NAMA : MADE RAMA ANANDA

NIM : 18021122
KELAS : A3D
MATKUL : FARMAKOEKONOMI

Tugas Analisis Sensitivity

A. Analisis Sensitivitas Satu Arah

1. Definisi
Analisis sensitivitas satu arah atau one-way analisis sensitivity
dilakukan dengan mengubah satu variabel dalam kisaran yang
memungkinkan dengan menjaga variabel yang lainnya konstan. Analisis
sensitivitas satu arah adalah analisis sensitivitas yang paling sederhana
dengan cara menghitung REB dengan pengurangan dan penambahan
persentase dari total biaya. (Andronis, L., et al., 2009)
Analisis sensitivitas satu arah dilakukan untuk menguji sensitivitas
biaya (menggunakan variasi +/- 25%). Variasi 25% dalam biaya dipilih
untuk menentukan seberapa sensitive data untuk mengalami perubahan.
(Andronis, L., et al., 2009)
2. Contoh
Menganalisis biaya penggunaan seftriaxon antara generic A dan B
pada pasien kanker payudara di Rumah Sakit Kanker Dharmais Jakarta
selama tahun 2012. Variabel bebas pada penelitian ini yaitu jenis
seftriaxon (generic A dan B) dan indikasi (infeksi kemoterapi pasca
pembedahan dan pasca kemoterapi), sedangkan variable terkait yaitu total
biaya medis langsung dan efektivitas seftriaxon yang dihitung berdasarkan
lama hari penggunaan seftriaxon. (Mutiara, J., et al., 2013)

B. Analisis Sensitivitas Dua Arah atau Lebih

1. Definisi
Analisis sensitivitas dua arah adalah analisis sensitivitas yang
melakukan perubahan atau variasi terhadap dua parameter. Analisis ini
 merupakan perpanjangan dari analisis sensitivitas satu arah. Analisis ini
mengakui bahwa mungkin ada lebih dari satu parameter tidak pasti dalam
model, dan melibatkan variasi dua atau lebih input nilai pada saat yang
sama. (Andronis, L., et al., 2009)
2. Contoh
Analisis Efektivitas Biaya Terapi Penggunaan Antibiotik
Profilaksis Cefazoline Dan Amoxicillin Pada Kasus Bedah Sesar Di Rsud
Jombang Tahun 2017. Analisis dilakukan dengan menganalisis variable
terhadap 2 parameter. (Wika, A., et al., 2019)

C. Analisis Ambang Batas (Threshold Analysis)

1. Definisi
Analisis ambang batas berkaitan dengan mengidentifikasi nilai
kritis parameter di atas atau di bawah yang membuat kesimpulan dari
sebuah penelitian akan berubah. Salah satu keuntungan dari bentuk
analisis sensitivitas ini adalah bahwa ia cocok untuk grafis presentasi.
Tujuan dari analisis ini adalah untuk mengidentifikasi input nilai, dari satu
atau lebih parameter, di atas atau di bawah yang hasil analisisnya
mendukung suatu intervensi. (Briggs, A., et al, 1994)
Keterbatasan analisis ambang batas adalah bahwa hal itu dapat
hanya digunakan untuk menangani ketidakpastian dalam variabel kontinu,
yang biasanya berarti bahwa itu hanya berguna untuk menghadapi
ketidakpastian dalam input data. Selanjutnya, bahkan ketika ketidakpastian
dalam data berkelanjutan sedang ditangani, ada kekurangan karena aturan
keputusan digunakan dalam beberapa jenis evaluasi ekonomi. Dengan
analisis minimalisasi biaya, ambang batas dapat dengan mudah ditentukan
saat menganalisis ketidakpastian dalam satu atau lebih variabel, itu
menjadi titik di mana biaya intervensi hanya kurang dibandingkan dengan
komparatornya. Posisi serupa ada mengenai analisis biaya-manfaat, di
mana fokus khusus adalah titik di mana sebuah teknologi menawarkan
keuntungan bersih. Namun, analisis efektivitas biaya dan utilitas biaya
sering kali berusaha untuk mengestimasi biaya tambahan untuk rasio efek
 yang ambang batas tidak dapat dengan mudah diidentifikasi kecuali ada
adalah titik batas yang telah ditentukan sebelumnya dalam tabel liga di
bawah mana teknologi tidak lagi hemat biaya. Meskipun titik potong
seperti itu telah disarankan, mereka tidak diterima secara umum. (Briggs,
A., et al, 1994)
2. Contoh
Dalam sebuah penelitian yang membandingkan efek dari dua jenis
kemoterapi untuk sel besar difus limfoma, penulis pertama-tama
mengidentifikasi keduanya variabel tidak pasti yang hasil analisisnya
paling sensitif menggunakan sensitivitas sederhana analisis, dan kemudian
diplot grafik dari keduanya variabel terhadap ukuran efektivitas dalam
untuk mengidentifikasi titik ambang di mana satu pengobatan menjadi
lebih disukai daripada yang lain. Analisis ambang batas sangat berguna
ketika parameter tak tentu, seperti harga obat dalam penelitian yang
dilakukan sebelum obat dipasarkan. Misalnya, dalam evaluasi ekonomi
obat antiemetik baru yang harganya belum ditentukan, penulis melakukan
dua analisis ambang alternatif sehubungan dengan harga obat baru : harga
yang akan menyamakan biaya yang diharapkan dari dua terapi di bawah
perbandingan; dan harga yang akan menyamakan rasio efektivitas biaya
rata-rata. (Briggs, A., et al, 1994)

D. Analisis Skenario
1. Definisi
Analisis scenario adalah teknik analisis yang mempertimbangkan
sensitivitas NPV terhadap perubahan variable penting dan juga
kemungkinan nilai variable yang terjadi (menjadi actual). Dalam analisis
scenario analisis keuangan akan meminta memilih serangkaian keadaan
terburuk misalnya penjualan rendah, harga jual rendah, biaya variable per
unit tinggi dll serta serangkaian keadaan baik. Kemudian NPV dalam
kondisi buruk dan kondisi baik dikalkulasi untuk dibandingkan dengan
yang diharapkan atau dijadikan dasar keputusan, yakni NPV. (Briggs, A.,
et al, 1994)
 2. Contoh
Berdasarkan analisis skenario yang dilakukan dari proyeksi laporan
keuangan PT XYZ dengan menggunakan tiga asumsi skenario yaitu
kondisi optimis, kondisi normal dan kondisi pesimis, maka perolehan hasil
perhitungan untuk payback period adalah 3,17 tahun untuk kondisi optimis
dan lebih dari 10 tahun untuk kondisi pesimis. Discounted payback period
memperoleh hasil 4,30 tahun kondisi optimis dan lebih dari 10 tahun untuk
kondisi pesimis. Indeks profitabilitas memperoleh hasil 2,82 untuk kondisi
optimis dan 0,35 untuk kondisi pesimis. Perhitungan IRR untuk kondisi
optimis adalah sebesar 42% sedangkan untuk kondisi pesimis dengan arus
kas yang bersifat abnormal maka digunakan metode MIRR yang
memperoleh hasil 5%, dimana angka ini masih jauh lebih kecil dari
presentase biaya modal yaitu sebesar 16%. Perhitungan NPV dilakukan
dengan memberikan bobot probabilitas untuk masing-masing skenario,
yang memperoleh hasil positif sebesar Rp. 444.383.421. (Novie, 2012)
E. Simulasi Monte Carlo dan Analisis Bootsrapping
1. Definisi
Simulasi Monte Carlo adalah suatu metode untuk mengevaluasi
secara berulang suatu model deterministik menggunakan himpunan
bilangan acak sebagai masukan. Simulasi ini melibatkan penggunaan
angka acak untuk memodelkan sistem, dimana waktu tidak memegang
peranan yang substantif (model statis). Simulasi Monte Carlo berisi
simulasi berulang proses acak yang dikaitkan dengan harga dan suku
bunga pasar. Metode ini sering digunakan jika model yang digunakan
cukup kompleks, non linear atau melibatkan lebih dari sepasang parameter
tidak pasti. (Mawarti, L., 2017)
Bootstrap adalah prosedur statistika yang melakukan sampling dari
sebuah populasi yang dikerjakan dengan cara resampling dari sampel. Ada
dua cara yang bisa digunakan yaitu sampel diambil dengan pengembalian
dan sampel diambil tanpa pengembalian. Dasar pendekatan Bootstrap
adalah dengan memperlakukan sampel sebagai populasi dan dengan
menggunakan sampling Monte Carlo untuk membangkitkan dan
 mengkonstruksi estimator empiris dari distribusi sampling statistik.
Distribusi sampling dapat dipandang sebagai harga-harga statistik yang
dihitung dari sejumlah tak terhingga sampel random berukuran n dari
suatu populasi yang diberikan. (Mawarti, L., 2017)
2. Contoh
Analisis Simulasi Monte Carlo VAR (Value at Risk) dan
Maximum Entropy Bootstrap untuk Menghitung Total Loss pada Kasus
PT.X, dimana dalam perhitungan tersebut menggabungkan distribusi
severitas dan frekuensi kejadian sebagaimana ungkapan dari simulasi
Monte Carlo Samad-Khan. Namun nilai yang dihasilkan cukup tinggi
sehingga dapat membebani finansial perusahaan. Oleh sebab itu perlunya
perhitungan untuk menghitung potensi kerugian rata-rata. Dilakukanlah
fitting distribution untuk menyesuaikan distribusi severitas data,
sedangkan distribusi frekuensi yang digunakan adalah distribusi poisson.
Sebaran distribusi akan diambil parameternya, kemudian parameter kedua
distribusi tersebut akan digunakan pada simlasi Monte Carlo.
Penggabungan tersebut membangkitkan bilangan random yang menjadi
konsep dasar dari simulasi Monte Carlo. Data yang tersedia cukup terbatas
untuk menggambarkan sebaran distribusi, maka dari itu digunakan
bootstrap dengan maximum entropy bootstrap atau MEBoot untuk
simulasi dan mereplikasi data. (Bachtiar R., et al., 2021)
 DAFTAR PUSTAKA

Andronis, L., et al., (2009). Sensitivity analysis in economic evaluation: an audit

of NICE current practice and a review of its use and value in decision-
making. Health Technology Assessment 2009; Vol. 13: No. 29.

Bachtiar R., et al., (2021). Analisis Simulasi Monte Carlo VAR (Value at Risk) dan
Maximum Entropy Bootstrap untuk Menghitung Total Loss pada Kasus
PT.X. Seminar dan Konferensi Nasional IDEC 2021.

Briggs A, Sculpher M, Buxton M., (1994). Uncertainty in the economic

evaluation of health care technologies: the role of sensitivity analysis.
Health Econ 1994 ; 3:95–104.

Mawarti, L., (2017). Perbandingan Uji Hasil Simulasi Monte Carlo Dan Simulasi
Bootstrap Dalam Analisis Investasi Saham Untuk Menghitung Nilai Value
At Risk (Var) Data. Semarang : Jurusan Matematika Fakultas Matematika
Dan Ilmu Pengetahuan Alam, Universitas Negeri Semarang.

Mutiara, J., et al., (2013). Efektivitas-Biaya Seftazidim Generik A dan B pada

Pasien Kanker Payudara di Rumah Sakit Kanker Dharmais Jakarta Tahun
2012. Jakarta : Faculty of Pharmacy, Universitas Indonesia.

Novie, (2012). Analisis Capital Budgeting Untuk Pengambilan Keputusan

Peluncuran Produk Obat Batuk ABC di PT XYZ. Jakarta : Fakultas
Ekonomi, Program Studi Magister Manajemen Kekhususan Manajemen
Keuangan, Universitas Indonesia.

Wika, A., et al., (2019). Analisis Efektivitas Biaya Terapi Penggunaan Antibiotik
Profilaksis Cefazoline Dan Amoxicillin Pada Kasus Bedah Sesar Di Rsud
Jombang Tahun 2017. Jurnal Wiyata, Vol. 6 No. 1 Tahun 2019.