Anda di halaman 1dari 4

Bab 13 Analisis Keputusan Dan Game

Permasalahan keputusan termasuk keterbatasan alternatif yang sering


muncul dalam prakteknya. Metode yang digunakan untuk menyelesaikan
permasalahan ini tergantung besarnya jenis data yag tersedia (deterministic,
probabilistic dan uncertain). Analisis hirarki proses (AHP) adalah metode analisis
yang digunakan untuk mengambil suatu keputusan yang pasti, dimana keputusan
yang subjektif diukur secara logis kemudian digunakan sebagai basisuntuk
mencari keputusan. Untuk probabilistic data, keputusan yang diambil yaitu
membandingkan biaya yang diharapkan (keuntungan) untuk alternatif yang
berbeda. Decision under uncertainty (Keputusan yang tidak pasti) digunakan
untuk mencerminkan keputusan terhadap resiko yang dihadapi. Antara pesimis
dan optimis. Metode lain dalam decision under uncertainty adalah teori
permainan, dimana 2 komponen dengan tujuan yang konflik digunakan untuk
mendapatkan kondisi terbaik dari kondisi terburuk.
13.1

Pengambilan Keputusan Dalam Kepastian-Proses Hirarki Analitik

(PHA)
Proses

Hirarki Analitik

(PHA)

adalah model

yang

memberikan

kesempatan untuk membangun gagasan dan mendefinisikan persoalan dengan


membuat asumsi dan memperoleh pemecahan yang diinginkan. Sedangkan
dalam

proses

perbandingan berpasangan, penilaian dilakukan dengan

membandingkan komponen berdasarkan skala penilaian. Perhitungan indeks


konsistensi

untuk

mengukur

konsistensi pengambil

keputusan

dalam

membandingkan elemen pada matriks penilaian. Selanjutnya indeks konsisten


ditransfer sesuai dengan orde atau ukuran matriks

menjadi suatu

rasio

konsistensi.
Penyusunan prioritas adalah dengan membuat perbandingan berpasangan
terhadap suatu kriteria yang ditentukan. Perbandingan tersebut ditransformasikan
dalam bentuk matrik yang dikenal dengan matriks perbandingan (pairwise
comparison). Contoh terdapat n objek yang dinotasikan dengan (A1, A2, .... An)
yang akan dinilai berdasarkan pada tingkat kepentingannya antara lain Ai dan Aj.
Indeks konsistensi dari matriks berordo n diperoleh dengan rumus :

CI =

n maxn
n1

2
n

RI =
198

Selanjutnya

CI

dibandingkan dengan

indeks

konsistensi

random

(Random Index, RI). Perbandingan antara CI dan RI didefinisikan sebagai


Rasio Konsistensi

(CR).penilaian

yang

diterima

adalah

matriks yang

mempunyai CR 0.10. Pada pengujian konsistensi hirarki, total CI diperoleh


dengan melakukan pembobotan tiap CI dengan prioritas elemen yang
berkaitan dengan faktor yang dibandingkan, kemudian menjumlahkan seluruh
hasilnya. Dasar untuk menguji konsistensi adalah mengetahui hasil konsistensi
indeks dan vektor eigen dari matriks.
13.2

Decision Making Under Risk (Keputusan Beresiko)


Kondisi beresiko apabila informasi sempurna tidak tersedia, tetapi

peristiwa probabilitasnya diketahui. Keputusan beresiko ini juga berdasarkan


expected value criterion, dimana keputusan alternative membandingkan dengan
nilai harapan maksimal

atau nilai harapan minimal. Rangkaian keputusan

mempunyai sejumlah kemungkinan hasil dan probabilitas terjadi. Dalam keadaan


ini terjadi adanya keacakan, model seperti ini disebut juga model stokastik.
Prosedur analisis keputusan dalam suasana resiko mengikuti beberapa
tahapan. Pertama, mengidentifikasi bermacam-macam tindakan yang tersedia dan
layak. Kedua, peristiwa atau event yang mungkin dan probabilitas terjadinya
harus diduga. Ketiga, pay off untuk suatu tindakan dan peristiwa tertentu
ditentukan
13.2.1 Pohon Keputusan Yang Diharapkan Berdasarkan Nilai Kriteria
Kriteria nilai yang diharapkan bertujuan memaksimalkan laba yang
diharapkan (rata-rata) atau minimalisasi biaya yang diharapkan. Data dari masalah
berasumsi bahwa imbalannya (atau biaya) yang terkait dengan setiap keputusan
alternative harus probabilistik. Contoh Analisa Pohon Keputusan :

Gambar 1. Gambaran Pohon Keputusan tentang Masalah Persedian Pasar


13.2.2 Variasi Dari Nilai Kriteria Yang Diharapkan
Bagian ini membahas tiga isu yang berkaitan dengan kriteria nilai yang
diharapkan. Masalah pertama berkaitan dengan penentuan probabilitas posterior
berdasarkan eksperimen, dan penawaran kedua dengan utilitas versus nilai
sebenarnya dari uang.
Posterior (Bayes') Probabilitas. Probabilitas yang digunakan dalam kriteria
nilai yang diharapkan biasanya ditentukan dari data historis. Dalam beberapa
kasus, probabilitas ini dapat disesuaikan dengan menggunakan informasi
tambahan berdasarkan pengambilan sampel atau eksperimen. Probabilitas yang
dihasilkan disebut sebagai posterior (atau Bayes ') probabilitas, yang
bertentangan dengan probabilitas sebelum ditentukan dari data mentah.
Dalam suatu soal probabilitas posterior memperhitungkan informasi
tambahan yang disediakan oleh teman "untuk / terhadap" rekomendasi dan
dihitung sesuai dengan langkah umum berikut:
1. Probabilitas Kondisional P { vj | mi} masalah dapat diringkas sebagai

2. Menghitung probabilitas bersama sebagai


3. Menghitung probabilitas mutlak sebagai
4. Tentukan probabilitas posterior yang diinginkan sebagai