DECISION TREE METHOD

(DALAM PENGAMBILAN KEPUTUSAN

INVESTASI)
Kelompok 4 :
Hardina Hasyim
Ryan Reskyandi
Wiji Aryanto Nasri
Jusmawati

DECISION TREE METHOD

Decision Tree Method adalah alat bantu dalam mengambil
keputusan (decision support tool) yang divisualisasikan dalam
bentuk grafik/diagram/model berbentuk seperti pohon yang
menggambarkan permodelan dari suatu persoalan yang
terdiri dari serangkaian keputusan yang mengarah ke solusi.
Tiap Simpul Dalam menyatakan keputusan dan daun
menyatakan solusi.
Salah satu cara melakukan analisis resiko dalam pengambilan
keputusan melalui pendekatan statistik dalam kondisi
uncertainty.
Hanya satu keputusan yang dapat diambil dalam suatu waktu
Angka-angka yang terletak pada cabang-cabang tersebut
merupakan probabilitas kesempatan akan munculnya
keputusan yang ada di cabang tersebut dalam pilihan
Expected value/hasil estimasi adalah sebuah estimasi hasil
dari sebuah keputusan tertentu.

Metode ini pada dasarnya

merupakan :
Skema atau rangkaian keadaan dan kemungkinan
hasilnya (probability outcomes)
Cara untuk menyederhanakan dan memecahkan
pengambilan keputusan yang rumit dan kompleks
Analisis dan serangkaian pengambilan keputusan
yang saling berkaitan antara satu dengan yang
lainnya
Menggambarkan opsi keputusan yang harus diambil
dengan kemungkinan-kemungkinan yang terjadi
Cabang cabang yang mengarah ke kanan dan ke kiri
dari sebuah cabang keputusan mempresentasikan
kumpulan dari alternatif keputusan yang bisa diambil

NOTASI DECISION TREE

TITIK KEPUTUSAN (DECISION NODE), dinyatakan

dengan tanda kotak segi empat
TITIK KEMUNGKINAN (CHANCE NODE = STATE OF
NATURE NODE), dinyatakan dengan tanda
lingkaran TITIK AKHIR (TERMINAL), dinyatakan
dengan tanda segitiga 2 1 1 100% 0% true false
0% A

ATURAN DASAR APLIKASI

DECISION TREE

Titik keputusan dinyatakan dengan tanda kotak

Titik kemungkinan dinyatakan dengan simbol lingkaran
Ujung cabang disebut terminal
Pohon keputusan dibaca dari kiri ke kanan
Probabilitas harus diberikan di setiap dari titik
kemungkinan peluang terjadinya suatu kemungkinan
lalu menambahkan hasilnya menjadi suatu jumlah
Expected value decision criterion/kriteria keputusan
hasil estimasi adalah suatu seleksi agar dapat memilih
sebuah alternatif keputusan yang memiliki hasil
estimasi yang paling baik/yang paling diinginkan

LANGKAH MENYELESAIKAN
DECISION TREE
Tentukan atau definisikan permasalahan yang
akan diselesaikan
Gambarkan pohon keputusan
Berikan probabilitas atau nilai kondisional di
setiap terminal
Hitung nilai ekspektasi (ekspected value) untuk
semua nilai kondisional disetiap alternatif
Hitung
semua
nilai
ekspektasi
keuangan
(Expected Monetary Value = EMV)

DECISION TREE

DUA PRINSIP
MENYELESAIKAN DECISION
TREE
Mulai perhitungan dari atau pada titik terminal dan
bekerja mundur ke awal titip keputusan. Jika titik
kemungkinan dicapai, hitung nilai Ekspektasi EMV =
ekspektasi pendekatan yang telah memperhitungkan
resiko (probabilitas) untuk semua nilai kondisional dan
tulis diatas titik kemungkinan
Jika sampai pada titik keputusan EMV yang terbesar,
coret pilihan lain dan letakkan EMV diatas titik keputusan.
Selanjutnya mundur sampai dengan titik keputusan awal
dicapai. Pilih jalur EMV terbesar untuk memilih
keuntungan dan EMV terkecil untuk memilih biaya

MANFAAT DARI DECISION

TREE
Konsep dari pohon keputusan adalah mengubah
data menjadi pohon keputusan dan aturan-aturan
keputusan.
Manfaat utama dari penggunaan pohon
keputusan :
Kemampuannya untuk mem-break down proses
pengambilan keputusan yang kompleks menjadi lebih
simpel sehingga pengambil keputusan akan lebih
menginterpretasikan solusi dari permasalahan.
Pohon Keputusan juga berguna untuk mengeksplorasi
data,
menemukan
hubungan
tersembunyi
antara sejumlah calon variabel input dengan sebuah
variabel target.

KELEBIHAN DECISION TREE

Daerah
pengambilan
keputusan
yang
sebelumnya kompleks dan sangat global, dapat
diubah menjadi lebih simpel dan spesifik.
Sample yang diuji hanya berdasarkan kriteria
atau kelas tertentu sehingga tidak memerlukan
eliminasi perhitungan.
Meningkatkan kualitas keputusan yang dihasilkan
jika dibandingkan ketika menggunakan metode
penghitungan satu tahap yang lebih konvensional
Dapat menghindari munculnya permasalahan
dengan menggunakan criteria yang jumlahnya
lebih sedikit pada setiap node tanpa banyak
mengurangi kualitas keputusan yang dihasilkan.

KEKURANGAN DECISION
TREE
Terjadi overlap terutama ketika kelas-kelas dan
criteria yang digunakan jumlahnya sangat
banyak. Hal tersebut juga dapat menyebabkan
meningkatnya waktu pengambilan keputusan
dan jumlah memori yang diperlukan.
Pengakumulasian jumlah eror dari setiap tingkat
dalam sebuah pohon keputusan yang besar.
Kesulitan dalam mendesain pohon keputusan
yang optimal.
Hasil kualitas keputusan yang didapatkan dari
metode pohon keputusan sangat tergantung
pada bagaimana pohon tersebut didesain.

CONTOH SOAL METODE

DECISION TREE
Asumsikan anda mempunyai sejumlah dana
untuk diinvestasikan pada dua alternatif proyek,
yaitu proyek A dan B. Peluang proyek A akan
memberikan keuntungan adalah 20% dengan
nilai keuntungan 50 juta. Peluang proyek B akan
memberikan keuntungan adalah 45% dengan
nilai keuntungan 10 juta. Buatlah pohon
keputusan untuk membantu dalam mengambil
keputusan.
Solusi
Conto
h Soal

Solusi Contoh Soal

Expected Monetary Value :

Dasar Pengambilan
Keputusan

Pengambilan keputusan didasarkan

pada nilai ekonomi yang diharapkan
(Expected Monetary Value, EMV)
tertinggi.
Formula EMV :
EMV = (probability x nilai payoff yang
diharapkan)

EMV Contoh Soal

EMVA = (probability x nilai payoff yang
diharapkan)
= (0.20 x 50.000.000) + (0.80 x 0) =
10.000.000
EMVB = (probability x nilai payoff yang
diharapkan)
= (0.45 x 10.000.000) + (0.55 x 0) =
4.500.000
Kesimpulan : Pilih proyek A
Soal

SEKIAN
DAN
TERIMA KASIH