Pendahuluan

 Ketidakpastian merupakan suatu kondisi dimana kita

hanya tidak mengetahui hasil yang kita harapkan di
masa mendatang karena kita tidak mengetahui
besarnya probabilitas dari suatu peristiwa yang kita
harapkan.
 Adanya ketidakpastian, akan menyebabkan kita untuk
menghadapi risiko di masa depan.
 Risiko merupakan seberapa besar kemungkinan
timbulnya suatu peristiwa yang sifatnya acak, setelah
kita mengetahui probabilitasnya.
 Konsep Resiko
 Resiko adalah kesempatan timbulnya kerugian
 Resiko adalah ketidakpastian
 Resiko adalah penyimpangan hasil aktual dari hasil
yang diharapkan
 Resiko adalah hasil yang berbeda dari hasil yang
diharapkan
 Risiko merupakan seberapa besar kemungkinan
timbulnya suatu peristiwa yang sifatnya acak, setelah
kita mengetahui probabilitasnya
 JENIS RESIKO
1. Resiko Dinamis (manajemen, politik, inovasi)

2. Resiko Statis (fundamental, khusus, murni,

spekulatif, perorangan, kebendaan)
 Model Pengambilan Keputusan dalam kondisi
Berisiko (Risk) menggambarkan bahwa setiap
rangkaian keputusan (kegiatan) mempunyai
sejumlah kemungkinan hasil dan masing-masing
kemungkinan punya hasil probabilitas yang
dapat diperhitungkan atau dapat diketahui.
Model Keputusan dengan Risiko ini disebut juga
Model Stokastik.

 Pengambilan keputusan dalam kondisi resiko

merupakan sesuatu hal yang harus diterima dan
di tanggung seseorang sebagai konsekuensi
atau akibat dari suatu tindakan
 Keputusan Dalam Kondisi Resiko

 Diawali dengan mengidentifikasikan

bermacam-macam tindakan yang tersedia dan
layak

 Peristiwa-peristiwa yang mungkin dan

probabilitas terjadinya harus dapat diduga

 Pay off untuk suatu tindakan dan peristiwa

tertentu ditentukan
 Keputusan Dalam Kondisi Resiko

 Kurang pastinya kejadian-kejadian dimasa mendatang,

maka kejadian ini digunakan sebagai parameter untuk
menentukan keputusan yang akan diambil

 Situasi yang dihadapi pengambil keputusan adalah

mempunyai lebih dari satu alternatif tindakan

 Pengambil keputusan mengetahui probabilitas yang

akan terjadi terhadap berbagai tindakan dan hasilnya
dengan memaksimalkan expected return (ER) atau
expected monetary value (EMV
Konsepsi Resiko
 Resiko adalah kesempatan timbulnya kerugian;
 Resiko adalah ketidakpastian;
 Resiko adalah penyimpangan hasil aktual dari
hasil yang diharapkan;
 Resiko adalah hasil yang berbeda dari hasil
yang diharapkan;

Jenis Resiko
 Resiko Dinamis (manajemen, politik, inovasi)
 Resiko Statis (fundamental, khusus, murni,
spekulatif, perorangan, kebendaan)
 Sikap Terhadap Risiko
1. Risk averter
Risk averter merupakan sikap yang cenderung untuk
menghindari risiko.
2. Risk neutral
Risk neutral merupakan sikap yang cenderung untuk
tidak menolak ataupun menolak terhadap suatu risiko.
3. Risk seeker
Risk seeker merupakan sikap yang cenderung untuk
menyukai risiko.
 Sumber-sumber Resiko
 Masyarakat (resiko sosial)
 Fisik (resiko fisik)
 Ekonomi (resiko ekonomi)

 Karakteristik Resiko;
 Langsung;
 Tidak Langsung;
 Tanggung gugat;
 Perbuatan oknum.

 Penanganan Resiko
• Pencegahan;
• Pengendalian;
• Pemindahan (asuransi)
Teknik Pengambilan Keputusan Resiko
a. Expected Value (Nilai Ekspektasi)
 Kriteria ini sering digunakan untuk suatu tindakan berupa
rata-rata tertimbang pay off, yaitu jumlah dari pay off untuk
setiap tindakan peristiwa dikalikan probabilitas peristiwa
yang bersangkutan.

 Alternatif yang logis adalah yang memiliki NE terbesar.

Justru yang sering terjadi adalah keuntungannya bukan
sebesar NEnya. Kriteria ini digunakan untuk jangka panjang
dengan situasi yang sering berulang dan dapat
memaksimumkan pay off.

 Jika situasinya tidak berulang, penggunaan NE tidak tepat.

b. Expected Opportunity Loss ( EOL )

 Untuk meminimumkan kerugian yang disebabkan karena

pemilihan alternatif keputusan tertentu.

 Keputusan yang direkomendasikan dengan kriteria

expected value dan expected opportunity loss adalah
sama, dan ini bukan suatu kebetulan karena kedua
metode ini selalu memberikan hasil yang sama, sehingga
cukup salah satu yang dipakai, tergantung tujuannya.

 Kriteria ini sangat tergantung pada perkiraan probabilita

yang akurat.
c. Expected Value of Perfect Information (EVPI)

 Merupakan perluasan dari criteria EV dan EOL, atau

dengan kata lain informasi yang didapat oleh
pengambil keputusan dapat mengubah suasana risk
menjadi certainty (memberi tambahan informasi
untuk membantu pembuat keputusan).

 EVPI sama dengan EOL minimum (terbaik), karena

EOL mengukur selisih EV terbaik keputusan dalam
suasana risk dan certainty.
Expected Value of Sample Information
(EVSI)

 Merupakan harapan yang diinginkan dengan

tambahan informasi untuk dapat mengubah
/memperbaiki keputusan, dengan menggunakan
teori Bayes.
Kriteria Utility dalam suasana risk EV max / EOL min
tidak selalu digunakan sebagai pedoman dalam
mengambil keputusan, hal ini terjadi karena:
1. Orang lebih memilih terhindar dari musibah
potensial daripada mewujudkan keuntungan
dalam jangka panjang
2. Orang lebih memilih
mendapatkan/memperoleh rejeki nomplok
daripada mempertahankan sedikit yang dimiliki
 KEPUTUSAN DALAM SUASANA RESIKO
( DENGAN PROBABILITA )

Tahap-tahap:
1. Diawali dengan mengidentifikasikan
bermacam-macam tindakan yang tersedia
dan layak
2. Peristiwa-peristiwa yang mungkin dan
probabilitas terjadinya harus dapat diduga
3. Pay off untuk suatu tindakan dan peristiwa
tertentu ditentukan
TEKNIK PENYELESAIAN PENGAMBILAN KEPUTUSAN
KONDISI BERESIKO

Nilai Harapan (expected Value)

 EV = Σ aij . Pj

Nilai Kesempatan yang Hilang (opportunity Loss)

• EMV = Σ aij . Pj

Nilai Harapan Informasi Sempurna ( Expected Value of

Perfect Information)
 EVPI = Σ EVWPI. EV
 EMV = Expected Monetary Value
EMVi = Expected Monetary Value untuk tindakan I

 EVPI = Expected Value of Perfect Information

EVPI = expected value with perfect information - maximum
EMV

 Rij = return atas keputusan / tindakan i untuk tiap keadaan

 Pj = probabilitas kondisi j akan terjadi

PENYELESAIAN
KASUS

19
 Contoh 1
 Penjual koran setiap pagi mengambil koran dan
menjualnya, harga jual koran Rp 350 dan harga beli
Rp 200. Koran yang tidak laku disore hari tidak
mempunyai harga. Dari catatannya probabilitas
koran yang laku setiap hari:
• Prob 0 = prob. Laku 10 = 0,10
• Prob 1 = prob. Laku 50 = 0,20
• Prob 2 = prob. Laku 100 = 0,30
• Prob 3 = prob. Laku 150 = 0,40
 Pertanyaan: berapa koran yang harus dibeli setiap
harinya?
 Untuk menentukan berapa jumlah koran yang harus dibeli, perlu dibuat
tabel pay off yang menunjukkan netcash flow antara jumlah koran yang
diambil/dibeli pada pagi hari.
Pay-off10-10 = 10(350)-10(200) = 1500
Pay-off10-50 = 10(350)-50(200) = -6500
Pay-off50 = 50(350)-50(200) = 7500
Pay-off10-100 = 10(350)-100(200)= -16500
Pay-off50-100 = 50(350)-100(200)= -2500
Pay-off100-100 = 100(350)-100(200) = 15000
Pay-off10-150 = 10(350)-150(200) = - 26500
Pay-off50-150 = 50(350)-150(200) = - 12500
Pay-off100-150 = 100(350)-150(200) = 5000
Pay-off150-150 = 150(350)-150(200) = 22500
 KEPUTUSAN DALAM SUASANA BERISIKO

 Kelemahan, dalam pengambilan keputusan hanya satu

informasi yang digunakan, sehingga informasi lain yang
tidak terdapat pada tabel pay off diabaikan.
 EVPI (Expected Value of Perfect Information)
 EVPI adalah informasi yang tepat tentang nilai yang diperoleh,
sehingga jumlah kerugian tidak terlalu besar ditanggung.
 Untuk menghitung biaya atas informasi yang diperoleh digunakan
rumus: EVPI = ER sempurna – ER tidak sempurna
Jumlah dan Permintaan Koran
Pembelian Koran
10 50 100 150
10 1,500 1,500 1,500 1,500
50 (6,500) 7,500 7,500 7,500
100 (16,500) (2,500) 15,000 15,000
150 (26,500) (12,500) 5,000 22,500

 EVPI =
[1.500 (0.1) + 7.500 (0.2) + 15.000 (0.3) + 22.500 (0.4)] – 8.350
= 6.800 (jumlah maksimum yg dibayar untuk informasi sempurna)
EVPI =
[1.500 (0.1) + 7.500 (0.2) + 15.000 (0.3) + 22.500 (0.4)] – 8.350
= 6.800 (jumlah maksimum yg dibayar untuk informasi sempurna.

Pembelian 0.1 0.2 0.3 0.4 ER

10 0 6000 13500 21000 13650
50 8000 0 7.5 15000 6802
100 18000 10000 0 7500 6800
150 28000 20000 10000 0 9800

Berdasarkan perhitungan EVPI , maka jumlah pembelian yang dapat

dilakukan sebanyak 100, karena mempunyai nilai ER dan EVPI sama.
ER = 18000(0.1) + 10000(0.2) + 0 (0.3) + 7500 (0.4) = 6800
 Contoh
Bisnis laundri
Kondisi Probabilitas Present valuePresent value
permintaan yang
pasar diharapkan
Tinggi 0,50 5.000.000 2.500.000
Sedang 0,20 4.000.000 800.000
Rendah 0,30 2.000.000 600.000
3.900.000

NPV = present value yang diharapkan – initial

investment
= Rp.3.900.000 – Rp.4.000.000
= - Rp.100.000
Bisnis rumah makan
Kondisi Probabilitas Present value Present value
permintaan yang
pasar diharapkan
Tinggi 0,70 6.000.000 4.200.000
Sedang 0,20 5.000.000 1.000.000
Rendah 0,10 3.000.000 300.000
5.500.000

NPV = present value yang diharapkan – initial

investment
= Rp.5.500.000 – Rp.5.000.000
= Rp.500.000
Berdasarkan pada perhitungan di atas, maka
dapat diketahui alternatif bisnis rumah
makan, merupakan alternatip bisnis yang
lebih menguntungkan dibandingkan dengan
bisnis laundri, sehingga PT Florencia dapat
mengambil keputusan untuk mendanai bisnis
rumah makan.
e. Expected Value of Sample Information (EVSI)
Merupakan harapan yang diinginkan dengan tambahan
informasi untuk dapat mengubah /memperbaiki
keputusan, dengan menggunakan teori Bayes.

f. Kriteria Utility dalam suasana risk EV max / EOL min

tidak selalu digunakan sebagai pedoman dalam
mengambil keputusan, hal ini terjadi karena:
1. Orang lebih memilih terhindar dari musibah
potensial daripada mewujudkan keuntungan dalam
jangka panjang
2. Orang lebih memilih mendapatkan/memperoleh
rejeki nomplok daripada mempertahankan sedikit
yang dimiliki
Harapan keuntungan dengan informasi sempurna
(EVPI)
EVPI = EV(PI) – EV(PI)
(Expected value under perfect information )

Tentukan lebih dulu EV(PI), EV(PI) dan EVPI.

 Contoh 2
Sebuah perusahaan dihadapkan pada persoal-an untuk memilih
tiga alternatif investasi A,B, dan C. Keuntungan yang diperoleh
dari ketiga jenis investasi tersebut tergantung pada situasi pasar,
yaitu lesu, normal, dan cerah, masing-masing 15%, 30%, dan
55%. Komponen-komponen situasi tersebut disajikan pada
Tabel berikut ini.

Prospek Pasar
Alternatif
Lesu Normal Cerah
Investasi
P=0,15 P=0,30 P=0,55

A 45000 15000 20000

B 25000 20000 -10000

C 35000 60000 50000

Berdasarkan Tabel di atas jenis investasi manakah yang harus

dipilih jika digunakan keteria opportunity loss ?
 Penyelesaian :
Kejadian Probabilitas

Tindakan Lesu Normal Cerah

P=0,15 P=0,30 P=0,55

A 0 45000 30000

B 20000 40000 60000

C 10000 0 0

EOLA = 0(0,15)+45000(0,30)+30000(0,55)=30.000
EOLB = 20000(0,15)+40000(0,30)+60000(0,55)=48000
EOLC = 10000(0,15)+0(0,30)+0(0,55) = 1500
Jadi : Nilai EOL terkecil adalah 1500, maka investasi yang
dipilih adalah investasi C.
 Nilai Harapan Informasi Sempurna

(Expected Value of Perfect Information = EVPI) adalah

selisih antara nilai harapan dengan nilai informasi
sempurna (EVWPI) dan nilai harapan tanpa infor-
masi sempurna (EV).

Rumus :
EVPI = EVWPI - EV
 Contoh :

Sebuah perusahaan dihadapkan pada persoalan

untuk memilih tiga alternatif investasi A,B, dan C.
Keuntungan yang diperoleh dari ketiga jenis
investasi tsb tergantung situasi pasar, yaitu lesu,
normal, dan cerah, masing-masing 15%, 30%, dan
55%.
Komponen-komponen situasi pasar di sajikan
pada Tabel berikut :
 Prospek Pasar

Alternatif
Lesu Normal Cerah
Investasi
P=0,15 P=0,30 P=0,55

A 45000 15000 20000

B 25000 20000 -10000

C 35000 60000 50000

Berdasarkan Tabel di atas jenis investasi manakah yang

harus dipilih jika digunakan keteria EVPI ?
 Penyelesaian :

Prospek Pasar
Alternatif
Lesu Normal Cerah
Investasi
P=0,15 P=0,30 P=0,55

A 45000 15000 20000

B 25000 20000 -10000

C 35000 60000 50000

Maks.
45000 60000 50000
Baris

Berdasarkan Tabel di atas jenis investasi manakah yang harus

dipilih jika digunakan keteria EVPI ?
EVPI = 45000(0,15)+60000(0,30)+50000(0,55)
= 52250
EV = 35000(0,15)+60000(0,30)+50000(0,55)
= 50750
EVPI = EVWPI – EV
= 52250 – 50750 = 1500
PERSOALAN INVENTORI SEDERHANA DALAM
KEADAAN ADA RISIKO

Kriteria nilai harapan (expected value) yang telah

digunakan di atas juga diterapkan untuk memecahkan
persoalan inventori sederhana. Untuk lebih jelasnya,
perhatikan contoh soal berikut:
Contoh kasus sederhana :

Pemilik/Penjual Soto Madura di kota Sidoarjo hendak

memutuskan berapa mangkok soto yang harus disediakan
rata-rata setiap hari agar keuntungan diperoleh maksimum.
Jika disediakan terlalu banyak (melebihi jumlah yang diminta)
maka ia akan menderita kerugian yaitu biaya produksi karena
tidak laku. Jika disediakan terlalu sedikit maka ia juga akan
menderita kerugian (rugi kesempatan yaitu berupa
keuntungan yang menjadi hilang karena pembeli datang
tetapi tidak bisa terlayani). Data yang ada biaya produksi soto
per mangkok sebesar Rp 2.000,- dan harga jual soto per
mangkok sebesar Rp 3.000,-. Data lain yang diperoleh
berdasarkan pengamatan data masa lalu (historical data),
yaitu data permintaan dan peluang/probabilitas permintaan
tersebut sebagai berikut :
Data Permintaan dan Probabilitas sbb:
No. Permintaan (Unit/Hari) Probabilitas
1 100 0,1
2 110 0,2
3 120 0,4
4 130 0,2
5 140 0,1

Penyelesaian Kasus di atas bisa dilakukan dengan :

1. Kriteria Keputusan :
a. Kriteria Maximax
b. Kriteria Maximin
c. Kriteria Kemungkinan Maksimum
d. Kriteria Laplace
2. Kriteria Expected Value yang Tertinggi
3. Kriteria Pohon Keputusan (Decision Tree).
 Tabel Pay Off
(Kerugian atau Keuntungan dari berbagai kondisi)

kondisi permintaan (probabilitas)

dasar 100 110 120 130 140
(Xi)
0.1 0,2 0,4 0.2 0.1
100 100.000 900.000 80.000 70.000 60.000
110 80.000 110.000 100.000 90.000 80.000
120 60.000 90.000 120.000 110.000 100.000
130 40.000 70.000 100.000 130.000 120.000
140 20.000 50.000 80.000 110.000 140.000

Pay off = 100 (3.000) – 100 (2.000) = 100.000

Pay off = 140 (3.000) – 140 (2.000) = 140.000
 Kriteria Keputusan
a. Kriteria Maximax,
bahwa keputusan yang mempunyai pay off paling tinggi
(tanpa memperdulikan hal lain) yang seharusnya dipilih
(Optimistik).Lihat Tabel Pay off:
Maksimum Baris 1 = 100000
Maksimum Baris 2 = 110000
Maksimum Baris 3 = 120000
Maksimum Baris 4 = 130000
Maksimum baris 5 = 140000
Yang tertinggi adalah 140000, berarti menyediakan 140
mangkok soto setiap hari.
b. Kriteria Maximin,
memilih keputusan yang menghasilkan nilai maksimum dari
pay off yang minimum.
Minimum Baris 1 = 60000
Minimum Baris 2 = 80000
Minimum Baris 3 = 60000
Minimum Baris 4 = 40000
Minimum Baris 5 = 20000
yang tertinggi adalah 80000, berarti menyediakan 110
mangkok soto setiap hari
c. Kriteria Kemungkinan Maksimum
Menyatakan seseorang seharusnya memilih keputusan
optimalnya atas dasar yang paling sering terjadi, dalam
hal ini dilihat dari probabilitasnya maka yang paling
sering terjadi adalah permintaan 120 dengan
probabilitas 0,4.
Jadi sebaiknya penjual soto menyediakan 120 mangkok
bakso dengan kemungkinan keuntungan yang
diperoleh sebesar 120.000.

d. Kriteria Laplace
seseorang seharusnya memilih keputusan yang
mempunyai laba rata-rata tertinggi. Dalam hal ini
sebaiknya mengambil keputusan menyediakan 120
mangkok soto dengan rata-rata keuntungan 96.000.
2. Kriteria Expected Value yang Tertinggi
keputusan yang dipilih adalah keputusan yang mempunyai
expected value pay off yang tertinggi .
Perhitungan EV (EMV = Expected Monetary Value) dapat
diperoleh dengan memasukan semua besaran probabilitas
dalam perhitungan. Keputusan yang diambil sebaiknya
menyediakan 120 mangkok soto dengan keuntungan/ nilai
EV/EMV = 104000.
 Membuat Diagram Pohon

Kondisi Baik (0,7) $800.000

Memperluas 2 $500.000
Kondisi Buruk (0.3)

Mempertahankan Kondisi Baik (0.7) $1.700.000

keadaan
1 3
Kondisi Buruk (0.3) -$150.000

Menjual Kondisi Baik (0.7) $320.000

4

Kondisi Buruk (0.3) $320.000

Contoh lagi :

Tersedia tiga alternatif investasi yaitu menabung

dalam bentuk deposito (A1) membeli saham (A2)
dan investasi diperusahaan “pengganda” uang (A3).
Return pertahun (dalam persentase) untuk setiap
alternatif untuk berbagai keadaan perkembagan
perekonomian disajikan pada tabel berikut :

Ekonomi Ekonomi Ekonomi

menurun Tetap membaik
A1 20 25 35
A2 15 20 25
A3 - 50 60 80
47
 Tentukan alternatif mana yang harus dipilih jika
pengambil keputusan:
 a. Optimis (maximax)
 b. Pesimistis (maximin)
 c. Menggunakan kriteria HÜrwicz dengan derajat
optimisme 80 %