BAB 3

POHON KEPUTUSAN DAN TEORI UTILITAS

3.1. Pendahuluan

Pada bagian yang lalu kita telah menyelesaikan persoalan dengan menggunakan decision
table. Pada bagian ini kita akan memperkenalkan pohon keputusan (decision tree), penilaian
probabilitas (probability assessement), dan teori utilitas (utility theory).

3.2. Pohon Keputusan

Setiap persoalan yang dapat dinyatakan dalam suatu tabel keputusan dapat pula dinyatakan
dalam bentuk pohon keputusan. Kembali ke contoh Thomson Lumber Company, apakah
perlu membangun pabrik besar, pabrik kecil, atau tidak melakukan sesuatu apapun dapat
dibuat grafik sebagai berikut:

Noda Situasi (State of nature)

Noda Keputusan
Kondisi Pasar Baik

1
Bangun Kondisi Pasar Buruk
Pabrik Besar
Kondisi Pasar Baik
Bangun
Pabrik Kecil
2
Kondisi Pasar Buruk

Tidak membangun

Gambar 3.1.
Pohon Keputusan

Keterangan :

= Nodal Keputusan, salah satu dari alternatif dapat dipilih

= Noda Situasi (state of nature), salah satu dari keadaan tersebut akan terjadi

1
Lima Langkah Dalam Menggunakan Analisis Pohon Keputusan

1. Tentukan Persoalan
2. Susun atau gambarlah pohon keputusan
3. Berikanlah probabilitas kepada situasi (state of nature)
4. Estimasi payoff untuk masing-masing kemungkinan kombinasi dari alternatif dan
situasi (state of nature)
5. Selesaikan persoalan dengan menghitung expected monetary Value (EMV) untuk
masing-masing noda situasi. Perhitungan ini dilakukan dari arah belakang
(backward), yaitu mulai dari kanan pohon keputusan ke arah kiri ke noda keputuan.

EMV Untuk
= 0,5 (200.000) + 0,5 (-180.000)
Noda 1 $ 10.000
Kondisi Pasar Baik
$ 200.000
(0,50)
1
Bangun Kondisi Pasar Buruk
Pabrik Besar (0,50) -$ 180.000

Kondisi Pasar Baik

Bangun $ 100.000
Pabrik Kecil (0,50)
2
Kondisi Pasar Buruk
-$ 20.000
(0,50)
EMV Untuk
Noda 2 $ 40.000 = 0,5 (100.000) + 0,5 (-20.000)
Tidak
membangun

$0

Gambar 3.2.
Pohon Keputusan Untuk Thomson Lumber

Titik Keputusan Jamak (Multiple Decision Point)

Titik keputusan jamak mengandung arti bahwa keputusan yang diambil dilakukan beberapa
tahap sesuai dengan kegiatan yang dilakukan. Misalkan perusahaan Thomson Lumber
mempertimbangkan untuk melakukan penelitian agar dapat memperoleh informasi yang
lebih baik tentang permintaan produknya. Biaya penelitian adalah sebesar $ 10.000.
Kemungkinan hasil penelitian menyenangkan adalah 45 persen, sedangkan kemungkinan
hasilnya negatif (tidak menyenangkan) adalah 55 persen. Jika hasil penelitian tersebut
menyenangkan, maka probabilitas situasi pasar baik (favorable market) menjadi 0,78. Kita
mengharapkan probabilitas favorable market menjadi tinggi karena kita melakukan survey.
Namun demikian, dalam melakukan survey mungkin informasi yang diperoleh tidak
sempurna dan tidak dapat dipercaya karena setiap penelitian tunduk pada kesalahan (error).

2
Dalam kasus ini terdapat 22 persen kemungkinan pasar menjadi buruk (unfavorable market)
jika hasil penelitian positif.
Sebaliknya, jika hasil penelitian negatif, maka terdapat 27 persen kemungkinan bagi
favorable market akan terjadi. Probabilitas akan menjadi lebih tinggi pada unfavorable
market jika hasil survey negatif yaitu 0,73.
Selanjutnya, untuk setiap payoff yang terdapat pada setiap cabang yang berhubungan dengan
pelaksanaan penelitian perlu dikurangi dengan $ 10.000, sehingga pohon keputusan,
probabilitas, dan payoff dapat dibuat seperti pada gambar 3.3.

Perhitungan EMV:

1. Hasil survey positif:

a. EMV (Pabrik Besar) = 0,78 (190.000) + 0,22 (-190.000) = $ 106.400.
b. EMV (Pabrik Kecil) = 0,78 (90.000) + 0,22 (-30.000) = $ 63.600.

Jika hasil penelitian menyenangkan (favorable) maka pabrik besar harus dibangun.

2. Hasil survey negatif:

a. EMV (Pabrik Besar) = 0,27 (190.000) + 0,73 (-190.000) = -$ 87.400.
b. EMV (Pabrik Kecil) = 0,27 (90.000) + 0,73 (-30.000) = $ 2.400.

Jika hasil penelitian tidak menyenangkan (unfavorable) maka pabrik kecil harus dibangun.

3. Selanjutnya, hitung expected value dengan melaksanakan survey pasar:

EMV (Noda 1) = EMV (Melakukan survey)
= 0,45 (106.400) + 0,55 (2.400)
= 47.880 + 1.320 = $ 49.200.

4. Jika survey tidak dilakukan:

EMV (Noda 6) = EMV (Pabrik Besar)
= 0,50 (200.000) + 0,50 (-180.000)
= $ 10.000.
EMV (Noda 7) = EMV (Pabrik Kecil)
= 0,50 (100.000) + 0,50 (-20.000)
= $ 40.000.
EMV (Tidak Membangun) = $ 0

Dengan demikian, jika penelitian pasar tidak dilakukan maka pilihan terbaik adalah
membangun pabrik kecil.

5. Oleh karena expected monetary value (EMV dengan survey) dihadapkan dengan
expected monetary value (EMV tanpa survey), maka pilihan terbaik adalah
melaksanakan penelitian, karena EMV dengan survey lebih besar dari EMV tanpa
survey. Apabila hasil survey positif, maka bangun pabrik besar, tetapi apabila hasil
survey negatif, maka bangun pabrik kecil.

3
 Payoff
106.400 Situasi pasar baik (0,78) 190.000
Titik Keputusan Titik Keputusan Pabrik 2 Situasi pasar buruk (0,22) -190.000
Pertama Kedua Besar

Pabrik 63.000 Situasi pasar baik (0,78) 90.000

Kecil
Hasil survey 106.400 3 Situasi pasar buruk (0,22) -30.000
menyenangkan
(0,45) Tdk membangun -10.000
49.200
-87.000 Situasi pasar baik (0,27) 190.000
Lakukan 1
Pabrik 4 Situasi pasar buruk (0,73) -190.000
survey pasar Besar
(0,55) Pabrik Situasi pasar baik (0,27) 90.000
2.400
Hasil survey tidak Kecil
menyenangksan 2.400 5 Situasi pasar buruk (0,73) -30.000
49.200
Tdk membangun -10.000

10.000 Situasi pasar baik (0,50) 200.000

Tidak Pabrik 6 Situasi pasar buruk (0,50) -180.000
Melakukan Besar
Pabrik 40.000 Situasi pasar baik (0,50) 100.000
Survey
Kecil
40.000 7 Situasi pasar buruk (0,50) -20.000

Tdk membangun 0

Gambar 3.3.
Pohon Keputusan Yang Lebih Besar

4
Expected Value of Sample Information (EVSI):

EVSI adalah suatu cara untuk menilai apakah melakukan survey menguntungkan? Dengan
kata lain, berapa besar pengeluaran utuk mendapatkan informasi masih menguntungkan?

EVSI = (Expected value of best decision with sample information dengan asumsi
pengumpulan informasi tidak memerlukan biaya) – (Expected value of best
decision without sample information).

EMV dengan informasi sampel yang diperoleh tanpa biaya berarti sama dengan EMV dengan
survey ditambah ongkos survey yaitu 49.200 + 10.000 = $ 59.200. Sedangkan EMV tanpa
informasi adalah sebesar $ 40.000. Dengan demikian EVSI = $ 59.200 - $ 40.000 = $ 19.200.
Ini berarti bahwa perusahaan dapat membayar sebesar $ 19.200 untuk mendapatkan
informasi dengan melakukan studi karena masih menguntungkan, sedangkan biaya survey
hanya sebesar $ 10.000.

3.3. Bagaimanakah Mengestimasi Probabilitas Dengan Menggunakan Analisis Bayesian

Data probabilitas dalam persoalan perusahaan Thomson Lumber dapat diperoleh dengan:

1. Hasil penilaian manajer berdasarkan pengalaman dan intuisinya

2. Diturunkan dari data historis
3. Dihitung dengan menggunakan teori Bayesian berdasarkan data yang tersedia.

Kita akan menggunakan cara ketiga, yang mana memungkinkan manajer memperbaiki
probabilitas yang telah dimiliki (prior probability) dengan menggunakan teori Bayesian
sehingga diperoleh probabilitas yang telah diperbaiki (revised) yang disebut dengan posterior
probability.

Menghitung Probabilitas yang diperbaiki (Revised Probability):

Dalam kasus Thomson Lumber, kita telah mengasumsikan bahwa empat probabilitas
konditional yang telah diketahui yaitu:

1. P (Favorable market (FM)| hasil survey positif) = 0,78

2. P (Unfavorable market (UM)| hasil survey positif) = 0,22
3. P (Favorable market (FM)| hasil survey negatif) = 0,27
4. P (Unfavorable market (UM)| hasil survey negatif) = 0,73

Sekarang kita dapat menunjukkan bagaimana Thomson dapat menurunkan nilai probabilitas
ini dengan menggunakan teori Bayesian.

Misalkan Thomson diberitahu oleh akhli peneliti pasar bahwa secara statistik setiap pasar
baru yang favorable dengan hasil survey positif, maka diramalkan 70 persen akan benar-
benar terjadi, dan 30 persen hasil prediksinya mengatakan unfavorable (negatif).

5
Sebaliknya, jika hasil survey mengatakan hasilnya negatif, maka ramalan mengenai
unfavorable market 80 persen benar-benar terjadi, dan 20 persen hasil prediksinya salah,
yaitu menunjukkan favorable.

Dengan menggunakan keterangan dari akhli peneliti pasar tanpa melakukan penelitian
lapangan, Thomson dapat membuat atau mengestimasi probabilitas dari favorable dan
unfavorable market tersebut sebagai berikut:

Tabel 3.1.

Reliabilitas Survey Pasar Dalam Memprediksi Situsi Aktual

Hasil Survey Situasi (State of Nature) Aktual
Pasar Menjadi Baik (FM) Pasar Menjadi Buruk (UM)

Positif P(Survey positif)|FM) = 0,70 P(Survey positif)|UM) = 0,20

(Ramalan Pasar Produk
Menjadi Baik)

Negatif P(Survey negatif)|FM) = 0,30 P(Survey negatif)|UM)= 0,80

(Ramalan Pasar Produk
Menjadi Buruk)

Prior probability:
P(FM) = 0,50 dan P(UM) = 0,50

Untuk mendapatkan rivised atau posterior probability gunakan formula senagai berikut:
P(A|B) =

A dan B adalah event dan Ẫ adalah komplemen A.

Dengan menggunakan persoalan Thomson di atas, maka aplikasi dari formula tersebut
diperoleh rumusan sebagai berikut:
P(FM|Survey Positif) =

= =

P(UM|Survey Positif) =

= =

Cara lain yang dapat digunakan untuk menghitung revised atau posterior probability adalah
dengan menggunakan tabel seperti berikut:

Tabel 3.2.

6
 Revisi Probabilitas Jika Hasil Survey Positif
Situasi Probabilitas Prior Joint Posterior
(State of Kondisional Probability Probability Probability
nature) P(Survey positif| P(Situasi|
Situasi) Survey Positif)
FM 0,70 x 0,50 = 0,35 0,35/0,45 = 0,78
UM 0,20 x 0,50 = 0,10 0,10/0,45 = 0,22
P(Survey hasil positif) = 0,45 = 1,00

P(FM|Survey Negatif) =

= =

P(UM|Survey Negatif) =

= =

Tabel 3.3.

Revisi Probabilitas Jika Hasil Survey Negatif

Situasi Probabilitas Prior Joint Posterior
(State of Kondisional Probability Probability Probability
nature) P(Survey Negatif| P(Situasi|
Situasi) Survey Negatif)
FM 0,30 x 0,50 = 0,15 0,15/0,55 = 0,27
UM 0,80 x 0,50 = 0,40 0,40/0,55 = 0,73
P(Survey hasil Negatif) = 0,55 = 1,00

Persoalan Potensial Dalam Menggunakan Hasil Survey:

Memakai probabilitas hasil survey mengandung kelemahan karena probabilitas kondisional

yang dihitung adalah berdasarkan kegiatan aktual yang benar-benar terjadi, tidak
memperhitungkan situasi dimana keputusan mengenai membangun atau tidak membangun,
karena kita tidak memperoleh data untuk itu.

3.4. Teori Utilitas

7
Kita telah menggunakan EMV dalam membuat keputusan. Dalam praktek menggunakan
EMV dapat membuat kita mengambil keputusan yang buruk dalam banyak hal. Sebagai
contoh: Andaikan saudara orang yang beruntung sebagai pemegang tiket loteri. Lima menit
dari sekarang, sebuah koin akan dilemparkan, dan jika muncul ekor (tail) saudara akan
memenangkan $ 5 juta. Akan tetapi jika kepala (head) yang muncul saudara tidak
mendapatkan apa-apa. Tadi, baru saja saudara ditawari seseorang yang kaya raya uang
sebesar $ 2 juta untuk membeli tiket loteri yang saudara miliki. Dalam situasi ini apa yang
akan saudara lakukan? Menerima tawaran orang kaya tersebut dengan mendapatkan uang
sebesar $ 2 juta secara pasti atau tetap memegang tiket loteri dengan kemungkinan 50 – 50
untuk mendapatkan $ 5 juta.

Sudah barang tentu setiap orang mempunyai sikap yang berbeda-beda, tergantung dengan
preferensinya. Ada orang yang suka menanggung risiko tetapi ada juga orang yang suka
menghindari risiko. Untuk memasukkan sikap seseorang terhadap risiko, kita akan
menggunakan teori utilitas. Sebelum kita memasukkan unsur utilitas kita bangun dulu pohon
keputusan mengenai tiket loteri tersebut.

$ 2 juta
$0
Menerima
tawaran
Kepala (0,5)

Menolak
tawaran Ekor (0,5)

EMV = $ 2,5 juta $ 5 juta

Gambar 3.5.
Pohon Keputusan Untuk Tiket Loteri

Mengukur Utulitas dan Membangun Kurva Utilitas:

Untuk mengukur utilitas, kita dapat memberikan nilai 0 pada hasil (outcome) terburuk dan
nilai 1 pada hasil terbaik. Hasil lainnya akan terletak antara 0 – 1. Untuk menentukan semua
hasil selain dari pada hasil terbaik dan terburuk, dapat dilakukan seperti contoh yang
ditunjukkan pada gambar 3.6 di bawah ini.

8
 (P) Hasil terbaik
Utilitas = 1

(1 – P) Hasil terburuk
Utilitas = 0
Alternatif 1

Alternatif 2
Hasil lainnya
Utilitas = ?

Gambar 3.6.
Permainan Standar Untuk Penilaian Utilitas

Dari gambar 3.6 di atas dapat dilihat bahwa probabilitas mendapatkan best outcome adalah P
sedangkan probabilitas untuk mendapatkan worst outcome adalah (1 – P). Untuk menentukan
atau menilai utilitas bagi setiap outcome memerlukan penentuan probabilitas outcome yang
membuat seseorang merasa sama (indifference) terhadap kedua alternatif tersebut, yaitu
alternatif 1 dengan best outcome dan worst outcome, dan alternatif 2 dengan outcome yang
pasti. Jika seseorang merasa indifferencse antara alternatif 1 dan alternatif 2, maka expected
value dari masing-masing alternatif tersebut pasti sama yaitu:

Expected Utility Alternatif 2 = Expected Utility Alternatif 1.

Utilitas Hasil Lainnya = (P)(Utilitas hasil terbaik = 1) + (1 – P)(Utilitas hasil terburuk = 0)

= (P)(1) + (1-P)(0)
=P

Sekarang apa yang harus kita lakukan adalah mendapatkan nilai P, di mana kita merasa
indifference terhadap kedua alternatif tersebut, yaitu alternatif 1 dan alternatif 2.

Misalkan, Jean Dickson ingin membuat kurva utilitas yang mengungkapkan prefferecenya
terhadap uang antara $ 0 dan $ 10.000. Dia dapat melakukan dua hal yaitu menyimpan
uangnya di bank atau menginvestasikannya di real estat. Jika dia menyimpan uangnya di
bank, maka dalam tiga tahun yang akan datang dia akan mendapatkan uang sebesar $ 5.000.
Akan tetapi jika dia menginvestasikan uangnya tersebut pada real estat, dalam tiga tahun
mendatang dia berkemungkinan akan mendapatkan $ 0 atau $ 10.000. Jean ternyata adalah
orang yang konservatif, dia lebih suka menyimpan uangnya di bank dari pada
menginvestasikannya pada real estat, kecuali chance untuk mendapatkan uang $ 10.000 dari
menginvestasikan pada real estat adalah sebesar 80 persen. Apa yang telah dilakukan Jean
adalah menilai utilitas untuk untuk mendapatkan uang $ 5.000. Apabila chance untuk
mendapatkan uang $ 10.000 adalah sebesar 80 persen, dan bagi Jean merasa indifference

9
dengan mendapatkan uang sebesar $ 5.000 dengan pasti. Dengan demikian, utilitas uang
sebesar $ 5.000 sama dengan probabilitas tersebut yaitu 0,80 sama dengan nilai P. Keadaan
ini dapat dilihat pada gambar 3.7 di bawah ini.

Nilai utilitas lain untuk Jean dapat ditentukan dengan cara yang sama. Misalkan, berapa nilai
utilitas untuk uang sejumlah $ 7.000 bagi Jean? Dengan kata lain, berapa nilai P yang dapat
membuat Jean merasa indifference antara $ 7.000 diperoleh dengan pasti dan $ 0 atau $
10.000 dengan gamble. Bagi Jean harus ada chance sebesar 90 persen untuk mendapatkan $
10.000, jika tidak dia akan memilih $ 7.000 dengan hasil yang pasti. Ini berarti bahwa nilai
utilitas uang $ 7.000 bagi Jean adalah sebesar 0,90.

Begitu juga dengan utilitas uang sebesar $ 3.000 bagi Jean dapat ditentukan dengan melihat
besarnya probabilitas kemungkinan mendapatkan uang $ 10.000. Jika chance untuk
mendapatkan uang sebesar $ 10.000 atau tidak sama sekali adalah 50 persen, sedangkan Jean
merasa indifference terhadap hasil yang pasti yaitu $ 3.000 dengan hasil gamble yaitu $
10.000 atau tidak mendapatkan uang sama sekali, maka utiltitas uang sebesar $ 3.000 adalah
sebesar 0,50.

(P) = 0,8 $ 10.000

U($10.000) = 1

(1 – P) = 0,2 $0
U($0) = 0
Investasikan ke
Real estat

Simpan di Bank
$ 5.000
U($5.000) = 0,8

Gambar 3.7.
Utilitas Uang Sebesar $ 5.000

10
 Utilitas U($10.000) = 1
1,0
U($7.000) = 0,9
0,9

0,8 U($5.000) = 0,8

0,7

0,6
U($3.000) = 0,5
0,5

0,4

0,3

0,2
U($0) = 0
0,1
$
0 3.000 5.000 7.000 10.000

Gambar 3.8.
Kurva Utilitas Untuk Jean Dickson

Kurva Utilitas Jean Dickson menunjukkan bahwa Jean bertipe risk avoider. Risk avoider
adalah pengambil keputusan yang mendapatkan kepuasan yang makin berkurang dengan
makin besarnya risiko dan cenderung menghindari situasi yang mana kerugian besar akan
terjadi. Gambar 3.9 berikut ini menunjukkan macam-macam tipe pengambil keputusan: risk
avoider, risk seeker, dan risk ondifference.

Utilitas
Risk avoider
Risk indifference
Risk seeker

Monetary outcome

Gambar 3.9.
Preferensi Terhadap Risiko

11
Utilitas Sebagai Kriteria Pengambilan Keputusan:

Setelah kurva utilitas ditentukan, maka nilai utilitas dari kurva tersebut dapat digunakan
untuk mengambil keputusan. Monetary outcome diganti dengan nilai utilitas yang cocok
(sesuai), dan kemudian analisis dilakukan seperti biasa.

Contoh, misalnya Mark Simkin orang yang senang bertaruh (gamble). Dia ingin bertaruh
dengan menggunakan jenis permainan yaitu melemparkan paku payung ke udara. Jika paku
payung menghadap ke atas setelah mendarat, maka Mark Simkin akan menang
(mendapatkan) $ 10.000. Akan tetapi jika paku payung menghadap ke bawah, maka Mark
Simkin akan kehilangan $ 10.000. Haruskah Mark Simkin memainkan game tersebut
(alternatif 1) atau tidak memainkan game tersebut (alternatif 2)?

Paku payung menghadap

ke atas (0,45)
$ 10.000

Paku payung menghadap

ke bawah (0,55)
-$ 10.000
Alternatif 1
Main game
Alternatif 2
Tdk main game
$0

Gambar 3.10.
Keputusan Yang Dihadapi Mark Simkin

Mark Simkin percaya bahwa probabilitas untuk memenangkan uang $ 10.000 adalah sebesar
45 persen, sedangkan probabilitas mengalami kekalahan (-$ 10.000) adalah sebesar 55
persen. Kemudian dia membangun kurva preferensinya sesuai dengan monetary outcome
adalah seperti berikut:
Utilitas

0,30

0,15

0,05
0,00
-20.000 -10.000 0 10.000 20.000

Gambar 3.11.
Kurva Utilitas Bagi Mark Simkin

12
Dari grafik di atas kita dapat melihat bahwa utilitas Mark untuk menerima kerugian sebesar
(-$ 10.000) adalah 0,05. Sedangkan utilitasnya untuk tidak main ($ 0) adalah 0,15, dan
utilitas untuk mendapatkan uang sebesar $ 10.000 adalah 0,30.

Langkah 1:

Identifikasi utilitas sesuai dengan payoff yang akan diterima yaitu

U(-$10.000) = 0,05
U($ 0) = 0
U($ 10.000) = 0,30

Langkah 2:

Ganti monetary value dengan nilai utilitas seperti yang ditunjukkan pada gambar 3.12.
Kemudian hitung expected utility untuk masing-masing alternatif sebagai berikut:

E(Alternatif 1: main game) = 0,45 (0,30) + 0,55 (0,05)

= 0,135 + 0,027 = 0,1625

E(Alternatif 2: tidak main game) = 0,15

Dengan demikian, dari perhitungan di atas alternatif 1 adalah strategi terbaik bila kita
menggunakan kriteria utilitas. Sedangkan apabila kita menggunakan kriteria monetary value,
maka alternatif 2 adalah strategi terbaik.

Paku payung menghadap Utilitas

ke atas (0,45)
0,30

Paku payung menghadap

ke bawah (0,55)
0,05
Alternatif 1
Main game
Alternatif 2
Tdk main game
0,15

Gambar 3.12.
Pengambilan Keputusan Dengan Menggunakan Expected Utility

13
3.5. Analisis Sensitivitas

Pada bagian yang lalu kita telah membahas kasus perusahaan Thomson Lumber, di mana
apabila hasil penelitian menunjukkan favorable maka Thomson membangun pabrik besar,
dan apbila hasil penelitian menunjukkan hasil negatif maka Thomson membangun pabrik
kecil. Probabilitas hasil survey positif adalah 0,45, sedangkan probabilitas hasil survey
negatif adalah 0,55. Pertanyaannya adalah seberapa sensitif keputusan kita terhadap
probabilitas hasil survey positif?

Untuk memahami analisis sensitivitas ini kita misalkan P adalah probabilitas hasil survey
positif, dan (1 – P) adalah probabilitas hasil survey negatif. Dengan informasi ini kita dapat
membuat expected monetary value (EMV) untuk melaksanakan survey yaitu pada noda 1,
sebagai berikut:

EMV(Noda 1) = P ($ 106.400) + (1 – P) ($ 2.400)

= $ 104.000 P + $ 2.400

Selanjutnya, kita bisa mengatakan sama atau indifference jika EMV melaksanakan survey
pasar (Noda 1) sama dengan EMV tidak melaksanakan survey pasar yaitu sebesar $ 40.000.

Titik indifference tersebut dapat diperoleh dengan menyamakan kedua nilai EMV tersebut
sebagai berikut:

$ 104.000 P + $ 2.400 = $ 40.000

$ 104.000 P = $ 37.600
P=

Berdasarkan hasil perhitungan tersebut kita dapat mengatakan bahwa sepanjang probabilitas
hasil survey pasar positif (P) lebih besar dari 0,36, keputusan kita adalah sama yaitu tetap
melakukan survey pasar. Akan tetapi apabila probabilitas hasil survey pasar (P) lebih kecil
dari 0,36 maka keputusannya adalah tidak melakukan survey pasar.

14
Problem:

Jim Seller merenakan ingin memproduksi pisau cukur elektronik untuk kaum laki-laki. Jika
pasar favorable dia akan mendapatkan keuntungan sebesar $ 100.000, akan tetapi jika pasar
untuk jenis pisau cukur baru ini unfavorable maka dia akan menderita kerugian sebesar $
60.000. Jim mempertimbangkan menggunakan Ron Bush melakukan penelitian untuk
mengumpulkan informasi, karena Ron Bush kawan dekatnya. Ron Bush menyarankan
kepada Jim bahwa untuk mendapatkan informasi tersebut dapat menggunakan survey atau
pilot study untuk menguji pasar. Bila survey yang akan dilakukan biaya yang diperlukan
adalah sebesar $ 5.000, sedangkan pilot study biaya yang diperlukan adalah sebesar $ 20.000
untuk membuat sampel pisau cukur yang kemudian dijual pada dua kota yang berbeda. Hasil
(informasi) yang diperoleh dari pilot study adalah lebih akurat dari informasi yang diperoleh
dari survey, akan tetapi biayanya lebih mahal. Ron menyarankan bahwa adalah suatu ide
yang baik untuk melakukan survey atau pilot study sebelum mengambil keputusan untuk
memproduksi pisau cukur baru atau tidak. Akan tetapi Jim belum yakin apakah pengeluaran
untuk membiayai survey atau pilot study bernilai.

Jim mengestimasi bahwa probabilitas pasar berhasil tanpa melakukan survey atau pilot study
adalah sebesar 0,50. Selanjutnya, probabilitas bahwa hasil survey favorable jika ditentukan
pasar favorable adalah sebesar 0,70. Sedangkan probabilitas hasil survey favorable jika
ditentukan pasar untuk pisau cukur tidak berhasil adalah 0,2. Kemidian, probabilitas pilot
studyunfavorable jika ditentukan pasar unfavorable adalah 0,9. Sedangkan probabilitas pilot
study tidak berhasil jika ditentukan pasar untuk pisau cukur favorabel adalah 0,2.

Berdasarkan informasi di atas saudara diminta untuk:

1. Menggambarkan pohon keputusan tanpa nilai probabilitas?

2. Hitung revised probabilities yang diperlukan untuk melengkapi keputusan, dan
letakkan probabilitas tersebut pada pohon keputusan?
3. Apa keputusan terbaik bagi Jim? (Gunakan Expected Monetary Value (EMV) sebagai
kriteria keputusan)

15