-- ----

BabXIX TeoriKeputusan
KAT A KUNCI
teori keputusan adalah studi membuat keputusan dalam mencapai beberapa obyektif, sering
berupa keadaan yang tidak pasti
pohon keputusan adalah diagram yang menjelaskan akibat yang memungkinkan dari
keputusan yang berbeda pada jenis penyataan yang berbeda
payoff yang diharapkan adalah nilai harapan payoff yang dihasilkan dari keputusan
Pada kehidupan sehari-hari, kita banyakdihadapkandengan keputusan. Hasil keputusan
tersebut kebanyakan tidak konsekuen dengan hasil yang memungkinkan. Dalam bisnis,
keputusan mempunyai konsekuensi yang lebih penting. Adalah sangat penting bekerja
dengan beberapa aturan yang berdasarkan teori keputusan yang. akan membantu kita
keputusan yang baik dari informasi yang telah didapat.
Ahli statistik membedakan antara tiga macam keputusan:
1. Keputusan berdasarkan kepastian. Hal tersebut adalah keputusan dimana Anda
mempunyai semua informasi yang diinginkan dan dapat menghitung hasil setiappilihan
yang Anda buat secara tepat. Hal'ini tidak berarti Anda mengetahui dengan tepat apa
yang harns dilakukan: ada data yang lebih banyak daripada seseorang yang dapat
mengerti. Contoh, Anda mengharapkan memaksimumkan produksi bahan kimia 531
secara simultan yang sesuai dengan peraturan dari Badan Proteksi Lingkungan. Pada
kasus seperti ini, biasanya paling baik menggunakan algorithm, seperti linier program-
minguntukmengevaluasidatadanmemilihhasilterbaik.Anda akanseringmembutuhkan
program komputer untuk menghitung. Dalam hal ini kita tidak akan berhubungan
dengan macam keputusan ini.
2. Keputusan berdasarkan ketidakpastian. Hal ini adalah keputusan dimana Anda telah
memperhitungkan kemungkinan tanpa mengkhawatirkan apa yang dikerjakan oleh
saingan. Kemungkinan terjadi berdasarkan intuisi. Petani mungkin saja memilih waktu
panenberdasarkancuacayangterjadi.Kemungkinankeputusannyaberdasarkancuacama
lampau dan ramalan yang panjang.
3. Keputusan berdasarkan pertentangan. Ini adalah keputusan dimana Anda telah
mempertimbangkan hal yang mungkin dilakukan ssaingan. Sebuah perusahaan telah
286
11II
menyadari apa yang akan dilakukan saingannya pada saat menentukan harga. Maeam
keputusan ini berhubungan dengan game theory dan tidak akan dibicarakan pada bab ini.
POHON KEPUTUSAN
Sebelum membuat keputusan yang tepat, adalah sangat baik jika mempunyai semua
pilihan yang memungkinkan dan grafIk hasil tersebut. Salah satu eara melakukannya adalah
dengan pohon keputusan.
Misalnya Anda ingin membuat keputusan yang mempunyai k proses yang berbeda, AI,
..., Ak. Kemudian anda mulai dari kiri ke kanan dengan eabang k (lihat gambar 19-1).
Untuk tiap proses, ada perbedaan hasil yang dinamakan state of nature. State of nature
adalah hasil kemungkinan, biasanya sebelumnya tidak dapat diprediksi.
Gambar 19-1
Akan kita sebut states of nature B1, ..., B1. Misalnya B1merupakan hasil yang tampak
sempuma, B2 hasil yang eaeat, B3 hasil yang sangat rusak dan seterusnya. Ini adalah
gambaran jika ada tambahan eabang (lihat gambar 19-2).
Kini Anda boleh mempunyai keputusan yang lebihjauh, c1, ..., emuntuk mendapatkan
hasil,misalnyauntukmemperbaikiproses,memperbaikigedung,ataumengatasikebangkrutan.
Ini dapat dilihat pada gambar 19-3.
Cabang tersebut dapat dibuat sejauh mungkin yang Anda harapkan, tergantung pada
berapa banyaktingkat yangingin Anda analisa. Pilihaneabang antarapilihanAnda dan states
of nature.
YANG HARUS DIINGAT
1. Banyak keputusan bisnis harns\ dibuat pada keadaan ketidakpastian. Bidang teori
keputusan memberikan petunjuk pada jenis kasus.
2. Pohon keputusan adalah diagram yang menunjukkan hasil tiap keputusan yang
memungkinkan dan tiap states of nature yang memungkinkan.
287
Garnbar 19-2 Garnbar 19-3
VARIAS I OBYEKTIF
Kita perlu beberapa cara dalarn menentukan hasil yang mana yang lebih baik daripada
lainnya. Sebuah perusahaan yo-yo berpikirpaling baik membuat yo-yo berwarna bim karena
dijuallebih baik dibandingkan dengan yo-yo warna lain atau warna kesukaan penjual adalah
bim.
Penjual menggambarkan contoh variabel obyektif. Mereka memberikan cara
membandingkan hasil yang artinya sarna dengan Anda, saya atau orang lain. Contoh lain
adalah profit dan produksi. Kesukaan warna bukan variabel obyektif.
TABEL PAYOFF
Pada pohon keputusan yang paling mudah, kita mempunyai satu tingkat pilihan, satu
tingkat states of nature dan untuk tiap pilihan, states of nature yang sarna. Dengan demikian
kita dapat membuat tbel (lihat gambar 19-4).
Tentu saja kelihatannya kosong. Jika kita mempunyai sebuah variabel obyektif X, maka
kita dapat memasukkan nilainya (lihat gambar 19-5). Xij adalah nilai variabel obyektif pada
pilihan ke-i dan state of nature ke-j. Susunan ini disebut tabel payoff.
Tabel ini dapat besar dan akan membantu jika kita menyederhanakannya. Salah satu cara
adalah menolak pengaruh atau aksi tidak dibuat karena ada pilihan lain yang selalu lebih baik.
Lebih tepatnya, Ai dipengaruhi oleh Aj,jika untuk semua k, Xii<lebih sedikit atau sarna dengan
Xjkdan paling tidak ada satu nilai k seperti Xii<< Xj\(.Kita tidak pemah memilih Ai karena Aj
selalu lebih baik. Contoh, lihat garnbar 19-6 dimana A4dipengaruhi oleh A2dan A3dan ini
tidak dapat diterima.
Sekali kita menghilangkan aksi yang tidak dapat diterima, kita telah melakukan semua
yang dapat kita lakukan dengan kepastian yang lengkap.
288
Gambar 19-4
State of nature
. . .
.
.
.
Gambar 19-5
289
BI Bz
. . .
BI
Al Xll xIZ Xll
Az XZI xzz ,XZI
. . . .
. . . .
.
"
xkl xk2 xkl
-- - -
YANG HARUS DIINGAT
1. Variabel obyektif adalah variabel yang Anda coba maksimumkan atau minimuimkan
dalam membuat keputusan.
2. Tabel payoff menunjukkan payoff (nilai variabel obyektif) yang menghasilkan tiap
keputusan dan tiap state of nature yang memungkinkan.
Gambar 19-6
PA YOFF YANG DIHARAPKAN
Meskipun kita tidak percaya pada state of nature yang akan terjadi, kitadapatmengestimasi
probabilitas satu state khusus yang ada. Petani dapat mempelajari sejarah cuacana lampau,
perusahaan dapat mengamati selera konsumen, dan seterusnya. Kemudian kita gabungkan
state of natare B. dengan probabilitas P.. Pada contoh di atas (gambar 19-6) kita mempunyai
J J
probabilitas yang ditentukan pada gambar 19-7. Tentu saja kita menginginkan P. bemilai 1. J
Meskipun probabilitas adalah estimasi terbaik, kita masihdapat menggunakan nilai
harapan variabel obyektif untuk pilihan yang ditentukan. Untuk AI'
E(XI) =1(0,3) + 2(0,5) + 5(0,5) + 8(0,5) + 3(0,1) =3,6
Demikian juga, E(X2j)= 4,0. E(E3) = 6,3 dan kita tidak perlu memeriksa pilihan A4karena
tidak dapat diterima.
Nilai harapan variabel obyektif untuk pilihan yang ditentukan disebutpayoff yang
diharapkan. Jika kita membandingkan payoff yang diharapkan, kita lihat A3 adalah yang
tertinggi, dan kita akan memilihnya setelahAIdan A2. Keputusan didasarkan pada kriteria
payoff yang diharapkan maksimum. Ini bukan satu-satunya kriteria untuk membuat
keputusan, tetapi biasanya cukup membantu.
290
BI B2
B3 B4 B5
Al 1 2 5 8 3
A2 2 2 5 2 7
A3 3 9 8 7 6
A4 0 1 3 2 4
Contoh: Penggunaan Kriteria Payoff yang Diharapkan Maksimum.
Misalnya Anda memakai tabel payoff untuk pennainan papan, dimana Anda:inemilihpilihan
yang tersedia pada saat giliran Anda dan state of nature adalah angka lawan Anda yang
mungkin melemparkan dua ~adu bennata enam (lihat gambar 19-8). Pilihan mana yang
hendaknya Anda pilih, menurut kriteria payoff yang diharapkan maksimum?
Jawab:
Adalah beralasan mengasumsikan bahwa dadu adalah fair dan kita mempunyai probabilitas
state of nature (lihat gambar 19-9).
Dengan demikian
E(X..) =10,14 E(X
2
.) =8,56 E(X
3
.) =12,86E(X
4
.) =6,44
1) J J J
Menggunakan kriteria payoff yang diharapkan maksimum, hendaknya Anda memilih pilihan
A3.
291
--
Gambar 19-7
State I
B) B2 B3 B4
B
5
Probabilitas
I 0,30 0,05 0,50 0,05 0,10
Gambar 19-8
State
2 3 4 5 6 7 8 9 iO 11 12
Al 5 7 26 9 29 -6 8 15 4 -6 23
A2 12 8 5 7 13 3 11 14 7 8 6
A3 9 23 15 24 9 22 13 13 -5 -6 0
A4 22 -3 -7 5 4 15 9 12 4 -2 6
- -- --
Gambar 19-9
YANG HARUS DIINGAT
1. Payoff yang diharapkan adalah nilai harapan payboff yang dihasilkan dari keputusan.
Anda dapat menghitungjika Anda mengetahui probabilitas tiap kejadian stateof nature.
2. Kriteria payoff yangdiharapkanmaksimumcukupmembantu, tetapi bukan satu-satunya
untuk membuat keputusan.
292
State 2 3 4 5 6 7 8 9 10 11 12
Probabilitas 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36