Anda di halaman 1dari 6

PENGAMBILAN KEPUTUSAN DALAM KONDISI BERESIKO (Decision Making Under Risk)

Pengambilan keputusan yang berisiko adalah situasi keputusan di mana terjadi dua kemungkinan hasil
(berhasil atau gagal) , dan probabilitas dari kemungkinan ini diketahui. Di bagian ini kami
mempertimbangkan satu dari metode yang paling populer dalam mengambil keputusan dalam kondisi
berisiko: memilih alternatif dengan nilai moneter yang diharapkan tertinggi (atau hanya nilai yang
diharapkan). Kami juga menggunakan probabilitas dengan Tabel peluang yang hilang untuk
meminimalkan kehilangan peluang yang diharapkan.

Nilai Moneter yang Diharapkan (Expected Monetery Value)

Diberikan tabel keputusan dengan nilai kondisional (payoff) yang merupakan nilai moneter, dan
penilaian probabilitas untuk semua kemungkinan, dimungkinkan untuk menentukan nilai moneter yang
diharapkan (EMV) untuk setiap alternatif. Nilai yang diharapkan, atau nilai rata-rata, adalah nilai rata-
rata jangka panjang keputusan itu. EMV dari suatu alternatif keputusan adalah penjumlahan dari biaya-
biaya yang diberi bobot sesuai dengan probabilitasnya.

𝐸𝑀𝑉 (𝑎𝑙𝑡𝑒𝑟𝑛𝑎𝑡𝑖𝑓) = ∑ 𝑋𝑖 𝑃 (𝑋𝑖 )

Dimana:

Xi = Payoff pada alternative dan pada kondisi i


P(Xi) = Probabilitas terjadinya kondisi masa depan i
∑ = simbol penjumlahan
Jika diperluas, maka
𝐸𝑀𝑉 (𝑎𝑙𝑡𝑒𝑟𝑛𝑎𝑡𝑖𝑓)
= (𝑝𝑎𝑦𝑜𝑓𝑓 𝑝𝑎𝑑𝑎 𝑘𝑜𝑛𝑑𝑖𝑠𝑖 𝑘𝑒1) × (𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡𝑎𝑠 𝑝𝑎𝑑𝑎 𝑘𝑜𝑛𝑑𝑖𝑠𝑖 𝑘𝑒1)
+ (𝑝𝑎𝑦𝑜𝑓𝑓 𝑝𝑎𝑑𝑎 𝑘𝑜𝑛𝑑𝑖𝑠𝑖 𝑘𝑒2) × ( 𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡𝑎𝑠 𝑝𝑎𝑑𝑎 𝑘𝑜𝑛𝑑𝑖𝑠𝑖 𝑘𝑒2) + ⋯ …
+ (𝑝𝑎𝑦𝑜𝑓𝑓 𝑝𝑎𝑑𝑎 𝑘𝑜𝑛𝑑𝑖𝑠𝑖 𝑡𝑒𝑟𝑎𝑘ℎ𝑖𝑟) × (𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡𝑎𝑠 𝑝𝑎𝑑𝑎 𝑘𝑜𝑛𝑑𝑖𝑠𝑖 𝑡𝑒𝑟𝑎𝑘ℎ𝑖𝑟)
Contoh soal
Anggaplah John Thompson sekarang percaya bahwa probabilitas pasar yang menguntungkan persis sama
dengan probabilitas pasar yang tidak menguntungkan; artinya, setiap keadaan memiliki probabilitas 0,50.
Alternatif mana yang akan memberikan nilai moneter yang diharapkan terbesar? Untuk menentukan ini,
John telah memperluas tabel keputusan, seperti yang ditunjukkan pada Tabel 3.9. Perhitungannya sebagai
berikut:
𝐸𝑀𝑉 (𝐿𝑎𝑟𝑔𝑒 𝑃𝑙𝑎𝑛𝑡) = ($200.000)(0,50) + (−$180.000)(0,50) = $10.000

𝐸𝑀𝑉 (𝑆𝑚𝑎𝑙𝑙 𝑃𝑙𝑎𝑛𝑡) = ($100.000)(0,50) + (−$20.000)(0,50) = $40.000

𝐸𝑀𝑉 (𝐷𝑜 𝑁𝑜𝑡ℎ𝑖𝑛𝑔) = ($0)(0,50) + ($0)(0,50) = $10.000

Nilai terbesar yang diharapkan ($40.000) dihasilkan dari alternative ke dua, “membangun pabrik kecil”.
Dengan demikian, Thompson harus melanjutkan proyek dan mendirikan pabrik kecil untuk pembuatan
gudang penyimpanan.
EMV untuk pabrik besar dan untuk tidak melakukan apa-apa adalah $ 10.000 dan $ 0, masing-masing.
Ketika menggunakan kriteria nilai moneter yang diharapkan dengan masalah minimalisasi,
perhitungannya sama, tetapi alternatif dengan EMV terkecil dipilih.

Nilai yang Diharapkan dari Informasi Sempurna


John Thompson telah didekati oleh Scientific Marketing, Inc., sebuah perusahaan yang mengusulkan
untuk membantu John membuat keputusan tentang apakah akan membangun pabrik untuk membuat gudang
penyimpanan. Scientific Marketing mengklaim bahwa analisis teknisnya akan memberi tahu John dengan pasti
apakah pasar menguntungkan untuk produk yang diusulkannya. Dengan kata lain, itu akan mengubah
lingkungannya dari salah satu pengambilan keputusan yang berisiko menjadi salah satu pengambilan keputusan di
bawah kepastian. Informasi ini dapat mencegah John melakukan kesalahan yang sanga besar. Scientific Marketing
akan membebankan Thompson $65.000 untuk informasi tersebut. Apa yang akan Anda rekomendasikan kepada
John? Haruskah dia menyewa perusahaan untuk melakukan studi pemasaran? Bahkan jika informasi dari
penelitian ini sangat akurat, apakah $65.000 layak dikorbankan? Seberapa besar yang layak dikorbankan?
Meskipun beberapa pertanyaan ini sulit dijawab, menentukan nilai informasi yang sempurna seperti itu bisa sangat
berguna. Ini menempatkan batas atas pada apa yang Anda harus keluarkan untuk informasi seperti yang dijual
oleh Scientific Marketing. Pada bagian ini, dua istilah terkait diselidiki: nilai yang diharapkan dari informasi
sempurna (EVPI) dan nilai yang diharapkan dengan informasi sempurna (EVwPI). Teknik-teknik ini dapat membantu
John membuat keputusan tentang mempekerjakan perusahaan pemasaran. Nilai yang diharapkan dengan
informasi yang sempurna adalah pengembalian yang diharapkan atau rata-rata, dalam jangka panjang, jika kita
memiliki informasi yang sempurna sebelum keputusan harus dibuat. Untuk menghitung nilai ini, kami memilih
alternatif terbaik untuk setiap kondisi tidak pasti (state of nature) dan melipatgandakan hasilnya kali probabilitas
kejadian kondisi tidak pasti (state of nature) itu.
𝐸𝑉𝑤𝑃𝐼 = ∑(𝑝𝑎𝑦𝑜𝑓𝑓 𝑡𝑒𝑟𝑏𝑎𝑖𝑘 𝑑𝑎𝑟𝑖 𝑘𝑜𝑛𝑑𝑖𝑠𝑖 𝑡𝑖𝑑𝑎𝑘 𝑝𝑎𝑠𝑡𝑖 𝑖)(𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡𝑎𝑠 𝑘𝑜𝑛𝑑𝑖𝑠𝑖 𝑡𝑖𝑑𝑎𝑘 𝑝𝑎𝑠𝑡𝑖 𝑖)
 Payoff adalah nilai yang menunjukkan hasil yang diperoleh dari kombinasi suatu alternative
tindakan dengan kejadian tidak pasti tertentu.

Nilai yang diharapkan dari informasi yang sempurna, EVPI, adalah nilai yang diharapkan dengan informasi yang
sempurna dikurangi nilai yang diharapkan tanpa informasi yang sempurna (mis., EMV terbaik atau maksimum).
Dengan demikian, EVPI adalah peningkatan EMV yang dihasilkan dari memiliki informasi yang sempurna
𝐸𝑉𝑃𝐼 = 𝐸𝑉𝑤𝑃𝐼 − 𝐸𝑀𝑉 𝑡𝑒𝑟𝑏𝑎𝑖𝑘
Pada Tabel 3.9, Thompson dapat menghitung maksimum yang akan ia bayar untuk informasi, yaitu nilai yang
diharapkan dari informasi yang sempurna, atau EVPI. Dia mengikuti proses tiga tahap. Pertama, payoff terbaik di
setiap kondisi tidak pasti ditemukan. Jika informasi yang sempurna mengatakan bahwa pasar akan
menguntungkan, pabrik besar akan dibangun, dan laba akan menjadi $200.000. Jika informasi sempurna
mengatakan pasar tidak disukai, alternatif "tidak melakukan apa-apa" dipilih, dan keuntungannya adalah 0. Nilai-
nilai ini ditunjukkan dalam baris "dengan informasi sempurna" pada Tabel 3.10. Kedua, nilai yang diharapkan
dengan informasi yang sempurna dihitung. Kemudian, menggunakan hasil ini, EVPI dihitung.
Nilai yang diharapkan dengan informasi sempurna adalah
𝐸𝑉𝑤𝑃𝐼 = ($200.000)(0,50) + ($0)(0,50) = $100.000
Jadi, jika kami memiliki informasi yang sempurna, imbalannya akan rata-rata $ 100.000. EMV maksimum tanpa
informasi tambahan adalah $ 40.000 (dari Tabel 3.9). Oleh karena itu, peningkatan EMV adalah
𝐸𝑉𝑃𝐼 = 𝐸𝑉𝑤𝑃𝐼 − 𝐸𝑀𝑋 𝑚𝑎𝑥𝑖𝑚𝑢𝑚 = $100.000 − $40.000 = $60.000
Dengan demikian, Thompson yang paling bersedia membayar untuk informasi yang sempurna adalah $ 60.000. Ini,
tentu saja, sekali lagi didasarkan pada asumsi bahwa probabilitas setiap situasu tidak pastiadalah 0,50. EVPI ini juga
memberi tahu kita bahwa yang paling kita bayar untuk informasi apa pun (sempurna atau tidak sempurna) adalah
$ 60.000. Di bagian selanjutnya kita akan melihat cara menempatkan nilai pada informasi yang tidak sempurna
atau sampel.
Dalam menemukan EVPI untuk masalah minimisasi, pendekatannya serupa. Payoff terbaik di setiap keadaan alam
ditemukan, tetapi ini adalah payoff terendah untuk keadaan alam itu daripada yang tertinggi. EVwPI dihitung dari
hasil terendah ini, dan ini dibandingkan dengan EMV terbaik (terendah) tanpa informasi sempurna. EVPI adalah
peningkatan yang dihasilkan, dan ini adalah EMV terbaik – EvwPI
Peluang Hilang yang DIharapkan (Expected Opportunity Loss)
Pendekatan alternatif untuk memaksimalkan EMV adalah untuk meminimalkan kehilangan peluang yang
diharapkan (EOL). Pertama, tabel peluang yang hilang dibuat. Kemudian EOL dihitung untuk setiap alternatif
dengan mengalikan peluang yang hilang dengan probabilitas dan menambahkannya bersama-sama. Pada Tabel 3.7
kami menyajikan tabel peluang yang hilang untuk contoh Thompson Lumber. Dengan menggunakan kehilangan
peluang ini, kami menghitung EOL untuk setiap alternatif dengan mengalikan probabilitas setiap keadaan alamiah
dengan nilai kehilangan peluang yang sesuai dan menambahkannya bersama-sama.
𝐸𝑂𝐿 (𝑀𝑒𝑚𝑏𝑎𝑛𝑔𝑢𝑛 𝑝𝑎𝑏𝑟𝑖𝑘 𝑏𝑒𝑠𝑎𝑟) = (0,5)($0) + (0,5)($180.000) = $90.000
𝐸𝑂𝐿 (𝑀𝑒𝑚𝑏𝑎𝑛𝑔𝑢𝑛 𝑝𝑎𝑏𝑟𝑖𝑘 𝑘𝑒𝑐𝑖𝑙) = (0,5)($100.000) + (0,5)($20.000) = $60.000
𝐸𝑂𝐿 (𝑡𝑖𝑑𝑎𝑘 𝑚𝑒𝑙𝑎𝑘𝑢𝑘𝑎𝑛 𝑎𝑝𝑎 − 𝑎𝑝𝑎) = (0,5)($200.000) + (0,5)($0) = $100.000
Tabel 3.11 memberikan hasil ini. Menggunakan EOL minimum sebagai kriteria keputusan, keputusan terbaik
adalah alternatif kedua, “membangun pabrik kecil.”
Penting untuk dicatat bahwa EOL minimum akan selalu menghasilkan keputusan yang sama dengan EMV
maksimum, dan bahwa EVPI akan selalu sama EOL minimum. Merujuk pada kasus Thompson, kami menggunakan
tabel hasil untuk menghitung EVPI menjadi $60.000. Perhatikan bahwa ini adalah EOL minimum yang baru saja
kami hitung.
Analisis Sensivitas

Pada bagian sebelumnya kami menentukan bahwa keputusan terbaik (dengan probabilitas diketahui)
untuk Thompson Lumber adalah membangun pabrik kecil, dengan nilai yang diharapkan sebesar
$ 40.000. Kesimpulan ini tergantung pada nilai-nilai konsekuensi ekonomi dan dua nilai probabilitas dari
pasar yang menguntungkan dan yang tidak menguntungkan. Analisis sensitivitas menyelidiki bagaimana
keputusan kami dapat berubah mengingat perubahan dalam data masalah. Di bagian ini, kami
menyelidiki dampak yang akan terjadi pada perubahan nilai probabilitas pada keputusan yang dihadapi
Thompson Lumber. Kami pertama-tama mendefinisikan variabel berikut:

𝑃 = 𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡𝑎𝑠 𝑝𝑎𝑠𝑎𝑟 𝑦𝑎𝑛𝑔 𝑚𝑒𝑛𝑔𝑢𝑛𝑡𝑢𝑛𝑔𝑘𝑎𝑛

Karena hanya ada dua situasi yaitu pasar yang menguntungkan dan tidak menguntungkan, probabilitas
pasar tidak menguntungkan haruslah 1 – P

Kita sekarang dapat mengeskpresikan EMV dalam hal P, seperti yang ditunjukkan dalam persamaan
berikut. Grafik dari nilai-nilai EMV ini ditunjuknna pada gambar 3.1

EMV (Pabrik besar) = $200.000P - $180.000(1-P)


= $200.000P - $180.000 + 180.000P
= $380.000P - $180.00
EMV (Pabrik kecil) = $100.000P - $20.000(1-P)
= $100.000P - $20.000 + 20.000P
= $120.000P - $20.00
EMV (tidak melakukan apapun) = $0P + $0(1-P) = 0
Seperti pada Gambar 3.1, keputusan terbaik adalah tidak melakukan apa pun selama P berada di antara
0 dan probabilitas yang terkait dengan poin 1, di mana EMV untuk tidak melakukan apa-apa sama
dengan EMV untuk pabrik kecil. Ketika P berada di antara probabilitas untuk poin 1 dan 2, keputusan
terbaik adalah membangun pabrik kecil. Poin 2 adalah di mana EMV untuk pabrik kecil sama dengan
EMV untuk pabrik besar. Ketika P lebih besar dari probabilitas untuk poin 2, keputusan terbaik adalah
membangun pabrik besar. Tentu saja, ini adalah apa yang Anda harapkan ketika P meningkat. Nilai P
pada poin 1 dan 2 dapat dihitung sebagai berikut
Poin 1 : EMV (tdk melakukan apa-apa) = EMV (Pabrik Kecil)
20.000
0 = $120.000𝑃 − $20.000 𝑃= = 0,167
120.000
Point 2: EMV (Pabrik kecil) = EMV (PAbrik besar)
$120.000𝑃 − $20.000 = $280.000𝑃 − $180.000
160.000
260.000𝑃 = 160.000 𝑃= = 0,615
260.000
Hasil analisis sensitivitas ini ditampilkan dalam tabel berikut

Menggunakan Excel untuk Menyelesaikan Masalah Teori Keputusan


Excel QM dapat digunakan untuk memecahkan berbagai masalah teori keputusan yang dibahas dalam
bab ini. Program 3.1A dan 3.1B menunjukkan penggunaan Excel QM untuk menyelesaikan kasus
Thompson Lumber. Program 3.1A menyediakan formula yang dibutuhkan untuk menghitung EMV,
minimum, maksimal, dan langkah-langkah lainnya. Program 3.1B menunjukkan hasil dari formula ini.
Pohon Keputusan

Masalah apa pun yang dapat disajikan dalam tabel keputusan juga dapat diilustrasikan secara grafis
dalam pohon keputusan. Semua pohon keputusan serupa karena mengandung poin keputusan atau
keputusan node dan state-of-nature point atau state-of-nature node:

 State of nature adalah peristiwa atau kejadian yang tidak dapat dihindari atau dikendalikan oleh
pengambil keputusan
 Simpul internal(node): hanya memiliki satu cabang yang masukdan memiliki lebih dari
satucabang yang keluar.

Dalam menggambar pohon, kita mulai dari kiri dan pindah ke kanan. Dengan demikian, pohon
menyajikan keputusan dan hasil secara berurutan. Garis atau cabang dari kotak (simpul keputusan)
mewakili alternatif, dan cabang dari lingkaran mewakili kondisi alam. Gambar 3.2 memberikan pohon
keputusan dasar untuk contoh Thompson Lumber. Pertama, John memutuskan apakah akan
membangun pabrik besar, pabrik kecil, atau tanpa pabrik. Kemudian, setelah keputusan itu dibuat,
kemungkinan keadaan atau hasil (pasar yang menguntungkan atau tidak menguntungkan) akan terjadi.
Langkah selanjutnya adalah meletakkan payoff dan probabilitas pada pohon dan memulai analisis.

Lima Langkah Analisis Pohon Keputusan

1. Tentukan masalahnya.
2. Struktur atau gambar pohon keputusan.
3. Tetapkan probabilitas ke keadaan alamiah.
4. Perkirakan hasil untuk setiap kemungkinan kombinasi alternatif dan keadaan alami.
5. Memecahkan masalah dengan menghitung nilai moneter yang diharapkan (EMV) untuk setiap
keadaan node alami. Ini dilakukan dengan bekerja mundur, yaitu, mulai dari kanan pohon dan
bekerja kembali ke node keputusan di sebelah kiri. Juga, pada setiap simpul keputusan,
alternatif dengan EMV terbaik dipilih.

Pohon keputusan akhir dengan payoff dan probabilitas untuk situasi keputusan John Thompson
ditunjukkan pada Gambar 3.3. Perhatikan bahwa imbalannya ditempatkan di sisi kanan setiap cabang
pohon. Probabilitas ditampilkan dalam tanda kurung di sebelah setiap keadaan alam. Dimulai dengan
payoff di sebelah kanan gambar, EMVs untuk setiap node state-of-nature kemudian dihitung dan
ditempatkan oleh masing-masing node. EMV dari node pertama adalah $ 10.000. Ini mewakili cabang
dari simpul (node) keputusan untuk membangun pabrik besar. EMV untuk simpul 2,