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

Pekerjaan yang mana kamu akan mengambil?

6/6/2008 3
 Keputusan terbaik vs Hasil terbaik

• Pendekaan struktur pengambilan keputusan dapat

membantu membuat keputusan yang terbaik, tetapi tidak
dapat
p menggaransi
gg hasil yyangg 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 off choosing
h i a course off 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
Bagaimana keputusan dibuat dalam
organisasi?

• Proses pengambilan keputusan sistematis tidak

mungkin diikuti jika perubahan substansiil yang
terjadi dan banyak teknologi baru yang digunakan.
digunakan
• Teknik keputusan novel boleh menghasilkan
pencapaian atasan dalam situasi tertentu.
tertentu
• Konsekwensi pengambilan keputusan yang etis harus
dipertimbangkan.
dipertimbangkan

6/6/2008 7
Bagaimana keputusan di ambil dalam
organisasi?

Lingkungan keputusan meliputi:

• Lingkungan tertentu.
• Mengambil resiko lingkungan.
• Lingkungan tidak-pasti.

6/6/2008 8
Bagaimana keputusan dibuat dalam
organisasi?
¾ Lingkungan tertentu.
tertentu
– Bilamana informasi adalah cukup untuk
meramalkan hasil dari tiap alternatif dalam
pengambangan implementasi.
– Kepastian adalah masalah ideal dalam
memecahkan dan pengambilan keputusan
lingkungan.

6/6/2008 9
Bagaimana keputusan dibuat dalam
organisasi?
¾ Resiko lingkungan.
lingkungan
– Bilamana pembuat keputusan tidak dapat menyudahi
kepastian
p mengenai
g hasil berbagai
g macam tindakan,, tetapi
p
mereka dapat merumuskan kemungkinan kejadian.
– Kemungkinan dapat dirumuskan melalui sasaran prosedur
statistik
i ik atau intuisi ib di.
i i i pribadi

6/6/2008 10
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.
– Juga
g y
yang
g ditandai oleh dengan
g cepatp mengubah:
g
• Kondisi-Kondisi eksternal.
• Kebutuhan teknologi informasi.
• Personil yang mempengaruhi definisi pilihan dan masalah.
masalah
– perubahan yang cepat ini adalah juga disebut anarki terorganisir.

6/6/2008 11
Bagaimana keputusan dibuat dalam
organisasi?
¾ Bentuk-bentuk keputusan.
p
– Keputusan terprogram.
• Melibatkan permasalahan rutin yang muncul secara
teratur dan dapat ditujukan melalui tanggapan standard.
– Keputusan tidak terprogram.
• Melibatkan bukan permasalahan rutin yang
memerlukan solusi secara rinci pada situasi yang ada

6/6/2008 12
Teori Pengambilan Keputusan

Pola dasar berpikir

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

6/6/2008 13
Beberapa teknik dalam pengambilan
keputusan:
Situasi keputusan Pemecahan Teknik
Ada kepastian Deterministik - Linear Programming
(Certainty) - Model Transportasi
- Model Penugasan
- Model Inventori
- Model Antrian
- Model “network”
Ada risiko (Risk) Probabilistik - Model keputusan
probabilistik
- Model Inventori probabilistik
- Model Antrian probabilistik
Tdk ada kepastian Tak diketahui Analisis keputusan dlm
(Uncertainty) keadaan ketidakpastian

Ada konflik Tergantung tindakan lawan Teori permainan (game theory)

6/6/2008
(Conflict) 14
 ¾ Certainty:
Jik semua informasi
Jika i f i yg diperlukan
di l k untukk 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,
dik h i tetapii
tanpa mengetahui probabilitasnya masing-masing

C
Certainty R k
Risk Uncertainty
U
6/6/2008 15
Conflict:
f
Jika kepentingan dua atau lebih pengambil keputusan berada
dalam pertarungan aktif diantara kedua belah pihak,
sementara keputusan certainty,
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 ,
mengevaluasi alternatif yang tersedia yang berhubungan
dengan kriteria & mengidentifikasi risiko yang melekat pada
keputusan
p tersebut
6/6/2008 16
 Management Science dalam
pengambilan keputusan
1. Pengambilan
g keputusan
p berdasarkan tujuan
j
2. Pengambilan keputusan berdasarkan informasi & analisis
3. Pengambilan keputusan untuk tujuan ganda
4
4. Penekanan yg meningkat pd produktivitas:
- produktivitas SDM
- manajemen modal & material yg efektif
- proses pengambilan keputusan yg efisien
5. Peningkatan perhatian pd perilaku kelompok
6. Manajemen
j modal,, energi
g & material yg efisien
7. Manajemen ttg segala kemungkinan yg lebih sistematis
8. Lebih beraksi dg faktor eksternal (ex: pemerintah, situasi
internasional faktor sosial,
internasional, sosial ekonomi,
ekonomi lingkungan,
lingkungan perubahan
situasi pasar, selera konsumen, pesaing, dll)
6/6/2008 17
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, model integer
programming dan model deterministik.

Tujuan
j :
• Lebih dari satu tujuan.
• Lebih dari satu alternatif tindakan
• Setiap tindakan mempunyai satu atau lebih hasil

6/6/2008 18
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 yyangg akan diambil

Situasi yang dihadapi pengambil keputusan adalah mempunyai

lebih dari satu alternatif tindakan, pengambil keputusan
mengetahui probabilitas yang akan terjadi terhadap berbagai
tindakan dan hasilnyay dengang memaksimalkan expected
p return
(ER) atau expected monetari value (EMV)

6/6/2008 19
KEPUTUSAN DALAM KONDISI
RESIKO
m
EMV i = ∑ Rij .Pj
j =1

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
contoh:
Penjual koran mengambil koran waktu pagi dan menjualnya,
harga jual koran Rp 350 dan harga beli Rp 200 koran yang tidak
laku disore hari tidak mempunyai harga.
Dari catatannya probabilitas koran yang laku setiap hari:
Probo = prob. Laku 10 = 0,10
Prob1 = pprob. Laku 50 = 0,20
,
Prob2 = prob. Laku 100 = 0,30

Pertanyaan: berapa koran yang harus dibeli setiap harinya?

6/6/2008 21
 Jawaban

Tabel Pay-off Net Cash Flows

Probabilitas Jumlah dan probabilitaqs permintaan koran

koran 10 = 0,10 50 = 0,20 100 = 0,30 150 = 0,40

10 1.500 1.500 1.500 1.500

50 -6.500
6 500 7 500
7.500 7 500
7.500 7 500
7.500

100 -16.500 -2.500 15.000 15.000

150 -26.500
26 500 -12.500
12 500 5 000
5.000 22 500
22.500

Pay off = 10 (350) – 10(200) = 1.500

Pay off = 150 (350) – 150 (200) = 22500

6/6/2008 22
Expectedd Return
ER10 1500 (0,10) + 1500 (0,20) + 1500 (0,30) + 1500 (0,40) = 1500

ER20 -6500
6500 (0,10)
(0 10) + 7500 (0,20)
(0 20) + 7500 (0,30)
(0 30) + 7500 (0,40)
(0 40) = 6100

ER100 -16500 (0,10) - 2500 (0,20) + 15000 (0,30) + 15000 (0,40) = 8350

ER150 -26500
26500 (0,10) - 12500 (0,20) + 5000 (0,30) + 22500 (0,40) = 5350

6/6/2008 23
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).
p ) Dalam suasana
ketidakpastian pengambil keputusan sadar akan hasil-hasil
alternatif dalam bermacam-macam peristiwa, namun
pengambil keputusan tidak dapat menetapkan probabilitas
peristiwa.

6/6/2008 24
 Kriteria-kriteria yang digunakan
A. 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, yang
merupakan
k cirri
i i pengambil
bil keputusan
k modern
d
B. Kriteria MAXIMAX (Vs MAXIMIN)
Krietria untuk memilih alternatif yang merupakan nilai maksimum
dari pay off yang maksimum
Asumsi: pengambil keputusan adalah optimistic, cocok bagi
investor yang risk taker
6/6/2008Kelemahan: mengabaikan banyak informasi yang tersedia 25
 Kriteria-kriteria yang digunakan

C. Kriteria MINIMAX REGRET / PENYESALAN ((L.J.

Savage)
Kriteria untuk menghindari penyesalan yang timbul setelah
memilih keputusan yang meminimumkan maksimum
penyesalan/keputusan yang menghindari kekecewaan
terbesar, atau memilih nilai minimum dari regret
maksimum dimana:
maksimum,
Jumlah regret/opportunity loss =
Pay off max – pay off alternatif pd peristiwa tertentu

6/6/2008 26
 Kriteria-kriteria yang digunakan
D. Kriteria HURWICZ / kompromi antara MAXIMAX dan MAXIMIN
(Leonid Hurwicz)
Kriteria dimana pengambil keputusan tidak sepenuhnya optimis dan
pesimis sempurna, sehingga hasil keputusan dikalikan dengan
k fi i optimistic
koefisien i i i untukk mengukur k optimisme
i i pengambil
bil
keputusan, dimana koefisien optimisme (a) = 0 ≤ a ≤ 1
Dengan a : 1, berarti optimis total (MAXIMAX)
a : 0, berarti sangat pesimis/optimis 0 (MAXIMIN)
Atau a : optimis
11-aa : pesimis
Kelemahan:
- sulit menentukan nilai a yang tepat
- mengabaikan
b ik beberapa
b b i f
informasii yang tersedia
t di (ex:
( prospekk
ekonomi sedang diabaikan)
6/6/2008 27
 Kriteria-kriteria yang digunakan

E. Kriteria LAPLACE / BOBOT YANG SAMA ((Equalq

Likelihood)
Asumsi: semua peristiwa mempunyai kemungkinan yang
sama untuk terjadi

6/6/2008 28
Kriteria Maximax
• Mengidentifikasi payoff maksimum untuk masing
masing-
masing alternatif.
g ppayoff
• Memilih alternatif dengan y maksimum yyangg
terbesar.
• Kelemahan: membandingkan matrik payoff

6/6/2008 29
 K i i Maximax
Kriteria M i

Tabel Pay-off Net Cash Flows

Probabilit Jumlah dan probabilitaqs permintaan koran Keputusan

as koran 10 = 0,10 50 = 0,20 100 = 0,30 150 = 0,40

10 1.500 1.500 1.500 1.500

50 -6.500
6 500 7 500
7.500 7 500
7.500 7 500
7.500

100 -16.500 -2.500 15.000 15.000

150 -26.500
26 500 -12.500
12 500 5 000
5.000 22 500
22.500

6/6/2008 30
Kriteria Maximax

Tabel Pay-off Net Cash Flows

Probabilit Jumlah dan probabilitaqs permintaan koran Keputusan

as koran 10 = 0,10 50 = 0,20 100 = 0,30 150 = 0,40

10 1.500 1.500 1.500 1.500 1500

50 -6.500
6 500 7 500
7.500 7 500
7.500 7 500
7.500 7500

100 -16.500 -2.500 15.000 15.000 1500

150 -26.500
26 500 -12.500
12 500 5 000
5.000 22 500
22.500 22500

6/6/2008 31
Kriteria Maximax

Tabel Pay-off Net Cash Flows

Probabilit Jumlah dan probabilitaqs permintaan koran Keputusan

as koran 10 = 0,10 50 = 0,20 100 = 0,30 150 = 0,40

10 1.500 1.500 1.500 1.500 1500

50 -6.500
6 500 7 500
7.500 7 500
7.500 7 500
7.500 7500

100 -16.500 -2.500 15.000 15.000 1500

150 -26.500
26 500 -12.500
12 500 5 000
5.000 22 500
22.500 22500

6/6/2008 32
Kriteria Maximin

• Mengidentifikasi payoff maksimum untuk masing-

masing alternatif.
• 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

Tabel Pay-off Net Cash Flows

Probabilit Jumlah dan probabilitaqs permintaan koran Keputusan

as koran 10 = 0,10 50 = 0,20 100 = 0,30 150 = 0,40

10 1.500 1.500 1.500 1.500

50 -6.500
6 500 7 500
7.500 7 500
7.500 7 500
7.500

100 -16.500 -2.500 15.000 15.000

150 -26.500
26 500 -12.500
12 500 5 000
5.000 22 500
22.500

6/6/2008 34
Kriteria Maximin

Tabel Pay-off Net Cash Flows

Probabilit Jumlah dan probabilitaqs permintaan koran Keputusan

as koran 10 = 0,10 50 = 0,20 100 = 0,30 150 = 0,40

10 1.500 1.500 1.500 1.500 1500

50 -6.500
6 500 7 500
7.500 7 500
7.500 7 500
7.500 7500

100 -16.500 -2.500 15.000 15.000 15000

150 -26.500
26 500 -12.500
12 500 5 000
5.000 22 500
22.500 22500

6/6/2008 35
Kriteria Maximin

Tabel Pay-off Net Cash Flows

Probabilit Jumlah dan probabilitaqs permintaan koran Keputusan

as koran 10 = 0,10 50 = 0,20 100 = 0,30 150 = 0,40

10 1.500 1.500 1.500 1.500 1500

50 -6.500 7.500 7.500 7.500 7500

100 -16.500 -2.500 15.000 15.000 1500

1 0
150 -26.500
26 00 -12.500
12 00 5.000
000 22 00
22.500 22 00
22500

6/6/2008 36
Kriteria Minimax

• Mengidentifikasi payoff minimum untuk masing-

masing 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
Kriteria Minimax

Tabel Pay-off Net Cash Flows

Probabilit Jumlah dan probabilitaqs permintaan koran Keputusan

as koran 10 = 0,10 50 = 0,20 100 = 0,30 150 = 0,40

10 1.500 1.500 1.500 1.500

50 -6.500
6 500 7 500
7.500 7 500
7.500 7 500
7.500

100 -16.500 -2.500 15.000 15.000

150 -26.500
26 500 -12.500
12 500 5 000
5.000 22 500
22.500

6/6/2008 38
Kriteria Minimax

Tabel Pay-off Net Cash Flows

Probabilit Jumlah dan probabilitaqs permintaan koran Keputusan

as koran 10 = 0,10 50 = 0,20 100 = 0,30 150 = 0,40

10 1.500 1.500 1.500 1.500 1500

50 -6.500
6 500 7 500
7.500 7 500
7.500 7 500
7.500 -6500
6500

100 -16.500 -2.500 15.000 15.000 -16500

150 -26.500
26 500 -12.500
12 500 5 000
5.000 22 500
22.500 -26500
26500

6/6/2008 39
Kriteria Minimax

Tabel Pay-off Net Cash Flows

Probabilit Jumlah dan probabilitaqs permintaan koran Keputusan

as koran 10 = 0,10 50 = 0,20 100 = 0,30 150 = 0,40

10 1.500 1.500 1.500 1.500 1500

50 -6.500 7.500 7.500 7.500 7500

100 -16.500 -2.500 15.000 15.000 1500

1 0
150 -26.500
26 00 -12.500
12 00 5.000
000 22 00
22.500 22 00
22500

6/6/2008 40
Kriteria Minimin
• Mengidentifikasi payoff minimum untuk masing
masing-masing
masing
alternatif.
• Memilih alternatif dengan payoff minimum yang terkecil.
• Kelemahan: membandingkan matrik payoff

6/6/2008 41
Kriteria Minimax

Tabel Pay-off Net Cash Flows

Probabilit Jumlah dan probabilitaqs permintaan koran Keputusan

as koran 10 = 0,10 50 = 0,20 100 = 0,30 150 = 0,40

10 1.500 1.500 1.500 1.500

50 -6.500
6 500 7 500
7.500 7 500
7.500 7 500
7.500

100 -16.500 -2.500 15.000 15.000

150 -26.500
26 500 -12.500
12 500 5 000
5.000 22 500
22.500

6/6/2008 42
Kriteria Minimax

Tabel Pay-off Net Cash Flows

Probabilit Jumlah dan probabilitaqs permintaan koran Keputusan

as koran 10 = 0,10 50 = 0,20 100 = 0,30 150 = 0,40

10 1.500 1.500 1.500 1.500 1500

50 -6.500
6 500 7 500
7.500 7 500
7.500 7 500
7.500 -6500
6500

100 -16.500 -2.500 15.000 15.000 -16500

150 -26.500
26 500 -12.500
12 500 5 000
5.000 22 500
22.500 -26500
26500

6/6/2008 43
Kriteria Minimax

Tabel Pay-off Net Cash Flows

Probabilit Jumlah dan probabilitaqs permintaan koran Keputusan

as koran 10 = 0,10 50 = 0,20 100 = 0,30 150 = 0,40

10 1.500 1.500 1.500 1.500 1500

50 -6.500
6 500 7 500
7.500 7 500
7.500 7 500
7.500 -6500
6500

100 -16.500 -2.500 15.000 15.000 -16500

150 -26.500
26 500 -12.500
12 500 5 000
5.000 22 500
22.500 -26500
26500

6/6/2008 44
Kriteria Minimax Regret
• Menghitung kemungkinan regret untuk masing-masing
alternatif di bawah masing-masing state nature.
• Mengidentifikasi kemungkinan regret maksimum untuk
masing-masing
as g as g aalternatif.
te at .
• Memilih alternatif dengan regret maksimum yang terendah.

Perhitungan tabel regret

Payoff
P ff Payoff
P ff llama pada
d
Outcome maksimum dari baris dan kolom
= -
regret baru suatu kolom masing-masing

6/6/2008 45
Kriteria Minimax Regret

Tabel Pay-off Net Cash Flows

Probabilit Jumlah dan probabilitaqs permintaan koran Keputusan

as koran 10 = 0,10 50 = 0,20 100 = 0,30 150 = 0,40

10 0 6000 13.500 21.000

50 8500 0 7 500
7.500 15000

100 18000 10000 0 7500

150 28000 20000 10 000

10.000 0

6/6/2008 46
Kriteria Minimax Regret

Tabel Pay-off Net Cash Flows

Probabilit Jumlah dan probabilitaqs permintaan koran Keputusan

as koran 10 = 0,10 50 = 0,20 100 = 0,30 150 = 0,40

10 0 6000 13.500 21.000 1500

50 8500 0 7 500
7.500 15000 -6500
6500

100 18000 10000 0 7500 -16500

150 28000 20000 10 000

10.000 0 -26500
26500

6/6/2008 47
Kriteria Minimax Regret

Tabel Pay-off
y Net Cash Flows

Probabilit Jumlah dan probabilitaqs permintaan koran Keputusan

as koran 10 = 0,10
0 10 50 = 0,20
0 20 100 = 0,30
0 30 150 = 0,40
0 40

10 0 6000 13.500 21.000 21000

50 8500 0 7 500
7.500 15000 15000
100 18000 10000 0 7500 18000

150 28000 20000 10 000

10.000 0 28000

6/6/2008 48
Expected Value of Perfect
Information

Disini
i i i dihadapi
dih d i masalah
l h ketidak
k id k pastian.
i

Untuk itu perlu dicari informasi tambahan , diasumsikan

diperoleh informasi tambahan tentang permintaan, maka akan
diperoleh nilai expected value of perfect information (EVPI):

Expected return jika

EVPI = diperoleh informasi - Expected return tanpa
sempurna informasi sempurna

6/6/2008 49
Expected Value of Perfect
Information

EVPI = {(0,10 x 1500) + (0,20 x 7500) + (0,30 x 15000) +

(0,40 x 22500) – 8350}
= 15150 – 8350
= 6800 Æ jumlah untuk memperoleh informasi
yyangg sempurna
p
EMV = {(0,10x18000) + (0,20x10000) + (0,40x7500)}
= 6800

6/6/2008 50
Keputusan dalam kondisi resiko dan
fungsi utilitas

Amadd pasang lotre

l Rp. 500 dengan
d h
harapan menang dapat
d Rp
500 juta. Probabilitas kalah dalam lotre adalah 99,99% dan
pprobabilitas menangg undian adalah 0,01%,
, , maka expected
p
return-nya adalah:
= -500 (99,99%) + 500.000.000 (0,01%)
= -499,95 + 50.000
= 49.599,95

6/6/2008 51
Incorporating Risk Attitudes: Certain
Equivalent
IInitial
i i l wealth
l h $1000,
$1000 andd you face
f two options:
i
(a) Keep your initial wealth and do nothing;
(b) Invest: receive $10,000 if succeed; lose 1000 if fail.
After assessing these two options, you find
yourself indifferent between two.

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
Risk Attitudes
Scenario: A person has two choices,
choices a sure thing and a
risky option, and both yields the same

expected value.
• Risk averse: take the sure thing
• Risk neutral: indifferent between two choices
• Risk loving: take the risky option

6/6/2008 53
 Risk averter: diminishing MU
Risk neutral: constant MU
Risk lover: increasing MU

6/6/2008 54
Risk Premium: Preventive
Investment
Initial wealth = 40 which results in
U(40) = 120. An preventive
investment can magically ensure no
disease outbreak (not realistic).
(a) Without disease outbreak, U(70)
= 140
(b) With disease outbreak, U(10) =
70
(c) 0.5U(70) + 0.5U(10) = 105

Questions:
(a) Will invest on preventive
activities?
(b) Risk premium?

6/6/2008 55
Risk Premium: Earthquake Insurance

Joshh lives
li in
i the
h San Francisco
i Bay Are off California
lif i where
h the h
prob. of an earthquake is 10%. His utility function is U(w) =
w0.5,, where w is wealth. If Josh chooses not to buyy insurance
next year, his wealth is $ 500,000 without an earthquake, and $
300,000 at the lose of his house with an earthquake. What’s his
risk premium?

Answer: risk ppremium= $ 4,6361.

,
The solution ??

6/6/2008 56
Utility Theory
• Sometimes the decision with the highest EMV is not the most desired or
most preferred alternative.
• Consider the following payoff table,

State off Nature

S N
Decision 1 2 EMV
A 150,000 -30,000 60,000 <--maximum
B 70,000 40,000 55,000
Probability 0.5 0.5
ƒ Decision makers have different attitudes toward risk:
• Some might prefer decision alternative A,
• Others would prefer decision alternative B.
ƒ Utility
Utilit Theory
Th incorporates
i t risk
i k preferences
f in
i the
th decision
d i i making
ki
process.
6/6/2008 57
Constructing Utility Functions
• Assign utility values of 0 to the worst payoff and 1 to the best.
• For the previous example,
U(-$30,000) = 0 and U($150,000) = 1
• To find the utility associated with a $70,000 payoff identify the value p at
which the decision maker is indifferent between:
Alternative 1: Receive $70,000 with certainty.
Alternative 2: Receive $150,000
$150 000 with probability p and lose $30,000
$30 000 with
probability (1-p).
ƒ If decision maker is indifferent when p = 0.8:
U($70 000) = U($150,000)
U($70,000) U($150 000) * 0.8
0 8 + U(-30,000)
U( 30 000) * 0.2
0 2 = 1* 0.8
0 8 + 0 * 0.2
0 2 = 0.8
08
ƒ When p = 0.8, the expected value of Alternative 2 is:
$150,000 * 0.8 + $30,000 * 0.2 = $ 114,000
ƒ The decision maker is risk averse. (Willing to accept $70,000 with certainty
versus a risky situation with an expected value of $ 114,000.)
6/6/2008 58
Constructing Utility Functions
• If we repeat
p this process
p with different values in Alternative 1,,
the decision maker’s utility function emerges (e.g., if
U($40,000) = 0.65):
Utility
1.00

0.90

0.80

0.70

0.60

0.50

0.40

0.30

0.20

0.10

0 00
0.00
-30 -20 -10 0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150

Payoff (in $1,000s)

6/6/2008 59
 Comments

• Certainty Equivalent - the amount that is equivalent in the

decision maker’s mind to a situation involving risk.
(
(e.g., $70,000
$70 000 was equivalent
i l to Al
Alternative
i 2 with
i h p = 0.8)
0 8)
• Risk Premium - the EMV the decision maker is willing to
give up to avoid a risky decision.
decision
(e.g., Risk premium = $114,000-$70,000 = $44,000)

6/6/2008 60
 Using Utilities to Make Decisions

• Replace monetary values in payoff tables with utilities.

ƒ Consider the utility table from the earlier example,

State of NatureExpected
Decision 1 2 Utility
A 1 0 0.500
B 0.8 0.65 0.725 <--maximum
P b bilit
Probability 05
0.5 05
0.5
ƒ Decision B provides the greatest utility even though it the
payoff table indicated it had a smaller EMV.
6/6/2008 61
 The Exponential Utility Function
• The exponential utility function is often used to model classic risk
averse behavior: U(x) = 1- e- x/R

6/6/2008 62
I
Incorporating
ti Utilities
Utiliti in
i TreePlan
T Pl
• TreePlan will automatically convert monetary values to utilities using
the exponential utility function.
• We must first determine a value for the risk tolerance parameter R.
• R is
i equivalent
i l to the h maximum
i value
l off Y for
f which
hi h the
h decision
d ii
maker is willing to accept the following gamble:
Win $Y with pprobabilityy 0.5,
Lose $Y/2 with probability 0.5.
• Note that R must be expressed in the same units as the payoffs!
• In Excel,
Excel insert R in a cell named RT.
RT (Note: RT must be outside the
rectangular range containing the decision tree!)
• On TreePlan’s ‘Options’ dialog box select,
‘Use Exponential Utility Function’
6/6/2008 63
Minimizing Variance or Standard
Deviation

• The payoffs of all events = X1, X2, X3, . . . . , Xn

• The probability of each event = p1, p2, p3, . . . . ., pn
n

• Expected value of x = EVX = x1.p1 + x 2 .p 2 + x 3 .p3 + ........+ x n .p n = ∑ x i .pi

i =1

• Variance =

• Standard deviation : square root of variance

• Coefficient of variation =
6/6/2008 64
Risk Measurement Absolute Risk:

Overall dispersion of possible payoffs Measurement: variance,

variance
standard deviation
The smaller variance or standard deviation, the lower the
absolute risk.
Relative Risk
Variation in ppossible returns compared
p with the expected
p payoff
p y
amount
Measurement: coefficient of Variation (CV), The lower the CV,
the lower the relative risk.
risk EV

6/6/2008 65
Principles of Baye
Baye’ss Strategy

• A project
j must not beb undertaken
d k unless
l it i has
h an expectedd
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

• Expectedd value
l EV

• x : denotes value of each possible outcome

• p : the probability of that outcome occurring

6/6/2008 68
 Ill
Illustration
i :
Forecast of profit of a project
Profit / (Loss) $k p

EV = - 0.1 * 800 - 0.3 * 200 + 0.4 * 400

+ 0.2 * 500 = +120 k

Applying Baye’s Strategy

Decision: Go ahead with the project although a 0.4 probability of making a
loss exists
6/6/2008 69
Example:

3 mutually
ll exclusive
l i options,
i A,
A B,
B C
Each option has three possible outcomes:
I with P(I) = 0.1 ; II with P(II) = 0.7 ; III with P(III) = 0.2
Conditional Profits ($k)
Profit ($k)
I II III
Option A 20 60 80
Option B -30 80 120
Option C 10 40 150

• Using EV criterion, select the best option

6/6/2008 70
 Solution

EV of Options
A: 0.1 * 20 + 0.7 * 60 + 0.2 * 80 = $ 60 k
B: 0.1 * ( - 30 ) + 0.7 * 80 + 0.2 * 120
= $ 77 k
C: 0.1 * 10 + 0.7 * 40 + 0.2 * 150 = $ 59 k
Option B is preferred

6/6/2008 71
 M
Measures off 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

6/6/2008 72
Let x be a random discrete variable taking values xn and probability pn
σ2 = E(x - µ)2
= p1 (x1 - µ)2 + p2 (x2 - µ)2 +.. + pn (xn - µ)2

Standard deviation σ = √E(x −µ)2

Coefficient of variation (COV) = µ / σ

COV - a measure of the risk involved

Larger value of COV signifies higher risk

6/6/2008 73
Example
Land development
p pprojects
j in two districts
Estimates of Income (x)

Discuss the significance of the data

6/6/2008 74
Solution

Expected
p value of net annual income
E(x) = µ = Σ xi pi

District A
µ = 0.15 * 600 + 0.20 * 700 + 0.30 * 800 + 0.20 * 900 + 0.15 * 1000 = 800.0

District B
µ = 0.15 * 770 + 0.20 * 790 + 0.30 * 800 + 0.20 * 810 + 0.15 * 830 = 800.0

• Expected values are the same

• Study risks involved in the two options

6/6/2008 75
Measures of Risk

• An acceptable
bl way off 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 representationi off all
ll the
h llogical
i l possibilities
ibili i off a
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 concernedd aboutb the
h damages
d
that could be caused by a hurricane, if it strikes. It is aware that
damages
g can be considerablyy reduced if a breakwater is built.
Suppose the following estimates are made:

6/6/2008 81
Estimates

• Probability
P b bili off a hurricane
h i occurring
i ini 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 bbranches
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 ddecision
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 ffrom each
h off th
the
chance nodes

6/6/2008 85
Creating the Decision Tree Model

• If there
h are no ffurther
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 isi COST andd a
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 ddefective
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
P (Correctly
(C l classified)
l ifi d) = 0.648
0 648 + 0.162
0 162 + 0.018
0 018 + 0.018
0 018 = 00.846
846

Defective cards reaching customers

P(Bad classified as Good) = 0.002

6/6/2008 91
6/6/2008 92
6/6/2008 93
Value
l off 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
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 - Best Option

6/6/2008 95
6/6/2008 96
• EV with perfect information : $ 80 m
• EV without information : $ 68 m
• Value of perfect information = $ 80 m - $ 68 m = $12 m

6/6/2008 97
Value of Imperfect Information

• Perfect
f information
i f i isi hard
h d to come by.
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 off imperfect
i f information?
i f i ?

6/6/2008 98
6/6/2008 99
EV with
i h imperfect
i f information
i f i : $ 62.4 m
EV without information : $ 68 m
Value of imperfect information = $ 62.4
62 4 m - $ 68 m = - $ 5.6
56m
=> No need to hire MC.

6/6/2008 100
KEPUTUSAN DALAM SUASANA RISK
( DENGAN PROBABILITA )

Tahap-tahap:
1. Diawali dengan mengidentifikasikan bermacam-
macam tindakan yang tersedia dan layak
2. Peristiwa-peristiwa yang mungkin dan probabilitas
terjadinya
j y harus dapat
p didugag
3. Pay off untuk suatu tindakan dan peristiwa tertentu
ditentukan

6/6/2008 101
Probabilitas dan Teori Keputusan

BAGIAN Probabilitas dan Teori Keputusan

Konsep-konsep Dasar Pengertian dan Elemen-Elemen

Probabilitas Keputusan

Pengambilan
g Keputusan
p dalam
Distribusi Probabilitas
Kondisi Risiko (Risk)
Diskret
Pengambilan Keputusan dalam
Distribusi Normal Kondisi Ketidakpastian
(Uncertainty)

Teori Keputusan
A li i Pohon
Analisis P h Keputusan
K t

6/6/2008 102
 Teknik yang digunakan:
a. Expected Value (Nilai Ekspektasi)
b. 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.
c. 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.
6/6/2008 103
 Teknik yang digunakan:

d
d. Expected Value of Sample Information (EVSI)
Merupakan harapan yang diinginkan dengan tambahan informasi untuk dapat
mengubah /memperbaiki keputusan, dengan menggunakan teori Bayes.
e. Kriteria Utilityy 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
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,
yang rasional, tanggap dan bertujuan memenangkan
persaingan/kompetisi.

6/6/2008 106
Pengelompokan Game Theory:
1. berdasarkan Jumlah Pemain:
a. Two-persons games
b. N-persons games
2. Berdasarkan Jumlah Pay off:
a. Zero and constan sum games
b. Non zero and non constan sum games
3 Berdasarkan
3. B d k Strategi
St t i yang dipilih:
di ilih
a. Cooperative games
b. Non cooperative games
4. Fokus pembahasan:
5. Two-persons, zero and constan sum games
6. Asumsi dalam game theory:
a. Setiap pemain mengetahui dengan tepat pay off setiap kemungkinan
6/6/2008 107
kombinasi strategi yang tersedia.
Caranya:

1. Prinsip Maximin dan Minimax

Karena nilai maximin = minimax, 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, maka games itu merupakan “pure strategy”
2. Peranan Dominasi
Suatu strategi dikatakan mendominasi apabila selalu menghasilkan pay
off lebih tinggi dibandingkan dengan strategi yang lain. Strategi yang
didominasi dapat
p dibuangg dari matriks ppayy off karena ppemain tidak
pernah memilihnya. Konsep dominasi berguna untuk matriks pay off
ukuran besar. Aturan dominasi dapat diterapkan untuk mengurangi
ukuran matriks sebelum analisis terakhir untuk menentukan solusi
optimum.
6/6/2008 108
Caranya:

3. 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. Pendekatan EV / EG (expected Gain)
b. Pendekatan EOL
c. Menentukan
M k nilai
il i permainan
i

6/6/2008 109
ANALISIS MARKOV

Analisis ini tidak memberikan keputusan rekomendasi, tetapi

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

6/6/2008 110