pengambilan Risiko Secara Strategis (Bagi Pengambil Keputusan Bisnis). Jakarta: PT RajaGrafindo Persada. https://cerdasco.com/analisis-skenario/, diakses pada 11 maret 2020