Ekotek MK.10

1
MODUL PERKULIAHAN
Ekonomi Teknik
(Ekotek)
Topik :
Pemilihan Keputusan
Analisis Akan Datang (NADB)
Abstract Kompetensi
Modul ini menjelaskan konsep ekonomi Mahasiswa dapat dan mampu
teknik terkait dgn teknik analisis akan menjelaskan kembali terkait ekonomi
datang yang terdiri dari nilai masa teknik dgn teknik analisis akan datang
depan, rasio manfaat-biaya, periode yang terdiri dari nilai masa depan, rasio
pengembalian, serta analisis
sensitivitas, impas, dan bagaimana manfaat-biaya, periode pengembalian,
penerapannya dlm investasi. serta analisis sensitivitas, impas, dan
bagaimana penerapannya dlm
investasi.
Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh
10
Teknik Teknik Industri 16403 Ir Muhammad Kholil, MT.,Ph.D.,IPU
1. Tujuan Pembelajaran
1. Memahami tentang bagaimana konsep analisis akan datang.
2. Mengetahui cara analisis menggunakan rasio manfaat-biaya
3. Pentingnya memahami perhitungan pengambilan keputusan ekonomi
4. Mengetahui definisi, manfaat dan resiko dalam pengambilan keputusan.
5. Memahami urutan metode pengambilan keputusan ekonomi teknik.
2. Pendahuluan
2.1 Pendahuluan
Banyak teknik analisis yang digunakan sebagai parameter untuk mencari nilai dalam
ekonomi teknik. Kali ini, empat topik teknik analisis lainnya yang akan ditelaah lebih
lanjut, yaitu: analisis nilai masa depan, analisis rasio manfaat-biaya, periode
pengembalian, dan analisis sensitivitas, impas, dan bagaimana jika. Analisis nilai
masa depan (NADB) kurang lebih sama dengan analisis nilai sekarang (NSB), yang
berurusan dengan masa depan dibandingkan situasi masa kini. Sebelumnya,
hubungan analisis ekonomi ditulis sebagai:
atau
2.2 Analisis Nilai Masa Depan

Dalam analisis nilai sekarang, alternatif dibandingkan dengan konsekuensi di masa
kini. Pada analisis arus kas tahunan, perbandingannya diengan ekuivalen seragam
tahunan biaya/manfaat. Ketika perbandingan antara alternatif akan dibuat di masa
depan berdasarkan tindakan tertentu yang diambil sekarang, analisis perhitungannya
disebut nilai masa depan (NADB).
2.3 Analisis Rasio Manfaat-Biaya

Teknik ini didasarkan pada rasio manfaat terhadap biaya baik menggunakan nilai
sekarang atau perhitungan arus kas tahunan. Metodenya adalah secara grafis mirip
dengan analisis nilai sekarang (NSB). Ketika baik input maupun output tidak tetap,
rasio manfaat-biaya tambahan (B/C) diperlukan. Metodenya mirip dengan tingkat
analisis pengembalian. Analisis rasio manfaat-biaya sering kali digunakan di berbagai
tingkat pemerintahan.
2023_MK.10 Ekonomi Teknik

2 Ir Muhammad Kholil, MT.,Ph.D.,IPU
Biro Bahan Ajar eLearning dan MKCU
http://pbael.mercubuana.ac.id/
1. Periode Pengembalian
Di sini kita mendefinisikan payback period/periode pengembalian sebagai periode
waktu yang diperlukan untuk keuntungan atau manfaat lain dari suatu investasi untuk
menyamai biaya investasi. Meskipun mudah digunakan dan dipahami, periode
pengembalian adalah teknik analisis yang buruk untuk alternatif peringkat. Walaupun
memberikan pengukuran kecepatan dari pengembalian investasi, itu bukan
merupakan alat yang akurat untuk mengukur profitabilitas suatu investasi.
3. Landasan Teori
1. Analisis Nilai Masa Depan
Sebagian besar perangkat komputasi, dari laptop ke pemutar musik ke ponsel
telepon, sedang dilengkapi dengan teknologi yang memungkinkan pengguna untuk
menjalankan berbagai macam produk. Konsumen dapat mengunduh dan menginstal
aplikasi langsung dari Internet, dan perusahaan mengandalkan kemampuan ini untuk
menjangkau sebagai khalayak seluas mungkin. Sayangnya, mengembangkan produk
yang berjalan di banyak platform menambahkan banyak ketidakpastian pada proses
pengembangan produk.
Tentara telah melisensikan beberapa perangkat lunak virtual produk lingkungan
yang akan digunakan untuk pelatihan, pendidikan, dan penjangkauan yang diperlukan
untuk beroperasi pada banyak arsitektur produk. Pengembang produk harus
membangun lingkungan perangkat lunak sehingga klien dapat menggunakannya di
berbagai konfigurasi PC dan Internet yang berbeda kecepatan. Dalam lingkungan
tertutup, di mana setiap PC memiliki konfigurasi yang sama persis, pengujian
gampang. Namun, perangkat lunak yang dimaksudkan untuk didistribusikan ke publik
harus dapat berjalan di semua konfigurasi PC umum.
Salah satu proyek paling sukses adalah Angkatan Darat Amerika. Seri video game
dikembangkan untuk membantu Angkatan Darat AS dengan hubungan masyarakat
dan perekrutan. Sejak rilis pertamanya pada tahun 2002, Angkatan Darat Amerika
telah memiliki lebih dari dua lusin versi yang dirilis. Seperti sebagian besar proyek
pengembangan perangkat lunak, setiap versi Angkatan Darat Amerika telah
meluangkan waktu dan keterbatasan anggaran pada manajer proyek. Siklus
pengembangan perangkat lunak yang khas memungkinkan untuk tweak kecil dan
perbaikan bug sebelum rilis produk. Namun, ada kalanya test mengungkapkan
masalah kritis yang membutuhkan lebih banyak sumber daya untuk diperbaiki.

Sebagian besar waktu, sumbernya masalah kritis, seperti patch sistem operasi yang
menciptakan perubahan besar dalam cara aplikasi mengakses sistem, berada di luar
kendali tim pengembangan.
Ketika tambalan dan peningkatan diumumkan dan dirilis, tidak pasti apakah akan
ada menjadi masalah dan seberapa signifikan masalah tersebut. Kompleksitas
perangkat lunak juga dapat mempengaruhi ketidakpastian dalam proyek. Beberapa
proyek kecil, seperti meningkatkan performa kendaraan dalam game, mungkin hanya
perlu beberapa minggu untuk diselesaikan. Proyek lain, seperti menambahkan
skenario pelatihan baru, bisa memakan waktu beberapa bulan dan membutuhkan
selusin atau lebih programmer. Skenario pelatihan baru yang besar mungkin juga
memerlukan programmer untuk mengembangkan berbagai medan, kendaraan yang
berbeda, dan berbagai peralatan baru jenis untuk tentara; semua upaya pemrograman
ini memerlukan pengujian ekstensif dan menambah ketidakpastian dalam
penganggaran dan penjadwalan proyek.
Pertanyaan-pertanyaan yang menarik dalam hal ini diantaranya:
1) Sebagai pengembang perangkat lunak, bagaimana Anda mengukur
ketidakpastian secara spesifik? upaya pengembangan perangkat lunak?
2) Bagaimana Anda memperkirakan dampak pada jadwal dan biaya proyek
Anda ketika Anda harus berurusan dengan ketidakpastian dalam program
pengujian perangkat lunak Anda?
3) Jumlah aplikasi baru untuk perangkat lunak telah meningkat secara
dramatis selama dekade terakhir. Jika Anda mengembangkan produk
perangkat lunak baru, bagaimana Anda mempersiapkannya? tidak hanya
untuk memenuhi semua aplikasi hari ini tetapi juga untuk menghadapi
masa depan yang tidak terduga aplikasi?
4) Bagaimana Anda secara ekonomi membenarkan proyek-proyek yang
hasilnya dalam perekrutan yang lebih baik? dan pelatihan daripada
pendapatan dari penjualan produk?
Jalur perakitan dibangun setelah analisis ekonomi teknik menunjukkan bahwa
permintaan produk yang diantisipasi akan menghasilkan keuntungan. Motor baru,
penukar panas, atau unit filtrasi dipasang setelah analisis menunjukkan bahwa
penghematan biaya di masa depan akan secara ekonomis membenarkan biaya saat
ini. Jalan baru, sekolah, atau fasilitas umum lainnya dibangun setelah analisis
menunjukkan bahwa permintaan masa depan dan manfaat membenarkan biaya saat
ini untuk membangun. Namun, kinerja masa depan dari jalur perakitan, motor, dan
sebagainya tidak pasti, dan permintaan untuk produk atau fasilitas umum semakin
tidak menentu.

ESTIMASI DAN PENGGUNAANNYA DALAM ANALISIS EKONOMI
Analisis ekonomi memerlukan evaluasi konsekuensi masa depan dari suatu
alternatif. Di hampir setiap bab buku ini, terdapat tabel dan diagram arus kas yang
menggambarkan tepatnya biaya dan manfaat untuk tahun-tahun mendatang. Kami
tidak benar-benar percaya bahwa kami dapat melakukannya dengan tepat
meramalkan biaya atau manfaat di masa depan. Alih-alih, tujuan kami adalah memilih
satu nilai yang mewakili perkiraan terbaik yang dapat dibuat. Kami menyadari bahwa
perkiraan konsekuensi masa depan tidak tepat dan bahwa yang sebenarnya nilai akan
agak berbeda dari perkiraan kami. Meski begitu, kemungkinan kita telah membuat
asumsi diam-diam bahwa perkiraan ini benar. Kami tahu perkiraan tidak akan selalu
ternyata benar; namun kami memperlakukannya seperti fakta begitu mereka berada
dalam analisis ekonomi. Kami melakukan analisis seolah-olah nilainya tepat. Hal ini
dapat menyebabkan masalah. Jika biaya aktual dan manfaat berbeda dari perkiraan,
alternatif yang tidak diinginkan dapat dipilih. Ini karena variabilitas konsekuensi masa
depan disembunyikan dengan mengasumsikan bahwa perkiraan akan benar-benar
terjadi. Sebagai contoh pada ilustrasi berikut:
Dua alternatif sedang dipertimbangkan. Perkiraan terbaik untuk berbagai
konsekuensi adalah sebagai berikut:
A B
Biaya $1000 $2000

Manfaat tahunan bersih 150 250
Nilai sisa masa pakai akhir 100 400
Masa manfaat, dalam tahun 10 10
Jika bunga 31/2%, alternatif mana yang memiliki nilai sekarang bersih (NPW) yang
lebih baik?
Alternatif A
NPW = 1000 + 150(P/A, 31/2%, 10) + 100(P/F,31/2%, 10) atau = 1000 PV(i, n, A, F)
*
= 1000 + 150(8,317) + 100(0,7089) = 1000 PV(3,5%, 10, 150, 100)
= 1000 + 1248 + 71 = 1000 (−318.4)
= +$319 = $318,4
Kalikan PV dengan 1 untuk mengubah tanda.
Alternatif B
NPW = 2000 + 250(P/A,31/2%, 10) + 400(P/F,31/2%, 10) atau = 2000 P V(i, n, A, F)

= 2000 + 250(8,317) + 400(0,7089) = 2000 P V(3,5%, 10, 250, 400)
= 2000 + 2079 + 284 = 2000 (−2362.7)
= +$363 = $362,7
Alternatif B, dengan NPW yang lebih besar, akan dipilih.
Formasi Alternatif Contoh 10-1
Misalkan pada akhir 10 tahun, nilai sisa sebenarnya untuk B adalah $300, bukan
$400, perkiraan terbaik. Jika semua perkiraan lainnya benar, apakah B masih lebih
disukai? alternatif?
Revisi B
NPW = 2000 + 250(P/A,31/2%, 10) + 300(P/F,31/2%, 10) atau = 2000 P V(i, n, A, F)
= 2000 + 250(8,317) + 300(0,7089) = 2000 P V(3,5%, 250, 300)
= 2000 + 2079 + 213 = 2000 (−2291,8)
= +$292 = $291,8
→ A sekarang menjadi alternatif pilihan.
Contoh 10-1 menunjukkan bahwa perubahan nilai sisa dari Alternatif B sebenarnya
menghasilkan perubahan alternatif yang disukai. Dengan demikian, analisis yang lebih
menyeluruh dari Contoh 10-1 akan pertimbangkan (1) nilai mana yang tidak pasti, (2)
apakah ketidakpastiannya ±5% atau 50 hingga +80%, dan (3) nilai yang tidak pasti
mana yang menyebabkan keputusan yang berbeda. Analisis yang lebih menyeluruh,
yang dilakukan dengan alat-alat bab ini, menentukan keputusan mana yang lebih baik
dengan jangkauan kemungkinan. Mempertimbangkan ketidakpastian secara eksplisit
memungkinkan kita membuat keputusan yang lebih baik.
Alat analisis titik impas diilustrasikan dalam Contoh 10-2.

Gunakan data Contoh 10-1 untuk menghitung sensitivitas keputusan terhadap Alt.
B penyelamatan nilai dengan menghitung nilai impas. Untuk Alt. A, NPW = +319.
Untuk titik impas antara alternatif,
NPWA = NPWB
+319 = 2000 + 250(P/A, 31/2%, 10) + Nilai sisaB(P/F, 31/2%, 10)
= 2000 + 250(8,317) + Nilai sisaB(0.7089) atau = 2319 + 250 + Nilai sisa
PV PMT FV
= FV (i, n, A, P)
= FV (3,5%, 10, 250, 2319)
= $338,3
Pada titik impas

Nilai sisaB = 319 + 2000 2079
0,7089 = 240
0,7089 = $339
Ketika Alt. Nilai sisa B >$339, B lebih disukai; ketika <$339, A lebih disukai.
Analisis impas, seperti yang ditunjukkan pada Contoh 10-2, adalah salah satu cara
untuk menguji dampak dari variabilitas beberapa perkiraan pada hasil. Ini membantu
dengan menjawab pertanyaan, Berapa banyak variabilitas yang dapat dimiliki
parameter sebelum keputusan akan terpengaruh? Selagi keputusan yang lebih disukai
tergantung pada apakah nilai sisa di atas atau di bawah titik impas nilai, perbedaan
ekonomi antara alternatif kecil ketika nilai sisa adalah "dekat" dengan titik impas.
Analisis titik impas tidak memecahkan masalah dasar bagaimana mengambil
variabilitas inheren dari parameter yang diperhitungkan dalam analisis ekonomi. Ini
akan menjadi dipertimbangkan selanjutnya.
BERBAGAI ESTIMASI
Biasanya lebih realistis untuk menggambarkan parameter dengan rentang nilai
yang mungkin, daripada satu nilai. Rentang dapat mencakup perkiraan optimis,
perkiraan yang paling mungkin, dan perkiraan pesimis. Kemudian, analisis ekonomi
dapat menentukan apakah keputusan tersebut sensitif terhadap kisaran nilai yang
diproyeksikan.
Sebuah perusahaan sedang mempertimbangkan investasi. Nilai data yang paling
mungkin ditemukan selama kelayakan belajar. Menganalisis data masa lalu dari
proyek serupa menunjukkan bahwa nilai optimis untuk biaya pertama dan manfaat
tahunan adalah 5% lebih baik daripada nilai yang paling mungkin. Nilai pesimistis 15%
lebih buruk. Analis proyek perusahaan yang paling berpengalaman telah
memperkirakan nilai untuk masa manfaat dan nilai sisa.
Kemungkinan
Optimis Pesimis
Besar
Biaya $950 $1000 $1500
Manfaat tahunan bersih 210 200 170
Nilai sisa 100 0 0
Masa manfaat dalam tahun 12 10 8
Hitung tingkat pengembalian untuk setiap perkiraan. Jika 10% sebelum pajak
tingkat menarik minimum pengembalian diperlukan, apakah investasi dibenarkan

berdasarkan ketiga perkiraan? Jika dibenarkan hanya di bawah beberapa perkiraan,
bagaimana hasil ini dapat digunakan?
Perkiraan Optimis
PW = 0 = $950 + 210(P/A, IRRopt, 12) + 100(P/F, IRRopt, 12)
IRRopt = i(n, A, P, F) = i(12, 210, 950, 100)
= 19,8%
Perkiraan Kemungkinan Besar
PW = 0 = $1000 + 200(P/A, IRRkemungkinan besar, 10)
(P/A, IRRkemungkinan besar, 10) = 1000/200 = 5 → IRRkemungkinan besar =
15,1%
atau
IRRkemungkinan besar = i(n. A, P, F) = i(10, 200, 1000, 0) = 15,1%
Perkiraan pesimis
PW = 0 = $1150 + 170(P/A, IRRpess, 8)
(P/A, IRRpess, 8) = 1150/170 = 6,76 → IRRpess = 3,9%
atau
IRRpess = i(n, A, P, F) = i(8, 170, 1150, 0) = 3,9%
Dari perhitungan kami menyimpulkan bahwa tingkat pengembalian untuk investasi
ini kemungkinan besar akan menjadi 15,1%, tetapi mungkin berkisar dari 3,9% hingga
19,8%. Investasi memenuhi kriteria MARR 10% untuk dua perkiraan. Perkiraan ini
dapat dianggap sebagai skenario dari apa yang mungkin terjadi dengan proyek ini.
Karena satu skenario menunjukkan bahwa proyek tersebut tidak menarik, kita perlu
memiliki metode pembobotan skenario atau mempertimbangkan seberapa besar
kemungkinan masing-masing.
Contoh 10-3 membuat perhitungan terpisah untuk himpunan optimis, kemungkinan
besar, dan nilai pesimis. Rentang skenario berguna. Namun, jika ada lebih dari
beberapa variabel yang tidak pasti, tidak mungkin semua akan terbukti optimis (kasus
terbaik) atau sebagian besar kemungkinan atau pesimis (kasus terburuk).
Kemungkinan besar banyak parameter yang paling mungkin nilai, ada yang optimis
dan ada yang pesimis.
Hal ini dapat diatasi dengan menggunakan Persamaan 10-1 untuk menghitung
nilai rata-rata atau rata-rata untuk setiap parameter. Persamaan 10-1 menempatkan
empat kali bobot pada nilai yang paling mungkin dari pada dua lainnya. Persamaan ini
memiliki sejarah panjang digunakan dalam manajemen proyek untuk memperkirakan
waktu penyelesaian kegiatan. Ini adalah perkiraan dengan distribusi beta.
Nilai rata-rata = Nilai optimis + 4 (Nilai kemungkinan besar) + Nilai pesimis 6 (10-1)
Pendekatan ini diilustrasikan dalam Contoh 10-4.

Selesaikan Contoh 10-3 dengan menggunakan Persamaan 10-1. Hitung tingkat
pengembalian rata-rata yang dihasilkan.
Hitung rata-rata untuk setiap parameter:
Biaya rata-rata = [950 + 4(1000) + 1150]/6 = $1016,7
Rata-rata keuntungan tahunan bersih = [210 + 4(200) + 170]/6 = $196,7
Rata-rata masa manfaat = [12 + 4(10) + 8]/6 = 10,0
Rata-rata umur sisa = 100/6 = $16.7
Hitung tingkat pengembalian rata-rata:
PW = 0 = $1016.7 + 196.7(P/A, IRRbeta, 10) + 16,7(P/F, IRRbeta, 10)
IRRbeta = i(n, A, P, F) = i(10, 196.7, 1016.7, 16.7)
= 14,3%
Contoh 10-3 memberikan tingkat pengembalian yang paling mungkin (15,1%) yang
berbeda dari mean tingkat pengembalian (14,3%) dihitung dalam Contoh 10-4. Nilai-
nilai ini berbeda karena yang pertama didasarkan secara eksklusif pada nilai-nilai
yang paling mungkin dan yang terakhir memperhitungkan variabilitas parameter.
Dalam memeriksa data, kami melihat bahwa nilai pesimistis lebih jauh dari yang
paling kemungkinan nilai daripada nilai-nilai optimis. Ini adalah kejadian umum.
Misalnya, penghematan 10–20% mungkin maksimal, tetapi pembengkakan biaya bisa
menjadi 50%, 100%, atau bahkan lebih. Hal ini menyebabkan nilai rata-rata tertimbang
yang dihasilkan menjadi kurang menguntungkan dibandingkan dengan nilai yang
paling mungkin. Akibatnya, tingkat pengembalian rata-rata, dalam contoh ini, lebih
kecil dari tingkat pengembalian berdasarkan nilai yang paling mungkin.
Probabilitas
Kita semua telah menggunakan probabilitas. Misalnya, berapa probabilitas
mendapatkan "kepala" saat melempar koin? Menggunakan model yang
mengasumsikan bahwa koin itu adil, baik kepala dan hasil ekor terjadi dengan
probabilitas 50%, atau 1/2. Probabilitas ini adalah kemungkinan suatu peristiwa dalam
satu percobaan. Ini juga menggambarkan frekuensi relatif jangka panjang untuk
mendapatkan kepala dalam banyak percobaan (dari 50 lemparan koin, kami berharap
rata-rata 25 kepala).
Contoh lain berdasarkan frekuensi relatif jangka panjang adalah PW dari

perlindungan banjir bendungan yang bergantung pada probabilitas banjir dengan
ukuran berbeda selama bertahun-tahun. Ini akan didasarkan pada data dari banjir
masa lalu dan akan mencakup pengamatan bertahun-tahun. Contoh peristiwa tunggal

yang dapat diperkirakan oleh penilaian ahli adalah probabilitas hasil yang sukses
untuk proyek penelitian dan pengembangan, yang akan menentukan
PW-nya. Semua data dalam masalah ekonomi teknik mungkin memiliki beberapa
tingkat ketidakpastian. Namun, ketidakpastian kecil dapat diabaikan, sehingga lebih
banyak analisis dapat dilakukan dengan ketidakpastian yang besar. Misalnya, harga
peralatan yang tersedia dapat bervariasi hanya sebesar ±5%. Harga dapat
diperlakukan sebagai nilai yang diketahui atau deterministik. Di sisi lain, permintaan
selama 20 tahun ke depan akan memiliki lebih banyak ketidakpastian. Permintaan
harus dianalisis sebagai variabel acak atau stokastik. Kita harus menetapkan
probabilitas untuk perbedaan
nilai permintaan.
Ada juga aturan logis atau matematika untuk probabilitas. Jika suatu hasil tidak
akan pernah bisa terjadi, maka probabilitasnya adalah 0. Jika suatu hasil pasti akan
terjadi, maka probabilitasnya adalah 1, atau 100%. Ini berarti bahwa probabilitas tidak
boleh negatif atau lebih besar dari 1; di lain kata, mereka harus berada dalam interval
[0, 1], seperti yang ditunjukkan segera dalam Persamaan 10-2. Probabilitas
didefinisikan sehingga jumlah probabilitas untuk semua hasil yang mungkin adalah 1
atau 100% (Persamaan 10-3). Menjumlahkan probabilitas 0,5 untuk kepala dan 0,5
untuk ekor mengarah ke total 1 untuk hasil yang mungkin dari lemparan koin. Sebuah
sumur eksplorasi dibor di ladang minyak potensial akan memiliki tiga hasil (lubang
kering, kuantitas nonkomersial, atau jumlah komersial) yang probabilitasnya akan
berjumlah satu.
Persamaan 10-2 dan 10-3 dapat digunakan untuk memeriksa bahwa probabilitas
valid. jika probabilitas untuk semua kecuali satu hasil diketahui, persamaan dapat
digunakan untuk menemukan probabilitas yang tidak diketahui untuk hasil tersebut
(lihat Contoh 10-5).
Dalam kursus probabilitas banyak distribusi probabilitas, seperti normal, seragam,

dan beta disajikan. Distribusi kontinu ini menggambarkan populasi data yang besar.
Namun, untuk ekonomi teknik lebih umum menggunakan 2 hingga 5 hasil dengan
diskrit probabilitas — meskipun hasil 2 hingga 5 hanya mewakili atau mendekati
kisaran kemungkinan.
Ini dilakukan karena dua alasan. Pertama, data sering diperkirakan oleh penilaian
ahli, sehingga menggunakan 7 hingga 10 hasil akan menjadi akurasi yang salah.

Kedua, setiap hasil membutuhkan lebih banyak analisis. Dalam kebanyakan kasus,
hasil 2 hingga 5 mewakili pertukaran terbaik antara mewakili berbagai kemungkinan
dan jumlah perhitungan yang diperlukan. Contoh 10-5 menggambarkan perhitungan
ini.
Berapa distribusi probabilitas untuk manfaat tahunan dan kehidupan untuk proyek
berikut? Nilai manfaat tahunan yang paling mungkin adalah $8000 dengan probabilitas
60%. Ada 30% probabilitas bahwa itu akan menjadi $5000, dan nilai tertinggi yang
mungkin $10,000. Hidup 6 tahun adalah dua kali lebih mungkin sebagai kehidupan 9
tahun.
Untuk manfaat tahunan, probabilitas diberikan hanya untuk dua hasil yang
mungkin. Itu nilai ketiga ditemukan dari fakta bahwa probabilitas untuk ketiga hasil
harus berjumlah 1
(Persamaan 10-3).
1 = P(Manfaat $5000) + P(Manfaat $8000) + P(Manfaat $10,000)
P(Manfaatnya adalah $10.000) = 1 0,6 − 0,3 = 0,1
Distribusi probabilitas kemudian dapat diringkas dalam sebuah tabel. Histogram
atau diagram frekuensi relatif adalah Gambar 10-1.
Manfaat tahunan $5000 $8000 $10,000
Probabilitas 0,3 0,6 0,1
GAMBAR 10-1 Distribusi probabilitas untuk keuntungan tahunan.
Gambar 2.1
Distribusi probabilitas keuntungan tahunan
Untuk distribusi probabilitas kehidupan, pernyataan masalah memberi tahu kita
P(umur 6 tahun) = 2P(umur 9 tahun)
Persamaan 10-3 dapat diterapkan untuk menulis persamaan kedua untuk dua
probabilitas yang tidak diketahui:
P(6) + P(9) = 1

Menggabungkan ini, kami menulis
2P(9) + P(9) = 1
P(9) = 1/3
P(6) = 2/3
Distribusi probabilitas untuk kehidupan adalah P(6) = 66,7% dan P(9) = 33,3%.
DISTRIBUSI PROBABILITAS GABUNGAN

Contoh 10-5 membangun distribusi probabilitas untuk keuntungan tahunan proyek
dan kehidupan. Contoh-contoh ini menunjukkan seberapa besar kemungkinan setiap
nilai untuk data input. Kami ingin membangun distribusi probabilitas yang sama untuk
nilai sekarang proyek. Ini adalah distribusi yang dapat kita gunakan untuk
mengevaluasi proyek. Nilai saat ini tergantung pada kedua input distribusi probabilitas,
jadi kita perlu membangun distribusi probabilitas bersama untuk kombinasi yang
berbeda dari nilai-nilai mereka.
Untuk pengantar ini, kami berasumsi bahwa dua variabel acak seperti manfaat
tahunan dan kehidupan tidak terkait atau independen secara statistik. Ini berarti
bahwa sendi probabilitas dari suatu kejadian gabungan (Kejadian A didefinisikan pada
variabel pertama dan Kejadian B pada variabel kedua) adalah produk dari probabilitas
untuk dua peristiwa. Ini adalah Persamaan 10-4:
Jika A dan B saling bebas, maka P(A dan B) = P(A) × P(B) (10-4)
Misalnya, melempar koin dan melempar dadu secara statistik independen. Dengan
demikian, probabilitas {membalik kepala dan menggelindingkan 4} sama dengan
probabilitas {kepala} = ½ dikalikan peluang {4} = 1/6, untuk peluang gabungan = 1/12.
Jumlah hasil dalam distribusi bersama adalah produk dari jumlah hasil dalam distribusi
masing-masing variabel. Jadi, untuk koin dan dadu, ada 2 kali 6, atau 12 kombinasi.
Masing-masing dari 2 hasil untuk koin digabungkan dengan masing-masing 6 hasil
untuk mati.
Beberapa variabel tidak independen secara statistik, dan perhitungan
gabungannya distribusi probabilitas lebih kompleks. Misalnya, sebuah proyek dengan
pendapatan rendah mungkin dihentikan lebih awal dan perusahaan dengan
pendapatan tinggi dapat tetap beroperasi selama mungkin. Dalam kasus ini arus kas
tahunan dan umur proyek tidak independen. Sedangkan tipe ini
hubungan kadang-kadang dapat dimodelkan dengan pohon keputusan ekonomi
(dibahas nanti dalam bab ini), kami akan membatasi cakupan kami dalam teks ini
untuk kasus independen yang lebih sederhana variabel.

POHON KEPUTUSAN EKONOMI
Simbol berikut digunakan untuk memodelkan keputusan dengan pohon keputusan:
Tanda hash ganda menunjukkan bahwa cabang telah

dipangkas karena cabang lain telah dipilih. Ini hanya bisa terjadi pada keputusan
node, bukan pada node kebetulan. Istilah "dipangkas" dipilih agar sesuai dengan
praktik tukang kebun memangkas atau memangkas cabang untuk membuat pohon
atau semak lebih sehat.
Gambaran tersebut menggambarkan bagaimana simpul keputusan, simpul
peluang, dan hasil node dapat digunakan untuk menggambarkan struktur masalah.
Detail seperti probabilitas dan biaya dapat ditambahkan pada cabang yang
menghubungkan node. Dengan cabang dari node keputusan dan kesempatan, model
menjadi pohon keputusan.
Gambar 10-3 menggambarkan bahwa pohon keputusan menggambarkan masalah
dengan memulai pada keputusan yang harus dibuat dan kemudian menambahkan
peluang dan simpul keputusan dalam logika yang tepat. Dengan demikian
menggambarkan masalah dimulai pada langkah pertama dan berjalan maju dalam
waktu dengan urutan simpul keputusan dan peluang.
Untuk membuat keputusan, perhitungan dimulai dengan simpul terakhir di pohon.
Sejak mereka adalah simpul terakhir, informasi yang cukup tersedia untuk
mengevaluasinya. Pada simpul keputusan, kriteria adalah untuk memaksimalkan PW
atau meminimalkan EUAC. Secara kebetulan simpul yang diharapkan nilai untuk PW
atau EUAC dihitung.

Setelah semua node yang bercabang dari sebuah node telah dievaluasi, node asal
dapat dievaluasi. Jika node asal adalah node keputusan, pilih cabang dengan PW
terbaik atau EUAC dan tempatkan nilai itu di node. Jika simpul asal adalah simpul
peluang, hitung nilai yang diharapkan dan tempatkan nilai itu di simpul tersebut.
Proses ini "mengembalikan" nilai dari node terminal di pohon ke keputusan awal.
Contoh 10-10 menggambarkan ini proses.
Definisi Risiko
Risiko merupakan bentuk ketidakpastian tentang suatu keadaan yang akan terjadi
nantinya (masa depan) dengan keputusan yang diambil berdasarkan berbagai
pertimbangan pada saat ini. Pengertian risiko menurut Ricky W. Griffin dan Ronald J.
Ebert (1996) adalah uncertainty about future events (p.752).
 Joel G.Siegel dan Jae K. Shim (1999) mendefinisikan risiko pada tiga hal :
1. Pertama adalah keadaan yang mengarah kepada sekumpulan hasil khusus, dimana
hasilnya dapat diperoleh dengan kemungkinan yang telah diketahui oleh pengambil
keputusan.
2. Kedua adalah variasi dalam keuntungan, penjualan atau variabel keuangan lainnya.
3. Ketiga adalah kemungkinan dari sebuah masalah keuangan yang mempengaruhi
kinerja operasi perusahaan atau posisi keuangan, seperti risiko ekonomi,
ketidakpastian politik dan masalah industry.
Menurut Joel G.Siegel dan Jae K. Shim (1999) bahwa analisis risiko adalah proses
pengukuran dan penganalisaan risiko disatukan dengan keputusan keuangan dan
investasi.
Risiko dapat muncul dimanapun dan risiko cenderung terus meningkat setiap
tahunnya dikarenakan globalisasi dunia, liberalisasi dunia dan pemrosesan informasi
yang semakin cepat serta reaksi investor yang semakin cepat. (Fahmi, 2010, p.2).
Tipe-Tipe Risiko
Secara umum risiko hanya dibagi menjadi dua tipe, yaitu risiko murni (pure risk) dan
risiko spekulatif (speculative risk). (Fahmi, 2010).
a. Risiko Murni (Pure Risk)
Risiko murni adalah risiko dimana kemungkinan kerugian ada, tetapi kemungkinan
keuntungan tidak ada.
1) Risiko Aset Fisik
Merupakan risiko yang berakibat timbulnya kerugian pada aset fisik suatu perusahaan,
misalnya kebakaran, banjir, gempa, tsunami dan bencana alam lainnya.
2) Risiko Karyawan

Merupakan risiko karena apa yang dialami oleh karyawan yang bekerja di perusahaan
tersebut. Misalnya kecelakaan kerja pada karyawan yang mengakibatkan proses
produksi terhambat.
3) Risiko Legal
Merupakan risiko dalam bidang kontrak yang mengecewakan atau kontrak yang tidak
berjalan sesuai perjanjian atau rencana. Misalnya perselisihan dengan perusahaan.
b. Risiko Spekulatif (Speculative Risk)
Risiko spekulatif adalah risiko dimana kita mengharapkan terjadinya kerugian dan juga
keuntungan. Potensi kerugian dan keuntungan dibicarakan dalam jenis risiko ini.
1) Risiko Pasar
Merupakan risiko yang terjadi dari pergerakan harga di pasar. Contohnya harga
saham mengalami penurunan sehingga menimbulkan kerugian.
2) Risiko Kredit
Merupakan risiko yang terjadi karena counter party gagal memenuhi kewajibannya
kepada perusahaan. Contohnya timbulnya kredit macet, persentase piutang
meningkat.
3) Risiko Likuiditas
Merupakan risiko karena ketidakmampuan memenuhi kebutuhan kas. Contohnya
kepemilikan kas menurun sehingga tak mampu untuk membayar hutang.
4) Risiko Operasional
Merupakan risiko yang disebabkan pada kegiatan operasional yang tidak berjalan
dengan lancar. Contohnya terjadi kerusakan pada komputer karena berbagai hal salah
satunya virus.
2.1.3 Manajemen Risiko
Manajemen risiko merupakan suatu bidang ilmu yang membahas tentang bagaimana
suatu organisasi menerapkan ukuran dalam memetakan berbagai permasalahan yang
ada dengan menempatkan berbagai pendekatan manajemen secara komprehensif
dan sistematis. (Fahmi, 2010).
2.1.4 Manfaat Manajemen Risiko
Dengan diterapkannya manajemen risiko di suatu perusahaan ada beberapa manfaat
yang akan diperoleh, yaitu:
a. Perusahaan memiliki ukuran kuat sebagai pijakan dalam mengambil setiap
keputusan, sehingga para manajer menjadi lebih berhati-hati (prudent) dan selalu
menempatkan ukuran-ukuran dalam berbagai keputusan.
b. Mampu memberi arah bagi suatu perusahaan dalam melihat pengaruh-pengaruh
yang mungkin timbul, baik secara jangka pendek dan jangka panjang.

c. Mendorong para manajer dalam mengambil keputusan untuk selalu menghindari
risiko dan menghindari dari pengaruh terjadinya kerugian khususnya kerugian dari
segi finansial.
d. Memungkinkan perusahaan memperoleh risiko kerugian yang minimum
e. Dengan adanya konsep manajemen risiko (risk management concept) yang
dirancang secara detail maka artinya perusahaan telah membangun arah dan
mekanisme secara suistainable (berkelanjutan). (Fahmi, 2010)
2.1.5 Metode Pengukuran Risiko
Secara umum langkah-langkah dalam pengukuran risiko adalah sebagai berikut :
1. Mengidentifikasi risiko dan mempelajari karakteristik risiko tersebut,
2. Mengukur risiko tersebut, melihat seberapa besar dampak risiko tersebut terhadap
kinerja perusahaan dan menentukan prioritas risiko tersebut. (Hanafi, 2006).
Pada tahap identifikasi risiko, pihak manajemen melakukan tindakan berupa
mengidentifikasi setiap bentuk risiko yang dialami oleh perusahaan, termasuk bentuk-
bentuk risiko yang mungkin akan dialami oleh perusahaan. Identifikasi ini dilakukan
dengan cara melihat dan melakukan observasi terhadap potensi-potensi risiko yang
sudah terlihat dan yang akan terlihat. (Fahmi, 2010, p.3).
Setelah risiko diidentifikasi, tahap berikutnya adalah mengukur risiko. Jika risiko bisa
diukur, kita bisa melihat tinggi rendahnya risiko yang dihadapi perusahaan.
Pengukuran risiko biasanya dilakukan melalui kuantifikasi risiko. Kuantifikasi bisa
dilakukan dengan metode yang sederhana sampai metode yang sangat kompleks.
RISIKO VERSUS PENGEMBALIAN

Grafik risiko versus pengembalian adalah salah satu cara untuk mempertimbangkan
item-item ini bersama-sama. Gambar dalam contoh mengilustrasikan format yang
paling umum. Risiko diukur dengan standar deviasi ditempatkan pada sumbu x, dan
pengembalian yang diukur dengan nilai yang diharapkan ditempatkan pada sumbu y.
Ini biasanya dilakukan dengan tingkat pengembalian internal dari alternatif atau
proyek.

Gambar 3.1
Ilustrasi format standar deviasi
Sebuah perusahaan besar menghentikan produk yang lebih tua; sehingga beberapa
fasilitas menjadi tersedia untuk penggunaan lainnya. Tabel berikut merangkum
delapan proyek baru yang akan menggunakan fasilitas tersebut. Mempertimbangkan
pengembalian dan risiko yang diharapkan, proyek mana yang merupakan kandidat
yang baik? Perusahaan percaya itu bias dapatkan 4% dari investasi bebas risiko di
sekuritas pemerintah (diberi label sebagai Proyek F).
Gambar 2.2
Grafik risiko versus pengembalian.
PENYELESAIAN
Menjawab pertanyaan jauh lebih mudah jika kita menggunakan Gambar 10-7.
Karena pengembalian yang diharapkan lebih besar lebih baik, kami ingin memilih
proyek yang setinggi mungkin. Karena risiko yang lebih rendah lebih baik, kami ingin
untuk memilih proyek yang "paling kiri" mungkin. Grafik memungkinkan kita
memeriksa trade-off dari menerima lebih banyak risiko untuk pengembalian yang lebih
tinggi.
Pertama, kita bisa menghilangkan Proyek 4 dan 5. Mereka adalah proyek yang
didominasi. Alternatif yang didominasi tidak lebih baik dari alternatif lain pada semua
ukuran dan inferior pada setidaknya satu ukuran. Proyek 4 didominasi oleh Proyek 3,
yang memiliki tingkat pengembalian yang diharapkan lebih tinggi dan risiko yang lebih

rendah. Proyek 5 didominasi oleh Proyek 1, 2, dan 7. Ketiganya memiliki ekspektasi
pengembalian yang lebih tinggi dan risiko yang lebih rendah.
Kedua, kita melihat batas efisien. Ini adalah garis biru pada Gambar 10-7 yang
menghubungkan Proyek F, 3, 2, 7, dan 6. Tergantung pada trade-off yang ingin kita
buat antara risiko dan kembali, semua ini bisa menjadi pilihan terbaik. Proyek 1
tampaknya lebih rendah daripada Proyek 2 dan 7. Proyek 8 tampaknya lebih rendah
daripada Proyek 7 dan 6. Proyek 1 dan 8 berada di dalam dan bukan di perbatasan
yang efisien. Ada model risiko dan pengembalian yang memungkinkan kita untuk
memilih antara Proyek F, 3, 2, 7, dan 6; tetapi model-model itu melampaui apa yang
dibahas di sini.
SIMULASI
Simulasi adalah pendekatan yang lebih maju untuk mempertimbangkan risiko dalam
ekonomi rekayasa masalah. Dengan demikian, diskusi berikut berfokus pada apa itu.
Seperti yang ditunjukkan oleh contoh, fungsi spreadsheet dan paket tambahan
membuat simulasi lebih mudah digunakan untuk ekonomi analisis.
Simulasi ekonomi menggunakan sampling acak dari distribusi probabilitas satu atau
lebih variabel untuk menganalisis model ekonomi untuk banyak iterasi. Untuk setiap
iterasi, semua variabel dengan distribusi probabilitas diambil secara acak. Nilai-nilai ini
digunakan untuk menghitung PW, IRR, atau EUAC. Kemudian hasil dari semua iterasi
digabungkan untuk membuat distribusi probabilitas untuk PW, IRR, atau EUAC.
4. Kesimpulan
Beberapa proyek rekayasa lebih kompleks, dan mengevaluasinya dengan benar
adalah sejalan lebih kompleks. Misalnya, pertimbangkan produk baru dengan potensi
penjualan volume mulai dari rendah hingga tinggi. Jika volume penjualan rendah,
maka produk dapat dihentikan pada awal masa pakai potensialnya. Di sisi lain, jika
volume penjualan tinggi, tambahan kapasitas dapat ditambahkan ke jalur perakitan
dan variasi produk baru dapat ditambahkan. Ini dapat dimodelkan dengan pohon
keputusan.
Analisis ekonomi teknik digunakan untuk mengevaluasi proyek dengan jangka
panjang konsekuensi ketika nilai waktu uang penting. Jadi, itu harus memperhatikan
masa depan konsekuensi; tetapi menggambarkan masa depan secara akurat tidaklah
mudah. Dalam bab ini kami mempertimbangkan masalah mengevaluasi masa depan.
Cara termudah untuk memulai adalah membuat perkiraan yang cermat

5. Daftar Pustaka
Abipraya, B., Jakarta, P., Dari, D., Bep, P., Kinerja, D., & Perusahaan, K. (2020).
Paradoks : Jurnal Ilmu Ekonomi Analisis Kelayakan Investasi Proyek PLTM
Maiting Hulu Pada PT. 3(2).
Agung, Wahyudi Biantoro. Kholil, Muhammad & Pranoto, Hadi. 2019. ”Pedoman Praktis
Pelaksanaan K3 (Perspektif Dunia Industri dan dunia Kerja)".Mitra Wacana
Media. Jakarta.
Bambang Riyanto. (1995). Dasar-Dasar Pembelajaran Perusahaan (ke-4). BPFE-
Yogyakarta.
Dadan Kurniawan Harun. 2003. “ Prinsip-prinsip Ekonomi Teknik “.Graha Ilmu.
Yogyakarta.
Eduardus, T. (2001). Analisis Investasi dan Manajemen Portofolio. In Edisi I (1st ed.).
BPFE-Yogyakarta.
Grant, Eugene L. et al. 2002. “Principles of Engineering Economy”. New York : John
Wiley & Sons.
Huda, N., & Nasution, M. E. (2008). Investasi Pada Pasar Modal Syariah (Cet II).
Kencana Prenada Media Group.
Jo, H., Lee, H., Suh, Y., Kim, J., & Park, Y. (2015). A dynamic feasibility analysis of
public investment projects: An integrated approach using system dynamics
and agent-based modeling. International Journal of Project Management,
33(8), 1863–1876.
Kholil, Muhammad. 2017. Analisis Kelayakan Investasi Workshop Pembuatan Spare
Parts Mesin Industri Dengan Menggunakan Metode Kriteria Investasi. Journal
of Chemical Information and Modeling, 8(9), 1–58.
Kholil, Muhammad; Chandra, Agung; Hanum, Bhetriza. 2019. ”Perencanaan
Pengendalian Produksi dan Logistik”. Edisi Pertama. Mitra Wacana Media.
Jakarta.
Manullang, D. W., Karamoy, H., & Pontoh, W. (2019). Analisis Kelayakan Investasi
Aktiva Tetap ( Studi Kasus Pada Cincau Jo , Blencho Dan Brownice Unit
Kreativitas ( Case Study On Cincau Jo , Blencho And Brownice Sam
Ratulangi University Student Creativity Unit ). 7(2), 2561–2570.
Merzi, A. M., & Daryanto, W. M. (2018). Financial Feasibility Studies for Perusahaan
Gas Negara (Pgn) Project: a Case Study of City Gas Project in Indonesia for
the Period of 2018-2038. South East Asia Journal of Contemporary Business,
Economics and Law, Vol. 17,(Issue 2(December)), 5.

Newnan, G. Donald. 2012. “Engineering Economic Analysis”. Eleventh Edition. Oxford
University Press. New York.
Nizar, C., Hamzah, A., & Syahnur, S. (2013). Pengaruh Investasi dan Tenaga Kerja
Terhadap Pertumbuhan Ekonomi Serta Hubungannya Terhadap Tingkat
Kemiskinan di Indonesia. Jurnal Ekonomi Pascasarjana Universitas Syah
Kuala, 1(No. 2), 3.
Sulistiani, H., Miswanto, M., Alita, D., & Dellia, P. (2020). Pemanfaatan Analisis Biaya
Dan Manfaat Dalam Perhitungan Kelayakan Investasi Teknologi Informasi.
Jurnal Ilmiah Edutic, 6(2).
Syukron, Amin dan Kholil, Muhammad. 2013. ”Six Sigma (Quality for Business
Improvement)”. Graha Ilmu. Yogyakarta.
Syukron, Amin dan Kholil, Muhammad. 2014. Pengantar Teknik Industri. Graha Ilmu.
Yogyakarta.
Thuesen, H.G et al. 2002. “Engineering Economy” New Delhi : Prentice-Hall of India
Private Ltd,..
Sumber-sumber lain (Situs internet, Video Youtube)

https://global.oup.com/us/companion.websites/9780199339273/student/
interactive/ecce/engineeringcosts/
https://www.academia.edu/12467438/Cost_Engineering
http://civil-engginer.blogspot.com/2011/09/tahapan-proyek.html
https://ekoprihartanto.wordpress.com/2017/03/23/sekilas-cost-engineering/
https://gamasemesta.com/pelatihan-engineering-cost-estimate.html


Ekotek MK.10

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Ekotek MK.10

Diunggah oleh

Hak Cipta:

Format Tersedia

1

Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh

2.2 Analisis Nilai Masa Depan

2.3 Analisis Rasio Manfaat-Biaya

2023_MK.10 Ekonomi Teknik

2023_MK.10 Ekonomi Teknik

2023_MK.10 Ekonomi Teknik

Biaya $1000 $2000

2023_MK.10 Ekonomi Teknik

Alat analisis titik impas diilustrasikan dalam Contoh 10-2.

2023_MK.10 Ekonomi Teknik

2023_MK.10 Ekonomi Teknik

2023_MK.10 Ekonomi Teknik

Contoh lain berdasarkan frekuensi relatif jangka panjang adalah PW dari

2023_MK.10 Ekonomi Teknik

Dalam kursus probabilitas banyak distribusi probabilitas, seperti normal, seragam,

2023_MK.10 Ekonomi Teknik

2023_MK.10 Ekonomi Teknik

DISTRIBUSI PROBABILITAS GABUNGAN

2023_MK.10 Ekonomi Teknik

Tanda hash ganda menunjukkan bahwa cabang telah

2023_MK.10 Ekonomi Teknik

2023_MK.10 Ekonomi Teknik

2023_MK.10 Ekonomi Teknik

RISIKO VERSUS PENGEMBALIAN

2023_MK.10 Ekonomi Teknik

2023_MK.10 Ekonomi Teknik

2023_MK.10 Ekonomi Teknik

2023_MK.10 Ekonomi Teknik

Sumber-sumber lain (Situs internet, Video Youtube)

2023_MK.10 Ekonomi Teknik

Anda mungkin juga menyukai