6 BAB VI KESIMPULAN
6.2 Saran
Penelitian dalam tugas akhir ini dapat dikembangkan untuk penelitian-penelitian manajemen risiko secera kuantitatif lainnya, baik untuk kasus finansial maupun bukan.
(Halaman ini sengaja dikosongkan)
69 DAFTAR PUSTAKA
______. 2012a. Goal-seeking analysis [Online]. Computer
Business Research. Available:
http://sites.google.com/site/b188sjsu/Home/decision-making/goal-seeking-analysis [Accessed 6 March 2012].
______. 2012b. Goal seek [Online]. Business Dictionary.
Available:
http://www.businessdictionary.com/definition/goal-seek.html#ixzz1oJwRuZ4J [Accessed 6 March 2012].
______. 2012c. Goal seeking [Online]. Wikipedia. Available:
http://en.wikipedia.org/wiki/Goal_seeking [Accessed 6 March 2012].
______. 2012d. Use Goal Seek to find the result you want by adjusting an input value [Online]. Microsoft. Available:
http://office.microsoft.com/en-us/excel-help/use-goal- seek-to-find-the-result-you-want-by-adjusting-an-input-value-HP010072683.aspx [Accessed 7 March 2012].
______. 2012e. Using Analysis Tools : Goal Seek, Solver, and
Data Tables [Online]. Available:
http://ptgmedia.pearsoncmg.com/images/0789729539/sa mplechapter/CH25_0789729539.pdf [Accessed 6 March 2012].
Anityasari, M. dan Wessiani, N. A. 2011. Analisa Kelayakan Usaha. Surabaya: Guna Widya.
Authority, A. C. T. I. 2004a. Risk management AS/NZS 4360:2004 Australia: Australian Capital Territory Insurance Authority.
Authority, A. C. T. I. 2004b. Risk Management Guidelines Companion to AS/NZS 4360:2004 Australia: Australian Capital Territory Insurance Authority.
Authority, A. C. T. I. 2009. AS/NZS ISO 31000:2009 Risk management - Principles and Guidelines. Australia:
Australian Capital Territory Insurance Authority.
Bi. 2012 KURS TRANSAKSI BANK INDONESIA [Online]. Bank
Indonesia. Available:
http://www.bi.go.id/web/id/Moneter/Kurs+Bank+Indones ia/Kurs+Transaksi/ [Accessed 2012 3 July].
Choi, H. H., Cho, H. N. dan Seo, J. 2004. Risk assessment methodology for underground construction projects.
Journal Of Construction Engineering And Management, 130, 258.
Franke, A. 1987. Risk Analysis in Project Management.
International Journal of Project Management, 5, 29-34.
Husnan, S. 1996. Manajemen Keuangan - Teori dan Penerapan.
Yogyakarta: BPFE.
Husnan, S. dan Suwarsono, M. 2000. Studi Kelayakan Proyek.
Yogyakarta: YKPN.
Hyde, J. dan Engel, P. 2002. Investing in a robotic milking system: A Monte Carlo simulation analysis. Journal of dairy science, 85, 2207-2214.
Kasmir dan Jakfar 2003. Studi Kelayakan Bisnis. Jakarta:
Penerbit Kencana.
Kierulff, H. 2008. MIRR: A better measure. Business Horizons, 51, 321-329.
Le Roux, J. dan Brodalka, M. 2004. An Excel (TM)-VBA programme for the analysis of current velocity profiles.
Computers & geosciences, 30, 867-879.
Omotayo Brown, D. dan Kwansa, F. A. 1999. Using IRR and NPV Models to Evaluate Societal Costs of Tourism Projects in Developing Countries. International Journal of Hospitality Management, 18, 31-43.
Öztaş, A. dan Ökmen, Ö. 2004. Risk analysis in fixed-price design–build construction projects. Building and Environment, 39, 229-237.
Palisade 2009. Guide to Using @RISK - Risk Analysis and Simulation Add-In for Microsoft® Excel New York:
Palisade Corporation.
Park, C. S. dan Sharp-Bette, G. P. 1990. Advanced engineering economics. New York: John Wiley & Sons, Inc.
Paté-Cornell, M. E. 1996. Uncertainties in risk analysis: Six levels of treatment. Reliability Engineering & System Safety, 54, 95-111.
Pujawan, I. N. 2004. Ekonomi Teknik. Surabaya: Guna Widya.
Rezaie, K., Amalnik, M., Gereie, A., Ostadi, B. dan Shakhseniaee, M. 2007. Using extended Monte Carlo simulation method for the improvement of risk management: Consideration of relationships between uncertainties. Applied mathematics and computation, 190, 1492-1501.
Roy, A. 1987. From what if to what's best in DSS. Decision Support Systems, 3, 27-35.
Schmitt, A. J. dan Singh, M. Year. Quantifying supply chain disruption risk using Monte Carlo and discrete-event simulation. In, 2009. IEEE, 1237-1248.
Sullivan, W. G., Wicks, E. M., Luxhoj, J. T. dan Woods, B. M.
2000. Engineering economy. New York: Prentice Hall.
Thuesen, G. J. dan Fabrycky, W. J. 1989. Engineering economy.
New York: Prentice Hall
Van Groenendaal, W. J. H. 1998. Estimating NPV Variability for Deterministic Models. European journal of operational research, 107, 202-213.
Wibowo, A. dan Kochendörfer, B. 2005. Financial Risk Analysis of Project Finance in Indonesian Toll Roads. Journal Of Construction Engineering And Management, 131, 963.
Ye, S. dan Tiong, R. L. K. 2000. NPV-At-Risk Method in Infrastructure Project Investment Evaluation. Journal Of Construction Engineering And Management, 126, 227.
Ye, S. dan Tiong, R. L. K. 2003. Effects of Tariff Design in Risk Management of Privately Financed Infrastructure Projects. Journal Of Construction Engineering And Management, 129, 610.
(Halaman ini sengaja dikosongkan)
73 LAMPIRAN A
PROSES PENCARIAN VARIABILITAS INPUT
Variability input adalah variabel random dalam sebuah simulasi.
Sifat kerandoman dari varibael tersebut mengakibatkan terjadinya ketidakpastian. Untuk mengukur ketidakpastian, menurut Paté-Cornell (1996), ada 6 macam pengukuran ketidakpastian, yaitu:
a. Level 0 : Deteksi bahaya dan identifikasi failure (hazard detection and failure modes' Identification).
Pada level 0 hanya mendeteksi potensi dari suatu bahaya yang dapat menggalagalkan sistem. Level 0 ini bersifat binari (Yes or No). pada level ini, ketidakpastian tidak diukur secara kuantitatif. Sebagai contoh adalah apakah konsleting listrik dapat menyebabkan kebakaran atau tidak.
b. Level 1 : Pendekatan ‘terburuk’ (‘Worst-case' approach).
Level ini didasarkan pada skenario (Dampak) terburuk dari suatu ketidakpastian. Pada level ini distribusi probabilitas tidak digunakan. Sebagai contoh, pada kasus kecelakaan lalu lintas, terdapat beberapa jenis luka, mulai luka ringan hingga meninggal. Dengan menggunakan pendekatan terburuk ini, skenario terburuk adalah ketika terjadi korban meninggal.
Sumber: Paté-Cornell (1996)
c. Level 2 : Quasi-worst cases and plausible upper bounds Analisa pada level ini mencoba untuk mendapatkan evaluasi dari kemungkinan terburuk dari ketidakpastian.
Pendekatan distribusi probabilitas digunakan untuk
menilai ketidakpastian. Data historis langsung diartikan apa adanya tampa pengolahan lebih lanjut.
Sumber: Paté-Cornell (1996)
d. Level 3 : Perkiraan terbaik dari nilai-nilai sentral (Best estimates and central values)
Level ini bergantung pada perkiraan terbaik parameter distribusi (mean, median, modus) untuk menilai suatu ketidakpastian.
Sumber: Paté-Cornell (1996)
e. Level 4: Probabilistic risk assessment, single risk curve Level ini menggunakan fitting distribusi untuk menganalisa ketidakpastian. Pada Level ini dihasilkan kurva distribusi probabilitas yang menggambarkan peluang terjadinya dampak dari ketidakpastian.
Sumber: Paté-Cornell (1996)
f. Level 5: Probabilistic risk analysis, multiple risk curves Pada level 5 ini hampir sama dengan level 4. Akan tetapi, kurva distribusi probabilitas yang dihasilkan lebih dari satu kurva. Kurva-kurva ini diperoleh dengan cara mrelakukan Bayesian inference terhadap data tersebut atau dengan meminta penilaian risiko dari sekelompok pakar untuk memperoleh kurva agregat dari nilai distribusi probabilitas tersebut.
Sumber: Paté-Cornell (1996)
Pada tugas akhir ini, pendekatan yang digunakan adalah pendekatan level 3 dan level 4.
Level 3 digunakan pada beberapa biaya dan eskalasi biaya. Di mana biaya-biaya, seperti biaya investasi, menggunakan distribusi normal dengan standar deviasi sebesar 5% dari biaya tersebut.
Sedangkan untuk eskalasi menggunakan pert dengan parameter min, most likely, dan max. Level 3 juga dapat digunakan sebagai pendeketan berdasarkan penilaian para ahli (Rezaie et al., 2007, Van Groenendaal, 1998, Wibowo dan Kochendörfer, 2005, Ye dan Tiong, 2000, Ye dan Tiong, 2003).
Level 4 digunakan pada nilai kurs pada kasus investasi pembangkit. Distribusi nilai kurs difitting berdasarkan data yang diperoleh dari Bank Indonesia. Kurs ini diperoleh nilai distribusi dengan distribusi extrem value dengan parameter a dan b.
(Halaman ini sengaja dikosongkan)
77 LAMPIRAN B
PENENTUAN JUMLAH REPLIKASI DAN VALIDASI KASUS INVESTASI MESIN KOMPRESOR
Dalam simulasi dibutuhkan adanya replikasi. Simulasi berdasarkan dari pembangkitan bilangan random. Jika bilangan random yang dibangkitkan baik, maka hasil simulasinya akan baik. Sebaliknya jika bilangan random yang dibangkitkan buruk maka hasilnya akan buruk pula. Untuk mengantisipasi terjadinya kesalahan pengambilan kesimpulan karena kondisi tersebut maka dibutuhkan adanya replikasi. Hasil replikasi pada kasus investasi mesin kompresor sebagai berikut.
Untuk menentukan jumlah replikasi, digunakan rumus sebagai berikut. Var 34,047,531,119,405,700.00
dengan nilai β = 29,845,705.64 dan derajat kepercayaan 95%.
maka perhitungan replikasinya sebagai beikut
2
Replikasi yang dibutuhkan adalah 147 replikasi, sedangkan replikasi yang digunakan dalam kasus tersebut adalah 1000 replikasi. Sehingga replikasi yang sudah dilakukan dapat dikatakan cukup.
Validasi adalah proses membandingkan model simulasi dengan real system. Model dikatakan valid apabila hasil perbandingan menunjukkan bahwa kedua alternative (model dan real system) tidak berbeda secara signifikan. Untuk menunjukkan tingkat signifikansi tersebut, dilakukan uji t berpasangan (Paired t-test).
Pengujian ini dilakukan dengan add in software Microsoft excel, sehingga diperoleh hasil sebagai berikut.
Hasil pengujian dengan menggunakan two tail test menunjukkan nilai P value sebesar 0.08. Nilai P value ini lebih besar jika dibandingkan dengan nilai alpha 0.05, sehingga model dapat dikatakan valid.
t-Test: Paired Two Sample for Means
Variable 1 Variable 2
79 LAMPIRAN C
PENENTUAN JUMLAH REPLIKASI DAN VALIDASI KASUS PEMBANGKIT
Dalam simulasi dibutuhkan adanya replikasi. Simulasi berdasarkan dari pembangkitan bilangan random. Jika bilangan random yang dibangkitkan baik, maka hasil simulasinya akan baik. Sebaliknya jika bilangan random yang dibangkitkan buruk maka hasilnya akan buruk pula. Untuk mengantisipasi terjadinya kesalahan pengambilan kesimpulan karena kondisi tersebut maka dibutuhkan adanya replikasi. Hasil replikasi pada kasus Pembangkit sebagai berikut.
Untuk menentukan jumlah replikasi, digunakan rumus sebagai berikut. Var 34,047,531,119,405,700.00
dengan nilai β = 29,845,705.64 dan derajat kepercayaan 95%.
maka perhitungan replikasinya sebagai beikut
2
Replikasi yang dibutuhkan adalah 385 replikasi, sedangkan replikasi yang digunakan dalam kasus tersebut adalah 1000 replikasi. Sehingga replikasi yang sudah dilakukan dapat dikatakan cukup.
Validasi adalah proses membandingkan model simulasi dengan real system. Model dikatakan valid apabila hasil perbandingan menunjukkan bahwa kedua alternative (model dan real system) tidak berbeda secara signifikan. Untuk menunjukkan tingkat signifikansi tersebut, dilakukan uji t berpasangan (Paired t-test).
Pengujian ini dilakukan dengan add in software Microsoft excel, sehingga diperoleh hasil sebagai berikut.
Hasil pengujian dengan menggunakan two tail test menunjukkan nilai P value sebesar 0.61. Nilai P value ini lebih besar jika dibandingkan dengan nilai alpha 0.05, sehingga model dapat dikatakan valid.
t-Test: Paired Two Sample for Means
Variable 1 Variable 2
81 LAMPIRAN D
HASIL RUNNING GOAL SEEK KASUS INVESTASI MESIN KOMPRESOR
Investment Cost Escalation
Maintenance Cost
Overhead Cost
Kurs
83 LAMPIRAN E
HASIL RUNNING STRESS ANALYSIS KASUS INVESTASI MESIN KOMPRESOR
Investment Cost
Maintenance Cost
Name Book Stress Analysis Mean Min Max StdDev
(none) (none) baseline 293,254,406.53 (714,680,964.34) 1,250,489,862.13 252,790,851.06 Investment Cost Calculation of Compressor for Painting rev-2 @Risk Modif 2.xlsx 95.00% to 100.00% 173,887,188.98 (867,638,845.55) 1,224,123,232.51 262,897,372.23
Inputs Ranked by Mean Output
0
-1E+09 -5E+08 0 500000000 1E+09 1.5E+09
CDF Summary
Name Book Stress Analysis Mean Min Max StdDev
(none) (none) baseline 297,148,972.36 (519,890,619.53) 1,140,024,728.70 249,851,041.77 Maintenance Cost Calculation of Compressor for Painting rev-2 @Risk Modif 2.xlsx 100.00% to 100.00% 209,388,841.23 (645,705,203.33) 1,098,826,848.34 262,088,661.61
Output Inputs Ranked by Mean
Overhead Cost
-1E+09 -5E+08 0 500000000 1E+09 1.5E+09
CDF Summary
Name Book Stress Analysis Mean Min Max StdDev
(none) (none) baseline 297,936,702.27 (350,768,759.43) 1,171,317,541.10 245,835,771.95 Overhead Cost Calculation of Compressor for Painting rev-2 @Risk Modif 2.xlsx 100.00% to 100.00% 230,442,105.69 (448,322,801.51) 1,147,118,150.55 255,077,661.10
Inputs Ranked by Mean Output
0
-1E+09 -5E+08 0 500000000 1E+09 1.5E+09
CDF Summary
Name Book Stress Analysis Mean Min Max StdDev
(none) (none) baseline 299,846,766.38 (595,840,315.99) 1,194,552,893.40 251,202,235.70 Kurs Calculation of Compressor for Painting rev-2 @Risk Modif 2.xlsx 73.00% to 100.00% 809,442.66 (677,934,036.86) 298,107,911.43 143,491,366.02
Inputs Ranked by Mean Output
Escalation
-1E+09 -5E+08 0 500000000 1E+09 1.5E+09
CDF Summary
Baseline
Kurs H19 73.00% to 100.00%
Name Book Stress Analysis Mean Min Max StdDev
(none) (none) baseline 292,264,041.03 (503,316,596.15) 1,113,825,378.77 258,891,681.98 Escalation Calculation of Compressor for Painting rev-2 @Risk Modif 2.xlsx 0% to 0% 264,516,020.48 (523,538,162.49) 1,052,317,535.98 253,534,897.81
Inputs Ranked by Mean Output
0
-1E+09 -5E+08 0 500000000 1E+09 1.5E+09
CDF Summary
Baseline
Escalation D27 0% to 0%
(Halaman Ini sengaja dikosongkan)
87 LAMPIRAN F
HASIL RUNNING GOAL SEEK KASUS INVESTASI PEMBANGKIT
General and Administrative
Maintenance
Coal
Fuel (Hydro, MFO, Diesel Oil)
Supplies (Lubrication, Chemical)
Inflation (US)
Currency (1 US$)
89 LAMPIRAN G
HASIL RUNNING STRESS ANALYSIS KASUS INVESTASI PEMBANGKIT
General and Administrative
Maintenance
Name Book Stress Analysis Mean Min Max StdDev
(none) (none) baseline 1,804,254.60 (4,776,719.34) 5,378,638.98 2,070,312.53 General and Administrative FS Bima 2X10 Tiruan @Risk.xlsx 100.00% to 100.00% 1,738,795.39 (4,798,103.51) 5,278,208.22 2,068,615.31
Inputs Ranked by Mean Output
0
-6000000 -4000000 -2000000 0 2000000 4000000 6000000
CDF Summary
Name Book Stress Analysis Mean Min Max StdDev
(none) (none) baseline 1,869,912.38 (5,917,465.04) 5,382,405.20 2,001,929.39 Maintanance FS Bima 2X10 Tiruan @Risk.xlsx 100.00% to 100.00% 1,734,451.21 (6,011,396.76) 5,196,004.61 2,003,474.61
Inputs Ranked by Mean Output
Coal
Fuel (Hydro, MFO, Diesel Oil)
0
-8000000 -6000000 -4000000 -2000000 0 2000000 4000000 6000000
CDF Summary
Name Book Stress Analysis Mean Min Max StdDev
(none) (none) baseline 1,845,964.13 (4,792,199.11) 5,386,078.41 2,020,134.36 Coal FS Bima 2X10 Tiruan @Risk.xlsx 81.20% to 100.00% (1,452,035.02) (5,653,076.58) 151,379.87 1,167,572.35
Inputs Ranked by Mean Output
0
-8000000 -6000000 -4000000 -2000000 0 2000000 4000000 6000000
CDF Summary
Baseline
Coal L50 81.20% to 100.00%
Name Book Stress Analysis Mean Min Max StdDev
(none) (none) baseline 1,832,080.88 (5,754,162.12) 5,216,514.61 2,106,007.00 Fuel (Hydro, MFO, Diesel Oil)FS Bima 2X10 Tiruan @Risk.xlsx 100.00% to 100.00% 1,661,358.19 (5,961,893.19) 5,010,546.98 2,102,798.14
Inputs Ranked by Mean Output
Supplies (Lubrication, Chemical)
-8000000 -6000000 -4000000 -2000000 0 2000000 4000000 6000000
CDF Summary
Name Book Stress Analysis Mean Min Max StdDev
(none) (none) baseline 1,814,294.04 (6,439,165.04) 5,310,857.94 2,114,080.89 Supplies (Lubrication, Chemical)FS Bima 2X10 Tiruan @Risk.xlsx 100.00% to 100.00% 1,802,573.21 (6,460,803.58) 5,300,594.95 2,114,249.99
Inputs Ranked by Mean Output
0
-8000000 -6000000 -4000000 -2000000 0 2000000 4000000 6000000
CDF Summary
Baseline
Name Book Stress Analysis Mean Min Max StdDev
(none) (none) baseline 1,804,358.06 (5,841,223.62) 5,192,028.47 2,028,962.73 Currency (1 US$ in 2007) FS Bima 2X10 Tiruan @Risk.xlsx 57.00% to 100.00% 1,804,358.06 (5,841,223.62) 5,192,028.47 2,028,962.73
Inputs Ranked by Mean Output
0 0.2 0.4 0.6 0.8 1
-8000000 -6000000 -4000000 -2000000 0 2000000 4000000 6000000
CDF Summary
Baseline
Currency (1 US$ in 2007) L55 57.00%
to 100.00%
93 BIODATA PENULIS
Penulis dilahirkan di Pekalongan, 2 Maret 1990, merupakan anak pertama dari 4 bersaudara. Penulis telah menempuh pendidikan formal yaitu di TK Pertiwi Doro Pekalongan, SDN Kedungwuni 6 Pekalongan, SMPN 1 Wonopringgo Pekalongan dan SMA 1 Kota Pekalongan. Setelah lulus dari SMA tahun 2008, Penulis mengikuti SNMPTN dan diterima di Jurusan Teknik industri FTI – ITS pada tahun 2008 dan terdaftar dengan NRP. 2508100155. Di Jurusan Teknik Industri ini Penulis mengambil Bidang Studi Komputasi dan Optimasi Industri. Penulis sempat aktif di beberapa kegiatan Seminar yang diselenggarakan oleh Jurusan, Himpunan Mahasiswa Teknik Industri (HMTI), anggota UKM Ju-Jitsu ITS dan aktif sebagai Asisten Laboratorium Komputasi dan Optimasi Industri maupun assisten dosen dalam mata kuliah Statistik Industri, Matematika Optimasi, Operation Research, Simulasi Sistem Industri dan Perancangan Sistem Industri. Email penulis yang dapat dihubungi adalah [email protected].
(Halaman ini sengaja dikosongkan)