Oleh : Debrina Puspita Andriani Teknik Industri Universitas Brawijaya /

Ukuran: px
Mulai penontonan dengan halaman:

Download "Oleh : Debrina Puspita Andriani Teknik Industri Universitas Brawijaya /"

Transkripsi

1 11 Oleh : Debrina Puspita Andriani Teknik Industri Universitas Brawijaya debrina@ub.ac.id / debrina.ub@gmail.com

2 1. Konsep Risiko & Ketidakpastian 2. Pengambilan keputusan yang mempertimbangkan risiko 1. Representasi Variabel Investasi dengan Distribusi Beta 2. Representasi Variabel Investasi dengan Distribusi Normal 3. Pengambilan keputusan yang mempertimbangkan Ketidakpastian 1. Kriteria Maximin dan Minimax 2. Kriteria Maximax 3. Kriteria Laplace 4. Kriteria Hurwicz O U T L I N E 2

3 Risiko : untuk menggambarkan situasi pengambilan keputusan dimana unsur2 yang mempengaruhi tidak diketahui dengan pasti tapi masih bisa digambarkan dengan distribusi probabilitas Bila tingkat pengetahuan/informasi pengambil keputusan rendah tentang situasi masa depan, maka dikatakan menghadapi ketidakpastian & tidak bisa dinyatakan dalam distribusi probabilitas 3

4 4

5 NILAI EKSPEKTASI DALAM PENGAMBILAN KEPUTUSAN YANG MEMPERTIMBANGKAN RISIKO Memaksimumkan nilai ekspektasi profit Meminimumkan nilai ekspektasi ongkos Ukuran besarnya risiko variansi Tujuan jangka panjang perusahaan: range koefisien 5

6 CONTOH (1) Sebuah perusahaan sedang mempertimbangkan pendirian sebuah proyek yang mempunyai data NPV dengan probabilitas: NPV yang mungkin (xj) Probabilitas terjadinya (pj) juta 0,2 10 juta 0,3 340 juta 0,5 Tentukan nilai harapan, varian, koefisien variansi, dan interval nilai dari nilai-nilai NPV yang mungkin terjadi. 6

7 PENYELESAIAN (1) a. Nilai harapan b. Varian c. Standar deviasi d. Koefisien variansi e. Interval (range) nilai R = nilai terbesar nilai terkecil = 340 juta (-120 juta) = 460 juta 7

8 CONTOH (2) Perusahaan ABC sedang mempertimbangkan 3 alternatif alat pendingin ruangan tempat menyimpan bahan baku yang tidak resisten terhadap suhu tinggi. Pada tabel berikut ditunjukkan data-data ongkos investasi masing2 alternatif serta probabilitas kerusakannya. Apabila terjadi kerusakan, diestimasi rugi (disebut ongkos kerusakan) sebesar Rp 5 juta dengan probabilitas 0,4 dan Rp 11 juta dengan probabilitas 0,6. Asumsi probabilitas terjadi kerusakan tidak tergantung apakah suatu kerusakan terjadi pd suatu tahun atau tidak. Ongkos-ongkos tahunan untuk masing-masing alternatif diperkirakan 20% dari ongkos-ongkos awalnya. Alternatif manakah yang seharusnya dipilih bila diharapkan ongkos tahunan minimal? Alternatif Ongkos investasi/awal Probabilitas Terjadinya Kerusakan Pada Tahun Tertentu A Rp 4,5 juta 0,12 B Rp 5,0 juta 0,06 C Rp 7,5 juta 0,01 8

9 PENYELESAIAN (2) Solusi : Ekspektasi ongkos kerusakan bila kerusakan terjadi: E(ongkos kerusakan) = 0,4 (5 juta) + 0,6 (11 juta) = 8,6 juta Alternatif Ongkos Operasional Tahunan Ekspektasi Ongkos Kerusakan Tahunan Ekspektasi Ongkos Total Tahunan A 4,5 jt (0,2) = 0,9 jt 8,6 jt (0,12) = 1,032 jt 1,932 juta B 5,0 jt (0,2) = 1,0 jt 8,6 jt (0,06) = 0,516 jt 1,516 juta C 7,5 jt (0,2) = 1,5 jt 8,6 jt (0,01) = 0,086 jt 1,586 juta à Alternatif B dipilih karena ongkos total tahunan terkecil 9

10 CONTOH (3) Pemerintah daerah sebuah propinsi sedang mempertimbangkan pembangunan bendungan untuk menahan aliran sungai yang sering meluap pada musim hujan. Ada 5 proposal yang membutuhkan ongkos-ongkos & memberikan tingkat perlindungan yang tingkatannya berbeda. Proposal 1 membutuhkan biaya investasi Rp 142 milyar. Jika proposal 1 dipilih, maka probabilitas banjir akan melampaui batas bendungan adalah 0,1. Ongkos perawatan per tahun adalah Rp 4,6 milyar dan kerugian yang akan diderita adalah Rp 122 milyar apabila banjir melampaui batas bendungan. Data selengkapnya ditampilkan pada tabel dibawah. Bila MARR = 10%, proposal mana yang diterima bila tujuan pemerintah adalah meminimasi ongkos-ongkos tahunan? Bendungan diestimasikan berumur 40 tahun Proposal Ongkos Investasi (milyar) Ongkos Perawatan/thn (milyar) Probabilitas banjir > kapasitas Kerugian bila banjir > kapasitas (milyar) ,6 0, ,9 0, ,4 0, ,5 0, ,2 0,

11 PENYELESAIAN (3) Meminimasi ongkos-ongkos tahunan à Ongkos2 dikonversikan mjd ongkos tahunan E(AC1) = 142(A/P, 10%, 40) + 4,6 + 0,1(122) = 31,3266 E(AC2) = 154(A/P, 10%, 40) + 4,9 + 0,05(133) = 27,3042 E(AC3) = 170(A/P, 10%, 40) + 5,4 + 0,025(144) = 26,3910 E(AC4) = 196(A/P, 10%, 40) + 6,5 + 0,0125(155) = 28,4883 E(AC5) = 220(A/P, 10%, 40) + 7,2 + 0,00625(180) = 30,831 à Proposal 3 yang dipilih krn biaya/thn paling kecil 11

12 ⅓ 12

13 REPRESENTASI VARIABEL INVESTASI DENGAN DISTRIBUSI BETA Nilai rata2 (nilai harapan) dan varian didapat dari distribusi beta Perlu diketahui 1. Nilai batas bawah disebut estimasi pesimis 2. Nilai modus disebut estimasi yang paling sering muncul 3. Nilai batas atas disebut estimasi optimis 13

14 TIPE DISTRIBUSI BETA Keterangan: P : estimasi pesimis O : estimasi optimis M : estimasi modus à Nilai rata2 (nilai harapan) distribusi beta: à Varian 14

15 CONTOH (4) Misal PT ABC sedang mempertimbangkan sebuah proposal investasi dan data2 perkiraan aliran kas & umur investasi terlihat pd tabel berikut: Hitunglah: Parameter Estimasi Optimis (O) Estimasi Modus Estimasi Pesimis (P) Ongkos awal Rp 75 juta Rp 80 juta Rp 100 juta Pendapatan/tahun Rp 20 juta Rp 15 juta Rp 12 juta Nilai sisa Rp 7 juta Rp 4 juta Rp 1 juta Umur investasi 10 tahun 8 tahun 6 tahun a. Nilai harapan dari ongkos awal, pendapatan per tahunan dan nilai sisa b. Nilai harapan dari umur investasi c. Bila MARR perusahaan 15%, apakah investasi itu layak dilakukan? 15

16 PENYELESAIAN (4) a. b. c. Nilai ekspektasi ROR dari investasi tersebut dihitung sbb: NPW = -82,5 juta + 15,333 juta (P/A, i%, 8) + 4 juta (P/F, i%, 8) = 0 Dengan mencoba i = 15%, diperoleh NPW = -12,395 juta Dengan interpolasi diketahui ROR yang diharapkan ± 10,4% Karena ROR < MARR maka investasi tidak layak dilakukan 16

17 ⅓ 17

18 REPRESENTASI VARIABEL INVESTASI DENGAN DISTRIBUSI NORMAL Parameter distribusi normal yang digunakan : nilai rata2 (mean) dan standar deviasi (distribusi penyebarannya) 18

19 REPRESENTASI VARIABEL INVESTASI DENGAN DISTRIBUSI NORMAL 2 proposal investasi sama2 membutuhkan dana investasi Rp 100 juta. Kedua proposal menjanjikan ekspektasi penghasilan Rp 150 juta pada akhir tahun ke-4 (nilai ekspektasi dihitung dari distribusi probabilitas penghasilan yang dicapai spt gambar di samping) Jika hanya melihat tendensi sentral, kedua proposal sama baiknya Namun jika melihat grafik, proposal A resikonya lebih rendah drpd proposal B, krn variasi A < variasi B 19

20 CONTOH (5) Ada 2 proposal investasi dengan estimasi aliran kas netto mengikuti distribusi probabilitas diskrit seperti tabel berikut: Proposal A Proposal B Probabilitas Aliran kas Netto Probabilitas Aliran kas Netto 0,10 Rp 20 juta 0,10 Rp 30 juta 0,25 Rp 30 juta 0,20 Rp 35 juta 0,30 Rp 40 juta 0,40 Rp 40 juta 0,25 Rp 50 juta 0,20 Rp 45 juta 0,10 Rp 60 juta 0,10 Rp 50 juta Tentukan nilai ekspektasi, standar deviasi, dan koefisien variansi dari kedua proposal. Dengan hasil perhitungan tersebut, tentukan proposal yang sebaiknya dipilih. 20

21 PENYELESAIAN (5) Ekspektasi aliran kas netto dari proposal A dan B adalah: E(aliran kas netto A) = 0,10 (20 juta) + 0,25 (30 juta) + 0,30(40 juta) + 0,25 (50 juta) + 0,10 (60 juta) = 40 juta E(aliran kas netto B) = 0,10 (30 juta) + 0,20 (35 juta) + 0,40(40 juta) + 0,20 (45 juta) + 0,10 (50 juta) = 40 juta Standar deviasi proposal A dan B 21

22 PENYELESAIAN (5) Koefisien variansi Proposal A: Proposal B: à Koefisien variansi A > koefisien variansi B, maka risiko proposal A > risiko proposal B sehingga dipilih proposal B 22

23 CONTOH (6) Perusahaan XX sedang memikirkan apakah sebuah peralatan produksi layak dibeli atau tidak. Peralatan ini memiliki harga awal Rp 5 juta dan umur 3 tahun. Estimasi aliran kas mengandung ketidakpastian dan probabilitasnya tergantung kondisi ekonomi berikut: Tahun Situasi Ekonomi Lesu (Prob. 0,2) Stabil (Prob. 0,6) Agresif (Prob. 0,2) 0-5 juta - 5 juta - 5 juta 1 2,5 juta 2,0 juta 2,0 juta 2 2,0 juta 2,0 juta 3,0 juta 3 1,0 juta 2,0 juta 3,5 juta Apabila MARR 15%, apakah perusahaan sebaikya membeli peralatan tersebut? 23

24 PENYELESAIAN (6) PWlesu = -5 juta + 2,5 juta (P/F, 15%, 1) + 2 juta (P/F,15%, 2) + 1 juta (P/F, 15%, 3) = -5 juta + 2,5 juta (0,8696) + 2 juta (0,7561) + 1 juta (0,6575) = -0,656 juta PWstabil = -5 juta + 2 juta (P/A, 15%, 3) = -5 juta + 2 juta (2,283) = -0,434 juta Pwagresif = -5 juta + 2 juta (P/F, 15%, 1) + 3 juta (P/F, 15%, 2) + 3,5 juta (P/F, 15%, 3) = -5 juta + 2 juta (0,8696) + 3 juta (0,7561) + 3,5 juta (0,6575) = 1,309 juta à Ekspektasi besarnya nilai present worth: E(PW) = 0,2(-0,656 juta) + 0,6 (-0,434 juta) + 0,2 (1,309 juta) = -0,1298 juta Karena besarnya nilai harapan present worth < 0 à peralatan tersebut tidak layak dibeli 24

25 25

26 PENGAMBILAN KEPUTUSAN DENGAN MEMPERTIMBANGKAN KETIDAKPASTIAN Situasi pengambilan keputusan sangat tidak pasti Jika nilai-nilai yang mungkin terjadi diketahui Namun probabilitas terjadinya masing-masing nilai tersebut tidak diketahui 26

27 Didasarkan tinjauan pesimistis à cocok untuk orang yang menghindari resiko & saat situasi pengambilan keputusan yang tidak menjanjikan hasil optimistis Kriteria Maximin à memilih alternatif dengan nilai minimum (terjelek) yang paling besar Kriteria Minimax à memilih alternatif dengan ongkos kesempatan maksimum yang paling kecil 27

28 CONTOH (7) Alternatif Meningkat (D1) Permintaan Stabil (D2) Turun (D3) A B C Sebuah perusahaan jasa periklanan sedang mempertimbangkan investasi untuk perluasan usahanya. Ada 3 alternatif yang sedang dievaluasi, yaitu melakukan investasi secara besar2an dengan membuka beberapa kantor cabang (alternatif A), melakukan investasi sedang dengan menambah satu kantor pembantu (alternatif B), atau investasi kecil-kecilan dengan menambah satu unit kerja baru ditempat lama (alternatif C). Hasil yang dijanjikan oleh masing2 alternatif akan sangat ditentukan oleh perkembangan permintaan di masa mendatang. Apabila perusahaan melakukan investasi besar2an (A) maka perusahaan akan untung Rp 55 juta bila permintaan meningkat, untung Rp 35 juta bila permintaan stabil, dan rugi Rp 25 juta jika pernyata permintaan menurun. Selengkapnya, nilai2 keuntungan yang mungkin dari masing2 alternatif pada kondisi permintaan yang berbeda di tabel diatas. Pilihlah alternatif mana yang terbaik bila digunakan a. Kriteria Maximin b. Kriteria Minimax 28

29 PENYELESAIAN (7) a. Kriteria Maximin à Menetukan nilai minimum setiap alternatif. Dari tabel diatas: Nilai minimum alternatif A adalah -25 Nilai minimum alternatif B adalah -10 Nilai minimum alternatif C adalah 11 Nilai minimum terbesar adalah C sehingga alternatif C dipilih 29

30 PENYELESAIAN (7) b. Kriteria Minimax à Menetukan besarnya ongkos-ongkos kesempatan tiap alternatif Langkah-langkah: 1. Mengurangkan nilai terbesar pada situasi dengan nilai yang diperkirakan diperoleh bila suatu alternatif dipilih. Misal: Bila permintaan ternyata meningkat, maka nilai terbesar yang mungkin diperoleh Rp 55 juta, yaitu bila alternatif A yang dipilih Bila dipilih alternatif B & permintaan ternyata meningkat, maka keuntungan yang didapat Rp 25 juta à kehilangan keuntungan Rp 55 juta Rp 25 juta = Rp 30 juta. Bila dipilih alternatif C & permintaan ternyata meningkat, maka keuntungan yang didapat Rp 20 juta à kehilangan keuntungan Rp 55 juta Rp 20 juta = Rp 35 juta. 30

31 PENYELESAIAN (7) b. Kriteria Minimax 2. Ongkos kesempatan masing-masing alternatif: Alternatif Permintaan Ongkos Terbesar D1 D2 D3 A B C Ø Yang dipilih alternatif B karena ongkos kesempatan maksimumnya paling kecil 31

32 Berdasarkan pandangan yang optimis, dipilih alternatif yang menjanjikan perolehan keuntungan maksimum yang paling besar Keuntungan maksimum tiap alternatif dicatat, alternatif yang keuntungan maksimumnya paling besar dipilih 32

33 CONTOH & PENYELESAIAN (8) Dengan menggunakan kriterian maximax, tentukan alternatif terbaik dari tabel nilai2 keuntungan masing2 alternatif di Contoh (7). Penyelesaian: Nilai maksimum alternatif A adalah 55 Nilai maksimum alternatif B adalah 50 Nilai maksimum alternatif C adalah 20 à Nilai maksimum terbesar adalah A sehingga alternatif A dipilih 33

34 Digunakan bila pengambil keputusan tidak mengetahui sama sekali probabilitas terjadinya nilai-nilai yang mungkin Asumsi : semua nilai bisa terjadi dengan probabilitas sama Dipilih alternatif dengan rata-rata terbesar dari nilai-nilai yang mungkin terjadi 34

35 CONTOH & PENYELESAIAN (9) Pilihlah alternatif terbaik dari Contoh (7) dengan kriteria Laplace! Penyelesaian: à Dipilih alternatif A 35

36 Tingkat optimisme mempunyai bobot α bernilai 0 1 Nilai 0, digunakan bila pengambil keputusan sangat pesimis (seperti kriteria maximin) Nilai 1, digunakan bila pengambil keputusan sangat optimis (seperti kriteria maximax) Nilai ekspektasi masing2 alternatif : E(x) = α (nilai paling optimis) + (1- α) (nilai paling pesimis) 36

37 CONTOH & PENYELESAIAN (10) Pilihlah alternatif terbaik dari Contoh (7) dengan kriteria Hurwicz dengan asumsi besarnya α = 0,6. Penyelesaian: Nilai ekspektasi masing2 alternatif: E(A) = (0,6 x 55) + (0,4 x -25) juta = 23 juta E(B) = (0,6 x 50) + (0,4 x -10) juta = 26 juta E(C) = (0,6 x 20) + (0,4 x 11) juta = 16,4 juta à dipilih alternatif B 37

38

Oleh : Debrina Puspita Andriani Teknik Industri Universitas Brawijaya /

Oleh : Debrina Puspita Andriani Teknik Industri Universitas Brawijaya   / 9 Oleh : Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id / debrina.ub@gmail.com www.debrina.lecture.ub.ac.id 1. Analisis Nilai Sekarang (Present Worth) 2. Analisis

Lebih terperinci

Oleh : Debrina Puspita Andriani Teknik Industri Universitas Brawijaya /

Oleh : Debrina Puspita Andriani Teknik Industri Universitas Brawijaya   / 10 Oleh : Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id / debrina.ub@gmail.com www.debrina.lecture.ub.ac.id 1. Parameter Ekonomi Teknik 2. Faktor-faktor Ketidakpastian

Lebih terperinci

Kasus di atas dapat diselesaikan menggunakan analisis breakeven.

Kasus di atas dapat diselesaikan menggunakan analisis breakeven. I. Analisis Break-Even Analisis break-even merupakan salah satu teknik analisis ekonomi yang berguna dalam menghubungkan biaya variabel total (TVC) dan biaya tetap total (TFC) terhadap output produksi

Lebih terperinci

Oleh : Debrina Puspita Andriani

Oleh : Debrina Puspita Andriani 7 Oleh : Debrina Puspita Andriani e-mail : debrina@ub.ac.id www.debrina.lecture.ub.ac.id PROSEDUR PENGAMBILAN KEPUTUSAN PADA PERMASALAHAN-PERMASALAHAN EKONOMI TEKNIK Mendefinisikan sejumlah alternatif

Lebih terperinci

Oleh : Debrina Puspita Andriani Teknik Industri Universitas Brawijaya /

Oleh : Debrina Puspita Andriani Teknik Industri Universitas Brawijaya   / 13 Oleh : Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id / debrina.ub@gmail.com www.debrina.lecture.ub.ac.id O U 1. Pendahuluan 2. Proyek-proyek Pemerintah 3.

Lebih terperinci

Oleh : Debrina Puspita Andriani Teknik Industri Universitas Brawijaya /

Oleh : Debrina Puspita Andriani Teknik Industri Universitas Brawijaya   / 13 Oleh : Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id / debrina.ub@gmail.com www.debrina.lecture.ub.ac.id O U 1. Pengantar 2. Definisi Istilah 3. Perhitungan

Lebih terperinci

Keputusan Dalam Ketidakpastian dan Resiko

Keputusan Dalam Ketidakpastian dan Resiko Keputusan Dalam Ketidakpastian dan Resiko Suasana pengambilan keputusan : dalam pasti (certainty), dalam keadaan resiko (risk), dalam ketidakpastian (uncertainty), dalam suasana konflik (conflict). Analisis

Lebih terperinci

Pengambilan Keputusan dalam Ketidakpastian

Pengambilan Keputusan dalam Ketidakpastian Bab 13 : Pengambilan Keputusan dalam Ketidakpastian 1 Ekonomi manajerial Manajemen 2 Pokok Bahasan Pengantar Keputusan Dalam Ketidakpastian Kriteria Maximin, Kriteria Maximax, Kriteria Minimax (Kroteria

Lebih terperinci

REGRESI LINIER BERGANDA. Debrina Puspita Andriani /

REGRESI LINIER BERGANDA. Debrina Puspita Andriani    / REGRESI LINIER BERGANDA 9 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id Outline 03//04 Regresi Berganda : PENGERTIAN 3 Menguji hubungan linier antara variabel dependen (y) dan

Lebih terperinci

Oleh : Debrina Puspita Andriani Teknik Industri Universitas Brawijaya /

Oleh : Debrina Puspita Andriani Teknik Industri Universitas Brawijaya   / 15 Oleh : Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id / debrina.ub@gmail.com www.debrina.lecture.ub.ac.id 1. Pendahuluan 2. Tujuan Analisis Penggantian 3. Karakteristik

Lebih terperinci

PENGUJIAN HIPOTESIS (3) Debrina Puspita Andriani /

PENGUJIAN HIPOTESIS (3) Debrina Puspita Andriani    / PENGUJIAN HIPOTESIS (3) 4 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Uji Hipotesis untuk Variansi/ Standard Deviasi 3 Uji Hipotesis untuk Variansi (1) 4 Data statistik

Lebih terperinci

PENGAMBILAN KEPUTUSAN MANAJEMEN

PENGAMBILAN KEPUTUSAN MANAJEMEN PENGAMBILAN KEPUTUSAN MANAJEMEN BAB 6. KONDISI PENGAMBILAN KEPUTUSAN 1. Pendahuluan 2. Kondisi Pengambilan Keputusan dalam Kepastian 3. Kondisi Pengambilan Keputusan dalam Ketidakpastian 4. Kondisi Pengambilan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 21 Teori Himpunan Fuzzy Pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam himpunan A, yang sering ditulis dengan memiliki dua kemungkinan, yaitu: 1 Nol (0), yang berarti

Lebih terperinci

Oleh : Debrina Puspita Andriani, ST., M.Eng Teknik Industri Universitas Brawijaya

Oleh : Debrina Puspita Andriani, ST., M.Eng Teknik Industri Universitas Brawijaya 3 Oleh : Debrina Puspita Andriani, ST., M.Eng Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id www.debrina.lecture.ub.ac.id 1. Nilai Uang Dari Waktu 2. Perhitungan Bunga 1. Bunga Sederhana

Lebih terperinci

OUTLINE. BAGIAN II Probabilitas dan Teori Keputusan. Konsep-konsep Dasar Probabilitas. Distribusi Probabilitas Diskret.

OUTLINE. BAGIAN II Probabilitas dan Teori Keputusan. Konsep-konsep Dasar Probabilitas. Distribusi Probabilitas Diskret. TEORI KEPUTUSAN OUTLINE BAGIAN II Probabilitas dan Teori Keputusan Konsep-konsep Dasar Probabilitas Distribusi Probabilitas Diskret Distribusi Normal Teori Keputusan Pengertian dan Elemen- Elemen Keputusan

Lebih terperinci

Distribusi Probabilitas : Gamma & Eksponensial

Distribusi Probabilitas : Gamma & Eksponensial Distribusi Probabilitas : Gamma & Eksponensial 11 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Distribusi Gamma Distribusi Eksponensial 3 Distribusi Gamma Tidak selamanya

Lebih terperinci

EKONOMI TEKNIK- PEMILIHAN ALTERNATIF2 EKONOMI. Teknik Industri - UB

EKONOMI TEKNIK- PEMILIHAN ALTERNATIF2 EKONOMI. Teknik Industri - UB EKONOMI TEKNIK- PEMILIHAN ALTERNATIF2 EKONOMI Teknik Industri - UB Prosedur Pengambilan keputusan pada Permasalahan-permasalahan teknik 1) Mendefinisikan sejumlah alternatif yang akan dianalisis 2) Mendefinisikan

Lebih terperinci

Pengukuran Deskriptif

Pengukuran Deskriptif Pengukuran Deskriptif 2.2 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Pendahuluan Tendensi Sentral Ukuran Dispersi 3 Pendahuluan Pengukuran Deskriptif 4 Definisi

Lebih terperinci

Keputusan MODUL OLEH

Keputusan MODUL OLEH Modul 5. Penanganan Ketidakpastian dan Diagram Keputusan ANALISAA SISTEM DAN PENGAMBILAN KEPUTUSAN MODUL V: PENANGANAN KETIDAKPASTIAN DAN DIAGRAM KEPUTUSAN OLEH : Prof. Dr. Ir. Marimin, M.Sc DEPARTEMEN

Lebih terperinci

Oleh : Debrina Puspita Andriani

Oleh : Debrina Puspita Andriani 5 Oleh : Debrina Puspita Andriani e-mail : debrina@ub.ac.id www.debrina.lecture.ub.ac.id O 1. Kalkulasi Ekuivalen yang Melibatkan Cash Flow 2. Prinsip-Prinsip Ekuivalen 3. Situasi Terkait Frekuensi Pemajemukan

Lebih terperinci

Pengukuran Deskriptif. Debrina Puspita Andriani /

Pengukuran Deskriptif. Debrina Puspita Andriani    / Pengukuran Deskriptif 3 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Pendahuluan Tendensi Sentral Ukuran Dispersi 3 Pendahuluan Pengukuran Deskriptif 4 Definisi Pengukuran

Lebih terperinci

ANALISIS SENSITIVITAS PADA KEPUTUSAN PEMBANGUNAN MEETING HALL UNTUK MINIMASI RESIKO INVESTASI

ANALISIS SENSITIVITAS PADA KEPUTUSAN PEMBANGUNAN MEETING HALL UNTUK MINIMASI RESIKO INVESTASI ANALISIS SENSITIVITAS PADA KEPUTUSAN PEMBANGUNAN MEETING HALL UNTUK MINIMASI RESIKO INVESTASI Mila Faila Sufa Jurusan Teknik Industri Universitas Muhammadiyah Surakarta Jl. Ahmad Yani Tromol Pos 1 Pabelan

Lebih terperinci

PERTEMUAN 6 TEORI PENGAMBILAN KEPUTUSAN

PERTEMUAN 6 TEORI PENGAMBILAN KEPUTUSAN PERTEMUAN 6 TEORI PENGAMBILAN KEPUTUSAN Pertemuan 6 TEORI PENGAMBILAN KEPUTUSAN Objektif: 1. Mahasiswa dapat mencari penyelesaian masalah dengan model keputusan dalam kepastian 2. Mahasiswa dapat mencari

Lebih terperinci

LATIHAN SOAL TERJAWAB-BAB 10. Untuk mahasiswa, jawaban diberikan untuk soal ganjil.

LATIHAN SOAL TERJAWAB-BAB 10. Untuk mahasiswa, jawaban diberikan untuk soal ganjil. LATIHAN SOAL TERJAWAB-BAB 10 Untuk mahasiswa, jawaban diberikan untuk soal ganjil. 1. Berikut adalah tabel hasil (payoff) dari investasi di saham pertanian, industri dan perbankan untuk setiap lembar sahamnya.

Lebih terperinci

Pertemuan 6 TEORI PENGAMBILAN KEPUTUSAN

Pertemuan 6 TEORI PENGAMBILAN KEPUTUSAN Pertemuan 6 TEORI PENGAMBILAN KEPUTUSAN Objektif: 1. Mahasiswa dapat mencari penyelesaian masalah dengan model keputusan dalam kepastian 2. Mahasiswa dapat mencari penyelesaian masalah dengan model keputusan

Lebih terperinci

SI403 Riset Operasi Suryo Widiantoro, MMSI, M.Com(IS)

SI403 Riset Operasi Suryo Widiantoro, MMSI, M.Com(IS) SI403 Riset Operasi Suryo Widiantoro, MMSI, M.Com(IS) Mahasiswa mampu menggunakan modelmodel pengambilan keputusan untuk mengelola proses dan rantai pasok 1. Decision theory 2. Decision tree Pada pertemuan

Lebih terperinci

TIN102 - Pengantar Teknik Industri Materi #13 Ganjil 2016/2017 TIN102 PENGANTAR TEKNIK INDUSTRI

TIN102 - Pengantar Teknik Industri Materi #13 Ganjil 2016/2017 TIN102 PENGANTAR TEKNIK INDUSTRI Materi #13 TIN102 PENGANTAR TEKNIK INDUSTRI Pendahuluan (1/2) 2 Berbagai keputusan secara langka dibuat dengan kepastian. Sebagian besar keputusan melibatkan faktor resiko. Kriteria umum untuk menilai

Lebih terperinci

DECISION THEORY DAN GAMES THEORY

DECISION THEORY DAN GAMES THEORY DECISION THEORY DAN GAMES THEORY PENGANTAR Lingkungan di mana keputusan dibuat sering digolongkan kedalam empat keadaan: certainty, risk, uncertainty, dan conflict. Decision theory terutama berhubungan

Lebih terperinci

PENGUJIAN HIPOTESIS (1) Debrina Puspita Andriani /

PENGUJIAN HIPOTESIS (1) Debrina Puspita Andriani    / PENGUJIAN HIPOTESIS (1) 1 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Pengertian Pengujian Hipotesis (1) 3 BAHASA YUNANI HUPO Lemah, kurang, di bawah THESIS Teori,

Lebih terperinci

PENGAMBILAN KEPUTUSAN DALAM KONDISI TIDAK PASTI

PENGAMBILAN KEPUTUSAN DALAM KONDISI TIDAK PASTI PENGAMBILAN KEPUTUSAN DALAM KONDISI TIDAK PASTI Kondisi Tidak Pasti Kondisi tidak pasti adalah suatu keadaan yang memenuhi beberapa persyaratan : 1. Ada beberapa alternatif tindakan yang fleksibel. 2.

Lebih terperinci

TIN102 - Pengantar Teknik Industri Materi #12 Ganjil 2014/2015 TIN102 PENGANTAR TEKNIK INDUSTRI

TIN102 - Pengantar Teknik Industri Materi #12 Ganjil 2014/2015 TIN102 PENGANTAR TEKNIK INDUSTRI Materi #11 TIN102 PENGANTAR TEKNIK INDUSTRI Pendahuluan 2 Berbagai keputusan secara langka dibuat dengan kepastian. Sebagian besar keputusan melibatkan faktor resiko. Kriteria umum untuk menilai keputusan

Lebih terperinci

PENGENALAN SISTEM OPTIMASI. Oleh : Zuriman Anthony, ST. MT

PENGENALAN SISTEM OPTIMASI. Oleh : Zuriman Anthony, ST. MT PENGENALAN SISTEM OPTIMASI Oleh : Zuriman Anthony, ST. MT PENILAIAN 1. KEHADIRAN (25%) 2. TUGAS + KUIS (25%) 3. UTS (25%) 4. UAS (25%) 5. Terlambat maksimal 15 menit 6. Kehadiran minimal 10 kali di kelas

Lebih terperinci

BAB V KESIMPULAN DAN SARAN

BAB V KESIMPULAN DAN SARAN Bab V Kesimpulan dan Saran BAB V KESIMPULAN DAN SARAN 5.1. Kesimpulan Kesimpulan yang dapat diambil berdasarkan hasil perhitungan analisis Capital Budgeting dan analisis sensitivitas pada perusahaan Dian

Lebih terperinci

BAB IX PROSES KEPUTUSAN

BAB IX PROSES KEPUTUSAN BAB IX PROSES KEPUTUSAN Lingkungan di mana keputusan dibuat sering digolongkan kedalam empat keadaan: certainty, risk, uncertainty, dan conflict. Decision theory terutama berhubungan dengan pengambilan

Lebih terperinci

Materi #13 TKT101 PENGANTAR TEKNIK INDUSTRI T a u f i q u r R a c h m a n

Materi #13 TKT101 PENGANTAR TEKNIK INDUSTRI T a u f i q u r R a c h m a n Materi #13 TKT101 PENGANTAR TEKNIK INDUSTRI Kemampuan Akhir Yang Diharapkan 2 Mampu membandingkan antara kondisi nyata dengan penerapan teori yang telah dipelajari. Indikator Penilaian Ketepatan dalam

Lebih terperinci

Distribusi Sampling 6.2. Debrina Puspita Andriani /

Distribusi Sampling 6.2. Debrina Puspita Andriani    / 6. Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id Outline Pengertian dan Konsep Dasar Distribusi Sampling Distribusi Sampling Mean Distribusi Sampling Proporsi Distribusi Sampling

Lebih terperinci

STATISTIK NON PARAMETRIK (2) Debrina Puspita Andriani /

STATISTIK NON PARAMETRIK (2) Debrina Puspita Andriani    / STATISTIK NON PARAMETRIK (2) 13 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Uji Korelasi Urutan Spearman Statistik Non Parametrik 3 Uji Korelasi Urutan Spearman

Lebih terperinci

PENGUJIAN HIPOTESIS (3)

PENGUJIAN HIPOTESIS (3) PENGUJIAN HIPOTESIS (3) 3 Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id Blog : http://debrina.lecture.ub.ac.id/ 2 Outline Uji Hipotesis untuk Proporsi 3 Uji Hipotesis

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA Program stokastik merupakan program matematika, dimana beberapa data yang termuat pada tujuan atau kendala mengandung ketidakpastian. Ketidakpastian biasanya dicirikan oleh distribusi

Lebih terperinci

MARR (sebelum pajak) = {MARR (Sesudah pajak)}/(1-t)

MARR (sebelum pajak) = {MARR (Sesudah pajak)}/(1-t) Menetapkan MARR (Minimum alternatif Rate of Return) Tingkat suku bunga sebagai dasar perhitungan, Bila IRR < MARR tidak layak. Cara menetapkan MARR : Tambahkan % tetap pada ongkos modal (cost of capital

Lebih terperinci

Pajak dan analisis ekonomi

Pajak dan analisis ekonomi Pajak dan analisis ekonomi Jenis-jenis pajak di Indonesia : 1. PPh 2. PPN 3. PPn BM 4. Bea meterai 5. PBB 6. BPHTP (Bea Perolehan Hak atas Tanah dan Bangunan) 7. Pajak yang dipungut pemda Bina Nusantara

Lebih terperinci

PENGAMBILAN KEPUTUSAN DALAM KONDISI TIDAK PASTI. OLEH Ir. Indrawani Sinoem, MS.

PENGAMBILAN KEPUTUSAN DALAM KONDISI TIDAK PASTI. OLEH Ir. Indrawani Sinoem, MS. PENGAMBILAN KEPUTUSAN DALAM KONDISI TIDAK PASTI OLEH Ir. Indrawani Sinoem, MS. Kondisi Tidak Pasti Kondisi tidak pasti adalah suatu keadaan yang memenuhi beberapa syarat : 1. Ada beberapa alternatif tindakan

Lebih terperinci

Oleh : Debrina Puspita Andriani, ST., M.Eng Teknik Industri Universitas Brawijaya

Oleh : Debrina Puspita Andriani, ST., M.Eng Teknik Industri Universitas Brawijaya 4 Oleh : Debrina Puspita Andriani, ST., M.Eng Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id www.debrina.lecture.ub.ac.id O 1. Gradien a. Gradien Aritmatik b. Gradien Geometrik 2. Bunga

Lebih terperinci

MA2081 STATISTIKA DASAR SEMESTER II TAHUN 2010/2011 LATIHAN I

MA2081 STATISTIKA DASAR SEMESTER II TAHUN 2010/2011 LATIHAN I MA2081 STATISTIKA DASAR SEMESTER II TAHUN 2010/2011 LATIHAN I A. STATISTIKA DESKRIPTIF 1. Seorang teknisi suatu pabrik paku melakukan kunjungan di bagian produksi. Ia mengambil 36 sampel paku yang akan

Lebih terperinci

KORELASI LINIER BERGANDA. Debrina Puspita Andriani /

KORELASI LINIER BERGANDA. Debrina Puspita Andriani    / KORELASI LINIER BERGANDA 10 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline 3 Korelasi Linear Berganda Alat ukur mengenai hubungan yang terjadi antara variabel terikat

Lebih terperinci

KORELASI LINIER BERGANDA

KORELASI LINIER BERGANDA KORELASI LINIER BERGANDA 10 Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id Blog : http://debrina.lecture.ub.ac.id/ 2 Outline 3 Analisa Korelasi Untuk mengukur

Lebih terperinci

Distribusi Probabilitas Diskrit: Binomial & Multinomial

Distribusi Probabilitas Diskrit: Binomial & Multinomial Distribusi Probabilitas Diskrit: Binomial & Multinomial 6 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Distribusi Variabel Acak Diskrit Distribusi Binomial Distribusi

Lebih terperinci

MA M N A A N J A E J M E E M N E KE K U E A U N A G N A G N A

MA M N A A N J A E J M E E M N E KE K U E A U N A G N A G N A MANAJEMEN KEUANGAN LANGKAH- LANGKAH MENI LAI I NVESTASI DENGAN I NTERNAL RATE OF RETURN 1. Menentukan proceed investasi pertahun untuk setiap proyek. 2. Menentukan total present value = (proceed* discount

Lebih terperinci

PENGAMBILAN KEPUTUSAN DALAM KONDISI BERESIKO IRA PRASETYANINGRUM

PENGAMBILAN KEPUTUSAN DALAM KONDISI BERESIKO IRA PRASETYANINGRUM PENGAMBILAN KEPUTUSAN DALAM KONDISI BERESIKO IRA PRASETYANINGRUM Konsep Resiko RESIKO Resiko adalah kesempatan timbulnya kerugian; Resiko adalah ketidakpastian; Resiko adalah penyimpangan hasil aktual

Lebih terperinci

Oleh : Debrina Puspita Andriani Teknik Industri Universitas Brawijaya

Oleh : Debrina Puspita Andriani Teknik Industri Universitas Brawijaya 1 Oleh : Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id www.debrina.lecture.ub.ac.id RPS ENGINEERING ECONOMY - WWW.DEBRINA.LECTURE.UB.AC.ID 2 RPS ENGINEERING ECONOMY

Lebih terperinci

STATISTIK NON PARAMETRIK (2)

STATISTIK NON PARAMETRIK (2) STATISTIK NON PARAMETRIK (2) 12 Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id Blog : http://debrina.lecture.ub.ac.id/ 2 Outline Uji Korelasi Urutan Spearman Statistik

Lebih terperinci

Distribusi Probabilitas Diskrit: Binomial, Multinomial, & Binomial Negatif

Distribusi Probabilitas Diskrit: Binomial, Multinomial, & Binomial Negatif Distribusi Probabilitas Diskrit: Binomial, Multinomial, & Binomial Negatif 6 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Distribusi Variabel Acak Diskrit Distribusi

Lebih terperinci

Definisi Dalam Perhitungan Pajak (1)

Definisi Dalam Perhitungan Pajak (1) Materi #12 TIN205 EKONOMI TEKNIK Definisi Dalam Perhitungan Pajak (1) 2 Pendapatan Kotor Pengeluaran Gross Income (GI) Expenses (E) Adalah jumlah semua pendapatan baik yang berasal dari penjualan maupun

Lebih terperinci

Oleh : Debrina Puspita Andriani

Oleh : Debrina Puspita Andriani 6 Oleh : Debrina Puspita Andriani e-mail : debrina@ub.ac.id www.debrina.lecture.ub.ac.id INFLASI Waktu terjadinya kenaikan harga-harga barang, jasa, atau faktor-faktor produksi secara umum Inflasi >< Deflasi

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Banyak masalah nyata yang dapat dibawa ke model program linear. Metode penyelesaian program linear telah digunakan para ahli untuk menyelesaikan masalah di

Lebih terperinci

Metode Penelitian Kuantitatif Aswad Analisis Deskriptif

Metode Penelitian Kuantitatif Aswad Analisis Deskriptif Analisis Deskriptif Tanpa mengurangi keterumuman, pembahasan analisis deskriptif kali ini difokuskan kepada pembahasan tentang Ukuran Pemusatan Data, dan Ukuran Penyebaran Data Terlebih dahulu penting

Lebih terperinci

RISIKO INVESTASI tidak dapat dihindari

RISIKO INVESTASI tidak dapat dihindari RISIKO INVESTASI Risiko merupakan penyimpangan hasil (return) yang diperoleh dari rencana hasil (return) yang diharapkan. Apabila kita membicarakan risiko investasi berarti kita menganalisis kemungkinan

Lebih terperinci

MATERI TAMBAHAN TEORI PENGAMBILAN KEPUTUSAN (Sumber Bambang Avip Priatna Martadiputra)

MATERI TAMBAHAN TEORI PENGAMBILAN KEPUTUSAN (Sumber Bambang Avip Priatna Martadiputra) MATERI TAMBAHAN TEORI PENGAMBILAN KEPUTUSAN (Sumber Bambang Avip Priatna Martadiputra) 1. Pengambilan Keputusan dalam keadaan ada kepastian Keputusan dalam keadaan ada kepastian (certainty), terjadi apabila

Lebih terperinci

Analisa resiko dalam penganggaran modal

Analisa resiko dalam penganggaran modal Analisa resiko dalam penganggaran modal Risiko proyek Ada yang 3 jenis resiko suatu proyek yang dapat diukur (lukas setia atmaja, 2011) : risiko yang berdiri sendiri (Stand-alone risk) : risiko suatu proyek

Lebih terperinci

Distribusi Probabilitas Diskrit: Poisson

Distribusi Probabilitas Diskrit: Poisson Distribusi Probabilitas Diskrit: Poisson 7.2 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Pendahuluan Pendekatan Binomial Poisson Distribusi Poisson Kapan distribusi

Lebih terperinci

Bab. 4. METODE PERBANDINGAN EKONOMI

Bab. 4. METODE PERBANDINGAN EKONOMI Bab. 4. METODE PERBANDINGAN EKONOMI Dalam pelaksanaan kajian ekonomi terdapat dua situasi yang khusus yaitu: Pertama, menentukan apakah suatu investasi akan dilaksanakan. Kedua, harus membuat suatu pilihan

Lebih terperinci

Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada. 1http://istiarto.staff.ugm.ac.id STATISTIKA. Discrete Probability Distributions

Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada. 1http://istiarto.staff.ugm.ac.id STATISTIKA. Discrete Probability Distributions Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada STATISTIKA Discrete Probability Distributions 1http://istiarto.staff.ugm.ac.id Discrete Probability Distributions Distribusi Hipergeometrik Bernoulli

Lebih terperinci

EKONOMI TEKNIK. Alternatif Ekonomi Investasi Net Present Value (NPV)

EKONOMI TEKNIK. Alternatif Ekonomi Investasi Net Present Value (NPV) EKONOMI TEKNIK Alternatif Ekonomi Investasi Net Present Value (NPV) Pengantar Salah satu manfaat dari ekonomi teknik adalah mengevaluasi beberapa alternatif investasi pemilihan investasi Metode evaluasi

Lebih terperinci

STATISTIK NON PARAMETRIK (1)

STATISTIK NON PARAMETRIK (1) 11 STATISTIK NON PARAMETRIK (1) Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id Blog : http://debrina.lecture.ub.ac.id/ 2 Outline Metode Statistik : Parametrik

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 15 BAB II LANDASAN TEORI Pada bab ini diberikan tinjauan pustaka, teori penunjang dan kerangka pemikiran. Tinjauan pustaka terdiri dari penelitian-penelitian sebelumnya yang mendasari skripsi ini, teori

Lebih terperinci

Ir. SYAHRUL FAUZI SIREGAR, MT Fakultas Teknik Program Studi Teknik Kimia Universitas Sumatera Utara PENDAHULUAN

Ir. SYAHRUL FAUZI SIREGAR, MT Fakultas Teknik Program Studi Teknik Kimia Universitas Sumatera Utara PENDAHULUAN TULISAN ILMIAH ANALISA EKONOMI PROYEK Ir. SYAHRUL FAUZI SIREGAR, MT Fakultas Teknik Program Studi Teknik Kimia Universitas Sumatera Utara PENDAHULUAN 1. Pengertian Umum Diktat ini akan membahas konsep

Lebih terperinci

EKONOMI TEKNIK ANALISIS SENSITIVITAS DAN BREAK EVEN POINT SEBRIAN MIRDEKLIS BESELLY PUTRA TEKNIK PENGAIRAN

EKONOMI TEKNIK ANALISIS SENSITIVITAS DAN BREAK EVEN POINT SEBRIAN MIRDEKLIS BESELLY PUTRA TEKNIK PENGAIRAN EKONOMI TEKNIK DAN BREAK EVEN POINT SEBRIAN MIRDEKLIS BESELLY PUTRA TEKNIK PENGAIRAN UMUM Analisis Sensitivitas dibutuhkan dalam rangka mengetahui sejauh mana dampak parameter-parameter investasi yang

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN

BAB IV HASIL DAN PEMBAHASAN 50 BAB IV HASIL DAN PEMBAHASAN A. Analisis Statisik Deskriptif Statistik deskriptif digunakan untuk melihat gambaran umum data yang telah dikumpulkan dalam penelitian ini. Sebanyak 25 perusahaan yang masuk

Lebih terperinci

BAB III PORTOFOLIO OPTIMAL. Capital assets pricing model dipelopori oleh Treynor, Sharpe, Lintner

BAB III PORTOFOLIO OPTIMAL. Capital assets pricing model dipelopori oleh Treynor, Sharpe, Lintner BAB III PORTOFOLIO OPTIMAL 3.1 Capital Asset Pricing Model Capital assets pricing model dipelopori oleh Treynor, Sharpe, Lintner dan Mossin pada tahun 1964 hingga 1966. Capital assets pricing model merupakan

Lebih terperinci

STATISTIKA DESKRIPTIF. Tendensi Sentral & Ukuran Dispersi

STATISTIKA DESKRIPTIF. Tendensi Sentral & Ukuran Dispersi STATISTIKA DESKRIPTIF Tendensi Sentral & Ukuran Dispersi Statistik dan Statistika Statistik : nilai-nilai ukuran data yang mudah dimengerti. Contoh : statistik liga sepak bola Indonesia Statistika : ilmu

Lebih terperinci

D194. JURNAL TEKNIK ITS Vol. 5, No. 2, (2016) ISSN: ( Print)

D194. JURNAL TEKNIK ITS Vol. 5, No. 2, (2016) ISSN: ( Print) D194 Studi Pengambilan Keputusan Investasi Dengan Risiko Pada Pengembangan Proyek Caspian Tower, Grand Sungkono Lagoon Surabaya Fenny Herwitasari, Christiono Utomo Jurusan Teknik Sipil, Fakultas Teknik

Lebih terperinci

Oleh : Debrina Puspita Andriani Teknik Industri Universitas Brawijaya

Oleh : Debrina Puspita Andriani Teknik Industri Universitas Brawijaya 1 Oleh : Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id www.debrina.lecture.ub.ac.id Penilaian terdiri atas: Nilai tugas + absensi, sikap & keaktifan : 35% Nilai

Lebih terperinci

PERBANDINGAN ALTERNATIF PERBANDINGAN ALTERNATIF

PERBANDINGAN ALTERNATIF PERBANDINGAN ALTERNATIF PERBANDINGAN ALTERNATIF Macam-macam analisa Present Worth Capitalized Cost Annual Worth PERBANDINGAN ALTERNATIF Ekonomi Teknik bertujuan : membandingkan alternatif-alternatif dan memilih yang paling ekonomis

Lebih terperinci

HARISON,S.Pd,M.Kom JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI PADANG

HARISON,S.Pd,M.Kom JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI PADANG HARISON,S.Pd,M.Kom JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI PADANG HOMOGEN DAN HETEROGEN DATA I. 50,50,50,50,50 II. 30,40,50,60,70 III.0,30,50,70,80 Ketiga kelompok data

Lebih terperinci

PEMILIHAN ALTERNATIF. Present Worth, Annual Worth, ROR, BCR, Payback period

PEMILIHAN ALTERNATIF. Present Worth, Annual Worth, ROR, BCR, Payback period PEMILIHAN ALTERNATIF Present Worth, Annual Worth, ROR, BCR, Payback period Pemilihan Alternatif Konsep perbandingan alternatif : melihat kelebihan profit/benefit atau dibandingkan dengan batas ttt Periode

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 33 BAB III METODE PENELITIAN 3.1 Populasi dan Sampel Populasi dalam penelitian ini adalah seluruh perusahaan pertambangan yang terdaftar di Bursa Efek Indonesia (BEI). Sampel yang diambil yaitu perusahaan

Lebih terperinci

SESI 11 Internal Rate of Return

SESI 11 Internal Rate of Return Mata Kuliah : Ekonomi Teknik Kode MK : TKS 4107 Pengampu : Achfas Zacoeb SESI 11 Internal Rate of Return zacoeb.lecture.ub.ac.id PENDAHULUAN Umumnya nilai equivalent cash flow dicari dengan menggunakan

Lebih terperinci

ABSTRAK. Universitas Kristen Maranatha

ABSTRAK. Universitas Kristen Maranatha ABSTRAK Dalam rencana melakukan investasi usaha baru, investor toko Salim Jaya perlu melakukan peninjauan terlebih dahulu dengan memperhitungkan dan menganalisis rencana investasinya. Hasil peninjauan

Lebih terperinci

PAYBACK PERIOD (Periode Pengembalian)

PAYBACK PERIOD (Periode Pengembalian) CONTOH SOAL PAYBACK PERIOD (Periode Pengembalian) Periode waktu yang menunjukkan berapa lama dana yang diinvestasikan akan bisa kembali Contoh: Cash inflows of $10.000 investment Year Project A Project

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Konsep program linier (linear programming) ditemukan dan diperkenalkan seorang ahli matematika bangsa Amerika, Dr.George Dantzig yaitu dengan dikembangkannya metode

Lebih terperinci

ANALISIS MANFAAT DAN BIAYA. Ekonomi Teknik TIP-FTP-UB

ANALISIS MANFAAT DAN BIAYA. Ekonomi Teknik TIP-FTP-UB ANALISIS MANFAAT DAN BIAYA Ekonomi Teknik TIP-FTP-UB Analisis B/C Analisis manfaat (benefit) dan biaya (cost) sering disebut rasio B/C. Dipergunakan untuk menganalisis kelayakan dari proyek pemerintah

Lebih terperinci

PEMBAHASAN UTS 2015/2016 STATISTIKA 1

PEMBAHASAN UTS 2015/2016 STATISTIKA 1 PEMBAHASAN UTS 2015/2016 STATISTIKA 1 1. pernyataan berikut ini menjelaskan definisi dan cakupan statistika deskriptif, KECUALI : a. statistika deskriptif mendeskripsikan data yang telah dikumpulkan (Organizing)

Lebih terperinci

BAB III PEMBAHASAN. Metode kriging digunakan oleh G. Matheron pada tahun 1960-an, untuk

BAB III PEMBAHASAN. Metode kriging digunakan oleh G. Matheron pada tahun 1960-an, untuk BAB III PEMBAHASAN 3.1. Kriging Metode kriging digunakan oleh G. Matheron pada tahun 1960-an, untuk menonjolkan metode khusus dalam moving average terbobot (weighted moving average) yang meminimalkan variansi

Lebih terperinci

Gambar 4-1. Histogram X3

Gambar 4-1. Histogram X3 BAB IV HASIL PENELITIAN Hasil penelitian ini dideskripsikan sebagai berikut: A. Data Deskriptif 1. (X 3 ) (data/perhitungan manual ada pada file tabel frek kum ) Skor teoritik Min : 37x1 = 37 Mak : 37x4

Lebih terperinci

Rencana Penerimaan Sampel (Acceptance Sampling) untuk Data Atribut

Rencana Penerimaan Sampel (Acceptance Sampling) untuk Data Atribut Rencana Penerimaan Sampel (Acceptance Sampling) untuk Data Atribut 13 Pengendalian Kualitas Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e- Mail : debrina@ub.ac.id Blog : hdp://debrina.lecture.ub.ac.id/

Lebih terperinci

PERBANDINGAN BERBAGAI ALTERNATIF INVESTASI

PERBANDINGAN BERBAGAI ALTERNATIF INVESTASI PERBANDINGAN BERBAGAI ALTERNATIF INVESTASI MATERI KULIAH 4 PERTEMUAN 6 FTIP - UNPAD METODE MEMBANDINGKAN BERBAGAI ALTERNATIF INVESTASI Ekivalensi Nilai dari Suatu Alternatif Investasi Untuk menganalisis

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI.1 Peubah Acak dan Distribusinya.1.1 Peubah Acak Definisi.1: Peubah acak adalah suatu fungsi yang menghubungkan sebuah bilangan real dengan setiap unsur di dalam ruang contoh, (Walpole

Lebih terperinci

PROGRAM STUDI AGRIBISNIS FAKULTAS PERTANIAN, UNIVERSITAS ANDALAS BAHAN AJAR

PROGRAM STUDI AGRIBISNIS FAKULTAS PERTANIAN, UNIVERSITAS ANDALAS BAHAN AJAR PROGRAM STUDI AGRIBISNIS FAKULTAS PERTANIAN, UNIVERSITAS ANDALAS BAHAN AJAR Mata Kuliah : Manajemen Keuangan Agribisnis Semester : IV Pertemuan Ke : 7 Pokok Bahasan : Risk and Return Dosen : Rini Hakimi,

Lebih terperinci

PAJAK. Ekonomi Teknik TIP-FTP-UB

PAJAK. Ekonomi Teknik TIP-FTP-UB PAJAK Ekonomi Teknik TIP-FTP-UB Istilah dalam Pajak Gross Income (Pendapatan kotor) Jumlah semua pendapatan baik yang berasal dari penjualan maupun pendapatan bunga selama satu periode akuntasi Expenses

Lebih terperinci

IV. ANALISIS DAN PEMBAHASAN. 1.1 Analisis Portofolio Pada Aktiva Berisiko (Saham dan Emas)

IV. ANALISIS DAN PEMBAHASAN. 1.1 Analisis Portofolio Pada Aktiva Berisiko (Saham dan Emas) IV. ANALISIS DAN PEMBAHASAN 1.1 Analisis Portofolio Pada Aktiva Berisiko (Saham dan Emas) Investor dalam membentuk portofolio diperlukan perhitungan return ekspektasi dari masing-masing aktiva untuk dimasukkan

Lebih terperinci

BAB 4 HASIL DAN PEMBAHASAN. penentuan jumlah sampel minimum yang harus diambil. Tabel 4.1 Data Hasil Survei Pendahuluan. Jumlah Kepala Keluarga (Xi)

BAB 4 HASIL DAN PEMBAHASAN. penentuan jumlah sampel minimum yang harus diambil. Tabel 4.1 Data Hasil Survei Pendahuluan. Jumlah Kepala Keluarga (Xi) BAB 4 HASIL DAN PEMBAHASAN 4.1. Hasil Pengumpulan Data Berdasarkan data jumlah kepala keluarga pada masing-masing perumahan yang didapatkan pada survei pendahuluan, maka dapat dilakukan penentuan jumlah

Lebih terperinci

BAB II TINJAUAN PUSTAKA. Dalam bab ini penulis menjelaskan tinjauan teori-teori yang terkait yang

BAB II TINJAUAN PUSTAKA. Dalam bab ini penulis menjelaskan tinjauan teori-teori yang terkait yang BAB II TINJAUAN PUSTAKA Dalam bab ini penulis menjelaskan tinjauan teori-teori yang terkait yang digunakan dalam analisa dan pembahasan penelitian ini satu persatu secara singkat dan kerangka berfikir

Lebih terperinci

Regresi Linier Berganda

Regresi Linier Berganda Regresi Linier Berganda Regresi Berganda Contoh Menguji hubungan linier antara variabel dependen (y) dan atau lebih variabel independen (x n ) Hubungan antara suhu warehouse dan viskositas cat dengan jumlah

Lebih terperinci

Teori Keputusan Ir. Tito Adi Dewanto

Teori Keputusan Ir. Tito Adi Dewanto Teori Keputusan Ir. Tito Adi Dewanto 1. Keputusan yang terbaik adalah keputusan yang dapat mendatangkan manfaat terbesar atau pengorbanan yang sekecilkecilnya. 2. Pengambilan Keputusan Kondisi Pasti Kondisi

Lebih terperinci

BAB II TINJAUAN PUSTAKA. yaitu investasi, portofolio, return dan expected return, risiko dalam berinvestasi,

BAB II TINJAUAN PUSTAKA. yaitu investasi, portofolio, return dan expected return, risiko dalam berinvestasi, BAB II TINJAUAN PUSTAKA Pada bab ini akan dibahas semua konsep yang mendasari penelitian ini yaitu investasi, portofolio, return dan expected return, risiko dalam berinvestasi, Compromise Programming,

Lebih terperinci

EKONOMI TEKNIK. Annual Equivalent (AE) EVALUASI KELAYAKAN INVESTASI

EKONOMI TEKNIK. Annual Equivalent (AE) EVALUASI KELAYAKAN INVESTASI EKONOMI TEKNIK Annual Equivalent (AE) EVALUASI KELAYAKAN INVESTASI Investasi Kegiatan penting yg memerlukan biaya besar dan berdampak jangka panjang thd kelanjutan usaha Kebutuhan : 1. Apakah investasi

Lebih terperinci

Magister Manajemen Univ. Muhammadiyah Yogyakarta

Magister Manajemen Univ. Muhammadiyah Yogyakarta XIII. Penganggaran Modal (Capital Budgting) i Lanjutan 1. Proyek dengan Usia Berbeda Misal, ada 2 proyek investasi yaitu A dan B. Investasi A membutuhkan dana Rp700.000 dan menghasilkan kas masuk sebesar

Lebih terperinci

MEMBANDINGKAN ALTERNATIF-ALTERNATIF

MEMBANDINGKAN ALTERNATIF-ALTERNATIF MEMBANDINGKAN ALTERNATIF-ALTERNATIF Konsep-Konsep Dasar Untuk Membandingkan Alternatif Alternatif yang membutuhkan modal investasi minimum dan menghasilkan hasil-hasil yang memuaskan akan dipilih kecuali

Lebih terperinci

Program Studi Teknik Industri Universitas Brawijaya

Program Studi Teknik Industri Universitas Brawijaya Program Studi Teknik Industri Universitas Brawijaya Kompetensi Pokok Bahasan : Memahami konsep nilai uang terhadap perubahan waktu Memahami konsep bunga dan mampu menghitung bunga dengan metode-metode

Lebih terperinci

TIN205 - Ekonomi Teknik Materi #8 Genap 2015/2016 TIN205 EKONOMI TEKNIK

TIN205 - Ekonomi Teknik Materi #8 Genap 2015/2016 TIN205 EKONOMI TEKNIK TIN205 - Ekonomi Teknik Materi #8 TIN205 EKONOMI TEKNIK Definition 2 Synonym: IRR (Internal Rate of Return). Popular measurement on investment worth. Which one represent the correct interpretation of ROR?

Lebih terperinci