BUSINESS QUANTITATIVE

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 :

Cara untuk memahami suatu populasi

berdasarkan informasi yang diperoleh
dari sampel Population

Shaded area Sampling

represents probability Inference
P(X < x)

Deviasi dari rata-rata

karena sampling error Sample
MENGUKUR PROBABILITAS

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

Contoh: b. P (x>1) = 1 – P(1) – P(0)

31 𝑒 −3 3. 0,0498
Rata-rata 3 polis asuransi terjual dalam satu minggu. P(1)= = = 0,1494
1! 1!

P (x>1) = 1 – 0,1494 – 0,0498 = 0,8008 = 80,08%

a. Berapa kemungkinan polis tidak terjual?

b. Berapa kemungkinan polis terjual lebih dari 1?

c. P (2>= x >5) = P(2) + P(3) + P(4)
c. Berapa kemungkinan polis terjual 2 atau lebih 32 𝑒 −3 33 𝑒 −3 34 𝑒 −3
= + + = 0,2240 + 0,2240
2! 3! 4!
tapi kurang dari 5?
+ 0,1680 = 0,6160 = 61,60%
MENGUKUR PROBABILITAS

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 !

q = kemungkinan gagal (1-p)

n = jumlah kejadian
x = jumlah “sukses” dari n percobaan
MENGUKUR PROBABILITAS

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:

Untuk mengetahui kemungkinan terjadinya

kekeringan di hutan kota yang baru pada musim
kemarau tahun depan, diwawancarai 3 orang
expert. E1 = 30%, E2 = 50% , E3 = 10%.

Berapa probabilitas terjadinya kekeringan tersebut?

Probabilitas = (10+(4x30)+50)/6 = 30%

 Quiz
Click the Quiz button to edit this object

Cocokkan metode perhitungan ini dengan jenis data yang

sesuai !
(satu metode bias digunakan oleh lebih dari satu jenis data)

Binomial Diskrit
Aproksimasi Diskrit dan Kontinu
Z-Score ontinu
TERIMA KASIH