analisis keputusan
DESCRIPTION
Analisis Keputusan. Komponen Pengambilan Keputusan. Pengambilan keputusan tanpa probabilitas Pengambilan keputusan dengan probabilitas Analisis keputusan dengan informasi tambahan Payoff tables sebagai ilustrasi hasil berbagai keputusan yang berbeda. - PowerPoint PPT PresentationTRANSCRIPT
Analisis Keputusan
Komponen Pengambilan KeputusanPengambilan keputusan tanpa probabilitasPengambilan keputusan dengan probabilitasAnalisis keputusan dengan informasi
tambahan
Payoff tables sebagai ilustrasi hasil berbagai keputusan yang berbeda
KeputusanKondisi Dasar
a b12
Hasil keputusan 1aHasil keputusan 2a
Hasil keputusan 1bHasil keputusan 2b
Pengambilan Keputusan Tanpa ProbabilitasContoh :
Seorang investor ingin membeli salah satu dari tiga jenis real estat. Ia harus memutuskan antara sebuah apartemen, sebuah bangunan kantor, dan sebuah gudang. Kondisi dasar di masa yang akan datang yang akan menentukan besar laba yang akan diperoleh investor tersebut adalah kondisi ekonomi yang baik dan buruk. Laba yang dihasilkan dari masing-masing keputusan dalam tiap kondisi dasar yang terjadi adalah sbb :
Pengambilan Keputusan Tanpa Probabilitas
Beberapa kriteria tersedia untuk pengambilan keputusan :maximax, maximin, minimax regret, Hurwicz, dan equal likelihood.
Keputusan(untuk Membeli)
Kondisi Dasar KONDISI
EKONOMI BAIKKONDISI
EKONOMI BURUKApartemenBangunan KantorGudang
$50.000100.00030.000
$30.000-40.00010.000
Kriteria MaximaxPengambilan keputusan dengan memilih nilai
paling maksimum dari hasil yang maksimum (0ptimis).
Walaupun laba terbesar adalah $100.000, tidak mengabaikan adanya kerugian potensial $40.000
Keputusan(untuk Membeli)
Kondisi Dasar KONDISI
EKONOMI BAIKKONDISI
EKONOMI BURUKApartemenBangunan KantorGudang
$50.000100.000
30.000
$30.000-40.00010.000
Kriteria MaximinPenambilan keputusan mencerminkan nilai
maksimum dai hasil minimum (pesimis)
Keputusan(untuk Membeli)
Kondisi Dasar KONDISI
EKONOMI BAIKKONDISI
EKONOMI BURUKApartemenBangunan KantorGudang
$50.000100.00030.000
$30.000-40.00010.000
Kriteria Minimax RegretPengambilan keputusan bermaksud menghindari penyesalan yang
timbul setelah alternatif keputusan yang meminimumkan penyesalan.
Gambaran penyesalan:
Kondisi Ekonomi yang Baik$100.000 – 50.000 = $50.000$100.000 – 100.000 = $0$100.000 – 30.000 = $70.000
Kondisi Ekonomi yang Buruk$30.000 – 30.000 = $0$30.000 – (-40.000) = $70.000$30.000 – 10.000 = $20.000
Kriteria Minimax RegretKeputusan
(untuk Membeli)
Kondisi Dasar KONDISI
EKONOMI BAIKKONDISI
EKONOMI BURUKApartemenBangunan KantorGudang
$50.0000
70.000
$070.00020.000
Kriteria HurwiczMencari kompromi antara kriteria maximax
dan maximin.Pengambilan keputusan tidak sepenuhnya
optimis atau pesimisKoefisien optimisme didefinisikan (0 ≤ α ≤
1,0)Optimisme = α Pesimisme = 1 - α
Contoh : pada kasus yang sama, diketahui α =0,4 (sedikit pesimis), maka 1 – α = 0,6
Kriteria Hurwicz
Kelemahan Hurwicz terletak pada penentuan nilai α yang sangat subjectif yang tidak tentu asalnya
Keputusan NilaiApartemenBangunan kantorGudang
$50.000 (0,4) + 30.000 (0,6) = $38.000$100.000 (0,4) – 40.000 (0,6) = $16.000$30.000 (0,4) + 10.000 (0,6) = $18.000
Kriteria Equal LikelihoodMemberikan bobot yang sama untuk setiap kondisi
dasar, jadi diasumsikan bahwa setiap kondisi dasar memiliki kemungkinan yang sama untuk terjadi.
Kelemahan EL, tidak semua mempunyai kondisi sama atau 50%.
Keputusan NilaiApartemenBangunan kantorGudang
$50.000 (0,5) + 30.000 (0,5) = $40.000$100.000 (0,5) – 40.000 (0,5) = $30.000$30.000 (0,5) + 10.000 (0,5) = $20.000
Kesimpulan Hasil KriteriaKriteria Keputusan
(Membeli)MaximaxMaximinMinimax regretHurwiczEqual likelihood
Bangunan kantorApartemenApartemenApartemenApartemenKeputusan membeli apartemen mendominasi
hasil kriteria di atas.
Pengambilan Keputusan Dengan ProbabilitasTerdapat kemungkinan bagi pengambil
keputusan untuk mengetahui kondisi dasar di masa mendatang dan bisa memberikan probabilitas kejadian untuk masing-masing kondisi dasar.
Nilai yang diperkirakan atau (Expected value –EV)
Nilai Variabel acak x disimbolkan E(x), jadi
Pengambilan Keputusan Dengan ProbabilitasNilai Yang DiperkirakanPeluang Rugi Yang DiperkirakanNilai Yang Diperkirakan Atas Informasi
SempurnaPohon KeputusanPohon Keputusan Berkesinambungan
Nilai Yang DiperkirakanContoh:
Pada kasus yang sama, diasumsikan bahwa berdasarkan beberapa ramalan ekonomi, investor dapat memperkirakan probabilitas kondisi ekonomi yang baik sebesar 0,6 dan kondisi ekonomi yang buruk sebesar 0,4, maka
Keputusan(untuk Membeli)
Kondisi Dasar KONDISI
EKONOMI BAIK0,60
KONDISI EKONOMI BURUK
0,40ApartemenBangunan KantorGudang
$50.000100.00030.000
$30.000-40.00010.000
ContohNilai yang diperkirakan (EV) :
Hal ini tidak berarti bahwa jika investor membeli bangunan kantor maka hasil yang diterima adalah $44.000 melainkan $100.000 atau -$40.000
EV(apartemen)EV(bangunan kantor)EV(gudang)
$50.000 (0,6) + 30.000 (0,4) = $42.000
$100.000 (0,6) – 40.000 (0,4) = $44.000$30.000 (0,6) + 10.000 (0,4) = $22.000
Peluang Rugi Yang DiperkirakanExpected Oportunity Loss (EOL)Mengalikan probabilitas dengan
penyesalan(peluang rugi)
Keputusan(untuk Membeli)
Kondisi Dasar KONDISI
EKONOMI BAIK0,60
KONDISI EKONOMI BURUK
0,40ApartemenBangunan KantorGudang
$50.0000
70.000
$070.00020.000
Contoh
Pengambilan keputusan pada kriteria ini adalah bangunan kantor karena memiliki tingkat penyesalan terendah
EOL(apartemen)EOL(bangunan kantor)EOL(gudang)
$50.000 (0,6) + 0 (0,4) = $30.000
$0 (0,6) + 70.000 (0,4) = $28.000$70.000 (0,6) + 20.000 (0,4) = $50.000
Nilai Yang Diperkirakan Atas Informasi SempurnaExcpected value of perfect information (EVPI)Diawali dengan melihat kondisi dasarJika kita dapat memperoleh informasi yang dapat
meyakinkan kita kondisi dasar mana yang akan terjadi, kita dapat membuat keputusan terbaik untuk kondisi dasar tersebut.
Contoh:Pada kasus yang sama jika kita yakin bahwa kondisi baik yang akan terjadi, akan kita putuskan untuk membeli kantor, jika kondisinya buruk, maka kita putuskan membeli apartemen dengan kondisi dasar 0,6 dan 0,4
Contoh
$100.000(0,6) + 30.000(0,4) = $72.000
Keputusan(untuk Membeli)
Kondisi Dasar KONDISI
EKONOMI BAIK0,60
KONDISI EKONOMI BURUK
0,40ApartemenBangunan KantorGudang
$50.000100.000
30.000
$30.000-40.00010.000
ContohIngat BahwaEV(kantor) = $100.000(0,6) – 40.000(0,4) =
$44.000EVPI = $72.000 – 44.000 = $28.000EQL(kantor) = $0(0,6) + 70.000(0,4) =
$28.000
Pohon KeputusanLingkaran dan kotak disebut dengan simpul
ContohHasil Perkiraan :
EV(simpul 2) = 0,6 ($50.000) + 0,4 ($30.000) = $42.000
EV(simpul 3) = 0,6 ($100.000) + 0,4 (-$40.000) = $44.000
EV(simpul 4) = 0,6 ($30.000) + 0,4 ($10.000) = $22.000
Dalam sekumpulan keputusan atau keputusan berkesinambungan pohon keputusan akan sangat berguna
Pohon Keputusan BerkesinambunganContoh
Dalam kasus yang sama, jika investasi nya mencakup periode 10 tahun, dimana selama itu beberapa keputusan harus dibuat.
Keputusan pertama : membeli apartemen atau tanahdengan kondisi populasi meningkat 60% atau tidak akan meningkat 40%.
Jika investor memilih membeli tanah keputusan lain yang dibuat dalam tiga tahun kedepan bergantung pada perkembangan tanah tsb.
Contoh
ContohPerkiraan simpul 6 dan 7
EV(simpul 6) = 0,8 ($3.000.000) + 0,2 ($700.000) = $2.540.000 EV(simpul 7) = 0,3 ($2.300.000) + 0,7 ($1.000.000) =
$1.390.000
Perkiraan simpul 2 dan 3EV(simpul 2) = 0,6 ($2.000.000) + 0,4 ($225.000) = $1.290.000EV(simpul 3) = 0,6 ($1.740.000) + 0,4 ($790.000) = $1.360.000
Keputusan setelah dikurangi biayaApartemen : $1.290.000 – 800.000 = $490.000Tanah : $1.360.000 – 200.000 = $1.160.000
Analisis Keputusan TambahanMenggunakan Analisis Bayesian
Contoh pada kasus yang sama, probabilitas kondisional sbb
Probabilitas prior
ResourceTaylor W. Bernard. 2004. Management
Science Eight Edition. Prentice Hall : New Jersey