MODUL 1 SESI 2
Disclaimer :
© 2019 PPM MANAJEMEN. Hak cipta dilindungi oleh Undang-Undang dan mengacu kepada hukum perundang-
undangan hak cipta yang berlaku di Indonesia. Dilarang memperbanyak dan menyebarluaskan sebagian dari isi atau
seluruhnya dalam bentuk dan dengan cara apa pun juga, baik secara mekanis maupun elektronis, termasuk fotokopi,
rekaman, dan lain-lain tanpa seizin PPM MANAJEMEN.
Sesi 2 PROBABILITAS
Basic Quantitative Method in Risk Management
STATISTIK :
1. Z-Score
2. Poisson
3. Binomial
4. Approksimasi (rata-rata tertimbang)
MENGUKUR PROBABILITAS
1. Z-Score
Untuk mengukur probabilitas pada data kontinu, terdistribusi
normal, dan merupakan data penyimpangan
𝒙 −𝒙 s = standar deviasi dari sampel
z=
𝒔
xi = nilai data ke – I dari sampel
𝑥 = rata-rata sampel
Contoh:
Data berat beras per karung (kg) = 24|24,5|25|25,5|25
Berapa kemungkinan beras yang terjual mempunyai berat < 24kg
Diketahui nilai standar deviasi (s) = 0,57 dan rata-rata (𝑥) = 24,8
24 −24.8
Maka: z = 0.57
= -1.40
Didapatkan nilai z =
-1,40
Karena didapatkan angka 0,0808 dari tabel,
berarti luas area probabilitas adalah 0,0808 atau
P-1,40 = 8,08%
x
x
Berapa kemungkinan beras yang terjual mempunyai berat < 24kg? P-1,40 = 8,08%
MENGUKUR PROBABILITAS
2. POISSON
data diskrit, dan berbatas waktu
Jawab:
𝜇=3
𝜇 𝑥 .𝑒 −𝜇 P(x) = kemungkinan terjadi peristiwa x
P(x) = 30 𝑒 −3 1 . 0,0498
𝑥! e = 2,718 a. P (0) = = = 4,98%
0! 1
𝜇 = rata-rata kejadian dalam batasan tertentu
3. BINOMIAL
data diskrit
tiap kejadian independen
tiap kejadian ada kemungkinan “sukses” atau “gagal”
𝑛!
b=( ) 𝑝 𝑥 𝑞 𝑛−𝑥 p = kemungkinan sukses
𝑥! 𝑛−𝑥 !
Contoh:
Menurut catatan, selama ini 75% peserta yang diuji berhasil
lulus. Jika sebuah perusahaan mengirim 5 peserta. Berapa
probabilitas satu orang peserta gagal?
Jawab:
- kegagalan ini dianggap sebagai variable “sukses”
- p = 0,25 karena tingkat kelulusan = 75%
- q = 0,75
-n=5 𝑛!
b = (𝑥! 𝑛−𝑥 !) 𝑝𝑥 𝑞 𝑛−𝑥
-x=1
5!
b = (1! 5−1 !) 0,251 .0,755−1
b = 0,3955 = 39,55%
MENGUKUR PROBABILITAS
4. APROKSIMASI (RATA-RATA TERTIMBANG)
data bisa diskrit maupun kontinu, tidak ada data historis
𝑃+4𝑀+𝑂
• Probabilitas =
6 P = Pesimistis
M = Most-likely
O = Optimistis
Contoh:
Binomial Diskrit
Aproksimasi Diskrit dan Kontinu
Z-Score ontinu
TERIMA KASIH