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