Decision Tree

Latar Belakang

dan tidak bervariasi

Dalam praktek yang
sesungguhnya, situasi
pengambilan keputusan
banyak yang terjadi dalam
kondisi yang tidak pasti
Beberapa teknik
pengambilan keputusan
tersedia untuk membantu
para pengambil
keputusan dalam
menghadapi situasi
semacam ini

 Situasi
1.

2.

pengambilan keputusan
Situasi dimana probabilita tidak dapat
ditentukan atas kejadian di masa yang akan
datang
Situasi dimana probabilita dapat ditentukan

Komponen Pengambilan
Keputusan
Kondisi Dasar situasi pengambilan keputusan
mengandung beberapa komponen keputusan itu sendiri
dan kejadian sesungguhnya yang dapat terjadi di masa
yang akan datang.
Pada saat keputusan dibuat, pengambil keputusan tidak
yakin atas kondisi dasar yang akan terjadi di masa
datang dan tidak memiliki kendali atas kondisi dasar
tersebut

Contoh
Seorang pedagang asongan harus memutuskan apakah
harus menyediakan kopi pada pertandingan sepak bola
di bulan November.
Jika cuaca saat itu dingin, sebagian besar kopi akan terjual.
Namun jika cuaca panas, akan sedikit sekali jumlah kopi
yang terjual.
Keputusan yang timbul adalah menyediakan kopi atau
tidak. Kondisi dasar yang ada adalah cuaca panas atau
cuaca dingin

Tabel Payoff

Untuk memudahkan analisa keputusan dan

menghasilkan keputusan terbaik, digunakan Tabel Hasil
Pertukaran (payoff tables)
Payoff tables alat untuk mengorganisasi dan
mengilustrasikan hasil-hasil dari berbagai keputusan
yang berbeda, berdasarkan bermacam-macam kondisi
dasar dalam suatu masalah

Tabel Payoff

Keputusan

Kondisi Dasar
a

Hasil Keputusan 1a

Hasil Keputusan 1b

Hasil Keputusan 2a

Hasil Keputusan 2b

Pengambilan Keputusan
Tanpa Probabilita
Pengambilan keputusan didasarkan pada asumsi bahwa
informasi mengenai kemungkinan terjadinya kondisi
dasar tidak tersedia
Kriteria Pengambilan Keputusan
1. Kriteria Maximax
2. Kriteria Maximin
3. Kriteria Minimax Regret
4. Kriteria Hurwicz
5. Kriteria Bobot yang Sama (Equal Likelihood)

Contoh
Seorang investor ingin membeli salah satu dari tiga jenis perumahan.
Dia harus memutuskan antara sebuah apartemen, sebuah
bangunan kantor dan sebuah gudang.
Kondisi dasar di masa datang yang akan menentukan besar laba yang
akan diperoleh investor tersebut adalah keadaan ekonomi yang baik
dan keadaan ekonomi yang buruk.
Laba yang akan dihasilkan dari masing-masing keputusan dalam tiap
kondisi dasar yang terjadi sbb :

Kondisi Dasar
Keputusan

Kondisi Ekonomi Baik

($)

Kondisi Ekonomi Buruk

($)

Apartemen

50.000

30.000

Bangunan kantor

100.000

-40.000

Gudang

30.000

10.000

Kriteria Maximax

Kriteria maximax pengambil keputusan memilih

keputusan yang memberikan nilai paling maksimum dari
hasil-hasil yang maksimum
Kriteria maximax sangat optimis
Pengambil keputusan mengasumsikan bahwa kondisi
dasar yang paling menguntungkan akan terjadi

Kriteria Maximax
Kondisi Dasar
Keputusan

Kondisi Ekonomi Baik

($)

Kondisi Ekonomi Buruk

($)

Apartemen

50.000

30.000

Bangunan kantor

100.000

-40.000

Gudang

30.000

10.000

Hasil Maksimum

Keputusan dari kriteria maximax membeli bangunan kantor

Pengambil keputusan mengasumsikan masa depan secara optimis
berdasarkan kondisi dasar yang ada
Bila yang tercantum pada tabel payoff adalah biaya, maka dipilih yang
paling minimum (kriteria minimin)

Kriteria Maximin

Kebalikan dari maximax, kriteria maximin sangat

pesimis.
Pengambil keputusan memilih putusan yang
mencerminkan nilai maksimum dari hasil-hasil yang
minimum
Pengambil keputusan mengasumsikan bahwa hasil yang
minimum akan terjadi

Kriteria Maximin
Kondisi Dasar
Keputusan

Kondisi Ekonomi Baik

($)

Kondisi Ekonomi Buruk

($)

Apartemen

50.000

30.000

Bangunan kantor

100.000

-40.000

Gudang

30.000

10.000

Hasil Maksimum

Keputusan dari kriteria maximin membeli apartemen

Kriteria Minimax Regret

Kriteria

ini juga disebut kriteria penyesalan

Pertama, pengambil keputusan memilih hasil
maksimum dari setiap kondisi dasar.
Selanjutnya, hasil maksimum tersebut
dikurangkan dengan masing-masing keputusan

Kriteria Minimax Regret

Kondisi Dasar
Keputusan

Kondisi Ekonomi Baik

($)

Kondisi Ekonomi Buruk

($)

Apartemen

50.000

30.000

Bangunan kantor

100.000

-40.000

Gudang

30.000

10.000

Hasil maksimum dari kondisi ekonomi baik = $ 100.000

Hasil maksimum dari kondisi ekonomi buruk = $ 30.000

Kriteria Minimax Regret

Kondisi Dasar
Keputusan

Kondisi Ekonomi Baik

($)

Kondisi Ekonomi Buruk

($)

Apartemen

50.000

30.000

Bangunan kantor

100.000

-40.000

Gudang

30.000

10.000

Hasil maksimum dari kondisi ekonomi baik = $ 100.000

Hasil maksimum dari kondisi ekonomi buruk = $ 30.000
Nilai Penyesalan
Kondisi ekonomi baik
$ 100.000 50.000 = 50.000
$ 100.000 100.000 = 0
$ 100.000 30.000 = 70.000

Kriteria Minimax Regret

Kondisi Dasar
Keputusan

Kondisi Ekonomi Baik

($)

Kondisi Ekonomi Buruk

($)

Apartemen

50.000

30.000

Bangunan kantor

100.000

-40.000

Gudang

30.000

10.000

Hasil maksimum dari kondisi ekonomi baik = $ 100.000

Hasil maksimum dari kondisi ekonomi buruk = $ 30.000
Nilai Penyesalan (opportunity loss)
Kondisi ekonomi baik
$ 100.000 50.000 = 50.000
$ 100.000 100.000 = 0
$ 100.000 30.000 = 70.000

Kondisi ekonomi buruk

$ 30.000 30.000 = 0
$ 30.000 (-40.000)= 70.000
$ 30.000 10.000 = 20.000

Kriteria Minimax Regret

Tabel Penyesalan
Kondisi Dasar
Keputusan

Kondisi Ekonomi Baik

($)

Kondisi Ekonomi Buruk

($)

Apartemen

50.000

Bangunan kantor

70.000

Gudang

70.000

20.000

Hasil Minimum regret

Keputusan membeli apartemen

Keputusan ini didasarkan pada filosofi bahwa investor akan mengalami
penyesalan dalam jumlah terkecil jika membeli apartemen

Kriteria Hurwicz

Kompromi antara kriteria maximax dan maximin

Prinsip tidak sepenuhnya optimis dan juga tidak
sepenuhnya pesimis
Dengan Kriteria Hurwicz, hasil keputusan dikalikan
dengan koefisien optimisme
Koefisien optimisme ukuran optimisme pengambil
keputusan
Koefisien optimisme didefinisikan sebagai (0

1)

Kriteria Hurwicz

Jika =1, berarti pengambil keputusan sangat optimis

Jika =0, berarti pengambil keputusan sangat pesimis
Jika adalah koefisien optimisme, maka 1- adalah
koefisien pesimisme
Kriteria Hurwicz mengharuskan untuk setiap alternatif
keputusan, hasil maksimum dikalikan dengan dan
hasil minimum dikalikan dengan 1-

Kriteria Hurwicz

Untuk contoh investasi di atas, misal = 0,4 (investor

sedikit pesimis)
sehingga 1- = 0,6

Keputusan
Hasil
Apartemen
$ 50.000(0,4) + 30.000(0,6)=38.000
Bangunan Kantor $100.000(0,4) - 40.000(0,6)=16.000
Gudang
$ 30.000(0,4) + 10.000(0,6)=18.000
Keputusan membeli apartemen (memilih nilai tertimbang maksimum)

Kriteria Hurwicz

Kelemahan kriteria ini adalah bahwa alpha harus

ditentukan oleh pengambil keputusan
Akan sangat sulit bagi seorang pengambil keputusan
untuk menentukan secara akurat tingkat optimismenya
Kriteria Hurwicz sepenuhnya merupakan kriteria
pengambilan keputusan yang subyektif

Kriteria Equal Likelihood

Memberikan bobot yang sama untuk setiap kondisi

dasar
Jadi diasumsikan bahwa setiap kondisi dasar memiliki
kemungkinan yang sama untuk terjadi

Kriteria Equal Likelihood

Untuk contoh investasi di atas, terdapat 2 kondisi dasar

maka bobot masing-masing adalah 0,5

Keputusan
Hasil
Apartemen
$ 50.000(0,5) + 30.000(0,5)=40.000
Bangunan Kantor
$100.000(0,5) - 40.000(0,5)=30.000
Gudang
$ 30.000(0,5) + 10.000(0,5)=20.000
Keputusan membeli apartemen (memilih nilai tertimbang maksimum)

Pengambilan Keputusan
Dengan Probabilita

1.
2.

Tersedia informasi tentang kemungkinan terjadinya

kondisi dasar
Terdapat 2 kriteria keputusan yang bisa membantu
pengambilan
Expected value (Nilai Perkiraan)
Expected Opportunity Loss (Perkiraan Peluang Rugi)

Nilai Ekspektasi (Expected Value)

Sebelum menerapkan konsep nilai ekspektasi,

pengambil keputusan harus memperkirakan probabilita
kejadian untuk masing-masing kondisi dasar.
Nilai ekspektasi dihitung dengan mengalikan setiap hasil
(dari keputusan) dengan probabilitas kejadian kemudian
dijumlahkan

Nilai Ekspektasi (Expected Value)

Kondisi Dasar
Keputusan

Kondisi Ekonomi Baik

($)

Kondisi Ekonomi
Buruk ($)

Apartemen

$ 50.000

30.000

Bangunan Kantor

100.000

-40.000

Gudang

30.000

10.000

Berdasarkan beberapa ramalan ekonomi, investor dapat

memperkirakan probabilita sebesar 0,6 bahwa kondisi ekonomi akan
baik dan probabilita 0,4 bahwa kondisi ekonomi akan buruk.

Nilai Ekspektasi (Expected Value)

Nilai Ekspektasi (EV) untuk tiap keputusan :
EV (apartemen)
= $ 50.000 (0,6) + 30.000 (0,4) = $ 42.000
EV (bangunan kantor) = $ 100.000 (0,6) + -40.000 (0,4) = $ 44.000
EV (gudang)
= $ 30.000 (0,6) + 10.000 (0,4) = $ 22.000

Keputusan terbaik adalah yang memiliki nilai ekspektasi terbesar

Maka keputusannya adalah membeli bangunan kantor
Bukan berarti bahwa investor akan mendapatkan hasil $ 44.000 jika
membeli bangunan kantor

Alternatif lain jika hasil yang dinyatakan adalah dalam bentuk biaya,
maka keputusan terbaik adalah yang memiliki nilai ekspektasi
terendah

Expected Opportunity Loss

Kondisi Dasar
Keputusan

Kondisi Ekonomi Baik

($)

Kondisi Ekonomi
Buruk ($)

Apartemen

50.000

30.000

Bangunan Kantor

100.000

-40.000

Gudang

30.000

10.000

Untuk menggunakan kriteria ini, kita mengalikan probabilita dengan

opportunity loss

Expected Opportunity Loss

Tabel Penyesalan
Kondisi Dasar
Keputusan

Kondisi Ekonomi Baik

($)

Kondisi Ekonomi Buruk

($)

Apartemen

50.000

Bangunan kantor

70.000

Gudang

70.000

20.000

Expected Opportunnity loss (EOL) untuk tiap keputusan :

EOL (apartemen) = $ 50.000 (0,6) +
0 (0,4) = $ 30.000
EOL (bangunan kantor) = $
0 (0,6) + 70.000 (0,4) = $ 28.000
EOL (gudang)
= $ 70.000 (0,6) + 20.000 (0,4) = $ 50.000

Keputusan membeli bangunan kantor (rugi terkecil)

Perhatikan bahwa keputusan yang direkomendasikan

oleh kriteria EV dan EOL adalah sama (membeli
bangunan kantor)
Kedua metode ini selalu memberikan hasil yang sama,
jadi percuma menerapkan kedua metode ini. Cukup
salah satu saja.
Keputusan EV dan EOL sangat tergantung dari
perkiraan probabilita yang ditentukan oleh pengambil
keputusan
Jika probabilita yang digunakan tidak akurat, keputusan
yang diambil akan salah

Nilai Ekspektasi
atas Informasi Sempurna

Kadangkala mungkin untuk membeli informasi tambahan berkenaan

dengan kejadian di masa datang, sehingga keputusan yang dihasilkan
akan lebih baik
Sebagai contoh, investor dapat menyewa seorang peramal ekonomi
untuk membuat analisa ekonomi untuk menentukan secara akurat
kondisi ekonomi yang mana yang akan terjadi masa datang
Walaupun demikian, akan sangat tidak bijaksana jika seorang investor
mau mambayar untuk informasi ini dalam jumlah yang lebih besar dari
manfaat yang diterima.
Jadi, informasi memiliki nilai maksimum tertentu yang menunjukkan
batas jumlah yang dibayar oleh pembuat keputusan
Nilai dari informasi ini disebut nilai ekspektasi atas informasi sempurna
(the expected value of perfect information - EVPI)

Nilai Ekspektasi
atas Informasi Sempurna
Kondisi Dasar
Keputusan

Kondisi Ekonomi Baik ($)

Kondisi Ekonomi Buruk

($)

Apartemen

50.000

30.000

Bangunan Kantor

100.000

-40.000

Gudang

30.000

10.000

Pertama, pilih hasil keputusan terbaik dari masing-masing kondisi dasar

Dalam hal ini adalah 100.000 (bangunan kantor) dari kondisi ekonomi baik dan
30.000 (apartemen) dari kondisi ekonomi buruk
Misal probabilita untuk setiap kondisi dasar adalah 0,6 dan 0,4
Kalikan hasil keputusan terbaik dengan masing-masing probabilita.
100.000(0,6) + 30.000 (0,4) = 72.000
Pilih nilai EV yang terbaik.
Dalam hal ini adalah bangunan kantor (44.000)
Maka EVPI = 72.000 44.000 = 28.000

Nilai Ekspektasi
atas Informasi Sempurna

Jadi nilai ekspektasi atas informasi sempurna (EVPI)

adalah sebesar $28.000
Itu merupakan jumlah maksimum yang dibayarkan oleh
pengambil keputusan untuk membeli informasi
sempurna dari sumber-sumber lain, misal peramal
ekonomi
Tentu saja informasi sempurna tersebut jarang dan
biasanya tidak dapat diperoleh
Pada umumnya, pengambil keputusan bersedia
membayar kurang dari $28.000, tergantung dari tingkat
akurasi yang diyakini pengambil keputusan

Diagram Pohon

Diagram grafis yang terdiri dari simpul (nodes) dan

cabang (branches) untuk membuat keputusan
Menghitung nilai ekspektasi untuk tiap hasil dan
membuat keputusan berdasarkan nilai ekspektasi
tersebut
Keuntungan : memberikan gambaran/ ilustrasi mengenai
proses pengambilan keputusan
Mempermudah perhitungan nilai ekspektasi yang
diperlukan secara lebih tepat dan pemahaman proses
pengambilan keputusan

Contoh
Kondisi Dasar
Keputusan

Kondisi Ekonomi Baik ($)

Kondisi Ekonomi Buruk

($)

Apartemen

50.000

30.000

Bangunan Kantor

100.000

-40.000

Gudang

30.000

10.000

Berdasarkan beberapa ramalan ekonomi, investor dapat

memperkirakan probabilita sebesar 0,6 bahwa kondisi ekonomi akan
baik dan probabilita 0,4 bahwa kondisi ekonomi akan buruk.

Contoh
2
tem
r
a
Ap

1
Membeli

en

Bangunan Kantor

Gu
dan
g

i
konom
E
i
s
i
Kond 6)
0,
Baik (

$ 50.000

Kondi
si Eko
nomi
(0,4)
Buruk
mi
Kondisi Ekono
Baik (0,6)

Kond
i
(0,4) si Ekono
m

i Bur

Kondisi Ekonomi
Baik (0,6)
Kon
d
(0,4 isi Eko
)
no

mi B
ur uk

$ 30.000

$ 100.000

uk

$ -40.000

$ 30.000

$ 10.000

Lingkaran dan kotak disebut simpul (nodes)

Kotak merupakan simpul keputusan (decision nodes)
Cabang yang berasal dari simpul keputusan
mencerminkan alternatif keputusan yang mungkin terjadi
pada saat tersebut
Lingkaran merupakan simpul probabilita (probability
nodes)
Cabang yang berasal dari simpul probabilita
menandakan kondisi dasar yang dapat terjadi

Menentukan keputusan terbaik dengan menggunakan

analisa diagram pohon menggunakan perhitungan nilai
ekspektasi pada setiap simpul probabilita
Perhitungan nilai ekspektasi dimulai dari hasil akhir (final
payoff) kemudian dikerjakan ke belakang melalui
diagram pohon ke arah simpul 1
Nilai Ekspektasi dari hasil akhir dihitung pada setiap
simpul probabilita

Perhitungan Nilai Ekspektasi

EV (simpul 2)= $ 50.000 (0,6) + 30.000 (0,4) = $ 42.000
EV (simpul 3)= $ 100.000 (0,6) + -40.000 (0,4) = $ 44.000
EV (simpul 4)= $ 30.000 (0,6) + 10.000 (0,4) = $ 22.000

$ 42.000

nomi
o
k
E
i
is
Kond 6)
0,
Baik (

$ 50.000

2
arte
p
A

1
Membeli

Kondi
si E ko
nomi
(0,4)
Bur

n
me

Bangunan Kantor

$ 44.000

Gu
dan
g

$ 22.000

uk

mi
Kondisi Ekono
Baik (0,6)

Kond
i
(0,4) si Ekono
m

i Bur

$ 100.000

uk

Kondisi Ekonomi
Baik (0,6)
Kon
d
(0,4 isi Eko
)
no

$ 30.000

mi B
ur uk

$ -40.000

$ 30.000

$ 10.000

Keputusan : memilih cabang yang berasal dari simpul

probabilita dengan expected payoff tertinggi
Cabang yang memiliki hasil tertinggi adalah bangunan kantor
dengan nilai ekspektasi $44.000

Keputusan untuk membeli bangunan kantor dengan hasil

$44.000 adalah hasil yang sama yang kita peroleh dengan
menggunakan kriteria nilai ekspektasi
Diagram pohon akan selalu memberikan hasil keputusan dan
nilai ekspektasi yang sama dengan menggunakan kriteria nilai
ekspektasi jika keputusan yang dibuat bukan merupakan satu
seri keputusan
Akibatnya, dalam situasi keputusan seperti contoh di atas,
diagram pohon tidak terlalu berguna
Diagram pohon akan sangat berguna jika sekumpulan
keputusan atau suatu urutan keputusan harus dibuat

Diagram Pohon untuk Suatu

Kumpulan Keputusan
Jika situasi keputusan mengharapkan suatu kumpulan
(seri) keputusan, kriteria nilai ekspektasi tidak dapat
dibuat dan diagram pohon menjadi metode terbaik untuk
analisa keputusan

Kasus
Investor dihadapkan pada keputusan apakah membeli apartemen atau tanah. Biaya masingmasing adalah $800.000 dan $200.000.
Jika membeli apartemen, ada 2 kondisi dasar yang mungkin, yaitu peningkatan populasi
dengan probabilita 0,6 dan tidak ada peningkatan dengan probabilita 0,4. Jika populasi
meningkat, investor akan memperoleh hasil sebesar $2jt. Meskipun tidak terjadi
peningkatan populasi, masih menghasilkan $225.000. Masing-masing untuk periode 10
tahun.
Jika keputusan yang diambil adalah membeli tanah, kondisi dasar dan probabilita sama
dengan membeli apartemen. Hanya saja, jika peningkatan populasi terjadi untuk periode 3
tahun, tidak ada hasil yang diperoleh. Tetapi investor akan membangun apartemen
dengan biaya $800.000 atau tanah dijual dengan harga $450.000. Jika tidak terjadi
peningkatan populasi, tidak ada payoff dan keputusan lain yang akan diambil adalah
menjual tanah seharga $210.000 dan membuat bangunan komersial dengan biaya
$600.000.
Jika membuat apartemen, probabilita populasi meningkat 0,8 dan tidak meningkat 0,2. hasil
dari kondisi dasar ini pada akhir periode 10 tahun adalah $3jt dan $700.000.
Jika keputusan adalah membangun tanah secara komersial, probabilita peningkatan populasi
0,3 dengan hasil $2.300.000. Probabilita tidak terjadi peningkatan populasi 0,7 dengan
hasil $1.000.000
Analisa dengan menggunakan diagram pohon !

Analisa Keputusan dengan

Informasi Tambahan

Jika informasi sempurna dapat diperoleh tergantung pada

kondisi dasar mana yang akan terjadi di masa datang,
pengambil keputusan dapat membuat keputusan yang lebih
baik.
Meskipun informasi sempurna tentang masa depan jarang
tersedia, kadangkala mungkin bagi kita untuk memperoleh
tambahan informasi dalam jumlah tertentu yang dapat
memperbaiki keputusan yang akan diambil
Kita dapat menampilkan penggunaan informasi tambahan
dalam proses pengambilan keputusan dengan
mengaplikasikan analisa Bayesian.

Analisa Keputusan dengan

Informasi Tambahan
Kondisi Dasar
Keputusan

Kondisi Ekonomi Baik ($)

Kondisi Ekonomi Buruk

($)

Apartemen

50.000

30.000

Bangunan Kantor

100.000

-40.000

Gudang

30.000

10.000

Kita mengetahui bahwa keputusan terbaik adalah membeli bangunan kantor

dengan nilai ekspektasi sebesar $44.000
Kita juga menghitung bahwa nilai ekspektasi atas informasi sempurna
sebesar $28.000
Sekarang anggaplah bahwa investor telah memutuskan untuk menyewa
seorang analis ekonomi profesional yang akan memberikan informasi
tambahan mengenai kondisi ekonomi di masa datang
Analis ekonomi tersebut akan memberikan laporan yang meramalkan salah
satu dari dua hasil yang ada kepada investor

Laporan tersebut bisa bersifat positif, menandakan kemungkinan besar

keadaan ekonomi yang baik akan terjadi
Laporan bersifat negatif, menandakan kemungkinan besar keadaan
ekonomi yang buruk akan terjadi

Dimisalkan
g = keadaan ekonomi yang baik
p = keadaan ekonomi yang buruk
P = laporan ekonomi yang bersifat positif
N = laporan ekonomi yang bersifat negatif
Probabilita kondisional dari setiap hasil laporan dengan melihat setiap
kondisi dasar adalah sbb :
P(P/g) = 0,8
P(N/g) = 0,2
P(P/p) = 0,1
P(N/p) = 0,9
P(P/g) jika keadaan ekonomi di masa datang pada kenyataannya
baik (g), probabilita analis akan memberikan laporan yg positif (P)
adalah 0,8.

Kita ingat bahwa probabilita sebelumnya (prior probability) bahwa

probabilita kondisi ekonomi baik atau buruk yang akan terjadi
adalah :
P(g) = 0,6
P(p) = 0,4
Dengan melihat probabilita kondisional yang ada, probabilita
sebelumnya dapat direvisi untuk membentuk probabilita posterior
dengan menggunakan Aturan Bayes.
Jika kita mengetahui probabilita kondisional bahwa laporan yang
bersifat positif akan disajikan berdasarkan bahwa keadaan ekonomi
yang baik akan terjadi P(P/g), probabilita posterior atas kondisi
ekonomi baik berdasarkan laporan yang positif P(g/P) dapat
ditentukan menggunakan Aturan Bayes sebagai berikut :

Menghitung Posterior Probability

P(g/P) =

P(P/g)P(g)
P(P/g)P(g) + P(P/p)P(p)

P(g/P) =

(0,8)(0,6)
= 0,923
(0,8)(0,6) + (0,1)(0,4)

Menghitung Posterior Probability

P(g/P) =

P(P/g)P(g)
P(P/g)P(g) + P(P/p)P(p)

P(g/P) =

(0,8)(0,6)
= 0,923
(0,8)(0,6) + (0,1)(0,4)

Probabilita prior bahwa kondisi ekonomi baik yang akan terjadi di

masa datang adalah 0,6.
Dengan memperoleh informasi tambahan atas laporan yang bersifat
positif dari analis, investor dapat merevisi probabilita sebelumnya
atas kondisi ekonomi yang baik ke probabilita sebesar 0,923

Menghitung Posterior Probability

P(g/N) =

P(N/g)P(g)
P(N/g)P(g) + P(N/p)P(p)

P(g/N) =

(0,2)(0,6)
= 0,250
(0,2)(0,6) + (0,9)(0,4)

P(p/P) = 0,077
P(p/N) = 0,750

Dengan Tabel
Kondisi Dasar

Prior Prob.

Kondisional Prob.

(2) X (3)

(4) / (4)

(1)

(2)

(3)

(4)

(5)

Kondisi Baik

P(g)=0,6

P(P/g)=0,8

0,48

P(g/P)=0,48/0,52
=0,923

Kondisi Buruk

P(p)=0,4

P(P/p)=0,1

0,04

P(p/P)=0,04/0,52
=0,077

=0,52 =P(P)

Diagram Pohon dengan

Probabilita Posterior
Ada 2 perbedaan dasar dari diagram pohon dengan
Probabilita Posterior
1. Dua cabang awal adalah hasil laporan analis ekonomi
(positif/negatif)
2. Probabilita tiap kondisi dasar tidak lagi menggunakan
probabilita prior tetapi menggunakan probabilita
posterior
Selebihnya adalah sama (alternatif keputusan, kondisi
dasar dan hasil)

Hasil
EV (strategi) = $89.212(0,52) + 35.000(0,48)
= $ 63.190
$63.190 merupakan nilai ekspektasi dari strategi keputusan investor
yang diberikan dalam laporan perkiraan kondisi ekonomi yang
dibuat oleh analis ekonomi

Nilai Ekspektasi dari

Informasi Sampel (EVSI)

Ingat bahwa ketika investor tidak mempunyai informasi

tambahan, nilai ekspektasinya adalah $44.000
Setelah mendapat informasi tambahan dari analis ekonomi,
nilai ekspektasi yang didapat dari diagram pohon sebesar
$63.190
Selisih antara nilai ekspektasi dengan informasi tambahan
dan tanpa informasi tambahan merupakan EVSI

Nilai Ekspektasi dari

Informasi Sampel (EVSI)
EVSI = $63.190 44.000
= $19.190

Nilai Ekspektasi dari

Informasi Sampel (EVSI)
EVSI = $63.190 44.000
= $19.190
Artinya : investor hanya mau membayar analis ekonomi sampai
sebesar $19.190 untuk laporan ekonomi yang memperkirakan
kondisi ekonomi masa datang

Efisiensi

Nilai Ekspektasi atas Informasi Sempurna (EVPI) pada

contoh di atas sebesar $28.000
Nilai Ekspektasi dari Informasi Sampel (EVSI) sebesar
$19.190
Kita bisa menghitung efisiensi informasi dengan cara
membagi EVSI dengan EVPI

Efisiensi

Nilai Ekspektasi atas Informasi Sempurna (EVPI) pada

contoh di atas sebesar $28.000
Nilai Ekspektasi dari Informasi Sampel (EVSI) sebesar
$19.190
Kita bisa menghitung efisiensi informasi dengan cara
membagi EVSI dengan EVPI
Efisiensi = EVSI = 19.190 = 0,68
EVPI
28.000

Jadi, analis laporan ekonomi dipandang oleh investor

memiliki efisiensi sebesar 68%

Efisiensi

Tingkat efisiensi yang tinggi menandakan bahwa suatu

informasi tersebut sangat baik
Tingkat efisiensi yang rendah menandakan bahwa
informasi tambahan tidak baik.
Untuk contoh di atas, efisiensi sebesar 68% relatif tinggi
sehingga kemungkinannya kecil sekali investor tersebut
mencari informasi tambahan dari sumber lain
Jika efisiensi rendah, investor mungkin mencari
informasi tambahan dari tempat lain