Pengantar

Analisa Keputusan
Nachnul Ansori
Industrial Management Laboratory

DEFINISI :
KEPUTUSAN
yang diinginkan yang diperoleh
(harapan ) (kenyataan)

beda

masalah

alternatif

pilihan
Pengambilan Keputusan dengan Analisa Keputusan
* Dewey How we think
Ada 3 langkah memutuskan
1. Mengenali masalah
2. Mengembangkan alternatif yang mungkin
3. Memilih alternatif yang terbaik (menurut si
pengambil keputusan).
* Herbert Simon pemenang nobel 1970
dalam bidang ekonomi, menambah
satu langkah lagi :
4. Evaluasi
Mengenali masalah
Mengenali lingkungan



.

Proses Pengambilan keputusan
Revise
Penetapan Goal khusus dan
Objective dan Pengukuran Hasil
Pengidentifikasian Masalah
Revise
Revise
Pengembangan Alternatif
Pengevaluasian Alternatif
Revise
Pemilihan Alternatif
Revise
Revise
Penerapan keputusan
Pengendalian dan Pengevaluasian
PENETAPAN GOAL KHUSUS DAN
OBJECTIVE SERTA PENGUKURAN
HASIL
O Penetapan goal dan objective akan mengarahkan pada
hasil mana yang sudah dicapai dan pengukuran mana yang
menunjukkan hasil yang sesuai dengan yang diinginkan.

O Penetapan goal dan objective membutuhkan
komunikasi antara manajer dengan bawahan.
PENGIDENTIFIKASIAN MASALAH
Adanya masalah menunjukkan adanya gap antara goal dan objective organisasi
dengan kinerja aktual.

Faktor yang menggangu identifikasi masalah:
Persepsi terhadap masalah
Penetapan masalah dalam lingkup solusi
Identifikasi gejala sebagai masalah
Pengembangan Alternatif
Alternatif (Potensi Solusi) harus dikembangkan
(lingkungan internal & eksternal) dan
konsekuensi/akibat yang mungkin timbul dari
setiap alternatif.
Perlu mempertimbangkan kendala waktu &
biaya; banyaknya alternatif dengan kecepatan
keputusan yang diambil.
Cara untuk kembangkan alternatif adalah dengan
analisis skenario.
Pengevaluasian Alternatif
Alternatif yang sudah dipilih dievaluasi dan dibandingkan
dengan objective.
Objective dari pengambilan keputusan setiap alternatif
harus berupa hasil/keluaran positif paling banyak dan
akibat buruk paling kecil.
Hubungan Alternatif Hasil:
- Kepastian : Pengetahuan lengkap ttg probabilitas output
- Ketidakpastian : Tidak punya pengetahuan ttg probabilitas
output
- Resiko : Punya beberapa probabilitas output
Pemilihan Alternatif
Pemilihan alternatif yang dipilih berdasarkan
hasil/keluaran yang sesuai objective.
Perlu mempertimbangkan dampak alternatif + dan -
terhadap objective yang lain (tujuan yang satu
optimal sedangkan tujuan yang lain tidak optimal).
Tidak mungkin solusi keputusan akan memuaskan
semuanya, tetapi yang optimal adalah yang sesuai
standar.
Penerapan Keputusan
Keputusan yang baik adalah yang efektif untuk
implementasi
Perlu pengujian terhadap perilaku orang terhadap
keputusan tersebut.
Pengendalian dan Pengevaluasian
Efektivitas manajemen terkait dengan pengukuran
hasil periodik
Perlu pengendalian dan evaluasi keputusan
terhadap objective
Faktor penentu keputusan
No Landasan waktu Deskripsi
1.
Masa lalu
Pengalaman dan peristiwa masa lalu
Keinginan masa lalu yang belum terwujud
Masalah dan tantangan yg timbul pada masa lalu dan belum terselesaikan
Ketersediaan informasi masa lalu
2.




Masa kini
Perubahan faktor lingkungan: politik, ekonomi, sosial budaya.
Dorongan visi, misi dan keinginan yang hendak dicapai.
Masalah dan tantangan yang timbul sebagai hasil dari perubahan
lingkungan.
Adanya konsep kelangkaan dan keterbatasan
Adanya konsep tentang tindakan atas dasar kesadaran untuk memilih salah
satu alternatif atas masalah yang dihadapi
Keputusan-keputusan yang diambil oleh organisasi lain
Ketersediaan real time information, informasi yang relevan dan berkualitas
Adanya sejumlah pengetahuan hasil akumulasi masa lalu yang bernilai
tinggi
3.

Masa depan
Visi, misi dan tujuan yang hendak dicapai
Perubahan faktor lingkungan yang akan terjadi
Ketidakpastian dan peluang timbulnya risiko dan kelangkaan
Ketersediaan expected information yang diharapkan membantu proses
pengambilan keputusan
Sistem:
elemen-elemen yang saling berkait untuk
mencapai tujuan

Dapat dibagi dalam :
- - sistem tertutup
- - sistem terbuka
SISTEM TERTUTUP
1. Sistem Statis : tidak berubah dari waktu ke waktu.
Contoh : bangunan
2. Sistem dinamis sederhana : berubah, tapi pada
periode waktu yang sama akan kembali ke keadaan
semula. Contoh : jam, sistem tata surya.
3. Homostatis (cyberneties) : sistem yang statis di
dalam suatu lingkungan yang dinamis. Misal :
temperatur udara dalam ruangan yang ber-AC
SISTEM TERBUKA
1. Sistem sel sel darah, tumor
2. Sistem sosiogenetik sistem tumbuh
tumbuh
membesar pada suatu tempat tertentu
berkembang
3. Sistem binatang (animal system)
tumbuh berkembang bergerak
4. Sistem manusia : tumbuh berkembang/anak
bergerak punya akal komunikasi
5. Sistem sosial :
menyangkut manusia & sistem lain ada value
6. Sistem jagad raya (trancendental)

suatu sistem bisa menurut derajatnya (degenerate)
MODEL
Representasi dari sistem, dibagi atas klasifikasi:
a. Bentuk
- ikonik : bentuk/struktur mirip dengan yang
asli, skala kecil
- analog circuit electric
b. Penyajian tertulis - verbal

Cara merepresentasikan
model Model hanya menggambarkan sebagian dari sistem
sistem Model < sistem incomplete model

sistem Model menggambarkan > sistem
MODEL misal : linier programming imperfect model

sistem incomplete & imperfect model
model misalnya : potret hitamputih sistem 3 dimensi potret 2 dimensi
mata coklat - hitam

Dalam model-model keputusan juga demikian :
Model yang sempurna & komplit : hampir tidak ada/tidak mungkin
JENIS-JENIS KEPUTUSAN
1. LEVEL MANAJEMEN 2. BENTUK MANAJEMEN 3. SCOPE

TOP TOP TOP

MIDDLE MIDDLE t MIDDLE

OPERATIONAL OPERATIONAL OPERATIONAL

1 2 3 ruang lingkup
Pelaksanaan control perencanaan
- Top Manajemen : sebagian besar perencanaan sedikit kontrol
- Middle manajemen : sedikit perencanaan, sebagian besar
kontrol
- Operasional : sedikit kontrol,sebagian besar pelaksanaan
JENIS-JENIS KEPUTUSAN
4. KEMUNGKINAN
tidak pasti (uncertain)

RESIKO gaya individu : - pengelak resiko
- penggemar resiko
deterministik

5. TERPROGRAM TIDAKNYA
- tidak terstruktur
- terstruktur, tidak bisa diprogram (unprogramable),
kendala diketahui
- terprogram : programable decision making
* kebiasaan / rutin
MATRIKS KEPUTUSAN
Salah satu model untuk membantu dalam pengambilan
keputusan
Probability diketahui
Probability tidak diketahui

Makin ke atas level manajemen, personal
Keputusan yang diambil
Tergantung dari siapa yang level
mengambil keputusan manajemen
impersonal

POHON KEPUTUSAN (Decision Tree)
P11 o11
A1
P12 o12
P211 o211
A21 p212 o212
P213 o213
A2 p2211 o2211
A221 p2212 o2212
A22 p2213 o2213
A222 p222 o222
A3 p3 o3

Keterangan :
: decision node
: even fork
CIRI ANALISA KEPUTUSAN - KUNTORO
1. Pengambilaan keputusan belum dapat memutuskan tindakan yang
sebaiknya diambil.
2. Penstruktur analisa
- Penjabaran semua alternatif & informasi yang terkait
- Eksperimentasi yang mungkin dilaksanakan
- Diagram keputusan
3. Penjajagan besaran kemungkinan/ketidakpastian dalam diagram
keputusan
- dengan memakai informasi yang ada
- pandangan ahli
- pertimbangaan subyaktif pengambil keputusan
4. Pengungkapan prefereensi pengambilan keputusan terhadap resiko
dalam bentuk utilityekspektasi utility sebagai dasar penetapan
tindakan optimal
5. Memilih tindakan terbaik
memaksimumkan harapan yang dinyatakan dengan ekspektasi
utility
JANGKA LINGKUNGAN SIFAT MISAL
STRATEGIS panjang *dinamis
*mempengaruhi
faktor-faktor
dengan kepastian
rendah
Tidak bisa
diprogram
preferensi
pengambil
keputusan masuk
secara utuh
*penetapan
lokasi airport
* Pemilihan
teknologi
TAKTIS Menengah
Pendek
*dinamis
*mempengaruhi
faktor-faktor
dengan kepastian
tinggi
Bisa diprogram
dengan masukan
preferensi
pengambil
keputusan
*membeli/sew
a mesin
produksi
*peletakan
mesin baru
OPERASIONAL
Prog.linier
Prog.dinamis
Analisa jaringan
Analisa pers.
pendek Dianggap statis
tidak
mempengaruhi
faktor
Berulang, bisa
dibuat program
*penentuan
beban mesin
*mengubah
tata cara kerja
PERMASALAHAN MANAJEMEN
Makin banyak alternatif yang dapat diterapkan makin
baik hasil yang diperoleh
Makin banyak kriteria yang terkait dalam alternatif
membuat model yang baik dari sistem

Makin komprehensif dalam mewakili kenyataan makin
baik representasi terhadap masalah yang dihadapi

Efektifitas pengambilan keputusan
Dibatasi oleh kemampuan untuk :
* menghimpun alternatif
* menghayati kriteria
Tergantung siapa pengambil keputusan itu

Pendekatan dalam pengambilan keputusan :
Pendekatan deskriptif
Pendekatan normatif

Suatu keputusan disebut baik bila :
- Seluruh informasi telah dimanfaatkan secara penuh
- Dasar-dasar rasionalitas telah diikuti dengan baik
- Perpindahan tahapan dapat dilakukan dengan
konsisten.
x
y
z
derajat ketidakpastian
deterministik
resiko ketidakpastian
K
o
m
p
l
e
k
s
i
t
a
s

(
j
u
m
l
a
h

k
r
i
t
e
r
i
a
)

s
e
d
i
k
i
t

b
a
n
y
a
k

terikat
bebas
C C
C
C C

C

Metode yang digunakan
1. Masalah optimasi pada perancangan teknik.
Linear programming
Quadratic programming
Generalized Reduced Gradient method
Sequential Quadratic Programming
Augmented Lagrangian Method
Genetic Algorithms
Simulated Annealing


2. Masalah pengambilan keputusan dibawah resiko, seperti:


Tipe resiko &
ketidakpastian
Contoh
Manufaktur Macam-macam manufaktur
Macam-macam properti material
Desain/analisis Evaluasi kinerja produk
Translasi nilai kinerja
Ekonomi/pemasaran Perubahan lokasi pemasaran
Aksi kompetitif
Perubahan preferensi customers
Harga material
Faktor ekonomi eksogen
- Perancangan probabilitas dengan metode statistik:
Statistical Interval Estimation (Confidence Interval,
Tolerance Interval, and Prediction Interval, dll); Analysis of
Variance (ANOVA); Factorial and Fractional; Factorial
Design of Experiments (DOE) dan Regression Analysis.
- Utility analysis & risk profile (Von Neumann &
Morgenstern utility method)
- Robust design (Taguchi method)


3. Pengambilan keputusan di bawah ketidakpastian:
Menggunakan pertimbangan subyektif dan atau
menghimpun data baru (teorema Bayes)
4. Multicriteria decision making di bawah kepastian:
Multi Attribute Decision Making (MADM): Pughs
selection method, Quality Function Deployment (QFD),
Analytic Hierarchy Process (AHP).
Multi Objective Decision Making (MODM)


5&6 Multicriteria decision making di bawah resiko dan
ketidakpastian:
Teori himpunan fuzzy
Multi Attribute Utility Theory (MAUT)
Decision tree
Bayesian method


7,8,9 Pengambilan keputusan terdistribusi, dilakukan melalui tahap-
tahap:
Definition phase
Conceptual phase
Embodiment phase
Detail phase

Harga permainan untuk
kedua jenis lotere Rp. 100
200
36
DECISION THEORY
Theory pengambilam keputusan

Pangestu Subagyo
37
Decision:
Pengambilan keputusan (decision), atau
memutuskan sesuatu
Seharusnya dilakukan secara rasional
Jangan emosional

38
Decision yang baik:
Didasarkan pada logika
Didukung dengan informasi yang lengkap
Dengan alat analisis yang tepat
Dengan mempertimbangkan berbagai
alternatif keputusan yg dapat dilakukan
39
Enam tahap didalam decision
making:
1.Clearly definiting the probkem at hand :
misal akan membangun pabrik

2.List the posible alternatives:
misalnya akan membuat (1) pabrik besar,
(2) pabrik kecil atau (3) tidak membangun
pabrik

40
.. enam tahap
3.Identify the possible outcomes or states of
nature, tentukan alternatif keadaan yang
dapat terjadi:
misal pasarnya bisa favourable atau
unfovourable
4.List the payoff or profit of each
combination of alternative and outcomes:
Hitiug hasil/ keuntungan yang diperkirakan
diperoleh pada setiap alternatif:
misal laba (atau lain) setiap alternatif

41
.. enam tahap
.
Favourable
Market
Unavourable
market
Pabrik besar 200 000 -180 000
Pabrik kecil 100 000 -20 000
Tidak buat 0 0
42
.. enam tahap
5.Select one of the mathematical decision
= memilih model matematis yang tepat

6.Apply the model and make yur decesion =
Terapkan model yg sudah dipilih, gunakan
untuk pengambilan keputusan

43
Macam-macam decision making
1. Decision making under certainty
Data yang digunakan dianggap sama dengan yang akan
terjadi. Misal tawaran deposito.
2. Decision making under uncertainty
Data belum tentu terjadi, probabilitasnya tidak
diketahui.
3. Decision making under risk
Data belum tentu, probabilitasnya diketahui.

44
DECISION MAKING UNDER
UNCERTAINTY
1. Maximax (otpimistic)
2. Maximin (maximistic)
3. Criterion of realism (Hurwicz)
4. Equally likely (LaPlace)
5. Minimax regret
45
1. Maximax:
Pilihlah nilai yang tertinggi pada setiap
(baris) alternatif
Hasi pabrik besar Rp 200 000, pabrik kecil
Rp 100 000, tidak mendirikan = 0.
Pilihlah nilai yang terbesar
Maximax = Rp 200 000, pada alternatif 1
(pabrik besar)
46
Tabel Maximax
.
Favourbl
Market
Unfav
Market
Maximum
Pabrik besar 200 000 -180 000 200 000
Maximax
Pabrik kecil 100 000 -20 000 100 000
Tidak buat 0 0 0
47
2. Maximin
Tentukan hasil terrendah (minimum) untuk
setiap alternatif: pabrik besar = -180 000,
pabrik kecil -20 000, dan dan tidak
mendirikan = 0.
Pilih nilai meximum dari hasil minimum,
hasilnya maximin, ternyata pada alternatif
tidak mendirikan pabrik
Maximin dengan hasil = Rp 0.
48
Tabel Maximin
.
Favourbl
Market
Unfav
Market
Minimum
Pabrik besar 200 000 -180 000 -180 000
Pabrik kecil 100 000 -20 000 -20 000
Tidak buat 0 0 0
Maximin
49
3. Criterion of realism =
Hurwicz Criterion)
.
Favourbl
Market
Unfav
Market
Weg. Av.
a = 0,8
Pabrik besar 200 000 -180 000 124 000
realism
Pabrik kecil 100 000 -20 000 76 000
Tidak buat 0 0 0

50
Criterion of realism
Setiap alternatif ditentukan hasilnya dengan
weghted averages, dengan bobot = a
Keuntungan mendirikan pabrik besar = 0,8(200
000) + 0,2(-180 000) = 124 000
Keuntungan mendirikan pabrik kecil = 0,8(100
000) + 0,2(-20 000) = 76 000
Keuntungan tidak mendirikan pabrik = 0
Pilih alternatif mendirikan pabrik besar,
karena hasinya terbesar


51
Besar kecilnya a menentukan besar
kecilnya pengaruh dari keadaan itu
Kalau a besar berarti keadaan itu
menentukan
Misalnya di gunakan a = 0,8 dalam contoh
berarti pengaruh kemungkinan keadaan
favourable market lebih menentukan
52
4. Equaly likely (LaPlace)
.
Favourbl
Market
Unfav
Market
Average
Pabrik
besar
200 000 -180 000 10 000

Pabrik kecil 100 000 -20 000 40 000
Eq Likely
Tidak buat 0 0 0

53
Dengan membagi sama hasil
Untuk setiap alternatif, hasil antara
favourable dan unfavourable dibagi dua
Rata-rata keuntungan membangun pabrik besar
= (Rp 200 000 - Rp180 000)/2 = Rp 10 000
Rata-rata keuntungan membangun pabrik kecil
= Rp 100 000 Rp 20 000)/2 = 40 000
Rata-rata hasil tidak mendirikan = 0
Dipilih membangun pabrik kecil, keuntungan
terbesar (Rp 40 000).
54
5. Minimax regret
Kita cari opportunity loss atau regret , yakni
mendapat kerugian karena tidak memilih
alternatif yg paling menguntungkan.
Untuk favourable market, bila tidak memilih
pabrik besar, hasilnya = laba seharusnya Rp
200 000 dikurangi keuntungan yang hilang Rp
200 000, kerugian = 0. Kerugian memilih pabrik
kecil = keuntungan memilih pabrik besar
keuntungan memilih pabrik kecil = 200 000 10
000 = 100 000
55
minimax
Apabila memilih tidak membangun kerugiammya
200 000 0 = 200 000
Kalau unfavourable marketyang paling
menguntungkan tidak mendirikan
Pilih pabrik kesal kerugiannya = 0 (- 180 000)
= 180 000. Kerugian memilik mendirikan pabrik
kecil = 0 - (-100 000) = 100 000. Memilih tidak
mendirikan tidak rugi
56
Kerugian yg diperoleh bila
mendirikan pabrik:
.
Favourable market Unfavourable market
200 000 200 000
= 0
0 (-180 000)
= 180 000
200 000 100 000
= 100 000
0 (-20 000)
= 20 000
200 000 0
= 200 000
0 0 = 0
57
Hasil minimax
.
Favourbl
Market
Unfav
Market
Maximum
Pabrik besar 0 180 000 180 000

Pabrik kecil 100 000 20 000 100 000
Minimax
Tidak buat 200 000 0 200 000

58
DECISION MAKING UNDER RISK
1. Expected monetary value
Menjumlahkan perkalian hasil setiap
kemungkinan dikalikam dengan
probabilitasnya

EMV = X
1
.P
1
+ X
2
.P
2
. . . X
n
.P
n


= S X
i
.Pi

59
Data, menggunakan data sebelumnya








Favourable
market
Unfav.
market
Pabr Besar 200 000 - 180 000
Pabr kecil 100 000 - 20 000
Tidak mendrk 0 0
Probabilitas 0,50 0,50
60
Misal Prob. favourable = 0,5
EMV pabrik besar = 0,5(200 000) + 0,5(-180
000) = 10 000
EMV pabrik kecil = 0,5(100 000) + 0,5(-20
000) = 40 000
EMV tidak membangun = 0,5(0) + 0,5(0) = 0

Dipilih pabrik keil, EMV terbesar =40 000
61
Exp. value of perfect information
Dicari dengan: Expecred value with perfect
informatiojn (EVwPI) Maximum EMV
EMwPI = S P
i
x Mi

Fav. Mkt Unv. Mkt
Max hasil 200 000 0
Probability 0,5 0,5
62
EVPI
EVwPI = 0,5(200 000) + 0,5(0)
= 100 000

EVPI = EVwPI Max EMV
= 100 000 40 000 = 60 000

Merupakan maksimum harga informasi
63
Expected Opportunity Loss
(EOL)








Favourb.
Market
Unvav.
Market
EOL
Bangun
pabr besr
0 180 000 90 000
Bangun
pab kecil
100 000 20 000 60 000
Tidak
membng.
200 000 0 100 000
Probab. 0,5 0,5
64
Pilih minimum EOL, hasilnya sama
dengan maksimum EVPI
EOL pabrik besar = 0,5(0)+0,5(180 00)
= 90 000
EOL pabrik kecil = 0,5(100000)+0,5(20 000
= 60 000
EOL td mnd pbr. = 0,5(200000)+0.5(0)
= 100 000

Pilih minimum EOL, pabr kecil = 60 000

65
INTEGER PROGRAMMING

Pangestu Subagyo
66
Pendahuluan
Pemecahan dgn LP menghasilkan nilai variabel yg
biasanya berupa pecahan, padahal banyak masalah
memerlukan hasil yg bulat.
Misal banyak rumah tangga, kepala keluarga, rumah
sakit dll.
Misal hasil optimal X
1
= 6,67, X
2
= 15,73. Kalau
dibulatkan dgn 7 dan 16 apakah tidak melanggar
kendala/ sumberdaya yg ada?
Maka buatlah hasil optimalnya angka utuh (integer),
dan kendala tetap diikuti.
67
Pendahuluan (2)
Lebih banyak pekerjaan d/p LP.
Bisa integer semua atau sebagian saja.
68
Contoh 1:
Formulasi masalah sbb:
Fungsi tujuan: Maksimum Z = 2X
1
+ 5X
2

Kendala-kendala:
(1) 3X
1
+ 6X
2
< 16
(2) X
1
, X
2
> 0

Kalau diselesaikan dgn metoda grafik sbb:
69















X
2

B (0, 2,67) Z = 13,33


A(5,33, 0) Z = 10,67
X
1
70
Dgn LP di titik B, memiliki nilai variabel pecahan
(noninteger)
Untuk membuat integer harus ditambah kendala
X
2
= 2
Jangan dijadikan 3 sebab akan melanggar
kendala
X
2
juga harus integer, diberi kendala X
2
= 1
Hasil integer-nya sbb:
Hasil optimal:
71
Grafik untuk integer
programming
X
2

B (0, 2,67) Z = 13,33

2 C
A(5,33, 0)
0 1 X
1

72
Hasil optimal integer
programming:
Untuk membuat nilai X
2
integer, maka harus
dijadikan 2, kalau 3 melanggar kendala
X
1
juga dapat menjadi 1, lihat gambar!
Maka hasil optimal di titik C:
X
1
= 1, X
2
= 2, Z = 12
73
Contoh 2:
F Tujuan: Maks. Z = 7X
1
+ 6X
2

Kendala-kendala:
(1) 2X
1
+ 3X
2
< 12
(2) 6X
1
+ 5X
2
< 30
(3) X
1
, X
2
> 0
74
Grafik:
X
2
6
4

(3,75, 0,5) Z = 35,25
(5, 0) Z = 35
6
X
1


75
Alternatif titik:
X
1
X
2
Z
0 4 24
1 3 25
2 2 26
3 2 33
4 1 34
5 0 35
Optimal