BAB I

PENDAHULUAN
A. LATAR BELAKANG
Sejauh ini dalam seri manajemen risiko ini, kita telah melihat jenis utama
risiko yang dihadapi dalam bisnis, dan bagaimana cara mengukur risiko dalam
bisnis anda. Langkah logis berikutnya adalah, tentu saja, meletakkan bersama
sebuah rencana untuk menangani setiap risiko yang telah anda identifikasi,
sehingga anda dapat mengatur risiko yang berjalan. Anda akan belajar
bagaimana tepatnya melakukan hal tersebut dalam tutorial ini.
Kita akan mulai dengan melihat seperti apa perencanaan manajemen
risiko, dan bagaimana anda dapat meletakkannya bersama untuk bisnis anda.
Kemudian kita akan melihat pilihan yang anda miliki dalam menangani setiap
risiko tersendiri, dan bagaimana anda dapat menentukan strategi mana yang
digunakan. Dan akhirnya kita akan melihat bagaimana anda dapat memonitor
risiko dalam bisnis anda dalam aktivitas reguler, dan mengupdate rencana
anda jika perlu.
Menyusun sebuah perencanaan manajemen risiko yang solid adalah salah
satu hal terpenting yang dapat anda lakukan untuk bisnis anda. Banyak
perusahaan yang gagal sepanjang waktu, terkadang mereka menyalahkan
nasib jelek, "keadaan ekonomi", dan keadaan lainnya yang tak tampak.
Manajemen risiko adalah tentang mempersiapkan diri sebaik mungkin
terhadap kemungkinan terjadinya kejadian yang tidak diinginkan ini, sehingga
anda dapat, mengimbangi badai yang meruntuhkan kompetitor anda. Bencana
tentu saja tetap dapat menenggelamkan sebuah rencana terbaik, namun dengan
melakukan manajemen risiko secara serius akan dengan pasti meningkatkan
peluang sukses.
B. RUMUSAN MASALAH
1. Bagaimana distribusi probabilitas dalam manajemen resiko?
2. Bagaimana konsep pendekatan statistika dalam probabilitas?
C. TUJUAN
1. Untuk mengetahui distribusi probabilitas dalam manajemen resiko

1
2. Untuk mengetahui konsep pendekatan statistika dalam probabilitas

BAB II
PEMBAHASAN

2
A. PENGUKURAN RESIKO
Pengukuran resiko adalah usaha untuk mengetahui besar/kecilnya resiko yang
akan terjadi. Hal ini dilakukan untuk melihat tinggi rendahnya resiko yang dihadapi
perusahaan, kemudian bisa melihat dampak dari resiko terhadap kinerja perusahaan
sekaligus bisa melakukan prioritisasi resiko, resiko yang mana yang paling relevan.
Pengukuran resiko merupakan tahap lanjutan setelah pengidentifikasian resiko. Hal
ini dilakukan untuk menentukan relatif pentingnya resiko, untuk memperoleh
informasi yang akan menolong untuk menetapkan kombinasi peralatan manajemen
resiko yang cocok untuk menanganinya.
Adapun manfaat pengukuran resiko yaitu:
Untuk menentukan kepentingan relatif dari suatu risiko yang dihadapi. Untuk
mendapatkan informasi yang sangat diperlukan oleh Manajer Risiko dalam upaya
menentukan cara dan kombinasi cara-cara yang paling dapat diterima/paling baik
dalam penggunaan sarana penanggulangan risiko.
Dalam pengukuran resiko dimensi yang harus diukur:
a) Frekuensi atau jumlah kejadian yang akan terjadi
b) Tingkat kegawatan (severity)atau keparahan dari kerugian
Dari hasil pengukuran yang mencakup dua dimensi tersebut paling tidak diketahui:
a) Nilai rata-rata dari kerugian selama suatu periode anggaran.
b) Variasi nilai kerugian dari satu periode anggaran ke periode anggaran yang
lain naik-turunnya nilai kerugian dari waktu ke waktu.
Dampak keseluruhan dari kerugian-kerugian tersebut, terutama kerugian yang
ditanggung sendiri (diretensi), jadi tidak hanya nilai rupiahnya saja. Beberapa hal
yang perlu diperhatikan berkaitan dengan dimensi pengukuran tersebut, antara lain:
1) Orang umumnya memandang bahwa dimensi kegawatan dari suatu kerugian
potensial lebih penting dari pada frekuensinya.
2) Dalam menentukan kegawatan dari suatu kerugian potensial seorang Manajer
Risiko harus secara cermat memperhitungkan semua tipe kerugian yang dapat
terjadi, terutama dalam kaitannya dengan pengaruhnya terhadap situasi

3
 finansial perusahaan.
3) Dalam pengukuran kerugian Manajer Risiko juga harus memperhatikan orang,
harta kekayaan atau exposures yang lain, yang tidak terkena peril.
4) Kadang-kadang akibat akhir dari peril terhadap kondisi finansial perusahaan
lebih parah dari pada yang diperhitungkan, antara lain akibat tidak
diketahuinya atau tidak diperhitungkannya kerugian-kerugian tidak langsung.
5) Dalam mengestimasi kegawatan dari suatu kerugian penting pula diperhatikan
jangka waktu dari suatu kerugian, di samping nilai rupiahnya
a. Pengukuran frekuensi kerugian
Pengukuran frekuensi kerugian adalah untuk mengetahui berapa kali suatu
jenis peril dapat menimpa suatu jeis objek yang bisa terkena peril selama suatu
jangka waktu terentu, umumnya satu tahun.
Berdasarkan dimensi frekuensi, ada empat kategori kerugian, yaitu :
1) Kerugian yang hampir tidak mungkin terjadi ( almost nill), yaitu resiko yang
menurut pendapat manajer resiko atau kemungkinan terjadinya sangat kecil
sekali (probabilitas terjadinya mendekati nol).
2) Kerugian yang kemungkinan terjadinya kecil (sligth), yaitu risiko-risiko yang
tidak akan terjadi dalam waktu dekat dan dimasa yang akan datang
kemungkinannya pun kecil.
3) Kerugian yang mungkin (moderate), yaitu kerugian-kerugian yang mungkin
bisa terjadi dalam waktu yang dekat di masa yang akan datang.
4) Kerugian yang mungkin sekali (definite), yaitu kerugian yang biasanya terjadi
secara teratur, baik dalam waktu dekat maupun dimasa mendatang.

b. Pengukuran kegawatan kerugian

Pengukuran kerugian potensil dari dimensi kegawatan adalah untuk
mengetahui berapa besarnya nilai kerugian, yang selanjutnya dikaitkan dengan
pengaruhnya terhadap kondisi perusahaan, terutama kondisi finansialnya.
Dalam mengukur kegawatan kerugian potensil, ada tiga hal yang perlu
diperhatikan, yaitu:

4
 1) Kemungkinan kerugian maksimum dari setip peril, yaitu besarnya
kerugian terburuk dari suatu peril.
2) Probabilitas kerugian maksimum dari setiap peril, yaitu merupakan
kemungkinan terburuk yang mungkin terjadi, yang besarnya lebih
rendah dari kemungkinan kerugian maksimum.
3) Keseluruhan (agregate) kerugian maksimum setiap tahunnya, yang
merupakan keseluruhan kerugian total yang terbesar, yang dapat
menimpa perusahaan selama satu periode (biasanya satu tahun)
Berdasarkan demensi kegawatannya ada empat kategori kerugian
potensiil, yaitu:
1. Kemungkinan kerugian yang wajar (normal loss expectancy), ayitu
kerugian-kerugian yang dapat dikelola sendiri oleh perusahaan ataupun
oleh umum (perusahaan asuransi)
2. Probabilitas kerugian maksimum (probable maximum loss), yaitu
kerugian yang dapat terjadi bila alat pengaman terhadap peril tidak
dapat berfungsi.
3. Kerugian maksimum yang dapat diduga (maximum foreseeable loss),
yaitu kerugian-kerugian yang tidak dapat diatasi secara individual.
4. Kemungkinan kerugian maksimum (maximum possible loss), yaitu
kerugian-kerugian yang tidak dapat diamankan, baik secara individual
maupun secara umum (oleh perusahaan asuransi).
Pengukuran kerugian baik dari dimensi frekuensi dan kegawatan
berhubungan dengan kemungkinan (probabilitas) dari kerugian potensiil
tersebut. Untuk melakukan analisa terhadap kemungkinan dari suatu
kerugian potensiil perlu memahami prinsip dasar teori probabilitas.
Probabilitas adalah kesempatan atau kemungkinan terjadinya suatu
kejadian/ peristiwa.
a. Konsep “sample space” dan “event
Sample Space (Set S) merupakan suatu set dari kejadian tertentu yang
diamati. Misalnya: jumlah kecelakaan mobil di wilayah tertentu selama

5
 periode tertentu. Suatu Set S bisa terdiri dari beberapa segmen (sub set)
atau event (Set E). misalnya : jumlah kecelakaan mobil di atas terdiri dari
segmen mobil pribadi & mobil penumpang umum.
Untuk menghitung secara cermat probabilitas dari kecelakaan mobil
tersebut masing-masing Set E perlu diberi bobot. Pembobotan tersebut
biasanya didasarkan pada bukti empiris dari pengalaman masa lalu.
Misalnya : untuk mobil pribadi diberi bobot 2, sedang untuk mobil
penumpang umum diberi bobot 1, maka probabilitas dari kecelakaan mobil
tersebut dapat dihitung dengan rumus:
bila tanpa bobot : P (E) = E/S
bila dengan bobot : P (E) =
Keterangan : P (E) = probabilitas terjadinya event.
E = sub set atau event
S = sample space atau set
W = bobot dari masing-masing event

c. .Asumsi dalam probabilitas

 Bahwa kejadian atau event tersebut akan terjadi.
 Bahwa kejadian-kejadian adalah saling pilah, artinya dua event
tersebut (kecelakaan mobil pribadi dan mobil penumpang umum tidak
akan terjadi secara bersamaan.
Asumsi diatas membawa kita pada “hukum penambahan” yang
menyatakan bahwa total probabilitas dari 2 event atau lebih dari masing-
masing event yang saling pilah tersebut. Bahwa pemberian bobot pada
masing-masing event dalam set adalah positif, sebab besarnya probabilitas
akan berkisar antara event yang pasti terjadi probabilitasnya 1, sedangkan
event yang pasti tidak terjadi probabilitasnya 0.

d. Aksioma defenisi probabilitas.

Ada 3 aksioma probabilitas, yaitu :

6
  Probabilitas suatu event bernilai antara 0 dan 1.
 Jumlah hasil penambahan keseluruhan probabilitas dari event-event
(Set E) yang saling pilah dalam Set S adalah 1.
 Probabilitas suatu event yang terdiri dari sekelompok event yang saling
pilah dalam suatu Set S adalah merupakan hasil penjumlahan dari
masing-masing probabilitas yang terpisah.
e. Sifat probabilitas.
Probabilitas adalah merupakan aproksimasi. Sebab sangat jarang sekali terjadi
atau bahkan tidak mungkin kita dapat mengetahui besarnya probabilitas secara
mutlak (pasti sama dengan kenyataan). Yang kita dapatkan hanyalah suatu
perkiraan, yang mungkin benar dan mungkin juga tidak.
Jadi apa yang kita dapatkan dari suatu penelitian atau perhitungan berdasarkan
definisi probabilitas adalah merupakan ekspresi, yaitu sebagai prosentase total
exposure dalam rangka mendapatkan estimasi empiris dari probabilitas. Maka
dari itu probabilitas dari sudut empiris dipandang sebagai frekuensi terjadinya
event dalam jangka panjang, yang dinyatakan dalam prosentase.
Misalnya : apabila suatu event telah terjadi x kali dari jumlah n kasus dari
kemungkinan terjadinya event tersebut, maka probabilitas empirisnya adalah :
x/n. Namun probabilitas tersebut adalah menggambarkan data historis (apa
yang telah terjadi). Sedang kegunaannya untuk meramalkan kejadian/event
yang akan datang merupakan approksimasi/perkiraan saja; kecuali bila event
tersebut akan dengan sendirinya berulang persis seperti masa lalu. Suatu
situasi yang tampaknya sangat mustahil.
Selanjutnya perlu disadari bahwa untuk probabilitas, misalnya 2/5,
tidaklah berarti bahwa kejadiannya adalah sama apabila kasus atau jumlah
exposure/percobaannya kecil. Hal itu hanya akan terjadi apabila n nya sangat
besar atau mendekati tak terhingga (hukum bilangan besar), dimana x/n akan
dapat menghasilkan probabilitas empiris yang hampir tepat.

f. Event yang indefendent dan acak

7
 Suatu konsep yang sangat penting dalam probabilitas dan penerapannya
dalam asuransi adalah berkenaan kejadian/event yang sifatnya berdiri sendiri
atau independent. Artinya hasil dari suatu event dalam sekelompok
kemungkinan event tidak akan mempengaruhi penilaian tentang probabilitas
dari event yang lain.
Hal itu berlaku pula bagi percobaan, dimana hasil dari sejumlah
percobaannya juga dapat dianggap independent. Dalam kasus ini sample
space nya adalah serangkaian percobaan (Succesive trials) dan hasilnya
merupakan akibat yang dapat terjadi pada masing-masing percobaan.
Di samping itu event dalam suatu percobaan haruslah terjadi secara acak,
artinya masing-masing event mempunyai kesempatan atau probabilitas yang
sama. Prinsip keacakan dan ketidak-tergantungan event mempunyai peranan
yang sangat penting dalam asuransi, sebab Underwriter/perusahaan asuransi
akan berusaha untuk mengklasifikasikan unit-unit exposures ke dalam
kelompok-kelompok, dimana kejadian/kerugian dapat dianggap sebagai event
yang independent.
Dimana dengan cara ini maka jumlah pembebanan yang sama kepada
masing-masing anggota kelompok dapat dijustifikasi karena masing-masing
kelompok menyadari bahwa besarnya kemungkinan terjadinya kerugian
adalah sama, baik untuk dirinya sendiri maupun untuk orang lain.Suatu jenis
kerugian mungkin dapat diterima dua kali atau lebih oleh individu yang sama

g. Event yang berulang

Apabila kita mengetahui bahwa probabilitas akan terjadinya sesuatu dalam
satu kali percobaan adalah “p” dan probabilitas tidak terjadinya sesuatu adalah
“q”, yang besarnya sama dengan 1-p. (q=1-p). Berdasarkan prinsip ini maka
kita dapat menghitung besarnya probabilitas terjadinya suatu event selama r
kali dalam n kali percobaan, dengan menggunakan formula binominal.
Dimana formula binominal menggunakan konsep compound probability dan

8
 addative rule. Dengan menggunakan formula ini kita akan dapat menghitung
distribusi binominal (lihat statistik).
Distribusi binominal adalah merupakan salah satu dari teori probabilitas yang
digunakan dalam asuransi dan merupakan salah satu cara yang terpenting.
Dalam penggunaan distribusi binominal digunakan 3 asumsi :
1) Ada suatu event atau hasil yang bersifat saling pilah.
2) Probabilitas dari masing-masing event diketahui atau dapat diestimasi.
3) Karena masing-masing event berdiri sendiri, maka probabilitasnya
tidak akan berubah dari percobaan yang satu ke percobaan yang
lainnya, tetapi tetap konstan, karena probabilitas terjadinya event sudah
diketahui dan hanya terdapat dua event, maka probabilitas tidak
terjadinya event adalah 1 – probabilitas terjadinya event (q = 1 – p).
h. Nilai harapan (expected value)
Expected value dari suatu event dapat ditentukan dengan membuat tabel (tabel
binominal) untuk hasil-hasil yang mungkin diperoleh dari menilai masing-
masing hasil tersebut berdasarkan probabilitasnya. Dengan menjumlahkan
hasil dari masing-masing event tersebut akan diperoleh expected valuenya.
Contoh: diketahui bahwa dari 100 buah rumah kemungkinan terbakarnya satu
rumah adalah 27% dan rata-rata kerugian untuk setiap kebakaran adalah Rp
100.000.000,-.
Maka expected lossnya adalah Rp 27.000.000,- (27% x Rp 100.000.000,-).
Bila kemungkinan terbakarnya dua rumah adalah 19%, maka expected
lossnya: Rp. 38jt (19%x2xRp100.000.000,-). Sehingga expected loss untuk
satu rumah sebesar Rp 19jt. Kemudian bila kemungkinan terbakarnya sepuluh
rumah adalah sebesar 1% maka expected lossnya adalah 1% x 10 x Rp
100.000.000,- = Rp 10 jt
Maka expected loss untuk satu rumah sebesar Rp 1.000.000,-
i. Konsep expected value
Konsep expected value sering ditemui terutama di dunia bisnis. Misalnya:
seorang kontraktor diminta membangun sebuag gedung dimana jika semuanya

9
 berjalan baik ia akan mendapat keuntungan sebesar Rp 10.000.000.000,
Karena menyadari selalu ada hal-hal yang tidak terduga, maka probabilitas utk
mendapatkan keuntungan diperkirakan hanya 80%, dimana yang 20% adalah
pengeluaran-pengeluaran yang tidak terduga.
Jadi expected value dari pekerjaan tersebut sebesar Rp 6.000.000.000,-
Dalam distribusi binomial jumlah keseluruhan expected long frequency
(frekuensi kerugian yang diperkirakan dalam jangka panjang) dikalikan
dengan besarnya nilai kerugian (Rp) untuk setiap kerugian.

j. Penafsiran tentang probabilitas

1) Peristiwa yang saling bebas (mutually exclusive event ). Dua peristiwa
atau lebih dikatakan saling lepas apabila terjadinya peristiwa yang satu
menyebabkan tidak terjadinya peristiwa yang lain. P(A atau B) = P(A)
+ P(B).
2) Peristiwa yang inklusif Peristiwa yang inklusif adalad dua peristiwa
atau lebih yang tidak mempunyai hubungan saling bebas dimana kita
ingin mengetahui probabilitas terjadinya paling sedikit satu peristiwa
diantara dua atau lebih peristiwa tersebut. P (A atau B) = P(A) + P(B) –
P(A dan B)
3) Compound Events. Compount events adalah terjadinya dua atau lebih
peristiwa terpisah selama jangka yang sama.
 Compound events yang bebas ( independent). Dua peristiwa
atau lebih dikatakan peristiwa bebas jika terjadinya salah satu
tidak ada hubungannya dengan lain. P(A dan B) = P(A) X P(B)
 Compound events bersyarat (conditionl compount events). Dua
peristiwa atau lebih dima terjadinya peristiwa yang satu akan
mempengaruhi terjadinya peristiwa yang lain. P(A dan B) =
P(A)X P(B/A)
Distribusi Probabilitas.
1) Distribusi Binomial. Distribusi binomial adalah distribusi probabilitas

10
 dengan variabel diskrit, mempunyai ciri-ciri :
 Banyaknya percobaan adalah tetap
 Setiap percobaan mempunyai dua hasil yaitu sukses-gagal, ya-
tidak
 Probabilitas sukses sama pada setiap percobaan.
 Hasil percobaan yang satu tidak mempengaruhi hasil percobaab
lainnya
2) Distribusi Poisson. Distribusi poisson merupakan distribudi yang
bervariabel diskrit., yang mempunyai nilai n yang besar dan nilai p
yang kecil.
3) Distribusi Normal. Distribusi normal mempunyai variabel kontinu.
Mempunyai ciri-ciri sbb :
 Kurve normal berbentuk lonceng atau simetris, sisi kiri dan sisi
kanan tidak mempunyai batas
 Distribusi normal memiliki dua parameter yaitu rata-rata dan
standar deviasi
 Nilai tertinggi (puncak)kurve adalah rata-rata
 Luas total kurve normal adalah 1

B. Tekhnik Pendekatan Statistika.

1. Pengukuran resiko dengan distribusi probabilitas.

Digunakan sebagai gambaran kualitatif dari peluang atau frekuensi.

Kemungkinan dari kejadian atau hasil yang spesifik, diukur dengan rasio
dari kejadian atau hasil yang spesifik terhadap jumlah kemungkinan
kejadian atau hasil. Probabilitas dilambangkan dengan angka dari 0 dan
1, dengan 0 menandakan kejadian atau hasil yang tidak mungkin dan 1
menandakan kejadian atau hasil yang pasti.

1) Konsep probabilitas.

11
 Dalam menjelaskan konsep mengenai konsep probabilitas kita
awali dengan konsep mengenai “sample space”(lingkup
kejadian) dan event suatu kejadian atau peristiwa. Bayangkanlah
sutu set, S dari kemunkinan kejadian atau hasil dari kejadian
tertentu. Set, S tersebut munkin saja berupa daftar dari jumlah
tabrakan kendaraan disuatu wilayah tertentu, tahun tertentu. Set
seperti inilah yang kita sebut dengan sample space. Untuk
mengetahui besar kemunkinan terjadinya suatu perisiwa, maka
kita bisa menggunakan rumus :

2) Notional Risiko diukur berdasarkan nilai eksposur Contohnya,

pengukuran risiko kredit dengan metode notional. Jika
perusahaan meminjamkan uang kepada pihak lain senilai Rp 2
milyar, maka besarnya risiko kredit berdasarkan pendekatan
notional adalah Rp 2 milyar.

3) Sensitivitas Risiko diukur berdasarkan seberapa sensitif suatu

eksposur terhadap perubahan faktor penentu. Contoh paling
populer adalah risiko aset keuangan atau sekuritas, yang diukur
berdasarkan sensitivitas tingkat pengembalian (return) aset yang
bersangkutan terhadap perubahan tingkat pengembalian pasar.
Ukuran ini dikenal sebagai Beta Pasar. Contoh lain adalah
degree of operating leverage (DOL), yang mengukur sensitivitas
laba operasi terhadap perubahan penjualan. DOL digunakan
sebagai ukuran risiko bisnis.

4) Volatilitas Risiko diukur berdasarkan seberapa besar nilai

eksposur berfluktuasi. Ukuran yang umum adalah standar
deviasi. Semakin besar standar deviasi suatu eksposur, semakin
berfluktuasi nilai eksposur tersebut, yang berarti semakin
beresiko eksposur atau aset tersebut.

12
 5) Pendekatan VaR ( value at risk ), risiko diukur berdasarkan
kerugian maksimum yang bisa terjadi pada suatu aset atau
investasi selama periode tertentu, dengan tingkat keyakinan
( level of confidence ) tertentu. Untuk mengukur risiko dengan
pendekatan VaR, diperlukan data standar deviasi dan skor Z dari
tabel distribusi normal. Contoh: diketahui standar deviasi dari
suatu aset bernilai Rp 1 juta adalah 2,4%. Pada tingkat
keyakinan 95%, skor Z-nya adalah 1,645. Maka besarnya risiko
(dalam nilai Z) adalah 0,024 x 1,645 = 0,040. Jika nilai Z
tersebut dikembalikan ke nilai awalnya menjadi 0,040 x Rp 1
juta = Rp 40 ribu.

6) Matriks frekuensi dan signifikansi risiko. Teknik pengukuran

yang cukup sederhana ( tidak terlalu melibatkan kuantifikasi
yang rumit ) adalah mengelompokkan risiko berdasarkan dua
dimensi yaitu frekuensi dan signifikansi. Terdapat 2 hal dalam
proses tersebut yaitu :

a. Mengembangkan standar risiko.

b. Menerapkan standar tersebut untuk risiko yang telah

diidentifikasi.

2. Analisis skenario

Kemampuan manajer/perusahaan untuk memprediksi apa yang akan

terjadi, dan berapa besarnya kerugian yang diperoleh. Example: Teknik
pengukuran berbeda tingkat kecanggihannya (tingkat kuantifikasi ),
dalam artian beda tipe resiko beda juga tekhnik yang digunakan.
Berikut contoh tehnik untuk beberapa resiko.
Risiko pasar Harga pasar bergerak kea rah yang tidak
menguntungkan ( merugikan ) Value at Risk ( VAR ). Risiko kredit

13
 Counterparty tidak bisa membayar kewajibannya gagal bayar ) ke
perusahaan Credit rating, creditmetrics. Risiko perubahan tingkat
bunga tingkat bunga berubah yang mengakibatkan kerugian pada
portopolio perusahaan Metode pengukuran jangka waktu, durasi
Risiko operasional Kerugian yang terjadi melalui operasi
perusahaan ( misal system yang gagal, serangan teroris ) Matriks
frekuensi dan signifikansi kerugian, VAR Operasional Risiko kematian
Manusia mengalami kematian dini ( lebih cepat dari usia kematian
wajar ) Probabilitas kematian dengan table mortalitas. Risiko
kesehatan Manusia terkena penyakit tertentu Probabilitas terkena
penyakit dengan menggunakan table morbiditas. Risiko teknologi
Perubahan teknologi mempunyai konsekuensi negative terhadap
perusahaan.

BAB III
PENUTUP

Kesimpulan

Manajemen resiko sangat berpengaruh penting terhadap stabilitas sebuah

14
perusahaan. Didalam perusahaan sangat banyak sekali probabilitas yang
mungkin terjadi. Maka dari itu probabilitas yang akan terjadi harus
dimanajemen dengan baik dengan beberapa pendekatan yang sudah
dijelaskan. Hal ini perlu dilakukan untuk mengetahui bagaimana perusahaan
memahami dan menyelesaikan permasalah probabilititas yang terjadi didalam
perusahaan.

DAFTAR PUSTAKA

15
Drs D.Herman, Manajemen resiko,cet.12; Jakarta: Bumi Aksara. 2010
http://agungfaris.wordpress.com/2012/10/23/pengukuran-resiko/
Ferdinan Silalahi, Manajemen Resiko dan Asuransi, Gramedia Pustaka Utama,Jakarta.
http://nonnababybelle.blogspot.com/2012/05/manajemen-risiko-pengukuran-
risiko.html

16