Tugas Akhir Manajemen Risiko Nadya Firnanda 4EA22
- 1. BAB 6 PENDEKATAN PROBABILISTIK: ANALISIS SKENARIO, POHON KEPUTUSAN, DAN SIMULASI Disusun Oleh: Nadya Firnanda Linda Fadhila Pohan
- 2. PENDAHULUAN Di dalam bab ini, kita mempertimbangkan cara-cara yang lebih informatif di dalam mengakses dan mempresentasikan risiko di dalam investasi. Dimulai dengan melihat pada versi sederhana, yaitu analisis nilai suatu aset dalam tiga skenario (i). a best case, (ii). most likely case dan (iii). the worst case kemudian memperluas pembahasan pada analisis skenario.
- 3. ANALISIS SKENARIO (SCENARIO ANALYSIS) Di dalam analisis skenario, kita bisa memperkirakan arus kas yang diharapkan yang kita pergunakan untuk menilai aset beresiko dalam satu atau dua cara. Mereka bisa mewakili a probability-weighted average of cash flows under all possible scenarios, or they can be the cash flows under the most likely scenario.
- 4. *Best case / worst case Pada keadaan minimum, kita bisa memperkirakan arus kas jika sesuatunya bekerja secara sempurna. Di dalam praktiknya, ada dua cara membuat struktur analisis, yaitu: 1. Setiap input dalam nilai aset is set to its best (or worst) possible outcome dan arus kas diperkirakan dengan nilai itu. 2. the best possible scenario is defined is terms of what is feasible while allowing for the relationship between the inputs.
- 5. *Multiple ScenarioAnalysis Analisis skenario tidak harus dibatasi pada the best and worst case saja. Dalam bentuk yang lebih umum, nilai suatu aset berisiko bisa dihitung dalam beberapa skenario, berdasarkan asumsi yang berbeda-beda tentang keduanya, yaitu ekonomi makro dan asset-specific variables.
- 6. Contoh analisis skenario the boeing 747, dikenalkan pada tahun 1974, merupakan pesawat terbang berkapasitas sangat besar (bisa memuat 416 orang penumpang) yang diproduksi oleh boeng untuk the commercial aerospace market. Anggaplah bahwa boeing mempertimbangkan untuk mengenalkan pesawat terbang yang berkemampuan lebih besar, mampu mengangkut 650 orang penumpang, yang disebut super jumbo untuk mengganti boeing 747. bisa diperdebatkan, sebagai the largest and longest-serving firm in the commercial air-craft market boeing mengetahui pasar lebih baik daripada perusahaan lainnya di dunia. Pada saat yang sama, ada ketidakpastian yang sungguh-sungguh (considerable) seperti apakah perusahaan penerbangan akan tertarik pada super jumbo jet. Permintaan terhadap jenis set ini akan besar sekali untuk penerbanngan jarak jauh (long haul) penerbangan internasional, sebab pesawat terbang yang kecil hanya cocok/ tepat untuk penerbangan jarak dekat, penerbangan dalam negri (domestic flight).
- 7. Untuk respons bagi airbus, kita juga akan mempertimbangkan tiga skenario, yaitu: (i) Airbus memproduksi pesawat terbang yang mempunyai kapasitas yang sama seperti Super Jumbo Jet, mampu mengangkat 650+ orang. (ii) Airbus memproduksi suatu versi A-300 jet yang diperbaiki yang mampu mengangkut 300+ orang penumpang. (iii) Airbus memutuskan untuk berkonsentrasi memproduksi pesawat terbang yang lebih kecil dan meninggalkan pasar kapal terbang berkapasitas besar.
- 8. Tabel 6.1 Planes Sold by Boeing under scenario Airbu s Large Jet Airbus A-300 Airbus abandon large capacity Airplane High growth in Asia Average growth in Asia Low growth in Asia 120 100 75 150 135 110 200 160 120 Memperkirakan sejumlah super jumbo jet di mana boeing mengharapkan untuk menjual dalam setiap skenario ini. Perkiraan ini didasarkaan pada pengetahuan boeing tentang pasar dan respons dari pelanggan potensial (willigness to place large advance orders). Arus kas bisa diperkirakan dalam setiap 9 skenario, dan nilai proyek bisa dihitung dalam setiap skenario.
- 9. Airbus large jet Airbus A- 300 Airbus Abandon s large Capacity air Sum High growth in Asia 0,125 0,125 0,00 0,25 Average growth in Asia 0,15 0,25 0,10 0,50 Low growth in Asia 0,05 0,10 0,10 0,25 Sum 0,325 0,475 0,20 1,00 Probabilitas ini mewakili probabilitas bersama (joint probabilitas).
- 10. POHON KEPUTUSAN (DECISIONTREE) Pohon keputusan memungkinkan kita tidak hanya mempertimbangkan risiko dalam setiap tahapan akan tetapi juga menyiapkan (devise) respons yang benar pada hasil (outcome) pada setiap tahap. LANGKAH LANGKAH DALAMANALISIS POHON KEPUTUSAN SimpulAkar Simpul Kejadian Simpul keputusan SimpulAkhir Untuk menunjukan dimulainya pohon keputusan, dimana pengambilan keputusan atau suatu hasil yabg tak pasti. (berupa jajar genjang atau segi empat) Untuk mewakili kemungkinan hasil pada suatu judi yang berisiko (a risk gamble). (berupa lingkaran) Untuk menunjukan pilihan yang bias dibuat oleh pengambil keputusan, memperluas dari uji (test) pasar ke suatu pasar nasional setelah uji pasar diketahui. (berupa empat persegi Panjang) Untuk menunjukan hasil dari hasil berisiko sebelumnya dan keputusan dibuat dalam responds. (berupa segitiga)
- 11. Accet fixed amount Gamble Take gamble $30 $30 $20 Win small $10 50% 50% $50 win big Contoh Pohon Keputusan
- 12. SIMULASI (SIMULATION) Simulasi digunakan untuk memberikan suatu cara menguji konsekuensi dari risiko kontinyu (continuous risk). LANGKAH LANGKAH DALAM SIMULASI Menjalankan simulasi Memeriksa korelasi seluruh variabel Menentukan distribusi probabilitas untuk variabel Menentukan variable probabilitas Untuk mendefinisikan distribusi probabilitas untuk setiap masukan dalam suatu valiasi. Untuk menentukan variable, secara umum dapat ditentukan berdasarkan data historis, cross- sectional data, dan distribusi stabilitas dan parameter. Untuk memeriksa ketepatan seluruh variabel. Untuk menarik hasil dari setiap distribusi dan menghitung nilai berdasarkan hasil.
- 13. KESIMPULAN Dengan pendekatan probabilitas untuk mengakses risiko, kita memperkirakan bukan saja suatu nilai harapan akan tetapi juga get a sense of the range of for value lintas scenario yang bagus dan yang jelek. Dalam analisis scenario yang ekstrim, scenario yang bagus dan yang jelek bertentangan dengan nilai harapan (expected value). Pohon keputusan dirancang untuk resiko yang berurutan dan diskrit, dimana risiko dipertimbangkan ke dalam tahapan dan risiko dalam setiap tahapan ditangkap dalam kemungkinan hasil dan probabilitas bahwa mereka akan terjadi lagi. Simulasi menyediakan asesmen yang paling lengkap mengenai resiko sebab, didasarkan pada distribusi probabilitas untuk setiap input. Dengan ketiga pendekatan, kuncinya ialah menghindari perhitungan risiko dua kali atau membuat keputusan berdasarkan pada jenis risiko yang salah,