TEORI PENGAMBILAN KEPUTUSAN

DR. MOHAMMAD ABDUL MUKHYI, SE., MM
6/6/2008 1

D i i Analysis Decision A l i
Model yang membantu para manajer memperoleh pengertian dan pemahaman yang mendalam, tetapi mereka tidak dapat membuat keputusan. Pengambilan keputusan merupakan suatu tugas yang sulit lit dalam d l kaitan k it dengan: d • ketidak-pastian masa depan • konflik nilai nilai-nilai nilai atau hasil tujuan Mempertimbangkan p g contoh berikut ...
6/6/2008 2

Deciding Between Job Offers
Perusahaan A • Suatu industri baru yang bisa memperoleh keuntungan yang tinggi (booming) • Gaji awal yang rendah, tetapi bisa meningkat dengan cepat. • Terletak dekat teman, keluarga dan team olah raga favorit Perusahaan B • Perusahaan yang dibentuk dengan kekuatan keuangan dan komitmen pada karyawan. • Gaji awal lebih tinggi tetapi kesempatan kemajuan lambat. • Penempatan mendalam, menawarkan budaya.atau aktivitas olahraga
6/6/2008

Pekerjaan yang mana kamu akan mengambil?

3

Keputusan terbaik vs Hasil terbaik
• Pendekaan struktur pengambilan keputusan dapat membantu membuat keputusan yang terbaik, tetapi tidak dapat p menggaransi gg hasil y yang g baik. • Keputusan yang barik kadang-kkadasng menghasilkan hasil yang kurang baik.

6/6/2008

4

Bagaimana membuat keputusan dalam organisasi
¾ Membuat keputusan:
– The h process of f choosing h i a course of f action i for f dealing d li with ih

a problem or opportunity.

6/6/2008

5

Bagaimana membuat keputusan dalam organisasi
¾ Langkah-langkah k h l k h dalam d l membuat b keputusan k semantik. ik – Menggambarkan dan mengenali masalah dan kesempatan. – Mengidentifikasi dan menganalisis macam langkah tindakan

alternatif, mengestimasi pengaruhnya dalam masalah atau kesempatan.
– Memilih tindakan yang lebih disukai. – Mengimplikasikan tindakan yang lebih disukai. – Mengevaluasi hasil dan kelanjutannya sebagaimana diperlukan.
6/6/2008 6

dipertimbangkan 6/6/2008 7 . digunakan • Teknik keputusan novel boleh menghasilkan pencapaian atasan dalam situasi tertentu. tertentu • Konsekwensi pengambilan keputusan yang etis harus dipertimbangkan.Bagaimana keputusan dibuat dalam organisasi? • Proses pengambilan keputusan sistematis tidak mungkin diikuti jika perubahan substansiil yang terjadi dan banyak teknologi baru yang digunakan.

Bagaimana keputusan di ambil dalam organisasi? Lingkungan keputusan meliputi: • Lingkungan tertentu. • Lingkungan tidak-pasti. 6/6/2008 8 . • Mengambil resiko lingkungan.

– Kepastian adalah masalah ideal dalam memecahkan dan pengambilan keputusan lingkungan. 6/6/2008 9 .Bagaimana keputusan dibuat dalam organisasi? ¾ Lingkungan tertentu. tertentu – Bilamana informasi adalah cukup untuk meramalkan hasil dari tiap alternatif dalam pengambangan implementasi.

6/6/2008 10 . – Kemungkinan dapat dirumuskan melalui sasaran prosedur statistik i ik atau intuisi i i i pribadi ib di. tetapi p mereka dapat merumuskan kemungkinan kejadian.Bagaimana keputusan dibuat dalam organisasi? ¾ Resiko lingkungan. . lingkungan – Bilamana pembuat keputusan tidak dapat menyudahi kepastian p mengenai g hasil berbagai g macam tindakan.

6/6/2008 11 . • Personil yang mempengaruhi definisi pilihan dan masalah. – Juga g y yang g ditandai oleh dengan g cepat p mengubah: g • Kondisi-Kondisi eksternal. masalah – perubahan yang cepat ini adalah juga disebut anarki terorganisir.Bagaimana keputusan dibuat dalam organisasi? ¾ Lingkungan ketidak-pastian. – Bilamana manager memiliki sedikit informasi bahwa mereka tidak dapat menetapkan kemungkinan suatu kegiatan dari berbagai alternatif dan kemungkinan hasil. – Ketidak-pastian memaksa pembuat keputusan bersandar pada individu dan kreativitas kelompok untuk berhasil dalam memecahkan masalah. • Kebutuhan teknologi informasi.

p – Keputusan terprogram. – Keputusan tidak terprogram.Bagaimana keputusan dibuat dalam organisasi? ¾ Bentuk-bentuk keputusan. • Melibatkan permasalahan rutin yang muncul secara teratur dan dapat ditujukan melalui tanggapan standard. • Melibatkan bukan permasalahan rutin yang memerlukan solusi secara rinci pada situasi yang ada 6/6/2008 12 .

didasarkan pada pola berpikir mengambil pilihan 4. mengenai peristiwa yg mungkin terjadi & yg dapat terjadi j 6/6/2008 13 . Analisis persoalan (Problem Analysis) dari pola pikir sebab-akibat 3 Analisis keputusan (Decision Analysis) 3. Penilaian situasi (Situational Approach) untuk menghadapi pertanyaan “apa yg terjadi?” 2. Analisis persoalan potensial (Potential Problem Analysis) didasarkan pada perhatian kita mengenai peristiwa masa depan.Teori Pengambilan Keputusan Pola dasar berpikir p dlm konteks organisasi: g 1.

Model Inventori .Model Inventori probabilistik .Beberapa teknik dalam pengambilan keputusan: Situasi keputusan Ada kepastian (Certainty) Pemecahan Deterministik Teknik .Model Transportasi .Model Antrian probabilistik Analisis keputusan dlm keadaan ketidakpastian Teori permainan (game theory) 14 Ada risiko (Risk) Probabilistik Tdk ada kepastian (Uncertainty) Ada konflik 6/6/2008 (Conflict) Tak diketahui Tergantung tindakan lawan .Model “network” .Model Antrian .Linear Programming .Model Penugasan .Model keputusan probabilistik .

dik h i tetapi i tanpa mengetahui probabilitasnya masing-masing C Certainty 6/6/2008 R k Risk Uncertainty U 15 .¾ Certainty: Jik semua informasi Jika i f i yg diperlukan di l k untuk k membuat b keputusan diketahui secara sempurna & tdk berubah ¾ Risk: Jika informasi sempurna tidak tersedia. tetapi seluruh peristiwa yg akan terjadi besarta probabilitasnya diketahui ¾ Uncertainty: Jik seluruh Jika l h informasi i f i yg mungkin ki terjadi j di diketahui.

mengevaluasi alternatif yang tersedia yang berhubungan dengan kriteria & mengidentifikasi risiko yang melekat pada keputusan p tersebut 6/6/2008 16 . sementara keputusan certainty.Conflict f : Jika kepentingan dua atau lebih pengambil keputusan berada dalam pertarungan aktif diantara kedua belah pihak. certainty risk & uncertainty yang aktif hanya pengambil keputusan Tujuan analisis keputusan (Decision Analysis): Mengidentifikasi apa yang harus dikerjakan. mengembangkan g g kriteria khusus untuk mencapai p tujuan. j .

Pengambilan g keputusan p berdasarkan tujuan j Pengambilan keputusan berdasarkan informasi & analisis Pengambilan keputusan untuk tujuan ganda Penekanan yg meningkat pd produktivitas: .manajemen modal & material yg efektif . lingkungan perubahan situasi pasar. internasional. . 8. situasi internasional faktor sosial. ekonomi lingkungan. 3. selera konsumen. sosial ekonomi. 2.Management Science dalam pengambilan keputusan 1. pesaing. 6/6/2008 . dll) 17 5. 4 4. 7.produktivitas SDM . 6. energi g & material yg efisien Manajemen ttg segala kemungkinan yg lebih sistematis Lebih beraksi dg faktor eksternal (ex: pemerintah.proses pengambilan keputusan yg efisien Peningkatan perhatian pd perilaku kelompok Manajemen j modal.

model integer programming dan model deterministik. • Lebih dari satu alternatif tindakan • Setiap tindakan mempunyai satu atau lebih hasil 6/6/2008 18 . Tujuan j : • Lebih dari satu tujuan.KEPUTUSAN DALAM CERTAINTY (KEPASTIAN) Hasil il dari d i setiap i alternatif l if tindakan i d k dapat d di ditentukan k dimuka di k dengan pasti. Misal model linear programming.

pengambil keputusan mengetahui probabilitas yang akan terjadi terhadap berbagai tindakan dan hasilnya y dengan g memaksimalkan expected p return (ER) atau expected monetari value (EMV) 6/6/2008 19 .KEPUTUSAN DALAM KONDISI RESIKO Kurang pastinya i k j di k j di dimasa kejadian-kejadian di mendatang. d maka k kejadian ini digunakan sebagai parameter untuk menentukan keputusan p yang y g akan diambil Situasi yang dihadapi pengambil keputusan adalah mempunyai lebih dari satu alternatif tindakan.

KEPUTUSAN DALAM KONDISI RESIKO EMV i = ∑ Rij .Pj j =1 m EMVi = Expected Monetary Value untuk tindakan i Rij = return atas keputusan / tindakan i untuk tiap keadaan Pj = probabilitas kondisi j akan terjadi 6/6/2008 20 .

30 Pertanyaan: berapa koran yang harus dibeli setiap harinya? 6/6/2008 21 . Laku 10 = 0.contoh: Penjual koran mengambil koran waktu pagi dan menjualnya. Dari catatannya probabilitas koran yang laku setiap hari: Probo = prob.10 Prob1 = p prob.20 . Laku 100 = 0. Prob2 = prob. Laku 50 = 0. harga jual koran Rp 350 dan harga beli Rp 200 koran yang tidak laku disore hari tidak mempunyai harga.

500 6 500 -16.500 -12.10 1.40 1.500 15.500 7 500 7.500 -6.500 26 500 50 = 0.500 Pay off = 150 (350) – 150 (200) = 22500 6/6/2008 22 .500 12 500 100 = 0.500 -26.20 1.000 150 = 0.30 1.500 -2.000 22 500 22.500 7 500 7.500 7 500 7.500 15.Jawaban Tabel Pay-off Net Cash Flows Probabilitas koran 10 50 100 150 Jumlah dan probabilitaqs permintaan koran 10 = 0.500 Pay off = 10 (350) – 10(200) = 1.000 5 000 5.

10) .20) + 5000 (0.40) 26500 (0.30) (0 30) + 7500 (0.10) + 1500 (0.10) .20) (0 20) + 7500 (0.Expected d Return ER10 1500 (0.30) + 22500 (0.10) (0 10) + 7500 (0.2500 (0.40) (0 40) ER20 -6500 ER100 -16500 (0.40) 6500 (0.20) + 1500 (0.20) + 15000 (0.40) ER150 -26500 = = = = 1500 6100 8350 5350 6/6/2008 23 .30) + 15000 (0.12500 (0.30) + 1500 (0.

p ) Dalam suasana ketidakpastian pengambil keputusan sadar akan hasil-hasil alternatif dalam bermacam-macam peristiwa. 6/6/2008 24 . namun pengambil keputusan tidak dapat menetapkan probabilitas peristiwa.KEPUTUSAN DALAM UNCERTAINTY (KETIDAKPASTIAN) Pengambilan bil keputusan k d l ketidakpastian dalam k id k i menunjukkan j kk suasana keputusan dimana probabilitas hasil-hasil potensial tidak diketahui ( (tak diperkirakan).

Kriteria-kriteria yang digunakan A. yang merupakan k cirri i i pengambil bil keputusan k modern d B. Kriteria MAXIMIN / WALD (Abraham Wald) Kriteria untuk memilih keputusan yang mencerminkan nilai maksimum dari hasil yang minimum Asumsi: pengambil keputusan adalah pesimistik /konservatif/risk avoider tentang masa depan Kelemahan: tidak memanfaatkan seluruh informasi yang ada. cocok bagi investor yang risk taker Kelemahan: mengabaikan banyak informasi yang tersedia 6/6/2008 25 . Kriteria MAXIMAX (Vs MAXIMIN) Krietria untuk memilih alternatif yang merupakan nilai maksimum dari pay off yang maksimum Asumsi: pengambil keputusan adalah optimistic.

Kriteria MINIMAX REGRET / PENYESALAN ( (L.Kriteria-kriteria yang digunakan C.J. atau memilih nilai minimum dari regret maksimum dimana: maksimum. Savage) Kriteria untuk menghindari penyesalan yang timbul setelah memilih keputusan yang meminimumkan maksimum penyesalan/keputusan yang menghindari kekecewaan terbesar. Jumlah regret/opportunity loss = Pay off max – pay off alternatif pd peristiwa tertentu 6/6/2008 26 .

dimana koefisien optimisme (a) = 0 ≤ a ≤ 1 Dengan a : 1. sehingga hasil keputusan dikalikan dengan k fi i optimistic koefisien i i i untuk k mengukur k optimisme i i pengambil bil keputusan.Kriteria-kriteria yang digunakan D. berarti optimis total (MAXIMAX) a : 0.mengabaikan b ik beberapa b b i f informasi i yang tersedia t di (ex: ( prospek k ekonomi sedang diabaikan) 27 .sulit menentukan nilai a yang tepat . berarti sangat pesimis/optimis 0 (MAXIMIN) Atau a : optimis 1-a 1 a : pesimis Kelemahan: . 6/6/2008 Kriteria HURWICZ / kompromi antara MAXIMAX dan MAXIMIN (Leonid Hurwicz) Kriteria dimana pengambil keputusan tidak sepenuhnya optimis dan pesimis sempurna.

Kriteria LAPLACE / BOBOT YANG SAMA ( (Equal q Likelihood) Asumsi: semua peristiwa mempunyai kemungkinan yang sama untuk terjadi 6/6/2008 28 .Kriteria-kriteria yang digunakan E.

Kriteria Maximax • Mengidentifikasi payoff maksimum untuk masing masingmasing alternatif. g p payoff y maksimum y yang g • Memilih alternatif dengan terbesar. • Kelemahan: membandingkan matrik payoff 6/6/2008 29 .

500 7 500 7.500 -6.40 1.500 -12.500 15.500 7 500 7.500 7 500 7.K i i Maximax Kriteria M i Tabel Pay-off Net Cash Flows Probabilit as koran 10 50 100 150 Jumlah dan probabilitaqs permintaan koran 10 = 0.500 6 500 -16.500 12 500 100 = 0.10 1.500 -26.000 150 = 0.500 Keputusan 6/6/2008 30 .500 15.000 22 500 22.20 1.30 1.500 -2.500 26 500 50 = 0.000 5 000 5.

500 26 500 50 = 0.500 6 500 -16.500 7 500 7.30 1.500 7 500 7.500 -6.500 -12.Kriteria Maximax Tabel Pay-off Net Cash Flows Probabilit as koran 10 50 100 150 Jumlah dan probabilitaqs permintaan koran 10 = 0.40 1.000 150 = 0.000 22 500 22.000 5 000 5.500 15.10 1.500 7 500 7.500 15.500 1500 7500 1500 22500 Keputusan 6/6/2008 31 .500 -26.20 1.500 -2.500 12 500 100 = 0.

500 -26.500 7 500 7.Kriteria Maximax Tabel Pay-off Net Cash Flows Probabilit as koran 10 50 100 150 Jumlah dan probabilitaqs permintaan koran 10 = 0.500 12 500 100 = 0.500 15.500 1500 7500 1500 Keputusan 22500 6/6/2008 32 .000 150 = 0.30 1.500 6 500 -16.500 -12.000 22 500 22.500 7 500 7.500 7 500 7.10 1.500 -6.000 5 000 5.500 -2.500 26 500 50 = 0.500 15.40 1.20 1.

• Memilih M ilih alternatif l if dengan d payoff ff maksimum ki yang terkecil • Kelemahan: K l h membandingkan b di k matrik t ik payoff ff 6/6/2008 33 .Kriteria Maximin • Mengidentifikasi payoff maksimum untuk masingmasing alternatif.

500 15.500 12 500 100 = 0.500 15.10 1.500 6 500 -16.500 -6.500 Keputusan 6/6/2008 34 .500 7 500 7.30 1.40 1.Kriteria Maximin Tabel Pay-off Net Cash Flows Probabilit as koran 10 50 100 150 Jumlah dan probabilitaqs permintaan koran 10 = 0.500 -26.500 7 500 7.20 1.500 -12.000 5 000 5.000 22 500 22.500 26 500 50 = 0.500 7 500 7.500 -2.000 150 = 0.

500 7 500 7.500 -26.20 1.500 15.500 15.500 6 500 -16.10 1.500 1500 7500 15000 22500 Keputusan 6/6/2008 35 .500 26 500 50 = 0.000 150 = 0.000 22 500 22.40 1.Kriteria Maximin Tabel Pay-off Net Cash Flows Probabilit as koran 10 50 100 150 Jumlah dan probabilitaqs permintaan koran 10 = 0.500 -2.500 -12.500 7 500 7.000 5 000 5.500 12 500 100 = 0.500 7 500 7.30 1.500 -6.

500 7.40 1.500 7.Kriteria Maximin Tabel Pay-off Net Cash Flows Probabilit as koran 10 50 100 1 0 150 Jumlah dan probabilitaqs permintaan koran 10 = 0.500 12 00 100 = 0.500 -12.500 Keputusan 1500 7500 1500 22 00 22500 6/6/2008 36 .500 15.500 15.30 1.10 1.500 -6.20 1.500 -26.000 000 150 = 0.000 22 00 22.000 5.500 -2.500 7.500 26 00 50 = 0.500 -16.

Kriteria Minimax • Mengidentifikasi payoff minimum untuk masingmasing alternatif. • Memilih M ilih alternatif l if dengan d payoff ff minimum i i yang terbesar. • Kelemahan: K l h membandingkan b di k matrik t ik payoff ff 6/6/2008 37 .

500 12 500 100 = 0.Kriteria Minimax Tabel Pay-off Net Cash Flows Probabilit as koran 10 50 100 150 Jumlah dan probabilitaqs permintaan koran 10 = 0.000 22 500 22.500 7 500 7.30 1.500 7 500 7.500 -26.40 1.000 5 000 5.500 -12.500 6 500 -16.500 7 500 7.500 -6.20 1.10 1.500 26 500 50 = 0.500 Keputusan 6/6/2008 38 .000 150 = 0.500 15.500 15.500 -2.

500 15.40 1.500 -6.500 7 500 7.500 -2.500 15.10 1.20 1.500 26 500 50 = 0.000 150 = 0.500 -12.500 -26.500 7 500 7.Kriteria Minimax Tabel Pay-off Net Cash Flows Probabilit as koran 10 50 100 150 Jumlah dan probabilitaqs permintaan koran 10 = 0.500 6 500 -16.000 22 500 22.500 1500 -6500 6500 -16500 -26500 26500 Keputusan 6/6/2008 39 .30 1.500 12 500 100 = 0.500 7 500 7.000 5 000 5.

500 15.500 7.40 1.500 15.10 1.30 1.20 1.000 5.500 7.500 -6.500 26 00 50 = 0.Kriteria Minimax Tabel Pay-off Net Cash Flows Probabilit as koran 10 50 100 1 0 150 Jumlah dan probabilitaqs permintaan koran 10 = 0.500 7.500 -12.500 12 00 100 = 0.000 000 150 = 0.500 -2.500 Keputusan 1500 7500 1500 22 00 22500 6/6/2008 40 .500 -26.000 22 00 22.500 -16.

• Memilih alternatif dengan payoff minimum yang terkecil.Kriteria Minimin • Mengidentifikasi payoff minimum untuk masing masing-masing masing alternatif. • Kelemahan: membandingkan matrik payoff 6/6/2008 41 .

500 6 500 -16.000 150 = 0.500 Keputusan 6/6/2008 42 .500 7 500 7.10 1.500 26 500 50 = 0.500 15.Kriteria Minimax Tabel Pay-off Net Cash Flows Probabilit as koran 10 50 100 150 Jumlah dan probabilitaqs permintaan koran 10 = 0.500 -12.000 5 000 5.000 22 500 22.500 15.40 1.500 -6.500 7 500 7.20 1.500 -2.500 -26.500 12 500 100 = 0.30 1.500 7 500 7.

000 5 000 5.500 7 500 7.30 1.500 -12.40 1.000 22 500 22.500 -26.500 6 500 -16.500 1500 -6500 6500 -16500 -26500 26500 Keputusan 6/6/2008 43 .500 7 500 7.500 -2.500 15.10 1.000 150 = 0.500 15.500 7 500 7.Kriteria Minimax Tabel Pay-off Net Cash Flows Probabilit as koran 10 50 100 150 Jumlah dan probabilitaqs permintaan koran 10 = 0.500 26 500 50 = 0.500 -6.500 12 500 100 = 0.20 1.

500 -26.500 -12.500 15.500 15.000 150 = 0.500 -2.500 -6.500 7 500 7.000 22 500 22.000 5 000 5.Kriteria Minimax Tabel Pay-off Net Cash Flows Probabilit as koran 10 50 100 150 Jumlah dan probabilitaqs permintaan koran 10 = 0.40 1.30 1.500 26 500 50 = 0.500 7 500 7.20 1.500 1500 -6500 6500 -16500 Keputusan -26500 26500 6/6/2008 44 .500 12 500 100 = 0.500 7 500 7.500 6 500 -16.10 1.

Perhitungan tabel regret Outcome = regret baru 6/6/2008 Payoff P ff maksimum dari suatu kolom - Payoff P ff l lama pada d baris dan kolom masing-masing 45 . • Mengidentifikasi kemungkinan regret maksimum untuk masing-masing as g as g a alternatif. • Memilih alternatif dengan regret maksimum yang terendah.Kriteria Minimax Regret • Menghitung kemungkinan regret untuk masing-masing alternatif di bawah masing-masing state nature. te at .

30 13.10 0 8500 18000 28000 50 = 0.Kriteria Minimax Regret Tabel Pay-off Net Cash Flows Probabilit as koran 10 50 100 150 Jumlah dan probabilitaqs permintaan koran 10 = 0.500 7 500 7.40 21.000 150 = 0.20 6000 0 10000 20000 100 = 0.000 15000 7500 0 Keputusan 6/6/2008 46 .500 0 10 000 10.

500 0 10 000 10.000 150 = 0.000 15000 7500 0 1500 -6500 6500 -16500 -26500 26500 Keputusan 6/6/2008 47 .20 6000 0 10000 20000 100 = 0.30 13.Kriteria Minimax Regret Tabel Pay-off Net Cash Flows Probabilit as koran 10 50 100 150 Jumlah dan probabilitaqs permintaan koran 10 = 0.10 0 8500 18000 28000 50 = 0.40 21.500 7 500 7.

500 7 500 7.000 150 = 0.Kriteria Minimax Regret Tabel Pay-off y Net Cash Flows Probabilit as koran 10 50 100 150 Jumlah dan probabilitaqs permintaan koran 10 = 0.40 0 40 21.000 15000 7500 0 21000 Keputusan 15000 18000 28000 6/6/2008 48 .30 0 30 13.10 0 10 0 8500 18000 28000 50 = 0.500 0 10 000 10.20 0 20 6000 0 10000 20000 100 = 0.

maka akan diperoleh nilai expected value of perfect information (EVPI): Expected return jika EVPI = diperoleh informasi sempurna Expected return tanpa informasi sempurna 6/6/2008 49 . i Untuk itu perlu dicari informasi tambahan . diasumsikan diperoleh informasi tambahan tentang permintaan.Expected Value of Perfect Information Disini i i i dihadapi dih d i masalah l h ketidak k id k pastian.

20 x 7500) + (0.30 x 15000) + (0.Expected Value of Perfect Information EVPI = {(0.40x7500)} = 6800 6/6/2008 50 .10 x 1500) + (0.10x18000) + (0.20x10000) + (0.40 x 22500) – 8350} = 15150 – 8350 = 6800 Æ jumlah untuk memperoleh informasi yang y g sempurna p EMV = {(0.

maka expected p return-nya adalah: = -500 (99. 500 dengan d h harapan menang dapat d Rp 500 juta.01%) = -499.Keputusan dalam kondisi resiko dan fungsi utilitas Amad d pasang lotre l Rp.99%) + 500.000 = 49.95 6/6/2008 51 .95 + 50.000.000 (0.599. .99% dan probabilitas menang p g undian adalah 0.01%. . Probabilitas kalah dalam lotre adalah 99.

lose 1000 if fail. $1000 and d you face f two options: i (a) Keep your initial wealth and do nothing. After assessing these two options. you find yourself indifferent between two.Incorporating Risk Attitudes: Certain Equivalent Initial I i i l wealth l h $1000.000 if succeed. Analysis: • Certainty Equivalent Equivalent Certain Sum • Certainty C t i t Equivalent E i l t factor: f t a= Expected Risk Sum – Risk averse: <1 – Risk neural: =1 – Risk loving: >1 6/6/2008 52 . (b) Invest: receive $10.

choices a sure thing and a risky option.Risk Attitudes Scenario: A person has two choices. • Risk averse: take the sure thing • Risk neutral: indifferent between two choices • Risk loving: take the risky option 6/6/2008 53 . and both yields the same expected value.

Risk averter: diminishing MU Risk neutral: constant MU Risk lover: increasing MU 6/6/2008 54 .

U(70) = 140 (b) With disease outbreak. (a) Without disease outbreak. An preventive investment can magically ensure no disease outbreak (not realistic).Risk Premium: Preventive Investment Initial wealth = 40 which results in U(40) = 120.5U(70) + 0. U(10) = 70 (c) 0.5U(10) = 105 Questions: (a) Will invest on preventive activities? (b) Risk premium? 6/6/2008 55 .

his wealth is $ 500. .5. What’s his risk premium? Answer: risk p premium= $ 4. . The solution ?? 6/6/2008 56 . and $ 300.000 without an earthquake.000 at the lose of his house with an earthquake.6361. where w is wealth. of an earthquake is 10%. His utility function is U(w) = w0.Risk Premium: Earthquake Insurance Josh h lives li in i the h San Francisco i Bay Are of f California lif i where h the h prob. If Josh chooses not to buy y insurance next year.

State of S f Nature N 1 2 150.000 70. ƒ Utility Utilit Theory Th incorporates i t risk i k preferences f in i the th decision d i i making ki process.000 40.Utility Theory • • Sometimes the decision with the highest EMV is not the most desired or most preferred alternative.000 60. Consider the following payoff table. 6/6/2008 57 .000 Decision A B Probability ƒ Decision makers have different attitudes toward risk: • Some might prefer decision alternative A. • Others would prefer decision alternative B.000 -30.5 EMV <--maximum 55.000 0.5 0.

2 0 2 = 1* 0.000 with certainty versus a risky situation with an expected value of $ 114.000 with certainty.) 6/6/2008 58 • • .8 0 8 + U(-30.000 * 0. (Willing to accept $70. ƒ If decision maker is indifferent when p = 0.8: U($70 000) = U($150.8 08 ƒ When p = 0.2 = $ 114. the expected value of Alternative 2 is: $150.000) = 1 • To find the utility associated with a $70.000 $30 000 with probability (1-p).8 0 8 + 0 * 0.000 payoff identify the value p at which the decision maker is indifferent between: Alternative 1: Receive $70.2 0 2 = 0.000 $150 000 with probability p and lose $30.000) U($70.Constructing Utility Functions Assign utility values of 0 to the worst payoff and 1 to the best. Alternative 2: Receive $150.000) U( 30 000) * 0.000) = 0 and U($150.000) U($150 000) * 0.000.8. U(-$30. For the previous example.8 + $30.000 ƒ The decision maker is risk averse.000 * 0.

20 0. if U($40.Constructing Utility Functions • If we repeat p this process p with different values in Alternative 1.30 0. the decision maker’s utility function emerges (e.000) = 0.00 -30 -20 -10 0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 6/6/2008 Payoff (in $1.10 0 00 0..65): Utility 1.40 0.000s) 59 . .g.00 0.90 0.70 0.60 0.80 0.50 0.

.Comments • Certainty Equivalent .the amount that is equivalent in the decision maker’s mind to a situation involving risk.g.000 = $44.000 $70 000 was equivalent i l to Al Alternative i 2 with i h p = 0.000) 6/6/2008 60 . ( (e.000-$70. Risk premium = $114.. $70.the EMV the decision maker is willing to give up to avoid a risky decision.8) 0 8) • Risk Premium . decision (e.g.

500 0.5 ƒ Decision B provides the greatest utility even though it the payoff table indicated it had a smaller EMV. ƒ Consider the utility table from the earlier example.65 0.Using Utilities to Make Decisions • Replace monetary values in payoff tables with utilities.725 <--maximum 05 0.5 05 0.8 0. 6/6/2008 61 . Decision A B P b bilit Probability State of NatureExpected 1 2 Utility 1 0 0.

x/R 6/6/2008 62 .e.The Exponential Utility Function • The exponential utility function is often used to model classic risk averse behavior: U(x) = 1.

Lose $Y/2 with probability 0.5. • We must first determine a value for the risk tolerance parameter R. • Note that R must be expressed in the same units as the payoffs! • In Excel. RT (Note: RT must be outside the rectangular range containing the decision tree!) • On TreePlan’s ‘Options’ dialog box select.I Incorporating ti Utilities Utiliti in i TreePlan T Pl • TreePlan will automatically convert monetary values to utilities using the exponential utility function. • R is i equivalent i l to the h maximum i value l of f Y for f which hi h the h decision d ii maker is willing to accept the following gamble: Win $Y with p probability y 0.5. Excel insert R in a cell named RT. ‘Use Exponential Utility Function’ 6/6/2008 63 .

p1 + x 2 . X2. p3.. pn • • Expected value of x = • Variance = EVX = x1.Minimizing Variance or Standard Deviation The payoffs of all events = X1. .pi i =1 n • Standard deviation : square root of variance • Coefficient of variation = 6/6/2008 64 .p3 + . ..p 2 + x 3 . Xn • The probability of each event = p1.. .... . . X3. . .+ x n . . . .p n = ∑ x i . p2...

Relative Risk Variation in p possible returns compared p with the expected p payoff p y amount Measurement: coefficient of Variation (CV).Risk Measurement Absolute Risk: Overall dispersion of possible payoffs Measurement: variance. The lower the CV. the lower the absolute risk. variance standard deviation The smaller variance or standard deviation. the lower the relative risk. risk EV 6/6/2008 65 .

Principles of Baye Baye’s s Strategy • A project j must not be b undertaken d k unless l it i has h an expected d value that shows a profit • The optimum decision would be the alternative that gives the highest expected value of profit 6/6/2008 66 .

Probabilities and Expected Values Baye’s Strategy • If probabilities are assigned to outcomes – Decision is based on: The expected value which is the weighted average of these outcomes 6/6/2008 67 .

Expected Value • Expected d value l EV • x : denotes value of each possible outcome • p : the probability of that outcome occurring 6/6/2008 68 .

4 probability of making a loss exists 6/6/2008 69 .3 * 200 + 0.Ill Illustration i : Forecast of profit of a project Profit / (Loss) $k p EV = .4 * 400 + 0.0.2 * 500 = +120 k Applying Baye’s Strategy Decision: Go ahead with the project although a 0.0.1 * 800 .

II with P(II) = 0.7 . A B. select the best option 70 6/6/2008 .2 Conditional Profits ($k) Profit ($k) I Option A Option B Option C II 60 80 40 III 80 120 150 20 -30 10 • Using EV criterion.Example: 3 mutually ll exclusive l i options. i A.1 . B C Each option has three possible outcomes: I with P(I) = 0. III with P(III) = 0.

Solution EV of Options A: 0.2 * 80 = $ 60 k B: 0.7 * 40 + 0.7 * 60 + 0.1 * 20 + 0.7 * 80 + 0.2 * 150 = $ 59 k Option B is preferred 6/6/2008 71 .2 * 120 = $ 77 k C: 0.30 ) + 0.1 * 10 + 0.1 * ( .

µ)2 6/6/2008 72 .M Measures of f Di Dispersion i • Variance (σ 2) ) – A measure of the spread of probability distribution • Consider a random variable x – Let its expected value E(x) be µ • σ 2 = Var(x) = E(x .

µ)2 Standard deviation σ = √E(x −µ)2 Coefficient of variation (COV) = µ / σ COV .µ)2 = p1 (x1 . + pn (xn .Let x be a random discrete variable taking values xn and probability pn σ2 = E(x .µ)2 +.µ)2 + p2 (x2 .a measure of the risk involved Larger value of COV signifies higher risk 6/6/2008 73 ..

Example Land development p p projects j in two districts Estimates of Income (x) Discuss the significance of the data 6/6/2008 74 .

15 * 830 = 800.15 * 1000 = 800.30 * 800 + 0.Solution Expected p value of net annual income E(x) = µ = Σ xi pi District A µ = 0.30 * 800 + 0.0 • • Expected values are the same Study risks involved in the two options 6/6/2008 75 .15 * 600 + 0.15 * 770 + 0.20 * 790 + 0.20 * 700 + 0.0 District B µ = 0.20 * 900 + 0.20 * 810 + 0.

Measures of Risk • An acceptable bl way of f measuring i risk ik – Examine the probability distribution of the outcomes (annual net incomes) – Compute the coefficient of variation (COV) 6/6/2008 76 .

6/6/2008 77 .

6/6/2008 78 .

6/6/2008 79 .

Decision Trees • • • • • • • A di diagrammatic i representation i of f all ll the h l logical i l possibilities ibili i of fa sequence of events Each event can occur in a finite numberof ways Displays the full range of alternative actions that can be taken Each decision by its nature limits the scope of later decisions An estimated value for each p possible outcome is required q The estimated values multiplied by their probabilities are "rolled back" to the start of the tree The decision decision-maker maker directed towards the line of action giving the optimum result 6/6/2008 80 .

Illustration The h Flood l d Protection i Agency is i concerned d about b the h damages d that could be caused by a hurricane. Suppose the following estimates are made: 6/6/2008 81 . It is aware that damages g can be considerably y reduced if a breakwater is built. if it strikes.

Estimates • • • • Probability P b bili of f a hurricane h i occurring i in i ayear during d i the h planning l i horizon: h i p Damages if a hurricane strikes without the protection of a breakwater: D Damages if a hurricane strikes with the protection of a breakwater: q * D (q<1) Equivalent annual cost (during the planning horizon) of building a breakwater: C 6/6/2008 82 .

6/6/2008 83 .

Creating the Decision Tree Model Procedure • Current Situation (Location 1) is a decisionmaking situation with two alternatives: – No protection – Build breakwater at cost C • Location 1 is a Decision Node • Draw D b branches h to represent the h alternatives l i – A future situation (Location 2) .No protection option is taken – The other future situation (Location 3) .Building breakwater option is adopted 6/6/2008 84 .

Creating the Decision Tree Model • After the Af h d decision ii Location 2 or 3 becomes "current" situation Location 2 and 3 are Chance Nodes At chance nodes • No decision is made • One of many possible outcomes will occur Th possible The ibl outcomes t d drawn as b branches h emanating ti f from each h of f th the chance nodes • • • 6/6/2008 85 .

Creating the Decision Tree Model • If there h are no f further h situations i i • The cost consequence for each outcome is indicated at the end of the branch • The ends of the branches are known as Consequence Nodes 6/6/2008 86 .

6/6/2008 87 .

• • W is taken k as the h smaller ll value l because b the h consequence is i COST and da smaller cost would lead to a larger profit (Bayes’ Strategy) If consequence considered was profit then the larger value will be taken 6/6/2008 88 .

Example: Computer cards problem • • Past experience: P i 20 percent d defective f i Two inspectors X and Y to check cards and mark • Ok if Good • Not Ok if Bad Probability of wrong classification = 0.1 Acceptance policy: Both inspectors must mark “Ok Ok • • 6/6/2008 89 .

6/6/2008 90 .

648 0 648 + 0.018 0 018 = 0 0.018 0 018 + 0.162 0 162 + 0.002 6/6/2008 91 .846 846 Defective cards reaching customers P(Bad classified as Good) = 0.P (Correctly (C l classified) l ifi d) = 0.

6/6/2008 92 .

6/6/2008 93 .

Value l of f Information f i • Probabilities assigned to outcomes depend on the information available • Accuracy can be improved with better information • How much is such information worth? Value of Perfect Information • Perfect Information removes risk • Choice will not depend on chance 6/6/2008 94 .

Best Option 6/6/2008 95 .Consider id example l on Investment Decision ii • If there is "Market" for the product • Best option : High Investment : Profit $100 m • If there is "No No Market Market" for the product • High Investment:Loss $ 60 m • Low Investment: Loss $ 4 m • Do nothing: Loss 0 .

6/6/2008 96 .

$ 68 m = $12 m 6/6/2008 97 .• EV with perfect information : $ 80 m • EV without information : $ 68 m • Value of perfect information = $ 80 m .

b • Continued from the previous example. decision-maker D hires Management Consultant firm. firm MC. MC to carry out market survey. • Accuracy of MC’s prediction: – 85% accurate – 15% inaccurate • What’s Wh ’ the h value l of f imperfect i f information? i f i ? 6/6/2008 98 .Value of Imperfect Information • Perfect f information i f i is i hard h d to come by.

6/6/2008 99 .

4 m EV without information : $ 68 m Value of imperfect information = $ 62.4 62 4 m .EV with i h imperfect i f information i f i : $ 62. 6/6/2008 100 .$ 5.$ 68 m = .6 56m => No need to hire MC.

Peristiwa-peristiwa yang mungkin dan probabilitas terjadinya j y harus dapat p diduga g 3. Pay off untuk suatu tindakan dan peristiwa tertentu ditentukan 6/6/2008 101 . Diawali dengan mengidentifikasikan bermacammacam tindakan yang tersedia dan layak 2.KEPUTUSAN DALAM SUASANA RISK ( DENGAN PROBABILITA ) Tahap-tahap: 1.

Probabilitas dan Teori Keputusan BAGIAN Probabilitas dan Teori Keputusan Konsep-konsep Dasar Probabilitas Distribusi Probabilitas Diskret Distribusi Normal Teori Keputusan Pengertian dan Elemen-Elemen Keputusan Pengambilan g Keputusan p dalam Kondisi Risiko (Risk) Pengambilan Keputusan dalam Kondisi Ketidakpastian (Uncertainty) A li i Pohon Analisis P h Keputusan K t 6/6/2008 102 .

Teknik yang digunakan:
a. b.

c.

Expected Value (Nilai Ekspektasi) Expected Opportunity Loss ( EOL ) Untuk meminimumkan kerugian yang disebabkan karena pemilihan alternatif keputusan p tertentu. Keputusan p yang y g direkomendasikan criteria expected value dan expected opportunity loss adalah sama, dan ini bukan suatu kebetulan karena kedua metode ini selalu memberikan hasil yang sama, sehingga cukup salah satu yang dipakai, tergantung tujuannya. Hanya criteria ini sangat tergantung pada perkiraan probabilita yang akurat. Expected Value of Perfect Information (EVPI) Merupakan p perluasan dari criteria EV dan EOL, atau dengan p g kata lain informasi yang didapat pengambil keputusan dapat mengubah suasana risk menjadi certainty (membeli tambahan informasi untuk membantu pembuat keputusan). EVPI sama dengan EOL minimum (terbaik), karena EOL mengukur selisih EV terbaik keputusan dalam suasana risk dan certainty.
103

6/6/2008

Teknik yang digunakan:
d d.

e.

Expected Value of Sample Information (EVSI) Merupakan harapan yang diinginkan dengan tambahan informasi untuk dapat mengubah /memperbaiki keputusan, dengan menggunakan teori Bayes. Kriteria Utility y dalam suasana risk EV max / EOL min tidak selalu digunakan g sebagai pedoman dalam mengambil keputusan, hal ini terjadi karena: 1. Orang lebih memilih terhindar dari musibah potensial daripada mewujudkan keuntungan dalam jangka panjang 2. Orang lebih memilih mendapatkan/memperoleh rejeki nomplok daripada mempertahankan sedikit yang dimiliki

6/6/2008

104

PERSOALAN INVENTORI SEDERHANA DALAM KEADAAN ADA RISIKO
Kriteria nilai harapan (expected value) yang telah digunakan di atas juga diterapkan untuk memecahkan persoalan inventori sederhana. Untuk lebih jelasnya, perhatikan contoh soal berikut:

6/6/2008

105

yang rasional. 6/6/2008 106 .GAME THEORY (Pengambilan Keputusan Dalam Suasana Konflik) Adalah memusatkan analisis keputusan dalam suasana konflik dimana pengambil keputusan menghadapi berbagai peristiwa yang aktif untuk bersaing dengan pengambil keputusan lainnya. tanggap dan bertujuan memenangkan persaingan/kompetisi.

berdasarkan Jumlah Pemain: a. B d k Strategi St t i yang dipilih: di ilih a. Zero and constan sum games b. Two-persons games b. Two-persons. Non cooperative games 4. zero and constan sum games 6. Asumsi dalam game theory: a. Non zero and non constan sum games 3 Berdasarkan 3. Fokus pembahasan: 5. N-persons games 2.Pengelompokan Game Theory: 1. Cooperative games b. . Berdasarkan Jumlah Pay off: a. Setiap pemain mengetahui dengan tepat pay off setiap kemungkinan 6/6/2008 107 kombinasi strategi yang tersedia.

maka disebut matriks games mempunyai saddle point atau value of games senilai saddle point tersebut Bila setiap pemain tidak berkeinginan merubah satu strategi tersebut. yang telah dipilih. Strategi yang didominasi dapat p dibuang g dari matriks p pay y off karena p pemain tidak pernah memilihnya. 108 6/6/2008 . Konsep dominasi berguna untuk matriks pay off ukuran besar. Aturan dominasi dapat diterapkan untuk mengurangi ukuran matriks sebelum analisis terakhir untuk menentukan solusi optimum. 2.Caranya: 1. Prinsip Maximin dan Minimax Karena nilai maximin = minimax. maka games itu merupakan “pure strategy” Peranan Dominasi Suatu strategi dikatakan mendominasi apabila selalu menghasilkan pay off lebih tinggi dibandingkan dengan strategi yang lain.

Pendekatan EV / EG (expected Gain) b. Pendekatan EOL c. Mixed i d Strategy Menentukan probabilitas (kemungkinan) strategi yang ada yang digunakan dalam pertarunngan (kalau tidak ada “pure pure strategy/tidak ada saddle point”) Caranya: a.Caranya: 3. Menentukan M k nilai il i permainan i 6/6/2008 109 .

tetapi memberikan informasi probabilita situasi keputusan yang dapat membantu pengambil keputusan untuk membuat keputusannya. Asumsi: 1 Probabilita 1.ANALISIS MARKOV Analisis ini tidak memberikan keputusan rekomendasi. Probabilita berlaku bagi setiap siapa saja dalam system 3. tetapi merupakan teknik deskriptif yang menghasilkan informasi probabilita. Merupakan kejadian-kejadian yang berdiri sendiri (independen) 6/6/2008 110 . dengan kata lain bahwa analisis markov bukan merupakan teknik optimasi. Probabilita konstan sepanjang waktu 4. b bili baris b i berjumlah b j l h sama dengan d 0 2.

Sign up to vote on this title
UsefulNot useful