Anda di halaman 1dari 4

Distribusi beta

Untuk mendapatkan nilai rata-rata (nilai harapan) maupun varian dari distribusi
beta maka sifat-sifat distribusi beta bisa digunakan. Distribusi beta biasanya
condong ke kiri atau ke kanan, tergantung pada besarnya nilai-nilai
parameternya. Untuk menghitung estimasi rata-rata maupun varian, kita perlu
mendefinisikan terlebih dahulu nilai batas bawah yang disebut estimasi pesimis,
nilai modus atauestimasi nilai yang paling mungkin terjadi, dan nilai batas atas
yang disebut estimasi optimis. Ilustrasi grafis distribusi beta terlihat pada

gambar 6.10.
Pada prinsipnya distribusi beta sama dengan distribusi normal, hanya saja kurva
distribusi beta biasanya condong ke kiri atau ke kanan, tidak seperti pada
distribusi normal yang biasanya simetris. Disamping itu, uj ung-uj ung kurva
distribusi beta biasanya lebih sempit batasnya, sedangkan pada distribusi
normal, nilai ujung-ujungnya tak terbatas."

Apabila nilai estimasi pesimis disimbulkan dengan P, nilai estimaSi optimis


disimbulkan dengan 0, dan nilai estimasi modus disimbulkan dengan M maka
nilai harapan dari distribusi beta dapat dinyatakan dengan :
Pada prinsipnya distribusi beta sama dengan distribusi normal, hanya saja kurva
distribusi beta biasanya condong ke kiri atau ke kanan, tidak seperti pada
distribusi normal yang biasanya simetris. Disamping itu, uj ung-uj ung kurva
distribusi beta biasanya lebih sempit batasnya, sedangkan pada distribusi
normal, nilai ujung-ujungnya tak terbatas."

Apabila nilai estimasi pesimis disimbulkan dengan P, nilai estimaSi optimis


disimbulkan dengan 0, dan nilai estimasi modus disimbulkan dengan M maka
nilai harapan dari distribusi beta dapat dinyatakan dengan :

Distribusi Normal

Distribusi normal adalah salah satu bentuk distribusi yang sangat . banyak
digunakan dalam kehidupan se hari-hari karena memang banyak sekali sekali
realita di dunia ini yang mengikuti dlStl'lbUSl normal. Ciri distribusi normal yang
paling mudah diingat adalah bentuk distribusinya yang simetris dan menyerupai
lonceng dengan garis tengah terletak pada nilai rata-ratanya. Parameter yang
berkaitan dengan distribusi normal dan penting peranannya dalam analisa resiko
adalah nilai rata-rata (mean) dan standar deviasinya.

Apabila nilai rata-rata dinotasikan dengan p dan standar deviasi

dinotasikan dengan 0 maka fungsi dari suatu variabel acak x yang mengikuti
distribusi normal diberikan oleh :

Pada prinsipnya distribusi beta sama dengan distribusi normal, hanya saja kurva
distribusi beta biasanya condong ke kiri atau ke kanan, tidak seperti pada
distribusi normal yang biasanya simetris. Disamping itu, uj ung-uj ung kurva
distribusi beta biasanya lebih sempit batasnya, sedangkan pada distribusi
normal, nilai ujung-ujungnya tak terbatas."

Apabila nilai estimasi pesimis disimbulkan dengan P, nilai estimaSi optimis


disimbulkan dengan 0, dan nilai estimasi modus disimbulkan dengan M maka
nilai harapan dari distribusi beta dapat dinyatakan dengan :

Distribusi Normal

Distribusi normal adalah salah satu bentuk distribusi yang sangat . banyak
digunakan dalam kehidupan se hari-hari karena memang banyak sekali sekali
realita di dunia ini yang mengikuti dlStl'lbUSl normal. Ciri distribusi normal yang
paling mudah diingat adalah bentuk distribusinya yang simetris dan menyerupai
lonceng dengan garis tengah terletak pada nilai rata-ratanya. Parameter yang
berkaitan dengan distribusi normal dan penting peranannya dalam analisa resiko
adalah nilai rata-rata (mean) dan standar deviasinya.

Apabila nilai rata-rata dinotasikan dengan p dan standar deviasi

dinotasikan dengan 0 maka fungsi dari suatu variabel acak x yang mengikuti
distribusi normal diberikan oleh :

memahami konsep ini secara jelas kita bisa mengerti bahwa semakin besar
besar standar deviasi dari nilai-nilai yang mungkin terjadi maka semakin lebar
pula jarak interval nilai-nilai yang bisa terjadi.

Lebih jauh bisa dikatakan disini bahwa ukuran nilai ekspektasi (baik ekspektasi
NPW. ROK ongkos. umur proyek, dan sebagainya) harus disertai dengan ukuran
standar deviasinya apabila kita ingin mengambil keputusan dengan
mempertimbangkan faktor resiko Sebagai ilustrasi misalkan kita sedang
mengevaluasi 2 buah proposal investasi yang sama-sama membutuhkan dana
investasi sebesar Rp 100 juta Kedua proposal menjanjikan suatu ekspektasi
penghasilan sebesar Rp 150 juta pada akhir tahun keempat. yang mana nilai
ekspektasi ini dihitung dari suatu distribusi probabilitas penghasilan yang bisa
dicap ai seperti yang ditunjukkan pada gambar B.l2.
Pada prinsipnya distribusi beta sama dengan distribusi normal, hanya saja kurva
distribusi beta biasanya condong ke kiri atau ke kanan, tidak seperti pada
distribusi normal yang biasanya simetris. Disamping itu, uj ung-uj ung kurva
distribusi beta biasanya lebih sempit batasnya, sedangkan pada distribusi
normal, nilai ujung-ujungnya tak terbatas."

Apabila nilai estimasi pesimis disimbulkan dengan P, nilai estimaSi optimis


disimbulkan dengan 0, dan nilai estimasi modus disimbulkan dengan M maka
nilai harapan dari distribusi beta dapat dinyatakan dengan :

Distribusi Normal

Distribusi normal adalah salah satu bentuk distribusi yang sangat . banyak
digunakan dalam kehidupan se hari-hari karena memang banyak sekali sekali
realita di dunia ini yang mengikuti dlStl'lbUSl normal. Ciri distribusi normal yang
paling mudah diingat adalah bentuk distribusinya yang simetris dan menyerupai
lonceng dengan garis tengah terletak pada nilai rata-ratanya. Parameter yang
berkaitan dengan distribusi normal dan penting peranannya dalam analisa resiko
adalah nilai rata-rata (mean) dan standar deviasinya.

Apabila nilai rata-rata dinotasikan dengan p dan standar deviasi

dinotasikan dengan 0 maka fungsi dari suatu variabel acak x yang mengikuti
distribusi normal diberikan oleh :

memahami konsep ini secara jelas kita bisa mengerti bahwa semakin besar
besar standar deviasi dari nilai-nilai yang mungkin terjadi maka semakin lebar
pula jarak interval nilai-nilai yang bisa terjadi.

Lebih jauh bisa dikatakan disini bahwa ukuran nilai ekspektasi (baik ekspektasi
NPW. ROK ongkos. umur proyek, dan sebagainya) harus disertai dengan ukuran
standar deviasinya apabila kita ingin mengambil keputusan dengan
mempertimbangkan faktor resiko Sebagai ilustrasi misalkan kita sedang
mengevaluasi 2 buah proposal investasi yang sama-sama membutuhkan dana
investasi sebesar Rp 100 juta Kedua proposal menjanjikan suatu ekspektasi
penghasilan sebesar Rp 150 juta pada akhir tahun keempat. yang mana nilai
ekspektasi ini dihitung dari suatu distribusi probabilitas penghasilan yang bisa
dicap ai seperti yang ditunjukkan pada gambar B.l2.

Apabila kita hanya melihat ukuran tendensi sentral (nilai ekspektasi) dari kedua
proposal maka kita akan mengatakan bahwa kedua proposal tersebut sama
baiknya karena nilai harapannya adalah sama. Namun dengan melihat grafik di
atas jelas bagi kita bahwa proposal A akan

menanggung resiko yang jauh lebih rendah dari proposal B. Dengan mengetahui
bahwa ekspektasi keuntungannya sama, dan resikonya lebih tinggi B maka tentu
yang sebaiknya dipilih adalah proposal A