________ ____ ________

Presentasi berjudul: "________ ____ ________"— Transcript presentasi:

1 ________ ____ ________
________ ____ ________

2 Pandangan Umum Perfect certainty Variasi harga
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

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 : bagaimana struktur proses pengambilan keputusan berdasarkan ketidaksempurnaan informasi ? dan 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 : Tindakan manager Keadaan alam Kesempatan manager terhadap kondisi alam Hasil konsekwensi Tujuan manager  maks profit?? Keputusan untuk mencari informasi baru 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 8-2 Keadaan alam : P gandum bulan April
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 Tabel 8-2 Keadaan alam : P gandum bulan April 1=$ 2.50 2=$ 5.00 Prior Probability P(1)=0.30 P(2)=0.70

8 Contoh Hipotetik Tabel 8-3 Keadaan alam : P gandum bulan April
Petani memiliki 1000 bushel gandum. Petani memiliki 2 tindakan (a1) menjual semua output pd bulan Januari maka dia akan memperoleh penerimaan $3500 atau (a2) April. Jika pada bulan April, terdapat 2 kemungkinan harga, maka dengan harga $2.50 (petani rugi $1000) atau dengan harga $5.00 (petani untung $1500) Tabel 8-3 Keadaan alam : P gandum bulan April Kemungkinan tindakan 1=$ 2.50 2=$ 5.00 (a1)Menjual pd Januari (a2)Menjual pd April -$1000 $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 a1) dan E(utility a2), 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 Keadaan alam : Harga gandum bln April
Contoh Hipotetik Tabel 8-4. The Likelihood Function, P (F1|1), untuk kasus harga gandum Kemungkinan Kondisi Keadaan alam : Harga gandum bln April Harga dugaan bln April 1=$ 2.50 2=$ 5.00 F1 = $2.50 P(F1|1)=0.90 P(F1|2)=0.20 F2 = $5.00 P(F2|1)=0.10 P(F2|2)=0.80 Jumlah 1.00

13 Contoh Hipotetik Peluang P(F1|1) = 0.90 dan peluang model meramalkan $5.00 pd bulan januari tergantung pada peluang P(F2|1) = 0.10. 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

14 Contoh Hipotetik 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 :

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

16 Setelah harga bulan April ($ 2
Setelah harga bulan April ($ 2.50) diramalkan  maka yg dapat terjadi adalah (F1|1)/ (F1|2) Sehingga harga pd bulan April bisa menjadi $2.50 atau $5.00. Untuk membantu petani membuat keputusan maka harus dicari terlebih dulu P (F1|1), P (F1|2), P dan P(F1) , sbb :

17 Keadaan alam : Harga gandum bln April
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 8-5. Posterior roabilities, P (F1|1), untuk kasus harga gandum Tabel 8-4 Kemungkinan Kondisi Keadaan alam : Harga gandum bln April Harga dugaan bln April 1=$ 2.50 2=$ 5.00 F1 = $2.50 P(1|F1)=0.66 P(2|F1)=0.34 F2 = $5.00 P(1|F2)=0.05 P(2|F2)=0.95

18 Figure 8-1. A Graphic presentation of the determination of posterior probabilities
P(F1|1)=0.27 P(F2|2)=0.03 P(F1|2)=0.14 P(F2|2)=0.56 P(F2)=0.59 P(F1)=0.41 P(2)=0.7 P(1)=0.3 F2=$5.00 F1=$2.50 1=$2.50 2=$2.50 States of Nature Marginal Probabilities of Price Price Forecast Marginal Probabilities of Price Forecast

19 Using Subjective Priors Using Posteriors for Forecast of $2.50
Table 8-6. Expected Profit From Two Action For Wheat Problems Expeted Profit Possible Action Using Subjective Priors Using Posteriors for Forecast of $2.50 Using Posteriors for Forecast of $5.00 a1 Sell in Jan $0 a2 Sell in April $750 -S150 $1375

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 a2 dgn harapan pendapatan sbsr $1375 Strategi petani adalah memilih a1 ketika F1 diramalkan dan a2 ketika F2 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) a1 a2 1 $1000 -$20000 2 $22000 Expected Earnings

22 INDIKATOR PILIHAN 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 a1 dan a2 maka manager harus membedakan antara besarnya fluktuasi pendapatan dgn besarnya fluktuasi pendapata tetap

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 3 Kemungkinan Fungsi Utilitas
utility Fungsi utilitas berupa fungsi linier dari wealth Tambahan pendapatan = tambahan utilitas Resiko netral W0 W1 W2 U0 U1 U2 wealth RESIKO NETRAL

25 3 Kemungkinan Fungsi Utilitas
W0 W1 W2 U0 U1 U2 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

26 3 Kemungkinan Fungsi Utilitas
Fungsi utilitas berbentuk konveks Peningkatan pendapatan akan meningkatkan tambahan utilitas Risk preferrer W0 W1 W2 U0 U1 U2 wealth RISK PREFERRER

27 Perbandingan Sikap Terhadap Resiko
1000 1500 2000 wealth 10 12.5 15 17.5 20 utility

28 Utility from Each Action
Tabel 8-7. Effect of Risk Attitudes on Utility Wealth for Each Action & State of Nature Utility from Each Action Risk Averse Risk Neutral Risk Preferrer P(i) i a1 a2 U(a1) U(a2) 1 1500 1000 17.5 10 15 12.5 2 2000 20 Expected Utility

29 Determining The Risk Premium for A Risk Averse Manager
1000 1250 2000 20 30 40 wealth utility 1750 A D B C

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
RISK=AVERTER : b<0 U3 U2 U1 V E RISK=NEUTRAL : b=0

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

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

35 KESIMPULAN RINGKAS

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