Anda di halaman 1dari 47

BASIC DECISION ANALYSIS

Wandhansari Sekar Jatiningrum


DECISION TREE (POHON KEPUTUSAN)

• Suatu pohon keputusan (Decision Tree) adalah suatu


pohon terarah yang menggambarkan suatu proses
keputusan.

• Simpul-simpul menunjukkan titik-titik pada saat dimana


(i) salah satu keputusan harus diambil oleh pengambil
keputusan, atau
(ii) pengambil keputusan dihadapkan dengan salah satu
keadaan alamiah (outcome), atau
(iii) prosesnya berakhir.
DECISION TREE (POHON KEPUTUSAN)

• Arah keluar suatu simpul (i) adalah suatu cabang untuk


tiap-tiap keputusan yang mungkin; dan juga (ii) adalah
suatu cabang untuk tiap-tiap keadaan alamiah (outcome)
yang mungkin.

• Di bawah tiap-tiap cabang dituliskan kemungkinan


kejadian yang bersangkutan, apabila didefinisikan.

• Pohon keputusan bermanfaat dalam menentukan


keputusan-keputusan yang optimal untuk berbagai proses
yang rumit.
DECISION TREE (POHON KEPUTUSAN)
• Tekniknya adalah memulai dengan simpul-simpul
terminal dan bergerak ke belakang melalui jaringan yang
berurutan, dan menghitung keuntungan-keuntungan yang
diharapkan pada simpul antara.

• Tiap-tiap keuntungan dituliskan di atas simpul yang


bersangkutan.

• Keputusan yang dianjurkan adalah yang akan membawa


kita untuk mendapatkan suatu keuntungan maksimum
yang diharapkan.
DECISION TREE (POHON KEPUTUSAN)

Decision trees are used by decision makers to obtain


a visual portrayal of decision alternatives and their
possible consequences
Nodes
• Decision node:
– Berbentuk persegi
– Melambangkan titik dalam tree yang menyatakan titik
pengambilan keputusan, decision maker mempunyai
kebebasan penuh untuk mengambil keputusan
• Chance node:
– Berbentuk bulat
– Melambangkan uncertain variable, decision maker tidak
mempunyai kontrol terhadap outcome variable ini
Nodes
Tujuan Decision Tree

• Memahami kasus dan seluruh aspek yang terkait


• Menggambarkan kerangka berpikir yang sistematis
• Menggambarkan struktur pengambilan keputusan yang
dilakukan decision maker sepanjang tahapan/urutan waktu
termasuk seluruh kemungkinan keputusan dan outcomes
Asumsi Decision Tree

• Decision maker hanya mengambil satu keputusan


• Setiap keputusan hanya mempunyai outcomes tertentu
• Semua proses menunjukkan tahapan waktu (time
sequence)
The Advantage Of Decision Tree

 Terstruktur secara sekuensial


 Menganalisis semua kemungkinan
 mudah dikomunikasikan
 mengakomodir analisis sensitivitas
Contoh Decision Tree
Contoh Decision Tree (2)
Example 1 : The party problem
• Kim ingin mengadakan pesta
ulang tahun. Dia
mempertimbangkan 3 lokasi
tempat: outdoor, indoor,
beranda (porch)

Decision
node

Chance
node
Solving party problem

Dengan menggunakan 5 rules:


• Ordering rule
• Equivalence rule
• Substitution rule
• Decomposition rule
• Choice rule
Ordering rule
• Possible outcome:
– Outdoor – sunny
– Outdoor – rainy
– Porch – sunny
– Porch – rainy
– Indoor – sunny
– Indoor – rainy
• Objective: memaksimumkan
kepuasan
• Best outcome: outdoor -- sunny
• Worst outcome: outdoor – rainy
• OS>PS>IR>IS>PR>OR
Equivalence rule
• Semua intermediate
outcome ditentukan
equivalensinya
terhadap best
outcome dan worst
outcome.
Membuat decision tree
Misalkan:
• Probability cuaca
besok cerah = 0.4
• Probability cuaca
besok hujan = 0.6
Substitution rule – decomposition rule
Substitution rule – decomposition rule
 Outdoor – O-S : (0,4)(1)+(0,6)(0) = 0,4
 Outdoor – O-R : (0,4)(0)+(0,6)(1) = 0,6
 Porch – O-S : (0,4)(0,95)+(0,6)(0,32) = 0,57
 Porch – O-R : (0,4)(0,05)+(0,6)(0,68) = 0,43
 Indoor – O-S : (0,4)(0,57)+(0,6)(0,67) = 0,63
 Indoor –O-R : (0,4)(0,43)+(0,6)(0,33) = 0,37
Choice rule

Jadi dipilih lokasi pesta indoor dengan probability untuk


mendapatkan best outcome terbesar
Expected utility untuk setiap alternatif
Equivalent Monetary or Dollars Values

• Cara lain selain


menggunakan utility value
adalah menggunakan
equivalent monetary value
untuk setiap outcome.
Dollar value vs utility value

Utility function
u(x)
EXAMPLE 2 :
• Suatu perusahaan ingin meluncurkan salah satu produk
barunya, yaitu di antara produk A, B, dan C. Peluang sukses
dan gagal masing-masing produk di dalam pasar adalah
sebesar 55% dan 45%. Produk yg paling memberikan
keuntungan bagi perusahaan jika sukses adalah produk A,
sedangkan produk yang paling merugikan perusahaan jika
gagal dalam pasar juga merupakan produk A.
Ordering rule
• Possible outcome: sukses
– Produk A-sukses
– Produk A-gagal Produk A
gagal
– Produk B-sukses
– Produk B-gagal
sukses
– Produk C-sukses
– Produk C-gagal Produk B
gagal
• Objective: memaksimumkan
keuntungan
• Best outcome: A -- sukses sukses

• Worst outcome: A – gagal Produk C


• A-sukses>B-sukses>C-sukses>C- gagal

gagal>B-gagal >A-gagal Produk Respon pasar


1 A-sukses

Equivalence rule A-sukses ~


0 A-gagal
0
• Semua intermediate A-sukses
A-gagal ~
outcome ditentukan 1 A-gagal
equivalensinya 0,9 A-sukses
terhadap best B-sukses ~
0,1
outcome dan worst A-gagal
0,25
outcome. A-sukses
B-gagal ~
0,75 A-gagal
0,8 A-sukses
C-sukses ~
0,2 A-gagal
0,5 A-sukses
C-gagal ~
0,5 A-gagal
Substitution rule – decomposition rule
1 A-sukses
A-sukses
0,55 Sukses 0 0,55
A-gagal
0 Produk A
Produk A A-sukses
0,45 0,45
A-gagal
Gagal 1 A-gagal
0,9 A-sukses
A-sukses
0,55 Sukses 0,1 0,61
A-gagal

Produk B 0,25 A-sukses Produk B


0,45 0,39
A-gagal
Gagal 0,75 A-gagal
0,8 A-sukses
A-sukses
0,55 Sukses 0,2 A-gagal 0,66

Produk C 0,5 A-sukses Produk C


0,45 0,34
A-gagal
Gagal 0,5 A-gagal
Substitution rule – decomposition rule
 Produk A – A-sukses : (0,55)(1)+(0,45)(0) = 0,55
 Produk A - A-gagal : (0,55)(0)+(0,45)(1) = 0,45
 Produk B – A-sukses : (0,55)(0,9)+(0,45)(0,25) = 0,61
 Produk B - A-gagal : (0,55)(0,1)+(0,45)(0,75) = 0,39
 Produk C – A-sukses : (0,55)(0,8)+(0,45)(0,5) = 0,66
 Produk C - A-gagal : (0,55)(0,2)+(0,45)(0,5) = 0,34
Choice rule
A-sukses
0,55

Produk A
0,45
A-gagal

A-sukses
0,61

Produk B
0,39
A-gagal

A-sukses
0,66

Produk C
0,34
A-gagal

Jadi dipilih produk yang diluncurkan ke pasar adalah produk C


yang memiliki probabilitas best outcome terbesar
Expected utility untuk setiap alternatif
Produk Respon pasar Outcome Utility
sukses A-sukses 1
0,55
0,55
Produk A 0,45
gagal A-gagal 0

sukses B-sukses 0,9


0,61 0,55

Produk B 0,45
gagal B-gagal 0,25

sukses
C-sukses 0,8
0,66 0,55
Produk C
0,45 gagal
C-gagal 0,5
KONSEP
CERTAINTY EQUIVALENT
CERTAINTY EQUIVALENCE

Suatu nilai di mana decision maker tidak


merasa berbeda, antara :
1. menerima hasil yang dicerminkan dalam
ketidakpastian
2. menerima hasil dari kejadian yg pasti
Nilai Certainty
Equivalence (CE)

Suatu nilai yg kita tetapkan dan bukan nilai


yang diperkirakan dari kejadian yang tdk
pasti
CERTAINTY EQUIVALENCE
 suatu nilai pengembalian yang dijamin atau pasti akan diterima seseorang
daripada mengambil kesempatan untuk menerima suatu nilai yang lebih tinggi
tetapi sifatnya tidak pasti
Contoh :
Si A mendapat tawaran untuk memilih alternatif yaitu melempar mata uang logam
atau tidak melempar. Jika melempar, jika keluar “burung garuda” dengan
probabilitas 0.5, dia akan memperoleh hadiah 200 juta. Apabila yang keluar
“angka” dia harus membayar 100 juta rupiah. Jika si A memilih tidak melempar ia
pasti mendapatkan 45 juta rupiah.
• Ekspektasi pay off jika melempar = 0.5 * 200 + 0.5 * -100 = 50 juta.
• Menurut kriteria ekspektasi payoff  pilih melempar mata uang.
• Tetapi tidak semua orang berani mengambil resiko, ada sebagian orang yang
lebih memilih tidak melempar dan langsung memperoleh 45 juta.
garuda
200 juta
Alt. A Lempar koin 0.5
angka
-100 juta
0.5

Alt.B Tdk lempar koin 45 juta

• Tampak disini nilai ekspektasi A lebih besar dari pada nilai ekspektasi
B, sehingga alternatif A-lah yang akan dipilih bila kriteria pemilihannya
adalah nilai ekspektasi.
• Persoalannya adalah bahwa sebagian besar orang tampaknya akan
memilih alternatif B dari pada A.
• Untuk menentukan pilihan dengan memasukan faktor risiko adalah
dengan mengunakan nilai ekivalen tetap / Certainty Equivalent
EXAMPLE OF CE
• Cari nilai Certainty Equivalence (CE) dari alternatif 1 (melempar mata
uang) dengan cara sbb:
- Tentukan berapa nilai alternatif X sehingga si A tidak membedakan antara
nilai alternatif X dengan nilai alternatif melempar mata uang ?
Contoh :
 Jika X=20 juta, si A pilih mana ?  pilih melempar.
 Jika X= 30 juta, si A pilih mana ?  pilih melempar.
 Jika X=35 juta, si A pilih mana ?  pilih X
 Jika X = 40 juta, si A pilih mana ?  pilih X
Jadi pada 35 juta, si A tidak membedakan pilihannya antara alternatif X dan
melempar mata uang. Certainty Equivalence (CE) = 35 juta.
Kesimpulan: Jika X >= 35jt si A akan memilih alternatif tidak melempar
karena lebih besar dari CE.
EXAMPLE OF CE
Rp.10 juta
0.5
B=? ~
0
0.5

Alternatif B Alternatif A
RISK ATTITUDES

Premi resiko = nilai ekspektasi payoff – Nilai CE


RISK NEUTRAL (SIKAP NETRAL)
 Bila seseorang menyatakan bahwa ekuivalen tetap sebuah
kejadian tak pasti sama dengan nilai ekspektasinya, maka
dia mempunyai sikap yang netral dalam menghadapi risiko
 Sehingga premi risikonya adalah nol, dan kurva utilitinya
digambarkan sebagai garis lurus.
RISK AVERSE (PENGHINDAR RISIKO)
 Bila seseorang bersifat sebagai penghindar risiko maka premi
risikonya selalu positif.
 Makin besar premi risiko tersebut, maka sifat penghindar risiko
orang tersebut akan makin besar pula.
 Kurva utility yang dibentuk oleh kurvanya adalah terletak di
sebelah kiri atas dari garis netral, dengan kata lain kurva
utilitynya terbentuk concave.
RISK TAKER (PENGGEMAR RISIKO)
 Pada sifat sebagai penggemar risiko, nilai certainty equivalence
atas suatu kejadian tak pastinya akan lebih besar dari pada nilai
ekspektasi dari kejadian tersabut.
 Maka premi risikonya adalah negatif, artinya dia mengharapkan
suatu tambahan dari nilai ekspektasi, agar bersedia melepaskan
lotery tersebut.
 Bagi risk taker kurva utility-nya akan berbentuk convex.
EXAMPLE 3
0.5
Rp. 100 juta

0.5 Rp. 0
Ekspektasi payoff = (0.5)(100) + (0.5)(0) = 50 juta
Nilai CE < ekspektasi
payoff
 Apabila seseorang menetapkan :
Nilai Certainty Equivalent (CE)= 30 juta  ia seorang
penghindar resiko (risk averse)
Premi resiko = nilai ekspektasi payoff – Nilai CE
= 50 juta–30 juta =20 juta.
Premi resiko adalah sejumlah uang yang rela dilepaskan oleh
pengambil keputusan untuk menghindarkan resiko.
EXAMPLE 3 Nilai CE >ekspektasi
payoff
 Apabila ia menetapkan :
Nilai Certainty Equivalent (CE) = 70 juta  ia seorang
pengambil resiko (risk taker)
Premi resiko = nilai ekspektasi payoff – Nilai CE
= 50 juta–70 juta = - 20 juta.
Nilai CE = ekspektasi
payoff
 Apabila ia menetapkan :
Nilai Certainty Equivalent (CE) = 50 juta  ia seorang yang
netral (risk neutral)
Premi resiko = nilai ekspektasi payoff – Nilai CE
= 50 juta – 50 juta = 0.
Pendekatan EXPECTED utilitY

Pada konsep CE, selain menggunakan nilai


Expected Monetary Value (EMV), juga
dapat digunakan nilai Expected Utility (EU).
EXAMPLE 4
Seseorang menghadapi situasi keputusan sbb :
Rupiah Utility
0.5
100.000 1

Alternatif A 0.4
40.000 0,7
0.1
0 0

0.8
80.000 0,95

Alternatif B

0.2 0,42
20.000

Alternatif mana yang sebaiknya diambil oleh decision maker?


EXAMPLE 4
• Dari kurva utilitas diketahui nilai utility dari masing-masing payoff
• Expected Utility (EU):
Alternatif A1 = (0.5)(1) + (0.4)(0.7) + (0.1)(0) = 0.78
Alternatif A2 = (0.7)(0.95) + (0.3)(0.42) = 0.79.
EU A2 > EU A1  pilih alternatif A2
• Dengan mencari nilai Certainty Equivalence diketahui rupiahnya
dengan menarik garis vertikal pada kurva utilitas.
EU = 0.78  nilai CE = 48 ribu.
EU = 0.79  nilai CE = 49 ribu
EXAMPLE 4

Berdasarkan kurva utility di atas, apakah jenis risk attitude dari decision
maker tersebut ?
Thank You

Anda mungkin juga menyukai