Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

Perfect certainty kemampuan untuk meramalkan secara tepat hasil pada masa yang akan datang berdasarkan kondisi saat ini Variasi harga Harga produk pertanian.

Presentasi serupa


Presentasi berjudul: "Perfect certainty kemampuan untuk meramalkan secara tepat hasil pada masa yang akan datang berdasarkan kondisi saat ini Variasi harga Harga produk pertanian."— Transcript presentasi:

1

2 Perfect certainty kemampuan untuk meramalkan secara tepat hasil pada masa yang akan datang berdasarkan kondisi saat ini Variasi harga Harga produk pertanian mungkin tinggi saat awal periode produksi dan menurun saat pemasaran, atau sebaliknya Akibat waktu penjualan, ketidakpastian mengakibatkan harga menurun Pandangan Umum

3 Pandangan Historis Uncertainty secara sederhana sering didefinisikan sebagai ketiadaan kepastian Ketidakpastian terjadi karena ketiadaan informasi Resiko dan ketidakpastian menunjukkan situasi dimana tidak adanya informasi yang sempurna Seluruh analisa keputusan, berada pada konteks resiko dengan peluang subjektive

4 ANALISA RESIKO PADA PROSES PRODUKSI Decision making under certainty  is a logically straighforward process that leads to the selection of various optima to minimize costs or maximize profits Manager harus memutuskan : 1. bagaimana struktur proses pengambilan keputusan berdasarkan ketidaksempurnaan informasi ? dan 2. bagaimana memperoleh dan menggunakan informasi tambahan ? Untuk menjawab pertanyaan (1)  manager harus memiliki logika untuk memperoleh keputusan optimal Untuk memjawab pertanyaan (2)  manager harus mampu menentukan nilai dari informasi tambahan

5 ANALISA RESIKO PADA PROSES PRODUKSI Problem keputusan, dapat dibagi menjadi : 1.Tindakan manager 2.Keadaan alam 3.Kesempatan manager terhadap kondisi alam 4.Hasil konsekwensi 5.Tujuan manager  maks profit?? 6.Keputusan untuk mencari informasi baru 7.Formulasi strategi optimal Beberapa hal yang dibutuhkan untuk menunjang 7 point di atas adalah : tindakan, keadaan alam, kesempatan, konsekwensi, pemilihan kriteria, percobaan dan strategi

6 Contoh Hipotetik Problem pemasaran biasa terjadi dalam produk pertanian. Misalkan pada Januari, petani harus memutuskan apakah harus menjual produknya atau menyimpannya hingga April ? Petani mengetahui, umumnya harga akan meningkat pada musim hujan. Dengan harga yang lebih tinggi diharapkan akan diperoleh profit yang lebih tinggi. Sebaliknya, harga mungkin turun dan mengakibatkan petani rugi

7 Contoh Hipotetik Tabel 8-2Keadaan alam : P gandum bulan April  1 =$ 2.50  2 =$ 5.00 Prior Probability P(  1 )=0.30P(  2 )=0.70 Harga gandum pada bulan januari adalah $ Jika gandum dijual pada bulan April, maka terdapat 2 kemungkinan harga. Harga yang pertama adalah $ 2.50 dgn 3 peluang kemungkinan dari 10 peluang dan harga kedua $ 5.00 dimana dari 7 peluang kemungkinan dari 10 peluang

8 Contoh Hipotetik Tabel 8-3Keadaan alam : P gandum bulan April Kemungkinan tindakan  1 =$ 2.50  2 =$ 5.00 (a1)Menjual pd Januari 00 (a2)Menjual pd April -$1000$1500 Petani memiliki 1000 bushel gandum. Petani memiliki 2 tindakan (a 1 ) menjual semua output pd bulan Januari maka dia akan memperoleh penerimaan $3500 atau (a 2 ) April. Jika pada bulan April, terdapat 2 kemungkinan harga, maka dengan harga $2.50 (petani rugi $1000) atau dengan harga $5.00 (petani untung $1500)

9 Contoh Hipotetik Kriteria pilihan pada kasus ini adalah memaksimumkan utility yg diharapkan. Untuk menghitung expected utility diperoleh melalui 2 tahap :

10 Contoh Hipotetik Problem keputusan dapat dianalisa untuk menentukan sensitivitas dari peluang utama Dengan menyamakan E(utility a 1 ) dan E(utility a 2 ), maka peluang utama dapat ditentukan Terlihat “ odds ” atau peluang yang akan kembali = utility yg diharapkan, yaitu P(  1 ) = 3/5 dan P(  2 ) = 2/5

11 Contoh Hipotetik Frekwensi harapan adalah 3/10 dan 7/10, harapan terbesar adalah Tindakan optimal dari peluang utama memberikan hasil $750 Nilai yg diharapkan dari peramalan yg sempurna adalah $ $750 = $300 Petani harus membayar penuh $300 untuk tambahan informasi

12 Kemungkinan Kondisi Keadaan alam : Harga gandum bln April Harga dugaan bln April  1 =$ 2.50  2 =$ 5.00 F 1 = $2.50 P(F 1 |  1 )=0.90P(F 1 |  2 )=0.20 F 2 = $5.00 P(F 2 |  1 )=0.10P(F 2 |  2 )=0.80 Jumlah1.00 Tabel 8-4. The Likelihood Function, P (F 1 | 1 ), untuk kasus harga gandum Contoh Hipotetik

13 Peluang P(F 1 |  1 ) = 0.90 dan peluang model meramalkan $5.00 pd bulan januari tergantung pada peluang P(F 2 |  1 ) = Kedua peluang dijumlahkan karena peramalan “apakah harga akan menjadi $2.50 atau $5.00?” akan selalu menjadi permasalahan Perhatikan bahwa model peramalan untuk harga yg lebih tinggi  cenderung tidak akurat Contoh Hipotetik

14 Petani ingin menggunakan hasil peramalan dari ekonom pertanian karena keakuratan peramalannya, namun dia juga tidak ingin mengabaikan informasi yang ia miliki berdasarkan pengalamannya Oleh karena itu sebaiknya ia menggabungkan kedua informasi yang ia miliki Hasilnya adalah sbb : Contoh Hipotetik

15 Secara intuisi lebih diutamakan subjektivitas petani dibandingkan keakuratan peramalan Sehingga peluang marjinal dari F1, P(F1) adalah : Pertanyaan petani : “Berapakah frekwensi aktual terjadinya harga $2.50 pada bulan April ? “

16 Setelah harga bulan April ($ 2.50) diramalkan  maka yg dapat terjadi adalah (F 1 |  1 )/ (F 1 |  2 ) Sehingga harga pd bulan April bisa menjadi $2.50 atau $5.00. Untuk membantu petani membuat keputusan maka harus dicari terlebih dulu P (F 1 |  1 ), P (F 1 |  2 ), P dan P(F 1 ), sbb :

17 Peluang posterior ditampilkan pada Tabel 8-5. The Bayesian Technique untuk menghitung peluang posterior dapat diiliustrasikan dgn menggunakan diagram. Kondisi aktual (harga pd bulan April) dan informasi baru (harga hasil peramalan) memiliki peluang distribusi bivariate Tabel 8-4Kemungkinan Kondisi Keadaan alam : Harga gandum bln April Harga dugaan bln April  1 =$ 2.50  2 =$ 5.00 F 1 = $2.50 P(  1 |F 1 )=0.66P(  2 |F 1 )=0.34 F 2 = $5.00 P(  1 |F 2 )=0.05P(  2 |F 2 )=0.95 Tabel 8-5. Posterior roabilities, P (F 1 | 1 ), untuk kasus harga gandum

18 P(F 1 | 1 )= 0.27 P(F 2 | 2 )= 0.03 P(F 1 | 2 )=0.14 P(F 2 | 2 )=0.56 P(F 2 )=0.59 P(F 1 )=0.41 P( 2 )=0.7P( 1 )=0.3 F 2 =$5.00 F 1 =$2.50  1 =$2.50 2 =$2.50 States of Nature Marginal Probabilities of Price Price Forecast Marginal Probabilities of Price Forecast Figure 8-1. A Graphic presentation of the determination of posterior probabilities

19 Expeted Profit Possible Action Using Subjective Priors Using Posteriors for Forecast of $2.50 Using Posteriors for Forecast of $5.00 a 1 Sell in Jan$0 a 2 Sell in April$750-S150$1375 Table 8-6. Expected Profit From Two Action For Wheat Problems

20 Lihat Tabel 8.6 : Jika petani lebih memilih subjektivitasnya maka ia akan memilih a2 dan mengharapkan untuk mendapatkan $750 Jika petani memilih untuk menggunakan peramalan –model peramalan menyatakan bahwa harga bulan April $2.50– maka hasil yang akan diharapkan tercapai adalah $-150 Ketika ia memilih hasil peramalan yg menyatakan bahwa harga bulan April adalah $5.00 maka ia kana memilih a 2 dgn harapan pendapatan sbsr $1375 Strategi petani adalah memilih a1 ketika F1 diramalkan dan a 2 ketika F 2 diramalkan

21 Utilitas pada Kondisi Beresiko Konsekwensi dari tindakan manajer diukur dengan term utilitas. Utilitas dapat diwakilkan dengan penerimaan (uang) Pada umumnya hasil suatu kegiatan dalam bentuk uang tidak akan sama dengan utilitas yang diasosiasikan dgn hasil kegiatan Actions States (  i )Proabilities P (  i ) a1a1 a2a2 11 ½$1000-$20000 22 ½$1000$22000 Expected Earnings$1000

22 Kedua indikator akan menghasilkan penerimaan sebesar $1000. Jika kriteria pemilihan adalah memaksimumkan penerimaan yg diharapkan maka manajer akan membedakan 2 kegiatan tsb. Jika ia memilih a2 maka ia akan kehilangan $ pada tengah waktu. Untuk dapat membedakan a 1 dan a 2 maka manager harus membedakan antara besarnya fluktuasi pendapatan dgn besarnya fluktuasi pendapata tetap INDIKATOR PILIHAN

23 Von Neumann-Morgenstern Utility Function Fungsi utilitas dapat dikonstruk untuk menggambarkan preferensi individu dgn sedemikian rupa, shg jika utilitas suatu kegiatan melebihi utilitas kegiatan yg lain maka manajer akan lebih menyenangi kegiatan pertama dibandingkan kegiatan kedua Terdapat 3 kemungkinan fungsi utilitas  asumsi 1 variabel : wealth Pada setiap kasus, utilitas adalah fungsi dari wealth (pendapatan)

24 utility W0W0 W1W1 W2W2 U0U0 U1U1 U2U2 wealth RESIKO NETRAL 3 Kemungkinan Fungsi Utilitas Fungsi utilitas berupa fungsi linier dari wealth Tambahan pendapatan = tambahan utilitas Resiko netral

25 W0W0 W1W1 W2W2 U0U0 U1U1 U2U2 wealth RISK AVERTER Fungsi utilitas berbentuk konkaf Tambahan pendapatan akan menambah utilitas dlm jumlah yg lebih sedikit, shg marjinal utilitasnya positif tapi menurun Kehilangan utilitas relatif lebih besar dibandingkan hasil yg diperoleh  risk averse 3 Kemungkinan Fungsi Utilitas

26 W0W0 W1W1 W2W2 U0U0 U1U1 U2U2 wealth RISK PREFERRER 3 Kemungkinan Fungsi Utilitas Fungsi utilitas berbentuk konveks Peningkatan pendapatan akan meningkatkan tambahan utilitas Risk preferrer

27 wealth utility Perbandingan Sikap Terhadap Resiko

28 Wealth for Each Action & State of Nature Utility from Each Action Risk AverseRisk NeutralRisk Preferrer P(  i ) ii a1a1 a2a2 U(a 1 )U(a 2 )U(a 1 )U(a 2 )U(a 1 )U(a 2 ) ½ 1 ½ 2 Expected Utility Tabel 8-7. Effect of Risk Attitudes on Utility

29 wealth utility 1750 A D B C Determining The Risk Premium for A Risk Averse Manager

30 FUNGSI UTILITAS KUADRATIK

31 PERBANDINGAN ANALISA TRADISIONAL DAN MODERN Teori Keputusan Modern berawal dari definisi Knight Terdapat kesamaan analisa resiko yg digunakan pada pada kasus klasik & teori modern. Keduanya, Penerimaan yang diharapkan dihitung dan manager memilih tindakan yg akan memaksimumkan penerimaan Perbedaan antara analisa modern & tradisional terlihat pada pendekatan Knight dlm pendefinisian uncertainty : “ ketika manajer tidak mengetahui peluang & perkiraan hasil dr proses produksi

32 Figure 8-5. Isoutility Curves For (E,V) analysis U3U3 U2U2 U1U1 V E RISK=AVERTER : b<0 U3U3 U2U2 U1U1 V E RISK=NEUTRAL : b=0

33 U3U3 U2U2 U1U1 V E RISK=PREFERRER : b>0 Figure 8-5. Isoutility Curves For (E,V) analysis

34 Penelitian saat ini dibagi atas : 1.Verifikasi bahwa petani memaksimumkan utilitas dibandingkan pendapatan dan menyelidiki properti dari fungsi utilitas 2.Mengaplikasikan teori pada permasalahan alokasi sumberdaya pada individu/perusahaan 3.Mengunakan teori keputusan untuk mengevalusi kegunaan dari peramalan 4.Menentukan sistem pertanian yang compatible dengan preferensi manajer

35 KESIMPULAN RINGKAS

36 1 ton 2 ton 3 ton 4 ton Number of drouth days Pounds of nitrogen per acre Figure 8-6. Yields isoquant showing combination of nitrogen & Drouth days needed to produce specified yields of pearl millet


Download ppt "Perfect certainty kemampuan untuk meramalkan secara tepat hasil pada masa yang akan datang berdasarkan kondisi saat ini Variasi harga Harga produk pertanian."

Presentasi serupa


Iklan oleh Google